ML-For-Beginners/translations/sr

🌐 Подршка за више језика

Подржано преко GitHub акције (аутоматизовано и увек ажурирано)

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

Придружите се нашој заједници

Имамо текућу серију учења на Discord-у са вештачком интелигенцијом, сазнајте више и придружите нам се на Learn with AI Series од 18. до 30. септембра 2025. године. Добићете савете и трикове за коришћење GitHub Copilot-а за Data Science.

Машинско учење за почетнике - Наставни план

🌍 Путујте око света док истражујемо Машинско учење кроз културе света 🌍

Cloud Advocates у Microsoft-у са задовољством нуде 12-недељни, 26-лекцијски наставни план који се бави Машинским учењем. У овом наставном плану научићете о ономе што се понекад назива класично машинско учење, користећи углавном библиотеку Scikit-learn и избегавајући дубоко учење, које је обухваћено у нашем AI for Beginners' наставном плану. Такође упарите ове лекције са нашим 'Data Science for Beginners' наставним планом.

Путујте са нама око света док примењујемо ове класичне технике на податке из многих делова света. Свака лекција укључује квизове пре и после лекције, писане инструкције за завршетак лекције, решење, задатак и још много тога. Наша педагогија заснована на пројектима омогућава вам да учите док градите, што је доказани начин да нове вештине остану у памћењу.

✍️ Велика захвалност нашим ауторима Јен Лупер, Стивен Хауел, Франческа Лаззери, Томоми Имура, Кеси Бревиу, Дмитриј Сошников, Крис Норинг, Анирбан Мукерџи, Орнела Алтуњан, Рут Јакубу и Ејми Бојд

🎨 Захвалност илустраторима Томоми Имура, Дасани Мадипали и Јен Лупер

🙏 Посебна захвалност 🙏 нашим Microsoft Student Ambassador ауторима, рецензентима и сарадницима садржаја, нарочито Ришиту Даглију, Мухамаду Сакибу Кхану Инану, Рохану Рају, Александру Петреску, Абхишеку Џаисвалу, Наврин Табасум, Јоану Самуила и Снигдхи Агарвал

🤩 Посебна захвалност Microsoft Student Ambassadors Ерику Вањау, Јаслину Сонди и Видуши Гупти за наше R лекције!

Почетак рада

Пратите ове кораке:

1. Форкујте репозиторијум: Кликните на дугме "Fork" у горњем десном углу ове странице.
2. Клонирајте репозиторијум: git clone https://github.com/microsoft/ML-For-Beginners.git

пронађите све додатне ресурсе за овај курс у нашој Microsoft Learn колекцији

🔧 Треба вам помоћ? Погледајте наш Водич за решавање проблема за решења уобичајених проблема са инсталацијом, подешавањем и покретањем лекција.

Студенти, да бисте користили овај наставни план, форкујте цео репозиторијум на свој GitHub налог и радите вежбе сами или у групи:

• Почните са квизом пре предавања.
• Прочитајте предавање и завршите активности, правећи паузе и размишљајући на сваком провери знања.
• Покушајте да направите пројекте разумевањем лекција уместо покретања кода решења; међутим, тај код је доступан у фолдерима /solution у свакој лекцији оријентисаној на пројекат.
• Урадите квиз после предавања.
• Завршите изазов.
• Завршите задатак.
• Након завршетка групе лекција, посетите Discussion Board и "учите наглас" попуњавајући одговарајућу PAT рубрику. 'PAT' је алат за процену напретка који попуњавате да бисте унапредили своје учење. Такође можете реаговати на друге PAT-ове да бисмо учили заједно.

За даље учење препоручујемо праћење ових Microsoft Learn модула и учењских путања.

Наставници, укључили смо неке предлоге о томе како користити овај наставни план.

---

Видео водичи

Неке лекције су доступне као кратки видео записи. Све их можете пронаћи унутар лекција или на ML for Beginners плејлисти на Microsoft Developer YouTube каналу кликом на слику испод.

