יש לנו סדרת למידה ב-Discord בנושא AI, למדו והצטרפו אלינו ב-[סדרת למידה עם AI](https://aka.ms/learnwithai/discord) בין התאריכים 18-30 בספטמבר, 2025. תקבלו טיפים וטריקים לשימוש ב-GitHub Copilot לנתוני מדע.
יש לנו סדרת לימוד ב-Discord על בינה מלאכותית שמתמשכת, למדו עוד והצטרפו אלינו ב-[Learn with AI Series](https://aka.ms/learnwithai/discord) מה-18 עד ה-30 בספטמבר 2025. תקבלו טיפים וטריקים לשימוש ב-GitHub Copilot עבור מדעי הנתונים.
# למידת מכונה למתחילים - תכנית לימודים
# למידת מכונה למתחילים - תוכנית לימודים
> 🌍 טוסו סביב העולם בזמן שאנו חוקרים למידת מכונה באמצעות תרבויות העולם 🌍
> 🌍 טיול ברחבי העולם אנו חוקרים למידת מכונה דרך תרבויות עולם 🌍
מקדמי ענן במיקרוסופט שמחים להציע קורס בן 12 שבועות עם 26 שיעורים בנושא **למידת מכונה**. בקורס זה תלמדו על מה שנקרא לפעמים**למידת מכונה קלאסית**, תוך שימוש בעיקר בספריית Scikit-learn והימנעות מלמידה עמוקה, שמכוסה בתכנית הלימודים שלנו [AI למתחילים](https://aka.ms/ai4beginners). שלבו שיעורים אלו עם תכנית ['מדעי נתונים למתחילים'](https://aka.ms/ds4beginners) שלנו, גם כן!
ה-cloud advocates של מיקרוסופט שמחים להציע תוכנית לימודים בת 12 שבועות, הכוללת 26 שיעורים על **למידת מכונה**. בתוכנית זו תלמדו על מה שלפעמים נקרא**למידת מכונה קלאסית**, תוך שימוש בעיקר בספריית Scikit-learn והימנעות מלמידה עמוקה, שנלמדת בתוכנית שלנו ל-[AI למתחילים](https://aka.ms/ai4beginners). ניתן לשלב שיעורים אלו עם תוכנית ה-['מדעי נתונים למתחילים'](https://aka.ms/ds4beginners).
טיילו איתנו ברחבי העולם בעוד אנו מיישמים את הטכניקות הקלאסיות הללו על נתונים מאזורים רבים בעולם. כל שיעור כולל מבחני ידע לפני ואחרי השיעור, הוראות כתובות להשלמת השיעור, פתרון, משימה ועוד. הפדגוגיה המבוססת פרויקטים מאפשרת לכם ללמוד תוך כדי בנייה, דרך מוכחת להטמעת מיומנויות חדשות.
טיילו איתנו ברחבי העולם כאשר אנו מיישמים את הטכניקות הקלאסיות האלה על נתונים מאזורים שונים בעולם. כל שיעור כולל מבחני קדם-ואחר-שיעור, הוראות כתובות להשלמת השיעור, פתרון, משימה ועוד. הפדגוגיה מבוססת הפרויקטים מאפשרת ללמוד תוך כדי בנייה, שיטה מוכחת לספיגה טובה של מיומנויות חדשות.
**🎨 תודה גם למאיירים** טומומי אימורה, דסאני מדיפאלי וג'ן לופר
**🙏 תודה מיוחדת 🙏 למחברי, מבקרים ותורמי תוכן של שגרירי הסטודנטים של מיקרוסופט**, במיוחד רישיט דגלי, מוחמד סקיב חאן אינאן, רוחאן ראג', אלכסנדרו פטרסקו, אבישק ג’איסוואל, נאורין טאבסום, יואן סמואילה, וסניגדה אגרוול
**🙏 תודה מיוחדת 🙏 למחברי התוכן, הבודקים ויועצי התוכן של שגרירי הסטודנטים של מיקרוסופט**, ובפרט רשיט דגלי, מוחמד סאקיב חאן אינאן, רוהאן ראג', אלכסנדרו פטרסקו, אבישק ג'איסוואל, נוארין טובאסום, יואן סמואילה וסינגדה אגרוואל
**🤩 תודה מיוחדת לשגרירי הסטודנטים של מיקרוסופט אריק וואנג’או, ג’אסלין סונדי ווידושי גופטה על שיעורי R שלנו!**
**🤩 תודה נוספת מיוחדת לשגרירי הסטודנטים של מיקרוסופט אריק ואנג'או, ג'סלין סונדי ווידושי גופטה על שיעורי ה-R שלנו!**
# התחלנו
# איך להתחיל
עקבו אחר הצעדים הבאים:
1. **עשו Fork למאגר**: לחצו על כפתור "Fork" בפינה הימנית-עליונה של דף זה.
2. **שכפלו את המאגר**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
עקבו אחר השלבים האלה:
1. **בצעו Fork למאגר**: לחצו על כפתור ה-"Fork" בפינה הימנית העליונה של הדף.
2. **שכפלו את המאגר**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
> [מצאו את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **צריכים עזרה?** בדקו את [מדריך פתרון בעיות](TROUBLESHOOTING.md) עבור פתרונות לבעיות נפוצות בהתקנה, הקמה והרצת שיעורים.
> 🔧 **זקוקים לעזרה?** בדקו את [מדריך פתרון הבעיות](TROUBLESHOOTING.md) לפתרונות לבעיות נפוצות בהתקנה, בהגדרה ובהפעלת השיעורים.
**[סטודנטים](https://aka.ms/student-page)**, לשימוש בתוכנית זו, בצעו fork לכל המאגר לחשבון GitHub הפרטי שלכם וסיימו את התרגילים בעצמכם או בקבוצה:
- התחילו עם מבחן חימום לפני ההרצאה.
- קראו את ההרצאה והשלימו את הפעילויות, עצרו והרהרו לאחר כל בדיקת ידע.
- נסו ליצור את הפרויקטים על ידי הבנת השיעורים במקום להריץ את קוד הפתרון; עם זאת, הקוד זמין בתיקיות `/solution` בכל שיעור מונחה פרויקט.
- עברו מבחן לאחר ההרצאה.
**[סטודנטים](https://aka.ms/student-page)**, לשימוש בתוכנית זו, בצעו fork למאגר כולו לחשבון ה-GitHub האישי שלכם והשלימו את התרגילים לבד או בקבוצה:
- התחילו במבחן קדם-הרצאה.
- קראו את ההרצאה והשלימו את הפעילויות, עצרו והרהרו בכל נקודת בדיקת ידע.
- נסו ליצור את הפרויקטים באמצעות הבנת השיעורים במקום להריץ את קוד הפתרון; עם זאת, הקוד זמין בספריות `/solution` בכל שיעור שעוסק בפרויקטים.
- עברו מבחן אחר-הרצאה.
- השלימו את האתגר.
- השלימו את המשימה.
- לאחר השלמת קבוצה של שיעורים, בקרו ב[לוח הדיונים](https://github.com/microsoft/ML-For-Beginners/discussions) ו"למדו בקול" על ידי מילוי טופס PAT מתאים. PAT הוא כלי הערכת התקדמות שהוא טופס שממלאים כדי לקדם את הלמידה. ניתן גם להגיב ל-PATים אחרים כדי ללמוד יחד.
- לאחר סיום קבוצת שיעורים, בקרו ב-[לוח הדיונים](https://github.com/microsoft/ML-For-Beginners/discussions) ו"למדו בקול רם" על ידי מילוי סרגל PAT המתאים. 'PAT' הוא כלי הערכת התקדמות שיש למלא כדי להעמיק את הלמידה. ניתן גם להגיב ל-PATs אחרים כדי ללמוד יחד.
> ללימוד נוסף, מומלץ לעקוב אחרי [מודולים ונתיבי למידה של Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
> ללימוד נוסף, אנו ממליצים לעקוב אחרי מודולים ונתיבי למידה אלה של [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
**מורים**, כללנו [הצעות לשימוש בתוכנית זו](for-teachers.md).
---
## סרטוני וידאו הדרכה
## סרטוני הדרכה
חלק מהשיעורים זמינים כסרטוני וידאו קצרים. ניתן למצוא אותם בקו בתוך השיעורים, או ברשימת ההשמעה ML for Beginners בערוץ מיקרוסופט לדבלופרים ב-YouTube בלחיצה על התמונה למטה.
חלק מהשיעורים זמינים כסרטונים קצרים. ניתן למצוא את כל אלה בתוך השיעורים או ברשימת ההשמעה [ML for Beginners בערוץ מיקרוסופט דבלופר ביוטיוב](https://aka.ms/ml-beginners-videos) על ידי לחיצה על התמונה למטה.
[](https://aka.ms/ml-beginners-videos)
[](https://aka.ms/ml-beginners-videos)
> 🎥 לחצו על התמונה למעלה לסרטון על הפרויקט והאנשים שיצרו אותו!
@ -106,132 +107,132 @@
## פדגוגיה
בחרנו שני עקרונות פדגוגיים בבניית תוכנית זו: להבטיח שהיא **מונחית פרויקטים** וכוללת **מבחני ידע תכופים**. בנוסף, לתוכנית יש **נושא משותף** אחד שמעניק לה קוהרנטיות.
בחרנו בשני עקרונות פדגוגיים בעת בניית תוכנית הלימודים הזו: להבטיח שהיא **מבוססת פרויקטים מעשיים** וכוללת **מבחנים תכופים**. בנוסף, לתוכנית זו יש **נושא** משותף שנותן לה אחידות.
על ידי הבטחת התאמה של התוכן לפרויקטים, התהליך נעשה מעניין יותר לסטודנטים והחזקת המושגים משתפרת. בנוסף, מבחן קל לפני השיעור קובע את כוונת הסטודנט ללמוד נושא, בעוד מבחן שני אחרי השיעור מוודא המשך החזקה. תוכנית זו עוצבה להיות גמישה ומהנה וניתן לקחתה בשלמותה או בחלקיה. הפרויקטים מתחילים קטנים והופכים למורכבים יותר לקראת סוף מחזור ה-12 שבועות. התכנית כוללת גם נספח על יישומים בעולם האמיתי של למידת מכונה, שניתן להשתמש בו כאשראי נוסף או כבסיס לדיון.
על ידי התאמת התוכן לפרויקטים, התהליך נעשה מעניין יותר עבור התלמידים ושימור המושגים משופר. בנוסף, מבחן בעל סיכון נמוך לפני השיעור מציב את הכוונה של התלמיד ללמוד נושא מסוים, בעוד שמבחן שני לאחר השיעור מבטיח שימור נוסף. תוכנית זו עוצבה להיות גמישה ומהנה וניתן לקחת אותה בשלמותה או בחלקים. הפרויקטים מתחילים קטנים והופכים למורכבים יותר עד לסיום מחזור ה-12 שבועות. לתוכנית זו יש גם פוסטסקריפט על יישומים עכשוויים של למידת מכונה בעולם האמיתי, שניתן להשתמש בו כזיכוי נוסף או כבסיס לדיון.
