> Това хранилище включва над 50 превода на езици, което значително увеличава размера за изтегляне. За да клонирате без преводите, използвайте sparse checkout:
> Това хранилище включва 50+ езикови превода, което значително увеличава размера на изтеглянето. За да клонирате без преводи, използвайте sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -33,63 +33,63 @@
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Това ви дава всичко необходимо, за да завършите курса с много по-бързо изтегляне.
> Това ви осигурява всичко необходимо за завършване на курса с много по-бързо изтегляне.
Имаме текуща серия в Discord „Научи с AI“, научете повече и се включете на [Learn with AI Series](https://aka.ms/learnwithai/discord) от 18 до 30 септември 2025 г. Ще получите полезни съвети и трикове за използване на GitHub Copilot за Наука за Данни.
Имаме серия в Discord за учене с AI, научете повече и се присъединете към нас на [Learn with AI Series](https://aka.ms/learnwithai/discord) от 18 до 30 септември 2025 г. Ще получите съвети и трикове за използване на GitHub Copilot за Data Science.
# Машинно обучение за начинаещи - Учебна програма
# Машинно обучение за начинаещи –учебна програма
> 🌍 Пътувайте по света, докато изследваме машинното обучение чрез световните култури 🌍
> 🌍 Пътувайте по света, докато изследваме Машинното обучение чрез световните култури 🌍
Облак специалистите в Microsoft с удоволствие предлагат 12-седмична учебна програма с 26 урока, посветени на **машинното обучение**. В тази учебна програма ще научите за това, което понякога се нарича **класическо машинно обучение**, използвайки основно библиотеката Scikit-learn и без задълбочено обучение, което е покрито в нашата учебна програма [AI за начинаещи](https://aka.ms/ai4beginners). Съчетавайте тези уроци с нашата учебна програма ['Наука за данни за начинаещи'](https://aka.ms/ds4beginners)!
Cloud Advocates в Microsoft с радост предлагат 12-седмична, 26-урочна учебна програма изцяло посветена на **Машинното обучение**. В тази учебна програма ще научите за това, което понякога се нарича **класическо машинно обучение**, използвайки основно библиотеката Scikit-learn и избягвайки дълбокото обучение, което е разгледано в нашата учебна програма [AI за начинаещи](https://aka.ms/ai4beginners). Съчетавайте тези уроци с нашата учебна програма ['Data Science за начинаещи'](https://aka.ms/ds4beginners), също!
Пътувайте с нас из целия свят, докато прилагаме тези класически техники върху данни от различни области на света. Всеки урок включва предварителни и последващи тестове, писмени инструкции за завършване на урока, решение, задание и още. Нашата проектно-базирана педагогика ви позволява да учите, докато създавате, доказан начин за по-добро усвояване на нови умения.
Пътувайте с нас по света, докато прилагаме тези класически техники върху данни от различни региони на света. Всеки урок включва тестове преди и след урока, писмени инструкции за завършване на урока, решение, задача и други. Нашата проектно базирана педагогика ви позволява да учите чрез изграждане, което е доказан начин за усвояване на нови умения.
**✍️ Големи благодарности на нашите автори** Джен Лупър, Стивън Хауъл, Франческа Лазери, Томоми Имура, Каси Бревю, Дмитрий Сошников, Крис Норинг, Анирбан Мукерджи, Орнела Алтунян, Рут Якобу и Ейми Бойд
**✍️ Сърдечни благодарности на нашите автори** Джен Лупър, Стивън Хауъл, Франческа Лазери, Томоми Имура, Каси Бревиу, Дмитрий Сошников, Крис Норинг, Анирбан Мукерджи, Орнела Алтунян, Рут Якубу и Ейми Бойд
**🎨 Благодарности и на нашите илюстратори** Томоми Имура, Дасани Мадипали и Джен Лупър
**🙏 Специални благодарности 🙏 на нашите автори, рецензенти и съдържателни сътрудници от Microsoft Student Ambassador,** по-специално Ришит Дагли, Мухаммад Сакиб Кан Инан, Рохан Радж, Александру Петреску, Абхишек Джайсвал, Наурин Табасум, Йоан Самуила и Снигдха Агарвал
**🙏 Специални благодарности 🙏 на нашите автори, рецензенти и съдържателни сътрудници от Microsoft Student Ambassador**, особено Ришит Дагли, Мухаммад Сакиб Кан Инан, Рохан Радж, Александру Петреску, Абхишек Джайсвал, Науирин Табасум, Йоан Самуила и Снигдха Агарвал
**🤩 Допълнителна благодарност на Microsoft Student Ambassadors Ерик Уанджау, Джаслийн Сонди и Ведуши Гупта за нашите уроци по R!**
**🤩 Допълнителна благодарност на Microsoft Student Ambassadors Ерик Уанджау, Жаслийн Сонди и Видуши Гупта за нашите R уроци!**
# Започване
Следвайте тези стъпки:
1. **Форкнете репозитория**: Кликнете върху бутона „Fork“ в горния десен ъгъл на тази страница.
> [намерете всички допълнителни ресурси за този курс в нашата Microsoft Learn колекция](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [намерете всички допълнителни ресурси за този курс в нашата колекция в Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Нуждаете се от помощ?** Проверете нашето [Ръководство за отстраняване на проблеми](TROUBLESHOOTING.md) за решения на често срещани проблеми с инсталацията, настройката и работата с уроците.
> 🔧 **Нуждаете се от помощ?** Разгледайте нашето [Ръководство за отстраняване на проблеми](TROUBLESHOOTING.md) за решения на често срещани проблеми с инсталирането, настройката и стартирането на уроци.
**[Студенти](https://aka.ms/student-page)**, за да използвате тази учебна програма, форкнете целия репо в своя собствен GitHub акаунт и изпълнете упражненията сами или в група:
**[Студенти](https://aka.ms/student-page)**, за да използвате тази учебна програма, форкнете цялото хранилище в собствения си GitHub акаунт и изпълнете упражненията сами или в група:
- Започнете спредварителен тест преди лекцията.
- Прочетете лекцията и завършете дейностите, правейки пауза и размисъл при всяка проверка на знанията.
- Опитайте да създадете проектите като разберете уроците, вместо просто да изпълнявате кода с решение; този коде наличен в папките `/solution` във всеки урок, ориентиран към проект.
- Вземете теста след лекцията.
- Започнете стест преди урока.
- Прочетете урока и изпълнете дейностите, спирайки се и разсъждавайки при всяка проверка на знанията.
- Опитайте се да създадете проектите чрез разбиране на уроците, а не просто чрез стартиране на кода за решения; този код обачее наличен в папките `/solution` във всеки урок, ориентиран към проект.
- Направете тест след урока.
- Изпълнете предизвикателството.
- Изпълнете заданието.
- След завършване на група уроци, посетете [Форум за обсъждания](https://github.com/microsoft/ML-For-Beginners/discussions) и „учете на глас“, като попълвате съответния PAT рубрика. PAT е Инструмент за оценка на прогреса, който е рубрика, която попълвате, за да напреднете в ученето. Можете също да реагирате на други PAT-ове, за да учим заедно.
- Извършете задачата.
- След като завършите група уроци, посетете [Дискусионния борд](https://github.com/microsoft/ML-For-Beginners/discussions) и "учете на глас", като попълните подходящата рубрика PAT. PAT е инструмент за оценка на напредъка, който попълвате, за да задълбочите ученето си. Можете също да реагирате на други PAT-ове, за дасе учим заедно.
> Запо-нататъшно обучение препоръчваме да следвате тези [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) модули и учебни пътеки.
> Задопълнително обучение, препоръчваме да следвате тези [модули и учебни пътеки на Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
**Учители**, ние сме [включили някои предложения](for-teachers.md) как да използвате тази учебна програма.
**Учители**, включили сме [някои предложения](for-teachers.md) как да използвате тази учебна програма.
---
## Видео уроци
Някои от уроците са налични като кратки видеоклипове. Можете да ги намерите интегрирани в уроците или в [плейлиста „ML for Beginners“ в Microsoft Developer YouTube канала](https://aka.ms/ml-beginners-videos) като кликнете върху изображението по-долу.
Някои от уроците са налични като кратки видеа. Можете да ги намерите в текста на уроците или в [плейлиста ML за начинаещи в канала на Microsoft Developer в YouTube](https://aka.ms/ml-beginners-videos) чрез клик върху изображението по-долу.
[](https://aka.ms/ml-beginners-videos)
> 🎥 Кликнете на изображението по-горе за видео за проекта и хората, които го създадоха!
> 🎥 Кликнете върху изображението по-горе за видео за проекта и хората, които го създадоха!
---
## Педагогика
Избрахме две педагогически принципа при изграждането на тази учебна програма: да бъде практическа и **базирана на проекти** и да включва **чести тестове**. Освен това тази учебна програма има обща **тема**, която ѝ придава по-голяма свързаност.
Избрахме две педагогически принципа при създаването на тази учебна програма: гарантираме, че тя е практически ориентирана **проектно базирана**, и че включва **чести тестове**. Освен това тази програма има обща **тема**, която й придава свързаност.
Като гарантираме, че съдържанието е свързано с проекти, процесът става по-ангажиращ за студентите и запомнянето на концепциите се увеличава. Освен това, ниско рисков тест преди урок задава нагласата на студента към усвояване на темата, а втори тест след урока осигурява допълнително затвърждаване. Тази учебна програма е проектирана да бъде гъвкава и забавна и може да бъде премината изцяло или частично. Проектите започват малки и стават все по-сложни към края на 12-седмичния цикъл. Тази програма включва и допълнителна част за приложенията на ML в реалния свят, която може да се използва като допълнителен кредит или основа за дискусия.
