> Ovaj repozitorij uključuje prijevode na više od 50 jezika što značajno povećava veličinu preuzimanja. Za kloniranje bez prijevoda, koristite sparse checkout:
> Ovaj repozitorij uključuje prijevode na više od 50 jezika što značajno povećava veličinu preuzimanja. Da biste klonirali bez prijevoda, koristite sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -20,29 +33,34 @@
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Time dobivate sve što vam je potrebno za završetak tečaja s mnogo bržim preuzimanjem.
> Ovo vam daje sve što vam treba za završetak tečaja uz mnogo brže preuzimanje.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
#### Pridružite se našoj zajednici
Imamo Discord serijal učenja s AI-jem, saznajte više i pridružite nam se na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. rujna 2025. Dobit ćete savjete i trikove za korištenje GitHub Copilota za znanost o podacima.
Ima tekući Discord serijal "učiti s AI", saznajte više i pridružite nam se na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. rujna 2025. Dobit ćete savjete i trikove za korištenje GitHub Copilot za Data Science.
# Strojno učenje za početnike – Nastavni program
> 🌍 Putujte svijetom dok istražujemo strojno učenje kroz kulture svijeta 🌍
# Strojno učenje za početnike - Kurikulum
Cloud Advocates u Microsoftu s veseljem vam predstavljaju 12-tjedni nastavni program od 26 lekcija posvećenih **strojnome učenju**. U ovom ćete nastavnom programu naučiti o onome što se ponekad naziva **klasično strojno učenje**, koristeći uglavnom Scikit-learn kao biblioteku i izbjegavajući duboko učenje, koje je obuhvaćeno u našem [nastavnom programu AI za početnike](https://aka.ms/ai4beginners). Spojite ove lekcije sa našim [nastavnim programom 'Znanost o podacima za početnike'](https://aka.ms/ds4beginners).
> 🌍 Putujte svijetom dok istražujemo Strojno učenje kroz kulture svijeta 🌍
Putujte s nama širom svijeta dok primjenjujemo ove klasične tehnike na podatke iz različitih dijelova svijeta. Svaka lekcija sadrži kviz prije i poslije lekcije, pisane upute za dovršetak lekcije, rješenje, zadatak i više. Naša poduka temeljena na projektima omogućuje vam učenje kroz izgradnju, što je dokazano učinkovit način da nove vještine ostanu.
Cloud Advocates u Microsoftu sretni su ponuditi 12-tjedni, 26-predmetni kurikulum u cijelosti posvećen **Strojnom učenju**. U ovom kurikulumu naučit ćete o onome što se često naziva **klasičnim strojnim učenjem**, koristeći prvenstveno Scikit-learn kao biblioteku i izbjegavajući dubinsko učenje, koje je obrađeno u našem [kurikulumu AI za početnike](https://aka.ms/ai4beginners). Također spojite ove lekcije s našim [kurikulom 'Data Science for Beginners'](https://aka.ms/ds4beginners)!
**✍️ Srdačna zahvala našim autorima** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu i Amy Boyd
Putujte s nama svijetom dok primjenjujemo ove klasične tehnike na podatke iz mnogih krajeva svijeta. Svaka lekcija uključuje pred i post kvizove, pisane upute za dovršetak lekcije, rješenje, zadatak i još. Naša pedagoška metoda temeljena na projektima omogućuje vam učenje kroz gradnju, dokazani način da nove vještine 'zapnu'.
**🎨 Zahvala i našim ilustratorima** Tomomi Imura, Dasani Madipalli i Jen Looper
**✍️ Iskrene zahvale našim autorima** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu i Amy Boyd
**🙏 Posebna zahvala 🙏 našim Microsoft Student Ambassador autorima, recenzentima i suradnicima na sadržaju**, posebice Rishitu Dagliju, Muhammadu Sakibu Khan Inanu, Rohanu Raju, Alexandru Petrescuu, Abhisheku Jaiswalu, Nawrin Tabassumu, Ioanu Samuili i Snigdhi Agarwalu
**🎨 Zahvale također našim ilustratorima** Tomomi Imura, Dasani Madipalli i Jen Looper
**🤩 Posebna zahvalnost Microsoft Student Ambassadorima Ericu Wanjauu, Jasleen Sondhi i Vidushi Gupti za naše R lekcije!**
**🙏 Posebna hvala 🙏 našim Microsoft Student Ambassador autorima, recenzentima i suradnicima na sadržaju**, posebno Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila i Snigdha Agarwal
# Početak
**🤩 Dodatna zahvala Microsoft Student Ambassadorima Ericu Wanjauu, Jasleen Sondhi i Vidushi Gupti za naše lekcije u R!**
# Početak rada
Slijedite ove korake:
1. **Forkajte repozitorij**: Kliknite na gumb "Fork" u gornjem desnom kutu ove stranice.
@ -50,101 +68,107 @@ Slijedite ove korake:
> [pronađite sve dodatne resurse za ovaj tečaj u našoj Microsoft Learn kolekciji](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Trebate pomoć?** Pogledajte naš [Vodič za rješavanje problema](TROUBLESHOOTING.md) za rješenja uobičajenih problema s instalacijom, postavljanjem i izvođenjem lekcija.
> 🔧 **Trebate pomoć?** Pogledajte naš [Vodič za otklanjanje poteškoća](TROUBLESHOOTING.md) za rješenja uobičajenih problema oko instalacije, postavljanja i pokretanja lekcija.
**[Studenti](https://aka.ms/student-page)**, da biste koristili ovaj nastavni program, forkjajte cijeli repozitorij na svoj GitHub račun i rješavajte vježbe samostalno ili u grupi:
**[Studenti](https://aka.ms/student-page)**, za korištenje ovog kurikuluma, forknite cijeli repozitorij u svoj vlastiti GitHub račun i dovršavajte vježbe sami ili u grupi:
- Započnite s kvizom prije predavanja.
- Pročitajte predavanje i dovršite aktivnosti, zastajući i razmišljajući na svakom provjeru znanja.
- Pokušajte kreirati projekte razumijevanjem lekcija umjesto samo pokretanja rješenja; međutim, taj je kod dostupan u /solution mapama svake lekcije orijentirane na projekt.
- Napravite kviz nakon predavanja.
- Dovršite izazov.
- Počnite s pred-izazovnim kvizom.
- Pročitajte lekciju i dovršite aktivnosti, zastajte i razmislite na svakom provjeravanja znanja.
- Pokušajte sami kreirati projekte razumijevanjem lekcija umjesto samo izvođenja rješenja, no kod rješenja dostupan je u mapama `/solution` u svakoj lekciji fokusiranoj na projekt.
- Odgovorite na post-izazovni kviz.
- Izvršite izazov.
- Dovršite zadatak.
- Nakon dovršetka skupine lekcija, posjetite [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) i "naučite naglas" popunjavanjem odgovarajućeg PAT obrasca. 'PAT' je alat za procjenu napretka koji popunjavate kako biste dodatno usavršili svoje znanje. Također možete reagirati na druge PAT-ove kako bismo svi zajedno učili.
- Nakon završetka grupe lekcija, posjetite [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) i "učite naglas" popunjavanjem odgovarajuće PAT ocjene. 'PAT' je alat za procjenu napretka koji ispunjavate kako biste unaprijedili svoje učenje. Također možete reagirati na druge PAT-ove da učimo zajedno.
> Za daljnje proučavanje preporučamo praćenje ovih [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modula i putanja učenja.
> Za daljnje učenje preporučujemo da pratite ove [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) module i putanje učenja.
**Nastavnici**, dali smo [neke prijedloge](for-teachers.md) za korištenje ovog nastavnog programa.
**Nastavnici**, imamo [neke prijedloge](for-teachers.md) o tome kako koristiti ovaj kurikulum.
---
## Video vodiči
Neke lekcije dostupne su u obliku kratkih videa. Sve ih možete pronaći u lekcijama ili na [ML for Beginners playlisti na Microsoft Developer YouTube kanalu](https://aka.ms/ml-beginners-videos) klikom na sliku ispod.
Neke lekcije dostupne su u kratkim videozapisima. Sve ih možete pronaći unutar lekcija ili na [ML for Beginners playlisti na Microsoft Developer YouTube kanalu](https://aka.ms/ml-beginners-videos) klikom na sliku ispod.
[](https://aka.ms/ml-beginners-videos)
---
## Upoznajte tim
> 🎥 Kliknite na gornju sliku za video o projektu i ljudima koji su ga stvorili!
> 🎥 Kliknite gore na sliku za video o projektu i ljudima koji su ga stvorili!
---
## Pedagogija
Odabrali smo dva pedagoška načela za izradu ovog nastavnog programa: da bude praktičan i **temeljen na projektima** te da uključuje **učestale kvizove**. Osim toga, ovaj nastavni program ima zajedničku **temu** koja mu daje koheziju.
Odabrali smo dva pedagoška načela dok smo gradili ovaj kurikulum: osigurati da je praktičan i **projektno orijentiran** te da uključuje **česte kvizove**. Osim toga, ovaj kurikulum ima zajedničku **temu** za povezanost.
Osiguravajući usklađenost sadržaja s projektima, proces je zanimljiviji studentima i povećava se zadržavanje pojmova. Također, lagani kviz prije predavanja usmjerava pažnju studenta na učenje teme, dok kviz poslije predavanja dodatno osigurava zadržavanje naučenog. Ovaj nastavni program je dizajniran da bude fleksibilan i zabavan te se može pohađati u cijelosti ili djelomično. Projekti počinju jednostavno i postaju sve složeniji do kraja 12-tjednog ciklusa. Nakon toga slijedi postscript o stvarnim primjenama strojnog učenja koji se može koristiti kao dodatni zadatak ili kao osnova za raspravu.
