> Ši saugykla turi daugiau nei 50 kalbų vertimų, dėl ko žymiai padidėja atsisiuntimo dydis. Norėdami kopijuoti be vertimų, naudokite sparse checkout:
> Šis saugykla apima daugiau nei 50 kalbų vertimų, kurie žymiai padidina atsisiuntimo dydį. Norėdami klonuoti be vertimų, naudokite riboto ištraukimo funkciją (sparse checkout):
>
> **Bash / macOS / Linux:**
> ```bash
@ -33,206 +33,206 @@
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Tai suteiks jums viską, ko reikia kursui baigti, su daug greitesniu atsisiuntimu.
> Tai suteiks jums viską, ko reikia kursui užbaigti, daug greičiau atsisiunčiant.
Mes vykdome Discord „mokymosi su AI“ seriją, sužinokite daugiau ir prisijunkite prie mūsų adresu [Learn with AI Series](https://aka.ms/learnwithai/discord) nuo 2025 m. rugsėjo 18 iki 30 d. Gaunate patarimų ir triukų, kaip naudoti GitHub Copilot Duomenų moksle.
Mes turime Discord mokymosi su dirbtiniu intelektu ciklą, sužinokite daugiau ir prisijunkite prie mūsų [Learn with AI Series](https://aka.ms/learnwithai/discord) nuo 2025 m. rugsėjo 18 - 30 dienos. Gaunate patarimų ir gudrybių kaip naudoti GitHub Copilot duomenų mokslui.
# Mašininis mokymasis pradedantiesiems – mokymo programa
# Mašinų mokymasis pradedantiesiems - mokymo programa
> 🌍 Keliaukime po pasaulį tyrinėdami mašininį mokymąsi per pasaulio kultūras 🌍
> 🌍 Keliaukite po pasaulį tyrinėdami mašinų mokymąsi per pasaulio kultūras 🌍
„Microsoft“ „Cloud Advocates“ džiaugiasi galėdami pasiūlyti 12 savaičių, 26 pamokų programą, skirtą **mašininio mokymosi** studijoms. Šioje programoje sužinosite apie tai, ką kartais vadina **klasikiniu mašininiu mokymusi**, daugiausiai naudojant Scikit-learn biblioteką ir vengiant giluminio mokymosi, kuris aprašytas mūsų [AI pradedantiesiems programoje](https://aka.ms/ai4beginners). Taip pat derinkite šias pamokas su mūsų ['Duomenų mokslas pradedantiesiems' programa](https://aka.ms/ds4beginners).
„Microsoft“ debesų platformos šalininkai džiaugiasi galėdami pasiūlyti 12 savaičių, 26 pamokų mokymo programą apie **Mašinų mokymąsi**. Šioje programoje sužinosite apie tai, kas kartais vadinama **klasikiniu mašinų mokymusi**, daugiausia naudojant Scikit-learn biblioteką ir vengiant giluminio mokymosi, kuris aprašytas mūsų [AI pradedantiesiems programoje](https://aka.ms/ai4beginners). Derinkite šias pamokas su mūsų ['Duomenų mokslas pradedantiesiems' programa](https://aka.ms/ds4beginners).
Keliaukite su mumis po pasaulį, taikydami šias klasikines technikas duomenims iš įvairių pasaulio sričių. Kiekvienoje pamokoje yra priešpamokinis ir postpamokinis testai, rašytinės instrukcijos pamokos atlikimui, sprendimas, užduotis ir daugiau. Mūsų projektinė pedagogika leidžia mokytis kuriant – tai patikrintas būdas įsisavinti naujus įgūdžius.
Keliaukite kartu su mumis po pasaulį, pritaikydami šias klasikines technikas duomenims iš įvairių pasaulio sričių. Kiekviena pamoka apima priešpamokinius ir po pamokinių testus, rašytines nurodas, kaip atlikti pamoką, sprendimą, užduotį ir daugiau. Mūsų projektinis mokymosi metodas leidžia mokytis kuriant, tai įrodyta kaip sėkmingas būdas įsisavinti naujus įgūdžius.
**✍️ Nuoširdžiai dėkojame mūsų autoriams** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ir Amy Boyd
**✍️ Širdingas ačiū mūsų autoriams** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ir Amy Boyd
**🎨 Taip pat dėkojame mūsų iliustratoriams** Tomomi Imura, Dasani Madipalli ir Jen Looper
**🎨 Ačiū taip pat mūsų iliustratoriams** Tomomi Imura, Dasani Madipalli ir Jen Looper
**🙏 Specialus ačiū 🙏 mūsų Microsoft Studentų Ambasadorių autoriams, vertintojams ir turinio bendradarbiams**, ypač Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ir Snigdha Agarwal
**🙏 Specialus ačiū 🙏 mūsų Microsoft Studentų Ambasadoriams autoriams, recenzentams ir turinio bendradarbiams**, ypač Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ir Snigdha Agarwal
**🤩 Ypač dėkojame Microsoft Studentų Ambasadoriams Eric Wanjau, Jasleen Sondhi ir Vidushi Gupta už mūsų R pamokas!**
**🤩 Papildomas dėkingumas Microsoft Studentų Ambasadoriams Eric Wanjau, Jasleen Sondhi ir Vidushi Gupta už mūsų R pamokas!**
# Pradžia
Laikykitės šių žingsnių:
1. **Padarykite fork'ą**: Spustelėkite mygtuką „Fork“ šio puslapio dešiniajame viršutiniame kampe.
> [suraskite visus papildomus šio kurso išteklius mūsų Microsoft Learn kolekcijoje](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [rasite visus papildomus išteklius šiam kursui mūsų Microsoft Learn kolekcijoje](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Reikia pagalbos?** Peržiūrėkite mūsų [Gedimų šalinimo vadovą](TROUBLESHOOTING.md) – sprendimus dažniausiai pasitaikančioms problemoms diegiant, nustatant ir vykdant pamokas.
> 🔧 **Reikia pagalbos?** Patikrinkite mūsų [Trikčių šalinimo vadovą](TROUBLESHOOTING.md) dėl dažniausiai pasitaikančių problemų su diegimu, konfigūracija ir pamokų vykdymu.
**[Studentams](https://aka.ms/student-page)**, norėdami naudotis šia programa, fork'inkite visą kodą į savo GitHub paskyrą ir atlikite pratimus savarankiškai arba grupėje:
**[Studentams](https://aka.ms/student-page)**, norėdami naudotis šia programa, padarykite šaką visam repozitorijui į savo GitHub paskyrą ir mokykitės patys arba grupėje:
- Pradėkite nuo priešpaskaitinio testo.
- Perskaitykite paskaitą ir atlikite veiklas, sustodami ir apmąstydami kiekvieną žinių patikrinimą.
