> Šiame saugykloje yra daugiau nei 50 kalbų vertimų, dėl kurių žymiai padidėja atsisiuntimo dydis. Norėdami klonuoti be vertimų, naudokite ne visą atsisiuntimą (sparse checkout):
> Šiame saugykloje yra daugiau nei 50 kalbų vertimų, kurie žymiai padidina atsisiuntimo dydį. Norėdami klonuoti be vertimų, naudokite retinimą (sparse checkout):
Mes turime vykstančią Discord mokymosi su DI seriją, sužinokite daugiau ir prisijunkite prie mūsų [Mokymosi su DI serijoje](https://aka.ms/learnwithai/discord) nuo 2025 m. rugsėjo 18 d. iki 30 d. Gaunate patarimų ir gudrybių apie GitHub Copilot naudojimą Duomenų moksle.
Mes vykdome Discord mokymosi su DI seriją, sužinokite daugiau ir prisijunkite prie mūsų [Learn with AI Series](https://aka.ms/learnwithai/discord) nuo 2025 m. rugsėjo 18 iki 30 d. Gaunate patarimų ir gudrybių, kaip naudotis GitHub Copilot duomenų mokslui.
# Mašinų mokymasis pradedantiesiems – mokymo programa
> 🌍 Keliaukime po pasaulį, nagrinėdami Mašinų mokymąsi per pasaulio kultūras 🌍
> 🌍 Keliaukite po pasaulį mokydamiesi mašininio mokymosi per pasaulio kultūras 🌍
Microsoft Cloud Advocates su malonumu pristato 12 savaičių, 26 pamokų mokymo programą apie **Mašinų mokymąsi**. Šioje programoje sužinosite apie tai, ką kartais vadiname **klasikiniu mašinų mokymusi**, daugiausia naudodamiesi Scikit-learn biblioteka ir vengdami giluminio mokymosi, kuris nagrinėjamas mūsų [DI pradedantiesiems mokymo programoje](https://aka.ms/ai4beginners). Taip pat derinkite šias pamokas su mūsų ['Duomenų mokslas pradedantiesiems' mokymo programa](https://aka.ms/ds4beginners)!
„Microsoft“ debesų technologijų entuziastai džiaugiasi galėdami pasiūlyti 12 savaičių, 26 pamokų kurikulumą, skirtą **mašininio mokymosi** temai. Šiame kurikule sužinosite apie tai, ką kartais vadiname **klasikiniu mašininiu mokymusi**, daugiausia naudodami „Scikit-learn“ biblioteką ir vengdami giluminio mokymosi, kuris aptariamas mūsų [DI pradedantiesiems kurikule](https://aka.ms/ai4beginners). Derinkite šias pamokas su mūsų ['Duomenų mokslas pradedantiesiems' kurikulu](https://aka.ms/ds4beginners)!
Keliaukite su mumis po pasaulį, taikydami šias klasikines technikas daugelyje pasaulio sričių duomenims. Kiekviena pamoka apima priešpamokinį ir popamokinį testą, rašytines instrukcijas pamokos atlikimui, sprendimą, užduotį ir dar daugiau. Mūsų projektu grįsta pedagogika leidžia mokytis statant, tai įrodyta kaip veiksmingas naujų įgūdžių įsisavinimo būdas.
Keliaukite su mumis po pasaulį, taikydami šias klasikines technikas duomenims iš skirtingų pasaulio vietų. Kiekvienoje pamokoje yra prieš pamoką ir po pamokos testai, rašytinės instrukcijos pamokai atlikti, sprendimas, užduotis ir daugiau. Mūsų projektinis mokymas leidžia mokytis kartu su praktika – tai patikrintas būdas geriau įsisavinti naujus įgūdžius.
**✍️ Nuoširdus dėkui mūsų autoriams** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ir Amy Boyd
**✍️ Nuoširdus dėkui autoriams** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ir Amy Boyd
**🎨 Taip pat dėkojame mūsų iliustratoriams** Tomomi Imura, Dasani Madipalli ir Jen Looper
**🎨 Ačiū kūrėjams** Tomomi Imura, Dasani Madipalli ir Jen Looper
**🙏 Ypatingas ačiū 🙏 Microsoft Studentų Ambasadorių autoriams, peržiūrėtojams ir turinio prisidėtojams**, ypatingai Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ir Snigdha Agarwal
**🙏 Specialūs dėkojimai 🙏 Microsoft studentų ambasadoriams autoriams, peržiūrėtojams ir turinio bendradarbiams**, ypač Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ir Snigdha Agarwal
**🤩 Papildomas dėkingumas Microsoft Studentų Ambasadoriams Eric Wanjau, Jasleen Sondhi ir Vidushi Gupta už mūsų R pamokas!**
**🤩 Papildomas ačiū Microsoft studentų ambasadoriams Eric Wanjau, Jasleen Sondhi ir Vidushi Gupta už mūsų R pamokas!**
# Pradžia
Atlikite šiuos veiksmus:
1. **Sukurkite šaką (Fork) Saugykloje**: Paspauskite mygtuką "Fork" šio puslapio viršutiniame dešiniajame kampe.
> [raskite visus papildomus šio kurso išteklius Microsoft Learn kolekcijoje](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [rasite visus papildomus šio kurso išteklius mūsų Microsoft Learn kolekcijoje](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Reikia pagalbos?** Peržiūrėkite mūsų [Trikčių šalinimo gidą](TROUBLESHOOTING.md) dėl dažnų problemų sprendimų, susijusių su įdiegimu, nustatymu ir pamokų vykdymu.
> 🔧 **Reikia pagalbos?** Patikrinkite mūsų [trikčių šalinimo gidą](TROUBLESHOOTING.md), kaip spręsti dažniausias įdiegimo, nustatymo ir pamokų vykdymo problemas.
**[Studentai](https://aka.ms/student-page)**, norėdami naudoti šią mokymo programą, sukurkite visos saugyklos šaką savo GitHub paskyroje ir atlikite pratimus savarankiškai arba su grupe:
**[Studentai](https://aka.ms/student-page)**, norėdami naudotis šiuo kurikulu, padarykite visos saugyklos „fork“ į savo GitHub paskyrą ir atlikite pratimus savarankiškai arba grupėje:
- Pradėkite nuo priešpaskaitinio testo.
- Perskaitykite paskaitą ir atlikite veiklas, sustodami ir apmąstydami kiekvieną žinių patikrinimą.
- Stenkitės kurti projektus suprasdami pamokas, o ne paleisdami sprendimų kodą; tačiau šis kodas yra prieinamas `/solution` aplankuose kiekvienoje projektu orientuotoje pamokoje.
- Atlikite popaskaitinį testą.
- Perskaitykite paskaitą ir atlikite užduotis, stabtelėdami ir apmąstydami po kiekvieną žinių patikrinimą.
- Stenkitės kurti projektus suprasdami pamokas, o ne vien vykdydami sprendimų kodą; tačiau šis kodas yra prieinamas kiekvienos pamokos, orientuotos į projektus, `/solution` kataloguose.
- Atlikite paslapkaitinį testą.
- Atlikite iššūkį.
- Atlikite užduotį.
- Baigę pamokų grupę, apsilankykite [Diskusijų lentoje](https://github.com/microsoft/ML-For-Beginners/discussions) ir „mokykitės garsiai“ pildydami atitinkamą PAT vertinimo yražtę. 'PAT' yra Progreso Vertinimo Įrankis, kurį pildote norėdami gilinti savo mokymąsi. Taip pat galite reaguoti į kitų PAT, kad galėtume mokytis kartu.
- Baigę pamokų grupę apsilankykite [diskusijų lentoje](https://github.com/microsoft/ML-For-Beginners/discussions) ir „mokykitės garsiai“, užpildydami atitinkamą PAT vertinimą. PAT (Progresso Vertinimo Įrankis) yra rubrika, kurią galite užpildyti geriau įsisavindami mokymąsi. Taip pat galite reaguoti į kitus PAT, kad mokytumėmės kartu.
> Tolimesniam studijavimui rekomenduojame sekti šiuos [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modulius ir mokymosi kelius.
> Tolimesniam mokymuisi rekomenduojame sekti šiuos [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modulius ir mokymosi kelius.
**Mokytojams**, mes [įtraukėme keletą pasiūlymų](for-teachers.md), kaip naudoti šią mokymo programą.
**Dėstytojai**, mes [pateikėme keletą patarimų](for-teachers.md), kaip naudoti šį kurikulą.
---
## Vaizdo įrašų peržiūros
## Vaizdo apžvalgos
Kai kurios pamokos prieinamos trumpųjų formų video pavidalu. Juos visus galite rasti įdėtus į pamokas arba [ML pradedantiesiems grojaraštyje Microsoft Developer YouTube kanale](https://aka.ms/ml-beginners-videos) paspaudę žemiau esantį paveikslėlį.
Kai kurios pamokos pateikiamos trumpų formų vaizdo įrašais. Jas visas rasite tiesiogiai pamokose arba [ML pradedantiesiems grojaraštyje „Microsoft Developer“ YouTube kanale](https://aka.ms/ml-beginners-videos) spustelėję paveikslėlį žemiau.
> 🎥 Paspauskite viršuje esantį paveikslėlį, kad pamatytumėte vaizdo įrašą apie projektą ir jį sukūrusius žmones!
> 🎥 Spustelėkite viršutinį paveikslėlį, kad peržiūrėtumėte vaizdo įrašą apie projektą ir jo kūrėjus!
---
## Pedagogika
Kuriant šią mokymo programą pasirinkome dvi pedagogines nuostatas: užtikrinti, kad mokymasis būtų praktiškai orientuotas į **projektus** ir kad būtų dažni **testai**. Be to, ši programa turi bendrą **temą**, kuri suteikia ją vientisumo.
Kuriant šį kurikulą pasirinkome du pedagoginius principus: užtikrinti, kad jis būtų praktinis, **projektų pagrindu** ir būtų įtrauktos **dažnos viktorinos**. Be to, šis kurikulas turi bendrą **temą**, suteikiančią nuoseklumą.
Užtikrinant, kad turinys derėtų su projektais, procesas tampa patrauklesnis studentams, o koncepcijų išlaikymas pagerėja. Be to, mažos rizikos testas prieš pamoką nukreipia studento dėmesį į mokymąsi, o antras testas po pamokos užtikrina dar geresnį išlaikymą. Ši programa sukurta būti lanksti ir smagi, ją galima atlikti visiškai arba iš dalies. Projektai prasideda nedideli ir tampa vis sudėtingesni per 12 savaičių ciklą. Programa taip pat apima postskriptą apie ML realaus pasaulio taikymą, kurį galima naudoti kaip papildomą kreditą ar diskusijų pagrindą.
Suderinus turinį su projektais, mokymosi procesas tampa patrauklesnis ir koncepcijų įsisavinimas sustiprinamas. Be to, mažos rizikos testas prieš paskaitą nukreipia studentą į naujos temos mokymąsi, o antras testas po paskaitos užtikrina geresnį įsisavinimą. Šis kurikulas sukurtas būti lankstus ir įdomus, jį galima atlikti pilnai arba dalimis. Projektai pradžioje yra paprasti ir palaipsniui sudėtingėja iki 12 savaičių ciklo pabaigos. Šiame kurikule taip pat yra pabaigos pastaba apie mašininio mokymosi taikymą realiame pasaulyje, kurį galima naudoti kaip papildomą užduotį arba diskusijų pagrindą.
> Rasite mūsų [Elgesio kodeksą](CODE_OF_CONDUCT.md), [Indėlio taisykles](CONTRIBUTING.md), [Vertimo gaires](TRANSLATIONS.md) ir [Trikčių šalinimo gaires](TROUBLESHOOTING.md). Laukiame jūsų konstruktyvios grįžtamosios informacijos!
> Raskite mūsų [Elgesio kodeksą](CODE_OF_CONDUCT.md), [Indėlio taisykles](CONTRIBUTING.md), [Vertimo gaires](TRANSLATIONS.md) ir [Trikčių šalinimo vadovą](TROUBLESHOOTING.md). Laukiame jūsų konstruktyvios grįžtamosios informacijos!
> **Pastaba apie kalbas**: Šios pamokos daugiausia yra parašytos Python kalba, tačiau dauguma jų taip pat prieinamos R kalba. Norėdami atlikti R pamoką, eikite į `/solution` aplanką ir raskite R pamokas. Jos turi .rmd plėtinį, kuris reiškia **R Markdown** failą, kurį galima apibrėžti kaip `kodo blokų` (R ar kitų kalbų) ir `YAML antraštės` (nurodančios, kaip formatuoti išvestis, pvz., PDF) įterpimą `Markdown` dokumente. Tokiu būdu tai puikus duomenų mokslo dokumentų kūrimo rėmas, leidžiantis sujungti savo kodą, jo išvestį ir apmąstymus, rašant juos Markdown formatu. Be to, R Markdown dokumentai gali būti sugeneruoti į išvesties formatus, tokius kaip PDF, HTML ar Word.
