README.md

🌐 Msaada wa Lugha Nyingi

Umahiri kupitia Hatua ya GitHub (Moja kwa Moja & Daima Imeboreshwa)

Kiarabu | Bengali | Kibulgaria | Kiburma (Myanmar) | Kichina (Kilizouzwa) | Kichina (Kilizochafuliwa, Hong Kong) | Kichina (Kilizochafuliwa, Macau) | Kichina (Kilizochafuliwa, Taiwan) | Kroeshia | Kicheki | Kidenmaki | Kiholanzi | Kiestonia | Kifini | Kifaransa | Kijerumani | Kigiriki | Kiebrania | Kihindi | Kihungari | Kiindonesia | Kitaliano | Kijapani | Kikannada | Kikorea | Kilitwania | Kimalay | Kimalayalami | Kimarathi | Kinepali | Kipidgin cha Nijeria | Kinorwe | Kifarsi (Farsi) | Kipolishi | Kireno (Brazil) | Kireno (Portugal) | Kipunjabi (Gurmukhi) | Kiromania | Kirusi | Kiserbia (Cyrillic) | Kislovakia | Kislovenia | Kihispania | Kiswahili | Kiswidi | Kitagalog (Kifilipino) | Kitamili | Kitelugu | Kithai | Kituruki | Kiukraini | Kiurdu | Kivietinamu

Unapendelea Kuiga Kwenye Kompyuta Binafsi?

Hifadhi hii ina tafsiri zaidi ya 50 za lugha ambazo huongeza sana ukubwa wa kupakua. Ili kuiga bila 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 kumaliza kozi kwa kupakua kwa kasi zaidi.

Jiunge na Jumuiya Yetu

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

Kujifunza Mashine kwa Waanzilishi - Mtaala

🌍 Safari duniani kote tunapoangalia Kujifunza Mashine kupitia tamaduni za dunia 🌍

Wakili wa Wingu wa Microsoft wanafurahi kutoa mtaala wa wiki 12, saba wa masomo 26 kuhusu Kujifunza Mashine. Katika mtaala huu, utajifunza kuhusu kile kinachoitwa wakati mwingine kama kujifunza mashine ya kawaida, ukitumia hasa maktaba ya Scikit-learn na kuepuka kujifunza kwa kina, ambacho kinashughulikiwa katika mtaala wetu wa AI kwa Waanzilishi. Pia sambaza masomo haya na mtaala wetu wa 'Sayansi ya Data kwa Waanzilishi'!

Safiri nasi duniani kote tunapotumia mbinu hizi za kawaida kwa data kutoka sehemu nyingi za dunia. Kila somo lina maswali ya kabla na baada ya somo, maelekezo maandishi ya kukamilisha somo, suluhisho, kazi, na zaidi. Mbinu yetu ya kufundishakwa kupitia mradi inakuwezesha kujifunza ukiendelea kujenga, njia iliyothibitishwa ya kuimarisha ujuzi mpya.

✍️ Shukrani kwa wapenzi wetu wa maandishi Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu na Amy Boyd

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

🙏 Shukrani maalum 🙏 kwa waandishi, wakaguzi, 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

🤩 Asante sana kwa Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, na Vidushi Gupta kwa masomo yetu ya R!

Kuanza

Fuata hatua hizi:

1. Tengeneza Fork ya Repositori: Bonyeza kitufe cha "Fork" kilicho kona ya juu kulia ya ukurasa huu.
2. Sogeza Repositori: git clone https://github.com/microsoft/ML-For-Beginners.git

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

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

Wanafunzi, ili kutumia mtaala huu, tengeneza fork ya repo yote kwenye akaunti yako ya GitHub na maliza mazoezi mwenyewe au na kundi:

