README.md

🌐 Daugiakalbė parama

Palaikoma per GitHub Action (Automatizuota ir visada atnaujinta)

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 | 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

Norite klonuoti vietoje?

Šiame saugykloje yra 50+ kalbų vertimų, kurie ženkliai padidina parsisiuntimo dydį. Norėdami klonuoti be vertimų, naudokite sparčiosios atrankos funkciją:

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"

Tai suteiks viską, ko reikia kursui užbaigti, daug greičiau atsisiunčiant.

Prisijunkite prie mūsų bendruomenės

Mes turime vykstančią Discord mokymosi su DI seriją, sužinokite daugiau ir prisijunkite prie mūsų Mokymasis su DI serijoje rugsėjo 18 - 30 d., 2025 m. Sužinosite patarimus ir gudrybes, kaip naudoti GitHub Copilot Duomenų Mokslui.

Mašininis mokymasis pradedantiesiems – Mokymo programa

🌍 Keliaukime po pasaulį tyrinėdami Mašininį mokymąsi per pasaulio kultūras 🌍

„Microsoft“ Debesijos advokatų komanda džiaugiasi galėdama pasiūlyti 12 savaičių, 26 pamokų mokymo programą, skirtą Mašininio mokymosi pagrindams. Šioje programoje sužinosite apie tai, kas kartais vadinama klasikiniu mašininiu mokymusi, daugiausia naudojant Scikit-learn biblioteką ir vengiant giluminio mokymosi, kuris aptariamas mūsų DI pradedantiesiems mokymo programoje. Taip pat derinkite šias pamokas su mūsų 'Duomenų mokslo pradedantiesiems' programa.

Keliaukite su mumis po pasaulį taikant šias klasikines technikas duomenims iš įvairių pasaulio sričių. Kiekviena pamoka apima prieš pamoką ir po pamokos testus, rašytines instrukcijas pamokai atlikti, sprendimą, užduotį ir dar daugiau. Mūsų projektinė pedagogika leidžia mokytis projektuojant, kas yra įrodyta kaip efektyvus įgūdžių įsisavinimo būdas.

✍️ Nuoširdus dėkui mūsų autoriams Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ir Amy Boyd

🎨 Taip pat dėkojame iliustratoriams Tomomi Imura, Dasani Madipalli ir Jen Looper

🙏 Ypatingas ačiū 🙏 mūsų Microsoft Studentų Ambasadorių autoriams, recenzentams ir turinio kūrėjams, ypač Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ir Snigdha Agarwal

🤩 Papildomas dėkingumas Microsoft Studentų Ambasadoriams Eric Wanjau, Jasleen Sondhi ir Vidushi Gupta už mūsų R pamokas!

Pradžia

Sekite šiuos veiksmus:

1. Šakojimo saugykla: Spustelėkite mygtuką „Fork“ viršutiniame dešiniajame šio puslapio kampe.
2. Klonuokite saugyklą: git clone https://github.com/microsoft/ML-For-Beginners.git

raskite visus papildomus šio kurso išteklius mūsų Microsoft Learn kolekcijoje

🔧 Reikia pagalbos? Peržiūrėkite mūsų Trikčių šalinimo gaires su dažnų įdiegimo, nustatymo ir pamokų vykdymo problemų sprendimais.

Studentai, naudodami šią programą, sukurkite savo GitHub paskyroje saugyklos atšaką ir atlikite užduotis savarankiškai arba grupėje:

• Pradėkite nuo priešpaskaitinio testo.
• Perskaitykite paskaitą ir atlikite veiklas, sustodami ir apmąstydami kiekvieną žinių patikrinimą.
• Stenkitės kurti projektus suprasdami pamokas, o ne vien tik paleisdami sprendimo kodą; tačiau šis kodas yra prieinamas kiekvienos projektinės pamokos /solution aplankuose.
• Atlikite po paskaitos testą.
• Įvykdykite iššūkį.
• Įvykdykite užduotį.
• Baigus pamokų grupę, apsilankykite Diskusijų lentoje ir „mokykitės garsiai“, užpildydami atitinkamą PAT vertinimo formą. „PAT“ yra pažangos vertinimo priemonė, kurią užpildote, kad pagilintumėte savo žinias. Taip pat galite reaguoti į kitų PAT, kad mokytumės kartu.

Tolimesniam mokymuisi rekomenduojame sekti šiuos Microsoft Learn modulius ir mokymosi kelius.

Mokytojai, mes pateikėme keletą pasiūlymų, kaip naudoti šią programą.

---

Vaizdo įrašų peržiūros

Kai kurios pamokos yra prieinamos trumpų vaizdo įrašų pavidalu. Visus juos galite rasti tiesiogiai pamokose arba ML pradedantiesiems grojaraštyje Microsoft Developer YouTube kanale, spustelėję žemiau pateiktą paveikslėlį.

---

Susipažinkite su komanda

Gif sukūrė Mohit Jaisal

🎥 Spustelėkite aukščiau esantį paveikslėlį, kad pamatytumėte video apie projektą ir jį sukūrusius žmones!

