ML-For-Beginners/translations/lt

🌐 Daugiakalbė parama

Palaikoma per GitHub Action (automatizuota ir visada atnaujinta)

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

Prisijunkite prie mūsų bendruomenės

Mes vykdome Discord mokymosi su DI seriją, sužinokite daugiau ir prisijunkite prie mūsų Learn with AI Series nuo 2025 m. rugsėjo 18 iki 30 d. Jūs gausite patarimų ir gudrybių, kaip naudoti GitHub Copilot duomenų mokslui.

Mašininis mokymasis pradedantiesiems – mokymo programa

🌍 Keliaukite po pasaulį, tyrinėdami mašininį mokymąsi per pasaulio kultūras 🌍

„Microsoft“ Cloud Advocates džiaugiasi galėdami pasiūlyti 12 savaičių, 26 pamokų mokymo programą, skirtą mašininiam mokymuisi. Šioje programoje sužinosite apie tai, ką kartais vadiname klasikiniu mašininiu mokymusi, daugiausia naudojant Scikit-learn biblioteką ir vengiant giluminio mokymosi, kuris aptariamas mūsų DI pradedantiesiems mokymo programoje. Taip pat derinkite šias pamokas su mūsų 'Duomenų mokslas pradedantiesiems' mokymo programa.

Keliaukite su mumis po pasaulį, taikydami šias klasikines technikas duomenims iš įvairių pasaulio vietų. Kiekviena pamoka apima priešpamokinius ir popamokinius testus, rašytines instrukcijas pamokos atlikimui, sprendimą, užduotį ir dar daugiau. Mūsų projektinė pedagogika leidžia mokytis statant, tai patikrintas būdas, kaip nauji įgūdžiai geriau įsimena.

✍️ Nuoširdus ačiū mūsų autoriams Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ir Amy Boyd

🎨 Taip pat dėkojame mūsų iliustratoriams Tomomi Imura, Dasani Madipalli ir Jen Looper

🙏 Ypatingas ačiū 🙏 mūsų Microsoft Student Ambassador autoriams, recenzentams ir turinio bendradarbiams, ypač Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ir Snigdha Agarwal

🤩 Papildomas dėkingumas Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi ir Vidushi Gupta už mūsų R pamokas!

Pradžia

Atlikite šiuos veiksmus:

1. Padarykite šaką (Fork) sau: spustelėkite mygtuką „Fork“ šio puslapio viršutiniame dešiniajame kampe.
2. Klonuokite sau repozitoriją: git clone https://github.com/microsoft/ML-For-Beginners.git

raskite visus papildomus šios kursų medžiagos išteklius mūsų Microsoft Learn kolekcijoje

🔧 Reikia pagalbos? Peržiūrėkite mūsų Trikčių šalinimo vadovą dėl dažniausiai pasitaikančių problemų sprendimų diegiant, nustatant ir vykdant pamokas.

Studentai, norėdami naudoti šią mokymo programą, padarykite visos repozitorijos šaką į savo GitHub paskyrą ir atlikite pratimus savarankiškai arba grupėje:

• Pradėkite nuo priešpaskaitinio testo.
• Perskaitykite paskaitą ir atlikite veiklas, sustodami ir apmąstydami kiekvieną žinių patikrinimą.
• Stenkitės kurti projektus suprasdami pamokas, o ne tiesiog paleisdami sprendimo kodą; tačiau šis kodas yra prieinamas kiekvienos projektinės pamokos /solution aplankuose.
• Atlikite popaskaitinį testą.
• Įvykdykite iššūkį.
• Atlikite užduotį.
• Baigę pamokų grupę, apsilankykite Diskusijų lentoje ir „mokykitės garsiai“, užpildydami atitinkamą PAT vertinimo lentelę. 'PAT' yra pažangos vertinimo įrankis, kurį užpildote, kad pagilintumėte mokymąsi. Taip pat galite reaguoti į kitų PAT, kad mokytumėmės kartu.

Tolimesniam mokymuisi rekomenduojame sekti šiuos Microsoft Learn modulius ir mokymosi kelius.

Mokytojai, mes pateikėme keletą pasiūlymų, kaip naudoti šią mokymo programą.

---

Vaizdo įrašų peržiūros

Kai kurios pamokos yra prieinamos trumpų vaizdo įrašų forma. Visus juos rasite įterptus pamokose arba ML pradedantiesiems grojaraštyje Microsoft Developer YouTube kanale, spustelėję žemiau esantį paveikslėlį.

---

Susipažinkite su komanda

Gif sukūrė Mohit Jaisal

🎥 Spustelėkite aukščiau esantį paveikslėlį, kad pamatytumėte vaizdo įrašą apie projektą ir jį sukūrusius žmones!

