ML-For-Beginners/translations/sr

🌐 Подршка за више језика

Подржано преко GitHub Action (аутоматски и увек ажурирано)

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)

Придружите се нашој заједници

Имамо серију учења са AI на Discord-у, сазнајте више и придружите нам се на Learn with AI Series од 18. до 30. септембра 2025. Добићете савете и трикове за коришћење GitHub Copilot-а за Data Science.

Машинско учење за почетнике - Курикулум

🌍 Путујте око света док истражујемо машинско учење кроз културе света 🌍

Cloud Advocates у Microsoft-у са задовољством нуде 12-недељни, 26-лекцијски курикулум о машинском учењу. У овом курикулуму, научићете о ономе што се понекад назива класично машинско учење, користећи углавном библиотеку Scikit-learn и избегавајући дубоко учење, које је покривено у нашем AI за почетнике курикулуму. Упарите ове лекције са нашим 'Data Science за почетнике' курикулумом, такође!

Путујте са нама око света док примењујемо ове класичне технике на податке из различитих делова света. Свака лекција укључује квизове пре и после лекције, писана упутства за завршетак лекције, решење, задатак и још много тога. Наш приступ заснован на пројектима омогућава вам да учите кроз изградњу, доказан начин да нове вештине остану трајне.

✍️ Срдачна захвалност нашим ауторима Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu и Amy Boyd

🎨 Захвалност нашим илустраторима Tomomi Imura, Dasani Madipalli и Jen Looper

🙏 Посебна захвалност 🙏 нашим Microsoft Student Ambassador ауторима, рецензентима и доприносима садржају, посебно Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila и Snigdha Agarwal

🤩 Додатна захвалност Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi и Vidushi Gupta за наше R лекције!

Почетак

Пратите ове кораке:

1. Fork репозиторијум: Кликните на дугме "Fork" у горњем десном углу ове странице.
2. Clone репозиторијум: git clone https://github.com/microsoft/ML-For-Beginners.git

пронађите све додатне ресурсе за овај курс у нашој Microsoft Learn колекцији

Студенти, да бисте користили овај курикулум, направите fork целог репозиторијума на свој GitHub налог и завршите вежбе сами или у групи:

• Почните са квизом пре предавања.
• Прочитајте предавање и завршите активности, паузирајући и размишљајући на сваком провери знања.
• Покушајте да креирате пројекте разумевањем лекција уместо покретања решења кода; међутим, тај код је доступан у /solution фолдерима у свакој лекцији заснованој на пројекту.
• Урадите квиз после предавања.
• Завршите изазов.
• Завршите задатак.
• Након завршетка групе лекција, посетите Discussion Board и "учите гласно" попуњавањем одговарајућег PAT рубрика. 'PAT' је алат за процену напретка који је рубрика коју попуњавате да бисте унапредили своје учење. Такође можете реаговати на друге PAT-ове како бисмо заједно учили.

За даље учење, препоручујемо праћење ових Microsoft Learn модула и путева учења.

Наставници, укључили смо неке предлоге о томе како да користите овај курикулум.

---

Видео водичи

Неке лекције су доступне као кратки видео записи. Све их можете пронаћи унутар лекција или на ML за почетнике плејлисти на Microsoft Developer YouTube каналу кликом на слику испод.

---

Упознајте тим

Gif by Mohit Jaisal

🎥 Кликните на слику изнад за видео о пројекту и људима који су га креирали!

---

Педагошки приступ

Изабрали смо два педагошка принципа приликом креирања овог курикулума: осигурање да је практичан заснован на пројектима и да укључује честе квизове. Поред тога, овај курикулум има заједничку тему која му даје кохезију.

Осигуравањем да садржај одговара пројектима, процес постаје занимљивији за студенте, а задржавање концепата ће бити побољшано. Поред тога, квиз са ниским ризиком пре часа поставља намеру студента ка учењу теме, док други квиз након часа осигурава даље задржавање. Овај курикулум је дизајниран да буде флексибилан и забаван и може се узети у целини или делимично. Пројекти почињу малим и постају све сложенији до краја 12-недељног циклуса. Овај курикулум такође укључује постскриптум о стварним апликацијама ML-а, који се може користити као додатни кредит или као основа за дискусију.

Пронађите наш Code of Conduct, Contributing, и Translation смернице. Добродошли сте да нам дате конструктивне повратне информације!

Свака лекција укључује

• опционални скетч
• опционални допунски видео
• видео водич (само неке лекције)
• квиз за загревање пре предавања
• писану лекцију
• за лекције засноване на пројектима, водиче корак по корак како изградити пројекат
• провере знања
• изазов
• допунско читање
• задатак
• квиз после предавања

Напомена о језицима: Ове лекције су углавном написане на Python-у, али многе су доступне и на R-у. Да бисте завршили R лекцију, идите у /solution фолдер и потражите R лекције. Оне укључују .rmd екстензију која представља R Markdown фајл који се може једноставно дефинисати као уграђивање code chunks (R или других језика) и YAML header (који води како форматирати излаз као PDF) у Markdown документ. Као такав, служи као примерни оквир за ауторство у науци о подацима јер вам омогућава да комбинујете свој код, његов излаз и своје мисли тако што вам дозвољава да их запишете у Markdown-у. Штавише, R Markdown документи могу бити рендеровани у излазне формате као што су PDF, HTML или Word.

Напомена о квизовима: Сви квизови су садржани у Quiz App фолдеру, за укупно 52 квиза са по три питања. Они су повезани из лекција, али апликација за квиз може се покренути локално; пратите упутства у quiz-app фолдеру за локално хостовање или Azure деплој.

Број лекције	Тема	Група лекција	Циљеви учења	Повезана лекција	Аутор
01	Увод у машинско учење	Увод	Научите основне концепте машинског учења	Лекција	Muhammad
02	Историја машинског учења	Увод	Научите историју која лежи у основи ове области	Лекција	Jen и Amy
03	Праведност и машинско учење	Introduction	Која су важна филозофска питања о праведности која студенти треба да размотре приликом креирања и примене ML модела?	Lesson	Томоми
04	Технике за машинско учење	Introduction	Које технике истраживачи користе за креирање ML модела?	Lesson	Крис и Џен
05	Увод у регресију	Regression	Почните са Python-ом и Scikit-learn-ом за регресионе моделе	Python • R	Џен • Ерик Ванџау
06	Цене бундева у Северној Америци 🎃	Regression	Визуализујте и очистите податке у припреми за ML	Python • R	Џен • Ерик Ванџау
07	Цене бундева у Северној Америци 🎃	Regression	Креирајте линеарне и полиномне регресионе моделе	Python • R	Џен и Дмитриј • Ерик Ванџау
08	Цене бундева у Северној Америци 🎃	Regression	Креирајте логистички регресиони модел	Python • R	Џен • Ерик Ванџау
09	Веб апликација 🔌	Web App	Креирајте веб апликацију за коришћење вашег обученог модела	Python	Џен
10	Увод у класификацију	Classification	Очистите, припремите и визуализујте податке; увод у класификацију	Python • R	Џен и Кеси • Ерик Ванџау
11	Укусна азијска и индијска кухиња 🍜	Classification	Увод у класификаторе	Python • R	Џен и Кеси • Ерик Ванџау
12	Укусна азијска и индијска кухиња 🍜	Classification	Више класификатора	Python • R	Џен и Кеси • Ерик Ванџау
13	Укусна азијска и индијска кухиња 🍜	Classification	Креирајте веб апликацију за препоруке користећи ваш модел	Python	Џен
14	Увод у кластерисање	Clustering	Очистите, припремите и визуализујте податке; увод у кластерисање	Python • R	Џен • Ерик Ванџау
15	Истраживање музичког укуса у Нигерији 🎧	Clustering	Истражите метод K-Means кластерисања	Python • R	Џен • Ерик Ванџау
16	Увод у обраду природног језика ☕️	Natural language processing	Научите основе NLP креирањем једноставног бота	Python	Стивен
17	Уобичајени NLP задаци ☕️	Natural language processing	Продубите своје знање о NLP-у разумејући уобичајене задатке у раду са језичким структурама	Python	Стивен
18	Превод и анализа сентимента ♥️	Natural language processing	Превод и анализа сентимента са делима Џејн Остин	Python	Стивен
19	Романтични хотели у Европи ♥️	Natural language processing	Анализа сентимента са рецензијама хотела 1	Python	Стивен
20	Романтични хотели у Европи ♥️	Natural language processing	Анализа сентимента са рецензијама хотела 2	Python	Стивен
21	Увод у прогнозирање временских серија	Time series	Увод у прогнозирање временских серија	Python	Франческа
22	⚡️ Светска потрошња енергије ⚡️ - прогнозирање временских серија са ARIMA	Time series	Прогнозирање временских серија са ARIMA	Python	Франческа
23	⚡️ Светска потрошња енергије ⚡️ - прогнозирање временских серија са SVR	Time series	Прогнозирање временских серија са подршком векторског регресора	Python	Анирбан
24	Увод у учење појачањем	Reinforcement learning	Увод у учење појачањем са Q-Learning	Python	Дмитриј
25	Помозите Петру да избегне вука! 🐺	Reinforcement learning	Учење појачањем у Gym	Python	Дмитриј
Постскриптум	Реални сценарији и примене машинског учења	ML in the Wild	Занимљиве и откривајуће примене класичног ML	Lesson	Тим
Постскриптум	Отклањање грешака у ML моделима помоћу RAI контролне табле	ML in the Wild	Отклањање грешака у машинском учењу помоћу компоненти контролне табле за одговорну вештачку интелигенцију	Lesson	Рут Јакубу

пронађите све додатне ресурсе за овај курс у нашој Microsoft Learn колекцији

Офлајн приступ

Можете покренути ову документацију офлајн користећи Docsify. Форкујте овај репо, инсталирајте Docsify на вашој локалној машини, а затим у коренском фолдеру овог репоа укуцајте docsify serve. Вебсајт ће бити доступан на порту 3000 на вашем localhost-у: localhost:3000.

PDF-ови

Пронађите PDF наставног плана са линковима овде.

🎒 Остали курсеви

Наш тим производи и друге курсеве! Погледајте:

• Генеративна вештачка интелигенција за почетнике
• Генеративна вештачка интелигенција за почетнике .NET
• Генеративна вештачка интелигенција са JavaScript-ом
• Генеративна вештачка интелигенција са Java-ом
• Вештачка интелигенција за почетнике
• Наука о подацима за почетнике
• Машинско учење за почетнике
• Сајбер безбедност за почетнике
• Веб развој за почетнике
• Интернет ствари за почетнике
• XR развој за почетнике
• Савладавање GitHub Copilot-а за парно програмирање
• Савладавање GitHub Copilot-а за C#/.NET програмере
• Изаберите своју авантуру са Copilot-ом

---