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
Preferi să clonezi local?
Acest depozit include peste 50 de traduceri în diferite limbi, ceea ce mărește semnificativ dimensiunea descărcării. Pentru a clona fără traduceri, folosește 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"Aceasta îți oferă tot ce ai nevoie pentru a finaliza cursul cu o descărcare mult mai rapidă.
Avem o serie ongoing pe Discord „învață cu AI”, află mai multe și alătură-te nouă la Learn with AI Series în perioada 18 - 30 septembrie 2025. Vei primi trucuri și sfaturi pentru folosirea GitHub Copilot pentru Data Science.
🌍 Călătorește în jurul lumii în timp ce explorăm Machine Learning prin culturile lumii 🌍
Cloud Advocates de la Microsoft sunt încântați să ofere un curriculum de 12 săptămâni, format din 26 de lecții, dedicat Machine Learning. În acest curriculum, vei învăța despre ceea ce se numește uneori machine learning clasic, folosind în principal biblioteca Scikit-learn și evitând deep learning, care este acoperit în curriculumul nostru AI pentru Începători. Îmbină aceste lecții și cu curriculumul nostru 'Data Science pentru Începători'!
Călătorește cu noi în jurul lumii în timp ce aplicăm aceste tehnici clasice pe date din multe regiuni ale lumii. Fiecare lecție include chestionare pre și post-lectură, instrucțiuni scrise pentru completarea lecției, o soluție, un exercițiu și multe altele. Pedagogia noastră bazată pe proiecte îți permite să înveți prin practică, o metodă dovedită pentru ca noile cunoștințe să fie bine asimilate.
✍️ Mulțumiri călduroase autorilor noștri Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu și Amy Boyd
🎨 Mulțumiri și ilustratorilor noștri Tomomi Imura, Dasani Madipalli și Jen Looper
🙏 Mulțumiri speciale 🙏 ambasadorilor Microsoft Student, autori, recenzori și contributori, în mod special Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila și Snigdha Agarwal
🤩 Mulțumiri suplimentare ambasadorilor Microsoft Student Eric Wanjau, Jasleen Sondhi și Vidushi Gupta pentru lecțiile R!
Urmează acești pași:
- Fă fork repository-ului: Apasă butonul „Fork” din colțul dreapta sus al acestei pagini.
- Clonează repository-ul:
git clone https://github.com/microsoft/ML-For-Beginners.git
găsește toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn
🔧 Ai nevoie de ajutor? Consultă Ghidul pentru depanare pentru soluții comune la probleme de instalare, configurare și rulare a lecțiilor.
Studenți, pentru a folosi acest curriculum, forkează întregul repo în contul tău GitHub și finalizează exercițiile individual sau în grup:
- Începe cu un chestionar pregătitor pre-lectură.
- Citește materialul și finalizează activitățile, fă pauze și reflectă după fiecare verificare de cunoștințe.
- Încearcă să creezi proiectele înțelegând lecțiile, nu doar rulând codul soluției; totuși, codul este disponibil în folderele
/solutionîn fiecare lecție orientată pe proiect. - Fă chestionarul post-lectură.
- Finalizează provocarea.
- Finalizează temele.
- După ce termini un grup de lecții, vizitează Panoul de discuții și „învață în mod deschis” completând rubrica PAT corespunzătoare. Un 'PAT' este un instrument de evaluare a progresului, o rubrică pe care o completezi pentru a-ți aprofunda învățarea. Poți răspunde și altor PAT-uri ca să învățăm împreună.
Pentru studiu suplimentar, recomandăm să urmezi aceste module și trasee de învățare Microsoft Learn.
Profesori, am inclus câteva sugestii despre cum să folosești acest curriculum.
Unele lecții sunt disponibile sub formă de video scurte. Le poți găsi integrate în lecții sau în playlistul ML for Beginners pe canalul Microsoft Developer YouTube făcând clic pe imaginea de mai jos.
Gif de Mohit Jaisal
🎥 Apasă pe imaginea de mai sus pentru un video despre proiect și oamenii care l-au creat!
Am ales două principii pedagogice în construirea acestui curriculum: să fie practic, bazat pe proiecte și să includă testări frecvente. În plus, acest curriculum are o temă comună pentru coeziune.
