README.md

🌐 多言語サポート

GitHub Actionによる対応（自動化＆常に最新）

アラビア語 | ベンガル語 | ブルガリア語 | ビルマ語（ミャンマー） | 中国語（簡体字） | 中国語（繁体字、香港） | 中国語（繁体字、マカオ） | 中国語（繁体字、台湾） | クロアチア語 | チェコ語 | デンマーク語 | オランダ語 | エストニア語 | フィンランド語 | フランス語 | ドイツ語 | ギリシャ語 | ヘブライ語 | ヒンディー語 | ハンガリー語 | インドネシア語 | イタリア語 | 日本語 | カンナダ語 | クメール語 | 韓国語 | リトアニア語 | マレー語 | マラヤーラム語 | マラーティー語 | ネパール語 | ナイジェリア・ピジン語 | ノルウェー語 | ペルシア語（ファルシー） | ポーランド語 | ポルトガル語（ブラジル） | ポルトガル語（ポルトガル） | パンジャブ語（グルムキー） | ルーマニア語 | ロシア語 | セルビア語（キリル） | スロバキア語 | スロベニア語 | スペイン語 | スワヒリ語 | スウェーデン語 | タガログ語（フィリピン） | タミル語 | テルグ語 | タイ語 | トルコ語 | ウクライナ語 | ウルドゥー語 | ベトナム語

ローカルでクローンしたいですか？

このリポジトリには50以上の言語翻訳が含まれており、そのためダウンロードサイズが大幅に増加します。翻訳を除いてクローンするには、スパースチェックアウトを使用してください：

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

これにより、より高速なダウンロードでコースを完了するのに必要なすべてが得られます。

コミュニティに参加しよう

私たちはDiscordで「Learn with AI」シリーズを開催中です。詳細と参加は Learn with AI Series から、2025年9月18日～30日の期間にぜひご参加ください。GitHub Copilotを使ったデータサイエンスのコツやテクニックが得られます。

機械学習入門 - カリキュラム

🌍 世界の文化を通して機械学習を探求しながら世界を旅しよう 🌍

MicrosoftのCloud Advocatesが提供する、12週間・26レッスンにわたる機械学習のカリキュラムです。このカリキュラムでは、主にScikit-learnライブラリを用いた「古典的機械学習」（クラシック機械学習）について学び、ディープラーニングはAI for Beginners のカリキュラムでカバーしています。さらに、『データサイエンス入門カリキュラム』と組み合わせて学習してください。

私たちと一緒に世界中を旅して、これらのクラシックな手法を世界各地のデータに適用してみましょう。各レッスンには、レッスン前後のクイズ、レッスンの説明、解答例、課題、その他が含まれています。プロジェクトベースの教育法により、学びながら実践することで新しいスキルが定着すると証明されています。

✍️ 心から感謝申し上げます。著者の皆様： Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu、Amy Boyd

🎨 そしてイラストレーターの皆様にも感謝： Tomomi Imura、Dasani Madipalli、Jen Looper

🙏 特別な感謝 🙏 Microsoft Student Ambassadorの著者、レビュアー、コンテンツ貢献者の皆様 特にRishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila、Snigdha Agarwal

🤩 さらにMicrosoft Student AmbassadorsのEric Wanjau、Jasleen Sondhi、Vidushi GuptaにはR言語のレッスン制作で感謝！

はじめに

以下の手順に従ってください:

1. リポジトリをフォークする：ページ右上の「Fork」ボタンをクリックします。
2. リポジトリをクローンする： git clone https://github.com/microsoft/ML-For-Beginners.git

このコースの追加リソースはMicrosoft Learnのコレクションで見つけられます

🔧 お困りですか？ インストールやセットアップ、レッスン実行の一般的な問題の解決にはトラブルシューティングガイドを参照してください。

学生の皆さん、このカリキュラムを使用するには、リポジトリ全体を自分のGitHubアカウントにフォークし、個人またはグループで課題を進めてください：

• 講義前のクイズから始める。
• 講義を読み、各知識確認で一時停止しながら活動を完了する。
• 解答コードを動かすのではなく、レッスンを理解してプロジェクトを作成しよう。ただし解答コードは各プロジェクト指向のレッスンの /solution フォルダーにあります。
• 講義後のクイズを受ける。
• チャレンジを完了する。
• 課題を完了する。
• レッスングループを終えたら、ディスカッションボードを訪れて、適宜PATルーブリックに記入して「学びを広げる」。PATは進捗評価ツールで、記入することで学習をさらに深められます。他のPATにリアクションもでき、一緒に学べます。

