适合所有初学者的经典机器学习课程。
微软机器学习课程（Machine Learning for Beginners, Curriculum）来了，一天之内狂揽 2000 星。
课程地址：https://github.com/microsoft/ML-For-Beginners
该课程面向机器学习初学者，总共 12 周、24 节课，完全免费，已经过 MIT 授权。由 Azure 云倡导者等人员制作而成。
这门课程都是关于「经典机器学习」的，使用 Scikit-learn 库来处理 ML 基本概念。不过本次 ML 课程中不讨论深度学习或神经网络相关内容。
Scikit-learn 库：https://scikit-learn.org/stable/user_guide.html
这门课程涉及到的算法都有具体的示例，包括回归（北美南瓜市场定价示例）、分类（泛亚洲菜系示例）、聚类（尼日利亚音乐品味示例）、NLP（欧洲酒店评论示例）、时间序列（世界用电量示例），强化学习（俄罗斯关于彼得和狼的故事）。
这是一门自学课程，但它在以小组为单位的学习中效果很好，因此你可以考虑寻找学习伙伴并一起学习。通过课前测验热身，和小伙伴一起或单独完成课程和作业。通过课后测验测试自己掌握的知识。学习这门课之前，最好掌握 Python。
有网友表示：真了不起。
还有网友赞叹该课程是非常好的资料。
学完本次课程，你将学到什么？
这些课程是分组进行的，这样有利于学习者深入研究经典 ML 的各个重要方面。
该课程首先介绍了 ML 概念，然后到它的发展历史，机器学习中关于「fairness」概念，并讨论了 ML 行业的工具和技术。
之后的课程介绍了回归、分类、聚类、自然语言处理、时间序列预测、强化学习，其中两个「applied，应用」课程演示了如何在网络中使用模型以用于推理的应用程序。最后以「postscript」课程结束，列出了机器学习在「真实世界」的应用，展示了这些技术是如何在自然环境下使用的。
每节课程包括：课前热身测验、编程课程、以项目为基础的课程指导如何构建项目、检查所学知识、课程挑战、补充阅读、分配任务、课后测验等。
课程目录：
为了方便初学者学习 ML，该课程构建的内容可以离线使用，并且可以在 Visual Studio Code 中使用. ipynb notebooks 来完成练习。
此外，课程充满了很多艺术，配图新颖：
参考链接：
https://techcommunity.microsoft.com/t5/azure-developer-community-blog/machine-learning-for-beginners-curriculum/ba-p/2502024
本文转载自：「机器之心」，原文：https://tinyurl.com/2u5pnut3，版权归原作者所有。欢迎投稿，投稿邮箱: editor@hi-linux.com。
