|
|
[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
|
|
|
[](http://makeapullrequest.com)
|
|
|
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/network/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)
|
|
|
|
|
|
### 🌐 Wielojęzyczne wsparcie
|
|
|
|
|
|
#### Wsparcie za pomocą GitHub Action (Automatyczne i Zawsze Aktualne)
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
|
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](./README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
|
|
|
|
|
|
> **Wolisz klonować lokalnie?**
|
|
|
|
|
|
> To repozytorium zawiera ponad 50 tłumaczeń językowych, co znacznie zwiększa rozmiar do pobrania. Aby sklonować bez tłumaczeń, użyj sparse checkout:
|
|
|
> ```bash
|
|
|
> 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'
|
|
|
> ```
|
|
|
> Zapewnia to wszystko, czego potrzebujesz, aby ukończyć kurs, przy znacznie szybszym pobieraniu.
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
|
|
#### Dołącz do naszej społeczności
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
Prowadzimy serię „Learn with AI” na Discordzie, dowiedz się więcej i dołącz do nas na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18 do 30 września 2025. Otrzymasz wskazówki i triki dotyczące używania GitHub Copilot do Data Science.
|
|
|
|
|
|
|
|
|
|
|
|
# Uczenie maszynowe dla początkujących – program nauczania
|
|
|
|
|
|
> 🌍 Podróżuj po świecie, poznając uczenie maszynowe poprzez kultury świata 🌍
|
|
|
|
|
|
Cloud Advocates w Microsoft z przyjemnością oferują 12-tygodniowy program składający się z 26 lekcji o temacie **Uczenie maszynowe**. W tym programie nauczysz się tego, co czasem nazywa się **klasycznym uczeniem maszynowym**, używając głównie biblioteki Scikit-learn, unikając uczenia głębokiego, które jest omówione w naszym [programie „AI dla początkujących”](https://aka.ms/ai4beginners). Połącz te lekcje z naszym ['Data Science dla początkujących'](https://aka.ms/ds4beginners)!
|
|
|
|
|
|
Podróżuj z nami po świecie, stosując te klasyczne techniki do danych z różnych regionów. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie, zadanie i więcej. Nasza projekto-orientowana pedagogika pozwala ci uczyć się poprzez tworzenie, co jest sprawdzoną metodą na skuteczne przyswajanie nowych umiejętności.
|
|
|
|
|
|
**✍️ Serdeczne podziękowania dla naszych autorów** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu i Amy Boyd
|
|
|
|
|
|
**🎨 Podziękowania również dla naszych ilustratorów** Tomomi Imura, Dasani Madipalli i Jen Looper
|
|
|
|
|
|
**🙏 Szczególne podziękowania 🙏 dla naszych autorów, recenzentów i współtwórców ze społeczności Microsoft Student Ambassador**, zwłaszcza Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila i Snigdha Agarwal
|
|
|
|
|
|
**🤩 Dodatkowa wdzięczność dla Microsoft Student Ambassadors Erica Wanjau, Jasleen Sondhi i Vidushi Gupta za nasze lekcje R!**
|
|
|
|
|
|
# Pierwsze kroki
|
|
|
|
|
|
Wykonaj następujące kroki:
|
|
|
1. **Wykonaj fork repozytorium**: Kliknij przycisk „Fork” w prawym górnym rogu tej strony.
|
|
|
2. **Sklonuj repozytorium**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
|
|
|
|
|
|
> [znajdź wszystkie dodatkowe zasoby do tego kursu w naszej kolekcji Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
|
|
> 🔧 **Potrzebujesz pomocy?** Sprawdź nasz [Przewodnik rozwiązywania problemów](TROUBLESHOOTING.md) z rozwiązaniami typowych problemów przy instalacji, konfiguracji i uruchamianiu lekcji.
|
|
|
|
|
|
|
|
|
**[Studenci](https://aka.ms/student-page)**, aby korzystać z tego programu, wykonaj fork całego repozytorium na własne konto GitHub i wykonuj ćwiczenia samodzielnie lub w grupie:
|
|
|
|
|
|
- Zacznij od quizu przed wykładem.
|
|
|
- Przeczytaj wykład i wykonaj zadania, zatrzymując się i zastanawiając nad każdym sprawdzeniem wiedzy.
|
|
|
- Staraj się tworzyć projekty rozumiejąc lekcje, a nie tylko uruchamiając gotowy kod; jednak kod jest dostępny w folderach `/solution` w każdej lekcji projektowej.
