ML-For-Beginners/translations/ms

Pembelajaran Mesin untuk Pemula - Kurikulum

🌍 Mari kita menjelajahi dunia sambil mempelajari Pembelajaran Mesin melalui budaya dunia 🌍

Advokat Cloud di Microsoft dengan senang hati menawarkan kurikulum selama 12 minggu, 26 pelajaran tentang Pembelajaran Mesin. Dalam kurikulum ini, Anda akan mempelajari apa yang kadang-kadang disebut sebagai pembelajaran mesin klasik, terutama menggunakan Scikit-learn sebagai pustaka dan menghindari pembelajaran mendalam, yang dibahas dalam kurikulum AI untuk Pemula. Pasangkan pelajaran ini dengan kurikulum 'Data Science untuk Pemula', juga!

Jelajahi dunia bersama kami saat kami menerapkan teknik klasik ini pada data dari berbagai wilayah di dunia. Setiap pelajaran mencakup kuis sebelum dan setelah pelajaran, instruksi tertulis untuk menyelesaikan pelajaran, solusi, tugas, dan banyak lagi. Pedagogi berbasis proyek kami memungkinkan Anda belajar sambil membangun, cara yang terbukti untuk membuat keterampilan baru 'melekat'.

✍️ Terima kasih yang tulus kepada penulis kami Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, dan Amy Boyd

🎨 Terima kasih juga kepada ilustrator kami Tomomi Imura, Dasani Madipalli, dan Jen Looper

🙏 Terima kasih khusus 🙏 kepada penulis, pengulas, dan kontributor konten Duta Mahasiswa Microsoft kami, terutama Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, dan Snigdha Agarwal

🤩 Terima kasih ekstra kepada Duta Mahasiswa Microsoft Eric Wanjau, Jasleen Sondhi, dan Vidushi Gupta untuk pelajaran R kami!

Memulai

Ikuti langkah-langkah ini:

1. Fork Repository: Klik tombol "Fork" di sudut kanan atas halaman ini.
2. Clone Repository: git clone https://github.com/microsoft/ML-For-Beginners.git

temukan semua sumber daya tambahan untuk kursus ini dalam koleksi Microsoft Learn kami

Mahasiswa, untuk menggunakan kurikulum ini, fork seluruh repo ke akun GitHub Anda sendiri dan selesaikan latihan sendiri atau dengan kelompok:

• Mulailah dengan kuis sebelum kuliah.
• Baca kuliah dan selesaikan aktivitasnya, berhenti dan merenung pada setiap pemeriksaan pengetahuan.
• Cobalah membuat proyek dengan memahami pelajaran daripada menjalankan kode solusi; namun kode tersebut tersedia di folder /solution di setiap pelajaran yang berorientasi proyek.
• Ambil kuis setelah kuliah.
• Selesaikan tantangan.
• Selesaikan tugas.
• Setelah menyelesaikan kelompok pelajaran, kunjungi Papan Diskusi dan "belajar dengan suara keras" dengan mengisi rubrik PAT yang sesuai. 'PAT' adalah Alat Penilaian Kemajuan yang merupakan rubrik yang Anda isi untuk melanjutkan pembelajaran Anda. Anda juga dapat bereaksi terhadap PAT lain sehingga kita bisa belajar bersama.

Untuk studi lebih lanjut, kami merekomendasikan mengikuti modul dan jalur pembelajaran Microsoft Learn ini.

Guru, kami telah menyertakan beberapa saran tentang cara menggunakan kurikulum ini.

---

Video walkthroughs

Beberapa pelajaran tersedia dalam bentuk video pendek. Anda dapat menemukan semuanya di dalam pelajaran, atau di daftar putar ML untuk Pemula di saluran YouTube Microsoft Developer dengan mengklik gambar di bawah ini.

---

Temui Tim

Gif oleh Mohit Jaisal

🎥 Klik gambar di atas untuk video tentang proyek dan orang-orang yang membuatnya!

---

Pedagogi

Kami telah memilih dua prinsip pedagogis saat membangun kurikulum ini: memastikan bahwa itu berbasis proyek praktis dan bahwa itu mencakup kuis yang sering. Selain itu, kurikulum ini memiliki tema umum untuk memberikan kohesi.

Dengan memastikan bahwa konten selaras dengan proyek, prosesnya menjadi lebih menarik bagi siswa dan retensi konsep akan ditingkatkan. Selain itu, kuis dengan risiko rendah sebelum kelas menetapkan niat siswa untuk mempelajari topik, sementara kuis kedua setelah kelas memastikan retensi lebih lanjut. Kurikulum ini dirancang agar fleksibel dan menyenangkan serta dapat diambil secara keseluruhan atau sebagian. Proyek dimulai dari yang kecil dan menjadi semakin kompleks pada akhir siklus 12 minggu. Kurikulum ini juga mencakup catatan tambahan tentang aplikasi dunia nyata dari ML, yang dapat digunakan sebagai kredit tambahan atau sebagai dasar untuk diskusi.

Temukan Kode Etik, Kontribusi, dan panduan Terjemahan kami. Kami menyambut umpan balik konstruktif Anda!

Setiap pelajaran mencakup

• sketchnote opsional
• video tambahan opsional
• video walkthrough (beberapa pelajaran saja)
• kuis pemanasan sebelum kuliah
• pelajaran tertulis
• untuk pelajaran berbasis proyek, panduan langkah demi langkah tentang cara membangun proyek
• pemeriksaan pengetahuan
• tantangan
• bacaan tambahan
• tugas
• kuis setelah kuliah

Catatan tentang bahasa: Pelajaran ini terutama ditulis dalam Python, tetapi banyak juga yang tersedia dalam R. Untuk menyelesaikan pelajaran R, buka folder /solution dan cari pelajaran R. Mereka termasuk ekstensi .rmd yang merupakan file R Markdown yang dapat didefinisikan secara sederhana sebagai penyematan code chunks (dari R atau bahasa lain) dan YAML header (yang memandu cara memformat keluaran seperti PDF) dalam Markdown document. Dengan demikian, ini berfungsi sebagai kerangka kerja penulisan yang luar biasa untuk ilmu data karena memungkinkan Anda menggabungkan kode Anda, hasilnya, dan pemikiran Anda dengan memungkinkan Anda menuliskannya dalam Markdown. Selain itu, dokumen R Markdown dapat dirender ke format keluaran seperti PDF, HTML, atau Word.

Catatan tentang kuis: Semua kuis terdapat dalam folder Aplikasi Kuis, untuk total 52 kuis dengan tiga pertanyaan masing-masing. Mereka terhubung dari dalam pelajaran tetapi aplikasi kuis dapat dijalankan secara lokal; ikuti instruksi di folder quiz-app untuk menghosting secara lokal atau menyebarkan ke Azure.

