diff --git a/translations/README.es.md b/translations/README.es.md index f0d72a89..77f9d30b 100644 --- a/translations/README.es.md +++ b/translations/README.es.md @@ -8,122 +8,119 @@ [![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/) -# Machine Learning for Beginners - A Curriculum +# Aprendizaje autom谩tico para principiantes - Un plan de estudios -> 馃實 Travel around the world as we explore Machine Learning by means of world cultures 馃實 +> 馃實 Viaja alrededor del mundo mientras exploramos el aprendizaje autom谩tico a trav茅s de las culturas del mundo 馃實 -Azure Cloud Advocates at Microsoft are pleased to offer a 12-week, 26-lesson curriculum all about **Machine Learning**. In this curriculum, you will learn about what is sometimes called **classic machine learning**, using primarily Scikit-learn as a library and avoiding deep learning, which is covered in our forthcoming 'AI for Beginners' curriculum. Pair these lessons with our ['Data Science for Beginners' curriculum](https://aka.ms/datascience-beginners), as well! +Los defensores de Azure Cloud en Microsoft est谩n complacidos en ofrecer un plan de estudios de 12 semanas, con 26 lecciones, todas acerca de **aprendizaje autom谩tico**. En este plan de estudios, aprender谩s acerca de lo que algunas veces es llamado **aprendizaje autom谩tico cl谩sico**, usando principalmente Scikit-learn como una biblioteca y evitando el aprendizaje profundo, el cual se aborda en nuestro pr贸ximo plan de estudios 'IA para principiantes'. 隆Tambi茅n empareja estas lecciones con nuestro [plan de estudios 'Ciencia de Datos para principiantes'](https://aka.ms/datascience-beginners)! -Travel with us around the world as we apply these classic techniques to data from many areas of the world. Each lesson includes pre- and post-lesson quizzes, written instructions to complete the lesson, a solution, an assignment, and more. Our project-based pedagogy allows you to learn while building, a proven way for new skills to 'stick'. +Viaja con nosotros alrededor del mundo mientras aplicamos estas t茅cnicas cl谩sicas a los datos de distintas 谩reas del mundo. Cada lecci贸n incluye ex谩menes previos y posteriores a la lecci贸n, instrucciones escritas para completar la lecci贸n, una soluci贸n, una asignaci贸n y m谩s. Nuestra pedagog铆a basa en proyectos te permite aprender mientras construyes, una forma probada para que las nuevas habilidades se te 'peguen'. -**鉁嶏笍 Hearty thanks to our authors** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, and Amy Boyd +**鉁嶏笍 Agradecimientos encarecidos** a Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, y Amy Boyd. -**馃帹 Thanks as well to our illustrators** Tomomi Imura, Dasani Madipalli, and Jen Looper +**馃帹 Gracias tambi茅n a nuestros ilustradores** Tomomi Imura, Dasani Madipalli, y Jen Looper. -**馃檹 Special thanks 馃檹 to our Microsoft Student Ambassador authors, reviewers, and content contributors**, notably Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, and Snigdha Agarwal +**馃檹 Agradecimientos especiales 馃檹 a nuestros autores de Embajadores Estudiantiles de Microsoft, revisores, y colaboradores de contenido**, notablemente a Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, y Snigdha Agarwal. -**馃ぉ Extra gratitude to Microsoft Student Ambassador Eric Wanjau for our R lessons!** +**馃ぉ 隆Agradecimiento adicional al embajador estudiantil de Microsoft Eric Wanjau por nuestras lecciones de R!** --- -# Getting Started +# Empezando -**Students**, to use this curriculum, fork the entire repo to your own GitHub account and complete the exercises on your own or with a group: +**Estudiantes**, para usar este plan de estudios, realiza un fork del repositorio completo en tu cuenta de Github y completa los ejercicios por ti mismo o en grupo: -- Start with a pre-lecture quiz. -- Read the lecture and complete the activities, pausing and reflecting at each knowledge check. -- Try to create the projects by comprehending the lessons rather than running the solution code; however that code is available in the `/solution` folders in each project-oriented lesson. -- Take the post-lecture quiz. -- Complete the challenge. -- Complete the assignment. -- After completing a lesson group, visit the [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) and "learn out loud" by filling out the appropriate PAT rubric. A 'PAT' is a Progress Assessment Tool that is a rubric you fill out to further your learning. You can also react to other PATs so we can learn together. +- Comienza con un examen previo a la lecci贸n. +- Lee las lecciones y completa las actividades, pausando y reflexionando en cada verificaci贸n de conocimiento. +- Intenta crear los proyectos al comprender las lecciones en lugar de ejecutar la soluci贸n en c贸digo; sin embargo ese c贸digo se encuentra disponible en los directorios `/solution` en cada lecci贸n orientada a proyecto. +- Realiza el examen posterior a la lecci贸n. +- Completa el desaf铆o. +- Completa la asignaci贸n. +- Despu茅s de completar un grupo de lecciones, visita el [tablero de discusi贸n](https://github.com/microsoft/ML-For-Beginners/discussions) y "aprende en voz alta" al llenar la r煤brica PAT apropiada. Un 'PAT' es una herramienta de evaluaci贸n del progreso que es una r煤brica la cual llenas para avanzar en tu aprendizaje. Tambi茅n puede reaccionar a otros PATs y as铆 aprender juntos. -> For further study, we recommend following these [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-15963-cxa) modules and learning paths. +> Para mayor estudio, recomendamos seguir estos m贸dulos y rutas de aprendizaje de [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-15963-cxa). -**Teachers**, we have [included some suggestions](for-teachers.md) on how to use this curriculum. +**Profesores**, hemos [incluido algunas sugerencias](../for-teachers.md) de c贸mo usar este plan de estudios. --- -## Meet the Team +## Conoce al equipo -[![Promo video](ml.gif)](https://youtu.be/Tj1XWrDSYJU "Promo video") +[![Video promocional](../ml.gif)](https://youtu.be/Tj1XWrDSYJU "Video promocional") -**Gif by** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) +**Gif de** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 馃帴 Click the image above for a video about the project and the folks who created it! +> 馃帴 隆Da clic a la imagen de arriba para ver un video acerca del proyecto y la gente que lo cre贸! --- -## Pedagogy +## Pedagog铆a -We have chosen two pedagogical tenets while building this curriculum: ensuring that it is hands-on **project-based** and that it includes **frequent quizzes**. In addition, this curriculum has a common **theme** to give it cohesion. +Hemos elegido dos principios pedag贸gicos mientras construimos este plan de estudios: asegurar que es pr谩ctico **basado en proyectos** y que incluye **ex谩menes frecuentes**. Adem谩s, este plan de estudios tiene un **tema** com煤n para darle cohesi贸n. -By ensuring that the content aligns with projects, the process is made more engaging for students and retention of concepts will be augmented. In addition, a low-stakes quiz before a class sets the intention of the student towards learning a topic, while a second quiz after class ensures further retention. This curriculum was designed to be flexible and fun and can be taken in whole or in part. The projects start small and become increasingly complex by the end of the 12-week cycle. This curriculum also includes a postscript on real-world applications of ML, which can be used as extra credit or as a basis for discussion. +Al asegurar que el contenido se alinea con los proyectos, el proceso se hace m谩s atractivo par los estudiantes y la retenci贸n de conceptos incrementar谩. Adem谩s, un examen de apuestas bajas antes de una clase establece la intenci贸n del estudiante hacia aprender un tema, mientras el segundo examen despu茅s de la clase asegura una mayor retenci贸n. Este plan de estudios fue dise帽ado para ser flexible y divertido y puede se tomado en su totalidad o en partes. Los proyectos comienzan peque帽os y van incrementando en complejidad al final del ciclo de 12 semanas. Este plan de estudios tambi茅n incluye una nota al final de aplicaciones del aprendizaje autom谩tico en el mundo real, la cual puede ser usada como c艜editos extra o como base para discusi贸n. -> Find our [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), and [Translation](TRANSLATIONS.md) guidelines. We welcome your constructive feedback! +> Encuentra nuestros lineamientos de [C贸digo de conducta](../CODE_OF_CONDUCT.md), [Contribuci贸n](../CONTRIBUTING.md), y [Traducci贸n](../TRANSLATIONS.md). 