You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
176 lines
25 KiB
176 lines
25 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "1dd12e0cd1de7d05f65abe07bc401c63",
|
|
"translation_date": "2025-09-06T18:50:43+00:00",
|
|
"source_file": "README.md",
|
|
"language_code": "pl"
|
|
}
|
|
-->
|
|
[](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/)
|
|
|
|
### 🌐 Wsparcie wielojęzyczne
|
|
|
|
#### Obsługiwane za pomocą GitHub Action (Automatyczne i zawsze aktualne)
|
|
|
|
[French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](./README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md)
|
|
|
|
#### Dołącz do społeczności
|
|
|
|
[](https://discord.gg/kzRShWzttr)
|
|
|
|
# Uczenie maszynowe dla początkujących - Program nauczania
|
|
|
|
> 🌍 Podróżuj po świecie, poznając uczenie maszynowe przez pryzmat kultur świata 🌍
|
|
|
|
Zespół Cloud Advocates w Microsoft z przyjemnością oferuje 12-tygodniowy, 26-lekcyjny program nauczania poświęcony **uczeniu maszynowemu**. W tym kursie poznasz to, co czasami nazywane jest **klasycznym uczeniem maszynowym**, korzystając głównie z biblioteki Scikit-learn i unikając głębokiego uczenia, które jest omówione w naszym [programie "AI dla początkujących"](https://aka.ms/ai4beginners). Połącz te lekcje z naszym [programem "Data Science dla początkujących"](https://aka.ms/ds4beginners)!
|
|
|
|
Podróżuj z nami po świecie, stosując klasyczne techniki do danych z różnych regionów świata. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do realizacji lekcji, rozwiązanie, zadanie i wiele więcej. Nasza metoda oparta na projektach pozwala uczyć się poprzez tworzenie, co jest sprawdzonym sposobem na utrwalenie nowych umiejętności.
|
|
|
|
**✍️ Wielkie 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 dla naszych ilustratorów** Tomomi Imura, Dasani Madipalli i Jen Looper
|
|
|
|
**🙏 Specjalne podziękowania 🙏 dla naszych autorów, recenzentów i współtwórców treści z Microsoft Student Ambassador**, w szczególności Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila i Snigdha Agarwal
|
|
|
|
**🤩 Dodatkowe podziękowania dla Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi i Vidushi Gupta za lekcje w R!**
|
|
|
|
# Rozpoczęcie pracy
|
|
|
|
Wykonaj następujące kroki:
|
|
1. **Sforkuj 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)
|
|
|
|
**[Studenci](https://aka.ms/student-page)**, aby korzystać z tego programu nauczania, sforkuj całe repozytorium na swoje konto GitHub i wykonuj ćwiczenia samodzielnie lub w grupie:
|
|
|
|
- Rozpocznij od quizu przed lekcją.
|
|
- Przeczytaj lekcję i wykonaj działania, zatrzymując się i zastanawiając przy każdym sprawdzeniu wiedzy.
|
|
- Spróbuj stworzyć projekty, rozumiejąc lekcje, zamiast uruchamiać kod rozwiązania; jednakże kod ten jest dostępny w folderach `/solution` w każdej lekcji projektowej.
|
|
- Wykonaj quiz po lekcji.
|
|
- Wykonaj wyzwanie.
|
|
- Wykonaj zadanie.
|
|
- Po ukończeniu grupy lekcji odwiedź [Forum dyskusyjne](https://github.com/microsoft/ML-For-Beginners/discussions) i "ucz się na głos", wypełniając odpowiedni rubrykę PAT. PAT to narzędzie oceny postępów, które wypełniasz, aby pogłębić swoją naukę. Możesz także reagować na inne PAT, abyśmy mogli uczyć się razem.
|
|
|
|
> Do dalszej nauki polecamy te [moduły i ścieżki nauki 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 nauczania.
|
|
|
|
---
|
|
|
|
## Przewodniki wideo
|
|
|
|
Niektóre lekcje są dostępne w formie krótkich filmów. Wszystkie znajdziesz w lekcjach 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 obrazek powyżej, aby obejrzeć film o projekcie i osobach, które go stworzyły!
|
|
|
|
---
|
|
|
|
## Metodyka nauczania
|
|
|
|
Podczas tworzenia tego programu nauczania przyjęliśmy dwie zasady dydaktyczne: zapewnienie, że jest on praktyczny i **oparty na projektach**, oraz że zawiera **częste quizy**. Dodatkowo, program ten ma wspólny **motyw**, który nadaje mu spójność.