> מצאו את [קוד ההתנהגות שלנו](CODE_OF_CONDUCT.md), [הדרכת תרומה](CONTRIBUTING.md), [הדרכת תרגום](TRANSLATIONS.md) ו[פתרון בעיות](TROUBLESHOOTING.md). נשמח למשוב בונה שלכם!
> מצאו את [קוד ההתנהגות](CODE_OF_CONDUCT.md), [הנחיות לתרומה](CONTRIBUTING.md), [תרגומים](..) ומדריך [פתרון בעיות](TROUBLESHOOTING.md). נשמח למשוב בונה שלכם!
## כל שיעור כולל
- סקיצת עזר אופציונלית
- וידאו משלים אופציונלי
- שרטוט אופציונלי
- וידאו תומך אופציונלי
- סרטון הדרכה (בחלק מהשיעורים בלבד)
- [מבחן חימום לפני השיעור](https://ff-quizzes.netlify.app/en/ml/)
- [מבחן חימום לפני ההרצאה](https://ff-quizzes.netlify.app/en/ml/)
- שיעור כתוב
- לשיעורים מבוססי פרויקטים, מדריכים שלב-אחר-שלב לבניית הפרויקט
- להוראות מבוססות פרויקטים, מדריכים שלב-אחר-שלב לבניית הפרויקט
- בדיקות ידע
- אתגר
- קריאה משלימה
- משימה
- [מבחן לאחר השיעור](https://ff-quizzes.netlify.app/en/ml/)
> **הערה על שפות**: השיעורים האלו כתובים בעיקר בפייתון, אך רבים מהם זמינים גם ב-R. כדי להשלים שיעור ב-R, גשו לספריית `/solution` וחפשו שיעורים ב-R. הם כוללים סיומת .rmd המייצגת קובץ **R Markdown** שניתן להגדירו פשוט כהטמעה של `פרקי קוד` (של R או שפות אחרות) ו`כותרת YAML` (המנחה כיצד לעצב פלטים כגון PDF) בתוך `מסמך מרקדאון`. לכן, הוא משמש כמסגרת יצירת תוכן אידיאלית למדעי הנתונים מכיוון שהוא מאפשר לכם לשלב את הקוד שלכם, את הפלט שלו, ואת המחשבות שלכם באמצעות כתיבתם במרקדאון. בנוסף, מסמכי R Markdown ניתנים להמרה לפורמטי פלט כמו PDF, HTML או Word.
> **הערה על בחנים**: כל הבחנים נמצאים ב[תיקיית אפליקציית הבחן](../../quiz-app), הכוללת סך הכל 52 בחנים עם שלוש שאלות בכל אחד. הם מקושרים מתוך השיעורים אך ניתן להריץ את אפליקציית הבחנים באופן מקומי; עקבו אחר ההוראות בתיקיית `quiz-app` לאירוח מקומי או פריסה ב-Azure.
| מספר שיעור | נושא | קבוצת השיעור | מטרות הלמידה | שיעור מקושר | מחבר/ת |
| 01 | מבוא ללמידת מכונה | [Introduction](1-Introduction/README.md) | למדו את המושגים הבסיסיים שמאחורי למידת המכונה | [שיעור](1-Introduction/1-intro-to-ML/README.md) | מוחמד |
| 02 | ההיסטוריה של למידת מכונה | [Introduction](1-Introduction/README.md) | למדו את ההיסטוריה העומדת מאחורי התחום | [שיעור](1-Introduction/2-history-of-ML/README.md) | ג'ן ואיימי |
| 03 | צדק ולמידת מכונה | [Introduction](1-Introduction/README.md) | מהם הנושאים הפילוסופיים החשובים סביב צדק שהסטודנטים צריכים לשקול בבניית ויישום מודלים בלמידת מכונה? | [שיעור](1-Introduction/3-fairness/README.md) | טומומי |
| 04 | טכניקות ללמידת מכונה | [Introduction](1-Introduction/README.md) | אילו טכניקות חוקרי למידת מכונה משתמשים כדי לבנות מודלים? | [שיעור](1-Introduction/4-techniques-of-ML/README.md) | כריס וג'ן |
| 06 | מחירי דלועים בצפון אמריקה 🎃 | [Regression](2-Regression/README.md) | הציגו ונקו נתונים כהכנה ללמידת מכונה | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | ג'ן • אריק ואנדג’או |
| 07 | מחירי דלועים בצפון אמריקה 🎃 | [Regression](2-Regression/README.md) | בניית מודלים של רגרסיה ליניארית ופולינומית | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | ג'ן ודמיטרי • אריק ואנדג’או |
| 08 | מחירי דלועים בצפון אמריקה 🎃 | [Regression](2-Regression/README.md) | בניית מודל רגרסיה לוגיסטית | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | ג'ן • אריק ואנדג’או |
| 15 | חקר הטעמים המוזיקליים של ניגריה 🎧 | [Clustering](5-Clustering/README.md) | חקר שיטת קיבוץ ה-K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | ג'ן • אריק ואנדג’או |
| 16 | מבוא לעיבוד שפה טבעית ☕️ | [Natural language processing](6-NLP/README.md) | למדו את היסודות של עיבוד שפה טבעית על ידי בניית בוט פשוט | [Python](6-NLP/1-Introduction-to-NLP/README.md) | סטפן |
| 17 | משימות נפוצות בעיבוד שפה טבעית ☕️ | [Natural language processing](6-NLP/README.md) | העמיקו את הידע בעיבוד שפה טבעית על ידי הבנת משימות נפוצות הנדרשות בטיפול במבני שפה | [Python](6-NLP/2-Tasks/README.md) | סטפן |
| 18 | תרגום וניתוח סנטימנטים ♥️ | [Natural language processing](6-NLP/README.md) | תרגום וניתוח סנטימנטים עם ג’יין אוסטן | [Python](6-NLP/3-Translation-Sentiment/README.md) | סטפן |
| 19 | בתי מלון רומנטיים באירופה ♥️ | [Natural language processing](6-NLP/README.md) | ניתוח סנטימנטים עם ביקורות על מלונות 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | סטפן |
| 20 | בתי מלון רומנטיים באירופה ♥️ | [Natural language processing](6-NLP/README.md) | ניתוח סנטימנטים עם ביקורות על מלונות 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | סטפן |
| 21 | מבוא לתחזית סדרות זמן | [Time series](7-TimeSeries/README.md) | מבוא לתחזית סדרות זמן | [Python](7-TimeSeries/1-Introduction/README.md) | פרנצ’סקה |
| 22 | ⚡️ שימוש עולמי בכוח ⚡️ - תחזית סדרות זמן עם ARIMA | [Time series](7-TimeSeries/README.md) | תחזית סדרות זמן עם ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | פרנצ’סקה |
| 23 | ⚡️ שימוש עולמי בכוח ⚡️ - תחזית סדרות זמן עם SVR | [Time series](7-TimeSeries/README.md) | תחזית סדרות זמן עם רגרסור וקטור תמיכה | [Python](7-TimeSeries/3-SVR/README.md) | אנירבן |
| פרפראזה | תרחישים ויישומים בעולם האמיתי של ML | [ML in the Wild](9-Real-World/README.md) | יישומים מעניינים וחושפניים בעולם האמיתי של למידת מכונה קלאסית | [שיעור](9-Real-World/1-Applications/README.md) | צוות |
| פרפראזה | איתור באגים במודלים של ML באמצעות לוח בקרה RAI | [ML in the Wild](9-Real-World/README.md) | איתור באגים במודלים של למידת מכונה באמצעות לוח בקרה של Responsible AI | [שיעור](9-Real-World/2-Debugging-ML-Models/README.md) | רות יאקובו |
> [מצאו את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
- [מבחן לאחר ההרצאה](https://ff-quizzes.netlify.app/en/ml/)
> **הערה לגבי שפות**: שיעורים אלה נכתבים בעיקר בפייתון, אך רבים מהם זמינים גם ב-R. כדי להשלים שיעור ב-R, עברו לתיקיית `/solution` וחפשו את השיעורים ב-R. הם כוללים סיומת .rmd, שמייצגת קובץ **R Markdown**, שניתן להגדירו כפשוטו כהטמעת `חתיכות קוד` (של R או שפות אחרות) ו`כותרת YAML` (המדריכה כיצד לעצב פלטים כמו PDF) בתוך `מסמך Markdown`. כך, הוא משמש כמסגרת כתיבה מצוינת למדעי נתונים, ומאפשר לשלב את הקוד, הפלט והמחשבות שלכם באמצעות כתיבה ב-Markdown. בנוסף, ניתן להמיר קובצי R Markdown לפורמטים כמו PDF, HTML או Word.
> **הערה לגבי חידונים**: כל החידונים נמצאים בתיקיית [Quiz App](../../quiz-app), הכוללת 52 חידונים בסך הכל עם שלוש שאלות בכל אחד. הם מקושרים מתוך השיעורים אך ניתן להריץ את אפליקציית החידונים באופן מקומי; עקוב אחרי ההוראות בתיקיית `quiz-app` לארח או לפרוס ב-Azure באופן מקומי.