---

Pedagogika

Kuriant šią mokymo programą pasirinkome du pedagoginius principus: užtikrinti, kad ji būtų praktinė, projektinė, ir kad joje būtų dažni testai. Be to, ši programa turi bendrą temą, suteikiančią jai vientisumą.

Užtikrinant, kad turinys atitiktų projektus, procesas tampa įdomesnis studentams, o koncepcijų įsisavinimas pagerėja. Be to, mažos rizikos testas prieš paskaitą nukreipia studentą į mokymąsi, o antras testas po paskaitos užtikrina dar geresnį įsisavinimą. Ši programa sukurta būti lanksti ir smagi, ją galima atlikti visą arba dalimis. Projektai prasideda nuo paprastų ir tampa vis sudėtingesni per 12 savaičių ciklą. Programa taip pat apima poskriptumą apie realaus pasaulio ML taikymus, kurį galima naudoti kaip papildomą kreditą arba diskusijų pagrindą.

Raskite mūsų Elgesio kodeksą, Indėlio taisykles, Vertimo gaires ir Trikčių šalinimo instrukcijas. Laukiame jūsų konstruktyvios grįžtamosios informacijos!

Kiekviena pamoka apima

• pasirenkamą eskizo užrašą
• pasirenkamą papildomą vaizdo įrašą
• vaizdo įrašo peržiūrą (tik kai kurios pamokos)
• priešpaskaitinį apšilimo testą
• rašytinę pamoką
• projektinėms pamokoms – žingsnis po žingsnio gaires, kaip sukurti projektą
• žinių patikrinimus
• iššūkį
• papildomą skaitymą
• užduotį
• popaskaitinį testą

Pastaba apie kalbas: Šios pamokos daugiausia parašytos Python kalba, tačiau daugelis jų taip pat prieinamos R kalba. Norėdami atlikti R pamoką, eikite į /solution aplanką ir ieškokite R pamokų. Jos turi .rmd plėtinį, kuris reiškia R Markdown failą, kurį galima apibrėžti kaip kodo blokų (R ar kitų kalbų) ir YAML antraštės (nurodančios, kaip formatuoti išvestis, pvz., PDF) įterpimą į Markdown dokumentą. Tai puikus duomenų mokslo rašymo įrankis, leidžiantis derinti kodą, jo išvestį ir mintis, rašant jas Markdown formatu. Be to, R Markdown dokumentus galima konvertuoti į PDF, HTML ar Word formatus.

Pastaba apie testus: Visi testai yra Quiz App aplanke, iš viso 52 testai po tris klausimus. Jie susieti pamokose, bet testų programėlę galima paleisti vietoje; vadovaukitės quiz-app aplanko instrukcijomis, kaip ją paleisti vietoje arba diegti į Azure.