|
|
|
|
Zapewniając, że treści są powiązane z projektami, proces nauki staje się bardziej angażujący dla studentów, a przyswajanie koncepcji zostaje wzmocnione. Ponadto quiz o niskiej stawce przed zajęciami ustawia intencję ucznia na naukę tematu, podczas gdy drugi quiz po zajęciach zapewnia dalsze utrwalenie wiedzy. Program ten został zaprojektowany tak, aby był elastyczny i przyjemny, i można go realizować w całości lub częściowo. Projekty zaczynają się od prostych i stają się coraz bardziej złożone pod koniec 12-tygodniowego cyklu. Program ten zawiera również postscriptum na temat rzeczywistych zastosowań ML, które można wykorzystać jako dodatkowe zadanie lub jako podstawę do dyskusji.
|
|
|
|
> Znajdź nasz [Kodeks postępowania](CODE_OF_CONDUCT.md), [Wytyczne dotyczące współpracy](CONTRIBUTING.md) i [Wytyczne dotyczące tłumaczeń](TRANSLATIONS.md). Czekamy na Twoje konstruktywne opinie!
|
|
|
|
## Każda lekcja zawiera
|
|
|
|
- opcjonalny szkic
|
|
- opcjonalne wideo uzupełniające
|
|
- przewodnik wideo (tylko niektóre lekcje)
|
|
- [quiz rozgrzewkowy przed lekcją](https://ff-quizzes.netlify.app/en/ml/)
|
|
- pisemną lekcję
|
|
- dla lekcji projektowych, przewodniki krok po kroku, jak zbudować projekt
|
|
- sprawdzenie wiedzy
|
|
- wyzwanie
|
|
- dodatkowe materiały do czytania
|
|
- zadanie
|
|
- [quiz po lekcji](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
> **Uwaga o językach**: Lekcje te są głównie napisane w Pythonie, ale wiele z nich jest również dostępnych w R. Aby ukończyć lekcję w R, przejdź do folderu `/solution` i poszukaj lekcji w R. Zawierają one rozszerzenie .rmd, które reprezentuje plik **R Markdown**, który można zdefiniować jako osadzenie `fragmentów kodu` (w R lub innych językach) i `nagłówka YAML` (który określa, jak formatować wyniki, takie jak PDF) w `dokumencie Markdown`. Dzięki temu stanowi on doskonałe narzędzie do tworzenia treści dla nauki danych, ponieważ pozwala łączyć kod, jego wyniki i przemyślenia, zapisując je w Markdown. Dokumenty R Markdown można renderować do formatów wyjściowych, takich jak PDF, HTML lub Word.
|
|
|
|
> **Uwaga o quizach**: Wszystkie quizy znajdują się w [folderze Quiz App](../../quiz-app), w sumie 52 quizy po trzy pytania każdy. Są one połączone z lekcjami, ale aplikację quizową można uruchomić lokalnie; postępuj zgodnie z instrukcjami w folderze `quiz-app`, aby hostować lokalnie lub wdrożyć na Azure.
