ML-For-Beginners/translations/sk

🌐 Podpora viacerých jazykov

Podporované cez GitHub Action (automatizované a vždy aktuálne)

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

Pridajte sa k našej komunite

Máme prebiehajúcu sériu Learn with AI na Discorde, dozviete sa viac a pripojte sa k nám na Learn with AI Series od 18. do 30. septembra 2025. Dostanete tipy a triky na používanie GitHub Copilot pre Data Science.

Strojové učenie pre začiatočníkov - učebný plán

🌍 Cestujte po svete, zatiaľ čo skúmame strojové učenie prostredníctvom svetových kultúr 🌍

Cloud Advocates v Microsoft s potešením ponúkajú 12-týždňový, 26-lekčný učebný plán zameraný na strojové učenie. V tomto učebnom pláne sa naučíte o tom, čo sa niekedy nazýva klasické strojové učenie, pričom primárne používame knižnicu Scikit-learn a vyhýbame sa hlbokému učeniu, ktoré je pokryté v našom učebnom pláne AI pre začiatočníkov. Tieto lekcie môžete kombinovať aj s naším 'Data Science pre začiatočníkov' učebným plánom.

Cestujte s nami po svete, keď aplikujeme tieto klasické techniky na dáta z rôznych oblastí sveta. Každá lekcia obsahuje pred a po lekcii kvízy, písomné inštrukcie na dokončenie lekcie, riešenie, zadanie a ďalšie. Naša projektovo orientovaná pedagogika vám umožní učiť sa počas tvorby, čo je overený spôsob, ako si nové zručnosti udržať.

✍️ Srdečné poďakovanie našim autorom Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu a Amy Boyd

🎨 Poďakovanie aj našim ilustrátorom Tomomi Imura, Dasani Madipalli a Jen Looper

🙏 Špeciálne poďakovanie 🙏 našim Microsoft Student Ambassador autorom, recenzentom a prispievateľom obsahu, najmä Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila a Snigdha Agarwal

🤩 Extra vďaka Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi a Vidushi Gupta za naše lekcie v R!

Začíname

Postupujte podľa týchto krokov:

1. Vytvorte fork repozitára: Kliknite na tlačidlo "Fork" v pravom hornom rohu tejto stránky.
2. Naklonujte repozitár: git clone https://github.com/microsoft/ML-For-Beginners.git

nájdite všetky ďalšie zdroje pre tento kurz v našej kolekcii Microsoft Learn

🔧 Potrebujete pomoc? Pozrite si náš Sprievodca riešením problémov pre riešenia bežných problémov s inštaláciou, nastavením a spúšťaním lekcií.

Študenti, na používanie tohto učebného plánu si vytvorte fork celého repozitára do svojho GitHub účtu a cvičenia dokončujte sami alebo v skupine:

• Začnite prednáškovým kvízom.
• Prečítajte si prednášku a dokončite aktivity, zastavujte sa a zamýšľajte sa pri každej kontrole vedomostí.
• Pokúste sa vytvoriť projekty pochopením lekcií namiesto spúšťania riešenia; kód riešenia je však dostupný v priečinkoch /solution v každej lekcii orientovanej na projekt.
• Urobte po prednáške kvíz.
• Dokončite výzvu.
• Dokončite zadanie.
• Po dokončení skupiny lekcií navštívte Diskusné fórum a "učte sa nahlas" vyplnením príslušného hodnotiaceho formulára PAT. 'PAT' je nástroj na hodnotenie pokroku, ktorý vyplníte, aby ste si prehĺbili učenie. Môžete tiež reagovať na iné PAT, aby sme sa mohli učiť spoločne.

Pre ďalšie štúdium odporúčame sledovať tieto Microsoft Learn moduly a učebné cesty.

Učitelia, pripravili sme niekoľko návrhov na použitie tohto učebného plánu.

---

Video prechádzky

Niektoré lekcie sú dostupné ako krátke videá. Nájdete ich priamo v lekciách alebo na ML for Beginners playlist na Microsoft Developer YouTube kanáli kliknutím na obrázok nižšie.

---

Spoznajte tím

Gif od Mohit Jaisal

🎥 Kliknite na obrázok vyššie pre video o projekte a ľuďoch, ktorí ho vytvorili!

---

Pedagogika

Pri tvorbe tohto učebného plánu sme zvolili dva pedagogické princípy: zabezpečiť, aby bol praktický a projektovo orientovaný a aby obsahoval časté kvízy. Okrem toho má tento učebný plán spoločnú tému, ktorá mu dodáva súdržnosť.

Zabezpečením, že obsah je zosúladený s projektmi, sa proces pre študentov stáva zaujímavejším a zlepšuje sa zapamätanie si konceptov. Nízko-stávkový kvíz pred hodinou nastavuje zámer študenta učiť sa tému, zatiaľ čo druhý kvíz po hodine zabezpečuje ďalšie zapamätanie. Tento učebný plán bol navrhnutý tak, aby bol flexibilný a zábavný a môže sa absolvovať celý alebo čiastočne. Projekty začínajú malé a postupne sa stávajú zložitejšími do konca 12-týždňového cyklu. Tento učebný plán tiež obsahuje dodatok o reálnych aplikáciách ML, ktorý môže byť použitý ako extra kredit alebo ako základ pre diskusiu.

Nájdite naše Pravidlá správania, Príspevky, Preklady a Riešenie problémov. Radi prijímame vaše konštruktívne pripomienky!

Každá lekcia obsahuje

• voliteľnú skicu poznámok
• voliteľné doplnkové video
• video prechádzku (len niektoré lekcie)
• prednáškový rozcvičovací kvíz
• písomnú lekciu
• pre projektovo orientované lekcie, krok za krokom návody na vytvorenie projektu
• kontroly vedomostí
• výzvu
• doplnkové čítanie
• zadanie
• po prednáškový kvíz

Poznámka o jazykoch: Tieto lekcie sú primárne napísané v Pythone, ale mnohé sú dostupné aj v R. Ak chcete dokončiť lekciu v R, choďte do priečinka /solution a hľadajte lekcie v R. Obsahujú príponu .rmd, ktorá predstavuje R Markdown súbor, ktorý možno jednoducho definovať ako vloženie kódových blokov (v R alebo iných jazykoch) a YAML hlavičky (ktorá riadi formátovanie výstupov ako PDF) v Markdown dokumente. Slúži teda ako vzorový autorský rámec pre dátovú vedu, pretože umožňuje kombinovať kód, jeho výstup a vaše myšlienky tým, že ich môžete zapísať v Markdown. Navyše, R Markdown dokumenty môžu byť prevedené do výstupných formátov ako PDF, HTML alebo Word.

Poznámka o kvízoch: Všetky kvízy sú obsiahnuté v priečinku Quiz App, celkovo 52 kvízov so 3 otázkami každý. Sú prepojené z lekcií, ale aplikáciu kvízov je možné spustiť lokálne; postupujte podľa inštrukcií v priečinku quiz-app pre lokálne hosťovanie alebo nasadenie do Azure.

