README.md

🌐 Msaada wa Lugha Nyingi

Inatambuliwa kupitia Hatua ya GitHub (Otometi & Daima Ipo Hadi)

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

Unapendelea Kukunja Kwenye Kompyuta Binafsi?

Hifadhidata hii ina tafsiri za lugha 50+ ambazo huongeza ukubwa wa kupakua kwa kiasi kikubwa. Ili kuepuka tafsiri, tumia 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"

Hii inakupa kila unachohitaji kukamilisha kozi kwa upakuaji wa kasi zaidi.

Jiunge na Jumuiya Yetu

Tuna mfululizo wa kujifunza kupitia Discord kuhusu AI unaoendelea, jifunze zaidi na jiunge nasi kwenye Mfululizo wa Kujifunza na AI kuanzia 18 - 30 Septemba, 2025. Utapata vidokezo na mbinu za kutumia GitHub Copilot kwa Sayansi ya Data.

Kujifunza Mashine kwa Waanzilishi - Mtaala

🌍 Safiri ulimwenguni tunapochafulia Kujifunza Mashine kupitia tamaduni za dunia 🌍

Watetezi wa Wingu Microsoft wanafurahia kutoa mtaala wa wiki 12, masomo 26 kuhusu Kujifunza Mashine. Katika mtaala huu, utajifunza kile kinachoitwa mara nyingine kujifunza mashine cha kawaida, ukitumia hasa maktaba ya Scikit-learn na kuepuka kujifunza kwa kina, ambayo inafunikwa katika mtaala wetu wa AI kwa Waanzilishi. Sambamba na masomo haya pia tumia mtaala wetu wa 'Sayansi ya Data kwa Waanzilishi'!

Safiri nasi ulimwenguni kote tunapotumia mbinu hizi za kawaida kwa data kutoka maeneo mengi ya dunia. Kila somo lina vipimo kabla na baada ya somo, maelekezo ya maandishi ya kukamilisha somo, suluhisho, kazi, na zaidi. Njia yetu ya kufundisha inayotegemea mradi inakuwezesha kujifunza huku ukijenga, njia iliyothibitishwa ya kuimarisha ujuzi mpya.

✍️ Asante kubwa kwa waandishi wetu Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu na Amy Boyd

🎨 Asante pia kwa wachora picha wetu Tomomi Imura, Dasani Madipalli, na Jen Looper

🙏 Shukrani maalum 🙏 kwa waandishi, wachunguzi, na wachangiaji wa maudhui wa Microsoft Student Ambassador, hasa Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, na Snigdha Agarwal

🤩 Shukrani za ziada kwa Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, na Vidushi Gupta kwa masomo yetu ya R!

Kuanzia

Fuata hatua hizi:

1. Fungua Hifadhidata (Fork): Bonyeza kitufe cha "Fork" upande wa juu wa kulia wa ukurasa huu.
2. Nakili Hifadhidata (Clone): git clone https://github.com/microsoft/ML-For-Beginners.git

pata rasilimali zote za ziada kwa kozi hii kwenye mkusanyiko wetu wa Microsoft Learn

🔧 Unahitaji msaada? Angalia Mwongozo wa Kushughulikia Matatizo kwa suluhisho za matatizo ya kawaida ya usanikishaji, usanidi, na kuendesha masomo.

Wanafunzi, ili kutumia mtaala huu, fanya fork yote ya repo kwenye akaunti yako ya GitHub na fanya mazoezi peke yako au na kikundi:

• Anza na kipimo kabla ya mafunzo.
• Soma mafunzo na fanya shughuli, simama na kutafakari kila ukaguzi wa maarifa.
• Jaribu kutengeneza miradi kwa kuelewa masomo badala ya kuendesha msimbo wa suluhisho; hata hivyo msimbo huo upo kwenye folda za /solution katika kila somo la mradi.
• Fanya kipimo baada ya mafunzo.
• Kamilisha changamoto.
• Kamilisha kazi.
• Baada ya kumaliza kundi la masomo, tembelea Bodi ya Majadiliano na "jifunza kwa sauti" kwa kujaza rubriki ya PAT inayofaa. 'PAT' ni Chombo cha Tathmini ya Maendeleo ambacho ni rubriki unayojaza kuendeleza ujifunzaji wako. Unaweza pia kutoa maoni kwa PAT nyingine ili tujifunze pamoja.

