[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [](https://GitHub.com/microsoft/ML-For-Beginners/issues/) [](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) [](http://makeapullrequest.com) [](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) [](https://GitHub.com/microsoft/ML-For-Beginners/network/) [](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) ### 🌐 Podpora za več jezikov #### Podprto prek GitHub Action (samodejno in vedno posodobljeno) [French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](./README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md) #### Pridružite se skupnosti [](https://discord.gg/kzRShWzttr) # Strojno učenje za začetnike - učni načrt > 🌍 Potujte po svetu, medtem ko raziskujemo strojno učenje skozi prizmo svetovnih kultur 🌍 Cloud Advocates pri Microsoftu z veseljem ponujajo 12-tedenski učni načrt s 26 lekcijami o **strojnem učenju**. V tem učnem načrtu se boste naučili o tem, kar se včasih imenuje **klasično strojno učenje**, pri čemer bomo večinoma uporabljali knjižnico Scikit-learn in se izognili globokemu učenju, ki je obravnavano v našem [učnem načrtu "AI for Beginners"](https://aka.ms/ai4beginners). Te lekcije združite z našim učnim načrtom ['Data Science for Beginners'](https://aka.ms/ds4beginners), prav tako! Potujte z nami po svetu, medtem ko uporabljamo te klasične tehnike na podatkih iz različnih delov sveta. Vsaka lekcija vključuje kvize pred in po lekciji, pisna navodila za dokončanje lekcije, rešitev, nalogo in še več. Naša projektno usmerjena pedagogika vam omogoča učenje skozi ustvarjanje, kar je dokazano učinkovit način za utrjevanje novih veščin. **✍️ Iskrena zahvala našim avtorjem** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu in Amy Boyd **🎨 Zahvala tudi našim ilustratorjem** Tomomi Imura, Dasani Madipalli in Jen Looper **🙏 Posebna zahvala 🙏 našim avtorjem, recenzentom in prispevalcem vsebine iz vrst Microsoft Student Ambassador**, zlasti Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila in Snigdha Agarwal **🤩 Dodatna zahvala Microsoft Student Ambassador Eric Wanjau, Jasleen Sondhi in Vidushi Gupta za naše lekcije v R!** # Začetek Sledite tem korakom: 1. **Forkajte repozitorij**: Kliknite gumb "Fork" v zgornjem desnem kotu te strani. 2. **Klonirajte repozitorij**: `git clone https://github.com/microsoft/ML-For-Beginners.git` > [poiščite vse dodatne vire za ta tečaj v naši zbirki Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) **[Študenti](https://aka.ms/student-page)**, za uporabo tega učnega načrta forkajte celoten repozitorij v svoj GitHub račun in dokončajte vaje sami ali v skupini: - Začnite s kvizom pred predavanjem. - Preberite predavanje in dokončajte aktivnosti, pri čemer se ustavite in razmislite ob vsakem preverjanju znanja. - Poskusite ustvariti projekte z razumevanjem lekcij, namesto da bi samo zagnali rešitev; vendar je ta koda na voljo v mapah `/solution` v vsaki projektno usmerjeni lekciji. - Opravite kviz po predavanju. - Dokončajte izziv. - Dokončajte nalogo. - Po zaključku skupine lekcij obiščite [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) in "učite se na glas" tako, da izpolnite ustrezno PAT rubriko. 'PAT' je orodje za ocenjevanje napredka, ki ga izpolnite za poglobitev svojega učenja. Prav tako lahko reagirate na druge PAT-je, da se učimo skupaj. > Za nadaljnje študije priporočamo, da sledite tem [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modulom in učnim potem. **Učitelji**, vključili smo [nekaj predlogov](for-teachers.md) o tem, kako uporabiti ta učni načrt. --- ## Video vodiči Nekatere lekcije so na voljo kot kratki video posnetki. Vse te najdete v lekcijah ali na [ML for Beginners playlist na Microsoft Developer YouTube kanalu](https://aka.ms/ml-beginners-videos) s klikom na spodnjo sliko. [](https://aka.ms/ml-beginners-videos) --- ## Spoznajte ekipo [](https://youtu.be/Tj1XWrDSYJU) **Gif avtorja** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 Kliknite zgornjo sliko za video o projektu in ljudeh, ki so ga ustvarili! --- ## Pedagogika Pri oblikovanju tega učnega načrta smo se odločili za dva pedagoška načela: zagotoviti, da je praktično **projektno usmerjen** in da vključuje **pogoste kvize**. Poleg tega ima ta učni načrt skupno **temo**, ki mu daje kohezijo. Z zagotavljanjem, da vsebina ustreza projektom, je proces bolj privlačen za študente, koncepti pa se bolje ohranijo. Poleg tega nizko-stresni kviz pred predavanjem usmeri pozornost študenta na učenje teme, medtem ko drugi kviz po predavanju zagotavlja nadaljnjo utrditev. Ta učni načrt je zasnovan tako, da je prilagodljiv in zabaven ter ga je mogoče vzeti v celoti ali delno. Projekti se začnejo majhni in postajajo vse bolj kompleksni do konca 12-tedenskega cikla. Ta učni načrt vključuje tudi dodatek o resničnih aplikacijah ML, ki ga je mogoče uporabiti kot dodatno nalogo