[![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [![GitHub issues](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 Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) [![GitHub watchers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) [![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) [![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) ### 🌐 Többnyelvű támogatás #### GitHub Action által támogatott (Automatizált és mindig naprakész) [Arab](../ar/README.md) | [Bengáli](../bn/README.md) | [Bolgár](../bg/README.md) | [Burmai (Mianmar)](../my/README.md) | [Kínai (egyszerűsített)](../zh-CN/README.md) | [Kínai (hagyományos, Hongkong)](../zh-HK/README.md) | [Kínai (hagyományos, Makaó)](../zh-MO/README.md) | [Kínai (hagyományos, Tajvan)](../zh-TW/README.md) | [Horvát](../hr/README.md) | [Cseh](../cs/README.md) | [Dán](../da/README.md) | [Holland](../nl/README.md) | [Észt](../et/README.md) | [Finn](../fi/README.md) | [Francia](../fr/README.md) | [Német](../de/README.md) | [Görög](../el/README.md) | [Héber](../he/README.md) | [Hindi](../hi/README.md) | [Magyar](./README.md) | [Indonéz](../id/README.md) | [Olasz](../it/README.md) | [Japán](../ja/README.md) | [Kannada](../kn/README.md) | [Koreai](../ko/README.md) | [Litván](../lt/README.md) | [Maláj](../ms/README.md) | [Malajálam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepáli](../ne/README.md) | [Nigériai pidzsin](../pcm/README.md) | [Norvég](../no/README.md) | [Perzsa (Fárszi)](../fa/README.md) | [Lengyel](../pl/README.md) | [Portugál (Brazília)](../pt-BR/README.md) | [Portugál (Portugália)](../pt-PT/README.md) | [Pandzsábi (Gurmukhi)](../pa/README.md) | [Román](../ro/README.md) | [Orosz](../ru/README.md) | [Szerb (cirill)](../sr/README.md) | [Szlovák](../sk/README.md) | [Szlovén](../sl/README.md) | [Spanyol](../es/README.md) | [Szuahéli](../sw/README.md) | [Svéd](../sv/README.md) | [Tagalog (filippínó)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Török](../tr/README.md) | [Ukrán](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnami](../vi/README.md) > **Szeretnél helyben klónozni?** > Ez a tároló több mint 50 nyelvre kínál fordítást, ami jelentősen növeli a letöltési méretet. Ha fordítások nélkül szeretnéd klónozni, használd a sparse checkoutot: > ```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' > ``` > Így mindent megkapsz a kurzus elvégzéséhez, sokkal gyorsabb letöltéssel. #### Csatlakozz közösségünkhöz [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) Folyamatban van egy Discord tanulási sorozatunk AI-val, ahol többet megtudhatsz és csatlakozhatsz hozzánk a [Learn with AI Series](https://aka.ms/learnwithai/discord) oldalán 2025. szeptember 18. és 30. között. Tippeket és trükköket kaphatsz a GitHub Copilot adat tudományban való használatához. ![Learn with AI sorozat](../../translated_images/hu/3.9b58fd8d6c373c20.webp) # Gépi tanulás kezdőknek – Egy tanterv > 🌍 Utazzunk körbe a világon, miközben kultúrákon át fedezzük fel a gépi tanulást 🌍 A Microsoft felhőszakértői egy 12 hetes, 26 leckéből álló tananyagot kínálnak, amely teljes egészében a **gépi tanulásról** szól. Ebben a tantervben a klasszikusnak is nevezett **gépi tanulást** tanulhatod meg, elsősorban a Scikit-learn könyvtár használatával, elkerülve a mélytanulást, amelyet az [AI kezdőknek tananyaga](https://aka.ms/ai4beginners) tárgyal. Ezeket a leckéket párosítsd a ['Adattudomány kezdőknek' tananyagunkkal](https://aka.ms/ds4beginners) is! Utazz velünk a világ körül miközben ezeket a klasszikus technikákat a világ sok területéről származó adatokra alkalmazzuk. Minden leckében elő- és utótesztek vannak, írott utasítások a lecke elvégzéséhez, egy megoldás, egy feladat és egyebek. Projektalapú oktatásunk lehetővé teszi, hogy tanulás közben építs, ami bizonyítottan hatékony módszer az új készségek elsajátítására. **✍️ Szívből köszönjük szerzőinknek** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu és Amy Boyd **🎨 Köszönet illusztrátorainknak** Tomomi Imura, Dasani Madipalli és Jen Looper **🙏 Külön köszönet 🙏 Microsoft diák nagykövet szerzőinknek, véleményezőinknek és tartalom-kontributoraiknak**, különösen Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila és Snigdha Agarwal **🤩 Extra köszönet Microsoft diák nagyköveteinknek Eric Wanjau-nak, Jasleen Sondhi-nak és Vidushi Gupta-nak az R leckékért!** # Első lépések Kövesd az alábbi lépéseket: 1. **Forkold le a tárolót**: Kattints a "Fork" gombra ennek az oldalnak a jobb felső sarkában. 