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 | Indonézčina | Taliančina | Japončina | Kannadčina | Kórejčina | Litovčina | Malajčina | Malajalámčina | Maráthčina | Nepálčina | Nigerijská pidžinčina | Nórčina | Perzčina (Farsi) | Poľština | Portugalčina (Brazília) | Portugalčina (Portugalsko) | Pandžábčina (Gurmukhi) | Rumunčina | Ruština | Srbčina (cyrilika) | Slovenčina | Slovinčina | Španielčina | Swahilčina | Švédčina | Tagalog (Filipínska) | Tamilčina | Telugčina | Thajčina | Turečtina | Ukrajinčina | Urdu | Vietnamsčina
Radšej klonovať lokálne?
Tento repozitár obsahuje viac než 50 jazykových prekladov, čo výrazne zväčšuje veľkosť stiahnutia. Ak chcete klonovať bez prekladov, použite 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"Toto vám poskytne všetko, čo potrebujete na dokončenie kurzu s oveľa rýchlejším stiahnutím.
Máme prebiehajúcu sériu Learn with AI na Discorde, zistite viac a pridajte sa k nám na Learn with AI Series od 18. do 30. septembra 2025. Dostanete tipy a triky na používanie GitHub Copilot pre Data Science.
🌍 Cestujte po svete a objavujte Strojové učenie cez svetové kultúry 🌍
Cloud Advocates v Microsoft vám s radosťou ponúkajú 12-týždňový, 26-lekčný kurz zameraný na strojové učenie. V tomto kurze sa naučíte o tom, čo sa niekedy nazýva klasické strojové učenie, používajúc primárne knižnicu Scikit-learn a vyhýbajúc sa hlbokému učeniu, ktoré je pokryté v našom učebnom pláne AI pre začiatočníkov. Tieto lekcie kombinujte aj s naším 'Data Science pre začiatočníkov'.
Cestujte s nami po svete, keď aplikujeme tieto klasické techniky na dáta z rôznych častí sveta. Každá lekcia obsahuje kvízy pred a po lekcii, písomné inštrukcie na dokončenie lekcie, riešenie, zadanie a viac. Naša projektovo orientovaná pedagogika vám umožňuje učiť sa priamo aplikovaním, čo je osvedčený spôsob, ako si nové zručnosti dobre osvojiť.
✍️ Srdečné poďakovanie našim autorom Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu a Amy Boyd
🎨 Poďakovanie tiež našim ilustrátorom Tomomi Imura, Dasani Madipalli a Jen Looper
🙏 Špeciálne poďakovanie 🙏 našim Microsoft Student Ambassador autorom, recenzentom a prispievateľom, menovite 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 a Vidushi Gupta za naše R lekcie!
Postupujte podľa týchto krokov:
- Forknite repozitár: kliknite na tlačidlo "Fork" v pravom hornom rohu tejto stránky.
- Klonujte repozitár:
git clone https://github.com/microsoft/ML-For-Beginners.git
nájdite všetky doplnkové zdroje pre tento kurz v našej Microsoft Learn kolekcii
🔧 Potrebujete pomoc? Skontrolujte náš Sprievodca riešením problémov pre riešenia bežných problémov s inštaláciou, nastavením a spúšťaním lekcií.
Študenti, na použitie tohto učebného plánu forknite celý repozitár do svojho GitHub konta a cvičenia riešte sami alebo v skupine:
- Začnite kvízom pred prednáškou.
- Prečítajte si prednášku a dokončite aktivity, zastavujte sa a premýšľajte pri každej kontrole poznatkov.
- Pokúste sa vytvoriť projekty pochopením lekcií namiesto spúšťania riešení; kód riešení je však k dispozícii v adresároch
/solutionv každej lekcii orientovanej na projekt. - Vykonajte kvíz po prednáške.
- Splňte výzvu.
- Dokončite zadanie.
- Po dokončení skupiny lekcií navštívte Diskusné fórum a „učte sa nahlas“ vyplnením príslušnej PAT rubriky. PAT je Nástroj na hodnotenie pokroku, ktorý vyplníte, aby ste prehĺbili svoje učenie. Môžete tiež reagovať na iné PAT, aby sme sa mohli učiť spoločne.
Pre ďalšie štúdium odporúčame sledovať tieto Microsoft Learn moduly a učebné cesty.
Učitelia, pripravili sme niekoľko odporúčaní ako používať tento učebný plán.
Niektoré lekcie sú dostupné ako krátke video. Nájdete ich priamo v lekciách alebo na zozname videí ML for Beginners na Microsoft Developer YouTube kanáli po kliknutí na obrázok nižšie.
