Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Khmer | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese
Liever lokaal klonen?
Deze repository bevat meer dan 50 taalvertalingen wat de downloadgrootte aanzienlijk vergroot. Om zonder vertalingen te klonen, gebruik sparse checkout:
Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git cd ML-For-Beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git cd ML-For-Beginners git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"Dit geeft je alles wat je nodig hebt voor de cursus met een veel snellere download.
We hebben een lopende Discord leer met AI-serie, kom meer te weten en doe mee via Learn with AI Series van 18 tot 30 september 2025. Je krijgt tips en trucs over het gebruik van GitHub Copilot voor Data Science.
🌍 Reis de wereld rond terwijl we Machine Learning verkennen via wereldculturen 🌍
Cloud Advocates bij Microsoft bieden met plezier een 12-weken durend, 26-lessen curriculum aan over Machine Learning. In dit curriculum leer je wat soms wordt genoemd klassieke machine learning, waarbij voornamelijk Scikit-learn als bibliotheek wordt gebruikt en diepe neurale netwerken worden vermeden, die behandeld worden in ons AI for Beginners'-curriculum. Combineer deze lessen ook met ons 'Data Science for Beginners'-curriculum!
Reis met ons mee over de wereld terwijl we deze klassieke technieken toepassen op data uit vele gebieden van de wereld. Elke les bevat quizzen voor en na de les, geschreven instructies om de les te voltooien, een oplossing, een opdracht en meer. Onze projectgerichte pedagogiek laat je leren terwijl je bouwt, een bewezen manier om nieuwe vaardigheden te verankeren.
✍️ Hartelijke dank aan onze auteurs Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu en Amy Boyd
🎨 Dank ook aan onze illustratoren Tomomi Imura, Dasani Madipalli en Jen Looper
🙏 Speciale dank 🙏 aan onze Microsoft Student Ambassador auteurs, reviewers en inhoudsbijdragers, met name Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila en Snigdha Agarwal
🤩 Extra dank aan Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi en Vidushi Gupta voor onze R-lessen!
Volg deze stappen:
- Fork de Repository: Klik op de knop "Fork" rechtsboven op deze pagina.
- Clone de Repository:
git clone https://github.com/microsoft/ML-For-Beginners.git
vind alle aanvullende bronnen voor deze cursus in onze Microsoft Learn-collectie
🔧 Hulp nodig? Bekijk onze Probleemoplossingsgids voor oplossingen voor veelvoorkomende problemen met installatie, setup en het uitvoeren van lessen.
Studenten, om dit curriculum te gebruiken, fork de hele repo naar je eigen GitHub-account en maak de oefeningen alleen of in een groep:
- Begin met een pre-lectuur quiz.
- Lees de lesstof en voltooi de activiteiten, pauzeer en reflecteer bij elke kennischeck.
- Probeer de projecten te maken door de lessen te begrijpen in plaats van simpelweg de code van de oplossing uit te voeren; die code is echter beschikbaar in de
/solutionmappen in elke projectgerichte les. - Maak de post-lectuur quiz.
- Voltooi de challenge.
- Maak de opdracht.
- Na het afronden van een lesgroep, bezoek het Discussiebord en "leer hardop" door de passende PAT-rubriek in te vullen. Een 'PAT' is een Progress Assessment Tool die je invult om je leerproces te verdiepen. Je kunt ook reageren op andere PAT's zodat we samen kunnen leren.
Voor verdere studie raden we aan deze Microsoft Learn modules en leerpaden te volgen.
Docenten, we hebben wat suggesties toegevoegd over hoe je dit curriculum kunt gebruiken.
Sommige lessen zijn beschikbaar als korte video. Je vindt ze in de lessen zelf of op de ML for Beginners afspeellijst op het Microsoft Developer YouTube-kanaal door op onderstaande afbeelding te klikken.
Gif van Mohit Jaisal
🎥 Klik op de afbeelding hierboven voor een video over het project en de mensen die het hebben gemaakt!
We hebben twee pedagogische uitgangspunten gekozen bij het bouwen van dit curriculum: zorgen dat het hands-on project-gebaseerd is en dat het regelmatige quizzen bevat. Daarnaast heeft dit curriculum een gemeenschappelijk thema voor samenhang.