Osiguravajući da sadržaj prati projekte, proces učenja postaje zanimljiviji za studente i poboljšava zadržavanje koncepata. Osim toga, kviz s niskim ulozima prije predavanja usmjerava studenta na učenje teme, dok drugi kviz nakon predavanja osigurava bolje zadržavanje. Ovaj je kurikulum dizajniran da bude fleksibilan i zabavan, može se pohađati u cijelosti ili djelomično. Projekti započinju mali i postaju složeniji do kraja 12-tjednog ciklusa. Kurikulum također uključuje post skriptu o stvarnim primjenama strojnog učenja, koja se može koristiti kao dodatni bodovi ili kao osnova za raspravu.
> Pronađite naš [Kodeks ponašanja](CODE_OF_CONDUCT.md), [Upute za pridonošenje](CONTRIBUTING.md), [Prijevode](..) i [Vodič za rješavanje problema](TROUBLESHOOTING.md). Pozdravljamo vaše konstruktivne povratne informacije!
> Pronađite naš [Kodeks ponašanja](CODE_OF_CONDUCT.md), [Pravila za doprinos](CONTRIBUTING.md), [Prijevode](..) i [Vodič za otklanjanje poteškoća](TROUBLESHOOTING.md). Veselimo se vašim konstruktivnim povratnim informacijama!
> **Napomena o jezicima**: Lekcije su uglavnom napisane u Pythonu, ali mnoge su dostupne i u R-u. Za dovršetak R lekcije, posjetite mapu `/solution` i potražite R lekcije. One uključuju ekstenziju .rmd što predstavlja **R Markdown** datoteku, koja se može jednostavno definirati kao umetanje `kodnih blokova` (iz R ili drugih jezika) i `YAML zaglavlja` (koje određuje format izlaza poput PDF-a) u `Markdown dokument`. Kao takav, on služi kao izvrsni okvir za pisanje za znanost o podacima jer omogućuje kombiniranje koda, njegovih rezultata i vaših razmišljanja pisanjem u Markdownu. Nadalje, R Markdown dokumenti mogu se prikazivati u izlaznim formatima poput PDF-a, HTML-a ili Worda.
> **Napomena o kvizovima**: Svi kvizovi nalaze se u [Quiz App folderu](../../quiz-app), ukupno 52 kviza s po tri pitanja. Povezani su iz lekcija, ali quiz app se može pokrenuti lokalno; pratite upute u mapi `quiz-app` za lokalno hostanje ili deploy na Azure.
| Broj lekcije | Tema | Grupiranje lekcija | Ciljevi učenja | Povezana lekcija | Autor |
| 01 | Uvod u strojno učenje | [Uvod](1-Introduction/README.md) | Naučite osnovne pojmove iza strojnog učenja | [Lekcija](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Povijest strojnog učenja | [Uvod](1-Introduction/README.md) | Naučite povijest tog područja | [Lekcija](1-Introduction/2-history-of-ML/README.md) | Jen i Amy |
| 03 | Pravednost i strojarstvo | [Uvod](1-Introduction/README.md) | Koja su važna filozofska pitanja o pravednosti koja učenici trebaju razmotriti kod izrade i primjene ML modela? | [Lekcija](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Tehnike strojnog učenja | [Uvod](1-Introduction/README.md) | Koje tehnike istraživači strojnog učenja koriste za izgradnju ML modela? | [Lekcija](1-Introduction/4-techniques-of-ML/README.md) | Chris i Jen |
| 05 | Uvod u regresiju | [Regresija](2-Regression/README.md) | Počnite s Python i Scikit-learn za regresijske modele | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Cijene bundeva u Sjevernoj Americi 🎃 | [Regresija](2-Regression/README.md) | Vizualizirajte i očistite podatke u pripremi za ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Cijene bundeva u Sjevernoj Americi 🎃 | [Regresija](2-Regression/README.md) | Izgradite linearne i polinomne regresijske modele | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen i Dmitry • Eric Wanjau |
| 08 | Cijene bundeva u Sjevernoj Americi 🎃 | [Regresija](2-Regression/README.md) | Izgradite logistički regresijski model | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Web aplikacija 🔌 | [Web App](3-Web-App/README.md) | Izgradite web aplikaciju za korištenje vašeg treniranog modela| [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Uvod u klasifikaciju | [Klasifikacija](4-Classification/README.md) | Očistite, pripremite i vizualizirajte podatke; uvod u klasifikaciju | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen i Cassie • Eric Wanjau |
| 11 | Ukusna azijska i indijska jela 🍜 | [Klasifikacija](4-Classification/README.md) | Uvod u klasifikatore | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen i Cassie • Eric Wanjau |
| 12 | Ukusna azijska i indijska jela 🍜 | [Klasifikacija](4-Classification/README.md) | Više klasifikatora | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen i Cassie • Eric Wanjau |
| 13 | Ukusna azijska i indijska jela 🍜 | [Klasifikacija](4-Classification/README.md) | Izgradite preporučiteljsku web aplikaciju koristeći vaš model | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Uvod u klasteriranje | [Klasteriranje](5-Clustering/README.md) | Očistite, pripremite i vizualizirajte podatke; uvod u klasteriranje | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Istraživanje glazbenih ukusa Nigerije 🎧 | [Klasteriranje](5-Clustering/README.md) | Istražite K-Sredina metodu klasteriranja | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Uvod u obradu prirodnog jezika ☕️ | [Obrada prirodnog jezika](6-NLP/README.md) | Naučite osnove NLP-a izradom jednostavnog bota | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Uobičajeni NLP zadaci ☕️ | [Obrada prirodnog jezika](6-NLP/README.md) | Produbite znanje NLP-a razumijevanjem uobičajenih zadataka potrebnih pri radu s jezičnim strukturama | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Prevođenje i analiza sentimenta ♥️ | [Obrada prirodnog jezika](6-NLP/README.md) | Prevođenje i analiza sentimenta s Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Romantični hoteli Europe ♥️ | [Obrada prirodnog jezika](6-NLP/README.md) | Analiza sentimenta na osnovu recenzija hotela 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Romantični hoteli Europe ♥️ | [Obrada prirodnog jezika](6-NLP/README.md) | Analiza sentimenta na osnovu recenzija hotela 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Uvod u vremenske serije i predviđanje | [Vremenske serije](7-TimeSeries/README.md) | Uvod u predviđanje vremenskih serija | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Svjetska potrošnja električne energije ⚡️ - predviđanje vremenskih serija s ARIMA | [Vremenske serije](7-TimeSeries/README.md) | Predviđanje vremenskih serija s ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Svjetska potrošnja električne energije ⚡️ - predviđanje vremenskih serija sa SVR | [Vremenske serije](7-TimeSeries/README.md) | Predviđanje vremenskih serija sa Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Uvod u učenje s potkrepljenjem | [Učenje s potkrepljenjem](8-Reinforcement/README.md) | Uvod u učenje s potkrepljenjem koristeći Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Pomozi Petru da izbjegne vuka! 🐺 | [Učenje s potkrepljenjem](8-Reinforcement/README.md) | Učenje s potkrepljenjem u Gym okruženju | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Scenariji i primjene ML u stvarnom svijetu | [ML u stvarnom svijetu](9-Real-World/README.md) | Zanimljive i otkrivajuće stvarne primjene klasičnog ML-a | [Lekcija](9-Real-World/1-Applications/README.md) | Tim |
| Postscript | Debugiranje modela u ML koristeći RAI nadzornu ploču | [ML u stvarnom svijetu](9-Real-World/README.md) | Debugiranje modela u strojnog učenja koristeći Responsible AI nadzornu ploču | [Lekcija](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [pronađite sve dodatne resurse za ovaj tečaj u našoj Microsoft Learn kolekciji](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Offline pristup
Ovu dokumentaciju možete pokrenuti offline koristeći [Docsify](https://docsify.js.org/#/). Forkajte ovaj repozitorij, [installirajte Docsify](https://docsify.js.org/#/quickstart) na vašem lokalnom računalu, te u korijenskoj mapi ovog repozitorija unesite `docsify serve`. Web stranica će biti dostupna na portu 3000 na vašem localhostu: `localhost:3000`.
- [kviz nakon lekcije](https://ff-quizzes.netlify.app/en/ml/)
> **Napomena o jezicima**: Ove lekcije su prvenstveno napisane u Pythonu, ali mnoge su također dostupne u R. Za dovršetak R lekcije, idite u mapu `/solution` i potražite R lekcije. One sadrže ekstenziju .rmd koja predstavlja **R Markdown** datoteku što se može jednostavno definirati kao ugrađivanje `code chunks` (kôd blokova) (iz R ili drugih jezika) i `YAML header` (koji vodi kako formatirati izlaze poput PDF-a) u `Markdown dokumentu`. Kao takav, služi kao uzorni okvir za autorstvo u znanosti o podacima jer vam omogućuje da kombinirate svoj kôd, njegov izlaz i svoje misli dopuštajući vam da ih zapišete u Markdownu. Štoviše, R Markdown dokumenti mogu se prikazati u izlaznim formatima poput PDF-a, HTML-a ili Word-a.
