ML-For-Beginners/translations/cs

🌐 Podpora více jazyků

Podporováno prostřednictvím GitHub Action (Automatizované & Vždy aktuální)

Arabština | Bengálština | Bulharština | Barmština (Myanmar) | Čínština (zjednodušená) | Čínština (tradiční, Hongkong) | Čínština (tradiční, Macao) | Čínština (tradiční, Tchaj-wan) | Chorvatština | Čeština | Dánština | Nizozemština | Estonština | Finština | Francouzština | Němčina | Řečtina | Hebrejština | Hindština | Maďarština | Indonéština | Italština | Japonština | Korejština | Litevština | Malajština | Maráthština | Nepálština | Norština | Perština (Farsi) | Polština | Portugalština (Brazílie) | Portugalština (Portugalsko) | Panjábština (Gurmukhi) | Rumunština | Ruština | Srbština (cyrilice) | Slovenština | Slovinština | Španělština | Svahilština | Švédština | Tagalog (Filipínština) | Tamilština | Thajština | Turečtina | Ukrajinština | Urdu | Vietnamština

Připojte se k naší komunitě

Na Discordu probíhá série "Učte se s AI", dozvíte se více a připojte se k nám na Learn with AI Series od 18. do 30. září 2025. Získáte tipy a triky, jak používat GitHub Copilot pro datovou vědu.

Strojové učení pro začátečníky - Kurikulum

🌍 Cestujte po světě, zatímco objevujete strojové učení prostřednictvím světových kultur 🌍

Cloud Advocates v Microsoftu s potěšením nabízejí 12týdenní kurikulum o strojovém učení složené z 26 lekcí. V tomto kurikulu se naučíte o tom, co se někdy nazývá klasické strojové učení, především s využitím knihovny Scikit-learn a bez hlubokého učení, které je pokryto v našem kurikulu AI pro začátečníky. Tyto lekce můžete kombinovat s naším kurikulem 'Datová věda pro začátečníky'.

Cestujte s námi po světě, zatímco aplikujeme tyto klasické techniky na data z různých částí světa. Každá lekce obsahuje kvízy před a po lekci, písemné pokyny k dokončení lekce, řešení, úkoly a další. Náš přístup založený na projektech vám umožní učit se prostřednictvím praxe, což je osvědčený způsob, jak si osvojit nové dovednosti.

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

🎨 Díky také našim ilustrátorům Tomomi Imura, Dasani Madipalli a Jen Looper

🙏 Speciální poděkování 🙏 našim autorům, recenzentům a přispěvatelům obsahu z řad Microsoft Student Ambassador, zejména Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila a Snigdha Agarwal

🤩 Extra poděkování Microsoft Student Ambassadorům Eric Wanjau, Jasleen Sondhi a Vidushi Gupta za naše lekce v R!

Začínáme

Postupujte podle těchto kroků:

1. Forkujte repozitář: Klikněte na tlačítko "Fork" v pravém horním rohu této stránky.
2. Klonujte repozitář: git clone https://github.com/microsoft/ML-For-Beginners.git

najděte všechny další zdroje pro tento kurz v naší kolekci Microsoft Learn

🔧 Potřebujete pomoc? Podívejte se na náš Průvodce řešením problémů pro řešení běžných problémů s instalací, nastavením a spuštěním lekcí.

Studenti, abyste mohli používat toto kurikulum, forkujte celý repozitář do svého GitHub účtu a dokončete cvičení sami nebo ve skupině:

• Začněte kvízem před lekcí.
• Přečtěte si lekci a dokončete aktivity, zastavte se a zamyslete se při každé kontrolní otázce.
• Pokuste se vytvořit projekty pochopením lekcí, spíše než spuštěním kódu řešení; tento kód je však k dispozici ve složkách /solution v každé lekci zaměřené na projekt.
• Udělejte kvíz po lekci.
• Dokončete výzvu.
• Dokončete úkol.
• Po dokončení skupiny lekcí navštivte Diskusní fórum a "učte se nahlas" vyplněním příslušného PAT rubriky. 'PAT' je nástroj pro hodnocení pokroku, což je rubrika, kterou vyplníte pro další rozvoj svého učení. Můžete také reagovat na jiné PAT, abychom se mohli učit společně.

Pro další studium doporučujeme sledovat tyto moduly a vzdělávací cesty Microsoft Learn.

Učitelé, připravili jsme několik návrhů, jak toto kurikulum využít.