> **Pastaba apie testus**: Visi testai yra [Quiz App kataloge](../../quiz-app), iš viso 52 testai po tris klausimus kiekviename. Jie yra pateikti pamokose, tačiau testų programą galima paleisti vietoje; vadovaukitės nurodymais `quiz-app` kataloge, kad galėtumėte vietoje talpinti ar diegti į Azure.
| Pamokos numeris | Tema | Pamokos grupė | Mokymosi tikslai | Susieta pamoka | Autorius |
| 01 | Įvadas į mašininį mokymąsi | [Įvadas](1-Introduction/README.md) | Išmokti pagrindines mašininio mokymosi sąvokas | [Pamoka](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Mašininio mokymosi istorija | [Įvadas](1-Introduction/README.md) | Sužinoti šio srities istoriją | [Pamoka](1-Introduction/2-history-of-ML/README.md) | Jen ir Amy |
| 03 | Sąžiningumas ir mašininis mokymasis | [Įvadas](1-Introduction/README.md) | Kokie yra svarbūs filosofiniai klausimai apie sąžiningumą, kuriuos studentai turėtų apsvarstyti kuriant ir taikant ML modelius? | [Pamoka](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Mašininio mokymosi technikos | [Įvadas](1-Introduction/README.md) | Kokias technikas ML tyrėjai naudoja ML modeliams kurti? | [Pamoka](1-Introduction/4-techniques-of-ML/README.md) | Chris ir Jen |
| 05 | Įvadas į regresiją | [Regresija](2-Regression/README.md) | Pradėti naudotis Python ir Scikit-learn regresinių modelių kūrimui | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Šiaurės Amerikos moliūgų kainos 🎃 | [Regresija](2-Regression/README.md) | Atvaizduoti ir išvalyti duomenis prieš ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Šiaurės Amerikos moliūgų kainos 🎃 | [Regresija](2-Regression/README.md) | Kurti linijinius ir polinominius regresijos modelius | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen ir Dmitry • Eric Wanjau |
| 08 | Šiaurės Amerikos moliūgų kainos 🎃 | [Regresija](2-Regression/README.md) | Kurti logistinės regresijos modelį | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Tinklalapio programa 🔌 | [Tinklalapio programa](3-Web-App/README.md) | Kurti tinklalapio programą savo apmokytam modeliui naudoti | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Įvadas į klasifikaciją | [Klasifikacija](4-Classification/README.md) | Išvalyti, paruošti ir vizualizuoti savo duomenis; įvadas į klasifikaciją | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen ir Cassie • Eric Wanjau |
| 11 | Skanios Azijos ir Indijos virtuvės 🍜 | [Klasifikacija](4-Classification/README.md) | Įvadas į klasifikatorius | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen ir Cassie • Eric Wanjau |
| 12 | Skanios Azijos ir Indijos virtuvės 🍜 | [Klasifikacija](4-Classification/README.md) | Daugiau klasifikatorių | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen ir Cassie • Eric Wanjau |
| 13 | Skanios Azijos ir Indijos virtuvės 🍜 | [Klasifikacija](4-Classification/README.md) | Kurti rekomendacinę tinklalapio programą naudodami savo modelį | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Įvadas į klasterizaciją | [Klasterizacija](5-Clustering/README.md) | Išvalyti, paruošti ir vizualizuoti savo duomenis; Įvadas į klasterizaciją | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Nigerijos muzikos skonių tyrimas 🎧 | [Klasterizacija](5-Clustering/README.md) | Tirti K-vidurkių klasterizacijos metodą | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Įvadas į natūralios kalbos apdorojimą ☕️ | [Natūralios kalbos apdorojimas](6-NLP/README.md) | Išmokti NLP pagrindų kurdami paprastą botą | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Dažnos NLP užduotys ☕️ | [Natūralios kalbos apdorojimas](6-NLP/README.md) | Gilinti savo NLP žinias suprantant dažnas užduotis, reikalingas kalbos struktūroms, apdoroti | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Vertimas ir nuotaikų analizė ♥️ | [Natūralios kalbos apdorojimas](6-NLP/README.md) | Vertimas ir nuotaikų analizė su Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Romantiški Europos viešbučiai ♥️ | [Natūralios kalbos apdorojimas](6-NLP/README.md) | Nuotaikų analizė su viešbučių atsiliepimais 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Romantiški Europos viešbučiai ♥️ | [Natūralios kalbos apdorojimas](6-NLP/README.md) | Nuotaikų analizė su viešbučių atsiliepimais 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 22 | ⚡️ Pasaulio energijos vartojimas ⚡️ – laikinių eilučių prognozavimas su ARIMA | [Laikinės eilutės](7-TimeSeries/README.md) | Laikinių eilučių prognozavimas su ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Pasaulio energijos vartojimas ⚡️ – laikinių eilučių prognozavimas su SVR | [Laikinės eilutės](7-TimeSeries/README.md) | Laikinių eilučių prognozavimas su palaikymo vektorių regresoriumi | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Įvadas į stiprinamąjį mokymąsi | [Stiprinamasis mokymasis](8-Reinforcement/README.md) | Įvadas į stiprinamąjį mokymąsi su Q-mokymusi | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Padėkite Peteriui išvengti vilko! 🐺 | [Stiprinamasis mokymasis](8-Reinforcement/README.md) | Stiprinamojo mokymosi sporto salė | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Realūs ML scenarijai ir taikymai | [ML laukinėje gamtoje](9-Real-World/README.md) | Įdomios ir atskleidžiančios klasikinio ML realių situacijų taikymo galimybės | [Pamoka](9-Real-World/1-Applications/README.md) | Komanda |
| Postscript | Modelio derinimas ML naudojant RAI valdymo skydelį | [ML laukinėje gamtoje](9-Real-World/README.md) | Modelio derinimas mašininiame mokyme naudojant Atsakingos AI valdymo skydelio komponentus | [Pamoka](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [raskite visus papildomuosius šio kurso išteklius mūsų Microsoft Learn kolekcijoje](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Neprisijungęs prieigos režimas
Galite naudoti šią dokumentaciją neprisijungę, naudodami [Docsify](https://docsify.js.org/#/). Šakinkite šį repo, [įdiekite Docsify](https://docsify.js.org/#/quickstart) savo vietiniame kompiuteryje, ir tada šiame repo šakniniame kataloge įveskite `docsify serve`. Svetainė bus pasiekiama 3000 prievade: `localhost:3000`.
