From 98bd3532fe8af033145e935d700797437bd71edf Mon Sep 17 00:00:00 2001 From: "localizeflow[bot]" Date: Fri, 6 Feb 2026 08:38:16 +0000 Subject: [PATCH] chore(i18n): sync translations with latest source changes (chunk 1/1, 6 changes) --- translations/he/.co-op-translator.json | 4 +- translations/he/README.md | 188 ++++++++++----------- translations/nl/.co-op-translator.json | 4 +- translations/nl/README.md | 220 ++++++++++++------------- translations/vi/.co-op-translator.json | 4 +- translations/vi/README.md | 218 ++++++++++++------------ 6 files changed, 319 insertions(+), 319 deletions(-) diff --git a/translations/he/.co-op-translator.json b/translations/he/.co-op-translator.json index dfe3b64ff..6cce76f6e 100644 --- a/translations/he/.co-op-translator.json +++ b/translations/he/.co-op-translator.json @@ -540,8 +540,8 @@ "language_code": "he" }, "README.md": { - "original_hash": "da2ceed62f16a0820259556e3a873c95", - "translation_date": "2026-01-29T18:39:08+00:00", + "original_hash": "2f594ee136e3127a47f56d80055227bc", + "translation_date": "2026-02-06T08:36:03+00:00", "source_file": "README.md", "language_code": "he" }, diff --git a/translations/he/README.md b/translations/he/README.md index b4468b00d..73f6f45ce 100644 --- a/translations/he/README.md +++ b/translations/he/README.md @@ -1,23 +1,23 @@ -[![רישיון GitHub](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) -[![תורמים ב-GitHub](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) -[![בעיות ב-GitHub](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) -[![בקשות משיכה ב-GitHub](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) -[![ברוכים הבאים לבקשות משיכה](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) +[![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) +[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) +[![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) +[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) +[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -[![עוקבים ב-GitHub](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) -[![פורקים ב-GitHub](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) -[![כוכבים ב-GitHub](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) +[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) +[![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) +[![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) -### 🌐 תמיכה בריבוי שפות +### 🌐 תמיכה בשפות מרובות -#### נתמך באמצעות GitHub Action (אוטומטי ותמיד מעודכן) +#### נתמכת באמצעות GitHub Action (אוטומטית ותמיד מעודכנת) -[ערבית](../ar/README.md) | [בנגלית](../bn/README.md) | [בולגרית](../bg/README.md) | [בורמזית (מיאנמר)](../my/README.md) | [סינית (מפושטת)](../zh-CN/README.md) | [סינית (מסורתית, הונג קונג)](../zh-HK/README.md) | [סינית (מסורתית, מקאו)](../zh-MO/README.md) | [סינית (מסורתית, טייוואן)](../zh-TW/README.md) | [קרואטית](../hr/README.md) | [צ'כית](../cs/README.md) | [דנית](../da/README.md) | [הולנדית](../nl/README.md) | [אסטונית](../et/README.md) | [פינית](../fi/README.md) | [צרפתית](../fr/README.md) | [גרמנית](../de/README.md) | [יוונית](../el/README.md) | [עברית](./README.md) | [הינדי](../hi/README.md) | [הונגרית](../hu/README.md) | [אינדונזית](../id/README.md) | [איטלקית](../it/README.md) | [יפנית](../ja/README.md) | [קנדה](../kn/README.md) | [קוריאנית](../ko/README.md) | [ליטאית](../lt/README.md) | [מלאית](../ms/README.md) | [מלאלאית](../ml/README.md) | [מרטהית](../mr/README.md) | [נפאלית](../ne/README.md) | [פידג'ין ניגרי](../pcm/README.md) | [נורווגית](../no/README.md) | [פרסית (פרסי)](../fa/README.md) | [פולנית](../pl/README.md) | [פורטוגזית (ברזיל)](../pt-BR/README.md) | [פורטוגזית (פורטוגל)](../pt-PT/README.md) | [פנג'אבי (גורמוכי)](../pa/README.md) | [רומנית](../ro/README.md) | [רוסית](../ru/README.md) | [סרבית (קירילית)](../sr/README.md) | [סלובקית](../sk/README.md) | [סלובנית](../sl/README.md) | [ספרדית](../es/README.md) | [סווהילית](../sw/README.md) | [שוודית](../sv/README.md) | [טגלוג (פיליפינית)](../tl/README.md) | [טמילית](../ta/README.md) | [טלוגו](../te/README.md) | [תאית](../th/README.md) | [טורקית](../tr/README.md) | [אוקראינית](../uk/README.md) | [אורדו](../ur/README.md) | [ויטנאמית](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](./README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) -> **מעדיפים לשכפל מקומית?** +> **מעדיפים לשכפל באופן מקומי?** -> מאגר זה כולל יותר מ-50 תרגומים בשפות שונות, מה שמגדיל משמעותית את גודל ההורדה. לשכפול ללא תרגומים, השתמשו ב-sparse checkout: +> מאגר זה כולל למעלה מ-50 תרגומים לשפות שונות שמגדילים משמעותית את גודל ההורדה. כדי לשכפל בלי תרגומים, השתמשו ב-sparse checkout: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > cd ML-For-Beginners @@ -30,64 +30,64 @@ [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -יש לנו סדרת Discord ללמידה עם AI מתמשכת, למדו עוד והצטרפו אלינו ב-[סדרת למידה עם AI](https://aka.ms/learnwithai/discord) מ-18 עד 30 בספטמבר 2025. תקבלו טיפים וטריקים לשימוש ב-GitHub Copilot למדע הנתונים. +יש לנו סדרת לימוד בדיסקורד עם AI, למדו עוד והצטרפו אלינו ב-[Learn with AI Series](https://aka.ms/learnwithai/discord) בין התאריכים 18 עד 30 בספטמבר 2025. תקבלו טיפים וטריקים לשימוש ב-GitHub Copilot במדעי הנתונים. -![סדרת למידה עם AI](../../translated_images/he/3.9b58fd8d6c373c20.webp) +![Learn with AI series](../../translated_images/he/3.9b58fd8d6c373c20.webp) # למידת מכונה למתחילים - תוכנית לימודים -> 🌍 טוסו ברחבי העולם בעודנו חוקרים למידת מכונה דרך תרבויות העולם 🌍 +> 🌍 טוסו ברחבי העולם תוך חקר למידת מכונה דרך תרבויות העולם 🌍 -Advocates ענן במיקרוסופט מתרגשים להציע תוכנית של 12 שבועות, 26 שיעורים בנושא **למידת מכונה**. בתוכנית זו תלמדו על מה שלפעמים נקרא **למידת מכונה קלאסית**, תוך שימוש בעיקר ב-Scikit-learn כמח bibliothèque והימנעות מלמידה עמוקה, אשר מכוסה בתוכנית ה-[AI למתחילים שלנו](https://aka.ms/ai4beginners). שלבו שיעורים אלה עם תוכנית ['מדע הנתונים למתחילים'](https://aka.ms/ds4beginners), גם כן! +הסניפים לענן במיקרוסופט שמחים להציע תוכנית לימודים של 12 שבועות ו-26 שיעורים בנושא **למידת מכונה**. בתוכנית זו תלמדו על מה שלפעמים נקרא **למידת מכונה קלאסית**, תוך שימוש בעיקר בספריית Scikit-learn והימנעות מלמידה עמוקה, הנלמדת בתוכנית שלנו ל-[AI למתחילים](https://aka.ms/ai4beginners). שילבו את השיעורים האלה עם תכנית 'מדעי הנתונים למתחילים' שלנו ב-[https://aka.ms/ds4beginners](https://aka.ms/ds4beginners)! -טוסו איתנו ברחבי העולם כשאנו מיישמים את הטכניקות הקלאסיות הללו על נתונים מאזורים רבים בעולם. כל שיעור כולל בחני ידע לפני ואחרי השיעור, הוראות כתובות להשלמת השיעור, פתרון, מטלה ועוד. הפדגוגיה המבוססת על פרויקטים שלנו מאפשרת לך ללמוד תוך כדי בנייה, שיטה מוכחת להטמעת מיומנויות חדשות. +טיילו איתנו ברחבי העולם כאשר אנו מיישמים את הטכניקות הקלאסיות על נתונים מאזורים שונים בעולם. כל שיעור כולל שאלוני מבחן לפני ואחרי, הוראות כתובות לסיום השיעור, פתרון, מטלה ועוד. שיטת הלמידה מבוססת הפרויקטים מאפשרת לכם ללמוד תוך כדי בנייה, דרך מוכחת לשימור יכולות חדשות. -**✍️ תודה רבה למחברינו** ג'ן לופר, סטיבן האוול, פרנצ'סקה לזרי, טומומי אימורה, קאסי ברוויו, דמיטרי סושניקוב, כריס נורינג, אנירבן מוכהארג'י, אורנלה אלטוניאן, רות יקובו ואיימי בויד +**✍️ תודה רבה למחברינו** ג'ן לופר, סטיבן האוול, פרנצ'סקה לזרי, טומומי אימורה, קאסי בריוויו, דמיטרי סושניקוב, כריס נורינג, אנירבן מוחריג'י, אורנלה אלטוני, רות יקובו ואיימי בויד. -**🎨 תודה גם לאנשי האיור** טומומי אימורה, דסאני מדיפאלי וג'ן לופר +**🎨 תודה גם לאיורים שלנו** טומומי אימורה, דסאני מדיפלי, וג'ן לופר. -**🙏 תודה מיוחדת 🙏 למחברי שגרירי סטודנטים מיקרוסופט, לסוקרים ולתורמים בתוכן**, במיוחד רישיט דגלי, מוחמד סאקיב חאן אינאן, רוהאן רג', אלכסנדרו פטרסקו, אבישק ג'איסוול, נאורין טבסם, יואן סאמויאלה, וסניגדה אגרוואל +**🙏 תודות מיוחדות 🙏 למחברי שגרירי הסטודנטים של מיקרוסופט, לסוקרים ולתורמי התוכן**, במיוחד רישיט דגלי, מוחמד סאקיב חאן אינאן, רוהאן רג', אלכסנדרו פטרסקו, אבישק ג'ייסוול, נאורין טבאסום, יואן סאמויולה, וסניגדה אגרוואל. -**🤩 תודה נוספת לשגרירי הסטודנטים מיקרוסופט אריק ונדגאו, ג'סלין סונדהי וידושי גופטה על שיעורי ה-R שלנו!** +**🤩 תודות נוספות לשגרירי הסטודנטים של מיקרוסופט אריק ואנג'או, ג'סלין סונדהי ווידושי גופטה על שיעורי R שלנו!** # התחלה -עקבו אחרי השלבים הבאים: -1. **צרו פורק למאגר**: לחצו על כפתור "Fork" בפינה הימנית העליונה של דף זה. -2. **שכפלו את המאגר**: `git clone https://github.com/microsoft/ML-For-Beginners.git` +עקבו אחר השלבים הבאים: +1. **צור עותק של המאגר**: לחצו על כפתור "Fork" בצד ימין למעלה של הדף. +2. **שכפל את המאגר**: `git clone https://github.com/microsoft/ML-For-Beginners.git` -> [מצאו את כל המשאבים הנוספים עבור קורס זה באוסף Microsoft Learn שלנו](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [מצאו את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -> 🔧 **צריך עזרה?** בדקו את [מדריך פתרון הבעיות](TROUBLESHOOTING.md) שלנו לפתרונות לבעיות נפוצות בהתקנה, הגדרה והרצת שיעורים. +> 🔧 **זקוקים לעזרה?** בדקו את [מדריך פתרון התקלות](TROUBLESHOOTING.md) לפתרונות לבעיות נפוצות בהתקנה, הגדרה והרצת שיעורים. -**[סטודנטים](https://aka.ms/student-page)**, כדי להשתמש בתוכנית זו, צרו פורק מלא של המאגר לחשבון GitHub הפרטי שלכם והשלימו את התרגילים לבד או בקבוצה: +**[סטודנטים](https://aka.ms/student-page)**, כדי להשתמש בתוכנית זו, צרו פורק של כל המאגר לחשבון GitHub הפרטי שלכם ושלימו את התרגילים בעצמכם או בקבוצה: -- התחילו עם מבחן חימום לפני ההרצאה. -- קראו את ההרצאה והשלימו את הפעילויות, עצרו והרהרו בכל בדיקת ידע. -- נסו ליצור את הפרויקטים על ידי הבנת השיעורים יותר מאשר על ידי הרצת קוד הפתרון; עם זאת, הקוד זמין בתיקיות `/solution` בכל שיעור ממוקד-פרויקט. -- עברו מבחן לאחר ההרצאה. +- התחילו במבחן חימום לפני ההרצאה. +- קראו את ההרצאה ובצעו את הפעילויות, עצרו והרהרו בכל בדיקת ידע. +- נסו ליצור את הפרויקטים על ידי הבנת השיעורים במקום להריץ את קוד הפתרון; עם זאת, הקוד זמין בתיקיות `/solution` בכל שיעור מבוסס פרויקט. +- עשו את מבחן הסיום. - השלימו את האתגר. - השלימו את המטלה. -- לאחר השלמת קבוצת שיעורים, בקרו ב-[לוח הדיון](https://github.com/microsoft/ML-For-Beginners/discussions) ו"למדו בקול" על ידי מילוי טופס PAT מתאים. 'PAT' הוא כלי הערכת התקדמות שהוא טופס שאתם ממלאים להעמקת הלמידה. ניתן גם להגיב ל-PATים אחרים כדי ללמוד יחד. +- לאחר השלמת קבוצת שיעורים, בקרו ב-[לוח הדיונים](https://github.com/microsoft/ML-For-Beginners/discussions) ו"למדו בקול" על ידי מילוי סרגל הערכה PAT המתאים. 'PAT' הוא כלי הערכת התקדמות אותו משלים המשתמש להעמקת הלמידה. אתם גם יכולים להגיב ל-PATים אחרים כדי שנלמד יחד. -> ללימוד נוסף, אנו ממליצים לעקוב אחרי מודולים ודרכי למידה ב-[Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott). +> ללימוד נוסף, מומלץ לעקוב אחרי מודולים ונתיבי למידה אלה ב-[Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott). -**מורים**, כללנו [הצעות](for-teachers.md) כיצד להשתמש בתוכנית זו. +**מורים**, יש לנו [הצעות לשימוש בתוכנית זו](for-teachers.md). --- -## סרטוני הסברים +## סרטוני הדרכה -חלק מהשיעורים זמינים כסרטונים קצרים. ניתן למצוא את כולם בתוך השיעורים או ברשימת ההשמעה [ML for Beginners בערוץ Microsoft Developer ב-YouTube](https://aka.ms/ml-beginners-videos) על ידי לחיצה על התמונה למטה. +חלק מהשיעורים זמינים כסרטונים קצרים. ניתן למצוא את כולם בקישורים בתוך השיעורים או ב[רשימת ההשמעה ML for Beginners בערוץ YouTube של מיקרוסופט דיבלופרס](https://aka.ms/ml-beginners-videos) על ידי לחיצה על התמונה למטה. -[![באנר ML למתחילים](../../translated_images/he/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) +[![ML for beginners banner](../../translated_images/he/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- ## הכירו את הצוות -[![סרטון קידום](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) +[![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) **גיף מאת** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) @@ -97,79 +97,79 @@ Advocates ענן במיקרוסופט מתרגשים להציע תוכנית ש ## פדגוגיה -בחרנו שני עקרונות פדגוגיים בעת בניית תוכנית הלימודים הזו: להבטיח שהיא מבוססת על פרויקטים מעשיים וכוללת מבחנים תכופים. בנוסף, לתוכנית זו יש **נושא משותף** כדי להקנות לה קוהרנטיות. +בחרנו שני עקרונות פדגוגיים בבניית תוכנית זו: להבטיח שהיא מבוססת פרויקט מעשי וכוללת מבחנים תכופים. בנוסף, לתוכנית נושא משותף המסייע בקוהרנטיות. -על ידי התאמת התוכן לפרויקטים, התהליך הופך למרתק יותר עבור הסטודנטים ותחזוקת המושגים תשתפר. בנוסף, מבחן ללא סיכון לפני השיעור מגדיר את כוונת הסטודנט ללמוד נושא, בעוד שמבחן נוסף לאחר השיעור מוודא שמירת ידע נוספת. תוכנית הלימודים הזו עוצבה להיות גמישה ומהנה וניתן לעשותה במלואה או בחלקה. הפרויקטים מתחילים קטנים והופכים מורכבים יותר לקראת סוף מחזור 12 השבועות. תוכנית זו כוללת גם נספח על יישומים בעולם האמיתי של למידת מכונה, שניתן להשתמש בו כנקודות נוספות או כבסיס לדיון. +על ידי התאמת התוכן לפרויקטים, התהליך הופך למרתק יותר לסטודנטים וההבנה של המושגים מחוזקת. גם מבחן נמוך סיכון לפני השיעור שם את הכוונה ללמידה, ומבחן נוסף לאחר השיעור