|
|
[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
|
|
|
[](http://makeapullrequest.com)
|
|
|
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/network/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)
|
|
|
|
|
|
### 🌐 Suporta sa Maramihang Wika
|
|
|
|
|
|
#### Sinusuportahan sa pamamagitan ng GitHub Action (Awtomatiko at Laging Napapanahon)
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
|
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](./README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
|
|
|
|
|
|
> **Mas gusto mo bang I-clone nang Lokal?**
|
|
|
>
|
|
|
> Kasama sa repository na ito ang mahigit 50 na pagsasalin sa wika na lubhang nagpapalaki ng laki ng download. Upang makapag-clone nang walang mga pagsasalin, gamitin ang sparse checkout:
|
|
|
>
|
|
|
> **Bash / macOS / Linux:**
|
|
|
> ```bash
|
|
|
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
|
|
|
> cd ML-For-Beginners
|
|
|
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
|
|
|
> ```
|
|
|
>
|
|
|
> **CMD (Windows):**
|
|
|
> ```cmd
|
|
|
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
|
|
|
> cd ML-For-Beginners
|
|
|
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
|
|
|
> ```
|
|
|
>
|
|
|
> Bibigyan ka nito ng lahat ng kailangan mo upang matapos ang kurso nang mas mabilis ang pag-download.
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
|
|
#### Sumali sa Aming Komunidad
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
May ongoing na series kami sa Discord tungkol sa pag-aaral kasama ang AI, matuto pa at sumali sa amin sa [Learn with AI Series](https://aka.ms/learnwithai/discord) mula Setyembre 18 - 30, 2025. Makakakuha ka ng mga tip at tricks sa paggamit ng GitHub Copilot para sa Data Science.
|
|
|
|
|
|
|
|
|
|
|
|
# Machine Learning para sa mga Baguhan - Isang Kurikulum
|
|
|
|
|
|
> 🌍 Maglakbay sa buong mundo habang tinutuklasan natin ang Machine Learning sa pamamagitan ng mga kultura sa buong mundo 🌍
|
|
|
|
|
|
Ikinagagalak ng mga Cloud Advocates sa Microsoft na mag-alok ng 12-linggong, 26 na leksyon na kurikulum tungkol sa **Machine Learning**. Sa kurikulum na ito, malalaman mo ang tinatawag na **classic machine learning**, gamit ang Scikit-learn bilang pangunahing library at iniiwasan ang deep learning, na tinatalakay naman sa aming [AI for Beginners' curriculum](https://aka.ms/ai4beginners). Isabay din ang mga leksyon na ito sa aming ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners).
|
|
|
|
|
|
Maglakbay kasama kami sa buong mundo habang inilalapat natin ang mga klasikong teknik na ito sa data mula sa iba't ibang bahagi ng mundo. Bawat leksyon ay may kasamang pre- at post-lesson quizzes, nakasulat na mga tagubilin upang matapos ang leksyon, solusyon, isang assignment, at iba pa. Ang aming proyekto-base na pedagogiya ay nagbibigay-daan sa'yo na matuto habang gumagawa, isang napatunayang paraan para manatili ang mga bagong kasanayan.
|
|
|
|
|
|
**✍️ Taos-pusong pasasalamat sa aming mga may akda** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu at Amy Boyd
|
|
|
|
|
|
**🎨 Salamat din sa aming mga ilustrador** Tomomi Imura, Dasani Madipalli, at Jen Looper
|
|
|
|
|
|
**🙏 Espesyal na pasasalamat 🙏 sa mga Microsoft Student Ambassador na mga may akda, tagasuri, at mga kontribyutor ng nilalaman**, partikular kina Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, at Snigdha Agarwal
|
|
|
|
|
|
**🤩 Dagdag na pasasalamat kina Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, at Vidushi Gupta para sa aming mga R na leksyon!**
|
|
|
|
|
|
# Pagsisimula
|
|
|
|
|
|
Sundin ang mga hakbang na ito:
|
|
|
1. **I-fork ang Repository**: I-click ang "Fork" na button sa itaas-kanang sulok ng pahinang ito.