Door te zorgen dat de inhoud aansluit bij projecten, wordt het proces boeiender voor studenten en wordt de onthouding van concepten vergroot. Daarnaast stelt een laagdrempelige quiz voor de les de intentie van de student op leren van een onderwerp, terwijl een tweede quiz na de les verdere retentie bevordert. Dit curriculum is ontworpen om flexibel en leuk te zijn en kan geheel of gedeeltelijk gevolgd worden. De projecten beginnen klein en worden geleidelijk complexer tegen het einde van de 12-weken cyclus. Dit curriculum bevat ook een naproject over praktijktoepassingen van ML, dat gebruikt kan worden als extra credit of als basis voor discussie.
Bekijk onze Gedragscode, Bijdragen, Vertalingen, en Probleemoplossing richtlijnen. We verwelkomen je constructieve feedback!
- optionele sketchnote
- optionele aanvullende video
- video-uitleg (sommige lessen)
- pre-lecture opwarmquiz
- geschreven les
- voor project-gebaseerde lessen: stapsgewijze handleidingen om het project te bouwen
- kenniscontroles
- een uitdaging
- aanvullende literatuur
- opdracht
- post-lecture quiz
Een opmerking over talen: Deze lessen zijn voornamelijk geschreven in Python, maar veel zijn ook beschikbaar in R. Om een R-les te voltooien, ga naar de map
/solutionen zoek naar R-lessen. Deze bevatten een .rmd-extensie die staat voor een R Markdown-bestand, wat eenvoudig kan worden gedefinieerd als een insluiting vancodeblokken(van R of andere talen) en eenYAML-header(die aangeeft hoe outputs zoals PDF moeten worden opgemaakt) in eenMarkdown-document. Daardoor dient het als een uitstekend auteurskader voor datawetenschap, omdat het je in staat stelt om je code, de output en je gedachten te combineren door ze in Markdown nee te schrijven. Bovendien kunnen R Markdown-bestanden worden gerenderd naar outputformaten zoals PDF, HTML of Word.
Een opmerking over quizzen: Alle quizzen bevinden zich in de map Quiz App folder, met in totaal 52 quizzen van elk drie vragen. Ze zijn verbonden vanuit de lessen, maar de quiz-app kan lokaal worden uitgevoerd; volg de instructies in de map
quiz-appom lokaal te hosten of te deployen naar Azure.
| Lesnummer | Onderwerp | Lesgroep | Leerdoelen | Gelinkte Les | Auteur |
|---|---|---|---|---|---|
| 01 | Introductie tot machine learning | Introductie | Leer de basisconcepten achter machine learning | Les | Muhammad |
| 02 | De geschiedenis van machine learning | Introductie | Leer de geschiedenis achter dit vakgebied | Les | Jen en Amy |
| 03 | Eerlijkheid en machine learning | Introductie | Wat zijn de belangrijke filosofische kwesties rond eerlijkheid die studenten moeten overwegen bij het bouwen en toepassen van ML modellen? | Les | Tomomi |
| 04 | Technieken voor machine learning | Introductie | Welke technieken gebruiken ML-onderzoekers om ML-modellen te bouwen? | Les | Chris en Jen |
| 05 | Introductie tot regressie | Regressie | Begin met Python en Scikit-learn voor regressiemodellen | Python • R | Jen • Eric Wanjau |
| 06 | Noord-Amerikaanse pompoenprijzen 🎃 | Regressie | Visualiseer en reinig data ter voorbereiding op ML | Python • R | Jen • Eric Wanjau |
| 07 | Noord-Amerikaanse pompoenprijzen 🎃 | Regressie | Bouw lineaire en polynomiale regressiemodellen | Python • R | Jen en Dmitry • Eric Wanjau |
| 08 | Noord-Amerikaanse pompoenprijzen 🎃 | Regressie | Bouw een logistiek regressiemodel | Python • R | Jen • Eric Wanjau |
| 09 | Een Web App 🔌 | Web App | Bouw een web-app om je getrainde model te gebruiken | Python | Jen |
| 10 | Introductie tot classificatie | Classificatie | Reinig, bereid voor en visualiseer je data; introductie tot classificatie | Python • R | Jen en Cassie • Eric Wanjau |
| 11 | Heerlijke Aziatische en Indiase keukens 🍜 | Classificatie | Introductie tot classifiers | Python • R | Jen en Cassie • Eric Wanjau |
| 12 | Heerlijke Aziatische en Indiase keukens 🍜 | Classificatie | Meer classifiers | Python • R | Jen en Cassie • Eric Wanjau |
| 13 | Heerlijke Aziatische en Indiase keukens 🍜 | Classificatie | Bouw een recommender web-app met je model | Python | Jen |
