ML-For-Beginners/translations/cs

🌐 Podpora více jazyků

Podporováno prostřednictvím GitHub Action (automatizováno a vždy aktuální)

Arabština | Bengálština | Bulharština | Barmština (Myanmar) | Čínština (zjednodušená) | Čínština (tradiční, Hongkong) | Čínština (tradiční, Macao) | Čínština (tradiční, Tchaj-wan) | Chorvatština | Čeština | Dánština | Nizozemština | Estonština | Finština | Francouzština | Němčina | Řečtina | Hebrejština | Hindština | Maďarština | Indonéština | Italština | Japonština | Korejština | Litevština | Malajština | Maráthština | Nepálština | Nigerijský pidgin | Norština | Perština (Fársí) | Polština | Portugalština (Brazílie) | Portugalština (Portugalsko) | Paňdžábština (Gurmukhi) | Rumunština | Ruština | Srbština (cyrilice) | Slovenština | Slovinština | Španělština | Svahilština | Švédština | Tagalog (Filipínština) | Tamilština | Thajština | Turečtina | Ukrajinština | Urdu | Vietnamština

Připojte se k naší komunitě

Máme probíhající sérii "Learn with AI" na Discordu, dozvíte se více a připojte se k nám na Learn with AI Series od 18. do 30. září 2025. Získáte tipy a triky pro používání GitHub Copilot pro datovou vědu.

Strojové učení pro začátečníky - Osnova

🌍 Cestujte po světě, zatímco objevujeme strojové učení prostřednictvím světových kultur 🌍

Cloud Advocates v Microsoftu s potěšením nabízejí 12týdenní osnovu s 26 lekcemi o strojovém učení. V této osnově se naučíte o tom, co se někdy nazývá klasické strojové učení, především s využitím knihovny Scikit-learn a bez hlubokého učení, které je pokryto v naší osnově AI for Beginners. Tyto lekce můžete také kombinovat s naší osnovou 'Data Science for Beginners'.

Cestujte s námi po světě, zatímco aplikujeme tyto klasické techniky na data z různých částí světa. Každá lekce obsahuje kvízy před a po lekci, písemné pokyny k dokončení lekce, řešení, úkol a další. Náš přístup založený na projektech vám umožní učit se při budování, což je osvědčený způsob, jak si osvojit nové dovednosti.

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

🎨 Díky také našim ilustrátorům Tomomi Imura, Dasani Madipalli a Jen Looper

🙏 Speciální poděkování 🙏 našim autorům, recenzentům a přispěvatelům obsahu z řad Microsoft Student Ambassador, zejména Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila a Snigdha Agarwal

🤩 Extra poděkování Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi a Vidushi Gupta za naše lekce v R!

Začínáme

Postupujte podle těchto kroků:

1. Forkněte repozitář: Klikněte na tlačítko "Fork" v pravém horním rohu této stránky.
2. Naklonujte repozitář: git clone https://github.com/microsoft/ML-For-Beginners.git

najděte všechny další zdroje pro tento kurz v naší kolekci Microsoft Learn

🔧 Potřebujete pomoc? Podívejte se na náš Průvodce řešením problémů pro řešení běžných problémů s instalací, nastavením a spuštěním lekcí.

Studenti, abyste mohli používat tuto osnovu, forkněte celý repozitář do svého GitHub účtu a dokončete cvičení sami nebo ve skupině:

• Začněte kvízem před lekcí.
• Přečtěte si lekci a dokončete aktivity, přičemž se zastavte a zamyslete při každé kontrolní otázce.
• Pokuste se vytvořit projekty pochopením lekcí místo pouhého spuštění řešení; kód řešení je však k dispozici ve složkách /solution v každé projektově orientované lekci.
• Udělejte si kvíz po lekci.
• Dokončete výzvu.
• Dokončete úkol.
• Po dokončení skupiny lekcí navštivte Diskusní fórum a "učte se nahlas" vyplněním příslušného PAT rubriky. 'PAT' je nástroj pro hodnocení pokroku, který vyplníte, abyste si prohloubili své učení. Můžete také reagovat na jiné PAT, abychom se mohli učit společně.

Pro další studium doporučujeme sledovat tyto moduly a vzdělávací cesty Microsoft Learn.

Učitelé, zahrnuli jsme některé návrhy, jak používat tuto osnovu.

