ML-For-Beginners/translations/ro

🌐 Suport multilingv

Suportat prin GitHub Action (automatizat și întotdeauna actualizat)

Arabă | Bengaleză | Bulgară | Birmană (Myanmar) | Chineză (Simplificată) | Chineză (Tradițională, Hong Kong) | Chineză (Tradițională, Macau) | Chineză (Tradițională, Taiwan) | Croată | Cehă | Daneză | Olandeză | Estonă | Finlandeză | Franceză | Germană | Greacă | Ebraică | Hindi | Maghiară | Indoneziană | Italiană | Japoneză | Kannada | Coreeană | Lituaniană | Malaeză | Malayalam | Marathi | Nepaleză | Pidgin nigerian | Norvegiană | Persană (Farsi) | Poloneză | Portugheză (Brazilia) | Portugheză (Portugalia) | Punjabi (Gurmukhi) | Română | Rusă | Sârbă (chirilică) | Slovacă | Slovenă | Spaniolă | Swahili | Suedeză | Tagalog (Filipineză) | Tamil | Telugu | Thailandeză | Turcă | Ucraineană | Urdu | Vietnameză

Alăturați-vă comunității noastre

Avem în curs o serie Discord „Învață cu AI”, aflați mai multe și alăturați-vă la Learn with AI Series între 18 - 30 septembrie, 2025. Veți primi sfaturi și trucuri privind utilizarea GitHub Copilot pentru Data Science.

Machine Learning pentru începători - Un curriculum

🌍 Călătorește în jurul lumii în timp ce explorăm Machine Learning prin prisma culturilor mondiale 🌍

Cloud Advocates la Microsoft sunt încântați să ofere un curriculum de 12 săptămâni, 26 de lecții despre Machine Learning. În acest curriculum, veți învăța despre ceea ce uneori se numește machine learning clasic, folosind în principal Scikit-learn ca bibliotecă și evitând deep learning, care este acoperit în curriculumul nostru AI for Beginners' curriculum. Asociați aceste lecții cu curriculumul nostru 'Data Science for Beginners' curriculum, de asemenea!

Călătoriți cu noi în jurul lumii în timp ce aplicăm aceste tehnici clasice pe date din multe regiuni ale lumii. Fiecare lecție include chestionare înainte și după lecție, instrucțiuni scrise pentru a finaliza lecția, o soluție, o temă și altele. Pedagogia noastră bazată pe proiecte vă permite să învățați în timp ce construiți, o metodă dovedită pentru a face noile competențe să „rămână”.

✍️ Mulțumiri călduroase către autorii noștri Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu și Amy Boyd

🎨 Mulțumiri și ilustratorilor noștri Tomomi Imura, Dasani Madipalli și Jen Looper

🙏 Mulțumiri speciale 🙏 autorilor, recenzenților și contribuitorilor de conținut Microsoft Student Ambassador, în special Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila și Snigdha Agarwal

🤩 Recunoștință suplimentară către Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi și Vidushi Gupta pentru lecțiile noastre în R!

Început

Urmați acești pași:

1. Crează un fork al depozitului: Click pe butonul "Fork" din colțul din dreapta sus al acestei pagini.
2. Clonează depozitul: git clone https://github.com/microsoft/ML-For-Beginners.git

găsiți toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn

🔧 Aveți nevoie de ajutor? Verificați Ghidul nostru de depanare pentru soluții la probleme comune de instalare, configurare și rulare a lecțiilor.

Studenți, pentru a folosi acest curriculum, faceți fork întregului repo în contul vostru GitHub și rezolvați exercițiile de unul singur sau în grup:

• Începeți cu un chestionar înainte de lecție.
• Citiți lecția și finalizați activitățile, făcând pauze și reflectând la fiecare verificare a cunoștințelor.
• Încercați să creați proiectele înțelegând lecțiile mai degrabă decât să rulați codul soluției; totuși, acel cod este disponibil în folderele /solution în fiecare lecție orientată pe proiect.
• Susțineți chestionarul după lecție.
• Finalizați provocarea.
• Finalizați tema.
• După finalizarea unui grup de lecții, vizitați Forum de discuții și „învățați cu voce tare” completând rubrica PAT corespunzătoare. Un 'PAT' este un Instrument de Evaluare a Progresului (Progress Assessment Tool) care este o rubrică pe care o completați pentru a vă îmbunătăți învățarea. De asemenea, puteți reacționa la alte PAT-uri astfel încât să putem învăța împreună.