2. **Klónozd a tárolót**: `git clone https://github.com/microsoft/ML-For-Beginners.git` > [Minden további erőforrást megtalálsz ehhez a kurzushoz a Microsoft Learn gyűjteményünkben](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) > 🔧 **Szükséged van segítségre?** Nézd meg a [Hibakeresési útmutatónkat](TROUBLESHOOTING.md) a telepítési, beállítási és lecke futtatási problémák megoldásaiért. **[Diákoknak](https://aka.ms/student-page)** a tananyag használatához forkold le az egész repo-t a saját GitHub fiókodba, és végezd el a gyakorlatokat egyedül vagy csoportosan: - Kezdj egy elő-előadás kvízzel. - Olvasd el az előadást és végezd el a tevékenységeket, minden tudásellenőrzésnél állj meg és gondolkodj el. - Próbáld meg a projekteket megcsinálni úgy, hogy megérted a leckéket, ne csak a megoldáskódot futtasd; viszont az kód elérhető a `/solution` mappában minden projekt-alapú leckében. - Oldd meg az utó-előadás kvízt. - Teljesítsd a kihívást. - Teljesítsd a feladatot. - Egy leckecsoport befejezése után látogass el a [Vita fórumra](https://github.com/microsoft/ML-For-Beginners/discussions) és "tanulj hangosan", azaz töltsd ki a megfelelő PAT értékelőlapot. A 'PAT' egy haladási értékelőeszköz, amelyet kitölthetsz a tanulásod előmozdítására. Más PAT-okra is reagálhatsz, így együtt tanulhatunk. > További tanulmányozásra ajánljuk ezeket a [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modulokat és tanulási útvonalakat. **Tanárok számára** néhány javaslatot is tartalmazunk [itt](for-teachers.md) a tananyag használatához. --- ## Videós bemutatók Néhány lecke rövid videó formátumban is elérhető. Ezeket megtalálod a leckékben, vagy a [Microsoft Developer YouTube csatornáján az ML for Beginners lejátszási listán](https://aka.ms/ml-beginners-videos), ha a lent látható képre kattintasz. [![ML for beginners banner](../../translated_images/hu/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- ## Ismerd meg a csapatot [![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) **Gif készítője:** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 Kattints a fenti képre a projektről és az alkotókról készült videó megtekintéséhez! --- ## Oktatási módszertan Két pedagógiai alapelvet választottunk e tanterv építésekor: kézzelfogható, **projektalapú** tanulás biztosítása és **gyakori kvízek** beépítése. Emellett a tananyagnak van egy közös **tematikája** is az összhang érdekében. A tartalom projekt-irányultsága miatt az egész tanulási folyamat élvezetesebb a tanulók számára, és a fogalmak megőrzése is javul. Ezen túlmenően egy alacsony tétű kvíz az óra előtt a tanulás irányába tereli a figyelmet, míg az utólagos kvíz ezt még inkább megerősíti. Ez a tananyag rugalmas és szórakoztató, teljes egészében vagy részleteiben is elvégezhető. A projektek kicsiben kezdődnek, és fokozatosan egyre komplexebbé válnak a 12 hetes ciklus végére. Tartalmaz továbbá egy záró részt a gépi tanulás való életben való alkalmazásáról, amit plusz pontként vagy vitaalapként lehet használni. > Találd meg a [Magatartási kódexünket](CODE_OF_CONDUCT.md), [Hozzájárulási útmutatót](CONTRIBUTING.md), [Fordítási útmutatót](TRANSLATIONS.md) és [Hibakeresési útmutatót](TROUBLESHOOTING.md). Várjuk építő jellegű visszajelzéseidet! ## Minden leckéhez tartozik - választható vázlat - választható kiegészítő videó - videós bemutató (csak néhány leckénél) - [elő-előadás bemelegítő kvíz](https://ff-quizzes.netlify.app/en/ml/) - írott lecke - projektalapú leckéknél lépésről lépésre útmutató a projekt építéséhez - tudásellenőrzések - kihívás - kiegészítő olvasmány - feladat - [utó-előadás kvíz](https://ff-quizzes.netlify.app/en/ml/) > **Megjegyzés a nyelvekről**: Ezek a leckék elsősorban Python nyelven íródtak, de sok elérhető R-ben is. R leckék elvégzéséhez keresd a `/solution` mappában az R leckéket. Ezek `.rmd` kiterjesztésűek, amely egy **R Markdown** fájlt jelöl, ami úgy definiálható, mint `kódrészek` (R vagy más nyelvekből) és egy `YAML fejléc` (amely a kimenetek formázását irányítja, pl. PDF) beágyazása egy `Markdown dokumentumban`. Ez egy kiváló szerzői eszköz az adattudomány számára, mivel lehetővé teszi a kód, annak kimenete és a gondolataid egy dokumentumban való együttes megjelenítését. R Markdown dokumentumok különböző formátumokra, például PDF, HTML vagy Word formátumba is konvertálhatók. > **Jegyzet a kvízekről**: Minden kvíz megtalálható a [Quiz App mappában](../../quiz-app), összesen 52 kvíz, mindegyik három kérdéssel. Ezek a leckékből vannak linkelve, de a kvíz alkalmazás helyileg is futtatható; kövesd az utasításokat a `quiz-app` mappában a helyi hosztoláshoz vagy az Azure-ra való telepítéshez. | Lecke száma | Téma | Lecke csoportosítás | Tanulási célok | Kapcsolódó lecke | Szerző | | :---------: | :----------------------------------------------------------: | :-----------------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------- | :----------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | 01 | Bevezetés a gépi tanulásba | [Bevezetés](1-Introduction/README.md) | Ismerd meg a gépi tanulás alapvető fogalmait | [Lecke](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 02 | A gépi tanulás története | [Bevezetés](1-Introduction/README.md) | Ismerd meg a terület hátterét | [Lecke](1-Introduction/2-history-of-ML/README.md) | Jen és Amy | | 03 | Méltányosság és gépi tanulás | [Bevezetés](1-Introduction/README.md) | Mik a fontos filozófiai kérdések a méltányossággal kapcsolatban, amelyeket a hallgatóknak mérlegelniük kell ML modellek építésekor? | [Lecke](1-Introduction/3-fairness/README.md) | Tomomi | | 04 | Gépi tanulási technikák | [Bevezetés](1-Introduction/README.md) | Milyen technikákat alkalmaznak a kutatók az ML modellek építésére? | [Lecke](1-Introduction/4-techniques-of-ML/README.md) | Chris és Jen | | 05 | Bevezetés a regresszióba | [Regresszió](2-Regression/README.md) | Kezdj el dolgozni Python és Scikit-learn segítségével regressziós modelleken | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | | 06 | Észak-amerikai tökárak 🎃 | [Regresszió](2-Regression/README.md) | Vizualizáld és tisztítsd meg az adatokat az ML előkészítéséhez | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | | 07 | Észak-amerikai tökárak 🎃 | [Regresszió](2-Regression/README.md) | Építs lineáris és polinomiális regressziós modelleket | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen és Dmitry • Eric Wanjau | | 08 | Észak-amerikai tökárak 🎃 | [Regresszió](2-Regression/README.md) | Építs logisztikus regressziós modellt | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | | 09 | Webalkalmazás 🔌 | [Web App](3-Web-App/README.md) | Építs webalkalmazást a betanított modelled használatára | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 10 | Bevezetés az osztályozásba | [Osztályozás](4-Classification/README.md) | Tisztítsd, készítsd elő és vizualizáld az adataidat; bevezetés az osztályozásba | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen és Cassie • Eric Wanjau | | 11 | Ízletes ázsiai és indiai konyhák 🍜 | [Osztályozás](4-Classification/README.md) | Bevezetés az osztályozókba | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen és Cassie • Eric Wanjau | | 12 | Ízletes ázsiai és indiai konyhák 🍜 | [Osztályozás](4-Classification/README.md) | Több osztályozó | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen és Cassie • Eric Wanjau | | 13 | Ízletes ázsiai és indiai konyhák 🍜 | [Osztályozás](4-Classification/README.md) | Építs ajánló webalkalmazást a modelled segítségével | [Python](4-Classification/4-Applied/README.md) | Jen | | 14 | Bevezetés a klaszterezésbe | [Klaszterezés](5-Clustering/README.md) | Tisztítsd, készítsd elő és vizualizáld az adataidat; bevezetés a klaszterezésbe | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 15 | Fedezd fel a nigériai zenei ízlést 🎧 | [Klaszterezés](5-Clustering/README.md) | Fedezd fel a K-Means klaszterezési módszert | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | | 16 | Bevezetés a természetes nyelvfeldolgozásba ☕️ | [Természetes nyelvfeldolgozás](6-NLP/README.md) | Tanulj az NLP alapjairól egy egyszerű bot építésével | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 17 | Gyakori NLP feladatok ☕️ | [Természetes nyelvfeldolgozás](6-NLP/README.md) | Mélyítsd el NLP tudásod azáltal, hogy megérted a nyelvi szerkezetek kezeléséhez szükséges gyakori feladatokat | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 18 | Fordítás és érzelemelemzés ♥️ | [Természetes nyelvfeldolgozás](6-NLP/README.md) | Fordítás és érzelemelemzés Jane Austen-nal | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 19 | Romantikus európai szállodák ♥️ | [Természetes nyelvfeldolgozás](6-NLP/README.md) | Érzelemelemzés szállodai értékelésekkel 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | | 20 | Romantikus európai szállodák ♥️ | [Természetes nyelvfeldolgozás](6-NLP/README.md) | Érzelemelemzés szállodai értékelésekkel 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | | 21 | Bevezetés az idősoros előrejelzésbe | [Idősor](7-TimeSeries/README.md) | Bevezetés az idősoros előrejelzésbe | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | | 22 | ⚡️ Villamosenergia-felhasználás ⚡️ - idősoros előrejelzés ARIMA-val | [Idősor](7-TimeSeries/README.md) | Idősoros előrejelzés ARIMA-val | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | | 23 | ⚡️ Villamosenergia-felhasználás ⚡️ - idősoros előrejelzés SVR-rel | [Idősor](7-TimeSeries/README.md) | Idősoros előrejelzés támogatott vektoros regresszorral | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 24 | Bevezetés a megerősítéses tanulásba | [Megerősítéses tanulás](8-Reinforcement/README.md) | Bevezetés a megerősítéses tanulásba Q-Learning segítségével | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 25 | Segíts Péternek elkerülni a farkast! 🐺 | [Megerősítéses tanulás](8-Reinforcement/README.md) | Megerősítéses tanulás Gym-mel | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | | Utószó | Valós világ ML forgatókönyvei és alkalmazásai | [ML a gyakorlatban](9-Real-World/README.md) | Érdekes és tanulságos valós világbeli alkalmazások a klasszikus ML-ben | [Lecke](9-Real-World/1-Applications/README.md) | Csapat | | Utószó | Modell hibakeresése ML-ben RAI irányítópult segítségével | [ML a gyakorlatban](9-Real-World/README.md) | Modell hibakeresés a gépi tanulásban a Responsible AI irányítópult komponenseivel | [Lecke](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | > [keresd meg a tanfolyam további erőforrásait a Microsoft Learn gyűjteményünkben](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## Offline elérés Ezt a dokumentációt offline is futtathatod a [Docsify](https://docsify.js.org/#/) használatával. Forkold ezt a repót, [telepítsd a Docsify-t](https://docsify.js.org/#/quickstart) a helyi gépeden, majd a repó gyökérkönyvtárában írd be, hogy `docsify serve`. A weboldal a 3000-es porton lesz elérhető a helyi gépeden: `localhost:3000`. ## PDF-ek A tananyag PDF verzióját linkekkel együtt [itt találod](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). ## 🎒 Egyéb tanfolyamok Csapatunk más tanfolyamokat is készít! Nézd meg: ### LangChain [![LangChain4j kezdőknek](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 kezdőknek](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) [![LangChain kezdőknek](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Ügynökök [![AZD kezdőknek](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 kezdőknek](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 kezdőknek](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 ügynökök kezdőknek](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) --- ### Generatív AI sorozat [![Generatív mesterséges intelligencia kezdőknek](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) [![Generatív mesterséges intelligencia (.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) [![Generatív mesterséges intelligencia (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) [![Generatív mesterséges intelligencia (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) --- ### Alapvető tanulás [![Gépi tanulás kezdőknek](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [![Adattudomány kezdőknek](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) [![Mesterséges intelligencia kezdőknek](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) [![Kiberbiztonság kezdőknek](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) [![Webfejlesztés kezdőknek](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) [![IoT kezdőknek](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 fejlesztés kezdőknek](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 sorozat [![Copilot AI páros programozáshoz](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-hez](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 kaland](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) ## Segítségkérés Ha elakadnál vagy kérdésed lenne az AI alkalmazások készítésével kapcsolatban, csatlakozz más tanulókhoz és tapasztalt fejlesztőkhöz az MCP-ről szóló beszélgetésekben. Ez egy támogató közösség, ahol a kérdések megengedettek és a tudás szabadon megosztott. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) Ha termék visszajelzésed vagy hibáid vannak a fejlesztés során, látogass el ide: [![Microsoft Foundry fejlesztői fórum](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) --- **Nyilatkozat**: Ez a dokumentum az AI fordító szolgáltatás, a [Co-op Translator](https://github.com/Azure/co-op-translator) segítségével készült. Bár a pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az anyanyelvén tekintendő hiteles forrásnak. Kritikus információk esetén szakmai, emberi fordítást javaslunk. Nem vállalunk felelősséget az ebből adódó félreértésekért vagy téves értelmezésekért.