ML-For-Beginners/translations/sw

🌐 Msaada wa Lugha Nyingi

Inasaidiwa kupitia Kitendo cha GitHub (Kiotomatiki & Kila Wakati Kina Sasisho)

Unapendelea Kukopa Kwenye Kompyuta Binafsi?

Hifadhidata hii inajumuisha tafsiri zaidi ya lugha 50 ambazo huongeza sana ukubwa wa upakuaji. Ili kukopa bila tafsiri, tumia sparse checkout:

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'

Hii inakupa kila kitu unachohitaji kukamilisha kozi kwa upakuaji wa kasi zaidi.

Jiunge na Jamii Yetu

Tuna msururu wa kujifunza kwenye Discord kuhusu AI unaoendelea, jifunze zaidi na ujiunge nasi katika Learn with AI Series kuanzia 18 - 30 Septemba, 2025. Utapata vidokezo na mbinu za kutumia GitHub Copilot kwa Sayansi ya Data.

Kujifunza Mashine kwa Waanzilishi - Mtaala

🌍 Safiri duniani kote tunapochunguza Kujifunza Mashine kupitia tamaduni za dunia 🌍

Wak Advocates wa Cloud katika Microsoft wanafurahia kutoa mtaala wa wiki 12, masomo 26 yote kuhusu Kujifunza Mashine. Katika mtaala huu, utajifunza kuhusu kile kinachojulikana kama kujifunza mashine cha klasiki, ukitumia hasa maktaba ya Scikit-learn na kuepuka kujifunza kwa kina, ambayo inajumuishwa katika mtaala wetu wa AI kwa Waanzilishi. Pia, weka masomo haya pamoja na mtaala wetu wa 'Sayansi ya Data kwa Waanzilishi'.

Safiri nasi kote duniani tunapotumia mbinu hizi za klasiki kwa data kutoka sehemu nyingi za dunia. Kila somo linajumuisha maswali kabla na baada ya somo, maelekezo ya maandishi ya kuhitimisha somo, suluhisho, kazi ya nyumbani, na zaidi. Pedagojia yetu inayotegemea mradi inakuwezesha kujifunza huku ukiunda, njia iliyo thibitishwa ya ujuzi mpya 'kubaki'.

✍️ Shukrani nyingi kwa waandishi wetu Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu na Amy Boyd

🎨 Shukrani pia kwa wachora wetu Tomomi Imura, Dasani Madipalli, na Jen Looper

🙏 Shukrani maalum 🙏 kwa waandishi, wakaguzi, na wachangiaji wa Microsoft Student Ambassador, hasa Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, na Snigdha Agarwal

🤩 Shukrani zaidi kwa Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, na Vidushi Gupta kwa masomo yetu ya R!

Kuanzia

Fuata hatua hizi:

1. Gawanya Hifadhidata: Bonyeza kitufe cha "Fork" kilichopo kona ya juu kulia ya ukurasa huu.
2. Nakili Hifadhidata: git clone https://github.com/microsoft/ML-For-Beginners.git

pata rasilimali zote za ziada za kozi hii katika mkusanyiko wetu wa Microsoft Learn

🔧 Unahitaji msaada? Angalia Mwongozo wa Kutatua Matatizo kwa suluhisho za matatizo ya kawaida ya usakinishaji, usanidi, na kuendesha masomo.

Wanafunzi, ili kutumia mtaala huu, gawanya hifadhidata nzima kwenye akaunti yako ya GitHub na kamilisha mazoezi peke yako au kwa kundi:

• Anza na jaribio kabla ya somo.
• Soma somo na kamilisha shughuli, simama na fanya tafakari kila ukikagua maarifa.
• Jaribu kuunda miradi kwa kuelewa masomo badala ya kuendesha msimbo wa suluhisho; hata hivyo msimbo huo upo kwenye folda za /solution katika kila somo linalolenga mradi.
• Fanya jaribio baada ya somo.
• Kamilisha changamoto.
• Kamilisha kazi ya nyumbani.
• Baada ya kumaliza kundi la masomo, tembelea Jukwaa la Majadiliano na "jifunze kwa sauti" kwa kujaza moja ya rubriki za PAT. 'PAT' ni Zana ya Tathmini ya Maendeleo ambayo ni rubriki unayoijaza ili kuendeleza mafunzo yako. Unaweza pia kutoa maoni kwa PAT nyingine ili tujifunze pamoja.