|
|
|
2. **I-clone ang Repository**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
|
|
|
|
|
|
> [hanapin ang lahat ng karagdagang mga resources para sa kursong ito sa aming Microsoft Learn koleksyon](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
|
|
> 🔧 **Kailangan ng tulong?** Tingnan ang aming [Troubleshooting Guide](TROUBLESHOOTING.md) para sa mga solusyon sa karaniwang mga isyu sa pag-install, pagsasaayos, at pagpapatakbo ng mga leksyon.
|
|
|
|
|
|
|
|
|
**[Mga Estudyante](https://aka.ms/student-page)**, para gamitin ang kurikulum na ito, i-fork ang buong repo sa sarili mong GitHub account at tapusin ang mga exercise mag-isa o kasama ang grupo:
|
|
|
|
|
|
- Magsimula sa isang pre-lecture quiz.
|
|
|
- Basahin ang leksyon at tapusin ang mga aktibidad, huminto at magmuni-muni sa bawat knowledge check.
|
|
|
- Subukang likhain ang mga proyekto sa pamamagitan ng pag-unawa sa mga leksyon sa halip na direktang patakbuhin ang solusyon; gayunpaman, ang code na iyon ay matatagpuan sa mga `/solution` folder sa bawat leksyon na nakatuon sa proyekto.
|
|
|
- Kumuha ng post-lecture quiz.
|
|
|
- Tapusin ang challenge.
|
|
|
- Tapusin ang assignment.
|
|
|
- Pagkatapos matapos ang isang pangkat ng mga leksyon, bisitahin ang [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) at “matuto nang malakas” sa pamamagitan ng pagpuno ng angkop na PAT rubric. Ang 'PAT' ay Progress Assessment Tool na isang rubric na pinupunan mo upang mas mapalawak ang iyong pag-aaral. Maaari ka ring mag-react sa ibang mga PAT para sabay tayong matuto.
|
|
|
|
|
|
> Para sa karagdagang pag-aaral, inirerekomenda naming sundan ang mga [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modules at mga learning path.
|
|
|
|
|
|
**Mga Guro**, naglagay kami ng ilang mga mungkahi sa [paano gamitin ang kurikulm na ito](for-teachers.md).
|
|
|
|
|
|
---
|
|
|
|
|
|
## Mga walkthrough na video
|
|
|
|
|
|
Ilan sa mga leksyon ay available bilang maikling video. Makikita mo ang mga ito sa loob mismo ng mga leksyon, o sa [ML for Beginners playlist sa Microsoft Developer YouTube channel](https://aka.ms/ml-beginners-videos) sa pag-click sa imahe sa ibaba.
|
|
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
|
|
---
|
|
|
|
|
|
## Kilalanin ang Koponan
|
|
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
|
|
**Gif ni** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
|
|
> 🎥 I-click ang imahe sa itaas para sa isang video tungkol sa proyekto at sa mga taong lumikha nito!
|
|
|
|
|
|
---
|
|
|
|
|
|
## Pedagohiya
|
|
|
|
|
|
Pinili namin ang dalawang pedagogical tenets habang binubuo ang kurikulum na ito: tiyakin na ito ay hands-on **project-based** at may mga **madalas na pagsusulit**. Bukod dito, ang kurikulum na ito ay may isang karaniwang **tema** upang bigyan ito ng pagka-kohesibo.
