ML-For-Beginners/translations/sk

🌐 Podpora viacerých jazykov

Podporované cez GitHub Action (Automatizované a vždy aktuálne)

Arabic | Bengali | Bulgarian | 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 | 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

Uprednostňujete klonovanie lokálne?

Tento repozitár obsahuje preklady do viac ako 50 jazykov, čo výrazne zväčšuje veľkosť na stiahnutie. Na klonovanie bez prekladov použite sparse checkout:

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'

Toto vám poskytne všetko, čo potrebujete na dokončenie kurzu, ale oveľa rýchlejšie sťahovanie.

Pridajte sa do našej komunity

Máme prebiehajúcu sériu Learn with AI na Discorde, dozviete sa viac a pripojte sa k nám na Learn with AI Series od 18. do 30. septembra 2025. Získate tipy a triky na používanie GitHub Copilot pre Data Science.

Strojové učenie pre začiatočníkov – Kurikulum

🌍 Cestujte po svete a objavujte strojové učenie cez svetové kultúry 🌍

Cloud Advocates v Microsoft s potešením ponúkajú 12-týždňový kurz s 26 lekciami o strojovom učení. V tomto kurze sa naučíte o tom, čo sa niekedy nazýva klasické strojové učenie, pričom hlavnou knižnicou je Scikit-learn a vyhýbame sa hlbokému učeniu, ktoré je pokryté v našom kurze AI pre začiatočníkov. Tieto lekcie môžete spárovať s naším kurzom Data Science pre začiatočníkov!

Cestujte s nami po svete a aplikujte tieto klasické techniky na dáta z rôznych oblastí sveta. Každá lekcia obsahuje pred a po lekcií kvízy, písomné inštrukcie na dokončenie lekcie, riešenie, zadanie a viac. Naša projektovo orientovaná pedagogika vám umožní učiť sa počas tvorby, čo je overený spôsob, ako si nové zručnosti "uložiť".

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

🎨 Ďakujeme aj našim ilustrátorom Tomomi Imura, Dasani Madipalli a Jen Looper

🙏 Špeciálne ďakujeme 🙏 autorom, recenzentom a prispievateľom obsahu z Microsoft Student Ambassador, najmä Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila a Snigdha Agarwal

🤩 Extra vďaka Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi a Vidushi Gupta za naše R lekcie!

Začnite

Postupujte podľa týchto krokov:

1. Forknite Repozitár: Kliknite na tlačidlo "Fork" v pravom hornom rohu tejto stránky.
2. Skloňujte Repozitár: git clone https://github.com/microsoft/ML-For-Beginners.git

nájdete všetky doplnkové zdroje k tomuto kurzu v našej kolekcii Microsoft Learn

🔧 Potrebujete pomoc? Pozrite si náš Príručku na riešenie problémov pre riešenia bežných problémov s inštaláciou, nastavením a spustením lekcií.

Študenti, pre používanie tohto kurikula forknete celý repozitár do svojho GitHub účtu a cvičenia robte sami alebo v skupine:

• Začnite prednáškovým kvízom.
• Čítajte prednášku a dokončujte aktivity, zastavujte sa a premýšľajte pri každej kontrole poznatkov.
• Pokúste sa vytvoriť projekty pochopením lekcií namiesto spustenia riešenia; ale tento kód je dostupný v priečinkoch /solution v každej lekcii zameranej na projekt.
• Vykonajte post-lecture kvíz.
• Dokončite výzvu.
• Dokončite zadanie.
• Po dokončení skupiny lekcií navštívte Diskusné fórum a "učiť sa nahlas" vyplnením príslušného hodnotiaceho formulára PAT. 'PAT' je Nástroj na hodnotenie pokroku, ktorým vyplňujete svoj pokrok. Môžete tiež reagovať na iné PAT, aby sme sa mohli učiť spoločne.

Na ďalšie štúdium odporúčame sledovať tieto moduly a vzdelávacie cesty Microsoft Learn.

Učitelia, ponúkli sme niekoľko návrhov na používanie tohto kurikula.

---

Video prehliadky

Niektoré lekcie sú dostupné vo forme krátkych videí. Nájdete ich priamo v lekciách alebo na playliste ML for Beginners na YouTube kanáli Microsoft Developer kliknutím na obrázok nižšie.