---

Video průvodci

Některé lekce jsou k dispozici jako krátká videa. Všechna tato videa najdete přímo v lekcích nebo na playlistu ML for Beginners na YouTube kanálu Microsoft Developer kliknutím na obrázek níže.

---

Seznamte se s týmem

Gif vytvořil Mohit Jaisal

🎥 Klikněte na obrázek výše pro video o projektu a lidech, kteří ho vytvořili!

---

Pedagogika

Při vytváření této osnovy jsme zvolili dva pedagogické principy: zajistit, aby byla praktická projektově orientovaná a aby obsahovala časté kvízy. Kromě toho má tato osnova společné téma, které jí dodává soudržnost.

Tím, že obsah odpovídá projektům, je proces pro studenty poutavější a zlepšuje se zapamatování konceptů. Nízkostresový kvíz před hodinou nastaví záměr studenta na učení tématu, zatímco druhý kvíz po hodině zajistí další zapamatování. Tato osnova byla navržena tak, aby byla flexibilní a zábavná a mohla být absolvována celá nebo po částech. Projekty začínají jednoduše a postupně se stávají složitějšími na konci 12týdenního cyklu. Tato osnova také obsahuje dodatek o reálných aplikacích ML, který může být použit jako extra kredit nebo jako základ pro diskusi.

Najděte náš Kodex chování, Přispívání, Překlady a Řešení problémů. Uvítáme vaši konstruktivní zpětnou vazbu!

Každá lekce obsahuje

• volitelný sketchnote
• volitelné doplňkové video
• video průvodce (pouze některé lekce)
• kvíz na zahřátí před lekcí
• písemnou lekci
• u projektově orientovaných lekcí, podrobné návody, jak vytvořit projekt
• kontrolní otázky
• výzvu
• doplňkové čtení
• úkol
• kvíz po lekci

Poznámka k jazykům: Tyto lekce jsou primárně psány v Pythonu, ale mnohé jsou také dostupné v R. Pro dokončení lekce v R přejděte do složky /solution a vyhledejte lekce v R. Obsahují příponu .rmd, což představuje R Markdown soubor, který lze jednoduše definovat jako vložení code chunks (R nebo jiných jazyků) a YAML header (který určuje, jak formátovat výstupy, jako je PDF) do Markdown dokumentu. Slouží tak jako příkladný autorizační rámec pro datovou vědu, protože vám umožňuje kombinovat váš kód, jeho výstup a vaše myšlenky tím, že je zapíšete do Markdownu. Navíc lze dokumenty R Markdown vykreslit do výstupních formátů, jako je PDF, HTML nebo Word.

Poznámka ke kvízům: Všechny kvízy jsou obsaženy ve složce Quiz App, celkem 52 kvízů po třech otázkách. Jsou propojeny v rámci lekcí, ale aplikaci kvízů lze spustit lokálně; postupujte podle pokynů ve složce quiz-app pro lokální hostování nebo nasazení na Azure.

