ML-For-Beginners/translations/sk/AGENTS.md

AGENTS.md

Prehľad projektu

Toto je Strojové učenie pre začiatočníkov, komplexný 12-týždňový, 26-lekciový kurz pokrývajúci klasické koncepty strojového učenia pomocou Pythonu (primárne so Scikit-learn) a R. Repozitár je navrhnutý ako zdroj na samoštúdium s praktickými projektmi, kvízmi a úlohami. Každá lekcia skúma koncepty strojového učenia prostredníctvom reálnych dát z rôznych kultúr a regiónov sveta.

Kľúčové komponenty:

• Vzdelávací obsah: 26 lekcií pokrývajúcich úvod do strojového učenia, regresiu, klasifikáciu, zhlukovanie, NLP, časové rady a posilňovacie učenie
• Aplikácia na kvízy: Kvízová aplikácia založená na Vue.js s hodnoteniami pred a po lekciách
• Podpora viacerých jazykov: Automatizované preklady do viac ako 40 jazykov prostredníctvom GitHub Actions
• Podpora dvoch jazykov: Lekcie dostupné v Python (Jupyter notebooky) aj R (R Markdown súbory)
• Učenie založené na projektoch: Každá téma obsahuje praktické projekty a úlohy

Štruktúra repozitára

ML-For-Beginners/
├── 1-Introduction/         # ML basics, history, fairness, techniques
├── 2-Regression/          # Regression models with Python/R
├── 3-Web-App/            # Flask web app for ML model deployment
├── 4-Classification/      # Classification algorithms
├── 5-Clustering/         # Clustering techniques
├── 6-NLP/               # Natural Language Processing
├── 7-TimeSeries/        # Time series forecasting
├── 8-Reinforcement/     # Reinforcement learning
├── 9-Real-World/        # Real-world ML applications
├── quiz-app/           # Vue.js quiz application
├── translations/       # Auto-generated translations
└── sketchnotes/       # Visual learning aids

Každý priečinok lekcie zvyčajne obsahuje:

• README.md - Hlavný obsah lekcie
• notebook.ipynb - Python Jupyter notebook
• solution/ - Riešenie kódu (verzie pre Python a R)
• assignment.md - Cvičenia na precvičenie
• images/ - Vizualizačné zdroje

Príkazy na nastavenie

Pre lekcie v Pythone

Väčšina lekcií používa Jupyter notebooky. Nainštalujte potrebné závislosti:

# Install Python 3.8+ if not already installed
python --version

# Install Jupyter
pip install jupyter

# Install common ML libraries
pip install scikit-learn pandas numpy matplotlib seaborn

# For specific lessons, check lesson-specific requirements
# Example: Web App lesson
pip install flask

Pre lekcie v R

Lekcie v R sa nachádzajú v priečinkoch solution/R/ ako .rmd alebo .ipynb súbory:

# Install R and required packages
# In R console:
install.packages(c("tidyverse", "tidymodels", "caret"))

Pre aplikáciu na kvízy

Kvízová aplikácia je Vue.js aplikácia umiestnená v priečinku quiz-app/:

cd quiz-app
npm install

Pre dokumentačný web

Na spustenie dokumentácie lokálne:

# Install Docsify
npm install -g docsify-cli

# Serve from repository root
docsify serve

# Access at http://localhost:3000

Pracovný postup vývoja

Práca s notebookmi lekcií

1. Prejdite do priečinka lekcie (napr. 2-Regression/1-Tools/)
2. Otvorte Jupyter notebook:

   jupyter notebook notebook.ipynb
   

3. Prejdite obsah lekcie a cvičenia
4. Skontrolujte riešenia v priečinku solution/, ak je to potrebné

Vývoj v Pythone

• Lekcie používajú štandardné knižnice pre dátovú vedu v Pythone
• Jupyter notebooky na interaktívne učenie
• Riešenia kódu sú dostupné v priečinku solution/ každej lekcie

Vývoj v R

• Lekcie v R sú vo formáte .rmd (R Markdown)
• Riešenia sa nachádzajú v podpriečinkoch solution/R/
• Použite RStudio alebo Jupyter s R kernelom na spustenie notebookov v R

