Arabščina | Bengalščina | Bolgarščina | Burmanščina (Mjanmar) | Kitajščina (poenostavljena) | Kitajščina (tradicionalna, Hong Kong) | Kitajščina (tradicionalna, Macau) | Kitajščina (tradicionalna, Tajvan) | Hrvaščina | Češčina | Danščina | Nizozemščina | Estonščina | Finščina | Francoščina | Nemščina | Grščina | Hebrejščina | Hindijščina | Madžarščina | Indonezijščina | Italijanščina | Japonščina | Kannada | Korejščina | Litovščina | Malajščina | Malajalščina | Maratščina | Nepalščina | Nigerijski pidgin | Norveščina | Perzijščina (Farsi) | Poljščina | Portugalščina (Brazilija) | Portugalščina (Portugalska) | Punjabi (Gurmukhi) | Romunščina | Ruščina | Srbščina (cirilica) | Slovaščina | Slovenščina | Španščina | Svaahili | Švedščina | Tagalog (filipino) | Tamilščina | Telugu | Tajščina | Turščina | Ukrajinščina | Urdu | Vietnamščina
Raje klonirati lokalno?
Ta repozitorij vsebuje več kot 50 prevodov, kar znatno poveča velikost prenosa. Če želite klonirati brez prevodov, uporabite 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"Tako boste pridobili vse potrebno za dokončanje tečaja z veliko hitrejšim prenosom.
Imamo trajajočo serijo učenja z AI na Discordu, izveste več in se nam pridružite na Learn with AI Series od 18. do 30. septembra 2025. Dobite nasvete in trike za uporabo GitHub Copilot za podatkovno znanost.
🌍 Potujte po svetu, medtem ko raziskujemo strojno učenje skozi svetovne kulture 🌍
Zagovorniki oblaka pri Microsoftu z veseljem ponujajo 12-tedenski, 26-izpitni kurikulum, ki govori o strojno učenje. V tem kurikulumu boste izvedeli o t.i. klasičnem strojnem učenju, ki primarno uporablja knjižnico Scikit-learn in se izogiba globokemu učenju, kar pokrivamo v našem kurikulumu AI za začetnike. Primerjajte te lekcije tudi z našim kurikulom Podatkovna znanost za začetnike.
Potujte z nami po svetu, ko uporabljamo te klasične tehnike na podatkih iz različnih delov sveta. Vsaka lekcija vključuje pred in po lekcijski kviz, pisna navodila za dokončanje lekcije, rešitev, nalogo in več. Naša poučevanje temelji na projektih, kar vam omogoča učenje z ustvarjanjem, kar je dokazano učinkovit način za utrditev novih znanj.
✍️ Iskrena hvala 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
🎨 Zahvala tudi našim ilustratorjem Tomomi Imura, Dasani Madipalli in Jen Looper
🙏 Posebna zahvala 🙏 našim Microsoft Student Ambassadorjem avtorjem, recenzentom in prispevkom vsebine, zlasti Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila in Snigdha Agarwal
🤩 Posebna hvala Microsoft Student Ambassadorjem Eric Wanjau, Jasleen Sondhi in Vidushi Gupta za naše lekcije v R jeziku!
Sledite tem korakom:
- Razveji repozitorij: Kliknite na gumb "Fork" v zgornjem desnem kotu te strani.
- 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? Oglejte si naš Vodnik za odpravljanje težav za rešitve pogostih težav pri namestitvi, nastavitvi in izvajanju lekcij.
Študentje, za uporabo tega kurikuluma razvejite celoten repozitorij na svoj GitHub račun in opravite vaje sami ali v skupini:
- Začnite s predpredavanjskim kvizom.
- Preberite predavanje in dokončajte dejavnosti, ob vsakem preverjanju znanja se ustavite in premislite.
- Poskusite ustvariti projekte tako, da razumete lekcije, namesto da le kopirate kodo rešitve; ta koda je na voljo v mapah
/solutionpri vsaki projektno usmerjeni lekciji. - Opravite po-predavanjski kviz.
- Dokončajte izziv.
- Dokončajte nalogo.
- Po končanem sklopu lekcij obiščite Diskusijsko ploščo in "ucite na glas", tako da izpolnite ustrezno PAT lestvico. 'PAT' je Orodje za Oceno Napredka, lestvica, ki jo izpolnite, da poglobite učenje. Lahko tudi reagirate na druge PAT-e, da se lahko učimo skupaj.
