Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Khmer | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese
Raje lokalno klonirati?
Ta repozitorij vsebuje več kot 50 jezikovnih prevodov, kar močno 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"To vam daje vse, kar potrebujete za dokončanje tečaja z veliko hitrejšim prenosom.
Imamo tekočo serijo "Učenje 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, ko raziskujemo strojno učenje skozi svetovne kulture 🌍
Cloud Advocates pri Microsoftu z veseljem ponujajo 12-tedenski program, sestavljen iz 26 lekcij, ki govori o strojnem učenju. V tem učnem načrtu se boste naučili tega, kar včasih imenujemo klasično strojno učenje, pri čemer primarno uporabljamo knjižnico Scikit-learn in se izogibamo globokemu učenju, ki je zajeto v našem učnem načrtu AI za začetnike. Te lekcije združite z našim učnim načrtom 'Data Science za začetnike'!
Potujte z nami po svetu, ko te klasične tehnike uporabljamo na podatkih z različnih področij sveta. Vsaka lekcija vključuje kvize pred in po lekciji, pisna navodila za dokončanje lekcije, rešitev, nalogo in še več. Naša pedagoška metoda, temelječa na projektih, vam omogoča učenje med ustvarjanjem, kar je preizkušena metoda za boljše usvajanje novih veščin.
✍️ 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
🎨 Prav tako hvala našim ilustratorjem Tomomi Imura, Dasani Madipalli in Jen Looper
🙏 Posebna hvala 🙏 našim Microsoft Student Ambassador avtorjem, recenzentom in prispevalcem vsebin, zlasti Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila in Snigdha Agarwal
🤩 Posebna zahvala Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi in Vidushi Gupta za naše R lekcije!
Sledite tem korakom:
- Razvezi repozitorij: Kliknite na gumb "Fork" v zgornjem desnem kotu te strani.
- Kloniraj repozitorij:
git clone https://github.com/microsoft/ML-For-Beginners.git
najdete vse dodatne vire za ta tečaj v naši zbirki Microsoft Learn
🔧 Potrebujete pomoč? Oglejte si naš Vodnik za odpravljanje težav za rešitve pogostih težav z namestitvijo, nastavitvijo in izvajanjem lekcij.
Študentje, da uporabite ta učni načrt, razvežite celoten repozitorij na svoj GitHub račun in dokončajte vaje sami ali v skupini:
- Začnite s kvizom pred predavanjem.
- Preberite predavanje in dokončajte dejavnosti, se ustavljajte in razmišljajte ob vsakem preverjanju znanja.
- Poskusite ustvariti projekte poglobljeno razumevajoč lekcije namesto le z zagonom kode rešitve; čeprav je ta koda na voljo v mapah
/solutionv vsaki lekciji osredotočeni na projekt. - Opravite kviz po predavanju.
- Dokončajte izziv.
- Dokončajte nalogo.
- Po dokončanju skupine lekcij obiščite Diskusijsko ploščo in "se učite na glas" z izpolnitvijo ustrezne rubrike PAT. 'PAT' je Orodje za ocenjevanje napredka, rubrika, ki jo izpolnite za nadaljnje učenje. Prav tako lahko reagirate na druge PAT-e, da se skupaj učimo.
Za nadaljnje študije priporočamo spremljanje teh Microsoft Learn modulov in učnih poti.
Učitelji, vključili smo nekaj predlogov, kako uporabljati ta učni načrt.
Nekatere lekcije so na voljo kot kratki videoposnetki. Vse jih najdete neposredno v lekcijah ali na ML for Beginners playlisti na Microsoft Developer YouTube kanalu s klikom na spodnjo sliko.
Gif avtor Mohit Jaisal
🎥 Kliknite zgornjo sliko za video o projektu in ljudeh, ki so ga ustvarili!
Pri izdelavi tega učnega načrta smo izbrali dve pedagoški osnovi: zagotoviti, da je praktično projektno usmerjen in vključuje pogoste vaje. Poleg tega ima ta učni načrt skupno temo, ki mu daje kohezivnost.
