ML-For-Beginners/translations/sk

🌐 Podpora viacerých jazykov

Podporované cez GitHub Action (automatizované a vždy aktuálne)

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

Preferujete klonovanie lokálne?

Tento repozitár obsahuje viac ako 50 jazykových prekladov, čo výrazne zväčšuje veľkosť sťahovania. Ak chcete klonovať bez prekladov, použite 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"

Toto vám poskytne všetko potrebné na dokončenie kurzu s oveľa rýchlejším sťahovaním.

Pridajte sa k našej komunite

Máme prebiehajúcu sériu "Learn with AI" na Discorde, dozviete sa viac a pridajte sa k nám na Learn with AI Series od 18. do 30. septembra 2025. Získate tipy a triky používania GitHub Copilot pre Data Science.

Strojové učenie pre začiatočníkov – učebný plán

🌍 Cestujte po svete, zatiaľ čo preskúmavame Strojové učenie prostredníctvom svetových kultúr 🌍

Cloud Advokáti v Microsoft s potešením ponúkajú 12-týždňový, 26-lekčný učebný plán venovaný Strojovému učeniu. V tomto učebnom pláne sa naučíte, čo sa niekedy nazýva klasické strojové učenie, využívajúc hlavne knižnicu Scikit-learn a vyhnúc sa hlbokému učeniu, ktoré je pokryté v našom učebnom pláne AI pre začiatočníkov. Tieto lekcie tiež porovnajte s naším učebným plánom Zvuky pre začiatočníkov!

Cestujte s nami po svete, keď aplikujeme tieto klasické techniky na dáta z rôznych oblastí sveta. Každá lekcia obsahuje kvízy pred a po lekcii, písomné inštrukcie na dokončenie lekcie, riešenie, úlohu a ďalšie. Naša projektová pedagogika vám umožní učiť sa pri tvorbe, čo je osvedčený spôsob, ako sa nové zručnosti lepšie zapamätajú.

✍️ Srdečná vďaka 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

🎨 Ďakujeme tiež našim ilustrátorom Tomomi Imura, Dasani Madipalli a Jen Looper

🙏 Špeciálna vďaka 🙏 patrí 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 poďakovanie patrí Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi a Vidushi Gupta za naše lekcie v R!

Začíname

Postupujte podľa týchto krokov:

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

💡 Rýchly tip na štart: Chcete začať v prehliadači bez lokálnej inštalácie Pythonu? Použite GitHub Codespaces na vytvorenie cloudového vývojového prostredia pre váš fork. Otvorte zelené menu Code, vyberte Codespaces a vytvorte codespace; podľa potreby v ňom nainštalujte závislosti každej lekcie.

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

🔧 Potrebujete pomoc? Prezrite si náš sprievodca riešením problémov pre bežné problémy so inštaláciou, nastavením a spúšťaním lekcií.

Študenti, aby ste mohli používať tento učebný plán, vytvorte si fork celého repozitára na svoj vlastný GitHub účet a absolvujte cvičenia sami alebo v skupine:

• Začnite predprednáškovým kvízom.
• Prečítajte si prednášku a dokončite aktivity, zastavujte sa a rozmýšľajte pri každej kontrole vedomostí.
• Pokúste sa vytvoriť projekty na základe pochopenia lekcií, namiesto spúšťania kódu riešenia; tento kód je však k dispozícii v priečinkoch /solution každej projektovo orientovanej lekcie.
• Absolvujte postprednáškový kvíz.
• Dokončite výzvu.
• Dokončite zadanie.
• Po dokončení skupiny lekcií navštívte Diskusné fórum a "učte sa nahlas" vyplnením vhodnej rubriky PAT. PAT je nástroj na hodnotenie pokroku, ktorý vypĺňate na podporu svojho učenia. Môžete tiež reagovať na iné PAT, aby sme sa mohli učiť spoločne.

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

Učitelia, pridali sme niektoré návrhy na využitie tohto učebného plánu.

---

Video prechádzky

Niektoré lekcie sú dostupné ako krátke video. Všetky nájdete priamo v lekciách alebo na playliste ML for Beginners na Microsoft Developer YouTube kanáli 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 tohto učebného plánu sme zvolili dve pedagogické zásady: zabezpečenie, že je to praktické a projektovo orientované a že obsahuje časté kvízy. Okrem toho má tento učebný plán spoločnú tému, ktorá mu dodáva zjednocujúci prvok.

