ML-For-Beginners/translations/ro

🌐 Suport multilingv

Suportat prin GitHub Action (Automatizat și Întotdeauna Actualizat)

Arabă | Bengaleză | Bulgară | Birmană (Myanmar) | Chineză (Simplificată) | Chineză (Tradițională, Hong Kong) | Chineză (Tradițională, Macau) | Chineză (Tradițională, Taiwan) | Croată | Cehă | Daneză | Olandeză | Estonă | Finlandeză | Franceză | Germană | Greacă | Ebraică | Hindi | Maghiară | Indoneziană | Italiană | Japoneză | Kannada | Coreeană | Lituaniană | Malayeză | Malayalam | Marathi | Nepaleză | Pidgin nigeriană | Norvegiană | Persană (Farsi) | Poloneză | Portugheză (Brazilia) | Portugheză (Portugalia) | Punjabi (Gurmukhi) | Română | Rusă | Sârbă (chirilică) | Slovacă | Slovena | Spaniolă | Swahili | Suedeză | Tagalog (Filipineză) | Tamilă | Telugu | Thailandeză | Turcă | Ucraineană | Urdu | Vietnameză

Alătură-te comunității noastre

Organizăm o serie Discord Learn with AI în desfășurare; află mai multe și alătură-te la Seria Learn with AI în perioada 18 - 30 septembrie 2025. Vei primi sfaturi și trucuri pentru utilizarea GitHub Copilot pentru Data Science.

Învățare Automată pentru Începători - Un curriculum

🌍 Călătorește în jurul lumii în timp ce explorăm Învățarea Automată prin intermediul culturilor lumii 🌍

Cloud Advocates de la Microsoft sunt încântați să ofere un curriculum de 12 săptămâni, 26 de lecții, dedicat în întregime Învățării Automate. În acest curriculum, vei învăța despre ceea ce uneori este numit învățare automată clasică, folosind în principal Scikit-learn ca bibliotecă și evitând deep learning, care este acoperit în curriculumul nostru AI for Beginners' curriculum. Asociază aceste lecții și cu curriculumul nostru 'Data Science for Beginners' curriculum!

Călătorește cu noi în jurul lumii pe măsură ce aplicăm aceste tehnici clasice pe date din multe regiuni ale lumii. Fiecare lecție include chestionare înainte și după lecție, instrucțiuni scrise pentru a finaliza lecția, o soluție, o temă, și altele. Pedagogia noastră bazată pe proiecte îți permite să înveți în timp ce construiești, o metodă dovedită prin care noile competențe rămân.

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

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

🙏 Mulțumiri speciale 🙏 autorilor, recenzorilor și contributorilor de conținut Microsoft Student Ambassador, în special Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, și Snigdha Agarwal

🤩 Recunoștință în plus pentru Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, și Vidushi Gupta pentru lecțiile noastre în R!

Începeți

Urmați acești pași:

1. Fă un fork al depozitului: Apasă pe butonul "Fork" din colțul din dreapta sus al acestei pagini.
2. Clonează depozitul: 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 cu instalarea, configurarea și rularea lecțiilor.

Studenți, pentru a folosi acest curriculum, forkează întregul repo în contul tău GitHub și completează exercițiile pe cont propriu sau cu un grup:

• Începe cu un chestionar înainte de curs.
• Citește lecția și finalizează activitățile, fă pauze și reflectează la fiecare verificare a cunoștințelor.
• Încearcă să creezi proiectele înțelegând lecțiile, mai degrabă decât rulând codul de soluție; totuși acel cod este disponibil în folderele /solution din fiecare lecție orientată pe proiect.
• Fă chestionarul după curs.
• Finalizează provocarea.
• Finalizează tema.
• După ce termini un grup de lecții, vizitează Discussion Board și "învăță cu voce tare" completând rubrica PAT corespunzătoare. Un 'PAT' este un Instrument de Evaluare a Progresului care este o rubrică pe care o completezi pentru a-ți aprofunda învățarea. Poți, de asemenea, să reacționezi la alte PAT-uri astfel încât să învățăm împreună.

