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

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

Browse Source
pull/918/head
localizeflow[bot] 3 months ago
parent cd083eef38
commit f684276de5
300 changed files with 2119 additions and 3003 deletions
Show Stats Download Patch File Download Diff File

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

@ -0,0 +1,596 @@
{
"1-Introduction/1-intro-to-ML/README.md": {
"original_hash": "69389392fa6346e0dfa30f664b7b6fec",
"translation_date": "2025-09-05T07:56:36+00:00",
"source_file": "1-Introduction/1-intro-to-ML/README.md",
"language_code": "lt"
},
"1-Introduction/1-intro-to-ML/assignment.md": {
"original_hash": "4c4698044bb8af52cfb6388a4ee0e53b",
"translation_date": "2025-09-03T17:48:39+00:00",
"source_file": "1-Introduction/1-intro-to-ML/assignment.md",
"language_code": "lt"
},
"1-Introduction/2-history-of-ML/README.md": {
"original_hash": "6a05fec147e734c3e6bfa54505648e2b",
"translation_date": "2025-09-05T07:57:11+00:00",
"source_file": "1-Introduction/2-history-of-ML/README.md",
"language_code": "lt"
},
"1-Introduction/2-history-of-ML/assignment.md": {
"original_hash": "eb6e4d5afd1b21a57d2b9e6d0aac3969",
"translation_date": "2025-09-03T17:52:40+00:00",
"source_file": "1-Introduction/2-history-of-ML/assignment.md",
"language_code": "lt"
},
"1-Introduction/3-fairness/README.md": {
"original_hash": "9a6b702d1437c0467e3c5c28d763dac2",
"translation_date": "2025-09-05T07:55:02+00:00",
"source_file": "1-Introduction/3-fairness/README.md",
"language_code": "lt"
},
"1-Introduction/3-fairness/assignment.md": {
"original_hash": "dbda60e7b1fe5f18974e7858eff0004e",
"translation_date": "2025-09-03T17:40:51+00:00",
"source_file": "1-Introduction/3-fairness/assignment.md",
"language_code": "lt"
},
"1-Introduction/4-techniques-of-ML/README.md": {
"original_hash": "9d91f3af3758fdd4569fb410575995ef",
"translation_date": "2025-09-05T07:55:51+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/README.md",
"language_code": "lt"
},
"1-Introduction/4-techniques-of-ML/assignment.md": {
"original_hash": "70d65aeddc06170bc1aed5b27805f930",
"translation_date": "2025-09-03T17:45:06+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/assignment.md",
"language_code": "lt"
},
"1-Introduction/README.md": {
"original_hash": "cf8ecc83f28e5b98051d2179eca08e08",
"translation_date": "2025-09-03T17:33:31+00:00",
"source_file": "1-Introduction/README.md",
"language_code": "lt"
},
"2-Regression/1-Tools/README.md": {
"original_hash": "fa81d226c71d5af7a2cade31c1c92b88",
"translation_date": "2025-09-05T07:46:22+00:00",
"source_file": "2-Regression/1-Tools/README.md",
"language_code": "lt"
},
"2-Regression/1-Tools/assignment.md": {
"original_hash": "74a5cf83e4ebc302afbcbc4f418afd0a",
"translation_date": "2025-09-03T16:40:22+00:00",
"source_file": "2-Regression/1-Tools/assignment.md",
"language_code": "lt"
},
"2-Regression/1-Tools/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T16:41:06+00:00",
"source_file": "2-Regression/1-Tools/solution/Julia/README.md",
"language_code": "lt"
},
"2-Regression/2-Data/README.md": {
"original_hash": "7c077988328ebfe33b24d07945f16eca",
"translation_date": "2025-09-05T07:47:19+00:00",
"source_file": "2-Regression/2-Data/README.md",
"language_code": "lt"
},
"2-Regression/2-Data/assignment.md": {
"original_hash": "4485a1ed4dd1b5647365e3d87456515d",
"translation_date": "2025-09-03T16:44:47+00:00",
"source_file": "2-Regression/2-Data/assignment.md",
"language_code": "lt"
},
"2-Regression/2-Data/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T16:45:23+00:00",
"source_file": "2-Regression/2-Data/solution/Julia/README.md",
"language_code": "lt"
},
"2-Regression/3-Linear/README.md": {
"original_hash": "40e64f004f3cb50aa1d8661672d3cd92",
"translation_date": "2025-09-05T07:43:58+00:00",
"source_file": "2-Regression/3-Linear/README.md",
"language_code": "lt"
},
"2-Regression/3-Linear/assignment.md": {
"original_hash": "cc471fa89c293bc735dd3a9a0fb79b1b",
"translation_date": "2025-09-03T16:24:46+00:00",
"source_file": "2-Regression/3-Linear/assignment.md",
"language_code": "lt"
},
"2-Regression/3-Linear/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T16:25:23+00:00",
"source_file": "2-Regression/3-Linear/solution/Julia/README.md",
"language_code": "lt"
},
"2-Regression/4-Logistic/README.md": {
"original_hash": "abf86d845c84330bce205a46b382ec88",
"translation_date": "2025-09-05T07:45:13+00:00",
"source_file": "2-Regression/4-Logistic/README.md",
"language_code": "lt"
},
"2-Regression/4-Logistic/assignment.md": {
"original_hash": "8af40209a41494068c1f42b14c0b450d",
"translation_date": "2025-09-03T16:34:48+00:00",
"source_file": "2-Regression/4-Logistic/assignment.md",
"language_code": "lt"
},
"2-Regression/4-Logistic/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T16:35:20+00:00",
"source_file": "2-Regression/4-Logistic/solution/Julia/README.md",
"language_code": "lt"
},
"2-Regression/README.md": {
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
"translation_date": "2025-09-03T16:16:42+00:00",
"source_file": "2-Regression/README.md",
"language_code": "lt"
},
"3-Web-App/1-Web-App/README.md": {
"original_hash": "e0b75f73e4a90d45181dc5581fe2ef5c",
"translation_date": "2025-09-05T07:57:52+00:00",
"source_file": "3-Web-App/1-Web-App/README.md",
"language_code": "lt"
},
"3-Web-App/1-Web-App/assignment.md": {
"original_hash": "a8e8ae10be335cbc745b75ee552317ff",
"translation_date": "2025-09-03T17:57:27+00:00",
"source_file": "3-Web-App/1-Web-App/assignment.md",
"language_code": "lt"
},
"3-Web-App/README.md": {
"original_hash": "9836ff53cfef716ddfd70e06c5f43436",
"translation_date": "2025-09-03T17:53:15+00:00",
"source_file": "3-Web-App/README.md",
"language_code": "lt"
},
"4-Classification/1-Introduction/README.md": {
"original_hash": "aaf391d922bd6de5efba871d514c6d47",
"translation_date": "2025-09-05T08:00:35+00:00",
"source_file": "4-Classification/1-Introduction/README.md",
"language_code": "lt"
},
"4-Classification/1-Introduction/assignment.md": {
"original_hash": "b2a01912beb24cfb0007f83594dba801",
"translation_date": "2025-09-03T18:15:31+00:00",
"source_file": "4-Classification/1-Introduction/assignment.md",
"language_code": "lt"
},
"4-Classification/1-Introduction/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T18:16:12+00:00",
"source_file": "4-Classification/1-Introduction/solution/Julia/README.md",
"language_code": "lt"
},
"4-Classification/2-Classifiers-1/README.md": {
"original_hash": "1a6e9e46b34a2e559fbbfc1f95397c7b",
"translation_date": "2025-09-05T07:58:37+00:00",
"source_file": "4-Classification/2-Classifiers-1/README.md",
"language_code": "lt"
},
"4-Classification/2-Classifiers-1/assignment.md": {
"original_hash": "de6025f96841498b0577e9d1aee18d1f",
"translation_date": "2025-09-03T18:04:53+00:00",
"source_file": "4-Classification/2-Classifiers-1/assignment.md",
"language_code": "lt"
},
"4-Classification/2-Classifiers-1/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T18:05:32+00:00",
"source_file": "4-Classification/2-Classifiers-1/solution/Julia/README.md",
"language_code": "lt"
},
"4-Classification/3-Classifiers-2/README.md": {
"original_hash": "49047911108adc49d605cddfb455749c",
"translation_date": "2025-09-05T08:00:00+00:00",
"source_file": "4-Classification/3-Classifiers-2/README.md",
"language_code": "lt"
},
"4-Classification/3-Classifiers-2/assignment.md": {
"original_hash": "58dfdaf79fb73f7d34b22bdbacf57329",
"translation_date": "2025-09-03T18:11:34+00:00",
"source_file": "4-Classification/3-Classifiers-2/assignment.md",
"language_code": "lt"
},
"4-Classification/3-Classifiers-2/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T18:12:14+00:00",
"source_file": "4-Classification/3-Classifiers-2/solution/Julia/README.md",
"language_code": "lt"
},
"4-Classification/4-Applied/README.md": {
"original_hash": "61bdec27ed2da8b098cd9065405d9bb0",
"translation_date": "2025-09-05T07:59:28+00:00",
"source_file": "4-Classification/4-Applied/README.md",
"language_code": "lt"
},
"4-Classification/4-Applied/assignment.md": {
"original_hash": "799ed651e2af0a7cad17c6268db11578",
"translation_date": "2025-09-03T18:08:43+00:00",
"source_file": "4-Classification/4-Applied/assignment.md",
"language_code": "lt"
},
"4-Classification/README.md": {
"original_hash": "74e809ffd1e613a1058bbc3e9600859e",
"translation_date": "2025-09-03T17:59:22+00:00",
"source_file": "4-Classification/README.md",
"language_code": "lt"
},
"5-Clustering/1-Visualize/README.md": {
"original_hash": "730225ea274c9174fe688b21d421539d",
"translation_date": "2025-09-05T07:50:18+00:00",
"source_file": "5-Clustering/1-Visualize/README.md",
"language_code": "lt"
},
"5-Clustering/1-Visualize/assignment.md": {
"original_hash": "589fa015a5e7d9e67bd629f7d47b53de",
"translation_date": "2025-09-03T17:16:10+00:00",
"source_file": "5-Clustering/1-Visualize/assignment.md",
"language_code": "lt"
},
"5-Clustering/1-Visualize/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T17:16:50+00:00",
"source_file": "5-Clustering/1-Visualize/solution/Julia/README.md",
"language_code": "lt"
},
"5-Clustering/2-K-Means/README.md": {
"original_hash": "7cdd17338d9bbd7e2171c2cd462eb081",
"translation_date": "2025-09-05T07:51:31+00:00",
"source_file": "5-Clustering/2-K-Means/README.md",
"language_code": "lt"
},
"5-Clustering/2-K-Means/assignment.md": {
"original_hash": "b8e17eff34ad1680eba2a5d3cf9ffc41",
"translation_date": "2025-09-03T17:19:49+00:00",
"source_file": "5-Clustering/2-K-Means/assignment.md",
"language_code": "lt"
},
"5-Clustering/2-K-Means/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T17:20:23+00:00",
"source_file": "5-Clustering/2-K-Means/solution/Julia/README.md",
"language_code": "lt"
},
"5-Clustering/README.md": {
"original_hash": "b28a3a4911584062772c537b653ebbc7",
"translation_date": "2025-09-03T17:01:31+00:00",
"source_file": "5-Clustering/README.md",
"language_code": "lt"
},
"6-NLP/1-Introduction-to-NLP/README.md": {
"original_hash": "1c2ec40cf55c98a028a359c27ef7e45a",
"translation_date": "2025-09-05T08:06:34+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/README.md",
"language_code": "lt"
},
"6-NLP/1-Introduction-to-NLP/assignment.md": {
"original_hash": "1d7583e8046dacbb0c056d5ba0a71b16",
"translation_date": "2025-09-03T19:02:30+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/assignment.md",
"language_code": "lt"
},
"6-NLP/2-Tasks/README.md": {
"original_hash": "5f3cb462e3122e1afe7ab0050ccf2bd3",
