msb-public
/
ML-For-Beginners
mirror of https://github.com/microsoft/ML-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity

chore(i18n): sync translations with latest source changes (chunk 1/1, 300 changes)

Browse Source
pull/918/head
localizeflow[bot] 2 weeks ago
parent 8b487d7026
commit cd083eef38
300 changed files with 2114 additions and 3001 deletions
Show Stats Download Patch File Download Diff File

596
translations/hr/.co-op-translator.json
Unescape View File

@ -0,0 +1,596 @@
{
"1-Introduction/1-intro-to-ML/README.md": {
"original_hash": "69389392fa6346e0dfa30f664b7b6fec",
"translation_date": "2025-09-05T12:47:19+00:00",
"source_file": "1-Introduction/1-intro-to-ML/README.md",
"language_code": "hr"
},
"1-Introduction/1-intro-to-ML/assignment.md": {
"original_hash": "4c4698044bb8af52cfb6388a4ee0e53b",
"translation_date": "2025-09-05T12:50:27+00:00",
"source_file": "1-Introduction/1-intro-to-ML/assignment.md",
"language_code": "hr"
},
"1-Introduction/2-history-of-ML/README.md": {
"original_hash": "6a05fec147e734c3e6bfa54505648e2b",
"translation_date": "2025-09-05T12:52:20+00:00",
"source_file": "1-Introduction/2-history-of-ML/README.md",
"language_code": "hr"
},
"1-Introduction/2-history-of-ML/assignment.md": {
"original_hash": "eb6e4d5afd1b21a57d2b9e6d0aac3969",
"translation_date": "2025-09-05T12:55:53+00:00",
"source_file": "1-Introduction/2-history-of-ML/assignment.md",
"language_code": "hr"
},
"1-Introduction/3-fairness/README.md": {
"original_hash": "9a6b702d1437c0467e3c5c28d763dac2",
"translation_date": "2025-09-05T12:37:22+00:00",
"source_file": "1-Introduction/3-fairness/README.md",
"language_code": "hr"
},
"1-Introduction/3-fairness/assignment.md": {
"original_hash": "dbda60e7b1fe5f18974e7858eff0004e",
"translation_date": "2025-09-05T12:41:59+00:00",
"source_file": "1-Introduction/3-fairness/assignment.md",
"language_code": "hr"
},
"1-Introduction/4-techniques-of-ML/README.md": {
"original_hash": "9d91f3af3758fdd4569fb410575995ef",
"translation_date": "2025-09-05T12:43:14+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/README.md",
"language_code": "hr"
},
"1-Introduction/4-techniques-of-ML/assignment.md": {
"original_hash": "70d65aeddc06170bc1aed5b27805f930",
"translation_date": "2025-09-05T12:46:13+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/assignment.md",
"language_code": "hr"
},
"1-Introduction/README.md": {
"original_hash": "cf8ecc83f28e5b98051d2179eca08e08",
"translation_date": "2025-09-05T12:34:58+00:00",
"source_file": "1-Introduction/README.md",
"language_code": "hr"
},
"2-Regression/1-Tools/README.md": {
"original_hash": "fa81d226c71d5af7a2cade31c1c92b88",
"translation_date": "2025-09-05T11:40:33+00:00",
"source_file": "2-Regression/1-Tools/README.md",
"language_code": "hr"
},
"2-Regression/1-Tools/assignment.md": {
"original_hash": "74a5cf83e4ebc302afbcbc4f418afd0a",
"translation_date": "2025-09-05T11:44:06+00:00",
"source_file": "2-Regression/1-Tools/assignment.md",
"language_code": "hr"
},
"2-Regression/1-Tools/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T11:44:43+00:00",
"source_file": "2-Regression/1-Tools/solution/Julia/README.md",
"language_code": "hr"
},
"2-Regression/2-Data/README.md": {
"original_hash": "7c077988328ebfe33b24d07945f16eca",
"translation_date": "2025-09-05T11:45:44+00:00",
"source_file": "2-Regression/2-Data/README.md",
"language_code": "hr"
},
"2-Regression/2-Data/assignment.md": {
"original_hash": "4485a1ed4dd1b5647365e3d87456515d",
"translation_date": "2025-09-05T11:48:51+00:00",
"source_file": "2-Regression/2-Data/assignment.md",
"language_code": "hr"
},
"2-Regression/2-Data/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T11:49:20+00:00",
"source_file": "2-Regression/2-Data/solution/Julia/README.md",
"language_code": "hr"
},
"2-Regression/3-Linear/README.md": {
"original_hash": "40e64f004f3cb50aa1d8661672d3cd92",
"translation_date": "2025-09-05T11:27:31+00:00",
"source_file": "2-Regression/3-Linear/README.md",
"language_code": "hr"
},
"2-Regression/3-Linear/assignment.md": {
"original_hash": "cc471fa89c293bc735dd3a9a0fb79b1b",
"translation_date": "2025-09-05T11:32:18+00:00",
"source_file": "2-Regression/3-Linear/assignment.md",
"language_code": "hr"
},
"2-Regression/3-Linear/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T11:32:53+00:00",
"source_file": "2-Regression/3-Linear/solution/Julia/README.md",
"language_code": "hr"
},
"2-Regression/4-Logistic/README.md": {
"original_hash": "abf86d845c84330bce205a46b382ec88",
"translation_date": "2025-09-05T11:34:39+00:00",
"source_file": "2-Regression/4-Logistic/README.md",
"language_code": "hr"
},
"2-Regression/4-Logistic/assignment.md": {
"original_hash": "8af40209a41494068c1f42b14c0b450d",
"translation_date": "2025-09-05T11:38:59+00:00",
"source_file": "2-Regression/4-Logistic/assignment.md",
"language_code": "hr"
},
"2-Regression/4-Logistic/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T11:39:28+00:00",
"source_file": "2-Regression/4-Logistic/solution/Julia/README.md",
"language_code": "hr"
},
"2-Regression/README.md": {
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
"translation_date": "2025-09-05T11:25:09+00:00",
"source_file": "2-Regression/README.md",
"language_code": "hr"
},
"3-Web-App/1-Web-App/README.md": {
"original_hash": "e0b75f73e4a90d45181dc5581fe2ef5c",
"translation_date": "2025-09-05T12:58:07+00:00",
"source_file": "3-Web-App/1-Web-App/README.md",
"language_code": "hr"
},
"3-Web-App/1-Web-App/assignment.md": {
"original_hash": "a8e8ae10be335cbc745b75ee552317ff",
"translation_date": "2025-09-05T13:01:12+00:00",
"source_file": "3-Web-App/1-Web-App/assignment.md",
"language_code": "hr"
},
"3-Web-App/README.md": {
"original_hash": "9836ff53cfef716ddfd70e06c5f43436",
"translation_date": "2025-09-05T12:56:35+00:00",
"source_file": "3-Web-App/README.md",
"language_code": "hr"
},
"4-Classification/1-Introduction/README.md": {
"original_hash": "aaf391d922bd6de5efba871d514c6d47",
"translation_date": "2025-09-05T13:17:37+00:00",
"source_file": "4-Classification/1-Introduction/README.md",
"language_code": "hr"
},
"4-Classification/1-Introduction/assignment.md": {
"original_hash": "b2a01912beb24cfb0007f83594dba801",
"translation_date": "2025-09-05T13:20:29+00:00",
"source_file": "4-Classification/1-Introduction/assignment.md",
"language_code": "hr"
},
"4-Classification/1-Introduction/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T13:21:15+00:00",
"source_file": "4-Classification/1-Introduction/solution/Julia/README.md",
"language_code": "hr"
},
"4-Classification/2-Classifiers-1/README.md": {
"original_hash": "1a6e9e46b34a2e559fbbfc1f95397c7b",
"translation_date": "2025-09-05T13:04:51+00:00",
"source_file": "4-Classification/2-Classifiers-1/README.md",
"language_code": "hr"
},
"4-Classification/2-Classifiers-1/assignment.md": {
"original_hash": "de6025f96841498b0577e9d1aee18d1f",
"translation_date": "2025-09-05T13:08:42+00:00",
"source_file": "4-Classification/2-Classifiers-1/assignment.md",
"language_code": "hr"
},
"4-Classification/2-Classifiers-1/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T13:09:40+00:00",
"source_file": "4-Classification/2-Classifiers-1/solution/Julia/README.md",
"language_code": "hr"
},
"4-Classification/3-Classifiers-2/README.md": {
"original_hash": "49047911108adc49d605cddfb455749c",
"translation_date": "2025-09-05T13:14:16+00:00",
"source_file": "4-Classification/3-Classifiers-2/README.md",
"language_code": "hr"
},
"4-Classification/3-Classifiers-2/assignment.md": {
"original_hash": "58dfdaf79fb73f7d34b22bdbacf57329",
"translation_date": "2025-09-05T13:16:02+00:00",
"source_file": "4-Classification/3-Classifiers-2/assignment.md",
"language_code": "hr"
},
"4-Classification/3-Classifiers-2/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T13:16:42+00:00",
"source_file": "4-Classification/3-Classifiers-2/solution/Julia/README.md",
"language_code": "hr"
},
"4-Classification/4-Applied/README.md": {
"original_hash": "61bdec27ed2da8b098cd9065405d9bb0",
"translation_date": "2025-09-05T13:10:42+00:00",
"source_file": "4-Classification/4-Applied/README.md",
"language_code": "hr"
},
"4-Classification/4-Applied/assignment.md": {
"original_hash": "799ed651e2af0a7cad17c6268db11578",
"translation_date": "2025-09-05T13:13:17+00:00",
"source_file": "4-Classification/4-Applied/assignment.md",
"language_code": "hr"
},
"4-Classification/README.md": {
"original_hash": "74e809ffd1e613a1058bbc3e9600859e",
"translation_date": "2025-09-05T13:03:07+00:00",
"source_file": "4-Classification/README.md",
"language_code": "hr"
},
"5-Clustering/1-Visualize/README.md": {
"original_hash": "730225ea274c9174fe688b21d421539d",
"translation_date": "2025-09-05T12:10:57+00:00",
"source_file": "5-Clustering/1-Visualize/README.md",
"language_code": "hr"
},
"5-Clustering/1-Visualize/assignment.md": {
"original_hash": "589fa015a5e7d9e67bd629f7d47b53de",
"translation_date": "2025-09-05T12:17:14+00:00",
"source_file": "5-Clustering/1-Visualize/assignment.md",
"language_code": "hr"
},
"5-Clustering/1-Visualize/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T12:17:52+00:00",
"source_file": "5-Clustering/1-Visualize/solution/Julia/README.md",
"language_code": "hr"
},
"5-Clustering/2-K-Means/README.md": {
"original_hash": "7cdd17338d9bbd7e2171c2cd462eb081",
"translation_date": "2025-09-05T12:18:40+00:00",
"source_file": "5-Clustering/2-K-Means/README.md",
"language_code": "hr"
},
"5-Clustering/2-K-Means/assignment.md": {
"original_hash": "b8e17eff34ad1680eba2a5d3cf9ffc41",
"translation_date": "2025-09-05T12:21:04+00:00",
"source_file": "5-Clustering/2-K-Means/assignment.md",
"language_code": "hr"
},
"5-Clustering/2-K-Means/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T12:21:39+00:00",
"source_file": "5-Clustering/2-K-Means/solution/Julia/README.md",
"language_code": "hr"
},
"5-Clustering/README.md": {
"original_hash": "b28a3a4911584062772c537b653ebbc7",
"translation_date": "2025-09-05T12:08:35+00:00",
"source_file": "5-Clustering/README.md",
"language_code": "hr"
},
"6-NLP/1-Introduction-to-NLP/README.md": {
"original_hash": "1c2ec40cf55c98a028a359c27ef7e45a",
"translation_date": "2025-09-05T14:09:37+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/README.md",
"language_code": "hr"
},
"6-NLP/1-Introduction-to-NLP/assignment.md": {
"original_hash": "1d7583e8046dacbb0c056d5ba0a71b16",
"translation_date": "2025-09-05T14:12:54+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/assignment.md",
"language_code": "hr"
},
"6-NLP/2-Tasks/README.md": {
"original_hash": "5f3cb462e3122e1afe7ab0050ccf2bd3",
"translation_date": "2025-09-05T13:54:13+00:00",
"source_file": "6-NLP/2-Tasks/README.md",
"language_code": "hr"
},
"6-NLP/2-Tasks/assignment.md": {
"original_hash": "2efc4c2aba5ed06c780c05539c492ae3",
"translation_date": "2025-09-05T13:57:21+00:00",
"source_file": "6-NLP/2-Tasks/assignment.md",
"language_code": "hr"
},
"6-NLP/3-Translation-Sentiment/README.md": {
"original_hash": "be03c8182982b87ced155e4e9d1438e8",
"translation_date": "2025-09-05T14:14:15+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/README.md",
"language_code": "hr"
},
"6-NLP/3-Translation-Sentiment/assignment.md": {
"original_hash": "9d2a734deb904caff310d1a999c6bd7a",
"translation_date": "2025-09-05T14:17:33+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/assignment.md",
"language_code": "hr"
},
"6-NLP/3-Translation-Sentiment/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T14:18:26+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/Julia/README.md",
"language_code": "hr"
},
"6-NLP/3-Translation-Sentiment/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T14:18:07+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/R/README.md",
"language_code": "hr"
},
"6-NLP/4-Hotel-Reviews-1/README.md": {
"original_hash": "8d32dadeda93c6fb5c43619854882ab1",
"translation_date": "2025-09-05T13:59:21+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/README.md",
"language_code": "hr"
},
"6-NLP/4-Hotel-Reviews-1/assignment.md": {
"original_hash": "bf39bceb833cd628f224941dca8041df",
"translation_date": "2025-09-05T14:07:31+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/assignment.md",
"language_code": "hr"
},
"6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T14:08:17+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md",
"language_code": "hr"
},
"6-NLP/4-Hotel-Reviews-1/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T14:07:58+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/R/README.md",
"language_code": "hr"
},
"6-NLP/5-Hotel-Reviews-2/README.md": {
"original_hash": "2c742993fe95d5bcbb2846eda3d442a1",
"translation_date": "2025-09-05T14:19:41+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/README.md",
"language_code": "hr"
},
"6-NLP/5-Hotel-Reviews-2/assignment.md": {
"original_hash": "daf144daa552da6a7d442aff6f3e77d8",
"translation_date": "2025-09-05T14:26:35+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/assignment.md",
"language_code": "hr"
},
"6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T14:27:29+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md",
"language_code": "hr"
},
"6-NLP/5-Hotel-Reviews-2/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T14:27:07+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/R/README.md",
"language_code": "hr"
},
"6-NLP/README.md": {
"original_hash": "1eb379dc2d0c9940b320732d16083778",
"translation_date": "2025-09-05T13:52:43+00:00",
"source_file": "6-NLP/README.md",
"language_code": "hr"
},
"6-NLP/data/README.md": {
"original_hash": "ee0670655c89e4719319764afb113624",
"translation_date": "2025-09-05T14:08:38+00:00",
"source_file": "6-NLP/data/README.md",
"language_code": "hr"
},
"7-TimeSeries/1-Introduction/README.md": {
"original_hash": "662b509c39eee205687726636d0a8455",
"translation_date": "2025-09-05T11:59:10+00:00",
"source_file": "7-TimeSeries/1-Introduction/README.md",
"language_code": "hr"
},
"7-TimeSeries/1-Introduction/assignment.md": {
"original_hash": "d1781b0b92568ea1d119d0a198b576b4",
"translation_date": "2025-09-05T12:02:56+00:00",
"source_file": "7-TimeSeries/1-Introduction/assignment.md",
"language_code": "hr"
},
"7-TimeSeries/1-Introduction/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T12:03:51+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/Julia/README.md",
"language_code": "hr"
},
"7-TimeSeries/1-Introduction/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T12:03:31+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/R/README.md",
"language_code": "hr"
},
"7-TimeSeries/2-ARIMA/README.md": {
"original_hash": "917dbf890db71a322f306050cb284749",
"translation_date": "2025-09-05T11:51:52+00:00",
"source_file": "7-TimeSeries/2-ARIMA/README.md",
"language_code": "hr"
},
"7-TimeSeries/2-ARIMA/assignment.md": {
"original_hash": "1c814013e10866dfd92cdb32caaae3ac",
"translation_date": "2025-09-05T11:57:03+00:00",
"source_file": "7-TimeSeries/2-ARIMA/assignment.md",
"language_code": "hr"
},
"7-TimeSeries/2-ARIMA/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T11:58:00+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/Julia/README.md",
"language_code": "hr"
},
"7-TimeSeries/2-ARIMA/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T11:57:41+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/R/README.md",
"language_code": "hr"
},
"7-TimeSeries/3-SVR/README.md": {
"original_hash": "482bccabe1df958496ea71a3667995cd",
"translation_date": "2025-09-05T12:04:47+00:00",
"source_file": "7-TimeSeries/3-SVR/README.md",
"language_code": "hr"
},
"7-TimeSeries/3-SVR/assignment.md": {
"original_hash": "94aa2fc6154252ae30a3f3740299707a",
"translation_date": "2025-09-05T12:07:48+00:00",
"source_file": "7-TimeSeries/3-SVR/assignment.md",
"language_code": "hr"
},
"7-TimeSeries/README.md": {
"original_hash": "61342603bad8acadbc6b2e4e3aab3f66",
"translation_date": "2025-09-05T11:49:50+00:00",
"source_file": "7-TimeSeries/README.md",
"language_code": "hr"
},
"8-Reinforcement/1-QLearning/README.md": {
"original_hash": "911efd5e595089000cb3c16fce1beab8",
"translation_date": "2025-09-05T13:35:49+00:00",
"source_file": "8-Reinforcement/1-QLearning/README.md",
"language_code": "hr"
},
"8-Reinforcement/1-QLearning/assignment.md": {
"original_hash": "68394b2102d3503882e5e914bd0ff5c1",
"translation_date": "2025-09-05T13:42:18+00:00",
"source_file": "8-Reinforcement/1-QLearning/assignment.md",
"language_code": "hr"
},
"8-Reinforcement/1-QLearning/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T13:44:32+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/Julia/README.md",
"language_code": "hr"
},
"8-Reinforcement/1-QLearning/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T13:44:12+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/R/README.md",
"language_code": "hr"
},
"8-Reinforcement/2-Gym/README.md": {
"original_hash": "107d5bb29da8a562e7ae72262d251a75",
"translation_date": "2025-09-05T13:45:45+00:00",
"source_file": "8-Reinforcement/2-Gym/README.md",
"language_code": "hr"
},
"8-Reinforcement/2-Gym/assignment.md": {
"original_hash": "1f2b7441745eb52e25745423b247016b",
"translation_date": "2025-09-05T13:50:41+00:00",
"source_file": "8-Reinforcement/2-Gym/assignment.md",
"language_code": "hr"
},
"8-Reinforcement/2-Gym/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T13:52:14+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/Julia/README.md",
"language_code": "hr"
},
"8-Reinforcement/2-Gym/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T13:51:54+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/R/README.md",
"language_code": "hr"
},
"8-Reinforcement/README.md": {
"original_hash": "20ca019012b1725de956681d036d8b18",
"translation_date": "2025-09-05T13:31:55+00:00",
"source_file": "8-Reinforcement/README.md",
"language_code": "hr"
},
"9-Real-World/1-Applications/README.md": {
"original_hash": "83320d6b6994909e35d830cebf214039",
"translation_date": "2025-09-05T12:24:30+00:00",
"source_file": "9-Real-World/1-Applications/README.md",
"language_code": "hr"
},
"9-Real-World/1-Applications/assignment.md": {
"original_hash": "fdebfcd0a3f12c9e2b436ded1aa79885",
"translation_date": "2025-09-05T12:28:37+00:00",
"source_file": "9-Real-World/1-Applications/assignment.md",
"language_code": "hr"
},
"9-Real-World/2-Debugging-ML-Models/README.md": {
"original_hash": "df2b538e8fbb3e91cf0419ae2f858675",
"translation_date": "2025-09-05T12:30:06+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/README.md",
"language_code": "hr"
},
"9-Real-World/2-Debugging-ML-Models/assignment.md": {
"original_hash": "91c6a180ef08e20cc15acfd2d6d6e164",
"translation_date": "2025-09-05T12:34:17+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md",
"language_code": "hr"
},
"9-Real-World/README.md": {
"original_hash": "5e069a0ac02a9606a69946c2b3c574a9",
"translation_date": "2025-09-05T12:23:03+00:00",
"source_file": "9-Real-World/README.md",
"language_code": "hr"
},
"AGENTS.md": {
"original_hash": "93fdaa0fd38836e50c4793e2f2f25e8b",
"translation_date": "2025-10-03T11:18:38+00:00",
"source_file": "AGENTS.md",
"language_code": "hr"
},
"CODE_OF_CONDUCT.md": {
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-09-05T11:24:25+00:00",
"source_file": "CODE_OF_CONDUCT.md",
"language_code": "hr"
},
"CONTRIBUTING.md": {
"original_hash": "977ec5266dfd78ad1ce2bd8d46fccbda",
"translation_date": "2025-09-05T11:21:41+00:00",
"source_file": "CONTRIBUTING.md",
"language_code": "hr"
},
"README.md": {
"original_hash": "da2ceed62f16a0820259556e3a873c95",
"translation_date": "2026-01-29T19:10:30+00:00",
"source_file": "README.md",
"language_code": "hr"
},
"SECURITY.md": {
"original_hash": "5e1b8da31aae9cca3d53ad243fa3365a",
"translation_date": "2025-09-05T11:22:26+00:00",
"source_file": "SECURITY.md",
"language_code": "hr"
},
"SUPPORT.md": {
"original_hash": "09623d7343ff1c26ff4f198c1b2d3176",
"translation_date": "2025-10-03T12:28:34+00:00",
"source_file": "SUPPORT.md",
"language_code": "hr"
},
"TROUBLESHOOTING.md": {
"original_hash": "134d8759f0e2ab886e9aa4f62362c201",
"translation_date": "2025-10-03T12:55:42+00:00",
"source_file": "TROUBLESHOOTING.md",
"language_code": "hr"
},
"docs/_sidebar.md": {
"original_hash": "68dd06c685f6ce840e0acfa313352e7c",
"translation_date": "2025-09-05T12:22:07+00:00",
"source_file": "docs/_sidebar.md",
"language_code": "hr"
},
"for-teachers.md": {
"original_hash": "b37de02054fa6c0438ede6fabe1fdfb8",
"translation_date": "2025-09-05T11:23:33+00:00",
"source_file": "for-teachers.md",
"language_code": "hr"
},
"quiz-app/README.md": {
"original_hash": "6d130dffca5db70d7e615f926cb1ad4c",
"translation_date": "2025-09-05T13:01:57+00:00",
"source_file": "quiz-app/README.md",
"language_code": "hr"
},
"sketchnotes/LICENSE.md": {
"original_hash": "fba3b94d88bfb9b81369b869a1e9a20f",
"translation_date": "2025-09-05T13:24:57+00:00",
"source_file": "sketchnotes/LICENSE.md",
"language_code": "hr"
},
"sketchnotes/README.md": {
"original_hash": "a88d5918c1b9da69a40d917a0840c497",
"translation_date": "2025-09-05T13:21:37+00:00",
"source_file": "sketchnotes/README.md",
"language_code": "hr"
}
}