• Anza na mtihani wa kabla ya mihadhara.
• Soma mihadhara na maliza shughuli, simama na fikiria kila ukaguzi wa maarifa.
• Jaribu kuunda miradi kwa kuelewa masomo badala ya kuendesha msimbo wa suluhisho; hata hivyo msimbo huo upo katika folda /solution katika kila somo linalozunguka mradi.
• Fanya mtihani wa baada ya mihadhara.
• Maliza changamoto.
• Maliza kazi.
• Baada ya kumaliza kundi la masomo, tembelea Bodi ya Majadiliano na "fundika kwa sauti" kwa kujaza rubriki ya PAT inayofaa. 'PAT' ni Chombo cha Tathmini cha Maendeleo ambacho ni rubriki unayojaza ili kukuza mchakato wa kujifunza. Unaweza pia kutoa maoni kwa PAT za wengine ili tuiwezeshe kujifunza pamoja.

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

Walimu, tumepakua baadhi ya mapendekezo hapa kuhusu jinsi ya kutumia mtaala huu.

---

Video za kufuatilia

Baadhi ya masomo yanapatikana kama video fupi. Unaweza kuyapata yote haya ndani ya masomo, au kwenye mfuatiliaji wa ML kwa Waanzilishi kwenye akaunti ya Microsoft Developer YouTube kwa kubonyeza picha chini.

---

Kutana na Timu

Gif na Mohit Jaisal

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

---

Mbinu ya Kufundisha

Tumekuja na kanuni mbili za kielimu wakati wa kujenga mtaala huu: kuhakikisha kwamba ni wa vitendo na unategemea mradi na kwamba unajumuisha maswali ya mara kwa mara. Zaidi ya hayo, mtaala huu una kauli mbiu ya pamoja kutoa muunganiko.

Kwa kuhakikisha maudhui yanaendana na miradi, mchakato unakuwa wa kuvutia kwa wanafunzi na kufanikisha kumbukumbu ya dhana. Zaidi ya hayo, mtihani wa chini wa hatari kabla ya darasa unaweka nia ya mwanafunzi kuelekea kujifunza mada, huku mtihani wa pili baada ya darasa unaongeza kumbukumbu zaidi. Mtaala huu umetengenezwa kuwa rahisi na wa kufurahisha na unaweza kuchukuliwa kikamilifu au kwa sehemu. Miradi huanza kwa urahisi na kuendelea kuwa magumu hatua kwa hatua mwishoni mwa mzunguko wa wiki 12. Mtaala huu pia unajumuisha maandishi ya ziada kuhusu matumizi halisi ya ML, ambayo inaweza kutumika kama mkopo wa ziada au msingi wa majadiliano.

Tafuta Kanuni zetu za Maadili, Michango, Tafsiri, na Utatuzi wa Matatizo. Tunakaribisha maoni yako ya kujenga!

Kila somo linajumuisha

• chaguo la sketchnote
• video ya ziada chaguo
• video ya kufuatilia (masomo mengine tu)
• mtihani wa kuanzisha kabla ya mihadhara
• somo lililoandikwa
• kwa masomo yanayojikita kwenye mradi, maelekezo ya hatua kwa hatua ya jinsi ya kujenga mradi
• ukaguzi wa maarifa
• changamoto
• usomaji wa ziada
• kazi
• mtihani baada ya mihadhara

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. Yanajumuisha kiambishi .rmd ambacho kinawakilisha faili la R Markdown ambalo linaweza kuelezwa kama kuingiza vipande vya msimbo (vya R au lugha nyingine) na kichwa cha YAML (ambacho kinaongoza jinsi ya kuunda matokeo kama PDF) katika nyaraka za Markdown. Kwa hivyo, hutumika kama fremu bora ya kuandika kwa sayansi ya data kwa sababu inakuwezesha kuunganisha msimbo wako, matokeo yake, na mawazo yako kwa kuweza kuyaandika kwa Markdown. Zaidi ya hayo, nyaraka za R Markdown zinaweza kutafsiriwa hadi katika aina mbalimbali za matokeo kama PDF, HTML, au Word.