|
|
|
|
| Numer lekcji | Temat | Grupa lekcji | Cele nauczania | Powiązana lekcja | Autor |
|
|
| :-----------: | :------------------------------------------------------------: | :---------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------- | :----------------------------------------------------------------------------------------------------------------------------------------: | :------------------------------------------------: |
|
|
| 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 w uczeniu maszynowym | [Wprowadzenie](1-Introduction/README.md) | Jakie są ważne kwestie filozoficzne dotyczące sprawiedliwości, które uczniowie powinni rozważyć podczas budowy modeli ML? | [Lekcja](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
| 04 | Techniki uczenia maszynowego | [Wprowadzenie](1-Introduction/README.md) | Jakie techniki stosują badacze ML do budowy modeli uczenia maszynowego? | [Lekcja](1-Introduction/4-techniques-of-ML/README.md) | Chris i Jen |
|
|
| 05 | Wprowadzenie do regresji | [Regresja](2-Regression/README.md) | Rozpocznij pracę z Pythonem i Scikit-learn dla modeli regresji | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
|
|
| 06 | Ceny dyni w Ameryce Północnej 🎃 | [Regresja](2-Regression/README.md) | Wizualizacja i czyszczenie danych w przygotowaniu do ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
|
|
| 07 | Ceny dyni w Ameryce Północnej 🎃 | [Regresja](2-Regression/README.md) | Budowa modeli 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 | Ceny dyni w Ameryce Północnej 🎃 | [Regresja](2-Regression/README.md) | Budowa modelu 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) | Budowa aplikacji webowej do wykorzystania wytrenowanego modelu | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
| 10 | Wprowadzenie do klasyfikacji | [Klasyfikacja](4-Classification/README.md) | Czyszczenie, przygotowanie i wizualizacja danych; 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 azjatyckie i indyjskie potrawy 🍜 | [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 azjatyckie i indyjskie potrawy 🍜 | [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 azjatyckie i indyjskie potrawy 🍜 | [Klasyfikacja](4-Classification/README.md) | Budowa aplikacji webowej rekomendującej na podstawie modelu | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
| 14 | Wprowadzenie do klastrowania | [Klastrowanie](5-Clustering/README.md) | Czyszczenie, przygotowanie i wizualizacja danych; wprowadzenie do klastrowania | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
|
|
| 15 | Odkrywanie muzycznych gustów Nigeryjczyków 🎧 | [Klastrowanie](5-Clustering/README.md) | Odkrywanie metody klastrowania K-Means | [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 | Typowe zadania NLP ☕️ | [Przetwarzanie języka naturalnego](6-NLP/README.md)| Pogłęb swoją wiedzę o NLP, poznając typowe zadania związane z przetwarzaniem struktur językowych | [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 z ARIMA | [Szeregi czasowe](7-TimeSeries/README.md) | Prognozowanie szeregów czasowych z ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
| 23 | ⚡️ Zużycie energii na świecie ⚡️ - prognozowanie z SVR | [Szeregi czasowe](7-TimeSeries/README.md) | Prognozowanie szeregów czasowych z Support Vector Regressor | [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 uniknąć 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 rzeczywistości | [ML w praktyce](9-Real-World/README.md) | Interesujące i odkrywcze zastosowania klasycznego ML w rzeczywistości | [Lekcja](9-Real-World/1-Applications/README.md) | Zespół |
|
|
| Postscript | Debugowanie modeli ML za pomocą pulpitu RAI | [ML w praktyce](9-Real-World/README.md) | Debugowanie modeli uczenia maszynowego za pomocą komponentów odpowiedzialnego AI | [Lekcja](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
> [znajdź wszystkie dodatkowe zasoby dla 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/#/). Sforkuj to repozytorium, [zainstaluj Docsify](https://docsify.js.org/#/quickstart) na swoim lokalnym komputerze, a następnie w katalogu głównym tego repozytorium wpisz `docsify serve`. Strona internetowa zostanie uruchomiona na porcie 3000 na twoim localhost: `localhost:3000`.
|
|
|
|
## PDF-y
|
|
|
|
Znajdź plik PDF z programem nauczania i linkami [tutaj](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
|
|
|
|
## 🎒 Inne kursy
|
|
|
|
Nasz zespół tworzy inne kursy! Sprawdź:
|
|
|
|
- [Generatywna AI dla początkujących](https://aka.ms/genai-beginners)
|
|
- [Generatywna AI dla początkujących .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
|
|
- [Generatywna AI z JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
|
|
- [Generatywna AI z Java](https://github.com/microsoft/Generative-AI-for-beginners-java)
|
|
- [AI dla początkujących](https://aka.ms/ai-beginners)
|
|
- [Data Science dla początkujących](https://aka.ms/datascience-beginners)
|
|
- [ML dla początkujących](https://aka.ms/ml-beginners)
|
|
- [Cyberbezpieczeństwo dla początkujących](https://github.com/microsoft/Security-101)
|
|
- [Web Dev dla początkujących](https://aka.ms/webdev-beginners)
|
|
- [IoT dla początkujących](https://aka.ms/iot-beginners)
|
|
- [Rozwój XR dla początkujących](https://github.com/microsoft/xr-development-for-beginners)
|
|
- [Opanowanie GitHub Copilot dla programowania w parach](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
|
|
- [Opanowanie GitHub Copilot dla programistów C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
|
|
- [Wybierz swoją własną przygodę z Copilotem](https://github.com/microsoft/CopilotAdventures)
|
|
|
|
---
|
|
|
|
**Zastrzeżenie**:
|
|
Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia. |