ML-For-Beginners/translations/et

🌐 Mitmekeelsuse tugi

Toetatud GitHub Actioni kaudu (automatiseeritud ja alati ajakohane)

Araabia | Bengali | Bulgaaria | Burma (Myanmar) | Hiina (lihtsustatud) | Hiina (traditsiooniline, Hongkong) | Hiina (traditsiooniline, Macao) | Hiina (traditsiooniline, Taiwan) | Horvaadi | Tšehhi | Taani | Hollandi | Eesti | Soome | Prantsuse | Saksa | Kreeka | Heebrea | Hindi | Ungari | Indoneesia | Itaalia | Jaapani | Kannada | Korea | Leedu | Malai | Malajalami | Marathi | Nepali | Nigeeria pidgin | Norra | Pärsia (Farsi) | Poola | Portugali (Brasiilia) | Portugali (Portugal) | Pandžabi (Gurmukhi) | Rumeenia | Vene | Serbia (kirilitsa) | Sloveenia | Sloveeni | Hispaania | Suaali | Rootsi | Tagalogi (filipino) | Tamili | Telugu | Tai | Türgi | Ukraina | Urdu | Vietnam

Eelistate kloonida kohapeal?

See hoidla sisaldab 50+ keele tõlget, mis suurendab oluliselt allalaaditava faili suurust. Tõlgeteta kloonimiseks kasutage hajutatud välja kontrolli:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

See annab teile kõik, mida on vaja kursuse läbimiseks palju kiirema allalaadimisega.

Liitu meie kogukonnaga

Meil on käimas Discordi õppesari tehisintellektiga, lisateavet ja liitumisvõimalusi leiate aadressilt Learn with AI Series ajavahemikul 18.-30. september 2025. Saate näpunäiteid ja nippe GitHub Copilot’i kasutamiseks andmeteaduses.

Masinõpe algajatele – õppekava

🌍 Rändame mööda maailma, uurides masinõpet maailma kultuuride kaudu 🌍

Microsofti pilvekaitsjad on rõõmsad pakkuda 12-nädalast, 26-õppeainelist õppekava kogu teemal Masinõpe. Selles õppekavas õpite tundma seda, mida mõnikord nimetatakse klassikaliseks masinõppeks, kasutades peamiselt Scikit-learn teeki ja vältides süvaõpet, mis on kaetud meie AI algajate õppekavas. Paarige need õppetunnid ka meie 'Andmeteaduse algajate õppekavaga'!

Rändage meiega mööda maailma, rakendades neid klassikalisi tehnikaid andmetele mitmest maailma piirkonnast. Igas õppetükis on eelmise ja järgse kontrollküsimustik, kirjalikud juhised ülesande täitmiseks, lahendus, ülesanne ja palju muud. Meie projektipõhine pedagoogika võimaldab teil õppida ehitades, mis on hästi tõestatud uusate oskuste kinnistamisel.

✍️ Südamlik tänu meie autoritele Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ja Amy Boyd

🎨 Tänud ka meie illustraatoritele Tomomi Imura, Dasani Madipalli ja Jen Looper

🙏 Eriline tänu 🙏 meie Microsofti tudengisaadikute autoritele, retsensentidele ja sisukorraldajatele, eelkõige Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ja Snigdha Agarwal

🤩 Suur tänu Microsofti tudengisaadikutele Eric Wanjau, Jasleen Sondhi ja Vidushi Gupta meie R-õppetundide eest!

Algus

Järgige neid samme:

1. Tee hoidlast haru (fork): Vajutage selle lehe paremas ülanurgas olevale nupule "Fork".
2. Kloonige hoidla: git clone https://github.com/microsoft/ML-For-Beginners.git

Leia kõik selle kursuse lisamaterjalid meie Microsoft Learn kogust

🔧 Vaja abi? Vaadake meie probleemide lahendamise juhendit sageli esinevate paigaldus-, seadistus- ja õppetundide käivitamise probleemide kohta.

Õpilased, selle õppekava kasutamiseks tehke kogu hoidlast haru enda GitHubi kontole ja täitke harjutused üksi või grupis:

• Alustage eeloenguküsimustikuga.
• Loe õppetundi ja täida tegevused, peatudes ja mõeldes igal teadmiste kontrollil.
• Proovige projekte luua õppetunde mõistes, mitte lahenduskoodi jooksutades; kuid see kood on olemas iga projekti suunitlusega õppetunni /solution kaustas.
• Tehke järelkontrollküsimustik.
• Täitke väljakutse.
• Täitke ülesanne.
• Pärast õppetükkide rühma lõpetamist külastage arutelufoorumit ja "õppige valjult", täites vastava PAT hindamisvahendi rubriigi. 'PAT' on edenemise hindamise tööriist, mida täites süvendate oma õppimist. Võite ka teisi PAT-e kommenteerida, et koos õppida.

Edasiseks õppimiseks soovitame järgida neid Microsoft Learn mooduleid ja õpiteid.

