25 KiB

Raw Blame History Unescape Escape

🌐 Msaada wa Lugha Nyingi

Inapatikana Kupitia GitHub Action (Imeboreshwa Kiotomatiki na Kusasishwa Kila Wakati)

Jiunge na Jamii

Kujifunza Mashine kwa Kompyuta kwa Anayeanza - Mtaala

🌍 Safiri kote ulimwenguni tunapochunguza Kujifunza Mashine kupitia tamaduni za ulimwengu 🌍

Wakili wa Wingu wa Microsoft wana furaha kutoa mtaala wa wiki 12, masomo 26 kuhusu Kujifunza Mashine. Katika mtaala huu, utajifunza kuhusu kile kinachoitwa mara nyingine kujifunza mashine kwa njia ya kawaida, ukitumia hasa Scikit-learn kama maktaba na kuepuka kujifunza kwa kina, ambako kunashughulikiwa katika mtaala wetu wa AI kwa Anayeanza. Unganisha masomo haya na mtaala wetu wa 'Sayansi ya Takwimu kwa Anayeanza', pia!

Safiri nasi kote ulimwenguni tunapotumia mbinu hizi za kawaida kwa data kutoka maeneo mbalimbali ya ulimwengu. Kila somo linajumuisha maswali ya awali na baada ya somo, maelekezo yaliyoandikwa ya kukamilisha somo, suluhisho, kazi, na zaidi. Mbinu yetu ya mradi inakuwezesha kujifunza huku ukijenga, njia iliyothibitishwa ya kufanya ujuzi mpya 'kubaki'.

✍️ Shukrani za dhati 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 wachoraji wetu Tomomi Imura, Dasani Madipalli, na Jen Looper

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

🤩 Shukrani za ziada kwa Mabalozi wa Wanafunzi wa Microsoft Eric Wanjau, Jasleen Sondhi, na Vidushi Gupta kwa masomo yetu ya R!

Kuanza

Fuata hatua hizi:

Fork Hifadhi: Bonyeza kitufe cha "Fork" kwenye kona ya juu-kulia ya ukurasa huu.
Clone Hifadhi: git clone https://github.com/microsoft/ML-For-Beginners.git

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

Wanafunzi, ili kutumia mtaala huu, fork hifadhi nzima kwenye akaunti yako ya GitHub na ukamilishe mazoezi peke yako au na kikundi:

Anza na jaribio la awali la somo.
Soma somo na ukamilishe shughuli, ukisimama na kutafakari katika kila ukaguzi wa maarifa.
Jaribu kuunda miradi kwa kuelewa masomo badala ya kuendesha tu msimbo wa suluhisho; hata hivyo, msimbo huo unapatikana katika folda za /solution katika kila somo la mradi.
Fanya jaribio la baada ya somo.
Kamilisha changamoto.
Kamilisha kazi.
Baada ya kukamilisha kikundi cha masomo, tembelea Bodi ya Majadiliano na "jifunze kwa sauti" kwa kujaza rubriki ya PAT inayofaa. 'PAT' ni Chombo cha Tathmini ya Maendeleo ambacho ni rubriki unayojaza ili kuendeleza kujifunza kwako. Unaweza pia kujibu PAT za wengine ili tujifunze pamoja.

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

Walimu, tumetoa mapendekezo kadhaa ya jinsi ya kutumia mtaala huu.

Video za Maelezo

Baadhi ya masomo yanapatikana kama video fupi. Unaweza kupata zote hizi ndani ya masomo, au kwenye orodha ya ML kwa Anayeanza kwenye YouTube ya Microsoft Developer kwa kubonyeza picha hapa chini.

Kutana na Timu

Gif na Mohit Jaisal

🎥 Bonyeza picha hapo juu kwa video kuhusu mradi na watu waliouunda!

Mbinu ya Kufundisha

Tumechagua kanuni mbili za kufundisha wakati wa kuunda mtaala huu: kuhakikisha kuwa ni wa vitendo unaotegemea miradi na kwamba unajumuisha maswali ya mara kwa mara. Zaidi ya hayo, mtaala huu una mada ya kawaida ili kuupa mshikamano.

