ML-For-Beginners/translations/sw

🌐 Usaidizi wa Lugha Nyingi

Unaungwa Mkono Kupitia Hatua za GitHub (Moja kwa Moja & Daima Imesasishwa)

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

Unapendelea Kukopa Mahali Pako?

Hifadhidata hii ina tafsiri za lugha 50+ ambazo huongeza sana ukubwa wa kupakua. Ili kukopa bila tafsiri, tumia 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'

Hii itakupatia kila kitu unachohitaji kukamilisha kozi hii kwa kupakua haraka zaidi.

Jiunge na Jamii Yetu

Tuna mfululizo wa kujifunza kwenye Discord ukihusisha AI, jifunze zaidi na ujiunge nasi kwenye Mfululizo wa Kujifunza na AI kuanzia 18 - 30 Septemba, 2025. Utapokea vidokezo na mbinu za kutumia GitHub Copilot kwa Sayansi ya Data.

Kujifunza Mashine kwa Kompyuta kwa Waanzilishi - Mtaala

🌍 Tembea duniani kote tunapochunguza Kujifunza Mashine kupitia tamaduni za dunia 🌍

Wafuasi wa Cloud Advocates wa Microsoft wana furaha kutoa mtaala wa wiki 12, somo 26 kuhusu Kujifunza Mashine. Katika mtaala huu, utajifunza kuhusu kile kinachoitwa mara nyingine kujifunza mashine klassiki, ukitumia hasa maktaba ya Scikit-learn na kuepuka deep learning, ambayo inashughulikiwa katika mtaala wetu wa AI kwa Waanzilishi. Pia weka masomo haya sambamba na mtaala wetu wa 'Sayansi ya Data kwa Waanzilishi'.

Tembea nasi duniani kote tunapotumia mbinu hizi klassiki kwenye data kutoka sehemu nyingi za dunia. Kila somo lina majaribio ya kabla na baada ya somo, maelekezo yaliyoandikwa kukamilisha somo, suluhisho, kazi ya nyumbani, na mengine zaidi. Mbinu yetu ya kujifunza kwa mradi inakuruhusu kujifunza huku ukiwa unajenga, njia thabiti ya kupata ujuzi mpya.

✍️ Shukrani za dhati kwa waandishi wetu Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu na Amy Boyd

🎨 Pia shukrani kwa wachoraji wetu Tomomi Imura, Dasani Madipalli, na Jen Looper

🙏 Shukrani maalum 🙏 kwa waandishi, wakaguzi, na wachangiaji wa maudhui wa Microsoft Student Ambassador, hasa Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, na Snigdha Agarwal

🤩 Asante zaidi kwa Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, na Vidushi Gupta kwa masomo yetu ya R!

Kuanzia

Fuata hatua hizi:

1. Fanya Fork ya Hifadhidata: Bonyeza kitufe cha "Fork" upande wa juu kulia wa ukurasa huu.
2. Kopa Hifadhidata: git clone https://github.com/microsoft/ML-For-Beginners.git

pata rasilimali zote za ziada za kozi hii katika mkusanyiko wetu wa Microsoft Learn

🔧 Unahitaji msaada? Angalia Mwongozo wa Kutatua Matatizo kwa suluhisho za matatizo yanayojirudia kwenye usakinishaji, usanidi, na kuendesha masomo.

Wanafunzi, kutumia mtaala huu, fanya fork ya repozitori yote kwenye akaunti yako ya GitHub na kamilisha mazoezi peke yako au na kikundi:

• Anza na jaribio kabla ya somo.
• Soma somo na kamilisha shughuli, simama na fikiria kila kipimo cha maarifa.
• Jaribu kutengeneza miradi kwa kuelewa masomo badala ya kuendesha msimbo wa suluhisho; hata hivyo msimbo huo upo katika folda za /solution katika kila somo linalojikita kwenye mradi.
• Fanya jaribio baada ya somo.
• Kamilisha changamoto.
• Kamilisha kazi ya nyumbani.
• Baada ya kukamilisha kundi la masomo, tembelea Bodi ya Majadiliano na "jifunze kwa sauti" kwa kujaza PAT rubric inayofaa. 'PAT' ni Chombo cha Tathmini ya Maendeleo ambacho ni rubric unayojaza ili kuendeleza kujifunza kwako. Unaweza pia kutoa maoni juu ya PAT nyingine ili tujifunze pamoja.

