28 KiB

Raw Blame History Unescape Escape

🌐 Suport Multi-Limbă

Suportat prin GitHub Action (Automat & Mereu Actualizat)

Alătură-te Comunității Noastre

Avem o serie de învățare cu AI pe Discord în desfășurare, află mai multe și alătură-te nouă la Learn with AI Series între 18 - 30 septembrie 2025. Vei primi sfaturi și trucuri despre utilizarea GitHub Copilot pentru Data Science.

Machine Learning pentru Începători - Un Curriculum

🌍 Călătorește în jurul lumii în timp ce explorăm Machine Learning prin intermediul culturilor mondiale 🌍

Advocații Cloud de la Microsoft sunt încântați să ofere un curriculum de 12 săptămâni, cu 26 de lecții, despre Machine Learning. În acest curriculum, vei învăța despre ceea ce este uneori numit machine learning clasic, utilizând în principal biblioteca Scikit-learn și evitând deep learning, care este acoperit în curriculumul nostru AI pentru Începători. Combină aceste lecții cu curriculumul nostru 'Data Science pentru Începători', de asemenea!

Călătorește cu noi în jurul lumii în timp ce aplicăm aceste tehnici clasice pe date din multe regiuni ale lumii. Fiecare lecție include chestionare înainte și după lecție, instrucțiuni scrise pentru completarea lecției, o soluție, o temă și multe altele. Pedagogia noastră bazată pe proiecte îți permite să înveți în timp ce construiești, o metodă dovedită pentru ca noile abilități să se fixeze.

✍️ Mulțumiri sincere autorilor noștri Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu și Amy Boyd

🎨 Mulțumiri și ilustratorilor noștri Tomomi Imura, Dasani Madipalli și Jen Looper

🙏 Mulțumiri speciale 🙏 ambasadorilor studenți Microsoft, autori, recenzori și contribuitori de conținut, în special Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila și Snigdha Agarwal

🤩 Recunoștință suplimentară ambasadorilor studenți Microsoft Eric Wanjau, Jasleen Sondhi și Vidushi Gupta pentru lecțiile noastre în R!

Începe

Urmează acești pași:

Fork Repo-ul: Apasă pe butonul "Fork" din colțul dreapta-sus al acestei pagini.
Clonează Repo-ul: git clone https://github.com/microsoft/ML-For-Beginners.git

găsește toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn

🔧 Ai nevoie de ajutor? Verifică Ghidul nostru de depanare pentru soluții la probleme comune legate de instalare, configurare și rularea lecțiilor.

Studenți, pentru a utiliza acest curriculum, faceți fork întregului repo în propriul cont GitHub și completați exercițiile pe cont propriu sau în grup:

Începeți cu un chestionar înainte de lecție.
Citiți lecția și completați activitățile, oprindu-vă și reflectând la fiecare verificare a cunoștințelor.
Încercați să creați proiectele înțelegând lecțiile, mai degrabă decât rulând codul soluției; totuși, acel cod este disponibil în folderele /solution din fiecare lecție orientată pe proiect.
Faceți chestionarul de după lecție.
Completați provocarea.
Completați tema.
După finalizarea unui grup de lecții, vizitați Forum de Discuții și "învățați cu voce tare" completând rubricile PAT corespunzătoare. Un 'PAT' este un instrument de evaluare a progresului, o rubrică pe care o completați pentru a vă aprofunda învățarea. De asemenea, puteți reacționa la alte rubrici PAT pentru a învăța împreună.

Pentru studiu suplimentar, recomandăm urmarea acestor module și trasee de învățare Microsoft Learn.

Profesori, am inclus câteva sugestii despre cum să utilizați acest curriculum.

Tutoriale video

Unele lecții sunt disponibile sub formă de videoclipuri scurte. Le puteți găsi pe toate în lecții, sau pe playlist-ul ML pentru Începători de pe canalul YouTube Microsoft Developer făcând clic pe imaginea de mai jos.

Cunoaște Echipa

Gif realizat de Mohit Jaisal

🎥 Apasă pe imaginea de mai sus pentru un videoclip despre proiect și persoanele care l-au creat!