| מספר השיעור | נושא | קבוצת השיעור | מטרות הלמידה | שיעור מקושר | המחבר |
| 01 | מבוא ללמידת מכונה | [Introduction](1-Introduction/README.md) | ללמוד את המושגים הבסיסיים מאחורי למידת מכונה | [שיעור](1-Introduction/1-intro-to-ML/README.md) | מוחמד |
| 02 | ההיסטוריה של למידת מכונה | [Introduction](1-Introduction/README.md) | ללמוד את ההיסטוריה הבסיסית של התחום | [שיעור](1-Introduction/2-history-of-ML/README.md) | ג'ן ואיימי |
| 03 | צדק ולמידת מכונה | [Introduction](1-Introduction/README.md) | מהם הנושאים הפילוסופיים החשובים סביב צדק שהסטודנטים צריכים לקחת בחשבון בעת בניית והפעלת מודלים של למידת מכונה? | [שיעור](1-Introduction/3-fairness/README.md) | טומומי |
| 04 | טכניקות ללמידת מכונה | [Introduction](1-Introduction/README.md) | אילו טכניקות חוקרי למידת מכונה משתמשים כדי לבנות מודלי למידה? | [שיעור](1-Introduction/4-techniques-of-ML/README.md) | כריס וג'ן |
| 05 | מבוא לרגרסיה | [Regression](2-Regression/README.md) | התחלה עם Python ו-Scikit-learn עבור מודלי רגרסיה | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | ג'ן • אריק וואנגיו |
| 06 | מחירי דלעות בצפון אמריקה 🎃 | [Regression](2-Regression/README.md) | להמחיש ולנקות נתונים כהכנה ללמידת מכונה | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | ג'ן • אריק וואנגיו |
| 07 | מחירי דלעות בצפון אמריקה 🎃 | [Regression](2-Regression/README.md) | לבנות מודלי רגרסיה ליניאריים ופולינומיים | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | ג'ן ודמיטרי • אריק וואנגיו |
| 08 | מחירי דלעות בצפון אמריקה 🎃 | [Regression](2-Regression/README.md) | לבנות מודל רגרסיה לוגיסטית | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | ג'ן • אריק וואנגיו |
| 15 | חקירת טעמים מוזיקליים ניגריים 🎧 | [Clustering](5-Clustering/README.md) | לחקור את שיטת הקיבוץ K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | ג'ן • אריק וואנגיו |
| 16 | מבוא לעיבוד שפה טבעית ☕️ | [Natural language processing](6-NLP/README.md) | ללמוד את היסודות של עיבוד שפה טבעית על ידי בניית בוט פשוט | [Python](6-NLP/1-Introduction-to-NLP/README.md) | סטיבן |
| 17 | משימות נפוצות ב-NLP ☕️ | [Natural language processing](6-NLP/README.md) | להעמיק את הידע ב-NLP תוך הבנת משימות נפוצות הנדרשות בעת טיפול במבני שפה | [Python](6-NLP/2-Tasks/README.md) | סטיבן |
| 18 | תרגום וניתוח רגשות ♥️ | [Natural language processing](6-NLP/README.md) | תרגום וניתוח רגשות עם ג'יין אוסטין | [Python](6-NLP/3-Translation-Sentiment/README.md) | סטיבן |
| 19 | בתי מלון רומנטיים באירופה ♥️ | [Natural language processing](6-NLP/README.md) | ניתוח רגשות עם ביקורות על בתי מלון 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | סטיבן |
| 20 | בתי מלון רומנטיים באירופה ♥️ | [Natural language processing](6-NLP/README.md) | ניתוח רגשות עם ביקורות על בתי מלון 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | סטיבן |
| 21 | מבוא לחיזוי סדרות זמן | [Time series](7-TimeSeries/README.md) | מבוא לחיזוי סדרות זמן | [Python](7-TimeSeries/1-Introduction/README.md) | פרנססקה |
| 22 | ⚡️ שימוש חשמל עולמי ⚡️ - חיזוי סדרות זמן עם ARIMA | [Time series](7-TimeSeries/README.md) | חיזוי סדרות זמן עם ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | פרנססקה |
| 23 | ⚡️ שימוש חשמל עולמי ⚡️ - חיזוי סדרות זמן עם SVR | [Time series](7-TimeSeries/README.md) | חיזוי סדרות זמן עם Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | אנירבן |
| פרספיקטיבה | תרחישים ויישומים בעולם האמיתי של למידת מכונה | [ML in the Wild](9-Real-World/README.md) | יישומים מעניינים ומרתקים של למידת מכונה קלאסית בעולם האמיתי | [שיעור](9-Real-World/1-Applications/README.md) | צוות |
| פרספיקטיבה | איתור תקלות במודל בלמידת מכונה באמצעות לוח מחוונים RAI | [ML in the Wild](9-Real-World/README.md) | איתור תקלות במודלים של למידת מכונה באמצעות לוח מחוונים של Responsible AI | [שיעור](9-Real-World/2-Debugging-ML-Models/README.md) | רות יקובו |
> [מצא את כל המשאבים הנוספים לקורס זה באוספת Microsoft Learn שלנו](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## גישה לא מקוונת
ניתן להריץ תיעוד זה оффליין באמצעות [Docsify](https://docsify.js.org/#/). סעו על fork לרפו זה, [התקינו Docsify](https://docsify.js.org/#/quickstart) במחשב המקומי שלכם, ואז בתיקיית השורש של הרפו, הקלידו `docsify serve`. האתר יוגש על פורט 3000 במחשביכם המקומי: `localhost:3000`.
ניתן להפעיל את התיעוד הזה באופן לא מקוון באמצעות [Docsify](https://docsify.js.org/#/). עבור למאגר זה, התקן את Docsify [התקנת Docsify](https://docsify.js.org/#/quickstart) במחשב המקומי שלך, ואז בתיקיית השורש של המאגר הקלד `docsify serve`. האתר יופעל על הפורט 3000 ב-localhost שלך: `localhost:3000`.
## PDF-ים
## קבצי PDF
מצאו PDF של התכנית עם קישורים [כאן](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
מצא PDF של תכנית הלימודים עם קישורים [כאן](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 קורסים אחרים
## 🎒 קורסים נוספים
הצוות שלנו מייצר קורסים נוספים! בדקו:
הצוות שלנו מייצר קורסים נוספים! בדוק:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / סוכנים
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
### Azure / Edge / MCP / Agents
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
אם נתקעת או יש לך שאלות לגבי בניית אפליקציות AI. הצטרף ללומדים אחרים ומפתחים מנוסים בדיונים על MCP. זו קהילה תומכת שבה שאלות מתקבלות בברכה והידע נחלק בחופשיות.
אם נתקעת או יש לך שאלות לגבי בניית אפליקציות בינה מלאכותית. הצטרף ללומדים אחרים ומפתחים מנוסים בדיונים על MCP. זוהי קהילה תומכת שבה שאלות מתקבלות בברכה והידע משותף בחופשיות.
אם יש לך משוב על המוצר או שגיאות בזמן הבנייה בקר באתר:
אם יש לך משוב על מוצר או שגיאות בזמן הבנייה בקר ב:
[](https://aka.ms/foundry/forum)
- חקור מערכי נתונים מהעולם האמיתי תוך שימוש במושגים שנלמדו.
- לעבור על המחברות לאחר כל שיעור להבנה טובה יותר.
- לתרגל יישום אלגוריתמים בעצמך.
- לחקור מערכי נתונים מהעולם האמיתי באמצעות המושגים שנלמדו.
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**כתב ויתור**:
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית [Co-op Translator](https://github.com/Azure/co-op-translator). אנו שואפים לדיוק, אך יש לקחת בחשבון שתרגומים אוטומטיים עשויים להכיל שגיאות או אי דיוקים. המסמך המקורי בשפתו המקורית מהווה את המקור הרשמי והמהימן. למידע קריטי מומלץ להשתמש בתרגום מקצועי על ידי מתרגם אנושי. איננו אחראים לכל אי הבנה או פרשנות שגויה הנובעת משימוש בתרגום זה.
**כתב ויתור**:
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית [Co-op Translator](https://github.com/Azure/co-op-translator). למרות שאנו שואפים לדייק, יש לקחת בחשבון כי תרגומים אוטומטיים עלולים להכיל שגיאות או אי-דיוקים. המסמך המקורי בשפת המקור שלו נחשב למקור הסמכותי. למידע קריטי מומלץ לבצע תרגום מקצועי על ידי מתרגם אנושי. אנו לא נושאים באחריות לכל אי-הבנה או פרשנות שגויה הנובעים משימוש בתרגום זה.
> Deze repository bevat vertalingen in meer dan 50 talen, wat de downloadgrootte aanzienlijk vergroot. Om te klonen zonder vertalingen, gebruik je sparse checkout:
> Deze repository bevat meer dan 50 taalvertalingen, wat de downloadgrootte aanzienlijk vergroot. Om zonder vertalingen te klonen, gebruik je sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -33,68 +33,69 @@
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Dit geeft je alles wat je nodig hebt om de cursus te voltooien met een veel snellere download.
> Dit geeft je alles wat je nodig hebt om de cursus af te ronden met een veel snellere download.
We hebben een Discord learn with AI-serie die momenteel loopt, leer meer en doe mee via [Learn with AI Series](https://aka.ms/learnwithai/discord) van 18 - 30 september 2025. Je krijgt tips en trucs voor het gebruik van GitHub Copilot voor Data Science.
We hebben een Discord leer met AI-serie lopen, leer meer en sluit je aan bij ons op [Learn with AI Series](https://aka.ms/learnwithai/discord) van 18 - 30 september 2025. Je krijgt tips en trucs over het gebruik van GitHub Copilot voor Data Science.
# Machine Learning voor Beginners - Een Curriculum
> 🌍 Reis rond de wereld terwijl we Machine Learning verkennen via wereldculturen 🌍
> 🌍 Reizen over de hele wereld terwijl we Machine Learning verkennen door middel van wereldculturen 🌍
Cloud Advocates bij Microsoft bieden met plezier een 12-weeks, 26-lessen curriculum over **Machine Learning** aan. In dit curriculum leer je over wat soms **klassieke machine learning** wordt genoemd, waarbij hoofdzakelijk gebruik wordt gemaakt van Scikit-learn als bibliotheek en waarbij diepe leerprocessen worden vermeden, die aan bod komen in ons [AI for Beginners' curriculum](https://aka.ms/ai4beginners). Combineer deze lessen ook met ons ['Data Science voor Beginners' curriculum](https://aka.ms/ds4beginners)!
Cloud Advocates bij Microsoft bieden met plezier een 12-weekse, 26-lessen curriculum aan over **Machine Learning**. In dit curriculum leer je over wat soms **klassieke machine learning** wordt genoemd, met hoofdzakelijk Scikit-learn als bibliotheek en waarbij deep learning wordt vermeden, wat behandeld wordt in ons [AI voor Beginners-curriculum](https://aka.ms/ai4beginners). Combineer deze lessen ook met onze ['Data Science voor Beginners-curriculum'](https://aka.ms/ds4beginners)!
Reis met ons mee rond de wereld terwijl we deze klassieke technieken toepassen op data uit vele gebieden van de wereld. Elke les bevat quizzen vóór en na de les, geschreven instructies om de les te voltooien, een oplossing, een opdracht en meer. Onze projectgebaseerde didactiek stelt je in staat te leren terwijl je bouwt, een bewezen manier om nieuwe vaardigheden te laten beklijven.
Reis met ons de wereld rond terwijl we deze klassieke technieken toepassen op data uit vele regio's van de wereld. Elke les bevat voor- en na-les quizzen, geschreven instructies om de les te voltooien, een oplossing, een opdracht, en meer. Onze projectgerichte pedagogiek stelt je in staat te leren terwijl je bouwt, een bewezen manier om nieuwe vaardigheden te laten beklijven.
**✍️ Hartelijke dank aan onze auteurs** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu en Amy Boyd
**🎨 Dank eveneens aan onze illustratoren** Tomomi Imura, Dasani Madipalli en Jen Looper
**🎨 Dank ook aan onze illustratoren** Tomomi Imura, Dasani Madipalli, en Jen Looper
**🙏 Speciale dank 🙏 aan onze Microsoft Student Ambassador-auteurs, reviewers en inhoudsbijdragers**, met name Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila en Snigdha Agarwal
**🙏 Speciale dank 🙏 aan onze Microsoft Student Ambassador-auteurs, beoordelaars en contentbijdragers**, met name Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila en Snigdha Agarwal
**🤩 Extra dank aan Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi en Vidushi Gupta voor onze R-lessen!**
**🤩 Extra dankbaarheid aan Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi en Vidushi Gupta voor onze R-lessen!**
# Aan de slag
Volg deze stappen:
1. **Fork de Repository**: Klik op de knop "Fork" in de rechterbovenhoek van deze pagina.
