ML-For-Beginners/translations/tl

🌐 Suporta sa Maraming Wika

Sinusuportahan sa pamamagitan ng GitHub Action (Awtomatik at Laging Napapanahon)

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

Mas gusto bang I-clone Locally?

Naglalaman ang repositoryong ito ng 50+ pagsasalin ng wika na nagpapalaki ng laki ng download. Para makapag-clone nang walang mga pagsasalin, gamitin ang 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'

Binibigyan ka nito ng lahat ng kailangan mo upang matapos ang kurso nang mas mabilis ang pag-download.

Sumali sa Aming Komunidad

Mayroon kaming patuloy na serye sa Discord na "learn with AI", matuto pa at sumali sa amin sa Learn with AI Series mula Setyembre 18 - 30, 2025. Makakakuha ka ng mga tip at trick sa paggamit ng GitHub Copilot para sa Data Science.

Machine Learning para sa mga Baguhan - Isang Kurikulum

🌍 Maglakbay sa buong mundo habang pinag-aaralan natin ang Machine Learning gamit ang mga kultura ng mundo 🌍

Ang mga Cloud Advocates sa Microsoft ay natutuwa na mag-alok ng 12-linggong, 26-aralin na kurikulum tungkol sa Machine Learning. Sa kurikulum na ito, matututuhan mo ang tinatawag na classic machine learning, gamit ang pangunahing Scikit-learn bilang library at iniiwasan ang deep learning, na tinatalakay sa aming AI for Beginners' curriculum. Ipares din ang mga araling ito sa aming 'Data Science for Beginners' curriculum!

Maglakbay kasama kami sa buong mundo habang inilalapat natin ang mga klasikong teknik na ito sa data mula sa iba't ibang bahagi ng mundo. Bawat aralin ay may kasamang pre- at post-lesson quizzes, nakasulat na mga tagubilin para matapos ang aralin, solusyon, takdang-aralin, at higit pa. Ang aming pedagogy na nakabase sa proyekto ay nagpapahintulot sa iyo na matuto habang bumubuo, isang napatunayang paraan para maging matatag ang mga bagong kasanayan.

✍️ Taos-pusong pasasalamat sa aming mga may-akda Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu at Amy Boyd

🎨 Salamat din sa aming mga ilustrador Tomomi Imura, Dasani Madipalli, at Jen Looper

🙏 Espesyal na pasasalamat 🙏 sa aming mga Microsoft Student Ambassador na mga may-akda, tagasuri, at kontribyutor ng nilalaman, lalo na kina Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, at Snigdha Agarwal

🤩 Dagdag pasasalamat sa Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, at Vidushi Gupta para sa aming mga aralin sa R!

Pagsisimula

Sundin ang mga hakbang na ito:

1. I-fork ang Repositoryo: I-click ang "Fork" na button sa kanang itaas na bahagi ng pahinang ito.
2. I-clone ang Repositoryo: git clone https://github.com/microsoft/ML-For-Beginners.git

hanapin lahat ng karagdagang mga resource para sa kursong ito sa aming Microsoft Learn koleksyon

🔧 Kailangan ng tulong? Tingnan ang aming Troubleshooting Guide para sa mga solusyon sa karaniwang isyu sa pag-install, setup, at pagpapatakbo ng mga aralin.

Mga estudyante, upang magamit ang kurikulum na ito, i-fork ang buong repo sa inyong sariling GitHub account at tapusin ang mga pagsasanay nang mag-isa o kasama ang grupo:

• Magsimula sa pre-lecture quiz.
• Basahin ang lektura at tapusin ang mga gawain, tumigil at magmuni-muni sa bawat knowledge check.
• Subukang likhain ang mga proyekto sa pag-unawa ng mga aralin sa halip na patakbuhin ang solution code; gayunpaman, ang code na iyon ay available sa /solution na mga folder sa bawat araling nakatuon sa proyekto.
• Kunin ang post-lecture quiz.
• Tapusin ang hamon.
• Tapusin ang takdang-aralin.
• Pagkatapos tapusin ang isang grupo ng aralin, bisitahin ang Discussion Board at "mag-aral nang malakas" sa pamamagitan ng pagpuno ng angkop na PAT rubric. Ang 'PAT' ay Progress Assessment Tool na isang rubric na pinupunan mo upang higit pang paunlarin ang iyong pagkatuto. Maaari ka ring mag-react sa ibang mga PAT para sabay tayong matuto.

Para sa karagdagang pag-aaral, inirerekomenda naming sundan ang mga Microsoft Learn na mga module at learning paths.

Mga guro, mayroon kaming mga mungkahi kung paano gamitin ang kurikulum na ito.

---

Mga walkthrough sa video

Ilan sa mga aralin ay makukuha bilang mga maikling video. Maaari mong makita ang mga ito sa loob ng mga aralin, o sa ML for Beginners playlist sa Microsoft Developer YouTube channel sa pamamagitan ng pag-click sa larawan sa ibaba.

---

Kilalanin ang Team

Gif by Mohit Jaisal

🎥 I-click ang larawan sa itaas para sa isang video tungkol sa proyekto at sa mga taong gumawa nito!

---

Pedagohiya

Pinili namin ang dalawang pedagogical tenet habang binubuo ang kurikulum na ito: siguraduhin na ito ay hands-on project-based at kasama ang madalas na quizzes. Bukod dito, ang kurikulum na ito ay may pangkaraniwang tema upang bigyan ito ng pagkakaisa.

Sa pamamagitan ng pagsigurado na ang nilalaman ay naka-ayon sa mga proyekto, mas nagiging kawili-wili ang proseso para sa mga estudyante at mas mapapahusay ang retention ng mga konsepto. Dagdag pa, ang isang low-stakes quiz bago ang klase ay nagtatakda ng intensyon ng estudyante para matuto ng paksa, habang ang ikalawang quiz pagkatapos ng klase ay nagsisiguro ng mas malalim na retention. Ang kurikulum na ito ay dinisenyo na maging flexible at masaya at maaaring kunin nang buo o bahagya. Ang mga proyekto ay nagsisimula nang maliit at humahantong sa mas kumplikadong gawain sa katapusan ng 12-linggong siklo. Kasama rin dito ang postscript tungkol sa mga totoong aplikasyon ng ML, na maaaring gamitin bilang extra credit o bilang basehan ng talakayan.

Hanapin ang aming Code of Conduct, Contributing, Translation, at Troubleshooting guidelines. Malugod naming tinatanggap ang iyong konstruktibong feedback!

Bawat aralin ay may kasamang

• optional na sketchnote
• optional na karagdagang video
• video walkthrough (ilang aralin lamang)
• pre-lecture warmup quiz
• nakasulat na lektura
• para sa mga araling nakabatay sa proyekto, gabay hakbang-hakbang kung paano buuin ang proyekto
• knowledge checks
• hamon
• karagdagang babasahin
• takdang-aralin
• post-lecture quiz

Tungkol sa mga wika: Pangunahing nakasulat ang mga araling ito sa Python, ngunit marami rin ang available sa R. Para tapusin ang isang araling R, pumunta sa /solution na folder at hanapin ang mga R na aralin. Kasama dito ang .rmd extension na kumakatawan sa isang R Markdown file na simpleng maipaliwanag bilang pagsasama ng code chunks (ng R o ibang mga wika) at YAML header (na nagtuturo kung paano i-format ang mga output tulad ng PDF) sa isang Markdown document. Dahil dito, nagsisilbi itong napakainam na framework para sa data science dahil pinapayagan kang pagsamahin ang iyong code, ang output nito, at ang iyong mga kaisipan sa pagsusulat sa Markdown. Bukod dito, ang mga R Markdown documents ay maaaring ire-render sa mga output format tulad ng PDF, HTML, o Word. Isang paalala tungkol sa mga pagsusulit: Lahat ng pagsusulit ay matatagpuan sa Quiz App folder, na may kabuuang 52 pagsusulit na may tig-tatlong tanong bawat isa. Nakalagay ang mga ito sa loob ng mga aralin ngunit maaaring patakbuhin ang quiz app nang lokal; sundan ang mga tagubilin sa quiz-app folder upang mag-host nang lokal o mag-deploy sa Azure.

Lesson Number	Paksa	Pangkat ng Aralin	Mga Layunin sa Pagkatuto	Nakalink na Aralin	May-akda
01	Panimula sa machine learning	Introduction	Matutunan ang mga pangunahing konsepto sa likod ng machine learning	Lesson	Muhammad
02	Kasaysayan ng machine learning	Introduction	Matutunan ang kasaysayan sa likod ng larangang ito	Lesson	Jen and Amy
03	Katarungan at machine learning	Introduction	Ano ang mga mahalagang pilosopikal na isyu tungkol sa katarungan na dapat isaalang-alang ng mga estudyante kapag gumagawa at nag-aaplay ng ML models?	Lesson	Tomomi
04	Mga teknik para sa machine learning	Introduction	Anong mga teknik ang ginagamit ng mga mananaliksik sa ML upang bumuo ng mga ML models?	Lesson	Chris and Jen
05	Panimula sa regression	Regression	Magsimula gamit ang Python at Scikit-learn para sa regression models	Python • R	Jen • Eric Wanjau
06	Mga presyo ng kalabasa sa Hilagang Amerika 🎃	Regression	I-visualisa at linisin ang datos bilang paghahanda para sa ML	Python • R	Jen • Eric Wanjau
07	Mga presyo ng kalabasa sa Hilagang Amerika 🎃	Regression	Bumuo ng linear at polynomial regression models	Python • R	Jen and Dmitry • Eric Wanjau
08	Mga presyo ng kalabasa sa Hilagang Amerika 🎃	Regression	Bumuo ng isang logistic regression model	Python • R	Jen • Eric Wanjau
09	Isang Web App 🔌	Web App	Bumuo ng isang web app para gamitin ang iyong na-train na modelo	Python	Jen
10	Panimula sa classification	Classification	Linisin, ihanda, at i-visualisa ang iyong datos; panimula sa classification	Python • R	Jen and Cassie • Eric Wanjau
11	Masasarap na lutuing Asyano at Indian 🍜	Classification	Panimula sa mga classifier	Python • R	Jen and Cassie • Eric Wanjau
12	Masasarap na lutuing Asyano at Indian 🍜	Classification	Higit pang mga classifier	Python • R	Jen and Cassie • Eric Wanjau
13	Masasarap na lutuing Asyano at Indian 🍜	Classification	Bumuo ng isang recommender web app gamit ang iyong modelo	Python	Jen
14	Panimula sa clustering	Clustering	Linisin, ihanda, at i-visualisa ang iyong datos; panimula sa clustering	Python • R	Jen • Eric Wanjau
15	Pagsasaliksik ng mga Ugali sa Musika ng Nigeria 🎧	Clustering	Tuklasin ang K-Means clustering method	Python • R	Jen • Eric Wanjau
16	Panimula sa natural language processing ☕️	Natural language processing	Matutunan ang mga batayan tungkol sa NLP sa pamamagitan ng paggawa ng isang simpleng bot	Python	Stephen
17	Mga Karaniwang Gawain sa NLP ☕️	Natural language processing	Palalimin ang iyong kaalaman sa NLP sa pamamagitan ng pag-unawa sa mga karaniwang gawain na kailangan kapag nakikipag-ugnayan sa mga estruktura ng wika	Python	Stephen
18	Pagsasalin at pagsusuri ng saloobin ♥️	Natural language processing	Pagsasalin at pagsusuri ng saloobin gamit si Jane Austen	Python	Stephen
19	Mga romantikong hotel sa Europa ♥️	Natural language processing	Pagsusuri ng saloobin gamit ang mga review ng hotel 1	Python	Stephen
20	Mga romantikong hotel sa Europa ♥️	Natural language processing	Pagsusuri ng saloobin gamit ang mga review ng hotel 2	Python	Stephen
21	Panimula sa time series forecasting	Time series	Panimula sa time series forecasting	Python	Francesca
22	⚡️ Paggamit ng Enerhiya sa Mundo ⚡️ - time series forecasting gamit ang ARIMA	Time series	Time series forecasting gamit ang ARIMA	Python	Francesca
23	⚡️ Paggamit ng Enerhiya sa Mundo ⚡️ - time series forecasting gamit ang SVR	Time series	Time series forecasting gamit ang Support Vector Regressor	Python	Anirban
24	Panimula sa reinforcement learning	Reinforcement learning	Panimula sa reinforcement learning gamit ang Q-Learning	Python	Dmitry
25	Tumulong kay Peter na iwasan ang lobo! 🐺	Reinforcement learning	Reinforcement learning Gym	Python	Dmitry
Postscript	Mga totoong kaso at aplikasyon ng ML	ML in the Wild	Mga kawili-wili at nakakalantad na mga totoong aplikasyon ng klasikong ML	Lesson	Team
Postscript	Pag-debug ng Modelo sa ML gamit ang RAI dashboard	ML in the Wild	Pag-debug ng Modelo sa Machine Learning gamit ang Responsible AI dashboard components	Lesson	Ruth Yakubu

hanapin ang lahat ng karagdagang mga mapagkukunan para sa kursong ito sa aming Microsoft Learn collection

Offline access

Maaari mong patakbuhin ang dokumentasyong ito nang offline gamit ang Docsify. I-fork ang repo na ito, i-install ang Docsify sa iyong lokal na makina, at pagkatapos ay sa root folder ng repo na ito, i-type ang docsify serve. Ang website ay mase-serve sa port 3000 sa iyong localhost: localhost:3000.

PDFs

Hanapin ang pdf ng kurikulum na may mga link dito.

🎒 Iba Pang Mga Kurso

Ang aming koponan ay gumagawa ng iba pang mga kurso! Silipin:

LangChain

Azure / Edge / MCP / Agents

---

Generative AI Series

---

Pangunahing Pagkatuto

---

Copilot Series

Pagkuha ng Tulong

Kung ikaw ay na-stuck o may mga tanong tungkol sa paggawa ng mga AI apps. Sumali sa mga kapwa nag-aaral at eksperyensadong mga developer sa mga talakayan tungkol sa MCP. Isa itong suportadong komunidad kung saan malugod na tinatanggap ang mga tanong at malaya ang pagbabahagi ng kaalaman.

Kung mayroon kang feedback sa produkto o mga error habang nagtatayo, bisitahin:

---

Paalala: Ang dokumentong ito ay isinalin gamit ang serbisyo ng AI na pagsasalin na Co-op Translator. Bagama’t nagsusumikap kami para sa katumpakan, pakatandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o kamalian. Ang orihinal na dokumento sa kanyang likas na wika ang itinuturing na may pinakamataas na otoridad. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na maaaring magmula sa paggamit ng pagsasaling ito.