ML-For-Beginners/translations/lt

🌐 Multi-Language Support

Supported via GitHub Action (Automated & Always Up-to-Date)

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

Join Our Community

Mes turime tęstinę Discord renginių seriją „Learn with AI“, sužinokite daugiau ir prisijunkite prie mūsų puslapyje Learn with AI Series vykstančio nuo 2025 m. rugsėjo 18 d. iki 30 d. Gausite patarimų ir triukų, kaip naudoti GitHub Copilot duomenų mokslui.

Machine Learning for Beginners - A Curriculum

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

Cloud Advocates komanda Microsoft džiaugiasi galėdama pasiūlyti 12 savaičių, 26 pamokų mokymo programą apie Mašininį mokymąsi. Šioje programoje sužinosite apie tai, ką kartais vadiname klasikiniu mašininiu mokymusi, daugiausia naudojant Scikit-learn biblioteką ir vengiant giluminio mokymosi, apie kurį kalbama mūsų AI for Beginners' curriculum. Taip pat derinkite šias pamokas su mūsų 'Data Science for Beginners' curriculum.

Keliaukite su mumis po pasaulį, taikydami šias klasikines technikas duomenims iš įvairių pasaulio regionų. Kiekviena pamoka apima prieš- ir po-pamokinius testus, rašytines instrukcijas pamokai atlikti, sprendimą, užduotį ir dar daugiau. Mūsų projektinė pedagogika leidžia mokytis kuruojant projektus — tai patikrintas būdas, kad nauji įgūdžiai „įsimestų“.

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

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

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

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

Getting Started

Atlikite šiuos žingsnius:

1. Sukurkite saugyklos šaką (Fork): Spustelėkite mygtuką „Fork“ šio puslapio viršutiniame dešiniajame kampe.
2. Klonuokite saugyklą: git clone https://github.com/microsoft/ML-For-Beginners.git

suraskite visus papildomus šio kurso išteklius mūsų Microsoft Learn kolekcijoje

🔧 Reikia pagalbos? Peržiūrėkite mūsų Troubleshooting Guide sprendimams, kaip įdiegti, nustatyti ir paleisti pamokas.

Students, norėdami naudoti šią mokymo programą, forkinę visą repozitoriją į savo GitHub paskyrą ir atlikite pratimus savarankiškai arba grupėje:

• Pradėkite nuo priešpaskaitos testo.
• Perskaitykite paskaitą ir atlikite veiklas, sustodami ir apmąstydami kiekvieną žinių patikrinimą.
• Stenkitės sukurti projektus suprasdami pamokas vietoje sprendimų kodo paleidimo; tačiau tas kodas yra prieinamas kiekvienos projektinės pamokos /solution aplankuose.
• Atlikite po-paskaitos testą.
• Įvykdykite iššūkį.
• Atlikite užduotį.
• Baigę pamokų grupę apsilankykite Discussion Board ir „mokykitės garsiai“, užpildydami atitinkamą PAT rubriką. 'PAT' (Progress Assessment Tool) yra pažangos vertinimo priemonė — rubrika, kurią užpildote siekdami patobulinti savo mokymąsi. Taip pat galite reaguoti į kitų PAT įrašus, kad galėtume mokytis kartu.

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

Mokytojams, mes įtraukėme keletą pasiūlymų, kaip naudoti šią mokymo programą.

---

Video walkthroughs

Kai kurios pamokos yra prieinamos trumpų formų vaizdo įrašais. Visi juos galite rasti pamokų viduje arba ML for Beginners grojaraštyje Microsoft Developer YouTube kanale spustelėję žemiau esantį vaizdą.

---

Meet the Team

Gif sukūrė Mohit Jaisal

🎥 Spustelėkite aukščiau esantį vaizdą, kad pamatytumėte vaizdo įrašą apie projektą ir žmones, kurie jį kūrė!

---

Pedagogy

Kuriant šią programą pasirinkome du pedagoginius principus: užtikrinti, kad ji būtų praktinė ir projektinė, bei kad joje būtų dažni testai. Be to, ši programa turi bendrą temą, suteikiančią jai vientisumą.

Derindami turinį su projektais, procesas tampa patrauklesnis mokiniams ir koncepcijų įsisavinimas pagerės. Taip pat mažos rizikos testas prieš pamoką nukreipia mokinio ketinimą mokytis temą, o antras testas po pamokos užtikrina tolimesnį įsiminimą. Ši mokymo programa sukurta būti lanksčia ir smagia — ją galima įgyvendinti pilnai arba dalimis. Projektai prasideda nuo paprastų ir tampa vis sudėtingesni per 12 savaičių ciklą. Programoje taip pat yra papildomas skyrius apie ML realaus pasaulio taikymus, kurį galima naudoti kaip papildomus balus arba diskusijų pagrindą.

Raskite mūsų Code of Conduct, Contributing, Translation, ir Troubleshooting gaires. Laukiame jūsų konstruktyvios atsiliepimų!

Each lesson includes

• neprivaloma sketchnote
• neprivalomas papildomas vaizdo įrašas
• vaizdo įrašo peržiūra (kai kurios pamokos)
• priešpaskaitos apšilimo testas
• rašytinė pamoka
• projektinėse pamokose — žingsnis po žingsnio vadovai, kaip sukurti projektą
• žinių patikrinimai
• iššūkis
• papildoma literatūra
• užduotis
• po-paskaitos testas

Pastaba apie kalbas: Šios pamokos daugiausia parašytos Python kalba, tačiau daug jų taip pat yra R versijose. Norėdami atlikti R pamoką, eikite į /solution aplanką ir ieškokite R pamokų. Jose yra .rmd plėtinys, reiškiantis R Markdown failą, kurį galima apibrėžti kaip code chunks (R ar kitų kalbų) ir YAML header įterpimą į Markdown document. Taigi tai tarnauja kaip pavyzdinė autorystės sistema duomenų mokslui, nes leidžia sujungti jūsų kodą, jo rezultatus ir jūsų mintis rašant jas Markdown formatu. Be to, R Markdown dokumentus galima atvaizduoti į tokius formatus kaip PDF, HTML ar Word.

Pastaba apie testus: Visi testai yra Quiz App folder aplanke, iš viso 52 testai po tris klausimus kiekviename. Jie yra susieti iš pamokų, tačiau quiz app galima paleisti lokaliai; vadovaukitės instrukcijomis quiz-app aplanke, kad hostintumėte lokaliai arba diegtumėte į Azure.

Pamokos numeris	Tema	Pamokų grupavimas	Mokymosi tikslai	Susieta pamoka	Autorius
01	Įvadas į mašininį mokymąsi	Įvadas	Sužinokite pagrindines mašininio mokymosi koncepcijas	Pamoka	Muhammad
02	Mašininio mokymosi istorija	Įvadas	Sužinokite šios srities istoriją	Pamoka	Jen ir Amy
03	Sąžiningumas ir mašininis mokymasis	Įvadas	Kokie svarbūs filosofiniai sąžiningumo klausimai, kuriuos studentai turėtų apsvarstyti kurdami ir taikydami ML modelius?	Pamoka	Tomomi
04	Mašininio mokymosi technikos	Įvadas	Kokių technikų ML tyrėjai naudoja kurdami ML modelius?	Pamoka	Chris ir Jen
05	Įvadas į regresiją	Regresija	Pradėkite naudotis Python ir Scikit-learn regresijos modeliams	Python • R	Jen • Eric Wanjau
06	Šiaurės Amerikos moliūgų kainos 🎃	Regresija	Vizualizuokite ir išvalykite duomenis ruošiantis ML	Python • R	Jen • Eric Wanjau
07	Šiaurės Amerikos moliūgų kainos 🎃	Regresija	Sukurkite linijinius ir polinominius regresijos modelius	Python • R	Jen ir Dmitry • Eric Wanjau
08	Šiaurės Amerikos moliūgų kainos 🎃	Regresija	Sukurkite logistinės regresijos modelį	Python • R	Jen • Eric Wanjau
09	Žiniatinklio programėlė 🔌	Web App	Sukurkite žiniatinklio programėlę, kad naudotumėte išmokytą modelį	Python	Jen
10	Įvadas į klasifikaciją	Klasifikacija	Išvalykite, paruoškite ir vizualizuokite savo duomenis; įvadas į klasifikaciją	Python • R	Jen ir Cassie • Eric Wanjau
11	Skanūs Azijos ir Indijos patiekalai 🍜	Klasifikacija	Įvadas į klasifikatorius	Python • R	Jen ir Cassie • Eric Wanjau
12	Skanūs Azijos ir Indijos patiekalai 🍜	Klasifikacija	Daugiau klasifikatorių	Python • R	Jen ir Cassie • Eric Wanjau
13	Skanūs Azijos ir Indijos patiekalai 🍜	Klasifikacija	Sukurkite rekomendacijų žiniatinklio programėlę naudodami savo modelį	Python	Jen
14	Įvadas į klasterizavimą	Klasterizavimas	Išvalykite, paruoškite ir vizualizuokite savo duomenis; įvadas į klasterizavimą	Python • R	Jen • Eric Wanjau
15	Nigerijos muzikinių skonių tyrinėjimas 🎧	Klasterizavimas	Ištyrinėkite K-Means klasterizavimo metodą	Python • R	Jen • Eric Wanjau
16	Įvadas į natūralios kalbos apdorojimą ☕️	Natūralios kalbos apdorojimas	Sužinokite NLP pagrindus kurdami paprastą botą	Python	Stephen
17	Įprastos NLP užduotys ☕️	Natūralios kalbos apdorojimas	Pagilinkite savo NLP žinias suprasdami įprastas užduotis, reikalingas dirbant su kalbos struktūromis	Python	Stephen
18	Vertimas ir sentimentų analizė ♥️	Natūralios kalbos apdorojimas	Vertimas ir sentimentų analizė su Jane Austen	Python	Stephen
19	Romantiški Europos viešbučiai ♥️	Natūralios kalbos apdorojimas	Sentimentų analizė pagal viešbučių atsiliepimus 1	Python	Stephen
20	Romantiški Europos viešbučiai ♥️	Natūralios kalbos apdorojimas	Sentimentų analizė pagal viešbučių atsiliepimus 2	Python	Stephen
21	Įvadas į laiko eilučių prognozavimą	Laiko eilutės	Įvadas į laiko eilučių prognozavimą	Python	Francesca
22	⚡️ Pasaulio elektros suvartojimas ⚡️ - laiko eilučių prognozavimas su ARIMA	Laiko eilutės	Laiko eilučių prognozavimas naudojant ARIMA	Python	Francesca
23	⚡️ Pasaulio elektros suvartojimas ⚡️ - laiko eilučių prognozavimas su SVR	Laiko eilutės	Laiko eilučių prognozavimas naudojant Support Vector Regressor	Python	Anirban
24	Įvadas į stiprinamąjį mokymąsi	Stiprinamasis mokymasis	Įvadas į stiprinamąjį mokymąsi su Q-Learning	Python	Dmitry
25	Padėkite Peteriui išvengti vilko! 🐺	Stiprinamasis mokymasis	Stiprinamojo mokymosi Gym	Python	Dmitry
Priedas	Mašininio mokymosi scenarijai ir taikymai realiame pasaulyje	ML in the Wild	Įdomūs ir atskleidžiantys realaus pasaulio klasikinio ML pritaikymai	Pamoka	Komanda
Priedas	Modelių derinimas ML naudojant RAI prietaisų skydelį	ML in the Wild	Modelių derinimas mašininio mokymosi srityje naudojant Responsible AI prietaisų skydelio komponentus	Pamoka	Ruth Yakubu

raskite visus papildomus šio kurso išteklius mūsų Microsoft Learn kolekcijoje

Prieiga neprisijungus

Šią dokumentaciją galite paleisti neprisijungę naudodami Docsify. Atšakokite šią saugyklą, įdiekite Docsify savo vietiniame kompiuteryje, o tada šioje saugykloje, pagrindiniame kataloge, įveskite docsify serve. Svetainė bus pasiekiama per 3000 prievadą jūsų localhost: localhost:3000.

PDF failai

Raskite programos mokymo planą PDF formatu su nuorodomis čia.

🎒 Kiti kursai

Mūsų komanda rengia kitus kursus! Peržiūrėkite:

LangChain

---

Azure / Edge / MCP / Agentai

---

Generative AI Series

---

Pagrindiniai mokymai

---

Copilot serijos

Pagalba

Jei užstrigote arba turite klausimų apie DI programėlių kūrimą. Prisijunkite prie kitų besimokančiųjų ir patyrusių kūrėjų diskusijose apie MCP. Tai palaikanti bendruomenė, kurioje klausimai yra laukiami ir žinios dalijamos laisvai.

Jei turite atsiliepimų apie produktą arba pastebėjote klaidų kūrimo metu, apsilankykite:

---

Atsakomybės apribojimas: Šis dokumentas išverstas naudojant dirbtinio intelekto vertimo paslaugą Co-op Translator. Nors stengiamės užtikrinti tikslumą, atkreipkite dėmesį, kad automatizuoti vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba turėtų būti laikomas autoritetingu šaltiniu. Svarbios informacijos atveju rekomenduojamas profesionalus žmogaus vertimas. Mes neatsakome už bet kokius nesusipratimus ar neteisingas interpretacijas, kilusias dėl šio vertimo naudojimo.