ali kot osnovo za razpravo. > Poiščite naš [Kodeks ravnanja](CODE_OF_CONDUCT.md), [Prispevanje](CONTRIBUTING.md) in [Smernice za prevajanje](TRANSLATIONS.md). Veseli bomo vaših konstruktivnih povratnih informacij! ## Vsaka lekcija vključuje - opcijsko sketchnote - opcijski dopolnilni video - video vodič (samo nekatere lekcije) - [kviz za ogrevanje pred predavanjem](https://ff-quizzes.netlify.app/en/ml/) - pisno lekcijo - za projektno usmerjene lekcije, vodnik po korakih za izdelavo projekta - preverjanje znanja - izziv - dopolnilno branje - nalogo - [kviz po predavanju](https://ff-quizzes.netlify.app/en/ml/) > **Opomba o jezikih**: Te lekcije so večinoma napisane v Pythonu, vendar so mnoge na voljo tudi v R. Za dokončanje lekcije v R pojdite v mapo `/solution` in poiščite lekcije v R. Te vključujejo razširitev .rmd, ki predstavlja **R Markdown** datoteko, ki jo lahko preprosto opišemo kot vdelavo `code chunks` (R ali drugih jezikov) in `YAML header` (ki usmerja, kako formatirati izhode, kot so PDF) v `Markdown dokumentu`. Tako služi kot odličen avtorski okvir za podatkovno znanost, saj vam omogoča kombiniranje kode, njenega izhoda in vaših misli z zapisovanjem v Markdown. Poleg tega je mogoče R Markdown dokumente upodobiti v izhodne formate, kot so PDF, HTML ali Word. > **Opomba o kvizih**: Vsi kvizi so vsebovani v [mapi Quiz App](../../quiz-app), skupaj 52 kvizov s po tremi vprašanji. Povezani so znotraj lekcij, vendar je aplikacijo za kvize mogoče zagnati lokalno; sledite navodilom v mapi `quiz-app` za lokalno gostovanje ali namestitev na Azure. | Številka lekcije | Tema | Skupina lekcij | Cilji učenja | Povezana lekcija | Avtor | | :--------------: | :----------------------------------------------------------: | :------------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------- | :----------------------------------------------------------------------------------------------------------------------------------------: | :-------------------------------------------------: | | 01 | Uvod v strojno učenje | [Uvod](1-Introduction/README.md) | Spoznajte osnovne koncepte stroja za učenje | [Lekcija](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 02 | Zgodovina stroja za učenje | [Uvod](1-Introduction/README.md) | Spoznajte zgodovino tega področja | [Lekcija](1-Introduction/2-history-of-ML/README.md) | Jen in Amy | | 03 | Pravičnost in strojno učenje | [Uvod](1-Introduction/README.md) | Katere so pomembne filozofske teme o pravičnosti, ki jih morajo študenti upoštevati pri gradnji in uporabi modelov ML? | [Lekcija](1-Introduction/3-fairness/README.md) | Tomomi | | 04 | Tehnike za strojno učenje | [Introduction](1-Introduction/README.md) | Katere tehnike uporabljajo raziskovalci strojnega učenja za gradnjo modelov? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris in Jen | | 05 | Uvod v regresijo | [Regression](2-Regression/README.md) | Začnite s Pythonom in Scikit-learn za modele regresije | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | | 06 | Cene buč v Severni Ameriki 🎃 | [Regression](2-Regression/README.md) | Vizualizirajte in očistite podatke za pripravo na strojno učenje | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | | 07 | Cene buč v Severni Ameriki 🎃 | [Regression](2-Regression/README.md) | Zgradite linearne in polinomske regresijske modele | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen in Dmitry • Eric Wanjau | | 08 | Cene buč v Severni Ameriki 🎃 | [Regression](2-Regression/README.md) | Zgradite logistični regresijski model | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | | 09 | Spletna aplikacija 🔌 | [Web App](3-Web-App/README.md) | Zgradite spletno aplikacijo za uporabo vašega treniranega modela | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 10 | Uvod v klasifikacijo | [Classification](4-Classification/README.md) | Očistite, pripravite in vizualizirajte podatke; uvod v klasifikacijo | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen in Cassie • Eric Wanjau | | 11 | Okusne azijske in indijske jedi 🍜 | [Classification](4-Classification/README.md) | Uvod v klasifikatorje | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen in Cassie • Eric Wanjau | | 12 | Okusne azijske in indijske jedi 🍜 | [Classification](4-Classification/README.md) | Več klasifikatorjev | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen in Cassie • Eric Wanjau | | 13 | Okusne azijske in indijske jedi 🍜 | [Classification](4-Classification/README.md) | Zgradite spletno aplikacijo za priporočila z uporabo vašega modela | [Python](4-Classification/4-Applied/README.md) | Jen | | 14 | Uvod v gručenje | [Clustering](5-Clustering/README.md) | Očistite, pripravite in vizualizirajte podatke; uvod v gručenje | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 15 | Raziskovanje nigerijskih glasbenih okusov 🎧 | [Clustering](5-Clustering/README.md) | Raziskovanje