31 KiB

Raw Blame History Unescape Escape

🌐 Suport multilingv

Suportat prin GitHub Action (automatizat și întotdeauna actualizat)

Preferi să clonezi local?

Acest depozit include peste 50 de traduceri în limbi diferite, ceea ce mărește semnificativ dimensiunea descărcării. Pentru a clona fără traduceri, folosiți 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'
Aceasta îți oferă tot ce ai nevoie pentru a finaliza cursul cu o descărcare mult mai rapidă.

Alătură-te comunității noastre

Avem o serie de învățare cu AI pe Discord, află mai multe și alătură-te la Seria Learn with AI în perioada 18 - 30 septembrie 2025. Vei primi sfaturi și trucuri pentru utilizarea GitHub Copilot în Data Science.

Machine Learning pentru Începători - Un Curriculum

🌍 Călătorește în jurul lumii în timp ce explorăm Machine Learning prin prisma culturilor mondiale 🌍

Cloud Advocates la Microsoft sunt încântați să ofere un curriculum de 12 săptămâni, cu 26 de lecții, despre Machine Learning. În acest curriculum, vei învăța despre ceea ce uneori este numit machine learning clasic, folosind în principal biblioteca Scikit-learn și evitând deep learning, care este acoperit în curriculumul nostru AI pentru Începători. Combină aceste lecții și cu curriculumul nostru "Data Science pentru Începători"!

Călătorește cu noi în jurul lumii în timp ce aplicăm aceste tehnici clasice pe date din multe regiuni ale lumii. Fiecare lecție include quiz-uri pre- și post-lectură, instrucțiuni scrise pentru completarea lecției, o soluție, un exercițiu și multe altele. Pedagogia noastră bazată pe proiecte îți permite să înveți construind, o metodă dovedită pentru ca noile abilități să „se fixeze”.

✍️ Mulțumiri din suflet autorilor noștri Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu și Amy Boyd

🎨 Mulțumiri și ilustratorilor noștri Tomomi Imura, Dasani Madipalli și Jen Looper

🙏 Mulțumiri speciale 🙏 autorilor, evaluatoriilor și contributoriilor de conținut Microsoft Student Ambassador, în special Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila și Snigdha Agarwal

🤩 Recunoștință în plus pentru Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi și Vidushi Gupta pentru lecțiile noastre în R!

Pornirea

Urmărește acești pași:

Fă fork depozitului: Apasă pe butonul „Fork” din colțul din dreapta sus al paginii.
Clonează depozitul: git clone https://github.com/microsoft/ML-For-Beginners.git

Găsește toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn

🔧 Ai nevoie de ajutor? Consultă Ghidul nostru de depănare pentru soluții la probleme comune legate de instalare, configurare și rularea lecțiilor.

Studenți, pentru a folosi acest curriculum, faceți fork la întregul repo în contul vostru GitHub și finalizați exercițiile singuri sau în grup:

Începeți cu un quiz de pre-lectură.
Citiți lecția și completați activitățile, oprindu-vă și reflectând la fiecare verificare a cunoștințelor.
Încercați să creați proiectele înțelegând lecțiile, mai degrabă decât să rulați codul soluției; cu toate acestea, codul este disponibil în folderele /solution ale fiecărei lecții orientate pe proiect.
Faceți quiz-ul post-lectură.
Finalizați provocarea.
Finalizați tema.
După finalizarea unui grup de lecții, vizitați Tabloul de discuții și „învățați cu voce tare” completând rubricile PAT corespunzătoare. Un 'PAT' este un Instrument de Evaluare a Progresului, o rubrică pe care o completați pentru a vă aprofunda învățarea. De asemenea, puteți reacționa la alte PAT-uri pentru a învăța împreună.

Pentru studiu suplimentar, recomandăm urmarea acestor module și căi de învățare Microsoft Learn.

Profesori, am inclus unele sugestii despre cum să folosiți acest curriculum.

Parcurgeri video

Unele dintre lecții sunt disponibile sub formă de video scurt. Le puteți găsi pe toate în linie în lecții sau pe lista ML pentru Începători de pe canalul Microsoft Developer YouTube făcând clic pe imaginea de mai jos.

Echipa

Gif de Mohit Jaisal

🎥 Click pe imaginea de mai sus pentru un video despre proiect și despre cei care l-au creat!