Číslo lekcie	Téma	Skupina lekcií	Ciele učenia	Prepojená lekcia	Autor
01	Úvod do strojového učenia	Introduction	Naučte sa základné koncepty strojového učenia	Lesson	Muhammad
02	História strojového učenia	Introduction	Spoznajte históriu tohto odboru	Lesson	Jen and Amy
03	Spravodlivosť a strojové učenie	Introduction	Aké sú dôležité filozofické otázky spravodlivosti, ktoré by študenti mali zvážiť pri tvorbe a aplikácii ML modelov?	Lesson	Tomomi
04	Techniky strojového učenia	Introduction	Aké techniky používajú výskumníci ML na tvorbu ML modelov?	Lesson	Chris and Jen
05	Úvod do regresie	Regression	Začnite s Pythonom a Scikit-learn pre regresné modely	Python • R	Jen • Eric Wanjau
06	Ceny tekvíc v Severnej Amerike 🎃	Regression	Vizualizujte a vyčistite dáta na prípravu pre ML	Python • R	Jen • Eric Wanjau
07	Ceny tekvíc v Severnej Amerike 🎃	Regression	Vytvorte lineárne a polynomiálne regresné modely	Python • R	Jen and Dmitry • Eric Wanjau
08	Ceny tekvíc v Severnej Amerike 🎃	Regression	Vytvorte logistický regresný model	Python • R	Jen • Eric Wanjau
09	Webová aplikácia 🔌	Web App	Vytvorte webovú aplikáciu na použitie vášho natrénovaného modelu	Python	Jen
10	Úvod do klasifikácie	Classification	Vyčistite, pripravte a vizualizujte svoje dáta; úvod do klasifikácie	Python • R	Jen and Cassie • Eric Wanjau
11	Lahodné ázijské a indické kuchyne 🍜	Classification	Úvod do klasifikátorov	Python • R	Jen and Cassie • Eric Wanjau
12	Lahodné ázijské a indické kuchyne 🍜	Classification	Viac klasifikátorov	Python • R	Jen and Cassie • Eric Wanjau
13	Lahodné ázijské a indické kuchyne 🍜	Classification	Vytvorte odporúčaciu webovú aplikáciu pomocou vášho modelu	Python	Jen
14	Úvod do zhlukovania	Clustering	Vyčistite, pripravte a vizualizujte svoje dáta; úvod do zhlukovania	Python • R	Jen • Eric Wanjau
15	Preskúmanie nigerijských hudobných chutí 🎧	Clustering	Preskúmajte metódu K-Means zhlukovania	Python • R	Jen • Eric Wanjau
16	Úvod do spracovania prirodzeného jazyka ☕️	Natural language processing	Naučte sa základy NLP vytvorením jednoduchého bota	Python	Stephen
17	Bežné úlohy NLP ☕️	Natural language processing	Prehĺbte svoje znalosti NLP pochopením bežných úloh potrebných pri práci s jazykovými štruktúrami	Python	Stephen
18	Preklad a analýza sentimentu ♥️	Natural language processing	Preklad a analýza sentimentu s Jane Austen	Python	Stephen
19	Romantické hotely v Európe ♥️	Natural language processing	Analýza sentimentu s recenziami hotelov 1	Python	Stephen
20	Romantické hotely v Európe ♥️	Natural language processing	Analýza sentimentu s recenziami hotelov 2	Python	Stephen
21	Úvod do predikcie časových radov	Time series	Úvod do predikcie časových radov	Python	Francesca
22	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov s ARIMA	Time series	Predikcia časových radov pomocou ARIMA	Python	Francesca
23	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov s SVR	Time series	Predikcia časových radov pomocou Support Vector Regressor	Python	Anirban
24	Úvod do posilňovacieho učenia	Reinforcement learning	Úvod do posilňovacieho učenia pomocou Q-Learning	Python	Dmitry
25	Pomôžte Petrovi vyhnúť sa vlkovi! 🐺	Reinforcement learning	Posilňovacie učenie Gym	Python	Dmitry
Postscript	Scenáre a aplikácie ML v reálnom svete	ML in the Wild	Zaujímavé a odhaľujúce aplikácie klasického ML v reálnom svete	Lesson	Team
Postscript	Ladenie modelov v ML pomocou RAI dashboardu	ML in the Wild	Ladenie modelov v strojovom učení pomocou komponentov Responsible AI dashboardu	Lesson	Ruth Yakubu

nájdite všetky ďalšie zdroje pre tento kurz v našej kolekcii Microsoft Learn

Offline prístup

Túto dokumentáciu môžete spustiť offline pomocou Docsify. Vytvorte fork tohto repozitára, nainštalujte Docsify na svoj lokálny počítač a potom v koreňovom priečinku tohto repozitára zadajte príkaz docsify serve. Webová stránka bude dostupná na porte 3000 na vašom localhoste: localhost:3000.

PDF

Nájdite pdf osnovy s odkazmi tu.

🎒 Iné kurzy

Náš tím produkuje aj iné kurzy! Pozrite si:

LangChain

---

Azure / Edge / MCP / Agenti

---

Séria Generatívnej AI

---

Základné učenie

---

Séria Copilot

Získanie pomoci

Ak sa zaseknete alebo máte otázky ohľadom tvorby AI aplikácií, pripojte sa k ostatným študentom a skúseným vývojárom v diskusiách o MCP. Je to podporná komunita, kde sú otázky vítané a vedomosti sa slobodne zdieľajú.

Ak máte spätnú väzbu k produktu alebo chyby počas vývoja, navštívte:

---

Zrieknutie sa zodpovednosti: Tento dokument bol preložený pomocou AI prekladateľskej služby Co-op Translator. Aj keď sa snažíme o presnosť, majte prosím na pamäti, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Originálny dokument v jeho pôvodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nie sme zodpovední za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.