ML-For-Beginners/translations/tl

🌐 Suporta sa Iba't Ibang Wika

Sinusuportahan sa pamamagitan ng GitHub Action (Awtomatiko at Laging Napapanahon)

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)

Sumali sa Aming Komunidad

Mayroon kaming ongoing na Discord series na "Learn with AI". Alamin ang higit pa at sumali sa amin sa Learn with AI Series mula Setyembre 18 - 30, 2025. Makakakuha ka ng mga tips at tricks sa paggamit ng GitHub Copilot para sa Data Science.

Machine Learning para sa mga Baguhan - Isang Kurikulum

🌍 Maglakbay sa iba't ibang panig ng mundo habang natututo ng Machine Learning gamit ang mga kultura ng mundo 🌍

Ang mga Cloud Advocates sa Microsoft ay masayang nag-aalok ng isang 12-linggong, 26-araling kurikulum tungkol sa Machine Learning. Sa kurikulum na ito, matututuhan mo ang tinatawag na classic machine learning, gamit ang pangunahing Scikit-learn bilang library at iniiwasan ang deep learning, na tinalakay sa aming AI for Beginners' curriculum. Maaari mo ring ipares ang mga araling ito sa aming 'Data Science for Beginners' curriculum.

Sumama sa amin sa paglalakbay sa iba't ibang panig ng mundo habang ginagamit ang mga klasikong teknik na ito sa datos mula sa iba't ibang bahagi ng mundo. Ang bawat aralin ay may kasamang pre- at post-lesson quizzes, nakasulat na mga tagubilin para kumpletuhin ang aralin, solusyon, takdang-aralin, at marami pang iba. Ang aming project-based na pamamaraan ng pagtuturo ay nagbibigay-daan sa iyo na matuto habang gumagawa, isang napatunayang paraan upang mas tumatak 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

🎨 Pasasalamat din sa aming mga ilustrador Tomomi Imura, Dasani Madipalli, at Jen Looper

🙏 Espesyal na pasasalamat 🙏 sa aming Microsoft Student Ambassador na mga may-akda, tagasuri, at tagapag-ambag ng nilalaman, partikular na sina Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, at Snigdha Agarwal

🤩 Dagdag na pasasalamat sa Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, at Vidushi Gupta para sa aming mga R lessons!

Pagsisimula

Sundin ang mga hakbang na ito:

1. Fork ang Repository: I-click ang "Fork" na button sa kanang-itaas na bahagi ng pahinang ito.
2. Clone ang Repository: git clone https://github.com/microsoft/ML-For-Beginners.git

Hanapin ang lahat ng karagdagang resources para sa kursong ito sa aming Microsoft Learn collection

Mga Mag-aaral, upang magamit ang kurikulum na ito, i-fork ang buong repo sa iyong sariling GitHub account at kumpletuhin ang mga gawain nang mag-isa o kasama ang grupo:

• Magsimula sa pre-lecture quiz.
• Basahin ang lecture at kumpletuhin ang mga aktibidad, huminto at magmuni-muni sa bawat knowledge check.
• Subukang gumawa ng mga proyekto sa pamamagitan ng pag-unawa sa mga aralin sa halip na direktang gamitin ang solution code; gayunpaman, ang code na iyon ay makikita sa /solution folders sa bawat project-oriented na aralin.
• Sagutan ang post-lecture quiz.
• Kumpletuhin ang hamon.
• Kumpletuhin ang takdang-aralin.
• Pagkatapos makumpleto ang isang grupo ng aralin, bisitahin ang Discussion Board at "matutong maglahad" sa pamamagitan ng pag-fill out ng angkop na PAT rubric. Ang 'PAT' ay isang Progress Assessment Tool na isang rubric na iyong pinupunan upang higit pang mapalalim ang iyong pagkatuto. Maaari ka ring mag-react sa ibang PATs upang matuto nang sama-sama.

Para sa karagdagang pag-aaral, inirerekomenda naming sundan ang mga Microsoft Learn modules at learning paths.

Mga Guro, nagbigay kami ng ilang mungkahi kung paano gamitin ang kurikulum na ito.

---

Mga Video Walkthrough

Ang ilan sa mga aralin ay may maikling video. Makikita mo ang lahat ng ito in-line sa mga aralin, o sa ML for Beginners playlist sa Microsoft Developer YouTube channel sa pamamagitan ng pag-click sa imahe sa ibaba.

---

Kilalanin ang Team

Gif ni Mohit Jaisal

🎥 I-click ang imahe sa itaas para sa isang video tungkol sa proyekto at sa mga taong lumikha nito!

