msb-public
/
ML-For-Beginners
mirror of https://github.com/microsoft/ML-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity

chore(i18n): sync translations with latest source changes (chunk 1/1, 300 changes)

Browse Source
pull/918/head
localizeflow[bot] 2 weeks ago
parent 174dfeed1f
commit 5a66c0d512
300 changed files with 2112 additions and 3023 deletions
Show Stats Download Patch File Download Diff File

596
translations/cs/.co-op-translator.json
Unescape View File

@ -0,0 +1,596 @@
{
"1-Introduction/1-intro-to-ML/README.md": {
"original_hash": "69389392fa6346e0dfa30f664b7b6fec",
"translation_date": "2025-09-05T00:30:14+00:00",
"source_file": "1-Introduction/1-intro-to-ML/README.md",
"language_code": "cs"
},
"1-Introduction/1-intro-to-ML/assignment.md": {
"original_hash": "4c4698044bb8af52cfb6388a4ee0e53b",
"translation_date": "2025-09-05T00:32:17+00:00",
"source_file": "1-Introduction/1-intro-to-ML/assignment.md",
"language_code": "cs"
},
"1-Introduction/2-history-of-ML/README.md": {
"original_hash": "6a05fec147e734c3e6bfa54505648e2b",
"translation_date": "2025-09-05T00:33:16+00:00",
"source_file": "1-Introduction/2-history-of-ML/README.md",
"language_code": "cs"
},
"1-Introduction/2-history-of-ML/assignment.md": {
"original_hash": "eb6e4d5afd1b21a57d2b9e6d0aac3969",
"translation_date": "2025-09-05T00:35:48+00:00",
"source_file": "1-Introduction/2-history-of-ML/assignment.md",
"language_code": "cs"
},
"1-Introduction/3-fairness/README.md": {
"original_hash": "9a6b702d1437c0467e3c5c28d763dac2",
"translation_date": "2025-09-05T00:21:33+00:00",
"source_file": "1-Introduction/3-fairness/README.md",
"language_code": "cs"
},
"1-Introduction/3-fairness/assignment.md": {
"original_hash": "dbda60e7b1fe5f18974e7858eff0004e",
"translation_date": "2025-09-05T00:25:37+00:00",
"source_file": "1-Introduction/3-fairness/assignment.md",
"language_code": "cs"
},
"1-Introduction/4-techniques-of-ML/README.md": {
"original_hash": "9d91f3af3758fdd4569fb410575995ef",
"translation_date": "2025-09-05T00:26:41+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/README.md",
"language_code": "cs"
},
"1-Introduction/4-techniques-of-ML/assignment.md": {
"original_hash": "70d65aeddc06170bc1aed5b27805f930",
"translation_date": "2025-09-05T00:29:20+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/assignment.md",
"language_code": "cs"
},
"1-Introduction/README.md": {
"original_hash": "cf8ecc83f28e5b98051d2179eca08e08",
"translation_date": "2025-09-05T00:20:14+00:00",
"source_file": "1-Introduction/README.md",
"language_code": "cs"
},
"2-Regression/1-Tools/README.md": {
"original_hash": "fa81d226c71d5af7a2cade31c1c92b88",
"translation_date": "2025-09-04T23:35:46+00:00",
"source_file": "2-Regression/1-Tools/README.md",
"language_code": "cs"
},
"2-Regression/1-Tools/assignment.md": {
"original_hash": "74a5cf83e4ebc302afbcbc4f418afd0a",
"translation_date": "2025-09-04T23:39:41+00:00",
"source_file": "2-Regression/1-Tools/assignment.md",
"language_code": "cs"
},
"2-Regression/1-Tools/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T23:40:13+00:00",
"source_file": "2-Regression/1-Tools/solution/Julia/README.md",
"language_code": "cs"
},
"2-Regression/2-Data/README.md": {
"original_hash": "7c077988328ebfe33b24d07945f16eca",
"translation_date": "2025-09-04T23:41:01+00:00",
"source_file": "2-Regression/2-Data/README.md",
"language_code": "cs"
},
"2-Regression/2-Data/assignment.md": {
"original_hash": "4485a1ed4dd1b5647365e3d87456515d",
"translation_date": "2025-09-04T23:43:27+00:00",
"source_file": "2-Regression/2-Data/assignment.md",
"language_code": "cs"
},
"2-Regression/2-Data/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T23:43:52+00:00",
"source_file": "2-Regression/2-Data/solution/Julia/README.md",
"language_code": "cs"
},
"2-Regression/3-Linear/README.md": {
"original_hash": "40e64f004f3cb50aa1d8661672d3cd92",
"translation_date": "2025-09-04T23:20:43+00:00",
"source_file": "2-Regression/3-Linear/README.md",
"language_code": "cs"
},
"2-Regression/3-Linear/assignment.md": {
"original_hash": "cc471fa89c293bc735dd3a9a0fb79b1b",
"translation_date": "2025-09-04T23:26:10+00:00",
"source_file": "2-Regression/3-Linear/assignment.md",
"language_code": "cs"
},
"2-Regression/3-Linear/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T23:26:37+00:00",
"source_file": "2-Regression/3-Linear/solution/Julia/README.md",
"language_code": "cs"
},
"2-Regression/4-Logistic/README.md": {
"original_hash": "abf86d845c84330bce205a46b382ec88",
"translation_date": "2025-09-04T23:27:47+00:00",
"source_file": "2-Regression/4-Logistic/README.md",
"language_code": "cs"
},
"2-Regression/4-Logistic/assignment.md": {
"original_hash": "8af40209a41494068c1f42b14c0b450d",
"translation_date": "2025-09-04T23:34:14+00:00",
"source_file": "2-Regression/4-Logistic/assignment.md",
"language_code": "cs"
},
"2-Regression/4-Logistic/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T23:34:39+00:00",
"source_file": "2-Regression/4-Logistic/solution/Julia/README.md",
"language_code": "cs"
},
"2-Regression/README.md": {
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
"translation_date": "2025-09-04T23:18:31+00:00",
"source_file": "2-Regression/README.md",
"language_code": "cs"
},
"3-Web-App/1-Web-App/README.md": {
"original_hash": "e0b75f73e4a90d45181dc5581fe2ef5c",
"translation_date": "2025-09-05T00:37:25+00:00",
"source_file": "3-Web-App/1-Web-App/README.md",
"language_code": "cs"
},
"3-Web-App/1-Web-App/assignment.md": {
"original_hash": "a8e8ae10be335cbc745b75ee552317ff",
"translation_date": "2025-09-05T00:39:44+00:00",
"source_file": "3-Web-App/1-Web-App/assignment.md",
"language_code": "cs"
},
"3-Web-App/README.md": {
"original_hash": "9836ff53cfef716ddfd70e06c5f43436",
"translation_date": "2025-09-05T00:36:21+00:00",
"source_file": "3-Web-App/README.md",
"language_code": "cs"
},
"4-Classification/1-Introduction/README.md": {
"original_hash": "aaf391d922bd6de5efba871d514c6d47",
"translation_date": "2025-09-05T00:52:25+00:00",
"source_file": "4-Classification/1-Introduction/README.md",
"language_code": "cs"
},
"4-Classification/1-Introduction/assignment.md": {
"original_hash": "b2a01912beb24cfb0007f83594dba801",
"translation_date": "2025-09-05T00:54:43+00:00",
"source_file": "4-Classification/1-Introduction/assignment.md",
"language_code": "cs"
},
"4-Classification/1-Introduction/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T00:55:15+00:00",
"source_file": "4-Classification/1-Introduction/solution/Julia/README.md",
"language_code": "cs"
},
"4-Classification/2-Classifiers-1/README.md": {
"original_hash": "1a6e9e46b34a2e559fbbfc1f95397c7b",
"translation_date": "2025-09-05T00:42:34+00:00",
"source_file": "4-Classification/2-Classifiers-1/README.md",
"language_code": "cs"
},
"4-Classification/2-Classifiers-1/assignment.md": {
"original_hash": "de6025f96841498b0577e9d1aee18d1f",
"translation_date": "2025-09-05T00:45:34+00:00",
"source_file": "4-Classification/2-Classifiers-1/assignment.md",
"language_code": "cs"
},
"4-Classification/2-Classifiers-1/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T00:46:04+00:00",
"source_file": "4-Classification/2-Classifiers-1/solution/Julia/README.md",
"language_code": "cs"
},
"4-Classification/3-Classifiers-2/README.md": {
"original_hash": "49047911108adc49d605cddfb455749c",
"translation_date": "2025-09-05T00:49:40+00:00",
"source_file": "4-Classification/3-Classifiers-2/README.md",
"language_code": "cs"
},
"4-Classification/3-Classifiers-2/assignment.md": {
"original_hash": "58dfdaf79fb73f7d34b22bdbacf57329",
"translation_date": "2025-09-05T00:51:09+00:00",
"source_file": "4-Classification/3-Classifiers-2/assignment.md",
"language_code": "cs"
},
"4-Classification/3-Classifiers-2/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T00:51:39+00:00",
"source_file": "4-Classification/3-Classifiers-2/solution/Julia/README.md",
"language_code": "cs"
},
"4-Classification/4-Applied/README.md": {
"original_hash": "61bdec27ed2da8b098cd9065405d9bb0",
"translation_date": "2025-09-05T00:46:49+00:00",
"source_file": "4-Classification/4-Applied/README.md",
"language_code": "cs"
},
"4-Classification/4-Applied/assignment.md": {
"original_hash": "799ed651e2af0a7cad17c6268db11578",
"translation_date": "2025-09-05T00:48:52+00:00",
"source_file": "4-Classification/4-Applied/assignment.md",
"language_code": "cs"
},
"4-Classification/README.md": {
"original_hash": "74e809ffd1e613a1058bbc3e9600859e",
"translation_date": "2025-09-05T00:41:16+00:00",
"source_file": "4-Classification/README.md",
"language_code": "cs"
},
"5-Clustering/1-Visualize/README.md": {
"original_hash": "730225ea274c9174fe688b21d421539d",
"translation_date": "2025-09-04T23:59:38+00:00",
"source_file": "5-Clustering/1-Visualize/README.md",
"language_code": "cs"
},
"5-Clustering/1-Visualize/assignment.md": {
"original_hash": "589fa015a5e7d9e67bd629f7d47b53de",
"translation_date": "2025-09-05T00:03:49+00:00",
"source_file": "5-Clustering/1-Visualize/assignment.md",
"language_code": "cs"
},
"5-Clustering/1-Visualize/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T00:04:25+00:00",
"source_file": "5-Clustering/1-Visualize/solution/Julia/README.md",
"language_code": "cs"
},
"5-Clustering/2-K-Means/README.md": {
"original_hash": "7cdd17338d9bbd7e2171c2cd462eb081",
"translation_date": "2025-09-05T00:05:07+00:00",
"source_file": "5-Clustering/2-K-Means/README.md",
"language_code": "cs"
},
"5-Clustering/2-K-Means/assignment.md": {
"original_hash": "b8e17eff34ad1680eba2a5d3cf9ffc41",
"translation_date": "2025-09-05T00:07:10+00:00",
"source_file": "5-Clustering/2-K-Means/assignment.md",
"language_code": "cs"
},
"5-Clustering/2-K-Means/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T00:07:43+00:00",
"source_file": "5-Clustering/2-K-Means/solution/Julia/README.md",
"language_code": "cs"
},
"5-Clustering/README.md": {
"original_hash": "b28a3a4911584062772c537b653ebbc7",
"translation_date": "2025-09-04T23:57:41+00:00",
"source_file": "5-Clustering/README.md",
"language_code": "cs"
},
"6-NLP/1-Introduction-to-NLP/README.md": {
"original_hash": "1c2ec40cf55c98a028a359c27ef7e45a",
"translation_date": "2025-09-05T01:34:17+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/README.md",
"language_code": "cs"
},
"6-NLP/1-Introduction-to-NLP/assignment.md": {
"original_hash": "1d7583e8046dacbb0c056d5ba0a71b16",
"translation_date": "2025-09-05T01:36:38+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/assignment.md",
"language_code": "cs"
},
"6-NLP/2-Tasks/README.md": {
"original_hash": "5f3cb462e3122e1afe7ab0050ccf2bd3",
"translation_date": "2025-09-05T01:21:18+00:00",
"source_file": "6-NLP/2-Tasks/README.md",
"language_code": "cs"
},
"6-NLP/2-Tasks/assignment.md": {
