ML-For-Beginners/translations/hr

🌐 Podrška za više jezika

Podržano putem GitHub Action (Automatizirano i uvijek ažurirano)

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

Pridružite se zajednici

Strojno učenje za početnike - Kurikulum

🌍 Putujte svijetom dok istražujemo strojno učenje kroz kulture svijeta 🌍

Cloud Advocates u Microsoftu s ponosom nude 12-tjedni kurikulum s 26 lekcija o strojnom učenju. U ovom kurikulumu naučit ćete o onome što se ponekad naziva klasično strojno učenje, koristeći prvenstveno Scikit-learn kao biblioteku i izbjegavajući duboko učenje, koje je pokriveno u našem kurikulumu za AI za početnike. Povežite ove lekcije s našim kurikulumom 'Data Science za početnike', također!

Putujte s nama svijetom dok primjenjujemo ove klasične tehnike na podatke iz različitih dijelova svijeta. Svaka lekcija uključuje kvizove prije i nakon lekcije, pisane upute za dovršavanje lekcije, rješenje, zadatak i još mnogo toga. Naša metodologija temeljena na projektima omogućuje vam učenje kroz izgradnju, dokazano učinkovit način za usvajanje novih vještina.

✍️ Velika zahvala našim autorima Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu i Amy Boyd

🎨 Zahvala našim ilustratorima Tomomi Imura, Dasani Madipalli i Jen Looper

🙏 Posebna zahvala 🙏 našim Microsoft Student Ambassador autorima, recenzentima i suradnicima, posebno Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila i Snigdha Agarwal

🤩 Dodatna zahvalnost Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi i Vidushi Gupta za naše lekcije o R-u!

Početak

Slijedite ove korake:

1. Forkajte repozitorij: Kliknite na gumb "Fork" u gornjem desnom kutu ove stranice.
2. Klonirajte repozitorij: git clone https://github.com/microsoft/ML-For-Beginners.git

pronađite sve dodatne resurse za ovaj tečaj u našoj Microsoft Learn kolekciji

Studenti, za korištenje ovog kurikuluma, forkajte cijeli repo na svoj GitHub račun i dovršite vježbe sami ili u grupi:

• Započnite s kvizom prije predavanja.
• Pročitajte predavanje i dovršite aktivnosti, pauzirajući i razmišljajući na svakom provjeravanju znanja.
• Pokušajte izraditi projekte razumijevajući lekcije umjesto da pokrećete rješenje koda; međutim, taj kod je dostupan u /solution mapama u svakoj lekciji temeljenoj na projektu.
• Riješite kviz nakon predavanja.
• Dovršite izazov.
• Dovršite zadatak.
• Nakon dovršetka grupe lekcija, posjetite Forum za raspravu i "učite glasno" ispunjavanjem odgovarajuće PAT rubrike. 'PAT' je alat za procjenu napretka, rubrika koju ispunjavate kako biste dodatno unaprijedili svoje učenje. Također možete reagirati na druge PAT-ove kako bismo učili zajedno.

Za daljnje učenje, preporučujemo praćenje ovih Microsoft Learn modula i putova učenja.

Nastavnici, uključili smo neke prijedloge o tome kako koristiti ovaj kurikulum.

---

Video vodiči

Neke lekcije dostupne su kao kratki videozapisi. Sve ih možete pronaći unutar lekcija ili na ML za početnike playlisti na Microsoft Developer YouTube kanalu klikom na sliku ispod.

---

Upoznajte tim

Gif autor Mohit Jaisal

🎥 Kliknite na sliku iznad za video o projektu i ljudima koji su ga stvorili!

---

Pedagogija

Odabrali smo dva pedagoška načela prilikom izrade ovog kurikuluma: osigurati da je praktičan temeljen na projektima i da uključuje česte kvizove. Osim toga, ovaj kurikulum ima zajedničku temu koja mu daje koheziju.

Osiguravanjem da sadržaj odgovara projektima, proces postaje zanimljiviji za studente, a zadržavanje koncepata se povećava. Osim toga, kviz s niskim rizikom prije predavanja usmjerava namjeru studenta prema učenju teme, dok drugi kviz nakon predavanja osigurava daljnje zadržavanje. Ovaj kurikulum je dizajniran da bude fleksibilan i zabavan te se može uzeti u cijelosti ili djelomično. Projekti započinju malim koracima i postaju sve složeniji do kraja 12-tjednog ciklusa. Ovaj kurikulum također uključuje dodatak o stvarnim primjenama strojnog učenja, koji se može koristiti kao dodatni zadatak ili kao osnova za raspravu.

Pronađite naš Kodeks ponašanja, Doprinos i Smjernice za prijevod. Dobrodošli ste podijeliti konstruktivne povratne informacije!

Svaka lekcija uključuje

• opcionalni sketchnote
• opcionalni dopunski video
• video vodič (samo neke lekcije)
• kviz za zagrijavanje prije predavanja
• pisanu lekciju
• za lekcije temeljene na projektima, vodiče korak po korak kako izraditi projekt
• provjere znanja
• izazov
• dopunsko čitanje
• zadatak
• kviz nakon predavanja

Napomena o jezicima: Ove lekcije su prvenstveno napisane u Pythonu, ali mnoge su dostupne i u R-u. Za dovršavanje lekcije u R-u, idite u /solution mapu i potražite lekcije u R-u. One uključuju .rmd ekstenziju koja predstavlja R Markdown datoteku koja se može jednostavno definirati kao kombinacija code chunks (R ili drugih jezika) i YAML header (koji vodi kako formatirati izlaze poput PDF-a) u Markdown dokumentu. Kao takva, služi kao primjeran okvir za pisanje za znanost o podacima jer vam omogućuje kombiniranje vašeg koda, njegovog izlaza i vaših misli omogućujući vam da ih zabilježite u Markdownu. Osim toga, R Markdown dokumenti mogu se prikazati u formatima izlaza poput PDF-a, HTML-a ili Worda.

Napomena o kvizovima: Svi kvizovi nalaze se u Quiz App mapi, ukupno 52 kviza s po tri pitanja. Povezani su unutar lekcija, ali aplikacija za kviz može se pokrenuti lokalno; slijedite upute u quiz-app mapi za lokalno hostiranje ili implementaciju na Azure.

