diff --git a/translations/ar/.co-op-translator.json b/translations/ar/.co-op-translator.json index 0db648715..39a4447bf 100644 --- a/translations/ar/.co-op-translator.json +++ b/translations/ar/.co-op-translator.json @@ -552,8 +552,8 @@ "language_code": "ar" }, "README.md": { - "original_hash": "3a0286e1c4858e79ff54f080dadc1426", - "translation_date": "2026-02-28T08:31:02+00:00", + "original_hash": "f7d55bf70beaab82d4621c0860301a64", + "translation_date": "2026-03-17T07:30:49+00:00", "source_file": "README.md", "language_code": "ar" }, diff --git a/translations/ar/README.md b/translations/ar/README.md index 86697d5e1..f2f0336d0 100644 --- a/translations/ar/README.md +++ b/translations/ar/README.md @@ -1,178 +1,178 @@ -[![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) -[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) -[![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) -[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) -[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) +[![رخصة GitHub](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) +[![مساهمو GitHub](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) +[![قضايا GitHub](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) +[![طلبات السحب على GitHub](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) +[![مرحبا بطلبات السحب](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) -[![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) -[![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) +[![المراقبون على GitHub](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) +[![الشُعَل على GitHub](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) +[![النجوم على GitHub](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) ### 🌐 دعم متعدد اللغات -#### مدعوم عبر إجراء GitHub (آلي & دائم التحديث) +#### مدعوم عبر إجراء GitHub (آلي ودائم التحديث) -[Arabic](./README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../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) +[العربية](./README.md) | [البنغالية](../bn/README.md) | [البلغارية](../bg/README.md) | [البورمية (ميانمار)](../my/README.md) | [الصينية (المبسطة)](../zh-CN/README.md) | [الصينية (التقليدية، هونغ كونغ)](../zh-HK/README.md) | [الصينية (التقليدية، ماكاو)](../zh-MO/README.md) | [الصينية (التقليدية، تايوان)](../zh-TW/README.md) | [الكرواتية](../hr/README.md) | [التشيكية](../cs/README.md) | [الدنماركية](../da/README.md) | [الهولندية](../nl/README.md) | [الإستونية](../et/README.md) | [الفنلندية](../fi/README.md) | [الفرنسية](../fr/README.md) | [الألمانية](../de/README.md) | [اليونانية](../el/README.md) | [العبرية](../he/README.md) | [الهندية](../hi/README.md) | [الهنغارية](../hu/README.md) | [الإندونيسية](../id/README.md) | [الإيطالية](../it/README.md) | [اليابانية](../ja/README.md) | [الكانادا](../kn/README.md) | [الكورية](../ko/README.md) | [الليتوانية](../lt/README.md) | [الماليزية](../ms/README.md) | [المالايالامية](../ml/README.md) | [الماراثية](../mr/README.md) | [النيبالية](../ne/README.md) | [البيجين النيجرية](../pcm/README.md) | [النرويجية](../no/README.md) | [الفارسية (الفُرسية)](../fa/README.md) | [البولندية](../pl/README.md) | [البرتغالية (البرازيل)](../pt-BR/README.md) | [البرتغالية (البرتغال)](../pt-PT/README.md) | [البانجابي (غورموخي)](../pa/README.md) | [الرومانية](../ro/README.md) | [الروسية](../ru/README.md) | [الصربية (السيريلية)](../sr/README.md) | [السلوفاكية](../sk/README.md) | [السلوفينية](../sl/README.md) | [الإسبانية](../es/README.md) | [السواحلية](../sw/README.md) | [السويدية](../sv/README.md) | [التاغالوغية (الفلبينية)](../tl/README.md) | [التاميلية](../ta/README.md) | [التيلجو](../te/README.md) | [التايلاندية](../th/README.md) | [التركية](../tr/README.md) | [الأوكرانية](../uk/README.md) | [الأردية](../ur/README.md) | [الفيتنامية](../vi/README.md) > **تفضل الاستنساخ محليًا؟** > -> هذا المستودع يتضمن ترجمات بأكثر من 50 لغة مما يزيد بشكل كبير من حجم التحميل. للاستنساخ بدون الترجمات، استخدم التحقق الانتقائي: +> هذا المستودع يتضمن أكثر من 50 ترجمة للغات مما يزيد بشكل كبير من حجم التنزيل. للاستنساخ بدون الترجمات، استخدم السحب الجزئي: > -> **باش / macOS / لينوكس:** +> **Bash / macOS / Linux:** > ```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' > ``` > -> **CMD (ويندوز):** +> **CMD (Windows):** > ```cmd > 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" > ``` > -> هذا يمنحك كل ما تحتاجه لإكمال الدورة بتحميل أسرع بكثير. +> هذا يمنحك كل ما تحتاجه لإكمال الدورة بتنزيل أسرع بكثير. #### انضم إلى مجتمعنا -[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) +[![مؤسس Microsoft Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -لدينا سلسلة "تعلم مع الذكاء الاصطناعي" مستمرة على Discord، تعرف أكثر وانضم إلينا على [سلسلة التعلم مع الذكاء الاصطناعي](https://aka.ms/learnwithai/discord) في الفترة من 18 إلى 30 سبتمبر 2025. ستحصل على نصائح وحيل لاستخدام GitHub Copilot في علوم البيانات. +لدينا سلسلة تعلم على Discord مع AI مستمرة، تعرف على المزيد وانضم إلينا في [سلسلة التعلم مع AI](https://aka.ms/learnwithai/discord) من 18 إلى 30 سبتمبر 2025. ستحصل على نصائح وحيل لاستخدام GitHub Copilot في علم البيانات. -![Learn with AI series](../../translated_images/ar/3.9b58fd8d6c373c20.webp) +![سلسلة تعلم مع AI](../../translated_images/ar/3.9b58fd8d6c373c20.webp) # تعلم الآلة للمبتدئين - منهج دراسي -> 🌍 سافر حول العالم بينما نستكشف تعلم الآلة عبر ثقافات العالم 🌍 +> 🌍 سافر حول العالم ونحن نستكشف تعلم الآلة عبر ثقافات العالم 🌍 -يسعد دعاة الحوسبة السحابية في مايكروسوفت أن يقدموا منهجًا دراسيًا مكونًا من 12 أسبوعًا و26 درسًا حول **تعلم الآلة**. في هذا المنهج، ستتعلم ما يسمى أحيانًا **تعلم الآلة الكلاسيكي**، باستخدام مكتبة Scikit-learn بشكل أساسي وتجنب التعلم العميق، الذي يُغطى في منهجنا [الذكاء الاصطناعي للمبتدئين](https://aka.ms/ai4beginners). كما يمكنك الجمع بين هذه الدروس ومنهجنا ['علوم البيانات للمبتدئين'](https://aka.ms/ds4beginners)! +يسعد دعاة الحوسبة السحابية في Microsoft أن يقدموا منهجاً دراسياً يمتد 12 أسبوعًا و26 درسًا حول **تعلم الآلة**. في هذا المنهج، ستتعلم ما يُعرف أحيانًا بـ **تعلم الآلة الكلاسيكي**، باستخدام مكتبة Scikit-learn بشكل أساسي وتجنب التعلم العميق الذي يُغطيه منهجنا الخاص بـ [الذكاء الاصطناعي للمبتدئين](https://aka.ms/ai4beginners). كما يمكنك دمج هذه الدروس مع منهجنا ['علم البيانات للمبتدئين'](https://aka.ms/ds4beginners). -سافر معنا حول العالم بينما نطبق هذه التقنيات الكلاسيكية على بيانات من مناطق مختلفة من العالم. يتضمن كل درس اختبارات قبل وبعد الدرس، تعليمات مكتوبة لإكمال الدرس، حل، مهمة، وأكثر. منهجيتنا القائمة على المشاريع تسمح لك بالتعلم أثناء البناء، وهي طريقة مثبتة لتثبيت المهارات الجديدة. +سافر معنا حول العالم بينما نطبق هذه التقنيات الكلاسيكية على بيانات من مناطق مختلفة. يتضمن كل درس اختبارات قبل وبعد الدرس، تعليمات مكتوبة لإكمال الدرس، الحلول، واجبات، والمزيد. تسمح طريقتنا القائمة على المشاريع بالتعلم أثناء البناء، وهي طريقة مثبتة لترسيخ المهارات الجديدة. -**✍️ شكر خاص لمؤلفينا** جين لوبر، ستيفن هول، فرانسيسكا لازيري، تومومي إيمورا، كاسي بريفيو، ديمتري سوشنيكوف، كريس نورينغ، أنيربان موخرجي، أورنيلا ألتونيان، راث ياكوبو وآمي بويد +**✍️ شكر خاص لمؤلفينا** جن لوبر، ستيفن هاول، فرانشيسكا لازيري، تومومي إيمورا، كاسي بريفي، دميتري سوشنيكوف، كريس نورينغ، أنيربان موخرجي، أورنيلا التونيان، روث ياكوبو وآمي بويد -**🎨 شكر كذلك لرسامينا** تومومي إيمورا، داساني ماديبالي، وجين لوبر +**🎨 شكر خاص أيضًا لرسامينا** تومومي إيمورا، داساني ماديبالي، وجن لوبر -**🙏 شكر خاص 🙏 لمؤلفي، مراجعي، ومساهمي المحتوى من سفراء مايكروسوفت الطلاب، وخصوصًا ريشيت داغلي، محمد سكيب خان إينان، روهان راج، ألكسندرو بيتريسكو، أبيشيك جيسوال، ناورين تاباسوم، إيوان سامويلا، وسنيغدا أجروال** +**🙏 شكر خاص 🙏 لسفراء طلاب Microsoft من المؤلفين والمراجعين والمساهمين في المحتوى**، خصوصًا ريشت داجلي، محمد ساكيب خان إينان، روهان راج، ألكسندرو بيتريسكو، أبهيشيك جايسوال، ناورين تعاسوم، إيوان ساميولا، وسنيغدا أغاروال -**🤩 شكر إضافي لسفراء مايكروسوفت الطلاب إريك وانجاو، جيسلين سوندي، وفيدوشي جوبتا على دروس R!** +**🤩 امتنان إضافي لسفراء طلاب Microsoft إريك وانجاو، جاسلين سوندي، وفيدوشي جوبتا لدروس R!** -# بدء الاستخدام +# البداية -اتبع الخطوات التالية: -1. **انشئ فرعًا من المستودع**: اضغط على زر "Fork" في الزاوية اليمنى العليا من هذه الصفحة. -2. **انسخ المستودع**: `git clone https://github.com/microsoft/ML-For-Beginners.git` +اتبع هذه الخطوات: +1. **انسخ المستودع**: اضغط على زر "Fork" أعلى يمين هذه الصفحة. +2. **استنسخ المستودع**: `git clone https://github.com/microsoft/ML-For-Beginners.git` -> [اعثر على جميع الموارد الإضافية لهذه الدورة في مجموعة Microsoft Learn الخاصة بنا](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [جد كل الموارد الإضافية لهذه الدورة في مجموعة Microsoft Learn الخاصة بنا](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -> 🔧 **هل تحتاج إلى مساعدة؟** تحقق من [دليل استكشاف الأخطاء وإصلاحها](TROUBLESHOOTING.md) لحلول للمشكلات الشائعة في التثبيت، الإعداد، وتشغيل الدروس. +> 🔧 **تحتاج إلى مساعدة؟** اطلع على [دليل الحلول](TROUBLESHOOTING.md) للمشاكل الشائعة في التثبيت والإعداد وتشغيل الدروس. -**[الطلاب](https://aka.ms/student-page)**، لاستخدام هذا المنهج، أنشئ فرعًا من المستودع بالكامل إلى حساب GitHub الخاص بك وأكمل التمارين بنفسك أو مع مجموعة: +**[الطلاب](https://aka.ms/student-page)**، لاستخدام هذا المنهج، انسخ المستودع بأكمله إلى حساب GitHub الخاص بك وأكمل التمارين بنفسك أو مع فريق: - ابدأ باختبار تمهيدي قبل المحاضرة. -- اقرأ المحاضرة وأكمل الأنشطة، توقف وفكر عند كل نقطة تحقق معرفي. -- حاول إنشاء المشاريع بفهم الدروس بدلاً من تشغيل شفرة الحل مباشرة؛ رغم أن الشفرة متوفرة في مجلدات `/solution` في كل درس موجه للمشاريع. -- خذ اختبار ما بعد المحاضرة. +- اقرأ المحاضرة وأكمل الأنشطة، توقف وتأمل في كل اختبار معرفة. +- حاول إنشاء المشاريع بفهم الدروس بدلاً من تشغيل كود الحل؛ مع ذلك، يتوفر الكود في مجلدات `/solution` بكل درس يركز على المشاريع. +- أجرِ اختبار بعد المحاضرة. - أكمل التحدي. -- أكمل المهمة. -- بعد إكمال مجموعة دروس، زر [لوحة النقاش](https://github.com/microsoft/ML-For-Beginners/discussions) و"تعلّم علنًا" بملء قائمتك PAT المناسبة. "PAT" هي أداة تقييم تقدم تقوم بملئها لتعزيز تعلمك. يمكنك أيضًا التفاعل مع أدوات تقييم أخرى لنتعلم معًا. +- أنجز الواجب. +- بعد إتمام مجموعة الدروس، زر [لوحة النقاش](https://github.com/microsoft/ML-For-Beginners/discussions) و"تعلّم بصوت مرتفع" عبر ملء استبيان PAT المناسب. 'PAT' هي أداة تقييم تقدم تعبئها لتعزيز تعلمك. يمكنك أيضًا التفاعل مع استبيانات PAT الأخرى لكي نتعلم معًا. -> لمزيد من الدراسة، نوصي بمتابعة هذه الوحدات ومسارات التعلم على [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott). +> للمزيد من الدراسة، نوصي باتباع هذه الوحدات ومسارات التعلم على [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott). -**المعلمون**, لقد قمنا [بإضافة بعض الاقتراحات](for-teachers.md) حول كيفية استخدام هذا المنهج. +**المعلمون**، لقد قمنا [بتضمين بعض الاقتراحات](for-teachers.md) حول كيفية استخدام هذا المنهج. --- -## فيديوهات إرشادية +## فيديوهات الشرح -بعض الدروس متوفرة على هيئة فيديوهات قصيرة. يمكنك إيجادها مضمنة داخل الدروس، أو على [قائمة تشغيل ML للمبتدئين على قناة Microsoft Developer على YouTube](https://aka.ms/ml-beginners-videos) بالنقر على الصورة أدناه. +بعض الدروس متاحة على شكل فيديوهات قصيرة. يمكنك العثور عليها داخل الدروس أو على [قائمة تشغيل ML للمبتدئين على قناة Microsoft Developer على YouTube](https://aka.ms/ml-beginners-videos) بالنقر على الصورة أدناه. -[![ML for beginners banner](../../translated_images/ar/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) +[![بانر ML للمبتدئين](../../translated_images/ar/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- -## تعرف على الفريق +## تعرّف على الفريق -[![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) +[![فيديو ترويجي](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) -**جيف من تصميم** [موهيت جيسال](https://linkedin.com/in/mohitjaisal) +**جيف بواسطة** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 انقر على الصورة أعلاه لمشاهدة فيديو عن المشروع والأشخاص الذين أنشأوه! --- -## المنهجية التعليمية +## منهجية التعليم -اخترنا مبدأين تربويين أثناء بناء هذا المنهج: التأكد من أنه عملي **معتمد على المشاريع**، وأنه يتضمن **اختبارات متكررة**. بالإضافة إلى ذلك، هذا المنهج له **موضوع** مشترك ليمنحه تماسكًا. +اخترنا ركيزتين تربويتين لبناء هذا المنهج: التأكد من أنه يعتمد على **مشاريع عملية**، وكذلك أن يشمل **اختبارات متكررة**. بالإضافة إلى ذلك، يحتوي هذا المنهج على **موضوع موحد** يمنحه الترابط. -عبر التأكد من توافق المحتوى مع المشاريع، يُصبح التعلم أكثر تفاعلًا للطلاب وتزداد فرص حفظ المفاهيم. أيضًا، اختبار منخفض المخاطر قبل الدرس يوجه نية الطالب نحو تعلم الموضوع، بينما اختبار آخر بعد الدرس يعزز الحفظ. تم تصميم هذا المنهج ليكون مرنًا وممتعًا ويمكن أخذه كاملاً أو جزئيًا. تبدأ المشاريع صغيرة وتزداد تعقيدًا بنهاية الدورة ذات الـ 12 أسبوعًا. يحتوى المنهج أيضًا على خاتمة عن تطبيقات تعلم الآلة في العالم الحقيقي، يمكن استخدامها كتقدير إضافي أو كقاعدة للنقاش. +بالتأكد من توافق المحتوى مع المشاريع، تصبح العملية أكثر تشويقًا للطلاب ويزداد تثبيت المفاهيم. كما أن اختبارًا منخفض المخاطر قبل المحاضرة يوجه نية الطالب نحو تعلم موضوع ما، بينما اختبار آخر بعد المحاضرة يعزز التثبيت. تم تصميم هذا المنهج ليكون مرنًا وممتعًا ويمكن أخذه كاملاً أو جزئيًا. تبدأ المشاريع بسيطة وتزداد تعقيدًا تدريجيًا خلال دورة الـ12 أسبوعًا. يشمل هذا المنهج أيضًا ملحقًا حول تطبيقات تعلم الآلة في العالم الحقيقي، يمكن استخدامه كنقاط إضافية أو كقاعدة للنقاش. -> يمكنك العثور على [قواعد السلوك](CODE_OF_CONDUCT.md)، [المساهمة](CONTRIBUTING.md)، [الترجمة](TRANSLATIONS.md)، و[استكشاف الأخطاء وإصلاحها](TROUBLESHOOTING.md). نرحب بملاحظاتكم البناءة! +> اطلع على [مدونة السلوك الخاصة بنا](CODE_OF_CONDUCT.md)، و[المساهمة](CONTRIBUTING.md)، و[الترجمات](..)