- Stenkitės kurti projektus suprasdami pamokas, o ne vien paleisdami sprendimo kodą; tačiau šis kodas yra prieinamas kiekvienos projektinės pamokos `/solution` aplankuose.
- Pradėkite nuo priešpamokinio testo.
- Perskaitykite paskaitą ir atlikite veiklas, sustokite ir apmąstykite kiekvieną žinių patikrinimą.
- Stenkitės kurti projektus suprasdami pamokas, o ne tik paleisdami sprendimo kodą; kodas prieinamas kiekvienos projektinės pamokos `/solution` aplankuose.
- Atlikite po paskaitos testą.
- Atlikite iššūkį.
- Įvykdykite iššūkį.
- Atlikite užduotį.
- Baigę pamokų ciklą, aplankykite [Diskusijų forumą](https://github.com/microsoft/ML-For-Beginners/discussions) ir „mokykitės garsiai“ užpildydami atitinkamą PAT rubriką. PAT – tai Progreso Vertinimo Priemonė, kurią užpildote tolesniam mokymuisi. Taip pat galite reaguoti į kitų PAT, kad mokytumėmės kartu.
- Baigę pamokų grupę apsilankykite [Diskusijų lentoje](https://github.com/microsoft/ML-For-Beginners/discussions) ir „mokykitės garsiai“, užpildydami tinkamą PAT įvertinimo šabloną. „PAT“ yra pažangos vertinimo įrankis, kurį pildote gilindamiesi į mokymosi procesą. Taip pat galite reaguoti į kitų PAT, kad galėtume mokytis kartu.
> Tolimesnėms studijoms rekomenduojame šiuos [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modulius ir mokymosi kelius.
> Dėl tolimesnio mokymosi rekomenduojame sekti šiuos [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modulius ir mokymosi kelius.
**Mokytojams**, mes pateikėme [keletą rekomendacijų](for-teachers.md), kaip naudoti šią programą.
**Mokytojams**, mes pateikėme [kelias rekomendacijas](for-teachers.md), kaip naudotis šia programa.
---
## Vaizdo įrašų peržiūros
## Vaizdo įrašų apžvalgos
Kai kurios pamokos pateikiamos trumpais vaizdo įrašais. Juos rasite įterptus pamokose arba [ML pradedantiesiems grojaraštyje Microsoft Developer YouTube kanale](https://aka.ms/ml-beginners-videos) spustelėję paveikslėlį žemiau.
Kai kurios pamokos pateikiamos trumpais vaizdo įrašais. Visus juos galite rasti tiesiogiai pamokose arba [ML pradedantiesiems grojaraštyje Microsoft Developer YouTube kanale](https://aka.ms/ml-beginners-videos), spustelėję žemiau esančią nuotrauką.
[](https://aka.ms/ml-beginners-videos)
> 🎥 Spustelėkite paveikslėlį aukščiau, kad pamatytumėte vaizdo įrašą apie projektą ir jį sukūrusius žmones!
> 🎥 Spustelėkite paveikslėlį aukščiau, norėdami peržiūrėti vaizdo įrašą apie projektą ir jo kūrėjus!
---
## Pedagogika
Kurdami šią programą pasirinkome du pedagoginius principus: užtikrinti, kad ji būtų praktiška, **projektinė**, ir kad būtų **dažni testai**. Be to, ši programa turi bendrą **temą**, suteikiančią jai darną.
Kurdami šią programą pasirinkome du pagrindinius ugdymo principus: užtikrinti, kad ji būtų praktiškai orientuota ir paremta **projektų principais**, ir kad ji apimtų **dažnus testus**. Be to, programa turi bendrą **temą**, kad būtų vientisa.
Užtikrinus, kad turinys atitinka projektus, procesas tampa patrauklesnis mokiniams, o sąvokos geriau įsimenamos. Taip pat žemo pasirinkimo laipsnio testas prieš paskaitą orientuoja mokinį į temos mokymąsi, o antras testas po paskaitos užtikrina tolesnį įsisavinimą. Ši programa sukurta būti lanksti ir smagi, ją galima naudoti visą arba atskiras dalis. Projektai prasideda nuo mažų ir pabaigoje tampa vis sudėtingesni per 12 savaičių ciklą. Ši programa taip pat apima priedą apie mašininio mokymosi taikymą realiame pasaulyje, kurį galima naudoti kaip papildomą užduotį arba diskusijos pagrindą.
Užtikrinant turinio suderinamumą su projektais, procesas tampa įdomesnis studentams, o koncepcijų išlaikymas bus pagerintas. Taip pat, mažo spaudimo testas prieš pamoką padeda studentui susikoncentruoti į mokymąsi, o antras testas po pamokos užtikrina papildomą įsisavinimą. Ši programa yra lanksti ir smagi, ją galima atlikti pilnai arba dalinai. Projektai prasideda nuo paprastų užduočių ir baigiasi sudėtingesniais ciklo pabaigoje. Programa taip pat apima pastabą apie realaus gyvenimo ML taikymą, kuri gali būti naudojama kaip papildomi kreditai ar diskusijų pagrindas.
> Raskite mūsų [Elgesio kodeksą](CODE_OF_CONDUCT.md), [Indėlio gairės](CONTRIBUTING.md), [Vertimus](..) ir [Gedimų šalinimą](TROUBLESHOOTING.md). Laukiame jūsų konstruktyvių atsiliepimų!
> Raskite mūsų [Elgesio kodeksą](CODE_OF_CONDUCT.md), [Prisidėjimo gairės](CONTRIBUTING.md), [Vertimus](..) ir [Trikčių šalinimo](TROUBLESHOOTING.md) taisykles. Laukiame jūsų konstruktyvios grįžtamosios informacijos!
> **Pastaba apie kalbas**: Šios pamokos pagrinde parašytos Python kalba, bet daugelis taip pat prieinamos R kalba. Norėdami atlikti R pamoką, eikite į `/solution` katalogą ir ieškokite R pamokų. Jos turi .rmd plėtinį, kuris reiškia **R Markdown** failą – tai dokumentas, kuriame jungiamas `kodo blokai` (R ar kitų kalbų) ir `YAML antraštė` (nurodanti, kaip formatuoti išvestį, pvz., PDF) `Markdown` dokumente. Tokiu būdu tai puiki autorystės sistema duomenų mokslui, leidžianti kartu sujungti kodą, jo rezultatą ir mintis, rašant jas Markdown formatu. Be to, R Markdown dokumentai gali būti konvertuojami į formatus, tokius kaip PDF, HTML ar Word.