Pedagogie

Am ales două principii pedagogice în construirea acestui curriculum: asigurarea că este bazat pe proiecte practice și că include chestionare frecvente. În plus, acest curriculum are o temă comună pentru a-i oferi coeziune.

Prin asigurarea că conținutul se aliniază cu proiectele, procesul devine mai captivant pentru studenți, iar retenția conceptelor va fi îmbunătățită. În plus, un chestionar cu miză redusă înainte de curs setează intenția studentului de a învăța un subiect, în timp ce un al doilea chestionar după curs asigură o retenție suplimentară. Acest curriculum a fost conceput să fie flexibil și distractiv și poate fi parcurs în întregime sau parțial. Proiectele încep mici și devin din ce în ce mai complexe până la sfârșitul ciclului de 12 săptămâni. Acest curriculum include, de asemenea, un postscript despre aplicațiile reale ale ML, care poate fi utilizat ca credit suplimentar sau ca bază pentru discuții.

Găsiți Codul nostru de Conduită, Contribuții, Traduceri și Ghid de depanare. Apreciem feedback-ul vostru constructiv!

Fiecare lecție include

sketchnote opțional
videoclip suplimentar opțional
tutorial video (doar pentru unele lecții)
chestionar de încălzire înainte de lecție
lecție scrisă
pentru lecțiile bazate pe proiecte, ghiduri pas cu pas despre cum să construiești proiectul
verificări ale cunoștințelor
o provocare
lectură suplimentară
temă
chestionar de după lecție

O notă despre limbaje: Aceste lecții sunt scrise în principal în Python, dar multe sunt disponibile și în R. Pentru a completa o lecție în R, accesați folderul /solution și căutați lecțiile în R. Acestea includ o extensie .rmd care reprezintă un fișier R Markdown, care poate fi definit simplu ca o integrare de fragmente de cod (din R sau alte limbaje) și un header YAML (care ghidează cum să formateze ieșirile, cum ar fi PDF) într-un document Markdown. Astfel, servește ca un cadru exemplu de autor pentru data science, deoarece îți permite să combini codul, rezultatul acestuia și gândurile tale, permițându-ți să le notezi în Markdown. Mai mult, documentele R Markdown pot fi transformate în formate de ieșire precum PDF, HTML sau Word.

O notă despre chestionare: Toate chestionarele sunt conținute în folderul Quiz App, pentru un total de 52 de chestionare, fiecare cu trei întrebări. Acestea sunt legate din lecții, dar aplicația de chestionare poate fi rulată local; urmează instrucțiunile din folderul quiz-app pentru a găzdui local sau a implementa pe Azure.

