ML-For-Beginners/translations/hr

🌐 Podrška za više jezika

Podržano putem GitHub Action (Automatizirano i uvijek ažurirano)

Francuski | Španjolski | Njemački | Ruski | Arapski | Perzijski (Farsi) | Urdu | Kineski (pojednostavljeni) | Kineski (tradicionalni, Makao) | Kineski (tradicionalni, Hong Kong) | Kineski (tradicionalni, Tajvan) | Japanski | Korejski | Hindski | Bengalski | Marathi | Nepalski | Pandžapski (Gurmukhi) | Portugalski (Portugal) | Portugalski (Brazil) | Talijanski | Poljski | Turski | Grčki | Tajlandski | Švedski | Danski | Norveški | Finski | Nizozemski | Hebrejski | Vijetnamski | Indonezijski | Malajski | Tagalog (Filipinski) | Svahili | Mađarski | Češki | Slovački | Rumunjski | Bugarski | Srpski (ćirilica) | Hrvatski | Slovenski | Ukrajinski | Burmanski (Mjanmar)

Pridružite se našoj zajednici

Imamo seriju učenja s AI na Discordu, saznajte više i pridružite nam se na Learn with AI Series od 18. do 30. rujna 2025. Dobit ćete savjete i trikove za korištenje GitHub Copilot-a za Data Science.

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 AI za početnike kurikulumu. 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 više. Naša metodologija temeljena na projektima omogućuje vam učenje kroz izgradnju, 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 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 u R-u!

Početak

Slijedite ove korake:

1. Forkajte repozitorij: Kliknite na gumb "Fork" u gornjem desnom kutu ove stranice.
2. 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 /solution mapama u svakoj lekciji temeljenoj na projektu.
• Riješite kviz nakon predavanja.
• Dovršite izazov.
• Dovršite zadatak.
• Nakon dovršetka grupe lekcija, posjetite Forum za raspravu i "učite naglas" 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. Kurikulum također uključuje dodatak o stvarnim primjenama ML-a, koji se može koristiti kao dodatni zadatak ili kao osnova za raspravu.

