ML-For-Beginners/translations/lt

🌐 Daugiakalbė palaikymas

Palaikoma per GitHub Action (automatizuota ir visuomet atnaujinama)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Khmer | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Norite klonuoti vietoje?

Šis saugykla apima daugiau nei 50 kalbų vertimų, kurie žymiai padidina atsisiuntimo dydį. Norėdami klonuoti be vertimų, naudokite riboto ištraukimo funkciją (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"

Tai suteiks jums viską, ko reikia kursui užbaigti, daug greičiau atsisiunčiant.

Prisijunkite prie mūsų bendruomenės

Mes turime Discord mokymosi su dirbtiniu intelektu ciklą, sužinokite daugiau ir prisijunkite prie mūsų Learn with AI Series nuo 2025 m. rugsėjo 18 - 30 dienos. Gaunate patarimų ir gudrybių kaip naudoti GitHub Copilot duomenų mokslui.

Mašinų mokymasis pradedantiesiems - mokymo programa

🌍 Keliaukite po pasaulį tyrinėdami mašinų mokymąsi per pasaulio kultūras 🌍

„Microsoft“ debesų platformos šalininkai džiaugiasi galėdami pasiūlyti 12 savaičių, 26 pamokų mokymo programą apie Mašinų mokymąsi. Šioje programoje sužinosite apie tai, kas kartais vadinama klasikiniu mašinų mokymusi, daugiausia naudojant Scikit-learn biblioteką ir vengiant giluminio mokymosi, kuris aprašytas mūsų AI pradedantiesiems programoje. Derinkite šias pamokas su mūsų 'Duomenų mokslas pradedantiesiems' programa.

Keliaukite kartu su mumis po pasaulį, pritaikydami šias klasikines technikas duomenims iš įvairių pasaulio sričių. Kiekviena pamoka apima priešpamokinius ir po pamokinių testus, rašytines nurodas, kaip atlikti pamoką, sprendimą, užduotį ir daugiau. Mūsų projektinis mokymosi metodas leidžia mokytis kuriant, tai įrodyta kaip sėkmingas būdas įsisavinti naujus įgūdžius.

✍️ Širdingas ačiū mūsų autoriams Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ir Amy Boyd

🎨 Ačiū taip pat mūsų iliustratoriams Tomomi Imura, Dasani Madipalli ir Jen Looper

🙏 Specialus ačiū 🙏 mūsų Microsoft Studentų Ambasadoriams autoriams, recenzentams ir turinio bendradarbiams, ypač Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ir Snigdha Agarwal

🤩 Papildomas dėkingumas Microsoft Studentų Ambasadoriams Eric Wanjau, Jasleen Sondhi ir Vidushi Gupta už mūsų R pamokas!

Pradžia

Sekite šiuos žingsnius:

1. Daryti šaką (Fork): Spauskite mygtuką „Fork“ šio puslapio viršutiniame dešiniajame kampe.
2. Klonuoti saugyklą: git clone https://github.com/microsoft/ML-For-Beginners.git

rasite visus papildomus išteklius šiam kursui mūsų Microsoft Learn kolekcijoje

🔧 Reikia pagalbos? Patikrinkite mūsų Trikčių šalinimo vadovą dėl dažniausiai pasitaikančių problemų su diegimu, konfigūracija ir pamokų vykdymu.

Studentams, norėdami naudotis šia programa, padarykite šaką visam repozitorijui į savo GitHub paskyrą ir mokykitės patys arba grupėje:

• Pradėkite nuo priešpamokinio testo.
• Perskaitykite paskaitą ir atlikite veiklas, sustokite ir apmąstykite kiekvieną žinių patikrinimą.
• Stenkitės kurti projektus suprasdami pamokas, o ne tik paleisdami sprendimo kodą; kodas prieinamas kiekvienos projektinės pamokos /solution aplankuose.
• Atlikite po paskaitos testą.
• Įvykdykite iššūkį.
• Atlikite užduotį.
• Baigę pamokų grupę apsilankykite Diskusijų lentoje ir „mokykitės garsiai“, užpildydami tinkamą PAT įvertinimo šabloną. „PAT“ yra pažangos vertinimo įrankis, kurį pildote gilindamiesi į mokymosi procesą. Taip pat galite reaguoti į kitų PAT, kad galėtume mokytis kartu.

Dėl tolimesnio mokymosi rekomenduojame sekti šiuos Microsoft Learn modulius ir mokymosi kelius.

Mokytojams, mes pateikėme kelias rekomendacijas, kaip naudotis šia programa.

---

Vaizdo įrašų apžvalgos

Kai kurios pamokos pateikiamos trumpais vaizdo įrašais. Visus juos galite rasti tiesiogiai pamokose arba ML pradedantiesiems grojaraštyje Microsoft Developer YouTube kanale, spustelėję žemiau esančią nuotrauką.

---

Susipažinkite su komanda

Gif sukūrė Mohit Jaisal

🎥 Spustelėkite paveikslėlį aukščiau, norėdami peržiūrėti vaizdo įrašą apie projektą ir jo kūrėjus!