Като осигуряваме, че съдържанието е свързано с проекти, процесът става по-ангажиращ за учениците и задържането на концепциите се увеличава. Освен това, ниско рисков тест преди урок задава цел на ученика към изучаването на темата, а втори тест след урок гарантира допълнително задържане. Тази учебна програма е проектирана да бъде гъвкава и забавна и може да се следва изцяло или частично. Проектите започват малки и стават все по-сложни към края на 12-седмичния цикъл. Тази програма включва и постскриптум за реални приложения на машинното обучение, който може да се използва като допълнителна точка или основа за дискусия.
> Намерете нашите [Правила за поведение](CODE_OF_CONDUCT.md), [Как да допринасяте](CONTRIBUTING.md), [Преводи](..), и [Ръководство за отстраняване на проблеми](TROUBLESHOOTING.md). Очакваме вашите конструктивни отзиви!
> Намерете нашите насоки [Правила за поведение](CODE_OF_CONDUCT.md), [Принос](CONTRIBUTING.md), [Преводи](..), и [Отстраняване на проблеми](TROUBLESHOOTING.md). Очакваме вашите конструктивни отзиви!
## Всеки урок включва
- по желание скичаноте
- по желание скичнот
- по желание допълнително видео
- видео урок (само при някои уроци)
- [предварителен тест преди лекцията](https://ff-quizzes.netlify.app/en/ml/)
- видео увод (само при някои уроци)
- [тест преди лекцията](https://ff-quizzes.netlify.app/en/ml/)
- писмен урок
- за уроци, базирани на проекти, стъпка по стъпка ръководство за изграждане на проекта
- за проектно-базирани уроци, стъпка по стъпка инструкции за създаване на проекта
- проверки на знанията
- предизвикателство
- допълнително четиво
- задание
- задача
- [тест след лекцията](https://ff-quizzes.netlify.app/en/ml/)
> **Забележка за езиците**: Тези уроци са основно написани на Python, но много от тях са достъпни и на R. За да завършите урок на R, отидете в папката `/solution` и потърсете уроците по R. Те имат разширение .rmd, което представлява **R Markdown** файл, който може просто да се определи като вплитане на „кодови късове“ (на R или други езици) и „YAML заглавие“ (което указва как да се форматира изхода, например PDF) в „Markdown документ“. Така той служи като примерна рамка за създаване на съдържание при наука за данни, тъй като ви позволява да комбинирате кода си, неговия изход и своите мисли, като ги записвате в Markdown. Освен това, R Markdown документите могат да се преобразуват в изходни формати като PDF, HTML или Word.
> **Забележка за викторините**: Всички викторини са в [папката Quiz App](../../quiz-app), общо 52 викторини с по три въпроса всяка. Теса свързани от уроците, но приложението за викторини може да се пуска локално; следвайте инструкциите в папката `quiz-app`, за да хоствате локално или да публикувате в Azure.
| Номер на урок | Тема | Групиране на уроци | Учебни цели | Свързан урок | Автор |
| 01 | Въведение в машинното обучение | [Въведение](1-Introduction/README.md) | Запознайте сес основните концепции зад машинното обучение | [Урок](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | История на машинното обучение | [Въведение](1-Introduction/README.md) | Научете историята зад тази област | [Урок](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
| 03 | Справедливост и машинно обучение | [Въведение](1-Introduction/README.md) | Какви са важните философски въпроси за справедливост, които студентите трябва да разглеждат при изграждане и прилагане на модели? | [Урок](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Техники за машинно обучение | [Въведение](1-Introduction/README.md) | Какви техники използват изследователите за изграждане на ML модели? | [Урок](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
| 05 | Въведение в регресията | [Регресия](2-Regression/README.md) | Започнете с Python и Scikit-learn за модели за регресия | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Цени на тикви в Северна Америка 🎃 | [Регресия](2-Regression/README.md) | Визуализирайте и почистете данни в подготовка за ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Цени на тикви в Северна Америка 🎃 | [Регресия](2-Regression/README.md)| Създайте линейни и полиномни регресионни модели |[Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
| 08 | Цени на тикви в Северна Америка 🎃 | [Регресия](2-Regression/README.md) | Създайте логистичен регресионен модел |[Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Уеб приложение 🔌 | [Уеб приложение](3-Web-App/README.md) | Създайте уеб приложение, за да използвате обучен модел| [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Въведение в класификация | [Класификация](4-Classification/README.md) | Почистете, подгответе и визуализирайте данните си; въведение в класификация | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
| 11 | Вкусни азиатски и индийски кухни 🍜 | [Класификация](4-Classification/README.md) | Въведение в класификаторите | [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 | Вкусни азиатски и индийски кухни 🍜 | [Класификация](4-Classification/README.md) | Още класификатори | [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 | Вкусни азиатски и индийски кухни 🍜 | [Класификация](4-Classification/README.md) | Създайте препоръчително уеб приложение с използване на вашия модел | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Въведение в клъстеризация | [Клъстеризация](5-Clustering/README.md) | Почистете, подгответе и визуализирайте данните си; Въведение в клъстеризация |[Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Изследване на музикалните вкусове в Нигерия 🎧 | [Клъстеризация](5-Clustering/README.md) | Изследвайте метода за клъстеризация K-средни | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Въведение в обработката на естествен език ☕️ | [Обработка на естествен език](6-NLP/README.md) | Научете основите на NLP, като създадете прост бот | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Чести задачи в NLP ☕️ | [Обработка на естествен език](6-NLP/README.md) | Удължете познанията си за NLP чрез разбиране на чести задачи при работа с езикови структури | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Превод и анализ на настроения ♥️ | [Обработка на естествен език](6-NLP/README.md) | Превод и анализ на настроения сJane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Романтични хотели в Европа ♥️ | [Обработка на естествен език](6-NLP/README.md) | Анализ на настроения с ревюта на хотели 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Романтични хотели в Европа ♥️ | [Обработка на естествен език](6-NLP/README.md) | Анализ на настроения с ревюта на хотели 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Въведение във времевите редове | [Времеви редове](7-TimeSeries/README.md) | Въведение във времеви редове за прогнозиране | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Световна консумация на електроенергия ⚡️ - прогнозиране с ARIMA | [Времеви редове](7-TimeSeries/README.md) | Прогнозиране на времеви редове с ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Световна консумация на електроенергия ⚡️ - прогнозиране със SVR | [Времеви редове](7-TimeSeries/README.md) | Прогнозиране на времеви редове със Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Въведение в обучението с подсилване | [Обучение с подкрепление](8-Reinforcement/README.md) | Въведение в обучение с подсилване чрез Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Помогнете на Питър да избегне вълка! 🐺 | [Обучение с подкрепление](8-Reinforcement/README.md) | Обучение с подкрепление Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Постскрипт | Реални сценарии и приложения на ML | [ML в дивата природа](9-Real-World/README.md) | Интересни и поучителни реални приложения на класическо ML | [Урок](9-Real-World/1-Applications/README.md) | Екип |
| Постскрипт | Отстраняване на грешки в ML чрез RAI табло | [ML в дивата природа](9-Real-World/README.md) | Отстраняване на грешки в модели на машинното обучение чрез компоненти за таблото Responsible AI | [Урок](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> **Бележка относно езиците**: Тези уроци са основно написани на Python, но много от тях са налични и на R. За да завършите урок на R, отидете в папката `/solution` и потърсете уроци на R. Те включват разширение .rmd, което представлява **R Markdown** файл, който може просто да се дефинира като вграждане на `кодови сегменти` (на R или други езици) и `YAML заглавка` (която указва как да се форматират изходните данни като PDF) в `Markdown документ`. По този начин той служи като отлична рамка за създаване на материали за наука за данни, тъй като позволява да комбинирате кода си, неговия изход и вашите размисли, като ги записвате в Markdown. Освен това R Markdown документите могат да се рендерират в изходни формати като PDF, HTML или Word.
> **Бележка относно тестовете**: Всички тестове са в [Папката на Quiz App](../../quiz-app), всичко 52 теста с по три въпроса всеки. Теса свързани от уроците, но quiz приложението може да се стартира локално; следвайте инструкциите в папката `quiz-app`, за да го хоствате локално или да го разположите в Azure.