"original_hash": "2efc4c2aba5ed06c780c05539c492ae3",
"translation_date": "2025-09-05T01:23:55+00:00",
"source_file": "6-NLP/2-Tasks/assignment.md",
"language_code": "cs"
},
"6-NLP/3-Translation-Sentiment/README.md": {
"original_hash": "be03c8182982b87ced155e4e9d1438e8",
"translation_date": "2025-09-05T01:37:49+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/README.md",
"language_code": "cs"
},
"6-NLP/3-Translation-Sentiment/assignment.md": {
"original_hash": "9d2a734deb904caff310d1a999c6bd7a",
"translation_date": "2025-09-05T01:41:00+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/assignment.md",
"language_code": "cs"
},
"6-NLP/3-Translation-Sentiment/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T01:41:50+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/Julia/README.md",
"language_code": "cs"
},
"6-NLP/3-Translation-Sentiment/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T01:41:30+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/R/README.md",
"language_code": "cs"
},
"6-NLP/4-Hotel-Reviews-1/README.md": {
"original_hash": "8d32dadeda93c6fb5c43619854882ab1",
"translation_date": "2025-09-05T01:25:44+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/README.md",
"language_code": "cs"
},
"6-NLP/4-Hotel-Reviews-1/assignment.md": {
"original_hash": "bf39bceb833cd628f224941dca8041df",
"translation_date": "2025-09-05T01:32:17+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/assignment.md",
"language_code": "cs"
},
"6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T01:33:03+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md",
"language_code": "cs"
},
"6-NLP/4-Hotel-Reviews-1/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T01:32:43+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/R/README.md",
"language_code": "cs"
},
"6-NLP/5-Hotel-Reviews-2/README.md": {
"original_hash": "2c742993fe95d5bcbb2846eda3d442a1",
"translation_date": "2025-09-05T01:42:53+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/README.md",
"language_code": "cs"
},
"6-NLP/5-Hotel-Reviews-2/assignment.md": {
"original_hash": "daf144daa552da6a7d442aff6f3e77d8",
"translation_date": "2025-09-05T01:47:13+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/assignment.md",
"language_code": "cs"
},
"6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T01:47:59+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md",
"language_code": "cs"
},
"6-NLP/5-Hotel-Reviews-2/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T01:47:39+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/R/README.md",
"language_code": "cs"
},
"6-NLP/README.md": {
"original_hash": "1eb379dc2d0c9940b320732d16083778",
"translation_date": "2025-09-05T01:20:00+00:00",
"source_file": "6-NLP/README.md",
"language_code": "cs"
},
"6-NLP/data/README.md": {
"original_hash": "ee0670655c89e4719319764afb113624",
"translation_date": "2025-09-05T01:33:21+00:00",
"source_file": "6-NLP/data/README.md",
"language_code": "cs"
},
"7-TimeSeries/1-Introduction/README.md": {
"original_hash": "662b509c39eee205687726636d0a8455",
"translation_date": "2025-09-04T23:50:19+00:00",
"source_file": "7-TimeSeries/1-Introduction/README.md",
"language_code": "cs"
},
"7-TimeSeries/1-Introduction/assignment.md": {
"original_hash": "d1781b0b92568ea1d119d0a198b576b4",
"translation_date": "2025-09-04T23:52:45+00:00",
"source_file": "7-TimeSeries/1-Introduction/assignment.md",
"language_code": "cs"
},
"7-TimeSeries/1-Introduction/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T23:53:35+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/Julia/README.md",
"language_code": "cs"
},
"7-TimeSeries/1-Introduction/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-04T23:53:15+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/R/README.md",
"language_code": "cs"
},
"7-TimeSeries/2-ARIMA/README.md": {
"original_hash": "917dbf890db71a322f306050cb284749",
"translation_date": "2025-09-04T23:45:36+00:00",
"source_file": "7-TimeSeries/2-ARIMA/README.md",
"language_code": "cs"
},
"7-TimeSeries/2-ARIMA/assignment.md": {
"original_hash": "1c814013e10866dfd92cdb32caaae3ac",
"translation_date": "2025-09-04T23:48:35+00:00",
"source_file": "7-TimeSeries/2-ARIMA/assignment.md",
"language_code": "cs"
},
"7-TimeSeries/2-ARIMA/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T23:49:28+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/Julia/README.md",
"language_code": "cs"
},
"7-TimeSeries/2-ARIMA/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-04T23:49:03+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/R/README.md",
"language_code": "cs"
},
"7-TimeSeries/3-SVR/README.md": {
"original_hash": "482bccabe1df958496ea71a3667995cd",
"translation_date": "2025-09-04T23:54:21+00:00",
"source_file": "7-TimeSeries/3-SVR/README.md",
"language_code": "cs"
},
"7-TimeSeries/3-SVR/assignment.md": {
"original_hash": "94aa2fc6154252ae30a3f3740299707a",
"translation_date": "2025-09-04T23:56:54+00:00",
"source_file": "7-TimeSeries/3-SVR/assignment.md",
"language_code": "cs"
},
"7-TimeSeries/README.md": {
"original_hash": "61342603bad8acadbc6b2e4e3aab3f66",
"translation_date": "2025-09-04T23:44:15+00:00",
"source_file": "7-TimeSeries/README.md",
"language_code": "cs"
},
"8-Reinforcement/1-QLearning/README.md": {
"original_hash": "911efd5e595089000cb3c16fce1beab8",
"translation_date": "2025-09-05T01:06:51+00:00",
"source_file": "8-Reinforcement/1-QLearning/README.md",
"language_code": "cs"
},
"8-Reinforcement/1-QLearning/assignment.md": {
"original_hash": "68394b2102d3503882e5e914bd0ff5c1",
"translation_date": "2025-09-05T01:12:16+00:00",
"source_file": "8-Reinforcement/1-QLearning/assignment.md",
"language_code": "cs"
},
"8-Reinforcement/1-QLearning/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T01:14:00+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/Julia/README.md",
"language_code": "cs"
},
"8-Reinforcement/1-QLearning/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T01:13:40+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/R/README.md",
"language_code": "cs"
},
"8-Reinforcement/2-Gym/README.md": {
"original_hash": "107d5bb29da8a562e7ae72262d251a75",
"translation_date": "2025-09-05T01:15:06+00:00",
"source_file": "8-Reinforcement/2-Gym/README.md",
"language_code": "cs"
},
"8-Reinforcement/2-Gym/assignment.md": {
"original_hash": "1f2b7441745eb52e25745423b247016b",
"translation_date": "2025-09-05T01:18:24+00:00",
"source_file": "8-Reinforcement/2-Gym/assignment.md",
"language_code": "cs"
},
"8-Reinforcement/2-Gym/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T01:19:37+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/Julia/README.md",
"language_code": "cs"
},
"8-Reinforcement/2-Gym/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T01:19:18+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/R/README.md",
"language_code": "cs"
},
"8-Reinforcement/README.md": {
"original_hash": "20ca019012b1725de956681d036d8b18",
"translation_date": "2025-09-05T01:03:44+00:00",
"source_file": "8-Reinforcement/README.md",
"language_code": "cs"
},
"9-Real-World/1-Applications/README.md": {
"original_hash": "83320d6b6994909e35d830cebf214039",
"translation_date": "2025-09-05T00:10:07+00:00",
"source_file": "9-Real-World/1-Applications/README.md",
"language_code": "cs"
},
"9-Real-World/1-Applications/assignment.md": {
"original_hash": "fdebfcd0a3f12c9e2b436ded1aa79885",
"translation_date": "2025-09-05T00:13:52+00:00",
"source_file": "9-Real-World/1-Applications/assignment.md",
"language_code": "cs"
},
"9-Real-World/2-Debugging-ML-Models/README.md": {
"original_hash": "df2b538e8fbb3e91cf0419ae2f858675",
"translation_date": "2025-09-05T00:15:11+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/README.md",
"language_code": "cs"
},
"9-Real-World/2-Debugging-ML-Models/assignment.md": {
"original_hash": "91c6a180ef08e20cc15acfd2d6d6e164",
"translation_date": "2025-09-05T00:19:30+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md",
"language_code": "cs"
},
"9-Real-World/README.md": {
"original_hash": "5e069a0ac02a9606a69946c2b3c574a9",
"translation_date": "2025-09-05T00:08:58+00:00",
"source_file": "9-Real-World/README.md",
"language_code": "cs"
},
"AGENTS.md": {
"original_hash": "93fdaa0fd38836e50c4793e2f2f25e8b",
"translation_date": "2025-10-03T11:15:53+00:00",
"source_file": "AGENTS.md",
"language_code": "cs"
},
"CODE_OF_CONDUCT.md": {
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-09-04T23:17:57+00:00",
"source_file": "CODE_OF_CONDUCT.md",
"language_code": "cs"
},
"CONTRIBUTING.md": {
"original_hash": "977ec5266dfd78ad1ce2bd8d46fccbda",
"translation_date": "2025-09-04T23:15:35+00:00",
"source_file": "CONTRIBUTING.md",
"language_code": "cs"
},
"README.md": {
"original_hash": "da2ceed62f16a0820259556e3a873c95",
"translation_date": "2026-01-29T18:57:40+00:00",
"source_file": "README.md",
"language_code": "cs"
},
"SECURITY.md": {
"original_hash": "5e1b8da31aae9cca3d53ad243fa3365a",
"translation_date": "2025-09-04T23:16:15+00:00",
"source_file": "SECURITY.md",
"language_code": "cs"
},
"SUPPORT.md": {
"original_hash": "09623d7343ff1c26ff4f198c1b2d3176",
"translation_date": "2025-10-03T12:22:05+00:00",
"source_file": "SUPPORT.md",
"language_code": "cs"
},
"TROUBLESHOOTING.md": {
"original_hash": "134d8759f0e2ab886e9aa4f62362c201",
"translation_date": "2025-10-03T12:53:08+00:00",
"source_file": "TROUBLESHOOTING.md",
"language_code": "cs"
},
"docs/_sidebar.md": {
"original_hash": "68dd06c685f6ce840e0acfa313352e7c",
"translation_date": "2025-09-05T00:08:07+00:00",
"source_file": "docs/_sidebar.md",
"language_code": "cs"
},
"for-teachers.md": {
"original_hash": "b37de02054fa6c0438ede6fabe1fdfb8",
"translation_date": "2025-09-04T23:17:14+00:00",
"source_file": "for-teachers.md",
"language_code": "cs"
},
"quiz-app/README.md": {
"original_hash": "6d130dffca5db70d7e615f926cb1ad4c",
"translation_date": "2025-09-05T00:40:19+00:00",
"source_file": "quiz-app/README.md",
"language_code": "cs"
},
"sketchnotes/LICENSE.md": {
"original_hash": "fba3b94d88bfb9b81369b869a1e9a20f",
"translation_date": "2025-09-05T00:58:29+00:00",
"source_file": "sketchnotes/LICENSE.md",
"language_code": "cs"
},
"sketchnotes/README.md": {
"original_hash": "a88d5918c1b9da69a40d917a0840c497",
"translation_date": "2025-09-05T00:55:35+00:00",
"source_file": "sketchnotes/README.md",
"language_code": "cs"
}
}

9
translations/cs/1-Introduction/1-intro-to-ML/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "69389392fa6346e0dfa30f664b7b6fec",
"translation_date": "2025-09-05T00:30:14+00:00",
"source_file": "1-Introduction/1-intro-to-ML/README.md",
"language_code": "cs"
}
-->
# Úvod do strojového učení
## [Kvíz před lekcí](https://ff-quizzes.netlify.app/en/ml/)

