ML-For-Beginners/translations/cs

🌐 Podpora více jazyků

Podporováno prostřednictvím GitHub Action (automatizováno a vždy aktuální)

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

Preferujete klonovat lokálně?

Tento repozitář zahrnuje přes 50 jazykových překladů, což výrazně zvětšuje velikost stahování. Pro klonování bez překladů použijte 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'

Tím získáte vše potřebné k dokončení kurzu s mnohem rychlejším stahováním.

Přidejte se k naší komunitě

Probíhá série Discord Learn with AI, dozvíte se víc a přidejte se k nám na Learn with AI Series od 18. do 30. září 2025. Získáte tipy a triky pro používání GitHub Copilot pro datovou vědu.

Strojové učení pro začátečníky - vzdělávací program

🌍 Cestujte po světě, když zkoumáme strojové učení prostřednictvím světových kultur 🌍

Cloud Advocates v Microsoftu s radostí nabízejí 12týdenní, 26-lekční vzdělávací program o strojovém učení. V tomto programu se naučíte o tom, co se někdy nazývá klasické strojové učení, používající primárně knihovnu Scikit-learn a vyhýbající se hlubokému učení, které je pokryto v našem programu AI pro začátečníky. Tyto lekce kombinujte také s naším 'Data Science pro začátečníky'.

Cestujte s námi po světě, když aplikujeme tyto klasické techniky na data z mnoha oblastí světa. Každá lekce zahrnuje kvízy před a po lekci, psané instrukce k dokončení lekce, řešení, zadání a další. Naše projektově orientovaná pedagogika umožňuje učit se při tvorbě, což je osvědčený způsob, jak nové dovednosti „ulpí“.

✍️ Srdečné díky našim autorům Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu a Amy Boyd

🎨 Díky také našim ilustrátorům Tomomi Imura, Dasani Madipalli a Jen Looper

🙏 Zvláštní poděkování 🙏 našim autorům, recenzentům a přispěvatelům obsahu z řad Microsoft Student Ambassador, zejména Rishitu Daglimu, Muhammadovi Sakib Khan Inanovi, Rohanu Rajovi, Alexandru Petrescovi, Abhishek Jaiswalovi, Nawrin Tabassum, Ioanovi Samuilovi a Snigdha Agarwalové

🤩 Extra vděčnost Microsoft Student Ambassadors Ericu Wanaujovi, Jasleen Sondhi a Vidushi Guptovi za naše lekce v R!

Začínáme

Postupujte podle těchto kroků:

1. Vytvořte Fork repozitáře: Klikněte na tlačítko „Fork“ v pravém horním rohu této stránky.
2. Klonujte repozitář: git clone https://github.com/microsoft/ML-For-Beginners.git

najděte všechny další zdroje pro tento kurz v naší sbírce Microsoft Learn

🔧 Potřebujete pomoc? Prohlédněte si náš Průvodce řešením problémů pro řešení běžných problémů s instalací, nastavením a spouštěním lekcí.

Studenti, pro využití tohoto programu si vytvořte fork celého repozitáře do svého GitHub účtu a cvičení dokončujte samostatně nebo ve skupině:

• Začněte kvízem před přednáškou.
• Přečtěte si přednášku a dokončete aktivity, zastavujte a přemýšlejte při každé znalostní kontrole.
• Pokuste se projekty vytvořit pochopením lekcí, nikoli jen spuštěním řešení; nicméně toto řešení je dostupné ve složkách /solution v každé projektově orientované lekci.
• Učiňte kvíz po přednášce.
• Dokončete výzvu.
• Dokončete zadání.
• Po dokončení skupiny lekcí navštivte Diskuzní fórum a „učte se nahlas“ vyplněním příslušného rubriky PAT. ‚PAT‘ je nástroj pro hodnocení pokroku, rubrika, kterou vyplňujete, abyste posunuli své učení dál. Můžete také reagovat na jiné PATy, abychom se učili společně.

Pro další studium doporučujeme následovat tyto moduly a učební cesty Microsoft Learn.

Učitelé, připravili jsme některé návrhy jak tento vzdělávací program používat.

---

Video průvodci

Některé lekce jsou dostupné jako krátká videa. Všechny najdete přímo v lekcích nebo na playlistu ML pro začátečníky na YouTube kanálu Microsoft Developer po kliknutí na obrázek níže.

