ML-For-Beginners/translations/ms

🌐 Sokongan Pelbagai Bahasa

Disokong melalui GitHub Action (Automatik & Sentiasa Terkini)

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

Sertai Komuniti Kami

Kami mempunyai siri Discord "belajar dengan AI" yang sedang berjalan, ketahui lebih lanjut dan sertai kami di Learn with AI Series dari 18 - 30 September, 2025. Anda akan mendapat petua dan helah menggunakan GitHub Copilot untuk Sains Data.

Pembelajaran Mesin untuk Pemula - Kurikulum

🌍 Mengembara ke seluruh dunia sambil kita meneroka Pembelajaran Mesin melalui budaya dunia 🌍

Cloud Advocates di Microsoft berbesar hati menawarkan kurikulum 12-minggu, 26-pelajaran yang semua mengenai Pembelajaran Mesin. Dalam kurikulum ini, anda akan mempelajari apa yang kadang-kadang dipanggil pembelajaran mesin klasik, menggunakan terutamanya Scikit-learn sebagai perpustakaan dan mengelakkan pembelajaran mendalam, yang dibahas dalam kurikulum 'AI for Beginners'. Padankan pelajaran ini dengan juga kurikulum 'Data Science for Beginners'!

Mengembara bersama kami ke seluruh dunia ketika kami menerapkan teknik klasik ini kepada data daripada banyak kawasan di dunia. Setiap pelajaran merangkumi kuiz pra dan pasca pelajaran, arahan bertulis untuk menyelesaikan pelajaran, penyelesaian, tugasan, dan banyak lagi. Pedagogi berasaskan projek kami membolehkan anda belajar sambil membina, satu cara terbukti untuk kemahiran baru 'melekat'.

✍️ Terima kasih setulus hati kepada pengarang kami Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu dan Amy Boyd

🎨 Terima kasih juga kepada ilustrator kami Tomomi Imura, Dasani Madipalli, dan Jen Looper

🙏 Terima kasih khas 🙏 kepada penulis, pengulas, dan penyumbang kandungan Microsoft Student Ambassador kami, terutamanya Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, dan Snigdha Agarwal

🤩 Penghargaan tambahan kepada Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, dan Vidushi Gupta untuk pelajaran R kami!

Memulakan

Ikuti langkah-langkah ini:

1. Fork the Repository: Klik butang "Fork" di penjuru atas-kanan halaman ini.
2. Clone the Repository: git clone https://github.com/microsoft/ML-For-Beginners.git

temui semua sumber tambahan untuk kursus ini dalam koleksi Microsoft Learn kami

🔧 Perlu bantuan? Semak Panduan Penyelesaian Masalah untuk penyelesaian kepada isu biasa berkaitan pemasangan, penetapan, dan menjalankan pelajaran.

Pelajar, untuk menggunakan kurikulum ini, fork keseluruhan repositori ke akaun GitHub anda sendiri dan lengkapkan latihan secara sendiri atau bersama kumpulan:

• Mulakan dengan kuiz pra-ceramah.
• Baca kuliah dan selesaikan aktiviti, berhenti dan renungkan pada setiap pemeriksaan pengetahuan.
• Cuba untuk mencipta projek dengan memahami pelajaran dan bukannya hanya menjalankan kod penyelesaian; bagaimanapun kod tersebut tersedia dalam folder /solution dalam setiap pelajaran berorientasikan projek.
• Ambil kuiz pasca-ceramah.
• Selesaikan cabaran.
• Lengkapkan tugasan.
• Selepas menyelesaikan satu kumpulan pelajaran, lawati Papan Perbincangan dan "belajar secara terbuka" dengan mengisi rubric PAT yang sesuai. 'PAT' ialah Alat Penilaian Kemajuan yang merupakan rubrik yang anda isi untuk mempertingkatkan pembelajaran anda. Anda juga boleh memberi reaksi kepada PAT lain supaya kita boleh belajar bersama.

Untuk pengajian lanjut, kami mengesyorkan mengikuti modul dan laluan pembelajaran Microsoft Learn.

Pengajar, kami telah menyertakan beberapa cadangan tentang cara menggunakan kurikulum ini.

---

Panduan video

Beberapa pelajaran tersedia sebagai video bentuk pendek. Anda boleh menemui semuanya di dalam pelajaran, atau di senarai main ML for Beginners di saluran Microsoft Developer YouTube dengan mengklik imej di bawah.

---

Kenali Pasukan

Gif oleh Mohit Jaisal

🎥 Klik imej di atas untuk video tentang projek dan orang-orang yang menciptakannya!

---

Pedagogi

Kami telah memilih dua prinsip pedagogi semasa membina kurikulum ini: memastikan ia adalah berasaskan projek yang praktikal dan termasuk kuiz yang kerap. Selain itu, kurikulum ini mempunyai tema bersama untuk memberikan kesatuan.

Dengan memastikan kandungan selaras dengan projek, proses pembelajaran menjadi lebih menarik bagi pelajar dan pengekalan konsep akan dipertingkatkan. Selain itu, kuiz berkepentingan rendah sebelum kelas menetapkan niat pelajar untuk mempelajari topik, manakala kuiz kedua selepas kelas memastikan pengekalan selanjutnya. Kurikulum ini direka untuk fleksibel dan menyeronokkan dan boleh diambil sepenuhnya atau sebahagiannya. Projek bermula kecil dan menjadi semakin kompleks menjelang akhir kitaran 12-minggu. Kurikulum ini juga termasuk posskrip tentang aplikasi dunia sebenar ML, yang boleh digunakan sebagai kredit tambahan atau sebagai asas perbincangan.

Dapatkan Kod Tingkah Laku, garis panduan Menyumbang, Terjemahan, dan Penyelesaian Masalah. Kami mengalu-alukan maklum balas membina anda!

Setiap pelajaran termasuk

• sketchnote pilihan
• video tambahan pilihan
• panduan video (hanya beberapa pelajaran)
• kuiz pemanasan pra-ceramah
• pelajaran bertulis
• untuk pelajaran berasaskan projek, panduan langkah demi langkah tentang cara membina projek
• pemeriksaan pengetahuan
• cabaran
• bacaan tambahan
• tugasan
• kuiz pasca-ceramah

Nota mengenai bahasa: Pelajaran ini terutamanya ditulis dalam Python, tetapi banyak juga tersedia dalam R. Untuk melengkapkan pelajaran R, pergi ke folder /solution dan cari pelajaran R. Mereka termasuk sambungan .rmd yang mewakili sebuah fail R Markdown yang boleh diterangkan sebagai penyisipan code chunks (dalam R atau bahasa lain) dan YAML header (yang membimbing cara memformat output seperti PDF) dalam sebuah Markdown document. Oleh itu, ia berfungsi sebagai rangka kerja penerbitan contoh untuk sains data kerana ia membolehkan anda menggabungkan kod anda, outputnya, dan pemikiran anda dengan menulisnya dalam Markdown. Selain itu, dokumen R Markdown boleh dirender kepada format output seperti PDF, HTML, atau Word.

Nota mengenai kuiz: Semua kuiz terkandung dalam folder Aplikasi Kuiz, dengan jumlah 52 kuiz setiapnya tiga soalan. Mereka dipautkan dari dalam pelajaran tetapi aplikasi kuiz boleh dijalankan secara tempatan; ikuti arahan dalam folder quiz-app untuk mengehos atau menerapkan ke Azure secara tempatan.

Nombor Pelajaran	Topik	Pengelompokan Pelajaran	Objektif Pembelajaran	Pelajaran Berkaitan	Pengarang
01	Pengenalan kepada pembelajaran mesin	Pengenalan	Pelajari konsep asas di sebalik pembelajaran mesin	Pelajaran	Muhammad
02	Sejarah pembelajaran mesin	Pengenalan	Pelajari sejarah yang mendasari bidang ini	Pelajaran	Jen dan Amy
03	Keadilan dan pembelajaran mesin	Pengenalan	Apakah isu falsafah penting berkaitan keadilan yang harus dipertimbangkan pelajar apabila membina dan menggunakan model ML?	Pelajaran	Tomomi
04	Teknik untuk pembelajaran mesin	Pengenalan	Apakah teknik yang digunakan penyelidik ML untuk membina model ML?	Pelajaran	Chris dan Jen
05	Pengenalan kepada regresi	Regresi	Mulakan dengan Python dan Scikit-learn untuk model regresi	Python • R	Jen • Eric Wanjau
06	Harga labu Amerika Utara 🎃	Regresi	Visualisasikan dan bersihkan data sebagai persediaan untuk ML	Python • R	Jen • Eric Wanjau
07	Harga labu Amerika Utara 🎃	Regresi	Bina model regresi linear dan polinomial	Python • R	Jen dan Dmitry • Eric Wanjau
08	Harga labu Amerika Utara 🎃	Regresi	Bina model regresi logistik	Python • R	Jen • Eric Wanjau
09	Aplikasi Web 🔌	Aplikasi Web	Bina aplikasi web untuk menggunakan model yang telah dilatih	Python	Jen
10	Pengenalan kepada klasifikasi	Klasifikasi	Bersihkan, sediakan, dan visualisasikan data anda; pengenalan kepada klasifikasi	Python • R	Jen dan Cassie • Eric Wanjau
11	Masakan Asia dan India yang Lazat 🍜	Klasifikasi	Pengenalan kepada classifier	Python • R	Jen dan Cassie • Eric Wanjau
12	Masakan Asia dan India yang Lazat 🍜	Klasifikasi	Lebih banyak classifier	Python • R	Jen dan Cassie • Eric Wanjau
13	Masakan Asia dan India yang Lazat 🍜	Klasifikasi	Bina aplikasi web cadangan menggunakan model anda	Python	Jen
14	Pengenalan kepada pengelompokan	Pengelompokan	Bersihkan, sediakan, dan visualisasikan data anda; pengenalan kepada pengelompokan	Python • R	Jen • Eric Wanjau
15	Meneroka citarasa muzik Nigeria 🎧	Pengelompokan	Terokai kaedah pengelompokan K-Means	Python • R	Jen • Eric Wanjau
16	Pengenalan kepada pemprosesan bahasa semula jadi ☕️	Pemprosesan bahasa semula jadi	Pelajari asas-asas NLP dengan membina bot ringkas	Python	Stephen
17	Tugasan NLP Biasa ☕️	Pemprosesan bahasa semula jadi	Perdalam pengetahuan NLP anda dengan memahami tugasan biasa yang diperlukan apabila berurusan dengan struktur bahasa	Python	Stephen
18	Terjemahan dan analisis sentimen ♥️	Pemprosesan bahasa semula jadi	Terjemahan dan analisis sentimen dengan Jane Austen	Python	Stephen
19	Hotel romantik di Eropah ♥️	Pemprosesan bahasa semula jadi	Analisis sentimen dengan ulasan hotel 1	Python	Stephen
20	Hotel romantik di Eropah ♥️	Pemprosesan bahasa semula jadi	Analisis sentimen dengan ulasan hotel 2	Python	Stephen
21	Pengenalan kepada ramalan siri masa	Siri masa	Pengenalan kepada ramalan siri masa	Python	Francesca
22	⚡️ Penggunaan Tenaga Dunia ⚡️ - ramalan siri masa dengan ARIMA	Siri masa	Ramalan siri masa dengan ARIMA	Python	Francesca
23	⚡️ Penggunaan Tenaga Dunia ⚡️ - ramalan siri masa dengan SVR	Siri masa	Ramalan siri masa dengan Support Vector Regressor	Python	Anirban
24	Pengenalan kepada pembelajaran penguatan	Pembelajaran penguatan	Pengenalan kepada pembelajaran penguatan dengan Q-Learning	Python	Dmitry
25	Bantu Peter mengelakkan serigala! 🐺	Pembelajaran penguatan	Gym pembelajaran penguatan	Python	Dmitry
Postscript	Senario dan aplikasi ML di dunia sebenar	ML di Dunia Sebenar	Aplikasi dunia sebenar yang menarik dan mendedahkan bagi ML klasik	Pelajaran	Pasukan
Postscript	Penyahpepijat Model dalam ML menggunakan papan pemuka RAI	ML di Dunia Sebenar	Penyahpepijat model dalam pembelajaran mesin menggunakan komponen papan pemuka Responsible AI	Pelajaran	Ruth Yakubu

cari semua sumber tambahan untuk kursus ini dalam koleksi Microsoft Learn kami

Akses luar talian

Anda boleh menjalankan dokumentasi ini luar talian dengan menggunakan Docsify. Fork repositori ini, pasang Docsify pada mesin tempatan anda, dan kemudian di folder akar repositori ini, taip docsify serve. Laman web akan dihidangkan pada port 3000 di localhost anda: localhost:3000.

PDF

Cari fail PDF kurikulum dengan pautan di sini.

🎒 Kursus Lain

Pasukan kami menghasilkan kursus lain! Lihat:

LangChain

---

Azure / Edge / MCP / Ejen

---

Siri AI Generatif

---

Pembelajaran Teras

---

Siri Copilot

Mendapatkan Bantuan

Jika anda tersekat atau mempunyai sebarang pertanyaan tentang membina aplikasi AI. Sertai pelajar lain dan pembangun berpengalaman dalam perbincangan tentang MCP. Ia adalah komuniti yang menyokong di mana soalan dialu-alukan dan pengetahuan dikongsi secara percuma.

Jika anda mempunyai maklum balas produk atau ralat semasa membina, lawati:

---

Penafian: Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI Co-op Translator (https://github.com/Azure/co-op-translator). Walaupun kami berusaha untuk ketepatan, sila ambil perhatian bahawa terjemahan automatik mungkin mengandungi ralat atau ketidaktepatan. Dokumen asal dalam bahasa asalnya hendaklah dianggap sebagai sumber rujukan utama. Untuk maklumat penting, disarankan mendapatkan terjemahan profesional oleh penterjemah manusia. Kami tidak bertanggungjawab terhadap sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.