מבטיח שימור נוסף. התוכנית גמישה ומהנה וניתן ללמוד אותה בשלמותה או חלקיה. הפרויקטים מתחילים קטנים והופכים מורכבים יותר לקראת סוף מחזור 12 השבועות. יש בתוכנית גם פרק סיום על יישומים אמיתיים של למידת מכונה, שיכול לשמש לקרדיט נוסף או כבסיס לדיון. -> מצאו את [קוד ההתנהגות שלנו](CODE_OF_CONDUCT.md), [הנחיות לתרומה](CONTRIBUTING.md), [תרגום](TRANSLATIONS.md) ו-[פתרון בעיות](TROUBLESHOOTING.md). נשמח לקבל את המשוב הבונה שלכם! +> מצאו את [קוד ההתנהגות שלנו](CODE_OF_CONDUCT.md), [הנחיות לתרומה](CONTRIBUTING.md), [תרגומים](TRANSLATIONS.md) ו[פתרון תקלות](TROUBLESHOOTING.md). נשמח לקבל משוב בונה! ## כל שיעור כולל -- שרטוט אופציונלי -- וידאו משלים אופציונלי -- סרטון הסבר (רק בחלק מהשיעורים) +- סקיצת הערות אופציונלית +- וידאו נוסף אופציונלי +- הדרכת וידאו (בחלק מהשיעורים בלבד) - [מבחן חימום לפני ההרצאה](https://ff-quizzes.netlify.app/en/ml/) - שיעור כתוב -- בשיעורים מבוססי פרויקטים, מדריכים שלב-אחר-שלב לבניית הפרויקט +- בשיעורים מבוססי פרויקט, מדריכים שלב-אחר-שלב לבניית הפרויקט - בדיקות ידע - אתגר - קריאה משלימה - מטלה - [מבחן לאחר ההרצאה](https://ff-quizzes.netlify.app/en/ml/) -> **הערה על שפות**: שיעורים אלה כתובים בעיקר בפייתון, אך רבים זמינים גם ב-R. כדי להשלים שיעור R, כנסו לתיקיית `/solution` וחפשו שיעורי R. הם כוללים סיומת .rmd המייצגת קובץ **R Markdown** שמהווה במובן פשוט שילוב של `חלקי קוד` (של R או שפות אחרות) ו-`כותרת YAML` (המנחה כיצד לעצב פלטים כמו PDF) במסמך `Markdown`. ככזה, הוא משמש כמסגרת מחברת דוגמה למדעי המחשב כי הוא מאפשר לשלב את הקוד שלך, הפלט שלו, והמחשבות שלך על ידי כתיבתן ב-Markdown. בנוסף, ניתן להמיר מסמכי R Markdown לפורמטים שונים כגון PDF, HTML או Word. -> **הערה לגבי מבחנים**: כל המבחנים נמצאים בתיקיית [Quiz App folder](../../quiz-app), הכוללת בסך הכל 52 מבחנים עם שלוש שאלות כל אחד. הם מקושרים מתוך השיעורים אך ניתן להריץ את אפליקציית המבחנים מקומית; עקבו אחרי ההוראות שבתיקיית `quiz-app` כדי לארח או לפרוס מקומית או על Azure. +> **הערה לגבי שפות**: השיעורים כתובים בעיקר בפייתון אך רבים זמינים גם ב-R. כדי להשלים שיעור ב-R, עברו לתיקיית `/solution` וחפשו שיעורי R. הם כוללים סיומת .rmd שמייצגת קובץ **R Markdown** הנחשב למסגרת יוצרת לשילוב קטעי קוד (של R או שפות נוספות) וכותרת YAML (המנחה כיצד לעצב פלטים כגון PDF) במסמך Markdown. כך ניתן לשלב את הקוד, הפלט והמחשבות שלכם בכתיבה ב-Markdown. בנוסף, מסמכי R Markdown ניתנים להמרה לפורמטי פלט כמו PDF, HTML או Word. +> **הערה לגבי חידונים**: כל החידונים נמצאים בתיקיית [Quiz App folder](../../quiz-app), סה"כ 52 חידונים עם שלוש שאלות בכל אחד. הם מקושרים מתוך השיעורים, אך ניתן להפעיל את אפליקציית החידון באופן מקומי; יש לעקוב אחר ההוראות שבתיקיית `quiz-app` לארח או לפרוס ל-Azure באופן מקומי. -| מספר השיעור | נושא | קיבוץ שיעורים | מטרות הלמידה | שיעור מקושר | מחבר | +| מספר שיעור | נושא | קיבוץ שיעור | מטרות למידה | שיעור מקושר | מחבר | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | -| 01 | מבוא ללמידת מכונה | [מבוא](1-Introduction/README.md) | למדו את המושגים הבסיסיים שמאחורי למידת מכונה | [שיעור](1-Introduction/1-intro-to-ML/README.md) | מוחמד | -| 02 | היסטוריית למידת מכונה | [מבוא](1-Introduction/README.md) | למדו את ההיסטוריה שעומדת בבסיס התחום | [שיעור](1-Introduction/2-history-of-ML/README.md) | ג'ן ואיימי | -| 03 | הוגנות ולמידת מכונה | [מבוא](1-Introduction/README.md) | מהם הנושאים הפילוסופיים החשובים סביב הוגנות שסטודנטים צריכים לשקול בעת בניה ויישום של מודלים ללמידת מכונה? | [שיעור](1-Introduction/3-fairness/README.md) | טומומי | -| 04 | טכניקות ללמידת מכונה | [מבוא](1-Introduction/README.md) | אילו טכניקות חוקרי למידת מכונה משתמשים כדי לבנות מודלים? | [שיעור](1-Introduction/4-techniques-of-ML/README.md) | כריס וג'ן | -| 05 | מבוא לרגרסיה | [רגרסיה](2-Regression/README.md) | התחילו עם Python ו-Scikit-learn למודלי רגרסיה | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | ג'ן • אריק וanjau | -| 06 | מחירי דלעות בצפון אמריקה 🎃 | [רגרסיה](2-Regression/README.md) | ראו וויזואלית ונקו נתונים כהכנה ללמידת מכונה | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | ג'ן • אריק וanjau | -| 07 | מחירי דלעות בצפון אמריקה 🎃 | [רגרסיה](2-Regression/README.md) | בנו מודלים של רגרסיה לינארית ופולינומית | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | ג'ן ודמיטרי • אריק וanjau | -| 08 | מחירי דלעות בצפון אמריקה 🎃 | [רגרסיה](2-Regression/README.md) | בנו מודל רגרסיה לוגיסטית | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | ג'ן • אריק וanjau | -| 09 | אפליקציית ווב 🔌 | [אפליקציית ווב](3-Web-App/README.md) | בנו אפליקציית ווב לשימוש במודל שאומן | [Python](3-Web-App/1-Web-App/README.md) | ג'ן | -| 10 | מבוא לסיווג | [סיווג](4-Classification/README.md) | נקה, הכין, והצג את הנתונים שלך; מבוא לסיווג | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | ג'ן וקסי • אריק וanjau | -| 11 | מטבחים אסייתיים והודים טעימים 🍜 | [סיווג](4-Classification/README.md) | מבוא לממיינים | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | ג'ן וקסי • אריק וanjau | -| 12 | מטבחים אסייתיים והודים טעימים 🍜 | [סיווג](4-Classification/README.md) | עוד ממיינים | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | ג'ן וקסי • אריק וanjau | -| 13 | מטבחים אסייתיים והודים טעימים 🍜 | [סיווג](4-Classification/README.md) | בנו אפליקציית ווב להמלצות תוך שימוש במודל שלכם | [Python](4-Classification/4-Applied/README.md) | ג'ן | -| 14 | מבוא לקיבוץ | [קיבוץ](5-Clustering/README.md) | נקה, הכין, והצג את הנתונים שלך; מבוא לקיבוץ | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | ג'ן • אריק וanjau | -| 15 | חקר טעמי מוזיקה ניגרית 🎧 | [קיבוץ](5-Clustering/README.md) | חקור את שיטת קיבוץ K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | ג'ן • אריק וanjau | -| 16 | מבוא לעיבוד שפה טבעית ☕️ | [עיבוד שפה טבעית](6-NLP/README.md) | למדו את היסודות על NLP על ידי בניית בוט פשוט | [Python](6-NLP/1-Introduction-to-NLP/README.md) | סטיבן | -| 17 | משימות NLP נפוצות ☕️ | [עיבוד שפה טבעית](6-NLP/README.md) | העמיקו את הידע ב-NLP על ידי הבנת משימות נפוצות הנדרשות לעבודה עם מבני שפה | [Python](6-NLP/2-Tasks/README.md) | סטיבן | -| 18 | תרגום וניתוח סנטימנט ♥️ | [עיבוד שפה טבעית](6-NLP/README.md) | תרגום וניתוח סנטימנט עם ג'יין אוסטן | [Python](6-NLP/3-Translation-Sentiment/README.md) | סטיבן | -| 19 | בתי מלון רומנטיים באירופה ♥️ | [עיבוד שפה טבעית](6-NLP/README.md) | ניתוח סנטימנט עם ביקורות על בתי מלון 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | סטיבן | -| 20 | בתי מלון רומנטיים באירופה ♥️ | [עיבוד שפה טבעית](6-NLP/README.md) | ניתוח סנטימנט עם ביקורות על בתי מלון 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | סטיבן | -| 21 | מבוא לחיזוי סדרות זמן | [סדרות זמן](7-TimeSeries/README.md) | מבוא לחיזוי סדרות זמן | [Python](7-TimeSeries/1-Introduction/README.md) | פראנססקה | -| 22 | ⚡️ שימוש חשמל עולמי ⚡️ - חיזוי סדרות זמן עם ARIMA | [סדרות זמן](7-TimeSeries/README.md) | חיזוי סדרות זמן עם ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | פראנססקה | -| 23 | ⚡️ שימוש חשמל עולמי ⚡️ - חיזוי סדרות זמן עם SVR | [סדרות זמן](7-TimeSeries/README.md) | חיזוי סדרות זמן עם רגראסור וקטור תמיכה | [Python](7-TimeSeries/3-SVR/README.md) | אנירבן | -| 24 | מבוא ללמידת חיזוק | [למידת חיזוק](8-Reinforcement/README.md) | מבוא ללמידת חיזוק עם Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | דמיטרי | -| 25 | עזרו לפיטר להימנע מהזאב! 🐺 | [למידת חיזוק](8-Reinforcement/README.md) | למידת חיזוק עם Gym | [Python](8-Reinforcement/2-Gym/README.md) | דמיטרי | -| נספח | תרחישים ויישומים של למידת מכונה בעולם האמיתי | [למידת מכונה בשטח](9-Real-World/README.md) | יישומים מעניינים וחושפניים של למידת מכונה קלאסית | [שיעור](9-Real-World/1-Applications/README.md) | צוות | -| נספח | איתור תקלות במודלים של למידת מכונה עם לוח בקרה של RAI | [למידת מכונה בשטח](9-Real-World/README.md) | איתור תקלות במודלים של למידת מכונה באמצעות רכיבי לוח הבקרה של Responsible AI | [שיעור](9-Real-World/2-Debugging-ML-Models/README.md) | רות יקובו | +| 01 | מבוא ללמידת מכונה | [Introduction](1-Introduction/README.md) | ללמוד את המושגים הבסיסיים מאחורי למידת מכונה | [Lesson](1-Introduction/1-intro-to-ML/README.md) | מוחמד | +| 02 | היסטוריה של למידת מכונה | [Introduction](1-Introduction/README.md) | ללמוד את ההיסטוריה שמאחורי תחום זה | [Lesson](1-Introduction/2-history-of-ML/README.md) | ג'ן ואיימי | +| 03 | הוגנות ולמידת מכונה | [Introduction](1-Introduction/README.md) | מהם הסוגיות הפילוסופיות החשובות סביב הוגנות שעל הסטודנטים לשקול כשבונים ומיישמים מודלי למידת מכונה? | [Lesson](1-Introduction/3-fairness/README.md) | טומומי | +| 04 | טכניקות ללמידת מכונה | [Introduction](1-Introduction/README.md) | אילו טכניקות חוקרי למידת מכונה משתמשים כדי לבנות מודלי למידה? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | כריס וג'ן | +| 05 | מבוא לרגרסיה | [Regression](2-Regression/README.md) | להתחיל עם Python ו-Scikit-learn עבור מודלי רגרסיה | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | ג'ן • אריק ואנג'או | +| 06 | מחירי דלעות בצפון אמריקה 🎃 | [Regression](2-Regression/README.md) | ויזואליזציה וניקוי נתונים כהכנה ללמידת מכונה | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | ג'ן • אריק ואנג'או | +| 07 | מחירי דלעות בצפון אמריקה 🎃 | [Regression](2-Regression/README.md) | בניית מודלי רגרסיה לינארית ופולינומיאלית | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | ג'ן ודמיטרי • אריק ואנג'או | +| 08 | מחירי דלעות בצפון אמריקה 🎃 | [Regression](2-Regression/README.md) | בניית מודל רגרסיה לוגיסטית | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | ג'ן • אריק ואנג'או | +| 09 | אפליקציית ווב 🔌 | [Web App](3-Web-App/README.md) | בניית אפליקציית ווב לשימוש במודל שאומן | [Python](3-Web-App/1-Web-App/README.md) | ג'ן | +| 10 | מבוא לסיווג | [Classification](4-Classification/README.md) | ניקוי, הכנה, ויזואליזציה של הנתונים; מבוא לסיווג | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | ג'ן וקאסי • אריק ואנג'או | +| 11 | מטבחים אסייתיים והודיים טעימים 🍜 | [Classification](4-Classification/README.md) | מבוא לממיינים | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | ג'ן וקאסי • אריק ואנג'או | +| 12 | מטבחים אסייתיים והודיים טעימים 🍜 | [Classification](4-Classification/README.md) | ממיינים נוספים | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | ג'ן וקאסי • אריק ואנג'או | +| 13 | מטבחים אסייתיים והודיים טעימים 🍜 | [Classification](4-Classification/README.md) | בניית אפליקציית ווב להמלצות באמצעות המודל שלך | [Python](4-Classification/4-Applied/README.md) | ג'ן | +| 14 | מבוא לקיבוץ | [Clustering](5-Clustering/README.md) | ניקוי, הכנה וויזואליזציה של הנתונים; מבוא לקיבוץ | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | ג'ן • אריק ואנג'או | +| 15 | חקירת טעימות מוזיקליות מניגריה 🎧 | [Clustering](5-Clustering/README.md) | חקר שיטת קי-מין לקיבוץ | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | ג'ן • אריק ואנג'או | +| 16 | מבוא לעיבוד שפה טבעית ☕️ | [Natural language processing](6-NLP/README.md) | ללמוד את היסודות של NLP על ידי בניית בוט פשוט | [Python](6-NLP/1-Introduction-to-NLP/README.md) | סטיבן | +| 17 | משימות NLP נפוצות ☕️ | [Natural language processing](6-NLP/README.md) | להעמיק את הידע ב-NLP בהבנת המשימות הנפוצות הדרושות בעבודה עם מבני שפה | [Python](6-NLP/2-Tasks/README.md) | סטיבן | +| 18 | תרגום וניתוח סנטימנט ♥️ | [Natural language processing](6-NLP/README.md) | תרגום וניתוח סנטימנט עם ג'יין אוסטין | [Python](6-NLP/3-Translation-Sentiment/README.md) | סטיבן | +| 19 | בתי מלון רומנטיים באירופה ♥️ | [Natural language processing](6-NLP/README.md) | ניתוח סנטימנט עם ביקורות על בתי מלון 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | סטיבן | +| 20 | בתי מלון רומנטיים באירופה ♥️ | [Natural language processing](6-NLP/README.md) | ניתוח סנטימנט עם ביקורות על בתי מלון 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | סטיבן | +| 21 | מבוא לחזוי סדרות זמנים | [Time series](7-TimeSeries/README.md) | מבוא לחזוי סדרות זמנים | [Python](7-TimeSeries/1-Introduction/README.md) | פרנצ'סקה | +| 22 | ⚡️ צריכת חשמל עולמית ⚡️ - חזוי סדרות זמנים עם ARIMA | [Time series](7-TimeSeries/README.md) | חזוי סדרות זמנים עם ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | פרנצ'סקה | +| 23 | ⚡️ צריכת חשמל עולמית ⚡️ - חזוי סדרות זמנים עם SVR | [Time series](7-TimeSeries/README.md) | חזוי סדרות זמנים עם מפענח וקטור תמיכה | [Python](7-TimeSeries/3-SVR/README.md) | אנירבן | +| 24 | מבוא ללמידה מחוזקת | [Reinforcement learning](8-Reinforcement/README.md) | מבוא ללמידה מחוזקת עם Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | דמיטרי | +| 25 | סייעו לפיטר להימנע מהזאב! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | למידה מחוזקת Gym | [Python](8-Reinforcement/2-Gym/README.md) | דמיטרי | +| אפילוג | תרחישי למידת מכונה מהעולם האמיתי | [ML in the Wild](9-Real-World/README.md) | יישומים מאתגרים ומגרים של למידת מכונה קלאסית | [Lesson](9-Real-World/1-Applications/README.md) | צוות | +| אפילוג | איתור באגים במודלי למידת מכונה בשימוש בלוח RAI | [ML in the Wild](9-Real-World/README.md) | איתור באגים במודלי למידת מכונה באמצעות לוח בקרה של Responsible AI | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | רות יקובו | > [מצאו את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## גישה לא מקוונת -ניתן להפעיל תיעוד זה לא מקוון באמצעות [Docsify](https://docsify.js.org/#/). עשו פורק למאגר זה, [התקינו Docsify](https://docsify.js.org/#/quickstart) במחשב המקומי שלכם, ואז בתיקיית השורש של המאגר, הקלידו `docsify serve`. האתר יופעל על פורט 3000 בכתובת localhost: `localhost:3000`. +ניתן להפעיל תיעוד זה במצב לא מקוון על ידי שימוש ב-[Docsify](https://docsify.js.org/#/). עשו fork של המאגר הזה, [התקינו את Docsify](https://docsify.js.org/#/quickstart) במחשב המקומי שלכם, ואז בתיקיית השורש של מאגר זה, הקלידו `docsify serve`. האתר יוגש על פורט 3000 ב-localhost שלכם: `localhost:3000`. ## קבצי PDF מצאו קובץ pdf של תוכנית הלימודים עם קישורים [כאן](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). -## 🎒 קורסים נוספים +## 🎒 קורסים אחרים -צוותנו מייצר קורסים נוספים! בדקו: +הצוות שלנו מייצר קורסים נוספים! בדקו: ### LangChain [![LangChain4j למתחילים](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) [![LangChain.js למתחילים](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) - +[![LangChain למתחילים](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / סוכנים @@ -180,44 +180,44 @@ Advocates ענן במיקרוסופט מתרגשים להציע תוכנית ש --- -### סדרת AI יצירתית -[![אינטליגנציה מלאכותית יוצרת למתחילים](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![אינטליגנציה מלאכותית יוצרת (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![אינטליגנציה מלאכותית יוצרת (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) -[![אינטליגנציה מלאכותית יוצרת (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) +### סדרת AI יוצרת +[![בינה מלאכותית יוצרת למתחילים](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![בינה מלאכותית יוצרת (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![בינה מלאכותית יוצרת (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![בינה מלאכותית יוצרת (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- -### למידה בסיסית +### לימוד ליבה [![למידת מכונה למתחילים](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [![מדעי הנתונים למתחילים](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![אינטליגנציה מלאכותית למתחילים](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![בינה מלאכותית למתחילים](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) [![אבטחת סייבר למתחילים](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) [![פיתוח ווב למתחילים](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) -[![אינטרנט של חפצים למתחילים](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) +[![אינטרנט של הדברים למתחילים](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) [![פיתוח XR למתחילים](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### סדרת Copilot -[![Copilot לתכנות בשותפות עם AI](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![Copilot לתכנות זוגי בינה מלאכותית](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [![Copilot ל-C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [![הרפתקאות Copilot](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## לקבלת עזרה -אם אתה נתקע או יש לך שאלות בנוגע לבניית אפליקציות AI, הצטרף ללומדים אחרים ולמפתחים מנוסים בדיונים על MCP. זו קהילה תומכת שבה שאלות מתקבלות בברכה והידע משותף בחופשיות. +אם אתה נתקל בקושי או יש לך שאלות לגבי בניית אפליקציות בינה מלאכותית. הצטרף ללומדים אחרים ולמפתחים מנוסים בדיונים על MCP. זוהי קהילה תומכת שבה שאלות מתקבלות בברכה והידע משותף בחופשיות. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -אם יש לך משוב על מוצר או שגיאות במהלך הבנייה, בקר: +אם יש לך משוב על המוצר או שגיאות בזמן הבנייה בקר ב: -[![פורום מפתחים Microsoft Foundry](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**כתב ויתור**: -מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית [Co-op Translator](https://github.com/Azure/co-op-translator). למרות שאנו שואפים לדייק, אנא שימו לב כי תרגומים אוטומטיים עלולים להכיל שגיאות או אי-דיוקים. המסמך המקורי בשפת המקור שלו חייב להיחשב כמקור סמכותי. עבור מידע קריטי מומלץ להשתמש בתרגום מקצועי אנושי. אנו לא אחראים לכל אי-הבנה או פרשנות שגויה הנובעת משימוש בתרגום זה. +**הצהרת אחריות**: +מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית [Co-op Translator](https://github.com/Azure/co-op-translator). למרות שאנו משתדלים לדייק, יש לקחת בחשבון שתרגומים אוטומטיים עלולים להכיל טעויות או אי־דיוקים. המסמך המקורי בשפת המקור שלו הוא המקור הרשמי והמהימן. למידע קריטי מומלץ להשתמש בתרגום מקצועי על ידי אדם. אנו לא נושאים באחריות לכל טעות או אי־הבנה הנובעים משימוש בתרגום זה. \ No newline at end of file diff --git a/translations/nl/.co-op-translator.json b/translations/nl/.co-op-translator.json index ac3707e9a..75ebf3a86 100644 --- a/translations/nl/.co-op-translator.json +++ b/translations/nl/.co-op-translator.json @@ -540,8 +540,8 @@ "language_code": "nl" }, "README.md": { - "original_hash": "da2ceed62f16a0820259556e3a873c95", - "translation_date": "2026-01-29T18:37:35+00:00", + "original_hash": "2f594ee136e3127a47f56d80055227bc", + "translation_date": "2026-02-06T08:34:07+00:00", "source_file": "README.md", "language_code": "nl" }, diff --git a/translations/nl/README.md b/translations/nl/README.md index da19698f6..bd1df4198 100644 --- a/translations/nl/README.md +++ b/translations/nl/README.md @@ -1,23 +1,23 @@ -[![GitHub-licentie](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) -[![GitHub bijdragers](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) -[![GitHub problemen](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) -[![GitHub pull-verzoeken](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) -[![PRs welkom](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) +[![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) +[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) +[![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) +[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) +[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -[![GitHub volgers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) +[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) [![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) -[![GitHub sterren](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) +[![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) -### 🌐 Meertalige Ondersteuning +### 🌐 Meertalige ondersteuning -#### Ondersteund via GitHub Action (Geautomatiseerd & Altijd Up-to-Date) +#### Ondersteund via GitHub Action (Geautomatiseerd & Altijd Actueel) -[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinees (Vereenvoudigd)](../zh-CN/README.md) | [Chinees (Traditioneel, Hong Kong)](../zh-HK/README.md) | [Chinees (Traditioneel, Macau)](../zh-MO/README.md) | [Chinees (Traditioneel, Taiwan)](../zh-TW/README.md) | [Kroatisch](../hr/README.md) | [Tsjechisch](../cs/README.md) | [Deens](../da/README.md) | [Nederlands](./README.md) | [Ests](../et/README.md) | [Fins](../fi/README.md) | [Frans](../fr/README.md) | [Duits](../de/README.md) | [Grieks](../el/README.md) | [Hebreeuws](../he/README.md) | [Hindi](../hi/README.md) | [Hongaars](../hu/README.md) | [Indonesisch](../id/README.md) | [Italiaans](../it/README.md) | [Japans](../ja/README.md) | [Kannada](../kn/README.md) | [Koreaans](../ko/README.md) | [Litouws](../lt/README.md) | [Maleis](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepalees](../ne/README.md) | [Nigeriaans Pidgin](../pcm/README.md) | [Noors](../no/README.md) | [Perzisch (Farsi)](../fa/README.md) | [Pools](../pl/README.md) | [Portugees (Brazilië)](../pt-BR/README.md) | [Portugees (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Roemeens](../ro/README.md) | [Russisch](../ru/README.md) | [Servisch (Cyrillisch)](../sr/README.md) | [Slowaaks](../sk/README.md) | [Sloveens](../sl/README.md) | [Spaans](../es/README.md) | [Swahili](../sw/README.md) | [Zweeds](../sv/README.md) | [Tagalog (Filipijns)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turks](../tr/README.md) | [Oekraïens](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamees](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](./README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) > **Lieber lokaal klonen?** -> Deze repository bevat vertalingen in meer dan 50 talen, wat de downloadgrootte aanzienlijk vergroot. Om zonder vertalingen te klonen, gebruik sparse checkout: +> Deze repository bevat meer dan 50 taalvertalingen, waardoor de downloadgrootte aanzienlijk toeneemt. Om zonder vertalingen te klonen, gebruik je sparse checkout: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > cd ML-For-Beginners @@ -26,27 +26,27 @@ > Dit geeft je alles wat je nodig hebt om de cursus te voltooien met een veel snellere download. -#### Word Lid van Onze Community +#### Sluit je aan bij onze gemeenschap [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -We hebben een doorlopende Discord 'learn with AI' serie, leer er meer over en doe mee op [Learn with AI Series](https://aka.ms/learnwithai/discord) van 18 - 30 september 2025. Je krijgt tips en trucs voor het gebruik van GitHub Copilot voor Data Science. +We hebben een doorlopende Discord leer met AI-serie, leer meer en doe mee op [Learn with AI Series](https://aka.ms/learnwithai/discord) van 18 - 30 september 2025. Je krijgt tips en trucs voor het gebruik van GitHub Copilot voor Data Science. ![Learn with AI series](../../translated_images/nl/3.9b58fd8d6c373c20.webp) -# Machine Learning voor Beginners - Een Curriculum +# Machine Learning voor Beginners - Een curriculum -> 🌍 Reis de wereld rond terwijl we Machine Learning verkennen via wereldculturen 🌍 +> 🌍 Reis rond de wereld terwijl we Machine Learning verkennen via wereldculturen 🌍 -Cloud Advocates bij Microsoft bieden graag een 12-weeks, 26-lessen curriculum aan dat volledig over **Machine Learning** gaat. In dit curriculum leer je over wat soms **klassieke machine learning** wordt genoemd, waarbij voornamelijk Scikit-learn wordt gebruikt als bibliotheek en deep learning wordt vermeden, dat behandeld wordt in ons [AI voor Beginners' curriculum](https://aka.ms/ai4beginners). Koppel deze lessen ook aan ons ['Data Science voor Beginners' curriculum](https://aka.ms/ds4beginners)! +Cloud Advocates bij Microsoft bieden met plezier een 12-weekse, 26-les curriculum aan over **Machine Learning**. In dit curriculum leer je over wat soms wordt genoemd **klassieke machine learning**, waarbij voornamelijk Scikit-learn als bibliotheek wordt gebruikt en deep learning wordt vermeden, dat wordt behandeld in ons [AI voor Beginners' curriculum](https://aka.ms/ai4beginners). Combineer deze lessen ook met ons ['Data Science voor Beginners' curriculum](https://aka.ms/ds4beginners)! -Reis met ons mee over de wereld terwijl we deze klassieke technieken toepassen op data uit vele werelddelen. Elke les bevat pre- en post-les quizzes, geschreven instructies om de les te voltooien, een oplossing, een opdracht en meer. Onze projectgebaseerde pedagogiek stelt je in staat te leren terwijl je bouwt, een bewezen manier om nieuwe vaardigheden goed te beklijven. +Reis met ons rond de wereld terwijl we deze klassieke technieken toepassen op data uit vele delen van de wereld. Elke les bevat voorafgaande en nagekomen quizzen, geschreven instructies om de les te voltooien, een oplossing, een opdracht en meer. Onze project-gebaseerde pedagogiek stelt je in staat te leren terwijl je bouwt, een bewezen manier om nieuwe vaardigheden te laten 'plakken'. **✍️ Hartelijke dank aan onze auteurs** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu en Amy Boyd -**🎨 Ook dank aan onze illustratoren** Tomomi Imura, Dasani Madipalli, en Jen Looper +**🎨 Dank ook aan onze illustratoren** Tomomi Imura, Dasani Madipalli en Jen Looper -**🙏 Speciale dank 🙏 aan onze Microsoft Student Ambassador auteurs, reviewers en inhoudsbijdragers**, met name Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, en Snigdha Agarwal +**🙏 Speciale dank 🙏 aan onze Microsoft Student Ambassador auteurs, reviewers en inhoudbijdragers**, in het bijzonder Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila en Snigdha Agarwal **🤩 Extra dank aan Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi en Vidushi Gupta voor onze R-lessen!** @@ -56,162 +56,162 @@ Volg deze stappen: 1. **Fork de Repository**: Klik op de knop "Fork" rechtsboven op deze pagina. 