---

Spoznajte tím

Gif od Mohit Jaisal

🎥 Kliknite na obrázok vyššie pre video o projekte a ľuďoch, ktorí ho vytvorili!

---

Pedagogika

Pri tvorbe tohto kurikula sme si zvolili dve pedagogické zásady: zabezpečiť praktický, projektovo orientovaný prístup a pravidelné kvízy. Okrem toho má kurz jednotnú tému, ktorá mu dáva súdržnosť.

Zaradením obsahu, ktorý súvisí s projektmi, sa celý proces pre študentov stáva zaujímavejším a lepšie si zapamätajú pojmy. Nízkonákladový kvíz pred hodinou nasmeruje študentov na učenie, pričom druhý kvíz po hodine zabezpečí ďalšie upevnenie poznatkov. Kurz je navrhnutý tak, aby bol flexibilný a zábavný, dá sa absolvovať celý, alebo čiastočne. Projekty začínajú jednoduché a postupne sa zložitosť zvyšuje počas 12-týždňového cyklu. Kurz tiež obsahuje epilóg o reálnych aplikáciách strojového učenia, ktorý možno použiť ako doplnkové hodnotenie alebo tému na diskusiu.

Nájdite náš Kódex správania, Príspevky, Preklady a Riešenie problémov. Vaša konštruktívna spätná väzba je vítaná!

Každá lekcia obsahuje

• voliteľnú náčrtnú poznámku
• voliteľné doplňujúce video
• video sprievodcu (len niektoré lekcie)
• úvodný kvíz pred lekciou
• písomnú lekciu
• pre projektovo orientované lekcie podrobné návody na tvorbu projektu
• kontroly vedomostí
• výzvu
• doplňujúce čítanie
• zadanie
• záverečný kvíz po lekcii

Poznámka o jazykoch: Tieto lekcie sú primárne napísané v Pythone, ale mnohé sú dostupné aj v jazyku R. Pre dokončenie lekcie v R choďte do priečinka /solution a hľadajte R lekcie. Tie obsahujú príponu .rmd, ktorá reprezentuje R Markdown súbor, čo je jednoducho povedané súbor, ktorý kombinuje kódy (v R alebo iných jazykoch) a YAML hlavičku (ktorá určuje formát výstupu, napr. PDF) v Markdown dokumente. Ako taký slúži ako príklad tvorby pre dátovú vedu, pretože vám umožňuje kombinovať kód, jeho výstup a vaše poznámky písané v Markdown. R Markdown súbory možno následne vyprodukovať do formátov ako PDF, HTML alebo Word. Poznámka o kvízoch: Všetky kvízy sú obsiahnuté v zložke Quiz App, spolu 52 kvízov po troch otázkach. Sú prepojené z lekcií, ale aplikáciu kvízu môžete spustiť aj lokálne; postupujte podľa inštrukcií v zložke quiz-app, aby ste ju hosťovali lokálne alebo nasadili na Azure.