Kwa masomo zaidi, tunapendekeza kufuata moduli na njia za kujifunza za Microsoft Learn.

Walimu, tumetenga mapendekezo baadhi juu ya jinsi ya kutumia mtaala huu.

---

Maelekezo ya video

Baadhi ya masomo yanapatikana kama video fupi. Unaweza kupata haya yote pamoja kwenye masomo, au kwenye orodha ya video za ML kwa Waanzilishi kwenye YouTube ya Microsoft Developer kwa kubonyeza picha iliyopo chini.

---

Kutana na Timu

🎥 Bonyeza picha kwenye juu kupata video kuhusu mradi na wale waliouunda!

---

Mbinu ya Kufundisha

Tumebaini kanuni mbili za kufundisha katika kujenga mtaala huu: kuhakikisha kwamba ni mradi-wa-kazi na kwamba unajumuisha maswali ya mara kwa mara. Vilevile, mtaala huu una kauli mbiu ya pamoja kuleta mshikamano.

Kwa kuhakikisha maudhui yanaendana na miradi, mchakato unakuwa wa kuvutia zaidi kwa wanafunzi na kumbukumbu ya dhana itaboreshwa. Aidha, jaribio la chini kabla ya darasa linaweka nia ya mwanafunzi kuelekea kujifunza mada, wakati jaribio la pili baada ya darasa huboresha kumbukumbu zaidi. Mtaala huu umeundwa kuwa na unyumbufu na kufurahisha na unaweza kuchukuliwa kwa jumla au sehemu. Miradi huanza ndogo na kuwa ngumu zaidi kufikia mwisho wa mzunguko wa wiki 12. Mtaala huu pia unajumuisha kiambatisho kuhusu matumizi halisi ya ML, ambacho kinaweza kutumika kama mkopo wa ziada au kama msingi wa majadiliano.

Pata Kanuni zetu za Maadili, Kushirikiana, Tafsiri, na Kutatua Matatizo. Tunakaribisha maoni yako ya kujenga!

Kila somo linajumuisha

• sketchnote hiari
• video ya nyongeza hiari
• maelekezo ya video (baadhi ya masomo pekee)
• jaribio la kujiandaa kabla ya somo
• somo la maandishi
• kwa masomo yanayojikita katika mradi, maelekezo hatua kwa hatua ya jinsi ya kujenga mradi
• ukaguzi wa maarifa
• changamoto
• kusoma kwa ziada
• kazi ya nyumbani
• jaribio baada ya somo

Kuhusu lugha: Masomo haya yameandikwa kwa msingi wa Python, lakini mengi yanapatikana pia kwa R. Ili kumaliza somo la R, nenda kwenye folda ya /solution na tafuta masomo ya R. Yanajumuisha kiambatisho cha .rmd kinachoonyesha faili ya R Markdown ambayo inaweza kufafanuliwa kama mchanganyiko wa vipande vya msimbo (vya R au lugha nyingine) na kichwa cha YAML (ambacho kinaelekeza jinsi ya kuunda matokeo kama PDF) ndani ya nyaraka za Markdown. Kwa hivyo, inahudumu kama mfumo bora wa uandishi wa masomo ya sayansi ya data kwa kuwa inakuwezesha kuunganisha msimbo wako, matokeo yake, na mawazo yako kwa kuandika ndani ya Markdown. Zaidi ya hayo, nyaraka za R Markdown zinaweza kugeuzwa kuwa aina mbalimbali za matokeo kama PDF, HTML, au Word. Kumbuka kuhusu maswali ya mtihani: Maswali yote ya mtihani yapo katika Folda ya Programu ya Mtihani, kwa jumla ya maswali 52 yenye maswali matatu kila moja. Yameunganishwa ndani ya masomo lakini programu ya mtihani inaweza kuendeshwa kwa eneo; fuata maelekezo kwenye folda ya quiz-app ili kuendesha kwa eneo au kuweka Azure.

Nambari ya Somo	Mada	Kundi la Somo	Malengo ya Kujifunza	Somo Lililounganishwa	Mwandishi
01	Utangulizi wa ujifunzaji wa mashine	Utangulizi	Jifunze dhana msingi nyuma ya ujifunzaji wa mashine	Somo	Muhammad
02	Historia ya ujifunzaji wa mashine	Utangulizi	Jifunze historia inayohonza uwanja huu	Somo	Jen na Amy
03	Ukweli na ujifunzaji wa mashine	Utangulizi	Ni masuala gani muhimu ya falsafa kuhusu usawa ambayo wanafunzi wanapaswa kuzingatia wanapojenga na kutumia mifano ya ML?	Somo	Tomomi
04	Mbinu za ujifunzaji wa mashine	Utangulizi	Wanatumia mbinu gani watafiti wa ML kujenga mifano ya ML?	Somo	Chris na Jen
05	Utangulizi wa regression	Regression	Anza na Python na Scikit-learn kwa mifano ya regression	Python • R	Jen • Eric Wanjau
06	Bei za maboga za Amerika Kaskazini 🎃	Regression	Onyesha na safisha data kama maandalizi ya ML	Python • R	Jen • Eric Wanjau
07	Bei za maboga za Amerika Kaskazini 🎃	Regression	Jenga mifano ya regression ya mstari na polynomial	Python • R	Jen na Dmitry • Eric Wanjau
08	Bei za maboga za Amerika Kaskazini 🎃	Regression	Jenga mfano wa regression ya logistic	Python • R	Jen • Eric Wanjau
09	Programu ya Wavuti 🔌	Web App	Jenga programu ya wavuti kwa kutumia mfano uliobobea	Python	Jen
10	Utangulizi wa uainishaji	Classification	Safisha, andaa, na onyesha data yako; utangulizi wa uainishaji	Python • R	Jen na Cassie • Eric Wanjau
11	Chunguzi na mapishi ladha ya Asia na India 🍜	Classification	Utangulizi wa waainishaji	Python • R	Jen na Cassie • Eric Wanjau
12	Chunguzi na mapishi ladha ya Asia na India 🍜	Classification	Waainishaji zaidi	Python • R	Jen na Cassie • Eric Wanjau
13	Chunguzi na mapishi ladha ya Asia na India 🍜	Classification	Jenga programu ya wavuti ya kupendekeza kwa kutumia mfano wako	Python	Jen
14	Utangulizi wa ugawaji vikundi	Clustering	Safisha, andaa, na onyesha data yako; utangulizi wa ugawaji vikundi	Python • R	Jen • Eric Wanjau
15	Kuchunguza Ladha za Muziki za Nigeria 🎧	Clustering	Chunguza mbinu ya ugawaji vikundi ya K-Means	Python • R	Jen • Eric Wanjau
16	Utangulizi wa usindikaji wa lugha asilia ☕️	Natural language processing	Jifunze msingi wa NLP kwa kujenga bot rahisi	Python	Stephen
17	Kazi za kawaida za NLP ☕️	Natural language processing	Zidisha maarifa yako ya NLP kwa kuelewa kazi za kawaida zinazotakiwa unapotumia miundo ya lugha	Python	Stephen
18	Tafsiri na uchambuzi wa hisia ♥️	Natural language processing	Tafsiri na uchambuzi wa hisia na Jane Austen	Python	Stephen
19	Hoteli za kimapenzi za Ulaya ♥️	Natural language processing	Uchambuzi wa hisia kwa mapitio ya hoteli 1	Python	Stephen
20	Hoteli za kimapenzi za Ulaya ♥️	Natural language processing	Uchambuzi wa hisia kwa mapitio ya hoteli 2	Python	Stephen
21	Utangulizi wa utabiri wa mfululizo wa wakati	Time series	Utangulizi wa utabiri wa mfululizo wa wakati	Python	Francesca
22	⚡️ Matumizi ya Nguvu Duniani ⚡️ - utabiri wa mfululizo wa wakati na ARIMA	Time series	Utabiri wa mfululizo wa wakati kwa kutumia ARIMA	Python	Francesca
23	⚡️ Matumizi ya Nguvu Duniani ⚡️ - utabiri wa mfululizo wa wakati na SVR	Time series	Utabiri wa mfululizo wa wakati kwa kutumia Support Vector Regressor	Python	Anirban
24	Utangulizi wa ujifunzaji wa kuimarisha	Reinforcement learning	Utangulizi wa ujifunzaji wa kuimarisha kwa kutumia Q-Learning	Python	Dmitry
25	Msaada kwa Peter kuepuka mbwa mwitu! 🐺	Reinforcement learning	Ujifunzaji wa kuimarisha Gym	Python	Dmitry
Maandishi ya Ziada	Matukio halisi ya ML na matumizi	ML in the Wild	Matumizi ya ajabu na wazi ya ML ya kawaida	Somo	Timu
Maandishi ya Ziada	Kuangalia Modeli katika ML kwa kutumia dashibodi ya RAI	ML in the Wild	Kuangalia modeli katika kujifunza mashine kwa kutumia vipengele vya dashibodi ya Responsible AI	Somo	Ruth Yakubu

