ML-For-Beginners/translations/hr

🌐 Višejezična podrška

Podržano putem GitHub Action (automatizirano i uvijek ažurirano)

Arapski | Bengalski | Bugarski | Burmanski (Myanmar) | Kineski (pojednostavljeni) | Kineski (tradicionalni, Hong Kong) | Kineski (tradicionalni, Macau) | Kineski (tradicionalni, Taiwan) | Hrvatski | Češki | Danski | Nizozemski | Estonski | Finski | Francuski | Njemački | Grčki | Hebrejski | Hindi | Mađarski | Indonezijski | Talijanski | Japanski | Kannada | Korejski | Litvanski | Malajski | Malayalam | Marathi | Nepalski | Nigerijski pidžin | Norveški | Perzijski (Farsi) | Poljski | Portugalski (Brazil) | Portugalski (Portugal) | Punjabiski (Gurmukhi) | Rumunjski | Ruski | Srpski (ćirilica) | Slovački | Slovenski | Španjolski | Svahili | Švedski | Tagalog (Filipinski) | Tamilski | Telugu | Tajlandski | Turski | Ukrajinski | Urdu | Vijetnamski

Pridružite se našoj zajednici

Imamo seriju Discord događaja "Učenje s AI" u tijeku, saznajte više i pridružite nam se na Serija 'Učenje s AI' od 18. do 30. rujna 2025. Dobit ćete savjete i trikove o korištenju GitHub Copilot-a za Data Science.

Strojno učenje za početnike - kurikulum

🌍 Putujte oko svijeta dok istražujemo Strojno učenje kroz svjetske kulture 🌍

Cloud Advocates u Microsoftu s ponosom nude 12-tjedni, 26-lekcijski kurikulum u cijelosti posvećen Strojnom učenju. U ovom kurikulumu naučit ćete ono što se ponekad naziva klasičnim strojnim učenjem, koristeći prvenstveno Scikit-learn kao biblioteku i izbjegavajući duboko učenje, koje je pokriveno u našem Kurikulumu 'AI za početnike'. Uparite ove lekcije s našim Kurikulumom 'Data Science za početnike' također!

Putujte s nama širom svijeta dok primjenjujemo ove klasične tehnike na podatke iz mnogih dijelova svijeta. Svaka lekcija uključuje pripremni i završni kviz, pisane upute za dovršetak lekcije, rješenje, zadatak i više. Naša nastava zasnovana na projektima omogućuje vam učenje kroz praktičan rad, provjerenu metodu da nove vještine "začine".

✍️ Veliko hvala našim autorima Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd

🎨 Zahvale i našim ilustratorima Tomomi Imura, Dasani Madipalli, and Jen Looper

🙏 Posebna zahvala 🙏 našim Microsoft Student Ambassador autorima, recenzentima i suradnicima na sadržaju, posebno Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, and Snigdha Agarwal

🤩 Dodatna zahvalnost Microsoft Student Ambassadorima Eric Wanjau, Jasleen Sondhi, i Vidushi Gupta za naše R lekcije!

Početak

Slijedite ove korake:

1. Forkajte spremište: Kliknite na gumb "Fork" u gornjem desnom kutu ove stranice.
2. Klonirajte spremište: git clone https://github.com/microsoft/ML-For-Beginners.git

pronađite sve dodatne resurse za ovaj tečaj u našoj Microsoft Learn kolekciji

🔧 Trebate pomoć? Provjerite naš Vodič za rješavanje problema za rješenja uobičajenih problema s instalacijom, postavkama i pokretanjem lekcija.

Studenti, da biste koristili ovaj kurikulum, forknite cijeli repozitorij na svoj GitHub račun i dovršite vježbe sami ili u grupi:

• Započnite kvizom prije predavanja.
• Pročitajte predavanje i dovršite aktivnosti, zaustavljajući se i razmišljajući na svakoj provjeri znanja.
• Pokušajte sami stvoriti projekte razumijevanjem lekcija umjesto pokretanja rješenja; ipak, taj je kôd dostupan u mapama /solution u svakoj lekciji usmjerenoj na projekt.
• Riješite kviz nakon predavanja.
• Dovršite izazov.
• Dovršite zadatak.
• Nakon dovršetka grupe lekcija, posjetite Forum za raspravu i "učite naglas" ispunjavanjem odgovarajuće PAT ljestvice. 'PAT' je Alat za procjenu napretka (Progress Assessment Tool) koji je ljestvica koju ispunjavate kako biste unaprijedili svoje učenje. Također možete reagirati na druge PAT-ove kako bismo učili zajedno.

Za daljnje proučavanje preporučujemo praćenje ovih Microsoft Learn modula i putova učenja.

Nastavnici, uključili smo neke prijedloge o tome kako koristiti ovaj kurikulum.