2. **Clone de Repository**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
1. **Fork de repository**: Klik op de knop "Fork" rechtsboven op deze pagina.
2. **Clone de repository**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
> [vind alle aanvullende bronnen voor deze cursus in onze Microsoft Learn-collectie](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Hulp nodig?** Bekijk onze [Probleemoplossingsgids](TROUBLESHOOTING.md) voor oplossingen bij veelvoorkomende problemen met installatie, setup en het uitvoeren van lessen.
> 🔧 **Hulp nodig?** Bekijk onze [Probleemoplossingsgids](TROUBLESHOOTING.md) voor oplossingen voor veelvoorkomende problemen met installatie, setup en het uitvoeren van lessen.
**[Studenten](https://aka.ms/student-page)**, om dit curriculum te gebruiken, fork je de volledige repo naar je eigen GitHub-account en voltooi je de oefeningen zelf of met een groep:
- Begin met een quiz vóór de les.
- Lees de les en voltooi de activiteiten, pauzeer en reflecteer bij elke kennischeck.
- Probeer de projecten te maken door de lessen te begrijpen in plaats van simpelweg de oplossing te draaien; die code is echter beschikbaar in de `/solution`-mappen in elke projectgerichte les.
- Maak de quiz na de les.
**[Studenten](https://aka.ms/student-page)**, om dit curriculum te gebruiken, fork je de hele repo naar je eigen GitHub-account en voltooi je de oefeningen alleen of in een groep:
- Begin met een pre-lecture quiz.
- Lees de les en voer de activiteiten uit, pauzeer en reflecteer bij elke kennischeck.
- Probeer de projecten te maken door de lessen te begrijpen in plaats van simpelweg de oplossingscode uit te voeren; die code is echter beschikbaar in de `/solution` mappen in elke projectgerichte les.
- Maak de post-lecture quiz.
- Voltooi de challenge.
- Voltooi de opdracht.
- Na het voltooien van een groep lessen, bezoek het [Discussiebord](https://github.com/microsoft/ML-For-Beginners/discussions) en "leer hardop" door het passende PAT-rubriek in te vullen. Een 'PAT' is een Progress Assessment Tool die je invult om je leren te bevorderen. Je kunt ook reageren op andere PAT's zodat we samen kunnen leren.
- Nadat je een lesgroep hebt afgerond, bezoek je het [Discussiebord](https://github.com/microsoft/ML-For-Beginners/discussions) en "leer hardop" door het invullen van de passende PAT-rubriek. Een 'PAT' is een Vooruitgangsbeoordelingsinstrument (Progress Assessment Tool) dat je invult om je leerproces te bevorderen. Je kunt ook reageren op andere PAT's zodat we samen kunnen leren.
> Voor verdere studie bevelen we aan om deze [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modules en leerpaden te volgen.
> Voor verdere studie raden we aan deze [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modules en leerpaden te volgen.
**Docenten**, we hebben [enkele suggesties](for-teachers.md) opgenomen over hoe je dit curriculum kunt gebruiken.
**Docenten**, we hebben [enkele suggesties opgenomen](for-teachers.md) over het gebruik van dit curriculum.
---
## Video walkthroughs
Sommige lessen zijn beschikbaar als korte video's. Je kunt ze allemaal inline in de lessen vinden, of in de [ML for Beginners-afspeellijst op het Microsoft Developer YouTube-kanaal](https://aka.ms/ml-beginners-videos) door op de onderstaande afbeelding te klikken.
Sommige van de lessen zijn beschikbaar als korte video's. Je vindt ze inline in de lessen, of op de [ML for Beginners-afspeellijst op het Microsoft Developer YouTube-kanaal](https://aka.ms/ml-beginners-videos) door op de afbeelding hieronder te klikken.
[](https://aka.ms/ml-beginners-videos)
@ -104,134 +105,134 @@ Sommige lessen zijn beschikbaar als korte video's. Je kunt ze allemaal inline in
---
## Didactiek
## Pedagogiek
We hebben twee didactische principes gekozen bij het ontwikkelen van dit curriculum: ervoor zorgen dat het hands-on **projectgebaseerd** is en dat het **frequente quizzen** bevat. Bovendien heeft dit curriculum een gemeenschappelijk **thema**voor samenhang.
We hebben twee pedagogische principes gekozen bij het samenstellen van dit curriculum: het waarborgen dat het hands-on **projectgebaseerd** is en dat het **frequente quizzen** bevat. Bovendien heeft dit curriculum een gemeenschappelijk **thema**om het samenhang te geven.
Door ervoor te zorgen dat de inhoud aansluit bij projecten, wordt het proces boeiender voor studenten en wordt de retentie van concepten verhoogd. Daarnaast stelt een quiz met lage inzet vóór de les de intentie van de student in op het leren van een onderwerp, terwijl een tweede quiz na de les verdere retentie bevordert. Dit curriculum is ontworpen om flexibel en leuk te zijn en kan geheel of gedeeltelijk gevolgd worden. De projecten starten klein en worden steeds complexer aan het einde van de 12-weekse cyclus. Dit curriculum bevat ook een epiloog over toepassingen van ML in de echte wereld, die gebruikt kan worden als extra opdracht of als basis voor discussie.
Door ervoor te zorgen dat de inhoud aansluit bij projecten wordt het proces boeiender voor studenten en wordt de conceptretentie vergroot. Bovendien stelt een quiz met lage inzet voorafgaand aan een les de intentie van de student voor het leren van een onderwerp, terwijl een tweede quiz na de les verdere retentie waarborgt. Dit curriculum is bedoeld om flexibel en leuk te zijn en kan geheel of gedeeltelijk worden gevolgd. De projecten beginnen klein en worden geleidelijk complexer aan het einde van de 12-weekse cyclus. Dit curriculum bevat ook een naschrift over de toepassingen van ML in de echte wereld, dat kan worden gebruikt als extra krediet of als basis voor discussie.
> Vind onze [Gedragscode](CODE_OF_CONDUCT.md), [Bijdragen](CONTRIBUTING.md), [Vertaling](TRANSLATIONS.md) en [Probleemoplossing](TROUBLESHOOTING.md) richtlijnen. We verwelkomen je constructieve feedback!
> Vind onze [Gedragscode](CODE_OF_CONDUCT.md), [Bijdragen](CONTRIBUTING.md), [Vertalingen](..), en [Probleemoplossing](TROUBLESHOOTING.md) richtlijnen. We verwelkomen je opbouwende feedback!
## Elke les bevat
- optionele schetsnotitie
- optionele aanvullende video
- video walkthrough (alleen sommige lessen)
- [quiz om op te warmen vóór de les](https://ff-quizzes.netlify.app/en/ml/)
- voor projectgebaseerde lessen, stapsgewijze handleidingen om het project te bouwen
- voor projectgebaseerde lessen, stapsgewijze gidsen over hoe je het project bouwt
- kenniscontroles
- een challenge
- aanvullende lectuur
- een uitdaging
- aanvullende literatuur
- opdracht
- [quiz na de les](https://ff-quizzes.netlify.app/en/ml/)
> **Een opmerking over talen**: Deze lessen zijn voornamelijk geschreven in Python, maar veel zijn ook beschikbaar in R. Om een les in R te voltooien, ga naar de map `/solution` en zoek naar R-lessen. Deze bevatten een .rmd-extensie die staat voor een **R Markdown**-bestand, wat eenvoudig kan worden gedefinieerd als een inbedding van `codeblokken` (van R of andere talen) en een `YAML-header` (die aangeeft hoe uitvoerformaten zoals PDF moeten worden opgemaakt) in een `Markdown-document`. Als zodanig dient het als een voorbeeldige auteurstool voor datawetenschap omdat het je in staat stelt je code, de uitvoer ervan en je gedachten te combineren door ze op te schrijven in Markdown. Bovendien kunnen R Markdown-documenten worden gerenderd naar uitvoerformaten zoals PDF, HTML of Word.
> **Een opmerking over quizzen**: Alle quizzen zijn opgenomen in de map [Quiz App folder](../../quiz-app), voor in totaal 52 quizzen van elk drie vragen. Ze zijn gekoppeld vanuit de lessen, maar de quiz-app kan lokaal worden uitgevoerd; volg de instructies in de map `quiz-app` om lokaal te hosten of te deployen naar Azure.
