diff --git a/translations/cs/.co-op-translator.json b/translations/cs/.co-op-translator.json new file mode 100644 index 000000000..286efda66 --- /dev/null +++ b/translations/cs/.co-op-translator.json @@ -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" + } +} \ No newline at end of file diff --git a/translations/cs/1-Introduction/1-intro-to-ML/README.md b/translations/cs/1-Introduction/1-intro-to-ML/README.md index 1a9386363..94849c757 100644 --- a/translations/cs/1-Introduction/1-intro-to-ML/README.md +++ b/translations/cs/1-Introduction/1-intro-to-ML/README.md @@ -1,12 +1,3 @@ - # Úvod do strojového učení ## [Kvíz před lekcí](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/cs/1-Introduction/1-intro-to-ML/assignment.md b/translations/cs/1-Introduction/1-intro-to-ML/assignment.md index 9caa8ad4f..ceff193b1 100644 --- a/translations/cs/1-Introduction/1-intro-to-ML/assignment.md +++ b/translations/cs/1-Introduction/1-intro-to-ML/assignment.md @@ -1,12 +1,3 @@ - # Začněte a rozběhněte se ## Instrukce diff --git a/translations/cs/1-Introduction/2-history-of-ML/README.md b/translations/cs/1-Introduction/2-history-of-ML/README.md index 16f9c38b8..82c79f8ab 100644 --- a/translations/cs/1-Introduction/2-history-of-ML/README.md +++ b/translations/cs/1-Introduction/2-history-of-ML/README.md @@ -1,12 +1,3 @@ - # Historie strojového učení ![Shrnutí historie strojového učení ve sketchnote](../../../../sketchnotes/ml-history.png) diff --git a/translations/cs/1-Introduction/2-history-of-ML/assignment.md b/translations/cs/1-Introduction/2-history-of-ML/assignment.md index fa85a7e3a..16f541b82 100644 --- a/translations/cs/1-Introduction/2-history-of-ML/assignment.md +++ b/translations/cs/1-Introduction/2-history-of-ML/assignment.md @@ -1,12 +1,3 @@ - # Vytvořte časovou osu ## Pokyny diff --git a/translations/cs/1-Introduction/3-fairness/README.md b/translations/cs/1-Introduction/3-fairness/README.md index af6d84dc5..ab7ac8471 100644 --- a/translations/cs/1-Introduction/3-fairness/README.md +++ b/translations/cs/1-Introduction/3-fairness/README.md @@ -1,12 +1,3 @@ - # Budování řešení strojového učení s odpovědnou AI ![Shrnutí odpovědné AI ve strojovém učení ve sketchnote](../../../../sketchnotes/ml-fairness.png) diff --git a/translations/cs/1-Introduction/3-fairness/assignment.md b/translations/cs/1-Introduction/3-fairness/assignment.md index 026f43b51..c03f0fc99 100644 --- a/translations/cs/1-Introduction/3-fairness/assignment.md +++ b/translations/cs/1-Introduction/3-fairness/assignment.md @@ -1,12 +1,3 @@ - # Prozkoumejte nástroj Responsible AI Toolbox ## Pokyny diff --git a/translations/cs/1-Introduction/4-techniques-of-ML/README.md b/translations/cs/1-Introduction/4-techniques-of-ML/README.md index e0dcc666f..0140c9972 100644 --- a/translations/cs/1-Introduction/4-techniques-of-ML/README.md +++ b/translations/cs/1-Introduction/4-techniques-of-ML/README.md @@ -1,12 +1,3 @@ - # 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: diff --git a/translations/cs/1-Introduction/4-techniques-of-ML/assignment.md b/translations/cs/1-Introduction/4-techniques-of-ML/assignment.md index c275e94ce..2ed871412 100644 --- a/translations/cs/1-Introduction/4-techniques-of-ML/assignment.md +++ b/translations/cs/1-Introduction/4-techniques-of-ML/assignment.md @@ -1,12 +1,3 @@ - # Rozhovor s datovým vědcem ## Pokyny diff --git a/translations/cs/1-Introduction/README.md b/translations/cs/1-Introduction/README.md index 39dc61636..8f107e026 100644 --- a/translations/cs/1-Introduction/README.md +++ b/translations/cs/1-Introduction/README.md @@ -1,12 +1,3 @@ - # 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! diff --git a/translations/cs/2-Regression/1-Tools/README.md b/translations/cs/2-Regression/1-Tools/README.md index cb4ee5ed5..63e02081a 100644 --- a/translations/cs/2-Regression/1-Tools/README.md +++ b/translations/cs/2-Regression/1-Tools/README.md @@ -1,12 +1,3 @@ - # Začínáme s Pythonem a Scikit-learn pro regresní modely ![Shrnutí regresí ve sketchnote](../../../../sketchnotes/ml-regression.png) diff --git a/translations/cs/2-Regression/1-Tools/assignment.md b/translations/cs/2-Regression/1-Tools/assignment.md index ca76e4c6d..3adf2ea15 100644 --- a/translations/cs/2-Regression/1-Tools/assignment.md +++ b/translations/cs/2-Regression/1-Tools/assignment.md @@ -1,12 +1,3 @@ - # Regrese se Scikit-learn ## Instrukce diff --git a/translations/cs/2-Regression/1-Tools/solution/Julia/README.md b/translations/cs/2-Regression/1-Tools/solution/Julia/README.md index 49927c0a0..88a621df1 100644 --- a/translations/cs/2-Regression/1-Tools/solution/Julia/README.md +++ b/translations/cs/2-Regression/1-Tools/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/cs/2-Regression/2-Data/README.md b/translations/cs/2-Regression/2-Data/README.md index 49f95efd7..6b3b692d4 100644 --- a/translations/cs/2-Regression/2-Data/README.md +++ b/translations/cs/2-Regression/2-Data/README.md @@ -1,12 +1,3 @@ - # Vytvoření regresního modelu pomocí Scikit-learn: příprava a vizualizace dat ![Infografika vizualizace dat](../../../../2-Regression/2-Data/images/data-visualization.png) diff --git a/translations/cs/2-Regression/2-Data/assignment.md b/translations/cs/2-Regression/2-Data/assignment.md index 65eb35f64..0b2bf4376 100644 --- a/translations/cs/2-Regression/2-Data/assignment.md +++ b/translations/cs/2-Regression/2-Data/assignment.md @@ -1,12 +1,3 @@ - # 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? diff --git a/translations/cs/2-Regression/2-Data/solution/Julia/README.md b/translations/cs/2-Regression/2-Data/solution/Julia/README.md index 88f603e97..b5331fd8c 100644 --- a/translations/cs/2-Regression/2-Data/solution/Julia/README.md +++ b/translations/cs/2-Regression/2-Data/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/cs/2-Regression/3-Linear/README.md b/translations/cs/2-Regression/3-Linear/README.md index eaebe9902..b0fafa37b 100644 --- a/translations/cs/2-Regression/3-Linear/README.md +++ b/translations/cs/2-Regression/3-Linear/README.md @@ -1,12 +1,3 @@ - # 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: -Průměrná cena podle měsíce +Průměrná cena podle měsíce 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: -Bodový graf Cena vs. Den v roce +Bodový graf Cena vs. Den v roce 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) ``` -Bodový graf Cena vs. Den v roce +Bodový graf Cena vs. Den v roce 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') ``` -Sloupcový graf cena vs. druh +Sloupcový graf cena vs. druh 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') ``` -Bodový graf Cena vs. Den v roce +Bodový graf Cena vs. Den v roce 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) ``` -Lineární regrese +Lineární regrese ## 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: -Polynomická regrese +Polynomická regrese 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: -Průměrná cena podle odrůdy +Průměrná cena podle odrůdy Abychom vzali odrůdu v úvahu, musíme ji nejprve převést na číselnou formu, nebo ji **zakódovat**. Existuje několik způsobů, jak to udělat: diff --git a/translations/cs/2-Regression/3-Linear/assignment.md b/translations/cs/2-Regression/3-Linear/assignment.md index fdbfc1e89..038f9d19c 100644 --- a/translations/cs/2-Regression/3-Linear/assignment.md +++ b/translations/cs/2-Regression/3-Linear/assignment.md @@ -1,12 +1,3 @@ - # Vytvoření regresního modelu ## Instrukce diff --git a/translations/cs/2-Regression/3-Linear/solution/Julia/README.md b/translations/cs/2-Regression/3-Linear/solution/Julia/README.md index 8e59a8068..79c714b23 100644 --- a/translations/cs/2-Regression/3-Linear/solution/Julia/README.md +++ b/translations/cs/2-Regression/3-Linear/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/cs/2-Regression/4-Logistic/README.md b/translations/cs/2-Regression/4-Logistic/README.md index b250ecd37..14b1c1b8d 100644 --- a/translations/cs/2-Regression/4-Logistic/README.md +++ b/translations/cs/2-Regression/4-Logistic/README.md @@ -1,12 +1,3 @@ - # Logistická regrese pro predikci kategorií ![Infografika: Logistická vs. lineární regrese](../../../../2-Regression/4-Logistic/images/linear-vs-logistic.png) diff --git a/translations/cs/2-Regression/4-Logistic/assignment.md b/translations/cs/2-Regression/4-Logistic/assignment.md index a39f3c925..a044b7b00 100644 --- a/translations/cs/2-Regression/4-Logistic/assignment.md +++ b/translations/cs/2-Regression/4-Logistic/assignment.md @@ -1,12 +1,3 @@ - # Opakování některých regresí ## Pokyny diff --git a/translations/cs/2-Regression/4-Logistic/solution/Julia/README.md b/translations/cs/2-Regression/4-Logistic/solution/Julia/README.md index 52e0824da..803d02ef9 100644 --- a/translations/cs/2-Regression/4-Logistic/solution/Julia/README.md +++ b/translations/cs/2-Regression/4-Logistic/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/cs/2-Regression/README.md b/translations/cs/2-Regression/README.md index c841be012..67091104d 100644 --- a/translations/cs/2-Regression/README.md +++ b/translations/cs/2-Regression/README.md @@ -1,12 +1,3 @@ - # Regresní modely pro strojové učení ## Regionální téma: Regresní modely pro ceny dýní v Severní Americe 🎃 diff --git a/translations/cs/3-Web-App/1-Web-App/README.md b/translations/cs/3-Web-App/1-Web-App/README.md index db97a0e07..4585318c1 100644 --- a/translations/cs/3-Web-App/1-Web-App/README.md +++ b/translations/cs/3-Web-App/1-Web-App/README.md @@ -1,12 +1,3 @@ - # 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. diff --git a/translations/cs/3-Web-App/1-Web-App/assignment.md b/translations/cs/3-Web-App/1-Web-App/assignment.md index 4a5db94ca..8b200ddf3 100644 --- a/translations/cs/3-Web-App/1-Web-App/assignment.md +++ b/translations/cs/3-Web-App/1-Web-App/assignment.md @@ -1,12 +1,3 @@ - # Vyzkoušejte jiný model ## Pokyny diff --git a/translations/cs/3-Web-App/README.md b/translations/cs/3-Web-App/README.md index 8f2b8901b..6577127e5 100644 --- a/translations/cs/3-Web-App/README.md +++ b/translations/cs/3-Web-App/README.md @@ -1,12 +1,3 @@ - # 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. diff --git a/translations/cs/4-Classification/1-Introduction/README.md b/translations/cs/4-Classification/1-Introduction/README.md index 1a7c9bfe0..b6b6413de 100644 --- a/translations/cs/4-Classification/1-Introduction/README.md +++ b/translations/cs/4-Classification/1-Introduction/README.md @@ -1,12 +1,3 @@ - # 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! diff --git a/translations/cs/4-Classification/1-Introduction/assignment.md b/translations/cs/4-Classification/1-Introduction/assignment.md index 03d68a895..1ea27d758 100644 --- a/translations/cs/4-Classification/1-Introduction/assignment.md +++ b/translations/cs/4-Classification/1-Introduction/assignment.md @@ -1,12 +1,3 @@ - # Prozkoumejte metody klasifikace ## Instrukce diff --git a/translations/cs/4-Classification/1-Introduction/solution/Julia/README.md b/translations/cs/4-Classification/1-Introduction/solution/Julia/README.md index 1602f97fa..88a621df1 100644 --- a/translations/cs/4-Classification/1-Introduction/solution/Julia/README.md +++ b/translations/cs/4-Classification/1-Introduction/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/cs/4-Classification/2-Classifiers-1/README.md b/translations/cs/4-Classification/2-Classifiers-1/README.md index cc4dc228c..2394aaac3 100644 --- a/translations/cs/4-Classification/2-Classifiers-1/README.md +++ b/translations/cs/4-Classification/2-Classifiers-1/README.md @@ -1,12 +1,3 @@ - # Klasifikátory kuchyní 1 V této lekci použijete dataset, který jste si uložili z minulé lekce, plný vyvážených a čistých dat o kuchyních. diff --git a/translations/cs/4-Classification/2-Classifiers-1/assignment.md b/translations/cs/4-Classification/2-Classifiers-1/assignment.md index 66f6c8f5f..e3c3059ce 100644 --- a/translations/cs/4-Classification/2-Classifiers-1/assignment.md +++ b/translations/cs/4-Classification/2-Classifiers-1/assignment.md @@ -1,12 +1,3 @@ - # Prostudujte řešitele ## Pokyny diff --git a/translations/cs/4-Classification/2-Classifiers-1/solution/Julia/README.md b/translations/cs/4-Classification/2-Classifiers-1/solution/Julia/README.md index b09a5f218..c1bd6909d 100644 --- a/translations/cs/4-Classification/2-Classifiers-1/solution/Julia/README.md +++ b/translations/cs/4-Classification/2-Classifiers-1/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/cs/4-Classification/3-Classifiers-2/README.md b/translations/cs/4-Classification/3-Classifiers-2/README.md index ed00db65f..0485f1432 100644 --- a/translations/cs/4-Classification/3-Classifiers-2/README.md +++ b/translations/cs/4-Classification/3-Classifiers-2/README.md @@ -1,12 +1,3 @@ - # 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. diff --git a/translations/cs/4-Classification/3-Classifiers-2/assignment.md b/translations/cs/4-Classification/3-Classifiers-2/assignment.md index aa04b6565..9da70f10f 100644 --- a/translations/cs/4-Classification/3-Classifiers-2/assignment.md +++ b/translations/cs/4-Classification/3-Classifiers-2/assignment.md @@ -1,12 +1,3 @@ - # Hra s parametry ## Pokyny diff --git a/translations/cs/4-Classification/3-Classifiers-2/solution/Julia/README.md b/translations/cs/4-Classification/3-Classifiers-2/solution/Julia/README.md index 8dc624117..f1ee3ff93 100644 --- a/translations/cs/4-Classification/3-Classifiers-2/solution/Julia/README.md +++ b/translations/cs/4-Classification/3-Classifiers-2/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/cs/4-Classification/4-Applied/README.md b/translations/cs/4-Classification/4-Applied/README.md index cb94aa645..bf7df176f 100644 --- a/translations/cs/4-Classification/4-Applied/README.md +++ b/translations/cs/4-Classification/4-Applied/README.md @@ -1,12 +1,3 @@ - # 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. diff --git a/translations/cs/4-Classification/4-Applied/assignment.md b/translations/cs/4-Classification/4-Applied/assignment.md index 5f9315fa3..de6026f24 100644 --- a/translations/cs/4-Classification/4-Applied/assignment.md +++ b/translations/cs/4-Classification/4-Applied/assignment.md @@ -1,12 +1,3 @@ - # Vytvořte doporučovací systém ## Instrukce diff --git a/translations/cs/4-Classification/README.md b/translations/cs/4-Classification/README.md index 37b27d7c1..01aac3559 100644 --- a/translations/cs/4-Classification/README.md +++ b/translations/cs/4-Classification/README.md @@ -1,12 +1,3 @@ - # Začínáme s klasifikací ## Regionální téma: Lahodné asijské a indické kuchyně 🍜 diff --git a/translations/cs/5-Clustering/1-Visualize/README.md b/translations/cs/5-Clustering/1-Visualize/README.md index 05d08bf89..21c429db0 100644 --- a/translations/cs/5-Clustering/1-Visualize/README.md +++ b/translations/cs/5-Clustering/1-Visualize/README.md @@ -1,12 +1,3 @@ - # 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. diff --git a/translations/cs/5-Clustering/1-Visualize/assignment.md b/translations/cs/5-Clustering/1-Visualize/assignment.md index b89917787..cc88afde7 100644 --- a/translations/cs/5-Clustering/1-Visualize/assignment.md +++ b/translations/cs/5-Clustering/1-Visualize/assignment.md @@ -1,12 +1,3 @@ - # Prozkoumejte další vizualizace pro clustering ## Pokyny diff --git a/translations/cs/5-Clustering/1-Visualize/solution/Julia/README.md b/translations/cs/5-Clustering/1-Visualize/solution/Julia/README.md index 05349cc49..857b96fd5 100644 --- a/translations/cs/5-Clustering/1-Visualize/solution/Julia/README.md +++ b/translations/cs/5-Clustering/1-Visualize/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/cs/5-Clustering/2-K-Means/README.md b/translations/cs/5-Clustering/2-K-Means/README.md index 9497e02fa..c24245267 100644 --- a/translations/cs/5-Clustering/2-K-Means/README.md +++ b/translations/cs/5-Clustering/2-K-Means/README.md @@ -1,12 +1,3 @@ - # K-Means clustering ## [Pre-lecture quiz](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/cs/5-Clustering/2-K-Means/assignment.md b/translations/cs/5-Clustering/2-K-Means/assignment.md index aaf189d07..9587b3baf 100644 --- a/translations/cs/5-Clustering/2-K-Means/assignment.md +++ b/translations/cs/5-Clustering/2-K-Means/assignment.md @@ -1,12 +1,3 @@ - # Vyzkoušejte různé metody shlukování ## Pokyny diff --git a/translations/cs/5-Clustering/2-K-Means/solution/Julia/README.md b/translations/cs/5-Clustering/2-K-Means/solution/Julia/README.md index 6d99143c8..c8ba76717 100644 --- a/translations/cs/5-Clustering/2-K-Means/solution/Julia/README.md +++ b/translations/cs/5-Clustering/2-K-Means/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/cs/5-Clustering/README.md b/translations/cs/5-Clustering/README.md index df9e1d020..b845a13b5 100644 --- a/translations/cs/5-Clustering/README.md +++ b/translations/cs/5-Clustering/README.md @@ -1,12 +1,3 @@ - # 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. diff --git a/translations/cs/6-NLP/1-Introduction-to-NLP/README.md b/translations/cs/6-NLP/1-Introduction-to-NLP/README.md index f060ba8bf..ac3e3af41 100644 --- a/translations/cs/6-NLP/1-Introduction-to-NLP/README.md +++ b/translations/cs/6-NLP/1-Introduction-to-NLP/README.md @@ -1,12 +1,3 @@ - # Úvod do zpracování přirozeného jazyka Tato lekce se zabývá stručnou historií a důležitými koncepty *zpracování přirozeného jazyka*, což je podoblast *počítačové lingvistiky*. diff --git a/translations/cs/6-NLP/1-Introduction-to-NLP/assignment.md b/translations/cs/6-NLP/1-Introduction-to-NLP/assignment.md index 0982a238b..ae1964ab7 100644 --- a/translations/cs/6-NLP/1-Introduction-to-NLP/assignment.md +++ b/translations/cs/6-NLP/1-Introduction-to-NLP/assignment.md @@ -1,12 +1,3 @@ - # Hledání bota ## Pokyny diff --git a/translations/cs/6-NLP/2-Tasks/README.md b/translations/cs/6-NLP/2-Tasks/README.md index 9b3dd98a7..0dd9db10f 100644 --- a/translations/cs/6-NLP/2-Tasks/README.md +++ b/translations/cs/6-NLP/2-Tasks/README.md @@ -1,12 +1,3 @@ - # 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. diff --git a/translations/cs/6-NLP/2-Tasks/assignment.md b/translations/cs/6-NLP/2-Tasks/assignment.md index 2d5c52b9a..778abb5a4 100644 --- a/translations/cs/6-NLP/2-Tasks/assignment.md +++ b/translations/cs/6-NLP/2-Tasks/assignment.md @@ -1,12 +1,3 @@ - # Naučte bota odpovídat ## Instrukce diff --git a/translations/cs/6-NLP/3-Translation-Sentiment/README.md b/translations/cs/6-NLP/3-Translation-Sentiment/README.md index 91ad70987..94056cf4d 100644 --- a/translations/cs/6-NLP/3-Translation-Sentiment/README.md +++ b/translations/cs/6-NLP/3-Translation-Sentiment/README.md @@ -1,12 +1,3 @@ - # 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. diff --git a/translations/cs/6-NLP/3-Translation-Sentiment/assignment.md b/translations/cs/6-NLP/3-Translation-Sentiment/assignment.md index f103132d8..0ed3b87a6 100644 --- a/translations/cs/6-NLP/3-Translation-Sentiment/assignment.md +++ b/translations/cs/6-NLP/3-Translation-Sentiment/assignment.md @@ -1,12 +1,3 @@ - # Poetická licence ## Pokyny diff --git a/translations/cs/6-NLP/3-Translation-Sentiment/solution/Julia/README.md b/translations/cs/6-NLP/3-Translation-Sentiment/solution/Julia/README.md index 49140302c..d4bb15b1d 100644 --- a/translations/cs/6-NLP/3-Translation-Sentiment/solution/Julia/README.md +++ b/translations/cs/6-NLP/3-Translation-Sentiment/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/cs/6-NLP/3-Translation-Sentiment/solution/R/README.md b/translations/cs/6-NLP/3-Translation-Sentiment/solution/R/README.md index f1bcb20c9..8d80b7933 100644 --- a/translations/cs/6-NLP/3-Translation-Sentiment/solution/R/README.md +++ b/translations/cs/6-NLP/3-Translation-Sentiment/solution/R/README.md @@ -1,12 +1,3 @@ - toto je dočasný zástupný symbol --- diff --git a/translations/cs/6-NLP/4-Hotel-Reviews-1/README.md b/translations/cs/6-NLP/4-Hotel-Reviews-1/README.md index 5492b310d..7ee143fac 100644 --- a/translations/cs/6-NLP/4-Hotel-Reviews-1/README.md +++ b/translations/cs/6-NLP/4-Hotel-Reviews-1/README.md @@ -1,12 +1,3 @@ - # 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: diff --git a/translations/cs/6-NLP/4-Hotel-Reviews-1/assignment.md b/translations/cs/6-NLP/4-Hotel-Reviews-1/assignment.md index 22eb6523a..3d20ddd3d 100644 --- a/translations/cs/6-NLP/4-Hotel-Reviews-1/assignment.md +++ b/translations/cs/6-NLP/4-Hotel-Reviews-1/assignment.md @@ -1,12 +1,3 @@ - # NLTK ## Instrukce diff --git a/translations/cs/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md b/translations/cs/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md index d0e73fb85..5313a3945 100644 --- a/translations/cs/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md +++ b/translations/cs/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/cs/6-NLP/4-Hotel-Reviews-1/solution/R/README.md b/translations/cs/6-NLP/4-Hotel-Reviews-1/solution/R/README.md index cc5c16f67..81759fc8b 100644 --- a/translations/cs/6-NLP/4-Hotel-Reviews-1/solution/R/README.md +++ b/translations/cs/6-NLP/4-Hotel-Reviews-1/solution/R/README.md @@ -1,12 +1,3 @@ - toto je dočasný zástupný symbol --- diff --git a/translations/cs/6-NLP/5-Hotel-Reviews-2/README.md b/translations/cs/6-NLP/5-Hotel-Reviews-2/README.md index cfb9aa16c..3f187f15d 100644 --- a/translations/cs/6-NLP/5-Hotel-Reviews-2/README.md +++ b/translations/cs/6-NLP/5-Hotel-Reviews-2/README.md @@ -1,12 +1,3 @@ - # 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. diff --git a/translations/cs/6-NLP/5-Hotel-Reviews-2/assignment.md b/translations/cs/6-NLP/5-Hotel-Reviews-2/assignment.md index c0010ec55..9699cc4f8 100644 --- a/translations/cs/6-NLP/5-Hotel-Reviews-2/assignment.md +++ b/translations/cs/6-NLP/5-Hotel-Reviews-2/assignment.md @@ -1,12 +1,3 @@ - # Vyzkoušejte jiný dataset ## Pokyny diff --git a/translations/cs/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md b/translations/cs/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md index d9070e7d6..1c8e40cdd 100644 --- a/translations/cs/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md +++ b/translations/cs/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/cs/6-NLP/5-Hotel-Reviews-2/solution/R/README.md b/translations/cs/6-NLP/5-Hotel-Reviews-2/solution/R/README.md index eab84f63f..7a1a787f1 100644 --- a/translations/cs/6-NLP/5-Hotel-Reviews-2/solution/R/README.md +++ b/translations/cs/6-NLP/5-Hotel-Reviews-2/solution/R/README.md @@ -1,12 +1,3 @@ - toto je dočasný zástupný symbol --- diff --git a/translations/cs/6-NLP/README.md b/translations/cs/6-NLP/README.md index 7b1650617..b99f40881 100644 --- a/translations/cs/6-NLP/README.md +++ b/translations/cs/6-NLP/README.md @@ -1,12 +1,3 @@ - # 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. diff --git a/translations/cs/6-NLP/data/README.md b/translations/cs/6-NLP/data/README.md index f4fac2d62..e0c3f1273 100644 --- a/translations/cs/6-NLP/data/README.md +++ b/translations/cs/6-NLP/data/README.md @@ -1,12 +1,3 @@ - Stáhněte si data recenzí hotelů do této složky. --- diff --git a/translations/cs/7-TimeSeries/1-Introduction/README.md b/translations/cs/7-TimeSeries/1-Introduction/README.md index 4e53f52cd..bc8bfd92c 100644 --- a/translations/cs/7-TimeSeries/1-Introduction/README.md +++ b/translations/cs/7-TimeSeries/1-Introduction/README.md @@ -1,12 +1,3 @@ - # Úvod do předpovědi časových řad ![Shrnutí časových řad ve sketchnote](../../../../sketchnotes/ml-timeseries.png) diff --git a/translations/cs/7-TimeSeries/1-Introduction/assignment.md b/translations/cs/7-TimeSeries/1-Introduction/assignment.md index 0907392fd..35a556000 100644 --- a/translations/cs/7-TimeSeries/1-Introduction/assignment.md +++ b/translations/cs/7-TimeSeries/1-Introduction/assignment.md @@ -1,12 +1,3 @@ - # Vizualizujte další časové řady ## Pokyny diff --git a/translations/cs/7-TimeSeries/1-Introduction/solution/Julia/README.md b/translations/cs/7-TimeSeries/1-Introduction/solution/Julia/README.md index e048f5ee5..5f2246bf5 100644 --- a/translations/cs/7-TimeSeries/1-Introduction/solution/Julia/README.md +++ b/translations/cs/7-TimeSeries/1-Introduction/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/cs/7-TimeSeries/1-Introduction/solution/R/README.md b/translations/cs/7-TimeSeries/1-Introduction/solution/R/README.md index e656fdf18..6dfa175b5 100644 --- a/translations/cs/7-TimeSeries/1-Introduction/solution/R/README.md +++ b/translations/cs/7-TimeSeries/1-Introduction/solution/R/README.md @@ -1,12 +1,3 @@ - toto je dočasný zástupný symbol --- diff --git a/translations/cs/7-TimeSeries/2-ARIMA/README.md b/translations/cs/7-TimeSeries/2-ARIMA/README.md index 076b53ee9..994428755 100644 --- a/translations/cs/7-TimeSeries/2-ARIMA/README.md +++ b/translations/cs/7-TimeSeries/2-ARIMA/README.md @@ -1,12 +1,3 @@ - # 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. diff --git a/translations/cs/7-TimeSeries/2-ARIMA/assignment.md b/translations/cs/7-TimeSeries/2-ARIMA/assignment.md index 05e38083a..0b17bfdd7 100644 --- a/translations/cs/7-TimeSeries/2-ARIMA/assignment.md +++ b/translations/cs/7-TimeSeries/2-ARIMA/assignment.md @@ -1,12 +1,3 @@ - # Nový ARIMA model ## Pokyny diff --git a/translations/cs/7-TimeSeries/2-ARIMA/solution/Julia/README.md b/translations/cs/7-TimeSeries/2-ARIMA/solution/Julia/README.md index 12ad762b5..fe4a97704 100644 --- a/translations/cs/7-TimeSeries/2-ARIMA/solution/Julia/README.md +++ b/translations/cs/7-TimeSeries/2-ARIMA/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/cs/7-TimeSeries/2-ARIMA/solution/R/README.md b/translations/cs/7-TimeSeries/2-ARIMA/solution/R/README.md index 33ef85e59..8e6d754eb 100644 --- a/translations/cs/7-TimeSeries/2-ARIMA/solution/R/README.md +++ b/translations/cs/7-TimeSeries/2-ARIMA/solution/R/README.md @@ -1,12 +1,3 @@ - toto je dočasný zástupný symbol --- diff --git a/translations/cs/7-TimeSeries/3-SVR/README.md b/translations/cs/7-TimeSeries/3-SVR/README.md index a02bfb2f1..43cf137ce 100644 --- a/translations/cs/7-TimeSeries/3-SVR/README.md +++ b/translations/cs/7-TimeSeries/3-SVR/README.md @@ -1,12 +1,3 @@ - # 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. diff --git a/translations/cs/7-TimeSeries/3-SVR/assignment.md b/translations/cs/7-TimeSeries/3-SVR/assignment.md index 5c3387e22..269db0b18 100644 --- a/translations/cs/7-TimeSeries/3-SVR/assignment.md +++ b/translations/cs/7-TimeSeries/3-SVR/assignment.md @@ -1,12 +1,3 @@ - # Nový model SVR ## Pokyny [^1] diff --git a/translations/cs/7-TimeSeries/README.md b/translations/cs/7-TimeSeries/README.md index cba1fbbc7..baebf2efa 100644 --- a/translations/cs/7-TimeSeries/README.md +++ b/translations/cs/7-TimeSeries/README.md @@ -1,12 +1,3 @@ - # Úvod do předpovídání časových řad Co je předpovídání časových řad? Jde o předpovídání budoucích událostí na základě analýzy trendů z minulosti. diff --git a/translations/cs/8-Reinforcement/1-QLearning/README.md b/translations/cs/8-Reinforcement/1-QLearning/README.md index d2741f591..431aaec9a 100644 --- a/translations/cs/8-Reinforcement/1-QLearning/README.md +++ b/translations/cs/8-Reinforcement/1-QLearning/README.md @@ -1,12 +1,3 @@ - # Úvod do posilovaného učení a Q-Learningu ![Shrnutí posilovaného učení v oblasti strojového učení ve sketchnote](../../../../sketchnotes/ml-reinforcement.png) diff --git a/translations/cs/8-Reinforcement/1-QLearning/assignment.md b/translations/cs/8-Reinforcement/1-QLearning/assignment.md index f78ec2374..85136cd30 100644 --- a/translations/cs/8-Reinforcement/1-QLearning/assignment.md +++ b/translations/cs/8-Reinforcement/1-QLearning/assignment.md @@ -1,12 +1,3 @@ - # 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: diff --git a/translations/cs/8-Reinforcement/1-QLearning/solution/Julia/README.md b/translations/cs/8-Reinforcement/1-QLearning/solution/Julia/README.md index 4186677bf..6e5f342d3 100644 --- a/translations/cs/8-Reinforcement/1-QLearning/solution/Julia/README.md +++ b/translations/cs/8-Reinforcement/1-QLearning/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/cs/8-Reinforcement/1-QLearning/solution/R/README.md b/translations/cs/8-Reinforcement/1-QLearning/solution/R/README.md index 14d70dc71..7d5c759fa 100644 --- a/translations/cs/8-Reinforcement/1-QLearning/solution/R/README.md +++ b/translations/cs/8-Reinforcement/1-QLearning/solution/R/README.md @@ -1,12 +1,3 @@ - toto je dočasný zástupný symbol --- diff --git a/translations/cs/8-Reinforcement/2-Gym/README.md b/translations/cs/8-Reinforcement/2-Gym/README.md index e3bda5691..7cf93ae73 100644 --- a/translations/cs/8-Reinforcement/2-Gym/README.md +++ b/translations/cs/8-Reinforcement/2-Gym/README.md @@ -1,12 +1,3 @@ - # 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**. diff --git a/translations/cs/8-Reinforcement/2-Gym/assignment.md b/translations/cs/8-Reinforcement/2-Gym/assignment.md index 22275f095..7c62c128a 100644 --- a/translations/cs/8-Reinforcement/2-Gym/assignment.md +++ b/translations/cs/8-Reinforcement/2-Gym/assignment.md @@ -1,12 +1,3 @@ - # 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. diff --git a/translations/cs/8-Reinforcement/2-Gym/solution/Julia/README.md b/translations/cs/8-Reinforcement/2-Gym/solution/Julia/README.md index ee7942a7c..c4d9c3739 100644 --- a/translations/cs/8-Reinforcement/2-Gym/solution/Julia/README.md +++ b/translations/cs/8-Reinforcement/2-Gym/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/cs/8-Reinforcement/2-Gym/solution/R/README.md b/translations/cs/8-Reinforcement/2-Gym/solution/R/README.md index d781e6a8c..732fb9d75 100644 --- a/translations/cs/8-Reinforcement/2-Gym/solution/R/README.md +++ b/translations/cs/8-Reinforcement/2-Gym/solution/R/README.md @@ -1,12 +1,3 @@ - toto je dočasný zástupný symbol --- diff --git a/translations/cs/8-Reinforcement/README.md