---

Seznamte se s týmem

Gif od Mohita Jaisala

🎥 Klikněte na obrázek výše pro video o projektu a lidech, kteří jej vytvořili!

---

Pedagogika

Při vytváření tohoto vzdělávacího programu jsme zvolili dva pedagogické principy: zajistit, aby byl praktický a projektově orientovaný a aby obsahoval časté kvízy. Navíc má program jednotné téma pro sjednocení.

Zajištěním, že obsah je sladěn s projekty, se proces pro studenty stává zajímavějším a lepší je zapamatování pojmů. Nízkorizikový kvíz před třídou nastavuje studentovu motivaci k naučení se tématu, zatímco druhý kvíz po třídě zajistí lepší zapamatování. Tento vzdělávací program je navržen tak, aby byl flexibilní a zábavný a může se absolvovat celý nebo částečně. Projekty začínají malé a k poslednímu 12týdennímu cyklu se stávají stále složitějšími. Program také obsahuje dodatek o reálných aplikacích ML, který lze využít jako bonusové body nebo základ pro diskusi.

Najděte náš Kodex chování, Příspěvky, Překlady a Řešení problémů. Vítáme vaši konstruktivní zpětnou vazbu!

Každá lekce zahrnuje

• volitelnou skicu poznámek
• volitelné doplňkové video
• video průvodce (u některých lekcí)
• kvíz na rozcvičení před přednáškou
• psanou lekci
• u lekcí založených na projektech krok za krokem průvodce stavbou projektu
• znalostní kontroly
• výzvu
• doplňkové čtení
• zadání
• kvíz po přednášce

Poznámka k jazykům: Tyto lekce jsou primárně psané v Pythonu, ale mnohé jsou dostupné také v R. Pro dokončení lekce v R přejděte do složky /solution, kde najdete lekce v R. Jsou ve formátu .rmd, což představuje R Markdown soubor, který lze jednoduše definovat jako začlenění „kódových bloků“ (R nebo jiných jazyků) a „YAML hlavičky“ (která určuje formátování výstupů jako PDF) do „Markdown dokumentu“. Tento formát slouží jako příklad autorovacího rámce pro datovou vědu, protože umožňuje kombinovat kód, jeho výstup a vaše poznámky psané v Markdownu. Navíc lze R Markdown dokumenty přeložit do formátů jako PDF, HTML nebo Word. Poznámka ke kvízům: Všechny kvízy jsou obsaženy ve složce Quiz App, celkem 52 kvízů po třech otázkách. Jsou propojeny z lekcí, ale aplikaci kvízů lze spustit lokálně; postupujte podle pokynů ve složce quiz-app pro lokální hostování nebo nasazení na Azure.

Číslo lekce	Téma	Skupina lekcí	Vzdělávací cíle	Odkazovaná lekce	Autor
01	Úvod do strojového učení	Úvod	Naučit se základní pojmy za strojovým učením	Lekce	Muhammad
02	Historie strojového učení	Úvod	Naučit se historii tohoto oboru	Lekce	Jen a Amy
03	Spravedlnost a strojové učení	Úvod	Jaké jsou důležité filozofické otázky spojené se spravedlností, které by studenti měli zvážit při vytváření a aplikaci ML modelů?	Lekce	Tomomi
04	Techniky pro strojové učení	Úvod	Jaké techniky používají výzkumníci k sestavování ML modelů?	Lekce	Chris a Jen
05	Úvod do regresní analýzy	Regrese	Naučit se základy Pythonu a Scikit-learn pro regresní modely	Python • R	Jen • Eric Wanjau
06	Severní americké ceny dýní 🎃	Regrese	Vizualizace a čištění dat jako příprava na ML	Python • R	Jen • Eric Wanjau
07	Severní americké ceny dýní 🎃	Regrese	Vytvoření lineárních a polynomických regresních modelů	Python • R	Jen a Dmitry • Eric Wanjau
08	Severní americké ceny dýní 🎃	Regrese	Vytvoření logistického regresního modelu	Python • R	Jen • Eric Wanjau
09	Webová aplikace 🔌	Web App	Vytvořit webovou aplikaci pro použití trénovaného modelu	Python	Jen
10	Úvod do klasifikace	Klasifikace	Vyčistit, připravit a vizualizovat data; úvod do klasifikace	Python • R	Jen a Cassie • Eric Wanjau
11	Lahodné asijské a indické kuchyně 🍜	Klasifikace	Úvod do klasifikátorů	Python • R	Jen a Cassie • Eric Wanjau
12	Lahodné asijské a indické kuchyně 🍜	Klasifikace	Další klasifikátory	Python • R	Jen a Cassie • Eric Wanjau
13	Lahodné asijské a indické kuchyně 🍜	Klasifikace	Vytvořit doporučující webovou aplikaci pomocí modelu	Python	Jen
14	Úvod do shlukování	Shlukování	Vyčistit, připravit a vizualizovat data; úvod do shlukování	Python • R	Jen • Eric Wanjau
15	Objevování nigerijských hudebních chutí 🎧	Shlukování	Prozkoumat metodu K-Means shlukování	Python • R	Jen • Eric Wanjau
16	Úvod do zpracování přirozeného jazyka ☕️	Zpracování přirozeného jazyka	Naučit se základy NLP pomocí vytváření jednoduchého bota	Python	Stephen
17	Běžné úlohy NLP ☕️	Zpracování přirozeného jazyka	Prohloubit znalosti NLP pochopením běžných úloh při práci s jazykovými strukturami	Python	Stephen
18	Překlad a analýza sentimentu ♥️	Zpracování přirozeného jazyka	Překlad a analýza sentimentu s Jane Austen	Python	Stephen
19	Romantické hotely v Evropě ♥️	Zpracování přirozeného jazyka	Analýza sentimentu hotelových recenzí 1	Python	Stephen
20	Romantické hotely v Evropě ♥️	Zpracování přirozeného jazyka	Analýza sentimentu hotelových recenzí 2	Python	Stephen
21	Úvod do predikce časových řad	Časové řady	Úvod do predikce časových řad	Python	Francesca
22	⚡️ Světová spotřeba energie ⚡️ - predikce časových řad ARIMA	Časové řady	Predikce časových řad pomocí ARIMA	Python	Francesca
23	⚡️ Světová spotřeba energie ⚡️ - predikce časových řad SVR	Časové řady	Predikce časových řad pomocí Support Vector Regressoru	Python	Anirban
24	Úvod do posilovaného učení	Posilované učení	Úvod do posilovaného učení s Q-Learning	Python	Dmitry
25	Pomozte Petrovi vyhnout se vlkovi! 🐺	Posilované učení	Posilované učení v Gym	Python	Dmitry
Dodatek	Reálné scénáře a aplikace ML	ML v praxi	Zajímavé a poučné aplikace klasického ML v reálném světě	Lekce	Tým
Dodatek	Ladění modelů ML pomocí dashboardu RAI	ML v praxi	Ladění modelů v ML pomocí komponent dashboardu Responsible AI	Lekce	Ruth Yakubu

najděte všechny doplňkové zdroje pro tento kurz v naší kolekci Microsoft Learn

Offline přístup

Tuto dokumentaci můžete používat offline pomocí Docsify. Zforkujte tento repozitář, nainstalujte Docsify na svůj lokální počítač a pak v kořenové složce tohoto repozitáře zadejte příkaz docsify serve. Webová stránka bude dostupná na portu 3000 na vašem localhostu: localhost:3000.

PDF

Najděte pdf osnovy kurzu s odkazy zde.

🎒 Další kurzy

Náš tým vytváří i další kurzy! Podívejte se:

LangChain

Azure / Edge / MCP / Agents

---

Série Generativní AI

---

Základní vzdělávání

---

Série Copilot

Získání pomoci

Pokud narazíte na problém nebo máte jakékoli dotazy ohledně tvorby AI aplikací, přidejte se k ostatním studentům a zkušeným vývojářům v diskuzích o MCP. Je to podpůrná komunita, kde jsou otázky vítány a znalosti se volně sdílí.

Pokud máte zpětnou vazbu k produktu nebo narazíte na chyby při vývoji, navštivte:

---

Prohlášení o vyloučení odpovědnosti:
Tento dokument byl přeložen pomocí AI překladatelské služby Co-op Translator. Přestože usilujeme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho mateřském jazyce by měl být považován za závazný zdroj. Pro zásadní informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoliv nedorozumění či nesprávné výklady vyplývající z použití tohoto překladu.