Õpetajad, oleme lisanud soovitusi, kuidas seda õppekava kasutada.

---

Videod

Mõned õppetunnid on saadaval lühivideotena. Leiate need kõik õppetundide seest või ML algajate esitusloendist Microsoft Developer YouTube kanalil alloleva pildi kaudu.

---

Kohtuge meeskonnaga

Gif autor Mohit Jaisal

🎥 Klõpsake ülalolevat pilti, et vaadata videot projektist ja selle loojatest!

---

Pedagoogika

Selle õppekava koostamisel oleme valinud kaks pedagoogilist põhimõtet: tagada see käed-küljes projektipõhisus ja et see sisaldab sagedasi küsimustikke. Lisaks on õppekaval ühine teema, mis annab sellele ühtsuse.

Tagades sisu ühtesobivuse projektidega, muutub protsess õpilaste jaoks kaasahaaravamaks ja kontseptsioonide omandamine paraneb. Lisaks seab madala panusega testi tegemine enne tundi õppija kavatsuse õppimisele, samas kui teine test pärast tundi kindlustab veelgi parema omandamise. See õppekava on kavandatud paindlikuks ja lõbusaks ning seda saab võtta tervikuna või osadena. Projektid algavad väikestena ja muutuvad 12-nädalase tsükli lõpus järjest keerukamaks. Käesolev õppekava sisaldab ka lisamärkusi masinõppe reaalse maailma rakenduste kohta, mida võib kasutada lisapunktide saamiseks või arutelupõhjana.

Leidke meie käitumisreeglid, panustamise juhised, tõlkimise juhendid ja probleemide lahendamise juhend. Ootame teie konstruktiivset tagasisidet!

Igas õppetükis on

• vabatahtlik visand
• vabatahtlik täiendav video
• videokäik (ainult mõnes õppetükis)
• eelloengu soojendus-Test
• kirjalik õppetund
• projektipõhiste õppetundide puhul samm-sammult juhendid projekti ülesehitamiseks
• teadmiste kontrollid
• väljakutse
• täiendav lugemine
• ülesanne
• järgnev testi sooritamine

Märkus keeltest: Need õppetunnid on peamiselt kirjutatud Pythonis, kuid paljud on saadaval ka R keeles. R-õppetunni lõpuleviimiseks minge /solution kausta ja otsige R-õppetunde. Neil on .rmd laiendus, mis tähistab R Markdown faili – see on lihtsustatult öeldes koodi plokkide (R-i või teiste keelte) ja YAML päise (mis juhib väljundi vormindamist nagu PDF) manustamine Markdown dokumenti. Seega on see eeskujulik raamistik andmeteaduslike dokumentide koostamiseks, kuna võimaldab kombineerida oma koodi, selle väljundi ja mõtted, kirjutades need maha Markdownis. Lisaks saab R Markdown dokumente renderdada sellistesse väljundformaati nagu PDF, HTML või Word. Märkus viktoriinide kohta: Kõik viktoriinid asuvad Quiz App kaustas, kokku 52 viktoriini, igaüks kolme küsimusega. Need on õppetundide sees linkidena, kuid viktoriini rakendust saab käivitada ka lokaalselt; järgige juhiseid kaustas quiz-app, et seda lokaalselt hostida või Azure’i juurutada.

