ML-For-Beginners/translations/sk

🌐 Podpora viacerých jazykov

Podporované cez GitHub Action (automatizované a vždy aktuálne)

Arabčina | Bengálčina | Bulharčina | Barmčina (Myanmar) | Čínština (zjednodušená) | Čínština (tradičná, Hongkong) | Čínština (tradičná, Macau) | Čínština (tradičná, Taiwan) | Chorvátčina | Čeština | Dánčina | Holandčina | Estónčina | Fínčina | Francúzština | Nemčina | Gréčtina | Hebrejčina | Hindčina | Maďarčina | Indonézština | Taliančina | Japončina | Kannadčina | Kórejčina | Litovčina | Malajčina | Malajálamčina | Maráthčina | Nepálčina | Nigérijský pidžin | Nórčina | Perzština (Farsi) | Poľština | Portugalčina (Brazília) | Portugalčina (Portugalsko) | Pandžábčina (Gurmukhi) | Rumunčina | Ruština | Srbčina (cyrilika) | Slovenčina | Slovinčina | Španielčina | Svahilčina | Švédčina | Tagalog (filipínčina) | Tamilčina | Telugčina | Thajčina | Turečtina | Ukrajinčina | Urdčina | Vietnamčina

Pridajte sa do našej komunity

Na Discorde prebieha séria Učte sa s AI — dozviete sa viac a pripojte sa k nám na Séria Učte sa s AI od 18. do 30. septembra 2025. Získate tipy a triky pri používaní GitHub Copilot pre Data Science.

Strojové učenie pre začiatočníkov - učebný plán

🌍 Cestujte po svete, keď skúmame strojové učenie cez svetové kultúry 🌍

Cloud Advocates v Microsofte s radosťou ponúkajú 12-týždňový, 26-lekciový učebný plán zameraný na strojové učenie. V tomto učebnom pláne sa naučíte to, čo sa niekedy nazýva klasické strojové učenie, pričom hlavne používame knižnicu Scikit-learn a vyhýbame sa hlbokému učeniu, ktoré je pokryté v našom učebnom pláne AI pre začiatočníkov. Tieto lekcie kombinujte aj s naším učebným plánom 'Data Science pre začiatočníkov'!

Cestujte s nami po svete, keď aplikujeme tieto klasické techniky na dáta z mnohých regiónov sveta. Každá lekcia obsahuje kvízy pred a po lekcii, písané pokyny na dokončenie lekcie, riešenie, zadanie a ďalšie. Naša projektovo orientovaná pedagogika vám umožňuje učiť sa pri budovaní — overený spôsob, ako si nové zručnosti udržať.

✍️ Srdečné poďakovanie našim autorom Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd

🎨 Ďakujeme aj našim ilustrátorom Tomomi Imura, Dasani Madipalli, and Jen Looper

🙏 Špeciálne poďakovanie 🙏 našim autorom, recenzentom a prispievateľom obsahu z Microsoft Student Ambassadors, osobitne Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, a Snigdha Agarwal

🤩 Extra vďaka Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, and Vidushi Gupta za naše lekcie v R!

Začíname

Postupujte podľa týchto krokov:

1. Vytvorte fork repozitára: Kliknite na tlačidlo "Fork" v pravom hornom rohu tejto stránky.
2. Klonujte repozitár: git clone https://github.com/microsoft/ML-For-Beginners.git

nájdete všetky ďalšie zdroje pre tento kurz v našej kolekcii Microsoft Learn

🔧 Potrebujete pomoc? Pozrite si náš sprievodca riešením problémov pre riešenia bežných problémov s inštaláciou, nastavením a spúšťaním lekcií.

Študenti, na používanie tohto učebného plánu vytvorte fork celého repozitára na svojom GitHub účte a dokončite cvičenia samostatne alebo v skupine:

• Začnite kvízom pred prednáškou.
• Prečítajte si prednášku a dokončite aktivity, zastavujte sa a premýšľajte pri každej kontrole vedomostí.
• Pokúste sa vytvoriť projekty pochopením lekcií skôr než spustením kódu s riešením; tento kód je však dostupný v priečinkoch /solution v každej lekcii zameranej na projekt.
• Urobte kvíz po prednáške.
• Dokončite výzvu.
• Dokončite zadanie.
• Po dokončení skupiny lekcií navštívte Diskusné fórum a "učte sa nahlas" vyplnením príslušnej rubriky PAT. 'PAT' je Progress Assessment Tool (nástroj na hodnotenie pokroku), čo je rubrika, ktorú vyplníte, aby ste si prehĺbili učenie. Môžete tiež reagovať na iné PAT, aby sme sa mohli učiť spoločne.

Pre ďalšie štúdium odporúčame nasledovať tieto Microsoft Learn moduly a učenia.

Učitelia, zahrnuli sme niekoľko návrhov, ako tento učebný plán používať.

---

Video prehliadky

Niektoré lekcie sú dostupné ako krátke videá. Nájdete ich vložené priamo v lekciách alebo na playlistu ML for Beginners na kanáli Microsoft Developer YouTube kliknutím na obrázok nižšie.

---

Zoznámte sa s tímom

GIF od Mohit Jaisal

🎥 Kliknite na obrázok vyššie pre video o projekte a ľuďoch, ktorí ho vytvorili!

---

Pedagógia

Pri tvorbe tohto učebného plánu sme zvolili dve pedagogické zásady: zabezpečiť, aby bol prakticky orientovaný a založený na projektoch, a aby zahŕňal časté kvízy. Okrem toho má tento učebný plán spoločnú tému, ktorá mu dáva súdržnosť.

Zaradením obsahu do projektov je proces pre študentov viac pútavý a zvyšuje sa zapamätateľnosť pojmov. Nízko-stakes kvíz pred triedou nastavuje zámer študenta na učenie témy, zatiaľ čo druhý kvíz po vyučovaní zabezpečí ďalšie udržanie poznatkov. Tento učebný plán je navrhnutý tak, aby bol flexibilný a zábavný a možno ho absolvovať celý alebo čiastočne. Projekty začínajú malé a do konca 12-týždňového cyklu sa postupne zložitejšie. Tento učebný plán tiež obsahuje postskriptum o reálnych aplikáciách ML, ktoré je možné použiť ako extra kredit alebo ako základ pre diskusiu.

Nájdete náš Kódex správania, Príspevky, Preklady a Sprievodca riešením problémov. Vítame vaše konštruktívne pripomienky!

Každá lekcia obsahuje

• voliteľnú sketchnotu
• voliteľné doplnkové video
• video prechádzku (len niektoré lekcie)
• kvíz na zahriatie pred prednáškou
• písanú lekciu
• pre lekcie založené na projektoch, krok-za-krokom návody, ako zostrojiť projekt
• kontroly vedomostí
• výzvu
• doplnkové čítanie
• zadanie
• kvíz po prednáške

Poznámka o jazykoch: Tieto lekcie sú primárne napísané v Pythone, ale mnohé sú dostupné aj v R. Ak chcete dokončiť lekciu v R, choďte do priečinka /solution a vyhľadajte lekcie v R. Obsahujú príponu .rmd, ktorá predstavuje súbor R Markdown, ktorý možno jednoducho definovať ako vloženie code chunks (v R alebo iných jazykoch) a a YAML header (ktorý určuje, ako formátovať výstupy, napr. PDF) v Markdown document. Ako také slúži ako príkladný autorský rámec pre dátovú vedu, pretože vám umožňuje skombinovať váš kód, jeho výstupy a vaše myšlienky tak, že ich napíšete v Markdowne. Okrem toho je možné R Markdown dokumenty vyrenderovať do výstupných formátov ako PDF, HTML alebo Word.

Poznámka o kvízoch: Všetky kvízy sú obsiahnuté v priečinku Quiz App, spolu 52 kvízov po troch otázkach. Sú prepojené v rámci lekcií, ale aplikáciu kvízov je možné spustiť lokálne; postupujte podľa inštrukcií v priečinku quiz-app, aby ste ju lokálne hostovali alebo nasadili do Azure.