Zabezpečením toho, že obsah súvisí s projektmi, sa proces vyučovania stáva pre študentov zaujímavejším a zlepšuje sa uchovávanie pojmov. Okrem toho kvíz s nízkym stávkovým rizikom pred lekciou nastolí zámer študenta učiť sa danú tému, zatiaľ čo druhý kvíz po lekcii zabezpečuje ďalšie zapamätanie. Tento učebný plán bol vytvorený tak, aby bol flexibilný a zábavný, a možno ho absolvovať celý alebo čiastočne. Projekty začínajú malé a koncom 12-týždňového cyklu sa stávajú čoraz komplexnejšími. Kurz zahŕňa aj dodatok o reálnych aplikáciách ML, ktorý možno využiť ako extra kredit alebo ako základ pre diskusiu.

Nájdite naše usmernenia Code of Conduct, Contributing, Translations a Troubleshooting. Radi prijímame vašu konštruktívnu spätnú väzbu!

Každá lekcia obsahuje

• voliteľnú skicu poznámok
• voliteľné doplnkové video
• video prechádzku (len niektoré lekcie)
• kvíz na rozcvičku pred lekciou
• písomnú lekciu
• pre projektovo orientované lekcie, krok-za-krokom návody, ako vytvoriť projekt
• kontroly vedomostí
• výzvu
• doplnkové čítanie
• zadanie
• kvíz po lekcii

Poznámka o jazykoch: Tieto lekcie sú primárne písané v Pythone, ale mnohé sú dostupné aj v R. Ak chcete dokončiť lekciu v R, choďte do priečinka /solution a vyhľadajte lekcie v R. Tie obsahujú príponu .rmd, čo predstavuje súbor R Markdown, ktorý možno jednoducho definovať ako vloženie kódových blokov (R alebo iných jazykov) a YAML hlavičky (ktorá určuje formát výstupov ako PDF) v Markdown dokumente. Tak slúži ako vzorový autorský rámec pre dátovú vedu, keďže umožňuje kombinovať kód, jeho výstup a vaše myšlienky, ktoré môžete zaznamenať v Markdown formáte. Okrem toho R Markdown dokumenty môžu byť vykreslené do formátov ako PDF, HTML alebo Word.

Poznámka o kvízoch: Všetky kvízy sú obsiahnuté v priečinku Quiz App, celkovo je to 52 kvízov so 3 otázkami každý. Sú prepojené z lekcií, ale kvízovú aplikáciu možno spustiť lokálne; postupujte podľa inštrukcií v priečinku quiz-app, aby ste ju mohli spustiť lokálne alebo nasadiť 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	Zoznámte sa s históriou, ktorá stojí za touto oblasťou	Lekcia	Jen a Amy
03	Spravodlivosť a strojové učenie	Úvod	Aké sú dôležité filozofické otázky okolo spravodlivosti, ktoré by študenti mali zvážiť pri budovaní a aplikovaní ML modelov?	Lekcia	Tomomi
04	Techniky pre strojové učenie	Úvod	Aké techniky používa výskum ML na budovanie ML modelov?	Lekcia	Chris a Jen
05	Úvod do regresie	Regresia	Začnite s Python a Scikit-learn pre regresné modely	Python • R	Jen • Eric Wanjau
06	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Vizualizujte a vyčistite dáta na prípravu pre ML	Python • R	Jen • Eric Wanjau
07	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Vytvorte lineárne a polynomiálne regresné modely	Python • R	Jen a Dmitry • Eric Wanjau
08	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Postavte logistický regresný model	Python • R	Jen • Eric Wanjau
09	Webová aplikácia 🔌	Web app	Postavte webovú aplikáciu na použitie vášho vytrénovaného modelu	Python	Jen
10	Úvod do klasifikácie	Klasifikácia	Vyčistite, pripravte a vizualizujte svoje dáta; úvod do klasifikácie	Python • R	Jen a Cassie • Eric Wanjau
11	Vynikajúce ázijské a indické kuchyne 🍜	Klasifikácia	Úvod do klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
12	Vynikajúce ázijské a indické kuchyne 🍜	Klasifikácia	Viac klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
13	Vynikajúce ázijské a indické kuchyne 🍜	Klasifikácia	Postavte webovú aplikáciu na odporúčanie používajúcu váš model	Python	Jen
14	Úvod do zhlukovania	Zhlukovanie	Vyčistite, pripravte a vizualizujte svoje dáta; úvod do zhlukovania	Python • R	Jen • Eric Wanjau
15	Objavovanie nigerijských hudobných chutí 🎧	Zhlukovanie	Preskúmajte K-Means metódu zhlukovania	Python • R	Jen • Eric Wanjau
16	Úvod do spracovania prirodzeného jazyka ☕️	Spracovanie prirodzeného jazyka	Naučte sa základy NLP vytvorením jednoduchého bota	Python	Stephen
17	Bežné úlohy NLP ☕️	Spracovanie prirodzeného jazyka	Prehĺbte svoje znalosti NLP porozumením bežných úloh potrebných pri práci s jazykovými štruktúrami	Python	Stephen
18	Preklad a analýza sentimentu ♥️	Spracovanie prirodzeného jazyka	Preklad a analýza sentimentu s Jane Austen	Python	Stephen
19	Romantické hotely v Európe ♥️	Spracovanie prirodzeného jazyka	Analýza sentimentu na základe recenzií hotelov 1	Python	Stephen
20	Romantické hotely v Európe ♥️	Spracovanie prirodzeného jazyka	Analýza sentimentu na základe recenzií hotelov 2	Python	Stephen
21	Úvod do predikcie časových radov	Časové rady	Úvod do predikcie časových radov	Python	Francesca
22	⚡️ Svetová spotreba energie ⚡️ – predikcia časových radov s ARIMA	Časové rady	Predikcia časových radov pomocou ARIMA	Python	Francesca
23	⚡️ Svetová spotreba energie ⚡️ – predikcia časových radov s SVR	Časové rady	Predikcia časových radov pomocou Support Vector Regressor	Python	Anirban
24	Úvod do posilňovacieho učenia	Posilňovacie učenie	Úvod do posilňovacieho učenia s Q-Learning	Python	Dmitry
25	Pomôžte Petrovi vyhnúť sa vlkovi! 🐺	Posilňovacie učenie	Posilňovacie učenie Gym	Python	Dmitry
Postscript	Skutočné scenáre a aplikácie ML v praxi	ML v teréne	Zaujímavé a poučné reálne aplikácie klasického ML	Lekcia	Tím
Postscript	Ladenie modelu v ML pomocou RAI dashboardu	ML v teréne	Ladenie modelu v strojovom učení pomocou komponentov dashboardu Responsible AI	Lekcia	Ruth Yakubu