Asigurându-ne că conținutul se aliniază cu proiectele, procesul devine mai captivant pentru studenți, iar reținerea conceptelor este sporită. În plus, un chestionar cu miză redusă înaintea orei setează intenția studentului către învățare, iar un al doilea după curs asigură o reținere mai bună. Acest curriculum este gândit să fie flexibil și distractiv și poate fi parcurs integral sau parțial. Proiectele încep mici și devin tot mai complexe până la finalul ciclului de 12 săptămâni. Curriculumul include și un post scriptum despre aplicațiile reale ale ML, ce poate fi folosit ca credit suplimentar sau ca bază de discuție.
Găsește regulile noastre în Codul de conduită, Contribuții, Traduceri și Depanare. Așteptăm feedback-ul tău constructiv!
- sketchnote opțional
- video suplimentar opțional
- parcurgere video (doar unele lecții)
- chestionar pregătitor pre-lectură
- lecție scrisă
- pentru lecțiile bazate pe proiecte, ghid pas cu pas pentru construirea proiectului
- verificări de cunoștințe
- o provocare
- lectură suplimentară
- temă
- chestionar post-lectură
O notă despre limbi: Aceste lecții sunt scrise în principal în Python, dar multe sunt disponibile și în R. Pentru a finaliza o lecție în R, accesați folderul
/solutionși căutați lecții în R. Ele includ o extensie .rmd care reprezintă un fișier R Markdown ce poate fi definit simplu ca o încorporare abucăților de cod(din R sau alte limbi) și unheader YAML(care ghidează modul de formatare a ieșirilor, cum ar fi PDF-ul) într-undocument Markdown. Astfel, servește ca un cadru exemplu de creare pentru știința datelor, deoarece vă permite să combinați codul dvs., rezultatul său și gândurile dvs. prin permiterea de a le scrie în Markdown. Mai mult, documentele R Markdown pot fi redate în formate de ieșire precum PDF, HTML sau Word.
O notă despre chestionare: Toate chestionarele sunt conținute în folderul Quiz App, pentru un total de 52 de chestionare, fiecare având trei întrebări. Sunt legate din cadrul lecțiilor, dar aplicația de chestionar poate fi rulată local; urmați instrucțiunile din folderul
quiz-apppentru a găzdui local sau a implementa pe Azure.
| Număr Lecție | Subiect | Grupare Lecție | Obiective de învățare | Lecția Legată | Autor |
|---|---|---|---|---|---|
| 01 | Introducere în învățarea automată | Introducere | Aflați conceptele de bază din spatele învățării automate | Lecție | Muhammad |
| 02 | Istoria învățării automate | Introducere | Aflați istoria domeniului | Lecție | Jen și Amy |
| 03 | Corectitudinea și învățarea automată | Introducere | Care sunt problemele filosofice importante legate de corectitudine pe care studenții ar trebui să le ia în considerare la construirea și aplicarea modelelor ML? | Lecție | Tomomi |
| 04 | Tehnici pentru învățarea automată | Introducere | Ce tehnici folosesc cercetătorii ML pentru a construi modele ML? | Lecție | Chris și Jen |
| 05 | Introducere în regresie | Regresie | Începeți cu Python și Scikit-learn pentru modele de regresie | Python • R | Jen • Eric Wanjau |
| 06 | Prețurile dovlecilor din America de Nord 🎃 | Regresie | Vizualizați și curățați datele în pregătirea pentru ML | Python • R | Jen • Eric Wanjau |
| 07 | Prețurile dovlecilor din America de Nord 🎃 | Regresie | Construiți modele de regresie liniară și polinomială | Python • R | Jen și Dmitry • Eric Wanjau |
| 08 | Prețurile dovlecilor din America de Nord 🎃 | Regresie | Construiți un model de regresie logistică | Python • R | Jen • Eric Wanjau |
| 09 | O aplicație web 🔌 | Aplicație Web | Construiți o aplicație web pentru a folosi modelul antrenat | Python | Jen |
| 10 | Introducere în clasificare | Clasificare | Curățați, pregătiți și vizualizați datele; introducere în clasificare | Python • R | Jen și Cassie • Eric Wanjau |
| 11 | Bucătării delicioase asiatice și indiene 🍜 | Clasificare | Introducere în clasificatori | Python • R | Jen și Cassie • Eric Wanjau |
| 12 | Bucătării delicioase asiatice și indiene 🍜 | Clasificare | Mai mulți clasificatori | Python • R | Jen și Cassie • Eric Wanjau |