---

Упознајте тим

Гиф од Mohit Jaisal

🎥 Кликните на слику изнад за видео о пројекту и људима који су га креирали!

---

Педагогија

Изабрали смо два педагошка начела приликом израде овог наставног плана: обезбеђивање да буде практичан и заснован на пројектима и да укључује честе квизове. Поред тога, овај наставни план има заједничку тему која му даје кохезију.

Обезбеђивањем да садржај буде усклађен са пројектима, процес је занимљивији за студенте и повећава задржавање концепата. Поред тога, квиз са малим улогом пре часа поставља намеру студента ка учењу теме, док други квиз после часа осигурава даље задржавање. Овај наставни план је дизајниран да буде флексибилан и забаван и може се радити у целини или делимично. Пројекти почињу мали и постају све сложенији до краја 12-недељног циклуса. Овај наставни план такође укључује постскриптум о стварним применама ML-а, који се може користити као додатни бод или као основа за дискусију.

Пронађите наше смернице Code of Conduct, Contributing, Translation и Troubleshooting. Добродошли су ваши конструктивни коментари!

Свака лекција укључује

• опционалну скицноту
• опционални додатни видео
• видео водич (само неке лекције)
• квиз за загревање пре предавања
• писану лекцију
• за лекције засноване на пројектима, корак-по-корак упутства како направити пројекат
• провере знања
• изазов
• додатно читање
• задатак
• квиз после предавања

Напомена о језицима: Ове лекције су углавном написане у Python-у, али многе су доступне и у R-у. Да бисте завршили R лекцију, идите у фолдер /solution и потражите R лекције. Оне имају .rmd екстензију која представља R Markdown фајл који се може једноставно дефинисати као уграђивање кодних делова (R или других језика) и YAML заглавља (које води како форматирати излаз као што је PDF) у Markdown документ. Као такав, служи као примерни оквир за ауторство у науци о подацима јер вам омогућава да комбинујете свој код, његов излаз и своје мисли тако што их пишете у Markdown-у. Штавише, R Markdown документи се могу рендеровати у излазне формате као што су PDF, HTML или Word.

Напомена о квизовима: Сви квизови се налазе у Quiz App фолдеру, укупно 52 квиза са по три питања. Они су повезани изнутра лекција, али апликација за квизове може се покренути локално; пратите упутства у фолдеру quiz-app за локално хостовање или деплој на Azure.

