Machine Learning for Beginners 是由微软 Cloud Advocates 提供的机器学习课程，面向希望从基础开始学习经典机器学习的学生和初学者。课程以 12 周、26 节课为主线，主要使用 Scikit-learn，并明确避开深度学习内容；课程页面说明，深度学习另见 AI for Beginners 课程。它采用“环游世界、探索不同文化”的主题，把回归、分类、聚类、自然语言处理、时间序列和强化学习等内容放进不同地区与现实主题的数据项目中。与只阅读概念的课程不同，每节课都配有讲解、练习、测验、挑战或作业，项目也会从小规模任务逐步变得复杂。
核心功能
经典机器学习基础
课程从机器学习的基本概念、发展历史、公平性和常见技术开始，帮助学习者建立对领域的整体认识。后续内容围绕经典机器学习展开，主要使用 Scikit-learn，不把深度学习纳入本课程主体。
回归与分类项目
回归部分以北美南瓜价格为主题，覆盖数据可视化与清洗、线性回归、多项式回归和逻辑回归。分类部分使用亚洲与印度美食数据，包含分类器介绍、更多分类器以及基于模型构建推荐 Web 应用的练习。
聚类、自然语言处理与时间序列
聚类章节以尼日利亚音乐偏好为主题，学习 K-Means 聚类方法。自然语言处理章节通过简单机器人、翻译、情感分析和酒店评论等内容处理语言数据；时间序列章节则使用 ARIMA 与 Support Vector Regressor 探索世界电力使用量预测。
强化学习与 Web 应用
课程包含使用 Q-Learning 入门强化学习，以及通过 Gym 完成强化学习练习。另有独立的 Web App 课程，目标是使用训练好的模型构建 Web 应用；分类部分还安排了使用模型制作推荐 Web 应用的项目。
结构化学习材料与测验
每节课可以包含可选速记图、补充视频、书面课程、知识检查、挑战、补充阅读和作业。项目型课程提供逐步构建项目的指南；课程还设有课前和课后测验，页面列出的 Quiz App 共包含 52 个、每个三道题的测验。
Python、R 与现实应用
课程主要使用 Python，许多内容也提供 R 版本。R 课程位于各课的 /solution 文件夹中，以 .rmd 文件呈现，并说明 R Markdown 可以结合代码、输出和文字，渲染为 PDF、HTML 或 Word。课程末尾还提供经典机器学习的现实应用，以及使用 Responsible AI 仪表板组件调试机器学习模型的内容。
使用方式
课程可直接通过网站阅读，也可以 Fork 整个 GitHub 仓库后使用 git clone 下载。学习者按照课前测验、阅读课程、完成活动、知识检查、项目、课后测验和作业的顺序学习；解决方案代码放在项目课程的 /solution 文件夹中。课程支持离线访问：Fork 仓库，在本地安装 Docsify 后运行 docsify serve，网站会在本地主机的 3000 端口提供服务；仓库也提供 PDF 版本。仓库含有 50 多种语言翻译，并提供简体中文页面。
适用人群与场景
学生可以 Fork 仓库后独立完成练习，也可以与小组一起学习，并通过 Discussion Board 填写进度评估工具。希望系统学习回归、分类、聚类、自然语言处理、时间序列或强化学习的初学者，可以按课程顺序完成项目。需要课堂材料的教师可以参考课程提供的教学建议；希望练习 Python 或 R 数据科学工作流的学习者，也可以使用课程中的数据清洗、可视化、建模和 R Markdown 内容。
注意事项
课程主要以 Python 编写，但并非每节课都提供 R 版本。仓库包含 50 多种语言翻译，完整克隆会显著增加下载大小；页面建议使用 sparse checkout 排除 translations 和 translated_images。离线运行需要 Fork 仓库、安装 Docsify，并在本地执行服务命令。课程聚焦经典机器学习，页面明确说明深度学习属于 AI for Beginners 课程，而不是本课程的主要内容。