| Номер на урок | Тема | Групиране на урока | Цели на обучението | Свързан урок | Автор |
| 01 | Въведение в машинното обучение | [Въведение](1-Introduction/README.md) | Научете основните понятия зад машинното обучение | [Урок](1-Introduction/1-intro-to-ML/README.md) | Мухамад |
| 02 | История на машинното обучение | [Въведение](1-Introduction/README.md) | Научете историята зад тази област | [Урок](1-Introduction/2-history-of-ML/README.md) | Джен и Ейми |
| 03 | Справедливост и машинно обучение | [Въведение](1-Introduction/README.md) | Какви са важните философски въпроси около справедливостта, които студентите трябва да имат предвид при създаване и прилагане на ML модели? | [Урок](1-Introduction/3-fairness/README.md) | Томоми |
| 04 | Техники за машинно обучение | [Въведение](1-Introduction/README.md) | Какви техники използват изследователите на ML за създаване на ML модели? | [Урок](1-Introduction/4-techniques-of-ML/README.md) | Крис и Джен |
| 05 | Въведение в регресията | [Регресия](2-Regression/README.md) | Започнете с Python и Scikit-learn за регресионни модели | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Джен • Ерик Уанджау |
| 06 | Цени на тиквите в Северна Америка 🎃 | [Регресия](2-Regression/README.md) | Визуализирайте и почистете данни в подготовка за ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Джен • Ерик Уанджау |
| 07 | Цени на тиквите в Северна Америка 🎃 | [Регресия](2-Regression/README.md) | Създайте линейни и полиномиални регресионни модели | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Джен и Дмитрий • Ерик Уанджау |
| 08 | Цени на тиквите в Северна Америка 🎃 | [Регресия](2-Regression/README.md) | Създайте логистичен регресионен модел | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Джен • Ерик Уанджау |
| 09 | Уеб приложение 🔌 | [Уеб приложение](3-Web-App/README.md) | Създайте уеб приложение, за да използвате обучената си модел | [Python](3-Web-App/1-Web-App/README.md) | Джен |
| 10 | Въведение в класификацията | [Класификация](4-Classification/README.md) | Почистете, подгответе и визуализирайте данните си; въведение в класификация | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Джен и Каси • Ерик Уанджау |
| 11 | Вкусна азиатска и индийска кухня 🍜 | [Класификация](4-Classification/README.md) | Въведение в класификатори | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Джен и Каси • Ерик Уанджау |
| 12 | Вкусна азиатска и индийска кухня 🍜 | [Класификация](4-Classification/README.md) | Още класификатори | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Джен и Каси • Ерик Уанджау |
| 14 | Въведение в клъстерирането | [Клъстериране](5-Clustering/README.md) | Почистете, подгответе и визуализирайте данните си; въведение в клъстериране | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Джен • Ерик Уанджау |
| 15 | Изследване на музикалните вкусове в Нигерия 🎧 | [Клъстериране](5-Clustering/README.md) | Изследвайте метода на K-средни | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Джен • Ерик Уанджау |
| 16 | Въведение в обработката на естествен език ☕️ | [Обработка на естествен език](6-NLP/README.md) | Научете основите на NLP чрез създаване на прост бот | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Стивън |
| 17 | Често срещани задачи в NLP ☕️ | [Обработка на естествен език](6-NLP/README.md) | Задълбочете знанията си за NLP, като разберете често срещаните задачи при работа с езикови структури | [Python](6-NLP/2-Tasks/README.md) | Стивън |
| 18 | Превод и анализ на настроения ♥️ | [Обработка на естествен език](6-NLP/README.md) | Превод и анализ на настроения сДжейн Остин | [Python](6-NLP/3-Translation-Sentiment/README.md) | Стивън |
| 19 | Романтични хотели в Европа ♥️ | [Обработка на естествен език](6-NLP/README.md) | Анализ на настроения с рецензии за хотели 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Стивън |
| 20 | Романтични хотели в Европа ♥️ | [Обработка на естествен език](6-NLP/README.md) | Анализ на настроения с рецензии за хотели 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Стивън |
| 21 | Въведение в прогнозирането на времеви редове | [Времеви редове](7-TimeSeries/README.md) | Въведение в прогнозиране на времеви редове | [Python](7-TimeSeries/1-Introduction/README.md) | Франческа |
| 22 | ⚡️ Световна консумация на електроенергия ⚡️ - прогнозиране с ARIMA | [Времеви редове](7-TimeSeries/README.md) | Прогнозиране на времеви редове с ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Франческа |
| 23 | ⚡️ Световна консумация на електроенергия ⚡️ - прогнозиране с SVR | [Времеви редове](7-TimeSeries/README.md) | Прогнозиране на времеви редове срегресорс опорни вектори | [Python](7-TimeSeries/3-SVR/README.md) | Анирбан |
| 24 | Въведение в подсилващото обучение | [Подсилващо обучение](8-Reinforcement/README.md) | Въведение в подсилващото обучение с Q-обучение | [Python](8-Reinforcement/1-QLearning/README.md) | Дмитрий |
| 25 | Помогнете на Питър да избегне вълка! 🐺 | [Подсилващо обучение](8-Reinforcement/README.md) | Подсилващо обучение Gym | [Python](8-Reinforcement/2-Gym/README.md) | Дмитрий |
| Поука | Приложения и сценарии на ML в реалния свят | [ML в дивата природа](9-Real-World/README.md) | Интересни и разкриващи приложения на класическо ML в реални ситуации | [Урок](9-Real-World/1-Applications/README.md) | Екип |
| Поука | Отстраняване на грешки в ML с помощта на RAI таблото | [ML в дивата природа](9-Real-World/README.md) | Отстраняване на грешки в машинното обучение с компоненти на таблото за Отговорен AI | [Урок](9-Real-World/2-Debugging-ML-Models/README.md) | Рут Якубу |
> [намерете всички допълнителни ресурси за този курс в нашата колекция Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Офлайн достъп
Можете да използвате тази документация офлайн с помощта на [Docsify](https://docsify.js.org/#/). Форкнете това хранилище, [инсталирайте Docsify](https://docsify.js.org/#/quickstart) на вашия локален компютър, след което в коренната папка на това хранилище напишете `docsify serve`. Уебсайтът ще се стартира на порт 3000 на localhost: `localhost:3000`.
Можете да стартирате тази документация офлайн, като използвате [Docsify](https://docsify.js.org/#/). Форкнете това хранилище, [инсталирайте Docsify](https://docsify.js.org/#/quickstart) на локалната си машина и след това в главната папка на това хранилище напишете `docsify serve`. Уебсайтът ще бъде обслужван на порт 3000 на localhost: `localhost:3000`.
## PDF файлове
Намерете pdf версия на учебната програма с връзки [тук](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
Намерете PDF на учебната програма с линкове [тук](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Други курсове
Нашият екип създава и други курсове! Разгледайте:
Нашият екип създава и други курсове! Вижте:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -186,53 +186,53 @@
[](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/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Серия Генеративен AI
[](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)
### Серия за генеративен ИИ
[](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)
---
### Серия 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)
Ако се затрудните или имате въпроси относно създаването на AI приложения. Присъединете се към други учащи се и опитни разработчици в дискусиите за MCP. Това е подкрепяща общност, където въпросите са добре дошли и знанията се споделят свободно.
Ако заседнете или имате въпроси относно създаването на приложенияс ИИ. Присъединете се към други учащи се и опитни разработчици в дискусии за MCP. Това е подкрепяща общност, където въпросите са добре дошли и знанието се споделя свободно.
- Преглеждайте тетрадките след всеки урок за по-добро разбиране.
- Практикувайте самостоятелно прилагане на алгоритми.
- Изследвайте реални набори от даннис използване на научените концепции.
- Преглеждайте тетрадки след всеки урок за по-добро разбиране.
- Практикувайте прилагането на алгоритми самостоятелно.
- Изследвайте реални набори от данни, използвайки научените концепции.
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Отказ от отговорност**:
Този документ е преведен с помощта на AI преводаческа услуга [Co-op Translator](https://github.com/Azure/co-op-translator). Въпреки че се стремим към точност, моля, имайте предвид, че автоматизираните преводи може да съдържат грешки или неточности. Оригиналният документ на неговия роден език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за недоразумения или неправилни тълкувания, произтичащи от използването на този превод.
Този документ е преведен с помощта на AI преводаческа услуга [Co-op Translator](https://github.com/Azure/co-op-translator). Въпреки че се стремим към точност, имайте предвид, че автоматизираните преводи могат да съдържат грешки или неточности. Оригиналният документ на неговия роден език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за каквито и да било недоразумения или погрешни тълкувания, произтичащи от използването на този превод.
> Acest depozit include peste 50 de traduceri în limbi diferite, ceea ce crește semnificativ dimensiunea descărcării. Pentru a clona fără traduceri, folosește sparse checkout:
> Acest depozit include peste 50 de traduceri în diferite limbi, ceea ce crește semnificativ dimensiunea descărcării. Pentru a clona fără traduceri, folosește sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -33,63 +33,63 @@
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Aceasta îți oferă tot ce ai nevoie pentru a finaliza cursul cu o descărcare mult mai rapidă.
> Astfel obții tot ce ai nevoie pentru a finaliza cursul cu o descărcare mult mai rapidă.
Avem o serie ongoing pe Discord despre învățarea cu AI, află mai multe și alătură-te la [Seria Learn with AI](https://aka.ms/learnwithai/discord) în perioada 18 - 30 septembrie 2025. Vei primi sfaturi și trucuri pentru folosirea GitHub Copilot în Știința Datelor.
Avem o serie de învățare pe Discord despre AI în desfășurare, află mai multe și alătură-te nouă la [Learn with AI Series](https://aka.ms/learnwithai/discord) în perioada 18 - 30 septembrie 2025. Vei primi sfaturi și trucuri despre utilizarea GitHub Copilot pentru Data Science.
# Învățare Automată pentru Începători - Un Curriculum
> 🌍 Călătorește în jurul lumii explorând Învățarea Automată prin intermediul culturilor lumii 🌍
> 🌍 Călătorește în jurul lumii în timp ce explorăm Învățarea Automată prin culturi ale lumii 🌍
Cloud Advocates de la Microsoft sunt încântați să ofere un curriculum de 12 săptămâni cu 26 de lecții despre **Învățarea Automată**. În acest curriculum, vei învăța despre ceea ce uneori este numit **învățarea automată clasică**, folosind în principal biblioteca Scikit-learn și evitând deep learning-ul, care este acoperit în curriculumul nostru [AI for Beginners](https://aka.ms/ai4beginners). Combină aceste lecții cu curriculumul nostru ['Data Science for Beginners'](https://aka.ms/ds4beginners)!
Cloud Advocates de la Microsoft sunt încântați să ofere un curriculum de 12 săptămâni, 26 de lecții, complet dedicat **Învățării Automate**. În acest curriculum, vei învăța despre ceea ce se numește uneori **învățare automată clasică**, folosind în principal Scikit-learn ca bibliotecă și evitând învățarea profundă, care este acoperită în curriculumul nostru [AI pentru Începători](https://aka.ms/ai4beginners). Combină aceste lecții cu curriculumul nostru ['Data Science pentru Începători'](https://aka.ms/ds4beginners) totodată!
Călătorește cu noi în jurul lumii în timp ce aplicăm aceste tehnici clasice pe date din multe regiuni. Fiecare lecție include teste înainte și după lecție, instrucțiuni scrise pentru completarea lecției, o soluție, o temă și altele. Pedagogia noastră bazată pe proiecte îți permite să înveți construind, o metodă dovedită pentru a fixa noile aptitudini.
