leestott
117206ba39
|
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
🌐 Çok Dilli Destek
GitHub Action ile Destekleniyor (Otomatik ve Her Zaman Güncel)
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)
Topluluğa Katılın
Başlangıç Seviyesi için Makine Öğrenimi - Bir Müfredat
🌍 Dünya kültürleri aracılığıyla Makine Öğrenimini keşfederken dünyayı dolaşın 🌍
Microsoft'taki Cloud Advocates ekibi, Makine Öğrenimi hakkında 12 haftalık, 26 derslik bir müfredat sunmaktan mutluluk duyuyor. Bu müfredatta, genellikle klasik makine öğrenimi olarak adlandırılan konuları öğreneceksiniz. Çoğunlukla Scikit-learn kütüphanesini kullanarak derin öğrenimden kaçınıyoruz; bu konu Başlangıç Seviyesi için Yapay Zeka müfredatımızda ele alınmaktadır. Bu dersleri 'Başlangıç Seviyesi için Veri Bilimi' müfredatımızla birleştirin!
Dünyanın dört bir yanından gelen verileri kullanarak bu klasik teknikleri uygularken bizimle seyahat edin. Her ders, ders öncesi ve sonrası sınavlar, yazılı talimatlar, bir çözüm, bir ödev ve daha fazlasını içerir. Proje tabanlı pedagojimiz, öğrenirken inşa etmenize olanak tanır; bu, yeni becerilerin kalıcı olmasını sağlayan kanıtlanmış bir yöntemdir.
✍️ Yazarlarımıza içten teşekkürler Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ve Amy Boyd
🎨 İllüstratörlerimize teşekkürler Tomomi Imura, Dasani Madipalli ve Jen Looper
🙏 Microsoft Öğrenci Elçilerine özel teşekkürler 🙏, özellikle Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ve Snigdha Agarwal
🤩 Microsoft Öğrenci Elçileri Eric Wanjau, Jasleen Sondhi ve Vidushi Gupta'ya R derslerimiz için ekstra teşekkürler!
Başlarken
Şu adımları izleyin:
- Depoyu Çatallayın: Bu sayfanın sağ üst köşesindeki "Fork" düğmesine tıklayın.
- Depoyu Klonlayın:
git clone https://github.com/microsoft/ML-For-Beginners.git
Bu kurs için ek kaynakları Microsoft Learn koleksiyonumuzda bulun
Öğrenciler, bu müfredatı kullanmak için tüm depoyu kendi GitHub hesabınıza çatallayın ve alıştırmaları bireysel olarak veya bir grup ile tamamlayın:
- Ders öncesi sınavla başlayın.
- Dersi okuyun ve etkinlikleri tamamlayın, her bilgi kontrolünde durup düşünün.
- Dersleri anlayarak projeleri oluşturmaya çalışın; ancak çözüm kodu her proje odaklı dersin
/solutionklasörlerinde mevcuttur. - Ders sonrası sınavı yapın.
- Zorluğu tamamlayın.
- Ödevi tamamlayın.
- Bir ders grubunu tamamladıktan sonra, Tartışma Panosunu ziyaret edin ve uygun PAT rubriğini doldurarak "yüksek sesle öğrenin". PAT, öğreniminizi ilerletmek için doldurduğunuz bir rubrik olan İlerleme Değerlendirme Aracıdır. Ayrıca diğer PAT'lere tepki vererek birlikte öğrenebiliriz.
Daha fazla çalışma için, bu Microsoft Learn modüllerini ve öğrenim yollarını takip etmenizi öneririz.
Eğitmenler, bu müfredatı nasıl kullanacağınızla ilgili bazı öneriler ekledik.
Video Anlatımları
Bazı dersler kısa video formatında mevcuttur. Bu videoları derslerin içinde veya Microsoft Developer YouTube kanalındaki Başlangıç Seviyesi için ML oynatma listesinde bulabilirsiniz. Aşağıdaki görsele tıklayın.
Ekibi Tanıyın
Gif tasarımı Mohit Jaisal
🎥 Proje ve onu oluşturan kişiler hakkında bir video için yukarıdaki görsele tıklayın!
Pedagoji
Bu müfredatı oluştururken iki pedagojik ilkeyi benimsedik: proje tabanlı ve sık sınavlar içeren bir yaklaşım. Ayrıca, müfredatın bir tema içermesiyle tutarlılık sağladık.
İçeriğin projelerle uyumlu olmasını sağlayarak, süreç öğrenciler için daha ilgi çekici hale gelir ve kavramların kalıcılığı artırılır. Ayrıca, ders öncesi düşük riskli bir sınav, öğrencinin bir konuyu öğrenmeye yönelik niyetini belirlerken, ders sonrası bir sınav daha fazla kalıcılık sağlar. Bu müfredat esnek ve eğlenceli olacak şekilde tasarlandı ve tamamı veya bir kısmı alınabilir. Projeler küçük başlar ve 12 haftalık döngünün sonunda giderek karmaşıklaşır. Bu müfredat ayrıca ML'nin gerçek dünya uygulamaları hakkında bir ek bölüm içerir; bu bölüm ekstra kredi olarak veya tartışma temeli olarak kullanılabilir.