Z zagotavljanjem, da so vsebine povezane s projekti, je proces za študente bolj zanimiv in pomaga pri ohranjanju pojmov. Poleg tega nizkorizični kviz pred razredom zasadi namen učenja pri študentu, medtem ko drugi kviz po razredu zagotavlja nadaljnje utrjevanje. Ta učni načrt je zasnovan kot prilagodljiv in zabaven ter ga je mogoče vzeti celotnega ali deloma. Projekti začnejo majhni ter s časom postajajo vse bolj zapleteni do konca 12-tedenskega cikla. Ta učni načrt vključuje tudi dodatek o resničnih aplikacijah strojnega učenja, ki ga lahko uporabite kot dodatno zasluženo točko ali kot izhodišče za razpravo.
Najdete naša Pravila vedenja, Prispevanje, Prevodi in Odpravljanje težav. Veselimo se vaših konstruktivnih povratnih informacij!
- opcijsko skico zapiskov
- opcijski dodatni video
- video predstavitev (samo nekatere lekcije)
- kviz za ogrevanje pred predavanjem
- pisno lekcijo
- za projektno usmerjene lekcije, korak za korakom vodiče za izdelavo projekta
- preverjanja znanja
- izziv
- dodatno branje
- nalogo
- kviz po predavanju
Opomba o jezikih: Te lekcije so večinoma napisane v Pythonu, veliko pa je tudi v R. Za dokončanje lekcije v R pojdite v mapo
/solutionin poiščite lekcije v R. Te imajo pripono .rmd, kar predstavlja R Markdown datoteko, ki jo lahko preprosto opredelimo kot vdelavokoda blokov(v R ali drugih jezikih) inYAML glave(ki usmerja, kako formatirati izhode, kot je PDF) vMarkdown dokument. Tako služi kot izvrsten okvir za pisanje vsebin za podatkovno znanost, saj omogoča kombiniranje kode, njenega izhoda in vaših misli s pisanjem v Markdownu. Poleg tega je možno R Markdown dokumente izvoziti v izhodne formate, kot so PDF, HTML ali Word.
Opomba o kvizih: Vsi kvizi so v Quiz App mapi in vsebujejo skupaj 52 kvizov s po tremi vprašanji vsak. Povezani so znotraj lekcij, aplikacijo za kvize pa je mogoče zagnati lokalno; sledite navodilom v mapi
quiz-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 | Katere so pomembne filozofske zadeve o pravičnosti, ki jih morajo študenti upoštevati pri gradnji in uporabi modelov ML? | Lekcija | Tomomi |
| 04 | Tehnike za strojno učenje | Uvod | Katere tehnike uporabljajo raziskovalci ML za gradnjo modelov ML? | 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 v pripravi 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 🔌 | Spletna aplikacija | Zgradite spletno aplikacijo za uporabo vašega treniranega modela | Python | Jen |
| 10 | Uvod v klasifikacijo | Klasifikacija | Očistite, pripravite in vizualizirajte podatke; uvod v klasifikacijo | Python • R | Jen in Cassie • Eric Wanjau |
| 11 | Okusi azijske in indijske kuhinje 🍜 | Klasifikacija | Uvod v klasifikatorje | Python • R | Jen in Cassie • Eric Wanjau |
| 12 | Okusi azijske in indijske kuhinje 🍜 | Klasifikacija | Več klasifikatorjev | Python • R | Jen in Cassie • Eric Wanjau |
| 13 | Okusi azijske in indijske kuhinje 🍜 | Klasifikacija | Zgradite spletno aplikacijo za priporočanje z vašim modelom | Python | Jen |
| 14 | Uvod v grozdenje | Grozdenje | Očistite, pripravite in vizualizirajte podatke; uvod v grozdenje | Python • R | Jen • Eric Wanjau |
| 15 | Raziskovanje nigerijskih glasbenih okusov 🎧 | Grozdenje | Raziskujte metodo K-sredin | Python • R | Jen • Eric Wanjau |
| 16 | Uvod v procesiranje naravnega jezika ☕️ | Procesiranje naravnega jezika | Naučite se osnov NLP z gradnjo preprostega bota | Python | Stephen |