Kwa kuhakikisha kuwa maudhui yanalingana na miradi, mchakato unakuwa wa kuvutia zaidi kwa wanafunzi na uhifadhi wa dhana utaongezeka. Zaidi ya hayo, jaribio la hatari ya chini kabla ya darasa linaweka nia ya mwanafunzi kuelekea kujifunza mada, wakati jaribio la pili baada ya darasa linahakikisha uhifadhi zaidi. Mtaala huu uliundwa kuwa rahisi na wa kufurahisha na unaweza kuchukuliwa kwa ujumla au kwa sehemu. Miradi huanza midogo na kuwa ngumu zaidi mwishoni mwa mzunguko wa wiki 12. Mtaala huu pia unajumuisha nyongeza juu ya matumizi ya ulimwengu halisi ya ML, ambayo inaweza kutumika kama mkopo wa ziada au kama msingi wa majadiliano.

Pata Kanuni za Maadili, Mchango, na Miongozo ya Tafsiri. Tunakaribisha maoni yako ya kujenga!

Kila somo linajumuisha

sketchnote ya hiari
video ya ziada ya hiari
maelezo ya video (baadhi ya masomo tu)
jaribio la awali la somo
somo lililoandikwa
kwa masomo yanayotegemea mradi, mwongozo wa hatua kwa hatua wa jinsi ya kujenga mradi
ukaguzi wa maarifa
changamoto
usomaji wa ziada
kazi
jaribio la baada ya somo

Kumbuka kuhusu lugha: Masomo haya yameandikwa hasa kwa Python, lakini mengi pia yanapatikana kwa R. Ili kukamilisha somo la R, nenda kwenye folda ya /solution na utafute masomo ya R. Yanajumuisha kiendelezi cha .rmd ambacho kinawakilisha faili ya R Markdown ambayo inaweza kufafanuliwa kwa urahisi kama mchanganyiko wa vipande vya msimbo (wa R au lugha nyingine) na kichwa cha YAML (kinachoongoza jinsi ya kuunda matokeo kama PDF) katika hati ya Markdown. Kwa hivyo, inatumika kama mfumo bora wa uandishi wa sayansi ya data kwani inakuwezesha kuchanganya msimbo wako, matokeo yake, na mawazo yako kwa kuandika katika Markdown. Zaidi ya hayo, hati za R Markdown zinaweza kutolewa kwa fomati za matokeo kama PDF, HTML, au Word.

Kumbuka kuhusu maswali: Maswali yote yamejumuishwa katika folda ya Quiz App, kwa jumla ya maswali 52 ya maswali matatu kila moja. Yameunganishwa kutoka ndani ya masomo lakini programu ya jaribio inaweza kuendeshwa ndani ya nchi; fuata maelekezo katika folda ya quiz-app ili kuendesha ndani ya nchi au kupeleka kwenye Azure.