Õppetunni number	Teema	Õppetunni grupp	Õpiväljundid	Lingitud õppetund	Autor
01	Sissejuhatus masinõppesse	Sissejuhatus	Õpi masinõppe põhikontseptsioone	Õppetund	Muhammad
02	Masinõppe ajalugu	Sissejuhatus	Õpi selle valdkonna ajaloo kohta	Õppetund	Jen ja Amy
03	Õiglus ja masinõpe	Sissejuhatus	Millised on olulised õiglusfilosoofilised küsimused, mida õpilased peaksid arvestama masinõppemudelite loomisel ja rakendamisel?	Õppetund	Tomomi
04	Masinõppe tehnikad	Sissejuhatus	Milliseid tehnikaid kasutavad masinõppeteadlased mudelite loomiseks?	Õppetund	Chris ja Jen
05	Sissejuhatus regressiooni	Regressioon	Alusta Pythoni ja Scikit-learniga regressioonimudelite jaoks	Python • R	Jen • Eric Wanjau
06	Põhja-Ameerika kõrvitsa hinnad 🎃	Regressioon	Andmete visualiseerimine ja korrastamine masinõppeks	Python • R	Jen • Eric Wanjau
07	Põhja-Ameerika kõrvitsa hinnad 🎃	Regressioon	Lineaarsete ja polünoomsete regressioonimudelite loomine	Python • R	Jen ja Dmitry • Eric Wanjau
08	Põhja-Ameerika kõrvitsa hinnad 🎃	Regressioon	Logistilise regressioonimudeli loomine	Python • R	Jen • Eric Wanjau
09	Veebirakendus 🔌	Veebirakendus	Loo veebirakendus oma väljaõppinud mudeli kasutamiseks	Python	Jen
10	Sissejuhatus klassifikatsiooni	Klassifikatsioon	Puhasta, valmista ette ja visualiseeri oma andmeid; sissejuhatus klassifikatsiooni	Python • R	Jen ja Cassie • Eric Wanjau
11	Maitsvad Aasia ja India köögid 🍜	Klassifikatsioon	Sissejuhatus klassifikaatoritesse	Python • R	Jen ja Cassie • Eric Wanjau
12	Maitsvad Aasia ja India köögid 🍜	Klassifikatsioon	Rohkem klassifikaatoreid	Python • R	Jen ja Cassie • Eric Wanjau
13	Maitsvad Aasia ja India köögid 🍜	Klassifikatsioon	Ehita soovitusrakendus veebis, kasutades oma mudelit	Python	Jen
14	Sissejuhatus klasterdamisse	Klasterdamine	Puhasta, valmista ette ja visualiseeri oma andmeid; sissejuhatus klasterdamisse	Python • R	Jen • Eric Wanjau
15	Nigeeria muusikamaitse uurimine 🎧	Klasterdamine	Uuri K-Meansi klasterdamismeetodit	Python • R	Jen • Eric Wanjau
16	Sissejuhatus loomuliku keele töötlemisse ☕️	Loomuliku keele töötlemine	Õpi loomuliku keele töötlemise põhialuseid, luues lihtsa boti	Python	Stephen
17	Üldised NLP ülesanded ☕️	Loomuliku keele töötlemine	Süvenda oma NLP teadmisi, mõistes keele struktuuride puhul vajalikke tavaülesandeid	Python	Stephen
18	Tõlkimine ja meeleolu analüüs ♥️	Loomuliku keele töötlemine	Tõlkimine ja meeleolu analüüs koos Jane Austeniga	Python	Stephen
19	Romantilised hotellid Euroopas ♥️	Loomuliku keele töötlemine	Meeleolu analüüs hotellide arvustustega 1	Python	Stephen
20	Romantilised hotellid Euroopas ♥️	Loomuliku keele töötlemine	Meeleolu analüüs hotellide arvustustega 2	Python	Stephen
21	Sissejuhatus ajaseeria prognoosimisse	Ajaseeria	Sissejuhatus ajaseeria prognoosimisse	Python	Francesca
22	⚡️ Maailma energiatarbimine ⚡️ - ajaseeria prognoos ARIMAga	Ajaseeria	Ajaseeria prognoosimine ARIMA mudeliga	Python	Francesca
23	⚡️ Maailma energiatarbimine ⚡️ - ajaseeria prognoos SVR-ga	Ajaseeria	Ajaseeria prognoosimine toetatava vektorregressori abil	Python	Anirban
24	Sissejuhatus tugevdatud õppimisse	Tugevdatud õppimine	Sissejuhatus tugevdatud õppimisse Q-õppega	Python	Dmitry
25	Aita Peteril hundi eest põgeneda! 🐺	Tugevdatud õppimine	Tugevdatud õppimise Gym	Python	Dmitry
Järelkiri	Reaalsed masinõppe stsenaariumid ja rakendused	ML looduses	Huvitavad ja paljastavad klassikalise masinõppe reaalsed rakendused	Õppetund	Meeskond
Järelkiri	Mudelite silumine masinõppes kasutades RAI armatuurlaua	ML looduses	Masinõppe mudelite silumine vastutustundliku AI armatuulaua komponentidega	Õppetund	Ruth Yakubu

Leia selle kursuse kõik lisamaterjalid meie Microsoft Learn kollektsioonist

Võimalus võrguühenduseta kasutamiseks

Seda dokumentatsiooni saab kasutada ka võrguühenduseta, kasutades Docsify. Hargne see hoidla, paigalda Docsify oma kohalikku masinasse ja seejärel kirjelda selle hoidla juurkaustas käsk docsify serve. Veebisait käivitatakse pordil 3000 sinu lokaalarvutis: localhost:3000.

PDF-id

Leia õppekava pdf-vormingus koos linkidega siin.

🎒 Muud kursused

Meie meeskond toodab ka teisi kursuseid! Vaata:

LangChain

---

Azure / Edge / MCP / Agentid

---

Generatiivse tehisintellekti sari

---

Põhiline õppimine

---

Copiloti seeria

Abi saamine

Kui jääd hätta või sul on küsimusi tehisintellekti rakenduste loomise kohta, ühine teiste õppijate ja kogenud arendajatega MCP aruteludes. See on toetav kogukond, kus küsimusi on teretulnud ja teadmisi jagatakse vabalt.

Kui sul on toote tagasisidet või ehitamise ajal vigu, külasta:

---

Ei vastuta: See dokument on tõlgitud AI tõlketeenuse Co-op Translator abil. Kuigi püüame täpsust, palun pidage meeles, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Originaaldokument selle emakeeles tuleks lugeda autoriteetse allikana. Olulise teabe puhul soovitatakse professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tulenevate arusaamatuste ega valesti mõistmiste eest.