Za nadaljnje študije priporočamo spremljanje teh Microsoft Learn modulov in učnih poti.
Učitelji, v priporočilih smo vključili nekaj nasvetov o uporabi tega kurikuluma.
Nekatere lekcije so na voljo v obliki kratkih video posnetkov. Vse te najdete v lekcijah neposredno ali na seznamu predvajanja ML za začetnike na YouTube kanalu Microsoft Developer s klikom na spodnjo sliko.
Gif avtor: Mohit Jaisal
🎥 Kliknite zgornjo sliko za video o projektu in osebah, ki so ga ustvarile!
Med oblikovanjem tega kurikuluma smo izbrali dva pedagoška stebra: zagotoviti, da je praktično projektno usmerjen in da vključuje pogoste kvize. Poleg tega ima kurikulum skupno temo, ki mu daje skladnost.
Z zagotavljanjem vsebine, ki je povezana s projekti, je postopek učenja za študente bolj privlačen, hkrati pa je ohranjanje konceptov izboljšano. Poleg tega nizko-rizični kviz pred predavanjem usmeri študenta k učenju teme, medtem ko drugi kviz po predavanju zagotovi nadaljnjo utrditev. Ta kurikulum je zasnovan kot prilagodljiv in zabaven ter ga lahko opravite kot celoto ali delno. Projekti se začnejo majhni in postopoma postajajo bolj zahtevni do konca 12-tedenskega cikla. Vključuje tudi dodatek o realnih aplikacijah ML, ki se lahko uporabi kot dodatna točka za oceno ali kot temelj za razpravo.
Najdete naša pravila Kodeksa ravnanja, Prispevkov, Prevodi in Odpravljanje težav. Veselimo se vaših konstruktivnih povratnih informacij!
- izbirno skiciranje
- izbirni dodatni video
- video predstavitev (le nekatere lekcije)
- predpredavalni kviz za ogrevanje
- pisna lekcija
- za lekcije, usmerjene na projekte, vodniki korak za korakom za izdelavo projekta
- preverjanja znanja
- izziv
- dodatno branje
- nalogo
- popredavalni kviz
Opomba o jezikih: Te lekcije so večinoma napisane v Pythonu, a veliko jih je na voljo tudi v R-ju. Če želite dokončati lekcijo v R, pojdite v mapo
/solutionin poiščite lekcije R. Vključujejo končnico .rmd, ki predstavlja R Markdown datoteko, ki je preprosto definirana kot vgradnjakodo delov(v R ali drugih jezikih) inYAML glave(ki usmerja, kako oblikovati izhod, na primer PDF) vMarkdown dokumentu. Tako služi kot vzoren okvir za avtorje podatkovne znanosti, saj združuje vašo kodo, njen izhod ter vaše misli, saj jih lahko zapišete v Markdown. Poleg tega je mogoče R Markdown dokumente izvesti 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 v lekcijah, vendar lahko kvizno aplikacijo zaženete lokalno; sledite navodilom v mapiquiz-appza lokalno gostovanje ali namestitev na 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 in Amy |
| 03 | Pravičnost in strojno učenje | Uvod | Kakšne so pomembne filozofske teme glede pravičnosti, ki jih mora študent upoštevati pri izdelavi in uporabi modelov ML? | Lekcija | Tomomi |
| 04 | Tehnike strojnega učenja | Uvod | Katere tehnike za izdelavo ML modelov uporabljajo raziskovalci? | Lekcija | Chris in Jen |
| 05 | Uvod v regresijo | Regresija | Začnite z Python in Scikit-learn za modele regresije | Python • R | Jen • Eric Wanjau |
| 06 | Cene buč v Severni Ameriki 🎃 | Regresija | Vizualizirajte in očistite podatke za pripravo na ML | Python • R | Jen • Eric Wanjau |
| 07 | Cene buč v Severni Ameriki 🎃 | Regresija | Zgradite linearne in polinomske regresijske modele | Python • R | Jen in Dmitry • Eric Wanjau |
| 08 | Cene buč v Severni Ameriki 🎃 | Regresija | Zgradite logistični regresijski model | Python • R | Jen • Eric Wanjau |
