diff --git a/translations/el/.co-op-translator.json b/translations/el/.co-op-translator.json new file mode 100644 index 000000000..8f3fcf9d4 --- /dev/null +++ b/translations/el/.co-op-translator.json @@ -0,0 +1,596 @@ +{ + "1-Introduction/1-intro-to-ML/README.md": { + "original_hash": "69389392fa6346e0dfa30f664b7b6fec", + "translation_date": "2025-09-05T00:31:09+00:00", + "source_file": "1-Introduction/1-intro-to-ML/README.md", + "language_code": "el" + }, + "1-Introduction/1-intro-to-ML/assignment.md": { + "original_hash": "4c4698044bb8af52cfb6388a4ee0e53b", + "translation_date": "2025-09-05T00:32:26+00:00", + "source_file": "1-Introduction/1-intro-to-ML/assignment.md", + "language_code": "el" + }, + "1-Introduction/2-history-of-ML/README.md": { + "original_hash": "6a05fec147e734c3e6bfa54505648e2b", + "translation_date": "2025-09-05T00:34:26+00:00", + "source_file": "1-Introduction/2-history-of-ML/README.md", + "language_code": "el" + }, + "1-Introduction/2-history-of-ML/assignment.md": { + "original_hash": "eb6e4d5afd1b21a57d2b9e6d0aac3969", + "translation_date": "2025-09-05T00:35:59+00:00", + "source_file": "1-Introduction/2-history-of-ML/assignment.md", + "language_code": "el" + }, + "1-Introduction/3-fairness/README.md": { + "original_hash": "9a6b702d1437c0467e3c5c28d763dac2", + "translation_date": "2025-09-05T00:23:51+00:00", + "source_file": "1-Introduction/3-fairness/README.md", + "language_code": "el" + }, + "1-Introduction/3-fairness/assignment.md": { + "original_hash": "dbda60e7b1fe5f18974e7858eff0004e", + "translation_date": "2025-09-05T00:25:49+00:00", + "source_file": "1-Introduction/3-fairness/assignment.md", + "language_code": "el" + }, + "1-Introduction/4-techniques-of-ML/README.md": { + "original_hash": "9d91f3af3758fdd4569fb410575995ef", + "translation_date": "2025-09-05T00:27:54+00:00", + "source_file": "1-Introduction/4-techniques-of-ML/README.md", + "language_code": "el" + }, + "1-Introduction/4-techniques-of-ML/assignment.md": { + "original_hash": "70d65aeddc06170bc1aed5b27805f930", + "translation_date": "2025-09-05T00:29:31+00:00", + "source_file": "1-Introduction/4-techniques-of-ML/assignment.md", + "language_code": "el" + }, + "1-Introduction/README.md": { + "original_hash": "cf8ecc83f28e5b98051d2179eca08e08", + "translation_date": "2025-09-05T00:20:31+00:00", + "source_file": "1-Introduction/README.md", + "language_code": "el" + }, + "2-Regression/1-Tools/README.md": { + "original_hash": "fa81d226c71d5af7a2cade31c1c92b88", + "translation_date": "2025-09-04T23:37:56+00:00", + "source_file": "2-Regression/1-Tools/README.md", + "language_code": "el" + }, + "2-Regression/1-Tools/assignment.md": { + "original_hash": "74a5cf83e4ebc302afbcbc4f418afd0a", + "translation_date": "2025-09-04T23:39:54+00:00", + "source_file": "2-Regression/1-Tools/assignment.md", + "language_code": "el" + }, + "2-Regression/1-Tools/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-04T23:40:19+00:00", + "source_file": "2-Regression/1-Tools/solution/Julia/README.md", + "language_code": "el" + }, + "2-Regression/2-Data/README.md": { + "original_hash": "7c077988328ebfe33b24d07945f16eca", + "translation_date": "2025-09-04T23:42:04+00:00", + "source_file": "2-Regression/2-Data/README.md", + "language_code": "el" + }, + "2-Regression/2-Data/assignment.md": { + "original_hash": "4485a1ed4dd1b5647365e3d87456515d", + "translation_date": "2025-09-04T23:43:38+00:00", + "source_file": "2-Regression/2-Data/assignment.md", + "language_code": "el" + }, + "2-Regression/2-Data/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-04T23:43:57+00:00", + "source_file": "2-Regression/2-Data/solution/Julia/README.md", + "language_code": "el" + }, + "2-Regression/3-Linear/README.md": { + "original_hash": "40e64f004f3cb50aa1d8661672d3cd92", + "translation_date": "2025-09-04T23:23:52+00:00", + "source_file": "2-Regression/3-Linear/README.md", + "language_code": "el" + }, + "2-Regression/3-Linear/assignment.md": { + "original_hash": "cc471fa89c293bc735dd3a9a0fb79b1b", + "translation_date": "2025-09-04T23:26:21+00:00", + "source_file": "2-Regression/3-Linear/assignment.md", + "language_code": "el" + }, + "2-Regression/3-Linear/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-04T23:26:43+00:00", + "source_file": "2-Regression/3-Linear/solution/Julia/README.md", + "language_code": "el" + }, + "2-Regression/4-Logistic/README.md": { + "original_hash": "abf86d845c84330bce205a46b382ec88", + "translation_date": "2025-09-04T23:31:10+00:00", + "source_file": "2-Regression/4-Logistic/README.md", + "language_code": "el" + }, + "2-Regression/4-Logistic/assignment.md": { + "original_hash": "8af40209a41494068c1f42b14c0b450d", + "translation_date": "2025-09-04T23:34:24+00:00", + "source_file": "2-Regression/4-Logistic/assignment.md", + "language_code": "el" + }, + "2-Regression/4-Logistic/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-04T23:34:45+00:00", + "source_file": "2-Regression/4-Logistic/solution/Julia/README.md", + "language_code": "el" + }, + "2-Regression/README.md": { + "original_hash": "508582278dbb8edd2a8a80ac96ef416c", + "translation_date": "2025-09-04T23:18:55+00:00", + "source_file": "2-Regression/README.md", + "language_code": "el" + }, + "3-Web-App/1-Web-App/README.md": { + "original_hash": "e0b75f73e4a90d45181dc5581fe2ef5c", + "translation_date": "2025-09-05T00:38:27+00:00", + "source_file": "3-Web-App/1-Web-App/README.md", + "language_code": "el" + }, + "3-Web-App/1-Web-App/assignment.md": { + "original_hash": "a8e8ae10be335cbc745b75ee552317ff", + "translation_date": "2025-09-05T00:39:55+00:00", + "source_file": "3-Web-App/1-Web-App/assignment.md", + "language_code": "el" + }, + "3-Web-App/README.md": { + "original_hash": "9836ff53cfef716ddfd70e06c5f43436", + "translation_date": "2025-09-05T00:36:35+00:00", + "source_file": "3-Web-App/README.md", + "language_code": "el" + }, + "4-Classification/1-Introduction/README.md": { + "original_hash": "aaf391d922bd6de5efba871d514c6d47", + "translation_date": "2025-09-05T00:53:23+00:00", + "source_file": "4-Classification/1-Introduction/README.md", + "language_code": "el" + }, + "4-Classification/1-Introduction/assignment.md": { + "original_hash": "b2a01912beb24cfb0007f83594dba801", + "translation_date": "2025-09-05T00:54:57+00:00", + "source_file": "4-Classification/1-Introduction/assignment.md", + "language_code": "el" + }, + "4-Classification/1-Introduction/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T00:55:21+00:00", + "source_file": "4-Classification/1-Introduction/solution/Julia/README.md", + "language_code": "el" + }, + "4-Classification/2-Classifiers-1/README.md": { + "original_hash": "1a6e9e46b34a2e559fbbfc1f95397c7b", + "translation_date": "2025-09-05T00:43:55+00:00", + "source_file": "4-Classification/2-Classifiers-1/README.md", + "language_code": "el" + }, + "4-Classification/2-Classifiers-1/assignment.md": { + "original_hash": "de6025f96841498b0577e9d1aee18d1f", + "translation_date": "2025-09-05T00:45:46+00:00", + "source_file": "4-Classification/2-Classifiers-1/assignment.md", + "language_code": "el" + }, + "4-Classification/2-Classifiers-1/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T00:46:10+00:00", + "source_file": "4-Classification/2-Classifiers-1/solution/Julia/README.md", + "language_code": "el" + }, + "4-Classification/3-Classifiers-2/README.md": { + "original_hash": "49047911108adc49d605cddfb455749c", + "translation_date": "2025-09-05T00:50:19+00:00", + "source_file": "4-Classification/3-Classifiers-2/README.md", + "language_code": "el" + }, + "4-Classification/3-Classifiers-2/assignment.md": { + "original_hash": "58dfdaf79fb73f7d34b22bdbacf57329", + "translation_date": "2025-09-05T00:51:21+00:00", + "source_file": "4-Classification/3-Classifiers-2/assignment.md", + "language_code": "el" + }, + "4-Classification/3-Classifiers-2/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T00:51:45+00:00", + "source_file": "4-Classification/3-Classifiers-2/solution/Julia/README.md", + "language_code": "el" + }, + "4-Classification/4-Applied/README.md": { + "original_hash": "61bdec27ed2da8b098cd9065405d9bb0", + "translation_date": "2025-09-05T00:47:47+00:00", + "source_file": "4-Classification/4-Applied/README.md", + "language_code": "el" + }, + "4-Classification/4-Applied/assignment.md": { + "original_hash": "799ed651e2af0a7cad17c6268db11578", + "translation_date": "2025-09-05T00:49:06+00:00", + "source_file": "4-Classification/4-Applied/assignment.md", + "language_code": "el" + }, + "4-Classification/README.md": { + "original_hash": "74e809ffd1e613a1058bbc3e9600859e", + "translation_date": "2025-09-05T00:41:32+00:00", + "source_file": "4-Classification/README.md", + "language_code": "el" + }, + "5-Clustering/1-Visualize/README.md": { + "original_hash": "730225ea274c9174fe688b21d421539d", + "translation_date": "2025-09-05T00:01:36+00:00", + "source_file": "5-Clustering/1-Visualize/README.md", + "language_code": "el" + }, + "5-Clustering/1-Visualize/assignment.md": { + "original_hash": "589fa015a5e7d9e67bd629f7d47b53de", + "translation_date": "2025-09-05T00:04:02+00:00", + "source_file": "5-Clustering/1-Visualize/assignment.md", + "language_code": "el" + }, + "5-Clustering/1-Visualize/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T00:04:32+00:00", + "source_file": "5-Clustering/1-Visualize/solution/Julia/README.md", + "language_code": "el" + }, + "5-Clustering/2-K-Means/README.md": { + "original_hash": "7cdd17338d9bbd7e2171c2cd462eb081", + "translation_date": "2025-09-05T00:06:03+00:00", + "source_file": "5-Clustering/2-K-Means/README.md", + "language_code": "el" + }, + "5-Clustering/2-K-Means/assignment.md": { + "original_hash": "b8e17eff34ad1680eba2a5d3cf9ffc41", + "translation_date": "2025-09-05T00:07:23+00:00", + "source_file": "5-Clustering/2-K-Means/assignment.md", + "language_code": "el" + }, + "5-Clustering/2-K-Means/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T00:07:49+00:00", + "source_file": "5-Clustering/2-K-Means/solution/Julia/README.md", + "language_code": "el" + }, + "5-Clustering/README.md": { + "original_hash": "b28a3a4911584062772c537b653ebbc7", + "translation_date": "2025-09-04T23:58:06+00:00", + "source_file": "5-Clustering/README.md", + "language_code": "el" + }, + "6-NLP/1-Introduction-to-NLP/README.md": { + "original_hash": "1c2ec40cf55c98a028a359c27ef7e45a", + "translation_date": "2025-09-05T01:35:21+00:00", + "source_file": "6-NLP/1-Introduction-to-NLP/README.md", + "language_code": "el" + }, + "6-NLP/1-Introduction-to-NLP/assignment.md": { + "original_hash": "1d7583e8046dacbb0c056d5ba0a71b16", + "translation_date": "2025-09-05T01:36:50+00:00", + "source_file": "6-NLP/1-Introduction-to-NLP/assignment.md", + "language_code": "el" + }, + "6-NLP/2-Tasks/README.md": { + "original_hash": "5f3cb462e3122e1afe7ab0050ccf2bd3", + "translation_date": "2025-09-05T01:22:29+00:00", + "source_file": "6-NLP/2-Tasks/README.md", + "language_code": "el" + }, + "6-NLP/2-Tasks/assignment.md": { + "original_hash": "2efc4c2aba5ed06c780c05539c492ae3", + "translation_date": "2025-09-05T01:24:08+00:00", + "source_file": "6-NLP/2-Tasks/assignment.md", + "language_code": "el" + }, + "6-NLP/3-Translation-Sentiment/README.md": { + "original_hash": "be03c8182982b87ced155e4e9d1438e8", + "translation_date": "2025-09-05T01:39:23+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/README.md", + "language_code": "el" + }, + "6-NLP/3-Translation-Sentiment/assignment.md": { + "original_hash": "9d2a734deb904caff310d1a999c6bd7a", + "translation_date": "2025-09-05T01:41:12+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/assignment.md", + "language_code": "el" + }, + "6-NLP/3-Translation-Sentiment/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T01:41:56+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/solution/Julia/README.md", + "language_code": "el" + }, + "6-NLP/3-Translation-Sentiment/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T01:41:37+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/solution/R/README.md", + "language_code": "el" + }, + "6-NLP/4-Hotel-Reviews-1/README.md": { + "original_hash": "8d32dadeda93c6fb5c43619854882ab1", + "translation_date": "2025-09-05T01:28:11+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/README.md", + "language_code": "el" + }, + "6-NLP/4-Hotel-Reviews-1/assignment.md": { + "original_hash": "bf39bceb833cd628f224941dca8041df", + "translation_date": "2025-09-05T01:32:27+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/assignment.md", + "language_code": "el" + }, + "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T01:33:09+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md", + "language_code": "el" + }, + "6-NLP/4-Hotel-Reviews-1/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T01:32:51+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/solution/R/README.md", + "language_code": "el" + }, + "6-NLP/5-Hotel-Reviews-2/README.md": { + "original_hash": "2c742993fe95d5bcbb2846eda3d442a1", + "translation_date": "2025-09-05T01:45:22+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/README.md", + "language_code": "el" + }, + "6-NLP/5-Hotel-Reviews-2/assignment.md": { + "original_hash": "daf144daa552da6a7d442aff6f3e77d8", + "translation_date": "2025-09-05T01:47:23+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/assignment.md", + "language_code": "el" + }, + "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T01:48:05+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md", + "language_code": "el" + }, + "6-NLP/5-Hotel-Reviews-2/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T01:47:47+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/solution/R/README.md", + "language_code": "el" + }, + "6-NLP/README.md": { + "original_hash": "1eb379dc2d0c9940b320732d16083778", + "translation_date": "2025-09-05T01:20:19+00:00", + "source_file": "6-NLP/README.md", + "language_code": "el" + }, + "6-NLP/data/README.md": { + "original_hash": "ee0670655c89e4719319764afb113624", + "translation_date": "2025-09-05T01:33:29+00:00", + "source_file": "6-NLP/data/README.md", + "language_code": "el" + }, + "7-TimeSeries/1-Introduction/README.md": { + "original_hash": "662b509c39eee205687726636d0a8455", + "translation_date": "2025-09-04T23:51:26+00:00", + "source_file": "7-TimeSeries/1-Introduction/README.md", + "language_code": "el" + }, + "7-TimeSeries/1-Introduction/assignment.md": { + "original_hash": "d1781b0b92568ea1d119d0a198b576b4", + "translation_date": "2025-09-04T23:52:58+00:00", + "source_file": "7-TimeSeries/1-Introduction/assignment.md", + "language_code": "el" + }, + "7-TimeSeries/1-Introduction/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-04T23:53:41+00:00", + "source_file": "7-TimeSeries/1-Introduction/solution/Julia/README.md", + "language_code": "el" + }, + "7-TimeSeries/1-Introduction/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-04T23:53:23+00:00", + "source_file": "7-TimeSeries/1-Introduction/solution/R/README.md", + "language_code": "el" + }, + "7-TimeSeries/2-ARIMA/README.md": { + "original_hash": "917dbf890db71a322f306050cb284749", + "translation_date": "2025-09-04T23:46:59+00:00", + "source_file": "7-TimeSeries/2-ARIMA/README.md", + "language_code": "el" + }, + "7-TimeSeries/2-ARIMA/assignment.md": { + "original_hash": "1c814013e10866dfd92cdb32caaae3ac", + "translation_date": "2025-09-04T23:48:47+00:00", + "source_file": "7-TimeSeries/2-ARIMA/assignment.md", + "language_code": "el" + }, + "7-TimeSeries/2-ARIMA/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-04T23:49:34+00:00", + "source_file": "7-TimeSeries/2-ARIMA/solution/Julia/README.md", + "language_code": "el" + }, + "7-TimeSeries/2-ARIMA/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-04T23:49:11+00:00", + "source_file": "7-TimeSeries/2-ARIMA/solution/R/README.md", + "language_code": "el" + }, + "7-TimeSeries/3-SVR/README.md": { + "original_hash": "482bccabe1df958496ea71a3667995cd", + "translation_date": "2025-09-04T23:55:18+00:00", + "source_file": "7-TimeSeries/3-SVR/README.md", + "language_code": "el" + }, + "7-TimeSeries/3-SVR/assignment.md": { + "original_hash": "94aa2fc6154252ae30a3f3740299707a", + "translation_date": "2025-09-04T23:57:07+00:00", + "source_file": "7-TimeSeries/3-SVR/assignment.md", + "language_code": "el" + }, + "7-TimeSeries/README.md": { + "original_hash": "61342603bad8acadbc6b2e4e3aab3f66", + "translation_date": "2025-09-04T23:44:32+00:00", + "source_file": "7-TimeSeries/README.md", + "language_code": "el" + }, + "8-Reinforcement/1-QLearning/README.md": { + "original_hash": "911efd5e595089000cb3c16fce1beab8", + "translation_date": "2025-09-05T01:09:32+00:00", + "source_file": "8-Reinforcement/1-QLearning/README.md", + "language_code": "el" + }, + "8-Reinforcement/1-QLearning/assignment.md": { + "original_hash": "68394b2102d3503882e5e914bd0ff5c1", + "translation_date": "2025-09-05T01:12:58+00:00", + "source_file": "8-Reinforcement/1-QLearning/assignment.md", + "language_code": "el" + }, + "8-Reinforcement/1-QLearning/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T01:14:06+00:00", + "source_file": "8-Reinforcement/1-QLearning/solution/Julia/README.md", + "language_code": "el" + }, + "8-Reinforcement/1-QLearning/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T01:13:48+00:00", + "source_file": "8-Reinforcement/1-QLearning/solution/R/README.md", + "language_code": "el" + }, + "8-Reinforcement/2-Gym/README.md": { + "original_hash": "107d5bb29da8a562e7ae72262d251a75", + "translation_date": "2025-09-05T01:16:37+00:00", + "source_file": "8-Reinforcement/2-Gym/README.md", + "language_code": "el" + }, + "8-Reinforcement/2-Gym/assignment.md": { + "original_hash": "1f2b7441745eb52e25745423b247016b", + "translation_date": "2025-09-05T01:18:48+00:00", + "source_file": "8-Reinforcement/2-Gym/assignment.md", + "language_code": "el" + }, + "8-Reinforcement/2-Gym/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T01:19:43+00:00", + "source_file": "8-Reinforcement/2-Gym/solution/Julia/README.md", + "language_code": "el" + }, + "8-Reinforcement/2-Gym/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T01:19:26+00:00", + "source_file": "8-Reinforcement/2-Gym/solution/R/README.md", + "language_code": "el" + }, + "8-Reinforcement/README.md": { + "original_hash": "20ca019012b1725de956681d036d8b18", + "translation_date": "2025-09-05T01:04:12+00:00", + "source_file": "8-Reinforcement/README.md", + "language_code": "el" + }, + "9-Real-World/1-Applications/README.md": { + "original_hash": "83320d6b6994909e35d830cebf214039", + "translation_date": "2025-09-05T00:12:14+00:00", + "source_file": "9-Real-World/1-Applications/README.md", + "language_code": "el" + }, + "9-Real-World/1-Applications/assignment.md": { + "original_hash": "fdebfcd0a3f12c9e2b436ded1aa79885", + "translation_date": "2025-09-05T00:14:05+00:00", + "source_file": "9-Real-World/1-Applications/assignment.md", + "language_code": "el" + }, + "9-Real-World/2-Debugging-ML-Models/README.md": { + "original_hash": "df2b538e8fbb3e91cf0419ae2f858675", + "translation_date": "2025-09-05T00:17:42+00:00", + "source_file": "9-Real-World/2-Debugging-ML-Models/README.md", + "language_code": "el" + }, + "9-Real-World/2-Debugging-ML-Models/assignment.md": { + "original_hash": "91c6a180ef08e20cc15acfd2d6d6e164", + "translation_date": "2025-09-05T00:19:43+00:00", + "source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md", + "language_code": "el" + }, + "9-Real-World/README.md": { + "original_hash": "5e069a0ac02a9606a69946c2b3c574a9", + "translation_date": "2025-09-05T00:09:12+00:00", + "source_file": "9-Real-World/README.md", + "language_code": "el" + }, + "AGENTS.md": { + "original_hash": "93fdaa0fd38836e50c4793e2f2f25e8b", + "translation_date": "2025-10-03T11:08:41+00:00", + "source_file": "AGENTS.md", + "language_code": "el" + }, + "CODE_OF_CONDUCT.md": { + "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56", + "translation_date": "2025-09-04T23:18:06+00:00", + "source_file": "CODE_OF_CONDUCT.md", + "language_code": "el" + }, + "CONTRIBUTING.md": { + "original_hash": "977ec5266dfd78ad1ce2bd8d46fccbda", + "translation_date": "2025-09-04T23:15:48+00:00", + "source_file": "CONTRIBUTING.md", + "language_code": "el" + }, + "README.md": { + "original_hash": "da2ceed62f16a0820259556e3a873c95", + "translation_date": "2026-01-29T18:30:59+00:00", + "source_file": "README.md", + "language_code": "el" + }, + "SECURITY.md": { + "original_hash": "5e1b8da31aae9cca3d53ad243fa3365a", + "translation_date": "2025-09-04T23:16:37+00:00", + "source_file": "SECURITY.md", + "language_code": "el" + }, + "SUPPORT.md": { + "original_hash": "09623d7343ff1c26ff4f198c1b2d3176", + "translation_date": "2025-10-03T12:03:02+00:00", + "source_file": "SUPPORT.md", + "language_code": "el" + }, + "TROUBLESHOOTING.md": { + "original_hash": "134d8759f0e2ab886e9aa4f62362c201", + "translation_date": "2025-10-03T12:46:14+00:00", + "source_file": "TROUBLESHOOTING.md", + "language_code": "el" + }, + "docs/_sidebar.md": { + "original_hash": "68dd06c685f6ce840e0acfa313352e7c", + "translation_date": "2025-09-05T00:08:27+00:00", + "source_file": "docs/_sidebar.md", + "language_code": "el" + }, + "for-teachers.md": { + "original_hash": "b37de02054fa6c0438ede6fabe1fdfb8", + "translation_date": "2025-09-04T23:17:31+00:00", + "source_file": "for-teachers.md", + "language_code": "el" + }, + "quiz-app/README.md": { + "original_hash": "6d130dffca5db70d7e615f926cb1ad4c", + "translation_date": "2025-09-05T00:40:43+00:00", + "source_file": "quiz-app/README.md", + "language_code": "el" + }, + "sketchnotes/LICENSE.md": { + "original_hash": "fba3b94d88bfb9b81369b869a1e9a20f", + "translation_date": "2025-09-05T01:01:52+00:00", + "source_file": "sketchnotes/LICENSE.md", + "language_code": "el" + }, + "sketchnotes/README.md": { + "original_hash": "a88d5918c1b9da69a40d917a0840c497", + "translation_date": "2025-09-05T00:55:45+00:00", + "source_file": "sketchnotes/README.md", + "language_code": "el" + } +} \ No newline at end of file diff --git a/translations/el/1-Introduction/1-intro-to-ML/README.md b/translations/el/1-Introduction/1-intro-to-ML/README.md index 6025aad7a..8ef91ad00 100644 --- a/translations/el/1-Introduction/1-intro-to-ML/README.md +++ b/translations/el/1-Introduction/1-intro-to-ML/README.md @@ -1,12 +1,3 @@ - # Εισαγωγή στη μηχανική μάθηση ## [Προ-διάλεξη κουίζ](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/el/1-Introduction/1-intro-to-ML/assignment.md b/translations/el/1-Introduction/1-intro-to-ML/assignment.md index 5bfad0e24..1681366c5 100644 --- a/translations/el/1-Introduction/1-intro-to-ML/assignment.md +++ b/translations/el/1-Introduction/1-intro-to-ML/assignment.md @@ -1,12 +1,3 @@ - # Ξεκινήστε και Ετοιμαστείτε ## Οδηγίες diff --git a/translations/el/1-Introduction/2-history-of-ML/README.md b/translations/el/1-Introduction/2-history-of-ML/README.md index 0989b7d64..c78aa17d1 100644 --- a/translations/el/1-Introduction/2-history-of-ML/README.md +++ b/translations/el/1-Introduction/2-history-of-ML/README.md @@ -1,12 +1,3 @@ - # Ιστορία της μηχανικής μάθησης ![Περίληψη της Ιστορίας της μηχανικής μάθησης σε ένα σκίτσο](../../../../sketchnotes/ml-history.png) diff --git a/translations/el/1-Introduction/2-history-of-ML/assignment.md b/translations/el/1-Introduction/2-history-of-ML/assignment.md index a8a5def3f..2cecd2c4f 100644 --- a/translations/el/1-Introduction/2-history-of-ML/assignment.md +++ b/translations/el/1-Introduction/2-history-of-ML/assignment.md @@ -1,12 +1,3 @@ - # Δημιουργία χρονολογίου ## Οδηγίες diff --git a/translations/el/1-Introduction/3-fairness/README.md b/translations/el/1-Introduction/3-fairness/README.md index dce8c6958..44737bf1a 100644 --- a/translations/el/1-Introduction/3-fairness/README.md +++ b/translations/el/1-Introduction/3-fairness/README.md @@ -1,12 +1,3 @@ - # Δημιουργία λύσεων Μηχανικής Μάθησης με υπεύθυνη Τεχνητή Νοημοσύνη ![Περίληψη της υπεύθυνης Τεχνητής Νοημοσύνης στη Μηχανική Μάθηση σε ένα σκίτσο](../../../../sketchnotes/ml-fairness.png) diff --git a/translations/el/1-Introduction/3-fairness/assignment.md b/translations/el/1-Introduction/3-fairness/assignment.md index 1d13fb71a..51be81a2c 100644 --- a/translations/el/1-Introduction/3-fairness/assignment.md +++ b/translations/el/1-Introduction/3-fairness/assignment.md @@ -1,12 +1,3 @@ - # Εξερευνήστε το Εργαλείο Υπεύθυνης Τεχνητής Νοημοσύνης ## Οδηγίες diff --git a/translations/el/1-Introduction/4-techniques-of-ML/README.md b/translations/el/1-Introduction/4-techniques-of-ML/README.md index 8ffdd3349..a86c2fa71 100644 --- a/translations/el/1-Introduction/4-techniques-of-ML/README.md +++ b/translations/el/1-Introduction/4-techniques-of-ML/README.md @@ -1,12 +1,3 @@ - # Τεχνικές Μηχανικής Μάθησης Η διαδικασία δημιουργίας, χρήσης και συντήρησης μοντέλων μηχανικής μάθησης και των δεδομένων που χρησιμοποιούν είναι πολύ διαφορετική από πολλές άλλες ροές εργασίας ανάπτυξης. Σε αυτό το μάθημα, θα απομυθοποιήσουμε τη διαδικασία και θα περιγράψουμε τις βασικές τεχνικές που πρέπει να γνωρίζετε. Θα: diff --git a/translations/el/1-Introduction/4-techniques-of-ML/assignment.md b/translations/el/1-Introduction/4-techniques-of-ML/assignment.md index 51580a459..2e9d17853 100644 --- a/translations/el/1-Introduction/4-techniques-of-ML/assignment.md +++ b/translations/el/1-Introduction/4-techniques-of-ML/assignment.md @@ -1,12 +1,3 @@ - # Συνέντευξη με έναν επιστήμονα δεδομένων ## Οδηγίες diff --git a/translations/el/1-Introduction/README.md b/translations/el/1-Introduction/README.md index 6ec34803e..e7a7af95e 100644 --- a/translations/el/1-Introduction/README.md +++ b/translations/el/1-Introduction/README.md @@ -1,12 +1,3 @@ - # Εισαγωγή στη μηχανική μάθηση Σε αυτή την ενότητα του προγράμματος σπουδών, θα εισαχθείτε στις βασικές έννοιες που διέπουν τον τομέα της μηχανικής μάθησης, τι είναι, καθώς και θα μάθετε για την ιστορία της και τις τεχνικές που χρησιμοποιούν οι ερευνητές για να εργαστούν με αυτήν. Ας εξερευνήσουμε μαζί αυτόν τον νέο κόσμο της ML! diff --git a/translations/el/2-Regression/1-Tools/README.md b/translations/el/2-Regression/1-Tools/README.md index 87e0618b5..d42e9bb56 100644 --- a/translations/el/2-Regression/1-Tools/README.md +++ b/translations/el/2-Regression/1-Tools/README.md @@ -1,12 +1,3 @@ - # Ξεκινήστε με Python και Scikit-learn για μοντέλα παλινδρόμησης ![Περίληψη παλινδρομήσεων σε ένα σκίτσο](../../../../sketchnotes/ml-regression.png) diff --git a/translations/el/2-Regression/1-Tools/assignment.md b/translations/el/2-Regression/1-Tools/assignment.md index 2ebd96288..481b6594b 100644 --- a/translations/el/2-Regression/1-Tools/assignment.md +++ b/translations/el/2-Regression/1-Tools/assignment.md @@ -1,12 +1,3 @@ - # Παλινδρόμηση με Scikit-learn ## Οδηγίες diff --git a/translations/el/2-Regression/1-Tools/solution/Julia/README.md b/translations/el/2-Regression/1-Tools/solution/Julia/README.md index 7209d3a76..9f254866e 100644 --- a/translations/el/2-Regression/1-Tools/solution/Julia/README.md +++ b/translations/el/2-Regression/1-Tools/solution/Julia/README.md @@ -1,12 +1,3 @@ - Αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/2-Regression/2-Data/README.md b/translations/el/2-Regression/2-Data/README.md index 0d28b3749..59c4d0f03 100644 --- a/translations/el/2-Regression/2-Data/README.md +++ b/translations/el/2-Regression/2-Data/README.md @@ -1,12 +1,3 @@ - # Δημιουργία μοντέλου παλινδρόμησης με χρήση Scikit-learn: προετοιμασία και οπτικοποίηση δεδομένων ![Infographic οπτικοποίησης δεδομένων](../../../../2-Regression/2-Data/images/data-visualization.png) diff --git a/translations/el/2-Regression/2-Data/assignment.md b/translations/el/2-Regression/2-Data/assignment.md index b1bb08cf3..2a8e2cec4 100644 --- a/translations/el/2-Regression/2-Data/assignment.md +++ b/translations/el/2-Regression/2-Data/assignment.md @@ -1,12 +1,3 @@ - # Εξερεύνηση Οπτικοποιήσεων Υπάρχουν αρκετές διαφορετικές βιβλιοθήκες διαθέσιμες για την οπτικοποίηση δεδομένων. Δημιουργήστε οπτικοποιήσεις χρησιμοποιώντας τα δεδομένα Κολοκύθας σε αυτό το μάθημα με matplotlib και seaborn σε ένα δείγμα notebook. Ποιες βιβλιοθήκες είναι πιο εύχρηστες; diff --git a/translations/el/2-Regression/2-Data/solution/Julia/README.md b/translations/el/2-Regression/2-Data/solution/Julia/README.md index 78adba534..1119ead18 100644 --- a/translations/el/2-Regression/2-Data/solution/Julia/README.md +++ b/translations/el/2-Regression/2-Data/solution/Julia/README.md @@ -1,12 +1,3 @@ - Αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/2-Regression/3-Linear/README.md b/translations/el/2-Regression/3-Linear/README.md index c0f008850..8decd0bc2 100644 --- a/translations/el/2-Regression/3-Linear/README.md +++ b/translations/el/2-Regression/3-Linear/README.md @@ -1,12 +1,3 @@ - # Δημιουργία μοντέλου παλινδρόμησης με χρήση Scikit-learn: τέσσερις τρόποι παλινδρόμησης ![Γραμμική vs πολυωνυμική παλινδρόμηση infographic](../../../../2-Regression/3-Linear/images/linear-polynomial.png) @@ -114,11 +105,11 @@ day_of_year = pd.to_datetime(pumpkins['Date']).apply(lambda dt: (dt-datetime(dt. Από το προηγούμενο μάθημα πιθανότατα έχετε δει ότι η μέση τιμή για διαφορετικούς μήνες μοιάζει με αυτή: -Μέση τιμή ανά μήνα +Μέση τιμή ανά μήνα Αυτό υποδηλώνει ότι θα πρέπει να υπάρχει κάποια συσχέτιση και μπορούμε να δοκιμάσουμε να εκπαιδεύσουμε ένα μοντέλο γραμμικής παλινδρόμησης για να προβλέψουμε τη σχέση μεταξύ `Μήνα` και `Τιμής`, ή μεταξύ `ΗμέραΈτους` και `Τιμής`. Εδώ είναι το scatterplot που δείχνει τη δεύτερη σχέση: -Scatter plot Τιμής vs Ημέρα του Έτους +Scatter plot Τιμής vs Ημέρα του Έτους Ας δούμε αν υπάρχει συσχέτιση χρησιμοποιώντας τη συνάρτηση `corr`: @@ -137,7 +128,7 @@ for i,var in enumerate(new_pumpkins['Variety'].unique()): ax = df.plot.scatter('DayOfYear','Price',ax=ax,c=colors[i],label=var) ``` -Scatter plot Τιμής vs Ημέρα του Έτους +Scatter plot Τιμής vs Ημέρα του Έτους Η έρευνά μας υποδηλώνει ότι η ποικιλία έχει μεγαλύτερη επίδραση στη συνολική τιμή από την πραγματική ημερομηνία πώλησης. Μπορούμε να το δούμε με ένα γράφημα μπαρ: @@ -145,7 +136,7 @@ for i,var in enumerate(new_pumpkins['Variety'].unique()): new_pumpkins.groupby('Variety')['Price'].mean().plot(kind='bar') ``` -Γράφημα μπαρ τιμής vs ποικιλίας +Γράφημα μπαρ τιμής vs ποικιλίας Ας επικεντρωθούμε προς το παρόν μόνο σε μία ποικιλία κολοκύθας, την 'pie type', και ας δούμε τι επίδραση έχει η ημερομηνία στην τιμή: @@ -153,7 +144,7 @@ new_pumpkins.groupby('Variety')['Price'].mean().plot(kind='bar') pie_pumpkins = new_pumpkins[new_pumpkins['Variety']=='PIE TYPE'] pie_pumpkins.plot.scatter('DayOfYear','Price') ``` -Scatter plot Τιμής vs Ημέρα του Έτους +Scatter plot Τιμής vs Ημέρα του Έτους Αν τώρα υπολογίσουμε τη συσχέτιση μεταξύ `Τιμής` και `ΗμέραΈτους` χρησιμοποιώντας τη συνάρτηση `corr`, θα πάρουμε κάτι σαν `-0.27` - που σημαίνει ότι η εκπαίδευση ενός προβλεπτικού μοντέλου έχει νόημα. @@ -196,7 +187,7 @@ plt.scatter(X_test,y_test) plt.plot(X_test,pred) ``` -Γραμμική παλινδρόμηση +Γραμμική παλινδρόμηση ## Πολυωνυμική Παλινδρόμηση @@ -225,7 +216,7 @@ pipeline.fit(X_train,y_train) Τα pipelines μπορούν να χρησιμοποιηθούν με τον ίδιο τρόπο όπως το αρχικό αντικείμενο `LinearRegression`, δηλαδή μπορούμε να χρησιμοποιήσουμε `fit` στο pipeline και στη συνέχεια `predict` για να πάρουμε τα αποτελέσματα πρόβλεψης. Εδώ είναι το γράφημα που δείχνει τα δεδομένα δοκιμής και την καμπύλη προσέγγισης: -Πολυωνυμική παλινδρόμηση +Πολυωνυμική παλινδρόμηση Χρησιμοποιώντας την Πολυωνυμική Παλινδρόμηση, μπορούμε να πετύχουμε ελαφρώς χαμηλότερο MSE και υψηλότερο συντελεστή προσδιορισμού, αλλά όχι σημαντικά. Πρέπει να λάβουμε υπόψη και άλλα χαρακτηριστικά! @@ -243,7 +234,7 @@ pipeline.fit(X_train,y_train) Εδώ μπορείτε να δείτε πώς η μέση τιμή εξαρτάται από την ποικιλία: -Μέση τιμή ανά ποικιλία +Μέση τιμή ανά ποικιλία Για να λάβουμε υπόψη την ποικιλία, πρέπει πρώτα να τη μετατρέψουμε σε αριθμητική μορφή ή να την **κωδικοποιήσουμε**. Υπάρχουν διάφοροι τρόποι να το κάνουμε: diff --git a/translations/el/2-Regression/3-Linear/assignment.md b/translations/el/2-Regression/3-Linear/assignment.md index f77ad0888..584051038 100644 --- a/translations/el/2-Regression/3-Linear/assignment.md +++ b/translations/el/2-Regression/3-Linear/assignment.md @@ -1,12 +1,3 @@ - # Δημιουργία Μοντέλου Παλινδρόμησης ## Οδηγίες diff --git a/translations/el/2-Regression/3-Linear/solution/Julia/README.md b/translations/el/2-Regression/3-Linear/solution/Julia/README.md index 4a29d6ead..9f254866e 100644 --- a/translations/el/2-Regression/3-Linear/solution/Julia/README.md +++ b/translations/el/2-Regression/3-Linear/solution/Julia/README.md @@ -1,12 +1,3 @@ - Αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/2-Regression/4-Logistic/README.md b/translations/el/2-Regression/4-Logistic/README.md index a67658ab7..32add3c88 100644 --- a/translations/el/2-Regression/4-Logistic/README.md +++ b/translations/el/2-Regression/4-Logistic/README.md @@ -1,12 +1,3 @@ - # Λογιστική παλινδρόμηση για πρόβλεψη κατηγοριών ![Εικόνα σύγκρισης λογιστικής και γραμμικής παλινδρόμησης](../../../../2-Regression/4-Logistic/images/linear-vs-logistic.png) diff --git a/translations/el/2-Regression/4-Logistic/assignment.md b/translations/el/2-Regression/4-Logistic/assignment.md index 12c0ac12e..cb1c6171f 100644 --- a/translations/el/2-Regression/4-Logistic/assignment.md +++ b/translations/el/2-Regression/4-Logistic/assignment.md @@ -1,12 +1,3 @@ - # Επαναπροσπάθεια κάποιων Παλινδρομήσεων ## Οδηγίες diff --git a/translations/el/2-Regression/4-Logistic/solution/Julia/README.md b/translations/el/2-Regression/4-Logistic/solution/Julia/README.md index e28912913..92a6e932b 100644 --- a/translations/el/2-Regression/4-Logistic/solution/Julia/README.md +++ b/translations/el/2-Regression/4-Logistic/solution/Julia/README.md @@ -1,12 +1,3 @@ - Αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/2-Regression/README.md b/translations/el/2-Regression/README.md index 6a6bad7a2..8ccac1ce7 100644 --- a/translations/el/2-Regression/README.md +++ b/translations/el/2-Regression/README.md @@ -1,12 +1,3 @@ - # Μοντέλα παλινδρόμησης για μηχανική μάθηση ## Περιφερειακό θέμα: Μοντέλα παλινδρόμησης για τις τιμές κολοκύθας στη Βόρεια Αμερική 🎃 diff --git a/translations/el/3-Web-App/1-Web-App/README.md b/translations/el/3-Web-App/1-Web-App/README.md index 07c82302f..222355f61 100644 --- a/translations/el/3-Web-App/1-Web-App/README.md +++ b/translations/el/3-Web-App/1-Web-App/README.md @@ -1,12 +1,3 @@ - # Δημιουργία μιας Web Εφαρμογής για χρήση ενός ML Μοντέλου Σε αυτό το μάθημα, θα εκπαιδεύσετε ένα ML μοντέλο σε ένα σύνολο δεδομένων που είναι πραγματικά εξωγήινο: _θεάσεις UFO τον τελευταίο αιώνα_, προερχόμενο από τη βάση δεδομένων του NUFORC. diff --git a/translations/el/3-Web-App/1-Web-App/assignment.md b/translations/el/3-Web-App/1-Web-App/assignment.md index 796368625..c45dc1ce5 100644 --- a/translations/el/3-Web-App/1-Web-App/assignment.md +++ b/translations/el/3-Web-App/1-Web-App/assignment.md @@ -1,12 +1,3 @@ - # Δοκιμάστε ένα διαφορετικό μοντέλο ## Οδηγίες diff --git a/translations/el/3-Web-App/README.md b/translations/el/3-Web-App/README.md index cf74990c7..33ff91e2b 100644 --- a/translations/el/3-Web-App/README.md +++ b/translations/el/3-Web-App/README.md @@ -1,12 +1,3 @@ - # Δημιουργία μιας διαδικτυακής εφαρμογής για χρήση του ML μοντέλου σας Σε αυτή την ενότητα του προγράμματος σπουδών, θα εισαχθείτε σε ένα εφαρμοσμένο θέμα Μηχανικής Μάθησης: πώς να αποθηκεύσετε το μοντέλο σας Scikit-learn ως αρχείο που μπορεί να χρησιμοποιηθεί για προβλέψεις μέσα σε μια διαδικτυακή εφαρμογή. Μόλις αποθηκευτεί το μοντέλο, θα μάθετε πώς να το χρησιμοποιήσετε σε μια διαδικτυακή εφαρμογή χτισμένη με Flask. Αρχικά, θα δημιουργήσετε ένα μοντέλο χρησιμοποιώντας δεδομένα που αφορούν θεάσεις UFO! Στη συνέχεια, θα δημιουργήσετε μια διαδικτυακή εφαρμογή που θα σας επιτρέπει να εισάγετε έναν αριθμό δευτερολέπτων μαζί με τιμές γεωγραφικού πλάτους και μήκους για να προβλέψετε ποια χώρα ανέφερε ότι είδε UFO. diff --git a/translations/el/4-Classification/1-Introduction/README.md b/translations/el/4-Classification/1-Introduction/README.md index 32caa0c5a..e5566cdca 100644 --- a/translations/el/4-Classification/1-Introduction/README.md +++ b/translations/el/4-Classification/1-Introduction/README.md @@ -1,12 +1,3 @@ - # Εισαγωγή στην ταξινόμηση Σε αυτά τα τέσσερα μαθήματα, θα εξερευνήσετε ένα θεμελιώδες θέμα της κλασικής μηχανικής μάθησης - _ταξινόμηση_. Θα δούμε πώς να χρησιμοποιούμε διάφορους αλγόριθμους ταξινόμησης με ένα σύνολο δεδομένων που αφορά όλες τις υπέροχες κουζίνες της Ασίας και της Ινδίας. Ελπίζω να είστε πεινασμένοι! diff --git a/translations/el/4-Classification/1-Introduction/assignment.md b/translations/el/4-Classification/1-Introduction/assignment.md index a48a983a3..c08687bef 100644 --- a/translations/el/4-Classification/1-Introduction/assignment.md +++ b/translations/el/4-Classification/1-Introduction/assignment.md @@ -1,12 +1,3 @@ - # Εξερεύνηση μεθόδων ταξινόμησης ## Οδηγίες diff --git a/translations/el/4-Classification/1-Introduction/solution/Julia/README.md b/translations/el/4-Classification/1-Introduction/solution/Julia/README.md index f175c1440..9f254866e 100644 --- a/translations/el/4-Classification/1-Introduction/solution/Julia/README.md +++ b/translations/el/4-Classification/1-Introduction/solution/Julia/README.md @@ -1,12 +1,3 @@ - Αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/4-Classification/2-Classifiers-1/README.md b/translations/el/4-Classification/2-Classifiers-1/README.md index 9feb28209..0d6d75187 100644 --- a/translations/el/4-Classification/2-Classifiers-1/README.md +++ b/translations/el/4-Classification/2-Classifiers-1/README.md @@ -1,12 +1,3 @@ - # Ταξινομητές κουζινών 1 Σε αυτό το μάθημα, θα χρησιμοποιήσετε το σύνολο δεδομένων που αποθηκεύσατε από το προηγούμενο μάθημα, γεμάτο ισορροπημένα και καθαρά δεδομένα σχετικά με κουζίνες. diff --git a/translations/el/4-Classification/2-Classifiers-1/assignment.md b/translations/el/4-Classification/2-Classifiers-1/assignment.md index a74d26e6d..8d6108192 100644 --- a/translations/el/4-Classification/2-Classifiers-1/assignment.md +++ b/translations/el/4-Classification/2-Classifiers-1/assignment.md @@ -1,12 +1,3 @@ - # Μελετήστε τους επιλύτες ## Οδηγίες diff --git a/translations/el/4-Classification/2-Classifiers-1/solution/Julia/README.md b/translations/el/4-Classification/2-Classifiers-1/solution/Julia/README.md index 483ac9761..9f254866e 100644 --- a/translations/el/4-Classification/2-Classifiers-1/solution/Julia/README.md +++ b/translations/el/4-Classification/2-Classifiers-1/solution/Julia/README.md @@ -1,12 +1,3 @@ - Αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/4-Classification/3-Classifiers-2/README.md b/translations/el/4-Classification/3-Classifiers-2/README.md index 71f0f0228..830d6fb2a 100644 --- a/translations/el/4-Classification/3-Classifiers-2/README.md +++ b/translations/el/4-Classification/3-Classifiers-2/README.md @@ -1,12 +1,3 @@ - # Ταξινομητές Κουζίνας 2 Σε αυτό το δεύτερο μάθημα ταξινόμησης, θα εξερευνήσετε περισσότερους τρόπους ταξινόμησης αριθμητικών δεδομένων. Θα μάθετε επίσης για τις συνέπειες της επιλογής ενός ταξινομητή έναντι ενός άλλου. diff --git a/translations/el/4-Classification/3-Classifiers-2/assignment.md b/translations/el/4-Classification/3-Classifiers-2/assignment.md index 4a1e21f9d..d7be4ebe0 100644 --- a/translations/el/4-Classification/3-Classifiers-2/assignment.md +++ b/translations/el/4-Classification/3-Classifiers-2/assignment.md @@ -1,12 +1,3 @@ - # Παίξιμο με Παραμέτρους ## Οδηγίες diff --git a/translations/el/4-Classification/3-Classifiers-2/solution/Julia/README.md b/translations/el/4-Classification/3-Classifiers-2/solution/Julia/README.md index b776c9622..9f254866e 100644 --- a/translations/el/4-Classification/3-Classifiers-2/solution/Julia/README.md +++ b/translations/el/4-Classification/3-Classifiers-2/solution/Julia/README.md @@ -1,12 +1,3 @@ - Αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/4-Classification/4-Applied/README.md b/translations/el/4-Classification/4-Applied/README.md index 292dbcbd8..f41457fd3 100644 --- a/translations/el/4-Classification/4-Applied/README.md +++ b/translations/el/4-Classification/4-Applied/README.md @@ -1,12 +1,3 @@ - # Δημιουργία Εφαρμογής Web για Προτάσεις Κουζίνας Σε αυτό το μάθημα, θα δημιουργήσετε ένα μοντέλο ταξινόμησης χρησιμοποιώντας κάποιες από τις τεχνικές που μάθατε σε προηγούμενα μαθήματα και με το νόστιμο dataset κουζίνας που χρησιμοποιήθηκε σε αυτή τη σειρά. Επιπλέον, θα δημιουργήσετε μια μικρή εφαρμογή web για να χρησιμοποιήσετε ένα αποθηκευμένο μοντέλο, αξιοποιώντας το web runtime του Onnx. diff --git a/translations/el/4-Classification/4-Applied/assignment.md b/translations/el/4-Classification/4-Applied/assignment.md index 65c6263e9..73d62e6f7 100644 --- a/translations/el/4-Classification/4-Applied/assignment.md +++ b/translations/el/4-Classification/4-Applied/assignment.md @@ -1,12 +1,3 @@ - # Δημιουργία ενός συστήματος προτάσεων ## Οδηγίες diff --git a/translations/el/4-Classification/README.md b/translations/el/4-Classification/README.md index ad78e156f..f45e248cf 100644 --- a/translations/el/4-Classification/README.md +++ b/translations/el/4-Classification/README.md @@ -1,12 +1,3 @@ - # Ξεκινώντας με την ταξινόμηση ## Περιφερειακό θέμα: Νόστιμες Ασιατικές και Ινδικές Κουζίνες 🍜 diff --git a/translations/el/5-Clustering/1-Visualize/README.md b/translations/el/5-Clustering/1-Visualize/README.md index 0764f5821..060571808 100644 --- a/translations/el/5-Clustering/1-Visualize/README.md +++ b/translations/el/5-Clustering/1-Visualize/README.md @@ -1,12 +1,3 @@ - # Εισαγωγή στην ομαδοποίηση Η ομαδοποίηση είναι ένας τύπος [Μη Εποπτευόμενης Μάθησης](https://wikipedia.org/wiki/Unsupervised_learning) που υποθέτει ότι ένα σύνολο δεδομένων είναι μη επισημασμένο ή ότι οι είσοδοι του δεν αντιστοιχούν σε προκαθορισμένες εξόδους. Χρησιμοποιεί διάφορους αλγόριθμους για να ταξινομήσει μη επισημασμένα δεδομένα και να παρέχει ομάδες σύμφωνα με τα μοτίβα που εντοπίζει στα δεδομένα. diff --git a/translations/el/5-Clustering/1-Visualize/assignment.md b/translations/el/5-Clustering/1-Visualize/assignment.md index f66959501..72675f5ee 100644 --- a/translations/el/5-Clustering/1-Visualize/assignment.md +++ b/translations/el/5-Clustering/1-Visualize/assignment.md @@ -1,12 +1,3 @@ - # Εξερεύνηση άλλων οπτικοποιήσεων για ομαδοποίηση ## Οδηγίες diff --git a/translations/el/5-Clustering/1-Visualize/solution/Julia/README.md b/translations/el/5-Clustering/1-Visualize/solution/Julia/README.md index cfda4af73..9f254866e 100644 --- a/translations/el/5-Clustering/1-Visualize/solution/Julia/README.md +++ b/translations/el/5-Clustering/1-Visualize/solution/Julia/README.md @@ -1,12 +1,3 @@ - Αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/5-Clustering/2-K-Means/README.md b/translations/el/5-Clustering/2-K-Means/README.md index c6a6ffb51..502d2a2fc 100644 --- a/translations/el/5-Clustering/2-K-Means/README.md +++ b/translations/el/5-Clustering/2-K-Means/README.md @@ -1,12 +1,3 @@ - # Ομαδοποίηση K-Means ## [Προ-μάθημα κουίζ](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/el/5-Clustering/2-K-Means/assignment.md b/translations/el/5-Clustering/2-K-Means/assignment.md index 6ff28354f..3910789f5 100644 --- a/translations/el/5-Clustering/2-K-Means/assignment.md +++ b/translations/el/5-Clustering/2-K-Means/assignment.md @@ -1,12 +1,3 @@ - # Δοκιμάστε διαφορετικές μεθόδους ομαδοποίησης ## Οδηγίες diff --git a/translations/el/5-Clustering/2-K-Means/solution/Julia/README.md b/translations/el/5-Clustering/2-K-Means/solution/Julia/README.md index 57263e47c..9f254866e 100644 --- a/translations/el/5-Clustering/2-K-Means/solution/Julia/README.md +++ b/translations/el/5-Clustering/2-K-Means/solution/Julia/README.md @@ -1,12 +1,3 @@ - Αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/5-Clustering/README.md b/translations/el/5-Clustering/README.md index 01cd46f9f..783660a44 100644 --- a/translations/el/5-Clustering/README.md +++ b/translations/el/5-Clustering/README.md @@ -1,12 +1,3 @@ - # Μοντέλα ομαδοποίησης για μηχανική μάθηση Η ομαδοποίηση είναι μια εργασία μηχανικής μάθησης που στοχεύει να βρει αντικείμενα που μοιάζουν μεταξύ τους και να τα ομαδοποιήσει σε ομάδες που ονομάζονται συστάδες. Αυτό που διαφοροποιεί την ομαδοποίηση από άλλες προσεγγίσεις στη μηχανική μάθηση είναι ότι όλα γίνονται αυτόματα. Στην πραγματικότητα, είναι δίκαιο να πούμε ότι είναι το αντίθετο της εποπτευόμενης μάθησης. diff --git a/translations/el/6-NLP/1-Introduction-to-NLP/README.md b/translations/el/6-NLP/1-Introduction-to-NLP/README.md index 2567b9e8b..5c0445b47 100644 --- a/translations/el/6-NLP/1-Introduction-to-NLP/README.md +++ b/translations/el/6-NLP/1-Introduction-to-NLP/README.md @@ -1,12 +1,3 @@ - # Εισαγωγή στην επεξεργασία φυσικής γλώσσας Αυτό το μάθημα καλύπτει μια σύντομη ιστορία και σημαντικές έννοιες της *επεξεργασίας φυσικής γλώσσας*, ενός υποτομέα της *υπολογιστικής γλωσσολογίας*. diff --git a/translations/el/6-NLP/1-Introduction-to-NLP/assignment.md b/translations/el/6-NLP/1-Introduction-to-NLP/assignment.md index 61c6b1850..fb00e495b 100644 --- a/translations/el/6-NLP/1-Introduction-to-NLP/assignment.md +++ b/translations/el/6-NLP/1-Introduction-to-NLP/assignment.md @@ -1,12 +1,3 @@ - # Αναζήτηση για ένα bot ## Οδηγίες diff --git a/translations/el/6-NLP/2-Tasks/README.md b/translations/el/6-NLP/2-Tasks/README.md index f4453d674..097766b2c 100644 --- a/translations/el/6-NLP/2-Tasks/README.md +++ b/translations/el/6-NLP/2-Tasks/README.md @@ -1,12 +1,3 @@ - # Κοινές εργασίες και τεχνικές επεξεργασίας φυσικής γλώσσας Για τις περισσότερες εργασίες επεξεργασίας *φυσικής γλώσσας*, το κείμενο που πρόκειται να επεξεργαστεί πρέπει να διασπαστεί, να εξεταστεί και τα αποτελέσματα να αποθηκευτούν ή να διασταυρωθούν με κανόνες και σύνολα δεδομένων. Αυτές οι εργασίες επιτρέπουν στον προγραμματιστή να εξάγει το _νόημα_ ή την _πρόθεση_ ή μόνο τη _συχνότητα_ των όρων και των λέξεων σε ένα κείμενο. diff --git a/translations/el/6-NLP/2-Tasks/assignment.md b/translations/el/6-NLP/2-Tasks/assignment.md index a96b0d9c2..188f038ef 100644 --- a/translations/el/6-NLP/2-Tasks/assignment.md +++ b/translations/el/6-NLP/2-Tasks/assignment.md @@ -1,12 +1,3 @@ - # Κάντε έναν Bot να απαντά ## Οδηγίες diff --git a/translations/el/6-NLP/3-Translation-Sentiment/README.md b/translations/el/6-NLP/3-Translation-Sentiment/README.md index 02bc2851e..ef7f4efc6 100644 --- a/translations/el/6-NLP/3-Translation-Sentiment/README.md +++ b/translations/el/6-NLP/3-Translation-Sentiment/README.md @@ -1,12 +1,3 @@ - # Μετάφραση και ανάλυση συναισθημάτων με ML Στα προηγούμενα μαθήματα μάθατε πώς να δημιουργείτε ένα βασικό bot χρησιμοποιώντας το `TextBlob`, μια βιβλιοθήκη που ενσωματώνει ML στο παρασκήνιο για να εκτελεί βασικές εργασίες NLP, όπως η εξαγωγή φράσεων ουσιαστικών. Μια άλλη σημαντική πρόκληση στη γλωσσολογία υπολογιστών είναι η ακριβής _μετάφραση_ μιας πρότασης από μία ομιλούμενη ή γραπτή γλώσσα σε μια άλλη. diff --git a/translations/el/6-NLP/3-Translation-Sentiment/assignment.md b/translations/el/6-NLP/3-Translation-Sentiment/assignment.md index e9b59f2a6..e0d96e11d 100644 --- a/translations/el/6-NLP/3-Translation-Sentiment/assignment.md +++ b/translations/el/6-NLP/3-Translation-Sentiment/assignment.md @@ -1,12 +1,3 @@ - # Ποιητική άδεια ## Οδηγίες diff --git a/translations/el/6-NLP/3-Translation-Sentiment/solution/Julia/README.md b/translations/el/6-NLP/3-Translation-Sentiment/solution/Julia/README.md index a37527e34..1119ead18 100644 --- a/translations/el/6-NLP/3-Translation-Sentiment/solution/Julia/README.md +++ b/translations/el/6-NLP/3-Translation-Sentiment/solution/Julia/README.md @@ -1,12 +1,3 @@ - Αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/6-NLP/3-Translation-Sentiment/solution/R/README.md b/translations/el/6-NLP/3-Translation-Sentiment/solution/R/README.md index cde29bd20..6bcdfc5ac 100644 --- a/translations/el/6-NLP/3-Translation-Sentiment/solution/R/README.md +++ b/translations/el/6-NLP/3-Translation-Sentiment/solution/R/README.md @@ -1,12 +1,3 @@ - αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/6-NLP/4-Hotel-Reviews-1/README.md b/translations/el/6-NLP/4-Hotel-Reviews-1/README.md index 078d9218c..6261356bc 100644 --- a/translations/el/6-NLP/4-Hotel-Reviews-1/README.md +++ b/translations/el/6-NLP/4-Hotel-Reviews-1/README.md @@ -1,12 +1,3 @@ - # Ανάλυση συναισθημάτων με κριτικές ξενοδοχείων - επεξεργασία δεδομένων Σε αυτή την ενότητα θα χρησιμοποιήσετε τις τεχνικές που μάθατε στα προηγούμενα μαθήματα για να κάνετε μια διερευνητική ανάλυση δεδομένων σε ένα μεγάλο σύνολο δεδομένων. Αφού αποκτήσετε μια καλή κατανόηση της χρησιμότητας των διάφορων στηλών, θα μάθετε: diff --git a/translations/el/6-NLP/4-Hotel-Reviews-1/assignment.md b/translations/el/6-NLP/4-Hotel-Reviews-1/assignment.md index dfc79c539..afb24e3da 100644 --- a/translations/el/6-NLP/4-Hotel-Reviews-1/assignment.md +++ b/translations/el/6-NLP/4-Hotel-Reviews-1/assignment.md @@ -1,12 +1,3 @@ - # NLTK ## Οδηγίες diff --git a/translations/el/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md b/translations/el/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md index ad03f7ffc..1119ead18 100644 --- a/translations/el/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md +++ b/translations/el/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md @@ -1,12 +1,3 @@ - Αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/6-NLP/4-Hotel-Reviews-1/solution/R/README.md b/translations/el/6-NLP/4-Hotel-Reviews-1/solution/R/README.md index e06c6a208..9adbe975b 100644 --- a/translations/el/6-NLP/4-Hotel-Reviews-1/solution/R/README.md +++ b/translations/el/6-NLP/4-Hotel-Reviews-1/solution/R/README.md @@ -1,12 +1,3 @@ - αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/6-NLP/5-Hotel-Reviews-2/README.md b/translations/el/6-NLP/5-Hotel-Reviews-2/README.md index 3f0ef4e8c..99fd54bd2 100644 --- a/translations/el/6-NLP/5-Hotel-Reviews-2/README.md +++ b/translations/el/6-NLP/5-Hotel-Reviews-2/README.md @@ -1,12 +1,3 @@ - # Ανάλυση συναισθημάτων με κριτικές ξενοδοχείων Τώρα που έχετε εξερευνήσει το σύνολο δεδομένων λεπτομερώς, είναι ώρα να φιλτράρετε τις στήλες και να χρησιμοποιήσετε τεχνικές NLP στο σύνολο δεδομένων για να αποκτήσετε νέες πληροφορίες σχετικά με τα ξενοδοχεία. diff --git a/translations/el/6-NLP/5-Hotel-Reviews-2/assignment.md b/translations/el/6-NLP/5-Hotel-Reviews-2/assignment.md index 93b31f0b5..bc3c67eeb 100644 --- a/translations/el/6-NLP/5-Hotel-Reviews-2/assignment.md +++ b/translations/el/6-NLP/5-Hotel-Reviews-2/assignment.md @@ -1,12 +1,3 @@ - # Δοκιμάστε ένα διαφορετικό σύνολο δεδομένων ## Οδηγίες diff --git a/translations/el/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md b/translations/el/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md index 1072b41a1..1119ead18 100644 --- a/translations/el/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md +++ b/translations/el/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md @@ -1,12 +1,3 @@ - Αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/6-NLP/5-Hotel-Reviews-2/solution/R/README.md b/translations/el/6-NLP/5-Hotel-Reviews-2/solution/R/README.md index 230bb3ef6..9adbe975b 100644 --- a/translations/el/6-NLP/5-Hotel-Reviews-2/solution/R/README.md +++ b/translations/el/6-NLP/5-Hotel-Reviews-2/solution/R/README.md @@ -1,12 +1,3 @@ - αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/6-NLP/README.md b/translations/el/6-NLP/README.md index 22674bbe0..d1279ba4f 100644 --- a/translations/el/6-NLP/README.md +++ b/translations/el/6-NLP/README.md @@ -1,12 +1,3 @@ - # Ξεκινώντας με την επεξεργασία φυσικής γλώσσας Η επεξεργασία φυσικής γλώσσας (NLP) είναι η ικανότητα ενός προγράμματος υπολογιστή να κατανοεί την ανθρώπινη γλώσσα όπως αυτή μιλιέται και γράφεται — γνωστή ως φυσική γλώσσα. Αποτελεί μέρος της τεχνητής νοημοσύνης (AI). Η NLP υπάρχει εδώ και περισσότερα από 50 χρόνια και έχει τις ρίζες της στον τομέα της γλωσσολογίας. Ολόκληρος ο τομέας επικεντρώνεται στο να βοηθήσει τις μηχανές να κατανοήσουν και να επεξεργαστούν την ανθρώπινη γλώσσα. Αυτό μπορεί στη συνέχεια να χρησιμοποιηθεί για την εκτέλεση εργασιών όπως η διόρθωση ορθογραφίας ή η μηχανική μετάφραση. Έχει μια ποικιλία εφαρμογών στον πραγματικό κόσμο σε διάφορους τομείς, όπως η ιατρική έρευνα, οι μηχανές αναζήτησης και η επιχειρηματική ευφυΐα. diff --git a/translations/el/6-NLP/data/README.md b/translations/el/6-NLP/data/README.md index e7e9a5477..d064c8d53 100644 --- a/translations/el/6-NLP/data/README.md +++ b/translations/el/6-NLP/data/README.md @@ -1,12 +1,3 @@ - Κατεβάστε τα δεδομένα αξιολόγησης του ξενοδοχείου σε αυτόν τον φάκελο. --- diff --git a/translations/el/7-TimeSeries/1-Introduction/README.md b/translations/el/7-TimeSeries/1-Introduction/README.md index 477d83038..f8ae1303c 100644 --- a/translations/el/7-TimeSeries/1-Introduction/README.md +++ b/translations/el/7-TimeSeries/1-Introduction/README.md @@ -1,12 +1,3 @@ - # Εισαγωγή στην πρόβλεψη χρονοσειρών ![Περίληψη χρονοσειρών σε σκίτσο](../../../../sketchnotes/ml-timeseries.png) diff --git a/translations/el/7-TimeSeries/1-Introduction/assignment.md b/translations/el/7-TimeSeries/1-Introduction/assignment.md index af48a58e3..53364c53b 100644 --- a/translations/el/7-TimeSeries/1-Introduction/assignment.md +++ b/translations/el/7-TimeSeries/1-Introduction/assignment.md @@ -1,12 +1,3 @@ - # Οπτικοποίηση περισσότερων Χρονοσειρών ## Οδηγίες diff --git a/translations/el/7-TimeSeries/1-Introduction/solution/Julia/README.md b/translations/el/7-TimeSeries/1-Introduction/solution/Julia/README.md index 542dd1083..9f254866e 100644 --- a/translations/el/7-TimeSeries/1-Introduction/solution/Julia/README.md +++ b/translations/el/7-TimeSeries/1-Introduction/solution/Julia/README.md @@ -1,12 +1,3 @@ - Αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/7-TimeSeries/1-Introduction/solution/R/README.md b/translations/el/7-TimeSeries/1-Introduction/solution/R/README.md index 86c9b7f39..c3dbc8daa 100644 --- a/translations/el/7-TimeSeries/1-Introduction/solution/R/README.md +++ b/translations/el/7-TimeSeries/1-Introduction/solution/R/README.md @@ -1,12 +1,3 @@ - αυτό είναι ένας προσωρινός δείκτης θέσης --- diff --git a/translations/el/7-TimeSeries/2-ARIMA/README.md b/translations/el/7-TimeSeries/2-ARIMA/README.md index 0693cc58b..2f3bf90cb 100644 --- a/translations/el/7-TimeSeries/2-ARIMA/README.md +++ b/translations/el/7-TimeSeries/2-ARIMA/README.md @@ -1,12 +1,3 @@ - # Πρόβλεψη χρονοσειρών με ARIMA Στο προηγούμενο μάθημα, μάθατε λίγα πράγματα για την πρόβλεψη χρονοσειρών και φορτώσατε ένα σύνολο δεδομένων που δείχνει τις διακυμάνσεις του ηλεκτρικού φορτίου σε μια χρονική περίοδο. diff --git a/translations/el/7-TimeSeries/2-ARIMA/assignment.md b/translations/el/7-TimeSeries/2-ARIMA/assignment.md index b7cbbd694..17448ddaf 100644 --- a/translations/el/7-TimeSeries/2-ARIMA/assignment.md +++ b/translations/el/7-TimeSeries/2-ARIMA/assignment.md @@ -1,12 +1,3 @@ - # Ένα νέο μοντέλο ARIMA ## Οδηγίες diff --git a/translations/el/7-TimeSeries/2-ARIMA/solution/Julia/README.md b/translations/el/7-TimeSeries/2-ARIMA/solution/Julia/README.md index 5d57e99b5..9f254866e 100644 --- a/translations/el/7-TimeSeries/2-ARIMA/solution/Julia/README.md +++ b/translations/el/7-TimeSeries/2-ARIMA/solution/Julia/README.md @@ -1,12 +1,3 @@ - Αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/7-TimeSeries/2-ARIMA/solution/R/README.md b/translations/el/7-TimeSeries/2-ARIMA/solution/R/README.md index 1cc666f94..21230fcc7 100644 --- a/translations/el/7-TimeSeries/2-ARIMA/solution/R/README.md +++ b/translations/el/7-TimeSeries/2-ARIMA/solution/R/README.md @@ -1,12 +1,3 @@ - αυτό είναι ένας προσωρινός δείκτης θέσης --- diff --git a/translations/el/7-TimeSeries/3-SVR/README.md b/translations/el/7-TimeSeries/3-SVR/README.md index a3e18e6ca..0df8772be 100644 --- a/translations/el/7-TimeSeries/3-SVR/README.md +++ b/translations/el/7-TimeSeries/3-SVR/README.md @@ -1,12 +1,3 @@ - # Πρόβλεψη Χρονοσειρών με Support Vector Regressor Στο προηγούμενο μάθημα, μάθατε πώς να χρησιμοποιείτε το μοντέλο ARIMA για να κάνετε προβλέψεις χρονοσειρών. Τώρα θα εξετάσετε το μοντέλο Support Vector Regressor, το οποίο είναι ένα μοντέλο παλινδρόμησης που χρησιμοποιείται για την πρόβλεψη συνεχών δεδομένων. diff --git a/translations/el/7-TimeSeries/3-SVR/assignment.md b/translations/el/7-TimeSeries/3-SVR/assignment.md index f487e15c5..adb03c0ac 100644 --- a/translations/el/7-TimeSeries/3-SVR/assignment.md +++ b/translations/el/7-TimeSeries/3-SVR/assignment.md @@ -1,12 +1,3 @@ - # Ένα νέο μοντέλο SVR ## Οδηγίες [^1] diff --git a/translations/el/7-TimeSeries/README.md b/translations/el/7-TimeSeries/README.md index 9785b6b12..63f82e08d 100644 --- a/translations/el/7-TimeSeries/README.md +++ b/translations/el/7-TimeSeries/README.md @@ -1,12 +1,3 @@ - # Εισαγωγή στην πρόβλεψη χρονοσειρών Τι είναι η πρόβλεψη χρονοσειρών; Πρόκειται για την πρόβλεψη μελλοντικών γεγονότων μέσω της ανάλυσης των τάσεων του παρελθόντος. diff --git a/translations/el/8-Reinforcement/1-QLearning/README.md b/translations/el/8-Reinforcement/1-QLearning/README.md index 8c798c483..1f48dd3d8 100644 --- a/translations/el/8-Reinforcement/1-QLearning/README.md +++ b/translations/el/8-Reinforcement/1-QLearning/README.md @@ -1,12 +1,3 @@ - # Εισαγωγή στη Μάθηση Ενίσχυσης και Q-Learning ![Περίληψη της μάθησης ενίσχυσης στη μηχανική μάθηση σε ένα σκίτσο](../../../../sketchnotes/ml-reinforcement.png) diff --git a/translations/el/8-Reinforcement/1-QLearning/assignment.md b/translations/el/8-Reinforcement/1-QLearning/assignment.md index 9ad7b6b86..31fdc0aae 100644 --- a/translations/el/8-Reinforcement/1-QLearning/assignment.md +++ b/translations/el/8-Reinforcement/1-QLearning/assignment.md @@ -1,12 +1,3 @@ - # Ένας Πιο Ρεαλιστικός Κόσμος Στην περίπτωσή μας, ο Πέτρος μπορούσε να κινείται σχεδόν χωρίς να κουράζεται ή να πεινάει. Σε έναν πιο ρεαλιστικό κόσμο, πρέπει να κάθεται και να ξεκουράζεται από καιρό σε καιρό, καθώς και να τρέφεται. Ας κάνουμε τον κόσμο μας πιο ρεαλιστικό, εφαρμόζοντας τους παρακάτω κανόνες: diff --git a/translations/el/8-Reinforcement/1-QLearning/solution/Julia/README.md b/translations/el/8-Reinforcement/1-QLearning/solution/Julia/README.md index 38f77b54c..1119ead18 100644 --- a/translations/el/8-Reinforcement/1-QLearning/solution/Julia/README.md +++ b/translations/el/8-Reinforcement/1-QLearning/solution/Julia/README.md @@ -1,12 +1,3 @@ - Αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/8-Reinforcement/1-QLearning/solution/R/README.md b/translations/el/8-Reinforcement/1-QLearning/solution/R/README.md index e9b8401f4..cb9d497bd 100644 --- a/translations/el/8-Reinforcement/1-QLearning/solution/R/README.md +++ b/translations/el/8-Reinforcement/1-QLearning/solution/R/README.md @@ -1,12 +1,3 @@ - αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/8-Reinforcement/2-Gym/README.md b/translations/el/8-Reinforcement/2-Gym/README.md index 0423483b8..34c9f9b22 100644 --- a/translations/el/8-Reinforcement/2-Gym/README.md +++ b/translations/el/8-Reinforcement/2-Gym/README.md @@ -1,12 +1,3 @@ - ## Προαπαιτούμενα Σε αυτό το μάθημα, θα χρησιμοποιήσουμε μια βιβλιοθήκη που ονομάζεται **OpenAI Gym** για να προσομοιώσουμε διαφορετικά **περιβάλλοντα**. Μπορείτε να εκτελέσετε τον κώδικα αυτού του μαθήματος τοπικά (π.χ. από το Visual Studio Code), οπότε η προσομοίωση θα ανοίξει σε νέο παράθυρο. Όταν εκτελείτε τον κώδικα online, ίσως χρειαστεί να κάνετε κάποιες τροποποιήσεις, όπως περιγράφεται [εδώ](https://towardsdatascience.com/rendering-openai-gym-envs-on-binder-and-google-colab-536f99391cc7). diff --git a/translations/el/8-Reinforcement/2-Gym/assignment.md b/translations/el/8-Reinforcement/2-Gym/assignment.md index cb4c9551e..f23f3437e 100644 --- a/translations/el/8-Reinforcement/2-Gym/assignment.md +++ b/translations/el/8-Reinforcement/2-Gym/assignment.md @@ -1,12 +1,3 @@ - # Εκπαίδευση Mountain Car [OpenAI Gym](http://gym.openai.com) έχει σχεδιαστεί με τέτοιο τρόπο ώστε όλα τα περιβάλλοντα να παρέχουν το ίδιο API - δηλαδή τις ίδιες μεθόδους `reset`, `step` και `render`, και τις ίδιες αφαιρέσεις του **χώρου δράσεων** και του **χώρου παρατηρήσεων**. Έτσι, θα πρέπει να είναι δυνατό να προσαρμοστούν οι ίδιοι αλγόριθμοι ενισχυτικής μάθησης σε διαφορετικά περιβάλλοντα με ελάχιστες αλλαγές στον κώδικα. diff --git a/translations/el/8-Reinforcement/2-Gym/solution/Julia/README.md b/translations/el/8-Reinforcement/2-Gym/solution/Julia/README.md index cba982ec8..a8d255f74 100644 --- a/translations/el/8-Reinforcement/2-Gym/solution/Julia/README.md +++ b/translations/el/8-Reinforcement/2-Gym/solution/Julia/README.md @@ -1,12 +1,3 @@ - Αυτό είναι ένα προσωρινό σύμβολο κράτησης θέσης --- diff --git a/translations/el/8-Reinforcement/2-Gym/solution/R/README.md b/translations/el/8-Reinforcement/2-Gym/solution/R/README.md index 0c5a4903d..c3dbc8daa 100644 --- a/translations/el/8-Reinforcement/2-Gym/solution/R/README.md +++ b/translations/el/8-Reinforcement/2-Gym/solution/R/README.md @@ -1,12 +1,3 @@ - αυτό είναι ένας προσωρινός δείκτης θέσης --- diff --git a/translations/el/8-Reinforcement/README.md b/translations/el/8-Reinforcement/README.md index f9f2b864b..cd5623b5d 100644 --- a/translations/el/8-Reinforcement/README.md +++ b/translations/el/8-Reinforcement/README.md @@ -1,12 +1,3 @@ - # Εισαγωγή στη μάθηση ενίσχυσης Η μάθηση ενίσχυσης, RL, θεωρείται ένα από τα βασικά παραδείγματα μηχανικής μάθησης, δίπλα στη μάθηση με επίβλεψη και τη μάθηση χωρίς επίβλεψη. Η RL αφορά τις αποφάσεις: τη λήψη σωστών αποφάσεων ή τουλάχιστον τη μάθηση από αυτές. diff --git a/translations/el/9-Real-World/1-Applications/README.md b/translations/el/9-Real-World/1-Applications/README.md index 1e6fdc154..672708ee5 100644 --- a/translations/el/9-Real-World/1-Applications/README.md +++ b/translations/el/9-Real-World/1-Applications/README.md @@ -1,12 +1,3 @@ - # Υστερόγραφο: Μηχανική μάθηση στον πραγματικό κόσμο ![Περίληψη της μηχανικής μάθησης στον πραγματικό κόσμο σε ένα σκίτσο](../../../../sketchnotes/ml-realworld.png) diff --git a/translations/el/9-Real-World/1-Applications/assignment.md b/translations/el/9-Real-World/1-Applications/assignment.md index a94b523f9..dc207b43c 100644 --- a/translations/el/9-Real-World/1-Applications/assignment.md +++ b/translations/el/9-Real-World/1-Applications/assignment.md @@ -1,12 +1,3 @@ - # Ένα Κυνήγι Θησαυρού ML ## Οδηγίες diff --git a/translations/el/9-Real-World/2-Debugging-ML-Models/README.md b/translations/el/9-Real-World/2-Debugging-ML-Models/README.md index 8978ad822..3cea6d621 100644 --- a/translations/el/9-Real-World/2-Debugging-ML-Models/README.md +++ b/translations/el/9-Real-World/2-Debugging-ML-Models/README.md @@ -1,12 +1,3 @@ - # Υστερόγραφο: Εντοπισμός σφαλμάτων μοντέλων στη Μηχανική Μάθηση με χρήση των στοιχείων του πίνακα ελέγχου Υπεύθυνης Τεχνητής Νοημοσύνης ## [Προ-μάθημα κουίζ](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/el/9-Real-World/2-Debugging-ML-Models/assignment.md b/translations/el/9-Real-World/2-Debugging-ML-Models/assignment.md index 1efc10bc5..46cda4cc5 100644 --- a/translations/el/9-Real-World/2-Debugging-ML-Models/assignment.md +++ b/translations/el/9-Real-World/2-Debugging-ML-Models/assignment.md @@ -1,12 +1,3 @@ - # Εξερευνήστε τον πίνακα ελέγχου Υπεύθυνης Τεχνητής Νοημοσύνης (RAI) ## Οδηγίες diff --git a/translations/el/9-Real-World/README.md b/translations/el/9-Real-World/README.md index f791fccdc..be86633a4 100644 --- a/translations/el/9-Real-World/README.md +++ b/translations/el/9-Real-World/README.md @@ -1,12 +1,3 @@ - # Υστερόγραφο: Πραγματικές εφαρμογές της κλασικής μηχανικής μάθησης Σε αυτή την ενότητα του προγράμματος σπουδών, θα γνωρίσετε μερικές πραγματικές εφαρμογές της κλασικής μηχανικής μάθησης. Έχουμε ερευνήσει το διαδίκτυο για να βρούμε επιστημονικά άρθρα και δημοσιεύσεις σχετικά με εφαρμογές που έχουν χρησιμοποιήσει αυτές τις στρατηγικές, αποφεύγοντας όσο το δυνατόν περισσότερο τα νευρωνικά δίκτυα, τη βαθιά μάθηση και την τεχνητή νοημοσύνη. Μάθετε πώς η μηχανική μάθηση χρησιμοποιείται σε επιχειρηματικά συστήματα, οικολογικές εφαρμογές, χρηματοοικονομικά, τέχνες και πολιτισμό, και πολλά άλλα. diff --git a/translations/el/AGENTS.md b/translations/el/AGENTS.md index eb58a3b3c..21aba8a4e 100644 --- a/translations/el/AGENTS.md +++ b/translations/el/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## Επισκόπηση Έργου diff --git a/translations/el/CODE_OF_CONDUCT.md b/translations/el/CODE_OF_CONDUCT.md index 9b4a63942..c7b062cd2 100644 --- a/translations/el/CODE_OF_CONDUCT.md +++ b/translations/el/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # Κώδικας Δεοντολογίας Ανοιχτού Κώδικα της Microsoft Αυτό το έργο έχει υιοθετήσει τον [Κώδικα Δεοντολογίας Ανοιχτού Κώδικα της Microsoft](https://opensource.microsoft.com/codeofconduct/). diff --git a/translations/el/CONTRIBUTING.md b/translations/el/CONTRIBUTING.md index 4a49cd937..b9630a4c8 100644 --- a/translations/el/CONTRIBUTING.md +++ b/translations/el/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # Συμμετοχή Αυτό το έργο καλωσορίζει συνεισφορές και προτάσεις. Οι περισσότερες συνεισφορές απαιτούν να συμφωνήσετε με μια Συμφωνία Άδειας Χρήσης Συνεισφορέα (CLA), δηλώνοντας ότι έχετε το δικαίωμα και πράγματι παραχωρείτε σε εμάς τα δικαιώματα να χρησιμοποιήσουμε τη συνεισφορά σας. Για λεπτομέρειες, επισκεφθείτε το https://cla.microsoft.com. diff --git a/translations/el/README.md b/translations/el/README.md index e9d541a2e..c12bd2b33 100644 --- a/translations/el/README.md +++ b/translations/el/README.md @@ -1,12 +1,3 @@ - [![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) @@ -17,80 +8,79 @@ CO_OP_TRANSLATOR_METADATA: [![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) [![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) -### 🌐 Υποστήριξη Πολυγλωσσικότητας +### 🌐 Υποστήριξη Πολλών Γλωσσών -#### Υποστηρίζεται μέσω GitHub Action (Αυτοματοποιημένα & Πάντα Ενημερωμένο) +#### Υποστηρίζεται μέσω GitHub Action (Αυτοματοποιημένο & Πάντα Ενημερωμένο) -[Αραβικά](../ar/README.md) | [Βεγγαλικά](../bn/README.md) | [Βουλγαρικά](../bg/README.md) | [Βιρμανικά (Μυανμάρ)](../my/README.md) | [Κινέζικα (Απλοποιημένα)](../zh/README.md) | [Κινέζικα (Παραδοσιακά, Χονγκ Κονγκ)](../hk/README.md) | [Κινέζικα (Παραδοσιακά, Μακάο)](../mo/README.md) | [Κινέζικα (Παραδοσιακά, Ταϊβάν)](../tw/README.md) | [Κροατικά](../hr/README.md) | [Τσέχικα](../cs/README.md) | [Δανέζικα](../da/README.md) | [Ολλανδικά](../nl/README.md) | [Εσθονικά](../et/README.md) | [Φινλανδικά](../fi/README.md) | [Γαλλικά](../fr/README.md) | [Γερμανικά](../de/README.md) | [Ελληνικά](./README.md) | [Εβραϊκά](../he/README.md) | [Χίντι](../hi/README.md) | [Ουγγρικά](../hu/README.md) | [Ινδονησιακά](../id/README.md) | [Ιταλικά](../it/README.md) | [Ιαπωνικά](../ja/README.md) | [Κανάντα](../kn/README.md) | [Κορεάτικα](../ko/README.md) | [Λιθουανικά](../lt/README.md) | [Μαλαισιανά](../ms/README.md) | [Μαλαγιαλαμικά](../ml/README.md) | [Μαράθι](../mr/README.md) | [Νεπάλι](../ne/README.md) | [Νιγηριανό Πίτζιν](../pcm/README.md) | [Νορβηγικά](../no/README.md) | [Περσικά (Φαρσί)](../fa/README.md) | [Πολωνικά](../pl/README.md) | [Πορτογαλικά (Βραζιλία)](../br/README.md) | [Πορτογαλικά (Πορτογαλία)](../pt/README.md) | [Πουντζάμπι (Γκουρμούκι)](../pa/README.md) | [Ρουμανικά](../ro/README.md) | [Ρωσικά](../ru/README.md) | [Σέρβικα (Κυριλλικά)](../sr/README.md) | [Σλοβακικά](../sk/README.md) | [Σλοβενικά](../sl/README.md) | [Ισπανικά](../es/README.md) | [Σουαχίλι](../sw/README.md) | [Σουηδικά](../sv/README.md) | [Ταγκάλογκ (Φιλιππινέζικα)](../tl/README.md) | [Ταμίλ](../ta/README.md) | [Τελούγκου](../te/README.md) | [Ταϊλανδικά](../th/README.md) | [Τουρκικά](../tr/README.md) | [Ουκρανικά](../uk/README.md) | [Ουρντού](../ur/README.md) | [Βιετναμέζικα](../vi/README.md) +[Αραβικά](../ar/README.md) | [Μπενγκάλι](../bn/README.md) | [Βουλγαρικά](../bg/README.md) | [Βιρμανικά (Μιανμάρ)](../my/README.md) | [Κινέζικα (Απλοποιημένα)](../zh-CN/README.md) | [Κινέζικα (Παραδοσιακά, Χονγκ Κονγκ)](../zh-HK/README.md) | [Κινέζικα (Παραδοσιακά, Μακάο)](../zh-MO/README.md) | [Κινέζικα (Παραδοσιακά, Ταϊβάν)](../zh-TW/README.md) | [Κροατικά](../hr/README.md) | [Τσέχικα](../cs/README.md) | [Δανέζικα](../da/README.md) | [Ολλανδικά](../nl/README.md) | [Εσθονικά](../et/README.md) | [Φινλανδικά](../fi/README.md) | [Γαλλικά](../fr/README.md) | [Γερμανικά](../de/README.md) | [Ελληνικά](./README.md) | [Εβραϊκά](../he/README.md) | [Χίντι](../hi/README.md) | [Ουγγρικά](../hu/README.md) | [Ινδονησιακά](../id/README.md) | [Ιταλικά](../it/README.md) | [Ιαπωνικά](../ja/README.md) | [Κανάντα](../kn/README.md) | [Κορεάτικα](../ko/README.md) | [Λιθουανικά](../lt/README.md) | [Μαλαισιανά](../ms/README.md) | [Μαλαγιάλαμ](../ml/README.md) | [Μαραθέλι](../mr/README.md) | [Νεπαλικά](../ne/README.md) | [Νιγηριανή Πιδγίν](../pcm/README.md) | [Νορβηγικά](../no/README.md) | [Περσικά (Φαρσί)](../fa/README.md) | [Πολωνικά](../pl/README.md) | [Πορτογαλικά (Βραζιλίας)](../pt-BR/README.md) | [Πορτογαλικά (Πορτογαλίας)](../pt-PT/README.md) | [Πουντζάμπι (Γκουρμούκι)](../pa/README.md) | [Ρουμανικά](../ro/README.md) | [Ρωσικά](../ru/README.md) | [Σερβικά (Κυριλλικά)](../sr/README.md) | [Σλοβακικά](../sk/README.md) | [Σλοβενικά](../sl/README.md) | [Ισπανικά](../es/README.md) | [Σουαχίλι](../sw/README.md) | [Σουηδικά](../sv/README.md) | [Ταγκάλογκ (Φιλιππινέζικα)](../tl/README.md) | [Ταμίλ](../ta/README.md) | [Τελούγκου](../te/README.md) | [Ταϊλανδέζικα](../th/README.md) | [Τουρκικά](../tr/README.md) | [Ουκρανικά](../uk/README.md) | [Ουρντού](../ur/README.md) | [Βιετναμέζικα](../vi/README.md) -> **Προτιμάτε να κλωνοποιήσετε τοπικά;** +> **Προτιμάτε να Κλωνοποιήσετε Τοπικά;** -> Αυτό το αποθετήριο περιλαμβάνει μεταφράσεις σε πάνω από 50 γλώσσες, που αυξάνουν σημαντικά το μέγεθος λήψης. Για κλωνοποίηση χωρίς μεταφράσεις, χρησιμοποιήστε sparse checkout: +> Αυτό το αποθετήριο περιλαμβάνει 50+ μεταφράσεις γλωσσών που αυξάνουν σημαντικά το μέγεθος λήψης. Για κλωνοποίηση χωρίς μεταφράσεις, χρησιμοποιήστε sparse checkout: > ```bash > 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' > ``` -> Αυτό σας δίνει όλα όσα χρειάζεστε για να ολοκληρώσετε το μάθημα με πολύ πιο γρήγορη λήψη. +> Αυτό σας παρέχει όλα όσα χρειάζεστε για να ολοκληρώσετε το μάθημα με πολύ ταχύτερη λήψη. #### Ενταχθείτε στην Κοινότητά μας [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Έχουμε μια σειρά Discord "Μάθε με AI" σε εξέλιξη, μάθετε περισσότερα και ενταχθείτε σε εμάς στο [Learn with AI Series](https://aka.ms/learnwithai/discord) από 18 έως 30 Σεπτεμβρίου 2025. Θα λάβετε συμβουλές και κόλπα για τη χρήση του GitHub Copilot για Επιστήμη Δεδομένων. +Έχουμε μια σειρά Discord για μάθηση με AI σε εξέλιξη, μάθετε περισσότερα και ενταχθείτε στο [Learn with AI Series](https://aka.ms/learnwithai/discord) από 18 έως 30 Σεπτεμβρίου 2025. Θα μάθετε συμβουλές και κόλπα για τη χρήση του GitHub Copilot για Data Science. -![Learn with AI series](../../../../translated_images/el/3.9b58fd8d6c373c20.webp) +![Learn with AI series](../../translated_images/el/3.9b58fd8d6c373c20.webp) # Μηχανική Μάθηση για Αρχάριους - Ένα Πρόγραμμα Σπουδών -> 🌍 Ταξιδέψτε σε όλο τον κόσμο καθώς εξερευνούμε τη Μηχανική Μάθηση μέσω των πολιτισμών του κόσμου 🌍 +> 🌍 Ταξιδέψτε γύρω από τον κόσμο καθώς εξερευνούμε τη Μηχανική Μάθηση μέσω των πολιτισμών του κόσμου 🌍 -Οι Cloud Advocates της Microsoft με χαρά προσφέρουν ένα πρόγραμμα 12 εβδομάδων, 26 μαθημάτων, ολοκληρωτικά σχετικά με τη **Μηχανική Μάθηση**. Σε αυτό το πρόγραμμα, θα μάθετε για αυτό που ορισμένες φορές αποκαλείται **κλασική μηχανική μάθηση**, χρησιμοποιώντας κυρίως τη βιβλιοθήκη Scikit-learn και αποφεύγοντας τη βαθιά μάθηση, η οποία καλύπτεται στο πρόγραμμα [AI για Αρχάριους](https://aka.ms/ai4beginners). Συνδυάστε αυτά τα μαθήματα με το πρόγραμμα ['Επιστήμη Δεδομένων για Αρχάριους'](https://aka.ms/ds4beginners), επίσης! +Οι Cloud Advocates στη Microsoft είναι στην ευχάριστη θέση να προσφέρουν ένα 12 εβδομάδων, 26-μαθημάτων πρόγραμμα σπουδών αποκλειστικά για **Μηχανική Μάθηση**. Σε αυτό το πρόγραμμα, θα μάθετε τι ονομάζεται μερικές φορές **κλασική μηχανική μάθηση**, χρησιμοποιώντας κυρίως τη βιβλιοθήκη Scikit-learn και αποφεύγοντας τη βαθιά μάθηση, η οποία καλύπτεται στο [πρόγραμμα AI για Αρχάριους](https://aka.ms/ai4beginners). Συνδυάστε αυτά τα μαθήματα με το [πρόγραμμα "Data Science για Αρχάριους"](https://aka.ms/ds4beginners)! -Ταξιδέψτε μαζί μας σε όλο τον κόσμο καθώς εφαρμόζουμε αυτές τις κλασικές τεχνικές σε δεδομένα από πολλές περιοχές του κόσμου. Κάθε μάθημα περιλαμβάνει κουίζ πριν και μετά το μάθημα, γραπτές οδηγίες για την ολοκλήρωση του μαθήματος, λύση, ανάθεση, και άλλα. Η παιδαγωγική μας βασισμένη σε έργα σας επιτρέπει να μαθαίνετε ενώ δημιουργείτε, ένας αποδεδειγμένος τρόπος για να "καρφιτσωθούν" νέες δεξιότητες. +Ταξιδέψτε μαζί μας σε όλο τον κόσμο καθώς εφαρμόζουμε αυτές τις κλασικές τεχνικές σε δεδομένα από πολλές περιοχές. Κάθε μάθημα περιλαμβάνει quizzes πριν και μετά το μάθημα, γραπτές οδηγίες για την ολοκλήρωση του μαθήματος, λύση, ανάθεση εργασίας και άλλα. Η παιδαγωγική μας με βάση έργα σας επιτρέπει να μαθαίνετε ενώ κατασκευάζετε, μια αποδεδειγμένη μέθοδος για να "εγκατασταθούν" νέες δεξιότητες. -**✍️ Θερμές ευχαριστίες στους συγγραφείς μας** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu και Amy Boyd +**✍️ Ειλικρινείς ευχαριστίες στους συγγραφείς μας** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu και Amy Boyd -**🎨 Ευχαριστούμε επίσης τους εικονογράφους μας** Tomomi Imura, Dasani Madipalli και Jen Looper +**🎨 Ευχαριστίες επίσης στους εικονογράφους μας** Tomomi Imura, Dasani Madipalli και Jen Looper -**🙏 Ειδικές ευχαριστίες 🙏 στους Microsoft Student Ambassador συγγραφείς, αξιολογητές και συνεισφέροντες περιεχόμενο**, ιδιαίτερα στους Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, και Snigdha Agarwal +**🙏 Ειδικές ευχαριστίες 🙏 στους Microsoft Student Ambassador συγγραφείς, αναθεωρητές και συνεισφέροντες περιεχομένου**, ιδιαιτέρως στους Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila και Snigdha Agarwal -**🤩 Επιπλέον ευγνωμοσύνη στους Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, και Vidushi Gupta για τα μαθήματα R!