README.md

🌐 Mitmekeelne tugi

Toetatud GitHub Actioni kaudu (Automaatne ja alati ajakohane)

araabia | bengali | bulgaaria | burma (Myanmar) | hiina (lihtsustatud) | hiina (traditsiooniline, Hongkong) | hiina (traditsiooniline, Macau) | hiina (traditsiooniline, Taiwan) | horvaadi | tšehhi | taani | hollandi | eesti | soome | prantsuse | saksa | kreeka | heebrea | hindi | ungari | indoneesia | itaalia | jaapani | kannada | korea | leedu | malai | malajalami | marathi | nepali | Nigeeria pidgin | norra | pärsia (farsi) | poola | portugali (Brasiilia) | portugali (Portugali) | penjabi (Gurmukhi) | rumeenia | vene | serbia (kirilitsa) | slovaki | sloveeni | hispaania | suahiili | rootsi | tagalogi (filipino) | tamiili | telegu | tai | türgi | ukraina | urdu | vietnami

Eelistad kloonimist lokaalselt?

See hoidla sisaldab üle 50 keele tõlkeid, mis suurendavad oluliselt allalaadimismahtu. Tõlgete ilma kloonimiseks kasuta harvendatud kontrolli (sparse checkout):

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

See annab sulle kõik vajaliku kursuse läbimiseks palju kiirema allalaadimisega.

Liitu meie kogukonnaga

Meil on käimas Discordis õppesari AI-ga, saa rohkem teada ja liitu meiega aadressil Learn with AI Series 18.-30. septembril 2025. Saad nippe ja trikke GitHub Copiloti kasutamiseks andmeteaduses.

Masinõpe algajatele – õppekava

🌍 Rändame ümber maailma, uurides masinõpet läbi maailma kultuuride 🌍

Microsofti Cloud Advocates pakuvad 12-nädalast, 26-õpetunniga õppekava, mis käsitleb masinõpet. Selles õppekavas õpid seda, mida mõnikord nimetatakse klassikaliseks masinõppeks, kasutades peamiselt Scikit-learn'i raamatukogu ja vältides süvaõpet (mida käsitletakse meie AI algajatele õppekavas). Ühenda need õppetunnid meie 'Andmeteadus algajatele' õppekavaga!

Rändame koos ümber maailma ja rakendame neid klassikalisi meetodeid mitmesugustest piirkondadest pärit andmetele. Igas õppetükis on ette- ja järelülesanded, kirjalikud juhised ülesande täitmiseks, lahendus, kodutöö ja palju muud. Meie projektipõhine õpetus võimaldab sul õppida ehitades – see on tõestatud meetod uute oskuste kinnistamiseks.

✍️ Südamlikud tänud meie autoritele Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ja Amy Boyd

🎨 Tänud ka meie illustraatoritele Tomomi Imura, Dasani Madipalli ja Jen Looper

🙏 Suur tänu meie Microsoft Student Ambassador autoritele, ülevaatajatele ja sisuloojatele, eriti Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ja Snigdha Agarwal

🤩 Täiendav tänu Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi ja Vidushi Gupta R-õppetundide eest!

Alustamine

Järgne neid samme:

1. Hargne hoidla: Vali selle lehe paremas ülanurgas nupp "Fork".
2. Klooni hoidla: git clone https://github.com/microsoft/ML-For-Beginners.git

Leia kõik lisamaterjalid selle kursuse jaoks meie Microsoft Learn kogumikust

🔧 Vaja abi? Tutvu meie Veaotsingu juhendiga, kust leiad lahendusi sagedastele probleemidele paigalduse, seadistuse ja õppetundide käivitamisega.

Õpilased, et seda õppekava kasutada, tee terve hoidla hargnemine oma GitHub kontole ja tee harjutused ise või grupiga:

• Alusta eelloenguks mõeldud viktoriiniga.
• Loe loengut ja soorita tegevused, peatudes ja mõeldes iga teadmistekontrolli juures.
• Proovi projekte ise luua õppetundide mõistmise alusel, mitte ainult lahenduskoodi käivitades; siiski on see kood saadaval iga projektiõpetuse /solution kaustas.
• Tee järelviktoriin.
• Täida väljakutse.
• Täida kodutöö.
• Pärast õppetundidegrupi lõpetamist külasta Arutelufoorumit ja „õpi valjult“, täites sobiva PAT hindamisskaala. 'PAT' on edenemise hindamise tööriist, mille abil saad oma õppimist süvendada. Samuti saad reageerida teiste PAT-idele, et koos õppida.

Edasiseks õppimiseks soovitame järgida neid Microsoft Learn mooduleid ja õpiteid.

Õpetajad, oleme lisanud mõningaid soovitusi, kuidas seda õppekava kasutada.

