ML-For-Beginners/translations/sr

🌐 Подршка за више језика

Подржано преко GitHub Action (аутоматски и увек ажурирано)

Арапски | Бенгалски | Бугарски | Бирмански (Мјанмар) | Кинески (поједностављени) | Кинески (традиционални, Хонг Конг) | Кинески (традиционални, Макао) | Кинески (традиционални, Тајван) | Хрватски | Чешки | Дански | Холандски | Естонски | Фински | Француски | Немачки | Грчки | Хебрејски | Хинди | Мађарски | Индонежански | Италијански | Јапански | Корејски | Литвански | Малајски | Марати | Непалски | Норвешки | Персијски (фарси) | Пољски | Португалски (Бразил) | Португалски (Португал) | Пунџаби (Гурмуки) | Румунски | Руски | Српски (ћирилица) | Словачки | Словеначки | Шпански | Свахили | Шведски | Тагалог (Филипински) | Тамилски | Тајландски | Турски | Украјински | Урду | Вијетнамски

Придружите се нашој заједници

Имамо серију учења са AI на Discord-у, сазнајте више и придружите нам се на Learn with AI Series од 18. до 30. септембра 2025. Добићете савете и трикове за коришћење GitHub Copilot-а за Data Science.

Машинско учење за почетнике - Курикулум

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

Cloud Advocates у Microsoft-у са задовољством нуде 12-недељни, 26-лекцијски курикулум о машинском учењу. У овом курикулуму, научићете о ономе што се понекад назива класично машинско учење, користећи углавном библиотеку Scikit-learn и избегавајући дубоко учење, које је покривено у нашем AI за почетнике курикулуму. Упарите ове лекције са нашим 'Data Science за почетнике' курикулумом, такође!

Путујте са нама око 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, доказан начин да нове вештине остану.

✍️ Срдачна захвалност 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

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

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

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

Почетак

Пратите ове кораке:

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

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

🔧 Потребна помоћ? Погледајте наш Водич за решавање проблема за решења уобичајених проблема са инсталацијом, подешавањем и извођењем лекција.

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, паузирајући и размишљајући на сваком провери знања.
• Покушајте да креирате пројекте разумевањем лекција уместо покретања решења кода; међутим, тај код је доступан у /solution фолдерима у свакој лекцији заснованој на пројекту.
• Урадите квиз после предавања.
• Завршите изазов.
• Завршите задатак.
• Након завршетка групе лекција, посетите Дискусиони одбор и "учите наглас" попуњавањем одговарајуће PAT рубрике. 'PAT' је алат за процену напретка који је рубрика коју попуњавате да бисте унапредили своје учење. Такође можете реаговати на друге PAT-ове како бисмо заједно учили.

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

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

---

Видео водичи

Неке од лекција су доступне као кратки видео записи. Све их можете пронаћи унутар лекција или на ML за почетнике плејлисти на Microsoft Developer YouTube каналу кликом на слику испод.

---

Упознајте тим

Gif од Mohit Jaisal

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

---

Педагошки приступ

Изабрали смо два педагошка принципа приликом креирања овог курикулума: осигурање да је практичан заснован на пројектима и да укључује честе квизове. Поред тога, овај курикулум има заједничку тему која му даје кохезију.

Осигуравањем да садржај одговара пројектима, процес постаје занимљивији за студенте, а задржавање концепата ће бити побољшано. Поред тога, квиз са ниским ризиком 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 малим и постају све сложенији до краја 12-недељног циклуса. Овај курикулум такође укључује постскриптум о стварним применама ML-а, који се може користити као додатни кредит или као основа за дискусију.

Пронађите наш Кодекс понашања, Доприноси, Преводи и Водич за решавање проблема. Добродошли сте да нам дате конструктивне повратне информације!

Свака лекција укључује

• опциони скетч
• опциони допунски видео
• видео водич (само неке лекције)
• квиз за загревање пре предавања
• писану лекцију
• за лекције засноване на пројектима, водиче корак по корак како изградити пројекат
• провере знања
• изазов
• допунско 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 фолдер и потражите R лекције. Оне укључују .rmd екстензију која представља R Markdown фајл који се може једноставно дефинисати као уграђивање code chunks (R или других језика) и YAML header (који води како форматирати излаз као PDF) у Markdown документ. Као такав, служи као примерни 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 бити рендеровани у излазне формате као што су PDF, HTML или Word.

