27 KiB

Raw Blame History Unescape Escape

🌐 Podpora viacerých jazykov

Podporované cez GitHub Action (automatizované a vždy aktuálne)

Pripojte sa k našej komunite

Máme prebiehajúcu sériu "Learn with AI" na Discorde, dozviete sa viac a pripojte sa k nám na Learn with AI Series od 18. do 30. septembra 2025. Získate tipy a triky na používanie GitHub Copilot pre Data Science.

Strojové učenie pre začiatočníkov - učebné osnovy

🌍 Cestujte po svete, keď objavujeme strojové učenie prostredníctvom kultúr sveta 🌍

Cloud Advocates v Microsoft s radosťou ponúkajú 12-týždňové, 26-lekčné učebné osnovy o strojovom učení. V týchto osnovách sa naučíte o tom, čo sa niekedy nazýva klasické strojové učenie, pričom sa primárne používa knižnica Scikit-learn a vyhýba sa hlbokému učeniu, ktoré je pokryté v našich učebných osnovách AI pre začiatočníkov. Spojte tieto lekcie s našimi učebnými osnovami Data Science pre začiatočníkov!

Cestujte s nami po svete, keď aplikujeme tieto klasické techniky na údaje z rôznych oblastí sveta. Každá lekcia obsahuje kvízy pred a po lekcii, písomné pokyny na dokončenie lekcie, riešenie, úlohu a ďalšie. Náš projektovo orientovaný prístup vám umožní učiť sa pri budovaní, čo je osvedčený spôsob, ako si nové zručnosti lepšie zapamätať.

✍️ Srdečné poďakovanie našim autorom Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu a Amy Boyd

🎨 Poďakovanie aj našim ilustrátorom Tomomi Imura, Dasani Madipalli a Jen Looper

🙏 Špeciálne poďakovanie 🙏 našim autorom, recenzentom a prispievateľom obsahu z radov Microsoft Student Ambassador, najmä Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila a Snigdha Agarwal

🤩 Extra vďaka Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi a Vidushi Gupta za naše lekcie v R!

Začíname

Postupujte podľa týchto krokov:

Forknite repozitár: Kliknite na tlačidlo "Fork" v pravom hornom rohu tejto stránky.
Klonujte repozitár: git clone https://github.com/microsoft/ML-For-Beginners.git

nájdite všetky ďalšie zdroje pre tento kurz v našej kolekcii Microsoft Learn

🔧 Potrebujete pomoc? Pozrite si náš Sprievodca riešením problémov pre riešenia bežných problémov s inštaláciou, nastavením a spúšťaním lekcií.

Študenti, na použitie týchto osnov si forknite celý repozitár do svojho GitHub účtu a dokončite cvičenia sami alebo v skupine:

Začnite kvízom pred prednáškou.
Prečítajte si prednášku a dokončite aktivity, pričom sa zastavte a zamyslite pri každej kontrole vedomostí.
Pokúste sa vytvoriť projekty pochopením lekcií namiesto spúšťania riešenia kódu; tento kód je však dostupný v priečinkoch /solution v každej projektovo orientovanej lekcii.
Urobte kvíz po prednáške.
Dokončite výzvu.
Dokončite úlohu.
Po dokončení skupiny lekcií navštívte Diskusnú tabuľu a "učte sa nahlas" vyplnením príslušného PAT rubriky. 'PAT' je nástroj na hodnotenie pokroku, ktorý je rubrikou, ktorú vyplníte na ďalšie vzdelávanie. Môžete tiež reagovať na iné PAT, aby sme sa učili spoločne.

Na ďalšie štúdium odporúčame sledovať tieto moduly a učebné cesty Microsoft Learn.

Učitelia, pridali sme niekoľko návrhov, ako používať tieto učebné osnovy.

Video prehľady

Niektoré lekcie sú dostupné ako krátke videá. Všetky nájdete priamo v lekciách alebo na playlistu ML for Beginners na YouTube kanáli Microsoft Developer kliknutím na obrázok nižšie.

Spoznajte tím

Gif od Mohit Jaisal

🎥 Kliknite na obrázok vyššie pre video o projekte a ľuďoch, ktorí ho vytvorili!