---

Pedagogy

Pinili namin ang dalawang pedagogical tenets habang binubuo ang kurikulum na ito: tiyaking ito ay hands-on project-based at may kasamang madalas na quizzes. Bukod dito, ang kurikulum na ito ay may karaniwang tema upang bigyan ito ng pagkakaugnay.

Sa pamamagitan ng pagtiyak na ang nilalaman ay naka-align sa mga proyekto, mas nagiging engaging ang proseso para sa mga mag-aaral at mas tumatatak ang mga konsepto. Bukod dito, ang low-stakes quiz bago ang klase ay nagtatakda ng intensyon ng mag-aaral na matutunan ang isang paksa, habang ang pangalawang quiz pagkatapos ng klase ay nagtitiyak ng karagdagang pagkatuto. Ang kurikulum na ito ay idinisenyo upang maging flexible at masaya at maaaring kunin nang buo o bahagi lamang. Ang mga proyekto ay nagsisimula sa maliit at nagiging mas kumplikado habang tumatagal ang 12-linggong cycle. Kasama rin sa kurikulum na ito ang isang postscript tungkol sa mga totoong aplikasyon ng ML, na maaaring gamitin bilang extra credit o bilang batayan para sa talakayan.

Hanapin ang aming Code of Conduct, Contributing, at Translation guidelines. Malugod naming tinatanggap ang inyong mga konstruktibong puna!

Ang Bawat Aralin ay May Kasamang

• opsyonal na sketchnote
• opsyonal na supplemental video
• video walkthrough (para sa ilang aralin lamang)
• pre-lecture warmup quiz
• nakasulat na aralin
• para sa mga project-based na aralin, step-by-step na gabay kung paano gawin ang proyekto
• knowledge checks
• isang hamon
• karagdagang babasahin
• takdang-aralin
• post-lecture quiz

Tungkol sa mga wika: Ang mga araling ito ay pangunahing nakasulat sa Python, ngunit marami rin ang available sa R. Upang kumpletuhin ang isang R lesson, pumunta sa /solution folder at hanapin ang mga R lessons. Ang mga ito ay may .rmd extension na kumakatawan sa isang R Markdown file na maaaring tukuyin bilang isang dokumento na naglalaman ng code chunks (ng R o iba pang wika) at isang YAML header (na gumagabay kung paano i-format ang outputs tulad ng PDF) sa isang Markdown document. Dahil dito, ito ay isang mahusay na framework para sa data science dahil pinapayagan kang pagsamahin ang iyong code, ang output nito, at ang iyong mga ideya sa pamamagitan ng pagsulat ng mga ito sa Markdown. Bukod dito, ang mga R Markdown na dokumento ay maaaring i-render sa mga output format tulad ng PDF, HTML, o Word.

Tungkol sa quizzes: Ang lahat ng quizzes ay nasa Quiz App folder, para sa kabuuang 52 quizzes na may tig-tatlong tanong bawat isa. Ang mga ito ay naka-link mula sa loob ng mga aralin ngunit maaaring i-run locally ang quiz app; sundin ang mga tagubilin sa quiz-app folder upang i-host locally o i-deploy sa Azure.

