ML-For-Beginners/translations/ms

🌐 Sokongan Pelbagai Bahasa

Disokong melalui GitHub Action (Automatik & Sentiasa Dikemas Kini)

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

Sertai Komuniti Kami

Kami mempunyai siri belajar dengan AI di Discord yang sedang berlangsung, ketahui lebih lanjut dan sertai kami di Learn with AI Series dari 18 - 30 September, 2025. Anda akan mendapat petua dan trik menggunakan GitHub Copilot untuk Sains Data.

Pembelajaran Mesin untuk Pemula - Kurikulum

🌍 Jelajah seluruh dunia sambil meneroka Pembelajaran Mesin melalui budaya dunia 🌍

Cloud Advocates di Microsoft dengan sukacitanya menawarkan kurikulum 12 minggu, 26 pelajaran yang membincangkan tentang Pembelajaran Mesin. Dalam kurikulum ini, anda akan belajar tentang apa yang kadang-kadang dipanggil pembelajaran mesin klasik, menggunakan terutamanya Scikit-learn sebagai perpustakaan dan mengelakkan pembelajaran mendalam, yang dibincangkan dalam kurikulum AI untuk Pemula kami. Padankan pelajaran ini dengan kurikulum 'Sains Data untuk Pemula' kami juga!

Jelajah bersama kami ke seluruh dunia sambil menerapkan teknik klasik ini pada data dari pelbagai kawasan dunia. Setiap pelajaran termasuk kuiz sebelum dan selepas pelajaran, arahan bertulis untuk melengkapkan pelajaran, penyelesaian, tugasan, dan banyak lagi. Pedagogi berasaskan projek kami membolehkan anda belajar sambil membina, satu cara yang terbukti untuk kemahiran baru 'melekat'.

✍️ Terima kasih yang tidak terhingga kepada penulis kami Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu dan Amy Boyd

🎨 Terima kasih juga kepada pelukis ilustrasi kami Tomomi Imura, Dasani Madipalli, dan Jen Looper

🙏 Terima kasih istimewa 🙏 kepada penulis, penyemak, dan penyumbang kandungan Microsoft Student Ambassador kami, terutamanya Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, dan Snigdha Agarwal

🤩 Penghargaan tambahan kepada Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, dan Vidushi Gupta untuk pelajaran R kami!

Memulakan

Ikuti langkah-langkah ini:

1. Fork Repositori: Klik butang "Fork" di sudut kanan atas halaman ini.
2. Clone Repositori: git clone https://github.com/microsoft/ML-For-Beginners.git

cari semua sumber tambahan untuk kursus ini dalam koleksi Microsoft Learn kami

🔧 Perlukan bantuan? Semak Panduan Penyelesaian Masalah kami untuk penyelesaian isu biasa berkaitan pemasangan, persediaan, dan menjalankan pelajaran.

Pelajar, untuk menggunakan kurikulum ini, fork keseluruhan repo ke akaun GitHub anda sendiri dan lengkapkan latihan secara sendiri atau bersama kumpulan:

• Mulakan dengan kuiz pra-ceramah.
• Baca ceramah dan lengkapkan aktiviti, berhenti dan renungkan pada setiap pemeriksaan pengetahuan.
• Cuba cipta projek dengan memahami pelajaran dan bukannya hanya menjalankan kod penyelesaian; namun kod tersebut tersedia dalam folder /solution dalam setiap pelajaran berorientasikan projek.
• Ambil kuiz pasca-ceramah.
• Lengkapkan cabaran.
• Lengkapkan tugasan.
• Selepas melengkapkan kumpulan pelajaran, lawati Papan Perbincangan dan "belajar secara terbuka" dengan mengisi rubrik PAT yang sesuai. 'PAT' adalah Alat Penilaian Kemajuan yang merupakan rubrik yang anda isi untuk memperdalam pembelajaran anda. Anda juga boleh memberi reaksi kepada PAT lain supaya kita boleh belajar bersama.

Untuk kajian lanjut, kami mengesyorkan mengikuti modul dan laluan pembelajaran Microsoft Learn ini.

Guru, kami telah menyediakan beberapa cadangan tentang cara menggunakan kurikulum ini.

---

Video panduan

Beberapa pelajaran tersedia dalam bentuk video pendek. Anda boleh menemui semua ini secara dalam talian dalam pelajaran, atau di senarai main ML for Beginners di saluran YouTube Microsoft Developer dengan mengklik imej di bawah.

---

Kenali Pasukan

Gif oleh Mohit Jaisal

🎥 Klik imej di atas untuk video tentang projek dan orang yang menciptakannya!

