leestott
9891ce9ee2
|
8 months ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 8 months ago | |
| 2-Regression | 8 months ago | |
| 3-Web-App | 8 months ago | |
| 4-Classification | 8 months ago | |
| 5-Clustering | 8 months ago | |
| 6-NLP | 8 months ago | |
| 7-TimeSeries | 8 months ago | |
| 8-Reinforcement | 8 months ago | |
| 9-Real-World | 8 months ago | |
| docs | 8 months ago | |
| quiz-app | 8 months ago | |
| sketchnotes | 8 months ago | |
| CODE_OF_CONDUCT.md | 8 months ago | |
| CONTRIBUTING.md | 8 months ago | |
| PyTorch_Fundamentals.ipynb | 8 months ago | |
| README.md | 8 months ago | |
| SECURITY.md | 8 months ago | |
| SUPPORT.md | 8 months ago | |
| for-teachers.md | 8 months ago | |
README.md
🌐 Dukungan Multi-Bahasa
Didukung melalui GitHub Action (Otomatis & Selalu Terbaru)
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)
Bergabunglah dengan Komunitas
Pembelajaran Mesin untuk Pemula - Kurikulum
🌍 Jelajahi dunia saat kita mempelajari Pembelajaran Mesin melalui budaya dunia 🌍
Cloud Advocates di Microsoft dengan senang hati menawarkan kurikulum 12 minggu, 26 pelajaran tentang Pembelajaran Mesin. Dalam kurikulum ini, Anda akan mempelajari apa yang kadang disebut sebagai pembelajaran mesin klasik, menggunakan Scikit-learn sebagai pustaka utama dan menghindari pembelajaran mendalam, yang dibahas dalam kurikulum AI untuk Pemula. Pasangkan pelajaran ini dengan kurikulum kami 'Data Science untuk Pemula', juga!
Jelajahi dunia bersama kami saat kami menerapkan teknik klasik ini pada data dari berbagai wilayah dunia. Setiap pelajaran mencakup kuis sebelum dan sesudah pelajaran, instruksi tertulis untuk menyelesaikan pelajaran, solusi, tugas, dan lainnya. Pendekatan berbasis proyek kami memungkinkan Anda belajar sambil membangun, cara yang terbukti untuk membuat keterampilan baru 'melekat'.
✍️ Terima kasih yang tulus kepada penulis kami Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, dan Amy Boyd
🎨 Terima kasih juga kepada ilustrator kami Tomomi Imura, Dasani Madipalli, dan Jen Looper
🙏 Terima kasih khusus 🙏 kepada penulis, pengulas, dan kontributor konten Microsoft Student Ambassador, terutama Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, dan Snigdha Agarwal
🤩 Terima kasih tambahan kepada Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, dan Vidushi Gupta untuk pelajaran R kami!
Memulai
Ikuti langkah-langkah ini:
- Fork Repository: Klik tombol "Fork" di sudut kanan atas halaman ini.
- Clone Repository:
git clone https://github.com/microsoft/ML-For-Beginners.git
temukan semua sumber daya tambahan untuk kursus ini dalam koleksi Microsoft Learn kami
Siswa, untuk menggunakan kurikulum ini, fork seluruh repo ke akun GitHub Anda sendiri dan selesaikan latihan secara mandiri atau bersama kelompok:
- Mulailah dengan kuis sebelum pelajaran.
- Baca pelajaran dan selesaikan aktivitas, berhenti dan refleksi pada setiap pemeriksaan pengetahuan.
- Cobalah untuk membuat proyek dengan memahami pelajaran daripada menjalankan kode solusi; namun kode tersebut tersedia di folder
/solutiondi setiap pelajaran berbasis proyek. - Ikuti kuis setelah pelajaran.
- Selesaikan tantangan.
- Selesaikan tugas.
- Setelah menyelesaikan grup pelajaran, kunjungi Papan Diskusi dan "belajar dengan lantang" dengan mengisi rubrik PAT yang sesuai. 'PAT' adalah Alat Penilaian Kemajuan yang merupakan rubrik yang Anda isi untuk memperdalam pembelajaran Anda. Anda juga dapat bereaksi terhadap PAT lain sehingga kita dapat belajar bersama.
Untuk studi lebih lanjut, kami merekomendasikan mengikuti modul dan jalur pembelajaran Microsoft Learn.
Guru, kami telah menyertakan beberapa saran tentang cara menggunakan kurikulum ini.
Panduan video
Beberapa pelajaran tersedia dalam bentuk video pendek. Anda dapat menemukan semuanya di dalam pelajaran, atau di playlist ML untuk Pemula di saluran YouTube Microsoft Developer dengan mengklik gambar di bawah ini.
Kenali Tim
Gif oleh Mohit Jaisal
🎥 Klik gambar di atas untuk video tentang proyek dan orang-orang yang membuatnya!
Pedagogi
Kami telah memilih dua prinsip pedagogis saat membangun kurikulum ini: memastikan bahwa kurikulum ini berbasis proyek praktis dan mencakup kuis yang sering. Selain itu, kurikulum ini memiliki tema umum untuk memberikan kohesi.
Dengan memastikan bahwa konten selaras dengan proyek, proses pembelajaran menjadi lebih menarik bagi siswa dan retensi konsep akan meningkat. Selain itu, kuis dengan risiko rendah sebelum kelas menetapkan niat siswa untuk mempelajari topik, sementara kuis kedua setelah kelas memastikan retensi lebih lanjut. Kurikulum ini dirancang agar fleksibel dan menyenangkan serta dapat diambil secara keseluruhan atau sebagian. Proyek dimulai dari yang kecil dan menjadi semakin kompleks pada akhir siklus 12 minggu. Kurikulum ini juga mencakup postscript tentang aplikasi dunia nyata dari ML, yang dapat digunakan sebagai kredit tambahan atau sebagai dasar untuk diskusi.