Pentru studiu suplimentar, recomandăm următoarele module și trasee de învățare Microsoft Learn.

Profesori, am inclus câteva sugestii despre cum să folosiți acest curriculum.

---

Ghiduri video

Unele lecții sunt disponibile ca video scurt. Le puteți găsi incluse în lecții sau în lista de redare ML for Beginners de pe canalul Microsoft Developer YouTube făcând clic pe imaginea de mai jos.

---

Cunoaște echipa

Gif de Mohit Jaisal

🎥 Faceți clic pe imaginea de mai sus pentru un videoclip despre proiect și despre oamenii care l-au creat!

---

Pedagogie

Am ales două principii pedagogice în timp ce construim acest curriculum: asigurarea faptului că este practic, bazat pe proiecte, și că include chestionare frecvente. În plus, acest curriculum are o temă comună pentru a-i da coeziune.

Prin alinierea conținutului cu proiectele, procesul devine mai captivant pentru studenți și reținerea conceptelor va fi augmentată. În plus, un chestionar cu miză redusă înainte de curs stabilește intenția studentului spre învățarea unui subiect, în timp ce un al doilea chestionar după curs asigură o retenție suplimentară. Acest curriculum a fost conceput pentru a fi flexibil și distractiv și poate fi urmat integral sau parțial. Proiectele încep mici și devin din ce în ce mai complexe până la sfârșitul ciclului de 12 săptămâni. Acest curriculum include, de asemenea, un postscript privind aplicațiile din lumea reală ale ML, care poate fi folosit ca credit suplimentar sau ca bază pentru discuție.

Găsiți Codul nostru de conduită, Contribuții, Traduceri și Depanare. Așteptăm cu interes feedback-ul vostru constructiv!

Fiecare lecție include

• sketchnote opțional
• video suplimentar opțional
• parcurgere video (doar în unele lecții)
• chestionar de încălzire înainte de lecție
• lecție scrisă
• pentru lecțiile bazate pe proiecte, ghiduri pas cu pas despre cum să construiți proiectul
• verificări ale cunoștințelor
• o provocare
• lectură suplimentară
• temă
• chestionar după lecție

O notă despre limbaje: Aceste lecții sunt scrise în principal în Python, dar multe sunt disponibile și în R. Pentru a finaliza o lecție în R, accesați folderul /solution și căutați lecțiile în R. Acestea includ o extensie .rmd care reprezintă un fișier R Markdown, care poate fi definit simplu ca o includere (embedding) a code chunks (de R sau alte limbaje) și un YAML header (care ghidează cum să formatați output-uri precum PDF) într-un Markdown document. Ca atare, servește ca un cadru exemplar pentru autorare în data science deoarece vă permite să combinați codul, output-ul său și gândurile voastre permițându-vă să le scrieți în Markdown. Mai mult, documentele R Markdown pot fi redate în formate de output precum PDF, HTML sau Word.

O notă despre chestionare: Toate chestionarele sunt conținute în folderul aplicației Quiz, pentru un total de 52 de chestionare a câte trei întrebări fiecare. Ele sunt legate din interiorul lecțiilor, dar aplicația de chestionare poate fi rulată local; urmați instrucțiunile din folderul quiz-app pentru a găzdui local sau a implementa pe Azure.

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	Introducere în învățarea automată	Introducere	Aflați conceptele de bază din spatele învățării automate	Lecție	Muhammad
02	Istoria învățării automate	Introducere	Aflați istoria din spatele acestui domeniu	Lecție	Jen and Amy
03	Echitate și învățarea automată	Introducere	Care sunt problemele filosofice importante legate de echitate pe care studenții ar trebui să le ia în considerare atunci când construiesc și aplică modele ML?	Lecție	Tomomi
04	Tehnici pentru învățarea automată	Introducere	Ce tehnici folosesc cercetătorii în ML pentru a construi modele ML?	Lecție	Chris and Jen
05	Introducere în regresie	Regresie	Începeți cu Python și Scikit-learn pentru modele de regresie	Python • R	Jen • Eric Wanjau
06	Prețurile dovlecilor din America de Nord 🎃	Regresie	Vizualizați și curățați datele în pregătirea pentru ML	Python • R	Jen • Eric Wanjau
07	Prețurile dovlecilor din America de Nord 🎃	Regresie	Construiți modele de regresie liniară și polinomială	Python • R	Jen and Dmitry • Eric Wanjau
08	Prețurile dovlecilor din America de Nord 🎃	Regresie	Construiți un model de regresie logistică	Python • R	Jen • Eric Wanjau
09	O aplicație web 🔌	Aplicație web	Construiți o aplicație web pentru a folosi modelul antrenat	Python	Jen
10	Introducere în clasificare	Clasificare	Curățați, pregătiți și vizualizați datele; introducere în clasificare	Python • R	Jen and Cassie • Eric Wanjau
11	Bucătării asiatice și indiene delicioase 🍜	Clasificare	Introducere în clasificatori	Python • R	Jen and Cassie • Eric Wanjau
12	Bucătării asiatice și indiene delicioase 🍜	Clasificare	Mai mulți clasificatori	Python • R	Jen and Cassie • Eric Wanjau
13	Bucătării asiatice și indiene delicioase 🍜	Clasificare	Construiți o aplicație web de recomandare folosind modelul dvs.	Python	Jen
14	Introducere în clusterizare	Clusterizare	Curățați, pregătiți și vizualizați datele; introducere în clusterizare	Python • R	Jen • Eric Wanjau
15	Explorarea gusturilor muzicale nigeriene 🎧	Clusterizare	Explorați metoda de clusterizare K-Means	Python • R	Jen • Eric Wanjau
16	Introducere în procesarea limbajului natural ☕️	Procesarea limbajului natural	Învățați elementele de bază ale NLP construind un bot simplu	Python	Stephen
17	Sarcini comune NLP ☕️	Procesarea limbajului natural	Adânciți-vă cunoștințele despre NLP înțelegând sarcinile comune necesare atunci când lucrați cu structuri de limbaj	Python	Stephen
18	Traducere și analiză de sentiment ♥️	Procesarea limbajului natural	Traducere și analiză de sentiment cu Jane Austen	Python	Stephen
19	Hoteluri romantice din Europa ♥️	Procesarea limbajului natural	Analiză de sentiment cu recenzii hoteliere 1	Python	Stephen
20	Hoteluri romantice din Europa ♥️	Procesarea limbajului natural	Analiză de sentiment cu recenzii hoteliere 2	Python	Stephen
21	Introducere în prognoza seriilor temporale	Serii temporale	Introducere în prognoza seriilor temporale	Python	Francesca
22	⚡️ Utilizarea energiei la nivel mondial ⚡️ - prognoza seriilor temporale cu ARIMA	Serii temporale	Prognoza seriilor temporale cu ARIMA	Python	Francesca
23	⚡️ Utilizarea energiei la nivel mondial ⚡️ - prognoza seriilor temporale cu SVR	Serii temporale	Prognoza seriilor temporale cu Support Vector Regressor	Python	Anirban
24	Introducere în învățarea prin întărire	Învățare prin întărire	Introducere în învățarea prin întărire cu Q-Learning	Python	Dmitry
25	Ajută-l pe Peter să evite lupul! 🐺	Învățare prin întărire	Gym pentru învățare prin întărire	Python	Dmitry
Postscript	Scenarii și aplicații ML în lumea reală	ML în lumea reală	Aplicații reale interesante și revelatoare ale ML clasice	Lecție	Team
Postscript	Depanarea modelelor în ML folosind panoul RAI	ML în lumea reală	Depanarea modelelor în învățarea automată folosind componentele panoului Responsible AI	Lecție	Ruth Yakubu

găsiți toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn

Acces offline

You can run this documentation offline by using Docsify. Fork this repo, instalați 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-uri

Găsiți un PDF al curriculumului cu linkuri aici.

🎒 Alte cursuri

Our team produces other courses! Consultați:

LangChain

---

Azure / Edge / MCP / Agenți

---

Seria Generative AI

---

Învățare de bază

---

Seria Copilot

Obține ajutor

Dacă rămâi blocat sau ai întrebări despre crearea aplicațiilor AI. Alătură-te altor cursanți și dezvoltatori cu experiență în discuții despre MCP. Este o comunitate de sprijin în care întrebările sunt binevenite și cunoștințele sunt împărtășite liber.

Dacă ai feedback despre produs sau întâmpini erori în timpul construirii, vizitează:

---

Declinare de responsabilitate: Acest document a fost tradus folosind serviciul de traducere AI Co-op Translator. Deși ne străduim pentru acuratețe, vă rugăm să rețineți că traducerile automate pot conține erori sau inexactități. Documentul original în limba sa nativă trebuie considerat sursa oficială. Pentru informații critice, se recomandă traducerea profesională realizată de un traducător uman. Nu ne asumăm răspunderea pentru eventuale neînțelegeri sau interpretări greșite rezultate din utilizarea acestei traduceri.