ML-For-Beginners/translations/ro

🌐 Suport Multilingv

Susținut prin GitHub Action (Automatizat & Întotdeauna Actualizat)

Arabic | Bengali | Bulgaria | 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

Preferi să Clonezi Local?

Acest depozit include peste 50 de traduceri în diferite limbi, ceea ce crește semnificativ dimensiunea descărcării. Pentru a clona fără traduceri, folosește 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"

Astfel obții tot ce ai nevoie pentru a finaliza cursul cu o descărcare mult mai rapidă.

Alătură-te Comunității Noastre

Avem o serie de învățare pe Discord despre AI în desfășurare, află mai multe și alătură-te nouă la Learn with AI Series în perioada 18 - 30 septembrie 2025. Vei primi sfaturi și trucuri despre utilizarea GitHub Copilot pentru Data Science.

Învățare Automată pentru Începători - Un Curriculum

🌍 Călătorește în jurul lumii în timp ce explorăm Învățarea Automată prin culturi ale lumii 🌍

Cloud Advocates de la Microsoft sunt încântați să ofere un curriculum de 12 săptămâni, 26 de lecții, complet dedicat Învățării Automate. În acest curriculum, vei învăța despre ceea ce se numește uneori învățare automată clasică, folosind în principal Scikit-learn ca bibliotecă și evitând învățarea profundă, care este acoperită în curriculumul nostru AI pentru Începători. Combină aceste lecții cu curriculumul nostru 'Data Science pentru Începători' totodată!

Călătorește alături de noi în jurul lumii aplicând aceste tehnici clasice pe date din diverse regiuni ale globului. Fiecare lecție include chestionare pre și post-lectură, instrucțiuni scrise pentru completarea lecției, o soluție, o temă și multe altele. Pedagogia noastră bazată pe proiecte îți permite să înveți construind, o metodă dovedită pentru a fixa noile cunoștințe.

✍️ Mulțumiri călduroase autorilor noștri Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu și Amy Boyd

🎨 Mulțumiri de asemenea ilustratorilor noștri Tomomi Imura, Dasani Madipalli și Jen Looper

🙏 Mulțumiri speciale 🙏 ambasadorilor studenți Microsoft autori, recenzori și contribuitori de conținut, în special Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila și Snigdha Agarwal

🤩 Mulțumiri suplimentare ambasadorilor studenți Microsoft Eric Wanjau, Jasleen Sondhi și Vidushi Gupta pentru lecțiile R!

Începeți

Urmați acești pași:

1. Fă o Fork a Repozitoriului: Apasă pe butonul "Fork" din colțul din dreapta sus al acestei pagini.
2. Clonează Repozitoriul: git clone https://github.com/microsoft/ML-For-Beginners.git

găsește toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn

🔧 Ai nevoie de ajutor? Consultă Ghidul de depanare pentru soluții la probleme comune cu instalarea, configurarea și rularea lecțiilor.

Studenți, pentru a folosi acest curriculum, fă fork la întregul repo pe contul tău GitHub și realizează exercițiile singur sau în grup:

• Începe cu un chestionar înainte de lectură.
• Citește lecția și completează activitățile, oprindu-te și reflectând la fiecare verificare a cunoștințelor.
• Încearcă să creezi proiectele înțelegând lecțiile mai degrabă decât rulând codul soluției; totuși codul este disponibil în folderele /solution din fiecare lecție orientată spre proiect.
• Dă chestionarul după lectură.
• Completează provocarea.
• Realizează tema.
• După finalizarea unui grup de lecții, vizitează Discuțiile și "învăță cu voce tare" completând rubricile PAT corespunzătoare. Un 'PAT' este un Instrument de Evaluare a Progresului pe care îl completezi pentru a-ți aprofunda învățarea. Poți, de asemenea, să reacționezi la alți PAT-uri ca să învățăm împreună.

Pentru studiu suplimentar, recomandăm urmarea acestor module și căi de învățare Microsoft Learn.

Profesori, am inclus câteva sugestii despre cum să folosești acest curriculum.

---

Prezentări video

Unele lecții sunt disponibile sub formă de video-uri scurte. Le poți găsi în linie în lecții, sau pe playlist-ul ML for Beginners de pe canalul Microsoft Developer YouTube făcând clic pe imaginea de mai jos.

---

Echipa

Gif de Mohit Jaisal

🎥 Fă clic pe imaginea de mai sus pentru un videoclip despre proiect și despre persoanele care l-au creat!

---

Pedagogie

Am ales două principii pedagogice în crearea acestui curriculum: să fie practic bazat pe proiecte și să includă chestionare frecvente. În plus, acest curriculum are o temă comună pentru a-i oferi coeziune.

Asigurând alinierea conținutului cu proiectele, procesul devine mai captivant pentru studenți și retenția conceptelor este augmentată. În plus, un chestionar cu miză scăzută înainte de clasă setează intenția studentului către învățarea unui subiect, iar un al doilea chestionar după clasă asigură retenția ulterioară. Acest curriculum a fost conceput să fie flexibil și distractiv și poate fi parcurs integral sau parțial. Proiectele încep mici și devin tot mai complexe până la finalul ciclului de 12 săptămâni. Curriculumul include, de asemenea, un postscript despre aplicațiile reale ale ML, care poate fi folosit ca credit suplimentar sau ca bază pentru discuție.

Găsește regulile noastre în Codul de conduită, Contribuția, Traduceri și Depanare. Apreciem feedbackul tău constructiv!

Fiecare lecție include

• sketchnote opțional
• video suplimentar opțional
• prezentare video (doar la unele lecții)
• chestionar de încălzire pre-lectură
• lecție scrisă
• pentru lecțiile bazate pe proiect, ghiduri pas cu pas pentru construirea proiectului
• verificări de cunoștințe
• o provocare
• lectură suplimentară
• temă
• chestionar post-lectură

O notă despre limbi: Aceste lecții sunt scrise în principal în Python, dar multe sunt disponibile și în R. Pentru a finaliza o lecție în R, accesați folderul /solution și căutați lecțiile în R. Acestea includ o extensie .rmd care reprezintă un fișier R Markdown, care poate fi definit simplu ca o încorporare de bucăți de cod (în R sau alte limbi) și un antet YAML (care ghidează modul de a formata ieșirile, precum PDF) într-un document Markdown. Ca atare, servește ca un cadru exemplu pentru autorat în știința datelor deoarece vă permite să combinați codul dvs., rezultatele sale și gândurile dvs., permițându-vă să le scrieți în Markdown. Mai mult, documentele R Markdown pot fi redate în formate de ieșire precum PDF, HTML sau Word.

O notă despre chestionare: Toate chestionarele sunt conținute în folderul Quiz App, în total 52 de chestionare a câte trei întrebări fiecare. Sunt legate din interiorul lecțiilor, dar aplicația de chestionare poate fi rulată local; urmați instrucțiunile din folderul quiz-app pentru a găzdui local sau a implementa pe Azure.

Număr Lecție	Subiect	Grupare Lecții	Obiective de învățare	Lecția legată	Autor
01	Introducere în învățarea automată	Introducere	Învață conceptele de bază din spatele învățării automate	Lecție	Muhammad
02	Istoria învățării automate	Introducere	Învață istoria domeniului	Lecție	Jen și Amy
03	Echitatea și învățarea automată	Introducere	Care sunt problemele filosofice importante privind echitatea pe care studenții trebuie să le ia în considerare când construiesc și aplică modele ML?	Lecție	Tomomi
04	Tehnici pentru învățarea automată	Introducere	Ce tehnici folosesc cercetătorii ML pentru a crea modele ML?	Lecție	Chris și Jen
05	Introducere în regresie	Regresie	Începe cu Python și Scikit-learn pentru modelele de regresie	Python • R	Jen • Eric Wanjau
06	Prețurile dovlecilor din America de Nord 🎃	Regresie	Vizualizează și curăță datele în pregătirea pentru ML	Python • R	Jen • Eric Wanjau
07	Prețurile dovlecilor din America de Nord 🎃	Regresie	Construiți modele de regresie liniară și polinomială	Python • R	Jen și Dmitry • Eric Wanjau
08	Prețurile dovlecilor din America de Nord 🎃	Regresie	Construiți un model de regresie logistică	Python • R	Jen • Eric Wanjau
09	O aplicație web 🔌	Aplicație web	Construiți o aplicație web pentru a utiliza modelul antrenat	Python	Jen
10	Introducere în clasificare	Clasificare	Curăță, pregătește și vizualizează datele; introducere în clasificare	Python • R	Jen și Cassie • Eric Wanjau
11	Bucătării delicioase din Asia și India 🍜	Clasificare	Introducere în clasificatoare	Python • R	Jen și Cassie • Eric Wanjau
12	Bucătării delicioase din Asia și India 🍜	Clasificare	Mai multe clasificatoare	Python • R	Jen și Cassie • Eric Wanjau
13	Bucătării delicioase din Asia și India 🍜	Clasificare	Construiți o aplicație web recomandatoare folosind modelul dvs.	Python	Jen
14	Introducere în clustering	Clustering	Curăță, pregătește și vizualizează datele; Introducere în clustering	Python • R	Jen • Eric Wanjau
15	Explorarea gusturilor muzicale nigeriene 🎧	Clustering	Explorează metoda de clustering K-Means	Python • R	Jen • Eric Wanjau
16	Introducere în procesarea limbajului natural ☕️	Procesare limbaj natural	Învață elementele de bază despre NLP construind un bot simplu	Python	Stephen
17	Sarcini comune în NLP ☕️	Procesare limbaj natural	Adâncește-ți cunoștințele despre NLP înțelegând sarcinile comune necesare pentru a gestiona structurile limbajului	Python	Stephen
18	Traducere și analiza sentimentelor ♥️	Procesare limbaj natural	Traducere și analiza sentimentelor cu Jane Austen	Python	Stephen
19	Hoteluri romantice din Europa ♥️	Procesare limbaj natural	Analiza sentimentului cu recenzii de hotel 1	Python	Stephen
20	Hoteluri romantice din Europa ♥️	Procesare limbaj natural	Analiza sentimentului cu recenzii de hotel 2	Python	Stephen
21	Introducere în prognoza seriilor temporale	Serii temporale	Introducere în prognoza seriilor temporale	Python	Francesca
22	⚡️ Utilizarea puterii mondiale ⚡️ - prognoza seriilor cu ARIMA	Serii temporale	Prognoza seriilor temporale cu ARIMA	Python	Francesca
23	⚡️ Utilizarea puterii mondiale ⚡️ - prognoza seriilor cu SVR	Serii temporale	Prognoza seriilor temporale cu regresor vector suport (Support Vector Regressor)	Python	Anirban
24	Introducere în învățarea prin întărire	Învățare prin întărire	Introducere în învățarea prin întărire utilizând Q-Learning	Python	Dmitry
25	Ajută-l pe Peter să evite lupul! 🐺	Învățare prin întărire	Învățare prin întărire Gym	Python	Dmitry
Postscript	Scenarii și aplicații ML din lumea reală	ML în natură	Aplicații reale interesante și revelatoare ale ML clasice	Lecție	Echipa
Postscript	Debugging-ul modelelor în ML folosind RAI dashboard	ML în natură	Debugging în învățarea automată folosind componentele dashboard-ului Responsible AI	Lecție	Ruth Yakubu

găsiți toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn

Acces offline

Puteți rula această documentație offline folosind Docsify. Clonați acest depozit, instalați Docsify pe mașina dvs. locală, apoi în folderul rădăcină al acestui repo, tastați docsify serve. Site-ul web va fi servit pe portul 3000 pe localhost-ul dvs.: localhost:3000.

PDF-uri

Găsiți un pdf al curriculumului cu linkuri aici.

🎒 Alte cursuri

Echipa noastră produce și alte cursuri! Verificați:

LangChain

Azure / Edge / MCP / Agents

---

Seria AI Generativ

---

Învățare de bază

---

Seria Copilot

Obținerea Ajutorului

Dacă întâmpini dificultăți sau ai întrebări despre construirea aplicațiilor AI, alătură-te altor cursanți și dezvoltatori experimentați în discuții despre MCP. Este o comunitate suportivă unde întrebările sunt binevenite și cunoștințele sunt împărtășite liber.

Dacă ai feedback despre produs sau întâmpini erori în timpul dezvoltării vizitează:

Sfaturi Suplimentare pentru Învățare

• Revizuiește caietele după fiecare lecție pentru o înțelegere mai bună.
• Exersează implementarea algoritmilor pe cont propriu.
• Explorează seturi reale de date folosind conceptele învățate.

---

Declinare a responsabilității:
Acest document a fost tradus folosind serviciul de traducere AI Co-op Translator. Deși ne străduim pentru acuratețe, vă rugăm să fiți conștienți că traducerile automate pot conține erori sau inexactități. Documentul original în limba sa nativă trebuie considerat sursa autorizată. Pentru informații critice, se recomandă traducerea profesională realizată de un specialist uman. Nu ne asumăm răspunderea pentru orice neînțelegeri sau interpretări greșite care pot apărea ca urmare a utilizării acestei traduceri.