9
translations/hr/1-Introduction/1-intro-to-ML/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "69389392fa6346e0dfa30f664b7b6fec",
"translation_date": "2025-09-05T12:47:19+00:00",
"source_file": "1-Introduction/1-intro-to-ML/README.md",
"language_code": "hr"
}
-->
# Uvod u strojno učenje
## [Kviz prije predavanja](https://ff-quizzes.netlify.app/en/ml/)

9
translations/hr/1-Introduction/1-intro-to-ML/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "4c4698044bb8af52cfb6388a4ee0e53b",
"translation_date": "2025-09-05T12:50:27+00:00",
"source_file": "1-Introduction/1-intro-to-ML/assignment.md",
"language_code": "hr"
}
-->
# Pokreni i započni
## Upute

9
translations/hr/1-Introduction/2-history-of-ML/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "6a05fec147e734c3e6bfa54505648e2b",
"translation_date": "2025-09-05T12:52:20+00:00",
"source_file": "1-Introduction/2-history-of-ML/README.md",
"language_code": "hr"
}
-->
# Povijest strojnog učenja
![Sažetak povijesti strojnog učenja u sketchnoteu](../../../../sketchnotes/ml-history.png)

9
translations/hr/1-Introduction/2-history-of-ML/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "eb6e4d5afd1b21a57d2b9e6d0aac3969",
"translation_date": "2025-09-05T12:55:53+00:00",
"source_file": "1-Introduction/2-history-of-ML/assignment.md",
"language_code": "hr"
}
-->
# Izradite vremensku crtu
## Upute

9
translations/hr/1-Introduction/3-fairness/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9a6b702d1437c0467e3c5c28d763dac2",
"translation_date": "2025-09-05T12:37:22+00:00",
"source_file": "1-Introduction/3-fairness/README.md",
"language_code": "hr"
}
-->
# Izgradnja rješenja za strojno učenje s odgovornom umjetnom inteligencijom
![Sažetak odgovorne umjetne inteligencije u strojnome učenju u obliku sketchnotea](../../../../sketchnotes/ml-fairness.png)

9
translations/hr/1-Introduction/3-fairness/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "dbda60e7b1fe5f18974e7858eff0004e",
"translation_date": "2025-09-05T12:41:59+00:00",
"source_file": "1-Introduction/3-fairness/assignment.md",
"language_code": "hr"
}
-->
# Istražite Responsible AI Toolbox
## Upute

9
translations/hr/1-Introduction/4-techniques-of-ML/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9d91f3af3758fdd4569fb410575995ef",
"translation_date": "2025-09-05T12:43:14+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/README.md",
"language_code": "hr"
}
-->
# Tehnike strojnog učenja
Proces izrade, korištenja i održavanja modela strojnog učenja te podataka koje koriste vrlo je različit od mnogih drugih razvojnih tijekova rada. U ovoj lekciji razjasnit ćemo taj proces i istaknuti glavne tehnike koje trebate znati. Naučit ćete:

9
translations/hr/1-Introduction/4-techniques-of-ML/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "70d65aeddc06170bc1aed5b27805f930",
"translation_date": "2025-09-05T12:46:13+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/assignment.md",
"language_code": "hr"
}
-->
# Intervju s podatkovnim znanstvenikom
## Upute

9
translations/hr/1-Introduction/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "cf8ecc83f28e5b98051d2179eca08e08",
"translation_date": "2025-09-05T12:34:58+00:00",
"source_file": "1-Introduction/README.md",
"language_code": "hr"
}
-->
# Uvod u strojno učenje
U ovom dijelu kurikuluma upoznat ćete osnovne pojmove koji čine temelj područja strojnog učenja, što ono jest, te ćete saznati o njegovoj povijesti i tehnikama koje istraživači koriste za rad s njim. Istražimo zajedno ovaj novi svijet strojnog učenja!

9
translations/hr/2-Regression/1-Tools/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fa81d226c71d5af7a2cade31c1c92b88",
"translation_date": "2025-09-05T11:40:33+00:00",
"source_file": "2-Regression/1-Tools/README.md",
"language_code": "hr"
}
-->
# Početak rada s Pythonom i Scikit-learn za regresijske modele
![Sažetak regresija u obliku sketchnotea](../../../../sketchnotes/ml-regression.png)

9
translations/hr/2-Regression/1-Tools/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "74a5cf83e4ebc302afbcbc4f418afd0a",
"translation_date": "2025-09-05T11:44:06+00:00",
"source_file": "2-Regression/1-Tools/assignment.md",
"language_code": "hr"
}
-->
# Regresija s Scikit-learnom
## Upute

9
translations/hr/2-Regression/1-Tools/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T11:44:43+00:00",
"source_file": "2-Regression/1-Tools/solution/Julia/README.md",
"language_code": "hr"
}
-->
---

9
translations/hr/2-Regression/2-Data/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7c077988328ebfe33b24d07945f16eca",
"translation_date": "2025-09-05T11:45:44+00:00",
"source_file": "2-Regression/2-Data/README.md",
"language_code": "hr"
}
-->
# Izgradnja regresijskog modela pomoću Scikit-learn: priprema i vizualizacija podataka
![Infografika o vizualizaciji podataka](../../../../2-Regression/2-Data/images/data-visualization.png)

9
translations/hr/2-Regression/2-Data/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "4485a1ed4dd1b5647365e3d87456515d",
"translation_date": "2025-09-05T11:48:51+00:00",
"source_file": "2-Regression/2-Data/assignment.md",
"language_code": "hr"
}
-->
# Istraživanje Vizualizacija
Postoji nekoliko različitih biblioteka dostupnih za vizualizaciju podataka. Kreirajte neke vizualizacije koristeći podatke o bundevama iz ove lekcije s matplotlib i seaborn u uzorku bilježnice. Koje biblioteke su lakše za rad?

9
translations/hr/2-Regression/2-Data/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T11:49:20+00:00",
"source_file": "2-Regression/2-Data/solution/Julia/README.md",
"language_code": "hr"
}
-->
---

25
translations/hr/2-Regression/3-Linear/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "40e64f004f3cb50aa1d8661672d3cd92",
"translation_date": "2025-09-05T11:27:31+00:00",
"source_file": "2-Regression/3-Linear/README.md",
"language_code": "hr"
}
-->
# Izgradnja regresijskog modela koristeći Scikit-learn: četiri načina regresije
![Infografika linearne i polinomne regresije](../../../../2-Regression/3-Linear/images/linear-polynomial.png)
@ -114,11 +105,11 @@ Sada kada razumijete matematiku iza linearne regresije, kreirajmo regresijski mo
Iz prethodne lekcije vjerojatno ste vidjeli da prosječna cijena za različite mjesece izgleda ovako:
<img alt="Prosječna cijena po mjesecu" src="../2-Data/images/barchart.png" width="50%"/>
<img alt="Prosječna cijena po mjesecu" src="../../../../translated_images/hr/barchart.a833ea9194346d76.webp" width="50%"/>
To sugerira da bi mogla postojati neka korelacija, i možemo pokušati trenirati model linearne regresije kako bismo predvidjeli odnos između `Mjesec` i `Cijena`, ili između `DanUGodini` i `Cijena`. Evo dijagrama raspršenja koji pokazuje potonji odnos:
<img alt="Dijagram raspršenja Cijena vs. Dan u godini" src="images/scatter-dayofyear.png" width="50%" />
<img alt="Dijagram raspršenja Cijena vs. Dan u godini" src="../../../../translated_images/hr/scatter-dayofyear.bc171c189c9fd553.webp" width="50%" />
Pogledajmo postoji li korelacija koristeći funkciju `corr`:
@ -137,7 +128,7 @@ for i,var in enumerate(new_pumpkins['Variety'].unique()):
ax = df.plot.scatter('DayOfYear','Price',ax=ax,c=colors[i],label=var)
```
<img alt="Dijagram raspršenja Cijena vs. Dan u godini" src="images/scatter-dayofyear-color.png" width="50%" />
<img alt="Dijagram raspršenja Cijena vs. Dan u godini" src="../../../../translated_images/hr/scatter-dayofyear-color.65790faefbb9d54f.webp" width="50%" />
Naša istraga sugerira da vrsta bundeve ima veći utjecaj na ukupnu cijenu nego stvarni datum prodaje. To možemo vidjeti s dijagramom stupaca:
@ -145,7 +136,7 @@ Naša istraga sugerira da vrsta bundeve ima veći utjecaj na ukupnu cijenu nego
new_pumpkins.groupby('Variety')['Price'].mean().plot(kind='bar')
```
<img alt="Dijagram stupaca cijena vs vrsta" src="images/price-by-variety.png" width="50%" />
<img alt="Dijagram stupaca cijena vs vrsta" src="../../../../translated_images/hr/price-by-variety.744a2f9925d9bcb4.webp" width="50%" />
Usredotočimo se za trenutak samo na jednu vrstu bundeve, 'pie type', i pogledajmo kakav učinak datum ima na cijenu:
@ -153,7 +144,7 @@ Usredotočimo se za trenutak samo na jednu vrstu bundeve, 'pie type', i pogledaj
pie_pumpkins = new_pumpkins[new_pumpkins['Variety']=='PIE TYPE']
pie_pumpkins.plot.scatter('DayOfYear','Price')
```
<img alt="Dijagram raspršenja Cijena vs. Dan u godini" src="images/pie-pumpkins-scatter.png" width="50%" />
<img alt="Dijagram raspršenja Cijena vs. Dan u godini" src="../../../../translated_images/hr/pie-pumpkins-scatter.d14f9804a53f927e.webp" width="50%" />
Ako sada izračunamo korelaciju između `Cijena` i `DanUGodini` koristeći funkciju `corr`, dobit ćemo nešto poput `-0.27` - što znači da treniranje prediktivnog modela ima smisla.
@ -227,7 +218,7 @@ plt.scatter(X_test,y_test)
plt.plot(X_test,pred)
```
<img alt="Linear regression" src="images/linear-results.png" width="50%" />
<img alt="Linear regression" src="../../../../translated_images/hr/linear-results.f7c3552c85b0ed1c.webp" width="50%" />
## Polinomijalna regresija
@ -256,7 +247,7 @@ Korištenje `PolynomialFeatures(2)` znači da ćemo uključiti sve polinome drug
Pipeline se može koristiti na isti način kao i originalni objekt `LinearRegression`, tj. možemo koristiti `fit` za treniranje pipelinea, a zatim `predict` za dobivanje rezultata predikcije. Evo grafikona koji prikazuje testne podatke i aproksimacijsku krivulju:
<img alt="Polynomial regression" src="images/poly-results.png" width="50%" />
<img alt="Polynomial regression" src="../../../../translated_images/hr/poly-results.ee587348f0f1f60b.webp" width="50%" />
Korištenjem polinomijalne regresije možemo dobiti nešto niži MSE i viši koeficijent determinacije, ali ne značajno. Moramo uzeti u obzir i druge značajke!
@ -274,7 +265,7 @@ U idealnom svijetu želimo moći predvidjeti cijene za različite vrste bundeva
Ovdje možete vidjeti kako prosječna cijena ovisi o vrsti:
<img alt="Average price by variety" src="images/price-by-variety.png" width="50%" />
<img alt="Average price by variety" src="../../../../translated_images/hr/price-by-variety.744a2f9925d9bcb4.webp" width="50%" />
Kako bismo uzeli u obzir vrstu, prvo je moramo pretvoriti u numerički oblik, odnosno **kodirati**. Postoji nekoliko načina kako to možemo učiniti:

9
translations/hr/2-Regression/3-Linear/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "cc471fa89c293bc735dd3a9a0fb79b1b",
"translation_date": "2025-09-05T11:32:18+00:00",
"source_file": "2-Regression/3-Linear/assignment.md",
"language_code": "hr"
}
-->
# Kreiranje regresijskog modela
## Upute

9
translations/hr/2-Regression/3-Linear/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T11:32:53+00:00",
"source_file": "2-Regression/3-Linear/solution/Julia/README.md",
"language_code": "hr"
}
-->
---

9
translations/hr/2-Regression/4-Logistic/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "abf86d845c84330bce205a46b382ec88",
"translation_date": "2025-09-05T11:34:39+00:00",
"source_file": "2-Regression/4-Logistic/README.md",
"language_code": "hr"
}
-->
# Logistička regresija za predviđanje kategorija
![Infografika: Logistička vs. linearna regresija](../../../../2-Regression/4-Logistic/images/linear-vs-logistic.png)

9
translations/hr/2-Regression/4-Logistic/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "8af40209a41494068c1f42b14c0b450d",
"translation_date": "2025-09-05T11:38:59+00:00",
"source_file": "2-Regression/4-Logistic/assignment.md",
"language_code": "hr"
}
-->
# Ponovno pokušavanje regresije
## Upute

9
translations/hr/2-Regression/4-Logistic/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T11:39:28+00:00",
"source_file": "2-Regression/4-Logistic/solution/Julia/README.md",
"language_code": "hr"
}
-->
---

9
translations/hr/2-Regression/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
"translation_date": "2025-09-05T11:25:09+00:00",
"source_file": "2-Regression/README.md",
"language_code": "hr"
}
-->
# Regresijski modeli za strojno učenje
## Regionalna tema: Regresijski modeli za cijene bundeva u Sjevernoj Americi 🎃

9
translations/hr/3-Web-App/1-Web-App/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "e0b75f73e4a90d45181dc5581fe2ef5c",
"translation_date": "2025-09-05T12:58:07+00:00",
"source_file": "3-Web-App/1-Web-App/README.md",
"language_code": "hr"
}
-->
# Izgradnja web aplikacije za korištenje ML modela
U ovoj lekciji, trenirat ćete ML model na skupu podataka koji je doslovno van ovog svijeta: _viđenja NLO-a tijekom prošlog stoljeća_, preuzetih iz NUFORC baze podataka.