pata rasilimali zote za ziada za kozi hii katika mkusanyiko wetu wa Microsoft Learn

Upatikanaji bila mtandao

Unaweza kuendesha nyaraka hii bila mtandao kwa kutumia Docsify. Fanya toleo la hivi karibuni la repo hii, weka Docsify kwenye mashine yako ya eneo, kisha kwenye folda ya mizizi ya repo hii, andika docsify serve. Tovuti itahudumiwa kwenye bandari 3000 kwenye localhost yako: localhost:3000.

PDF

Pata pdf ya mtaala yenye viungo hapa.

🎒 Kozi Nyingine

Timu yetu hutengeneza kozi nyingine! Angalia:

LangChain

---

Azure / Edge / MCP / Maajenti

---

Mfululizo wa AI ya Kizazi

---

Kujifunza Msingi

---

Mfululizo wa Copilot

Kupata Msaada

Ikiwa unakumbwa na changamoto au una maswali kuhusu kujenga programu za AI. Jiunge na wapenzi wengine wa kujifunza na watengenezaji wenye uzoefu katika mijadala kuhusu MCP. Ni jumuiya yenye msaada ambapo maswali yanakaribishwa na maarifa yanashirikiwa kwa uhuru.

Ikiwa una maoni kuhusu bidhaa au makosa wakati wa kujenga tembelea:

---

Kiarifu cha Kutotegemea: Nyaraka hii imetafsiriwa kwa kutumia huduma ya utafsiri wa AI Co-op Translator. Ingawa tunajitahidi kufikia usahihi, tafadhali fahamu kuwa tafsiri za kiotomatiki zinaweza kuwa na makosa au upotoshaji. Nyaraka ya asili katika lugha yake ya asili inapaswa kuzingatiwa kama chanzo cha mamlaka. Kwa taarifa muhimu, tafsiri ya kitaalamu inayotolewa na binadamu inashauriwa. Hatukuzuiliwa kwa maelewano mabaya au tafsiri potovu zitokanazo na matumizi ya tafsiri hii.