Lesson Number	Paksa	Pangkat ng Aralin	Mga Layunin sa Pagkatuto	Naka-link na Aralin	May-akda
01	Panimula sa machine learning	Panimula	Matutunan ang mga pangunahing konsepto sa likod ng machine learning	Aralin	Muhammad
02	Kasaysayan ng machine learning	Panimula	Matutunan ang kasaysayan sa likod ng larangang ito	Aralin	Jen at Amy
03	Pagkamakatarungan at machine learning	Introduction	Ano ang mga mahahalagang isyung pilosopikal tungkol sa pagkamakatarungan na dapat isaalang-alang ng mga mag-aaral kapag gumagawa at nag-aaplay ng mga ML model?	Lesson	Tomomi
04	Mga Teknik para sa Machine Learning	Introduction	Anong mga teknik ang ginagamit ng mga mananaliksik ng ML upang bumuo ng mga ML model?	Lesson	Chris at Jen
05	Panimula sa Regression	Regression	Magsimula sa Python at Scikit-learn para sa mga regression model	Python • R	Jen • Eric Wanjau
06	Mga Presyo ng Kalabasa sa Hilagang Amerika 🎃	Regression	I-visualize at linisin ang data bilang paghahanda para sa ML	Python • R	Jen • Eric Wanjau
07	Mga Presyo ng Kalabasa sa Hilagang Amerika 🎃	Regression	Gumawa ng linear at polynomial regression models	Python • R	Jen at Dmitry • Eric Wanjau
08	Mga Presyo ng Kalabasa sa Hilagang Amerika 🎃	Regression	Gumawa ng logistic regression model	Python • R	Jen • Eric Wanjau
09	Isang Web App 🔌	Web App	Gumawa ng web app upang magamit ang iyong na-train na model	Python	Jen
10	Panimula sa Classification	Classification	Linisin, ihanda, at i-visualize ang iyong data; panimula sa classification	Python • R	Jen at Cassie • Eric Wanjau
11	Masasarap na Asian at Indian na Lutuin 🍜	Classification	Panimula sa classifiers	Python • R	Jen at Cassie • Eric Wanjau
12	Masasarap na Asian at Indian na Lutuin 🍜	Classification	Higit pang mga classifiers	Python • R	Jen at Cassie • Eric Wanjau
13	Masasarap na Asian at Indian na Lutuin 🍜	Classification	Gumawa ng recommender web app gamit ang iyong model	Python	Jen
14	Panimula sa Clustering	Clustering	Linisin, ihanda, at i-visualize ang iyong data; Panimula sa clustering	Python • R	Jen • Eric Wanjau
15	Pagsusuri sa Mga Panlasa ng Musika sa Nigeria 🎧	Clustering	Suriin ang K-Means clustering method	Python • R	Jen • Eric Wanjau
16	Panimula sa Natural Language Processing ☕️	Natural language processing	Alamin ang mga pangunahing kaalaman tungkol sa NLP sa pamamagitan ng paggawa ng simpleng bot	Python	Stephen
17	Karaniwang Gawain sa NLP ☕️	Natural language processing	Palalimin ang iyong kaalaman sa NLP sa pamamagitan ng pag-unawa sa mga karaniwang gawain na kinakailangan kapag humaharap sa mga istruktura ng wika	Python	Stephen
18	Pagsasalin at Sentiment Analysis ♥️	Natural language processing	Pagsasalin at sentiment analysis gamit si Jane Austen	Python	Stephen
19	Mga Romantic na Hotel sa Europa ♥️	Natural language processing	Sentiment analysis gamit ang mga review ng hotel 1	Python	Stephen
20	Mga Romantic na Hotel sa Europa ♥️	Natural language processing	Sentiment analysis gamit ang mga review ng hotel 2	Python	Stephen
21	Panimula sa Time Series Forecasting	Time series	Panimula sa time series forecasting	Python	Francesca
22	⚡️ Paggamit ng Kuryente sa Mundo ⚡️ - Time Series Forecasting gamit ang ARIMA	Time series	Time series forecasting gamit ang ARIMA	Python	Francesca
23	⚡️ Paggamit ng Kuryente sa Mundo ⚡️ - Time Series Forecasting gamit ang SVR	Time series	Time series forecasting gamit ang Support Vector Regressor	Python	Anirban
24	Panimula sa Reinforcement Learning	Reinforcement learning	Panimula sa reinforcement learning gamit ang Q-Learning	Python	Dmitry
25	Tulungan si Peter na Iwasan ang Lobo! 🐺	Reinforcement learning	Reinforcement learning Gym	Python	Dmitry
Postscript	Mga Real-World Scenario at Aplikasyon ng ML	ML in the Wild	Mga kawili-wili at nakakagulat na totoong aplikasyon ng klasikong ML	Lesson	Team
Postscript	Pag-debug ng Model sa ML gamit ang RAI Dashboard	ML in the Wild	Pag-debug ng Model sa Machine Learning gamit ang mga bahagi ng Responsible AI dashboard	Lesson	Ruth Yakubu

hanapin ang lahat ng karagdagang mapagkukunan para sa kursong ito sa aming Microsoft Learn collection

Offline na Pag-access

Maaari mong patakbuhin ang dokumentasyong ito offline gamit ang Docsify. I-fork ang repo na ito, i-install ang Docsify sa iyong lokal na makina, at pagkatapos sa root folder ng repo na ito, i-type ang docsify serve. Ang website ay magsisilbi sa port 3000 sa iyong localhost: localhost:3000.

Mga PDF

Hanapin ang PDF ng kurikulum na may mga link dito.

🎒 Iba Pang Kurso

Ang aming koponan ay gumagawa ng iba pang mga kurso! Tingnan:

• Generative AI for Beginners
• Generative AI for Beginners .NET
• Generative AI with JavaScript
• Generative AI with Java
• AI for Beginners
• Data Science for Beginners
• ML for Beginners
• Cybersecurity for Beginners
• Web Dev for Beginners
• IoT for Beginners
• XR Development for Beginners
• Mastering GitHub Copilot for Paired Programming
• Mastering GitHub Copilot for C#/.NET Developers
• Choose Your Own Copilot Adventure

---