さらなる学習には、次のMicrosoft Learnのモジュールや学習パスがお勧めです。

教師の皆様、このカリキュラムの活用法について提案を用意しています。

---

ビデオウォークスルー

いくつかのレッスンはショートフォームのビデオで視聴可能です。これらはレッスン内に埋め込まれているか、またはMicrosoft DeveloperのYouTubeチャンネルにあるML for Beginnersプレイリストから視聴できます。下の画像をクリックしてください。

---

チーム紹介

Gif作者: Mohit Jaisal

🎥 上の画像をクリックすると、プロジェクトとそれを作った人々についてのビデオが見られます！

---

教育方針

このカリキュラムでは、実践的なプロジェクトベースと頻繁なクイズの2つの教育的信念を採用しています。また、内容に一貫性を持たせるための共通のテーマも設定しています。

コンテンツをプロジェクトに合わせることで、学生の関心が高まり、概念の定着が促進されます。授業前の低難易度クイズは学習の意図を明確にし、授業後のクイズがさらに理解を深めます。このカリキュラムは柔軟で楽しく、全編または一部だけでも学習可能です。プロジェクトは小規模から始まり、12週間のサイクルの終わりにはより複雑になります。さらに実世界のML応用に関するあとがきを含み、追加の学習や議論の素材として使えます。

行動規範、貢献ガイド、翻訳、トラブルシューティングの方針もご覧ください。皆様からの建設的なフィードバックを歓迎します！

各レッスンに含まれるもの

• 任意のスケッチノート
• 任意の補助動画
• ビデオウォークスルー（一部のレッスンのみ）
• 講義前ウォームアップクイズ
• 書面によるレッスン
• プロジェクトベースレッスンにはプロジェクト構築手順のガイド付き
• 知識確認問題
• チャレンジ
• 補助読書
• 課題
• 講義後クイズ

言語に関する注意事項: これらのレッスンは主にPythonで書かれていますが、多くはRでも利用可能です。Rのレッスンを完了するには、 /solution フォルダーに移動しRのレッスンを探してください。これらは R Markdown ファイルを表す .rmd 拡張子を含んでいます。これは簡単に言うと、コードチャンク（Rやその他の言語の）と YAMLヘッダー（PDFなどの出力フォーマットのガイド）を Markdown文書 に埋め込んだものです。このため、コード、出力、考えをMarkdownで書き込み一体化できるため、データサイエンスの優れた作成フレームワークとして機能します。さらに、R Markdown文書はPDF、HTML、Wordなどの出力形式にレンダリングできます。

クイズに関する注意事項: すべてのクイズはQuiz Appフォルダーにまとめられており、3問ずつ全52のクイズがあります。レッスン内からリンクされていますが、quiz appはローカルで実行可能です。quiz-app フォルダーの指示に従い、ローカルホストまたはAzureへのデプロイを行ってください。