** +**🤩 Επιπλέον ευγνωμοσύνη στους Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi και Vidushi Gupta για τα μαθήματα R!** # Ξεκινώντας -Ακολουθήστε αυτά τα βήματα: -1. **Κάντε Fork το Αποθετήριο**: Κάντε κλικ στο κουμπί "Fork" πάνω δεξιά σε αυτή τη σελίδα. +Ακολουθήστε αυτά τα βήματα: +1. **Δημιουργήστε Fork στο Αποθετήριο**: Κάντε κλικ στο κουμπί "Fork" στην πάνω δεξιά γωνία αυτής της σελίδας. 2. **Κλωνοποιήστε το Αποθετήριο**: `git clone https://github.com/microsoft/ML-For-Beginners.git` > [βρείτε όλους τους επιπλέον πόρους για αυτό το μάθημα στη συλλογή Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -> 🔧 **Χρειάζεστε βοήθεια;** Δείτε τον [Οδηγό Επίλυσης Προβλημάτων](TROUBLESHOOTING.md) για λύσεις σε συνηθισμένα θέματα εγκατάστασης, ρύθμισης και εκτέλεσης μαθημάτων. +> 🔧 **Χρειάζεστε βοήθεια;** Ελέγξτε τον [Οδηγό αντιμετώπισης προβλημάτων](TROUBLESHOOTING.md) για λύσεις σε κοινά ζητήματα εγκατάστασης, ρύθμισης και εκτέλεσης μαθημάτων. +**[Φοιτητές](https://aka.ms/student-page)**, για να χρησιμοποιήσετε αυτό το πρόγραμμα σπουδών, κάντε fork ολόκληρο το αποθετήριο στον δικό σας λογαριασμό GitHub και ολοκληρώστε τις ασκήσεις μόνοι σας ή με ομάδα: -**[Φοιτητές](https://aka.ms/student-page)**, για να χρησιμοποιήσετε αυτό το πρόγραμμα, κάντε fork ολόκληρο το repo στο δικό σας λογαριασμό GitHub και ολοκληρώστε τις ασκήσεις μόνοι σας ή με ομάδα: +- Ξεκινήστε με ένα προ-μάθημα κουίζ. +- Διαβάστε το μάθημα και ολοκληρώστε τις δραστηριότητες, σταματώντας και σκεπτόμενοι σε κάθε έλεγχο γνώσης. +- Προσπαθήστε να δημιουργήσετε τα έργα κατανοώντας τα μαθήματα αντί να εκτελείτε τον κώδικα λύσης· παρόλα αυτά, ο κώδικας αυτός είναι διαθέσιμος στους φακέλους `/solution` σε κάθε μάθημα που έχει προσανατολισμό σε έργο. +- Κάντε το μετά-μάθημα κουίζ. +- Ολοκληρώστε την πρόκληση. +- Ολοκληρώστε την ανάθεση εργασίας. +- Μετά την ολοκλήρωση μιας ομάδας μαθημάτων, επισκεφθείτε το [Ταμπλό Συζήτησης](https://github.com/microsoft/ML-For-Beginners/discussions) και "μάθετε φωναχτά" συμπληρώνοντας το κατάλληλο φόρμα PAT. Το 'PAT' είναι Εργαλείο Αξιολόγησης Προόδου που συμπληρώνετε για να προωθήσετε τη μάθησή σας. Μπορείτε επίσης να αντιδράσετε σε άλλες φόρμες PAT ώστε να μαθαίνουμε μαζί. -- Ξεκινήστε με ένα κουίζ προ-μαθήματος. -- Διαβάστε το μάθημα και ολοκληρώστε τις δραστηριότητες, σταματώντας και σκεπτόμενοι σε κάθε έλεγχο γνώσης. -- Προσπαθήστε να δημιουργήσετε τα έργα κατανοώντας τα μαθήματα αντί να τρέχετε απλά τον κώδικα λύσης· ωστόσο ο κώδικας είναι διαθέσιμος στους φακέλους `/solution` σε κάθε μάθημα προσανατολισμένο σε έργα. -- Δώστε το κουίζ μετά το μάθημα. -- Ολοκληρώστε την πρόκληση. -- Ολοκληρώστε την ανάθεση. -- Μετά την ολοκλήρωση μιας ομάδας μαθημάτων, επισκεφτείτε το [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) και "μάθετε δυνατά" γεμίζοντας το κατάλληλο πρότυπο PAT. Ένα 'PAT' είναι ένα Εργαλείο Αξιολόγησης Προόδου, ένα πρότυπο που συμπληρώνετε για να προωθήσετε τη μάθησή σας. Μπορείτε επίσης να αντιδράσετε σε άλλα PAT ώστε να μάθουμε μαζί. +> Για περαιτέρω μελέτη, προτείνουμε να ακολουθήσετε αυτά τα [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) μαθήματα και μονοπάτια μάθησης. -> Για περαιτέρω μελέτη, προτείνουμε να ακολουθήσετε αυτά τα [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modules και διαδρομές μάθησης. - -**Καθηγητές**, έχουμε [συμπεριλάβει μερικές προτάσεις](for-teachers.md) για το πώς να χρησιμοποιήσετε αυτό το πρόγραμμα. +**Καθηγητές**, έχουμε [συμπεριλάβει μερικές προτάσεις](for-teachers.md) για το πώς να χρησιμοποιήσετε αυτό το πρόγραμμα σπουδών. --- -## Βίντεο ξεναγήσεις +## Βίντεο Περιηγήσεις -Μερικά από τα μαθήματα είναι διαθέσιμα σε σύντομα βίντεο. Μπορείτε να τα βρείτε όλα ενσωματωμένα στα μαθήματα ή στη [λίστα αναπαραγωγής ML for Beginners στο κανάλι Microsoft Developer στο YouTube](https://aka.ms/ml-beginners-videos) κάνοντας κλικ στην εικόνα παρακάτω. +Μερικά από τα μαθήματα είναι διαθέσιμα σε σύντομα βίντεο. Μπορείτε να τα βρείτε όλα ενσωματωμένα στα μαθήματα ή στη [λίστα αναπαραγωγής ML for Beginners στο κανάλι Microsoft Developer στο YouTube](https://aka.ms/ml-beginners-videos) κάνοντας κλικ στην παρακάτω εικόνα. -[![ML for beginners banner](../../../../translated_images/el/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) +[![ML for beginners banner](../../translated_images/el/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- @@ -100,74 +90,74 @@ CO_OP_TRANSLATOR_METADATA: **Gif από** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 Κάντε κλικ στην παραπάνω εικόνα για ένα βίντεο σχετικά με το έργο και τους ανθρώπους που το δημιούργησαν! +> 🎥 Κάντε κλικ στην εικόνα παραπάνω για βίντεο σχετικά με το έργο και τους δημιουργούς του! --- ## Παιδαγωγική -Έχουμε επιλέξει δύο παιδαγωγικές αρχές κατά τη δημιουργία αυτού του προγράμματος: την εξασφάλιση ότι είναι πρακτικό, **βασισμένο σε έργα** και ότι περιλαμβάνει **συχνά κουίζ**. Επιπλέον, το πρόγραμμα έχει ένα κοινό **θέμα** για να δίνει συνοχή. +Επιλέξαμε δύο παιδαγωγικές αρχές κατά την κατασκευή αυτού του προγράμματος: να είναι πρακτικό και **βασισμένο σε έργα** και να περιλαμβάνει **συχνά κουίζ**. Επιπλέον, αυτό το πρόγραμμα έχει ένα κοινό **θέμα** που του δίνει συνοχή. -Εξασφαλίζοντας ότι το περιεχόμενο αντιστοιχεί σε έργα, η διαδικασία γίνεται πιο ελκυστική για τους φοιτητές και η διατήρηση εννοιών αυξάνεται. Επιπλέον, ένα κουίζ χαμηλού κινδύνου πριν από το μάθημα θέτει την πρόθεση του φοιτητή για μάθηση ενός θέματος, ενώ ένα δεύτερο κουίζ μετά το μάθημα διασφαλίζει περαιτέρω διατήρηση. Αυτό το πρόγραμμα σχεδιάστηκε να είναι ευέλικτο και διασκεδαστικό και μπορεί να πραγματοποιηθεί ολόκληρο ή τμηματικά. Τα έργα ξεκινούν μικρά και γίνονται ολοένα πιο σύνθετα στο τέλος του κύκλου 12 εβδομάδων. Το πρόγραμμα αυτό περιλαμβάνει επίσης επίμετρο για τις εφαρμογές της μηχανικής μάθησης στον πραγματικό κόσμο, που μπορεί να χρησιμοποιηθεί ως επιπλέον πιστωτική μονάδα ή ως βάση για συζήτηση. +Με το να ευθυγραμμίζουμε το περιεχόμενο με έργα, η διαδικασία γίνεται πιο ελκυστική για τους φοιτητές και η διατήρηση των εννοιών αυξάνεται. Επιπλέον, ένα χαμηλού κινδύνου κουίζ πριν από το μάθημα θέτει την πρόθεση του μαθητή να μάθει ένα θέμα, ενώ ένα δεύτερο κουίζ μετά το μάθημα εξασφαλίζει περαιτέρω διατήρηση. Το πρόγραμμα σχεδιάστηκε να είναι ευέλικτο και διασκεδαστικό και μπορεί να ληφθεί ολόκληρο ή κατά τμήματα. Τα έργα ξεκινούν μικρά και γίνονται όλο και πιο σύνθετα μέχρι το τέλος του 12-εβδομάδων κύκλου. Το πρόγραμμα περιλαμβάνει επίσης επίλογο με πραγματικές εφαρμογές της μηχανικής μάθησης, που μπορεί να χρησιμοποιηθεί ως επιπλέον αξιολόγηση ή βάση συζήτησης. -> Βρείτε τους [Κανόνες Συμπεριφοράς μας](CODE_OF_CONDUCT.md), [συνεισφορά](CONTRIBUTING.md), [Μετάφραση](TRANSLATIONS.md), και [Οδηγό Επίλυσης Προβλημάτων](TROUBLESHOOTING.md). Καλωσορίζουμε τα εποικοδομητικά σας σχόλια! +> Βρείτε τις [Οδηγίες Συμπεριφοράς](CODE_OF_CONDUCT.md), [Συμμετοχής](CONTRIBUTING.md), [Μετάφρασης](TRANSLATIONS.md) και [Αντιμετώπισης Προβλημάτων](TROUBLESHOOTING.md). Καλωσορίζουμε τα εποικοδομητικά σας σχόλια! ## Κάθε μάθημα περιλαμβάνει -- προαιρετικό σκίτσο -- προαιρετικό επιπλέον βίντεο -- βίντεο ξενάγησης (μόνο σε κάποια μαθήματα) -- [κουίζ προ-μαθήματος προθέρμανσης](https://ff-quizzes.netlify.app/en/ml/) -- γραπτό μάθημα -- για μαθήματα βασισμένα σε έργα, βήμα προς βήμα οδηγίες για την κατασκευή του έργου -- ελέγχους γνώσεων -- μια πρόκληση -- επιπλέον ανάγνωση -- ανάθεση -- [κουίζ μετά το μάθημα](https://ff-quizzes.netlify.app/en/ml/) - -> **Μια σημείωση σχετικά με τις γλώσσες**: Αυτά τα μαθήματα είναι κυρίως γραμμένα σε Python, αλλά πολλά είναι επίσης διαθέσιμα σε R. Για να ολοκληρώσετε ένα μάθημα σε R, πηγαίνετε στον φάκελο `/solution` και αναζητήστε τα μαθήματα R. Περιλαμβάνουν επέκταση .rmd που αντιπροσωπεύει ένα αρχείο **R Markdown**, το οποίο μπορεί απλώς να οριστεί ως ενσωμάτωση `κομματιών κώδικα` (σε R ή άλλες γλώσσες) και ενός `επικεφαλίδας YAML` (που καθοδηγεί τον τρόπο μορφοποίησης της εξόδου, όπως PDF) σε ένα `έγγραφο Markdown`. Ως εκ τούτου, χρησιμεύει ως ένα παράδειγμα πλαισίου συγγραφής για την επιστήμη δεδομένων, αφού σας επιτρέπει να συνδυάζετε τον κώδικά σας, την έξοδο του και τις σκέψεις σας, επιτρέποντας να τις γράψετε σε Markdown. Επιπλέον, τα έγγραφα R Markdown μπορούν να αποδοθούν σε μορφές εξόδου όπως PDF, HTML ή Word. -> **Μια σημείωση σχετικά με τα κουίζ**: Όλα τα κουίζ περιλαμβάνονται στο [φάκελο Quiz App](../../quiz-app), για συνολικά 52 κουίζ με τρεις ερωτήσεις το καθένα. Είναι συνδεδεμένα μέσα στα μαθήματα, αλλά η εφαρμογή κουίζ μπορεί να τρέξει τοπικά· ακολουθήστε τις οδηγίες στον φάκελο `quiz-app` για τοπική φιλοξενία ή ανάπτυξη στο Azure. - -| Αριθμός Μαθήματος | Θέμα | Ομαδοποίηση Μαθήματος | Στόχοι Μάθησης | Συνδεδεμένο Μάθημα | Συγγραφέας | -| :---------------: | :------------------------------------------------------------: | :-------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------ | :--------------------------------------------------------------------------------------------------------------------------------------: | :----------------------------------------------------: | -| 01 | Εισαγωγή στη μηχανική μάθηση | [Εισαγωγή](1-Introduction/README.md) | Μάθετε τις βασικές έννοιες της μηχανικής μάθησης | [Μάθημα](1-Introduction/1-intro-to-ML/README.md) | Μοχάμαντ | -| 02 | Η ιστορία της μηχανικής μάθησης | [Εισαγωγή](1-Introduction/README.md) | Μάθετε την ιστορία που στηρίζει αυτόν τον τομέα | [Μάθημα](1-Introduction/2-history-of-ML/README.md) | Τζεν και Έιμι | -| 03 | Δικαιοσύνη και μηχανική μάθηση | [Εισαγωγή](1-Introduction/README.md) | Ποια είναι τα σημαντικά φιλοσοφικά ζητήματα γύρω από τη δικαιοσύνη που πρέπει να σκεφτούν οι μαθητές όταν δημιουργούν και εφαρμόζουν μοντέλα ΜΜ; | [Μάθημα](1-Introduction/3-fairness/README.md) | Τομόμι | -| 04 | Τεχνικές για μηχανική μάθηση | [Εισαγωγή](1-Introduction/README.md) | Ποιες τεχνικές χρησιμοποιούν οι ερευνητές ΜΜ για να δημιουργήσουν μοντέλα ΜΜ; | [Μάθημα](1-Introduction/4-techniques-of-ML/README.md) | Κρις και Τζεν | -| 05 | Εισαγωγή στην παλινδρόμηση | [Παλινδρόμηση](2-Regression/README.md) | Ξεκινήστε με Python και Scikit-learn για μοντέλα παλινδρόμησης | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Τζεν • Έρικ Ουάντζάου | -| 06 | Τιμές κολοκύθας στη Βόρεια Αμερική 🎃 | [Παλινδρόμηση](2-Regression/README.md) | Οπτικοποιήστε και καθαρίστε δεδομένα εν όψει ΜΜ | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Τζεν • Έρικ Ουάντζάου | -| 07 | Τιμές κολοκύθας στη Βόρεια Αμερική 🎃 | [Παλινδρόμηση](2-Regression/README.md) | Δημιουργήστε γραμμικά και πολυωνυμικά μοντέλα παλινδρόμησης | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Τζεν και Ντμίτρι • Έρικ Ουάντζάου | -| 08 | Τιμές κολοκύθας στη Βόρεια Αμερική 🎃 | [Παλινδρόμηση](2-Regression/README.md) | Δημιουργήστε ένα μοντέλο λογιστικής παλινδρόμησης | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Τζεν • Έρικ Ουάντζάου | -| 09 | Μια Web Εφαρμογή 🔌 | [Web App](3-Web-App/README.md) | Δημιουργήστε μια web εφαρμογή για να χρησιμοποιήσετε το εκπαιδευμένο μοντέλο σας | [Python](3-Web-App/1-Web-App/README.md) | Τζεν | -| 10 | Εισαγωγή στην ταξινόμηση | [Ταξινόμηση](4-Classification/README.md) | Καθαρίστε, προετοιμάστε και οπτικοποιήστε τα δεδομένα σας· εισαγωγή στην ταξινόμηση | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Τζεν και Κάσι • Έρικ Ουάντζάου | -| 11 | Νόστιμες ασιατικές και ινδικές κουζίνες 🍜 | [Ταξινόμηση](4-Classification/README.md) | Εισαγωγή στους ταξινομητές | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Τζεν και Κάσι • Έρικ Ουάντζάου | -| 12 | Νόστιμες ασιατικές και ινδικές κουζίνες 🍜 | [Ταξινόμηση](4-Classification/README.md) | Περαιτέρω ταξινομητές | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Τζεν και Κάσι • Έρικ Ουάντζάου | -| 13 | Νόστιμες ασιατικές και ινδικές κουζίνες 🍜 | [Ταξινόμηση](4-Classification/README.md) | Δημιουργήστε μια web εφαρμογή σύστασης χρησιμοποιώντας το μοντέλο σας | [Python](4-Classification/4-Applied/README.md) | Τζεν | -| 14 | Εισαγωγή στον ομαδοποίηση | [Ομαδοποίηση](5-Clustering/README.md) | Καθαρίστε, προετοιμάστε και οπτικοποιήστε τα δεδομένα σας· εισαγωγή στον ομαδοποίηση | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Τζεν • Έρικ Ουάντζάου | -| 15 | Εξερεύνηση μουσικών προτιμήσεων στη Νιγηρία 🎧 | [Ομαδοποίηση](5-Clustering/README.md) | Εξερευνήστε τη μέθοδο ομαδοποίησης K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Τζεν • Έρικ Ουάντζάου | -| 16 | Εισαγωγή στην επεξεργασία φυσικής γλώσσας ☕️ | [Επεξεργασία φυσικής γλώσσας](6-NLP/README.md) | Μάθετε τα βασικά της NLP φτιάχνοντας ένα απλό bot | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Στίβεν | -| 17 | Κοινές εργασίες NLP ☕️ | [Επεξεργασία φυσικής γλώσσας](6-NLP/README.md) | Εμβαθύνετε τις γνώσεις σας στην NLP κατανοώντας κοινές εργασίες που απαιτούνται όταν ασχολείστε με δομές γλώσσας | [Python](6-NLP/2-Tasks/README.md) | Στίβεν | -| 18 | Μετάφραση και ανάλυση συναισθήματος ♥️ | [Επεξεργασία φυσικής γλώσσας](6-NLP/README.md) | Μετάφραση και ανάλυση συναισθήματος με την Τζέιν Όστεν | [Python](6-NLP/3-Translation-Sentiment/README.md) | Στίβεν | -| 19 | Ρομαντικά ξενοδοχεία της Ευρώπης ♥️ | [Επεξεργασία φυσικής γλώσσας](6-NLP/README.md) | Ανάλυση συναισθήματος με κριτικές ξενοδοχείων 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Στίβεν | -| 20 | Ρομαντικά ξενοδοχεία της Ευρώπης ♥️ | [Επεξεργασία φυσικής γλώσσας](6-NLP/README.md) | Ανάλυση συναισθήματος με κριτικές ξενοδοχείων 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Στίβεν | -| 21 | Εισαγωγή στην πρόβλεψη χρονοσειρών | [Χρονοσειρές](7-TimeSeries/README.md) | Εισαγωγή στην πρόβλεψη χρονοσειρών | [Python](7-TimeSeries/1-Introduction/README.md) | Φραντσέσκα | -| 22 | ⚡️ Κατανάλωση Ρεύματος Παγκοσμίως ⚡️ - πρόβλεψη με ARIMA | [Χρονοσειρές](7-TimeSeries/README.md) | Πρόβλεψη χρονοσειρών με ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Φραντσέσκα | -| 23 | ⚡️ Κατανάλωση Ρεύματος Παγκοσμίως ⚡️ - πρόβλεψη με SVR | [Χρονοσειρές](7-TimeSeries/README.md) | Πρόβλεψη χρονοσειρών με Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Ανίρμπαν | -| 24 | Εισαγωγή στην ενισχυτική μάθηση | [Ενισχυτική μάθηση](8-Reinforcement/README.md) | Εισαγωγή στην ενισχυτική μάθηση με Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Ντμίτρι | -| 25 | Βοηθήστε τον Πέτρο να αποφύγει τον λύκο! 🐺 | [Ενισχυτική μάθηση](8-Reinforcement/README.md) | Ενισχυτική μάθηση με Gym | [Python](8-Reinforcement/2-Gym/README.md) | Ντμίτρι | -| Επίμετρο | Πραγματικά σενάρια και εφαρμογές ΜΜ | [ML στον Πραγματικό Κόσμο](9-Real-World/README.md) | Ενδιαφέρουσες και αποκαλυπτικές εφαρμογές κλασικής μηχανικής μάθησης | [Μάθημα](9-Real-World/1-Applications/README.md) | Ομάδα | -| Επίμετρο | Εντοπισμός σφαλμάτων μοντέλων ΜΜ με το RAI | [ML στον Πραγματικό Κόσμο](9-Real-World/README.md) | Εντοπισμός σφαλμάτων μοντέλων μηχανικής μάθησης χρησιμοποιώντας στοιχεία πίνακα ελέγχου Responsible AI | [Μάθημα](9-Real-World/2-Debugging-ML-Models/README.md) | Ρουθ Γιακούμπου | - -> [βρείτε όλους τους επιπλέον πόρους για αυτό το μάθημα στη συλλογή Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) - -## Πρόσβαση εκτός σύνδεσης - -Μπορείτε να τρέξετε αυτή την τεκμηρίωση εκτός σύνδεσης χρησιμοποιώντας το [Docsify](https://docsify.js.org/#/). Δημιουργήστε fork από αυτό το αποθετήριο, [εγκαταστήστε το Docsify](https://docsify.js.org/#/quickstart) στον τοπικό σας υπολογιστή, και μετά στον ριζικό φάκελο αυτού του αποθετηρίου πληκτρολογήστε `docsify serve`. Ο ιστότοπος θα σερβιριστεί στην πόρτα 3000 τοπικά: `localhost:3000`. - -## PDFs - -Βρείτε ένα pdf του προγράμματος σπουδών με συνδέσμους [εδώ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). +- προαιρετικό σκίτσο σημειώσεων +- προαιρετικό συμπληρωματικό βίντεο +- βίντεο περιήγηση (μόνο κάποια μαθήματα) +- [προθερμαινόμενο κουίζ πριν το μάθημα](https://ff-quizzes.netlify.app/en/ml/) +- γραπτό μάθημα +- για μαθήματα που βασίζονται σε έργα, βήμα-βήμα οδηγούς για το πώς να κατασκευάσετε το έργο +- ελέγχους γνώσης +- μια πρόκληση +- συμπληρωματική ανάγνωση +- ανάθεση εργασίας +- [μετα-μάθημα κουίζ](https://ff-quizzes.netlify.app/en/ml/) + +> **Μια σημείωση για τις γλώσσες**: Αυτά τα μαθήματα είναι κυρίως γραμμένα σε Python, αλλά πολλά είναι διαθέσιμα και σε R. Για να ολοκληρώσετε ένα μάθημα R, πηγαίνετε στον φάκελο `/solution` και αναζητήστε τα μαθήματα R. Αυτά περιλαμβάνουν επέκταση .rmd που αντιπροσωπεύει ένα **R Markdown** αρχείο, το οποίο μπορεί να οριστεί απλά ως ενσωμάτωση `κομματιών κώδικα` (σε R ή άλλες γλώσσες) και `YAML header` (που καθοδηγεί το πώς να μορφοποιηθούν οι έξοδοι όπως PDF) σε ένα `Markdown έγγραφο`. Ως τέτοιο, χρησιμεύει ως ένα υποδειγματικό πλαίσιο συγγραφής για data science, αφού σας επιτρέπει να συνδυάσετε τον κώδικά σας, την έξοδό του και τις σκέψεις σας επιτρέποντάς σας να τις γράψετε σε Markdown. Επιπλέον, έγγραφα R Markdown μπορούν να αποδοθούν σε μορφές εξόδου όπως PDF, HTML ή Word. +> **Μια σημείωση σχετικά με τα κουίζ**: Όλα τα κουίζ βρίσκονται στον φάκελο [Quiz App folder](../../quiz-app), για συνολικά 52 κουίζ με τρεις ερωτήσεις το καθένα. Συνδέονται από τα μαθήματα, αλλά η εφαρμογή κουίζ μπορεί να τρέξει τοπικά· ακολουθήστε τις οδηγίες στον φάκελο `quiz-app` για να φιλοξενήσετε ή να αναπτύξετε τοπικά στο Azure. + +| Αριθμός Μαθήματος | Θέμα | Ομαδοποίηση Μαθήματος | Μαθησιακοί Στόχοι | Συνδεδεμένο Μάθημα | Συγγραφέας | +| :----------------: | :-----------------------------------------------------------------: | :-------------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :----------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | +| 01 | Εισαγωγή στη μηχανική μάθηση | [Εισαγωγή](1-Introduction/README.md) | Μάθετε τις βασικές έννοιες πίσω από τη μηχανική μάθηση | [Μάθημα](1-Introduction/1-intro-to-ML/README.md) | Muhammad | +| 02 | Η Ιστορία της μηχανικής μάθησης | [Εισαγωγή](1-Introduction/README.md) | Μάθετε την ιστορία που υποστηρίζει αυτόν τον τομέα | [Μάθημα](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | +| 03 | Δικαιοσύνη και μηχανική μάθηση | [Εισαγωγή](1-Introduction/README.md) | Ποια είναι τα σημαντικά φιλοσοφικά ζητήματα γύρω από τη δικαιοσύνη που πρέπει να λάβουν υπόψη οι μαθητές κατά την κατασκευή και εφαρμογή μοντέλων ML; | [Μάθημα](1-Introduction/3-fairness/README.md) | Tomomi | +| 04 | Τεχνικές για μηχανική μάθηση | [Εισαγωγή](1-Introduction/README.md) | Τι τεχνικές χρησιμοποιούν οι ερευνητές ML για να κατασκευάσουν μοντέλα ML; | [Μάθημα](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | +| 05 | Εισαγωγή στη παλινδρόμηση | [Παλινδρόμηση](2-Regression/README.md) | Ξεκινήστε με Python και Scikit-learn για μοντέλα παλινδρόμησης | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | +| 06 | Τιμές κολοκύθας στη Βόρεια Αμερική 🎃 | [Παλινδρόμηση](2-Regression/README.md) | Οπτικοποιήστε και καθαρίστε δεδομένα για την προετοιμασία για ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | +| 07 | Τιμές κολοκύθας στη Βόρεια Αμερική 🎃 | [Παλινδρόμηση](2-Regression/README.md) | Δημιουργήστε γραμμικά και πολυωνυμικά μοντέλα παλινδρόμησης | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau | +| 08 | Τιμές κολοκύθας στη Βόρεια Αμερική 🎃 | [Παλινδρόμηση](2-Regression/README.md) | Δημιουργήστε ένα μοντέλο λογιστικής παλινδρόμησης | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | +| 09 | Μια εφαρμογή Web 🔌 | [Web App](3-Web-App/README.md) | Δημιουργήστε μια web εφαρμογή για να χρησιμοποιήσετε το εκπαιδευμένο μοντέλο σας | [Python](3-Web-App/1-Web-App/README.md) | Jen | +| 10 | Εισαγωγή στην ταξινόμηση | [Ταξινόμηση](4-Classification/README.md) | Καθαρίστε, προετοιμάστε και οπτικοποιήστε τα δεδομένα σας· εισαγωγή στην ταξινόμηση | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau | +| 11 | Νόστιμες ασιατικές και ινδικές κουζίνες 🍜 | [Ταξινόμηση](4-Classification/README.md) | Εισαγωγή στους ταξινομητές | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau | +| 12 | Νόστιμες ασιατικές και ινδικές κουζίνες 🍜 | [Ταξινόμηση](4-Classification/README.md) | Περισσότεροι ταξινομητές | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau | +| 13 | Νόστιμες ασιατικές και ινδικές κουζίνες 🍜 | [Ταξινόμηση](4-Classification/README.md) | Δημιουργήστε μια εφαρμογή web συστάσεων χρησιμοποιώντας το μοντέλο σας | [Python](4-Classification/4-Applied/README.md) | Jen | +| 14 | Εισαγωγή στον ομαδοποίηση | [Ομαδοποίηση](5-Clustering/README.md) | Καθαρίστε, προετοιμάστε και οπτικοποιήστε τα δεδομένα σας· Εισαγωγή στην ομαδοποίηση | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | +| 15 | Εξερευνώντας τις μουσικές προτιμήσεις στη Νιγηρία 🎧 | [Ομαδοποίηση](5-Clustering/README.md) | Εξερευνήστε τη μέθοδο ομαδοποίησης K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | +| 16 | Εισαγωγή στην επεξεργασία φυσικής γλώσσας ☕️ | [Επεξεργασία φυσικής γλώσσας](6-NLP/README.md) | Μάθετε τα βασικά για την επεξεργασία φυσικής γλώσσας φτιάχνοντας ένα απλό bot | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | +| 17 | Κοινά καθήκοντα NLP ☕️ | [Επεξεργασία φυσικής γλώσσας](6-NLP/README.md) | Εμβαθύνετε στη γνώση NLP κατανοώντας κοινά καθήκοντα που απαιτούνται όταν δουλεύετε με δομές γλώσσας | [Python](6-NLP/2-Tasks/README.md) | Stephen | +| 18 | Μετάφραση και ανάλυση συναισθήματος ♥️ | [Επεξεργασία φυσικής γλώσσας](6-NLP/README.md) | Μετάφραση και ανάλυση συναισθήματος με τη Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | +| 19 | Ρομαντικά ξενοδοχεία της Ευρώπης ♥️ | [Επεξεργασία φυσικής γλώσσας](6-NLP/README.md) | Ανάλυση συναισθήματος με κριτικές ξενοδοχείων 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | +| 20 | Ρομαντικά ξενοδοχεία της Ευρώπης ♥️ | [Επεξεργασία φυσικής γλώσσας](6-NLP/README.md) | Ανάλυση συναισθήματος με κριτικές ξενοδοχείων 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | +| 21 | Εισαγωγή στην πρόβλεψη χρονοσειρών | [Χρονοσειρές](7-TimeSeries/README.md) | Εισαγωγή στην πρόβλεψη χρονοσειρών | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | +| 22 | ⚡️ Παγκόσμια Χρήση Ενέργειας ⚡️ - πρόβλεψη χρονοσειρών με ARIMA | [Χρονοσειρές](7-TimeSeries/README.md) | Πρόβλεψη χρονοσειρών με ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | +| 23 | ⚡️ Παγκόσμια Χρήση Ενέργειας ⚡️ - πρόβλεψη χρονοσειρών με SVR | [Χρονοσειρές](7-TimeSeries/README.md) | Πρόβλεψη χρονοσειρών με Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | +| 24 | Εισαγωγή στη μάθηση ενίσχυσης | [Μάθηση ενίσχυσης](8-Reinforcement/README.md) | Εισαγωγή στη μάθηση ενίσχυσης με Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | +| 25 | Βοηθήστε τον Πέτρο να αποφύγει τον λύκο! 🐺 | [Μάθηση ενίσχυσης](8-Reinforcement/README.md) | Μάθηση ενίσχυσης με το Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | +| Μεταστροφή | Σενάρια και εφαρμογές ΜL στον πραγματικό κόσμο | [ML στον πραγματικό κόσμο](9-Real-World/README.md) | Ενδιαφέρουσες και αποκαλυπτικές εφαρμογές της κλασικής μηχανικής μάθησης | [Μάθημα](9-Real-World/1-Applications/README.md) | Ομάδα | +| Μεταστροφή | Αποσφαλμάτωση μοντέλων ML με χρήση του RAI dashboard | [ML στον πραγματικό κόσμο](9-Real-World/README.md) | Αποσφαλμάτωση μοντέλων μηχανικής μάθησης με τη χρήση του Responsible AI dashboard | [Μάθημα](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | + +> [βρείτε όλους τους επιπλέον πόρους για αυτό το μάθημα στη συλλογή μας Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) + +## Πρόσβαση χωρίς σύνδεση + +Μπορείτε να τρέξετε αυτή την τεκμηρίωση εκτός σύνδεσης χρησιμοποιώντας το [Docsify](https://docsify.js.org/#/). Κάντε fork σε αυτό το αποθετήριο, [εγκαταστήστε το Docsify](https://docsify.js.org/#/quickstart) στον τοπικό σας υπολογιστή και μετά στον βασικό φάκελο αυτού του αποθετηρίου, πληκτρολογήστε `docsify serve`. Η ιστοσελίδα θα σερβιριστεί στη θύρα 3000 στον localhost σας: `localhost:3000`. + +## PDF + +Βρείτε ένα pdf του προγράμματος με συνδέσμους [εδώ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). ## 🎒 Άλλα Μαθήματα @@ -189,7 +179,7 @@ CO_OP_TRANSLATOR_METADATA: --- -### Generative AI Series +### Γενετικά AI Series [![Γεννητική Τεχνητή Νοημοσύνη για Αρχάριους](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) [![Γεννητική Τεχνητή Νοημοσύνη (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) [![Γεννητική Τεχνητή Νοημοσύνη (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) @@ -209,24 +199,24 @@ CO_OP_TRANSLATOR_METADATA: --- ### Σειρά Copilot -[![Copilot για Προγραμματισμό με Τεχνητή Νοημοσύνη σε Ζευγάρι](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![Copilot για Προγραμματισμό AI με Συνεργασία](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [![Copilot για C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [![Περιπέτεια Copilot](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## Λήψη Βοήθειας -Αν κολλήσετε ή έχετε οποιεσδήποτε ερωτήσεις σχετικά με την κατασκευή εφαρμογών τεχνητής νοημοσύνης. Ενταχθείτε σε συμφοιτητές και έμπειρους προγραμματιστές σε συζητήσεις για το MCP. Είναι μια υποστηρικτική κοινότητα όπου οι ερωτήσεις είναι ευπρόσδεκτες και η γνώση μοιράζεται ελεύθερα. +Εάν κολλήσετε ή έχετε οποιεσδήποτε ερωτήσεις σχετικά με την κατασκευή εφαρμογών Τεχνητής Νοημοσύνης. Συμμετάσχετε με άλλους μαθητές και έμπειρους προγραμματιστές σε συζητήσεις σχετικά με το MCP. Είναι μια υποστηρικτική κοινότητα όπου οι ερωτήσεις είναι ευπρόσδεκτες και η γνώση μοιράζεται ελεύθερα. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Αν έχετε σχόλια προϊόντος ή σφάλματα κατά την ανάπτυξη επισκεφθείτε: +Εάν έχετε σχόλια για το προϊόν ή σφάλματα κατά την κατασκευή επισκεφθείτε: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**Δήλωση αποποίησης ευθυνών**: -Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης AI [Co-op Translator](https://github.com/Azure/co-op-translator). Παρόλο που κάνουμε προσπάθειες για ακρίβεια, παρακαλείστε να λάβετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα πρέπει να θεωρείται η επίσημη πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική δήλωση ανθρώπινης μετάφρασης. Δεν φέρουμε ευθύνη για οποιεσδήποτε παρεξηγήσεις ή λανθασμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης. +**Αποποίηση Ευθύνης**: +Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης AI [Co-op Translator](https://github.com/Azure/co-op-translator). Παρόλο που επιδιώκουμε την ακρίβεια, παρακαλούμε να έχετε υπόψη σας ότι οι αυτόματες μεταφράσεις μπορεί να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στη γλώσσα του θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή λανθασμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης. \ No newline at end of file diff --git a/translations/el/SECURITY.md b/translations/el/SECURITY.md index 3466f578e..c8b1b1883 100644 --- a/translations/el/SECURITY.md +++ b/translations/el/SECURITY.md @@ -1,12 +1,3 @@ - ## Ασφάλεια Η Microsoft αντιμετωπίζει με σοβαρότητα την ασφάλεια των προϊόντων και υπηρεσιών λογισμικού της, συμπεριλαμβανομένων όλων των αποθετηρίων πηγαίου κώδικα που διαχειρίζεται μέσω των οργανισμών της στο GitHub, όπως [Microsoft](https://github.com/Microsoft), [Azure](https://github.com/Azure), [DotNet](https://github.com/dotnet), [AspNet](https://github.com/aspnet), [Xamarin](https://github.com/xamarin) και [τους οργανισμούς μας στο GitHub](https://opensource.microsoft.com/). diff --git a/translations/el/SUPPORT.md b/translations/el/SUPPORT.md index 5faf966ef..b7a1f7183 100644 --- a/translations/el/SUPPORT.md +++ b/translations/el/SUPPORT.md @@ -1,12 +1,3 @@ - # Υποστήριξη ## Πώς να αναφέρετε προβλήματα και να λάβετε βοήθεια diff --git a/translations/el/TROUBLESHOOTING.md b/translations/el/TROUBLESHOOTING.md index e8a6ec0e9..ef7e8cd90 100644 --- a/translations/el/TROUBLESHOOTING.md +++ b/translations/el/TROUBLESHOOTING.md @@ -1,12 +1,3 @@ - # Οδηγός Αντιμετώπισης Προβλημάτων Αυτός ο οδηγός σας βοηθά να λύσετε κοινά προβλήματα κατά την εργασία με το πρόγραμμα σπουδών Machine Learning for Beginners. Αν δεν βρείτε λύση εδώ, παρακαλούμε ελέγξτε τις [Συζητήσεις στο Discord](https://aka.ms/foundry/discord) ή [ανοίξτε ένα ζήτημα](https://github.com/microsoft/ML-For-Beginners/issues). diff --git a/translations/el/docs/_sidebar.md b/translations/el/docs/_sidebar.md index 989b2276b..4a61f8cba 100644 --- a/translations/el/docs/_sidebar.md +++ b/translations/el/docs/_sidebar.md @@ -1,12 +1,3 @@ - - Εισαγωγή - [Εισαγωγή στη Μηχανική Μάθηση](../1-Introduction/1-intro-to-ML/README.md) - [Ιστορία της Μηχανικής Μάθησης](../1-Introduction/2-history-of-ML/README.md) diff --git a/translations/el/for-teachers.md b/translations/el/for-teachers.md index e46c081d8..04a5e58ac 100644 --- a/translations/el/for-teachers.md +++ b/translations/el/for-teachers.md @@ -1,12 +1,3 @@ - ## Για Εκπαιδευτικούς Θα θέλατε να χρησιμοποιήσετε αυτό το πρόγραμμα σπουδών στην τάξη σας; Μη διστάσετε! diff --git a/translations/el/quiz-app/README.md b/translations/el/quiz-app/README.md index 29edee7d9..c08e8d91a 100644 --- a/translations/el/quiz-app/README.md +++ b/translations/el/quiz-app/README.md @@ -1,12 +1,3 @@ - # Κουίζ Αυτά τα κουίζ είναι τα κουίζ πριν και μετά τη διάλεξη για το πρόγραμμα σπουδών ML στο https://aka.ms/ml-beginners diff --git a/translations/el/sketchnotes/LICENSE.md b/translations/el/sketchnotes/LICENSE.md index 30e2d040e..06745c950 100644 --- a/translations/el/sketchnotes/LICENSE.md +++ b/translations/el/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - Διεθνής Άδεια Creative Commons Αναφορά-Παρόμοια Διανομή 4.0 ======================================================================= diff --git a/translations/el/sketchnotes/README.md b/translations/el/sketchnotes/README.md index e7ab9297c..ca30fb527 100644 --- a/translations/el/sketchnotes/README.md +++ b/translations/el/sketchnotes/README.md @@ -1,12 +1,3 @@ - Όλες οι σημειώσεις σκίτσων του προγράμματος σπουδών μπορούν να ληφθούν εδώ. 🖨 Για εκτύπωση σε υψηλή ανάλυση, οι εκδόσεις TIFF είναι διαθέσιμες στο [αυτό το αποθετήριο](https://github.com/girliemac/a-picture-is-worth-a-1000-words/tree/main/ml/tiff). diff --git a/translations/sv/.co-op-translator.json b/translations/sv/.co-op-translator.json new file mode 100644 index 000000000..ff59ebe23 --- /dev/null +++ b/translations/sv/.co-op-translator.json @@ -0,0 +1,596 @@ +{ + "1-Introduction/1-intro-to-ML/README.md": { + "original_hash": "69389392fa6346e0dfa30f664b7b6fec", + "translation_date": "2025-09-05T21:42:42+00:00", + "source_file": "1-Introduction/1-intro-to-ML/README.md", + "language_code": "sv" + }, + "1-Introduction/1-intro-to-ML/assignment.md": { + "original_hash": "4c4698044bb8af52cfb6388a4ee0e53b", + "translation_date": "2025-09-05T21:43:40+00:00", + "source_file": "1-Introduction/1-intro-to-ML/assignment.md", + "language_code": "sv" + }, + "1-Introduction/2-history-of-ML/README.md": { + "original_hash": "6a05fec147e734c3e6bfa54505648e2b", + "translation_date": "2025-09-05T21:44:44+00:00", + "source_file": "1-Introduction/2-history-of-ML/README.md", + "language_code": "sv" + }, + "1-Introduction/2-history-of-ML/assignment.md": { + "original_hash": "eb6e4d5afd1b21a57d2b9e6d0aac3969", + "translation_date": "2025-09-05T21:45:55+00:00", + "source_file": "1-Introduction/2-history-of-ML/assignment.md", + "language_code": "sv" + }, + "1-Introduction/3-fairness/README.md": { + "original_hash": "9a6b702d1437c0467e3c5c28d763dac2", + "translation_date": "2025-09-05T21:38:29+00:00", + "source_file": "1-Introduction/3-fairness/README.md", + "language_code": "sv" + }, + "1-Introduction/3-fairness/assignment.md": { + "original_hash": "dbda60e7b1fe5f18974e7858eff0004e", + "translation_date": "2025-09-05T21:40:10+00:00", + "source_file": "1-Introduction/3-fairness/assignment.md", + "language_code": "sv" + }, + "1-Introduction/4-techniques-of-ML/README.md": { + "original_hash": "9d91f3af3758fdd4569fb410575995ef", + "translation_date": "2025-09-05T21:40:53+00:00", + "source_file": "1-Introduction/4-techniques-of-ML/README.md", + "language_code": "sv" + }, + "1-Introduction/4-techniques-of-ML/assignment.md": { + "original_hash": "70d65aeddc06170bc1aed5b27805f930", + "translation_date": "2025-09-05T21:42:02+00:00", + "source_file": "1-Introduction/4-techniques-of-ML/assignment.md", + "language_code": "sv" + }, + "1-Introduction/README.md": { + "original_hash": "cf8ecc83f28e5b98051d2179eca08e08", + "translation_date": "2025-09-05T21:37:30+00:00", + "source_file": "1-Introduction/README.md", + "language_code": "sv" + }, + "2-Regression/1-Tools/README.md": { + "original_hash": "fa81d226c71d5af7a2cade31c1c92b88", + "translation_date": "2025-09-05T21:13:18+00:00", + "source_file": "2-Regression/1-Tools/README.md", + "language_code": "sv" + }, + "2-Regression/1-Tools/assignment.md": { + "original_hash": "74a5cf83e4ebc302afbcbc4f418afd0a", + "translation_date": "2025-09-05T21:14:54+00:00", + "source_file": "2-Regression/1-Tools/assignment.md", + "language_code": "sv" + }, + "2-Regression/1-Tools/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:15:11+00:00", + "source_file": "2-Regression/1-Tools/solution/Julia/README.md", + "language_code": "sv" + }, + "2-Regression/2-Data/README.md": { + "original_hash": "7c077988328ebfe33b24d07945f16eca", + "translation_date": "2025-09-05T21:16:02+00:00", + "source_file": "2-Regression/2-Data/README.md", + "language_code": "sv" + }, + "2-Regression/2-Data/assignment.md": { + "original_hash": "4485a1ed4dd1b5647365e3d87456515d", + "translation_date": "2025-09-05T21:17:06+00:00", + "source_file": "2-Regression/2-Data/assignment.md", + "language_code": "sv" + }, + "2-Regression/2-Data/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:17:21+00:00", + "source_file": "2-Regression/2-Data/solution/Julia/README.md", + "language_code": "sv" + }, + "2-Regression/3-Linear/README.md": { + "original_hash": "40e64f004f3cb50aa1d8661672d3cd92", + "translation_date": "2025-09-05T21:06:20+00:00", + "source_file": "2-Regression/3-Linear/README.md", + "language_code": "sv" + }, + "2-Regression/3-Linear/assignment.md": { + "original_hash": "cc471fa89c293bc735dd3a9a0fb79b1b", + "translation_date": "2025-09-05T21:08:28+00:00", + "source_file": "2-Regression/3-Linear/assignment.md", + "language_code": "sv" + }, + "2-Regression/3-Linear/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:08:42+00:00", + "source_file": "2-Regression/3-Linear/solution/Julia/README.md", + "language_code": "sv" + }, + "2-Regression/4-Logistic/README.md": { + "original_hash": "abf86d845c84330bce205a46b382ec88", + "translation_date": "2025-09-05T21:10:30+00:00", + "source_file": "2-Regression/4-Logistic/README.md", + "language_code": "sv" + }, + "2-Regression/4-Logistic/assignment.md": { + "original_hash": "8af40209a41494068c1f42b14c0b450d", + "translation_date": "2025-09-05T21:12:07+00:00", + "source_file": "2-Regression/4-Logistic/assignment.md", + "language_code": "sv" + }, + "2-Regression/4-Logistic/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:12:21+00:00", + "source_file": "2-Regression/4-Logistic/solution/Julia/README.md", + "language_code": "sv" + }, + "2-Regression/README.md": { + "original_hash": "508582278dbb8edd2a8a80ac96ef416c", + "translation_date": "2025-09-05T21:04:51+00:00", + "source_file": "2-Regression/README.md", + "language_code": "sv" + }, + "3-Web-App/1-Web-App/README.md": { + "original_hash": "e0b75f73e4a90d45181dc5581fe2ef5c", + "translation_date": "2025-09-05T21:47:01+00:00", + "source_file": "3-Web-App/1-Web-App/README.md", + "language_code": "sv" + }, + "3-Web-App/1-Web-App/assignment.md": { + "original_hash": "a8e8ae10be335cbc745b75ee552317ff", + "translation_date": "2025-09-05T21:48:08+00:00", + "source_file": "3-Web-App/1-Web-App/assignment.md", + "language_code": "sv" + }, + "3-Web-App/README.md": { + "original_hash": "9836ff53cfef716ddfd70e06c5f43436", + "translation_date": "2025-09-05T21:46:14+00:00", + "source_file": "3-Web-App/README.md", + "language_code": "sv" + }, + "4-Classification/1-Introduction/README.md": { + "original_hash": "aaf391d922bd6de5efba871d514c6d47", + "translation_date": "2025-09-05T21:55:18+00:00", + "source_file": "4-Classification/1-Introduction/README.md", + "language_code": "sv" + }, + "4-Classification/1-Introduction/assignment.md": { + "original_hash": "b2a01912beb24cfb0007f83594dba801", + "translation_date": "2025-09-05T21:56:19+00:00", + "source_file