Arab | Bengáli | Bolgár | Burmai (Mianmar) | Kínai (Egyszerűsített) | Kínai (Hagyományos, Hong Kong) | Kínai (Hagyományos, Makaó) | Kínai (Hagyományos, Tajvan) | Horvát | Cseh | Dán | Holland | Észt | Finn | Francia | Német | Görög | Héber | Hindi | Magyar | Indonéz | Olasz | Japán | Kannada | Koreai | Litván | Maláj | Malayalam | Marathi | Nepáli | Nigériai pidzsin | Norvég | Perzsa (Farsi) | Lengyel | Portugál (Brazília) | Portugál (Portugália) | Pandzsábi (Gurmukhi) | Román | Orosz | Szerb (Cirill) | Szlovák | Szlovén | Spanyol | Szuahéli | Svéd | Tagalog (Filippínó) | Tamil | Telugu | Thai | Török | Ukrán | Urdu | Vietnami
Szeretnéd helyben klónozni?
Ez a tároló több mint 50 nyelvi fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha fordítás nélkül szeretnéd klónozni, használj sparse checkout-ot:
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"Ez minden szükséges dolgot megad, hogy el tudd végezni a kurzust sokkal gyorsabb letöltéssel.
Folyamatban van egy Discord tanulási sorozat MI-vel, tudj meg többet és csatlakozz hozzánk a Learn with AI Series oldalon 2025. szeptember 18-30. között. GitHub Copilot használatával kapcsolatos tippeket és trükköket kapsz az adat tudományhoz.
🌍 Utazz végig a világon, miközben a világ kultúráin keresztül fedezzük fel a Gépi Tanulást 🌍
A Microsoft Cloud Advocates örömmel kínál egy 12 hetes, 26 leckéből álló tananyagot a Gépi Tanulásról. Ebben a tananyagban az úgynevezett klasszikus gépi tanulást ismerheted meg, elsősorban a Scikit-learn könyvtár használatával, elkerülve a mélytanulást, amely az AI kezdőknek tananyagunkban szerepel. Párosítsd ezt a leckéket a 'Data Science kezdőknek tananyagunkkal', is!
Utazz velünk a világ körül, miközben ezeket a klasszikus technikákat sok világterület adatain alkalmazzuk. Minden lecke tartalmaz elő- és utó-leckekvízeket, írott utasításokat a lecke befejezéséhez, megoldást, feladatot és még sok mást. Projektalapú oktatásunk lehetővé teszi, hogy tanulj miközben építesz, amely kipróbált módszer az új készségek hatékony elsajátításához.
✍️ Őszinte köszönet szerzőinknek: Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu és Amy Boyd
🎨 Köszönet illusztrátorainknak: Tomomi Imura, Dasani Madipalli, és Jen Looper
🙏 Külön köszönet 🙏 Microsoft Hallgatói Nagykövet szerzőinknek, értékelőinknek és tartalom hozzájárulóinknak, különösen Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila és Snigdha Agarwal
🤩 Plusz köszönet Microsoft Hallgatói Nagyköveteknek Eric Wanjau, Jasleen Sondhi, és Vidushi Gupta-nak a R leckékért!
Kövesd ezeket a lépéseket:
- Forkold le a tárolót: Kattints a "Fork" gombra az oldal jobb felső sarkában.
- Klónozd a tárolót:
git clone https://github.com/microsoft/ML-For-Beginners.git
Minden további erőforrást megtalálsz az ezen tananyaghoz tartozó Microsoft Learn gyűjteményünkben
🔧 Segítségre van szükséged? Nézd meg Hibaelhárítási Útmutatónkat az általános telepítési, beállítási és leckefuttatási problémák megoldásához.
Diákok, a tananyag használatához klónozd saját GitHub fiókodra az egész tárolót, és végezd el a feladatokat egyedül vagy csoportban:
- Kezdd egy előadás előtti kvízzel.
- Olvasd el az előadást, és végezd el a feladatokat, megállva és reflektálva minden tudásellenőrzésnél.
- Próbáld megérteni a leckéket és magadtól megalkotni a projekteket ahelyett, hogy egyszerűen lefuttatnád a megoldó kódot; azonban a kód elérhető a
/solutionmappákban minden projektalapú leckénél. - Végezd el az előadás utáni kvízt.
- Teljesítsd a kihívást.
- Teljesítsd a feladatot.
- Egy leckecsoport elvégzése után látogass el a Vitatófelületre, és "tanulj hangosan" a megfelelő PAT értékelőlap kitöltésével. A 'PAT' egy előrehaladás értékelő eszköz, amely egy értékelőlap a tanulás elősegítésére. Más PAT-ekre is reagálhatsz, hogy együtt tanulhassunk.
További tanuláshoz ajánljuk ezeket a Microsoft Learn modulokat és tanulási útvonalakat.
Tanárként, találhatsz néhány javaslatot arra, hogyan használd ezt a tananyagot.
Néhány lecke rövid videó formájában is elérhető. Ezeket megtalálod beágyazva a leckékben, vagy a ML for Beginners lejátszási listán a Microsoft Developer YouTube csatornán, ha a lenti képre kattintasz.
Gif készítője: Mohit Jaisal
🎥 Kattints a fenti képre, hogy megnézd a projektet és a készítőket bemutató videót!
Két oktatási alapelvet választottunk e tananyag építése során: hogy gyakorlatias, projektalapú legyen, és hogy tartalmazzon gyakori kvízeket. Emellett a tananyag egy közös témára épül, hogy egységet alkosson.
Azáltal, hogy a tartalom projektekhez igazodik, az egész folyamat motiválóbbá válik a tanulók számára, és az ismeretek jobban rögzülnek. Az alacsony tétű kvíz az óra előtt segít a tanulónak a témára fókuszálni, míg az utólagos kvíz a további rögzítést biztosítja. A tananyag rugalmas és szórakoztató, egészben vagy részekben is végezhető. A projektek kis lépésekkel kezdődnek és fokozatosan összetettebbé válnak a 12 hetes ciklus végére. A tananyag végén egy utószó van valós világban alkalmazott ML példákról, ami plusz pontnak vagy vitaalapnak is használható.
Találd meg a Magatartási Kódexünket, a Hozzájárulásról szóló útmutatót, a Fordításról, és a Hibaelhárítási útmutatót. Várjuk építő jellegű visszajelzésedet!
- opcionális skiccnote-ot
- opcionális kiegészítő videót
- videós ismertetőt (csak néhány leckénél)
- előadás előtti bemelegítő kvízt
- írott leckét
- projektalapú leckékhez lépésről lépésre útmutatót a projekt elkészítéséhez
- tudásellenőrző kérdéseket
- kihívást
- kiegészítő olvasmányt
- feladatot
- előadás utáni kvízt
Megjegyzés a nyelvekről: Ezek a leckék elsősorban Pythonban íródtak, de sok elérhető R-ben is. Egy R leckéhez a
/solutionmappába kell menni, és ott megkeresni az R leckéket. Ezek .rmd kiterjesztésű fájlok, amelyek egy R Markdown fájlt jelentenek, amit egyszerűen úgy lehet meghatározni, hogy beágyazottkódblokkokat(R vagy más nyelvek) és egyYAML fejlécet(ami meghatározza a kimenetek, például PDF formátum formázását) tartalmaz egyMarkdown dokumentumban. Így mintaszerű szerkesztési keretet jelentenek az adatelemzéshez, mivel lehetővé teszik, hogy a kódot, annak kimenetét és a gondolataidat maradéktalanul Markdownban írd le. Ezenkívül az R Markdown dokumentumok PDF, HTML vagy Word kimeneti formátumokra is konvertálhatók.
Megjegyzés a kvízekről: Az összes kvíz megtalálható a Quiz App mappában, összesen 52 kvíz három kérdéssel. Ezek össze vannak kötve a leckékkel, de a kvíz alkalmazás helyileg is futtatható; kövesd a
quiz-appmappában található utasításokat a helyi hosztoláshoz vagy Azure-ra való telepítéshez.
| Lecke száma | Téma | Lecke csoportosítása | Tanulási célok | Kapcsolódó lecke | Szerző |
|---|---|---|---|---|---|
| 01 | Bevezetés a gépi tanulásba | Bevezetés | Ismerd meg a gépi tanulás alapfogalmait | Lecke | Muhammad |
| 02 | A gépi tanulás története | Bevezetés | Ismerd meg a terület mögötti történelmet | Lecke | Jen és Amy |
| 03 | Méltányosság és gépi tanulás | Bevezetés | Melyek a fontos filozófiai kérdések a méltányossággal kapcsolatban, amelyeket figyelembe kell venni ML modellek építésekor? | Lecke | Tomomi |
| 04 | Gépi tanulási technikák | Bevezetés | Milyen technikákat használnak a gépi tanulás kutatói modellek építéséhez? | Lecke | Chris és Jen |
| 05 | Bevezetés a regresszióba | Regresszió | Kezdj el dolgozni Python és Scikit-learn segítségével regressziós modellekkel | Python • R | Jen • Eric Wanjau |
| 06 | Észak-amerikai tökárak 🎃 | Regresszió | Vizualizáld és tisztítsd meg az adatokat a gépi tanulás előkészítéséhez | Python • R | Jen • Eric Wanjau |
| 07 | Észak-amerikai tökárak 🎃 | Regresszió | Készíts lineáris és polinomiális regressziós modelleket | Python • R | Jen és Dmitry • Eric Wanjau |
| 08 | Észak-amerikai tökárak 🎃 | Regresszió | Készíts logisztikus regressziós modellt | Python • R | Jen • Eric Wanjau |
| 09 | Egy webalkalmazás 🔌 | Web App | Építs webalkalmazást a betanított modelled használatához | Python | Jen |
