ML-For-Beginners/translations/sk

🌐 Podpora viacerých jazykov

Podporované cez GitHub Action (automatizované a vždy aktuálne)

Arabčina | Bengálčina | Bulharčina | Barmčina (Myanmar) | Čínština (zjednodušená) | Čínština (tradičná, Hongkong) | Čínština (tradičná, Macao) | Čínština (tradičná, Taiwan) | Chorvátčina | Čeština | Dánčina | Holandčina | Estónčina | Fínčina | Francúzština | Nemčina | Gréčtina | Hebrejčina | Hindčina | Maďarčina | Indonézština | Taliančina | Japončina | Kannada | Kórejčina | Litovčina | Malajčina | Malayalam | Maráthčina | Nepálčina | Nigérijský pidgin | Norwegian | Perzština (Farsi) | Poľština | Portugalčina (Brazília) | Portugalčina (Portugalsko) | Pandžábčina (Gurmukhi) | Rumunčina | Ruština | Srbčina (cyrilika) | Slovenčina | Slovinčina | Španielčina | Swahilčina | Švédčina | Tagalog (Filipíny) | Tamilčina | Telugu | Thajčina | Turečtina | Ukrajinčina | Urdu | Vietnamčina

Preferujete klonovať lokálne?

Tento repozitár obsahuje vyše 50 jazykových prekladov, čo výrazne zvyšuje veľkosť stiahnutia. Pre klonovanie bez prekladov použite sparse checkout:

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'

Týmto získate všetko potrebné na dokončenie kurzu s oveľa rýchlejším sťahovaním.

Pridajte sa k našej komunite

Máme prebiehajúcu sériu Discord Learn with AI, dozviete sa viac a pridajte 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 – kurikulum

🌍 Cestujte po svete a spoznávajte Strojové učenie prostredníctvom svetových kultúr 🌍

Cloud Advocates v Microsoftu s radosťou ponúkajú 12-týždňové kurikulum so 26 lekciami zameranými na strojové učenie. V tomto kurikule sa naučíte o tom, čo sa niekedy nazýva klasické strojové učenie, používajúce primárne knižnicu Scikit-learn a vyhýbajúce sa hlbokému učeniu, ktoré je pokryté v našom kurz AI pre začiatočníkov. Spojte tieto lekcie s naším kurzom Dátová veda pre začiatočníkov!

Cestujte s nami po svete, keď aplikujeme tieto klasické techniky na dáta z rôznych oblastí sveta. Každá lekcia obsahuje kvízy pred a po lekcii, písomné inštrukcie na dokončenie lekcie, riešenie, úlohu a ďalšie. Naša projektová pedagogika vám umožní učiť sa počas tvorby, čo je overený spôsob, ako si nové zručnosti 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 Microsoft Student Ambassador autorom, recenzentom a prispievateľom obsahu, 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:

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

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

🔧 Potrebujete pomoc? Pozrite sa do nášho Príručka riešenia problémov na riešenia bežných problémov s inštaláciou, nastavením a spustením lekcií.

Študenti, aby ste mohli používať toto kurikulum, odforknite celý repozitár do svojho vlastného GitHub účtu a vykonávajte úlohy sami alebo v skupine:

• Začnite kvízom pred prednáškou.
• Prečítajte si prednášku a dokončite aktivity, zastavujte sa a rozmýšľajte pri každej kontrole vedomostí.
• Pokúste sa vytvoriť projekty pochopením lekcií namiesto spustenia riešenia, pričom daný kód je dostupný v priečinkoch /solution v každej lekcii zameranej na projekt.
• Spravte kvíz po prednáške.
• Dokončite výzvu.
• Dokončite zadanie.
• Po dokončení skupiny lekcií navštívte Diskusné fórum a „učte sa nahlas“ vyplnením príslušného hodnotiaceho listu PAT. PAT je Nástroj na hodnotenie pokroku, ktorý vyplníte, aby ste zlepšili svoje učenie. Môžete reagovať aj na ostatné PAT, aby sme sa učili spoločne.

