ML-For-Beginners/translations/sk

🌐 Podpora viacerých jazykov

Podporované prostredníctvom GitHub Action (automatizované a vždy aktuálne)

Francúzština | Španielčina | Nemčina | Ruština | Arabčina | Perzština (Farsi) | Urdu | Čínština (zjednodušená) | Čínština (tradičná, Macao) | Čínština (tradičná, Hongkong) | Čínština (tradičná, Taiwan) | Japončina | Kórejčina | Hindčina | Bengálčina | Maráthčina | Nepálčina | Pandžábčina (Gurmukhi) | Portugalčina (Portugalsko) | Portugalčina (Brazília) | Taliančina | Poľština | Turečtina | Gréčtina | Thajčina | Švédčina | Dánčina | Nórčina | Fínčina | Holandčina | Hebrejčina | Vietnamčina | Indonézština | Malajčina | Tagalog (Filipínčina) | Swahilčina | Maďarčina | Čeština | Slovenčina | Rumunčina | Bulharčina | Srbčina (cyrilika) | Chorvátčina | Slovinčina | Ukrajinčina | Barmčina (Myanmar)

Pridajte sa do našej komunity

Na našom Discorde prebieha séria Learn with AI, dozviete sa viac a pridajte sa k nám na Learn with AI Series od 18. do 30. septembra 2025. Získate tipy a triky na používanie GitHub Copilot pre dátovú vedu.

Strojové učenie pre začiatočníkov - učebné osnovy

🌍 Cestujte po svete, zatiaľ čo objavujeme strojové učenie prostredníctvom kultúr sveta 🌍

Cloud Advocates v Microsoft s radosťou ponúkajú 12-týždňové učebné osnovy pozostávajúce z 26 lekcií o strojovom učení. V týchto osnovách sa naučíte o tom, čo sa niekedy nazýva klasické strojové učenie, pričom sa primárne používa knižnica Scikit-learn a vyhýba sa hlbokému učeniu, ktoré je pokryté v našich osnovách AI pre začiatočníkov. Tieto lekcie môžete kombinovať s našimi osnovami 'Dátová veda pre začiatočníkov'.

Cestujte s nami po svete, zatiaľ čo aplikujeme tieto klasické techniky na údaje z rôznych oblastí sveta. Každá lekcia obsahuje kvízy pred a po lekcii, písomné pokyny na dokončenie lekcie, riešenie, úlohu a ďalšie. Náš projektovo orientovaný prístup vám umožní učiť sa prostredníctvom praktických projektov, čo je osvedčený spôsob, ako si nové zručnosti lepšie osvojiť.

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

🎨 Vďaka aj našim ilustrátorom Tomomi Imura, Dasani Madipalli a Jen Looper

🙏 Osobitné poďakovanie 🙏 našim autorom, recenzentom a prispievateľom obsahu z radov Microsoft Student Ambassador, najmä Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila a Snigdha Agarwal

🤩 Extra vďaka Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi a Vidushi Gupta za naše lekcie v R!

Začíname

Postupujte podľa týchto krokov:

1. Forknite repozitár: Kliknite na tlačidlo "Fork" v pravom hornom rohu tejto stránky.
2. Klonujte repozitár: git clone https://github.com/microsoft/ML-For-Beginners.git

nájdite všetky ďalšie zdroje pre tento kurz v našej kolekcii Microsoft Learn

Študenti, ak chcete použiť tieto učebné osnovy, forknite celý repozitár do svojho vlastného GitHub účtu a dokončite cvičenia samostatne alebo v skupine:

• Začnite kvízom pred lekciou.
• Prečítajte si lekciu a dokončite aktivity, pričom sa zastavte a zamyslite pri každej kontrole vedomostí.
• Pokúste sa vytvoriť projekty pochopením lekcií namiesto spúšťania riešenia kódu; tento kód je však dostupný v priečinkoch /solution v každej projektovo orientovanej lekcii.
• Urobte kvíz po lekcii.
• Dokončite výzvu.
• Dokončite úlohu.
• Po dokončení skupiny lekcií navštívte Diskusnú tabuľu a "učte sa nahlas" vyplnením príslušného PAT hodnotiaceho formulára. 'PAT' je nástroj na hodnotenie pokroku, ktorý je formulár na vyplnenie, aby ste si prehĺbili svoje vedomosti. Môžete tiež reagovať na iné PATy, aby sme sa učili spoločne.

Pre ďalšie štúdium odporúčame sledovať tieto moduly a učebné cesty Microsoft Learn.

Učitelia, pridali sme niekoľko návrhov, ako používať tieto učebné osnovy.