| 13 | Bucătării delicioase asiatice și indiene 🍜 | Clasificare | Construiți o aplicație web recomandatoare folosind modelul dvs. | Python | Jen |
| 14 | Introducere în clusterizare | Clusterizare | Curățați, pregătiți și vizualizați datele; introducere în clusterizare | Python • R | Jen • Eric Wanjau |
| 15 | Explorarea gusturilor muzicale nigeriene 🎧 | Clusterizare | Explorați metoda clusterizării K-Means | Python • R | Jen • Eric Wanjau |
| 16 | Introducere în procesarea limbajului natural ☕️ | Procesarea limbajului natural | Aflați elementele de bază despre NLP construind un bot simplu | Python | Stephen |
| 17 | Sarcini comune NLP ☕️ | Procesarea limbajului natural | Adânciți cunoștințele despre NLP înțelegând sarcinile comune necesare pentru a lucra cu structurile limbajului | Python | Stephen |
| 18 | Traducere și analiza sentimentelor |
Procesarea limbajului natural | Traducere și analiză a sentimentelor cu Jane Austen | Python | Stephen |
| 19 | Hoteluri romantice din Europa |
Procesarea limbajului natural | Analiză a sentimentelor cu recenzii de hoteluri 1 | Python | Stephen |
| 20 | Hoteluri romantice din Europa |
Procesarea limbajului natural | Analiză a sentimentelor cu recenzii de hoteluri 2 | Python | Stephen |
| 21 | Introducere în prognoza seriilor temporale | Serii temporale | Introducere în prognoza seriilor temporale | Python | Francesca |
| 22 | ⚡️ Utilizarea energiei mondiale ⚡️ - prognoza seriilor temporale cu ARIMA | Serii temporale | Prognoza seriilor temporale folosind ARIMA | Python | Francesca |
| 23 | ⚡️ Utilizarea energiei mondiale ⚡️ - prognoza seriilor temporale cu SVR | Serii temporale | Prognoza seriilor temporale cu Support Vector Regressor | Python | Anirban |
| 24 | Introducere în învățarea prin întărire | Învățare prin întărire | Introducere în învățarea prin întărire cu Q-Learning | Python | Dmitry |
| 25 | Ajută-l pe Peter să evite lupul! 🐺 | Învățare prin întărire | Învățare prin întărire Gym | Python | Dmitry |
| Postscript | Scenarii și aplicații reale de ML | ML în Sălbăticie | Aplicații reale interesante și revelatoare ale ML-ului clasic | Lecție | Echipa |
| Postscript | Depanarea modelelor ML folosind tabloul de bord RAI | ML în Sălbăticie | Depanarea modelelor în învățarea automată folosind componentele tabloului de bord Responsible AI | Lecție | Ruth Yakubu |
găsiți toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn
Puteți rula această documentație offline folosind Docsify. Clonați acest repo, instalați Docsify pe mașina dvs. locală, apoi în folderul rădăcină al acestui repo tastați docsify serve. Website-ul va fi servit pe portul 3000 pe localhost-ul dvs.: localhost:3000.
Găsiți un pdf al curriculum-ului cu linkuri aici.
Echipa noastră produce și alte cursuri! Aruncați o privire:
-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}
Dacă întâmpini dificultăți sau ai întrebări despre crearea aplicațiilor AI, alătură-te colegilor învățăcei și dezvoltatorilor experimentați în discuții despre MCP. Este o comunitate de sprijin unde întrebările sunt binevenite și cunoștințele sunt împărtășite liber.
Dacă ai feedback despre produs sau găsești erori în timpul dezvoltării, vizitează:
- Revizuiește caietele după fiecare lecție pentru o înțelegere mai bună.
- Exersează implementarea algoritmilor pe cont propriu.
- Explorează seturi de date din lumea reală folosind conceptele învățate.
Declinare de responsabilitate:
Acest document a fost tradus folosind serviciul de traducere AI Co-op Translator. Deși ne străduim pentru acuratețe, vă rugăm să rețineți că traducerile automate pot conține erori sau inexactități. Documentul original, în limba sa nativă, trebuie considerat sursa autoritară. Pentru informații critice, se recomandă traducerea profesională realizată de un specialist uman. Nu ne asumăm răspunderea pentru eventualele neînțelegeri sau interpretări greșite rezultate din utilizarea acestei traduceri.