Nomor Pelajaran	Topik	Kelompok Pelajaran	Tujuan Pembelajaran	Pelajaran Terkait	Penulis
01	Pengenalan pembelajaran mesin	Pengenalan	Pelajari konsep dasar di balik pembelajaran mesin	Pelajaran	Muhammad
02	Sejarah pembelajaran mesin	Pengenalan	Pelajari sejarah di balik bidang ini	Pelajaran	Jen dan Amy
03	Keadilan dan pembelajaran mesin	Pengenalan	Apa saja isu filosofis penting seputar keadilan yang harus dipertimbangkan siswa saat membangun dan menerapkan model ML?	Pelajaran	Tomomi
04	Teknik untuk pembelajaran mesin	Introduction	Teknik apa yang digunakan oleh peneliti ML untuk membina model ML?	Lesson	Chris dan Jen
05	Pengenalan kepada regresi	Regression	Mulakan dengan Python dan Scikit-learn untuk model regresi	Python R	Jen Eric Wanjau
06	Harga labu Amerika Utara 🎃	Regression	Visualisasikan dan bersihkan data sebagai persiapan untuk ML	Python R	Jen Eric Wanjau
07	Harga labu Amerika Utara 🎃	Regression	Bina model regresi linear dan polinomial	Python R	Jen dan Dmitry Eric Wanjau
08	Harga labu Amerika Utara 🎃	Regression	Bina model regresi logistik	Python R	Jen Eric Wanjau
09	Aplikasi Web 🔌	Web App	Bina aplikasi web untuk menggunakan model yang telah dilatih	Python	Jen
10	Pengenalan kepada klasifikasi	Classification	Bersihkan, sediakan, dan visualisasikan data anda; pengenalan kepada klasifikasi	Python R	Jen dan Cassie Eric Wanjau
11	Masakan Asia dan India yang lazat 🍜	Classification	Pengenalan kepada pengelasan	Python R	Jen dan Cassie Eric Wanjau
12	Masakan Asia dan India yang lazat 🍜	Classification	Lebih banyak pengelasan	Python R	Jen dan Cassie Eric Wanjau
13	Masakan Asia dan India yang lazat 🍜	Classification	Bina aplikasi web cadangan menggunakan model anda	Python	Jen
14	Pengenalan kepada pengelompokan	Clustering	Bersihkan, sediakan, dan visualisasikan data anda; Pengenalan kepada pengelompokan	Python R	Jen Eric Wanjau
15	Menjelajah Selera Muzik Nigeria 🎧	Clustering	Jelajahi kaedah pengelompokan K-Means	Python R	Jen Eric Wanjau
16	Pengenalan kepada pemprosesan bahasa semula jadi ☕️	Natural language processing	Pelajari asas NLP dengan membina bot ringkas	Python	Stephen
17	Tugas Biasa dalam NLP ☕️	Natural language processing	Mendalami pengetahuan NLP dengan memahami tugas-tugas biasa yang diperlukan semasa mengendalikan struktur bahasa	Python	Stephen
18	Terjemahan dan analisis sentimen ♥️	Natural language processing	Terjemahan dan analisis sentimen dengan Jane Austen	Python	Stephen
19	Hotel romantik di Eropah ♥️	Natural language processing	Analisis sentimen dengan ulasan hotel 1	Python	Stephen
20	Hotel romantik di Eropah ♥️	Natural language processing	Analisis sentimen dengan ulasan hotel 2	Python	Stephen
21	Pengenalan kepada ramalan siri masa	Time series	Pengenalan kepada ramalan siri masa	Python	Francesca
22	⚡️ Penggunaan Tenaga Dunia ⚡️ - ramalan siri masa dengan ARIMA	Time series	Ramalan siri masa dengan ARIMA	Python	Francesca
23	⚡️ Penggunaan Tenaga Dunia ⚡️ - ramalan siri masa dengan SVR	Time series	Ramalan siri masa dengan Support Vector Regressor	Python	Anirban
24	Pengenalan kepada pembelajaran pengukuhan	Reinforcement learning	Pengenalan kepada pembelajaran pengukuhan dengan Q-Learning	Python	Dmitry
25	Bantu Peter mengelak serigala! 🐺	Reinforcement learning	Pembelajaran pengukuhan Gym	Python	Dmitry
Postscript	Senario dan aplikasi ML di dunia sebenar	ML in the Wild	Aplikasi dunia sebenar yang menarik dan mendedahkan tentang ML klasik	Lesson	Team
Postscript	Debugging Model dalam ML menggunakan papan pemuka RAI	ML in the Wild	Debugging Model dalam Pembelajaran Mesin menggunakan komponen papan pemuka AI Bertanggungjawab	Lesson	Ruth Yakubu

cari semua sumber tambahan untuk kursus ini dalam koleksi Microsoft Learn kami

Akses Luar Talian

Anda boleh menjalankan dokumentasi ini secara luar talian dengan menggunakan Docsify. Fork repo ini, pasang Docsify pada mesin tempatan anda, dan kemudian dalam folder root repo ini, taipkan docsify serve. Laman web akan disediakan pada port 3000 di localhost anda: localhost:3000.

PDF

Cari pdf kurikulum dengan pautan di sini.

Bantuan Diperlukan

Adakah anda ingin menyumbang terjemahan? Sila baca panduan terjemahan kami dan tambah isu berasaskan templat untuk menguruskan beban kerja di sini.

Kurikulum Lain

Pasukan kami menghasilkan kurikulum lain! Lihat:

• AI untuk Pemula
• Sains Data untuk Pemula
• Versi 2.0 Baru - Generative AI untuk Pemula
• BARU Keselamatan Siber untuk Pemula
• Pembangunan Web untuk Pemula
• IoT untuk Pemula
• Pembelajaran Mesin untuk Pemula
• Pembangunan XR untuk Pemula
• Menguasai GitHub Copilot untuk Pengaturcaraan Berpasangan AI

Penafian: Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI berasaskan mesin. Walaupun kami berusaha untuk ketepatan, sila ambil perhatian bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang berwibawa. Untuk maklumat penting, terjemahan manusia profesional adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.