ML-For-Beginners/translations/el

🌐 Υποστήριξη Πολλών Γλωσσών

Υποστηρίζεται μέσω του GitHub Action (Αυτοματοποιημένο & Πάντα Ενημερωμένο)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Προτιμάτε να το Κλωνοποιήσετε Τοπικά;

Αυτό το αποθετήριο περιλαμβάνει μεταφράσεις σε 50+ γλώσσες που αυξάνουν σημαντικά το μέγεθος λήψης. Για να κάνετε κλωνοποίηση χωρίς μεταφράσεις, χρησιμοποιήστε 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'

Αυτό σας δίνει όλα όσα χρειάζεστε για να ολοκληρώσετε το μάθημα με πολύ πιο γρήγορη λήψη.

Συμμετέχετε στην Κοινότητά μας

Διεξάγουμε μια σειρά Discord εκμάθησης με AI, μάθετε περισσότερα και συμμετέχετε στο Learn with AI Series από 18 έως 30 Σεπτεμβρίου 2025. Θα λάβετε συμβουλές και κόλπα για τη χρήση του GitHub Copilot για Data Science.

Μηχανική Μάθηση για Αρχάριους - Ένα Πρόγραμμα Σπουδών

🌍 Ταξιδέψτε σε όλο τον κόσμο καθώς εξερευνούμε τη Μηχανική Μάθηση μέσα από τους πολιτισμούς του κόσμου 🌍

Οι Cloud Advocates της Microsoft έχουν τη χαρά να προσφέρουν ένα 12-εβδομαδιαίο, 26-μαθημάτων πρόγραμμα σπουδών που αφορά τη Μηχανική Μάθηση. Σε αυτό το πρόγραμμα, θα μάθετε για ό,τι μερικές φορές ονομάζεται κλασική μηχανική μάθηση, χρησιμοποιώντας κυρίως τη βιβλιοθήκη Scikit-learn και αποφεύγοντας την βαθιά μάθηση, που καλύπτεται στο πρόγραμμά μας AI για Αρχάριους. Συνδυάστε αυτά τα μαθήματα με το πρόγραμμά μας 'Data Science για Αρχάριους', επίσης!

Ταξιδέψτε μαζί μας γύρω από τον κόσμο καθώς εφαρμόζουμε αυτές τις κλασικές τεχνικές σε δεδομένα από πολλές περιοχές του κόσμου. Κάθε μάθημα περιλαμβάνει κουίζ πριν και μετά το μάθημα, γραπτές οδηγίες για την ολοκλήρωση του μαθήματος, λύση, ανάθεση εργασίας και άλλα. Η παιδαγωγική μας βασισμένη σε έργα επιτρέπει να μαθαίνετε ενώ δημιουργείτε, ένας αποδεδειγμένος τρόπος για να «καρφιτσώνετε» νέες δεξιότητες.

✍️ Θερμές ευχαριστίες στους συγγραφείς μας Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu και Amy Boyd

🎨 Ευχαριστίες επίσης στους εικονογράφους μας Tomomi Imura, Dasani Madipalli και Jen Looper

🙏 Ειδικές ευχαριστίες 🙏 στους Microsoft Student Ambassador συγγραφείς, κριτές και συνεισφέροντες περιεχομένου, ιδιαίτερα στους Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila και Snigdha Agarwal

🤩 Επιπλέον ευγνωμοσύνη στους Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi και Vidushi Gupta για τα μαθήματα R!

Ξεκινώντας

Ακολουθήστε τα βήματα:

1. Κάντε Fork το Αποθετήριο: Πατήστε το κουμπί "Fork" στην πάνω δεξιά γωνία αυτής της σελίδας.
2. Κλωνοποιήστε το Αποθετήριο: git clone https://github.com/microsoft/ML-For-Beginners.git

βρείτε όλους τους επιπλέον πόρους για αυτό το μάθημα στη συλλογή μας Microsoft Learn

🔧 Χρειάζεστε βοήθεια; Ελέγξτε τον Οδηγό Επίλυσης Προβλημάτων για λύσεις σε κοινά θέματα με εγκατάσταση, ρύθμιση και εκτέλεση μαθημάτων.