، ودليل [حل المشكلات](TROUBLESHOOTING.md). نحن نرحب بتعليقاتكم البناءة! -## يتضمن كل درس +## كل درس يتضمن -- ملاحظات اختيارية بالرسم التخطيطي +- ملخص تخطيطي اختياري - فيديو تكميلي اختياري -- فيديو إرشادي (لبعض الدروس فقط) +- فيديو شرح (لبعض الدروس فقط) - [اختبار تمهيدي قبل المحاضرة](https://ff-quizzes.netlify.app/en/ml/) - درس مكتوب -- للدروس المعتمدة على المشاريع، أدلة خطوة بخطوة لبناء المشروع -- نقاط تحقق معرفية +- في الدروس القائمة على المشاريع، دليل خطوة بخطوة لبناء المشروع +- اختبارات معرفة - تحدي -- قراءة إضافية -- مهمة -- [اختبار ما بعد المحاضرة](https://ff-quizzes.netlify.app/en/ml/) -> **ملاحظة حول اللغات**: تم كتابة هذه الدروس في الأساس بلغة بايثون، لكن العديد منها متاح أيضًا بلغة R. لإكمال درس بلغة R، انتقل إلى مجلد `/solution` وابحث عن دروس R. تتضمن هذه الملفات امتداد .rmd الذي يمثل ملف **R Markdown** والذي يمكن تعريفه ببساطة على أنه تضمين لـ `كتل الشيفرة` (من R أو لغات أخرى) و `رأس YAML` (يرشد كيفية تنسيق المخرجات مثل PDF) في `وثيقة Markdown`. وبذلك، فهو يعمل كإطار تأليف نموذجي لعلم البيانات لأنه يسمح لك بدمج الشيفرة الخاصة بك، ومخرجاتها، وأفكارك عن طريق السماح لك بكتابتها في Markdown. علاوة على ذلك، يمكن تقديم مستندات R Markdown إلى صيغ مخرجات مثل PDF أو HTML أو Word. +- قراءة تكميليه +- واجب +- [اختبار بعد المحاضرة](https://ff-quizzes.netlify.app/en/ml/) -> **ملاحظة حول الاختبارات**: جميع الاختبارات موجودة في [مجلد تطبيق الاختبار](../../quiz-app)، ويتضمن ذلك 52 اختبارًا بإجمالي ثلاثة أسئلة لكل اختبار. ترتبط هذه الاختبارات من داخل الدروس، لكن يمكن تشغيل تطبيق الاختبار محليًا؛ اتبع التعليمات في مجلد `quiz-app` للاستضافة أو النشر المحلي على أزور. +> **ملاحظة حول اللغات**: هذه الدروس مكتوبة أساسًا بلغة بايثون، لكنها متاحة أيضًا بلغات R. لإكمال درس R، انتقل إلى مجلد `/solution` وابحث عن دروس R التي تتضمن امتداد .rmd الذي يرمز إلى **R Markdown**، وهو ملف يمكن تعريفه ببساطة على أنه تضمين لـ`كتل تعليمات` (R أو لغات أخرى) و`رأس YAML` (يوجه كيفية تنسيق المخرجات مثل PDF) داخل `وثيقة Markdown`. ولذلك، فهو إطار تأليف نموذجي لعلم البيانات حيث يسمح لك بدمج شفرتك، ناتجها، وأفكارك عبر كتابتها في Markdown. علاوة على ذلك، يمكن تحويل مستندات R Markdown إلى صيغ إخراج مثل PDF، HTML، أو Word. +> **ملاحظة حول الاختبارات**: جميع الاختبارات موجودة في [مجلد Quiz App](../../quiz-app)، ويبلغ مجموعها 52 اختبارًا، كل اختبار يحتوي على ثلاثة أسئلة. وهي مرتبطة من داخل الدروس لكن يمكن تشغيل تطبيق الاختبارات محليًا؛ اتبع التعليمات في مجلد `quiz-app` لاستضافة التطبيق محليًا أو نشره على Azure. -| رقم الدرس | الموضوع | تجميع الدرس | أهداف التعلم | الدرس المرتبط | المؤلف | -| :-------: | :------------------------------------------------------------: | :---------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------- | :------------------------------------------------------------------------------------------------------------------------------------: | :------------------------------------------------: | +| رقم الدرس | الموضوع | تجميع الدروس | الأهداف التعليمية | الدرس المرتبط | المؤلف | +| :-------: | :------------------------------------------------------------: | :----------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------- | :------------------------------------------------------------------------------------------------------------------------------------: | :------------------------------------------------: | | 01 | مقدمة في تعلم الآلة | [مقدمة](1-Introduction/README.md) | تعلّم المفاهيم الأساسية وراء تعلم الآلة | [درس](1-Introduction/1-intro-to-ML/README.md) | محمد | -| 02 | تاريخ تعلم الآلة | [مقدمة](1-Introduction/README.md) | تعلّم التاريخ الكامن وراء هذا المجال | [درس](1-Introduction/2-history-of-ML/README.md) | جن وآمي | -| 03 | العدالة وتعلم الآلة | [مقدمة](1-Introduction/README.md) | ما هي القضايا الفلسفية المهمة حول العدالة التي يجب على الطلاب أخذها بعين الاعتبار عند بناء وتطبيق نماذج تعلم الآلة؟ | [درس](1-Introduction/3-fairness/README.md) | تومومي | -| 04 | تقنيات تعلم الآلة | [مقدمة](1-Introduction/README.md) | ما هي التقنيات التي يستخدمها باحثو تعلم الآلة لبناء نماذج التعلم؟ | [درس](1-Introduction/4-techniques-of-ML/README.md) | كريس وجن | -| 05 | مقدمة في الانحدار | [انحدار](2-Regression/README.md) | ابدأ بتعلم بايثون و Scikit-learn لنماذج الانحدار | [بايثون](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | جن • إريك وانجاو | -| 06 | أسعار اليقطين في أمريكا الشمالية 🎃 | [انحدار](2-Regression/README.md) | تصور وتنظيف البيانات تحضيرًا لتعلم الآلة | [بايثون](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | جن • إريك وانجاو | -| 07 | أسعار اليقطين في أمريكا الشمالية 🎃 | [انحدار](2-Regression/README.md) | بناء نماذج الانحدار الخطي والمتعدد الحدود | [بايثون](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | جن وديمتري • إريك وانجاو | -| 08 | أسعار اليقطين في أمريكا الشمالية 🎃 | [انحدار](2-Regression/README.md) | بناء نموذج انحدار لوجستي | [بايثون](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | جن • إريك وانجاو | -| 09 | تطبيق ويب 🔌 | [تطبيق ويب](3-Web-App/README.md) | بناء تطبيق ويب لاستخدام نموذجك المدرب | [بايثون](3-Web-App/1-Web-App/README.md) | جن | -| 10 | مقدمة في التصنيف | [تصنيف](4-Classification/README.md) | تنظيف وتحضير وتصوير بياناتك؛ مقدمة في التصنيف | [بايثون](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | جن وكاسي • إريك وانجاو | -| 11 | المطابخ اللذيذة الآسيوية والهندية 🍜 | [تصنيف](4-Classification/README.md) | مقدمة إلى المصنفات | [بايثون](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | جن وكاسي • إريك وانجاو | -| 12 | المطابخ اللذيذة الآسيوية والهندية 🍜 | [تصنيف](4-Classification/README.md) | المزيد من المصنفات | [بايثون](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | جن وكاسي • إريك وانجاو | -| 13 | المطابخ اللذيذة الآسيوية والهندية 🍜 | [تصنيف](4-Classification/README.md) | بناء تطبيق ويب توصية باستخدام نموذجك | [بايثون](4-Classification/4-Applied/README.md) | جن | -| 14 | مقدمة في التجميع | [تجميع](5-Clustering/README.md) | تنظيف وتحضير وتصوير بياناتك؛ مقدمة في التجميع | [بايثون](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | جن • إريك وانجاو | -| 15 | استكشاف الأذواق الموسيقية النيجيرية 🎧 | [تجميع](5-Clustering/README.md) | استكشاف طريقة تجميع K-Means | [بايثون](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | جن • إريك وانجاو | -| 16 | مقدمة في معالجة اللغة الطبيعية ☕️ | [معالجة اللغة الطبيعية](6-NLP/README.md) | تعلّم أساسيات معالجة اللغة الطبيعية ببناء بوت بسيط | [بايثون](6-NLP/1-Introduction-to-NLP/README.md) | ستيفن | -| 17 | المهام الشائعة في معالجة اللغة الطبيعية ☕️ | [معالجة اللغة الطبيعية](6-NLP/README.md) | تعميق معرفتك بمعالجة اللغة الطبيعية من خلال فهم المهام الشائعة عند التعامل مع تراكيب اللغة | [بايثون](6-NLP/2-Tasks/README.md) | ستيفن | -| 18 | الترجمة وتحليل المشاعر ♥️ | [معالجة اللغة الطبيعية](6-NLP/README.md) | الترجمة وتحليل المشاعر مع جاين أوستن | [بايثون](6-NLP/3-Translation-Sentiment/README.md) | ستيفن | -| 19 | الفنادق الرومانسية في أوروبا ♥️ | [معالجة اللغة الطبيعية](6-NLP/README.md) | تحليل المشاعر مع مراجعات الفنادق 1 | [بايثون](6-NLP/4-Hotel-Reviews-1/README.md) | ستيفن | -| 20 | الفنادق الرومانسية في أوروبا ♥️ | [معالجة اللغة الطبيعية](6-NLP/README.md) | تحليل المشاعر مع مراجعات الفنادق 2 | [بايثون](6-NLP/5-Hotel-Reviews-2/README.md) | ستيفن | +| 02 | تاريخ تعلم الآلة | [مقدمة](1-Introduction/README.md) | تعلّم تاريخ هذا المجال | [درس](1-Introduction/2-history-of-ML/README.md) | جين وآمي | +| 03 | العدالة وتعلم الآلة | [مقدمة](1-Introduction/README.md) | ما هي القضايا الفلسفية الهامة حول العدالة التي يجب أن يأخذها الطلاب في الاعتبار عند بناء وتطبيق نماذج التعلم الآلي؟ | [درس](1-Introduction/3-fairness/README.md) | تومومي | +| 04 | تقنيات تعلم الآلة | [مقدمة](1-Introduction/README.md) | أي تقنيات يستخدمها باحثو تعلم الآلة لبناء نماذج التعلم؟ | [درس](1-Introduction/4-techniques-of-ML/README.md) | كريس وجين | +| 05 | مقدمة في الانحدار | [انحدار](2-Regression/README.md) | ابدأ مع Python وScikit-learn لنماذج الانحدار | [بايثون](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | جين • إريك وانجاو | +| 06 | أسعار اليقطين في أمريكا الشمالية 🎃 | [انحدار](2-Regression/README.md) | تصور وتنظيف البيانات تحضيرًا لتعلم الآلة | [بايثون](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | جين • إريك وانجاو | +| 07 | أسعار اليقطين في أمريكا الشمالية 🎃 | [انحدار](2-Regression/README.md) | بناء نماذج الانحدار الخطي والمتعدد الحدود | [بايثون](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | جين ودميتري • إريك وانجاو | +| 08 | أسعار اليقطين في أمريكا الشمالية 🎃 | [انحدار](2-Regression/README.md) | بناء نموذج انحدار لوجستي | [بايثون](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | جين • إريك وانجاو | +| 09 | تطبيق ويب 🔌 | [تطبيق ويب](3-Web-App/README.md) | بناء تطبيق ويب لاستخدام النموذج الذي تم تدريبه | [بايثون](3-Web-App/1-Web-App/README.md) | جين | +| 10 | مقدمة في التصنيف | [تصنيف](4-Classification/README.md) | تنظيف، تحضير، وتصوير بياناتك؛ مقدمة في التصنيف | [بايثون](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | جين وكاسي • إريك وانجاو | +| 11 | الأطباق الآسيوية والهندية اللذيذة 🍜 | [تصنيف](4-Classification/README.md) | مقدمة إلى المصنفات | [بايثون](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | جين وكاسي • إريك وانجاو | +| 12 | الأطباق الآسيوية والهندية اللذيذة 🍜 | [تصنيف](4-Classification/README.md) | المزيد من المصنفات | [بايثون](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | جين وكاسي • إريك وانجاو | +| 13 | الأطباق الآسيوية والهندية اللذيذة 🍜 | [تصنيف](4-Classification/README.md) | بناء تطبيق ويب توصية باستخدام النموذج الخاص بك | [بايثون](4-Classification/4-Applied/README.md) | جين | +| 14 | مقدمة إلى التجميع | [تجميع](5-Clustering/README.md) | تنظيف، تحضير، وتصوير بياناتك؛ مقدمة إلى التجميع | [بايثون](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | جين • إريك وانجاو | +| 15 | استكشاف الأذواق الموسيقية النيجيرية 🎧 | [تجميع](5-Clustering/README.md) | استكشاف طريقة تجميع K-Means | [بايثون](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | جين • إريك وانجاو | +| 16 | مقدمة لمعالجة اللغة الطبيعية ☕️ | [معالجة اللغة الطبيعية](6-NLP/README.md) | تعلّم أساسيات معالجة اللغة الطبيعية ببناء روبوت بسيط | [بايثون](6-NLP/1-Introduction-to-NLP/README.md) | ستيفن | +| 17 | مهام شائعة في معالجة اللغة الطبيعية ☕️ | [معالجة اللغة الطبيعية](6-NLP/README.md) | تعميق معرفتك بمعالجة اللغة الطبيعية من خلال فهم المهام الشائعة المطلوبة عند التعامل مع تراكيب اللغة | [بايثون](6-NLP/2-Tasks/README.md) | ستيفن | +| 18 | الترجمة وتحليل المشاعر ♥️ | [معالجة اللغة الطبيعية](6-NLP/README.md) | الترجمة وتحليل المشاعر مع جين أوستن | [بايثون](6-NLP/3-Translation-Sentiment/README.md) | ستيفن | +| 19 | الفنادق الرومانسية في أوروبا ♥️ | [معالجة اللغة الطبيعية](6-NLP/README.md) | تحليل المشاعر مع تقييمات الفنادق 1 | [بايثون](6-NLP/4-Hotel-Reviews-1/README.md) | ستيفن | +| 20 | الفنادق الرومانسية في أوروبا ♥️ | [معالجة اللغة الطبيعية](6-NLP/README.md) | تحليل المشاعر مع تقييمات الفنادق 2 | [بايثون](6-NLP/5-Hotel-Reviews-2/README.md) | ستيفن | | 21 | مقدمة في التنبؤ بالسلاسل الزمنية | [سلاسل زمنية](7-TimeSeries/README.md) | مقدمة في التنبؤ بالسلاسل الزمنية | [بايثون](7-TimeSeries/1-Introduction/README.md) | فرانسيسكا | -| 22 | ⚡️ استهلاك الطاقة العالمية ⚡️ - التنبؤ بالسلاسل الزمنية باستخدام ARIMA | [سلاسل زمنية](7-TimeSeries/README.md) | التنبؤ بالسلاسل الزمنية باستخدام ARIMA | [بايثون](7-TimeSeries/2-ARIMA/README.md) | فرانسيسكا | -| 23 | ⚡️ استهلاك الطاقة العالمية ⚡️ - التنبؤ بالسلاسل الزمنية باستخدام SVR | [سلاسل زمنية](7-TimeSeries/README.md) | التنبؤ بالسلاسل الزمنية باستخدام الانحدار الناقل الدعم | [بايثون](7-TimeSeries/3-SVR/README.md) | أنيربان | -| 24 | مقدمة في التعلم التعزيزي | [التعلم التعزيزي](8-Reinforcement/README.md) | مقدمة في التعلم التعزيزي باستخدام التعلم Q | [بايثون](8-Reinforcement/1-QLearning/README.md) | ديمتري | -| 25 | ساعد بيتر في تجنب الذئب! 🐺 | [التعلم التعزيزي](8-Reinforcement/README.md) | التعلم التعزيزي في الجيم | [بايثون](8-Reinforcement/2-Gym/README.md) | ديمتري | -| خاتمة | سيناريوهات وتطبيقات تعلم الآلة في العالم الحقيقي | [تعلم الآلة في العالم الحقيقي](9-Real-World/README.md) | تطبيقات تعلم الآلة الكلاسيكية المثيرة والمفيدة في العالم الحقيقي | [درس](9-Real-World/1-Applications/README.md) | الفريق | -| خاتمة | تصحيح نماذج تعلم الآلة باستخدام لوحة معلومات RAI | [تعلم الآلة في العالم الحقيقي](9-Real-World/README.md) | تصحيح نماذج تعلم الآلة باستخدام مكونات لوحة معلومات الذكاء الاصطناعي المسؤولة | [درس](9-Real-World/2-Debugging-ML-Models/README.md) | روث ياكوبو | +| 22 | ⚡️ استخدام الطاقة العالمية ⚡️ - التنبؤ بالسلاسل الزمنية باستخدام ARIMA | [سلاسل زمنية](7-TimeSeries/README.md) | التنبؤ بالسلاسل الزمنية باستخدام ARIMA | [بايثون](7-TimeSeries/2-ARIMA/README.md) | فرانسيسكا | +| 23 | ⚡️ استخدام الطاقة العالمية ⚡️ - التنبؤ بالسلاسل الزمنية باستخدام SVR | [سلاسل زمنية](7-TimeSeries/README.md) | التنبؤ بالسلاسل الزمنية باستخدام آلة الدعم الناقص (Support Vector Regressor) | [بايثون](7-TimeSeries/3-SVR/README.md) | أنيربان | +| 24 | مقدمة إلى التعلم التعزيزي | [التعلم التعزيزي](8-Reinforcement/README.md) | مقدمة إلى التعلم التعزيزي باستخدام Q-Learning | [بايثون](8-Reinforcement/1-QLearning/README.md) | دميتري | +| 25 | ساعد بيتر في تجنب الذئب! 🐺 | [التعلم التعزيزي](8-Reinforcement/README.md) | رواق التعلم التعزيزي | [بايثون](8-Reinforcement/2-Gym/README.md) | دميتري | +| خاتمة | سيناريوهات وتطبيقات تعلم الآلة في العالم الحقيقي | [تعلم الآلة في البرية](9-Real-World/README.md) | تطبيقات حقيقية مثيرة ومكشوفة لتعلم الآلة الكلاسيكي | [درس](9-Real-World/1-Applications/README.md) | الفريق | +| خاتمة | تصحيح نماذج تعلم الآلة باستخدام لوحة RAI | [تعلم الآلة في البرية](9-Real-World/README.md) | تصحيح نماذج تعلم الآلة باستخدام مكونات لوحة Responsible AI | [درس](9-Real-World/2-Debugging-ML-Models/README.md) | روث ياكوبو | -> [اعثر على جميع الموارد الإضافية لهذا الدورة في مجموعة Microsoft Learn الخاصة بنا](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [اعثر على جميع الموارد الإضافية لهذه الدورة في مجموعة Microsoft Learn الخاصة بنا](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -## الوصول دون اتصال +## الوصول بدون اتصال -يمكنك تشغيل هذا التوثيق دون اتصال باستخدام [Docsify](https://docsify.js.org/#/). انسخ هذا المستودع، [قم بتثبيت Docsify](https://docsify.js.org/#/quickstart) على جهازك المحلي، ثم في مجلد الجذر لهذا المستودع، اكتب `docsify serve`. سيتم تقديم الموقع على المنفذ 3000 على جهازك المحلي: `localhost:3000`. +يمكنك تشغيل هذا التوثيق بدون اتصال باستخدام [Docsify](https://docsify.js.org/#/). قم بتفرع هذا المستودع، [ثبّت Docsify](https://docsify.js.org/#/quickstart) على جهازك المحلي، ثم في المجلد الجذري لهذا المستودع، اكتب `docsify serve`. سيتم تقديم الموقع على المنفذ 3000 على جهازك المحلي: `localhost:3000`. ## ملفات PDF -اعثر على ملف PDF للمنهج مع الروابط [هنا](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). +اعثر على ملف PDF للمنهاج مع روابط [هنا](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). ## 🎒 دورات أخرى -ينتج فريقنا دورات أخرى! اطلع على: +ينتج فريقنا دورات أخرى! تحقق من: ### LangChain @@ -183,7 +183,7 @@ ### Azure / Edge / MCP / Agents [![AZD للمبتدئين](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 للمبتدئين](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) +[![الذكاء الاصطناعي على الحافة للمبتدئين](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 للمبتدئين](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) [![وكلاء الذكاء الاصطناعي للمبتدئين](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) @@ -192,13 +192,13 @@ ### سلسلة الذكاء الاصطناعي التوليدي [![الذكاء الاصطناعي التوليدي للمبتدئين](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) [![الذكاء الاصطناعي التوليدي (.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) -[![الذكاء الاصطناعي التوليدي (جافا)](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) -[![الذكاء الاصطناعي التوليدي (جافا سكريبت)](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) +[![الذكاء الاصطناعي التوليدي (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) +[![الذكاء الاصطناعي التوليدي (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) --- ### التعلم الأساسي -[![التعلم الآلي للمبتدئين](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) +[![تعلم الآلة للمبتدئين](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) [![علوم البيانات للمبتدئين](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) [![الذكاء الاصطناعي للمبتدئين](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) [![الأمن السيبراني للمبتدئين](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) @@ -208,30 +208,30 @@ --- -### سلسلة المساعد البرمجي Copilot -[![المساعد البرمجي للبرمجة المزدوجة بالذكاء الاصطناعي](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) -[![المساعد البرمجي لـ 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) -[![مغامرة المساعد البرمجي](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) +### سلسلة مساعد البرمجة +[![مساعد البرمجة للذكاء الاصطناعي المزدوج](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) +[![مساعد البرمجة لـ 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) +[![مغامرة مساعد البرمجة](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) -## الحصول على المساعدة +## الحصول على الدعم -إذا واجهت مشكلة أو كان لديك أي أسئلة حول بناء تطبيقات الذكاء الاصطناعي، انضم إلى المتعلمين الآخرين والمطورين ذوي الخبرة في مناقشات حول MCP. إنها مجتمع داعم حيث تُرحب بالأسئلة ويُشارك المعرفة بحرية. +إذا واجهت صعوبة أو كانت لديك أسئلة حول بناء تطبيقات الذكاء الاصطناعي. انضم إلى المتعلمين والمطورين ذوي الخبرة في مناقشات حول MCP. إنها مجتمع داعم حيث الأسئلة مرحب بها والمعرفة تتم مشاركتها بحرية. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -إذا كان لديك ملاحظات على المنتج أو أخطاء أثناء البناء، قم بزيارة: +إذا كان لديك ملاحظات حول المنتج أو أخطاء أثناء البناء، زر: [![منتدى مطوري Microsoft Foundry](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -## نصائح تعلم إضافية +## نصائح إضافية للتعلم - راجع دفاتر الملاحظات بعد كل درس لفهم أفضل. -- تدرب على تنفيذ الخوارزميات بنفسك. +- مارس تطبيق الخوارزميات بنفسك. - استكشف مجموعات بيانات العالم الحقيقي باستخدام المفاهيم التي تعلمتها. --- -**إخلاء المسؤولية**: -تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم بأن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي والموثوق. للمعلومات الحساسة أو الهامة، يُنصح بالاستعانة بالترجمة البشرية المهنية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة. +**إخلاء المسؤولية**: +تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى للحفاظ على الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق به. للمعلومات الحساسة أو الهامة، يُنصح بالاستعانة بترجمة بشرية محترفة. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة. \ No newline at end of file diff --git a/translations/de/.co-op-translator.json b/translations/de/.co-op-translator.json index 3d843caeb..8a11e293e 100644 --- a/translations/de/.co-op-translator.json +++ b/translations/de/.co-op-translator.json @@ -552,8 +552,8 @@ "language_code": "de" }, "README.md": { - "original_hash": "3a0286e1c4858e79ff54f080dadc1426", - "translation_date": "2026-02-28T08:24:32+00:00", + "original_hash": "f7d55bf70beaab82d4621c0860301a64", + "translation_date": "2026-03-17T07:26:23+00:00", "source_file": "README.md", "language_code": "de" }, diff --git a/translations/de/README.md b/translations/de/README.md index b9121f3bf..631416558 100644 --- a/translations/de/README.md +++ b/translations/de/README.md @@ -10,14 +10,14 @@ ### 🌐 Mehrsprachige Unterstützung -#### Unterstützt über GitHub Action (Automatisiert & immer aktuell) +#### Unterstützt über GitHub Action (Automatisiert & Immer auf dem neuesten Stand) -[Arabisch](../ar/README.md) | [Bengalisch](../bn/README.md) | [Bulgarisch](../bg/README.md) | [Birmanisch (Myanmar)](../my/README.md) | [Chinesisch (Vereinfacht)](../zh-CN/README.md) | [Chinesisch (Traditionell, Hongkong)](../zh-HK/README.md) | [Chinesisch (Traditionell, Macau)](../zh-MO/README.md) | [Chinesisch (Traditionell, Taiwan)](../zh-TW/README.md) | [Kroatisch](../hr/README.md) | [Tschechisch](../cs/README.md) | [Dänisch](../da/README.md) | [Niederländisch](../nl/README.md) | [Estnisch](../et/README.md) | [Finnisch](../fi/README.md) | [Französisch](../fr/README.md) | [Deutsch](./README.md) | [Griechisch](../el/README.md) | [Hebräisch](../he/README.md) | [Hindi](../hi/README.md) | [Ungarisch](../hu/README.md) | [Indonesisch](../id/README.md) | [Italienisch](../it/README.md) | [Japanisch](../ja/README.md) | [Kannada](../kn/README.md) | [Koreanisch](../ko/README.md) | [Litauisch](../lt/README.md) | [Malaiisch](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepalesisch](../ne/README.md) | [Nigerianisches Pidgin](../pcm/README.md) | [Norwegisch](../no/README.md) | [Persisch (Farsi)](../fa/README.md) | [Polnisch](../pl/README.md) | [Portugiesisch (Brasilien)](../pt-BR/README.md) | [Portugiesisch (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Rumänisch](../ro/README.md) | [Russisch](../ru/README.md) | [Serbisch (Kyrillisch)](../sr/README.md) | [Slowakisch](../sk/README.md) | [Slowenisch](../sl/README.md) | [Spanisch](../es/README.md) | [Swahili](../sw/README.md) | [Schwedisch](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thailändisch](../th/README.md) | [Türkisch](../tr/README.md) | [Ukrainisch](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamesisch](../vi/README.md) +[Arabisch](../ar/README.md) | [Bengalisch](../bn/README.md) | [Bulgarisch](../bg/README.md) | [Birma (Myanmar)](../my/README.md) | [Chinesisch (vereinfacht)](../zh-CN/README.md) | [Chinesisch (traditionell, Hongkong)](../zh-HK/README.md) | [Chinesisch (traditionell, Macau)](../zh-MO/README.md) | [Chinesisch (traditionell, Taiwan)](../zh-TW/README.md) | [Kroatisch](../hr/README.md) | [Tschechisch](../cs/README.md) | [Dänisch](../da/README.md) | [Niederländisch](../nl/README.md) | [Estnisch](../et/README.md) | [Finnisch](../fi/README.md) | [Französisch](../fr/README.md) | [Deutsch](./README.md) | [Griechisch](../el/README.md) | [Hebräisch](../he/README.md) | [Hindi](../hi/README.md) | [Ungarisch](../hu/README.md) | [Indonesisch](../id/README.md) | [Italienisch](../it/README.md) | [Japanisch](../ja/README.md) | [Kannada](../kn/README.md) | [Koreanisch](../ko/README.md) | [Litauisch](../lt/README.md) | [Malaiisch](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepalesisch](../ne/README.md) | [Nigerianisches Pidgin](../pcm/README.md) | [Norwegisch](../no/README.md) | [Persisch (Farsi)](../fa/README.md) | [Polnisch](../pl/README.md) | [Portugiesisch (Brasilien)](../pt-BR/README.md) | [Portugiesisch (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Rumänisch](../ro/README.md) | [Russisch](../ru/README.md) | [Serbisch (kyrillisch)](../sr/README.md) | [Slowakisch](../sk/README.md) | [Slowenisch](../sl/README.md) | [Spanisch](../es/README.md) | [Swahili](../sw/README.md) | [Schwedisch](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thailändisch](../th/README.md) | [Türkisch](../tr/README.md) | [Ukrainisch](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamesisch](../vi/README.md) -> **Möchten Sie lokal klonen?** +> **Lieber lokal klonen?** > -> Dieses Repository enthält über 50 Sprachübersetzungen, was die Download-Größe erheblich erhöht. Um ohne Übersetzungen zu klonen, verwenden Sie Sparse Checkout: +> Dieses Repository enthält über 50 Sprachübersetzungen, die die Download-Größe deutlich erhöhen. Um ohne Übersetzungen zu klonen, verwenden Sie Sparse Checkout: > > **Bash / macOS / Linux:** > ```bash @@ -33,63 +33,63 @@ > git sparse-checkout set --no-cone "/*" "!translations" "!translated_images" > ``` > -> Dies gibt Ihnen alles, was Sie für den Kurs benötigen, bei einem viel schnelleren Download. +> Das gibt Ihnen alles, was Sie brauchen, um den Kurs viel schneller herunterzuladen. -#### Werden Sie Teil unserer Community +#### Treten Sie unserer Community bei [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Wir führen eine laufende Discord-Lernserie mit KI durch, erfahren Sie mehr und machen Sie mit bei [Learn with AI Series](https://aka.ms/learnwithai/discord) vom 18. bis 30. September 2025. Sie erhalten Tipps und Tricks zur Nutzung von GitHub Copilot für Data Science. +Wir veranstalten eine Discord Learn with AI Serie, erfahren Sie mehr und machen Sie mit auf [Learn with AI Series](https://aka.ms/learnwithai/discord) vom 18. bis 30. September 2025. Sie erhalten Tipps und Tricks zur Verwendung von GitHub Copilot für Data Science. ![Learn with AI series](../../translated_images/de/3.9b58fd8d6c373c20.webp) -# Machine Learning für Anfänger – Ein Lehrplan +# Machine Learning für Anfänger – Ein Curriculum -> 🌍 Reisen Sie um die Welt, während wir Machine Learning anhand von Weltkulturen erkunden 🌍 +> 🌍 Reisen Sie um die Welt, während wir maschinelles Lernen anhand weltweiter Kulturen erkunden 🌍 -Cloud Advocates bei Microsoft freuen sich, einen 12-wöchigen Lehrplan mit 26 Lektionen zum Thema **Machine Learning** anzubieten. In diesem Lehrplan lernen Sie, was manchmal als **klassisches Machine Learning** bezeichnet wird, wobei vor allem Scikit-learn als Bibliothek verwendet