| Lesnummer | Onderwerp | Les Groepering | Leerdoelen | Gekoppelde Les | Auteur |
| 01 | Introductie tot machine learning | [Introductie](1-Introduction/README.md) | Leer de basisconcepten achter machine learning | [Les](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | De geschiedenis van machine learning | [Introductie](1-Introduction/README.md) | Leer de geschiedenis achter dit vakgebied | [Les](1-Introduction/2-history-of-ML/README.md) | Jen en Amy |
| 03 | Rechtvaardigheid en machine learning | [Introductie](1-Introduction/README.md) | Wat zijn de belangrijke filosofische kwesties rondom rechtvaardigheid waar studenten rekening mee moeten houden bij het bouwen en toepassen van ML-modellen? | [Les](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Technieken voor machine learning | [Introductie](1-Introduction/README.md) | Welke technieken gebruiken ML-onderzoekers om ML-modellen te bouwen? | [Les](1-Introduction/4-techniques-of-ML/README.md) | Chris en Jen |
| 05 | Introductie tot regressie | [Regressie](2-Regression/README.md) | Aan de slag met Python en Scikit-learn voor regressiemodellen | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Noord-Amerikaanse pompoenprijzen 🎃 | [Regressie](2-Regression/README.md) | Gegevens visualiseren en opschonen ter voorbereiding van ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Noord-Amerikaanse pompoenprijzen 🎃 | [Regressie](2-Regression/README.md) | Bouw lineaire en polynomiale regressiemodellen | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen en Dmitry • Eric Wanjau |
| 08 | Noord-Amerikaanse pompoenprijzen 🎃 | [Regressie](2-Regression/README.md) | Bouw een logistisch regressiemodel | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Een web app 🔌 | [Web App](3-Web-App/README.md) | Bouw een webapp om je getrainde model te gebruiken | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Introductie tot classificatie | [Classificatie](4-Classification/README.md) | Reinig, bereid voor en visualiseer je data; introductie tot classificatie | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen en Cassie • Eric Wanjau |
| 11 | Heerlijke Aziatische en Indiase keukens 🍜 | [Classificatie](4-Classification/README.md) | Introductie tot classifiers | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen en Cassie • Eric Wanjau |
| 12 | Heerlijke Aziatische en Indiase keukens 🍜 | [Classificatie](4-Classification/README.md) | Meer classifiers | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen en Cassie • Eric Wanjau |
| 13 | Heerlijke Aziatische en Indiase keukens 🍜 | [Classificatie](4-Classification/README.md) | Bouw een aanbevelingswebapp met behulp van je model | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Introductie tot clustering | [Clustering](5-Clustering/README.md) | Reinig, bereid voor en visualiseer je data; introductie tot clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Verkenning van Nigeriaanse muzikale smaken 🎧 | [Clustering](5-Clustering/README.md) | Verken de K-Means clusteringmethode | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Introductie tot natuurlijke taalverwerking ☕️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Leer de basis van NLP door het bouwen van een eenvoudige bot | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Veelvoorkomende NLP-taken ☕️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Verdiep je NLP-kennis door veelvoorkomende taken te begrijpen die nodig zijn bij het werken met taalstructuren | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Vertaling en sentimentanalyse ♥️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Vertaling en sentimentanalyse met Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Romantische hotels van Europa ♥️| [Natuurlijke taalverwerking](6-NLP/README.md) | Sentimentanalyse met hotelbeoordelingen 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Romantische hotels van Europa ♥️| [Natuurlijke taalverwerking](6-NLP/README.md) | Sentimentanalyse met hotelbeoordelingen 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Introductie tot tijdreeksvoorspelling | [Tijdreeksen](7-TimeSeries/README.md) | Introductie tot tijdreeksvoorspelling | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 23 | ⚡️ Wereldwijd stroomverbruik ⚡️ - tijdreeksvoorspelling met SVR | [Tijdreeksen](7-TimeSeries/README.md) | Tijdreeksvoorspelling met Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Introductie tot reinforcement learning | [Reinforcement learning](8-Reinforcement/README.md) | Introductie tot reinforcement learning met Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Help Peter om de wolf te ontlopen! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Reinforcement learning Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Naschrift | Praktijkvoorbeelden en toepassingen van ML | [ML in het Wild](9-Real-World/README.md) | Interessante en onthullende toepassingen uit de echte wereld van klassieke ML | [Les](9-Real-World/1-Applications/README.md) | Team |
| Naschrift | Model debugging in ML met RAI-dashboard | [ML in het Wild](9-Real-World/README.md) | Model debugging in Machine Learning met Responsible AI dashboardcomponenten | [Les](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> **Een opmerking over talen**: Deze lessen zijn voornamelijk geschreven in Python, maar veel zijn ook beschikbaar in R. Om een R-les te voltooien, ga naar de `/solution` map en zoek naar R-lessen. Ze bevatten een .rmd extensie die staat voor een **R Markdown** bestand, wat simpelweg kan worden gedefinieerd als een insluiting van `codeblokjes` (van R of andere talen) en een `YAML-header` (die bepaald hoe uitvoerformaten zoals PDF worden opgemaakt) in een `Markdown-document`. Het dient daarmee als een voorbeeld van een auteurssysteem voor datawetenschap omdat het je in staat stelt je code, de uitvoer ervan en je gedachten te combineren door ze in Markdown op te schrijven. Bovendien kunnen R Markdown documenten worden gerenderd naar uitvoerformaten zoals PDF, HTML of Word.
> **Een opmerking over quizzen**: Alle quizzen zijn te vinden in de [Quiz App-map](../../quiz-app), met in totaal 52 quizzen van elk drie vragen. Ze zijn gelinkt vanuit de lessen, maar de quiz-app kan ook lokaal worden uitgevoerd; volg de instructies in de `quiz-app`-map om lokaal te hosten of te implementeren naar Azure.
| Lesnummer | Onderwerp | Les Groepering | Leerdoelen | Gelinkte Les | Auteur |
| 01 | Introductie tot machine learning | [Inleiding](1-Introduction/README.md) | Leer de basisconcepten achter machine learning | [Les](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | De geschiedenis van machine learning | [Inleiding](1-Introduction/README.md) | Leer de geschiedenis achter dit vakgebied | [Les](1-Introduction/2-history-of-ML/README.md) | Jen en Amy |
| 03 | Rechtvaardigheid en machine learning | [Inleiding](1-Introduction/README.md) | Wat zijn de belangrijke filosofische kwesties rond rechtvaardigheid die studenten moeten overwegen bij het bouwen en toepassen van ML modellen? | [Les](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Technieken voor machine learning | [Inleiding](1-Introduction/README.md) | Welke technieken gebruiken ML-onderzoekers om ML-modellen te bouwen? | [Les](1-Introduction/4-techniques-of-ML/README.md) | Chris en Jen |
| 05 | Introductie tot regressie | [Regressie](2-Regression/README.md) | Begin met Python en Scikit-learn voor regressiemodellen | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Noord-Amerikaanse pompoenprijzen 🎃 | [Regressie](2-Regression/README.md) | Visualiseer en reinig data ter voorbereiding op ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Noord-Amerikaanse pompoenprijzen 🎃 | [Regressie](2-Regression/README.md) | Bouw lineaire en polynomiale regressiemodellen | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen en Dmitry • Eric Wanjau |
| 08 | Noord-Amerikaanse pompoenprijzen 🎃 | [Regressie](2-Regression/README.md) | Bouw een logistiek regressiemodel | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Een Web App 🔌 | [Web App](3-Web-App/README.md) | Bouw een webapplicatie om je getrainde model te gebruiken | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Introductie tot classificatie | [Classificatie](4-Classification/README.md) | Reinig, bereid voor, en visualiseer je data; introductie tot classificatie | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen en Cassie • Eric Wanjau |
| 11 | Verrukkelijke Aziatische en Indiase keukens 🍜 | [Classificatie](4-Classification/README.md) | Introductie tot classifiers | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen en Cassie • Eric Wanjau |
| 12 | Verrukkelijke Aziatische en Indiase keukens 🍜 | [Classificatie](4-Classification/README.md) | Meer classifiers | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen en Cassie • Eric Wanjau |
| 13 | Verrukkelijke Aziatische en Indiase keukens 🍜 | [Classificatie](4-Classification/README.md) | Bouw een recommender-webapp met je model | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Introductie tot clustering | [Clustering](5-Clustering/README.md) | Reinig, bereid voor, en visualiseer je data; introductie tot clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Verkenning van Nigeriaanse muziekvoorkeuren 🎧 | [Clustering](5-Clustering/README.md) | Verken de K-Means clusteringmethode | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Introductie tot natuurlijke taalverwerking ☕️| [Natuurlijke taalverwerking](6-NLP/README.md) | Leer de basis van NLP door een eenvoudige bot te bouwen | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Veelvoorkomende NLP-taken ☕️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Verdiep je NLP-kennis door de veelvoorkomende taken te begrijpen die nodig zijn bij het omgaan met taalstructuren | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Vertaling en sentimentanalyse ♥️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Vertaling en sentimentanalyse met Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Romantische hotels van Europa ♥️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Sentimentanalyse met hotelbeoordelingen 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Romantische hotels van Europa ♥️ | [Natuurlijke taalverwerking](6-NLP/README.md) | Sentimentanalyse met hotelbeoordelingen 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Introductie tot tijdreeksvoorspelling | [Tijdreeksen](7-TimeSeries/README.md) | Introductie tot tijdreeksvoorspelling | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 23 | ⚡️ Wereldwijde energieverbruik ⚡️ - tijdreeksvoorspelling met SVR | [Tijdreeksen](7-TimeSeries/README.md) | Tijdreeksvoorspelling met Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Introductie tot reinforcement learning | [Reinforcement learning](8-Reinforcement/README.md) | Introductie tot reinforcement learning met Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Help Peter de wolf te ontwijken! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Reinforcement learning Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Nawoord | Echte ML-scenario's en toepassingen | [ML in het Wild](9-Real-World/README.md) | Interessante en onthullende toepassingen van klassieke ML in de echte wereld | [Les](9-Real-World/1-Applications/README.md) | Team |
| Nawoord | Model Debugging in ML met de RAI-dashboard | [ML in het Wild](9-Real-World/README.md) | Model Debugging in Machine Learning met Responsible AI dashboardcomponenten | [Les](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [vind alle aanvullende bronnen voor deze cursus in onze Microsoft Learn-collectie](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Offline toegang
Je kunt deze documentatie offline uitvoeren met behulp van [Docsify](https://docsify.js.org/#/). Fork deze repo, [installeer Docsify](https://docsify.js.org/#/quickstart) op je lokale machine en typ vervolgens in de hoofdmap van deze repo `docsify serve`. De website wordt geserveerd op poort 3000 op je localhost: `localhost:3000`.
Je kunt deze documentatie offline gebruiken met [Docsify](https://docsify.js.org/#/). Fork deze repo, [installeer Docsify](https://docsify.js.org/#/quickstart) op je lokale machine, en typ dan in de hoofdmap van deze repo `docsify serve`. De website wordt geserveerd op poort 3000 op je localhost: `localhost:3000`.
## PDFs
Vind een pdf van het lesprogramma met links [hier](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
Vind een pdf van het curriculum met links [hier](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Andere cursussen
## 🎒 Andere Cursussen
Ons team produceert andere cursussen! Bekijk:
Ons team produceert ook andere cursussen! Bekijk:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agents
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Generatieve AI Serie
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### Generatieve AI Series
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### Kernleren
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Copilot Serie
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
Als je vastloopt of vragen hebt over het bouwen van AI-apps. Doe mee met mede-lerenden en ervaren ontwikkelaars in discussies over MCP. Het is een ondersteunende gemeenschap waar vragen welkom zijn en kennis vrij wordt gedeeld.
Als je vastloopt of vragen hebt over het bouwen van AI-apps. Doe mee met mede-leerlingen en ervaren ontwikkelaars in discussies over MCP. Het is een ondersteunende gemeenschap waar vragen welkom zijn en kennis vrij gedeeld wordt.
- Bekijk aantekeningen na elke les voor een beter begrip.
- Bekijk notitieboeken na elke les voor een beter begrip.
- Oefen met het zelf implementeren van algoritmen.
- Verken echte datasets met de geleerde concepten.
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Disclaimer**:
Dit document is vertaald met behulp van de AI-vertalingsdienst [Co-op Translator](https://github.com/Azure/co-op-translator). Hoewel wij streven naar nauwkeurigheid, dient u er rekening mee te houden dat automatische vertalingen fouten of onnauwkeurigheden kunnen bevatten. Het originele document in de oorspronkelijke taal geldt als de gezaghebbende bron. Voor cruciale informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor enige misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling.
**Disclaimer**:
Dit document is vertaald met behulp van de AI vertaaldienst [Co-op Translator](https://github.com/Azure/co-op-translator). Hoewel we streven naar nauwkeurigheid, dient u zich ervan bewust te zijn dat geautomatiseerde vertalingen fouten of onnauwkeurigheden kunnen bevatten. Het oorspronkelijke document in de oorspronkelijke taal moet als de gezaghebbende bron worden beschouwd. Voor cruciale informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor misverstanden of verkeerd geïnterpreteerde informatie voortvloeiend uit het gebruik van deze vertaling.
