README.md

🌐 Podpora viacerých jazykov

Podporované cez GitHub Action (automatizované a vždy aktuálne)

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

Uprednostňujete klonovanie lokálne?

Tento repozitár obsahuje viac ako 50 prekladov, čo výrazne zvyšuje veľkosť sťahovania. Ak chcete klonovať bez prekladov, použite 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"

Toto vám poskytne všetko potrebné pre dokončenie kurzu s oveľa rýchlejším stiahnutím.

Pripojte sa k našej komunite

Máme prebiehajúcu sériu „Learn with AI“ na Discorde, dozviete sa viac a pridajte sa k nám na Learn with AI Series v termíne 18. – 30. septembra 2025. Získate tipy a triky na používanie GitHub Copilot pre Data Science.

Strojové učenie pre začiatočníkov - Kurikulum

🌍 Cestujte po svete a objavujte Strojové učenie prostredníctvom svetových kultúr 🌍

Cloud Advocates v Microsoft s potešením ponúkajú 12-týždňový kurz s 26 lekciami zameranými na Strojové učenie. V tomto kurze sa naučíte o tom, čo sa niekedy nazýva klasické strojové učenie, hlavne s použitím knižnice Scikit-learn a bez hĺbkového učenia, ktoré pokrýva náš AI pre začiatočníkov kurz. Zároveň môžete tieto lekcie kombinovať s naším 'Data Science pre začiatočníkov' kurzom.

Cestu s nami po svete, ako aplikujeme tieto klasické techniky na dáta z rôznych oblastí sveta. Každá lekcia obsahuje pred a po lekčné kvízy, písomné inštrukcie na dokončenie lekcie, riešenie, zadanie a ďalšie. Naša projektová pedagogika vám umožňuje učiť sa počas tvorby, čo je overený spôsob, ako si nové zručnosti udržať.

✍️ Srdečná vďaka našim autorom Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu a Amy Boyd

🎨 Vďaka tiež našim ilustrátorom Tomomi Imura, Dasani Madipalli a Jen Looper

🙏 Špeciálne poďakovanie 🙏 našim Microsoft Student Ambassador autorom, recenzentom a prispievateľom obsahu, predovšetkým Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila a Snigdha Agarwal

🤩 Extra vďaka Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi a Vidushi Gupta za naše lekcie R!

Začíname

Postupujte podľa týchto krokov:

1. Forknite repozitár: Kliknite na tlačidlo „Fork“ v pravom hornom rohu tejto stránky.
2. Klonujte repozitár: git clone https://github.com/microsoft/ML-For-Beginners.git

nájdite všetky doplnkové zdroje k tomuto kurzu v našej kolekcii Microsoft Learn

🔧 Potrebujete pomoc? Pozrite si náš Sprievodca riešením problémov s riešeniami bežných problémov s inštaláciou, nastavením a spúšťaním lekcií.

Študenti, aby ste používali tento kurz, forknete celý repozitár do svojho GitHub účtu a cvičenia dokončujete sami alebo v skupine:

• Začnite predprednáškovým kvízom.
• Prečítajte si prednášku a dokončite aktivity, zastavte sa a zamyslite sa pri každej kontrole vedomostí.
• Pokúste sa vytvoriť projekty tak, že pochopíte lekcie namiesto spustenia riešenej ukážky; kód je však k dispozícii v priečinkoch /solution ku každej projektovo orientovanej lekcii.
• Urobte po-prednáškový kvíz.
• Dokončite výzvu.
• Dokončite zadanie.
• Po dokončení skupiny lekcií navštívte Diskusné fórum a „učte sa nahlas“ vyplnením príslušnej PAT rubriky. 'PAT' je nástroj hodnotenia pokroku, teda rubrika, ktorú vyplníte pre ďalšie učenie. Môžete tiež reagovať na ostatné PAT, aby sme sa mohli učiť spoločne.

Pre ďalšie štúdium odporúčame tieto Microsoft Learn moduly a vzdelávacie cesty.

Učitelia, pripravili sme niekoľko odporúčaní na využitie tohto kurzu.

---

Video prehliadky

Niektoré lekcie sú dostupné ako krátke videá. Nájdete ich priamo v lekciách alebo na playliste ML pre začiatočníkov na YouTube kanáli Microsoft Developer kliknutím na obrázok nižšie.

---

Spoznajte tím

Gif od Mohit Jaisal

🎥 Kliknite na obrázok vyššie pre video o projekte a jeho tvorcoch!