Kumbuka kuhusu maswali ya mtihani: Maswali yote ya mtihani yapo katika folda ya Quiz App, kwa maswali 52 jumla yenye maswali matatu kila moja. Yameunganishwa ndani ya masomo lakini programu ya mtihani inaweza kutekelezwa ndani ya eneo lako; fuata maelekezo katika folda ya quiz-app kwa mwenyeji wa ndani au kupeleka kwa Azure.

Nambari ya Somo	Mada	Kikundi cha Somo	Malengo ya Kujifunza	Somo Lililounganishwa	Mwandishi
01	Utangulizi wa ujifunzaji wa mashine	Utangulizi	Jifunze dhana msingi nyuma ya ujifunzaji wa mashine	Somo	Muhammad
02	Historia ya ujifunzaji wa mashine	Utangulizi	Jifunze historia inayohusiana na eneo hili	Somo	Jen na Amy
03	Usawa na ujifunzaji wa mashine	Utangulizi	Masuala muhimu ya kifalsafa kuhusu usawa ambayo wanafunzi wanapaswa kuyazingatia wanapojenga na kutumia mifano ya ML?	Somo	Tomomi
04	Mbinu za ujifunzaji wa mashine	Utangulizi	Ni mbinu gani watafiti wa ML hutumia kujenga mifano ya ML?	Somo	Chris na Jen
05	Utangulizi wa regression	Regression	Anza kutumia Python na Scikit-learn kwa mifano ya regression	Python • R	Jen • Eric Wanjau
06	Bei za malenge Amerika Kaskazini 🎃	Regression	Chora na safisha data kwa maandalizi ya ML	Python • R	Jen • Eric Wanjau
07	Bei za malenge Amerika Kaskazini 🎃	Regression	Jenga mifano ya regression ya mstari na polynomial	Python • R	Jen na Dmitry • Eric Wanjau
08	Bei za malenge Amerika Kaskazini 🎃	Regression	Jenga mfano wa regression ya logistic	Python • R	Jen • Eric Wanjau
09	App ya Mtandao 🔌	Web App	Jenga app ya mtandao kutumia mfano wako uliyoungwa	Python	Jen
10	Utangulizi wa ugawaji (classification)	Classification	Safisha, andaa na chora data zako; utangulizi wa ugawaji	Python • R	Jen na Cassie • Eric Wanjau
11	Vyakula tamu vya Asia na India 🍜	Classification	Utangulizi wa watoaji maamuzi	Python • R	Jen na Cassie • Eric Wanjau
12	Vyakula tamu vya Asia na India 🍜	Classification	Watoaji maamuzi zaidi	Python • R	Jen na Cassie • Eric Wanjau
13	Vyakula tamu vya Asia na India 🍜	Classification	Jenga app ya mtandao ya kupendekeza ukitumia mfano wako	Python	Jen
14	Utangulizi wa usambazaji (clustering)	Clustering	Safisha, andaa na chora data zako; Utangulizi wa usambazaji	Python • R	Jen • Eric Wanjau
15	Kuchunguza Ladha ya Muziki wa Nigeria 🎧	Clustering	Chunguza mbinu ya usambazaji ya K-Means	Python • R	Jen • Eric Wanjau
16	Utangulizi wa usindikaji wa lugha asilia ☕️	Natural language processing	Jifunze misingi ya NLP kwa kujenga bot rahisi	Python	Stephen
17	Kazi za kawaida za NLP ☕️	Natural language processing	Zidisha maarifa yako ya NLP kwa kuelewa kazi za kawaida zinazohitajika kushughulikia miundo ya lugha	Python	Stephen
18	Tafsiri na uchambuzi wa hisia ♥️	Natural language processing	Tafsiri na uchambuzi wa hisia kwa Jane Austen	Python	Stephen
19	Hoteli za kimapenzi za Ulaya ♥️	Natural language processing	Uchambuzi wa hisia na maoni ya hoteli 1	Python	Stephen
20	Hoteli za kimapenzi za Ulaya ♥️	Natural language processing	Uchambuzi wa hisia na maoni ya hoteli 2	Python	Stephen
21	Utangulizi wa utabiri wa mfululizo wa nyakati	Time series	Utangulizi wa utabiri wa mfululizo wa nyakati	Python	Francesca
22	⚡️ Matumizi ya Nguvu Duniani ⚡️ - utabiri wa nyakati na ARIMA	Time series	Utabiri wa mfululizo wa nyakati kwa kutumia ARIMA	Python	Francesca
23	⚡️ Matumizi ya Nguvu Duniani ⚡️ - utabiri wa nyakati na SVR	Time series	Utabiri wa mfululizo wa nyakati kwa kutumia Support Vector Regressor	Python	Anirban
24	Utangulizi wa ujifunzaji wa kuimarisha	Reinforcement learning	Utangulizi wa ujifunzaji wa kuimarisha kwa kutumia Q-Learning	Python	Dmitry
25	Msaada kwa Peter kuhakikisha apelekwe mbali na mbwa mwitu! 🐺	Reinforcement learning	Gym ya ujifunzaji wa kuimarisha	Python	Dmitry
Postscript	Hali halisi na matumizi ya ML	ML in the Wild	Matumizi ya kuvutia na wazi ya ML ya kawaida katika ulimwengu halisi	Somo	Timu
Postscript	Kurekebisha mifano ya ML kwa kutumia dashibodi ya RAI	ML in the Wild	Kurekebisha mifano ya Machine Learning kwa kutumia vipengele vya dashibodi ya Responsible AI	Somo	Ruth Yakubu

