ML-For-Beginners/translations/hr

🌐 Podrška za više jezika

Podržano putem GitHub akcije (automatizirano i uvijek ažurno)

Arapski | Bengalski | Bugarski | Burmanski (Mjanmar) | Kineski (pojednostavljeni) | Kineski (tradicionalni, Hong Kong) | Kineski (tradicionalni, Makao) | Kineski (tradicionalni, Tajvan) | Hrvatski | Češki | Danski | Nizozemski | Estonski | Finski | Francuski | Njemački | Grčki | Hebrejski | Hindski | Mađarski | Indonezijski | Talijanski | Japanski | Kannada | Khmer | Korejski | Litvanski | Malajski | Malajalamski | Marati | Nepalski | Nigerijski pidžin | Norveški | Perzijski (Farsi) | Poljski | Portugalski (Brazil) | Portugalski (Portugal) | Punjabi (Gurmukhi) | Rumunjski | Ruski | Srpski (ćirilica) | Slovački | Slovenski | Španjolski | Svahili | Švedski | Tagalog (Filipinski) | Tamilski | Telugu | Tajlandski | Turski | Ukrajinski | Urdu | Vijetnamski

Preferirate li lokalno kloniranje?

Ovaj repozitorij uključuje prijevode na više od 50 jezika što značajno povećava veličinu preuzimanja. Za kloniranje bez prijevoda, koristite sparse checkout:

Bash / macOS / Linux:

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'

CMD (Windows):

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"

Ovo vam daje sve što vam je potrebno za dovršetak tečaja s znatno bržim preuzimanjem.

Pridružite se našoj zajednici

Imamo aktivnu Discord seriju učenja s AI, saznajte više i pridružite nam se na Learn with AI Series od 18. do 30. rujna 2025. Dobit ćete savjete i trikove za korištenje GitHub Copilota za podatkovnu znanost.

Strojno učenje za početnike - Nastavni plan

🌍 Putujte po svijetu dok istražujemo strojno učenje putem svjetskih kultura 🌍

Cloud Advocates u Microsoftu s ponosom nude 12-tjedni, 26-lekcijski nastavni plan posvećen Strojnom učenju. U ovom nastavnom planu naučit ćete ono što se ponekad naziva klasičnim strojnim učenjem, koristeći uglavnom biblioteku Scikit-learn i izbjegavajući duboko učenje, koje je obrađeno u našem nastavnom planu AI za početnike. Također kombinirajte ove lekcije s našim nastavnim planom 'Data Science for Beginners'!

Putujte s nama po svijetu dok primjenjujemo ove klasične tehnike na podatke iz mnogih dijelova svijeta. Svaka lekcija uključuje pre- i post-lekcijske kvizove, pisane upute za dovršetak lekcije, rješenje, zadatak i više. Naša pedagoška metoda temeljena na projektima omogućuje vam učenje kroz izgradnju, dokazani način da nove vještine "ostanu".

✍️ Srdačne zahvale 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

🎨 Zahvale također i našim ilustratorima Tomomi Imura, Dasani Madipalli i Jen Looper

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

🤩 Posebno hvala Microsoft Student Ambassadorima Eric Wanjau, Jasleen Sondhi i Vidushi Gupta za naše R lekcije!

Početak rada

Slijedite ove korake:

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

💡 Savjet za brz početak: Želite li započeti u pregledniku bez lokalnog postavljanja Pythona? Koristite GitHub Codespaces za stvaranje razvojne cloud okoline za vaš fork. Otvorite zeleni izbornik Code, odaberite Codespaces i kreirajte codespace; instalirajte potrebne ovisnosti za svaku lekciju unutar njega po potrebi.

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

🔧 Trebate pomoć? Provjerite naš Vodič za rješavanje problema za rješenja uobičajenih problema s instalacijom, postavljanjem i izvođenjem lekcija.

Studenti, za korištenje ovog nastavnog plana, napravite fork čitavog repozitorija na svoj GitHub račun i rješavajte zadatke samostalno ili u grupi:

• Počnite s kvizom prije predavanja.
• Pročitajte predavanje i dovršite aktivnosti, zastajući i razmišljajući na svakom provjeravanju znanja.
• Pokušajte stvarati projekte razumijevajući lekcije umjesto da samo pokrećete rješenja; međutim, kod je dostupan u mapama /solution u svakoj lekciji usmjerenoj na projekte.
• Uradite kviz nakon predavanja.
• Dovršite izazov.
• Dovršite zadatak.
• Nakon dovršetka grupe lekcija, posjetite Discussion Board i „učite naglas“ ispunjavajući odgovarajući PAT obrazac. 'PAT' je Alat za procjenu napretka koji ispunjavate radi daljnjeg učenja. Također možete reagirati na druge PAT-ove kako bismo učili zajedno.

