ML-For-Beginners/translations/hr

🌐 Podrška za više jezika

Podržano putem GitHub Action (automatizirano i uvijek ažurno)

Arabski | Bengalski | Bugarski | Burmanski (Mjanmar) | Kineski (pojednostavljeni) | Kineski (tradicionalni, Hong Kong) | Kineski (tradicionalni, Makao) | Kineski (tradicionalni, Tajvan) | Hrvatski | Češki | Danski | Nizozemski | Estonski | Finski | Francuski | Njemački | Grčki | Hebrejski | Hindski | Mađarski | Indonezijski | Talijanski | Japanski | Kannada | Korejski | Litavski | Malajski | Malajalamski | Marathi | Nepalski | Nigerijski pidžin | Norveški | Perzijski (Farsi) | Poljski | Portugalski (Brazil) | Portugalski (Portugal) | Pandžapski (Gurmukhi) | Rumunjski | Ruski | Srpski (ćirilica) | Slovački | Slovenski | Španjolski | Svahili | Švedski | Tagalog (filipinski) | Tamil | Telugu | Tajlandski | Turski | Ukrajinski | Urdu | Vijetnamski

Pridružite se našoj zajednici

Imamo tekuću Discord seriju Learn with AI, saznajte više i pridružite nam se na Serija Learn with AI od 18. - 30. rujna 2025. Dobit ćete savjete i trikove za korištenje GitHub Copilot za Data Science.

Strojno učenje za početnike - Kurikulum

🌍 Putujte oko svijeta dok istražujemo strojno učenje kroz svjetske kulture 🌍

Cloud Advocates u Microsoftu rado nude 12-tjedni, 26-lekcijski kurikulum posvećen strojnom učenju. U ovom kurikulumu naučit ćete ono što se ponekad naziva klasičnim strojnim učenjem, koristeći prvenstveno Scikit-learn kao biblioteku i izbjegavajući duboko učenje, koje je obrađeno u našem kurikulumu 'AI for Beginners'. Uparite ove lekcije i s našim 'Data Science for Beginners' kurikulumom!

Putujte s nama oko svijeta dok primjenjujemo ove klasične tehnike na podatke iz mnogih dijelova svijeta. Svaka lekcija uključuje pred- i post-lekcijske kvizove, pisane upute za dovršetak lekcije, rješenje, zadatak i više. Naša pedagoška metoda zasnovana na projektima omogućava vam učenje kroz izgradnju, što je dokazano učinkovit način da nove vještine 'prionu'.

✍️ Velike zahvalnosti našim autorima Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu i Amy Boyd

🎨 Zahvale i našim ilustratorima Tomomi Imura, Dasani Madipalli i Jen Looper

🙏 Posebne zahvale 🙏 našim Microsoft Student Ambassador autorima, recenzentima i contributorima sadržaja, posebno Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila i Snigdha Agarwal

🤩 Dodatna zahvalnost Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi i Vidushi Gupta za naše R lekcije!

Početak

Slijedite ove korake:

1. Forkajte repozitorij: Kliknite na gumb "Fork" u gornjem desnom kutu ove stranice.
2. Klonirajte repozitorij: git clone https://github.com/microsoft/ML-For-Beginners.git

pronađite sve dodatne resurse za ovaj tečaj u našoj Microsoft Learn kolekciji

🔧 Trebate pomoć? Pogledajte naš Vodič za rješavanje problema za rješenja uobičajenih problema s instalacijom, postavljanjem i pokretanjem lekcija.

Studenti, da biste koristili ovaj kurikulum, napravite fork cijelog repozitorija na vlastiti GitHub račun i dovršite vježbe sami ili u grupi:

• Započnite s kvizom prije predavanja.
• Pročitajte predavanje i dovršite aktivnosti, zastajući i razmišljajući kod svake provjere znanja.
• Pokušajte izraditi projekte razumijevanjem lekcija umjesto da samo pokrenete kod rješenja; taj kod je ipak dostupan u mapama /solution u svakoj lekcijskoj jedinici usmjerenoj na projekt.
• Riješite kviz nakon predavanja.
• Riješite izazov.
• Dovršite zadatak.
• Nakon dovršetka grupe lekcija, posjetite Forum za raspravu i "learn out loud" popunjavajući odgovarajuću PAT rubriku. 'PAT' je alat za procjenu napretka (Progress Assessment Tool) — rubrika koju popunjavate kako biste unaprijedili svoje učenje. Također možete reagirati na tuđe PAT-ove kako bismo učili zajedno.

Za daljnje učenje preporučujemo praćenje ovih [Microsoft Learn] modula i staza učenja.

Nastavnici, uključili smo neke prijedloge o tome kako koristiti ovaj kurikulum.

---

Video vodiči

Neke od lekcija dostupne su kao kratki videozapisi. Sve ih možete pronaći unutar samih lekcija, ili na ML for Beginners playlisti na Microsoft Developer YouTube kanalu klikom na sliku ispod.

---

Upoznajte tim

Gif autora Mohit Jaisal

🎥 Kliknite sliku iznad za video o projektu i ljudima koji su ga stvorili!

---

Pedagogija

Odabrali smo dvije pedagoške smjernice prilikom izrade ovog kurikuluma: osigurati da je praktičan i zasnovan na projektima te da uključuje učestale kvizove. Osim toga, ovaj kurikulum ima zajedničku temu koja mu daje koheziju.

Osiguravanjem da sadržaj bude usklađen s projektima, proces postaje zanimljiviji za učenike, a zadržavanje koncepata će se povećati. Osim toga, kviz niske važnosti prije sata postavlja namjeru učenika prema učenju teme, dok drugi kviz nakon sata osigurava dodatno zadržavanje. Ovaj je kurikulum dizajniran da bude fleksibilan i zabavan te se može pohađati u cijelosti ili djelomično. Projekti počinju mali i postaju sve složeniji do kraja 12-tjednog ciklusa. Ovaj kurikulum također uključuje postscript o stvarnim primjenama ML-a, koji se može koristiti kao dodatni kredit ili kao osnova za raspravu.

Pronađite naše Kodeks ponašanja, Upute za doprinos, Prijevodi i Vodič za rješavanje problema. Dobrodošli su vaši konstruktivni komentari!

Svaka lekcija uključuje

• opcionalna sketchnota
• opcionalni dodatni video
• video vodič (samo neke lekcije)
• kviz za zagrijavanje prije predavanja
• pisana lekcija
• za lekcije zasnovane na projektima, vodiči korak po korak kako izgraditi projekt
• provjere znanja
• izazov
• dodatna literatura
• zadatak
• kviz nakon predavanja

Napomena o jezicima: Ove lekcije su primarno napisane u Pythonu, ali mnoge su također dostupne u R. Za dovršetak R lekcije idite u mapu /solution i potražite R lekcije. One uključuju ekstenziju .rmd koja predstavlja R Markdown datoteku koja se može jednostavno definirati kao ugradnja code chunks (R ili drugih jezika) i YAML header (koji određuje kako formatirati izlaze poput PDF-a) u Markdown document. Kao takva, služi kao izvrstan okvir za pisanje sadržaja za data science jer vam omogućuje kombiniranje koda, njegovog izlaza i vaših razmišljanja pisanjem u Markdownu. Nadalje, R Markdown dokumenti mogu se renderirati u izlazne formate poput PDF-a, HTML-a ili Worda.

Napomena o kvizovima: Svi kvizovi nalaze se u Quiz App folder, ukupno 52 kviza sa po tri pitanja. Povezani su iz samih lekcija, ali aplikaciju kviza možete pokrenuti lokalno; slijedite upute u mapi quiz-app za lokalno hostanje ili implementaciju na Azure.

Broj lekcije	Tema	Grupiranje lekcija	Ciljevi učenja	Povezana lekcija	Autor
01	Uvod u strojno učenje	Uvod	Naučite osnovne koncepte strojnog učenja	Lekcija	Muhammad
02	Povijest strojnog učenja	Uvod	Saznajte povijest koja stoji iza ovog područja	Lekcija	Jen and Amy
03	Pravednost i strojno učenje	Uvod	Koja su važna filozofska pitanja vezana uz pravednost koja bi studenti trebali uzeti u obzir prilikom izgradnje i primjene ML modela?	Lekcija	Tomomi
04	Tehnike strojnog učenja	Uvod	Koje tehnike istraživači strojnog učenja koriste za izgradnju ML modela?	Lekcija	Chris and Jen
05	Uvod u regresiju	Regresija	Započnite s Pythonom i Scikit-learnom za regresijske modele	Python • R	Jen • Eric Wanjau
06	Cijene bundeva u Sjevernoj Americi 🎃	Regresija	Vizualizirajte i očistite podatke u pripremi za ML	Python • R	Jen • Eric Wanjau
07	Cijene bundeva u Sjevernoj Americi 🎃	Regresija	Izgradite linearne i polinomne regresijske modele	Python • R	Jen and Dmitry • Eric Wanjau
08	Cijene bundeva u Sjevernoj Americi 🎃	Regresija	Izradite logistički regresijski model	Python • R	Jen • Eric Wanjau
09	Web aplikacija 🔌	Web aplikacija	Izradite web aplikaciju za korištenje vašeg istreniranog modela	Python	Jen
10	Uvod u klasifikaciju	Klasifikacija	Očistite, pripremite i vizualizirajte svoje podatke; uvod u klasifikaciju	Python • R	Jen and Cassie • Eric Wanjau
11	Ukusne azijske i indijske kuhinje 🍜	Klasifikacija	Uvod u klasifikatore	Python • R	Jen and Cassie • Eric Wanjau
12	Ukusne azijske i indijske kuhinje 🍜	Klasifikacija	Više klasifikatora	Python • R	Jen and Cassie • Eric Wanjau
13	Ukusne azijske i indijske kuhinje 🍜	Klasifikacija	Izradite preporučivačku web aplikaciju koristeći svoj model	Python	Jen
14	Uvod u klasteriranje	Klasteriranje	Očistite, pripremite i vizualizirajte svoje podatke; uvod u klasteriranje	Python • R	Jen • Eric Wanjau
15	Istraživanje nigerijskih glazbenih ukusa 🎧	Klasteriranje	Istražite K-Means metodu klasteriranja	Python • R	Jen • Eric Wanjau
16	Uvod u obradu prirodnog jezika ☕️	Obrada prirodnog jezika	Naučite osnove NLP-a izradom jednostavnog bota	Python	Stephen
17	Uobičajeni zadaci NLP-a ☕️	Obrada prirodnog jezika	Produbite svoje znanje o NLP-u razumijevanjem uobičajenih zadataka potrebnih za rad s jezičnim strukturama	Python	Stephen
18	Prevođenje i analiza sentimenta ♥️	Obrada prirodnog jezika	Prevođenje i analiza sentimenta na primjeru Jane Austen	Python	Stephen
19	Romantični hoteli Europe ♥️	Obrada prirodnog jezika	Analiza sentimenta s recenzijama hotela 1	Python	Stephen
20	Romantični hoteli Europe ♥️	Obrada prirodnog jezika	Analiza sentimenta s recenzijama hotela 2	Python	Stephen
21	Uvod u predviđanje vremenskih serija	Vremenske serije	Uvod u predviđanje vremenskih serija	Python	Francesca
22	⚡️ Potrošnja električne energije u svijetu ⚡️ - predviđanje vremenskih serija s ARIMA	Vremenske serije	Predviđanje vremenskih serija s ARIMA	Python	Francesca
23	⚡️ Potrošnja električne energije u svijetu ⚡️ - predviđanje vremenskih serija sa SVR	Vremenske serije	Predviđanje vremenskih serija s Support Vector Regressorom	Python	Anirban
24	Uvod u učenje pojačanjem	Učenje pojačanjem	Uvod u učenje pojačanjem s Q-učenjem	Python	Dmitry
25	Pomozi Peteru izbjeći vuka! 🐺	Učenje pojačanjem	Reinforcement learning Gym	Python	Dmitry
Dodatak	Stvarni scenariji i primjene strojnog učenja	ML in the Wild	Zanimljive i otkrivajuće stvarne primjene klasičnog strojnog učenja	Lekcija	Team
Dodatak	Otklanjanje pogrešaka modela u ML pomoću RAI nadzorne ploče	ML in the Wild	Otklanjanje pogrešaka modela u strojnome učenju pomoću komponenti Responsible AI nadzorne ploče	Lekcija	Ruth Yakubu

pronađite sve dodatne resurse za ovaj tečaj u našoj Microsoft Learn kolekciji

Pristup izvan mreže

Možete pokrenuti ovu dokumentaciju izvan mreže koristeći Docsify. Napravite fork ovog repozitorija, instalirajte Docsify na svom lokalnom računalu, a zatim u korijenskoj mapi ovog repozitorija upišite docsify serve. Web-stranica će se poslužiti na portu 3000 na vašem localhostu: localhost:3000.

PDF-ovi

Pronađite PDF nastavnog plana s poveznicama ovdje.

🎒 Ostali tečajevi

Naš tim izrađuje i druge tečajeve! Pogledajte:

LangChain

---

Azure / Edge / MCP / Agents

---

Serija generativne AI

---

Osnovno učenje

---

Serija Copilot

Kako dobiti pomoć

Ako zapnete ili imate bilo kakvih pitanja o izradi AI aplikacija. Pridružite se drugim učenicima i iskusnim programerima u raspravama o MCP-u. To je podržavajuća zajednica u kojoj su pitanja dobrodošla i znanje se slobodno dijeli.

Ako imate povratne informacije o proizvodu ili greške tijekom izrade posjetite:

---

Izjava o odricanju odgovornosti: Ovaj je dokument preveden pomoću AI prevoditeljske usluge Co-op Translator. Iako težimo točnosti, imajte na umu da automatizirani prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati mjerodavnim izvorom. Za ključne informacije preporučuje se profesionalan prijevod od strane ljudskog prevoditelja. Nismo odgovorni za bilo kakve nesporazume ili pogrešna tumačenja koja proizlaze iz upotrebe ovog prijevoda.