| 14 | Introductie tot clustering | Clustering | Reinig, bereid voor en visualiseer je data; introductie tot clustering | Python • R | Jen • Eric Wanjau |
| 15 | Verkennen van Nigeriaanse muzikale smaken 🎧 | Clustering | Verken de K-Means clusteringmethode | Python • R | Jen • Eric Wanjau |
| 16 | Introductie tot natuurlijke taalverwerking ☕️ | Natuurlijke taalverwerking | Leer de basis van NLP door een simpele bot te bouwen | Python | Stephen |
| 17 | Veelvoorkomende NLP-taken ☕️ | Natuurlijke taalverwerking | Verdiep je NLP-kennis door veelvoorkomende taken te begrijpen die nodig zijn bij het verwerken van taalstructuren | Python | Stephen |
| 18 | Vertaling en sentimentanalyse |
Natuurlijke taalverwerking | Vertaling en sentimentanalyse met Jane Austen | Python | Stephen |
| 19 | Romantische hotels in Europa |
Natuurlijke taalverwerking | Sentimentanalyse met hotelrecensies 1 | Python | Stephen |
| 20 | Romantische hotels in Europa |
Natuurlijke taalverwerking | Sentimentanalyse met hotelrecensies 2 | Python | Stephen |
| 21 | Introductie tot tijdreeksvoorspelling | Tijdreeks | Introductie tot tijdreeksvoorspelling | Python | Francesca |
| 22 | ⚡️ Wereldwijde energieverbruik ⚡️ - tijdreeksvoorspelling met ARIMA | Tijdreeks | Tijdreeksvoorspelling met ARIMA | Python | Francesca |
| 23 | ⚡️ Wereldwijde energieverbruik ⚡️ - tijdreeksvoorspelling met SVR | Tijdreeks | Tijdreeksvoorspelling met Support Vector Regressor | Python | Anirban |
| 24 | Introductie tot reinforcement learning | Reinforcement learning | Introductie tot reinforcement learning met Q-Learning | Python | Dmitry |
| 25 | Help Peter de wolf vermijden! 🐺 | Reinforcement learning | Reinforcement learning Gym | Python | Dmitry |
| Nawoord | Machine Learning scenario’s en toepassingen in de praktijk | ML in het Wild | Interessante en onthullende toepassingen van klassieke ML | Les | Team |
| Nawoord | Modeldebugging in ML met RAI-dashboard | ML in het Wild | Modeldebugging in Machine Learning met componenten van Responsible AI-dashboard | Les | Ruth Yakubu |
vind alle aanvullende bronnen voor deze cursus in onze Microsoft Learn-collectie
Je kunt deze documentatie offline gebruiken met Docsify. Fork deze repo, installeer Docsify op je lokale machine en typ dan in de hoofdmap van deze repo docsify serve. De website wordt dan geserveerd op poort 3000 op je localhost: localhost:3000.
Vind een pdf van het curriculum met links hier.
Ons team produceert ook andere cursussen! Bekijk:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
Als je vastloopt of vragen hebt tijdens het leren van Machine Learning of het bouwen van AI-toepassingen, maak je geen zorgen — er is hulp beschikbaar.
Je kunt deelnemen aan discussies met andere leerlingen en ontwikkelaars, vragen stellen en je ideeën delen met de community.
- Word lid van de gemeenschap om vragen te stellen en samen te leren
- Bespreek concepten van Machine Learning en projectideeën
- Krijg begeleiding van ervaren ontwikkelaars
Een ondersteunende gemeenschap is een geweldige manier om je vaardigheden te vergroten en problemen sneller op te lossen.
Microsoft Foundry Discord Community
Als je bugs, fouten tegenkomt of suggesties hebt voor verbeteringen, kun je ook een Issue in deze repository openen om het probleem te melden.
Voor productfeedback of om bestaande communitystukken te doorzoeken, bezoek het Developer Forum:
- Bekijk notitieboeken na elke les voor beter begrip.
- Oefen met het implementeren van algoritmen zelf.
- Verken datasets uit de praktijk met de geleerde concepten.
Disclaimer:
Dit document is vertaald met behulp van de AI vertaaldienst Co-op Translator. Hoewel we streven naar nauwkeurigheid, dient u er rekening mee te houden dat automatische vertalingen fouten of onnauwkeurigheden kunnen bevatten. Het oorspronkelijke document in de oorspronkelijke taal moet als de gezaghebbende bron worden beschouwd. Voor kritieke informatie wordt een professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling.