leestott
1f5af4814d
|
11 months ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 11 months ago | |
| 2-Regression | 11 months ago | |
| 3-Web-App | 11 months ago | |
| 4-Classification | 11 months ago | |
| 5-Clustering | 11 months ago | |
| 6-NLP | 11 months ago | |
| 7-TimeSeries | 11 months ago | |
| 8-Reinforcement | 11 months ago | |
| 9-Real-World | 11 months ago | |
| docs | 11 months ago | |
| quiz-app | 11 months ago | |
| sketchnotes | 11 months ago | |
| CODE_OF_CONDUCT.md | 11 months ago | |
| CONTRIBUTING.md | 11 months ago | |
| PyTorch_Fundamentals.ipynb | 11 months ago | |
| README.md | 11 months ago | |
| SECURITY.md | 11 months ago | |
| SUPPORT.md | 11 months ago | |
| for-teachers.md | 11 months ago | |
README.md
🌐 Többnyelvű támogatás
Támogatott GitHub Action által (Automatikus és mindig naprakész)
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)
Csatlakozz a közösséghez
Gépi tanulás kezdőknek - Tananyag
🌍 Utazz körbe a világon, miközben a gépi tanulást különböző kultúrákon keresztül fedezzük fel 🌍
A Microsoft Cloud Advocates csapata örömmel kínál egy 12 hetes, 26 leckéből álló tananyagot a gépi tanulásról. Ebben a tananyagban megismerheted az úgynevezett klasszikus gépi tanulást, elsősorban a Scikit-learn könyvtár használatával, elkerülve a mély tanulást, amelyet a AI for Beginners tananyagunkban tárgyalunk. Párosítsd ezeket a leckéket a 'Data Science for Beginners' tananyagunkkal is!
Utazz velünk a világ körül, miközben ezeket a klasszikus technikákat alkalmazzuk különböző régiók adataira. Minden lecke tartalmaz előzetes és utólagos kvízeket, írásos útmutatót a lecke elvégzéséhez, megoldást, feladatot és még sok mást. Projektalapú pedagógiai megközelítésünk lehetővé teszi, hogy tanulás közben építs, ami bizonyítottan segíti az új készségek elsajátítását.
✍️ Köszönet szerzőinknek Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu és Amy Boyd
🎨 Köszönet illusztrátorainknak Tomomi Imura, Dasani Madipalli és Jen Looper
🙏 Külön köszönet 🙏 a Microsoft Student Ambassador szerzőknek, bírálóknak és tartalomhozzájárulóknak, különösen Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila és Snigdha Agarwal
🤩 Extra köszönet a Microsoft Student Ambassadoroknak Eric Wanjau, Jasleen Sondhi és Vidushi Gupta az R leckékért!
Kezdés
Kövesd az alábbi lépéseket:
- Forkold a repót: Kattints az oldal jobb felső sarkában található "Fork" gombra.
- Klónozd a repót:
git clone https://github.com/microsoft/ML-For-Beginners.git
találd meg a kurzushoz kapcsolódó további forrásokat a Microsoft Learn gyűjteményünkben
Diákok, hogy használjátok ezt a tananyagot, forkold az egész repót a saját GitHub fiókodba, és végezd el a gyakorlatokat egyedül vagy csoportban:
- Kezdd egy előzetes kvízzel.
- Olvasd el a leckét, és végezd el a tevékenységeket, megállva és reflektálva minden tudásellenőrzésnél.
- Próbáld meg létrehozni a projekteket a leckék megértésével, ahelyett hogy a megoldás kódját futtatnád; bár a kód elérhető a
/solutionmappákban minden projektalapú leckénél. - Töltsd ki az utólagos kvízt.
- Teljesítsd a kihívást.
- Teljesítsd a feladatot.
- Miután befejeztél egy leckecsoportot, látogasd meg a Vita fórumot, és "tanulj hangosan" azzal, hogy kitöltöd a megfelelő PAT rubrikát. A 'PAT' egy Haladás Értékelési Eszköz, amely egy rubrika, amit kitöltesz a tanulásod elősegítése érdekében. Mások PAT-jaira is reagálhatsz, hogy együtt tanuljunk.
További tanulmányokhoz ajánljuk, hogy kövesd ezeket a Microsoft Learn modulokat és tanulási útvonalakat.
Tanárok, néhány javaslatot is mellékeltünk arra vonatkozóan, hogyan használjátok ezt a tananyagot.
Videós bemutatók
Néhány lecke rövid videó formájában is elérhető. Ezeket megtalálhatod a leckékben, vagy a ML for Beginners lejátszási listán a Microsoft Developer YouTube csatornán, ha az alábbi képre kattintasz.
Ismerd meg a csapatot
Gif készítette Mohit Jaisal
🎥 Kattints a fenti képre, hogy megnézd a projektet és az alkotókat bemutató videót!
Pedagógia
Két pedagógiai elvet választottunk a tananyag összeállításakor: biztosítani, hogy projektalapú legyen, és hogy gyakori kvízeket tartalmazzon. Emellett a tananyagnak van egy közös témája, amely összefogja az anyagot.
Azáltal, hogy a tartalom projektekhez kapcsolódik, a folyamat érdekesebbé válik a diákok számára, és a fogalmak jobban rögzülnek. Emellett egy alacsony tétű kvíz az óra előtt a diákot a téma tanulására irányítja, míg egy második kvíz az óra után tovább erősíti a tanultakat. Ez a tananyag rugalmas és szórakoztató, és egészében vagy részleteiben is elvégezhető. A projektek kicsiben kezdődnek, és a 12 hetes ciklus végére egyre összetettebbé válnak. A tananyag tartalmaz egy utószót is a gépi tanulás valós alkalmazásairól, amelyet extra kreditként vagy vitaalapként lehet használni.
