ML-For-Beginners/translations/sr

🌐 Подршка за више језика

Подржано преко GitHub Action (аутоматски и увек ажурирано)

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

Придружите се нашој заједници

Имамо серију учења са AI на Discord-у, сазнајте више и придружите нам се на Learn with AI Series од 18. до 30. септембра 2025. Добићете савете и трикове за коришћење GitHub Copilot-а за Data Science.

Машинско учење за почетнике - Курикулум

🌍 Путујте око света док истражујемо машинско учење кроз културе света 🌍

Cloud Advocates у Microsoft-у са задовољством нуде 12-недељни, 26-лекцијски курикулум о машинском учењу. У овом курикулуму ћете научити о ономе што се понекад назива класично машинско учење, користећи углавном библиотеку Scikit-learn и избегавајући дубоко учење, које је покривено у нашем AI for Beginners' курикулуму. Упарите ове лекције са нашим 'Data Science for Beginners' курикулумом, такође!

Путујте са нама око света док примењујемо ове класичне технике на податке из различитих делова света. Свака лекција укључује квизове пре и после лекције, писана упутства за завршетак лекције, решење, задатак и још много тога. Наш приступ заснован на пројектима омогућава вам да учите кроз изградњу, доказан начин да нове вештине остану трајне.

✍️ Срдачна захвалност нашим ауторима Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu и Amy Boyd

🎨 Захвалност нашим илустраторима Tomomi Imura, Dasani Madipalli и Jen Looper

🙏 Посебна захвалност 🙏 нашим Microsoft Student Ambassador ауторима, рецензентима и доприносима садржају, посебно Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila и Snigdha Agarwal

🤩 Додатна захвалност Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi и Vidushi Gupta за наше R лекције!

Почетак

Следите ове кораке:

1. Fork репозиторијум: Кликните на дугме "Fork" у горњем десном углу ове странице.
2. Clone репозиторијум: git clone https://github.com/microsoft/ML-For-Beginners.git

пронађите све додатне ресурсе за овај курс у нашој Microsoft Learn колекцији

Студенти, да бисте користили овај курикулум, направите fork целог репозиторијума на свој GitHub налог и завршите вежбе сами или у групи:

• Почните са квизом пре предавања.
• Прочитајте предавање и завршите активности, паузирајући и размишљајући на сваком провери знања.
• Покушајте да креирате пројекте разумевањем лекција уместо покретања кода решења; међутим, тај код је доступан у /solution фасциклама у свакој лекцији заснованој на пројекту.
• Урадите квиз после предавања.
• Завршите изазов.
• Завршите задатак.
• Након завршетка групе лекција, посетите Discussion Board и "учите наглас" попуњавањем одговарајућег PAT рубрика. 'PAT' је алат за процену напретка који је рубрика коју попуњавате да бисте унапредили своје учење. Такође можете реаговати на друге PAT-ове како бисмо учили заједно.

За даље учење, препоручујемо праћење ових Microsoft Learn модула и путева учења.

Наставници, укључили смо неке предлоге о томе како да користите овај курикулум.

---

Видео водичи

Неке од лекција су доступне као кратки видео записи. Све их можете пронаћи унутар лекција или на ML for Beginners плејлисти на Microsoft Developer YouTube каналу кликом на слику испод.

---

Упознајте тим

Gif by Mohit Jaisal

🎥 Кликните на слику изнад за видео о пројекту и људима који су га креирали!

---

Педагошки приступ

Изабрали смо два педагошка принципа приликом креирања овог курикулума: осигурање да је практичан заснован на пројектима и да укључује честе квизове. Поред тога, овај курикулум има заједничку тему која му даје кохезију.

Осигуравањем да садржај одговара пројектима, процес постаје занимљивији за студенте, а задржавање концепата ће бити побољшано. Поред тога, квиз са ниским ризиком пре часа поставља намеру студента ка учењу теме, док други квиз после часа осигурава даље задржавање. Овај курикулум је дизајниран да буде флексибилан и забаван и може се узети у целини или делимично. Пројекти почињу малим и постају све сложенији до краја 12-недељног циклуса. Овај курикулум такође укључује постскриптум о стварним применама ML-а, који се може користити као додатни кредит или као основа за дискусију.

Пронађите наш Code of Conduct, Contributing, и Translation смернице. Добродошли сте да нам дате конструктивне повратне информације!

Свака лекција укључује

• опционални скетч
• опционални допунски видео
• видео водич (само неке лекције)
• квиз за загревање пре предавања
• писану лекцију
• за лекције засноване на пројектима, водиче корак по корак како изградити пројекат
• провере знања
• изазов
• допунско читање
• задатак
• квиз после предавања

Напомена о језицима: Ове лекције су углавном написане на Python-у, али многе су доступне и на R-у. Да бисте завршили R лекцију, идите у /solution фасциклу и потражите R лекције. Оне укључују .rmd екстензију која представља R Markdown датотеку која се може једноставно дефинисати као уграђивање code chunks (R или других језика) и YAML header (који води како форматирати излаз као PDF) у Markdown документ. Као таква, она служи као изузетан оквир за ауторство у области науке о подацима јер вам омогућава да комбинујете свој код, његов излаз и своје мисли тако што их записујете у Markdown-у. Штавише, R Markdown документи могу се рендеровати у излазне формате као што су PDF, HTML или Word.

Напомена о квизовима: Сви квизови су садржани у Quiz App фасцикли, за укупно 52 квиза са по три питања. Они су повезани из лекција, али апликација за квиз може се покренути локално; следите упутства у quiz-app фасцикли за локално хостовање или Azure деплој.

Број лекције	Тема	Група лекција	Циљеви учења	Повезана лекција	Аутор
01	Увод у машинско учење	Увод	Научите основне концепте машинског учења	Лекција	Muhammad
02	Историја машинског учења	Увод	Научите историју која лежи у основи ове области	Лекција	Jen и Amy
03	Праведност и машинско учење	Увод	Која су важна филозофска питања о праведности која студенти треба да узму у обзир приликом креирања и примене ML модела?	Лекција	Томоми
04	Технике за машинско учење	Увод	Које технике истраживачи машинског учења користе за креирање ML модела?	Лекција	Крис и Џен
05	Увод у регресију	Регресија	Почните са Python-ом и Scikit-learn-ом за моделе регресије	Python • R	Џен • Ерик Ванџау
06	Цене бундева у Северној Америци 🎃	Регресија	Визуализујте и очистите податке у припреми за ML	Python • R	Џен • Ерик Ванџау
07	Цене бундева у Северној Америци 🎃	Регресија	Направите моделе линеарне и полиномске регресије	Python • R	Џен и Дмитриј • Ерик Ванџау
08	Цене бундева у Северној Америци 🎃	Регресија	Направите модел логистичке регресије	Python • R	Џен • Ерик Ванџау
09	Веб апликација 🔌	Веб апликација	Направите веб апликацију за коришћење вашег обученог модела	Python	Џен
10	Увод у класификацију	Класификација	Очистите, припремите и визуализујте ваше податке; увод у класификацију	Python • R	Џен и Кеси • Ерик Ванџау
11	Укусна азијска и индијска кухиња 🍜	Класификација	Увод у класификаторе	Python • R	Џен и Кеси • Ерик Ванџау
12	Укусна азијска и индијска кухиња 🍜	Класификација	Више класификатора	Python • R	Џен и Кеси • Ерик Ванџау
13	Укусна азијска и индијска кухиња 🍜	Класификација	Направите веб апликацију за препоруке користећи ваш модел	Python	Џен
14	Увод у кластерисање	Кластерисање	Очистите, припремите и визуализујте ваше податке; увод у кластерисање	Python • R	Џен • Ерик Ванџау
15	Истраживање музичких укуса у Нигерији 🎧	Кластерисање	Истражите метод кластерисања K-Means	Python • R	Џен • Ерик Ванџау
16	Увод у обраду природног језика ☕️	Обрада природног језика	Научите основе NLP кроз креирање једноставног бота	Python	Стивен
17	Уобичајени NLP задаци ☕️	Обрада природног језика	Продубите своје знање о NLP-у кроз разумевање уобичајених задатака који се јављају приликом рада са језичким структурама	Python	Стивен
18	Превод и анализа сентимента ♥️	Обрада природног језика	Превод и анализа сентимента уз Џејн Остин	Python	Стивен
19	Романтични хотели Европе ♥️	Обрада природног језика	Анализа сентимента уз рецензије хотела 1	Python	Стивен
20	Романтични хотели Европе ♥️	Обрада природног језика	Анализа сентимента уз рецензије хотела 2	Python	Стивен
21	Увод у прогнозирање временских серија	Временске серије	Увод у прогнозирање временских серија	Python	Франческа
22	⚡️ Светска потрошња енергије ⚡️ - прогнозирање временских серија са ARIMA	Временске серије	Прогнозирање временских серија са ARIMA	Python	Франческа
23	⚡️ Светска потрошња енергије ⚡️ - прогнозирање временских серија са SVR	Временске серије	Прогнозирање временских серија са регресором подржавајућих вектора	Python	Анирбан
24	Увод у учење појачањем	Учење појачањем	Увод у учење појачањем уз Q-Learning	Python	Дмитриј
25	Помозите Петру да избегне вука! 🐺	Учење појачањем	Учење појачањем уз Gym	Python	Дмитриј
Постскриптум	Сценарији и апликације машинског учења у стварном свету	ML у природи	Занимљиве и откривајуће апликације класичног ML-а	Лекција	Тим
Постскриптум	Дебаговање модела у ML-у уз RAI контролну таблу	ML у природи	Дебаговање модела машинског учења уз компоненте контролне табле за одговорну AI	Лекција	Рут Јакубу

пронађите све додатне ресурсе за овај курс у нашој Microsoft Learn колекцији

Офлајн приступ

Можете покренути ову документацију офлајн користећи Docsify. Форкујте овај репо, инсталирајте Docsify на вашој локалној машини, а затим у коренском фолдеру овог репоа укуцајте docsify serve. Веб сајт ће бити покренут на порту 3000 на вашем localhost-у: localhost:3000.

PDF-ови

Пронађите PDF наставног плана са линковима овде.

🎒 Остали курсеви

Наш тим производи и друге курсеве! Погледајте:

• Edge AI за почетнике
• AI агенти за почетнике
• Генеративна AI за почетнике
• Генеративна AI за почетнике .NET
• Генеративна AI са JavaScript-ом
• Генеративна AI са Java-ом
• AI за почетнике
• Наука о подацима за почетнике
• ML за почетнике
• Сајбер безбедност за почетнике
• Веб развој за почетнике
• IoT за почетнике
• XR развој за почетнике
• Усавршавање GitHub Copilot-а за парно програмирање
• Усавршавање GitHub Copilot-а за C#/.NET програмере
• Изаберите своју Copilot авантуру

---

Одрицање од одговорности:
Овај документ је преведен помоћу услуге за превођење уз помоћ вештачке интелигенције Co-op Translator. Иако се трудимо да превод буде тачан, молимо вас да имате у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на изворном језику треба сматрати меродавним извором. За критичне информације препоручује се професионални превод од стране људи. Не преузимамо одговорност за било каква погрешна тумачења или неспоразуме који могу настати услед коришћења овог превода.