Vývoj aplikácie na kvízy

cd quiz-app

# Start development server
npm run serve
# Access at http://localhost:8080

# Build for production
npm run build

# Lint and fix files
npm run lint

Pokyny na testovanie

Testovanie aplikácie na kvízy

cd quiz-app

# Lint code
npm run lint

# Build to verify no errors
npm run build

Poznámka: Toto je primárne vzdelávací repozitár. Neexistujú automatizované testy pre obsah lekcií. Validácia sa vykonáva prostredníctvom:

• Dokončenia cvičení lekcií
• Úspešného spustenia buniek notebookov
• Porovnania výstupu s očakávanými výsledkami v riešeniach

Pokyny pre štýl kódu

Python kód

• Dodržiavajte štýlové pokyny PEP 8
• Používajte jasné, popisné názvy premenných
• Pridávajte komentáre k zložitým operáciám
• Jupyter notebooky by mali obsahovať markdown bunky vysvetľujúce koncepty

JavaScript/Vue.js (aplikácia na kvízy)

• Dodržiavajte štýlové pokyny Vue.js
• Konfigurácia ESLint v quiz-app/package.json
• Spustite npm run lint na kontrolu a automatické opravy problémov

Dokumentácia

• Markdown súbory by mali byť jasné a dobre štruktúrované
• Zahrňte príklady kódu v ohradených blokoch kódu
• Používajte relatívne odkazy na interné referencie
• Dodržiavajte existujúce formátovacie konvencie

Build a nasadenie

Nasadenie aplikácie na kvízy

Aplikácia na kvízy môže byť nasadená na Azure Static Web Apps:

1. Predpoklady:

   • Azure účet
   • GitHub repozitár (už forkovaný)

2. Nasadenie na Azure:

   • Vytvorte zdroj Azure Static Web App
   • Pripojte sa k GitHub repozitáru
   • Nastavte umiestnenie aplikácie: /quiz-app
   • Nastavte umiestnenie výstupu: dist
   • Azure automaticky vytvorí GitHub Actions workflow

3. GitHub Actions workflow:

   • Workflow súbor vytvorený v .github/workflows/azure-static-web-apps-*.yml
   • Automaticky sa builduje a nasadzuje pri pushnutí do hlavnej vetvy

Dokumentácia PDF

Generujte PDF z dokumentácie:

npm install
npm run convert

Pracovný postup prekladu

Dôležité: Preklady sú automatizované prostredníctvom GitHub Actions pomocou Co-op Translator.

• Preklady sa generujú automaticky pri zmenách pushnutých do vetvy main
• NEPREKLADAJTE obsah manuálne - systém to spracuje
• Workflow definovaný v .github/workflows/co-op-translator.yml
• Používa služby Azure AI/OpenAI na preklad
• Podporuje viac ako 40 jazykov

Pokyny pre prispievateľov

Pre prispievateľov obsahu

1. Forknite repozitár a vytvorte vetvu pre funkciu
2. Upravte obsah lekcie, ak pridávate alebo aktualizujete lekcie
3. Nemeňte preložené súbory - sú generované automaticky
4. Otestujte svoj kód - uistite sa, že všetky bunky notebookov sa úspešne spustia
5. Overte odkazy a obrázky, či fungujú správne
6. Odošlite pull request s jasným popisom

Pokyny pre pull requesty

• Formát názvu: [Sekcia] Stručný popis zmien
  • Príklad: [Regresia] Oprava preklepu v lekcii 5
  • Príklad: [Quiz-App] Aktualizácia závislostí
• Pred odoslaním:
  • Uistite sa, že všetky bunky notebookov sa spustia bez chýb
  • Spustite npm run lint, ak upravujete quiz-app
  • Overte formátovanie markdownu
  • Otestujte akékoľvek nové príklady kódu
• PR musí obsahovať:
  • Popis zmien
  • Dôvod zmien
  • Screenshoty, ak ide o zmeny v UI
• Kódex správania: Dodržiavajte Microsoft Open Source Code of Conduct
• CLA: Budete musieť podpísať Contributor License Agreement

Štruktúra lekcie

Každá lekcia nasleduje konzistentný vzor:

