[![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/) ### 🌐 Wielojęzyczne wsparcie #### Wsparcie za pomocą GitHub Action (Automatyczne i Zawsze Aktualne) [Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](./README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) > **Wolisz klonować lokalnie?** > To repozytorium zawiera ponad 50 tłumaczeń językowych, co znacznie zwiększa rozmiar do pobrania. Aby sklonować bez tłumaczeń, użyj sparse checkout: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > cd ML-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` > Zapewnia to wszystko, czego potrzebujesz, aby ukończyć kurs, przy znacznie szybszym pobieraniu. #### Dołącz do naszej społeczności [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) Prowadzimy serię „Learn with AI” na Discordzie, dowiedz się więcej i dołącz do nas na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18 do 30 września 2025. Otrzymasz wskazówki i triki dotyczące używania GitHub Copilot do Data Science. ![Learn with AI series](../../translated_images/pl/3.9b58fd8d6c373c20.webp) # Uczenie maszynowe dla początkujących – program nauczania > 🌍 Podróżuj po świecie, poznając uczenie maszynowe poprzez kultury świata 🌍 Cloud Advocates w Microsoft z przyjemnością oferują 12-tygodniowy program składający się z 26 lekcji o temacie **Uczenie maszynowe**. W tym programie nauczysz się tego, co czasem nazywa się **klasycznym uczeniem maszynowym**, używając głównie biblioteki Scikit-learn, unikając uczenia głębokiego, które jest omówione w naszym [programie „AI dla początkujących”](https://aka.ms/ai4beginners). Połącz te lekcje z naszym ['Data Science dla początkujących'](https://aka.ms/ds4beginners)! Podróżuj z nami po świecie, stosując te klasyczne techniki do danych z różnych regionów. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie, zadanie i więcej. Nasza projekto-orientowana pedagogika pozwala ci uczyć się poprzez tworzenie, co jest sprawdzoną metodą na skuteczne przyswajanie nowych umiejętności. **✍️ Serdeczne podziękowania dla naszych autorów** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu i Amy Boyd **🎨 Podziękowania również dla naszych ilustratorów** Tomomi Imura, Dasani Madipalli i Jen Looper **🙏 Szczególne podziękowania 🙏 dla naszych autorów, recenzentów i współtwórców ze społeczności Microsoft Student Ambassador**, zwłaszcza Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila i Snigdha Agarwal **🤩 Dodatkowa wdzięczność dla Microsoft Student Ambassadors Erica Wanjau, Jasleen Sondhi i Vidushi Gupta za nasze lekcje R!** # Pierwsze kroki Wykonaj następujące kroki: 1. **Wykonaj fork repozytorium**: Kliknij przycisk „Fork” w prawym górnym rogu tej strony. 2. **Sklonuj repozytorium**: `git clone https://github.com/microsoft/ML-For-Beginners.git` > [znajdź wszystkie dodatkowe zasoby do tego kursu w naszej kolekcji Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) > 🔧 **Potrzebujesz pomocy?** Sprawdź nasz [Przewodnik rozwiązywania problemów](TROUBLESHOOTING.md) z rozwiązaniami typowych problemów przy instalacji, konfiguracji i uruchamianiu lekcji. **[Studenci](https://aka.ms/student-page)**, aby korzystać z tego programu, wykonaj fork całego repozytorium na własne konto GitHub i wykonuj ćwiczenia samodzielnie lub w grupie: - Zacznij od quizu przed wykładem. - Przeczytaj wykład i wykonaj zadania, zatrzymując się i zastanawiając nad każdym sprawdzeniem wiedzy. - Staraj się tworzyć projekty rozumiejąc lekcje, a nie tylko uruchamiając gotowy kod; jednak kod jest dostępny w folderach `/solution` w każdej lekcji projektowej. - Podejdź do quizu po wykładzie. - Wykonaj wyzwanie. - Wykonaj zadanie. - Po ukończeniu grupy lekcji odwiedź [Tablicę Dyskusyjną](https://github.com/microsoft/ML-For-Beginners/discussions) i „ucząc się na głos” wypełnij odpowiednią rubrykę PAT. 