"translation_date": "2025-09-05T08:04:19+00:00",
"source_file": "6-NLP/2-Tasks/README.md",
"language_code": "lt"
},
"6-NLP/2-Tasks/assignment.md": {
"original_hash": "2efc4c2aba5ed06c780c05539c492ae3",
"translation_date": "2025-09-03T18:49:48+00:00",
"source_file": "6-NLP/2-Tasks/assignment.md",
"language_code": "lt"
},
"6-NLP/3-Translation-Sentiment/README.md": {
"original_hash": "be03c8182982b87ced155e4e9d1438e8",
"translation_date": "2025-09-05T08:07:13+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/README.md",
"language_code": "lt"
},
"6-NLP/3-Translation-Sentiment/assignment.md": {
"original_hash": "9d2a734deb904caff310d1a999c6bd7a",
"translation_date": "2025-09-03T19:07:48+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/assignment.md",
"language_code": "lt"
},
"6-NLP/3-Translation-Sentiment/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T19:08:49+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/Julia/README.md",
"language_code": "lt"
},
"6-NLP/3-Translation-Sentiment/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T19:08:27+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/R/README.md",
"language_code": "lt"
},
"6-NLP/4-Hotel-Reviews-1/README.md": {
"original_hash": "8d32dadeda93c6fb5c43619854882ab1",
"translation_date": "2025-09-05T08:05:02+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/README.md",
"language_code": "lt"
},
"6-NLP/4-Hotel-Reviews-1/assignment.md": {
"original_hash": "bf39bceb833cd628f224941dca8041df",
"translation_date": "2025-09-03T18:57:29+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/assignment.md",
"language_code": "lt"
},
"6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T18:58:21+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md",
"language_code": "lt"
},
"6-NLP/4-Hotel-Reviews-1/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T18:57:59+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/R/README.md",
"language_code": "lt"
},
"6-NLP/5-Hotel-Reviews-2/README.md": {
"original_hash": "2c742993fe95d5bcbb2846eda3d442a1",
"translation_date": "2025-09-05T08:08:00+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/README.md",
"language_code": "lt"
},
"6-NLP/5-Hotel-Reviews-2/assignment.md": {
"original_hash": "daf144daa552da6a7d442aff6f3e77d8",
"translation_date": "2025-09-03T19:13:56+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/assignment.md",
"language_code": "lt"
},
"6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T19:14:59+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md",
"language_code": "lt"
},
"6-NLP/5-Hotel-Reviews-2/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T19:14:40+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/R/README.md",
"language_code": "lt"
},
"6-NLP/README.md": {
"original_hash": "1eb379dc2d0c9940b320732d16083778",
"translation_date": "2025-09-03T18:45:22+00:00",
"source_file": "6-NLP/README.md",
"language_code": "lt"
},
"6-NLP/data/README.md": {
"original_hash": "ee0670655c89e4719319764afb113624",
"translation_date": "2025-09-03T18:58:38+00:00",
"source_file": "6-NLP/data/README.md",
"language_code": "lt"
},
"7-TimeSeries/1-Introduction/README.md": {
"original_hash": "662b509c39eee205687726636d0a8455",
"translation_date": "2025-09-05T07:48:53+00:00",
"source_file": "7-TimeSeries/1-Introduction/README.md",
"language_code": "lt"
},
"7-TimeSeries/1-Introduction/assignment.md": {
"original_hash": "d1781b0b92568ea1d119d0a198b576b4",
"translation_date": "2025-09-03T16:56:16+00:00",
"source_file": "7-TimeSeries/1-Introduction/assignment.md",
"language_code": "lt"
},
"7-TimeSeries/1-Introduction/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T16:57:17+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/Julia/README.md",
"language_code": "lt"
},
"7-TimeSeries/1-Introduction/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T16:56:57+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/R/README.md",
"language_code": "lt"
},
"7-TimeSeries/2-ARIMA/README.md": {
"original_hash": "917dbf890db71a322f306050cb284749",
"translation_date": "2025-09-05T07:48:02+00:00",
"source_file": "7-TimeSeries/2-ARIMA/README.md",
"language_code": "lt"
},
"7-TimeSeries/2-ARIMA/assignment.md": {
"original_hash": "1c814013e10866dfd92cdb32caaae3ac",
"translation_date": "2025-09-03T16:51:29+00:00",
"source_file": "7-TimeSeries/2-ARIMA/assignment.md",
"language_code": "lt"
},
"7-TimeSeries/2-ARIMA/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T16:52:26+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/Julia/README.md",
"language_code": "lt"
},
"7-TimeSeries/2-ARIMA/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T16:52:05+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/R/README.md",
"language_code": "lt"
},
"7-TimeSeries/3-SVR/README.md": {
"original_hash": "482bccabe1df958496ea71a3667995cd",
"translation_date": "2025-09-05T07:49:42+00:00",
"source_file": "7-TimeSeries/3-SVR/README.md",
"language_code": "lt"
},
"7-TimeSeries/3-SVR/assignment.md": {
"original_hash": "94aa2fc6154252ae30a3f3740299707a",
"translation_date": "2025-09-03T17:00:50+00:00",
"source_file": "7-TimeSeries/3-SVR/assignment.md",
"language_code": "lt"
},
"7-TimeSeries/README.md": {
"original_hash": "61342603bad8acadbc6b2e4e3aab3f66",
"translation_date": "2025-09-03T16:45:43+00:00",
"source_file": "7-TimeSeries/README.md",
"language_code": "lt"
},
"8-Reinforcement/1-QLearning/README.md": {
"original_hash": "911efd5e595089000cb3c16fce1beab8",
"translation_date": "2025-09-05T08:02:11+00:00",
"source_file": "8-Reinforcement/1-QLearning/README.md",
"language_code": "lt"
},
"8-Reinforcement/1-QLearning/assignment.md": {
"original_hash": "68394b2102d3503882e5e914bd0ff5c1",
"translation_date": "2025-09-03T18:36:12+00:00",
"source_file": "8-Reinforcement/1-QLearning/assignment.md",
"language_code": "lt"
},
"8-Reinforcement/1-QLearning/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T18:38:33+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/Julia/README.md",
"language_code": "lt"
},
"8-Reinforcement/1-QLearning/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T18:38:10+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/R/README.md",
"language_code": "lt"
},
"8-Reinforcement/2-Gym/README.md": {
"original_hash": "107d5bb29da8a562e7ae72262d251a75",
"translation_date": "2025-09-05T08:03:21+00:00",
"source_file": "8-Reinforcement/2-Gym/README.md",
"language_code": "lt"
},
"8-Reinforcement/2-Gym/assignment.md": {
"original_hash": "1f2b7441745eb52e25745423b247016b",
"translation_date": "2025-09-03T18:43:33+00:00",
"source_file": "8-Reinforcement/2-Gym/assignment.md",
"language_code": "lt"
},
"8-Reinforcement/2-Gym/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T18:45:03+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/Julia/README.md",
"language_code": "lt"
},
"8-Reinforcement/2-Gym/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T18:44:44+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/R/README.md",
"language_code": "lt"
},
"8-Reinforcement/README.md": {
"original_hash": "20ca019012b1725de956681d036d8b18",
"translation_date": "2025-09-03T18:25:56+00:00",
"source_file": "8-Reinforcement/README.md",
"language_code": "lt"
},
"9-Real-World/1-Applications/README.md": {
"original_hash": "83320d6b6994909e35d830cebf214039",
"translation_date": "2025-09-05T07:52:15+00:00",
"source_file": "9-Real-World/1-Applications/README.md",
"language_code": "lt"
},
"9-Real-World/1-Applications/assignment.md": {
"original_hash": "fdebfcd0a3f12c9e2b436ded1aa79885",
"translation_date": "2025-09-03T17:26:53+00:00",
"source_file": "9-Real-World/1-Applications/assignment.md",
"language_code": "lt"
},
"9-Real-World/2-Debugging-ML-Models/README.md": {
"original_hash": "df2b538e8fbb3e91cf0419ae2f858675",
"translation_date": "2025-09-05T07:53:11+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/README.md",
"language_code": "lt"
},
"9-Real-World/2-Debugging-ML-Models/assignment.md": {
"original_hash": "91c6a180ef08e20cc15acfd2d6d6e164",
"translation_date": "2025-09-03T17:32:49+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md",
"language_code": "lt"
},
"9-Real-World/README.md": {
"original_hash": "5e069a0ac02a9606a69946c2b3c574a9",
"translation_date": "2025-09-03T17:21:44+00:00",
"source_file": "9-Real-World/README.md",
"language_code": "lt"
},
"AGENTS.md": {
"original_hash": "93fdaa0fd38836e50c4793e2f2f25e8b",
"translation_date": "2025-10-03T11:20:51+00:00",
"source_file": "AGENTS.md",
"language_code": "lt"
},
"CODE_OF_CONDUCT.md": {
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-09-03T16:16:11+00:00",
"source_file": "CODE_OF_CONDUCT.md",
"language_code": "lt"
},
"CONTRIBUTING.md": {
"original_hash": "977ec5266dfd78ad1ce2bd8d46fccbda",
"translation_date": "2025-09-03T16:13:19+00:00",
"source_file": "CONTRIBUTING.md",
"language_code": "lt"
},
"README.md": {
"original_hash": "da2ceed62f16a0820259556e3a873c95",
"translation_date": "2026-01-29T19:20:33+00:00",
"source_file": "README.md",
"language_code": "lt"
},
"SECURITY.md": {
"original_hash": "5e1b8da31aae9cca3d53ad243fa3365a",
"translation_date": "2025-09-03T16:14:01+00:00",
"source_file": "SECURITY.md",
"language_code": "lt"
},
"SUPPORT.md": {
"original_hash": "09623d7343ff1c26ff4f198c1b2d3176",
"translation_date": "2025-10-03T12:34:29+00:00",
"source_file": "SUPPORT.md",
"language_code": "lt"
},
"TROUBLESHOOTING.md": {
"original_hash": "134d8759f0e2ab886e9aa4f62362c201",
"translation_date": "2025-10-03T12:57:45+00:00",
"source_file": "TROUBLESHOOTING.md",
"language_code": "lt"
},
"docs/_sidebar.md": {
"original_hash": "68dd06c685f6ce840e0acfa313352e7c",
"translation_date": "2025-09-03T17:20:41+00:00",
"source_file": "docs/_sidebar.md",
"language_code": "lt"
},
"for-teachers.md": {
"original_hash": "b37de02054fa6c0438ede6fabe1fdfb8",
"translation_date": "2025-09-03T16:15:11+00:00",
"source_file": "for-teachers.md",
"language_code": "lt"
},
"quiz-app/README.md": {
"original_hash": "6d130dffca5db70d7e615f926cb1ad4c",
"translation_date": "2025-09-03T17:58:04+00:00",
"source_file": "quiz-app/README.md",
"language_code": "lt"
},
"sketchnotes/LICENSE.md": {
"original_hash": "fba3b94d88bfb9b81369b869a1e9a20f",
"translation_date": "2025-09-03T18:17:51+00:00",
"source_file": "sketchnotes/LICENSE.md",
"language_code": "lt"
},
"sketchnotes/README.md": {
"original_hash": "a88d5918c1b9da69a40d917a0840c497",
"translation_date": "2025-09-03T18:16:30+00:00",
"source_file": "sketchnotes/README.md",
"language_code": "lt"
}
}