Gif vytvoril Mohit Jaisal
🎥 Kliknite na obrázok vyššie pre video o projekte a ľuďoch, ktorí ho vytvorili!
Pri tvorbe tohto učebného plánu sme zvolili dve pedagogické zásady: zabezpečiť, že je praktický a založený na projektoch a že obsahuje časté kvízy. Okrem toho má tento kurz spoločnú tému, ktorá mu dodáva súdržnosť.
Zaradením obsahu do projektov sa proces vyučovania stáva zaujímavejším pre študentov a zlepšuje sa uchovávanie poznatkov. Nízko náročný kvíz pred prednáškou nastavuje zámer študenta učiť sa tému a druhý kvíz po prednáške zabezpečuje ďalšie upevnenie vedomostí. Tento kurz je flexibilný a zábavný, môžete ho absolvovať celý alebo po častiach. Projekty začínajú jednoduché a postupne sa komplikujú až do konca 12-týždňového cyklu. Kurz tiež obsahuje dodatočné poznámky o reálnych aplikáciách ML, ktoré môžu slúžiť ako bonusové zadania alebo podklad k diskusii.
Nájdete u nás Kódex správania, Prispievanie, Preklady a Sprievodcu riešením problémov. Vitáme vaše konštruktívne pripomienky!
- voliteľnú poznámku (sketchnote)
- voliteľné doplnkové video
- video prechádzku (iba niektoré lekcie)
- kvíz na rozcvičku pred prednáškou
- písomnú lekciu
- pre projektovo orientované lekcie podrobné návody krok za krokom, ako vytvoriť projekt
- kontroly poznatkov
- výzvu
- doplnkové čítanie
- zadanie
- kvíz po prednáške
Poznámka o jazykoch: Tieto lekcie sú primárne napísané v Pythone, avšak veľa z nich je dostupných aj v R. Ak chcete dokončiť R lekciu, choďte do priečinka
/solutiona nájdite lekcie v R. Tie majú príponu .rmd, čo je R Markdown súbor, ktorý možno jednoducho definovať ako vloženiekódových blokov(v R alebo iných jazykoch) aYAML hlavičky(ktorá určuje formátovanie výstupu ako PDF) vMarkdown dokumente. Slúži teda ako výborný rámec na tvorbu dokumentov pre dátovú vedu, pretože môžete kombinovať svoj kód, jeho výstupy a vlastné poznámky písané v Markdown formáte. Navyše, R Markdown dokumenty je možné renderovať do formátov ako PDF, HTML alebo Word. Poznámka k kvízom: Všetky kvízy sú obsiahnuté v priečinku Quiz App, celkovo 52 kvízov s troma otázkami v každom. Sú prepojené z lekcií, ale aplikáciu s kvízmi je možné spustiť lokálne; postupujte podľa inštrukcií v priečinkuquiz-appna lokálne hosťovanie alebo nasadenie do Azure.
| Číslo lekcie | Téma | Skupina lekcií | Ciele učenia | Prepojená lekcia | Autor |
|---|---|---|---|---|---|
| 01 | Úvod do strojového učenia | Úvod | Naučiť sa základné koncepty strojového učenia | Lekcia | Muhammad |
| 02 | História strojového učenia | Úvod | Naučiť sa históriu tohto odboru | Lekcia | Jen a Amy |
| 03 | Spravodlivosť a strojové učenie | Úvod | Aké sú dôležité filozofické otázky spravodlivosti, ktoré by študenti mali zvážiť pri tvorbe a aplikovaní modelov ML? | Lekcia | Tomomi |
| 04 | Techniky strojového učenia | Úvod | Aké techniky používajú vedci v oblasti strojového učenia na tvorbu modelov? | Lekcia | Chris a Jen |
| 05 | Úvod do regresie | Regresia | Začať s Pythonom a Scikit-learn pre regresné modely | Python • R | Jen • Eric Wanjau |
| 06 | Ceny tekvíc v Severnej Amerike 🎃 | Regresia | Vizualizovať a upraviť dáta v príprave na ML | Python • R | Jen • Eric Wanjau |
| 07 | Ceny tekvíc v Severnej Amerike 🎃 | Regresia | Stavať lineárne a polynomiálne regresné modely | Python • R | Jen a Dmitry • Eric Wanjau |
| 08 | Ceny tekvíc v Severnej Amerike 🎃 | Regresia | Stavať logistický regresný model | Python • R | Jen • Eric Wanjau |
| 09 | Webová aplikácia 🔌 | Webová aplikácia | Vytvoriť webovú aplikáciu na použitie vášho natrénovaného modelu | Python | Jen |
| 10 | Úvod do klasifikácie | Klasifikácia | Upraviť, pripraviť a vizualizovať dáta; úvod do klasifikácie | Python • R | Jen a Cassie • Eric Wanjau |
