ML-For-Beginners/translations/hr

🌐 Podrška za više jezika

Podržano putem GitHub Action (Automatizirano i uvijek ažurirano)

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

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 svjetske kulture 🌍

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 for Beginners' curriculum. Povežite ove lekcije s našim kurikulumom 'Data Science for Beginners', također!

Putujte s nama svijetom dok primjenjujemo ove klasične tehnike na podatke iz različitih dijelova svijeta. Svaka lekcija uključuje kvizove prije i poslije lekcije, pisane upute za dovršavanje lekcije, rješenje, zadatak i još mnogo toga. Naša metodologija temeljena na projektima omogućuje vam učenje kroz izgradnju, što je 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, 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 završetka grupe lekcija, posjetite Discussion Board 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 for Beginners playlist na Microsoft Developer YouTube kanalu klikom na sliku ispod.

---

Upoznajte tim

Gif by 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. Ovaj kurikulum također uključuje dodatak o stvarnim primjenama ML-a, koji se može koristiti kao dodatni zadatak ili kao osnova za raspravu.

Pronađite naš Code of Conduct, Contributing i Translation smjernice. 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 kombinacija code chunks (R ili drugih jezika) i YAML header (koji vodi kako formatirati izlaze poput PDF-a) u Markdown dokumentu. Kao takva, služi kao primjeran okvir za pisanje za data science 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 su sadržani u Quiz App folder, 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	Introduction	Koja su važna filozofska pitanja o pravednosti koja studenti trebaju razmotriti pri izradi i primjeni ML modela?	Lesson	Tomomi
04	Tehnike za strojno učenje	Introduction	Koje tehnike istraživači koriste za izradu ML modela?	Lesson	Chris i Jen
05	Uvod u regresiju	Regression	Počnite s Pythonom i Scikit-learnom za regresijske modele	Python • R	Jen • Eric Wanjau
06	Cijene bundeva u Sjevernoj Americi 🎃	Regression	Vizualizirajte i očistite podatke u pripremi za ML	Python • R	Jen • Eric Wanjau
07	Cijene bundeva u Sjevernoj Americi 🎃	Regression	Izradite linearne i polinomne regresijske modele	Python • R	Jen i Dmitry • Eric Wanjau
08	Cijene bundeva u Sjevernoj Americi 🎃	Regression	Izradite logistički regresijski model	Python • R	Jen • Eric Wanjau
09	Web aplikacija 🔌	Web App	Izradite web aplikaciju za korištenje vašeg treniranog modela	Python	Jen
10	Uvod u klasifikaciju	Classification	Očistite, pripremite i vizualizirajte podatke; uvod u klasifikaciju	Python • R	Jen i Cassie • Eric Wanjau
11	Ukusna azijska i indijska kuhinja 🍜	Classification	Uvod u klasifikatore	Python • R	Jen i Cassie • Eric Wanjau
12	Ukusna azijska i indijska kuhinja 🍜	Classification	Više klasifikatora	Python • R	Jen i Cassie • Eric Wanjau
13	Ukusna azijska i indijska kuhinja 🍜	Classification	Izradite web aplikaciju preporuka koristeći vaš model	Python	Jen
14	Uvod u grupiranje	Clustering	Očistite, pripremite i vizualizirajte podatke; uvod u grupiranje	Python • R	Jen • Eric Wanjau
15	Istraživanje glazbenih ukusa u Nigeriji 🎧	Clustering	Istražite metodu grupiranja K-Means	Python • R	Jen • Eric Wanjau
16	Uvod u obradu prirodnog jezika ☕️	Natural language processing	Naučite osnove NLP-a izradom jednostavnog bota	Python	Stephen
17	Uobičajeni NLP zadaci ☕️	Natural language processing	Produbite svoje znanje o NLP-u razumijevanjem uobičajenih zadataka vezanih uz jezične strukture	Python	Stephen
18	Prijevod i analiza sentimenta ♥️	Natural language processing	Prijevod i analiza sentimenta s Jane Austen	Python	Stephen
19	Romantični hoteli u Europi ♥️	Natural language processing	Analiza sentimenta s recenzijama hotela 1	Python	Stephen
20	Romantični hoteli u Europi ♥️	Natural language processing	Analiza sentimenta s recenzijama hotela 2	Python	Stephen
21	Uvod u predviđanje vremenskih serija	Time series	Uvod u predviđanje vremenskih serija	Python	Francesca
22	⚡️ Svjetska potrošnja energije ⚡️ - predviđanje vremenskih serija s ARIMA	Time series	Predviđanje vremenskih serija s ARIMA	Python	Francesca
23	⚡️ Svjetska potrošnja energije ⚡️ - predviđanje vremenskih serija s SVR	Time series	Predviđanje vremenskih serija s Support Vector Regressor	Python	Anirban
24	Uvod u učenje kroz potkrepljenje	Reinforcement learning	Uvod u učenje kroz potkrepljenje s Q-Learning	Python	Dmitry
25	Pomozite Peteru izbjeći vuka! 🐺	Reinforcement learning	Učenje kroz potkrepljenje s Gym	Python	Dmitry
Postscript	Scenariji i primjene ML-a u stvarnom svijetu	ML in the Wild	Zanimljive i otkrivajuće primjene klasičnog ML-a u stvarnom svijetu	Lesson	Tim
Postscript	Debugging modela u ML-u koristeći RAI dashboard	ML in the Wild	Debugging modela u strojnome učenju koristeći komponente Responsible AI dashboarda	Lesson	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 poslužena 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:

• Generativna AI za početnike
• Generativna AI za početnike .NET
• Generativna AI s JavaScriptom
• Generativna 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
• Izaberite vlastitu Copilot avanturu

---