Kwa mafunzo zaidi, tunapendekeza kufuata moduli na njia za kujifunza za Microsoft Learn.

Walimu, tumejumuisha mapendekezo kadhaa juu ya jinsi ya kutumia mtaala huu.

---

Video za maelekezo

Baadhi ya masomo yanapatikana kama video fupi. Unaweza kupata hizi zote ndani ya masomo, au kwenye mfululizo wa ML kwa Waanzilishi kwenye chaneli ya Microsoft Developer YouTube kwa kubonyeza picha iliyo hapa chini.

---

Kutana na Timu

Gif kwa Mohit Jaisal

🎥 Bonyeza picha hapo juu kwa video kuhusu mradi na watu waliouunda!

---

Mbinu ya Kufundisha

Tumechagua kanuni mbili za kufundisha tunapojenga mtaala huu: kuhakikisha kuwa ni mkono-kwa-kazi unaotegemea mradi na kuwa na vipimo mara kwa mara. Zaidi ya hayo, mtaala huu una kauli mbiu ya pamoja kuipa umoja.

Kwa kuhakikisha maudhui yanaendana na miradi, mchakato unakuwa wa kuvutia zaidi kwa wanafunzi na kuhifadhi dhana kutaboreshwa. Zaidi ya hayo, kipimo cha chini cha hatari kabla ya darasa kinaweka nia ya mwanafunzi ya kujifunza somo, wakati kipimo cha pili baada ya darasa kinahakikisha kuhifadhi zaidi. Mtaala huu umetengenezwa kuwa rahisi na wa kufurahisha na unaweza kuchukuliwa kwa jumla au sehemu. Miradi huanza midogo na kuwa ngumu zaidi kufikia mwisho wa mzunguko wa wiki 12. Mtaala huu pia una maelezo ya matumizi halisi ya ML, ambayo yanaweza kutumika kama mkopo wa ziada au kama msingi wa majadiliano.

Pata Kanuni zetu za Maadili, Michango, Tafsiri, na Mwongozo wa Kushughulikia Matatizo. Tunakaribisha maoni yako yenye kujenga!

Kila somo linajumuisha

• sketchnote hiari
• video ya ziada kwa hiari
• video ya maelekezo (baadhi ya masomo tu)
• kipimo cha kuamka kabla ya mafunzo
• somo la maandishi
• kwa masomo yanayozingatia miradi, miongozo hatua kwa hatua jinsi ya kujenga mradi
• ukaguzi wa maarifa
• changamoto
• kusoma kwa ziada
• kazi
• kipimo cha baada ya mafunzo

Kumbuka kuhusu lugha: Masomo haya yameandikwa hasa kwa Python, lakini mengi pia yanapatikana kwa R. Ili kumaliza somo la R, nenda kwenye folda ya /solution na tafuta masomo ya R. Yana kiambatisho cha .rmd kinachoonyesha faili la R Markdown ambalo linaweza kufafanuliwa kama kuingiza vipande vya msimbo (cha R au lugha nyingine) na kichwa cha YAML (kinachoongoza jinsi ya kupanga matokeo kama PDF) katika nyaraka ya Markdown. Kwa hivyo, hutumika kama mfumo bora wa uandishi wa sayansi ya data kwa sababu hukuruhusu kuunganisha msimbo wako, matokeo yake, na mawazo yako kwa kuwaruhusu kuyaandika kwa Markdown. Zaidi ya hayo, nyaraka za R Markdown zinaweza kutolewa kwa muundo kama PDF, HTML, au Word.

Kumbuka kuhusu maswali ya mtihani: Maswali yote yamo katika folda ya Programu ya Mtihani, kwa jumla ya maswali 52 yenye maswali matatu kila moja. Yameunganishwa kutoka ndani ya masomo lakini programu ya mtihani inaweza kuendeshwa kwa ndani; fuata maelekezo katika folda ya quiz-app ili kuendesha kwa ndani au kuweka kwenye Azure.