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "69389392fa6346e0dfa30f664b7b6fec",
"translation_date": "2025-09-05T07:56:36+00:00",
"source_file": "1-Introduction/1-intro-to-ML/README.md",
"language_code": "lt"
}
-->
# Įvadas į mašininį mokymąsi
## [Prieš paskaitos testas](https://ff-quizzes.netlify.app/en/ml/)

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "4c4698044bb8af52cfb6388a4ee0e53b",
"translation_date": "2025-09-03T17:48:39+00:00",
"source_file": "1-Introduction/1-intro-to-ML/assignment.md",
"language_code": "lt"
}
-->
# Pradėkite darbą
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "6a05fec147e734c3e6bfa54505648e2b",
"translation_date": "2025-09-05T07:57:11+00:00",
"source_file": "1-Introduction/2-history-of-ML/README.md",
"language_code": "lt"
}
-->
# Mašininio mokymosi istorija
![Mašininio mokymosi istorijos santrauka sketchnote formatu](../../../../sketchnotes/ml-history.png)

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "eb6e4d5afd1b21a57d2b9e6d0aac3969",
"translation_date": "2025-09-03T17:52:40+00:00",
"source_file": "1-Introduction/2-history-of-ML/assignment.md",
"language_code": "lt"
}
-->
# Sukurkite laiko juostą
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9a6b702d1437c0467e3c5c28d763dac2",
"translation_date": "2025-09-05T07:55:02+00:00",
"source_file": "1-Introduction/3-fairness/README.md",
"language_code": "lt"
}
-->
# Kuriant mašininio mokymosi sprendimus su atsakingu dirbtiniu intelektu
![Atsakingo dirbtinio intelekto mašininio mokymosi santrauka sketchnote](../../../../sketchnotes/ml-fairness.png)

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "dbda60e7b1fe5f18974e7858eff0004e",
"translation_date": "2025-09-03T17:40:51+00:00",
"source_file": "1-Introduction/3-fairness/assignment.md",
"language_code": "lt"
}
-->
# Susipažinkite su Atsakingo DI įrankių rinkiniu
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9d91f3af3758fdd4569fb410575995ef",
"translation_date": "2025-09-05T07:55:51+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/README.md",
"language_code": "lt"
}
-->
# Mašininio mokymosi technikos
Mašininio mokymosi modelių kūrimo, naudojimo ir palaikymo procesas bei duomenys, kuriuos jie naudoja, labai skiriasi nuo daugelio kitų kūrimo darbo eigų. Šioje pamokoje mes išsklaidysime šį procesą ir apžvelgsime pagrindines technikas, kurias turite žinoti. Jūs:

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "70d65aeddc06170bc1aed5b27805f930",
"translation_date": "2025-09-03T17:45:06+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/assignment.md",
"language_code": "lt"
}
-->
# Interviu su duomenų mokslininku
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "cf8ecc83f28e5b98051d2179eca08e08",
"translation_date": "2025-09-03T17:33:31+00:00",
"source_file": "1-Introduction/README.md",
"language_code": "lt"
}
-->
# Įvadas į mašininį mokymąsi
Šioje mokymo programos dalyje susipažinsite su pagrindinėmis sąvokomis, kurios sudaro mašininio mokymosi pagrindą, sužinosite, kas tai yra, jo istoriją ir technikas, kurias tyrėjai naudoja dirbdami su juo. Leiskimės kartu į šį naują ML pasaulį!

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fa81d226c71d5af7a2cade31c1c92b88",
"translation_date": "2025-09-05T07:46:22+00:00",
"source_file": "2-Regression/1-Tools/README.md",
"language_code": "lt"
}
-->
# Pradėkite dirbti su Python ir Scikit-learn regresijos modeliams
![Regresijų santrauka sketchnote](../../../../sketchnotes/ml-regression.png)

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "74a5cf83e4ebc302afbcbc4f418afd0a",
"translation_date": "2025-09-03T16:40:22+00:00",
"source_file": "2-Regression/1-Tools/assignment.md",
"language_code": "lt"
}
-->
# Regresija su Scikit-learn
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T16:41:06+00:00",
"source_file": "2-Regression/1-Tools/solution/Julia/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7c077988328ebfe33b24d07945f16eca",
"translation_date": "2025-09-05T07:47:19+00:00",
"source_file": "2-Regression/2-Data/README.md",
"language_code": "lt"
}
-->
# Sukurkite regresijos modelį naudodami Scikit-learn: paruoškite ir vizualizuokite duomenis
![Duomenų vizualizacijos infografika](../../../../2-Regression/2-Data/images/data-visualization.png)

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "4485a1ed4dd1b5647365e3d87456515d",
"translation_date": "2025-09-03T16:44:47+00:00",
"source_file": "2-Regression/2-Data/assignment.md",
"language_code": "lt"
}
-->
# Vizualizacijų tyrinėjimas
Yra keletas skirtingų bibliotekų, skirtų duomenų vizualizacijai. Sukurkite keletą vizualizacijų naudodami Moliūgų duomenis iš šios pamokos, pasitelkdami matplotlib ir seaborn pavyzdiniame užrašų knygelėje. Kurios bibliotekos yra lengviau naudojamos?