---

Pedagógia

Pri tvorbe tohto kurikula sme si stanovili dve pedagogické zásady: zabezpečiť, že je projektovo orientované a zároveň obsahuje časté kvízy. Okrem toho má kurz jednotnú tému pre väčšiu súdržnosť.

Zabezpečením, že obsah je prepojený s projektmi, je proces pre študentov zaujímavejší a udržanie vedomostí lepšie. Nízkorizikový kvíz pred triedou nasmeruje študenta na dané témy, a druhý po vyučovaní prehlbuje zapamätanie. Tento kurz je navrhnutý flexibilne a zábavne, môžete ho absolvovať celý alebo len čiastočne. Projekty začínajú jednoducho a končia zložitejšími na konci 12-týždňového cyklu. Kurz obsahuje aj dodatok o reálnych aplikáciách ML, ktorý možno použiť ako bonusové kreditovanie alebo diskusnú tému.

Nájdete tu náš Kódex správania, Príspevky, Preklad a Riešenie problémov. Vitáme vaše konštruktívne pripomienky!

Každá lekcia obsahuje

• voliteľnú skicovaciu poznámku
• voliteľné doplnkové video
• video prehliadku (len niektoré lekcie)
• pred-prednáškový rozcvičovací kvíz
• písomnú lekciu
• u projektovo orientovaných lekcií krok-za-krokom návody, ako vytvoriť projekt
• kontroly vedomostí
• výzvu
• doplnkové čítanie
• zadanie
• po-prednáškový kvíz

Poznámka o jazykoch: Tieto lekcie sú primárne napísané v Pythone, no mnohé sú dostupné aj v R. Ak chcete dokončiť lekciu v R, choďte do priečinka /solution a hľadajte lekcie v R. Majú príponu .rmd, ktorá predstavuje R Markdown súbor, čo možno jednoducho definovať ako vloženie kódových blokov (v R alebo iných jazykoch) a YAML hlavičky (ktorá riadi formátovanie výstupov, napr. PDF) do Markdown dokumentu. Ako také slúži ako ukážkový autorský rámec pre dátovú vedu, pretože umožňuje kombinovať váš kód, jeho výstupy a vaše poznámky tým, že ich môžete zapisovať do Markdownu. Navyše, R Markdown dokumenty môžu byť vyrenderované do výstupných formátov ako PDF, HTML alebo Word.

Poznámka o kvízoch: Všetky kvízy sú obsiahnuté v priečinku Quiz App, spolu 52 kvízov s tromi otázkami v každom. Sú prepojené v lekciách, no kvízová aplikácia sa dá spustiť lokálne; dodržiavajte inštrukcie v priečinku quiz-app na miestne hosťovanie alebo nasadenie na Azure.