Nambari ya Somo	Mada	Ugawaji wa Somo	Malengo ya Kujifunza	Somo Linalounganishwa	Mwandishi
01	Utangulizi wa kujifunza mashine	Intoduction	Jifunze dhana za msingi nyuma ya kujifunza mashine	Somo	Muhammad
02	Historia ya kujifunza mashine	Introduction	Jifunze historia iliyomo katika uwanja huu	Somo	Jen na Amy
03	Uadilifu na kujifunza mashine	Introduction	Ni masuala gani muhimu ya kifalsafa kuhusu uadilifu ambayo wanafunzi wanapaswa kuyazingatia wanapojenga na kutumia mifano ya ML?	Somo	Tomomi
04	Mbinu za kujifunza mashine	Introduction	Washauri wa ML hutumia mbinu gani kujenga mifano ya ML?	Somo	Chris na Jen
05	Utangulizi wa marejeleo	Regression	Anza na Python na Scikit-learn kwa mifano ya marejeleo	Python • R	Jen • Eric Wanjau
06	Bei za malenge ya Amerika ya Kaskazini 🎃	Regression	Onyesha na safisha data kwa ajili ya ML	Python • R	Jen • Eric Wanjau
07	Bei za malenge ya Amerika ya Kaskazini 🎃	Regression	Tengeneza mifano ya marejeleo ya mstari na polinomial	Python • R	Jen na Dmitry • Eric Wanjau
08	Bei za malenge ya Amerika ya Kaskazini 🎃	Regression	Tengeneza mfano wa regression ya logistic	Python • R	Jen • Eric Wanjau
09	Programu ya wavuti 🔌	Web App	Tengeneza programu ya wavuti kutumia mfano wako uliopandishwa	Python	Jen
10	Utangulizi wa upangaji	Classification	Safisha, andaa, na onyesha data yako; utangulizi wa upangaji	Python • R	Jen na Cassie • Eric Wanjau
11	Vyakula tamu vya Asia na India 🍜	Classification	Utangulizi wa wachanganuzi	Python • R	Jen na Cassie • Eric Wanjau
12	Vyakula tamu vya Asia na India 🍜	Classification	Wachanganuzi zaidi	Python • R	Jen na Cassie • Eric Wanjau
13	Vyakula tamu vya Asia na India 🍜	Classification	Tengeneza programu ya wavuti ya mapendekezo kwa kutumia mfano wako	Python	Jen
14	Utangulizi wa upangaji wa kundi	Clustering	Safisha, andaa, na onyesha data yako; Utangulizi wa upangaji wa kundi	Python • R	Jen • Eric Wanjau
15	Kuchunguza ladha za muziki Nigeria 🎧	Clustering	Chunguza mbinu ya upangaji wa K-Maana	Python • R	Jen • Eric Wanjau
16	Utangulizi wa usindikaji wa lugha asilia ☕️	Natural language processing	Jifunze mambo ya msingi kuhusu NLP kwa kutengeneza bot rahisi	Python	Stephen
17	Kazi za kawaida za NLP ☕️	Natural language processing	Zidisha ujuzi wako wa NLP kwa kuelewa kazi za kawaida zinazohitajika unaposhughulika na miundo ya lugha	Python	Stephen
18	Tafsiri na uchambuzi wa hisia ♥️	Natural language processing	Tafsiri na uchambuzi wa hisia na Jane Austen	Python	Stephen
19	Hoteli za kimapenzi za Ulaya ♥️	Natural language processing	Uchambuzi wa hisia kwa hakiki za hoteli 1	Python	Stephen
20	Hoteli za kimapenzi za Ulaya ♥️	Natural language processing	Uchambuzi wa hisia kwa hakiki za hoteli 2	Python	Stephen
21	Utangulizi wa utabiri wa mfululizo wa wakati	Time series	Utangulizi wa utabiri wa mfululizo wa wakati	Python	Francesca
22	⚡️ Matumizi ya Nguvu Duniani ⚡️ - utabiri wa mfululizo wa wakati na ARIMA	Time series	Utabiri wa mfululizo wa wakati kwa kutumia ARIMA	Python	Francesca
23	⚡️ Matumizi ya Nguvu Duniani ⚡️ - utabiri wa mfululizo wa wakati na SVR	Time series	Utabiri wa mfululizo wa wakati kwa kutumia Support Vector Regressor	Python	Anirban
24	Utangulizi wa kujifunza kwa uthibitisho	Reinforcement learning	Utangulizi wa kujifunza kwa uthibitisho kwa kutumia Q-Learning	Python	Dmitry
25	Msaidie Peter kuepuka MBWA! 🐺	Reinforcement learning	Gym ya kujifunza kwa uthibitisho	Python	Dmitry
Postscript	Mifano na matumizi halisi ya ML	ML in the Wild	Matumizi ya kuvutia na ya kufichua ya ML ya kawaida	Somo	Timu
Postscript	Utafutaji makosa ya modeli katika ML kwa kutumia dashibodi ya RAI	ML in the Wild	Utafutaji makosa ya modeli katika kujifunza mashine kwa kutumia sehemu za dashibodi ya Responsible AI	Somo	Ruth Yakubu