## PDF failai
Raskite kurso turinio PDF su nuorodomis [čia](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
> **Pastaba apie kalbas**: šios pamokos daugiausia parašytos Python kalba, tačiau daug jų taip pat prieinamos R kalba. Norėdami atlikti R pamoką, eikite į `/solution` katalogą ir ieškokite R pamokų. Jos turi .rmd plėtinį, kuris žymi **R Markdown** failą, kurį galima apibūdinti kaip `kodo blokų` (R arba kitomis kalbomis) ir `YAML antraštės` (kuri nurodo, kaip formatuoti išvestį, pvz., PDF) integraciją į `Markdown` dokumentą. Todėl tai yra puiki kūrimo sistema duomenų mokslui, nes leidžia derinti kodą, jo rezultatus ir pastebėjimus, rašant juos Markdown formatu. Be to, R Markdown dokumentus galima eksportuoti į tokias išvesties formas kaip PDF, HTML ar Word.
> **Pastaba apie testus**: Visi testai yra [Quiz App aplanke](../../quiz-app), iš viso 52 testai po tris klausimus. Jie yra susieti pamokų viduje, tačiau testų programėlę galima paleisti ir vietoje; vadovaukitės nurodymais `quiz-app` aplanke, kad galėtumėte ją paleisti vietoje arba įdiegti į Azure.
| Pamokos numeris | Tema | Pamokos grupavimas | Mokymosi tikslai | Susieta pamoka | Autorius |
| 01 | Įvadas į mašininį mokymąsi | [Įvadas](1-Introduction/README.md) | Išmokite pagrindines mašininio mokymosi sąvokas | [Pamoka](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Mašininio mokymosi istorija | [Įvadas](1-Introduction/README.md) | Sužinokite šio srities istoriją | [Pamoka](1-Introduction/2-history-of-ML/README.md) | Jen ir Amy |
| 03 | Teisingumas ir mašininis mokymasis | [Įvadas](1-Introduction/README.md) | Kokios yra svarbios filosofinės teisingumo problemos, kurias studentai turėtų apsvarstyti kuriant ir taikant ML modelius? | [Pamoka](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Mašininio mokymosi technikos | [Įvadas](1-Introduction/README.md) | Kokias technikas ML tyrėjai naudoja kurdami ML modelius? | [Pamoka](1-Introduction/4-techniques-of-ML/README.md) | Chris ir Jen |
| 05 | Įvadas į regresiją | [Regresija](2-Regression/README.md) | Pradėkite naudotis Python ir Scikit-learn regresijos modeliams | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Šiaurės Amerikos moliūgų kainos 🎃 | [Regresija](2-Regression/README.md) | Vaizduokite ir valykite duomenis, ruošiantis ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Šiaurės Amerikos moliūgų kainos 🎃 | [Regresija](2-Regression/README.md) | Kurkite linijinius ir polinominius regresijos modelius | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen ir Dmitry • Eric Wanjau |
| 08 | Šiaurės Amerikos moliūgų kainos 🎃 | [Regresija](2-Regression/README.md) | Kurkite loginės regresijos modelį | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Interneto programėlė 🔌 | [Web App](3-Web-App/README.md) | Sukurkite internetinę programėlę, kad naudotumėte savo išmokytą modelį | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Įvadas į klasifikavimą | [Klasifikacija](4-Classification/README.md) | Valykite, paruoškite ir vizualizuokite duomenis; įvadas į klasifikavimą | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen ir Cassie • Eric Wanjau |
| 11 | Gardūs Azijos ir Indijos virtuvės patiekalai 🍜 | [Klasifikacija](4-Classification/README.md) | Įvadas į klasifikatorius | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen ir Cassie • Eric Wanjau |
| 12 | Gardūs Azijos ir Indijos virtuvės patiekalai 🍜 | [Klasifikacija](4-Classification/README.md) | Daugiau klasifikatorių | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen ir Cassie • Eric Wanjau |
| 13 | Gardūs Azijos ir Indijos virtuvės patiekalai 🍜 | [Klasifikacija](4-Classification/README.md) | Sukurkite rekomendacinę interneto programėlę naudodami savo modelį | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Įvadas į klasterizavimą | [Klasterizacija](5-Clustering/README.md) | Valykite, paruoškite ir vizualizuokite savo duomenis; įvadas į klasterizaciją | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Nigerijos muzikos skonių tyrinėjimas 🎧 | [Klasterizacija](5-Clustering/README.md) | Tyrinėkite K-Means klasterizavimo metodą | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Įvadas į natūralios kalbos apdorojimą ☕️ | [Natūralios kalbos apdorojimas](6-NLP/README.md) | Išmokite NLP pagrindus kurdami paprastą botą | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Bendros NLP užduotys ☕️ | [Natūralios kalbos apdorojimas](6-NLP/README.md) | Gilinkite NLP žinias suprasdami dažnas užduotis, reikalingas kalbos struktūroms apdoroti | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Vertimas ir nuotaikos analizė ♥️ | [Natūralios kalbos apdorojimas](6-NLP/README.md) | Vertimas ir nuotaikos analizė su Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Romantiški Europos viešbučiai ♥️ | [Natūralios kalbos apdorojimas](6-NLP/README.md) | Nuotaikos analizė su viešbučių atsiliepimais 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Romantiški Europos viešbučiai ♥️ | [Natūralios kalbos apdorojimas](6-NLP/README.md) | Nuotaikos analizė su viešbučių atsiliepimais 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Įvadas į laiko eilučių prognozavimą | [Laiko eilutės](7-TimeSeries/README.md) | Įvadas į laiko eilučių prognozavimą | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Pasaulinis elektros naudojimas ⚡️ - laiko eilučių prognozavimas su ARIMA | [Laiko eilutės](7-TimeSeries/README.md) | Laiko eilučių prognozavimas su ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Pasaulinis elektros naudojimas ⚡️ - laiko eilučių prognozavimas su SVR | [Laiko eilutės](7-TimeSeries/README.md) | Laiko eilučių prognozavimas su palaikomųjų vektorių regresoriumi | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Įvadas į sustiprintą mokymąsi | [Sustiprintas mokymasis](8-Reinforcement/README.md) | Įvadas į sustiprintą mokymąsi su Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Padėkite Peteriui išvengti vilko! 🐺 | [Sustiprintas mokymasis](8-Reinforcement/README.md) | Sustiprinto mokymosi sporto salė | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Tikro pasaulio ML scenarijai ir taikymai | [ML laukinėje gamtoje](9-Real-World/README.md) | Įdomūs ir atskleidžiantys klasikinio ML realaus pasaulio taikymai | [Pamoka](9-Real-World/1-Applications/README.md) | Komanda |
| Postscript | Modelių derinimas ML naudojant RAI prietaisų skydelį | [ML laukinėje gamtoje](9-Real-World/README.md) | Modelių derinimas mašininio mokymosi srityje naudojant Atsakingo AI prietaisų skydelio komponentus | [Pamoka](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [raskite visus papildomus šio kurso išteklius mūsų Microsoft Learn kolekcijoje](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Offline prieiga
Šią dokumentaciją galite naudoti offline naudodami [Docsify](https://docsify.js.org/#/). Šakinkite šį repozitoriją, [įdiekite Docsify](https://docsify.js.org/#/quickstart) savo vietiniame kompiuteryje, tada šio repozitorijos šakniniame aplanke įrašykite `docsify serve`. Svetainė bus paleista 3000 prievade jūsų localhost: `localhost:3000`.