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T16:45:23+00:00",
"source_file": "2-Regression/2-Data/solution/Julia/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "40e64f004f3cb50aa1d8661672d3cd92",
"translation_date": "2025-09-05T07:43:58+00:00",
"source_file": "2-Regression/3-Linear/README.md",
"language_code": "lt"
}
-->
# Sukurkite regresijos modelį naudodami Scikit-learn: keturi regresijos būdai
![Linijinės ir polinominės regresijos infografika](../../../../2-Regression/3-Linear/images/linear-polynomial.png)
@ -114,11 +105,11 @@ Dabar, kai suprantate linijinės regresijos matematiką, sukurkime regresijos mo
Iš ankstesnės pamokos tikriausiai matėte, kad vidutinė kaina skirtingais mėnesiais atrodo taip:
<img alt="Vidutinė kaina pagal mėnesį" src="../2-Data/images/barchart.png" width="50%"/>
<img alt="Vidutinė kaina pagal mėnesį" src="../../../../translated_images/lt/barchart.a833ea9194346d76.webp" width="50%"/>
Tai rodo, kad turėtų būti tam tikra koreliacija, ir galime pabandyti treniruoti linijinį regresijos modelį, kad prognozuotume ryšį tarp `Mėnuo` ir `Kaina`, arba tarp `MetųDiena` ir `Kaina`. Štai sklaidos grafikas, rodantis pastarąjį ryšį:
<img alt="Sklaidos grafikas: Kaina vs. Metų Diena" src="images/scatter-dayofyear.png" width="50%" />
<img alt="Sklaidos grafikas: Kaina vs. Metų Diena" src="../../../../translated_images/lt/scatter-dayofyear.bc171c189c9fd553.webp" width="50%" />
Pažiūrėkime, ar yra koreliacija, naudodami `corr` funkciją:
@ -137,7 +128,7 @@ for i,var in enumerate(new_pumpkins['Variety'].unique()):
ax = df.plot.scatter('DayOfYear','Price',ax=ax,c=colors[i],label=var)
```
<img alt="Sklaidos grafikas: Kaina vs. Metų Diena" src="images/scatter-dayofyear-color.png" width="50%" />
<img alt="Sklaidos grafikas: Kaina vs. Metų Diena" src="../../../../translated_images/lt/scatter-dayofyear-color.65790faefbb9d54f.webp" width="50%" />
Mūsų tyrimas rodo, kad rūšis turi didesnę įtaką bendrai kainai nei faktinė pardavimo data. Tai galime pamatyti stulpeline diagrama:
@ -145,7 +136,7 @@ Mūsų tyrimas rodo, kad rūšis turi didesnę įtaką bendrai kainai nei faktin
new_pumpkins.groupby('Variety')['Price'].mean().plot(kind='bar')
```
<img alt="Stulpelinė diagrama: Kaina pagal rūšį" src="images/price-by-variety.png" width="50%" />
<img alt="Stulpelinė diagrama: Kaina pagal rūšį" src="../../../../translated_images/lt/price-by-variety.744a2f9925d9bcb4.webp" width="50%" />
Dabar sutelkime dėmesį tik į vieną moliūgų rūšį, „pie type“, ir pažiūrėkime, kokią įtaką data turi kainai:
@ -153,7 +144,7 @@ Dabar sutelkime dėmesį tik į vieną moliūgų rūšį, „pie type“, ir pa
pie_pumpkins = new_pumpkins[new_pumpkins['Variety']=='PIE TYPE']
pie_pumpkins.plot.scatter('DayOfYear','Price')
```
<img alt="Sklaidos grafikas: Kaina vs. Metų Diena" src="images/pie-pumpkins-scatter.png" width="50%" />
<img alt="Sklaidos grafikas: Kaina vs. Metų Diena" src="../../../../translated_images/lt/pie-pumpkins-scatter.d14f9804a53f927e.webp" width="50%" />
Jei dabar apskaičiuosime koreliaciją tarp `Kaina` ir `MetųDiena` naudodami `corr` funkciją, gausime maždaug `-0.27` - tai reiškia, kad treniruoti prognozavimo modelį yra prasminga.
@ -218,7 +209,7 @@ plt.scatter(X_test,y_test)
plt.plot(X_test,pred)
```
<img alt="Linijinė regresija" src="images/linear-results.png" width="50%" />
<img alt="Linijinė regresija" src="../../../../translated_images/lt/linear-results.f7c3552c85b0ed1c.webp" width="50%" />
## Polinominė regresija
@ -247,7 +238,7 @@ Naudojant `PolynomialFeatures(2)` reiškia, kad įtrauksime visus antro laipsnio
Pipeline galima naudoti taip pat, kaip ir originalų `LinearRegression` objektą, t.y. galime `fit` pipeline, o tada naudoti `predict`, kad gautume prognozės rezultatus. Štai grafikas, rodantis testinius duomenis ir aproksimacijos kreivę:
<img alt="Polinominė regresija" src="images/poly-results.png" width="50%" />
<img alt="Polinominė regresija" src="../../../../translated_images/lt/poly-results.ee587348f0f1f60b.webp" width="50%" />
Naudojant polinominę regresiją, galime gauti šiek tiek mažesnį MSE ir aukštesnį determinacijos koeficientą, bet ne žymiai. Turime atsižvelgti į kitas savybes!
@ -265,7 +256,7 @@ Idealiame pasaulyje norėtume sugebėti prognozuoti kainas skirtingoms moliūgų
Čia galite pamatyti, kaip vidutinė kaina priklauso nuo veislės:
<img alt="Vidutinė kaina pagal veislę" src="images/price-by-variety.png" width="50%" />
<img alt="Vidutinė kaina pagal veislę" src="../../../../translated_images/lt/price-by-variety.744a2f9925d9bcb4.webp" width="50%" />
Norėdami atsižvelgti į veislę, pirmiausia turime ją konvertuoti į skaitinę formą, arba **užkoduoti**. Yra keli būdai, kaip tai padaryti:

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "cc471fa89c293bc735dd3a9a0fb79b1b",
"translation_date": "2025-09-03T16:24:46+00:00",
"source_file": "2-Regression/3-Linear/assignment.md",
"language_code": "lt"
}
-->
# Sukurkite regresijos modelį
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T16:25:23+00:00",
"source_file": "2-Regression/3-Linear/solution/Julia/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "abf86d845c84330bce205a46b382ec88",
"translation_date": "2025-09-05T07:45:13+00:00",
"source_file": "2-Regression/4-Logistic/README.md",
"language_code": "lt"
}
-->
# Logistinė regresija kategorijoms prognozuoti
![Logistinės ir linijinės regresijos infografika](../../../../2-Regression/4-Logistic/images/linear-vs-logistic.png)

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "8af40209a41494068c1f42b14c0b450d",
"translation_date": "2025-09-03T16:34:48+00:00",
"source_file": "2-Regression/4-Logistic/assignment.md",
"language_code": "lt"
}
-->
# Kartojame regresiją
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T16:35:20+00:00",
"source_file": "2-Regression/4-Logistic/solution/Julia/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
"translation_date": "2025-09-03T16:16:42+00:00",
"source_file": "2-Regression/README.md",
"language_code": "lt"
}
-->
# Regresijos modeliai mašininio mokymosi srityje
## Regioninė tema: Regresijos modeliai moliūgų kainoms Šiaurės Amerikoje 🎃

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "e0b75f73e4a90d45181dc5581fe2ef5c",
"translation_date": "2025-09-05T07:57:52+00:00",
"source_file": "3-Web-App/1-Web-App/README.md",
"language_code": "lt"
}
-->
# Sukurkite internetinę programą, naudojančią ML modelį
Šioje pamokoje treniruosite ML modelį su duomenų rinkiniu, kuris yra tiesiog neįtikėtinas: _NSO stebėjimai per pastarąjį šimtmetį_, gauti iš NUFORC duomenų bazės.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a8e8ae10be335cbc745b75ee552317ff",
"translation_date": "2025-09-03T17:57:27+00:00",
"source_file": "3-Web-App/1-Web-App/assignment.md",
"language_code": "lt"
}
-->
# Išbandykite kitą modelį
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9836ff53cfef716ddfd70e06c5f43436",
"translation_date": "2025-09-03T17:53:15+00:00",
"source_file": "3-Web-App/README.md",
"language_code": "lt"
}
-->
# Sukurkite internetinę programą, kad galėtumėte naudoti savo ML modelį
Šioje mokymo programos dalyje susipažinsite su praktiniu ML aspektu: kaip išsaugoti savo Scikit-learn modelį kaip failą, kurį galima naudoti prognozėms internetinėje programoje. Kai modelis bus išsaugotas, sužinosite, kaip jį naudoti internetinėje programoje, sukurtoje naudojant Flask. Pirmiausia sukursite modelį naudodami duomenis apie NSO stebėjimus! Tada sukursite internetinę programą, kuri leis įvesti sekundžių skaičių, platumos ir ilgumos reikšmes, kad būtų galima prognozuoti, kuri šalis pranešė apie NSO stebėjimą.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "aaf391d922bd6de5efba871d514c6d47",
"translation_date": "2025-09-05T08:00:35+00:00",
"source_file": "4-Classification/1-Introduction/README.md",
"language_code": "lt"
}
-->
# Įvadas į klasifikaciją
Šiose keturiose pamokose jūs susipažinsite su pagrindiniu klasikinių mašininio mokymosi aspektu - _klasifikacija_. Mes išnagrinėsime įvairius klasifikacijos algoritmus naudodami duomenų rinkinį apie visus nuostabius Azijos ir Indijos virtuvių patiekalus. Tikimės, kad esate alkani!

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b2a01912beb24cfb0007f83594dba801",
"translation_date": "2025-09-03T18:15:31+00:00",
"source_file": "4-Classification/1-Introduction/assignment.md",
"language_code": "lt"
}
-->
# Ištirkite klasifikavimo metodus
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T18:16:12+00:00",
"source_file": "4-Classification/1-Introduction/solution/Julia/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1a6e9e46b34a2e559fbbfc1f95397c7b",
"translation_date": "2025-09-05T07:58:37+00:00",
"source_file": "4-Classification/2-Classifiers-1/README.md",
"language_code": "lt"
}
-->
# Virtuvės klasifikatoriai 1
Šioje pamokoje naudosite duomenų rinkinį, kurį išsaugojote iš ankstesnės pamokos, pilną subalansuotų ir švarių duomenų apie virtuvės tipus.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "de6025f96841498b0577e9d1aee18d1f",
"translation_date": "2025-09-03T18:04:53+00:00",
"source_file": "4-Classification/2-Classifiers-1/assignment.md",
"language_code": "lt"
}
-->
# Išnagrinėkite sprendimo būdus
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T18:05:32+00:00",
"source_file": "4-Classification/2-Classifiers-1/solution/Julia/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "49047911108adc49d605cddfb455749c",
"translation_date": "2025-09-05T08:00:00+00:00",
"source_file": "4-Classification/3-Classifiers-2/README.md",
"language_code": "lt"
}
-->
# Virtuvės klasifikatoriai 2
Šioje antroje klasifikavimo pamokoje jūs tyrinėsite daugiau būdų, kaip klasifikuoti skaitmeninius duomenis. Taip pat sužinosite apie pasekmes, renkantis vieną klasifikatorių vietoj kito.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "58dfdaf79fb73f7d34b22bdbacf57329",
"translation_date": "2025-09-03T18:11:34+00:00",
"source_file": "4-Classification/3-Classifiers-2/assignment.md",
"language_code": "lt"
}
-->
# Parametrų žaidimas
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T18:12:14+00:00",
"source_file": "4-Classification/3-Classifiers-2/solution/Julia/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "61bdec27ed2da8b098cd9065405d9bb0",
"translation_date": "2025-09-05T07:59:28+00:00",
"source_file": "4-Classification/4-Applied/README.md",
"language_code": "lt"
}
-->
# Sukurkite virtuvės rekomendacijų žiniatinklio programą
Šioje pamokoje sukursite klasifikavimo modelį, naudodami kai kurias technikas, kurias išmokote ankstesnėse pamokose, ir skanų virtuvės duomenų rinkinį, naudotą visoje šioje serijoje. Be to, sukursite nedidelę žiniatinklio programą, kuri naudos išsaugotą modelį, pasitelkdama Onnx žiniatinklio vykdymo aplinką.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "799ed651e2af0a7cad17c6268db11578",
"translation_date": "2025-09-03T18:08:43+00:00",
"source_file": "4-Classification/4-Applied/assignment.md",
"language_code": "lt"
}
-->
# Sukurkite rekomendacijų sistemą
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "74e809ffd1e613a1058bbc3e9600859e",
"translation_date": "2025-09-03T17:59:22+00:00",
"source_file": "4-Classification/README.md",
"language_code": "lt"
}
-->
# Pradžia su klasifikacija
## Regioninė tema: Gardūs Azijos ir Indijos patiekalai 🍜

