建立機器學習模型

Microsoft Learn 提供數種互動方式來取得傳統機器學習的簡介。 這些學習路徑可讓您有生產力，而且也是前進到深度學習主題的絕佳基礎。

從最基本的傳統機器學習模型到探索式資料分析和自訂架構，您都能透過輕鬆地將概念內容和互動式 Jupyter 筆記本進行摘要來獲得引導，而不需要離開您的瀏覽器。

根據您的教育背景和興趣選擇您自己的路徑。

選項1：完整課程：機器學習的資料科學基礎

這是針對大部分人員的建議路徑。 與具有自訂流程 (可最大化概念增強) 的其他兩個學習路徑有完全相同的課程模組。 如果您同時想要了解基礎概念，以及如何使用最常見的機器學習工具來建立模型，這是適合您的路徑。 如果您打算超越傳統機器學習，並取得深度學習和神經網路的教育 (我們只在這裡介紹)，這也是最好的路徑。

✔ 選項2：了解機器學習的資料科學學習路徑

如果您想要了解機器學習的運作方式，但是沒有太多數學背景，那麼這個路徑適合您。 對於先前的教育不做任何假設 (除了要有編碼概念的一點熟悉度)，並且以程式碼、比喻和視覺效果教導，讓您茅塞頓開。 這是實際操作，但是更著重於了解基礎概念，在可用工具和程式庫的功能上著墨較少。

✔ 選項 3：「建立機器學習模型」學習路徑

如果您已經有一些機器學習的概念，或您有堅強的數學背景，則可能會樂於直接跳到「建立機器學習模型」學習路徑。 這些課程模組會教導一些機器學習概念，但是很快就會移動，讓他們可以使用 scikit-learn-learning、TensorFlow 和 PyTorch 等工具的能力。 如果您只是想要尋求了解 Azure ML 或 Azure Databricks 這類產品機器學習範例的足夠熟悉度，此學習路徑也是最適合您的其中一個路徑。

✔ 您目前在此路徑上，請向下捲動以開始。