|
|
|
|
|
|
Sa pamamagitan ng pagtitiyak na tumutugma ang nilalaman sa mga proyekto, nagiging mas kawili-wili ang proseso para sa mga estudyante at tataas ang retention ng mga konsepto. Bukod dito, ang isang low-stakes quiz bago magklase ay nagtatakda ng intensiyon ng estudyante sa pag-aaral ng paksa, habang ang pangalawang quiz pagkatapos ng klase ay nagsisiguro ng mas malalim na retention. Dinisenyo ang kurikulum na ito upang maging flexible at masaya at maaaring kunin nang buo o bahagi lamang. Nagsisimula ang mga proyekto sa maliit at nagiging mas kumplikado hanggang sa katapusan ng 12-linggong siklo. Kasama rin sa kurikulum na ito ang isang postscript tungkol sa mga totoong aplikasyon ng ML, na maaaring gamitin bilang dagdag na kredito o bilang batayan sa diskusyon.
|
|
|
|
|
|
> Hanapin ang aming [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translations](..), at [Troubleshooting](TROUBLESHOOTING.md) na mga gabay. Malugod naming tinatanggap ang iyong makabuluhang feedback!
|
|
|
|
|
|
## Kasama sa bawat leksyon
|
|
|
|
|
|
- opsyonal na sketchnote
|
|
|
- opsyonal na karagdagang video
|
|
|
- video walkthrough (ilang mga leksyon lamang)
|
|
|
- [pre-lecture warmup quiz](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
- nakasulat na leksyon
|
|
|
- para sa mga proyekto-base na leksyon, sunud-sunod na mga gabay kung paano bumuo ng proyekto
|
|
|
- pagsubok sa kaalaman
|
|
|
- isang hamon
|
|
|
- karagdagang babasahin
|
|
|
- assignment
|
|
|
- [post-lecture quiz](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
> **Isang tala tungkol sa mga wika**: Ang mga araling ito ay pangunahing isinulat sa Python, ngunit marami rin ang magagamit sa R. Upang makumpleto ang isang araling R, pumunta sa folder na `/solution` at hanapin ang mga araling R. Naglalaman ang mga ito ng ekstensyong .rmd na kumakatawan sa isang **R Markdown** file na maaaring ipaliwanag bilang isang pagsasama ng `code chunks` (ng R o iba pang mga wika) at isang `YAML header` (na gumagabay kung paano iformat ang mga output tulad ng PDF) sa isang `Markdown document`. Dahil dito, nagsisilbi ito bilang isang pambihirang framework para sa pagsulat para sa agham ng datos dahil pinapayagan kang pagsamahin ang iyong code, ang output nito, at ang iyong mga iniisip sa pamamagitan ng pagsulat ng mga ito sa Markdown. Bukod dito, ang mga dokumento ng R Markdown ay maaaring i-render sa mga format ng output tulad ng PDF, HTML, o Word.
|
|
|
|
|
|
> **Isang tala tungkol sa mga pagsusulit**: Lahat ng mga pagsusulit ay nasa loob ng [Quiz App folder](../../quiz-app), para sa kabuuang 52 na pagsusulit na may tig-tatlong tanong bawat isa. Nakaugnay ito mula sa loob ng mga aralin ngunit ang quiz app ay maaaring patakbuhin nang lokal; sundin ang mga tagubilin sa folder na `quiz-app` upang mag-host nang lokal o mag-deploy sa Azure.