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

Број лекције	Тема	Груписање лекција	Циљеви учења	Повезана лекција	Аутор
01	Увод у машинско учење	Introduction	Научите основне концепте машинског учења	Lesson	Мухамед
02	Историја машинског учења	Introduction	Сазнајте историју која стоји иза ове области	Lesson	Џен и Ејми
03	Праведност и машинско учење	Introduction	Која су важна филозофска питања о праведности која студенти треба да узму у обзир приликом креирања и примене ML модела?	Lesson	Томоми
04	Технике машинског учења	Introduction	Које технике истраживачи користе за креирање ML модела?	Lesson	Крис и Џен
05	Увод у регресију	Regression	Започните рад са Python-ом и Scikit-learn-ом за регресионе моделе	Python • R	Џен • Ерик Ванџау
06	Цене бундева у Северној Америци 🎃	Regression	Визуализујте и очистите податке у припреми за ML	Python • R	Џен • Ерик Ванџау
07	Цене бундева у Северној Америци 🎃	Regression	Направите линеарне и полиномске регресионе моделе	Python • R	Џен и Дмитриј • Ерик Ванџау
08	Цене бундева у Северној Америци 🎃	Regression	Направите логистички регресиони модел	Python • R	Џен • Ерик Ванџау
09	Веб апликација 🔌	Web App	Направите веб апликацију за коришћење вашег обученог модела	Python	Џен
10	Увод у класификацију	Classification	Очистите, припремите и визуализујте своје податке; увод у класификацију	Python • R	Џен и Кеси • Ерик Ванџау
11	Укусна азијска и индијска кухиња 🍜	Classification	Увод у класификаторе	Python • R	Џен и Кеси • Ерик Ванџау
12	Укусна азијска и индијска кухиња 🍜	Classification	Више класификатора	Python • R	Џен и Кеси • Ерик Ванџау
13	Укусна азијска и индијска кухиња 🍜	Classification	Направите веб апликацију за препоруке користећи ваш модел	Python	Џен
14	Увод у кластеризацију	Clustering	Очистите, припремите и визуализујте своје податке; увод у кластеризацију	Python • R	Џен • Ерик Ванџау
15	Истраживање музичких укуса у Нигерији 🎧	Clustering	Истражите метод кластеризације K-Means	Python • R	Џен • Ерик Ванџау
16	Увод у обраду природног језика ☕️	Natural language processing	Научите основе NLP кроз креирање једноставног бота	Python	Стивен
17	Уобичајени NLP задаци ☕️	Natural language processing	Продубите своје знање о NLP кроз разумевање уобичајених задатака који се јављају приликом рада са језичким структурама	Python	Стивен
18	Превод и анализа сентимента ♥️	Natural language processing	Превод и анализа сентимента уз Џејн Остин	Python	Стивен
19	Романтични хотели Европе ♥️	Natural language processing	Анализа сентимента уз рецензије хотела 1	Python	Стивен
20	Романтични хотели Европе ♥️	Natural language processing	Анализа сентимента уз рецензије хотела 2	Python	Стивен
21	Увод у прогнозирање временских серија	Time series	Увод у прогнозирање временских серија	Python	Франческа
22	⚡️ Светска потрошња енергије ⚡️ - прогнозирање временских серија са ARIMA	Time series	Прогнозирање временских серија са ARIMA	Python	Франческа
23	⚡️ Светска потрошња енергије ⚡️ - прогнозирање временских серија са SVR	Time series	Прогнозирање временских серија са регресором подржавајућих вектора	Python	Анирбан
24	Увод у учење кроз појачање	Reinforcement learning	Увод у учење кроз појачање са Q-Learning	Python	Дмитриј
25	Помозите Петру да избегне вука! 🐺	Reinforcement learning	Учење кроз појачање уз Gym	Python	Дмитриј
Постскриптум	Сценарији и апликације машинског учења у стварном свету	ML in the Wild	Занимљиве и откривајуће апликације класичног машинског учења	Lesson	Тим
Постскриптум	Дебаговање модела у ML користећи RAI контролну таблу	ML in the Wild	Дебаговање модела машинског учења користећи компоненте контролне табле за одговорну AI	Lesson	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 localhost-у: localhost:3000.

PDF-ови

Пронађите PDF наставног плана са линковима овде.

🎒 Остали курсеви

Наш тим производи и друге курсеве! Погледајте:

• Edge AI for Beginners
• AI Agents for Beginners
• Generative AI for Beginners
• Generative AI for Beginners .NET
• Generative AI with JavaScript
• Generative AI with Java
• AI for Beginners
• Data Science for Beginners
• ML for Beginners
• Cybersecurity for Beginners
• Web Dev for Beginners
• IoT for Beginners
• XR Development for Beginners
• Mastering GitHub Copilot for Paired Programming
• Mastering GitHub Copilot for C#/.NET Developers
• Choose Your Own Copilot Adventure

Помоћ

Ако се заглавите или имате било каква питања о креирању AI апликација, придружите се:

Ако имате повратне информације о производу или грешке приликом креирања, посетите:

---

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