ML-For-Beginners/translations/et

🌐 Mitmekeelne tugi

Toetatud GitHub Actioni kaudu (automaatselt ja alati ajakohane)

Araabia | Bengali | Bulgaaria | Birma (Myanmar) | Hiina (lihtsustatud) | Hiina (traditsiooniline, Hongkong) | Hiina (traditsiooniline, Macau) | Hiina (traditsiooniline, Taiwan) | Horvaatia | Tšehhi | Taani | Hollandi | Eesti | Soome | Prantsuse | Saksa | Kreeka | Heebrea | Hindi | Ungari | Indoneesia | Itaalia | Jaapani | Korea | Leedu | Malai | Marathi | Nepali | Nigeeria pidgin | Norra | Pärsia (Farsi) | Poola | Portugali (Brasiilia) | Portugali (Portugal) | Punjabi (Gurmukhi) | Rumeenia | Vene | Serbia (kirillitsa) | Slovaki | Sloveeni | Hispaania | Suahiili | Rootsi | Tagalogi (Filipiinid) | Tamili | Tai | Türgi | Ukraina | Urdu | Vietnami

Liitu meie kogukonnaga

Meil on käimas Discordi õppesari tehisintellektiga, lisateavet ja liitumist leiate Õpi tehisintellektiga sari 18.–30. september 2025. Saate näpunäiteid ja nippe GitHub Copiloti kasutamiseks andmeteaduses.

Masinõpe algajatele - õppekava

🌍 Rändame mööda maailma, uurides masinõpet läbi maailma kultuuride 🌍

Microsofti pilveadvokaadid on rõõmsad pakkuma 12-nädalast, 26-tunnist õppekava, mis käsitleb masinõpet. Selles õppekavas õpite tundma seda, mida mõnikord nimetatakse klassikaliseks masinõppeks, kasutades peamiselt Scikit-learn'i teeki ja vältides süvaõpet, mida käsitletakse meie Tehisintellekt algajatele õppekavas. Siduge need tunnid meie 'Andmeteadus algajatele' õppekavaga, samuti!

Reisige koos meiega mööda maailma, rakendades neid klassikalisi tehnikaid andmetele erinevatest maailma piirkondadest. Iga tund sisaldab eel- ja järelteste, kirjalikke juhiseid tunni läbiviimiseks, lahendust, ülesannet ja palju muud. Meie projektipõhine pedagoogika võimaldab teil õppida, samal ajal ehitades, mis on tõestatud viis uute oskuste omandamiseks.

✍️ Südamlik tänu meie autoritele Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ja Amy Boyd

🎨 Tänu ka meie illustraatoritele Tomomi Imura, Dasani Madipalli ja Jen Looper

🙏 Eriline tänu 🙏 meie Microsofti tudengisaadikutele, autoritele, retsensentidele ja sisupakkujatele, eriti Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ja Snigdha Agarwal

🤩 Eriline tänu Microsofti tudengisaadikutele Eric Wanjau, Jasleen Sondhi ja Vidushi Gupta meie R-tundide eest!

Alustamine

Järgige neid samme:

1. Forkige repositoorium: Klõpsake selle lehe paremas ülanurgas asuvat "Fork" nuppu.
2. Kloonige repositoorium: git clone https://github.com/microsoft/ML-For-Beginners.git

leidke kõik selle kursuse lisamaterjalid meie Microsoft Learn kogumikust

🔧 Vajate abi? Vaadake meie Tõrkeotsingu juhendit, et leida lahendusi levinud probleemidele, mis on seotud paigaldamise, seadistamise ja tundide läbiviimisega.

Õpilased, selle õppekava kasutamiseks forkige kogu repositoorium oma GitHubi kontole ja täitke harjutused iseseisvalt või grupis:

• Alustage eeltestiga.
• Lugege loengut ja täitke tegevused, peatudes ja mõtiskledes iga teadmiste kontrolli juures.
• Proovige projekte luua, mõistes tunde, mitte lihtsalt lahenduskoodi käivitades; siiski on see kood saadaval iga projektipõhise tunni /solution kaustades.
• Tehke järeltest.
• Täitke väljakutse.
• Täitke ülesanne.
• Pärast tundide grupi lõpetamist külastage Arutelufoorumit ja "õppige valjult", täites vastava PAT rubriigi. 'PAT' on edusammude hindamise tööriist, mis on rubriik, mille täidate oma õppimise edendamiseks. Samuti saate reageerida teiste PAT-dele, et saaksime koos õppida.

Edasiseks õppimiseks soovitame järgida neid Microsoft Learn mooduleid ja õpiteid.

Õpetajad, oleme lisanud mõned soovitused, kuidas seda õppekava kasutada.

