> Това хранилище включва повече от 50 езикови превода, което значително увеличава размера на изтеглянето. За да клонирате без преводи, използвайте sparse checkout:
> Това хранилище включва над 50 превода на езици, което значително увеличава размера за изтегляне. За да клонирате без преводите, използвайте sparse checkout:
Имаме текуща серия на Discord „Научи с AI“, научете повече и се присъединете към нас на [Learn with AI Series](https://aka.ms/learnwithai/discord) от 18 до 30 септември 2025 г. Ще получите съвети и трикове за използване на GitHub Copilot за Data Science.
Имаме текуща серия в Discord „Научи с AI“, научете повече и се включете на [Learn with AI Series](https://aka.ms/learnwithai/discord) от 18 до 30 септември 2025 г. Ще получите полезни съвети и трикове за използване на GitHub Copilot за Наука за Данни.
# Машинно обучение за начинаещи - учебна програма
# Машинно обучение за начинаещи - Учебна програма
> 🌍 Пътувайте по света, докато изследваме Машинното обучение чрез световните култури 🌍
> 🌍 Пътувайте по света, докато изследваме машинното обучение чрез световните култури 🌍
Cloud Advocates в Microsoft с радост предлагат 12-седмична, 26-урочна учебна програма, посветена на **Машинното обучение**. В тази учебна програма ще научите за това, което понякога се нарича **класическо машинно обучение**, използвайки основно библиотеката Scikit-learn и като избягвате дълбокото обучение, което е разгледано в нашата учебна програма [AI за начинаещи](https://aka.ms/ai4beginners). Съчетайте тези уроци с нашата учебна програма ['Data Science за начинаещи'](https://aka.ms/ds4beginners)!
Облак специалистите в Microsoft с удоволствие предлагат 12-седмична учебна програма с 26 урока, посветени на **машинното обучение**. В тази учебна програма ще научите за това, което понякога се нарича **класическо машинно обучение**, използвайки основно библиотеката Scikit-learn и без задълбочено обучение, което е покрито в нашата учебна програма [AI за начинаещи](https://aka.ms/ai4beginners). Съчетавайте тези уроци с нашата учебна програма ['Наука за данни за начинаещи'](https://aka.ms/ds4beginners)!
Пътувайте с нас по света, прилагайки тези класически техники върху данни от много региони. Всеки урок включва предварителни и последващи тестове, писмени инструкции за изпълнение на урока, решение, задание и още. Нашата педагогика, базирана на проекти, ви позволява да учите, като създавате, доказан начин за трайно усвояване на нови умения.
Пътувайте с нас из целия свят, докато прилагаме тези класически техники върху данни от различни области на света. Всеки урок включва предварителни и последващи тестове, писмени инструкции за завършване на урока, решение, задание и още. Нашата проектно-базирана педагогика ви позволява да учите, докато създавате, доказан начин за по-добро усвояване на нови умения.
**✍️ Сърдечни благодарности на нашите автори** Джен Лупър, Стивън Хауъл, Франческа Лазери, Томоми Имура, Каси Брииу, Дмитрий Сошников, Крис Норинг, Анирбан Мукерджи, Орнела Алтунян, Рут Якубу и Ейми Бойд
**✍️ Големи благодарности на нашите автори** Джен Лупър, Стивън Хауъл, Франческа Лазери, Томоми Имура, Каси Бревю, Дмитрий Сошников, Крис Норинг, Анирбан Мукерджи, Орнела Алтунян, Рут Якобу и Ейми Бойд
**🎨 Благодарности и на нашите илюстратори** Томоми Имура, Дасани Мадипали и Джен Лупър
**🙏 Специални благодарности 🙏 на авторите, рецензентите и създателите на съдържание от Microsoft Student Ambassador**, особено Ришит Дагли, Мухаммад Сакиб Хан Инан, Рохан Радж, Александру Петреску, Абхишек Джайсуал, Наврин Табасум, Йоан Самюила и Снигдха Агарвал
**🙏 Специални благодарности 🙏 на нашите автори, рецензенти и съдържателни сътрудници от Microsoft Student Ambassador,** по-специално Ришит Дагли, Мухаммад Сакиб Кан Инан, Рохан Радж, Александру Петреску, Абхишек Джайсвал, Наурин Табасум, Йоан Самуила и Снигдха Агарвал
**🤩 Допълнителна благодарност на Microsoft Student Ambassadors Ерик Ванджау, Джаслийн Сонди и Видуши Гупта за нашите уроци по R!**
**🤩 Допълнителна благодарност на Microsoft Student Ambassadors Ерик Уанджау, Джаслийн Сонди и Ведуши Гупта за нашите уроци по R!**
# Започване
Следвайте тези стъпки:
1. **Направете Fork на хранилището**: Кликнете на бутона „Fork“ в горния десен ъгъл на тази страница.
> [намерете всички допълнителни ресурси за този курс в нашата колекция Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [намерете всички допълнителни ресурси за този курс в нашата Microsoft Learn колекция](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Нуждаете се от помощ?** Проверете нашето [Ръководство за отстраняване на проблеми](TROUBLESHOOTING.md) за решения на често срещани проблеми с инсталацията, настройките и стартирането на уроците.
> 🔧 **Нуждаете се от помощ?** Проверете нашето [Ръководство за отстраняване на проблеми](TROUBLESHOOTING.md) за решения на често срещани проблеми с инсталацията, настройката и работата с уроците.
**[Студенти](https://aka.ms/student-page)**, за да използвате тази учебна програма, направете fork на цялото хранилище в своя GitHub акаунт и изпълнявайте упражненията сами или в група:
**[Студенти](https://aka.ms/student-page)**, за да използвате тази учебна програма, форкнете целия репо в своя собствен GitHub акаунт и изпълнете упражненията сами или в група:
- Започнете с тест преди лекцията.
- Прочетете лекцията и завършете дейностите, спирайки се и размисляйки при всяка проверка на знанията.
- Опитайте да създадете проектите като разберете уроците, вместо да пускате директно кода за решение; този код обачее наличен в папките `/solution` във всеки урок, ориентиран към проекти.
- Направете тест след лекцията.
- Започнете спредварителен тест преди лекцията.
- Прочетете лекцията и завършете дейностите, правейки пауза и размисъл при всяка проверка на знанията.
- Опитайте да създадете проектите като разберете уроците, вместо просто да изпълнявате кода с решение; този коде наличен в папките `/solution` във всеки урок, ориентиран към проект.
- Вземете теста след лекцията.
- Изпълнете предизвикателството.
- Завършете заданието.
- След завършване на група уроци, посетете [Дискусионния борд](https://github.com/microsoft/ML-For-Beginners/discussions) и "учете на глас", като попълните съответния PAT рубрик. „PAT“ е инструмент за оценка на напредъка, който попълвате, за да укрепите ученето си. Можете също да реагирате на други PAT, за да учим заедно.
- Изпълнете заданието.
- След завършване на група уроци, посетете [Форум за обсъждания](https://github.com/microsoft/ML-For-Beginners/discussions) и „учете на глас“, като попълвате съответния PAT рубрика. PAT е Инструмент за оценка на прогреса, който е рубрика, която попълвате, за да напреднете в ученето. Можете също да реагирате на други PAT-ове, за да учим заедно.
> Задопълнително изучаване препоръчваме следване на тези [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) модули и учебни пътеки.
> Запо-нататъшно обучение препоръчваме да следвате тези [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) модули и учебни пътеки.
**Учители**, ние сме [включили някои предложения](for-teachers.md) как да използвате тази учебна програма.
---
## Видеопрегледи
## Видео уроци
Някои уроци са налични като кратки видеа. Можете да ги намерите всички на място в уроците или в [плейлиста ML for Beginners в канала на Microsoft Developer в YouTube](https://aka.ms/ml-beginners-videos), като кликнете върху изображението по-долу.
Някои от уроцитеса налични като кратки видеоклипове. Можете да ги намерите интегрирани в уроците или в [плейлиста „ML for Beginners“ в Microsoft Developer YouTube канала](https://aka.ms/ml-beginners-videos) като кликнете върху изображението по-долу.
[](https://aka.ms/ml-beginners-videos)
@ -99,81 +99,81 @@ Cloud Advocates в Microsoft с радост предлагат 12-седмич
> 🎥 Кликнете върху изображението по-горе за видео за проекта и хората, които го създадоха!
> 🎥 Кликнете на изображението по-горе за видео за проекта и хората, които го създадоха!
---
## Педагогика
Избрахме две педагогически основи при създаването на тази учебна програма: да бъде практическа и **базирана на проекти** и да включва **чести тестове**. Освен това учебната програма има обща **тема** за свързаност.
Избрахме две педагогически принципа при изграждането на тази учебна програма: да бъде практическа и **базирана на проекти** и да включва **чести тестове**. Освен това тази учебна програма има обща **тема**, която ѝ придава по-голяма свързаност.
Осигурявайки съвпадение на съдържанието с проектите, процесът става по-ангажиращ за студентите и усвояването на концепциите се подобрява. Допълнително, лек тест преди урок задава намерението на студента да усвои тема, а втори тест след урок подпомага по-силното запомняне. Тази програма е проектирана да бъде гъвкава и забавна и може да бъде премината цялата или частично. Проектите започват малки и стават все по-сложни до края на 12-седмичния цикъл. Включен е и постскрипт с приложения на ML в реалния свят, който може да сеползва като допълнителен кредит или основа за дискусия.
Като гарантираме, че съдържанието е свързано с проекти, процесът става по-ангажиращ за студентите и запомнянето на концепциите се увеличава. Освен това, ниско рисков тест преди урок задава нагласата на студента към усвояване на темата, а втори тест след урока осигурява допълнително затвърждаване. Тази учебна програма е проектирана да бъде гъвкава и забавна и може да бъде премината изцяло или частично. Проектите започват малки и стават все по-сложни към края на 12-седмичния цикъл. Тази програма включва и допълнителна част за приложенията на ML в реалния свят, която може да се използва като допълнителен кредит или основа за дискусия.
> Намерете нашите насоки [Код на поведение](CODE_OF_CONDUCT.md), [Сътрудничество](CONTRIBUTING.md), [Превод](TRANSLATIONS.md) и [Отстраняване на проблеми](TROUBLESHOOTING.md). Очакваме вашите конструктивни отзиви!
> Намерете нашите [Правила за поведение](CODE_OF_CONDUCT.md), [Как да допринасяте](CONTRIBUTING.md), [Преводи](..), и [Ръководство за отстраняване на проблеми](TROUBLESHOOTING.md). Очакваме вашите конструктивни отзиви!
## Всеки урок включва
- по желание скичнот
- по желание скичаноте
- по желание допълнително видео
- видео преглед (само при някои уроци)
- [тест преди лекцията](https://ff-quizzes.netlify.app/en/ml/)
- видео урок (само при някои уроци)
- [предварителен тест преди лекцията](https://ff-quizzes.netlify.app/en/ml/)
- писмен урок
- за уроци, базирани на проекти, стъпка по стъпка ръководства за изграждане на проекта
- за уроци, базирани на проекти, стъпка по стъпка ръководство за изграждане на проекта
- проверки на знанията
- предизвикателство
- допълнително четиво
- задание
- [тест след лекцията](https://ff-quizzes.netlify.app/en/ml/)
> **Бележка за езиците**: Тези уроци са основно написани на Python, но много от тях са налични и на R. За да завършите урок на R, отидете в папката `/solution` и потърсете уроци на R. Те имат разширение .rmd, което представлява **R Markdown** файл, който може просто да се определи като вграждане на `кодови блокове` (на R или други езици) и `YAML заглавна част` (която указва как да се форматират изходите като PDF) в `Markdown документ`. Така той служи като примерна рамка за създаване на материали за данни, тъй като позволява да комбинирате своя код, изхода му и мислите си, като ги записвате в Markdown. Освен това, R Markdown документите могат да се конвертират в изходни формати като PDF, HTML или Word.
> **Бележка за квизовете**: Всички квизове са съдържани в [Папка Quiz App](../../quiz-app), с общо 52 квиза с по три въпроса всеки. Теса свързани от уроците, но приложението за квизове може да се стартира локално; следвайте инструкциите в папката `quiz-app`, за да гохоствате локално или даго публикувате в Azure.
| Номер на урок | Тема | Групиране на уроците | Обучителни цели | Свързан урок | Автор |
| 01 | Въведение в машинното обучение | [Въведение](1-Introduction/README.md) | Научете основните понятия зад машинното обучение | [Урок](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | История на машинното обучение | [Въведение](1-Introduction/README.md) | Научете историята зад тази област | [Урок](1-Introduction/2-history-of-ML/README.md) | Jen и Amy |
| 03 | Справедливост и машинно обучение | [Въведение](1-Introduction/README.md) | Какви са важните философски въпроси около справедливостта, които студентите трябва да обмислят при изграждането и прилагането на ML модели? | [Урок](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Техники за машинно обучение | [Въведение](1-Introduction/README.md) | Какви техники използват изследователите за машинно обучение, за да изградят ML модели? | [Урок](1-Introduction/4-techniques-of-ML/README.md) | Chris и Jen |
| 05 | Въведение в регресията | [Регресия](2-Regression/README.md) | Започнете с Python и Scikit-learn за модели на регресия | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Цени на тикви в Северна Америка 🎃 | [Регресия](2-Regression/README.md) | Визуализиране и почистване на данни в подготовка за ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Цени на тикви в Северна Америка 🎃 | [Регресия](2-Regression/README.md) | Изграждане на линейни и полиномиални регресионни модели | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen и Dmitry • Eric Wanjau |
| 08 | Цени на тикви в Северна Америка 🎃 | [Регресия](2-Regression/README.md) | Изграждане на логистичен регресионен модел | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Уеб приложение 🔌 | [Уеб приложение](3-Web-App/README.md) | Изграждане на уеб приложение за използване на тренирания модел | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Въведение в класификация | [Класификация](4-Classification/README.md) | Почистване, подготовка и визуализация на данните; въведение в класификация | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen и Cassie • Eric Wanjau |
| 11 | Вкусна азиатска и индийска кухня 🍜 | [Класификация](4-Classification/README.md) | Въведение в класификаторите | [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 | Вкусна азиатска и индийска кухня 🍜 | [Класификация](4-Classification/README.md) | Повече класификатори | [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 | Вкусна азиатска и индийска кухня 🍜 | [Класификация](4-Classification/README.md) | Изграждане на препоръчително уеб приложение чрез вашия модел | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Въведение в клъстеризация | [Клъстеризация](5-Clustering/README.md) | Почистване, подготовка и визуализация на данните; въведение в клъстеризация | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Изследване на музикалните предпочитания в Нигерия 🎧 | [Клъстеризация](5-Clustering/README.md) | Изследвайте метода за клъстеризация K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Въведение в обработка на естествен език ☕️ | [Обработка на естествен език](6-NLP/README.md) | Научете основите на NLP, като изградите прост бот | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Общи задачи в NLP ☕️ | [Обработка на естествен език](6-NLP/README.md) | Задълбочете своята NLP подготовка чрез разбирането на общите задачи при работата с езиковите структури | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Превод и анализ на настроенията ♥️ | [Обработка на естествен език](6-NLP/README.md) | Превод и анализ на настроенията с Джейн Остин | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Романтични хотели в Европа ♥️ | [Обработка на естествен език](6-NLP/README.md) | Анализ на настроения с отзиви за хотели 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Романтични хотели в Европа ♥️ | [Обработка на естествен език](6-NLP/README.md) | Анализ на настроения с отзиви за хотели 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Въведение в прогнозиране на времеви редове | [Времеви редове](7-TimeSeries/README.md) | Въведение в прогнозиране на времеви редове | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Световна консумация на електроенергия ⚡️ - прогнозиране на времеви редове с ARIMA | [Времеви редове](7-TimeSeries/README.md) | Прогнозиране на времеви редове с ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Световна консумация на електроенергия ⚡️ - прогнозиране на времеви редове със SVR | [Времеви редове](7-TimeSeries/README.md) | Прогнозиране на времеви редове срегресорс поддържащи вектори | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Въведение в обучение чрез подсилване | [Обучение чрез подсилване](8-Reinforcement/README.md) | Въведение в обучение чрез подсилване с Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Помогнете на Питър да избяга от вълка! 🐺 | [Обучение чрез подсилване](8-Reinforcement/README.md) | Обучение чрез подсилване в Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Постскриптум | Реални ML сценарии и приложения | [ML в дивата природа](9-Real-World/README.md) | Интересни и показателни реални приложения на класическото ML | [Урок](9-Real-World/1-Applications/README.md) | Екип |
| Постскриптум | Отстраняване на грешки в ML чрез RAI табло | [ML в дивата природа](9-Real-World/README.md)| Отстраняване на грешки в машинното обучение чрез отговорния AI табло-компоненти | [Урок](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> **Забележка за езиците**: Тези уроци са основно написани на Python, но много от тях са достъпни и на R. За да завършите урок на R, отидете в папката `/solution` и потърсете уроците по R. Те имат разширение .rmd, което представлява **R Markdown** файл, който може просто да се определи като вплитане на „кодови късове“ (на R или други езици) и „YAML заглавие“ (което указва как да се форматира изхода, например PDF) в „Markdown документ“. Така той служи като примерна рамка за създаване на съдържание при наука за данни, тъй като ви позволява да комбинирате кода си, неговия изход и своите мисли, като ги записвате в Markdown. Освен това, R Markdown документите могат да се преобразуват в изходни формати като PDF, HTML или Word.
> **Забележка за викторините**: Всички викторини са в [папката Quiz App](../../quiz-app), общо 52 викторини с по три въпроса всяка. Теса свързани от уроците, но приложението за викторини може да се пуска локално; следвайте инструкциите в папката `quiz-app`, за да хоствате локално или да публикувате в Azure.
