ML-For-Beginners/translations/sl

🌐 Podpora več jezikov

Podprto preko GitHub Action (samodejno in vedno posodobljeno)

Arabščina | Bengalščina | Bolgarščina | Burmanščina (Mjanmar) | Kitajščina (poenostavljena) | Kitajščina (tradicionalna, Hongkong) | Kitajščina (tradicionalna, Macao) | Kitajščina (tradicionalna, Tajvan) | Hrvaščina | Češčina | Danščina | Nizozemščina | Estonščina | Finščina | Francoščina | Nemščina | Grščina | Hebrejščina | Hindijščina | Madžarščina | Indonezijščina | Italijanščina | Japonščina | Kannadščina | Korejščina | Litovščina | Malajščina | malajalamščina | Marathi | Nepalščina | Nigerijski pidgin | Norveščina | Perzijski (farzi) | Poljščina | Portugalščina (Brazilija) | Portugalščina (Portugal) | Pendžabščina (Gurmukhi) | Romunščina | Ruščina | Srbščina (cirilica) | Slovaščina | Slovenščina | Španščina | Suahilščina | Švedščina | Tagalog (filipinščina) | Tamilščina | Telugščina | Tajščina | Turščina | Ukrajinščina | Urdu | Vietnamščina

Pridružite se naši skupnosti

Imamo serijo "Learn with AI" na Discordu, več izvejte in se nam pridružite na Serija "Učenje z AI" od 18. do 30. septembra 2025. Dobili boste nasvete in trike za uporabo GitHub Copilot za podatkovno znanost.

Strojno učenje za začetnike - učni načrt

🌍 Potujte po svetu, medtem ko raziskujemo strojno učenje skozi svetovne kulture 🌍

Cloud Advocates pri Microsoftu z veseljem ponujajo 12-tedenski, 26-urni učni načrt, ki govori o stroj¬nem učenju. V tem učnem načrtu se boste seznanili s tem, kar včasih imenujemo klasično strojno učenje, ki kot knjižnico uporablja predvsem Scikit-learn in se izogiba globokemu učenju, ki ga pokriva naš učni načrt 'AI for Beginners'. Te lekcije združite tudi z našim učnim načrtom 'Data Science for Beginners'.

Potujte z nami po vsem svetu, ko te klasične tehnike uporabljamo na podatkih iz različnih delov sveta. Vsaka lekcija vključuje pred- in po- lekcijski kviz, pisna navodila za izvedbo lekcije, rešitev, nalogo in še več. Naša pedagoška zasnova, zasnovana na projektih, vam omogoča učenje skozi gradnjo, preverjen način za boljše pomnjenje novih veščin.

✍️ Iskrena zahvala našim avtorjem Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu in Amy Boyd

🎨 Hvala tudi našim ilustratorjem Tomomi Imura, Dasani Madipalli in Jen Looper

🙏 Posebna zahvala 🙏 našim Microsoft Student Ambassador avtorjem, recenzentom in sodelujočim pri vsebini, zlasti Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila in Snigdha Agarwal

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

Začetek

Sledite tem korakom:

1. Razvejajte repozitorij: Kliknite na gumb "Fork" v zgornjem desnem kotu te strani.
2. Klonirajte repozitorij: git clone https://github.com/microsoft/ML-For-Beginners.git

poiščite vse dodatne vire za ta tečaj v naši zbirki Microsoft Learn

🔧 Potrebujete pomoč? Preverite naš Vodnik za odpravljanje težav za rešitve pogostih težav z namestitvijo, nastavitvijo in zagonom lekcij.

Študenti, za uporabo tega učnega načrta razvejajte celoten repozitorij na svoj GitHub račun in dokončajte vaje sami ali v skupini:

• Začnite z vnaprejšnjim kvizom pred predavanjem.
• Preberite lekcijo in dokončajte dejavnosti, ustavite se in razmislite pri vsakem preverjanju znanja.
• Poskušajte ustvariti projekte z razumevanjem lekcij namesto z zagonom kode rešitve; ta koda pa je na voljo v mapah /solution v vsaki lekciji, usmerjeni na projekte.
• Opravite kviz po predavanju.
• Dokončajte izziv.
• Dokončajte nalogo.
• Po končanem sklopu lekcij obiščite Razprave in "učno zvenite" tako, da izpolnite ustrezno radirko PAT. 'PAT' je Orodje za ocenjevanje napredka (Progress Assessment Tool), to je rubrika, ki jo izpolnite, da nadaljujete svoje učenje. Prav tako lahko reagirate na druge PAT-e, da se učimo skupaj.

Za nadaljnje študij priporočamo sledenje tem Microsoft Learn modulom in učnim potem.

Učitelji, vključili smo nekaj predlogov, kako uporabljati ta učni načrt.

---

Video vodniki

Nekatere lekcije so na voljo kot kratki videi. Vse jih najdete v lekcijah ali na predvajalnem seznamu ML for Beginners na YouTube kanalu Microsoft Developer tako, da kliknete sliko spodaj.

---

Spoznajte ekipo

GIF avtor Mohit Jaisal

🎥 Kliknite zgornjo sliko za video o projektu in ljudeh, ki so ga ustvarili!

---

Pedagogika

Pri oblikovanju tega učnega načrta smo izbrali dve pedagoški stališči: zagotoviti, da je praktično in zasnovano na projektih, ter vključiti pogoste kvize. Poleg tega ima ta učni načrt skupno temo, ki mu daje kohezijo.

S tem, ko vsebina sovpada s projekti, je proces bolj privlačen za študente in zadrževanje konceptov bo povečano. Poleg tega nizko-stavni kviz pred razredom usmeri namen študenta k učenju teme, medtem ko drugi kviz po pouku zagotavlja nadaljnje zadrževanje. Ta učni načrt je zasnovan tako, da je prilagodljiv in zabaven ter ga je mogoče opraviti v celoti ali deloma. Projekti se začnejo majhni in postanejo vse bolj zapleteni do konca 12-tedenskega cikla. Ta učni načrt vključuje tudi epilog o aplikacijah ML v resničnem svetu, ki ga je mogoče uporabiti kot dodatno oceno ali kot izhodišče za razpravo.

Najdite naš Kodeks vedenja, Prispevanje, Prevajanje in Vodnik za odpravljanje težav. Veselimo se vaših konstruktivnih povratnih informacij!

Vsaka lekcija vključuje

• neobvezen sketchnote
• neobvezno dopolnilno video
• video razlago (samo pri nekaterih lekcijah)
• vnaprejšnji ogrevalni kviz pred predavanjem
• pisno lekcijo
• za lekcije, osredotočene na projekte, korak-po-koraku vodiče za izdelavo projekta
• preverjanja znanja
• izziv
• dopolnilno branje
• nalogo
• kviz po predavanju

Opomba o jezikih: Te lekcije so v glavnem napisane v Pythonu, vendar je veliko njih na voljo tudi v R. Če želite dokončati R lekcijo, pojdite v mapo /solution in poiščite R lekcije. Vsebujejo pripono .rmd, ki predstavlja R Markdown datoteko, ki jo lahko preprosto opišemo kot vdelavo code chunks (v R ali drugih jezikih) in YAML header (ki usmerja, kako oblikovati izhode, npr. PDF) v Markdown dokumentu. Tako služi kot odlično orodje za avtorstvo v podatkovni znanosti, saj vam omogoča združevanje kode, njenega izhoda in vaših misli v Markdownu. Poleg tega je mogoče R Markdown dokumente upodobiti v izhodne formate, kot so PDF, HTML ali Word.

Opomba o kvizih: Vsi kvizi so v mapi Quiz App, skupaj 52 kvizov s po tremi vprašanji. Povezani so iz lekcij, vendar se aplikacija kvizov lahko zažene lokalno; sledite navodilom v mapi quiz-app, da gostite lokalno ali razmestite v Azure.