Pedagogie

Am ales două principii pedagogice în construirea acestui curriculum: asigurarea că este hands-on bazat pe proiecte și că include quiz-uri frecvente. În plus, acest curriculum are o tematică comună pentru coeziune.

Prin asigurarea alinierii conținutului cu proiectele, procesul devine mai captivant pentru studenți și reținerea conceptelor este augmentată. În plus, un quiz cu miză redusă înaintea cursului setează intenția studentului spre învățarea subiectului, iar un al doilea quiz după curs asigură o reținere suplimentară. Acest curriculum este conceput să fie flexibil și distractiv și poate fi parcurs integral sau parțial. Proiectele încep mici și devin tot mai complexe până la finalul ciclului de 12 săptămâni. Curriculumul include și un postscript despre aplicații reale ale ML, care poate fi folosit ca credit suplimentar sau ca bază pentru discuții.

Găsiți ghidurile noastre Codul de conduită, Contribuire, Traducere și Depănare. Așteptăm cu interes feedback-ul vostru constructiv!

Fiecare lecție include

schiță opțională
video suplimentar opțional
parcurgere video (în unele lecții)
quiz de încălzire pre-lectură
lecție scrisă
pentru lecțiile bazate pe proiect, ghiduri pas cu pas pentru realizarea proiectului
verificări ale cunoștințelor
o provocare
lecturi suplimentare
temă
quiz post-lectură

O notă despre limbi: Aceste lecții sunt scrise în principal în Python, dar multe sunt disponibile și în R. Pentru a finaliza o lecție în R, accesați folderul /solution și căutați lecțiile în R. Acestea includ o extensie .rmd care reprezintă un fișier R Markdown, definit simplu ca o încorporare a blocurilor de cod (în R sau alte limbi) și a unui antet YAML (care ghidează cum să formatezi ieșirile, cum ar fi PDF) într-un document Markdown. Astfel, servește ca un cadru de autorare exemplar pentru data science, deoarece permite combinarea codului, rezultatului său și a gândurilor tale scrise în Markdown. Mai mult, documentele R Markdown pot fi convertite în formate de ieșire precum PDF, HTML sau Word. O notă despre quizuri: Toate quizurile sunt conținute în folderul Quiz App, pentru un total de 52 de quizuri cu câte trei întrebări fiecare. Ele sunt conectate din interiorul lecțiilor, dar aplicația quiz poate fi rulată local; urmează instrucțiunile din folderul quiz-app pentru a găzdui local sau a implementa în Azure.

