ML-For-Beginners/translations/ro

🌐 Suport multilingv

Suportat prin GitHub Action (automatizat și întotdeauna actualizat)

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

Preferi să Clonezi Local?

Acest depozit include peste 50 de traduceri în limbi diferite, ceea ce crește semnificativ dimensiunea descărcării. Pentru a clona fără traduceri, folosește 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'

Astfel, obții tot ce ai nevoie pentru a finaliza cursul cu o descărcare mult mai rapidă.

Alătură-te Comunității Noastre

Avem o serie Discord „Învață cu AI” în desfășurare, află mai multe și alătură-te la Learn with AI Series în perioada 18 - 30 septembrie 2025. Vei primi sfaturi și trucuri pentru utilizarea GitHub Copilot în Știința Datelor.

Machine Learning pentru Începători - Un Curriculum

🌍 Călătorește în jurul lumii în timp ce explorăm Machine Learning prin prisma culturilor lumii 🌍

Cloud Advocates de la Microsoft sunt încântați să ofere un curriculum de 12 săptămâni, 26 lecții, dedicat în întregime Machine Learning. În acest curriculum, vei învăța despre ceea ce numim uneori machine learning clasic, folosind în principal Scikit-learn ca bibliotecă și evitând deep learning-ul, care este tratat în curriculumul nostru AI for Beginners. Combină aceste lecții cu curriculumul nostru 'Data Science for Beginners'.

Călătorește cu noi în jurul lumii aplicând aceste tehnici clasice pe date din diverse zone ale lumii. Fiecare lecție include chestionare pre- și post- lecție, instrucțiuni scrise pentru a finaliza lecția, o soluție, o temă și altele. Pedagogia noastră bazată pe proiecte îți permite să înveți construind, o metodă dovedită pentru asimilarea noilor abilități.

✍️ Mulțumiri călduroase autorilor noștri Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu și Amy Boyd

🎨 Mulțumiri și ilustratorilor noștri Tomomi Imura, Dasani Madipalli și Jen Looper

🙏 Mulțumiri speciale 🙏 ambasadorilor studenți Microsoft autori, recenzori și contribuitori la conținut, în special Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila și Snigdha Agarwal

🤩 Gratitudine suplimentară ambasadorilor studenți Microsoft Eric Wanjau, Jasleen Sondhi și Vidushi Gupta pentru lecțiile în R!

Începutul

Urmează acești pași:

1. Fă un Fork al Repozitoriului: Apasă butonul „Fork” din colțul dreapta sus al acestei pagini.
2. Clonează Repozitoriul: git clone https://github.com/microsoft/ML-For-Beginners.git

găsește toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn

🔧 Ai nevoie de ajutor? Consultă Ghidul de depanare pentru soluții la probleme comune legate de instalare, configurare și rularea lecțiilor.

Studenți, pentru a folosi acest curriculum, faceți fork la întregul repo în contul vostru GitHub și completați exercițiile individual sau în grup:

• Începe cu un chestionar pre-lecture.
• Citește lecția și finalizează activitățile, oprindu-te pentru reflecție la fiecare verificare de cunoștințe.
• Încearcă să creezi proiectele înțelegând lecțiile și nu doar executând codul soluției; totuși, acel cod este disponibil în folderele /solution din fiecare lecție orientată spre proiect.
• Fă chestionarul post-lecture.
• Completează provocarea.
• Realizează tema.
• După finalizarea unui grup de lecții, vizitează Forum discuții și „învățăm împreună” completând rubrică PAT corespunzătoare. Un 'PAT' este un Instrument de Evaluare a Progresului, o rubrică pe care o completezi pentru a-ți aprofunda învățarea. Poți reacționa și la alte PAT-uri pentru a învăța împreună.

Pentru studii suplimentare, recomandăm să urmezi aceste module și trasee de învățare Microsoft Learn.

Profesori, am inclus unele sugestii despre cum să folosiți acest curriculum.

---

Prezentări video

Unele lecții sunt disponibile ca videoclipuri scurte. Le poți găsi integrate în lecții sau pe playlist-ul ML for Beginners de pe canalul Microsoft Developer YouTube făcând clic pe imaginea de mai jos.

---

Echipa

Gif de Mohit Jaisal

🎥 Apasă imaginea de mai sus pentru a vedea un video despre proiect și cei care l-au creat!

---

Pedagogie

Am ales două principii pedagogice în construirea acestui curriculum: să fie bazat pe proiecte practice și să includă chestionare frecvente. În plus, acest curriculum are o temă comună pentru coeziune.

Prin alinierea conținutului cu proiectele, procesul devine mai captivant pentru studenți și retenția conceptelor este amplificată. De asemenea, un chestionar cu miză mică înaintea unui curs stabilește intenția studentului de a învăța un subiect, în timp ce un al doilea chestionar după curs asigură o retenție suplimentară. Curriculumul este proiectat să fie flexibil și distractiv și îl poți urma integral sau parțial. Proiectele pornesc mici și devin din ce în ce mai complexe spre finalul ciclului de 12 săptămâni. Curriculumul include un postscript despre aplicații reale ale ML, care poate fi folosit ca credit suplimentar sau ca bază pentru discuții.

Găsește regulile noastre în Codul de conduită, Contribuții, Traduceri și Depanare. Apreciem feedback-ul tău constructiv!

Fiecare lecție include

• schița opțională
• videoclip opțional suplimentar
• tutorial video (numai pentru unele lecții)
• chestionar de încălzire pre-lecture
• lecție scrisă
• pentru lecțiile bazate pe proiecte, ghid pas cu pas pentru construirea proiectului
• verificări de cunoștințe
• o provocare
• lectură suplimentară
• temă
• chestionar post-lecture

Un comentariu despre limbi: Aceste lecții sunt scrise în principal în Python, dar multe sunt disponibile și în R. Pentru a finaliza o lecție în R, accesează folderul /solution și caută lecțiile în R. Acestea au extensia .rmd care reprezintă un fișier R Markdown, ce poate fi definit simplu ca o încorporare de cod (R sau alte limbaje) și un header YAML (care indică modul de format a ieșirilor precum PDF) într-un document Markdown. Astfel, servește ca un cadru de autorare exemplar pentru știința datelor, deoarece îți permite să combini codul tău, rezultatul său și gândurile tale, scriindu-le în Markdown. Mai mult, documentele R Markdown pot fi exportate în formate precum PDF, HTML sau Word. O notă despre chestionare: Toate chestionarele sunt conținute în folderul Quiz App, pentru un total de 52 de chestionare cu câte trei întrebări fiecare. Sunt legate din interiorul lecțiilor, dar aplicația de chestionare poate fi rulată local; urmați instrucțiunile din folderul quiz-app pentru a găzdui local sau a implementa pe Azure.

Numărul Lecției	Subiect	Gruparea Lecției	Obiective de Învățare	Lecția Legată	Autor
01	Introducere în învățarea automată	Introducere	Învață conceptele de bază din spatele învățării automate	Lecția	Muhammad
02	Istoria învățării automate	Introducere	Învață istoria acestui domeniu	Lecția	Jen și Amy
03	Echitatea și învățarea automată	Introducere	Care sunt problemele filosofice importante legate de echitate pe care studenții ar trebui să le ia în considerare când construiesc și aplică modele ML?	Lecția	Tomomi
04	Tehnici pentru învățarea automată	Introducere	Ce tehnici folosesc cercetătorii în ML pentru a construi modele ML?	Lecția	Chris și Jen
05	Introducere în regresie	Regresie	Începe cu Python și Scikit-learn pentru modele de regresie	Python • R	Jen • Eric Wanjau
06	Prețurile dovlecilor din America de Nord 🎃	Regresie	Vizualizează și curăță date în pregătirea pentru ML	Python • R	Jen • Eric Wanjau
07	Prețurile dovlecilor din America de Nord 🎃	Regresie	Construiește modele de regresie liniară și polinomială	Python • R	Jen și Dmitry • Eric Wanjau
08	Prețurile dovlecilor din America de Nord 🎃	Regresie	Construiește un model de regresie logistică	Python • R	Jen • Eric Wanjau
09	O aplicație web 🔌	Aplicație Web	Construiește o aplicație web pentru a folosi modelul antrenat	Python	Jen
10	Introducere în clasificare	Clasificare	Curăță, pregătește și vizualizează datele tale; introducere în clasificare	Python • R	Jen și Cassie • Eric Wanjau
11	Bucătării delicioase asiatice și indiene 🍜	Clasificare	Introducere în clasificatoare	Python • R	Jen și Cassie • Eric Wanjau
12	Bucătării delicioase asiatice și indiene 🍜	Clasificare	Mai multe clasificatoare	Python • R	Jen și Cassie • Eric Wanjau
13	Bucătării delicioase asiatice și indiene 🍜	Clasificare	Construiește o aplicație web de recomandări folosind modelul tău	Python	Jen
14	Introducere în clustering	Clustering	Curăță, pregătește și vizualizează datele tale; Introducere în clustering	Python • R	Jen • Eric Wanjau
15	Explorarea gusturilor muzicale nigeriene 🎧	Clustering	Explorează metoda de clustering K-Means	Python • R	Jen • Eric Wanjau
16	Introducere în procesarea limbajului natural ☕️	Procesarea limbajului natural	Învață elementele de bază ale NLP prin construirea unui bot simplu	Python	Stephen
17	Sarcini comune NLP ☕️	Procesarea limbajului natural	Adâncește-ți cunoștințele despre NLP înțelegând sarcinile comune cerute când lucrezi cu structuri de limbaj	Python	Stephen
18	Traducere și analiza sentimentului ♥️	Procesarea limbajului natural	Traducere și analiză a sentimentului cu Jane Austen	Python	Stephen
19	Hoteluri romantice din Europa ♥️	Procesarea limbajului natural	Analiza sentimentului cu recenzii ale hotelurilor 1	Python	Stephen
20	Hoteluri romantice din Europa ♥️	Procesarea limbajului natural	Analiza sentimentului cu recenzii ale hotelurilor 2	Python	Stephen
21	Introducere în prognoza seriilor temporale	Serii temporale	Introducere în prognoza seriilor temporale	Python	Francesca
22	⚡️ Utilizarea energiei în lume ⚡️ - prognoza seriilor cu ARIMA	Serii temporale	Prognoza seriilor temporale cu ARIMA	Python	Francesca
23	⚡️ Utilizarea energiei în lume ⚡️ - prognoza seriilor cu SVR	Serii temporale	Prognoza seriilor temporale cu Support Vector Regressor	Python	Anirban
24	Introducere în învățarea prin întărire	Învățarea prin întărire	Introducere în învățarea prin întărire cu Q-Learning	Python	Dmitry
25	Ajută-l pe Peter să evite lupul! 🐺	Învățarea prin întărire	Învățarea prin întărire în Gym	Python	Dmitry
Epilogă	Scenarii și aplicații ML din lumea reală	ML în sălbăticie	Aplicații interesante și revelatoare ale ML clasice în lumea reală	Lecția	Echipa
Epilogă	Depanarea modelelor ML folosind panoul RAI	ML în sălbăticie	Depanare a modelelor de învățare automată folosind componentele panoului Responsible AI	Lecția	Ruth Yakubu

găsește toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn

Acces offline

Poți rula această documentație offline folosind Docsify. Fă un fork la acest repo, instalează Docsify pe calculatorul tău local și apoi, în folderul rădăcină al acestui repo, tastează docsify serve. Site-ul va fi servit pe portul 3000 pe localhost-ul tău: localhost:3000.

Fișiere PDF

Găsește un pdf al curriculei cu linkuri aici.

🎒 Alte cursuri

Echipa noastră produce și alte cursuri! Aruncă o privire:

LangChain

---

Azure / Edge / MCP / Agenți

---

Seria de Inteligență Artificială Generativă

---

Învățare de bază

---

Seria Copilot

Obținerea de ajutor

Dacă te blochezi sau ai întrebări despre construirea aplicațiilor AI. Alătură-te altor cursanți și dezvoltatori cu experiență în discuții despre MCP. Este o comunitate de suport unde întrebările sunt binevenite și cunoștințele sunt împărtășite liber.

Dacă ai feedback despre produs sau erori în timpul construirii, vizitează:

---

Declinare de responsabilitate:
Acest document a fost tradus folosind serviciul de traducere AI Co-op Translator. Deși ne străduim pentru acuratețe, vă rugăm să rețineți că traducerile automate pot conține erori sau inexactități. Documentul original în limba sa nativă trebuie considerat sursa autoritară. Pentru informații critice, se recomandă traducerea profesională realizată de un human. Nu ne asumăm răspunderea pentru eventualele neînțelegeri sau interpretări greșite care pot decurge din utilizarea acestei traduceri.