Repolode
microsoft

microsoft/ML-For-Beginners

Currículo introdutório de 12 semanas e 26 aulas sobre machine learning clássico, com Scikit-learn, aulas e quizzes em Python e R.

Estrelas
91,621
Forks
22,676
Issues abertas
17
Último commit
anteontem

O que é?

ML for Beginners é um currículo estruturado da equipe Cloud Advocates da Microsoft que ensina machine learning clássico, ou seja, técnicas que não dependem de deep learning. O curso é baseado principalmente em Scikit-learn e organizado em 26 aulas ao longo de 12 semanas. Os tópicos incluem regressão, classificação, clustering, processamento de linguagem natural, previsão de séries temporais e aprendizado por reforço, além de um apêndice sobre aplicações no mundo real.

Cada aula combina um quiz pré-aula e instruções por escrito com uma solução, um desafio e uma tarefa. Muitas aulas são baseadas em projetos e usam conjuntos de dados de diferentes regiões do mundo, como preços de abóboras na América do Norte e culinárias asiática e indiana. A maioria das aulas inclui código Python em notebooks Jupyter, e muitas têm versões equivalentes em R. O repositório também contém um app de quizzes com 52 quizzes que pode ser executado localmente.

O curso foi elaborado para estudantes que estudam sozinhos ou em grupo e inclui orientações para professores. O conteúdo está disponível em mais de 50 idiomas traduzidos.

Recursos principais

  • 01Aborda regressão, classificação, clustering, NLP, séries temporais e aprendizado por reforço
  • 02Aulas baseadas em projetos, desenvolvidas principalmente com Scikit-learn e Python
  • 03Versões em R disponíveis para muitas aulas
  • 04Quizzes antes e depois das aulas, com 52 quizzes em um app que pode ser executado localmente
  • 05Inclui soluções, desafios e tarefas para cada aula
  • 06Conteúdo traduzido para mais de 50 idiomas

Casos de uso

  • Estudar machine learning clássico por conta própria para desenvolvedores que estão começando na área
  • Usar os planos de aula fornecidos em um curso de ML em sala de aula ou conduzido por um professor
  • Aprender Scikit-learn com projetos práticos de regressão e classificação
  • Complementar o currículo Data Science for Beginners

Início rápido

  1. 1

    Faça um fork do repositório no GitHub

  2. 2

    Clone o repositório localmente

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

Tópicos

Perguntas frequentes

O que é ML-For-Beginners?
Currículo introdutório de 12 semanas e 26 aulas sobre machine learning clássico, com Scikit-learn, aulas e quizzes em Python e R. ML for Beginners é um currículo estruturado da equipe Cloud Advocates da Microsoft que ensina machine learning clássico, ou seja, técnicas que não dependem de deep learning. O curso é baseado principalmente em Scikit-learn e organizado em 26 aulas ao longo de 12 semanas. Os tópicos incluem regressão, classificação, clustering, processamento de linguagem natural, previsão de séries temporais e aprendizado por reforço, além de um apêndice sobre aplicações no mundo real.
ML-For-Beginners é gratuito? Qual é a licença?
ML-For-Beginners é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
ML-For-Beginners ainda é mantido?
Manutenção ativa. O último commit de ML-For-Beginners foi em 18 de out. de 2026.
Para que posso usar ML-For-Beginners?
Estudar machine learning clássico por conta própria para desenvolvedores que estão começando na área Usar os planos de aula fornecidos em um curso de ML em sala de aula ou conduzido por um professor Aprender Scikit-learn com projetos práticos de regressão e classificação Complementar o currículo Data Science for Beginners
Como instalar ML-For-Beginners?
Faça um fork do repositório no GitHub Clone o repositório localmente: git clone https://github.com/microsoft/ML-For-Beginners.git
Onde consigo ML-For-Beginners?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/microsoft/ML-For-Beginners

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados