ML-For-Beginners/translations/tl

🌐 Suporta sa Maramihang Wika

Sinusuportahan sa pamamagitan ng GitHub Action (Ina-automate at Laging Napapanahon)

Arabe | Bengali | Bulgaro | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Kroatiyan | 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

Sumali sa Aming Komunidad

Mayroon kaming serye sa Discord na "Learn with AI" na nagpapatuloy—alamin pa at sumali sa amin sa Learn with AI Series mula 18 - 30 Setyembre, 2025. Makakakuha ka ng mga tip at trick sa paggamit ng GitHub Copilot para sa Data Science.

Machine Learning para sa mga Nagsisimula - Isang Kurikulum

🌍 Maglakbay sa paligid ng mundo habang tinutuklas natin ang Machine Learning sa pamamagitan ng mga kultura sa mundo 🌍

Ang Cloud Advocates sa Microsoft ay natutuwa na mag-alok ng isang 12-linggong, 26-araling kurikulum na tungkol sa Machine Learning. Sa kurikulum na ito, matututuhan mo ang kung ano ang tinatawag minsan na classic machine learning, gamit pangunahin ang Scikit-learn bilang library at iniiwasan ang deep learning, na sakop sa aming AI for Beginners' curriculum. Pagsamahin din ang mga leksyon na ito sa aming 'Data Science for Beginners' curriculum.

Maglakbay kasama namin sa iba't ibang panig ng mundo habang inaaplay namin ang mga tradisyunal na teknik na ito sa data mula sa maraming lugar sa mundo. Bawat aralin ay may kasamang pre- at post-lesson quizzes, nakasulat na mga tagubilin para tapusin ang aralin, isang solusyon, isang takdang-aralin, at iba pa. Ang aming project-based na pedagogiya ay nagpapahintulot sa iyo na matuto habang nagtatayo, isang napatunayang paraan para manatili ang mga bagong kasanayan.

✍️ Taos-pusong pasasalamat sa aming mga may-akda Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd

🎨 Pasasalamat din sa aming mga illustrator Tomomi Imura, Dasani Madipalli, at Jen Looper

🙏 Espesyal na pasasalamat 🙏 sa aming mga Microsoft Student Ambassador na mga may-akda, reviewer, at kontribyutor ng nilalaman, lalo na sina Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, at Snigdha Agarwal

🤩 Dagdag na pasasalamat kina Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, at Vidushi Gupta para sa aming mga R na leksyon!

Pagsisimula

Sundin ang mga hakbang na ito:

1. I-fork ang Repository: I-click ang pindutang "Fork" sa kanang-itaas ng pahinang ito.
2. I-clone ang Repository: git clone https://github.com/microsoft/ML-For-Beginners.git

hanapin ang lahat ng karagdagang mga resources para sa kursong ito sa aming Microsoft Learn collection

🔧 Kailangan ng tulong? Tingnan ang aming Troubleshooting Guide para sa mga solusyon sa karaniwang isyu sa pag-install, pagsasaayos, at pagpapatakbo ng mga leksyon.

Mga Estudyante, upang magamit ang kurikulum na ito, i-fork ang buong repo sa inyong sariling GitHub account at kumpletuhin ang mga ehersisyo nang mag-isa o kasama ng grupo:

• Magsimula sa isang pre-lecture quiz.
• Basahin ang lektyur at kumpletuhin ang mga aktibidad, huminto at magnilay sa bawat knowledge check.
• Subukang likhain ang mga proyekto sa pamamagitan ng pagkaunawa sa mga aralin sa halip na direktang patakbuhin ang code ng solusyon; gayunpaman ang code na iyon ay makukuha sa mga /solution na folder sa bawat araling nakatuon sa proyekto.
• Kunan ang post-lecture quiz.
• Kumpletuhin ang hamon.
• Kumpletuhin ang takdang-aralin.
• Pagkatapos makumpleto ang isang grupo ng mga aralin, bisitahin ang Discussion Board at "mag-aral nang malakas" sa pamamagitan ng pagpuno ng angkop na PAT rubric. Ang 'PAT' ay isang Progress Assessment Tool na isang rubric na pinupunan mo upang higit pang paunlarin ang iyong pagkatuto. Maaari ka ring mag-react sa ibang mga PAT upang sabay-sabay tayong matuto.

Para sa karagdagang pag-aaral, inirerekomenda naming sundan ang mga Microsoft Learn module at learning paths.

Mga Guro, naglagay kami ng ilang mungkahi kung paano gamitin ang kurikulum na ito.

---

Mga walkthrough na video

Ang ilan sa mga leksyon ay available bilang maikling anyo ng video. Makikita mo ang lahat ng ito sa loob mismo ng mga leksyon, o sa ML for Beginners playlist on the Microsoft Developer YouTube channel sa pamamagitan ng pag-click sa larawan sa ibaba.

---

Kilalanin ang Koponan

Gif ni Mohit Jaisal

🎥 I-click ang larawang nasa itaas para sa isang video tungkol sa proyekto at sa mga taong lumikha nito!

---

Pedagohiya

Pinili namin ang dalawang prinsipyo sa pagtuturo habang binubuo ang kurikulum na ito: tiyakin na ito ay hands-on at nakabatay sa proyekto (project-based) at na mayroon itong madalas na mga pagsusulit. Bilang karagdagan, ang kurikulum na ito ay may isang karaniwang tema upang magbigay ng pagkakaugnay-ugnay.

Sa pamamagitan ng pagtiyak na ang nilalaman ay naka-align sa mga proyekto, nagiging mas kaakit-akit ang proseso para sa mga estudyante at mas napapaigting ang pag-alala ng mga konsepto. Bilang karagdagan, ang isang low-stakes quiz bago ang klase ay nagtatakda ng intensyon ng estudyante tungo sa pagkatuto ng isang paksa, habang ang pangalawang pagsusulit pagkatapos ng klase ay nagtutiyak ng karagdagang pag-alala. Ang kurikulum na ito ay idinisenyo upang maging flexible at masaya at maaaring kunin nang buo o kahit bahagya. Ang mga proyekto ay nagsisimula nang maliit at dahan-dahang nagiging mas kumplikado sa pagtatapos ng 12-linggong siklo. Kasama rin sa kurikulum na ito ang isang postscript tungkol sa mga aplikasyon ng ML sa totoong mundo, na maaaring gamitin bilang dagdag na kredito o bilang batayan para sa diskusyon.

Hanapin ang aming Code of Conduct, Contributing, Translation, at Troubleshooting na mga gabay. Malugod naming tinatanggap ang iyong konstruktibong puna!

Bawat aralin ay may kasamang

• opsyonal na sketchnote
• opsyonal na karagdagang video
• video walkthrough (ilan lamang sa mga aralin)
• paunang warmup na pagsusulit bago lektyur
• nakasulat na aralin
• para sa mga araling nakabatay sa proyekto, mga gabay na hakbang-hakbang kung paano buuin ang proyekto
• mga tsek sa kaalaman
• isang hamon
• karagdagang babasahin
• takdang-aralin
• pagsusulit pagkatapos ng lektyur

Isang paalala tungkol sa mga wika: Pangunahin na nakasulat ang mga leksyon na ito sa Python, ngunit marami rin ang available sa R. Upang kumpletuhin ang isang R na leksyon, pumunta sa /solution folder at hanapin ang mga R na leksyon. Sila ay may extension na .rmd na kumakatawan sa isang R Markdown file na maaaring simpleng ilarawan bilang isang pagsasanib ng code chunks (ng R o iba pang mga wika) at isang YAML header (na gumagabay kung paano i-format ang mga output tulad ng PDF) sa isang Markdown document. Bilang ganoon, nagsisilbi itong isang halimbawa ng framework sa pag-author para sa data science dahil pinapayagan kang pagsamahin ang iyong code, ang output nito, at ang iyong mga ideya sa pamamagitan ng pagsusulat ng mga ito sa Markdown. Higit pa rito, ang mga dokumentong R Markdown ay maaaring i-render sa mga output format tulad ng PDF, HTML, o Word.

Isang paalala tungkol sa mga pagsusulit: Lahat ng pagsusulit ay nasa Quiz App folder, para sa kabuuang 52 na pagsusulit na may tig-3 tanong bawat isa. Nakalink ang mga ito mula sa loob ng mga leksyon ngunit ang quiz app ay maaaring patakbuhin nang lokal; sundin ang mga tagubilin sa quiz-app folder upang i-host nang lokal o i-deploy sa Azure.

Numero ng Aralin	Paksa	Pag-uuri ng Aralin	Mga Layunin sa Pagkatuto	Naka-link na Aralin	May-Akda
01	Panimula sa machine learning	Panimula	Matutunan ang mga pangunahing konsepto sa likod ng machine learning	Aralin	Muhammad
02	Kasaysayan ng machine learning	Panimula	Matutunan ang kasaysayan sa likod ng larangang ito	Aralin	Jen and Amy
03	Katarungan at machine learning	Panimula	Ano ang mga mahahalagang pilosopikal na isyu tungkol sa katarungan na dapat isaalang-alang ng mga estudyante kapag bumubuo at nag-aaplay ng mga modelo ng ML?	Aralin	Tomomi
04	Mga Teknik para sa machine learning	Panimula	Anong mga teknik ang ginagamit ng mga mananaliksik ng ML para bumuo ng mga modelo?	Aralin	Chris and Jen
05	Panimula sa regresyon	Regresyon	Magsimula sa Python at Scikit-learn para sa mga modelo ng regresyon	Python • R	Jen • Eric Wanjau
06	Presyo ng kalabasa sa Hilagang Amerika 🎃	Regresyon	I-visualize at linisin ang datos bilang paghahanda para sa ML	Python • R	Jen • Eric Wanjau
07	Presyo ng kalabasa sa Hilagang Amerika 🎃	Regresyon	Bumuo ng linear at polynomial na mga modelo ng regresyon	Python • R	Jen and Dmitry • Eric Wanjau
08	Presyo ng kalabasa sa Hilagang Amerika 🎃	Regresyon	Bumuo ng isang logistic regression na modelo	Python • R	Jen • Eric Wanjau
09	Isang Web App 🔌	Web App	Bumuo ng web app para gamitin ang iyong sinanay na modelo	Python	Jen
10	Panimula sa klasipikasyon	Klasipikasyon	Linisin, ihanda, at i-visualize ang iyong datos; panimula sa klasipikasyon	Python • R	Jen and Cassie • Eric Wanjau
11	Masasarap na pagkaing Asyano at Indiano 🍜	Klasipikasyon	Panimula sa mga classifier	Python • R	Jen and Cassie • Eric Wanjau
12	Masasarap na pagkaing Asyano at Indiano 🍜	Klasipikasyon	Higit pang mga classifier	Python • R	Jen and Cassie • Eric Wanjau
13	Masasarap na pagkaing Asyano at Indiano 🍜	Klasipikasyon	Bumuo ng recommender web app gamit ang iyong modelo	Python	Jen
14	Panimula sa clustering	Clustering	Linisin, ihanda, at i-visualize ang iyong datos; panimula sa clustering	Python • R	Jen • Eric Wanjau
15	Pagtuklas sa mga Panlasa sa Musika ng Nigeria 🎧	Clustering	Suriin ang paraan ng K-Means clustering	Python • R	Jen • Eric Wanjau
16	Panimula sa natural language processing ☕️	Natural language processing	Matutunan ang mga pangunahing kaalaman sa NLP sa pamamagitan ng pagbuo ng isang simpleng bot	Python	Stephen
17	Mga Karaniwang Gawain sa NLP ☕️	Natural language processing	Palalimin ang iyong kaalaman sa NLP sa pamamagitan ng pag-unawa sa mga karaniwang gawain na kailangan kapag humaharap sa mga istruktura ng wika	Python	Stephen
18	Pagsasalin at sentiment analysis ♥️	Natural language processing	Pagsasalin at pagsusuri ng damdamin gamit si Jane Austen	Python	Stephen
19	Mga romantikong hotel sa Europa ♥️	Natural language processing	Pagsusuri ng damdamin gamit ang mga review ng hotel 1	Python	Stephen
20	Mga romantikong hotel sa Europa ♥️	Natural language processing	Pagsusuri ng damdamin gamit ang mga review ng hotel 2	Python	Stephen
21	Panimula sa time series forecasting	Time series	Panimula sa time series forecasting	Python	Francesca
22	⚡️ Paggamit ng Kuryente sa Mundo ⚡️ - time series forecasting with ARIMA	Time series	Pagtataya ng time series gamit ang ARIMA	Python	Francesca
23	⚡️ Paggamit ng Kuryente sa Mundo ⚡️ - time series forecasting with SVR	Time series	Pagtataya ng time series gamit ang Support Vector Regressor	Python	Anirban
24	Panimula sa reinforcement learning	Reinforcement learning	Panimula sa reinforcement learning gamit ang Q-Learning	Python	Dmitry
25	Tulungan si Peter iwasan ang lobo! 🐺	Reinforcement learning	Reinforcement learning Gym	Python	Dmitry
Postscript	Mga totoong sitwasyon at aplikasyon ng ML	ML in the Wild	Mga kawili-wili at nagsisilbing paglalarawan na aplikasyon sa totoong mundo ng klasikong ML	Aralin	Koponan
Postscript	Pag-debug ng Modelo sa ML gamit ang RAI dashboard	ML in the Wild	Pag-debug ng Modelo sa Machine Learning gamit ang mga komponent ng Responsible AI dashboard	Aralin	Ruth Yakubu

hanapin ang lahat ng karagdagang mapagkukunan para sa kursong ito sa aming koleksyon ng Microsoft Learn

Offline na pag-access

Maaari mong patakbuhin ang dokumentasyong ito nang offline gamit ang Docsify. I-fork ang repo na ito, i-install ang Docsify sa iyong lokal na makina, at pagkatapos ay sa root na folder ng repo na ito, i-type docsify serve. Ang website ay ihahain sa port na 3000 sa iyong localhost: localhost:3000.

Mga PDF

Makakahanap ng pdf ng kurikulum na may mga link dito.

🎒 Iba pang Kurso

Ang aming koponan ay gumagawa ng iba pang mga kurso! Tingnan:

LangChain

---

Azure / Edge / MCP / Agents

---

Series ng Generative AI

---

Pangunahing Pag-aaral

---

Serye ng Copilot

Pagkuha ng Tulong

Kung ma-stuck ka o may anumang mga tanong tungkol sa paggawa ng mga AI app. Sumali sa kapwa mga nag-aaral at mga bihasang developer sa mga talakayan tungkol sa MCP. Ito ay isang suportadong komunidad kung saan malugod ang mga tanong at malayang ibinabahagi ang kaalaman.

Kung mayroon kang feedback tungkol sa produkto o mga error habang nagtatayo, bisitahin:

---

Paunawa: Isinalin ang dokumentong ito gamit ang AI na serbisyo sa pagsasalin na Co-op Translator. Bagaman nagsusumikap kami para sa kawastuhan, pakatandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o kamalian. Ang orihinal na dokumento sa orihinal nitong wika ang dapat ituring na pangunahing pinagmumulan. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasaling-tao. Hindi kami mananagot para sa anumang hindi pagkakaunawaan o maling interpretasyon na maaaring magmula sa paggamit ng pagsasaling ito.