9
translations/cs/1-Introduction/1-intro-to-ML/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "4c4698044bb8af52cfb6388a4ee0e53b",
"translation_date": "2025-09-05T00:32:17+00:00",
"source_file": "1-Introduction/1-intro-to-ML/assignment.md",
"language_code": "cs"
}
-->
# Začněte a rozběhněte se
## Instrukce

9
translations/cs/1-Introduction/2-history-of-ML/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "6a05fec147e734c3e6bfa54505648e2b",
"translation_date": "2025-09-05T00:33:16+00:00",
"source_file": "1-Introduction/2-history-of-ML/README.md",
"language_code": "cs"
}
-->
# Historie strojového učení
![Shrnutí historie strojového učení ve sketchnote](../../../../sketchnotes/ml-history.png)

9
translations/cs/1-Introduction/2-history-of-ML/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "eb6e4d5afd1b21a57d2b9e6d0aac3969",
"translation_date": "2025-09-05T00:35:48+00:00",
"source_file": "1-Introduction/2-history-of-ML/assignment.md",
"language_code": "cs"
}
-->
# Vytvořte časovou osu
## Pokyny

9
translations/cs/1-Introduction/3-fairness/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9a6b702d1437c0467e3c5c28d763dac2",
"translation_date": "2025-09-05T00:21:33+00:00",
"source_file": "1-Introduction/3-fairness/README.md",
"language_code": "cs"
}
-->
# Budování řešení strojového učení s odpovědnou AI
![Shrnutí odpovědné AI ve strojovém učení ve sketchnote](../../../../sketchnotes/ml-fairness.png)

9
translations/cs/1-Introduction/3-fairness/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "dbda60e7b1fe5f18974e7858eff0004e",
"translation_date": "2025-09-05T00:25:37+00:00",
"source_file": "1-Introduction/3-fairness/assignment.md",
"language_code": "cs"
}
-->
# Prozkoumejte nástroj Responsible AI Toolbox
## Pokyny

9
translations/cs/1-Introduction/4-techniques-of-ML/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9d91f3af3758fdd4569fb410575995ef",
"translation_date": "2025-09-05T00:26:41+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/README.md",
"language_code": "cs"
}
-->
# Techniky strojového učení
Proces vytváření, používání a udržování modelů strojového učení a dat, která využívají, se výrazně liší od mnoha jiných vývojových pracovních postupů. V této lekci tento proces objasníme a nastíníme hlavní techniky, které je třeba znát. Naučíte se:

9
translations/cs/1-Introduction/4-techniques-of-ML/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "70d65aeddc06170bc1aed5b27805f930",
"translation_date": "2025-09-05T00:29:20+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/assignment.md",
"language_code": "cs"
}
-->
# Rozhovor s datovým vědcem
## Pokyny

9
translations/cs/1-Introduction/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "cf8ecc83f28e5b98051d2179eca08e08",
"translation_date": "2025-09-05T00:20:14+00:00",
"source_file": "1-Introduction/README.md",
"language_code": "cs"
}
-->
# Úvod do strojového učení
V této části kurzu se seznámíte se základními koncepty, které tvoří základ oboru strojového učení, zjistíte, co to vlastně je, a dozvíte se o jeho historii a technikách, které výzkumníci používají při práci s ním. Pojďme společně prozkoumat tento nový svět strojového učení!

9
translations/cs/2-Regression/1-Tools/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fa81d226c71d5af7a2cade31c1c92b88",
"translation_date": "2025-09-04T23:35:46+00:00",
"source_file": "2-Regression/1-Tools/README.md",
"language_code": "cs"
}
-->
# Začínáme s Pythonem a Scikit-learn pro regresní modely
![Shrnutí regresí ve sketchnote](../../../../sketchnotes/ml-regression.png)

9
translations/cs/2-Regression/1-Tools/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "74a5cf83e4ebc302afbcbc4f418afd0a",
"translation_date": "2025-09-04T23:39:41+00:00",
"source_file": "2-Regression/1-Tools/assignment.md",
"language_code": "cs"
}
-->
# Regrese se Scikit-learn
## Instrukce

9
translations/cs/2-Regression/1-Tools/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T23:40:13+00:00",
"source_file": "2-Regression/1-Tools/solution/Julia/README.md",
"language_code": "cs"
}
-->
---

9
translations/cs/2-Regression/2-Data/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7c077988328ebfe33b24d07945f16eca",
"translation_date": "2025-09-04T23:41:01+00:00",
"source_file": "2-Regression/2-Data/README.md",
"language_code": "cs"
}
-->
# Vytvoření regresního modelu pomocí Scikit-learn: příprava a vizualizace dat
![Infografika vizualizace dat](../../../../2-Regression/2-Data/images/data-visualization.png)

9
translations/cs/2-Regression/2-Data/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "4485a1ed4dd1b5647365e3d87456515d",
"translation_date": "2025-09-04T23:43:27+00:00",
"source_file": "2-Regression/2-Data/assignment.md",
"language_code": "cs"
}
-->
# Zkoumání vizualizací
Existuje několik různých knihoven dostupných pro vizualizaci dat. Vytvořte některé vizualizace pomocí dat o dýních v této lekci s matplotlib a seaborn v ukázkovém notebooku. Které knihovny se snadněji používají?

9
translations/cs/2-Regression/2-Data/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T23:43:52+00:00",
"source_file": "2-Regression/2-Data/solution/Julia/README.md",
"language_code": "cs"
}
-->
---

25
translations/cs/2-Regression/3-Linear/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "40e64f004f3cb50aa1d8661672d3cd92",
"translation_date": "2025-09-04T23:20:43+00:00",
"source_file": "2-Regression/3-Linear/README.md",
"language_code": "cs"
}
-->
# Vytvoření regresního modelu pomocí Scikit-learn: čtyři způsoby regresí
![Infografika lineární vs. polynomiální regrese](../../../../2-Regression/3-Linear/images/linear-polynomial.png)
@ -114,11 +105,11 @@ Nyní, když máte pochopení matematiky za lineární regresí, vytvořme regre
Z předchozí lekce jste pravděpodobně viděli, že průměrná cena pro různé měsíce vypadá takto:
<img alt="Průměrná cena podle měsíce" src="../2-Data/images/barchart.png" width="50%"/>
<img alt="Průměrná cena podle měsíce" src="../../../../translated_images/cs/barchart.a833ea9194346d76.webp" width="50%"/>
To naznačuje, že by měla existovat nějaká korelace, a můžeme zkusit trénovat model lineární regrese, abychom předpověděli vztah mezi `Měsíc` a `Cena`, nebo mezi `DenVRoce` a `Cena`. Zde je bodový graf, který ukazuje druhý vztah:
<img alt="Bodový graf Cena vs. Den v roce" src="images/scatter-dayofyear.png" width="50%" />
<img alt="Bodový graf Cena vs. Den v roce" src="../../../../translated_images/cs/scatter-dayofyear.bc171c189c9fd553.webp" width="50%" />
Podívejme se, zda existuje korelace pomocí funkce `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)
```
<img alt="Bodový graf Cena vs. Den v roce" src="images/scatter-dayofyear-color.png" width="50%" />
<img alt="Bodový graf Cena vs. Den v roce" src="../../../../translated_images/cs/scatter-dayofyear-color.65790faefbb9d54f.webp" width="50%" />
Naše zkoumání naznačuje, že druh má větší vliv na celkovou cenu než skutečné datum prodeje. Můžeme to vidět na sloupcovém grafu:
@ -145,7 +136,7 @@ Naše zkoumání naznačuje, že druh má větší vliv na celkovou cenu než sk
new_pumpkins.groupby('Variety')['Price'].mean().plot(kind='bar')
```
<img alt="Sloupcový graf cena vs. druh" src="images/price-by-variety.png" width="50%" />
<img alt="Sloupcový graf cena vs. druh" src="../../../../translated_images/cs/price-by-variety.744a2f9925d9bcb4.webp" width="50%" />
Zaměřme se nyní pouze na jeden druh dýní, 'pie type', a podívejme se, jaký vliv má datum na cenu:
@ -153,7 +144,7 @@ Zaměřme se nyní pouze na jeden druh dýní, 'pie type', a podívejme se, jak
pie_pumpkins = new_pumpkins[new_pumpkins['Variety']=='PIE TYPE']
pie_pumpkins.plot.scatter('DayOfYear','Price')
```
<img alt="Bodový graf Cena vs. Den v roce" src="images/pie-pumpkins-scatter.png" width="50%" />
<img alt="Bodový graf Cena vs. Den v roce" src="../../../../translated_images/cs/pie-pumpkins-scatter.d14f9804a53f927e.webp" width="50%" />
Pokud nyní vypočítáme korelaci mezi `Cena` a `DenVRoce` pomocí funkce `corr`, dostaneme něco jako `-0.27` - což znamená, že trénování prediktivního modelu má smysl.
@ -227,7 +218,7 @@ plt.scatter(X_test,y_test)
plt.plot(X_test,pred)
```
<img alt="Lineární regrese" src="images/linear-results.png" width="50%" />
<img alt="Lineární regrese" src="../../../../translated_images/cs/linear-results.f7c3552c85b0ed1c.webp" width="50%" />
## Polynomická regrese
@ -256,7 +247,7 @@ Použití `PolynomialFeatures(2)` znamená, že zahrneme všechny polynomy druh
Pipeline lze použít stejným způsobem jako původní objekt `LinearRegression`, tj. můžeme pipeline `fit` a poté použít `predict` k získání výsledků predikce. Zde je graf zobrazující testovací data a aproximační křivku:
<img alt="Polynomická regrese" src="images/poly-results.png" width="50%" />
<img alt="Polynomická regrese" src="../../../../translated_images/cs/poly-results.ee587348f0f1f60b.webp" width="50%" />
Použitím polynomické regrese můžeme dosáhnout mírně nižší MSE a vyšší determinace, ale ne výrazně. Musíme vzít v úvahu další prvky!
@ -274,7 +265,7 @@ V ideálním světě bychom chtěli být schopni předpovědět ceny pro různé
Zde můžete vidět, jak průměrná cena závisí na odrůdě:
<img alt="Průměrná cena podle odrůdy" src="images/price-by-variety.png" width="50%" />
<img alt="Průměrná cena podle odrůdy" src="../../../../translated_images/cs/price-by-variety.744a2f9925d9bcb4.webp" width="50%" />
Abychom vzali odrůdu v úvahu, musíme ji nejprve převést na číselnou formu, nebo ji **zakódovat**. Existuje několik způsobů, jak to udělat:

9
translations/cs/2-Regression/3-Linear/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "cc471fa89c293bc735dd3a9a0fb79b1b",
"translation_date": "2025-09-04T23:26:10+00:00",
"source_file": "2-Regression/3-Linear/assignment.md",
"language_code": "cs"
}
-->
# Vytvoření regresního modelu
## Instrukce

9
translations/cs/2-Regression/3-Linear/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T23:26:37+00:00",
"source_file": "2-Regression/3-Linear/solution/Julia/README.md",
"language_code": "cs"
}
-->
---

9
translations/cs/2-Regression/4-Logistic/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "abf86d845c84330bce205a46b382ec88",
"translation_date": "2025-09-04T23:27:47+00:00",
"source_file": "2-Regression/4-Logistic/README.md",
"language_code": "cs"
}
-->
# Logistická regrese pro predikci kategorií
![Infografika: Logistická vs. lineární regrese](../../../../2-Regression/4-Logistic/images/linear-vs-logistic.png)

9
translations/cs/2-Regression/4-Logistic/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "8af40209a41494068c1f42b14c0b450d",
"translation_date": "2025-09-04T23:34:14+00:00",
"source_file": "2-Regression/4-Logistic/assignment.md",
"language_code": "cs"
}
-->
# Opakování některých regresí
## Pokyny

9
translations/cs/2-Regression/4-Logistic/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T23:34:39+00:00",
"source_file": "2-Regression/4-Logistic/solution/Julia/README.md",
"language_code": "cs"
}
-->
---

9
translations/cs/2-Regression/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
"translation_date": "2025-09-04T23:18:31+00:00",
"source_file": "2-Regression/README.md",
"language_code": "cs"
}
-->
# Regresní modely pro strojové učení
## Regionální téma: Regresní modely pro ceny dýní v Severní Americe 🎃

9
translations/cs/3-Web-App/1-Web-App/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "e0b75f73e4a90d45181dc5581fe2ef5c",
"translation_date": "2025-09-05T00:37:25+00:00",
"source_file": "3-Web-App/1-Web-App/README.md",
"language_code": "cs"
}
-->
# Vytvořte webovou aplikaci pro použití ML modelu
V této lekci budete trénovat ML model na datové sadě, která je doslova mimo tento svět: _pozorování UFO za poslední století_, získané z databáze NUFORC.