Pronađite naš Kodeks ponašanja, Doprinos i Smjernice za prijevod. Pozdravljamo vaše 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 /solution mapu i potražite lekcije u R-u. One uključuju .rmd ekstenziju koja predstavlja R Markdown datoteku koja se može jednostavno definirati kao ugrađivanje code chunks (R ili drugih jezika) i YAML header (koji vodi kako formatirati izlaze poput PDF-a) u Markdown dokument. Kao takva, služi kao primjeran okvir za autorstvo u znanosti o podacima jer vam omogućuje kombiniranje vašeg koda, njegovog izlaza i vaših misli omogućujući vam da ih zabilježite 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-app mapi 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 istraživači ML-a koriste za izradu ML modela?	Lekcija	Chris i Jen
05	Uvod u regresiju	Regresija	Počnite s Pythonom i Scikit-learnom za regresijske modele	Python • R	Jen • Eric Wanjau
06	Cijene bundeva u Sjevernoj Americi 🎃	Regresija	Vizualizirajte i očistite podatke u pripremi za ML	Python • R	Jen • Eric Wanjau
07	Cijene bundeva u Sjevernoj Americi 🎃	Regresija	Izradite linearne i polinomne regresijske modele	Python • R	Jen i Dmitry • Eric Wanjau
08	Cijene bundeva u Sjevernoj Americi 🎃	Regresija	Izradite logistički regresijski model	Python • R	Jen • Eric Wanjau
09	Web aplikacija 🔌	Web aplikacija	Izradite web aplikaciju za korištenje vašeg treniranog modela	Python	Jen
10	Uvod u klasifikaciju	Klasifikacija	Očistite, pripremite i vizualizirajte svoje podatke; uvod u klasifikaciju	Python • R	Jen i Cassie • Eric Wanjau
11	Ukusna azijska i indijska kuhinja 🍜	Klasifikacija	Uvod u klasifikatore	Python • R	Jen i Cassie • Eric Wanjau
12	Ukusna azijska i indijska kuhinja 🍜	Klasifikacija	Više klasifikatora	Python • R	Jen i Cassie • Eric Wanjau
13	Ukusna azijska i indijska kuhinja 🍜	Klasifikacija	Izradite web aplikaciju preporuka koristeći vaš model	Python	Jen
14	Uvod u grupiranje	Grupiranje	Očistite, pripremite i vizualizirajte svoje podatke; uvod u grupiranje	Python • R	Jen • Eric Wanjau
15	Istraživanje glazbenih ukusa u Nigeriji 🎧	Grupiranje	Istražite metodu K-Means grupiranja	Python • R	Jen • Eric Wanjau
16	Uvod u obradu prirodnog jezika ☕️	Obrada prirodnog jezika	Naučite osnove NLP-a izradom jednostavnog bota	Python	Stephen
17	Uobičajeni NLP zadaci ☕️	Obrada prirodnog jezika	Produbite svoje znanje o NLP-u razumijevanjem uobičajenih zadataka vezanih uz jezične strukture	Python	Stephen
18	Prijevod i analiza sentimenta ♥️	Obrada prirodnog jezika	Prijevod i analiza sentimenta s Jane Austen	Python	Stephen
19	Romantični hoteli u Europi ♥️	Obrada prirodnog jezika	Analiza sentimenta s recenzijama hotela 1	Python	Stephen
20	Romantični hoteli u Europi ♥️	Obrada prirodnog jezika	Analiza sentimenta s recenzijama hotela 2	Python	Stephen
21	Uvod u predviđanje vremenskih serija	Vremenske serije	Uvod u predviđanje vremenskih serija	Python	Francesca
22	⚡️ Svjetska potrošnja energije ⚡️ - predviđanje vremenskih serija s ARIMA	Vremenske serije	Predviđanje vremenskih serija s ARIMA	Python	Francesca
23	⚡️ Svjetska potrošnja energije ⚡️ - predviđanje vremenskih serija s SVR	Vremenske serije	Predviđanje vremenskih serija s Support Vector Regressor	Python	Anirban
24	Uvod u učenje kroz pojačanje	Učenje kroz pojačanje	Uvod u učenje kroz pojačanje s Q-Learning	Python	Dmitry
25	Pomozite Peteru izbjeći vuka! 🐺	Učenje kroz pojačanje	Učenje kroz pojačanje s Gym	Python	Dmitry
Postscript	Scenariji i primjene ML-a u stvarnom svijetu	ML u stvarnom svijetu	Zanimljive i otkrivajuće primjene klasičnog ML-a u stvarnom svijetu	Lekcija	Tim
Postscript	Debugging modela u ML-u koristeći RAI dashboard	ML u stvarnom svijetu	Debugging modela u strojnom učenju koristeći komponente Responsible AI dashboarda	Lekcija	Ruth Yakubu

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 dostupna 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:

• Edge AI za početnike
• AI agenti za početnike
• Generativni AI za početnike
• Generativni AI za početnike .NET
• Generativni AI s JavaScriptom
• Generativni 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
• Savladavanje GitHub Copilota za parno programiranje
• Savladavanje GitHub Copilota za C#/.NET developere
• Odaberite vlastitu Copilot avanturu

Dobivanje pomoći

Ako zapnete ili imate pitanja o izradi AI aplikacija, pridružite se:

Ako imate povratne informacije o proizvodu ili greške tijekom izrade, posjetite:

---

Odricanje od odgovornosti:
Ovaj dokument je preveden pomoću AI usluge za prevođenje Co-op Translator. Iako težimo točnosti, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati mjerodavnim izvorom. Za ključne informacije preporučuje se profesionalni prijevod od strane čovjeka. Ne preuzimamo odgovornost za nesporazume ili pogrešna tumačenja koja proizlaze iz korištenja ovog prijevoda.