ML-For-Beginners/translations/sr

🌐 Подршка више језика

Подржано путем GitHub Action (аутоматизовано и увек ажурно)

Арапски | Бенгалски | Бугарски | Бирмански (Мјанмар) | Кинески (поједностављени) | Кинески (традиционални, Хонг Конг) | Кинески (традиционални, Макао) | Кинески (традиционални, Тајван) | Хрватски | Чешки | Дански | Холандски | Естонски | Фински | Француски | Немачки | Грчки | Хебрејски | Хинди | Мађарски | Индонежански | Италијански | Јапански | Каннада | Корејски | Литвански | Малајски | Малајалам | Марати | Непалски | Нигеријски пиџин | Норвешки | Персијски (Фарси) | Пољски | Португалски (Бразил) | Португалски (Португал) | Панџаби (Гурмукхи) | Румунски | Руски | Српски (ћирилица) | Словачки | Словеначки | Шпански | Свахили | Шведски | Тагалог (Филипински) | Тамилски | Телугу | Тајландски | Турски | Украјински | Урду | Вијетнамски

Придружите се нашој заједници

Imamo текућу серију "Learn with AI" на Discord-у, сазнајте више и придружите нам се на Learn with AI Series од 18. до 30. септембра 2025. Добит ћете савете и трикове за коришћење GitHub Copilot-a за Data Science.

Машинско учење за почетнике — наставни програм

🌍 Путујте широм света док истражујемо машинско учење кроз културе света 🌍

Cloud Advocates у Microsoft-у са задовољством нуде 12-недељни, 26-лекцијски наставни програм који се бави темом машинског учења. У овом наставном програму научићете о ономе што се понекад назива класично машинско учење, користећи углавном Scikit-learn као библиотеку и избегавајући дубоко учење, које је обухваћено у нашем AI for Beginners' curriculum. Повежите ове лекције са нашим 'Data Science for Beginners' curriculum, такође!

Путујте са нама широм света док примењујемо ове класичне технике на податке из многих делова света. Свака лекција укључује пред- и пост-лекцијске квизове, писана упутства за завршетак лекције, решење, задатак и још много тога. Наша педагошки оријентисана на пројекте омогућава вам да учите док градите, проверени начин да нове вештине "пристану".

✍️ Велика захвалност нашим ауторима Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu и Amy Boyd

🎨 Такође хвала нашим илустраторима Tomomi Imura, Dasani Madipalli, и Jen Looper

🙏 Посебна захвалност 🙏 нашим Microsoft Student Ambassador ауторима, рецензентима и сарадницима на садржају, нарочито Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, и Snigdha Agarwal

🤩 Посебна захвалност Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, и Vidushi Gupta за наше R лекције!

Почетак

Следите ове кораке:

1. Fork the Repository: Click on the "Fork" button at the top-right corner of this page.
2. Clone the Repository: git clone https://github.com/microsoft/ML-For-Beginners.git

пронађите све додатне ресурсе за овај курс у нашој Microsoft Learn колекцији

🔧 Потребна помоћ? Погледајте наш Troubleshooting Guide за решења уobičајених проблема са инсталацијом, подешавањем и покретањем лекција.

Студенти, да бисте користили овај наставни програм, форкујте цео репозиторијум на свој GitHub налог и завршите вежбе сами или у групи:

• Започните квизом пре предавања.
• Прочитајте предавање и завршите активности, правећи паузе и размишљајући на сваком контролном питању.
• Покушајте да креирате пројекте разумећи лекције уместо само покретања кода решења; међутим тај код је доступан у фасциклама /solution у свакој лекцији оријентисаној на пројекат.
• Урадите квиз након предавања.
• Завршите изазов.
• Завршите задатак.
• Након завршетка групе лекција, посетите Discussion Board и "учите наглас" попуњавањем одговарајуће PAT рубрике. 'PAT' је алат за процену напретка (Progress Assessment Tool) који је рубрика коју попуњавате како бисте унапредили своје учење. Такође можете реаговати на друге PAT-ове тако да учимо заједно.

За даље проучавање, препоручујемо праћење ових Microsoft Learn модула и учењских пута.