|
|
|
|
|
|
| Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author |
|
|
|
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
|
| 01 | Panimula sa machine learning | [Introduction](1-Introduction/README.md) | Matutunan ang mga pangunahing konsepto sa likod ng machine learning | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
|
| 02 | Kasaysayan ng machine learning | [Introduction](1-Introduction/README.md) | Matutunan ang kasaysayan sa likod ng larangang ito | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
|
|
|
| 03 | Katarungan at machine learning | [Introduction](1-Introduction/README.md) | Ano ang mga mahahalagang pilosopikal na isyu tungkol sa katarungan na dapat isaalang-alang ng mga estudyante kapag bumubuo at nagpapagamit ng ML models? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
|
| 04 | Mga Teknik para sa machine learning | [Introduction](1-Introduction/README.md) | Anong mga teknika ang ginagamit ng mga mananaliksik ng ML upang bumuo ng ML models? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
|
|
|
| 05 | Panimula sa regression | [Regression](2-Regression/README.md) | Magsimula gamit ang Python at Scikit-learn para sa mga regression model | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
|
|
|
| 06 | Mga presyo ng kalabasa sa Hilagang Amerika 🎃 | [Regression](2-Regression/README.md) | I-visualize at linisin ang data bilang paghahanda para sa ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
|
|
|
| 07 | Mga presyo ng kalabasa sa Hilagang Amerika 🎃 | [Regression](2-Regression/README.md) | Bumuo ng linear at polynomial regression models | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
|
|
|
| 08 | Mga presyo ng kalabasa sa Hilagang Amerika 🎃 | [Regression](2-Regression/README.md) | Bumuo ng logistic regression model | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
|
|
|
| 09 | Isang Web App 🔌 | [Web App](3-Web-App/README.md) | Bumuo ng web app upang gamitin ang iyong sanay na modelo | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
|
| 10 | Panimula sa classification | [Classification](4-Classification/README.md) | Linisin, ihanda, at i-visualize ang iyong data; panimula sa classification | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
|
|
|
| 11 | Masasarap na Asian at Indian na mga pagkain 🍜 | [Classification](4-Classification/README.md) | Panimula sa mga classifier | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau |
|
|
|
| 12 | Masasarap na Asian at Indian na mga pagkain 🍜 | [Classification](4-Classification/README.md) | Higit pang mga classifier | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau |
|
|
|
| 13 | Masasarap na Asian at Indian na mga pagkain 🍜 | [Classification](4-Classification/README.md) | Bumuo ng isang recommender web app gamit ang iyong modelo | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
|
| 14 | Panimula sa clustering | [Clustering](5-Clustering/README.md) | Linisin, ihanda, at i-visualize ang iyong data; Panimula sa clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
|
|
|
| 15 | Pagsisiyasat sa Panlasa ng Musika sa Nigeria 🎧 | [Clustering](5-Clustering/README.md) | Siyasatin ang K-Means clustering method | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
|
|
|
| 16 | Panimula sa natural language processing ☕️ | [Natural language processing](6-NLP/README.md) | Matutunan ang mga pangunahing kaalaman tungkol sa NLP sa pamamagitan ng paggawa ng isang simpleng bot | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
|
| 17 | Karaniwang mga Gawain sa NLP ☕️ | [Natural language processing](6-NLP/README.md) | Palalimin ang iyong kaalaman tungkol sa NLP sa pamamagitan ng pag-unawa sa mga karaniwang gawain na kailangan kapag nakikitungo sa mga istruktura ng wika | [Python](6-NLP/2-Tasks/README.md) | Stephen |
|
|
|
| 18 | Pagsasalin at pagsusuri ng damdamin ♥️ | [Natural language processing](6-NLP/README.md) | Pagsasalin at pagsusuri ng damdamin kasama si Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
|
|
|
| 19 | Mga romantikong hotel sa Europe ♥️ | [Natural language processing](6-NLP/README.md) | Pagsusuri ng damdamin gamit ang mga review ng hotel 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
|
|
|
| 20 | Mga romantikong hotel sa Europe ♥️ | [Natural language processing](6-NLP/README.md) | Pagsusuri ng damdamin gamit ang mga review ng hotel 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
|
|
|