Találd meg a Magatartási kódexünket, Hozzájárulási és Fordítási irányelveinket. Örömmel fogadjuk az építő jellegű visszajelzéseidet!
Minden lecke tartalmaz
- opcionális sketchnote
- opcionális kiegészítő videó
- videós bemutató (csak néhány leckénél)
- előzetes kvíz
- írásos lecke
- projektalapú leckéknél lépésről lépésre útmutató a projekt elkészítéséhez
- tudásellenőrzések
- kihívás
- kiegészítő olvasmány
- feladat
- utólagos kvíz
Megjegyzés a nyelvekről: Ezek a leckék elsősorban Python nyelven íródtak, de sok elérhető R nyelven is. Az R leckék elvégzéséhez menj a
/solutionmappába, és keresd az R leckéket. Ezek.rmdkiterjesztést tartalmaznak, amely egy R Markdown fájlt jelöl, amely egyszerűen definiálható úgy, mintkódrészletek(R vagy más nyelvek) és egyYAML fejléc(amely irányítja az outputok formázását, például PDF) beágyazása egyMarkdown dokumentumba. Ezáltal kiváló szerzői keretet biztosít az adatkutatáshoz, mivel lehetővé teszi, hogy kombináld a kódodat, annak eredményét és a gondolataidat, azáltal hogy Markdownban leírod őket. Továbbá, az R Markdown dokumentumok olyan output formátumokra renderelhetők, mint PDF, HTML vagy Word.
Megjegyzés a kvízekről: Minden kvíz a Quiz App mappában található, összesen 52 darab három kérdéses kvízzel. Ezek a leckékből vannak linkelve, de a kvíz alkalmazás helyileg is futtatható; kövesd az utasításokat a
quiz-appmappában, hogy helyileg futtasd vagy Azure-ra telepítsd.
| Lecke száma | Téma | Leckecsoport | Tanulási célok | Kapcsolódó lecke | Szerző |
|---|---|---|---|---|---|
| 01 | Bevezetés a gépi tanulásba | Bevezetés | Ismerd meg a gépi tanulás alapfogalmait | Lecke | Muhammad |
| 02 | A gépi tanulás története | Bevezetés | Ismerd meg a terület történetét | Lecke | Jen és Amy |
| 03 | Méltányosság és gépi tanulás | Bevezetés | Milyen fontos filozófiai kérdéseket kell figyelembe venni a méltányosság kapcsán, amikor ML modelleket építünk és alkalmazunk? | Lecke | Tomomi |
| 04 | Gépi tanulási technikák | Bevezetés | Milyen technikákat használnak a gépi tanulás kutatói modellek építéséhez? | Lecke | Chris és Jen |
| 05 | Bevezetés a regresszióba | Regresszió | Ismerkedj meg a Python és Scikit-learn használatával regressziós modellekhez |
- [Python](2-Regression/1-Tools/README.md)
- [R](../../2-Regression/1-Tools/solution/R/lesson_1.html)
- Jen
- Eric Wanjau
- [Python](2-Regression/2-Data/README.md)
- [R](../../2-Regression/2-Data/solution/R/lesson_2.html)
- Jen
- Eric Wanjau
- [Python](2-Regression/3-Linear/README.md)
- [R](../../2-Regression/3-Linear/solution/R/lesson_3.html)
- Jen és Dmitry
- Eric Wanjau
- [Python](2-Regression/4-Logistic/README.md)
- [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)
- Jen
- Eric Wanjau
- [Python](4-Classification/1-Introduction/README.md)
- [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) |
- Jen és Cassie
- Eric Wanjau
- [Python](4-Classification/2-Classifiers-1/README.md)
- [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
- Jen és Cassie
- Eric Wanjau
- [Python](4-Classification/3-Classifiers-2/README.md)
- [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
- Jen és Cassie
- Eric Wanjau
- [Python](5-Clustering/1-Visualize/README.md)
- [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) |
- Jen
- Eric Wanjau
- [Python](5-Clustering/2-K-Means/README.md)
- [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) |
- Jen
- Eric Wanjau
találd meg a kurzus további forrásait a Microsoft Learn gyűjteményünkben
Offline hozzáférés
A dokumentációt offline is futtathatod a Docsify használatával. Forkold ezt a repót, telepítsd a Docsify-t a helyi gépedre, majd a repó gyökérmappájában írd be:
docsify serve. A weboldal a localhost 3000-es portján lesz elérhető:localhost:3000.PDF-ek
A tananyag PDF változatát linkekkel itt találod.
🎒 Egyéb kurzusok
Csapatunk más kurzusokat is készít! Nézd meg:
- Generatív AI kezdőknek
- Generatív AI kezdőknek .NET
- Generatív AI JavaScripttel
- Generatív AI Java-val
- AI kezdőknek
- Adattudomány kezdőknek
- ML kezdőknek
- Kiberbiztonság kezdőknek
- Webfejlesztés kezdőknek
- IoT kezdőknek
- XR fejlesztés kezdőknek
- GitHub Copilot elsajátítása páros programozáshoz
- GitHub Copilot elsajátítása C#/.NET fejlesztőknek
- Válaszd ki a saját Copilot kalandodat
Felelősség kizárása:
Ez a dokumentum az AI fordítási szolgáltatás, a Co-op Translator segítségével lett lefordítva. Bár törekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az eredeti nyelvén tekintendő hiteles forrásnak. Kritikus információk esetén javasolt professzionális emberi fordítást igénybe venni. Nem vállalunk felelősséget semmilyen félreértésért vagy téves értelmezésért, amely a fordítás használatából eredhet.