---

Video juhendid

Mõned õppetunnid on saadaval lühikeste videotena. Kõik need leiad õppetundide sisse ehitatuna või ML for Beginners esitusloendist Microsoft Developeri YouTube kanalil pildi klõpsates.

---

Tutvu meeskonnaga

Gif autor Mohit Jaisal

🎥 Klõpsa ülaloleval pildil, et vaadata videot projektist ja inimestest, kes selle lõid!

---

Pedagoogika

Selle õppekava loomisel valisime kaks pedagoogilist põhimõtet: tagada, et see on praktiline, projektipõhine, ning sisaldab sagedasi viktoriine. Lisaks on õppekaval ühine teema sidususe saavutamiseks.

Projektidega sobiva sisu tagamine muudab protsessi õpilaste jaoks kaasahaaravamaks ja aitab kontseptsioonidel paremini meelde jääda. Madala panusega viktoriin enne tundi seab õppurile eesmärgi teemaga tutvumiseks, ning teine viktoriin pärast tundi kindlustab mõistete püsivama kinnistamise. See õppekava on paindlik ja lõbus ning seda saab läbida tervikuna või osadena. Projektid algavad väikestest ja muutuvad 12 nädala jooksul järjest keerukamaks. Õppekavas on ka järelsõna masinõppe reaalse maailma rakenduste kohta, mida saab kasutada lisapunktide või arutelualusena.

Leia meie käitumiskoodeks, panustamise juhendid, tõlked ja veaotsingu juhendid. Ootame konstruktiivset tagasisidet!

Igas õppetükis on

• vabatahtlik visand
• vabatahtlik lisa-video
• video juhend (ainult mõnede jaoks)
• eelloengu soojendusviktoriin
• kirjalik õppetund
• projektipõhiste õppetundide jaoks samm-sammult juhised projekti ehitamiseks
• teadmistekontrollid
• väljakutse
• täiendav lugemine
• kodutöö
• järelviktoriin

Märkuse keelte kohta: Need õppetunnid on kirjutatud peamiselt Pythonis, kuid paljud on saadaval ka R-keeles. R-õppetunni läbimiseks mine projekti /solution kausta ja otsi seal R-õppetunnid. Neil on .rmd laiend, mis tähendab R Markdown faili – sisuliselt on see koodiblokkide (R või muude keelte) ja YAML päise (mis juhib väljundite vormindamist, näiteks PDF) manustamine Markdown dokumendis. See on suurepärane raamistik andmeteaduse autorlustöödeks, sest võimaldab kombineerida koodi, selle väljundi ja oma mõtteid Markdownis. Lisaks saab R Markdown dokumente renderdada PDF, HTML või Word väljunditeks. Märkus viktoriinide kohta: Kõik viktoriinid asuvad kaustas Quiz App folder, kokku 52 viktoriini, millest igaüks sisaldab kolme küsimust. Nendeni on viidatud õppetükkide sees, kuid viktoriinirakendust saab käivitada ka lokaalselt; juhised kohaliku hostimise või Azure’i pilve juurutamiseks leiad quiz-app kaustast.

Loengu number	Teema	Loengute grupp	Õpieesmärgid	Seotud loeng	Autor
01	Masinõppe tutvustus	Introduction	Õppida masinõppe põhikontseptsioone	Lesson	Muhammad
02	Masinõppe ajalugu	Introduction	Tutvuda selle valdkonna ajaloolise taustaga	Lesson	Jen and Amy
03	Õiglus ja masinõpe	Introduction	Millised on õiglusfilosoofia olulised küsimused, mida õpilased peaksid masinõppemudelite loomisel ja rakendamisel arvesse võtma?	Lesson	Tomomi
04	Masinõppe tehnikad	Introduction	Milliseid tehnikaid kasutavad masinõppe uurijad masinõppemudelite ehitamiseks?	Lesson	Chris and Jen
05	Regresseerimise tutvustus	Regression	Alustada Pythoniga ja Scikit-learniga regresseerimismudelite jaoks	Python • R	Jen • Eric Wanjau
06	Põhja-Ameerika kõrvitsa hinnad 🎃	Regression	Andmete visualiseerimine ja puhastamine masinõppeks ettevalmistamisel	Python • R	Jen • Eric Wanjau
07	Põhja-Ameerika kõrvitsa hinnad 🎃	Regression	Lineaarsete ja polünoomsete regressioonimudelite loomine	Python • R	Jen and Dmitry • Eric Wanjau
08	Põhja-Ameerika kõrvitsa hinnad 🎃	Regression	Logistilise regressioonimudeli loomine	Python • R	Jen • Eric Wanjau
09	Veebirakendus 🔌	Web App	Veebirakenduse loomine oma väljaõpetatud mudeli kasutamiseks	Python	Jen
10	Klassifitseerimise tutvustus	Classification	Andmete puhastamine, ettevalmistamine ja visualiseerimine; klassifitseerimise tutvustus	Python • R	Jen and Cassie • Eric Wanjau
11	Maitsvad Aasia ja India köögid 🍜	Classification	Klassifikaatorite tutvustus	Python • R	Jen and Cassie • Eric Wanjau
12	Maitsvad Aasia ja India köögid 🍜	Classification	Rohkem klassifikaatoreid	Python • R	Jen and Cassie • Eric Wanjau
13	Maitsvad Aasia ja India köögid 🍜	Classification	Soovitusrakenduse loomine veebis oma mudelit kasutades	Python	Jen
14	Klasterdamise tutvustus	Clustering	Andmete puhastamine, ettevalmistamine ja visualiseerimine; klasterdamise tutvustus	Python • R	Jen • Eric Wanjau
15	Nigeeria muusikamaitsmete avastamine 🎧	Clustering	Uurida K-keskmiste klasterdamismeetodit	Python • R	Jen • Eric Wanjau
16	Loodusliku keele töötlemise tutvustus ☕️	Natural language processing	Õpi NLP põhialuseid lihtsa roboti loomise kaudu	Python	Stephen
17	Üldised NLP ülesanded ☕️	Natural language processing	Sügavama NLP teadmise omandamine, mõistes keelestruktuuridega seotud tavapäraseid ülesandeid	Python	Stephen
18	Tõlkimine ja sentimentide analüüs ♥️	Natural language processing	Tõlkimine ja sentimentide analüüs Jane Austeni tekstidega	Python	Stephen
19	Euroopas romantilised hotellid ♥️	Natural language processing	Sentimentide analüüs hotellide arvustustega 1	Python	Stephen
20	Euroopas romantilised hotellid ♥️	Natural language processing	Sentimentide analüüs hotellide arvustustega 2	Python	Stephen
21	Ajaandmete ennustamise tutvustus	Time series	Ajaandmete ennustamise tutvustus	Python	Francesca
22	⚡️ Maailma elektritarbimine ⚡️ - ajaandmete ennustamine ARIMAga	Time series	Ajaandmete ennustamine ARIMA meetodiga	Python	Francesca
23	⚡️ Maailma elektritarbimine ⚡️ - ajaandmete ennustamine SVRiga	Time series	Ajaandmete ennustamine tugi-vektor regressori abil	Python	Anirban
24	Tugevdusõppe tutvustus	Reinforcement learning	Tugevdusõppe tutvustus Q-õppe abil	Python	Dmitry
25	Aita Peteril hundist pääseda! 🐺	Reinforcement learning	Tugevdusõpe Gym keskkonnas	Python	Dmitry
Järelsõna	Klassikaliste masinõppelahenduste rakendused	ML in the Wild	Huvitavad ja valgustavad reaalsed kasutusjuhtumid klassikalise masinõppe jaoks	Lesson	Team
Järelsõna	Mudelite silumine ML-is RAI juhtpaneeli abil	ML in the Wild	Masinõppemudelite silumine kasutades Responsible AI juhtpaneeli komponente	Lesson	Ruth Yakubu

Leia kõik selle kursuse lisamaterjalid meie Microsoft Learni kogumikust

Võimalus kasutada võrguühenduseta

Seda dokumentatsiooni saab kasutada võrguühenduseta, kasutades Docsify. Tehke selle hoidla fork, installige Docsify oma kohalikule arvutile ja seejärel selle hoidla juurkaustas tippige docsify serve. Veebileht teenindatakse pordil 3000 teie localhostis: localhost:3000.

PDF-id

Õppekava pdf koos linkidega leiad siit.

🎒 Teised kursused

Meie meeskond toodab ka teisi kursuseid! Vaata:

LangChain

Azure / Edge / MCP / Agents

---

Generative AI Series

---

Põhjalikud õpioskused

---

Copilot seeria

Abi saamine

Kui jääd hätta või sul on AI rakenduste loomise kohta küsimusi, liitu teiste õppijate ja kogenud arendajatega MCP aruteludes. See on toetav kogukond, kus küsimusi võetakse lahkesti vastu ja teadmisi jagatakse vabalt.

Kui sul on tootepalautust või tekib ehitusprotsessis vigu, külasta:

Lisasoovitused õppimiseks

• Vaata läbi märkmikud pärast iga õppetükki paremaks arusaamiseks.
• Harjuta algoritmide rakendamist iseseisvalt.
• Uuri reaalseid andmekogumeid, kasutades õpitud kontseptsioone.

---

Vastutusest loobumine: See dokument on tõlgitud kasutades tehisintellektil põhinevat tõlkeplatvormi Co-op Translator. Kuigi püüame tagada täpsuse, tuleb arvestada, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Originaaldokument selle emakeeles tuleks pidada autoriteetseks allikaks. Olulise info puhul soovitatakse kasutada professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tulenevate arusaamatuste ega valesti mõistmiste eest.