|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "4f0e1f1641aa1659ed5c8debc6f2e0b2",
|
|
|
"translation_date": "2025-09-23T09:39:50+00:00",
|
|
|
"source_file": "README.md",
|
|
|
"language_code": "bg"
|
|
|
}
|
|
|
-->
|
|
|
[](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/)
|
|
|
|
|
|
### 🌐 Поддръжка на много езици
|
|
|
|
|
|
#### Поддържани чрез GitHub Action (Автоматизирано и винаги актуално)
|
|
|
|
|
|
[French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](./README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md)
|
|
|
|
|
|
#### Присъединете се към нашата общност
|
|
|
|
|
|
[](https://aka.ms/ml4beginners/discord)
|
|
|
|
|
|
Имаме текуща серия за обучение с AI в Discord. Научете повече и се присъединете към нас на [Learn with AI Series](https://aka.ms/learnwithai/discord) от 18 до 30 септември 2025 г. Ще получите съвети и трикове за използване на GitHub Copilot за Data Science.
|
|
|
|
|
|
|
|
|
|
|
|
# Машинно обучение за начинаещи - учебна програма
|
|
|
|
|
|
> 🌍 Пътувайте по света, докато изследваме машинното обучение чрез културите на различни страни 🌍
|
|
|
|
|
|
Екипът на Cloud Advocates в Microsoft с удоволствие предлага 12-седмична учебна програма с 26 урока, посветена на **машинното обучение**. В тази програма ще научите за това, което понякога се нарича **класическо машинно обучение**, като основно използвате библиотеката Scikit-learn и избягвате дълбокото обучение, което е обхванато в нашата [учебна програма за AI за начинаещи](https://aka.ms/ai4beginners). Съчетайте тези уроци с нашата [учебна програма за Data Science за начинаещи](https://aka.ms/ds4beginners), също така!
|
|
|
|
|
|
Пътувайте с нас по света, докато прилагаме тези класически техники към данни от различни региони. Всеки урок включва тестове преди и след урока, писмени инструкции за изпълнение на урока, решение, задача и други. Нашата проектно-ориентирана методология ви позволява да учите, докато създавате, доказан начин за усвояване на нови умения.
|
|
|
|
|
|
**✍️ Сърдечни благодарности на нашите автори** Джен Лупър, Стивън Хауъл, Франческа Лазери, Томоми Имура, Каси Бревиу, Дмитрий Сошников, Крис Норинг, Анирбан Мукерджи, Орнела Алтунян, Рут Якобу и Ейми Бойд
|
|
|
|
|
|
**🎨 Благодарности и на нашите илюстратори** Томоми Имура, Дасани Мадипали и Джен Лупър
|
|
|
|
|
|
**🙏 Специални благодарности 🙏 на нашите автори, рецензенти и сътрудници от Microsoft Student Ambassador**, включително Ришит Дагли, Мухаммад Сакиб Хан Инан, Рохан Радж, Александру Петреску, Абишек Джайсвал, Наврин Табасум, Йоан Самуила и Снигдха Агарвал
|
|
|
|
|
|
**🤩 Допълнителна благодарност на Microsoft Student Ambassadors Ерик Ванджау, Джаслийн Сонди и Видуши Гупта за нашите уроци по R!**
|
|
|
|
|
|
# Започнете
|
|
|
|
|
|
Следвайте тези стъпки:
|
|
|
1. **Fork на хранилището**: Кликнете върху бутона "Fork" в горния десен ъгъл на тази страница.
|
|
|
2. **Клонирайте хранилището**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
|
|
|
|
|
|
> [намерете всички допълнителни ресурси за този курс в нашата колекция Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
|
|
**[Студенти](https://aka.ms/student-page)**, за да използвате тази учебна програма, направете fork на цялото хранилище към вашия собствен GitHub акаунт и изпълнете упражненията самостоятелно или в група:
|
|
|
|
|
|
- Започнете с тест преди лекцията.
|
|
|
- Прочетете лекцията и изпълнете дейностите, като правите паузи и размишлявате при всяка проверка на знанията.
|
|
|
- Опитайте да създадете проектите, като разбирате уроците, вместо да изпълнявате предоставения код; въпреки това този код е наличен в папките `/solution` за всеки проектно-ориентиран урок.
|
|
|
- Направете тест след лекцията.
|
|
|
- Завършете предизвикателството.
|
|
|
- Завършете задачата.
|
|
|
- След като завършите група уроци, посетете [Дискусионния форум](https://github.com/microsoft/ML-For-Beginners/discussions) и "учете на глас", като попълните съответния PAT рубрик. PAT е инструмент за оценка на напредъка, който е рубрика, която попълвате, за да задълбочите обучението си. Можете също така да реагирате на други PAT, за да учим заедно.
|
|
|
|
|
|
> За допълнително обучение препоръчваме да следвате тези [модули и учебни пътеки в Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
|
|
|
|
|
|
**Учители**, включили сме [някои предложения](for-teachers.md) за това как да използвате тази учебна програма.
|
|
|
|
|
|
---
|
|
|
|
|
|
## Видео уроци
|
|
|
|
|
|
Някои от уроците са налични като кратки видеа. Можете да намерите всички тях в самите уроци или в [плейлиста ML for Beginners в YouTube канала на Microsoft Developer](https://aka.ms/ml-beginners-videos), като кликнете върху изображението по-долу.