Pentru studiu suplimentar, recomandăm următoarele module și căi de învățare Microsoft Learn.

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

---

Prezentări video

Unele dintre 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 click pe imaginea de mai jos.

---

Cunoaște echipa

GIF de Mohit Jaisal

🎥 Dă click pe imaginea de mai sus pentru un video despre proiect și persoanele care l-au creat!

---

Pedagogie

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

Prin alinierea conținutului cu proiectele, procesul devine mai captivant pentru studenți și reținerea conceptelor va fi îmbunătățită. În plus, un chestionar cu miză redusă înaintea unei lecții setează intenția studentului spre a învăța un subiect, în timp ce al doilea chestionar după curs asigură o retenție suplimentară. Acest curriculum a fost conceput pentru a fi flexibil și distractiv și poate fi parcurs integral sau parțial. Proiectele încep mic și devin din ce în ce mai complexe până la sfârșitul ciclului de 12 săptămâni. Acest curriculum include, de asemenea, un postscriptum despre aplicațiile reale ale ML, care poate fi folosit ca credit suplimentar sau ca bază pentru discuție.

Găsești Codul nostru de conduită, Contribuții, Traduceri, și ghidul de Depanare. Așteptăm feedback-ul vostru constructiv!

Fiecare lecție include

• sketchnote opțional
• video suplimentar opțional
• ghid video (doar unele lecții)
• chestionar de încălzire înainte de lecție
• lecție scrisă
• pentru lecțiile bazate pe proiecte, ghiduri pas-cu-pas despre cum să construiești proiectul
• verificări de cunoștințe
• o provocare
• lectură suplimentară
• temă
• chestionar post-lecture

O observație despre limbi: Aceste lecții sunt scrise în principal în Python, dar multe sunt și disponibile în R. Pentru a finaliza o lecție în R, mergi în folderul /solution și caută lecțiile în R. Ele includ extensia .rmd care reprezintă un fișier R Markdown ce poate fi definit simplu ca o încorporare de code chunks (de R sau alte limbaje) și un YAML header (care ghidează cum să formatezi ieșirile, cum ar fi PDF) într-un document Markdown. Ca atare, servește ca un cadru exemplar de autorat pentru data science deoarece îți permite să combini codul tău, rezultatele sale și gândurile tale, permițându-ți să le notezi în Markdown. În plus, documentele R Markdown pot fi randate în formate de ieșire precum PDF, HTML sau Word.

O observație despre chestionare: Toate chestionarele sunt conținute în folderul Quiz App, pentru un total de 52 de chestionare, fiecare având trei întrebări. Sunt legate din cadrul lecțiilor, dar aplicația de chestionare poate fi rulată local; urmează instrucțiunile din folderul quiz-app pentru a găzdui local sau a implementa pe Azure.

Numărul lecției	Subiect	Gruparea lecțiilor	Obiective de învățare	Lecția legată	Autor
01	Introducere în învățarea automată	Introducere	Învață conceptele de bază din spatele învățării automate	Lecție	Muhammad
02	Istoria învățării automate	Introducere	Află istoria acestui domeniu	Lecție	Jen and Amy
03	Echitate și învățarea automată	Introducere	Care sunt problemele filozofice importante legate de echitate pe care studenții ar trebui să le ia în considerare când construiesc și aplică modele ML?	Lecție	Tomomi
04	Tehnici pentru învățarea automată	Introducere	Ce tehnici folosesc cercetătorii în ML pentru a construi modele ML?	Lecție	Chris and 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 datele 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 and 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 utiliza modelul antrenat	Python	Jen
10	Introducere în clasificare	Clasificare	Curăță, pregătește și vizualizează datele; introducere în clasificare	Python • R	Jen and Cassie • Eric Wanjau
11	Bucătării delicioase asiatice și indiene 🍜	Clasificare	Introducere în clasificatori	Python • R	Jen and Cassie • Eric Wanjau
12	Bucătării delicioase asiatice și indiene 🍜	Clasificare	Mai mulți clasificatori	Python • R	Jen and Cassie • Eric Wanjau
13	Bucătării delicioase asiatice și indiene 🍜	Clasificare	Construiește o aplicație web de recomandare folosind modelul tău	Python	Jen
14	Introducere în clusterizare	Clusterizare	Curăță, pregătește și vizualizează datele; introducere în clusterizare	Python • R	Jen • Eric Wanjau
15	Explorarea gusturilor muzicale din Nigeria 🎧	Clusterizare	Explorează metoda de clusterizare K-Means	Python • R	Jen • Eric Wanjau
16	Introducere în procesarea limbajului natural ☕️	Procesarea limbajului natural	Învață elementele de bază ale PLN construind un bot simplu	Python	Stephen
17	Sarcini comune în procesarea limbajului natural ☕️	Procesarea limbajului natural	Adâncește-ți cunoștințele despre PLN înțelegând sarcinile comune necesare atunci când lucrezi cu structuri lingvistice	Python	Stephen
18	Traducere și analiză a sentimentelor ♥️	Procesarea limbajului natural	Traducere și analiză a sentimentelor cu Jane Austen	Python	Stephen
19	Hoteluri romantice din Europa ♥️	Procesarea limbajului natural	Analiză a sentimentelor cu recenzii de hotel 1	Python	Stephen
20	Hoteluri romantice din Europa ♥️	Procesarea limbajului natural	Analiză a sentimentelor cu recenzii de hotel 2	Python	Stephen
21	Introducere în prognoza seriilor temporale	Serii temporale	Introducere în prognoza seriilor temporale	Python	Francesca
22	⚡️ Consum mondial de energie ⚡️ - prognoza seriilor temporale cu ARIMA	Serii temporale	Prognoza seriilor temporale cu ARIMA	Python	Francesca
23	⚡️ Consum mondial de energie ⚡️ - prognoza seriilor temporale cu SVR	Serii temporale	Prognoza seriilor temporale cu Support Vector Regressor	Python	Anirban
24	Introducere în învățarea prin întărire	Învățare prin întărire	Introducere în învățarea prin întărire cu Q-Learning	Python	Dmitry
25	Ajută-l pe Peter să evite lupul! 🐺	Învățare prin întărire	Gym pentru învățare prin întărire	Python	Dmitry
Postscript	Scenarii și aplicații ML din lumea reală	ML in the Wild	Aplicații interesante și revelatoare din lumea reală ale învățării automate clasice	Lecție	Team
Postscript	Depanarea modelelor ML folosind panoul RAI	ML in the Wild	Depanarea modelelor în învățarea automată folosind componentele panoului Responsible AI	Lecție	Ruth Yakubu

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

Acces offline

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

PDF-uri

Găsești un PDF al curriculumului cu linkuri aici.

🎒 Alte cursuri

Echipa noastră produce și alte cursuri! Vezi:

LangChain

---

Azure / Edge / MCP / Agenți

---

Seria Generative AI

---

Învățare de bază

---

Seria Copilot

Obține ajutor

Dacă întâmpinați dificultăți sau aveți întrebări despre construirea aplicațiilor AI. Alăturați-vă altor cursanți și dezvoltatori cu experiență în discuții despre MCP. Este o comunitate de sprijin în care întrebările sunt binevenite și cunoștințele sunt împărtășite liber.

Dacă aveți feedback despre produs sau întâmpinați erori în timpul dezvoltării, vizitați:

---

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, ar trebui considerat sursa autorizată. Pentru informații critice, se recomandă o traducere profesională realizată de un traducător uman. Nu ne asumăm răspunderea pentru eventuale neînțelegeri sau interpretări greșite rezultate din utilizarea acestei traduceri.