Kwa masomo zaidi, tunapendekeza kufuata moduli na njia za kujifunza hizi za Microsoft Learn.

Walimu, tumetoa mapendekezo kadhaa kuhusu jinsi ya kutumia mtaala huu.

---

Video za Maelekezo

Baadhi ya masomo yanapatikana kama video fupi. Unaweza kupata yote haya ndani ya masomo, au kwenye orodha ya video za ML kwa Waanzilishi kwenye channel ya Microsoft Developer YouTube kwa kubonyeza picha hapa chini.

---

Kutana na Timu

Gif na Mohit Jaisal

🎥 Bonyeza picha hapo juu kwa video kuhusu mradi na watu waliouunda!

---

Mbinu ya Kufundisha

Tumechagua mbinu mbili za kufundisha wakati wa kujenga mtaala huu: kuhakikisha ni mradi unaotekelezwa kwa mikono na kwamba unajumuisha mara kwa mara quizzes. Zaidi ya hayo, mtaala huu una kauli mbiu ya pamoja kwa kumuunganisha.

Kwa kuhakikisha maudhui yanaendana na miradi, mchakato unakuwa wa kuvutia zaidi kwa wanafunzi na kunahakikisha wazo la dhahania linakumbukwa. Zaidi ya hayo, jaribio la chini ya mzigo kabla ya darasa linaweka nia ya mwanafunzi kuelekea kujifunza mada, wakati jaribio la pili baada ya darasa linahakikisha kumbukumbu zaidi. Mtaala huu umeundwa kuwa rahisi kubadilika na kufurahisha na unaweza kufuatwa kwa jumla au sehemu. Miradi inaanza mdogo na kuwa ngumu zaidi mwishoni mwa mzunguko wa wiki 12. Mtaala huu pia unajumuisha maelezo ya matumizi halisi ya ML, ambayo yanaweza kutumika kama alama ya ziada au msingi wa majadiliano.

Tafuta Kanuni Zetu za Maadili, Mchango, Tafsiri, na Kutatua Matatizo. Tunakaribisha maoni yako ya kujenga!

Kila somo linajumuisha

• chati ya sketchnote kwa hiari
• video za ziada kwa hiari
• video ya maelekezo (masomo mengine pekee)
• jaribio la joto kabla ya somo
• somo lililoandikwa
• kwa masomo yanayojikita kwenye mradi, mwongozo wa hatua kwa hatua wa jinsi ya kujenga mradi
• vipimo vya maarifa
• changamoto
• somo la ziada
• kazi ya nyumbani
• jaribio baada ya somo

Tafadhali kuhusu lugha: Masomo haya huandikwa hasa kwa Python, lakini mengi yanaweza kupatikana pia kwa R. Ili kumaliza somo la R, nenda kwenye folda ya /solution na tatua masomo ya R. Yana kiambatisho cha .rmd kinachoashiria faili ya R Markdown ambayo inaweza kueleweka kama jalada la vipande vya msimbo (ya R au lugha nyingine) na kichwa cha YAML (kinachoongoza jinsi ya kuitengeneza matokeo kama PDF) katika nyaraka za Markdown. Kwa hiyo, ni mfumo bora wa uandishi kwa sayansi ya data kwa sababu hukuruhusu kuunganisha msimbo wako, matokeo yake, na mawazo yako kwa kuyaratibu kwa Markdown. Zaidi ya hayo, nyaraka za R Markdown zinaweza kutengenezwa kuwa aina mbalimbali za matokeo kama PDF, HTML, au Word. Kumbuka kuhusu mitihani ya maarifa: Mitihani yote iko ndani ya Folda ya Programu ya Mitihani, kwa jumla ya mitihani 52 yenye maswali matatu kila moja. Imeunganishwa ndani ya masomo lakini programu ya mitihani inaweza kuendeshwa kwa ndani; fuata maelekezo katika folda ya quiz-app ili kuiendesha au kuiweka moja kwa moja Azure.

Nambari ya Somo	Mada	Kikundi cha Somo	Malengo ya Kujifunza	Somo Linalounganishwa	Mwandishi
01	Utangulizi wa ujifunzaji wa mashine	Utangulizi	Jifunze dhana msingi nyuma ya ujifunzaji wa mashine	Somo	Muhammad
02	Historia ya ujifunzaji wa mashine	Utangulizi	Jifunze historia inayosimamia uwanja huu	Somo	Jen na Amy
03	Usawa na ujifunzaji wa mashine	Utangulizi	Ni masuala gani muhimu ya kifalsafa kuhusu usawa ambayo wanafunzi wanapaswa kuyazingatia wakati wa kujenga na kutumia mifano ya ML?	Somo	Tomomi
04	Mbinu za ujifunzaji wa mashine	Utangulizi	Ni mbinu gani wanazotumia watafiti wa ML kujenga mifano ya ML?	Somo	Chris na Jen
05	Utangulizi wa urekebishaji	Urekebishaji	Anza na Python na Scikit-learn kwa mifano ya urekebishaji	Python • R	Jen • Eric Wanjau
06	Bei za malenge ya Amerika Kaskazini 🎃	Urekebishaji	Onyesha na safisha data kwa ajili ya ML	Python • R	Jen • Eric Wanjau
07	Bei za malenge ya Amerika Kaskazini 🎃	Urekebishaji	Jenga mifano ya urekebishaji wa mstari na polynomial	Python • R	Jen na Dmitry • Eric Wanjau
08	Bei za malenge ya Amerika Kaskazini 🎃	Urekebishaji	Jenga mfano wa urekebishaji wa logistic	Python • R	Jen • Eric Wanjau
09	Programu ya Mtandao 🔌	Programu ya Mtandao	Jenga programu ya mtandao kutumia mfano uliyofundishwa	Python	Jen
10	Utangulizi wa upangaji wa makundi	Upangaji wa Makundi	Safisha, andaa, na onyesha data yako; utangulizi wa upangaji wa makundi	Python • R	Jen na Cassie • Eric Wanjau
11	Ladha tamu za Asia na India 🍜	Upangaji wa Makundi	Utangulizi wa wapangaji wa makundi	Python • R	Jen na Cassie • Eric Wanjau
12	Ladha tamu za Asia na India 🍜	Upangaji wa Makundi	Wapangaji wa makundi zaidi	Python • R	Jen na Cassie • Eric Wanjau
13	Ladha tamu za Asia na India 🍜	Upangaji wa Makundi	Jenga programu ya mtandao ya kupendekeza kwa kutumia mfano wako	Python	Jen
14	Utangulizi wa ugawaji kundi	Ugawaji Kundi	Safisha, andaa, na onyesha data yako; utangulizi wa ugawaji kundi	Python • R	Jen • Eric Wanjau
15	Kuchunguza Ladha za Muziki za Nigeria 🎧	Ugawaji Kundi	Chunguza mbinu ya ugawaji kundi wa K-Means	Python • R	Jen • Eric Wanjau
16	Utangulizi wa usindikaji wa lugha asilia ☕️	Usindikaji wa Lugha Asilia	Jifunze misingi ya NLP kwa kujenga bot rahisi	Python	Stephen
17	Kazi za kawaida za NLP ☕️	Usindikaji wa Lugha Asilia	Zidisha ujuzi wako wa NLP kwa kuelewa kazi za kawaida zinazohitajika wakati wa kushughulika na miundo ya lugha	Python	Stephen
18	Tafsiri na uchambuzi wa hisia ♥️	Usindikaji wa Lugha Asilia	Tafsiri na uchambuzi wa hisia na Jane Austen	Python	Stephen
19	Hoteli za kimapenzi za Ulaya ♥️	Usindikaji wa Lugha Asilia	Uchambuzi wa hisia kwa mapitio ya hoteli 1	Python	Stephen
20	Hoteli za kimapenzi za Ulaya ♥️	Usindikaji wa Lugha Asilia	Uchambuzi wa hisia kwa mapitio ya hoteli 2	Python	Stephen
21	Utangulizi wa utabiri wa mfululizo wa wakati	Mfululizo wa Wakati	Utangulizi wa utabiri wa mfululizo wa wakati	Python	Francesca
22	⚡️ Matumizi ya Nguvu Duniani ⚡️ - utabiri wa mfululizo wa wakati na ARIMA	Mfululizo wa Wakati	Utabiri wa mfululizo wa wakati kwa kutumia ARIMA	Python	Francesca
23	⚡️ Matumizi ya Nguvu Duniani ⚡️ - utabiri wa mfululizo wa wakati na SVR	Mfululizo wa Wakati	Utabiri wa mfululizo wa wakati kwa kutumia Support Vector Regressor	Python	Anirban
24	Utangulizi wa ujifunzaji wa kuimarisha	Ujifunzaji wa Kuimarisha	Utangulizi wa ujifunzaji wa kuimarisha kwa kutumia Q-Learning	Python	Dmitry
25	Msaada kwa Peter kuepuka mbwa mwitu! 🐺	Ujifunzaji wa Kuimarisha	Gym ya ujifunzaji wa kuimarisha	Python	Dmitry
Postscript	Hali halisi za ML na matumizi yake	ML porini	Matumizi yenye kuvutia na kufunua ya ML ya kihistoria	Somo	Timu
Postscript	Urekebishaji wa Mfano katika ML kwa kutumia dashibodi ya RAI	ML porini	Urekebishaji wa Mfano katika Ujifunzaji wa Mashine kwa kutumia vipengele vya dashibodi ya Responsible AI	Somo	Ruth Yakubu

