ML-For-Beginners/translations/uk

🌐 Підтримка багатомовності

Підтримується через GitHub Action (автоматично та завжди актуально)

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

Приєднуйтесь до нашої спільноти

У нас триває серія навчання з AI у Discord. Дізнайтеся більше та приєднуйтесь до нас на Learn with AI Series з 18 по 30 вересня 2025 року. Ви отримаєте поради та хитрощі щодо використання GitHub Copilot для Data Science.

Машинне навчання для початківців - навчальна програма

🌍 Подорожуйте світом, досліджуючи машинне навчання через культури світу 🌍

Cloud Advocates у Microsoft раді запропонувати 12-тижневу навчальну програму з 26 уроків, присвячену машинному навчанню. У цій програмі ви дізнаєтеся про те, що іноді називають класичним машинним навчанням, використовуючи переважно бібліотеку Scikit-learn і уникаючи глибокого навчання, яке охоплюється в нашій навчальній програмі "AI для початківців". Поєднуйте ці уроки з нашою навчальною програмою "Data Science для початківців", також!

Подорожуйте з нами світом, застосовуючи ці класичні техніки до даних з різних куточків світу. Кожен урок включає тести до і після уроку, письмові інструкції для виконання уроку, рішення, завдання та багато іншого. Наш підхід, заснований на проектах, дозволяє вам навчатися, створюючи, що є перевіреним способом закріплення нових навичок.

✍️ Щирі подяки нашим авторам Джен Лупер, Стівену Хауеллу, Франчесці Лаццері, Томомі Імурі, Кассі Бревіу, Дмитру Сошникову, Крісу Норінгу, Анірбану Мукерджі, Орнеллі Алтунян, Рут Якобу та Емі Бойд

🎨 Дякуємо також нашим ілюстраторам Томомі Імурі, Дасані Мадіпаллі та Джен Лупер

🙏 Особлива подяка 🙏 нашим авторам, рецензентам та контриб'юторам контенту серед Microsoft Student Ambassador, зокрема Рішиту Даглі, Мухаммаду Сакібу Хану Інану, Рохану Раджу, Александру Петреску, Абхішеку Джайсвалу, Наврін Табассум, Іоану Самуїлі та Снігдхі Агарвал

🤩 Особлива вдячність Microsoft Student Ambassadors Еріку Ванджау, Джаслін Сонді та Відуші Гупті за наші уроки з R!

Початок роботи

Виконайте наступні кроки:

1. Зробіть Fork репозиторію: Натисніть кнопку "Fork" у верхньому правому куті цієї сторінки.
2. Клонування репозиторію: git clone https://github.com/microsoft/ML-For-Beginners.git

знайдіть усі додаткові ресурси для цього курсу в нашій колекції Microsoft Learn

🔧 Потрібна допомога? Перегляньте наш Посібник з усунення несправностей для вирішення поширених проблем із встановленням, налаштуванням та виконанням уроків.

Студенти, щоб використовувати цю навчальну програму, зробіть fork усього репозиторію у свій обліковий запис GitHub і виконуйте вправи самостійно або в групі:

• Почніть із тесту перед лекцією.
• Прочитайте лекцію та виконайте завдання, зупиняючись і розмірковуючи на кожному етапі перевірки знань.
• Спробуйте створити проекти, розуміючи уроки, а не просто запускаючи код рішення; однак цей код доступний у папках /solution у кожному проектно-орієнтованому уроці.
• Пройдіть тест після лекції.
• Виконайте завдання.
• Виконайте домашнє завдання.
• Після завершення групи уроків відвідайте Дошку обговорень і "навчайтеся вголос", заповнюючи відповідний рубрикатор PAT. PAT — це інструмент оцінки прогресу, який ви заповнюєте для подальшого навчання. Ви також можете реагувати на інші PAT, щоб ми могли навчатися разом.

Для подальшого навчання ми рекомендуємо пройти ці модулі та навчальні шляхи Microsoft Learn.

Викладачі, ми додали кілька пропозицій щодо використання цієї навчальної програми.

---

Відео-огляди

Деякі уроки доступні у вигляді коротких відео. Ви можете знайти їх у самих уроках або на плейлисті ML для початківців на YouTube-каналі Microsoft Developer, натиснувши на зображення нижче.