9
translations/hr/3-Web-App/1-Web-App/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a8e8ae10be335cbc745b75ee552317ff",
"translation_date": "2025-09-05T13:01:12+00:00",
"source_file": "3-Web-App/1-Web-App/assignment.md",
"language_code": "hr"
}
-->
# Isprobajte drugi model
## Upute

9
translations/hr/3-Web-App/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9836ff53cfef716ddfd70e06c5f43436",
"translation_date": "2025-09-05T12:56:35+00:00",
"source_file": "3-Web-App/README.md",
"language_code": "hr"
}
-->
# Izgradite web aplikaciju za korištenje vašeg ML modela
U ovom dijelu kurikuluma upoznat ćete se s primijenjenom temom strojnog učenja: kako spremiti svoj Scikit-learn model kao datoteku koja se može koristiti za predviđanja unutar web aplikacije. Kada model bude spremljen, naučit ćete kako ga koristiti u web aplikaciji izgrađenoj u Flasku. Prvo ćete kreirati model koristeći podatke koji se odnose na viđenja NLO-a! Zatim ćete izgraditi web aplikaciju koja će vam omogućiti unos broja sekundi, zajedno s vrijednostima geografske širine i dužine, kako biste predvidjeli koja je zemlja prijavila viđenje NLO-a.

9
translations/hr/4-Classification/1-Introduction/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "aaf391d922bd6de5efba871d514c6d47",
"translation_date": "2025-09-05T13:17:37+00:00",
"source_file": "4-Classification/1-Introduction/README.md",
"language_code": "hr"
}
-->
# Uvod u klasifikaciju
U ovih četiri lekcije istražit ćete temeljni fokus klasičnog strojnog učenja - _klasifikaciju_. Proći ćemo kroz korištenje različitih algoritama klasifikacije s datasetom o svim briljantnim kuhinjama Azije i Indije. Nadamo se da ste gladni!

9
translations/hr/4-Classification/1-Introduction/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b2a01912beb24cfb0007f83594dba801",
"translation_date": "2025-09-05T13:20:29+00:00",
"source_file": "4-Classification/1-Introduction/assignment.md",
"language_code": "hr"
}
-->
# Istražite metode klasifikacije
## Upute

9
translations/hr/4-Classification/1-Introduction/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T13:21:15+00:00",
"source_file": "4-Classification/1-Introduction/solution/Julia/README.md",
"language_code": "hr"
}
-->
---

9
translations/hr/4-Classification/2-Classifiers-1/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1a6e9e46b34a2e559fbbfc1f95397c7b",
"translation_date": "2025-09-05T13:04:51+00:00",
"source_file": "4-Classification/2-Classifiers-1/README.md",
"language_code": "hr"
}
-->
# Klasifikatori kuhinja 1
U ovoj lekciji koristit ćete skup podataka koji ste spremili iz prethodne lekcije, pun uravnoteženih i očišćenih podataka o kuhinjama.

9
translations/hr/4-Classification/2-Classifiers-1/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "de6025f96841498b0577e9d1aee18d1f",
"translation_date": "2025-09-05T13:08:42+00:00",
"source_file": "4-Classification/2-Classifiers-1/assignment.md",
"language_code": "hr"
}
-->
# Proučite rješavače
## Upute

9
translations/hr/4-Classification/2-Classifiers-1/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T13:09:40+00:00",
"source_file": "4-Classification/2-Classifiers-1/solution/Julia/README.md",
"language_code": "hr"
}
-->
---

9
translations/hr/4-Classification/3-Classifiers-2/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "49047911108adc49d605cddfb455749c",
"translation_date": "2025-09-05T13:14:16+00:00",
"source_file": "4-Classification/3-Classifiers-2/README.md",
"language_code": "hr"
}
-->
# Klasifikatori kuhinja 2
U ovoj drugoj lekciji o klasifikaciji istražit ćete više načina za klasifikaciju numeričkih podataka. Također ćete naučiti o posljedicama odabira jednog klasifikatora u odnosu na drugi.

9
translations/hr/4-Classification/3-Classifiers-2/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "58dfdaf79fb73f7d34b22bdbacf57329",
"translation_date": "2025-09-05T13:16:02+00:00",
"source_file": "4-Classification/3-Classifiers-2/assignment.md",
"language_code": "hr"
}
-->
# Parametri u igri
## Upute

9
translations/hr/4-Classification/3-Classifiers-2/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T13:16:42+00:00",
"source_file": "4-Classification/3-Classifiers-2/solution/Julia/README.md",
"language_code": "hr"
}
-->
---

9
translations/hr/4-Classification/4-Applied/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "61bdec27ed2da8b098cd9065405d9bb0",
"translation_date": "2025-09-05T13:10:42+00:00",
"source_file": "4-Classification/4-Applied/README.md",
"language_code": "hr"
}
-->
# Izgradnja web aplikacije za preporuku kuhinja
U ovoj lekciji izgradit ćete model klasifikacije koristeći neke od tehnika koje ste naučili u prethodnim lekcijama, uz ukusni dataset kuhinja koji se koristi kroz cijeli ovaj serijal. Osim toga, izradit ćete malu web aplikaciju za korištenje spremljenog modela, koristeći Onnx web runtime.

9
translations/hr/4-Classification/4-Applied/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "799ed651e2af0a7cad17c6268db11578",
"translation_date": "2025-09-05T13:13:17+00:00",
"source_file": "4-Classification/4-Applied/assignment.md",
"language_code": "hr"
}
-->
# Izgradite preporučitelj
## Upute

9
translations/hr/4-Classification/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "74e809ffd1e613a1058bbc3e9600859e",
"translation_date": "2025-09-05T13:03:07+00:00",
"source_file": "4-Classification/README.md",
"language_code": "hr"
}
-->
# Početak rada s klasifikacijom
## Regionalna tema: Ukusna azijska i indijska kuhinja 🍜

9
translations/hr/5-Clustering/1-Visualize/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "730225ea274c9174fe688b21d421539d",
"translation_date": "2025-09-05T12:10:57+00:00",
"source_file": "5-Clustering/1-Visualize/README.md",
"language_code": "hr"
}
-->
# Uvod u klasteriranje
Klasteriranje je vrsta [Nenadziranog učenja](https://wikipedia.org/wiki/Unsupervised_learning) koja pretpostavlja da je skup podataka neoznačen ili da njegovi ulazi nisu povezani s unaprijed definiranim izlazima. Koristi razne algoritme za analizu neoznačenih podataka i pruža grupiranja prema obrascima koje prepoznaje u podacima.

9
translations/hr/5-Clustering/1-Visualize/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "589fa015a5e7d9e67bd629f7d47b53de",
"translation_date": "2025-09-05T12:17:14+00:00",
"source_file": "5-Clustering/1-Visualize/assignment.md",
"language_code": "hr"
}
-->
# Istražite druge vizualizacije za klasteriranje
## Upute

9
translations/hr/5-Clustering/1-Visualize/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T12:17:52+00:00",
"source_file": "5-Clustering/1-Visualize/solution/Julia/README.md",
"language_code": "hr"
}
-->
---

9
translations/hr/5-Clustering/2-K-Means/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7cdd17338d9bbd7e2171c2cd462eb081",
"translation_date": "2025-09-05T12:18:40+00:00",
"source_file": "5-Clustering/2-K-Means/README.md",
"language_code": "hr"
}
-->
# K-Means klasteriranje
## [Pre-lecture quiz](https://ff-quizzes.netlify.app/en/ml/)

9
translations/hr/5-Clustering/2-K-Means/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b8e17eff34ad1680eba2a5d3cf9ffc41",
"translation_date": "2025-09-05T12:21:04+00:00",
"source_file": "5-Clustering/2-K-Means/assignment.md",
"language_code": "hr"
}
-->
# Isprobajte različite metode grupiranja
## Upute

9
translations/hr/5-Clustering/2-K-Means/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T12:21:39+00:00",
"source_file": "5-Clustering/2-K-Means/solution/Julia/README.md",
"language_code": "hr"
}
-->
---

9
translations/hr/5-Clustering/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b28a3a4911584062772c537b653ebbc7",
"translation_date": "2025-09-05T12:08:35+00:00",
"source_file": "5-Clustering/README.md",
"language_code": "hr"
}
-->
# Modeli grupiranja za strojno učenje
Grupiranje je zadatak strojnog učenja koji nastoji pronaći objekte koji su slični jedni drugima i grupirati ih u skupine koje nazivamo klasterima. Ono što razlikuje grupiranje od drugih pristupa u strojnome učenju jest činjenica da se proces odvija automatski; zapravo, može se reći da je to suprotnost nadziranom učenju.

9
translations/hr/6-NLP/1-Introduction-to-NLP/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1c2ec40cf55c98a028a359c27ef7e45a",
"translation_date": "2025-09-05T14:09:37+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/README.md",
"language_code": "hr"
}
-->
# Uvod u obradu prirodnog jezika
Ova lekcija pokriva kratku povijest i važne koncepte *obrade prirodnog jezika*, područja unutar *računalne lingvistike*.

9
translations/hr/6-NLP/1-Introduction-to-NLP/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1d7583e8046dacbb0c056d5ba0a71b16",
"translation_date": "2025-09-05T14:12:54+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/assignment.md",
"language_code": "hr"
}
-->
# Potraga za botom
## Upute

9
translations/hr/6-NLP/2-Tasks/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5f3cb462e3122e1afe7ab0050ccf2bd3",
"translation_date": "2025-09-05T13:54:13+00:00",
"source_file": "6-NLP/2-Tasks/README.md",
"language_code": "hr"
}
-->
# Uobičajeni zadaci i tehnike obrade prirodnog jezika
Za većinu zadataka obrade prirodnog jezika (*natural language processing*), tekst koji se obrađuje mora se razložiti, analizirati i rezultati pohraniti ili usporediti s pravilima i skupovima podataka. Ovi zadaci omogućuju programeru da izvuče _značenje_, _namjeru_ ili samo _učestalost_ pojmova i riječi u tekstu.

9
translations/hr/6-NLP/2-Tasks/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "2efc4c2aba5ed06c780c05539c492ae3",
"translation_date": "2025-09-05T13:57:21+00:00",
"source_file": "6-NLP/2-Tasks/assignment.md",
"language_code": "hr"
}
-->
# Napravite da bot odgovara
## Upute

9
translations/hr/6-NLP/3-Translation-Sentiment/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "be03c8182982b87ced155e4e9d1438e8",
"translation_date": "2025-09-05T14:14:15+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/README.md",
"language_code": "hr"
}
-->
# Prijevod i analiza sentimenta s ML-om
U prethodnim lekcijama naučili ste kako izraditi osnovnog bota koristeći `TextBlob`, biblioteku koja koristi strojno učenje iza kulisa za obavljanje osnovnih NLP zadataka poput izdvajanja imenskih fraza. Još jedan važan izazov u računalnoj lingvistici je točno _prevođenje_ rečenice s jednog govornog ili pisanog jezika na drugi.

9
translations/hr/6-NLP/3-Translation-Sentiment/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9d2a734deb904caff310d1a999c6bd7a",
"translation_date": "2025-09-05T14:17:33+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/assignment.md",
"language_code": "hr"
}
-->
# Poetska licenca
## Upute

9
translations/hr/6-NLP/3-Translation-Sentiment/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T14:18:26+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/Julia/README.md",
"language_code": "hr"
}
-->
---

9
translations/hr/6-NLP/3-Translation-Sentiment/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T14:18:07+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/R/README.md",
"language_code": "hr"
}
-->
ovo je privremeni rezervirani prostor
---

9
translations/hr/6-NLP/4-Hotel-Reviews-1/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "8d32dadeda93c6fb5c43619854882ab1",
"translation_date": "2025-09-05T13:59:21+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/README.md",
"language_code": "hr"
}
-->
# Analiza sentimenta s recenzijama hotela - obrada podataka
U ovom dijelu koristit ćete tehnike iz prethodnih lekcija za provođenje istraživačke analize velikog skupa podataka. Kada steknete dobar uvid u korisnost različitih stupaca, naučit ćete:

9
translations/hr/6-NLP/4-Hotel-Reviews-1/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "bf39bceb833cd628f224941dca8041df",
"translation_date": "2025-09-05T14:07:31+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/assignment.md",
"language_code": "hr"
}
-->
# NLTK
## Upute

9
translations/hr/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T14:08:17+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md",
"language_code": "hr"
}
-->
---

9
translations/hr/6-NLP/4-Hotel-Reviews-1/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T14:07:58+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/R/README.md",
"language_code": "hr"
}
-->
ovo je privremeni rezervirani prostor
---

9
translations/hr/6-NLP/5-Hotel-Reviews-2/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "2c742993fe95d5bcbb2846eda3d442a1",
"translation_date": "2025-09-05T14:19:41+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/README.md",
"language_code": "hr"
}
-->
# Analiza sentimenta s recenzijama hotela
Sada kada ste detaljno istražili skup podataka, vrijeme je da filtrirate stupce i primijenite NLP tehnike na skup podataka kako biste dobili nove uvide o hotelima.

9
translations/hr/6-NLP/5-Hotel-Reviews-2/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "daf144daa552da6a7d442aff6f3e77d8",
"translation_date": "2025-09-05T14:26:35+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/assignment.md",
"language_code": "hr"
}
-->
# Isprobajte drugi skup podataka
## Upute

9
translations/hr/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T14:27:29+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md",
"language_code": "hr"
}
-->
---

9
translations/hr/6-NLP/5-Hotel-Reviews-2/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T14:27:07+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/R/README.md",
"language_code": "hr"
}
-->
ovo je privremeni rezervirani prostor
---

9
translations/hr/6-NLP/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1eb379dc2d0c9940b320732d16083778",
"translation_date": "2025-09-05T13:52:43+00:00",
"source_file": "6-NLP/README.md",
"language_code": "hr"
}
-->
# Početak rada s obradom prirodnog jezika
Obrada prirodnog jezika (NLP) je sposobnost računalnog programa da razumije ljudski jezik onako kako se govori i piše – poznat kao prirodni jezik. To je komponenta umjetne inteligencije (AI). NLP postoji više od 50 godina i ima korijene u području lingvistike. Cijelo područje usmjereno je na pomoć strojevima da razumiju i obrađuju ljudski jezik. To se zatim može koristiti za obavljanje zadataka poput provjere pravopisa ili strojne prijevode. Ima razne primjene u stvarnom svijetu u brojnim područjima, uključujući medicinska istraživanja, tražilice i poslovnu inteligenciju.

9
translations/hr/6-NLP/data/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ee0670655c89e4719319764afb113624",
"translation_date": "2025-09-05T14:08:38+00:00",
"source_file": "6-NLP/data/README.md",
"language_code": "hr"
}
-->
Preuzmite podatke o recenzijama hotela u ovu mapu.
---

9
translations/hr/7-TimeSeries/1-Introduction/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "662b509c39eee205687726636d0a8455",
"translation_date": "2025-09-05T11:59:10+00:00",
"source_file": "7-TimeSeries/1-Introduction/README.md",
"language_code": "hr"
}
-->
# Uvod u predviđanje vremenskih serija
![Sažetak vremenskih serija u sketchnoteu](../../../../sketchnotes/ml-timeseries.png)

9
translations/hr/7-TimeSeries/1-Introduction/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "d1781b0b92568ea1d119d0a198b576b4",
"translation_date": "2025-09-05T12:02:56+00:00",
"source_file": "7-TimeSeries/1-Introduction/assignment.md",
"language_code": "hr"
}
-->
# Vizualizirajte još nekoliko vremenskih serija
## Upute

9
translations/hr/7-TimeSeries/1-Introduction/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T12:03:51+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/Julia/README.md",
"language_code": "hr"
}
-->
---

9
translations/hr/7-TimeSeries/1-Introduction/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T12:03:31+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/R/README.md",
"language_code": "hr"
}
-->
ovo je privremeni rezervirani prostor
---

9
translations/hr/7-TimeSeries/2-ARIMA/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "917dbf890db71a322f306050cb284749",
"translation_date": "2025-09-05T11:51:52+00:00",
"source_file": "7-TimeSeries/2-ARIMA/README.md",
"language_code": "hr"
}
-->
# Prognoza vremenskih serija s ARIMA
U prethodnoj lekciji naučili ste nešto o prognozi vremenskih serija i učitali skup podataka koji prikazuje fluktuacije električnog opterećenja tijekom određenog vremenskog razdoblja.

9
translations/hr/7-TimeSeries/2-ARIMA/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1c814013e10866dfd92cdb32caaae3ac",
"translation_date": "2025-09-05T11:57:03+00:00",
"source_file": "7-TimeSeries/2-ARIMA/assignment.md",
"language_code": "hr"
}
-->
# Novi ARIMA model
## Upute

9
translations/hr/7-TimeSeries/2-ARIMA/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T11:58:00+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/Julia/README.md",
"language_code": "hr"
}
-->
---

9
translations/hr/7-TimeSeries/2-ARIMA/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T11:57:41+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/R/README.md",
"language_code": "hr"
}
-->
ovo je privremeni rezervirani prostor
---

9
translations/hr/7-TimeSeries/3-SVR/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "482bccabe1df958496ea71a3667995cd",
"translation_date": "2025-09-05T12:04:47+00:00",
"source_file": "7-TimeSeries/3-SVR/README.md",
"language_code": "hr"
}
-->
# Predviđanje vremenskih serija pomoću Support Vector Regressor-a
U prethodnoj lekciji naučili ste kako koristiti ARIMA model za predviđanje vremenskih serija. Sada ćemo se fokusirati na model Support Vector Regressor, koji se koristi za predviđanje kontinuiranih podataka.

9
translations/hr/7-TimeSeries/3-SVR/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "94aa2fc6154252ae30a3f3740299707a",
"translation_date": "2025-09-05T12:07:48+00:00",
"source_file": "7-TimeSeries/3-SVR/assignment.md",
"language_code": "hr"
}
-->
# Novi SVR model
## Upute [^1]

9
translations/hr/7-TimeSeries/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "61342603bad8acadbc6b2e4e3aab3f66",
"translation_date": "2025-09-05T11:49:50+00:00",
"source_file": "7-TimeSeries/README.md",
"language_code": "hr"
}
-->
# Uvod u predviđanje vremenskih serija
Što je predviđanje vremenskih serija? Radi se o predviđanju budućih događaja analizom trendova iz prošlosti.

9
translations/hr/8-Reinforcement/1-QLearning/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "911efd5e595089000cb3c16fce1beab8",
"translation_date": "2025-09-05T13:35:49+00:00",
"source_file": "8-Reinforcement/1-QLearning/README.md",
"language_code": "hr"
}
-->
# Uvod u učenje pojačanjem i Q-učenje
![Sažetak učenja pojačanjem u strojnom učenju u obliku sketchnotea](../../../../sketchnotes/ml-reinforcement.png)

9
translations/hr/8-Reinforcement/1-QLearning/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "68394b2102d3503882e5e914bd0ff5c1",
"translation_date": "2025-09-05T13:42:18+00:00",
"source_file": "8-Reinforcement/1-QLearning/assignment.md",
"language_code": "hr"
}
-->
# Realističniji svijet
U našoj situaciji, Peter se mogao kretati gotovo bez umaranja ili osjećaja gladi. U realističnijem svijetu, morao bi se povremeno odmoriti i nahraniti. Učinimo naš svijet realističnijim implementirajući sljedeća pravila:

9
translations/hr/8-Reinforcement/1-QLearning/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T13:44:32+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/Julia/README.md",
"language_code": "hr"
}
-->
---

9
translations/hr/8-Reinforcement/1-QLearning/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T13:44:12+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/R/README.md",
"language_code": "hr"
}
-->
ovo je privremeni rezervirani prostor
---

9
translations/hr/8-Reinforcement/2-Gym/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "107d5bb29da8a562e7ae72262d251a75",
"translation_date": "2025-09-05T13:45:45+00:00",
"source_file": "8-Reinforcement/2-Gym/README.md",
"language_code": "hr"
}
-->
# CartPole Klizanje
Problem koji smo rješavali u prethodnoj lekciji može se činiti kao igračka, ne baš primjenjiva u stvarnim životnim situacijama. No, to nije slučaj, jer mnogi stvarni problemi dijele sličan scenarij - uključujući igranje šaha ili Go. Oni su slični jer također imamo ploču s određenim pravilima i **diskretno stanje**.

9
translations/hr/8-Reinforcement/2-Gym/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1f2b7441745eb52e25745423b247016b",
"translation_date": "2025-09-05T13:50:41+00:00",
"source_file": "8-Reinforcement/2-Gym/assignment.md",
"language_code": "hr"
}
-->
# Treniranje Mountain Car
[OpenAI Gym](http://gym.openai.com) je dizajniran na način da svi okoliši pružaju isti API - tj. iste metode `reset`, `step` i `render`, te iste apstrakcije **prostora akcija** i **prostora opažanja**. Stoga bi trebalo biti moguće prilagoditi iste algoritme za učenje pojačanjem različitim okruženjima uz minimalne promjene koda.

9
translations/hr/8-Reinforcement/2-Gym/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-05T13:52:14+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/Julia/README.md",
"language_code": "hr"
}
-->
---

9
translations/hr/8-Reinforcement/2-Gym/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-05T13:51:54+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/R/README.md",
"language_code": "hr"
}
-->
ovo je privremeni rezervirani prostor
---

9
translations/hr/8-Reinforcement/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "20ca019012b1725de956681d036d8b18",
"translation_date": "2025-09-05T13:31:55+00:00",
"source_file": "8-Reinforcement/README.md",
"language_code": "hr"
}
-->
# Uvod u učenje pojačanjem
Učenje pojačanjem, RL, smatra se jednim od osnovnih paradigmi strojnog učenja, uz nadzirano i nenadzirano učenje. RL se bavi donošenjem odluka: donošenjem ispravnih odluka ili barem učenjem iz njih.

9
translations/hr/9-Real-World/1-Applications/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "83320d6b6994909e35d830cebf214039",
"translation_date": "2025-09-05T12:24:30+00:00",
"source_file": "9-Real-World/1-Applications/README.md",
"language_code": "hr"
}
-->
# Postscript: Strojno učenje u stvarnom svijetu
![Sažetak strojnog učenja u stvarnom svijetu u obliku sketchnotea](../../../../sketchnotes/ml-realworld.png)

9
translations/hr/9-Real-World/1-Applications/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fdebfcd0a3f12c9e2b436ded1aa79885",
"translation_date": "2025-09-05T12:28:37+00:00",
"source_file": "9-Real-World/1-Applications/assignment.md",
"language_code": "hr"
}
-->
# Lov na blago s ML-om
## Upute

9
translations/hr/9-Real-World/2-Debugging-ML-Models/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "df2b538e8fbb3e91cf0419ae2f858675",
"translation_date": "2025-09-05T12:30:06+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/README.md",
"language_code": "hr"
}
-->
# Postscript: Otklanjanje pogrešaka u modelima strojnog učenja pomoću komponenti nadzorne ploče za odgovornu umjetnu inteligenciju
## [Kviz prije predavanja](https://ff-quizzes.netlify.app/en/ml/)

9
translations/hr/9-Real-World/2-Debugging-ML-Models/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "91c6a180ef08e20cc15acfd2d6d6e164",
"translation_date": "2025-09-05T12:34:17+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md",
"language_code": "hr"
}
-->
# Istražite nadzornu ploču za odgovornu umjetnu inteligenciju (RAI)
## Upute

9
translations/hr/9-Real-World/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5e069a0ac02a9606a69946c2b3c574a9",
"translation_date": "2025-09-05T12:23:03+00:00",
"source_file": "9-Real-World/README.md",
"language_code": "hr"
}
-->
# Postscript: Primjene klasičnog strojnog učenja u stvarnom svijetu
U ovom dijelu kurikuluma upoznat ćete se s nekim stvarnim primjenama klasičnog strojnog učenja. Pretražili smo internet kako bismo pronašli znanstvene radove i članke o primjenama koje koriste ove strategije, izbjegavajući neuralne mreže, duboko učenje i umjetnu inteligenciju koliko je to moguće. Saznajte kako se strojno učenje koristi u poslovnim sustavima, ekološkim aplikacijama, financijama, umjetnosti i kulturi, i još mnogo toga.