---

Video průvodci

Některé lekce jsou dostupné jako krátká videa. Všechna tato videa najdete přímo v lekcích nebo na playlistu ML for Beginners na YouTube kanálu Microsoft Developer kliknutím na obrázek níže.

---

Seznamte se s týmem

Gif vytvořil Mohit Jaisal

🎥 Klikněte na obrázek výše pro video o projektu a lidech, kteří ho vytvořili!

---

Pedagogika

Při vytváření tohoto kurikula jsme se rozhodli pro dva pedagogické principy: zajistit, aby bylo praktické založené na projektech a aby obsahovalo časté kvízy. Kromě toho má toto kurikulum společné téma, které mu dodává soudržnost.

Zajištěním, že obsah odpovídá projektům, je proces pro studenty poutavější a zlepšuje se uchování konceptů. Kromě toho nízkostresový kvíz před hodinou nastaví záměr studenta na učení daného tématu, zatímco druhý kvíz po hodině zajistí další uchování. Toto kurikulum bylo navrženo tak, aby bylo flexibilní a zábavné a mohlo být absolvováno celé nebo jen jeho část. Projekty začínají malými úkoly a postupně se stávají složitějšími na konci 12týdenního cyklu. Toto kurikulum také obsahuje dodatek o reálných aplikacích strojového učení, který může být použit jako extra kredit nebo jako základ pro diskusi.

Najděte naše Pravidla chování, Přispívání, Překlady a Průvodce řešením problémů. Uvítáme vaši konstruktivní zpětnou vazbu!

Každá lekce obsahuje

• volitelný sketchnote
• volitelné doplňkové video
• video průvodce (pouze některé lekce)
• kvíz před lekcí
• písemnou lekci
• u lekcí zaměřených na projekt, podrobné průvodce, jak projekt vytvořit
• kontrolní otázky
• výzvu
• doplňkové čtení
• úkol
• kvíz po lekci

Poznámka o jazycích: Tyto lekce jsou primárně psány v Pythonu, ale mnoho z nich je také dostupných v R. Pro dokončení lekce v R přejděte do složky /solution a vyhledejte lekce v R. Obsahují příponu .rmd, která představuje R Markdown soubor, který lze jednoduše definovat jako vložení code chunks (R nebo jiných jazyků) a YAML header (který určuje, jak formátovat výstupy, jako je PDF) do Markdown dokumentu. Jako takový slouží jako příkladný autorizační rámec pro datovou vědu, protože vám umožňuje kombinovat váš kód, jeho výstup a vaše myšlenky tím, že je zapíšete do Markdownu. Navíc lze dokumenty R Markdown převést na výstupní formáty, jako je PDF, HTML nebo Word.

Poznámka o kvízech: Všechny kvízy jsou obsaženy ve složce Quiz App, celkem 52 kvízů po třech otázkách. Jsou propojeny v rámci lekcí, ale aplikaci kvízů lze spustit lokálně; postupujte podle pokynů ve složce quiz-app pro lokální hostování nebo nasazení na Azure.

