ML-For-Beginners/translations/lt

🌐 Multi-Language Support

Supported via GitHub Action (Automated & Always Up-to-Date)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | 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

Join Our Community

Mes turime tęstinę Discord renginių seriją „Mokymasis su AI“ — sužinokite daugiau ir prisijunkite prie Serija „Learn with AI“ nuo 2025 m. rugsėjo 18 d. iki 30 d. Gausite patarimų ir triukų, kaip naudoti GitHub Copilot Duomenų mokslui.

Mašininis mokymasis pradedantiesiems - mokymo programa

🌍 Keliaukite po pasaulį, kol nagrinėsime mašininį mokymąsi per pasaulio kultūras 🌍

Microsoft Cloud Advocates džiaugiasi galėdami pasiūlyti 12 savaičių, 26 pamokų mokymo programą apie Mašininį mokymąsi. Šioje programoje sužinosite apie tai, ką kartais vadiname klasikiniu mašininiu mokymusi, daugiausia naudojant Scikit-learn biblioteką ir vengiant giluminio mokymosi, kuris aptariamas mūsų „AI pradedantiesiems“ programoje. Šias pamokas taip pat derinkite su mūsų „Duomenų mokslas pradedantiesiems“ programa.

Keliauokite su mumis po pasaulį, kol taikome šias klasikines technikas duomenims iš įvairių pasaulio regionų. Kiekviena pamoka apima priešpamokinį ir popamokinį testus, rašytines instrukcijas pamokai atlikti, sprendimą, užduotį ir daugiau. Mūsų projektinė pedagogika leidžia mokytis statant projektus — patikrintas būdas, kad nauji įgūdžiai „įsilaikytų“.

✍️ Nuoširdus ačiū mūsų autoriams Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ir Amy Boyd

🎨 Taip pat dėkojame iliustratoriams Tomomi Imura, Dasani Madipalli ir Jen Looper

🙏 Ypatingas ačiū 🙏 mūsų Microsoft Studentų Ambasadoriams autoriams, recenzentams ir turinio bendradarbiams, ypač Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ir Snigdha Agarwal

🤩 Papildomas dėkui Microsoft Studentų Ambasadoriams Eric Wanjau, Jasleen Sondhi ir Vidushi Gupta už mūsų R pamokas!

Pradžia

Atlikite šiuos veiksmus:

1. Fork the Repository: Spustelėkite mygtuką "Fork" šio puslapio viršutiniame dešiniajame kampe.
2. Clone the Repository: git clone https://github.com/microsoft/ML-For-Beginners.git

raskite visus papildomus šios kursų medžiagos išteklius mūsų Microsoft Learn rinkinyje

🔧 Reikia pagalbos? Peržiūrėkite mūsų Gedimų taisymo gidą dėl dažniausiai pasitaikančių problemų su diegimu, nustatymais ir pamokų paleidimu sprendimų.

Studentai, norėdami naudotis šia mokymo programa, susikurkite visą saugyklos forką savo GitHub paskyroje ir atlikite pratimus savarankiškai arba grupėje:

• Pradėkite nuo priešpamokinio testo.
• Perskaitykite paskaitą ir atlikite veiklas, sustodami ir apmąstydami kiekvieną žinių patikrinimą.
• Stenkitės sukurti projektus suprasdami pamokas, o ne tiesiog paleisdami sprendimo kodą; vis dėlto šis kodas yra prieinamas aplankuose /solution kiekvienoje projektinei pamokai skirtame aplanke.
• Atlikite popamokinį testą.
• Atlikite iššūkį.
• Atlikite užduotį.
• Baigę pamokų grupę, apsilankykite Diskusijų lentoje ir „mokykitės garsiai“, užpildydami tinkamą PAT rubriką. 'PAT' yra pažangos vertinimo įrankis — rubrika, kurią užpildote siekdami tolesnio mokymosi. Taip pat galite reaguoti į kitus PAT, kad mokytumėmės kartu.

Tolimesniam mokymuisi rekomenduojame šiuos Microsoft Learn modulius ir mokymosi kelią.

Mokytojai, mes pateikėme keletą pasiūlymų, kaip naudoti šią mokymo programą.

---

Vaizdo įrašų peržiūros

Kai kurios pamokos prieinamos trumpos formos vaizdo įrašais. Visus juos rasite įterptus pamokose arba ML for Beginners grojaraštyje Microsoft Developer YouTube kanale, spustelėję žemiau esantį vaizdą.

---

Susipažinkite su komanda

Gif sukūrė Mohit Jaisal

🎥 Spustelėkite aukščiau esantį paveikslėlį, kad pamatytumėte vaizdo įrašą apie projektą ir žmones, kurie jį sukūrė!

---

Pedagogika

Kurdami šią mokymo programą pasirinkome du pedagoginius principus: užtikrinti, kad ji būtų praktiška ir orientuota į projektus, bei kad joje būtų dažni testai. Be to, ši programa turi bendrą temą, kuri suteikia vientisumą.

Uždavus turinį susieti su projektais, procesas tampa įdomesnis studentams, o koncepcijų įsisavinimas didėja. Be to, mažos reikšmės testas prieš pamoką nukreipia studentą mokytis temos, o antras testas po pamokos užtikrina tolesnį įsiminimą. Ši mokymo programa sukurta būti lanksti ir smagi, ją galima atlikti visą arba dalimis. Projektai prasideda nuo mažų užduočių ir tampa nuosekliai sudėtingesni per 12 savaičių ciklą. Programoje taip pat yra postscriptas apie realaus pasaulio ML taikymus, kurį galima naudoti kaip papildomą užduotį arba kaip diskusijų pagrindą.

Raskite mūsų Elgesio kodeksą, Indėlius, Vertimus ir Gedimų taisymo gaires. Laukiame jūsų konstruktyvaus atsiliepimo!

Kiekviena pamoka apima

• neprivalomas sketchnote
• neprivalomas papildomas vaizdo įrašas
• vaizdo įrašo perėjimas (kai kurios pamokos tik)
• priešpamokinis pasiruošimo testas
• rašytinė pamoka
• projektinėse pamokose — žingsnis po žingsnio vadovai, kaip sukurti projektą
• žinių patikrinimai
• iššūkis
• papildoma literatūra
• užduotis
• popamokinis testas

Pastaba apie kalbas: šios pamokos daugiausia parašytos Python kalba, tačiau daugelis jų taip pat prieinamos R. Norėdami atlikti R pamoką, eikite į aplanką /solution ir ieškokite R pamokų. Jos turi .rmd plėtinį, kuris reiškia R Markdown failą, kurį galima apibrėžti kaip kodo blokų (R arba kitų kalbų) ir YAML antraštės (kuri nurodo, kaip formatuoti išvestis, pvz., PDF) įdėjimą į Markdown dokumentą. Tokiu būdu tai yra puiki autoriaus priemonė duomenų mokslui, nes leidžia sujungti kodą, jo rezultatus ir pastabas, užrašant jas Markdown formatu. Be to, R Markdown dokumentai gali būti sugeneruoti į tokias išvesties formas kaip PDF, HTML ar Word.

Pastaba apie testus: visi testai yra Quiz App aplanke, iš viso 52 testai po tris klausimus. Juos galima pasiekti pamokose, bet quiz app galima paleisti ir vietoje; sekite instrukcijas quiz-app aplanke, kad vietoje paleistumėte arba diegtumėte į Azure.

Pamokos numeris	Tema	Pamokų grupė	Mokymosi tikslai	Susijusi pamoka	Autorius
01	Įvadas į mašininį mokymąsi	Įvadas	Sužinokite pagrindines mašininio mokymosi sąvokas	Pamoka	Muhammad
02	Mašininio mokymosi istorija	Įvadas	Sužinokite šios srities istoriją	Pamoka	Jen ir Amy
03	Teisingumas ir mašininis mokymasis	Įvadas	Kokie svarbūs filosofiniai klausimai apie teisingumą, kuriuos studentai turėtų apsvarstyti kurdami ir taikydami ML modelius?	Pamoka	Tomomi
04	Mašininio mokymosi technikos	Įvadas	Kokių technikų ML tyrėjai naudoja kuriant ML modelius?	Pamoka	Chris ir Jen
05	Įvadas į regresiją	Regresija	Susipažinkite su Python ir Scikit-learn, skirtais regresijos modeliams	Python • R	Jen • Eric Wanjau
06	Šiaurės Amerikos moliūgų kainos 🎃	Regresija	Vizualizuokite ir išvalykite duomenis pasiruošimui ML	Python • R	Jen • Eric Wanjau
07	Šiaurės Amerikos moliūgų kainos 🎃	Regresija	Sukurkite linijinius ir polinominius regresijos modelius	Python • R	Jen ir Dmitry • Eric Wanjau
08	Šiaurės Amerikos moliūgų kainos 🎃	Regresija	Sukurkite logistinės regresijos modelį	Python • R	Jen • Eric Wanjau
09	Žiniatinklio programa 🔌	Žiniatinklio programa	Sukurkite žiniatinklio programą, skirtą naudoti jūsų apmokytą modelį	Python	Jen
10	Įvadas į klasifikaciją	Klasifikacija	Išvalykite, paruoškite ir vizualizuokite savo duomenis; įvadas į klasifikaciją	Python • R	Jen ir Cassie • Eric Wanjau
11	Skani Azijos ir Indijos virtuvė 🍜	Klasifikacija	Įvadas į klasifikatorius	Python • R	Jen ir Cassie • Eric Wanjau
12	Skani Azijos ir Indijos virtuvė 🍜	Klasifikacija	Daugiau klasifikatorių	Python • R	Jen ir Cassie • Eric Wanjau
13	Skani Azijos ir Indijos virtuvė 🍜	Klasifikacija	Sukurkite rekomendacinę žiniatinklio programą, naudodami savo modelį	Python	Jen
14	Įvadas į klasterizaciją	Klasterizacija	Išvalykite, paruoškite ir vizualizuokite savo duomenis; įvadas į klasterizaciją	Python • R	Jen • Eric Wanjau
15	Nigerijos muzikos skonių tyrinėjimas 🎧	Klasterizacija	Ištirkite K-Means klasterizacijos metodą	Python • R	Jen • Eric Wanjau
16	Įvadas į natūralios kalbos apdorojimą ☕️	Natūralios kalbos apdorojimas	Sužinokite NLP pagrindus kurdami paprastą botą	Python	Stephen
17	Bendros NLP užduotys ☕️	Natūralios kalbos apdorojimas	Pagilinkite savo NLP žinias suprasdami dažniausiai pasitaikančias užduotis, susijusias su kalbos struktūromis	Python	Stephen
18	Vertimas ir nuotaikų analizė ♥️	Natūralios kalbos apdorojimas	Vertimas ir nuotaikų analizė su Jane Austen	Python	Stephen
19	Romantiški viešbučiai Europoje ♥️	Natūralios kalbos apdorojimas	Nuotaikų analizė su viešbučių atsiliepimais 1	Python	Stephen
20	Romantiški viešbučiai Europoje ♥️	Natūralios kalbos apdorojimas	Nuotaikų analizė su viešbučių atsiliepimais 2	Python	Stephen
21	Įvadas į laiko eilučių prognozavimą	Laiko eilutės	Įvadas į laiko eilučių prognozavimą	Python	Francesca
22	⚡️ Pasaulio elektros suvartojimas ⚡️ - laiko eilučių prognozavimas su ARIMA	Laiko eilutės	Laiko eilučių prognozavimas su ARIMA	Python	Francesca
23	⚡️ Pasaulio elektros suvartojimas ⚡️ - laiko eilučių prognozavimas su SVR	Laiko eilutės	Laiko eilučių prognozavimas su Support Vector Regressor	Python	Anirban
24	Įvadas į stiprinamąjį mokymą	Stiprinamasis mokymasis	Įvadas į stiprinamąjį mokymą naudojant Q-Learning	Python	Dmitry
25	Padėkite Peteriui išvengti vilko! 🐺	Stiprinamasis mokymasis	Stiprinamojo mokymosi Gym	Python	Dmitry
Postskriptas	Tikro pasaulio ML scenarijai ir taikymai	ML laukinėje aplinkoje	Įdomios ir atskleidžiančios tikroviškos klasikinio ML taikymo sritys	Pamoka	Komanda
Postskriptas	Modelių derinimas ML naudojant RAI skydelį	ML laukinėje aplinkoje	Modelių derinimas mašininio mokymosi srityje naudojant Responsible AI skydelio komponentus	Pamoka	Ruth Yakubu

raskite visus papildomus šio kurso išteklius mūsų Microsoft Learn kolekcijoje

Prieiga neprisijungus

You can run this documentation offline by using Docsify. Fork this repo, install Docsify on your local machine, and then in the root folder of this repo, type docsify serve. The website will be served on port 3000 on your localhost: localhost:3000.

PDF failai

Find a pdf of the curriculum with links here.

🎒 Kiti kursai

Mūsų komanda rengia kitus kursus! Peržiūrėkite:

LangChain

---

Azure / Edge / MCP / Agentai

---

Generatyvinio AI serija

---

Pagrindiniai mokymai

---

Copilot serija

Pagalba

Jei užstrigote arba turite klausimų apie DI programėlių kūrimą, prisijunkite prie kitų besimokančiųjų ir patyrusių kūrėjų diskusijų apie MCP. Tai palaikanti bendruomenė, kurioje klausimai yra laukiami, o žinios laisvai dalijamos.

Jei turite atsiliepimų apie produktą arba radote klaidų kūrimo metu, apsilankykite:

---

Atsakomybės apribojimas: Šis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą Co-op Translator. Nors siekiame tikslumo, atkreipkite dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas originalioje kalboje turėtų būti laikomas autoritetingu šaltiniu. Kritinei informacijai rekomenduojame naudoti profesionalų, žmogaus atliktą vertimą. Mes neatsakome už jokius nesusipratimus ar neteisingas interpretacijas, kylančias dėl šio vertimo naudojimo.