Φοιτητές, για να χρησιμοποιήσετε αυτό το πρόγραμμα, κάντε fork ολόκληρο το αποθετήριο στο δικό σας λογαριασμό GitHub και ολοκληρώστε τις ασκήσεις μόνοι σας ή με ομάδα:

• Ξεκινήστε με ένα κουίζ προ-διάλεξης.
• Διαβάστε τη διάλεξη και ολοκληρώστε τις δραστηριότητες, σταματώντας και σκεπτόμενοι σε κάθε έλεγχο γνώσης.
• Προσπαθήστε να δημιουργήσετε τα έργα κατανοώντας τα μαθήματα παρά τρέχοντας τον κώδικα λύσης· ωστόσο, αυτός ο κώδικας είναι διαθέσιμος στους φακέλους /solution σε κάθε μάθημα που βασίζεται σε έργο.
• Κάντε το κουίζ μετά τη διάλεξη.
• Ολοκληρώστε την πρόκληση.
• Ολοκληρώστε την ανάθεση.
• Μετά την ολοκλήρωση μιας ομάδας μαθημάτων, επισκεφθείτε το Discussion Board και "μάθετε δυνατά" συμπληρώνοντας το αντίστοιχο PAT rubric. Ένα 'PAT' είναι ένα Εργαλείο Αξιολόγησης Προόδου που είναι ένα rubric που συμπληρώνετε για να προωθήσετε τη μάθησή σας. Μπορείτε επίσης να αντιδράσετε σε άλλα PATs ώστε να μαθαίνουμε μαζί.

Για περαιτέρω μελέτη, προτείνουμε να ακολουθήσετε αυτά τα Microsoft Learn μαθήματα και διαδρομές εκμάθησης.

Καθηγητές, έχουμε συμπεριλάβει κάποιες προτάσεις για το πώς να χρησιμοποιήσετε αυτό το πρόγραμμα σπουδών.

---

Βίντεο επιδείξεις

Μερικά από τα μαθήματα είναι διαθέσιμα ως βίντεο σύντομης μορφής. Μπορείτε να βρείτε όλα αυτά ενσωματωμένα στα μαθήματα ή στη λίστα αναπαραγωγής ML for Beginners στο κανάλι Microsoft Developer στο YouTube πατώντας την παρακάτω εικόνα.

---

Γνωρίστε την Ομάδα

Gif από Mohit Jaisal

🎥 Πατήστε την εικόνα παραπάνω για ένα βίντεο σχετικά με το έργο και τους ανθρώπους που το δημιούργησαν!

---

Παιδαγωγική

Έχουμε επιλέξει δύο παιδαγωγικές αρχές κατά τη δημιουργία αυτού του προγράμματος: να είναι πρακτικό και βασισμένο σε έργα και να περιλαμβάνει συχνά κουίζ. Επιπλέον, αυτό το πρόγραμμα έχει ένα κοινό θεματικό άξονα για να του δώσει συνοχή.

Εξασφαλίζοντας ότι το περιεχόμενο ευθυγραμμίζεται με έργα, η διαδικασία γίνεται πιο ελκυστική για τους φοιτητές και η διατήρηση των εννοιών ενισχύεται. Επιπλέον, ένα κουίζ χαμηλού ρίσκου πριν από το μάθημα θέτει τη διάθεση του φοιτητή για εκμάθηση ενός θέματος, ενώ ένα δεύτερο κουίζ μετά το μάθημα διασφαλίζει περαιτέρω διατήρηση. Το πρόγραμμα σχεδιάστηκε για να είναι ευέλικτο και διασκεδαστικό και μπορεί να ακολουθηθεί ολόκληρο ή μεμονωμένα μέρη. Τα έργα ξεκινούν μικρά και γίνονται διαρκώς πιο πολύπλοκα έως το τέλος των 12 εβδομάδων. Το πρόγραμμα περιλαμβάνει επίσης επίμετρο σχετικά με τις πραγματικές εφαρμογές της ΜΜ, που μπορεί να χρησιμοποιηθεί ως επιπλέον πόντοι ή ως βάση συζήτησης.