|
|
|
- Podejdź do quizu po wykładzie.
|
|
|
- Wykonaj wyzwanie.
|
|
|
- Wykonaj zadanie.
|
|
|
- Po ukończeniu grupy lekcji odwiedź [Tablicę Dyskusyjną](https://github.com/microsoft/ML-For-Beginners/discussions) i „ucząc się na głos” wypełnij odpowiednią rubrykę PAT. 'PAT' to narzędzie oceny postępów, które wypełniasz, aby pogłębić naukę. Możesz też reagować na PAT innych, abyśmy mogli uczyć się razem.
|
|
|
|
|
|
> Aby dalej się uczyć, polecamy kontynuowanie tych modułów i ścieżek nauki na [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
|
|
|
|
|
|
**Nauczyciele**, zamieściliśmy [kilka sugestii](for-teachers.md) jak korzystać z tego programu.
|
|
|
|
|
|
---
|
|
|
|
|
|
## Przewodniki wideo
|
|
|
|
|
|
Niektóre lekcje dostępne są w formie krótkiego filmu. Możesz znaleźć wszystkie wbudowane w lekcje lub na [playliście ML for Beginners na kanale Microsoft Developer na YouTube](https://aka.ms/ml-beginners-videos) klikając obrazek poniżej.
|
|
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
|
|
---
|
|
|
|
|
|
## Poznaj zespół
|
|
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
|
|
**Gif autorstwa** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
|
|
> 🎥 Kliknij powyższy obrazek, aby obejrzeć film o projekcie i jego twórcach!
|
|
|
|
|
|
---
|
|
|
|
|
|
## Pedagogika
|
|
|
|
|
|
Podczas budowania tego programu wybraliśmy dwie zasady pedagogiczne: zapewnienie, że jest on praktyczny, **oparty na projektach** oraz że zawiera **częste quizy**. Ponadto program ma wspólny **motyw przewodni**, który nadaje mu spójność.
|
|
|
|
|
|
Zapewnienie zgodności materiału z projektami sprawia, że proces staje się bardziej angażujący dla studentów, a przyswajanie koncepcji jest wzmocnione. Dodatkowo lekki quiz przed zajęciami nastawia ucznia na naukę tematu, a drugi po zajęciach zapewnia dalsze utrwalenie wiedzy. Program został zaprojektowany tak, aby był elastyczny i przyjemny, można go realizować w całości lub w częściach. Projekty zaczynają się od prostych i stają się coraz bardziej złożone do końca 12-tygodniowego cyklu. Program zawiera także posłowie dotyczące zastosowań ML w praktyce, które można wykorzystać jako dodatek lub bazę do dyskusji.
|
|
|
|
|
|
> Znajdź nasze wytyczne: [Kodeks postępowania](CODE_OF_CONDUCT.md), [Wkład](CONTRIBUTING.md), [Tłumaczenia](TRANSLATIONS.md) i [Rozwiązywanie problemów](TROUBLESHOOTING.md). Czekamy na twoją konstruktywną opinię!
|
|
|
|
|
|
## Każda lekcja zawiera
|
|
|
|
|
|
- opcjonalne notatki graficzne
|
|
|
- opcjonalne dodatkowe wideo
|
|
|
- przewodnik wideo (niektóre lekcje)
|
|
|
- [quiz rozgrzewkowy przed wykładem](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
- pisemną lekcję
|
|
|
- dla lekcji projektowych - przewodnik krok po kroku, jak stworzyć projekt
|
|
|
- sprawdzenia wiedzy
|
|
|
- wyzwanie
|
|
|
- uzupełniającą lekturę
|
|
|
- zadanie domowe
|
|
|
- [quiz po wykładzie](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
|
|
> **Uwagi o językach**: Te lekcje są głównie napisane w Pythonie, ale wiele dostępnych jest również w R. Aby ukończyć lekcję w R, przejdź do folderu `/solution` i znajdź lekcje R. Mają one rozszerzenie .rmd, które oznacza plik **R Markdown**, który można prosto zdefiniować jako osadzenie `fragmentów kodu` (w R lub innych językach) oraz `nagłówka YAML` (który wskazuje, jak formatuje się wyniki, np. PDF) w `dokumencie Markdown`. Służy on jako przykład ram autorskich dla data science, ponieważ pozwala łączyć kod, jego wyniki oraz Twoje komentarze, pisząc je w Markdown. Ponadto dokumenty R Markdown można renderować do formatów takich jak PDF, HTML lub Word.