Călătorește alături de noi în jurul lumii aplicând aceste tehnici clasice pe date din diverse regiuni ale globului. Fiecare lecție include chestionare pre și post-lectură, instrucțiuni scrise pentru completarea lecției, o soluție, o temă și multe altele. Pedagogia noastră bazată pe proiecte îți permite să înveți construind, o metodă dovedită pentru a fixa noile cunoștințe.
**✍️ Mulțumiri sincere autorilor noștri** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu și Amy Boyd
**✍️ Mulțumiri călduroase autorilor noștri** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu și Amy Boyd
**🎨 Mulțumiri de asemenea ilustratorilor noștri** Tomomi Imura, Dasani Madipalli și Jen Looper
**🙏 Mulțumiri speciale 🙏 ambasadorilor Microsoft Student care sunt autori, recenzenți și contribuitori de conținut**, în special Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila și Snigdha Agarwal
**🙏 Mulțumiri speciale 🙏 ambasadorilor studenți Microsoft autori, recenzori și contribuitori de conținut**, în special Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila și Snigdha Agarwal
**🤩 Recunoștință suplimentară ambasadorilor Microsoft Student Eric Wanjau, Jasleen Sondhi și Vidushi Gupta pentru lecțiile noastre în R!**
**🤩 Mulțumiri suplimentare ambasadorilor studenți Microsoft Eric Wanjau, Jasleen Sondhi și Vidushi Gupta pentru lecțiile R!**
# Începutul
# Începeți
Urmează acești pași:
1. **Fork la Repository:** Apasă pe butonul „Fork” din colțul din dreapta sus al acestei pagini.
> [găsește toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Ai nevoie de ajutor?** Consultă [Ghidul nostru de depanare](TROUBLESHOOTING.md) pentru soluții la probleme comune de instalare, configurare și rulare a lecțiilor.
> 🔧 **Ai nevoie de ajutor?** Consultă [Ghidul de depanare](TROUBLESHOOTING.md) pentru soluții la probleme comune cu instalarea, configurarea și rularea lecțiilor.
**[Studenți](https://aka.ms/student-page)**, pentru a folosi acest curriculum, faceți fork la întregul repo în contul vostru GitHub și finalizați exercițiile pe cont propriu sau în grup:
**[Studenți](https://aka.ms/student-page)**, pentru a folosi acest curriculum, fă fork la întregul repo pe contul tău GitHub și realizează exercițiile singur sau în grup:
- Începeți cu un quiz înainte de lecție.
- Citiți lecția și completați activitățile, oprindu-vă și reflectând la fiecare verificare a cunoștințelor.
- Încercați să creați proiectele înțelegând lecțiile, mai degrabă decât rulând codul soluției; oricum, codul este disponibil în folderele `/solution` ale fiecărei lecții orientate pe proiect.
- Luați quizul după lecție.
- Finalizați provocarea.
- Finalizați tema.
- După finalizarea unui grup de lecții, vizitați [Forumurile de discuții](https://github.com/microsoft/ML-For-Beginners/discussions) și „învățați cu voce tare” completând rubricile PAT corespunzătoare. Un 'PAT' este un Instrument de Evaluare a Progresului, o rubrică pe care o completați pentru a vă continua învățarea. Puteți de asemenea reacționa la alte PAT-uri pentru a învăța împreună.
- Începe cu un chestionar înainte de lectură.
- Citește lecția și completează activitățile, oprindu-te și reflectând la fiecare verificare a cunoștințelor.
- Încearcă să creezi proiectele înțelegând lecțiile mai degrabă decât rulând codul soluției; totuși codul este disponibil în folderele `/solution` din fiecare lecție orientată spre proiect.
- Dă chestionarul după lectură.
- Completează provocarea.
- Realizează tema.
- După finalizarea unui grup de lecții, vizitează [Discuțiile](https://github.com/microsoft/ML-For-Beginners/discussions) și "învăță cu voce tare" completând rubricile PAT corespunzătoare. Un 'PAT' este un Instrument de Evaluare a Progresului pe care îl completezi pentru a-ți aprofunda învățarea. Poți, de asemenea, să reacționezi la alți PAT-uri ca să învățăm împreună.
> Pentru studiu suplimentar, recomandăm urmarea acestor module și trasee de învățare [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
> Pentru studiu suplimentar, recomandăm urmarea acestor module și căi de învățare [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
**Profesori**, am [inclus unele sugestii](for-teachers.md) despre cum să folosiți acest curriculum.
**Profesori**, am inclus [câteva sugestii](for-teachers.md) despre cum să folosești acest curriculum.
---
## Prezentări video
Unele lecții sunt disponibile ca video scurt. Le puteți găsi în linie în lecții sau în [playlist-ul ML for Beginners pe canalul Microsoft Developer YouTube](https://aka.ms/ml-beginners-videos) dând clic pe imaginea de mai jos.
Unele lecții sunt disponibile sub formă de video-uri scurte. Le poți găsi în linie în lecții, sau pe [playlist-ul ML for Beginners de pe canalul Microsoft Developer YouTube](https://aka.ms/ml-beginners-videos) făcând clic pe imaginea de mai jos.
[](https://aka.ms/ml-beginners-videos)
@ -101,79 +101,79 @@ Unele lecții sunt disponibile ca video scurt. Le puteți găsi în linie în le
> 🎥 Click pe imaginea de mai sus pentru un video despre proiect și oamenii care l-au creat!
> 🎥 Fă clic pe imaginea de mai sus pentru un videoclip despre proiect și despre persoanele care l-au creat!
---
## Pedagogie
Am ales două principii pedagogice în construirea acestui curriculum: să fie **bazat pe proiecte practice** și să includă **teste frecvente**. În plus, acest curriculum are o **temă** comună pentru a-i oferi coeziune.
Am ales două principii pedagogice în crearea acestui curriculum: să fie practic **bazat pe proiecte** și să includă **chestionare frecvente**. În plus, acest curriculum are o **temă** comună pentru a-i oferi coeziune.
Prin alinierea conținutului cu proiectele, procesul devine mai captivant pentru studenți și retenția conceptelor se va îmbunătăți. Încă o dată, un quiz cu miză mică înainte de clasă setează intenția studentului către învățarea unui subiect, iar un al doilea quiz după clasă asigură o retenție suplimentară. Acest curriculum este proiectat să fie flexibil și distractiv și poate fi parcurs integral sau parțial. Proiectele încep mici și devin din ce în ce mai complexe până la finalul ciclului de 12 săptămâni. Curriculumul include și o postfață despre aplicațiile reale ale ML, ce poate fi folosită ca credit suplimentar sau bază pentru discuții.
Asigurând alinierea conținutului cu proiectele, procesul devine mai captivant pentru studenți și retenția conceptelor este augmentată. În plus, un chestionar cu miză scăzută înainte de clasă setează intenția studentului către învățarea unui subiect, iar un al doilea chestionar după clasă asigură retenția ulterioară. Acest curriculum a fost conceput să fie flexibil și distractiv și poate fi parcurs integral sau parțial. Proiectele încep mici și devin tot mai complexe până la finalul ciclului de 12 săptămâni. Curriculumul include, de asemenea, un postscript despre aplicațiile reale ale ML, care poate fi folosit ca credit suplimentar sau ca bază pentru discuție.
> Găsește [Codul nostru de conduită](CODE_OF_CONDUCT.md), [Contribuții](CONTRIBUTING.md), [Traduceri](..) și [Ghidul de depanare](TROUBLESHOOTING.md). Apreciem feedback-ul tău constructiv!
> Găsește regulile noastre în [Codul de conduită](CODE_OF_CONDUCT.md), [Contribuția](CONTRIBUTING.md), [Traduceri](..) și [Depanare](TROUBLESHOOTING.md). Apreciem feedbackul tău constructiv!
## Fiecare lecție include
- sketchnote opțional
- video suplimentar opțional
- prezentare video (doar unele lecții)
- [quiz de încălzire pre-lectură](https://ff-quizzes.netlify.app/en/ml/)
- prezentare video (doar la unele lecții)
- [chestionar de încălzire pre-lectură](https://ff-quizzes.netlify.app/en/ml/)
- lecție scrisă
- pentru lecțiile bazate pe proiect, ghiduri pas-cu-pas pentru construirea proiectului
- pentru lecțiile bazate pe proiect, ghiduri pas cu pas pentru construirea proiectului
> **O notă despre limbi**: Aceste lecții sunt scrise în principal în Python, dar multe sunt disponibile și în R. Pentru a finaliza o lecție în R, accesați folderul `/solution` și căutați lecțiile în R. Acestea includ o extensie .rmd care reprezintă un fișier **R Markdown**, care poate fi definit simplu ca o încorporare de `bucăți de cod` (în R sau alte limbi) și un `antet YAML` (care ghidează modul de a formata ieșirile, precum PDF) într-un `document Markdown`. Ca atare, servește ca un cadru exemplu pentru autorat în știința datelor deoarece vă permite să combinați codul dvs., rezultatele sale și gândurile dvs., permițându-vă să le scrieți în Markdown. Mai mult, documentele R Markdown pot fi redate în formate de ieșire precum PDF, HTML sau Word.
> **O notă despre limbi:** Aceste lecții sunt scrise în principal în Python, dar multe sunt disponibile și în R. Pentru a finaliza o lecție în R, accesează folderul `/solution` și caută lecțiile în R. Acestea includ extensia .rmd, care reprezintă un fișier **R Markdown** definit simplu ca o îmbinare între `fragmente de cod` (în R sau alte limbi) și un `header YAML` (care ghidează cum să fie formatate ieșirile, cum ar fi PDF) într-un `document Markdown`. Astfel, servește ca un cadru exemplar pentru autorii de știință a datelor, deoarece îți permite să combini codul, rezultatele sale și gândurile tale scriindu-le în Markdown. Mai mult, documentele R Markdown pot fi convertite în formate de ieșire precum PDF, HTML sau Word.
> **O notă despre quiz-uri**: Toate quiz-urile sunt conținute în [folderul Quiz App](../../quiz-app), pentru un total de 52 de quiz-uri cu câte trei întrebări fiecare. Ele sunt legate din lecții, dar aplicația de quiz poate fi rulată local; urmează instrucțiunile din folderul `quiz-app` pentru a găzdui local sau a implementa pe Azure.
> **O notă despre chestionare**: Toate chestionarele sunt conținute în [folderul Quiz App](../../quiz-app), în total 52 de chestionare a câte trei întrebări fiecare. Sunt legate din interiorul lecțiilor, dar aplicația de chestionare poate fi rulată local; urmați instrucțiunile din folderul `quiz-app` pentru a găzdui local sau a implementa pe Azure.
| 01 | Introducere în învățarea automată | [Introduction](1-Introduction/README.md) | Învățați conceptele de bază din spatele învățării automate | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Istoria învățării automate | [Introduction](1-Introduction/README.md) | Aflați istoria care stă la baza acestui domeniu | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen și Amy |
| 03 | Corectitudine și învățarea automată | [Introduction](1-Introduction/README.md) | Care sunt problemele filozofice importante legate de corectitudine pe care studenții ar trebui să le ia în considerare la construirea și aplicarea modelelor ML? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Tehnici pentru învățarea automată | [Introduction](1-Introduction/README.md) | Ce tehnici folosesc cercetătorii ML pentru a construi modele ML? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris și Jen |
| 05 | Introducere în regresie | [Regression](2-Regression/README.md) | Începeți cu Python și Scikit-learn pentru modele de regresie | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Prețurile dovlecilor din America de Nord 🎃 | [Regression](2-Regression/README.md) | Vizualizați și curățați datele în pregătirea pentru ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Prețurile dovlecilor din America de Nord 🎃 | [Regression](2-Regression/README.md) | Construiește modele de regresie liniară și polinomială | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen și Dmitry • Eric Wanjau |
| 08 | Prețurile dovlecilor din America de Nord 🎃 | [Regression](2-Regression/README.md) | Construiește un model de regresie logistică | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | O aplicație web 🔌 | [Web App](3-Web-App/README.md) | Construiește o aplicație web pentru a utiliza modelul tău antrenat | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Introducere în clasificare | [Classification](4-Classification/README.md) | Curăță, pregătește și vizualizează datele; introducere în clasificare | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen și Cassie • Eric Wanjau |
| 11 | Bucătării delicioase asiatice și indiene 🍜 | [Classification](4-Classification/README.md) | Introducere în clasificatori | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen și Cassie • Eric Wanjau |
| 12 | Bucătării delicioase asiatice și indiene 🍜 | [Classification](4-Classification/README.md) | Mai mulți clasificatori | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen și Cassie • Eric Wanjau |
| 13 | Bucătării delicioase asiatice și indiene 🍜 | [Classification](4-Classification/README.md) | Construiește o aplicație web de recomandare folosindu-ți modelul | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Introducere în clustering | [Clustering](5-Clustering/README.md) | Curăță, pregătește și vizualizează datele; introducere în clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Explorarea gusturilor muzicale nigeriene 🎧 | [Clustering](5-Clustering/README.md) | Explorează metoda de clustering K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Introducere în procesarea limbajului natural ☕️ | [Natural language processing](6-NLP/README.md) | Învață elementele de bază ale NLP construind un bot simplu | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Sarcini comune NLP ☕️ | [Natural language processing](6-NLP/README.md) | Adâncește-ți cunoștințele despre NLP prin înțelegerea sarcinilor comune necesare la lucrul cu structurile limbajului | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Traducere și analiză de sentiment ♥️ | [Natural language processing](6-NLP/README.md) | Traducere și analiză de sentiment cu Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Hoteluri romantice din Europa ♥️ | [Natural language processing](6-NLP/README.md) | Analiză de sentiment cu recenzii la hoteluri 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Hoteluri romantice din Europa ♥️ | [Natural language processing](6-NLP/README.md) | Analiză de sentiment cu recenzii la hoteluri 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 22 | ⚡️ Consumul mondial de energie ⚡️ - prognoza seriilor cu ARIMA | [Time series](7-TimeSeries/README.md) | Prognoza seriilor temporale cu ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Consumul mondial de energie ⚡️ - prognoza seriilor cu SVR | [Time series](7-TimeSeries/README.md) | Prognoza seriilor temporale cu Regressor Vector Suport | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Introducere în învățarea prin întărire | [Reinforcement learning](8-Reinforcement/README.md) | Introducere în învățarea prin întărire cu Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Ajută-l pe Peter să evite lupul! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Învățarea prin întărire Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Scenarii și aplicații ML în lumea reală | [ML in the Wild](9-Real-World/README.md) | Aplicații interesante și revelatoare ale ML clasic | [Lesson](9-Real-World/1-Applications/README.md) | Team |
| Postscript | Depanarea modelelor ML folosind dashboard-ul RAI | [ML in the Wild](9-Real-World/README.md) | Depanarea modelelor în Machine Learning folosind componentele dashboard-ului Responsible AI | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
| 01 | Introducere în învățarea automată | [Introducere](1-Introduction/README.md) | Învață conceptele de bază din spatele învățării automate | [Lecție](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Istoria învățării automate | [Introducere](1-Introduction/README.md) | Învață istoria domeniului | [Lecție](1-Introduction/2-history-of-ML/README.md) | Jen și Amy |
| 03 | Echitatea și învățarea automată | [Introducere](1-Introduction/README.md) | Care sunt problemele filosofice importante privind echitatea pe care studenții trebuie să le ia în considerare când construiesc și aplică modele ML? | [Lecție](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Tehnici pentru învățarea automată | [Introducere](1-Introduction/README.md) | Ce tehnici folosesc cercetătorii ML pentru a crea modele ML? | [Lecție](1-Introduction/4-techniques-of-ML/README.md) | Chris și Jen |
| 05 | Introducere în regresie | [Regresie](2-Regression/README.md) | Începe cu Python și Scikit-learn pentru modelele de regresie | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Prețurile dovlecilor din America de Nord 🎃 | [Regresie](2-Regression/README.md) | Vizualizează și curăță datele în pregătirea pentru ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Prețurile dovlecilor din America de Nord 🎃 | [Regresie](2-Regression/README.md) | Construiți modele de regresie liniară și polinomială | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen și Dmitry • Eric Wanjau |
| 08 | Prețurile dovlecilor din America de Nord 🎃 | [Regresie](2-Regression/README.md) | Construiți un model de regresie logistică | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | O aplicație web 🔌 | [Aplicație web](3-Web-App/README.md) | Construiți o aplicație web pentru a utiliza modelul antrenat | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Introducere în clasificare | [Clasificare](4-Classification/README.md) | Curăță, pregătește și vizualizează datele; introducere în clasificare | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen și Cassie • Eric Wanjau |
| 11 | Bucătării delicioase din Asia și India 🍜 | [Clasificare](4-Classification/README.md) | Introducere în clasificatoare | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen și Cassie • Eric Wanjau |
| 12 | Bucătării delicioase din Asia și India 🍜 | [Clasificare](4-Classification/README.md) | Mai multe clasificatoare | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen și Cassie • Eric Wanjau |
| 13 | Bucătării delicioase din Asia și India 🍜 | [Clasificare](4-Classification/README.md) | Construiți o aplicație web recomandatoare folosind modelul dvs. | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Introducere în clustering | [Clustering](5-Clustering/README.md) | Curăță, pregătește și vizualizează datele; Introducere în clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Explorarea gusturilor muzicale nigeriene 🎧 | [Clustering](5-Clustering/README.md) | Explorează metoda de clustering K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Introducere în procesarea limbajului natural ☕️ | [Procesare limbaj natural](6-NLP/README.md) | Învață elementele de bază despre NLP construind un bot simplu | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Sarcini comune în NLP ☕️ | [Procesare limbaj natural](6-NLP/README.md) | Adâncește-ți cunoștințele despre NLP înțelegând sarcinile comune necesare pentru a gestiona structurile limbajului | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Traducere și analiza sentimentelor ♥️ | [Procesare limbaj natural](6-NLP/README.md) | Traducere și analiza sentimentelor cu Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Hoteluri romantice din Europa ♥️ | [Procesare limbaj natural](6-NLP/README.md) | Analiza sentimentului cu recenzii de hotel 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Hoteluri romantice din Europa ♥️ | [Procesare limbaj natural](6-NLP/README.md) | Analiza sentimentului cu recenzii de hotel 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 24 | Introducere în învățarea prin întărire | [Învățare prin întărire](8-Reinforcement/README.md) | Introducere în învățarea prin întărire utilizând Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Ajută-l pe Peter să evite lupul! 🐺 | [Învățare prin întărire](8-Reinforcement/README.md) | Învățare prin întărire Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Scenarii și aplicații ML din lumea reală | [ML în natură](9-Real-World/README.md) | Aplicații reale interesante și revelatoare ale ML clasice | [Lecție](9-Real-World/1-Applications/README.md) | Echipa |
| Postscript | Debugging-ul modelelor în ML folosind RAI dashboard | [ML în natură](9-Real-World/README.md) | Debugging în învățarea automată folosind componentele dashboard-ului Responsible AI | [Lecție](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [găsiți toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Acces offline
Puteți rula această documentație offline folosind [Docsify](https://docsify.js.org/#/). Faceți fork acestui repo, [instalați Docsify](https://docsify.js.org/#/quickstart) pe mașina locală, apoi în folderul rădăcină al acestui repo scrieți `docsify serve`. Site-ul va fi servit pe portul 3000 pe localhost-ul vostru: `localhost:3000`.
Puteți rula această documentație offline folosind [Docsify](https://docsify.js.org/#/). Clonați acest depozit, [instalați Docsify](https://docsify.js.org/#/quickstart) pe mașina dvs. locală, apoi în folderul rădăcină al acestui repo, tastați `docsify serve`. Site-ul web va fi servit pe portul 3000 pe localhost-ul dvs.: `localhost:3000`.