|
|
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
|
|
---
|
|
|
|
|
|
## Запознайте се с екипа
|
|
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
|
|
**Gif от** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
|
|
> 🎥 Кликнете върху изображението по-горе за видео за проекта и хората, които го създадоха!
|
|
|
|
|
|
---
|
|
|
|
|
|
## Педагогика
|
|
|
|
|
|
Избрахме два педагогически принципа при създаването на тази учебна програма: да бъде практическа **проектно-ориентирана** и да включва **чести тестове**. Освен това, тази учебна програма има обща **тема**, която й придава сплотеност.
|
|
|
|
|
|
Като гарантираме, че съдържанието е свързано с проекти, процесът става по-ангажиращ за студентите и запазването на концепциите се увеличава. Освен това, тест с нисък риск преди урока насочва вниманието на студента към изучаването на дадена тема, докато втори тест след урока гарантира допълнително запазване на знанията. Тази учебна програма е проектирана да бъде гъвкава и забавна и може да се използва изцяло или частично. Проектите започват с малки задачи и стават все по-сложни до края на 12-седмичния цикъл. Учебната програма включва и постскрипт за реални приложения на машинното обучение, който може да се използва като допълнителен кредит или като основа за дискусия.
|
|
|
|
|
|
> Намерете нашите [Правила за поведение](CODE_OF_CONDUCT.md), [Насоки за принос](CONTRIBUTING.md) и [Насоки за превод](TRANSLATIONS.md). Очакваме вашата конструктивна обратна връзка!
|
|
|
|
|
|
## Всеки урок включва
|
|
|
|
|
|
- опционална скица
|
|
|
- опционално допълнително видео
|
|
|
- видео урок (само за някои уроци)
|
|
|
- [тест за загряване преди лекцията](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
- писмен урок
|
|
|
- за проектно-ориентирани уроци, ръководства стъпка по стъпка за изграждане на проекта
|
|
|
- проверки на знанията
|
|
|
- предизвикателство
|
|
|
- допълнително четиво
|
|
|
- задача
|
|
|
- [тест след лекцията](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
|
|
> **Бележка за езиците**: Тези уроци са основно написани на Python, но много от тях са налични и на R. За да завършите урок на R, отидете в папката `/solution` и потърсете уроци на R. Те включват разширение .rmd, което представлява **R Markdown** файл, който може да се определи като вграждане на `кодови блокове` (на R или други езици) и `YAML заглавие` (което насочва как да се форматират изходите като PDF) в `Markdown документ`. Така той служи като примерна рамка за авторство в областта на науката за данни, тъй като ви позволява да комбинирате вашия код, неговия изход и вашите мисли, като ви позволява да ги записвате в Markdown. Освен това, R Markdown документи могат да бъдат преобразувани в изходни формати като PDF, HTML или Word.
|
|
|
|
|
|
> **Бележка за тестовете**: Всички тестове са включени в [папката Quiz App](../../quiz-app), за общо 52 теста с по три въпроса всеки. Те са свързани от самите уроци, но приложението за тестове може да се изпълнява локално; следвайте инструкциите в папката `quiz-app`, за да го хоствате локално или да го разположите в Azure.
|
|
|
|
|
|
| Номер на урока | Тема | Групиране на уроци | Учебни цели | Свързан урок | Автор |
|
|
|
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
|
| 01 | Въведение в машинното обучение | [Въведение](1-Introduction/README.md) | Научете основните концепции зад машинното обучение | [Урок](1-Introduction/1-intro-to-ML/README.md) | Мухаммад |
|
|
|
| 02 | История на машинното обучение | [Въведение](1-Introduction/README.md) | Научете историята, която стои зад тази област | [Урок](1-Introduction/2-history-of-ML/README.md) | Джен и Ейми |
|
|
|
| 03 | Справедливост и машинно обучение | [Introduction](1-Introduction/README.md) | Какви са важните философски въпроси около справедливостта, които студентите трябва да обмислят при създаване и прилагане на ML модели? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
|
| 04 | Техники за машинно обучение | [Introduction](1-Introduction/README.md) | Какви техники използват изследователите в ML за създаване на ML модели? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
|
|
|
| 05 | Въведение в регресията | [Regression](2-Regression/README.md) | Започнете с Python и Scikit-learn за модели на регресия | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
|
|
|
| 06 | Цени на тикви в Северна Америка 🎃 | [Regression](2-Regression/README.md) | Визуализирайте и почистете данни в подготовка за ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
|
|
|
| 07 | Цени на тикви в Северна Америка 🎃 | [Regression](2-Regression/README.md) | Създайте линейни и полиномиални модели на регресия | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
|
|
|
| 08 | Цени на тикви в Северна Америка 🎃 | [Regression](2-Regression/README.md) | Създайте модел на логистична регресия | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
|
|
|
| 09 | Уеб приложение 🔌 | [Web App](3-Web-App/README.md) | Създайте уеб приложение, което използва вашия обучен модел | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
|
| 10 | Въведение в класификацията | [Classification](4-Classification/README.md) | Почистете, подгответе и визуализирайте данните си; въведение в класификацията | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