> **Pastaba apie quizus**: Visi quizai yra [Quiz App aplanke](../../quiz-app), iš viso 52 quizai po tris klausimus. Jie yra susieti pamokų viduje, tačiau quizų programą galima paleisti lokaliai; laikykitės instrukcijų `quiz-app` aplanke, kad ją paleistumėte vietoje arba patalpintumėte Azure.
| Pamokos numeris | Tema | Pamokų grupavimas | Mokymosi tikslai | Susieta pamoka | Autorius |
| 01 | Įvadas į mašininį mokymąsi | [Introduction](1-Introduction/README.md) | Sužinokite pagrindines mašininio mokymosi sąvokas | [Pamoka](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Mašininio mokymosi istorija | [Introduction](1-Introduction/README.md) | Sužinokite šios srities istoriją | [Pamoka](1-Introduction/2-history-of-ML/README.md) | Jen ir Amy |
| 03 | Teisingumas ir mašininis mokymasis | [Introduction](1-Introduction/README.md) | Kokios svarbios filosofinės teisingumo problemos, kuriomis turėtų domėtis studentai kurdami ir taikydami MM modelius? | [Pamoka](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Mašininio mokymosi technikos | [Introduction](1-Introduction/README.md) | Kokias technikas MM tyrėjai naudoja mokydami MM modelius? | [Pamoka](1-Introduction/4-techniques-of-ML/README.md) | Chris ir Jen |
| 05 | Įvadas į regresiją | [Regression](2-Regression/README.md) | Pradėkite dirbti su Python ir Scikit-learn regresijos modeliams | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Šiaurės Amerikos moliūgų kainos 🎃| [Regression](2-Regression/README.md) | Vizualizuokite ir išvalykite duomenis ruošdamiesi MM | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Šiaurės Amerikos moliūgų kainos 🎃 | [Regression](2-Regression/README.md) | Kurkite tiesinės ir polinominės regresijos modelius | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen ir Dmitry • Eric Wanjau |
| 08 | Šiaurės Amerikos moliūgų kainos 🎃 | [Regression](2-Regression/README.md) | Kurkite logistinės regresijos modelį | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)| Jen • Eric Wanjau |
| 09 | Interneto programa 🔌 | [Web App](3-Web-App/README.md) | Sukurkite interneto programą, kad naudotumėte savo apmokytą modelį | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Įvadas į klasifikaciją | [Classification](4-Classification/README.md) | Valykite, paruoškite ir vizualizuokite savo duomenis; įvadas į klasifikaciją | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen ir Cassie • Eric Wanjau |
| 11 | Skani Azijos ir Indijos virtuvė 🍜 |[Classification](4-Classification/README.md) | Įvadas į klasifikatorius | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen ir Cassie • Eric Wanjau |
| 12 | Skani Azijos ir Indijos virtuvė 🍜 |[Classification](4-Classification/README.md) | Daugiau klasifikatorių | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen ir Cassie • Eric Wanjau |
| 13 | Skani Azijos ir Indijos virtuvė 🍜 | [Classification](4-Classification/README.md) | Sukurkite rekomendacinę interneto programą naudodami savo modelį |[Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Įvadas į klasterizavimą | [Clustering](5-Clustering/README.md) | Valykite, ruoškitės ir vizualizuokite savo duomenis; įvadas į klasterizavimą | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Nigerijos muzikos skonio tyrinėjimas 🎧 | [Clustering](5-Clustering/README.md) | Tyrinėkite K-Means klasterizavimo metodą | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Įvadas į natūralios kalbos apdorojimą ☕️| [Natural language processing](6-NLP/README.md) | Išmokite NLP pagrindus kurdami paprastą botą | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Įprasti NLP uždaviniai ☕️ | [Natural language processing](6-NLP/README.md) | Gilinkite NLP žinias suprasdami įprastus uždavinius, susijusius su kalbos struktūromis | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Vertimas ir nuotaikų analizė ♥️ |[Natural language processing](6-NLP/README.md) | Vertimas ir nuotaikų analizė su Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Romantiški Europos viešbučiai ♥️| [Natural language processing](6-NLP/README.md) | Nuotaikų analizė su viešbučių atsiliepimais 1 |[Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Romantiški Europos viešbučiai ♥️| [Natural language processing](6-NLP/README.md) | Nuotaikų analizė su viešbučių atsiliepimais 2 |[Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Laiko eilių prognozavimo įvadas | [Time series](7-TimeSeries/README.md)| Įvadas į laiko eilių prognozavimą | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Pasaulio energijos naudojimas ⚡️ - ARIMA prognozės | [Time series](7-TimeSeries/README.md) | Laiko eilių prognozavimas su ARIMA |[Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Pasaulio energijos naudojimas ⚡️ - SVR prognozės | [Time series](7-TimeSeries/README.md) | Laiko eilių prognozavimas su paramos vektorių regresoriumi (SVR) | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Įvadas į stiprinamąjį mokymąsi | [Reinforcement learning](8-Reinforcement/README.md) | Įvadas į stiprinamąjį mokymąsi su Q-Mokymusi | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Padėkite Petrui išvengti vilko! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Stiprinamojo mokymosi Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Realūs MM scenarijai ir taikymai | [ML in the Wild](9-Real-World/README.md) | Įdomios ir atskleidžiančios realaus pasaulio klasikinių MM taikymų | [Pamoka](9-Real-World/1-Applications/README.md) | Komanda |
| Postscript | Modelių klaidų paieška ML su RAI prietaisu | [ML in the Wild](9-Real-World/README.md) | Modelių klaidų paieška mašininio mokymosi modeliuose naudojant atsakingo AI valdymo skydelio komponentus | [Pamoka](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [raskite visus papildomus šio kurso išteklius mūsų Microsoft Learn rinkinyje](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Veikia be interneto
Galite naudoti šią dokumentaciją be interneto naudodami [Docsify](https://docsify.js.org/#/). Padarykite šio repozitorijaus šaką („fork“), [įdiekite Docsify](https://docsify.js.org/#/quickstart) savo vietiniame kompiuteryje ir tada šio repozitorijaus pagrindiniame aplanke įveskite `docsify serve`. Svetainė bus pristatyta 3000 prievade jūsų lokaliame kompiuteryje: `localhost:3000`.
> **Pastaba apie kalbas**: Šios pamokos daugiausia parašytos Python kalba, bet dauguma jų taip pat yra prieinamos R kalba. Norėdami baigti R pamoką, eikite į `/solution` katalogą ir ieškokite R pamokų. Jos turi .rmd plėtinį, kuris reiškia **R Markdown** failą, kuris gali būti apibrėžiamas kaip `kodo blokų` (R ar kitų kalbų) ir `YAML antraštės` (nurodančios, kaip formatuoti rezultatus, pvz., PDF) įterpimas į `Markdown dokumentą`. Tokiu būdu tai tarnauja kaip pavyzdinė autorystės sistema duomenų mokslui, nes leidžia jums sujungti savo kodą, jo rezultatą ir mintis, leidžiant jas užrašyti Markdown formatu. Be to, R Markdown dokumentai gali būti atvaizduojami į įvairius išvesties formatus, tokius kaip PDF, HTML ar Word.
> **Pastaba apie testus**: Visi testai yra laikomi [Quiz App kataloge](../../quiz-app), iš viso 52 testai, kiekviename po tris klausimus. Jie susieti su pamokomis, bet testų programėlę galima paleisti vietoje; vadovaukitės nurodymais `quiz-app` kataloge, kad ją paleistumėte vietoje arba išdėstytumėte Azure.
| Pamokos numeris | Tema | Pamokų grupė | Mokymosi tikslai | Susieta pamoka | Autorius |
| 01 | Įvadas į mašininį mokymąsi | [Introduction](1-Introduction/README.md) | Sužinoti pagrindines mašininio mokymosi sąvokas | [Pamoka](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Mašininio mokymosi istorija | [Introduction](1-Introduction/README.md) | Sužinoti šio srities istoriją | [Pamoka](1-Introduction/2-history-of-ML/README.md) | Jen ir Amy |
| 03 | Teisingumas ir mašininis mokymasis | [Introduction](1-Introduction/README.md) | Kokie svarbūs filosofiniai klausimai dėl teisingumo, kuriuos turėtų apsvarstyti mokiniai kurdami ir taikydami MM modelius? | [Pamoka](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Mašininio mokymosi technikos | [Introduction](1-Introduction/README.md) | Kokias technikas MM tyrėjai naudoja kurdami MM modelius? | [Pamoka](1-Introduction/4-techniques-of-ML/README.md) | Chris ir Jen |
| 05 | Įvadas į regresiją | [Regression](2-Regression/README.md) | Pradėti dirbti su Python ir Scikit-learn regresijos modeliams | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Šiaurės Amerikos moliūgų kainos 🎃 | [Regression](2-Regression/README.md) | Vizualizuoti ir išvalyti duomenis, ruošiantis MM | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Šiaurės Amerikos moliūgų kainos 🎃 | [Regression](2-Regression/README.md) | Kurti tiesinės ir polinominės regresijos modelius | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen ir Dmitry • Eric Wanjau |
| 08 | Šiaurės Amerikos moliūgų kainos 🎃 | [Regression](2-Regression/README.md) | Kurti logistinės regresijos modelį | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Internetinė programa 🔌 | [Web App](3-Web-App/README.md) | Kurti internetinę programą, kad naudotumėte savo apmokytą modelį | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Įvadas į klasifikaciją | [Classification](4-Classification/README.md) | Išvalyti, paruošti ir vizualizuoti duomenis; įvadas į klasifikaciją | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen ir Cassie • Eric Wanjau |
| 11 | Skani Azijos ir Indijos virtuvė 🍜 | [Classification](4-Classification/README.md) | Įvadas į klasifikatorius | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen ir Cassie • Eric Wanjau |
| 12 | Skani Azijos ir Indijos virtuvė 🍜 | [Classification](4-Classification/README.md) | Daugiau klasifikatorių | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen ir Cassie • Eric Wanjau |
| 13 | Skani Azijos ir Indijos virtuvė 🍜 | [Classification](4-Classification/README.md) | Kurti rekomendacijų internetinę programėlę naudodami savo modelį | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Įvadas į klasterizaciją | [Clustering](5-Clustering/README.md) | Išvalyti, paruošti ir vizualizuoti duomenis; įvadas į klasterizaciją | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Nigerijos muzikos skonių tyrinėjimas 🎧 | [Clustering](5-Clustering/README.md) | Tyrinėti K-Means klasterizacijos metodą | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Įvadas į natūralios kalbos apdorojimą ☕️ | [Natural language processing](6-NLP/README.md) | Sužinoti NLP pagrindus kuriant paprastą botą | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Bendros NLP užduotys ☕️ | [Natural language processing](6-NLP/README.md) | Gilinti NLP žinias suprantant bendras užduotis, susijusias su kalbos struktūra | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Vertimas ir nuotaikų analizė ♥️ | [Natural language processing](6-NLP/README.md) | Vertimas ir nuotaikų analizė su Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Romantiški viešbučiai Europoje ♥️ | [Natural language processing](6-NLP/README.md) | Nuotaikų analizė su viešbučių atsiliepimais 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Romantiški viešbučiai Europoje ♥️ | [Natural language processing](6-NLP/README.md) | Nuotaikų analizė su viešbučių atsiliepimais 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Įvadas į laiko eilių prognozavimą | [Time series](7-TimeSeries/README.md) | Įvadas į laiko eilių prognozavimą | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Pasaulinis energijos suvartojimas ⚡️ - laiko eilių prognozavimas su ARIMA | [Time series](7-TimeSeries/README.md) | Laiko eilių prognozavimas su ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Pasaulinis energijos suvartojimas ⚡️ - laiko eilių prognozavimas su SVR | [Time series](7-TimeSeries/README.md) | Laiko eilių prognozavimas su parama vektoriniais regresoriais | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Įvadas į stiprinamąjį mokymą | [Reinforcement learning](8-Reinforcement/README.md) | Įvadas į stiprinamąjį mokymą su Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Padėkite Peteriui išvengti vilko! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Stiprinamojo mokymosi sporto salė | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Pasakažas | Realaus pasaulio MM scenarijai ir programos | [ML in the Wild](9-Real-World/README.md) | Įdomios ir atskleidžiančios realaus pasaulio klasikinio MM taikymo programos | [Pamoka](9-Real-World/1-Applications/README.md) | Komanda |
| Pasakažas | Modelių derinimas MM su RAI prietaisų skydeliu | [ML in the Wild](9-Real-World/README.md) | Modelių derinimas mašininio mokymosi srityje naudojant Responsible AI prietaisų skydelio komponentus | [Pamoka](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [raskite visus papildomus šio kurso išteklius mūsų Microsoft Learn kolekcijoje](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Offline prieiga
Šią dokumentaciją galite naudoti neprisijungę, naudodamiesi [Docsify](https://docsify.js.org/#/). Šakninėje katalogo vietoje padarykite šaką (`fork`) arba klonuokite šį repo, [įdiekite Docsify](https://docsify.js.org/#/quickstart) savo vietiniame įrenginyje, tada terminale šio repo šakniniame kataloge įveskite `docsify serve`. Svetainė bus patiekiama 3000 prievade jūsų localhost: `localhost:3000`.
## PDF failai
Raskite mokymo programos pdf su nuorodomis [čia](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
Raskite kurso programos PDF su nuorodomis [čia](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Kiti kursai
Mūsų komanda kuria ir kitus kursus! Pažiūrėkite:
Mūsų komanda kuria ir kitus kursus! Pažvelkite:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### Generatyvinio AI serija
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
Jei įstringate ar turite klausimų apie DI programų kūrimą. Prisijunkite prie kitų besimokančių ir patyrusių kūrėjų diskusijose apie MCP. Tai palaikanti bendruomenė, kurioje klausimai yra laukiami, o žinios dalijamasi laisvai.