Číslo lekce	Téma	Skupina lekcí	Výukové cíle	Odkaz na lekci	Autor
01	Úvod do strojového učení	Úvod	Naučte se základní koncepty strojového učení	Lekce	Muhammad
02	Historie strojového učení	Úvod	Naučte se historii tohoto oboru	Lekce	Jen a Amy
03	Spravedlnost a strojové učení	Úvod	Jaké jsou důležité filozofické otázky ohledně spravedlnosti, které by studenti měli zvážit při vytváření a aplikaci modelů strojového učení?	Lekce	Tomomi
04	Techniky strojového učení	Úvod	Jaké techniky používají výzkumníci strojového učení k vytváření modelů?	Lekce	Chris a Jen
05	Úvod do regrese	Regrese	Začněte s Pythonem a Scikit-learn pro regresní modely	Python • R	Jen • Eric Wanjau
06	Ceny dýní v Severní Americe 🎃	Regrese	Vizualizujte a vyčistěte data pro přípravu na strojové učení	Python • R	Jen • Eric Wanjau
07	Ceny dýní v Severní Americe 🎃	Regrese	Vytvořte lineární a polynomiální regresní modely	Python • R	Jen a Dmitry • Eric Wanjau
08	Ceny dýní v Severní Americe 🎃	Regrese	Vytvořte logistický regresní model	Python • R	Jen • Eric Wanjau
09	Webová aplikace 🔌	Webová aplikace	Vytvořte webovou aplikaci pro použití vašeho trénovaného modelu	Python	Jen
10	Úvod do klasifikace	Klasifikace	Vyčistěte, připravte a vizualizujte svá data; úvod do klasifikace	Python • R	Jen a Cassie • Eric Wanjau
11	Lahodná asijská a indická kuchyně 🍜	Klasifikace	Úvod do klasifikátorů	Python • R	Jen a Cassie • Eric Wanjau
12	Lahodná asijská a indická kuchyně 🍜	Klasifikace	Další klasifikátory	Python • R	Jen a Cassie • Eric Wanjau
13	Lahodná asijská a indická kuchyně 🍜	Klasifikace	Vytvořte webovou aplikaci doporučující pomocí vašeho modelu	Python	Jen
14	Úvod do shlukování	Shlukování	Vyčistěte, připravte a vizualizujte svá data; úvod do shlukování	Python • R	Jen • Eric Wanjau
15	Zkoumání hudebních chutí v Nigérii 🎧	Shlukování	Prozkoumejte metodu shlukování K-Means	Python • R	Jen • Eric Wanjau
16	Úvod do zpracování přirozeného jazyka ☕️	Zpracování přirozeného jazyka	Naučte se základy zpracování přirozeného jazyka vytvořením jednoduchého bota	Python	Stephen
17	Běžné úkoly NLP ☕️	Zpracování přirozeného jazyka	Prohlubte své znalosti NLP pochopením běžných úkolů při práci s jazykovými strukturami	Python	Stephen
18	Překlad a analýza sentimentu ♥️	Zpracování přirozeného jazyka	Překlad a analýza sentimentu s Jane Austen	Python	Stephen
19	Romantické hotely v Evropě ♥️	Zpracování přirozeného jazyka	Analýza sentimentu s recenzemi hotelů 1	Python	Stephen
20	Romantické hotely v Evropě ♥️	Zpracování přirozeného jazyka	Analýza sentimentu s recenzemi hotelů 2	Python	Stephen
21	Úvod do předpovědi časových řad	Časové řady	Úvod do předpovědi časových řad	Python	Francesca
22	⚡️ Světová spotřeba energie ⚡️ - předpověď časových řad s ARIMA	Časové řady	Předpověď časových řad s ARIMA	Python	Francesca
23	⚡️ Světová spotřeba energie ⚡️ - předpověď časových řad s SVR	Časové řady	Předpověď časových řad s podporovaným vektorovým regresorem	Python	Anirban
24	Úvod do posilovaného učení	Posilované učení	Úvod do posilovaného učení s Q-Learning	Python	Dmitry
25	Pomozte Petrovi vyhnout se vlkovi! 🐺	Posilované učení	Posilované učení Gym	Python	Dmitry
Postscript	Scénáře a aplikace strojového učení v reálném světě	ML v praxi	Zajímavé a odhalující aplikace klasického strojového učení v reálném světě	Lekce	Tým
Postscript	Ladění modelů strojového učení pomocí RAI dashboardu	ML v praxi	Ladění modelů strojového učení pomocí komponent Responsible AI dashboardu	Lekce	Ruth Yakubu

najděte všechny další zdroje pro tento kurz v naší kolekci Microsoft Learn

Offline přístup

Tuto dokumentaci můžete spustit offline pomocí Docsify. Forkněte tento repozitář, nainstalujte Docsify na svůj lokální počítač a poté v kořenové složce tohoto repozitáře zadejte docsify serve. Webová stránka bude spuštěna na portu 3000 na vašem localhostu: localhost:3000.

PDF

Najděte PDF s kurikulem a odkazy zde.

🎒 Další kurzy

Náš tým vytváří další kurzy! Podívejte se:

Azure / Edge / MCP / Agenti

---

Generativní AI série

---

Základní vzdělávání

---

Série Copilot

Získání pomoci

Pokud narazíte na problém nebo máte otázky ohledně vytváření AI aplikací, připojte se:

Pokud máte zpětnou vazbu k produktu nebo narazíte na chyby při vytváření, navštivte:

---

Prohlášení:
Tento dokument byl přeložen pomocí služby AI pro překlad Co-op Translator. Ačkoli se snažíme o přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho rodném jazyce by měl být považován za autoritativní zdroj. Pro důležité informace se doporučuje profesionální lidský překlad. Neodpovídáme za žádná nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu.