leestott
ffd4047095
|
12 months ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 12 months ago | |
| 2-Regression | 12 months ago | |
| 3-Web-App | 12 months ago | |
| 4-Classification | 12 months ago | |
| 5-Clustering | 12 months ago | |
| 6-NLP | 12 months ago | |
| 7-TimeSeries | 12 months ago | |
| 8-Reinforcement | 12 months ago | |
| 9-Real-World | 12 months ago | |
| docs | 12 months ago | |
| quiz-app | 12 months ago | |
| sketchnotes | 12 months ago | |
| CODE_OF_CONDUCT.md | 12 months ago | |
| CONTRIBUTING.md | 12 months ago | |
| PyTorch_Fundamentals.ipynb | 12 months ago | |
| README.md | 12 months ago | |
| SECURITY.md | 12 months ago | |
| SUPPORT.md | 12 months ago | |
| for-teachers.md | 12 months ago | |
README.md
🌐 Podrška za više jezika
Podržano putem GitHub Action (Automatizirano i uvijek ažurirano)
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)
Pridružite se zajednici
Strojno učenje za početnike - Kurikulum
🌍 Putujte svijetom dok istražujemo strojno učenje kroz kulture svijeta 🌍
Cloud Advocates u Microsoftu s ponosom nude 12-tjedni kurikulum s 26 lekcija o strojnom učenju. U ovom kurikulumu naučit ćete o onome što se ponekad naziva klasično strojno učenje, koristeći prvenstveno Scikit-learn kao biblioteku i izbjegavajući duboko učenje, koje je pokriveno u našem kurikulumu AI za početnike. Povežite ove lekcije s našim kurikulumom 'Data Science za početnike', također!
Putujte s nama svijetom dok primjenjujemo ove klasične tehnike na podatke iz različitih dijelova svijeta. Svaka lekcija uključuje kvizove prije i nakon lekcije, pisane upute za dovršavanje lekcije, rješenje, zadatak i još mnogo toga. Naša metodologija temeljena na projektima omogućuje vam učenje kroz izgradnju, što je dokazano učinkovit način za usvajanje novih vještina.
✍️ Velika zahvala našim autorima Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu i Amy Boyd
🎨 Zahvala i našim ilustratorima Tomomi Imura, Dasani Madipalli i Jen Looper
🙏 Posebna zahvala 🙏 našim Microsoft Student Ambassador autorima, recenzentima i suradnicima sadržaja, posebno Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila i Snigdha Agarwal
🤩 Dodatna zahvalnost Microsoft Student Ambassadorima Eric Wanjau, Jasleen Sondhi i Vidushi Gupta za naše lekcije o R-u!
Početak
Slijedite ove korake:
- Forkajte repozitorij: Kliknite na gumb "Fork" u gornjem desnom kutu ove stranice.
- Klonirajte repozitorij:
git clone https://github.com/microsoft/ML-For-Beginners.git
pronađite sve dodatne resurse za ovaj tečaj u našoj Microsoft Learn kolekciji
Studenti, za korištenje ovog kurikuluma, forkajte cijeli repo na svoj GitHub račun i dovršite vježbe sami ili u grupi:
- Započnite s kvizom prije predavanja.
- Pročitajte predavanje i dovršite aktivnosti, zaustavljajući se i razmišljajući na svakom provjeravanju znanja.
- Pokušajte izraditi projekte razumijevanjem lekcija umjesto pokretanja rješenja koda; međutim, taj kod je dostupan u
/solutionmapama u svakoj lekciji temeljenoj na projektu. - Riješite kviz nakon predavanja.
- Dovršite izazov.
- Dovršite zadatak.
- Nakon dovršetka grupe lekcija, posjetite Diskusijsku ploču i "učite glasno" ispunjavanjem odgovarajuće PAT rubrike. 'PAT' je alat za procjenu napretka, rubrika koju ispunjavate kako biste dodatno unaprijedili svoje učenje. Također možete reagirati na druge PAT-ove kako bismo učili zajedno.
Za daljnje učenje, preporučujemo praćenje ovih Microsoft Learn modula i putova učenja.
Nastavnici, uključili smo neke prijedloge o tome kako koristiti ovaj kurikulum.
Video vodiči
Neke lekcije dostupne su kao kratki videozapisi. Sve ih možete pronaći unutar lekcija ili na ML za početnike playlisti na Microsoft Developer YouTube kanalu klikom na sliku ispod.
Upoznajte tim
Gif autor Mohit Jaisal
🎥 Kliknite na sliku iznad za video o projektu i ljudima koji su ga stvorili!
Pedagogija
Odabrali smo dva pedagoška načela prilikom izrade ovog kurikuluma: osigurati da je praktičan temeljen na projektima i da uključuje česte kvizove. Osim toga, ovaj kurikulum ima zajedničku temu koja mu daje koheziju.
Osiguravanjem da sadržaj odgovara projektima, proces postaje zanimljiviji za studente, a zadržavanje koncepata se povećava. Osim toga, kviz s niskim rizikom prije predavanja usmjerava namjeru studenta prema učenju teme, dok drugi kviz nakon predavanja osigurava daljnje zadržavanje. Ovaj kurikulum je dizajniran da bude fleksibilan i zabavan te se može uzeti u cijelosti ili djelomično. Projekti počinju jednostavno i postaju sve složeniji do kraja 12-tjednog ciklusa. Ovaj kurikulum također uključuje dodatak o stvarnim primjenama strojnog učenja, koji se može koristiti kao dodatni zadatak ili kao osnova za raspravu.