": "4-Classification/1-Introduction/assignment.md", + "language_code": "sv" + }, + "4-Classification/1-Introduction/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:56:35+00:00", + "source_file": "4-Classification/1-Introduction/solution/Julia/README.md", + "language_code": "sv" + }, + "4-Classification/2-Classifiers-1/README.md": { + "original_hash": "1a6e9e46b34a2e559fbbfc1f95397c7b", + "translation_date": "2025-09-05T21:50:01+00:00", + "source_file": "4-Classification/2-Classifiers-1/README.md", + "language_code": "sv" + }, + "4-Classification/2-Classifiers-1/assignment.md": { + "original_hash": "de6025f96841498b0577e9d1aee18d1f", + "translation_date": "2025-09-05T21:51:25+00:00", + "source_file": "4-Classification/2-Classifiers-1/assignment.md", + "language_code": "sv" + }, + "4-Classification/2-Classifiers-1/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:51:40+00:00", + "source_file": "4-Classification/2-Classifiers-1/solution/Julia/README.md", + "language_code": "sv" + }, + "4-Classification/3-Classifiers-2/README.md": { + "original_hash": "49047911108adc49d605cddfb455749c", + "translation_date": "2025-09-05T21:53:40+00:00", + "source_file": "4-Classification/3-Classifiers-2/README.md", + "language_code": "sv" + }, + "4-Classification/3-Classifiers-2/assignment.md": { + "original_hash": "58dfdaf79fb73f7d34b22bdbacf57329", + "translation_date": "2025-09-05T21:54:28+00:00", + "source_file": "4-Classification/3-Classifiers-2/assignment.md", + "language_code": "sv" + }, + "4-Classification/3-Classifiers-2/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:54:42+00:00", + "source_file": "4-Classification/3-Classifiers-2/solution/Julia/README.md", + "language_code": "sv" + }, + "4-Classification/4-Applied/README.md": { + "original_hash": "61bdec27ed2da8b098cd9065405d9bb0", + "translation_date": "2025-09-05T21:52:12+00:00", + "source_file": "4-Classification/4-Applied/README.md", + "language_code": "sv" + }, + "4-Classification/4-Applied/assignment.md": { + "original_hash": "799ed651e2af0a7cad17c6268db11578", + "translation_date": "2025-09-05T21:53:08+00:00", + "source_file": "4-Classification/4-Applied/assignment.md", + "language_code": "sv" + }, + "4-Classification/README.md": { + "original_hash": "74e809ffd1e613a1058bbc3e9600859e", + "translation_date": "2025-09-05T21:49:04+00:00", + "source_file": "4-Classification/README.md", + "language_code": "sv" + }, + "5-Clustering/1-Visualize/README.md": { + "original_hash": "730225ea274c9174fe688b21d421539d", + "translation_date": "2025-09-05T21:26:29+00:00", + "source_file": "5-Clustering/1-Visualize/README.md", + "language_code": "sv" + }, + "5-Clustering/1-Visualize/assignment.md": { + "original_hash": "589fa015a5e7d9e67bd629f7d47b53de", + "translation_date": "2025-09-05T21:28:28+00:00", + "source_file": "5-Clustering/1-Visualize/assignment.md", + "language_code": "sv" + }, + "5-Clustering/1-Visualize/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:28:44+00:00", + "source_file": "5-Clustering/1-Visualize/solution/Julia/README.md", + "language_code": "sv" + }, + "5-Clustering/2-K-Means/README.md": { + "original_hash": "7cdd17338d9bbd7e2171c2cd462eb081", + "translation_date": "2025-09-05T21:29:18+00:00", + "source_file": "5-Clustering/2-K-Means/README.md", + "language_code": "sv" + }, + "5-Clustering/2-K-Means/assignment.md": { + "original_hash": "b8e17eff34ad1680eba2a5d3cf9ffc41", + "translation_date": "2025-09-05T21:30:19+00:00", + "source_file": "5-Clustering/2-K-Means/assignment.md", + "language_code": "sv" + }, + "5-Clustering/2-K-Means/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:30:34+00:00", + "source_file": "5-Clustering/2-K-Means/solution/Julia/README.md", + "language_code": "sv" + }, + "5-Clustering/README.md": { + "original_hash": "b28a3a4911584062772c537b653ebbc7", + "translation_date": "2025-09-05T21:25:08+00:00", + "source_file": "5-Clustering/README.md", + "language_code": "sv" + }, + "6-NLP/1-Introduction-to-NLP/README.md": { + "original_hash": "1c2ec40cf55c98a028a359c27ef7e45a", + "translation_date": "2025-09-05T22:21:40+00:00", + "source_file": "6-NLP/1-Introduction-to-NLP/README.md", + "language_code": "sv" + }, + "6-NLP/1-Introduction-to-NLP/assignment.md": { + "original_hash": "1d7583e8046dacbb0c056d5ba0a71b16", + "translation_date": "2025-09-05T22:23:02+00:00", + "source_file": "6-NLP/1-Introduction-to-NLP/assignment.md", + "language_code": "sv" + }, + "6-NLP/2-Tasks/README.md": { + "original_hash": "5f3cb462e3122e1afe7ab0050ccf2bd3", + "translation_date": "2025-09-05T22:13:18+00:00", + "source_file": "6-NLP/2-Tasks/README.md", + "language_code": "sv" + }, + "6-NLP/2-Tasks/assignment.md": { + "original_hash": "2efc4c2aba5ed06c780c05539c492ae3", + "translation_date": "2025-09-05T22:15:03+00:00", + "source_file": "6-NLP/2-Tasks/assignment.md", + "language_code": "sv" + }, + "6-NLP/3-Translation-Sentiment/README.md": { + "original_hash": "be03c8182982b87ced155e4e9d1438e8", + "translation_date": "2025-09-05T22:24:00+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/README.md", + "language_code": "sv" + }, + "6-NLP/3-Translation-Sentiment/assignment.md": { + "original_hash": "9d2a734deb904caff310d1a999c6bd7a", + "translation_date": "2025-09-05T22:25:49+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/assignment.md", + "language_code": "sv" + }, + "6-NLP/3-Translation-Sentiment/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T22:26:23+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/solution/Julia/README.md", + "language_code": "sv" + }, + "6-NLP/3-Translation-Sentiment/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T22:26:11+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/solution/R/README.md", + "language_code": "sv" + }, + "6-NLP/4-Hotel-Reviews-1/README.md": { + "original_hash": "8d32dadeda93c6fb5c43619854882ab1", + "translation_date": "2025-09-05T22:16:42+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/README.md", + "language_code": "sv" + }, + "6-NLP/4-Hotel-Reviews-1/assignment.md": { + "original_hash": "bf39bceb833cd628f224941dca8041df", + "translation_date": "2025-09-05T22:19:51+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/assignment.md", + "language_code": "sv" + }, + "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T22:20:32+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md", + "language_code": "sv" + }, + "6-NLP/4-Hotel-Reviews-1/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T22:20:21+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/solution/R/README.md", + "language_code": "sv" + }, + "6-NLP/5-Hotel-Reviews-2/README.md": { + "original_hash": "2c742993fe95d5bcbb2846eda3d442a1", + "translation_date": "2025-09-05T22:27:31+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/README.md", + "language_code": "sv" + }, + "6-NLP/5-Hotel-Reviews-2/assignment.md": { + "original_hash": "daf144daa552da6a7d442aff6f3e77d8", + "translation_date": "2025-09-05T22:29:27+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/assignment.md", + "language_code": "sv" + }, + "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T22:30:00+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md", + "language_code": "sv" + }, + "6-NLP/5-Hotel-Reviews-2/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T22:29:43+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/solution/R/README.md", + "language_code": "sv" + }, + "6-NLP/README.md": { + "original_hash": "1eb379dc2d0c9940b320732d16083778", + "translation_date": "2025-09-05T22:11:47+00:00", + "source_file": "6-NLP/README.md", + "language_code": "sv" + }, + "6-NLP/data/README.md": { + "original_hash": "ee0670655c89e4719319764afb113624", + "translation_date": "2025-09-05T22:20:42+00:00", + "source_file": "6-NLP/data/README.md", + "language_code": "sv" + }, + "7-TimeSeries/1-Introduction/README.md": { + "original_hash": "662b509c39eee205687726636d0a8455", + "translation_date": "2025-09-05T21:21:19+00:00", + "source_file": "7-TimeSeries/1-Introduction/README.md", + "language_code": "sv" + }, + "7-TimeSeries/1-Introduction/assignment.md": { + "original_hash": "d1781b0b92568ea1d119d0a198b576b4", + "translation_date": "2025-09-05T21:22:31+00:00", + "source_file": "7-TimeSeries/1-Introduction/assignment.md", + "language_code": "sv" + }, + "7-TimeSeries/1-Introduction/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:22:57+00:00", + "source_file": "7-TimeSeries/1-Introduction/solution/Julia/README.md", + "language_code": "sv" + }, + "7-TimeSeries/1-Introduction/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T21:22:47+00:00", + "source_file": "7-TimeSeries/1-Introduction/solution/R/README.md", + "language_code": "sv" + }, + "7-TimeSeries/2-ARIMA/README.md": { + "original_hash": "917dbf890db71a322f306050cb284749", + "translation_date": "2025-09-05T21:18:44+00:00", + "source_file": "7-TimeSeries/2-ARIMA/README.md", + "language_code": "sv" + }, + "7-TimeSeries/2-ARIMA/assignment.md": { + "original_hash": "1c814013e10866dfd92cdb32caaae3ac", + "translation_date": "2025-09-05T21:20:10+00:00", + "source_file": "7-TimeSeries/2-ARIMA/assignment.md", + "language_code": "sv" + }, + "7-TimeSeries/2-ARIMA/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:20:35+00:00", + "source_file": "7-TimeSeries/2-ARIMA/solution/Julia/README.md", + "language_code": "sv" + }, + "7-TimeSeries/2-ARIMA/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T21:20:25+00:00", + "source_file": "7-TimeSeries/2-ARIMA/solution/R/README.md", + "language_code": "sv" + }, + "7-TimeSeries/3-SVR/README.md": { + "original_hash": "482bccabe1df958496ea71a3667995cd", + "translation_date": "2025-09-05T21:23:41+00:00", + "source_file": "7-TimeSeries/3-SVR/README.md", + "language_code": "sv" + }, + "7-TimeSeries/3-SVR/assignment.md": { + "original_hash": "94aa2fc6154252ae30a3f3740299707a", + "translation_date": "2025-09-05T21:24:45+00:00", + "source_file": "7-TimeSeries/3-SVR/assignment.md", + "language_code": "sv" + }, + "7-TimeSeries/README.md": { + "original_hash": "61342603bad8acadbc6b2e4e3aab3f66", + "translation_date": "2025-09-05T21:17:38+00:00", + "source_file": "7-TimeSeries/README.md", + "language_code": "sv" + }, + "8-Reinforcement/1-QLearning/README.md": { + "original_hash": "911efd5e595089000cb3c16fce1beab8", + "translation_date": "2025-09-05T22:04:16+00:00", + "source_file": "8-Reinforcement/1-QLearning/README.md", + "language_code": "sv" + }, + "8-Reinforcement/1-QLearning/assignment.md": { + "original_hash": "68394b2102d3503882e5e914bd0ff5c1", + "translation_date": "2025-09-05T22:07:07+00:00", + "source_file": "8-Reinforcement/1-QLearning/assignment.md", + "language_code": "sv" + }, + "8-Reinforcement/1-QLearning/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T22:07:55+00:00", + "source_file": "8-Reinforcement/1-QLearning/solution/Julia/README.md", + "language_code": "sv" + }, + "8-Reinforcement/1-QLearning/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T22:07:46+00:00", + "source_file": "8-Reinforcement/1-QLearning/solution/R/README.md", + "language_code": "sv" + }, + "8-Reinforcement/2-Gym/README.md": { + "original_hash": "107d5bb29da8a562e7ae72262d251a75", + "translation_date": "2025-09-05T22:08:49+00:00", + "source_file": "8-Reinforcement/2-Gym/README.md", + "language_code": "sv" + }, + "8-Reinforcement/2-Gym/assignment.md": { + "original_hash": "1f2b7441745eb52e25745423b247016b", + "translation_date": "2025-09-05T22:10:42+00:00", + "source_file": "8-Reinforcement/2-Gym/assignment.md", + "language_code": "sv" + }, + "8-Reinforcement/2-Gym/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T22:11:30+00:00", + "source_file": "8-Reinforcement/2-Gym/solution/Julia/README.md", + "language_code": "sv" + }, + "8-Reinforcement/2-Gym/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T22:11:20+00:00", + "source_file": "8-Reinforcement/2-Gym/solution/R/README.md", + "language_code": "sv" + }, + "8-Reinforcement/README.md": { + "original_hash": "20ca019012b1725de956681d036d8b18", + "translation_date": "2025-09-05T22:01:26+00:00", + "source_file": "8-Reinforcement/README.md", + "language_code": "sv" + }, + "9-Real-World/1-Applications/README.md": { + "original_hash": "83320d6b6994909e35d830cebf214039", + "translation_date": "2025-09-05T21:32:51+00:00", + "source_file": "9-Real-World/1-Applications/README.md", + "language_code": "sv" + }, + "9-Real-World/1-Applications/assignment.md": { + "original_hash": "fdebfcd0a3f12c9e2b436ded1aa79885", + "translation_date": "2025-09-05T21:34:17+00:00", + "source_file": "9-Real-World/1-Applications/assignment.md", + "language_code": "sv" + }, + "9-Real-World/2-Debugging-ML-Models/README.md": { + "original_hash": "df2b538e8fbb3e91cf0419ae2f858675", + "translation_date": "2025-09-05T21:35:24+00:00", + "source_file": "9-Real-World/2-Debugging-ML-Models/README.md", + "language_code": "sv" + }, + "9-Real-World/2-Debugging-ML-Models/assignment.md": { + "original_hash": "91c6a180ef08e20cc15acfd2d6d6e164", + "translation_date": "2025-09-05T21:37:09+00:00", + "source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md", + "language_code": "sv" + }, + "9-Real-World/README.md": { + "original_hash": "5e069a0ac02a9606a69946c2b3c574a9", + "translation_date": "2025-09-05T21:31:32+00:00", + "source_file": "9-Real-World/README.md", + "language_code": "sv" + }, + "AGENTS.md": { + "original_hash": "93fdaa0fd38836e50c4793e2f2f25e8b", + "translation_date": "2025-10-03T11:09:52+00:00", + "source_file": "AGENTS.md", + "language_code": "sv" + }, + "CODE_OF_CONDUCT.md": { + "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56", + "translation_date": "2025-09-05T21:04:28+00:00", + "source_file": "CODE_OF_CONDUCT.md", + "language_code": "sv" + }, + "CONTRIBUTING.md": { + "original_hash": "977ec5266dfd78ad1ce2bd8d46fccbda", + "translation_date": "2025-09-05T21:03:11+00:00", + "source_file": "CONTRIBUTING.md", + "language_code": "sv" + }, + "README.md": { + "original_hash": "da2ceed62f16a0820259556e3a873c95", + "translation_date": "2026-01-29T18:34:30+00:00", + "source_file": "README.md", + "language_code": "sv" + }, + "SECURITY.md": { + "original_hash": "5e1b8da31aae9cca3d53ad243fa3365a", + "translation_date": "2025-09-05T21:03:35+00:00", + "source_file": "SECURITY.md", + "language_code": "sv" + }, + "SUPPORT.md": { + "original_hash": "09623d7343ff1c26ff4f198c1b2d3176", + "translation_date": "2025-10-03T12:05:58+00:00", + "source_file": "SUPPORT.md", + "language_code": "sv" + }, + "TROUBLESHOOTING.md": { + "original_hash": "134d8759f0e2ab886e9aa4f62362c201", + "translation_date": "2025-10-03T12:47:22+00:00", + "source_file": "TROUBLESHOOTING.md", + "language_code": "sv" + }, + "docs/_sidebar.md": { + "original_hash": "68dd06c685f6ce840e0acfa313352e7c", + "translation_date": "2025-09-05T21:30:57+00:00", + "source_file": "docs/_sidebar.md", + "language_code": "sv" + }, + "for-teachers.md": { + "original_hash": "b37de02054fa6c0438ede6fabe1fdfb8", + "translation_date": "2025-09-05T21:04:06+00:00", + "source_file": "for-teachers.md", + "language_code": "sv" + }, + "quiz-app/README.md": { + "original_hash": "6d130dffca5db70d7e615f926cb1ad4c", + "translation_date": "2025-09-05T21:48:33+00:00", + "source_file": "quiz-app/README.md", + "language_code": "sv" + }, + "sketchnotes/LICENSE.md": { + "original_hash": "fba3b94d88bfb9b81369b869a1e9a20f", + "translation_date": "2025-09-05T21:58:54+00:00", + "source_file": "sketchnotes/LICENSE.md", + "language_code": "sv" + }, + "sketchnotes/README.md": { + "original_hash": "a88d5918c1b9da69a40d917a0840c497", + "translation_date": "2025-09-05T21:56:46+00:00", + "source_file": "sketchnotes/README.md", + "language_code": "sv" + } +} \ No newline at end of file diff --git a/translations/sv/1-Introduction/1-intro-to-ML/README.md b/translations/sv/1-Introduction/1-intro-to-ML/README.md index cadde5704..bcef9d793 100644 --- a/translations/sv/1-Introduction/1-intro-to-ML/README.md +++ b/translations/sv/1-Introduction/1-intro-to-ML/README.md @@ -1,12 +1,3 @@ - # Introduktion till maskininlärning ## [Quiz före föreläsning](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/sv/1-Introduction/1-intro-to-ML/assignment.md b/translations/sv/1-Introduction/1-intro-to-ML/assignment.md index 94272ca8a..f19067cb3 100644 --- a/translations/sv/1-Introduction/1-intro-to-ML/assignment.md +++ b/translations/sv/1-Introduction/1-intro-to-ML/assignment.md @@ -1,12 +1,3 @@ - # Kom igång ## Instruktioner diff --git a/translations/sv/1-Introduction/2-history-of-ML/README.md b/translations/sv/1-Introduction/2-history-of-ML/README.md index 1b92449d3..f6af3451a 100644 --- a/translations/sv/1-Introduction/2-history-of-ML/README.md +++ b/translations/sv/1-Introduction/2-history-of-ML/README.md @@ -1,12 +1,3 @@ - # Historien om maskininlärning ![Sammanfattning av historien om maskininlärning i en sketchnote](../../../../sketchnotes/ml-history.png) diff --git a/translations/sv/1-Introduction/2-history-of-ML/assignment.md b/translations/sv/1-Introduction/2-history-of-ML/assignment.md index 2996916c4..f60a04dc5 100644 --- a/translations/sv/1-Introduction/2-history-of-ML/assignment.md +++ b/translations/sv/1-Introduction/2-history-of-ML/assignment.md @@ -1,12 +1,3 @@ - # Skapa en tidslinje ## Instruktioner diff --git a/translations/sv/1-Introduction/3-fairness/README.md b/translations/sv/1-Introduction/3-fairness/README.md index 27b21a88e..17f934255 100644 --- a/translations/sv/1-Introduction/3-fairness/README.md +++ b/translations/sv/1-Introduction/3-fairness/README.md @@ -1,12 +1,3 @@ - # Bygga maskininlärningslösningar med ansvarsfull AI ![Sammanfattning av ansvarsfull AI i maskininlärning i en sketchnote](../../../../sketchnotes/ml-fairness.png) diff --git a/translations/sv/1-Introduction/3-fairness/assignment.md b/translations/sv/1-Introduction/3-fairness/assignment.md index c0e8de0fd..00f585c1d 100644 --- a/translations/sv/1-Introduction/3-fairness/assignment.md +++ b/translations/sv/1-Introduction/3-fairness/assignment.md @@ -1,12 +1,3 @@ - # Utforska Responsible AI Toolbox ## Instruktioner diff --git a/translations/sv/1-Introduction/4-techniques-of-ML/README.md b/translations/sv/1-Introduction/4-techniques-of-ML/README.md index a8a7bb296..a2a80827b 100644 --- a/translations/sv/1-Introduction/4-techniques-of-ML/README.md +++ b/translations/sv/1-Introduction/4-techniques-of-ML/README.md @@ -1,12 +1,3 @@ - # Tekniker för maskininlärning Processen att bygga, använda och underhålla modeller för maskininlärning och den data de använder skiljer sig avsevärt från många andra utvecklingsarbetsflöden. I denna lektion kommer vi att avmystifiera processen och beskriva de huvudsakliga tekniker du behöver känna till. Du kommer att: diff --git a/translations/sv/1-Introduction/4-techniques-of-ML/assignment.md b/translations/sv/1-Introduction/4-techniques-of-ML/assignment.md index 62f01a3ee..fa30f3abf 100644 --- a/translations/sv/1-Introduction/4-techniques-of-ML/assignment.md +++ b/translations/sv/1-Introduction/4-techniques-of-ML/assignment.md @@ -1,12 +1,3 @@ - # Intervjua en data scientist ## Instruktioner diff --git a/translations/sv/1-Introduction/README.md b/translations/sv/1-Introduction/README.md index 55103dba7..fb844f6e9 100644 --- a/translations/sv/1-Introduction/README.md +++ b/translations/sv/1-Introduction/README.md @@ -1,12 +1,3 @@ - # Introduktion till maskininlärning I den här delen av kursplanen kommer du att introduceras till de grundläggande koncepten inom området maskininlärning, vad det är, och lära dig om dess historia och de tekniker forskare använder för att arbeta med det. Låt oss utforska denna nya värld av ML tillsammans! diff --git a/translations/sv/2-Regression/1-Tools/README.md b/translations/sv/2-Regression/1-Tools/README.md index 04a55719b..40c1dff8f 100644 --- a/translations/sv/2-Regression/1-Tools/README.md +++ b/translations/sv/2-Regression/1-Tools/README.md @@ -1,12 +1,3 @@ - # Kom igång med Python och Scikit-learn för regressionsmodeller ![Sammanfattning av regressioner i en sketchnote](../../../../sketchnotes/ml-regression.png) diff --git a/translations/sv/2-Regression/1-Tools/assignment.md b/translations/sv/2-Regression/1-Tools/assignment.md index 38fc4e28a..a389878c8 100644 --- a/translations/sv/2-Regression/1-Tools/assignment.md +++ b/translations/sv/2-Regression/1-Tools/assignment.md @@ -1,12 +1,3 @@ - # Regression med Scikit-learn ## Instruktioner diff --git a/translations/sv/2-Regression/1-Tools/solution/Julia/README.md b/translations/sv/2-Regression/1-Tools/solution/Julia/README.md index e31b4414a..c6762d1d4 100644 --- a/translations/sv/2-Regression/1-Tools/solution/Julia/README.md +++ b/translations/sv/2-Regression/1-Tools/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sv/2-Regression/2-Data/README.md b/translations/sv/2-Regression/2-Data/README.md index f1dd19efe..147d6e246 100644 --- a/translations/sv/2-Regression/2-Data/README.md +++ b/translations/sv/2-Regression/2-Data/README.md @@ -1,12 +1,3 @@ - # Bygg en regressionsmodell med Scikit-learn: förbered och visualisera data ![Infografik för datavisualisering](../../../../2-Regression/2-Data/images/data-visualization.png) diff --git a/translations/sv/2-Regression/2-Data/assignment.md b/translations/sv/2-Regression/2-Data/assignment.md index b5fca92d1..c1fd406b0 100644 --- a/translations/sv/2-Regression/2-Data/assignment.md +++ b/translations/sv/2-Regression/2-Data/assignment.md @@ -1,12 +1,3 @@ - # Utforska Visualiseringar Det finns flera olika bibliotek som är tillgängliga för datavisualisering. Skapa några visualiseringar med hjälp av Pumpa-datan i denna lektion med matplotlib och seaborn i en exempelanteckningsbok. Vilka bibliotek är enklare att arbeta med? diff --git a/translations/sv/2-Regression/2-Data/solution/Julia/README.md b/translations/sv/2-Regression/2-Data/solution/Julia/README.md index c496279b7..e44eb05d4 100644 --- a/translations/sv/2-Regression/2-Data/solution/Julia/README.md +++ b/translations/sv/2-Regression/2-Data/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sv/2-Regression/3-Linear/README.md b/translations/sv/2-Regression/3-Linear/README.md index a2b56ff39..3b21dbb0a 100644 --- a/translations/sv/2-Regression/3-Linear/README.md +++ b/translations/sv/2-Regression/3-Linear/README.md @@ -1,12 +1,3 @@ - # Bygg en regressionsmodell med Scikit-learn: regression på fyra sätt ![Infografik om linjär vs polynomisk regression](../../../../2-Regression/3-Linear/images/linear-polynomial.png) @@ -114,11 +105,11 @@ Nu när du har en förståelse för matematiken bakom linjär regression, låt o Från föregående lektion har du förmodligen sett att det genomsnittliga priset för olika månader ser ut så här: -Genomsnittligt pris per månad +Genomsnittligt pris per månad Detta antyder att det borde finnas någon korrelation, och vi kan försöka träna en linjär regressionsmodell för att förutsäga relationen mellan `Månad` och `Pris`, eller mellan `DagPåÅret` och `Pris`. Här är spridningsdiagrammet som visar den senare relationen: -Spridningsdiagram av Pris vs. Dag på året +Spridningsdiagram av Pris vs. Dag på året Låt oss se om det finns en korrelation med hjälp av funktionen `corr`: @@ -137,7 +128,7 @@ for i,var in enumerate(new_pumpkins['Variety'].unique()): ax = df.plot.scatter('DayOfYear','Price',ax=ax,c=colors[i],label=var) ``` -Spridningsdiagram av Pris vs. Dag på året +Spridningsdiagram av Pris vs. Dag på året Vår undersökning antyder att sorten har större effekt på det övergripande priset än det faktiska försäljningsdatumet. Vi kan se detta med ett stapeldiagram: @@ -145,7 +136,7 @@ Vår undersökning antyder att sorten har större effekt på det övergripande p new_pumpkins.groupby('Variety')['Price'].mean().plot(kind='bar') ``` -Stapeldiagram av pris vs sort +Stapeldiagram av pris vs sort Låt oss för tillfället fokusera endast på en pumpasort, 'pie type', och se vilken effekt datumet har på priset: @@ -153,7 +144,7 @@ Låt oss för tillfället fokusera endast på en pumpasort, 'pie type', och se v pie_pumpkins = new_pumpkins[new_pumpkins['Variety']=='PIE TYPE'] pie_pumpkins.plot.scatter('DayOfYear','Price') ``` -Spridningsdiagram av Pris vs. Dag på året +Spridningsdiagram av Pris vs. Dag på året Om vi nu beräknar korrelationen mellan `Pris` och `DagPåÅret` med hjälp av funktionen `corr`, kommer vi att få något som `-0.27` - vilket betyder att det är meningsfullt att träna en prediktiv modell. @@ -227,7 +218,7 @@ plt.scatter(X_test,y_test) plt.plot(X_test,pred) ``` -Linjär regression +Linjär regression ## Polynomregression @@ -256,7 +247,7 @@ Att använda `PolynomialFeatures(2)` betyder att vi kommer att inkludera alla an Pipelines kan användas på samma sätt som det ursprungliga `LinearRegression`-objektet, dvs. vi kan `fit`-a pipelinen och sedan använda `predict` för att få prediktionsresultaten. Här är grafen som visar testdata och approximationskurvan: -Polynomregression +Polynomregression Med polynomregression kan vi få något lägre MSE och högre determination, men inte signifikant. Vi behöver ta hänsyn till andra funktioner! @@ -274,7 +265,7 @@ I den ideala världen vill vi kunna förutsäga priser för olika pumpasorter me Här kan du se hur medelpriset beror på sort: -Medelpris per sort +Medelpris per sort För att ta sort i beaktande måste vi först konvertera den till numerisk form, eller **koda** den. Det finns flera sätt att göra detta: diff --git a/translations/sv/2-Regression/3-Linear/assignment.md b/translations/sv/2-Regression/3-Linear/assignment.md index 11d3a323a..434758490 100644 --- a/translations/sv/2-Regression/3-Linear/assignment.md +++ b/translations/sv/2-Regression/3-Linear/assignment.md @@ -1,12 +1,3 @@ - # Skapa en regressionsmodell ## Instruktioner diff --git a/translations/sv/2-Regression/3-Linear/solution/Julia/README.md b/translations/sv/2-Regression/3-Linear/solution/Julia/README.md index bb610ce0e..5cb618b96 100644 --- a/translations/sv/2-Regression/3-Linear/solution/Julia/README.md +++ b/translations/sv/2-Regression/3-Linear/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sv/2-Regression/4-Logistic/README.md b/translations/sv/2-Regression/4-Logistic/README.md index 92e6e6f69..76a9f3042 100644 --- a/translations/sv/2-Regression/4-Logistic/README.md +++ b/translations/sv/2-Regression/4-Logistic/README.md @@ -1,12 +1,3 @@ - # Logistisk regression för att förutsäga kategorier ![Infografik om logistisk vs. linjär regression](../../../../2-Regression/4-Logistic/images/linear-vs-logistic.png) diff --git a/translations/sv/2-Regression/4-Logistic/assignment.md b/translations/sv/2-Regression/4-Logistic/assignment.md index 3bb13732e..d8ac56869 100644 --- a/translations/sv/2-Regression/4-Logistic/assignment.md +++ b/translations/sv/2-Regression/4-Logistic/assignment.md @@ -1,12 +1,3 @@ - # Försöker med lite Regression ## Instruktioner diff --git a/translations/sv/2-Regression/4-Logistic/solution/Julia/README.md b/translations/sv/2-Regression/4-Logistic/solution/Julia/README.md index 0bf2c9a6f..c6762d1d4 100644 --- a/translations/sv/2-Regression/4-Logistic/solution/Julia/README.md +++ b/translations/sv/2-Regression/4-Logistic/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sv/2-Regression/README.md b/translations/sv/2-Regression/README.md index e0feeaeda..26925a8ae 100644 --- a/translations/sv/2-Regression/README.md +++ b/translations/sv/2-Regression/README.md @@ -1,12 +1,3 @@ - # Regressionsmodeller för maskininlärning ## Regionalt ämne: Regressionsmodeller för pumpapriser i Nordamerika 🎃 diff --git a/translations/sv/3-Web-App/1-Web-App/README.md b/translations/sv/3-Web-App/1-Web-App/README.md index cf874c746..e7f076624 100644 --- a/translations/sv/3-Web-App/1-Web-App/README.md +++ b/translations/sv/3-Web-App/1-Web-App/README.md @@ -1,12 +1,3 @@ - # Bygg en webbapp för att använda en ML-modell I denna lektion kommer du att träna en ML-modell på en dataset som är utomjordisk: _UFO-observationer under det senaste århundradet_, hämtad från NUFORC:s databas. diff --git a/translations/sv/3-Web-App/1-Web-App/assignment.md b/translations/sv/3-Web-App/1-Web-App/assignment.md index 93cbdaf33..beb82e132 100644 --- a/translations/sv/3-Web-App/1-Web-App/assignment.md +++ b/translations/sv/3-Web-App/1-Web-App/assignment.md @@ -1,12 +1,3 @@ - # Prova en annan modell ## Instruktioner diff --git a/translations/sv/3-Web-App/README.md b/translations/sv/3-Web-App/README.md index a74d732cb..fd64e43d2 100644 --- a/translations/sv/3-Web-App/README.md +++ b/translations/sv/3-Web-App/README.md @@ -1,12 +1,3 @@ - # Bygg en webbapp för att använda din ML-modell I den här delen av kursen kommer du att introduceras till ett tillämpat ML-ämne: hur du sparar din Scikit-learn-modell som en fil som kan användas för att göra förutsägelser i en webbapplikation. När modellen är sparad kommer du att lära dig hur du använder den i en webbapp byggd med Flask. Du kommer först att skapa en modell med hjälp av data som handlar om UFO-observationer! Därefter bygger du en webbapp som låter dig mata in ett antal sekunder tillsammans med en latitud- och longitudvärde för att förutsäga vilket land som rapporterade att de såg ett UFO. diff --git a/translations/sv/4-Classification/1-Introduction/README.md b/translations/sv/4-Classification/1-Introduction/README.md index 892a84a38..1a9c10abe 100644 --- a/translations/sv/4-Classification/1-Introduction/README.md +++ b/translations/sv/4-Classification/1-Introduction/README.md @@ -1,12 +1,3 @@ - # Introduktion till klassificering I dessa fyra lektioner kommer du att utforska ett grundläggande fokus inom klassisk maskininlärning - _klassificering_. Vi kommer att gå igenom användningen av olika klassificeringsalgoritmer med en dataset om alla fantastiska kök från Asien och Indien. Hoppas du är hungrig! diff --git a/translations/sv/4-Classification/1-Introduction/assignment.md b/translations/sv/4-Classification/1-Introduction/assignment.md index ca3b31724..22cf94df8 100644 --- a/translations/sv/4-Classification/1-Introduction/assignment.md +++ b/translations/sv/4-Classification/1-Introduction/assignment.md @@ -1,12 +1,3 @@ - # Utforska klassificeringsmetoder ## Instruktioner diff --git a/translations/sv/4-Classification/1-Introduction/solution/Julia/README.md b/translations/sv/4-Classification/1-Introduction/solution/Julia/README.md index 60b49a7e5..c6762d1d4 100644 --- a/translations/sv/4-Classification/1-Introduction/solution/Julia/README.md +++ b/translations/sv/4-Classification/1-Introduction/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sv/4-Classification/2-Classifiers-1/README.md b/translations/sv/4-Classification/2-Classifiers-1/README.md index 54c3e809f..a82daa1c9 100644 --- a/translations/sv/4-Classification/2-Classifiers-1/README.md +++ b/translations/sv/4-Classification/2-Classifiers-1/README.md @@ -1,12 +1,3 @@ - # Klassificering av kök 1 I den här lektionen kommer du att använda datasetet som du sparade från den senaste lektionen, fullt av balanserad och ren data om olika kök. diff --git a/translations/sv/4-Classification/2-Classifiers-1/assignment.md b/translations/sv/4-Classification/2-Classifiers-1/assignment.md index c4f7b1675..8c7506e5d 100644 --- a/translations/sv/4-Classification/2-Classifiers-1/assignment.md +++ b/translations/sv/4-Classification/2-Classifiers-1/assignment.md @@ -1,12 +1,3 @@ - # Studera lösarna ## Instruktioner diff --git a/translations/sv/4-Classification/2-Classifiers-1/solution/Julia/README.md b/translations/sv/4-Classification/2-Classifiers-1/solution/Julia/README.md index 722d5fffc..5cb618b96 100644 --- a/translations/sv/4-Classification/2-Classifiers-1/solution/Julia/README.md +++ b/translations/sv/4-Classification/2-Classifiers-1/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sv/4-Classification/3-Classifiers-2/README.md b/translations/sv/4-Classification/3-Classifiers-2/README.md index c6b07d5a3..99faa97db 100644 --- a/translations/sv/4-Classification/3-Classifiers-2/README.md +++ b/translations/sv/4-Classification/3-Classifiers-2/README.md @@ -1,12 +1,3 @@ - # Klassificerare för matlagning 2 I den här andra lektionen om klassificering kommer du att utforska fler sätt att klassificera numerisk data. Du kommer också att lära dig om konsekvenserna av att välja en klassificerare framför en annan. diff --git a/translations/sv/4-Classification/3-Classifiers-2/assignment.md b/translations/sv/4-Classification/3-Classifiers-2/assignment.md index c8992a76a..29c99dbf6 100644 --- a/translations/sv/4-Classification/3-Classifiers-2/assignment.md +++ b/translations/sv/4-Classification/3-Classifiers-2/assignment.md @@ -1,12 +1,3 @@ - # Parameterlek ## Instruktioner diff --git a/translations/sv/4-Classification/3-Classifiers-2/solution/Julia/README.md b/translations/sv/4-Classification/3-Classifiers-2/solution/Julia/README.md index 85de31050..b5adb8408 100644 --- a/translations/sv/4-Classification/3-Classifiers-2/solution/Julia/README.md +++ b/translations/sv/4-Classification/3-Classifiers-2/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sv/4-Classification/4-Applied/README.md b/translations/sv/4-Classification/4-Applied/README.md index 450d23980..8c664b507 100644 --- a/translations/sv/4-Classification/4-Applied/README.md +++ b/translations/sv/4-Classification/4-Applied/README.md @@ -1,12 +1,3 @@ - # Bygg en webapp för matrekommendationer I den här lektionen kommer du att bygga en klassificeringsmodell med hjälp av några av de tekniker du har lärt dig i tidigare lektioner och med det läckra datasetet om mat som används genom hela denna serie. Dessutom kommer du att bygga en liten webapp för att använda en sparad modell, med hjälp av Onnx:s web runtime. diff --git a/translations/sv/4-Classification/4-Applied/assignment.md b/translations/sv/4-Classification/4-Applied/assignment.md index 1fee685f0..5afe56bf9 100644 --- a/translations/sv/4-Classification/4-Applied/assignment.md +++ b/translations/sv/4-Classification/4-Applied/assignment.md @@ -1,12 +1,3 @@ - # Bygg en rekommendationsmotor ## Instruktioner diff --git a/translations/sv/4-Classification/README.md b/translations/sv/4-Classification/README.md index bd305574e..70b553688 100644 --- a/translations/sv/4-Classification/README.md +++ b/translations/sv/4-Classification/README.md @@ -1,12 +1,3 @@ - # Komma igång med klassificering ## Regionalt ämne: Utsökta asiatiska och indiska maträtter 🍜 diff --git a/translations/sv/5-Clustering/1-Visualize/README.md b/translations/sv/5-Clustering/1-Visualize/README.md index 361e62f73..907f44bf0 100644 --- a/translations/sv/5-Clustering/1-Visualize/README.md +++ b/translations/sv/5-Clustering/1-Visualize/README.md @@ -1,12 +1,3 @@ - # Introduktion till klustring Klustring är en typ av [Oövervakad inlärning](https://wikipedia.org/wiki/Unsupervised_learning) som förutsätter att en dataset är oetiketterad eller att dess indata inte är kopplade till fördefinierade utdata. Den använder olika algoritmer för att sortera igenom oetiketterad data och skapa grupper baserat på mönster som den identifierar i datan. diff --git a/translations/sv/5-Clustering/1-Visualize/assignment.md b/translations/sv/5-Clustering/1-Visualize/assignment.md index c3de9d9d7..ef805e295 100644 --- a/translations/sv/5-Clustering/1-Visualize/assignment.md +++ b/translations/sv/5-Clustering/1-Visualize/assignment.md @@ -1,12 +1,3 @@ - # Undersök andra visualiseringar för klustring ## Instruktioner diff --git a/translations/sv/5-Clustering/1-Visualize/solution/Julia/README.md b/translations/sv/5-Clustering/1-Visualize/solution/Julia/README.md index a16ce72bc..c6762d1d4 100644 --- a/translations/sv/5-Clustering/1-Visualize/solution/Julia/README.md +++ b/translations/sv/5-Clustering/1-Visualize/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sv/5-Clustering/2-K-Means/README.md b/translations/sv/5-Clustering/2-K-Means/README.md index 0b273ddc5..f743efbb3 100644 --- a/translations/sv/5-Clustering/2-K-Means/README.md +++ b/translations/sv/5-Clustering/2-K-Means/README.md @@ -1,12 +1,3 @@ - # K-Means klustring ## [Pre-lecture quiz](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/sv/5-Clustering/2-K-Means/assignment.md b/translations/sv/5-Clustering/2-K-Means/assignment.md index 4c6e0998c..f15fdbf71 100644 --- a/translations/sv/5-Clustering/2-K-Means/assignment.md +++ b/translations/sv/5-Clustering/2-K-Means/assignment.md @@ -1,12 +1,3 @@ - # Prova olika klustermetoder ## Instruktioner diff --git a/translations/sv/5-Clustering/2-K-Means/solution/Julia/README.md b/translations/sv/5-Clustering/2-K-Means/solution/Julia/README.md index d6211b52f..324f88a7f 100644 --- a/translations/sv/5-Clustering/2-K-Means/solution/Julia/README.md +++ b/translations/sv/5-Clustering/2-K-Means/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sv/5-Clustering/README.md b/translations/sv/5-Clustering/README.md index a30369d70..0cf1b8b95 100644 --- a/translations/sv/5-Clustering/README.md +++ b/translations/sv/5-Clustering/README.md @@ -1,12 +1,3 @@ - # Klusteringsmodeller för maskininlärning Klustring är en maskininlärningsuppgift där man försöker hitta objekt som liknar varandra och gruppera dessa i grupper som kallas kluster. Det som skiljer klustring från andra metoder inom maskininlärning är att processen sker automatiskt. Faktum är att det kan sägas vara motsatsen till övervakad inlärning. diff --git a/translations/sv/6-NLP/1-Introduction-to-NLP/README.md b/translations/sv/6-NLP/1-Introduction-to-NLP/README.md index 09f4d3fd9..172691e66 100644 --- a/translations/sv/6-NLP/1-Introduction-to-NLP/README.md +++ b/translations/sv/6-NLP/1-Introduction-to-NLP/README.md @@ -1,12 +1,3 @@ - # Introduktion till naturlig språkbehandling Den här lektionen täcker en kort historik och viktiga koncept inom *naturlig språkbehandling*, ett delområde inom *datorlingvistik*. diff --git a/translations/sv/6-NLP/1-Introduction-to-NLP/assignment.md b/translations/sv/6-NLP/1-Introduction-to-NLP/assignment.md index aaad9aa50..5898ef424 100644 --- a/translations/sv/6-NLP/1-Introduction-to-NLP/assignment.md +++ b/translations/sv/6-NLP/1-Introduction-to-NLP/assignment.md @@ -1,12 +1,3 @@ - # Sök efter en bot ## Instruktioner diff --git a/translations/sv/6-NLP/2-Tasks/README.md b/translations/sv/6-NLP/2-Tasks/README.md index 66added8c..31b91bf25 100644 --- a/translations/sv/6-NLP/2-Tasks/README.md +++ b/translations/sv/6-NLP/2-Tasks/README.md @@ -1,12 +1,3 @@ - # Vanliga uppgifter och tekniker inom naturlig språkbehandling För de flesta *uppgifter inom naturlig språkbehandling* måste texten som ska bearbetas brytas ner, analyseras och resultaten lagras eller jämföras med regler och dataset. Dessa uppgifter gör det möjligt för programmeraren att härleda _meningen_ eller _avsikten_ eller bara _frekvensen_ av termer och ord i en text. diff --git a/translations/sv/6-NLP/2-Tasks/assignment.md b/translations/sv/6-NLP/2-Tasks/assignment.md index 872e24418..32a9704c6 100644 --- a/translations/sv/6-NLP/2-Tasks/assignment.md +++ b/translations/sv/6-NLP/2-Tasks/assignment.md @@ -1,12 +1,3 @@ - # Få en bot att svara tillbaka ## Instruktioner diff --git a/translations/sv/6-NLP/3-Translation-Sentiment/README.md b/translations/sv/6-NLP/3-Translation-Sentiment/README.md index a6422f84e..be913e6bf 100644 --- a/translations/sv/6-NLP/3-Translation-Sentiment/README.md +++ b/translations/sv/6-NLP/3-Translation-Sentiment/README.md @@ -1,12 +1,3 @@ - # Översättning och sentimentanalys med ML I de tidigare lektionerna lärde du dig att bygga en grundläggande bot med hjälp av `TextBlob`, ett bibliotek som använder maskininlärning bakom kulisserna för att utföra grundläggande NLP-uppgifter som att extrahera substantivfraser. En annan viktig utmaning inom datalingvistik är att korrekt _översätta_ en mening från ett talat eller skrivet språk till ett annat. diff --git a/translations/sv/6-NLP/3-Translation-Sentiment/assignment.md b/translations/sv/6-NLP/3-Translation-Sentiment/assignment.md index 871d8bf0a..f8b1a5ea5 100644 --- a/translations/sv/6-NLP/3-Translation-Sentiment/assignment.md +++ b/translations/sv/6-NLP/3-Translation-Sentiment/assignment.md @@ -1,12 +1,3 @@ - # Poetisk frihet ## Instruktioner diff --git a/translations/sv/6-NLP/3-Translation-Sentiment/solution/Julia/README.md b/translations/sv/6-NLP/3-Translation-Sentiment/solution/Julia/README.md index f85b8924e..c6762d1d4 100644 --- a/translations/sv/6-NLP/3-Translation-Sentiment/solution/Julia/README.md +++ b/translations/sv/6-NLP/3-Translation-Sentiment/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sv/6-NLP/3-Translation-Sentiment/solution/R/README.md b/translations/sv/6-NLP/3-Translation-Sentiment/solution/R/README.md index e679dc9e9..e996a4930 100644 --- a/translations/sv/6-NLP/3-Translation-Sentiment/solution/R/README.md +++ b/translations/sv/6-NLP/3-Translation-Sentiment/solution/R/README.md @@ -1,12 +1,3 @@ - detta är en tillfällig platshållare --- diff --git a/translations/sv/6-NLP/4-Hotel-Reviews-1/README.md b/translations/sv/6-NLP/4-Hotel-Reviews-1/README.md index 4902d0b73..6e8f053f6 100644 --- a/translations/sv/6-NLP/4-Hotel-Reviews-1/README.md +++ b/translations/sv/6-NLP/4-Hotel-Reviews-1/README.md @@ -1,12 +1,3 @@ - # Sentimentanalys med hotellrecensioner - bearbetning av data I den här sektionen kommer du att använda tekniker från tidigare lektioner för att utföra en utforskande dataanalys av en stor dataset. När du har fått en bra förståelse för användbarheten av de olika kolumnerna kommer du att lära dig: diff --git a/translations/sv/6-NLP/4-Hotel-Reviews-1/assignment.md b/translations/sv/6-NLP/4-Hotel-Reviews-1/assignment.md index e1764af33..8786582ca 100644 --- a/translations/sv/6-NLP/4-Hotel-Reviews-1/assignment.md +++ b/translations/sv/6-NLP/4-Hotel-Reviews-1/assignment.md @@ -1,12 +1,3 @@ - # NLTK ## Instruktioner diff --git a/translations/sv/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md b/translations/sv/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md index d5cd8aaae..97ab688c5 100644 --- a/translations/sv/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md +++ b/translations/sv/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sv/6-NLP/4-Hotel-Reviews-1/solution/R/README.md b/translations/sv/6-NLP/4-Hotel-Reviews-1/solution/R/README.md index 1f90194fc..a1976c81f 100644 --- a/translations/sv/6-NLP/4-Hotel-Reviews-1/solution/R/README.md +++ b/translations/sv/6-NLP/4-Hotel-Reviews-1/solution/R/README.md @@ -1,12 +1,3 @@ - detta är en tillfällig platshållare --- diff --git a/translations/sv/6-NLP/5-Hotel-Reviews-2/README.md b/translations/sv/6-NLP/5-Hotel-Reviews-2/README.md index 411ea37ec..f04a01cf3 100644 --- a/translations/sv/6-NLP/5-Hotel-Reviews-2/README.md +++ b/translations/sv/6-NLP/5-Hotel-Reviews-2/README.md @@ -1,12 +1,3 @@ - # Sentimentanalys med hotellrecensioner Nu när du har utforskat datasetet i detalj är det dags att filtrera kolumnerna och använda NLP-tekniker på datasetet för att få nya insikter om hotellen. diff --git a/translations/sv/6-NLP/5-Hotel-Reviews-2/assignment.md b/translations/sv/6-NLP/5-Hotel-Reviews-2/assignment.md index 919e39732..98049a225 100644 --- a/translations/sv/6-NLP/5-Hotel-Reviews-2/assignment.md +++ b/translations/sv/6-NLP/5-Hotel-Reviews-2/assignment.md @@ -1,12 +1,3 @@ - # Prova ett annat dataset ## Instruktioner diff --git a/translations/sv/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md b/translations/sv/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md index e5f4c9035..51f09ca74 100644 --- a/translations/sv/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md +++ b/translations/sv/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sv/6-NLP/5-Hotel-Reviews-2/solution/R/README.md b/translations/sv/6-NLP/5-Hotel-Reviews-2/solution/R/README.md index 11a76fa89..e996a4930 100644 --- a/translations/sv/6-NLP/5-Hotel-Reviews-2/solution/R/README.md +++ b/translations/sv/6-NLP/5-Hotel-Reviews-2/solution/R/README.md @@ -1,12 +1,3 @@ - detta är en tillfällig platshållare --- diff --git a/translations/sv/6-NLP/README.md b/translations/sv/6-NLP/README.md index 998e6ff3c..cc16e8818 100644 --- a/translations/sv/6-NLP/README.md +++ b/translations/sv/6-NLP/README.md @@ -1,12 +1,3 @@ - # Komma igång med naturlig språkbehandling Naturlig språkbehandling (NLP) är förmågan hos ett datorprogram att förstå mänskligt språk som det talas och skrivs – det som kallas naturligt språk. Det är en del av artificiell intelligens (AI). NLP har funnits i över 50 år och har sina rötter inom lingvistikens område. Hela området syftar till att hjälpa maskiner att förstå och bearbeta mänskligt språk. Detta kan sedan användas för att utföra uppgifter som stavningskontroll eller maskinöversättning. Det har en mängd verkliga tillämpningar inom flera områden, inklusive medicinsk forskning, sökmotorer och affärsanalys. diff --git a/translations/sv/6-NLP/data/README.md b/translations/sv/6-NLP/data/README.md index a7ec93156..07d433189 100644 --- a/translations/sv/6-NLP/data/README.md +++ b/translations/sv/6-NLP/data/README.md @@ -1,12 +1,3 @@ - Ladda ner hotellrecensionsdata till den här mappen. --- diff --git a/translations/sv/7-TimeSeries/1-Introduction/README.md b/translations/sv/7-TimeSeries/1-Introduction/README.md index 4bb778d67..9d68f11e7 100644 --- a/translations/sv/7-TimeSeries/1-Introduction/README.md +++ b/translations/sv/7-TimeSeries/1-Introduction/README.md @@ -1,12 +1,3 @@ - # Introduktion till tidsserieprognostisering ![Sammanfattning av tidsserier i en sketchnote](../../../../sketchnotes/ml-timeseries.png) diff --git a/translations/sv/7-TimeSeries/1-Introduction/assignment.md b/translations/sv/7-TimeSeries/1-Introduction/assignment.md index 3b3739143..5e8a86703 100644 --- a/translations/sv/7-TimeSeries/1-Introduction/assignment.md +++ b/translations/sv/7-TimeSeries/1-Introduction/assignment.md @@ -1,12 +1,3 @@ - # Visualisera fler tidsserier ## Instruktioner diff --git a/translations/sv/7-TimeSeries/1-Introduction/solution/Julia/README.md b/translations/sv/7-TimeSeries/1-Introduction/solution/Julia/README.md index 0426e458f..c6762d1d4 100644 --- a/translations/sv/7-TimeSeries/1-Introduction/solution/Julia/README.md +++ b/translations/sv/7-TimeSeries/1-Introduction/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sv/7-TimeSeries/1-Introduction/solution/R/README.md b/translations/sv/7-TimeSeries/1-Introduction/solution/R/README.md index 161c7818d..e996a4930 100644 --- a/translations/sv/7-TimeSeries/1-Introduction/solution/R/README.md +++ b/translations/sv/7-TimeSeries/1-Introduction/solution/R/README.md @@ -1,12 +1,3 @@ - detta är en tillfällig platshållare --- diff --git a/translations/sv/7-TimeSeries/2-ARIMA/README.md b/translations/sv/7-TimeSeries/2-ARIMA/README.md index 1d4359c14..2fdc2d853 100644 --- a/translations/sv/7-TimeSeries/2-ARIMA/README.md +++ b/translations/sv/7-TimeSeries/2-ARIMA/README.md @@ -1,12 +1,3 @@ - # Tidsserieprognoser med ARIMA I den föregående lektionen lärde du dig lite om tidsserieprognoser och laddade en dataset som visar variationer i elektrisk belastning över en tidsperiod. diff --git a/translations/sv/7-TimeSeries/2-ARIMA/assignment.md b/translations/sv/7-TimeSeries/2-ARIMA/assignment.md index f1cb7641b..03ac990a2 100644 --- a/translations/sv/7-TimeSeries/2-ARIMA/assignment.md +++ b/translations/sv/7-TimeSeries/2-ARIMA/assignment.md @@ -1,12 +1,3 @@ - # En ny ARIMA-modell ## Instruktioner diff --git a/translations/sv/7-TimeSeries/2-ARIMA/solution/Julia/README.md b/translations/sv/7-TimeSeries/2-ARIMA/solution/Julia/README.md index e31b12cb7..324f88a7f 100644 --- a/translations/sv/7-TimeSeries/2-ARIMA/solution/Julia/README.md +++ b/translations/sv/7-TimeSeries/2-ARIMA/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sv/7-TimeSeries/2-ARIMA/solution/R/README.md b/translations/sv/7-TimeSeries/2-ARIMA/solution/R/README.md index 4ffdd40d0..72340cd61 100644 --- a/translations/sv/7-TimeSeries/2-ARIMA/solution/R/README.md +++ b/translations/sv/7-TimeSeries/2-ARIMA/solution/R/README.md @@ -1,12 +1,3 @@ - detta är en tillfällig platshållare --- diff --git a/translations/sv/7-TimeSeries/3-SVR/README.md b/translations/sv/7-TimeSeries/3-SVR/README.md index a7aa35861..2d7491a88 100644 --- a/translations/sv/7-TimeSeries/3-SVR/README.md +++ b/translations/sv/7-TimeSeries/3-SVR/README.md @@ -1,12 +1,3 @@ - # Tidsserieprognoser med Support Vector Regressor I den föregående lektionen lärde du dig hur man använder ARIMA-modellen för att göra tidsserieprognoser. Nu ska vi titta på Support Vector Regressor-modellen, som är en regressionsmodell som används för att förutsäga kontinuerliga data. diff --git a/translations/sv/7-TimeSeries/3-SVR/assignment.md b/translations/sv/7-TimeSeries/3-SVR/assignment.md index d8558ffd2..c79a50803 100644 --- a/translations/sv/7-TimeSeries/3-SVR/assignment.md +++ b/translations/sv/7-TimeSeries/3-SVR/assignment.md @@ -1,12 +1,3 @@ - # En ny SVR-modell ## Instruktioner [^1] diff --git a/translations/sv/7-TimeSeries/README.md b/translations/sv/7-TimeSeries/README.md index 42370275d..a5303a33a 100644 --- a/translations/sv/7-TimeSeries/README.md +++ b/translations/sv/7-TimeSeries/README.md @@ -1,12 +1,3 @@ - # Introduktion till tidsserieprognostisering Vad är tidsserieprognostisering? Det handlar om att förutsäga framtida händelser genom att analysera trender från det förflutna. diff --git a/translations/sv/8-Reinforcement/1-QLearning/README.md b/translations/sv/8-Reinforcement/1-QLearning/README.md index 1581571df..c1fc155fe 100644 --- a/translations/sv/8-Reinforcement/1-QLearning/README.md +++ b/translations/sv/8-Reinforcement/1-QLearning/README.md @@ -1,12 +1,3 @@ - # Introduktion till förstärkningsinlärning och Q-Learning ![Sammanfattning av förstärkning inom maskininlärning i en sketchnote](../../../../sketchnotes/ml-reinforcement.png) diff --git a/translations/sv/8-Reinforcement/1-QLearning/assignment.md b/translations/sv/8-Reinforcement/1-QLearning/assignment.md index 66ae633e1..59a4ff9eb 100644 --- a/translations/sv/8-Reinforcement/1-QLearning/assignment.md +++ b/translations/sv/8-Reinforcement/1-QLearning/assignment.md @@ -1,12 +1,3 @@ - # En Mer Realistisk Värld I vår situation kunde Peter röra sig nästan utan att bli trött eller hungrig. I en mer realistisk värld måste han sätta sig ner och vila då och då, och även äta för att hålla sig mätt. Låt oss göra vår värld mer realistisk genom att implementera följande regler: diff --git a/translations/sv/8-Reinforcement/1-QLearning/solution/Julia/README.md b/translations/sv/8-Reinforcement/1-QLearning/solution/Julia/README.md index fd09c4543..5ec13fd0e 100644 --- a/translations/sv/8-Reinforcement/1-QLearning/solution/Julia/README.md +++ b/translations/sv/8-Reinforcement/1-QLearning/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sv/8-Reinforcement/1-QLearning/solution/R/README.md b/translations/sv/8-Reinforcement/1-QLearning/solution/R/README.md index f52eb4db7..a1976c81f 100644 --- a/translations/sv/8-Reinforcement/1-QLearning/solution/R/README.md +++ b/translations/sv/8-Reinforcement/1-QLearning/solution/R/README.md @@ -1,12 +1,3 @@ - detta är en tillfällig platshållare --- diff --git a/translations/sv/8-Reinforcement/2-Gym/README.md b/translations/sv/8-Reinforcement/2-Gym/README.md index e9a6215a7..ac66f7eed 100644 --- a/translations/sv/8-Reinforcement/2-Gym/README.md +++ b/translations/sv/8-Reinforcement/2-Gym/README.md @@ -1,12 +1,3 @@ - ## Förkunskaper I denna lektion kommer vi att använda ett bibliotek som heter **OpenAI Gym** för att simulera olika **miljöer**. Du kan köra kod från denna lektion lokalt (t.ex. från Visual Studio Code), i vilket fall simuleringen öppnas i ett nytt fönster. Om du kör koden online kan du behöva göra vissa justeringar, som beskrivs [här](https://towardsdatascience.com/rendering-openai-gym-envs-on-binder-and-google-colab-536f99391cc7). diff --git a/translations/sv/8-Reinforcement/2-Gym/assignment.md b/translations/sv/8-Reinforcement/2-Gym/assignment.md index 3fb797ae4..1da57a3db 100644 --- a/translations/sv/8-Reinforcement/2-Gym/assignment.md +++ b/translations/sv/8-Reinforcement/2-Gym/assignment.md @@ -1,12 +1,3 @@ - # Träna Mountain Car [OpenAI Gym](http://gym.openai.com) är utformat på ett sätt som gör att alla miljöer tillhandahåller samma API - dvs. samma metoder `reset`, `step` och `render`, samt samma abstraktioner för **aktionsutrymme** och **observationsutrymme**. Därför bör det vara möjligt att anpassa samma förstärkningsinlärningsalgoritmer till olika miljöer med minimala kodändringar. diff --git a/translations/sv/8-Reinforcement/2-Gym/solution/Julia/README.md b/translations/sv/8-Reinforcement/2-Gym/solution/Julia/README.md index fe4060195..c6762d1d4 100644 --- a/translations/sv/8-Reinforcement/2-Gym/solution/Julia/README.md +++ b/translations/sv/8-Reinforcement/2-Gym/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sv/8-Reinforcement/2-Gym/solution/R/README.md b/translations/sv/8-Reinforcement/2-Gym/solution/R/README.md index ef86c9e88..a9910223a 100644 --- a/translations/sv/8-Reinforcement/2-Gym/solution/R/README.md +++ b/translations/sv/8-Reinforcement/2-Gym/solution/R/README.md @@ -1,12 +1,3 @@ - detta är en tillfällig platshållare --- diff --git a/translations/sv/8-Reinforcement/README.md b/translations/sv/8-Reinforcement/README.md index f56845570..6acc01f7b 100644 --- a/translations/sv/8-Reinforcement/README.md +++ b/translations/sv/8-Reinforcement/README.md @@ -1,12 +1,3 @@ - # Introduktion till förstärkningsinlärning Förstärkningsinlärning, RL, ses som ett av de grundläggande paradigmen inom maskininlärning, vid sidan av övervakad inlärning och oövervakad inlärning. RL handlar om beslut: att fatta rätt beslut eller åtminstone lära sig av dem. diff --git a/translations/sv/9-Real-World/1-Applications/README.md b/translations/sv/9-Real-World/1-Applications/README.md index 53cd8c2a9..806df3c39 100644 --- a/translations/sv/9-Real-World/1-Applications/README.md +++ b/translations/sv/9-Real-World/1-Applications/README.md @@ -1,12 +1,3 @@ - # Postscript: Maskininlärning i verkligheten ![Sammanfattning av maskininlärning i verkligheten i en sketchnote](../../../../sketchnotes/ml-realworld.png) diff --git a/translations/sv/9-Real-World/1-Applications/assignment.md b/translations/sv/9-Real-World/1-Applications/assignment.md index 3ca0e40bc..9561e00d9 100644 --- a/translations/sv/9-Real-World/1-Applications/assignment.md +++ b/translations/sv/9-Real-World/1-Applications/assignment.md @@ -1,12 +1,3 @@ - # En ML-skattjakt ## Instruktioner diff --git a/translations/sv/9-Real-World/2-Debugging-ML-Models/README.md b/translations/sv/9-Real-World/2-Debugging-ML-Models/README.md index 4048c7e47..84416cd29 100644 --- a/translations/sv/9-Real-World/2-Debugging-ML-Models/README.md +++ b/translations/sv/9-Real-World/2-Debugging-ML-Models/README.md @@ -1,12 +1,3 @@ - # Postscript: Modellfelsökning i maskininlärning med komponenter från Responsible AI-dashboarden ## [Pre-lecture quiz](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/sv/9-Real-World/2-Debugging-ML-Models/assignment.md b/translations/sv/9-Real-World/2-Debugging-ML-Models/assignment.md index af66b0dc2..980296bfe 100644 --- a/translations/sv/9-Real-World/2-Debugging-ML-Models/assignment.md +++ b/translations/sv/9-Real-World/2-Debugging-ML-Models/assignment.md @@ -1,12 +1,3 @@ - # Utforska Responsible AI (RAI) dashboard ## Instruktioner diff --git a/translations/sv/9-Real-World/README.md b/translations/sv/9-Real-World/README.md index ed0b08072..2a099c003 100644 --- a/translations/sv/9-Real-World/README.md +++ b/translations/sv/9-Real-World/README.md @@ -1,12 +1,3 @@ - # Postscript: Verkliga tillämpningar av klassisk maskininlärning I den här delen av kursplanen kommer du att introduceras till några verkliga tillämpningar av klassisk ML. Vi har letat på internet efter forskningsartiklar och artiklar om tillämpningar som har använt dessa strategier, och undvikit neurala nätverk, djupinlärning och AI så mycket som möjligt. Lär dig om hur ML används i affärssystem, ekologiska tillämpningar, finans, konst och kultur, och mycket mer. diff --git a/translations/sv/AGENTS.md b/translations/sv/AGENTS.md index 678ef36a5..00beb69b5 100644 --- a/translations/sv/AGENTS.md +++ b/translations/sv/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## Projektöversikt diff --git a/translations/sv/CODE_OF_CONDUCT.md b/translations/sv/CODE_OF_CONDUCT.md index c9d66c357..c6c68332f 100644 --- a/translations/sv/CODE_OF_CONDUCT.md +++ b/translations/sv/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # Microsoft Open Source Uppförandekod Det här projektet har antagit [Microsoft Open Source Uppförandekod](https://opensource.microsoft.com/codeofconduct/). diff --git a/translations/sv/CONTRIBUTING.md b/translations/sv/CONTRIBUTING.md index 7322853cd..32e0d515c 100644 --- a/translations/sv/CONTRIBUTING.md +++ b/translations/sv/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # Bidra Det här projektet välkomnar bidrag och förslag. De flesta bidrag kräver att du diff --git a/translations/sv/README.md b/translations/sv/README.md index 93890900c..7e6483062 100644 --- a/translations/sv/README.md +++ b/translations/sv/README.md @@ -1,12 +1,3 @@ - [![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) @@ -17,16 +8,16 @@ CO_OP_TRANSLATOR_METADATA: [![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) [![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) -### 🌐 Flerspråkigt stöd +### 🌐 Stöd för flera språk -#### Stöttas via GitHub Action (Automatiserat & Alltid Uppdaterat) +#### Stöds via GitHub Action (Automatiserad & Alltid Uppdaterad) -[Arabiska](../ar/README.md) | [Bengaliska](../bn/README.md) | [Bulgariska](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Kinesiska (Förenklad)](../zh/README.md) | [Kinesiska (Traditionell, Hongkong)](../hk/README.md) | [Kinesiska (Traditionell, Macau)](../mo/README.md) | [Kinesiska (Traditionell, Taiwan)](../tw/README.md) | [Kroatiska](../hr/README.md) | [Tjeckiska](../cs/README.md) | [Danska](../da/README.md) | [Holländska](../nl/README.md) | [Estniska](../et/README.md) | [Finska](../fi/README.md) | [Franska](../fr/README.md) | [Tyska](../de/README.md) | [Grekiska](../el/README.md) | [Hebreiska](../he/README.md) | [Hindi](../hi/README.md) | [Ungerska](../hu/README.md) | [Indonesiska](../id/README.md) | [Italienska](../it/README.md) | [Japanska](../ja/README.md) | [Kannada](../kn/README.md) | [Koreanska](../ko/README.md) | [Litauiska](../lt/README.md) | [Malayiska](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigeriansk Pidgin](../pcm/README.md) | [Norska](../no/README.md) | [Persiska (Farsi)](../fa/README.md) | [Polska](../pl/README.md) | [Portugisiska (Brasilien)](../br/README.md) | [Portugisiska (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Rumänska](../ro/README.md) | [Ryska](../ru/README.md) | [Serbiska (Kyrilliska)](../sr/README.md) | [Slovakiska](../sk/README.md) | [Sloveniska](../sl/README.md) | [Spanska](../es/README.md) | [Swahili](../sw/README.md) | [Svenska](./README.md) | [Tagalog (Filippinska)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thailändska](../th/README.md) | [Turkiska](../tr/README.md) | [Ukrainska](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamesiska](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](./README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) -> **Föredrar du att Klona Lokalt?** +> **Föredrar du att klona lokalt?** -> Detta repository inkluderar över 50 språköversättningar vilket avsevärt ökar nedladdningsstorleken. För att klona utan översättningar, använd sparse checkout: +> Detta repository innehåller över 50 språköversättningar vilket avsevärt ökar nedladdningsstorleken. För att klona utan översättningar, använd sparsam utcheckning: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > cd ML-For-Beginners @@ -39,131 +30,131 @@ CO_OP_TRANSLATOR_METADATA: [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Vi har en Discord serie om att lära sig med AI pågående, lär dig mer och gå med oss på [Learn with AI Series](https://aka.ms/learnwithai/discord) från 18 - 30 september 2025. Du får tips och tricks om att använda GitHub Copilot för Data Science. +Vi har en pågående Discord-serie om att lära sig med AI, lär dig mer och gå med oss på [Learn with AI Series](https://aka.ms/learnwithai/discord) från 18 till 30 september 2025. Du får tips och tricks för att använda GitHub Copilot för Data Science. -![Learn with AI series](../../../../translated_images/sv/3.9b58fd8d6c373c20.webp) +![Learn with AI series](../../translated_images/sv/3.9b58fd8d6c373c20.webp) -# Maskininlärning för nybörjare - En läroplan +# Maskininlärning för nybörjare - En kursplan -> 🌍 Res runt i världen när vi utforskar maskininlärning genom världens kulturer 🌍 +> 🌍 Res runt i världen medan vi utforskar maskininlärning med hjälp av världens kulturer 🌍 -Cloud Advocates på Microsoft är glada att erbjuda en 12-veckors, 26-lektioners läroplan helt dedikerad till **Maskininlärning**. I denna läroplan lär du dig vad som ibland kallas **klassisk maskininlärning**, där vi främst använder Scikit-learn som bibliotek och undviker djupinlärning, som täcks i vår [AI för nybörjare-läroplan](https://aka.ms/ai4beginners). Kombinera gärna dessa lektioner med vår ['Data Science för nybörjare-läroplan'](https://aka.ms/ds4beginners)! +Cloud Advocates på Microsoft är glada att erbjuda en 12-veckors, 26-lektions kursplan som helt och hållet handlar om **maskininlärning**. I denna kursplan lär du dig det som ibland kallas **klassisk maskininlärning**, där vi främst använder Scikit-learn som bibliotek och undviker djupinlärning, som täcks i vår [AI för nybörjare-kursplan](https://aka.ms/ai4beginners). Kombinera gärna dessa lektioner med vår ['Data Science för nybörjare'-kursplan](https://aka.ms/ds4beginners). -Res med oss runt världen när vi tillämpar dessa klassiska tekniker på data från många delar av världen. Varje lektion inkluderar quiz före och efter lektionen, skriftliga instruktioner för att genomföra lektionen, en lösning, en uppgift och mer. Vår projektbaserade pedagogik låter dig lära genom att skapa, vilket är ett beprövat sätt att befästa nya kunskaper. +Res med oss runt om i världen när vi applicerar dessa klassiska tekniker på data från många delar av världen. Varje lektion innehåller quiz före och efter lektionen, skriftliga instruktioner för att slutföra lektionen, en lösning, en uppgift och mer. Vår projektbaserade pedagogik låter dig lära samtidigt som du bygger, vilket är ett beprövat sätt att nytt lärande verkligen fastnar. **✍️ Stort tack till våra författare** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu och Amy Boyd **🎨 Tack även till våra illustratörer** Tomomi Imura, Dasani Madipalli och Jen Looper -**🙏 Specialtack 🙏 till våra Microsoft Student Ambassador-författare, granskare och innehållsmedarbetare**, särskilt Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila och Snigdha Agarwal +**🙏 Ett särskilt tack 🙏 till våra Microsoft Student Ambassador-författare, granskare och innehållsbidragsgivare**, särskilt Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila och Snigdha Agarwal -**🤩 Extra tacksamhet till Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi och Vidushi Gupta för våra R-lektioner!** +**🤩 Extra tack till Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi och Vidushi Gupta för våra R-lektioner!** -# Kom igång +# Komma igång Följ dessa steg: -1. **Fork:a Repositoryt**: Klicka på "Fork"-knappen uppe till höger på denna sida. -2. **Klona Repositoryt**: `git clone https://github.com/microsoft/ML-For-Beginners.git` +1. **Fork:a repositoryt**: Klicka på "Fork"-knappen uppe i högra hörnet på denna sida. +2. **Klona repositoryt**: `git clone https://github.com/microsoft/ML-For-Beginners.git` -> [hitta alla extra resurser för denna kurs i vår Microsoft Learn-samling](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [hitta alla ytterligare resurser för denna kurs i vår Microsoft Learn-samling](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -> 🔧 **Behöver du hjälp?** Kolla vår [Felsökningsguide](TROUBLESHOOTING.md) för lösningar på vanliga problem med installation, uppsättning och att köra lektioner. +> 🔧 **Behöver du hjälp?** Titta i vår [felsökningsguide](TROUBLESHOOTING.md) för lösningar på vanliga problem med installation, uppsättning och körning av lektioner. -**[Studenter](https://aka.ms/student-page)**, för att använda denna läroplan, fork:a hela repo till ditt eget GitHub-konto och utför övningarna på egen hand eller i grupp: +**[Studenter](https://aka.ms/student-page)**, för att använda denna kursplan, fork:a hela repo:t till ditt eget GitHub-konto och gör övningarna på egen hand eller i grupp: - Börja med ett quiz före lektionen. -- Läs lektionen och genomför aktiviteterna, pausa och reflektera vid varje kunskapskontroll. -- Försök skapa projekten genom att förstå lektionerna snarare än att bara köra lösningskoden; dock finns koden tillgänglig i `/solution`-mapparna i varje projektinriktad lektion. +- Läs lektionen och gör aktiviteterna, pausa och reflektera vid varje kunskapskontroll. +- Försök att skapa projekten genom att förstå lektionerna snarare än att bara köra lösningskoden; den koden finns dock tillgänglig i `/solution`-mapparna i varje projektorienterad lektion. - Gör quizet efter lektionen. -- Klara utmaningen. -- Genomför uppgiften. -- Efter att ha genomfört en lektionsgrupp, besök [Diskussionsforumet](https://github.com/microsoft/ML-For-Beginners/discussions) och "lär ut högt" genom att fylla i den lämpliga PAT-rubriken. En 'PAT' är ett Progressbedömningsverktyg som är en rubrik du fyller i för att fördjupa ditt lärande. Du kan också reagera på andra PAT:ar så vi kan lära tillsammans. +- Slutför utmaningen. +- Slutför uppgiften. +- Efter att ha avslutat en lektion grupp, besök [diskussionsforumet](https://github.com/microsoft/ML-For-Beginners/discussions) och "lär ut högt" genom att fylla i rätt PAT-rubrik. En 'PAT' är ett Progress Assessment Tool, ett bedömningsverktyg som du fyller i för att främja ditt lärande. Du kan också reagera på andra PATs så att vi kan lära oss tillsammans. -> För vidare studier rekommenderar vi att följa dessa [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) moduler och lärvägar. +> För vidare studier rekommenderar vi att följa dessa [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) moduler och lärandevägar. -**Lärare**, vi har [inkluderat några förslag](for-teachers.md) på hur du kan använda denna läroplan. +**Lärare**, vi har [inkluderat några förslag](for-teachers.md) på hur man använder denna kursplan. --- ## Videogenomgångar -Några av lektionerna finns tillgängliga som korta videor. Du kan hitta alla dessa direkt i lektionerna, eller på [ML for Beginners-playlistan på Microsoft Developer YouTube-kanal](https://aka.ms/ml-beginners-videos) genom att klicka på bilden nedan. +Vissa av lektionerna finns som korta videoklipp. Du kan hitta alla dessa i lektionernas text, eller på [ML for Beginners spellistan på Microsoft Developer YouTube-kanalen](https://aka.ms/ml-beginners-videos) genom att klicka på bilden nedan. -[![ML for beginners banner](../../../../translated_images/sv/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) +[![ML for beginners banner](../../translated_images/sv/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- -## Möta teamet +## Möt teamet [![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) **Gif av** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 Klicka på bilden ovan för en video om projektet och människorna som skapade det! +> 🎥 Klicka på bilden ovan för en video om projektet och personerna som skapade det! --- ## Pedagogik -Vi har valt två pedagogiska principer när vi byggde denna läroplan: att säkerställa att den är praktiskt **projektbaserad** och att den inkluderar **freka quizzer**. Dessutom har denna läroplan ett gemensamt **tema** för att ge sammanhang. +Vi har valt två pedagogiska principer när vi byggde denna kursplan: att säkerställa att den är praktiskt **projektbaserad** och att den inkluderar **freventa quiz**. Dessutom har denna kursplan ett gemensamt **tema** för att ge en sammanhållning. -Genom att säkerställa att innehållet stämmer överens med projekt görs processen mer engagerande för studenter och konceptets kvarhållning förbättras. Dessutom sätter en låginsatsquiz före en lektion studentens intention mot att lära sig ett ämne, medan en andra quiz efter lektionen säkerställer ytterligare kvarhållning. Denna läroplan är designad för att vara flexibel och rolig och kan tas i helhet eller delvis. Projekten börjar små och blir alltmer komplexa vid slutet av den 12-veckors cykeln. Denna läroplan inkluderar också ett efterord om verkliga tillämpningar av ML, vilket kan användas som extrapoäng eller som grund för diskussion. +Genom att säkerställa att innehållet är kopplat till projekt blir processen mer engagerande för studenter och koncepten fastnar bättre. Dessutom sätter ett lågintensivt quiz före lektion en avsikt hos studenten att lära sig ett ämne, medan ett andra quiz efter lektionen säkerställer ytterligare retention. Denna kursplan är designad för att vara flexibel och rolig och kan genomföras helt eller delvis. Projekten börjar smått och blir successivt mer komplexa under den 12-veckorsperioden. Kursplanen innehåller även en efterskrift om verkliga tillämpningar av ML, som kan användas som extrapoäng eller som underlag för diskussion. -> Hitta våra [Uppförandekod](CODE_OF_CONDUCT.md), [Bidragande](CONTRIBUTING.md), [Översättning](TRANSLATIONS.md), och [Felsökning](TROUBLESHOOTING.md) riktlinjer. Vi välkomnar din konstruktiva feedback! +> Hitta våra [uppföranderegler](CODE_OF_CONDUCT.md), [bidragsriktlinjer](CONTRIBUTING.md), [översättningsriktlinjer](TRANSLATIONS.md) och [felsökningsriktlinjer](TROUBLESHOOTING.md). Vi välkomnar din konstruktiva feedback! -## Varje lektion inkluderar +## Varje lektion innehåller -- valfri sketchnote +- valfritt skissnotat - valfri kompletterande video -- video genomgång (vissa lektioner endast) +- videogenomgång (endast vissa lektioner) - [quiz före lektion](https://ff-quizzes.netlify.app/en/ml/) - skriftlig lektion -- för projektbaserade lektioner, steg-för-steg guider för att bygga projektet +- för projektbaserade lektioner, steg-för-steg guider om hur man bygger projektet - kunskapskontroller - en utmaning - kompletterande läsning - uppgift - [quiz efter lektion](https://ff-quizzes.netlify.app/en/ml/) -> **En notis om språk**: Dessa lektioner är främst skrivna i Python, men många finns också tillgängliga i R. För att göra en R-lektion, gå till `/solution`-mappen och sök efter R-lektioner. De inkluderar en .rmd extension som representerar en **R Markdown**-fil som enkelt kan definieras som en inbäddning av `kodblock` (av R eller andra språk) och en `YAML-header` (som styr hur man formaterar utdata såsom PDF) i ett `Markdown-dokument`. Som sådan fungerar det som en exemplifierande författarram för data science eftersom det låter dig kombinera din kod, dess output och dina tankar genom att skriva ner dem i Markdown. Dessutom kan R Markdown-dokument renderas till utdataformat som PDF, HTML eller Word. -> **En notering om quiz**: Alla quiz finns i [Quiz App-mappen](../../quiz-app), totalt 52 quiz med tre frågor vardera. De länkas från lektionerna men quiz-appen kan köras lokalt; följ instruktionerna i `quiz-app`-mappen för att köra lokalt eller distribuera till Azure. - -| Lektionnummer | Ämne | Lektion Grupp | Lärandemål | Länkad lektion | Författare | -| :-----------: | :------------------------------------------------------------: | :-----------------------------------------------: | ---------------------------------------------------------------------------------------------------------------------- | :---------------------------------------------------------------------------------------------------------------------------------------: | :-----------------------------------------------------: | -| 01 | Introduktion till maskininlärning | [Introduktion](1-Introduction/README.md) | Lär dig grundläggande begrepp om maskininlärning | [Lektion](1-Introduction/1-intro-to-ML/README.md) | Muhammad | -| 02 | Maskininlärningens historia | [Introduktion](1-Introduction/README.md) | Lär dig historien bakom detta område | [Lektion](1-Introduction/2-history-of-ML/README.md) | Jen och Amy | -| 03 | Rättvisa och maskininlärning | [Introduktion](1-Introduction/README.md) | Vilka är de viktiga filosofiska frågorna om rättvisa som studenter bör tänka på när de bygger och använder ML-modeller? | [Lektion](1-Introduction/3-fairness/README.md) | Tomomi | -| 04 | Tekniker inom maskininlärning | [Introduktion](1-Introduction/README.md) | Vilka tekniker använder ML-forskare för att bygga ML-modeller? | [Lektion](1-Introduction/4-techniques-of-ML/README.md) | Chris och Jen | -| 05 | Introduktion till regression | [Regression](2-Regression/README.md) | Kom igång med Python och Scikit-learn för regressionsmodeller | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | -| 06 | Priser på pumpor i Nordamerika 🎃 | [Regression](2-Regression/README.md) | Visualisera och rensa data inför ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | -| 07 | Priser på pumpor i Nordamerika 🎃 | [Regression](2-Regression/README.md) | Bygg linjära och polynomiska regressionsmodeller | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen och Dmitry • Eric Wanjau | -| 08 | Priser på pumpor i Nordamerika 🎃 | [Regression](2-Regression/README.md) | Bygg en logistisk regressionsmodell | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | -| 09 | En webbapp 🔌 | [Web App](3-Web-App/README.md) | Bygg en webbapp för att använda din tränade modell | [Python](3-Web-App/1-Web-App/README.md) | Jen | -| 10 | Introduktion till klassificering | [Classification](4-Classification/README.md) | Rensa, förbered och visualisera din data; introduktion till klassificering | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen och Cassie • Eric Wanjau | -| 11 | Läcker asiatisk och indisk mat 🍜 | [Classification](4-Classification/README.md) | Introduktion till klassificerare | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen och Cassie • Eric Wanjau | -| 12 | Läcker asiatisk och indisk mat 🍜 | [Classification](4-Classification/README.md) | Fler klassificerare | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen och Cassie • Eric Wanjau | -| 13 | Läcker asiatisk och indisk mat 🍜 | [Classification](4-Classification/README.md) | Bygg en rekommendationswebbapp med din modell | [Python](4-Classification/4-Applied/README.md) | Jen | -| 14 | Introduktion till klustring | [Clustering](5-Clustering/README.md) | Rensa, förbered och visualisera din data; introduktion till klustring | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | -| 15 | Utforska Nigerias musiksmaker 🎧 | [Clustering](5-Clustering/README.md) | Utforska K-Means klustringsmetod | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | -| 16 | Introduktion till naturlig språkbehandling ☕️ | [Natural language processing](6-NLP/README.md) | Lär dig grunderna i NLP genom att bygga en enkel bot | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | -| 17 | Vanliga NLP-uppgifter ☕️ | [Natural language processing](6-NLP/README.md) | Fördjupa din NLP-kunskap genom att förstå vanliga uppgifter vid språkstrukturhantering | [Python](6-NLP/2-Tasks/README.md) | Stephen | -| 18 | Översättning och sentimentanalys ♥️ | [Natural language processing](6-NLP/README.md) | Översättning och sentimentanalys med Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | -| 19 | Romantiska hotell i Europa ♥️ | [Natural language processing](6-NLP/README.md) | Sentimentanalys med hotellrecensioner 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | -| 20 | Romantiska hotell i Europa ♥️ | [Natural language processing](6-NLP/README.md) | Sentimentanalys med hotellrecensioner 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | -| 21 | Introduktion till tidsserieprognoser | [Time series](7-TimeSeries/README.md) | Introduktion till tidsserieprognoser | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | -| 22 | ⚡️ Världens elförbrukning ⚡️ - tidsserieprognoser med ARIMA | [Time series](7-TimeSeries/README.md) | Tidsserieprognoser med ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | -| 23 | ⚡️ Världens elförbrukning ⚡️ - tidsserieprognoser med SVR | [Time series](7-TimeSeries/README.md) | Tidsserieprognoser med Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | -| 24 | Introduktion till förstärkningsinlärning | [Reinforcement learning](8-Reinforcement/README.md) | Introduktion till förstärkningsinlärning med Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | -| 25 | Hjälp Peter att undvika vargen! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Förstärkningsinlärning med Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | -| Efterskrift | Verkliga ML-scenarier och tillämpningar | [ML in the Wild](9-Real-World/README.md) | Intressanta och avslöjande verkliga tillämpningar av klassisk ML | [Lektion](9-Real-World/1-Applications/README.md) | Team | -| Efterskrift | Modellfelsökning i ML med RAI-dashboard | [ML in the Wild](9-Real-World/README.md) | Modellfelsökning i maskininlärning med komponenter från Responsible AI-dashboard | [Lektion](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | +> **En notis om språk**: Dessa lektioner är huvudsakligen skrivna i Python, men många finns även tillgängliga i R. För att slutföra en R-lektion, gå till `/solution`-mappen och leta efter R-lektionerna. De har .rmd-extension som representerar en **R Markdown**-fil som enkelt kan definieras som en inbäddning av `kodblock` (av R eller andra språk) och en `YAML-huvud` (som styr hur utdata formateras, t.ex. PDF) i ett `Markdown-dokument`. Som sådan tjänar den som ett utmärkt ramverk för datavetenskap eftersom det låter dig kombinera din kod, dess output och dina tankar genom att skriva ner dem i Markdown. Dessutom kan R Markdown-dokument renderas till utdataformat som PDF, HTML eller Word. +> **En notis om quiz**: Alla quiz finns i [Quiz App-mappen](../../quiz-app), med totalt 52 quiz, vardera med tre frågor. De länkas från lektionerna men quiz-appen kan köras lokalt; följ instruktionerna i `quiz-app`-mappen för att hosta lokalt eller distribuera till Azure. + +| Lektionnummer | Ämne | Lektion Grupp | Lärandemål | Länkad lektion | Författare | +| :-----------: | :------------------------------------------------------------: | :-----------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :-----------------------------------------------------: | +| 01 | Introduktion till maskininlärning | [Introduktion](1-Introduction/README.md) | Lär dig grundläggande begrepp inom maskininlärning | [Lektion](1-Introduction/1-intro-to-ML/README.md) | Muhammad | +| 02 | Maskininlärningens historia | [Introduktion](1-Introduction/README.md) | Lär dig historiken bakom detta område | [Lektion](1-Introduction/2-history-of-ML/README.md) | Jen och Amy | +| 03 | Rättvisa och maskininlärning | [Introduktion](1-Introduction/README.md) | Vilka viktiga filosofiska frågor kring rättvisa bör studenter överväga vid skapande och tillämpning av ML-modeller? | [Lektion](1-Introduction/3-fairness/README.md) | Tomomi | +| 04 | Tekniker för maskininlärning | [Introduktion](1-Introduction/README.md) | Vilka tekniker använder ML-forskare för att bygga ML-modeller? | [Lektion](1-Introduction/4-techniques-of-ML/README.md) | Chris och Jen | +| 05 | Introduktion till regression | [Regression](2-Regression/README.md) | Kom igång med Python och Scikit-learn för regressionsmodeller | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | +| 06 | Pumpinkurser i Nordamerika 🎃 | [Regression](2-Regression/README.md) | Visualisera och rengör data inför ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | +| 07 | Pumpinkurser i Nordamerika 🎃 | [Regression](2-Regression/README.md) | Bygg linjära och polynomiska regressionsmodeller | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen och Dmitry • Eric Wanjau | +| 08 | Pumpinkurser i Nordamerika 🎃 | [Regression](2-Regression/README.md) | Bygg en logistisk regressionsmodell | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | +| 09 | En webapp 🔌 | [Web App](3-Web-App/README.md) | Bygg en webbapp för att använda din tränade modell | [Python](3-Web-App/1-Web-App/README.md) | Jen | +| 10 | Introduktion till klassificering | [Classification](4-Classification/README.md) | Rengör, förbered och visualisera din data; introduktion till klassificering | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen och Cassie • Eric Wanjau | +| 11 | Utsökta asiatiska och indiska kök 🍜 | [Classification](4-Classification/README.md) | Introduktion till klassificerare | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen och Cassie • Eric Wanjau | +| 12 | Utsökta asiatiska och indiska kök 🍜 | [Classification](4-Classification/README.md) | Fler klassificerare | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen och Cassie • Eric Wanjau | +| 13 | Utsökta asiatiska och indiska kök 🍜 | [Classification](4-Classification/README.md) | Bygg en rekommenderande webbapp med din modell | [Python](4-Classification/4-Applied/README.md) | Jen | +| 14 | Introduktion till klustring | [Clustering](5-Clustering/README.md) | Rengör, förbered och visualisera din data; introduktion till klustring | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | +| 15 | Utforska nigerianska musiksmak 🎧 | [Clustering](5-Clustering/README.md) | Utforska K-Means klustringsmetod | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | +| 16 | Introduktion till naturlig språkbehandling ☕️ | [Natural language processing](6-NLP/README.md) | Lär dig grunderna i NLP genom att bygga en enkel bot | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | +| 17 | Vanliga NLP-uppgifter ☕️ | [Natural language processing](6-NLP/README.md) | Fördjupa din NLP-kunskap genom att förstå vanliga uppgifter vid arbete med språkstrukturer | [Python](6-NLP/2-Tasks/README.md) | Stephen | +| 18 | Översättning och känsloanalys ♥️ | [Natural language processing](6-NLP/README.md) | Översättning och känsloanalys med Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | +| 19 | Romantiska hotell i Europa ♥️ | [Natural language processing](6-NLP/README.md) | Känsloanalys av hotellrecensioner 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | +| 20 | Romantiska hotell i Europa ♥️ | [Natural language processing](6-NLP/README.md) | Känsloanalys av hotellrecensioner 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | +| 21 | Introduktion till tidsserieprognoser | [Time series](7-TimeSeries/README.md) | Introduktion till tidsserieprognoser | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | +| 22 | ⚡️ Världens energianvändning ⚡️ - tidsserieprognoser med ARIMA | [Time series](7-TimeSeries/README.md) | Tidsserieprognoser med ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | +| 23 | ⚡️ Världens energianvändning ⚡️ - tidsserieprognoser med SVR | [Time series](7-TimeSeries/README.md) | Tidsserieprognoser med Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | +| 24 | Introduktion till förstärkningsinlärning | [Reinforcement learning](8-Reinforcement/README.md) | Introduktion till förstärkningsinlärning med Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | +| 25 | Hjälp Peter att undvika vargen! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Förstärkningsinlärning Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | +| Efterord | Maskininlärning i verkliga scenarier och tillämpningar | [ML in the Wild](9-Real-World/README.md) | Intressanta och avslöjande verkliga tillämpningar av klassisk ML | [Lektion](9-Real-World/1-Applications/README.md) | Team | +| Efterord | Modellfelsökning i ML med RAI-dashboard | [ML in the Wild](9-Real-World/README.md) | Modellfelsökning i maskininlärning med Responsible AI-dashboard-komponenter | [Lektion](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | -> [hitta alla ytterligare resurser för denna kurs i vår Microsoft Learn-samling](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [hitta alla extra resurser för denna kurs i vår Microsoft Learn-samling](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -## Offlineåtkomst +## Offline-tillgång -Du kan läsa denna dokumentation offline med hjälp av [Docsify](https://docsify.js.org/#/). Forka detta repo, [installera Docsify](https://docsify.js.org/#/quickstart) på din lokala maskin, och kör sedan `docsify serve` i rotmappen för detta repo. Webbplatsen kommer att serveras på port 3000 på din lokala dator: `localhost:3000`. +Du kan köra denna dokumentation offline med hjälp av [Docsify](https://docsify.js.org/#/). Forka detta repo, [installera Docsify](https://docsify.js.org/#/quickstart) på din lokala dator, och skriv sedan `docsify serve` i rotmappen för detta repo. Webbplatsen serveras på port 3000 på din localhost: `localhost:3000`. ## PDF:er @@ -172,28 +163,28 @@ Hitta en pdf av kursplanen med länkar [här](https://microsoft.github.io/ML-For ## 🎒 Andra kurser -Vårt team producerar fler kurser! Kolla in: +Vårt team producerar andra kurser! Kolla in: ### LangChain -[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) -[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) +[![LangChain4j för nybörjare](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) +[![LangChain.js för nybörjare](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agenter -[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AZD för nybörjare](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Edge AI för nybörjare](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP för nybörjare](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI-agenter för nybörjare](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- - + ### Generativ AI Serie -[![Generativ AI för nybörjare](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Generativ AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![Generativ AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) -[![Generativ AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) +[![Generative AI för nybörjare](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- @@ -208,7 +199,7 @@ Vårt team producerar fler kurser! Kolla in: --- -### Copilot-serien +### Copilot-serie [![Copilot för AI-parprogrammering](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [![Copilot för C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [![Copilot-äventyr](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) @@ -216,11 +207,11 @@ Vårt team producerar fler kurser! Kolla in: ## Få hjälp -Om du fastnar eller har frågor om att bygga AI-appar. Gå med i diskussioner med andra lärande och erfarna utvecklare om MCP. Det är en stödjande gemenskap där frågor är välkomna och kunskap delas fritt. +Om du fastnar eller har några frågor om att bygga AI-appar. Gå med i diskussioner med andra lärande och erfarna utvecklare om MCP. Det är en stödjande gemenskap där frågor är välkomna och kunskap delas fritt. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Om du har produktfeedback eller stöter på fel under utveckling, besök: +Om du har produktfeedback eller upplever fel vid utveckling, besök: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) @@ -228,5 +219,5 @@ Om du har produktfeedback eller stöter på fel under utveckling, besök: **Ansvarsfriskrivning**: -Detta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Även om vi strävar efter noggrannhet, vänligen var medveten om att automatiska översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess ursprungliga språk bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som kan uppstå vid användning av denna översättning. +Detta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Även om vi strävar efter noggrannhet, var vänlig observera att automatiska översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess ursprungliga språk ska betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår till följd av användningen av denna översättning. \ No newline at end of file diff --git a/translations/sv/SECURITY.md b/translations/sv/SECURITY.md index db9ba8e75..352a845f7 100644 --- a/translations/sv/SECURITY.md +++ b/translations/sv/SECURITY.md @@ -1,12 +1,3 @@ - ## Säkerhet Microsoft tar säkerheten för våra mjukvaruprodukter och tjänster på största allvar, vilket inkluderar alla källkodsförråd som hanteras via våra GitHub-organisationer, såsom [Microsoft](https://github.com/Microsoft), [Azure](https://github.com/Azure), [DotNet](https://github.com/dotnet), [AspNet](https://github.com/aspnet), [Xamarin](https://github.com/xamarin) och [våra GitHub-organisationer](https://opensource.microsoft.com/). diff --git a/translations/sv/SUPPORT.md b/translations/sv/SUPPORT.md index 1f29a8467..5e16b20d4 100644 --- a/translations/sv/SUPPORT.md +++ b/translations/sv/SUPPORT.md @@ -1,12 +1,3 @@ - # Support ## Hur man rapporterar problem och får hjälp diff --git a/translations/sv/TROUBLESHOOTING.md b/translations/sv/TROUBLESHOOTING.md index aae7b5298..039152d98 100644 --- a/translations/sv/TROUBLESHOOTING.md +++ b/translations/sv/TROUBLESHOOTING.md @@ -1,12 +1,3 @@ - # Felsökningsguide Den här guiden hjälper dig att lösa vanliga problem när du arbetar med kursplanen för Machine Learning for Beginners. Om du inte hittar en lösning här, kolla gärna våra [Discord-diskussioner](https://aka.ms/foundry/discord) eller [öppna ett ärende](https://github.com/microsoft/ML-For-Beginners/issues). diff --git a/translations/sv/docs/_sidebar.md b/translations/sv/docs/_sidebar.md index bf08d8be4..8fe14c637 100644 --- a/translations/sv/docs/_sidebar.md +++ b/translations/sv/docs/_sidebar.md @@ -1,12 +1,3 @@ - - Introduktion - [Introduktion till maskininlärning](../1-Introduction/1-intro-to-ML/README.md) - [Maskininlärningens historia](../1-Introduction/2-history-of-ML/README.md) diff --git a/translations/sv/for-teachers.md b/translations/sv/for-teachers.md index 2432eb2b6..4556f968e 100644 --- a/translations/sv/for-teachers.md +++ b/translations/sv/for-teachers.md @@ -1,12 +1,3 @@ - ## För lärare Vill du använda denna läroplan i ditt klassrum? Varsågod! diff --git a/translations/sv/quiz-app/README.md b/translations/sv/quiz-app/README.md index 1a8333c65..bd05a386b 100644 --- a/translations/sv/quiz-app/README.md +++ b/translations/sv/quiz-app/README.md @@ -1,12 +1,3 @@ - # Quizzer Dessa quizzer är för- och efterföreläsningsquizzer för ML-kursplanen på https://aka.ms/ml-beginners diff --git a/translations/sv/sketchnotes/LICENSE.md b/translations/sv/sketchnotes/LICENSE.md index c9b9fa87a..36f7d05f4 100644 --- a/translations/sv/sketchnotes/LICENSE.md +++ b/translations/sv/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - Attribution-ShareAlike 4.0 Internationell ======================================================================= diff --git a/translations/sv/sketchnotes/README.md b/translations/sv/sketchnotes/README.md index eaeeaedce..28d054403 100644 --- a/translations/sv/sketchnotes/README.md +++ b/translations/sv/sketchnotes/README.md @@ -1,12 +1,3 @@ - Alla sketchnotes för läroplanen kan laddas ner här. 🖨 För utskrift i hög upplösning finns TIFF-versionerna tillgängliga på [detta repo](https://github.com/girliemac/a-picture-is-worth-a-1000-words/tree/main/ml/tiff). diff --git a/translations/th/.co-op-translator.json b/translations/th/.co-op-translator.json new file mode 100644 index 000000000..029bab23b --- /dev/null +++ b/translations/th/.co-op-translator.json @@ -0,0 +1,596 @@ +{ + "1-Introduction/1-intro-to-ML/README.md": { + "original_hash": "69389392fa6346e0dfa30f664b7b6fec", + "translation_date": "2025-09-05T21:42:12+00:00", + "source_file": "1-Introduction/1-intro-to-ML/README.md", + "language_code": "th" + }, + "1-Introduction/1-intro-to-ML/assignment.md": { + "original_hash": "4c4698044bb8af52cfb6388a4ee0e53b", + "translation_date": "2025-09-05T21:43:35+00:00", + "source_file": "1-Introduction/1-intro-to-ML/assignment.md", + "language_code": "th" + }, + "1-Introduction/2-history-of-ML/README.md": { + "original_hash": "6a05fec147e734c3e6bfa54505648e2b", + "translation_date": "2025-09-05T21:43:50+00:00", + "source_file": "1-Introduction/2-history-of-ML/README.md", + "language_code": "th" + }, + "1-Introduction/2-history-of-ML/assignment.md": { + "original_hash": "eb6e4d5afd1b21a57d2b9e6d0aac3969", + "translation_date": "2025-09-05T21:45:49+00:00", + "source_file": "1-Introduction/2-history-of-ML/assignment.md", + "language_code": "th" + }, + "1-Introduction/3-fairness/README.md": { + "original_hash": "9a6b702d1437c0467e3c5c28d763dac2", + "translation_date": "2025-09-05T21:37:46+00:00", + "source_file": "1-Introduction/3-fairness/README.md", + "language_code": "th" + }, + "1-Introduction/3-fairness/assignment.md": { + "original_hash": "dbda60e7b1fe5f18974e7858eff0004e", + "translation_date": "2025-09-05T21:40:03+00:00", + "source_file": "1-Introduction/3-fairness/assignment.md", + "language_code": "th" + }, + "1-Introduction/4-techniques-of-ML/README.md": { + "original_hash": "9d91f3af3758fdd4569fb410575995ef", + "translation_date": "2025-09-05T21:40:20+00:00", + "source_file": "1-Introduction/4-techniques-of-ML/README.md", + "language_code": "th" + }, + "1-Introduction/4-techniques-of-ML/assignment.md": { + "original_hash": "70d65aeddc06170bc1aed5b27805f930", + "translation_date": "2025-09-05T21:41:55+00:00", + "source_file": "1-Introduction/4-techniques-of-ML/assignment.md", + "language_code": "th" + }, + "1-Introduction/README.md": { + "original_hash": "cf8ecc83f28e5b98051d2179eca08e08", + "translation_date": "2025-09-05T21:37:22+00:00", + "source_file": "1-Introduction/README.md", + "language_code": "th" + }, + "2-Regression/1-Tools/README.md": { + "original_hash": "fa81d226c71d5af7a2cade31c1c92b88", + "translation_date": "2025-09-05T21:12:27+00:00", + "source_file": "2-Regression/1-Tools/README.md", + "language_code": "th" + }, + "2-Regression/1-Tools/assignment.md": { + "original_hash": "74a5cf83e4ebc302afbcbc4f418afd0a", + "translation_date": "2025-09-05T21:14:47+00:00", + "source_file": "2-Regression/1-Tools/assignment.md", + "language_code": "th" + }, + "2-Regression/1-Tools/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:15:07+00:00", + "source_file": "2-Regression/1-Tools/solution/Julia/README.md", + "language_code": "th" + }, + "2-Regression/2-Data/README.md": { + "original_hash": "7c077988328ebfe33b24d07945f16eca", + "translation_date": "2025-09-05T21:15:17+00:00", + "source_file": "2-Regression/2-Data/README.md", + "language_code": "th" + }, + "2-Regression/2-Data/assignment.md": { + "original_hash": "4485a1ed4dd1b5647365e3d87456515d", + "translation_date": "2025-09-05T21:17:01+00:00", + "source_file": "2-Regression/2-Data/assignment.md", + "language_code": "th" + }, + "2-Regression/2-Data/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:17:17+00:00", + "source_file": "2-Regression/2-Data/solution/Julia/README.md", + "language_code": "th" + }, + "2-Regression/3-Linear/README.md": { + "original_hash": "40e64f004f3cb50aa1d8661672d3cd92", + "translation_date": "2025-09-05T21:05:15+00:00", + "source_file": "2-Regression/3-Linear/README.md", + "language_code": "th" + }, + "2-Regression/3-Linear/assignment.md": { + "original_hash": "cc471fa89c293bc735dd3a9a0fb79b1b", + "translation_date": "2025-09-05T21:08:22+00:00", + "source_file": "2-Regression/3-Linear/assignment.md", + "language_code": "th" + }, + "2-Regression/3-Linear/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:08:39+00:00", + "source_file": "2-Regression/3-Linear/solution/Julia/README.md", + "language_code": "th" + }, + "2-Regression/4-Logistic/README.md": { + "original_hash": "abf86d845c84330bce205a46b382ec88", + "translation_date": "2025-09-05T21:08:48+00:00", + "source_file": "2-Regression/4-Logistic/README.md", + "language_code": "th" + }, + "2-Regression/4-Logistic/assignment.md": { + "original_hash": "8af40209a41494068c1f42b14c0b450d", + "translation_date": "2025-09-05T21:12:02+00:00", + "source_file": "2-Regression/4-Logistic/assignment.md", + "language_code": "th" + }, + "2-Regression/4-Logistic/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:12:18+00:00", + "source_file": "2-Regression/4-Logistic/solution/Julia/README.md", + "language_code": "th" + }, + "2-Regression/README.md": { + "original_hash": "508582278dbb8edd2a8a80ac96ef416c", + "translation_date": "2025-09-05T21:04:38+00:00", + "source_file": "2-Regression/README.md", + "language_code": "th" + }, + "3-Web-App/1-Web-App/README.md": { + "original_hash": "e0b75f73e4a90d45181dc5581fe2ef5c", + "translation_date": "2025-09-05T21:46:29+00:00", + "source_file": "3-Web-App/1-Web-App/README.md", + "language_code": "th" + }, + "3-Web-App/1-Web-App/assignment.md": { + "original_hash": "a8e8ae10be335cbc745b75ee552317ff", + "translation_date": "2025-09-05T21:48:02+00:00", + "source_file": "3-Web-App/1-Web-App/assignment.md", + "language_code": "th" + }, + "3-Web-App/README.md": { + "original_hash": "9836ff53cfef716ddfd70e06c5f43436", + "translation_date": "2025-09-05T21:46:06+00:00", + "source_file": "3-Web-App/README.md", + "language_code": "th" + }, + "4-Classification/1-Introduction/README.md": { + "original_hash": "aaf391d922bd6de5efba871d514c6d47", + "translation_date": "2025-09-05T21:54:48+00:00", + "source_file": "4-Classification/1-Introduction/README.md", + "language_code": "th" + }, + "4-Classification/1-Introduction/assignment.md": { + "original_hash": "b2a01912beb24cfb0007f83594dba801", + "translation_date": "2025-09-05T21:56:11+00:00", + "source_file": "4-Classification/1-Introduction/assignment.md", + "language_code": "th" + }, + "4-Classification/1-Introduction/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:56:32+00:00", + "source_file": "4-Classification/1-Introduction/solution/Julia/README.md", + "language_code": "th" + }, + "4-Classification/2-Classifiers-1/README.md": { + "original_hash": "1a6e9e46b34a2e559fbbfc1f95397c7b", + "translation_date": "2025-09-05T21:49:20+00:00", + "source_file": "4-Classification/2-Classifiers-1/README.md", + "language_code": "th" + }, + "4-Classification/2-Classifiers-1/assignment.md": { + "original_hash": "de6025f96841498b0577e9d1aee18d1f", + "translation_date": "2025-09-05T21:51:19+00:00", + "source_file": "4-Classification/2-Classifiers-1/assignment.md", + "language_code": "th" + }, + "4-Classification/2-Classifiers-1/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:51:37+00:00", + "source_file": "4-Classification/2-Classifiers-1/solution/Julia/README.md", + "language_code": "th" + }, + "4-Classification/3-Classifiers-2/README.md": { + "original_hash": "49047911108adc49d605cddfb455749c", + "translation_date": "2025-09-05T21:53:19+00:00", + "source_file": "4-Classification/3-Classifiers-2/README.md", + "language_code": "th" + }, + "4-Classification/3-Classifiers-2/assignment.md": { + "original_hash": "58dfdaf79fb73f7d34b22bdbacf57329", + "translation_date": "2025-09-05T21:54:21+00:00", + "source_file": "4-Classification/3-Classifiers-2/assignment.md", + "language_code": "th" + }, + "4-Classification/3-Classifiers-2/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:54:39+00:00", + "source_file": "4-Classification/3-Classifiers-2/solution/Julia/README.md", + "language_code": "th" + }, + "4-Classification/4-Applied/README.md": { + "original_hash": "61bdec27ed2da8b098cd9065405d9bb0", + "translation_date": "2025-09-05T21:51:46+00:00", + "source_file": "4-Classification/4-Applied/README.md", + "language_code": "th" + }, + "4-Classification/4-Applied/assignment.md": { + "original_hash": "799ed651e2af0a7cad17c6268db11578", + "translation_date": "2025-09-05T21:53:01+00:00", + "source_file": "4-Classification/4-Applied/assignment.md", + "language_code": "th" + }, + "4-Classification/README.md": { + "original_hash": "74e809ffd1e613a1058bbc3e9600859e", + "translation_date": "2025-09-05T21:48:56+00:00", + "source_file": "4-Classification/README.md", + "language_code": "th" + }, + "5-Clustering/1-Visualize/README.md": { + "original_hash": "730225ea274c9174fe688b21d421539d", + "translation_date": "2025-09-05T21:25:30+00:00", + "source_file": "5-Clustering/1-Visualize/README.md", + "language_code": "th" + }, + "5-Clustering/1-Visualize/assignment.md": { + "original_hash": "589fa015a5e7d9e67bd629f7d47b53de", + "translation_date": "2025-09-05T21:28:20+00:00", + "source_file": "5-Clustering/1-Visualize/assignment.md", + "language_code": "th" + }, + "5-Clustering/1-Visualize/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:28:41+00:00", + "source_file": "5-Clustering/1-Visualize/solution/Julia/README.md", + "language_code": "th" + }, + "5-Clustering/2-K-Means/README.md": { + "original_hash": "7cdd17338d9bbd7e2171c2cd462eb081", + "translation_date": "2025-09-05T21:28:49+00:00", + "source_file": "5-Clustering/2-K-Means/README.md", + "language_code": "th" + }, + "5-Clustering/2-K-Means/assignment.md": { + "original_hash": "b8e17eff34ad1680eba2a5d3cf9ffc41", + "translation_date": "2025-09-05T21:30:12+00:00", + "source_file": "5-Clustering/2-K-Means/assignment.md", + "language_code": "th" + }, + "5-Clustering/2-K-Means/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:30:31+00:00", + "source_file": "5-Clustering/2-K-Means/solution/Julia/README.md", + "language_code": "th" + }, + "5-Clustering/README.md": { + "original_hash": "b28a3a4911584062772c537b653ebbc7", + "translation_date": "2025-09-05T21:24:57+00:00", + "source_file": "5-Clustering/README.md", + "language_code": "th" + }, + "6-NLP/1-Introduction-to-NLP/README.md": { + "original_hash": "1c2ec40cf55c98a028a359c27ef7e45a", + "translation_date": "2025-09-05T22:20:49+00:00", + "source_file": "6-NLP/1-Introduction-to-NLP/README.md", + "language_code": "th" + }, + "6-NLP/1-Introduction-to-NLP/assignment.md": { + "original_hash": "1d7583e8046dacbb0c056d5ba0a71b16", + "translation_date": "2025-09-05T22:22:53+00:00", + "source_file": "6-NLP/1-Introduction-to-NLP/assignment.md", + "language_code": "th" + }, + "6-NLP/2-Tasks/README.md": { + "original_hash": "5f3cb462e3122e1afe7ab0050ccf2bd3", + "translation_date": "2025-09-05T22:12:26+00:00", + "source_file": "6-NLP/2-Tasks/README.md", + "language_code": "th" + }, + "6-NLP/2-Tasks/assignment.md": { + "original_hash": "2efc4c2aba5ed06c780c05539c492ae3", + "translation_date": "2025-09-05T22:14:45+00:00", + "source_file": "6-NLP/2-Tasks/assignment.md", + "language_code": "th" + }, + "6-NLP/3-Translation-Sentiment/README.md": { + "original_hash": "be03c8182982b87ced155e4e9d1438e8", + "translation_date": "2025-09-05T22:23:15+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/README.md", + "language_code": "th" + }, + "6-NLP/3-Translation-Sentiment/assignment.md": { + "original_hash": "9d2a734deb904caff310d1a999c6bd7a", + "translation_date": "2025-09-05T22:25:42+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/assignment.md", + "language_code": "th" + }, + "6-NLP/3-Translation-Sentiment/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T22:26:20+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/solution/Julia/README.md", + "language_code": "th" + }, + "6-NLP/3-Translation-Sentiment/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T22:26:03+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/solution/R/README.md", + "language_code": "th" + }, + "6-NLP/4-Hotel-Reviews-1/README.md": { + "original_hash": "8d32dadeda93c6fb5c43619854882ab1", + "translation_date": "2025-09-05T22:15:16+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/README.md", + "language_code": "th" + }, + "6-NLP/4-Hotel-Reviews-1/assignment.md": { + "original_hash": "bf39bceb833cd628f224941dca8041df", + "translation_date": "2025-09-05T22:19:47+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/assignment.md", + "language_code": "th" + }, + "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T22:20:28+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md", + "language_code": "th" + }, + "6-NLP/4-Hotel-Reviews-1/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T22:20:17+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/solution/R/README.md", + "language_code": "th" + }, + "6-NLP/5-Hotel-Reviews-2/README.md": { + "original_hash": "2c742993fe95d5bcbb2846eda3d442a1", + "translation_date": "2025-09-05T22:26:32+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/README.md", + "language_code": "th" + }, + "6-NLP/5-Hotel-Reviews-2/assignment.md": { + "original_hash": "daf144daa552da6a7d442aff6f3e77d8", + "translation_date": "2025-09-05T22:29:19+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/assignment.md", + "language_code": "th" + }, + "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T22:29:52+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md", + "language_code": "th" + }, + "6-NLP/5-Hotel-Reviews-2/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T22:29:39+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/solution/R/README.md", + "language_code": "th" + }, + "6-NLP/README.md": { + "original_hash": "1eb379dc2d0c9940b320732d16083778", + "translation_date": "2025-09-05T22:11:36+00:00", + "source_file": "6-NLP/README.md", + "language_code": "th" + }, + "6-NLP/data/README.md": { + "original_hash": "ee0670655c89e4719319764afb113624", + "translation_date": "2025-09-05T22:20:37+00:00", + "source_file": "6-NLP/data/README.md", + "language_code": "th" + }, + "7-TimeSeries/1-Introduction/README.md": { + "original_hash": "662b509c39eee205687726636d0a8455", + "translation_date": "2025-09-05T21:20:42+00:00", + "source_file": "7-TimeSeries/1-Introduction/README.md", + "language_code": "th" + }, + "7-TimeSeries/1-Introduction/assignment.md": { + "original_hash": "d1781b0b92568ea1d119d0a198b576b4", + "translation_date": "2025-09-05T21:22:24+00:00", + "source_file": "7-TimeSeries/1-Introduction/assignment.md", + "language_code": "th" + }, + "7-TimeSeries/1-Introduction/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:22:54+00:00", + "source_file": "7-TimeSeries/1-Introduction/solution/Julia/README.md", + "language_code": "th" + }, + "7-TimeSeries/1-Introduction/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T21:22:44+00:00", + "source_file": "7-TimeSeries/1-Introduction/solution/R/README.md", + "language_code": "th" + }, + "7-TimeSeries/2-ARIMA/README.md": { + "original_hash": "917dbf890db71a322f306050cb284749", + "translation_date": "2025-09-05T21:17:56+00:00", + "source_file": "7-TimeSeries/2-ARIMA/README.md", + "language_code": "th" + }, + "7-TimeSeries/2-ARIMA/assignment.md": { + "original_hash": "1c814013e10866dfd92cdb32caaae3ac", + "translation_date": "2025-09-05T21:20:03+00:00", + "source_file": "7-TimeSeries/2-ARIMA/assignment.md", + "language_code": "th" + }, + "7-TimeSeries/2-ARIMA/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T21:20:32+00:00", + "source_file": "7-TimeSeries/2-ARIMA/solution/Julia/README.md", + "language_code": "th" + }, + "7-TimeSeries/2-ARIMA/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T21:20:22+00:00", + "source_file": "7-TimeSeries/2-ARIMA/solution/R/README.md", + "language_code": "th" + }, + "7-TimeSeries/3-SVR/README.md": { + "original_hash": "482bccabe1df958496ea71a3667995cd", + "translation_date": "2025-09-05T21:23:03+00:00", + "source_file": "7-TimeSeries/3-SVR/README.md", + "language_code": "th" + }, + "7-TimeSeries/3-SVR/assignment.md": { + "original_hash": "94aa2fc6154252ae30a3f3740299707a", + "translation_date": "2025-09-05T21:24:38+00:00", + "source_file": "7-TimeSeries/3-SVR/assignment.md", + "language_code": "th" + }, + "7-TimeSeries/README.md": { + "original_hash": "61342603bad8acadbc6b2e4e3aab3f66", + "translation_date": "2025-09-05T21:17:27+00:00", + "source_file": "7-TimeSeries/README.md", + "language_code": "th" + }, + "8-Reinforcement/1-QLearning/README.md": { + "original_hash": "911efd5e595089000cb3c16fce1beab8", + "translation_date": "2025-09-05T22:02:45+00:00", + "source_file": "8-Reinforcement/1-QLearning/README.md", + "language_code": "th" + }, + "8-Reinforcement/1-QLearning/assignment.md": { + "original_hash": "68394b2102d3503882e5e914bd0ff5c1", + "translation_date": "2025-09-05T22:06:45+00:00", + "source_file": "8-Reinforcement/1-QLearning/assignment.md", + "language_code": "th" + }, + "8-Reinforcement/1-QLearning/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T22:07:52+00:00", + "source_file": "8-Reinforcement/1-QLearning/solution/Julia/README.md", + "language_code": "th" + }, + "8-Reinforcement/1-QLearning/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T22:07:38+00:00", + "source_file": "8-Reinforcement/1-QLearning/solution/R/README.md", + "language_code": "th" + }, + "8-Reinforcement/2-Gym/README.md": { + "original_hash": "107d5bb29da8a562e7ae72262d251a75", + "translation_date": "2025-09-05T22:08:02+00:00", + "source_file": "8-Reinforcement/2-Gym/README.md", + "language_code": "th" + }, + "8-Reinforcement/2-Gym/assignment.md": { + "original_hash": "1f2b7441745eb52e25745423b247016b", + "translation_date": "2025-09-05T22:10:28+00:00", + "source_file": "8-Reinforcement/2-Gym/assignment.md", + "language_code": "th" + }, + "8-Reinforcement/2-Gym/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T22:11:27+00:00", + "source_file": "8-Reinforcement/2-Gym/solution/Julia/README.md", + "language_code": "th" + }, + "8-Reinforcement/2-Gym/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T22:11:17+00:00", + "source_file": "8-Reinforcement/2-Gym/solution/R/README.md", + "language_code": "th" + }, + "8-Reinforcement/README.md": { + "original_hash": "20ca019012b1725de956681d036d8b18", + "translation_date": "2025-09-05T22:01:11+00:00", + "source_file": "8-Reinforcement/README.md", + "language_code": "th" + }, + "9-Real-World/1-Applications/README.md": { + "original_hash": "83320d6b6994909e35d830cebf214039", + "translation_date": "2025-09-05T21:31:51+00:00", + "source_file": "9-Real-World/1-Applications/README.md", + "language_code": "th" + }, + "9-Real-World/1-Applications/assignment.md": { + "original_hash": "fdebfcd0a3f12c9e2b436ded1aa79885", + "translation_date": "2025-09-05T21:34:10+00:00", + "source_file": "9-Real-World/1-Applications/assignment.md", + "language_code": "th" + }, + "9-Real-World/2-Debugging-ML-Models/README.md": { + "original_hash": "df2b538e8fbb3e91cf0419ae2f858675", + "translation_date": "2025-09-05T21:34:30+00:00", + "source_file": "9-Real-World/2-Debugging-ML-Models/README.md", + "language_code": "th" + }, + "9-Real-World/2-Debugging-ML-Models/assignment.md": { + "original_hash": "91c6a180ef08e20cc15acfd2d6d6e164", + "translation_date": "2025-09-05T21:37:03+00:00", + "source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md", + "language_code": "th" + }, + "9-Real-World/README.md": { + "original_hash": "5e069a0ac02a9606a69946c2b3c574a9", + "translation_date": "2025-09-05T21:31:23+00:00", + "source_file": "9-Real-World/README.md", + "language_code": "th" + }, + "AGENTS.md": { + "original_hash": "93fdaa0fd38836e50c4793e2f2f25e8b", + "translation_date": "2025-10-03T11:09:19+00:00", + "source_file": "AGENTS.md", + "language_code": "th" + }, + "CODE_OF_CONDUCT.md": { + "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56", + "translation_date": "2025-09-05T21:04:23+00:00", + "source_file": "CODE_OF_CONDUCT.md", + "language_code": "th" + }, + "CONTRIBUTING.md": { + "original_hash": "977ec5266dfd78ad1ce2bd8d46fccbda", + "translation_date": "2025-09-05T21:03:03+00:00", + "source_file": "CONTRIBUTING.md", + "language_code": "th" + }, + "README.md": { + "original_hash": "da2ceed62f16a0820259556e3a873c95", + "translation_date": "2026-01-29T18:32:52+00:00", + "source_file": "README.md", + "language_code": "th" + }, + "SECURITY.md": { + "original_hash": "5e1b8da31aae9cca3d53ad243fa3365a", + "translation_date": "2025-09-05T21:03:23+00:00", + "source_file": "SECURITY.md", + "language_code": "th" + }, + "SUPPORT.md": { + "original_hash": "09623d7343ff1c26ff4f198c1b2d3176", + "translation_date": "2025-10-03T12:04:20+00:00", + "source_file": "SUPPORT.md", + "language_code": "th" + }, + "TROUBLESHOOTING.md": { + "original_hash": "134d8759f0e2ab886e9aa4f62362c201", + "translation_date": "2025-10-03T12:46:48+00:00", + "source_file": "TROUBLESHOOTING.md", + "language_code": "th" + }, + "docs/_sidebar.md": { + "original_hash": "68dd06c685f6ce840e0acfa313352e7c", + "translation_date": "2025-09-05T21:30:40+00:00", + "source_file": "docs/_sidebar.md", + "language_code": "th" + }, + "for-teachers.md": { + "original_hash": "b37de02054fa6c0438ede6fabe1fdfb8", + "translation_date": "2025-09-05T21:03:57+00:00", + "source_file": "for-teachers.md", + "language_code": "th" + }, + "quiz-app/README.md": { + "original_hash": "6d130dffca5db70d7e615f926cb1ad4c", + "translation_date": "2025-09-05T21:48:20+00:00", + "source_file": "quiz-app/README.md", + "language_code": "th" + }, + "sketchnotes/LICENSE.md": { + "original_hash": "fba3b94d88bfb9b81369b869a1e9a20f", + "translation_date": "2025-09-05T21:57:26+00:00", + "source_file": "sketchnotes/LICENSE.md", + "language_code": "th" + }, + "sketchnotes/README.md": { + "original_hash": "a88d5918c1b9da69a40d917a0840c497", + "translation_date": "2025-09-05T21:56:41+00:00", + "source_file": "sketchnotes/README.md", + "language_code": "th" + } +} \ No newline at end of file diff --git a/translations/th/1-Introduction/1-intro-to-ML/README.md b/translations/th/1-Introduction/1-intro-to-ML/README.md index d15770a4c..63f98dafc 100644 --- a/translations/th/1-Introduction/1-intro-to-ML/README.md +++ b/translations/th/1-Introduction/1-intro-to-ML/README.md @@ -1,12 +1,3 @@ - # บทนำสู่การเรียนรู้ของเครื่อง ## [แบบทดสอบก่อนเริ่มบทเรียน](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/th/1-Introduction/1-intro-to-ML/assignment.md b/translations/th/1-Introduction/1-intro-to-ML/assignment.md index c6c0f1cbe..f8ff474bd 100644 --- a/translations/th/1-Introduction/1-intro-to-ML/assignment.md +++ b/translations/th/1-Introduction/1-intro-to-ML/assignment.md @@ -1,12 +1,3 @@ - # เริ่มต้นใช้งาน ## คำแนะนำ diff --git a/translations/th/1-Introduction/2-history-of-ML/README.md b/translations/th/1-Introduction/2-history-of-ML/README.md index d8c98d437..1e192f9e6 100644 --- a/translations/th/1-Introduction/2-history-of-ML/README.md +++ b/translations/th/1-Introduction/2-history-of-ML/README.md @@ -1,12 +1,3 @@ - # ประวัติศาสตร์ของการเรียนรู้ของเครื่อง ![สรุปประวัติศาสตร์ของการเรียนรู้ของเครื่องในรูปแบบสเก็ตโน้ต](../../../../sketchnotes/ml-history.png) diff --git a/translations/th/1-Introduction/2-history-of-ML/assignment.md b/translations/th/1-Introduction/2-history-of-ML/assignment.md index 0ff29f4bd..b15796a8e 100644 --- a/translations/th/1-Introduction/2-history-of-ML/assignment.md +++ b/translations/th/1-Introduction/2-history-of-ML/assignment.md @@ -1,12 +1,3 @@ - # สร้างไทม์ไลน์ ## คำแนะนำ diff --git a/translations/th/1-Introduction/3-fairness/README.md b/translations/th/1-Introduction/3-fairness/README.md index 42d7690e6..4ba50ff35 100644 --- a/translations/th/1-Introduction/3-fairness/README.md +++ b/translations/th/1-Introduction/3-fairness/README.md @@ -1,12 +1,3 @@ - # การสร้างโซลูชัน Machine Learning ด้วย AI ที่มีความรับผิดชอบ ![ภาพสรุปเกี่ยวกับ AI ที่มีความรับผิดชอบใน Machine Learning](../../../../sketchnotes/ml-fairness.png) diff --git a/translations/th/1-Introduction/3-fairness/assignment.md b/translations/th/1-Introduction/3-fairness/assignment.md index a630bc31d..2a282289c 100644 --- a/translations/th/1-Introduction/3-fairness/assignment.md +++ b/translations/th/1-Introduction/3-fairness/assignment.md @@ -1,12 +1,3 @@ - # สำรวจเครื่องมือ Responsible AI Toolbox ## คำแนะนำ diff --git a/translations/th/1-Introduction/4-techniques-of-ML/README.md b/translations/th/1-Introduction/4-techniques-of-ML/README.md index 4c8b61bce..31e2e5883 100644 --- a/translations/th/1-Introduction/4-techniques-of-ML/README.md +++ b/translations/th/1-Introduction/4-techniques-of-ML/README.md @@ -1,12 +1,3 @@ - # เทคนิคการเรียนรู้ของเครื่อง กระบวนการสร้าง ใช้งาน และดูแลรักษาโมเดลการเรียนรู้ของเครื่องและข้อมูลที่ใช้ เป็นกระบวนการที่แตกต่างจากเวิร์กโฟลว์การพัฒนาหลายประเภท ในบทเรียนนี้ เราจะทำให้กระบวนการนี้เข้าใจง่ายขึ้น และสรุปเทคนิคหลักที่คุณจำเป็นต้องรู้ คุณจะได้: diff --git a/translations/th/1-Introduction/4-techniques-of-ML/assignment.md b/translations/th/1-Introduction/4-techniques-of-ML/assignment.md index 367c2853e..998218937 100644 --- a/translations/th/1-Introduction/4-techniques-of-ML/assignment.md +++ b/translations/th/1-Introduction/4-techniques-of-ML/assignment.md @@ -1,12 +1,3 @@ - # สัมภาษณ์นักวิทยาศาสตร์ข้อมูล ## คำแนะนำ diff --git a/translations/th/1-Introduction/README.md b/translations/th/1-Introduction/README.md index 2321a7fc5..37c21a1ba 100644 --- a/translations/th/1-Introduction/README.md +++ b/translations/th/1-Introduction/README.md @@ -1,12 +1,3 @@ - # การแนะนำเกี่ยวกับการเรียนรู้ของเครื่อง ในส่วนนี้ของหลักสูตร คุณจะได้เรียนรู้แนวคิดพื้นฐานที่เกี่ยวข้องกับการเรียนรู้ของเครื่องว่ามันคืออะไร รวมถึงประวัติศาสตร์และเทคนิคที่นักวิจัยใช้ในการทำงานกับมัน มาสำรวจโลกใหม่ของ ML ไปด้วยกัน! diff --git a/translations/th/2-Regression/1-Tools/README.md b/translations/th/2-Regression/1-Tools/README.md index c7a64dae6..54cfeed32 100644 --- a/translations/th/2-Regression/1-Tools/README.md +++ b/translations/th/2-Regression/1-Tools/README.md @@ -1,12 +1,3 @@ - # เริ่มต้นกับ Python และ Scikit-learn สำหรับโมเดลการถดถอย ![สรุปเกี่ยวกับการถดถอยในรูปแบบสเก็ตโน้ต](../../../../sketchnotes/ml-regression.png) diff --git a/translations/th/2-Regression/1-Tools/assignment.md b/translations/th/2-Regression/1-Tools/assignment.md index da76a64dd..d295cf63e 100644 --- a/translations/th/2-Regression/1-Tools/assignment.md +++ b/translations/th/2-Regression/1-Tools/assignment.md @@ -1,12 +1,3 @@ - # การวิเคราะห์ถดถอยด้วย Scikit-learn ## คำแนะนำ diff --git a/translations/th/2-Regression/1-Tools/solution/Julia/README.md b/translations/th/2-Regression/1-Tools/solution/Julia/README.md index 4cbd13e78..b283da343 100644 --- a/translations/th/2-Regression/1-Tools/solution/Julia/README.md +++ b/translations/th/2-Regression/1-Tools/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/2-Regression/2-Data/README.md b/translations/th/2-Regression/2-Data/README.md index 4d67dc014..6fcee9c0c 100644 --- a/translations/th/2-Regression/2-Data/README.md +++ b/translations/th/2-Regression/2-Data/README.md @@ -1,12 +1,3 @@ - # สร้างโมเดลการถดถอยด้วย Scikit-learn: เตรียมและแสดงข้อมูล ![อินโฟกราฟิกการแสดงข้อมูล](../../../../2-Regression/2-Data/images/data-visualization.png) diff --git a/translations/th/2-Regression/2-Data/assignment.md b/translations/th/2-Regression/2-Data/assignment.md index b045f3e70..811d0d009 100644 --- a/translations/th/2-Regression/2-Data/assignment.md +++ b/translations/th/2-Regression/2-Data/assignment.md @@ -1,12 +1,3 @@ - # การสำรวจการสร้างภาพข้อมูล มีไลบรารีหลายตัวที่สามารถใช้สำหรับการสร้างภาพข้อมูล ลองสร้างภาพข้อมูลโดยใช้ข้อมูล Pumpkin ในบทเรียนนี้ด้วย matplotlib และ seaborn ในตัวอย่างโน้ตบุ๊ก ไลบรารีใดที่ใช้งานง่ายกว่า? diff --git a/translations/th/2-Regression/2-Data/solution/Julia/README.md b/translations/th/2-Regression/2-Data/solution/Julia/README.md index 9810b90a6..728f31a44 100644 --- a/translations/th/2-Regression/2-Data/solution/Julia/README.md +++ b/translations/th/2-Regression/2-Data/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/2-Regression/3-Linear/README.md b/translations/th/2-Regression/3-Linear/README.md index 62481f4bb..740cb51e0 100644 --- a/translations/th/2-Regression/3-Linear/README.md +++ b/translations/th/2-Regression/3-Linear/README.md @@ -1,12 +1,3 @@ - # สร้างโมเดลการถดถอยด้วย Scikit-learn: การถดถอย 4 วิธี ![อินโฟกราฟิกการถดถอยเชิงเส้นและพหุนาม](../../../../2-Regression/3-Linear/images/linear-polynomial.png) @@ -115,11 +106,11 @@ day_of_year = pd.to_datetime(pumpkins['Date']).apply(lambda dt: (dt-datetime(dt. จากบทเรียนก่อน คุณอาจเห็นว่าราคาเฉลี่ยสำหรับแต่ละเดือนมีลักษณะดังนี้: -ราคาเฉลี่ยตามเดือน +ราคาเฉลี่ยตามเดือน สิ่งนี้ชี้ให้เห็นว่าควรมีความสัมพันธ์บางอย่าง และเราสามารถลองฝึกโมเดลการถดถอยเชิงเส้นเพื่อคาดการณ์ความสัมพันธ์ระหว่าง `Month` และ `Price` หรือระหว่าง `DayOfYear` และ `Price` นี่คือกราฟกระจายที่แสดงความสัมพันธ์หลัง: -กราฟกระจายของราคาเทียบกับวันในปี +กราฟกระจายของราคาเทียบกับวันในปี มาดูกันว่ามีความสัมพันธ์หรือไม่โดยใช้ฟังก์ชัน `corr`: @@ -138,7 +129,7 @@ for i,var in enumerate(new_pumpkins['Variety'].unique()): ax = df.plot.scatter('DayOfYear','Price',ax=ax,c=colors[i],label=var) ``` -กราฟกระจายของราคาเทียบกับวันในปี +กราฟกระจายของราคาเทียบกับวันในปี การตรวจสอบของเราชี้ให้เห็นว่าพันธุ์มีผลต่อราคามากกว่าวันที่ขาย เราสามารถเห็นสิ่งนี้ได้จากกราฟแท่ง: @@ -146,7 +137,7 @@ for i,var in enumerate(new_pumpkins['Variety'].unique()): new_pumpkins.groupby('Variety')['Price'].mean().plot(kind='bar') ``` -กราฟแท่งของราคาเทียบกับพันธุ์ +กราฟแท่งของราคาเทียบกับพันธุ์ ให้เรามุ่งเน้นไปที่พันธุ์ฟักทองชนิดเดียวคือ 'pie type' และดูว่าผลของวันที่มีต่อราคาเป็นอย่างไร: @@ -154,7 +145,7 @@ new_pumpkins.groupby('Variety')['Price'].mean().plot(kind='bar') pie_pumpkins = new_pumpkins[new_pumpkins['Variety']=='PIE TYPE'] pie_pumpkins.plot.scatter('DayOfYear','Price') ``` -กราฟกระจายของราคาเทียบกับวันในปี +กราฟกระจายของราคาเทียบกับวันในปี หากเราคำนวณความสัมพันธ์ระหว่าง `Price` และ `DayOfYear` โดยใช้ฟังก์ชัน `corr` ตอนนี้ เราจะได้ค่าประมาณ `-0.27` - ซึ่งหมายความว่าการฝึกโมเดลการคาดการณ์มีเหตุผล @@ -228,7 +219,7 @@ plt.scatter(X_test,y_test) plt.plot(X_test,pred) ``` -Linear regression +Linear regression ## การถดถอยเชิงพหุนาม @@ -257,7 +248,7 @@ pipeline.fit(X_train,y_train) Pipeline สามารถใช้งานได้ในลักษณะเดียวกับวัตถุ `LinearRegression` ดั้งเดิม เช่น เราสามารถ `fit` pipeline และใช้ `predict` เพื่อรับผลการทำนาย นี่คือกราฟที่แสดงข้อมูลทดสอบและเส้นโค้งประมาณค่า: -Polynomial regression +Polynomial regression การใช้การถดถอยเชิงพหุนาม เราสามารถลดค่า MSE และเพิ่มค่าสัมประสิทธิ์การกำหนดได้เล็กน้อย แต่ไม่มากนัก เราจำเป็นต้องพิจารณาคุณสมบัติอื่นๆ ด้วย! @@ -275,7 +266,7 @@ Pipeline สามารถใช้งานได้ในลักษณะ นี่คือกราฟที่แสดงให้เห็นว่าราคาเฉลี่ยขึ้นอยู่กับประเภทฟักทองอย่างไร: -Average price by variety +Average price by variety เพื่อพิจารณาประเภทฟักทอง เราต้องแปลงมันเป็นรูปแบบตัวเลขก่อน หรือ **เข้ารหัส** มีหลายวิธีที่เราสามารถทำได้: diff --git a/translations/th/2-Regression/3-Linear/assignment.md b/translations/th/2-Regression/3-Linear/assignment.md index 66797848e..f558b7abf 100644 --- a/translations/th/2-Regression/3-Linear/assignment.md +++ b/translations/th/2-Regression/3-Linear/assignment.md @@ -1,12 +1,3 @@ - # สร้างโมเดลการถดถอย ## คำแนะนำ diff --git a/translations/th/2-Regression/3-Linear/solution/Julia/README.md b/translations/th/2-Regression/3-Linear/solution/Julia/README.md index 7decc3b1c..ee648d1d6 100644 --- a/translations/th/2-Regression/3-Linear/solution/Julia/README.md +++ b/translations/th/2-Regression/3-Linear/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/2-Regression/4-Logistic/README.md b/translations/th/2-Regression/4-Logistic/README.md index d8b57d688..8355908a0 100644 --- a/translations/th/2-Regression/4-Logistic/README.md +++ b/translations/th/2-Regression/4-Logistic/README.md @@ -1,12 +1,3 @@ - # การถดถอยโลจิสติกเพื่อทำนายหมวดหมู่ ![ภาพเปรียบเทียบการถดถอยเชิงเส้นและโลจิสติก](../../../../2-Regression/4-Logistic/images/linear-vs-logistic.png) diff --git a/translations/th/2-Regression/4-Logistic/assignment.md b/translations/th/2-Regression/4-Logistic/assignment.md index 84b94d983..de04a0e2c 100644 --- a/translations/th/2-Regression/4-Logistic/assignment.md +++ b/translations/th/2-Regression/4-Logistic/assignment.md @@ -1,12 +1,3 @@ - # การลองทำ Regression ซ้ำ ## คำแนะนำ diff --git a/translations/th/2-Regression/4-Logistic/solution/Julia/README.md b/translations/th/2-Regression/4-Logistic/solution/Julia/README.md index a66bda6b6..ee648d1d6 100644 --- a/translations/th/2-Regression/4-Logistic/solution/Julia/README.md +++ b/translations/th/2-Regression/4-Logistic/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/2-Regression/README.md b/translations/th/2-Regression/README.md index 1b0061e9e..6d175a804 100644 --- a/translations/th/2-Regression/README.md +++ b/translations/th/2-Regression/README.md @@ -1,12 +1,3 @@ - # โมเดลการถดถอยสำหรับการเรียนรู้ของเครื่อง ## หัวข้อภูมิภาค: โมเดลการถดถอยสำหรับราคาฟักทองในอเมริกาเหนือ 🎃 diff --git a/translations/th/3-Web-App/1-Web-App/README.md b/translations/th/3-Web-App/1-Web-App/README.md index 389ea9b28..e37e76c7b 100644 --- a/translations/th/3-Web-App/1-Web-App/README.md +++ b/translations/th/3-Web-App/1-Web-App/README.md @@ -1,12 +1,3 @@ - # สร้างเว็บแอปเพื่อใช้งานโมเดล ML ในบทเรียนนี้ คุณจะฝึกโมเดล ML บนชุดข้อมูลที่น่าสนใจมาก: _การพบเห็น UFO ในช่วงศตวรรษที่ผ่านมา_ ซึ่งมาจากฐานข้อมูลของ NUFORC diff --git a/translations/th/3-Web-App/1-Web-App/assignment.md b/translations/th/3-Web-App/1-Web-App/assignment.md index c00a699b5..8be175880 100644 --- a/translations/th/3-Web-App/1-Web-App/assignment.md +++ b/translations/th/3-Web-App/1-Web-App/assignment.md @@ -1,12 +1,3 @@ - # ลองใช้โมเดลอื่น ## คำแนะนำ diff --git a/translations/th/3-Web-App/README.md b/translations/th/3-Web-App/README.md index 34eebf04f..928452893 100644 --- a/translations/th/3-Web-App/README.md +++ b/translations/th/3-Web-App/README.md @@ -1,12 +1,3 @@ - # สร้างเว็บแอปเพื่อใช้งานโมเดล ML ของคุณ ในส่วนนี้ของหลักสูตร คุณจะได้เรียนรู้หัวข้อการประยุกต์ใช้ ML: วิธีการบันทึกโมเดล Scikit-learn เป็นไฟล์ที่สามารถนำไปใช้ในการทำนายภายในเว็บแอปพลิเคชัน เมื่อโมเดลถูกบันทึกแล้ว คุณจะได้เรียนรู้วิธีการใช้งานโมเดลในเว็บแอปที่สร้างด้วย Flask คุณจะเริ่มต้นด้วยการสร้างโมเดลโดยใช้ข้อมูลเกี่ยวกับการพบเห็น UFO! จากนั้น คุณจะสร้างเว็บแอปที่ช่วยให้คุณสามารถป้อนจำนวนวินาที พร้อมกับค่าละติจูดและลองจิจูด เพื่อทำนายว่าประเทศใดรายงานการพบเห็น UFO diff --git a/translations/th/4-Classification/1-Introduction/README.md b/translations/th/4-Classification/1-Introduction/README.md index aba2e5451..7cc7724a3 100644 --- a/translations/th/4-Classification/1-Introduction/README.md +++ b/translations/th/4-Classification/1-Introduction/README.md @@ -1,12 +1,3 @@ - # บทนำสู่การจำแนกประเภท ในบทเรียนทั้งสี่นี้ คุณจะได้สำรวจหัวข้อพื้นฐานของการเรียนรู้ด้วยเครื่องแบบคลาสสิก - _การจำแนกประเภท_ เราจะเดินผ่านการใช้หลากหลายอัลกอริทึมการจำแนกประเภทกับชุดข้อมูลเกี่ยวกับอาหารที่ยอดเยี่ยมของเอเชียและอินเดีย หวังว่าคุณจะหิวแล้ว! diff --git a/translations/th/4-Classification/1-Introduction/assignment.md b/translations/th/4-Classification/1-Introduction/assignment.md index 50e5b4ce6..ecfaaccbf 100644 --- a/translations/th/4-Classification/1-Introduction/assignment.md +++ b/translations/th/4-Classification/1-Introduction/assignment.md @@ -1,12 +1,3 @@ - # สำรวจวิธีการจำแนกประเภท ## คำแนะนำ diff --git a/translations/th/4-Classification/1-Introduction/solution/Julia/README.md b/translations/th/4-Classification/1-Introduction/solution/Julia/README.md index 33eb186fd..b239eee03 100644 --- a/translations/th/4-Classification/1-Introduction/solution/Julia/README.md +++ b/translations/th/4-Classification/1-Introduction/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/4-Classification/2-Classifiers-1/README.md b/translations/th/4-Classification/2-Classifiers-1/README.md index 9f9390733..5b6a6e349 100644 --- a/translations/th/4-Classification/2-Classifiers-1/README.md +++ b/translations/th/4-Classification/2-Classifiers-1/README.md @@ -1,12 +1,3 @@ - # ตัวจำแนกประเภทอาหาร 1 ในบทเรียนนี้ คุณจะใช้ชุดข้อมูลที่คุณบันทึกไว้จากบทเรียนก่อน ซึ่งเต็มไปด้วยข้อมูลที่สมดุลและสะอาดเกี่ยวกับอาหารหลากหลายประเภท diff --git a/translations/th/4-Classification/2-Classifiers-1/assignment.md b/translations/th/4-Classification/2-Classifiers-1/assignment.md index a5434c488..05c9e34c0 100644 --- a/translations/th/4-Classification/2-Classifiers-1/assignment.md +++ b/translations/th/4-Classification/2-Classifiers-1/assignment.md @@ -1,12 +1,3 @@ - # ศึกษาตัวแก้ปัญหา ## คำแนะนำ diff --git a/translations/th/4-Classification/2-Classifiers-1/solution/Julia/README.md b/translations/th/4-Classification/2-Classifiers-1/solution/Julia/README.md index d4edb8527..0d90271a6 100644 --- a/translations/th/4-Classification/2-Classifiers-1/solution/Julia/README.md +++ b/translations/th/4-Classification/2-Classifiers-1/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/4-Classification/3-Classifiers-2/README.md b/translations/th/4-Classification/3-Classifiers-2/README.md index df32b6857..e5494b359 100644 --- a/translations/th/4-Classification/3-Classifiers-2/README.md +++ b/translations/th/4-Classification/3-Classifiers-2/README.md @@ -1,12 +1,3 @@ - # ตัวจำแนกประเภทอาหาร 2 ในบทเรียนการจำแนกประเภทครั้งที่สองนี้ คุณจะได้สำรวจวิธีการเพิ่มเติมในการจำแนกข้อมูลเชิงตัวเลข นอกจากนี้คุณยังจะได้เรียนรู้ผลกระทบจากการเลือกตัวจำแนกประเภทหนึ่งเหนืออีกประเภทหนึ่ง diff --git a/translations/th/4-Classification/3-Classifiers-2/assignment.md b/translations/th/4-Classification/3-Classifiers-2/assignment.md index 8e10e39c6..22728d19f 100644 --- a/translations/th/4-Classification/3-Classifiers-2/assignment.md +++ b/translations/th/4-Classification/3-Classifiers-2/assignment.md @@ -1,12 +1,3 @@ - # การเล่นกับพารามิเตอร์ ## คำแนะนำ diff --git a/translations/th/4-Classification/3-Classifiers-2/solution/Julia/README.md b/translations/th/4-Classification/3-Classifiers-2/solution/Julia/README.md index a52b126ed..582e14686 100644 --- a/translations/th/4-Classification/3-Classifiers-2/solution/Julia/README.md +++ b/translations/th/4-Classification/3-Classifiers-2/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/4-Classification/4-Applied/README.md b/translations/th/4-Classification/4-Applied/README.md index 26a838b6e..c18166b34 100644 --- a/translations/th/4-Classification/4-Applied/README.md +++ b/translations/th/4-Classification/4-Applied/README.md @@ -1,12 +1,3 @@ - # สร้างเว็บแอปแนะนำเมนูอาหาร ในบทเรียนนี้ คุณจะสร้างโมเดลการจำแนกประเภทโดยใช้เทคนิคที่คุณได้เรียนรู้ในบทเรียนก่อนหน้า พร้อมกับชุดข้อมูลเมนูอาหารที่น่ารับประทานซึ่งใช้ตลอดซีรีส์นี้ นอกจากนี้ คุณจะสร้างเว็บแอปเล็กๆ เพื่อใช้งานโมเดลที่บันทึกไว้ โดยใช้ Onnx Web Runtime diff --git a/translations/th/4-Classification/4-Applied/assignment.md b/translations/th/4-Classification/4-Applied/assignment.md index 77d906c86..2215e6f5e 100644 --- a/translations/th/4-Classification/4-Applied/assignment.md +++ b/translations/th/4-Classification/4-Applied/assignment.md @@ -1,12 +1,3 @@ - # สร้างระบบแนะนำ ## คำแนะนำ diff --git a/translations/th/4-Classification/README.md b/translations/th/4-Classification/README.md index f1e7d0bf8..163211cb4 100644 --- a/translations/th/4-Classification/README.md +++ b/translations/th/4-Classification/README.md @@ -1,12 +1,3 @@ - # เริ่มต้นกับการจำแนกประเภท ## หัวข้อภูมิภาค: อาหารเอเชียและอินเดียแสนอร่อย 🍜 diff --git a/translations/th/5-Clustering/1-Visualize/README.md b/translations/th/5-Clustering/1-Visualize/README.md index 604eca750..b3fdbc1de 100644 --- a/translations/th/5-Clustering/1-Visualize/README.md +++ b/translations/th/5-Clustering/1-Visualize/README.md @@ -1,12 +1,3 @@ - # บทนำเกี่ยวกับการจัดกลุ่มข้อมูล การจัดกลุ่มข้อมูล (Clustering) เป็นรูปแบบหนึ่งของ [การเรียนรู้แบบไม่มีผู้สอน](https://wikipedia.org/wiki/Unsupervised_learning) ซึ่งสมมติว่าชุดข้อมูลไม่มีการติดป้ายกำกับ หรือข้อมูลนำเข้าไม่ได้จับคู่กับผลลัพธ์ที่กำหนดไว้ล่วงหน้า โดยใช้หลากหลายอัลกอริทึมเพื่อจัดเรียงข้อมูลที่ไม่มีการติดป้ายกำกับ และสร้างกลุ่มตามรูปแบบที่พบในข้อมูล diff --git a/translations/th/5-Clustering/1-Visualize/assignment.md b/translations/th/5-Clustering/1-Visualize/assignment.md index 856ea23a9..7a54b6518 100644 --- a/translations/th/5-Clustering/1-Visualize/assignment.md +++ b/translations/th/5-Clustering/1-Visualize/assignment.md @@ -1,12 +1,3 @@ - # วิจัยการแสดงผลอื่น ๆ สำหรับการจัดกลุ่ม ## คำแนะนำ diff --git a/translations/th/5-Clustering/1-Visualize/solution/Julia/README.md b/translations/th/5-Clustering/1-Visualize/solution/Julia/README.md index bcc8cec96..76c1e2508 100644 --- a/translations/th/5-Clustering/1-Visualize/solution/Julia/README.md +++ b/translations/th/5-Clustering/1-Visualize/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/5-Clustering/2-K-Means/README.md b/translations/th/5-Clustering/2-K-Means/README.md index 092aeb80d..f7eed4a37 100644 --- a/translations/th/5-Clustering/2-K-Means/README.md +++ b/translations/th/5-Clustering/2-K-Means/README.md @@ -1,12 +1,3 @@ - # การจัดกลุ่มด้วย K-Means ## [แบบทดสอบก่อนเรียน](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/th/5-Clustering/2-K-Means/assignment.md b/translations/th/5-Clustering/2-K-Means/assignment.md index a02941bcc..a841dfe94 100644 --- a/translations/th/5-Clustering/2-K-Means/assignment.md +++ b/translations/th/5-Clustering/2-K-Means/assignment.md @@ -1,12 +1,3 @@ - # ลองใช้วิธีการจัดกลุ่มแบบต่างๆ ## คำแนะนำ diff --git a/translations/th/5-Clustering/2-K-Means/solution/Julia/README.md b/translations/th/5-Clustering/2-K-Means/solution/Julia/README.md index 148cf44af..85f254b9e 100644 --- a/translations/th/5-Clustering/2-K-Means/solution/Julia/README.md +++ b/translations/th/5-Clustering/2-K-Means/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/5-Clustering/README.md b/translations/th/5-Clustering/README.md index b00faa365..64f7eb049 100644 --- a/translations/th/5-Clustering/README.md +++ b/translations/th/5-Clustering/README.md @@ -1,12 +1,3 @@ - # โมเดลการจัดกลุ่มสำหรับการเรียนรู้ของเครื่อง การจัดกลุ่มเป็นงานในด้านการเรียนรู้ของเครื่องที่มุ่งค้นหาวัตถุที่มีความคล้ายคลึงกันและจัดกลุ่มเหล่านี้ให้อยู่ในกลุ่มที่เรียกว่า "คลัสเตอร์" สิ่งที่แตกต่างระหว่างการจัดกลุ่มกับวิธีการอื่นในด้านการเรียนรู้ของเครื่องคือกระบวนการเกิดขึ้นโดยอัตโนมัติ ในความเป็นจริง อาจกล่าวได้ว่ามันตรงกันข้ามกับการเรียนรู้แบบมีผู้สอน diff --git a/translations/th/6-NLP/1-Introduction-to-NLP/README.md b/translations/th/6-NLP/1-Introduction-to-NLP/README.md index 56b84896d..f0c9ff3fb 100644 --- a/translations/th/6-NLP/1-Introduction-to-NLP/README.md +++ b/translations/th/6-NLP/1-Introduction-to-NLP/README.md @@ -1,12 +1,3 @@ - # บทนำสู่การประมวลผลภาษาธรรมชาติ บทเรียนนี้ครอบคลุมประวัติย่อและแนวคิดสำคัญของ *การประมวลผลภาษาธรรมชาติ* ซึ่งเป็นสาขาย่อยของ *ภาษาศาสตร์เชิงคำนวณ* diff --git a/translations/th/6-NLP/1-Introduction-to-NLP/assignment.md b/translations/th/6-NLP/1-Introduction-to-NLP/assignment.md index 68dca7c66..343dcb96b 100644 --- a/translations/th/6-NLP/1-Introduction-to-NLP/assignment.md +++ b/translations/th/6-NLP/1-Introduction-to-NLP/assignment.md @@ -1,12 +1,3 @@ - # ค้นหาบอท ## คำแนะนำ diff --git a/translations/th/6-NLP/2-Tasks/README.md b/translations/th/6-NLP/2-Tasks/README.md index 344e123af..d6121c823 100644 --- a/translations/th/6-NLP/2-Tasks/README.md +++ b/translations/th/6-NLP/2-Tasks/README.md @@ -1,12 +1,3 @@ - # งานและเทคนิคทั่วไปในด้านการประมวลผลภาษาธรรมชาติ สำหรับงาน *การประมวลผลภาษาธรรมชาติ* ส่วนใหญ่ ข้อความที่ต้องการประมวลผลจะต้องถูกแยกส่วน ตรวจสอบ และจัดเก็บผลลัพธ์ หรืออ้างอิงกับกฎและชุดข้อมูล งานเหล่านี้ช่วยให้โปรแกรมเมอร์สามารถสกัด _ความหมาย_ หรือ _เจตนา_ หรือเพียงแค่ _ความถี่_ ของคำและคำศัพท์ในข้อความได้ diff --git a/translations/th/6-NLP/2-Tasks/assignment.md b/translations/th/6-NLP/2-Tasks/assignment.md index 3249b3bb9..f04a4f88b 100644 --- a/translations/th/6-NLP/2-Tasks/assignment.md +++ b/translations/th/6-NLP/2-Tasks/assignment.md @@ -1,12 +1,3 @@ - # ทำให้บอทตอบกลับ ## คำแนะนำ diff --git a/translations/th/6-NLP/3-Translation-Sentiment/README.md b/translations/th/6-NLP/3-Translation-Sentiment/README.md index 14498d52e..b406945da 100644 --- a/translations/th/6-NLP/3-Translation-Sentiment/README.md +++ b/translations/th/6-NLP/3-Translation-Sentiment/README.md @@ -1,12 +1,3 @@ - # การแปลและการวิเคราะห์ความรู้สึกด้วย ML ในบทเรียนก่อนหน้านี้ คุณได้เรียนรู้วิธีสร้างบอทพื้นฐานโดยใช้ `TextBlob` ซึ่งเป็นไลบรารีที่มี ML อยู่เบื้องหลังเพื่อทำงาน NLP พื้นฐาน เช่น การดึงวลีคำนาม อีกหนึ่งความท้าทายสำคัญในภาษาศาสตร์เชิงคอมพิวเตอร์คือการแปลประโยคจากภาษาพูดหรือภาษาเขียนหนึ่งไปยังอีกภาษาอย่างแม่นยำ diff --git a/translations/th/6-NLP/3-Translation-Sentiment/assignment.md b/translations/th/6-NLP/3-Translation-Sentiment/assignment.md index ac1459056..7e361ba8a 100644 --- a/translations/th/6-NLP/3-Translation-Sentiment/assignment.md +++ b/translations/th/6-NLP/3-Translation-Sentiment/assignment.md @@ -1,12 +1,3 @@ - # ใบอนุญาตเชิงกวี ## คำแนะนำ diff --git a/translations/th/6-NLP/3-Translation-Sentiment/solution/Julia/README.md b/translations/th/6-NLP/3-Translation-Sentiment/solution/Julia/README.md index ad9778371..85f254b9e 100644 --- a/translations/th/6-NLP/3-Translation-Sentiment/solution/Julia/README.md +++ b/translations/th/6-NLP/3-Translation-Sentiment/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/6-NLP/3-Translation-Sentiment/solution/R/README.md b/translations/th/6-NLP/3-Translation-Sentiment/solution/R/README.md index 54073a947..c7dd01442 100644 --- a/translations/th/6-NLP/3-Translation-Sentiment/solution/R/README.md +++ b/translations/th/6-NLP/3-Translation-Sentiment/solution/R/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/6-NLP/4-Hotel-Reviews-1/README.md b/translations/th/6-NLP/4-Hotel-Reviews-1/README.md index 8cd871926..9c91f6f58 100644 --- a/translations/th/6-NLP/4-Hotel-Reviews-1/README.md +++ b/translations/th/6-NLP/4-Hotel-Reviews-1/README.md @@ -1,12 +1,3 @@ - # การวิเคราะห์ความรู้สึกด้วยรีวิวโรงแรม - การประมวลผลข้อมูล ในส่วนนี้ คุณจะใช้เทคนิคที่เรียนรู้ในบทเรียนก่อนหน้าเพื่อทำการวิเคราะห์ข้อมูลเบื้องต้นในชุดข้อมูลขนาดใหญ่ เมื่อคุณเข้าใจถึงความมีประโยชน์ของคอลัมน์ต่าง ๆ แล้ว คุณจะได้เรียนรู้: diff --git a/translations/th/6-NLP/4-Hotel-Reviews-1/assignment.md b/translations/th/6-NLP/4-Hotel-Reviews-1/assignment.md index c3cbd384a..be34ec677 100644 --- a/translations/th/6-NLP/4-Hotel-Reviews-1/assignment.md +++ b/translations/th/6-NLP/4-Hotel-Reviews-1/assignment.md @@ -1,12 +1,3 @@ - # NLTK ## คำแนะนำ diff --git a/translations/th/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md b/translations/th/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md index e682e3b54..b44340833 100644 --- a/translations/th/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md +++ b/translations/th/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/6-NLP/4-Hotel-Reviews-1/solution/R/README.md b/translations/th/6-NLP/4-Hotel-Reviews-1/solution/R/README.md index 62d34811b..792595bcd 100644 --- a/translations/th/6-NLP/4-Hotel-Reviews-1/solution/R/README.md +++ b/translations/th/6-NLP/4-Hotel-Reviews-1/solution/R/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/6-NLP/5-Hotel-Reviews-2/README.md b/translations/th/6-NLP/5-Hotel-Reviews-2/README.md index 1b9a2f3f4..ed7f56102 100644 --- a/translations/th/6-NLP/5-Hotel-Reviews-2/README.md +++ b/translations/th/6-NLP/5-Hotel-Reviews-2/README.md @@ -1,12 +1,3 @@ - # การวิเคราะห์ความรู้สึกด้วยรีวิวโรงแรม หลังจากที่คุณได้สำรวจชุดข้อมูลอย่างละเอียดแล้ว ถึงเวลาในการกรองคอลัมน์และใช้เทคนิค NLP กับชุดข้อมูลเพื่อค้นหาแนวคิดใหม่เกี่ยวกับโรงแรม diff --git a/translations/th/6-NLP/5-Hotel-Reviews-2/assignment.md b/translations/th/6-NLP/5-Hotel-Reviews-2/assignment.md index 163946b98..eb3443a96 100644 --- a/translations/th/6-NLP/5-Hotel-Reviews-2/assignment.md +++ b/translations/th/6-NLP/5-Hotel-Reviews-2/assignment.md @@ -1,12 +1,3 @@ - # ลองใช้ชุดข้อมูลอื่น ## คำแนะนำ diff --git a/translations/th/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md b/translations/th/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md index 717372a0b..e8095e9ba 100644 --- a/translations/th/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md +++ b/translations/th/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/6-NLP/5-Hotel-Reviews-2/solution/R/README.md b/translations/th/6-NLP/5-Hotel-Reviews-2/solution/R/README.md index 70347bab2..85f254b9e 100644 --- a/translations/th/6-NLP/5-Hotel-Reviews-2/solution/R/README.md +++ b/translations/th/6-NLP/5-Hotel-Reviews-2/solution/R/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/6-NLP/README.md b/translations/th/6-NLP/README.md index c966dd375..7263a91f9 100644 --- a/translations/th/6-NLP/README.md +++ b/translations/th/6-NLP/README.md @@ -1,12 +1,3 @@ - # เริ่มต้นกับการประมวลผลภาษาธรรมชาติ การประมวลผลภาษาธรรมชาติ (NLP) คือความสามารถของโปรแกรมคอมพิวเตอร์ในการเข้าใจภาษามนุษย์ทั้งที่พูดและเขียน ซึ่งเรียกว่าภาษาธรรมชาติ เป็นส่วนหนึ่งของปัญญาประดิษฐ์ (AI) NLP มีมานานกว่า 50 ปีและมีรากฐานมาจากสาขาภาษาศาสตร์ ทั้งหมดนี้มุ่งเน้นไปที่การช่วยให้เครื่องจักรเข้าใจและประมวลผลภาษามนุษย์ ซึ่งสามารถนำไปใช้ทำงานต่าง ๆ เช่น การตรวจสอบการสะกดคำหรือการแปลภาษาโดยเครื่องจักร มีการใช้งานในโลกจริงหลากหลายในหลายสาขา เช่น การวิจัยทางการแพทย์ เครื่องมือค้นหา และการวิเคราะห์ข้อมูลธุรกิจ diff --git a/translations/th/6-NLP/data/README.md b/translations/th/6-NLP/data/README.md index cc6a0f9ff..2ae2512e6 100644 --- a/translations/th/6-NLP/data/README.md +++ b/translations/th/6-NLP/data/README.md @@ -1,12 +1,3 @@ - ดาวน์โหลดข้อมูลรีวิวโรงแรมไปยังโฟลเดอร์นี้ --- diff --git a/translations/th/7-TimeSeries/1-Introduction/README.md b/translations/th/7-TimeSeries/1-Introduction/README.md index bb45c938b..7a8bc0eaf 100644 --- a/translations/th/7-TimeSeries/1-Introduction/README.md +++ b/translations/th/7-TimeSeries/1-Introduction/README.md @@ -1,12 +1,3 @@ - # บทนำสู่การพยากรณ์ข้อมูลอนุกรมเวลา ![สรุปข้อมูลอนุกรมเวลาในรูปแบบสเก็ตโน้ต](../../../../sketchnotes/ml-timeseries.png) diff --git a/translations/th/7-TimeSeries/1-Introduction/assignment.md b/translations/th/7-TimeSeries/1-Introduction/assignment.md index 24da78a4d..094fef826 100644 --- a/translations/th/7-TimeSeries/1-Introduction/assignment.md +++ b/translations/th/7-TimeSeries/1-Introduction/assignment.md @@ -1,12 +1,3 @@ - # การแสดงผลข้อมูล Time Series เพิ่มเติม ## คำแนะนำ diff --git a/translations/th/7-TimeSeries/1-Introduction/solution/Julia/README.md b/translations/th/7-TimeSeries/1-Introduction/solution/Julia/README.md index 47c769bbf..ee648d1d6 100644 --- a/translations/th/7-TimeSeries/1-Introduction/solution/Julia/README.md +++ b/translations/th/7-TimeSeries/1-Introduction/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/7-TimeSeries/1-Introduction/solution/R/README.md b/translations/th/7-TimeSeries/1-Introduction/solution/R/README.md index dbb6f8c12..ee648d1d6 100644 --- a/translations/th/7-TimeSeries/1-Introduction/solution/R/README.md +++ b/translations/th/7-TimeSeries/1-Introduction/solution/R/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/7-TimeSeries/2-ARIMA/README.md b/translations/th/7-TimeSeries/2-ARIMA/README.md index 7c77955bd..86e8730d2 100644 --- a/translations/th/7-TimeSeries/2-ARIMA/README.md +++ b/translations/th/7-TimeSeries/2-ARIMA/README.md @@ -1,12 +1,3 @@ - # การพยากรณ์อนุกรมเวลาโดยใช้ ARIMA ในบทเรียนก่อนหน้านี้ คุณได้เรียนรู้เกี่ยวกับการพยากรณ์อนุกรมเวลาและโหลดชุดข้อมูลที่แสดงการเปลี่ยนแปลงของโหลดไฟฟ้าในช่วงเวลาหนึ่ง diff --git a/translations/th/7-TimeSeries/2-ARIMA/assignment.md b/translations/th/7-TimeSeries/2-ARIMA/assignment.md index ef86e995d..e9963d37b 100644 --- a/translations/th/7-TimeSeries/2-ARIMA/assignment.md +++ b/translations/th/7-TimeSeries/2-ARIMA/assignment.md @@ -1,12 +1,3 @@ - # โมเดล ARIMA ใหม่ ## คำแนะนำ diff --git a/translations/th/7-TimeSeries/2-ARIMA/solution/Julia/README.md b/translations/th/7-TimeSeries/2-ARIMA/solution/Julia/README.md index c02495038..ee648d1d6 100644 --- a/translations/th/7-TimeSeries/2-ARIMA/solution/Julia/README.md +++ b/translations/th/7-TimeSeries/2-ARIMA/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/7-TimeSeries/2-ARIMA/solution/R/README.md b/translations/th/7-TimeSeries/2-ARIMA/solution/R/README.md index f46fc4d91..e8095e9ba 100644 --- a/translations/th/7-TimeSeries/2-ARIMA/solution/R/README.md +++ b/translations/th/7-TimeSeries/2-ARIMA/solution/R/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/7-TimeSeries/3-SVR/README.md b/translations/th/7-TimeSeries/3-SVR/README.md index c21b7cb12..e1d2d9142 100644 --- a/translations/th/7-TimeSeries/3-SVR/README.md +++ b/translations/th/7-TimeSeries/3-SVR/README.md @@ -1,12 +1,3 @@ - # การพยากรณ์ข้อมูลอนุกรมเวลาด้วย Support Vector Regressor ในบทเรียนก่อนหน้านี้ คุณได้เรียนรู้วิธีใช้โมเดล ARIMA เพื่อทำการพยากรณ์ข้อมูลอนุกรมเวลา ในบทนี้ คุณจะได้เรียนรู้เกี่ยวกับโมเดล Support Vector Regressor ซึ่งเป็นโมเดลสำหรับการพยากรณ์ข้อมูลแบบต่อเนื่อง diff --git a/translations/th/7-TimeSeries/3-SVR/assignment.md b/translations/th/7-TimeSeries/3-SVR/assignment.md index 681a738f0..e48a2b45e 100644 --- a/translations/th/7-TimeSeries/3-SVR/assignment.md +++ b/translations/th/7-TimeSeries/3-SVR/assignment.md @@ -1,12 +1,3 @@ - # โมเดล SVR ใหม่ ## คำแนะนำ [^1] diff --git a/translations/th/7-TimeSeries/README.md b/translations/th/7-TimeSeries/README.md index 83b660ec2..56ee05bf2 100644 --- a/translations/th/7-TimeSeries/README.md +++ b/translations/th/7-TimeSeries/README.md @@ -1,12 +1,3 @@ - # การแนะนำการพยากรณ์อนุกรมเวลา การพยากรณ์อนุกรมเวลาคืออะไร? มันคือการคาดการณ์เหตุการณ์ในอนาคตโดยการวิเคราะห์แนวโน้มในอดีต diff --git a/translations/th/8-Reinforcement/1-QLearning/README.md b/translations/th/8-Reinforcement/1-QLearning/README.md index ba0ae7606..b35929a0f 100644 --- a/translations/th/8-Reinforcement/1-QLearning/README.md +++ b/translations/th/8-Reinforcement/1-QLearning/README.md @@ -1,12 +1,3 @@ - # การแนะนำเกี่ยวกับ Reinforcement Learning และ Q-Learning ![สรุปเกี่ยวกับ reinforcement ใน machine learning ในรูปแบบ sketchnote](../../../../sketchnotes/ml-reinforcement.png) diff --git a/translations/th/8-Reinforcement/1-QLearning/assignment.md b/translations/th/8-Reinforcement/1-QLearning/assignment.md index de080f1c2..064712941 100644 --- a/translations/th/8-Reinforcement/1-QLearning/assignment.md +++ b/translations/th/8-Reinforcement/1-QLearning/assignment.md @@ -1,12 +1,3 @@ - # โลกที่สมจริงยิ่งขึ้น ในสถานการณ์ของเรา ปีเตอร์สามารถเคลื่อนที่ไปมาได้แทบจะโดยไม่รู้สึกเหนื่อยหรือหิวเลย ในโลกที่สมจริงยิ่งขึ้น เขาจะต้องนั่งพักเป็นครั้งคราว และต้องหาอาหารเพื่อเลี้ยงตัวเอง มาทำให้โลกของเราสมจริงยิ่งขึ้นโดยการเพิ่มกฎดังต่อไปนี้: diff --git a/translations/th/8-Reinforcement/1-QLearning/solution/Julia/README.md b/translations/th/8-Reinforcement/1-QLearning/solution/Julia/README.md index 3c5921cd0..15a5cc062 100644 --- a/translations/th/8-Reinforcement/1-QLearning/solution/Julia/README.md +++ b/translations/th/8-Reinforcement/1-QLearning/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/8-Reinforcement/1-QLearning/solution/R/README.md b/translations/th/8-Reinforcement/1-QLearning/solution/R/README.md index 41664e924..15a5cc062 100644 --- a/translations/th/8-Reinforcement/1-QLearning/solution/R/README.md +++ b/translations/th/8-Reinforcement/1-QLearning/solution/R/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/8-Reinforcement/2-Gym/README.md b/translations/th/8-Reinforcement/2-Gym/README.md index 0b23e0dee..cb5cd9ed1 100644 --- a/translations/th/8-Reinforcement/2-Gym/README.md +++ b/translations/th/8-Reinforcement/2-Gym/README.md @@ -1,12 +1,3 @@ - ## ข้อกำหนดเบื้องต้น ในบทเรียนนี้ เราจะใช้ไลบรารีที่เรียกว่า **OpenAI Gym** เพื่อจำลอง **สภาพแวดล้อม** ต่างๆ คุณสามารถรันโค้ดของบทเรียนนี้ในเครื่องของคุณเอง (เช่น จาก Visual Studio Code) ซึ่งการจำลองจะเปิดในหน้าต่างใหม่ หากคุณรันโค้ดออนไลน์ คุณอาจต้องปรับแต่งโค้ดเล็กน้อยตามที่อธิบายไว้ [ที่นี่](https://towardsdatascience.com/rendering-openai-gym-envs-on-binder-and-google-colab-536f99391cc7) diff --git a/translations/th/8-Reinforcement/2-Gym/assignment.md b/translations/th/8-Reinforcement/2-Gym/assignment.md index fdded980d..d75163184 100644 --- a/translations/th/8-Reinforcement/2-Gym/assignment.md +++ b/translations/th/8-Reinforcement/2-Gym/assignment.md @@ -1,12 +1,3 @@ - # ฝึก Mountain Car [OpenAI Gym](http://gym.openai.com) ถูกออกแบบมาให้ทุกสภาพแวดล้อมมี API เดียวกัน นั่นคือมีเมธอด `reset`, `step` และ `render` เหมือนกัน รวมถึงมีการจัดการ **action space** และ **observation space** ในรูปแบบเดียวกัน ดังนั้นจึงควรสามารถปรับอัลกอริทึม reinforcement learning เดียวกันให้เข้ากับสภาพแวดล้อมต่าง ๆ ได้โดยมีการเปลี่ยนแปลงโค้ดเพียงเล็กน้อย diff --git a/translations/th/8-Reinforcement/2-Gym/solution/Julia/README.md b/translations/th/8-Reinforcement/2-Gym/solution/Julia/README.md index 182c22601..41eb8db47 100644 --- a/translations/th/8-Reinforcement/2-Gym/solution/Julia/README.md +++ b/translations/th/8-Reinforcement/2-Gym/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/8-Reinforcement/2-Gym/solution/R/README.md b/translations/th/8-Reinforcement/2-Gym/solution/R/README.md index 95632fbd2..0d90271a6 100644 --- a/translations/th/8-Reinforcement/2-Gym/solution/R/README.md +++ b/translations/th/8-Reinforcement/2-Gym/solution/R/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/th/8-Reinforcement/README.md b/translations/th/8-Reinforcement/README.md index 016d4ac01..b5b27f30e 100644 --- a/translations/th/8-Reinforcement/README.md +++ b/translations/th/8-Reinforcement/README.md @@ -1,12 +1,3 @@ - # การแนะนำการเรียนรู้แบบเสริมกำลัง การเรียนรู้แบบเสริมกำลัง (Reinforcement Learning หรือ RL) ถือเป็นหนึ่งในรูปแบบพื้นฐานของการเรียนรู้ของเครื่อง (Machine Learning) ควบคู่ไปกับการเรียนรู้แบบมีผู้สอน (Supervised Learning) และการเรียนรู้แบบไม่มีผู้สอน (Unsupervised Learning) RL เกี่ยวข้องกับการตัดสินใจ: การตัดสินใจที่ถูกต้อง หรืออย่างน้อยก็เรียนรู้จากการตัดสินใจนั้น diff --git a/translations/th/9-Real-World/1-Applications/README.md b/translations/th/9-Real-World/1-Applications/README.md index b9c4b5fd7..505e7d866 100644 --- a/translations/th/9-Real-World/1-Applications/README.md +++ b/translations/th/9-Real-World/1-Applications/README.md @@ -1,12 +1,3 @@ - # ปัจฉิมลิขิต: การเรียนรู้ของเครื่องในโลกแห่งความจริง ![สรุปการเรียนรู้ของเครื่องในโลกแห่งความจริงในรูปแบบสเก็ตโน้ต](../../../../sketchnotes/ml-realworld.png) diff --git a/translations/th/9-Real-World/1-Applications/assignment.md b/translations/th/9-Real-World/1-Applications/assignment.md index 3a36c6503..84873e2d0 100644 --- a/translations/th/9-Real-World/1-Applications/assignment.md +++ b/translations/th/9-Real-World/1-Applications/assignment.md @@ -1,12 +1,3 @@ - # การล่าขุมทรัพย์ ML ## คำแนะนำ diff --git a/translations/th/9-Real-World/2-Debugging-ML-Models/README.md b/translations/th/9-Real-World/2-Debugging-ML-Models/README.md index ef97861a3..1ffbb839f 100644 --- a/translations/th/9-Real-World/2-Debugging-ML-Models/README.md +++ b/translations/th/9-Real-World/2-Debugging-ML-Models/README.md @@ -1,12 +1,3 @@ - # ภาคผนวก: การดีบักโมเดลใน Machine Learning ด้วยส่วนประกอบของ Responsible AI Dashboard ## [แบบทดสอบก่อนการบรรยาย](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/th/9-Real-World/2-Debugging-ML-Models/assignment.md b/translations/th/9-Real-World/2-Debugging-ML-Models/assignment.md index 33d9cd5e6..46d839564 100644 --- a/translations/th/9-Real-World/2-Debugging-ML-Models/assignment.md +++ b/translations/th/9-Real-World/2-Debugging-ML-Models/assignment.md @@ -1,12 +1,3 @@ - # สำรวจแดชบอร์ด Responsible AI (RAI) ## คำแนะนำ diff --git a/translations/th/9-Real-World/README.md b/translations/th/9-Real-World/README.md index 9148c54ad..9069da056 100644 --- a/translations/th/9-Real-World/README.md +++ b/translations/th/9-Real-World/README.md @@ -1,12 +1,3 @@ - # ปัจฉิมบท: การประยุกต์ใช้การเรียนรู้ของเครื่องแบบคลาสสิกในโลกจริง ในส่วนนี้ของหลักสูตร คุณจะได้เรียนรู้เกี่ยวกับการประยุกต์ใช้การเรียนรู้ของเครื่องแบบคลาสสิกในโลกจริง เราได้ค้นคว้าจากอินเทอร์เน็ตเพื่อหาเอกสารวิชาการและบทความเกี่ยวกับการใช้งานที่ใช้กลยุทธ์เหล่านี้ โดยหลีกเลี่ยงการใช้เครือข่ายประสาทเทียม การเรียนรู้เชิงลึก และ AI ให้มากที่สุด เรียนรู้เกี่ยวกับการใช้ ML ในระบบธุรกิจ การประยุกต์ใช้ในด้านนิเวศวิทยา การเงิน ศิลปะและวัฒนธรรม และอื่น ๆ อีกมากมาย diff --git a/translations/th/AGENTS.md b/translations/th/AGENTS.md index 4929aa142..bbf2248a6 100644 --- a/translations/th/AGENTS.md +++ b/translations/th/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## ภาพรวมของโครงการ diff --git a/translations/th/CODE_OF_CONDUCT.md b/translations/th/CODE_OF_CONDUCT.md index 73c0b3a9d..0ce976324 100644 --- a/translations/th/CODE_OF_CONDUCT.md +++ b/translations/th/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # หลักจรรยาบรรณของโค้ดโอเพ่นซอร์สของ Microsoft โครงการนี้ได้นำ [หลักจรรยาบรรณของโค้ดโอเพ่นซอร์สของ Microsoft](https://opensource.microsoft.com/codeofconduct/) มาใช้ diff --git a/translations/th/CONTRIBUTING.md b/translations/th/CONTRIBUTING.md index 9d5d7becb..042076697 100644 --- a/translations/th/CONTRIBUTING.md +++ b/translations/th/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # การมีส่วนร่วม โครงการนี้ยินดีต้อนรับการมีส่วนร่วมและข้อเสนอแนะ การมีส่วนร่วมส่วนใหญ่ต้องการให้คุณ diff --git a/translations/th/README.md b/translations/th/README.md index f8a1b119e..309a15923 100644 --- a/translations/th/README.md +++ b/translations/th/README.md @@ -1,12 +1,3 @@ - [![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) @@ -19,160 +10,160 @@ CO_OP_TRANSLATOR_METADATA: ### 🌐 การสนับสนุนหลายภาษา -#### สนับสนุนผ่าน GitHub Action (อัตโนมัติและอัปเดตตลอดเวลา) +#### สนับสนุนผ่าน GitHub Action (อัตโนมัติและอัพเดทอยู่เสมอ) -[อาหรับ](../ar/README.md) | [เบงกาลี](../bn/README.md) | [บัลแกเรีย](../bg/README.md) | [พม่า (เมียนมา)](../my/README.md) | [จีน (ตัวอักษรจีนตัวย่อ)](../zh/README.md) | [จีน (ตัวอักษรจีนดั้งเดิม, ฮ่องกง)](../hk/README.md) | [จีน (ตัวอักษรจีนดั้งเดิม, มาเก๊า)](../mo/README.md) | [จีน (ตัวอักษรจีนดั้งเดิม, ไต้หวัน)](../tw/README.md) | [โครเอเชีย](../hr/README.md) | [เช็ก](../cs/README.md) | [เดนมาร์ก](../da/README.md) | [ดัตช์](../nl/README.md) | [เอสโตเนีย](../et/README.md) | [ฟินแลนด์](../fi/README.md) | [ฝรั่งเศส](../fr/README.md) | [เยอรมัน](../de/README.md) | [กรีก](../el/README.md) | [ฮีบรู](../he/README.md) | [ฮินดี](../hi/README.md) | [ฮังการี](../hu/README.md) | [อินโดนีเซีย](../id/README.md) | [อิตาลี](../it/README.md) | [ญี่ปุ่น](../ja/README.md) | [กันนาดา](../kn/README.md) | [เกาหลี](../ko/README.md) | [ลิทัวเนีย](../lt/README.md) | [มาเลย์](../ms/README.md) | [มาลายาลัม](../ml/README.md) | [มราธี](../mr/README.md) | [เนปาล](../ne/README.md) | [ไนจีเรีย พิดจีน](../pcm/README.md) | [นอร์เวย์](../no/README.md) | [เปอร์เซีย (ฟาร์ซี)](../fa/README.md) | [โปแลนด์](../pl/README.md) | [โปรตุเกส (บราซิล)](../br/README.md) | [โปรตุเกส (โปรตุเกส)](../pt/README.md) | [ปัญจาบี (กูรมูกชี)](../pa/README.md) | [โรมาเนีย](../ro/README.md) | [รัสเซีย](../ru/README.md) | [เซอร์เบีย (ซีริลลิก)](../sr/README.md) | [สโลวัก](../sk/README.md) | [สโลวีเนีย](../sl/README.md) | [สเปน](../es/README.md) | [สวาฮิลี](../sw/README.md) | [สวีเดน](../sv/README.md) | [ทากาล็อก (ฟิลิปปินส์)](../tl/README.md) | [ทมิฬ](../ta/README.md) | [เทลูกู](../te/README.md) | [ไทย](./README.md) | [ตุรกี](../tr/README.md) | [ยูเครน](../uk/README.md) | [อูรดู](../ur/README.md) | [เวียดนาม](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](./README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) -> **ต้องการโคลนในเครื่องหรือไม่?** +> **ต้องการโคลนแบบทางเครื่องหรือ?** -> ที่เก็บนี้มีการแปลกว่า 50 ภาษา ซึ่งจะเพิ่มขนาดการดาวน์โหลดอย่างมาก หากต้องการโคลนโดยไม่รวมการแปล ให้ใช้ sparse checkout: +> ที่เก็บนี้มีการแปลภาษามากกว่า 50 ภาษา ซึ่งทำให้ขนาดการดาวน์โหลดใหญ่ขึ้นมาก หากต้องการโคลนโดยไม่ต้องมีการแปล ให้ใช้การทำ sparse checkout: > ```bash > 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' > ``` -> สิ่งนี้จะให้ทุกอย่างที่คุณต้องการเพื่อทำหลักสูตรให้สมบูรณ์ โดยดาวน์โหลดได้รวดเร็วขึ้นมาก +> ซึ่งจะให้คุณมีทุกอย่างที่จำเป็นสำหรับการเรียนจบหลักสูตรด้วยความเร็วในการดาวน์โหลดที่เร็วกว่ามาก #### เข้าร่วมชุมชนของเรา [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -เรามีชุดเรียนรู้ผ่าน Discord เกี่ยวกับ AI ที่กำลังดำเนินอยู่ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราที่ [Learn with AI Series](https://aka.ms/learnwithai/discord) ระหว่างวันที่ 18 - 30 กันยายน 2025 คุณจะได้รับเคล็ดลับและวิธีใช้ GitHub Copilot สำหรับ Data Science +เรามีซีรีส์ Discord สำหรับการเรียนรู้กับ AI กำลังดำเนินอยู่ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราที่ [Learn with AI Series](https://aka.ms/learnwithai/discord) ตั้งแต่วันที่ 18 - 30 กันยายน 2025 คุณจะได้รับคำแนะนำและเคล็ดลับในการใช้ GitHub Copilot สำหรับวิทยาศาสตร์ข้อมูล -![Learn with AI series](../../../../translated_images/th/3.9b58fd8d6c373c20.webp) +![Learn with AI series](../../translated_images/th/3.9b58fd8d6c373c20.webp) # การเรียนรู้เครื่องสำหรับผู้เริ่มต้น - หลักสูตร -> 🌍 ท่องเที่ยวทั่วโลกพร้อมสำรวจการเรียนรู้ของเครื่องผ่านวัฒนธรรมโลก 🌍 +> 🌍 ท่องรอบโลกไปพร้อมกับการสำรวจการเรียนรู้เครื่องผ่านวัฒนธรรมโลก 🌍 -ทีม Cloud Advocates ของ Microsoft ยินดีนำเสนอหลักสูตร 12 สัปดาห์ 26 บทเรียน เกี่ยวกับ **การเรียนรู้ของเครื่อง** ในหลักสูตรนี้ คุณจะได้เรียนรู้เกี่ยวกับสิ่งที่เรียกว่า **การเรียนรู้ของเครื่องแบบคลาสสิก** โดยใช้หลักๆ คือ Scikit-learn เป็นไลบรารีและเลี่ยงการเรียนรู้เชิงลึก ซึ่งจะถูกสอนในหลักสูตร [AI for Beginners](https://aka.ms/ai4beginners) ของเรา จับคู่บทเรียนเหล่านี้กับหลักสูตร ['Data Science for Beginners'](https://aka.ms/ds4beginners) ของเราได้ด้วย! +กลุ่ม Cloud Advocates ที่ Microsoft มีความยินดีนำเสนอหลักสูตร 12 สัปดาห์ 26 บทเรียน ทั้งหมดเกี่ยวกับ **Machine Learning** ในหลักสูตรนี้ คุณจะได้เรียนรู้เกี่ยวกับสิ่งที่บางครั้งเรียกว่า **machine learning แบบคลาสสิก** โดยใช้ Scikit-learn เป็นไลบรารีหลัก และหลีกเลี่ยง deep learning ซึ่งได้ครอบคลุมในหลักสูตร [AI for Beginners](https://aka.ms/ai4beginners) ของเรา จับคู่บทเรียนเหล่านี้กับหลักสูตร ['Data Science for Beginners'](https://aka.ms/ds4beginners) ของเราได้ด้วย! -เดินทางไปกับเราโดยทั่วโลกขณะที่เราใช้เทคนิคคลาสสิกเหล่านี้กับข้อมูลจากพื้นที่ต่างๆ ทั่วโลก แต่ละบทเรียนประกอบด้วยแบบสอบถามก่อนและหลังบทเรียน คำแนะนำเป็นลายลักษณ์อักษรในการทำบทเรียนให้เสร็จสมบูรณ์ โซลูชัน งานมอบหมาย และอื่นๆ วิธีการสอนแบบโครงการช่วยให้คุณเรียนรู้ไปพร้อมกับการสร้าง ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าสามารถทำให้ทักษะใหม่ๆ ติดตัวคุณไปได้ +เดินทางไปกับเรารอบโลกขณะที่เราใช้เทคนิคคลาสสิกเหล่านี้กับข้อมูลจากหลายพื้นที่ในโลก แต่ละบทเรียนมีแบบทดสอบก่อนและหลังเรียน คำแนะนำเป็นลายลักษณ์อักษรสำหรับทำบทเรียนให้เสร็จสมบูรณ์ โซลูชัน งานมอบหมาย และอื่นๆ วิธีสอนโดยใช้โครงการช่วยให้คุณได้เรียนรู้ไปพร้อมกับการสร้าง เป็นวิธีที่พิสูจน์แล้วว่าเหมาะสำหรับการจดจำทักษะใหม่ๆ -**✍️ ขอขอบคุณจากใจถึงผู้เขียนของเรา** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu และ Amy Boyd +**✍️ ขอบคุณอย่างจริงใจต่อผู้เขียน** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu และ Amy Boyd -**🎨 ขอบคุณผู้วาดภาพประกอบ** Tomomi Imura, Dasani Madipalli และ Jen Looper +**🎨 ขอบคุณเช่นกันต่อผู้วาดภาพประกอบ** Tomomi Imura, Dasani Madipalli และ Jen Looper -**🙏 ขอบคุณพิเศษ 🙏 สำหรับผู้เขียน รีวิว และผู้เขียนเนื้อหา Microsoft Student Ambassador** โดยเฉพาะ Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila และ Snigdha Agarwal +**🙏 ขอบคุณพิเศษ 🙏 ต่อ Microsoft Student Ambassador ผู้เขียน, ผู้ตรวจ และผู้มีส่วนร่วมด้านเนื้อหาของเรา** โดยเฉพาะ Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila และ Snigdha Agarwal -**🤩 ขอบคุณเพิ่มเติมสำหรับ Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi และ Vidushi Gupta สำหรับบทเรียนภาษา R ของเรา!** +**🤩 ขอบคุณมากยิ่งขึ้นให้กับ Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi และ Vidushi Gupta สำหรับบทเรียน R ของเรา!** # เริ่มต้นใช้งาน ทำตามขั้นตอนเหล่านี้: -1. **Fork ที่เก็บข้อมูล**: คลิกที่ปุ่ม "Fork" ที่มุมขวาบนของหน้านี้ -2. **โคลนที่เก็บข้อมูล**: `git clone https://github.com/microsoft/ML-For-Beginners.git` +1. **Fork ที่เก็บนี้**: คลิกที่ปุ่ม "Fork" ที่มุมขวาบนของหน้านี้ +2. **โคลนที่เก็บนี้**: `git clone https://github.com/microsoft/ML-For-Beginners.git` -> [ค้นหาทรัพยากรเสริมทั้งหมดสำหรับหลักสูตรนี้ในคอลเลกชัน Microsoft Learn ของเรา](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [ค้นหาทรัพยากรเพิ่มเติมสำหรับหลักสูตรนี้ได้ในคอลเลกชัน Microsoft Learn ของเรา](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -> 🔧 **ต้องการความช่วยเหลือ?** ดู [คู่มือแก้ไขปัญหา](TROUBLESHOOTING.md) ของเราเพื่อแก้ไขปัญหาที่พบบ่อยเกี่ยวกับการติดตั้ง การตั้งค่า และการใช้งานบทเรียน +> 🔧 **ต้องการความช่วยเหลือ?** ตรวจสอบ [คู่มือแก้ปัญหา](TROUBLESHOOTING.md) ของเราสำหรับวิธีแก้ไขปัญหาทั่วไปเกี่ยวกับการติดตั้ง การตั้งค่า และการรันบทเรียน -**[นักเรียน](https://aka.ms/student-page)** ในการใช้หลักสูตรนี้ ให้ fork ทั้งที่เก็บไปยังบัญชี GitHub ของคุณเอง และทำแบบฝึกหัดด้วยตัวเองหรือกับกลุ่ม: +**[นักเรียน](https://aka.ms/student-page)** เพื่อใช้หลักสูตรนี้ ให้ fork โครงการทั้งหมดไปยังบัญชี GitHub ของคุณแล้วทำแบบฝึกหัดด้วยตนเองหรือกับกลุ่ม: - เริ่มด้วยแบบทดสอบก่อนบรรยาย -- อ่านบรรยายและทำกิจกรรมให้เสร็จสมบูรณ์ หยุดและไตร่ตรองที่แต่ละการตรวจสอบความรู้ -- พยายามสร้างโปรเจกต์โดยทำความเข้าใจบทเรียนแทนการรันโค้ดโซลูชัน อย่างไรก็ตาม โค้ดโซลูชันนั้นมีอยู่ในโฟลเดอร์ `/solution` ในแต่ละบทเรียนที่เน้นโปรเจกต์ +- อ่านบรรยายและทำกิจกรรม จดจ่อและสะท้อนความคิดในแต่ละการตรวจสอบความรู้ +- พยายามสร้างโครงการโดยเข้าใจบทเรียนแทนการรันโค้ดตัวอย่าง แม้ว่าจะมีโค้ดตัวอย่างอยู่ในโฟลเดอร์ `/solution` สำหรับแต่ละบทเรียนที่เน้นโครงการ - ทำแบบทดสอบหลังบรรยาย -- ทำความท้าทายให้เสร็จ -- ส่งงานมอบหมาย -- หลังจากทำกลุ่มบทเรียนเสร็จ เยี่ยมชม [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) และ "เรียนรู้ด้วยเสียงดัง" โดยกรอกแบบประเมิน PAT ที่เหมาะสม PAT คือเครื่องมือประเมินความก้าวหน้าซึ่งเป็นแบบประเมินที่คุณกรอกเพื่อช่วยเสริมการเรียนรู้ของคุณ คุณยังสามารถโต้ตอบกับ PAT ของผู้อื่นเพื่อให้เราเรียนรู้ไปด้วยกัน +- ทำความท้าทาย +- ทำงานมอบหมาย +- หลังจากทำบทเรียนกลุ่มหนึ่งเสร็จ ไปที่ [กระดานสนทนา](https://github.com/microsoft/ML-For-Beginners/discussions) และ "เรียนรู้เป็นเสียงดัง" โดยกรอกแบบประเมิน PAT ที่เหมาะสม ‘PAT’ คือเครื่องมือประเมินความก้าวหน้าที่ใช้กรอกเพื่อพัฒนาการเรียนรู้ คุณยังสามารถตอบกลับ PAT อื่นๆ เพื่อที่เราจะได้เรียนรู้ไปด้วยกัน -> สำหรับการศึกษาต่อ เราแนะนำให้ติดตามโมดูลและเส้นทางการเรียนรู้ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) +> สำหรับการศึกษาต่อ แนะนำให้ติดตามโมดูลและเส้นทางการเรียนรู้ของ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) -**สำหรับครู** เราได้รวม [คำแนะนำบางส่วน](for-teachers.md) เกี่ยวกับวิธีใช้หลักสูตรนี้ไว้แล้ว +**คุณครู** เรามี [คำแนะนำบางส่วน](for-teachers.md) เกี่ยวกับวิธีใช้หลักสูตรนี้ --- -## วิดีโอแนะนำ +## วิดีโอสอน -บทเรียนบางบทมีในรูปแบบวิดีโอสั้น คุณสามารถหาได้ในบทเรียนแต่ละบท หรือใน [เพลย์ลิสต์ ML for Beginners บนช่อง Microsoft Developer YouTube](https://aka.ms/ml-beginners-videos) โดยคลิกที่ภาพด้านล่าง +บางบทเรียนมีวิดีโอแบบสั้น คุณสามารถหาวิดีโอทั้งหมดนี้ได้ในบทเรียน หรือบน [รายการวิดีโอ ML for Beginners บนช่อง Microsoft Developer YouTube](https://aka.ms/ml-beginners-videos) โดยคลิกที่รูปภาพด้านล่าง -[![ML for beginners banner](../../../../translated_images/th/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) +[![ML for beginners banner](../../translated_images/th/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- -## ทีมงาน +## พบกับทีมงาน [![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) -**ภาพเคลื่อนไหวโดย** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) +**Gif โดย** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 คลิกภาพด้านบนเพื่อดูวิดีโอเกี่ยวกับโครงการและทีมผู้สร้าง! +> 🎥 คลิกรูปภาพด้านบนเพื่อดูวิดีโอเกี่ยวกับโครงการและบุคคลที่สร้างมันขึ้นมา! --- -## หลักการสอน +## วิธีการสอน -เราได้เลือกสองหลักการสอนขณะสร้างหลักสูตรนี้: ทำให้เป็นโครงการที่ลงมือทำจริง (hands-on **project-based**) และมีแบบทดสอบบ่อยๆ (**frequent quizzes**) นอกจากนี้ หลักสูตรนี้มีหัวข้อร่วมกัน (**theme**) เพื่อความเป็นเอกภาพ +เราเลือกแนวทางสองประการในขณะที่สร้างหลักสูตรนี้: ให้เน้นการเรียนรู้แบบลงมือทำผ่าน **โครงการจริง** และมี **แบบทดสอบบ่อยครั้ง** นอกจากนี้ หลักสูตรนี้ยังมี **ธีม** ร่วมที่ให้ความต่อเนื่องกัน -ด้วยการทำให้เนื้อหาสอดคล้องกับโปรเจกต์ วิธีการนี้ช่วยเพิ่มความน่าสนใจสำหรับนักเรียนและทำให้แนวคิดจดจำได้ดีขึ้น นอกจากนี้ แบบทดสอบความเสี่ยงต่ำก่อนคลาสช่วยตั้งเจตนารมณ์ของนักเรียนเพื่อเรียนรู้หัวข้อ ขณะที่แบบทดสอบที่สองหลังคลาสช่วยให้ความจำดีขึ้น หลักสูตรนี้ออกแบบมาให้ยืดหยุ่นและสนุกสนาน สามารถเรียนทั้งหมดหรือบางส่วนได้ โปรเจกต์เริ่มจากง่ายและซับซ้อนขึ้นเรื่อยๆ ในช่วง 12 สัปดาห์ หลักสูตรนี้ยังมีบทส่งท้ายเกี่ยวกับการประยุกต์ใช้จริงของ ML ซึ่งสามารถใช้เป็นเครดิตพิเศษหรือเป็นฐานสำหรับการอภิปราย +โดยการทำให้เนื้อหาสอดคล้องกับโครงการ วิธีการนี้จะช่วยเพิ่มความน่าสนใจแก่ผู้เรียนและเพิ่มการจดจำแนวคิดได้ดี นอกจากนี้ แบบทดสอบความกดดันต่ำก่อนเข้าเรียนช่วยให้ผู้เรียนตั้งเป้าหมายในการเรียนเนื้อหานั้น และแบบทดสอบอีกครั้งหลังเรียนจะช่วยเพิ่มการจดจำ หลักสูตรนี้ออกแบบให้ยืดหยุ่นและสนุกสนาน สามารถเรียนแบบครบถ้วนหรือแยกเรียนเป็นส่วนๆ ได้ โครงการจะเริ่มขนาดเล็กและซับซ้อนขึ้นเรื่อยๆ จนถึงสิ้นสุดรอบ 12 สัปดาห์ หลักสูตรนี้ยังมีบทสรุปเกี่ยวกับการประยุกต์ใช้งานจริงของ ML ซึ่งสามารถใช้เป็นเครดิตเสริมหรือฐานสำหรับการอภิปราย -> ค้นหา [จรรยาบรรณ](CODE_OF_CONDUCT.md), [การร่วมมือ](CONTRIBUTING.md), [การแปล](TRANSLATIONS.md) และ [การแก้ไขปัญหา](TROUBLESHOOTING.md) ของเรา เราต้องการข้อเสนอแนะที่สร้างสรรค์จากคุณ! +> โปรดอ่าน [จรรยาบรรณ](CODE_OF_CONDUCT.md), [การมีส่วนร่วม](CONTRIBUTING.md), [การแปล](TRANSLATIONS.md), และ [การแก้ปัญหา](TROUBLESHOOTING.md) ของเรา เรายินดีรับคำติชมในเชิงสร้างสรรค์ของคุณ! ## ในแต่ละบทเรียนประกอบด้วย -- สเก็ตซ์โน้ตแบบเลือกได้ -- วิดีโอเสริมแบบเลือกได้ -- วิดีโอแนะนำ (เฉพาะบางบท) +- สเก็ตช์โน้ตเลือกทำ +- วิดีโอเสริมเลือกดูได้ +- วิดีโอแนะนำ (บางบทเรียนเท่านั้น) - [แบบทดสอบวอร์มอัพก่อนบรรยาย](https://ff-quizzes.netlify.app/en/ml/) -- บทเรียนแบบเขียน -- สำหรับบทเรียนที่เน้นโปรเจกต์ มีคำแนะนำทีละขั้นตอนในการสร้างโปรเจกต์ +- บทเรียนเป็นลายลักษณ์อักษร +- สำหรับบทเรียนที่เน้นโครงการ มีคำแนะนำทีละขั้นตอนในการสร้างโครงการ - การตรวจสอบความรู้ - ความท้าทาย -- อ่านเพิ่มเติมเสริม -- การบ้าน +- อ่านเสริม +- งานมอบหมาย - [แบบทดสอบหลังบรรยาย](https://ff-quizzes.netlify.app/en/ml/) -> **หมายเหตุเกี่ยวกับภาษา**: บทเรียนเหล่านี้ส่วนใหญ่เขียนด้วย Python แต่หลายบทเรียนก็มีให้ในภาษา R ด้วย ในการทำบทเรียนภาษา R ให้ไปที่โฟลเดอร์ `/solution` และมองหาบทเรียนภาษา R จะพบไฟล์นามสกุล .rmd ซึ่งหมายถึงไฟล์ **R Markdown** ที่สามารถนิยามได้ว่าเป็นการฝัง `code chunks` (ของ R หรือภาษาอื่นๆ) และ `YAML header` (ที่กำหนดวิธีจัดรูปแบบผลลัพธ์เช่น PDF) ใน `Markdown document` ด้วยเหตุนี้ มันจึงเป็นกรอบการเขียนเนื้อหาที่มีประสิทธิภาพสำหรับงานวิทยาศาสตร์ข้อมูล เพราะช่วยให้คุณรวมโค้ด ผลลัพธ์ และความคิดไว้ด้วยกันโดยการเขียนใน Markdown นอกจากนี้ เอกสาร R Markdown ยังสามารถเรนเดอร์ไปยังรูปแบบผลลัพธ์ เช่น PDF, HTML หรือ Word ได้ -> **หมายเหตุเกี่ยวกับแบบทดสอบ**: แบบทดสอบทั้งหมดอยู่ในโฟลเดอร์ [Quiz App folder](../../quiz-app) รวมทั้งหมด 52 แบบทดสอบ แต่ละแบบมีสามคำถาม เชื่อมโยงจากบทเรียนภายในแต่แอปแบบทดสอบสามารถรันได้ในเครื่อง; ทำตามคำแนะนำในโฟลเดอร์ `quiz-app` เพื่อโฮสต์ในเครื่องหรือดีพลอยไปยัง Azure - -| Lesson Number | หัวข้อ | กลุ่มบทเรียน | วัตถุประสงค์ในการเรียนรู้ | บทเรียนที่เชื่อมโยง | ผู้แต่ง | -| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------- | :-----------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | -| 01 | คำแนะนำเบื้องต้นเกี่ยวกับการเรียนรู้ของเครื่อง | [Introduction](1-Introduction/README.md) | เรียนรู้แนวคิดพื้นฐานเบื้องหลังการเรียนรู้ของเครื่อง | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad | -| 02 | ประวัติของการเรียนรู้ของเครื่อง | [Introduction](1-Introduction/README.md) | เรียนรู้ประวัติที่อยู่เบื้องหลังสาขานี้ | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | -| 03 | ความเป็นธรรมและการเรียนรู้ของเครื่อง | [Introduction](1-Introduction/README.md) | ปัญหาทางปรัชญาที่สำคัญเกี่ยวกับความเป็นธรรมที่นักเรียนควรพิจารณาเมื่อต้องสร้างและประยุกต์ใช้โมเดล ML | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi | -| 04 | เทคนิคสำหรับการเรียนรู้ของเครื่อง | [Introduction](1-Introduction/README.md) | นักวิจัย ML ใช้เทคนิคใดในการสร้างโมเดล ML? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | -| 05 | คำแนะนำเบื้องต้นเกี่ยวกับการถดถอย | [Regression](2-Regression/README.md) | เริ่มต้นกับ Python และ Scikit-learn สำหรับโมเดลถดถอย | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | -| 06 | ราคาฟักทองในอเมริกาเหนือ 🎃 | [Regression](2-Regression/README.md) | สร้างภาพและทำความสะอาดข้อมูลเพื่อเตรียมพร้อมสำหรับ ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | -| 07 | ราคาฟักทองในอเมริกาเหนือ 🎃 | [Regression](2-Regression/README.md) | สร้างโมเดลถดถอยเชิงเส้นและถดถอยหลายพหุนาม | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau | -| 08 | ราคาฟักทองในอเมริกาเหนือ 🎃 | [Regression](2-Regression/README.md) | สร้างโมเดลถดถอยโลจิสติก | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | -| 09 | เว็บแอป 🔌 | [Web App](3-Web-App/README.md) | สร้างเว็บแอปเพื่อใช้โมเดลที่คุณฝึกมา | [Python](3-Web-App/1-Web-App/README.md) | Jen | -| 10 | คำแนะนำเบื้องต้นเกี่ยวกับการจัดประเภท | [Classification](4-Classification/README.md) | ทำความสะอาด เตรียม และสร้างภาพข้อมูล; แนะนำการจัดประเภท | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau | -| 11 | อาหารอร่อยจากเอเชียและอินเดีย 🍜 | [Classification](4-Classification/README.md) | แนะนำตัวจัดประเภท | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau | -| 12 | อาหารอร่อยจากเอเชียและอินเดีย 🍜 | [Classification](4-Classification/README.md) | ตัวจัดประเภทเพิ่มเติม | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau | -| 13 | อาหารอร่อยจากเอเชียและอินเดีย 🍜 | [Classification](4-Classification/README.md) | สร้างเว็บแอปแนะนำโดยใช้โมเดลของคุณ | [Python](4-Classification/4-Applied/README.md) | Jen | -| 14 | คำแนะนำเบื้องต้นเกี่ยวกับการจัดกลุ่ม | [Clustering](5-Clustering/README.md) | ทำความสะอาด เตรียม และสร้างภาพข้อมูล; คำแนะนำเกี่ยวกับการจัดกลุ่ม | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | -| 15 | สำรวจรสนิยมดนตรีของไนจีเรีย 🎧 | [Clustering](5-Clustering/README.md) | สำรวจวิธีการจัดกลุ่มแบบ K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | -| 16 | คำแนะนำเบื้องต้นเกี่ยวกับการประมวลผลภาษาธรรมชาติ ☕️ | [Natural language processing](6-NLP/README.md) | เรียนรู้พื้นฐานเกี่ยวกับ NLP โดยการสร้างบอทอย่างง่าย | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | -| 17 | งาน NLP ที่พบบ่อย ☕️ | [Natural language processing](6-NLP/README.md) | เพิ่มพูนความรู้ NLP ของคุณโดยเข้าใจงานทั่วไปที่ต้องทำเมื่อจัดการกับโครงสร้างของภาษา | [Python](6-NLP/2-Tasks/README.md) | Stephen | -| 18 | การแปลภาษาและการวิเคราะห์อารมณ์ ♥️ | [Natural language processing](6-NLP/README.md) | การแปลภาษาและวิเคราะห์อารมณ์กับ Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | -| 19 | โรงแรมโรแมนติกในยุโรป ♥️ | [Natural language processing](6-NLP/README.md) | การวิเคราะห์อารมณ์ด้วยรีวิวโรงแรม 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | -| 20 | โรงแรมโรแมนติกในยุโรป ♥️ | [Natural language processing](6-NLP/README.md) | การวิเคราะห์อารมณ์ด้วยรีวิวโรงแรม 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | -| 21 | คำแนะนำเบื้องต้นเกี่ยวกับการพยากรณ์อนุกรมเวลา | [Time series](7-TimeSeries/README.md) | คำแนะนำเบื้องต้นเกี่ยวกับการพยากรณ์อนุกรมเวลา | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | -| 22 | ⚡️ การใช้พลังงานโลก ⚡️ - การพยากรณ์อนุกรมเวลาด้วย ARIMA | [Time series](7-TimeSeries/README.md) | การพยากรณ์อนุกรมเวลาด้วย ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | -| 23 | ⚡️ การใช้พลังงานโลก ⚡️ - การพยากรณ์อนุกรมเวลาด้วย SVR | [Time series](7-TimeSeries/README.md) | การพยากรณ์อนุกรมเวลาด้วย Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | -| 24 | คำแนะนำเบื้องต้นเกี่ยวกับการเรียนรู้เสริมแรง | [Reinforcement learning](8-Reinforcement/README.md) | คำแนะนำเบื้องต้นเกี่ยวกับการเรียนรู้เสริมแรงด้วย Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | -| 25 | ช่วย Peter หลีกเลี่ยงหมาป่า! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Gym สำหรับการเรียนรู้เสริมแรง | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | -| Postscript | สถานการณ์และแอปพลิเคชัน ML ในโลกจริง | [ML in the Wild](9-Real-World/README.md) | แอปพลิเคชันที่น่าสนใจและเปิดเผยในโลกจริงของ ML คลาสสิก | [Lesson](9-Real-World/1-Applications/README.md) | Team | -| Postscript | การดีบักโมเดล ML โดยใช้แดชบอร์ด RAI | [ML in the Wild](9-Real-World/README.md) | การดีบักโมเดลใน Machine Learning โดยใช้ส่วนประกอบแดชบอร์ด Responsible AI | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | - -> [ค้นหาทรัพยากรเพิ่มเติมทั้งหมดสำหรับหลักสูตรนี้ได้ที่คอลเล็กชัน Microsoft Learn ของเรา](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) - -## การเข้าถึงแบบออฟไลน์ - -คุณสามารถเรียกดูเอกสารนี้แบบออฟไลน์โดยใช้ [Docsify](https://docsify.js.org/#/) ทำการ Fork รีโปนี้, [ติดตั้ง Docsify](https://docsify.js.org/#/quickstart) บนเครื่องของคุณ และจากนั้นที่โฟลเดอร์รากของรีโปนี้ พิมพ์คำสั่ง `docsify serve` เว็บไซต์จะถูกให้บริการที่พอร์ต 3000 บน localhost ของคุณ: `localhost:3000` - -## PDFs - -ค้นหาไฟล์ pdf ของหลักสูตรพร้อมลิงก์ได้ [ที่นี่](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). +> **หมายเหตุเกี่ยวกับภาษา**: บทเรียนเหล่านี้ส่วนใหญ่เขียนด้วย Python แต่หลายบทเรียนก็มีในภาษา R ด้วย หากต้องการทำบทเรียน R ให้ไปที่โฟลเดอร์ `/solution` และค้นหาบทเรียน R จะมีไฟล์นามสกุล .rmd ซึ่งหมายถึง **R Markdown** ที่เป็นไฟล์ที่ประกอบไปด้วย `code chunks` (รหัสของ R หรือภาษาอื่น) และ `YAML header` (ที่กำหนดวิธีการจัดรูปแบบผลลัพธ์ เช่น PDF) ใน `เอกสาร Markdown` ดังนั้นจึงเป็นกรอบการเขียนที่เหมาะสำหรับวิทยาศาสตร์ข้อมูลเพราะช่วยให้คุณรวมรหัส ผลลัพธ์ และความคิดของคุณโดยเขียนลงใน Markdown ได้ นอกจากนี้ เอกสาร R Markdown ยังสามารถแปลงเป็นรูปแบบผลลัพธ์อย่าง PDF, HTML หรือ Word ได้อีกด้วย +> **หมายเหตุเกี่ยวกับแบบทดสอบ**: แบบทดสอบทั้งหมดจะอยู่ใน [โฟลเดอร์แอปแบบทดสอบ](../../quiz-app) รวมทั้งหมด 52 แบบทดสอบ แต่ละแบบมีสามคำถาม มีการลิงก์จากภายในบทเรียน แต่แอปแบบทดสอบสามารถรันได้ในเครื่อง; ทำตามคำแนะนำในโฟลเดอร์ `quiz-app` เพื่อโฮสต์ในเครื่องหรือดีพลอยไปยัง Azure + +| หมายเลขบทเรียน | หัวข้อ | กลุ่มบทเรียน | วัตถุประสงค์การเรียนรู้ | บทเรียนลิงก์ | ผู้เขียน | +| :--------------: | :--------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :-----------------------------------------------------------------------------------------------------------------------------------------: | :-------------------------------------------------: | +| 01 | บทนำสู่การเรียนรู้ของเครื่อง | [บทนำ](1-Introduction/README.md) | เรียนรู้แนวคิดพื้นฐานเบื้องหลังการเรียนรู้ของเครื่อง | [บทเรียน](1-Introduction/1-intro-to-ML/README.md) | Muhammad | +| 02 | ประวัติของการเรียนรู้ของเครื่อง | [บทนำ](1-Introduction/README.md) | เรียนรู้ประวัติศาสตร์เบื้องหลังสาขานี้ | [บทเรียน](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | +| 03 | ความยุติธรรมและการเรียนรู้ของเครื่อง | [บทนำ](1-Introduction/README.md) | ปัญหาทางปรัชญาสำคัญเกี่ยวกับความยุติธรรมที่นักเรียนควรพิจารณาเมื่อสร้างและนำแบบจำลอง ML ไปใช้ | [บทเรียน](1-Introduction/3-fairness/README.md) | Tomomi | +| 04 | เทคนิคสำหรับการเรียนรู้ของเครื่อง | [บทนำ](1-Introduction/README.md) | เทคนิคที่นักวิจัย ML ใช้ในการสร้างแบบจำลอง ML คืออะไร? | [บทเรียน](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | +| 05 | บทนำสู่การถดถอย | [การถดถอย](2-Regression/README.md) | เริ่มต้นใช้งาน Python และ Scikit-learn สำหรับแบบจำลองถดถอย | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | +| 06 | ราคาฟักทองในอเมริกาเหนือ 🎃 | [การถดถอย](2-Regression/README.md) | แสดงข้อมูลและทำความสะอาดข้อมูลเพื่อเตรียมสำหรับ ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | +| 07 | ราคาฟักทองในอเมริกาเหนือ 🎃 | [การถดถอย](2-Regression/README.md) | สร้างแบบจำลองการถดถอยเชิงเส้นและเชิงพหุนาม | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau | +| 08 | ราคาฟักทองในอเมริกาเหนือ 🎃 | [การถดถอย](2-Regression/README.md) | สร้างแบบจำลองการถดถอยโลจิสติก | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | +| 09 | แอปเว็บ 🔌 | [แอปเว็บ](3-Web-App/README.md) | สร้างเว็บแอปเพื่อใช้แบบจำลองที่คุณฝึกฝน | [Python](3-Web-App/1-Web-App/README.md) | Jen | +| 10 | บทนำสู่การจำแนกประเภท | [การจำแนกประเภท](4-Classification/README.md) | ทำความสะอาด เตรียม และแสดงข้อมูลของคุณ; บทนำสู่การจำแนกประเภท | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau | +| 11 | อาหารเอเชียและอินเดียที่อร่อย 🍜 | [การจำแนกประเภท](4-Classification/README.md) | บทนำเกี่ยวกับตัวจำแนก | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau | +| 12 | อาหารเอเชียและอินเดียที่อร่อย 🍜 | [การจำแนกประเภท](4-Classification/README.md) | ตัวจำแนกเพิ่มเติม | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau | +| 13 | อาหารเอเชียและอินเดียที่อร่อย 🍜 | [การจำแนกประเภท](4-Classification/README.md) | สร้างเว็บแอปแนะนำโดยใช้แบบจำลองของคุณ | [Python](4-Classification/4-Applied/README.md) | Jen | +| 14 | บทนำสู่การจัดกลุ่ม | [การจัดกลุ่ม](5-Clustering/README.md) | ทำความสะอาด เตรียม และแสดงข้อมูลของคุณ; บทนำสู่การจัดกลุ่ม | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | +| 15 | สำรวจรสนิยมดนตรีไนจีเรีย 🎧 | [การจัดกลุ่ม](5-Clustering/README.md) | สำรวจวิธีการจัดกลุ่ม K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | +| 16 | บทนำสู่การประมวลผลภาษาธรรมชาติ ☕️ | [การประมวลผลภาษาธรรมชาติ](6-NLP/README.md) | เรียนรู้พื้นฐานเกี่ยวกับ NLP โดยการสร้างบอทง่ายๆ | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | +| 17 | งาน NLP ทั่วไป ☕️ | [การประมวลผลภาษาธรรมชาติ](6-NLP/README.md) | เจาะลึกความรู้ NLP ของคุณโดยการเข้าใจงานทั่วไปที่ต้องทำในการจัดการโครงสร้างภาษา | [Python](6-NLP/2-Tasks/README.md) | Stephen | +| 18 | การแปลและวิเคราะห์ความรู้สึก ♥️ | [การประมวลผลภาษาธรรมชาติ](6-NLP/README.md) | การแปลและวิเคราะห์ความรู้สึกโดยใช้ Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | +| 19 | โรงแรมโรแมนติกในยุโรป ♥️ | [การประมวลผลภาษาธรรมชาติ](6-NLP/README.md) | การวิเคราะห์ความรู้สึกด้วยบทวิจารณ์โรงแรม 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | +| 20 | โรงแรมโรแมนติกในยุโรป ♥️ | [การประมวลผลภาษาธรรมชาติ](6-NLP/README.md) | การวิเคราะห์ความรู้สึกด้วยบทวิจารณ์โรงแรม 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | +| 21 | บทนำสู่การพยากรณ์ชุดข้อมูลตามเวลา | [ชุดข้อมูลตามเวลา](7-TimeSeries/README.md) | บทนำสู่การพยากรณ์ชุดข้อมูลตามเวลา | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | +| 22 | ⚡️ การใช้พลังงานโลก ⚡️ - การพยากรณ์ชุดข้อมูลตามเวลาด้วย ARIMA | [ชุดข้อมูลตามเวลา](7-TimeSeries/README.md) | การพยากรณ์ชุดข้อมูลตามเวลาด้วย ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | +| 23 | ⚡️ การใช้พลังงานโลก ⚡️ - การพยากรณ์ชุดข้อมูลตามเวลาด้วย SVR | [ชุดข้อมูลตามเวลา](7-TimeSeries/README.md) | การพยากรณ์ชุดข้อมูลตามเวลาด้วย Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | +| 24 | บทนำสู่การเรียนรู้เสริมแรง | [การเรียนรู้เสริมแรง](8-Reinforcement/README.md) | บทนำสู่การเรียนรู้เสริมแรงด้วย Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | +| 25 | ช่วยปีเตอร์หลบหมาป่า! 🐺 | [การเรียนรู้เสริมแรง](8-Reinforcement/README.md) | Reinforcement learning Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | +| ที่แก้ไขเพิ่มเติม | สถานการณ์และการประยุกต์ใช้งาน ML ในโลกจริง | [ML in the Wild](9-Real-World/README.md) | การประยุกต์ใช้งานจริงที่น่าสนใจและเปิดเผยของ ML คลาสสิก | [บทเรียน](9-Real-World/1-Applications/README.md) | ทีม | +| ที่แก้ไขเพิ่มเติม | การดีบักแบบจำลองใน ML โดยใช้แดชบอร์ด RAI | [ML in the Wild](9-Real-World/README.md) | การดีบักแบบจำลองใน Machine Learning โดยใช้คอมโพเนนต์แดชบอร์ด Responsible AI | [บทเรียน](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | + +> [ค้นหาทรัพยากรเพิ่มเติมทั้งหมดสำหรับหลักสูตรนี้ในคอลเลกชัน Microsoft Learn ของเรา](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) + +## เข้าถึงแบบออฟไลน์ + +คุณสามารถรันเอกสารนี้แบบออฟไลน์ด้วยการใช้ [Docsify](https://docsify.js.org/#/). ForkRepo นี้, [ติดตั้ง Docsify](https://docsify.js.org/#/quickstart) บนเครื่องของคุณ แล้วในโฟลเดอร์รากของ repo นี้ พิมพ์คำสั่ง `docsify serve`. เว็บไซต์จะถูกให้บริการที่พอร์ต 3000 บน localhost ของคุณ: `localhost:3000`. + +## ไฟล์ PDF + +ค้นหาไฟล์ pdf ของหลักสูตรพร้อมลิงก์ [ที่นี่](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). ## 🎒 หลักสูตรอื่นๆ -ทีมของเราผลิตหลักสูตรอื่นๆ อีก! ลองดู: +ทีมของเราผลิตหลักสูตรอื่นๆ! ตรวจสอบได้ที่: ### LangChain @@ -197,7 +188,7 @@ CO_OP_TRANSLATOR_METADATA: --- -### การเรียนรู้หลัก +### แกนการเรียนรู้หลัก [![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) [![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) @@ -216,11 +207,11 @@ CO_OP_TRANSLATOR_METADATA: ## การขอความช่วยเหลือ -หากคุณติดขัดหรือมีคำถามใด ๆ เกี่ยวกับการสร้างแอป AI เข้าร่วมเรียนรู้กับผู้เรียนและนักพัฒนาที่มีประสบการณ์ในการอภิปรายเกี่ยวกับ MCP นี่คือชุมชนที่สนับสนุนที่ซึ่งคำถามได้รับการต้อนรับและความรู้ถูกแบ่งปันอย่างอิสระ +หากคุณติดขัดหรือต้องการคำถามใดๆ เกี่ยวกับการสร้างแอป AI เข้าร่วมกับผู้เรียนและนักพัฒนาที่มีประสบการณ์ในการสนทนาเกี่ยวกับ MCP นี่คือชุมชนที่ให้การสนับสนุนซึ่งเปิดรับคำถามและแบ่งปันความรู้กันอย่างเสรี [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -หากคุณมีข้อเสนอแนะเกี่ยวกับผลิตภัณฑ์หรือพบข้อผิดพลาดขณะสร้างโปรดเยี่ยมชม: +หากคุณมีความคิดเห็นเกี่ยวกับผลิตภัณฑ์หรือพบข้อผิดพลาดขณะสร้างโปรดเยี่ยมชม: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) @@ -228,5 +219,5 @@ CO_OP_TRANSLATOR_METADATA: **ข้อจำกัดความรับผิดชอบ**: -เอกสารฉบับนี้ได้รับการแปลโดยใช้บริการแปลด้วย AI [Co-op Translator](https://github.com/Azure/co-op-translator) แม้เราจะพยายามให้ความถูกต้องสูงสุด แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความคลาดเคลื่อนได้ เอกสารต้นฉบับในภาษาดั้งเดิมควรถูกพิจารณาว่าเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลโดยนักแปลมืออาชีพ เราจะไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใด ๆ ที่เกิดจากการใช้การแปลนี้ +เอกสารนี้ได้รับการแปลโดยใช้บริการแปลด้วย AI [Co-op Translator](https://github.com/Azure/co-op-translator) แม้ว่าเราจะพยายามให้มีความถูกต้องสูงสุด โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางควรถูกพิจารณาเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่มีความสำคัญ ควรใช้บริการแปลโดยมนุษย์มืออาชีพ เราจะไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดอันเกิดจากการใช้การแปลนี้ \ No newline at end of file diff --git a/translations/th/SECURITY.md b/translations/th/SECURITY.md index 60350fe54..1dc8ca5e6 100644 --- a/translations/th/SECURITY.md +++ b/translations/th/SECURITY.md @@ -1,12 +1,3 @@ - ## ความปลอดภัย Microsoft ให้ความสำคัญกับความปลอดภัยของผลิตภัณฑ์ซอฟต์แวร์และบริการของเราอย่างจริงจัง ซึ่งรวมถึงที่เก็บซอร์สโค้ดทั้งหมดที่จัดการผ่านองค์กร GitHub ของเรา เช่น [Microsoft](https://github.com/Microsoft), [Azure](https://github.com/Azure), [DotNet](https://github.com/dotnet), [AspNet](https://github.com/aspnet), [Xamarin](https://github.com/xamarin) และ [องค์กร GitHub ของเรา](https://opensource.microsoft.com/) diff --git a/translations/th/SUPPORT.md b/translations/th/SUPPORT.md index 8be442997..2ebc682f6 100644 --- a/translations/th/SUPPORT.md +++ b/translations/th/SUPPORT.md @@ -1,12 +1,3 @@ - # การสนับสนุน ## วิธีรายงานปัญหาและขอความช่วยเหลือ diff --git a/translations/th/TROUBLESHOOTING.md b/translations/th/TROUBLESHOOTING.md index 3e5887493..1e6f13cb2 100644 --- a/translations/th/TROUBLESHOOTING.md +++ b/translations/th/TROUBLESHOOTING.md @@ -1,12 +1,3 @@ - # คู่มือการแก้ไขปัญหา คู่มือนี้ช่วยคุณแก้ไขปัญหาทั่วไปเมื่อทำงานกับหลักสูตร Machine Learning for Beginners หากคุณไม่พบคำตอบที่นี่ โปรดตรวจสอบ [การสนทนาใน Discord](https://aka.ms/foundry/discord) หรือ [เปิดประเด็นใหม่](https://github.com/microsoft/ML-For-Beginners/issues) diff --git a/translations/th/docs/_sidebar.md b/translations/th/docs/_sidebar.md index 3671cdb8f..1ead13ccf 100644 --- a/translations/th/docs/_sidebar.md +++ b/translations/th/docs/_sidebar.md @@ -1,12 +1,3 @@ - - บทนำ - [บทนำสู่การเรียนรู้ของเครื่อง](../1-Introduction/1-intro-to-ML/README.md) - [ประวัติศาสตร์ของการเรียนรู้ของเครื่อง](../1-Introduction/2-history-of-ML/README.md) diff --git a/translations/th/for-teachers.md b/translations/th/for-teachers.md index 052a92c05..51ef6c063 100644 --- a/translations/th/for-teachers.md +++ b/translations/th/for-teachers.md @@ -1,12 +1,3 @@ - ## สำหรับครูผู้สอน คุณต้องการใช้หลักสูตรนี้ในห้องเรียนของคุณหรือไม่? ใช้ได้เลย! diff --git a/translations/th/quiz-app/README.md b/translations/th/quiz-app/README.md index 7df1039b7..c93f73590 100644 --- a/translations/th/quiz-app/README.md +++ b/translations/th/quiz-app/README.md @@ -1,12 +1,3 @@ - # แบบทดสอบ แบบทดสอบเหล่านี้เป็นแบบทดสอบก่อนและหลังการบรรยายสำหรับหลักสูตร ML ที่ https://aka.ms/ml-beginners diff --git a/translations/th/sketchnotes/LICENSE.md b/translations/th/sketchnotes/LICENSE.md index 509dd5c32..648c0c9ad 100644 --- a/translations/th/sketchnotes/LICENSE.md +++ b/translations/th/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - สิทธิ์, คุณต้องอนุญาตให้ผู้อื่นใช้ฐานข้อมูลนั้นภายใต้เงื่อนไขเดียวกันกับที่ระบุในใบอนุญาตนี้; และ c. คุณต้องปฏิบัติตามเงื่อนไขในส่วนที่ 3(a) และ 3(b) หากคุณแบ่งปันเนื้อหาของฐานข้อมูลทั้งหมดหรือบางส่วน diff --git a/translations/th/sketchnotes/README.md b/translations/th/sketchnotes/README.md index 3e7da8563..1990fdb76 100644 --- a/translations/th/sketchnotes/README.md +++ b/translations/th/sketchnotes/README.md @@ -1,12 +1,3 @@ - สามารถดาวน์โหลดสเก็ตโน้ตทั้งหมดของหลักสูตรได้ที่นี่ 🖨 สำหรับการพิมพ์ในความละเอียดสูง สามารถดาวน์โหลดไฟล์ TIFF ได้ที่ [repo นี้](https://github.com/girliemac/a-picture-is-worth-a-1000-words/tree/main/ml/tiff)