---

Videoõpetused

Mõned tunnid on saadaval lühivideotena. Leiate need kõik tundide seest või ML algajatele esitusloendist Microsoft Developer YouTube'i kanalil, klõpsates alloleval pildil.

---

Tutvu meeskonnaga

Gif autor Mohit Jaisal

🎥 Klõpsake ülaloleval pildil, et vaadata videot projektist ja selle loojatest!

---

Pedagoogika

Selle õppekava loomisel oleme valinud kaks pedagoogilist põhimõtet: tagada, et see on praktiline projektipõhine ja et see sisaldab sagedasi teste. Lisaks on sellel õppekaval ühine teema, mis annab sellele ühtsuse.

Tagades, et sisu on seotud projektidega, muutub protsess õpilastele kaasahaaravamaks ja kontseptsioonide omandamine suureneb. Lisaks seab madala panusega test enne tundi õpilase eesmärgi õppida teemat, samas kui teine test pärast tundi tagab edasise omandamise. See õppekava on loodud paindlikuks ja lõbusaks ning seda saab võtta tervikuna või osaliselt. Projektid algavad väikestest ja muutuvad 12-nädalase tsükli lõpuks järjest keerukamaks. See õppekava sisaldab ka järelmärkust ML-i reaalmaailma rakenduste kohta, mida saab kasutada lisapunktide saamiseks või arutelu aluseks.

Vaadake meie Käitumisjuhendit, Kaastöö tegemise juhendit, Tõlkimise juhendit ja Tõrkeotsingu juhendit. Ootame teie konstruktiivset tagasisidet!

Iga tund sisaldab

• valikuline visandmärkmed
• valikuline lisavideo
• videoõpetus (ainult mõned tunnid)
• eeltest
• kirjalik tund
• projektipõhiste tundide jaoks samm-sammult juhised projekti loomiseks
• teadmiste kontrollid
• väljakutse
• lisalugemine
• ülesanne
• järgtest

Märkus keelte kohta: Need tunnid on peamiselt kirjutatud Pythonis, kuid paljud on saadaval ka R-is. R-tunni läbiviimiseks minge /solution kausta ja otsige R-tunde. Need sisaldavad .rmd laiendit, mis tähistab R Markdown faili, mida saab lihtsalt määratleda kui koodilõikude (R-i või muude keelte) ja YAML päise (mis juhendab, kuidas vormindada väljundeid, nagu PDF) Markdown dokumendis ühendamist. Seega toimib see eeskujuliku autorlusraamistikuna andmeteaduse jaoks, kuna see võimaldab teil kombineerida oma koodi, selle väljundit ja oma mõtteid, kirjutades need Markdownis. Lisaks saab R Markdown dokumente renderdada väljundvormingutesse, nagu PDF, HTML või Word.

Märkus testide kohta: Kõik testid on Testirakenduse kaustas, kokku 52 testi, millest igaüks sisaldab kolme küsimust. Need on lingitud tundide seest, kuid testirakendust saab käivitada kohapeal; järgige juhiseid quiz-app kaustas, et seda kohapeal majutada või Azure'i juurutada.

