You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
ML-For-Beginners/translations/sr
leestott f6845a1948
🌐 Update translations via Co-op Translator
8 months ago
..
1-Introduction 🌐 Update translations via Co-op Translator 8 months ago
2-Regression 🌐 Update translations via Co-op Translator 8 months ago
3-Web-App 🌐 Update translations via Co-op Translator 8 months ago
4-Classification 🌐 Update translations via Co-op Translator 8 months ago
5-Clustering 🌐 Update translations via Co-op Translator 8 months ago
6-NLP 🌐 Update translations via Co-op Translator 8 months ago
7-TimeSeries 🌐 Update translations via Co-op Translator 8 months ago
8-Reinforcement 🌐 Update translations via Co-op Translator 8 months ago
9-Real-World 🌐 Update translations via Co-op Translator 8 months ago
docs 🌐 Update translations via Co-op Translator 8 months ago
quiz-app 🌐 Update translations via Co-op Translator 8 months ago
sketchnotes 🌐 Update translations via Co-op Translator 8 months ago
CODE_OF_CONDUCT.md 🌐 Update translations via Co-op Translator 8 months ago
CONTRIBUTING.md 🌐 Update translations via Co-op Translator 8 months ago
README.md 🌐 Update translations via Co-op Translator 8 months ago
SECURITY.md 🌐 Update translations via Co-op Translator 8 months ago
SUPPORT.md 🌐 Update translations via Co-op Translator 8 months ago
for-teachers.md 🌐 Update translations via Co-op Translator 8 months ago

README.md

GitHub license
GitHub contributors
GitHub issues
GitHub pull-requests
PRs Welcome

GitHub watchers
GitHub forks
GitHub stars

🌐 Подршка на више језика

Подржано преко GitHub Action-а (Аутоматизовано и увек ажурирано)

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

Придружите се заједници

Azure AI Discord

Машинско учење за почетнике - Наставни план

🌍 Путујте светом док истражујемо машинско учење кроз културе света 🌍

Cloud Advocates у Microsoft-у са задовољством вам представљају наставни план у трајању од 12 недеља и 26 лекција, посвећен машинском учењу. У овом курикулуму ћете научити о ономе што се понекад назива класично машинско учење, користећи углавном библиотеку Scikit-learn и избегавајући дубоко учење, које је обрађено у нашем курикулуму за почетнике у вештачкој интелигенцији. Упарите ове лекције са нашим 'Наука о подацима за почетнике' курикулумом, такође!

Путујте са нама широм света док примењујемо ове класичне технике на податке из различитих делова света. Свака лекција укључује квизове пре и после лекције, писана упутства за завршетак лекције, решење, задатак и још много тога. Наш приступ заснован на пројектима омогућава вам да учите кроз изградњу, што је доказан начин да нове вештине остану у памћењу.

✍️ Велико хвала нашим ауторима Џен Лупер, Стивен Хауел, Франческа Лазери, Томоми Имура, Кеси Бревиу, Дмитриј Сошњиков, Крис Норинг, Анирбан Мукерџи, Орнела Алтуњан, Рут Јакубу и Ејми Бојд

🎨 Хвала и нашим илустраторима Томоми Имура, Дасани Мадипали и Џен Лупер

🙏 Посебна захвалност 🙏 нашим Microsoft Student Ambassador ауторима, рецензентима и сарадницима, посебно Ришиту Даглију, Мухамеду Сакибу Хану Инану, Рохану Рају, Александру Петрескуу, Абишеку Џајсвалу, Наврин Табасум, Јоану Самуили и Снигдхи Агарвал

🤩 Додатна захвалност Microsoft Student Ambassador-има Ерику Ванџау, Џаслин Сонди и Видуши Гупти за наше лекције на R језику!

Почетак

Пратите ове кораке:

  1. Fork репозиторијума: Кликните на дугме "Fork" у горњем десном углу ове странице.
  2. Клонирајте репозиторијум: git clone https://github.com/microsoft/ML-For-Beginners.git

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

Студенти, да бисте користили овај курикулум, направите fork целог репозиторијума на свој GitHub налог и завршите вежбе сами или у групи:

  • Почните са квизом пре предавања.
  • Прочитајте предавање и завршите активности, заустављајући се и размишљајући на сваком провери знања.
  • Покушајте да креирате пројекте разумевањем лекција уместо покретања решења; међутим, тај код је доступан у /solution фасциклама у свакој лекцији заснованој на пројекту.
  • Урадите квиз након предавања.
  • Завршите изазов.
  • Завршите задатак.
  • Након завршетка групе лекција, посетите таблу за дискусију и "учите наглас" попуњавањем одговарајућег PAT рубрика. PAT је алат за процену напретка који попуњавате како бисте унапредили своје учење. Такође можете реаговати на друге PAT-ове како бисмо учили заједно.

За даље учење, препоручујемо праћење ових Microsoft Learn модула и путања учења.

Наставници, укључили смо неке предлоге како да користите овај курикулум.


Видео водичи

Неке лекције су доступне као кратки видео снимци. Све их можете пронаћи унутар лекција или на ML for Beginners плејлисти на Microsoft Developer YouTube каналу кликом на слику испод.

ML for beginners banner


Упознајте тим

Promo video

Gif аутор Мохит Џаисал

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


Педагошки приступ

Одабрали смо два педагошка принципа приликом креирања овог курикулума: осигурање да је заснован на пројектима и да укључује честе квизове. Поред тога, овај курикулум има заједничку тему која му даје кохезију.

Осигуравањем да садржај прати пројекте, процес постаје занимљивији за студенте, а задржавање концепата се повећава. Поред тога, квиз са ниским улозима пре часа поставља намеру студента ка учењу теме, док други квиз након часа осигурава даље задржавање. Овај курикулум је дизајниран да буде флексибилан и забаван и може се узети у целости или делимично. Пројекти почињу са једноставним задацима и постају све сложенији до краја 12-недељног циклуса. Овај курикулум такође укључује додатак о стварним применама машинског учења, који се може користити као додатни задатак или као основа за дискусију.

Пронађите наш Кодекс понашања, Упутства за допринос и Упутства за превођење. Добродошли сте да нам дате конструктивне повратне информације!

Свака лекција укључује

  • опционални скицноте
  • опционални додатни видео
  • видео водич (само за неке лекције)
  • квиз за загревање пре предавања
  • писану лекцију
  • за лекције засноване на пројектима, корак-по-корак водиче како изградити пројекат
  • провере знања
  • изазов
  • додатно читање
  • задатак
  • квиз након предавања

Напомена о језицима: Ове лекције су углавном написане на Python-у, али многе су доступне и на R језику. Да бисте завршили лекцију на R језику, идите у /solution фасциклу и потражите R лекције. Оне укључују .rmd екстензију која представља R Markdown датотеку, која се може једноставно дефинисати као уграђивање кодних делова (R или других језика) и YAML заглавља (које води како форматирати излазе као што су PDF) у Markdown документ. Као таква, она служи као изузетан оквир за ауторство у науци о подацима јер вам омогућава да комбинујете свој код, његов излаз и своје мисли, омогућавајући вам да их запишете у Markdown-у. Штавише, R Markdown документи могу се рендеровати у формате као што су PDF, HTML или Word.

Напомена о квизовима: Сви квизови се налазе у Quiz App фасцикли, за укупно 52 квиза са по три питања. Они су повезани унутар лекција, али апликација за квиз може се покренути локално; пратите упутства у quiz-app фасцикли за локално хостовање или Azure деплој.

Број лекције Тема Група лекција Циљеви учења Повезана лекција Аутор
01 Увод у машинско учење Увод Научите основне концепте машинског учења Лекција Мухамед
02 Историја машинског учења Увод Научите историју ове области Лекција Џен и Ејми
03 Правичност и машинско учење Увод Која су важна филозофска питања о правичности која студенти треба да размотре приликом изградње и примене ML модела? Лекција Томоми
04 Технике за машинско учење Увод Које технике истраживачи машинског учења користе за изградњу модела машинског учења? Лекција Крис и Џен
05 Увод у регресију Регресија Започните са Python-ом и Scikit-learn-ом за моделе регресије
  • [Python](2-Regression/1-Tools/README.md)
  • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html)
|
  • Џен
  • Ерик Ванџау
| | 06 | Цене бундева у Северној Америци 🎃 | [Регресија](2-Regression/README.md) | Визуализујте и очистите податке у припреми за машинско учење |
  • [Python](2-Regression/2-Data/README.md)
  • [R](../../2-Regression/2-Data/solution/R/lesson_2.html)
|
  • Џен
  • Ерик Ванџау
| | 07 | Цене бундева у Северној Америци 🎃 | [Регресија](2-Regression/README.md) | Направите моделе линеарне и полиномске регресије |
  • [Python](2-Regression/3-Linear/README.md)
  • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html)
|
  • Џен и Дмитри
  • Ерик Ванџау
| | 08 | Цене бундева у Северној Америци 🎃 | [Регресија](2-Regression/README.md) | Направите модел логистичке регресије |
  • [Python](2-Regression/4-Logistic/README.md)
  • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)
|
  • Џен
  • Ерик Ванџау
| | 09 | Веб апликација 🔌 | [Веб апликација](3-Web-App/README.md) | Направите веб апликацију за коришћење вашег обученог модела | [Python](3-Web-App/1-Web-App/README.md) | Џен | | 10 | Увод у класификацију | [Класификација](4-Classification/README.md) | Очистите, припремите и визуализујте своје податке; увод у класификацију |
  • [Python](4-Classification/1-Introduction/README.md)
  • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) |
    • Џен и Кеси
    • Ерик Ванџау
    | | 11 | Укусна азијска и индијска кухиња 🍜 | [Класификација](4-Classification/README.md) | Увод у класификаторе |
    • [Python](4-Classification/2-Classifiers-1/README.md)
    • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
      • Џен и Кеси
      • Ерик Ванџау
      | | 12 | Укусна азијска и индијска кухиња 🍜 | [Класификација](4-Classification/README.md) | Више класификатора |
      • [Python](4-Classification/3-Classifiers-2/README.md)
      • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
        • Џен и Кеси
        • Ерик Ванџау
        | | 13 | Укусна азијска и индијска кухиња 🍜 | [Класификација](4-Classification/README.md) | Направите веб апликацију препоручивача користећи ваш модел | [Python](4-Classification/4-Applied/README.md) | Џен | | 14 | Увод у кластерисање | [Кластерисање](5-Clustering/README.md) | Очистите, припремите и визуализујте своје податке; увод у кластерисање |
        • [Python](5-Clustering/1-Visualize/README.md)
        • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) |
          • Џен
          • Ерик Ванџау
          | | 15 | Истраживање музичких укуса у Нигерији 🎧 | [Кластерисање](5-Clustering/README.md) | Истражите метод кластерисања K-Means |
          • [Python](5-Clustering/2-K-Means/README.md)
          • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) |
            • Џен
            • Ерик Ванџау
            | | 16 | Увод у обраду природног језика | [Обрада природног језика](6-NLP/README.md) | Научите основе обраде природног језика кроз прављење једноставног бота | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Стивен | | 17 | Уобичајени NLP задаци | [Обрада природног језика](6-NLP/README.md) | Продубите своје знање о NLP-у кроз разумевање уобичајених задатака у раду са језичким структурама | [Python](6-NLP/2-Tasks/README.md) | Стивен | | 18 | Превод и анализа сентимента ♥️ | [Обрада природног језика](6-NLP/README.md) | Превод и анализа сентимента уз Џејн Остин | [Python](6-NLP/3-Translation-Sentiment/README.md) | Стивен | | 19 | Романтични хотели Европе ♥️ | [Обрада природног језика](6-NLP/README.md) | Анализа сентимента уз рецензије хотела 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Стивен | | 20 | Романтични хотели Европе ♥️ | [Обрада природног језика](6-NLP/README.md) | Анализа сентимента уз рецензије хотела 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Стивен | | 21 | Увод у прогнозирање временских серија | [Временске серије](7-TimeSeries/README.md) | Увод у прогнозирање временских серија | [Python](7-TimeSeries/1-Introduction/README.md) | Франческа | | 22 | Светска потрошња енергије - прогнозирање временских серија са ARIMA | [Временске серије](7-TimeSeries/README.md) | Прогнозирање временских серија са ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Франческа | | 23 | Светска потрошња енергије - прогнозирање временских серија са SVR | [Временске серије](7-TimeSeries/README.md) | Прогнозирање временских серија са регресором подржавајућих вектора | [Python](7-TimeSeries/3-SVR/README.md) | Анирбан | | 24 | Увод у учење кроз појачање | [Учење кроз појачање](8-Reinforcement/README.md) | Увод у учење кроз појачање са Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Дмитри | | 25 | Помозите Петру да избегне вука! 🐺 | [Учење кроз појачање](8-Reinforcement/README.md) | Учење кроз појачање уз Gym | [Python](8-Reinforcement/2-Gym/README.md) | Дмитри | | Постскриптум | Сценарији и апликације машинског учења у стварном свету | [ML у стварном свету](9-Real-World/README.md) | Занимљиве и откривајуће апликације класичног машинског учења | [Лекција](9-Real-World/1-Applications/README.md) | Тим | | Постскриптум | Дебаговање модела машинског учења уз RAI контролну таблу | [ML у стварном свету](9-Real-World/README.md) | Дебаговање модела машинског учења уз компоненте контролне табле за одговорну вештачку интелигенцију | [Лекција](9-Real-World/2-Debugging-ML-Models/README.md) | Рут Јакубу |

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

            Офлајн приступ

            Можете покренути ову документацију офлајн користећи Docsify. Форкујте овај репозиторијум, инсталирајте Docsify на вашем локалном рачунару, а затим у коренском фолдеру овог репозиторијума укуцајте docsify serve. Веб сајт ће бити доступан на порту 3000 на вашем локалном серверу: localhost:3000.

            PDF-ови

            Пронађите PDF наставног плана са линковима овде.

            🎒 Остали курсеви

            Наш тим производи и друге курсеве! Погледајте:


            Одрицање од одговорности:
            Овај документ је преведен коришћењем услуге за превођење помоћу вештачке интелигенције Co-op Translator. Иако се трудимо да превод буде тачан, молимо вас да имате у виду да аутоматизовани преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати меродавним извором. За критичне информације препоручује се професионални превод од стране људи. Не преузимамо одговорност за било каква погрешна тумачења или неспоразуме који могу настати услед коришћења овог превода.