b/translations/cs/8-Reinforcement/README.md index 0fc44b6b9..589921aef 100644 --- a/translations/cs/8-Reinforcement/README.md +++ b/translations/cs/8-Reinforcement/README.md @@ -1,12 +1,3 @@ - # 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. diff --git a/translations/cs/9-Real-World/1-Applications/README.md b/translations/cs/9-Real-World/1-Applications/README.md index d3ee4db54..35fa8f775 100644 --- a/translations/cs/9-Real-World/1-Applications/README.md +++ b/translations/cs/9-Real-World/1-Applications/README.md @@ -1,12 +1,3 @@ - # Dodatek: Strojové učení v reálném světě ![Shrnutí strojového učení v reálném světě ve sketchnote](../../../../sketchnotes/ml-realworld.png) diff --git a/translations/cs/9-Real-World/1-Applications/assignment.md b/translations/cs/9-Real-World/1-Applications/assignment.md index 1760e93f6..4926f08bd 100644 --- a/translations/cs/9-Real-World/1-Applications/assignment.md +++ b/translations/cs/9-Real-World/1-Applications/assignment.md @@ -1,12 +1,3 @@ - # Hon na poklady s ML ## Instrukce diff --git a/translations/cs/9-Real-World/2-Debugging-ML-Models/README.md b/translations/cs/9-Real-World/2-Debugging-ML-Models/README.md index 0a07234d2..6a34a2813 100644 --- a/translations/cs/9-Real-World/2-Debugging-ML-Models/README.md +++ b/translations/cs/9-Real-World/2-Debugging-ML-Models/README.md @@ -1,12 +1,3 @@ - # Postscript: Ladění modelů strojového učení pomocí komponent Responsible AI dashboardu ## [Kvíz před přednáškou](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/cs/9-Real-World/2-Debugging-ML-Models/assignment.md b/translations/cs/9-Real-World/2-Debugging-ML-Models/assignment.md index d2db02f1f..0dcd4b43e 100644 --- a/translations/cs/9-Real-World/2-Debugging-ML-Models/assignment.md +++ b/translations/cs/9-Real-World/2-Debugging-ML-Models/assignment.md @@ -1,12 +1,3 @@ - # Prozkoumejte dashboard Responsible AI (RAI) ## Pokyny diff --git a/translations/cs/9-Real-World/README.md b/translations/cs/9-Real-World/README.md index 460b506f4..21857ecf7 100644 --- a/translations/cs/9-Real-World/README.md +++ b/translations/cs/9-Real-World/README.md @@ -1,12 +1,3 @@ - # 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. diff --git a/translations/cs/AGENTS.md b/translations/cs/AGENTS.md index 28baeb21d..ffc8c69f7 100644 --- a/translations/cs/AGENTS.md +++ b/translations/cs/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## Přehled projektu diff --git a/translations/cs/CODE_OF_CONDUCT.md b/translations/cs/CODE_OF_CONDUCT.md index 703086e25..172c9525e 100644 --- a/translations/cs/CODE_OF_CONDUCT.md +++ b/translations/cs/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # Kodex chování pro otevřený zdroj Microsoftu Tento projekt přijal [Kodex chování pro otevřený zdroj Microsoftu](https://opensource.microsoft.com/codeofconduct/). diff --git a/translations/cs/CONTRIBUTING.md b/translations/cs/CONTRIBUTING.md index 1eea0d548..d5717bff6 100644 --- a/translations/cs/CONTRIBUTING.md +++ b/translations/cs/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # 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. diff --git a/translations/cs/README.md b/translations/cs/README.md index da5c215d5..6cf460c52 100644 --- a/translations/cs/README.md +++ b/translations/cs/README.md @@ -1,96 +1,87 @@ - -[![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) -[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. #### 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: ### 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) ## 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) --- -**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. \ No newline at end of file diff --git a/translations/cs/SECURITY.md b/translations/cs/SECURITY.md index 78ebcb4e1..078de9bf2 100644 --- a/translations/cs/SECURITY.md +++ b/translations/cs/SECURITY.md @@ -1,12 +1,3 @@ - ## 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/). diff --git a/translations/cs/SUPPORT.md b/translations/cs/SUPPORT.md index f3180f34d..efe0b39ff 100644 --- a/translations/cs/SUPPORT.md +++ b/translations/cs/SUPPORT.md @@ -1,12 +1,3 @@ - # Podpora ## Jak nahlásit problémy a získat pomoc diff --git a/translations/cs/TROUBLESHOOTING.md b/translations/cs/TROUBLESHOOTING.md index bf41b789d..672c38325 100644 --- a/translations/cs/TROUBLESHOOTING.md +++ b/translations/cs/TROUBLESHOOTING.md @@ -1,12 +1,3 @@ - # 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). diff --git a/translations/cs/docs/_sidebar.md b/translations/cs/docs/_sidebar.md index 85b25270f..036709376 100644 --- a/translations/cs/docs/_sidebar.md +++ b/translations/cs/docs/_sidebar.md @@ -1,12 +1,3 @@ - - Úvod - [Úvod do strojového učení](../1-Introduction/1-intro-to-ML/README.md) - [Historie strojového učení](../1-Introduction/2-history-of-ML/README.md) diff --git a/translations/cs/for-teachers.md b/translations/cs/for-teachers.md index e42e1fcd7..e55099d90 100644 --- a/translations/cs/for-teachers.md +++ b/translations/cs/for-teachers.md @@ -1,12 +1,3 @@ - ## Pro pedagogy Chcete použít tento vzdělávací program ve své třídě? Neváhejte! diff --git a/translations/cs/quiz-app/README.md b/translations/cs/quiz-app/README.md index f2e43c910..c6fb2ba64 100644 --- a/translations/cs/quiz-app/README.md +++ b/translations/cs/quiz-app/README.md @@ -1,12 +1,3 @@ - # Kvízy Tyto kvízy jsou přednáškové a popřednáškové kvízy pro ML kurikulum na https://aka.ms/ml-beginners diff --git a/translations/cs/sketchnotes/LICENSE.md b/translations/cs/sketchnotes/LICENSE.md index 839fdbefb..e47d01dab 100644 --- a/translations/cs/sketchnotes/LICENSE.md +++ b/translations/cs/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - Attribution-ShareAlike 4.0 Mezinárodní ======================================================================= diff --git a/translations/cs/sketchnotes/README.md b/translations/cs/sketchnotes/README.md index 71d5974fe..c10589f63 100644 --- a/translations/cs/sketchnotes/README.md +++ b/translations/cs/sketchnotes/README.md @@ -1,12 +1,3 @@ - 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). diff --git a/translations/hu/.co-op-translator.json b/translations/hu/.co-op-translator.json new file mode 100644 index 000000000..e58488319 --- /dev/null +++ b/translations/hu/.co-op-translator.json @@ -0,0 +1,596 @@ +{ + "1-Introduction/1-intro-to-ML/README.md": { + "original_hash": "69389392fa6346e0dfa30f664b7b6fec", + "translation_date": "2025-09-05T16:06:36+00:00", + "source_file": "1-Introduction/1-intro-to-ML/README.md", + "language_code": "hu" + }, + "1-Introduction/1-intro-to-ML/assignment.md": { + "original_hash": "4c4698044bb8af52cfb6388a4ee0e53b", + "translation_date": "2025-09-05T16:08:21+00:00", + "source_file": "1-Introduction/1-intro-to-ML/assignment.md", + "language_code": "hu" + }, + "1-Introduction/2-history-of-ML/README.md": { + "original_hash": "6a05fec147e734c3e6bfa54505648e2b", + "translation_date": "2025-09-05T16:09:18+00:00", + "source_file": "1-Introduction/2-history-of-ML/README.md", + "language_code": "hu" + }, + "1-Introduction/2-history-of-ML/assignment.md": { + "original_hash": "eb6e4d5afd1b21a57d2b9e6d0aac3969", + "translation_date": "2025-09-05T16:11:32+00:00", + "source_file": "1-Introduction/2-history-of-ML/assignment.md", + "language_code": "hu" + }, + "1-Introduction/3-fairness/README.md": { + "original_hash": "9a6b702d1437c0467e3c5c28d763dac2", + "translation_date": "2025-09-05T15:59:53+00:00", + "source_file": "1-Introduction/3-fairness/README.md", + "language_code": "hu" + }, + "1-Introduction/3-fairness/assignment.md": { + "original_hash": "dbda60e7b1fe5f18974e7858eff0004e", + "translation_date": "2025-09-05T16:02:24+00:00", + "source_file": "1-Introduction/3-fairness/assignment.md", + "language_code": "hu" + }, + "1-Introduction/4-techniques-of-ML/README.md": { + "original_hash": "9d91f3af3758fdd4569fb410575995ef", + "translation_date": "2025-09-05T16:03:22+00:00", + "source_file": "1-Introduction/4-techniques-of-ML/README.md", + "language_code": "hu" + }, + "1-Introduction/4-techniques-of-ML/assignment.md": { + "original_hash": "70d65aeddc06170bc1aed5b27805f930", + "translation_date": "2025-09-05T16:05:46+00:00", + "source_file": "1-Introduction/4-techniques-of-ML/assignment.md", + "language_code": "hu" + }, + "1-Introduction/README.md": { + "original_hash": "cf8ecc83f28e5b98051d2179eca08e08", + "translation_date": "2025-09-05T15:57:50+00:00", + "source_file": "1-Introduction/README.md", + "language_code": "hu" + }, + "2-Regression/1-Tools/README.md": { + "original_hash": "fa81d226c71d5af7a2cade31c1c92b88", + "translation_date": "2025-09-05T15:21:00+00:00", + "source_file": "2-Regression/1-Tools/README.md", + "language_code": "hu" + }, + "2-Regression/1-Tools/assignment.md": { + "original_hash": "74a5cf83e4ebc302afbcbc4f418afd0a", + "translation_date": "2025-09-05T15:23:35+00:00", + "source_file": "2-Regression/1-Tools/assignment.md", + "language_code": "hu" + }, + "2-Regression/1-Tools/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T15:24:00+00:00", + "source_file": "2-Regression/1-Tools/solution/Julia/README.md", + "language_code": "hu" + }, + "2-Regression/2-Data/README.md": { + "original_hash": "7c077988328ebfe33b24d07945f16eca", + "translation_date": "2025-09-05T15:24:45+00:00", + "source_file": "2-Regression/2-Data/README.md", + "language_code": "hu" + }, + "2-Regression/2-Data/assignment.md": { + "original_hash": "4485a1ed4dd1b5647365e3d87456515d", + "translation_date": "2025-09-05T15:27:01+00:00", + "source_file": "2-Regression/2-Data/assignment.md", + "language_code": "hu" + }, + "2-Regression/2-Data/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T15:27:22+00:00", + "source_file": "2-Regression/2-Data/solution/Julia/README.md", + "language_code": "hu" + }, + "2-Regression/3-Linear/README.md": { + "original_hash": "40e64f004f3cb50aa1d8661672d3cd92", + "translation_date": "2025-09-05T15:09:53+00:00", + "source_file": "2-Regression/3-Linear/README.md", + "language_code": "hu" + }, + "2-Regression/3-Linear/assignment.md": { + "original_hash": "cc471fa89c293bc735dd3a9a0fb79b1b", + "translation_date": "2025-09-05T15:13:45+00:00", + "source_file": "2-Regression/3-Linear/assignment.md", + "language_code": "hu" + }, + "2-Regression/3-Linear/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T15:14:12+00:00", + "source_file": "2-Regression/3-Linear/solution/Julia/README.md", + "language_code": "hu" + }, + "2-Regression/4-Logistic/README.md": { + "original_hash": "abf86d845c84330bce205a46b382ec88", + "translation_date": "2025-09-05T15:15:21+00:00", + "source_file": "2-Regression/4-Logistic/README.md", + "language_code": "hu" + }, + "2-Regression/4-Logistic/assignment.md": { + "original_hash": "8af40209a41494068c1f42b14c0b450d", + "translation_date": "2025-09-05T15:19:40+00:00", + "source_file": "2-Regression/4-Logistic/assignment.md", + "language_code": "hu" + }, + "2-Regression/4-Logistic/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T15:20:02+00:00", + "source_file": "2-Regression/4-Logistic/solution/Julia/README.md", + "language_code": "hu" + }, + "2-Regression/README.md": { + "original_hash": "508582278dbb8edd2a8a80ac96ef416c", + "translation_date": "2025-09-05T15:07:54+00:00", + "source_file": "2-Regression/README.md", + "language_code": "hu" + }, + "3-Web-App/1-Web-App/README.md": { + "original_hash": "e0b75f73e4a90d45181dc5581fe2ef5c", + "translation_date": "2025-09-05T16:12:58+00:00", + "source_file": "3-Web-App/1-Web-App/README.md", + "language_code": "hu" + }, + "3-Web-App/1-Web-App/assignment.md": { + "original_hash": "a8e8ae10be335cbc745b75ee552317ff", + "translation_date": "2025-09-05T16:14:50+00:00", + "source_file": "3-Web-App/1-Web-App/assignment.md", + "language_code": "hu" + }, + "3-Web-App/README.md": { + "original_hash": "9836ff53cfef716ddfd70e06c5f43436", + "translation_date": "2025-09-05T16:12:01+00:00", + "source_file": "3-Web-App/README.md", + "language_code": "hu" + }, + "4-Classification/1-Introduction/README.md": { + "original_hash": "aaf391d922bd6de5efba871d514c6d47", + "translation_date": "2025-09-05T16:25:51+00:00", + "source_file": "4-Classification/1-Introduction/README.md", + "language_code": "hu" + }, + "4-Classification/1-Introduction/assignment.md": { + "original_hash": "b2a01912beb24cfb0007f83594dba801", + "translation_date": "2025-09-05T16:27:39+00:00", + "source_file": "4-Classification/1-Introduction/assignment.md", + "language_code": "hu" + }, + "4-Classification/1-Introduction/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T16:28:05+00:00", + "source_file": "4-Classification/1-Introduction/solution/Julia/README.md", + "language_code": "hu" + }, + "4-Classification/2-Classifiers-1/README.md": { + "original_hash": "1a6e9e46b34a2e559fbbfc1f95397c7b", + "translation_date": "2025-09-05T16:17:35+00:00", + "source_file": "4-Classification/2-Classifiers-1/README.md", + "language_code": "hu" + }, + "4-Classification/2-Classifiers-1/assignment.md": { + "original_hash": "de6025f96841498b0577e9d1aee18d1f", + "translation_date": "2025-09-05T16:20:05+00:00", + "source_file": "4-Classification/2-Classifiers-1/assignment.md", + "language_code": "hu" + }, + "4-Classification/2-Classifiers-1/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T16:20:28+00:00", + "source_file": "4-Classification/2-Classifiers-1/solution/Julia/README.md", + "language_code": "hu" + }, + "4-Classification/3-Classifiers-2/README.md": { + "original_hash": "49047911108adc49d605cddfb455749c", + "translation_date": "2025-09-05T16:23:30+00:00", + "source_file": "4-Classification/3-Classifiers-2/README.md", + "language_code": "hu" + }, + "4-Classification/3-Classifiers-2/assignment.md": { + "original_hash": "58dfdaf79fb73f7d34b22bdbacf57329", + "translation_date": "2025-09-05T16:24:43+00:00", + "source_file": "4-Classification/3-Classifiers-2/assignment.md", + "language_code": "hu" + }, + "4-Classification/3-Classifiers-2/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T16:25:06+00:00", + "source_file": "4-Classification/3-Classifiers-2/solution/Julia/README.md", + "language_code": "hu" + }, + "4-Classification/4-Applied/README.md": { + "original_hash": "61bdec27ed2da8b098cd9065405d9bb0", + "translation_date": "2025-09-05T16:21:03+00:00", + "source_file": "4-Classification/4-Applied/README.md", + "language_code": "hu" + }, + "4-Classification/4-Applied/assignment.md": { + "original_hash": "799ed651e2af0a7cad17c6268db11578", + "translation_date": "2025-09-05T16:22:49+00:00", + "source_file": "4-Classification/4-Applied/assignment.md", + "language_code": "hu" + }, + "4-Classification/README.md": { + "original_hash": "74e809ffd1e613a1058bbc3e9600859e", + "translation_date": "2025-09-05T16:16:23+00:00", + "source_file": "4-Classification/README.md", + "language_code": "hu" + }, + "5-Clustering/1-Visualize/README.md": { + "original_hash": "730225ea274c9174fe688b21d421539d", + "translation_date": "2025-09-05T15:41:05+00:00", + "source_file": "5-Clustering/1-Visualize/README.md", + "language_code": "hu" + }, + "5-Clustering/1-Visualize/assignment.md": { + "original_hash": "589fa015a5e7d9e67bd629f7d47b53de", + "translation_date": "2025-09-05T15:44:51+00:00", + "source_file": "5-Clustering/1-Visualize/assignment.md", + "language_code": "hu" + }, + "5-Clustering/1-Visualize/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T15:45:14+00:00", + "source_file": "5-Clustering/1-Visualize/solution/Julia/README.md", + "language_code": "hu" + }, + "5-Clustering/2-K-Means/README.md": { + "original_hash": "7cdd17338d9bbd7e2171c2cd462eb081", + "translation_date": "2025-09-05T15:45:56+00:00", + "source_file": "5-Clustering/2-K-Means/README.md", + "language_code": "hu" + }, + "5-Clustering/2-K-Means/assignment.md": { + "original_hash": "b8e17eff34ad1680eba2a5d3cf9ffc41", + "translation_date": "2025-09-05T15:47:38+00:00", + "source_file": "5-Clustering/2-K-Means/assignment.md", + "language_code": "hu" + }, + "5-Clustering/2-K-Means/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T15:48:00+00:00", + "source_file": "5-Clustering/2-K-Means/solution/Julia/README.md", + "language_code": "hu" + }, + "5-Clustering/README.md": { + "original_hash": "b28a3a4911584062772c537b653ebbc7", + "translation_date": "2025-09-05T15:39:21+00:00", + "source_file": "5-Clustering/README.md", + "language_code": "hu" + }, + "6-NLP/1-Introduction-to-NLP/README.md": { + "original_hash": "1c2ec40cf55c98a028a359c27ef7e45a", + "translation_date": "2025-09-05T16:59:57+00:00", + "source_file": "6-NLP/1-Introduction-to-NLP/README.md", + "language_code": "hu" + }, + "6-NLP/1-Introduction-to-NLP/assignment.md": { + "original_hash": "1d7583e8046dacbb0c056d5ba0a71b16", + "translation_date": "2025-09-05T17:01:57+00:00", + "source_file": "6-NLP/1-Introduction-to-NLP/assignment.md", + "language_code": "hu" + }, + "6-NLP/2-Tasks/README.md": { + "original_hash": "5f3cb462e3122e1afe7ab0050ccf2bd3", + "translation_date": "2025-09-05T16:50:29+00:00", + "source_file": "6-NLP/2-Tasks/README.md", + "language_code": "hu" + }, + "6-NLP/2-Tasks/assignment.md": { + "original_hash": "2efc4c2aba5ed06c780c05539c492ae3", + "translation_date": "2025-09-05T16:52:34+00:00", + "source_file": "6-NLP/2-Tasks/assignment.md", + "language_code": "hu" + }, + "6-NLP/3-Translation-Sentiment/README.md": { + "original_hash": "be03c8182982b87ced155e4e9d1438e8", + "translation_date": "2025-09-05T17:03:02+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/README.md", + "language_code": "hu" + }, + "6-NLP/3-Translation-Sentiment/assignment.md": { + "original_hash": "9d2a734deb904caff310d1a999c6bd7a", + "translation_date": "2025-09-05T17:05:37+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/assignment.md", + "language_code": "hu" + }, + "6-NLP/3-Translation-Sentiment/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T17:06:13+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/solution/Julia/README.md", + "language_code": "hu" + }, + "6-NLP/3-Translation-Sentiment/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T17:05:59+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/solution/R/README.md", + "language_code": "hu" + }, + "6-NLP/4-Hotel-Reviews-1/README.md": { + "original_hash": "8d32dadeda93c6fb5c43619854882ab1", + "translation_date": "2025-09-05T16:54:12+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/README.md", + "language_code": "hu" + }, + "6-NLP/4-Hotel-Reviews-1/assignment.md": { + "original_hash": "bf39bceb833cd628f224941dca8041df", + "translation_date": "2025-09-05T16:58:21+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/assignment.md", + "language_code": "hu" + }, + "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T16:58:55+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md", + "language_code": "hu" + }, + "6-NLP/4-Hotel-Reviews-1/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T16:58:41+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/solution/R/README.md", + "language_code": "hu" + }, + "6-NLP/5-Hotel-Reviews-2/README.md": { + "original_hash": "2c742993fe95d5bcbb2846eda3d442a1", + "translation_date": "2025-09-05T17:07:14+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/README.md", + "language_code": "hu" + }, + "6-NLP/5-Hotel-Reviews-2/assignment.md": { + "original_hash": "daf144daa552da6a7d442aff6f3e77d8", + "translation_date": "2025-09-05T17:10:08+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/assignment.md", + "language_code": "hu" + }, + "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T17:10:44+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md", + "language_code": "hu" + }, + "6-NLP/5-Hotel-Reviews-2/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T17:10:30+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/solution/R/README.md", + "language_code": "hu" + }, + "6-NLP/README.md": { + "original_hash": "1eb379dc2d0c9940b320732d16083778", + "translation_date": "2025-09-05T16:49:22+00:00", + "source_file": "6-NLP/README.md", + "language_code": "hu" + }, + "6-NLP/data/README.md": { + "original_hash": "ee0670655c89e4719319764afb113624", + "translation_date": "2025-09-05T16:59:09+00:00", + "source_file": "6-NLP/data/README.md", + "language_code": "hu" + }, + "7-TimeSeries/1-Introduction/README.md": { + "original_hash": "662b509c39eee205687726636d0a8455", + "translation_date": "2025-09-05T15:33:09+00:00", + "source_file": "7-TimeSeries/1-Introduction/README.md", + "language_code": "hu" + }, + "7-TimeSeries/1-Introduction/assignment.md": { + "original_hash": "d1781b0b92568ea1d119d0a198b576b4", + "translation_date": "2025-09-05T15:35:19+00:00", + "source_file": "7-TimeSeries/1-Introduction/assignment.md", + "language_code": "hu" + }, + "7-TimeSeries/1-Introduction/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T15:35:58+00:00", + "source_file": "7-TimeSeries/1-Introduction/solution/Julia/README.md", + "language_code": "hu" + }, + "7-TimeSeries/1-Introduction/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T15:35:43+00:00", + "source_file": "7-TimeSeries/1-Introduction/solution/R/README.md", + "language_code": "hu" + }, + "7-TimeSeries/2-ARIMA/README.md": { + "original_hash": "917dbf890db71a322f306050cb284749", + "translation_date": "2025-09-05T15:29:04+00:00", + "source_file": "7-TimeSeries/2-ARIMA/README.md", + "language_code": "hu" + }, + "7-TimeSeries/2-ARIMA/assignment.md": { + "original_hash": "1c814013e10866dfd92cdb32caaae3ac", + "translation_date": "2025-09-05T15:31:41+00:00", + "source_file": "7-TimeSeries/2-ARIMA/assignment.md", + "language_code": "hu" + }, + "7-TimeSeries/2-ARIMA/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T15:32:16+00:00", + "source_file": "7-TimeSeries/2-ARIMA/solution/Julia/README.md", + "language_code": "hu" + }, + "7-TimeSeries/2-ARIMA/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T15:32:03+00:00", + "source_file": "7-TimeSeries/2-ARIMA/solution/R/README.md", + "language_code": "hu" + }, + "7-TimeSeries/3-SVR/README.md": { + "original_hash": "482bccabe1df958496ea71a3667995cd", + "translation_date": "2025-09-05T15:36:39+00:00", + "source_file": "7-TimeSeries/3-SVR/README.md", + "language_code": "hu" + }, + "7-TimeSeries/3-SVR/assignment.md": { + "original_hash": "94aa2fc6154252ae30a3f3740299707a", + "translation_date": "2025-09-05T15:38:42+00:00", + "source_file": "7-TimeSeries/3-SVR/assignment.md", + "language_code": "hu" + }, + "7-TimeSeries/README.md": { + "original_hash": "61342603bad8acadbc6b2e4e3aab3f66", + "translation_date": "2025-09-05T15:27:42+00:00", + "source_file": "7-TimeSeries/README.md", + "language_code": "hu" + }, + "8-Reinforcement/1-QLearning/README.md": { + "original_hash": "911efd5e595089000cb3c16fce1beab8", + "translation_date": "2025-09-05T16:38:33+00:00", + "source_file": "8-Reinforcement/1-QLearning/README.md", + "language_code": "hu" + }, + "8-Reinforcement/1-QLearning/assignment.md": { + "original_hash": "68394b2102d3503882e5e914bd0ff5c1", + "translation_date": "2025-09-05T16:43:11+00:00", + "source_file": "8-Reinforcement/1-QLearning/assignment.md", + "language_code": "hu" + }, + "8-Reinforcement/1-QLearning/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T16:44:25+00:00", + "source_file": "8-Reinforcement/1-QLearning/solution/Julia/README.md", + "language_code": "hu" + }, + "8-Reinforcement/1-QLearning/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T16:44:12+00:00", + "source_file": "8-Reinforcement/1-QLearning/solution/R/README.md", + "language_code": "hu" + }, + "8-Reinforcement/2-Gym/README.md": { + "original_hash": "107d5bb29da8a562e7ae72262d251a75", + "translation_date": "2025-09-05T16:45:21+00:00", + "source_file": "8-Reinforcement/2-Gym/README.md", + "language_code": "hu" + }, + "8-Reinforcement/2-Gym/assignment.md": { + "original_hash": "1f2b7441745eb52e25745423b247016b", + "translation_date": "2025-09-05T16:48:06+00:00", + "source_file": "8-Reinforcement/2-Gym/assignment.md", + "language_code": "hu" + }, + "8-Reinforcement/2-Gym/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T16:49:01+00:00", + "source_file": "8-Reinforcement/2-Gym/solution/Julia/README.md", + "language_code": "hu" + }, + "8-Reinforcement/2-Gym/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T16:48:49+00:00", + "source_file": "8-Reinforcement/2-Gym/solution/R/README.md", + "language_code": "hu" + }, + "8-Reinforcement/README.md": { + "original_hash": "20ca019012b1725de956681d036d8b18", + "translation_date": "2025-09-05T16:35:31+00:00", + "source_file": "8-Reinforcement/README.md", + "language_code": "hu" + }, + "9-Real-World/1-Applications/README.md": { + "original_hash": "83320d6b6994909e35d830cebf214039", + "translation_date": "2025-09-05T15:50:14+00:00", + "source_file": "9-Real-World/1-Applications/README.md", + "language_code": "hu" + }, + "9-Real-World/1-Applications/assignment.md": { + "original_hash": "fdebfcd0a3f12c9e2b436ded1aa79885", + "translation_date": "2025-09-05T15:53:02+00:00", + "source_file": "9-Real-World/1-Applications/assignment.md", + "language_code": "hu" + }, + "9-Real-World/2-Debugging-ML-Models/README.md": { + "original_hash": "df2b538e8fbb3e91cf0419ae2f858675", + "translation_date": "2025-09-05T15:54:19+00:00", + "source_file": "9-Real-World/2-Debugging-ML-Models/README.md", + "language_code": "hu" + }, + "9-Real-World/2-Debugging-ML-Models/assignment.md": { + "original_hash": "91c6a180ef08e20cc15acfd2d6d6e164", + "translation_date": "2025-09-05T15:57:21+00:00", + "source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md", + "language_code": "hu" + }, + "9-Real-World/README.md": { + "original_hash": "5e069a0ac02a9606a69946c2b3c574a9", + "translation_date": "2025-09-05T15:49:03+00:00", + "source_file": "9-Real-World/README.md", + "language_code": "hu" + }, + "AGENTS.md": { + "original_hash": "93fdaa0fd38836e50c4793e2f2f25e8b", + "translation_date": "2025-10-03T11:15:18+00:00", + "source_file": "AGENTS.md", + "language_code": "hu" + }, + "CODE_OF_CONDUCT.md": { + "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56", + "translation_date": "2025-09-05T15:07:22+00:00", + "source_file": "CODE_OF_CONDUCT.md", + "language_code": "hu" + }, + "CONTRIBUTING.md": { + "original_hash": "977ec5266dfd78ad1ce2bd8d46fccbda", + "translation_date": "2025-09-05T15:05:19+00:00", + "source_file": "CONTRIBUTING.md", + "language_code": "hu" + }, + "README.md": { + "original_hash": "da2ceed62f16a0820259556e3a873c95", + "translation_date": "2026-01-29T18:55:51+00:00", + "source_file": "README.md", + "language_code": "hu" + }, + "SECURITY.md": { + "original_hash": "5e1b8da31aae9cca3d53ad243fa3365a", + "translation_date": "2025-09-05T15:05:58+00:00", + "source_file": "SECURITY.md", + "language_code": "hu" + }, + "SUPPORT.md": { + "original_hash": "09623d7343ff1c26ff4f198c1b2d3176", + "translation_date": "2025-10-03T12:20:42+00:00", + "source_file": "SUPPORT.md", + "language_code": "hu" + }, + "TROUBLESHOOTING.md": { + "original_hash": "134d8759f0e2ab886e9aa4f62362c201", + "translation_date": "2025-10-03T12:52:39+00:00", + "source_file": "TROUBLESHOOTING.md", + "language_code": "hu" + }, + "docs/_sidebar.md": { + "original_hash": "68dd06c685f6ce840e0acfa313352e7c", + "translation_date": "2025-09-05T15:48:22+00:00", + "source_file": "docs/_sidebar.md", + "language_code": "hu" + }, + "for-teachers.md": { + "original_hash": "b37de02054fa6c0438ede6fabe1fdfb8", + "translation_date": "2025-09-05T15:06:46+00:00", + "source_file": "for-teachers.md", + "language_code": "hu" + }, + "quiz-app/README.md": { + "original_hash": "6d130dffca5db70d7e615f926cb1ad4c", + "translation_date": "2025-09-05T16:15:21+00:00", + "source_file": "quiz-app/README.md", + "language_code": "hu" + }, + "sketchnotes/LICENSE.md": { + "original_hash": "fba3b94d88bfb9b81369b869a1e9a20f", + "translation_date": "2025-09-05T16:31:25+00:00", + "source_file": "sketchnotes/LICENSE.md", + "language_code": "hu" + }, + "sketchnotes/README.md": { + "original_hash": "a88d5918c1b9da69a40d917a0840c497", + "translation_date": "2025-09-05T16:28:21+00:00", + "source_file": "sketchnotes/README.md", + "language_code": "hu" + } +} \ No newline at end of file diff --git a/translations/hu/1-Introduction/1-intro-to-ML/README.md b/translations/hu/1-Introduction/1-intro-to-ML/README.md index 4c742ea9e..4e26b8f0c 100644 --- a/translations/hu/1-Introduction/1-intro-to-ML/README.md +++ b/translations/hu/1-Introduction/1-intro-to-ML/README.md @@ -1,12 +1,3 @@ - # Bevezetés a gépi tanulásba ## [Előadás előtti kvíz](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/hu/1-Introduction/1-intro-to-ML/assignment.md b/translations/hu/1-Introduction/1-intro-to-ML/assignment.md index 631e5f248..584e9de54 100644 --- a/translations/hu/1-Introduction/1-intro-to-ML/assignment.md +++ b/translations/hu/1-Introduction/1-intro-to-ML/assignment.md @@ -1,12 +1,3 @@ - # Kezdj neki és állítsd be ## Útmutató diff --git a/translations/hu/1-Introduction/2-history-of-ML/README.md b/translations/hu/1-Introduction/2-history-of-ML/README.md index 905180f00..3ce27c31d 100644 --- a/translations/hu/1-Introduction/2-history-of-ML/README.md +++ b/translations/hu/1-Introduction/2-history-of-ML/README.md @@ -1,12 +1,3 @@ - # A gépi tanulás története ![A gépi tanulás történetének összefoglalása sketchnote-ban](../../../../sketchnotes/ml-history.png) diff --git a/translations/hu/1-Introduction/2-history-of-ML/assignment.md b/translations/hu/1-Introduction/2-history-of-ML/assignment.md index d6cc83ed2..4a4d17139 100644 --- a/translations/hu/1-Introduction/2-history-of-ML/assignment.md +++ b/translations/hu/1-Introduction/2-history-of-ML/assignment.md @@ -1,12 +1,3 @@ - # Készíts egy idővonalat ## Útmutató diff --git a/translations/hu/1-Introduction/3-fairness/README.md