Број лекције	Тема	Груписање лекција	Циљеви учења	Повезана лекција	Аутор
01	Увод у машинско учење	Introduction	Научите основне концепте машинског учења	Lesson	Мухаммад
02	Историја машинског учења	Introduction	Научите историју која стоји иза ове области	Lesson	Џен и Ејми
03	Праведност и машинско учење	Introduction	Која су важна филозофска питања о праведности која студенти треба да размотре при изградњи и примени ML модела?	Lesson	Томоми
04	Технике машинског учења	Introduction	Које технике истраживачи машинског учења користе за изградњу ML модела?	Lesson	Крис и Џен
05	Увод у регресију	Regression	Почните са Питоном и Scikit-learn за регресионе моделе	Python • R	Џен • Ерик Вањау
06	Цене бундеве у Северној Америци 🎃	Regression	Визуализујте и очистите податке у припреми за ML	Python • R	Џен • Ерик Вањау
07	Цене бундеве у Северној Америци 🎃	Regression	Изградите линеарне и полиномијалне регресионе моделе	Python • R	Џен и Дмитри • Ерик Вањау
08	Цене бундеве у Северној Америци 🎃	Regression	Изградите логистички регресионни модел	Python • R	Џен • Ерик Вањау
09	Веб апликација 🔌	Web App	Изградите веб апликацију за коришћење вашег обученог модела	Python	Џен
10	Увод у класификацију	Classification	Очистите, припремите и визуализујте своје податке; увод у класификацију	Python • R	Џен и Кеси • Ерик Вањау
11	Укусне азијске и индијске кухиње 🍜	Classification	Увод у класификаторе	Python • R	Џен и Кеси • Ерик Вањау
12	Укусне азијске и индијске кухиње 🍜	Classification	Више класификатора	Python • R	Џен и Кеси • Ерик Вањау
13	Укусне азијске и индијске кухиње 🍜	Classification	Изградите препоручивачку веб апликацију користећи свој модел	Python	Џен
14	Увод у кластеровање	Clustering	Очистите, припремите и визуализујте своје податке; увод у кластеровање	Python • R	Џен • Ерик Вањау
15	Истраживање музичких укуса у Нигерији 🎧	Clustering	Истражите K-Means методу кластеровања	Python • R	Џен • Ерик Вањау
16	Увод у обраду природног језика ☕️	Natural language processing	Научите основе NLP правећи једноставног бота	Python	Стивен
17	Уобичајени задаци у NLP ☕️	Natural language processing	Продубите своје знање о NLP разумевањем уобичајених задатака потребних за рад са језичким структурама	Python	Стивен
18	Превод и анализа сентимента ♥️	Natural language processing	Превод и анализа сентимента са Џејн Остин	Python	Стивен
19	Романтични хотели Европе ♥️	Natural language processing	Анализа сентимента са рецензијама хотела 1	Python	Стивен
20	Романтични хотели Европе ♥️	Natural language processing	Анализа сентимента са рецензијама хотела 2	Python	Стивен
21	Увод у прогнозирање временских серија	Time series	Увод у прогнозирање временских серија	Python	Франческа
22	⚡️ Потрошња електричне енергије у свету ⚡️ - прогнозирање временских серија са ARIMA	Time series	Прогнозирање временских серија са ARIMA	Python	Франческа
23	⚡️ Потрошња електричне енергије у свету ⚡️ - прогнозирање временских серија са SVR	Time series	Прогнозирање временских серија са Support Vector Regressor	Python	Анирбан
24	Увод у учење појачањем	Reinforcement learning	Увод у учење појачањем са Q-Learning	Python	Дмитри
25	Помозите Питеру да избегне вука! 🐺	Reinforcement learning	Учење појачањем у Gym	Python	Дмитри
Postscript	Сценарији и примене ML у стварном свету	ML in the Wild	Интересне и откривајуће примене класичног ML у стварном свету	Lesson	Тим
Postscript	Дебаговање модела у ML користећи RAI контролну таблу	ML in the Wild	Дебаговање модела у машинском учењу користећи компоненте контролне табле Responsible AI	Lesson	Рут Јакубу

пронађите све додатне ресурсе за овај курс у нашој Microsoft Learn колекцији

Оффлине приступ

Можете покренути ову документацију оффлине користећи Docsify. Форкујте овај репозиторијум, инсталирајте Docsify на свом локалном рачунару, а затим у коренском фолдеру овог репозиторијума укуцајте docsify serve. Вебсајт ће бити доступан на порту 3000 на вашем локалном хосту: localhost:3000.

PDF-ови

Пронађите PDF наставног плана са линковима овде.

🎒 Остали курсеви

Наш тим производи и друге курсеве! Погледајте:

LangChain

---

Azure / Edge / MCP / Agents

---

Серия генеративне вештачке интелигенције

---

Основно учење

---

Сериија Копилот

Добијање помоћи

Ако запнете или имате било каквих питања о изради AI апликација. Придружите се другим ученицима и искусним програмерима у дискусијама о MCP-у. То је подржавајућа заједница где су питања добродошла и знање се слободно дели.

Ако имате повратне информације о производу или грешке током израде посетите:

---

Одрицање од одговорности: Овај документ је преведен коришћењем AI услуге за превођење Co-op Translator. Иако се трудимо да превод буде тачан, имајте у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати ауторитетним извором. За критичне информације препоручује се професионални људски превод. Нисмо одговорни за било каква неспоразума или погрешна тумачења која произилазе из коришћења овог превода.