> Repositori ini mencakup lebih dari 50 terjemahan bahasa yang secara signifikan meningkatkan ukuran unduhan. Untuk clone tanpa terjemahan, gunakan sparse checkout:
> Repositori ini mencakup 50+ terjemahan bahasa yang secara signifikan meningkatkan ukuran unduhan. Untuk clone tanpa terjemahan, gunakan sparse checkout:
Kami memiliki seri belajar Discord dengan AI yang sedang berlangsung, pelajari lebih lanjut dan bergabunglah dengan kami di [Learn with AI Series](https://aka.ms/learnwithai/discord) mulai 18 - 30 September 2025. Anda akan mendapatkan tips dan trik menggunakan GitHub Copilot untuk Data Science.
Kami memiliki seri belajar Discord dengan AI yang sedang berlangsung, pelajari lebih lanjut dan bergabunglah dengan kami di [Learn with AI Series](https://aka.ms/learnwithai/discord) dari 18 - 30 September, 2025. Anda akan mendapatkan tips dan trik menggunakan GitHub Copilot untuk Data Science.
# Pembelajaran Mesin untuk Pemula - Kurikulum
# Machine Learning untuk Pemula - Kurikulum
> 🌍 Jelajahi dunia sambil mempelajari Pembelajaran Mesin melalui budaya dunia 🌍
> 🌍 Jelajahi dunia sambil belajar Machine Learning melalui budaya dunia 🌍
Cloud Advocates di Microsoft dengan bangga menawarkan kurikulum 12 minggu, 26 pelajaran yang semuanya membahas **Pembelajaran Mesin**. Dalam kurikulum ini, Anda akan belajar tentang apa yang kadang disebut **pembelajaran mesin klasik**, yang terutama menggunakan Scikit-learn sebagai perpustakaan dan menghindari pembelajaran mendalam, yang dibahas dalam [kurikulum AI untuk Pemula kami](https://aka.ms/ai4beginners). Padukan pelajaran ini dengan kurikulum ['Data Science untuk Pemula'](https://aka.ms/ds4beginners), juga!
Cloud Advocates di Microsoft senang menawarkan kurikulum 12 minggu, 26 pelajaran tentang **Machine Learning**. Dalam kurikulum ini, Anda akan belajar tentang apa yang kadang disebut **machine learning klasik**, menggunakan terutama library Scikit-learn dan menghindari deep learning, yang dibahas dalam [kurikulum AI untuk Pemula](https://aka.ms/ai4beginners). Padukan pelajaran ini dengan [kurikulum Data Science untuk Pemula](https://aka.ms/ds4beginners) juga!
Jelajahi bersama kami dari berbagai belahan dunia saat kami menerapkan teknik klasik ini pada data dari banyak wilayah di dunia. Setiap pelajaran mencakup kuis pra- dan pasca-pelajaran, instruksi tertulis untuk menyelesaikan pelajaran, solusi, tugas, dan lainnya. Pedagogi berbasis proyek kami memungkinkan Anda belajar sambil membangun, cara yang terbukti efektif untuk membuat keterampilan baru 'melekat'.
Jelajahi bersama kami ke seluruh dunia saat kami menerapkan teknik klasik ini ke data dari berbagai wilayah. Setiap pelajaran mencakup kuis pra dan pasca pelajaran, instruksi tertulis untuk menyelesaikan pelajaran, solusi, tugas, dan lain-lain. Metode pembelajaran berbasis proyek kami memungkinkan Anda belajar sambil membangun, cara yang terbukti untuk ilmu baru 'melekat'.
**✍️ Terima kasih sebesar-besarnya kepada para penulis kami** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, dan Amy Boyd
**✍️ Terima kasih hangat kepada penulis kami** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu dan Amy Boyd
**🎨 Terima kasih juga kepada para ilustrator kami** Tomomi Imura, Dasani Madipalli, dan Jen Looper
**🎨 Terima kasih juga kepada ilustrator kami** Tomomi Imura, Dasani Madipalli, dan Jen Looper
**🙏 Terima kasih khusus 🙏 kepada para Microsoft Student Ambassador penulis, pengulas, dan kontributor konten kami**, terutama Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, dan Snigdha Agarwal
**🙏 Terima kasih khusus 🙏 kepada Microsoft Student Ambassador penulis, reviewer, dan kontributor konten**, terutama Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, dan Snigdha Agarwal
**🤩 Terima kasih ekstra kepada Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, dan Vidushi Gupta untuk pelajaran R kami!**
# Memulai
Ikuti langkah-langkah berikut:
1. **Fork Repositori**: Klik tombol "Fork" di pojok kanan atas halaman ini.
> [temukan semua sumber tambahan untuk kursus ini dalam koleksi Microsoft Learn kami](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [temukan semua sumber daya tambahan untuk kursus ini di koleksi Microsoft Learn kami](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Butuh bantuan?** Periksa [Panduan Pemecahan Masalah](TROUBLESHOOTING.md) kami untuk solusi masalah umum dengan instalasi, pengaturan, dan menjalankan pelajaran.
> 🔧 **Perlu bantuan?** Periksa [Panduan Pemecahan Masalah](TROUBLESHOOTING.md) kami untuk solusi atas masalah umum saat instalasi, pengaturan, dan menjalankan pelajaran.
**[Siswa](https://aka.ms/student-page)**, untuk menggunakan kurikulum ini, fork seluruh repo ke akun GitHub Anda sendiri dan selesaikan latihan sendiri atau bersama kelompok:
**[Siswa](https://aka.ms/student-page)**, untuk menggunakan kurikulum ini, fork seluruh repo ke akun GitHub Anda dan selesaikan latihan secara mandiri atau bersama kelompok:
- Mulai dengan kuis pra-ceramah.
- Baca ceramah dan selesaikan aktivitas, berhenti sejenak dan renungkan pada setiap cek pengetahuan.
- Cobalah membuat proyek dengan memahami pelajaran, bukan hanya menjalankan kode solusi; kode tersebut tersedia di folder `/solution` di setiap pelajaran berbasis proyek.
- Ikuti kuis pasca-ceramah.
- Mulai dengan kuis pra kuliah.
- Baca kuliah dan selesaikan aktivitas, berhenti dan refleksi pada setiap pemeriksaan pengetahuan.
- Coba buat proyek dengan memahami pelajaran daripada menjalankan kode solusi; meskipun kode tersebut tersedia di folder `/solution` di setiap pelajaran berbasis proyek.
- Ikuti kuis pasca kuliah.
- Selesaikan tantangan.
- Selesaikan tugas.
- Setelah menyelesaikan kelompok pelajaran, kunjungi [Papan Diskusi](https://github.com/microsoft/ML-For-Beginners/discussions) dan "belajar dengan lantang" dengan mengisi rubrik PAT yang sesuai. 'PAT' adalah Alat Penilaian Kemajuan yang merupakan rubrik yang Anda isi untuk memperdalam pembelajaran. Anda juga dapat bereaksi terhadap PAT lain agar kita belajar bersama.
- Setelah menyelesaikan satu grup pelajaran, kunjungi [Papan Diskusi](https://github.com/microsoft/ML-For-Beginners/discussions) dan "belajar dengan lantang" dengan mengisi rubrik PAT yang sesuai. 'PAT' adalah Alat Penilaian Kemajuan yang merupakan rubrik yang Anda isi untuk memperdalam pembelajaran Anda. Anda juga dapat memberi reaksi pada PAT lainnya agar kita bisa belajar bersama.
> Untuk studi lebih lanjut, kami sarankan mengikuti modul dan jalur pembelajaran [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
> Untuk studi lebih lanjut, kami sarankan mengikuti modul dan jalur belajar [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) ini.
**Guru**, kami telah [menyertakan beberapa saran](for-teachers.md) tentang cara menggunakan kurikulum ini.
---
## Video penjelasan
## Video panduan
Beberapa pelajaran tersedia dalam bentuk video pendek. Anda dapat menemukan semuanya di dalam pelajaran, atau pada [playlist ML for Beginners di channel Microsoft Developer YouTube](https://aka.ms/ml-beginners-videos) dengan mengklik gambar di bawah ini.
Beberapa pelajaran tersedia dalam bentuk video singkat. Anda dapat menemukan semua ini dalam pelajaran, atau di [playlist ML for Beginners di kanal Microsoft Developer YouTube](https://aka.ms/ml-beginners-videos) dengan mengklik gambar di bawah ini.
[](https://aka.ms/ml-beginners-videos)
> 🎥 Klik gambar di atas untuk video tentang proyek dan orang-orang yang menciptakannya!
> 🎥 Klik gambar di atas untuk video tentang proyek dan orang-orang yang membuatnya!
---
## Pedagogi
Kami memilih dua prinsip pedagogis saat membangun kurikulum ini: memastikan bahwa kurikulum ini berbasis **proyek yang praktis** dan menyertakan **kuis yang sering**. Selain itu, kurikulum ini memiliki **tema** yang konsisten untuk memberikan kohesi.
Kami memilih dua prinsip pedagogis saat membangun kurikulum ini: memastikan kurikulum adalah **berbasis proyek praktis** dan mencakup **kuis yang sering**. Selain itu, kurikulum ini memiliki **tema** umum untuk memberikan kesatuan.
Dengan memastikan bahwa isi sejalan dengan proyek, proses belajar menjadi lebih menarik bagi siswa dan peningkatan retensi konsep akan terjadi. Selain itu, kuis ringan sebelum kelas menetapkan niat siswa untuk mempelajari topik, sementara kuis kedua setelah kelas memastikan retensi lebih lanjut. Kurikulum ini dirancang agar fleksibel dan menyenangkan, dan dapat diambil secara keseluruhan atau sebagian. Proyek dimulai dari yang kecil dan menjadi semakin kompleks pada akhir siklus 12 minggu. Kurikulum ini juga menyertakan catatan akhir tentang aplikasi nyata dari ML, yang dapat digunakan sebagai kredit tambahan atau sebagai dasar diskusi.