2. **Clone de Repository**: `git clone https://github.com/microsoft/ML-For-Beginners.git` -> [vind alle aanvullende bronnen voor deze cursus in onze Microsoft Learn collectie](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [vind alle extra bronnen voor deze cursus in onze Microsoft Learn-collectie](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -> 🔧 **Heb je hulp nodig?** Raadpleeg onze [Probleemoplossingsgids](TROUBLESHOOTING.md) voor oplossingen van veelvoorkomende installatie-, setup- en lesuitvoeringsproblemen. +> 🔧 **Hulp nodig?** Bekijk onze [Probleemoplossingsgids](TROUBLESHOOTING.md) voor oplossingen voor veelvoorkomende problemen met installatie, setup en het uitvoeren van lessen. -**[Studenten](https://aka.ms/student-page)**, om dit curriculum te gebruiken, fork de hele repo naar je eigen GitHub-account en voltooi de oefeningen alleen of met een groep: +**[Studenten](https://aka.ms/student-page)**, om dit curriculum te gebruiken, fork je de hele repo naar je eigen GitHub-account en maak je de oefeningen zelf of met een groep: -- Begin met een pre-college quiz. -- Lees de les en voltooi de activiteiten, pauzeer en reflecteer bij elke kenniscontrole. -- Probeer de projecten te maken door de lessen te begrijpen in plaats van simpelweg de oplossing te draaien; die code is echter beschikbaar in de `/solution` mappen bij elke projectgerichte les. -- Maak de post-college quiz. -- Voltooi de challenge. -- Voltooi de opdracht. -- Na het voltooien van een lesgroep, bezoek het [Discussiebord](https://github.com/microsoft/ML-For-Beginners/discussions) en "leer hardop" door het invullen van de bijbehorende PAT-rubric. Een 'PAT' is een Progress Assessment Tool, een rubric die je invult om je leren verder te brengen. Je kunt ook reageren op andere PAT's zodat we samen kunnen leren. +- Begin met een quiz voorafgaand aan de les. +- Lees de les en maak de activiteiten, pauzeer en reflecteer bij elke kenniscontrole. +- Probeer de projecten te maken door de lessen te begrijpen in plaats van de oplossingcode uit te voeren; die code is echter beschikbaar in de `/solution` mappen bij elke projectgerichte les. +- Maak de quiz na de les. +- Maak de uitdaging. +- Maak de opdracht. +- Na het afronden van een lesgroep, bezoek het [Discussiebord](https://github.com/microsoft/ML-For-Beginners/discussions) en "leer hardop" door de gepaste PAT-rubric in te vullen. Een 'PAT' is een Progress Assessment Tool die een rubric is die je invult om je leren te verdiepen. Je kunt ook reageren op andere PAT's zodat we samen kunnen leren. -> Voor verdere studie raden we aan deze [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modules en leerpaden te volgen. +> Voor verdere studie raden we aan deze [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modules en leerroutes te volgen. -**Docenten**, we hebben [enkele suggesties opgenomen](for-teachers.md) over hoe je dit curriculum kunt gebruiken. +**Docenten**, we hebben [enkele suggesties opgenomen](for-teachers.md) over hoe dit curriculum te gebruiken. --- ## Video walkthroughs -Sommige lessen zijn beschikbaar als korte video's. Je vindt deze inline in de lessen, of op de [ML voor Beginners afspeellijst op het Microsoft Developer YouTube-kanaal](https://aka.ms/ml-beginners-videos) door op de afbeelding hieronder te klikken. +Sommige lessen zijn beschikbaar als korte video's. Je kunt ze allemaal inline vinden in de lessen, of op de [ML voor Beginners afspeellijst op het Microsoft Developer YouTube-kanaal](https://aka.ms/ml-beginners-videos) door op de onderstaande afbeelding te klikken. -[![ML voor beginners banner](../../translated_images/nl/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) +[![ML for beginners banner](../../translated_images/nl/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- -## Maak kennis met het Team +## Ontmoet het team [![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) **Gif door** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 Klik op de afbeelding hierboven voor een video over het project en de mensen die het gemaakt hebben! +> 🎥 Klik op de afbeelding hierboven voor een video over het project en de mensen die het hebben gemaakt! --- ## Pedagogiek -We hebben gekozen voor twee pedagogische principes bij het bouwen van dit curriculum: zorgen dat het hands-on **project-gebaseerd** is en dat het **frequente quizzes** bevat. Daarnaast heeft dit curriculum een gemeenschappelijk **thema** voor samenhang. +We hebben twee pedagogische principes gekozen tijdens het bouwen van dit curriculum: ervoor zorgen dat het hands-on **project-gebaseerd** is en dat het **frequente quizzen** bevat. Daarnaast heeft dit curriculum een gemeenschappelijk **thema** om het samenhangend te maken. -Door ervoor te zorgen dat de inhoud aansluit op projecten, wordt het proces boeiender voor studenten en wordt het vasthouden van concepten versterkt. Daarnaast stelt een quiz met lage inzet vóór de les de intentie van de student om een onderwerp te leren, terwijl een tweede quiz na de les verdere retentie waarborgt. Dit curriculum is ontworpen om flexibel en leuk te zijn en kan geheel of gedeeltelijk worden gevolgd. De projecten beginnen klein en worden steeds complexer aan het eind van de 12 weken cyclus. Dit curriculum bevat ook een nageschrift over toepassingen van ML in de echte wereld, dat kan worden gebruikt als extra opdracht of als basis voor discussie. +Door ervoor te zorgen dat de inhoud aansluit bij projecten, wordt het proces aantrekkelijker voor studenten en wordt het onthouden van concepten versterkt. Daarnaast zet een quiz met lage inzet vóór een les de intentie van de student op het leren van een onderwerp, terwijl een tweede quiz na de les verdere retentie waarborgt. Dit curriculum is ontworpen om flexibel en leuk te zijn en kan geheel of gedeeltelijk worden gevolgd. De projecten beginnen klein en worden steeds complexer tegen het einde van de 12-weekse cyclus. Dit curriculum bevat ook een naschrift over toepassingen in de echte wereld van ML, wat kan worden gebruikt als extra krediet of als basis voor discussie. -> Vind onze [Gedragscode](CODE_OF_CONDUCT.md), [Bijdragen](CONTRIBUTING.md), [Vertalingen](TRANSLATIONS.md) en [Probleemoplossing](TROUBLESHOOTING.md) richtlijnen. We verwelkomen je opbouwende feedback! +> Raadpleeg onze [Gedragscode](CODE_OF_CONDUCT.md), [Bijdragen](CONTRIBUTING.md), [Vertalingen](TRANSLATIONS.md) en [Probleemoplossing](TROUBLESHOOTING.md) richtlijnen. We verwelkomen je constructieve feedback! ## Elke les bevat -- optioneel sketchnote +- optionele sketchnote - optionele aanvullende video -- video walkthrough (sommige lessen) -- [pre-les warm-up quiz](https://ff-quizzes.netlify.app/en/ml/) +- video walkthrough (slechts sommige lessen) +- [quiz voorafgaand aan de les](https://ff-quizzes.netlify.app/en/ml/) - geschreven les -- voor project-gebaseerde lessen, stapsgewijze gidsen over hoe je het project opzet +- voor project-gebaseerde lessen, stapsgewijze gidsen voor het bouwen van het project - kenniscontroles - een uitdaging -- aanvullende literatuur +- aanvullende lectuur - opdracht -- [post-les quiz](https://ff-quizzes.netlify.app/en/ml/) - -> **Een opmerking over talen**: Deze lessen zijn hoofdzakelijk geschreven in Python, maar vele zijn ook beschikbaar in R. Om een R-les te voltooien, ga naar de `/solution` map en zoek bij R-lessen. Ze bevatten een .rmd extensie, wat staat voor een **R Markdown** bestand dat simpelweg kan worden gedefinieerd als een combinatie van `codeblokken` (van R of andere talen) en een `YAML-kop` (die aanstuurt hoe outputformaten, zoals PDF, opgemaakt worden) in een `Markdown-document`. Als zodanig dient het als een uitstekend auteur-framework voor datawetenschap omdat je zo je code, de output en je gedachten kunt combineren door ze in Markdown op te schrijven. Bovendien kunnen R Markdown documenten worden gerenderd naar outputformaten zoals PDF, HTML of Word. -> **Een opmerking over quizzes**: Alle quizzes staan in de [Quiz App map](../../quiz-app), in totaal 52 quizzes van elk drie vragen. Ze worden vanuit de lessen gekoppeld, maar de quizapp kan lokaal worden uitgevoerd; volg de instructies in de `quiz-app` map om lokaal te hosten of te implementeren naar Azure. - -| Lesnummer | Onderwerp | Les Groepering | Leerdoelen | Gekoppelde Les | Auteur | -| :-------: | :--------------------------------------------------------------: | :----------------------------------------------: | --------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :------------------------------------------: | -| 01 | Introductie tot machine learning | [Introductie](1-Introduction/README.md) | Leer de basisconcepten achter machine learning | [Les](1-Introduction/1-intro-to-ML/README.md) | Muhammad | -| 02 | De geschiedenis van machine learning | [Introductie](1-Introduction/README.md) | Leer de geschiedenis achter dit vakgebied | [Les](1-Introduction/2-history-of-ML/README.md) | Jen en Amy | -| 03 | Rechtvaardigheid en machine learning | [Introductie](1-Introduction/README.md) | Wat zijn belangrijke filosofische kwesties rondom rechtvaardigheid die studenten moeten overwegen bij het bouwen en toepassen van ML-modellen? | [Les](1-Introduction/3-fairness/README.md) | Tomomi | -| 04 | Technieken voor machine learning | [Introductie](1-Introduction/README.md) | Welke technieken gebruiken ML-onderzoekers om ML-modellen te bouwen? | [Les](1-Introduction/4-techniques-of-ML/README.md) | Chris en Jen | -| 05 | Introductie tot regressie | [Regressie](2-Regression/README.md) | Begin met Python en Scikit-learn voor regressiemodellen | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | -| 06 | Noord-Amerikaanse pompoenprijzen 🎃 | [Regressie](2-Regression/README.md) | Visualiseer en reinig data ter voorbereiding op ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | -| 07 | Noord-Amerikaanse pompoenprijzen 🎃 | [Regressie](2-Regression/README.md) | Bouw lineaire en polynomiale regressiemodellen | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen en Dmitry • Eric Wanjau | -| 08 | Noord-Amerikaanse pompoenprijzen 🎃 | [Regressie](2-Regression/README.md) | Bouw een logistisch regressiemodel | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | -| 09 | Een Web App 🔌 | [Web App](3-Web-App/README.md) | Bouw een webapp om je getrainde model te gebruiken | [Python](3-Web-App/1-Web-App/README.md) | Jen | -| 10 | Introductie tot classificatie | [Classificatie](4-Classification/README.md) | Reinig, bereid voor en visualiseer je data; introductie tot classificatie | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen en Cassie • Eric Wanjau | -| 11 | Heerlijke Aziatische en Indiase keukens 🍜 | [Classificatie](4-Classification/README.md) | Introductie tot classifiers | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen en Cassie • Eric Wanjau | -| 12 | Heerlijke Aziatische en Indiase keukens 🍜 | [Classificatie](4-Classification/README.md) | Meer classifiers | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen en Cassie • Eric Wanjau | -| 13 | Heerlijke Aziatische en Indiase keukens 🍜 | [Classificatie](4-Classification/README.md) | Bouw een aanbevelings-webapp met je model | [Python](4-Classification/4-Applied/README.md) | Jen | -| 14 | Introductie tot clustering | [Clustering](5-Clustering/README.md) | Reinig, bereid voor en visualiseer je data; introductie tot clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | -| 15 | Verkennen van Nigeriaanse muzikale smaken 🎧 | [Clustering](5-Clustering/README.md) | Verken de K-Means clusteringmethode | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | -| 16 | Introductie tot natuurlijke taalverwerking ☕️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Leer de basis van NLP door een eenvoudige bot te bouwen | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | -| 17 | Veelvoorkomende NLP taken ☕️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Verdiep je NLP-kennis door veelvoorkomende taken te leren die bij taalstructuren horen | [Python](6-NLP/2-Tasks/README.md) | Stephen | -| 18 | Vertaling en sentimentanalyse ♥️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Vertaling en sentimentanalyse met Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | -| 19 | Romantische hotels in Europa ♥️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Sentimentanalyse met hotelreviews 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | -| 20 | Romantische hotels in Europa ♥️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Sentimentanalyse met hotelreviews 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | -| 21 | Introductie tot tijdreeksvoorspelling | [Tijdreeks](7-TimeSeries/README.md) | Introductie tot tijdreeksvoorspelling | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | -| 22 | ⚡️ Wereld Energieverbruik ⚡️ - tijdreeksvoorspelling met ARIMA | [Tijdreeks](7-TimeSeries/README.md) | Tijdreeksvoorspelling met ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | -| 23 | ⚡️ Wereld Energieverbruik ⚡️ - tijdreeksvoorspelling met SVR | [Tijdreeks](7-TimeSeries/README.md) | Tijdreeksvoorspelling met Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | -| 24 | Introductie tot reinforcement learning | [Reinforcement learning](8-Reinforcement/README.md) | Introductie tot reinforcement learning met Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | -| 25 | Help Peter de wolf vermijden! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Reinforcement learning Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | -| Postscript | Echte ML scenario’s en toepassingen | [ML in het Wild](9-Real-World/README.md) | Interessante en onthullende toepassingen van klassieke ML in de praktijk | [Les](9-Real-World/1-Applications/README.md) | Team | -| Postscript | Model Debugging in ML met RAI-dashboard | [ML in het Wild](9-Real-World/README.md) | Model-debugging in machine learning met Responsible AI-dashboardcomponenten | [Les](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | - -> [vind alle aanvullende bronnen voor deze cursus in onze Microsoft Learn collectie](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +- [quiz na de les](https://ff-quizzes.netlify.app/en/ml/) + +> **Een opmerking over talen**: Deze lessen zijn hoofdzakelijk geschreven in Python, maar veel zijn ook beschikbaar in R. Om een R-les te voltooien, ga je naar de `/solution` map en zoek je naar R-lessen. Deze bevatten een .rmd extensie die een **R Markdown**-bestand betekent, wat eenvoudig kan worden gedefinieerd als een embedding van `codeblokken` (van R of andere talen) en een `YAML-header` (die bepaalt hoe de uitvoer zoals PDF wordt opgemaakt) in een `Markdown document`. Hierdoor dient het als een voorbeeld autoringskader voor data science, omdat het je in staat stelt je code, de uitvoer daarvan en je gedachten te combineren door ze op te schrijven in Markdown. Bovendien kunnen R Markdown-documenten worden gerenderd naar uitvoerformaten als PDF, HTML of Word. +> **Een opmerking over quizzen**: Alle quizzen bevinden zich in de [Quiz App-map](../../quiz-app), met in totaal 52 quizzen van elk drie vragen. Ze worden gekoppeld vanuit de lessen, maar de quiz-app kan lokaal worden uitgevoerd; volg de instructies in de `quiz-app`-map om lokaal te hosten of te implementeren op Azure. + +| Lesnummer | Onderwerp | Lesgroep | Leerdoelen | Gekoppelde les | Auteur | +| :-------: | :---------------------------------------------------------------: | :------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :-------------------------------------------------: | +| 01 | Introductie tot machine learning | [Introductie](1-Introduction/README.md) | Leer de basisconcepten achter machine learning | [Les](1-Introduction/1-intro-to-ML/README.md) | Muhammad | +| 02 | De geschiedenis van machine learning | [Introductie](1-Introduction/README.md) | Leer de geschiedenis achter dit vakgebied | [Les](1-Introduction/2-history-of-ML/README.md) | Jen en Amy | +| 03 | Eerlijkheid en machine learning | [Introductie](1-Introduction/README.md) | Wat zijn de belangrijke filosofische kwesties rond eerlijkheid waar studenten aan moeten denken bij het bouwen en toepassen van ML modellen? | [Les](1-Introduction/3-fairness/README.md) | Tomomi | +| 04 | Technieken voor machine learning | [Introductie](1-Introduction/README.md) | Welke technieken gebruiken ML-onderzoekers om ML-modellen te bouwen? | [Les](1-Introduction/4-techniques-of-ML/README.md) | Chris en Jen | +| 05 | Introductie tot regressie | [Regressie](2-Regression/README.md) | Begin met Python en Scikit-learn voor regressiemodellen | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | +| 06 | Noord-Amerikaanse pompoenprijzen 🎃 | [Regressie](2-Regression/README.md) | Visualiseer en reinig data ter voorbereiding op ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | +| 07 | Noord-Amerikaanse pompoenprijzen 🎃 | [Regressie](2-Regression/README.md) | Bouw lineaire en polynomiale regressiemodellen | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen en Dmitry • Eric Wanjau | +| 08 | Noord-Amerikaanse pompoenprijzen 🎃 | [Regressie](2-Regression/README.md) | Bouw een logistisch regressiemodel | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | +| 09 | Een webapp 🔌 | [Web-app](3-Web-App/README.md) | Bouw een webapp om je getrainde model te gebruiken | [Python](3-Web-App/1-Web-App/README.md) | Jen | +| 10 | Introductie tot classificatie | [Classificatie](4-Classification/README.md) | Reinig, bereid voor en visualiseer je data; introductie tot classificatie | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen en Cassie • Eric Wanjau | +| 11 | Heerlijk Aziatische en Indiase keukens 🍜 | [Classificatie](4-Classification/README.md) | Introductie tot classificators | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen en Cassie • Eric Wanjau | +| 12 | Heerlijk Aziatische en Indiase keukens 🍜 | [Classificatie](4-Classification/README.md) | Meer classificators | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen en Cassie • Eric Wanjau | +| 13 | Heerlijk Aziatische en Indiase keukens 🍜 | [Classificatie](4-Classification/README.md) | Bouw een aanbevolen webapp met je model | [Python](4-Classification/4-Applied/README.md) | Jen | +| 14 | Introductie tot clustering | [Clustering](5-Clustering/README.md) | Reinig, bereid voor en visualiseer je data; introductie tot clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | +| 15 | Verkenning van Nigeriaanse muzikale smaken 🎧 | [Clustering](5-Clustering/README.md) | Verken de K-Means clusteringmethode | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | +| 16 | Introductie tot natuurlijke taalverwerking ☕️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Leer de basis over NLP door een eenvoudige bot te bouwen | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | +| 17 | Veelvoorkomende NLP-taken ☕️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Verdiep je NLP-kennis door veelvoorkomende taken te begrijpen die nodig zijn bij het omgaan met taalstructuren | [Python](6-NLP/2-Tasks/README.md) | Stephen | +| 18 | Vertaling en sentimentanalyse ♥️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Vertaling en sentimentanalyse met Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | +| 19 | Romantische hotels in Europa ♥️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Sentimentanalyse met hotelrecensies 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | +| 20 | Romantische hotels in Europa ♥️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Sentimentanalyse met hotelrecensies 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | +| 21 | Introductie tot tijdreeksvoorspelling | [Tijdreeksen](7-TimeSeries/README.md) | Introductie tot tijdreeksvoorspelling | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | +| 22 | ⚡️ Wereldwijde energieverbruik ⚡️ - tijdreeksvoorspelling met ARIMA | [Tijdreeksen](7-TimeSeries/README.md) | Tijdreeksvoorspelling met ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | +| 23 | ⚡️ Wereldwijde energieverbruik ⚡️ - tijdreeksvoorspelling met SVR | [Tijdreeksen](7-TimeSeries/README.md) | Tijdreeksvoorspelling met Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | +| 24 | Introductie tot reinforcement learning | [Reinforcement learning](8-Reinforcement/README.md) | Introductie tot reinforcement learning met Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | +| 25 | Help Peter de wolf vermijden! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Reinforcement learning Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | +| Nawoord | Reële ML-scenario's en toepassingen | [ML in het Wild](9-Real-World/README.md) | Interessante en onthullende toepassingen uit de praktijk van klassieke ML | [Les](9-Real-World/1-Applications/README.md) | Team | +| Nawoord | Modeldebugging in ML met RAI-dashboard | [ML in het Wild](9-Real-World/README.md) | Modeldebugging in Machine Learning met componenten van Responsible AI-dashboard | [Les](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | + +> [vind alle aanvullende bronnen voor deze cursus in onze Microsoft Learn-collectie](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## Offline toegang -Je kunt deze documentatie offline gebruiken met [Docsify](https://docsify.js.org/#/). Fork deze repo, [installeer Docsify](https://docsify.js.org/#/quickstart) op je eigen machine, en typ dan in de hoofdmap van deze repo `docsify serve`. De website wordt dan bediend op poort 3000 op je localhost: `localhost:3000`. +Je kunt deze documentatie offline gebruiken met behulp van [Docsify](https://docsify.js.org/#/). Fork deze repo, [installeer Docsify](https://docsify.js.org/#/quickstart) op je lokale machine, en typ vervolgens in de hoofdmap van deze repo `docsify serve`. De website wordt geserveerd op poort 3000 op je localhost: `localhost:3000`. -## PDF’s +## PDF-bestanden Vind een pdf van het curriculum met links [hier](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). -## 🎒 Andere Cursussen +## 🎒 Andere cursussen -Ons team maakt ook andere cursussen! Bekijk: +Ons team produceert andere cursussen! Bekijk: ### LangChain -[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) -[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) - +[![LangChain4j voor Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) +[![LangChain.js voor Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) +[![LangChain voor Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agents -[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AZD voor Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Edge AI voor Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP voor Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Agents voor Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- -### Generative AI Series -[![Generatieve AI voor Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Generatieve AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![Generatieve AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) -[![Generatieve AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) +### Generatieve AI-serie +[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- ### Kernleren -[![ML voor Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![Datawetenschap voor Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![AI voor Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![Cybersecurity voor Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) -[![Webontwikkeling voor Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) -[![IoT voor Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) -[![XR Ontwikkeling voor Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) +[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) +[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) +[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) +[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) +[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- -### Copilot Serie -[![Copilot voor AI Gepaarde Programmering](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) -[![Copilot voor C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) -[![Copilot Avontuur](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) +### Copilot-serie +[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) +[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) -## Hulp Krijgen +## Hulp krijgen -Als je vastloopt of vragen hebt over het bouwen van AI-apps. Doe mee met medeleerlingen en ervaren ontwikkelaars in discussies over MCP. Het is een ondersteunende gemeenschap waar vragen welkom zijn en kennis vrij wordt gedeeld. +Als je vastloopt of vragen hebt over het bouwen van AI-apps. Doe mee met mede-leerlingen en ervaren ontwikkelaars in discussies over MCP. Het is een ondersteunende gemeenschap waar vragen welkom zijn en kennis vrij wordt gedeeld. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Als je productfeedback hebt of fouten tegenkomt tijdens het bouwen bezoek: +Als je productfeedback hebt of fouten tegenkomt tijdens het bouwen, bezoek dan: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) @@ -219,5 +219,5 @@ Als je productfeedback hebt of fouten tegenkomt tijdens het bouwen bezoek: **Disclaimer**: -Dit document is vertaald met behulp van de AI-vertalingsservice [Co-op Translator](https://github.com/Azure/co-op-translator). Hoewel we streven naar nauwkeurigheid, kan automatische vertaling fouten of onnauwkeurigheden bevatten. Het oorspronkelijke document in de oorspronkelijke taal dient als gezaghebbende bron te worden beschouwd. Voor cruciale informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor enige misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling. +Dit document is vertaald met behulp van de AI vertaaldienst [Co-op Translator](https://github.com/Azure/co-op-translator). Hoewel wij streven naar nauwkeurigheid, dient u zich ervan bewust te zijn dat geautomatiseerde vertalingen fouten of onnauwkeurigheden kunnen bevatten. Het originele document in de oorspronkelijke taal moet als de gezaghebbende bron worden beschouwd. Voor cruciale informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor enige misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling. \ No newline at end of file diff --git a/translations/vi/.co-op-translator.json b/translations/vi/.co-op-translator.json index f93d974b5..33105b3b7 100644 --- a/translations/vi/.co-op-translator.json +++ b/translations/vi/.co-op-translator.json @@ -540,8 +540,8 @@ "language_code": "vi" }, "README.md": { - "original_hash": "da2ceed62f16a0820259556e3a873c95", - "translation_date": "2026-01-29T18:40:56+00:00", + "original_hash": "2f594ee136e3127a47f56d80055227bc", + "translation_date": "2026-02-06T08:38:05+00:00", "source_file": "README.md", "language_code": "vi" }, diff --git a/translations/vi/README.md b/translations/vi/README.md index c43110caa..076d8dc33 100644 --- a/translations/vi/README.md +++ b/translations/vi/README.md @@ -1,175 +1,175 @@ -[![Giấy phép GitHub](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) -[![Người đóng góp GitHub](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) -[![Vấn đề GitHub](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) -[![Yêu cầu kéo GitHub](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) -[![Chào đón PR](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) +[![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) +[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) +[![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) +[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) +[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -[![Người theo dõi GitHub](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) -[![Forks GitHub](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) -[![Ngôi sao GitHub](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) +[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) +[![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) +[![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) -### 🌐 Hỗ trợ đa ngôn ngữ +### 🌐 Hỗ trợ Đa ngôn ngữ -#### Hỗ trợ qua GitHub Action (Tự động & Luôn cập nhật) +#### Hỗ trợ thông qua GitHub Action (Tự động & Luôn được cập nhật) -[Tiếng Ả rập](../ar/README.md) | [Tiếng Bengal](../bn/README.md) | [Tiếng Bungari](../bg/README.md) | [Tiếng Miến Điện (Myanmar)](../my/README.md) | [Tiếng Trung (Giản thể)](../zh-CN/README.md) | [Tiếng Trung (Phồn thể, Hồng Kông)](../zh-HK/README.md) | [Tiếng Trung (Phồn thể, Macau)](../zh-MO/README.md) | [Tiếng Trung (Phồn thể, Đài Loan)](../zh-TW/README.md) | [Tiếng Croatia](../hr/README.md) | [Tiếng Séc](../cs/README.md) | [Tiếng Đan Mạch](../da/README.md) | [Tiếng Hà Lan](../nl/README.md) | [Tiếng Estonia](../et/README.md) | [Tiếng Phần Lan](../fi/README.md) | [Tiếng Pháp](../fr/README.md) | [Tiếng Đức](../de/README.md) | [Tiếng Hy Lạp](../el/README.md) | [Tiếng Hebrew](../he/README.md) | [Tiếng Hindi](../hi/README.md) | [Tiếng Hungary](../hu/README.md) | [Tiếng Indonesia](../id/README.md) | [Tiếng Ý](../it/README.md) | [Tiếng Nhật](../ja/README.md) | [Tiếng Kannada](../kn/README.md) | [Tiếng Hàn](../ko/README.md) | [Tiếng Litva](../lt/README.md) | [Tiếng Mã Lai](../ms/README.md) | [Tiếng Malayalam](../ml/README.md) | [Tiếng Marathi](../mr/README.md) | [Tiếng Nepal](../ne/README.md) | [Tiếng Pidgin Nigeria](../pcm/README.md) | [Tiếng Na Uy](../no/README.md) | [Tiếng Ba Tư (Farsi)](../fa/README.md) | [Tiếng Ba Lan](../pl/README.md) | [Tiếng Bồ Đào Nha (Brazil)](../pt-BR/README.md) | [Tiếng Bồ Đào Nha (Bồ Đào Nha)](../pt-PT/README.md) | [Tiếng Punjabi (Gurmukhi)](../pa/README.md) | [Tiếng Romania](../ro/README.md) | [Tiếng Nga](../ru/README.md) | [Tiếng Serbian (Chữ Kirin)](../sr/README.md) | [Tiếng Slovakia](../sk/README.md) | [Tiếng Slovenia](../sl/README.md) | [Tiếng Tây Ban Nha](../es/README.md) | [Tiếng Swahili](../sw/README.md) | [Tiếng Thụy Điển](../sv/README.md) | [Tiếng Tagalog (Filipino)](../tl/README.md) | [Tiếng Tamil](../ta/README.md) | [Tiếng Telugu](../te/README.md) | [Tiếng Thái](../th/README.md) | [Tiếng Thổ Nhĩ Kỳ](../tr/README.md) | [Tiếng Ukraina](../uk/README.md) | [Tiếng Urdu](../ur/README.md) | [Tiếng Việt](./README.md) +[Tiếng Ả Rập](../ar/README.md) | [Tiếng Bengali](../bn/README.md) | [Tiếng Bulgaria](../bg/README.md) | [Tiếng Miến Điện (Myanmar)](../my/README.md) | [Tiếng Trung (Giản thể)](../zh-CN/README.md) | [Tiếng Trung (Phồn thể, Hồng Kông)](../zh-HK/README.md) | [Tiếng Trung (Phồn thể, Macau)](../zh-MO/README.md) | [Tiếng Trung (Phồn thể, Đài Loan)](../zh-TW/README.md) | [Tiếng Croatia](../hr/README.md) | [Tiếng Séc](../cs/README.md) | [Tiếng Đan Mạch](../da/README.md) | [Tiếng Hà Lan](../nl/README.md) | [Tiếng Estonia](../et/README.md) | [Tiếng Phần Lan](../fi/README.md) | [Tiếng Pháp](../fr/README.md) | [Tiếng Đức](../de/README.md) | [Tiếng Hy Lạp](../el/README.md) | [Tiếng Do Thái](../he/README.md) | [Tiếng Hindi](../hi/README.md) | [Tiếng Hungary](../hu/README.md) | [Tiếng Indonesia](../id/README.md) | [Tiếng Ý](../it/README.md) | [Tiếng Nhật](../ja/README.md) | [Tiếng Kannada](../kn/README.md) | [Tiếng Hàn](../ko/README.md) | [Tiếng Litva](../lt/README.md) | [Tiếng Mã Lai](../ms/README.md) | [Tiếng Malayalam](../ml/README.md) | [Tiếng Marathi](../mr/README.md) | [Tiếng Nepal](../ne/README.md) | [Tiếng Pidgin Nigeria](../pcm/README.md) | [Tiếng Na Uy](../no/README.md) | [Tiếng Ba Tư (Farsi)](../fa/README.md) | [Tiếng Ba Lan](../pl/README.md) | [Tiếng Bồ Đào Nha (Brazil)](../pt-BR/README.md) | [Tiếng Bồ Đào Nha (Bồ Đào Nha)](../pt-PT/README.md) | [Tiếng Punjabi (Gurmukhi)](../pa/README.md) | [Tiếng Romania](../ro/README.md) | [Tiếng Nga](../ru/README.md) | [Tiếng Serbia (Chữ Cyrillic)](../sr/README.md) | [Tiếng Slovak](../sk/README.md) | [Tiếng Slovenia](../sl/README.md) | [Tiếng Tây Ban Nha](../es/README.md) | [Tiếng Swahili](../sw/README.md) | [Tiếng Thụy Điển](../sv/README.md) | [Tiếng Tagalog (Filipino)](../tl/README.md) | [Tiếng Tamil](../ta/README.md) | [Tiếng Telugu](../te/README.md) | [Tiếng Thái](../th/README.md) | [Tiếng Thổ Nhĩ Kỳ](../tr/README.md) | [Tiếng Ukraina](../uk/README.md) | [Tiếng Urdu](../ur/README.md) | [Tiếng Việt](./README.md) -> **Ưa thích sao chép về máy?** +> **Thích Sao Chép Tại Máy?** -> Kho lưu trữ này bao gồm hơn 50 bản dịch ngôn ngữ điều này làm tăng đáng kể kích thước tải xuống. Để sao chép mà không tải bản dịch, hãy sử dụng sparse checkout: +> Kho lưu trữ này bao gồm hơn 50 bản dịch ngôn ngữ làm tăng đáng kể kích thước tải về. Để sao chép không bao gồm bản dịch, hãy dùng sparse checkout: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > cd ML-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` -> Điều này cung cấp cho bạn mọi thứ cần để hoàn thành khóa học với tốc độ tải nhanh hơn nhiều. +> Điều này cung cấp cho bạn mọi thứ cần thiết để hoàn thành khóa học với tốc độ tải nhanh hơn nhiều. -#### Tham gia cộng đồng của chúng tôi +#### Tham gia Cộng đồng của chúng tôi [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Chúng tôi có một chuỗi học với AI đang diễn ra trên Discord, tìm hiểu thêm và tham gia cùng chúng tôi tại [Chuỗi học với AI](https://aka.ms/learnwithai/discord) từ ngày 18 - 30 tháng 9 năm 2025. Bạn sẽ nhận được các mẹo và thủ thuật sử dụng GitHub Copilot cho Khoa học dữ liệu. +Chúng tôi có một chuỗi học tập Discord với chủ đề học cùng AI đang diễn ra, tìm hiểu thêm và tham gia cùng chúng tôi tại [Learn with AI Series](https://aka.ms/learnwithai/discord) từ ngày 18 - 30 tháng 9 năm 2025. Bạn sẽ nhận được các mẹo và thủ thuật sử dụng GitHub Copilot cho Khoa học Dữ liệu. ![Chuỗi học với AI](../../translated_images/vi/3.9b58fd8d6c373c20.webp) -# Học Máy cho Người Mới Bắt Đầu - Một Chương Trình học +# Máy Học cho Người Mới Bắt Đầu - Một Chương Trình Học -> 🌍 Du lịch vòng quanh thế giới khi chúng ta khám phá Học Máy thông qua các nền văn hóa thế giới 🌍 +> 🌍 Du lịch vòng quanh thế giới khi chúng ta khám phá Máy Học qua các nền văn hóa thế giới 🌍 -Các Cloud Advocates tại Microsoft vui mừng cung cấp một chương trình học kéo dài 12 tuần, 26 bài học toàn diện về **Học Máy**. Trong chương trình này, bạn sẽ tìm hiểu về cái gọi là **học máy cổ điển**, chủ yếu sử dụng thư viện Scikit-learn và tránh học sâu, được đề cập trong chương trình học [AI cho Người Mới Bắt Đầu](https://aka.ms/ai4beginners) của chúng tôi. Kết hợp các bài học này với chương trình ['Khoa học Dữ liệu cho Người Mới Bắt Đầu'](https://aka.ms/ds4beginners) của chúng tôi nữa nhé! +Các Nhà vận động điện toán đám mây tại Microsoft vui mừng giới thiệu một chương trình học 12 tuần với 26 bài học về **Máy học**. Trong chương trình này, bạn sẽ học về những gì đôi khi gọi là **máy học cổ điển**, chủ yếu sử dụng thư viện Scikit-learn và tránh học sâu, khía cạnh được đề cập trong chương trình [AI cho người mới bắt đầu](https://aka.ms/ai4beginners) của chúng tôi. Kết hợp các bài học này với chương trình ['Khoa học Dữ liệu cho Người Mới Bắt Đầu'](https://aka.ms/ds4beginners) của chúng tôi nữa nhé! -Hãy đi du lịch cùng chúng tôi vòng quanh thế giới khi áp dụng các kỹ thuật cổ điển này vào dữ liệu từ nhiều vùng khác nhau trên thế giới. Mỗi bài học bao gồm bài kiểm tra trước và sau bài học, các hướng dẫn viết để hoàn thành bài học, một giải pháp, một bài tập, và nhiều hơn thế nữa. Phương pháp giảng dạy dựa trên dự án cho phép bạn học trong khi xây dựng, một cách đã được chứng minh để các kỹ năng mới 'bám sâu'. +Hãy đồng hành cùng chúng tôi đi vòng quanh thế giới khi chúng ta áp dụng các kỹ thuật cổ điển này vào dữ liệu từ nhiều khu vực trên thế giới. Mỗi bài học bao gồm bài kiểm tra trước và sau bài học, hướng dẫn viết để hoàn thành bài học, giải pháp, bài tập, và hơn thế nữa. Phương pháp giảng dạy dựa trên dự án cho phép bạn học trong khi xây dựng, một cách đã được chứng minh để kỹ năng mới được ghi nhớ lâu dài. -**✍️ Xin chân thành cảm ơn các tác giả của chúng tôi** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu và Amy Boyd +**✍️ Trân trọng cảm ơn các tác giả của chúng tôi** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu và Amy Boyd -**🎨 Cảm ơn cũng gửi đến các họa sĩ minh họa** Tomomi Imura, Dasani Madipalli, và Jen Looper +**🎨 Cảm ơn các họa sĩ minh họa của chúng tôi** Tomomi Imura, Dasani Madipalli, và Jen Looper -**🙏 Cảm ơn đặc biệt 🙏 đến các Microsoft Student Ambassador là tác giả, người đánh giá và đóng góp nội dung**, đặc biệt là Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, và Snigdha Agarwal +**🙏 Đặc biệt cảm ơn 🙏 các sinh viên đại sứ Microsoft là tác giả, người đánh giá và người đóng góp nội dung**, đặc biệt là Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, và Snigdha Agarwal -**🤩 Thêm lòng biết ơn đến các Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, và Vidushi Gupta cho các bài học R của chúng tôi!** +**🤩 Thêm lòng biết ơn lớn dành cho các Đại sứ Sinh viên Microsoft Eric Wanjau, Jasleen Sondhi và Vidushi Gupta cho các bài học R của chúng tôi!** -# Bắt đầu +# Bắt Đầu -Thực hiện các bước sau: -1. **Nhánh (Fork) kho lưu trữ**: Nhấn vào nút "Fork" ở góc trên bên phải của trang này. -2. **Sao chép kho lưu trữ**: `git clone https://github.com/microsoft/ML-For-Beginners.git` +Thực hiện theo các bước sau: +1. **Fork Kho Lưu Trữ**: Nhấn nút "Fork" ở góc trên bên phải của trang này. +2. **Sao chép Kho Lưu Trữ**: `git clone https://github.com/microsoft/ML-For-Beginners.git` > [tìm tất cả tài nguyên bổ sung cho khóa học này trong bộ sưu tập Microsoft Learn của chúng tôi](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -> 🔧 **Cần giúp đỡ?** Xem [Hướng dẫn khắc phục sự cố](TROUBLESHOOTING.md) của chúng tôi để tìm giải pháp cho các vấn đề phổ biến về cài đặt, thiết lập và chạy bài học. +> 🔧 **Cần giúp đỡ?** Xem [Hướng dẫn khắc phục sự cố](TROUBLESHOOTING.md) để tìm giải pháp cho các vấn đề phổ biến về cài đặt, thiết lập và chạy bài học. -**[Sinh viên](https://aka.ms/student-page)**, để sử dụng chương trình học này, hãy fork toàn bộ repo về tài khoản GitHub của bạn và hoàn thành các bài tập một mình hoặc theo nhóm: +**[Học sinh](https://aka.ms/student-page)**, để sử dụng chương trình học này, hãy fork toàn bộ kho lưu trữ vào tài khoản GitHub của bạn và hoàn thành các bài tập một mình hoặc theo nhóm: -- Bắt đầu với một bài kiểm tra làm nóng trước bài giảng. -- Đọc bài giảng và hoàn thành các hoạt động, dừng lại và suy ngẫm ở mỗi phần kiểm tra kiến thức. -- Cố gắng tự tạo dự án bằng cách hiểu bài học thay vì chỉ chạy mã giải pháp; tuy nhiên mã giải pháp có sẵn trong thư mục `/solution` ở mỗi bài học dự án. +- Bắt đầu với bài kiểm tra trước bài giảng. +- Đọc bài giảng và hoàn thành các hoạt động, tạm dừng và suy ngẫm ở mỗi bước kiểm tra kiến thức. +- Cố gắng tạo các dự án bằng cách hiểu bài học hơn là chỉ chạy mã giải pháp; tuy nhiên mã đó có sẵn trong các thư mục `/solution` trong mỗi bài học hướng dự án. - Làm bài kiểm tra sau bài giảng. - Hoàn thành thử thách. - Hoàn thành bài tập. -- Sau khi hoàn thành một nhóm bài học, hãy truy cập [Bảng Thảo luận](https://github.com/microsoft/ML-For-Beginners/discussions) và "thể hiện việc học" bằng cách điền vào biểu mẫu PAT phù hợp. 'PAT' là Công cụ Đánh giá Tiến độ mà bạn điền để thúc đẩy việc học của mình. Bạn cũng có thể phản ứng với các PAT khác để chúng ta cùng học hỏi. +- Sau khi hoàn thành một nhóm bài học, hãy truy cập [Bảng Thảo luận](https://github.com/microsoft/ML-For-Beginners/discussions) và "học cùng nhau" bằng cách điền biểu mẫu PAT phù hợp. 'PAT' là một Công cụ Đánh Giá Tiến Độ mà bạn điền vào để củng cố việc học của mình. Bạn cũng có thể phản ứng với các PAT khác để chúng ta cùng học hỏi. -> Để học sâu hơn, chúng tôi khuyên bạn nên theo dõi các mô-đun và lộ trình học trên [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott). +> Để học sâu hơn, chúng tôi khuyên bạn làm theo các [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) module và các lộ trình học. -**Giáo viên**, chúng tôi đã [bao gồm một số gợi ý](for-teachers.md) về cách sử dụng chương trình học này. +**Giáo viên**, chúng tôi đã [bao gồm một số đề xuất](for-teachers.md) về cách sử dụng chương trình học này. --- ## Video hướng dẫn -Một số bài học có sẵn dưới dạng video ngắn. Bạn có thể tìm tất cả những video này trong bài học hoặc trên [Danh sách phát ML for Beginners trên kênh YouTube Microsoft Developer](https://aka.ms/ml-beginners-videos) bằng cách nhấp vào hình ảnh dưới đây. +Một số bài học có dạng video ngắn. Bạn có thể tìm thấy tất cả trong bài học hoặc trên [danh sách phát ML for Beginners trên kênh Microsoft Developer YouTube](https://aka.ms/ml-beginners-videos) bằng cách nhấp vào hình bên dưới. [![Biểu ngữ ML cho người mới bắt đầu](../../translated_images/vi/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- -## Gặp gỡ đội ngũ +## Gặp gỡ Đội ngũ [![Video quảng bá](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) **Gif bởi** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 Nhấp vào hình ảnh trên để xem video về dự án và những người đã tạo ra nó! +> 🎥 Nhấp vào hình ảnh trên để xem video về dự án và những người sáng tạo ra nó! --- ## Phương pháp giảng dạy -Chúng tôi đã chọn hai nguyên tắc giáo dục khi xây dựng chương trình này: đảm bảo nó là dựa trên **dự án thực hành** và bao gồm **các bài kiểm tra thường xuyên**. Bên cạnh đó, chương trình có một **chủ đề chung** để tạo sự liên kết. +Chúng tôi đã chọn hai nguyên tắc sư phạm khi xây dựng chương trình này: đảm bảo nó là **dự án thực hành** và bao gồm **các bài kiểm tra thường xuyên**. Ngoài ra, chương trình có một **chủ đề chung** mang lại sự thống nhất. -Bằng cách đảm bảo nội dung phù hợp với các dự án, quá trình học tập trở nên hấp dẫn hơn đối với sinh viên và việc ghi nhớ các khái niệm sẽ được tăng cường. Thêm vào đó, một bài kiểm tra nhẹ trước lớp đặt ý định học tập cho sinh viên, trong khi bài kiểm tra thứ hai sau lớp đảm bảo việc ghi nhớ lâu dài hơn. Chương trình này được thiết kế linh hoạt và vui nhộn và có thể học toàn bộ hoặc một phần. Các dự án bắt đầu nhỏ và trở nên phức tạp hơn dần theo chu kỳ 12 tuần. Chương trình cũng bao gồm phần phụ lục về các ứng dụng thực tế của ML, có thể được sử dụng như tín chỉ bổ sung hoặc làm cơ sở cho thảo luận. +Bằng cách đảm bảo nội dung phù hợp với các dự án, quá trình sẽ thu hút sinh viên hơn và tăng cường ghi nhớ các khái niệm. Thêm vào đó, một bài kiểm tra nhẹ trước bài học tạo mục tiêu cho sinh viên trong việc học một chủ đề, trong khi bài kiểm tra thứ hai sau bài học giúp củng cố kiến thức hơn nữa. Chương trình này được thiết kế linh hoạt và thú vị, có thể học toàn bộ hoặc một phần. Các dự án bắt đầu nhỏ và trở nên phức tạp hơn theo chu kỳ 12 tuần. Chương trình cũng bao gồm phần phụ chú về các ứng dụng thực tế của ML, có thể dùng như điểm cộng thêm hoặc làm cơ sở cho thảo luận. -> Xem [Bộ Quy tắc Ứng xử](CODE_OF_CONDUCT.md), [Đóng góp](CONTRIBUTING.md), [Dịch thuật](TRANSLATIONS.md), và [Khắc phục sự cố](TROUBLESHOOTING.md) của chúng tôi. Chúng tôi hoan nghênh phản hồi mang tính xây dựng của bạn! +> Tìm [Quy tắc ứng xử](CODE_OF_CONDUCT.md), [Góp phần](CONTRIBUTING.md), [Dịch thuật](TRANSLATIONS.md) và [Khắc phục sự cố](TROUBLESHOOTING.md). Chúng tôi hoan nghênh phản hồi mang tính xây dựng của bạn! ## Mỗi bài học bao gồm -- ghi chú phác thảo tùy chọn +- ghi chú minh họa tùy chọn - video bổ sung tùy chọn - video hướng dẫn (chỉ một số bài) -- [bài kiểm tra làm nóng trước bài giảng](https://ff-quizzes.netlify.app/en/ml/) +- [bài kiểm tra khởi động trước bài học](https://ff-quizzes.netlify.app/en/ml/) - bài học viết -- đối với bài học dựa trên dự án, hướng dẫn từng bước về cách xây dựng dự án +- đối với bài học dự án, hướng dẫn từng bước cách xây dựng dự án - kiểm tra kiến thức - thử thách -- đọc bổ sung +- bài đọc bổ sung - bài tập -- [bài kiểm tra sau bài giảng](https://ff-quizzes.netlify.app/en/ml/) - -> **Lưu ý về ngôn ngữ**: Các bài học này chủ yếu viết bằng Python, nhưng nhiều bài cũng có sẵn bằng R. Để hoàn thành bài học R, hãy đi đến thư mục `/solution` và tìm các bài học R. Chúng bao gồm phần mở rộng .rmd là một tệp **R Markdown** có thể được hiểu đơn giản là sự kết hợp của các `đoạn mã` (R hoặc các ngôn ngữ khác) và `tiêu đề YAML` (hướng dẫn cách định dạng đầu ra như PDF) trong một `tài liệu Markdown`. Do đó, nó đóng vai trò như một khuôn khổ tác giả mẫu mực cho khoa học dữ liệu vì cho phép bạn kết hợp mã của mình, kết quả đầu ra, và suy nghĩ của bạn bằng cách viết chúng xuống dưới dạng Markdown. Hơn nữa, tài liệu R Markdown có thể được xuất ra các định dạng như PDF, HTML hoặc Word. -> **Một lưu ý về các bài kiểm tra**: Tất cả các bài kiểm tra đều nằm trong [thư mục Ứng dụng Quiz](../../quiz-app), tổng cộng 52 bài kiểm tra với mỗi bài gồm ba câu hỏi. Chúng được liên kết trong các bài học nhưng ứng dụng quiz có thể được chạy cục bộ; hãy làm theo hướng dẫn trong thư mục `quiz-app` để lưu trữ cục bộ hoặc triển khai lên Azure. - -| Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author | -| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | -| 01 | Giới thiệu về học máy (machine learning) | [Introduction](1-Introduction/README.md) | Học các khái niệm cơ bản đằng sau học máy | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad | -| 02 | Lịch sử học máy | [Introduction](1-Introduction/README.md) | Tìm hiểu lịch sử của lĩnh vực này | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen và Amy | -| 03 | Công bằng và học máy | [Introduction](1-Introduction/README.md) | Những vấn đề triết học quan trọng về công bằng mà học viên nên cân nhắc khi xây dựng và áp dụng các mô hình ML? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi | -| 04 | Các kỹ thuật trong học máy | [Introduction](1-Introduction/README.md) | Các kỹ thuật mà các nhà nghiên cứu ML sử dụng để xây dựng mô hình ML là gì? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris và Jen | -| 05 | Giới thiệu về hồi quy | [Regression](2-Regression/README.md) | Bắt đầu với Python và Scikit-learn cho các mô hình hồi quy | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | -| 06 | Giá bí ngô Bắc Mỹ 🎃 | [Regression](2-Regression/README.md) | Trực quan hóa và làm sạch dữ liệu chuẩn bị cho học máy | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | -| 07 | Giá bí ngô Bắc Mỹ 🎃 | [Regression](2-Regression/README.md) | Xây dựng các mô hình hồi quy tuyến tính và đa thức | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen và Dmitry • Eric Wanjau | -| 08 | Giá bí ngô Bắc Mỹ 🎃 | [Regression](2-Regression/README.md) | Xây dựng một mô hình hồi quy logistic | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | -| 09 | Ứng dụng Web 🔌 | [Web App](3-Web-App/README.md) | Xây dựng một ứng dụng web để sử dụng mô hình đã đào tạo | [Python](3-Web-App/1-Web-App/README.md) | Jen | -| 10 | Giới thiệu về phân loại | [Classification](4-Classification/README.md) | Làm sạch, chuẩn bị và trực quan hóa dữ liệu; giới thiệu về phân loại | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen và Cassie • Eric Wanjau | -| 11 | Các món ăn ngon của châu Á và Ấn Độ 🍜 | [Classification](4-Classification/README.md) | Giới thiệu về các bộ phân loại | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen và Cassie • Eric Wanjau | -| 12 | Các món ăn ngon của châu Á và Ấn Độ 🍜 | [Classification](4-Classification/README.md) | Thêm các bộ phân loại | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen và Cassie • Eric Wanjau | -| 13 | Các món ăn ngon của châu Á và Ấn Độ 🍜 | [Classification](4-Classification/README.md) | Xây dựng một ứng dụng web đề xuất sử dụng mô hình của bạn | [Python](4-Classification/4-Applied/README.md) | Jen | -| 14 | Giới thiệu về phân cụm | [Clustering](5-Clustering/README.md) | Làm sạch, chuẩn bị và trực quan hóa dữ liệu; Giới thiệu về phân cụm | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | -| 15 | Khám phá gu âm nhạc Nigeria 🎧 | [Clustering](5-Clustering/README.md) | Khám phá phương pháp phân cụm 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 | Giới thiệu về xử lý ngôn ngữ tự nhiên ☕️ | [Natural language processing](6-NLP/README.md) | Học các kiến thức cơ bản về NLP bằng cách xây dựng một bot đơn giản | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | -| 17 | Các nhiệm vụ phổ biến trong NLP ☕️ | [Natural language processing](6-NLP/README.md) | Tăng cường kiến thức NLP bằng cách hiểu các nhiệm vụ phổ biến khi xử lý cấu trúc ngôn ngữ | [Python](6-NLP/2-Tasks/README.md) | Stephen | -| 18 | Dịch và phân tích cảm xúc ♥️ | [Natural language processing](6-NLP/README.md) | Dịch và phân tích cảm xúc với Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | -| 19 | Khách sạn lãng mạn ở châu Âu ♥️ | [Natural language processing](6-NLP/README.md) | Phân tích cảm xúc với đánh giá khách sạn 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | -| 20 | Khách sạn lãng mạn ở châu Âu ♥️ | [Natural language processing](6-NLP/README.md) | Phân tích cảm xúc với đánh giá khách sạn 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | -| 21 | Giới thiệu về dự báo chuỗi thời gian | [Time series](7-TimeSeries/README.md) | Giới thiệu về dự báo chuỗi thời gian | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | -| 22 | ⚡️ Mức sử dụng điện thế giới ⚡️ - dự báo chuỗi thời gian với ARIMA | [Time series](7-TimeSeries/README.md) | Dự báo chuỗi thời gian với ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | -| 23 | ⚡️ Mức sử dụng điện thế giới ⚡️ - dự báo chuỗi thời gian với SVR | [Time series](7-TimeSeries/README.md) | Dự báo chuỗi thời gian với Hồi quy vector hỗ trợ (Support Vector Regressor) | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | -| 24 | Giới thiệu về học tăng cường | [Reinforcement learning](8-Reinforcement/README.md) | Giới thiệu về học tăng cường với Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | -| 25 | Giúp Peter tránh con sói! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Học tăng cường Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | -| Postscript | Các kịch bản và ứng dụng ML trong thế giới thực | [ML in the Wild](9-Real-World/README.md) | Các ứng dụng ML cổ điển thú vị và mang tính khám phá trong thực tế | [Lesson](9-Real-World/1-Applications/README.md) | Team | -| Postscript | Gỡ lỗi mô hình trong ML sử dụng bảng điều khiển RAI | [ML in the Wild](9-Real-World/README.md) | Gỡ lỗi mô hình trong học máy sử dụng các thành phần bảng điều khiển Responsible AI | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | - -> [tìm tất cả các tài nguyên bổ sung cho khóa học này trong bộ sưu tập Microsoft Learn của chúng tôi](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +- [bài kiểm tra sau bài học](https://ff-quizzes.netlify.app/en/ml/) + +> **Lưu ý về ngôn ngữ**: Các bài học này chủ yếu viết bằng Python, nhưng nhiều bài cũng có sẵn bằng R. Để hoàn thành bài R, hãy vào thư mục `/solution` và tìm các bài R. Chúng bao gồm phần mở rộng .rmd đại diện cho tệp **R Markdown** có thể được hiểu đơn giản là sự kết hợp giữa `các đoạn mã` (của R hoặc ngôn ngữ khác) và một `đầu đề YAML` (hướng dẫn cách định dạng đầu ra như PDF) trong một `tài liệu Markdown`. Vì vậy, nó là một khung soạn thảo tuyệt vời cho khoa học dữ liệu vì cho phép bạn kết hợp mã, đầu ra của mã và suy nghĩ của bạn bằng cách viết chúng dưới dạng Markdown. Hơn nữa, tài liệu R Markdown có thể được xuất ra các định dạng như PDF, HTML hoặc Word. +> **Lưu ý về các bài kiểm tra**: Tất cả các bài kiểm tra đều nằm trong [thư mục Quiz App](../../quiz-app), với tổng cộng 52 bài kiểm tra, mỗi bài có ba câu hỏi. Chúng được liên kết trong các bài học nhưng ứng dụng quiz có thể chạy tại chỗ; làm theo hướng dẫn trong thư mục `quiz-app` để chạy hoặc triển khai trên Azure. + +| Số bài học | Chủ đề | Nhóm bài học | Mục tiêu học tập | Bài học liên kết | Tác giả | +| :--------: | :------------------------------------------------------------: | :----------------------------------------------: | ---------------------------------------------------------------------------------------------------------------------------- | :---------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | +| 01 | Giới thiệu về học máy | [Introduction](1-Introduction/README.md) | Tìm hiểu các khái niệm cơ bản về học máy | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad | +| 02 | Lịch sử học máy | [Introduction](1-Introduction/README.md) | Tìm hiểu lịch sử của lĩnh vực này | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen và Amy | +| 03 | Công bằng và học máy | [Introduction](1-Introduction/README.md) | Những vấn đề triết học quan trọng về công bằng mà học viên nên cân nhắc khi xây dựng và áp dụng mô hình ML? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi | +| 04 | Kỹ thuật học máy | [Introduction](1-Introduction/README.md) | Các kỹ thuật mà các nhà nghiên cứu ML sử dụng để xây dựng mô hình ML là gì? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris và Jen | +| 05 | Giới thiệu về hồi quy | [Regression](2-Regression/README.md) | Bắt đầu với Python và Scikit-learn cho các mô hình hồi quy | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | +| 06 | Giá bí ngô Bắc Mỹ 🎃 | [Regression](2-Regression/README.md) | Trực quan hóa và làm sạch dữ liệu để chuẩn bị cho ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | +| 07 | Giá bí ngô Bắc Mỹ 🎃 | [Regression](2-Regression/README.md) | Xây dựng các mô hình hồi quy tuyến tính và đa thức | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen và Dmitry • Eric Wanjau | +| 08 | Giá bí ngô Bắc Mỹ 🎃 | [Regression](2-Regression/README.md) | Xây dựng mô hình hồi quy logistic | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | +| 09 | Ứng dụng Web 🔌 | [Web App](3-Web-App/README.md) | Xây dựng một ứng dụng web để sử dụng mô hình đã được huấn luyện | [Python](3-Web-App/1-Web-App/README.md) | Jen | +| 10 | Giới thiệu về phân loại | [Classification](4-Classification/README.md) | Làm sạch, chuẩn bị và trực quan hóa dữ liệu; giới thiệu về phân loại | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen và Cassie • Eric Wanjau | +| 11 | Ẩm thực Châu Á và Ấn Độ ngon lành 🍜 | [Classification](4-Classification/README.md) | Giới thiệu về các bộ phân loại | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen và Cassie • Eric Wanjau | +| 12 | Ẩm thực Châu Á và Ấn Độ ngon lành 🍜 | [Classification](4-Classification/README.md) | Thêm nhiều bộ phân loại | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen và Cassie • Eric Wanjau | +| 13 | Ẩm thực Châu Á và Ấn Độ ngon lành 🍜 | [Classification](4-Classification/README.md) | Xây dựng ứng dụng web đề xuất dựa trên mô hình của bạn | [Python](4-Classification/4-Applied/README.md) | Jen | +| 14 | Giới thiệu về phân nhóm | [Clustering](5-Clustering/README.md) | Làm sạch, chuẩn bị và trực quan hóa dữ liệu; Giới thiệu về phân nhóm | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | +| 15 | Khám phá gu âm nhạc Nigeria 🎧 | [Clustering](5-Clustering/README.md) | Khám phá phương pháp phân nhóm 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 | Giới thiệu xử lý ngôn ngữ tự nhiên ☕️ | [Natural language processing](6-NLP/README.md) | Tìm hiểu kiến thức cơ bản về xử lý ngôn ngữ tự nhiên bằng cách xây dựng một bot đơn giản | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | +| 17 | Các nhiệm vụ NLP phổ biến ☕️ | [Natural language processing](6-NLP/README.md) | Tăng cường kiến thức NLP của bạn bằng cách hiểu các nhiệm vụ phổ biến cần thiết khi xử lý cấu trúc ngôn ngữ | [Python](6-NLP/2-Tasks/README.md) | Stephen | +| 18 | Dịch thuật và phân tích cảm xúc ♥️ | [Natural language processing](6-NLP/README.md) | Dịch thuật và phân tích cảm xúc với Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | +| 19 | Các khách sạn lãng mạn ở châu Âu ♥️ | [Natural language processing](6-NLP/README.md) | Phân tích cảm xúc với đánh giá khách sạn 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | +| 20 | Các khách sạn lãng mạn ở châu Âu ♥️ | [Natural language processing](6-NLP/README.md) | Phân tích cảm xúc với đánh giá khách sạn 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | +| 21 | Giới thiệu về dự báo chuỗi thời gian | [Time series](7-TimeSeries/README.md) | Giới thiệu về dự báo chuỗi thời gian | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | +| 22 | ⚡️ Sử dụng điện thế giới ⚡️ - dự báo chuỗi thời gian với ARIMA | [Time series](7-TimeSeries/README.md) | Dự báo chuỗi thời gian với ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | +| 23 | ⚡️ Sử dụng điện thế giới ⚡️ - dự báo chuỗi thời gian với SVR | [Time series](7-TimeSeries/README.md) | Dự báo chuỗi thời gian với Bộ hồi quy Vector hỗ trợ | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | +| 24 | Giới thiệu học tăng cường | [Reinforcement learning](8-Reinforcement/README.md) | Giới thiệu học tăng cường với Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | +| 25 | Giúp Peter tránh con sói! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Học tăng cường Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | +| Hậu ký | Những tình huống và ứng dụng ML thực tế | [ML in the Wild](9-Real-World/README.md) | Các ứng dụng thực tế thú vị và mang tính khám phá của học máy cổ điển | [Lesson](9-Real-World/1-Applications/README.md) | Team | +| Hậu ký | Gỡ lỗi mô hình học máy bằng bảng điều khiển RAI | [ML in the Wild](9-Real-World/README.md) | Gỡ lỗi mô hình trong học máy sử dụng thành phần bảng điều khiển Responsible AI | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | + +> [tìm tất cả các tài nguyên bổ sung cho khóa học này trong bộ sưu tập Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## Truy cập ngoại tuyến -Bạn có thể chạy tài liệu này ngoại tuyến bằng cách sử dụng [Docsify](https://docsify.js.org/#/). Tạo nhánh (fork) repo này, [cài đặt Docsify](https://docsify.js.org/#/quickstart) trên máy của bạn, rồi trong thư mục gốc của repo này, gõ `docsify serve`. Website sẽ được phục vụ trên cổng 3000 tại localhost của bạn: `localhost:3000`. +Bạn có thể chạy tài liệu này ngoại tuyến bằng cách sử dụng [Docsify](https://docsify.js.org/#/). Fork kho lưu trữ này, [cài đặt Docsify](https://docsify.js.org/#/quickstart) trên máy cục bộ của bạn, sau đó tại thư mục gốc của kho lưu trữ này, gõ `docsify serve`. Trang web sẽ được phục vụ trên cổng 3000 trên localhost của bạn: `localhost:3000`. ## PDF -Tìm một file pdf của chương trình học có liên kết [tại đây](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). +Tìm tệp pdf của chương trình học có liên kết [tại đây](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). ## 🎒 Các khóa học khác -Nhóm của chúng tôi còn sản xuất các khóa học khác! Hãy xem: +Nhóm của chúng tôi sản xuất các khóa học khác! Hãy xem: ### LangChain [![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) [![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) - +[![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agents @@ -180,44 +180,44 @@ Nhóm của chúng tôi còn sản xuất các khóa học khác! Hãy xem: --- -### Generative AI Series -[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) -[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) +### Chuyên đề AI tạo sinh +[![AI Sinh Tạo cho Người Mới Bắt Đầu](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Sinh Tạo (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![AI Sinh Tạo (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![AI Sinh Tạo (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- - -### Học Tập Cốt Lõi -[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) -[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) -[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) -[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) + +### Học Cốt Lõi +[![ML cho Người Mới Bắt Đầu](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) +[![Khoa Học Dữ Liệu cho Người Mới Bắt Đầu](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) +[![AI cho Người Mới Bắt Đầu](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![An Ninh Mạng cho Người Mới Bắt Đầu](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![Phát Triển Web cho Người Mới Bắt Đầu](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) +[![IoT cho Người Mới Bắt Đầu](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) +[![Phát Triển XR cho Người Mới Bắt Đầu](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- - -### Series Copilot -[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) -[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) -[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) + +### Dòng Học Copilot +[![Copilot cho Lập Trình Ghép Đôi AI](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![Copilot cho C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) +[![Hành Trình Copilot](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## Nhận Trợ Giúp -Nếu bạn bị mắc kẹt hoặc có bất kỳ câu hỏi nào về việc xây dựng các ứng dụng AI. Tham gia cùng những người học khác và các nhà phát triển giàu kinh nghiệm trong các cuộc thảo luận về MCP. Đây là một cộng đồng hỗ trợ, nơi các câu hỏi được hoan nghênh và kiến thức được chia sẻ tự do. +Nếu bạn gặp khó khăn hoặc có bất kỳ câu hỏi nào về xây dựng ứng dụng AI. Hãy tham gia cùng các học viên và lập trình viên có kinh nghiệm trong các cuộc thảo luận về MCP. Đây là một cộng đồng hỗ trợ nơi các câu hỏi được chào đón và kiến thức được chia sẻ rộng rãi. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Nếu bạn có phản hồi về sản phẩm hoặc lỗi trong quá trình xây dựng, vui lòng truy cập: +Nếu bạn có phản hồi về sản phẩm hoặc lỗi khi xây dựng, vui lòng truy cập: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**Tuyên bố miễn trừ trách nhiệm**: -Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI [Co-op Translator](https://github.com/Azure/co-op-translator). Mặc dù chúng tôi nỗ lực để đảm bảo độ chính xác, xin lưu ý rằng bản dịch tự động có thể chứa lỗi hoặc sai sót. Tài liệu gốc bằng ngôn ngữ gốc nên được xem là nguồn chính xác và đáng tin cậy. Đối với những thông tin quan trọng, nên sử dụng dịch vụ dịch thuật chuyên nghiệp do con người thực hiện. Chúng tôi không chịu trách nhiệm cho bất kỳ hiểu lầm hoặc giải thích sai nào phát sinh từ việc sử dụng bản dịch này. +**Tuyên bố miễn trách nhiệm**: +Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI [Co-op Translator](https://github.com/Azure/co-op-translator). Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng bản dịch tự động có thể chứa lỗi hoặc sự không chính xác. Tài liệu gốc bằng ngôn ngữ gốc nên được coi là nguồn chính xác và có thẩm quyền. Đối với thông tin quan trọng, nên sử dụng dịch vụ dịch thuật chuyên nghiệp do con người thực hiện. Chúng tôi không chịu trách nhiệm về bất kỳ sự hiểu nhầm hay giải thích sai lệch nào phát sinh từ việc sử dụng bản dịch này. \ No newline at end of file