Numărul Lecției	Subiect	Gruparea Lecției	Obiective de învățare	Lecția Legată	Autor
01	Introducere în învățarea automată	Introducere	Învățați conceptele de bază din spatele învățării automate	Lecția	Muhammad
02	Istoria învățării automate	Introducere	Învățați istoria care stă la baza acestui domeniu	Lecția	Jen și Amy
03	Echitate și învățarea automată	Introducere	Care sunt problemele filosofice importante legate de echitate pe care studenții ar trebui să le ia în considerare la dezvoltarea și aplicarea modelelor ML?	Lecția	Tomomi
04	Tehnici pentru învățarea automată	Introducere	Ce tehnici folosesc cercetătorii ML pentru a construi modele ML?	Lecția	Chris și Jen
05	Introducere în regresie	Regresie	Începeți cu Python și Scikit-learn pentru modele de regresie	Python • R	Jen • Eric Wanjau
06	Prețurile dovlecilor nord-americani 🎃	Regresie	Vizualizați și curățați datele în pregătirea pentru ML	Python • R	Jen • Eric Wanjau
07	Prețurile dovlecilor nord-americani 🎃	Regresie	Construiți modele de regresie liniară și polinomială	Python • R	Jen și Dmitry • Eric Wanjau
08	Prețurile dovlecilor nord-americani 🎃	Regresie	Construiți un model de regresie logistică	Python • R	Jen • Eric Wanjau
09	O aplicație web 🔌	Aplicație Web	Construiți o aplicație web pentru a folosi modelul antrenat	Python	Jen
10	Introducere în clasificare	Clasificare	Curățați, pregătiți și vizualizați datele; introducere în clasificare	Python • R	Jen și Cassie • Eric Wanjau
11	Bucătării delicioase asiatice și indiene 🍜	Clasificare	Introducere în clasificatori	Python • R	Jen și Cassie • Eric Wanjau
12	Bucătării delicioase asiatice și indiene 🍜	Clasificare	Mai mulți clasificatori	Python • R	Jen și Cassie • Eric Wanjau
13	Bucătării delicioase asiatice și indiene 🍜	Clasificare	Construiți o aplicație web recomandatoare folosind modelul dvs.	Python	Jen
14	Introducere în clusterizare	Clustering	Curățați, pregătiți și vizualizați datele; Introducere în clusterizare	Python • R	Jen • Eric Wanjau
15	Explorarea gusturilor muzicale nigeriene 🎧	Clustering	Explorați metoda de clusterizare K-Means	Python • R	Jen • Eric Wanjau
16	Introducere în prelucrarea limbajului natural ☕️	Prelucrarea limbajului natural	Învățați elementele de bază despre NLP construind un bot simplu	Python	Stephen
17	Sarcini comune în NLP ☕️	Prelucrarea limbajului natural	Adânciți-vă cunoștințele despre NLP prin înțelegerea sarcinilor comune necesare în procesarea structurilor de limbaj	Python	Stephen
18	Traducere și analiza sentimentelor ♥️	Prelucrarea limbajului natural	Traducere și analiză de sentiment cu Jane Austen	Python	Stephen
19	Hoteluri romantice din Europa ♥️	Prelucrarea limbajului natural	Analiza sentimentelor cu recenzii hoteliere 1	Python	Stephen
20	Hoteluri romantice din Europa ♥️	Prelucrarea limbajului natural	Analiza sentimentelor cu recenzii hoteliere 2	Python	Stephen
21	Introducere în prognoza seriilor de timp	Serii de timp	Introducere în prognoza seriilor de timp	Python	Francesca
22	⚡️ Utilizarea energiei la nivel global ⚡️ - prognoza seriilor de timp cu ARIMA	Serii de timp	Prognoza seriilor de timp cu ARIMA	Python	Francesca
23	⚡️ Utilizarea energiei la nivel global ⚡️ - prognoza seriilor de timp cu SVR	Serii de timp	Prognoza seriilor de timp cu Support Vector Regressor	Python	Anirban
24	Introducere în învățarea prin întărire	Învățarea prin întărire	Introducere în învățarea prin întărire cu Q-Learning	Python	Dmitry
25	Ajută-l pe Peter să evite lupul! 🐺	Învățarea prin întărire	Învățarea prin întărire Gym	Python	Dmitry
Postscript	Scenarii și aplicații reale ale ML	ML în sălbăticie	Aplicații interesante și revelatoare din lumea reală ale ML clasic	Lecția	Echipa
Postscript	Debugging model în ML folosind panoul RAI	ML în sălbăticie	Debugging model în învățarea automată folosind componentele panoului Responsible AI	Lecția	Ruth Yakubu

găsiți toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn

Acces offline

Puteți rula această documentație offline folosind Docsify. Faceți fork acestui repo, instalați Docsify pe mașina dvs. locală, apoi în folderul rădăcină al acestui repo tastați docsify serve. Site-ul web va fi servit pe portul 3000 pe localhost: localhost:3000.

PDF-uri

Găsiți un pdf al curriculumului cu linkuri aici.

🎒 Alte cursuri

Echipa noastră produce și alte cursuri! Verificați:

LangChain

Azure / Edge / MCP / Agenti

Serii AI Generativă

Învățare de bază

Seria Copilot

Obținerea Ajutorului

Dacă rămâi blocat sau ai întrebări despre construirea aplicațiilor AI, alătură-te altor cursanți și dezvoltatori cu experiență în discuțiile despre MCP. Este o comunitate de susținere unde întrebările sunt binevenite și cunoștințele sunt împărtășite liber.

Dacă ai feedback despre produs sau întâmpini erori în timpul dezvoltării, vizitează:

Declinare de responsabilitate:
Acest document a fost tradus folosind serviciul de traducere AI Co-op Translator. Deși ne străduim pentru acuratețe, vă rugăm să rețineți că traducerile automate pot conține erori sau inexactități. Documentul original, în limba sa nativă, trebuie considerat sursa autorizată. Pentru informații critice, se recomandă traducerea profesională realizată de o persoană. Nu ne asumăm responsabilitatea pentru eventualele neînțelegeri sau interpretări greșite rezultate din utilizarea acestei traduceri.

31 KiB Raw Blame History Unescape Escape