| Номер на урок | Тема | Групиране на уроци | Учебни цели | Свързан урок | Автор |
| 01 | Въведение в машинното обучение | [Въведение](1-Introduction/README.md) | Запознайте сес основните концепции зад машинното обучение | [Урок](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | История на машинното обучение | [Въведение](1-Introduction/README.md) | Научете историята зад тази област | [Урок](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
| 03 | Справедливост и машинно обучение | [Въведение](1-Introduction/README.md) | Какви са важните философски въпроси за справедливост, които студентите трябва да разглеждат при изграждане и прилагане на модели? | [Урок](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Техники за машинно обучение | [Въведение](1-Introduction/README.md) | Какви техники използват изследователите за изграждане на ML модели? | [Урок](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
| 05 | Въведение в регресията | [Регресия](2-Regression/README.md) | Започнете с Python и Scikit-learn за модели за регресия |[Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Цени на тикви в Северна Америка 🎃 | [Регресия](2-Regression/README.md) | Визуализирайте и почистете данни в подготовка за ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Цени на тикви в Северна Америка 🎃 | [Регресия](2-Regression/README.md) | Създайте линейни и полиномни регресионни модели | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
| 08 | Цени на тикви в Северна Америка 🎃 | [Регресия](2-Regression/README.md) | Създайте логистичен регресионен модел | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Уеб приложение 🔌 | [Уеб приложение](3-Web-App/README.md) | Създайте уеб приложение, за да използвате обучен модел | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Въведение в класификация | [Класификация](4-Classification/README.md) | Почистете, подгответе и визуализирайте данните си; въведение в класификация | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
| 11 | Вкусни азиатски и индийски кухни 🍜 | [Класификация](4-Classification/README.md) | Въведение в класификаторите | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau |
| 12 | Вкусни азиатски и индийски кухни 🍜 | [Класификация](4-Classification/README.md) | Още класификатори | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau |
| 13 | Вкусни азиатски и индийски кухни 🍜 | [Класификация](4-Classification/README.md) | Създайте препоръчително уеб приложение с използване на вашия модел | [Python](4-Classification/4-Applied/README.md)| Jen |
| 14 | Въведение в клъстеризация | [Клъстеризация](5-Clustering/README.md) | Почистете, подгответе и визуализирайте данните си; Въведение в клъстеризация | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Изследване на музикалните вкусове в Нигерия 🎧 | [Клъстеризация](5-Clustering/README.md) | Изследвайте метода за клъстеризация K-средни | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Въведение в обработката на естествен език ☕️ | [Обработка на естествен език](6-NLP/README.md) | Научете основите на NLP, като създадете прост бот | [Python](6-NLP/1-Introduction-to-NLP/README.md)| Stephen |
| 17 | Чести задачи в NLP ☕️ | [Обработка на естествен език](6-NLP/README.md) | Удължете познанията си за NLP чрез разбиране на чести задачи при работа с езикови структури | [Python](6-NLP/2-Tasks/README.md)| Stephen |
| 18 | Превод и анализ на настроения ♥️ | [Обработка на естествен език](6-NLP/README.md) | Превод и анализ на настроенияс Jane Austen |[Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Романтични хотели в Европа ♥️ | [Обработка на естествен език](6-NLP/README.md) | Анализ на настроения с ревюта на хотели 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md)| Stephen |
| 20 | Романтични хотели в Европа ♥️ | [Обработка на естествен език](6-NLP/README.md) | Анализ на настроения с ревюта на хотели 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md)| Stephen |
| 21 | Въведение във времевите редове | [Времеви редове](7-TimeSeries/README.md) | Въведение във времеви редове за прогнозиране | [Python](7-TimeSeries/1-Introduction/README.md)| Francesca |
| 22 | ⚡️ Световна консумация на електроенергия ⚡️ - прогнозиране с ARIMA | [Времеви редове](7-TimeSeries/README.md) | Прогнозиране на времеви редове с ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md)| Francesca |
| 23 | ⚡️ Световна консумация на електроенергия ⚡️ - прогнозиране със SVR | [Времеви редове](7-TimeSeries/README.md) | Прогнозиране на времеви редове със Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Въведение в обучението с подсилване | [Обучение с подкрепление](8-Reinforcement/README.md) | Въведение в обучение с подсилване чрез Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md)| Dmitry |
| 25 | Помогнете на Питър да избегне вълка! 🐺 | [Обучение с подкрепление](8-Reinforcement/README.md) | Обучение с подкрепление Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Постскрипт | Реални сценарии и приложения на ML | [ML в дивата природа](9-Real-World/README.md) | Интересни и поучителни реални приложения на класическо ML| [Урок](9-Real-World/1-Applications/README.md) | Екип |
| Постскрипт | Отстраняване на грешки в ML чрез RAI табло | [ML в дивата природа](9-Real-World/README.md) | Отстраняване на грешки в модели на машинното обучение чрез компоненти за таблото Responsible AI | [Урок](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [намерете всички допълнителни ресурси за този курс в нашата колекция Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Достъп офлайн
## Офлайн достъп
Можете да използвате тази документация офлайн чрез [Docsify](https://docsify.js.org/#/). Форкнете това хранилище, [инсталирайте Docsify](https://docsify.js.org/#/quickstart) на вашата локална машина и след това в коренната папка на това хранилище напишете `docsify serve`. Уебсайтът ще се стартира на порт 3000 на вашия локален хост: `localhost:3000`.
Можете да използвате тази документация офлайн с помощта на [Docsify](https://docsify.js.org/#/). Форкнете това хранилище, [инсталирайте Docsify](https://docsify.js.org/#/quickstart) на вашия локален компютър, след което в коренната папка на това хранилище напишете `docsify serve`. Уебсайтът ще се стартира на порт 3000 на localhost: `localhost:3000`.
## PDFs
## PDF файлове
Намерете pdf на учебната програма с линкове [тук](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
Намерете pdf версия на учебната програма с връзки [тук](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Други курсове
Нашият екип произвежда и други курсове! Вижте:
Нашият екип създава и други курсове! Разгледайте:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -182,7 +182,7 @@ Cloud Advocates в Microsoft с радост предлагат 12-седмич
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Автомати
### Azure / Edge / MCP / Агенти
[](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)
@ -191,33 +191,33 @@ Cloud Advocates в Microsoft с радост предлагат 12-седмич
---
### Серия Генеративен 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)
[](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)
---
### Основно обучение
[](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)
---
### Серия 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)
Ако срещнете проблем или имате въпроси относно създаването на AI приложения, присъединете се към други ученици и опитни разработчици в обсъждания за MCP. Това е подкрепяща общност, където въпросите са добре дошли и знанието се споделя свободно.
Ако се затрудните или имате въпроси относно създаването на AI приложения. Присъединете се към други учащи се и опитни разработчици в дискусиите за MCP. Това е подкрепяща общност, където въпросите са добре дошли и знанията се споделят свободно.
@ -227,12 +227,12 @@ Cloud Advocates в Microsoft с радост предлагат 12-седмич
## Допълнителни съвети за учене
- Преглеждайте тетрадките след всеки урок за по-добро разбиране.
- Практикувайте прилагането на алгоритми самостоятелно.
- Изследвайте реални набори от данни, използвайки научените концепции.
- Практикувайте самостоятелно прилагане на алгоритми.
- Изследвайте реални набори от даннис използване на научените концепции.
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Отказ от отговорност**:
Този документ е преведен с помощта на AI преводаческа услуга [Co-op Translator](https://github.com/Azure/co-op-translator). Въпреки че се стремим към точност, моля, имайте предвид, че автоматизираните преводи може да съдържат грешки или неточности. Оригиналният документ на неговия роден език трябва да серазглежда като авторитетен източник. За критична информация се препоръчва професионален човешки превод. Не носим отговорност за никакви недоразумения или неправилни тълкувания, произтичащи от използването на този превод.
**Отказ от отговорност**:
Този документ е преведен с помощта на AI преводаческа услуга [Co-op Translator](https://github.com/Azure/co-op-translator). Въпреки че се стремим към точност, моля, имайте предвид, че автоматизираните преводи може да съдържат грешки или неточности. Оригиналният документ на неговия роден език трябва да сесчита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за недоразумения или неправилни тълкувания, произтичащи от използването на този превод.
#### Suportat prin GitHub Action (automatizat și întotdeauna actualizat)
@ -17,7 +17,7 @@
> **Preferi să clonezi local?**
>
> Acest depozit include peste 50 de traduceri în diferite limbi, ceea ce mărește semnificativ dimensiunea descărcării. Pentru a clona fără traduceri, folosește sparse checkout:
> Acest depozit include peste 50 de traduceri în limbi diferite, ceea ce crește semnificativ dimensiunea descărcării. Pentru a clona fără traduceri, folosește sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -36,60 +36,60 @@
> Aceasta îți oferă tot ce ai nevoie pentru a finaliza cursul cu o descărcare mult mai rapidă.
Avem o serie ongoing pe Discord „învață cu AI”, află mai multe și alătură-te nouă la [Learn with AI Series](https://aka.ms/learnwithai/discord) în perioada 18 - 30 septembrie 2025. Vei primi trucuri și sfaturi pentru folosirea GitHub Copilot pentru Data Science.
Avem o serie ongoing pe Discord despre învățarea cu AI, află mai multe și alătură-te la [Seria Learn with AI](https://aka.ms/learnwithai/discord) în perioada 18 - 30 septembrie 2025. Vei primi sfaturi și trucuri pentru folosirea GitHub Copilot în Știința Datelor.
# Machine Learning pentru Începători - Un Curriculum
# Învățare Automată pentru Începători - Un Curriculum
> 🌍 Călătorește în jurul lumii în timp ce explorăm Machine Learning prin culturile lumii 🌍
> 🌍 Călătorește în jurul lumii explorând Învățarea Automată prin intermediul culturilor lumii 🌍
Cloud Advocates de la Microsoft sunt încântați să ofere un curriculum de 12 săptămâni, format din 26 de lecții, dedicat **Machine Learning**. În acest curriculum, vei învăța despre ceea ce se numește uneori **machine learning clasic**, folosind în principal biblioteca Scikit-learn și evitând deep learning, care este acoperit în curriculumul nostru [AI pentru Începători](https://aka.ms/ai4beginners). Îmbină aceste lecții și cu curriculumul nostru ['Data Science pentru Începători'](https://aka.ms/ds4beginners)!
Cloud Advocates de la Microsoft sunt încântați să ofere un curriculum de 12 săptămâni cu 26 de lecții despre **Învățarea Automată**. În acest curriculum, vei învăța despre ceea ce uneori este numit **învățarea automată clasică**, folosind în principal biblioteca Scikit-learn și evitând deep learning-ul, care este acoperit în curriculumul nostru [AI for Beginners](https://aka.ms/ai4beginners). Combină aceste lecții cu curriculumul nostru ['Data Science for Beginners'](https://aka.ms/ds4beginners)!
Călătorește cu noi în jurul lumii în timp ce aplicăm aceste tehnici clasice pe date din multe regiuni ale lumii. Fiecare lecție include chestionare pre și post-lectură, instrucțiuni scrise pentru completarea lecției, o soluție, un exercițiu și multe altele. Pedagogia noastră bazată pe proiecte îți permite să înveți prin practică, o metodă dovedită pentru ca noile cunoștințe să fie bine asimilate.
Călătorește cu noi în jurul lumii în timp ce aplicăm aceste tehnici clasice pe date din multe regiuni. Fiecare lecție include teste înainte și după lecție, instrucțiuni scrise pentru completarea lecției, o soluție, o temă și altele. Pedagogia noastră bazată pe proiecte îți permite să înveți construind, o metodă dovedită pentru a fixa noile aptitudini.
**✍️ Mulțumiri călduroase autorilor noștri** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu și Amy Boyd
**✍️ Mulțumiri sincere autorilor noștri** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu și Amy Boyd
**🎨 Mulțumiri și ilustratorilor noștri** Tomomi Imura, Dasani Madipalli și Jen Looper
**🎨 Mulțumiri de asemenea ilustratorilor noștri** Tomomi Imura, Dasani Madipalli și Jen Looper
**🙏 Mulțumiri speciale 🙏 ambasadorilor Microsoft Student, autori, recenzori și contributori**, în mod special Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila și Snigdha Agarwal
**🙏 Mulțumiri speciale 🙏 ambasadorilor Microsoft Student care sunt autori, recenzenți și contribuitori de conținut**, în special Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila și Snigdha Agarwal
**🤩 Mulțumiri suplimentare ambasadorilor Microsoft Student Eric Wanjau, Jasleen Sondhi și Vidushi Gupta pentru lecțiile R!**
**🤩 Recunoștință suplimentară ambasadorilor Microsoft Student Eric Wanjau, Jasleen Sondhi și Vidushi Gupta pentru lecțiile noastre în R!**
# Începutul
Urmează acești pași:
1. **Fă fork repository-ului**: Apasă butonul „Fork” din colțul dreapta sus al acestei pagini.
> [găsește toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Ai nevoie de ajutor?** Consultă [Ghidul pentru depanare](TROUBLESHOOTING.md) pentru soluții comune la probleme de instalare, configurare și rulare a lecțiilor.
> 🔧 **Ai nevoie de ajutor?** Consultă [Ghidul nostru de depanare](TROUBLESHOOTING.md) pentru soluții la probleme comune de instalare, configurare și rulare a lecțiilor.
**[Studenți](https://aka.ms/student-page)**, pentru a folosi acest curriculum, forkează întregul repo în contul tău GitHub și finalizează exercițiile individual sau în grup:
**[Studenți](https://aka.ms/student-page)**, pentru a folosi acest curriculum, faceți fork la întregul repo în contul vostru GitHub și finalizați exercițiile pe cont propriu sau în grup:
- Începe cu un chestionar pregătitor pre-lectură.
- Citește materialul și finalizează activitățile, fă pauze și reflectă după fiecare verificare de cunoștințe.
- Încearcă să creezi proiectele înțelegând lecțiile, nu doar rulând codul soluției; totuși, codul este disponibil în folderele `/solution` în fiecare lecție orientată pe proiect.
- Fă chestionarul post-lectură.
- Finalizează provocarea.
- Finalizează temele.
- După ce termini un grup de lecții, vizitează [Panoul de discuții](https://github.com/microsoft/ML-For-Beginners/discussions) și „învață în mod deschis” completând rubrica PAT corespunzătoare. Un 'PAT' este un instrument de evaluare a progresului, o rubrică pe care o completezi pentru a-ți aprofunda învățarea. Poți răspunde și altor PAT-uri ca să învățăm împreună.
- Începeți cu un quiz înainte de lecție.
- Citiți lecția și completați activitățile, oprindu-vă și reflectând la fiecare verificare a cunoștințelor.
- Încercați să creați proiectele înțelegând lecțiile, mai degrabă decât rulând codul soluției; oricum, codul este disponibil în folderele `/solution` ale fiecărei lecții orientate pe proiect.
- Luați quizul după lecție.
- Finalizați provocarea.
- Finalizați tema.
- După finalizarea unui grup de lecții, vizitați [Forumurile de discuții](https://github.com/microsoft/ML-For-Beginners/discussions) și „învățați cu voce tare” completând rubricile PAT corespunzătoare. Un 'PAT' este un Instrument de Evaluare a Progresului, o rubrică pe care o completați pentru a vă continua învățarea. Puteți de asemenea reacționa la alte PAT-uri pentru a învăța împreună.
> Pentru studiu suplimentar, recomandăm să urmezi aceste module și trasee de învățare [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
> Pentru studiu suplimentar, recomandăm urmarea acestor module și trasee de învățare [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
**Profesori**, am inclus [câteva sugestii](for-teachers.md) despre cum să folosești acest curriculum.
**Profesori**, am [inclus unele sugestii](for-teachers.md) despre cum să folosiți acest curriculum.
---
## Parcurgeri video
## Prezentări video
Unele lecții sunt disponibile sub formă de video scurte. Le poți găsi integrate în lecții sau în playlistul [ML for Beginners pe canalul Microsoft Developer YouTube](https://aka.ms/ml-beginners-videos) făcând clic pe imaginea de mai jos.
Unele lecții sunt disponibile ca video scurt. Le puteți găsi în linie în lecții sau în [playlist-ul ML for Beginners pe canalul Microsoft Developer YouTube](https://aka.ms/ml-beginners-videos) dând clic pe imaginea de mai jos.
[](https://aka.ms/ml-beginners-videos)
@ -101,138 +101,138 @@ Unele lecții sunt disponibile sub formă de video scurte. Le poți găsi integr
> 🎥 Apasă pe imaginea de mai sus pentru un video despre proiect și oamenii care l-au creat!
> 🎥 Click pe imaginea de mai sus pentru un video despre proiect și oamenii care l-au creat!
---
## Pedagogie
Am ales două principii pedagogice în construirea acestui curriculum: să fie practic, bazat pe **proiecte** și să includă **testări frecvente**. În plus, acest curriculum are o temă comună pentru coeziune.
Am ales două principii pedagogice în construirea acestui curriculum: să fie **bazat pe proiecte practice** și să includă **teste frecvente**. În plus, acest curriculum are o **temă** comună pentru a-i oferi coeziune.
Asigurându-ne că conținutul se aliniază cu proiectele, procesul devine mai captivant pentru studenți, iar reținerea conceptelor este sporită. În plus, un chestionar cu miză redusă înaintea orei setează intenția studentului către învățare, iar un al doilea după curs asigură o reținere mai bună. Acest curriculum este gândit să fie flexibil și distractiv și poate fi parcurs integral sau parțial. Proiectele încep mici și devin tot mai complexe până la finalul ciclului de 12 săptămâni. Curriculumul include și un post scriptum despre aplicațiile reale ale ML, ce poate fi folosit ca credit suplimentar sau ca bază de discuție.
Prin alinierea conținutului cu proiectele, procesul devine mai captivant pentru studenți și retenția conceptelor se va îmbunătăți. Încă o dată, un quiz cu miză mică înainte de clasă setează intenția studentului către învățarea unui subiect, iar un al doilea quiz după clasă asigură o retenție suplimentară. Acest curriculum este proiectat să fie flexibil și distractiv și poate fi parcurs integral sau parțial. Proiectele încep mici și devin din ce în ce mai complexe până la finalul ciclului de 12 săptămâni. Curriculumul include și o postfață despre aplicațiile reale ale ML, ce poate fi folosită ca credit suplimentar sau bază pentru discuții.
> Găsește regulile noastre în [Codul de conduită](CODE_OF_CONDUCT.md), [Contribuții](CONTRIBUTING.md), [Traduceri](TRANSLATIONS.md) și [Depanare](TROUBLESHOOTING.md). Așteptăm feedback-ul tău constructiv!
> Găsește [Codul nostru de conduită](CODE_OF_CONDUCT.md), [Contribuții](CONTRIBUTING.md), [Traduceri](..) și [Ghidul de depanare](TROUBLESHOOTING.md). Apreciem feedback-ul tău constructiv!
> **O notă despre limbi**: Aceste lecții sunt scrise în principal în Python, dar multe sunt disponibile și în R. Pentru a finaliza o lecție în R, accesați folderul `/solution` și căutați lecții în R. Ele includ o extensie .rmd care reprezintă un fișier **R Markdown** ce poate fi definit simplu ca o încorporare a `bucăților de cod` (din R sau alte limbi) și un `header YAML` (care ghidează modul de formatare a ieșirilor, cum ar fi PDF-ul) într-un `document Markdown`. Astfel, servește ca un cadru exemplu de creare pentru știința datelor, deoarece vă permite să combinați codul dvs., rezultatul său și gândurile dvs. prin permiterea de a le scrie în Markdown. Mai mult, documentele R Markdown pot fi redate în formate de ieșire precum PDF, HTML sau Word.
> **O notă despre chestionare**: Toate chestionarele sunt conținute în [folderul Quiz App](../../quiz-app), pentru un total de 52 de chestionare, fiecare având trei întrebări. Sunt legate din cadrul lecțiilor, dar aplicația de chestionar poate fi rulată local; urmați instrucțiunile din folderul `quiz-app` pentru a găzdui local sau a implementa pe Azure.
| Număr Lecție | Subiect | Grupare Lecție | Obiective de învățare | Lecția Legată | Autor |
| 01 | Introducere în învățarea automată | [Introducere](1-Introduction/README.md) | Aflați conceptele de bază din spatele învățării automate | [Lecție](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Istoria învățării automate | [Introducere](1-Introduction/README.md) | Aflați istoria domeniului | [Lecție](1-Introduction/2-history-of-ML/README.md) | Jen și Amy |
| 03 | Corectitudinea și învățarea automată | [Introducere](1-Introduction/README.md) | Care sunt problemele filosofice importante legate de corectitudine pe care studenții ar trebui să le ia în considerare la construirea și aplicarea modelelor ML? | [Lecție](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Tehnici pentru învățarea automată | [Introducere](1-Introduction/README.md) | Ce tehnici folosesc cercetătorii ML pentru a construi modele ML? | [Lecție](1-Introduction/4-techniques-of-ML/README.md) | Chris și Jen |
| 05 | Introducere în regresie | [Regresie](2-Regression/README.md) | Începeți cu Python și Scikit-learn pentru modele de regresie | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Prețurile dovlecilor din America de Nord 🎃 | [Regresie](2-Regression/README.md) | Vizualizați și curățați datele în pregătirea pentru ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Prețurile dovlecilor din America de Nord 🎃 | [Regresie](2-Regression/README.md) | Construiți modele de regresie liniară și polinomială | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen și Dmitry • Eric Wanjau |
| 08 | Prețurile dovlecilor din America de Nord 🎃 | [Regresie](2-Regression/README.md) | Construiți un model de regresie logistică | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | O aplicație web 🔌 | [Aplicație Web](3-Web-App/README.md) | Construiți o aplicație web pentru a folosi modelul antrenat | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Introducere în clasificare | [Clasificare](4-Classification/README.md) | Curățați, pregătiți și vizualizați datele; introducere în clasificare | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen și Cassie • Eric Wanjau |
| 11 | Bucătării delicioase asiatice și indiene 🍜 | [Clasificare](4-Classification/README.md) | Introducere în clasificatori | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen și Cassie • Eric Wanjau |
| 12 | Bucătării delicioase asiatice și indiene 🍜 | [Clasificare](4-Classification/README.md) | Mai mulți clasificatori | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen și Cassie • Eric Wanjau |
| 13 | Bucătării delicioase asiatice și indiene 🍜 | [Clasificare](4-Classification/README.md) | Construiți o aplicație web recomandatoare folosind modelul dvs. | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Introducere în clusterizare | [Clusterizare](5-Clustering/README.md) | Curățați, pregătiți și vizualizați datele; introducere în clusterizare | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Explorarea gusturilor muzicale nigeriene 🎧 | [Clusterizare](5-Clustering/README.md) | Explorați metoda clusterizării K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Introducere în procesarea limbajului natural ☕️ | [Procesarea limbajului natural](6-NLP/README.md) | Aflați elementele de bază despre NLP construind un bot simplu | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Sarcini comune NLP ☕️ | [Procesarea limbajului natural](6-NLP/README.md) | Adânciți cunoștințele despre NLP înțelegând sarcinile comune necesare pentru a lucra cu structurile limbajului | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Traducere și analiza sentimentelor ♥️ | [Procesarea limbajului natural](6-NLP/README.md) | Traducere și analiză a sentimentelor cu Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Hoteluri romantice din Europa ♥️ | [Procesarea limbajului natural](6-NLP/README.md) | Analiză a sentimentelor cu recenzii de hoteluri 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Hoteluri romantice din Europa ♥️ | [Procesarea limbajului natural](6-NLP/README.md) | Analiză a sentimentelor cu recenzii de hoteluri 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 23 | ⚡️ Utilizarea energiei mondiale ⚡️ - prognoza seriilor temporale cu SVR | [Serii temporale](7-TimeSeries/README.md) | Prognoza seriilor temporale cu Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Introducere în învățarea prin întărire | [Învățare prin întărire](8-Reinforcement/README.md) | Introducere în învățarea prin întărire cu Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Ajută-l pe Peter să evite lupul! 🐺 | [Învățare prin întărire](8-Reinforcement/README.md) | Învățare prin întărire Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Scenarii și aplicații reale de ML | [ML în Sălbăticie](9-Real-World/README.md) | Aplicații reale interesante și revelatoare ale ML-ului clasic | [Lecție](9-Real-World/1-Applications/README.md) | Echipa |
| Postscript | Depanarea modelelor ML folosind tabloul de bord RAI | [ML în Sălbăticie](9-Real-World/README.md) | Depanarea modelelor în învățarea automată folosind componentele tabloului de bord Responsible AI | [Lecție](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> **O notă despre limbi:** Aceste lecții sunt scrise în principal în Python, dar multe sunt disponibile și în R. Pentru a finaliza o lecție în R, accesează folderul `/solution` și caută lecțiile în R. Acestea includ extensia .rmd, care reprezintă un fișier **R Markdown** definit simplu ca o îmbinare între `fragmente de cod` (în R sau alte limbi) și un `header YAML` (care ghidează cum să fie formatate ieșirile, cum ar fi PDF) într-un `document Markdown`. Astfel, servește ca un cadru exemplar pentru autorii de știință a datelor, deoarece îți permite să combini codul, rezultatele sale și gândurile tale scriindu-le în Markdown. Mai mult, documentele R Markdown pot fi convertite în formate de ieșire precum PDF, HTML sau Word.
> **O notă despre quiz-uri**: Toate quiz-urile sunt conținute în [folderul Quiz App](../../quiz-app), pentru un total de 52 de quiz-uri cu câte trei întrebări fiecare. Ele sunt legate din lecții, dar aplicația de quiz poate fi rulată local; urmează instrucțiunile din folderul `quiz-app` pentru a găzdui local sau a implementa pe Azure.
| 01 | Introducere în învățarea automată | [Introduction](1-Introduction/README.md) | Învățați conceptele de bază din spatele învățării automate | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Istoria învățării automate | [Introduction](1-Introduction/README.md) | Aflați istoria care stă la baza acestui domeniu | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen și Amy |
| 03 | Corectitudine și învățarea automată | [Introduction](1-Introduction/README.md) | Care sunt problemele filozofice importante legate de corectitudine pe care studenții ar trebui să le ia în considerare la construirea și aplicarea modelelor ML? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Tehnici pentru învățarea automată | [Introduction](1-Introduction/README.md) | Ce tehnici folosesc cercetătorii ML pentru a construi modele ML? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris și Jen |
| 05 | Introducere în regresie | [Regression](2-Regression/README.md) | Începeți cu Python și Scikit-learn pentru modele de regresie | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Prețurile dovlecilor din America de Nord 🎃 | [Regression](2-Regression/README.md) | Vizualizați și curățați datele în pregătirea pentru ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Prețurile dovlecilor din America de Nord 🎃 | [Regression](2-Regression/README.md) | Construiește modele de regresie liniară și polinomială | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen și Dmitry • Eric Wanjau |
| 08 | Prețurile dovlecilor din America de Nord 🎃 | [Regression](2-Regression/README.md) | Construiește un model de regresie logistică | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | O aplicație web 🔌 | [Web App](3-Web-App/README.md) | Construiește o aplicație web pentru a utiliza modelul tău antrenat | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Introducere în clasificare | [Classification](4-Classification/README.md) | Curăță, pregătește și vizualizează datele; introducere în clasificare | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen și Cassie • Eric Wanjau |
| 11 | Bucătării delicioase asiatice și indiene 🍜 | [Classification](4-Classification/README.md) | Introducere în clasificatori | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen și Cassie • Eric Wanjau |
| 12 | Bucătării delicioase asiatice și indiene 🍜 | [Classification](4-Classification/README.md) | Mai mulți clasificatori | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen și Cassie • Eric Wanjau |
| 13 | Bucătării delicioase asiatice și indiene 🍜 | [Classification](4-Classification/README.md) | Construiește o aplicație web de recomandare folosindu-ți modelul | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Introducere în clustering | [Clustering](5-Clustering/README.md) | Curăță, pregătește și vizualizează datele; introducere în clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Explorarea gusturilor muzicale nigeriene 🎧 | [Clustering](5-Clustering/README.md) | Explorează metoda de clustering K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Introducere în procesarea limbajului natural ☕️ | [Natural language processing](6-NLP/README.md) | Învață elementele de bază ale NLP construind un bot simplu | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Sarcini comune NLP ☕️ | [Natural language processing](6-NLP/README.md) | Adâncește-ți cunoștințele despre NLP prin înțelegerea sarcinilor comune necesare la lucrul cu structurile limbajului | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Traducere și analiză de sentiment ♥️ | [Natural language processing](6-NLP/README.md) | Traducere și analiză de sentiment cu Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Hoteluri romantice din Europa ♥️ | [Natural language processing](6-NLP/README.md) | Analiză de sentiment cu recenzii la hoteluri 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Hoteluri romantice din Europa ♥️ | [Natural language processing](6-NLP/README.md) | Analiză de sentiment cu recenzii la hoteluri 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 22 | ⚡️ Consumul mondial de energie ⚡️ - prognoza seriilor cu ARIMA | [Time series](7-TimeSeries/README.md) | Prognoza seriilor temporale cu ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Consumul mondial de energie ⚡️ - prognoza seriilor cu SVR | [Time series](7-TimeSeries/README.md) | Prognoza seriilor temporale cu Regressor Vector Suport | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Introducere în învățarea prin întărire | [Reinforcement learning](8-Reinforcement/README.md) | Introducere în învățarea prin întărire cu Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Ajută-l pe Peter să evite lupul! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Învățarea prin întărire Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Scenarii și aplicații ML în lumea reală | [ML in the Wild](9-Real-World/README.md) | Aplicații interesante și revelatoare ale ML clasic | [Lesson](9-Real-World/1-Applications/README.md) | Team |
| Postscript | Depanarea modelelor ML folosind dashboard-ul RAI | [ML in the Wild](9-Real-World/README.md) | Depanarea modelelor în Machine Learning folosind componentele dashboard-ului Responsible AI | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [găsiți toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Acces offline
Puteți rula această documentație offline folosind [Docsify](https://docsify.js.org/#/). Clonați acest repo, [instalați Docsify](https://docsify.js.org/#/quickstart) pe mașina dvs. locală, apoi în folderul rădăcină al acestui repo tastați `docsify serve`. Website-ul va fi servit pe portul 3000 pe localhost-ul dvs.: `localhost:3000`.
Puteți rula această documentație offline folosind [Docsify](https://docsify.js.org/#/). Faceți fork acestui repo, [instalați Docsify](https://docsify.js.org/#/quickstart) pe mașina locală, apoi în folderul rădăcină al acestui repo scrieți `docsify serve`. Site-ul va fi servit pe portul 3000 pe localhost-ul vostru: `localhost:3000`.
## PDF-uri
Găsiți un pdf al curriculum-ului cu linkuri [aici](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
Găsiți un pdf al curriculei cu linkuri [aici](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Alte cursuri
## 🎒 Alte cursuri
Echipa noastră produce și alte cursuri! Aruncați o privire:
Echipa noastră produce și alte cursuri! Aruncă o privire:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agenți
[](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/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)
---
### Seria AI Generativ
[](https://github.com/microsoft/generative-ai-for-beginners?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)
---
### Cunoștințe de Bază
[](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)
### Învățare de bază
[](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)
---
### Seria 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)
Dacă întâmpini dificultăți sau ai întrebări despre crearea aplicațiilor AI, alătură-te colegilor învățăcei și dezvoltatorilor experimentați în discuții despre MCP. Este o comunitate de sprijin unde întrebările sunt binevenite și cunoștințele sunt împărtășite liber.
Dacă întâmpini dificultăți sau ai întrebări despre construirea aplicațiilor AI. Alătură-te altor cursanți și dezvoltatori experimentați în discuții despre MCP. Este o comunitate de suport unde întrebările sunt binevenite și cunoștințele sunt împărtășite liber.
- Revizuiește caietele după fiecare lecție pentru o înțelegere mai bună.
- Recapitulează caietele după fiecare lecție pentru o înțelegere mai bună.
- Exersează implementarea algoritmilor pe cont propriu.
- Explorează seturi de date din lumea reală folosind conceptele învățate.
- Explorează seturi de date reale folosind conceptele învățate.
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Declinare de responsabilitate**:
Acest document a fost tradus folosind serviciul de traducere AI [Co-op Translator](https://github.com/Azure/co-op-translator). Deși ne străduim pentru acuratețe, vă rugăm să rețineți că traducerile automate pot conține erori sau inexactități. Documentul original, în limba sa nativă, trebuie considerat sursa autoritară. Pentru informații critice, se recomandă traducerea profesională realizată de un specialist uman. Nu ne asumăm răspunderea pentru eventualele neînțelegeri sau interpretări greșite rezultate din utilizarea acestei traduceri.
**Avertisment**:
Acest document a fost tradus folosind serviciul de traducere AI [Co-op Translator](https://github.com/Azure/co-op-translator). Deși ne străduim pentru acuratețe, vă rugăm să rețineți că traducerile automate pot conține erori sau inexactități. Documentul original în limba sa nativă trebuie considerat sursa autorizată. Pentru informații critice, se recomandă traducerea profesională realizată de un specialist uman. Nu ne asumăm răspunderea pentru eventualele neînțelegeri sau interpretări greșite rezultate din utilizarea acestei traduceri.
> Tento repozitár obsahuje viac ako 50 prekladov, čo výrazne zvyšuje veľkosť sťahovania. Ak chcete klonovať bez prekladov, použite sparse checkout:
> Tento repozitár obsahuje viac než 50 jazykových prekladov, čo výrazne zväčšuje veľkosť stiahnutia. Ak chcete klonovať bez prekladov, použite sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -33,63 +33,63 @@
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Toto vám poskytne všetko potrebné pre dokončenie kurzu s oveľa rýchlejším stiahnutím.
> Toto vám poskytne všetko, čo potrebujete na dokončenie kurzu s oveľa rýchlejším stiahnutím.
Máme prebiehajúcu sériu „Learn with AI“ na Discorde, dozviete sa viac a pridajte sa k nám na [Learn with AI Series](https://aka.ms/learnwithai/discord) v termíne 18. – 30. septembra 2025. Získate tipy a triky na používanie GitHub Copilot pre Data Science.
Máme prebiehajúcu sériu Learn with AI na Discorde, zistite viac a pridajte sa k nám na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. septembra 2025. Dostanete tipy a triky na používanie GitHub Copilot pre Data Science.
# Strojové učenie pre začiatočníkov - Kurikulum
# Strojové učenie pre začiatočníkov – učebný plán
> 🌍 Cestujte po svete a objavujte Strojové učenie prostredníctvom svetových kultúr 🌍
> 🌍 Cestujte po svete a objavujte Strojové učenie cez svetové kultúry 🌍
Cloud Advocates v Microsoft s potešením ponúkajú 12-týždňový kurz s 26 lekciami zameranými na **Strojové učenie**. V tomto kurze sa naučíte o tom, čo sa niekedy nazýva **klasické strojové učenie**, hlavne s použitím knižnice Scikit-learn a bez hĺbkového učenia, ktoré pokrýva náš [AI pre začiatočníkov kurz](https://aka.ms/ai4beginners). Zároveň môžete tieto lekcie kombinovať s naším ['Data Science pre začiatočníkov' kurzom](https://aka.ms/ds4beginners).
Cloud Advocates v Microsoft vám s radosťou ponúkajú 12-týždňový, 26-lekčný kurz zameraný na **strojové učenie**. V tomto kurze sa naučíte o tom, čo sa niekedy nazýva **klasické strojové učenie**, používajúc primárne knižnicu Scikit-learn a vyhýbajúc sa hlbokému učeniu, ktoré je pokryté v našom [učebnom pláne AI pre začiatočníkov](https://aka.ms/ai4beginners). Tieto lekcie kombinujte aj s naším ['Data Science pre začiatočníkov'](https://aka.ms/ds4beginners).
Cestu s nami po svete, ako aplikujeme tieto klasické techniky na dáta z rôznych oblastí sveta. Každá lekcia obsahuje pred a po lekčné kvízy, písomné inštrukcie na dokončenie lekcie, riešenie, zadanie a ďalšie. Naša projektová pedagogika vám umožňuje učiť sa počas tvorby, čo je overený spôsob, ako si nové zručnosti udržať.
Cestujte s nami po svete, keď aplikujeme tieto klasické techniky na dáta z rôznych častí sveta. Každá lekcia obsahuje kvízy pred a po lekcii, písomné inštrukcie na dokončenie lekcie, riešenie, zadanie a viac. Naša projektovo orientovaná pedagogika vám umožňuje učiť sa priamo aplikovaním, čo je osvedčený spôsob, ako si nové zručnosti dobre osvojiť.
**✍️ Srdečná vďaka našim autorom** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu a Amy Boyd
**✍️ Srdečné poďakovanie našim autorom** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu a Amy Boyd
**🎨 Vďaka tiež našim ilustrátorom** Tomomi Imura, Dasani Madipalli a Jen Looper
**🎨 Poďakovanie tiež našim ilustrátorom** Tomomi Imura, Dasani Madipalli a Jen Looper
**🙏 Špeciálne poďakovanie 🙏 našim Microsoft Student Ambassador autorom, recenzentom a prispievateľom obsahu**, predovšetkým Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila a Snigdha Agarwal
**🙏 Špeciálne poďakovanie 🙏 našim Microsoft Student Ambassador autorom, recenzentom a prispievateľom**, menovite Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila a Snigdha Agarwal
**🤩 Extra vďaka Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi a Vidushi Gupta za naše lekcie R!**
**🤩 Extra vďaka Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi a Vidushi Gupta za naše R lekcie!**
# Začíname
Postupujte podľa týchto krokov:
1. **Forknite repozitár**: Kliknite na tlačidlo „Fork“ v pravom hornom rohu tejto stránky.
1. **Forknite repozitár**: kliknite na tlačidlo "Fork" v pravom hornom rohu tejto stránky.
> [nájdite všetky doplnkové zdroje k tomuto kurzu v našej kolekcii Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [nájdite všetky doplnkové zdroje pre tento kurz v našej Microsoft Learn kolekcii](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Potrebujete pomoc?**Pozrite si náš [Sprievodca riešením problémov](TROUBLESHOOTING.md) s riešeniami bežných problémov s inštaláciou, nastavením a spúšťaním lekcií.
> 🔧 **Potrebujete pomoc?**Skontrolujte náš [Sprievodca riešením problémov](TROUBLESHOOTING.md) pre riešenia bežných problémov s inštaláciou, nastavením a spúšťaním lekcií.
**[Študenti](https://aka.ms/student-page)**, aby ste používali tento kurz, forknete celý repozitár do svojho GitHub účtu a cvičenia dokončujete sami alebo v skupine:
**[Študenti](https://aka.ms/student-page)**, na použitie tohto učebného plánu forknite celý repozitár do svojho GitHub konta a cvičenia riešte sami alebo v skupine:
- Začnite predprednáškovým kvízom.
- Prečítajte si prednášku a dokončite aktivity, zastavte sa a zamyslite sa pri každej kontrole vedomostí.
- Pokúste sa vytvoriť projekty tak, že pochopíte lekcie namiesto spustenia riešenej ukážky; kód je však k dispozícii v priečinkoch `/solution` ku každej projektovo orientovanej lekcii.
- Urobte po-prednáškový kvíz.
- Dokončite výzvu.
- Začnite kvízom pred prednáškou.
- Prečítajte si prednášku a dokončite aktivity, zastavujte sa a premýšľajte pri každej kontrole poznatkov.
- Pokúste sa vytvoriť projekty pochopením lekcií namiesto spúšťania riešení; kód riešení je však k dispozícii v adresároch `/solution` v každej lekcii orientovanej na projekt.
- Vykonajte kvíz po prednáške.
- Splňte výzvu.
- Dokončite zadanie.
- Po dokončení skupiny lekcií navštívte [Diskusné fórum](https://github.com/microsoft/ML-For-Beginners/discussions) a „učte sa nahlas“ vyplnením príslušnej PAT rubriky. 'PAT' je nástroj hodnotenia pokroku, teda rubrika, ktorú vyplníte pre ďalšie učenie. Môžete tiež reagovať na ostatné PAT, aby sme sa mohli učiť spoločne.
- Po dokončení skupiny lekcií navštívte [Diskusné fórum](https://github.com/microsoft/ML-For-Beginners/discussions) a „učte sa nahlas“ vyplnením príslušnej PAT rubriky. PAT je Nástroj na hodnotenie pokroku, ktorý vyplníte, aby ste prehĺbili svoje učenie. Môžete tiež reagovať na iné PAT, aby sme sa mohli učiť spoločne.
> Pre ďalšie štúdium odporúčame tieto [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) moduly a vzdelávacie cesty.
> Pre ďalšie štúdium odporúčame sledovať tieto [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) moduly a učebné cesty.
**Učitelia**, pripravili sme [niekoľko odporúčaní](for-teachers.md) na využitie tohto kurzu.
**Učitelia**, pripravili sme [niekoľko odporúčaní](for-teachers.md) ako používať tento učebný plán.
---
## Video prehliadky
## Video prechádzky
Niektoré lekcie sú dostupné ako krátke videá. Nájdete ich priamo v lekciách alebo na [playliste ML pre začiatočníkov na YouTube kanáli Microsoft Developer](https://aka.ms/ml-beginners-videos) kliknutím na obrázok nižšie.
Niektoré lekcie sú dostupné ako krátke video. Nájdete ich priamo v lekciách alebo na [zozname videí ML for Beginners na Microsoft Developer YouTube kanáli](https://aka.ms/ml-beginners-videos) po kliknutí na obrázok nižšie.
[](https://aka.ms/ml-beginners-videos)
@ -99,81 +99,81 @@ Niektoré lekcie sú dostupné ako krátke videá. Nájdete ich priamo v lekciá
> 🎥 Kliknite na obrázok vyššie pre video o projekte a jeho tvorcoch!
> 🎥 Kliknite na obrázok vyššie pre video o projekte a ľuďoch, ktorí ho vytvorili!
---
## Pedagógia
## Pedagogika
Pri tvorbe tohto kurikula sme si stanovili dve pedagogické zásady: zabezpečiť, že je **projektovo orientované** a zároveň obsahuje **časté kvízy**. Okrem toho má kurz jednotnú **tému** pre väčšiu súdržnosť.
Pri tvorbe tohto učebného plánu sme zvolili dve pedagogické zásady: zabezpečiť, že je praktický a **založený na projektoch** a že obsahuje **časté kvízy**. Okrem toho má tento kurz spoločnú **tému**, ktorá mu dodáva súdržnosť.
Zabezpečením, že obsah je prepojený s projektmi, je proces pre študentov zaujímavejší a udržanie vedomostí lepšie. Nízkorizikový kvíz pred triedou nasmeruje študenta na dané témy, a druhý po vyučovaní prehlbuje zapamätanie. Tento kurz je navrhnutý flexibilne a zábavne, môžete ho absolvovať celý alebo len čiastočne. Projekty začínajú jednoducho a končia zložitejšími na konci 12-týždňového cyklu. Kurz obsahuje aj dodatok o reálnych aplikáciách ML, ktorý možno použiť ako bonusové kreditovanie alebo diskusnú tému.
Zaradením obsahu do projektov sa proces vyučovania stáva zaujímavejším pre študentov a zlepšuje sa uchovávanie poznatkov. Nízko náročný kvíz pred prednáškou nastavuje zámer študenta učiť sa tému a druhý kvíz po prednáške zabezpečuje ďalšie upevnenie vedomostí. Tento kurz je flexibilný a zábavný, môžete ho absolvovať celý alebo po častiach. Projekty začínajú jednoduché a postupne sa komplikujú až do konca 12-týždňového cyklu. Kurz tiež obsahuje dodatočné poznámky o reálnych aplikáciách ML, ktoré môžu slúžiť ako bonusové zadania alebo podklad k diskusii.
> Nájdete tu náš [Kódex správania](CODE_OF_CONDUCT.md), [Príspevky](CONTRIBUTING.md), [Preklad](TRANSLATIONS.md) a [Riešenie problémov](TROUBLESHOOTING.md). Vitáme vaše konštruktívne pripomienky!
> Nájdete u nás [Kódex správania](CODE_OF_CONDUCT.md), [Prispievanie](CONTRIBUTING.md), [Preklady](..) a [Sprievodcu riešením problémov](TROUBLESHOOTING.md). Vitáme vaše konštruktívne pripomienky!
> **Poznámka o jazykoch**: Tieto lekcie sú primárne napísané v Pythone, no mnohé sú dostupné aj v R. Ak chcete dokončiť lekciu v R, choďte do priečinka `/solution` a hľadajte lekcie v R. Majú príponu .rmd, ktorá predstavuje **R Markdown** súbor, čo možno jednoducho definovať ako vloženie `kódových blokov` (v R alebo iných jazykoch) a `YAML hlavičky` (ktorá riadi formátovanie výstupov, napr. PDF) do `Markdown dokumentu`. Ako také slúži ako ukážkový autorský rámec pre dátovú vedu, pretože umožňuje kombinovať váš kód, jeho výstupy a vaše poznámky tým, že ich môžete zapisovať do Markdownu. Navyše, R Markdown dokumenty môžu byť vyrenderované do výstupných formátov ako PDF, HTML alebo Word.
> **Poznámka o kvízoch**: Všetky kvízy sú obsiahnuté v [priečinku Quiz App](../../quiz-app), spolu 52 kvízov s tromi otázkami v každom. Sú prepojené v lekciách, no kvízová aplikácia sa dá spustiť lokálne; dodržiavajte inštrukcie v priečinku `quiz-app` na miestne hosťovanie alebo nasadenie na Azure.
| Číslo lekcie | Téma | Skupina lekcií | Ciele učenia | Prepojená lekcia | Autor |
| 01 | Úvod do strojového učenia | [Úvod](1-Introduction/README.md) | Naučte sa základné koncepty strojového učenia | [Lekcia](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | História strojového učenia | [Úvod](1-Introduction/README.md) | Spoznajte históriu tohto odboru | [Lekcia](1-Introduction/2-history-of-ML/README.md) | Jen a Amy |
| 03 | Spravodlivosť a strojové učenie | [Úvod](1-Introduction/README.md) | Aké sú dôležité filozofické otázky týkajúce sa spravodlivosti, ktoré by študenti mali zvažovať pri tvorbe a použití ML modelov? | [Lekcia](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Techniky strojového učenia| [Úvod](1-Introduction/README.md) | Aké techniky používajú výskumníci ML na tvorbu ML modelov? | [Lekcia](1-Introduction/4-techniques-of-ML/README.md) | Chris a Jen |
| 05 | Úvod do regresie | [Regresia](2-Regression/README.md) | Začnite používať Python a Scikit-learn na regresné modely | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Ceny tekvíc v Severnej Amerike 🎃 | [Regresia](2-Regression/README.md) | Vizualizujte a vyčistite údaje na prípravu ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Ceny tekvíc v Severnej Amerike 🎃 | [Regresia](2-Regression/README.md) | Vytvorte lineárne a polynomiálne regresné modely | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen a Dmitry • Eric Wanjau |
| 08 | Ceny tekvíc v Severnej Amerike 🎃 | [Regresia](2-Regression/README.md) | Vytvorte logistický regresný model | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Webová aplikácia 🔌 | [Web App](3-Web-App/README.md) | Vytvorte webovú aplikáciu na použitie vášho vycvičeného modelu | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Úvod do klasifikácie | [Klasifikácia](4-Classification/README.md) | Vyčistite, pripravte a vizualizujte svoje údaje; úvod do klasifikácie | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen a Cassie • Eric Wanjau |
| 11 | Lahodné ázijské a indické kuchyne 🍜 | [Klasifikácia](4-Classification/README.md) | Úvod do klasifikátorov | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen a Cassie • Eric Wanjau |
| 12 | Lahodné ázijské a indické kuchyne 🍜 | [Klasifikácia](4-Classification/README.md) | Viac klasifikátorov | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen a Cassie • Eric Wanjau |
| 13 | Lahodné ázijské a indické kuchyne 🍜 | [Klasifikácia](4-Classification/README.md) | Vytvorte odporúčaciu webovú aplikáciu pomocou vášho modelu | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Úvod do zhlukovania | [Zhlukovanie](5-Clustering/README.md) | Vyčistite, pripravte a vizualizujte svoje údaje; úvod do zhlukovania | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Preskúmanie nigérijských hudobných chutí 🎧 | [Zhlukovanie](5-Clustering/README.md) | Preskúmajte metódu K-Means zhlukovania | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Úvod do spracovania prirodzeného jazyka ☕️ | [Spracovanie prirodzeného jazyka](6-NLP/README.md) | Naučte sa základy NLP vytvorením jednoduchého bota | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Bežné úlohy NLP ☕️ | [Spracovanie prirodzeného jazyka](6-NLP/README.md) | Prehĺbte svoje znalosti NLP pochopením bežných úloh potrebných pri práci s jazykovými štruktúrami | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Preklad a analýza sentimentu ♥️| [Spracovanie prirodzeného jazyka](6-NLP/README.md) | Preklad a analýza sentimentu s Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Romantické hotely v Európe ♥️ | [Spracovanie prirodzeného jazyka](6-NLP/README.md) | Analýza sentimentu pri hotelových recenziách 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Romantické hotely v Európe ♥️ | [Spracovanie prirodzeného jazyka](6-NLP/README.md) | Analýza sentimentu pri hotelových recenziách 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 22 | ⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov s ARIMA | [Časové rady](7-TimeSeries/README.md) | Predikcia časových radov pomocou ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov so SVR | [Časové rady](7-TimeSeries/README.md) | Predikcia časových radov pomocou regortu podporovaných vektorov (SVR) | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Úvod do posilňovacieho učenia | [Posilňovacie učenie](8-Reinforcement/README.md) | Úvod do posilňovacieho učenia pomocou Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Pomôžte Petrovi vyhnúť sa vlkovi! 🐺 | [Posilňovacie učenie](8-Reinforcement/README.md) | Posilňovacie učenie s Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Reálne scenáre a aplikácie ML | [ML v praxi](9-Real-World/README.md) | Zaujímavé a odhaľujúce reálne aplikácie klasického ML | [Lekcia](9-Real-World/1-Applications/README.md) | Tím |
| Postscript | Ladenie modelu v ML pomocou RAI dashboard | [ML v praxi](9-Real-World/README.md) | Ladenie modelu v strojovom učení pomocou komponentov Responsible AI dashboard | [Lekcia](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [nájdite všetky ďalšie zdroje pre tento kurz v našej kolekcii Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
- [kvíz po prednáške](https://ff-quizzes.netlify.app/en/ml/)
> **Poznámka o jazykoch**: Tieto lekcie sú primárne napísané v Pythone, avšak veľa z nich je dostupných aj v R. Ak chcete dokončiť R lekciu, choďte do priečinka `/solution` a nájdite lekcie v R. Tie majú príponu .rmd, čo je **R Markdown** súbor, ktorý možno jednoducho definovať ako vloženie `kódových blokov` (v R alebo iných jazykoch) a `YAML hlavičky` (ktorá určuje formátovanie výstupu ako PDF) v `Markdown dokumente`. Slúži teda ako výborný rámec na tvorbu dokumentov pre dátovú vedu, pretože môžete kombinovať svoj kód, jeho výstupy a vlastné poznámky písané v Markdown formáte. Navyše, R Markdown dokumenty je možné renderovať do formátov ako PDF, HTML alebo Word.