Číslo lekce	Téma	Skupina lekcí	Cíle učení	Propojená lekce	Autor
01	Úvod do strojového učení	Úvod	Naučte se základní koncepty strojového učení	Lekce	Muhammad
02	Historie strojového učení	Úvod	Naučte se historii tohoto oboru	Lekce	Jen a Amy
03	Spravedlnost a strojové učení	Úvod	Jaké jsou důležité filozofické otázky ohledně spravedlnosti, které by studenti měli zvážit při vytváření a aplikaci modelů ML?	Lekce	Tomomi
04	Techniky strojového učení	Úvod	Jaké techniky používají výzkumníci ML při vytváření modelů ML?	Lekce	Chris a Jen
05	Úvod do regrese	Regrese	Začněte s Pythonem a Scikit-learn pro regresní modely	Python • R	Jen • Eric Wanjau
06	Ceny dýní v Severní Americe 🎃	Regrese	Vizualizujte a vyčistěte data pro přípravu na ML	Python • R	Jen • Eric Wanjau
07	Ceny dýní v Severní Americe 🎃	Regrese	Vytvořte lineární a polynomiální regresní modely	Python • R	Jen a Dmitry • Eric Wanjau
08	Ceny dýní v Severní Americe 🎃	Regrese	Vytvořte logistický regresní model	Python • R	Jen • Eric Wanjau
09	Webová aplikace 🔌	Webová aplikace	Vytvořte webovou aplikaci pro použití vašeho trénovaného modelu	Python	Jen
10	Úvod do klasifikace	Klasifikace	Vyčistěte, připravte a vizualizujte svá data; úvod do klasifikace	Python • R	Jen a Cassie • Eric Wanjau
11	Lahodná asijská a indická kuchyně 🍜	Klasifikace	Úvod do klasifikátorů	Python • R	Jen a Cassie • Eric Wanjau
12	Lahodná asijská a indická kuchyně 🍜	Klasifikace	Další klasifikátory	Python • R	Jen a Cassie • Eric Wanjau
13	Lahodná asijská a indická kuchyně 🍜	Klasifikace	Vytvořte webovou aplikaci doporučující na základě vašeho modelu	Python	Jen
14	Úvod do shlukování	Shlukování	Vyčistěte, připravte a vizualizujte svá data; úvod do shlukování	Python • R	Jen • Eric Wanjau
15	Zkoumání nigerijských hudebních chutí 🎧	Shlukování	Prozkoumejte metodu shlukování K-Means	Python • R	Jen • Eric Wanjau
16	Úvod do zpracování přirozeného jazyka ☕️	Zpracování přirozeného jazyka	Naučte se základy NLP vytvořením jednoduchého bota	Python	Stephen
17	Běžné úkoly NLP ☕️	Zpracování přirozeného jazyka	Prohlubte své znalosti NLP pochopením běžných úkolů při práci s jazykovými strukturami	Python	Stephen
18	Překlad a analýza sentimentu ♥️	Zpracování přirozeného jazyka	Překlad a analýza sentimentu s Jane Austen	Python	Stephen
19	Romantické hotely v Evropě ♥️	Zpracování přirozeného jazyka	Analýza sentimentu s recenzemi hotelů 1	Python	Stephen
20	Romantické hotely v Evropě ♥️	Zpracování přirozeného jazyka	Analýza sentimentu s recenzemi hotelů 2	Python	Stephen
21	Úvod do předpovědi časových řad	Časové řady	Úvod do předpovědi časových řad	Python	Francesca
22	⚡️ Světová spotřeba energie ⚡️ - předpověď časových řad s ARIMA	Časové řady	Předpověď časových řad s ARIMA	Python	Francesca
23	⚡️ Světová spotřeba energie ⚡️ - předpověď časových řad s SVR	Časové řady	Předpověď časových řad s Support Vector Regressor	Python	Anirban
24	Úvod do posilovaného učení	Posilované učení	Úvod do posilovaného učení s Q-Learning	Python	Dmitry
25	Pomozte Petrovi vyhnout se vlkovi! 🐺	Posilované učení	Posilované učení Gym	Python	Dmitry
Postscript	Scénáře a aplikace ML v reálném světě	ML v praxi	Zajímavé a odhalující aplikace klasického ML v reálném světě	Lekce	Tým
Postscript	Ladění modelů ML pomocí RAI dashboardu	ML v praxi	Ladění modelů strojového učení pomocí komponent Responsible AI dashboardu	Lekce	Ruth Yakubu

najděte všechny další zdroje pro tento kurz v naší kolekci Microsoft Learn

Offline přístup

Tuto dokumentaci můžete spustit offline pomocí Docsify. Forkněte tento repozitář, nainstalujte Docsify na svůj lokální počítač a poté v kořenové složce tohoto repozitáře zadejte docsify serve. Webová stránka bude spuštěna na portu 3000 na vašem localhostu: localhost:3000.

PDF

Najděte PDF s osnovou a odkazy zde.

🎒 Další kurzy

Náš tým vytváří další kurzy! Podívejte se:

Azure / Edge / MCP / Agents

---

Generativní AI série

---

Základní vzdělávání

---

Série Copilot

Získání pomoci

Pokud se zaseknete nebo máte otázky ohledně vytváření AI aplikací, připojte se k ostatním studentům a zkušeným vývojářům v diskusích o MCP. Je to podpůrná komunita, kde jsou otázky vítány a znalosti se volně sdílejí.

Pokud máte zpětnou vazbu k produktu nebo narazíte na chyby při vývoji, navštivte:

---

Prohlášení:
Tento dokument byl přeložen pomocí služby AI pro překlad Co-op Translator. I když se snažíme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za autoritativní zdroj. Pro důležité informace se doporučuje profesionální lidský překlad. Nejsme zodpovědní za jakékoli nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu.