ML-For-Beginners/translations/tl

🌐 Suporta sa Maraming Wika

Sinusuportahan sa pamamagitan ng GitHub Action (Awtomatiko at Laging Napapanahon)

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 | 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

Mas gusto mo bang i-Clonate Locally?

Kasama sa repositoryong ito ang 50+ na mga salin ng wika na lubhang nagpapalaki ng laki ng i-download. Para mag-clone nang walang mga salin, gamitin ang 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'

Bibigyan ka nito ng lahat ng kailangan mo upang makumpleto ang kurso nang mas mabilis ang pag-download.

Sumali sa Aming Komunidad

May ongoing kaming Discord learn with AI series, matuto nang higit pa at sumali sa amin sa Learn with AI Series mula Setyembre 18 - 30, 2025. Makakakuha ka ng mga tip at trick sa paggamit ng GitHub Copilot para sa Data Science.

Machine Learning para sa mga Baguhan - Isang Kurikulum

🌍 Maglakbay sa buong mundo habang tinutuklasan natin ang Machine Learning gamit ang mga kultura ng mundo 🌍

Ikinagagalak ng Cloud Advocates sa Microsoft na ialok ang isang 12-linggong, 26-leksyon na kurikulum tungkol sa Machine Learning. Sa kurikulum na ito, matututuhan mo ang tinatawag na classic machine learning, gamit pangunahin ang Scikit-learn bilang isang library at iniiwasan ang deep learning, na tinatalakay sa aming AI for Beginners' curriculum. Isabay ang mga leksyong ito sa aming 'Data Science for Beginners' curriculum, rin!

Maglakbay kasama kami sa buong mundo habang inaaplay natin ang mga klasikong teknik na ito sa data mula sa iba't ibang bahagi ng mundo. Bawat leksyon ay may kasamang pre- at post-lesson na pagsusulit, nakasulat na tagubilin para matapos ang leksyon, solusyon, asignatura, at iba pa. Ang aming project-based na metodolohiya ay nagbibigay daan upang matuto ka habang gumagawa, isang subok na paraan para manatili ang mga bagong kasanayan.

✍️ Taos-pusong pasasalamat sa aming mga may-akda Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu at Amy Boyd

🎨 Salamat din sa aming mga illustrator Tomomi Imura, Dasani Madipalli, at Jen Looper

🙏 Espesyal na pasasalamat 🙏 sa aming Microsoft Student Ambassador na mga may-akda, tagasuri, at mga kontribyutor sa nilalaman, partikular kina Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, at Snigdha Agarwal

🤩 Dagdag na pasasalamat sa Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, at Vidushi Gupta para sa aming mga leksyon sa R!

Pagsisimula

Sundin ang mga hakbang na ito:

1. I-fork ang Repositoryo: Pindutin ang button na "Fork" sa itaas-kanang sulok ng pahinang ito.
2. I-clone ang Repositoryo: git clone https://github.com/microsoft/ML-For-Beginners.git

hanapin ang lahat ng karagdagang mapagkukunan para sa kursong ito sa aming koleksyon ng Microsoft Learn

🔧 Kailangan ng tulong? Tingnan ang aming Troubleshooting Guide para sa mga solusyon sa karaniwang mga isyu sa pag-install, setup, at pagpapatakbo ng mga leksyon.

Mga Estudyante, para magamit ang kurikulum na ito, i-fork ang buong repo sa iyong sariling GitHub account at tapusin ang mga ehersisyo nang mag-isa o kasama ang grupo:

• Magsimula sa isang pre-lecture na pagsusulit.
• Basahin ang lektura at kumpletuhin ang mga gawain, huminto at magmuni-muni sa bawat knowledge check.
• Subukang likhain ang mga proyektong ito sa pamamagitan ng pag-unawa sa mga leksyon kaysa sa pagpatakbo ng solution code; gayunpaman, available ang code na iyon sa mga /solution folder sa bawat project-oriented na leksyon.
• Kunin ang post-lecture na pagsusulit.
• Kumpletuhin ang hamon.
• Kumpletuhin ang asignatura.
• Pagkatapos makumpleto ang isang grupo ng leksyon, bisitahin ang Discussion Board at "matuto nang malakas" sa pamamagitan ng pagpuno ng angkop na PAT rubric. Ang 'PAT' ay isang Progress Assessment Tool na isang rubric na iyong pinupunan upang palalimin ang iyong pagkatuto. Maaari ka ring mag-react sa ibang PATs upang sabay tayong matuto.

Para sa karagdagang pag-aaral, inirerekomenda naming sundin ang mga ito Microsoft Learn na mga module at learning paths.

Mga Guro, nagbigay kami ng ilang mga suhestiyon kung paano gamitin ang kurikulum na ito.

---

Mga Video walkthrough

Ang ilan sa mga leksyon ay available bilang maikling anyo ng video. Maaari mong matagpuan lahat ng ito nang inline sa mga leksyon, o sa ML for Beginners playlist sa Microsoft Developer YouTube channel sa pamamagitan ng pag-click sa larawan sa ibaba.

---

Kilalanin ang Team

Gif ni Mohit Jaisal

🎥 I-click ang larawan sa itaas para sa isang video tungkol sa proyekto at sa mga taong lumikha nito!

---

Pedagohiya

Pinili namin ang dalawang pedagogical tenet habang ginagawa ang kurikulum na ito: pagtitiyak na ito ay hands-on project-based at na ito ay may kasamang madalas na pagsusulit. Bukod dito, ang kurikulum na ito ay may karaniwang tema upang magkaroon ng pagkakaisa.

Sa pagtitiyak na ang nilalaman ay naka-align sa mga proyekto, nagiging mas nakaka-engganyo ang proseso para sa mga estudyante at nadaragdagan ang retention ng mga konsepto. Dagdag pa, ang isang low-stakes na pagsusulit bago ang klase ay nagtatakda ng layunin ng estudyante na matuto ng isang paksa, habang ang pangalawang pagsusulit pagkatapos ng klase ay nagsisiguro ng karagdagang retention. Ang kurikulum na ito ay dinisenyo upang maging flexible at masaya at maaaring kunin nang buo o bahagi. Ang mga proyekto ay nagsisimula sa maliit at unti-unting nagiging kumplikado sa pagtatapos ng 12-linggong siklo. Kasama rin sa kurikulum na ito ang isang postscript tungkol sa mga totoong aplikasyon ng ML, na maaaring gamitin bilang dagdag na kredito o bilang basehan ng diskusyon.

Hanapin ang aming Code of Conduct, Contributing, Translation, at Troubleshooting na mga patnubay. Malugod naming tinatanggap ang iyong makabuluhang puna!

Bawat leksyon ay may kasamang

• opsyonal na sketchnote
• opsyonal na karagdagang video
• video walkthrough (ilang mga leksyon lamang)
• pre-lecture warmup quiz
• nakasulat na leksyon
• para sa mga project-based na leksyon, step-by-step na mga gabay kung paano buuin ang proyekto
• knowledge checks
• isang hamon
• karagdagang babasahin
• asignatura
• post-lecture quiz

Tungkol sa mga wika: Pangunahing nakasulat sa Python ang mga leksyong ito, ngunit marami rin ang available sa R. Para matapos ang isang R na leksyon, pumunta sa folder na /solution at hanapin ang mga R na leksyon. Mayroon silang .rmd extension na kumakatawan sa isang R Markdown file na maaaring ilarawan bilang isang pag-embed ng code chunks (ng R o ibang mga wika) at isang YAML header (na naggagabay kung paano i-format ang output gaya ng PDF) sa isang Markdown document. Kaya, nagsisilbi itong isang halimbawang authoring framework para sa data science dahil pinapayagan kang pagsamahin ang iyong code, ang output nito, at ang iyong mga ideya sa pagsulat ng mga ito sa Markdown. Bukod dito, ang mga R Markdown document ay maaaring i-render sa mga output format gaya ng PDF, HTML, o Word. Isang paalala tungkol sa mga pagsusulit: Lahat ng pagsusulit ay nakapaloob sa Quiz App folder, para sa kabuuang 52 na pagsusulit na may tig-tatlong tanong bawat isa. Nakalink ito mula sa loob ng mga aralin ngunit maaaring patakbuhin nang lokal ang quiz app; sundin ang mga tagubilin sa quiz-app folder upang i-host nang lokal o i-deploy sa Azure.

Lesson Number	Paksa	Pangkat ng Aralin	Mga Layunin sa Pagkatuto	Nakalink na Aralin	May-akda
01	Panimula sa machine learning	Introduction	Matutuhan ang mga pangunahing konsepto sa likod ng machine learning	Lesson	Muhammad
02	Kasaysayan ng machine learning	Introduction	Matutuhan ang kasaysayan na nasa likod ng larangang ito	Lesson	Jen at Amy
03	Katarungan at machine learning	Introduction	Ano ang mahahalagang pilosopikal na isyu tungkol sa katarungan na dapat isaalang-alang ng mga estudyante sa pagbuo at paggamit ng mga modelo ng ML?	Lesson	Tomomi
04	Mga teknik para sa machine learning	Introduction	Anong mga teknik ang ginagamit ng mga mananaliksik ng ML upang bumuo ng mga modelo?	Lesson	Chris at Jen
05	Panimula sa regression	Regression	Magsimula sa Python at Scikit-learn para sa mga modelo ng regression	Python • R	Jen • Eric Wanjau
06	Mga presyo ng kalabasa sa North America 🎃	Regression	I-visualize at linisin ang data bilang paghahanda para sa ML	Python • R	Jen • Eric Wanjau
07	Mga presyo ng kalabasa sa North America 🎃	Regression	Bumuo ng linear at polynomial na mga modelo ng regression	Python • R	Jen at Dmitry • Eric Wanjau
08	Mga presyo ng kalabasa sa North America 🎃	Regression	Bumuo ng modelo ng logistic regression	Python • R	Jen • Eric Wanjau
09	Isang Web App 🔌	Web App	Gumawa ng web app upang magamit ang iyong na-train na modelo	Python	Jen
10	Panimula sa classification	Classification	Linisin, ihanda, at i-visualize ang iyong data; panimula sa classification	Python • R	Jen at Cassie • Eric Wanjau
11	Masasarap na lutuin ng Asya at India 🍜	Classification	Panimula sa mga classifier	Python • R	Jen at Cassie • Eric Wanjau
12	Masasarap na lutuin ng Asya at India 🍜	Classification	Higit pang mga classifier	Python • R	Jen at Cassie • Eric Wanjau
13	Masasarap na lutuin ng Asya at India 🍜	Classification	Bumuo ng web app na nagpapayo gamit ang iyong modelo	Python	Jen
14	Panimula sa clustering	Clustering	Linisin, ihanda, at i-visualize ang iyong data; Panimula sa clustering	Python • R	Jen • Eric Wanjau
15	Paggalugad ng mga paboritong tugtugin sa Nigeria 🎧	Clustering	Galugarin ang K-Means clustering method	Python • R	Jen • Eric Wanjau
16	Panimula sa natural language processing ☕️	Natural language processing	Matutuhan ang mga pangunahing kaalaman tungkol sa NLP sa pamamagitan ng paggawa ng simpleng bot	Python	Stephen
17	Mga Karaniwang Gawain sa NLP ☕️	Natural language processing	Palalimin ang iyong kaalaman sa NLP sa pamamagitan ng pag-unawa sa mga karaniwang gawain na kinakailangan sa pagharap sa mga istruktura ng wika	Python	Stephen
18	Pagsasalin at pagsusuri ng damdamin ♥️	Natural language processing	Pagsasalin at pagsusuri ng damdamin gamit si Jane Austen	Python	Stephen
19	Mga romantikong hotel sa Europa ♥️	Natural language processing	Pagsusuri ng damdamin gamit ang mga review ng hotel 1	Python	Stephen
20	Mga romantikong hotel sa Europa ♥️	Natural language processing	Pagsusuri ng damdamin gamit ang mga review ng hotel 2	Python	Stephen
21	Panimula sa pagsusuri ng time series	Time series	Panimula sa pagsusuri ng time series	Python	Francesca
22	⚡️ Paggamit ng Lakas sa Mundo ⚡️ - pagsusuri ng time series gamit ang ARIMA	Time series	Pagsusuri ng time series gamit ang ARIMA	Python	Francesca
23	⚡️ Paggamit ng Lakas sa Mundo ⚡️ - pagsusuri ng time series gamit ang SVR	Time series	Pagsusuri ng time series gamit ang Support Vector Regressor	Python	Anirban
24	Panimula sa reinforcement learning	Reinforcement learning	Panimula sa reinforcement learning gamit ang Q-Learning	Python	Dmitry
25	Tulungan si Peter na iwasan ang lobo! 🐺	Reinforcement learning	Reinforcement learning Gym	Python	Dmitry
Postscript	Mga totoong sitwasyon at aplikasyon ng ML	ML in the Wild	Mga kawili-wili at nakakahulugang aplikasyon ng klasikong ML sa totoong mundo	Lesson	Team
Postscript	Pag-debug ng Modelo sa ML gamit ang RAI dashboard	ML in the Wild	Pag-debug ng modelo sa Machine Learning gamit ang Responsible AI dashboard components	Lesson	Ruth Yakubu

hanapin ang lahat ng karagdagang mga mapagkukunan para sa kursong ito sa aming Microsoft Learn collection

Offline access

Maaari mong patakbuhin ang dokumentasyong ito offline gamit ang Docsify. I-fork ang repo na ito, i-install ang Docsify sa iyong lokal na makina, at pagkatapos ay sa root folder ng repo na ito, i-type ang docsify serve. Ang website ay ihahain sa port 3000 sa iyong localhost: localhost:3000.

PDFs

Hanapin ang pdf ng kurikulum na may mga link dito.

🎒 Iba Pang Mga Kurso

Ang aming koponan ay gumagawa ng iba pang mga kurso! Tingnan ang:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

Pangunahing Pagkatuto

---

Copilot Series

Pagkuha ng Tulong

Kung ikaw ay naipit o may mga tanong tungkol sa paggawa ng mga AI app. Sumali sa mga kapwa nag-aaral at mga bihasang developer sa mga talakayan tungkol sa MCP. Isa itong suportadong komunidad kung saan malugod ang mga tanong at malaya ang pagbabahagi ng kaalaman.

Kung mayroon kang feedback sa produkto o mga error habang gumagawa, bisitahin ang:

---

Paunawa:
Ang dokumentong ito ay isinalin gamit ang serbisyong AI na pagsasalin na Co-op Translator. Bagama't aming pinagsisikapan ang katumpakan, pakatandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa kanyang orihinal na wika ang dapat ituring na pangunahing sanggunian. Para sa mga mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na maaaring magmula sa paggamit ng pagsasaling ito.