ML-For-Beginners/translations/sl

🌐 Podpora za več jezikov

Podprto preko GitHub Action (avtomatizirano in vedno posodobljeno)

Arabščina | Bengalščina | Bolgarščina | Burmanski (Mjanmar) | Kitajščina (poenostavljena) | Kitajščina (tradicionalna, Hong Kong) | Kitajščina (tradicionalna, Macau) | Kitajščina (tradicionalna, Tajvan) | Hrvaščina | Češčina | Danščina | Nizozemščina | Estonščina | Finščina | Francoščina | Nemščina | Grščina | Hebrejščina | Hindujščina | Madžarščina | Indonezijščina | Italijanščina | Japonščina | Kannada | Korejščina | Litovščina | Malezijščina | Malajalščina | Maratščina | Nepalščina | Nigerijski pidžin | Norveščina | Perzijščina (Farsi) | Poljščina | Portugalščina (Brazilija) | Portugalščina (Portugalska) | Punjabi (Gurmukhi) | Romunščina | Ruščina | Srbščina (cirilica) | Slovaščina | Slovenščina | Španščina | Svahili | Švedščina | Tagalog (Filipino) | Tamilščina | Telugu | Tajščina | Turščina | Ukrajinščina | Urdu | Vietnamščina

Raje klonirati lokalno?

Ta repozitorij vključuje prevode v več kot 50 jezikih, kar bistveno poveča velikost prenosa. Za kloniranje brez prevodov uporabite 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'

Tako boste dobili vse, kar potrebujete za dokončanje tečaja, z veliko hitrejšim prenosom.

Pridružite se naši skupnosti

Imamo tekočo serijo Discord učenja z AI, več informacij in pridružite se nam na Learn with AI Series od 18. do 30. septembra 2025. Dobili boste nasvete in trike za uporabo GitHub Copilot za podatkovno znanost.

Strojno učenje za začetnike – kurikulum

🌍 Potujte po svetu, ko raziskujemo strojno učenje skozi svetovne kulture 🌍

Cloud Advocates pri Microsoftu z veseljem ponujajo 12-tedenski, 26-lekcijski kurikulum, ki govori o strojnem učenju. V tem kurikulumu se boste naučili tistega, kar se včasih imenuje klasično strojno učenje, ki predvsem uporablja knjižnico Scikit-learn in se izogiba globokemu učenju, ki je zajeto v našem kurikulumu Umetna inteligenca za začetnike. Te lekcije kombinirajte tudi z našim kurikulom Podatkovna znanost za začetnike!

Potujte z nami po svetu, ko te klasične tehnike uporabljamo na podatkih iz mnogih področij sveta. Vsaka lekcija vključuje kvize pred in po lekciji, pisna navodila za dokončanje lekcije, rešitev, domačo nalogo in več. Naša učna metoda, osredotočena na projekte, vam omogoča učenje med gradnjo – dokazano učinkovit način za trdno osvojitev novih veščin.

✍️ Iskrena hvala našim avtorjem Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu in Amy Boyd

🎨 Hvala tudi našim ilustratorjem Tomomi Imura, Dasani Madipalli in Jen Looper

🙏 Posebna zahvala 🙏 Microsoft Student Ambassadorjem avtorjem, recenzentom in vsebinskim prispevalcem, zlasti Rishitu Dagliju, Muhammad Sakib Khan Inanu, Rohanu Raju, Alexandru Petrescuju, Abhisheku Jaiswalu, Nawrin Tabassumu, Ioanu Samuili in Snigdhi Agarwalu

🤩 Dodatna hvala Microsoft Student Ambassadors Ericu Wanjau, Jasleenu Sondhiju in Vidushi Gupti za naše R lekcije!

Začetek

Sledite tem korakom:

1. Razvezi repozitorij: Kliknite gumb "Fork" zgoraj desno na tej strani.
2. Klonirajte repozitorij: git clone https://github.com/microsoft/ML-For-Beginners.git

poiščite vse dodatne vire za ta tečaj v naši zbirki Microsoft Learn

🔧 Potrebujete pomoč? Preverite naš vodnik za odpravljanje težav za rešitve pogostih problemov z namestitvijo, nastavitvijo in izvajanjem lekcij.

Študenti, da uporabite ta kurikulum, razvežite celoten repozitorij v svoj lasten GitHub račun in dokončajte vaje sami ali v skupini:

• Začnite s kvizom pred predavanjem.
• Preberite predavanje in opravite aktivnosti, ob vsakem preverjanju znanja ustavite in premislite.
• Poskusite ustvarjati projekte s razumevanjem lekcij, ne le s poganjanjem izvorne kode; ta koda je na voljo v mapah /solution v vsaki lekciji, osredotočeni na projekt.
• Opravite kviz po predavanju.
• Opravite izziv.
• Opravite domačo nalogo.
• Po zaključku skupine lekcij obiščite diskusijsko ploščo in "učite se na glas" z izpolnitvijo ustrezne PAT lestvice. ‘PAT’ je Orodje za vrednotenje napredka, ki je lestvica, ki jo izpolnite za nadaljnje učenje. Lahko tudi reagirate na druge PAT, da se lahko učimo skupaj.

