ML-For-Beginners/translations/sr

🌐 Подршка за више језика

Подржано преко GitHub Action-а (аутоматски и увек ажурирано)

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)

Придружите се заједници

Машинско учење за почетнике - Наставни план

🌍 Путујте око света док истражујемо машинско учење кроз културе света 🌍

Cloud Advocates у Microsoft-у са задовољством нуде наставни план од 12 недеља и 26 лекција посвећен машинском учењу. У овом курикулуму ћете научити о ономе што се понекад назива класично машинско учење, користећи углавном библиотеку Scikit-learn и избегавајући дубоко учење, које је обрађено у нашем AI for Beginners курикулуму. Упарите ове лекције са нашим 'Data Science for Beginners' курикулумом, такође!

Путујте са нама широм света док примењујемо ове класичне технике на податке из различитих делова света. Свака лекција укључује квизове пре и после лекције, писана упутства за завршетак лекције, решење, задатак и још много тога. Наш приступ заснован на пројектима омогућава вам да учите кроз изградњу, што је доказан начин да нове вештине остану у памћењу.

✍️ Велико хвала нашим ауторима Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu и Amy Boyd

🎨 Хвала и нашим илустраторима Tomomi Imura, Dasani Madipalli и Jen Looper

🙏 Посебна захвалност 🙏 Microsoft Student Ambassador ауторима, рецензентима и сарадницима, посебно Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila и Snigdha Agarwal

🤩 Додатна захвалност Microsoft Student Ambassador-има Eric Wanjau, Jasleen Sondhi и Vidushi Gupta за наше R лекције!

Почетак

Пратите ове кораке:

1. Fork репозиторијума: Кликните на дугме "Fork" у горњем десном углу ове странице.
2. Клонирајте репозиторијум: git clone https://github.com/microsoft/ML-For-Beginners.git

пронађите све додатне ресурсе за овај курс у нашој Microsoft Learn колекцији

Студенти, да бисте користили овај курикулум, направите fork целог репозиторијума на свој GitHub налог и завршите вежбе сами или у групи:

• Почните са квизом пре предавања.
• Прочитајте предавање и завршите активности, заустављајући се и размишљајући на сваком провери знања.
• Покушајте да креирате пројекте разумевањем лекција уместо покретања решења кода; међутим, тај код је доступан у /solution фасциклама у свакој лекцији заснованој на пројекту.
• Урадите квиз након предавања.
• Завршите изазов.
• Завршите задатак.
• Након завршетка групе лекција, посетите таблу за дискусију и "учите наглас" попуњавањем одговарајућег PAT рубрика. PAT је алат за процену напретка који попуњавате како бисте унапредили своје учење. Такође можете реаговати на друге PAT-ове како бисмо учили заједно.

За даље учење, препоручујемо праћење ових Microsoft Learn модула и путања учења.

Наставници, укључили смо неке предлоге о томе како да користите овај курикулум.

---

Видео водичи

Неке лекције су доступне као кратки видео снимци. Све их можете пронаћи унутар лекција или на ML for Beginners плејлисти на Microsoft Developer YouTube каналу кликом на слику испод.

---

Упознајте тим

Gif by Mohit Jaisal

🎥 Кликните на слику изнад за видео о пројекту и људима који су га креирали!

---

Педагошки приступ

Одабрали смо два педагошка принципа приликом креирања овог курикулума: осигурање да је заснован на пројектима и да укључује честе квизове. Поред тога, овај курикулум има заједничку тему како би му се дала кохезија.

Осигуравањем да садржај прати пројекте, процес постаје занимљивији за студенте, а задржавање концепата се повећава. Поред тога, квиз са ниским улозима пре часа поставља намеру студента ка учењу теме, док други квиз након часа осигурава даље задржавање. Овај курикулум је дизајниран да буде флексибилан и забаван и може се узети у целини или делимично. Пројекти почињу са једноставним задацима и постају све сложенији до краја 12-недељног циклуса. Овај курикулум такође укључује додатак о стварним применама машинског учења, који се може користити као додатни задатак или као основа за дискусију.

Пронађите наш Кодекс понашања, Упутства за допринос и Упутства за превођење. Добродошли смо за ваше конструктивне повратне информације!

Свака лекција укључује

• опционални скетч
• опционални додатни видео
• видео водич (само за неке лекције)
• квиз за загревање пре предавања
• писану лекцију
• за лекције засноване на пројектима, корак-по-корак водиче како изградити пројекат
• провере знања
• изазов
• додатно читање
• задатак
• квиз након предавања

Напомена о језицима: Ове лекције су углавном написане на Python-у, али многе су доступне и на R-у. Да бисте завршили R лекцију, идите у /solution фасциклу и потражите R лекције. Оне укључују .rmd екстензију која представља R Markdown датотеку, која се може једноставно дефинисати као уграђивање code chunks (R или других језика) и YAML header (који води како форматирати излазе као што су PDF) у Markdown документ. Као таква, она служи као изузетан оквир за ауторство у науци о подацима јер вам омогућава да комбинујете свој код, његов излаз и своје мисли тако што их записујете у Markdown-у. Штавише, R Markdown документи могу се рендеровати у излазне формате као што су PDF, HTML или Word.

Напомена о квизовима: Сви квизови се налазе у Quiz App фасцикли, за укупно 52 квиза са по три питања. Они су повезани унутар лекција, али апликација за квизове може се покренути локално; пратите упутства у quiz-app фасцикли за локално хостовање или Azure деплој.

Број лекције	Тема	Група лекција	Циљеви учења	Повезана лекција	Аутор
01	Увод у машинско учење	Увод	Научите основне концепте машинског учења	Лекција	Мухамед
02	Историја машинског учења	Увод	Научите историју која стоји иза ове области	Лекција	Џен и Ејми
03	Правичност и машинско учење	Увод	Која су важна филозофска питања о правичности која студенти треба да размотре приликом изградње и примене ML модела?	Лекција	Томоми
04	Технике за машинско учење	Увод	Које технике истраживачи машинског учења користе за изградњу модела машинског учења?	Лекција	Крис и Џен
05	Увод у регресију	Регресија	Почните са Python-ом и Scikit-learn-ом за моделе регресије	Python • R	Џен • Ерик Ванџау
06	Цене бундева у Северној Америци 🎃	Регресија	Визуализујте и очистите податке у припреми за машинско учење	Python • R	Џен • Ерик Ванџау
07	Цене бундева у Северној Америци 🎃	Регресија	Направите моделе линеарне и полиномске регресије	Python • R	Џен и Дмитриј • Ерик Ванџау
08	Цене бундева у Северној Америци 🎃	Регресија	Направите модел логистичке регресије	Python • R	Џен • Ерик Ванџау
09	Веб апликација 🔌	Веб апликација	Направите веб апликацију за коришћење вашег обученог модела	Python	Џен
10	Увод у класификацију	Класификација	Очистите, припремите и визуализујте своје податке; увод у класификацију	Python • R	Џен и Кеси • Ерик Ванџау
11	Укусна азијска и индијска кухиња 🍜	Класификација	Увод у класификаторе	Python • R	Џен и Кеси • Ерик Ванџау
12	Укусна азијска и индијска кухиња 🍜	Класификација	Више класификатора	Python • R	Џен и Кеси • Ерик Ванџау
13	Укусна азијска и индијска кухиња 🍜	Класификација	Направите веб апликацију за препоруке користећи ваш модел	Python	Џен
14	Увод у кластерисање	Кластерисање	Очистите, припремите и визуализујте своје податке; увод у кластерисање	Python • R	Џен • Ерик Ванџау
15	Истраживање музичких укуса у Нигерији 🎧	Кластерисање	Истражите метод кластерисања K-Means	Python • R	Џен • Ерик Ванџау
16	Увод у обраду природног језика ☕️	Обрада природног језика	Научите основе обраде природног језика кроз изградњу једноставног бота	Python	Стивен
17	Уобичајени NLP задаци ☕️	Обрада природног језика	Продубите своје знање о NLP-у кроз разумевање уобичајених задатака у раду са језичким структурама	Python	Стивен
18	Превод и анализа сентимента ♥️	Обрада природног језика	Превод и анализа сентимента уз Џејн Остин	Python	Стивен
19	Романтични хотели Европе ♥️	Обрада природног језика	Анализа сентимента уз рецензије хотела 1	Python	Стивен
20	Романтични хотели Европе ♥️	Обрада природног језика	Анализа сентимента уз рецензије хотела 2	Python	Стивен
21	Увод у прогнозирање временских серија	Временске серије	Увод у прогнозирање временских серија	Python	Франческа
22	⚡️ Светска потрошња струје ⚡️ - прогнозирање временских серија са ARIMA	Временске серије	Прогнозирање временских серија са ARIMA	Python	Франческа
23	⚡️ Светска потрошња струје ⚡️ - прогнозирање временских серија са SVR	Временске серије	Прогнозирање временских серија са регресором подржавајућих вектора	Python	Анирбан
24	Увод у учење кроз појачање	Учење кроз појачање	Увод у учење кроз појачање са Q-Learning	Python	Дмитриј
25	Помозите Петру да избегне вука! 🐺	Учење кроз појачање	Учење кроз појачање у Gym	Python	Дмитриј
Постскриптум	Сценарији и апликације машинског учења у стварном свету	ML у природи	Занимљиве и откривајуће апликације класичног машинског учења	Лекција	Тим
Постскриптум	Дебаговање модела машинског учења уз RAI контролну таблу	ML у природи	Дебаговање модела машинског учења уз компоненте контролне табле за одговорну вештачку интелигенцију	Лекција	Рут Јакуб

пронађите све додатне ресурсе за овај курс у нашој Microsoft Learn колекцији

Офлајн приступ

Можете покренути ову документацију офлајн користећи Docsify. Форкујте овај репозиторијум, инсталирајте Docsify на вашем локалном рачунару, а затим у коренском фолдеру овог репозиторијума укуцајте docsify serve. Веб сајт ће бити покренут на порту 3000 на вашем локалном серверу: localhost:3000.

PDF-ови

Пронађите PDF наставног плана са линковима овде.

🎒 Остали курсеви

Наш тим производи и друге курсеве! Погледајте:

• Генеративна вештачка интелигенција за почетнике
• Генеративна вештачка интелигенција за почетнике .NET
• Генеративна вештачка интелигенција са JavaScript-ом
• Генеративна вештачка интелигенција са Java-ом
• Вештачка интелигенција за почетнике
• Наука о подацима за почетнике
• Машинско учење за почетнике
• Сајбер безбедност за почетнике
• Веб развој за почетнике
• Интернет ствари за почетнике
• XR развој за почетнике
• Мастеринг GitHub Copilot за парно програмирање
• Мастеринг GitHub Copilot за C#/.NET програмере
• Изаберите своју Copilot авантуру

---

Одрицање од одговорности:
Овај документ је преведен коришћењем услуге за превођење помоћу вештачке интелигенције Co-op Translator. Иако тежимо тачности, молимо вас да имате у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на изворном језику треба сматрати ауторитативним извором. За критичне информације препоручује се професионални превод од стране људи. Не сносимо одговорност за било каква погрешна тумачења или неспоразуме који могу произаћи из коришћења овог превода.