| 10 | Bevezetés az osztályozásba | Osztályozás | Tisztítsd, készítsd elő és vizualizáld az adatodat; bevezetés az osztályozásba | Python • R | Jen és Cassie • Eric Wanjau |
| 11 | Finom ázsiai és indiai ételek 🍜 | Osztályozás | Bevezetés az osztályozókhoz | Python • R | Jen és Cassie • Eric Wanjau |
| 12 | Finom ázsiai és indiai ételek 🍜 | Osztályozás | Több osztályozó | Python • R | Jen és Cassie • Eric Wanjau |
| 13 | Finom ázsiai és indiai ételek 🍜 | Osztályozás | Készíts ajánló webalkalmazást a modelled segítségével | Python | Jen |
| 14 | Bevezetés a klaszterezésbe | Klaszterezés | Tisztítsd, készítsd elő és vizualizáld az adatodat; Bevezetés a klaszterezésbe | Python • R | Jen • Eric Wanjau |
| 15 | Nigériai zenei ízlések felfedezése 🎧 | Klaszterezés | Fedezd fel a K-Means klaszterezési módszert | Python • R | Jen • Eric Wanjau |
| 16 | Bevezetés a természetes nyelvfeldolgozásba ☕️ | Természetes nyelvfeldolgozás | Ismerd meg az NLP alapjait egy egyszerű bot készítésével | Python | Stephen |
| 17 | Gyakori NLP feladatok ☕️ | Természetes nyelvfeldolgozás | Mélyítsd el NLP ismereteidet olyan gyakori feladatok megértésével, amelyek a nyelvi struktúrákkal kapcsolatosak | Python | Stephen |
| 18 | Fordítás és érzelemelemzés |
Természetes nyelvfeldolgozás | Fordítás és érzelemelemzés Jane Austennel | Python | Stephen |
| 19 | Romantikus európai szállodák |
Természetes nyelvfeldolgozás | Érzelemelemzés szálloda véleményekkel 1 | Python | Stephen |
| 20 | Romantikus európai szállodák |
Természetes nyelvfeldolgozás | Érzelemelemzés szálloda véleményekkel 2 | Python | Stephen |
| 21 | Bevezetés az idősoros előrejelzésbe | Idősorok | Bevezetés az idősoros előrejelzésbe | Python | Francesca |
| 22 | ⚡️ Világ energiafelhasználás ⚡️ - idősoros előrejelzés ARIMA-val | Idősorok | Idősoros előrejelzés ARIMA-val | Python | Francesca |
| 23 | ⚡️ Világ energiafelhasználás ⚡️ - idősoros előrejelzés SVR-rel | Idősorok | Idősoros előrejelzés Support Vector Regressorral (SVR) | Python | Anirban |
| 24 | Bevezetés a megerősítéses tanulásba | Megerősítéses tanulás | Bevezetés a megerősítéses tanulásba Q-Learning módszerrel | Python | Dmitry |
| 25 | Segíts Peternek elkerülni a farkast! 🐺 | Megerősítéses tanulás | Megerősítéses tanulás Gym segítségével | Python | Dmitry |
| Utóirat | Valós világ ML helyzetek és alkalmazások | ML a gyakorlatban | Érdekes és feltáró valódi alkalmazások a klasszikus gépi tanulásban | Lecke | Csapat |
| Utóirat | Modellhibakeresés ML-ben az RAI dashboarddal | ML a gyakorlatban | Modellhibakeresés gépi tanulásban a Responsible AI dashboard komponenseivel | Lecke | Ruth Yakubu |
itt találod a kurzus további erőforrásait a Microsoft Learn gyűjteményben
Ez a dokumentáció offline módban is futtatható a Docsify segítségével. Készíts forkot erről a repóról, telepítsd a Docsify-t a helyi gépedre, majd a repo gyökér mappájában írd be a docsify serve parancsot. A weboldal a localhost 3000-es portján lesz elérhető: localhost:3000.
A tanterv pdf formátumát linkekkel itt találod.
Csapatunk egyéb kurzusokat is készít! Nézd meg:
-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}
Ha elakadnál, vagy kérdésed van az MI alkalmazások fejlesztésével kapcsolatban, csatlakozz tanulótársaidhoz és tapasztalt fejlesztőkhöz a MCP közösségi beszélgetéseiben. Ez egy támogató közösség, ahol a kérdések mindig szívesen látottak, és a tudás önzetlenül megosztott.
Ha termék-visszajelzésed vagy hibabejelentésed van fejlesztés közben, látogass el ide:
- Tekintsd át a jegyzetfüzeteket minden egyes lecke után a jobb megértés érdekében.
- Gyakorold az algoritmusok megvalósítását önállóan.
- Fedezd fel valós adatkészleteket a tanult fogalmak alkalmazásával.
Nyilatkozat: Ezt a dokumentumot az AI fordítási szolgáltatás, a Co-op Translator segítségével fordítottuk le. Bár a pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az anyanyelvén tekintendő hiteles forrásnak. Kritikus információk esetén professzionális, emberi fordítást javasolunk. Nem vállalunk felelősséget az ebből a fordításból eredő félreértésekért vagy félreértelmezésekért.