|
|
|
> **Notatka o quizach**: Wszystkie quizy znajdują się w [folderze Quiz App](../../quiz-app), łącznie 52 quizy po trzy pytania każdy. Są one powiązane z lekcjami, ale aplikację quizową można uruchomić lokalnie; postępuj zgodnie z instrukcjami w folderze `quiz-app`, aby uruchomić ją lokalnie lub wdrożyć na Azure.
|
|
|
|
|
|
| Numer lekcji | Temat | Grupa lekcji | Cele nauki | Powiązana lekcja | Autorzy |
|
|
|
| :-----------: | :------------------------------------------------------------: | :----------------------------------------------: | --------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
|
| 01 | Wprowadzenie do uczenia maszynowego | [Wprowadzenie](1-Introduction/README.md) | Poznaj podstawowe pojęcia związane z uczeniem maszynowym | [Lekcja](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
|
| 02 | Historia uczenia maszynowego | [Wprowadzenie](1-Introduction/README.md) | Poznaj historię stojącą za tą dziedziną | [Lekcja](1-Introduction/2-history-of-ML/README.md) | Jen i Amy |
|
|
|
| 03 | Sprawiedliwość i uczenie maszynowe | [Wprowadzenie](1-Introduction/README.md) | Jakie są ważne kwestie filozoficzne dotyczące sprawiedliwości, które studenci powinni rozważyć budując i stosując modele ML? | [Lekcja](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
|
| 04 | Techniki uczenia maszynowego | [Wprowadzenie](1-Introduction/README.md) | Jakie techniki stosują badacze uczenia maszynowego do tworzenia modeli ML? | [Lekcja](1-Introduction/4-techniques-of-ML/README.md) | Chris i Jen |
|
|
|
| 05 | Wprowadzenie do regresji | [Regresja](2-Regression/README.md) | Zacznij pracę z Pythonem i Scikit-learn przy modelach regresji | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
|
|
|
| 06 | Północnoamerykańskie ceny dyni 🎃 | [Regresja](2-Regression/README.md) | Wizualizuj i oczyszczaj dane przygotowując je do ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
|
|
|
| 07 | Północnoamerykańskie ceny dyni 🎃 | [Regresja](2-Regression/README.md) | Buduj modele regresji liniowej i wielomianowej | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen i Dmitry • Eric Wanjau |
|
|
|
| 08 | Północnoamerykańskie ceny dyni 🎃 | [Regresja](2-Regression/README.md) | Buduj model regresji logistycznej | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
|
|
|
| 09 | Aplikacja webowa 🔌 | [Aplikacja webowa](3-Web-App/README.md) | Zbuduj aplikację webową korzystającą z Twojego wytrenowanego modelu | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
|
| 10 | Wprowadzenie do klasyfikacji | [Klasyfikacja](4-Classification/README.md) | Oczyść, przygotuj i wizualizuj dane; wprowadzenie do klasyfikacji | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen i Cassie • Eric Wanjau |
|
|
|
| 11 | Pyszne kuchnie Azji i Indii 🍜 | [Klasyfikacja](4-Classification/README.md) | Wprowadzenie do klasyfikatorów | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen i Cassie • Eric Wanjau |
|
|
|
| 12 | Pyszne kuchnie Azji i Indii 🍜 | [Klasyfikacja](4-Classification/README.md) | Więcej klasyfikatorów | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen i Cassie • Eric Wanjau |
|
|
|
| 13 | Pyszne kuchnie Azji i Indii 🍜 | [Klasyfikacja](4-Classification/README.md) | Zbuduj rekomendującą aplikację webową używając swojego modelu | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
|
| 14 | Wprowadzenie do klasteryzacji | [Klasteryzacja](5-Clustering/README.md) | Oczyść, przygotuj i wizualizuj swoje dane; wprowadzenie do klasteryzacji | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
|
|
|
| 15 | Poznawanie nigeryjskich gustów muzycznych 🎧 | [Klasteryzacja](5-Clustering/README.md) | Poznaj metodę klasteryzacji K-średnich | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
|
|
|
| 16 | Wprowadzenie do przetwarzania języka naturalnego ☕️ | [Przetwarzanie języka naturalnego](6-NLP/README.md) | Poznaj podstawy NLP budując prostego bota | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
|
| 17 | Powszechne zadania NLP ☕️ | [Przetwarzanie języka naturalnego](6-NLP/README.md) | Pogłęb swoją wiedzę o NLP rozumiejąc powszechne zadania wymagane przy pracy ze strukturą języka | [Python](6-NLP/2-Tasks/README.md) | Stephen |
|
|
|
| 18 | Tłumaczenie i analiza sentymentu ♥️ | [Przetwarzanie języka naturalnego](6-NLP/README.md) | Tłumaczenie i analiza sentymentu z Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