Številka lekcije	Tema	Skupina lekcij	Cilji učenja	Povezana lekcija	Avtor
01	Uvod v strojno učenje	Uvod	Spoznajte osnovne koncepte strojnega učenja	Lekcija	Muhammad
02	Zgodovina strojnega učenja	Uvod	Spoznajte zgodovino tega področja	Lekcija	Jen and Amy
03	Pravičnost in strojno učenje	Uvod	Katere so pomembne filozofske vprašanja v zvezi s pravičnostjo, ki bi jih študenti morali upoštevati pri gradnji in uporabi ML modelov?	Lekcija	Tomomi
04	Tehnike strojnega učenja	Uvod	Katere tehnike raziskovalci strojnega učenja uporabljajo za gradnjo modelov?	Lekcija	Chris and Jen
05	Uvod v regresijo	Regresija	Začnite z uporabo Pythona in Scikit-learn za regresijske modele	Python • R	Jen • Eric Wanjau
06	Severnoameriške cene buč 🎃	Regresija	Vizualizirajte in očistite podatke v pripravi na strojno učenje	Python • R	Jen • Eric Wanjau
07	Severnoameriške cene buč 🎃	Regresija	Zgradite linearne in polinomske regresijske modele	Python • R	Jen and Dmitry • Eric Wanjau
08	Severnoameriške cene buč 🎃	Regresija	Zgradite logistični regresijski model	Python • R	Jen • Eric Wanjau
09	Spletna aplikacija 🔌	Web App	Zgradite spletno aplikacijo za uporabo vašega izurjenega modela	Python	Jen
10	Uvod v klasifikacijo	Klasifikacija	Očistite, pripravite in vizualizirajte svoje podatke; uvod v klasifikacijo	Python • R	Jen and Cassie • Eric Wanjau
11	Slastne azijske in indijske kuhinje 🍜	Klasifikacija	Uvod v klasifikatorje	Python • R	Jen and Cassie • Eric Wanjau
12	Slastne azijske in indijske kuhinje 🍜	Klasifikacija	Več klasifikatorjev	Python • R	Jen and Cassie • Eric Wanjau
13	Slastne azijske in indijske kuhinje 🍜	Klasifikacija	Zgradite priporočilno spletno aplikacijo z uporabo vašega modela	Python	Jen
14	Uvod v gručenje	Gručenje	Očistite, pripravite in vizualizirajte svoje podatke; uvod v gručenje	Python • R	Jen • Eric Wanjau
15	Raziščite nigerijske glasbene okuse 🎧	Gručenje	Raziščite metodo gručenja K-sredin (K-Means)	Python • R	Jen • Eric Wanjau
16	Uvod v obdelavo naravnega jezika ☕️	Obdelava naravnega jezika	Naučite se osnove NLP z gradnjo preprostega bota	Python	Stephen
17	Pogoste naloge NLP ☕️	Obdelava naravnega jezika	Poglobite svoje znanje NLP z razumevanjem pogostih nalog pri delu z jezikovnimi strukturami	Python	Stephen
18	Prevod in analiza sentimenta ♥️	Obdelava naravnega jezika	Prevajanje in analiza sentimenta z Jane Austen	Python	Stephen
19	Romantični hoteli v Evropi ♥️	Obdelava naravnega jezika	Analiza sentimenta z ocenami hotelov 1	Python	Stephen
20	Romantični hoteli v Evropi ♥️	Obdelava naravnega jezika	Analiza sentimenta z ocenami hotelov 2	Python	Stephen
21	Uvod v napovedovanje časovnih vrst	Časovne vrste	Uvod v napovedovanje časovnih vrst	Python	Francesca
22	⚡️ Poraba električne energije na svetu ⚡️ - napovedovanje časovnih vrst z ARIMA	Časovne vrste	Napovedovanje časovnih vrst z ARIMA	Python	Francesca
23	⚡️ Poraba električne energije na svetu ⚡️ - napovedovanje časovnih vrst s SVR	Časovne vrste	Napovedovanje časovnih vrst s Support Vector Regressorjem (SVR)	Python	Anirban
24	Uvod v okrepljeno učenje	Okrepljeno učenje	Uvod v okrepljeno učenje s Q-učenjem (Q-Learning)	Python	Dmitry
25	Pomagajte Petru, da se izogne volku! 🐺	Okrepljeno učenje	Okrepljeno učenje z Gym	Python	Dmitry
Postscript	Resnični primeri in uporabe strojnega učenja	ML v resničnem svetu	Zanimive in poučne resnične uporabe klasičnega strojnega učenja	Lekcija	Ekipa
Postscript	Odpravljanje napak modela v ML z RAI nadzorno ploščo	ML v resničnem svetu	Odpravljanje napak modelov v strojnem učenju z uporabo komponent nadzorne plošče Responsible AI	Lekcija	Ruth Yakubu

Poiščite vse dodatne vire za ta tečaj v naši zbirki Microsoft Learn

Dostop brez povezave

To dokumentacijo lahko zaženete brez povezave z uporabo Docsify. Razvejite ta repozitorij, namestite Docsify na svojem lokalnem računalniku, in nato v korenski mapi tega repozitorija vnesite docsify serve. Spletno mesto bo gostovano na vratih 3000 na vašem localhost: localhost:3000.

PDF-ji

Najdete PDF učnega načrta s povezavami tukaj.

🎒 Drugi tečaji

Naša ekipa pripravlja tudi druge tečaje! Oglejte si:

LangChain

---

Azure / Edge / MCP / Agents

---

Serija Generativne AI

---

Osnovno učenje

---

Serija Copilot

Pridobivanje pomoči

Če se zataknete ali imate vprašanja o ustvarjanju AI aplikacij, se pridružite drugim učencem in izkušenim razvijalcem v razpravah o MCP. Gre za podporno skupnost, kjer so vprašanja dobrodošla in se znanje prosto deli.

Če imate povratne informacije o izdelku ali naletite na napake med razvojem, obiščite:

---

Izjava o omejitvi odgovornosti: Ta dokument je bil preveden z uporabo storitve za prevajanje z umetno inteligenco Co-op Translator (https://github.com/Azure/co-op-translator). Čeprav si prizadevamo za natančnost, upoštevajte, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvirnem jeziku se šteje za avtoritativni vir. Za kritične informacije priporočamo strokovni človeški prevod. Ne odgovarjamo za morebitne nesporazume ali napačne razlage, ki bi nastale zaradi uporabe tega prevoda.