Číslo lekcie	Téma	Zoskupenie lekcie	Ciele učenia	Prepojená lekcia	Autor
01	Úvod do strojového učenia	Úvod	Naučiť sa základy strojového učenia	Lekcia	Muhammad
02	Dejiny strojového učenia	Úvod	Spoznajte históriu tohto odboru	Lekcia	Jen a Amy
03	Spravodlivosť a strojové učenie	Úvod	Aké sú dôležité filozofické otázky týkajúce sa spravodlivosti, ktoré by študenti mali zvážiť pri tvorbe a aplikácii ML modelov?	Lekcia	Tomomi
04	Techniky strojového učenia	Úvod	Aké techniky používajú výskumníci ML na vytváranie ML modelov?	Lekcia	Chris a Jen
05	Úvod do regresie	Regresia	Začať s Pythonom a Scikit-learn pre regresné modely	Python • R	Jen • Eric Wanjau
06	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Vizualizovať a vyčistiť dáta na prípravu pre ML	Python • R	Jen • Eric Wanjau
07	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Vytvoriť lineárne a polynomiálne regresné modely	Python • R	Jen a Dmitry • Eric Wanjau
08	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Vytvoriť logistický regresný model	Python • R	Jen • Eric Wanjau
09	Webová aplikácia 🔌	Webová app	Vybudujte webovú aplikáciu na použitie vášho trénovaného modelu	Python	Jen
10	Úvod do klasifikácie	Klasifikácia	Vyčistiť, pripraviť a vizualizovať dáta; úvod do klasifikácie	Python • R	Jen a Cassie • Eric Wanjau
11	Lahodné ázijské a indické kuchyne 🍜	Klasifikácia	Úvod do klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
12	Lahodné ázijské a indické kuchyne 🍜	Klasifikácia	Viac klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
13	Lahodné ázijské a indické kuchyne 🍜	Klasifikácia	Vytvoriť odporúčaciu webovú aplikáciu pomocou vášho modelu	Python	Jen
14	Úvod do zhlukovania	Zhlukovanie	Vyčistiť, pripraviť a vizualizovať dáta; úvod do zhlukovania	Python • R	Jen • Eric Wanjau
15	Preskúmanie nigérijských hudobných chutí 🎧	Zhlukovanie	Preskúmať metódu zhlukovania K-means	Python • R	Jen • Eric Wanjau
16	Úvod do spracovania prirodzeného jazyka ☕️	Spracovanie prirodzeného jazyka	Naučte sa základy NLP vytvorením jednoduchého bota	Python	Stephen
17	Bežné úlohy NLP ☕️	Spracovanie prirodzeného jazyka	Prehĺbte svoje znalosti NLP porozumením bežných úloh potrebných pri práci s jazykovými štruktúrami	Python	Stephen
18	Preklad a analýza sentimentu ♥️	Spracovanie prirodzeného jazyka	Preklad a analýza sentimentu s Jane Austen	Python	Stephen
19	Romantické hotely Európy ♥️	Spracovanie prirodzeného jazyka	Analýza sentimentu pomocou hodnotení hotelov 1	Python	Stephen
20	Romantické hotely Európy ♥️	Spracovanie prirodzeného jazyka	Analýza sentimentu pomocou hodnotení hotelov 2	Python	Stephen
21	Úvod do predikcie časových radov	Časové rady	Úvod do predikcie časových radov	Python	Francesca
22	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov ARIMA	Časové rady	Predikcia časových radov pomocou ARIMA	Python	Francesca
23	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov SVR	Časové rady	Predikcia časových radov pomocou support vector regresora	Python	Anirban
24	Úvod do posilňovacieho učenia	Posilňovacie učenie	Úvod do posilňovacieho učenia pomocou Q-Learning	Python	Dmitry
25	Pomôž Petrovi vyhnúť sa vlkovi! 🐺	Posilňovacie učenie	Posilňovacie učenie Gym	Python	Dmitry
Postscript	Reálne scenáre a aplikácie ML	ML v teréne	Zaujímavé a poučné reálne aplikácie klasického ML	Lekcia	Tím
Postscript	Ladenie modelov v ML pomocou RAI dashboardu	ML v teréne	Ladenie modelov v strojovom učení pomocou komponentov Responsible AI dashboardu	Lekcia	Ruth Yakubu

nájdite všetky doplnkové zdroje pre tento kurz v našej kolekcii Microsoft Learn

Offline prístup

Túto dokumentáciu môžete spustiť offline pomocou Docsify. Forknite si tento repozitár, nainštalujte Docsify na vašom lokálnom počítači a potom v koreňovej zložke tohto repozitára zadajte docsify serve. Webová stránka bude dostupná na porte 3000 na vašom localhoste: localhost:3000.

PDF

Nájdite pdf učebného plánu s odkazmi tu.

🎒 Ostatné kurzy

Náš tím produkuje aj iné kurzy! Pozrite si:

LangChain

Azure / Edge / MCP / Agentky

---

Generatívna AI séria

---

Základné učenie

---

Séria Copilot

Ako získať pomoc

Ak sa zaseknete alebo máte otázky o tvorbe AI aplikácií. Pripojte sa k ostatným študentom a skúseným vývojárom v diskusiách o MCP. Je to podporná komunita, kde sú otázky vítané a vedomosti sa slobodne zdieľajú.

Ak máte spätú väzbu na produkt alebo nájdete chyby počas vývoja, navštívte:

---

Vyhlásenie o zodpovednosti:
Tento dokument bol preložený pomocou AI prekladateľskej služby Co-op Translator. Hoci sa snažíme o presnosť, majte prosím na pamäti, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Originálny dokument v jeho pôvodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nie sme zodpovední za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.