> **Napomena o kvizovima**: Svi su kvizovi sadržani u [Mapi kviz aplikacije](../../quiz-app), ukupno 52 kviza sa po tri pitanja. Povezani su unutar lekcija, ali se kviz aplikacija može pokrenuti lokalno; slijedite upute u mapi `quiz-app` da lokalno pokrenete ili implementirate na Azure.
| Broj lekcije | Tema | Grupiranje lekcija | Ciljevi učenja | Povezana lekcija | Autor |
| 01 | Uvod u strojarno učenje | [Uvod](1-Introduction/README.md) | Naučite osnovne pojmove iza strojnog učenja | [Lekcija](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Povijest strojnog učenja | [Uvod](1-Introduction/README.md) | Naučite povijest ovog područja | [Lekcija](1-Introduction/2-history-of-ML/README.md) | Jen i Amy |
| 03 | Pravednost i strojno učenje | [Uvod](1-Introduction/README.md) | Koja su važna filozofska pitanja o pravednosti koja bi studenti trebali razmotriti pri izgradnji i primjeni ML modela? | [Lekcija](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Tehnike strojnog učenja | [Uvod](1-Introduction/README.md) | Koje tehnike istraživači strojnog učenja koriste za izgradnju ML modela? | [Lekcija](1-Introduction/4-techniques-of-ML/README.md) | Chris i Jen |
| 05 | Uvod u regresiju | [Regresija](2-Regression/README.md) | Počnite s Pythonom i Scikit-learn za regresijske modele | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Cijene tikvi u Sjevernoj Americi 🎃 | [Regresija](2-Regression/README.md) | Vizualizirajte i očistite podatke u pripremi za ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Cijene tikvi u Sjevernoj Americi 🎃 | [Regresija](2-Regression/README.md) | Izgradite linearne i polinomske regresijske modele | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen i Dmitry • Eric Wanjau |
| 08 | Cijene tikvi u Sjevernoj Americi 🎃 | [Regresija](2-Regression/README.md) | Izgradite logistički regresijski model | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Web aplikacija 🔌 | [Web App](3-Web-App/README.md) | Izgradite web aplikaciju za korištenje vašeg istreniranog modela | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Uvod u klasifikaciju | [Klasifikacija](4-Classification/README.md) | Očistite, pripremite i vizualizirajte svoje podatke; uvod u klasifikaciju | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen i Cassie • Eric Wanjau |
| 11 | Ukusne azijske i indijske kuhinje 🍜 | [Klasifikacija](4-Classification/README.md) | Uvod u klasifikatore | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen i Cassie • Eric Wanjau |
| 12 | Ukusne azijske i indijske kuhinje 🍜 | [Klasifikacija](4-Classification/README.md) | Još klasifikatora | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen i Cassie • Eric Wanjau |
| 13 | Ukusne azijske i indijske kuhinje 🍜 | [Klasifikacija](4-Classification/README.md) | Izgradite preporučiteljsku web aplikaciju koristeći svoj model | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Uvod u klasteriranje | [Klasteriranje](5-Clustering/README.md) | Očistite, pripremite i vizualizirajte svoje podatke; Uvod u klasteriranje | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Istraživanje glazbenih ukusa Nigerije 🎧 | [Klasteriranje](5-Clustering/README.md) | Istražite K-means metodu klasteriranja | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Uvod u obradu prirodnog jezika ☕️ | [Obrada prirodnog jezika](6-NLP/README.md) | Naučite osnove NLP-a gradeći jednostavnog bota | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Uobičajeni NLP zadaci ☕️ | [Obrada prirodnog jezika](6-NLP/README.md) | Produbite svoje NLP znanje razumijevanjem uobičajenih zadataka potrebnih za rad s jezičnim strukturama | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Prevod i analiza sentimenta ♥️ | [Obrada prirodnog jezika](6-NLP/README.md) | Prijevod i analiza sentimenta s Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Romantični hoteli Europe ♥️ | [Obrada prirodnog jezika](6-NLP/README.md) | Analiza sentimenta na recenzijama hotela 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Romantični hoteli Europe ♥️ | [Obrada prirodnog jezika](6-NLP/README.md) | Analiza sentimenta na recenzijama hotela 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Uvod u predviđanje vremenskih serija | [Vremenske serije](7-TimeSeries/README.md) | Uvod u predviđanje vremenskih serija | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Svjetska potrošnja energije ⚡️ - predviđanje s ARIMA | [Vremenske serije](7-TimeSeries/README.md) | Predviđanje vremenskih serija s ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Svjetska potrošnja energije ⚡️ - predviđanje s SVR | [Vremenske serije](7-TimeSeries/README.md) | Predviđanje vremenskih serija s Support Vector Regressorom | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Uvod u pojačano učenje | [Pojačano učenje](8-Reinforcement/README.md) | Uvod u pojačano učenje s Q-Learningom | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| Postscript | Scenariji i primjene strojnog učenja u stvarnom svijetu | [ML u stvarnom svijetu](9-Real-World/README.md) | Zanimljive i otkrivajuće primjene klasičnog strojnog učenja | [Lekcija](9-Real-World/1-Applications/README.md) | Tim |
| Postscript | Debugiranje modela u strojnog učenja korištenjem RAI nadzorne ploče | [ML u stvarnom svijetu](9-Real-World/README.md) | Debugiranje modela u strojnog učenja koristeći Responsible AI nadzorne ploče komponente | [Lekcija](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [pronađi sve dodatne resurse za ovaj tečaj u našoj Microsoft Learn kolekciji](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Pristup bez interneta
Možete koristiti ovu dokumentaciju offline pomoću [Docsify](https://docsify.js.org/#/). Forkajte ovaj repozitorij, [instalirajte Docsify](https://docsify.js.org/#/quickstart) na svojem računalu i zatim u korijenskoj mapi ovog repozitorija unesite `docsify serve`. Web stranica će biti dostupna na portu 3000 na vašem lokalnom računalu: `localhost:3000`.
## PDF-ovi
Pronađite pdf nastavnog plana s poveznicama [ovdje](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
Pronađite PDF nastavnog plana s povezanim linkovima [ovdje](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Ostali tečajevi
@ -158,51 +182,51 @@ Naš tim proizvodi i druge tečajeve! Pogledajte:
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agenti
### Azure / Edge / MCP / Agents
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Serija generativne umjetne inteligencije
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### Osnovno učenje
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Serija Copilot
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
Ako zapnete ili imate pitanja o izradi AI aplikacija. Pridružite se kolegama polaznicima i iskusnim programerima u raspravama o MCP-u. To je podržavajuća zajednica gdje su pitanja dobrodošla i znanje se slobodno dijeli.
Ako zapnete ili imate pitanja o izradi AI aplikacija. Pridružite se kolegama učenicima i iskusnim programerima u raspravama o MCP-u. To je podržavajuća zajednica gdje su pitanja dobrodošla, a znanje se slobodno dijeli.
- Pregledajte bilježnice nakon svake lekcije za bolje razumijevanje.
- Pregledavajte bilježnice nakon svakog sata radi boljeg razumijevanja.
- Vježbajte implementaciju algoritama sami.
- Istražujte stvarne skupove podataka koristeći naučene koncepte.
@ -210,5 +234,5 @@ Ako imate povratne informacije o proizvodu ili greške tijekom izrade posjetite:
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Odricanje od odgovornosti**:
Ovaj je dokument preveden pomoću AI usluge za prijevod [Co-op Translator](https://github.com/Azure/co-op-translator). Iako težimo točnosti, molimo imajte na umu da automatizirani prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku smatra se službenim i najpouzdanijim izvorom. Za kritične informacije preporučuje se profesionalni ljudski prijevod. Ne preuzimamo odgovornost za bilo kakve nesporazume ili pogrešna tumačenja koja proizlaze iz korištenja ovog prijevoda.
Ovaj dokument preveden je uz pomoć AI usluge za prijevod [Co-op Translator](https://github.com/Azure/co-op-translator). Iako se trudimo biti točni, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na njegovom izvornom jeziku treba smatrati autoritativnim izvorom. Za važne informacije preporučuje se profesionalni ljudski prijevod. Ne snosimo odgovornost za bilo kakve nesporazume ili pogrešna tumačenja koja proizlaze iz korištenja ovog prijevoda.
Imamo trajajočo serijo učenja z AI na Discordu, izveste več in se nam pridružite na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. septembra 2025. Dobite nasvete in trike za uporabo GitHub Copilot za podatkovno znanost.
Imamo potekajočo serijo na Discordu o učenju z AI, izveste več in se pridružite na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. septembra 2025. Dobite nasvete in trike za uporabo GitHub Copilot za podatkovno znanost.
# Strojno učenje za začetnike –Kurikulum
# Strojno učenje za začetnike –učni načrt
> 🌍 Potujte po svetu, medtem ko raziskujemo strojno učenje skozi svetovne kulture 🌍
> 🌍 Potujte po svetu, ko raziskujemo strojno učenje skozi svetovne kulture 🌍
Zagovorniki oblaka pri Microsoftu z veseljem ponujajo 12-tedenski, 26-izpitni kurikulum, ki govori o **strojno učenje**. V tem kurikulumu boste izvedeli o t.i. **klasičnem strojnem učenju**, ki primarno uporablja knjižnico Scikit-learn in se izogiba globokemu učenju, kar pokrivamo v našem [kurikulumu AI za začetnike](https://aka.ms/ai4beginners). Primerjajte te lekcije tudi z našim [kurikulom Podatkovna znanost za začetnike](https://aka.ms/ds4beginners).