Pedagogika

Pri tvorbe týchto učebných osnov sme si zvolili dve pedagogické zásady: zabezpečiť, aby boli praktické projektovo orientované a aby obsahovali časté kvízy. Okrem toho majú tieto učebné osnovy spoločnú tému, ktorá im dodáva súdržnosť.

Zabezpečením, že obsah je spojený s projektmi, je proces pre študentov pútavejší a zlepšuje sa zapamätanie konceptov. Okrem toho nízko-stresový kvíz pred hodinou nastaví študentovu pozornosť na učenie sa témy, zatiaľ čo druhý kvíz po hodine zabezpečí ďalšie zapamätanie. Tieto učebné osnovy boli navrhnuté tak, aby boli flexibilné a zábavné, a môžu byť absolvované celé alebo čiastočne. Projekty začínajú malé a postupne sa stávajú zložitejšími na konci 12-týždňového cyklu. Tieto učebné osnovy tiež obsahujú dodatok o reálnych aplikáciách ML, ktorý môže byť použitý ako extra kredit alebo ako základ pre diskusiu.

Nájdite naše Pravidlá správania, Prispievanie, Preklady a Riešenie problémov. Vaša konštruktívna spätná väzba je vítaná!

Každá lekcia obsahuje

voliteľný sketchnote
voliteľné doplnkové video
video prehľad (len niektoré lekcie)
kvíz na zahriatie pred prednáškou
písomnú lekciu
pre projektovo orientované lekcie, podrobné návody na vytvorenie projektu
kontroly vedomostí
výzvu
doplnkové čítanie
úlohu
kvíz po prednáške

Poznámka o jazykoch: Tieto lekcie sú primárne napísané v Pythone, ale mnohé sú dostupné aj v R. Na dokončenie lekcie v R prejdite do priečinka /solution a vyhľadajte lekcie v R. Obsahujú príponu .rmd, ktorá predstavuje R Markdown súbor, ktorý možno jednoducho definovať ako vloženie code chunks (R alebo iných jazykov) a YAML header (ktorý určuje, ako formátovať výstupy, ako napríklad PDF) do Markdown dokumentu. Ako taký slúži ako príkladný autorovací rámec pre dátovú vedu, pretože vám umožňuje kombinovať váš kód, jeho výstup a vaše myšlienky tým, že ich zapíšete do Markdown. Navyše, R Markdown dokumenty môžu byť vykreslené do výstupných formátov, ako sú PDF, HTML alebo Word.

Poznámka o kvízoch: Všetky kvízy sú obsiahnuté v priečinku Quiz App, celkovo 52 kvízov po tri otázky. Sú prepojené priamo z lekcií, ale aplikáciu kvízov je možné spustiť lokálne; postupujte podľa pokynov v priečinku quiz-app na lokálne hosťovanie alebo nasadenie na Azure.