[](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
> Kho lưu trữ này bao gồm hơn 50 bản dịch ngôn ngữ làm tăng đáng kể kích thước tải xuống. Để sao chép mà không có bản dịch, sử dụng sparse checkout:
> Kho lưu trữ này bao gồm hơn 50 bản dịch ngôn ngữ làm tăng đáng kể kích thước tải xuống. Để sao chép mà không có bản dịch, hãy sử dụng sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -33,65 +33,65 @@
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Điều này cung cấp cho bạn mọi thứ bạn cần để hoàn thành khóa học với tốc độ tải xuống nhanh hơn nhiều.
> Điều này giúp bạn có mọi thứ cần thiết để hoàn thành khóa học với tốc độ tải xuống nhanh hơn nhiều.
[](https://discord.gg/nTYy5BXMWG)
Chúng tôi có một chuỗi học cùng AI trên Discord, tìm hiểu thêm và tham gia chúng tôi tại [Chuỗi Học cùng AI](https://aka.ms/learnwithai/discord) từ 18 - 30 tháng 9, 2025. Bạn sẽ nhận được những mẹo và thủ thuật sử dụng GitHub Copilot cho Khoa học Dữ liệu.
Chúng tôi có một chuỗi học với AI trên Discord đang diễn ra, tìm hiểu thêm và tham gia chúng tôi tại [Learn with AI Series](https://aka.ms/learnwithai/discord) từ ngày 18 - 30 tháng 9, 2025. Bạn sẽ nhận được các mẹo và thủ thuật sử dụng GitHub Copilot cho Khoa học dữ liệu.
# Máy học cho Người mới bắt đầu - Chương trình đào tạo
# Máy học cho Người mới bắt đầu - Một Chương trình giảng dạy
> 🌍 Du lịch vòng quanh thế giới khi chúng ta khám phá Máy học thông qua các nền văn hóa thế giới 🌍
> 🌍 Du lịch vòng quanh thế giới khi chúng ta khám phá Máy học qua các nền văn hóa thế giới 🌍
Nhóm Cloud Advocates tại Microsoft vui mừng giới thiệu chương trình đào tạo 12 tuần, 26 bài học về**Máy học**. Trong chương trình này, bạn sẽ học về cái gọi là **máy học cổ điển**, chủ yếu sử dụng thư viện Scikit-learn và tránh học sâu, được trình bày trong chương trình [AI cho Người mới bắt đầu](https://aka.ms/ai4beginners) của chúng tôi. Kết hợp những bài học này với chương trình ['Khoa học Dữ liệu cho Người mới bắt đầu'](https://aka.ms/ds4beginners) của chúng tôi nữa nhé!
Những Người Ủng hộ Đám mây tại Microsoft vui mừng giới thiệu chương trình giảng dạy 12 tuần, 26 bài học xoay quanh**Máy học**. Trong chương trình này, bạn sẽ học về cái được đôi khi gọi là **máy học cổ điển**, chủ yếu sử dụng thư viện Scikit-learn và tránh học sâu, điều này được đề cập trong chương trình [AI cho Người mới bắt đầu của chúng tôi](https://aka.ms/ai4beginners). Kết hợp các bài học này với chương trình ['Khoa học dữ liệu cho Người mới bắt đầu'](https://aka.ms/ds4beginners) của chúng tôi nữa nhé!
Hãy đồng hành cùng chúng tôi vòng quanh thế giới khi ứng dụng các kỹ thuật cổ điển này vào dữ liệu từ nhiều khu vực trên thế giới. Mỗi bài học bao gồm các bài kiểm tra trước và sau bài học, hướng dẫn viết để hoàn thành bài học, một giải pháp, bài tập, và hơn thế nữa. Phương pháp học dựa trên dự án của chúng tôi cho phép bạn học trong khi xây dựng, một cách đã được chứng minh giúp kỹ năng mới 'đọng lại'.
Hãy cùng chúng tôi du lịch vòng quanh thế giới khi áp dụng các kỹ thuật cổ điển này vào dữ liệu từ nhiều khu vực trên thế giới. Mỗi bài học gồm có câu đố trước và sau bài học, hướng dẫn viết để hoàn thành bài học, giải pháp, bài tập về nhà, và nhiều hơn nữa. Phương pháp học dựa trên dự án giúp bạn học trong quá trình xây dựng, một cách đã được chứng minh giúp kỹ năng mới được 'được ghi nhớ'.
**✍️ Xin gửi lời cảm ơn chân thành tới các tác giả** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu và Amy Boyd
**✍️ Xin cảm ơn chân thành tới các tác giả của chúng tôi** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu và Amy Boyd
**🎨 Cảm ơn các họa sĩ minh họa** Tomomi Imura, Dasani Madipalli và Jen Looper
**🎨 Cảm ơn các họa sĩ minh họa của chúng tôi** Tomomi Imura, Dasani Madipalli, và Jen Looper
**🙏 Lời cảm ơn đặc biệt 🙏 tới các đại sứ sinh viên Microsoft là tác giả, người đánh giá và đóng góp nội dung**, đặc biệt là Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila và Snigdha Agarwal
**🙏 Cảm ơn đặc biệt 🙏 các tác giả, người đánh giá và cộng tác nội dung Đại sứ Sinh viên Microsoft của chúng tôi**, đặc biệt là Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, và Snigdha Agarwal
**🤩 Cảm ơn thêm các đại sứ sinh viên Microsoft Eric Wanjau, Jasleen Sondhi và Vidushi Gupta cho các bài học R của chúng tôi!**
**🤩 Cảm ơn thêm tới Đại sứ Sinh viên Microsoft Eric Wanjau, Jasleen Sondhi, và Vidushi Gupta cho các bài học R của chúng tôi!**
# Bắt đầu
Thực hiện theo các bước sau:
1. **Gọi nhánh fork kho lưu trữ**: Nhấn nút "Fork" ở góc trên bên phải của trang này.
> [tìm tất cả tài nguyên bổ sung cho khóa học này trong bộ sưu tập Microsoft Learn của chúng tôi](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **Cần trợ giúp?**Xem [Hướng dẫn Khắc phục sự cố](TROUBLESHOOTING.md) của chúng tôi để có giải pháp cho các vấn đề phổ biến về cài đặt, thiết lập và chạy bài học.
> 🔧 **Cần trợ giúp?**Kiểm tra [Hướng dẫn Khắc phục Sự cố](TROUBLESHOOTING.md) của chúng tôi để tìm giải pháp cho các vấn đề phổ biến khi cài đặt, thiết lập và chạy bài học.
**[Học sinh](https://aka.ms/student-page)**, để sử dụng chương trình đào tạo này, hãy fork toàn bộ kho vào tài khoản GitHub của bạn và hoàn thành các bài tập một mình hoặc theo nhóm:
**[Học sinh](https://aka.ms/student-page)**, để sử dụng chương trình giảng dạy này, hãy fork toàn bộ kho lưu trữ sang tài khoản GitHub của riêng bạn và hoàn thành các bài tập một mình hoặc theo nhóm:
- Bắt đầu với bài kiểm tra khởi động trước giờ học.
- Đọc bài giảng và hoàn thành các hoạt động, dừng lại và suy ngẫm ở mỗi bài kiểm tra kiến thức.
- Cố gắng tự tạo các dự án bằng cách hiểu bài học thay vì chạy mã giải pháp; tuy nhiên mã đó có sẵn trong thư mục `/solution`ở mỗi bài học theo dự án.
- Làm bài kiểm tra sau giờ học.
- Bắt đầu với câu đố khởi động trước bài giảng.
- Đọc bài giảng và hoàn thành các hoạt động, tạm dừng và suy ngẫm tại mỗi kiểm tra kiến thức.
- Cố gắng tạo các dự án bằng cách hiểu bài học thay vì chạy mã giải pháp; tuy nhiên mã đó có sẵn trong thư mục `/solution`trong mỗi bài học dựa trên dự án.
- Làm câu đố sau bài giảng.
- Hoàn thành thử thách.
- Hoàn thành bài tập.
- Sau khi hoàn thành một nhóm bài học, hãy truy cập [Bảng Thảo luận](https://github.com/microsoft/ML-For-Beginners/discussions) và "học to" bằng cách điền vào rubric PAT phù hợp. 'PAT' là Công cụ Đánh giá Tiến độ, một rubric bạn điền để tiến bộ hơn trong học tập. Bạn cũng có thể phản ứng với các PAT khác để chúng ta cùng học.
- Sau khi hoàn thành một nhóm bài học, hãy truy cập [Bảng thảo luận](https://github.com/microsoft/ML-For-Beginners/discussions) và "học tập công khai" bằng cách điền vào bảng đánh giá PAT thích hợp. 'PAT' là Công cụ Đánh giá Tiến trình mà bạn điền để phát triển việc học của mình. Bạn cũng có thể phản ứng với các PAT khác để chúng ta cùng học hỏi.
> Để nghiên cứu sâu hơn, chúng tôi khuyên bạn theo dõi các mô-đun và lộ trình học tập [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
> Để học thêm, chúng tôi khuyến nghị theo dõi các [mô-đun và lộ trình học Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) này.
**Giáo viên**, chúng tôi đã [bao gồm một số gợi ý](for-teachers.md) về cách sử dụng chương trình đào tạo này.
**Giáo viên**, chúng tôi đã [bao gồm một số gợi ý](for-teachers.md) về cách sử dụng chương trình giảng dạy này.
---
## Video hướng dẫn
Một số bài học có dưới dạng video ngắn. Bạn có thể tìm tất cả các video này ngay trong bài học hoặc trên [danh sách phát ML cho Người mới bắt đầu trên kênh YouTube Microsoft Developer](https://aka.ms/ml-beginners-videos) bằng cách nhấp vào hình bên dưới.
Một số bài học có sẵn dưới dạng video ngắn. Bạn có thể tìm tất cả những video này ngay trong bài học, hoặc trên [danh sách phát ML for Beginners trên kênh YouTube Microsoft Developer](https://aka.ms/ml-beginners-videos) bằng cách nhấn vào hình dưới đây.
[](https://aka.ms/ml-beginners-videos)
[](https://aka.ms/ml-beginners-videos)
---
@ -101,137 +101,138 @@ Một số bài học có dưới dạng video ngắn. Bạn có thể tìm tấ
> 🎥 Nhấn hình trên để xem video về dự án và những người tạo ra nó!
> 🎥 Nhấn vào hình ảnh trên để xem video về dự án và những người tạo ra nó!
---
## Phương pháp giảng dạy
Chúng tôi đã chọn hai nguyên tắc sư phạm khi xây dựng chương trình này: đảm bảo nó là dựa trên **dự án thực hành** và có **bài kiểm tra thường xuyên**. Ngoài ra, chương trình có một **chủ đề chung** để tạo sự liên kết.
Chúng tôi đã chọn hai nguyên tắc giáo dục khi xây dựng chương trình này: đảm bảo nó là **dự án thực hành** và bao gồm **câu đố thường xuyên**. Ngoài ra, chương trình này có một **chủ đề** chung để tạo sự liên kết.