レッスン番号	トピック	レッスングループ	学習目標	関連レッスン	著者
01	機械学習のイントロダクション	Introduction	機械学習の基本概念を学ぶ	Lesson	Muhammad
02	機械学習の歴史	Introduction	この分野の歴史を学ぶ	Lesson	Jen and Amy
03	公平性と機械学習	Introduction	MLモデル構築と適用時に考慮すべき公平性に関する重要な哲学的問題は何か？	Lesson	Tomomi
04	機械学習の技術	Introduction	ML研究者がMLモデル構築のために使用する技術は何か？	Lesson	Chris and Jen
05	回帰分析のイントロダクション	Regression	PythonとScikit-learnを使った回帰モデル入門	Python • R	Jen • Eric Wanjau
06	北米カボチャ価格 🎃	Regression	MLの準備としてデータの可視化とクレンジング	Python • R	Jen • Eric Wanjau
07	北米カボチャ価格 🎃	Regression	線形回帰および多項式回帰モデルの構築	Python • R	Jen and Dmitry • Eric Wanjau
08	北米カボチャ価格 🎃	Regression	ロジスティック回帰モデルの構築	Python • R	Jen • Eric Wanjau
09	ウェブアプリ 🔌	Web App	学習済みモデルを使うウェブアプリの構築	Python	Jen
10	分類のイントロダクション	Classification	データのクレンジング、準備、可視化；分類の入門	Python • R	Jen and Cassie • Eric Wanjau
11	美味しいアジアおよびインド料理 🍜	Classification	分類器の紹介	Python • R	Jen and Cassie • Eric Wanjau
12	美味しいアジアおよびインド料理 🍜	Classification	より多くの分類器	Python • R	Jen and Cassie • Eric Wanjau
13	美味しいアジアおよびインド料理 🍜	Classification	モデルを使った推薦ウェブアプリの構築	Python	Jen
14	クラスタリングのイントロダクション	Clustering	データのクレンジング、準備、可視化；クラスタリング入門	Python • R	Jen • Eric Wanjau
15	ナイジェリアの音楽嗜好探索 🎧	Clustering	K-Meansクラスタリング法の探索	Python • R	Jen • Eric Wanjau
16	自然言語処理入門 ☕️	Natural language processing	単純なボット構築でNLPの基本を学ぶ	Python	Stephen
17	一般的なNLPタスク ☕️	Natural language processing	言語構造処理に必要な一般的タスクを理解しNLP知識を深める	Python	Stephen
18	翻訳と感情分析 ♥️	Natural language processing	ジェーン・オースティンによる翻訳と感情分析	Python	Stephen
19	ヨーロッパのロマンチックホテル ♥️	Natural language processing	ホテルレビューによる感情分析1	Python	Stephen
20	ヨーロッパのロマンチックホテル ♥️	Natural language processing	ホテルレビューによる感情分析2	Python	Stephen
21	時系列予測のイントロダクション	Time series	時系列予測の入門	Python	Francesca
22	⚡️ 世界の電力使用量 ⚡️ - ARIMAを使った時系列予測	Time series	ARIMAを使った時系列予測	Python	Francesca
23	⚡️ 世界の電力使用量 ⚡️ - SVRを使った時系列予測	Time series	サポートベクター回帰を使った時系列予測	Python	Anirban
24	強化学習のイントロダクション	Reinforcement learning	Q-Learningを使った強化学習入門	Python	Dmitry
25	ピーターをオオカミから守ろう！ 🐺	Reinforcement learning	強化学習Gym	Python	Dmitry
追記	実世界のMLシナリオと応用	ML in the Wild	古典的MLの興味深く示唆に富む実世界アプリケーション	Lesson	チーム
追記	RAIダッシュボードを使ったMLのモデルデバッグ	ML in the Wild	Responsible AIダッシュボードコンポーネントを使った機械学習モデルデバッグ	Lesson	Ruth Yakubu

このコースの追加リソースはMicrosoft Learnコレクションで全て見つかります

オフラインアクセス

Docsify を使用してこのドキュメントをオフラインで実行できます。このリポジトリをフォークし、ローカルマシンにDocsifyをインストールした後、このリポジトリのルートフォルダーで docsify serve と入力してください。ウェブサイトはローカルホストのポート3000で提供されます: localhost:3000。

PDF

カリキュラムのPDF（リンク付き）はこちらでご覧いただけます。

🎒 その他のコース

私たちのチームはその他のコースも制作しています！ぜひチェックしてください：

LangChain

Azure / Edge / MCP / Agents

---

生成AIシリーズ

---

コア学習

---

コパイロットシリーズ

ヘルプを得る方法

AIアプリの構築で困ったり質問があれば、MCPに関する議論に参加して、他の学習者や経験豊富な開発者と交流しましょう。質問が歓迎され、知識が自由に共有される支援的なコミュニティです。

製品のフィードバックや構築中のエラーがあれば、以下をご覧ください。

追加の学習のヒント

• 各レッスン後にノートブックを復習して理解を深めましょう。
• 自分でアルゴリズムを実装する練習をしましょう。
• 学んだ概念を使って実際のデータセットを探索しましょう。

---

免責事項：
本書類はAI翻訳サービス「Co-op Translator」を使用して翻訳されています。正確性の向上に努めていますが、自動翻訳には誤りや不正確な箇所が含まれる場合があります。原文の言語による文書が正式な情報源とみなされるべきです。重要な情報については、専門の翻訳者による翻訳を推奨します。本翻訳の利用によって生じたいかなる誤解や解釈の相違についても、当方は一切の責任を負いかねます。