Pamokos numeris	Tema	Pamokų grupė	Mokymosi tikslai	Susieta pamoka	Autorius
01	Mašininio mokymosi įvadas	Introduction	Sužinokite pagrindines mašininio mokymosi sąvokas	Lesson	Muhammad
02	Mašininio mokymosi istorija	Introduction	Sužinokite šios srities istoriją	Lesson	Jen and Amy
03	Teisingumas ir mašininis mokymasis	Introduction	Kokie svarbūs filosofiniai klausimai apie teisingumą, kuriuos studentai turėtų apsvarstyti kurdami ir taikydami ML modelius?	Lesson	Tomomi
04	Mašininio mokymosi technikos	Introduction	Kokias technikas ML tyrėjai naudoja kurdami ML modelius?	Lesson	Chris and Jen
05	Regresijos įvadas	Regression	Pradėkite naudotis Python ir Scikit-learn regresijos modeliams	Python • R	Jen • Eric Wanjau
06	Šiaurės Amerikos moliūgų kainos 🎃	Regression	Vizualizuokite ir išvalykite duomenis pasiruošimui ML	Python • R	Jen • Eric Wanjau
07	Šiaurės Amerikos moliūgų kainos 🎃	Regression	Kurkite tiesinės ir polininės regresijos modelius	Python • R	Jen and Dmitry • Eric Wanjau
08	Šiaurės Amerikos moliūgų kainos 🎃	Regression	Kurkite logistinės regresijos modelį	Python • R	Jen • Eric Wanjau
09	Interneto programa 🔌	Web App	Sukurkite interneto programą, kad naudotumėte savo apmokytą modelį	Python	Jen
10	Klasifikacijos įvadas	Classification	Išvalykite, paruoškite ir vizualizuokite savo duomenis; klasifikacijos įvadas	Python • R	Jen and Cassie • Eric Wanjau
11	Skani Azijos ir Indijos virtuvė 🍜	Classification	Klasifikatorių įvadas	Python • R	Jen and Cassie • Eric Wanjau
12	Skani Azijos ir Indijos virtuvė 🍜	Classification	Daugiau klasifikatorių	Python • R	Jen and Cassie • Eric Wanjau
13	Skani Azijos ir Indijos virtuvė 🍜	Classification	Sukurkite rekomendacinę interneto programą naudodami savo modelį	Python	Jen
14	Klasterizacijos įvadas	Clustering	Išvalykite, paruoškite ir vizualizuokite savo duomenis; klasterizacijos įvadas	Python • R	Jen • Eric Wanjau
15	Nigerijos muzikos skonių tyrinėjimas 🎧	Clustering	Tyrinėkite K-Means klasterizacijos metodą	Python • R	Jen • Eric Wanjau
16	Natūralios kalbos apdorojimo įvadas ☕️	Natural language processing	Sužinokite NLP pagrindus kurdami paprastą botą	Python	Stephen
17	Dažnos NLP užduotys ☕️	Natural language processing	Gilinkite savo NLP žinias suprasdami dažnas užduotis, reikalingas dirbant su kalbos struktūromis	Python	Stephen
18	Vertimas ir nuotaikų analizė ♥️	Natural language processing	Vertimas ir nuotaikų analizė su Jane Austen	Python	Stephen
19	Romantiški Europos viešbučiai ♥️	Natural language processing	Nuotaikų analizė su viešbučių atsiliepimais 1	Python	Stephen
20	Romantiški Europos viešbučiai ♥️	Natural language processing	Nuotaikų analizė su viešbučių atsiliepimais 2	Python	Stephen
21	Laiko eilučių prognozavimo įvadas	Time series	Laiko eilučių prognozavimo įvadas	Python	Francesca
22	⚡️ Pasaulio elektros suvartojimas ⚡️ - laiko eilučių prognozavimas su ARIMA	Time series	Laiko eilučių prognozavimas su ARIMA	Python	Francesca
23	⚡️ Pasaulio elektros suvartojimas ⚡️ - laiko eilučių prognozavimas su SVR	Time series	Laiko eilučių prognozavimas su paramos vektorių regresoriumi	Python	Anirban
24	Pastiprinamojo mokymosi įvadas	Reinforcement learning	Pastiprinamojo mokymosi įvadas su Q-mokymusi	Python	Dmitry
25	Padėkite Petrui išvengti vilko! 🐺	Reinforcement learning	Pastiprinamojo mokymosi treniruoklis	Python	Dmitry
Postscript	Tikro pasaulio ML scenarijai ir taikymai	ML in the Wild	Įdomios ir atskleidžiančios tikro pasaulio klasikinio ML taikymo situacijos	Lesson	Team
Postscript	ML modelių derinimas naudojant RAI informacijos suvestinę	ML in the Wild	ML modelių derinimas naudojant atsakingos AI informacijos suvestinės komponentus	Lesson	Ruth Yakubu

raskite visus papildomus šio kurso išteklius mūsų Microsoft Learn kolekcijoje

Offline prieiga

Šią dokumentaciją galite naudoti neprisijungę naudodami Docsify. Šakinkite šį repozitoriją, įdiekite Docsify savo vietiniame kompiuteryje, tada šio repozitorijos šakniniame aplanke įveskite docsify serve. Svetainė bus pasiekiama per 3000 prievadą jūsų localhost: localhost:3000.

PDF failai

Raskite mokymo programos PDF su nuorodomis čia.

🎒 Kiti kursai

Mūsų komanda kuria ir kitus kursus! Pažiūrėkite:

LangChain

---

Azure / Edge / MCP / Agentai

---

Generatyvinio AI serija

---

Pagrindinis mokymasis

---

Copilot serija

Pagalbos gavimas

Jei įstringate arba turite klausimų apie DI programėlių kūrimą. Prisijunkite prie kitų besimokančiųjų ir patyrusių kūrėjų diskusijose apie MCP. Tai palaikanti bendruomenė, kurioje klausimai yra laukiami, o žinios dalijamos laisvai.

Jei turite produkto atsiliepimų arba susiduriate su klaidomis kūrimo metu, apsilankykite:

---

Atsakomybės apribojimas: Šis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą Co-op Translator. Nors stengiamės užtikrinti tikslumą, prašome atkreipti dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba turėtų būti laikomas autoritetingu šaltiniu. Svarbiai informacijai rekomenduojamas profesionalus žmogaus vertimas. Mes neatsakome už bet kokius nesusipratimus ar neteisingus aiškinimus, kylančius dėl šio vertimo naudojimo.