Наставници, укључили смо неке предлоге о томе како користити овај наставни програм.

---

Видео водичи

Неке лекције су доступне као кратки видео снимци. Можете их пронаћи унутар лекција или на ML for Beginners playlist on the Microsoft Developer YouTube channel кликом на слику испод.

---

Упознајте тим

GIF од Mohit Jaisal

🎥 Кликните на горњу слику за видео о пројекту и људима који су га креирали!

---

Педагогија

Током креирања овог наставног програма изабрали смо два педагошка начела: осигурати да је практичан и заснован на пројектима и да укључује често понављање кроз квизове. Поред тога, овај наставни програм има заједничку тему која му даје кохезију.

Осигуравањем да садржај буде усклађен са пројектима, процес постаје занимљивији за студенте и задржавање појмова ће бити повећано. Поред тога, низак ризик квиза пре часа поставља намеру студента ка учењу теме, док други квиз након часа осигурава даље задржавање. Овај наставни програм је дизајниран да буде флексибилан и забаван и може се похађати у целости или делимично. Пројекти почињу мали и постају све сложенији до краја 12-недељног циклуса. Овај наставни програм такође укључује епилог о стварним применама ML-а, који се може користити као додатни бод или као основа за дискусију.

Пронађите наш Правила понашања, Како допринети, Превођење, и Решавање проблема смернице. Добро примамо ваше конструктивне повратне информације!

Свака лекција укључује

• опционална скица
• опционални допунски видео
• видео водич (само неке лекције)
• квиз за загревање пре предавања
• писано предавање
• за лекције засноване на пројектима, корак-по-корак упутства како изградити пројекат
• провере знања
• изазов
• допунско читање
• задатак
• квиз након предавања

Напомена о језицима: Ове лекције су углавном написане у Python-у, али многе су такође доступне у R-у. Да бисте завршили R лекцију, идите у фасциклу /solution и потражите R лекције. Оне садрже .rmd екстензију која представља R Markdown фајл који се може једноставно дефинисати као уградња code chunks (R или других језика) и YAML header (који усмеравa како да форматирате излазе као што је PDF) у Markdown document. Као такав, служи као примерни оквир за аутора у области науке о подацима јер вам омогућава да комбинујете свој код, његов излаз и ваша размишљања тако што ћете их записати у Markdown. Поред тога, R Markdown документи се могу рендеровати у излазне формате као што су PDF, HTML или Word.

Напомена о квизовима: Сви квизови се налазе у Quiz App folder, укупно 52 квиза са по три питања сваки. Они су повезани из самих лекција, али quiz апликација се може покренути локално; пратите упутства у фасцикли quiz-app да бисте локално хостовали или деплојовали на Azure.

Број лекције	Тема	Група лекција	Циљеви учења	Повезана лекција	Аутор
01	Увод у машинско учење	Увод	Упознајте основне појмове машинског учења	Лекција	Muhammad
02	Историја машинског учења	Увод	Сазнајте историју ове области	Лекција	Jen and Amy
03	Праведност и машинско учење	Увод	Која су важна филозофска питања у вези са праведношћу која студенти треба да размотре приликом израде и примене ML модела?	Лекција	Tomomi
04	Технике за машинско учење	Увод	Које технике истраживачи машинског учења користе за израду ML модела?	Лекција	Chris and Jen
05	Увод у регресију	Регресија	Почните са Python-ом и Scikit-learn-ом за регресионе моделе	Python • R	Jen • Eric Wanjau
06	Цене бундева у Северној Америци 🎃	Регресија	Визуализујте и очистите податке у припреми за ML	Python • R	Jen • Eric Wanjau
07	Цене бундева у Северној Америци 🎃	Регресија	Изградите линеарне и полиномске регресионе моделе	Python • R	Jen and Dmitry • Eric Wanjau
08	Цене бундева у Северној Америци 🎃	Регресија	Направите логистички регресион модел	Python • R	Jen • Eric Wanjau
09	Веб апликација 🔌	Web App	Направите веб апликацију за коришћење обученог модела	Python	Jen
10	Увод у класификацију	Класификација	Очистите, припремите и визуализујте податке; увод у класификацију	Python • R	Jen and Cassie • Eric Wanjau
11	Укусне азијске и индијске кухиње 🍜	Класификација	Увод у класификаторе	Python • R	Jen and Cassie • Eric Wanjau
12	Укусне азијске и индијске кухиње 🍜	Класификација	Више класификатора	Python • R	Jen and Cassie • Eric Wanjau
13	Укусне азијске и индијске кухиње 🍜	Класификација	Направите веб апликацију за препоруке користећи ваш модел	Python	Jen
14	Увод у кластеризацију	Кластеризација	Очистите, припремите и визуализујте податке; увод у кластеризацију	Python • R	Jen • Eric Wanjau
15	Истраживање нигеријских музичких укуса 🎧	Кластеризација	Истражите K-Means методу кластеризације	Python • R	Jen • Eric Wanjau
16	Увод у обраду природног језика ☕️	Обрада природног језика	Упознајте се са основама NLP-а правећи једноставног бота	Python	Stephen
17	Уобичајени задаци у NLP-у ☕️	Обрада природног језика	Удубите своје знање о NLP-у разумевањем уобичајених задатака потребних при раду са језичким структурама	Python	Stephen
18	Превод и анализа сентимента ♥️	Обрада природног језика	Превод и анализа сентимента на примеру Jane Austen	Python	Stephen
19	Романтични хотели Европе ♥️	Обрада природног језика	Анализа сентимента на рецензијама хотела 1	Python	Stephen
20	Романтични хотели Европе ♥️	Обрада природног језика	Анализа сентимента на рецензијама хотела 2	Python	Stephen
21	Увод у прогнозирање временских серија	Временске серије	Увод у прогнозирање временских серија	Python	Francesca
22	⚡️ Потрошња електричне енергије у свету ⚡️ - прогнозирање временских серија помоћу ARIMA	Временске серије	Прогнозирање временских серија помоћу ARIMA	Python	Francesca
23	⚡️ Потрошња електричне енергије у свету ⚡️ - прогнозирање временских серија помоћу SVR	Временске серије	Прогнозирање временских серија помоћу Support Vector Regressor-а	Python	Anirban
24	Увод у учење појачањем	Учење појачањем	Увод у учење појачањем уз Q-Learning	Python	Dmitry
25	Помозите Питеру да избегне вука! 🐺	Учење појачањем	Gym за учење појачањем	Python	Dmitry
Послепис	Сценарији и примена ML у реалном свету	ML у реалном свету	Занимљиве и откривачке примене класичног машинског учења у стварном свету	Лекција	Тим
Послепис	Дебаговање модела у ML користећи RAI контролну таблу	ML у реалном свету	Дебаговање модела у машинском учењу користећи компоненте Responsible AI контролне табле	Лекција	Ruth Yakubu

пронађите све додатне ресурсе за овај курс у нашој Microsoft Learn колекцији

Офлајн приступ

Ову документацију можете покренути офлајн користећи Docsify. Форкните овај репо, инсталирајте Docsify на вашем локалном рачунару, а затим у коренском фолдеру овог репозиторијума укуцајте docsify serve. Веб сајт ће бити сервисиран на порту 3000 на вашем localhost-у: localhost:3000.

PDF-ови

Пронађите PDF наставног плана са везама овде.

🎒 Остали курсеви

Наш тим прави и друге курсеве! Погледајте:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

Основно учење

---

Copilot серија

Добијање помоћи

Уколико застнете или имате било каквих питања у вези са прављењем AI апликација. Придружите се другим учесницима и искусним програмерима у дискусијама о MCP. То је подржавајућа заједница у којој су питања добродошла и у којој се знање слободно дели.

Ако имате повратне информације о производу или грешке приликом прављења посетите:

---

Одрицање одговорности: Овај документ је преведен помоћу AI сервиса за превођење Co‑op Translator (https://github.com/Azure/co-op-translator). Иако настојимо да преводи буду тачни, имајте у виду да аутоматизовани преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати ауторитативним извором. За критичне информације препоручује се професионални људски превод. Не сносимо одговорност за било какве неспоразуме или погрешна тумачења која произилазе из коришћења овог превода.