Na ďalšie štúdium odporúčame tieto moduly a vzdelávacie cesty Microsoft Learn.

Učitelia, pripravili sme pre vás niekoľko návrhov, ako používať toto kurikulum.

---

Video prechádzky

Niektoré lekcie sú k dispozícii ako krátke videá. Všetky ich nájdete priamo v lekciách alebo na playliste ML pre začiatočníkov na YouTube kanáli Microsoft Developer kliknutím na obrázok nižšie.

---

Zoznámte sa s tímom

Gif od Mohit Jaisal

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

---

Pedagogika

Pri tvorbe tohto kurikula sme zvolili dva pedagogické princípy: zabezpečiť praktickú projektovú výučbu a zahrnúť časté kvízy. Okrem toho má kurikulum spoločnú tému, ktorá mu dodáva súdržnosť.

Zabezpečením, že obsah úzko súvisí s projektmi, sa proces výučby stáva pre študentov pútavejším a zvyšuje uchovávanie poznatkov. Nízko-stávkový kvíz pred hodinou nastavuje študentov na učenie témy, zatiaľ čo druhý kvíz po hodine zabezpečuje ďalšie upevnenie vedomostí. Kurikulum bolo navrhnuté tak, aby bolo flexibilné a zábavné a možno ho absolvovať celé alebo čiastočne. Projekty začínajú jednoduché a počas 12-týždňového cyklu sa čoraz viac komplikujú. Kurikulum tiež obsahuje posvscriptum o reálnych aplikáciách ML, ktoré možno použiť ako bonusové body alebo ako základ na diskusiu.

Nájdete tu naše Pravidlá správania, Prispievanie, Preklady a Riešenie problémov. Radi prijmeme vašu konštruktívnu spätnú väzbu!

Každá lekcia obsahuje

• voliteľnú skicovú poznámku
• voliteľné doplnkové video
• video prehliadku (len niektoré lekcie)
• kvíz na rozcvičku pred prednáškou
• písomnú lekciu
• v projektovo orientovaných lekciách krok za krokom návod na stavbu projektu
• kontroly vedomostí
• výzvu
• doplnkové čítanie
• zadanie
• kvíz po prednáške

Poznámka k jazykom: Tieto lekcie sú primárne napísané v Pythone, ale mnohé sú tiež dostupné v R. Ak chcete absolvovať lekciu v R, choďte do priečinka /solution a vyhľadajte lekcie v R. Tie majú príponu .rmd, čo predstavuje R Markdown súbor, ktorý možno jednoducho definovať ako vloženie kódových blokov (v R alebo iných jazykoch) a YAML hlavičky (ktorá usmerňuje formátovanie výstupov, ako PDF) do Markdown dokumentu. Slúži tak ako vzorový rámec na tvorbu obsahu pre dátovú vedu, keďže umožňuje kombinovať kód, jeho výstupy a myšlienky umožnením ich zápisu do MarkDownu. Navyše, R Markdown dokumenty možno vykresliť do výstupných formátov ako PDF, HTML alebo Word. Poznámka o kvízoch: Všetky kvízy sú obsiahnuté v zložke Quiz App, spolu 52 kvízov s tromi otázkami každý. Sú prepojené z lekcií, ale quiz app možno spustiť lokálne; postupujte podľa pokynov v priečinku quiz-app, aby ste ho mohli lokálne hostiť alebo nasadiť do Azure.

Číslo lekcie	Téma	Skupina lekcií	Ciele učenia	Prepojená lekcia	Autor
01	Úvod do strojového učenia	Úvod	Naučte sa základné pojmy zo strojového učenia	Lekcia	Muhammad
02	História strojového učenia	Úvod	Spoznajte históriu tohto odboru	Lekcia	Jen a Amy
03	Spravodlivosť a strojové učenie	Úvod	Aké sú dôležité filozofické témy okolo spravodlivosti, ktoré by mali študenti zvážiť pri tvorbe a aplikácii ML modelov?	Lekcia	Tomomi
04	Techniky pre strojové učenie	Úvod	Aké techniky používa výskumník 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 dáta na prípravu ML	Python • R	Jen • Eric Wanjau
07	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Postavte lineárne a polynomiálne regresné modely	Python • R	Jen a Dmitry • Eric Wanjau
08	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Postavte logistický regresný model	Python • R	Jen • Eric Wanjau
09	Webová aplikácia 🔌	Webová aplikácia	Vytvorte webovú aplikáciu na používanie vášho natrénovaného modelu	Python	Jen
10	Úvod do klasifikácie	Klasifikácia	Vyčistite, pripravte a vizualizujte svoje dáta; úvod do klasifikácie	Python • R	Jen a Cassie • Eric Wanjau
11	Lahodné ázijské a indické kuchyne 🍜	Klasifikácia	Úvod do klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
12	Lahodné ázijské a indické kuchyne 🍜	Klasifikácia	Viac klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
13	Lahodné ázijské a indické kuchyne 🍜	Klasifikácia	Vytvorte odporúčaciu webovú aplikáciu pomocou vášho modelu	Python	Jen
14	Úvod do zhlukovania	Zhlukovanie	Vyčistite, pripravte a vizualizujte svoje dáta; úvod do zhlukovania	Python • R	Jen • Eric Wanjau
15	Preskúmanie nigérijských hudobných chutí 🎧	Zhlukovanie	Preskúmajte metódu K-Means zhlukovania	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 potrebných pri práci so štruktúrami jazyka	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 v recenziách hotelov 1	Python	Stephen
20	Romantické hotely v Európe ♥️	Spracovanie prirodzeného jazyka	Analýza sentimentu v recenziách 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 pomocou ARIMA	Python	Francesca
23	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov s SVR	Časové rady	Predikcia časových radov pomocou metódy Support Vector Regressor	Python	Anirban
24	Úvod do posilňovaného učenia	Posilňované učenie	Úvod do posilňovaného učenia pomocou Q-learningu	Python	Dmitry
25	Pomôž Petrovi vyhnúť sa vlkovi! 🐺	Posilňované učenie	Posilňované učenie s Gym	Python	Dmitry
Poslovenie	Skutočné scenáre a aplikácie ML	ML v praxi	Zaujímavé a odhaľujúce reálne použitia klasického ML	Lekcia	Tím
Poslovenie	Ladenie modelov v ML pomocou RAI dashboard	ML v praxi	Ladenie modelov v strojovom učení pomocou komponentov RAI dashboardu	Lekcia	Ruth Yakubu

nájdite všetky ďalšie zdroje k tomuto kurzu v našej zbierke Microsoft Learn

Offline prístup

Túto dokumentáciu môžete spustiť offline pomocou Docsify. Vytvorte si fork tohto repozitára, nainštalujte Docsify na svojom počítači a potom v koreňovom adresári repozitára napíšte docsify serve. Webová stránka bude sprístupnená na porte 3000 na vašom localhoste: localhost:3000.

PDF

Nájdite pdf učebného plánu s odkazmi tu.

🎒 Iné kurzy

Náš tím produkuje aj iné kurzy! Pozrite si:

LangChain

---

Azure / Edge / MCP / Agentov

---

Generatívna AI séria

---

Základné učenie

---

Séria Copilot

Získanie pomoci

Ak sa zaseknete alebo máte otázky ohľadom tvorby AI aplikácií. Pridajte sa k ostatným študentom a skúseným vývojárom v diskusiách o MCP. Je to podpůrná komunita, kde sú otázky vítané a vedomosti sa zdieľajú slobodne.

Ak máte spätnú väzbu na produkt alebo chyby počas tvorby, navštívte:

---

Vylúčenie zodpovednosti: Tento dokument bol preložený pomocou AI prekladateľskej služby 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. Nie sme zodpovední za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.