ML-For-Beginners/translations/sk

🌐 Podpora viacerých jazykov

Podporované prostredníctvom GitHub Action (automatizované a vždy aktuálne)

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)

Pripojte sa k našej komunite

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 dátovú vedu.

Strojové učenie pre začiatočníkov - učebné osnovy

🌍 Cestujte po svete, keď objavujeme strojové učenie prostredníctvom kultúr sveta 🌍

Cloud Advocates v Microsoft s radosťou ponúkajú 12-týždňové, 26-lekčné učebné osnovy o strojovom učení. V týchto osnovách sa naučíte o tom, čo sa niekedy nazýva klasické strojové učenie, pričom sa primárne používa knižnica Scikit-learn a vyhýba sa hlbokému učeniu, ktoré je pokryté v našich učebných osnovách AI pre začiatočníkov. Spojte tieto lekcie s našimi učebnými osnovami "Data Science for Beginners", tiež!

Cestujte s nami po svete, keď aplikujeme tieto klasické techniky na údaje z rôznych oblastí sveta. Každá lekcia obsahuje kvízy pred a po lekcii, písomné pokyny na dokončenie lekcie, riešenie, úlohu a ďalšie. Náš projektovo orientovaný prístup vám umožní učiť sa pri budovaní, čo je osvedčený spôsob, ako si nové zručnosti lepšie zapamätať.

✍️ Srdečné poďakovanie 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

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

🙏 Špeciálne poďakovanie 🙏 našim Microsoft Student Ambassador autorom, recenzentom a prispievateľom obsahu, 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 lekcie v R!

Začíname

Postupujte podľa týchto krokov:

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

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

Študenti, na použitie týchto učebných osnov si forknite celý repozitár do svojho vlastného GitHub účtu a dokončite cvičenia sami alebo v skupine:

• Začnite kvízom pred lekciou.
• Prečítajte si lekciu a dokončite aktivity, pričom sa zastavte a zamyslite pri každej kontrole vedomostí.
• Pokúste sa vytvoriť projekty pochopením lekcií namiesto spúšťania riešenia kódu; tento kód je však dostupný v priečinkoch /solution v každej projektovo orientovanej lekcii.
• Urobte kvíz po lekcii.
• Dokončite výzvu.
• Dokončite úlohu.
• Po dokončení skupiny lekcií navštívte Diskusnú tabuľu a "učte sa nahlas" vyplnením príslušného PAT rubrika. 'PAT' je nástroj na hodnotenie pokroku, ktorý je rubrikou, ktorú vyplníte na ďalšie učenie. Môžete tiež reagovať na iné PAT, aby sme sa učili spoločne.

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

Učitelia, pridali sme niekoľko návrhov na použitie týchto učebných osnov.

---

Video prehliadky

Niektoré lekcie sú dostupné ako krátke videá. Všetky ich nájdete priamo v lekciách alebo na ML for Beginners playlist 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 týchto učebných osnov sme si zvolili dva pedagogické princípy: zabezpečiť, aby boli praktické projektovo orientované a aby obsahovali časté kvízy. Okrem toho majú tieto učebné osnovy spoločnú tému, ktorá im dodáva súdržnosť.

Zabezpečením, že obsah je v súlade s projektmi, je proces pre študentov pútavejší a zlepšuje sa zapamätanie konceptov. Okrem toho nízko-stresový kvíz pred hodinou nastavuje úmysel študenta na učenie sa témy, zatiaľ čo druhý kvíz po hodine zabezpečuje ďalšie zapamätanie. Tieto učebné osnovy boli navrhnuté tak, aby boli flexibilné a zábavné a mohli byť absolvované celé alebo čiastočne. Projekty začínajú malé a postupne sa stávajú zložitejšími na konci 12-týždňového cyklu. Tieto učebné osnovy tiež obsahujú dodatok o reálnych aplikáciách strojového učenia, ktorý môže byť použitý ako extra kredit alebo ako základ pre diskusiu.

Nájdite náš Kódex správania, Prispievanie a Preklad pokyny. Uvítame vašu konštruktívnu spätnú väzbu!

Každá lekcia obsahuje

• voliteľný sketchnote
• voliteľné doplnkové video
• video prehliadka (len niektoré lekcie)
• kvíz pred lekciou
• písomná lekcia
• pre projektovo orientované lekcie, podrobné pokyny na vytvorenie projektu
• kontroly vedomostí
• výzvu
• doplnkové čítanie
• úlohu
• kvíz po lekcii

Poznámka o jazykoch: Tieto lekcie sú primárne napísané v Pythone, ale mnohé sú dostupné aj v R. Na dokončenie lekcie v R prejdite do priečinka /solution a vyhľadajte lekcie v R. Obsahujú príponu .rmd, ktorá predstavuje R Markdown súbor, ktorý možno jednoducho definovať ako vloženie code chunks (R alebo iných jazykov) a YAML header (ktorý určuje, ako formátovať výstupy, ako PDF) do Markdown dokumentu. Ako taký slúži ako príkladný autorovací rámec pre dátovú vedu, pretože umožňuje kombinovať váš kód, jeho výstup a vaše myšlienky tým, že ich zapíšete do Markdown. Navyše, R Markdown dokumenty môžu byť vykreslené do výstupných formátov, ako PDF, HTML alebo Word.

Poznámka o kvízoch: Všetky kvízy sú obsiahnuté v priečinku Quiz App, celkovo 52 kvízov po tri otázky. Sú prepojené priamo z lekcií, ale aplikáciu kvízov je možné spustiť lokálne; postupujte podľa pokynov v priečinku quiz-app na lokálne hosťovanie alebo nasadenie na Azure.

Číslo lekcie	Téma	Skupina lekcií	Ciele učenia	Prepojená lekcia	Autor
01	Úvod do strojového učenia	Úvod	Naučte sa základné koncepty strojového učenia	Lekcia	Muhammad
02	História strojového učenia	Úvod	Naučte sa históriu tohto odboru	Lekcia	Jen a Amy
03	Spravodlivosť a strojové učenie	Introduction	Aké sú dôležité filozofické otázky týkajúce sa spravodlivosti, ktoré by študenti mali zvážiť pri vytváraní a aplikácii modelov strojového učenia?	Lesson	Tomomi
04	Techniky pre strojové učenie	Introduction	Aké techniky používajú výskumníci strojového učenia na vytváranie modelov strojového učenia?	Lesson	Chris a Jen
05	Úvod do regresie	Regression	Začnite s Pythonom a Scikit-learn pre regresné modely	Python • R	Jen • Eric Wanjau
06	Ceny tekvíc v Severnej Amerike 🎃	Regression	Vizualizujte a vyčistite údaje na prípravu pre strojové učenie	Python • R	Jen • Eric Wanjau
07	Ceny tekvíc v Severnej Amerike 🎃	Regression	Vytvorte lineárne a polynomiálne regresné modely	Python • R	Jen a Dmitry • Eric Wanjau
08	Ceny tekvíc v Severnej Amerike 🎃	Regression	Vytvorte logistický regresný model	Python • R	Jen • Eric Wanjau
09	Webová aplikácia 🔌	Web App	Vytvorte webovú aplikáciu na použitie vášho trénovaného modelu	Python	Jen
10	Úvod do klasifikácie	Classification	Vyčistite, pripravte a vizualizujte svoje údaje; úvod do klasifikácie	Python • R	Jen a Cassie • Eric Wanjau
11	Lahodné ázijské a indické jedlá 🍜	Classification	Úvod do klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
12	Lahodné ázijské a indické jedlá 🍜	Classification	Viac klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
13	Lahodné ázijské a indické jedlá 🍜	Classification	Vytvorte webovú aplikáciu odporúčania pomocou vášho modelu	Python	Jen
14	Úvod do zhlukovania	Clustering	Vyčistite, pripravte a vizualizujte svoje údaje; úvod do zhlukovania	Python • R	Jen • Eric Wanjau
15	Preskúmanie nigérijských hudobných chutí 🎧	Clustering	Preskúmajte metódu zhlukovania K-Means	Python • R	Jen • Eric Wanjau
16	Úvod do spracovania prirodzeného jazyka ☕️	Natural language processing	Naučte sa základy NLP vytvorením jednoduchého bota	Python	Stephen
17	Bežné úlohy NLP ☕️	Natural language processing	Prehĺbte svoje znalosti NLP pochopením bežných úloh pri práci s jazykovými štruktúrami	Python	Stephen
18	Preklad a analýza sentimentu ♥️	Natural language processing	Preklad a analýza sentimentu s Jane Austen	Python	Stephen
19	Romantické hotely v Európe ♥️	Natural language processing	Analýza sentimentu s recenziami hotelov 1	Python	Stephen
20	Romantické hotely v Európe ♥️	Natural language processing	Analýza sentimentu s recenziami hotelov 2	Python	Stephen
21	Úvod do predikcie časových radov	Time series	Úvod do predikcie časových radov	Python	Francesca
22	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov s ARIMA	Time series	Predikcia časových radov s ARIMA	Python	Francesca
23	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov s SVR	Time series	Predikcia časových radov s Support Vector Regressor	Python	Anirban
24	Úvod do posilňovacieho učenia	Reinforcement learning	Úvod do posilňovacieho učenia s Q-Learning	Python	Dmitry
25	Pomôžte Petrovi vyhnúť sa vlkovi! 🐺	Reinforcement learning	Posilňovacie učenie Gym	Python	Dmitry
Postscript	Scenáre a aplikácie strojového učenia v reálnom svete	ML in the Wild	Zaujímavé a odhaľujúce aplikácie klasického strojového učenia v reálnom svete	Lesson	Team
Postscript	Ladenie modelov strojového učenia pomocou RAI dashboardu	ML in the Wild	Ladenie modelov strojového učenia pomocou komponentov Responsible AI dashboardu	Lesson	Ruth Yakubu

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

Offline prístup

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

PDF súbory

Nájdite PDF verziu kurikula s odkazmi tu.

🎒 Ďalšie kurzy

Náš tím vytvára aj ďalšie kurzy! Pozrite si:

• Generative AI for Beginners
• Generative AI for Beginners .NET
• Generative AI with JavaScript
• Generative AI with Java
• AI for Beginners
• Data Science for Beginners
• ML for Beginners
• Cybersecurity for Beginners
• Web Dev for Beginners
• IoT for Beginners
• XR Development for Beginners
• Mastering GitHub Copilot for Paired Programming
• Mastering GitHub Copilot for C#/.NET Developers
• Choose Your Own Copilot Adventure

---