wird, und Deep Learning vermieden wird, das in unserem [AI for Beginners Lehrplan](https://aka.ms/ai4beginners) behandelt wird. Kombinieren Sie diese Lektionen auch mit unserem ['Data Science for Beginners' Lehrplan](https://aka.ms/ds4beginners)! +Cloud Advocates bei Microsoft freuen sich, ein 12-wöchiges Curriculum mit 26 Lektionen rund um **Machine Learning** anzubieten. In diesem Curriculum lernen Sie, was manchmal als **klassisches maschinelles Lernen** bezeichnet wird, hauptsächlich mit der Bibliothek Scikit-learn, und umgehen Deep Learning, das in unserem [AI for Beginners Curriculum](https://aka.ms/ai4beginners) behandelt wird. Kombinieren Sie diese Lektionen auch mit unserem ['Data Science for Beginners Curriculum'](https://aka.ms/ds4beginners)! -Reisen Sie mit uns um die Welt, während wir diese klassischen Techniken auf Daten aus vielen Regionen anwenden. Jede Lektion umfasst Pre- und Post-Lektionen-Quiz, schriftliche Anweisungen zur Durchführung der Lektion, eine Lösung, eine Aufgabe und mehr. Unsere projektbasierte Didaktik ermöglicht es Ihnen, beim Bauen zu lernen – eine bewährte Methode, damit neue Kenntnisse 'haften bleiben'. +Reisen Sie mit uns um die Welt, während wir diese klassischen Techniken auf Daten aus vielen Regionen anwenden. Jede Lektion umfasst Vor- und Nachtests, schriftliche Anweisungen zur Durchführung der Lektion, eine Lösung, eine Aufgabe und mehr. Unsere projektbasierte Didaktik ermöglicht es Ihnen, beim Aufbau zu lernen, eine bewährte Methode, damit neue Fähigkeiten „haften bleiben“. **✍️ Herzlichen Dank an unsere Autoren** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu und Amy Boyd -**🎨 Vielen Dank auch an unsere Illustratoren** Tomomi Imura, Dasani Madipalli und Jen Looper +**🎨 Dank auch an unsere Illustratoren** Tomomi Imura, Dasani Madipalli und Jen Looper -**🙏 Besonderer Dank 🙏 an unsere Microsoft Student Ambassador Autoren, Gutachter und Beitragenden**, insbesondere Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila und Snigdha Agarwal +**🙏 Besonderer Dank 🙏 an unsere Microsoft Student Ambassador Autoren, Reviewer und Inhaltsbeitragenden**, insbesondere Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila und Snigdha Agarwal **🤩 Extra-Dank an Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi und Vidushi Gupta für unsere R-Lektionen!** # Erste Schritte Folgen Sie diesen Schritten: -1. **Forken Sie das Repository**: Klicken Sie auf die Schaltfläche „Fork“ oben rechts auf dieser Seite. +1. **Forken Sie das Repository**: Klicken Sie auf den „Fork“-Button oben rechts auf dieser Seite. 2. **Klonen Sie das Repository**: `git clone https://github.com/microsoft/ML-For-Beginners.git` -> [finden Sie alle zusätzlichen Ressourcen für diesen Kurs in unserer Microsoft Learn Sammlung](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [Finden Sie alle zusätzlichen Ressourcen für diesen Kurs in unserer Microsoft Learn Sammlung](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -> 🔧 **Brauchen Sie Hilfe?** Schauen Sie in unseren [Fehlerbehebungsleitfaden](TROUBLESHOOTING.md) für Lösungen zu häufigen Problemen bei Installation, Einrichtung und Ausführen der Lektionen. +> 🔧 **Brauchen Sie Hilfe?** Schauen Sie in unserem [Troubleshooting Guide](TROUBLESHOOTING.md) nach Lösungen für häufige Probleme bei Installation, Einrichtung und Ausführen der Lektionen. -**[Schüler](https://aka.ms/student-page)**, um diesen Lehrplan zu verwenden, forken Sie das gesamte Repo auf Ihr eigenes GitHub-Konto und absolvieren Sie die Übungen allein oder in einer Gruppe: +**[Schüler](https://aka.ms/student-page)**, um dieses Curriculum zu nutzen, forken Sie das gesamte Repo in Ihr eigenes GitHub-Konto und bearbeiten Sie die Übungen selbst oder in einer Gruppe: -- Beginnen Sie mit einem Pre-Lecture-Quiz. -- Lesen Sie die Vorlesung und führen Sie die Aktivitäten durch, pausieren und reflektieren Sie bei jeder Wissensüberprüfung. -- Versuchen Sie, die Projekte zu erstellen, indem Sie die Lektionen verstehen, anstatt den Lösungscode auszuführen; dieser Code ist jedoch in den `/solution`-Ordnern jeder projektorientierten Lektion verfügbar. -- Machen Sie das Post-Lecture-Quiz. -- Beenden Sie die Challenge. -- Erledigen Sie die Aufgabe. -- Nach Abschluss einer Lektionengruppe besuchen Sie das [Diskussionsboard](https://github.com/microsoft/ML-For-Beginners/discussions) und „lernen laut“ durch Ausfüllen der entsprechenden PAT-Rubrik. Ein „PAT“ ist ein Progress Assessment Tool, eine Rubrik, die Sie ausfüllen, um Ihr Lernen zu vertiefen. Sie können auch auf andere PATs reagieren, sodass wir gemeinsam lernen können. +- Beginnen Sie mit einem Pre-Lecture Quiz. +- Lesen Sie die Vorlesung und absolvieren Sie die Aktivitäten, pausieren und reflektieren Sie bei jedem Wissenscheck. +- Versuchen Sie, die Projekte zu erstellen, indem Sie die Lektionen verstehen, anstatt nur den Lösungscode auszuführen; dieser Code ist jedoch in den `/solution`-Ordnern jeder projektbezogenen Lektion verfügbar. +- Machen Sie das Nach-Lecture Quiz. +- Absolvieren Sie die Challenge. +- Bearbeiten Sie die Aufgabe. +- Nach Abschluss einer Lektion besuchen Sie das [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) und „lernen laut“, indem Sie die entsprechende PAT-Bewertung ausfüllen. Ein 'PAT' ist ein Progress Assessment Tool, ein Bewertungsraster, das Sie ausfüllen, um Ihr Lernen zu fördern. Sie können auch auf andere PATs reagieren, sodass wir gemeinsam lernen können. -> Für weiterführendes Studium empfehlen wir diese [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) Module und Lernpfade. +> Für weiterführende Studien empfehlen wir diese [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) Module und Lernpfade. -**Lehrkräfte**, wir haben [einige Vorschläge](for-teachers.md) zur Verwendung dieses Lehrplans bereitgestellt. +**Lehrkräfte**, wir haben [einige Vorschläge](for-teachers.md) zur Nutzung dieses Curriculums integriert. --- -## Videoanleitungen +## Video-Anleitungen -Einige Lektionen sind als Kurzvideos verfügbar. Sie finden diese alle inline in den Lektionen oder auf der [ML for Beginners Playlist auf dem Microsoft Developer YouTube-Kanal](https://aka.ms/ml-beginners-videos), indem Sie auf das Bild unten klicken. +Einige Lektionen sind als kurze Videos verfügbar. Sie finden diese Inline in den Lektionen oder auf der [ML for Beginners Wiedergabeliste auf dem Microsoft Developer YouTube-Kanal](https://aka.ms/ml-beginners-videos), indem Sie auf das Bild unten klicken. [![ML for beginners banner](../../translated_images/de/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) @@ -101,78 +101,79 @@ Einige Lektionen sind als Kurzvideos verfügbar. Sie finden diese alle inline in **Gif von** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 Klicken Sie auf das Bild oben für ein Video über das Projekt und die Leute, die es erstellt haben! +> 🎥 Klicken Sie auf das obige Bild, um ein Video über das Projekt und die Personen, die es erstellt haben, zu sehen! --- ## Didaktik -Wir haben beim Aufbau dieses Lehrplans zwei didaktische Grundsätze gewählt: sicherzustellen, dass er **projektbasiert** und praxisnah ist, und dass er **häufige Quizze** enthält. Zudem hat dieser Lehrplan ein gemeinsames **Thema**, um ihm Kohärenz zu verleihen. +Wir haben bei der Erstellung dieses Curriculums zwei pädagogische Grundsätze gewählt: Es soll praxisnah **projektbasiert** sein und **häufige Quizze** enthalten. Darüber hinaus hat dieses Curriculum ein gemeinsames **Thema**, um ihm Kohärenz zu verleihen. -Indem sichergestellt wird, dass die Inhalte zu Projekten passen, wird der Prozess für Lernende ansprechender und das Behalten der Konzepte wird gefördert. Ein Low-Stakes-Quiz vor der Unterrichtsstunde setzt die Lernabsicht des Schülers, während ein zweites Quiz nach der Stunde die Erinnerung weiter festigt. Dieser Lehrplan ist flexibel und macht Spaß, er kann vollständig oder teilweise absolviert werden. Die Projekte beginnen klein und werden bis zum Ende des 12-Wochen-Zyklus zunehmend komplexer. Dieser Lehrplan enthält außerdem ein Nachwort zu realen Anwendungen von ML, das als Bonus oder Diskussionsgrundlage verwendet werden kann. +Indem sichergestellt wird, dass die Inhalte auf Projekte abgestimmt sind, wird der Prozess für die Lernenden ansprechender und das Konzeptverständnis wird verbessert. Zudem setzt ein niedrigschwelliges Quiz vor einer Lektion die Lernabsicht, während ein zweites Quiz nach der Klasse die weitere Behaltensleistung sichert. Dieses Curriculum wurde flexibel und unterhaltsam gestaltet und kann ganz oder teilweise absolviert werden. Die Projekte beginnen klein und werden bis zum Ende des 12-Wochen-Zyklus zunehmend komplexer. Dieses Curriculum enthält auch ein Postskript zu realen Anwendungen von ML, das als Zusatzleistung oder Diskussionsgrundlage genutzt werden kann. -> Finden Sie unsere [Verhaltensregeln](CODE_OF_CONDUCT.md), [Beitragsrichtlinien](CONTRIBUTING.md), [Übersetzungsinformationen](TRANSLATIONS.md) und [Fehlerbehebungsanleitungen](TROUBLESHOOTING.md). Wir freuen uns über konstruktives Feedback! +> Finden Sie unseren [Verhaltenskodex](CODE_OF_CONDUCT.md), [Mitwirkende](CONTRIBUTING.md), [Übersetzungen](..) und [Fehlerbehebung](TROUBLESHOOTING.md) Leitfäden. Wir freuen uns über Ihr konstruktives Feedback! ## Jede Lektion enthält - optionale Sketchnote - optionales ergänzendes Video -- Videoanleitung (nur bei einigen Lektionen) -- [Pre-Lecture Warmup-Quiz](https://ff-quizzes.netlify.app/en/ml/) +- Video-Anleitung (nur einige Lektionen) +- [Pre-Lecture Warmup Quiz](https://ff-quizzes.netlify.app/en/ml/) - schriftliche Lektion -- bei projektbasierten Lektionen Schritt-für-Schritt-Anleitungen zum Erstellen des Projekts +- für projektbasierte Lektionen Schritt-für-Schritt-Anleitungen zum Projektaufbau - Wissensüberprüfungen -- eine Challenge +- eine Herausforderung - ergänzende Lektüre - Aufgabe - [Post-Lecture Quiz](https://ff-quizzes.netlify.app/en/ml/) -> **Eine Anmerkung zu den Sprachen**: Diese Lektionen sind hauptsächlich in Python verfasst, aber viele sind auch in R verfügbar. Um eine R-Lektion abzuschließen, gehen Sie in den Ordner `/solution` und suchen Sie nach R-Lektionen. Diese enthalten eine .rmd-Erweiterung, die eine **R Markdown**-Datei darstellt, die einfach als Einbettung von `Codeabschnitten` (in R oder anderen Sprachen) und einem `YAML-Header` (der steuert, wie Ausgaben wie PDF formatiert werden) in einem `Markdown-Dokument` definiert werden kann. Somit dient es als beispielhaftes Autorensystem für Data Science, da es Ihnen erlaubt, Ihren Code, dessen Ausgabe und Ihre Gedanken zu kombinieren und diese in Markdown niederzuschreiben. Darüber hinaus können R Markdown-Dokumente in Ausgabeformate wie PDF, HTML oder Word gerendert werden. - -> **Eine Anmerkung zu Quizzen**: Alle Quizze befinden sich im [Quiz App Ordner](../../quiz-app), für insgesamt 52 Quizze mit jeweils drei Fragen. Sie sind in den Lektionen verlinkt, aber die Quiz-App kann lokal ausgeführt werden; folgen Sie den Anweisungen im `quiz-app`-Ordner, um diese lokal zu hosten oder auf Azure zu deployen. - -| Lektion Nummer | Thema | Lektion Gruppierung | Lernziele | Verlinkte Lektion | Autor | -| :------------: | :--------------------------------------------------------------: | :-------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :-----------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------: | -| 01 | Einführung in maschinelles Lernen | [Einführung](1-Introduction/README.md) | Lernen Sie die grundlegenden Konzepte des maschinellen Lernens | [Lektion](1-Introduction/1-intro-to-ML/README.md) | Muhammad | -| 02 | Die Geschichte des maschinellen Lernens | [Einführung](1-Introduction/README.md) | Lernen Sie die Geschichte dieses Fachgebiets | [Lektion](1-Introduction/2-history-of-ML/README.md) | Jen und Amy | -| 03 | Fairness und maschinelles Lernen | [Einführung](1-Introduction/README.md) | Was sind die wichtigen philosophischen Fragen zur Fairness, die man beim Aufbau und der Anwendung von ML-Modellen beachten sollte? | [Lektion](1-Introduction/3-fairness/README.md) | Tomomi | -| 04 | Techniken für maschinelles Lernen | [Einführung](1-Introduction/README.md) | Welche Techniken verwenden ML-Forscher zum Aufbau von ML-Modellen? | [Lektion](1-Introduction/4-techniques-of-ML/README.md) | Chris und Jen | -| 05 | Einführung in Regression | [Regression](2-Regression/README.md) | Einstieg in Python und Scikit-learn für Regressionsmodelle | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | -| 06 | Nordamerikanische Kürbisspreise 🎃 | [Regression](2-Regression/README.md) | Daten visualisieren und bereinigen zur Vorbereitung auf ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | -| 07 | Nordamerikanische Kürbisspreise 🎃 | [Regression](2-Regression/README.md) | Lineare und polynomiale Regressionsmodelle erstellen | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen und Dmitry • Eric Wanjau | -| 08 | Nordamerikanische Kürbisspreise 🎃 | [Regression](2-Regression/README.md) | Ein logistisches Regressionsmodell erstellen | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | -| 09 | Eine Web-App 🔌 | [Web App](3-Web-App/README.md) | Baue eine Web-App, um dein trainiertes Modell zu nutzen | [Python](3-Web-App/1-Web-App/README.md) | Jen | -| 10 | Einführung in die Klassifikation | [Classification](4-Classification/README.md) | Bereinigen, vorbereiten und visualisieren der Daten; Einführung in Klassifikation | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen und Cassie • Eric Wanjau | -| 11 | Köstliche asiatische und indische Küchen 🍜 | [Classification](4-Classification/README.md) | Einführung in Klassifikatoren | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen und Cassie • Eric Wanjau | -| 12 | Köstliche asiatische und indische Küchen 🍜 | [Classification](4-Classification/README.md) | Weitere Klassifikatoren | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen und Cassie • Eric Wanjau | -| 13 | Köstliche asiatische und indische Küchen 🍜 | [Classification](4-Classification/README.md) | Baue eine Empfehlungs-Web-App mithilfe deines Modells | [Python](4-Classification/4-Applied/README.md) | Jen | -| 14 | Einführung in Clustering | [Clustering](5-Clustering/README.md) | Bereinigen, vorbereiten und visualisieren der Daten; Einführung in Clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | -| 15 | Erforschung nigerianischer Musikgeschmäcker 🎧 | [Clustering](5-Clustering/README.md) | Erforsche das K-Means Clustering-Verfahren | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | -| 16 | Einführung in die Verarbeitung natürlicher Sprache ☕️ | [Natural language processing](6-NLP/README.md) | Lerne die Grundlagen von NLP durch den Bau eines einfachen Bots | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | -| 17 | Häufige NLP-Aufgaben ☕️ | [Natural language processing](6-NLP/README.md) | Vertiefe dein NLP-Wissen durch Verständnis der gängigen Aufgaben beim Umgang mit Sprachstrukturen | [Python](6-NLP/2-Tasks/README.md) | Stephen | -| 18 | Übersetzung und Sentiment-Analyse ♥️ | [Natural language processing](6-NLP/README.md) | Übersetzung und Sentiment-Analyse mit Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | -| 19 | Romantische Hotels in Europa ♥️ | [Natural language processing](6-NLP/README.md) | Sentiment-Analyse mit Hotelbewertungen 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | -| 20 | Romantische Hotels in Europa ♥️ | [Natural language processing](6-NLP/README.md) | Sentiment-Analyse mit Hotelbewertungen 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | -| 21 | Einführung in Zeitreihen-Vorhersage | [Time series](7-TimeSeries/README.md) | Einführung in die Zeitreihen-Vorhersage | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | -| 22 | ⚡️ Weltstromverbrauch ⚡️ - Zeitreihen-Vorhersage mit ARIMA | [Time series](7-TimeSeries/README.md) | Zeitreihen-Vorhersage mit ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | -| 23 | ⚡️ Weltstromverbrauch ⚡️ - Zeitreihen-Vorhersage mit SVR | [Time series](7-TimeSeries/README.md) | Zeitreihen-Vorhersage mit Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | -| 24 | Einführung in Reinforcement Learning | [Reinforcement learning](8-Reinforcement/README.md) | Einführung in Reinforcement Learning mit Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | -| 25 | Hilf Peter, dem Wolf auszuweichen! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Reinforcement Learning mit Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | -| Nachwort | Szenarien und Anwendungen von ML in der Praxis | [ML in the Wild](9-Real-World/README.md) | Interessante und aufschlussreiche reale Anwendungsfälle klassischer ML | [Lektion](9-Real-World/1-Applications/README.md) | Team | -| Nachwort | Modell-Debugging im ML mit RAI-Dashboard | [ML in the Wild](9-Real-World/README.md) | Modell-Debugging im maschinellen Lernen mit Responsible AI Dashboard-Komponenten | [Lektion](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | - -> [Finden Sie alle zusätzlichen Ressourcen zu diesem Kurs in unserer Microsoft Learn Sammlung](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) + +> **Ein Hinweis zu Sprachen**: Diese Lektionen sind hauptsächlich in Python geschrieben, aber viele sind auch in R verfügbar. Um eine R-Lektion abzuschließen, gehen Sie zum `/solution`-Ordner und suchen Sie nach R-Lektionen. Sie haben eine .rmd-Erweiterung, die eine **R Markdown**-Datei darstellt, welche als Einbettung von `Code-Chunks` (von R oder anderen Sprachen) und einem `YAML-Header` (der steuert, wie Ausgaben wie PDF formatiert werden) in einem `Markdown-Dokument` definiert werden kann. Somit dient es als beispielhaftes Autoren-Framework für Data Science, da Sie damit Ihren Code, die Ausgabe und Ihre Gedanken kombinieren können, indem Sie diese im Markdown-Format notieren. Zudem können R Markdown-Dokumente in Ausgabeformate wie PDF, HTML oder Word gerendert werden. +> **Ein Hinweis zu den Quizzen**: Alle Quizze sind im Ordner [Quiz App](../../quiz-app) enthalten, insgesamt 52 Quizze mit jeweils drei Fragen. Sie sind aus den Lektionen verlinkt, aber die Quiz-App kann lokal ausgeführt werden; folgen Sie den Anweisungen im Ordner `quiz-app`, um sie lokal zu hosten oder in Azure bereitzustellen. + +| Lesson Number | Thema | Lektion Gruppe | Lernziele | Verlinkte Lektion | Autor | +| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :----------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | +| 01 | Einführung in maschinelles Lernen | [Einführung](1-Introduction/README.md) | Lernen Sie die Grundkonzepte hinter dem maschinellen Lernen | [Lektion](1-Introduction/1-intro-to-ML/README.md) | Muhammad | +| 02 | Die Geschichte des maschinellen Lernens | [Einführung](1-Introduction/README.md) | Lernen Sie die Geschichte dieses Fachgebiets | [Lektion](1-Introduction/2-history-of-ML/README.md) | Jen und Amy | +| 03 | Fairness und maschinelles Lernen | [Einführung](1-Introduction/README.md) | Welche wichtigen philosophischen Fragen zur Fairness sollten Studierende bei der Entwicklung und Anwendung von ML-Modellen bedenken? | [Lektion](1-Introduction/3-fairness/README.md) | Tomomi | +| 04 | Techniken des maschinellen Lernens | [Einführung](1-Introduction/README.md) | Welche Techniken verwenden ML-Forscher, um ML-Modelle zu erstellen? | [Lektion](1-Introduction/4-techniques-of-ML/README.md) | Chris und Jen | +| 05 | Einführung in Regression | [Regression](2-Regression/README.md) | Einstieg in Python und Scikit-learn für Regressionsmodelle | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | +| 06 | Nordamerikanische Kürbisspreise 🎃 | [Regression](2-Regression/README.md) | Daten visualisieren und bereinigen zur Vorbereitung auf ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | +| 07 | Nordamerikanische Kürbisspreise 🎃 | [Regression](2-Regression/README.md) | Lineare und polynomiale Regressionsmodelle erstellen | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen und Dmitry • Eric Wanjau | +| 08 | Nordamerikanische Kürbisspreise 🎃 | [Regression](2-Regression/README.md) | Ein logistisches Regressionsmodell erstellen | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | +| 09 | Eine Web-App 🔌 | [Web App](3-Web-App/README.md) | Erstellen Sie eine Web-App zur Nutzung Ihres trainierten Modells | [Python](3-Web-App/1-Web-App/README.md) | Jen | +| 10 | Einführung in Klassifikation | [Classification](4-Classification/README.md) | Ihre Daten bereinigen, vorbereiten und visualisieren; Einführung in die Klassifikation | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau | +| 11 | Köstliche asiatische und indische Küchen 🍜 | [Classification](4-Classification/README.md) | Einführung in Klassifikatoren | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau | +| 12 | Köstliche asiatische und indische Küchen 🍜 | [Classification](4-Classification/README.md) | Weitere Klassifikatoren | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau | +| 13 | Köstliche asiatische und indische Küchen 🍜 | [Classification](4-Classification/README.md) | Erstellen Sie eine Empfehlungs-Web-App mit Ihrem Modell | [Python](4-Classification/4-Applied/README.md) | Jen | +| 14 | Einführung in Clustering | [Clustering](5-Clustering/README.md) | Ihre Daten bereinigen, vorbereiten und visualisieren; Einführung in Clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | +| 15 | Erkundung des nigerianischen Musikgeschmacks 🎧 | [Clustering](5-Clustering/README.md) | Erforschen Sie die K-Means Clustering-Methode | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | +| 16 | Einführung in die Verarbeitung natürlicher Sprache ☕️ | [Natural language processing](6-NLP/README.md) | Lernen Sie die Grundlagen der NLP, indem Sie einen einfachen Bot erstellen | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | +| 17 | Häufige NLP-Aufgaben ☕️ | [Natural language processing](6-NLP/README.md) | Vertiefen Sie Ihr NLP-Wissen durch das Verständnis häufiger Aufgaben beim Umgang mit Sprachstrukturen | [Python](6-NLP/2-Tasks/README.md) | Stephen | +| 18 | Übersetzung und Sentiment-Analyse ♥️ | [Natural language processing](6-NLP/README.md) | Übersetzung und Sentiment-Analyse mit Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | +| 19 | Romantische Hotels in Europa ♥️ | [Natural language processing](6-NLP/README.md) | Sentiment-Analyse mit Hotelbewertungen 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | +| 20 | Romantische Hotels in Europa ♥️ | [Natural language processing](6-NLP/README.md) | Sentiment-Analyse mit Hotelbewertungen 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | +| 21 | Einführung in Zeitreihen-Prognosen | [Time series](7-TimeSeries/README.md) | Einführung in die Zeitreihen-Prognose | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | +| 22 | ⚡️ Weltstromverbrauch ⚡️ - Zeitreihen-Prognose mit ARIMA | [Time series](7-TimeSeries/README.md) | Zeitreihen-Prognose mit ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | +| 23 | ⚡️ Weltstromverbrauch ⚡️ - Zeitreihen-Prognose mit SVR | [Time series](7-TimeSeries/README.md) | Zeitreihen-Prognose mit Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | +| 24 | Einführung in Verstärkendes Lernen | [Reinforcement learning](8-Reinforcement/README.md) | Einführung in Verstärkendes Lernen mit Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | +| 25 | Hilf Peter, den Wolf zu vermeiden! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Verstärkendes Lernen Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | +| Postscript | ML-Szenarien und Anwendungen aus der Praxis | [ML in the Wild](9-Real-World/README.md) | Interessante und aufschlussreiche Anwendungen von klassischem ML in der Praxis | [Lektion](9-Real-World/1-Applications/README.md) | Team | +| Postscript | Modell-Debugging in ML mit RAI Dashboard | [ML in the Wild](9-Real-World/README.md) | Modell-Debugging im maschinellen Lernen mit Komponenten des Responsible AI Dashboards | [Lektion](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | + +> [finden Sie alle zusätzlichen Ressourcen für diesen Kurs in unserer Microsoft Learn Sammlung](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## Offline-Zugriff -Sie können diese Dokumentation offline nutzen, indem Sie [Docsify](https://docsify.js.org/#/) verwenden. Forken Sie dieses Repo, [installieren Sie Docsify](https://docsify.js.org/#/quickstart) auf Ihrem lokalen Computer und geben Sie dann im Stammverzeichnis dieses Repos `docsify serve` ein. Die Website wird auf Port 3000 auf Ihrem lokalen Host gehostet: `localhost:3000`. +Sie können diese Dokumentation offline mit [Docsify](https://docsify.js.org/#/) ausführen. Forken Sie dieses Repository, [installieren Sie Docsify](https://docsify.js.org/#/quickstart) auf Ihrem lokalen Rechner, und geben Sie dann im Stammverzeichnis dieses Repos den Befehl `docsify serve` ein. Die Website wird auf Port 3000 auf Ihrem lokalen Host bereitgestellt: `localhost:3000`. ## PDFs -Finden Sie eine PDF-Version des Lehrplans mit Links [hier](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). +Finden Sie hier eine PDF des Lehrplans mit Links [hier](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). + -## 🎒 Andere Kurse +## 🎒 Weitere Kurse -Unser Team produziert weitere Kurse! Schauen Sie sich an: +Unser Team erstellt weitere Kurse! Schauen Sie mal rein: ### LangChain @@ -184,54 +185,54 @@ Unser Team produziert weitere Kurse! Schauen Sie sich an: ### Azure / Edge / MCP / Agents [![AZD für Anfänger](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 für Anfänger](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP für Anfänger](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) +[![KI-Agenten für Anfänger](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- -### Generative KI-Serie -[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) -[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) +### Generative KI-Reihe +[![Generative KI für Einsteiger](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Generative KI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![Generative KI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![Generative KI (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) --- -### Kernwissen -[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) -[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) -[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) -[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) +### Kernlernangebote +[![ML für Einsteiger](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) +[![Datenwissenschaft für Einsteiger](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) +[![KI für Einsteiger](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) +[![Cybersicherheit für Einsteiger](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) +[![Webentwicklung für Einsteiger](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 für Einsteiger](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-Entwicklung für Einsteiger](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- -### Copilot-Serie -[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) -[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) -[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) +### Copilot-Reihe +[![Copilot für KI-Paarprogrammierung](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 für 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-Abenteuer](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) ## Hilfe erhalten -Wenn Sie feststecken oder Fragen zum Erstellen von KI-Apps haben, schließen Sie sich Lernenden und erfahrenen Entwicklern in Diskussionen über MCP an. Es ist eine unterstützende Gemeinschaft, in der Fragen willkommen sind und Wissen frei geteilt wird. +Wenn du nicht weiterkommst oder Fragen zum Erstellen von KI-Anwendungen hast. Tritt anderen Lernenden und erfahrenen Entwicklern bei, um über MCP zu diskutieren. Es ist eine unterstützende Gemeinschaft, in der Fragen willkommen sind und Wissen frei geteilt wird. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Wenn Sie Produktfeedback oder Fehler beim Erstellen haben, besuchen Sie: +Wenn du Produktfeedback hast oder Fehler beim Entwickeln auftreten, besuche: -[![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) +[![Microsoft Foundry Entwicklerforum](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) ## Zusätzliche Lerntipps -- Überprüfen Sie Notizbücher nach jeder Lektion für ein besseres Verständnis. -- Üben Sie, Algorithmen selbst umzusetzen. -- Erkunden Sie reale Datensätze mit den gelernten Konzepten. +- Überprüfe nach jeder Lektion die Notebooks für ein besseres Verständnis. +- Übe das Implementieren von Algorithmen selbstständig. +- Erkunde reale Datensätze mithilfe der gelernten Konzepte. --- **Haftungsausschluss**: -Dieses Dokument wurde mit dem KI-Übersetzungsdienst [Co-op Translator](https://github.com/Azure/co-op-translator) übersetzt. Obwohl wir uns um Genauigkeit bemühen, kann es vorkommen, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten. Das Originaldokument in seiner ursprünglichen Sprache ist als maßgebliche Quelle zu betrachten. Für wichtige Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die aus der Verwendung dieser Übersetzung entstehen. +Dieses Dokument wurde mithilfe des KI-Übersetzungsdienstes [Co-op Translator](https://github.com/Azure/co-op-translator) übersetzt. Obwohl wir uns um Genauigkeit bemühen, kann es bei automatischen Übersetzungen zu Fehlern oder Ungenauigkeiten kommen. Das Originaldokument in seiner Ursprungssprache ist als maßgebliche Quelle zu betrachten. Für wichtige Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die durch die Nutzung dieser Übersetzung entstehen. \ No newline at end of file diff --git a/translations/ru/.co-op-translator.json b/translations/ru/.co-op-translator.json index ff62b2fb6..ce02817e1 100644 --- a/translations/ru/.co-op-translator.json +++ b/translations/ru/.co-op-translator.json @@ -552,8 +552,8 @@ "language_code": "ru" }, "README.md": { - "original_hash": "3a0286e1c4858e79ff54f080dadc1426", - "translation_date": "2026-02-28T08:28:14+00:00", + "original_hash": "f7d55bf70beaab82d4621c0860301a64", + "translation_date": "2026-03-17T07:28:39+00:00", "source_file": "README.md", "language_code": "ru" }, diff --git a/translations/ru/README.md b/translations/ru/README.md index c198ea44b..dccf53dfa 100644 --- a/translations/ru/README.md +++ b/translations/ru/README.md @@ -10,14 +10,14 @@ ### 🌐 Поддержка нескольких языков -#### Поддерживается через GitHub Action (автоматизировано и всегда актуально) +#### Поддерживается через GitHub Action (автоматически и всегда актуально) -[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../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](./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) +[Арабский](../ar/README.md) | [Бенгальский](../bn/README.md) | [Болгарский](../bg/README.md) | [Бирманский (Мьянма)](../my/README.md) | [Китайский (упрощённый)](../zh-CN/README.md) | [Китайский (традиционный, Гонконг)](../zh-HK/README.md) | [Китайский (традиционный, Макао)](../zh-MO/README.md) | [Китайский (традиционный, Тайвань)](../zh-TW/README.md) | [Хорватский](../hr/README.md) | [Чешский](../cs/README.md) | [Датский](../da/README.md) | [Нидерландский](../nl/README.md) | [Эстонский](../et/README.md) | [Финский](../fi/README.md) | [Французский](../fr/README.md) | [Немецкий](../de/README.md) | [Греческий](../el/README.md) | [Иврит](../he/README.md) | [Хинди](../hi/README.md) | [Венгерский](../hu/README.md) | [Индонезийский](../id/README.md) | [Итальянский](../it/README.md) | [Японский](../ja/README.md) | [Каннада](../kn/README.md) | [Корейский](../ko/README.md) | [Литовский](../lt/README.md) | [Малайский](../ms/README.md) | [Малаялам](../ml/README.md) | [Марати](../mr/README.md) | [Непальский](../ne/README.md) | [Нигерийский пиджин](../pcm/README.md) | [Норвежский](../no/README.md) | [Персидский (фарси)](../fa/README.md) | [Польский](../pl/README.md) | [Португальский (Бразилия)](../pt-BR/README.md) | [Португальский (Португалия)](../pt-PT/README.md) | [Пенджабский (гурмукхи)](../pa/README.md) | [Румынский](../ro/README.md) | [Русский](./README.md) | [Сербский (кириллица)](../sr/README.md) | [Словацкий](../sk/README.md) | [Словенский](../sl/README.md) | [Испанский](../es/README.md) | [Свахили](../sw/README.md) | [Шведский](../sv/README.md) | [Тагалог (филиппинский)](../tl/README.md) | [Тамильский](../ta/README.md) | [Телугу](../te/README.md) | [Тайский](../th/README.md) | [Турецкий](../tr/README.md) | [Украинский](../uk/README.md) | [Урду](../ur/README.md) | [Вьетнамский](../vi/README.md) > **Предпочитаете клонировать локально?** > -> В этом репозитории содержится более 50 переводов на разные языки, что значительно увеличивает размер скачивания. Чтобы клонировать без переводов, используйте разреженную загрузку: +> Этот репозиторий содержит более 50 переводов на разные языки, что значительно увеличивает размер загрузки. Чтобы клонировать без переводов, используйте разреженную загрузку: > > **Bash / macOS / Linux:** > ```bash @@ -33,72 +33,73 @@ > git sparse-checkout set --no-cone "/*" "!translations" "!translated_images" > ``` > -> Так вы получите всё необходимое для прохождения курса с гораздо более быстрой загрузкой. +> Это даст вам всё необходимое для прохождения курса с гораздо более быстрой загрузкой. #### Присоединяйтесь к нашему сообществу [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -У нас проходит серия занятий в Discord по обучению с AI, узнайте подробнее и присоединяйтесь к нам на [Learn with AI Series](https://aka.ms/learnwithai/discord) с 18 по 30 сентября 2025 года. Вы получите советы и рекомендации по использованию GitHub Copilot для Data Science. +Мы проводим серию в Discord "Учимся с ИИ", узнавайте больше и присоединяйтесь к нам на [Learn with AI Series](https://aka.ms/learnwithai/discord) с 18 по 30 сентября 2025 года. Вы получите советы и рекомендации по использованию GitHub Copilot для Data Science. ![Learn with AI series](../../translated_images/ru/3.9b58fd8d6c373c20.webp) -# Машинное обучение для начинающих — Учебная программа +# Машинное обучение для начинающих — учебная программа -> 🌍 Путешествуйте по миру, изучая Машинное Обучение через культуры разных народов 🌍 +> 🌍 Путешествуйте по миру, изучая машинное обучение через призму культур разных стран 🌍 -Облачные активисты Microsoft рады предложить 12-недельную программу из 26 уроков, полностью посвящённых **Машинному Обучению**. В этой программе вы познакомитесь с тем, что иногда называют **классическим машинным обучением**, используя преимущественно библиотеку Scikit-learn и избегая глубокого обучения, которое рассматривается в нашей программе [AI for Beginners' curriculum](https://aka.ms/ai4beginners). Совместите эти уроки с нашей программой ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) для ещё лучшего понимания! +Облачные специалисты Microsoft рады предложить 12-недельный курс из 26 уроков, посвящённый **машинному обучению**. В этом курсе вы узнаете о так называемом **классическом машинном обучении**, преимущественно используя библиотеку Scikit-learn и избегая глубокого обучения, которое рассматривается в нашем курсе [AI для начинающих](https://aka.ms/ai4beginners). Совмещайте эти уроки с нашим курсом ['Data Science для начинающих'](https://aka.ms/ds4beginners)! -Путешествуйте с нами по всему миру, применяя классические методы к данным из различных уголков планеты. Каждый урок включает предварительный и итоговый тесты, письменные инструкции по выполнению, решение, задание и многое другое. Наша проектно-ориентированная методика обучения позволяет учиться через практику, что доказано способствует лучшему усвоению новых навыков. +Путешествуйте с нами по всему миру, применяя классические методы к данным из различных регионов. Каждый урок включает в себя предварительный и итоговый тесты, письменные инструкции для выполнения урока, решения, задания и многое другое. Наш проектно-ориентированный подход позволяет учиться на практике — это проверенный способ хорошо усвоить новые навыки. -**✍️ Сердечная благодарность нашим авторам** Джен Лупер, Стивен Хауэлл, Франческа Лаззери, Томоми Имура, Кэсси Бревиу, Дмитрий Сошников, Крис Норинг, Анирбан Мукхерджи, Орнелла Алтунян, Рут Якобу и Эми Бойд +**✍️ Огромная благодарность нашим авторам** Джен Лупер, Стивен Хоул, Франческа Лазцери, Томоми Имура, Кэсси Бревиу, Дмитрий Сошников, Крис Норинг, Анирбан Мукерджи, Орнелла Алтуньян, Рут Якобу и Эми Бойд -**🎨 Спасибо также нашим иллюстраторам** Томоми Имура, Дасани Мадипалли и Джен Лупер +**🎨 Также благодарим наших иллюстраторов** Томоми Имура, Дасани Мадипалли и Джен Лупер -**🙏 Особая благодарность 🙏 нашим студентам-послам Microsoft, авторам, рецензентам и контрибьюторам**, в частности Ришиту Дагли, Мухаммаду Сакибу Хану Инану, Рохану Раджу, Александру Петреску, Абхишеку Джайсвалу, Наврин Табассум, Иоану Самуиле и Снигдхе Агарвал +**🙏 Особая благодарность 🙏 нашим студентам-амбассадорам Microsoft, авторам, рецензентам и контрибьюторам**, в частности Ришиту Дагли, Мухаммаду Сакибу Хану Инану, Рохану Раджу, Александру Петреску, Абхишеку Джайсвалу, Наврин Табассум, Иоану Самуила и Снигде Агарвал -**🤩 Дополнительная благодарность студентам-послам Microsoft Эрику Ванжау, Джаслин Сонди и Видущи Гупте за наши уроки на R!** +**🤩 Особые благодарности студентам-амбассадорам Microsoft Эрику Ваньау, Джаслин Сонди и Видуши Гупте за наши уроки по R!** # Начало работы Выполните следующие шаги: -1. **Создайте форк репозитория**: Нажмите кнопку "Fork" в верхнем правом углу этой страницы. +1. **Создайте форк репозитория**: Нажмите кнопку «Fork» в правом верхнем углу страницы. 2. **Клонируйте репозиторий**: `git clone https://github.com/microsoft/ML-For-Beginners.git` -> [Все дополнительные ресурсы по этому курсу доступны в нашей коллекции Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [найдите все дополнительные ресурсы для этого курса в нашей коллекции Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) + +> 🔧 **Нужна помощь?** Ознакомьтесь с нашим [руководством по устранению неполадок](TROUBLESHOOTING.md) для решения распространённых проблем с установкой, настройкой и запуском уроков. -> 🔧 **Нужна помощь?** Ознакомьтесь с нашим [Руководством по решению проблем](TROUBLESHOOTING.md) для устранения распространённых проблем с установкой, настройкой и запуском уроков. -**[Студенты](https://aka.ms/student-page)**, для использования этой программы создайте форк всего репозитория в вашей учётной записи GitHub и выполняйте задания самостоятельно или в группе: +**[Студенты](https://aka.ms/student-page)**, чтобы использовать этот курс, сделайте форк всего репозитория на свой аккаунт GitHub и выполняйте упражнения самостоятельно или в группе: - Начинайте с предварительного теста. -- Читайте лекцию и выполняйте задания, делая паузы и размышляя на каждом контрольном вопросе. -- Старайтесь создавать проекты, осмысливая уроки, а не просто запускайте готовый код; однако решения доступны в папках `/solution` в каждом уроке, ориентированном на проект. -- Пройдите итоговый тест. -- Выполните вызов (challenge). -- Выполните домашнее задание. -- По завершении группы уроков посетите [Доску обсуждений](https://github.com/microsoft/ML-For-Beginners/discussions) и «учитесь вслух», заполняя соответствующую шкалу PAT. PAT — это инструмент оценки прогресса, который вы заполняете для повышения вашего обучения. Вы также можете реагировать на PAT других, чтобы учиться вместе. +- Читайте лекцию и выполняйте задания, останавливаясь для размышлений на каждом контроле знаний. +- Старайтесь создавать проекты, понимая уроки, а не просто запуская код из решений; однако этот код доступен в папках `/solution` каждого урока с проектом. +- Выполняйте итоговый тест. +- Выполните челлендж. +- Выполните задание. +- После завершения группы уроков посетите [Дискуссионную площадку](https://github.com/microsoft/ML-For-Beginners/discussions) и «изучайте вслух», заполнив соответствующий рубрикатор PAT. PAT — это инструмент для оценки прогресса, который помогает углубить обучение. Вы также можете реагировать на другие PAT, чтобы учиться вместе. -> Для дальнейшего обучения рекомендуем пройти эти [модули и пути обучения Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott). +> Для дальнейшего изучения рекомендуем пройти эти [модули и пути обучения Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott). -**Преподаватели**, мы включили [некоторые рекомендации](for-teachers.md) по использованию этой программы. +**Учителя**, у нас есть [некоторые рекомендации](for-teachers.md) по использованию этого курса. --- ## Видео-разборы -Некоторые уроки доступны в виде коротких видео. Все они встроены в уроки или доступны на [плейлисте ML for Beginners на канале Microsoft Developer в YouTube](https://aka.ms/ml-beginners-videos), нажмите на изображение ниже. +Некоторые уроки доступны в виде коротких видео. Вы можете найти их встроенными в уроки, либо на [плейлисте ML for Beginners на YouTube-канале Microsoft Developer](https://aka.ms/ml-beginners-videos), нажав на изображение ниже. [![ML for beginners banner](../../translated_images/ru/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- -## Познакомьтесь с командой +## Знакомьтесь с командой [![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) -**GIF от** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) +**Гиф по созданию** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 Нажмите на изображение выше, чтобы посмотреть видео о проекте и людях, которые его создали! @@ -106,73 +107,73 @@ ## Педагогика -При создании этой программы мы выбрали два педагогических принципа: сделать её практической и **ориентированной на проекты** и добавить **частые тесты**. Кроме того, у программы общая **тема**, что придаёт ей целостность. +Мы выбрали два педагогических принципа при создании этого курса: обеспечить практическую **проектно-ориентированную** основу и включить **частые тесты**. Кроме того, у курса есть общая **тема** для создания единства. -Обеспечение связи содержания с проектами делает процесс обучения более увлекательным для студентов и улучшает усвоение материала. Кроме того, тест с низкими ставками перед занятием задаёт студенту настрой на изучение темы, а итоговый тест после занятия помогает закрепить знания. Эта программа разработана так, чтобы быть гибкой и увлекательной, и её можно проходить полностью или частично. Проекты начинаются с простого уровня и к концу 12-недельного цикла становятся более сложными. В программу включён также послесловие о реальных применениях машинного обучения, которое может использоваться в качестве дополнительного материала или основы для обсуждения. +Обеспечение соответствия материала проектам делает процесс более увлекательным для студентов и помогает лучше усваивать знания. Низкоформатный тест перед занятием настраивает студента на изучение темы, а второй тест после занятия обеспечивает закрепление знаний. Курс разработан гибко и интересно, его можно проходить целиком или частично. Проекты начинаются с небольших и постепенно усложняются к концу 12-недельного цикла. В курсе также есть послесловие о реальных применениях МЛ, которое можно использовать для дополнительного задания или в качестве темы для обсуждения. -> Ознакомьтесь с нашими руководствами по [Кодексу поведения](CODE_OF_CONDUCT.md), [Содействию](CONTRIBUTING.md), [Переводам](TRANSLATIONS.md), и [Решению проблем](TROUBLESHOOTING.md). Мы приветствуем ваши конструктивные отзывы! +> Ознакомьтесь с нашим [Кодексом поведения](CODE_OF_CONDUCT.md), [Правилами участия](CONTRIBUTING.md), [Переводами](..) и [руководством по устранению неполадок](TROUBLESHOOTING.md). Мы рады вашим конструктивным отзывам! ## Каждый урок включает -- опциональная заметка-макет (sketchnote) -- опциональное дополнительное видео -- видео-прохождение (только некоторые уроки) -- [разминка к лекции (предварительный тест)](https://ff-quizzes.netlify.app/en/ml/) +- необязательные скетчноуты +- дополнительное видео (по желанию) +- видео-разбор (только в некоторых уроках) +- [разминку перед лекцией — тест](https://ff-quizzes.netlify.app/en/ml/) - письменный урок -- для проектно-ориентированных уроков — пошаговые инструкции по созданию проекта -- контрольные вопросы -- вызов (challenge) +- для проектных уроков — пошаговые инструкции по созданию проекта +- проверки знаний +- челлендж - дополнительное чтение - задание -- [итоговый тест к лекции](https://ff-quizzes.netlify.app/en/ml/) -> **Примечание о языках**: Эти уроки в основном написаны на Python, но многие также доступны на R. Чтобы пройти урок на R, перейдите в папку `/solution` и найдите уроки на R. Они имеют расширение .rmd, что представляет собой **R Markdown** файл, который можно просто определить как встраивание `кодовых блоков` (R или других языков) и `YAML заголовка` (который управляет форматированием вывода, например PDF) в `Markdown документ`. Таким образом, он служит примерной рамочной системой для написания документов в области науки о данных, поскольку позволяет сочетать ваш код, его вывод и ваши мысли, позволяя записывать их в Markdown. Более того, документы R Markdown могут быть преобразованы в форматы вывода, такие как PDF, HTML или Word. - -> **Примечание о викторинах**: Все викторины содержатся в [папке с приложением викторины](../../quiz-app), всего 52 викторины по три вопроса в каждой. Они связаны изнутри уроков, но приложение для викторин можно запускать локально; следуйте инструкциям в папке `quiz-app` для локального хостинга или развертывания в Azure. - -| Номер урока | Тема | Группа уроков | Учебные цели | Связанный урок | Автор | -| :----------: | :------------------------------------------------------------: | :------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :------------------------------------------------: | -| 01 | Введение в машинное обучение | [Введение](1-Introduction/README.md) | Изучить базовые концепции машинного обучения | [Урок](1-Introduction/1-intro-to-ML/README.md) | Мухаммад | -| 02 | История машинного обучения | [Введение](1-Introduction/README.md) | Изучить исторические основы этой области | [Урок](1-Introduction/2-history-of-ML/README.md) | Джен и Эми | -| 03 | Справедливость и машинное обучение | [Введение](1-Introduction/README.md) | Какие философские вопросы о справедливости должны учитывать студенты при создании и применении моделей МЛ? | [Урок](1-Introduction/3-fairness/README.md) | Томоми | -| 04 | Техники для машинного обучения | [Введение](1-Introduction/README.md) | Какие техники используют исследователи МЛ для построения моделей? | [Урок](1-Introduction/4-techniques-of-ML/README.md) | Крис и Джен | -| 05 | Введение в регрессию | [Регрессия](2-Regression/README.md) | Начать работу с Python и Scikit-learn для моделей регрессии | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Джен • Эрик Ванджау | -| 06 | Цены на тыквы в Северной Америке 🎃 | [Регрессия](2-Regression/README.md) | Визуализировать и очистить данные для подготовки к МЛ | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Джен • Эрик Ванджау | -| 07 | Цены на тыквы в Северной Америке 🎃 | [Регрессия](2-Regression/README.md) | Построить линейные и полиномиальные модели регрессии | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Джен и Дмитрий • Эрик Ванджау | -| 08 | Цены на тыквы в Северной Америке 🎃 | [Регрессия](2-Regression/README.md) | Построить модель логистической регрессии | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Джен • Эрик Ванджау | -| 09 | Веб-приложение 🔌 | [Веб-приложение](3-Web-App/README.md) | Построить веб-приложение для использования обученной модели | [Python](3-Web-App/1-Web-App/README.md) | Джен | -| 10 | Введение в классификацию | [Классификация](4-Classification/README.md) | Очистить, подготовить и визуализировать данные; введение в классификацию | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Джен и Кэсси • Эрик Ванджау | -| 11 | Вкусные азиатские и индийские кухни 🍜 | [Классификация](4-Classification/README.md) | Введение в классификаторы | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Джен и Кэсси • Эрик Ванджау | -| 12 | Вкусные азиатские и индийские кухни 🍜 | [Классификация](4-Classification/README.md) | Дополнительные классификаторы | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Джен и Кэсси • Эрик Ванджау | -| 13 | Вкусные азиатские и индийские кухни 🍜 | [Классификация](4-Classification/README.md) | Построить рекомендательское веб-приложение с использованием модели | [Python](4-Classification/4-Applied/README.md) | Джен | -| 14 | Введение в кластеризацию | [Кластеризация](5-Clustering/README.md) | Очистить, подготовить и визуализировать данные; введение в кластеризацию | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Джен • Эрик Ванджау | -| 15 | Исследование музыкальных вкусов Нигерии 🎧 | [Кластеризация](5-Clustering/README.md) | Исследовать метод кластеризации K-средних | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Джен • Эрик Ванджау | -| 16 | Введение в обработку естественного языка ☕️ | [Обработка естественного языка](6-NLP/README.md) | Изучить основы НЛП, построив простого бота | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Стивен | -| 17 | Общие задачи НЛП ☕️ | [Обработка естественного языка](6-NLP/README.md) | Углубить знания НЛП, изучив общие задачи при работе с языковыми структурами | [Python](6-NLP/2-Tasks/README.md) | Стивен | -| 18 | Перевод и анализ настроений ♥️ | [Обработка естественного языка](6-NLP/README.md) | Перевод и анализ настроений на примере Джейн Остин | [Python](6-NLP/3-Translation-Sentiment/README.md) | Стивен | -| 19 | Романтические отели Европы ♥️ | [Обработка естественного языка](6-NLP/README.md) | Анализ настроений на основе отзывов об отелях 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Стивен | -| 20 | Романтические отели Европы ♥️ | [Обработка естественного языка](6-NLP/README.md) | Анализ настроений на основе отзывов об отелях 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Стивен | -| 21 | Введение в прогнозирование временных рядов | [Временные ряды](7-TimeSeries/README.md) | Введение в прогнозирование временных рядов | [Python](7-TimeSeries/1-Introduction/README.md) | Франческа | -| 22 | ⚡️ Потребление электроэнергии в мире ⚡️ - прогнозирование ARIMA | [Временные ряды](7-TimeSeries/README.md) | Прогнозирование временных рядов с использованием ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Франческа | -| 23 | ⚡️ Потребление электроэнергии в мире ⚡️ - прогнозирование SVR | [Временные ряды](7-TimeSeries/README.md) | Прогнозирование временных рядов с помощью регрессии опорных векторов | [Python](7-TimeSeries/3-SVR/README.md) | Анирбан | -| 24 | Введение в обучение с подкреплением | [Обучение с подкреплением](8-Reinforcement/README.md) | Введение в обучение с подкреплением с использованием Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Дмитрий | -| 25 | Помогите Питеру избежать волка! 