|
|
|
| 11 | Вкусни азиатски и индийски ястия 🍜 | [Classification](4-Classification/README.md) | Въведение в класификаторите | [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 | Вкусни азиатски и индийски ястия 🍜 | [Classification](4-Classification/README.md) | Още класификатори | [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 | Вкусни азиатски и индийски ястия 🍜 | [Classification](4-Classification/README.md) | Създайте уеб приложение за препоръки, използвайки вашия модел | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
|
| 14 | Въведение в клъстеризацията | [Clustering](5-Clustering/README.md) | Почистете, подгответе и визуализирайте данните си; въведение в клъстеризацията | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
|
|
|
| 15 | Изследване на нигерийски музикални вкусове 🎧 | [Clustering](5-Clustering/README.md) | Изследвайте метода на клъстеризация K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
|
|
|
| 16 | Въведение в обработката на естествен език ☕️ | [Natural language processing](6-NLP/README.md) | Научете основите на NLP, като създадете прост бот | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
|
| 17 | Често срещани задачи в NLP ☕️ | [Natural language processing](6-NLP/README.md) | Задълбочете знанията си за NLP, като разберете често срещаните задачи, свързани с езиковите структури | [Python](6-NLP/2-Tasks/README.md) | Stephen |
|
|
|
| 18 | Превод и анализ на настроения ♥️ | [Natural language processing](6-NLP/README.md) | Превод и анализ на настроения с Джейн Остин | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
|
|
|
| 19 | Романтични хотели в Европа ♥️ | [Natural language processing](6-NLP/README.md) | Анализ на настроения с отзиви за хотели 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
|
|
|
| 20 | Романтични хотели в Европа ♥️ | [Natural language processing](6-NLP/README.md) | Анализ на настроения с отзиви за хотели 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
|
|
|
| 21 | Въведение в прогнозиране на времеви редове | [Time series](7-TimeSeries/README.md) | Въведение в прогнозиране на времеви редове | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
|
|
|
| 22 | ⚡️ Световна консумация на енергия ⚡️ - прогнозиране с ARIMA | [Time series](7-TimeSeries/README.md) | Прогнозиране на времеви редове с ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
|
| 23 | ⚡️ Световна консумация на енергия ⚡️ - прогнозиране със SVR | [Time series](7-TimeSeries/README.md) | Прогнозиране на времеви редове с Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
|
|
|
| 24 | Въведение в обучението чрез подсилване | [Reinforcement learning](8-Reinforcement/README.md) | Въведение в обучението чрез подсилване с Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
|
|
|
| 25 | Помогнете на Питър да избегне вълка! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Обучение чрез подсилване с Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
|
| Postscript | Реални сценарии и приложения на ML | [ML in the Wild](9-Real-World/README.md) | Интересни и разкриващи реални приложения на класическото ML | [Lesson](9-Real-World/1-Applications/README.md) | Team |
|
|
|
| Postscript | Отстраняване на грешки в ML модели с RAI табло | [ML in the Wild](9-Real-World/README.md) | Отстраняване на грешки в машинното обучение с компоненти на таблото за отговорен AI | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
|
|
> [намерете всички допълнителни ресурси за този курс в нашата колекция в Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
|
|
## Офлайн достъп
|
|
|
|
|
|
Можете да използвате тази документация офлайн, като използвате [Docsify](https://docsify.js.org/#/). Форкнете това хранилище, [инсталирайте Docsify](https://docsify.js.org/#/quickstart) на вашата локална машина и след това в основната папка на това хранилище въведете `docsify serve`. Уебсайтът ще бъде достъпен на порт 3000 на вашия localhost: `localhost:3000`.
|
|
|
|
|
|
## PDFs
|
|
|
|
|
|
Намерете PDF на учебната програма с връзки [тук](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
|
|
|
|
|
|
## 🎒 Други курсове
|
|
|
|
|
|
Нашият екип създава и други курсове! Разгледайте:
|
|
|
|
|
|
- [Generative AI for Beginners](https://aka.ms/genai-beginners)
|
|
|
- [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
|
|
|
- [Generative AI with JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
|
|
|
- [Generative AI with Java](https://github.com/microsoft/Generative-AI-for-beginners-java)
|
|
|
- [AI for Beginners](https://aka.ms/ai-beginners)
|
|
|
- [Data Science for Beginners](https://aka.ms/datascience-beginners)
|
|
|
- [ML for Beginners](https://aka.ms/ml-beginners)
|
|
|
- [Cybersecurity for Beginners](https://github.com/microsoft/Security-101)
|
|
|
- [Web Dev for Beginners](https://aka.ms/webdev-beginners)
|
|
|
- [IoT for Beginners](https://aka.ms/iot-beginners)
|
|
|
- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners)
|
|
|
- [Mastering GitHub Copilot for Paired Programming](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
|
|
|
- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
|
|
|
- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures)
|
|
|
|
|
|
---
|
|
|
|