Za nadaljnje študij priporočamo, da sledite tem modulom in učnim potim na Microsoft Learn.

Učitelji, vključili smo nekaj predlogov o tem, kako uporabljati ta kurikulum.

---

Video predstavitve

Nekatere lekcije so na voljo v obliki kratkih videov. Vse jih lahko najdete v lekcijah ali na igralnem seznamu ML za začetnike na YouTube kanalu Microsoft Developer s klikom na spodnjo sliko.

---

Spoznajte ekipo

GIF by Mohit Jaisal

🎥 Kliknite zgornjo sliko za video o projektu in ljudeh, ki so ga ustvarili!

---

Pedeutika

Izbrali smo dva pedagoška načela pri ustvarjanju tega kurikuluma: zagotovitev, da je praktično osredotočen na projekte in da vključuje pogoste kvize. Poleg tega ima ta kurikulum skupno temo za boljšo povezanost.

S tem, ko vsebina sovpada s projekti, je proces učenja za študente bolj privlačen in ohranjanje konceptov boljše. Poleg tega kviz z nizkimi vložki pred uro usmerja namen študenta k učenju teme, medtem ko drugi kviz po uri zagotavlja dodatno zadržanje. Ta kurikulum je zasnovan tako, da je fleksibilen in zabaven ter ga je mogoče prejeti v celoti ali delno. Projekti se začnejo majhni in postopoma postajajo kompleksnejši do konca 12-tedenskega cikla. Kurikulum vključuje tudi epilog o realnih aplikacijah strojnega učenja, ki ga lahko uporabite kot dodatno oceno ali kot osnovo za razpravo.

Najdite naš Kodeks ravnanja, Prispevanje, Prevajanje in Odpravljanje težav. Veselimo se vaših konstruktivnih povratnih informacij!

Vsaka lekcija vsebuje

• izbirne skice
• izbirni dodatni video
• video predstavitev (samo nekatere lekcije)
• ogrevalni kviz pred predavanjem
• pisno lekcijo
• za projektno usmerjene lekcije korak-po-korak vodiče za izdelavo projekta
• preverjanja znanja
• izziv
• dodatno branje
• domačo nalogo
• kviz po predavanju

Opomba o jezikih: Te lekcije so primarno napisane v Pythonu, vendar so mnoge na voljo tudi v R. Če želite zaključiti lekcijo v R, pojdite v mapo /solution in poiščite R lekcije. Vsebujejo pripono .rmd, ki predstavlja R Markdown datoteko, ki je preprosto definirana kot vdelava kodo (R ali drugih jezikov) in YAML glave (ki vodi oblikovanje izhodov, npr. PDF) v Markdown dokument. Tako služi kot vzorčni avtorski okvir za podatkovno znanost, saj omogoča združevanje vaše kode, njenega izhoda in vaših spoznanj tako, da jih lahko zapišete v Markdown. Poleg tega je mogoče R Markdown dokumente pretvoriti v izhodne formate, kot so PDF, HTML ali Word. Opomba o kvizih: Vsi kvizi so v mapi Quiz App folder, skupaj 52 kvizov, vsak s tremi vprašanji. Povezani so znotraj lekcij, vendar lahko aplikacijo za kviz zaženete lokalno; sledite navodilom v mapi quiz-app za lokalno gostovanje ali namestitev v Azure.

Številka lekcije	Tema	Skupina lekcij	Cilji učenja	Povezana lekcija	Avtor
01	Uvod v strojno učenje	Uvod	Spoznajte osnovne pojme strojnega učenja	Lekcija	Muhammad
02	Zgodovina strojnega učenja	Uvod	Spoznajte zgodovino tega področja	Lekcija	Jen in Amy
03	Poštenost in strojno učenje	Uvod	Katere so pomembne filozofske zadeve glede poštenosti, ki naj jih študenti upoštevajo pri gradnji in uporabi modelov ML?	Lekcija	Tomomi
04	Tehnike strojnega učenja	Uvod	Katere tehnike raziskovalci ML uporabljajo za izdelavo modelov ML?	Lekcija	Chris in Jen
05	Uvod v regresijo	Regresija	Začnite z uporabo Pythona in Scikit-learn za regresijske modele	Python • R	Jen • Eric Wanjau
06	Cene ameriške buče 🎃	Regresija	Vizualizirajte in očistite podatke za pripravo na ML	Python • R	Jen • Eric Wanjau
07	Cene ameriške buče 🎃	Regresija	Izdelajte linearne in polinomske regresijske modele	Python • R	Jen in Dmitry • Eric Wanjau
08	Cene ameriške buče 🎃	Regresija	Izdelajte logistični regresijski model	Python • R	Jen • Eric Wanjau
09	Spletna aplikacija 🔌	Spletna aplikacija	Izdelajte spletno aplikacijo za uporabo vašega naučenega modela	Python	Jen
10	Uvod v klasifikacijo	Klasifikacija	Očistite, pripravite in vizualizirajte podatke; uvod v klasifikacijo	Python • R	Jen in Cassie • Eric Wanjau
11	Sladke azijske in indijske kuhinje 🍜	Klasifikacija	Uvod v klasifikatorje	Python • R	Jen in Cassie • Eric Wanjau
12	Sladke azijske in indijske kuhinje 🍜	Klasifikacija	Več klasifikatorjev	Python • R	Jen in Cassie • Eric Wanjau
13	Sladke azijske in indijske kuhinje 🍜	Klasifikacija	Izdelajte priporočilno spletno aplikacijo z uporabo vašega modela	Python	Jen
14	Uvod v grupiranje	Grupljenje	Očistite, pripravite in vizualizirajte podatke; uvod v grupiranje	Python • R	Jen • Eric Wanjau
15	Raziščite nigerijske glasbene okuse 🎧	Grupljenje	Raziščite metodo K-means grupiranja	Python • R	Jen • Eric Wanjau
16	Uvod v obdelavo naravnega jezika ☕️	Obdelava naravnega jezika	Spoznajte osnove NLP z izdelavo preprostega bota	Python	Stephen
17	Pogoste naloge NLP ☕️	Obdelava naravnega jezika	Poglobite svoje znanje NLP z razumevanjem pogostih nalog povezanih z jezikovnimi strukturami	Python	Stephen
18	Prevodi in analiza čustev ♥️	Obdelava naravnega jezika	Prevodi in analiza čustev z Jane Austen	Python	Stephen
19	Romantični hoteli Evrope ♥️	Obdelava naravnega jezika	Analiza čustev z ocenami hotelov 1	Python	Stephen
20	Romantični hoteli Evrope ♥️	Obdelava naravnega jezika	Analiza čustev z ocenami hotelov 2	Python	Stephen
21	Uvod v napovedovanje časovnih vrst	Časovne vrste	Uvod v napovedovanje časovnih vrst	Python	Francesca
22	⚡️ Poraba svetovne energije ⚡️ - napovedovanje časovnih vrst z ARIMA	Časovne vrste	Napovedovanje časovnih vrst z ARIMA	Python	Francesca
23	⚡️ Poraba svetovne energije ⚡️ - napovedovanje časovnih vrst z SVR	Časovne vrste	Napovedovanje časovnih vrst z regresorjem podpornih vektorjev	Python	Anirban
24	Uvod v učenje s krepitvijo	Učenje s krepitvijo	Uvod v učenje s krepitvijo z Q-učenjem	Python	Dmitry
25	Pomagajte Peteru izogniti se volku! 🐺	Učenje s krepitvijo	Učenje s krepitvijo v telovadnici	Python	Dmitry
Dodatek	Praktični primeri in uporabe ML	ML v praksi	Zanimive in poučne resničn življenjske uporabe klasičnega ML	Lekcija	Ekipa
Dodatek	Odpravljanje napak modelov v ML z RAI nadzorno ploščo	ML v praksi	Odpravljanje napak modelov strojnega učenja z uporabo komponent odgovorne umetne inteligence v nadzorni plošči	Lekcija	Ruth Yakubu

poiščite vse dodatne vire za ta tečaj v naši zbirki Microsoft Learn

Dostop brez povezave

To dokumentacijo lahko uporabljate brez povezave z orodjem Docsify. Razvežite ta repozitorij, namestite Docsify na lokalni računalnik, nato pa v korenski mapi repozitorija vnesite docsify serve. Spletna stran bo dostopna na vratih 3000 na vašem lokalnem računalniku: localhost:3000.

PDF-ji

PDF z učnim načrtom z vsemi povezavami najdete tukaj.

🎒 Drugi tečaji

Naša ekipa ustvarja tudi druge tečaje! Oglejte si:

LangChain

---

Azure / Edge / MCP / Agentje

---

Generativna AI serija

---

Osnovno učenje

---

Serija Copilot

Pridobivanje pomoči

Če se zataknete ali imate kakršnakoli vprašanja o ustvarjanju AI aplikacij. Pridružite se drugim učencem in izkušenim razvijalcem v razpravah o MCP. To je podporna skupnost, kjer so vprašanja dobrodošla in kjer se znanje prosto deli.

Če imate povratne informacije o izdelku ali napake med ustvarjanjem, obiščite:

---

Izjava o omejitvi odgovornosti: Ta dokument je bil preveden z uporabo AI prevajalske storitve Co-op Translator. Čeprav si prizadevamo za točnost, vas prosimo, da upoštevate, da avtomatizirani prevodi lahko vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvorni jezik velja za avtoritativni vir. Za kritične informacije priporočamo strokovni človeški prevod. Za morebitna nesporazume ali napačne interpretacije, ki izhajajo iz uporabe tega prevoda, ne prevzemamo nobene odgovornosti.