'PAT' to narzędzie oceny postępów, które wypełniasz, aby pogłębić naukę. Możesz też reagować na PAT innych, abyśmy mogli uczyć się razem. > Aby dalej się uczyć, polecamy kontynuowanie tych modułów i ścieżek nauki na [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott). **Nauczyciele**, zamieściliśmy [kilka sugestii](for-teachers.md) jak korzystać z tego programu. --- ## Przewodniki wideo Niektóre lekcje dostępne są w formie krótkiego filmu. Możesz znaleźć wszystkie wbudowane w lekcje lub na [playliście ML for Beginners na kanale Microsoft Developer na YouTube](https://aka.ms/ml-beginners-videos) klikając obrazek poniżej. [![ML for beginners banner](../../translated_images/pl/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- ## Poznaj zespół [![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) **Gif autorstwa** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 Kliknij powyższy obrazek, aby obejrzeć film o projekcie i jego twórcach! --- ## Pedagogika Podczas budowania tego programu wybraliśmy dwie zasady pedagogiczne: zapewnienie, że jest on praktyczny, **oparty na projektach** oraz że zawiera **częste quizy**. Ponadto program ma wspólny **motyw przewodni**, który nadaje mu spójność. Zapewnienie zgodności materiału z projektami sprawia, że proces staje się bardziej angażujący dla studentów, a przyswajanie koncepcji jest wzmocnione. Dodatkowo lekki quiz przed zajęciami nastawia ucznia na naukę tematu, a drugi po zajęciach zapewnia dalsze utrwalenie wiedzy. Program został zaprojektowany tak, aby był elastyczny i przyjemny, można go realizować w całości lub w częściach. Projekty zaczynają się od prostych i stają się coraz bardziej złożone do końca 12-tygodniowego cyklu. Program zawiera także posłowie dotyczące zastosowań ML w praktyce, które można wykorzystać jako dodatek lub bazę do dyskusji. > Znajdź nasze wytyczne: [Kodeks postępowania](CODE_OF_CONDUCT.md), [Wkład](CONTRIBUTING.md), [Tłumaczenia](TRANSLATIONS.md) i [Rozwiązywanie problemów](TROUBLESHOOTING.md). Czekamy na twoją konstruktywną opinię! ## Każda lekcja zawiera - opcjonalne notatki graficzne - opcjonalne dodatkowe wideo - przewodnik wideo (niektóre lekcje) - [quiz rozgrzewkowy przed wykładem](https://ff-quizzes.netlify.app/en/ml/) - pisemną lekcję - dla lekcji projektowych - przewodnik krok po kroku, jak stworzyć projekt - sprawdzenia wiedzy - wyzwanie - uzupełniającą lekturę - zadanie domowe - [quiz po wykładzie](https://ff-quizzes.netlify.app/en/ml/) > **Uwagi o językach**: Te lekcje są głównie napisane w Pythonie, ale wiele dostępnych jest również w R. Aby ukończyć lekcję w R, przejdź do folderu `/solution` i znajdź lekcje R. Mają one rozszerzenie .rmd, które oznacza plik **R Markdown**, który można prosto zdefiniować jako osadzenie `fragmentów kodu` (w R lub innych językach) oraz `nagłówka YAML` (który wskazuje, jak formatuje się wyniki, np. PDF) w `dokumencie Markdown`. Służy on jako przykład ram autorskich dla data science, ponieważ pozwala łączyć kod, jego wyniki oraz Twoje komentarze, pisząc je w Markdown. Ponadto dokumenty R Markdown można renderować do formatów takich jak PDF, HTML lub Word. > **Notatka o quizach**: Wszystkie quizy znajdują się w [folderze Quiz App](../../quiz-app), łącznie 52 quizy po trzy pytania każdy. Są one powiązane z lekcjami, ale aplikację quizową można uruchomić lokalnie; postępuj zgodnie z instrukcjami w folderze `quiz-app`, aby uruchomić ją lokalnie lub wdrożyć na Azure. | Numer lekcji | Temat | Grupa lekcji | Cele nauki | Powiązana lekcja | Autorzy | | :-----------: | :------------------------------------------------------------: | :----------------------------------------------: | --------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | 01 | Wprowadzenie do uczenia maszynowego | [Wprowadzenie](1-Introduction/README.md) | Poznaj podstawowe pojęcia związane z uczeniem maszynowym | [Lekcja](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 02 | Historia uczenia maszynowego | [Wprowadzenie](1-Introduction/README.md) | Poznaj historię stojącą za tą dziedziną | [Lekcja](1-Introduction/2-history-of-ML/README.md) | Jen i Amy | | 03 | Sprawiedliwość i uczenie maszynowe | [Wprowadzenie](1-Introduction/README.md) | Jakie są ważne kwestie filozoficzne dotyczące sprawiedliwości, które studenci powinni rozważyć budując i stosując modele ML? | [Lekcja](1-Introduction/3-fairness/README.md) | Tomomi | | 04 | Techniki uczenia maszynowego | [Wprowadzenie](1-Introduction/README.md) | Jakie techniki stosują badacze uczenia maszynowego do tworzenia modeli ML? | [Lekcja](1-Introduction/4-techniques-of-ML/README.md) | Chris i Jen | | 05 | Wprowadzenie do regresji | [Regresja](2-Regression/README.md) | Zacznij pracę z Pythonem i Scikit-learn przy modelach regresji | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | | 06 | Północnoamerykańskie ceny dyni 🎃 | [Regresja](2-Regression/README.md) | Wizualizuj i oczyszczaj dane przygotowując je do ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | | 07 | Północnoamerykańskie ceny dyni 🎃 | [Regresja](2-Regression/README.md) | Buduj modele regresji liniowej i wielomianowej | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen i Dmitry • Eric Wanjau | | 08 | Północnoamerykańskie ceny dyni 🎃 | [Regresja](2-Regression/README.md) | Buduj model regresji logistycznej | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | | 09 | Aplikacja webowa 🔌 | [Aplikacja webowa](3-Web-App/README.md) | Zbuduj aplikację webową korzystającą z Twojego wytrenowanego modelu | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 10 | Wprowadzenie do klasyfikacji | [Klasyfikacja](4-Classification/README.md) | Oczyść, przygotuj i wizualizuj dane; wprowadzenie do klasyfikacji | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen i Cassie • Eric Wanjau | | 11 | Pyszne kuchnie Azji i Indii 🍜 | [Klasyfikacja](4-Classification/README.md) | Wprowadzenie do klasyfikatorów | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen i Cassie • Eric Wanjau | | 12 | Pyszne kuchnie Azji i Indii 🍜 | [Klasyfikacja](4-Classification/README.md) | Więcej klasyfikatorów | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen i Cassie • Eric Wanjau | | 13 | Pyszne kuchnie Azji i Indii 🍜 | [Klasyfikacja](4-Classification/README.md) | Zbuduj rekomendującą aplikację webową używając swojego modelu | [Python](4-Classification/4-Applied/README.md) | Jen | | 14 | Wprowadzenie do klasteryzacji | [Klasteryzacja](5-Clustering/README.md) | Oczyść, przygotuj i wizualizuj swoje dane; wprowadzenie do klasteryzacji | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 15 | Poznawanie nigeryjskich gustów muzycznych 🎧 | [Klasteryzacja](5-Clustering/README.md) | Poznaj metodę klasteryzacji K-średnich | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | | 16 | Wprowadzenie do przetwarzania języka naturalnego ☕️ | [Przetwarzanie języka naturalnego](6-NLP/README.md) | Poznaj podstawy NLP budując prostego bota | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 17 | Powszechne zadania NLP ☕️ | [Przetwarzanie języka naturalnego](6-NLP/README.md) | Pogłęb swoją wiedzę o NLP rozumiejąc powszechne zadania wymagane przy pracy ze strukturą języka | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 18 | Tłumaczenie i analiza sentymentu ♥️ | [Przetwarzanie języka naturalnego](6-NLP/README.md) | Tłumaczenie i analiza sentymentu z Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 19 | Romantyczne hotele Europy ♥️ | [Przetwarzanie języka naturalnego](6-NLP/README.md) | Analiza sentymentu na podstawie recenzji hoteli 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | | 20 | Romantyczne hotele Europy ♥️ | [Przetwarzanie języka naturalnego](6-NLP/README.md) | Analiza sentymentu na podstawie recenzji hoteli 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | | 21 | Wprowadzenie do prognozowania szeregów czasowych | [Szeregi czasowe](7-TimeSeries/README.md) | Wprowadzenie do prognozowania szeregów czasowych | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | | 22 | ⚡️ Zużycie energii na świecie ⚡️ - prognozowanie szeregów czasowych z ARIMA | [Szeregi czasowe](7-TimeSeries/README.md) | Prognozowanie szeregów czasowych z użyciem ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | | 23 | ⚡️ Zużycie energii na świecie ⚡️ - prognozowanie szeregów czasowych z SVR | [Szeregi czasowe](7-TimeSeries/README.md) | Prognozowanie szeregów czasowych za pomocą regresji wektorów nośnych | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 24 | Wprowadzenie do uczenia ze wzmocnieniem | [Uczenie ze wzmocnieniem](8-Reinforcement/README.md) | Wprowadzenie do uczenia ze wzmocnieniem z Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 25 | Pomóż Peterowi unikać wilka! 🐺 | [Uczenie ze wzmocnieniem](8-Reinforcement/README.md) | Gym dla uczenia ze wzmocnieniem | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | | Postscript | Scenariusze i zastosowania ML w rzeczywistym świecie | [ML w praktyce](9-Real-World/README.md) | Ciekawe i pouczające zastosowania klasycznego ML w praktyce | [Lekcja](9-Real-World/1-Applications/README.md) | Zespół | | Postscript | Debugowanie modeli ML z użyciem panelu RAI | [ML w praktyce](9-Real-World/README.md) | Debugowanie modeli w uczeniu maszynowym z wykorzystaniem komponentów panelu Responsible AI | [Lekcja](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | > [znajdź wszystkie dodatkowe zasoby do tego kursu w naszej kolekcji Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## Dostęp offline Możesz uruchomić tę dokumentację offline korzystając z [Docsify](https://docsify.js.org/#/). Sklonuj to repozytorium, [zainstaluj Docsify](https://docsify.js.org/#/quickstart) na swoim komputerze lokalnym, a następnie w głównym folderze tego repozytorium wpisz `docsify serve`. Strona będzie dostępna na porcie 3000 na twoim localhost: `localhost:3000`. ## PDF-y Znajdź pdf programu nauczania z linkami [tutaj](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). ## 🎒 Inne kursy Nasz zespół tworzy inne kursy! Sprawdź: ### LangChain [![LangChain4j dla początkujących](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 dla początkujących](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 dla początkujących](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 / Agenci [![AZD dla początkujących](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 dla początkujących](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 dla początkujących](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) [![AI Agents dla początkujących](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) --- ### Seria Generatywnej AI [![Generative AI for Beginners](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) [![Generative AI (.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) [![Generative AI (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) [![Generative AI (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) --- ### Podstawowa nauka [![ML for Beginners](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) [![Data Science for Beginners](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) [![AI for Beginners](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) [![Cybersecurity for Beginners](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) [![Web Dev for Beginners](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 for Beginners](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 Development for Beginners](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) --- ### Seria Copilot [![Copilot for AI Paired Programming](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 for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [![Copilot Adventure](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) ## Uzyskiwanie pomocy Jeśli utkniesz lub masz pytania dotyczące tworzenia aplikacji AI, dołącz do innych uczących się i doświadczonych programistów w dyskusjach o MCP. To wspierająca społeczność, gdzie pytania są mile widziane, a wiedza jest swobodnie dzielona. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) Jeśli masz uwagi dotyczące produktu lub napotkasz błędy podczas tworzenia, odwiedź: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **Zastrzeżenie**: Niniejszy dokument został przetłumaczony z wykorzystaniem usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dążymy do dokładności, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w języku źródłowym należy traktować jako źródło wiarygodne. W przypadku informacji krytycznych zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.