Număr Lecție	Subiect	Grupare Lecții	Obiective de Învățare	Lecție Legată	Autor
01	Introducere în învățarea automată	Introducere	Învață conceptele de bază ale învățării automate	Lecție	Muhammad
02	Istoria învățării automate	Introducere	Descoperă istoria acestui domeniu	Lecție	Jen și Amy
03	Echitate și învățarea automată	Introducere	Care sunt problemele filosofice importante legate de echitate pe care studenții ar trebui să le ia în considerare când construiesc și aplică modele ML?	Lecție	Tomomi
04	Tehnici pentru învățarea automată	Introducere	Ce tehnici folosesc cercetătorii ML pentru a construi modele ML?	Lecție	Chris și Jen
05	Introducere în regresie	Regresie	Începe să folosești Python și Scikit-learn pentru modele de regresie	Python • R	Jen • Eric Wanjau
06	Prețurile dovlecilor din America de Nord 🎃	Regresie	Vizualizează și curăță datele pentru pregătirea ML	Python • R	Jen • Eric Wanjau
07	Prețurile dovlecilor din America de Nord 🎃	Regresie	Construiește modele de regresie liniară și polinomială	Python • R	Jen și Dmitry • Eric Wanjau
08	Prețurile dovlecilor din America de Nord 🎃	Regresie	Construiește un model de regresie logistică	Python • R	Jen • Eric Wanjau
09	O aplicație web 🔌	Aplicație Web	Construiește o aplicație web pentru a utiliza modelul antrenat	Python	Jen
10	Introducere în clasificare	Clasificare	Curăță, pregătește și vizualizează datele; introducere în clasificare	Python • R	Jen și Cassie • Eric Wanjau
11	Bucătării delicioase asiatice și indiene 🍜	Clasificare	Introducere în clasificatori	Python • R	Jen și Cassie • Eric Wanjau
12	Bucătării delicioase asiatice și indiene 🍜	Clasificare	Mai mulți clasificatori	Python • R	Jen și Cassie • Eric Wanjau
13	Bucătării delicioase asiatice și indiene 🍜	Clasificare	Construiește o aplicație web de recomandare folosind modelul tău	Python	Jen
14	Introducere în clustering	Clustering	Curăță, pregătește și vizualizează datele; Introducere în clustering	Python • R	Jen • Eric Wanjau
15	Explorarea gusturilor muzicale nigeriene 🎧	Clustering	Explorează metoda de clustering K-Means	Python • R	Jen • Eric Wanjau
16	Introducere în procesarea limbajului natural ☕️	Procesarea limbajului natural	Învață bazele NLP construind un bot simplu	Python	Stephen
17	Sarcini comune NLP ☕️	Procesarea limbajului natural	Aprofundează cunoștințele NLP înțelegând sarcinile comune necesare pentru lucrul cu structurile lingvistice	Python	Stephen
18	Traducere și analiză de sentiment ♥️	Procesarea limbajului natural	Traducere și analiză de sentiment cu Jane Austen	Python	Stephen
19	Hoteluri romantice din Europa ♥️	Procesarea limbajului natural	Analiză de sentiment cu recenzii de hotel 1	Python	Stephen
20	Hoteluri romantice din Europa ♥️	Procesarea limbajului natural	Analiză de sentiment cu recenzii de hotel 2	Python	Stephen
21	Introducere în prognoza seriilor temporale	Serii temporale	Introducere în prognoza seriilor temporale	Python	Francesca
22	⚡️ Utilizarea energiei la nivel mondial ⚡️ - prognoza seriilor temporale cu ARIMA	Serii temporale	Prognoza seriilor temporale cu ARIMA	Python	Francesca
23	⚡️ Utilizarea energiei la nivel mondial ⚡️ - prognoza seriilor temporale cu SVR	Serii temporale	Prognoza seriilor temporale cu Support Vector Regressor	Python	Anirban
24	Introducere în învățarea prin întărire	Învățarea prin întărire	Introducere în învățarea prin întărire cu Q-Learning	Python	Dmitry
25	Ajută-l pe Peter să evite lupul! 🐺	Învățarea prin întărire	Gym pentru învățarea prin întărire	Python	Dmitry
Postscript	Scenarii și aplicații ML din lumea reală	ML în sălbăticie	Aplicații interesante și revelatoare ale ML clasic	Lecție	Echipa
Postscript	Debugging modele ML folosind tabloul de bord RAI	ML în sălbăticie	Debugging modele ML folosind componentele tabloului de bord Responsible AI	Lecție	Ruth Yakubu

găsește toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn

Acces offline

Poți rula această documentație offline folosind Docsify. Clonează acest repo, instalează Docsify pe mașina ta locală, apoi în folderul rădăcină al acestui repo, tastează docsify serve. Website-ul va fi servit pe portul 3000 pe localhost-ul tău: localhost:3000.

PDF-uri

Găsește un PDF al curriculumului cu linkuri aici.

🎒 Alte Cursuri

Echipa noastră produce și alte cursuri! Verifică:

Obținerea Ajutorului

Dacă te blochezi sau ai întrebări despre construirea aplicațiilor AI, alătură-te:

Dacă ai feedback despre produs sau întâmpini erori în timpul construirii, vizitează:

Declinare de responsabilitate:
Acest document a fost tradus folosind serviciul de traducere AI Co-op Translator. Deși ne străduim să asigurăm acuratețea, vă rugăm să fiți conștienți că traducerile automate pot conține erori sau inexactități. Documentul original în limba sa maternă trebuie considerat sursa autoritară. Pentru informații critice, se recomandă traducerea profesională realizată de un specialist. Nu ne asumăm responsabilitatea pentru eventualele neînțelegeri sau interpretări greșite care pot apărea din utilizarea acestei traduceri.

28 KiB Raw Blame History Unescape Escape