ML for Beginners

一、平台定位

二、核心能力

1. 12周26课系统课程

    

   12周完整课程体系：第1周ML基础与历史、第2-3周回归、第4周Web应用部署、第5-6周分类、第7周聚类、第8周NLP自然语言处理、第9周时间序列预测、第10周强化学习、第11-12周现实世界应用。每课含课前测验、书面教材、代码演示、知识检查、挑战任务和课后测验。
    
2. Python/R双语言支持

    

   所有课程同时提供Python（Jupyter Notebook）和R（R Markdown）两种语言版本，Python主要使用Scikit-learn库，R使用tidymodels和caret，学习者可选择熟悉的语言学习。
    
3. 52个测验与项目驱动

    

   每节课包含课前和课后测验共52个，通过测验巩固知识。每个主题配备实践项目和作业，从简单小项目开始逐渐复杂化，确保学以致用。
    
4. 全球多元数据集

    

   课程使用来自世界各地区域的真实数据集，应用经典ML技术处理多元文化数据，增加学习的趣味性和实用性。
    
5. 40+语言翻译支持

    

   通过GitHub Actions自动翻译为40+语言，包括简体中文、繁体中文、日语、韩语等，降低语言障碍，全球学习者均可使用母语学习。
    
6. 配套Vue.js测验应用

    

   内置Vue.js开发的测验应用，提供交互式课前课后评估，即时反馈学习效果，帮助学习者了解知识掌握程度。
    

三、适用场景

1. 机器学习零基础入门

    

   完全没有ML经验的开发者或学生，通过12周系统课程从零开始学习回归、分类、聚类等经典ML技术，配合测验和项目巩固理解。
    
2. 数据科学基础构建

    

   希望进入数据科学领域的学习者，通过本课程建立坚实的ML基础，可与微软Data Science for Beginners课程搭配学习。
    
3. 高校ML课程教学

    

   高校教师使用本课程作为ML入门课教材，结构化的12周教学计划和丰富的测验项目减轻备课负担。
    
4. 自学者系统进阶

    

   自学者按照12周计划系统学习，完成后再进阶到AI for Beginners深度学习课程，构建完整的AI技能体系。
    

四、使用流程

1. Fork仓库：在GitHub上Fork microsoft/ML-For-Beginners仓库
2. 克隆项目：运行git clone将项目克隆到本地
3. 课前测验：每节课开始前完成课前测验评估基础
4. 阅读教材：阅读README.md课程材料和Jupyter Notebook代码
5. 动手实践：运行Notebook代码，完成项目和作业
6. 课后测验：完成课后测验检验学习效果
7. 进阶学习：完成12周课程后继续AI for Beginners深度学习课程

五、产品定价

六、与fast.ai、DeepLearning.AI的简要对比

七、数据安全与隐私保护

• 数据加密：GitHub全站HTTPS加密传输
• 数据留存：课程资料开源在GitHub，永久可访问和下载
• 合规认证：MIT开源许可，可自由使用、修改和分发
• 隐私政策：不收集用户数据，纯开源教育项目
• 私有化部署：完全开源，支持本地克隆和私有化使用

八、入口说明