tafuta vyanzo vyote vya ziada vya kozi hii katika mkusanyiko wetu wa Microsoft Learn

Ufikiaji bila mtandao

Unaweza kuendesha nyaraka hizi bila mtandao kwa kutumia Docsify. Kopi hii ya repo, weka Docsify kwenye kompyuta yako, kisha kwenye folda kuu ya repo hii, andika docsify serve. Tovuti itahudumiwa kwenye bandari 3000 kwenye localhost yako: localhost:3000.

PDF

Pata pdf ya mtaala yenye viungo hapa.

🎒 Kozi Nyingine

Timu yetu hutengeneza kozi nyingine! Angalia:

LangChain

Azure / Edge / MCP / Maajenti

---

Mfululizo wa AI Inayotengeneza

---

Mafunzo ya Msingi

---

Mfululizo wa Copilot

Kupata Msaada

Ikiwa unakwama au una maswali wakati unajifunza Machine Learning au kujenga programu za AI, usijali — msaada upo.

Unaweza kujiunga na mijadala na wanafunzi wengine na waendelezaji, kuuliza maswali, na kushiriki mawazo yako na jamii.

• Jiunge na jamii kuuliza maswali na kujifunza pamoja na wengine
• Jadili dhana za Machine Learning na mawazo ya miradi
• Pata mwongozo kutoka kwa waendelezaji wenye uzoefu

Jamii inayosaidia ni njia nzuri ya kukuza ujuzi wako na kutatua matatizo kwa haraka zaidi.

Microsoft Foundry Discord Community

Ikiwa unakutana na hitilafu, makosa, au una mapendekezo ya maboresho, unaweza pia kufungua Tatizo katika hifadhidata hii kuripoti tatizo.

Kwa maoni ya bidhaa au kutafuta machapisho yaliyopo ya jamii, tembelea Jukwaa la Waendelezaji:

Vidokezo Zaidi vya Kujifunza

• Rudia daftari za mafunzo baada ya kila somo kwa uelewa bora.
• Fanya mazoezi ya kutekeleza algorithms mwenyewe.
• Chunguza seti halisi za data kwa kutumia dhana ulizojifunza.

---

Kamba la Majadiliano:
Hati hii imetafsiriwa kwa kutumia huduma ya tafsiri ya AI Co-op Translator. Ingawa tunajitahidi kwa usahihi, tafadhali fahamu kuwa tafsiri za kiotomatiki zinaweza kuwa na makosa au kasoro. Hati asili katika lugha yake ya asili inapaswa kuzingatiwa kama chanzo chenye mamlaka. Kwa taarifa muhimu, tafsiri ya mtaalamu wa binadamu inashauriwa. Hatubeba wajibu wowote kwa kutoelewana au tafsiri zisizo sahihi zinazotokana na matumizi ya tafsiri hii.