Davranış Kurallarımızı, Katkı Sağlama ve Çeviri yönergelerimizi bulun. Yapıcı geri bildirimlerinizi memnuniyetle karşılıyoruz!
Her Ders Şunları İçerir
- isteğe bağlı çizim notu
- isteğe bağlı ek video
- video anlatımı (bazı derslerde)
- ders öncesi ısınma sınavı
- yazılı ders
- proje tabanlı dersler için, projeyi nasıl oluşturacağınızı adım adım anlatan rehberler
- bilgi kontrolleri
- bir zorluk
- ek okuma
- ödev
- ders sonrası sınav
Diller hakkında bir not: Bu dersler ağırlıklı olarak Python dilinde yazılmıştır, ancak birçoğu R dilinde de mevcuttur. Bir R dersini tamamlamak için
/solutionklasörüne gidin ve R derslerini arayın. Bu dersler.rmduzantısına sahiptir ve R Markdown dosyası olarak adlandırılır. Bu dosya,kod parçacıkları(R veya diğer dillerde) veYAML başlığı(PDF gibi çıktı formatlarını yönlendiren) ileMarkdown belgesiiçinde birleştirilmiş bir yapıyı temsil eder. Bu nedenle, veri bilimi için örnek bir yazım çerçevesi olarak hizmet eder çünkü kodunuzu, çıktısını ve düşüncelerinizi Markdown'da yazmanıza olanak tanır. Ayrıca, R Markdown belgeleri PDF, HTML veya Word gibi çıktı formatlarına dönüştürülebilir.
Sınavlar hakkında bir not: Tüm sınavlar Quiz App klasöründe yer almaktadır ve toplamda 52 sınav, her biri üç sorudan oluşmaktadır. Derslerin içinden bağlantılıdır, ancak sınav uygulaması yerel olarak çalıştırılabilir;
quiz-appklasöründeki talimatları izleyerek yerel olarak barındırabilir veya Azure'a dağıtabilirsiniz.
| Ders Numarası | Konu | Ders Grubu | Öğrenim Hedefleri | Bağlantılı Ders | Yazar |
|---|---|---|---|---|---|
| 01 | Makine öğrenimine giriş | Giriş | Makine öğreniminin temel kavramlarını öğrenin | Ders | Muhammad |
| 02 | Makine öğreniminin tarihi | Giriş | Bu alanın temelindeki tarihi öğrenin | Ders | Jen ve Amy |
| 03 | Adalet ve makine öğrenimi | Giriş | Öğrencilerin ML modelleri oluştururken ve uygularken dikkate alması gereken önemli felsefi konular nelerdir? | Ders | Tomomi |
| 04 | Makine öğrenimi teknikleri | Giriş | ML araştırmacıları ML modelleri oluşturmak için hangi teknikleri kullanıyor? | Ders | Chris ve Jen |
| 05 | Regresyona giriş | Regresyon | Regresyon modelleri için Python ve Scikit-learn ile başlayın |
- [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 ve 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 ve Cassie
- Eric Wanjau
- [Python](4-Classification/2-Classifiers-1/README.md)
- [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
- Jen ve Cassie
- Eric Wanjau
- [Python](4-Classification/3-Classifiers-2/README.md)
- [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
- Jen ve 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
Bu kurs için tüm ek kaynakları Microsoft Learn koleksiyonumuzda bulun
Çevrimdışı erişim
Bu dokümantasyonu Docsify kullanarak çevrimdışı çalıştırabilirsiniz. Bu repoyu çatallayın, Docsify'i yükleyin yerel makinenize ve ardından bu repo'nun kök klasöründe
docsify serveyazın. Web sitesi localhost'unuzda 3000 portunda sunulacaktır:localhost:3000.PDF'ler
Bağlantılarla müfredatın PDF'sini burada bulun.
🎒 Diğer Kurslar
Ekibimiz başka kurslar da üretiyor! Şunlara göz atın:
- Yeni Başlayanlar için Üretken AI
- Yeni Başlayanlar için Üretken AI .NET
- JavaScript ile Üretken AI
- Java ile Üretken AI
- Yeni Başlayanlar için AI
- Yeni Başlayanlar için Veri Bilimi
- Yeni Başlayanlar için ML
- Yeni Başlayanlar için Siber Güvenlik
- Yeni Başlayanlar için Web Geliştirme
- Yeni Başlayanlar için IoT
- Yeni Başlayanlar için XR Geliştirme
- Eşli Programlama için GitHub Copilot'u Master Etmek
- C#/.NET Geliştiricileri için GitHub Copilot'u Master Etmek
- Kendi Copilot Maceranızı Seçin
Feragatname:
Bu belge, AI çeviri hizmeti Co-op Translator kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.