tafuta rasilimali zote za ziada kwa kozi hii katika mkusanyiko wetu wa Microsoft Learn

Upatikanaji bila mtandao

Unaweza kuendesha hati hii bila mtandao kwa kutumia Docsify. Fanya kopi ya repozitori hii, weka Docsify kwenye mashine yako ya nyumbani, kisha katika folda kuu ya repozitori hii, andika docsify serve. Tovuti itahudumiwa kwenye bandari 3000 kwenye localhost yako: localhost:3000.

PDFs

Tafuta pdf ya mitaala na viungo hapa.

🎒 Kozi Nyingine

Timu yetu hutengeneza kozi nyingine! Angalia:

LangChain

Azure / Edge / MCP / Wakala

---

Mfululizo wa AI Jenereta

---

Kujifunza Msingi

---

Mfululizo wa Copilot

Kupata Msaada

Ikiwa unakwama au una maswali kuhusu kujenga programu za AI. Jiunge na wanafunzi wenzao na waendelezaji wenye uzoefu katika mijadala kuhusu MCP. Ni jamii inayounga mkono ambapo maswali yanakaribishwa na maarifa yanashirikiwa kwa uhuru.

Ikiwa una maoni juu ya bidhaa au makosa wakati wa kujenga tembelea:

Vidokezo Zaidi vya Kujifunza

• Kagua dahari baada ya somo kila moja kwa kuelewa zaidi.
• Fanya mazoezi ya kutekeleza algorithms wewe mwenyewe.
• Chunguza seti halisi za data ukitumia dhana ulizojifunza.

---

Tangazo la Msamaha: Nyaraka hii imetafsiriwa kwa kutumia huduma ya tafsiri ya AI Co-op Translator. Ingawa tunajitahidi kuhakikisha usahihi, tafadhali fahamu kuwa tafsiri za kiotomatika zinaweza kuwa na makosa au taarifa zisizo sahihi. Nyaraka asilia katika lugha yake ya asili inapaswa kuchukuliwa kama chanzo halali. Kwa taarifa muhimu, tafsiri ya kitaalamu iliyofanywa na binadamu inapendekezwa. Hatuwajibiki kwa kutoelewana au tafsiri potofu zitokanazo na matumizi ya tafsiri hii.