Dengan memastikan konten selaras dengan proyek, proses pembelajaran menjadi lebih menarik bagi siswa dan retensi konsep meningkat. Selain itu, kuis dengan risiko rendah sebelum kelas menetapkan tujuan pembelajaran siswa, sementara kuis kedua setelah kelas memastikan retensi lebih jauh. Kurikulum ini dirancang fleksibel, menyenangkan, dan bisa diikuti secara keseluruhan atau sebagian. Proyek dimulai dengan kecil dan bertambah kompleks di akhir siklus 12 minggu. Kurikulum ini juga mencakup posskrip tentang penggunaan ML di dunia nyata, yang bisa digunakan sebagai kredit tambahan atau dasar diskusi.
> Temukan [Kode Etik](CODE_OF_CONDUCT.md), [Kontribusi](CONTRIBUTING.md), [Terjemahan](TRANSLATIONS.md), dan [Pemecahan Masalah](TROUBLESHOOTING.md) kami. Kami menyambut umpan balik konstruktif Anda!
> **Catatan tentang bahasa**: Pelajaran-pelajaran ini terutama ditulis dalam Python, tetapi banyak juga tersedia dalam R. Untuk menyelesaikan pelajaran R, buka folder `/solution` dan cari pelajaran R. Mereka menyertakan ekstensi .rmd yang mewakili file **R Markdown** yang dapat didefinisikan sebagai penyisipan `potongan kode` (dari R atau bahasa lain) dan `header YAML` (yang mengarahkan bagaimana memformat output seperti PDF) dalam `dokumen Markdown`. Dengan demikian, ini berfungsi sebagai kerangka kerja penulisan contoh untuk ilmu data karena memungkinkan Anda menggabungkan kode, hasilnya, dan pemikiran Anda dengan menuliskannya dalam Markdown. Selain itu, dokumen R Markdown dapat dirender ke format output seperti PDF, HTML, atau Word.
> **Catatan tentang kuis**: Semua kuis terdapat dalam [folder Quiz App](../../quiz-app), dengan total 52 kuis yang masing-masing terdiri dari tiga pertanyaan. Kuis tersebut terhubung dari dalam pelajaran tetapi aplikasi kuis dapat dijalankan secara lokal; ikuti instruksi di folder `quiz-app` untuk meng-host secara lokal atau deploy ke Azure.
| Nomor Pelajaran | Topik | Kelompok Pelajaran | Tujuan Pembelajaran | Pelajaran Terkait | Penulis |
| 01 | Pengenalan pembelajaran mesin | [Pengenalan](1-Introduction/README.md) | Pelajari konsep dasar di balik pembelajaran mesin | [Pelajaran](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Sejarah pembelajaran mesin | [Pengenalan](1-Introduction/README.md) | Pelajari sejarah yang mendasari bidang ini | [Pelajaran](1-Introduction/2-history-of-ML/README.md) | Jen dan Amy |
| 03 | Keadilan dan pembelajaran mesin | [Pengenalan](1-Introduction/README.md) | Apa saja isu filosofis penting tentang keadilan yang harus dipertimbangkan siswa saat membangun dan menerapkan model ML? | [Pelajaran](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Teknik untuk pembelajaran mesin | [Pengenalan](1-Introduction/README.md) | Teknik apa yang digunakan para peneliti ML untuk membangun model ML? | [Pelajaran](1-Introduction/4-techniques-of-ML/README.md) | Chris dan Jen |
| 05 | Pengenalan regresi | [Regresi](2-Regression/README.md) | Mulai dengan Python dan Scikit-learn untuk model regresi | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Harga labu Amerika Utara 🎃 | [Regresi](2-Regression/README.md) | Visualisasikan dan bersihkan data sebagai persiapan untuk ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Harga labu Amerika Utara 🎃 | [Regresi](2-Regression/README.md) | Bangun model regresi linier dan polinomial | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen dan Dmitry • Eric Wanjau |
| 08 | Harga labu Amerika Utara 🎃 | [Regresi](2-Regression/README.md) | Bangun model regresi logistik | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Aplikasi Web 🔌 | [Aplikasi Web](3-Web-App/README.md) | Bangun aplikasi web untuk menggunakan model yang Anda latih | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Pengenalan klasifikasi | [Klasifikasi](4-Classification/README.md) | Bersihkan, persiapkan, dan visualisasikan data Anda; pengenalan klasifikasi | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen dan Cassie • Eric Wanjau |
| 11 | Masakan Asia dan India yang lezat 🍜 | [Klasifikasi](4-Classification/README.md) | Pengenalan klasifikator | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen dan Cassie • Eric Wanjau |
| 12 | Masakan Asia dan India yang lezat 🍜 | [Klasifikasi](4-Classification/README.md) | Lebih banyak klasifikator | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen dan Cassie • Eric Wanjau |
| 13 | Masakan Asia dan India yang lezat 🍜 | [Klasifikasi](4-Classification/README.md) | Bangun aplikasi web rekomendasi menggunakan model Anda | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Pengenalan klastering | [Klastering](5-Clustering/README.md) | Bersihkan, persiapkan, dan visualisasikan data Anda; pengenalan klastering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Menjelajahi selera musik Nigeria 🎧 | [Klastering](5-Clustering/README.md) | Jelajahi metode klastering 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 | Pengenalan pemrosesan bahasa alami ☕️ | [Pemrosesan bahasa alami](6-NLP/README.md) | Pelajari dasar-dasar NLP dengan membangun bot sederhana | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Tugas NLP Umum ☕️ | [Pemrosesan bahasa alami](6-NLP/README.md) | Perdalam pengetahuan NLP Anda dengan memahami tugas umum yang diperlukan saat berhadapan dengan struktur bahasa | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Terjemahan dan analisis sentimen ♥️ | [Pemrosesan bahasa alami](6-NLP/README.md) | Terjemahan dan analisis sentimen dengan Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Hotel romantis di Eropa ♥️ | [Pemrosesan bahasa alami](6-NLP/README.md) | Analisis sentimen dengan ulasan hotel 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Hotel romantis di Eropa ♥️ | [Pemrosesan bahasa alami](6-NLP/README.md) | Analisis sentimen dengan ulasan hotel 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Pengenalan peramalan deret waktu | [Deret waktu](7-TimeSeries/README.md) | Pengenalan peramalan deret waktu | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Penggunaan Daya Dunia ⚡️ - peramalan deret waktu dengan ARIMA | [Deret waktu](7-TimeSeries/README.md) | Peramalan deret waktu dengan ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Penggunaan Daya Dunia ⚡️ - peramalan deret waktu dengan SVR | [Deret waktu](7-TimeSeries/README.md) | Peramalan deret waktu dengan Support Vector Regressor |[Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| Catatan | Skenario dan aplikasi ML dunia nyata | [ML di Dunia Nyata](9-Real-World/README.md) | Aplikasi nyata yang menarik dan mengungkap dari ML klasik | [Pelajaran](9-Real-World/1-Applications/README.md) | Tim |
| Catatan | Debugging Model dalam ML menggunakan dashboard RAI | [ML di Dunia Nyata](9-Real-World/README.md) | Debugging Model dalam Pembelajaran Mesin menggunakan komponen dashboard Responsible AI | [Pelajaran](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [temukan semua sumber tambahan untuk kursus ini di koleksi Microsoft Learn kami](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Akses Offline
Anda dapat menjalankan dokumentasi ini secara offline dengan menggunakan [Docsify](https://docsify.js.org/#/). Fork repo ini, [pasang Docsify](https://docsify.js.org/#/quickstart) di mesin lokal Anda, lalu di folder root repo ini, ketik `docsify serve`. Website akan disajikan pada port 3000 di localhost Anda: `localhost:3000`.
> **Catatan tentang bahasa**: Pelajaran ini terutama ditulis dalam Python, tetapi banyak juga tersedia dalam R. Untuk menyelesaikan pelajaran R, buka folder `/solution` dan cari pelajaran R. Mereka memiliki ekstensi .rmd yang merupakan file **R Markdown** yang bisa didefinisikan sebagai penggabungan `potongan kode` (dari R atau bahasa lain) dan `header YAML` (yang mengarahkan cara memformat output seperti PDF) dalam sebuah `dokumen Markdown`. Dengan demikian, ini berfungsi sebagai kerangka penulisan yang baik untuk data science karena memungkinkan Anda menggabungkan kode, outputnya, dan pemikiran Anda dengan menulisnya dalam Markdown. Selain itu, dokumen R Markdown dapat dirender ke format output seperti PDF, HTML, atau Word.
> **Catatan tentang kuis**: Semua kuis terkandung di dalam [folder Quiz App](../../quiz-app), dengan total 52 kuis yang masing-masing berisi tiga pertanyaan. Kuis tersebut dihubungkan dari dalam pelajaran, tetapi aplikasi kuis dapat dijalankan secara lokal; ikuti instruksi dalam folder `quiz-app` untuk menghosting atau menerapkan secara lokal ke Azure.
| Nomor Pelajaran | Topik | Pengelompokan Pelajaran | Tujuan Pembelajaran | Tautan Pelajaran | Penulis |
| 01 | Pengenalan pembelajaran mesin | [Introduction](1-Introduction/README.md) | Mempelajari konsep dasar di balik pembelajaran mesin | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Sejarah pembelajaran mesin | [Introduction](1-Introduction/README.md) | Mempelajari sejarah yang mendasari bidang ini | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen dan Amy |
| 03 | Keadilan dan pembelajaran mesin | [Introduction](1-Introduction/README.md) | Apa saja isu filosofis penting tentang keadilan yang harus dipertimbangkan siswa saat membangun dan menerapkan model ML? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Teknik pembelajaran mesin | [Introduction](1-Introduction/README.md) | Teknik apa yang digunakan peneliti ML untuk membangun model ML? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris dan Jen |
| 05 | Pengenalan regresi | [Regression](2-Regression/README.md) | Memulai dengan Python dan Scikit-learn untuk model regresi | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Harga labu Amerika Utara 🎃 | [Regression](2-Regression/README.md) | Memvisualisasikan dan membersihkan data sebagai persiapan untuk ML| [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Harga labu Amerika Utara 🎃 | [Regression](2-Regression/README.md) | Membangun model regresi linier dan polinomial | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html)| Jen dan Dmitry • Eric Wanjau |
| 08 | Harga labu Amerika Utara 🎃 | [Regression](2-Regression/README.md) | Membangun model regresi logistik | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Aplikasi Web 🔌 | [Web App](3-Web-App/README.md) | Membangun aplikasi web untuk menggunakan model yang sudah dilatih | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Pengenalan klasifikasi | [Classification](4-Classification/README.md) | Membersihkan, mempersiapkan, dan memvisualisasikan data; pengenalan klasifikasi | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen dan Cassie • Eric Wanjau |
| 11 | Masakan Asia dan India yang lezat 🍜 | [Classification](4-Classification/README.md) | Pengenalan klasifikator | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen dan Cassie • Eric Wanjau |
| 12 | Masakan Asia dan India yang lezat 🍜 | [Classification](4-Classification/README.md) | Klasifikator tambahan | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen dan Cassie • Eric Wanjau |
| 13 | Masakan Asia dan India yang lezat 🍜 | [Classification](4-Classification/README.md) | Membangun aplikasi web rekomendasi menggunakan model Anda | [Python](4-Classification/4-Applied/README.md)| Jen |
| 14 | Pengenalan pengelompokan | [Clustering](5-Clustering/README.md) | Membersihkan, mempersiapkan, dan memvisualisasikan data; pengenalan pengelompokan | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Menjelajahi Selera Musik Nigeria 🎧 | [Clustering](5-Clustering/README.md) | Mengeksplorasi metode pengelompokan 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 | Pengenalan pemrosesan bahasa alami ☕️ | [Natural language processing](6-NLP/README.md) | Mempelajari dasar-dasar NLP dengan membangun bot sederhana | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Tugas umum NLP ☕️ | [Natural language processing](6-NLP/README.md) | Memperdalam pengetahuan NLP Anda dengan memahami tugas umum yang diperlukan saat menangani struktur bahasa | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Terjemahan dan analisis sentimen ♥️ | [Natural language processing](6-NLP/README.md) | Terjemahan dan analisis sentimen dengan Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Hotel romantis di Eropa ♥️ | [Natural language processing](6-NLP/README.md) | Analisis sentimen dengan ulasan hotel 1| [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Hotel romantis di Eropa ♥️ | [Natural language processing](6-NLP/README.md) | Analisis sentimen dengan ulasan hotel 2| [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Pengenalan peramalan deret waktu | [Time series](7-TimeSeries/README.md) | Pengenalan peramalan deret waktu | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Penggunaan Daya Dunia ⚡️ - peramalan deret waktu dengan ARIMA | [Time series](7-TimeSeries/README.md) | Peramalan deret waktu dengan ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Penggunaan Daya Dunia ⚡️ - peramalan deret waktu dengan SVR | [Time series](7-TimeSeries/README.md) | Peramalan deret waktu dengan Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 25 | Membantu Peter menghindari serigala! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Pembelajaran penguatan di Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Skenario dan aplikasi ML dunia nyata | [ML in the Wild](9-Real-World/README.md) | Aplikasi menarik dan mengungkap dari ML klasik di dunia nyata | [Lesson](9-Real-World/1-Applications/README.md) | Team |
| Postscript | Debugging Model di ML menggunakan dashboard RAI | [ML in the Wild](9-Real-World/README.md) | Debugging Model di Pembelajaran Mesin menggunakan komponen dashboard Responsible AI | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [temukan semua sumber daya tambahan untuk kursus ini di koleksi Microsoft Learn kami](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Akses offline
Anda dapat menjalankan dokumentasi ini secara offline dengan menggunakan [Docsify](https://docsify.js.org/#/). Fork repo ini, [instal Docsify](https://docsify.js.org/#/quickstart) di mesin lokal Anda, lalu di folder root repo ini, ketik `docsify serve`. Situs web akan disajikan di port 3000 pada localhost Anda: `localhost:3000`.
## PDF
@ -163,13 +162,13 @@ Temukan pdf kurikulum dengan tautan [di sini](https://microsoft.github.io/ML-For
## 🎒 Kursus Lainnya
Tim kami juga menghasilkan kursus lain! Cek:
Tim kami memproduksi kursus lain! Lihat:
<!-- 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)
---
### Azure / Edge / MCP / Agen
@ -180,8 +179,8 @@ Tim kami juga menghasilkan kursus lain! Cek:
---
### Seri Generatif AI
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
### Seri AI Generatif
[](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)
@ -189,35 +188,35 @@ Tim kami juga menghasilkan kursus lain! Cek:
---
### Pembelajaran Inti
[](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)
---
### Seri 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)
Jika Anda mengalami kesulitan atau memiliki pertanyaan tentang membangun aplikasi AI. Bergabunglah dengan sesama pelajar dan pengembang berpengalaman dalam diskusi tentang MCP. Ini adalah komunitas yang mendukung di mana pertanyaan disambut dan pengetahuan dibagikan secara bebas.
Jika Anda mengalami kesulitan atau memiliki pertanyaan tentang membangun aplikasi AI. Bergabunglah dengan sesama pelajar dan pengembang berpengalaman dalam diskusi tentang MCP. Ini adalah komunitas yang mendukung di mana pertanyaan dialu-alukan dan pengetahuan dibagikan secara bebas.
Dokumen ini telah diterjemahkan menggunakan layanan terjemahan AI [Co-op Translator](https://github.com/Azure/co-op-translator). Meskipun kami berupaya menjaga keakuratan, harap diketahui bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang sah. Untuk informasi yang penting, disarankan menggunakan jasa penerjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau kesalahan tafsir yang timbul dari penggunaan terjemahan ini.
**Penafian**:
Dokumen ini telah diterjemahkan menggunakan layanan terjemahan AI [Co-op Translator](https://github.com/Azure/co-op-translator). Meskipun kami berupaya untuk mencapai akurasi, harap diingat bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang berwenang. Untuk informasi yang kritis, disarankan menggunakan penerjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang keliru yang timbul dari penggunaan terjemahan ini.
> Repositori ini mengandungi 50+ terjemahan bahasa yang meningkatkan saiz muat turun dengan ketara. Untuk klon tanpa terjemahan, gunakan sparse checkout:
> Repositori ini merangkumi lebih 50+ terjemahan bahasa yang secara signifikan meningkatkan saiz muat turun. Untuk klon tanpa terjemahan, gunakan sparse checkout:
Kami mempunyai siri belajar dengan AI Discord yang sedang berlangsung, pelajari lebih lanjut dan sertai kami di [Siri Belajar dengan AI](https://aka.ms/learnwithai/discord) dari 18 - 30 September, 2025. Anda akan mendapat tips dan trik menggunakan GitHub Copilot untuk Sains Data.
Kami sedang menjalankan siri belajar dengan AI di Discord, belajar lebih lanjut dan sertai kami di [Learn with AI Series](https://aka.ms/learnwithai/discord) dari 18 - 30 September, 2025. Anda akan mendapat petua dan trik menggunakan GitHub Copilot untuk Sains Data.
# Pembelajaran Mesin untuk Pemula - Kurikulum
> 🌍 Jelajah seluruh dunia semasa kita meneroka Pembelajaran Mesin melalui budaya dunia 🌍
> 🌍 Jelajah dunia sambil meneroka Pembelajaran Mesin melalui budaya dunia 🌍
Penyokong Awan di Microsoft dengan sukacitanya menawarkan kurikulum 12 minggu, 26 pelajaran yang semuanya mengenai **Pembelajaran Mesin**. Dalam kurikulum ini, anda akan belajar tentang apa yang kadang-kadang dipanggil **pembelajaran mesin klasik**, menggunakan terutamanya Scikit-learn sebagai perpustakaan dan mengelakkan pembelajaran mendalam, yang dibahas dalam [kurikulum AI untuk Pemula kami](https://aka.ms/ai4beginners). Padankan pelajaran ini dengan ['Kurikulum Sains Data untuk Pemula'](https://aka.ms/ds4beginners), juga!
Penyokong Awan di Microsoft dengan sukacitanya menawarkan kurikulum 12 minggu, 26 pelajaran mengenai **Pembelajaran Mesin**. Dalam kurikulum ini, anda akan belajar tentang apa yang kadangkala dipanggil **pembelajaran mesin klasik**, menggunakan terutamanya Scikit-learn sebagai perpustakaan dan mengelakkan pembelajaran mendalam, yang diliputi dalam kurikulum kami [AI untuk Pemula](https://aka.ms/ai4beginners). Gabungkan pelajaran ini dengan kurikulum kami ['Sains Data untuk Pemula'](https://aka.ms/ds4beginners) juga!
Bepergianlah bersama kami ke seluruh dunia semasa kami menerapkan teknik klasik ini pada data dari banyak kawasan dunia. Setiap pelajaran termasuk kuiz pra dan pasca pelajaran, arahan bertulis untuk melengkapkan pelajaran, penyelesaian, tugasan, dan banyak lagi. Pedagogi berasaskan projek kami membolehkan anda belajar sambil membina, satu cara terbukti untuk kemahiran baru 'melekat'.
Jelajah bersama kami ke seluruh dunia semasa kami menggunakan teknik klasik ini pada data dari pelbagai kawasan dunia. Setiap pelajaran termasuk kuiz sebelum dan selepas pelajaran, arahan bertulis untuk melengkapkan pelajaran, penyelesaian, tugasan, dan banyak lagi. Pedagogi berasaskan projek kami membolehkan anda belajar sambil membina, cara yang terbukti agar kemahiran baru 'melekat'.
**✍️ Terima kasih yang tidak terhingga kepada pengarang kami** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu dan Amy Boyd
**✍️ Terima kasih yang mendalam kepada penulis kami** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu dan Amy Boyd
**🎨 Terima kasih juga kepada pelukis kami** Tomomi Imura, Dasani Madipalli, dan Jen Looper
**🎨 Terima kasih juga kepada ilustrator kami** Tomomi Imura, Dasani Madipalli, dan Jen Looper
**🙏 Terima kasih istimewa 🙏 kepada pengarang, penyemak dan penyumbang kandungan Duta Pelajar Microsoft kami**, terutamanya Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, dan Snigdha Agarwal
**🙏 Terima kasih khusus 🙏 kepada penulis, penyemak, dan penyumbang kandungan Microsoft Student Ambassador kami**, khususnya Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, dan Snigdha Agarwal
**🤩 Penghargaan tambahan kepada Duta Pelajar Microsoft Eric Wanjau, Jasleen Sondhi, dan Vidushi Gupta untuk pelajaran R kami!**
**🤩 Penghargaan tambahan kepada Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, dan Vidushi Gupta untuk pelajaran R kami!**
# Memulakan
# Mula
Ikuti langkah berikut:
1. **Fork Repositori**: Klik pada butang "Fork" di penjuru atas kanan halaman ini.
Ikuti langkah-langkah berikut:
1. **Fork Repositori**: Klik butang "Fork" di sudut atas-kanan laman ini.
> [cari semua sumber tambahan untuk kursus ini dalam koleksi Microsoft Learn kami](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [temui semua sumber tambahan untuk kursus ini dalam koleksi Microsoft Learn kami](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Perlukan bantuan?** Semak [Panduan Penyelesaian Masalah](TROUBLESHOOTING.md) kami untuk penyelesaian masalah biasa dengan pemasangan, penyediaan, dan menjalankan pelajaran.
> 🔧 **Perlukan bantuan?** Semak [Panduan Penyelesaian Masalah](TROUBLESHOOTING.md) kami untuk penyelesaian isu biasa dengan pemasangan, penyediaan, dan menjalankan pelajaran.
**[Pelajar](https://aka.ms/student-page)**, untuk menggunakan kurikulum ini, buatlah cabang (fork) repositori keseluruhan ke akaun GitHub anda sendiri dan selesaikan latihan secara sendiri atau dalam kumpulan:
**[Pelajar](https://aka.ms/student-page)**, untuk menggunakan kurikulum ini, fork keseluruhan repo ke akaun GitHub anda sendiri dan lengkapkan latihan secara sendiri atau bersama kumpulan:
- Mulakan dengan kuiz pemanasan pra-ceramah.
- Baca kuliah dan lengkapkan aktiviti, berhenti seketika dan renungkan pada setiap pemeriksaan pengetahuan.
- Cuba cipta projek dengan memahami pelajaran dan bukannya menjalankan kod penyelesaian; namun kod tersebut tersedia dalam folder `/solution` di setiap pelajaran berorientasikan projek.
- Mulakan dengan kuiz pra-ceramah.
- Baca kuliah dan selesaikan aktiviti, berhenti dan refleksikan setiap pemeriksaan pengetahuan.
- Cuba buat projek dengan memahami pelajaran bukannya hanya menjalankan kod penyelesaian; walaupun kod itu tersedia dalam folder `/solution` untuk setiap pelajaran berorientasikan projek.
- Ambil kuiz pasca kuliah.
- Lengkapkan cabaran.
- Lengkapkan tugasan.
- Selepas melengkapkan satu kumpulan pelajaran, lawati [Papan Perbincangan](https://github.com/microsoft/ML-For-Beginners/discussions) dan "belajar secara lantang" dengan mengisi rubrik PAT yang sesuai. 'PAT' ialah Alat Penilaian Kemajuan yang merupakan rubrik yang anda isi untuk memajukan pembelajaran anda. Anda juga boleh bertindak balas kepada PAT lain supaya kita boleh belajar bersama.
- Selepas melengkapkan set pelajaran, lawati [Papan Perbincangan](https://github.com/microsoft/ML-For-Beginners/discussions) dan "belajar secara lantang" dengan mengisi rubrik PAT yang sesuai. 'PAT' adalah Alat Penilaian Kemajuan yang merupakan rubrik yang anda isi untuk memajukan pembelajaran anda. Anda juga boleh memberi reaksi kepada PAT lain supaya kita boleh belajar bersama.
> Untuk pengajian lanjut, kami mengesyorkan mengikuti modul dan laluan pembelajaran [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) ini.
> Untuk pengajian lanjut, kami mengesyorkan mengikuti modul dan laluan pembelajaran [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
**Guru**, kami telah [menyediakan beberapa cadangan](for-teachers.md) tentang cara menggunakan kurikulum ini.
@ -78,33 +79,33 @@ Ikuti langkah berikut:
## Video panduan
Sesetengah pelajaran tersedia sebagai video bentuk ringkas. Anda boleh menemui semuanya dalam pelajaran, atau di [senarai main ML for Beginners di saluran YouTube Microsoft Developer](https://aka.ms/ml-beginners-videos) dengan mengklik imej di bawah.
Beberapa pelajaran tersedia sebagai video bentuk pendek. Anda boleh menemui semua ini dalam talian di dalam pelajaran, atau di [senarai main ML for Beginners di saluran YouTube Microsoft Developer](https://aka.ms/ml-beginners-videos) dengan mengklik gambar di bawah.
[](https://aka.ms/ml-beginners-videos)
[](https://aka.ms/ml-beginners-videos)
> 🎥 Klik imej di atas untuk video mengenai projek dan orang yang menciptakannya!
> 🎥 Klik gambar di atas untuk video tentang projek dan orang-orang yang menciptakannya!
---
## Pedagogi
Kami memilih dua prinsip pedagogi semasa membina kurikulum ini: memastikan ia berasaskan **projek praktikal** dan termasuk **kuiz kerap**. Selain itu, kurikulum ini mempunyai **tema** yang sama untuk memberikan kesatuan.
Kami telah memilih dua prinsip pedagogi semasa membina kurikulum ini: memastikan ia berasaskan projek **praktikal** dan termasuk **kuiz yang kerap**. Selain itu, kurikulum ini mempunyai **tema** yang sama untuk memberikan kesatuan.
Dengan memastikan kandungan selari dengan projek, prosesnya menjadi lebih menarik untuk pelajar dan pengekalan konsep akan dipertingkatkan. Selain itu, kuiz berisiko rendah sebelum kelas menetapkan niat pelajar untuk belajar topik, sementara kuiz kedua selepas kelas memastikan pengekalan lebih lanjut. Kurikulum ini direka supaya fleksibel dan menyeronokkan serta boleh diambil secara keseluruhan atau sebahagian. Projek bermula kecil dan menjadi semakin rumit menjelang akhir kitaran 12 minggu. Kurikulum ini juga mengandungi posskrip mengenai aplikasi nyata ML, yang boleh digunakan sebagai kredit tambahan atau sebagai asas untuk perbincangan.
Dengan memastikan kandungan sejajar dengan projek, proses pembelajaran menjadi lebih menarik untuk pelajar dan peningkatan pengekalan konsep akan diperhebatkan. Tambahan pula, kuiz dengan risiko rendah sebelum kelas menetapkan niat pelajar ke arah mempelajari topik, manakala kuiz kedua selepas kelas memastikan pengekalan lanjut. Kurikulum ini direka agar fleksibel dan menyeronokkan dan boleh diambil secara penuh atau sebahagian. Projek-projek bermula kecil dan menjadi semakin kompleks pada akhir kitaran 12 minggu. Kurikulum ini juga menyertakan posskrip tentang aplikasi dunia sebenar ML, yang boleh digunakan sebagai kredit tambahan atau sebagai asas perbincangan.
> Temui [Kod Etika](CODE_OF_CONDUCT.md), [Menyumbang](CONTRIBUTING.md), [Terjemahan](TRANSLATIONS.md), dan [Penyelesaian Masalah](TROUBLESHOOTING.md) panduan kami. Kami mengalu-alukan maklum balas membina anda!
> Dapatkan [Kod Etika kami](CODE_OF_CONDUCT.md), [Sumbangan](CONTRIBUTING.md), [Terjemahan](TRANSLATIONS.md), dan garis panduan [Penyelesaian Masalah](TROUBLESHOOTING.md). Kami mengalu-alukan maklum balas membina anda!
> **Nota tentang bahasa**: Pelajaran ini terutama ditulis dalam Python, tetapi banyak juga tersedia dalam R. Untuk melengkapkan pelajaran R, pergi ke folder `/solution` dan cari pelajaran R. Ia termasuk peluasan .rmd yang mewakili fail **R Markdown** yang boleh didefinisikan sebagai gabungan `chunk kod` (R atau bahasa lain) dan `header YAML` (yang mengarahkan cara format output seperti PDF) dalam `dokumen Markdown`. Oleh itu, ia berfungsi sebagai rangka kerja penulisan contoh untuk sains data kerana ia membolehkan anda menggabungkan kod anda, outputnya, dan pemikiran anda dengan membolehkan anda menuliskannya dalam Markdown. Selain itu, dokumen R Markdown boleh dirender ke format output seperti PDF, HTML, atau Word.
> **Satu nota tentang kuiz**: Semua kuiz terkandung dalam [folder Quiz App](../../quiz-app), untuk 52 kuiz keseluruhan dengan tiga soalan setiap satu. Ia dipautkan dari dalam pelajaran tetapi aplikasi kuiz boleh dijalankan secara tempatan; ikut arahan dalam folder `quiz-app` untuk menghos atau melancarkan ke Azure secara tempatan.
| Nombor Pelajaran | Topik | Pengelompokan Pelajaran | Objektif Pembelajaran | Pelajaran Berkaitan | Penulis |
| 01 | Pengenalan kepada pembelajaran mesin | [Pengenalan](1-Introduction/README.md) | Pelajari konsep asas di sebalik pembelajaran mesin | [Pelajaran](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Sejarah pembelajaran mesin | [Pengenalan](1-Introduction/README.md) | Pelajari sejarah di sebalik bidang ini | [Pelajaran](1-Introduction/2-history-of-ML/README.md) | Jen dan Amy |
| 03 | Keadilan dan pembelajaran mesin | [Pengenalan](1-Introduction/README.md) | Apakah isu falsafah penting mengenai keadilan yang perlu dipertimbangkan oleh pelajar semasa membina dan menggunakan model ML? | [Pelajaran](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Teknik untuk pembelajaran mesin | [Pengenalan](1-Introduction/README.md) | Apakah teknik yang digunakan penyelidik ML untuk membina model ML? | [Pelajaran](1-Introduction/4-techniques-of-ML/README.md) | Chris dan Jen |
| 05 | Pengenalan kepada regresi | [Regresi](2-Regression/README.md) | Mula dengan Python dan Scikit-learn untuk model regresi | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Harga labu Amerika Utara 🎃 | [Regresi](2-Regression/README.md) | Visualisasikan dan bersihkan data sebagai persiapan untuk ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Harga labu Amerika Utara 🎃 | [Regresi](2-Regression/README.md) | Bina model regresi linear dan polinomial | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen dan Dmitry • Eric Wanjau |
| 08 | Harga labu Amerika Utara 🎃 | [Regresi](2-Regression/README.md) | Bina model regresi logistik | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Aplikasi Web 🔌 | [Aplikasi Web](3-Web-App/README.md) | Bina aplikasi web untuk menggunakan model yang telah dilatih | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Pengenalan kepada klasifikasi | [Klasifikasi](4-Classification/README.md) | Bersihkan, sediakan, dan visualisasikan data anda; pengenalan kepada klasifikasi | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen dan Cassie • Eric Wanjau |
| 11 | Masakan Asia dan India yang lazat 🍜 | [Klasifikasi](4-Classification/README.md) | Pengenalan kepada pengklasifikasi | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen dan Cassie • Eric Wanjau |
| 12 | Masakan Asia dan India yang lazat 🍜 | [Klasifikasi](4-Classification/README.md) | Lebih banyak pengklasifikasi | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen dan Cassie • Eric Wanjau |
| 13 | Masakan Asia dan India yang lazat 🍜 | [Klasifikasi](4-Classification/README.md) | Bina aplikasi web pemesejan menggunakan model anda | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Pengenalan kepada pengelompokan | [Pengelompokan](5-Clustering/README.md) | Bersihkan, sediakan, dan visualisasikan data anda; Pengenalan kepada pengelompokan | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Meneroka Selera Muzik Nigeria 🎧 | [Pengelompokan](5-Clustering/README.md) | Terokai kaedah pengelompokan 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 | Pengenalan kepada pemprosesan bahasa semula jadi ☕️ | [Pemprosesan bahasa semula jadi](6-NLP/README.md) | Pelajari asas NLP dengan membina bot mudah | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Tugasan NLP Lazim ☕️ | [Pemprosesan bahasa semula jadi](6-NLP/README.md) | Mendalami pengetahuan NLP anda dengan memahami tugasan biasa yang diperlukan apabila berurusan dengan struktur bahasa | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Terjemahan dan analisis sentimen ♥️ | [Pemprosesan bahasa semula jadi](6-NLP/README.md) | Terjemahan dan analisis sentimen dengan Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Hotel romantik di Eropah ♥️ | [Pemprosesan bahasa semula jadi](6-NLP/README.md) | Analisis sentimen dengan ulasan hotel 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Hotel romantik di Eropah ♥️ | [Pemprosesan bahasa semula jadi](6-NLP/README.md) | Analisis sentimen dengan ulasan hotel 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Pengenalan kepada peramalan siri masa | [Siri Masa](7-TimeSeries/README.md) | Pengenalan kepada peramalan siri masa | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Penggunaan Kuasa Dunia ⚡️ - peramalan siri masa dengan ARIMA | [Siri Masa](7-TimeSeries/README.md) | Peramalan siri masa dengan ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Penggunaan Kuasa Dunia ⚡️ - peramalan siri masa dengan SVR | [Siri Masa](7-TimeSeries/README.md) | Peramalan siri masa dengan Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Pengenalan kepada pembelajaran penguatan | [Pembelajaran Penguatan](8-Reinforcement/README.md) | Pengenalan kepada pembelajaran penguatan dengan Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| Penutup | Senario dan aplikasi ML Dunia Sebenar | [ML di Alam Liar](9-Real-World/README.md) | Aplikasi dunia sebenar yang menarik dan mendedahkan ML klasik | [Pelajaran](9-Real-World/1-Applications/README.md) | Pasukan |
| Penutup | Penyahpepijatan Model dalam ML menggunakan papan pemuka RAI | [ML di Alam Liar](9-Real-World/README.md) | Penyahpepijatan Model dalam Pembelajaran Mesin menggunakan komponen papan pemuka Responsible AI | [Pelajaran](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> **Nota tentang bahasa**: Pelajaran ini terutama ditulis dalam Python, tetapi banyak juga tersedia dalam R. Untuk melengkapkan pelajaran R, pergi ke folder `/solution` dan cari pelajaran R. Mereka termasuk sambungan .rmd yang mewakili fail **R Markdown** yang boleh didefinisikan sebagai penanaman `chunk kod` (R atau bahasa lain) dan `header YAML` (yang mengawal bagaimana output seperti PDF diformatkan) dalam `dokumen Markdown`. Oleh itu, ia berfungsi sebagai rangka kerja pengarang contoh untuk sains data kerana ia membolehkan anda menggabungkan kod anda, outputnya, dan pemikiran anda dengan membenarkan anda menuliskannya dalam Markdown. Tambahan pula, dokumen R Markdown boleh dihasilkan ke format output seperti PDF, HTML, atau Word.
> **Satu nota mengenai kuiz**: Semua kuiz terkandung dalam [folder Aplikasi Kuiz](../../quiz-app), untuk 52 kuiz dengan tiga soalan setiap satu. Ia dipautkan dari dalam pelajaran tetapi aplikasi kuiz boleh dijalankan secara tempatan; ikuti arahan dalam folder `quiz-app` untuk hos atau melaksanakan ke Azure secara tempatan.
| Nombor Pelajaran | Topik | Pengelompokkan Pelajaran | Objektif Pembelajaran | Pelajaran Berkaitan | Pengarang |
| 01 | Pengenalan kepada pembelajaran mesin | [Pengenalan](1-Introduction/README.md) | Pelajari konsep asas di sebalik pembelajaran mesin | [Pelajaran](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Sejarah pembelajaran mesin | [Pengenalan](1-Introduction/README.md) | Pelajari sejarah yang mendasari bidang ini | [Pelajaran](1-Introduction/2-history-of-ML/README.md) | Jen dan Amy |
| 03 | Keadilan dan pembelajaran mesin | [Pengenalan](1-Introduction/README.md) | Apakah isu falsafah penting tentang keadilan yang perlu dipertimbangkan oleh pelajar ketika membina dan menggunakan model ML? | [Pelajaran](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Teknik untuk pembelajaran mesin | [Pengenalan](1-Introduction/README.md) | Apakah teknik yang digunakan penyelidik ML untuk membina model ML? | [Pelajaran](1-Introduction/4-techniques-of-ML/README.md) | Chris dan Jen |
| 05 | Pengenalan kepada regresi | [Regresi](2-Regression/README.md)| Mulakan dengan Python dan Scikit-learn untuk model regresi | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Harga labu Amerika Utara 🎃 | [Regresi](2-Regression/README.md) | Visualisasikan dan bersihkan data sebagai persiapan untuk ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Harga labu Amerika Utara 🎃 | [Regresi](2-Regression/README.md)| Bina model regresi linear dan polinomial | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen dan Dmitry • Eric Wanjau |
| 08 | Harga labu Amerika Utara 🎃 | [Regresi](2-Regression/README.md)| Bina model regresi logistik | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Aplikasi Web 🔌 | [Aplikasi Web](3-Web-App/README.md)| Bina aplikasi web untuk menggunakan model yang telah dilatih | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Pengenalan kepada klasifikasi | [Klasifikasi](4-Classification/README.md) | Bersihkan, sediakan, dan visualisasikan data anda; pengenalan kepada klasifikasi | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen dan Cassie • Eric Wanjau |
| 11 | Masakan Asia dan India yang lazat 🍜 | [Klasifikasi](4-Classification/README.md) | Pengenalan kepada pengelas | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen dan Cassie • Eric Wanjau |
| 12 | Masakan Asia dan India yang lazat 🍜 | [Klasifikasi](4-Classification/README.md) | Lebih banyak pengelas | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen dan Cassie • Eric Wanjau |
| 13 | Masakan Asia dan India yang lazat 🍜 | [Klasifikasi](4-Classification/README.md) | Bina aplikasi web pengesyorkan menggunakan model anda | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Pengenalan kepada pengelompokan | [Pengelompokan](5-Clustering/README.md)| Bersihkan, sediakan, dan visualisasikan data anda; pengenalan kepada pengelompokan | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Meneroka citarasa muzik Nigeria 🎧 | [Pengelompokan](5-Clustering/README.md) | Terokai kaedah pengelompokan 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 | Pengenalan kepada pemprosesan bahasa semula jadi ☕️ | [Pemprosesan bahasa semula jadi](6-NLP/README.md) | Pelajari asas NLP dengan membina bot ringkas | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Tugas NLP biasa ☕️ | [Pemprosesan bahasa semula jadi](6-NLP/README.md) | Mendalami pengetahuan NLP anda dengan memahami tugas biasa yang diperlukan ketika berurusan dengan struktur bahasa | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Terjemahan dan analisis sentimen ♥️ | [Pemprosesan bahasa semula jadi](6-NLP/README.md) | Terjemahan dan analisis sentimen dengan Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Hotel romantik di Eropah ♥️ | [Pemprosesan bahasa semula jadi](6-NLP/README.md) | Analisis sentimen dengan ulasan hotel 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Hotel romantik di Eropah ♥️ | [Pemprosesan bahasa semula jadi](6-NLP/README.md) | Analisis sentimen dengan ulasan hotel 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Pengenalan kepada peramalan siri masa | [Siri masa](7-TimeSeries/README.md) | Pengenalan kepada peramalan siri masa | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Penggunaan Tenaga Dunia ⚡️ - peramalan siri masa dengan ARIMA| [Siri masa](7-TimeSeries/README.md) | Peramalan siri masa dengan ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Penggunaan Tenaga Dunia ⚡️ - peramalan siri masa dengan SVR | [Siri masa](7-TimeSeries/README.md) | Peramalan siri masa dengan Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Pengenalan kepada pembelajaran pengukuhan | [Pembelajaran pengukuhan](8-Reinforcement/README.md) | Pengenalan kepada pembelajaran pengukuhan dengan Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| Penutup | Senario dan aplikasi ML dunia sebenar | [ML di Alam Liar](9-Real-World/README.md) | Aplikasi dunia sebenar yang menarik dan mendedahkan ML klasik | [Pelajaran](9-Real-World/1-Applications/README.md) | Pasukan |
| Penutup | Penyahpepijatan Model dalam ML menggunakan papan pemuka RAI | [ML di Alam Liar](9-Real-World/README.md) | Penyahpepijatan Model dalam Pembelajaran Mesin menggunakan komponen papan pemuka Responsible AI | [Pelajaran](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [cari semua sumber tambahan untuk kursus ini dalam koleksi Microsoft Learn kami](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Akses luar talian
Anda boleh menjalankan dokumentasi ini secara luar talian dengan menggunakan [Docsify](https://docsify.js.org/#/). Buat forking repo ini, [pasang Docsify](https://docsify.js.org/#/quickstart) pada mesin tempatan anda, kemudian di folder akar repo ini, taip `docsify serve`. Laman web akan dihidangkan pada port 3000 di localhost anda: `localhost:3000`.
Anda boleh menjalankan dokumentasi ini tanpa sambungan internet menggunakan [Docsify](https://docsify.js.org/#/). Cawangan repositori ini, [pasang Docsify](https://docsify.js.org/#/quickstart) pada mesin tempatan anda, dan kemudian di folder akar repositori ini, taip `docsify serve`. Laman web akan dihidangkan pada port 3000 di localhost anda: `localhost:3000`.
## PDF
Dapatkan pdf kurikulum dengan pautan [di sini](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
Cari pdf kurikulum dengan pautan [di sini](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Kursus Lain
## 🎒 Kursus Lain
Pasukan kami menghasilkan kursus lain! Semak:
Pasukan kami menghasilkan kursus lain! Lihat:
<!-- 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://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 / Ejen
[](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)
---
### Siri AI Generatif
[](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)
@ -188,25 +189,25 @@ Pasukan kami menghasilkan kursus lain! Semak:
---
### Pembelajaran Teras
[](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)
---
### Siri 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)
Jika anda tersekat atau mempunyai sebarang soalan tentang membina aplikasi AI. Sertai pelajar lain dan pembangun berpengalaman dalam perbincangan mengenai MCP. Ia adalah komuniti yang menyokong di mana soalan dialu-alukan dan pengetahuan dikongsi secara bebas.
Sekiranya anda tersekat atau mempunyai sebarang soalan mengenai membina aplikasi AI. Sertailah pembelajar lain dan pembangun berpengalaman dalam perbincangan mengenai MCP. Ia adalah komuniti yang menyokong di mana soalan dialu-alukan dan pengetahuan dikongsi dengan bebas.
@ -218,5 +219,5 @@ Jika anda mempunyai maklum balas produk atau ralat semasa membina, lawati:
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Penafian**:
Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI [Co-op Translator](https://github.com/Azure/co-op-translator). Walaupun kami berusaha untuk ketepatan, sila ambil perhatian bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang sah. Untuk maklumat penting, terjemahan profesional oleh insan adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.
Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI [Co-op Translator](https://github.com/Azure/co-op-translator). Walaupun kami berusaha untuk ketepatan, sila ambil perhatian bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya hendaklah dianggap sebagai sumber yang sah. Untuk maklumat kritikal, terjemahan profesional oleh manusia adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.
> Kasama sa repositoryong ito ang 50+ na mga salin ng wika na lubhang nagpapalaki ng laki ng i-download. Para mag-clone nang walang mga salin, gamitin ang sparse checkout:
> Naglalaman ang repositoryong ito ng 50+ pagsasalin ng wika na nagpapalaki ng laki ng download. Para makapag-clone nang walang mga pagsasalin, gamitin ang sparse checkout:
May ongoing kaming Discord learn with AI series, matuto nang higit pa at sumali sa amin sa [Learn with AI Series](https://aka.ms/learnwithai/discord) mula Setyembre 18 - 30, 2025. Makakakuha ka ng mga tip at trick sa paggamit ng GitHub Copilot para sa Data Science.
Mayroon kaming patuloy na serye sa Discord na "learn with AI", matuto pa at sumali sa amin sa [Learn with AI Series](https://aka.ms/learnwithai/discord) mula Setyembre 18 - 30, 2025. Makakakuha ka ng mga tip at trick sa paggamit ng GitHub Copilot para sa Data Science.
# Machine Learning para sa mga Baguhan - Isang Kurikulum
> 🌍 Maglakbay sa buong mundo habang tinutuklasan natin ang Machine Learning gamit ang mga kultura ng mundo 🌍
> 🌍 Maglakbay sa buong mundo habang pinag-aaralan natin ang Machine Learning gamit ang mga kultura ng mundo 🌍
Ikinagagalak ng Cloud Advocates sa Microsoft na ialok ang isang 12-linggong, 26-leksyon na kurikulum tungkol sa **Machine Learning**. Sa kurikulum na ito, matututuhan mo ang tinatawag na **classic machine learning**, gamit pangunahin ang Scikit-learn bilang isang library at iniiwasan ang deep learning, na tinatalakay sa aming [AI for Beginners' curriculum](https://aka.ms/ai4beginners). Isabay ang mga leksyong ito sa aming ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners), rin!
Ang mga Cloud Advocates sa Microsoft ay natutuwa na mag-alok ng 12-linggong, 26-aralin na kurikulum tungkol sa **Machine Learning**. Sa kurikulum na ito, matututuhan mo ang tinatawag na **classic machine learning**, gamit ang pangunahing Scikit-learn bilang library at iniiwasan ang deep learning, na tinatalakay sa aming [AI for Beginners' curriculum](https://aka.ms/ai4beginners). Ipares din ang mga araling ito sa aming ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners)!
Maglakbay kasama kami sa buong mundo habang inaaplay natin ang mga klasikong teknik na ito sa data mula sa iba't ibang bahagi ng mundo. Bawat leksyon ay may kasamang pre- at post-lesson na pagsusulit, nakasulat na tagubilin para matapos ang leksyon, solusyon, asignatura, at iba pa. Ang aming project-based na metodolohiya ay nagbibigay daan upang matuto ka habang gumagawa, isang subok na paraan para manatili ang mga bagong kasanayan.
Maglakbay kasama kami sa buong mundo habang inilalapat natin ang mga klasikong teknik na ito sa data mula sa iba't ibang bahagi ng mundo. Bawat aralin ay may kasamang pre- at post-lesson quizzes, nakasulat na mga tagubilin para matapos ang aralin, solusyon, takdang-aralin, at higit pa. Ang aming pedagogy na nakabase sa proyekto ay nagpapahintulot sa iyo na matuto habang bumubuo, isang napatunayang paraan para maging matatag ang mga bagong kasanayan.
**✍️ Taos-pusong pasasalamat sa aming mga may-akda** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu at Amy Boyd
**🎨 Salamat din sa aming mga illustrator** Tomomi Imura, Dasani Madipalli, at Jen Looper
**🎨 Salamat din sa aming mga ilustrador** Tomomi Imura, Dasani Madipalli, at Jen Looper
**🙏 Espesyal na pasasalamat 🙏 sa aming Microsoft Student Ambassador na mga may-akda, tagasuri, at mga kontribyutor sa nilalaman**, partikular kina Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, at Snigdha Agarwal
**🙏 Espesyal na pasasalamat 🙏 sa aming mga Microsoft Student Ambassador na mga may-akda, tagasuri, at kontribyutor ng nilalaman**, lalo na kina Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, at Snigdha Agarwal
**🤩 Dagdag na pasasalamat sa Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, at Vidushi Gupta para sa aming mga leksyon sa R!**
**🤩 Dagdag pasasalamat sa Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, at Vidushi Gupta para sa aming mga aralin sa R!**
# Pagsisimula
Sundin ang mga hakbang na ito:
1. **I-fork ang Repositoryo**: Pindutin ang button na "Fork" sa itaas-kanang sulok ng pahinang ito.
1. **I-fork ang Repositoryo**: I-click ang "Fork" na button sa kanang itaas na bahagi ng pahinang ito.
2. **I-clone ang Repositoryo**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
> [hanapin ang lahat ng karagdagang mapagkukunan para sa kursong ito sa aming koleksyon ng Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [hanapin lahat ng karagdagang mga resource para sa kursong ito sa aming Microsoft Learn koleksyon](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Kailangan ng tulong?** Tingnan ang aming [Troubleshooting Guide](TROUBLESHOOTING.md) para sa mga solusyon sa karaniwang mga isyu sa pag-install, setup, at pagpapatakbo ng mga leksyon.
> 🔧 **Kailangan ng tulong?** Tingnan ang aming [Troubleshooting Guide](TROUBLESHOOTING.md) para sa mga solusyon sa karaniwang isyu sa pag-install, setup, at pagpapatakbo ng mga aralin.
**[Mga Estudyante](https://aka.ms/student-page)**, para magamit ang kurikulum na ito, i-fork ang buong repo sa iyong sariling GitHub account at tapusin ang mga ehersisyo nang mag-isa o kasama ang grupo:
**[Mga estudyante](https://aka.ms/student-page)**, upang magamit ang kurikulum na ito, i-fork ang buong repo sa inyong sariling GitHub account at tapusin ang mga pagsasanay nang mag-isa o kasama ang grupo:
- Magsimula sa isang pre-lecture na pagsusulit.
- Basahin ang lektura at kumpletuhin ang mga gawain, huminto at magmuni-muni sa bawat knowledge check.
- Subukang likhain ang mga proyektong ito sa pamamagitan ng pag-unawa sa mga leksyon kaysa sa pagpatakbo ng solution code; gayunpaman, available ang code na iyon sa mga `/solution` folder sa bawat project-oriented na leksyon.
- Kunin ang post-lecture na pagsusulit.
- Kumpletuhin ang hamon.
- Kumpletuhin ang asignatura.
- Pagkatapos makumpleto ang isang grupo ng leksyon, bisitahin ang [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) at "matuto nang malakas" sa pamamagitan ng pagpuno ng angkop na PAT rubric. Ang 'PAT' ay isang Progress Assessment Tool na isang rubric na iyong pinupunan upang palalimin ang iyong pagkatuto. Maaari ka ring mag-react sa ibang PATs upang sabay tayong matuto.
- Magsimula sa pre-lecture quiz.
- Basahin ang lektura at tapusin ang mga gawain, tumigil at magmuni-muni sa bawat knowledge check.
- Subukang likhain ang mga proyekto sa pag-unawa ng mga aralin sa halip na patakbuhin ang solution code; gayunpaman, ang code na iyon ay available sa `/solution` na mga folder sa bawat araling nakatuon sa proyekto.
- Kunin ang post-lecture quiz.
- Tapusin ang hamon.
- Tapusin ang takdang-aralin.
- Pagkatapos tapusin ang isang grupo ng aralin, bisitahin ang [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) at "mag-aral nang malakas" sa pamamagitan ng pagpuno ng angkop na PAT rubric. Ang 'PAT' ay Progress Assessment Tool na isang rubric na pinupunan mo upang higit pang paunlarin ang iyong pagkatuto. Maaari ka ring mag-react sa ibang mga PAT para sabay tayong matuto.
> Para sa karagdagang pag-aaral, inirerekomenda naming sundin ang mga ito [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) na mga module at learning paths.
> Para sa karagdagang pag-aaral, inirerekomenda naming sundan ang mga [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) na mga module at learning paths.
**Mga Guro**, nagbigay kami ng [ilang mga suhestiyon](for-teachers.md) kung paano gamitin ang kurikulum na ito.
**Mga guro**, mayroon kaming [mga mungkahi](for-teachers.md) kung paano gamitin ang kurikulum na ito.
---
## Mga Video walkthrough
## Mga walkthrough sa video
Ang ilan sa mga leksyon ay available bilang maikling anyo ng video. Maaari mong matagpuan lahat ng ito nang inline sa mga leksyon, o sa [ML for Beginners playlist sa Microsoft Developer YouTube channel](https://aka.ms/ml-beginners-videos) sa pamamagitan ng pag-click sa larawan sa ibaba.
Ilan sa mga aralin ay makukuha bilang mga maikling video. Maaari mong makita ang mga ito sa loob ng mga aralin, o sa [ML for Beginners playlist sa Microsoft Developer YouTube channel](https://aka.ms/ml-beginners-videos) sa pamamagitan ng pag-click sa larawan sa ibaba.
[](https://aka.ms/ml-beginners-videos)
@ -89,87 +89,87 @@ Ang ilan sa mga leksyon ay available bilang maikling anyo ng video. Maaari mong
> 🎥 I-click ang larawan sa itaas para sa isang video tungkol sa proyekto at sa mga taong lumikha nito!
> 🎥 I-click ang larawan sa itaas para sa isang video tungkol sa proyekto at sa mga taong gumawa nito!
---
## Pedagohiya
Pinili namin ang dalawang pedagogical tenet habang ginagawa ang kurikulum na ito: pagtitiyak na ito ay hands-on **project-based** at na ito ay may kasamang **madalas na pagsusulit**. Bukod dito, ang kurikulum na ito ay may karaniwang **tema** upang magkaroon ng pagkakaisa.
Pinili namin ang dalawang pedagogical tenet habang binubuo ang kurikulum na ito: siguraduhin na ito ay hands-on **project-based** at kasama ang **madalas na quizzes**. Bukod dito, ang kurikulum na ito ay may pangkaraniwang **tema** upang bigyan ito ng pagkakaisa.
Sa pagtitiyak na ang nilalaman ay naka-align sa mga proyekto, nagiging mas nakaka-engganyo ang proseso para sa mga estudyante at nadaragdagan ang retention ng mga konsepto. Dagdag pa, ang isang low-stakes na pagsusulit bago ang klase ay nagtatakda ng layunin ng estudyante na matuto ng isang paksa, habang ang pangalawang pagsusulit pagkatapos ng klase ay nagsisiguro ng karagdagang retention. Ang kurikulum na ito ay dinisenyo upang maging flexible at masaya at maaaring kunin nang buo o bahagi. Ang mga proyekto ay nagsisimula sa maliit at unti-unting nagiging kumplikado sa pagtatapos ng 12-linggong siklo. Kasama rin sa kurikulum na ito ang isang postscript tungkol sa mga totoong aplikasyon ng ML, na maaaring gamitin bilang dagdag na kredito o bilang basehan ng diskusyon.
Sa pamamagitan ng pagsigurado na ang nilalaman ay naka-ayon sa mga proyekto, mas nagiging kawili-wili ang proseso para sa mga estudyante at mas mapapahusay ang retention ng mga konsepto. Dagdag pa, ang isang low-stakes quiz bago ang klase ay nagtatakda ng intensyon ng estudyante para matuto ng paksa, habang ang ikalawang quiz pagkatapos ng klase ay nagsisiguro ng mas malalim na retention. Ang kurikulum na ito ay dinisenyo na maging flexible at masaya at maaaring kunin nang buo o bahagya. Ang mga proyekto ay nagsisimula nang maliit at humahantong sa mas kumplikadong gawain sa katapusan ng 12-linggong siklo. Kasama rin dito ang postscript tungkol sa mga totoong aplikasyon ng ML, na maaaring gamitin bilang extra credit o bilang basehan ng talakayan.
> Hanapin ang aming [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md), at [Troubleshooting](TROUBLESHOOTING.md) na mga patnubay. Malugod naming tinatanggap ang iyong makabuluhang puna!
> Hanapin ang aming [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md), at [Troubleshooting](TROUBLESHOOTING.md) guidelines. Malugod naming tinatanggap ang iyong konstruktibong feedback!
> **Tungkol sa mga wika**: Pangunahing nakasulat sa Python ang mga leksyong ito, ngunit marami rin ang available sa R. Para matapos ang isang R na leksyon, pumunta sa folder na `/solution` at hanapin ang mga R na leksyon. Mayroon silang .rmd extension na kumakatawan sa isang **R Markdown** file na maaaring ilarawan bilang isang pag-embed ng `code chunks` (ng R o ibang mga wika) at isang `YAML header` (na naggagabay kung paano i-format ang output gaya ng PDF) sa isang `Markdown document`. Kaya, nagsisilbi itong isang halimbawang authoring framework para sa data science dahil pinapayagan kang pagsamahin ang iyong code, ang output nito, at ang iyong mga ideya sa pagsulat ng mga ito sa Markdown. Bukod dito, ang mga R Markdown document ay maaaring i-render sa mga output format gaya ng PDF, HTML, o Word.
> **Isang paalala tungkol sa mga pagsusulit**: Lahat ng pagsusulit ay nakapaloob sa [Quiz App folder](../../quiz-app), para sa kabuuang 52 na pagsusulit na may tig-tatlong tanong bawat isa. Nakalink ito mula sa loob ng mga aralin ngunit maaaring patakbuhin nang lokal ang quiz app; sundin ang mga tagubilin sa `quiz-app` folder upang i-host nang lokal o i-deploy sa Azure.
> **Tungkol sa mga wika**: Pangunahing nakasulat ang mga araling ito sa Python, ngunit marami rin ang available sa R. Para tapusin ang isang araling R, pumunta sa `/solution` na folder at hanapin ang mga R na aralin. Kasama dito ang .rmd extension na kumakatawan sa isang **R Markdown** file na simpleng maipaliwanag bilang pagsasama ng `code chunks` (ng R o ibang mga wika) at `YAML header` (na nagtuturo kung paano i-format ang mga output tulad ng PDF) sa isang `Markdown document`. Dahil dito, nagsisilbi itong napakainam na framework para sa data science dahil pinapayagan kang pagsamahin ang iyong code, ang output nito, at ang iyong mga kaisipan sa pagsusulat sa Markdown. Bukod dito, ang mga R Markdown documents ay maaaring ire-render sa mga output format tulad ng PDF, HTML, o Word.
> **Isang paalala tungkol sa mga pagsusulit**: Lahat ng pagsusulit ay matatagpuan sa [Quiz App folder](../../quiz-app), na may kabuuang 52 pagsusulit na may tig-tatlong tanong bawat isa. Nakalagay ang mga ito sa loob ng mga aralin ngunit maaaring patakbuhin ang quiz app nang lokal; sundan ang mga tagubilin sa `quiz-app` folder upang mag-host nang lokal o mag-deploy sa Azure.
| Lesson Number | Paksa | Pangkat ng Aralin | Mga Layunin sa Pagkatuto | Nakalink na Aralin | May-akda |
| 01 | Panimula sa machine learning | [Introduction](1-Introduction/README.md) | Matutuhan ang mga pangunahing konsepto sa likod ng machine learning | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Kasaysayan ng machine learning | [Introduction](1-Introduction/README.md) | Matutuhan ang kasaysayan na nasa likod ng larangang ito | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen at Amy |
| 03 | Katarungan at machine learning | [Introduction](1-Introduction/README.md) | Ano ang mahahalagang pilosopikal na isyu tungkol sa katarungan na dapat isaalang-alang ng mga estudyante sa pagbuo at paggamit ng mga modelo ng ML? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Mga teknik para sa machine learning | [Introduction](1-Introduction/README.md) | Anong mga teknik ang ginagamit ng mga mananaliksik ng ML upang bumuo ng mga modelo? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris at Jen |
| 05 | Panimula sa regression | [Regression](2-Regression/README.md) | Magsimula sa Python at Scikit-learn para sa mga modelo ng regression | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Mga presyo ng kalabasa sa North America 🎃 | [Regression](2-Regression/README.md) | I-visualize at linisin ang data bilang paghahanda para sa ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Mga presyo ng kalabasa sa North America 🎃 | [Regression](2-Regression/README.md) | Bumuo ng linear at polynomial na mga modelo ng regression | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen at Dmitry • Eric Wanjau |
| 08 | Mga presyo ng kalabasa sa North America 🎃 | [Regression](2-Regression/README.md) | Bumuo ng modelo ng logistic regression | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Isang Web App 🔌 | [Web App](3-Web-App/README.md) | Gumawa ng web app upang magamit ang iyong na-train na modelo | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Panimula sa classification | [Classification](4-Classification/README.md) | Linisin, ihanda, at i-visualize ang iyong data; panimula sa classification | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen at Cassie • Eric Wanjau |
| 11 | Masasarap na lutuin ng Asya at India 🍜 | [Classification](4-Classification/README.md) | Panimula sa mga classifier | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen at Cassie • Eric Wanjau |
| 12 | Masasarap na lutuin ng Asya at India 🍜 | [Classification](4-Classification/README.md) | Higit pang mga classifier | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen at Cassie • Eric Wanjau |
| 13 | Masasarap na lutuin ng Asya at India 🍜 | [Classification](4-Classification/README.md) | Bumuo ng web app na nagpapayo gamit ang iyong modelo | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Panimula sa clustering | [Clustering](5-Clustering/README.md) | Linisin, ihanda, at i-visualize ang iyong data; Panimula sa clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Paggalugad ng mga paboritong tugtugin sa Nigeria 🎧 | [Clustering](5-Clustering/README.md) | Galugarin ang K-Means clustering method | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Panimula sa natural language processing ☕️ | [Natural language processing](6-NLP/README.md) | Matutuhan ang mga pangunahing kaalaman tungkol sa NLP sa pamamagitan ng paggawa ng simpleng bot | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Mga Karaniwang Gawain sa NLP ☕️ | [Natural language processing](6-NLP/README.md) | Palalimin ang iyong kaalaman sa NLP sa pamamagitan ng pag-unawa sa mga karaniwang gawain na kinakailangan sa pagharap sa mga istruktura ng wika | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Pagsasalin at pagsusuri ng damdamin ♥️ | [Natural language processing](6-NLP/README.md) | Pagsasalin at pagsusuri ng damdamin gamit si Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Mga romantikong hotel sa Europa ♥️ | [Natural language processing](6-NLP/README.md) | Pagsusuri ng damdamin gamit ang mga review ng hotel 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Mga romantikong hotel sa Europa ♥️ | [Natural language processing](6-NLP/README.md) | Pagsusuri ng damdamin gamit ang mga review ng hotel 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Panimula sa pagsusuri ng time series | [Time series](7-TimeSeries/README.md) | Panimula sa pagsusuri ng time series | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Paggamit ng Lakas sa Mundo ⚡️ - pagsusuri ng time series gamit ang ARIMA | [Time series](7-TimeSeries/README.md) | Pagsusuri ng time series gamit ang ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Paggamit ng Lakas sa Mundo ⚡️ - pagsusuri ng time series gamit ang SVR | [Time series](7-TimeSeries/README.md) | Pagsusuri ng time series gamit ang Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Panimula sa reinforcement learning | [Reinforcement learning](8-Reinforcement/README.md) | Panimula sa reinforcement learning gamit ang Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Tulungan si Peter na iwasan ang lobo! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Reinforcement learning Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Mga totoong sitwasyon at aplikasyon ng ML | [ML in the Wild](9-Real-World/README.md) | Mga kawili-wili at nakakahulugang aplikasyon ng klasikong ML sa totoong mundo | [Lesson](9-Real-World/1-Applications/README.md) | Team |
| Postscript | Pag-debug ng Modelo sa ML gamit ang RAI dashboard | [ML in the Wild](9-Real-World/README.md) | Pag-debug ng modelo sa Machine Learning gamit ang Responsible AI dashboard components | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
| 01 | Panimula sa machine learning | [Introduction](1-Introduction/README.md) | Matutunan ang mga pangunahing konsepto sa likod ng machine learning | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Kasaysayan ng machine learning | [Introduction](1-Introduction/README.md) | Matutunan ang kasaysayan sa likod ng larangang ito | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
| 03 | Katarungan at machine learning | [Introduction](1-Introduction/README.md) | Ano ang mga mahalagang pilosopikal na isyu tungkol sa katarungan na dapat isaalang-alang ng mga estudyante kapag gumagawa at nag-aaplay ng ML models? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Mga teknik para sa machine learning | [Introduction](1-Introduction/README.md) | Anong mga teknik ang ginagamit ng mga mananaliksik sa ML upang bumuo ng mga ML models? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
| 05 | Panimula sa regression | [Regression](2-Regression/README.md) | Magsimula gamit ang Python at Scikit-learn para sa regression models | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Mga presyo ng kalabasa sa Hilagang Amerika 🎃 | [Regression](2-Regression/README.md) | I-visualisa at linisin ang datos bilang paghahanda para sa ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Mga presyo ng kalabasa sa Hilagang Amerika 🎃 | [Regression](2-Regression/README.md) | Bumuo ng linear at polynomial regression models | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
| 08 | Mga presyo ng kalabasa sa Hilagang Amerika 🎃 | [Regression](2-Regression/README.md) | Bumuo ng isang logistic regression model | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Isang Web App 🔌 | [Web App](3-Web-App/README.md) | Bumuo ng isang web app para gamitin ang iyong na-train na modelo | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Panimula sa classification | [Classification](4-Classification/README.md) | Linisin, ihanda, at i-visualisa ang iyong datos; panimula sa classification | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
| 11 | Masasarap na lutuing Asyano at Indian 🍜 | [Classification](4-Classification/README.md) | Panimula sa mga classifier | [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 | Masasarap na lutuing Asyano at Indian 🍜 | [Classification](4-Classification/README.md) | Higit pang mga classifier | [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 | Masasarap na lutuing Asyano at Indian 🍜 | [Classification](4-Classification/README.md) | Bumuo ng isang recommender web app gamit ang iyong modelo | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Panimula sa clustering | [Clustering](5-Clustering/README.md) | Linisin, ihanda, at i-visualisa ang iyong datos; panimula sa clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Pagsasaliksik ng mga Ugali sa Musika ng Nigeria 🎧 | [Clustering](5-Clustering/README.md) | Tuklasin ang K-Means clustering method | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Panimula sa natural language processing ☕️ | [Natural language processing](6-NLP/README.md) | Matutunan ang mga batayan tungkol sa NLP sa pamamagitan ng paggawa ng isang simpleng bot | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Mga Karaniwang Gawain sa NLP ☕️ | [Natural language processing](6-NLP/README.md) | Palalimin ang iyong kaalaman sa NLP sa pamamagitan ng pag-unawa sa mga karaniwang gawain na kailangan kapag nakikipag-ugnayan sa mga estruktura ng wika | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Pagsasalin at pagsusuri ng saloobin ♥️ | [Natural language processing](6-NLP/README.md) | Pagsasalin at pagsusuri ng saloobin gamit si Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Mga romantikong hotel sa Europa ♥️ | [Natural language processing](6-NLP/README.md) | Pagsusuri ng saloobin gamit ang mga review ng hotel 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Mga romantikong hotel sa Europa ♥️ | [Natural language processing](6-NLP/README.md) | Pagsusuri ng saloobin gamit ang mga review ng hotel 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Panimula sa time series forecasting | [Time series](7-TimeSeries/README.md) | Panimula sa time series forecasting | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Paggamit ng Enerhiya sa Mundo ⚡️ - time series forecasting gamit ang ARIMA | [Time series](7-TimeSeries/README.md) | Time series forecasting gamit ang ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Paggamit ng Enerhiya sa Mundo ⚡️ - time series forecasting gamit ang SVR | [Time series](7-TimeSeries/README.md) | Time series forecasting gamit ang Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Panimula sa reinforcement learning | [Reinforcement learning](8-Reinforcement/README.md) | Panimula sa reinforcement learning gamit ang Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Tumulong kay Peter na iwasan ang lobo! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Reinforcement learning Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Mga totoong kaso at aplikasyon ng ML | [ML in the Wild](9-Real-World/README.md) | Mga kawili-wili at nakakalantad na mga totoong aplikasyon ng klasikong ML | [Lesson](9-Real-World/1-Applications/README.md) | Team |
| Postscript | Pag-debug ng Modelo sa ML gamit ang RAI dashboard | [ML in the Wild](9-Real-World/README.md) | Pag-debug ng Modelo sa Machine Learning gamit ang Responsible AI dashboard components | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [hanapin ang lahat ng karagdagang mga mapagkukunan para sa kursong ito sa aming Microsoft Learn collection](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Offline access
Maaari mong patakbuhin ang dokumentasyong ito offline gamit ang [Docsify](https://docsify.js.org/#/). I-fork ang repo na ito, [i-install ang Docsify](https://docsify.js.org/#/quickstart) sa iyong lokal na makina, at pagkatapos ay sa root folder ng repo na ito, i-type ang `docsify serve`. Ang website ay ihahain sa port 3000 sa iyong localhost: `localhost:3000`.
Maaari mong patakbuhin ang dokumentasyong ito nang offline gamit ang [Docsify](https://docsify.js.org/#/). I-fork ang repo na ito, [i-install ang Docsify](https://docsify.js.org/#/quickstart) sa iyong lokal na makina, at pagkatapos ay sa root folder ng repo na ito, i-type ang `docsify serve`. Ang website ay mase-serve sa port 3000 sa iyong localhost: `localhost:3000`.
## PDFs
Hanapin ang pdf ng kurikulum na may mga link [dito](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Iba Pang Mga Kurso
## 🎒 Iba Pang Mga Kurso
Ang aming koponan ay gumagawa ng iba pang mga kurso! Tingnan ang:
Ang aming koponan ay gumagawa ng iba pang mga kurso! Silipin:
<!-- 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)
---
### Azure / Edge / MCP / Agents
@ -181,7 +181,7 @@ Ang aming koponan ay gumagawa ng iba pang mga kurso! Tingnan ang:
---
### Generative AI Series
[](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)
@ -189,13 +189,13 @@ Ang aming koponan ay gumagawa ng iba pang mga kurso! Tingnan ang:
---
### Pangunahing Pagkatuto
[](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)
---
@ -207,17 +207,17 @@ Ang aming koponan ay gumagawa ng iba pang mga kurso! Tingnan ang:
## Pagkuha ng Tulong
Kung ikaw ay naipit o may mga tanong tungkol sa paggawa ng mga AI app. Sumali sa mga kapwa nag-aaral at mga bihasang developer sa mga talakayan tungkol sa MCP. Isa itong suportadong komunidad kung saan malugod ang mga tanong at malaya ang pagbabahagi ng kaalaman.
Kung ikaw ay na-stuck o may mga tanong tungkol sa paggawa ng mga AI apps. Sumali sa mga kapwa nag-aaral at eksperyensadong mga developer sa mga talakayan tungkol sa MCP. Isa itong suportadong komunidad kung saan malugod na tinatanggap ang mga tanong at malaya ang pagbabahagi ng kaalaman.
Ang dokumentong ito ay isinalin gamit ang serbisyong AI na pagsasalin na [Co-op Translator](https://github.com/Azure/co-op-translator). Bagama't aming pinagsisikapan ang katumpakan, pakatandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa kanyang orihinal na wika ang dapat ituring na pangunahing sanggunian. Para sa mga mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na maaaring magmula sa paggamit ng pagsasaling ito.
**Paalala**:
Ang dokumentong ito ay isinalin gamit ang serbisyong AI na pagsasalin na [Co-op Translator](https://github.com/Azure/co-op-translator). Bagama’t nagsusumikap kami para sa katumpakan, pakatandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o kamalian. Ang orihinal na dokumento sa kanyang likas na wika ang itinuturing na may pinakamataas na otoridad. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na maaaring magmula sa paggamit ng pagsasaling ito.
localizeflow[bot]
3 days ago