## PDF'ai
Curriculum PDF su nuorodomis rasite [čia](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Kiti kursai
Mūsų komanda kuria ir kitus kursus! Peržiūrėkite:
Mūsų komanda kuria ir kitus kursus! Pažiūrėkite:
<!-- 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/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
@ -193,31 +193,31 @@ Mūsų komanda kuria ir kitus kursus! Peržiūrėkite:
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
Jei užstrigote arba turite klausimų apie DI programėlių kūrimą, prisijunkite prie mokymosi draugų ir patyrusių programuotojų diskusijų apie MCP. Tai palaikanti bendruomenė, kurioje klausimai laukiami, o žinios dalijamasi laisvai.
Jei įstringate arba turite klausimų apie DI programų kūrimą. Prisijunkite prie kitų mokinių ir patyrusių kūrėjų, kurie dalyvauja diskusijose apie MCP. Tai palaikanti bendruomenė, kurioje klausimai yra laukiami, o žinios laisvai dalijamos.
Šis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą [Co-op Translator](https://github.com/Azure/co-op-translator). Nors stengiamės užtikrinti tikslumą, prašome atkreipti dėmesį, kad automatizuoti vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba turėtų būti laikomas autoritetingu šaltiniu. Svarbiai informacijai rekomenduojamas profesionalus žmogaus vertimas. Mes neatsakome už jokius nesusipratimus ar neteisingus aiškinimus, kylančius dėl šio vertimo naudojimo.
**Atsakomybės apribojimas**:
Šis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą [Co-op Translator](https://github.com/Azure/co-op-translator). Nors siekiame tikslumo, atkreipkite dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Pirminis dokumentas originalia kalba yra laikomas autoritetingu šaltiniu. Svarbiai informacijai rekomenduojama naudoti profesionalų žmogaus vertimą. Mes neatsakome už bet kokius nesusipratimus ar neteisingą interpretaciją, kylančią naudojantis šiuo vertimu.
| 04 | စက်မှုလေ့လာမှုနည်းဗျူဟာများ | [Introduction](1-Introduction/README.md) | ML သုတေသနသမားများ ဘယ်နည်းဗျူဟာများအသုံးပြုပြီး ML ပုံစံများ ဖန်တီးသလဲ? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
[](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/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
> Цей репозиторій містить понад 50 перекладів мовами, що значно збільшує розмір завантаження. Щоб клонувати без перекладів, використовуйте оновлений вибірковий чек-аут:
> Цей репозиторій містить понад 50 перекладів мов, що значно збільшує розмір завантаження. Щоб клонувати без перекладів, використовуйте sparse checkout:
Ми проводимо серію навчань у Discord "Learn with AI", дізнайтеся більше та приєднуйтеся на [Learn with AI Series](https://aka.ms/learnwithai/discord) з 18 по 30 вересня 2025 року. Ви отримаєте поради та хитрощі використання GitHub Copilot для Data Science.
У нас проходить серія в Discord "Вчимося з AI", дізнайтеся більше та приєднуйтесь за посиланням [Learn with AI Series](https://aka.ms/learnwithai/discord) з 18 по 30 вересня 2025 року. Ви отримаєте поради та трюки з використання GitHub Copilot для Data Science.
# Машинне навчання для початківців - навчальна програма
> 🌍 Подорожуйте навколо світу, досліджуючи Машинне навчання через культури світу 🌍
> 🌍 Подорожуйте світом, досліджуючи машинне навчання через призму світових культур 🌍
Аналітики хмарних технологій Microsoft раді запропонувати 12-тижневу навчальну програму з 26 уроків про **Машинне навчання**. У цій навчальній програмі ви дізнаєтесь про те, що іноді називають **класичним машинним навчанням**, переважно використовуючи бібліотеку Scikit-learn та уникаючи глибокого навчання, яке розглядається в нашій [навчальній програмі AI для початківців](https://aka.ms/ai4beginners). Поєднуйте ці уроки з нашою [навчальною програмою Data Science для початківців](https://aka.ms/ds4beginners).
Фахівці Cloud Advocates у Microsoft раді запропонувати 12-тижневу навчальну програму з 26 уроків, присвячену **машинному навчанню**. У цій програмі ви дізнаєтеся про те, що іноді називають **класичним машинним навчанням**, використовуючи переважно бібліотеку Scikit-learn, уникаючи глибинного навчання, яке викладається у нашій програмі [AI для початківців](https://aka.ms/ai4beginners). Поєднуйте ці уроки з нашою програмою ['Data Science для початківців'](https://aka.ms/ds4beginners).
Подорожуйте з нами навколо світу, застосовуючи ці класичні методики до даних із різних куточків світу. Кожен урок містить тести до та після уроку, письмові інструкції для виконання уроку, розв’язок, завдання і не лише. Наша проєктно-орієнтована педагогіка дозволяє вам вчитись, одночасно створюючи проєкти — перевірений спосіб добре засвоїти нові навички.
Подорожуйте з нами навколо світу, застосовуючи ці класичні методи до даних з багатьох регіонів. Кожен урок містить опитування до і після уроку, письмові інструкції для виконання, розв’язок, завдання та інше. Наша проєктно-орієнтована педагогіка дозволяє вчитися через створення, що є перевіреним способом закріплення нових навичок.
> [знайдіть усі додаткові ресурси для цього курсу в нашій колекції Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [знайдіть усі додаткові ресурси для цього курсу в колекції Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Потрібна допомога?** Перевірте наш [Посібник з усунення неполадок](TROUBLESHOOTING.md) для вирішення поширених проблем із встановленням, налаштуванням та запуском уроків.
> 🔧 **Потрібна допомога?** Перевірте наш [Посібник з усунення несправностей](TROUBLESHOOTING.md) для розв’язання поширених проблем із встановленням, налаштуванням та запуском уроків.