pata rasilimali zote za ziada kwa kozi hii katika mkusanyiko wetu wa Microsoft Learn

Upatikanaji wa nje ya mtandao

Unaweza kuendesha hati hii nje ya mtandao kwa kutumia Docsify. Toa nakala ya repo hii, weka Docsify kwenye mashine yako ya ndani, kisha katika folda ya mzizi ya repo hii, andika docsify serve. Tovuti itakuwa inatolewa kwenye bandari 3000 kabisa akaunti yako ya localhost: localhost:3000.

PDF

Pata pdf ya mtaala yenye viungo hapa.

🎒 Kozi Nyingine

Timu yetu hutengeneza kozi nyingine! Angalia:

LangChain

Azure / Edge / MCP / Agents

---

Mfululizo wa AI ya Kizazi

---

Kujifunza Msingi

---

Mfululizo wa Copilot

Kupata Msaada

Ikiwa unakwama au una maswali yoyote kuhusu kujenga programu za AI. Jiunge na wanafunzi wenzako na waendelezaji wenye uzoefu katika mijadala kuhusu MCP. Ni jamii yenye msaada ambapo maswali yanakaribishwa na maarifa hushirikiana kwa uhuru.

Ikiwa una maoni kuhusu bidhaa au makosa wakati wa kujenga tembelea:

---

Tangazo la Kutojihusisha:
Nyaraka hii imetatuliwa kwa kutumia huduma ya kutafsiri kwa AI Co-op Translator. Ingawa tunajitahidi kupata usahihi, tafadhali fahamu kwamba tafsiri za kiotomatiki zinaweza kuwa na makosa au upungufu wa usahihi. Nyaraka asilia katika lugha yake ya asili inapaswa kuchukuliwa kama chanzo cha mamlaka. Kwa taarifa muhimu, tafsiri ya kitaalamu ya binadamu inapendekezwa. Hatubeba dhamana kwa maana potofu au tafsiri zisizo sahihi zinazotokana na matumizi ya tafsiri hii.