## PDF-uri
Găsiți un pdf al curriculei cu linkuri [aici](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
Găsiți un pdf al curriculumului cu linkuri [aici](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Alte cursuri
Echipa noastră produce și alte cursuri! Aruncă o privire:
Echipa noastră produce și alte cursuri! Verificați:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -182,57 +182,57 @@ Echipa noastră produce și alte cursuri! Aruncă o privire:
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agenți
### Azure / Edge / MCP / Agents
[](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)
---
### Seria Generative AI
[](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)
### Seria AI Generativ
[](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)
---
### Seria 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)
Dacă întâmpini dificultăți sau ai întrebări despre construirea aplicațiilor AI. Alătură-te altor cursanți și dezvoltatori experimentați în discuții despre MCP. Este o comunitate de suport unde întrebările sunt binevenite și cunoștințele sunt împărtășite liber.
Dacă întâmpini dificultăți sau ai întrebări despre construirea aplicațiilor AI, alătură-te altor cursanți și dezvoltatori experimentați în discuții despre MCP. Este o comunitate suportivă unde întrebările sunt binevenite și cunoștințele sunt împărtășite liber.
- Recapitulează caietele după fiecare lecție pentru o înțelegere mai bună.
- Revizuiește caietele după fiecare lecție pentru o înțelegere mai bună.
- Exersează implementarea algoritmilor pe cont propriu.
- Explorează seturi de date reale folosind conceptele învățate.
- Explorează seturi reale de date folosind conceptele învățate.
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Avertisment**:
Acest document a fost tradus folosind serviciul de traducere AI [Co-op Translator](https://github.com/Azure/co-op-translator). Deși ne străduim pentru acuratețe, vă rugăm să rețineți că traducerile automate pot conține erori sau inexactități. Documentul original în limba sa nativă trebuie considerat sursa autorizată. Pentru informații critice, se recomandă traducerea profesională realizată de un specialist uman. Nu ne asumăm răspunderea pentru eventualele neînțelegeri sau interpretări greșite rezultate din utilizarea acestei traduceri.
**Declinare a responsabilității**:
Acest document a fost tradus folosind serviciul de traducere AI [Co-op Translator](https://github.com/Azure/co-op-translator). Deși ne străduim pentru acuratețe, vă rugăm să fiți conștienți că traducerile automate pot conține erori sau inexactități. Documentul original în limba sa nativă trebuie considerat sursa autorizată. Pentru informații critice, se recomandă traducerea profesională realizată de un specialist uman. Nu ne asumăm răspunderea pentru orice neînțelegeri sau interpretări greșite care pot apărea ca urmare a utilizării acestei traduceri.
[](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
> Tento repozitár obsahuje viac než 50 jazykových prekladov, čo výrazne zväčšuje veľkosť stiahnutia. Ak chcete klonovať bez prekladov, použite sparse checkout:
> Tento repozitár obsahuje viac ako 50 jazykových prekladov, čo výrazne zvyšuje veľkosť sťahovania. Ak chcete klonovať bez prekladov, použite sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -33,63 +33,62 @@
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Toto vám poskytne všetko, čo potrebujete na dokončenie kurzu s oveľa rýchlejším stiahnutím.
> Toto vám zabezpečí všetko potrebné na dokončenie kurzu s oveľa rýchlejším sťahovaním.
Máme prebiehajúcu sériu Learn with AI na Discorde, zistite viac a pridajte sa k nám na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. septembra 2025. Dostanete tipy a triky na používanie GitHub Copilot pre Data Science.
Máme prebiehajúcu sériu Learn with AI na Discorde, dozviete sa viac a pripojte sa k nám na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. septembra 2025. Získate tipy a triky na používanie GitHub Copilot pre Data Science.
# Strojové učenie pre začiatočníkov – učebný plán
# Strojové učenie pre začiatočníkov - Učebný plán
> 🌍 Cestujte po svete a objavujte Strojové učenie cez svetové kultúry 🌍
Cloud Advocates v Microsoft vám s radosťou ponúkajú 12-týždňový, 26-lekčný kurz zameraný na **strojové učenie**. V tomto kurze sa naučíte o tom, čo sa niekedy nazýva **klasické strojové učenie**, používajúc primárne knižnicu Scikit-learn a vyhýbajúc sa hlbokému učeniu, ktoré je pokryté v našom [učebnom pláne AI pre začiatočníkov](https://aka.ms/ai4beginners). Tieto lekcie kombinujte aj s naším ['Data Science pre začiatočníkov'](https://aka.ms/ds4beginners).
Cloud Advocates v Microsoftu s radosťou ponúkajú 12-týždňový učebný plán s 26 lekciami o **Strojovom učení**. V tomto učebnom pláne sa naučíte, čo sa niekedy nazýva **klasické strojové učenie**, pričom primárne používame knižnicu Scikit-learn a vyhýbame sa hlbokému učeniu, ktoré je pokryté v našom [učebnom pláne AI pre začiatočníkov](https://aka.ms/ai4beginners). Tieto lekcie skombinujte aj s našim [učebným plánom Data Science pre začiatočníkov](https://aka.ms/ds4beginners)!
Cestujte s nami po svete, keď aplikujeme tieto klasické techniky na dáta z rôznych častí sveta. Každá lekcia obsahuje kvízy pred a po lekcii, písomné inštrukcie na dokončenie lekcie, riešenie, zadanie a viac. Naša projektovo orientovaná pedagogika vám umožňuje učiť sa priamo aplikovaním, čo je osvedčený spôsob, ako si nové zručnosti dobre osvojiť.
Cestujte s nami po svete a aplikujte tieto klasické techniky na dáta z rôznych oblastí sveta. Každá lekcia obsahuje kvízy pred a po lekcii, písomné inštrukcie na dokončenie lekcie, riešenie, zadanie a ďalšie. Naša projektovo orientovaná pedagogika vám umožňuje učiť sa priamo počas tvorby, čo je osvedčený spôsob, ako si nové vedomosti udržať.
**✍️ Srdečné poďakovanie našim autorom** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu a Amy Boyd
**🎨 Poďakovanie tiež našim ilustrátorom** Tomomi Imura, Dasani Madipalli a Jen Looper
**🙏 Špeciálne poďakovanie 🙏 našim Microsoft Student Ambassador autorom, recenzentom a prispievateľom**, menovite Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila a Snigdha Agarwal
**🙏 Špeciálne poďakovanie 🙏 našim autorom, recenzentom a prispievateľom z Microsoft Student Ambassadors**, najmä Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila a Snigdha Agarwal
**🤩 Extra vďaka Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi a Vidushi Gupta za naše R lekcie!**
**🤩 Zvláštne poďakovanie Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi a Vidushi Gupta za naše lekcie R!**
# Začíname
Postupujte podľa týchto krokov:
1. **Forknite repozitár**: kliknite na tlačidlo "Fork" v pravom hornom rohu tejto stránky.
1. **Vytvorte si fork repozitára**: Kliknite na tlačidlo „Fork“ v pravom hornom rohu tejto stránky.
> [nájdite všetky doplnkové zdroje pre tento kurz v našej Microsoft Learn kolekcii](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [nájdite všetky ďalšie zdroje pre tento kurz v našej kolekcii Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Potrebujete pomoc?**Skontrolujte náš [Sprievodca riešením problémov](TROUBLESHOOTING.md) pre riešenia bežných problémov s inštaláciou, nastavením a spúšťaním lekcií.
> 🔧 **Potrebujete pomoc?**Pozrite si náš [Návod na riešenie problémov](TROUBLESHOOTING.md) pre riešenia bežných problémov s inštaláciou, nastavením a spúšťaním lekcií.
**[Študenti](https://aka.ms/student-page)**, používanie tohto učebného plánu spočíva vo forknutí celého repozitára do svojho GitHub účtu a samostatnom alebo skupinovom plnení cvičení:
**[Študenti](https://aka.ms/student-page)**, na použitie tohto učebného plánu forknite celý repozitár do svojho GitHub konta a cvičenia riešte sami alebo v skupine:
- Začnite kvízom pred prednáškou.
- Prečítajte si prednášku a dokončite aktivity, zastavujte sa a premýšľajte pri každej kontrole poznatkov.
- Pokúste sa vytvoriť projekty pochopením lekcií namiesto spúšťania riešení; kód riešení je však k dispozícii v adresároch `/solution` v každej lekcii orientovanej na projekt.
- Vykonajte kvíz po prednáške.
- Začnite kvízom pred lekciou.
- Prečítajte si lekciu a dokončite aktivity, pri každej kontrole vedomostí sa zastavte a zamyslite.
- Pokúste sa vytvoriť projekty pochopením lekcií namiesto spúšťania riešení; kód riešení je však k dispozícii v priečinkoch `/solution` v každej lekcii orientovanej na projekt.
- Absolvujte test po lekcii.
- Splňte výzvu.
- Dokončite zadanie.
- Po dokončení skupiny lekcií navštívte [Diskusné fórum](https://github.com/microsoft/ML-For-Beginners/discussions) a „učte sa nahlas“ vyplnením príslušnej PAT rubriky. PAT je Nástroj na hodnotenie pokroku, ktorý vyplníte, aby ste prehĺbili svoje učenie. Môžete tiež reagovať na iné PAT, aby sme sa mohli učiť spoločne.
- Po dokončení skupiny lekcií navštívte [Diskusnú dosku](https://github.com/microsoft/ML-For-Beginners/discussions) a „učte sa nahlas“ vyplnením príslušného PAT hodnotiaceho formulára. 'PAT' je Nástroj hodnotenia pokroku, ktorý vyplníte, aby ste si prehĺbili vedomosti. Môžete tiež reagovať na ďalšie PAT, aby sme sa učili spoločne.
> Pre ďalšie štúdium odporúčame sledovať tieto [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) moduly a učebné cesty.