Cloud Advocates pri Microsoftu z veseljem ponujajo 12-tedenski učni načrt z 26 lekcijami, ki govorijo o **strojni učenju**. V tem učnem načrtu boste spoznali tisto, kar nekateri imenujejo **klasično strojno učenje**, z uporabo predvsem knjižnice Scikit-learn in brez poglobljenega učenja, ki je zajeto v našem [učnem načrtu AI za začetnike](https://aka.ms/ai4beginners). Združite te lekcije tudi z našim [učnim načrtom 'Podatkovna znanost za začetnike'](https://aka.ms/ds4beginners).
Potujte z nami po svetu, ko uporabljamo te klasične tehnike na podatkih iz različnih delov sveta. Vsaka lekcija vključuje pred in po lekcijski kviz, pisna navodila za dokončanje lekcije, rešitev, nalogo in več. Naša poučevanje temelji na projektih, kar vam omogoča učenje z ustvarjanjem, kar je dokazano učinkovit način za utrditev novih znanj.
Potujte z nami po svetu, ko te klasične tehnike uporabljamo za podatke iz različnih delov sveta. Vsaka lekcija vključuje pred- in po- lekcijski kviz, pisna navodila za dokončanje lekcije, rešitev, nalogo in še več. Naša pedagoška usmerjenost na podlagi projektov omogoča učenje skozi ustvarjanje, kar je dokazano učinkovit način, da nove veščine ostanejo.
**✍️ Iskrena hvala našim avtorjem** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu in Amy Boyd
**✍️ Iskrena zahvala našim avtorjem** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu in Amy Boyd
**🎨 Zahvala tudi našim ilustratorjem** Tomomi Imura, Dasani Madipalli in Jen Looper
**🙏 Posebna zahvala 🙏 našim Microsoft Student Ambassadorjem avtorjem, recenzentom in prispevkom vsebine**, zlasti Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila in Snigdha Agarwal
**🙏 Posebna zahvala 🙏 našim Microsoft Student Ambassador avtorjem, recenzentom in sodelavcem vsebine**, zlasti Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila in Snigdha Agarwal
**🤩 Posebna hvala Microsoft Student Ambassadorjem Eric Wanjau, Jasleen Sondhi in Vidushi Gupta za naše lekcije v R jeziku!**
**🤩 Dodatna hvala Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi in Vidushi Gupta za naše lekcije v R!**
# Začetek
Sledite tem korakom:
1. **Razveji repozitorij**: Kliknite na gumb "Fork" v zgornjem desnem kotu te strani.
1. **Razvežite repozitorij**: Kliknite gumb "Fork" v zgornjem desnem kotu te strani.
> [poiščite vse dodatne vire za ta tečaj v naši zbirki Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Potrebujete pomoč?**Oglejte si naš [Vodnik za odpravljanje težav](TROUBLESHOOTING.md) za rešitve pogostih težav pri namestitvi, nastavitvi in izvajanju lekcij.
> 🔧 **Potrebujete pomoč?**Preverite naš [Vodnik za odpravljanje težav](TROUBLESHOOTING.md) za rešitve pogostih težav z namestitvijo, nastavitvijo in izvajanjem lekcij.
**[Študentje](https://aka.ms/student-page)**, za uporabo tega kurikuluma razvejite celoten repozitorij na svoj GitHub račun in opravite vaje sami ali v skupini:
**[Študenti](https://aka.ms/student-page)**, za uporabo tega učnega načrta si razvežite celoten repozitorij na svoj GitHub račun in dokončajte vaje sami ali v skupini:
- Začnite s predpredavanjskim kvizom.
- Preberite predavanje in dokončajte dejavnosti, ob vsakem preverjanju znanja se ustavite in premislite.
- Poskusite ustvariti projekte tako, da razumete lekcije, namesto da le kopirate kodo rešitve; ta koda je na voljo v mapah `/solution` pri vsaki projektno usmerjeni lekciji.
- Začnite s predpredavanjem kvizom.
- Preberite predavanje in opravite aktivnosti, med tem se ustavite in premislite ob vsaki preveritvi znanja.
- Poskusite ustvariti projekte s pomočjo razumevanja lekcij, namesto da samo poganjate kodo rešitve; koda je vendarle na voljo v mapah `/solution` pri vsaki projektno usmerjeni lekciji.
- Opravite po-predavanjski kviz.
- Dokončajte izziv.
- Dokončajte nalogo.
- Po končanem sklopu lekcij obiščite [Diskusijsko ploščo](https://github.com/microsoft/ML-For-Beginners/discussions) in "ucite na glas", tako da izpolnite ustrezno PAT lestvico. 'PAT' je Orodje za Oceno Napredka, lestvica, ki jo izpolnite, da poglobite učenje. Lahko tudi reagirate na druge PAT-e, da se lahko učimo skupaj.
- Opravite izziv.
- Opravite nalogo.
- Po zaključku skupine lekcij obiščite [Forum za razprave](https://github.com/microsoft/ML-For-Beginners/discussions) in "učite se na glas" tako, da izpolnite ustrezno rubriko PAT. 'PAT' je orodje za ocenjevanje napredka, ki ga izpolnite za poglobitev učenja. Prav tako lahko reagirate na druge PAT-e, da se lahko skupaj učimo.
> Za nadaljnje študije priporočamo spremljanje teh [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modulov in učnih poti.
> Za nadaljnje študije priporočamo, da sledite tem modulom in učnim potem [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
**Učitelji**, v [priporočilih](for-teachers.md) smo vključili nekaj nasvetov o uporabi tega kurikuluma.
**Učitelji**, vključili smo [nekaj predlogov](for-teachers.md), kako uporabljati ta učni načrt.
---
## Video predstavitve
## Video vodiči
Nekatere lekcije so na voljo v obliki kratkih video posnetkov. Vse te najdete v lekcijah neposredno ali na [seznamu predvajanja ML za začetnike na YouTube kanalu Microsoft Developer](https://aka.ms/ml-beginners-videos) s klikom na spodnjo sliko.
Nekatere lekcije so na voljo kot kratki video posnetki. Vse te lahko najdete v grafa lekcij ali na [predvajalni seznam ML za začetnike na Microsoft Developer YouTube kanalu](https://aka.ms/ml-beginners-videos) s klikom na spodnjo sliko.
[](https://aka.ms/ml-beginners-videos)
[](https://aka.ms/ml-beginners-videos)
> 🎥 Kliknite zgornjo sliko za video o projektu in osebah, ki so ga ustvarile!
> 🎥 Kliknite zgornjo sliko za video o projektu in ljudeh, ki so ga ustvarili!
---
## Pedagogika
Med oblikovanjem tega kurikuluma smo izbrali dva pedagoška stebra: zagotoviti, da je praktično **projektno usmerjen** in da vključuje **pogoste kvize**. Poleg tega ima kurikulum skupno **temo**, ki mu daje skladnost.
Pri gradnji tega učnega načrta smo izbrali dva pedagoška načela: zagotoviti, da je praktičen in **projektno usmerjen**, ter da vključuje **pogoste kvize**. Poleg tega ima ta učni načrt skupno **temo**, ki mu daje povezljivost.
Z zagotavljanjem vsebine, ki je povezana s projekti, je postopek učenja za študente bolj privlačen, hkrati pa je ohranjanje konceptov izboljšano. Poleg tega nizko-rizični kviz pred predavanjem usmeri študenta k učenju teme, medtem ko drugi kviz po predavanju zagotovi nadaljnjo utrditev. Ta kurikulum je zasnovan kot prilagodljiv in zabaven ter ga lahko opravite kot celoto ali delno. Projekti se začnejo majhni in postopoma postajajo bolj zahtevni do konca 12-tedenskega cikla. Vključuje tudi dodatek o realnih aplikacijah ML, ki se lahko uporabi kot dodatna točka za oceno ali kot temelj za razpravo.
S tem, ko vsebina sovpada s projekti, je proces za študente bolj zanimiv, hkrati pa se izboljša zadrževanje konceptov. Poleg tega nizkorazredni kviz pred predavanjem usmeri namen študenta k učenju teme, medtem ko drugi kviz po predavanju zagotavlja nadaljnje zadrževanje. Ta učni načrt je zasnovan tako, da je prilagodljiv in zabaven in ga lahko opravite v celoti ali delno. Projekti se začnejo majhni in postajajo vse bolj zapleteni do konca 12-tedenskega cikla. Ta učni načrt vključuje tudi dodatek o praktičnih primerih uporabe ML, ki ga lahko uporabite za dodatne točke ali kot osnovo za razpravo.
> Najdete naša pravila [Kodeksa ravnanja](CODE_OF_CONDUCT.md), [Prispevkov](CONTRIBUTING.md), [Prevodi](..) in [Odpravljanje težav](TROUBLESHOOTING.md). Veselimo se vaših konstruktivnih povratnih informacij!
> Poiščite naš [Kodeks obnašanja](CODE_OF_CONDUCT.md), [Prispevke](CONTRIBUTING.md), [Prevode](..) in [Odpravljanje težav](TROUBLESHOOTING.md). Veselimo se vaših konstruktivnih povratnih informacij!
## Vsaka lekcija vključuje
- izbirno skiciranje
- izbirni dodatni video
- video predstavitev (le nekatere lekcije)
- [predpredavalni kviz za ogrevanje](https://ff-quizzes.netlify.app/en/ml/)
- pisna lekcija
- za lekcije, usmerjene na projekte, vodniki korak za korakom za izdelavo projekta
> **Opomba o jezikih**: Te lekcije so večinoma napisane v Pythonu, a veliko jih je na voljo tudi v R-ju. Če želite dokončati lekcijo v R, pojdite v mapo `/solution` in poiščite lekcije R. Vključujejo končnico .rmd, ki predstavlja **R Markdown** datoteko, ki je preprosto definirana kot vgradnja `kodo delov` (v R ali drugih jezikih) in `YAML glave` (ki usmerja, kako oblikovati izhod, na primer PDF) v `Markdown dokumentu`. Tako služi kot vzoren okvir za avtorje podatkovne znanosti, saj združuje vašo kodo, njen izhod ter vaše misli, saj jih lahko zapišete v Markdown. Poleg tega je mogoče R Markdown dokumente izvesti v izhodne formate, kot so PDF, HTML ali Word.
> **Opomba o kvizih**: Vsi kvizi so v [mapi Quiz App](../../quiz-app), skupaj 52 kvizov s po tremi vprašanji. Povezani so v lekcijah, vendar lahko kvizno aplikacijo zaženete lokalno; sledite navodilom v mapi `quiz-app` za lokalno gostovanje ali namestitev na Azure.
| Številka lekcije | Tema | Skupina lekcij | Cilji učenja | Povezana lekcija | Avtor |
| 01 | Uvod v strojno učenje | [Uvod](1-Introduction/README.md) | Spoznajte osnovne koncepte strojnega učenja | [Lekcija](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Zgodovina strojnega učenja |[Uvod](1-Introduction/README.md) | Spoznajte zgodovino tega področja | [Lekcija](1-Introduction/2-history-of-ML/README.md) | Jen in Amy |
| 03 | Pravičnost in strojno učenje | [Uvod](1-Introduction/README.md) | Kakšne so pomembne filozofske teme glede pravičnosti, ki jih mora študent upoštevati pri izdelavi in uporabi modelov ML? | [Lekcija](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Tehnike strojnega učenja | [Uvod](1-Introduction/README.md) | Katere tehnike za izdelavo ML modelov uporabljajo raziskovalci? | [Lekcija](1-Introduction/4-techniques-of-ML/README.md) | Chris in Jen |
| 05 | Uvod v regresijo | [Regresija](2-Regression/README.md) | Začnite z Python in Scikit-learn za modele regresije | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Cene buč v Severni Ameriki 🎃 | [Regresija](2-Regression/README.md) | Vizualizirajte in očistite podatke za pripravo na ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Cene buč v Severni Ameriki 🎃 | [Regresija](2-Regression/README.md) | Zgradite linearne in polinomske regresijske modele | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) |Jen in Dmitry • Eric Wanjau |
| 08 | Cene buč v Severni Ameriki 🎃 | [Regresija](2-Regression/README.md) | Zgradite logistični regresijski model | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Spletna aplikacija 🔌 | [Web App](3-Web-App/README.md) | Zgradite spletno aplikacijo za uporabo vašega usposobljenega modela | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Uvod v klasifikacijo | [Klasifikacija](4-Classification/README.md) | Očistite, pripravite in vizualizirajte podatke; uvod v klasifikacijo | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen in Cassie • Eric Wanjau |
| 11 | Sladke azijske in indijske kuhinje 🍜 | [Klasifikacija](4-Classification/README.md) | Uvod v klasifikatorje | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen in Cassie • Eric Wanjau |
| 12 | Sladke azijske in indijske kuhinje 🍜 | [Klasifikacija](4-Classification/README.md) | Več klasifikatorjev | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen in Cassie • Eric Wanjau |
| 13 | Sladke azijske in indijske kuhinje 🍜 | [Klasifikacija](4-Classification/README.md) | Zgradite spletno aplikacijo za priporočanje z uporabo vašega modela | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Uvod v gručenje | [Gručenje](5-Clustering/README.md) | Očistite, pripravite in vizualizirajte podatke; uvod v gručenje | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Raziščimo nigerijske glasbene okuse 🎧 | [Gručenje](5-Clustering/README.md) | Raziščite metodo gručenja K-sredin | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Uvod v obdelavo naravnega jezika ☕️ | [Obdelava naravnega jezika](6-NLP/README.md) | Naučite se osnov NLP z izdelavo preprostega robota | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Pogoste naloge NLP ☕️ | [Obdelava naravnega jezika](6-NLP/README.md) | Poglobite svoje znanje NLP z razumevanjem pogostih nalog pri delu z jezikovnimi strukturami | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Prevajanje in analiza sentimenta ♥️ | [Obdelava naravnega jezika](6-NLP/README.md) | Prevajanje in analiza sentimenta z Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Romantični hoteli v Evropi ♥️ | [Obdelava naravnega jezika](6-NLP/README.md) | Analiza sentimenta z ocenami hotelov 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Romantični hoteli v Evropi ♥️ | [Obdelava naravnega jezika](6-NLP/README.md) | Analiza sentimenta z ocenami hotelov 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Uvod v napovedovanje časovnih vrst |[Časovne vrste](7-TimeSeries/README.md)| Uvod v napovedovanje časovnih vrst | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Svetovna poraba elektrike ⚡️ - napovedovanje s ARIMA | [Časovne vrste](7-TimeSeries/README.md) | Napovedovanje časovnih vrst z ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Svetovna poraba elektrike ⚡️ - napovedovanje s SVR | [Časovne vrste](7-TimeSeries/README.md) | Napovedovanje časovnih vrst s podporniškim vektorjem regresorjem | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Uvod v učenje z okrepitvijo | [Učenje z okrepitvijo](8-Reinforcement/README.md) | Uvod v učenje z okrepitvijo z metodo Q-učenja | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Pomagajte Petru, da se izogne volku! 🐺 | [Učenje z okrepitvijo](8-Reinforcement/README.md) | Učenje z okrepitvijo v Gimnastiki | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Dodatno | Resnični primeri in aplikacije ML | [ML v praksi](9-Real-World/README.md) | Zanimive in razkrivajoče resnične aplikacije klasičnega ML | [Lekcija](9-Real-World/1-Applications/README.md) | Ekipa |
| Dodatno | Razhroščevanje ML modelov z RAI nadzorno ploščo | [ML v praksi](9-Real-World/README.md) | Razhroščevanje ML modelov z uporabo komponent Responsible AI nadzorne plošče | [Lekcija](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> **Opomba o jezikih**: Te lekcije so večinoma napisane v Pythonu, vendar so mnoge na voljo tudi v R. Če želite opraviti lekcijo v R, pojdite v mapo `/solution` in poiščite R lekcije. Vsebujejo pripono .rmd, ki predstavlja **R Markdown** datoteko, kar lahko preprosto opredelimo kot vključitev `code chunks` (kose kode v R ali drugih jezikih) in `YAML header` (ki usmerja, kako oblikovati izhod, npr. PDF) v `Markdown dokument`. Kot tak služi kot odličen okvir za pisanje vsebin za podatkovno znanost, saj vam omogoča, da združite svojo kodo, njen izhod in svoje misli tako, da jih lahko zapišete v Markdown. Poleg tega je mogoče dokumente R Markdown pretvoriti v izhodne formate, kot so PDF, HTML ali Word.
> **Opomba o kvizih**: Vsi kvizi so vsebovani v [quiz-app mapi](../../quiz-app), skupaj 52 kvizov s po tremi vprašanji. Povezani so iz lekcij, vendar se kviz aplikacijo lahko zažene lokalno; sledite navodilom v mapi `quiz-app` za lokalno gostovanje ali namestitev na Azure.