---

Знайомство з командою

Gif створено Мохітом Джайсалом

🎥 Натисніть на зображення вище, щоб переглянути відео про проект та людей, які його створили!

---

Педагогіка

Ми обрали два педагогічні принципи при створенні цієї навчальної програми: забезпечення того, щоб вона була практичною заснованою на проектах і включала часті тести. Крім того, ця навчальна програма має спільну тему, яка надає їй цілісності.

Забезпечуючи відповідність контенту проектам, процес стає більш захоплюючим для студентів, а засвоєння концепцій буде посилено. Крім того, тест перед заняттям з низькими ставками налаштовує студента на вивчення теми, а другий тест після заняття забезпечує подальше засвоєння. Ця навчальна програма була розроблена як гнучка та цікава і може бути пройдена повністю або частково. Проекти починаються з простих і стають дедалі складнішими до кінця 12-тижневого циклу. Ця навчальна програма також включає постскриптум про реальні застосування ML, який може бути використаний як додатковий кредит або як основа для обговорення.

Знайдіть наші Правила поведінки, Рекомендації щодо внесення змін, Переклад та Посібник з усунення несправностей. Ми вітаємо ваші конструктивні відгуки!

Кожен урок включає

• необов'язковий скетчноут
• необов'язкове додаткове відео
• відео-огляд (лише деякі уроки)
• тест перед лекцією
• письмовий урок
• для уроків, заснованих на проектах, покрокові інструкції щодо створення проекту
• перевірки знань
• завдання
• додаткове читання
• домашнє завдання
• тест після лекції

Примітка про мови: Ці уроки переважно написані на Python, але багато з них також доступні на R. Щоб виконати урок на R, перейдіть до папки /solution і знайдіть уроки на R. Вони включають розширення .rmd, яке представляє R Markdown файл, що може бути просто визначений як вбудовування кодових блоків (R або інших мов) і YAML-заголовка (який визначає, як форматувати вихідні дані, такі як PDF) у Markdown-документ. Таким чином, це служить зразковою авторською платформою для науки про дані, оскільки дозволяє вам комбінувати ваш код, його вихідні дані та ваші думки, дозволяючи записувати їх у Markdown. Крім того, документи R Markdown можуть бути перетворені у вихідні формати, такі як PDF, HTML або Word.

Примітка про тести: Усі тести містяться у папці Quiz App, всього 52 тести по три питання кожен. Вони пов'язані з уроками, але додаток для тестів можна запустити локально; дотримуйтесь інструкцій у папці quiz-app, щоб локально розмістити або розгорнути на Azure.