| 21 | Panimula sa time series forecasting | [Time series](7-TimeSeries/README.md) | Panimula sa time series forecasting | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
|
|
|
| 22 | ⚡️ Paggamit ng Enerhiya ng Mundo ⚡️ - time series forecasting gamit ang ARIMA | [Time series](7-TimeSeries/README.md) | Time series forecasting gamit ang ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
|
| 23 | ⚡️ Paggamit ng Enerhiya ng Mundo ⚡️ - time series forecasting gamit ang SVR | [Time series](7-TimeSeries/README.md) | Time series forecasting gamit ang Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
|
|
|
| 24 | Panimula sa reinforcement learning | [Reinforcement learning](8-Reinforcement/README.md) | Panimula sa reinforcement learning gamit ang Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
|
|
|
| 25 | Tulungan si Peter na iwasan ang lobo! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Gym ng reinforcement learning | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
|
| Postscript | Mga tunay na senaryo at aplikasyon ng ML | [ML in the Wild](9-Real-World/README.md) | Mga kawili-wili at nagpapamalas na mga totoong aplikasyon ng klasikong ML | [Lesson](9-Real-World/1-Applications/README.md) | Team |
|
|
|
| Postscript | Pag-debug ng Model sa ML gamit ang RAI dashboard | [ML in the Wild](9-Real-World/README.md) | Pag-debug ng Modelo sa Machine Learning gamit ang mga bahagi ng Responsible AI dashboard | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
|
|
> [hanapin lahat ng karagdagang mga mapagkukunan para sa kursong ito sa aming Microsoft Learn collection](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
|
|
## Offline access
|
|
|
|
|
|
Maaari mong patakbuhin ang dokumentasyong ito nang offline gamit ang [Docsify](https://docsify.js.org/#/). I-fork ang repo na ito, [i-install ang Docsify](https://docsify.js.org/#/quickstart) sa iyong lokal na makina, at pagkatapos sa root folder ng repo na ito, i-type ang `docsify serve`. Ang website ay ihahatid sa port 3000 sa iyong localhost: `localhost:3000`.
|
|
|
|
|
|
## PDFs
|
|
|
|
|
|
Hanapin ang pdf ng kurikulum na may mga link [dito](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
|
|
|
|
|
|
|
|
|
## 🎒 Iba pang Mga Kurso
|
|
|
|
|
|
Ang aming koponan ay gumagawa ng iba pang mga kurso! Tingnan ang:
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
|
|
### LangChain
|
|
|
[](https://aka.ms/langchain4j-for-beginners)
|
|
|
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
---
|
|
|
|
|
|
### Azure / Edge / MCP / Agents
|
|
|
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Generative AI Series
|
|
|
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
|
|
|
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
|
|
|
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Pangunahing Pagkatuto
|
|
|
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
|
|
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Copilot Series
|
|
|
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
|
|
|
|
|
## Pagkuha ng Tulong
|
|
|
|
|
|
Kung ikaw ay magkaroon ng kahirapan o may mga tanong tungkol sa paggawa ng mga AI app. Sumali sa kapwa mga nag-aaral at mga bihasang developer sa mga diskusyon tungkol sa MCP. Isa itong sumusuportang komunidad kung saan malugod ang mga tanong at malayang ibinabahagi ang kaalaman.
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
Kung mayroon kang puna tungkol sa produkto o may mga error habang nagtatayo, bisitahin:
|
|
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
## Karagdagang Mga Tip sa Pagkatuto
|
|
|
|
|
|
- Balikan ang mga notebook matapos ng bawat aralin upang mas maintindihan.
|
|
|
- Sanayang magpatupad ng mga algorithm nang mag-isa.
|
|
|
- Suriin ang mga tunay na dataset gamit ang mga natutunang konsepto.
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
|
**Pahayag ng Pagwawaksi**:
|
|
|
Ang dokumentong ito ay isinalin gamit ang AI translation service na [Co-op Translator](https://github.com/Azure/co-op-translator). Bagamat nagsusumikap kami para sa katumpakan, mangyaring tandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o di-umano’y kamalian. Ang orihinal na dokumento sa orihinal nitong wika ang dapat ituring na opisyal na sanggunian. Para sa mahalagang impormasyon, inirerekomenda ang propesyonal na pagsasaling-tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na nagmula sa paggamit ng pagsasaling ito.
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