> **Poznámka k kvízom**: Všetky kvízy sú obsiahnuté v [priečinku Quiz App](../../quiz-app), celkovo 52 kvízov s troma otázkami v každom. Sú prepojené z lekcií, ale aplikáciu s kvízmi je možné spustiť lokálne; postupujte podľa inštrukcií v priečinku `quiz-app` na lokálne hosťovanie alebo nasadenie do Azure.
| Číslo lekcie | Téma | Skupina lekcií | Ciele učenia | Prepojená lekcia | Autor |
| 01 | Úvod do strojového učenia | [Úvod](1-Introduction/README.md) | Naučiť sa základné koncepty strojového učenia | [Lekcia](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | História strojového učenia | [Úvod](1-Introduction/README.md) | Naučiť sa históriu tohto odboru | [Lekcia](1-Introduction/2-history-of-ML/README.md) | Jen a Amy |
| 03 | Spravodlivosť a strojové učenie | [Úvod](1-Introduction/README.md) | Aké sú dôležité filozofické otázky spravodlivosti, ktoré by študenti mali zvážiť pri tvorbe a aplikovaní modelov ML? | [Lekcia](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Techniky strojového učenia | [Úvod](1-Introduction/README.md) | Aké techniky používajú vedci v oblasti strojového učenia na tvorbu modelov? | [Lekcia](1-Introduction/4-techniques-of-ML/README.md) | Chris a Jen |
| 05 | Úvod do regresie | [Regresia](2-Regression/README.md) | Začať s Pythonom a Scikit-learn pre regresné modely | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Ceny tekvíc v Severnej Amerike 🎃 | [Regresia](2-Regression/README.md) | Vizualizovať a upraviť dáta v príprave na ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Ceny tekvíc v Severnej Amerike 🎃 | [Regresia](2-Regression/README.md) | Stavať lineárne a polynomiálne regresné modely | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen a Dmitry • Eric Wanjau |
| 08 | Ceny tekvíc v Severnej Amerike 🎃 | [Regresia](2-Regression/README.md) | Stavať logistický regresný model | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Webová aplikácia 🔌 | [Webová aplikácia](3-Web-App/README.md) | Vytvoriť webovú aplikáciu na použitie vášho natrénovaného modelu | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Úvod do klasifikácie | [Klasifikácia](4-Classification/README.md) | Upraviť, pripraviť a vizualizovať dáta; úvod do klasifikácie | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen a Cassie • Eric Wanjau |
| 11 | Lahodné ázijské a indické kuchyne 🍜 | [Klasifikácia](4-Classification/README.md) | Úvod do klasifikátorov | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen a Cassie • Eric Wanjau |
| 12 | Lahodné ázijské a indické kuchyne 🍜 | [Klasifikácia](4-Classification/README.md) | Viac klasifikátorov | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen a Cassie • Eric Wanjau |
| 13 | Lahodné ázijské a indické kuchyne 🍜 | [Klasifikácia](4-Classification/README.md) | Vytvoriť webovú aplikáciu odporúčajúcu položky na základe vášho modelu | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Úvod do klastrovania | [Klastrovanie](5-Clustering/README.md) | Upraviť, pripraviť a vizualizovať dáta; úvod do klastrovania | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Preskúmanie nigerijských hudobných chutí 🎧 | [Klastrovanie](5-Clustering/README.md) | Preskúmať metódu K-means klastrovania | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Úvod do spracovania prirodzeného jazyka ☕️ | [Spracovanie prirodzeného jazyka](6-NLP/README.md) | Naučiť sa základy NLP vytvorením jednoduchého bota | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Bežné úlohy NLP ☕️ | [Spracovanie prirodzeného jazyka](6-NLP/README.md) | Prehĺbiť znalosti NLP pochopením bežných úloh potrebných pri práci s jazykovými štruktúrami | [Python](6-NLP/2-Tasks/README.md)| Stephen |
| 18 | Preklad a analýza sentimentu ♥️ | [Spracovanie prirodzeného jazyka](6-NLP/README.md) | Preklad a analýza sentimentu s Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| Postscript | Reálne scenáre a aplikácie ML | [ML v praxi](9-Real-World/README.md) | Zaujímavé a odhaľujúce reálne aplikácie klasického ML | [Lekcia](9-Real-World/1-Applications/README.md) | Tím |
| Postscript | Ladenie modelov ML pomocou RAI dashboardu | [ML v praxi](9-Real-World/README.md) | Ladenie modelov strojového učenia pomocou komponentov zodpovedného AI dashboardu | [Lekcia](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [nájdite všetky ďalšie zdroje k tomuto kurzu v našej kolekcii Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Offline prístup
Môžete spustiť túto dokumentáciu offline pomocou [Docsify](https://docsify.js.org/#/). Vytvorte fork tohto repozitára, [nainštalujte Docsify](https://docsify.js.org/#/quickstart) na vašom lokálnom počítači a potom v koreňovom priečinku tohto repozitára zadajte `docsify serve`. Webová stránka bude servírovaná na porte 3000 na vašom localhoste: `localhost:3000`.
Túto dokumentáciu môžete spustiť offline pomocou [Docsify](https://docsify.js.org/#/). Vytvorte si vlastnú kópiu repozitára, [nainštalujte Docsify](https://docsify.js.org/#/quickstart) na svoj lokálny počítač a potom v koreňovom adresári repozitára napíšte `docsify serve`. Webstránka bude k dispozícii na porte 3000 na vašom localhoste: `localhost:3000`.
## PDF
Nájdite pdf učebného plánu s odkazmi [tu](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
Nájdite pdf osnovy s odkazmi [tu](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Ostatné kurzy
## 🎒 Ďalšie kurzy
Náš tím produkuje aj ďalšie kurzy! Pozrite si:
Náš tím produkuje ďalšie kurzy! Pozrite si:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -185,12 +185,12 @@ Náš tím produkuje aj ďalšie kurzy! Pozrite si:
### 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/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Séria Generatívnej AI
### Generatívne AI série
[](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)
@ -198,41 +198,41 @@ Náš tím produkuje aj ďalšie kurzy! Pozrite si:
---
### Základné učenie
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
### Základné vzdelávanie
[](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/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://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Séria Copilot
[](https://aka.ms/GitHubCopilotAI?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)
Ak sa zaseknete alebo máte akékoľvek otázky týkajúce sa budovania AI aplikácií, pripojte sa k ostatným študentom a skúseným vývojárom v diskusiách o MCP. Je to podporná komunita, kde sú otázky vítané a poznatky sa slobodne zdieľajú.
Ak sa zaseknete alebo máte otázky ohľadom tvorby AI aplikácií. Pridajte sa k študentom a skúseným vývojárom v diskusiách o MCP. Je to podporná komunita, kde sú otázky vítané a vedomosti sa voľne zdieľajú.
[](https://aka.ms/foundry/forum)
## Doplnkové tipy na učenie
- Prezrite si poznámkové bloky po každej lekcii pre lepšie pochopenie.
- Precvičujte implementáciu algoritmov sami.
- Preskúmajte reálne dátové súbory pomocou naučených konceptov.
- Prejdite si poznámkové bloky po každej lekcii pre lepšie pochopenie.
- Praktizujte implementovanie algoritmov sami.
- Preskúmajte reálne dátové sady pomocou naučených konceptov.
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Upozornenie**:
Tento dokument bol preložený pomocou AI prekladateľskej služby [Co-op Translator](https://github.com/Azure/co-op-translator). Aj keď sa usilujeme o presnosť, berte, prosím, na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Originálny dokument v jeho pôvodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre dôležité informácie sa odporúča využiť profesionálny ľudský preklad. Za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu nenesieme zodpovednosť.
**Zrieknutie sa zodpovednosti**:
Tento dokument bol preložený pomocou služby prekladov s využitím umelej inteligencie [Co-op Translator](https://github.com/Azure/co-op-translator). Aj keď sa snažíme o presnosť, majte prosím na pamäti, že automatické preklady môžu obsahovať chyby alebo nezrovnalosti. Pôvodný dokument v jeho rodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre dôležité informácie sa odporúča profesionálny ľudský preklad. Nie sme zodpovední za žiadne nedorozumenia alebo nesprávne výklady vyplývajúce z použitia tohto prekladu.
localizeflow[bot]
1 month ago