[![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 révén támogatott (Automatikus és Mindig Friss) [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](./README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/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](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) > **Inkább helyben klónozna?** > > Ez a tárhely több mint 50 nyelvi fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha le akarja tölteni fordítások nélkül, használja a sparse checkout-ot: > > **Bash / macOS / Linux:** > ```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' > ``` > > **CMD (Windows):** > ```cmd > 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 minden megvan ahhoz, hogy gyorsabban töltse le a kurzust és elvégezze azt. #### Csatlakozz közösségünkhöz [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) Folyamatban van egy Discord tanulás az AI-val sorozatunk, további információkért és csatlakozáshoz látogass el ide: [Learn with AI Series](https://aka.ms/learnwithai/discord) 2025. szeptember 18-30. között. Hasznos tippeket és trükköket kapsz a GitHub Copilot adat tudományi használatához. ![Learn with AI series](../../translated_images/hu/3.9b58fd8d6c373c20.webp) # Gépi tanulás kezdőknek - egy tanterv > 🌍 Utazzunk a világ körül, miközben a gépi tanulást világkultúrák révén fedezzük fel 🌍 A Microsoft Cloud Advocates örömmel kínál egy 12 hetes, 26 leckéből álló tananyagot, amely a **Gépi tanulásról** szól. Ebben a tanfolyamban megismerkedhet a néha egyszerűen **klasszikus gépi tanulásnak** nevezett megközelítéssel, amely főként a Scikit-learn könyvtárat használja, és elkerüli a mélytanulást, amelyet a [AI kezdőknek tantervünk](https://aka.ms/ai4beginners) fed le. Ez a tananyag tökéletes kiegészítője a ['Adattudomány kezdőknek tantervnek'](https://aka.ms/ds4beginners). Utazz velünk a világ különböző részeire, és alkalmazzunk klasszikus gépi tanulási technikákat sokféle adatállományon. Minden lecke tartalmaz elő- és utóvizsgát, írásos útmutatót a feladat elvégzéséhez, megoldást, feladatot és még sok mást. Projekt-alapú tanítási módszerünk lehetővé teszi, hogy gyakorlás közben tanulj, ami bizonyítottan jobban rögzíti az új képességeket. **✍️ Szívből köszönet 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 is:** Tomomi Imura, Dasani Madipalli és Jen Looper **🙏 Kiemelt köszönet 🙏 Microsoft Hallgatói Nagykövet szerzőinknek, lektorainknak és tartalomközreműködőinknek, különösen Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, és Snigdha Agarwal** **🤩 Különös hála Microsoft Hallgatói Nagyköveteknek Eric Wanjau, Jasleen Sondhi, és Vidushi Gupta az R leckékért!** # Kezdjük el Kövesd az alábbi lépéseket: 1. **Forkold le a tárhelyet**: Kattints a "Fork" gombra a jobb felső sarokban. 2. **Klónozd a tárhelyet**: `git clone https://github.com/microsoft/ML-For-Beginners.git` > [Az összes további forrást megtalálod Microsoft Learn gyűjteményünkben](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) > 🔧 **Segítségre van szükséged?** Nézd meg a [Hibaelhárítási útmutatót](TROUBLESHOOTING.md), amelyben megoldásokat találsz a telepítési, beállítási és futtatási problémákra. **[Hallgatók](https://aka.ms/student-page)**, hogy használni tudjátok ezt a tantervet, forkold a teljes repo-t a saját GitHub fiókodra, és saját vagy csoportos munkában végezd el a feladatokat: - Kezdd az előadás előtti kvízzel. - Olvasd el az előadást, és végezd el a feladatokat, időnként megállva és átgondolva a tudásellenőrző pontokat. - Próbáld meg a projekteket úgy elkészíteni, hogy megérted a leckék lényegét, ne csak a megoldást futtasd; a megoldások azonban megtekinthetők a /solution könyvtárban minden projekt-alapú leckénél. - Tedd meg az előadás utáni kvízt. - Végezd el a kihívást. - Végezd el a házi feladatot. - Miután befejeztél egy leckecsoportot, látogass el a [Fórum](https://github.com/microsoft/ML-For-Beginners/discussions) oldalra, és „tanulj hangosan” a megfelelő PAT értékelőlap kitöltésével. A 'PAT' egy előrehaladási értékelő eszköz, ami egy értékelőlap, amelyet kitöltesz a tanulás elősegítésére. Reagálhatsz más PAT-okra is, így együtt tanulhatunk. > További tanuláshoz ajánljuk, hogy kövesd 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**, csatoltunk néhány [javaslatot](for-teachers.md) arra, hogyan használhatjátok ezt a tantervet. --- ## Videós bemutatók Néhány lecke rövid videó formájában is elérhető. Ezeket a leckékben közvetlenül, vagy a [ML for Beginners lejátszási listán a Microsoft Developer YouTube csatornán](https://aka.ms/ml-beginners-videos) találhatod meg, az alábbi képre kattintva. [![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 készítő:** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 Kattints a fenti képre a projektről és az alkotókról készült videó megtekintéséhez! --- ## Pedagógia Két tanítási alapelvet választottunk ennek a tananyagnak az összeállításakor: hogy gyakorlati, **projekt-alapú** legyen, és hogy tartalmazzon **gyakori kvízeket**. Emellett egy közös **téma** köti össze. Azáltal, hogy a tartalom projektekhez kapcsolódik, a tanulás motiválóbbá válik, és a fogalmak jobb megtartását segíti elő. Egy alacsony tétű kvíz az óra előtt elősegíti a tanulók szándékát egy téma elsajátítására, míg az óra utáni kvíz tovább erősíti a megtartást. Ez a tananyag rugalmas és szórakoztató, egészben vagy részleteiben is elvégezhető. A projektek kezdetben kisebbek, és a 12 hetes ciklus végére egyre bonyolultabbak lesznek. A tananyag tartalmaz egy utószót a gépi tanulás valós alkalmazásairól is, ami extra pontként vagy vitatéma alapként használható. > Olvasd el a [Viselkedési Kódexünket](CODE_OF_CONDUCT.md), a [Hozzájárulási Útmutatót](CONTRIBUTING.md), a [Fordításokat](..) és a [Hibaelhárítást](TROUBLESHOOTING.md). Várjuk konstruktív visszajelzéseidet! ## Minden lecke tartalmaz - opcionális vázlatjegyzetet - opcionális kiegészítő videót - videós bemutatót (csak néhány leckénél) - [előadás előtti bemelegítő kvízt](https://ff-quizzes.netlify.app/en/ml/) - írásos leckét - projekt-alapú leckéknél lépésről lépésre útmutatót a projekt elkészítéséhez - tudásellenőrző kérdéseket - kihívást - kiegészítő olvasmányt - házi feladatot - [előadás utáni kvízt](https://ff-quizzes.netlify.app/en/ml/) > **Megjegyzés a nyelvekről**: Ezek a leckék elsősorban Pythonban íródtak, de sok közülük elérhető R-ben is. Egy R lecke teljesítéséhez keresd meg a `/solution` mappát, és ott az R leckéket. Ezek .rmd kiterjesztésű fájlok, amelyek egy **R Markdown** fájlt jelentenek, amit egyszerűen úgy lehet definiálni, mint `kódrészletek` (R vagy más nyelvek) és egy `YAML fejléc` (amely irányítja a kimenetek formázását, például PDF esetén) beágyazását egy `Markdown dokumentumban`. Így kiváló szerkesztési keretként szolgálnak az adat tudományban, mivel lehetővé teszik a kód, annak kimenete és a gondolatok együttes írását Markdownban. Ezenkívül az R Markdown dokumentumok különböző kimeneti formátumokká is átalakíthatók, például PDF, HTML vagy Word formátummá. > **Megjegyzés a kvízekről**: Minden kvíz a [Quiz App mappában](../../quiz-app) található, összesen 52 három kérdésből álló kvíz. Ezek elérhetők a leckékből, de a kvíz alkalmazás helyileg is futtatható; kövesd a `quiz-app` mappa utasításait 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) | Tanuld meg a gépi tanulás alapfogalmait | [Lecke](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 02 | A gépi tanulás története | [Bevezetés](1-Introduction/README.md) | Ismerd meg a gépi tanulás mögötti történelmet | [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 méltányosság körül, amelyeket a diákoknak figyelembe kell venniük ML modellek építésekor? | [Lecke](1-Introduction/3-fairness/README.md) | Tomomi | | 04 | Gépi tanulási technikák | [Bevezetés](1-Introduction/README.md) | Milyen technikákat használnak a kutatók gépi tanulási 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 modellekhez | [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) | Adatvizualizáció és tisztítás gépi tanulásra való felkészülésként | [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) | Lineáris és polinomiális regressziós modellek építése | [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) | Logisztikus regressziós modell építése | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | | 09 | Egy webalkalmazás 🔌 | [Web App](3-Web-App/README.md) | Webalkalmazás építése a már betanított modell használatához | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 10 | Bevezetés az osztályozásba | [Classification](4-Classification/README.md) | Adattisztítás, előkészítés és vizualizáció; 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 | Finom ázsiai és indiai konyhák 🍜 | [Classification](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 | Finom ázsiai és indiai konyhák 🍜 | [Classification](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 | Finom ázsiai és indiai konyhák 🍜 | [Classification](4-Classification/README.md) | Ajánló webalkalmazás építése a modelled segítségével | [Python](4-Classification/4-Applied/README.md) | Jen | | 14 | Bevezető a klaszterezéshez | [Clustering](5-Clustering/README.md) | Adattisztítás, előkészítés és vizualizáció; bevezetés a klaszterezésbe | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 15 | Nigériai zenei ízlések feltérképezése 🎧 | [Clustering](5-Clustering/README.md) | A K-Mean klaszterezési módszer felfedezése | [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 ☕️ | [Natural language processing](6-NLP/README.md) | Tanuld meg az NLP alapjait egy egyszerű bot építésével | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 17 | Gyakori NLP feladatok ☕️ | [Natural language processing](6-NLP/README.md) | Mélyítsd el az NLP tudásodat a nyelvi struktúrákkal kapcsolatos feladatok megértésével | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 18 | Fordítás és érzelemelemzés ♥️ | [Natural language processing](6-NLP/README.md) | Fordítás és érzelemelemzés Jane Austen segítségével | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 