🐺 | [Обучение с подкреплением](8-Reinforcement/README.md) | Обучение с подкреплением в Gym | [Python](8-Reinforcement/2-Gym/README.md) | Дмитрий | -| Постскрипт | Практические сценарии и применения МЛ | [МЛ в реальной жизни](9-Real-World/README.md) | Интересные и наглядные реальные применения классического машинного обучения | [Урок](9-Real-World/1-Applications/README.md) | Команда | -| Постскрипт | Отладка моделей в МЛ с использованием RAI | [МЛ в реальной жизни](9-Real-World/README.md) | Отладка моделей машинного обучения с использованием панелей Responsible AI | [Урок](9-Real-World/2-Debugging-ML-Models/README.md) | Рут Якобу | +- [итоговый тест после лекции](https://ff-quizzes.netlify.app/en/ml/) + +> **Замечание о языках**: Большинство уроков написаны на Python, но многие доступны и на R. Чтобы пройти урок на R, перейдите в папку `/solution` и найдите уроки на R с расширением .rmd — это **R Markdown** файл, который представляет собой комбинацию «фрагментов кода» (на R или других языках) и `YAML заголовка`, который управляет форматированием вывода, например, PDF, в `Markdown` документе. Такой формат отлично подходит для науки о данных, так как позволяет объединять код, вывод и комментарии в одном документе. R Markdown документы можно выводить в формате PDF, HTML или Word. +> **Примечание о викторинах**: Все викторины находятся в папке [Quiz App folder](../../quiz-app), всего 52 викторины по три вопроса каждая. Они связаны внутри уроков, однако приложение викторины можно запускать локально; следуйте инструкциям в папке `quiz-app` для локального хостинга или развертывания в Azure. + +| Номер урока | Тема | Группа уроков | Цели обучения | Связанный урок | Автор | +| :----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | +| 01 | Введение в машинное обучение | [Introduction](1-Introduction/README.md) | Изучить базовые концепции машинного обучения | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad | +| 02 | История машинного обучения | [Introduction](1-Introduction/README.md) | Изучить историю, лежащую в основе этой области | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | +| 03 | Справедливость и машинное обучение | [Introduction](1-Introduction/README.md) | Каковы важные философские вопросы справедливости, которые студенты должны учитывать при построении и применении моделей машинного обучения? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi | +| 04 | Техники машинного обучения | [Introduction](1-Introduction/README.md) | Какие техники используют исследователи машинного обучения для построения моделей? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | +| 05 | Введение в регрессию | [Regression](2-Regression/README.md) | Начало работы с Python и Scikit-learn для моделей регрессии | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | +| 06 | Цены на тыквы в Северной Америке 🎃 | [Regression](2-Regression/README.md) | Визуализация и очистка данных в подготовке к машинному обучению | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | +| 07 | Цены на тыквы в Северной Америке 🎃 | [Regression](2-Regression/README.md) | Построение линейных и полиномиальных моделей регрессии | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau | +| 08 | Цены на тыквы в Северной Америке 🎃 | [Regression](2-Regression/README.md) | Построение логистической регрессионной модели | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | +| 09 | Веб-приложение 🔌 | [Web App](3-Web-App/README.md) | Создать веб-приложение для использования вашей обученной модели | [Python](3-Web-App/1-Web-App/README.md) | Jen | +| 10 | Введение в классификацию | [Classification](4-Classification/README.md) | Очистка, подготовка и визуализация данных; введение в классификацию | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau | +| 11 | Вкусные азиатские и индийские кухни 🍜 | [Classification](4-Classification/README.md) | Введение в классификаторы | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau | +| 12 | Вкусные азиатские и индийские кухни 🍜 | [Classification](4-Classification/README.md) | Дополнительные классификаторы | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau | +| 13 | Вкусные азиатские и индийские кухни 🍜 | [Classification](4-Classification/README.md) | Создание рекомендательного веб-приложения с использованием вашей модели | [Python](4-Classification/4-Applied/README.md) | Jen | +| 14 | Введение в кластеризацию | [Clustering](5-Clustering/README.md) | Очистка, подготовка и визуализация данных; введение в кластеризацию | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | +| 15 | Исследование музыкальных вкусов Нигерии 🎧 | [Clustering](5-Clustering/README.md) | Изучение метода кластеризации K-средних | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | +| 16 | Введение в обработку естественного языка ☕️ | [Natural language processing](6-NLP/README.md) | Изучить основы обработки естественного языка, создавая простого бота | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | +| 17 | Распространённые задачи NLP ☕️ | [Natural language processing](6-NLP/README.md) | Углубить знания в NLP, изучая распространённые задачи при работе с языковыми структурами | [Python](6-NLP/2-Tasks/README.md) | Stephen | +| 18 | Перевод и анализ настроений ♥️ | [Natural language processing](6-NLP/README.md) | Перевод и анализ настроений с помощью Джейн Остин | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | +| 19 | Романтические отели Европы ♥️ | [Natural language processing](6-NLP/README.md) | Анализ настроений на основе отзывов об отелях 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | +| 20 | Романтические отели Европы ♥️ | [Natural language processing](6-NLP/README.md) | Анализ настроений на основе отзывов об отелях 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | +| 21 | Введение в прогнозирование временных рядов | [Time series](7-TimeSeries/README.md) | Введение в прогнозирование временных рядов | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | +| 22 | ⚡️ Мировое потребление электроэнергии ⚡️ - прогнозирование временных рядов с ARIMA | [Time series](7-TimeSeries/README.md) | Прогнозирование временных рядов с помощью ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | +| 23 | ⚡️ Мировое потребление электроэнергии ⚡️ - прогнозирование временных рядов с SVR | [Time series](7-TimeSeries/README.md) | Прогнозирование временных рядов с помощью регрессора опорных векторов | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | +| 24 | Введение в обучение с подкреплением | [Reinforcement learning](8-Reinforcement/README.md) | Введение в обучение с подкреплением с Q-обучением | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | +| 25 | Помогите Питеру избежать волка! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Обучение с подкреплением в Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | +| Послесловие | Реальные сценарии и приложения машинного обучения | [ML in the Wild](9-Real-World/README.md) | Интересные и наглядные реальные применения классического машинного обучения | [Lesson](9-Real-World/1-Applications/README.md) | Team | +| Послесловие | Отладка моделей ML с помощью панели RAI | [ML in the Wild](9-Real-World/README.md) | Отладка моделей машинного обучения с использованием компонентов панели Responsible AI | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | > [найдите все дополнительные ресурсы для этого курса в нашей коллекции Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -## Оффлайн-доступ +## Офлайн-доступ -Вы можете запускать эту документацию оффлайн, используя [Docsify](https://docsify.js.org/#/). Сделайте форк этого репозитория, [установите Docsify](https://docsify.js.org/#/quickstart) на своей локальной машине, затем в корневой папке репозитория введите `docsify serve`. Сайт будет запущен на порту 3000 на вашем локальном хосте: `localhost:3000`. +Вы можете запускать эту документацию офлайн с помощью [Docsify](https://docsify.js.org/#/). Склонируйте этот репозиторий, [установите Docsify](https://docsify.js.org/#/quickstart) на вашем локальном компьютере, затем в корневой папке репозитория введите команду `docsify serve`. Веб-сайт будет доступен на порту 3000 на вашем локальном хосте: `localhost:3000`. -## PDFs +## PDF -Найдите PDF учебного плана с ссылками [здесь](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). +Файл pdf с учебной программой и ссылками доступен [здесь](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). ## 🎒 Другие курсы -Наша команда выпускает и другие курсы! Посмотрите: +Наша команда выпускает и другие курсы! Оцените: ### LangChain @@ -185,53 +186,53 @@ [![AZD для начинающих](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 для начинающих](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 для начинающих](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-агенты для начинающих](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 агенты для начинающих](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) --- ### Серия по генеративному ИИ -[![Генеративный ИИ для начинающих](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) -[![Генеративный ИИ (.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) -[![Генеративный ИИ (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) -[![Генеративный ИИ (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) +[![Generative AI для начинающих](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- ### Основное обучение -[![МО для начинающих](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) -[![Наука о данных для начинающих](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) +[![ML для начинающих](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 для начинающих](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) [![ИИ для начинающих](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) [![Кибербезопасность для начинающих](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) [![Веб-разработка для начинающих](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 для начинающих](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-разработка для начинающих](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) +[![XR разработка для начинающих](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) --- ### Серия Copilot [![Copilot для совместного программирования с ИИ](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 для 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) -[![Приключения Copilot](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) +[![Приключения с Copilot](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## Получение помощи -Если вы застряли или у вас есть вопросы по созданию ИИ-приложений. Присоединяйтесь к другим ученикам и опытным разработчикам в обсуждениях MCP. Это поддерживающее сообщество, где вопросы приветствуются, а знания свободно делятся. +Если вы застряли или у вас есть вопросы по созданию приложений с ИИ. Присоединяйтесь к другим учителям и опытным разработчикам для обсуждений MCP. Это поддерживающее сообщество, где приветствуются вопросы и свободно делятся знаниями. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Если у вас есть отзывы о продукте или вы обнаружили ошибки во время разработки, посетите: +Если у вас есть отзывы о продукте или ошибки при разработке, посетите: [![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) ## Дополнительные советы по обучению -- Просматривайте ноутбуки после каждого урока для лучшего понимания. -- Практикуйтесь самостоятельно реализовывать алгоритмы. -- Исследуйте реальные наборы данных с использованием изученных концепций. +- Просматривайте тетради после каждого урока для лучшего понимания. +- Практикуйтесь в самостоятельной реализации алгоритмов. +- Изучайте реальные наборы данных, используя изученные концепции. --- **Отказ от ответственности**: -Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, имейте в виду, что автоматический перевод может содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникшие в результате использования этого перевода. +Этот документ был переведен с помощью сервиса машинного перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, просим учитывать, что автоматический перевод может содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для критически важной информации рекомендуется использовать профессиональный человеческий перевод. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникшие в результате использования этого перевода. \ No newline at end of file