共计 1344 个字符，预计需要花费 4 分钟才能阅读完成。
【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，工夫周期为 12 周，课程次要应用 Scikit-learn 库。学习这门课程的同时也能理解世界各地的文化，因为课程外面的技术会被利用到来自世界很多地区的数据。
每一节课都包含课前与课后测验、实现课程的书面阐明、解决方案、作业等。课程内容是基于我的项目构建的，能够让你在实践学习的同时入手实际，有助于你放弃学习的能源。
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。
每节课都蕴含以下内容：
- 草稿笔记
- 补充视频
- 课前热身测验
- 书面课程
- 如何构建我的项目的散布指南
- 常识查看
- 课程挑战
- 补充浏览
- 工作
- 课后测验
我的项目地址是：
https://github.com/microsoft/…
入门
对学习者来说
学习者应用该教程时，倡议 fork 仓库并本人或小组实现练习，从课前测验开始，浏览讲座并实现其余流动。
- 从课前测验开始
- 浏览讲座并实现流动，在每次常识查看时回顾和反思
- 通过了解课程来创立我的项目，独立思考后再去查看解决方案代码
- 加入课后测验
- 实现挑战
- 实现工作
- 实现课程组后，拜访探讨板并更新本人的 PAT 进度。PAT 是一种进度评估工具
对教学者来说
能够随时随地在本人的课堂上应用这个课程，并且能够通过 GitHub Classroom 在 GitHub 中应用。通过 fork 这个我的项目，为每节课创立一个仓库，这意味着须要将每个文件夹独自提取到仓库中。具体的操作方法官网曾经提供了阐明。
https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/也能够原样应用这个仓库，而不应用 GitHub Classroom。在线格局（Zoom、Teams 或其余），能够为测验组建分组讨论室，并领导学生帮忙他们做好学习筹备。而后邀请学生加入测验，并在特定工夫将他们的答案提交。
如果须要更私密的格局，请让学生将课程一堂一课地 fork 到他们本人的 GitHub 仓库课作为公有存储库，并授予你拜访权限。而后他们能够私下实现测验和作业，并通过你课堂上的问题进行提交。
内容
在构建课程的时候，作者听从了两个教学准则：确保它是基于我的项目工程的实际，并且包含频繁的测验。
通过确保内容与我的项目保持一致，该过程对学生更具吸引力，概念的保留也将失去增强。此外，课前的低危险测验确定了学生学习某个主题的用意，而课后的第二次测验进一步进行常识坚固。课程灵便乏味，能够全副或局部学习。这些我的项目从小规模开始，到 12 周的周期完结时变得越来越简单。本课程还包含一个对于机器学习理论利用的后记，可用作额定学分或探讨的根底。
开源前哨日常分享热门、乏味和实用的开源我的项目。参加保护 10 万 + Star 的开源技术资源库，包含：Python、Java、C/C++、Go、JS、CSS、Node.js、PHP、.NET 等。