---

Pedagogi

Kami memilih dua prinsip pedagogi semasa membina kurikulum ini: memastikan ia berasaskan projek praktikal dan termasuk kuiz kerap. Selain itu, kurikulum ini mempunyai tema yang sama untuk memberikan kesatuan.

Dengan memastikan kandungan selaras dengan projek, proses pembelajaran menjadi lebih menarik untuk pelajar dan pengekalan konsep akan dipertingkatkan. Selain itu, kuiz berisiko rendah sebelum kelas menetapkan niat pelajar untuk mempelajari topik, manakala kuiz kedua selepas kelas memastikan pengekalan lebih lanjut. Kurikulum ini direka untuk fleksibel dan menyeronokkan dan boleh diambil secara keseluruhan atau sebahagian. Projek bermula kecil dan menjadi semakin kompleks menjelang akhir kitaran 12 minggu. Kurikulum ini juga termasuk posskrip mengenai aplikasi dunia sebenar ML, yang boleh digunakan sebagai kredit tambahan atau sebagai asas perbincangan.

Dapatkan Kod Etika, Menyumbang, Terjemahan, dan garis panduan Penyelesaian Masalah kami. Kami mengalu-alukan maklum balas membina anda!

Setiap pelajaran termasuk

• sketchnote pilihan
• video tambahan pilihan
• video panduan (beberapa pelajaran sahaja)
• kuiz pemanasan pra-ceramah
• pelajaran bertulis
• untuk pelajaran berasaskan projek, panduan langkah demi langkah cara membina projek
• pemeriksaan pengetahuan
• cabaran
• bacaan tambahan
• tugasan
• kuiz pasca-ceramah

Nota tentang bahasa: Pelajaran ini terutamanya ditulis dalam Python, tetapi banyak juga tersedia dalam R. Untuk melengkapkan pelajaran R, pergi ke folder /solution dan cari pelajaran R. Ia termasuk sambungan .rmd yang mewakili fail R Markdown yang boleh didefinisikan sebagai penggabungan potongan kod (R atau bahasa lain) dan header YAML (yang mengarahkan cara memformat output seperti PDF) dalam dokumen Markdown. Oleh itu, ia berfungsi sebagai rangka kerja penulisan contoh untuk sains data kerana ia membolehkan anda menggabungkan kod anda, outputnya, dan pemikiran anda dengan membenarkan anda menulisnya dalam Markdown. Selain itu, dokumen R Markdown boleh dihasilkan ke format output seperti PDF, HTML, atau Word.

Nota tentang kuiz: Semua kuiz terkandung dalam folder Aplikasi Kuiz, dengan jumlah 52 kuiz yang masing-masing mempunyai tiga soalan. Ia dipautkan dari dalam pelajaran tetapi aplikasi kuiz boleh dijalankan secara tempatan; ikut arahan dalam folder quiz-app untuk hos tempatan atau deploy ke Azure.