9
translations/cs/3-Web-App/1-Web-App/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a8e8ae10be335cbc745b75ee552317ff",
"translation_date": "2025-09-05T00:39:44+00:00",
"source_file": "3-Web-App/1-Web-App/assignment.md",
"language_code": "cs"
}
-->
# Vyzkoušejte jiný model
## Pokyny

9
translations/cs/3-Web-App/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9836ff53cfef716ddfd70e06c5f43436",
"translation_date": "2025-09-05T00:36:21+00:00",
"source_file": "3-Web-App/README.md",
"language_code": "cs"
}
-->
# Vytvořte webovou aplikaci pro použití vašeho ML modelu
V této části kurzu se seznámíte s praktickým tématem strojového učení: jak uložit váš Scikit-learn model jako soubor, který lze použít k predikcím v rámci webové aplikace. Jakmile je model uložen, naučíte se, jak ho použít ve webové aplikaci postavené ve Flasku. Nejprve vytvoříte model pomocí dat, která se týkají pozorování UFO! Poté vytvoříte webovou aplikaci, která vám umožní zadat počet sekund spolu s hodnotami zeměpisné šířky a délky, abyste mohli předpovědět, která země hlásila pozorování UFO.

9
translations/cs/4-Classification/1-Introduction/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "aaf391d922bd6de5efba871d514c6d47",
"translation_date": "2025-09-05T00:52:25+00:00",
"source_file": "4-Classification/1-Introduction/README.md",
"language_code": "cs"
}
-->
# Úvod do klasifikace
V těchto čtyřech lekcích se ponoříte do základního zaměření klasického strojového učení - _klasifikace_. Projdeme si použití různých klasifikačních algoritmů na datasetu o všech úžasných kuchyních Asie a Indie. Doufáme, že máte chuť k jídlu!

9
translations/cs/4-Classification/1-Introduction/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b2a01912beb24cfb0007f83594dba801",
"translation_date": "2025-09-05T00:54:43+00:00",
"source_file": "4-Classification/1-Introduction/assignment.md",
"language_code": "cs"
}
-->
# Prozkoumejte metody klasifikace
## Instrukce

9
translations/cs/4-Classification/1-Introduction/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T00:55:15+00:00",
"source_file": "4-Classification/1-Introduction/solution/Julia/README.md",
"language_code": "cs"
}
-->
---

9
translations/cs/4-Classification/2-Classifiers-1/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1a6e9e46b34a2e559fbbfc1f95397c7b",
"translation_date": "2025-09-05T00:42:34+00:00",
"source_file": "4-Classification/2-Classifiers-1/README.md",
"language_code": "cs"
}
-->
# Klasifikátory kuchyní 1
V této lekci použijete dataset, který jste si uložili z minulé lekce, plný vyvážených a čistých dat o kuchyních.

9
translations/cs/4-Classification/2-Classifiers-1/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "de6025f96841498b0577e9d1aee18d1f",
"translation_date": "2025-09-05T00:45:34+00:00",
"source_file": "4-Classification/2-Classifiers-1/assignment.md",
"language_code": "cs"
}
-->
# Prostudujte řešitele
## Pokyny

9
translations/cs/4-Classification/2-Classifiers-1/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T00:46:04+00:00",
"source_file": "4-Classification/2-Classifiers-1/solution/Julia/README.md",
"language_code": "cs"
}
-->
---

9
translations/cs/4-Classification/3-Classifiers-2/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "49047911108adc49d605cddfb455749c",
"translation_date": "2025-09-05T00:49:40+00:00",
"source_file": "4-Classification/3-Classifiers-2/README.md",
"language_code": "cs"
}
-->
# Klasifikátory kuchyní 2
V této druhé lekci o klasifikaci se podíváte na další způsoby klasifikace číselných dat. Také se dozvíte o důsledcích volby jednoho klasifikátoru oproti jinému.

9
translations/cs/4-Classification/3-Classifiers-2/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "58dfdaf79fb73f7d34b22bdbacf57329",
"translation_date": "2025-09-05T00:51:09+00:00",
"source_file": "4-Classification/3-Classifiers-2/assignment.md",
"language_code": "cs"
}
-->
# Hra s parametry
## Pokyny

9
translations/cs/4-Classification/3-Classifiers-2/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T00:51:39+00:00",
"source_file": "4-Classification/3-Classifiers-2/solution/Julia/README.md",
"language_code": "cs"
}
-->
---

9
translations/cs/4-Classification/4-Applied/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "61bdec27ed2da8b098cd9065405d9bb0",
"translation_date": "2025-09-05T00:46:49+00:00",
"source_file": "4-Classification/4-Applied/README.md",
"language_code": "cs"
}
-->
# Vytvořte webovou aplikaci pro doporučování kuchyní
V této lekci vytvoříte klasifikační model pomocí některých technik, které jste se naučili v předchozích lekcích, a s využitím datasetu lahodných kuchyní, který byl použit v celém tomto seriálu. Navíc vytvoříte malou webovou aplikaci, která bude používat uložený model, využívající webový runtime Onnx.

9
translations/cs/4-Classification/4-Applied/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "799ed651e2af0a7cad17c6268db11578",
"translation_date": "2025-09-05T00:48:52+00:00",
"source_file": "4-Classification/4-Applied/assignment.md",
"language_code": "cs"
}
-->
# Vytvořte doporučovací systém
## Instrukce

9
translations/cs/4-Classification/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "74e809ffd1e613a1058bbc3e9600859e",
"translation_date": "2025-09-05T00:41:16+00:00",
"source_file": "4-Classification/README.md",
"language_code": "cs"
}
-->
# Začínáme s klasifikací
## Regionální téma: Lahodné asijské a indické kuchyně 🍜

9
translations/cs/5-Clustering/1-Visualize/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "730225ea274c9174fe688b21d421539d",
"translation_date": "2025-09-04T23:59:38+00:00",
"source_file": "5-Clustering/1-Visualize/README.md",
"language_code": "cs"
}
-->
# Úvod do shlukování
Shlukování je typ [učení bez učitele](https://wikipedia.org/wiki/Unsupervised_learning), který předpokládá, že dataset není označený nebo že jeho vstupy nejsou spárovány s předem definovanými výstupy. Používá různé algoritmy k třídění neoznačených dat a poskytuje skupiny na základě vzorců, které v datech rozpozná.

9
translations/cs/5-Clustering/1-Visualize/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "589fa015a5e7d9e67bd629f7d47b53de",
"translation_date": "2025-09-05T00:03:49+00:00",
"source_file": "5-Clustering/1-Visualize/assignment.md",
"language_code": "cs"
}
-->
# Prozkoumejte další vizualizace pro clustering
## Pokyny

9
translations/cs/5-Clustering/1-Visualize/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T00:04:25+00:00",
"source_file": "5-Clustering/1-Visualize/solution/Julia/README.md",
"language_code": "cs"
}
-->
---

9
translations/cs/5-Clustering/2-K-Means/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7cdd17338d9bbd7e2171c2cd462eb081",
"translation_date": "2025-09-05T00:05:07+00:00",
"source_file": "5-Clustering/2-K-Means/README.md",
"language_code": "cs"
}
-->
# K-Means clustering
## [Pre-lecture quiz](https://ff-quizzes.netlify.app/en/ml/)

9
translations/cs/5-Clustering/2-K-Means/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b8e17eff34ad1680eba2a5d3cf9ffc41",
"translation_date": "2025-09-05T00:07:10+00:00",
"source_file": "5-Clustering/2-K-Means/assignment.md",
"language_code": "cs"
}
-->
# Vyzkoušejte různé metody shlukování
## Pokyny

9
translations/cs/5-Clustering/2-K-Means/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T00:07:43+00:00",
"source_file": "5-Clustering/2-K-Means/solution/Julia/README.md",
"language_code": "cs"
}
-->
---

9
translations/cs/5-Clustering/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b28a3a4911584062772c537b653ebbc7",
"translation_date": "2025-09-04T23:57:41+00:00",
"source_file": "5-Clustering/README.md",
"language_code": "cs"
}
-->
# Modely shlukování pro strojové učení
Shlukování je úloha strojového učení, která se snaží najít objekty, jež si jsou navzájem podobné, a seskupit je do skupin nazývaných shluky. Co odlišuje shlukování od jiných přístupů ve strojovém učení, je to, že vše probíhá automaticky. Ve skutečnosti lze říci, že jde o opak učení s učitelem.

9
translations/cs/6-NLP/1-Introduction-to-NLP/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1c2ec40cf55c98a028a359c27ef7e45a",
"translation_date": "2025-09-05T01:34:17+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/README.md",
"language_code": "cs"
}
-->
# Úvod do zpracování přirozeného jazyka
Tato lekce se zabývá stručnou historií a důležitými koncepty *zpracování přirozeného jazyka*, což je podoblast *počítačové lingvistiky*.

9
translations/cs/6-NLP/1-Introduction-to-NLP/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1d7583e8046dacbb0c056d5ba0a71b16",
"translation_date": "2025-09-05T01:36:38+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/assignment.md",
"language_code": "cs"
}
-->
# Hledání bota
## Pokyny

9
translations/cs/6-NLP/2-Tasks/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5f3cb462e3122e1afe7ab0050ccf2bd3",
"translation_date": "2025-09-05T01:21:18+00:00",
"source_file": "6-NLP/2-Tasks/README.md",
"language_code": "cs"
}
-->
# Běžné úlohy a techniky zpracování přirozeného jazyka
Pro většinu úloh *zpracování přirozeného jazyka* je nutné text rozdělit, analyzovat a výsledky uložit nebo porovnat s pravidly a datovými sadami. Tyto úlohy umožňují programátorovi odvodit _význam_, _záměr_ nebo pouze _četnost_ termínů a slov v textu.

9
translations/cs/6-NLP/2-Tasks/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "2efc4c2aba5ed06c780c05539c492ae3",
"translation_date": "2025-09-05T01:23:55+00:00",
"source_file": "6-NLP/2-Tasks/assignment.md",
"language_code": "cs"
}
-->
# Naučte bota odpovídat
## Instrukce

9
translations/cs/6-NLP/3-Translation-Sentiment/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "be03c8182982b87ced155e4e9d1438e8",
"translation_date": "2025-09-05T01:37:49+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/README.md",
"language_code": "cs"
}
-->
# Překlad a analýza sentimentu pomocí ML
V předchozích lekcích jste se naučili, jak vytvořit základního bota pomocí knihovny `TextBlob`, která využívá strojové učení v pozadí k provádění základních úkolů NLP, jako je extrakce podstatných jmen. Další důležitou výzvou v oblasti počítačové lingvistiky je přesný _překlad_ věty z jednoho mluveného nebo psaného jazyka do jiného.