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "730225ea274c9174fe688b21d421539d",
"translation_date": "2025-09-05T07:50:18+00:00",
"source_file": "5-Clustering/1-Visualize/README.md",
"language_code": "lt"
}
-->
# Įvadas į klasterizavimą
Klasterizavimas yra [nesupervizuoto mokymosi](https://wikipedia.org/wiki/Unsupervised_learning) tipas, kuris daro prielaidą, kad duomenų rinkinys yra nepažymėtas arba jo įvestys nėra susietos su iš anksto apibrėžtais rezultatais. Jis naudoja įvairius algoritmus, kad išanalizuotų nepažymėtus duomenis ir sudarytų grupes pagal duomenyse pastebėtus modelius.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "589fa015a5e7d9e67bd629f7d47b53de",
"translation_date": "2025-09-03T17:16:10+00:00",
"source_file": "5-Clustering/1-Visualize/assignment.md",
"language_code": "lt"
}
-->
# Tyrinėkite kitus vizualizacijos būdus klasterizavimui
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T17:16:50+00:00",
"source_file": "5-Clustering/1-Visualize/solution/Julia/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7cdd17338d9bbd7e2171c2cd462eb081",
"translation_date": "2025-09-05T07:51:31+00:00",
"source_file": "5-Clustering/2-K-Means/README.md",
"language_code": "lt"
}
-->
# K-Means klasterizacija
## [Prieš paskaitą - testas](https://ff-quizzes.netlify.app/en/ml/)

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b8e17eff34ad1680eba2a5d3cf9ffc41",
"translation_date": "2025-09-03T17:19:49+00:00",
"source_file": "5-Clustering/2-K-Means/assignment.md",
"language_code": "lt"
}
-->
# Išbandykite skirtingus klasterizavimo metodus
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T17:20:23+00:00",
"source_file": "5-Clustering/2-K-Means/solution/Julia/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b28a3a4911584062772c537b653ebbc7",
"translation_date": "2025-09-03T17:01:31+00:00",
"source_file": "5-Clustering/README.md",
"language_code": "lt"
}
-->
# Klasterizavimo modeliai mašininio mokymosi srityje
Klasterizavimas yra mašininio mokymosi užduotis, kurios tikslas – surasti objektus, panašius vienas į kitą, ir sugrupuoti juos į grupes, vadinamas klasteriais. Kas skiria klasterizavimą nuo kitų mašininio mokymosi metodų, yra tai, kad procesas vyksta automatiškai. Iš tiesų, galima sakyti, kad tai yra priešingybė prižiūrimam mokymuisi.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1c2ec40cf55c98a028a359c27ef7e45a",
"translation_date": "2025-09-05T08:06:34+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/README.md",
"language_code": "lt"
}
-->
# Įvadas į natūralios kalbos apdorojimą
Ši pamoka apima trumpą istoriją ir svarbias *natūralios kalbos apdorojimo* (NLP), kuris yra *kompiuterinės lingvistikos* posritis, sąvokas.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1d7583e8046dacbb0c056d5ba0a71b16",
"translation_date": "2025-09-03T19:02:30+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/assignment.md",
"language_code": "lt"
}
-->
# Ieškokite boto
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5f3cb462e3122e1afe7ab0050ccf2bd3",
"translation_date": "2025-09-05T08:04:19+00:00",
"source_file": "6-NLP/2-Tasks/README.md",
"language_code": "lt"
}
-->
# Dažniausios natūralios kalbos apdorojimo užduotys ir technikos
Daugumai *natūralios kalbos apdorojimo* užduočių tekstas, kurį reikia apdoroti, turi būti suskaidytas, išanalizuotas, o rezultatai saugomi arba lyginami su taisyklėmis ir duomenų rinkiniais. Šios užduotys leidžia programuotojui išgauti _prasmę_, _ketinimą_ arba tiesiog _terminų ir žodžių dažnį_ tekste.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "2efc4c2aba5ed06c780c05539c492ae3",
"translation_date": "2025-09-03T18:49:48+00:00",
"source_file": "6-NLP/2-Tasks/assignment.md",
"language_code": "lt"
}
-->
# Sukurkite botą, kuris atsako
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "be03c8182982b87ced155e4e9d1438e8",
"translation_date": "2025-09-05T08:07:13+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/README.md",
"language_code": "lt"
}
-->
# Vertimas ir nuotaikos analizė su ML
Ankstesnėse pamokose išmokote sukurti pagrindinį botą naudojant `TextBlob`, biblioteką, kuri užkulisiuose naudoja ML, kad atliktų pagrindines NLP užduotis, tokias kaip daiktavardžių frazių ištraukimas. Kitas svarbus iššūkis kompiuterinėje lingvistikoje yra tiksli _sakinių vertimo_ iš vienos kalbos į kitą problema.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9d2a734deb904caff310d1a999c6bd7a",
"translation_date": "2025-09-03T19:07:48+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/assignment.md",
"language_code": "lt"
}
-->
# Poetinis leidimas
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T19:08:49+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/Julia/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T19:08:27+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/R/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "8d32dadeda93c6fb5c43619854882ab1",
"translation_date": "2025-09-05T08:05:02+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/README.md",
"language_code": "lt"
}
-->
# Sentimentų analizė su viešbučių apžvalgomis - duomenų apdorojimas
Šiame skyriuje naudosite ankstesnėse pamokose išmoktas technikas, kad atliktumėte didelio duomenų rinkinio tyrimą. Kai gerai suprasite įvairių stulpelių naudingumą, išmoksite:

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "bf39bceb833cd628f224941dca8041df",
"translation_date": "2025-09-03T18:57:29+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/assignment.md",
"language_code": "lt"
}
-->
# NLTK
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T18:58:21+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T18:57:59+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/R/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "2c742993fe95d5bcbb2846eda3d442a1",
"translation_date": "2025-09-05T08:08:00+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/README.md",
"language_code": "lt"
}
-->
# Sentimentų analizė su viešbučių apžvalgomis
Dabar, kai išsamiai išnagrinėjote duomenų rinkinį, metas filtruoti stulpelius ir pritaikyti NLP technikas, kad gautumėte naujų įžvalgų apie viešbučius.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "daf144daa552da6a7d442aff6f3e77d8",
"translation_date": "2025-09-03T19:13:56+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/assignment.md",
"language_code": "lt"
}
-->
# Išbandykite kitą duomenų rinkinį
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T19:14:59+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T19:14:40+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/R/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1eb379dc2d0c9940b320732d16083778",
"translation_date": "2025-09-03T18:45:22+00:00",
"source_file": "6-NLP/README.md",
"language_code": "lt"
}
-->
# Pradžia su natūralios kalbos apdorojimu
Natūralios kalbos apdorojimas (NLP) – tai kompiuterinės programos gebėjimas suprasti žmogaus kalbą, kaip ji yra kalbama ir rašoma, vadinamą natūralia kalba. Tai dirbtinio intelekto (AI) komponentas. NLP egzistuoja jau daugiau nei 50 metų ir turi šaknis lingvistikos srityje. Visa sritis yra skirta padėti mašinoms suprasti ir apdoroti žmogaus kalbą. Tai gali būti naudojama atliekant užduotis, tokias kaip rašybos tikrinimas ar mašininis vertimas. NLP turi daugybę realaus pasaulio pritaikymo galimybių įvairiose srityse, įskaitant medicinos tyrimus, paieškos sistemas ir verslo analitiką.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ee0670655c89e4719319764afb113624",
"translation_date": "2025-09-03T18:58:38+00:00",
"source_file": "6-NLP/data/README.md",
"language_code": "lt"
}
-->
Atsisiųskite viešbučio apžvalgų duomenis į šį aplanką.
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "662b509c39eee205687726636d0a8455",
"translation_date": "2025-09-05T07:48:53+00:00",
"source_file": "7-TimeSeries/1-Introduction/README.md",
"language_code": "lt"
}
-->
# Įvadas į laiko eilučių prognozavimą
![Laiko eilučių santrauka sketchnote formatu](../../../../sketchnotes/ml-timeseries.png)

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "d1781b0b92568ea1d119d0a198b576b4",
"translation_date": "2025-09-03T16:56:16+00:00",
"source_file": "7-TimeSeries/1-Introduction/assignment.md",
"language_code": "lt"
}
-->
# Vizualizuokite daugiau laiko eilučių
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T16:57:17+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/Julia/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T16:56:57+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/R/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "917dbf890db71a322f306050cb284749",
"translation_date": "2025-09-05T07:48:02+00:00",
"source_file": "7-TimeSeries/2-ARIMA/README.md",
"language_code": "lt"
}
-->
# Laiko eilučių prognozavimas naudojant ARIMA
Ankstesnėje pamokoje sužinojote apie laiko eilučių prognozavimą ir įkėlėte duomenų rinkinį, rodantį elektros apkrovos svyravimus per tam tikrą laikotarpį.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1c814013e10866dfd92cdb32caaae3ac",
"translation_date": "2025-09-03T16:51:29+00:00",
"source_file": "7-TimeSeries/2-ARIMA/assignment.md",
"language_code": "lt"
}
-->
# Naujas ARIMA modelis
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T16:52:26+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/Julia/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T16:52:05+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/R/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "482bccabe1df958496ea71a3667995cd",
"translation_date": "2025-09-05T07:49:42+00:00",
"source_file": "7-TimeSeries/3-SVR/README.md",
"language_code": "lt"
}
-->
# Laiko eilučių prognozavimas naudojant Support Vector Regressor
Ankstesnėje pamokoje sužinojote, kaip naudoti ARIMA modelį laiko eilučių prognozėms. Dabar susipažinsite su Support Vector Regressor modeliu, kuris yra regresijos modelis, skirtas tęstiniams duomenims prognozuoti.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "94aa2fc6154252ae30a3f3740299707a",
"translation_date": "2025-09-03T17:00:50+00:00",
"source_file": "7-TimeSeries/3-SVR/assignment.md",
"language_code": "lt"
}
-->
# Naujas SVR modelis
## Instrukcijos [^1]