9
translations/hr/AGENTS.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "93fdaa0fd38836e50c4793e2f2f25e8b",
"translation_date": "2025-10-03T11:18:38+00:00",
"source_file": "AGENTS.md",
"language_code": "hr"
}
-->
# AGENTS.md
## Pregled projekta

9
translations/hr/CODE_OF_CONDUCT.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-09-05T11:24:25+00:00",
"source_file": "CODE_OF_CONDUCT.md",
"language_code": "hr"
}
-->
# Microsoftov Kodeks ponašanja za otvoreni izvor
Ovaj projekt je usvojio [Microsoftov Kodeks ponašanja za otvoreni izvor](https://opensource.microsoft.com/codeofconduct/).

9
translations/hr/CONTRIBUTING.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "977ec5266dfd78ad1ce2bd8d46fccbda",
"translation_date": "2025-09-05T11:21:41+00:00",
"source_file": "CONTRIBUTING.md",
"language_code": "hr"
}
-->
# Sudjelovanje
Ovaj projekt pozdravlja doprinose i prijedloge. Većina doprinosa zahtijeva da se složite s Ugovorom o licenci za doprinos (CLA) kojim izjavljujete da imate pravo, i da stvarno dajete prava za korištenje vašeg doprinosa. Za detalje posjetite https://cla.microsoft.com.

201
translations/hr/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "0a6f4476a4f3934a4aa47c1bf47158bc",
"translation_date": "2026-01-16T16:06:15+00:00",
"source_file": "README.md",
"language_code": "hr"
}
-->
[![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/)
@ -17,88 +8,88 @@ CO_OP_TRANSLATOR_METADATA:
[![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/)
### 🌐 Višejezična podrška
### 🌐 Podrška za više jezika
#### Podržano putem GitHub Akcije (automatski i uvijek ažurno)
#### Podržano putem GitHub Actions (Automatski i uvijek ažurno)
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](./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](../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)](../br/README.md) | [Portuguese (Portugal)](../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)
[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](./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](../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)
> **Radije klonirati lokalno?**
> **Dajte prednost lokalnom kloniranju?**
> Ovo spremište uključuje prijevode na više od 50 jezika, što značajno povećava veličinu preuzimanja. Za kloniranje bez prijevoda, koristite sparse checkout:
> Ovaj repozitorij sadrži prijevode na više od 50 jezika što značajno povećava veličinu preuzimanja. Za kloniranje bez prijevoda koristite 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'
> ```
> Ovo vam daje sve što vam treba za dovršetak tečaja, a preuzimanje je znatno brže.
> Ovo vam daje sve što vam je potrebno za završetak tečaja s mnogo bržim preuzimanjem.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
#### Pridružite se našoj zajednici
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
Imamo tekuću Discord seriju učenja s AI-jem, saznajte više i pridružite nam se na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. rujna 2025. Dobit ćete savjete i trikove za korištenje GitHub Copilota za Data Science.
Imamo seriju Discord za učenje s AI, saznajte više i pridružite nam se na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. rujna 2025. Dobit ćete savjete i trikove za korištenje GitHub Copilota za Data Science.
![Learn with AI series](../../../../translated_images/hr/3.9b58fd8d6c373c20.webp)
![Learn with AI series](../../translated_images/hr/3.9b58fd8d6c373c20.webp)
# Strojno učenje za početnike - kurikulum
# Strojno učenje za početnike - Kurikulum
> 🌍 Putujte svijetom dok istražujemo Strojno učenje kroz kulture svijeta 🌍
Cloud Advocates u Microsoftu s veseljem nude 12-tjedni kurikulum s 26 lekcija o **Strojnome učenju**. U ovom kurikulumu naučit ćete o onome što se ponekad naziva **klasičnim strojnim učenjem**, koristeći prvenstveno Scikit-learn kao biblioteku i izbjegavajući duboko učenje, koje je obuhvaćeno u našem [AI za početnike kurikulumu](https://aka.ms/ai4beginners). Također kombinirajte ove lekcije s našim ['Data Science for Beginners' kurikulumom](https://aka.ms/ds4beginners).
Cloud Advocates u Microsoftu s ponosom nude 12-tjedni, 26-poglavni kurikulum koji se bavi **Strojnim učenjem**. U ovom kurikulumu naučit ćete o onome što se ponekad naziva **klasičnim strojnim učenjem**, koristeći prvenstveno Scikit-learn kao knjižnicu i izbjegavajući duboko učenje, koje je obuhvaćeno u našem [AI za početnike kurikulumu](https://aka.ms/ai4beginners). Uparite ove lekcije s našim ['Data Science za početnike' kurikulumom](https://aka.ms/ds4beginners) također!
Putujte s nama oko svijeta dok primjenjujemo ove klasične tehnike na podatke iz mnogih područja svijeta. Svaka lekcija uključuje kvizove prije i nakon lekcije, pisane upute za dovršetak lekcije, rješenje, zadatak i još mnogo toga. Naš projektno orijentiran pedagoški pristup omogućuje vam učenje kroz izgradnju, dokazano učinkovitu metodu za dugotrajno usvajanje novih znanja.
Putujte s nama diljem svijeta dok primjenjujemo ove klasične tehnike na podatke iz mnogih područja svijeta. Svaka lekcija uključuje kvizove prije i poslije lekcije, pisane upute za dovršetak lekcije, rješenje, zadatak i više. Naša pedagoška metoda zasnovana na projektima omogućuje vam da učite dok gradite, što je dokazani način da nove vještine ostanu.
**✍️ Velika zahvalnost našim autorima** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu i Amy Boyd
**✍️ Srdačne zahvale našim autorima** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu i Amy Boyd
**🎨 Također hvala našim ilustratorima** Tomomi Imura, Dasani Madipalli i Jen Looper
**🎨 Zahvale također našim ilustratorima** Tomomi Imura, Dasani Madipalli, i Jen Looper
**🙏 Posebna zahvalnost 🙏 našim Microsoft Student Ambassador autorima, recenzentima i suradnicima sadržaja**, osobito Rishitu Dagliju, Muhammadu Sakibu Khanu Inanu, Rohanu Raju, Alexandruu Petrescuu, Abhisheku Jaiswalu, Nawrin Tabassumu, Ioanu Samuili i Snigdhi Agarwalu
**🙏 Posebne zahvale 🙏 našim Microsoft Student Ambassador autorima, recenzentima i suradnicima sadržaja**, posebice Rishitu Dagliju, Muhammadu Sakib Khanu Inanu, Rohanu Raju, Alexandru Petrescuu, Abhisheku Jaiswalu, Nawrin Tabassumu, Ioanu Samuili i Snigdhi Agarwal
**🤩 Posebna zahvalnost Microsoft Student Ambassadorima Ericu Wanjauu, Jasleen Sondhi i Vidushi Gupti za naše R lekcije!**
**🤩 Dodatna zahvala Microsoft Student Ambassadorima Ericu Wanjau, Jasleen Sondhi i Vidushi Gupti za naše R lekcije!**
# Početak
# Početak rada
Slijedite ove korake:
1. **Forkajte spremište**: Kliknite na gumb "Fork" u gornjem desnom kutu ove stranice.
2. **Klonirajte spremište**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
1. **Forkajte Repozitorij**: Kliknite na gumb "Fork" u gornjem desnom kutu ove stranice.
2. **Klonirajte Repozitorij**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
> [Pronađite sve dodatne resurse za ovaj tečaj u našoj Microsoft Learn kolekciji](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [pronađite sve dodatne resurse za ovaj tečaj u našoj Microsoft Learn kolekciji](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Trebate pomoć?** Pogledajte naš [Vodič za rješavanje problema](TROUBLESHOOTING.md) za rješenja uobičajenih problema s instalacijom, postavkama i izvođenjem lekcija.
> 🔧 **Trebate pomoć?** Provjerite naš [Vodič za rješavanje problema](TROUBLESHOOTING.md) za rješenja uobičajenih problema s instalacijom, postavkom i izvođenjem lekcija.
**[Studenti](https://aka.ms/student-page)**, za korištenje ovog kurikuluma, napravite fork cijelog repozitorija na vlastiti GitHub račun i dovršite vježbe samostalno ili u grupi:
**[Studenti](https://aka.ms/student-page)**, za korištenje ovog kurikuluma, forkajte cijeli repozitorij na vaš GitHub račun i dovršite vježbe sami ili u grupi:
- Počnite s kvizom prije predavanja.
- Pročitajte lekciju i dovršite aktivnosti, zastajkujući i razmišljajući na svakom provjeri znanja.
- Pokušajte stvoriti projekte razumijevanjem lekcija umjesto da samo pokrenete rješenje; no taj kod dostupan je u mapama `/solution` u svakoj projektnom orijentiranoj lekciji.
- Obavite kviz nakon predavanja.
- Započnite kvizom prije predavanja.
- Pročitajte predavanje i dovršite aktivnosti, pauzirajući i razmišljajući kod svake provjere znanja.
- Pokušajte kreirati projekte razumijevanjem lekcija umjesto izvođenjem koda rješenja; ipak je taj kod dostupan u `/solution` mapama u svakoj lekciji orijentiranoj na projekt.
- Polažite kviz nakon predavanja.
- Dovršite izazov.
- Dovršite zadatak.
- Nakon završetka grupe lekcija posjetite [Odbor za raspravu](https://github.com/microsoft/ML-For-Beginners/discussions) i „učite naglas“ tako da ispunite odgovarajuću PAT rubricu. 'PAT' je Alat za procjenu napretka koji ispunjavate radi daljnjeg učenja. Također možete reagirati na druge PAT-ove kako bismo učili zajedno.
- Nakon dovršetka grupe lekcija, posjetite [Diskusijski Forum](https://github.com/microsoft/ML-For-Beginners/discussions) i "učite na glas" ispunjavajući odgovarajući PAT obrazac. 'PAT' je alat za procjenu napretka i obrazac koji ispunjavate za daljnje učenje. Također možete reagirati na druge PAT-ove kako bismo zajednički učili.
> Za daljnje proučavanje preporučujemo da pratite ove [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) module i obrazovne putove.
> Za daljnje proučavanje preporučujemo praćenje ovih [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modula i putanja učenja.
**Nastavnici**, uključili smo [neke prijedloge](for-teachers.md) o tome kako koristiti ovaj kurikulum.
**Nastavnici**, dali smo [neke prijedloge](for-teachers.md) kako koristiti ovaj kurikulum.
---
## Video vodiči
Neke su lekcije dostupne u obliku kratkih videozapisa. Sve ih možete pronaći unutar lekcija ili na [ML for Beginners playlisti na Microsoft Developer YouTube kanalu](https://aka.ms/ml-beginners-videos) klikom na sliku ispod.
Neke lekcije dostupne su kao kratki videozapisi. Sve ih možete pronaći u liniji u lekcijama ili na [ML for Beginners playlisti na Microsoft Developer YouTube kanalu](https://aka.ms/ml-beginners-videos) klikom na sliku ispod.
[![ML for beginners banner](../../../../translated_images/hr/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos)
[![ML for beginners banner](../../translated_images/hr/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos)
---
## Upoznajte tim
## Upoznajte Tim
[![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU)
**Gif od** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
**Gif autor** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
> 🎥 Kliknite na sliku gore za video o projektu i ljudima koji su ga stvorili!
@ -106,71 +97,71 @@ Neke su lekcije dostupne u obliku kratkih videozapisa. Sve ih možete pronaći u
## Pedagogija
Odabrali smo dva pedagoška načela pri izgradnji ovog kurikuluma: osiguravanje da je praktičan i **projektno orijentiran** te da uključuje **česte kvizove**. Osim toga, ovaj kurikulum ima zajedničku **temu** koja mu daje koheziju.
Odabrali smo dva pedagoška načela pri izradi ovog kurikuluma: osigurati da je praktičan i **zasnovan na projektima** te da uključuje **česte kvizove**. Osim toga, ovaj kurikulum ima zajedničku **temu** koja mu daje koheziju.
Osiguravanjem da sadržaj bude usklađen s projektima, proces postaje zanimljiviji za učenike i povećava se zadržavanje pojmova. Također, kviz s malom važnosti prije nastave usmjerava namjeru učenika prema učenju teme, dok drugi kviz nakon nastave osigurava daljnju zadržavanje znanja. Ovaj kurikulum je dizajniran da bude fleksibilan i zabavan te se može proći u cijelosti ili djelomično. Projekti započinju jednostavnije i postaju sve složeniji do kraja 12-tjednog ciklusa. Kurikulum također uključuje posvjetu o stvarnim primjenama strojnog učenja, koju je moguće koristiti kao dodatni bod ili kao osnovu za raspravu.
Osiguravanjem da sadržaj odgovara projektima, proces učenja postaje zanimljiviji za studente, a zadržavanje koncepata pojačano. Osim toga, kviz s niskom uloženosti prije nastave postavlja namjeru učenika prema učenju teme, dok drugi kviz nakon nastave dodatno osigurava zadržavanje. Ovaj kurikulum je dizajniran da bude fleksibilan i zabavan te se može provesti u cijelosti ili djelomično. Projekti započinju mali i postaju sve složeniji do kraja 12-tjednog ciklusa. Kurikulum uključuje i naknadnu napomenu o stvarnim primjenama ML-a, što može poslužiti kao dodatni bod ili kao osnova za raspravu.
> Pronađite naš [Kodeks ponašanja](CODE_OF_CONDUCT.md), [Doprinos](CONTRIBUTING.md), [Prijevod](TRANSLATIONS.md) i [Rješavanje problema](TROUBLESHOOTING.md) smjernice. Dobrodošli su vaši konstruktivni komentari!
> Pogledajte naš [Kodeks ponašanja](CODE_OF_CONDUCT.md), [Doprinos](CONTRIBUTING.md), [Prevođenje](TRANSLATIONS.md) i [Vodič za rješavanje problema](TROUBLESHOOTING.md). Cijenimo vašu konstruktivnu povratnu informaciju!
## Svaka lekcija uključuje
- opcionalnu skicu
- opcionalnu skicu bilješki
- opcionalni dodatni video
- video vodič (samo neke lekcije)
- [kviz za zagrijavanje prije predavanja](https://ff-quizzes.netlify.app/en/ml/)
- video vodič (samo za neke lekcije)
- [kviz za zagrijavanje prije lekcije](https://ff-quizzes.netlify.app/en/ml/)
- pisanu lekciju
- za lekcije temeljene na projektima, vodič korak po korak kako izgraditi projekt
- za lekcije temeljene na projektima, vodiče korak po korak kako izgraditi projekt
- provjere znanja
- izazov
- dodatnu literaturu
- dopunsko čitanje
- zadatak
- [kviz nakon predavanja](https://ff-quizzes.netlify.app/en/ml/)
> **Napomena o jezicima**: Ove su lekcije primarno napisane u Pythonu, ali mnoge su dostupne i u R-u. Za dovršetak R lekcije, idite u mapu `/solution` i potražite R lekcije. One imaju nastavak .rmd što predstavlja **R Markdown** datoteku koja se može jednostavno definirati kao ugradnja `kodnih blokova` (R-a ili drugih jezika) i `YAML zaglavlja` (koje vodi kako formatirati izlaze poput PDF-a) u `Markdown dokument`. Kao takav, služi kao izvrsni okvir za izradu sadržaja za data science jer vam omogućuje kombiniranje vašeg koda, njegovog izlaza i vaših razmišljanja pisanjem u Markdownu. Osim toga, R Markdown dokumenti mogu se konvertirati u izlazne formate kao PDF, HTML ili Word.
> **Napomena o kvizovima**: Svi kvizovi nalaze se u [Quiz App folder](../../quiz-app), ukupno 52 kviza s po tri pitanja. Oni su povezani unutar lekcija, ali se kviz aplikacija može pokrenuti lokalno; pratite upute u mapi `quiz-app` za lokalno hostanje ili postavljanje na Azure.
| Broj lekcije | Tema | Grupa lekcija | Ciljevi učenja | Povezana lekcija | Autor |
| :----------: | :---------------------------------------------------------: | :-------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------- | :----------------------------------------------------------------------------------------------------------------------------------: | :-------------------------------------: |
| 01 | Uvod u strojno učenje | [Uvod](1-Introduction/README.md) | Naučite osnovne pojmove iza strojnog učenja | [Lekcija](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Povijest strojnog učenja | [Uvod](1-Introduction/README.md) | Naučite povijest utemeljenu u ovom području | [Lekcija](1-Introduction/2-history-of-ML/README.md) | Jen i Amy |
| 03 | Pravednost i strojno učenje | [Uvod](1-Introduction/README.md) | Koja su važna filozofska pitanja oko pravednosti koja učenici trebaju razmotriti prilikom izrade i primjene ML modela? | [Lekcija](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Tehnike strojnog učenja | [Uvod](1-Introduction/README.md) | Koje tehnike istraživači strojnog učenja koriste za izgradnju ML modela? | [Lekcija](1-Introduction/4-techniques-of-ML/README.md) | Chris i Jen |
| 05 | Uvod u regresiju | [Regresija](2-Regression/README.md) | Počnite s Pythonom i Scikit-learn za regresijske modele | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Cijene bundeva u Sjevernoj Americi 🎃 | [Regresija](2-Regression/README.md) | Vizualizirajte i očistite podatke kao pripremu za ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Cijene bundeva u Sjevernoj Americi 🎃 | [Regresija](2-Regression/README.md) | Izgradite linearne i polinomijalne regresijske modele | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen i Dmitry • Eric Wanjau |
| 08 | Cijene bundeva u Sjevernoj Americi 🎃 | [Regresija](2-Regression/README.md) | Izgradite logistički regresijski model | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Web aplikacija 🔌 | [Web App](3-Web-App/README.md) | Izgradite web aplikaciju za korištenje vašeg treniranog modela | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Uvod u klasifikaciju | [Klasifikacija](4-Classification/README.md) | Očistite, pripremite i vizualizirajte svoje podatke; uvod u klasifikaciju | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen i Cassie • Eric Wanjau |
| 11 | Ukusne azijske i indijske kuhinje 🍜 | [Klasifikacija](4-Classification/README.md) | Uvod u klasifikatore | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen i Cassie • Eric Wanjau |
| 12 | Ukusne azijske i indijske kuhinje 🍜 | [Klasifikacija](4-Classification/README.md) | Još klasifikatora | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen i Cassie • Eric Wanjau |
| 13 | Ukusne azijske i indijske kuhinje 🍜 | [Klasifikacija](4-Classification/README.md) | Izgradite preporučiteljsku web aplikaciju koristeći svoj model | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Uvod u klasteriranje | [Klasteriranje](5-Clustering/README.md) | Očistite, pripremite i vizualizirajte svoje podatke; uvod u klasteriranje | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Istraživanje nigerijskih glazbenih ukusa 🎧 | [Klasteriranje](5-Clustering/README.md) | Istražite K-Means metodu klasteriranja | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Uvod u obradu prirodnog jezika ☕️ | [Obrada prirodnog jezika](6-NLP/README.md) | Naučite osnove NLP-a izradom jednostavnog bota | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Uobičajeni zadaci NLP-a ☕️ | [Obrada prirodnog jezika](6-NLP/README.md) | Produbite svoje znanje NLP-a razumijevanjem uobičajenih zadataka potrebnih za rad s jezičnim strukturama | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Prijevod i analiza sentimenta ♥️ | [Obrada prirodnog jezika](6-NLP/README.md) | Prijevod i analiza sentimenta s Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Romantični hoteli Europe ♥️ | [Obrada prirodnog jezika](6-NLP/README.md) | Analiza sentimenta s recenzijama hotela 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Romantični hoteli Europe ♥️ | [Obrada prirodnog jezika](6-NLP/README.md) | Analiza sentimenta s recenzijama hotela 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Uvod u predviđanje vremenskih nizova | [Vremenski nizovi](7-TimeSeries/README.md) | Uvod u predviđanje vremenskih nizova | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Potrošnja električne energije u svijetu ⚡️ - predviđanje vremenskih nizova s ARIMA | [Vremenski nizovi](7-TimeSeries/README.md) | Predviđanje vremenskih nizova s ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Potrošnja električne energije u svijetu ⚡️ - predviđanje vremenskih nizova s SVR | [Vremenski nizovi](7-TimeSeries/README.md) | Predviđanje vremenskih nizova metodom Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Uvod u učenje s potkrepljenjem | [Učenje s potkrepljenjem](8-Reinforcement/README.md) | Uvod u učenje s potkrepljenjem pomoću Q-Learning metode | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Pomozite Petru izbjeći vuka! 🐺 | [Učenje s potkrepljenjem](8-Reinforcement/README.md) | Učenje s potkrepljenjem kroz Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Stvarni scenariji i primjene ML-a | [ML u stvarnom svijetu](9-Real-World/README.md) | Zanimljive i otkrivajuće stvarne primjene klasičnog strojnog učenja | [Lekcija](9-Real-World/1-Applications/README.md) | Tim |
| Postscript | Debugiranje modela u ML pomoću RAI nadzorne ploče | [ML u stvarnom svijetu](9-Real-World/README.md) | Debugiranje modela u strojnome učenju pomoću komponenti Responsible AI nadzorne ploče | [Lekcija](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
- [kviz nakon lekcije](https://ff-quizzes.netlify.app/en/ml/)
> **Napomena o jezicima**: Ove lekcije su uglavnom napisane u Pythonu, ali mnoge su dostupne i u R-u. Za dovršetak R lekcije, otiđite u mapu `/solution` i potražite R lekcije. One uključuju ekstenziju .rmd što predstavlja **R Markdown** datoteku koja se može jednostavno definirati kao ugradnja `kodnih blokova` (R ili drugih jezika) i `YAML zaglavlja` (koje usmjerava formatiranje izlaza poput PDF) unutar `Markdown dokumenta`. Kao takav, služi kao izvrsni okvir za autorstvo u znanosti o podacima jer vam omogućuje da kombinirate svoj kod, njegov izlaz i svoje misli pisanjem u Markdownu. Štoviše, R Markdown dokumenti mogu se pretvoriti u izlazne formate poput PDF, HTML ili Word.
> **Napomena o kvizovima**: Svi kvizovi su smješteni u [Quiz App folder](../../quiz-app), ukupno 52 kviza sa po tri pitanja. Povezani su iz lekcija, ali kviz aplikacija se može pokrenuti lokalno; pratite upute u `quiz-app` mapi za lokalno hostanje ili postavljanje na Azure.
| Broj lekcije | Tema | Grupiranje lekcija | Ciljevi učenja | Povezana lekcija | Autor |
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
| 01 | Uvod u strojno učenje | [Uvod](1-Introduction/README.md) | Naučite osnovne koncepte strojnog učenja | [Lekcija](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Povijest strojnog učenja | [Uvod](1-Introduction/README.md) | Naučite povijest ovog područja | [Lekcija](1-Introduction/2-history-of-ML/README.md) | Jen i Amy |
| 03 | Pravičnost i strojno učenje | [Uvod](1-Introduction/README.md) | Koja su važna filozofska pitanja o pravičnosti koja učenici trebaju razmotriti prilikom izrade i primjene ML modela? | [Lekcija](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Tehnike za strojno učenje | [Uvod](1-Introduction/README.md) | Koje tehnike istraživači strojnog učenja koriste za izgradnju ML modela? | [Lekcija](1-Introduction/4-techniques-of-ML/README.md) | Chris i Jen |
| 05 | Uvod u regresiju | [Regresija](2-Regression/README.md) | Počnite s Pythonom i Scikit-learn za regresijske modele | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Cijene bundeva u Sjevernoj Americi 🎃 | [Regresija](2-Regression/README.md) | Vizualizirajte i očistite podatke kao pripremu za ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Cijene bundeva u Sjevernoj Americi 🎃 | [Regresija](2-Regression/README.md) | Izgradite linearne i polinomne regresijske modele | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen i Dmitry • Eric Wanjau |
| 08 | Cijene bundeva u Sjevernoj Americi 🎃 | [Regresija](2-Regression/README.md) | Izgradite logistički regresijski model | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Web aplikacija 🔌 | [Web App](3-Web-App/README.md) | Izgradite web aplikaciju za korištenje vašeg obučenog modela | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Uvod u klasifikaciju | [Klasifikacija](4-Classification/README.md) | Očistite, pripremite i vizualizirajte svoje podatke; uvod u klasifikaciju | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen i Cassie • Eric Wanjau |
| 11 | Ukusne azijske i indijske kuhinje 🍜 | [Klasifikacija](4-Classification/README.md) | Uvod u klasifikatore | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen i Cassie • Eric Wanjau |
| 12 | Ukusne azijske i indijske kuhinje 🍜 | [Klasifikacija](4-Classification/README.md) | Više klasifikatora | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen i Cassie • Eric Wanjau |
| 13 | Ukusne azijske i indijske kuhinje 🍜 | [Klasifikacija](4-Classification/README.md) | Izgradite preporučiteljsku web aplikaciju koristeći vaš model | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Uvod u grupiranje | [Grupiranje](5-Clustering/README.md) | Očistite, pripremite i vizualizirajte svoje podatke; uvod u grupiranje | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Istražujući nigerijske glazbene ukuse 🎧 | [Grupiranje](5-Clustering/README.md) | Istražite K-Means metodu grupiranja | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Uvod u obradu prirodnog jezika ☕️ | [Obrada prirodnog jezika](6-NLP/README.md) | Naučite osnove NLP-a izgradnjom jednostavnog bota | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Česti zadaci NLP-a ☕️ | [Obrada prirodnog jezika](6-NLP/README.md) | Produbite svoje NLP znanje razumijevanjem čestih zadataka potrebnih pri radu s jezičnim strukturama | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Prijevod i analiza sentimenta ♥️ | [Obrada prirodnog jezika](6-NLP/README.md) | Prijevod i analiza sentimenta s Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Romantični hoteli Europe ♥️ | [Obrada prirodnog jezika](6-NLP/README.md) | Analiza sentimenta s recenzijama hotela 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Romantični hoteli Europe ♥️ | [Obrada prirodnog jezika](6-NLP/README.md) | Analiza sentimenta s recenzijama hotela 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Uvod u vremenske serije | [Vremenske serije](7-TimeSeries/README.md) | Uvod u predviđanje vremenskih serija | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Potrošnja električne energije u svijetu ⚡️ - predviđanje vremenskih serija s ARIMA | [Vremenske serije](7-TimeSeries/README.md) | Predviđanje vremenskih serija s ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Potrošnja električne energije u svijetu ⚡️ - predviđanje vremenskih serija sa SVR | [Vremenske serije](7-TimeSeries/README.md) | Predviđanje vremenskih serija s Support Vector Regressorom | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Uvod u učenje potkrepljivanjem | [Učenje potkrepljivanjem](8-Reinforcement/README.md) | Uvod u učenje potkrepljivanjem s Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Pomozi Peteru izbjeći vuka! 🐺 | [Učenje potkrepljivanjem](8-Reinforcement/README.md) | Učenje potkrepljivanjem u Gym-u | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Praktični scenariji i primjene strojnog učenja | [ML u stvarnom svijetu](9-Real-World/README.md) | Zanimljive i otkrivajuće primjene klasičnog strojnog učenja | [Lekcija](9-Real-World/1-Applications/README.md) | Tim |
| Postscript | Otklanjanje grešaka modela u strojnome učenju uz RAI nadzornu ploču | [ML u stvarnom svijetu](9-Real-World/README.md) | Otklanjanje grešaka modela u strojnome učenju koristeći Responsible AI nadzornu ploču | [Lekcija](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [pronađite sve dodatne resurse za ovaj tečaj u našoj Microsoft Learn kolekciji](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Pristup izvan mreže
Ovu dokumentaciju možete koristiti izvan mreže pomoću [Docsify](https://docsify.js.org/#/). Forkirajte ovaj repozitorij, [instalirajte Docsify](https://docsify.js.org/#/quickstart) na svoj lokalni stroj, a zatim u korijenskoj mapi ovog repozitorija upišite `docsify serve`. Web stranica će se posluživati na portu 3000 na vašem lokalnom stroju: `localhost:3000`.
Ovu dokumentaciju možete pokretati izvan mreže koristeći [Docsify](https://docsify.js.org/#/). Forkajte ovaj repozitorij, [instalirajte Docsify](https://docsify.js.org/#/quickstart) na vaš lokalni uređaj, a zatim u glavnoj mapi ovog repozitorija upišite `docsify serve`. Web stranica će se poslužiti na portu 3000 na vašem lokalnom računalu: `localhost:3000`.
## PDF-ovi
Pronađite pdf kurikuluma s poveznicama [ovdje](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
Nađite pdf nastavnoga plana s poveznicama [ovdje](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Ostali tečajevi
## 🎒 Drugi tečajevi
Naš tim proizvodi i druge tečajeve! Pogledajte:
@ -181,52 +172,52 @@ Naš tim proizvodi i druge tečajeve! Pogledajte:
---
### Azure / Edge / MCP / Agenti
### Azure / Edge / MCP / Agent
[![AZD za početnike](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 za početnike](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 za početnike](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 Agenti za početnike](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)
[![AI agenti za početnike](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)
---
### Serija generativne AI
[![Generativna AI za početnike](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)
[![Generativna 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)
[![Generativna 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)
[![Generativna 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)
### Serija generativne umjetne inteligencije
[![Generativna umjetna inteligencija za početnike](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)
[![Generativna umjetna inteligencija (.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)
[![Generativna umjetna inteligencija (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)
[![Generativna umjetna inteligencija (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)
---
### Osnovno učenje
[![ML za početnike](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 za početnike](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 za početnike](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 za početnike](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)
[![Strojno učenje za početnike](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)
[![Podatkovna znanost za početnike](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)
[![Umjetna inteligencija za početnike](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)
[![Kibernetička sigurnost za početnike](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 razvoj za početnike](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 za početnike](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 razvoj za početnike](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 serija
[![Copilot za AI u paru programiranje](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)
### Serija Copilot
[![Copilot za AI programsko sparivanje](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 za 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 avantura](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)
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
## Dobivanje pomoći
Ako zapnete ili imate pitanja o izradi AI aplikacija. Pridružite se kolegama učenicima i iskusnim programerima u raspravama o MCP-u. To je podržavajuća zajednica gdje su pitanja dobrodošla i znanje se slobodno dijeli.
Ako zapnete ili imate pitanja o izradi AI aplikacija, pridružite se drugim učenicima i iskusnim programerima u raspravama o MCP-u. To je podržavajuća zajednica gdje su pitanja dobrodošla, a znanje se slobodno dijeli.
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
Ako imate povratne informacije o proizvodu ili greške tijekom izrade, posjetite:
Ako imate povratne informacije o proizvodu ili pronađete greške tijekom izrade, posjetite:
[![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)
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Izjava o odricanju od odgovornosti**:
Ovaj dokument je preveden korištenjem AI prevoditeljskog servisa [Co-op Translator](https://github.com/Azure/co-op-translator). Iako težimo točnosti, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na njegovom izvornom jeziku treba smatrati autoritativnim izvorom. Za kritične informacije preporučuje se profesionalni ljudski prijevod. Ne snosimo odgovornost za bilo kakva nesporazuma ili pogrešna tumačenja nastala upotrebom ovog prijevoda.
**Izjava o odricanju od odgovornosti**:
Ovaj dokument je preveden pomoću AI prevodilačke usluge [Co-op Translator](https://github.com/Azure/co-op-translator). Iako težimo točnosti, molimo imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati službenim i autoritativnim izvorom. Za ključne informacije preporučuje se profesionalni ljudski prijevod. Nismo odgovorni za bilo kakve nesporazume ili pogrešna tumačenja koja proizlaze iz korištenja ovog prijevoda.
<!-- CO-OP TRANSLATOR DISCLAIMER END -->