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

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

---

Video vodiči

Neke lekcije dostupne su i u obliku kratkih video zapisa. Sve ih možete pronaći u samim lekcijama ili na ML for Beginners playlisti na Microsoft Developer YouTube kanalu klikom na donju sliku.

---

Upoznajte tim

Gif by Mohit Jaisal

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

---

Pedagogija

Izabrali smo dva pedagoška principa pri izradi ovog nastavnog plana: osigurati da je praktičan i temeljen na projektima te da uključuje česte kvizove. Osim toga, ovaj nastavni plan ima zajedničku temu koja mu daje koheziju.

Osiguravanjem da sadržaj bude usklađen s projektima, proces učenja je zanimljiviji za učenike i povećava se zadržavanje koncepata. Također, kviz s niskim ulozima prije nastave postavlja namjeru učenika da uči određenu temu, dok drugi kviz nakon nastave osigurava dodatno zadržavanje. Ovaj nastavni plan je dizajniran da bude fleksibilan i zabavan te se može odraditi u cijelosti ili djelomično. Projekti započinju jednostavno i postaju sve složeniji do kraja 12-tjednog ciklusa. Nastavni plan također uključuje posvjetu o stvarnim primjenama strojnog učenja, koja se može koristiti kao dodatni bodovi ili kao osnova za diskusiju.

Pronađite naš Kodeks ponašanja, Doprinos, Prijevodi i Vodič za rješavanje problema. Dobrodošli su vaši konstruktivni komentari!

Svaka lekcija uključuje

• opcionalnu skicu bilješki
• opcionalni dodatni video
• video vodič (samo u nekim lekcijama)
• pre-lecture warmup kviz
• pisanu lekciju
• za lekcije temeljene na projektima, korak-po-korak vodiče kako izgraditi projekt
• provjere znanja
• izazov
• dodatna literatura
• zadatak
• post-lecture kviz

Napomena o jezicima: Lekcije su prvenstveno napisane u Pythonu, ali mnoge su dostupne i u R. Za dovršetak R lekcije, otiđite u mapu /solution i potražite R lekcije. One sadrže ekstenziju .rmd koja predstavlja R Markdown datoteku, što se može jednostavno definirati kao ugradnja kôd blokova (R ili drugih jezika) i YAML zaglavlja (koje vodi kako formatirati izlaze poput PDF-a) u Markdown dokument. Kao takav, služi kao izvrsni autorni okvir za podatkovnu znanost jer vam omogućuje da kombinirate svoj kod, njegov izlaz i svoje misli bilježeći ih u Markdownu. Nadalje, R Markdown dokumenti mogu se generirati u izlazne formate poput PDF-a, HTML-a ili Worda.

Napomena o kvizovima: Svi kvizovi nalaze se u Quiz App mapi, ukupno 52 kviza sa po tri pitanja svaki. Povezani su unutar lekcija, ali se Quiz app može pokrenuti lokalno; slijedite upute u mapi quiz-app za lokalni hosting ili distribuciju na Azure.