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

Offline prístup

Túto dokumentáciu môžete spustiť offline pomocou Docsify. Vytvorte si fork tohto repozitára, nainštalujte Docsify na svojom lokálnom zariadení a potom v koreňovom adresári tohto repozitára zadajte príkaz docsify serve. Webová stránka bude dostupná na porte 3000 na vašom localhoste: localhost:3000.

PDF súbory

Nájdite pdf osnovy s odkazmi tu.

🎒 Iné kurzy

Náš tím vytvára aj iné kurzy! Pozrite si:

LangChain

Azure / Edge / MCP / Agentov

---

Séria Generatívnej AI

---

Základy vzdelávania

---

Séria Copilot

Získanie pomoci

Ak sa zaseknete alebo máte otázky počas učenia strojového učenia alebo tvorby AI aplikácií, nebojte sa — pomoc je k dispozícii.

Môžete sa pripojiť do diskusií s inými študentmi a vývojármi, klásť otázky a zdieľať svoje nápady s komunitou.

• Pripojte sa ku komunite, aby ste kládli otázky a učili sa spolu s ostatnými
• Diskutujte o konceptoch strojového učenia a nápadoch na projekty
• Získajte rady od skúsených vývojárov

Podporná komunita je skvelý spôsob, ako rozvíjať svoje schopnosti a riešiť problémy rýchlejšie.

Microsoft Foundry Discord Community

Ak narazíte na chyby, problémy alebo máte návrhy na zlepšenia, môžete tiež otvoriť problém v tomto repozitári, aby ste nahlásili problém.

Pre spätnú väzbu k produktu alebo na vyhľadávanie existujúcich príspevkov komunity, navštívte Vývojárske fórum:

Dodatočné tipy na učenie

• Po každej lekcii si prejdite poznámkové bloky pre lepšie porozumenie.
• Trénujte implementáciu algoritmov sami.
• Preskúmajte reálne dátové súbory pomocou naučených konceptov.

---

Vyhlásenie o zodpovednosti: Tento dokument bol preložený pomocou AI prekladateľskej služby Co-op Translator. Hoci sa snažíme o presnosť, vezmite prosím na vedomie, že automatické preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho natívnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nie sme zodpovední za žiadne nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.