Jei užstrigote arba turite klausimų apie AI programų kūrimą. Prisijunkite prie kitų mokinių ir patyrusių kūrėjų diskusijose apie MCP. Tai palaikanti bendruomenė, kurioje klausimai yra laukiami ir žinios dalijamos laisvai.
- Tyrinėkite realių duomenų rinkinius naudodami įgytas žinias.
- Tyrinėkite realius duomenų rinkinius naudodami įgytas žinias.
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Atsakomybės apribojimas**:
Šis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą [Co-op Translator](https://github.com/Azure/co-op-translator). Nors siekiame tikslumo, atkreipkite dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba laikomas autoritetingu šaltiniu. Svarbiai informacijai rekomenduojama naudoti profesionalų vertimą, atliekamą žmogaus. Mes neatsakome už bet kokius nesusipratimus ar klaidingas interpretacijas, kylančias naudojant šį vertimą.
**Atsakomybės apribojimas**:
Šis dokumentas buvo išverstas naudojant AI vertimo paslaugą [Co-op Translator](https://github.com/Azure/co-op-translator). Nors stengiamės užtikrinti tikslumą, prašome atkreipti dėmesį, kad automatizuoti vertimai gali turėti klaidų arba netikslumų. Originalus dokumentas jo gimtąja kalba laikomas autoritetingu šaltiniu. Kritinei informacijai rekomenduojame naudotis profesionaliu žmogišku vertimu. Mes neatsakome už jokius nesusipratimus ar klaidingas interpretacijas, kylančias dėl šio vertimo naudojimo.
သင်ခန်းစာအချို့သည် အတိုချုံး ဗီဒီယိုအဖြစ် ရနိုင်ပါသည်။ သင်ခန်းစာများထဲတွင် inline အဖြစ် ရှာတွေ့နိုင်ပြီး၊ ဒါမှမဟုတ် [ML for Beginners playlist on the Microsoft Developer YouTube channel](https://aka.ms/ml-beginners-videos) တွင် ဗီဒီယိုများကိုကြည့်ရှုနိုင်ပါသည်။
အချို့သော သင်ခန်းစာများကို မိနစ်တိုအတွင်း ဗီဒီယိုအနေနှင့် ရရှိနိုင်သည်။ ၎င်းတို့အားစာအုပ်အတွင်းတွင်မှတစ်ဆင့် သို့မဟုတ် [ML for Beginners playlist on the Microsoft Developer YouTube channel](https://aka.ms/ml-beginners-videos) တွင် အောက်ပါပုံကိုႏွိပ်၍ ရှာဖွေကြည့်ရှုနိုင်ပါသည်။
[](https://aka.ms/ml-beginners-videos)
| အပြီးသတ် စာတမ်း | အမှန်တကယ် လုပ်ဆောင်နေသော ML အခြေအနေများနှင့် လျှောက်လွှာများ | [ML in the Wild](9-Real-World/README.md) | ရိုးရာ ML ၏ စိတ်ဝင်စားဖွယ်ရာနှင့် ဖော်ပြချက်များ | [Lesson](9-Real-World/1-Applications/README.md) | Team |
| အပြီးသတ် စာတမ်း | RAI dashboard ကို အသုံးပြု၍ ML မော်ဒယ်များ Debugging | [ML in the Wild](9-Real-World/README.md) | Responsible AI dashboard အစိတ်အပိုင်းများဖြင့် Machine Learning မော်ဒယ်များ Debugging | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [ဤသင်တန်းအတွက် အပိုဆောင်းအရင်းအမြစ်များအားလုံးကို Microsoft Learn စုစည်းမှုတွင် ရှာဖွေပါ](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
> Цей репозиторій містить понад 50 мов перекладів, що значно збільшує розмір завантаження. Щоб клонувати без перекладів, використовуйте sparse checkout:
> Цей репозиторій містить понад 50 перекладів мов, що значно збільшує розмір завантаження. Щоб клонувати без перекладів, використовуйте sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -33,63 +33,63 @@
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Це дасть вам усе необхідне для проходження курсу з набагато швидшим завантаженням.
> Це дасть вам все необхідне для проходження курсу з набагато швидшим завантаженням.
У нас триває серія Discord для навчання з AI, дізнайтеся більше та приєднуйтеся до нас на [Learn with AI Series](https://aka.ms/learnwithai/discord) з 18 по 30 вересня 2025 року. Ви отримаєте поради та лайфхаки використання GitHub Copilot для Data Science.
Ми проводимо серію Discord для навчання з AI, дізнайтеся більше і приєднуйтесь до нас на [Learn with AI Series](https://aka.ms/learnwithai/discord) з 18 по 30 вересня 2025 року. Ви отримаєте поради та прийоми використання GitHub Copilot для Data Science.
# Машинне навчання для початківців — Навчальна програма
# Машинне навчання для початківців - навчальна програма
> 🌍 Подорожуйте навколо світу, досліджуючи машинне навчання через призму світових культур 🌍
> 🌍 Подорожуємо навколо світу, досліджуючи машинне навчання через призму світових культур 🌍
Cloud Advocates у Microsoft раді запропонувати 12-тижневу програму з 26 уроків, присвячену **машинному навчанню**. У цій навчальній програмі ви дізнаєтеся про те, що інколи називають **класичним машинним навчанням**, використовуючи переважно бібліотеку Scikit-learn і уникаючи глибинного навчання, яке викладається у нашій [навчальній програмі AI для початківців](https://aka.ms/ai4beginners). Поєднуйте ці уроки з нашим ['Data Science для початківців'](https://aka.ms/ds4beginners)!
Команда Cloud Advocates в Microsoft рада запропонувати 12-тижневу навчальну програму з 26 уроками, повністю присвячену **машинному навчанню**. У цій програмі ви дізнаєтеся про те, що іноді називають **класичним машинним навчанням**, використовуючи переважно бібліотеку Scikit-learn та уникаючи глибинного навчання, яке розглядається в нашій [навчальній програмі «AI для початківців»](https://aka.ms/ai4beginners). Також поєднуйте ці уроки з нашою ['Data Science для початківців'](https://aka.ms/ds4beginners)!
Подорожуйте з нами світом, застосовуючи класичні техніки до даних з різних куточків планети. Кожен урок містить тести до та після занять, письмові інструкції, розв’язок, завдання та інше. Наш проектно-орієнтований підхід дозволяє навчатись, створюючи проекти, що доведено сприяє закріпленню нових навичок.
