|
|
[](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/)
|
|
|
|
|
|
### 🌐 Wsparcie wielojęzyczne
|
|
|
|
|
|
#### Wspierane przez GitHub Action (automatyczne i zawsze aktualne)
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
|
[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) | [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](./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 tłumaczenia na ponad 50 języków, co znacznie zwiększa rozmiar pobierania. Aby sklonować bez tłumaczeń, użyj sparse checkout:
|
|
|
>
|
|
|
> **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"
|
|
|
> ```
|
|
|
>
|
|
|
> To zapewni wszystko, co potrzebne do ukończenia kursu, przy znacznie szybszym pobieraniu.
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
|
|
#### Dołącz do naszej społeczności
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
Mamy trwającą serię „Ucz się z 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 w Data Science.
|
|
|
|
|
|
|
|
|
|
|
|
# Machine Learning dla początkujących – Program nauczania
|
|
|
|
|
|
> 🌍 Podróżuj po świecie, poznając uczenie maszynowe poprzez kultury świata 🌍
|
|
|
|
|
|
Cloud Advocates w Microsoft z przyjemnością oferują 12-tygodniowy, 26-lekcyjny program nauczania poświęcony **uczeniu maszynowemu**. W tym programie nauczysz się tego, co nazywa się czasem **klasycznym uczeniem maszynowym**, używając głównie biblioteki Scikit-learn i unikając deep learningu, który jest omawiany 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 klasyczne techniki do danych z wielu rejonów świata. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie, zadanie domowe i więcej. Nasza projektowa metodologia pozwala uczyć się przez tworzenie, co jest sprawdzoną metodą na trwałe przyswajanie nowych umiejętności.
|
|
|
|
|
|
**✍️ Serdeczne podziękowania dla naszych autorów** Jen Looper, Stephena Howella, Franceski Lazzeri, Tomomi Imury, Cassie Breviu, Dmitry'ego Soshnikova, Chrisa Noringa, Anirbana Mukherjee, Ornelli Altunyan, Ruth Yakubu oraz Amy Boyd
|
|
|
|
|
|
**🎨 Podziękowania także dla naszych ilustratorów** Tomomi Imury, Dasani Madipalli i Jen Looper
|
|
|
|
|
|
**🙏 Specjalne podziękowania 🙏 dla naszych autorów, recenzentów i współtwórców treści z Microsoft Student Ambassador**, w szczególności Rishita Dagli, Muhammada Sakib Khana Inana, Rohana Raja, Alexandru Petrescu, Abhisheka Jaiswala, Nawrin Tabassum, Ioana Samuili oraz Snigdhy Agarwal
|
|
|
|
|
|
**🤩 Dodatkowa wdzięczność dla Microsoft Student Ambassadors Erica Wanjau, Jasleen Sondhi i Vidushi Gupty za lekcje R!**
|
|
|
|
|
|
# Pierwsze kroki
|
|
|
|
|
|
Postępuj zgodnie z poniższymi krokami:
|
|
|
1. **Zrób 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 nauczania, wykonaj fork całego repozytorium na swoje konto GitHub i wykonuj ćwiczenia samodzielnie lub w grupie:
|
|
|
|
|
|
- Zacznij od quizu przed wykładem.
|
|
|
- Przeczytaj wykład i wykonaj aktywności, zatrzymując się na sprawdzeniach wiedzy, by zastanowić się nad materiałem.
|
|
|
- Staraj się tworzyć projekty rozumiejąc lekcje, zamiast tylko uruchamiać kod rozwiązań; jednakże kod jest dostępny w folderach `/solution` w każdej lekcji nastawionej na projekt.
|
|
|
- Zrób quiz po wykładzie.
|
|
|
- Wykonaj wyzwanie.
|
|
|
- Zrealizuj zadanie.
|
|
|
- Po ukończeniu zestawu lekcji odwiedź [Tablicę Dyskusyjną](https://github.com/microsoft/ML-For-Beginners/discussions) i „ucz się na głos”, wypełniając odpowiednią rubricę PAT. „PAT” to narzędzie oceny postępów, które wypełniasz, aby pogłębić naukę. Możesz także reagować na inne PAT-y, by uczyć się razem.
|
|
|
|
|
|
> Dla dalszej nauki polecamy moduły i ścieżki nauczania dostępne na [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
|
|
|
|
|
|
**Nauczyciele**, przygotowaliśmy [kilka sugestii](for-teachers.md) jak korzystać z tego programu.
|
|
|
|
|
|
---
|
|
|
|
|
|
## Materiały wideo
|
|
|
|
|
|
Część lekcji jest dostępna w krótkich formach wideo. Możesz je znaleźć bezpośrednio w lekcjach lub na [playliście ML for Beginners na kanale Microsoft Developer na YouTube](https://aka.ms/ml-beginners-videos), klikając na poniższy obraz.
|
|
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
|
|
---
|
|
|
|
|
|
## Poznaj zespół
|
|
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
|
|
**Gif autorstwa** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
|
|
> 🎥 Kliknij powyższy obraz, aby obejrzeć wideo o projekcie i ludziach, którzy go stworzyli!
|
|
|
|
|
|
---
|
|
|
|
|
|
## Metodyka nauczania
|
|
|
|
|
|
Wybraliśmy dwa podstawowe założenia pedagogiczne budując ten program: zapewnienie, że jest on praktyczny i oparty na **projektach**, oraz że zawiera **częste quizy**. Ponadto, program ma wspólny **motyw przewodni**, aby nadać mu spójność.
|
|
|
|
|
|
Dzięki powiązaniu treści z projektami proces staje się bardziej angażujący, a zapamiętywanie pojęć jest wzmocnione. Niskie stawki quizu na początku zajęć nastawiają ucznia na naukę tematu, a drugi quiz po zajęciach zapewnia dalsze utrwalenie. Ten program został zaprojektowany tak, by był elastyczny i przyjemny i można go realizować w całości lub częściowo. Projekty zaczynają się od prostych i stopniowo stają się coraz bardziej złożone do końca 12-tygodniowego cyklu. Program zawiera także postscriptum dotyczące zastosowań ML w świecie rzeczywistym, które można wykorzystać jako dodatkowe punkty lub bazę do dyskusji.
|
|
|
|
|
|
> Znajdź nasze wytyczne [Kodeks postępowania](CODE_OF_CONDUCT.md), [Współpraca](CONTRIBUTING.md), [Tłumaczenia](..) oraz [Rozwiązywanie problemów](TROUBLESHOOTING.md). Czekamy na Twoją konstruktywną opinię!
|
|
|
|
|
|
## Każda lekcja zawiera
|
|
|
|
|
|
- opcjonalne notatki graficzne
|
|
|
- opcjonalne dodatkowe wideo
|
|
|
- film pokazujący wykonanie (tylko niektóre lekcje)
|
|
|
- [quiz rozgrzewkowy przed wykładem](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
- pisemną lekcję
|
|
|
- w lekcjach opartych na projektach, przewodniki krok po kroku jak zbudować projekt
|
|
|
- sprawdzenia wiedzy
|
|
|
- wyzwanie
|
|
|
- materiały dodatkowe
|
|
|
- zadanie domowe
|
|
|
- [quiz po wykładzie](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
> **Notatka na temat języków**: Te lekcje są głównie napisane w Pythonie, ale wiele jest również dostępnych w R. Aby ukończyć lekcję w R, przejdź do folderu `/solution` i poszukaj lekcji w R. Zawierają one rozszerzenie .rmd, które oznacza plik **R Markdown**, który można po prostu zdefiniować jako osadzenie `fragmentów kodu` (w R lub innych językach) oraz `nagłówka YAML` (który określa, jak formatować wyjścia, takie jak PDF) w `dokumencie Markdown`. Dzięki temu służy jako wzorcowy framework autorski dla nauki danych, ponieważ pozwala połączyć kod, jego wynik i myśli, umożliwiając zapisanie ich w Markdown. Ponadto dokumenty R Markdown można renderować do formatów wyjściowych, takich jak PDF, HTML lub Word.
|
|
|
|
|
|
> **Notatka na temat quizów**: Wszystkie quizy znajdują się w [folderze Quiz App](../../quiz-app), razem 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 lokalnie hostować lub wdrożyć na Azure.
|
|
|
|
|
|
| Numer lekcji | Temat | Grupa lekcji | Cele nauki | Powiązana lekcja | Autor |
|
|
|
| :----------: | :------------------------------------------------------------: | :-------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :-------------------------------------------------: |
|
|
|
| 01 | Wprowadzenie do uczenia maszynowego | [Wprowadzenie](1-Introduction/README.md) | Poznaj podstawowe pojęcia uczenia maszynowego | [Lekcja](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
|
| 02 | Historia uczenia maszynowego | [Wprowadzenie](1-Introduction/README.md) | Poznaj historię leżącą u podstaw tej dziedziny | [Lekcja](1-Introduction/2-history-of-ML/README.md) | Jen i Amy |
|
|
|
| 03 | Sprawiedliwość i uczenie maszynowe | [Wprowadzenie](1-Introduction/README.md) | Jakie ważne kwestie filozoficzne dotyczące sprawiedliwości powinni rozważyć uczniowie budujący i stosujący modele ML? | [Lekcja](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
|
| 04 | Techniki uczenia maszynowego | [Wprowadzenie](1-Introduction/README.md) | Jakich technik używają badacze ML do budowy 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 | Ceny dyni w Ameryce Północnej 🎃 | [Regresja](2-Regression/README.md) | Wizualizuj i oczyść dane w przygotowaniu do ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
|
|
|
| 07 | Ceny dyni w Ameryce Północnej 🎃 | [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 | Ceny dyni w Ameryce Północnej 🎃 | [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 🔌 | [Web App](3-Web-App/README.md) | Zbuduj aplikację webową do użycia 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 azjatyckie i indyjskie 🍜 | [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 azjatyckie i indyjskie 🍜 | [Klasyfikacja](4-Classification/README.md) | Kolejne klasyfikatory | [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 azjatyckie i indyjskie 🍜 | [Klasyfikacja](4-Classification/README.md) | Zbuduj aplikację webową do rekomendacji z wykorzystaniem swojego modelu | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
|
| 14 | Wprowadzenie do grupowania | [Grupowanie](5-Clustering/README.md) | Oczyść, przygotuj i wizualizuj dane; wprowadzenie do grupowania | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
|
|
|
| 15 | Odkrywanie muzycznych gustów Nigerii 🎧 | [Grupowanie](5-Clustering/README.md) | Poznaj metodę grupowania 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 | Typowe zadania NLP ☕️ | [Przetwarzanie języka naturalnego](6-NLP/README.md) | Rozszerz swoją wiedzę o NLP, poznając typowe zadania wymagane przy pracy ze strukturami językowymi | [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 opinii hotelowych 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 opinii hotelowych 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 z ARIMA | [Szeregi czasowe](7-TimeSeries/README.md) | Prognozowanie szeregów czasowych z ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
|
| 23 | ⚡️ Zużycie energii na świecie ⚡️ - prognozowanie z SVR | [Szeregi czasowe](7-TimeSeries/README.md) | Prognozowanie szeregów czasowych z regressorami 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 uniknąć wilka! 🐺 | [Uczenie ze wzmocnieniem](8-Reinforcement/README.md) | Uczenie ze wzmocnieniem z użyciem Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
|
| Postscript | Scenariusze i zastosowania ML w świecie rzeczywistym | [ML w terenie](9-Real-World/README.md) | Ciekawe i pouczające zastosowania klasycznego ML w rzeczywistych sytuacjach | [Lekcja](9-Real-World/1-Applications/README.md) | Zespół |
|
|
|
| Postscript | Debugowanie modeli ML z użyciem panelu RAI | [ML w terenie](9-Real-World/README.md) | Debugowanie modeli ML przy użyciu 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 korzystać z tej dokumentacji offline, używając [Docsify](https://docsify.js.org/#/). Utwórz fork tego repozytorium, [zainstaluj Docsify](https://docsify.js.org/#/quickstart) na swoim komputerze, a następnie w głównym folderze repozytorium wpisz `docsify serve`. Strona będzie dostępna na porcie 3000 na twoim lokalnym hoście: `localhost:3000`.
|
|
|
|
|
|
## Pliki PDF
|
|
|
|
|
|
Znajdź pdf z programem nauczania z linkami [tutaj](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
|
|
|
|
|
|
|
|
|
## 🎒 Inne kursy
|
|
|
|
|
|
Nasz zespół tworzy inne kursy! Sprawdź:
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
|
|
### LangChain
|
|
|
[](https://aka.ms/langchain4j-for-beginners)
|
|
|
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
---
|
|
|
|
|
|
### Azure / Edge / MCP / Agenci
|
|
|
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Seria Generative AI
|
|
|
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
|
|
|
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
|
|
|
[-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
|
|
|
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
|
|
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Seria Copilot
|
|
|
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
|
|
|
|
|
## Uzyskiwanie pomocy
|
|
|
|
|
|
Jeśli utkniesz lub masz pytania podczas nauki uczenia maszynowego lub tworzenia aplikacji AI, nie martw się — pomoc jest dostępna.
|
|
|
|
|
|
Możesz dołączyć do dyskusji z innymi uczącymi się i programistami, zadawać pytania i dzielić się swoimi pomysłami ze społecznością.
|
|
|
|
|
|
- Dołącz do społeczności, aby zadawać pytania i uczyć się z innymi
|
|
|
- Dyskutuj o koncepcjach uczenia maszynowego i pomysłach na projekty
|
|
|
- Uzyskaj wskazówki od doświadczonych programistów
|
|
|
|
|
|
Wsparcie ze strony społeczności to świetny sposób na rozwój umiejętności i szybsze rozwiązywanie problemów.
|
|
|
|
|
|
[Microsoft Foundry Discord Community](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
Jeśli napotkasz błędy, problemy lub masz sugestie ulepszeń, możesz także otworzyć **Issue** w tym repozytorium, aby zgłosić problem.
|
|
|
|
|
|
Aby przekazać opinię o produkcie lub przeszukać istniejące posty społeczności, odwiedź Forum Deweloperów:
|
|
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
|
|
## Dodatkowe wskazówki dotyczące nauki
|
|
|
|
|
|
- Przeglądaj notatniki po każdej lekcji, aby lepiej zrozumieć materiał.
|
|
|
- Ćwicz samodzielne implementowanie algorytmów.
|
|
|
- Eksploruj rzeczywiste zestawy danych, korzystając z poznanych koncepcji.
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
|
**Zastrzeżenie**:
|
|
|
Ten dokument został przetłumaczony przy użyciu usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w języku źródłowym powinien być uznawany za autorytatywne źródło. W przypadku informacji istotnych zalecane jest skorzystanie z profesjonalnego, ludzkiego tłumaczenia. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