Číslo lekcie	Téma	Zoskupenie lekcií	Učebné ciele	Prepojená lekcia	Autor
01	Úvod do strojového učenia	Úvod	Naučte sa základné koncepty strojového učenia	Lekcia	Muhammad
02	História strojového učenia	Úvod	Naučte sa históriu tohto odvetvia	Lekcia	Jen a Amy
03	Spravodlivosť a strojové učenie	Úvod	Aké sú dôležité filozofické otázky týkajúce sa spravodlivosti, ktoré by si študenti mali uvážiť pri tvorbe a aplikovaní ML modelov?	Lekcia	Tomomi
04	Techniky strojového učenia	Úvod	Aké techniky používajú výskumníci ML na tvorbu ML modelov?	Lekcia	Chris a Jen
05	Úvod do regresie	Regression	Začnite s Pythonom a Scikit-learn pre regresné modely	Python • R	Jen • Eric Wanjau
06	Ceny tekvíc v Severnej Amerike 🎃	Regression	Vizualizujte a vyčistite dáta na prípravu pre ML	Python • R	Jen • Eric Wanjau
07	Ceny tekvíc v Severnej Amerike 🎃	Regression	Vytvorte lineárne a polynomiálne regresné modely	Python • R	Jen a Dmitry • Eric Wanjau
08	Ceny tekvíc v Severnej Amerike 🎃	Regression	Vytvorte logistický regresný model	Python • R	Jen • Eric Wanjau
09	Webová aplikácia 🔌	Web App	Vytvorte webovú aplikáciu na použitie natrénovaného modelu	Python	Jen
10	Úvod do klasifikácie	Classification	Vyčistite, pripravte a vizualizujte svoje dáta; úvod do klasifikácie	Python • R	Jen a Cassie • Eric Wanjau
11	Lahodné ázijské a indické kuchyne 🍜	Classification	Úvod do klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
12	Lahodné ázijské a indické kuchyne 🍜	Classification	Viac klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
13	Lahodné ázijské a indické kuchyne 🍜	Classification	Vytvorte odporúčajúcu webovú aplikáciu pomocou svojho modelu	Python	Jen
14	Úvod do zhlukovania	Clustering	Vyčistite, pripravte a vizualizujte svoje dáta; úvod do zhlukovania	Python • R	Jen • Eric Wanjau
15	Skúmanie hudobných chutí v Nigérii 🎧	Clustering	Preskúmajte metódu zhlukovania K-Means	Python • R	Jen • Eric Wanjau
16	Úvod do spracovania prirodzeného jazyka ☕️	Natural language processing	Naučte sa základy NLP vytvorením jednoduchého bota	Python	Stephen
17	Bežné úlohy NLP ☕️	Natural language processing	Prehĺbte svoje znalosti NLP pochopením bežných úloh potrebných pri práci s jazykovými štruktúrami	Python	Stephen
18	Preklad a analýza sentimentu ♥️	Natural language processing	Preklad a analýza sentimentu s Jane Austen	Python	Stephen
19	Romantické hotely v Európe ♥️	Natural language processing	Analýza sentimentu s recenziami hotelov 1	Python	Stephen
20	Romantické hotely v Európe ♥️	Natural language processing	Analýza sentimentu s recenziami hotelov 2	Python	Stephen
21	Úvod do predikcie časových radov	Time series	Úvod do predikcie časových radov	Python	Francesca
22	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov s ARIMA	Time series	Predikcia časových radov pomocou ARIMA	Python	Francesca
23	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov so SVR	Time series	Predikcia časových radov pomocou Support Vector Regressor	Python	Anirban
24	Úvod do posilňovacieho učenia	Reinforcement learning	Úvod do posilňovacieho učenia s Q-Learning	Python	Dmitry
25	Pomôžte Petrovi vyhnúť sa vlkovi! 🐺	Reinforcement learning	Gym pre posilňovacie učenie	Python	Dmitry
Postskriptum	Scenáre a aplikácie ML v reálnom svete	ML in the Wild	Zaujímavé a poučné aplikácie klasického ML v reálnom svete	Lekcia	Tím
Postskriptum	Ladenie modelov v ML pomocou RAI dashboardu	ML in the Wild	Ladenie modelov v strojovom učení pomocou komponentov Responsible AI dashboardu	Lekcia	Ruth Yakubu

nájdite všetky ďalšie zdroje pre tento kurz v našej kolekcii Microsoft Learn

Offline prístup

Môžete spustiť túto dokumentáciu offline pomocou Docsify. Vytvorte fork tohto repozitára, nainštalujte Docsify na svoj lokálny počítač, a potom v koreňovom priečinku tohto repozitára zadajte docsify serve. Webová stránka bude dostupná na porte 3000 na vašom localhost: localhost:3000.

PDF

Nájdete PDF osnovy s odkazmi tu.

🎒 Ďalšie kurzy

Náš tím vytvára aj ďalšie kurzy! Pozrite si:

LangChain

---

Azure / Edge / MCP / Agenti

---

Séria generatívnej AI

---

Základné kurzy

---

Séria Copilot

Získanie pomoci

Ak uviaznete alebo máte akékoľvek otázky o tvorbe AI aplikácií, pridajte sa k ostatným študentom a skúseným vývojárom v diskusiách o MCP. Je to podporná komunita, kde sú otázky vítané a poznatky sa slobodne zdieľajú.

Ak máte pripomienky k produktu alebo chyby počas vývoja, navštívte:

---

Vyhlásenie o vylúčení zodpovednosti: Tento dokument bol preložený pomocou AI prekladateľskej služby Co-op Translator. Hoci sa snažíme o presnosť, berte prosím na vedomie, že automatické preklady môžu obsahovať chyby alebo nepresnosti. Originálny dokument v jeho pôvodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nie sme zodpovední za žiadne nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.