Bằng cách đảm bảo nội dung phù hợp với các dự án, quá trình học sẽ hấp dẫn hơn với học sinh và giúp tăng khả năng ghi nhớ khái niệm. Thêm vào đó, một bài kiểm tra nhẹ trước lớp định hướng sự chú ý của học sinh vào chủ đề cần học, trong khi một bài kiểm tra thứ hai sau lớp củng cố kiến thức. Chương trình này được thiết kế linh hoạt và vui nhộn, có thể làm toàn bộ hoặc từng phần. Các dự án bắt đầu nhỏ và trở nên phức tạp hơn theo từng tuần trong chu kỳ 12 tuần. Chương trình còn có phần phụ lục về ứng dụng thực tế của ML, có thể dùng làm điểm cộng thêm hoặc để thảo luận.
Bằng cách đảm bảo nội dung phù hợp với các dự án, quá trình học trở nên hấp dẫn hơn với học sinh và việc ghi nhớ kiến thức sẽ được tăng cường. Ngoài ra, một câu đố nhẹ nhàng trước lớp tạo thiên hướng học tập cho học viên về chủ đề, trong khi câu đố thứ hai sau lớp đảm bảo việc lưu giữ kiến thức lâu hơn. Chương trình này được thiết kế linh hoạt và thú vị và có thể học toàn bộ hoặc từng phần. Các dự án bắt đầu nhỏ và trở nên phức tạp hơn dần cho tới cuối chu kỳ 12 tuần. Chương trình cũng có phần hậu ký về ứng dụng thực tiễn của ML, có thể dùng làm điểm cộng hoặc cơ sở cho thảo luận.
> Tìm các hướng dẫn của chúng tôi về [Quy tắc ứng xử](CODE_OF_CONDUCT.md), [Đóng góp](CONTRIBUTING.md), [Dịch thuật](TRANSLATIONS.md), và [Khắc phục sự cố](TROUBLESHOOTING.md). Chúng tôi hoan nghênh phản hồi xây dựng của bạn!
> Tìm các hướng dẫn [Quy tắc ứng xử](CODE_OF_CONDUCT.md), [Đóng góp](CONTRIBUTING.md), [Bản dịch](..), và [Khắc phục sự cố](TROUBLESHOOTING.md) của chúng tôi. Chúng tôi hoan nghênh phản hồi xây dựng của bạn!
## Mỗi bài học gồm có
## Mỗi bài học bao gồm
- sketchnote tuỳ chọn
- video bổ sung tuỳ chọn
- video hướng dẫn (chỉ một số bài)
- [bài kiểm tra làm nóng trước giờ học](https://ff-quizzes.netlify.app/en/ml/)
- bản phác thảo có thể chọn
- video bổ sung tùy chọn
- video hướng dẫn (một số bài học)
- [câu đố làm nóng trước bài giảng](https://ff-quizzes.netlify.app/en/ml/)
- bài học viết
- đối với bài học dự án, hướng dẫn từng bước xây dựng dự án
- các bài kiểm tra kiến thức
- thử thách
- tài liệu đọc thêm
- đối với các bài học dự án, hướng dẫn từng bước xây dựng dự án
- kiểm tra kiến thức
- một thử thách
- đọc bổ sung
- bài tập
- [bài kiểm tra sau giờ học](https://ff-quizzes.netlify.app/en/ml/)
> **Ghi chú về ngôn ngữ**: Các bài học này chủ yếu được viết bằng Python, nhưng nhiều bài cũng có sẵn bằng R. Để hoàn thành một bài học R, hãy vào thư mục `/solution` và tìm các bài học bằng R. Chúng bao gồm phần mở rộng .rmd đại diện cho một tập tin **R Markdown** có thể được định nghĩa đơn giản là nhúng các `đoạn mã` (bằng R hoặc các ngôn ngữ khác) và một `đầu đề YAML` (hướng dẫn cách định dạng kết quả đầu ra như PDF) trong một `tài liệu Markdown`. Vì vậy, nó phục vụ như một khung tác giả mẫu cho khoa học dữ liệu vì nó cho phép bạn kết hợp mã của mình, kết quả của mã, và suy nghĩ của bạn bằng cách cho phép bạn viết chúng trong Markdown. Hơn nữa, các tài liệu R Markdown có thể được kết xuất thành các định dạng đầu ra như PDF, HTML hoặc Word.
> **Ghi chú về các bài kiểm tra**: Tất cả các bài kiểm tra được chứa trong [thư mục Ứng dụng Kiểm tra](../../quiz-app), có tổng cộng 52 bài kiểm tra với mỗi bài 3 câu hỏi. Chúng được liên kết từ bên trong các bài học nhưng ứng dụng kiểm tra có thể chạy cục bộ; làm theo hướng dẫn trong thư mục `quiz-app` để lưu trữ hoặc triển khai trên Azure.
| Số bài học | Chủ đề | Nhóm bài học | Mục tiêu học tập | Bài học liên kết | Tác giả |
| 01 | Giới thiệu về học máy | [Giới thiệu](1-Introduction/README.md) | Tìm hiểu các khái niệm cơ bản về học máy | [Bài học](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Lịch sử của học máy | [Giới thiệu](1-Introduction/README.md) | Tìm hiểu lịch sử nền tảng của lĩnh vực này | [Bài học](1-Introduction/2-history-of-ML/README.md) | Jen và Amy |
| 03 | Công bằng và học máy | [Giới thiệu](1-Introduction/README.md) | Những vấn đề triết học quan trọng xung quanh công bằng mà học viên nên cân nhắc khi xây dựng và áp dụng mô hình ML? | [Bài học](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Các kỹ thuật trong học máy | [Giới thiệu](1-Introduction/README.md) | Các kỹ thuật mà các nhà nghiên cứu ML sử dụng để xây dựng mô hình ML là gì? | [Bài học](1-Introduction/4-techniques-of-ML/README.md) | Chris và Jen |
| 05 | Giới thiệu về hồi quy | [Hồi quy](2-Regression/README.md) | Bắt đầu với Python và Scikit-learn cho các mô hình hồi quy | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Giá bí đỏ Bắc Mỹ 🎃 | [Hồi quy](2-Regression/README.md) | Trực quan hóa và làm sạch dữ liệu chuẩn bị cho học máy | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Giá bí đỏ Bắc Mỹ 🎃 | [Hồi quy](2-Regression/README.md) | Xây dựng mô hình hồi quy tuyến tính và đa thức | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen và Dmitry • Eric Wanjau |
| 08 | Giá bí đỏ Bắc Mỹ 🎃 | [Hồi quy](2-Regression/README.md) | Xây dựng mô hình hồi quy logistic | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Ứng dụng Web 🔌 | [Ứng dụng Web](3-Web-App/README.md) | Xây dựng một ứng dụng web để sử dụng mô hình bạn đã huấn luyện | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Giới thiệu về phân loại | [Phân loại](4-Classification/README.md) | Làm sạch, chuẩn bị và trực quan hóa dữ liệu; giới thiệu về phân loại | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen và Cassie • Eric Wanjau |
| 11 | Ẩm thực ngon lành châu Á và Ấn Độ 🍜 | [Phân loại](4-Classification/README.md) | Giới thiệu về các bộ phân loại | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen và Cassie • Eric Wanjau |
| 12 | Ẩm thực ngon lành châu Á và Ấn Độ 🍜 | [Phân loại](4-Classification/README.md) | Thêm nhiều bộ phân loại | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen và Cassie • Eric Wanjau |
| 13 | Ẩm thực ngon lành châu Á và Ấn Độ 🍜 | [Phân loại](4-Classification/README.md) | Xây dựng một ứng dụng web gợi ý bằng mô hình của bạn | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Giới thiệu về phân cụm | [Phân cụm](5-Clustering/README.md) | Làm sạch, chuẩn bị và trực quan hóa dữ liệu; giới thiệu về phân cụm | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Khám phá sở thích âm nhạc Nigeria 🎧 | [Phân cụm](5-Clustering/README.md) | Khám phá phương pháp phân cụm K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Giới thiệu về xử lý ngôn ngữ tự nhiên ☕️ | [Xử lý ngôn ngữ tự nhiên](6-NLP/README.md) | Tìm hiểu những kiến thức cơ bản về NLP bằng cách xây dựng một bot đơn giản | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Các nhiệm vụ phổ biến trong NLP ☕️ | [Xử lý ngôn ngữ tự nhiên](6-NLP/README.md) | Nâng cao kiến thức NLP bằng cách hiểu các nhiệm vụ phổ biến cần xử lý cấu trúc ngôn ngữ | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Dịch thuật và phân tích cảm xúc ♥️ | [Xử lý ngôn ngữ tự nhiên](6-NLP/README.md) | Dịch thuật và phân tích cảm xúc với Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Khách sạn lãng mạn ở châu Âu ♥️ | [Xử lý ngôn ngữ tự nhiên](6-NLP/README.md) | Phân tích cảm xúc với đánh giá khách sạn 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Khách sạn lãng mạn ở châu Âu ♥️ | [Xử lý ngôn ngữ tự nhiên](6-NLP/README.md) | Phân tích cảm xúc với đánh giá khách sạn 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Giới thiệu dự báo chuỗi thời gian | [Chuỗi thời gian](7-TimeSeries/README.md) | Giới thiệu dự báo chuỗi thời gian | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Sử dụng điện toàn cầu ⚡️ - dự báo chuỗi thời gian ARIMA | [Chuỗi thời gian](7-TimeSeries/README.md) | Dự báo chuỗi thời gian với ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Sử dụng điện toàn cầu ⚡️ - dự báo chuỗi thời gian SVR | [Chuỗi thời gian](7-TimeSeries/README.md) | Dự báo chuỗi thời gian với Hồi quy Vector Hỗ trợ | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Giới thiệu học tăng cường | [Học tăng cường](8-Reinforcement/README.md) | Giới thiệu học tăng cường với Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Giúp Peter tránh sói! 🐺 | [Học tăng cường](8-Reinforcement/README.md) | Phòng tập học tăng cường Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Hậu ký | Các tình huống và ứng dụng ML thực tế | [ML ngoài đời](9-Real-World/README.md) | Các ứng dụng thực tế thú vị và tiết lộ của học máy cổ điển | [Bài học](9-Real-World/1-Applications/README.md) | Nhóm |
| Hậu ký | Gỡ lỗi mô hình trong ML sử dụng bảng điều khiển RAI | [ML ngoài đời](9-Real-World/README.md) | Gỡ lỗi mô hình trong Machine Learning sử dụng các thành phần bảng điều khiển Responsible AI | [Bài học](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
- [câu đố sau bài giảng](https://ff-quizzes.netlify.app/en/ml/)
> **Lưu ý về ngôn ngữ**: Các bài học này chủ yếu viết bằng Python, nhưng nhiều bài cũng có sẵn bằng R. Để hoàn thành bài học R, hãy vào thư mục `/solution` và tìm các bài học R. Chúng có phần mở rộng .rmd đại diện cho tệp **R Markdown** có thể được định nghĩa đơn giản là nhúng các `đoạn mã` (của R hoặc ngôn ngữ khác) và `đầu đề YAML` (hướng dẫn cách định dạng đầu ra như PDF) trong một tài liệu `Markdown`. Vì vậy, nó là một khung viết mẫu mực cho khoa học dữ liệu vì nó cho phép bạn kết hợp mã, đầu ra và suy nghĩ của mình bằng cách viết chúng trên Markdown. Hơn nữa, tài liệu R Markdown có thể được chuyển đổi sang các định dạng đầu ra như PDF, HTML hoặc Word.
> **Lưu ý về các bài kiểm tra**: Tất cả các bài kiểm tra đều nằm trong [thư mục Quiz App](../../quiz-app), tổng cộng 52 bài kiểm tra, mỗi bài gồm ba câu hỏi. Chúng được liên kết từ trong các bài học nhưng ứng dụng kiểm tra có thể chạy cục bộ; làm theo hướng dẫn trong thư mục `quiz-app` để lưu trữ hoặc triển khai trên Azure.
| Số Bài Học | Chủ đề | Nhóm Bài Học | Mục tiêu học tập | Bài Học Liên Kết | Tác giả |
| 01 | Giới thiệu về học máy | [Giới thiệu](1-Introduction/README.md) | Học các khái niệm cơ bản về học máy | [Bài học](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | Lịch sử của học máy | [Giới thiệu](1-Introduction/README.md) | Tìm hiểu lịch sử nền tảng của lĩnh vực này | [Bài học](1-Introduction/2-history-of-ML/README.md) | Jen và Amy |
| 03 | Công bằng và học máy | [Giới thiệu](1-Introduction/README.md) | Các vấn đề triết học quan trọng về công bằng mà học viên nên cân nhắc khi xây dựng và áp dụng mô hình ML | [Bài học](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | Kỹ thuật cho học máy | [Giới thiệu](1-Introduction/README.md) | Các kỹ thuật mà các nhà nghiên cứu ML sử dụng để xây dựng mô hình ML | [Bài học](1-Introduction/4-techniques-of-ML/README.md) | Chris và Jen |
| 05 | Giới thiệu về hồi quy | [Hồi quy](2-Regression/README.md) | Bắt đầu với Python và Scikit-learn cho các mô hình hồi quy | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | Giá bí ngô Bắc Mỹ 🎃 | [Hồi quy](2-Regression/README.md) | Trực quan hóa và làm sạch dữ liệu để chuẩn bị cho ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | Giá bí ngô Bắc Mỹ 🎃 | [Hồi quy](2-Regression/README.md) | Xây dựng các mô hình hồi quy tuyến tính và đa thức | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen và Dmitry • Eric Wanjau |
| 08 | Giá bí ngô Bắc Mỹ 🎃 | [Hồi quy](2-Regression/README.md) | Xây dựng mô hình hồi quy logistic | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | Ứng dụng Web 🔌 | [Web App](3-Web-App/README.md) | Xây dựng ứng dụng web sử dụng mô hình đã huấn luyện| [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | Giới thiệu về phân loại | [Phân loại](4-Classification/README.md)| Làm sạch, chuẩn bị, và trực quan hóa dữ liệu; giới thiệu phân loại | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen và Cassie • Eric Wanjau |
| 11 | Ẩm thực ngon của châu Á và Ấn Độ 🍜 | [Phân loại](4-Classification/README.md) | Giới thiệu về bộ phân loại | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen và Cassie • Eric Wanjau |
| 12 | Ẩm thực ngon của châu Á và Ấn Độ 🍜 | [Phân loại](4-Classification/README.md) | Thêm các bộ phân loại | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen và Cassie • Eric Wanjau |
| 13 | Ẩm thực ngon của châu Á và Ấn Độ 🍜 | [Phân loại](4-Classification/README.md) | Xây dựng ứng dụng web đề xuất sử dụng mô hình của bạn | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | Giới thiệu về phân cụm | [Phân cụm](5-Clustering/README.md) | Làm sạch, chuẩn bị, và trực quan hóa dữ liệu; giới thiệu về phân cụm | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | Khám phá thị hiếu âm nhạc Nigeria 🎧 | [Phân cụm](5-Clustering/README.md) | Khám phá phương pháp phân cụm K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | Giới thiệu về xử lý ngôn ngữ tự nhiên ☕️ | [Xử lý ngôn ngữ tự nhiên](6-NLP/README.md) | Học cơ bản về NLP bằng cách xây dựng một bot đơn giản | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | Các nhiệm vụ NLP phổ biến ☕️ | [Xử lý ngôn ngữ tự nhiên](6-NLP/README.md) | Nâng cao kiến thức NLP bằng việc hiểu các nhiệm vụ phổ biến khi xử lý cấu trúc ngôn ngữ | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | Dịch thuật và phân tích cảm xúc ♥️| [Xử lý ngôn ngữ tự nhiên](6-NLP/README.md) | Dịch và phân tích cảm xúc với Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | Khách sạn lãng mạn ở Châu Âu ♥️ | [Xử lý ngôn ngữ tự nhiên](6-NLP/README.md) | Phân tích cảm xúc với đánh giá khách sạn 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | Khách sạn lãng mạn ở Châu Âu ♥️ | [Xử lý ngôn ngữ tự nhiên](6-NLP/README.md) | Phân tích cảm xúc với đánh giá khách sạn 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | Giới thiệu dự báo chuỗi thời gian | [Chuỗi thời gian](7-TimeSeries/README.md) | Giới thiệu về dự báo chuỗi thời gian | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ Thống kê sử dụng điện toàn cầu ⚡️ - dự báo chuỗi ARIMA | [Chuỗi thời gian](7-TimeSeries/README.md) | Dự báo chuỗi thời gian với ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ Thống kê sử dụng điện toàn cầu ⚡️ - dự báo chuỗi SVR | [Chuỗi thời gian](7-TimeSeries/README.md) | Dự báo chuỗi thời gian với Bộ hồi quy vector hỗ trợ | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | Giới thiệu về học củng cố | [Học củng cố](8-Reinforcement/README.md) | Giới thiệu học củng cố với Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Giúp Peter tránh con sói! 🐺 | [Học củng cố](8-Reinforcement/README.md) | Học củng cố với Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| Tái bút | Các kịch bản và ứng dụng thực tế của ML | [ML trong thực tế](9-Real-World/README.md) | Các ứng dụng thú vị và nổi bật trong thực tế của ML cổ điển | [Bài học](9-Real-World/1-Applications/README.md) | Nhóm |
| Tái bút | Gỡ lỗi mô hình ML với bảng điều khiển RAI | [ML trong thực tế](9-Real-World/README.md) | Gỡ lỗi mô hình trong Machine Learning với các thành phần bảng điều khiển Responsible AI | [Bài học](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [tìm tất cả tài nguyên bổ sung cho khóa học này trong bộ sưu tập Microsoft Learn của chúng tôi](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## Truy cập ngoại tuyến
Bạn có thể chạy tài liệu này ngoại tuyến bằng cách sử dụng [Docsify](https://docsify.js.org/#/). Fork repo này, [cài đặt Docsify](https://docsify.js.org/#/quickstart) trên máy tính của bạn, sau đó trong thư mục gốc của repo này, gõ `docsify serve`. Trang web sẽ được phục vụ trên cổng 3000 tại localhost của bạn: `localhost:3000`.
Bạn có thể chạy tài liệu này ngoại tuyến bằng cách sử dụng [Docsify](https://docsify.js.org/#/). Sao chép repo này, [cài đặt Docsify](https://docsify.js.org/#/quickstart) trên máy cục bộ của bạn, rồi trong thư mục gốc của repo này, gõ `docsify serve`. Trang web sẽ được phục vụ trên cổng 3000 trên localhost của bạn: `localhost:3000`.
## Tệp PDF
## PDF
Tìm tài liệu pdf của chương trình học với các liên kết [ở đây](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
Tìm file pdf của giáo trình có lỗi liên kết [ở đây](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 Các Khóa Học Khác
## 🎒 Các khóa học khác
Đội ngũ của chúng tôi sản xuất các khóa học khác! Hãy xem:
Đội ngũ của chúng tôi còn sản xuất các khóa học khác! Hãy xem:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agents
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Chuỗi AI Tạo Sinh
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### Chuỗi AI Sinh tạo
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### Học Tập Cốt Lõi
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Chuỗi Copilot
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
Nếu bạn bị mắc kẹt hoặc có bất kỳ câu hỏi nào về việc xây dựng ứng dụng AI. Hãy tham gia cùng những người học và các nhà phát triển có kinh nghiệm trong các cuộc thảo luận về MCP. Đây là cộng đồng hỗ trợ nơi các câu hỏi được chào đón và kiến thức được chia sẻ một cách tự do.
Nếu bạn gặp khó khăn hoặc có bất kỳ câu hỏi nào về việc xây dựng ứng dụng AI. Hãy tham gia cùng các học viên và nhà phát triển giàu kinh nghiệm trong các cuộc thảo luận về MCP. Đây là một cộng đồng hỗ trợ, nơi các câu hỏi được chào đón và kiến thức được chia sẻ tự do.
- Thực hành triển khai các thuật toán một cách độc lập.
- Khám phá các bộ dữ liệu thực tế bằng cách sử dụng các khái niệm đã học.
- Xem lại các sổ tay bài học sau mỗi bài học để hiểu rõ hơn.
- Luyện tập tự mình triển khai các thuật toán.
- Khám phá các tập dữ liệu thực tế bằng cách sử dụng các khái niệm đã học.
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Tuyên bố miễn trừ trách nhiệm**:
Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI [Co-op Translator](https://github.com/Azure/co-op-translator). Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng các bản dịch tự động có thể chứa lỗi hoặc không chính xác. Tài liệu gốc bằng ngôn ngữ gốc nên được coi là nguồn chính xác và có thẩm quyền. Đối với thông tin quan trọng, nên sử dụng dịch vụ dịch thuật chuyên nghiệp của con người. Chúng tôi không chịu trách nhiệm cho bất kỳ sự hiểu nhầm hoặc diễn giải sai nào phát sinh từ việc sử dụng bản dịch này.
**Tuyên bố từ chối trách nhiệm**:
Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI [Co-op Translator](https://github.com/Azure/co-op-translator). Mặc dù chúng tôi nỗ lực đảm bảo độ chính xác, xin lưu ý rằng bản dịch tự động có thể chứa lỗi hoặc không chính xác. Tài liệu gốc bằng ngôn ngữ gốc vẫn được coi là nguồn chính xác và đáng tin cậy. Đối với các thông tin quan trọng, nên sử dụng dịch thuật chuyên nghiệp bởi con người. Chúng tôi không chịu trách nhiệm về bất kỳ sự hiểu lầm hay sai lệch nào phát sinh từ việc sử dụng bản dịch này.
localizeflow[bot]
4 months ago