---

Video vodiči

Neke lekcije dostupne su kao kratki videozapisi. Sve ih možete pronaći u lekcijama ili na ML for Beginners playlisti na Microsoft Developer YouTube kanalu klikom na sliku ispod.

---

Upoznajte tim

Gif od Mohit Jaisal

🎥 Kliknite sliku gore za video o projektu i ljudima koji su ga stvorili!

---

Pedagogija

Odabrali smo dvije pedagoške smjernice pri izradi ovog kurikuluma: osigurati da je praktičan i zasnovan na projektima te da uključuje učestale kvizove. Osim toga, ovaj kurikulum ima zajedničku temu kako bi mu se dala kohezija.

Time što usklađujemo sadržaj s projektima, proces postaje zanimljiviji za učenike i zadržavanje pojmova će se povećati. Osim toga, kviz niskog rizika prije predavanja usmjerava namjeru učenika prema učenju teme, dok drugi kviz nakon predavanja osigurava dodatno zadržavanje. Ovaj je kurikulum dizajniran da bude fleksibilan i zabavan i može se pohađati u cijelosti ili djelomično. Projekti počinju jednostavno i postaju sve složeniji do kraja 12-tjednog ciklusa. Kurikulum također uključuje postscriptum o primjenama ML u stvarnom svijetu, koji se može koristiti kao dodatni bod ili kao osnova za raspravu.

Pronađite naš Kodeks ponašanja, Doprinos, Prijevodi i Vodič za rješavanje problema. Dobrodošli su vaši konstruktivni komentari!

Svaka lekcija uključuje

• neobavezni sketchnote
• neobavezni dodatni video
• video vodič (samo neke lekcije)
• pripremni kviz prije predavanja
• pisana lekcija
• za lekcije zasnovane na projektu, vodiči korak-po-korak kako izgraditi projekt
• provjere znanja
• izazov
• dodatna literatura
• zadatak
• kviz nakon predavanja

Napomena o jezicima: Ove su lekcije prvenstveno napisane u Pythonu, ali mnoge su također dostupne u R-u. Da biste dovršili R lekciju, idite u mapu /solution i potražite R lekcije. One uključuju nastavak .rmd koji predstavlja R Markdown datoteku koja se može jednostavno definirati kao ugradnja code chunks (R ili drugih jezika) i YAML header (koji upravlja načinom oblikovanja izlaza poput PDF-a) u Markdown dokument. Kao takav, služi kao izvrstan okvir za pisanje za data science jer vam omogućuje da kombinirate svoj kôd, njegov izlaz i svoja razmišljanja tako što ih pišete u Markdownu. Nadalje, R Markdown dokumenti mogu se renderirati u izlazne formate kao što su PDF, HTML ili Word.

Napomena o kvizovima: Svi su kvizovi sadržani u Quiz App folderu, ukupno 52 kviza s po tri pitanja. Povezani su iz lekcija, ali Quiz App se može pokrenuti lokalno; slijedite upute u mapi quiz-app za lokalno hostanje ili deployment na Azure.

Broj lekcije	Tema	Grupa lekcija	Ciljevi učenja	Povezana lekcija	Autor
01	Uvod u strojno učenje	Uvod	Naučite osnovne koncepte koji stoje iza strojnog učenja	Lekcija	Muhammad
02	Povijest strojnog učenja	Uvod	Saznajte povijest ovog područja	Lekcija	Jen i Amy
03	Pravednost i strojno učenje	Uvod	Koja su važna filozofska pitanja oko pravednosti koja bi studenti trebali razmotriti pri izgradnji i primjeni modela strojnog učenja?	Lekcija	Tomomi
04	Tehnike strojnog učenja	Uvod	Koje tehnike istraživači strojnog učenja koriste za izgradnju modela?	Lekcija	Chris i Jen
05	Uvod u regresiju	Regresija	Započnite s Pythonom i Scikit-learnom za regresijske modele	Python • R	Jen • Eric Wanjau
06	Cijene bundeva u Sjevernoj Americi 🎃	Regresija	Vizualizirajte i očistite podatke u pripremi za strojno učenje	Python • R	Jen • Eric Wanjau
07	Cijene bundeva u Sjevernoj Americi 🎃	Regresija	Izradite linearne i polinomijalne regresijske modele	Python • R	Jen i Dmitry • Eric Wanjau
08	Cijene bundeva u Sjevernoj Americi 🎃	Regresija	Izradite logistički regresijski model	Python • R	Jen • Eric Wanjau
09	Web aplikacija 🔌	Web aplikacija	Izradite web aplikaciju za korištenje vašeg istreniranog modela	Python	Jen
10	Uvod u klasifikaciju	Klasifikacija	Očistite, pripremite i vizualizirajte svoje podatke; uvod u klasifikaciju	Python • R	Jen i Cassie • Eric Wanjau
11	Ukusne azijske i indijske kuhinje 🍜	Klasifikacija	Uvod u klasifikatore	Python • R	Jen i Cassie • Eric Wanjau
12	Ukusne azijske i indijske kuhinje 🍜	Klasifikacija	Više klasifikatora	Python • R	Jen i Cassie • Eric Wanjau
13	Ukusne azijske i indijske kuhinje 🍜	Klasifikacija	Izradite preporučiteljsku web aplikaciju koristeći svoj model	Python	Jen
14	Uvod u klasteriranje	Klasteriranje	Očistite, pripremite i vizualizirajte svoje podatke; uvod u klasteriranje	Python • R	Jen • Eric Wanjau
15	Istraživanje nigerijskih glazbenih ukusa 🎧	Klasteriranje	Istražite K-Means metodu klasteriranja	Python • R	Jen • Eric Wanjau
16	Uvod u obradu prirodnog jezika ☕️	Obrada prirodnog jezika	Naučite osnove obrade prirodnog jezika izradom jednostavnog bota	Python	Stephen
17	Uobičajeni NLP zadaci ☕️	Obrada prirodnog jezika	Produbite svoje znanje o NLP-u razumijevanjem uobičajenih zadataka potrebnih pri radu s jezičnim strukturama	Python	Stephen
18	Prevođenje i analiza sentimenta ♥️	Obrada prirodnog jezika	Prevođenje i analiza sentimenta uz Jane Austen	Python	Stephen
19	Romantični hoteli Europe ♥️	Obrada prirodnog jezika	Analiza sentimenta s recenzijama hotela 1	Python	Stephen
20	Romantični hoteli Europe ♥️	Obrada prirodnog jezika	Analiza sentimenta s recenzijama hotela 2	Python	Stephen
21	Uvod u prognoziranje vremenskih serija	Vremenske serije	Uvod u prognoziranje vremenskih serija	Python	Francesca
22	⚡️ Svjetska potrošnja električne energije ⚡️ - prognoziranje vremenskih serija s ARIMA	Vremenske serije	Prognoziranje vremenskih serija pomoću ARIMA	Python	Francesca
23	⚡️ Svjetska potrošnja električne energije ⚡️ - prognoziranje vremenskih serija s SVR	Vremenske serije	Prognoziranje vremenskih serija pomoću regresora potpornih vektora (SVR)	Python	Anirban
24	Uvod u učenje pojačanjem	Učenje pojačanjem	Uvod u učenje pojačanjem s Q-učenjem	Python	Dmitry
25	Pomozite Peteru izbjeći vuka! 🐺	Učenje pojačanjem	Gym za učenje pojačanjem	Python	Dmitry
Dodatak	Scenariji i primjene strojnog učenja u stvarnom svijetu	ML u stvarnom svijetu	Zanimljive i otkrivajuće stvarne primjene klasičnog strojnog učenja	Lekcija	Tim
Dodatak	Otklanjanje pogrešaka modela u ML-u pomoću RAI nadzorne ploče	ML u stvarnom svijetu	Otklanjanje pogrešaka modela u strojnome učenju koristeći komponente Responsible AI nadzorne ploče	Lekcija	Ruth Yakubu

pronađite sve dodatne resurse za ovaj tečaj u našoj Microsoft Learn zbirci

Offline pristup

Možete pokrenuti ovu dokumentaciju izvan mreže koristeći Docsify. Forkajte ovaj repozitorij, instalirajte Docsify na svoje lokalno računalo, a zatim u korijenskom direktoriju ovog repozitorija upišite docsify serve. Web-stranica će se poslužiti na portu 3000 na vašem localhostu: localhost:3000.

PDF-ovi

Pronađite pdf kurikuluma s poveznicama ovdje.

🎒 Ostali tečajevi

Naš tim proizvodi i druge tečajeve! Pogledajte:

LangChain

---

Azure / Edge / MCP / Agenti

---

Serija generativne AI

---

Osnovno učenje

---

Serija Copilot

Dobivanje pomoći

Ako zapnete ili imate bilo kakvih pitanja o izradi AI aplikacija. Pridružite se drugim učenicima i iskusnim programerima u raspravama o MCP-u. To je podržavajuća zajednica gdje su pitanja dobrodošla, a znanje se slobodno dijeli.

Ako imate povratne informacije o proizvodu ili pogreške tijekom izrade, posjetite:

---

Odricanje odgovornosti: Ovaj dokument preveden je pomoću AI usluge prevođenja Co-op Translator (https://github.com/Azure/co-op-translator). Iako nastojimo postići točnost, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku smatra se autoritativnim izvorom. Za kritične informacije preporučuje se profesionalni prijevod od strane ljudskog prevoditelja. Ne snosimo odgovornost za eventualne nesporazume ili pogrešna tumačenja koja proizlaze iz korištenja ovog prijevoda.