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "61342603bad8acadbc6b2e4e3aab3f66",
"translation_date": "2025-09-03T16:45:43+00:00",
"source_file": "7-TimeSeries/README.md",
"language_code": "lt"
}
-->
# Įvadas į laiko eilučių prognozavimą
Kas yra laiko eilučių prognozavimas? Tai ateities įvykių numatymas analizuojant praeities tendencijas.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "911efd5e595089000cb3c16fce1beab8",
"translation_date": "2025-09-05T08:02:11+00:00",
"source_file": "8-Reinforcement/1-QLearning/README.md",
"language_code": "lt"
}
-->
# Įvadas į stiprinamąjį mokymą ir Q-mokymą
![Stiprinamojo mokymosi santrauka sketchnote](../../../../sketchnotes/ml-reinforcement.png)

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "68394b2102d3503882e5e914bd0ff5c1",
"translation_date": "2025-09-03T18:36:12+00:00",
"source_file": "8-Reinforcement/1-QLearning/assignment.md",
"language_code": "lt"
}
-->
# Realistiškesnis pasaulis
Mūsų situacijoje Peteris galėjo judėti beveik nepavargdamas ar nejausdamas alkio. Realistiškesniame pasaulyje jis turėtų kartais atsisėsti ir pailsėti, taip pat pasimaitinti. Padarykime mūsų pasaulį realistiškesnį, įgyvendindami šias taisykles:

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T18:38:33+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/Julia/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T18:38:10+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/R/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "107d5bb29da8a562e7ae72262d251a75",
"translation_date": "2025-09-05T08:03:21+00:00",
"source_file": "8-Reinforcement/2-Gym/README.md",
"language_code": "lt"
}
-->
# CartPole čiuožimas
Problema, kurią sprendėme ankstesnėje pamokoje, gali atrodyti kaip žaislinė užduotis, neturinti realaus pritaikymo. Tačiau tai nėra tiesa, nes daugelis realaus pasaulio problemų taip pat turi panašų scenarijų – įskaitant šachmatų ar Go žaidimą. Jos yra panašios, nes taip pat turime lentą su tam tikromis taisyklėmis ir **diskretinę būseną**.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1f2b7441745eb52e25745423b247016b",
"translation_date": "2025-09-03T18:43:33+00:00",
"source_file": "8-Reinforcement/2-Gym/assignment.md",
"language_code": "lt"
}
-->
# Treniruokite „Mountain Car“
[OpenAI Gym](http://gym.openai.com) sukurta taip, kad visi aplinkos modeliai turėtų vienodą API – t. y. tuos pačius metodus `reset`, `step` ir `render`, bei tas pačias **veiksmų erdvės** ir **stebėjimo erdvės** abstrakcijas. Todėl turėtų būti įmanoma pritaikyti tuos pačius stiprinamojo mokymosi algoritmus skirtingoms aplinkoms su minimaliomis kodo pakeitimais.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T18:45:03+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/Julia/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T18:44:44+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/R/README.md",
"language_code": "lt"
}
-->
---

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "20ca019012b1725de956681d036d8b18",
"translation_date": "2025-09-03T18:25:56+00:00",
"source_file": "8-Reinforcement/README.md",
"language_code": "lt"
}
-->
# Įvadas į stiprinamąjį mokymąsi
Stiprinamasis mokymasis (RL) laikomas vienu iš pagrindinių mašininio mokymosi paradigmų, greta prižiūrimo mokymosi ir neprižiūrimo mokymosi. RL yra susijęs su sprendimais: priimti tinkamus sprendimus arba bent jau mokytis iš jų.

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "83320d6b6994909e35d830cebf214039",
"translation_date": "2025-09-05T07:52:15+00:00",
"source_file": "9-Real-World/1-Applications/README.md",
"language_code": "lt"
}
-->
# Postscriptas: Mašininis mokymasis realiame pasaulyje
![Mašininio mokymosi realiame pasaulyje santrauka sketchnote piešinyje](../../../../sketchnotes/ml-realworld.png)

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fdebfcd0a3f12c9e2b436ded1aa79885",
"translation_date": "2025-09-03T17:26:53+00:00",
"source_file": "9-Real-World/1-Applications/assignment.md",
"language_code": "lt"
}
-->
# ML Paieškos žaidimas
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "df2b538e8fbb3e91cf0419ae2f858675",
"translation_date": "2025-09-05T07:53:11+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/README.md",
"language_code": "lt"
}
-->
# Postscriptas: Modelių derinimas mašininio mokymosi srityje naudojant atsakingos dirbtinio intelekto (AI) prietaisų skydelio komponentus
## [Prieš paskaitą pateikiamas testas](https://ff-quizzes.netlify.app/en/ml/)

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "91c6a180ef08e20cc15acfd2d6d6e164",
"translation_date": "2025-09-03T17:32:49+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md",
"language_code": "lt"
}
-->
# Susipažinkite su atsakingo dirbtinio intelekto (RAI) prietaisų skydeliu
## Instrukcijos

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5e069a0ac02a9606a69946c2b3c574a9",
"translation_date": "2025-09-03T17:21:44+00:00",
"source_file": "9-Real-World/README.md",
"language_code": "lt"
}
-->
# Postscriptas: Klasikinio mašininio mokymosi realaus pasaulio taikymas
Šioje mokymo programos dalyje susipažinsite su kai kuriais klasikinio mašininio mokymosi realaus pasaulio taikymais. Mes peržiūrėjome internetą, ieškodami straipsnių ir mokslinių darbų apie taikymus, kurie naudoja šias strategijas, vengdami neuroninių tinklų, giluminio mokymosi ir dirbtinio intelekto, kiek įmanoma. Sužinokite, kaip mašininis mokymasis naudojamas verslo sistemose, ekologiniuose projektuose, finansuose, mene ir kultūroje bei kitose srityse.

9
translations/lt/AGENTS.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "93fdaa0fd38836e50c4793e2f2f25e8b",
"translation_date": "2025-10-03T11:20:51+00:00",
"source_file": "AGENTS.md",
"language_code": "lt"
}
-->
# AGENTS.md
## Projekto apžvalga

9
translations/lt/CODE_OF_CONDUCT.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-09-03T16:16:11+00:00",
"source_file": "CODE_OF_CONDUCT.md",
"language_code": "lt"
}
-->
# Microsoft Atvirojo Kodo Elgesio Kodeksas
Šis projektas priėmė [Microsoft Atvirojo Kodo Elgesio Kodeksą](https://opensource.microsoft.com/codeofconduct/).

9
translations/lt/CONTRIBUTING.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "977ec5266dfd78ad1ce2bd8d46fccbda",
"translation_date": "2025-09-03T16:13:19+00:00",
"source_file": "CONTRIBUTING.md",
"language_code": "lt"
}
-->
# Prisidėjimas
Šis projektas kviečia prisidėti ir teikti pasiūlymus. Dauguma indėlių reikalauja, kad jūs