> Na ďalšie štúdium odporúčame sledovať tieto [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) moduly a vzdelávacie cesty.
**Učitelia**, pripravili sme [niekoľko odporúčaní](for-teachers.md) ako používať tento učebný plán.
**Učitelia**, pripravili sme [niekoľko odporúčaní](for-teachers.md) na využitie tohto učebného plánu.
---
## Video prechádzky
## Video návody
Niektoré lekcie sú dostupné ako krátke video. Nájdete ich priamo v lekciách alebo na [zozname videí ML for Beginners na Microsoft Developer YouTube kanáli](https://aka.ms/ml-beginners-videos) po kliknutí na obrázok nižšie.
Niektoré lekcie sú dostupné ako krátke videá. Nájdete ich priamo v lekciách alebo v [playliste ML for Beginners na Microsoft Developer YouTube kanáli](https://aka.ms/ml-beginners-videos) kliknutím na obrázok nižšie.
[](https://aka.ms/ml-beginners-videos)
@ -99,98 +98,98 @@ Niektoré lekcie sú dostupné ako krátke video. Nájdete ich priamo v lekciác
> 🎥 Kliknite na obrázok vyššie pre video o projekte a ľuďoch, ktorí ho vytvorili!
> 🎥 Kliknite na obrázok vyššie pre video o projekte a jeho tvorcoch!
---
## Pedagogika
Pri tvorbe tohto učebného plánu sme zvolili dve pedagogické zásady: zabezpečiť, že je praktický a **založený na projektoch** a že obsahuje **časté kvízy**. Okrem toho má tento kurz spoločnú **tému**, ktorá mu dodáva súdržnosť.
Pri tvorbe tohto učebného plánu sme si vybrali dva pedagogické princípy: zabezpečiť, aby bol **prakticky projektovo orientovaný** a aby obsahoval **časté kvízy**. Okrem toho má tento učebný plán spoločnú **tému**, ktorá mu dodáva súdržnosť.
Zaradením obsahu do projektov sa proces vyučovania stáva zaujímavejším pre študentov a zlepšuje sa uchovávanie poznatkov. Nízko náročný kvíz pred prednáškou nastavuje zámer študenta učiť sa tému a druhý kvíz po prednáške zabezpečuje ďalšie upevnenie vedomostí. Tento kurz je flexibilný a zábavný, môžete ho absolvovať celý alebo po častiach. Projekty začínajú jednoduché a postupne sa komplikujú až do konca 12-týždňového cyklu. Kurz tiež obsahuje dodatočné poznámky o reálnych aplikáciách ML, ktoré môžu slúžiť ako bonusové zadania alebo podklad k diskusii.
Zabezpečením súladu obsahu s projektmi je proces pre študentov zaujímavejší a upevňuje sa zapamätanie si konceptov. Nízko-rizikový kvíz pred triedou nastavia zámer študenta naučiť sa tému, zatiaľ čo druhý kvíz po lekcii zabezpečuje ďalšie upevnenie vedomostí. Tento učebný plán je navrhnutý tak, aby bol flexibilný a zábavný, a možno ho absolvovať celý alebo čiastočne. Projekty začínajú malé a do konca 12-týždňového cyklu získavajú zložitosť. Učebný plán tiež obsahuje pospis o praktických využitiach ML, ktorý možno použiť ako extra kredit alebo ako základ diskusie.
> Nájdete u nás [Kódex správania](CODE_OF_CONDUCT.md), [Prispievanie](CONTRIBUTING.md), [Preklady](..) a [Sprievodcu riešením problémov](TROUBLESHOOTING.md). Vitáme vaše konštruktívne pripomienky!
> Nájdete tu naše [Pravidlá správania](CODE_OF_CONDUCT.md), [Príspevky](CONTRIBUTING.md), [Preklady](..) a [Návody na riešenie problémov](TROUBLESHOOTING.md). Radi prijmeme vašu konštruktívnu spätnú väzbu!
## Každá lekcia obsahuje
- voliteľnú poznámku (sketchnote)
- voliteľnú skicu poznámok
- voliteľné doplnkové video
- video prechádzku (iba niektoré lekcie)
- [kvíz na rozcvičku pred prednáškou](https://ff-quizzes.netlify.app/en/ml/)
- video návod (len niektoré lekcie)
- [kvíz na rozcvičenie pred lekciou](https://ff-quizzes.netlify.app/en/ml/)
- písomnú lekciu
- pre projektovo orientované lekcie podrobné návody krok za krokom, ako vytvoriť projekt
- kontroly poznatkov
- pre projektové lekcie, krok za krokom návody na vybudovanie projektu
- kontroly vedomostí
- výzvu
- doplnkové čítanie
- zadanie
- [kvíz po prednáške](https://ff-quizzes.netlify.app/en/ml/)
> **Poznámka o jazykoch**: Tieto lekcie sú primárne napísané v Pythone, avšak veľa z nich je dostupných aj v R. Ak chcete dokončiť R lekciu, choďte do priečinka `/solution` a nájdite lekcie v R. Tie majú príponu .rmd, čo je **R Markdown** súbor, ktorý možno jednoducho definovať ako vloženie `kódových blokov` (v R alebo iných jazykoch) a `YAML hlavičky` (ktorá určuje formátovanie výstupu ako PDF) v `Markdown dokumente`. Slúži teda ako výborný rámec na tvorbu dokumentov pre dátovú vedu, pretože môžete kombinovať svoj kód, jeho výstupy a vlastné poznámky písané v Markdown formáte. Navyše, R Markdown dokumenty je možné renderovať do formátov ako PDF, HTML alebo Word.
> **Poznámka k kvízom**: Všetky kvízy sú obsiahnuté v [priečinku Quiz App](../../quiz-app), celkovo 52 kvízov s troma otázkami v každom. Sú prepojené z lekcií, ale aplikáciu s kvízmi je možné spustiť lokálne; postupujte podľa inštrukcií v priečinku `quiz-app` na lokálne hosťovanie alebo nasadenie do Azure.
| Číslo lekcie | Téma | Skupina lekcií | Ciele učenia | Prepojená lekcia | Autor |
| 01 | Úvod do strojového učenia | [Úvod](1-Introduction/README.md) | Naučiť sa základné koncepty strojového učenia | [Lekcia](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | História strojového učenia | [Úvod](1-Introduction/README.md) | Naučiť sa históriu tohto odboru | [Lekcia](1-Introduction/2-history-of-ML/README.md) | Jen a Amy |
| 03 | Spravodlivosť a strojové učenie | [Úvod](1-Introduction/README.md) | Aké sú dôležité filozofické otázky spravodlivosti, ktoré by študenti mali zvážiť pri tvorbe a aplikovaní modelov ML? | [Lekcia](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Techniky strojového učenia | [Úvod](1-Introduction/README.md) | Aké techniky používajú vedci v oblasti strojového učenia na tvorbu modelov? | [Lekcia](1-Introduction/4-techniques-of-ML/README.md) | Chris a Jen |
| 05 | Úvod do regresie | [Regresia](2-Regression/README.md) | Začať s Pythonom a Scikit-learn pre regresné modely | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Ceny tekvíc v Severnej Amerike 🎃 | [Regresia](2-Regression/README.md) | Vizualizovať a upraviť dáta v príprave na ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Ceny tekvíc v Severnej Amerike 🎃 | [Regresia](2-Regression/README.md) | Stavať lineárne a polynomiálne regresné modely | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen a Dmitry • Eric Wanjau |
| 08 | Ceny tekvíc v Severnej Amerike 🎃 | [Regresia](2-Regression/README.md) | Stavať logistický regresný model | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Webová aplikácia 🔌 | [Webová aplikácia](3-Web-App/README.md) | Vytvoriť webovú aplikáciu na použitie vášho natrénovaného modelu | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Úvod do klasifikácie | [Klasifikácia](4-Classification/README.md) | Upraviť, pripraviť a vizualizovať dáta; úvod do klasifikácie | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen a Cassie • Eric Wanjau |
| 11 | Lahodné ázijské a indické kuchyne 🍜 | [Klasifikácia](4-Classification/README.md) | Úvod do klasifikátorov | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen a Cassie • Eric Wanjau |
| 12 | Lahodné ázijské a indické kuchyne 🍜 | [Klasifikácia](4-Classification/README.md) | Viac klasifikátorov | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen a Cassie • Eric Wanjau |
| 13 | Lahodné ázijské a indické kuchyne 🍜 | [Klasifikácia](4-Classification/README.md) | Vytvoriť webovú aplikáciu odporúčajúcu položky na základe vášho modelu | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Úvod do klastrovania | [Klastrovanie](5-Clustering/README.md) | Upraviť, pripraviť a vizualizovať dáta; úvod do klastrovania | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Preskúmanie nigerijských hudobných chutí 🎧 | [Klastrovanie](5-Clustering/README.md) | Preskúmať metódu K-means klastrovania | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Úvod do spracovania prirodzeného jazyka ☕️ | [Spracovanie prirodzeného jazyka](6-NLP/README.md) | Naučiť sa základy NLP vytvorením jednoduchého bota | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Bežné úlohy NLP ☕️ | [Spracovanie prirodzeného jazyka](6-NLP/README.md) | Prehĺbiť znalosti NLP pochopením bežných úloh potrebných pri práci s jazykovými štruktúrami | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Preklad a analýza sentimentu ♥️ | [Spracovanie prirodzeného jazyka](6-NLP/README.md) | Preklad a analýza sentimentu s Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| Postscript | Reálne scenáre a aplikácie ML | [ML v praxi](9-Real-World/README.md) | Zaujímavé a odhaľujúce reálne aplikácie klasického ML | [Lekcia](9-Real-World/1-Applications/README.md) | Tím |
| Postscript | Ladenie modelov ML pomocou RAI dashboardu | [ML v praxi](9-Real-World/README.md) | Ladenie modelov strojového učenia pomocou komponentov zodpovedného AI dashboardu | [Lekcia](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [nájdite všetky ďalšie zdroje k tomuto kurzu v našej kolekcii Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Offline prístup
Túto dokumentáciu môžete spustiť offline pomocou [Docsify](https://docsify.js.org/#/). Vytvorte si vlastnú kópiu repozitára, [nainštalujte Docsify](https://docsify.js.org/#/quickstart) na svoj lokálny počítač a potom v koreňovom adresári repozitára napíšte `docsify serve`. Webstránka bude k dispozícii na porte 3000 na vašom localhoste: `localhost:3000`.