Temukan Kode Etik, Kontribusi, dan panduan Terjemahan kami. Kami menyambut umpan balik konstruktif Anda!
Setiap pelajaran mencakup
- sketchnote opsional
- video tambahan opsional
- panduan video (beberapa pelajaran saja)
- kuis pemanasan sebelum pelajaran
- pelajaran tertulis
- untuk pelajaran berbasis proyek, panduan langkah demi langkah tentang cara membangun proyek
- pemeriksaan pengetahuan
- tantangan
- bacaan tambahan
- tugas
- kuis setelah pelajaran
Catatan tentang bahasa: Pelajaran ini sebagian besar ditulis dalam Python, tetapi banyak juga yang tersedia dalam R. Untuk menyelesaikan pelajaran R, buka folder
/solutiondan cari pelajaran R. Mereka menyertakan ekstensi .rmd yang mewakili file R Markdown yang dapat didefinisikan sebagai penggabungancode chunks(dari R atau bahasa lain) danYAML header(yang memandu cara memformat output seperti PDF) dalam dokumenMarkdown. Dengan demikian, ini berfungsi sebagai kerangka kerja penulisan yang luar biasa untuk ilmu data karena memungkinkan Anda menggabungkan kode Anda, outputnya, dan pemikiran Anda dengan memungkinkan Anda menuliskannya dalam Markdown. Selain itu, dokumen R Markdown dapat dirender ke format output seperti PDF, HTML, atau Word.
Catatan tentang kuis: Semua kuis terdapat dalam folder Aplikasi Kuis, dengan total 52 kuis masing-masing tiga pertanyaan. Mereka terhubung dari dalam pelajaran tetapi aplikasi kuis dapat dijalankan secara lokal; ikuti instruksi di folder
quiz-appuntuk meng-host secara lokal atau menerapkan ke Azure.
| Nomor Pelajaran | Topik | Kelompok Pelajaran | Tujuan Pembelajaran | Pelajaran Terkait | Penulis |
|---|---|---|---|---|---|
| 01 | Pengantar pembelajaran mesin | Pengantar | Pelajari konsep dasar di balik pembelajaran mesin | Pelajaran | Muhammad |
| 02 | Sejarah pembelajaran mesin | Pengantar | Pelajari sejarah yang mendasari bidang ini | Pelajaran | Jen dan Amy |
| 03 | Keadilan dalam pembelajaran mesin | Pengantar | Apa saja isu filosofis penting tentang keadilan yang harus dipertimbangkan siswa saat membangun dan menerapkan model ML? | Pelajaran | Tomomi |
| 04 | Teknik untuk pembelajaran mesin | Introduction | Teknik apa yang digunakan peneliti ML untuk membangun model ML? | Lesson | Chris dan Jen |
| 05 | Pengantar regresi | Regression | Mulai dengan Python dan Scikit-learn untuk model regresi |
- [Python](2-Regression/1-Tools/README.md)
- [R](../../2-Regression/1-Tools/solution/R/lesson_1.html)
- Jen
- Eric Wanjau
- [Python](2-Regression/2-Data/README.md)
- [R](../../2-Regression/2-Data/solution/R/lesson_2.html)
- Jen
- Eric Wanjau
- [Python](2-Regression/3-Linear/README.md)
- [R](../../2-Regression/3-Linear/solution/R/lesson_3.html)
- Jen dan Dmitry
- Eric Wanjau
- [Python](2-Regression/4-Logistic/README.md)
- [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)
- Jen
- Eric Wanjau
- [Python](4-Classification/1-Introduction/README.md)
- [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) |
- Jen dan Cassie
- Eric Wanjau
- [Python](4-Classification/2-Classifiers-1/README.md)
- [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
- Jen dan Cassie
- Eric Wanjau
- [Python](4-Classification/3-Classifiers-2/README.md)
- [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
- Jen dan Cassie
- Eric Wanjau
- [Python](5-Clustering/1-Visualize/README.md)
- [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) |
- Jen
- Eric Wanjau
- [Python](5-Clustering/2-K-Means/README.md)
- [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) |
- Jen
- Eric Wanjau
temukan semua sumber daya tambahan untuk kursus ini di koleksi Microsoft Learn kami
Akses offline
Anda dapat menjalankan dokumentasi ini secara offline dengan menggunakan Docsify. Fork repositori ini, instal Docsify di mesin lokal Anda, lalu di folder root repositori ini, ketik
docsify serve. Situs web akan disajikan di port 3000 di localhost Anda:localhost:3000.PDF
Temukan PDF kurikulum dengan tautan di sini.
🎒 Kursus Lainnya
Tim kami memproduksi kursus lainnya! Lihat:
- Generative AI untuk Pemula
- Generative AI untuk Pemula .NET
- Generative AI dengan JavaScript
- Generative AI dengan Java
- AI untuk Pemula
- Data Science untuk Pemula
- ML untuk Pemula
- Keamanan Siber untuk Pemula
- Pengembangan Web untuk Pemula
- IoT untuk Pemula
- Pengembangan XR untuk Pemula
- Menguasai GitHub Copilot untuk Pemrograman Berpasangan
- Menguasai GitHub Copilot untuk Pengembang C#/.NET
- Pilih Petualangan Copilot Anda Sendiri
Penafian:
Dokumen ini telah diterjemahkan menggunakan layanan penerjemahan AI Co-op Translator. Meskipun kami berusaha untuk memberikan hasil yang akurat, harap diketahui bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang otoritatif. Untuk informasi yang bersifat kritis, disarankan menggunakan jasa penerjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang keliru yang timbul dari penggunaan terjemahan ini.