Nombor Pelajaran	Topik	Pengelompokan Pelajaran	Objektif Pembelajaran	Pelajaran Berkaitan	Penulis
01	Pengenalan kepada pembelajaran mesin	Introduction	Pelajari konsep asas di sebalik pembelajaran mesin	Lesson	Muhammad
02	Sejarah pembelajaran mesin	Introduction	Pelajari sejarah yang mendasari bidang ini	Lesson	Jen and Amy
03	Keadilan dan pembelajaran mesin	Introduction	Apakah isu falsafah penting mengenai keadilan yang harus dipertimbangkan oleh pelajar ketika membina dan menggunakan model ML?	Lesson	Tomomi
04	Teknik untuk pembelajaran mesin	Introduction	Apakah teknik yang digunakan oleh penyelidik ML untuk membina model ML?	Lesson	Chris and Jen
05	Pengenalan kepada regresi	Regression	Mulakan dengan Python dan Scikit-learn untuk model regresi	Python • R	Jen • Eric Wanjau
06	Harga labu Amerika Utara 🎃	Regression	Visualisasikan dan bersihkan data sebagai persediaan untuk ML	Python • R	Jen • Eric Wanjau
07	Harga labu Amerika Utara 🎃	Regression	Bina model regresi linear dan polinomial	Python • R	Jen and Dmitry • Eric Wanjau
08	Harga labu Amerika Utara 🎃	Regression	Bina model regresi logistik	Python • R	Jen • Eric Wanjau
09	Aplikasi Web 🔌	Web App	Bina aplikasi web untuk menggunakan model yang telah dilatih	Python	Jen
10	Pengenalan kepada klasifikasi	Classification	Bersihkan, sediakan, dan visualisasikan data anda; pengenalan kepada klasifikasi	Python • R	Jen and Cassie • Eric Wanjau
11	Masakan Asia dan India yang lazat 🍜	Classification	Pengenalan kepada pengklasifikasi	Python • R	Jen and Cassie • Eric Wanjau
12	Masakan Asia dan India yang lazat 🍜	Classification	Lebih banyak pengklasifikasi	Python • R	Jen and Cassie • Eric Wanjau
13	Masakan Asia dan India yang lazat 🍜	Classification	Bina aplikasi web pencadangan menggunakan model anda	Python	Jen
14	Pengenalan kepada pengelompokan	Clustering	Bersihkan, sediakan, dan visualisasikan data anda; Pengenalan kepada pengelompokan	Python • R	Jen • Eric Wanjau
15	Meneroka citarasa muzik Nigeria 🎧	Clustering	Terokai kaedah pengelompokan K-Means	Python • R	Jen • Eric Wanjau
16	Pengenalan kepada pemprosesan bahasa semula jadi ☕️	Natural language processing	Pelajari asas-asas NLP dengan membina bot mudah	Python	Stephen
17	Tugas NLP biasa ☕️	Natural language processing	Mendalami pengetahuan NLP anda dengan memahami tugas biasa yang diperlukan apabila berurusan dengan struktur bahasa	Python	Stephen
18	Terjemahan dan analisis sentimen ♥️	Natural language processing	Terjemahan dan analisis sentimen dengan Jane Austen	Python	Stephen
19	Hotel romantik di Eropah ♥️	Natural language processing	Analisis sentimen dengan ulasan hotel 1	Python	Stephen
20	Hotel romantik di Eropah ♥️	Natural language processing	Analisis sentimen dengan ulasan hotel 2	Python	Stephen
21	Pengenalan kepada ramalan siri masa	Time series	Pengenalan kepada ramalan siri masa	Python	Francesca
22	⚡️ Penggunaan Kuasa Dunia ⚡️ - ramalan siri masa dengan ARIMA	Time series	Ramalan siri masa dengan ARIMA	Python	Francesca
23	⚡️ Penggunaan Kuasa Dunia ⚡️ - ramalan siri masa dengan SVR	Time series	Ramalan siri masa dengan Support Vector Regressor	Python	Anirban
24	Pengenalan kepada pembelajaran penguatan	Reinforcement learning	Pengenalan kepada pembelajaran penguatan dengan Q-Learning	Python	Dmitry
25	Bantu Peter elak serigala! 🐺	Reinforcement learning	Pembelajaran penguatan Gym	Python	Dmitry
Postscript	Senario dan aplikasi ML dunia sebenar	ML in the Wild	Aplikasi dunia sebenar yang menarik dan mendedahkan ML klasik	Lesson	Team
Postscript	Penyahpepijatan Model dalam ML menggunakan papan pemuka RAI	ML in the Wild	Penyahpepijatan Model dalam Pembelajaran Mesin menggunakan komponen papan pemuka Responsible AI	Lesson	Ruth Yakubu

cari semua sumber tambahan untuk kursus ini dalam koleksi Microsoft Learn kami

Akses luar talian

Anda boleh menjalankan dokumentasi ini secara luar talian dengan menggunakan Docsify. Fork repo ini, pasang Docsify pada mesin tempatan anda, dan kemudian di folder root repo ini, taip docsify serve. Laman web akan dihidangkan pada port 3000 di localhost anda: localhost:3000.

PDF

Cari pdf kurikulum dengan pautan di sini.

🎒 Kursus Lain

Pasukan kami menghasilkan kursus lain! Lihat:

LangChain

---

Azure / Edge / MCP / Agen

---

Siri AI Generatif

---

Pembelajaran Teras

---

Siri Copilot

Mendapatkan Bantuan

Jika anda tersekat atau mempunyai sebarang soalan tentang membina aplikasi AI. Sertai pelajar lain dan pembangun berpengalaman dalam perbincangan mengenai MCP. Ia adalah komuniti yang menyokong di mana soalan dialu-alukan dan pengetahuan dikongsi dengan bebas.

Jika anda mempunyai maklum balas produk atau ralat semasa membina, lawati:

---

Penafian:
Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI Co-op Translator. Walaupun kami berusaha untuk ketepatan, sila ambil maklum bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang sahih. Untuk maklumat penting, terjemahan profesional oleh manusia adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.