b/translations/hu/1-Introduction/3-fairness/README.md index f2cda822c..434f554bb 100644 --- a/translations/hu/1-Introduction/3-fairness/README.md +++ b/translations/hu/1-Introduction/3-fairness/README.md @@ -1,12 +1,3 @@ - # Gépi tanulási megoldások építése felelős AI-val ![A felelős AI összefoglalása a gépi tanulásban egy sketchnote-ban](../../../../sketchnotes/ml-fairness.png) diff --git a/translations/hu/1-Introduction/3-fairness/assignment.md b/translations/hu/1-Introduction/3-fairness/assignment.md index 2530c332c..88383e992 100644 --- a/translations/hu/1-Introduction/3-fairness/assignment.md +++ b/translations/hu/1-Introduction/3-fairness/assignment.md @@ -1,12 +1,3 @@ - # Fedezd fel a Responsible AI Toolbox-t ## Útmutató diff --git a/translations/hu/1-Introduction/4-techniques-of-ML/README.md b/translations/hu/1-Introduction/4-techniques-of-ML/README.md index e1d4d19c3..99471ee9c 100644 --- a/translations/hu/1-Introduction/4-techniques-of-ML/README.md +++ b/translations/hu/1-Introduction/4-techniques-of-ML/README.md @@ -1,12 +1,3 @@ - # Gépi tanulás technikái A gépi tanulási modellek és az általuk használt adatok létrehozása, használata és karbantartása nagyon eltérő folyamat, mint sok más fejlesztési munkafolyamat. Ebben a leckében eloszlatjuk a folyamat körüli homályt, és bemutatjuk azokat a fő technikákat, amelyeket ismerned kell. A következőket fogod megtanulni: diff --git a/translations/hu/1-Introduction/4-techniques-of-ML/assignment.md b/translations/hu/1-Introduction/4-techniques-of-ML/assignment.md index 299c89729..c31edb9e3 100644 --- a/translations/hu/1-Introduction/4-techniques-of-ML/assignment.md +++ b/translations/hu/1-Introduction/4-techniques-of-ML/assignment.md @@ -1,12 +1,3 @@ - # Beszélgetés egy adatelemzővel ## Útmutató diff --git a/translations/hu/1-Introduction/README.md b/translations/hu/1-Introduction/README.md index 779445a45..a9a443520 100644 --- a/translations/hu/1-Introduction/README.md +++ b/translations/hu/1-Introduction/README.md @@ -1,12 +1,3 @@ - # Bevezetés a gépi tanulásba A tananyag ezen részében megismerkedsz a gépi tanulás alapfogalmaival, azzal, hogy mi is ez, valamint annak történetével és a kutatók által alkalmazott technikákkal. Fedezzük fel együtt a gépi tanulás új világát! diff --git a/translations/hu/2-Regression/1-Tools/README.md b/translations/hu/2-Regression/1-Tools/README.md index 39d730007..9fbccba09 100644 --- a/translations/hu/2-Regression/1-Tools/README.md +++ b/translations/hu/2-Regression/1-Tools/README.md @@ -1,12 +1,3 @@ - # Kezdjük el a Python és a Scikit-learn használatát regressziós modellekhez ![Vázlat a regressziókról](../../../../sketchnotes/ml-regression.png) diff --git a/translations/hu/2-Regression/1-Tools/assignment.md b/translations/hu/2-Regression/1-Tools/assignment.md index 21a70e65b..84ca701fa 100644 --- a/translations/hu/2-Regression/1-Tools/assignment.md +++ b/translations/hu/2-Regression/1-Tools/assignment.md @@ -1,12 +1,3 @@ - # Regresszió Scikit-learn segítségével ## Útmutató diff --git a/translations/hu/2-Regression/1-Tools/solution/Julia/README.md b/translations/hu/2-Regression/1-Tools/solution/Julia/README.md index aca870469..1066f52e1 100644 --- a/translations/hu/2-Regression/1-Tools/solution/Julia/README.md +++ b/translations/hu/2-Regression/1-Tools/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/hu/2-Regression/2-Data/README.md b/translations/hu/2-Regression/2-Data/README.md index f1ba1f690..1e43be1ba 100644 --- a/translations/hu/2-Regression/2-Data/README.md +++ b/translations/hu/2-Regression/2-Data/README.md @@ -1,12 +1,3 @@ - # Készítsünk regressziós modellt Scikit-learn segítségével: adatok előkészítése és vizualizálása ![Adatvizualizációs infografika](../../../../2-Regression/2-Data/images/data-visualization.png) diff --git a/translations/hu/2-Regression/2-Data/assignment.md b/translations/hu/2-Regression/2-Data/assignment.md index 248829ead..6d24b8f16 100644 --- a/translations/hu/2-Regression/2-Data/assignment.md +++ b/translations/hu/2-Regression/2-Data/assignment.md @@ -1,12 +1,3 @@ - # Vizualizációk felfedezése Számos különböző könyvtár érhető el az adatok vizualizálásához. Készíts néhány vizualizációt a leckében található Pumpkin adatok felhasználásával egy mintafüzetben matplotlib és seaborn segítségével. Melyik könyvtár használata egyszerűbb? diff --git a/translations/hu/2-Regression/2-Data/solution/Julia/README.md b/translations/hu/2-Regression/2-Data/solution/Julia/README.md index be12de1da..1066f52e1 100644 --- a/translations/hu/2-Regression/2-Data/solution/Julia/README.md +++ b/translations/hu/2-Regression/2-Data/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/hu/2-Regression/3-Linear/README.md b/translations/hu/2-Regression/3-Linear/README.md index 071ded13f..3c5a24676 100644 --- a/translations/hu/2-Regression/3-Linear/README.md +++ b/translations/hu/2-Regression/3-Linear/README.md @@ -1,12 +1,3 @@ - # Készítsünk regressziós modellt Scikit-learn segítségével: négyféle regresszió ![Lineáris vs polinomiális regresszió infografika](../../../../2-Regression/3-Linear/images/linear-polynomial.png) @@ -114,11 +105,11 @@ Most, hogy megértetted a lineáris regresszió mögötti matematikát, hozzunk Az előző leckéből valószínűleg láttad, hogy az átlagár különböző hónapokra így néz ki: -Átlagár hónaponként +Átlagár hónaponként Ez arra utal, hogy lehet némi korreláció, és megpróbálhatunk egy lineáris regressziós modellt tanítani, hogy megjósoljuk a `Hónap` és `Ár`, vagy az `ÉvNapja` és `Ár` közötti kapcsolatot. Íme egy szórásdiagram, amely az utóbbi kapcsolatot mutatja: -Szórásdiagram az Ár és az ÉvNapja között +Szórásdiagram az Ár és az ÉvNapja között Nézzük meg, van-e korreláció a `corr` függvény segítségével: @@ -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) ``` -Szórásdiagram az Ár és az ÉvNapja között +Szórásdiagram az Ár és az ÉvNapja között Vizsgálatunk azt sugallja, hogy a fajta nagyobb hatással van az árakra, mint az eladási dátum. Ezt egy oszlopdiagramon is láthatjuk: @@ -145,7 +136,7 @@ Vizsgálatunk azt sugallja, hogy a fajta nagyobb hatással van az árakra, mint new_pumpkins.groupby('Variety')['Price'].mean().plot(kind='bar') ``` -Oszlopdiagram az ár és a fajta között +Oszlopdiagram az ár és a fajta között Most koncentráljunk egyetlen tökfajtára, a 'pie type'-ra, és nézzük meg, milyen hatással van a dátum az árra: @@ -153,7 +144,7 @@ Most koncentráljunk egyetlen tökfajtára, a 'pie type'-ra, és nézzük meg, m pie_pumpkins = new_pumpkins[new_pumpkins['Variety']=='PIE TYPE'] pie_pumpkins.plot.scatter('DayOfYear','Price') ``` -Szórásdiagram az Ár és az ÉvNapja között +Szórásdiagram az Ár és az ÉvNapja között Ha most kiszámítjuk az `Ár` és az `ÉvNapja` közötti korrelációt a `corr` függvény segítségével, körülbelül `-0.27` értéket kapunk - ami azt jelenti, hogy érdemes egy prediktív modellt tanítani. @@ -218,7 +209,7 @@ plt.scatter(X_test,y_test) plt.plot(X_test,pred) ``` -Lineáris regresszió +Lineáris regresszió ## Polinomiális regresszió @@ -247,7 +238,7 @@ A `PolynomialFeatures(2)` használata azt jelenti, hogy a bemeneti adatokból mi A pipeline-t ugyanúgy használhatjuk, mint az eredeti `LinearRegression` objektumot, azaz `fit`-elhetjük a pipeline-t, majd a `predict` segítségével megkaphatjuk az előrejelzési eredményeket. Íme a grafikon, amely a tesztadatokat és az approximációs görbét mutatja: -Polinomiális regresszió +Polinomiális regresszió A polinomiális regresszió használatával kissé alacsonyabb MSE-t és magasabb determinizációs együtthatót érhetünk el, de nem jelentősen. Figyelembe kell vennünk más jellemzőket is! @@ -265,7 +256,7 @@ Az ideális világban szeretnénk képesek lenni előre jelezni az árakat kül Itt láthatod, hogyan függ az átlagár a fajtától: -Átlagár fajtánként +Átlagár fajtánként Ahhoz, hogy figyelembe vegyük a fajtát, először numerikus formára kell átalakítanunk, vagyis **kódolnunk** kell. Többféle módon tehetjük ezt meg: diff --git a/translations/hu/2-Regression/3-Linear/assignment.md b/translations/hu/2-Regression/3-Linear/assignment.md index 9a098c85a..3b5bdaf5d 100644 --- a/translations/hu/2-Regression/3-Linear/assignment.md +++ b/translations/hu/2-Regression/3-Linear/assignment.md @@ -1,12 +1,3 @@ - # Hozz létre egy regressziós modellt ## Útmutató diff --git a/translations/hu/2-Regression/3-Linear/solution/Julia/README.md b/translations/hu/2-Regression/3-Linear/solution/Julia/README.md index f40184d5a..97d00d727 100644 --- a/translations/hu/2-Regression/3-Linear/solution/Julia/README.md +++ b/translations/hu/2-Regression/3-Linear/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/hu/2-Regression/4-Logistic/README.md b/translations/hu/2-Regression/4-Logistic/README.md index 428bf4d3c..545766ec7 100644 --- a/translations/hu/2-Regression/4-Logistic/README.md +++ b/translations/hu/2-Regression/4-Logistic/README.md @@ -1,12 +1,3 @@ - # Logisztikus regresszió kategóriák előrejelzésére ![Logisztikus vs. lineáris regresszió infografika](../../../../2-Regression/4-Logistic/images/linear-vs-logistic.png) diff --git a/translations/hu/2-Regression/4-Logistic/assignment.md b/translations/hu/2-Regression/4-Logistic/assignment.md index f069c110f..d6a8b0d70 100644 --- a/translations/hu/2-Regression/4-Logistic/assignment.md +++ b/translations/hu/2-Regression/4-Logistic/assignment.md @@ -1,12 +1,3 @@ - # Néhány regresszió újrapróbálása ## Útmutató diff --git a/translations/hu/2-Regression/4-Logistic/solution/Julia/README.md b/translations/hu/2-Regression/4-Logistic/solution/Julia/README.md index f4865002d..e045bd5bc 100644 --- a/translations/hu/2-Regression/4-Logistic/solution/Julia/README.md +++ b/translations/hu/2-Regression/4-Logistic/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/hu/2-Regression/README.md b/translations/hu/2-Regression/README.md index 7fb0dee98..20370f333 100644 --- a/translations/hu/2-Regression/README.md +++ b/translations/hu/2-Regression/README.md @@ -1,12 +1,3 @@ - # Regressziós modellek gépi tanuláshoz ## Regionális téma: Regressziós modellek tökárakhoz Észak-Amerikában 🎃 diff --git a/translations/hu/3-Web-App/1-Web-App/README.md b/translations/hu/3-Web-App/1-Web-App/README.md index 87734d51e..6f352eb6b 100644 --- a/translations/hu/3-Web-App/1-Web-App/README.md +++ b/translations/hu/3-Web-App/1-Web-App/README.md @@ -1,12 +1,3 @@ - # Építsünk egy webalkalmazást gépi tanulási modell használatához Ebben a leckében egy gépi tanulási modellt fogsz betanítani egy igazán különleges adathalmazon: _UFO-észlelések az elmúlt évszázadból_, amelyet a NUFORC adatbázisából származtatunk. diff --git a/translations/hu/3-Web-App/1-Web-App/assignment.md b/translations/hu/3-Web-App/1-Web-App/assignment.md index c44ece7cf..e3a4151f9 100644 --- a/translations/hu/3-Web-App/1-Web-App/assignment.md +++ b/translations/hu/3-Web-App/1-Web-App/assignment.md @@ -1,12 +1,3 @@ - # Próbálj ki egy másik modellt ## Útmutató diff --git a/translations/hu/3-Web-App/README.md b/translations/hu/3-Web-App/README.md index 0e859d0a7..51de39ae1 100644 --- a/translations/hu/3-Web-App/README.md +++ b/translations/hu/3-Web-App/README.md @@ -1,12 +1,3 @@ - # Készíts egy webalkalmazást az ML modelled használatához A tananyag ezen részében egy alkalmazott gépi tanulási témával ismerkedhetsz meg: hogyan lehet a Scikit-learn modelledet fájlként elmenteni, amelyet egy webalkalmazásban használhatsz előrejelzések készítésére. Miután a modellt elmentetted, megtanulod, hogyan használd egy Flask-ben épített webalkalmazásban. Először létrehozol egy modellt egy olyan adathalmaz alapján, amely UFO-észlelésekről szól! Ezután építesz egy webalkalmazást, amely lehetővé teszi, hogy megadj egy másodpercértéket, valamint egy szélességi és hosszúsági koordinátát, hogy előre jelezd, melyik ország jelentett UFO-észlelést. diff --git a/translations/hu/4-Classification/1-Introduction/README.md b/translations/hu/4-Classification/1-Introduction/README.md index c617b3ed4..016788981 100644 --- a/translations/hu/4-Classification/1-Introduction/README.md +++ b/translations/hu/4-Classification/1-Introduction/README.md @@ -1,12 +1,3 @@ - # Bevezetés az osztályozásba Ebben a négy leckében a klasszikus gépi tanulás egyik alapvető területét, az _osztályozást_ fogod megismerni. Különböző osztályozási algoritmusokat fogunk alkalmazni egy adatállományon, amely Ázsia és India csodálatos konyháiról szól. Reméljük, éhes vagy! diff --git a/translations/hu/4-Classification/1-Introduction/assignment.md b/translations/hu/4-Classification/1-Introduction/assignment.md index 6d7582a01..7f349f842 100644 --- a/translations/hu/4-Classification/1-Introduction/assignment.md +++ b/translations/hu/4-Classification/1-Introduction/assignment.md @@ -1,12 +1,3 @@ - # Fedezd fel a klasszifikációs módszereket ## Útmutató diff --git a/translations/hu/4-Classification/1-Introduction/solution/Julia/README.md b/translations/hu/4-Classification/1-Introduction/solution/Julia/README.md index 0fc618aae..b99697449 100644 --- a/translations/hu/4-Classification/1-Introduction/solution/Julia/README.md +++ b/translations/hu/4-Classification/1-Introduction/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/hu/4-Classification/2-Classifiers-1/README.md b/translations/hu/4-Classification/2-Classifiers-1/README.md index 513d6ffcd..2cb9cf797 100644 --- a/translations/hu/4-Classification/2-Classifiers-1/README.md +++ b/translations/hu/4-Classification/2-Classifiers-1/README.md @@ -1,12 +1,3 @@ - # Konyhai osztályozók 1 Ebben a leckében az előző leckében elmentett, kiegyensúlyozott és tiszta adatokkal teli adatállományt fogod használni, amely a különböző konyhákról szól. diff --git a/translations/hu/4-Classification/2-Classifiers-1/assignment.md b/translations/hu/4-Classification/2-Classifiers-1/assignment.md index 6d8e02e9e..4396d18cc 100644 --- a/translations/hu/4-Classification/2-Classifiers-1/assignment.md +++ b/translations/hu/4-Classification/2-Classifiers-1/assignment.md @@ -1,12 +1,3 @@ - # Tanulmányozd a megoldókat ## Útmutató diff --git a/translations/hu/4-Classification/2-Classifiers-1/solution/Julia/README.md b/translations/hu/4-Classification/2-Classifiers-1/solution/Julia/README.md index 087a6a7c2..fecc172e0 100644 --- a/translations/hu/4-Classification/2-Classifiers-1/solution/Julia/README.md +++ b/translations/hu/4-Classification/2-Classifiers-1/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/hu/4-Classification/3-Classifiers-2/README.md b/translations/hu/4-Classification/3-Classifiers-2/README.md index 83e7a4429..74ecb5367 100644 --- a/translations/hu/4-Classification/3-Classifiers-2/README.md +++ b/translations/hu/4-Classification/3-Classifiers-2/README.md @@ -1,12 +1,3 @@ - # Konyhai osztályozók 2 Ebben a második osztályozási leckében további módszereket fedezhetsz fel a numerikus adatok osztályozására. Megismerheted azt is, hogy milyen következményekkel jár, ha egyik osztályozót választod a másik helyett. diff --git a/translations/hu/4-Classification/3-Classifiers-2/assignment.md b/translations/hu/4-Classification/3-Classifiers-2/assignment.md index d9fc539ff..f03031081 100644 --- a/translations/hu/4-Classification/3-Classifiers-2/assignment.md +++ b/translations/hu/4-Classification/3-Classifiers-2/assignment.md @@ -1,12 +1,3 @@ - # Paraméterek kezelése ## Útmutató diff --git a/translations/hu/4-Classification/3-Classifiers-2/solution/Julia/README.md b/translations/hu/4-Classification/3-Classifiers-2/solution/Julia/README.md index e71343069..fecc172e0 100644 --- a/translations/hu/4-Classification/3-Classifiers-2/solution/Julia/README.md +++ b/translations/hu/4-Classification/3-Classifiers-2/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/hu/4-Classification/4-Applied/README.md b/translations/hu/4-Classification/4-Applied/README.md index af543be4d..cc7c479b9 100644 --- a/translations/hu/4-Classification/4-Applied/README.md +++ b/translations/hu/4-Classification/4-Applied/README.md @@ -1,12 +1,3 @@ - # Építs egy konyhai ajánló webalkalmazást Ebben a leckében egy osztályozási modellt fogsz építeni, felhasználva az előző leckékben tanult technikákat, valamint a sorozat során használt ízletes konyhai adatbázist. Ezen kívül egy kis webalkalmazást is készítesz, amely egy mentett modellt használ, az Onnx webes futtatókörnyezetét kihasználva. diff --git a/translations/hu/4-Classification/4-Applied/assignment.md b/translations/hu/4-Classification/4-Applied/assignment.md index be1bb7241..6f2ccff3a 100644 --- a/translations/hu/4-Classification/4-Applied/assignment.md +++ b/translations/hu/4-Classification/4-Applied/assignment.md @@ -1,12 +1,3 @@ - # Ajánló készítése ## Útmutató diff --git a/translations/hu/4-Classification/README.md b/translations/hu/4-Classification/README.md index 2134081dc..8eb154269 100644 --- a/translations/hu/4-Classification/README.md +++ b/translations/hu/4-Classification/README.md @@ -1,12 +1,3 @@ - # Kezdjük a klasszifikációval ## Regionális téma: Finom ázsiai és indiai konyhák 🍜 diff --git a/translations/hu/5-Clustering/1-Visualize/README.md b/translations/hu/5-Clustering/1-Visualize/README.md index 3cf420cc4..4deae5b6b 100644 --- a/translations/hu/5-Clustering/1-Visualize/README.md +++ b/translations/hu/5-Clustering/1-Visualize/README.md @@ -1,12 +1,3 @@ - # Bevezetés a klaszterezéshez A klaszterezés a [felügyelet nélküli tanulás](https://wikipedia.org/wiki/Unsupervised_learning) egyik típusa, amely feltételezi, hogy az adathalmaz címkézetlen, vagy hogy a bemenetek nincsenek előre meghatározott kimenetekhez társítva. Különböző algoritmusokat használ a címkézetlen adatok rendezésére, és csoportosításokat hoz létre az adatokban észlelt minták alapján. diff --git a/translations/hu/5-Clustering/1-Visualize/assignment.md b/translations/hu/5-Clustering/1-Visualize/assignment.md index bc7b617f9..05ed00ea1 100644 --- a/translations/hu/5-Clustering/1-Visualize/assignment.md +++ b/translations/hu/5-Clustering/1-Visualize/assignment.md @@ -1,12 +1,3 @@ - # Kutatás más vizualizációs módszerekről klaszterezéshez ## Útmutató diff --git a/translations/hu/5-Clustering/1-Visualize/solution/Julia/README.md b/translations/hu/5-Clustering/1-Visualize/solution/Julia/README.md index d7ab35dd4..1066f52e1 100644 --- a/translations/hu/5-Clustering/1-Visualize/solution/Julia/README.md +++ b/translations/hu/5-Clustering/1-Visualize/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/hu/5-Clustering/2-K-Means/README.md b/translations/hu/5-Clustering/2-K-Means/README.md index ddcb79a2b..d243b3939 100644 --- a/translations/hu/5-Clustering/2-K-Means/README.md +++ b/translations/hu/5-Clustering/2-K-Means/README.md @@ -1,12 +1,3 @@ - # K-Means klaszterezés ## [Előadás előtti kvíz](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/hu/5-Clustering/2-K-Means/assignment.md b/translations/hu/5-Clustering/2-K-Means/assignment.md index 74bfca99f..10e8ddc19 100644 --- a/translations/hu/5-Clustering/2-K-Means/assignment.md +++ b/translations/hu/5-Clustering/2-K-Means/assignment.md @@ -1,12 +1,3 @@ - # Próbálj ki különböző klaszterezési módszereket ## Útmutató diff --git a/translations/hu/5-Clustering/2-K-Means/solution/Julia/README.md b/translations/hu/5-Clustering/2-K-Means/solution/Julia/README.md index d3dbf95a5..1066f52e1 100644 --- a/translations/hu/5-Clustering/2-K-Means/solution/Julia/README.md +++ b/translations/hu/5-Clustering/2-K-Means/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/hu/5-Clustering/README.md b/translations/hu/5-Clustering/README.md index 4824a4b78..60c8f509a 100644 --- a/translations/hu/5-Clustering/README.md +++ b/translations/hu/5-Clustering/README.md @@ -1,12 +1,3 @@ - # Gépi tanulási klaszterezési modellek A klaszterezés egy gépi tanulási feladat, amelynek célja, hogy megtalálja az egymáshoz hasonló objektumokat, és ezeket csoportokba, úgynevezett klaszterekbe rendezze. Ami megkülönbözteti a klaszterezést a gépi tanulás más megközelítéseitől, az az, hogy a folyamat automatikusan történik; valójában mondhatjuk, hogy ez az ellenkezője a felügyelt tanulásnak. diff --git a/translations/hu/6-NLP/1-Introduction-to-NLP/README.md b/translations/hu/6-NLP/1-Introduction-to-NLP/README.md index 3a6759224..8ad5145e6 100644 --- a/translations/hu/6-NLP/1-Introduction-to-NLP/README.md +++ b/translations/hu/6-NLP/1-Introduction-to-NLP/README.md @@ -1,12 +1,3 @@ - # Bevezetés a természetes nyelvfeldolgozásba Ez a lecke a *természetes nyelvfeldolgozás* rövid történetét és fontos fogalmait tárgyalja, amely a *számítógépes nyelvészet* egyik részterülete. diff --git a/translations/hu/6-NLP/1-Introduction-to-NLP/assignment.md b/translations/hu/6-NLP/1-Introduction-to-NLP/assignment.md index 34cea9e39..2f262c0d2 100644 --- a/translations/hu/6-NLP/1-Introduction-to-NLP/assignment.md +++ b/translations/hu/6-NLP/1-Introduction-to-NLP/assignment.md @@ -1,12 +1,3 @@ - # Keresd meg a botot ## Útmutató diff --git a/translations/hu/6-NLP/2-Tasks/README.md b/translations/hu/6-NLP/2-Tasks/README.md index d86b59b32..03943269f 100644 --- a/translations/hu/6-NLP/2-Tasks/README.md +++ b/translations/hu/6-NLP/2-Tasks/README.md @@ -1,12 +1,3 @@ - # Gyakori természetes nyelvfeldolgozási feladatok és technikák A legtöbb *természetes nyelvfeldolgozási* feladat esetében a feldolgozandó szöveget fel kell bontani, meg kell vizsgálni, és az eredményeket el kell tárolni vagy össze kell vetni szabályokkal és adatbázisokkal. Ezek a feladatok lehetővé teszik a programozó számára, hogy a szöveg _jelentését_, _szándékát_ vagy csak a kifejezések és szavak _gyakoriságát_ megértse. diff --git a/translations/hu/6-NLP/2-Tasks/assignment.md b/translations/hu/6-NLP/2-Tasks/assignment.md index 410001864..13de429f6 100644 --- a/translations/hu/6-NLP/2-Tasks/assignment.md +++ b/translations/hu/6-NLP/2-Tasks/assignment.md @@ -1,12 +1,3 @@ - # Készíts egy Botot, ami válaszol ## Útmutató diff --git a/translations/hu/6-NLP/3-Translation-Sentiment/README.md b/translations/hu/6-NLP/3-Translation-Sentiment/README.md index 0f0c3ca46..17a97eee4 100644 --- a/translations/hu/6-NLP/3-Translation-Sentiment/README.md +++ b/translations/hu/6-NLP/3-Translation-Sentiment/README.md @@ -1,12 +1,3 @@ - # Fordítás és érzelemelemzés gépi tanulással Az előző leckékben megtanultad, hogyan készíts egy alap botot a `TextBlob` segítségével, amely egy olyan könyvtár, amely gépi tanulást alkalmaz a háttérben alapvető természetes nyelvi feldolgozási (NLP) feladatok, például főnévi kifejezések kinyerése érdekében. A számítógépes nyelvészet másik fontos kihívása egy mondat pontos _fordítása_ egyik beszélt vagy írott nyelvről a másikra. diff --git a/translations/hu/6-NLP/3-Translation-Sentiment/assignment.md b/translations/hu/6-NLP/3-Translation-Sentiment/assignment.md index e787857e3..501c0a77f 100644 --- a/translations/hu/6-NLP/3-Translation-Sentiment/assignment.md +++ b/translations/hu/6-NLP/3-Translation-Sentiment/assignment.md @@ -1,12 +1,3 @@ - # Költői szabadság ## Útmutató diff --git a/translations/hu/6-NLP/3-Translation-Sentiment/solution/Julia/README.md b/translations/hu/6-NLP/3-Translation-Sentiment/solution/Julia/README.md index 5eb65c779..1066f52e1 100644 --- a/translations/hu/6-NLP/3-Translation-Sentiment/solution/Julia/README.md +++ b/translations/hu/6-NLP/3-Translation-Sentiment/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/hu/6-NLP/3-Translation-Sentiment/solution/R/README.md b/translations/hu/6-NLP/3-Translation-Sentiment/solution/R/README.md index 9d3518ae6..ea882a529 100644 --- a/translations/hu/6-NLP/3-Translation-Sentiment/solution/R/README.md +++ b/translations/hu/6-NLP/3-Translation-Sentiment/solution/R/README.md @@ -1,12 +1,3 @@ - ez egy ideiglenes helyőrző --- diff --git a/translations/hu/6-NLP/4-Hotel-Reviews-1/README.md b/translations/hu/6-NLP/4-Hotel-Reviews-1/README.md index edb9bd064..6377ba921 100644 --- a/translations/hu/6-NLP/4-Hotel-Reviews-1/README.md +++ b/translations/hu/6-NLP/4-Hotel-Reviews-1/README.md @@ -1,12 +1,3 @@ - # Érzelemfelismerés szállodai véleményekkel - adatok feldolgozása Ebben a részben az előző leckékben tanult technikákat fogod használni egy nagy adatállomány feltáró elemzéséhez. Miután jól megérted az egyes oszlopok hasznosságát, megtanulod: diff --git a/translations/hu/6-NLP/4-Hotel-Reviews-1/assignment.md b/translations/hu/6-NLP/4-Hotel-Reviews-1/assignment.md index 6639de38f..c7f8b3ab8 100644 --- a/translations/hu/6-NLP/4-Hotel-Reviews-1/assignment.md +++ b/translations/hu/6-NLP/4-Hotel-Reviews-1/assignment.md @@ -1,12 +1,3 @@ - # NLTK ## Útmutató diff --git a/translations/hu/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md b/translations/hu/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md index b8f0e0090..1066f52e1 100644 --- a/translations/hu/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md +++ b/translations/hu/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/hu/6-NLP/4-Hotel-Reviews-1/solution/R/README.md b/translations/hu/6-NLP/4-Hotel-Reviews-1/solution/R/README.md index 2a6bc4c88..ea882a529 100644 --- a/translations/hu/6-NLP/4-Hotel-Reviews-1/solution/R/README.md +++ b/translations/hu/6-NLP/4-Hotel-Reviews-1/solution/R/README.md @@ -1,12 +1,3 @@ - ez egy ideiglenes helyőrző --- diff --git a/translations/hu/6-NLP/5-Hotel-Reviews-2/README.md b/translations/hu/6-NLP/5-Hotel-Reviews-2/README.md index 431c675b7..0f603ad09 100644 --- a/translations/hu/6-NLP/5-Hotel-Reviews-2/README.md +++ b/translations/hu/6-NLP/5-Hotel-Reviews-2/README.md @@ -1,12 +1,3 @@ - # Érzelemfelismerés szállodai vélemények alapján Most, hogy részletesen megvizsgáltad az adatállományt, itt az ideje, hogy szűrd az oszlopokat, majd NLP technikákat alkalmazz az adatállományon, hogy új betekintést nyerj a szállodákról. diff --git a/translations/hu/6-NLP/5-Hotel-Reviews-2/assignment.md b/translations/hu/6-NLP/5-Hotel-Reviews-2/assignment.md index 4877f5735..a720b5c87 100644 --- a/translations/hu/6-NLP/5-Hotel-Reviews-2/assignment.md +++ b/translations/hu/6-NLP/5-Hotel-Reviews-2/assignment.md @@ -1,12 +1,3 @@ - # Próbálj ki egy másik adatállományt ## Útmutató diff --git a/translations/hu/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md b/translations/hu/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md index 64eaaaf47..fecc172e0 100644 --- a/translations/hu/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md +++ b/translations/hu/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/hu/6-NLP/5-Hotel-Reviews-2/solution/R/README.md b/translations/hu/6-NLP/5-Hotel-Reviews-2/solution/R/README.md index f6e38541a..1568f8842 100644 --- a/translations/hu/6-NLP/5-Hotel-Reviews-2/solution/R/README.md +++ b/translations/hu/6-NLP/5-Hotel-Reviews-2/solution/R/README.md @@ -1,12 +1,3 @@ - ez egy ideiglenes helyőrző --- diff --git a/translations/hu/6-NLP/README.md b/translations/hu/6-NLP/README.md index e8a1131f7..3df5fd287 100644 --- a/translations/hu/6-NLP/README.md +++ b/translations/hu/6-NLP/README.md @@ -1,12 +1,3 @@ - # Bevezetés a természetes nyelvfeldolgozásba A természetes nyelvfeldolgozás (NLP) egy számítógépes program képessége arra, hogy megértse az emberi nyelvet, ahogyan azt beszélik és írják – ezt nevezzük természetes nyelvnek. Ez a mesterséges intelligencia (AI) egyik összetevője. Az NLP több mint 50 éve létezik, és a nyelvészet területén gyökerezik. Az egész terület célja, hogy segítse a gépeket az emberi nyelv megértésében és feldolgozásában. Ezután olyan feladatok elvégzésére használható, mint például a helyesírás-ellenőrzés vagy a gépi fordítás. Számos valós alkalmazása van különböző területeken, például orvosi kutatásban, keresőmotorokban és üzleti intelligenciában. diff --git a/translations/hu/6-NLP/data/README.md b/translations/hu/6-NLP/data/README.md index be7f263f3..93e3f6858 100644 --- a/translations/hu/6-NLP/data/README.md +++ b/translations/hu/6-NLP/data/README.md @@ -1,12 +1,3 @@ - Töltse le a szállodai értékelési adatokat ebbe a mappába. --- diff --git a/translations/hu/7-TimeSeries/1-Introduction/README.md b/translations/hu/7-TimeSeries/1-Introduction/README.md index 52aaf28ea..922dee884 100644 --- a/translations/hu/7-TimeSeries/1-Introduction/README.md +++ b/translations/hu/7-TimeSeries/1-Introduction/README.md @@ -1,12 +1,3 @@ - # Bevezetés az idősoros előrejelzésbe ![Idősorok összefoglalása egy vázlatrajzban](../../../../sketchnotes/ml-timeseries.png) diff --git a/translations/hu/7-TimeSeries/1-Introduction/assignment.md b/translations/hu/7-TimeSeries/1-Introduction/assignment.md index 375dde9bd..575ca1f47 100644 --- a/translations/hu/7-TimeSeries/1-Introduction/assignment.md +++ b/translations/hu/7-TimeSeries/1-Introduction/assignment.md @@ -1,12 +1,3 @@ - # Vizualizálj néhány további idősort ## Útmutató diff --git a/translations/hu/7-TimeSeries/1-Introduction/solution/Julia/README.md b/translations/hu/7-TimeSeries/1-Introduction/solution/Julia/README.md index 51273c637..97d00d727 100644 --- a/translations/hu/7-TimeSeries/1-Introduction/solution/Julia/README.md +++ b/translations/hu/7-TimeSeries/1-Introduction/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/hu/7-TimeSeries/1-Introduction/solution/R/README.md b/translations/hu/7-TimeSeries/1-Introduction/solution/R/README.md index e8231290c..ea882a529 100644 --- a/translations/hu/7-TimeSeries/1-Introduction/solution/R/README.md +++ b/translations/hu/7-TimeSeries/1-Introduction/solution/R/README.md @@ -1,12 +1,3 @@ - ez egy ideiglenes helyőrző --- diff --git a/translations/hu/7-TimeSeries/2-ARIMA/README.md b/translations/hu/7-TimeSeries/2-ARIMA/README.md index 0cfbcbcdb..10fb6b25f 100644 --- a/translations/hu/7-TimeSeries/2-ARIMA/README.md +++ b/translations/hu/7-TimeSeries/2-ARIMA/README.md @@ -1,12 +1,3 @@ - # Idősorok előrejelzése ARIMA-val Az előző leckében megismerkedtél az idősorok előrejelzésének alapjaival, és betöltöttél