9
translations/cs/6-NLP/3-Translation-Sentiment/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9d2a734deb904caff310d1a999c6bd7a",
"translation_date": "2025-09-05T01:41:00+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/assignment.md",
"language_code": "cs"
}
-->
# Poetická licence
## Pokyny

9
translations/cs/6-NLP/3-Translation-Sentiment/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T01:41:50+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/Julia/README.md",
"language_code": "cs"
}
-->
---

9
translations/cs/6-NLP/3-Translation-Sentiment/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T01:41:30+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/R/README.md",
"language_code": "cs"
}
-->
toto je dočasný zástupný symbol
---

9
translations/cs/6-NLP/4-Hotel-Reviews-1/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "8d32dadeda93c6fb5c43619854882ab1",
"translation_date": "2025-09-05T01:25:44+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/README.md",
"language_code": "cs"
}
-->
# Analýza sentimentu pomocí recenzí hotelů - zpracování dat
V této části použijete techniky z předchozích lekcí k provedení průzkumné analýzy velkého datového souboru. Jakmile získáte dobré porozumění užitečnosti jednotlivých sloupců, naučíte se:

9
translations/cs/6-NLP/4-Hotel-Reviews-1/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "bf39bceb833cd628f224941dca8041df",
"translation_date": "2025-09-05T01:32:17+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/assignment.md",
"language_code": "cs"
}
-->
# NLTK
## Instrukce

9
translations/cs/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T01:33:03+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md",
"language_code": "cs"
}
-->
---

9
translations/cs/6-NLP/4-Hotel-Reviews-1/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T01:32:43+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/R/README.md",
"language_code": "cs"
}
-->
toto je dočasný zástupný symbol
---

9
translations/cs/6-NLP/5-Hotel-Reviews-2/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "2c742993fe95d5bcbb2846eda3d442a1",
"translation_date": "2025-09-05T01:42:53+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/README.md",
"language_code": "cs"
}
-->
# Analýza sentimentu pomocí recenzí hotelů
Nyní, když jste dataset podrobně prozkoumali, je čas filtrovat sloupce a použít techniky NLP na dataset, abyste získali nové poznatky o hotelech.

9
translations/cs/6-NLP/5-Hotel-Reviews-2/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "daf144daa552da6a7d442aff6f3e77d8",
"translation_date": "2025-09-05T01:47:13+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/assignment.md",
"language_code": "cs"
}
-->
# Vyzkoušejte jiný dataset
## Pokyny

9
translations/cs/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T01:47:59+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md",
"language_code": "cs"
}
-->
---

9
translations/cs/6-NLP/5-Hotel-Reviews-2/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T01:47:39+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/R/README.md",
"language_code": "cs"
}
-->
toto je dočasný zástupný symbol
---

9
translations/cs/6-NLP/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1eb379dc2d0c9940b320732d16083778",
"translation_date": "2025-09-05T01:20:00+00:00",
"source_file": "6-NLP/README.md",
"language_code": "cs"
}
-->
# Začínáme s přirozeným zpracováním jazyka
Přirozené zpracování jazyka (NLP) je schopnost počítačového programu porozumět lidskému jazyku tak, jak je mluvený a psaný – označovanému jako přirozený jazyk. Je to součást umělé inteligence (AI). NLP existuje více než 50 let a má své kořeny v oboru lingvistiky. Celý tento obor je zaměřen na pomoc strojům při porozumění a zpracování lidského jazyka. To pak může být využito k provádění úkolů, jako je kontrola pravopisu nebo strojový překlad. Má širokou škálu praktických aplikací v mnoha oblastech, včetně lékařského výzkumu, vyhledávačů a obchodní inteligence.

9
translations/cs/6-NLP/data/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ee0670655c89e4719319764afb113624",
"translation_date": "2025-09-05T01:33:21+00:00",
"source_file": "6-NLP/data/README.md",
"language_code": "cs"
}
-->
Stáhněte si data recenzí hotelů do této složky.
---

9
translations/cs/7-TimeSeries/1-Introduction/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "662b509c39eee205687726636d0a8455",
"translation_date": "2025-09-04T23:50:19+00:00",
"source_file": "7-TimeSeries/1-Introduction/README.md",
"language_code": "cs"
}
-->
# Úvod do předpovědi časových řad
![Shrnutí časových řad ve sketchnote](../../../../sketchnotes/ml-timeseries.png)

9
translations/cs/7-TimeSeries/1-Introduction/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "d1781b0b92568ea1d119d0a198b576b4",
"translation_date": "2025-09-04T23:52:45+00:00",
"source_file": "7-TimeSeries/1-Introduction/assignment.md",
"language_code": "cs"
}
-->
# Vizualizujte další časové řady
## Pokyny

9
translations/cs/7-TimeSeries/1-Introduction/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T23:53:35+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/Julia/README.md",
"language_code": "cs"
}
-->
---

9
translations/cs/7-TimeSeries/1-Introduction/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-04T23:53:15+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/R/README.md",
"language_code": "cs"
}
-->
toto je dočasný zástupný symbol
---

9
translations/cs/7-TimeSeries/2-ARIMA/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "917dbf890db71a322f306050cb284749",
"translation_date": "2025-09-04T23:45:36+00:00",
"source_file": "7-TimeSeries/2-ARIMA/README.md",
"language_code": "cs"
}
-->
# Prognóza časových řad pomocí ARIMA
V předchozí lekci jste se seznámili se základy prognózování časových řad a načetli dataset zobrazující výkyvy elektrického zatížení v průběhu času.

9
translations/cs/7-TimeSeries/2-ARIMA/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1c814013e10866dfd92cdb32caaae3ac",
"translation_date": "2025-09-04T23:48:35+00:00",
"source_file": "7-TimeSeries/2-ARIMA/assignment.md",
"language_code": "cs"
}
-->
# Nový ARIMA model
## Pokyny

9
translations/cs/7-TimeSeries/2-ARIMA/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T23:49:28+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/Julia/README.md",
"language_code": "cs"
}
-->
---

9
translations/cs/7-TimeSeries/2-ARIMA/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-04T23:49:03+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/R/README.md",
"language_code": "cs"
}
-->
toto je dočasný zástupný symbol
---

9
translations/cs/7-TimeSeries/3-SVR/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "482bccabe1df958496ea71a3667995cd",
"translation_date": "2025-09-04T23:54:21+00:00",
"source_file": "7-TimeSeries/3-SVR/README.md",
"language_code": "cs"
}
-->
# Předpověď časových řad pomocí Support Vector Regressor
V předchozí lekci jste se naučili používat model ARIMA k předpovědi časových řad. Nyní se podíváme na model Support Vector Regressor, což je regresní model používaný k předpovědi spojitých dat.

9
translations/cs/7-TimeSeries/3-SVR/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "94aa2fc6154252ae30a3f3740299707a",
"translation_date": "2025-09-04T23:56:54+00:00",
"source_file": "7-TimeSeries/3-SVR/assignment.md",
"language_code": "cs"
}
-->
# Nový model SVR
## Pokyny [^1]

9
translations/cs/7-TimeSeries/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "61342603bad8acadbc6b2e4e3aab3f66",
"translation_date": "2025-09-04T23:44:15+00:00",
"source_file": "7-TimeSeries/README.md",
"language_code": "cs"
}
-->
# Úvod do předpovídání časových řad
Co je předpovídání časových řad? Jde o předpovídání budoucích událostí na základě analýzy trendů z minulosti.

9
translations/cs/8-Reinforcement/1-QLearning/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "911efd5e595089000cb3c16fce1beab8",
"translation_date": "2025-09-05T01:06:51+00:00",
"source_file": "8-Reinforcement/1-QLearning/README.md",
"language_code": "cs"
}
-->
# Úvod do posilovaného učení a Q-Learningu
![Shrnutí posilovaného učení v oblasti strojového učení ve sketchnote](../../../../sketchnotes/ml-reinforcement.png)

9
translations/cs/8-Reinforcement/1-QLearning/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "68394b2102d3503882e5e914bd0ff5c1",
"translation_date": "2025-09-05T01:12:16+00:00",
"source_file": "8-Reinforcement/1-QLearning/assignment.md",
"language_code": "cs"
}
-->
# Realističtější svět
V naší situaci se Peter mohl pohybovat téměř bez únavy nebo hladu. V realističtějším světě by si musel čas od času sednout a odpočinout si, stejně jako se najíst. Udělejme náš svět realističtější implementací následujících pravidel:

9
translations/cs/8-Reinforcement/1-QLearning/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T01:14:00+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/Julia/README.md",
"language_code": "cs"
}
-->
---

9
translations/cs/8-Reinforcement/1-QLearning/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T01:13:40+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/R/README.md",
"language_code": "cs"
}
-->
toto je dočasný zástupný symbol
---

9
translations/cs/8-Reinforcement/2-Gym/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "107d5bb29da8a562e7ae72262d251a75",
"translation_date": "2025-09-05T01:15:06+00:00",
"source_file": "8-Reinforcement/2-Gym/README.md",
"language_code": "cs"
}
-->
# CartPole Bruslení
Problém, který jsme řešili v předchozí lekci, se může zdát jako hračka, která nemá skutečné využití v reálných situacích. To však není pravda, protože mnoho reálných problémů má podobný scénář – například hraní šachů nebo Go. Jsou podobné, protože také máme hrací desku s danými pravidly a **diskrétní stav**.

9
translations/cs/8-Reinforcement/2-Gym/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1f2b7441745eb52e25745423b247016b",
"translation_date": "2025-09-05T01:18:24+00:00",
"source_file": "8-Reinforcement/2-Gym/assignment.md",
"language_code": "cs"
}
-->
# Trénink Mountain Car
[OpenAI Gym](http://gym.openai.com) byl navržen tak, aby všechna prostředí poskytovala stejnou API - tj. stejné metody `reset`, `step` a `render`, a stejné abstrakce **akčního prostoru** a **pozorovacího prostoru**. Díky tomu by mělo být možné přizpůsobit stejné algoritmy pro posilované učení různým prostředím s minimálními změnami kódu.

9
translations/cs/8-Reinforcement/2-Gym/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T01:19:37+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/Julia/README.md",
"language_code": "cs"
}
-->
---

9
translations/cs/8-Reinforcement/2-Gym/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T01:19:18+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/R/README.md",
"language_code": "cs"
}
-->
toto je dočasný zástupný symbol
---

9
translations/cs/8-Reinforcement/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "20ca019012b1725de956681d036d8b18",
"translation_date": "2025-09-05T01:03:44+00:00",
"source_file": "8-Reinforcement/README.md",
"language_code": "cs"
}
-->
# Úvod do posilovaného učení
Posilované učení, RL, je považováno za jeden ze základních paradigmat strojového učení, vedle učení s učitelem a učení bez učitele. RL se zaměřuje na rozhodování: poskytování správných rozhodnutí nebo alespoň učení se z nich.

9
translations/cs/9-Real-World/1-Applications/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "83320d6b6994909e35d830cebf214039",
"translation_date": "2025-09-05T00:10:07+00:00",
"source_file": "9-Real-World/1-Applications/README.md",
"language_code": "cs"
}
-->
# Dodatek: Strojové učení v reálném světě
![Shrnutí strojového učení v reálném světě ve sketchnote](../../../../sketchnotes/ml-realworld.png)

9
translations/cs/9-Real-World/1-Applications/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fdebfcd0a3f12c9e2b436ded1aa79885",
"translation_date": "2025-09-05T00:13:52+00:00",
"source_file": "9-Real-World/1-Applications/assignment.md",
"language_code": "cs"
}
-->
# Hon na poklady s ML
## Instrukce

9
translations/cs/9-Real-World/2-Debugging-ML-Models/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "df2b538e8fbb3e91cf0419ae2f858675",
"translation_date": "2025-09-05T00:15:11+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/README.md",
"language_code": "cs"
}
-->
# Postscript: Ladění modelů strojového učení pomocí komponent Responsible AI dashboardu
## [Kvíz před přednáškou](https://ff-quizzes.netlify.app/en/ml/)

9
translations/cs/9-Real-World/2-Debugging-ML-Models/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "91c6a180ef08e20cc15acfd2d6d6e164",
"translation_date": "2025-09-05T00:19:30+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md",
"language_code": "cs"
}
-->
# Prozkoumejte dashboard Responsible AI (RAI)
## Pokyny

9
translations/cs/9-Real-World/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5e069a0ac02a9606a69946c2b3c574a9",
"translation_date": "2025-09-05T00:08:58+00:00",
"source_file": "9-Real-World/README.md",
"language_code": "cs"
}
-->
# Postscript: Skutečné aplikace klasického strojového učení
V této části kurzu se seznámíte s některými skutečnými aplikacemi klasického strojového učení. Prohledali jsme internet, abychom našli odborné články a studie o aplikacích, které využívají tyto strategie, přičemž jsme se co nejvíce vyhýbali neuronovým sítím, hlubokému učení a umělé inteligenci. Zjistěte, jak se strojové učení používá v obchodních systémech, ekologických aplikacích, financích, umění a kultuře a dalších oblastech.