Číslo lekcie	Téma	Skupina lekcií	Ciele učenia	Prepojená lekcia	Autor
01	Úvod do strojového učenia	Úvod	Naučte sa základné koncepty strojového učenia	Lekcia	Muhammad
02	História strojového učenia	Úvod	Spoznajte históriu tohto odboru	Lekcia	Jen a Amy
03	Spravodlivosť a strojové učenie	Úvod	Aké sú dôležité filozofické otázky týkajúce sa spravodlivosti, ktoré by študenti mali zvažovať pri tvorbe a použití ML modelov?	Lekcia	Tomomi
04	Techniky strojového učenia	Úvod	Aké techniky používajú výskumníci ML na tvorbu ML modelov?	Lekcia	Chris a Jen
05	Úvod do regresie	Regresia	Začnite používať Python a Scikit-learn na regresné modely	Python • R	Jen • Eric Wanjau
06	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Vizualizujte a vyčistite údaje na prípravu ML	Python • R	Jen • Eric Wanjau
07	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Vytvorte lineárne a polynomiálne regresné modely	Python • R	Jen a Dmitry • Eric Wanjau
08	Ceny tekvíc v Severnej Amerike 🎃	Regresia	Vytvorte logistický regresný model	Python • R	Jen • Eric Wanjau
09	Webová aplikácia 🔌	Web App	Vytvorte webovú aplikáciu na použitie vášho vycvičeného modelu	Python	Jen
10	Úvod do klasifikácie	Klasifikácia	Vyčistite, pripravte a vizualizujte svoje údaje; úvod do klasifikácie	Python • R	Jen a Cassie • Eric Wanjau
11	Lahodné ázijské a indické kuchyne 🍜	Klasifikácia	Úvod do klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
12	Lahodné ázijské a indické kuchyne 🍜	Klasifikácia	Viac klasifikátorov	Python • R	Jen a Cassie • Eric Wanjau
13	Lahodné ázijské a indické kuchyne 🍜	Klasifikácia	Vytvorte odporúčaciu webovú aplikáciu pomocou vášho modelu	Python	Jen
14	Úvod do zhlukovania	Zhlukovanie	Vyčistite, pripravte a vizualizujte svoje údaje; úvod do zhlukovania	Python • R	Jen • Eric Wanjau
15	Preskúmanie nigérijských hudobných chutí 🎧	Zhlukovanie	Preskúmajte metódu K-Means zhlukovania	Python • R	Jen • Eric Wanjau
16	Úvod do spracovania prirodzeného jazyka ☕️	Spracovanie prirodzeného jazyka	Naučte sa základy NLP vytvorením jednoduchého bota	Python	Stephen
17	Bežné úlohy NLP ☕️	Spracovanie prirodzeného jazyka	Prehĺbte svoje znalosti NLP pochopením bežných úloh potrebných pri práci s jazykovými štruktúrami	Python	Stephen
18	Preklad a analýza sentimentu ♥️	Spracovanie prirodzeného jazyka	Preklad a analýza sentimentu s Jane Austen	Python	Stephen
19	Romantické hotely v Európe ♥️	Spracovanie prirodzeného jazyka	Analýza sentimentu pri hotelových recenziách 1	Python	Stephen
20	Romantické hotely v Európe ♥️	Spracovanie prirodzeného jazyka	Analýza sentimentu pri hotelových recenziách 2	Python	Stephen
21	Úvod do predikcie časových radov	Časové rady	Úvod do predikcie časových radov	Python	Francesca
22	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov s ARIMA	Časové rady	Predikcia časových radov pomocou ARIMA	Python	Francesca
23	⚡️ Svetová spotreba energie ⚡️ - predikcia časových radov so SVR	Časové rady	Predikcia časových radov pomocou regortu podporovaných vektorov (SVR)	Python	Anirban
24	Úvod do posilňovacieho učenia	Posilňovacie učenie	Úvod do posilňovacieho učenia pomocou Q-Learning	Python	Dmitry
25	Pomôžte Petrovi vyhnúť sa vlkovi! 🐺	Posilňovacie učenie	Posilňovacie učenie s Gym	Python	Dmitry
Postscript	Reálne scenáre a aplikácie ML	ML v praxi	Zaujímavé a odhaľujúce reálne aplikácie klasického ML	Lekcia	Tím
Postscript	Ladenie modelu v ML pomocou RAI dashboard	ML v praxi	Ladenie modelu v strojovom učení pomocou komponentov Responsible AI dashboard	Lekcia	Ruth Yakubu

nájdite všetky ďalšie zdroje pre tento kurz v našej kolekcii Microsoft Learn

Offline prístup

Môžete spustiť túto dokumentáciu offline pomocou Docsify. Vytvorte fork tohto repozitára, nainštalujte Docsify na vašom lokálnom počítači a potom v koreňovom priečinku tohto repozitára zadajte docsify serve. Webová stránka bude servírovaná na porte 3000 na vašom localhoste: localhost:3000.

PDF

Nájdite pdf učebného plánu s odkazmi tu.

🎒 Ostatné kurzy

Náš tím produkuje aj ďalšie kurzy! Pozrite si:

LangChain

Azure / Edge / MCP / Agents

---

Séria Generatívnej AI

---

Základné učenie

---

Séria Copilot

Získanie pomoci

Ak sa zaseknete alebo máte akékoľvek otázky týkajúce sa budovania AI aplikácií, pripojte sa k ostatným študentom a skúseným vývojárom v diskusiách o MCP. Je to podporná komunita, kde sú otázky vítané a poznatky sa slobodne zdieľajú.

Ak máte spätnú väzbu k produktu alebo počas vývoja objavíte chyby, navštívte:

Ďalšie tipy na učenie

• Prezrite si poznámkové bloky po každej lekcii pre lepšie pochopenie.
• Precvičujte implementáciu algoritmov sami.
• Preskúmajte reálne dátové súbory pomocou naučených konceptov.

---

Upozornenie:
Tento dokument bol preložený pomocou AI prekladateľskej služby Co-op Translator. Aj keď sa usilujeme o presnosť, berte, prosím, na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Originálny dokument v jeho pôvodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre dôležité informácie sa odporúča využiť profesionálny ľudský preklad. Za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu nenesieme zodpovednosť.