egy adatállományt, amely az elektromos terhelés ingadozásait mutatja egy időszak alatt. diff --git a/translations/hu/7-TimeSeries/2-ARIMA/assignment.md b/translations/hu/7-TimeSeries/2-ARIMA/assignment.md index 9e9a4fcdd..6150ef6dd 100644 --- a/translations/hu/7-TimeSeries/2-ARIMA/assignment.md +++ b/translations/hu/7-TimeSeries/2-ARIMA/assignment.md @@ -1,12 +1,3 @@ - # Egy új ARIMA modell ## Útmutató diff --git a/translations/hu/7-TimeSeries/2-ARIMA/solution/Julia/README.md b/translations/hu/7-TimeSeries/2-ARIMA/solution/Julia/README.md index 7a1cfa595..fecc172e0 100644 --- a/translations/hu/7-TimeSeries/2-ARIMA/solution/Julia/README.md +++ b/translations/hu/7-TimeSeries/2-ARIMA/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/hu/7-TimeSeries/2-ARIMA/solution/R/README.md b/translations/hu/7-TimeSeries/2-ARIMA/solution/R/README.md index 835c35833..e422ed196 100644 --- a/translations/hu/7-TimeSeries/2-ARIMA/solution/R/README.md +++ b/translations/hu/7-TimeSeries/2-ARIMA/solution/R/README.md @@ -1,12 +1,3 @@ - ez egy ideiglenes helyőrző --- diff --git a/translations/hu/7-TimeSeries/3-SVR/README.md b/translations/hu/7-TimeSeries/3-SVR/README.md index d0cca15a5..143393be3 100644 --- a/translations/hu/7-TimeSeries/3-SVR/README.md +++ b/translations/hu/7-TimeSeries/3-SVR/README.md @@ -1,12 +1,3 @@ - # Idősoros előrejelzés Support Vector Regressor segítségével Az előző leckében megtanultad, hogyan használhatod az ARIMA modellt idősoros előrejelzések készítésére. Most a Support Vector Regressor modellel fogsz megismerkedni, amely egy regressziós modell folyamatos adatok előrejelzésére. diff --git a/translations/hu/7-TimeSeries/3-SVR/assignment.md b/translations/hu/7-TimeSeries/3-SVR/assignment.md index 6e4a2f44d..f70f6fefa 100644 --- a/translations/hu/7-TimeSeries/3-SVR/assignment.md +++ b/translations/hu/7-TimeSeries/3-SVR/assignment.md @@ -1,12 +1,3 @@ - # Egy új SVR modell ## Útmutató [^1] diff --git a/translations/hu/7-TimeSeries/README.md b/translations/hu/7-TimeSeries/README.md index 9528facfc..b00431af6 100644 --- a/translations/hu/7-TimeSeries/README.md +++ b/translations/hu/7-TimeSeries/README.md @@ -1,12 +1,3 @@ - # Bevezetés az időbeli előrejelzésbe Mi az időbeli előrejelzés? A jövőbeli események előrejelzéséről szól, a múltbeli trendek elemzése alapján. diff --git a/translations/hu/8-Reinforcement/1-QLearning/README.md b/translations/hu/8-Reinforcement/1-QLearning/README.md index dbf0eda57..3c62ffae1 100644 --- a/translations/hu/8-Reinforcement/1-QLearning/README.md +++ b/translations/hu/8-Reinforcement/1-QLearning/README.md @@ -1,12 +1,3 @@ - # Bevezetés a megerősítéses tanulásba és a Q-tanulásba ![A gépi tanulás megerősítésének összefoglalása egy sketchnote-ban](../../../../sketchnotes/ml-reinforcement.png) diff --git a/translations/hu/8-Reinforcement/1-QLearning/assignment.md b/translations/hu/8-Reinforcement/1-QLearning/assignment.md index 27988415c..1b483999e 100644 --- a/translations/hu/8-Reinforcement/1-QLearning/assignment.md +++ b/translations/hu/8-Reinforcement/1-QLearning/assignment.md @@ -1,12 +1,3 @@ - # Egy Reálisabb Világ A mi helyzetünkben Péter szinte fáradtság vagy éhség nélkül tudott mozogni. Egy reálisabb világban időnként le kell ülnie pihenni, és ennie is kell. Tegyük világunkat reálisabbá az alábbi szabályok bevezetésével: diff --git a/translations/hu/8-Reinforcement/1-QLearning/solution/Julia/README.md b/translations/hu/8-Reinforcement/1-QLearning/solution/Julia/README.md index e9650de25..e045bd5bc 100644 --- a/translations/hu/8-Reinforcement/1-QLearning/solution/Julia/README.md +++ b/translations/hu/8-Reinforcement/1-QLearning/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/hu/8-Reinforcement/1-QLearning/solution/R/README.md b/translations/hu/8-Reinforcement/1-QLearning/solution/R/README.md index dad0ee564..ea882a529 100644 --- a/translations/hu/8-Reinforcement/1-QLearning/solution/R/README.md +++ b/translations/hu/8-Reinforcement/1-QLearning/solution/R/README.md @@ -1,12 +1,3 @@ - ez egy ideiglenes helyőrző --- diff --git a/translations/hu/8-Reinforcement/2-Gym/README.md b/translations/hu/8-Reinforcement/2-Gym/README.md index d5c767591..eb48c1516 100644 --- a/translations/hu/8-Reinforcement/2-Gym/README.md +++ b/translations/hu/8-Reinforcement/2-Gym/README.md @@ -1,12 +1,3 @@ - # CartPole Gördeszkázás Az előző leckében megoldott probléma talán játékszerűnek tűnhet, és nem igazán alkalmazhatónak a valós életben. Ez azonban nem így van, mivel sok valós probléma is hasonló helyzetet mutat – például sakk vagy Go játék közben. Ezek hasonlóak, mert van egy táblánk adott szabályokkal és egy **diszkrét állapot**. diff --git a/translations/hu/8-Reinforcement/2-Gym/assignment.md b/translations/hu/8-Reinforcement/2-Gym/assignment.md index f2af6ca0f..de90f80e5 100644 --- a/translations/hu/8-Reinforcement/2-Gym/assignment.md +++ b/translations/hu/8-Reinforcement/2-Gym/assignment.md @@ -1,12 +1,3 @@ - # Hegyi Autó Tanítása [OpenAI Gym](http://gym.openai.com) úgy lett kialakítva, hogy minden környezet ugyanazt az API-t biztosítsa - azaz ugyanazokat a `reset`, `step` és `render` metódusokat, valamint az **akciótér** és **megfigyelési tér** azonos absztrakcióit. Ezért lehetségesnek kell lennie, hogy ugyanazokat a megerősítéses tanulási algoritmusokat minimális kódmódosítással különböző környezetekhez igazítsuk. diff --git a/translations/hu/8-Reinforcement/2-Gym/solution/Julia/README.md b/translations/hu/8-Reinforcement/2-Gym/solution/Julia/README.md index 2f71bd87f..1066f52e1 100644 --- a/translations/hu/8-Reinforcement/2-Gym/solution/Julia/README.md +++ b/translations/hu/8-Reinforcement/2-Gym/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/hu/8-Reinforcement/2-Gym/solution/R/README.md b/translations/hu/8-Reinforcement/2-Gym/solution/R/README.md index 8f8fea618..e422ed196 100644 --- a/translations/hu/8-Reinforcement/2-Gym/solution/R/README.md +++ b/translations/hu/8-Reinforcement/2-Gym/solution/R/README.md @@ -1,12 +1,3 @@ - ez egy ideiglenes helyőrző --- diff --git a/translations/hu/8-Reinforcement/README.md b/translations/hu/8-Reinforcement/README.md index 3a1e4cecb..2b3d9d4ca 100644 --- a/translations/hu/8-Reinforcement/README.md +++ b/translations/hu/8-Reinforcement/README.md @@ -1,12 +1,3 @@ - # Bevezetés a megerősítéses tanulásba A megerősítéses tanulás, azaz RL, a gépi tanulás egyik alapvető paradigmájának számít, a felügyelt tanulás és a nem felügyelt tanulás mellett. Az RL a döntésekről szól: helyes döntések meghozatala vagy legalább tanulás a hibákból. diff --git a/translations/hu/9-Real-World/1-Applications/README.md b/translations/hu/9-Real-World/1-Applications/README.md index 8f1cd0a7b..cd30ec54e 100644 --- a/translations/hu/9-Real-World/1-Applications/README.md +++ b/translations/hu/9-Real-World/1-Applications/README.md @@ -1,12 +1,3 @@ - # Utóirat: Gépi tanulás a való világban ![A gépi tanulás összefoglalása a való világban egy sketchnote-ban](../../../../sketchnotes/ml-realworld.png) diff --git a/translations/hu/9-Real-World/1-Applications/assignment.md b/translations/hu/9-Real-World/1-Applications/assignment.md index 800b02436..d2683c9e0 100644 --- a/translations/hu/9-Real-World/1-Applications/assignment.md +++ b/translations/hu/9-Real-World/1-Applications/assignment.md @@ -1,12 +1,3 @@ - # ML Kincsvadászat ## Útmutató diff --git a/translations/hu/9-Real-World/2-Debugging-ML-Models/README.md b/translations/hu/9-Real-World/2-Debugging-ML-Models/README.md index 5d30d209c..5ceec6d39 100644 --- a/translations/hu/9-Real-World/2-Debugging-ML-Models/README.md +++ b/translations/hu/9-Real-World/2-Debugging-ML-Models/README.md @@ -1,12 +1,3 @@ - # Utószó: Modellhibakeresés gépi tanulásban a Responsible AI dashboard komponenseivel ## [Előadás előtti kvíz](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/hu/9-Real-World/2-Debugging-ML-Models/assignment.md b/translations/hu/9-Real-World/2-Debugging-ML-Models/assignment.md index e392ef3b4..eb2059f5e 100644 --- a/translations/hu/9-Real-World/2-Debugging-ML-Models/assignment.md +++ b/translations/hu/9-Real-World/2-Debugging-ML-Models/assignment.md @@ -1,12 +1,3 @@ - # Fedezd fel a Responsible AI (RAI) dashboardot ## Útmutató diff --git a/translations/hu/9-Real-World/README.md b/translations/hu/9-Real-World/README.md index 626c6ac28..8e26bb9b0 100644 --- a/translations/hu/9-Real-World/README.md +++ b/translations/hu/9-Real-World/README.md @@ -1,12 +1,3 @@ - # Utószó: Klasszikus gépi tanulás valós alkalmazásai A tananyag ezen részében megismerkedhetsz a klasszikus gépi tanulás néhány valós alkalmazásával. Az internetet átkutatva olyan tanulmányokat és cikkeket gyűjtöttünk össze, amelyek ezekkel a stratégiákkal dolgoztak, miközben a neurális hálózatokat, mélytanulást és mesterséges intelligenciát a lehető legnagyobb mértékben elkerülték. Ismerd meg, hogyan használják a gépi tanulást üzleti rendszerekben, ökológiai alkalmazásokban, pénzügyekben, művészetekben és kultúrában, valamint sok más területen. diff --git a/translations/hu/AGENTS.md b/translations/hu/AGENTS.md index 88b65004c..684ebe9c0 100644 --- a/translations/hu/AGENTS.md +++ b/translations/hu/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## Projektáttekintés diff --git a/translations/hu/CODE_OF_CONDUCT.md b/translations/hu/CODE_OF_CONDUCT.md index a5706c8e9..8211295cf 100644 --- a/translations/hu/CODE_OF_CONDUCT.md +++ b/translations/hu/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # Microsoft Nyílt Forráskódú Magatartási Kódex Ez a projekt a [Microsoft Nyílt Forráskódú Magatartási Kódexet](https://opensource.microsoft.com/codeofconduct/) alkalmazza. diff --git a/translations/hu/CONTRIBUTING.md b/translations/hu/CONTRIBUTING.md index 1af0741fe..506cf6c52 100644 --- a/translations/hu/CONTRIBUTING.md +++ b/translations/hu/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # Hozzájárulás Ez a projekt örömmel fogadja a hozzájárulásokat és javaslatokat. A legtöbb hozzájárulás esetében szükséges, hogy elfogadjon egy Hozzájárulói Licencmegállapodást (CLA), amelyben kijelenti, hogy joga van, és ténylegesen megadja nekünk a jogot, hogy felhasználjuk a hozzájárulását. További részletekért látogasson el a https://cla.microsoft.com oldalra. diff --git a/translations/hu/README.md b/translations/hu/README.md index 8c523b584..3ca19b0dc 100644 --- a/translations/hu/README.md +++ b/translations/hu/README.md @@ -1,12 +1,3 @@ - [![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) @@ -19,160 +10,160 @@ CO_OP_TRANSLATOR_METADATA: ### 🌐 Többnyelvű támogatás -#### GitHub Action segítségével (automatikus és mindig naprakész) +#### GitHub Action segítségével támogatott (Automatikus & Mindig naprakész) -[Arab](../ar/README.md) | [Bengáli](../bn/README.md) | [Bolgár](../bg/README.md) | [Burmai (Myanmar)](../my/README.md) | [Kínai (egyszerűsített)](../zh/README.md) | [Kínai (hagyományos, Hong Kong)](../hk/README.md) | [Kínai (hagyományos, Makaó)](../mo/README.md) | [Kínai (hagyományos, Tajvan)](../tw/README.md) | [Horvát](../hr/README.md) | [Cseh](../cs/README.md) | [Dán](../da/README.md) | [Holland](../nl/README.md) | [Észt](../et/README.md) | [Finn](../fi/README.md) | [Francia](../fr/README.md) | [Német](../de/README.md) | [Görög](../el/README.md) | [Héber](../he/README.md) | [Hindi](../hi/README.md) | [Magyar](./README.md) | [Indonéz](../id/README.md) | [Olasz](../it/README.md) | [Japán](../ja/README.md) | [Kannada](../kn/README.md) | [Koreai](../ko/README.md) | [Litván](../lt/README.md) | [Maláj](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepáli](../ne/README.md) | [Nigériai pidgin](../pcm/README.md) | [Norvég](../no/README.md) | [Perzsa (Fárszi)](../fa/README.md) | [Lengyel](../pl/README.md) | [Portugál (Brazília)](../br/README.md) | [Portugál (Portugália)](../pt/README.md) | [Pandzsábi (Gurmuki)](../pa/README.md) | [Román](../ro/README.md) | [Orosz](../ru/README.md) | [Szerb (cirill)](../sr/README.md) | [Szlovák](../sk/README.md) | [Szlovén](../sl/README.md) | [Spanyol](../es/README.md) | [Szuahéli](../sw/README.md) | [Svéd](../sv/README.md) | [Tagalog (Filippínó)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Török](../tr/README.md) | [Ukrán](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnami](../vi/README.md) +[Arab](../ar/README.md) | [Bengáli](../bn/README.md) | [Bolgár](../bg/README.md) | [Burmai (Myanmar)](../my/README.md) | [Kínai (Egyszerűsített)](../zh-CN/README.md) | [Kínai (Hagyományos, Hongkong)](../zh-HK/README.md) | [Kínai (Hagyományos, Makaó)](../zh-MO/README.md) | [Kínai (Hagyományos, Tajvan)](../zh-TW/README.md) | [Horvát](../hr/README.md) | [Cseh](../cs/README.md) | [Dán](../da/README.md) | [Holland](../nl/README.md) | [Észt](../et/README.md) | [Finn](../fi/README.md) | [Francia](../fr/README.md) | [Német](../de/README.md) | [Görög](../el/README.md) | [Héber](../he/README.md) | [Hindi](../hi/README.md) | [Magyar](./README.md) | [Indonéz](../id/README.md) | [Olasz](../it/README.md) | [Japán](../ja/README.md) | [Kannada](../kn/README.md) | [Koreai](../ko/README.md) | [Litván](../lt/README.md) | [Maláj](../ms/README.md) | [Malajálam](../ml/README.md) | [Maráthi](../mr/README.md) | [Nepáli](../ne/README.md) | [Nigériai pidzsín](../pcm/README.md) | [Norvég](../no/README.md) | [Perzsa (Fárszi)](../fa/README.md) | [Lengyel](../pl/README.md) | [Portugál (Brazília)](../pt-BR/README.md) | [Portugál (Portugália)](../pt-PT/README.md) | [Pandzsábi (Gurmukhi)](../pa/README.md) | [Román](../ro/README.md) | [Orosz](../ru/README.md) | [Szerb (Cirill)](../sr/README.md) | [Szlovák](../sk/README.md) | [Szlovén](../sl/README.md) | [Spanyol](../es/README.md) | [Szuahéli](../sw/README.md) | [Svéd](../sv/README.md) | [Tagalog (Filippínó)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Török](../tr/README.md) | [Ukrán](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnami](../vi/README.md) -> **Inkább helyben klónoznád?** +> **Inkább helyileg klónoznád?** -> Ez a tárház több mint 50 nyelvi fordítást tartalmaz, amelyek jelentősen megnövelik a letöltési méretet. Fordítások nélküli klónozáshoz használja a sparse checkout-ot: +> Ez a tároló több mint 50 nyelvű fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. Fordítások nélküli klónozáshoz használd a sparse checkout-ot: > ```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' > ``` -> Így minden megvan, ami a tanfolyam elvégzéséhez szükséges, sokkal gyorsabb letöltéssel. +> Ez mindent megad, amire szükséged van a tanfolyam elvégzéséhez sokkal gyorsabb letöltéssel. -#### Csatlakozzon közösségünkhöz +#### Csatlakozz a közösségünkhöz [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Folyamatban van egy Discord "Tanulj az MI-vel" sorozatunk, további információkért és részvételért látogasson el a [Learn with AI Series](https://aka.ms/learnwithai/discord) oldalra 2025. szeptember 18. és 30. között. Tippeket és trükköket kaphat a GitHub Copilot használatához az Adattudományban. +Jelenleg Fut egy Discord "Learn with AI" sorozatunk, tudj meg többet és csatlakozz hozzánk a [Learn with AI Series](https://aka.ms/learnwithai/discord) eseményen 2025. szeptember 18-30 között. Tippeket és trükköket kapsz a GitHub Copilot használatához az adatelemzésben. -![Tanulj az MI-vel sorozat](../../../../translated_images/hu/3.9b58fd8d6c373c20.webp) +![Learn with AI series](../../translated_images/hu/3.9b58fd8d6c373c20.webp) -# Gépi tanulás kezdőknek - Tananyag +# Gépi tanulás kezdőknek - Egy tananyag -> 🌍 Utazz velünk a világ körül, miközben a gépi tanulást a világ kultúrái által fedezzük fel 🌍 +> 🌍 Utazzunk a világ körül, miközben a gépi tanulást a világ kultúrái segítségével fedezzük fel 🌍 -A Microsoft felhős képviselői örömmel kínálnak egy 12 hetes, 26 leckéből álló tananyagot, amely a **gépi tanulásról** szól. Ebben a tananyagban azt tanulod meg, amit néha **klasszikus gépi tanulásnak** neveznek, elsősorban a Scikit-learn könyvtárat használva, elkerülve a mélytanulást, amelyet a [MI kezdőknek tananyagunkban](https://aka.ms/ai4beginners) tárgyalunk. Párosítsd ezeket a leckéket a ['Adattudomány kezdőknek' tananyaggal](https://aka.ms/ds4beginners) is! +A Microsoft Cloud Advocates örömmel kínál egy 12 hetes, 26 leckéből álló tananyagot, amely teljes egészében a **gépi tanulásról** szól. Ebben a tananyagban a néha csak **klasszikus gépi tanulásnak** nevezett témákat tanulhatod meg, főként a Scikit-learn könyvtárat használva, elkerülve a mélytanulást, amelyet a mi [AI for Beginners tananyagunk](https://aka.ms/ai4beginners) részletesen lefed. Ezeket a leckéket párosíthatod a ['Data Science for Beginners' tananyaggal](https://aka.ms/ds4beginners) is! -Utazz velünk a világ körül, miközben ezeket a klasszikus technikákat a világ sok területéről származó adatokra alkalmazzuk. Minden lecke tartalmaz elő- és utóleckés kvízeket, írásos útmutatót a lecke elvégzéséhez, megoldást, feladatot, és még többet. Projekt-alapú oktatásunk révén tanulhatsz miközben építesz, ami bevált módszer az új készségek tartós elsajátítására. +Utazz velünk a világ különféle részeire, miközben ezen klasszikus technikákat különböző területekről származó adatokra alkalmazzuk. Minden lecke tartalmaz elő- és utóvizsgát, írott instrukciókat a lecke elvégzéséhez, megoldást, feladatot és még sok mást. Projekt alapú oktatásunk lehetővé teszi, hogy építés közben tanulj, ami bizonyított módszer az új készségek megragadására. -**✍️ Hálás köszönet szerzőinknek:** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu és Amy Boyd +**✍️ Szívből köszönjük szerzőinknek:** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu és Amy Boyd -**🎨 Köszönet illusztrátorainknak is:** Tomomi Imura, Dasani Madipalli és Jen Looper +**🎨 Köszönet illusztrátorainknak is:** Tomomi Imura, Dasani Madipalli, és Jen Looper -**🙏 Külön köszönet a Microsoft Student Ambassador szerzőknek, lektoroknak és tartalomközreműködőknek, különösen Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila és Snigdha Agarwal** +**🙏 Külön köszönet 🙏 Microsoft Hallgatói Nagykövet szerzőinknek, lektorainknak és tartalomközreműködőinknek, köztük Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila és Snigdha Agarwal -**🤩 További hálánk Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi és Vidushi Gupta számára az R leckéinkért!** +**🤩 Külön hála Microsoft Hallgatói Nagyköveteknek Eric Wanjau, Jasleen Sondhi és Vidushi Gupta a R leckéinkhez!** # Kezdés -Kövesd az alábbi lépéseket: -1. **Furkálja le a tárházat**: Kattints a jobb felső sarokban a "Fork" gombra. -2. **Klónozd a tárházat**: `git clone https://github.com/microsoft/ML-For-Beginners.git` +Kövesd ezeket a lépéseket: +1. **Forkold a tárolót**: Kattints a jobb felső sarokban a "Fork" gombra. +2. **Klónozd a tárolót**: `git clone https://github.com/microsoft/ML-For-Beginners.git` -> [az összes további erőforrást megtalálod a Microsoft Learn gyűjteményünkben](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [minden további forrást megtalálsz a Microsoft Learn gyűjteményünkben](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -> 🔧 **Segítségre van szükséged?** Nézd meg a [Hibakeresési útmutatónkat](TROUBLESHOOTING.md) az általános telepítési, beállítási és lecke futtatási problémák megoldásához. +> 🔧 **Szükséged van segítségre?** Nézd meg a [Hibaelhárítási útmutatónkat](TROUBLESHOOTING.md), amely megoldásokat kínál gyakori telepítési, beállítási és lecke futtatási problémákra. -**[Hallgatók](https://aka.ms/student-page)**, ahhoz, hogy használjátok ezt a tananyagot, forkold a teljes repót a saját GitHub fiókodra és végezd el a feladatokat egyénileg vagy csoportban: +**[Diákok](https://aka.ms/student-page)**, a tananyag használatához forkold az egész tárolót a saját GitHub fiókodra, és végezd el a gyakorlatokat egyénileg vagy csoportban: - Kezdd egy előadás előtti kvízzel. -- Olvasd el az előadást és végezd el a tevékenységeket, minden tudásellenőrzésnél tarts szünetet és gondolkodj el. -- Próbáld meg a projekteket a leckék megértésével létrehozni, ne csak a megoldás-kód futtatásával; azonban ez a kód elérhető a /solution mappákban minden projekt-orientált leckében. -- Tedd le az utóleckés kvízt. +- Olvasd el az előadást és végezd el a feladatokat, időnként megállva és átgondolva az adott tudásellenőrzést. +- Próbáld meg elkészíteni a projekteket úgy, hogy megérted a leckéket, nem csak lefuttatod a megoldó kódot; a kód azonban elérhető a /solution mappákban az egyes projektközpontú leckéknél. +- Tedd meg az előadás utáni kvízt. - Teljesítsd a kihívást. -- Végezd el a feladatot. -- Miután egy leckecsoportot befejeztél, látogass el a [Vita fórumra](https://github.com/microsoft/ML-For-Beginners/discussions) és tanulj hangosan azáltal, hogy kitöltöd a megfelelő PAT értékelőt. A 'PAT' egy haladás-értékelő eszköz, amely egy értékelőrendszer, amit kitöltesz, hogy előbbre juss a tanulásban. Más PAT-ekre is reagálhatsz, hogy együtt tanuljunk. +- Teljesítsd a házi feladatot. +- Miután egy leckecsoportot befejeztél, látogasd meg a [Vita Fórumot](https://github.com/microsoft/ML-For-Beginners/discussions), és "tanulj hangosan" a megfelelő PAT-értékelőlap kitöltésével. A 'PAT' egy előrehaladási értékelő eszköz, amely egy értékelőlap, amit kitöltesz a tanulásod elősegítésére. Más PAT-ekre is reagálhatsz, hogy együtt tanulhassunk. -> További tanulmányozásra azt ajánljuk, hogy kövesd ezeket a [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modulokat és tanulási útvonalakat. +> További tanulmányokhoz ajánljuk ezeknek a [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) moduloknak és tanulási utaknak a követését. -**Tanárként**, [találsz néhány javaslatot](for-teachers.md) arra, hogyan használd ezt a tananyagot. +**Tanáriaként**, néhány használati javaslatot [mellékeltünk](for-teachers.md) ehhez a tananyaghoz. --- ## Videó bemutatók -A leckék egy része rövid formátumú videóként is elérhető. Mindezeket megtalálod az leckékben inline, vagy a [ML for Beginners lejátszási listán a Microsoft Developer YouTube csatornán](https://aka.ms/ml-beginners-videos) a lenti képre kattintva. +Néhány lecke rövid videó formájában is elérhető. Ezeket megtalálod beágyazva a leckékben, vagy a [ML for Beginners lejátszási listán a Microsoft Developer YouTube csatornán](https://aka.ms/ml-beginners-videos) az alábbi képre kattintva. -[![ML for beginners banner](../../../../translated_images/hu/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) +[![ML for beginners banner](../../translated_images/hu/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- -## Ismerd meg a csapatot +## Ismerkedj meg a csapattal [![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) -**Gif készítője** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) +**Gif készítője:** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 Kattints a fenti képre egy videóért a projektről és az alkotóiról! +> 🎥 Kattints a fenti képre, hogy megnézz egy videót a projektről és az alkotóiról! --- -## Oktatási elvek +## Pedagógia -Két pedagógiai elvet választottunk a tananyag elkészítésekor: azt, hogy gyakorlatorientált, **projekt-alapú** legyen, és hogy tartalmazzon **gyakori kvízeket**. Ezen felül a tananyagnak van egy közös **téma** is, hogy kohéziót adjon neki. +Két alapvető pedagógiai elvet választottunk a tananyag fejlesztése során: hogy kézzel fogható, **projektalapú** legyen, és hogy **gyakori kvízeket** tartalmazzon. Ezen felül a tananyagnak van egy közös **téma** is az összetartozás érdekében. -Azáltal, hogy a tartalom a projektekhez kapcsolódik, az egész folyamat élvezetesebb a tanulók számára, és a fogalmak megtartása is fokozódik. Ezenkívül egy alacsony tétű kvíz az óra előtt előkészíti a hallgató szándékát a téma megtanulására, míg az óra utáni második kvíz további megtartást biztosít. Ez a tananyag rugalmas és szórakoztató formában készült, egyben vagy részleteiben is végezhető. A projektek kicsiben kezdődnek, és egyre összetettebbé válnak a 12 hetes ciklus végére. A tananyag egy utószót is tartalmaz a gépi tanulás valódi alkalmazásairól, amely extra pontként vagy megbeszélés alapjaként használható. +Azáltal, hogy a tartalom projektekhez kapcsolódik, a tanulási folyamat élvezetesebbé válik a tanulók számára, és a fogalmak megjegyzése javul. Emellett egy alacsony téttel bíró kvíz az óra előtt beállítja a tanuló szándékát a tématanulásra, míg egy második kvíz az óra után segíti az anyag további megjegyzését. Ez a tananyag rugalmas és szórakoztató, és egészben vagy részenként is elvégezhető. A projektek kicsiként indulnak, és a 12 hetes ciklus végére egyre összetettebbé válnak. A tananyag tartalmaz egy utószót is a gépi tanulás valós alkalmazásairól, amit extra kreditezésre vagy vitaalapnak lehet használni. -> Tekintsd meg az [Etikai kódexünket](CODE_OF_CONDUCT.md), a [Közreműködés](CONTRIBUTING.md), [Fordítási](TRANSLATIONS.md) és [Hibakeresési](TROUBLESHOOTING.md) irányelveinket. Várjuk építő jellegű visszajelzéseidet! +> Találd meg irányelveinket: [Viselkedési szabályzat](CODE_OF_CONDUCT.md), [Hozzájárulás](CONTRIBUTING.md), [Fordítás](TRANSLATIONS.md), és [Hibaelhárítás](TROUBLESHOOTING.md). Várjuk építő jellegű visszajelzésedet! -## Minden lecke tartalmaz +## Minden lecke tartalmazza - opcionális vázlatjegyzetet - opcionális kiegészítő videót -- videós bemutatót (csak egyes leckéknél) +- videós bemutatót (csak néhány leckénél) - [előadás előtti bemelegítő kvízt](https://ff-quizzes.netlify.app/en/ml/) -- írásos leckét -- projekt-alapú leckékhez lépésenkénti útmutatót a projekt elkészítéséhez +- írott leckét +- projektalapú leckéknél lépésenkénti útmutatót a projekt elkészítéséhez - tudásellenőrzéseket -- kihívást -- kiegészítő olvasmányt +- egy kihívást +- kiegészítő olvasmányokat - feladatot - [előadás utáni kvízt](https://ff-quizzes.netlify.app/en/ml/) -> **Megjegyzés a nyelvekről**: Ezek a leckék elsősorban Pythonban íródtak, de sok elérhető R-ben is. Az R lecke elvégzéséhez menj a `/solution` mappába, és keress R leckéket. Ezek .rmd kiterjesztésű fájlok, amelyek egy **R Markdown** fájlt jelentenek, egyszerűen megfogalmazva egy olyan dokumentumot, ami `kódrészleteket` (R vagy más nyelvek) és egy `YAML fejlécet` (amely útmutatást ad a kimenetek, például PDF formázására) tartalmaz markdown dokumentumban. Így példamutató szerkesztési keretet nyújt az adattudományhoz, mivel lehetővé teszi, hogy kódodat, annak kimenetét és gondolataidat markdownban írd le. R Markdown dokumentumok PDF, HTML vagy Word kimeneti formátumokba is konvertálhatók. -> **Megjegyzés a kvízekhez**: Az összes kvíz megtalálható a [Quiz App mappában](../../quiz-app), összesen 52 darab, mindegyik három kérdéssel. Az órákból van linkelve, de a kvízalkalmazás helyben is futtatható; kövesd a `quiz-app` mappa utasításait a helyi hosztoláshoz vagy az Azure-ra történő telepítéshez. - -| Óra száma | Téma | Óra csoportosítása | Tanulási célok | Linked Lesson | Szerző | -| :-------: | :----------------------------------------------------------: | :----------------------------------------------------: | -------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :-------------------------------------------------: | -| 01 | Bevezetés a gépi tanulásba | [Bevezetés](1-Introduction/README.md) | Ismerd meg a gépi tanulás alapfogalmait | [Óra](1-Introduction/1-intro-to-ML/README.md) | Muhammad | -| 02 | A gépi tanulás története | [Bevezetés](1-Introduction/README.md) | Ismerd meg e terület történetét | [Óra](1-Introduction/2-history-of-ML/README.md) | Jen és Amy | -| 03 | Méltányosság és gépi tanulás | [Bevezetés](1-Introduction/README.md) | Mik a fontos filozófiai kérdések a méltányossággal kapcsolatban, amelyeket a tanulóknak figyelembe kell venniük a gépi tanulási modellek építése és alkalmazása során? | [Óra](1-Introduction/3-fairness/README.md) | Tomomi | -| 04 | Gépi tanulási technikák | [Bevezetés](1-Introduction/README.md) | Milyen technikákat használnak a gépi tanulás kutatói a modellek építéséhez? | [Óra](1-Introduction/4-techniques-of-ML/README.md) | Chris és Jen | -| 05 | Bevezetés a regresszióba | [Regresszió](2-Regression/README.md) | Ismerkedj meg a Python és Scikit-learn használatával regressziós modellekhez | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | -| 06 | Észak-amerikai tökárak 🎃 | [Regresszió](2-Regression/README.md) | Adatok vizualizálása és tisztítása gépi tanulás előkészítéséhez | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | -| 07 | Észak-amerikai tökárak 🎃 | [Regresszió](2-Regression/README.md) | Lineáris és polinomiális regressziós modellek építése | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen és Dmitry • Eric Wanjau | -| 08 | Észak-amerikai tökárak 🎃 | [Regresszió](2-Regression/README.md) | Logisztikus regressziós modell építése | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | -| 09 | Webalkalmazás 🔌 | [Web App](3-Web-App/README.md) | Webalkalmazás építése a betanított modell használatához | [Python](3-Web-App/1-Web-App/README.md) | Jen | -| 10 | Bevezetés osztályozásba | [Osztályozás](4-Classification/README.md) | Tisztítsd, készítsd elő és vizualizáld az adatokat; bevezetés az osztályozásba | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen és Cassie • Eric Wanjau | -| 11 | Finom ázsiai és indiai konyhák 🍜 | [Osztályozás](4-Classification/README.md) | Bevezetés az osztályozókba | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen és Cassie • Eric Wanjau | -| 12 | Finom ázsiai és indiai konyhák 🍜 | [Osztályozás](4-Classification/README.md) | Több osztályozó | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen és Cassie • Eric Wanjau | -| 13 | Finom ázsiai és indiai konyhák 🍜 | [Osztályozás](4-Classification/README.md) | Ajánló webalkalmazás építése a modelled használatával | [Python](4-Classification/4-Applied/README.md) | Jen | -| 14 | Bevezetés a klaszterezésbe | [Klaszterezés](5-Clustering/README.md) | Tisztítsd, készítsd elő és vizualizáld az adatokat; bevezetés a klaszterezésbe | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | -| 15 | Felfedezés a nigériai zenei ízlésekben 🎧 | [Klaszterezés](5-Clustering/README.md) | Fedezd fel a K-közép klaszterezési módszert | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | -| 16 | Bevezetés a természetes nyelvfeldolgozásba ☕️ | [Természetes nyelvfeldolgozás](6-NLP/README.md) | Ismerd meg az NLP alapjait egyszerű bot építésével | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | -| 17 | Gyakori NLP feladatok ☕️ | [Természetes nyelvfeldolgozás](6-NLP/README.md) | Mélyítsd el NLP tudásod, értsd meg a nyelvi struktúrákkal kapcsolatos gyakori feladatokat | [Python](6-NLP/2-Tasks/README.md) | Stephen | -| 18 | Fordítás és érzelemelemzés ♥️ | [Természetes nyelvfeldolgozás](6-NLP/README.md) | Fordítás és érzelemelemzés Jane Austen műveivel | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | -| 19 | Romantikus európai szállodák ♥️ | [Természetes nyelvfeldolgozás](6-NLP/README.md) | Érzelemelemzés szállodai véleményekkel 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | -| 20 | Romantikus európai szállodák ♥️ | [Természetes nyelvfeldolgozás](6-NLP/README.md) | Érzelemelemzés szállodai véleményekkel 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | -| 21 | Bevezetés az idősor-előrejelzésbe | [Idősor](7-TimeSeries/README.md) | Bevezetés az idősor előrejelzésébe | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | -| 22 | ⚡️ Világ energiafelhasználás ⚡️ - idősor előrejelzés ARIMA-val | [Idősor](7-TimeSeries/README.md) | Idősor előrejelzés ARIMA-val | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | -| 23 | ⚡️ Világ energiafelhasználás ⚡️ - idősor előrejelzés SVR-rel | [Idősor](7-TimeSeries/README.md) | Idősor előrejelzés Támogató Vektorgépes regresszorral (SVR) | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | -| 24 | Bevezetés a megerősítéses tanulásba | [Megerősítéses tanulás](8-Reinforcement/README.md) | Bevezetés a megerősítéses tanulásba Q-learning használatával | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | -| 25 | Segíts Peternek elkerülni a farkast! 