---

Video prehliadky

Niektoré lekcie sú dostupné ako krátke videá. Všetky nájdete priamo v lekciách alebo na playlistu ML for Beginners na YouTube kanáli Microsoft Developer kliknutím na obrázok nižšie.

---

Spoznajte tím

Gif od Mohit Jaisal

🎥 Kliknite na obrázok vyššie pre video o projekte a ľuďoch, ktorí ho vytvorili!

---

Pedagogika

Pri tvorbe týchto učebných osnov sme si zvolili dve pedagogické zásady: zabezpečiť, aby boli praktické projektovo orientované a aby obsahovali časté kvízy. Okrem toho majú tieto učebné osnovy spoločnú tému, ktorá im dodáva súdržnosť.

Zabezpečením, že obsah je prepojený s projektmi, sa proces stáva pre študentov pútavejším a zvyšuje sa retencia konceptov. Okrem toho nízko-stresový kvíz pred hodinou nastavuje zameranie študenta na učenie sa témy, zatiaľ čo druhý kvíz po hodine zabezpečuje ďalšiu retenciu. Tieto učebné osnovy boli navrhnuté tak, aby boli flexibilné a zábavné a mohli byť absolvované ako celok alebo po častiach. Projekty začínajú malé a postupne sa stávajú zložitejšími na konci 12-týždňového cyklu. Tieto učebné osnovy tiež obsahujú dodatok o reálnych aplikáciách strojového učenia, ktorý môže byť použitý ako extra kredit alebo ako základ pre diskusiu.

Nájdite náš Kódex správania, Prispievanie a Prekladové pokyny. Vaša konštruktívna spätná väzba je vítaná!

Každá lekcia obsahuje

• voliteľný sketchnote
• voliteľné doplnkové video
• video prehliadku (len niektoré lekcie)
• kvíz na zahriatie pred lekciou
• písomnú lekciu
• pre projektovo orientované lekcie, podrobné pokyny, ako vytvoriť projekt
• kontroly vedomostí
• výzvu
• doplnkové čítanie
• úlohu
• kvíz po lekcii

Poznámka o jazykoch: Tieto lekcie sú primárne napísané v Pythone, ale mnohé sú dostupné aj v R. Ak chcete dokončiť lekciu v R, prejdite do priečinka /solution a vyhľadajte lekcie v R. Obsahujú príponu .rmd, ktorá predstavuje R Markdown súbor, ktorý možno jednoducho definovať ako vloženie code chunks (R alebo iných jazykov) a YAML header (ktorý určuje, ako formátovať výstupy, ako PDF) do Markdown dokumentu. Slúži ako vynikajúci autorovací rámec pre dátovú vedu, pretože umožňuje kombinovať váš kód, jeho výstup a vaše myšlienky tým, že ich zapíšete do Markdown. Navyše, R Markdown dokumenty môžu byť vykreslené do výstupných formátov, ako PDF, HTML alebo Word.

Poznámka o kvízoch: Všetky kvízy sú obsiahnuté v priečinku Quiz App, celkovo 52 kvízov po tri otázky. Sú prepojené v rámci lekcií, ale aplikáciu kvízov je možné spustiť lokálne; postupujte podľa pokynov v priečinku quiz-app, aby ste ju hostovali lokálne alebo nasadili na Azure.