|
|
|
| 19 | Romantyczne hotele Europy ♥️ | [Przetwarzanie języka naturalnego](6-NLP/README.md) | Analiza sentymentu na podstawie recenzji hoteli 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
|
|
|
| 20 | Romantyczne hotele Europy ♥️ | [Przetwarzanie języka naturalnego](6-NLP/README.md) | Analiza sentymentu na podstawie recenzji hoteli 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
|
|
|
| 21 | Wprowadzenie do prognozowania szeregów czasowych | [Szeregi czasowe](7-TimeSeries/README.md) | Wprowadzenie do prognozowania szeregów czasowych | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
|
|
|
| 22 | ⚡️ Zużycie energii na świecie ⚡️ - prognozowanie szeregów czasowych z ARIMA | [Szeregi czasowe](7-TimeSeries/README.md) | Prognozowanie szeregów czasowych z użyciem ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
|
| 23 | ⚡️ Zużycie energii na świecie ⚡️ - prognozowanie szeregów czasowych z SVR | [Szeregi czasowe](7-TimeSeries/README.md) | Prognozowanie szeregów czasowych za pomocą regresji wektorów nośnych | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
|
|
|
| 24 | Wprowadzenie do uczenia ze wzmocnieniem | [Uczenie ze wzmocnieniem](8-Reinforcement/README.md) | Wprowadzenie do uczenia ze wzmocnieniem z Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
|
|
|
| 25 | Pomóż Peterowi unikać wilka! 🐺 | [Uczenie ze wzmocnieniem](8-Reinforcement/README.md) | Gym dla uczenia ze wzmocnieniem | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
|
| Postscript | Scenariusze i zastosowania ML w rzeczywistym świecie | [ML w praktyce](9-Real-World/README.md) | Ciekawe i pouczające zastosowania klasycznego ML w praktyce | [Lekcja](9-Real-World/1-Applications/README.md) | Zespół |
|
|
|
| Postscript | Debugowanie modeli ML z użyciem panelu RAI | [ML w praktyce](9-Real-World/README.md) | Debugowanie modeli w uczeniu maszynowym z wykorzystaniem komponentów panelu Responsible AI | [Lekcja](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
|
|
> [znajdź wszystkie dodatkowe zasoby do tego kursu w naszej kolekcji Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
|
|
## Dostęp offline
|
|
|
|
|
|
Możesz uruchomić tę dokumentację offline korzystając z [Docsify](https://docsify.js.org/#/). Sklonuj to repozytorium, [zainstaluj Docsify](https://docsify.js.org/#/quickstart) na swoim komputerze lokalnym, a następnie w głównym folderze tego repozytorium wpisz `docsify serve`. Strona będzie dostępna na porcie 3000 na twoim localhost: `localhost:3000`.
|
|
|
|
|
|
## PDF-y
|
|
|
|
|
|
Znajdź pdf programu nauczania z linkami [tutaj](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
|
|
|
|
|
|
|
|
|
## 🎒 Inne kursy
|
|
|
|
|
|
Nasz zespół tworzy inne kursy! Sprawdź:
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
|
|
### LangChain
|
|
|
[](https://aka.ms/langchain4j-for-beginners)
|
|
|
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
---
|
|
|
|
|
|
### Azure / Edge / MCP / Agenci
|
|
|
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Seria Generatywnej AI
|
|
|
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
|
|
|
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
|
|
|
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Podstawowa nauka
|
|
|
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
|
|
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Seria Copilot
|
|
|
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
|
|
|
|
|
## Uzyskiwanie pomocy
|
|
|
|
|
|
Jeśli utkniesz lub masz pytania dotyczące tworzenia aplikacji AI, dołącz do innych uczących się i doświadczonych programistów w dyskusjach o MCP. To wspierająca społeczność, gdzie pytania są mile widziane, a wiedza jest swobodnie dzielona.
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
Jeśli masz uwagi dotyczące produktu lub napotkasz błędy podczas tworzenia, odwiedź:
|
|
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
|
**Zastrzeżenie**:
|
|
|
Niniejszy dokument został przetłumaczony z wykorzystaniem usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dążymy do dokładności, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w języku źródłowym należy traktować jako źródło wiarygodne. W przypadku informacji krytycznych zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