---

Pedagogika

Kurdami šią programą pasirinkome du pagrindinius ugdymo principus: užtikrinti, kad ji būtų praktiškai orientuota ir paremta projektų principais, ir kad ji apimtų dažnus testus. Be to, programa turi bendrą temą, kad būtų vientisa.

Užtikrinant turinio suderinamumą su projektais, procesas tampa įdomesnis studentams, o koncepcijų išlaikymas bus pagerintas. Taip pat, mažo spaudimo testas prieš pamoką padeda studentui susikoncentruoti į mokymąsi, o antras testas po pamokos užtikrina papildomą įsisavinimą. Ši programa yra lanksti ir smagi, ją galima atlikti pilnai arba dalinai. Projektai prasideda nuo paprastų užduočių ir baigiasi sudėtingesniais ciklo pabaigoje. Programa taip pat apima pastabą apie realaus gyvenimo ML taikymą, kuri gali būti naudojama kaip papildomi kreditai ar diskusijų pagrindas.

Raskite mūsų Elgesio kodeksą, Prisidėjimo gairės, Vertimus ir Trikčių šalinimo taisykles. Laukiame jūsų konstruktyvios grįžtamosios informacijos!

Kiekviena pamoka apima

• neprivalomą eskizo pastabą
• neprivalomą papildomą vaizdo įrašą
• vaizdo įrašo peržiūrą (tik kai kurios pamokos)
• priešpamokinį apšilimo testą
• rašytinę pamoką
• projektinių pamokų atveju, žingsnis po žingsnio gaires, kaip sukurti projektą
• žinių patikrinimus
• iššūkį
• papildomą skaitymą
• užduotį
• po pamokos testą

Pastaba apie kalbas: Šios pamokos daugiausia parašytos Python kalba, bet dauguma jų taip pat yra prieinamos R kalba. Norėdami baigti R pamoką, eikite į /solution katalogą ir ieškokite R pamokų. Jos turi .rmd plėtinį, kuris reiškia R Markdown failą, kuris gali būti apibrėžiamas kaip kodo blokų (R ar kitų kalbų) ir YAML antraštės (nurodančios, kaip formatuoti rezultatus, pvz., PDF) įterpimas į Markdown dokumentą. Tokiu būdu tai tarnauja kaip pavyzdinė autorystės sistema duomenų mokslui, nes leidžia jums sujungti savo kodą, jo rezultatą ir mintis, leidžiant jas užrašyti Markdown formatu. Be to, R Markdown dokumentai gali būti atvaizduojami į įvairius išvesties formatus, tokius kaip PDF, HTML ar Word.

Pastaba apie testus: Visi testai yra laikomi Quiz App kataloge, iš viso 52 testai, kiekviename po tris klausimus. Jie susieti su pamokomis, bet testų programėlę galima paleisti vietoje; vadovaukitės nurodymais quiz-app kataloge, kad ją paleistumėte vietoje arba išdėstytumėte Azure.