Broj lekcije	Tema	Grupiranje lekcija	Ciljevi učenja	Povezana lekcija	Autor
01	Uvod u strojno učenje	Uvod	Naučite osnovne koncepte strojnog učenja	Lekcija	Muhammad
02	Povijest strojnog učenja	Uvod	Naučite povijest ovog područja	Lekcija	Jen i Amy
03	Pravednost i strojno učenje	Uvod	Koja su važna filozofska pitanja o pravednosti koja studenti trebaju razmotriti prilikom izrade i primjene ML modela?	Lekcija	Tomomi
04	Tehnike za strojno učenje	Uvod	Koje tehnike istraživači strojnog učenja koriste za izgradnju ML modela?	Lekcija	Chris i Jen
05	Uvod u regresiju	Regresija	Počnite s Pythonom i Scikit-learnom za regresijske modele	Python • R	Jen • Eric Wanjau
06	Cijene bundeva u Sjevernoj Americi 🎃	Regresija	Vizualizirajte i očistite podatke kao pripremu za ML	Python • R	Jen • Eric Wanjau
07	Cijene bundeva u Sjevernoj Americi 🎃	Regresija	Izgradite linearne i polinomske regresijske modele	Python • R	Jen i Dmitry • Eric Wanjau
08	Cijene bundeva u Sjevernoj Americi 🎃	Regresija	Izgradite logistički regresijski model	Python • R	Jen • Eric Wanjau
09	Web aplikacija 🔌	Web App	Izgradite web aplikaciju za korištenje vašeg treniranog modela	Python	Jen
10	Uvod u klasifikaciju	Klasifikacija	Očistite, pripremite i vizualizirajte podatke; uvod u klasifikaciju	Python • R	Jen i Cassie • Eric Wanjau
11	Ukusna azijska i indijska kuhinja 🍜	Klasifikacija	Uvod u klasifikatore	Python • R	Jen i Cassie • Eric Wanjau
12	Ukusna azijska i indijska kuhinja 🍜	Klasifikacija	Više klasifikatora	Python • R	Jen i Cassie • Eric Wanjau
13	Ukusna azijska i indijska kuhinja 🍜	Klasifikacija	Izgradite web aplikaciju za preporuke koristeći vaš model	Python	Jen
14	Uvod u grupiranje	Grupiranje	Očistite, pripremite i vizualizirajte podatke; uvod u grupiranje	Python • R	Jen • Eric Wanjau
15	Istraživanje glazbenih ukusa u Nigeriji 🎧	Grupiranje	Istražite metodu K-Means grupiranja	Python • R	Jen • Eric Wanjau
16	Uvod u obradu prirodnog jezika ☕️	Obrada prirodnog jezika	Naučite osnove NLP-a izgradnjom jednostavnog bota	Python	Stephen
17	Uobičajeni NLP zadaci ☕️	Obrada prirodnog jezika	Produbite svoje znanje o NLP-u razumijevanjem uobičajenih zadataka vezanih uz jezične strukture	Python	Stephen
18	Prijevod i analiza sentimenta ♥️	Obrada prirodnog jezika	Prijevod i analiza sentimenta s Jane Austen	Python	Stephen
19	Romantični hoteli Europe ♥️	Obrada prirodnog jezika	Analiza sentimenta recenzija hotela 1	Python	Stephen
20	Romantični hoteli Europe ♥️	Obrada prirodnog jezika	Analiza sentimenta recenzija hotela 2	Python	Stephen
21	Uvod u predviđanje vremenskih serija	Vremenske serije	Uvod u predviđanje vremenskih serija	Python	Francesca
22	⚡️ Svjetska potrošnja energije ⚡️ - predviđanje s ARIMA	Vremenske serije	Predviđanje vremenskih serija s ARIMA	Python	Francesca
23	⚡️ Svjetska potrošnja energije ⚡️ - predviđanje s SVR	Vremenske serije	Predviđanje vremenskih serija s regresorom potpornih vektora	Python	Anirban
24	Uvod u učenje potkrepljenjem	Učenje potkrepljenjem	Uvod u učenje potkrepljenjem s Q-Learning	Python	Dmitry
25	Pomozite Peteru izbjeći vuka! 🐺	Učenje potkrepljenjem	Učenje potkrepljenjem s Gym	Python	Dmitry
Postscript	Scenariji i primjene ML-a u stvarnom svijetu	ML u stvarnom svijetu	Zanimljive i otkrivajuće primjene klasičnog strojnog učenja	Lekcija	Tim
Postscript	Otklanjanje pogrešaka ML modela pomoću RAI	ML u stvarnom svijetu	Otklanjanje pogrešaka u strojnim modelima pomoću komponenti odgovornog AI nadzorne ploče	Lekcija	Ruth Yakubu

pronađite sve dodatne resurse za ovaj tečaj u našoj Microsoft Learn kolekciji

Pristup bez interneta

Ovu dokumentaciju možete koristiti offline pomoću Docsify. Forkajte ovaj repozitorij, instalirajte Docsify na svom lokalnom računalu, a zatim u korijenskoj mapi ovog repozitorija upišite docsify serve. Web stranica će biti dostupna na portu 3000 na vašem localhostu: localhost:3000.

PDF-ovi

Pronađite PDF kurikuluma s poveznicama ovdje.

🎒 Ostali tečajevi

Naš tim proizvodi i druge tečajeve! Pogledajte:

• Generativna AI za početnike
• Generativna AI za početnike .NET
• Generativna AI s JavaScriptom
• Generativna AI s Javom
• AI za početnike
• Data Science za početnike
• ML za početnike
• Kibernetička sigurnost za početnike
• Web razvoj za početnike
• IoT za početnike
• XR razvoj za početnike
• Ovladavanje GitHub Copilotom za upareno programiranje
• Ovladavanje GitHub Copilotom za C#/.NET programere
• Odaberite vlastitu Copilot avanturu

---

Odricanje od odgovornosti:
Ovaj dokument je preveden korištenjem AI usluge za prevođenje Co-op Translator. Iako nastojimo osigurati točnost, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati mjerodavnim izvorom. Za ključne informacije preporučuje se profesionalni prijevod od strane stručnjaka. Ne preuzimamo odgovornost za bilo kakva nesporazuma ili pogrešna tumačenja koja mogu proizaći iz korištenja ovog prijevoda.