🐺 | [Megerősítéses tanulás](8-Reinforcement/README.md) | Megerősítéses tanulás Gym keretrendszerrel | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | -| Utóirat | Valós világ gépi tanulási forgatókönyvek és alkalmazások | [Gépi tanulás a gyakorlatban](9-Real-World/README.md) | Érdekes és tanulságos valós példák a klasszikus gépi tanulás alkalmazásaira | [Óra](9-Real-World/1-Applications/README.md) | Csapat | -| Utóirat | Modell hibakeresése gépi tanulásban az RAI irányítópult segítségével | [Gépi tanulás a gyakorlatban](9-Real-World/README.md) | Modell hibakeresése gépi tanulásban a Responsible AI irányítópult komponenseinek segítségével | [Óra](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | - -> [keresd meg az összes további erőforrást ehhez a tanfolyamhoz a Microsoft Learn gyűjteményünkben](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> **Megjegyzés a nyelvekről**: Ezek a leckék elsősorban Python nyelven íródtak, de sok elérhető R-ben is. Az R leckék elvégzéséhez keresd meg a `/solution` mappában az R leckéket. Ezek .rmd kiterjesztésű fájlok, amelyek egy **R Markdown** dokumentumot jelentenek, ami tulajdonképpen beágyazott `kódrészeket` (R vagy más nyelvekben) és egy `YAML fejlécek` (ami irányítja például a PDF kimenetek formázását) tartalmazó `Markdown` dokumentum. Ez egy példás keretrendszert szolgáltat az adatelemzéshez, mert össze tudod vele kapcsolni a kódodat, annak kimenetét és gondolataid, miközben Markdown-ban jegyzetelsz. Továbbá, az R Markdown dokumentumok kimenet formátumokként is előállíthatók, például PDF, HTML vagy Word formátumban. +> **Megjegyzés a kvízekről**: Minden kvíz megtalálható a [Quiz App mappában](../../quiz-app), összesen 52 kvíz, mindegyik három kérdéssel. Ezek a leckékből linkelve vannak, de a kvíz alkalmazás helyileg is futtatható; kövesd az utasításokat a `quiz-app` mappában a helyi hosztoláshoz vagy Azure-ra való telepítéshez. + +| Lecke száma | Téma | Lecke csoportosítása | Tanulási célok | Kapcsolódó lecke | Szerző | +| :---------: | :----------------------------------------------------------: | :-------------------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :-------------------------------------------------: | +| 01 | Bevezetés a gépi tanulásba | [Bevezető](1-Introduction/README.md) | Ismerd meg a gépi tanulás alapfogalmait | [Lecke](1-Introduction/1-intro-to-ML/README.md) | Muhammad | +| 02 | A gépi tanulás története | [Bevezető](1-Introduction/README.md) | Ismerd meg ezen terület történetét | [Lecke](1-Introduction/2-history-of-ML/README.md) | Jen és Amy | +| 03 | Méltányosság és gépi tanulás | [Bevezető](1-Introduction/README.md) | Melyek azok a fontos filozófiai kérdések a méltányosság körül, amelyeket a hallgatóknak mérlegelni kell ML modellek építésekor és alkalmazásakor? | [Lecke](1-Introduction/3-fairness/README.md) | Tomomi | +| 04 | Gépi tanulási technikák | [Bevezető](1-Introduction/README.md) | Milyen technikákat használnak a gépi tanulás kutatói modellek építéséhez? | [Lecke](1-Introduction/4-techniques-of-ML/README.md) | Chris és Jen | +| 05 | Bevezető a regresszióba | [Regresszió](2-Regression/README.md) | Kezdj el dolgozni Pythonban és Scikit-learn-nel regressziós modellekhez | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | +| 06 | Észak-amerikai tökárak 🎃 | [Regresszió](2-Regression/README.md) | Ábrázold és tisztítsd az adatokat a gépi tanulás előkészítéséhez | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | +| 07 | Észak-amerikai tökárak 🎃 | [Regresszió](2-Regression/README.md) | Készíts lineáris és polinomiális regressziós modelleket | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen és Dmitry • Eric Wanjau | +| 08 | Észak-amerikai tökárak 🎃 | [Regresszió](2-Regression/README.md) | Építs logisztikus regressziós modellt | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | +| 09 | Egy Web alkalmazás 🔌 | [Web App](3-Web-App/README.md) | Építs egy webalkalmazást a betanított modelled használatához | [Python](3-Web-App/1-Web-App/README.md) | Jen | +| 10 | Bevezetés az osztályozásba | [Osztályozás](4-Classification/README.md) | Tisztítsd, előkészítsd és ábrázold az adataidat; bevezetés az osztályozásba | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen és Cassie • Eric Wanjau | +| 11 | Finom ázsiai és indiai konyhák 🍜 | [Osztályozás](4-Classification/README.md) | Bevezetés az osztályozókba | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen és Cassie • Eric Wanjau | +| 12 | Finom ázsiai és indiai konyhák 🍜 | [Osztályozás](4-Classification/README.md) | Több osztályozó | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen és Cassie • Eric Wanjau | +| 13 | Finom ázsiai és indiai konyhák 🍜 | [Osztályozás](4-Classification/README.md) | Készíts egy ajánló webalkalmazást a modelled segítségével | [Python](4-Classification/4-Applied/README.md) | Jen | +| 14 | Bevezetés a klaszterezésbe | [Klaszterezés](5-Clustering/README.md) | Tisztítsd, előkészítsd és ábrázold az adataidat; Bevezetés a klaszterezésbe | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | +| 15 | Fedezzük fel a nigériai zenei ízlést 🎧 | [Klaszterezés](5-Clustering/README.md) | Ismerd meg a K-közép klaszterezési módszert | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | +| 16 | Bevezetés a természetes nyelvfeldolgozásba ☕️ | [Természetes nyelvfeldolgozás](6-NLP/README.md) | Tanulj az NLP alapjairól egy egyszerű bot elkészítésével | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | +| 17 | Gyakori NLP feladatok ☕️ | [Természetes nyelvfeldolgozás](6-NLP/README.md) | Mélyítsd NLP ismereteidet a nyelvi struktúrákkal kapcsolatos gyakori feladatok megértésével | [Python](6-NLP/2-Tasks/README.md) | Stephen | +| 18 | Fordítás és érzelemelemzés ♥️ | [Természetes nyelvfeldolgozás](6-NLP/README.md) | Fordítás és érzelemelemzés Jane Austen műveivel | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | +| 19 | Európa romantikus szállodái ♥️ | [Természetes nyelvfeldolgozás](6-NLP/README.md) | Érzelemelemzés szállodai értékelések alapján 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | +| 20 | Európa romantikus szállodái ♥️ | [Természetes nyelvfeldolgozás](6-NLP/README.md) | Érzelemelemzés szállodai értékelések alapján 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | +| 21 | Bevezetés az idősoros előrejelzésbe | [Idősorok](7-TimeSeries/README.md) | Bevezetés az idősoros előrejelzésbe | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | +| 22 | ⚡️ Világ energiája ⚡️ - idősoros előrejelzés ARIMA-val | [Idősorok](7-TimeSeries/README.md) | Idősoros előrejelzés ARIMA modellel | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | +| 23 | ⚡️ Világ energiája ⚡️ - idősoros előrejelzés SVR-rel | [Idősorok](7-TimeSeries/README.md) | Idősoros előrejelzés Support Vector Regresszorral | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | +| 24 | Bevezetés a megerősítéses tanulásba | [Megerősítéses tanulás](8-Reinforcement/README.md) | Bevezetés a megerősítéses tanulásba Q-tanulás segítségével | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | +| 25 | Segíts Péternek elkerülni a farkast! 🐺 | [Megerősítéses tanulás](8-Reinforcement/README.md) | Megerősítéses tanulás Gym környezetben | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | +| Utószó | Valódi ML forgatókönyvek és alkalmazások | [ML a gyakorlatban](9-Real-World/README.md) | Érdekes és tanulságos valós alkalmazások a klasszikus gépi tanulás területén | [Lecke](9-Real-World/1-Applications/README.md) | Csapat | +| Utószó | Modellhibakeresés gépi tanulásban az RAI irányítópulton keresztül | [ML a gyakorlatban](9-Real-World/README.md) | Modellhibakeresés gépi tanulásban a Responsible AI irányítópult komponenseivel | [Lecke](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | + +> [keress minden további forrást ehhez a kurzushoz a Microsoft Learn gyűjteményünkben](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## Offline hozzáférés -A dokumentációt offline is futtathatod a [Docsify](https://docsify.js.org/#/) segítségével. Forkold ezt a repót, [telepítsd a Docsify-t](https://docsify.js.org/#/quickstart) a helyi gépeden, majd a repo gyökérmappájában írd be a `docsify serve` parancsot. Az oldal a localhost 3000-es portján lesz elérhető: `localhost:3000`. +Ezt a dokumentációt offline is futtathatod a [Docsify](https://docsify.js.org/#/) segítségével. Forkold a repót, [telepítsd a Docsify-t](https://docsify.js.org/#/quickstart) a helyi gépeden, majd a repó gyökérmappájában írd be: `docsify serve`. Az oldal a 3000-es porton fog futni a localhostodon: `localhost:3000`. ## PDF-ek -A tananyag pdf formátumban, linkekkel [itt található](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). +A tananyag PDF változatát linkekkel együtt megtalálod [itt](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). -## 🎒 Egyéb tanfolyamok +## 🎒 Egyéb kurzusok -Csapatunk más tanfolyamokat is készít! Nézd meg: +Csapatunk más kurzusokat is készít! Nézd meg: ### LangChain @@ -185,22 +176,22 @@ Csapatunk más tanfolyamokat is készít! Nézd meg: [![AZD kezdőknek](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [![Edge AI kezdőknek](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [![MCP kezdőknek](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![AI ügynökök kezdőknek](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Ügynökök kezdőknek](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- -### Generatív MI sorozat -[![Generatív MI kezdőknek](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) -[![Generatív MI (.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) -[![Generatív MI (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) -[![Generatív MI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) +### Generatív AI sorozat +[![Generatív mesterséges intelligencia kezdőknek](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) +[![Generatív mesterséges intelligencia (.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) +[![Generatív mesterséges intelligencia (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) +[![Generatív mesterséges intelligencia (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- ### Alapvető tanulás -[![ML kezdőknek](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) +[![Gépitanulás kezdőknek](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) [![Adattudomány kezdőknek](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) -[![MI kezdőknek](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) +[![Mesterséges intelligencia kezdőknek](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) [![Kiberbiztonság kezdőknek](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) [![Webfejlesztés kezdőknek](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 kezdőknek](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) @@ -209,18 +200,18 @@ Csapatunk más tanfolyamokat is készít! Nézd meg: --- ### Copilot sorozat -[![Copilot AI páros programozáshoz](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 mesterséges intelligencia társprogramozáshoz](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 C#/.NET-hez](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 kaland](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) -## Segítség kérése +## Segítségkérés -Ha elakad vagy kérdése van az MI-alapú alkalmazások fejlesztésével kapcsolatban, csatlakozzon a tanulótársakhoz és tapasztalt fejlesztőkhöz az MCP vitáiban. Ez egy támogató közösség, ahol a kérdések szívesen látottak és a tudás szabadon megosztott. +Ha elakad vagy bármilyen kérdése van az AI alkalmazások készítésével kapcsolatban, csatlakozzon a többi tanulóhoz és tapasztalt fejlesztőhöz az MCP témájában zajló beszélgetésekhez. Ez egy támogató közösség, ahol a kérdések szívesen látottak, és a tudás szabadon megosztott. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Ha termék-visszajelzése vagy hibája van a fejlesztés során, látogasson el ide: +Ha termék-visszajelzése vagy hibák jelentkeznek fejlesztés közben, látogassa meg: [![Microsoft Foundry fejlesztői fórum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) @@ -228,5 +219,5 @@ Ha termék-visszajelzése vagy hibája van a fejlesztés során, látogasson el **Jogi nyilatkozat**: -Ez a dokumentum az AI fordító szolgáltatás [Co-op Translator](https://github.com/Azure/co-op-translator) segítségével készült. Bár a pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítás hibákat vagy pontatlanságokat tartalmazhat. Az eredeti dokumentum az anyanyelvén tekinthető hiteles forrásnak. Kritikus információk esetén professzionális emberi fordítást javaslunk. Nem vállalunk felelősséget az ebből a fordításból eredő félreértésekért vagy téves értelmezésekért. +Ezt a dokumentumot az AI fordító szolgáltatás [Co-op Translator](https://github.com/Azure/co-op-translator) segítségével fordítottuk le. Bár törekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az anyanyelvén tekinthető hiteles forrásnak. Kritikus információk esetén szakmai emberi fordítást javaslunk. Nem vállalunk felelősséget az ezen fordítás használatából eredő félreértésekért vagy félreértelmezésekért. \ No newline at end of file diff --git a/translations/hu/SECURITY.md b/translations/hu/SECURITY.md index e56d4d1e7..b79cf6609 100644 --- a/translations/hu/SECURITY.md +++ b/translations/hu/SECURITY.md @@ -1,12 +1,3 @@ - ## Biztonság A Microsoft komolyan veszi szoftvertermékei és szolgáltatásai biztonságát, beleértve az összes forráskód-tárházat, amelyeket GitHub szervezeteinken keresztül kezelünk, mint például [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) és [GitHub szervezeteink](https://opensource.microsoft.com/). diff --git a/translations/hu/SUPPORT.md b/translations/hu/SUPPORT.md index 69ee1942c..7a7ed600e 100644 --- a/translations/hu/SUPPORT.md +++ b/translations/hu/SUPPORT.md @@ -1,12 +1,3 @@ - # Támogatás ## Hogyan lehet hibákat jelenteni és segítséget kérni diff --git a/translations/hu/TROUBLESHOOTING.md b/translations/hu/TROUBLESHOOTING.md index 5cf50e4e2..6f75f5787 100644 --- a/translations/hu/TROUBLESHOOTING.md +++ b/translations/hu/TROUBLESHOOTING.md @@ -1,12 +1,3 @@ - # Hibaelhárítási útmutató Ez az útmutató segít megoldani a gyakori problémákat a Machine Learning for Beginners tananyag használata során. Ha itt nem talál megoldást, nézze meg a [Discord Beszélgetéseket](https://aka.ms/foundry/discord) vagy [nyisson egy hibajegyet](https://github.com/microsoft/ML-For-Beginners/issues). diff --git a/translations/hu/docs/_sidebar.md b/translations/hu/docs/_sidebar.md index 981ad9e7b..cb05ab1ee 100644 --- a/translations/hu/docs/_sidebar.md +++ b/translations/hu/docs/_sidebar.md @@ -1,12 +1,3 @@ - - Bevezetés - [Bevezetés a gépi tanulásba](../1-Introduction/1-intro-to-ML/README.md) - [A gépi tanulás története](../1-Introduction/2-history-of-ML/README.md) diff --git a/translations/hu/for-teachers.md b/translations/hu/for-teachers.md index ed7f42c1f..4a5e3a89e 100644 --- a/translations/hu/for-teachers.md +++ b/translations/hu/for-teachers.md @@ -1,12 +1,3 @@ - ## Oktatóknak Szeretné használni ezt a tananyagot az osztályában? Nyugodtan tegye meg! diff --git a/translations/hu/quiz-app/README.md b/translations/hu/quiz-app/README.md index feb13a613..d192de57d 100644 --- a/translations/hu/quiz-app/README.md +++ b/translations/hu/quiz-app/README.md @@ -1,12 +1,3 @@ - # Kvízek Ezek a kvízek az ML tananyag előtti és utáni kvízei a https://aka.ms/ml-beginners oldalon. diff --git a/translations/hu/sketchnotes/LICENSE.md b/translations/hu/sketchnotes/LICENSE.md index dcd4c2f1b..4d7d9f7f0 100644 --- a/translations/hu/sketchnotes/LICENSE.md +++ b/translations/hu/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - Attribution-ShareAlike 4.0 Nemzetközi ======================================================================= diff --git a/translations/hu/sketchnotes/README.md b/translations/hu/sketchnotes/README.md index b9a9ce2e4..61bfa15d4 100644 --- a/translations/hu/sketchnotes/README.md +++ b/translations/hu/sketchnotes/README.md @@ -1,12 +1,3 @@ - Az összes tananyaghoz tartozó sketchnote-ok innen letölthetők. 🖨 Nyomtatáshoz, nagy felbontású TIFF verziók elérhetők ebben a repóban: [this repo](https://github.com/girliemac/a-picture-is-worth-a-1000-words/tree/main/ml/tiff). diff --git a/translations/sw/.co-op-translator.json b/translations/sw/.co-op-translator.json new file mode 100644 index 000000000..57e8814ee --- /dev/null +++ b/translations/sw/.co-op-translator.json @@ -0,0 +1,596 @@ +{ + "1-Introduction/1-intro-to-ML/README.md": { + "original_hash": "69389392fa6346e0dfa30f664b7b6fec", + "translation_date": "2025-09-05T16:06:05+00:00", + "source_file": "1-Introduction/1-intro-to-ML/README.md", + "language_code": "sw" + }, + "1-Introduction/1-intro-to-ML/assignment.md": { + "original_hash": "4c4698044bb8af52cfb6388a4ee0e53b", + "translation_date": "2025-09-05T16:08:16+00:00", + "source_file": "1-Introduction/1-intro-to-ML/assignment.md", + "language_code": "sw" + }, + "1-Introduction/2-history-of-ML/README.md": { + "original_hash": "6a05fec147e734c3e6bfa54505648e2b", + "translation_date": "2025-09-05T16:08:39+00:00", + "source_file": "1-Introduction/2-history-of-ML/README.md", + "language_code": "sw" + }, + "1-Introduction/2-history-of-ML/assignment.md": { + "original_hash": "eb6e4d5afd1b21a57d2b9e6d0aac3969", + "translation_date": "2025-09-05T16:11:26+00:00", + "source_file": "1-Introduction/2-history-of-ML/assignment.md", + "language_code": "sw" + }, + "1-Introduction/3-fairness/README.md": { + "original_hash": "9a6b702d1437c0467e3c5c28d763dac2", + "translation_date": "2025-09-05T15:58:17+00:00", + "source_file": "1-Introduction/3-fairness/README.md", + "language_code": "sw" + }, + "1-Introduction/3-fairness/assignment.md": { + "original_hash": "dbda60e7b1fe5f18974e7858eff0004e", + "translation_date": "2025-09-05T16:02:18+00:00", + "source_file": "1-Introduction/3-fairness/assignment.md", + "language_code": "sw" + }, + "1-Introduction/4-techniques-of-ML/README.md": { + "original_hash": "9d91f3af3758fdd4569fb410575995ef", + "translation_date": "2025-09-05T16:02:46+00:00", + "source_file": "1-Introduction/4-techniques-of-ML/README.md", + "language_code": "sw" + }, + "1-Introduction/4-techniques-of-ML/assignment.md": { + "original_hash": "70d65aeddc06170bc1aed5b27805f930", + "translation_date": "2025-09-05T16:05:40+00:00", + "source_file": "1-Introduction/4-techniques-of-ML/assignment.md", + "language_code": "sw" + }, + "1-Introduction/README.md": { + "original_hash": "cf8ecc83f28e5b98051d2179eca08e08", + "translation_date": "2025-09-05T15:57:42+00:00", + "source_file": "1-Introduction/README.md", + "language_code": "sw" + }, + "2-Regression/1-Tools/README.md": { + "original_hash": "fa81d226c71d5af7a2cade31c1c92b88", + "translation_date": "2025-09-05T15:20:12+00:00", + "source_file": "2-Regression/1-Tools/README.md", + "language_code": "sw" + }, + "2-Regression/1-Tools/assignment.md": { + "original_hash": "74a5cf83e4ebc302afbcbc4f418afd0a", + "translation_date": "2025-09-05T15:23:28+00:00", + "source_file": "2-Regression/1-Tools/assignment.md", + "language_code": "sw" + }, + "2-Regression/1-Tools/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T15:23:57+00:00", + "source_file": "2-Regression/1-Tools/solution/Julia/README.md", + "language_code": "sw" + }, + "2-Regression/2-Data/README.md": { + "original_hash": "7c077988328ebfe33b24d07945f16eca", + "translation_date": "2025-09-05T15:24:10+00:00", + "source_file": "2-Regression/2-Data/README.md", + "language_code": "sw" + }, + "2-Regression/2-Data/assignment.md": { + "original_hash": "4485a1ed4dd1b5647365e3d87456515d", + "translation_date": "2025-09-05T15:26:55+00:00", + "source_file": "2-Regression/2-Data/assignment.md", + "language_code": "sw" + }, + "2-Regression/2-Data/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T15:27:19+00:00", + "source_file": "2-Regression/2-Data/solution/Julia/README.md", + "language_code": "sw" + }, + "2-Regression/3-Linear/README.md": { + "original_hash": "40e64f004f3cb50aa1d8661672d3cd92", + "translation_date": "2025-09-05T15:08:49+00:00", + "source_file": "2-Regression/3-Linear/README.md", + "language_code": "sw" + }, + "2-Regression/3-Linear/assignment.md": { + "original_hash": "cc471fa89c293bc735dd3a9a0fb79b1b", + "translation_date": "2025-09-05T15:13:39+00:00", + "source_file": "2-Regression/3-Linear/assignment.md", + "language_code": "sw" + }, + "2-Regression/3-Linear/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T15:14:05+00:00", + "source_file": "2-Regression/3-Linear/solution/Julia/README.md", + "language_code": "sw" + }, + "2-Regression/4-Logistic/README.md": { + "original_hash": "abf86d845c84330bce205a46b382ec88", + "translation_date": "2025-09-05T15:14:22+00:00", + "source_file": "2-Regression/4-Logistic/README.md", + "language_code": "sw" + }, + "2-Regression/4-Logistic/assignment.md": { + "original_hash": "8af40209a41494068c1f42b14c0b450d", + "translation_date": "2025-09-05T15:19:34+00:00", + "source_file": "2-Regression/4-Logistic/assignment.md", + "language_code": "sw" + }, + "2-Regression/4-Logistic/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T15:19:59+00:00", + "source_file": "2-Regression/4-Logistic/solution/Julia/README.md", + "language_code": "sw" + }, + "2-Regression/README.md": { + "original_hash": "508582278dbb8edd2a8a80ac96ef416c", + "translation_date": "2025-09-05T15:07:40+00:00", + "source_file": "2-Regression/README.md", + "language_code": "sw" + }, + "3-Web-App/1-Web-App/README.md": { + "original_hash": "e0b75f73e4a90d45181dc5581fe2ef5c", + "translation_date": "2025-09-05T16:12:26+00:00", + "source_file": "3-Web-App/1-Web-App/README.md", + "language_code": "sw" + }, + "3-Web-App/1-Web-App/assignment.md": { + "original_hash": "a8e8ae10be335cbc745b75ee552317ff", + "translation_date": "2025-09-05T16:14:44+00:00", + "source_file": "3-Web-App/1-Web-App/assignment.md", + "language_code": "sw" + }, + "3-Web-App/README.md": { + "original_hash": "9836ff53cfef716ddfd70e06c5f43436", + "translation_date": "2025-09-05T16:11:51+00:00", + "source_file": "3-Web-App/README.md", + "language_code": "sw" + }, + "4-Classification/1-Introduction/README.md": { + "original_hash": "aaf391d922bd6de5efba871d514c6d47", + "translation_date": "2025-09-05T16:25:15+00:00", + "source_file": "4-Classification/1-Introduction/README.md", + "language_code": "sw" + }, + "4-Classification/1-Introduction/assignment.md": { + "original_hash": "b2a01912beb24cfb0007f83594dba801", + "translation_date": "2025-09-05T16:27:31+00:00", + "source_file": "4-Classification/1-Introduction/assignment.md", + "language_code": "sw" + }, + "4-Classification/1-Introduction/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T16:28:02+00:00", + "source_file": "4-Classification/1-Introduction/solution/Julia/README.md", + "language_code": "sw" + }, + "4-Classification/2-Classifiers-1/README.md": { + "original_hash": "1a6e9e46b34a2e559fbbfc1f95397c7b", + "translation_date": "2025-09-05T16:16:51+00:00", + "source_file": "4-Classification/2-Classifiers-1/README.md", + "language_code": "sw" + }, + "4-Classification/2-Classifiers-1/assignment.md": { + "original_hash": "de6025f96841498b0577e9d1aee18d1f", + "translation_date": "2025-09-05T16:19:59+00:00", + "source_file": "4-Classification/2-Classifiers-1/assignment.md", + "language_code": "sw" + }, + "4-Classification/2-Classifiers-1/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T16:20:25+00:00", + "source_file": "4-Classification/2-Classifiers-1/solution/Julia/README.md", + "language_code": "sw" + }, + "4-Classification/3-Classifiers-2/README.md": { + "original_hash": "49047911108adc49d605cddfb455749c", + "translation_date": "2025-09-05T16:23:09+00:00", + "source_file": "4-Classification/3-Classifiers-2/README.md", + "language_code": "sw" + }, + "4-Classification/3-Classifiers-2/assignment.md": { + "original_hash": "58dfdaf79fb73f7d34b22bdbacf57329", + "translation_date": "2025-09-05T16:24:36+00:00", + "source_file": "4-Classification/3-Classifiers-2/assignment.md", + "language_code": "sw" + }, + "4-Classification/3-Classifiers-2/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T16:25:03+00:00", + "source_file": "4-Classification/3-Classifiers-2/solution/Julia/README.md", + "language_code": "sw" + }, + "4-Classification/4-Applied/README.md": { + "original_hash": "61bdec27ed2da8b098cd9065405d9bb0", + "translation_date": "2025-09-05T16:20:37+00:00", + "source_file": "4-Classification/4-Applied/README.md", + "language_code": "sw" + }, + "4-Classification/4-Applied/assignment.md": { + "original_hash": "799ed651e2af0a7cad17c6268db11578", + "translation_date": "2025-09-05T16:22:43+00:00", + "source_file": "4-Classification/4-Applied/assignment.md", + "language_code": "sw" + }, + "4-Classification/README.md": { + "original_hash": "74e809ffd1e613a1058bbc3e9600859e", + "translation_date": "2025-09-05T16:16:15+00:00", + "source_file": "4-Classification/README.md", + "language_code": "sw" + }, + "5-Clustering/1-Visualize/README.md": { + "original_hash": "730225ea274c9174fe688b21d421539d", + "translation_date": "2025-09-05T15:40:02+00:00", + "source_file": "5-Clustering/1-Visualize/README.md", + "language_code": "sw" + }, + "5-Clustering/1-Visualize/assignment.md": { + "original_hash": "589fa015a5e7d9e67bd629f7d47b53de", + "translation_date": "2025-09-05T15:44:44+00:00", + "source_file": "5-Clustering/1-Visualize/assignment.md", + "language_code": "sw" + }, + "5-Clustering/1-Visualize/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T15:45:11+00:00", + "source_file": "5-Clustering/1-Visualize/solution/Julia/README.md", + "language_code": "sw" + }, + "5-Clustering/2-K-Means/README.md": { + "original_hash": "7cdd17338d9bbd7e2171c2cd462eb081", + "translation_date": "2025-09-05T15:45:24+00:00", + "source_file": "5-Clustering/2-K-Means/README.md", + "language_code": "sw" + }, + "5-Clustering/2-K-Means/assignment.md": { + "original_hash": "b8e17eff34ad1680eba2a5d3cf9ffc41", + "translation_date": "2025-09-05T15:47:32+00:00", + "source_file": "5-Clustering/2-K-Means/assignment.md", + "language_code": "sw" + }, + "5-Clustering/2-K-Means/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T15:47:57+00:00", + "source_file": "5-Clustering/2-K-Means/solution/Julia/README.md", + "language_code": "sw" + }, + "5-Clustering/README.md": { + "original_hash": "b28a3a4911584062772c537b653ebbc7", + "translation_date": "2025-09-05T15:39:08+00:00", + "source_file": "5-Clustering/README.md", + "language_code": "sw" + }, + "6-NLP/1-Introduction-to-NLP/README.md": { + "original_hash": "1c2ec40cf55c98a028a359c27ef7e45a", + "translation_date": "2025-09-05T16:59:22+00:00", + "source_file": "6-NLP/1-Introduction-to-NLP/README.md", + "language_code": "sw" + }, + "6-NLP/1-Introduction-to-NLP/assignment.md": { + "original_hash": "1d7583e8046dacbb0c056d5ba0a71b16", + "translation_date": "2025-09-05T17:01:49+00:00", + "source_file": "6-NLP/1-Introduction-to-NLP/assignment.md", + "language_code": "sw" + }, + "6-NLP/2-Tasks/README.md": { + "original_hash": "5f3cb462e3122e1afe7ab0050ccf2bd3", + "translation_date": "2025-09-05T16:49:56+00:00", + "source_file": "6-NLP/2-Tasks/README.md", + "language_code": "sw" + }, + "6-NLP/2-Tasks/assignment.md": { + "original_hash": "2efc4c2aba5ed06c780c05539c492ae3", + "translation_date": "2025-09-05T16:52:28+00:00", + "source_file": "6-NLP/2-Tasks/assignment.md", + "language