隆Son bienvenidos tus comentarios constructivos! -## Each lesson includes: +## Cada lecci贸n incluye: -- optional sketchnote -- optional supplemental video -- pre-lecture warmup quiz -- written lesson -- for project-based lessons, step-by-step guides on how to build the project -- knowledge checks -- a challenge -- supplemental reading -- assignment -- post-lecture quiz +- boceto opcional +- video suplementario opcional +- examen de calentamiento previo a la lecci贸n +- lecci贸n escrita +- para lecciones basadas en proyectos, gu铆as paso a paso de c贸mo construir el proyecto +- verificaciones de conocimiento +- un desaf铆o +- lectura suplementaria +- asignaci贸n +- examen posterior a la lecci贸n -> **A note about languages**: These lessons are primarily written in Python, but many are also available in R. To complete an R lesson, go to the `/solution` folder and look for R lessons. They include an .rmd extension that represents an **R Markdown** file which can be simply defined as an embedding of `code chunks` (of R or other languages) and a `YAML header` (that guides how to format outputs such as PDF) in a `Markdown document`. As such, it serves as an exemplary authoring framework for data science since it allows you to combine your code, its output, and your thoughts by allowing you to write them down in Markdown. Moreover, R Markdown documents can be rendered to output formats such as PDF, HTML, or Word. +> **Una nota acerca de los lenguajes**: Estas lecciones est谩n escritas principalmente en Python, pero muchas tambi茅n est谩n disponibles en R. Para completar una lecci贸n en R, ve al directorio `/solution` y busca las lecciones. Ellas incluyen una extensi贸n .rmd que representa un archivo **Markdown R** el cual puede ser definido simplemente como `porciones de c贸digo` embebido (de R u otros lenguajes) y un `encabezado YAML` (que gu铆a c贸mo dar formato a las salidas, por ejemplo PDF) en un `documento Markdown`. Como tal, este sirve como un framework ejemplar de autor铆a para la ciencia de datos ya que permite combinar tu c贸digo, su salida, y tus pensamientos al permitirte escribirlos en Markdown. Es m谩s, los documentos Markdown R pueden ser representados como formatos de salida tal como PDF, HTML, o Word. -> **A note about quizzes**: All quizzes are contained [in this app](https://white-water-09ec41f0f.azurestaticapps.net/), for 52 total quizzes of three questions each. They are linked from within the lessons but the quiz app can be run locally; follow the instruction in the `quiz-app` folder. +> **Una nota acerca de los ex谩menes**: Todos los ex谩menes est谩n contenidos [en esta app](https://white-water-09ec41f0f.azurestaticapps.net/), por un total de 52 ex谩menes de 3 preguntas cada uno, Ellos est谩n vinculados dentro de las lecciones pero la aplicaci贸n de ex谩menes puede ser ejecutada localmente; sigue las instrucciones en el directorio `quiz-app`. -| Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author | +| N煤mero de lecci贸n | Tema | Agrupaci贸n de lecciones | Objetivos de aprendizaje | Lecci贸n vinculada | Autor | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | -| 01 | Introduction to machine learning | [Introduction](1-Introduction/README.md) | Learn the basic concepts behind machine learning | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad | -| 02 | The History of machine learning | [Introduction](1-Introduction/README.md) | Learn the history underlying this field | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | -| 03 | Fairness and machine learning | [Introduction](1-Introduction/README.md) | What are the important philosophical issues around fairness that students should consider when building and applying ML models? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi | -| 04 | Techniques for machine learning | [Introduction](1-Introduction/README.md) | What techniques do ML researchers use to build ML models? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | -| 05 | Introduction to regression | [Regression](2-Regression/README.md) | Get started with Python and Scikit-learn for regression models | | | -| 06 | North American pumpkin prices 馃巸 | [Regression](2-Regression/README.md) | Visualize and clean data in preparation for ML | | | -| 07 | North American pumpkin prices 馃巸 | [Regression](2-Regression/README.md) | Build linear and polynomial regression models | | | -| 08 | North American pumpkin prices 馃巸 | [Regression](2-Regression/README.md) | Build a logistic regression model | | | -| 09 | A Web App 馃攲 | [Web App](3-Web-App/README.md) | Build a web app to use your trained model | [Python](3-Web-App/1-Web-App/README.md) | Jen | -| 10 | Introduction to classification | [Classification](4-Classification/README.md) | Clean, prep, and visualize your data; introduction to classification |