Подорожуйте з нами по світу, застосовуючи ці класичні методи до даних з різних регіонів. Кожен урок містить опитування перед і після уроку, письмові інструкції для виконання завдання, розв’язок, домашнє завдання і більше. Наша проектно-орієнтована педагогіка дозволяє вчитися через створення проектів, що є доведеним способом закріплення нових навичок.
> [знайдіть усі додаткові ресурси курсу в нашій колекції Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [знайдіть усі додаткові ресурси для цього курсу в нашій колекції Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Потрібна допомога?** Перевірте наш [Посібник з розв’язання проблем](TROUBLESHOOTING.md) для вирішення типових питань із встановленням, налаштуванням і запуском уроків.
> 🔧 **Потрібна допомога?** Перегляньте наш [Посібник з усунення несправностей](TROUBLESHOOTING.md) для розв’язання поширених проблем із встановленням, налаштуванням і запуском уроків.
**[Студенти](https://aka.ms/student-page)**, щоб використовувати цю навчальну програму, форкніть увесь репозиторій у свій акаунт GitHub і виконуйте вправи самостійно або в групі:
**[Студенти](https://aka.ms/student-page)**, щоб користуватися цією навчальною програмою, форкніть увесь репозиторій до вашого акаунта на GitHub та виконуйте вправи самостійно абоу групі:
- Почніть із квізу перед лекцією.
- Прочитайте лекцію та виконайте вправи, зупиняючись і осмислюючи кожен перевірковий момент.
- Намагайтеся створювати проекти, розуміючи уроки, а не просто запускаючи код розв’язку; однак цей код доступний у папках `/solution` кожного проектно-орієнтованого уроку.
- Пройдіть квіз після лекції.
- Почніть з опитування перед лекцією.
- Прочитайте лекцію і виконайте завдання, зупиняючись та рефлексуючи на кожній перевірці знань.
- Намагайтеся створювати проекти, розуміючи уроки, а не просто запускаючи код розв’язків; код доступний у папках `/solution` кожного проектно-орієнтованого уроку.
- Пройдіть опитування після лекції.
- Виконайте виклик.
- Виконайте завдання.
- Після завершення групи уроків відвідайте [Дошку обговорень](https://github.com/microsoft/ML-For-Beginners/discussions) і "навчайтеся вголос", заповнюючи відповідний рубрикатор PAT. 'PAT' — це Інструмент Оцінки Прогресу, рубрикатор для подальшого закріплення навчання. Ви також можете реагувати на інші PAT, щоб навчатися разом.
- Виконайте домашнє завдання.
- Після завершення групи уроків відвідайте [Дошку обговорень](https://github.com/microsoft/ML-For-Beginners/discussions) і "вчіться вголос", заповнюючи відповідну рубрику PAT. PAT — це інструмент оцінки прогресу, тобто рубрика, яку ви заповнюєте для подальшого навчання. Ви також можете реагувати на інші PAT, щоб ми могли вчитися разом.
> Для подальшого вивчення рекомендуємо пройти ці [модулі та навчальні траєкторії Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
> Для подальшого вивчення рекомендуємо слідкувати за цими [модулями та навчальними шляхами Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
**Вчителі**, ми підготували деякі [пропозиції](for-teachers.md) щодо використання цієї програми.
**Викладачі**, ми [додали кілька рекомендацій](for-teachers.md) щодо використання цієї навчальної програми.
---
## Відео-пояснення
## Відеоогляди
Деякі уроки доступні у вигляді коротких відео. Ви знайдете їх вбудованими у уроки або на [плейлисті ML for Beginners на YouTube каналі Microsoft Developer](https://aka.ms/ml-beginners-videos), натиснувши на зображення нижче.
Деякі уроки доступні у вигляді коротких відео. Ви можете знайти всі їх у тексті уроків або на [плейлисті ML for Beginners на YouTube-каналі Microsoft Developer](https://aka.ms/ml-beginners-videos), натиснувши на зображення нижче.
[](https://aka.ms/ml-beginners-videos)
@ -99,72 +99,72 @@ Cloud Advocates у Microsoft раді запропонувати 12-тижнев
> 🎥 Клацніть на зображення вище, щоб переглянути відео про проект і людей, які його створили!
> 🎥 Натисніть на зображення вище, щоб побачити відео про проект та людей, які його створили!
---
## Педагогіка
При створенні цієї програми ми обрали два основних педагогічних принципи: забезпечення практичної **проектної орієнтації** та включення **частих вікторин**. Крім того, програма має спільну **тематичну лінію** для єдності.
Ми обрали два педагогічні принципи при створенні цієї програми: забезпечення практичної, **проектно-орієнтованої** форми навчання та включення **частих опитувань**. Крім того, ця програма має спільну **тематичну лінію**, що додає цілісності.
Забезпечення відповідності контенту проектам робить процес більш захопливим для студентів і покращує засвоєння понять. Крім того, легкий тест перед заняттям налаштовує студента на вивчення теми, а другий тест після заняття сприяє подальшому закріпленню знань. Програма розроблена гнучкою та цікавою і може проходитися повністю або частково. Проекти починаються з невеликих і поступово ускладнюються до кінця 12-тижневого циклу. Програма також містить постскрипт із реальними застосуваннями машинного навчання, який можна використати як бонус або для дискусії.
Забезпечуючи відповідність контенту проектам, процес стає більш захопливим для студентів і покращує запам’ятовування концепцій. Крім того, опитування з невисокою ставкою перед заняттям налаштовує студента на вивчення теми, а друге після заняття забезпечує подальше закріплення матеріалу. Ця програма спроектована бути гнучкою і цікавою, її можна проходити повністю або частково. Проекти починаються з простих і стають дедалі складнішими до кінця 12-тижневого циклу. У програмі також є доповнення про реальні застосування машинного навчання, яке можна використати як додатковий бал або як основу для обговорення.
> Знайдіть наші [Кодекс поведінки](CODE_OF_CONDUCT.md), [Інструкції з внеску](CONTRIBUTING.md), [Переклади](..) та [Посібник з усунення несправностей](TROUBLESHOOTING.md). Ми відкриті для ваших конструктивних відгуків!
> Ознайомтеся з нашим [Кодексом поведінки](CODE_OF_CONDUCT.md), [внесенням внеску](CONTRIBUTING.md), [перекладами](..) та [посібником з усунення несправностей](TROUBLESHOOTING.md). Ми вітаємо ваші конструктивні відгуки!
## Кожен урок містить
## Кожен урок включає
- необов’язкові скетчноти
- необов’язкове додаткове відео
- відео-пояснення (лише деякі уроки)
- [розігрівальний квіз перед лекцією](https://ff-quizzes.netlify.app/en/ml/)
- опціональні замальовки
- опціональне додаткове відео
- відеоогляд (лише деякі уроки)
- [опитування для розминки перед лекцією](https://ff-quizzes.netlify.app/en/ml/)
- письмовий урок
- для проектно-орієнтованих уроків — покрокові інструкції зі створення проекту
- перевірки знань
- виклик
- додаткове читання
- завдання
- [квіз після лекції](https://ff-quizzes.netlify.app/en/ml/)
> **Про мови програмування:** Ці уроки переважно написані на Python, але багато з них також доступні на R. Щоб пройти урок R, зайдіть у папку `/solution`і шукайте уроки на R. Вони містять розширення .rmd, що означає **R Markdown** файл – інтеграцію `кодових блоків` (з R або інших мов) і`YAML заголовка` (який визначає формат виводу, наприклад PDF) у`Markdown документі`. Таким чином, це виступає як зразкова рамка для авторства в науці про дані, оскільки дозволяє поєднувати код, його вивід та власні нотатки, записуючи їх у Markdown. Крім того, документи R Markdown можна конвертувати у формати виводу, такі як PDF, HTML або Word.
> **Примітка щодо вікторин**: Усі вікторини містяться у папці [Quiz App folder](../../quiz-app), всього 52 вікторини по три питання в кожній. Вони пов’язані з уроками, але програму вікторини можна запускати локально; дотримуйтесь інструкцій у папці `quiz-app` для локального розгортання або розгортання в Azure.
| 01 | Вступ до машинного навчання | [Introduction](1-Introduction/README.md) | Вивчити основні поняття машинного навчання | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Історія машинного навчання | [Introduction](1-Introduction/README.md) | Вивчити історію цієї галузі | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
| 03 | Справедливість і машинне навчання | [Introduction](1-Introduction/README.md) | Які важливі філософські питання щодо справедливості слід враховувати при створенні та застосуванні моделей МН? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Техніки машинного навчання | [Introduction](1-Introduction/README.md) | Які методи використовують дослідники МН для побудови моделей МН? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
| 05 | Вступ до регресії | [Regression](2-Regression/README.md) | Почати працювати з Python та Scikit-learn для моделей регресії | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Ціни на гарбузи у Північній Америці 🎃 | [Regression](2-Regression/README.md) | Візуалізувати та очистити дані у підготовці до МН | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Ціни на гарбузи у Північній Америці 🎃 | [Regression](2-Regression/README.md) | Побудувати лінійні та поліноміальні регресійні моделі | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
| 08 | Ціни на гарбузи у Північній Америці 🎃 | [Regression](2-Regression/README.md) | Побудувати модель логістичної регресії | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Веб-додаток 🔌 | [Web App](3-Web-App/README.md) | Побудувати веб-додаток для використання вашої натренованої моделі | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Вступ до класифікації | [Classification](4-Classification/README.md) | Очистити, підготувати та візуалізувати дані; вступ до класифікації | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
| 11 | Смачні азійські та індійські страви 🍜 | [Classification](4-Classification/README.md) | Вступ до класифікаторів | [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 | Смачні азійські та індійські страви 🍜 | [Classification](4-Classification/README.md) | Ще більше класифікаторів | [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 | Смачні азійські та індійські страви 🍜 | [Classification](4-Classification/README.md) | Побудувати веб-додаток рекомендацій на основі вашої моделі | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Вступ до кластеризації | [Clustering](5-Clustering/README.md) | Очистити, підготувати та візуалізувати дані; вступ до кластеризації | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Дослідження музичних смаків Нігерії 🎧 | [Clustering](5-Clustering/README.md) | Ознайомитись з методом кластеризації K-середніх | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Вступ до обробки природної мови ☕️ | [Natural language processing](6-NLP/README.md) | Вивчити основи NLP, створивши простого бота | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Загальні завдання NLP ☕️ | [Natural language processing](6-NLP/README.md) | Поглибити знання з NLP, розібравшись із типовими завданнями при роботі з мовними структурами | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Переклад і аналіз настроїв ♥️ | [Natural language processing](6-NLP/README.md) | Переклад і аналіз настроїв з використанням творів Джейн Остін | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Романтичні готелі Європи ♥️ | [Natural language processing](6-NLP/README.md) | Аналіз настроїв за відгуками про готелі 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Романтичні готелі Європи ♥️ | [Natural language processing](6-NLP/README.md) | Аналіз настроїв за відгуками про готелі 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 22 | ⚡️ Світове споживання електроенергії ⚡️ - прогнозування з ARIMA | [Time series](7-TimeSeries/README.md) | Прогнозування часових рядів за допомогою ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Світове споживання електроенергії ⚡️ - прогнозування з SVR | [Time series](7-TimeSeries/README.md) | Прогнозування часових рядів за допомогою методу опорних векторів | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Вступ до підкріплювального навчання | [Reinforcement learning](8-Reinforcement/README.md) | Вступ до підкріплювального навчання з Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Допоможіть Пітеру уникнути вовка! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Gym для підкріплювального навчання | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Реальні сценарії та застосування МН | [ML in the Wild](9-Real-World/README.md) | Цікаві та повчальні приклади застосування класичного машинного навчання | [Lesson](9-Real-World/1-Applications/README.md) | Team |
| Postscript | Відлагодження моделей МН за допомогою RAI dashboard | [ML in the Wild](9-Real-World/README.md) | Відлагодження моделей машинного навчання за допомогою компонентів RAI dashboard | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [знайдіть усі додаткові ресурси для цього курсу в нашій колекції Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
- домашнє завдання
- [опитування після лекції](https://ff-quizzes.netlify.app/en/ml/)
> **Примітка про мови**: Ці уроки переважно написані на Python, але багато з них також доступні на R. Щоб пройти урок з R, перейдіть у папку `/solution`і знайдіть уроки на R. Вони мають розширення .rmd, що означає файл **R Markdown**, який можна просто визначити як інтеграцію `code chunks` (R чи інших мов) та `YAML header` (який керує тим, як форматувати виводи, наприклад PDF) у`Markdown документ`. Відтак, це слугує зразковим фреймворком для авторства в галузі науки про дані, оскільки дозволяє комбінувати ваш код, його вивід і ваші думки, дозволяючи записувати їх у Markdown. Крім того, документи R Markdown можна рендерити у формати виводу, такі як PDF, HTML чи Word.
> **Примітка про вікторини**: Усі вікторини містяться у[папці Quiz App](../../quiz-app), всього 52 вікторини по три питання кожна. Вони пов’язані з уроками, але додаток для вікторин можна запускати локально; дотримуйтесь інструкцій у папці `quiz-app`, щоб запустити локально або розгорнути на Azure.
| Номер уроку | Тема | Групування уроків | Навчальні цілі | Зв’язаний урок | Автор |
| 01 | Вступ до машинного навчання | [Introduction](1-Introduction/README.md) | Вивчіть базові поняття машинного навчання | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Історія машинного навчання | [Introduction](1-Introduction/README.md) | Дізнайтеся про історію цієї галузі | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
| 03 | Справедливість і машинне навчання | [Introduction](1-Introduction/README.md) | Які важливі філософські питання щодо справедливості слід розглядати студентам при розробці та застосуванні моделей машинного навчання? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Техніки машинного навчання | [Introduction](1-Introduction/README.md) | Які техніки використовують дослідники машинного навчання для побудови моделей? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
| 05 | Вступ до регресії | [Regression](2-Regression/README.md) | Почніть працювати з Python і Scikit-learn для моделей регресії | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Ціни гарбузів Північної Америки 🎃 | [Regression](2-Regression/README.md) | Візуалізуйте та очистьте дані у підготовці до машинного навчання | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Ціни гарбузів Північної Америки 🎃 | [Regression](2-Regression/README.md) | Побудуйте лінійні та поліноміальні моделі регресії | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
| 08 | Ціни гарбузів Північної Америки 🎃 | [Regression](2-Regression/README.md) | Побудуйте модель логістичної регресії | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Веб-додаток 🔌 | [Web App](3-Web-App/README.md) | Побудуйте веб-додаток для використання вашої натренованої моделі | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Вступ до класифікації | [Classification](4-Classification/README.md) | Очистіть, підготуйте та візуалізуйте ваші дані; вступ до класифікації | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
| 11 | Смачна азійська та індійська кухні 🍜 | [Classification](4-Classification/README.md) | Вступ до класифікаторів | [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 | Смачна азійська та індійська кухні 🍜 | [Classification](4-Classification/README.md) | Більше класифікаторів | [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 | Смачна азійська та індійська кухні 🍜 | [Classification](4-Classification/README.md) | Побудуйте рекомендатор у веб-додатку, використовуючи вашу модель | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Вступ до кластеризації | [Clustering](5-Clustering/README.md) | Очистьте, підготуйте та візуалізуйте ваші дані; вступ до кластеризації | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Вивчення музичних смаків Нігерії 🎧 | [Clustering](5-Clustering/README.md) | Вивчіть метод кластеризації K-середніх | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Вступ до обробки природної мови ☕️ | [Natural language processing](6-NLP/README.md) | Вивчіть основи NLP, створивши простого бота | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Загальні завдання NLP ☕️ | [Natural language processing](6-NLP/README.md) | Поглибте свої знання NLP, зрозумівши загальні завдання, необхідні при роботі з мовними структурами | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Переклад і аналіз сентименту ♥️ | [Natural language processing](6-NLP/README.md) | Переклад та аналіз сентименту з Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Романтичні готелі Європи ♥️ | [Natural language processing](6-NLP/README.md) | Аналіз сентименту на основі відгуків про готелі 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Романтичні готелі Європи ♥️ | [Natural language processing](6-NLP/README.md) | Аналіз сентименту на основі відгуків про готелі 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 22 | ⚡️ Світове споживання електроенергії ⚡️ - прогноз з ARIMA | [Time series](7-TimeSeries/README.md) | Прогнозування часових рядів з ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Світове споживання електроенергії ⚡️ - прогноз з SVR | [Time series](7-TimeSeries/README.md) | Прогнозування часових рядів за допомогою регресора опорних векторів (SVR) | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Вступ до підкріплювального навчання | [Reinforcement learning](8-Reinforcement/README.md) | Вступ до підкріплювального навчання з Q-навчанням | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Допоможіть Пітеру уникнути вовка! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Підкріплювальне навчання Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Постскрипт | Реальні сценарії та застосування ML | [ML in the Wild](9-Real-World/README.md) | Цікаві та показові реальні застосування класичного машинного навчання | [Lesson](9-Real-World/1-Applications/README.md) | Team |
| Постскрипт | Відлагодження моделей ML з використанням панелі RAI | [ML in the Wild](9-Real-World/README.md)| Відлагодження моделей машинного навчання з використанням компонентів панелі Responsible AI | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [знайдіть всі додаткові ресурси для цього курсу у нашій колекції Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Офлайн-доступ
Ви можете запускати цю документацію офлайн, використовуючи [Docsify](https://docsify.js.org/#/). Форкніть це сховище, [встановіть Docsify](https://docsify.js.org/#/quickstart) на ваш локальний комп’ютер і потім у кореневій папці цього сховища введіть `docsify serve`. Вебсайт буде доступний на порту 3000 у вашому локальному хості: `localhost:3000`.
Ви можете запускати цю документацію офлайн, використовуючи [Docsify](https://docsify.js.org/#/). Форкніть цей репозиторій, [встановіть Docsify](https://docsify.js.org/#/quickstart) на свій локальний комп’ютер, а потім у кореневій теці цього репозиторію введіть `docsify serve`. Вебсайт буде доступний на порту 3000 на вашому локальному хості: `localhost:3000`.
## PDFs
@ -173,7 +173,7 @@ Cloud Advocates у Microsoft раді запропонувати 12-тижнев
## 🎒 Інші курси
Наша команда створює й інші курси! Перегляньте:
Наша команда створює інші курси! Перегляньте:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -182,57 +182,57 @@ Cloud Advocates у Microsoft раді запропонувати 12-тижнев
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agents
### Azure / Edge / MCP / Агенти
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Generative AI Series
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### Серія по генеративному ШІ
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Серія Copilot
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
Якщо ви застрягли або маєте питання щодо створення AI-додатків. Приєднуйтесь до інших учнів та досвідчених розробників у обговореннях MCP. Це підтримуюча спільнота, де питання вітаються, а знання вільно обмінюються.
Якщо ви застрягли або маєте питання щодо створення додатків зі ШІ, приєднуйтесь до спільноти інших учнів та досвідчених розробників у обговореннях MCP. Це підтримуюча спільнота, де вітаються питання і знання поширюються вільно.
- Досліджуйте реальні набори даних, використовуючи вивчені концепції.
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Відмова від відповідальності**:
Цей документ було перекладено за допомогою сервісу автоматичного перекладу [Co-op Translator](https://github.com/Azure/co-op-translator). Хоча ми прагнемо до точності, зверніть увагу, що автоматизовані переклади можуть містити помилки або неточності. Оригінальний документ рідною мовою слід вважати авторитетним джерелом. Для критично важливої інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що можуть виникнути внаслідок використання цього перекладу.
Цей документ був перекладений за допомогою сервісу AI-перекладу [Co-op Translator](https://github.com/Azure/co-op-translator). Хоча ми прагнемо до точності, будь ласка, майте на увазі, що автоматизовані переклади можуть містити помилки або неточності. Оригінальний документ на рідній мові слід вважати авторитетним джерелом. Для критичної інформації рекомендується професійний переклад людиною. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли через використання цього перекладу.
localizeflow[bot]
4 months ago