**[Студенти](https://aka.ms/student-page)**, щоб скористатися цією навчальною програмою, відгалузіть весь репозиторій у свій обліковий запис GitHub і виконуйте вправи самостійно або в групі:
**[Студенти](https://aka.ms/student-page)**, щоб користуватися цією програмою, форкніть увесь репозиторій на свій обліковий запис GitHub і виконуйте вправи самостійно або в групі:
- Розпочинайте з тесту перед лекцією.
- Читайте лекцію та виконуйте завдання, зупиняючись і розмірковуючи на кожній перевірці знань.
- Намагайтеся створювати проєкти, розуміючи уроки, а не просто запускаючи код розв’язку; однак цей код доступний у папках `/solution`у кожному уроці, орієнтованому на проєкти.
- Пройдіть тест після лекції.
- Почніть з опитування перед лекцією.
- Прочитайте лекцію та виконайте завдання, зупиняючись і осмислюючи кожну перевірку знань.
- Намагайтеся створювати проєкти, розуміючи уроки, а не просто запускаючи код розв’язку; однак цей код доступний у папках `/solution`у кожному проєктно-орієнтованому уроці.
- Пройдіть опитування після лекції.
- Виконайте виклик.
- Виконайте завдання.
- Після завершення групи уроків відвідайте [Дискусійну дошку](https://github.com/microsoft/ML-For-Beginners/discussions) і "навчайтеся вголос", заповнюючи відповідну рубрику PAT. PAT — це інструмент оцінки прогресу, рубрика, яку ви заповнюєте для подальшого навчання. Ви також можете реагувати на PAT інших, щоб ми могли вчитися разом.
- Виконайте домашнє завдання.
- Після завершення групи уроків відвідайте [Дискусійну дошку](https://github.com/microsoft/ML-For-Beginners/discussions) та "вчіться голосно", заповнюючи відповідний рубрикатор PAT. PAT — це інструмент оцінки прогресу, який ви заповнюєте для поглиблення навчання. Ви також можете реагувати на інші PAT, щоб ми могли вчитися разом.
> Для подальшого вивчення радимо проходити ці [модулі та навчальні шляхи Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
> Для подальшого навчання рекомендуємо слідувати цим [модулям та навчальним шляхам Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
**Вчителі**, ми [включили кілька пропозицій](for-teachers.md) щодо використання цієї навчальної програми.
**Викладачі**, у нас є [деякі пропозиції](for-teachers.md) щодо використання цієї навчальної програми.
---
## Відеоогляди
## Відеоогляди
Деякі уроки доступні укороткому відеоформаті. Ви можете знайти їх вбудованими у уроки або на [плейлисті ML for Beginners на каналі Microsoft Developer YouTube](https://aka.ms/ml-beginners-videos), натиснувши на зображення нижче.
Деякі уроки доступні уформаті коротких відео. Ви можете знайти їх вбудованими у уроки або на [плейлисті ML for Beginners на каналі Microsoft Developer на YouTube](https://aka.ms/ml-beginners-videos), натиснувши на зображення нижче.
[](https://aka.ms/ml-beginners-videos)
> 🎥 Натисніть на зображення вище, щоб подивитися відео про проєкт і людей, які його створили!
> 🎥 Натисніть на зображення вище, щоб переглянути відео про проєкт і людей, які його створили!
---
## Педагогіка
Ми обрали дві педагогічні засади при створенні цієї навчальної програми: щоб вона була практичною **проєктно-орієнтованою** та включала **часті тести**. Крім того, ця програма має спільну **тематику** для цілісності.
Під час створення цієї програми ми спиралися на два педагогічні принципи: забезпечення практичності через **проєктно-орієнтоване навчання** та включення **частих опитувань**. Крім того, у програмі є спільна **тема**, що надає їй цілісності.
Забезпечуючи відповідність матеріалів проєктам, процес навчання стає більш захоплюючим для студентів і покращує засвоєння понять. Низькоцінні тести перед заняттям налаштовують студента на вивчення теми, а другий тест після заняття забезпечує подальше закріплення знань. Ця навчальна програма розроблена бути гнучкою та цікавою і може бути пройдена повністю або частково. Проєкти починаються з простих іпоступово ускладнюються протягом 12-тижневого циклу. Також у цій програмі є післямовний розділ про застосування ML у реальному світі, який можна використати як додатковий бонусабо як основу для обговорення.
Забезпечуючи відповідність контенту проєктам, процес стає більш захопливим для студентів, а засвоєння понять покращується. Крім того, опитування з низьким ступенем ризику перед заняттям задає намір студента вивчити теми, а друге опитування після заняття забезпечує подальше закріплення матеріалу. Ця програма розроблена як гнучка і цікава, її можна проходити повністю або частково. Проєкти починаються з простих істають все складнішими до кінця 12-тижневого циклу. Програма також містить постскриптум про реальні застосування машинного навчання, який можна використовувати як додаткові балиабо як основу для обговорення.
> Знайдіть наші правила [Кодекс поведінки](CODE_OF_CONDUCT.md), [Участь у проекті](CONTRIBUTING.md), [Переклади](TRANSLATIONS.md) та [Усунення проблем](TROUBLESHOOTING.md). Ми вітаємо вашу конструктивну критику!
> Ознайомтеся з нашим [Кодексом поведінки](CODE_OF_CONDUCT.md), [Правилами участі](CONTRIBUTING.md), [Перекладом](TRANSLATIONS.md) і [Посібником з усунення несправностей](TROUBLESHOOTING.md). Ми відкриті до ваших конструктивних відгуків!
## Кожен урок містить
## Кожен урок включає
- необов’язкову нотатку з ескізом
- необов’язковий скетчноут
- необов’язкове додаткове відео
- відеоогляд (тільки деякі уроки)
- [тест-розминку перед лекцією](https://ff-quizzes.netlify.app/en/ml/)
- [опитування для розігріву перед лекцією](https://ff-quizzes.netlify.app/en/ml/)
- письмовий урок
- для уроків з проєктами – покрокові інструкції зі створення проєкту
- для проєктно-орієнтованих уроків — покрокові інструкції зі створення проєкту
- перевірки знань
- виклик
- додаткове читання
- додаткові матеріали для читання
- завдання
- [тест після лекції](https://ff-quizzes.netlify.app/en/ml/)
> **Примітка про мови:** Ці уроки переважно написані на Python, але багато з них також доступні на R. Щоб завершити урок R, перейдіть у папку `/solution` та знайдіть уроки R. Вони мають розширення .rmd, що означає **R Markdown** файл, який можна просто визначити як вбудовування `кодових блоків` (на R чи інших мовах) та `YAML-заголовка` (який визначає форматування виводу, наприклад у PDF) у`Markdown документі`. Таким чином, це служить прикладом формату для створення матеріалів з науки про дані, оскільки дає змогу об’єднати код, його вивід і власні думки, записані в Markdown. Окрім того, документи R Markdown можна перетворювати на формати виводу, такі як PDF, HTML або Word.
> **Примітка про вікторини**: Усі вікторини містяться в [папці Quiz App](../../quiz-app), загалом 52 вікторини по три питання в кожній. Вони пов’язані з уроками, але додаток для вікторин можна запускати локально; дотримуйтесь інструкцій у папці `quiz-app` для локального хостингу або розгортання на Azure.
| Lesson Number | Тема | Група уроків | Навчальні цілі | Посилання на урок | Автор |
| 01 | Вступ до машинного навчання | [Вступ](1-Introduction/README.md) | Вивчити основні концепції машинного навчання | [Урок](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Історія машинного навчання | [Вступ](1-Introduction/README.md) | Вивчити історію цієї галузі | [Урок](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
| 03 | Справедливість та машинне навчання | [Вступ](1-Introduction/README.md) | Які важливі філософські питання щодо справедливості слід враховувати під час створення і застосування моделей машинного навчання? | [Урок](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Техніки для машинного навчання | [Вступ](1-Introduction/README.md) | Якими техніками користуються дослідники машинного навчання для побудови моделей? | [Урок](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
| 05 | Вступ до регресії | [Регресія](2-Regression/README.md) | Почати працювати з Python і Scikit-learn для моделей регресії | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Північноамериканські ціни на гарбузи 🎃 | [Регресія](2-Regression/README.md) | Візуалізувати та очистити дані для підготовки до машинного навчання | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Північноамериканські ціни на гарбузи 🎃 | [Регресія](2-Regression/README.md) | Побудувати лінійні та поліноміальні регресійні моделі | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
| 08 | Північноамериканські ціни на гарбузи 🎃 | [Регресія](2-Regression/README.md) | Побудувати модель логістичної регресії | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Веб-додаток 🔌 | [Веб-додаток](3-Web-App/README.md)| Побудувати веб-додаток для використання вашої навченої моделі | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Вступ до класифікації | [Класифікація](4-Classification/README.md) | Очистити, підготувати та візуалізувати дані; вступ до класифікації | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
| 11 | Смачні азійські та індійські кухні 🍜 | [Класифікація](4-Classification/README.md) | Вступ до класифікаторів | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau |
| 12 | Смачні азійські та індійські кухні 🍜 | [Класифікація](4-Classification/README.md) | Більше класифікаторів | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau |
| 13 | Смачні азійські та індійські кухні 🍜 | [Класифікація](4-Classification/README.md) | Побудувати веб-додаток-рекомендатор, використовуючи вашу модель | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Вступ до кластеризації | [Кластеризація](5-Clustering/README.md) | Очистити, підготувати та візуалізувати дані; Вступ до кластеризації | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Дослідження музичних вподобань Нігерії 🎧 | [Кластеризація](5-Clustering/README.md) | Ознайомитись з методом кластеризації K-Середніх | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Вступ до обробки природної мови ☕️ | [Обробка природної мови](6-NLP/README.md) | Вивчити основи NLP, створюючи простого бота | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Загальні завдання NLP ☕️ | [Обробка природної мови](6-NLP/README.md) | Поглибити знання NLP, розуміючи загальні завдання, що вимагаються при роботі зі структурами мови | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Переклад і аналіз сентименту ♥️ | [Обробка природної мови](6-NLP/README.md) | Переклад і аналіз сентименту з Джейн Остін | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Романтичні готелі Європи ♥️ | [Обробка природної мови](6-NLP/README.md) | Аналіз сентименту відгуків про готелі 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Романтичні готелі Європи ♥️ | [Обробка природної мови](6-NLP/README.md) | Аналіз сентименту відгуків про готелі 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 22 | ⚡️ Світове споживання електроенергії ⚡️ - прогнозування часового ряду з ARIMA | [Часові ряди](7-TimeSeries/README.md) | Прогнозування часових рядів за допомогою ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Світове споживання електроенергії ⚡️ - прогнозування часового ряду з SVR | [Часові ряди](7-TimeSeries/README.md) | Прогнозування часових рядів за допомогою регресії на опорних векторах | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Вступ до навчання з підкріпленням | [Навчання з підкріпленням](8-Reinforcement/README.md) | Вступ до навчання з підкріпленням з Q-навчанням | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Допоможіть Пітеру уникнути вовка! 🐺 | [Навчання з підкріпленням](8-Reinforcement/README.md) | Навчання з підкріпленням Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Постскрипт | Сценарії та застосування ML у реальному світі | [ML у природі](9-Real-World/README.md) | Цікаві й показові реальні приклади класичного машинного навчання | [Урок](9-Real-World/1-Applications/README.md) | Команда |
| Постскрипт | Налагодження моделей ML за допомогою панелі RAI | [ML у природі](9-Real-World/README.md) | Налагодження моделей машинного навчання за допомогою панелі Responsible AI | [Урок](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [знайдіть усі додаткові ресурси для цього курсу в нашій колекції Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Офлайн-доступ
Ви можете запускати цю документацію офлайн, використовуючи [Docsify](https://docsify.js.org/#/). Відфоркніть це сховище, [встановіть Docsify](https://docsify.js.org/#/quickstart) на свій локальний комп’ютер, а потім у кореневій папці сховища введіть `docsify serve`. Вебсайт буде доступний на порту 3000 локального сервера: `localhost:3000`.
## PDF-файли
Знайдіть PDF з навчальною програмою з посиланнями [тут](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
- [опитування після лекції](https://ff-quizzes.netlify.app/en/ml/)
> **Примітка про мови:** ці уроки головним чином написані на Python, але багато з них також доступні на R. Щоб пройти урок на R, зайдіть у папку `/solution`і знайдіть уроки на R. Вони мають розширення .rmd, що означає **R Markdown** файл — це, по суті, документ Markdown, який містить `фрагменти коду` (на R або інших мовах) і`YAML-заголовок` (який визначає формат вихідного файлу, наприклад PDF). Він слугує взірцевим середовищем для створення матеріалів з науки про дані, оскільки дозволяє поєднувати код, результати виконання та власні думки, записані у форматі Markdown. R Markdown документи можна згенерувати у формати PDF, HTML або Word.
