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 limbi diferite, ceea ce crește 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 despre învățarea cu AI, află mai multe și alătură-te la Seria Learn with AI în perioada 18 - 30 septembrie 2025. Vei primi sfaturi și trucuri pentru folosirea GitHub Copilot în Știința Datelor.
🌍 Călătorește în jurul lumii explorând Învățarea Automată prin intermediul culturilor lumii 🌍
Cloud Advocates de la Microsoft sunt încântați să ofere un curriculum de 12 săptămâni cu 26 de lecții despre Învățarea Automată. În acest curriculum, vei învăța despre ceea ce uneori este numit învățarea automată clasică, folosind în principal biblioteca Scikit-learn și evitând deep learning-ul, care este acoperit în curriculumul nostru AI for Beginners. Combină aceste lecții cu curriculumul nostru 'Data Science for Beginners'!
Călătorește cu noi în jurul lumii în timp ce aplicăm aceste tehnici clasice pe date din multe regiuni. Fiecare lecție include teste înainte și după lecție, instrucțiuni scrise pentru completarea lecției, o soluție, o temă și altele. Pedagogia noastră bazată pe proiecte îți permite să înveți construind, o metodă dovedită pentru a fixa noile aptitudini.
✍️ Mulțumiri sincere 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 de asemenea ilustratorilor noștri Tomomi Imura, Dasani Madipalli și Jen Looper
🙏 Mulțumiri speciale 🙏 ambasadorilor Microsoft Student care sunt autori, recenzenți și contribuitori de conținut, în special Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila și Snigdha Agarwal
🤩 Recunoștință suplimentară ambasadorilor Microsoft Student Eric Wanjau, Jasleen Sondhi și Vidushi Gupta pentru lecțiile noastre în R!
Urmează acești pași:
- Fork la Repository: Apasă pe butonul „Fork” din colțul din 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 nostru de depanare pentru soluții la probleme comune de instalare, configurare și rulare a lecțiilor.
Studenți, pentru a folosi acest curriculum, faceți fork la întregul repo în contul vostru GitHub și finalizați exercițiile pe cont propriu sau în grup:
- Începeți cu un quiz înainte de lecție.
- Citiți lecția și completați activitățile, oprindu-vă și reflectând la fiecare verificare a cunoștințelor.
- Încercați să creați proiectele înțelegând lecțiile, mai degrabă decât rulând codul soluției; oricum, codul este disponibil în folderele
/solutionale fiecărei lecții orientate pe proiect. - Luați quizul după lecție.
- Finalizați provocarea.
- Finalizați tema.
- După finalizarea unui grup de lecții, vizitați Forumurile de discuții și „învățați cu voce tare” completând rubricile PAT corespunzătoare. Un 'PAT' este un Instrument de Evaluare a Progresului, o rubrică pe care o completați pentru a vă continua învățarea. Puteți de asemenea reacționa la alte PAT-uri pentru a învăța împreună.
Pentru studiu suplimentar, recomandăm urmarea acestor module și trasee de învățare Microsoft Learn.
Profesori, am inclus unele sugestii despre cum să folosiți acest curriculum.
Unele lecții sunt disponibile ca video scurt. Le puteți găsi în linie în lecții sau în playlist-ul ML for Beginners pe canalul Microsoft Developer YouTube dând clic pe imaginea de mai jos.
Gif de Mohit Jaisal
🎥 Click 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 bazat pe proiecte practice și să includă teste frecvente. În plus, acest curriculum are o temă comună pentru a-i oferi coeziune.
Prin alinierea conținutului cu proiectele, procesul devine mai captivant pentru studenți și retenția conceptelor se va îmbunătăți. Încă o dată, un quiz cu miză mică înainte de clasă setează intenția studentului către învățarea unui subiect, iar un al doilea quiz după clasă asigură o retenție suplimentară. Acest curriculum este proiectat să fie flexibil și distractiv și poate fi parcurs integral sau parțial. Proiectele încep mici și devin din ce în ce mai complexe până la finalul ciclului de 12 săptămâni. Curriculumul include și o postfață despre aplicațiile reale ale ML, ce poate fi folosită ca credit suplimentar sau bază pentru discuții.
Găsește Codul nostru de conduită, Contribuții, Traduceri și Ghidul de depanare. Apreciem feedback-ul tău constructiv!
- sketchnote opțional
- video suplimentar opțional
- prezentare video (doar unele lecții)
- quiz de încălzire pre-lectură
- lecție scrisă
- pentru lecțiile bazate pe proiect, ghiduri pas-cu-pas pentru construirea proiectului
- verificări de cunoștințe
- o provocare
- lecturi suplimentare
- temă
- quiz 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, accesează folderul
/solutionși caută lecțiile în R. Acestea includ extensia .rmd, care reprezintă un fișier R Markdown definit simplu ca o îmbinare întrefragmente de cod(în R sau alte limbi) și unheader YAML(care ghidează cum să fie formatate ieșirile, cum ar fi PDF) într-undocument Markdown. Astfel, servește ca un cadru exemplar pentru autorii de știință a datelor, deoarece îți permite să combini codul, rezultatele sale și gândurile tale scriindu-le în Markdown. Mai mult, documentele R Markdown pot fi convertite în formate de ieșire precum PDF, HTML sau Word. O notă despre quiz-uri: Toate quiz-urile sunt conținute în folderul Quiz App, pentru un total de 52 de quiz-uri cu câte trei întrebări fiecare. Ele sunt legate din lecții, dar aplicația de quiz poate fi rulată local; urmează instrucțiunile din folderulquiz-apppentru a găzdui local sau a implementa pe Azure.
| Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author |
|---|---|---|---|---|---|
| 01 | Introducere în învățarea automată | Introduction | Învățați conceptele de bază din spatele învățării automate | Lesson | Muhammad |
| 02 | Istoria învățării automate | Introduction | Aflați istoria care stă la baza acestui domeniu | Lesson | Jen și Amy |
| 03 | Corectitudine și învățarea automată | Introduction | Care sunt problemele filozofice importante legate de corectitudine pe care studenții ar trebui să le ia în considerare la construirea și aplicarea modelelor ML? | Lesson | Tomomi |
| 04 | Tehnici pentru învățarea automată | Introduction | Ce tehnici folosesc cercetătorii ML pentru a construi modele ML? | Lesson | Chris și Jen |
| 05 | Introducere în regresie | Regression | Începeți cu Python și Scikit-learn pentru modele de regresie | Python • R | Jen • Eric Wanjau |
| 06 | Prețurile dovlecilor din America de Nord 🎃 | Regression | Vizualizați și curățați datele în pregătirea pentru ML | Python • R | Jen • Eric Wanjau |
| 07 | Prețurile dovlecilor din America de Nord 🎃 | Regression | Construiește modele de regresie liniară și polinomială | Python • R | Jen și Dmitry • Eric Wanjau |
| 08 | Prețurile dovlecilor din America de Nord 🎃 | Regression | Construiește un model de regresie logistică | Python • R | Jen • Eric Wanjau |
| 09 | O aplicație web 🔌 | Web App | Construiește o aplicație web pentru a utiliza modelul tău antrenat | Python | Jen |
| 10 | Introducere în clasificare | Classification | Curăță, pregătește și vizualizează datele; introducere în clasificare | Python • R | Jen și Cassie • Eric Wanjau |
| 11 | Bucătării delicioase asiatice și indiene 🍜 | Classification | Introducere în clasificatori | Python • R | Jen și Cassie • Eric Wanjau |
| 12 | Bucătării delicioase asiatice și indiene 🍜 | Classification | Mai mulți clasificatori | Python • R | Jen și Cassie • Eric Wanjau |
| 13 | Bucătării delicioase asiatice și indiene 🍜 | Classification | Construiește o aplicație web de recomandare folosindu-ți modelul | Python | Jen |
| 14 | Introducere în clustering | Clustering | Curăță, pregătește și vizualizează datele; introducere în clustering | Python • R | Jen • Eric Wanjau |
| 15 | Explorarea gusturilor muzicale nigeriene 🎧 | Clustering | Explorează metoda de clustering K-Means | Python • R | Jen • Eric Wanjau |
| 16 | Introducere în procesarea limbajului natural ☕️ | Natural language processing | Învață elementele de bază ale NLP construind un bot simplu | Python | Stephen |
| 17 | Sarcini comune NLP ☕️ | Natural language processing | Adâncește-ți cunoștințele despre NLP prin înțelegerea sarcinilor comune necesare la lucrul cu structurile limbajului | Python | Stephen |
| 18 | Traducere și analiză de sentiment |
Natural language processing | Traducere și analiză de sentiment cu Jane Austen | Python | Stephen |
| 19 | Hoteluri romantice din Europa |
Natural language processing | Analiză de sentiment cu recenzii la hoteluri 1 | Python | Stephen |
| 20 | Hoteluri romantice din Europa |
Natural language processing | Analiză de sentiment cu recenzii la hoteluri 2 | Python | Stephen |
| 21 | Introducere în prognoza seriilor temporale | Time series | Introducere în prognoza seriilor temporale | Python | Francesca |
| 22 | ⚡️ Consumul mondial de energie ⚡️ - prognoza seriilor cu ARIMA | Time series | Prognoza seriilor temporale cu ARIMA | Python | Francesca |
| 23 | ⚡️ Consumul mondial de energie ⚡️ - prognoza seriilor cu SVR | Time series | Prognoza seriilor temporale cu Regressor Vector Suport | Python | Anirban |
| 24 | Introducere în învățarea prin întărire | Reinforcement learning | Introducere în învățarea prin întărire cu Q-Learning | Python | Dmitry |
| 25 | Ajută-l pe Peter să evite lupul! 🐺 | Reinforcement learning | Învățarea prin întărire Gym | Python | Dmitry |
| Postscript | Scenarii și aplicații ML în lumea reală | ML in the Wild | Aplicații interesante și revelatoare ale ML clasic | Lesson | Team |
| Postscript | Depanarea modelelor ML folosind dashboard-ul RAI | ML in the Wild | Depanarea modelelor în Machine Learning folosind componentele dashboard-ului Responsible AI | Lesson | Ruth Yakubu |
găsiți toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn
Puteți rula această documentație offline folosind Docsify. Faceți fork acestui repo, instalați Docsify pe mașina locală, apoi în folderul rădăcină al acestui repo scrieți docsify serve. Site-ul va fi servit pe portul 3000 pe localhost-ul vostru: localhost:3000.
Găsiți un pdf al curriculei cu linkuri aici.
Echipa noastră produce și alte cursuri! Aruncă 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 construirea aplicațiilor AI. Alătură-te altor cursanți și dezvoltatori experimentați în discuții despre MCP. Este o comunitate de suport unde întrebările sunt binevenite și cunoștințele sunt împărtășite liber.
Dacă ai feedback despre produs sau erori în timpul construirii, vizitează:
- Recapitulează caietele după fiecare lecție pentru o înțelegere mai bună.
- Exersează implementarea algoritmilor pe cont propriu.
- Explorează seturi de date reale folosind conceptele învățate.
Avertisment:
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 autorizată. 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.