1. Kvíz pred prednáškou - Test základných znalostí
2. Obsah lekcie - Písomné pokyny a vysvetlenia
3. Ukážky kódu - Praktické príklady v notebookoch
4. Kontroly znalostí - Overenie porozumenia počas lekcie
5. Výzva - Samostatné aplikovanie konceptov
6. Úloha - Rozšírené precvičenie
7. Kvíz po prednáške - Hodnotenie výsledkov učenia

Referencia bežných príkazov

# Python/Jupyter
jupyter notebook                    # Start Jupyter server
jupyter notebook notebook.ipynb     # Open specific notebook
pip install -r requirements.txt     # Install dependencies (where available)

# Quiz App
cd quiz-app
npm install                        # Install dependencies
npm run serve                      # Development server
npm run build                      # Production build
npm run lint                       # Lint and fix

# Documentation
docsify serve                      # Serve documentation locally
npm run convert                    # Generate PDF

# Git workflow
git checkout -b feature/my-change  # Create feature branch
git add .                         # Stage changes
git commit -m "Description"       # Commit changes
git push origin feature/my-change # Push to remote

Dodatočné zdroje

• Microsoft Learn Collection: Moduly ML pre začiatočníkov
• Aplikácia na kvízy: Online kvízy
• Diskusné fórum: GitHub Discussions
• Video prehliadky: YouTube Playlist

Kľúčové technológie

• Python: Primárny jazyk pre lekcie strojového učenia (Scikit-learn, Pandas, NumPy, Matplotlib)
• R: Alternatívna implementácia pomocou tidyverse, tidymodels, caret
• Jupyter: Interaktívne notebooky pre lekcie v Pythone
• R Markdown: Dokumenty pre lekcie v R
• Vue.js 3: Framework pre aplikáciu na kvízy
• Flask: Framework pre webové aplikácie na nasadenie modelov strojového učenia
• Docsify: Generátor dokumentačného webu
• GitHub Actions: CI/CD a automatizované preklady

Bezpečnostné úvahy

• Žiadne tajné údaje v kóde: Nikdy nekomitujte API kľúče alebo prihlasovacie údaje
• Závislosti: Udržujte npm a pip balíčky aktualizované
• Vstupy používateľov: Príklady webových aplikácií Flask obsahujú základnú validáciu vstupov
• Citlivé údaje: Príkladové datasety sú verejné a neobsahujú citlivé údaje

Riešenie problémov

Jupyter notebooky

• Problémy s kernelom: Reštartujte kernel, ak bunky zamrznú: Kernel → Restart
• Import chyby: Uistite sa, že všetky potrebné balíčky sú nainštalované pomocou pip
• Problémy s cestami: Spúšťajte notebooky z ich obsahujúceho priečinka

Aplikácia na kvízy

• npm install zlyhá: Vyčistite npm cache: npm cache clean --force
• Konflikty portov: Zmeňte port pomocou: npm run serve -- --port 8081
• Chyby buildu: Odstráňte node_modules a znovu nainštalujte: rm -rf node_modules && npm install

Lekcie v R

• Balíček nenájdený: Nainštalujte pomocou: install.packages("package-name")
• Renderovanie RMarkdown: Uistite sa, že balíček rmarkdown je nainštalovaný
• Problémy s kernelom: Možno bude potrebné nainštalovať IRkernel pre Jupyter

Poznámky k projektu

• Toto je primárne vzdelávací kurz, nie produkčný kód
• Zameranie je na pochopenie konceptov strojového učenia prostredníctvom praktického precvičenia
• Príklady kódu uprednostňujú jasnosť pred optimalizáciou
• Väčšina lekcií je samostatná a môže byť dokončená nezávisle
• Riešenia sú poskytované, ale študenti by mali najskôr skúsiť cvičenia
• Repozitár používa Docsify na webovú dokumentáciu bez kroku buildovania
• Sketchnotes poskytujú vizuálne zhrnutia konceptov
• Podpora viacerých jazykov robí obsah globálne prístupným

---

Upozornenie:
Tento dokument bol preložený pomocou služby AI prekladu Co-op Translator. Hoci sa snažíme o presnosť, upozorňujeme, 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.