| 11 | Lahodné ázijské a indické kuchyne 🍜 | Klasifikácia | Úvod do klasifikátorov | Python • R | Jen a Cassie • Eric Wanjau |
| 12 | Lahodné ázijské a indické kuchyne 🍜 | Klasifikácia | Viac klasifikátorov | Python • R | Jen a Cassie • Eric Wanjau |
| 13 | Lahodné ázijské a indické kuchyne 🍜 | Klasifikácia | Vytvoriť webovú aplikáciu odporúčajúcu položky na základe vášho modelu | Python | Jen |
| 14 | Úvod do klastrovania | Klastrovanie | Upraviť, pripraviť a vizualizovať dáta; úvod do klastrovania | Python • R | Jen • Eric Wanjau |
| 15 | Preskúmanie nigerijských hudobných chutí 🎧 | Klastrovanie | Preskúmať metódu K-means klastrovania | Python • R | Jen • Eric Wanjau |
| 16 | Úvod do spracovania prirodzeného jazyka ☕️ | Spracovanie prirodzeného jazyka | Naučiť sa základy NLP vytvorením jednoduchého bota | Python | Stephen |
| 17 | Bežné úlohy NLP ☕️ | Spracovanie prirodzeného jazyka | Prehĺbiť znalosti NLP pochopením bežných úloh potrebných pri práci s jazykovými štruktúrami | Python | Stephen |
| 18 | Preklad a analýza sentimentu |
Spracovanie prirodzeného jazyka | Preklad a analýza sentimentu s Jane Austen | Python | Stephen |
| 19 | Romantické hotely Európy |
Spracovanie prirodzeného jazyka | Analýza sentimentu hotelových recenzií 1 | Python | Stephen |
| 20 | Romantické hotely Európy |
Spracovanie prirodzeného jazyka | Analýza sentimentu hotelových recenzií 2 | Python | Stephen |
| 21 | Úvod do predikcie časových radov | Časové rady | Úvod do predikcie časových radov | Python | Francesca |
| 22 | ⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov s ARIMA | Časové rady | Predikcia časových radov s ARIMA | Python | Francesca |
| 23 | ⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov s SVR | Časové rady | Predikcia časových radov s Support Vector Regressor | Python | Anirban |
| 24 | Úvod do posilňovacieho učenia | Posilňovacie učenie | Úvod do posilňovacieho učenia s Q-Learning | Python | Dmitry |
| 25 | Pomôžte Petrovi vyhnúť sa vlkovi! 🐺 | Posilňovacie učenie | Posilňovacie učenie Gym | Python | Dmitry |
| Postscript | Reálne scenáre a aplikácie ML | ML v praxi | Zaujímavé a odhaľujúce reálne aplikácie klasického ML | Lekcia | Tím |
| Postscript | Ladenie modelov ML pomocou RAI dashboardu | ML v praxi | Ladenie modelov strojového učenia pomocou komponentov zodpovedného AI dashboardu | Lekcia | Ruth Yakubu |
nájdite všetky ďalšie zdroje k tomuto kurzu v našej kolekcii Microsoft Learn
Túto dokumentáciu môžete spustiť offline pomocou Docsify. Vytvorte si vlastnú kópiu repozitára, nainštalujte Docsify na svoj lokálny počítač a potom v koreňovom adresári repozitára napíšte docsify serve. Webstránka bude k dispozícii na porte 3000 na vašom localhoste: localhost:3000.
Nájdite pdf osnovy s odkazmi tu.
Náš tím produkuje ďalšie kurzy! Pozrite si:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
Ak sa zaseknete alebo máte otázky ohľadom tvorby AI aplikácií. Pridajte sa k študentom a skúseným vývojárom v diskusiách o MCP. Je to podporná komunita, kde sú otázky vítané a vedomosti sa voľne zdieľajú.
Ak máte spätnú väzbu na produkt alebo chyby počas vývoja navštívte:
- Prejdite si poznámkové bloky po každej lekcii pre lepšie pochopenie.
- Praktizujte implementovanie algoritmov sami.
- Preskúmajte reálne dátové sady pomocou naučených konceptov.
Zrieknutie sa zodpovednosti: Tento dokument bol preložený pomocou služby prekladov s využitím umelej inteligencie Co-op Translator. Aj keď sa snažíme o presnosť, majte prosím na pamäti, že automatické preklady môžu obsahovať chyby alebo nezrovnalosti. Pôvodný dokument v jeho rodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre dôležité informácie sa odporúča profesionálny ľudský preklad. Nie sme zodpovední za žiadne nedorozumenia alebo nesprávne výklady vyplývajúce z použitia tohto prekladu.