---

Pedagogika

Kurdami šią mokymo programą pasirinkome du pedagoginius principus: užtikrinti, kad ji būtų praktinė ir projektinė, bei kad joje būtų dažni testai. Be to, šiai programai suteikta bendra tema, suteikianti nuoseklumą.

Užtikrinant turinio suderinamumą su projektais, procesas studentams tampa įdomesnis, o sąvokų įsisavinimas padidėja. Be to, mažos rizikos testas prieš paskaitą nukreipia studentų dėmesį į mokymąsi, o po paskaitos atliekamas testas palaiko geresnį įsisavinimą. Ši programa sukurta būti lanksti ir smagi, ją galima atlikti visą arba dalimis. Projektai prasideda nuo paprastų ir didėja sudėtingumu per 12 savaičių ciklą. Programa taip pat apima postscriptą apie realaus gyvenimo ML taikymus, kuris gali būti naudojamas kaip papildomas balas arba diskusijų pagrindas.

Rasite mūsų Elgesio kodeksą, Indėlio taisykles, Vertimų gaires ir Trikčių šalinimo instrukcijas. Labai laukiame jūsų konstruktyvios atsiliepimų!

Kiekviena pamoka apima

• pasirenkamą eskizo užrašą
• pasirenkamą papildomą vaizdo įrašą
• vaizdo įrašo peržiūrą (kai kurioms pamokoms)
• priešpaskaitinį įkaitinimo testą
• rašytinę pamoką
• projekto pamokoms – žingsnis po žingsnio vadovus, kaip sukurti projektą
• žinių patikrinimus
• iššūkį
• papildomą skaitymą
• užduotį
• po paskaitos testą

Pastaba apie kalbas: Šios pamokos daugiausia parašytos Python kalba, tačiau daug jų yra ir R kalba. Norėdami atlikti R pamoką, eikite į /solution katalogą ir ieškokite R pamokų. Jos turi .rmd plėtinį, kuris reiškia R Markdown failą, kurį galima paprastai apibrėžti kaip kodo blokų (R ar kitų kalbų) ir YAML antraštės (kuri nurodo, kaip formatuoti išvestis, pvz., PDF) įterpimą Markdown dokumente. Todėl tai yra puikus duomenų mokslo kūrimo karkasas, nes leidžia derinti savo kodą, jo išvestį ir savo mintis, leidžiant jas užrašyti Markdown formatu. Be to, R Markdown dokumentus galima išvesti į tokius formatus kaip PDF, HTML ar Word.

Pastaba apie testus: Visi testai yra Quiz App kataloge, iš viso 52 testai po tris klausimus. Jie yra susieti su pamokomis, tačiau testų programą galima paleisti vietoje; vadovaukitės quiz-app katalogo instrukcijomis, kaip ją paleisti vietoje arba išdiegti į Azure.

Pamokos numeris	Tema	Pamokų grupavimas	Mokymosi tikslai	Susieta pamoka	Autorius
01	Įvadas į mašininį mokymąsi	Įvadas	Sužinokite pagrindines mašininio mokymosi sąvokas	Pamoka	Muhammad
02	Mašininio mokymosi istorija	Įvadas	Sužinokite šios srities istoriją	Pamoka	Jen ir Amy
03	Teisingumas ir mašininis mokymasis	Įvadas	Kokie svarbūs filosofiniai teisingumo klausimai, kuriuos studentai turėtų apsvarstyti kurdami ir taikydami ML modelius?	Pamoka	Tomomi
04	Mašininio mokymosi metodikos	Įvadas	Kokias technikas ML tyrėjai naudoja kurdami ML modelius?	Pamoka	Chris ir Jen
05	Įvadas į regresiją	Regresija	Pradėkite dirbti su Python ir Scikit-learn regresijos modeliams	Python • R	Jen • Eric Wanjau
06	Šiaurės Amerikos moliūgų kainos 🎃	Regresija	Duomenų vizualizavimas ir valymas pasiruošiant ML	Python • R	Jen • Eric Wanjau
07	Šiaurės Amerikos moliūgų kainos 🎃	Regresija	Sukurkite linijinius ir polinominius regresijos modelius	Python • R	Jen ir Dmitry • Eric Wanjau
08	Šiaurės Amerikos moliūgų kainos 🎃	Regresija	Sukurkite logistinį regresijos modelį	Python • R	Jen • Eric Wanjau
09	Tinklalapio programa 🔌	Web App	Sukurkite tinklalapio programą, skirtą naudoti treniruotą modelį	Python	Jen
10	Įvadas į klasifikaciją	Klasifikacija	Valykite, paruoškite ir vizualizuokite savo duomenis; įvadas į klasifikaciją	Python • R	Jen ir Cassie • Eric Wanjau
11	Gardžios Azijos ir Indijos virtuvės 🍜	Klasifikacija	Įvadas į klasifikatorius	Python • R	Jen ir Cassie • Eric Wanjau
12	Gardžios Azijos ir Indijos virtuvės 🍜	Klasifikacija	Daugiau klasifikatorių	Python • R	Jen ir Cassie • Eric Wanjau
13	Gardžios Azijos ir Indijos virtuvės 🍜	Klasifikacija	Sukurkite rekomendacinės sistemos tinklalapį naudodami savo modelį	Python	Jen
14	Įvadas į grupavimą (klasterizavimą)	Grupavimas	Valykite, paruoškite ir vizualizuokite savo duomenis; Įvadas į grupavimą	Python • R	Jen • Eric Wanjau
15	Nigerijos muzikos skonių tyrinėjimas 🎧	Grupavimas	Tyrinėkite K-sredinių grupavimo metodą	Python • R	Jen • Eric Wanjau
16	Įvadas į natūralios kalbos apdorojimą ☕️	Natūralios kalbos apdorojimas	Sužinokite NLP pagrindus kuriant paprastą botą	Python	Stephen
17	Įprasti NLP uždaviniai ☕️	Natūralios kalbos apdorojimas	Pagilinkite savo NLP žinias suprasdami dažnus uždavinius, reikalingus kalbos struktūroms	Python	Stephen
18	Vertimas ir nuotaikų analizė ♥️	Natūralios kalbos apdorojimas	Vertimas ir nuotaikų analizė su Jane Austen	Python	Stephen
19	Romantiški Europos viešbučiai ♥️	Natūralios kalbos apdorojimas	Nuotaikų analizė su viešbučių apžvalgomis 1	Python	Stephen
20	Romantiški Europos viešbučiai ♥️	Natūralios kalbos apdorojimas	Nuotaikų analizė su viešbučių apžvalgomis 2	Python	Stephen
21	Įvadas į laiko eilučių prognozavimą	Laiko eilutės	Įvadas į laiko eilučių prognozavimą	Python	Francesca
22	⚡️ Pasaulio galios vartojimas ⚡️ - laiko eilučių prognozavimas su ARIMA	Laiko eilutės	Laiko eilučių prognozavimas su ARIMA	Python	Francesca
23	⚡️ Pasaulio galios vartojimas ⚡️ - laiko eilučių prognozavimas su SVR	Laiko eilutės	Laiko eilučių prognozavimas su atraminio vektoriaus regresoriumi	Python	Anirban
24	Įvadas į sustiprintą mokymąsi	Sustiprintas mokymasis	Įvadas į sustiprintą mokymąsi naudojant Q-Mokymą	Python	Dmitry
25	Padėkite Peteriui išvengti vilko! 🐺	Sustiprintas mokymasis	Sustiprinto mokymosi Gimnasijos aplinka	Python	Dmitry
Postscript	Tikros pasaulio ML scenarijai ir taikymai	ML laukinėje aplinkoje	Įdomios ir atskleidžiančios realaus pasaulio klasikinio ML taikymo pavyzdžiai	Pamoka	Komanda
Postscript	Modelio derinimas ML naudojant RAI valdymo skydelį	ML laukinėje aplinkoje	Modelio derinimas mašininio mokymosi metu naudojant Responsible AI valdymo skydelio komponentus	Pamoka	Ruth Yakubu

raskite visas papildomas šio kurso medžiagas mūsų Microsoft Learn kolekcijoje

Vietinis prieinamumas

Šią dokumentaciją galite naudoti ir offline režimu naudodami Docsify. Sukurkite šio repo kopiją, įdiekite Docsify savo vietinėje mašinoje, ir tuomet šio repo šakninėje direktorijoje įveskite docsify serve. Svetainė bus patiekiama per 3000 prievadą jūsų localhost'e: localhost:3000.

PDF failai

Raskite viso kurso mokymo planą su nuorodomis čia.

🎒 Kiti kursai

Mūsų komanda kuria ir kitus kursus! Pažiūrėkite:

LangChain

Azure / Edge / MCP / agentai

---

Generatyvinė dirbtinis intelektas

---

Pagrindinis mokymasis

---

Copilot serija

Pagalbos gavimas

Jei užstrigote arba turite klausimų apie DI programėlių kūrimą, prisijunkite prie kitų besimokančiųjų ir patyrusių programuotojų diskusijose apie MCP. Tai palaikanti bendruomenė, kurioje klausimai yra laukiam ir žinios dalijamasi laisvai.

Jei turite produktų atsiliepimų arba aptinkate klaidų, statydami, apsilankykite:

Papildomi mokymosi patarimai

• Peržiūrėkite užrašų knygutes po kiekvienos pamokos geresniam supratimui.
• Praktikuokite algoritmų įgyvendinimą savarankiškai.
• Tirskite realaus pasaulio duomenų rinkinius naudodami išmoktus konceptus.

---

Atsakomybės apribojimas: Šis dokumentas buvo išverstas naudojant AI vertimo paslaugą Co-op Translator. Nors siekiame tikslumo, atkreipkite dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba laikomas autoritetingu šaltiniu. Dėl svarbios informacijos rekomenduojamas profesionalus žmogiškas vertimas. Mes neatsakome už bet kokius nesusipratimus ar neteisingus aiškinimus, kylantčius dėl šio vertimo naudojimo.