_code": "sw" + }, + "6-NLP/3-Translation-Sentiment/README.md": { + "original_hash": "be03c8182982b87ced155e4e9d1438e8", + "translation_date": "2025-09-05T17:02:18+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/README.md", + "language_code": "sw" + }, + "6-NLP/3-Translation-Sentiment/assignment.md": { + "original_hash": "9d2a734deb904caff310d1a999c6bd7a", + "translation_date": "2025-09-05T17:05:30+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/assignment.md", + "language_code": "sw" + }, + "6-NLP/3-Translation-Sentiment/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T17:06:10+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/solution/Julia/README.md", + "language_code": "sw" + }, + "6-NLP/3-Translation-Sentiment/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T17:05:56+00:00", + "source_file": "6-NLP/3-Translation-Sentiment/solution/R/README.md", + "language_code": "sw" + }, + "6-NLP/4-Hotel-Reviews-1/README.md": { + "original_hash": "8d32dadeda93c6fb5c43619854882ab1", + "translation_date": "2025-09-05T16:52:54+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/README.md", + "language_code": "sw" + }, + "6-NLP/4-Hotel-Reviews-1/assignment.md": { + "original_hash": "bf39bceb833cd628f224941dca8041df", + "translation_date": "2025-09-05T16:58:16+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/assignment.md", + "language_code": "sw" + }, + "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T16:58:52+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md", + "language_code": "sw" + }, + "6-NLP/4-Hotel-Reviews-1/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T16:58:37+00:00", + "source_file": "6-NLP/4-Hotel-Reviews-1/solution/R/README.md", + "language_code": "sw" + }, + "6-NLP/5-Hotel-Reviews-2/README.md": { + "original_hash": "2c742993fe95d5bcbb2846eda3d442a1", + "translation_date": "2025-09-05T17:06:23+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/README.md", + "language_code": "sw" + }, + "6-NLP/5-Hotel-Reviews-2/assignment.md": { + "original_hash": "daf144daa552da6a7d442aff6f3e77d8", + "translation_date": "2025-09-05T17:10:02+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/assignment.md", + "language_code": "sw" + }, + "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T17:10:40+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md", + "language_code": "sw" + }, + "6-NLP/5-Hotel-Reviews-2/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T17:10:27+00:00", + "source_file": "6-NLP/5-Hotel-Reviews-2/solution/R/README.md", + "language_code": "sw" + }, + "6-NLP/README.md": { + "original_hash": "1eb379dc2d0c9940b320732d16083778", + "translation_date": "2025-09-05T16:49:11+00:00", + "source_file": "6-NLP/README.md", + "language_code": "sw" + }, + "6-NLP/data/README.md": { + "original_hash": "ee0670655c89e4719319764afb113624", + "translation_date": "2025-09-05T16:59:04+00:00", + "source_file": "6-NLP/data/README.md", + "language_code": "sw" + }, + "7-TimeSeries/1-Introduction/README.md": { + "original_hash": "662b509c39eee205687726636d0a8455", + "translation_date": "2025-09-05T15:32:26+00:00", + "source_file": "7-TimeSeries/1-Introduction/README.md", + "language_code": "sw" + }, + "7-TimeSeries/1-Introduction/assignment.md": { + "original_hash": "d1781b0b92568ea1d119d0a198b576b4", + "translation_date": "2025-09-05T15:35:12+00:00", + "source_file": "7-TimeSeries/1-Introduction/assignment.md", + "language_code": "sw" + }, + "7-TimeSeries/1-Introduction/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T15:35:55+00:00", + "source_file": "7-TimeSeries/1-Introduction/solution/Julia/README.md", + "language_code": "sw" + }, + "7-TimeSeries/1-Introduction/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T15:35:41+00:00", + "source_file": "7-TimeSeries/1-Introduction/solution/R/README.md", + "language_code": "sw" + }, + "7-TimeSeries/2-ARIMA/README.md": { + "original_hash": "917dbf890db71a322f306050cb284749", + "translation_date": "2025-09-05T15:28:13+00:00", + "source_file": "7-TimeSeries/2-ARIMA/README.md", + "language_code": "sw" + }, + "7-TimeSeries/2-ARIMA/assignment.md": { + "original_hash": "1c814013e10866dfd92cdb32caaae3ac", + "translation_date": "2025-09-05T15:31:35+00:00", + "source_file": "7-TimeSeries/2-ARIMA/assignment.md", + "language_code": "sw" + }, + "7-TimeSeries/2-ARIMA/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T15:32:13+00:00", + "source_file": "7-TimeSeries/2-ARIMA/solution/Julia/README.md", + "language_code": "sw" + }, + "7-TimeSeries/2-ARIMA/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T15:32:00+00:00", + "source_file": "7-TimeSeries/2-ARIMA/solution/R/README.md", + "language_code": "sw" + }, + "7-TimeSeries/3-SVR/README.md": { + "original_hash": "482bccabe1df958496ea71a3667995cd", + "translation_date": "2025-09-05T15:36:08+00:00", + "source_file": "7-TimeSeries/3-SVR/README.md", + "language_code": "sw" + }, + "7-TimeSeries/3-SVR/assignment.md": { + "original_hash": "94aa2fc6154252ae30a3f3740299707a", + "translation_date": "2025-09-05T15:38:36+00:00", + "source_file": "7-TimeSeries/3-SVR/assignment.md", + "language_code": "sw" + }, + "7-TimeSeries/README.md": { + "original_hash": "61342603bad8acadbc6b2e4e3aab3f66", + "translation_date": "2025-09-05T15:27:33+00:00", + "source_file": "7-TimeSeries/README.md", + "language_code": "sw" + }, + "8-Reinforcement/1-QLearning/README.md": { + "original_hash": "911efd5e595089000cb3c16fce1beab8", + "translation_date": "2025-09-05T16:37:04+00:00", + "source_file": "8-Reinforcement/1-QLearning/README.md", + "language_code": "sw" + }, + "8-Reinforcement/1-QLearning/assignment.md": { + "original_hash": "68394b2102d3503882e5e914bd0ff5c1", + "translation_date": "2025-09-05T16:42:48+00:00", + "source_file": "8-Reinforcement/1-QLearning/assignment.md", + "language_code": "sw" + }, + "8-Reinforcement/1-QLearning/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T16:44:22+00:00", + "source_file": "8-Reinforcement/1-QLearning/solution/Julia/README.md", + "language_code": "sw" + }, + "8-Reinforcement/1-QLearning/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T16:44:09+00:00", + "source_file": "8-Reinforcement/1-QLearning/solution/R/README.md", + "language_code": "sw" + }, + "8-Reinforcement/2-Gym/README.md": { + "original_hash": "107d5bb29da8a562e7ae72262d251a75", + "translation_date": "2025-09-05T16:44:35+00:00", + "source_file": "8-Reinforcement/2-Gym/README.md", + "language_code": "sw" + }, + "8-Reinforcement/2-Gym/assignment.md": { + "original_hash": "1f2b7441745eb52e25745423b247016b", + "translation_date": "2025-09-05T16:47:52+00:00", + "source_file": "8-Reinforcement/2-Gym/assignment.md", + "language_code": "sw" + }, + "8-Reinforcement/2-Gym/solution/Julia/README.md": { + "original_hash": "a39c15d63f3b2795ee2284a82b986b93", + "translation_date": "2025-09-05T16:48:59+00:00", + "source_file": "8-Reinforcement/2-Gym/solution/Julia/README.md", + "language_code": "sw" + }, + "8-Reinforcement/2-Gym/solution/R/README.md": { + "original_hash": "81db6ff2cf6e62fbe2340b094bb9509e", + "translation_date": "2025-09-05T16:48:45+00:00", + "source_file": "8-Reinforcement/2-Gym/solution/R/README.md", + "language_code": "sw" + }, + "8-Reinforcement/README.md": { + "original_hash": "20ca019012b1725de956681d036d8b18", + "translation_date": "2025-09-05T16:35:13+00:00", + "source_file": "8-Reinforcement/README.md", + "language_code": "sw" + }, + "9-Real-World/1-Applications/README.md": { + "original_hash": "83320d6b6994909e35d830cebf214039", + "translation_date": "2025-09-05T15:49:29+00:00", + "source_file": "9-Real-World/1-Applications/README.md", + "language_code": "sw" + }, + "9-Real-World/1-Applications/assignment.md": { + "original_hash": "fdebfcd0a3f12c9e2b436ded1aa79885", + "translation_date": "2025-09-05T15:52:54+00:00", + "source_file": "9-Real-World/1-Applications/assignment.md", + "language_code": "sw" + }, + "9-Real-World/2-Debugging-ML-Models/README.md": { + "original_hash": "df2b538e8fbb3e91cf0419ae2f858675", + "translation_date": "2025-09-05T15:53:25+00:00", + "source_file": "9-Real-World/2-Debugging-ML-Models/README.md", + "language_code": "sw" + }, + "9-Real-World/2-Debugging-ML-Models/assignment.md": { + "original_hash": "91c6a180ef08e20cc15acfd2d6d6e164", + "translation_date": "2025-09-05T15:57:14+00:00", + "source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md", + "language_code": "sw" + }, + "9-Real-World/README.md": { + "original_hash": "5e069a0ac02a9606a69946c2b3c574a9", + "translation_date": "2025-09-05T15:48:55+00:00", + "source_file": "9-Real-World/README.md", + "language_code": "sw" + }, + "AGENTS.md": { + "original_hash": "93fdaa0fd38836e50c4793e2f2f25e8b", + "translation_date": "2025-10-03T11:14:50+00:00", + "source_file": "AGENTS.md", + "language_code": "sw" + }, + "CODE_OF_CONDUCT.md": { + "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56", + "translation_date": "2025-09-05T15:07:17+00:00", + "source_file": "CODE_OF_CONDUCT.md", + "language_code": "sw" + }, + "CONTRIBUTING.md": { + "original_hash": "977ec5266dfd78ad1ce2bd8d46fccbda", + "translation_date": "2025-09-05T15:05:11+00:00", + "source_file": "CONTRIBUTING.md", + "language_code": "sw" + }, + "README.md": { + "original_hash": "da2ceed62f16a0820259556e3a873c95", + "translation_date": "2026-01-29T18:53:47+00:00", + "source_file": "README.md", + "language_code": "sw" + }, + "SECURITY.md": { + "original_hash": "5e1b8da31aae9cca3d53ad243fa3365a", + "translation_date": "2025-09-05T15:05:46+00:00", + "source_file": "SECURITY.md", + "language_code": "sw" + }, + "SUPPORT.md": { + "original_hash": "09623d7343ff1c26ff4f198c1b2d3176", + "translation_date": "2025-10-03T12:19:16+00:00", + "source_file": "SUPPORT.md", + "language_code": "sw" + }, + "TROUBLESHOOTING.md": { + "original_hash": "134d8759f0e2ab886e9aa4f62362c201", + "translation_date": "2025-10-03T12:52:10+00:00", + "source_file": "TROUBLESHOOTING.md", + "language_code": "sw" + }, + "docs/_sidebar.md": { + "original_hash": "68dd06c685f6ce840e0acfa313352e7c", + "translation_date": "2025-09-05T15:48:10+00:00", + "source_file": "docs/_sidebar.md", + "language_code": "sw" + }, + "for-teachers.md": { + "original_hash": "b37de02054fa6c0438ede6fabe1fdfb8", + "translation_date": "2025-09-05T15:06:38+00:00", + "source_file": "for-teachers.md", + "language_code": "sw" + }, + "quiz-app/README.md": { + "original_hash": "6d130dffca5db70d7e615f926cb1ad4c", + "translation_date": "2025-09-05T16:15:10+00:00", + "source_file": "quiz-app/README.md", + "language_code": "sw" + }, + "sketchnotes/LICENSE.md": { + "original_hash": "fba3b94d88bfb9b81369b869a1e9a20f", + "translation_date": "2025-09-05T16:29:37+00:00", + "source_file": "sketchnotes/LICENSE.md", + "language_code": "sw" + }, + "sketchnotes/README.md": { + "original_hash": "a88d5918c1b9da69a40d917a0840c497", + "translation_date": "2025-09-05T16:28:15+00:00", + "source_file": "sketchnotes/README.md", + "language_code": "sw" + } +} \ No newline at end of file diff --git a/translations/sw/1-Introduction/1-intro-to-ML/README.md b/translations/sw/1-Introduction/1-intro-to-ML/README.md index d5fcfcde1..b4d1ea31f 100644 --- a/translations/sw/1-Introduction/1-intro-to-ML/README.md +++ b/translations/sw/1-Introduction/1-intro-to-ML/README.md @@ -1,12 +1,3 @@ - # Utangulizi wa kujifunza kwa mashine ## [Jaribio la awali ya somo](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/sw/1-Introduction/1-intro-to-ML/assignment.md b/translations/sw/1-Introduction/1-intro-to-ML/assignment.md index 1e1e2701d..6fa076f54 100644 --- a/translations/sw/1-Introduction/1-intro-to-ML/assignment.md +++ b/translations/sw/1-Introduction/1-intro-to-ML/assignment.md @@ -1,12 +1,3 @@ - # Anza na Kuendelea ## Maelekezo diff --git a/translations/sw/1-Introduction/2-history-of-ML/README.md b/translations/sw/1-Introduction/2-history-of-ML/README.md index 306438899..032be33e4 100644 --- a/translations/sw/1-Introduction/2-history-of-ML/README.md +++ b/translations/sw/1-Introduction/2-history-of-ML/README.md @@ -1,12 +1,3 @@ - # Historia ya ujifunzaji wa mashine ![Muhtasari wa Historia ya ujifunzaji wa mashine katika sketchnote](../../../../sketchnotes/ml-history.png) diff --git a/translations/sw/1-Introduction/2-history-of-ML/assignment.md b/translations/sw/1-Introduction/2-history-of-ML/assignment.md index 82daf7f68..9641f6386 100644 --- a/translations/sw/1-Introduction/2-history-of-ML/assignment.md +++ b/translations/sw/1-Introduction/2-history-of-ML/assignment.md @@ -1,12 +1,3 @@ - # Unda ratiba ya matukio ## Maelekezo diff --git a/translations/sw/1-Introduction/3-fairness/README.md b/translations/sw/1-Introduction/3-fairness/README.md index a65bd42bc..c2f8808b2 100644 --- a/translations/sw/1-Introduction/3-fairness/README.md +++ b/translations/sw/1-Introduction/3-fairness/README.md @@ -1,12 +1,3 @@ - # Kujenga Suluhisho za Kujifunza kwa Mashine kwa AI Inayowajibika ![Muhtasari wa AI inayowajibika katika Kujifunza kwa Mashine kwenye sketchnote](../../../../sketchnotes/ml-fairness.png) diff --git a/translations/sw/1-Introduction/3-fairness/assignment.md b/translations/sw/1-Introduction/3-fairness/assignment.md index 821c03ee5..ca09551ee 100644 --- a/translations/sw/1-Introduction/3-fairness/assignment.md +++ b/translations/sw/1-Introduction/3-fairness/assignment.md @@ -1,12 +1,3 @@ - # Chunguza Zana ya AI Inayowajibika ## Maelekezo diff --git a/translations/sw/1-Introduction/4-techniques-of-ML/README.md b/translations/sw/1-Introduction/4-techniques-of-ML/README.md index 71e8a7e98..919233b16 100644 --- a/translations/sw/1-Introduction/4-techniques-of-ML/README.md +++ b/translations/sw/1-Introduction/4-techniques-of-ML/README.md @@ -1,12 +1,3 @@ - # Mbinu za Kujifunza Mashine Mchakato wa kujenga, kutumia, na kudumisha mifano ya kujifunza mashine na data wanayotumia ni tofauti sana na mchakato wa maendeleo mengine. Katika somo hili, tutafafanua mchakato huo na kuelezea mbinu kuu unazohitaji kujua. Utajifunza: diff --git a/translations/sw/1-Introduction/4-techniques-of-ML/assignment.md b/translations/sw/1-Introduction/4-techniques-of-ML/assignment.md index 8bbbbd816..e49850687 100644 --- a/translations/sw/1-Introduction/4-techniques-of-ML/assignment.md +++ b/translations/sw/1-Introduction/4-techniques-of-ML/assignment.md @@ -1,12 +1,3 @@ - # Mahojiano na mtaalamu wa data ## Maelekezo diff --git a/translations/sw/1-Introduction/README.md b/translations/sw/1-Introduction/README.md index e84738d97..9d4ba3514 100644 --- a/translations/sw/1-Introduction/README.md +++ b/translations/sw/1-Introduction/README.md @@ -1,12 +1,3 @@ - # Utangulizi wa ujifunzaji wa mashine Katika sehemu hii ya mtaala, utatambulishwa kwa dhana za msingi zinazounda uwanja wa ujifunzaji wa mashine, ni nini, na utajifunza kuhusu historia yake na mbinu ambazo watafiti hutumia kufanya kazi nayo. Hebu tuchunguze ulimwengu huu mpya wa ML pamoja! diff --git a/translations/sw/2-Regression/1-Tools/README.md b/translations/sw/2-Regression/1-Tools/README.md index 813afa70f..b7a893651 100644 --- a/translations/sw/2-Regression/1-Tools/README.md +++ b/translations/sw/2-Regression/1-Tools/README.md @@ -1,12 +1,3 @@ - # Anza na Python na Scikit-learn kwa mifano ya regression ![Muhtasari wa regressions katika sketchnote](../../../../sketchnotes/ml-regression.png) diff --git a/translations/sw/2-Regression/1-Tools/assignment.md b/translations/sw/2-Regression/1-Tools/assignment.md index 7acca4a36..defedf12b 100644 --- a/translations/sw/2-Regression/1-Tools/assignment.md +++ b/translations/sw/2-Regression/1-Tools/assignment.md @@ -1,12 +1,3 @@ - # Urejeleaji na Scikit-learn ## Maelekezo diff --git a/translations/sw/2-Regression/1-Tools/solution/Julia/README.md b/translations/sw/2-Regression/1-Tools/solution/Julia/README.md index fdd2c2dce..0678321e4 100644 --- a/translations/sw/2-Regression/1-Tools/solution/Julia/README.md +++ b/translations/sw/2-Regression/1-Tools/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/2-Regression/2-Data/README.md b/translations/sw/2-Regression/2-Data/README.md index 620b0e926..b1c303b89 100644 --- a/translations/sw/2-Regression/2-Data/README.md +++ b/translations/sw/2-Regression/2-Data/README.md @@ -1,12 +1,3 @@ - # Jenga mfano wa regression kwa kutumia Scikit-learn: andaa na onyesha data ![Picha ya infographic ya uonyeshaji wa data](../../../../2-Regression/2-Data/images/data-visualization.png) diff --git a/translations/sw/2-Regression/2-Data/assignment.md b/translations/sw/2-Regression/2-Data/assignment.md index 3b968b5f1..5714d2a08 100644 --- a/translations/sw/2-Regression/2-Data/assignment.md +++ b/translations/sw/2-Regression/2-Data/assignment.md @@ -1,12 +1,3 @@ - # Kuchunguza Uwasilishaji wa Takwimu Kuna maktaba kadhaa tofauti zinazopatikana kwa uwasilishaji wa takwimu. Tengeneza uwasilishaji wa takwimu ukitumia data ya Malenge katika somo hili kwa kutumia matplotlib na seaborn kwenye daftari la sampuli. Ni maktaba zipi ni rahisi zaidi kutumia? diff --git a/translations/sw/2-Regression/2-Data/solution/Julia/README.md b/translations/sw/2-Regression/2-Data/solution/Julia/README.md index 70256fa4e..0678321e4 100644 --- a/translations/sw/2-Regression/2-Data/solution/Julia/README.md +++ b/translations/sw/2-Regression/2-Data/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/2-Regression/3-Linear/README.md b/translations/sw/2-Regression/3-Linear/README.md index 7fa731245..cf68ff11c 100644 --- a/translations/sw/2-Regression/3-Linear/README.md +++ b/translations/sw/2-Regression/3-Linear/README.md @@ -1,12 +1,3 @@ - # Jenga Mfano wa Regression kwa kutumia Scikit-learn: Njia Nne za Regression ![Picha ya habari ya regression ya mstari dhidi ya polynomial](../../../../2-Regression/3-Linear/images/linear-polynomial.png) @@ -114,11 +105,11 @@ Sasa kwa kuwa unaelewa hesabu nyuma ya regression ya mstari, hebu tuunde Mfano w Kutoka somo lililopita labda umeona kuwa bei ya wastani kwa miezi tofauti inaonekana kama hii: -Bei ya wastani kwa mwezi +Bei ya wastani kwa mwezi Hii inapendekeza kuwa kunaweza kuwa na uwiano, na tunaweza kujaribu kufundisha mfano wa regression ya mstari kutabiri uhusiano kati ya `Mwezi` na `Bei`, au kati ya `SikuYaMwaka` na `Bei`. Hapa kuna mchoro wa kutawanyika unaoonyesha uhusiano wa pili: -Mchoro wa kutawanyika wa Bei dhidi ya Siku ya Mwaka +Mchoro wa kutawanyika wa Bei dhidi ya Siku ya Mwaka Hebu tuone kama kuna uwiano kwa kutumia kazi ya `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) ``` -Mchoro wa kutawanyika wa Bei dhidi ya Siku ya Mwaka +Mchoro wa kutawanyika wa Bei dhidi ya Siku ya Mwaka Uchunguzi wetu unapendekeza kuwa aina ina athari kubwa zaidi kwa bei ya jumla kuliko tarehe halisi ya mauzo. Tunaweza kuona hili kwa mchoro wa bar: @@ -145,7 +136,7 @@ Uchunguzi wetu unapendekeza kuwa aina ina athari kubwa zaidi kwa bei ya jumla ku new_pumpkins.groupby('Variety')['Price'].mean().plot(kind='bar') ``` -Mchoro wa bar wa bei dhidi ya aina +Mchoro wa bar wa bei dhidi ya aina Hebu tuzingatie kwa sasa aina moja tu ya maboga, 'aina ya pie', na tuone athari gani tarehe inayo kwa bei: @@ -153,7 +144,7 @@ Hebu tuzingatie kwa sasa aina moja tu ya maboga, 'aina ya pie', na tuone athari pie_pumpkins = new_pumpkins[new_pumpkins['Variety']=='PIE TYPE'] pie_pumpkins.plot.scatter('DayOfYear','Price') ``` -Mchoro wa kutawanyika wa Bei dhidi ya Siku ya Mwaka +Mchoro wa kutawanyika wa Bei dhidi ya Siku ya Mwaka Ikiwa sasa tutakokotoa uwiano kati ya `Bei` na `SikuYaMwaka` kwa kutumia kazi ya `corr`, tutapata kitu kama `-0.27` - ambayo inamaanisha kuwa kufundisha mfano wa utabiri kuna mantiki. @@ -227,7 +218,7 @@ plt.scatter(X_test,y_test) plt.plot(X_test,pred) ``` -Linear regression +Linear regression ## Regression ya Polynomial @@ -256,7 +247,7 @@ Kutumia `PolynomialFeatures(2)` inamaanisha kuwa tutajumuisha polynomials zote z Pipelines zinaweza kutumika kwa njia sawa na kitu cha awali cha `LinearRegression`, yaani tunaweza `fit` pipeline, kisha kutumia `predict` kupata matokeo ya utabiri. Hapa kuna mchoro unaoonyesha data ya majaribio, na mstari wa takriban: -Polynomial regression +Polynomial regression Kwa kutumia Regression ya Polynomial, tunaweza kupata MSE ya chini kidogo na mgawo wa uamuzi wa juu zaidi, lakini sio kwa kiasi kikubwa. Tunahitaji kuzingatia vipengele vingine! @@ -274,7 +265,7 @@ Katika ulimwengu bora, tunataka kuwa na uwezo wa kutabiri bei za aina tofauti za Hapa unaweza kuona jinsi bei ya wastani inavyotegemea aina: -Average price by variety +Average price by variety Ili kuzingatia aina, tunahitaji kwanza kuibadilisha kuwa fomu ya nambari, au **kuencode**. Kuna njia kadhaa tunazoweza kutumia: diff --git a/translations/sw/2-Regression/3-Linear/assignment.md b/translations/sw/2-Regression/3-Linear/assignment.md index 48f61339a..0bd8e9b4f 100644 --- a/translations/sw/2-Regression/3-Linear/assignment.md +++ b/translations/sw/2-Regression/3-Linear/assignment.md @@ -1,12 +1,3 @@ - # Unda Modeli ya Urejeleaji ## Maelekezo diff --git a/translations/sw/2-Regression/3-Linear/solution/Julia/README.md b/translations/sw/2-Regression/3-Linear/solution/Julia/README.md index 2d460057d..f7b1b6a29 100644 --- a/translations/sw/2-Regression/3-Linear/solution/Julia/README.md +++ b/translations/sw/2-Regression/3-Linear/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/2-Regression/4-Logistic/README.md b/translations/sw/2-Regression/4-Logistic/README.md index 3b04bfabe..9416b010e 100644 --- a/translations/sw/2-Regression/4-Logistic/README.md +++ b/translations/sw/2-Regression/4-Logistic/README.md @@ -1,12 +1,3 @@ - # Logistic regression kutabiri makundi ![Picha ya infographic ya Logistic vs. linear regression](../../../../2-Regression/4-Logistic/images/linear-vs-logistic.png) diff --git a/translations/sw/2-Regression/4-Logistic/assignment.md b/translations/sw/2-Regression/4-Logistic/assignment.md index 0d6d8af79..2ff8be5f8 100644 --- a/translations/sw/2-Regression/4-Logistic/assignment.md +++ b/translations/sw/2-Regression/4-Logistic/assignment.md @@ -1,12 +1,3 @@ - # Kurudia Baadhi ya Urejeshi ## Maelekezo diff --git a/translations/sw/2-Regression/4-Logistic/solution/Julia/README.md b/translations/sw/2-Regression/4-Logistic/solution/Julia/README.md index fa8f420d9..0678321e4 100644 --- a/translations/sw/2-Regression/4-Logistic/solution/Julia/README.md +++ b/translations/sw/2-Regression/4-Logistic/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/2-Regression/README.md b/translations/sw/2-Regression/README.md index 552719336..2bf6d77dc 100644 --- a/translations/sw/2-Regression/README.md +++ b/translations/sw/2-Regression/README.md @@ -1,12 +1,3 @@ - # Miundo ya Regression kwa Kujifunza Mashine ## Mada ya Kikanda: Miundo ya Regression kwa Bei za Maboga Kaskazini mwa Amerika 🎃 diff --git a/translations/sw/3-Web-App/1-Web-App/README.md b/translations/sw/3-Web-App/1-Web-App/README.md index 6ad592bdb..84e249466 100644 --- a/translations/sw/3-Web-App/1-Web-App/README.md +++ b/translations/sw/3-Web-App/1-Web-App/README.md @@ -1,12 +1,3 @@ - # Jenga Programu ya Wavuti Kutumia Modeli ya ML Katika somo hili, utapokea mafunzo ya modeli ya ML kwa kutumia seti ya data isiyo ya kawaida: _Matukio ya UFO katika karne iliyopita_, yaliyokusanywa kutoka hifadhidata ya NUFORC. diff --git a/translations/sw/3-Web-App/1-Web-App/assignment.md b/translations/sw/3-Web-App/1-Web-App/assignment.md index 6f9a2b6a9..cd11f27b4 100644 --- a/translations/sw/3-Web-App/1-Web-App/assignment.md +++ b/translations/sw/3-Web-App/1-Web-App/assignment.md @@ -1,12 +1,3 @@ - # Jaribu mfano tofauti ## Maelekezo diff --git a/translations/sw/3-Web-App/README.md b/translations/sw/3-Web-App/README.md index 6766b85ae..eef8e5f36 100644 --- a/translations/sw/3-Web-App/README.md +++ b/translations/sw/3-Web-App/README.md @@ -1,12 +1,3 @@ - # Jenga programu ya wavuti kutumia modeli yako ya ML Katika sehemu hii ya mtaala, utatambulishwa kwenye mada ya ML inayotumika: jinsi ya kuhifadhi modeli yako ya Scikit-learn kama faili ambayo inaweza kutumika kufanya utabiri ndani ya programu ya wavuti. Mara modeli inapohifadhiwa, utajifunza jinsi ya kuitumia katika programu ya wavuti iliyojengwa kwa Flask. Kwanza, utaunda modeli ukitumia data inayohusu matukio ya kuona UFO! Kisha, utajenga programu ya wavuti itakayokuruhusu kuingiza idadi ya sekunde pamoja na thamani ya latitudo na longitudo ili kutabiri ni nchi gani iliripoti kuona UFO. diff --git a/translations/sw/4-Classification/1-Introduction/README.md b/translations/sw/4-Classification/1-Introduction/README.md index 90fe27524..eb821d8c7 100644 --- a/translations/sw/4-Classification/1-Introduction/README.md +++ b/translations/sw/4-Classification/1-Introduction/README.md @@ -1,12 +1,3 @@ - # Utangulizi wa Uainishaji Katika masomo haya manne, utachunguza kipengele muhimu cha ujifunzaji wa mashine wa kawaida - _uainishaji_. Tutapitia matumizi ya algoriti mbalimbali za uainishaji kwa kutumia seti ya data kuhusu vyakula vya kupendeza vya Asia na India. Tunatumai una njaa! diff --git a/translations/sw/4-Classification/1-Introduction/assignment.md b/translations/sw/4-Classification/1-Introduction/assignment.md index f3a190dc2..a74e1d6d3 100644 --- a/translations/sw/4-Classification/1-Introduction/assignment.md +++ b/translations/sw/4-Classification/1-Introduction/assignment.md @@ -1,12 +1,3 @@ - # Chunguza mbinu za uainishaji ## Maelekezo diff --git a/translations/sw/4-Classification/1-Introduction/solution/Julia/README.md b/translations/sw/4-Classification/1-Introduction/solution/Julia/README.md index 5a4527802..2ddc3a48e 100644 --- a/translations/sw/4-Classification/1-Introduction/solution/Julia/README.md +++ b/translations/sw/4-Classification/1-Introduction/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/4-Classification/2-Classifiers-1/README.md b/translations/sw/4-Classification/2-Classifiers-1/README.md index e7f12e1b2..095cdc3ec 100644 --- a/translations/sw/4-Classification/2-Classifiers-1/README.md +++ b/translations/sw/4-Classification/2-Classifiers-1/README.md @@ -1,12 +1,3 @@ - # Wainishaji wa vyakula 1 Katika somo hili, utatumia seti ya data uliyohifadhi kutoka somo la mwisho iliyojaa data safi na yenye usawa kuhusu vyakula. diff --git a/translations/sw/4-Classification/2-Classifiers-1/assignment.md b/translations/sw/4-Classification/2-Classifiers-1/assignment.md index 4a332ac54..4aaee3fbc 100644 --- a/translations/sw/4-Classification/2-Classifiers-1/assignment.md +++ b/translations/sw/4-Classification/2-Classifiers-1/assignment.md @@ -1,12 +1,3 @@ - # Jifunze kuhusu solvers ## Maelekezo diff --git a/translations/sw/4-Classification/2-Classifiers-1/solution/Julia/README.md b/translations/sw/4-Classification/2-Classifiers-1/solution/Julia/README.md index 786ce7eda..8114092ca 100644 --- a/translations/sw/4-Classification/2-Classifiers-1/solution/Julia/README.md +++ b/translations/sw/4-Classification/2-Classifiers-1/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/4-Classification/3-Classifiers-2/README.md b/translations/sw/4-Classification/3-Classifiers-2/README.md index a12f10669..e5beada78 100644 --- a/translations/sw/4-Classification/3-Classifiers-2/README.md +++ b/translations/sw/4-Classification/3-Classifiers-2/README.md @@ -1,12 +1,3 @@ - # Wainishi wa vyakula 2 Katika somo hili la pili la uainishaji, utachunguza njia zaidi za kuainisha data ya nambari. Pia utajifunza kuhusu athari za kuchagua mainishi moja badala ya jingine. diff --git a/translations/sw/4-Classification/3-Classifiers-2/assignment.md b/translations/sw/4-Classification/3-Classifiers-2/assignment.md index b2866ec52..a6f084c78 100644 --- a/translations/sw/4-Classification/3-Classifiers-2/assignment.md +++ b/translations/sw/4-Classification/3-Classifiers-2/assignment.md @@ -1,12 +1,3 @@ - # Mchezo wa Vigezo ## Maelekezo diff --git a/translations/sw/4-Classification/3-Classifiers-2/solution/Julia/README.md b/translations/sw/4-Classification/3-Classifiers-2/solution/Julia/README.md index 9cb58b65b..a2d35b0d5 100644 --- a/translations/sw/4-Classification/3-Classifiers-2/solution/Julia/README.md +++ b/translations/sw/4-Classification/3-Classifiers-2/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/4-Classification/4-Applied/README.md b/translations/sw/4-Classification/4-Applied/README.md index e39a6b3ea..98ed55955 100644 --- a/translations/sw/4-Classification/4-Applied/README.md +++ b/translations/sw/4-Classification/4-Applied/README.md @@ -1,12 +1,3 @@ - # Jenga Programu ya Wavuti ya Mapendekezo ya Vyakula Katika somo hili, utajenga mfano wa uainishaji kwa kutumia baadhi ya mbinu ulizojifunza katika masomo ya awali na kwa kutumia seti ya data ya vyakula vitamu iliyotumika katika mfululizo huu. Zaidi ya hayo, utajenga programu ndogo ya wavuti kutumia mfano uliosajiliwa, ukitumia Onnx's web runtime. diff --git a/translations/sw/4-Classification/4-Applied/assignment.md b/translations/sw/4-Classification/4-Applied/assignment.md index 5b701e454..f28d980bb 100644 --- a/translations/sw/4-Classification/4-Applied/assignment.md +++ b/translations/sw/4-Classification/4-Applied/assignment.md @@ -1,12 +1,3 @@ - # Jenga pendekezo ## Maelekezo diff --git a/translations/sw/4-Classification/README.md b/translations/sw/4-Classification/README.md index f25820ae6..db6064768 100644 --- a/translations/sw/4-Classification/README.md +++ b/translations/sw/4-Classification/README.md @@ -1,12 +1,3 @@ - # Kuanza na Uainishaji ## Mada ya Kieneo: Mapishi Matamu ya Kiasia na Kihindi 🍜 diff --git a/translations/sw/5-Clustering/1-Visualize/README.md b/translations/sw/5-Clustering/1-Visualize/README.md index 938e1fee3..396a2c5d1 100644 --- a/translations/sw/5-Clustering/1-Visualize/README.md +++ b/translations/sw/5-Clustering/1-Visualize/README.md @@ -1,12 +1,3 @@ - # Utangulizi wa clustering Clustering ni aina ya [Unsupervised Learning](https://wikipedia.org/wiki/Unsupervised_learning) inayodhani kuwa dataset haina lebo au kwamba maingizo yake hayajafungamanishwa na matokeo yaliyotanguliwa. Inatumia algorithmi mbalimbali kuchambua data isiyo na lebo na kutoa makundi kulingana na mifumo inayotambua kwenye data. diff --git a/translations/sw/5-Clustering/1-Visualize/assignment.md b/translations/sw/5-Clustering/1-Visualize/assignment.md index 78efd9e89..18e22fac4 100644 --- a/translations/sw/5-Clustering/1-Visualize/assignment.md +++ b/translations/sw/5-Clustering/1-Visualize/assignment.md @@ -1,12 +1,3 @@ - # Tafiti mbinu nyingine za kuona kwa makundi ## Maelekezo diff --git a/translations/sw/5-Clustering/1-Visualize/solution/Julia/README.md b/translations/sw/5-Clustering/1-Visualize/solution/Julia/README.md index 6cec60ee0..a2d35b0d5 100644 --- a/translations/sw/5-Clustering/1-Visualize/solution/Julia/README.md +++ b/translations/sw/5-Clustering/1-Visualize/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/5-Clustering/2-K-Means/README.md b/translations/sw/5-Clustering/2-K-Means/README.md index 270a0c006..2245cefa4 100644 --- a/translations/sw/5-Clustering/2-K-Means/README.md +++ b/translations/sw/5-Clustering/2-K-Means/README.md @@ -1,12 +1,3 @@ - # K-Means clustering ## [Pre-lecture quiz](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/sw/5-Clustering/2-K-Means/assignment.md b/translations/sw/5-Clustering/2-K-Means/assignment.md index f4160d119..f8aab626e 100644 --- a/translations/sw/5-Clustering/2-K-Means/assignment.md +++ b/translations/sw/5-Clustering/2-K-Means/assignment.md @@ -1,12 +1,3 @@ - # Jaribu Mbinu Tofauti za Kuweka Makundi ## Maelekezo diff --git a/translations/sw/5-Clustering/2-K-Means/solution/Julia/README.md b/translations/sw/5-Clustering/2-K-Means/solution/Julia/README.md index 903c11422..2ddc3a48e 100644 --- a/translations/sw/5-Clustering/2-K-Means/solution/Julia/README.md +++ b/translations/sw/5-Clustering/2-K-Means/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/5-Clustering/README.md b/translations/sw/5-Clustering/README.md index d30f7d3b9..4176abbee 100644 --- a/translations/sw/5-Clustering/README.md +++ b/translations/sw/5-Clustering/README.md @@ -1,12 +1,3 @@ - # Miundo ya Klasta kwa Kujifunza kwa Mashine Klasta ni kazi ya kujifunza kwa mashine ambapo inatafuta vitu vinavyofanana na kuviweka katika vikundi vinavyoitwa klasta. Kinachotofautisha klasta na mbinu nyingine za kujifunza kwa mashine ni kwamba mambo hufanyika kiotomatiki; kwa kweli, ni sahihi kusema ni kinyume cha kujifunza kwa usimamizi. diff --git a/translations/sw/6-NLP/1-Introduction-to-NLP/README.md b/translations/sw/6-NLP/1-Introduction-to-NLP/README.md index de14711b8..d1cdecd50 100644 --- a/translations/sw/6-NLP/1-Introduction-to-NLP/README.md +++ b/translations/sw/6-NLP/1-Introduction-to-NLP/README.md @@ -1,12 +1,3 @@ - # Utangulizi wa Usindikaji wa Lugha Asilia Somo hili linahusu historia fupi na dhana muhimu za *usindikaji wa lugha asilia*, tawi la *isimu ya kompyuta*. diff --git a/translations/sw/6-NLP/1-Introduction-to-NLP/assignment.md b/translations/sw/6-NLP/1-Introduction-to-NLP/assignment.md index 412644267..d4c80f8d8 100644 --- a/translations/sw/6-NLP/1-Introduction-to-NLP/assignment.md +++ b/translations/sw/6-NLP/1-Introduction-to-NLP/assignment.md @@ -1,12 +1,3 @@ - # Tafuta roboti ## Maelekezo diff --git a/translations/sw/6-NLP/2-Tasks/README.md b/translations/sw/6-NLP/2-Tasks/README.md index e351aefb1..78d0ea41d 100644 --- a/translations/sw/6-NLP/2-Tasks/README.md +++ b/translations/sw/6-NLP/2-Tasks/README.md @@ -1,12 +1,3 @@ - # Kazi za kawaida za usindikaji wa lugha asilia na mbinu zake Kwa kazi nyingi za *usindikaji wa lugha asilia*, maandishi yanayopaswa kusindikiwa lazima yagawanywe, kuchunguzwa, na matokeo yake kuhifadhiwa au kulinganishwa na sheria na seti za data. Kazi hizi zinamruhusu mpangaji programu kupata _maana_, _nia_, au tu _mara kwa mara_ ya maneno na misemo katika maandishi. diff --git a/translations/sw/6-NLP/2-Tasks/assignment.md b/translations/sw/6-NLP/2-Tasks/assignment.md index 356a4ed27..9c595a1d3 100644 --- a/translations/sw/6-NLP/2-Tasks/assignment.md +++ b/translations/sw/6-NLP/2-Tasks/assignment.md @@ -1,12 +1,3 @@ - # Tengeneza Bot Ijibu ## Maelekezo diff --git a/translations/sw/6-NLP/3-Translation-Sentiment/README.md b/translations/sw/6-NLP/3-Translation-Sentiment/README.md index 2835760e6..17f22c469 100644 --- a/translations/sw/6-NLP/3-Translation-Sentiment/README.md +++ b/translations/sw/6-NLP/3-Translation-Sentiment/README.md @@ -1,12 +1,3 @@ - # Tafsiri na uchambuzi wa hisia kwa kutumia ML Katika masomo ya awali ulijifunza jinsi ya kujenga bot ya msingi kwa kutumia `TextBlob`, maktaba inayotumia ML nyuma ya pazia kutekeleza kazi za msingi za NLP kama uchimbaji wa misemo ya nomino. Changamoto nyingine muhimu katika isimu ya kompyuta ni tafsiri sahihi ya sentensi kutoka lugha moja ya mazungumzo au maandishi kwenda nyingine. diff --git a/translations/sw/6-NLP/3-Translation-Sentiment/assignment.md b/translations/sw/6-NLP/3-Translation-Sentiment/assignment.md index 078143c94..13e61563e 100644 --- a/translations/sw/6-NLP/3-Translation-Sentiment/assignment.md +++ b/translations/sw/6-NLP/3-Translation-Sentiment/assignment.md @@ -1,12 +1,3 @@ - # Leseni ya Ushairi ## Maelekezo diff --git a/translations/sw/6-NLP/3-Translation-Sentiment/solution/Julia/README.md b/translations/sw/6-NLP/3-Translation-Sentiment/solution/Julia/README.md index 039ffb851..d0eb9577f 100644 --- a/translations/sw/6-NLP/3-Translation-Sentiment/solution/Julia/README.md +++ b/translations/sw/6-NLP/3-Translation-Sentiment/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/6-NLP/3-Translation-Sentiment/solution/R/README.md b/translations/sw/6-NLP/3-Translation-Sentiment/solution/R/README.md index 2e2b40ebf..0678321e4 100644 --- a/translations/sw/6-NLP/3-Translation-Sentiment/solution/R/README.md +++ b/translations/sw/6-NLP/3-Translation-Sentiment/solution/R/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/6-NLP/4-Hotel-Reviews-1/README.md b/translations/sw/6-NLP/4-Hotel-Reviews-1/README.md index 7d8e13f81..22a8341a2 100644 --- a/translations/sw/6-NLP/4-Hotel-Reviews-1/README.md +++ b/translations/sw/6-NLP/4-Hotel-Reviews-1/README.md @@ -1,12 +1,3 @@ - # Uchambuzi wa hisia kwa maoni ya hoteli - kuchakata data Katika sehemu hii utatumia mbinu ulizojifunza katika masomo ya awali kufanya uchambuzi wa data wa awali kwenye seti kubwa ya data. Mara utakapopata uelewa mzuri wa umuhimu wa safu mbalimbali, utajifunza: diff --git a/translations/sw/6-NLP/4-Hotel-Reviews-1/assignment.md b/translations/sw/6-NLP/4-Hotel-Reviews-1/assignment.md index a01ac18d1..0ed7ab0bc 100644 --- a/translations/sw/6-NLP/4-Hotel-Reviews-1/assignment.md +++ b/translations/sw/6-NLP/4-Hotel-Reviews-1/assignment.md @@ -1,12 +1,3 @@ - # NLTK ## Maelekezo diff --git a/translations/sw/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md b/translations/sw/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md index 59f565b48..0678321e4 100644 --- a/translations/sw/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md +++ b/translations/sw/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/6-NLP/4-Hotel-Reviews-1/solution/R/README.md b/translations/sw/6-NLP/4-Hotel-Reviews-1/solution/R/README.md index 47904f49f..2ddc3a48e 100644 --- a/translations/sw/6-NLP/4-Hotel-Reviews-1/solution/R/README.md +++ b/translations/sw/6-NLP/4-Hotel-Reviews-1/solution/R/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/6-NLP/5-Hotel-Reviews-2/README.md b/translations/sw/6-NLP/5-Hotel-Reviews-2/README.md index 4f9acdc20..000c26f78 100644 --- a/translations/sw/6-NLP/5-Hotel-Reviews-2/README.md +++ b/translations/sw/6-NLP/5-Hotel-Reviews-2/README.md @@ -1,12 +1,3 @@ - # Uchambuzi wa Hisia kwa Maoni ya Hoteli Sasa kwa kuwa umechunguza seti ya data kwa undani, ni wakati wa kuchuja safu na kisha kutumia mbinu za NLP kwenye seti ya data ili kupata maarifa mapya kuhusu hoteli. diff --git a/translations/sw/6-NLP/5-Hotel-Reviews-2/assignment.md b/translations/sw/6-NLP/5-Hotel-Reviews-2/assignment.md index 15ec7aad6..062d370c6 100644 --- a/translations/sw/6-NLP/5-Hotel-Reviews-2/assignment.md +++ b/translations/sw/6-NLP/5-Hotel-Reviews-2/assignment.md @@ -1,12 +1,3 @@ - # Jaribu seti tofauti ya data ## Maelekezo diff --git a/translations/sw/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md b/translations/sw/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md index c31e6f32a..2ddc3a48e 100644 --- a/translations/sw/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md +++ b/translations/sw/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/6-NLP/5-Hotel-Reviews-2/solution/R/README.md b/translations/sw/6-NLP/5-Hotel-Reviews-2/solution/R/README.md index df7704f8c..a2d35b0d5 100644 --- a/translations/sw/6-NLP/5-Hotel-Reviews-2/solution/R/README.md +++ b/translations/sw/6-NLP/5-Hotel-Reviews-2/solution/R/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/6-NLP/README.md b/translations/sw/6-NLP/README.md index 3095816e8..64347c28f 100644 --- a/translations/sw/6-NLP/README.md +++ b/translations/sw/6-NLP/README.md @@ -1,12 +1,3 @@ - # Kuanza na usindikaji wa lugha asilia Usindikaji wa lugha asilia (NLP) ni uwezo wa programu ya kompyuta kuelewa lugha ya binadamu kama inavyoongelewa na kuandikwa -- inayojulikana kama lugha asilia. Ni sehemu ya akili bandia (AI). NLP imekuwepo kwa zaidi ya miaka 50 na ina mizizi katika uwanja wa isimu. Uwanja mzima unalenga kusaidia mashine kuelewa na kushughulikia lugha ya binadamu. Hii inaweza kutumika kutekeleza majukumu kama ukaguzi wa tahajia au tafsiri ya mashine. Ina matumizi mbalimbali ya ulimwengu halisi katika nyanja kadhaa, ikiwa ni pamoja na utafiti wa matibabu, injini za utafutaji na ujasusi wa biashara. diff --git a/translations/sw/6-NLP/data/README.md b/translations/sw/6-NLP/data/README.md index b101b1ff5..78dd94f72 100644 --- a/translations/sw/6-NLP/data/README.md +++ b/translations/sw/6-NLP/data/README.md @@ -1,12 +1,3 @@ - Pakua data ya mapitio ya hoteli kwenye folda hii. --- diff --git a/translations/sw/7-TimeSeries/1-Introduction/README.md b/translations/sw/7-TimeSeries/1-Introduction/README.md index 2d2f12fdb..89586878f 100644 --- a/translations/sw/7-TimeSeries/1-Introduction/README.md +++ b/translations/sw/7-TimeSeries/1-Introduction/README.md @@ -1,12 +1,3 @@ - # Utangulizi wa utabiri wa mfululizo wa muda ![Muhtasari wa mfululizo wa muda katika sketchnote](../../../../sketchnotes/ml-timeseries.png) diff --git a/translations/sw/7-TimeSeries/1-Introduction/assignment.md b/translations/sw/7-TimeSeries/1-Introduction/assignment.md index 6f3cbf5f9..ab34dfd80 100644 --- a/translations/sw/7-TimeSeries/1-Introduction/assignment.md +++ b/translations/sw/7-TimeSeries/1-Introduction/assignment.md @@ -1,12 +1,3 @@ - # Onyesha Mfululizo wa Wakati Zaidi ## Maelekezo diff --git a/translations/sw/7-TimeSeries/1-Introduction/solution/Julia/README.md b/translations/sw/7-TimeSeries/1-Introduction/solution/Julia/README.md index 5305fe812..2ddc3a48e 100644 --- a/translations/sw/7-TimeSeries/1-Introduction/solution/Julia/README.md +++ b/translations/sw/7-TimeSeries/1-Introduction/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/7-TimeSeries/1-Introduction/solution/R/README.md b/translations/sw/7-TimeSeries/1-Introduction/solution/R/README.md index df4cbeea1..a2d35b0d5 100644 --- a/translations/sw/7-TimeSeries/1-Introduction/solution/R/README.md +++ b/translations/sw/7-TimeSeries/1-Introduction/solution/R/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/7-TimeSeries/2-ARIMA/README.md b/translations/sw/7-TimeSeries/2-ARIMA/README.md index 19ece4ba8..1d0f56f88 100644 --- a/translations/sw/7-TimeSeries/2-ARIMA/README.md +++ b/translations/sw/7-TimeSeries/2-ARIMA/README.md @@ -1,12 +1,3 @@ - # Utabiri wa mfululizo wa muda kwa kutumia ARIMA Katika somo lililopita, ulijifunza kidogo kuhusu utabiri wa mfululizo wa muda na ukapakia seti ya data inayoonyesha mabadiliko ya mzigo wa umeme kwa kipindi fulani cha muda. diff --git a/translations/sw/7-TimeSeries/2-ARIMA/assignment.md b/translations/sw/7-TimeSeries/2-ARIMA/assignment.md index 529978575..8c0ca36e5 100644 --- a/translations/sw/7-TimeSeries/2-ARIMA/assignment.md +++ b/translations/sw/7-TimeSeries/2-ARIMA/assignment.md @@ -1,12 +1,3 @@ - # Modeli mpya ya ARIMA ## Maelekezo diff --git a/translations/sw/7-TimeSeries/2-ARIMA/solution/Julia/README.md b/translations/sw/7-TimeSeries/2-ARIMA/solution/Julia/README.md index 3d88d9489..b122df40a 100644 --- a/translations/sw/7-TimeSeries/2-ARIMA/solution/Julia/README.md +++ b/translations/sw/7-TimeSeries/2-ARIMA/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/7-TimeSeries/2-ARIMA/solution/R/README.md b/translations/sw/7-TimeSeries/2-ARIMA/solution/R/README.md index 5e1c47ac2..0678321e4 100644 --- a/translations/sw/7-TimeSeries/2-ARIMA/solution/R/README.md +++ b/translations/sw/7-TimeSeries/2-ARIMA/solution/R/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/7-TimeSeries/3-SVR/README.md b/translations/sw/7-TimeSeries/3-SVR/README.md index e63b5b111..0cd1cd614 100644 --- a/translations/sw/7-TimeSeries/3-SVR/README.md +++ b/translations/sw/7-TimeSeries/3-SVR/README.md @@ -1,12 +1,3 @@ - # Utabiri wa Mfululizo wa Wakati kwa Kutumia Support Vector Regressor Katika somo lililopita, ulijifunza jinsi ya kutumia modeli ya ARIMA kufanya utabiri wa mfululizo wa wakati. Sasa utaangalia modeli ya Support Vector Regressor, ambayo ni modeli ya regression inayotumika kutabiri data endelevu. diff --git a/translations/sw/7-TimeSeries/3-SVR/assignment.md b/translations/sw/7-TimeSeries/3-SVR/assignment.md index 555a722ff..095ff16fc 100644 --- a/translations/sw/7-TimeSeries/3-SVR/assignment.md +++ b/translations/sw/7-TimeSeries/3-SVR/assignment.md @@ -1,12 +1,3 @@ - # Mfano Mpya wa SVR ## Maelekezo [^1] diff --git a/translations/sw/7-TimeSeries/README.md b/translations/sw/7-TimeSeries/README.md index baacdc639..0d13d9b82 100644 --- a/translations/sw/7-TimeSeries/README.md +++ b/translations/sw/7-TimeSeries/README.md @@ -1,12 +1,3 @@ - # Utangulizi wa utabiri wa mfululizo wa muda Utabiri wa mfululizo wa muda ni nini? Ni kuhusu kutabiri matukio ya baadaye kwa kuchambua mwenendo wa zamani. diff --git a/translations/sw/8-Reinforcement/1-QLearning/README.md b/translations/sw/8-Reinforcement/1-QLearning/README.md index 0725615dd..5bb9d4f9d 100644 --- a/translations/sw/8-Reinforcement/1-QLearning/README.md +++ b/translations/sw/8-Reinforcement/1-QLearning/README.md @@ -1,12 +1,3 @@ - # Utangulizi wa Kujifunza kwa Kuimarisha na Q-Learning ![Muhtasari wa kujifunza kwa kuimarisha katika mashine ya kujifunza kwenye sketchnote](../../../../sketchnotes/ml-reinforcement.png) diff --git a/translations/sw/8-Reinforcement/1-QLearning/assignment.md b/translations/sw/8-Reinforcement/1-QLearning/assignment.md index a280ec125..c732e100c 100644 --- a/translations/sw/8-Reinforcement/1-QLearning/assignment.md +++ b/translations/sw/8-Reinforcement/1-QLearning/assignment.md @@ -1,12 +1,3 @@ - # Dunia Halisi Zaidi Katika hali yetu, Peter aliweza kusafiri karibu bila kuchoka au kuhisi njaa. Katika dunia halisi zaidi, anapaswa kukaa chini na kupumzika mara kwa mara, na pia kujilisha. Hebu tufanye dunia yetu iwe halisi zaidi kwa kutekeleza sheria zifuatazo: diff --git a/translations/sw/8-Reinforcement/1-QLearning/solution/Julia/README.md b/translations/sw/8-Reinforcement/1-QLearning/solution/Julia/README.md index a45efd30a..b122df40a 100644 --- a/translations/sw/8-Reinforcement/1-QLearning/solution/Julia/README.md +++ b/translations/sw/8-Reinforcement/1-QLearning/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/8-Reinforcement/1-QLearning/solution/R/README.md b/translations/sw/8-Reinforcement/1-QLearning/solution/R/README.md index dbe8d066c..0678321e4 100644 --- a/translations/sw/8-Reinforcement/1-QLearning/solution/R/README.md +++ b/translations/sw/8-Reinforcement/1-QLearning/solution/R/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/8-Reinforcement/2-Gym/README.md b/translations/sw/8-Reinforcement/2-Gym/README.md index 2f90db9c0..42707d534 100644 --- a/translations/sw/8-Reinforcement/2-Gym/README.md +++ b/translations/sw/8-Reinforcement/2-Gym/README.md @@ -1,12 +1,3 @@ - ## Mahitaji ya Awali Katika somo hili, tutatumia maktaba inayoitwa **OpenAI Gym** kuiga mazingira tofauti. Unaweza kuendesha msimbo wa somo hili kwenye kompyuta yako (mfano, kutoka Visual Studio Code), ambapo simulizi itafunguka kwenye dirisha jipya. Unapokimbia msimbo mtandaoni, huenda ukahitaji kufanya marekebisho fulani kwenye msimbo, kama ilivyoelezwa [hapa](https://towardsdatascience.com/rendering-openai-gym-envs-on-binder-and-google-colab-536f99391cc7). diff --git a/translations/sw/8-Reinforcement/2-Gym/assignment.md b/translations/sw/8-Reinforcement/2-Gym/assignment.md index 5bf99bc94..4e23e6276 100644 --- a/translations/sw/8-Reinforcement/2-Gym/assignment.md +++ b/translations/sw/8-Reinforcement/2-Gym/assignment.md @@ -1,12 +1,3 @@ - # Kufundisha Gari la Mlima [OpenAI Gym](http://gym.openai.com) imeundwa kwa namna ambayo mazingira yote yanatoa API sawa - yaani, mbinu sawa `reset`, `step` na `render`, na dhana sawa za **action space** na **observation space**. Hivyo basi, inapaswa kuwa rahisi kubadilisha algoriti za kujifunza kwa kuimarisha ili zifanye kazi katika mazingira tofauti kwa mabadiliko madogo ya msimbo. diff --git a/translations/sw/8-Reinforcement/2-Gym/solution/Julia/README.md b/translations/sw/8-Reinforcement/2-Gym/solution/Julia/README.md index bc6c3e631..2ddc3a48e 100644 --- a/translations/sw/8-Reinforcement/2-Gym/solution/Julia/README.md +++ b/translations/sw/8-Reinforcement/2-Gym/solution/Julia/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/8-Reinforcement/2-Gym/solution/R/README.md b/translations/sw/8-Reinforcement/2-Gym/solution/R/README.md index d933cd7ba..0678321e4 100644 --- a/translations/sw/8-Reinforcement/2-Gym/solution/R/README.md +++ b/translations/sw/8-Reinforcement/2-Gym/solution/R/README.md @@ -1,12 +1,3 @@ - --- diff --git a/translations/sw/8-Reinforcement/README.md b/translations/sw/8-Reinforcement/README.md index 1617003b4..6e1b55de2 100644 --- a/translations/sw/8-Reinforcement/README.md +++ b/translations/sw/8-Reinforcement/README.md @@ -1,12 +1,3 @@ - # Utangulizi wa kujifunza kwa kuimarisha Kujifunza kwa kuimarisha, RL, huchukuliwa kama mojawapo ya mifumo ya msingi ya kujifunza kwa mashine, sambamba na kujifunza kwa kusimamiwa na kujifunza bila kusimamiwa. RL inahusu maamuzi: kufanya maamuzi sahihi au angalau kujifunza kutoka kwa maamuzi hayo. diff --git a/translations/sw/9-Real-World/1-Applications/README.md b/translations/sw/9-Real-World/1-Applications/README.md index f04e13d73..43eb23567 100644 --- a/translations/sw/9-Real-World/1-Applications/README.md +++ b/translations/sw/9-Real-World/1-Applications/README.md @@ -1,12 +1,3 @@ - # Postscript: Kujifunza mashine katika ulimwengu halisi ![Muhtasari wa kujifunza mashine katika ulimwengu halisi katika sketchnote](../../../../sketchnotes/ml-realworld.png) diff --git a/translations/sw/9-Real-World/1-Applications/assignment.md b/translations/sw/9-Real-World/1-Applications/assignment.md index 65e9207d7..b023a0247 100644 --- a/translations/sw/9-Real-World/1-Applications/assignment.md +++ b/translations/sw/9-Real-World/1-Applications/assignment.md @@ -1,12 +1,3 @@ - # Shindano la Kutafuta Maarifa ya ML ## Maelekezo diff --git a/translations/sw/9-Real-World/2-Debugging-ML-Models/README.md b/translations/sw/9-Real-World/2-Debugging-ML-Models/README.md index 56ea92e1e..1cb159378 100644 --- a/translations/sw/9-Real-World/2-Debugging-ML-Models/README.md +++ b/translations/sw/9-Real-World/2-Debugging-ML-Models/README.md @@ -1,12 +1,3 @@ - # Postscript: Uchanganuzi wa Modeli ya Kujifunza kwa Mashine kwa kutumia Vipengele vya Dashibodi ya AI Inayowajibika ## [Maswali ya awali ya somo](https://ff-quizzes.netlify.app/en/ml/) diff --git a/translations/sw/9-Real-World/2-Debugging-ML-Models/assignment.md b/translations/sw/9-Real-World/2-Debugging-ML-Models/assignment.md index caabfe849..a81117660 100644 --- a/translations/sw/9-Real-World/2-Debugging-ML-Models/assignment.md +++ b/translations/sw/9-Real-World/2-Debugging-ML-Models/assignment.md @@ -1,12 +1,3 @@ - # Chunguza dashibodi ya AI Inayowajibika (RAI) ## Maelekezo diff --git a/translations/sw/9-Real-World/README.md b/translations/sw/9-Real-World/README.md index fab2bce44..f834da612 100644 --- a/translations/sw/9-Real-World/README.md +++ b/translations/sw/9-Real-World/README.md @@ -1,12 +1,3 @@ - # Postscript: Matumizi Halisi ya Kujifunza Mashine ya Kawaida Katika sehemu hii ya mtaala, utatambulishwa kwa baadhi ya matumizi halisi ya Kujifunza Mashine ya Kawaida. Tumetafuta kwa kina mtandaoni ili kupata makala na nyaraka kuhusu matumizi ambayo yametumia mikakati hii, tukiepuka mitandao ya neva, kujifunza kwa kina, na AI kadri iwezekanavyo. Jifunze jinsi ML inavyotumika katika mifumo ya biashara, matumizi ya kiikolojia, fedha, sanaa na utamaduni, na zaidi. diff --git a/translations/sw/AGENTS.md b/translations/sw/AGENTS.md index eb5ac8994..1383af786 100644 --- a/translations/sw/AGENTS.md +++ b/translations/sw/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## Muhtasari wa Mradi diff --git a/translations/sw/CODE_OF_CONDUCT.md b/translations/sw/CODE_OF_CONDUCT.md index c29f839b7..416510524 100644 --- a/translations/sw/CODE_OF_CONDUCT.md +++ b/translations/sw/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # Kanuni za Maadili ya Microsoft Open Source Mradi huu umechukua [Kanuni za Maadili za Microsoft Open Source](https://opensource.microsoft.com/codeofconduct/). diff --git a/translations/sw/CONTRIBUTING.md b/translations/sw/CONTRIBUTING.md index acc5e8690..014ea88ab 100644 --- a/translations/sw/CONTRIBUTING.md +++ b/translations/sw/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # Kuchangia Mradi huu unakaribisha michango na mapendekezo. Michango mingi inahitaji wewe diff --git a/translations/sw/README.md b/translations/sw/README.md index 8f5093f95..b8b9fb2d9 100644 --- a/translations/sw/README.md +++ b/translations/sw/README.md @@ -1,222 +1,188 @@ - -[![Leseni ya GitHub](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) -[![Wachangiaji wa GitHub](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) -[![Maswala ya GitHub](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) -[![Maombi ya kuvuta ya GitHub](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) -[![PRs Karibu](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) - -[![Watazamaji wa GitHub](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) -[![Matawi ya GitHub](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) -[![Nyota za GitHub](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) - ### 🌐 Msaada wa Lugha Nyingi -#### Unaungwa mkono kupitia Kitendo cha GitHub (Kiotomatiki & Daima Kinaendelea Kusasishwa) - - -[Kiarabu](../ar/README.md) | [Kibengali](../bn/README.md) | [Kibulgaria](../bg/README.md) | [Kiburma (Myanmar)](../my/README.md) | [Kichina (Rahisi)](../zh/README.md) | [Kichina (Waridi, Hong Kong)](../hk/README.md) | [Kichina (Waridi, Macau)](../mo/README.md) | [Kichina (Waridi, Taiwan)](../tw/README.md) | [Kikroeshia](../hr/README.md) | [Kicheki](../cs/README.md) | [Kidenmaki](../da/README.md) | [Kiholanzi](../nl/README.md) | [Kiestonia](../et/README.md) | [Kifini](../fi/README.md) | [Kifaransa](../fr/README.md) | [Kijerumani](../de/README.md) | [Kigiriki](../el/README.md) | [Kiebrania](../he/README.md) | [Kihindi](../hi/README.md) | [Kihungari](../hu/README.md) | [Kiindonezia](../id/README.md) | [Kiitaliano](../it/README.md) | [Kijapani](../ja/README.md) | [Kikannada](../kn/README.md) | [Kikorea](../ko/README.md) | [Kilitwania](../lt/README.md) | [Kimalay](../ms/README.md) | [Kimalayalam](../ml/README.md) | [Kimarathi](../mr/README.md) | [Kinepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Kinorwe](../no/README.md) | [Kiajemi (Farsi)](../fa/README.md) | [Kipolandi](../pl/README.md) | [Kireno (Brazil)](../br/README.md) | [Kireno (Portugal)](../pt/README.md) | [Kipunajabi (Gurmukhi)](../pa/README.md) | [Kiromania](../ro/README.md) | [Kirusi](../ru/README.md) | [Kiserbia (Cyrillic)](../sr/README.md) | [Kislovakia](../sk/README.md) | [Kislovenia](../sl/README.md) | [Kihispania](../es/README.md) | [Kiswahili](./README.md) | [Kiswidi](../sv/README.md) | [Kitagalog (Kifilipino)](../tl/README.md) | [Kitamili](../ta/README.md) | [Kitelugu](../te/README.md) | [Kithai](../th/README.md) | [Kituruki](../tr/README.md) | [Kiukrania](../uk/README.md) | [Kiurdu](../ur/README.md) | [Kivietinamu](../vi/README.md) +#### Inasaidiwa kupitia Kitendo cha GitHub (Kiotomatiki & Kila Wakati Kina Sasisho) -> **Unapendelea Kudhahidisha Katika Kompyuta Lako?** +> **Unapendelea Kukopa Kwenye Kompyuta Binafsi?** -> Hifadhi hii ina utafsiri wa lugha zaidi ya 50 ambayo huongeza ukubwa wa pakua kwa kiasi kikubwa. Ili kudhahidisha bila tafsiri, tumia sparse checkout: +> Hifadhidata hii inajumuisha tafsiri zaidi ya lugha 50 ambazo huongeza sana ukubwa wa upakuaji. Ili kukopa bila tafsiri, tumia 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' > ``` -> Hii inakupa kila kitu unachohitaji kukamilisha kozi kwa upakuaji wa haraka zaidi. - - -#### Jumuika na Jamii Yetu - -[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) +> Hii inakupa kila kitu unachohitaji kukamilisha kozi kwa upakuaji wa kasi zaidi. -Tuna mfululizo wa kujifunza Discord na AI unaoendelea, jifunze zaidi na ujiunge nasi kwenye [Mfululizo wa Kujifunza na AI](https://aka.ms/learnwithai/discord) kuanzia tarehe 18 - 30 Septemba, 2025. Utapokea ushauri na mbinu za kutumia GitHub Copilot kwa Sayansi ya Data. +#### Jiunge na Jamii Yetu -![Mfululizo wa Kujifunza na AI](../../../../translated_images/sw/3.9b58fd8d6c373c20.webp) +Tuna msururu wa kujifunza kwenye Discord kuhusu AI unaoendelea, jifunze zaidi na ujiunge nasi katika [Learn with AI Series](https://aka.ms/learnwithai/discord) kuanzia 18 - 30 Septemba, 2025. Utapata vidokezo na mbinu za kutumia GitHub Copilot kwa Sayansi ya Data. # Kujifunza Mashine kwa Waanzilishi - Mtaala -> 🌍 Safiri kote duniani tunapoangalia Kujifunza Mashine kupitia tamaduni za dunia 🌍 +> 🌍 Safiri duniani kote tunapochunguza Kujifunza Mashine kupitia tamaduni za dunia 🌍 -Wapigaji debe wa Wingu wa Microsoft wanafurahia kutoa mtaala wa wiki 12, somo 26 kuhusu **Kujifunza Mashine**. Katika mtaala huu, utajifunza kuhusu kile kinachoitwa mara nyingine **kujifunza mashine cha kawaida**, ukitumia hasa maktaba ya Scikit-learn na kuepuka kujifunza kwa undani, ambayo inashughulikiwa katika [mtaala wetu wa AI kwa Waanzilishi](https://aka.ms/ai4beginners). Pia weka masomo haya sambamba na mtaala wetu wa ['Sayansi ya Data kwa Waanzilishi'](https://aka.ms/ds4beginners)! +Wak Advocates wa Cloud katika Microsoft wanafurahia kutoa mtaala wa wiki 12, masomo 26 yote kuhusu **Kujifunza Mashine**. Katika mtaala huu, utajifunza kuhusu kile kinachojulikana kama **kujifunza mashine cha klasiki**, ukitumia hasa maktaba ya Scikit-learn na kuepuka kujifunza kwa kina, ambayo inajumuishwa katika [mtaala wetu wa AI kwa Waanzilishi](https://aka.ms/ai4beginners). Pia, weka masomo haya pamoja na mtaala wetu wa ['Sayansi ya Data kwa Waanzilishi'](https://aka.ms/ds4beginners). -Safari nasi ulimwenguni kote tunapotumia mbinu hizi za kawaida kwa data kutoka maeneo mengi ya dunia. Kila somo lina maswali ya kabla na baada ya somo, maelekezo yaliyoandikwa ya kukamilisha somo, suluhisho, kazi, na zaidi. Mbinu yetu ya kujifunza kwa mradi inakuwezesha kujifunza huku ukijenga, njia iliyothibitishwa ya kupata stadi mpya. +Safiri nasi kote duniani tunapotumia mbinu hizi za klasiki kwa data kutoka sehemu nyingi za dunia. Kila somo linajumuisha maswali kabla na baada ya somo, maelekezo ya maandishi ya kuhitimisha somo, suluhisho, kazi ya nyumbani, na zaidi. Pedagojia yetu inayotegemea mradi inakuwezesha kujifunza huku ukiunda, njia iliyo thibitishwa ya ujuzi mpya 'kubaki'. -**✍️ Shukrani za dhati kwa waandishi wetu** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu na Amy Boyd +**✍️ Shukrani nyingi kwa waandishi wetu** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu na Amy Boyd -**🎨 Shukrani pia kwa wachora picha zetu** Tomomi Imura, Dasani Madipalli, na Jen Looper +**🎨 Shukrani pia kwa wachora wetu** Tomomi Imura, Dasani Madipalli, na Jen Looper -**🙏 Shukrani maalum 🙏 kwa waandishi, wakaguzi, na wachangiaji wa yaliyomo wa Mabalozi wa Wanafunzi wa Microsoft**, hasa Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, na Snigdha Agarwal +**🙏 Shukrani maalum 🙏 kwa waandishi, wakaguzi, na wachangiaji wa Microsoft Student Ambassador**, hasa Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, na Snigdha Agarwal -**🤩 Shukrani za ziada kwa Mabalozi wa Wanafunzi wa Microsoft Eric Wanjau, Jasleen Sondhi, na Vidushi Gupta kwa somo letu la R!** +**🤩 Shukrani zaidi kwa Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, na Vidushi Gupta kwa masomo yetu ya R!** -# Kuanza +# Kuanzia Fuata hatua hizi: -1. **Fungua Tawi (Fork) Hifadhi**: Bonyeza kitufe cha "Fork" kilicho kona ya juu-mwenye-kulia ya ukurasa huu. -2. **Dondoa Hifadhi (Clone)**: `git clone https://github.com/microsoft/ML-For-Beginners.git` +1. **Gawanya Hifadhidata**: Bonyeza kitufe cha "Fork" kilichopo kona ya juu kulia ya ukurasa huu. +2. **Nakili Hifadhidata**: `git clone https://github.com/microsoft/ML-For-Beginners.git` -> [pata rasilimali zote za ziada za kozi hii kwenye mkusanyiko wetu wa Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [pata rasilimali zote za ziada za kozi hii katika mkusanyiko wetu wa Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -> 🔧 **Unahitaji msaada?