9
translations/cs/AGENTS.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "93fdaa0fd38836e50c4793e2f2f25e8b",
"translation_date": "2025-10-03T11:15:53+00:00",
"source_file": "AGENTS.md",
"language_code": "cs"
}
-->
# AGENTS.md
## Přehled projektu

9
translations/cs/CODE_OF_CONDUCT.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-09-04T23:17:57+00:00",
"source_file": "CODE_OF_CONDUCT.md",
"language_code": "cs"
}
-->
# Kodex chování pro otevřený zdroj Microsoftu
Tento projekt přijal [Kodex chování pro otevřený zdroj Microsoftu](https://opensource.microsoft.com/codeofconduct/).

9
translations/cs/CONTRIBUTING.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "977ec5266dfd78ad1ce2bd8d46fccbda",
"translation_date": "2025-09-04T23:15:35+00:00",
"source_file": "CONTRIBUTING.md",
"language_code": "cs"
}
-->
# Přispívání
Tento projekt vítá příspěvky a návrhy. Většina příspěvků vyžaduje, abyste souhlasili s Licenční smlouvou přispěvatele (CLA), která potvrzuje, že máte právo a skutečně udělujete práva k použití vašeho příspěvku. Podrobnosti naleznete na https://cla.microsoft.com.

202
translations/cs/README.md
Unescape View File

@ -1,96 +1,87 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "0a6f4476a4f3934a4aa47c1bf47158bc",
"translation_date": "2026-01-16T14:51:28+00:00",
"source_file": "README.md",
"language_code": "cs"
}
-->
[![GitHub licence](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
[![GitHub přispěvatelé](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
[![GitHub problémy](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
[![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/)
[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)
[![GitHub sledovači](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
[![GitHub forky](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/)
[![GitHub hvězdy](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)
[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
[![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/)
### 🌐 Podpora vícejazyčnosti
### 🌐 Podpora více jazyků
#### Podporováno prostřednictvím GitHub Action (automatizováno a vždy aktuální)
#### Podporováno přes GitHub Action (automatizované a vždy aktuální)
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
[Arabština](../ar/README.md) | [Bengálština](../bn/README.md) | [Bulharština](../bg/README.md) | [Barmsky (Myanmar)](../my/README.md) | [Čínština (zjednodušená)](../zh/README.md) | [Čínština (tradiční, Hong Kong)](../hk/README.md) | [Čínština (tradiční, Macau)](../mo/README.md) | [Čínština (tradiční, Taiwan)](../tw/README.md) | [Chorvatština](../hr/README.md) | [Čeština](./README.md) | [Dánština](../da/README.md) | [Nizozemština](../nl/README.md) | [Estonština](../et/README.md) | [Finština](../fi/README.md) | [Francouzština](../fr/README.md) | [Němčina](../de/README.md) | [Řečtina](../el/README.md) | [Hebrejština](../he/README.md) | [Hindi](../hi/README.md) | [Maďarština](../hu/README.md) | [Indonéština](../id/README.md) | [Italština](../it/README.md) | [Japonština](../ja/README.md) | [Kannada](../kn/README.md) | [Korejština](../ko/README.md) | [Litvanština](../lt/README.md) | [Malajština](../ms/README.md) | [Malajalámština](../ml/README.md) | [Maráthština](../mr/README.md) | [Nepálština](../ne/README.md) | [Nigérijský pidžin](../pcm/README.md) | [Norština](../no/README.md) | [Perština (Farsi)](../fa/README.md) | [Polština](../pl/README.md) | [Portugalština (Brazílie)](../br/README.md) | [Portugalština (Portugalsko)](../pt/README.md) | [Paňdžábština (Gurmukhí)](../pa/README.md) | [Rumunština](../ro/README.md) | [Ruština](../ru/README.md) | [Srbština (Cyrilice)](../sr/README.md) | [Slovenština](../sk/README.md) | [Slovinština](../sl/README.md) | [Španělština](../es/README.md) | [Svahilština](../sw/README.md) | [Švédština](../sv/README.md) | [Tagalog (Filipínština)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugština](../te/README.md) | [Thajština](../th/README.md) | [Turečtina](../tr/README.md) | [Ukrajinština](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamština](../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](./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](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
> **Preferujete klonování lokálně?**
> **Dáváte přednost klonování lokálně?**
> Toto repozitář obsahuje více než 50 jazykových překladů, což výrazně zvyšuje velikost stahování. Pro klonování bez překladů použijte sparse checkout:
> Tento repozitář obsahuje více než 50 překladů jazyků, což výrazně zvětšuje velikost staženého souboru. Pro klonování bez překladů použijte 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'
> ```
> Díky tomu získáte vše potřebné ke kompletnímu absolvování kurzu s mnohem rychlejším stažením.
> Díky tomu získáte vše potřebné pro dokončení kurzu s výrazně rychlejším stažením.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
#### Připojte se k naší komunitě
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
Máme probíhající sérii Learn with AI na Discordu, dozvíte se více a připojte se k nám na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. září 2025. Získáte tipy a triky pro používání GitHub Copilot pro Data Science.
Máme probíhající sérii „Learn with AI“ na Discordu, dozvíte se více a připojte se k nám na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. září 2025. Získáte tipy a triky pro použití GitHub Copilot pro Data Science.
![Learn with AI series](../../../../translated_images/cs/3.9b58fd8d6c373c20.webp)
![Learn with AI series](../../translated_images/cs/3.9b58fd8d6c373c20.webp)
# Strojové učení pro začátečníky - kurikulum
# Strojové učení pro začátečníky – učební plán
> 🌍 Cestujte po světě, zatímco prozkoumáváme strojové učení prostřednictvím světových kultur 🌍
> 🌍 Cestujte po celém světě a prozkoumejte strojové učení prostřednictvím světových kultur 🌍
Cloud Advocates ve společnosti Microsoft s potěšením nabízejí 12týdenní kurikulum o 26 lekcích zaměřené na **Strojové učení**. V tomto kurikulu se naučíte to, čemu se někdy říká **klasické strojové učení**, používající především knihovnu Scikit-learn a vyhýbající se hlubokému učení, které je pokryto v našem [kurikulu AI pro začátečníky](https://aka.ms/ai4beginners). Tyto lekce zkombinujte také s naším ['Data Science pro začátečníky' kurikulem](https://aka.ms/ds4beginners)!
Cloud Advocates ve společnosti Microsoft s potěšením nabízejí 12týdenní kurz o 26 lekcích zaměřený na **strojové učení**. V tomto kurzu se dozvíte o tom, co se někdy nazývá **klasické strojové učení**, které primárně používá knihovnu Scikit-learn a neobsahuje hluboké učení, které je pokryto v našem [kurzu AI pro začátečníky](https://aka.ms/ai4beginners). Kombinujte tyto lekce také s naším ['Data Science pro začátečníky'](https://aka.ms/ds4beginners).
Cestujte s námi po světě a aplikujte tyto klasické techniky na data z různých oblastí světa. Každá lekce obsahuje přednáškové a po přednášce testy, psané instrukce k dokončení lekce, řešení, úkol a více. Naše projektově založená pedagogika vám umožňuje učit se při tvorbě, což je osvědčený způsob, jak si nové dovednosti osvojit.
Cestujte s námi po světě, zatímco aplikujeme tyto klasické techniky na data z různých koutů světa. Každá lekce obsahuje před a po lekci kvízy, písemné instrukce k dokončení lekce, řešení, úkol a další. Naše projektově orientovaná pedagogika vám umožňuje učit se při tvorbě, což je ověřený způsob, jak si nové dovednosti lépe osvojit.
**✍️ Srdečné poděkování našim autorům** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu a Amy Boyd
**🎨 Poděkování také našim ilustrátorům** Tomomi Imura, Dasani Madipalli a Jen Looper
**🙏 Speciální poděkování 🙏 našim autorům, recenzentům a přispěvatelům obsahu z Microsoft Student Ambassador**, zejména Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila a Snigdha Agarwal
**🙏 Zvláštní poděkování 🙏 patří našim Microsoft Student Ambassador autorům, recenzentům a přispěvatelům obsahu**, zejména Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila a Snigdha Agarwal
**🤩 Extra poděkování Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi a Vidushi Gupta za naše lekce v R!**
**🤩 Extra dík Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi a Vidushi Gupta za naše R lekce!**
# Začínáme
Postupujte podle těchto kroků:
1. **Vytvořte Fork repozitáře**: Klikněte na tlačítko „Fork“ v pravém horním rohu této stránky.
2. **Klonujte repozitář**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
1. **Forkujte repozitář**: Klikněte na tlačítko „Fork“ vpravo nahoře na této stránce.
2. **Klonujte repozitář**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
> [najděte všechny další zdroje pro tento kurz v naší kolekci Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [všechny další zdroje pro tento kurz najdete v naší kolekci Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Potřebujete pomoc?** Podívejte se do naší [Příručky pro řešení problémů](TROUBLESHOOTING.md) na řešení běžných problémů s instalací, nastavením a spouštěním lekcí.
> 🔧 **Potřebujete pomoc?** Podívejte se do našeho [Průvodce řešením problémů](TROUBLESHOOTING.md) pro řešení běžných problémů s instalací, nastavením a spouštěním lekcí.
**[Studenti](https://aka.ms/student-page)**, pro využití tohoto kurikula, proveďte fork celé repo na svůj vlastní GitHub účet a dokončujte cvičení sami nebo ve skupině:
**[Studenti](https://aka.ms/student-page)**, pro použití tohoto kurzu si forknete celý repozitář do svého GitHub účtu a cvičení dokončujte sami nebo ve skupině:
- Začněte kvízem před lekcí.
- Přečtěte si lekci a dokončete aktivity, zastavujte se a reflektujte u každé kontroly znalostí.
- Snažte se vytvářet projekty pochopením lekcí spíše než spuštěním kódu řešení; tento kód je ale dostupný ve složkách `/solution` v každé lekci orientované na projekt.
- Udělejte test po lekci.
- Dokončete výzvu.
- Vypracujte úkol.
- Po dokončení skupiny lekcí navštivte [Diskuzní fórum](https://github.com/microsoft/ML-For-Beginners/discussions) a „učte se nahlas“ vyplněním příslušného PAT rubriky. 'PAT' je nástroj pro hodnocení pokroku, kde vyplňujete rubriku pro další rozvoj učení. Můžete také reagovat na jiné PATy, abychom se učili společně.
- Začněte přednáškovým kvízem.
- Přečtěte si lekci a dokončete aktivity, zastavujte se a zamýšlejte se u každé kontroly znalostí.
- Pokuste se projekty vytvořit tím, že lekce pochopíte, místo aby jste jen spouštěli kód řešení; tento kód však je dostupný ve složkách `/solution` v každé projektově orientované lekci.
- Udělejte závěrečný kvíz po lekci.
- Vykonejte výzvu.
- Dokončete úkol.
- Po dokončení skupiny lekcí navštivte [Diskusní fórum](https://github.com/microsoft/ML-For-Beginners/discussions) a „učte se nahlas“ vyplněním odpovídajícího hodnotícího rubriky PAT. PAT je Nástroj pro hodnocení pokroku, rubrika, kterou vyplňujete, abyste prohloubili své učení. Můžete také reagovat na jiné PAT, abychom se mohli učit společně.
> Pro další studium doporučujeme sledovat tyto [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) moduly a vzdělávací cesty.
> Pro další studium doporučujeme sledovat tyto [moduly a učební cesty Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
**Učitelé**, máme [několik návrhů](for-teachers.md) jak použít toto kurikulum.
**Učitelé**, nabízíme [několik návrhů](for-teachers.md), jak tento kurz využít.
---
## Video průvodci
Některé lekce jsou dostupné jako krátká videa. Všechny je najdete přímo v lekcích, nebo na [playlistu ML for Beginners na YouTube kanálu Microsoft Developer](https://aka.ms/ml-beginners-videos) kliknutím na obrázek níže.
Některé lekce jsou dostupné jako krátká videa. Všechny je najdete vložené přímo v lekcích nebo na [playlistu ML pro začátečníky na YouTube kanálu Microsoft Developer](https://aka.ms/ml-beginners-videos) kliknutím na obrázek níže.
[![ML for beginners banner](../../../../translated_images/cs/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos)
[![ML for beginners banner](../../translated_images/cs/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos)
---
@ -100,79 +91,78 @@ Některé lekce jsou dostupné jako krátká videa. Všechny je najdete přímo
**Gif od** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
> 🎥 Klikněte na obrázek výše pro video o projektu a lidech, kteří ho vytvořili!
> 🎥 Klikněte na obrázek výše pro video o projektu a lidech, kteří jej vytvořili!
---
## Pedagogika
Při stavbě tohoto kurikula jsme si vybrali dva pedagogické principy: zajistit, aby bylo praktické a **projektově orientované** a aby zahrnovalo **časté kvízy**. Kromě toho má kurikulum společné **téma**, aby mu dodalo soudržnost.
Při tvorbě tohoto kurzu jsme zvolili dva pedagogické principy: zajistit, aby byl kurz hands-on, **projektově orientovaný** a aby obsahoval **časté kvízy**. Navíc kurz má společné **téma** pro lepší soudržnost.
Zajištěním, že obsah odpovídá projektům, je proces pro studenty zajímavější a zlepší se zapamatování konceptů. Navíc nízko-náročný kvíz před třídou nastavuje záměr studenta učit se téma, zatímco druhý kvíz po třídě zajišťuje další uchopení látky. Kurikulum bylo navrženo být flexibilní a zábavné a lze ho brát jako celek nebo po částech. Projekty začínají malé a na konci 12týdenního cyklu jsou stále složitější. Kurikulum také obsahuje dodatek o reálných aplikacích ML, který může být použit jako zápočet navíc nebo jako základ pro diskuzi.
Zajištěním, že obsah odpovídá projektům, je proces pro studenty více zábavný a lépe se jim uchovávají koncepty. Také nízkorizikový test před hodinou nastaví záměr studenta se učit dané téma, zatímco druhý kvíz po hodině zajistí další upevnění znalostí. Tento kurz byl navržen flexibilní a zábavný a lze jej absolvovat celý nebo jen částečně. Projekty začínají jednoduše a na konci 12týdenního cyklu se stávají postupně složitějšími. Kurz také obsahuje postskriptum o reálných aplikacích ML, které může být použito jako dodatečný kredit nebo jako téma k diskusi.
> Najděte naše [Zásady chování](CODE_OF_CONDUCT.md), [Přispívání](CONTRIBUTING.md), [Překlady](TRANSLATIONS.md) a [Řešení problémů](TROUBLESHOOTING.md). Vítáme vaši konstruktivní zpětnou vazbu!
> Najděte naše [Kodex chování](CODE_OF_CONDUCT.md), [Příspěvek](CONTRIBUTING.md), [Překlady](TRANSLATIONS.md) a [Řešení problémů](TROUBLESHOOTING.md). Vítáme vaše konstruktivní připomínky!
## Každá lekce obsahuje
- volitelnou náčrtnou poznámku
- volitelné doplňkové video
- video průvodce (pouze některé lekce)
- [kvíz na zahřátí před přednáškou](https://ff-quizzes.netlify.app/en/ml/)
- nepovinnou skicu
- nepovinné doplňkové video
- video průvodce (jen některé lekce)
- [přednáškový zahřívací kvíz](https://ff-quizzes.netlify.app/en/ml/)
- psanou lekci
- pro lekce založené na projektech, krok-za-krokem návody, jak projekt vybudovat
- u projektově orientovaných lekcí kroky, jak projekt vybudovat
- kontroly znalostí
- výzvu
- doplňující četbu
- doplňující čtení
- úkol
- [kvíz po přednášce](https://ff-quizzes.netlify.app/en/ml/)
> **Poznámka k jazykům**: Tyto lekce jsou primárně psány v Pythonu, ale mnohé jsou také dostupné v R. Pro dokončení lekce v R přejděte do složky `/solution` a hledejte R lekce. Obsahují příponu .rmd, což představuje **R Markdown** soubor, který lze jednoduše definovat jako vložení `kódových bloků` (z R nebo jiných jazyků) a `YAML hlavičky` (která řídí formátování výstupů, jako je PDF) do `Markdown dokumentu`. Slouží tedy jako vzorový autorský rámec pro data science, protože umožňuje kombinovat váš kód, jeho výstup a myšlenky tím, že je můžete zapisovat v Markdownu. Navíc R Markdown dokumenty lze zpracovat do výstupních formátů jako PDF, HTML nebo Word.
> **Poznámka k testům**: Všechny testy jsou obsaženy ve složce [Quiz App folder](../../quiz-app), celkem 52 testů po třech otázkách. Jsou propojeny v rámci lekcí, ale aplikaci na testy lze spustit i lokálně; postupujte podle instrukcí ve složce `quiz-app` pro lokální spuštění nebo nasazení do Azure.
| Číslo lekce | Téma | Skupina lekcí | Výukové cíle | Propojená lekce | Autor |
| :---------: | :----------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------ | :-----------------------------------------------------------------------------------------------------------------------------------------: | :-------------------------------------------------: |