19 | Romantikus európai szállodák ♥️ | [Natural language processing](6-NLP/README.md) | Érzelemelemzés szállodai értékelésekkel 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | | 20 | Romantikus európai szállodák ♥️ | [Natural language processing](6-NLP/README.md) | Érzelemelemzés szállodai értékelésekkel 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | | 21 | Bevezetés az idősoros előrejelzésbe | [Time series](7-TimeSeries/README.md) | Bevezetés az idősoros előrejelzésbe | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | | 22 | ⚡️ Világ energiapiac ⚡️ - idősoros előrejelzés ARIMA-val | [Time series](7-TimeSeries/README.md) | Idősoros előrejelzés ARIMA-val | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | | 23 | ⚡️ Világ energiapiac ⚡️ - idősoros előrejelzés SVR-rel | [Time series](7-TimeSeries/README.md) | Idősoros előrejelzés Support Vector Regresszorral | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 24 | Bevezetés a megerősítéses tanulásba | [Reinforcement learning](8-Reinforcement/README.md) | Bevezetés megerősítéses tanulásba Q-Learning segítségével | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 25 | Segíts Peternek elkerülni a farkast! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Megerősítéses tanulás Gym-ban | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | | Utószó | Valós világ ML forgatókönyvek és alkalmazások | [ML in the Wild](9-Real-World/README.md) | Érdekes és szemléletes valós világban alkalmazott klasszikus gépi tanulási példák | [Lecke](9-Real-World/1-Applications/README.md) | Csapat | | Utószó | Modellhibakeresés gépi tanulásban az RAI irányítópulttal | [ML in the Wild](9-Real-World/README.md) | Modellhibakeresés gépi tanulásban a Responsible AI irányítópult komponensek használatával | [Lecke](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | > [keresd meg az összes további erőforrást ehhez a tanfolyamhoz a Microsoft Learn gyűjteményünkben](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## Offline hozzáférés Ezt a dokumentációt offline is futtathatod a [Docsify](https://docsify.js.org/#/) használatával. Forkold ezt a repo-t, telepítsd a Docsify-t ([Docsify telepítése](https://docsify.js.org/#/quickstart)) a helyi gépedre, majd a repo gyökérmappájában írd be a `docsify serve` parancsot. A weboldal a 3000-es porton lesz elérhető helyileg: `localhost:3000`. ## PDF-ek A tananyag pdf változatát linkekkel [itt találod](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). ## 🎒 Egyéb tanfolyamok Csapatunk további tanfolyamokat is készít! Nézd meg: ### LangChain [![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) [![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) [![LangChain for Beginners](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 for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) [![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Generatív MI sorozat [![Generatív 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) [![Generatív 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) [![Generatív 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) [![Generatív 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) --- ### Alapvető tanulás [![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) --- ### Copilot sorozat [![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) ## Segítségkérés Ha elakadnál vagy kérdéseid lennének a gépi tanulás tanulása vagy MI-alkalmazások készítése közben, ne aggódj — segítség elérhető. Csatlakozhatsz más tanulókkal és fejlesztőkkel folytatott beszélgetésekhez, kérdezhetsz és megoszthatod ötleteidet a közösséggel. - Csatlakozz a közösséghez, hogy kérdéseket tegyél fel és másokkal tanulj - Beszéljétek meg a gépi tanulás fogalmait és projektötleteket - Kapj útmutatást tapasztalt fejlesztőktől Egy támogató közösség nagyszerű módja a készségeid fejlesztésének és a problémák gyorsabb megoldásának. [Microsoft Foundry Discord közösség](https://discord.gg/nTYy5BXMWG) Ha hibákat, problémákat tapasztalsz, vagy fejlesztési javaslataid vannak, egy **Issue** megnyitásával jelezheted a problémát ebben a tárolóban. Termék visszajelzésekhez vagy meglévő közösségi bejegyzések kereséséhez látogass el a Fejlesztői Fórumra: [![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) ## További tanulási tippek - Tekintsd át a jegyzetfüzeteket minden lecke után a jobb megértés érdekében. - Gyakorold az algoritmusok önálló implementálását. - Fedezz fel valós adatkészleteket a tanult koncepciók segítségével. --- **Jogi nyilatkozat**: Ez a dokumentum az [Co-op Translator](https://github.com/Azure/co-op-translator) AI fordító szolgáltatás használatával készült. Bár a pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások tartalmazhatnak hibákat vagy pontatlanságokat. Az eredeti dokumentum anyanyelvi változata tekintendő hivatalos forrásnak. Fontos információk esetén szakmai, emberi fordítás használata javasolt. Nem vállalunk felelősséget a fordítás használatából eredő félreértésekért vagy félreértelmezésekért.