metode gručenja 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 | Uvod v obdelavo naravnega jezika ☕️ | [Natural language processing](6-NLP/README.md) | Spoznajte osnove NLP z gradnjo preprostega bota | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 17 | Pogoste naloge NLP ☕️ | [Natural language processing](6-NLP/README.md) | Poglobite svoje znanje NLP z razumevanjem pogostih nalog pri delu z jezikovnimi strukturami | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 18 | Prevajanje in analiza sentimenta ♥️ | [Natural language processing](6-NLP/README.md) | Prevajanje in analiza sentimenta z Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 19 | Romantični hoteli v Evropi ♥️ | [Natural language processing](6-NLP/README.md) | Analiza sentimenta z ocenami hotelov 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | | 20 | Romantični hoteli v Evropi ♥️ | [Natural language processing](6-NLP/README.md) | Analiza sentimenta z ocenami hotelov 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | | 21 | Uvod v napovedovanje časovnih vrst | [Time series](7-TimeSeries/README.md) | Uvod v napovedovanje časovnih vrst | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | | 22 | ⚡️ Svetovna poraba energije ⚡️ - napovedovanje časovnih vrst z ARIMA | [Time series](7-TimeSeries/README.md) | Napovedovanje časovnih vrst z ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | | 23 | ⚡️ Svetovna poraba energije ⚡️ - napovedovanje časovnih vrst z SVR | [Time series](7-TimeSeries/README.md) | Napovedovanje časovnih vrst z regresorjem podpornih vektorjev | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 24 | Uvod v okrepljeno učenje | [Reinforcement learning](8-Reinforcement/README.md) | Uvod v okrepljeno učenje z Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 25 | Pomagajte Petru, da se izogne volku! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Okrepljeno učenje z Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | | Postscript | Resnični scenariji in aplikacije ML | [ML in the Wild](9-Real-World/README.md) | Zanimive in razkrivajoče resnične aplikacije klasičnega strojnega učenja | [Lesson](9-Real-World/1-Applications/README.md) | Team | | Postscript | Odpravljanje napak modelov ML z nadzorno ploščo RAI | [ML in the Wild](9-Real-World/README.md) | Odpravljanje napak modelov strojnega učenja z uporabo komponent nadzorne plošče za odgovorno umetno inteligenco | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | > [poiščite vse dodatne vire za ta tečaj v naši zbirki Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## Dostop brez povezave To dokumentacijo lahko zaženete brez povezave z uporabo [Docsify](https://docsify.js.org/#/). Forkajte to repozitorij, [namestite Docsify](https://docsify.js.org/#/quickstart) na vaš lokalni računalnik, nato pa v korenski mapi tega repozitorija vnesite `docsify serve`. Spletna stran bo na voljo na portu 3000 na vašem lokalnem strežniku: `localhost:3000`. ## PDF-ji Najdite PDF učnega načrta s povezavami [tukaj](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). ## 🎒 Drugi tečaji Naša ekipa ustvarja tudi druge tečaje! Oglejte si: - [Generativna umetna inteligenca za začetnike](https://aka.ms/genai-beginners) - [Generativna umetna inteligenca za začetnike .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) - [Generativna umetna inteligenca z JavaScript](https://github.com/microsoft/generative-ai-with-javascript) - [Generativna umetna inteligenca z Java](https://github.com/microsoft/Generative-AI-for-beginners-java) - [Umetna inteligenca za začetnike](https://aka.ms/ai-beginners) - [Podatkovna znanost za začetnike](https://aka.ms/datascience-beginners) - [Strojno učenje za začetnike](https://aka.ms/ml-beginners) - [Kibernetska varnost za začetnike](https://github.com/microsoft/Security-101) - [Spletni razvoj za začetnike](https://aka.ms/webdev-beginners) - [IoT za začetnike](https://aka.ms/iot-beginners) - [Razvoj XR za začetnike](https://github.com/microsoft/xr-development-for-beginners) - [Obvladovanje GitHub Copilot za parno programiranje](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming) - [Obvladovanje GitHub Copilot za razvijalce C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) - [Izberite svojo Copilot pustolovščino](https://github.com/microsoft/CopilotAdventures) --- **Omejitev odgovornosti**: Ta dokument je bil preveden z uporabo storitve za strojno prevajanje [Co-op Translator](https://github.com/Azure/co-op-translator). Čeprav si prizadevamo za natančnost, vas prosimo, da se zavedate, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvirnem jeziku je treba obravnavati kot avtoritativni vir. Za ključne informacije priporočamo strokovno človeško prevajanje. Ne prevzemamo odgovornosti za morebitna nesporazumevanja ali napačne razlage, ki izhajajo iz uporabe tega prevoda.