| 01 | Úvod do strojového učení | [Introduction](1-Introduction/README.md) | Naučte se základní pojmy za strojovým učením | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Historie strojového učení | [Introduction](1-Introduction/README.md) | Seznamte se s historií tohoto oboru | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen a Amy |
| 03 | Spravedlnost a strojové učení | [Introduction](1-Introduction/README.md) | Jaké jsou důležité filozofické otázky týkající se spravedlnosti, které by studenti měli zvážit při tvorbě a aplikaci ML modelů? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Techniky ve strojovém učení | [Introduction](1-Introduction/README.md) | Jaké techniky používají výzkumníci ML ke stavbě ML modelů? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris a Jen |
| 05 | Úvod do regrese | [Regression](2-Regression/README.md) | Začněte s Pythonem a Scikit-learn pro regresní modely | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Cena dýní v Severní Americe 🎃 | [Regression](2-Regression/README.md) | Vizualizujte a vyčistěte data pro přípravu na ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Cena dýní v Severní Americe 🎃 | [Regression](2-Regression/README.md) | Vytvořte lineární a polynomiální regresní modely | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen a Dmitry • Eric Wanjau |
| 08 | Cena dýní v Severní Americe 🎃 | [Regression](2-Regression/README.md) | Vytvořte logistický regresní model | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Webová aplikace 🔌 | [Web App](3-Web-App/README.md) | Vytvořte webovou aplikaci pro použití vašeho vytrénovaného modelu | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Úvod do klasifikace | [Classification](4-Classification/README.md) | Vyčistěte, připravte a vizualizujte svá data; úvod do klasifikace | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen a Cassie • Eric Wanjau |
| 11 | Lahodné asijské a indické kuchyně 🍜 | [Classification](4-Classification/README.md) | Úvod do klasifikátorů | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen a Cassie • Eric Wanjau |
| 12 | Lahodné asijské a indické kuchyně 🍜 | [Classification](4-Classification/README.md) | Další klasifikátory | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen a Cassie • Eric Wanjau |
| 13 | Lahodné asijské a indické kuchyně 🍜 | [Classification](4-Classification/README.md) | Vytvořte doporučující webovou aplikaci pomocí vašeho modelu | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Úvod do shlukování | [Clustering](5-Clustering/README.md) | Vyčistěte, připravte a vizualizujte svá data; úvod do shlukování | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Prozkoumání nigerijských hudebních vkusů 🎧 | [Clustering](5-Clustering/README.md) | Prozkoumejte metodu shlukování 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 | Úvod do zpracování přirozeného jazyka ☕️ | [Natural language processing](6-NLP/README.md) | Naučte se základy NLP vytvořením jednoduchého bota | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Běžné úlohy NLP ☕️ | [Natural language processing](6-NLP/README.md) | Prohlubte své znalosti NLP pochopením běžných úkolů nezbytných při práci s jazykovými strukturami | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Překlad a analýza sentimentu ♥️ | [Natural language processing](6-NLP/README.md) | Překlad a analýza sentimentu s Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Romantické hotely Evropy ♥️ | [Natural language processing](6-NLP/README.md) | Analýza sentimentu na základě recenzí hotelů 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Romantické hotely Evropy ♥️ | [Natural language processing](6-NLP/README.md) | Analýza sentimentu na základě recenzí hotelů 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Úvod do předpovědi časových řad | [Time series](7-TimeSeries/README.md) | Úvod do předpovědi časových řad | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Světová spotřeba energie ⚡️ - předpověď časových řad pomocí ARIMA | [Time series](7-TimeSeries/README.md) | Předpověď časových řad pomocí ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Světová spotřeba energie ⚡️ - předpověď časových řad pomocí SVR | [Time series](7-TimeSeries/README.md) | Předpověď časových řad pomocí regresoru podpůrných vektorů | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Úvod do posilovaného učení | [Reinforcement learning](8-Reinforcement/README.md) | Úvod do posilovaného učení pomocí Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Pomozte Petru vyhnout se vlkovi! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Posilované učení pomocí Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Scénáře a aplikace ML v reálném světě | [ML in the Wild](9-Real-World/README.md) | Zajímavé a poučné reálné aplikace klasického ML | [Lesson](9-Real-World/1-Applications/README.md) | Team |
| Postscript | Ladění modelů ML pomocí RAI dashboardu | [ML in the Wild](9-Real-World/README.md) | Ladění modelů strojového učení pomocí komponent dashboardu Responsible AI | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [najděte všechny doplňkové materiály k tomuto kurzu v naší kolekci Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
- [kvíz po lekci](https://ff-quizzes.netlify.app/en/ml/)
> **Poznámka o jazycích**: Tyto lekce jsou primárně psány v Pythonu, ale mnohé jsou také dostupné v R. Pro dokončení R lekce přejděte do složky `/solution` a vyhledejte lekce v R. Obsahují příponu .rmd, což představuje soubor **R Markdown**, což lze jednoduše definovat jako vložení `kódu` (R nebo jiných jazyků) a `YAML hlavičky` (která určuje, jak formátovat výstupy jako PDF) do `Markdown dokumentu`. Slouží tedy jako vzorové autorovací prostředí pro data science, protože vám umožňuje spojit kód, jeho výstup a vaše poznámky, které můžete psát do Markdownu. Navíc R Markdown dokumenty mohou být renderovány do výstupních formátů jako PDF, HTML nebo Word.
> **Poznámka k kvízům**: Všechny kvízy jsou obsaženy ve složce [Quiz App folder](../../quiz-app), celkem 52 kvízů po třech otázkách. Jsou propojeny z lekcí, ale kvízovou aplikaci lze spustit lokálně; postupujte podle pokynů ve složce `quiz-app` pro lokální hostování nebo nasazení do Azure.
| Číslo lekce | Téma | Skupina lekcí | Výukové cíle | Propojená lekce | Autor |
| :---------: | :-----------------------------------------------------------: | :-----------------------------------------------: | ---------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :------------------------------------------------: |
| 01 | Úvod do strojového učení | [Úvod](1-Introduction/README.md) | Naučit se základní pojmy strojového učení | [Lekce](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Historie strojového učení | [Úvod](1-Introduction/README.md) | Poznat historii tohoto oboru | [Lekce](1-Introduction/2-history-of-ML/README.md) | Jen a Amy |
| 03 | Spravedlnost a strojové učení | [Úvod](1-Introduction/README.md) | Jaké jsou důležité filozofické otázky ohledně spravedlnosti, které by měli studenti zvážit při tvorbě a aplikaci ML modelů? | [Lekce](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Techniky strojového učení | [Úvod](1-Introduction/README.md) | Jaké techniky používají vědci ML k vytváření ML modelů? | [Lekce](1-Introduction/4-techniques-of-ML/README.md) | Chris a Jen |
| 05 | Úvod do regrese | [Regrese](2-Regression/README.md) | Začít s Pythonem a Scikit-learn pro regresní modely | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Ceny dýní v Severní Americe 🎃 | [Regrese](2-Regression/README.md) | Vizualizace a čištění dat jako příprava pro ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Ceny dýní v Severní Americe 🎃 | [Regrese](2-Regression/README.md) | Vytváření lineárních a polynomiálních regresních modelů | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen a Dmitry • Eric Wanjau |
| 08 | Ceny dýní v Severní Americe 🎃 | [Regrese](2-Regression/README.md) | Sestavení logistického regresního modelu | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Webová aplikace 🔌 | [Web App](3-Web-App/README.md) | Vytvořit webovou aplikaci pro použití vašeho trénovaného modelu | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Úvod do klasifikace | [Klasifikace](4-Classification/README.md) | Čištění, příprava a vizualizace dat; úvod do klasifikace | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen a Cassie • Eric Wanjau |
| 11 | Lahodné asijské a indické kuchyně 🍜 | [Klasifikace](4-Classification/README.md) | Úvod do klasifikátorů | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen a Cassie • Eric Wanjau |
| 12 | Lahodné asijské a indické kuchyně 🍜 | [Klasifikace](4-Classification/README.md) | Více klasifikátorů | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen a Cassie • Eric Wanjau |
| 13 | Lahodné asijské a indické kuchyně 🍜 | [Klasifikace](4-Classification/README.md) | Vytvořit doporučující webovou aplikaci pomocí svého modelu | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Úvod do shlukování | [Shlukování](5-Clustering/README.md) | Čištění, příprava a vizualizace dat; úvod do shlukování | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Průzkum nigerijských hudebních chutí 🎧 | [Shlukování](5-Clustering/README.md) | Prozkoumat metodu K-Means shlukování | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Úvod do zpracování přirozeného jazyka ☕️ | [Zpracování přirozeného jazyka](6-NLP/README.md) | Naučit se základy NLP tvorbou jednoduchého bota | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Běžné úkoly NLP ☕️ | [Zpracování přirozeného jazyka](6-NLP/README.md) | Prohloubit znalosti NLP pochopením běžných úkolů při práci s jazykovými strukturami | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Překlad a analýza sentimentu ♥️ | [Zpracování přirozeného jazyka](6-NLP/README.md) | Překlad a analýza sentimentu s Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Romantické hotely Evropy ♥️ | [Zpracování přirozeného jazyka](6-NLP/README.md) | Analýza sentimentu s recenzemi hotelů 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Romantické hotely Evropy ♥️ | [Zpracování přirozeného jazyka](6-NLP/README.md) | Analýza sentimentu s recenzemi hotelů 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Úvod do predikce časových řad | [Časové řady](7-TimeSeries/README.md) | Úvod do predikce časových řad | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Globální spotřeba elektřiny ⚡️ - predikce časových řad s ARIMA | [Časové řady](7-TimeSeries/README.md) | Predikce časových řad pomocí ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Globální spotřeba elektřiny ⚡️ - predikce časových řad s SVR | [Časové řady](7-TimeSeries/README.md) | Predikce časových řad pomocí Support Vector Regressoru | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Úvod do posilovaného učení | [Posilované učení](8-Reinforcement/README.md) | Úvod do posilovaného učení s Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Pomozte Petrovi vyhnout se vlkovi! 🐺 | [Posilované učení](8-Reinforcement/README.md) | Posilované učení Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Scénáře a aplikace ML v reálném světě | [ML v praxi](9-Real-World/README.md) | Zajímavé a odhalující aplikace klasického ML | [Lekce](9-Real-World/1-Applications/README.md) | Tým |
| Postscript | Ladění modelů v ML pomocí RAI dashboardu | [ML v praxi](9-Real-World/README.md) | Ladění modelů v ML pomocí komponentů Responsible AI dashboardu | [Lekce](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [najděte všechny další zdroje k tomuto kurzu v naší kolekci Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Offline přístup
Tuto dokumentaci můžete spustit i offline pomocí [Docsify](https://docsify.js.org/#/). Zforkujte toto repo, [nainstalujte Docsify](https://docsify.js.org/#/quickstart) na svůj lokální počítač a v kořenové složce repozitáře zadejte příkaz `docsify serve`. Web bude dostupný na portu 3000 na vašem localhostu: `localhost:3000`.
Tuto dokumentaci lze spustit offline pomocí [Docsify](https://docsify.js.org/#/). Forkněte tento repozitář, [nainstalujte Docsify](https://docsify.js.org/#/quickstart) na svůj počítač a poté v kořenové složce tohoto repozitáře spusťte příkaz `docsify serve`. Webová stránka bude dostupná na portu 3000 na vašem localhostu: `localhost:3000`.
## PDF
Pdf s osnovou kurzu včetně odkazů najdete [zde](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
Najděte zde pdf osnovy s odkazy [zde](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Ostatní kurzy
## 🎒 Další kurzy
Náš tým produkuje i další kurzy! Podívejte se na:
Náš tým vyrábí i další kurzy! Podívejte se:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -189,7 +179,7 @@ Náš tým produkuje i další kurzy! Podívejte se na:
---
### Sérií generativní AI
### Generativní AI série
[![Generativní AI pro začátečníky](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)
[![Generativní 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)
[![Generativní 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)
@ -198,35 +188,35 @@ Náš tým produkuje i další kurzy! Podívejte se na:
---
### Základní učení
[![ML pro začátečníky](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)
[![Strojové učení pro začátečníky](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)
[![Datová věda pro začátečníky](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 pro začátečníky](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)
[![Kybernetická bezpečnost pro začátečníky](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[![Vývoj webu pro začátečníky](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![Webový vývoj pro začátečníky](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![IoT pro začátečníky](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[![XR vývoj pro začátečníky](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Vývoj XR pro začátečníky](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Série Copilot
[![Copilot pro AI párované programování](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 pro AI párové programování](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 pro 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 Dobrodružství](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)
[![Copilot dobrodružství](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)
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
## Získání pomoci
Pokud se zaseknete nebo máte jakékoli dotazy ohledně vytváření AI aplikací. Připojte se k ostatním studentům a zkušeným vývojářům v diskusích o MCP. Je to podpůrná komunita, kde jsou otázky vítány a znalosti se s radostí sdílejí.
Pokud jste uvízli nebo máte nějaké otázky ohledně vytváření AI aplikací. Připojte se k ostatním studentům a zkušeným vývojářům v diskusích o MCP. Je to podpůrná komunita, kde jsou otázky vítány a znalosti se volně sdílejí.
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
Pokud máte zpětnou vazbu k produktu nebo chyby během vývoje navštivte:
Pokud máte zpětnou vazbu k produktu nebo narazíte na chyby během vývoje, navštivte:
[![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)
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Prohlášení o vyloučení odpovědnosti**:
Tento dokument byl přeložen pomocí AI překladatelské služby [Co-op Translator](https://github.com/Azure/co-op-translator). Ačkoli usilujeme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Originální dokument v jeho rodném jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoli nedorozumění nebo mylné výklady vyplývající z použití tohoto překladu.
**Prohlášení o vyloučení odpovědnosti**:
Tento dokument byl přeložen pomocí AI překladatelské služby [Co-op Translator](https://github.com/Azure/co-op-translator). Přestože usilujeme o přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Originální dokument v jeho původním jazyce by měl být považován za autoritativní zdroj. Pro kritické informace doporučujeme využít profesionální lidský překlad. Nejsme odpovědní za jakékoliv nedorozumění nebo nesprávné výklady vyplývající z použití tohoto překladu.
<!-- CO-OP TRANSLATOR DISCLAIMER END -->

9
translations/cs/SECURITY.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5e1b8da31aae9cca3d53ad243fa3365a",
"translation_date": "2025-09-04T23:16:15+00:00",
"source_file": "SECURITY.md",
"language_code": "cs"
}
-->
## Zabezpečení
Microsoft bere zabezpečení svých softwarových produktů a služeb vážně, což zahrnuje všechny repozitáře zdrojového kódu spravované prostřednictvím našich organizací na GitHubu, mezi které patří [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) a [naše GitHub organizace](https://opensource.microsoft.com/).

9
translations/cs/SUPPORT.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "09623d7343ff1c26ff4f198c1b2d3176",
"translation_date": "2025-10-03T12:22:05+00:00",
"source_file": "SUPPORT.md",
"language_code": "cs"
}
-->
# Podpora
## Jak nahlásit problémy a získat pomoc

9
translations/cs/TROUBLESHOOTING.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "134d8759f0e2ab886e9aa4f62362c201",
"translation_date": "2025-10-03T12:53:08+00:00",
"source_file": "TROUBLESHOOTING.md",
"language_code": "cs"
}
-->
# Průvodce řešením problémů
Tento průvodce vám pomůže vyřešit běžné problémy při práci s kurikulem Machine Learning for Beginners. Pokud zde nenajdete řešení, podívejte se na naše [Diskuze na Discordu](https://aka.ms/foundry/discord) nebo [otevřete nový problém](https://github.com/microsoft/ML-For-Beginners/issues).

9
translations/cs/docs/_sidebar.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "68dd06c685f6ce840e0acfa313352e7c",
"translation_date": "2025-09-05T00:08:07+00:00",
"source_file": "docs/_sidebar.md",
"language_code": "cs"
}
-->
- Úvod
- [Úvod do strojového učení](../1-Introduction/1-intro-to-ML/README.md)
- [Historie strojového učení](../1-Introduction/2-history-of-ML/README.md)

9
translations/cs/for-teachers.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b37de02054fa6c0438ede6fabe1fdfb8",
"translation_date": "2025-09-04T23:17:14+00:00",
"source_file": "for-teachers.md",
"language_code": "cs"
}
-->
## Pro pedagogy
Chcete použít tento vzdělávací program ve své třídě? Neváhejte!

9
translations/cs/quiz-app/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "6d130dffca5db70d7e615f926cb1ad4c",
"translation_date": "2025-09-05T00:40:19+00:00",
"source_file": "quiz-app/README.md",
"language_code": "cs"
}
-->
# Kvízy
Tyto kvízy jsou přednáškové a popřednáškové kvízy pro ML kurikulum na https://aka.ms/ml-beginners

9
translations/cs/sketchnotes/LICENSE.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fba3b94d88bfb9b81369b869a1e9a20f",
"translation_date": "2025-09-05T00:58:29+00:00",
"source_file": "sketchnotes/LICENSE.md",
"language_code": "cs"
}
-->
Attribution-ShareAlike 4.0 Mezinárodní
=======================================================================

9
translations/cs/sketchnotes/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a88d5918c1b9da69a40d917a0840c497",
"translation_date": "2025-09-05T00:55:35+00:00",
"source_file": "sketchnotes/README.md",
"language_code": "cs"
}
-->
Všechny sketchnoty z kurikula si můžete stáhnout zde.
🖨 Pro tisk ve vysokém rozlišení jsou TIFF verze dostupné v [tomto repozitáři](https://github.com/girliemac/a-picture-is-worth-a-1000-words/tree/main/ml/tiff).

Some files were not shown because too many files have changed in this diff Show More

Write Preview
Loading…
Cancel
Save