ML-For-Beginners/translations/sk

🌐 Podpora viacerých jazykov

Podporované cez GitHub Action (Automatizované a vždy aktuálne)

Arabčina | Bengálčina | Bulharčina | Barmčina (Myanmar) | Čínština (zjednodušená) | Čínština (tradičná, Hong Kong) | Čínština (tradičná, Macao) | Čínština (tradičná, Taiwan) | Chorvátčina | Čeština | Dánčina | Holandčina | Estónčina | Fínčina | Francúzština | Nemčina | Gréčtina | Hebrejčina | Hindčina | Maďarčina | Indonézčina | Taliančina | Japončina | Kannadčina | Khmérčina | Kórejčina | Litovčina | Malajčina | Malayalam | Maráthčina | Nepálčina | Nigérijský pidžin | Nórčina | Perzština (Farsi) | Poľština | Portugalčina (Brazília) | Portugalčina (Portugalsko) | Pandžábčina (Gurmukhí) | Rumunčina | Ruština | Srbčina (cyrilika) | Slovenčina | Slovinčina | Španielčina | Svahilčina | Švédčina | Tagalog (Filipínčina) | Tamilčina | Telugčina | Thajčina | Turečtina | Ukrajinčina | Urdu | Vietnamčina

Radšej klonujete lokálne?

Tento repozitár obsahuje viac ako 50 jazykových prekladov, čo výrazne zvyšuje veľkosť sťahovania. Ak chcete klonovať bez prekladov, použite sparse checkout:

Bash / macOS / Linux:

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):

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"

Toto vám zabezpečí všetko potrebné na dokončenie kurzu s oveľa rýchlejším sťahovaním.

Pridajte sa k našej komunite

Máme prebiehajúcu sériu Learn with AI na Discorde, dozviete sa viac a pripojte sa k nám na Learn with AI Series od 18. do 30. septembra 2025. Získate tipy a triky na používanie GitHub Copilot pre Data Science.

Strojové učenie pre začiatočníkov - Učebný plán

🌍 Cestujte po svete a objavujte Strojové učenie cez svetové kultúry 🌍

Cloud Advocates v Microsoftu s radosťou ponúkajú 12-týždňový učebný plán s 26 lekciami o Strojovom učení. V tomto učebnom pláne sa naučíte, čo sa niekedy nazýva klasické strojové učenie, pričom primárne používame knižnicu Scikit-learn a vyhýbame sa hlbokému učeniu, ktoré je pokryté v našom učebnom pláne AI pre začiatočníkov. Tieto lekcie skombinujte aj s našim učebným plánom Data Science pre začiatočníkov!

Cestujte s nami po svete a aplikujte tieto klasické techniky na dáta z rôznych oblastí sveta. Každá lekcia obsahuje kvízy pred a po lekcii, písomné inštrukcie na dokončenie lekcie, riešenie, zadanie a ďalšie. Naša projektovo orientovaná pedagogika vám umožňuje učiť sa priamo počas tvorby, čo je osvedčený spôsob, ako si nové vedomosti udržať.

✍️ Srdečné poďakovanie našim autorom Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu a Amy Boyd

🎨 Poďakovanie tiež našim ilustrátorom Tomomi Imura, Dasani Madipalli a Jen Looper

🙏 Špeciálne poďakovanie 🙏 našim autorom, recenzentom a prispievateľom z Microsoft Student Ambassadors, najmä Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila a Snigdha Agarwal

🤩 Zvláštne poďakovanie Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi a Vidushi Gupta za naše lekcie R!

Začíname

Postupujte podľa týchto krokov:

1. Vytvorte si fork repozitára: Kliknite na tlačidlo „Fork“ v pravom hornom rohu tejto stránky.
2. Klonujte repozitár: git clone https://github.com/microsoft/ML-For-Beginners.git

nájdite všetky ďalšie zdroje pre tento kurz v našej kolekcii Microsoft Learn

🔧 Potrebujete pomoc? Pozrite si náš Návod na riešenie problémov pre riešenia bežných problémov s inštaláciou, nastavením a spúšťaním lekcií.

Študenti, používanie tohto učebného plánu spočíva vo forknutí celého repozitára do svojho GitHub účtu a samostatnom alebo skupinovom plnení cvičení:

• Začnite kvízom pred lekciou.
• Prečítajte si lekciu a dokončite aktivity, pri každej kontrole vedomostí sa zastavte a zamyslite.
• Pokúste sa vytvoriť projekty pochopením lekcií namiesto spúšťania riešení; kód riešení je však k dispozícii v priečinkoch /solution v každej lekcii orientovanej na projekt.
• Absolvujte test po lekcii.
• Splňte výzvu.
• Dokončite zadanie.
• Po dokončení skupiny lekcií navštívte Diskusnú dosku a „učte sa nahlas“ vyplnením príslušného PAT hodnotiaceho formulára. 'PAT' je Nástroj hodnotenia pokroku, ktorý vyplníte, aby ste si prehĺbili vedomosti. Môžete tiež reagovať na ďalšie PAT, aby sme sa učili spoločne.