## PDF
Nájdite pdf osnovy s odkazmi [tu](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Ďalšie kurzy
Náš tím produkuje ďalšie kurzy! Pozrite si:
- [kvíz po lekcii](https://ff-quizzes.netlify.app/en/ml/)
> **Poznámka o jazykoch**: Tieto lekcie sú primárne napísané v Pythone, ale mnohé sú dostupné aj v R. Ak chcete dokončiť lekciu v R, prejdite do priečinka `/solution` a vyhľadajte lekcie v R. Obsahujú príponu .rmd, ktorá predstavuje **R Markdown** súbor, čo možno jednoducho definovať ako vkladanie `kódových blokov` (v R alebo iných jazykoch) a `YAML hlavičky` (ktorá usmerňuje, ako formátovať výstupy, napr. PDF) v `Markdown dokumente`. Takto slúži ako príkladný rámec pre tvorbu dokumentov v dátovej vede, pretože vám umožňuje kombinovať váš kód, jeho výstup a vaše poznámky tým, že ich môžete zaznamenať v Markdown. Navyše, dokumenty R Markdown môžu byť vyrenderované do výstupných formátov ako PDF, HTML alebo Word.
> **Poznámka o kvízoch**: Všetky kvízy sú uložené v [priečinku Quiz App](../../quiz-app), celkovo 52 kvízov so štruktúrou troch otázok každý. Sú prepojené v jednotlivých lekciách, ale aplikáciu na kvízy možno spustiť lokálne; postupujte podľa inštrukcií v priečinku `quiz-app` pre lokálne hosťovanie alebo nasadenie do Azure.
| Číslo lekcie | Téma | Zoskupenie lekcie | Ciele učenia | Prepojená lekcia | Autor |
| 01 | Úvod do strojového učenia | [Úvod](1-Introduction/README.md) | Naučte sa základné pojmy strojového učenia | [Lekcia](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | História strojového učenia | [Úvod](1-Introduction/README.md) | Spoznajte históriu tohto odboru | [Lekcia](1-Introduction/2-history-of-ML/README.md) | Jen a Amy |
| 03 | Spravodlivosť a strojové učenie | [Úvod](1-Introduction/README.md) | Aké sú dôležité filozofické otázky spravodlivosti, ktoré by študenti mali zvážiť pri vývoji a použití ML modelov? | [Lekcia](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Techniky strojového učenia | [Úvod](1-Introduction/README.md) | Aké techniky používajú výskumníci ML na tvorbu modelov? | [Lekcia](1-Introduction/4-techniques-of-ML/README.md) | Chris a Jen |
| 05 | Úvod do regresie | [Regresia](2-Regression/README.md) | Začnite s Pythonom a Scikit-learn pre regresné modely | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Ceny tekvíc v Severnej Amerike 🎃 | [Regresia](2-Regression/README.md) | Vizualizujte a očistite dáta na prípravu ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Ceny tekvíc v Severnej Amerike 🎃 | [Regresia](2-Regression/README.md) | Postavte lineárne a polynomiálne regresné modely | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen a Dmitry • Eric Wanjau |
| 08 | Ceny tekvíc v Severnej Amerike 🎃 | [Regresia](2-Regression/README.md) | Vybudujte logistický regresný model | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Webová aplikácia 🔌 | [Web App](3-Web-App/README.md) | Vybudujte webovú aplikáciu na použitie vášho natrénovaného modelu | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Úvod do klasifikácie | [Klasifikácia](4-Classification/README.md) | Očistite, pripravte a vizualizujte svoje dáta; úvod do klasifikácie | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen a Cassie • Eric Wanjau |
| 11 | Lahodné ázijské a indické kuchyne 🍜 | [Klasifikácia](4-Classification/README.md)| Úvod do klasifikátorov | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen a Cassie • Eric Wanjau |
| 12 | Lahodné ázijské a indické kuchyne 🍜 | [Klasifikácia](4-Classification/README.md) | Viac klasifikátorov | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen a Cassie • Eric Wanjau |
| 13 | Lahodné ázijské a indické kuchyne 🍜 | [Klasifikácia](4-Classification/README.md) | Postavte odporúčaciu webovú aplikáciu pomocou vášho modelu | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Úvod do zhlukovania | [Zhlukovanie](5-Clustering/README.md) | Očistite, pripravte a vizualizujte svoje dáta; úvod do zhlukovania | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Preskúmanie nigerijských hudobných chutí 🎧 | [Zhlukovanie](5-Clustering/README.md) | Preskúmajte K-Means zhlukovaciu metódu | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Úvod do spracovania prirodzeného jazyka ☕️ | [Spracovanie prirodzeného jazyka](6-NLP/README.md) | Naučte sa základy NLP vytvorením jednoduchého bota | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Bežné úlohy NLP ☕️ | [Spracovanie prirodzeného jazyka](6-NLP/README.md) | Prehĺbte svoje poznatky o NLP pochopením bežných úloh pri práci s jazykovými štruktúrami | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Preklad a analýza sentimentu ♥️ | [Spracovanie prirodzeného jazyka](6-NLP/README.md) | Preklad a analýza sentimentu s Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Romantické hotely v Európe ♥️ | [Spracovanie prirodzeného jazyka](6-NLP/README.md) | Sentimentálna analýza s hotelovými recenziami 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Romantické hotely v Európe ♥️ | [Spracovanie prirodzeného jazyka](6-NLP/README.md) | Sentimentálna analýza s hotelovými recenziami 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 22 | ⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov pomocou ARIMA | [Časové rady](7-TimeSeries/README.md) | Predikcia časových radov pomocou ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov pomocou SVR | [Časové rady](7-TimeSeries/README.md) | Predikcia časových radov pomocou Support Vector Regressora | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Úvod do posilňovacieho učenia | [Posilňovacie učenie](8-Reinforcement/README.md) | Úvod do posilňovacieho učenia pomocou Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Pomôžte Petrovi vyhnúť sa vlkovi! 🐺 | [Posilňovacie učenie](8-Reinforcement/README.md) | Posilňovacie učenie pomocou Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Skutočné scenáre a aplikácie ML | [ML vo svete](9-Real-World/README.md) | Zaujímavé a odhaľujúce reálne aplikácie klasického ML | [Lekcia](9-Real-World/1-Applications/README.md) | Tím |
| Postscript | Ladenie modelov ML pomocou RAI dashboardu | [ML vo svete](9-Real-World/README.md) | Ladenie modelov v strojovom učení pomocou komponentov Responsible AI dashboardu | [Lekcia](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [nájdite všetky ďalšie materiály k tomuto kurzu v našej kolekcii Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Prístup offline
Túto dokumentáciu môžete používať offline pomocou [Docsify](https://docsify.js.org/#/). Naklonujte si tento repozitár, [nainštalujte Docsify](https://docsify.js.org/#/quickstart) na svoj lokálny počítač a potom v koreňovom priečinku repozitára spustite príkaz `docsify serve`. Webstránka bude sprístupnená na porte 3000 na vašom localhoste: `localhost:3000`.
## PDF súbory
Nájdite pdf učebného plánu s odkazmi [tu](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Ďalšie kurzy
Náš tím vytvára aj iné kurzy! Pozrite si:
<!-- 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://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agents
[](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)
### Azure / Edge / MCP / Agentov
[](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)
---
### Generatívne AI série
### Séria Generatívnej AI
[](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)
@ -198,41 +197,41 @@ Náš tím produkuje ďalšie kurzy! Pozrite si:
---
### Základné vzdelávanie
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
### Základné učenie
[](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://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)
---
### Séria Copilot
[](https://aka.ms/GitHubCopilotAI?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)
Ak sa zaseknete alebo máte otázky ohľadom tvorby AI aplikácií. Pridajte sa k študentom a skúseným vývojárom v diskusiách o MCP. Je to podporná komunita, kde sú otázky vítané a vedomosti sa voľne zdieľajú.
Ak uviaznete alebo máte akékoľvek otázky týkajúce sa tvorby AI aplikácií, pripojte sa k ostatným študentom a skúseným vývojárom v diskusiách o MCP. Je to podporujúca komunita, kde sú otázky vítané a poznatky sa zdieľajú slobodne.
Ak máte spätnú väzbu na produkt alebo chyby počas vývoja navštívte:
Ak máte spätnú väzbu na produkt alebo narazíte na chyby počas tvorby, navštívte:
[](https://aka.ms/foundry/forum)
Tento dokument bol preložený pomocou služby prekladov s využitím umelej inteligencie [Co-op Translator](https://github.com/Azure/co-op-translator). Aj keď sa snažíme o presnosť, majte prosím na pamäti, že automatické preklady môžu obsahovať chyby alebo nezrovnalosti. Pôvodný dokument v jeho rodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre dôležité informácie sa odporúča profesionálny ľudský preklad. Nie sme zodpovední za žiadne nedorozumenia alebo nesprávne výklady vyplývajúce z použitia tohto prekladu.
**Zrieknutie sa zodpovednosti**:
Tento dokument bol preložený pomocou AI prekladateľskej služby [Co-op Translator](https://github.com/Azure/co-op-translator). Aj keď sa snažíme o presnosť, prosím, berte na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Originálny dokument v jeho pôvodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie odporúčame profesionálny ľudský preklad. Nie sme zodpovední za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.
localizeflow[bot]
1 month ago