215
translations/lt/README.md
Unescape View File

@ -1,173 +1,164 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "0a6f4476a4f3934a4aa47c1bf47158bc",
"translation_date": "2026-01-16T16:46:12+00:00",
"source_file": "README.md",
"language_code": "lt"
}
-->
[![GitHub licence](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
[![GitHub contributoriai](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
[![GitHub licencija](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
[![GitHub indėliai](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
[![GitHub problemos](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
[![PRs Sveiki](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)
[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)
[![GitHub stebėtojai](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
[![GitHub šakės](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/)
[![GitHub žvaigždutės](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)
### 🌐 Daugialypė kalbų palaikymas
### 🌐 Daugiakalbė parama
#### Palaikoma per GitHub Action (automatizuota ir visada atnaujinta)
#### Palaikoma per GitHub veiksmą (Automatizuota ir visada atnaujinta)
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
[Arabų](../ar/README.md) | [Bengalų](../bn/README.md) | [Bulgarų](../bg/README.md) | [Birmos (Mianmaras)](../my/README.md) | [Kinų (supaprastinta)](../zh/README.md) | [Kinų (tradicinė, Honkongas)](../hk/README.md) | [Kinų (tradicinė, Makao)](../mo/README.md) | [Kinų (tradicinė, Taivanas)](../tw/README.md) | [Kroatų](../hr/README.md) | [Čekų](../cs/README.md) | [Danų](../da/README.md) | [Olandų](../nl/README.md) | [Estų](../et/README.md) | [Suomių](../fi/README.md) | [Prancūzų](../fr/README.md) | [Vokiečių](../de/README.md) | [Graikų](../el/README.md) | [Hebrajų](../he/README.md) | [Hindų](../hi/README.md) | [Vengrų](../hu/README.md) | [Indoneziečių](../id/README.md) | [Italų](../it/README.md) | [Japonų](../ja/README.md) | [Kannadų](../kn/README.md) | [Korėjiečių](../ko/README.md) | [Lietuvių](./README.md) | [Malajų](../ms/README.md) | [Malajalų](../ml/README.md) | [Maratų](../mr/README.md) | [Nepalų](../ne/README.md) | [Nigerijos pidžino](../pcm/README.md) | [Norvegų](../no/README.md) | [Persų (Farsi)](../fa/README.md) | [Lenkų](../pl/README.md) | [Portugalų (Brazilija)](../br/README.md) | [Portugalų (Portugalija)](../pt/README.md) | [Pandžabų (Gurmukhi)](../pa/README.md) | [Rumunų](../ro/README.md) | [Rusų](../ru/README.md) | [Serbų (kirilica)](../sr/README.md) | [Slovakų](../sk/README.md) | [Slovėnų](../sl/README.md) | [Ispanų](../es/README.md) | [Svahilių](../sw/README.md) | [Švedų](../sv/README.md) | [Tagalogų (filipiniečių)](../tl/README.md) | [Tamilų](../ta/README.md) | [Telugų](../te/README.md) | [Tajų](../th/README.md) | [Turkų](../tr/README.md) | [Ukrainiečių](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamiečių](../vi/README.md)
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](./README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
> **Norite klonuoti vietoje?**
> **Norite klonuoti lokaliai?**
> Šiame saugykloje yra 50+ kalbų vertimų, dėl ko žymiai padidėja atsisiuntimo dydis. Norėdami klonuoti be vertimų, naudokite retą atsisiuntimą (sparse checkout):
> Šiame saugykloje yra daugiau nei 50 kalbų vertimų, dėl kurių žymiai padidėja atsisiuntimo dydis. Norėdami klonuoti be vertimų, naudokite ne visą atsisiuntimą (sparse checkout):
> ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
> cd ML-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> Tai suteikia viską, ko reikia kursui atlikti, žymiai greičiau atsisiunčiant.
> Tai suteikia jums viską, ko reikia kursui užbaigti, ir daug greitesnį atsisiuntimą.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
#### Prisijunkite prie mūsų bendruomenės
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
Turime vykstančią Discord „mokymosi su AI“ seriją, daugiau sužinokite ir prisijunkite prie mūsų adresu [Learn with AI Series](https://aka.ms/learnwithai/discord) rugsėjo 18 - 30 d., 2025 m. Gaunate patarimus ir gudrybes, kaip naudoti GitHub Copilot duomenų mokslui.
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.
![Mokymosi su AI serija](../../../../translated_images/lt/3.9b58fd8d6c373c20.webp)
![Mokymosi su DI serija](../../translated_images/lt/3.9b58fd8d6c373c20.webp)
# Mašininis mokymasis pradedantiesiems – mokymo programa
# Mašinų mokymasis pradedantiesiems – mokymo programa
> 🌍 Keliaukite po pasaulį, tyrinėdami mašininį mokymąsi per pasaulio kultūras 🌍
> 🌍 Keliaukime po pasaulį, nagrinėdami Mašinų mokymąsi per pasaulio kultūras 🌍
„Microsoft“ Cloud Advocates maloniai siūlo 12 savaičių, 26 pamokų mokymo programą, skirtą **Mašininiam mokymuisi**. Šioje programoje sužinosite apie tai, ką kartais vadiname **klasikiniu mašininiu mokymusi**, daugiausia naudodami biblioteka Scikit-learn ir vengdami giluminio mokymosi, kuris aptariamas mūsų [AI pradedantiesiems mokymo programoje](https://aka.ms/ai4beginners). Derinkite šias pamokas su mūsų ['Duomenų mokslas pradedantiesiems' mokymo programa](https://aka.ms/ds4beginners).
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)!
Keliaukite su mumis po pasaulį, taikydami šias klasikines technikas duomenims iš įvairių pasaulio regionų. Kiekvienoje pamokoje yra priešpamokinis ir popamokinis testai, rašytinės pamokos vykdymo instrukcijos, sprendimas, užduotis ir daugiau. Mūsų projektinė pedagogika leidžia mokytis kuriant, kas įrodytas būdas, kaip nauji įgūdžiai geriau įsitvirtina.
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.
**✍️ Nuoširdžiai dėkojame mūsų autoriams** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ir Amy Boyd
**✍️ 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
**🎨 Taip pat dėkojame mūsų iliustratoriams** Tomomi Imura, Dasani Madipalli ir Jen Looper
**🙏 Ypatingas ačiū 🙏 mūsų Microsoft Student Ambassador autoriams, recenzentams ir turinio dalintojams**, ypač Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ir Snigdha Agarwal
**🙏 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
**🤩 Dėkojame Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi ir Vidushi Gupta už mūsų R pamokas!**
**🤩 Papildomas dėkingumas Microsoft Studentų Ambasadoriams Eric Wanjau, Jasleen Sondhi ir Vidushi Gupta už mūsų R pamokas!**
# Pradžia
Atlikite šiuos veiksmus:
1. **Atšakokite saugyklą**: spustelėkite mygtuką „Fork“ viršutiniame dešiniajame šio puslapio kampe.
2. **Klonuokite saugyklą**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
1. **Sukurkite šaką (Fork) Saugykloje**: Paspauskite mygtuką "Fork" šio puslapio viršutiniame dešiniajame kampe.
2. **Klonuokite Saugyklą**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
> [raskite visus papildomus išteklius šiam kursui mūsų Microsoft Learn kolekcijoje](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [raskite visus papildomus šio kurso išteklius Microsoft Learn kolekcijoje](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Reikia pagalbos?** Patikrinkite mūsų [Trikčių šalinimo vadovą](TROUBLESHOOTING.md) dėl dažnų problemų sprendimo diegiant, nustatant ir paleidžiant pamokas.
> 🔧 **Reikia pagalbos?** Peržiūrėkite mūsų [Trikčių šalinimo gidą](TROUBLESHOOTING.md) dėl dažnų problemų sprendimų, susijusių su įdiegimu, nustatymu ir pamokų vykdymu.
**[Studentai](https://aka.ms/student-page)**, norėdami naudoti šią mokymo programą, atšakokite visą saugyklą į savo GitHub paskyrą ir vykdykite pratimus patys arba grupėje:
**[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:
- Pradėkite nuo priešpamokinio testo.
- Skaitykite paskaitą ir atlikite veiklas, sustodami ir apmąstydami kiekvieną žinių patikrinimą.
- Stenkitės sukurti projektus suprasdami pamokas, o ne vykdydami sprendimų kodą; tačiau šis kodas yra prieinamas kiekvieno orientuoto į projektą modulio `/solution` aplankuose.
- Atlikite popamokinį testą.
- 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.
- Atlikite iššūkį.
- Atlikite užduotį.
- Baigę grupę pamokų, apsilankykite [Diskusijų lentoje](https://github.com/microsoft/ML-For-Beginners/discussions) ir „mokykitės garsiai“, užpildydami atitinkamą PAT vertinimo formą. „PAT“ yra pažangos vertinimo įrankis, kurį užpildote siekdami toliau mokytis. Taip pat galite reaguoti į kitų PAT, kad mokytumėmės kartu.
- Baigę pamokų grupę, apsilankykite [Diskusijų lentoje](https://github.com/microsoft/ML-For-Beginners/discussions) ir „mokykitės garsiai“ 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.
> 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.
> 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.
**Mokytojai**, mes pateikėme [keletą pasiūlymų](for-teachers.md) apie tai, kaip naudoti šią mokymo programą.
**Mokytojams**, mes [įtraukėme keletą pasiūlymų](for-teachers.md), kaip naudoti šią mokymo programą.
---
## Vaizdo pristatymai
## Vaizdo įrašų peržiūros
Kai kurios pamokos prieinamos trumpais vaizdo įrašais. Juos rasite įterptus tiesiai pamokose arba [ML pradedantiesiems grojaraščio „Microsoft Developer“ YouTube kanale](https://aka.ms/ml-beginners-videos) spustelėję žemiau esantį paveikslėlį.
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.
[![ML pradedantiesiems antraštė](../../../../translated_images/lt/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos)
[![ML pradedantiesiems baneris](../../translated_images/lt/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos)
---
## Komanda
## Susipažinkite su komanda
[![Reklaminis vaizdo įrašas](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU)
[![Reklaminis video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU)
**Gif sukūrė** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
> 🎥 Spustelėkite viršuje esantį paveikslėlį, kad pamatytumėte vaizdo įrašą apie projektą ir žmones, kurie jį sukūrė!
> 🎥 Paspauskite viršuje esantį paveikslėlį, kad pamatytumėte vaizdo įrašą apie projektą ir jį sukūrusius žmones!
---
## Pedagogika
Kuriant šią mokymo programą pasirinkome du pedagoginius principus: užtikrinti, kad ji būtų praktinė, **projektinė** ir kad būtų įtraukti **dažni testai**. Be to, ši programa turi bendrą **temą**, suteikiančią nuoseklumą.
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.
Užtikrinus, kad turinys yra susietas su projektais, procesas tampa labiau įtraukiantis studentams ir gerėja koncepcijų įsisavinimas. Be to, mažos rizikos testas prieš pamoką nukreipia studentą į tam tikro dalyko mokymąsi, o antras testas po pamokos užtikrina tolesnį įsisavinimą. Ši programa sukurta būti lanksti ir smagi, ją galima atlikti visą arba dalimis. Projektai prasideda nuo paprastų ir palaipsniui tampa sudėtingesni per 12 savaičių ciklą. Šioje programoje taip pat yra priedas apie realius ML taikymus, kurį galima naudoti kaip papildomus kreditus arba kaip pagrindą diskusijoms.
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.
> Susipažinkite su mūsų [Elgesio kodeksu](CODE_OF_CONDUCT.md), [Bendradarbiavimo gairėmis](CONTRIBUTING.md), [Vertimo gairėmis](TRANSLATIONS.md) ir [Trikčių šalinimo gairėmis](TROUBLESHOOTING.md). Laukiame jūsų konstruktyvios grįžtamosios reakcijos!
> 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!
## Kiekviena pamoka apima
- pasirenkamą eskizo užrašą
- pasirenkamą papildomą vaizdo įrašą
- vaizdo peržiūrą (kai kurios pamokos)
- [priešpamokinį įšilimo testą](https://ff-quizzes.netlify.app/en/ml/)
- rašytines pamokas
- projektinėse pamokose – žingsnis po žingsnio gidus, kaip sukurti projektą
- neprivalomą eskizinį užrašą
- neprivalomą papildomą vaizdo įrašą
- vaizdo įrašo peržiūrą (tik kai kurios pamokos)
- [priešpaskaitinį apšilimo testą](https://ff-quizzes.netlify.app/en/ml/)
- rašytinę pamoką
- projektu grįstose pamokose – žingsnis po žingsnio vadovus, kaip sukurti projektą
- žinių patikrinimus
- iššūkį
- papildomą skaitymą
- užduotį
- [popamokinį testą](https://ff-quizzes.netlify.app/en/ml/)
> **Pastaba apie kalbas**: Šios pamokos daugiausia rašomos Python kalba, tačiau dauguma jų yra prieinamos ir 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 apibūdinti kaip `kodo blokų` (R ar kitų kalbų) ir `YAML antraštės` (nurodančios, kaip formatuoti išvestis, pvz., PDF) įterpimą `Markdown dokumente`. Todėl tai puiki autorinė sistema duomenų mokslui, leidžianti derinti savo kodą, išvestį ir mintis rašant Markdown forma. Be to, R Markdown dokumentus galima konvertuoti į įvairius išvesties formatus, tokius kaip PDF, HTML ar Word.
> **Pastaba apie viktorinas**: Visos viktorinos yra [Quiz App kataloge](../../quiz-app), iš viso 52 viktorinos po tris klausimus kiekvienoje. Jos sujungtos pamokų viduje, tačiau viktorinų programėlę galite paleisti vietoje; vadovaukitės instrukcijomis `quiz-app` kataloge, kad paleistumėte vietoje arba išplatintumėte Azure.
| Pamokos numeris | Temos | Pamokų grupė | Mokymosi tikslai | Susieta pamoka | Autorius |
| :-------------: | :-----------------------------------------------------------: | :----------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
| 01 | Įvadas į mašininį mokymąsi | [Įvadas](1-Introduction/README.md) | Susipažinkite su pagrindinėmis mašininio mokymosi sąvokomis | [Pamoka](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Mašininio mokymosi istorija | [Įvadas](1-Introduction/README.md) | Sužinokite šios srities istoriją | [Pamoka](1-Introduction/2-history-of-ML/README.md) | Jen ir Amy |
| 03 | Teisingumas ir mašininis mokymasis | [Įvadas](1-Introduction/README.md) | Kokie yra svarbūs filosofiniai klausimai apie teisingumą, kuriuos studentai turėtų apsvarstyti kuriant ir taikant ML modelius? | [Pamoka](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Mašininio mokymosi metodai | [Įvadas](1-Introduction/README.md) | Kokius metodus 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) | Pradėkite dirbti su Python ir Scikit-learn regresijos modeliams | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Šiaurės Amerikos moliūgų kainos 🎃 | [Regresija](2-Regression/README.md) | Vaizduokite ir valykite duomenis pasiruošimui 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 tiesinės ir polinomų 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 logistinės regresijos modelį | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Interneto programėlė 🔌 | [Web App](3-Web-App/README.md) | Sukurkite interneto programėlę panaudodami savo paruoštą modelį | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Įvadas į klasifikaciją | [Klasifikacija](4-Classification/README.md) | Valykite, paruoškite ir vizualizuokite 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 | Gardūs Azijos ir Indijos 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 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 patiekalai 🍜 | [Klasifikacija](4-Classification/README.md) | Sukurkite rekomendacinę interneto programėlę naudodami savo modelį | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Įvadas į grupavimą | [Grupavimas](5-Clustering/README.md) | Valykite, paruoškite ir vizualizuokite duomenis; Įvadas į grupavimą | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Nigerijos muzikos skonio tyrinėjimas 🎧 | [Grupavimas](5-Clustering/README.md) | Tyrinėkite K-vidurkių grupavimo 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) | Sužinokite NLP pagrindus kurdami paprastą botą | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Dažnos NLP užduotys ☕️ | [Natūralios kalbos apdorojimas](6-NLP/README.md) | Gilinkite NLP žinias suprasdami dažnas užduotis, susijusias su kalbos struktūromis | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Vertimas ir nuotaikų analizė ♥️ | [Natūralios kalbos apdorojimas](6-NLP/README.md) | Vertimo 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 |
| 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 energijos 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 energijos naudojimas ⚡️ - laiko eilučių prognozavimas su SVR | [Laiko eilutės](7-TimeSeries/README.md) | Laiko eilučių prognozavimas su paramos 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 naudojant Q-mokymą | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Padėkite Peteriui išvengti vilko! 🐺 | [Stiprinamasis mokymasis](8-Reinforcement/README.md) | Stiprinamojo mokymosi treniruoklis | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | Tikri mašininio mokymosi scenarijai ir taikymai | [ML laukinėje gamtoje](9-Real-World/README.md) | Įdomios ir atskleidžiančios tikrojo pasaulio klasikinio ML taikymo sritys | [Pamoka](9-Real-World/1-Applications/README.md) | Komanda |
| Postscript | Modelių derinimas ML naudojant RAI skydelį | [ML laukinėje gamtoje](9-Real-World/README.md) | Modelių derinimas mašininiame mokymesi naudojant Atsakingo AI 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 paleisti neprisijungę, naudodami [Docsify](https://docsify.js.org/#/). Šaknikite šį repozitorijų, [įdiekite Docsify](https://docsify.js.org/#/quickstart) savo vietiniame kompiuteryje, o tada šio repozitoriumo šakniniame kataloge įveskite `docsify serve`. Svetainė bus pateikta per 3000 prievadą jūsų localhost adresu: `localhost:3000`.
- [popaskaitinį testą](https://ff-quizzes.netlify.app/en/ml/)
> **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 |
| 21 | Įvadas į laikinių eilučių prognozavimą | [Laikinės eilutės](7-TimeSeries/README.md) | Įvadas į laikinių eilučių prognozavimą | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 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 mokymo programos PDF su nuorodomis [čia](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
Raskite kurso turinio PDF su nuorodomis [čia](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Kiti kursai
@ -176,24 +167,24 @@ Mūsų komanda kuria ir kitus kursus! Peržiūrėkite:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[![LangChain4j pradedantiesiems](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
[![LangChain.js pradedantiesiems](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agentai
[![AZD pradedantiesiems](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Edge AI pradedantiesiems](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![MCP pradedantiesiems](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[![AI agentai pradedantiesiems](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
### Azure / Edge / MCP / Agents
[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Generatyvinio AI serija
[![Generatyvinis DI pradedantiesiems](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Generatyvinis DI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[![Generatyvinis DI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[![Generatyvinis DI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### Generatyvusis AI serija
[![Į generatyviąją dirbtinį intelektą pradedantiesiems](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Generatyvioji DI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[![Generatyvioji DI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[![Generatyvioji DI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
@ -202,25 +193,25 @@ Mūsų komanda kuria ir kitus kursus! Peržiūrėkite:
[![Duomenų mokslas pradedantiesiems](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[![DI pradedantiesiems](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[![Kibernetinis saugumas pradedantiesiems](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[![Interneto svetainių kūrimas pradedantiesiems](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![Tinklalapių kūrimas pradedantiesiems](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![Daiktų internetas pradedantiesiems](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[![XR kūrimas pradedantiesiems](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Copilot serija
[![Copilot dirbant kartu su DI programavimas](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[![Copilot DI poriniam programavimui](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[![Copilot C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[![Copilot nuotykiai](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
## Pagalbos gavimas
Jei įstringate ar turite klausimų apie DI programėlių kūrimą. Prisijunkite prie bendraminčių mokinių ir patyrusių programuotojų diskusijose apie MCP. Tai palaikanti bendruomenė, kurioje klausimai laukiami, o žinios laisvai dalijamos.
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.
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
Jei turite produkto atsiliepimų ar klaidų kūrimo metu, apsilankykite:
Jei turite produkto atsiliepimų arba pastebite klaidų kūrimo metu, apsilankykite:
[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)
@ -228,5 +219,5 @@ Jei turite produkto atsiliepimų ar klaidų kūrimo metu, apsilankykite:
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Atsakomybės apribojimas**:
Šis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą [Co-op Translator](https://github.com/Azure/co-op-translator). Nors siekiame tikslumo, prašome atkreipti dėmesį, kad automatizuoti vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba turėtų būti laikomas autoritetingu šaltiniu. Kritinei informacijai rekomenduojamas profesionalus žmogaus vertimas. Mes nesame atsakingi už bet kokius nesusipratimus ar neteisingus aiškinimus, kylančius dėl šio vertimo naudojimo.
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.
<!-- CO-OP TRANSLATOR DISCLAIMER END -->