| 09 | Spletna aplikacija 🔌 | Web App | Zgradite spletno aplikacijo za uporabo vašega usposobljenega modela | Python | Jen |
| 10 | Uvod v klasifikacijo | Klasifikacija | Očistite, pripravite in vizualizirajte podatke; uvod v klasifikacijo | Python • R | Jen in Cassie • Eric Wanjau |
| 11 | Sladke azijske in indijske kuhinje 🍜 | Klasifikacija | Uvod v klasifikatorje | Python • R | Jen in Cassie • Eric Wanjau |
| 12 | Sladke azijske in indijske kuhinje 🍜 | Klasifikacija | Več klasifikatorjev | Python • R | Jen in Cassie • Eric Wanjau |
| 13 | Sladke azijske in indijske kuhinje 🍜 | Klasifikacija | Zgradite spletno aplikacijo za priporočanje z uporabo vašega modela | Python | Jen |
| 14 | Uvod v gručenje | Gručenje | Očistite, pripravite in vizualizirajte podatke; uvod v gručenje | Python • R | Jen • Eric Wanjau |
| 15 | Raziščimo nigerijske glasbene okuse 🎧 | Gručenje | Raziščite metodo gručenja K-sredin | Python • R | Jen • Eric Wanjau |
| 16 | Uvod v obdelavo naravnega jezika ☕️ | Obdelava naravnega jezika | Naučite se osnov NLP z izdelavo preprostega robota | 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 | Prevajanje 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 | ⚡️ Svetovna poraba elektrike ⚡️ - napovedovanje s ARIMA | Časovne vrste | Napovedovanje časovnih vrst z ARIMA | Python | Francesca |
| 23 | ⚡️ Svetovna poraba elektrike ⚡️ - napovedovanje s SVR | Časovne vrste | Napovedovanje časovnih vrst s podporniškim vektorjem regresorjem | Python | Anirban |
| 24 | Uvod v učenje z okrepitvijo | Učenje z okrepitvijo | Uvod v učenje z okrepitvijo z metodo Q-učenja | Python | Dmitry |
| 25 | Pomagajte Petru, da se izogne volku! 🐺 | Učenje z okrepitvijo | Učenje z okrepitvijo v Gimnastiki | Python | Dmitry |
| Dodatno | Resnični primeri in aplikacije ML | ML v praksi | Zanimive in razkrivajoče resnične aplikacije klasičnega ML | Lekcija | Ekipa |
| Dodatno | Razhroščevanje ML modelov z RAI nadzorno ploščo | ML v praksi | Razhroščevanje ML modelov z uporabo komponent Responsible AI nadzorne plošče | Lekcija | Ruth Yakubu |
poiščite vse dodatne vire za ta tečaj v naši zbirki Microsoft Learn
To dokumentacijo lahko poganjate brez povezave z uporabo Docsify. Razvejajte ta repozitorij, namestite Docsify na svoj lokalni računalnik, nato pa v korenski mapi repozitorija vtipkajte docsify serve. Spletna stran bo dostopna na vratih 3000 vašega lokalnega računalnika: localhost:3000.
Najdite pdf učnega načrta s povezavami tukaj.
Naša ekipa ustvarja tudi druge tečaje! Oglejte 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}
Če se zataknete ali imate vprašanja o izdelavi AI aplikacij. Pridružite se ostalim učencem in izkušenim razvijalcem v razpravah o MCP. To je podporna skupnost, kjer so vprašanja dobrodošla in se znanje prosto deli.
Če imate povratne informacije o izdelku ali napake med izdelavo, obiščite:
- Preglejte zvezke po vsakem delu za boljše razumevanje.
- Vadite izvajanje algoritmov samostojno.
- Raziščite dejanske podatkovne zbirke z uporabo naučenih konceptov.
Omejitev odgovornosti: Ta dokument je bil preveden z uporabo storitve za strojno prevajanje AI Co-op Translator. Čeprav si prizadevamo za točnost, upoštevajte, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v izvorni jezik smatrajte za verodostojen vir. Za pomembne informacije priporočamo strokovni človeški prevod. Ne odgovarjamo za morebitna nesporazume ali napačne interpretacije, ki izhajajo iz uporabe tega prevoda.