【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:
草稿笔记 补充视频 课前热身测验 书面课程 如何构建项目的分布指南 知识检查 课程挑战 补充阅读 任务 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。
https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/
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。
- EOF -
更多优秀开源项目(点击下方图片可跳转)
开源前哨
日常分享热门、有趣和实用的开源项目。参与维护10万+star 的开源技术资源库,包括:Python, Java, C/C++, Go, JS, CSS, Node.js, PHP, .NET 等
关注后获取
回复 资源 获取 10万+ star 开源资源
分享、点赞和在看
支持我们分享更多优秀开源项目,谢谢!
发表评论 取消回复