Pamokos numeris	Tema	Pamokų grupė	Mokymosi tikslai	Susieta pamoka	Autorius
01	Įvadas į mašininį mokymąsi	Introduction	Sužinoti pagrindines mašininio mokymosi sąvokas	Pamoka	Muhammad
02	Mašininio mokymosi istorija	Introduction	Sužinoti šio srities istoriją	Pamoka	Jen ir Amy
03	Teisingumas ir mašininis mokymasis	Introduction	Kokie svarbūs filosofiniai klausimai dėl teisingumo, kuriuos turėtų apsvarstyti mokiniai kurdami ir taikydami MM modelius?	Pamoka	Tomomi
04	Mašininio mokymosi technikos	Introduction	Kokias technikas MM tyrėjai naudoja kurdami MM modelius?	Pamoka	Chris ir Jen
05	Įvadas į regresiją	Regression	Pradėti dirbti su Python ir Scikit-learn regresijos modeliams	Python • R	Jen • Eric Wanjau
06	Šiaurės Amerikos moliūgų kainos 🎃	Regression	Vizualizuoti ir išvalyti duomenis, ruošiantis MM	Python • R	Jen • Eric Wanjau
07	Šiaurės Amerikos moliūgų kainos 🎃	Regression	Kurti tiesinės ir polinominės regresijos modelius	Python • R	Jen ir Dmitry • Eric Wanjau
08	Šiaurės Amerikos moliūgų kainos 🎃	Regression	Kurti logistinės regresijos modelį	Python • R	Jen • Eric Wanjau
09	Internetinė programa 🔌	Web App	Kurti internetinę programą, kad naudotumėte savo apmokytą modelį	Python	Jen
10	Įvadas į klasifikaciją	Classification	Išvalyti, paruošti ir vizualizuoti duomenis; įvadas į klasifikaciją	Python • R	Jen ir Cassie • Eric Wanjau
11	Skani Azijos ir Indijos virtuvė 🍜	Classification	Įvadas į klasifikatorius	Python • R	Jen ir Cassie • Eric Wanjau
12	Skani Azijos ir Indijos virtuvė 🍜	Classification	Daugiau klasifikatorių	Python • R	Jen ir Cassie • Eric Wanjau
13	Skani Azijos ir Indijos virtuvė 🍜	Classification	Kurti rekomendacijų internetinę programėlę naudodami savo modelį	Python	Jen
14	Įvadas į klasterizaciją	Clustering	Išvalyti, paruošti ir vizualizuoti duomenis; įvadas į klasterizaciją	Python • R	Jen • Eric Wanjau
15	Nigerijos muzikos skonių tyrinėjimas 🎧	Clustering	Tyrinėti K-Means klasterizacijos metodą	Python • R	Jen • Eric Wanjau
16	Įvadas į natūralios kalbos apdorojimą ☕️	Natural language processing	Sužinoti NLP pagrindus kuriant paprastą botą	Python	Stephen
17	Bendros NLP užduotys ☕️	Natural language processing	Gilinti NLP žinias suprantant bendras užduotis, susijusias su kalbos struktūra	Python	Stephen
18	Vertimas ir nuotaikų analizė ♥️	Natural language processing	Vertimas ir nuotaikų analizė su Jane Austen	Python	Stephen
19	Romantiški viešbučiai Europoje ♥️	Natural language processing	Nuotaikų analizė su viešbučių atsiliepimais 1	Python	Stephen
20	Romantiški viešbučiai Europoje ♥️	Natural language processing	Nuotaikų analizė su viešbučių atsiliepimais 2	Python	Stephen
21	Įvadas į laiko eilių prognozavimą	Time series	Įvadas į laiko eilių prognozavimą	Python	Francesca
22	⚡️ Pasaulinis energijos suvartojimas ⚡️ - laiko eilių prognozavimas su ARIMA	Time series	Laiko eilių prognozavimas su ARIMA	Python	Francesca
23	⚡️ Pasaulinis energijos suvartojimas ⚡️ - laiko eilių prognozavimas su SVR	Time series	Laiko eilių prognozavimas su parama vektoriniais regresoriais	Python	Anirban
24	Įvadas į stiprinamąjį mokymą	Reinforcement learning	Įvadas į stiprinamąjį mokymą su Q-Learning	Python	Dmitry
25	Padėkite Peteriui išvengti vilko! 🐺	Reinforcement learning	Stiprinamojo mokymosi sporto salė	Python	Dmitry
Pasakažas	Realaus pasaulio MM scenarijai ir programos	ML in the Wild	Įdomios ir atskleidžiančios realaus pasaulio klasikinio MM taikymo programos	Pamoka	Komanda
Pasakažas	Modelių derinimas MM su RAI prietaisų skydeliu	ML in the Wild	Modelių derinimas mašininio mokymosi srityje naudojant Responsible AI prietaisų skydelio komponentus	Pamoka	Ruth Yakubu

raskite visus papildomus šio kurso išteklius mūsų Microsoft Learn kolekcijoje

Offline prieiga

Šią dokumentaciją galite naudoti neprisijungę, naudodamiesi Docsify. Šakninėje katalogo vietoje padarykite šaką (fork) arba klonuokite šį repo, įdiekite Docsify savo vietiniame įrenginyje, tada terminale šio repo šakniniame kataloge įveskite docsify serve. Svetainė bus patiekiama 3000 prievade jūsų localhost: localhost:3000.

PDF failai

Raskite kurso programos PDF su nuorodomis čia.

🎒 Kiti kursai

Mūsų komanda kuria ir kitus kursus! Pažvelkite:

LangChain

Azure / Edge / MCP / Agentai

---

Generatyvinio AI serija

---

Pagrindinis mokymasis

---

Copilot serija

Pagalbos gavimas

Jei užstrigote arba turite klausimų apie AI programų kūrimą. Prisijunkite prie kitų mokinių ir patyrusių kūrėjų diskusijose apie MCP. Tai palaikanti bendruomenė, kurioje klausimai yra laukiami ir žinios dalijamos laisvai.

Jei turite produktų atsiliepimų arba klaidų kūrimo metu, apsilankykite:

Papildomi mokymosi patarimai

• Peržiūrėkite užrašų knygeles po kiekvienos pamokos geresniam supratimui.
• Praktikuokite algoritmų įgyvendinimą savarankiškai.
• Tyrinėkite realius duomenų rinkinius naudodami įgytas žinias.

---

Atsakomybės apribojimas:
Šis dokumentas buvo išverstas naudojant AI vertimo paslaugą Co-op Translator. Nors stengiamės užtikrinti tikslumą, prašome atkreipti dėmesį, kad automatizuoti vertimai gali turėti klaidų arba netikslumų. Originalus dokumentas jo gimtąja kalba laikomas autoritetingu šaltiniu. Kritinei informacijai rekomenduojame naudotis profesionaliu žmogišku vertimu. Mes neatsakome už jokius nesusipratimus ar klaidingas interpretacijas, kylančias dėl šio vertimo naudojimo.