> **Примітка щодо вікторин**: Всі вікторини знаходяться в папці [Quiz App folder](../../quiz-app), загалом 52 вікторини по три запитання кожна. Вони пов’язані з уроками, але додаток вікторини можна запускати локально; дотримуйтесь інструкцій у папці `quiz-app` для локального розгортання або публікації в Azure.
| Lesson Number | Тема | Група уроків | Навчальні цілі | Посилання на урок | Автор |
| 01 | Вступ до машинного навчання | [Вступ](1-Introduction/README.md) | Вивчити основні концепції машинного навчання | [Урок](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Історія машинного навчання | [Вступ](1-Introduction/README.md) | Ознайомитися з історією цієї галузі | [Урок](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
| 03 | Справедливість і машинне навчання | [Вступ](1-Introduction/README.md) | Які важливі філософські питання щодо справедливості слід враховувати при створенні та застосуванні моделей МН? | [Урок](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Техніки машинного навчання | [Вступ](1-Introduction/README.md) | Якими методами користуються дослідники МН для побудови моделей? | [Урок](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
| 05 | Вступ до регресії | [Регресія](2-Regression/README.md) | Почати роботу з Python та Scikit-learn для регресійних моделей | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Ціни гарбузів у Північній Америці 🎃 | [Регресія](2-Regression/README.md) | Візуалізувати та очистити дані для підготовки до МН | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Ціни гарбузів у Північній Америці 🎃 | [Регресія](2-Regression/README.md) | Побудувати лінійні та поліноміальні регресійні моделі | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
| 08 | Ціни гарбузів у Північній Америці 🎃 | [Регресія](2-Regression/README.md) | Побудувати модель логістичної регресії | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Веб-додаток 🔌 | [Веб-додаток](3-Web-App/README.md) | Побудувати веб-додаток для використання навченої моделі | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Вступ до класифікації | [Класифікація](4-Classification/README.md) | Очистити, підготувати та візуалізувати дані; вступ до класифікації | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
| 11 | Смачні азіатські та індійські кухні 🍜 | [Класифікація](4-Classification/README.md) | Вступ до класифікаторів | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau |
| 12 | Смачні азіатські та індійські кухні 🍜 | [Класифікація](4-Classification/README.md) | Більше класифікаторів | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau |
| 13 | Смачні азіатські та індійські кухні 🍜 | [Класифікація](4-Classification/README.md) | Побудувати рекомендаційний веб-додаток із використанням моделі | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Вступ до кластеризації | [Кластеризація](5-Clustering/README.md) | Очистити, підготувати та візуалізувати дані; вступ до кластеризації | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Дослідження музичних вподобань Нігерії 🎧 | [Кластеризація](5-Clustering/README.md) | Дослідження методу кластеризації 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 | Вступ до обробки природної мови ☕️ | [Обробка природної мови](6-NLP/README.md) | Вивчити основи NLP, побудувавши простого бота | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Загальні завдання NLP ☕️ | [Обробка природної мови](6-NLP/README.md) | Поглибити знання NLP, зрозумівши поширені завдання, необхідні для роботи з мовними структурами | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Переклад і аналіз настроїв ♥️ | [Обробка природної мови](6-NLP/README.md) | Переклад і аналіз настроїв із Джейн Остін | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Романтичні готелі Європи ♥️ | [Обробка природної мови](6-NLP/README.md) | Аналіз настроїв на основі відгуків про готелі 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Романтичні готелі Європи ♥️ | [Обробка природної мови](6-NLP/README.md) | Аналіз настроїв на основі відгуків про готелі 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 22 | ⚡️ Світове споживання електроенергії ⚡️ - прогноз ARIMA | [Часові ряди](7-TimeSeries/README.md) | Прогноз часових рядів за допомогою ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Світове споживання електроенергії ⚡️ - прогноз SVR | [Часові ряди](7-TimeSeries/README.md) | Прогноз часових рядів з використанням підтримуючих векторних регресорів | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Вступ до підсиленого навчання | [Підсилене навчання](8-Reinforcement/README.md) | Вступ до підсиленого навчання з Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Допоможи Пітеру уникнути вовка! 🐺 | [Підсилене навчання](8-Reinforcement/README.md) | Gym для підсиленого навчання | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Постскрипт | Реальні сценарії та застосування МН | [МНу реальному житті](9-Real-World/README.md) | Цікаві та показові реальні застосування класичного машинного навчання | [Урок](9-Real-World/1-Applications/README.md) | Команда |
| Постскрипт | Налагодження моделей МН за допомогою RAI | [МНу реальному житті](9-Real-World/README.md) | Налагодження моделей машинного навчання за допомогою дашборду Responsible AI | [Урок](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [знайдіть усі додаткові ресурси для цього курсу у нашій колекції Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Офлайндоступ
Ви можете працювати з цією документацією офлайн, використовуючи [Docsify](https://docsify.js.org/#/). Форкніть цей репозиторій, [встановіть Docsify](https://docsify.js.org/#/quickstart) на своєму локальному комп’ютері, а потім у кореневій папці репозиторію введіть `docsify serve`. Вебсайт буде доступний на порту 3000 на вашому локальному хості: `localhost:3000`.
## PDFs
Знайдіть PDF версію навчальної програми з посиланнями [тут](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Інші курси
Наша команда створює інші курси! Перегляньте:
Наша команда також створює інші курси! Перегляньте:
<!-- 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)
---
### Azure / Edge / MCP / Agents
@ -180,38 +180,38 @@
---
### Генеративна AI Серія
[](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)
### Generative AI Series
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Серія Copilot
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
Якщо ви застрягли або маєте запитання щодо створення AI-додатків. Приєднуйтесь до інших учнів та досвідчених розробників у обговореннях про MCP. Це підтримуюча спільнота, де вітаються запитання і знання вільно обмінюються.
Якщо ви застрягли або маєте питання щодо створення ШІ-додатків. Приєднуйтесь до інших учнів та досвідчених розробників у обговореннях про MCP. Це підтримуюча спільнота, де питання вітаються, а знання вільно діляться.
Цей документ було перекладено за допомогою сервісу автоматичного перекладу [Co-op Translator](https://github.com/Azure/co-op-translator). Хоча ми прагнемо до точності, просимо враховувати, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ рідною мовою слід вважати авторитетним джерелом. Для критично важливої інформації рекомендується звернутися до професійного перекладу людиною. Ми не несемо відповідальності за будь-які непорозуміння чи неправильні тлумачення, що виникли внаслідок використання цього перекладу.
Цей документ був перекладений за допомогою сервісу автоматичного перекладу [Co-op Translator](https://github.com/Azure/co-op-translator). Хоча ми прагнемо до точності, просимо враховувати, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ мовою оригіналу слід вважати офіційним джерелом. Для критично важливої інформації рекомендується звертатись до професійного людського перекладу. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.
localizeflow[bot]
4 days ago