| Številka lekcije | Tema | Skupina lekcij | Cilji učenja | Povezana lekcija | Avtor |
| 01 | Uvod v strojno učenje | [Uvod](1-Introduction/README.md) | Naučite se osnovnih pojmov strojenega učenja | [Lekcija](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Zgodovina strojenega učenja | [Uvod](1-Introduction/README.md)| Spoznajte zgodovino tega področja | [Lekcija](1-Introduction/2-history-of-ML/README.md) | Jen in Amy |
| 03 | Pravičnost in strojno učenje | [Uvod](1-Introduction/README.md) | Katere so pomembne filozofske teme glede pravičnosti, ki jih morajo študenti upoštevati pri gradnji in uporabi ML modelov? | [Lekcija](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Tehnike strojenega učenja | [Uvod](1-Introduction/README.md) | Katere tehnike uporabljajo raziskovalci ML za gradnjo ML modelov? | [Lekcija](1-Introduction/4-techniques-of-ML/README.md) | Chris in Jen |
| 05 | Uvod v regresijo | [Regresija](2-Regression/README.md) | Začnite z Python in Scikit-learn za modele regresije | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Cene buč v Severni Ameriki 🎃 | [Regresija](2-Regression/README.md) | Vizualizirajte in očistite podatke v pripravi na ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Cene buč v Severni Ameriki 🎃 | [Regresija](2-Regression/README.md) | Zgradite linearne in polinomske regresijske modele | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen in Dmitry • Eric Wanjau |
| 08 | Cene buč v Severni Ameriki 🎃 | [Regresija](2-Regression/README.md) | Zgradite logistični regresijski model | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Spletna aplikacija 🔌 | [Spletna aplikacija](3-Web-App/README.md) | Zgradite spletno aplikacijo za uporabo vašega izurjenega modela | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Uvod v klasifikacijo |[Klasifikacija](4-Classification/README.md) | Očistite, pripravite in vizualizirajte svoje podatke; uvod v klasifikacijo | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen in Cassie • Eric Wanjau |
| 11 | Okusne azijske in indijske kuhinje 🍜 | [Klasifikacija](4-Classification/README.md) | Uvod v klasifikatorje | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen in Cassie • Eric Wanjau |
| 12 | Okusne azijske in indijske kuhinje 🍜 | [Klasifikacija](4-Classification/README.md) | Več klasifikatorjev | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen in Cassie • Eric Wanjau |
| 13 | Okusne azijske in indijske kuhinje 🍜 | [Klasifikacija](4-Classification/README.md) | Zgradite priporočilno spletno aplikacijo z uporabo vašega modela | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Uvod v gručenje | [Gručenje](5-Clustering/README.md) | Očistite, pripravite in vizualizirajte svoje podatke; uvod v gručenje | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Raziščite nigerijske glasbene okuse 🎧 | [Gručenje](5-Clustering/README.md) | Raziščite metodo K-Means gručenja | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Uvod v obdelavo naravnega jezika ☕️ | [Obdelava naravnega jezika](6-NLP/README.md) | Naučite se osnov NLP z gradnjo preprostega bota | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Pogoste naloge NLP ☕️ | [Obdelava naravnega jezika](6-NLP/README.md) | Poglobite svoje znanje NLP z razumevanjem pogostih nalog, potrebnih pri delu z jezikovnimi strukturami | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Prevodi in analiza sentimenta ♥️ | [Obdelava naravnega jezika](6-NLP/README.md) | Prevod in analiza sentimenta z Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Romantični hoteli v Evropi ♥️ | [Obdelava naravnega jezika](6-NLP/README.md) | Analiza sentimenta s pregledi hotelov 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Romantični hoteli v Evropi ♥️ | [Obdelava naravnega jezika](6-NLP/README.md) | Analiza sentimenta s pregledi hotelov 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Uvod v napovedovanje časovnih vrst | [Časovne vrste](7-TimeSeries/README.md) | Uvod v napovedovanje časovnih vrst | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Svetovna poraba električne energije ⚡️ - napovedovanje časovnih vrst z ARIMA | [Časovne vrste](7-TimeSeries/README.md) | Napovedovanje časovnih vrst z ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Svetovna poraba električne energije ⚡️ - napovedovanje časovnih vrst z SVR | [Časovne vrste](7-TimeSeries/README.md) | Napovedovanje časovnih vrst s pomočjo Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Uvod v okrepitev učenja | [Okrepitev učenja](8-Reinforcement/README.md) | Uvod v okrepitveno učenje z Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Pomagajte Petru, da se izogne volku! 🐺 | [Okrepitev učenja](8-Reinforcement/README.md) | Okrepitveno učenje z Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Praktični primeri in aplikacije ML | [ML v praksi](9-Real-World/README.md) | Zanimive in poučne praktične uporabe klasičnega strojenega učenja | [Lekcija](9-Real-World/1-Applications/README.md) | Ekipa |
| Postscript | Odpravljanje napak modelov v ML z uporabo RAI nadzorne plošče | [ML v praksi](9-Real-World/README.md) | Odpravljanje napak modelov strojenega učenja z uporabo komponent nadzorne plošče Responsible AI | [Lekcija](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [poiščite vse dodatne vire za ta tečaj v naši zbirki Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Dostop brez povezave
To dokumentacijo lahko poganjate brez povezave z uporabo [Docsify](https://docsify.js.org/#/). Razvejajte ta repozitorij, [namestite Docsify](https://docsify.js.org/#/quickstart) na svoj lokalni računalnik, nato pa v korenski mapi repozitorija vtipkajte `docsify serve`. Spletna stran bo dostopna na vratih 3000 vašega lokalnega računalnika: `localhost:3000`.
To dokumentacijo lahko poganjate brez povezave z uporabo [Docsify](https://docsify.js.org/#/). Razvejajte ta repozitorij, [namestite Docsify](https://docsify.js.org/#/quickstart) na svoj lokalni računalnik, nato pa v korenski mapi tega repozitorija vnesite `docsify serve`. Spletna stran bo dosegljiva na vratih 3000 na vašem lokalnem gostitelju: `localhost:3000`.
## PDF datoteke
## PDF-ji
Najdite pdf učnega načrta s povezavami [tukaj](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Drugi tečaji
Naša ekipa ustvarja tudi druge tečaje! Oglejte si:
Naša ekipa izdeluje tudi druge tečaje! Oglejte si:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -186,53 +186,53 @@ Naša ekipa ustvarja tudi druge tečaje! Oglejte si:
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Serija generativne AI
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### Serija Generativne umetne inteligence
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Serija Copilot
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
Če se zataknete ali imate vprašanja o izdelavi AI aplikacij. Pridružite se ostalim učencem in izkušenim razvijalcem v razpravah o MCP. To je podporna skupnost, kjer so vprašanja dobrodošla in se znanje prosto deli.
Če se zataknete ali imate kakršnakoli vprašanja o izgradnji AI aplikacij, se pridružite drugim učencem in izkušenim razvijalcem v razpravah o MCP. To je podporna skupnost, kjer so vprašanja dobrodošla in se znanje prostodušno deli.
- Preglejte zvezke po vsakem delu za boljše razumevanje.
- Vadite izvajanje algoritmov samostojno.
- Raziščite dejanske podatkovne zbirke z uporabo naučenih konceptov.
- Preglejte zvezke po vsakem lekciji za boljše razumevanje.
- Vadite samostojno izvajanje algoritmov.
- Raziščite podatke iz resničnega sveta z uporabo naučenih konceptov.
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Omejitev odgovornosti**:
Ta dokument je bil preveden z uporabo storitve za strojno prevajanje AI [Co-op Translator](https://github.com/Azure/co-op-translator). Čeprav si prizadevamo za točnost, upoštevajte, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v izvorni jezik smatrajte za verodostojen vir. Za pomembne informacije priporočamo strokovni človeški prevod. Ne odgovarjamo za morebitna nesporazume ali napačne interpretacije, ki izhajajo iz uporabe tega prevoda.
Ta dokument je bil preveden z uporabo AI prevajalske storitve [Co-op Translator](https://github.com/Azure/co-op-translator). Čeprav si prizadevamo za natančnost, upoštevajte, da avtomatizirani prevodi lahko vsebujejo napake ali netočnosti. Izvirni dokument v maternem jeziku velja za avtoritativni vir. Za ključne informacije priporočamo strokovni prevod s strani človeka. Ne odgovarjamo za kakršne koli nesporazume ali napačne razlage, ki izhajajo iz uporabe tega prevoda.
> Овај репозиторијум укључује преводе на више од 50 језика што значајно повећава величину преузимања. Да бисте клонирали без превода, користите sparse checkout:
> Ово складиште укључује више од 50 превода језика што значајно повећава величину преузимања. Да бисте клонирали без превода, користите sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -33,62 +33,63 @@
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Ово вам даје све што је потребно да завршите курс много брже.
> Ово вам даје све што вам је потребно да завршите курс много брже преузимањем.
Имамо серију на Дискорду „Учимо уз AI у току“, сазнајте више и придружите нам се на [Learn with AI Series](https://aka.ms/learnwithai/discord) од 18. до 30. септембра 2025. године. Добићете савете и трикове за коришћење GitHub Copilot-а за Науку о подацима.
Имате текућу серију Learn with AI на Discord-у, сазнајте више и придружите нам се на [Learn with AI Series](https://aka.ms/learnwithai/discord) од 18. до 30. септембра 2025. године. Добићете савете и трикове за коришћење GitHub Copilot за Data Science.
# Машинско учење за почетнике - Наставни план
# Машинско учење за почетнике - Курикулум
> 🌍 Путујте око света док истражујемо Машинско учење кроз културе света 🌍
> 🌍 Путујте око света док истражујемо машинско учење кроз културе света 🌍
Cloud Advocates у Microsoft-уса задовољством нуде 12-недељни, 26-лекцијски наставни план који је посвећен **Машинском учењу**. У овом наставном плану научићете о ономе што се понекад назива **класичним машинским учењем**, користећи углавном Scikit-learn као библиотеку, избегавајући дубоко учење које је обрађено у нашем [AI for Beginners наставном плану](https://aka.ms/ai4beginners). Поред ових лекција можете користити и наш ['Data Science for Beginners' наставни план](https://aka.ms/ds4beginners)!
Cloud Advocates у Microsoft-уса задовољством нуде 12-недељни курикулум од 26 лекција у вези са**машинским учењем**. У овом курикулуму учићете о ономе што се понекад назива **клasiчним машинским учењем**, користећи углавном Scikit-learn као библиотеку и избегавајући дубоко учење које је обухваћено у нашем курикулуму [AI for Beginners](https://aka.ms/ai4beginners). Такође можете паровати ове лекције са нашим курсом ['Data Science for Beginners'](https://aka.ms/ds4beginners).
Путујте с нама око света док примењујемо ове класичне технике на податке из многих делова света. Свакa лекцијa укључује пред и пост квизове, написане инструкције за завршетак лекције, решење, задатак и још много тога. Наша метода заснована на пројектима вам омогућава да учите док стварате, што је доказани начин да нове вештине остану у памћењу.
Путујте с нама широм света док примењујемо ове класичне технике на податке из многих области света. Свака лекција укључује прегледне квизове пре и после лекције, упутства за извршење лекције, решење, задатак и више. Наша педагогија заснована на пројектима омогућава да учите док градите, а то је доказан начин да нове вештине 'остану'.
> [пронађите све додатне ресурсе за овај курс у нашој Microsoft Learn колекцији](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Треба помоћ?** Погледајте наш [Водич за решавање проблема](TROUBLESHOOTING.md) за решења за честе проблеме са инсталацијом, подешавањем и покретањем лекција.
> 🔧 **Требавам помоћ?** Погледајте наш [Водич за решавање проблема](TROUBLESHOOTING.md) за решења уобичајених проблема са инсталацијом, подешавањем и извођењем лекција.
**[Студенти](https://aka.ms/student-page)**, да бисте користили овај наставни план, форкујте цео репо на свој GitHub налог и решавајте задатке сами или у групи:
- Почните са уводним квизом пре предавања.
- Прочитајте предавање и завршите активности, застаните и размишљајте на сваки провера знања.
- Покушајте да креирате пројекте разумевањем лекција уместо само покретања кода решења; ипак, код решења је доступан у фолдерима `/solution`у свакој лекцији усмереној на пројекат.
- Урадите квиз након предавања.
- Завршите изазов.
- Испуните задатак.
- Након завршетка групе лекција, посетите [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) и „учите гласно“ попуњавајући одговарајућу PAT рубрику. PAT је алатка за процену напретка коју попуњавате да бисте продубили своје учење. Такође можете реаговати на друге PAT-ове да учимо заједно.
**[Студенти](https://aka.ms/student-page)**, да бисте користили овај курикулум, форкујте цео репо на свој GitHub налог и радите задатке сами или у групи:
> За додатно учење препоручујемо прoдавање ових [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) модула и уџбеничких путева.
- Почните са квизом пре предавања.
- Прочитајте предавање и завршите активности, правећи паузе за размишљање код сваке провере знања.
- Покушајте да креирате пројекте разумевањем лекција уместо само извршавањем кода решења; код решења је ипак доступан у /solution фолдерима у свакој пројектно оријентисаној лекцији.
- Урадите квиз после предавања.
- Завршите изазов.
- Испуните задатак.
- Након завршетка групе лекција, посетите [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) и „учите наглас“ попуњавајући одговарајућу PAT рубрику. 'PAT' је алат за процену напретка која вам помаже да напредујете у учењу. Можете и реаговати на друге PAT-ове да учимо заједно.
**Наставници**, припремили смо [неке предлоге](for-teachers.md) како да користите овај наставни план.
> За даље учење, препоручујемо праћење ових [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) модула и путева учења.
**Наставници**, укључили смо неке [предлоге](for-teachers.md) о томе како да користите овај курикулум.
---
## Видео водичи
## Видеоуроци
Неке лекције су доступне као кратки видео записи. Све их можете пронаћи унутар лекција, или на [ML for Beginners плејлисти на Microsoft Developer YouTube каналу](https://aka.ms/ml-beginners-videos) кликом на слику испод.
Неке лекције су доступне у форми кратких видео снимака. Све их можете пронаћи уграђено у лекцијама или на [ML for Beginners списку песама на Microsoft Developer YouTube каналу](https://aka.ms/ml-beginners-videos) кликом на слику испод.
[](https://aka.ms/ml-beginners-videos)
> 🎥 Кликните на слику изнад за видео о пројекту и људима који суга створили!
> 🎥 Кликните на слику горе за видео о пројекту и људима који суга створили!
---
## Педагогија
Изабрали смо два педагошка принципа при изради овог наставног плана: обезбеђивање практичности и заснованост на пројектима, као и учестале квизове. Поред тога, овај наставни план има заједничку тему која му даје кохерентност.
Изабрали смо два педагошка принципа приликом изградње овог курикулума: да буде практичан и заснован на пројектима и да укључује често понављање кроз квизове. Поред тога, курикулум има заједничку тему која му даје кохерентност.
Обезбеђивањем да садржај буде у складуса пројектима, процес постаје занимљивији за студенте и повећава се задржавање знања. Поред тога, квиз пред предавање поставља сврху студента према учењу теме, док други квиз након предавања осигурава додатно задржавање знања. Овај наставни план је дизајниран да буде флексибилан и забаван и може се узети у целости или делимично. Пројекти почињу мали и све су сложенији до краја 12-недељног циклуса. Наставни план укључује и посл scriptоо применама ML у стварном свету, који може послужити као додатни кредити или основа за дискусију.
Обезбеђујући да садржај буде повезанса пројектима, процес постаје занимљивији за студенте и побољшава се задржавање концепата. Ниско ризични квиз пре предавања поставља циљ студента ка учењу теме, док други квиз после предавања обезбеђује додатно учвршћивање знања. Овај курикулум је дизајниран да буде флексибилан и забаван и може се пратити у целини или делимично. Пројекти почињу једноставно и постају све сложенији до краја 12-недељног циклуса. Курикулум такође укључује последњи део о реалним применама ML-а, који се може користити као додатни кредити или као основ за дискусију.
> Пронађите наше [Правила понашања](CODE_OF_CONDUCT.md), [Упутства за допринос](CONTRIBUTING.md), [Преводе](..) и [Водич за решавање проблема](TROUBLESHOOTING.md). Добродошли сте да нам пружите конструктивне повратне информације!
> Пронађите наше [Правило понашања](CODE_OF_CONDUCT.md), [Упутство за допринос](CONTRIBUTING.md), [Преводе](..) и [Решавање проблема](TROUBLESHOOTING.md). Добродошле су ваше конструктивне повратне информације!
## Свaka лекција укључује
## Свaка лекцијa укључује
- опциони скицнот
- опциони додатни видео
- видео водич (само неке лекције)
- [квиз за загревање пре предавања](https://ff-quizzes.netlify.app/en/ml/)
- написану лекцију
- за лекције засноване на пројекту, корак-по-корак упутства како да се пројекат направи
- провере знања
- изазов
- додатно читање
- задатак
- опционални скицнот
- опционални додатни видео
- видео водич (само неке лекције)
- [квиз за загревање пре предавања](https://ff-quizzes.netlify.app/en/ml/)
- писани материјал за лекцију
- за лекције засноване на пројектима, корак-по-корак упутства како направити пројекат
- проверу знања
- изазов
- допунско читање
- задатак
- [квиз после предавања](https://ff-quizzes.netlify.app/en/ml/)
> **Напомена о језицима**: Ове лекције су углавном написане у Питону, али многе су доступне и у R. Да бисте урадили R лекцију, идите у фасциклу `/solution` и потражите R лекције. Оне имају `.rmd` екстензију која представља **R Markdown** фајл, који се може дефинисати као уграђивање `делова кода` (R или других језика) и `YAML заглавља` (које управља форматом излаза као што је PDF) у`Markdown документ`. Као такав, R Markdown служи као пример како написати научне радове у области науке о подацима јер омогућава да комбинујете свој код, његов излаз и своје напомене тако што их записујете у Markdown формату. Поред тога, R Markdown документи се могу извозити у формате као што су PDF, HTML или Word.
> **Напомена о квизовима**: Сви квизови се налазе у [Quiz App фолдеру](../../quiz-app), укупно 52 квиза са по три питања. Повезани су из уџбеника, али квиз апликацију можете покренути локално; следите упутства у фолдеру `quiz-app` за локално хостовање или деплои на Azure.
| 01 | Увод у машинско учење | [Увод](1-Introduction/README.md) | Упознајте основне појмове машинског учења | [Лекција](1-Introduction/1-intro-to-ML/README.md) | Мухамад |
| 02 | Историја машинског учења | [Увод](1-Introduction/README.md) | Упознајте историју овог поља | [Лекција](1-Introduction/2-history-of-ML/README.md) | Џен и Ејми |
| 03 | Праведност и машинско учење | [Увод](1-Introduction/README.md) | Којасу важна филозофска питања о праведности које ученици треба да размотре при изградњи и примени ML модела? | [Лекција](1-Introduction/3-fairness/README.md) | Томоми |
| 04 | Технике машинског учења | [Увод](1-Introduction/README.md) | Које технике ML истраживачи користе за изградњу ML модела? | [Лекција](1-Introduction/4-techniques-of-ML/README.md) | Крис и Џен |
| 05 | Увод у регресију | [Регресија](2-Regression/README.md) | Започните рад са Python и Scikit-learn за регресионе моделе | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Џен • Ерик Вањау |
| 06 | Цене бундеве у Северној Америци 🎃 | [Регресија](2-Regression/README.md) | Визуализујте и очистите податке за припрему за ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Џен • Ерик Вањау |
| 07 | Цене бундеве у Северној Америци 🎃 | [Регресија](2-Regression/README.md) | Направите линеарне и полиномијалне регресионе моделе | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Џен и Дмитри • Ерик Вањау |
| 08 | Цене бундеве у Северној Америци 🎃 | [Регресија](2-Regression/README.md) | Направите логистички регресион модел | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Џен • Ерик Вањау |
| 16 | Увод у обраду природног језика ☕️ | [Обрада природног језика](6-NLP/README.md) | Научите основе NLP кроз прављење једноставног бота | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Стивен |
| 17 | Заједнички NLP задаци ☕️ | [Обрада природног језика](6-NLP/README.md) | Продубите знања о NLP разумевањем заједничких задатака који су потребни при раду са језичким структурама | [Python](6-NLP/2-Tasks/README.md) | Стивен |
| 18 | Превод и анализа сентимента ♥️ | [Обрада природног језика](6-NLP/README.md) | Превод и анализа сентимента уз Џејн Остин | [Python](6-NLP/3-Translation-Sentiment/README.md) | Стивен |
| 19 | Романтични хотели Европе ♥️ | [Обрада природног језика](6-NLP/README.md) | Анализа сентимента уз рецензије хотела 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Стивен |
| 20 | Романтични хотели Европе ♥️ | [Обрада природног језика](6-NLP/README.md) | Анализа сентимента уз рецензије хотела 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Стивен |
| 21 | Увод у прогнозирање временских серија | [Временске серије](7-TimeSeries/README.md) | Увод у прогнозирање временских серија | [Python](7-TimeSeries/1-Introduction/README.md) | Франческа |
| 22 | ⚡️ Светска потрошња електричне енергије ⚡️ - прогнозирање временских серија са ARIMA | [Временске серије](7-TimeSeries/README.md) | Прогнозирање временских серија са ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Франческа |
| 23 | ⚡️ Светска потрошња електричне енергије ⚡️ - прогнозирање временских серија са SVR | [Временске серије](7-TimeSeries/README.md) | Прогнозирање временских серија са Support Vector Regressorом | [Python](7-TimeSeries/3-SVR/README.md) | Анирбан |
| 24 | Увод у учење са појачањем | [Учење са појачањем](8-Reinforcement/README.md) | Увод у учење са појачањем кроз Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Дмитри |
| 25 | Помозите Питеру да избегне вука! 🐺 | [Учење са појачањем](8-Reinforcement/README.md) | Gym за учење са појачањем | [Python](8-Reinforcement/2-Gym/README.md) | Дмитри |
| Постскрипт | Реални сценарији и примене ML | [ML у пракси](9-Real-World/README.md) | Интересантне и поучне стварне примене класичног ML | [Лекција](9-Real-World/1-Applications/README.md) | Тим |
| Постскрипт | Дијагностика модела у ML помоћу RAI контролне табле | [ML у пракси](9-Real-World/README.md) | Дијагностика модела у машинском учењу помоћу компоненти Responsible AI контролне табле | [Лекција](9-Real-World/2-Debugging-ML-Models/README.md) | Рут Јакубу |
> [пронађите све додатне ресурсе за овај курс у нашој Microsoft Learn колекцији](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> **Напомена о језицима**: Ове лекције су првенствено написане у Питону, али многе су такође доступне и уР. Да бисте завршили Р лекцију, идите у фолдер `/solution` и потражите Р лекције. Оне имају проширење .rmd које представља **Р Маркдаун** фајл, који се једноставно може дефинисати као уграђивање `код чипова` (Р или других језика) и `YAML заглавља` (које води како форматирати излазе као што је ПДФ) у`Маркдаун документу`. Као такав, служи као пример оквира за ауторство у науци о подацима јер вам омогућава да комбинујете свој код, његов излаз и своје мисли тако што ћете их записати у Маркдауну. Штавише, Р Маркдаун документи се могу рендеровати у формате излаза као што су ПДФ, ХТМЛ или Ворд.
> **Напомена о квизовима**: Сви квизови се налазе у [Quiz App фолдеру](../../quiz-app), укупно 52 квиза са по три питањау сваком. Они су повезани изнутра у лекцијама, али се квиз апликација може покренути и локално; пратите упутства у фолдеру `quiz-app` како бисте локално хостовали или депловали на Азуре.
| Број лекције | Тема | Група лекције | Циљеви учења | Повезана лекција | Аутор |
| 01 | Увод у машинско учење | [Увод](1-Introduction/README.md) | Научите основне концепте машинског учења | [Лекција](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Историја машинског учења | [Увод](1-Introduction/README.md) | Научите историју овог поља | [Лекција](1-Introduction/2-history-of-ML/README.md) | Jen и Amy |
| 03 | Поравноправност и машинско учење | [Увод](1-Introduction/README.md) | Којасу важна филозофска питања о поравноправности која студенти треба да размотре када граде и примењују МЛ моделе? | [Лекција](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Технике машинског учења | [Увод](1-Introduction/README.md) | Које технике МЛ истраживачи користе за израду МЛ модела? | [Лекција](1-Introduction/4-techniques-of-ML/README.md) | Chris и Jen |
| 05 | Увод у регресију | [Регресија](2-Regression/README.md) | Почните са Питоном и Scikit-learn за регресионе моделе| [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Северноамеричке цене бундеве 🎃 | [Регресија](2-Regression/README.md) | Визуелизујте и очистите податке као припрему за МЛ | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Северноамеричке цене бундеве 🎃 | [Регресија](2-Regression/README.md) | Направите линеарне и полиномијалне регресионе моделе | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen и Dmitry • Eric Wanjau |
| 09 | Веб апликација 🔌 | [Веб апликација](3-Web-App/README.md) | Направите веб апликацију која користи ваш тренирани модел | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Увод у класификацију | [Класификација](4-Classification/README.md) | Очистите, припремите и визуализујте своје податке; увод у класификацију | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen и Cassie • Eric Wanjau |
| 11 | Укусне азијске и индијске кухиње 🍜 | [Класификација](4-Classification/README.md) | Увод у класификаторе | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen и Cassie • Eric Wanjau |
| 12 | Укусне азијске и индијске кухиње 🍜 | [Класификација](4-Classification/README.md) | Више класификатора | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen и Cassie • Eric Wanjau |
| 13 | Укусне азијске и индијске кухиње 🍜 | [Класификација](4-Classification/README.md) | Направите препоручивачку веб апликацију користећи свој модел | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Увод у кластерисање | [Кластерисање](5-Clustering/README.md) | Очистите, припремите и визуализујте податке; увод у кластерисање | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Истраживање нигеријских музичких укуса 🎧 | [Кластерисање](5-Clustering/README.md) | Истражите К-Меанс методу кластерисања | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Увод у обраду природног језика ☕️ | [Обрада природног језика](6-NLP/README.md) | Научите основе НЛП-а правећи једноставног бота | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Уобичајени НЛП задаци ☕️ | [Обрада природног језика](6-NLP/README.md) | Продубите знање о НЛП-у разумевањем уобичајених задатака потребних у раду са језичким структурама | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Превод и анализа сентимента ♥️ | [Обрада природног језика](6-NLP/README.md) | Превод и анализа сентимента са Џејн Остин | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Романтични хотели Европе ♥️ | [Обрада природног језика](6-NLP/README.md) | Анализа сентимента са рецензијама хотела 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Романтични хотели Европе ♥️ | [Обрада природног језика](6-NLP/README.md) | Анализа сентимента са рецензијама хотела 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Увод у предвиђање временских серија | [Временске серије](7-TimeSeries/README.md) | Увод у предвиђање временских серија | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Светска потрошња електричне енергије ⚡️ - предвиђање временских серија са АРИМА | [Временске серије](7-TimeSeries/README.md) | Предвиђање временских серија помоћу АРИМА модели | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Светска потрошња електричне енергије ⚡️ - предвиђање временских серија саСВР | [Временске серије](7-TimeSeries/README.md) | Предвиђање временских серија помоћу модела Регресије вектора подршке (SVR) | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Увод у учење ојачања | [Учење ојачања](8-Reinforcement/README.md) | Увод у учење ојачања помоћу Q-Learning-а | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
> [нађите све додатне ресурсе за овај курс у нашој Microsoft Learn колекцији](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Оффлине приступ
Ову документацију можете користити оффлине помоћу [Docsify](https://docsify.js.org/#/). Форкујте овај репозиторијум, [инсталирајте Docsify](https://docsify.js.org/#/quickstart) на својој локалној машини, и у коренском фолдеру овог репозиторијума укуцајте `docsify serve`. Сајт ће бити доступан на порту 3000 на вашем localhost-у: `localhost:3000`.
Можете да покренете ову документацију офлајн користећи [Docsify](https://docsify.js.org/#/). Форкујте овај репозиторијум, [инсталирајте Docsify](https://docsify.js.org/#/quickstart) на свој локални рачунар, а затим у рута фолдеру овог репозиторијума укуцајте `docsify serve`. Вебсајт ће бити доступан на порту 3000 на вашој локалној машини: `localhost:3000`.
## PDF-ови
## ПДФ фајлови
Проналажење PDF верзије програмаса линковима [овде](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Generative AI Series
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### Серии генеративне вештачке интелигенције
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Copilot серија
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
### Серии Copilot
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
Ако запнете или имате питања у вези са прављењем AI апликација. Придружите се колегама студентима и искусним програмерима у дискусијама о MCP. Тоје подржавајућа заједница где су питања добродошла и где се знање слободно дели.
Ако заглавите или имате било каквих питања о изградњи AI апликација. Придружите се другим ученицима и искусним програмерима у расправама о MCP. Тоје подржавајућа заједница у којој су питања добро дошла и знање се слободно дели.
- Прегледајте белешке након сваког часа ради бољег разумевања.
- Вежбајте имплементацију алгоритама сами.
- Истражујте реалне скупове података користећи научене концепте.
- Прегледајте свеске након сваког часа ради бољег разумевања.
- Вежбајте самостално имплементацију алгоритама.
- Истражујте стварне скупове података користећи научене концепте.
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Одрицање од одговорности**:
Овај документ је преведен коришћењем AI сервиса за превођење [Co-op Translator](https://github.com/Azure/co-op-translator). Иако настојимо да превод буде тачан, молимо имајте у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на изворном језику треба сматрати ауторитетним извором. За критичне информације препоручује сестручно људско превођење. Не сносимо одговорност за било каква неспоразума или погрешне тумачења проистекла из коришћења овог превода.
Овај документ је преведен коришћењем услуге за аутоматски превод [Co-op Translator](https://github.com/Azure/co-op-translator). Иако се трудимо да превод буде тачан, молимо имајте у виду да аутоматизовани преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати ауторитетним извором. За критичне информације препоручује сепрофесионални превод од стране човека. Нисмо одговорни за било каква неспоразуми или погрешне интерпретације настале коришћењем овог превода.
localizeflow[bot]
1 month ago