** Angalia [Mwongozo wa Utatuzi wa Matatizo](TROUBLESHOOTING.md) kwa suluhisho za masuala ya kawaida ya usakinishaji, usanidi, na kuendesha masomo. +> 🔧 **Unahitaji msaada?** Angalia [Mwongozo wa Kutatua Matatizo](TROUBLESHOOTING.md) kwa suluhisho za matatizo ya kawaida ya usakinishaji, usanidi, na kuendesha masomo. +**[Wanafunzi](https://aka.ms/student-page)**, ili kutumia mtaala huu, gawanya hifadhidata nzima kwenye akaunti yako ya GitHub na kamilisha mazoezi peke yako au kwa kundi: -**[Wanafunzi](https://aka.ms/student-page)**, ili kutumia mtaala huu, fanya fork kwa hifadhi yote kwenye akaunti yako ya GitHub na ukamilishe mazoezi peke yako au kwa kikundi: - -- Anza na mtihani wa kabla ya mihadhara. -- Soma mihadhara na kamilisha shughuli, simama na tafakari kila mara inapofika kipimo cha maarifa. -- Jaribu kuunda miradi kwa kuelewa masomo badala ya kuendesha msimbo wa suluhisho; hata hivyo msimbo huo upatikana katika folda za `/solution` katika kila somo linaloelekezwa kwa mradi. -- Fanya mtihani wa baada ya mihadhara. +- Anza na jaribio kabla ya somo. +- Soma somo na kamilisha shughuli, simama na fanya tafakari kila ukikagua maarifa. +- Jaribu kuunda miradi kwa kuelewa masomo badala ya kuendesha msimbo wa suluhisho; hata hivyo msimbo huo upo kwenye folda za `/solution` katika kila somo linalolenga mradi. +- Fanya jaribio baada ya somo. - Kamilisha changamoto. -- Kamilisha kazi. -- Baada ya kukamilisha kundi la somo, tembelea [Bodi ya Majadiliano](https://github.com/microsoft/ML-For-Beginners/discussions) na "jifunze kwa sauti" kwa kujaza rubriki sahihi ya PAT. 'PAT' ni Zana ya Tathmini ya Maendeleo unayoijaza ili kuongeza ujuzi wako. Pia unaweza kuweka majibu kwa PAT za wengine ili tujifunze pamoja. +- Kamilisha kazi ya nyumbani. +- Baada ya kumaliza kundi la masomo, tembelea [Jukwaa la Majadiliano](https://github.com/microsoft/ML-For-Beginners/discussions) na "jifunze kwa sauti" kwa kujaza moja ya rubriki za PAT. 'PAT' ni Zana ya Tathmini ya Maendeleo ambayo ni rubriki unayoijaza ili kuendeleza mafunzo yako. Unaweza pia kutoa maoni kwa PAT nyingine ili tujifunze pamoja. -> Kwa masomo ya ziada, tunapendekeza kufuata [miundombinu na njia za kujifunza za Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott). +> Kwa masomo zaidi, tunapendekeza kufuata moduli na njia za kujifunza za [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott). -**Walimu**, tumetoa [mapendekezo kadhaa](for-teachers.md) juu ya jinsi ya kutumia mtaala huu. +**Walimu**, tumetenga [mapendekezo baadhi](for-teachers.md) juu ya jinsi ya kutumia mtaala huu. --- -## Maelezo ya video - -Baadhi ya masomo yanapatikana kama video fupi. Unaweza kuyapata yote yakiwa ndani ya masomo, au kwenye [orodha ya kucheza ya ML kwa Waanzilishi kwenye kituo cha Microsoft Developer YouTube](https://aka.ms/ml-beginners-videos) kwa kubonyeza picha hapa chini. +## Maelekezo ya video -[![Bango la ML kwa waanzilishi](../../../../translated_images/sw/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) +Baadhi ya masomo yanapatikana kama video fupi. Unaweza kupata haya yote pamoja kwenye masomo, au kwenye [orodha ya video za ML kwa Waanzilishi kwenye YouTube ya Microsoft Developer](https://aka.ms/ml-beginners-videos) kwa kubonyeza picha iliyopo chini. --- ## Kutana na Timu -[![Video ya utangulizi](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) - -**Gif kwa** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) - -> 🎥 Bonyeza picha hapo juu kwa video kuhusu mradi na watu waliouunda! +> 🎥 Bonyeza picha kwenye juu kupata video kuhusu mradi na wale waliouunda! --- ## Mbinu ya Kufundisha -Tumekuwa na kanuni mbili za kijumla wakati wa kuunda mtaala huu: kuhakikisha kuwa ni **kwa vitendo na mwa mradi** na kuwa na **mtihani wa mara kwa mara**. Aidha, mtaala huu una **kauli moja** ya pamoja ili kuupa mshikamano. +Tumebaini kanuni mbili za kufundisha katika kujenga mtaala huu: kuhakikisha kwamba ni **mradi-wa-kazi** na kwamba unajumuisha **maswali ya mara kwa mara**. Vilevile, mtaala huu una **kauli mbiu** ya pamoja kuleta mshikamano. -Kwa kuhakikisha kuwa maudhui yanahusiana na miradi, mchakato unakuwa wa kuvutia zaidi kwa wanafunzi na kuimarisha kumbukumbu ya dhana. Aidha, mtihani mdogo kabla ya darasa huweka nia ya mwanafunzi kujifunza somo, wakati mtihani wa pili baada ya darasa huhakikisha kumbukumbu zaidi. Mtaala huu umesanifiwa kuwa rahisi na wa kufurahisha na unaweza kuchukuliwa wote au sehemu. Miradi huanza ndogo na kuwa tata zaidi mwishoni mwa mzunguko wa wiki 12. Mtaala huu pia una tamati kuhusu matumizi halisi ya Kujifunza Mashine, ambayo inaweza kutumika kama mkopo wa ziada au msingi wa majadiliano. +Kwa kuhakikisha maudhui yanaendana na miradi, mchakato unakuwa wa kuvutia zaidi kwa wanafunzi na kumbukumbu ya dhana itaboreshwa. Aidha, jaribio la chini kabla ya darasa linaweka nia ya mwanafunzi kuelekea kujifunza mada, wakati jaribio la pili baada ya darasa huboresha kumbukumbu zaidi. Mtaala huu umeundwa kuwa na unyumbufu na kufurahisha na unaweza kuchukuliwa kwa jumla au sehemu. Miradi huanza ndogo na kuwa ngumu zaidi kufikia mwisho wa mzunguko wa wiki 12. Mtaala huu pia unajumuisha kiambatisho kuhusu matumizi halisi ya ML, ambacho kinaweza kutumika kama mkopo wa ziada au kama msingi wa majadiliano. -> Pata [Kanuni zetu za Maadili](CODE_OF_CONDUCT.md), [Jumuiya](CONTRIBUTING.md), [Tafsiri](TRANSLATIONS.md), na [Mwongozo wa Utatuzi wa Matatizo](TROUBLESHOOTING.md). Tunakaribisha maoni yako ya kujenga! +> Pata [Kanuni zetu za Maadili](CODE_OF_CONDUCT.md), [Kushirikiana](CONTRIBUTING.md), [Tafsiri](TRANSLATIONS.md), na [Kutatua Matatizo](TROUBLESHOOTING.md). Tunakaribisha maoni yako ya kujenga! ## Kila somo linajumuisha -- sketchnote ya hiari -- video ya ziada ya hiari -- maelezo ya video (masomo mengine tu) -- [mtihani wa kuwa tayari kabla ya mihadhara](https://ff-quizzes.netlify.app/en/ml/) -- somo lililoandikwa -- kwa masomo yanayotegemea mradi, maelekezo kwa hatua kwa hatua ya jinsi ya kujenga mradi -- vipimo vya maarifa +- sketchnote hiari +- video ya nyongeza hiari +- maelekezo ya video (baadhi ya masomo pekee) +- [jaribio la kujiandaa kabla ya somo](https://ff-quizzes.netlify.app/en/ml/) +- somo la maandishi +- kwa masomo yanayojikita katika mradi, maelekezo hatua kwa hatua ya jinsi ya kujenga mradi +- ukaguzi wa maarifa - changamoto -- somo la ziada la kusoma -- kazi -- [mtihani wa baada ya mihadhara](https://ff-quizzes.netlify.app/en/ml/) - -> **Kwa taarifa kuhusu lugha**: Masomo haya yaliandikwa hasa kwa Python, lakini mengi yanapatikana pia kwa R. Ili kumaliza somo la R, nenda kwenye folda ya `/solution` na tafuta masomo ya R. Yanajumuisha ongezaji la .rmd linalowakilisha faili ya **R Markdown** ambayo inaweza kuelezwa kama kuingiza `vipande vya msimbo` (katika R au lugha nyingine) na `kichwa cha YAML` (kinachoonyesha jinsi ya kuweka matokeo kama PDF) katika `nyaraka ya Markdown`. Hivyo basi, hutoa mfumo bora wa uandishi kwa sayansi ya data kwani huruhusu kuunganisha msimbo wako, matokeo yake, na mawazo yako kwa kuyaandika kwenye Markdown. Zaidi ya hayo, nyaraka za R Markdown zinaweza kutafsiriwa kwenye format kama PDF, HTML, au Word. -> **Kumbuka kuhusu maswali ya mtihani**: Maswali yote ya mtihani yanapatikana katika [folda ya Programu ya Mtihani](../../quiz-app), kwa jumla ya maswali 52 yenye maswali matatu kila moja. Yameunganishwa kutoka ndani ya masomo lakini programu ya mtihani inaweza kuendeshwa ndani ya kompyuta; fuata maelekezo katika folda ya `quiz-app` ili kuandaa au kuweka kwenye Azure kwa ndani. - -| Nambari ya Somo | Mada | Kundi la Somo | Malengo ya Kujifunza | Somo Linalounganishwa | Mwandishi | -| :-------------: | :----------------------------------------------------------: | :-----------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :-----------------------------------------------------------------------------------------------------------------------------------------: | :-----------------------------------------------------: | -| 01 | Utangulizi wa ujifunzaji wa mashine | [Utangulizi](1-Introduction/README.md) | Jifunze dhana za msingi nyuma ya ujifunzaji wa mashine | [Somo](1-Introduction/1-intro-to-ML/README.md) | Muhammad | -| 02 | Historia ya ujifunzaji wa mashine | [Utangulizi](1-Introduction/README.md) | Jifunze historia inayotumika katika uwanja huu | [Somo](1-Introduction/2-history-of-ML/README.md) | Jen na Amy | -| 03 | Uadilifu na ujifunzaji wa mashine | [Utangulizi](1-Introduction/README.md) | Ni masuala gani muhimu ya kifalsafa kuhusu uadilifu wanafunzi wanapaswa kuzingatia wanapojenga na kutumia mifano ya ML? | [Somo](1-Introduction/3-fairness/README.md) | Tomomi | -| 04 | Mbinu za ujifunzaji wa mashine | [Utangulizi](1-Introduction/README.md) | Ni mbinu gani wanatafiti wa ML hutumia kujenga mifano ya ML? | [Somo](1-Introduction/4-techniques-of-ML/README.md) | Chris na Jen | -| 05 | Utangulizi wa usahihishaji | [Usahihishaji](2-Regression/README.md) | Anza na Python na Scikit-learn kwa mifano ya usahihishaji | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | -| 06 | Bei za malenge ya Amerika Kaskazini 🎃 | [Usahihishaji](2-Regression/README.md) | Onyesha na safisha data kama maandalizi kwa ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | -| 07 | Bei za malenge ya Amerika Kaskazini 🎃 | [Usahihishaji](2-Regression/README.md) | Jenga mifano ya usahihishaji wa mstari na polynomial | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen na Dmitry • Eric Wanjau | -| 08 | Bei za malenge ya Amerika Kaskazini 🎃 | [Usahihishaji](2-Regression/README.md) | Jenga mfano wa usahihishaji wa logistic | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | -| 09 | Programu ya Wavuti 🔌 | [Programu ya Wavuti](3-Web-App/README.md) | Jenga programu ya wavuti kutumia mfano wako uliyofunzwa | [Python](3-Web-App/1-Web-App/README.md) | Jen | -| 10 | Utangulizi wa uainishaji | [Uainishaji](4-Classification/README.md) | Safisha, andaa, na onyesha data yako; utangulizi wa uainishaji | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen na Cassie • Eric Wanjau | -| 11 | Vyakula tamu vya Asia na India 🍜 | [Uainishaji](4-Classification/README.md) | Utangulizi wa wainishaji | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen na Cassie • Eric Wanjau | -| 12 | Vyakula tamu vya Asia na India 🍜 | [Uainishaji](4-Classification/README.md) | Zaidi ya wainishaji | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen na Cassie • Eric Wanjau | -| 13 | Vyakula tamu vya Asia na India 🍜 | [Uainishaji](4-Classification/README.md) | Jenga programu ya wavuti ya mapendekezo ukitumia mfano wako | [Python](4-Classification/4-Applied/README.md) | Jen | -| 14 | Utangulizi wa ugawanyaji | [Ugawanyaji](5-Clustering/README.md) | Safisha, andaa, na onyesha data yako; utangulizi wa ugawanyaji | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | -| 15 | Kuchunguza Ladha za Muziki wa Nigeria 🎧 | [Ugawanyaji](5-Clustering/README.md) | Chunguza mbinu ya ugawanyaji wa K-Maana | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | -| 16 | Utangulizi wa usindikaji wa lugha asilia ☕️ | [Usindikaji wa lugha asilia](6-NLP/README.md) | Jifunze misingi ya NLP kwa kujenga roboti rahisi | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | -| 17 | Kazi Zaidi za NLP ya Kawaida ☕️ | [Usindikaji wa lugha asilia](6-NLP/README.md) | Zidi maarifa yako ya NLP kwa kuelewa kazi za kawaida zinazohitajika katika kushughulikia miundo ya lugha | [Python](6-NLP/2-Tasks/README.md) | Stephen | -| 18 | Tafsiri na uchambuzi wa hisia ♥️ | [Usindikaji wa lugha asilia](6-NLP/README.md) | Tafsiri na uchambuzi wa hisia na Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | -| 19 | Hoteli za kimapenzi za Ulaya ♥️ | [Usindikaji wa lugha asilia](6-NLP/README.md) | Uchambuzi wa hisia na mapitio ya hoteli 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | -| 20 | Hoteli za kimapenzi za Ulaya ♥️ | [Usindikaji wa lugha asilia](6-NLP/README.md) | Uchambuzi wa hisia na mapitio ya hoteli 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | -| 21 | Utangulizi wa utabiri wa mfululizo wa wakati | [Mfululizo wa Wakati](7-TimeSeries/README.md) | Utangulizi wa utabiri wa mfululizo wa wakati | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | -| 22 | ⚡️ Matumizi ya Nguvu Duniani ⚡️ - utabiri wa mfululizo wa wakati kwa ARIMA | [Mfululizo wa Wakati](7-TimeSeries/README.md) | Utabiri wa mfululizo wa wakati kwa ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | -| 23 | ⚡️ Matumizi ya Nguvu Duniani ⚡️ - utabiri wa mfululizo wa wakati kwa SVR | [Mfululizo wa Wakati](7-TimeSeries/README.md) | Utabiri wa mfululizo wa wakati kwa Mkuzaji Msaada wa Vector | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | -| 24 | Utangulizi wa kujifunza kwa kuimarisha | [Kujifunza kwa Kuimarisha](8-Reinforcement/README.md) | Utangulizi wa kujifunza kwa kuimarisha kwa Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | -| 25 | Msaada Peter acha apate mbwa mwitu! 🐺 | [Kujifunza kwa Kuimarisha](8-Reinforcement/README.md) | Gym ya Kujifunza kwa Kuimarisha | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | -| Postscript | Matukio na matumizi halisi ya ML | [ML Katika Porini](9-Real-World/README.md) | Matumizi ya kuvutia na ya kufichua ya ML ya kawaida | [Somo](9-Real-World/1-Applications/README.md) | Timu | -| Postscript | Urekebishaji wa Mfano katika ML ukitumia dashibodi ya RAI | [ML Katika Porini](9-Real-World/README.md) | Urekebishaji wa Mfano katika Kujifunza kwa Mashine ukitumia vipengele vya dashibodi ya Responsible AI | [Somo](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | - -> [pata rasilimali zote za ziada kwa kozi hii katika mkusanyiko wetu wa Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) - -## Kufikia bila mtandao - -Unaweza kuendesha hati hii bila mtandao kwa kutumia [Docsify](https://docsify.js.org/#/). Fikiria repo hii, [weka Docsify](https://docsify.js.org/#/quickstart) kwenye mashine yako ya ndani, halafu katika folda kuu ya repo hii, andika `docsify serve`. Tovuti itahudumiwa kwenye port 3000 kwenye localhost yako: `localhost:3000`. +- kusoma kwa ziada +- kazi ya nyumbani +- [jaribio baada ya somo](https://ff-quizzes.netlify.app/en/ml/) + +> **Kuhusu lugha**: Masomo haya yameandikwa kwa msingi wa Python, lakini mengi yanapatikana pia kwa R. Ili kumaliza somo la R, nenda kwenye folda ya `/solution` na tafuta masomo ya R. Yanajumuisha kiambatisho cha .rmd kinachoonyesha faili ya **R Markdown** ambayo inaweza kufafanuliwa kama mchanganyiko wa `vipande vya msimbo` (vya R au lugha nyingine) na `kichwa cha YAML` (ambacho kinaelekeza jinsi ya kuunda matokeo kama PDF) ndani ya `nyaraka za Markdown`. Kwa hivyo, inahudumu kama mfumo bora wa uandishi wa masomo ya sayansi ya data kwa kuwa inakuwezesha kuunganisha msimbo wako, matokeo yake, na mawazo yako kwa kuandika ndani ya Markdown. Zaidi ya hayo, nyaraka za R Markdown zinaweza kugeuzwa kuwa aina mbalimbali za matokeo kama PDF, HTML, au Word. +> **Kumbuka kuhusu maswali ya mtihani**: Maswali yote ya mtihani yapo katika [Folda ya Programu ya Mtihani](../../quiz-app), kwa jumla ya maswali 52 yenye maswali matatu kila moja. Yameunganishwa ndani ya masomo lakini programu ya mtihani inaweza kuendeshwa kwa eneo; fuata maelekezo kwenye folda ya `quiz-app` ili kuendesha kwa eneo au kuweka Azure. + +| Nambari ya Somo | Mada | Kundi la Somo | Malengo ya Kujifunza | Somo Lililounganishwa | Mwandishi | +| :-------------: | :--------------------------------------------------------: | :----------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :-------------------------------------------------: | +| 01 | Utangulizi wa ujifunzaji wa mashine | [Utangulizi](1-Introduction/README.md) | Jifunze dhana msingi nyuma ya ujifunzaji wa mashine | [Somo](1-Introduction/1-intro-to-ML/README.md) | Muhammad | +| 02 | Historia ya ujifunzaji wa mashine | [Utangulizi](1-Introduction/README.md) | Jifunze historia inayohonza uwanja huu | [Somo](1-Introduction/2-history-of-ML/README.md) | Jen na Amy | +| 03 | Ukweli na ujifunzaji wa mashine | [Utangulizi](1-Introduction/README.md) | Ni masuala gani muhimu ya falsafa kuhusu usawa ambayo wanafunzi wanapaswa kuzingatia wanapojenga na kutumia mifano ya ML? | [Somo](1-Introduction/3-fairness/README.md) | Tomomi | +| 04 | Mbinu za ujifunzaji wa mashine | [Utangulizi](1-Introduction/README.md) | Wanatumia mbinu gani watafiti wa ML kujenga mifano ya ML? | [Somo](1-Introduction/4-techniques-of-ML/README.md) | Chris na Jen | +| 05 | Utangulizi wa regression | [Regression](2-Regression/README.md) | Anza na Python na Scikit-learn kwa mifano ya regression | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | +| 06 | Bei za maboga za Amerika Kaskazini 🎃 | [Regression](2-Regression/README.md) | Onyesha na safisha data kama maandalizi ya ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | +| 07 | Bei za maboga za Amerika Kaskazini 🎃 | [Regression](2-Regression/README.md) | Jenga mifano ya regression ya mstari na polynomial | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen na Dmitry • Eric Wanjau | +| 08 | Bei za maboga za Amerika Kaskazini 🎃 | [Regression](2-Regression/README.md) | Jenga mfano wa regression ya logistic | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | +| 09 | Programu ya Wavuti 🔌 | [Web App](3-Web-App/README.md) | Jenga programu ya wavuti kwa kutumia mfano uliobobea | [Python](3-Web-App/1-Web-App/README.md) | Jen | +| 10 | Utangulizi wa uainishaji | [Classification](4-Classification/README.md) | Safisha, andaa, na onyesha data yako; utangulizi wa uainishaji | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen na Cassie • Eric Wanjau | +| 11 | Chunguzi na mapishi ladha ya Asia na India 🍜 | [Classification](4-Classification/README.md) | Utangulizi wa waainishaji | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen na Cassie • Eric Wanjau | +| 12 | Chunguzi na mapishi ladha ya Asia na India 🍜 | [Classification](4-Classification/README.md) | Waainishaji zaidi | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen na Cassie • Eric Wanjau | +| 13 | Chunguzi na mapishi ladha ya Asia na India 🍜 | [Classification](4-Classification/README.md) | Jenga programu ya wavuti ya kupendekeza kwa kutumia mfano wako | [Python](4-Classification/4-Applied/README.md) | Jen | +| 14 | Utangulizi wa ugawaji vikundi | [Clustering](5-Clustering/README.md) | Safisha, andaa, na onyesha data yako; utangulizi wa ugawaji vikundi | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | +| 15 | Kuchunguza Ladha za Muziki za Nigeria 🎧 | [Clustering](5-Clustering/README.md) | Chunguza mbinu ya ugawaji vikundi ya 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 | Utangulizi wa usindikaji wa lugha asilia ☕️ | [Natural language processing](6-NLP/README.md) | Jifunze msingi wa NLP kwa kujenga bot rahisi | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | +| 17 | Kazi za kawaida za NLP ☕️ | [Natural language processing](6-NLP/README.md) | Zidisha maarifa yako ya NLP kwa kuelewa kazi za kawaida zinazotakiwa unapotumia miundo ya lugha | [Python](6-NLP/2-Tasks/README.md) | Stephen | +| 18 | Tafsiri na uchambuzi wa hisia ♥️ | [Natural language processing](6-NLP/README.md) | Tafsiri na uchambuzi wa hisia na Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | +| 19 | Hoteli za kimapenzi za Ulaya ♥️ | [Natural language processing](6-NLP/README.md) | Uchambuzi wa hisia kwa mapitio ya hoteli 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | +| 20 | Hoteli za kimapenzi za Ulaya ♥️ | [Natural language processing](6-NLP/README.md) | Uchambuzi wa hisia kwa mapitio ya hoteli 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | +| 21 | Utangulizi wa utabiri wa mfululizo wa wakati | [Time series](7-TimeSeries/README.md) | Utangulizi wa utabiri wa mfululizo wa wakati | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | +| 22 | ⚡️ Matumizi ya Nguvu Duniani ⚡️ - utabiri wa mfululizo wa wakati na ARIMA | [Time series](7-TimeSeries/README.md) | Utabiri wa mfululizo wa wakati kwa kutumia ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | +| 23 | ⚡️ Matumizi ya Nguvu Duniani ⚡️ - utabiri wa mfululizo wa wakati na SVR | [Time series](7-TimeSeries/README.md) | Utabiri wa mfululizo wa wakati kwa kutumia Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | +| 24 | Utangulizi wa ujifunzaji wa kuimarisha | [Reinforcement learning](8-Reinforcement/README.md) | Utangulizi wa ujifunzaji wa kuimarisha kwa kutumia Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | +| 25 | Msaada kwa Peter kuepuka mbwa mwitu! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Ujifunzaji wa kuimarisha Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | +| Maandishi ya Ziada | Matukio halisi ya ML na matumizi | [ML in the Wild](9-Real-World/README.md) | Matumizi ya ajabu na wazi ya ML ya kawaida | [Somo](9-Real-World/1-Applications/README.md) | Timu | +| Maandishi ya Ziada | Kuangalia Modeli katika ML kwa kutumia dashibodi ya RAI | [ML in the Wild](9-Real-World/README.md) | Kuangalia modeli katika kujifunza mashine kwa kutumia vipengele vya dashibodi ya Responsible AI | [Somo](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | + +> [pata rasilimali zote za ziada za kozi hii katika mkusanyiko wetu wa Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) + +## Upatikanaji bila mtandao + +Unaweza kuendesha nyaraka hii bila mtandao kwa kutumia [Docsify](https://docsify.js.org/#/). Fanya toleo la hivi karibuni la repo hii, [weka Docsify](https://docsify.js.org/#/quickstart) kwenye mashine yako ya eneo, kisha kwenye folda ya mizizi ya repo hii, andika `docsify serve`. Tovuti itahudumiwa kwenye bandari 3000 kwenye localhost yako: `localhost:3000`. ## PDF -Pata pdf ya mtaala na viungo [hapa](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). +Pata pdf ya mtaala yenye viungo [hapa](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). -## 🎒 Kozi Nyingine +## 🎒 Kozi Nyingine -Timu yetu hutoa kozi nyingine! Angalia: +Timu yetu hutengeneza kozi nyingine! Angalia: ### LangChain -[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) -[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) +[![LangChain4j kwa Waanzilishi](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) +[![LangChain.js kwa Waanzilishi](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Maajenti -[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AZD kwa Waanzilishi](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Edge AI kwa Waanzilishi](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP kwa Waanzilishi](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Maajenti wa AI kwa Waanzilishi](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Mfululizo wa AI ya Kizazi -[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) -[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) +[![AI Inayozalisha kwa Waanzilishi](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) +[![AI Inayozalisha (.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) +[![AI Inayozalisha (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) +[![AI Inayozalisha (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- -### Core Learning -[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![Cybersecurity for Beginners](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) -[![Web Dev for Beginners](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 for Beginners](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 Development for Beginners](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) +### Kujifunza Msingi +[![ML kwa Waanzilishi](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) +[![Sayansi ya Data kwa Waanzilishi](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 kwa Waanzilishi](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) +[![Usalama Mtandao kwa Waanzilishi](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) +[![Uendelezaji wa Wavuti kwa Waanzilishi](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 kwa Waanzilishi](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) +[![Uendelezaji wa XR kwa Waanzilishi](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) --- ### Mfululizo wa Copilot -[![Copilot for AI Paired Programming](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 for 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 Adventure](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 kwa Uandishi wa Programu wa Pamoja ya AI](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 kwa 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) +[![Uzoefu wa Copilot](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## Kupata Msaada -Ikiwa unakumbwa na shida au una maswali kuhusu kujenga programu za AI. Jiunge na wenzako wanaojifunza na watengenezaji wenye uzoefu katika mijadala kuhusu MCP. Ni jumuiya yenye msaada ambapo maswali yanakaribishwa na maarifa hushirikiwa kwa uhuru. +Ikiwa unakumbwa na changamoto au una maswali kuhusu kujenga programu za AI. Jiunge na wapenzi wengine wa kujifunza na watengenezaji wenye uzoefu katika mijadala kuhusu MCP. Ni jumuiya yenye msaada ambapo maswali yanakaribishwa na maarifa yanashirikiwa kwa uhuru. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) @@ -227,6 +193,6 @@ Ikiwa una maoni kuhusu bidhaa au makosa wakati wa kujenga tembelea: --- -**Kiadhabu**: -Hati hii imetafsiriwa kwa kutumia huduma ya kutafsiri kwa AI [Co-op Translator](https://github.com/Azure/co-op-translator). Ingawa tunajitahidi kwa usahihi, tafadhali fahamu kuwa tafsiri za otomatiki zinaweza kuwa na makosa au kasoro. Hati ya asili katika lugha yake ya asili inapaswa kuchukuliwa kama chanzo cha mamlaka. Kwa taarifa muhimu, tafsiri ya mtaalamu wa binadamu inashauriwa. Hatutawajibika kwa kutoelewana au tafsiri potofu zinazotokana na matumizi ya tafsiri hii. +**Kiarifu cha Kutotegemea**: +Nyaraka hii imetafsiriwa kwa kutumia huduma ya utafsiri wa AI [Co-op Translator](https://github.com/Azure/co-op-translator). Ingawa tunajitahidi kufikia usahihi, tafadhali fahamu kuwa tafsiri za kiotomatiki zinaweza kuwa na makosa au upotoshaji. Nyaraka ya asili katika lugha yake ya asili inapaswa kuzingatiwa kama chanzo cha mamlaka. Kwa taarifa muhimu, tafsiri ya kitaalamu inayotolewa na binadamu inashauriwa. Hatukuzuiliwa kwa maelewano mabaya au tafsiri potovu zitokanazo na matumizi ya tafsiri hii. \ No newline at end of file diff --git a/translations/sw/SECURITY.md b/translations/sw/SECURITY.md index c599e6ce3..82136ebba 100644 --- a/translations/sw/SECURITY.md +++ b/translations/sw/SECURITY.md @@ -1,12 +1,3 @@ - ## Usalama Microsoft inachukulia usalama wa bidhaa na huduma zake kwa uzito, ikijumuisha hifadhi zote za msimbo wa chanzo zinazosimamiwa kupitia mashirika yetu ya GitHub, ambayo ni pamoja na [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), na [mashirika yetu ya GitHub](https://opensource.microsoft.com/). diff --git a/translations/sw/SUPPORT.md b/translations/sw/SUPPORT.md index 50dc25733..9d7d45623 100644 --- a/translations/sw/SUPPORT.md +++ b/translations/sw/SUPPORT.md @@ -1,12 +1,3 @@ - # Msaada ## Jinsi ya kuripoti matatizo na kupata msaada diff --git a/translations/sw/TROUBLESHOOTING.md b/translations/sw/TROUBLESHOOTING.md index e457c6c24..63e472e58 100644 --- a/translations/sw/TROUBLESHOOTING.md +++ b/translations/sw/TROUBLESHOOTING.md @@ -1,12 +1,3 @@ - # Mwongozo wa Kutatua Shida Mwongozo huu utakusaidia kutatua matatizo ya kawaida unayoweza kukutana nayo unapofanya kazi na mtaala wa Kujifunza Mashine kwa Kompyuta za Kuanza. Ikiwa huwezi kupata suluhisho hapa, tafadhali angalia [Majadiliano ya Discord](https://aka.ms/foundry/discord) au [fungua suala](https://github.com/microsoft/ML-For-Beginners/issues). diff --git a/translations/sw/docs/_sidebar.md b/translations/sw/docs/_sidebar.md index 2eece1202..080671e95 100644 --- a/translations/sw/docs/_sidebar.md +++ b/translations/sw/docs/_sidebar.md @@ -1,12 +1,3 @@ - - Utangulizi - [Utangulizi wa Kujifunza kwa Mashine](../1-Introduction/1-intro-to-ML/README.md) - [Historia ya Kujifunza kwa Mashine](../1-Introduction/2-history-of-ML/README.md) diff --git a/translations/sw/for-teachers.md b/translations/sw/for-teachers.md index f19e571c1..01c3c0a8d 100644 --- a/translations/sw/for-teachers.md +++ b/translations/sw/for-teachers.md @@ -1,12 +1,3 @@ - ## Kwa Walimu Je, ungependa kutumia mtaala huu darasani kwako? Tafadhali jisikie huru! diff --git a/translations/sw/quiz-app/README.md b/translations/sw/quiz-app/README.md index c508a6aa0..b62e36506 100644 --- a/translations/sw/quiz-app/README.md +++ b/translations/sw/quiz-app/README.md @@ -1,12 +1,3 @@ - # Maswali ya Quiz Maswali haya ni ya awali na ya baada ya mihadhara kwa mtaala wa ML kwenye https://aka.ms/ml-beginners diff --git a/translations/sw/sketchnotes/LICENSE.md b/translations/sw/sketchnotes/LICENSE.md index e48544af9..555de8717 100644 --- a/translations/sw/sketchnotes/LICENSE.md +++ b/translations/sw/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - Hati ya Utoaji wa Haki ya Attribution-ShareAlike 4.0 Kimataifa ======================================================================= diff --git a/translations/sw/sketchnotes/README.md b/translations/sw/sketchnotes/README.md index bcc15b46d..90eae9b94 100644 --- a/translations/sw/sketchnotes/README.md +++ b/translations/sw/sketchnotes/README.md @@ -1,12 +1,3 @@ - Sketchnotes zote za mtaala zinaweza kupakuliwa hapa. 🖨 Kwa kuchapisha katika azimio la juu, matoleo ya TIFF yanapatikana kwenye [repo hii](https://github.com/girliemac/a-picture-is-worth-a-1000-words/tree/main/ml/tiff).