9
translations/hr/SECURITY.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5e1b8da31aae9cca3d53ad243fa3365a",
"translation_date": "2025-09-05T11:22:26+00:00",
"source_file": "SECURITY.md",
"language_code": "hr"
}
-->
## Sigurnost
Microsoft ozbiljno shvaća sigurnost svojih softverskih proizvoda i usluga, uključujući sve repozitorije izvornog koda kojima upravljamo putem naših GitHub organizacija, koje uključuju [Microsoft](https://github.com/Microsoft), [Azure](https://github.com/Azure), [DotNet](https://github.com/dotnet), [AspNet](https://github.com/aspnet), [Xamarin](https://github.com/xamarin) i [naše GitHub organizacije](https://opensource.microsoft.com/).

9
translations/hr/SUPPORT.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "09623d7343ff1c26ff4f198c1b2d3176",
"translation_date": "2025-10-03T12:28:34+00:00",
"source_file": "SUPPORT.md",
"language_code": "hr"
}
-->
# Podrška
## Kako prijaviti probleme i dobiti pomoć

9
translations/hr/TROUBLESHOOTING.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "134d8759f0e2ab886e9aa4f62362c201",
"translation_date": "2025-10-03T12:55:42+00:00",
"source_file": "TROUBLESHOOTING.md",
"language_code": "hr"
}
-->
# Vodič za rješavanje problema
Ovaj vodič pomaže u rješavanju uobičajenih problema pri radu s kurikulumom "Strojno učenje za početnike". Ako ovdje ne pronađete rješenje, provjerite naše [Discord rasprave](https://aka.ms/foundry/discord) ili [otvorite problem](https://github.com/microsoft/ML-For-Beginners/issues).

9
translations/hr/docs/_sidebar.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "68dd06c685f6ce840e0acfa313352e7c",
"translation_date": "2025-09-05T12:22:07+00:00",
"source_file": "docs/_sidebar.md",
"language_code": "hr"
}
-->
- Uvod
- [Uvod u strojno učenje](../1-Introduction/1-intro-to-ML/README.md)
- [Povijest strojnog učenja](../1-Introduction/2-history-of-ML/README.md)

9
translations/hr/for-teachers.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b37de02054fa6c0438ede6fabe1fdfb8",
"translation_date": "2025-09-05T11:23:33+00:00",
"source_file": "for-teachers.md",
"language_code": "hr"
}
-->
## Za edukatore
Želite li koristiti ovaj kurikulum u svojoj učionici? Slobodno ga iskoristite!

9
translations/hr/quiz-app/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "6d130dffca5db70d7e615f926cb1ad4c",
"translation_date": "2025-09-05T13:01:57+00:00",
"source_file": "quiz-app/README.md",
"language_code": "hr"
}
-->
# Kvizovi
Ovi kvizovi su uvodni i završni kvizovi za ML kurikulum na https://aka.ms/ml-beginners

9
translations/hr/sketchnotes/LICENSE.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fba3b94d88bfb9b81369b869a1e9a20f",
"translation_date": "2025-09-05T13:24:57+00:00",
"source_file": "sketchnotes/LICENSE.md",
"language_code": "hr"
}
-->
Priznanje-Dijeljenje pod istim uvjetima 4.0 Međunarodna
=======================================================================

9
translations/hr/sketchnotes/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a88d5918c1b9da69a40d917a0840c497",
"translation_date": "2025-09-05T13:21:37+00:00",
"source_file": "sketchnotes/README.md",
"language_code": "hr"
}
-->
Sve sketchnoteovi kurikuluma mogu se preuzeti ovdje.
🖨 Za ispis u visokoj rezoluciji, TIFF verzije dostupne su na [ovom repozitoriju](https://github.com/girliemac/a-picture-is-worth-a-1000-words/tree/main/ml/tiff).

Some files were not shown because too many files have changed in this diff Show More

Write Preview
Loading…
Cancel
Save