ML-For-Beginners/translations/lt

🌐 Daugialypė kalbų palaikymas

Palaikoma per GitHub Action (automatizuota ir visada atnaujinta)

Arabų | Bengalų | Bulgarų | Birmos (Mianmaras) | Kinų (supaprastinta) | Kinų (tradicinė, Honkongas) | Kinų (tradicinė, Makao) | Kinų (tradicinė, Taivanas) | Kroatų | Čekų | Danų | Olandų | Estų | Suomių | Prancūzų | Vokiečių | Graikų | Hebrajų | Hindų | Vengrų | Indoneziečių | Italų | Japonų | Kannadų | Korėjiečių | Lietuvių | Malajų | Malajalų | Maratų | Nepalų | Nigerijos pidžino | Norvegų | Persų (Farsi) | Lenkų | Portugalų (Brazilija) | Portugalų (Portugalija) | Pandžabų (Gurmukhi) | Rumunų | Rusų | Serbų (kirilica) | Slovakų | Slovėnų | Ispanų | Svahilių | Švedų | Tagalogų (filipiniečių) | Tamilų | Telugų | Tajų | Turkų | Ukrainiečių | Urdu | Vietnamiečių

Norite klonuoti vietoje?

Šiame saugykloje yra 50+ kalbų vertimų, dėl ko žymiai padidėja atsisiuntimo dydis. Norėdami klonuoti be vertimų, naudokite retą atsisiuntimą (sparse checkout):

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'

Tai suteikia viską, ko reikia kursui atlikti, žymiai greičiau atsisiunčiant.

Prisijunkite prie mūsų bendruomenės

Turime vykstančią Discord „mokymosi su AI“ seriją, daugiau sužinokite ir prisijunkite prie mūsų adresu Learn with AI Series rugsėjo 18 - 30 d., 2025 m. Gaunate patarimus ir gudrybes, kaip naudoti GitHub Copilot duomenų mokslui.

Mašininis mokymasis pradedantiesiems – mokymo programa

🌍 Keliaukite po pasaulį, tyrinėdami mašininį mokymąsi per pasaulio kultūras 🌍

„Microsoft“ Cloud Advocates maloniai siūlo 12 savaičių, 26 pamokų mokymo programą, skirtą Mašininiam mokymuisi. Šioje programoje sužinosite apie tai, ką kartais vadiname klasikiniu mašininiu mokymusi, daugiausia naudodami biblioteka Scikit-learn ir vengdami giluminio mokymosi, kuris aptariamas mūsų AI pradedantiesiems mokymo programoje. Derinkite šias pamokas su mūsų 'Duomenų mokslas pradedantiesiems' mokymo programa.

Keliaukite su mumis po pasaulį, taikydami šias klasikines technikas duomenims iš įvairių pasaulio regionų. Kiekvienoje pamokoje yra priešpamokinis ir popamokinis testai, rašytinės pamokos vykdymo instrukcijos, sprendimas, užduotis ir daugiau. Mūsų projektinė pedagogika leidžia mokytis kuriant, kas įrodytas būdas, kaip nauji įgūdžiai geriau įsitvirtina.

✍️ Nuoširdžiai dėkojame mūsų autoriams Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ir Amy Boyd

🎨 Taip pat dėkojame mūsų iliustratoriams Tomomi Imura, Dasani Madipalli ir Jen Looper

🙏 Ypatingas ačiū 🙏 mūsų Microsoft Student Ambassador autoriams, recenzentams ir turinio dalintojams, ypač Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ir Snigdha Agarwal

🤩 Dėkojame Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi ir Vidushi Gupta už mūsų R pamokas!

Pradžia

Atlikite šiuos veiksmus:

1. Atšakokite saugyklą: spustelėkite mygtuką „Fork“ viršutiniame dešiniajame šio puslapio kampe.
2. Klonuokite saugyklą: git clone https://github.com/microsoft/ML-For-Beginners.git

raskite visus papildomus išteklius šiam kursui mūsų Microsoft Learn kolekcijoje

🔧 Reikia pagalbos? Patikrinkite mūsų Trikčių šalinimo vadovą dėl dažnų problemų sprendimo diegiant, nustatant ir paleidžiant pamokas.

Studentai, norėdami naudoti šią mokymo programą, atšakokite visą saugyklą į savo GitHub paskyrą ir vykdykite pratimus patys arba grupėje:

• Pradėkite nuo priešpamokinio testo.
• Skaitykite paskaitą ir atlikite veiklas, sustodami ir apmąstydami kiekvieną žinių patikrinimą.
• Stenkitės sukurti projektus suprasdami pamokas, o ne vykdydami sprendimų kodą; tačiau šis kodas yra prieinamas kiekvieno orientuoto į projektą modulio /solution aplankuose.
• Atlikite popamokinį testą.
• Atlikite iššūkį.
• Atlikite užduotį.
• Baigę grupę pamokų, apsilankykite Diskusijų lentoje ir „mokykitės garsiai“, užpildydami atitinkamą PAT vertinimo formą. „PAT“ yra pažangos vertinimo įrankis, kurį užpildote siekdami toliau mokytis. Taip pat galite reaguoti į kitų PAT, kad mokytumėmės kartu.

Tolimesniam mokymuisi rekomenduojame sekti šiuos Microsoft Learn modulius ir mokymosi kelius.

Mokytojai, mes pateikėme keletą pasiūlymų apie tai, kaip naudoti šią mokymo programą.

---

Vaizdo pristatymai

Kai kurios pamokos prieinamos trumpais vaizdo įrašais. Juos rasite įterptus tiesiai pamokose arba ML pradedantiesiems grojaraščio „Microsoft Developer“ YouTube kanale spustelėję žemiau esantį paveikslėlį.

---

Komanda

Gif sukūrė Mohit Jaisal

🎥 Spustelėkite viršuje esantį paveikslėlį, kad pamatytumėte vaizdo įrašą apie projektą ir žmones, kurie jį sukūrė!

---

Pedagogika

Kuriant šią mokymo programą pasirinkome du pedagoginius principus: užtikrinti, kad ji būtų praktinė, projektinė ir kad būtų įtraukti dažni testai. Be to, ši programa turi bendrą temą, suteikiančią nuoseklumą.

Užtikrinus, kad turinys yra susietas su projektais, procesas tampa labiau įtraukiantis studentams ir gerėja koncepcijų įsisavinimas. Be to, mažos rizikos testas prieš pamoką nukreipia studentą į tam tikro dalyko mokymąsi, o antras testas po pamokos užtikrina tolesnį įsisavinimą. Ši programa sukurta būti lanksti ir smagi, ją galima atlikti visą arba dalimis. Projektai prasideda nuo paprastų ir palaipsniui tampa sudėtingesni per 12 savaičių ciklą. Šioje programoje taip pat yra priedas apie realius ML taikymus, kurį galima naudoti kaip papildomus kreditus arba kaip pagrindą diskusijoms.

Susipažinkite su mūsų Elgesio kodeksu, Bendradarbiavimo gairėmis, Vertimo gairėmis ir Trikčių šalinimo gairėmis. Laukiame jūsų konstruktyvios grįžtamosios reakcijos!

Kiekviena pamoka apima

• pasirenkamą eskizo užrašą
• pasirenkamą papildomą vaizdo įrašą
• vaizdo peržiūrą (kai kurios pamokos)
• priešpamokinį įšilimo testą
• rašytines pamokas
• projektinėse pamokose – žingsnis po žingsnio gidus, kaip sukurti projektą
• žinių patikrinimus
• iššūkį
• papildomą skaitymą
• užduotį
• popamokinį testą