Číslo lekcie	Téma	Skupina lekcií	Ciele učenia	Prepojená lekcia	Autor
01	Úvod do strojového učenia	Úvod	Naučte sa základné koncepty strojového učenia	Lekcia	Muhammad
02	História strojového učenia	Úvod	Naučte sa históriu tohto odboru	Lekcia	Jen a Amy
03	Spravodlivosť a strojové učenie	Úvod	Aké sú dôležité filozofické otázky týkajúce sa spravodlivosti, ktoré by študenti mali zvážiť pri vytváraní a aplikovaní modelov strojového učenia?	Lekcia	Tomomi
04	Techniky strojového učenia	Úvod	Aké techniky používajú výskumníci strojového učenia na vytváranie modelov strojového učenia?	Lekcia	Chris a Jen
05	Úvod do regresie	Regresia	Začnite s Pythonom a Scikit-learn pre regresné modely	Python • R	Jen • Eric Wanjau
06	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Vizualizujte a vyčistite údaje na prípravu pre strojové učenie	Python • R	Jen • Eric Wanjau
07	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Vytvorte lineárne a polynomiálne regresné modely	Python • R	Jen a Dmitry • Eric Wanjau
08	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Vytvorte logistický regresný model	Python • R	Jen • Eric Wanjau
09	Webová aplikácia 🔌	Webová aplikácia	Vytvorte webovú aplikáciu na použitie vášho trénovaného modelu	Python	Jen
10	Úvod do klasifikácie	Klasifikácia	Vyčistite, pripravte a vizualizujte svoje údaje; úvod do klasifikácie	Python • R	Jen a Cassie • Eric Wanjau
11	Lahodné ázijské a indické jedlá 🍜	Klasifikácia	Úvod do klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
12	Lahodné ázijské a indické jedlá 🍜	Klasifikácia	Viac klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
13	Lahodné ázijské a indické jedlá 🍜	Klasifikácia	Vytvorte webovú aplikáciu odporúčania pomocou vášho modelu	Python	Jen
14	Úvod do zhlukovania	Zhlukovanie	Vyčistite, pripravte a vizualizujte svoje údaje; úvod do zhlukovania	Python • R	Jen • Eric Wanjau
15	Preskúmanie nigérijských hudobných chutí 🎧	Zhlukovanie	Preskúmajte metódu zhlukovania K-Means	Python • R	Jen • Eric Wanjau
16	Úvod do spracovania prirodzeného jazyka ☕️	Spracovanie prirodzeného jazyka	Naučte sa základy NLP vytvorením jednoduchého bota	Python	Stephen
17	Bežné úlohy NLP ☕️	Spracovanie prirodzeného jazyka	Prehĺbte svoje znalosti NLP pochopením bežných úloh pri práci s jazykovými štruktúrami	Python	Stephen
18	Preklad a analýza sentimentu ♥️	Spracovanie prirodzeného jazyka	Preklad a analýza sentimentu s Jane Austen	Python	Stephen
19	Romantické hotely v Európe ♥️	Spracovanie prirodzeného jazyka	Analýza sentimentu s recenziami hotelov 1	Python	Stephen
20	Romantické hotely v Európe ♥️	Spracovanie prirodzeného jazyka	Analýza sentimentu s recenziami hotelov 2	Python	Stephen
21	Úvod do predikcie časových radov	Časové rady	Úvod do predikcie časových radov	Python	Francesca
22	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov s ARIMA	Časové rady	Predikcia časových radov s ARIMA	Python	Francesca
23	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov s SVR	Časové rady	Predikcia časových radov s Support Vector Regressor	Python	Anirban
24	Úvod do posilňovacieho učenia	Posilňovacie učenie	Úvod do posilňovacieho učenia s Q-Learning	Python	Dmitry
25	Pomôžte Petrovi vyhnúť sa vlkovi! 🐺	Posilňovacie učenie	Posilňovacie učenie Gym	Python	Dmitry
Postscript	Scenáre a aplikácie strojového učenia v reálnom svete	ML v praxi	Zaujímavé a odhaľujúce aplikácie klasického strojového učenia v reálnom svete	Lekcia	Tím
Postscript	Ladenie modelov ML pomocou RAI dashboardu	ML v praxi	Ladenie modelov strojového učenia pomocou komponentov Responsible AI dashboardu	Lekcia	Ruth Yakubu

nájdite všetky ďalšie zdroje pre tento kurz v našej kolekcii Microsoft Learn

Offline prístup

Túto dokumentáciu môžete spustiť offline pomocou Docsify. Forknite tento repozitár, nainštalujte Docsify na svojom lokálnom počítači a potom v koreňovom priečinku tohto repozitára zadajte docsify serve. Webová stránka bude dostupná na porte 3000 na vašom localhoste: localhost:3000.

PDF súbory

Nájdite PDF verziu kurikula s odkazmi tu.

🎒 Ďalšie kurzy

Náš tím vytvára aj ďalšie kurzy! Pozrite si:

• Edge AI pre začiatočníkov
• AI agenti pre začiatočníkov
• Generatívna AI pre začiatočníkov
• Generatívna AI pre začiatočníkov .NET
• Generatívna AI s JavaScriptom
• Generatívna AI s Javou
• AI pre začiatočníkov
• Data Science pre začiatočníkov
• ML pre začiatočníkov
• Kybernetická bezpečnosť pre začiatočníkov
• Webový vývoj pre začiatočníkov
• IoT pre začiatočníkov
• XR vývoj pre začiatočníkov
• Ovládnutie GitHub Copilot pre párové programovanie
• Ovládnutie GitHub Copilot pre vývojárov C#/.NET
• Vyberte si vlastné dobrodružstvo s Copilotom

Získanie pomoci

Ak sa zaseknete alebo máte otázky o vytváraní AI aplikácií, pripojte sa:

Ak máte spätnú väzbu k produktu alebo chyby pri vytváraní, navštívte:

---

Upozornenie:
Tento dokument bol preložený pomocou služby AI prekladu Co-op Translator. Hoci sa snažíme o presnosť, prosím, berte na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho rodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nenesieme zodpovednosť za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.