Nambari ya Somo	Mada	Kikundi cha Somo	Malengo ya Kujifunza	Somo Lililounganishwa	Mwandishi
01	Utangulizi wa kujifunza mashine	Utangulizi	Jifunze dhana za msingi za kujifunza mashine	Somo	Muhammad
02	Historia ya kujifunza mashine	Utangulizi	Jifunze historia ya uwanja huu	Somo	Jen na Amy
03	Usawa na kujifunza mashine	Utangulizi	Ni masuala gani muhimu ya kifalsafa kuhusu usawa ambayo wanafunzi wanapaswa kuzingatia wanapojenga na kutumia mifano ya ML?	Somo	Tomomi
04	Mbinu za kujifunza kwa mashine	Introduction	Ni mbinu gani watafiti wa ML hutumia kujenga mifano ya ML?	Lesson	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 malenge Amerika Kaskazini 🎃	Regression	Onyesha na safisha data kwa maandalizi ya ML	Python • R	Jen • Eric Wanjau
07	Bei za malenge Amerika Kaskazini 🎃	Regression	Jenga mifano ya regression ya mstari na polynomial	Python • R	Jen na Dmitry • Eric Wanjau
08	Bei za malenge Amerika Kaskazini 🎃	Regression	Jenga mfano wa regression ya logistic	Python • R	Jen • Eric Wanjau
09	Programu ya Wavuti 🔌	Web App	Jenga programu ya wavuti kutumia mfano uliyojifunza	Python	Jen
10	Utangulizi wa uainishaji	Classification	Safisha, andaa, na onyesha data yako; utangulizi wa uainishaji	Python • R	Jen na Cassie • Eric Wanjau
11	Vyakula vitamu vya Asia na India 🍜	Classification	Utangulizi wa classifiers	Python • R	Jen na Cassie • Eric Wanjau
12	Vyakula vitamu vya Asia na India 🍜	Classification	Classifiers zaidi	Python • R	Jen na Cassie • Eric Wanjau
13	Vyakula vitamu vya Asia na India 🍜	Classification	Jenga programu ya wavuti ya mapendekezo ukitumia mfano wako	Python	Jen
14	Utangulizi wa clustering	Clustering	Safisha, andaa, na onyesha data yako; Utangulizi wa clustering	Python • R	Jen • Eric Wanjau
15	Kuchunguza ladha za muziki wa Nigeria 🎧	Clustering	Chunguza mbinu ya clustering ya K-Means	Python • R	Jen • Eric Wanjau
16	Utangulizi wa usindikaji wa lugha asilia ☕️	Natural language processing	Jifunze misingi ya NLP kwa kujenga bot rahisi	Python	Stephen
17	Kazi za kawaida za NLP ☕️	Natural language processing	Panua maarifa yako ya NLP kwa kuelewa kazi za kawaida zinazohitajika wakati wa kushughulikia 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 na hakiki za hoteli 1	Python	Stephen
20	Hoteli za kimapenzi za Ulaya ♥️	Natural language processing	Uchambuzi wa hisia na hakiki za hoteli 2	Python	Stephen
21	Utangulizi wa utabiri wa mfululizo wa muda	Time series	Utangulizi wa utabiri wa mfululizo wa muda	Python	Francesca
22	⚡️ Matumizi ya Nguvu Duniani ⚡️ - utabiri wa mfululizo wa muda na ARIMA	Time series	Utabiri wa mfululizo wa muda na ARIMA	Python	Francesca
23	⚡️ Matumizi ya Nguvu Duniani ⚡️ - utabiri wa mfululizo wa muda na SVR	Time series	Utabiri wa mfululizo wa muda na Support Vector Regressor	Python	Anirban
24	Utangulizi wa kujifunza kwa kuimarisha	Reinforcement learning	Utangulizi wa kujifunza kwa kuimarisha na Q-Learning	Python	Dmitry
25	Msaidie Peter kuepuka mbwa mwitu! 🐺	Reinforcement learning	Gym ya kujifunza kwa kuimarisha	Python	Dmitry
Postscript	Matukio na matumizi halisi ya ML	ML in the Wild	Matumizi halisi ya kuvutia na kufichua ya ML ya kawaida	Lesson	Team
Postscript	Urekebishaji wa mifano ya ML kwa kutumia dashibodi ya RAI	ML in the Wild	Urekebishaji wa mifano ya Kujifunza kwa Mashine kwa kutumia vipengele vya dashibodi ya AI inayowajibika	Lesson	Ruth Yakubu

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

Ufikiaji wa nje ya mtandao

Unaweza kuendesha nyaraka hizi nje ya mtandao kwa kutumia Docsify. Fork repo hii, sakinisha Docsify kwenye mashine yako ya ndani, kisha kwenye folda ya mizizi ya repo hii, andika docsify serve. Tovuti itahudumiwa kwenye bandari 3000 kwenye localhost yako: localhost:3000.

PDFs

Pata pdf ya mtaala na viungo hapa.

🎒 Kozi Nyingine

Timu yetu inazalisha kozi nyingine! Angalia:

Kanusho:
Hati hii imetafsiriwa kwa kutumia huduma ya tafsiri ya AI Co-op Translator. Ingawa tunajitahidi kuhakikisha usahihi, tafsiri za kiotomatiki zinaweza kuwa na makosa au kutokuwa sahihi. Hati ya asili katika lugha yake ya awali inapaswa kuchukuliwa kama chanzo cha mamlaka. Kwa taarifa muhimu, tafsiri ya kitaalamu ya binadamu inapendekezwa. Hatutawajibika kwa kutoelewana au tafsiri zisizo sahihi zinazotokana na matumizi ya tafsiri hii.

25 KiB Raw Blame History Unescape Escape