Tunni number	Teema	Tunni rühmitus	Õpieesmärgid	Lingitud tund	Autor
01	Masinõppe sissejuhatus	Sissejuhatus	Õpi masinõppe põhimõisteid	Õppetund	Muhammad
02	Masinõppe ajalugu	Sissejuhatus	Õpi tundma selle valdkonna ajalugu	Õppetund	Jen ja Amy
03	Õiglus ja masinõpe	Sissejuhatus	Millised olulised filosoofilised küsimused õiglusest peaksid õpilased arvesse võtma ML mudelite loomisel ja rakendamisel?	Õppetund	Tomomi
04	Masinõppe tehnikad	Sissejuhatus	Milliseid tehnikaid kasutavad ML teadlased mudelite loomiseks?	Õppetund	Chris ja Jen
05	Regressiooni sissejuhatus	Regressioon	Alusta Pythoniga ja Scikit-learniga regressioonimudelite jaoks	Python • R	Jen • Eric Wanjau
06	Põhja-Ameerika kõrvitsahinnad 🎃	Regressioon	Visualiseeri ja puhasta andmeid ML-i ettevalmistamiseks	Python • R	Jen • Eric Wanjau
07	Põhja-Ameerika kõrvitsahinnad 🎃	Regressioon	Loo lineaar- ja polünoomregressioonimudelid	Python • R	Jen ja Dmitry • Eric Wanjau
08	Põhja-Ameerika kõrvitsahinnad 🎃	Regressioon	Loo logistiline regressioonimudel	Python • R	Jen • Eric Wanjau
09	Veebirakendus 🔌	Veebirakendus	Loo veebirakendus oma treenitud mudeli kasutamiseks	Python	Jen
10	Klassifikatsiooni sissejuhatus	Klassifikatsioon	Puhasta, valmista ette ja visualiseeri oma andmeid; sissejuhatus klassifikatsiooni	Python • R	Jen ja Cassie • Eric Wanjau
11	Maitsvad Aasia ja India köögid 🍜	Klassifikatsioon	Sissejuhatus klassifikaatoritesse	Python • R	Jen ja Cassie • Eric Wanjau
12	Maitsvad Aasia ja India köögid 🍜	Klassifikatsioon	Rohkem klassifikaatoreid	Python • R	Jen ja Cassie • Eric Wanjau
13	Maitsvad Aasia ja India köögid 🍜	Klassifikatsioon	Loo soovitusrakendus, kasutades oma mudelit	Python	Jen
14	Klasterdamise sissejuhatus	Klasterdamine	Puhasta, valmista ette ja visualiseeri oma andmeid; sissejuhatus klasterdamisse	Python • R	Jen • Eric Wanjau
15	Nigeeria muusikamaitsete uurimine 🎧	Klasterdamine	Uuri K-Meansi klasterdamismeetodit	Python • R	Jen • Eric Wanjau
16	Loomuliku keele töötlemise sissejuhatus ☕️	Loomulik keel	Õpi NLP põhitõdesid, luues lihtsa boti	Python	Stephen
17	Levinud NLP ülesanded ☕️	Loomulik keel	Süvenda oma NLP teadmisi, mõistes levinud ülesandeid, mis on seotud keelestruktuuridega	Python	Stephen
18	Tõlkimine ja sentimentanalüüs ♥️	Loomulik keel	Tõlkimine ja sentimentanalüüs Jane Austeni teostega	Python	Stephen
19	Romantilised hotellid Euroopas ♥️	Loomulik keel	Sentimentanalüüs hotelliarvustustega 1	Python	Stephen
20	Romantilised hotellid Euroopas ♥️	Loomulik keel	Sentimentanalüüs hotelliarvustustega 2	Python	Stephen
21	Ajasarjade prognoosimise sissejuhatus	Ajasarjad	Sissejuhatus ajasarjade prognoosimisse	Python	Francesca
22	⚡️ Maailma energiatarbimine ⚡️ - ajasarjade prognoosimine ARIMA-ga	Ajasarjad	Ajasarjade prognoosimine ARIMA meetodiga	Python	Francesca
23	⚡️ Maailma energiatarbimine ⚡️ - ajasarjade prognoosimine SVR-iga	Ajasarjad	Ajasarjade prognoosimine toetusvektori regressori abil	Python	Anirban
24	Tugevdamisõppe sissejuhatus	Tugevdamisõpe	Sissejuhatus tugevdamisõppesse Q-õppega	Python	Dmitry
25	Aita Peteril hunti vältida! 🐺	Tugevdamisõpe	Tugevdamisõppe Gym	Python	Dmitry
Postscript	Reaalse maailma ML-situatsioonid ja rakendused	ML looduses	Huvitavad ja paljastavad klassikalise ML-i reaalse maailma rakendused	Õppetund	Meeskond
Postscript	Mudelite silumine ML-is RAI armatuurlauaga	ML looduses	Masinõppe mudelite silumine, kasutades vastutustundliku tehisintellekti armatuurlaua komponente	Õppetund	Ruth Yakubu

Leia kõik täiendavad ressursid selle kursuse jaoks meie Microsoft Learn kogumikust

Võimalus kasutada võrguühenduseta

Saad seda dokumentatsiooni kasutada võrguühenduseta, kasutades Docsify. Forki see repo, paigalda Docsify oma kohalikku masinasse ja seejärel kirjuta selle repo juurkaustas docsify serve. Veebisait avaneb pordil 3000 sinu localhostis: localhost:3000.

PDF-id

Leia õppekava PDF koos linkidega siit.

🎒 Teised kursused

Meie meeskond loob ka teisi kursuseid! Vaata:

Azure / Edge / MCP / Agendid

---

Generatiivse tehisintellekti sari

---

Põhiõpe

---

Copilot sari

Abi saamine

Kui jääd hätta või sul on küsimusi AI rakenduste loomise kohta, liitu teiste õppijate ja kogenud arendajatega MCP aruteludes. See on toetav kogukond, kus küsimused on teretulnud ja teadmisi jagatakse vabalt.

Kui sul on tagasisidet toodete kohta või esineb vigu arendamisel, külasta:

---

Lahtiütlus:
See dokument on tõlgitud AI tõlketeenuse Co-op Translator abil. Kuigi püüame tagada täpsust, palume arvestada, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Algne dokument selle algses keeles tuleks pidada autoriteetseks allikaks. Olulise teabe puhul soovitame kasutada professionaalset inimtõlget. Me ei vastuta arusaamatuste või valesti tõlgenduste eest, mis võivad tekkida selle tõlke kasutamise tõttu.