9
translations/lt/SECURITY.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5e1b8da31aae9cca3d53ad243fa3365a",
"translation_date": "2025-09-03T16:14:01+00:00",
"source_file": "SECURITY.md",
"language_code": "lt"
}
-->
## Saugumas
Microsoft rimtai žiūri į savo programinės įrangos produktų ir paslaugų saugumą, įskaitant visus šaltinio kodo saugyklas, valdomas per mūsų GitHub organizacijas, tokias kaip [Microsoft](https://github.com/Microsoft), [Azure](https://github.com/Azure), [DotNet](https://github.com/dotnet), [AspNet](https://github.com/aspnet), [Xamarin](https://github.com/xamarin) ir [mūsų GitHub organizacijas](https://opensource.microsoft.com/).

9
translations/lt/SUPPORT.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "09623d7343ff1c26ff4f198c1b2d3176",
"translation_date": "2025-10-03T12:34:29+00:00",
"source_file": "SUPPORT.md",
"language_code": "lt"
}
-->
# Palaikymas
## Kaip pateikti problemas ir gauti pagalbą

9
translations/lt/TROUBLESHOOTING.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "134d8759f0e2ab886e9aa4f62362c201",
"translation_date": "2025-10-03T12:57:45+00:00",
"source_file": "TROUBLESHOOTING.md",
"language_code": "lt"
}
-->
# Trikčių šalinimo vadovas
Šis vadovas padės išspręsti dažniausiai pasitaikančias problemas, susijusias su „Machine Learning for Beginners“ mokymo programa. Jei čia nerandate sprendimo, apsilankykite mūsų [Discord diskusijose](https://aka.ms/foundry/discord) arba [atidarykite problemą](https://github.com/microsoft/ML-For-Beginners/issues).

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "68dd06c685f6ce840e0acfa313352e7c",
"translation_date": "2025-09-03T17:20:41+00:00",
"source_file": "docs/_sidebar.md",
"language_code": "lt"
}
-->
- Įvadas
- [Įvadas į mašininį mokymąsi](../1-Introduction/1-intro-to-ML/README.md)
- [Mašininio mokymosi istorija](../1-Introduction/2-history-of-ML/README.md)

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b37de02054fa6c0438ede6fabe1fdfb8",
"translation_date": "2025-09-03T16:15:11+00:00",
"source_file": "for-teachers.md",
"language_code": "lt"
}
-->
## Mokytojams
Norėtumėte naudoti šią mokymo programą savo klasėje? Prašome, naudokitės!

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "6d130dffca5db70d7e615f926cb1ad4c",
"translation_date": "2025-09-03T17:58:04+00:00",
"source_file": "quiz-app/README.md",
"language_code": "lt"
}
-->
# Testai
Šie testai yra skirti prieš ir po paskaitų ML mokymo programai adresu https://aka.ms/ml-beginners

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fba3b94d88bfb9b81369b869a1e9a20f",
"translation_date": "2025-09-03T18:17:51+00:00",
"source_file": "sketchnotes/LICENSE.md",
"language_code": "lt"
}
-->
Attribution-ShareAlike 4.0 Tarptautinė
=======================================================================

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

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a88d5918c1b9da69a40d917a0840c497",
"translation_date": "2025-09-03T18:16:30+00:00",
"source_file": "sketchnotes/README.md",
"language_code": "lt"
}
-->
Visos mokymo programos eskizai gali būti atsisiųsti čia.
🖨 Aukštos raiškos spausdinimui TIFF versijos yra pasiekiamos [šiame repozitorijoje](https://github.com/girliemac/a-picture-is-worth-a-1000-words/tree/main/ml/tiff).

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

Write Preview
Loading…
Cancel
Save