GitHub 周榜第一！微软给新手开源的 ML 课程，1.2 万 Star

【导语】：微软又给初学者开源了一份机器学习课程。

该课程在 GitHub 挺受欢迎，排在周榜第一。

简介

ML-For-Beginners 是微软开源的机器学习入门教程，总共有 25 节课，时间周期为 12 周，课程主要使用 Scikit-learn 库。学习这门课程的同时也能了解世界各地的文化，因为课程里面的技术会被应用到来自世界很多地区的数据。

每一节课都包括课前与课后测验、完成课程的书面说明、解决方案、作业等。课程内容是基于项目构建的，可以让你在理论学习的同时动手实践，有助于你保持学习的动力。

该课程的作者为 Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Ornella Altunyan 和 Amy Boyd。

每节课都包含以下内容：

1. 草稿笔记
2. 补充视频
3. 课前热身测验
4. 书面课程
5. 如何构建项目的分布指南
6. 知识检查
7. 课程挑战
8. 补充阅读
9. 任务
10. 课后测验

项目地址是：

https://github.com/microsoft/ML-For-Beginners

入门

对学习者来说

学习者使用该教程时，建议 fork 仓库并自己或小组完成练习，从课前测验开始，阅读讲座并完成其余活动。

• 从课前测验开始
• 阅读讲座并完成活动，在每次知识检查时回顾和反思
• 通过理解课程来创建项目，独立思考后再去查看解决方案代码
• 参加课后测验
• 完成挑战
• 完成任务
• 完成课程组后，访问讨论板并更新自己的 PAT 进度。PAT 是一种进度评估工具

对教学者来说

可以随时随地在自己的课堂上使用这个课程，并且可以通过 GitHub Classroom 在 GitHub 中使用。通过 fork 这个项目，为每节课创建一个仓库，这意味着需要将每个文件夹单独提取到仓库中。详细的操作方法官网已经提供了说明。

也可以原样使用这个仓库，而不使用 GitHub Classroom。在线格式（Zoom、Teams 或其他），可以为测验组建分组讨论室，并指导学生帮助他们做好学习准备。然后邀请学生参加测验，并在特定时间将他们的答案提交。

如果需要更私密的格式，请让学生将课程一堂一课地 fork 到他们自己的 GitHub 仓库课作为私有存储库，并授予你访问权限。然后他们可以私下完成测验和作业，并通过你课堂上的问题进行提交。

内容

在构建课程的时候，作者遵从了两个教学原则：确保它是基于项目工程的实践，并且包括频繁的测验。

通过确保内容与项目保持一致，该过程对学生更具吸引力，概念的保留也将得到加强。此外，课前的低风险测验确定了学生学习某个主题的意图，而课后的第二次测验进一步进行知识巩固。课程灵活有趣，可以全部或部分学习。这些项目从小规模开始，到 12 周的周期结束时变得越来越复杂。本课程还包括一个关于机器学习实际应用的后记，可用作额外学分或讨论的基础。