Broj lekcije	Tema	Grupiranje lekcija	Ciljevi učenja	Povezana lekcija	Autor
01	Uvod u strojno učenje	Introduction	Naučite osnovne pojmove iza strojnog učenja	Lesson	Muhammad
02	Povijest strojnog učenja	Introduction	Naučite povijest koja stoji iza ovog područja	Lesson	Jen and Amy
03	Pravednost i strojno učenje	Introduction	Koja su važna filozofska pitanja vezana uz pravednost koje studenti trebaju razmotriti prilikom izgradnje i primjene modela strojnog učenja?	Lesson	Tomomi
04	Tehnike za strojno učenje	Introduction	Koje tehnike istraživači strojnog učenja koriste za izgradnju modela strojnog učenja?	Lesson	Chris and Jen
05	Uvod u regresiju	Regression	Počnite s Python i Scikit-learn za regresijske modele	Python • R	Jen • Eric Wanjau
06	Cijene bundeva u Sjevernoj Americi 🎃	Regression	Vizualizirajte i očistite podatke u pripremi za strojno učenje	Python • R	Jen • Eric Wanjau
07	Cijene bundeva u Sjevernoj Americi 🎃	Regression	Izgradite linearne i polinomne regresijske modele	Python • R	Jen and Dmitry • Eric Wanjau
08	Cijene bundeva u Sjevernoj Americi 🎃	Regression	Izgradite model logističke regresije	Python • R	Jen • Eric Wanjau
09	Web aplikacija 🔌	Web App	Izgradite web aplikaciju za korištenje vašeg istreniranog modela	Python	Jen
10	Uvod u klasifikaciju	Classification	Očistite, pripremite i vizualizirajte svoje podatke; uvod u klasifikaciju	Python • R	Jen and Cassie • Eric Wanjau
11	Ukusne azijske i indijske kuhinje 🍜	Classification	Uvod u klasifikatore	Python • R	Jen and Cassie • Eric Wanjau
12	Ukusne azijske i indijske kuhinje 🍜	Classification	Više klasifikatora	Python • R	Jen and Cassie • Eric Wanjau
13	Ukusne azijske i indijske kuhinje 🍜	Classification	Izgradite preporučiteljsku web aplikaciju koristeći vaš model	Python	Jen
14	Uvod u klasteriranje	Clustering	Očistite, pripremite i vizualizirajte svoje podatke; uvod u klasteriranje	Python • R	Jen • Eric Wanjau
15	Istraživanje nigerijskih glazbenih ukusa 🎧	Clustering	Istražite K-Means metodu klasteriranja	Python • R	Jen • Eric Wanjau
16	Uvod u obradu prirodnog jezika ☕️	Natural language processing	Naučite osnove NLP-a izradeći jednostavnog bota	Python	Stephen
17	Uobičajeni NLP zadaci ☕️	Natural language processing	Produbite svoje NLP znanje razumijevanjem uobičajenih zadataka potrebnih za rad s jezičnim strukturama	Python	Stephen
18	Prevođenje i analiza sentimenta ♥️	Natural language processing	Prevođenje i analiza sentimenta s Jane Austen	Python	Stephen
19	Romantični hoteli Europe ♥️	Natural language processing	Analiza sentimenta s recenzijama hotela 1	Python	Stephen
20	Romantični hoteli Europe ♥️	Natural language processing	Analiza sentimenta s recenzijama hotela 2	Python	Stephen
21	Uvod u vremenske serije	Time series	Uvod u predviđanje vremenskih serija	Python	Francesca
22	⚡️ Korištenje električne energije u svijetu ⚡️ - predviđanje vremenskih serija s ARIMA	Time series	Predviđanje vremenskih serija s ARIMA	Python	Francesca
23	⚡️ Korištenje električne energije u svijetu ⚡️ - predviđanje vremenskih serija sa SVR	Time series	Predviđanje vremenskih serija s regresorom potpornih vektora	Python	Anirban
24	Uvod u učenje učvršćivanjem	Reinforcement learning	Uvod u učenje učvršćivanjem s Q-Learningom	Python	Dmitry
25	Pomozi Petru izbjeći vuka! 🐺	Reinforcement learning	Učenje učvršćivanjem u Gym-u	Python	Dmitry
Postscript	Stvarni scenariji i primjene strojnog učenja	ML in the Wild	Zanimljive i otkrivajuće stvarne primjene klasičnog strojnog učenja	Lesson	Team
Postscript	Otklanjanje pogrešaka modela u strojnog učenja koristeći RAI nadzornu ploču	ML in the Wild	Otklanjanje pogrešaka modela u strojnog učenja koristeći odgovorne AI komponente nadzorne ploče	Lesson	Ruth Yakubu

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

Pristup bez interneta

Možete pokrenuti ovu dokumentaciju offline koristeći Docsify. Forkajte ovaj repo, instalirajte Docsify na svojem lokalnom računalu, a zatim u korijenskoj mapi ovog repozitorija upišite docsify serve. Web stranica će biti servirana 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:

LangChain

Azure / Edge / MCP / Agenti

---

Serija generativne umjetne inteligencije

---

Temeljno učenje

---

Serija Copilot

Dobivanje pomoći

Ako zapnete ili imate pitanja tijekom učenja strojnog učenja ili izrade AI aplikacija, ne brinite — pomoć je dostupna.

Možete se pridružiti raspravama s drugim učenicima i programerima, postavljati pitanja i dijeliti svoje ideje s zajednicom.

• Pridružite se zajednici za postavljanje pitanja i učenje s drugima
• Raspravljajte o pojmovima strojnog učenja i idejama za projekte
• Dobijte smjernice od iskusnih programera

Podržavajuća zajednica izvrstan je način za razvoj vještina i brže rješavanje problema.

Microsoft Foundry Discord zajednica

Ako naiđete na greške, pogreške ili imate prijedloge za poboljšanja, također možete otvoriti Issue u ovom repozitoriju za prijavu problema.

Za povratne informacije o proizvodu ili pretraživanje postojećih objava zajednice, posjetite Forum za programere:

Dodatni savjeti za učenje

• Pregledavajte bilježnice nakon svakog poglavlja radi boljeg razumijevanja.
• Vježbajte implementaciju algoritama samostalno.
• Istražite stvarne skupove podataka koristeći naučene koncepte.

---

Napomena: Ovaj dokument je preveden korištenjem AI prevoditeljskog servisa Co-op Translator. Iako težimo točnosti, imajte na umu da automatski prijevodi mogu sadržavati greške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati autoritativnim izvorom. Za važne informacije preporuča se profesionalni ljudski prijevod. Nismo odgovorni za bilo kakva nesporazumevanja ili pogrešne interpretacije koje proizlaze iz korištenja ovog prijevoda.