Na ďalšie štúdium odporúčame sledovať tieto Microsoft Learn moduly a vzdelávacie cesty.

Učitelia, pripravili sme niekoľko odporúčaní na využitie tohto učebného plánu.

---

Video návody

Niektoré lekcie sú dostupné ako krátke videá. Nájdete ich priamo v lekciách alebo v playliste ML for Beginners na Microsoft Developer YouTube kanáli kliknutím na obrázok nižšie.

---

Spoznajte tím

Gif od Mohit Jaisal

🎥 Kliknite na obrázok vyššie pre video o projekte a jeho tvorcoch!

---

Pedagogika

Pri tvorbe tohto učebného plánu sme si vybrali dva pedagogické princípy: zabezpečiť, aby bol prakticky projektovo orientovaný a aby obsahoval časté kvízy. Okrem toho má tento učebný plán spoločnú tému, ktorá mu dodáva súdržnosť.

Zabezpečením súladu obsahu s projektmi je proces pre študentov zaujímavejší a upevňuje sa zapamätanie si konceptov. Nízko-rizikový kvíz pred triedou nastavia zámer študenta naučiť sa tému, zatiaľ čo druhý kvíz po lekcii zabezpečuje ďalšie upevnenie vedomostí. Tento učebný plán je navrhnutý tak, aby bol flexibilný a zábavný, a možno ho absolvovať celý alebo čiastočne. Projekty začínajú malé a do konca 12-týždňového cyklu získavajú zložitosť. Učebný plán tiež obsahuje pospis o praktických využitiach ML, ktorý možno použiť ako extra kredit alebo ako základ diskusie.

Nájdete tu naše Pravidlá správania, Príspevky, Preklady a Návody na riešenie problémov. Radi prijmeme vašu konštruktívnu spätnú väzbu!

Každá lekcia obsahuje

• voliteľnú skicu poznámok
• voliteľné doplnkové video
• video návod (len niektoré lekcie)
• kvíz na rozcvičenie pred lekciou
• písomnú lekciu
• pre projektové lekcie, krok za krokom návody na vybudovanie projektu
• kontroly vedomostí
• výzvu
• doplnkové čítanie
• zadanie
• kvíz po lekcii

Poznámka o jazykoch: Tieto lekcie sú primárne napísané v Pythone, ale mnohé sú dostupné aj v R. Ak chcete dokončiť lekciu v R, prejdite do priečinka /solution a vyhľadajte lekcie v R. Obsahujú príponu .rmd, ktorá predstavuje R Markdown súbor, čo možno jednoducho definovať ako vkladanie kódových blokov (v R alebo iných jazykoch) a YAML hlavičky (ktorá usmerňuje, ako formátovať výstupy, napr. PDF) v Markdown dokumente. Takto slúži ako príkladný rámec pre tvorbu dokumentov v dátovej vede, pretože vám umožňuje kombinovať váš kód, jeho výstup a vaše poznámky tým, že ich môžete zaznamenať v Markdown. Navyše, dokumenty R Markdown môžu byť vyrenderované do výstupných formátov ako PDF, HTML alebo Word.

Poznámka o kvízoch: Všetky kvízy sú uložené v priečinku Quiz App, celkovo 52 kvízov so štruktúrou troch otázok každý. Sú prepojené v jednotlivých lekciách, ale aplikáciu na kvízy možno spustiť lokálne; postupujte podľa inštrukcií v priečinku quiz-app pre lokálne hosťovanie alebo nasadenie do Azure.

Číslo lekcie	Téma	Zoskupenie lekcie	Ciele učenia	Prepojená lekcia	Autor
01	Úvod do strojového učenia	Úvod	Naučte sa základné pojmy strojového učenia	Lekcia	Muhammad
02	História strojového učenia	Úvod	Spoznajte históriu tohto odboru	Lekcia	Jen a Amy
03	Spravodlivosť a strojové učenie	Úvod	Aké sú dôležité filozofické otázky spravodlivosti, ktoré by študenti mali zvážiť pri vývoji a použití ML modelov?	Lekcia	Tomomi
04	Techniky strojového učenia	Úvod	Aké techniky používajú výskumníci ML na tvorbu modelov?	Lekcia	Chris a Jen
05	Úvod do regresie	Regresia	Začnite s Pythonom a Scikit-learn pre regresné modely	Python • R	Jen • Eric Wanjau
06	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Vizualizujte a očistite dáta na prípravu ML	Python • R	Jen • Eric Wanjau
07	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Postavte lineárne a polynomiálne regresné modely	Python • R	Jen a Dmitry • Eric Wanjau
08	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Vybudujte logistický regresný model	Python • R	Jen • Eric Wanjau
09	Webová aplikácia 🔌	Web App	Vybudujte webovú aplikáciu na použitie vášho natrénovaného modelu	Python	Jen
10	Úvod do klasifikácie	Klasifikácia	Očistite, pripravte a vizualizujte svoje dáta; úvod do klasifikácie	Python • R	Jen a Cassie • Eric Wanjau
11	Lahodné ázijské a indické kuchyne 🍜	Klasifikácia	Úvod do klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
12	Lahodné ázijské a indické kuchyne 🍜	Klasifikácia	Viac klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
13	Lahodné ázijské a indické kuchyne 🍜	Klasifikácia	Postavte odporúčaciu webovú aplikáciu pomocou vášho modelu	Python	Jen
14	Úvod do zhlukovania	Zhlukovanie	Očistite, pripravte a vizualizujte svoje dáta; úvod do zhlukovania	Python • R	Jen • Eric Wanjau
15	Preskúmanie nigerijských hudobných chutí 🎧	Zhlukovanie	Preskúmajte K-Means zhlukovaciu metódu	Python • R	Jen • Eric Wanjau
16	Úvod do spracovania prirodzeného jazyka ☕️	Spracovanie prirodzeného jazyka	Naučte sa základy NLP vytvorením jednoduchého bota	Python	Stephen
17	Bežné úlohy NLP ☕️	Spracovanie prirodzeného jazyka	Prehĺbte svoje poznatky o NLP pochopením bežných úloh pri práci s jazykovými štruktúrami	Python	Stephen
18	Preklad a analýza sentimentu ♥️	Spracovanie prirodzeného jazyka	Preklad a analýza sentimentu s Jane Austen	Python	Stephen
19	Romantické hotely v Európe ♥️	Spracovanie prirodzeného jazyka	Sentimentálna analýza s hotelovými recenziami 1	Python	Stephen
20	Romantické hotely v Európe ♥️	Spracovanie prirodzeného jazyka	Sentimentálna analýza s hotelovými recenziami 2	Python	Stephen
21	Úvod do predikcie časových radov	Časové rady	Úvod do predikcie časových radov	Python	Francesca
22	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov pomocou ARIMA	Časové rady	Predikcia časových radov pomocou ARIMA	Python	Francesca
23	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov pomocou SVR	Časové rady	Predikcia časových radov pomocou Support Vector Regressora	Python	Anirban
24	Úvod do posilňovacieho učenia	Posilňovacie učenie	Úvod do posilňovacieho učenia pomocou Q-Learning	Python	Dmitry
25	Pomôžte Petrovi vyhnúť sa vlkovi! 🐺	Posilňovacie učenie	Posilňovacie učenie pomocou Gym	Python	Dmitry
Postscript	Skutočné scenáre a aplikácie ML	ML vo svete	Zaujímavé a odhaľujúce reálne aplikácie klasického ML	Lekcia	Tím
Postscript	Ladenie modelov ML pomocou RAI dashboardu	ML vo svete	Ladenie modelov v strojovom učení pomocou komponentov Responsible AI dashboardu	Lekcia	Ruth Yakubu

nájdite všetky ďalšie materiály k tomuto kurzu v našej kolekcii Microsoft Learn

Prístup offline

Túto dokumentáciu môžete používať offline pomocou Docsify. Naklonujte si tento repozitár, nainštalujte Docsify na svoj lokálny počítač a potom v koreňovom priečinku repozitára spustite príkaz docsify serve. Webstránka bude sprístupnená na porte 3000 na vašom localhoste: localhost:3000.

PDF súbory

Nájdite pdf učebného plánu s odkazmi tu.

🎒 Ďalšie kurzy

Náš tím vytvára aj iné kurzy! Pozrite si:

LangChain

Azure / Edge / MCP / Agentov

---

Séria Generatívnej AI

---

Základné učenie

---

Séria Copilot

Získanie pomoci

Ak uviaznete alebo máte akékoľvek otázky týkajúce sa tvorby AI aplikácií, pripojte sa k ostatným študentom a skúseným vývojárom v diskusiách o MCP. Je to podporujúca komunita, kde sú otázky vítané a poznatky sa zdieľajú slobodne.

Ak máte spätnú väzbu na produkt alebo narazíte na chyby počas tvorby, navštívte:

Dodatočné tipy na učenie

• Po každej lekcii si prezrite poznámkové bloky pre lepšie pochopenie.
• Precvičujte implementáciu algoritmov samostatne.
• Preskúmajte reálne dátové súbory využitím naučených konceptov.

---

Zrieknutie sa zodpovednosti:
Tento dokument bol preložený pomocou AI prekladateľskej služby Co-op Translator. Aj keď sa snažíme o presnosť, prosím, berte na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Originálny dokument v jeho pôvodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie odporúčame profesionálny ľudský preklad. Nie sme zodpovední za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.