Číslo lekcie	Téma	Skupina lekcií	Ciele učenia	Prepojená lekcia	Autor
01	Úvod do strojového učenia	Úvod	Naučte sa základné koncepty strojového učenia	Lekcia	Muhammad
02	História strojového učenia	Úvod	Zoznámte sa s históriou tohto odboru	Lekcia	Jen a Amy
03	Spravodlivosť a strojové učenie	Úvod	Aké sú dôležité filozofické otázky týkajúce sa spravodlivosti, ktoré by študenti mali zvážiť pri vytváraní a aplikovaní modelov ML?	Lekcia	Tomomi
04	Techniky strojového učenia	Úvod	Aké techniky používajú výskumníci ML na vytváranie modelov ML?	Lekcia	Chris a Jen
05	Úvod do regresie	Regresia	Začnite s Pythonom a Scikit-learn pre regresné modely	Python • R	Jen • Eric Wanjau
06	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Vizualizujte a vyčistite údaje na prípravu pre ML	Python • R	Jen • Eric Wanjau
07	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Vytvorte lineárne a polynomiálne regresné modely	Python • R	Jen a Dmitry • Eric Wanjau
08	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Vytvorte logistický regresný model	Python • R	Jen • Eric Wanjau
09	Webová aplikácia 🔌	Webová aplikácia	Vytvorte webovú aplikáciu na použitie vášho trénovaného modelu	Python	Jen
10	Úvod do klasifikácie	Klasifikácia	Vyčistite, pripravte a vizualizujte svoje údaje; úvod do klasifikácie	Python • R	Jen a Cassie • Eric Wanjau
11	Lahodné ázijské a indické jedlá 🍜	Klasifikácia	Úvod do klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
12	Lahodné ázijské a indické jedlá 🍜	Klasifikácia	Viac klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
13	Lahodné ázijské a indické jedlá 🍜	Klasifikácia	Vytvorte webovú aplikáciu odporúčania pomocou vášho modelu	Python	Jen
14	Úvod do zhlukovania	Zhlukovanie	Vyčistite, pripravte a vizualizujte svoje údaje; Úvod do zhlukovania	Python • R	Jen • Eric Wanjau
15	Preskúmanie hudobných chutí v Nigérii 🎧	Zhlukovanie	Preskúmajte metódu zhlukovania K-Means	Python • R	Jen • Eric Wanjau
16	Úvod do spracovania prirodzeného jazyka ☕️	Spracovanie prirodzeného jazyka	Naučte sa základy NLP vytvorením jednoduchého bota	Python	Stephen
17	Bežné úlohy NLP ☕️	Spracovanie prirodzeného jazyka	Prehĺbte svoje znalosti NLP pochopením bežných úloh pri práci s jazykovými štruktúrami	Python	Stephen
18	Preklad a analýza sentimentu ♥️	Spracovanie prirodzeného jazyka	Preklad a analýza sentimentu s Jane Austen	Python	Stephen
19	Romantické hotely v Európe ♥️	Spracovanie prirodzeného jazyka	Analýza sentimentu s recenziami hotelov 1	Python	Stephen
20	Romantické hotely v Európe ♥️	Spracovanie prirodzeného jazyka	Analýza sentimentu s recenziami hotelov 2	Python	Stephen
21	Úvod do predikcie časových radov	Časové rady	Úvod do predikcie časových radov	Python	Francesca
22	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov s ARIMA	Časové rady	Predikcia časových radov s ARIMA	Python	Francesca
23	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov s SVR	Časové rady	Predikcia časových radov s Support Vector Regressor	Python	Anirban
24	Úvod do posilneného učenia	Posilnené učenie	Úvod do posilneného učenia s Q-Learning	Python	Dmitry
25	Pomôžte Petrovi vyhnúť sa vlkovi! 🐺	Posilnené učenie	Posilnené učenie Gym	Python	Dmitry
Postscript	Scenáre a aplikácie ML v reálnom svete	ML v divočine	Zaujímavé a odhaľujúce aplikácie klasického ML v reálnom svete	Lekcia	Tím
Postscript	Ladenie modelov ML pomocou RAI dashboardu	ML v divočine	Ladenie modelov strojového učenia pomocou komponentov Responsible AI dashboardu	Lekcia	Ruth Yakubu

nájdite všetky ďalšie zdroje pre tento kurz v našej kolekcii Microsoft Learn

Offline prístup

Túto dokumentáciu môžete spustiť offline pomocou Docsify. Forknite tento repozitár, nainštalujte Docsify na svojom lokálnom počítači a potom v koreňovom priečinku tohto repozitára zadajte docsify serve. Webová stránka bude spustená na porte 3000 na vašom localhoste: localhost:3000.

PDF súbory

Nájdite PDF verziu učebných osnov s odkazmi tu.

🎒 Ďalšie kurzy

Náš tím vytvára aj ďalšie kurzy! Pozrite si:

Získanie pomoci

Ak sa zaseknete alebo máte akékoľvek otázky týkajúce sa vytvárania AI aplikácií, pripojte sa:

Ak máte spätnú väzbu k produktu alebo chyby pri vytváraní, navštívte:

Upozornenie:
Tento dokument bol preložený pomocou služby AI prekladu Co-op Translator. Hoci sa snažíme o presnosť, prosím, berte na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho rodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nenesieme zodpovednosť za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.

27 KiB Raw Blame History Unescape Escape