Pronađite naš Kodeks ponašanja, Doprinos i Smjernice za prijevod. Dobrodošli ste podijeliti konstruktivne povratne informacije!
Svaka lekcija uključuje
- opcionalni sketchnote
- opcionalni dopunski video
- video vodič (samo neke lekcije)
- kviz za zagrijavanje prije predavanja
- pisanu lekciju
- za lekcije temeljene na projektima, vodiče korak po korak kako izraditi projekt
- provjere znanja
- izazov
- dopunsko čitanje
- zadatak
- kviz nakon predavanja
Napomena o jezicima: Ove lekcije su prvenstveno napisane u Pythonu, ali mnoge su dostupne i u R-u. Za dovršavanje lekcije u R-u, idite u
/solutionmapu i potražite lekcije u R-u. One uključuju .rmd ekstenziju koja predstavlja R Markdown datoteku koja se može jednostavno definirati kao ugrađivanjecode chunks(R ili drugih jezika) iYAML header(koji vodi kako formatirati izlaze poput PDF-a) uMarkdown dokument. Kao takva, služi kao primjeran okvir za autorstvo u znanosti o podacima jer vam omogućuje kombiniranje vašeg koda, njegovog izlaza i vaših misli pisanjem u Markdownu. Osim toga, R Markdown dokumenti mogu se prikazati u formatima izlaza poput PDF-a, HTML-a ili Worda.
Napomena o kvizovima: Svi kvizovi nalaze se u Quiz App mapi, ukupno 52 kviza s po tri pitanja. Povezani su unutar lekcija, ali aplikacija za kviz može se pokrenuti lokalno; slijedite upute u
quiz-appmapi za lokalno hostiranje ili implementaciju na Azure.
| Broj lekcije | Tema | Grupiranje lekcija | Ciljevi učenja | Povezana lekcija | Autor |
|---|---|---|---|---|---|
| 01 | Uvod u strojno učenje | Uvod | Naučite osnovne koncepte strojnog učenja | Lekcija | Muhammad |
| 02 | Povijest strojnog učenja | Uvod | Naučite povijest ovog područja | Lekcija | Jen i Amy |
| 03 | Pravednost i strojno učenje | Uvod | Koja su važna filozofska pitanja o pravednosti koja studenti trebaju razmotriti prilikom izrade i primjene ML modela? | Lekcija | Tomomi |
| 04 | Tehnike za strojno učenje | Uvod | Koje tehnike koriste istraživači strojnog učenja za izradu modela strojnog učenja? | Lekcija | Chris i Jen |
| 05 | Uvod u regresiju | Regresija | Počnite s Pythonom i Scikit-learnom za modele regresije |
- [Python](2-Regression/1-Tools/README.md)
- [R](../../2-Regression/1-Tools/solution/R/lesson_1.html)
- Jen
- Eric Wanjau
- [Python](2-Regression/2-Data/README.md)
- [R](../../2-Regression/2-Data/solution/R/lesson_2.html)
- Jen
- Eric Wanjau
- [Python](2-Regression/3-Linear/README.md)
- [R](../../2-Regression/3-Linear/solution/R/lesson_3.html)
- Jen i Dmitry
- Eric Wanjau
- [Python](2-Regression/4-Logistic/README.md)
- [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)
- Jen
- Eric Wanjau
- [Python](4-Classification/1-Introduction/README.md)
- [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) |
- Jen i Cassie
- Eric Wanjau
- [Python](4-Classification/2-Classifiers-1/README.md)
- [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
- Jen i Cassie
- Eric Wanjau
- [Python](4-Classification/3-Classifiers-2/README.md)
- [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
- Jen i Cassie
- Eric Wanjau
- [Python](5-Clustering/1-Visualize/README.md)
- [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) |
- Jen
- Eric Wanjau
- [Python](5-Clustering/2-K-Means/README.md)
- [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) |
- Jen
- Eric Wanjau
pronađite sve dodatne resurse za ovaj tečaj u našoj Microsoft Learn kolekciji
Offline pristup
Možete pokrenuti ovu dokumentaciju offline koristeći Docsify. Forkajte ovaj repo, instalirajte Docsify na vašem lokalnom računalu, a zatim u root folderu ovog repozitorija upišite
docsify serve. Web stranica će biti poslužena na portu 3000 na vašem localhostu:localhost:3000.PDF-ovi
Pronađite PDF kurikuluma s poveznicama ovdje.
🎒 Ostali tečajevi
Naš tim proizvodi i druge tečajeve! Pogledajte:
- Generativna AI za početnike
- Generativna AI za početnike .NET
- Generativna AI s JavaScriptom
- Generativna AI s Javom
- AI za početnike
- Data Science za početnike
- ML za početnike
- Kibernetička sigurnost za početnike
- Web razvoj za početnike
- IoT za početnike
- XR razvoj za početnike
- Ovladavanje GitHub Copilotom za parno programiranje
- Ovladavanje GitHub Copilotom za C#/.NET developere
- Odaberite svoju Copilot avanturu
Odricanje od odgovornosti:
Ovaj dokument je preveden pomoću AI usluge za prevođenje Co-op Translator. Iako nastojimo osigurati točnost, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati autoritativnim izvorom. Za ključne informacije preporučuje se profesionalni prijevod od strane ljudskog prevoditelja. Ne preuzimamo odgovornost za nesporazume ili pogrešne interpretacije koje mogu proizaći iz korištenja ovog prijevoda.