Βρείτε τις οδηγίες μας για τον Κώδικα Συμπεριφοράς, τη Συμμετοχή, τη Μετάφραση και την Επίλυση Προβλημάτων. Καλωσορίζουμε την εποικοδομητική σας κριτική!

Κάθε μάθημα περιλαμβάνει

• προαιρετικό σημείωμα σκετς
• προαιρετικό συμπληρωματικό βίντεο
• βίντεο-περιήγηση (σε ορισμένα μαθήματα μόνο)
• κουίζ προθέρμανσης πριν τη διάλεξη
• γραπτό μάθημα
• για μαθήματα βασισμένα σε project, βήμα-βήμα οδηγούς για το πώς να κατασκευάσετε το έργο
• ελέγχους γνώσης
• μια πρόκληση
• συμπληρωματική ανάγνωση
• ανάθεση εργασίας
• κουίζ μετά τη διάλεξη

Μια σημείωση για τις γλώσσες: Αυτά τα μαθήματα είναι κυρίως γραμμένα σε Python, αλλά πολλά είναι διαθέσιμα και σε R. Για να ολοκληρώσετε ένα μάθημα R, πηγαίνετε στον φάκελο /solution και αναζητήστε μαθήματα R. Περιλαμβάνουν επέκταση .rmd που αντιπροσωπεύει ένα αρχείο R Markdown, το οποίο μπορεί να οριστεί απλά ως ενσωμάτωση κώδικα κομματιών (σε R ή άλλες γλώσσες) και επικεφαλίδα YAML (που καθοδηγεί τη μορφοποίηση εξόδων όπως PDF) σε ένα έγγραφο Markdown. Ως εκ τούτου, λειτουργεί ως ένα εξαίρετο πλαίσιο συγγραφής για data science, καθώς σας επιτρέπει να συνδυάσετε τον κώδικά σας, τα αποτελέσματά του και τις σκέψεις σας γράφοντάς τα στο Markdown. Επιπλέον, τα έγγραφα R Markdown μπορούν να αποδοθούν σε μορφές εξόδου όπως PDF, HTML ή Word. Μία σημείωση σχετικά με τα κουίζ: Όλα τα κουίζ περιλαμβάνονται στον φάκελο Quiz App, συνολικά 52 κουίζ με τρεις ερωτήσεις το καθένα. Είναι συνδεδεμένα μέσα στα μαθήματα, αλλά η εφαρμογή κουίζ μπορεί να τρέξει τοπικά· ακολουθήστε τις οδηγίες στον φάκελο quiz-app για να το φιλοξενήσετε τοπικά ή να το αναπτύξετε στο Azure.

Αριθμός Μαθήματος	Θέμα	Ομαδοποίηση Μαθήματος	Στόχοι Μάθησης	Συνδεδεμένο Μάθημα	Συγγραφέας
01	Εισαγωγή στη μηχανική μάθηση	Εισαγωγή	Μάθετε τις βασικές έννοιες πίσω από τη μηχανική μάθηση	Μάθημα	Muhammad
02	Η ιστορία της μηχανικής μάθησης	Εισαγωγή	Μάθετε την ιστορία που στηρίζεται αυτό το πεδίο	Μάθημα	Jen και Amy
03	Δικαιοσύνη και μηχανική μάθηση	Εισαγωγή	Ποια είναι τα σημαντικά φιλοσοφικά ζητήματα σχετικά με τη δικαιοσύνη που οι μαθητές πρέπει να εξετάζουν κατά την κατασκευή και εφαρμογή μοντέλων ML;	Μάθημα	Tomomi
04	Τεχνικές για μηχανική μάθηση	Εισαγωγή	Ποιες τεχνικές χρησιμοποιούν οι ερευνητές ML για να κατασκευάσουν μοντέλα ML;	Μάθημα	Chris και Jen
05	Εισαγωγή στη γραμμική παλινδρόμηση	Παλινδρόμηση	Ξεκινήστε με Python και Scikit-learn για μοντέλα παλινδρόμησης	Python • R	Jen • Eric Wanjau
06	Τιμές κολοκύθας στη Βόρεια Αμερική 🎃	Παλινδρόμηση	Οπτικοποιήστε και καθαρίστε δεδομένα ως προετοιμασία για ML	Python • R	Jen • Eric Wanjau
07	Τιμές κολοκύθας στη Βόρεια Αμερική 🎃	Παλινδρόμηση	Κατασκευάστε γραμμικά και πολυωνυμικά μοντέλα παλινδρόμησης	Python • R	Jen και Dmitry • Eric Wanjau
08	Τιμές κολοκύθας στη Βόρεια Αμερική 🎃	Παλινδρόμηση	Κατασκευάστε μοντέλο λογιστικής παλινδρόμησης	Python • R	Jen • Eric Wanjau
09	Μία web εφαρμογή 🔌	Web App	Δημιουργήστε μία web εφαρμογή για τη χρήση του εκπαιδευμένου μοντέλου σας	Python	Jen
10	Εισαγωγή στην ταξινόμηση	Ταξινόμηση	Καθαρίστε, προετοιμάστε και οπτικοποιήστε τα δεδομένα σας· εισαγωγή στην ταξινόμηση	Python • R	Jen και Cassie • Eric Wanjau
11	Νόστιμες ασιατικές και ινδικές κουζίνες 🍜	Ταξινόμηση	Εισαγωγή σε ταξινομητές	Python • R	Jen και Cassie • Eric Wanjau
12	Νόστιμες ασιατικές και ινδικές κουζίνες 🍜	Ταξινόμηση	Περισσότεροι ταξινομητές	Python • R	Jen και Cassie • Eric Wanjau
13	Νόστιμες ασιατικές και ινδικές κουζίνες 🍜	Ταξινόμηση	Δημιουργήστε μία web εφαρμογή προτάσεων χρησιμοποιώντας το μοντέλο σας	Python	Jen
14	Εισαγωγή στο clustering	Clustering	Καθαρίστε, προετοιμάστε και οπτικοποιήστε τα δεδομένα σας· εισαγωγή στο clustering	Python • R	Jen • Eric Wanjau
15	Εξερευνώντας τις μουσικές προτιμήσεις Νιγηρίας 🎧	Clustering	Εξερευνήστε τη μέθοδο clustering K-Means	Python • R	Jen • Eric Wanjau
16	Εισαγωγή στη φυσική επεξεργασία γλώσσας ☕️	Φυσική επεξεργασία γλώσσας	Μάθετε τα βασικά για την NLP δημιουργώντας ένα απλό bot	Python	Stephen
17	Κοινές εργασίες NLP ☕️	Φυσική επεξεργασία γλώσσας	Εμβαθύνετε τις γνώσεις σας στην NLP κατανοώντας κοινές εργασίες που απαιτούνται για την αντιμετώπιση δομών γλώσσας	Python	Stephen
18	Μετάφραση και ανάλυση συναισθήματος ♥️	Φυσική επεξεργασία γλώσσας	Μετάφραση και ανάλυση συναισθήματος με την Jane Austen	Python	Stephen
19	Ρομαντικά ξενοδοχεία της Ευρώπης ♥️	Φυσική επεξεργασία γλώσσας	Ανάλυση συναισθήματος με κριτικές ξενοδοχείων 1	Python	Stephen
20	Ρομαντικά ξενοδοχεία της Ευρώπης ♥️	Φυσική επεξεργασία γλώσσας	Ανάλυση συναισθήματος με κριτικές ξενοδοχείων 2	Python	Stephen
21	Εισαγωγή στην πρόβλεψη χρονοσειρών	Χρονοσειρές	Εισαγωγή στην πρόβλεψη χρονοσειρών	Python	Francesca
22	⚡️ Παγκόσμια κατανάλωση ενέργειας ⚡️ - πρόβλεψη χρονοσειρών με ARIMA	Χρονοσειρές	Πρόβλεψη χρονοσειρών με ARIMA	Python	Francesca
23	⚡️ Παγκόσμια κατανάλωση ενέργειας ⚡️ - πρόβλεψη χρονοσειρών με SVR	Χρονοσειρές	Πρόβλεψη χρονοσειρών με Support Vector Regressor	Python	Anirban
24	Εισαγωγή στην ενισχυτική μάθηση	Ενισχυτική μάθηση	Εισαγωγή στην ενισχυτική μάθηση με Q-Learning	Python	Dmitry
25	Βοηθήστε τον Πέτρο να αποφύγει τον λύκο! 🐺	Ενισχυτική μάθηση	Ενισχυτική μάθηση με Gym	Python	Dmitry
Επίμετρο	Σενάρια και εφαρμογές ML στον πραγματικό κόσμο	ML στον Πραγματικό Κόσμο	Ενδιαφέρουσες και αποκαλυπτικές εφαρμογές κλασικής ML στον πραγματικό κόσμο	Μάθημα	Ομάδα
Επίμετρο	Αποσφαλμάτωση μοντέλων ML χρησιμοποιώντας τον πίνακα εργαλείων RAI	ML στον Πραγματικό Κόσμο	Αποσφαλμάτωση μοντέλων στη μηχανική μάθηση με χρήση συστατικών πίνακα εργαλείων Responsible AI	Μάθημα	Ruth Yakubu

βρείτε όλους τους επιπλέον πόρους για αυτό το μάθημα στη συλλογή Microsoft Learn

Πρόσβαση χωρίς σύνδεση

Μπορείτε να τρέξετε αυτό το έγγραφο εκτός σύνδεσης χρησιμοποιώντας το Docsify. Φτιάξτε ένα fork αυτού του αποθετηρίου, εγκαταστήστε το Docsify στην τοπική σας μηχανή και στη συνέχεια στον ριζικό φάκελο του αποθετηρίου, πληκτρολογήστε docsify serve. Η ιστοσελίδα θα σερβιριστεί στην πόρτα 3000 στο localhost σας: localhost:3000.

Αρχεία PDF

Βρείτε το pdf του προγράμματος σπουδών με τους συνδέσμους εδώ.

🎒 Άλλα Μαθήματα

Η ομάδα μας παράγει και άλλα μαθήματα! Ρίξτε μια ματιά:

LangChain

Azure / Edge / MCP / Agents

---

Generative AI Series

---

Βασική Μάθηση

---

Σειρά Copilot

Λήψη Βοήθειας

Εάν κολλήσετε ή έχετε ερωτήσεις σχετικά με την κατασκευή εφαρμογών ΤΝ, συμμετάσχετε με άλλους μαθητές και έμπειρους προγραμματιστές σε συζητήσεις σχετικά με το MCP. Είναι μια υποστηρικτική κοινότητα όπου οι ερωτήσεις είναι ευπρόσδεκτες και η γνώση μοιράζεται ελεύθερα.

Εάν έχετε σχόλια για το προϊόν ή λάθη κατά την κατασκευή επισκεφθείτε:

---

Αποποίηση ευθυνών: Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης AI Co-op Translator. Παρόλο που προσπαθούμε για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στην αρχική του γλώσσα πρέπει να θεωρείται η εξουσιοδοτημένη πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν είμαστε υπεύθυνοι για οποιεσδήποτε παρεξηγήσεις ή λανθασμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.