Номер уроку	Тема	Групування уроків	Навчальні цілі	Пов'язаний урок	Автор
01	Вступ до машинного навчання	Вступ	Дізнайтеся основні концепції машинного навчання	Урок	Мухаммад
02	Історія машинного навчання	Вступ	Дізнайтеся про історію, яка лежить в основі цієї галузі	Урок	Джен і Емі
03	Справедливість і машинне навчання	Вступ	Які важливі філософські питання щодо справедливості слід враховувати студентам при створенні та застосуванні моделей ML?	Урок	Томомі
04	Техніки машинного навчання	Вступ	Які техніки використовують дослідники ML для створення моделей ML?	Урок	Кріс і Джен
05	Вступ до регресії	Регресія	Почніть роботу з Python і Scikit-learn для моделей регресії	Python • R	Джен • Ерік Ванджа
06	Ціни на гарбузи в Північній Америці 🎃	Регресія	Візуалізуйте та очистіть дані для підготовки до ML	Python • R	Джен • Ерік Ванджа
07	Ціни на гарбузи в Північній Америці 🎃	Регресія	Створіть моделі лінійної та поліноміальної регресії	Python • R	Джен і Дмитро • Ерік Ванджа
08	Ціни на гарбузи в Північній Америці 🎃	Регресія	Створіть модель логістичної регресії	Python • R	Джен • Ерік Ванджа
09	Веб-додаток 🔌	Веб-додаток	Створіть веб-додаток для використання вашої навченої моделі	Python	Джен
10	Вступ до класифікації	Класифікація	Очистіть, підготуйте та візуалізуйте ваші дані; вступ до класифікації	Python • R	Джен і Кессі • Ерік Ванджа
11	Смачні азійські та індійські страви 🍜	Класифікація	Вступ до класифікаторів	Python • R	Джен і Кессі • Ерік Ванджа
12	Смачні азійські та індійські страви 🍜	Класифікація	Більше класифікаторів	Python • R	Джен і Кессі • Ерік Ванджа
13	Смачні азійські та індійські страви 🍜	Класифікація	Створіть веб-додаток рекомендацій, використовуючи вашу модель	Python	Джен
14	Вступ до кластеризації	Кластеризація	Очистіть, підготуйте та візуалізуйте ваші дані; вступ до кластеризації	Python • R	Джен • Ерік Ванджа
15	Дослідження музичних уподобань Нігерії 🎧	Кластеризація	Досліджуйте метод кластеризації K-Means	Python • R	Джен • Ерік Ванджа
16	Вступ до обробки природної мови ☕️	Обробка природної мови	Вивчіть основи NLP, створивши простого бота	Python	Стівен
17	Загальні завдання NLP ☕️	Обробка природної мови	Поглибте свої знання NLP, зрозумівши загальні завдання, необхідні для роботи з мовними структурами	Python	Стівен
18	Переклад і аналіз настроїв ♥️	Обробка природної мови	Переклад і аналіз настроїв з Джейн Остін	Python	Стівен
19	Романтичні готелі Європи ♥️	Обробка природної мови	Аналіз настроїв за відгуками про готелі 1	Python	Стівен
20	Романтичні готелі Європи ♥️	Обробка природної мови	Аналіз настроїв за відгуками про готелі 2	Python	Стівен
21	Вступ до прогнозування часових рядів	Часові ряди	Вступ до прогнозування часових рядів	Python	Франческа
22	⚡️ Використання електроенергії у світі ⚡️ - прогнозування часових рядів з ARIMA	Часові ряди	Прогнозування часових рядів з ARIMA	Python	Франческа
23	⚡️ Використання електроенергії у світі ⚡️ - прогнозування часових рядів з SVR	Часові ряди	Прогнозування часових рядів з регресором опорних векторів	Python	Анірбан
24	Вступ до навчання з підкріпленням	Навчання з підкріпленням	Вступ до навчання з підкріпленням з Q-Learning	Python	Дмитро
25	Допоможіть Пітеру уникнути вовка! 🐺	Навчання з підкріпленням	Навчання з підкріпленням у Gym	Python	Дмитро
Постскриптум	Реальні сценарії та застосування ML	ML у реальному світі	Цікаві та показові реальні застосування класичного ML	Урок	Команда
Постскриптум	Налагодження моделей ML за допомогою панелі RAI	ML у реальному світі	Налагодження моделей машинного навчання за допомогою компонентів панелі відповідального AI	Урок	Рут Якобу

знайдіть усі додаткові ресурси для цього курсу в нашій колекції Microsoft Learn

Офлайн-доступ

Ви можете запустити цю документацію офлайн, використовуючи Docsify. Форкніть цей репозиторій, встановіть Docsify на ваш локальний комп'ютер, а потім у кореневій папці цього репозиторію введіть docsify serve. Вебсайт буде доступний на порту 3000 вашого localhost: localhost:3000.

PDF-файли

Знайдіть PDF-версію навчальної програми з посиланнями тут.

🎒 Інші курси

Наша команда створює інші курси! Ознайомтеся з:

• Edge AI для початківців
• AI-агенти для початківців
• Генеративний AI для початківців
• Генеративний AI для початківців .NET
• Генеративний AI з JavaScript
• Генеративний AI з Java
• AI для початківців
• Наука про дані для початківців
• ML для початківців
• Кібербезпека для початківців
• Веб-розробка для початківців
• IoT для початківців
• Розробка XR для початківців
• Опанування GitHub Copilot для парного програмування
• Опанування GitHub Copilot для розробників C#/.NET
• Виберіть свою пригоду з Copilot

Отримання допомоги

Якщо ви застрягли або маєте запитання щодо створення AI-додатків, приєднуйтесь:

Якщо у вас є відгуки про продукт або помилки під час створення, відвідайте:

---

Відмова від відповідальності:
Цей документ був перекладений за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, звертаємо вашу увагу, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ на його рідній мові слід вважати авторитетним джерелом. Для критично важливої інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.