Pastaba apie kalbas: Šios pamokos daugiausia rašomos Python kalba, tačiau dauguma jų yra prieinamos ir R kalba. Norėdami atlikti R pamoką, eikite į /solution aplanką ir raskite R pamokas. Jos turi .rmd plėtinį, kuris reiškia R Markdown failą, kurį galima apibūdinti kaip kodo blokų (R ar kitų kalbų) ir YAML antraštės (nurodančios, kaip formatuoti išvestis, pvz., PDF) įterpimą Markdown dokumente. Todėl tai puiki autorinė sistema duomenų mokslui, leidžianti derinti savo kodą, išvestį ir mintis rašant Markdown forma. Be to, R Markdown dokumentus galima konvertuoti į įvairius išvesties formatus, tokius kaip PDF, HTML ar Word. Pastaba apie viktorinas: Visos viktorinos yra Quiz App kataloge, iš viso 52 viktorinos po tris klausimus kiekvienoje. Jos sujungtos pamokų viduje, tačiau viktorinų programėlę galite paleisti vietoje; vadovaukitės instrukcijomis quiz-app kataloge, kad paleistumėte vietoje arba išplatintumėte Azure.

Pamokos numeris	Temos	Pamokų grupė	Mokymosi tikslai	Susieta pamoka	Autorius
01	Įvadas į mašininį mokymąsi	Įvadas	Susipažinkite su pagrindinėmis mašininio mokymosi sąvokomis	Pamoka	Muhammad
02	Mašininio mokymosi istorija	Įvadas	Sužinokite šios srities istoriją	Pamoka	Jen ir Amy
03	Teisingumas ir mašininis mokymasis	Įvadas	Kokie yra svarbūs filosofiniai klausimai apie teisingumą, kuriuos studentai turėtų apsvarstyti kuriant ir taikant ML modelius?	Pamoka	Tomomi
04	Mašininio mokymosi metodai	Įvadas	Kokius metodus ML tyrėjai naudoja ML modeliams kurti?	Pamoka	Chris ir Jen
05	Įvadas į regresiją	Regresija	Pradėkite dirbti su Python ir Scikit-learn regresijos modeliams	Python • R	Jen • Eric Wanjau
06	Šiaurės Amerikos moliūgų kainos 🎃	Regresija	Vaizduokite ir valykite duomenis pasiruošimui ML	Python • R	Jen • Eric Wanjau
07	Šiaurės Amerikos moliūgų kainos 🎃	Regresija	Kurkite tiesinės ir polinomų regresijos modelius	Python • R	Jen ir Dmitry • Eric Wanjau
08	Šiaurės Amerikos moliūgų kainos 🎃	Regresija	Kurkite logistinės regresijos modelį	Python • R	Jen • Eric Wanjau
09	Interneto programėlė 🔌	Web App	Sukurkite interneto programėlę panaudodami savo paruoštą modelį	Python	Jen
10	Įvadas į klasifikaciją	Klasifikacija	Valykite, paruoškite ir vizualizuokite duomenis; įvadas į klasifikaciją	Python • R	Jen ir Cassie • Eric Wanjau
11	Gardūs Azijos ir Indijos patiekalai 🍜	Klasifikacija	Įvadas į klasifikatorius	Python • R	Jen ir Cassie • Eric Wanjau
12	Gardūs Azijos ir Indijos patiekalai 🍜	Klasifikacija	Daugiau klasifikatorių	Python • R	Jen ir Cassie • Eric Wanjau
13	Gardūs Azijos ir Indijos patiekalai 🍜	Klasifikacija	Sukurkite rekomendacinę interneto programėlę naudodami savo modelį	Python	Jen
14	Įvadas į grupavimą	Grupavimas	Valykite, paruoškite ir vizualizuokite duomenis; Įvadas į grupavimą	Python • R	Jen • Eric Wanjau
15	Nigerijos muzikos skonio tyrinėjimas 🎧	Grupavimas	Tyrinėkite K-vidurkių grupavimo metodą	Python • R	Jen • Eric Wanjau
16	Įvadas į natūralios kalbos apdorojimą ☕️	Natūralios kalbos apdorojimas	Sužinokite NLP pagrindus kurdami paprastą botą	Python	Stephen
17	Dažnos NLP užduotys ☕️	Natūralios kalbos apdorojimas	Gilinkite NLP žinias suprasdami dažnas užduotis, susijusias su kalbos struktūromis	Python	Stephen
18	Vertimas ir nuotaikų analizė ♥️	Natūralios kalbos apdorojimas	Vertimo ir nuotaikų analizė su Jane Austen	Python	Stephen
19	Romantiški Europos viešbučiai ♥️	Natūralios kalbos apdorojimas	Nuotaikų analizė su viešbučių atsiliepimais 1	Python	Stephen
20	Romantiški Europos viešbučiai ♥️	Natūralios kalbos apdorojimas	Nuotaikų analizė su viešbučių atsiliepimais 2	Python	Stephen
21	Įvadas į laiko eilučių prognozavimą	Laiko eilutės	Įvadas į laiko eilučių prognozavimą	Python	Francesca
22	⚡️ Pasaulinis energijos naudojimas ⚡️ - laiko eilučių prognozavimas su ARIMA	Laiko eilutės	Laiko eilučių prognozavimas su ARIMA	Python	Francesca
23	⚡️ Pasaulinis energijos naudojimas ⚡️ - laiko eilučių prognozavimas su SVR	Laiko eilutės	Laiko eilučių prognozavimas su paramos vektorių regresoriumi	Python	Anirban
24	Įvadas į stiprinamąjį mokymąsi	Stiprinamasis mokymasis	Įvadas į stiprinamąjį mokymąsi naudojant Q-mokymą	Python	Dmitry
25	Padėkite Peteriui išvengti vilko! 🐺	Stiprinamasis mokymasis	Stiprinamojo mokymosi treniruoklis	Python	Dmitry
Postscript	Tikri mašininio mokymosi scenarijai ir taikymai	ML laukinėje gamtoje	Įdomios ir atskleidžiančios tikrojo pasaulio klasikinio ML taikymo sritys	Pamoka	Komanda
Postscript	Modelių derinimas ML naudojant RAI skydelį	ML laukinėje gamtoje	Modelių derinimas mašininiame mokymesi naudojant Atsakingo AI skydelio komponentus	Pamoka	Ruth Yakubu

raskite visus papildomus šio kurso išteklius mūsų Microsoft Learn kolekcijoje

Offline prieiga

Šią dokumentaciją galite paleisti neprisijungę, naudodami Docsify. Šaknikite šį repozitorijų, įdiekite Docsify savo vietiniame kompiuteryje, o tada šio repozitoriumo šakniniame kataloge įveskite docsify serve. Svetainė bus pateikta per 3000 prievadą jūsų localhost adresu: localhost:3000.

PDF failai

Raskite mokymo programos PDF su nuorodomis čia.

🎒 Kiti kursai

Mūsų komanda kuria ir kitus kursus! Peržiūrėkite:

LangChain

---

Azure / Edge / MCP / Agentai

---

Generatyvinio AI serija

---

Pagrindinis mokymasis

---

Copilot serija

Pagalbos gavimas

Jei įstringate ar turite klausimų apie DI programėlių kūrimą. Prisijunkite prie bendraminčių mokinių ir patyrusių programuotojų diskusijose apie MCP. Tai palaikanti bendruomenė, kurioje klausimai laukiami, o žinios laisvai dalijamos.

Jei turite produkto atsiliepimų ar klaidų kūrimo metu, apsilankykite:

---

Atsakomybės apribojimas: Šis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą Co-op Translator. Nors siekiame tikslumo, prašome atkreipti dėmesį, kad automatizuoti vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba turėtų būti laikomas autoritetingu šaltiniu. Kritinei informacijai rekomenduojamas profesionalus žmogaus vertimas. Mes nesame atsakingi už bet kokius nesusipratimus ar neteisingus aiškinimus, kylančius dėl šio vertimo naudojimo.