| 17 | Pogoste naloge NLP ☕️ | Procesiranje naravnega jezika | Poglobite svoje NLP znanje z razumevanjem pogostih nalog pri delu z jezikovnimi strukturami | Python | Stephen |
| 18 | Prevajanje in analiza čustev |
Procesiranje naravnega jezika | Prevajanje in analiza čustev z Jane Austen | Python | Stephen |
| 19 | Romantični hoteli Evrope |
Procesiranje naravnega jezika | Analiza čustev z ocenami hotelov 1 | Python | Stephen |
| 20 | Romantični hoteli Evrope |
Procesiranje naravnega jezika | Analiza čustev z ocenami hotelov 2 | Python | Stephen |
| 21 | Uvod v napovedovanje časovnih vrst | Časovne vrste | Uvod v napovedovanje časovnih vrst | Python | Francesca |
| 22 | ⚡️ Svetovna poraba energije ⚡️ - napovedovanje časovnih vrst z ARIMA | Časovne vrste | Napovedovanje časovnih vrst z ARIMA | Python | Francesca |
| 23 | ⚡️ Svetovna poraba energije ⚡️ - napovedovanje časovnih vrst s SVR | Časovne vrste | Napovedovanje časovnih vrst s podporno vektorsko regresijo | Python | Anirban |
| 24 | Uvod v učenje s krepitvijo | Učenje s krepitvijo | Uvod v učenje s krepitvijo z Q-učenjem | Python | Dmitry |
| 25 | Pomagaj Peteru, da se izogne volku! 🐺 | Učenje s krepitvijo | Učenje s krepitvijo z Gym | Python | Dmitry |
| Zadnji del | Praktični primeri in aplikacije ML | ML v praksi | Zanimive in poučne resnične aplikacije klasičnega ML | Lekcija | Ekipa |
| Zadnji del | Odpravljanje napak modelov ML z uporabo RAI nadzorne plošče | ML v praksi | Odpravljanje napak modelov strojnega učenja z uporabo komponent nadzorne plošče Responsible AI | Lekcija | Ruth Yakubu |
poiščite vse dodatne vire za ta tečaj v naši zbirki Microsoft Learn
To dokumentacijo lahko uporabljate brez povezave z uporabo Docsify. Razvežite ta repozitorij, namestite Docsify na svojo lokalno napravo in nato v korenski mapi tega repozitorija vtipkajte docsify serve. Spletna stran bo dostopna na vratih 3000 na vaši lokalni napravi: localhost:3000.
Najdite pdf učnega načrta s povezavami tukaj.
Naša ekipa ustvarja še 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 zaidete ali imate vprašanja med učenjem strojnega učenja ali gradnjo AI aplikacij, ne skrbite — pomoč je na voljo.
Lahko se pridružite razpravam z drugimi učenci in razvijalci, zastavljate vprašanja ter delite svoje ideje s skupnostjo.
- Pridružite se skupnosti za postavljanje vprašanj in učenje z drugimi
- Razpravljajte o konceptih strojnega učenja in idejah projektov
- Pridobite smernice izkušenih razvijalcev
Podporna skupnost je odličen način za izboljšanje vaših veščin in hitrejše reševanje problemov.
Microsoft Foundry Discord skupnost
Če naletite na napake, težave ali imate predloge za izboljšave, lahko prav tako odprete Issue v tem repozitoriju za prijavo problema.
Za povratne informacije o izdelku ali iskanje obstoječih objav v skupnosti obiščite Forum za razvijalce:
- Po vsakem pouku preglejte zvezke za boljše razumevanje.
- Vadite samostojno implementacijo algoritmov.
- Raziskujte dejanske podatkovne nize z uporabo naučenih konceptov.
Omejitev odgovornosti:
Ta dokument je bil preveden z uporabo AI prevajalske storitve Co-op Translator. Čeprav si prizadevamo za natančnost, upoštevajte, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvorni dokument v njegovem maternem jeziku naj se šteje za avtoritativni vir. Za ključne informacije priporočamo strokovni človeški prevod. Nismo odgovorni za kakršnekoli nesporazume ali napačne razlage, ki izhajajo iz uporabe tega prevoda.