Araabia | Bengali | Bulgaaria | Birma (Myanmar) | Hiina (lihtsustatud) | Hiina (traditsiooniline, Hongkong) | Hiina (traditsiooniline, Macau) | Hiina (traditsiooniline, Taiwan) | Horvaadi | Tšehhi | Taani | Hollandi | Eesti | Soome | Prantsuse | Saksa | Kreeka | Heebrea | Hindi | Ungari | Indoneesia | Itaalia | Jaapani | Kannada | Korea | Leedu | Malai | Malajalami | Marathi | Nepali | Nigeeria pidžin | Norra | Pärsia (Farsi) | Poola | Portugali (Brasiilia) | Portugali (Portugal) | Pandžabi (Gurmukhi) | Rumeenia | Vene | Serbia (kirillitsa) | Slovaki | Sloveeni | Hispaania | Suaheli | Rootsi | Tagalogi (Filipino) | Tamili | Telugu | Tai | Türgi | Ukraina | Urdu | Vietnami
Meil on käimas Discordi õppesari tehisintellektiga, õpi rohkem ja liitu meiega aadressil Learn with AI Series ajavahemikus 18. - 30. september 2025. Saad näpunäiteid ja nippe GitHub Copiloti kasutamiseks andmeteaduses.
🌍 Rändame ümber maailma, uurides masinõpet maailma kultuuride kaudu 🌍
Microsofti pilveesindajad pakuvad 12-nädalast, 26-õppetunnist koosnevat õppekava, mis käsitleb masinõpet. Selles õppekavas õpid nn klassikalist masinõpet, kasutades peamiselt Scikit-learn raamatukogu ja vältides süvaõpet, mida käsitletakse meie AI algajate õppekavas. Ühenda need õppetunnid meie 'Andmeteadus algajatele' õppekavaga!
Rändame koos ümber maailma, rakendades neid klassikalisi meetodeid andmetele paljudest maailma piirkondadest. Iga õppetund sisaldab eelkatsest ja järelkatsest teste, kirjalikke juhiseid õppetunni läbimiseks, lahendust, ülesannet ja muud. Meie projektipõhine pedagoogika võimaldab sul õppida ehitades, mis on tõestatud viis uute oskuste kinnistamiseks.
✍️ Suur tänu meie autoritele Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ja Amy Boyd
🎨 Tänud ka meie illustraatoritele Tomomi Imura, Dasani Madipalli ja Jen Looper
🙏 Eriline tänu 🙏 meie Microsofti tudengisaadikute autoritele, ülevaatajaile ja sisuloojatele, eriti Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ja Snigdha Agarwal
🤩 Täiendav tänu Microsofti tudengisaadikutele Eric Wanjau, Jasleen Sondhi ja Vidushi Gupta meie R-õppetundide eest!
Järgi neid samme:
- Tee hoidlast fork: Klõpsa selle lehe paremas ülanurgas nuppu "Fork".
- Klooni hoidla:
git clone https://github.com/microsoft/ML-For-Beginners.git
Leia kõik selle kursuse lisamaterjalid meie Microsoft Learn kollektsioonist
🔧 Vajad abi? Vaata meie Tõrkeotsingu juhendit levinumate probleemide lahendamiseks paigaldamisel, seadistamisel ja õppetundide käivitamisel.
Õpilased, selle õppekava kasutamiseks tee kogu hoidlast fork oma GitHubi kontole ja tee harjutused ise või grupiga:
- Alusta eelkatsest testiga.
- Loe loengut ja tee tegevused, peatu ja mõtiskle iga teadmiste kontrolli juures.
- Proovi projekte luua õppetundide mõistmise põhjal, mitte lahenduskoodi jooksutades; lahenduskood on siiski saadaval iga projektipõhise õppetunni
/solutionkaustas. - Tee järelkatsest test.
- Täida väljakutse.
- Täida ülesanne.
- Pärast õppetundide grupi lõpetamist külasta Arutelufoorumit ja "õpi valjusti" täites sobiva PAT hindamislehe. PAT on edenemise hindamise tööriist, mille abil saad oma õppimist süvendada. Võid ka teiste PAT-e kommenteerida, et koos õppida.
Edasiseks õppimiseks soovitame järgida neid Microsoft Learn mooduleid ja õpiteid.
Õpetajad, oleme lisanud mõningaid soovitusi selle õppekava kasutamiseks.
Mõned õppetunnid on saadaval lühivideotena. Kõik need leiad õppetundide seest või ML algajate esitusloendist Microsoft Developer YouTube kanalil, klõpsates alloleval pildil.
Gif autor Mohit Jaisal
🎥 Klõpsa ülaloleval pildil, et vaadata videot projektist ja selle loojatest!
Selle õppekava loomisel valisime kaks pedagoogilist põhimõtet: tagada, et see oleks praktiline projektipõhine ja sisaldaks sagedasi teste. Lisaks on õppekaval ühine teema, mis annab sellele sidususe.
Sisule projektidega vastavuse tagamine muudab protsessi õpilaste jaoks kaasahaaravamaks ja suurendab kontseptsioonide meeldejäämist. Madala panusega test enne tundi seab õpilasele eesmärgi teemat õppida, samas kui teine test pärast tundi tagab teadmiste kinnistamise. See õppekava on loodud olema paindlik ja lõbus ning seda saab läbida tervikuna või osaliselt. Projektid algavad väikestena ja muutuvad 12-nädalase tsükli lõpuks järjest keerukamaks. Õppekava sisaldab ka järelsõna masinõppe reaalse maailma rakendustest, mida saab kasutada lisapunktide või arutelu aluseks.
Leia meie käitumisjuhend, panustamise juhised, tõlkimise juhised ja tõrkeotsingu juhend. Ootame sinu konstruktiivset tagasisidet!
- vabatahtlik sketšimärkmed
- vabatahtlik täiendav video
- video juhend (ainult mõnedes õppetundides)
- eel-loengu soojendus test
- kirjalik õppetund
- projektipõhiste õppetundide puhul samm-sammult juhised projekti ehitamiseks
- teadmiste kontrollid
- väljakutse
- täiendav lugemine
- ülesanne
- järg-loengu test
Märkus keeltest: Need õppetunnid on peamiselt kirjutatud Pythonis, kuid paljud on saadaval ka R-is. R-õppetunni läbimiseks mine
/solutionkausta ja otsi R-õppetunde. Need sisaldavad .rmd laiendit, mis tähistab R Markdown faili, mida saab lihtsalt defineerida kuikoodiplokkide(R või teiste keelte) jaYAML päise(mis juhib väljundite vormindamist nagu PDF) manustamistMarkdown dokumendis. See on eeskujulik raamistik andmeteaduse jaoks, kuna võimaldab kombineerida koodi, selle väljundi ja mõtted, kirjutades need Markdowni. Lisaks saab R Markdown dokumente renderdada väljundvormingutesse nagu PDF, HTML või Word.
Märkus testide kohta: Kõik testid on koondatud Quiz App kausta, kokku 52 testi, igaühes kolm küsimust. Need on lingitud õppetundide sees, kuid testi rakendust saab käivitada ka lokaalselt; järgi juhiseid
quiz-appkaustas, et seda lokaalselt hostida või Azure'i juurutada.
| Õppetunni number | Teema | Õppetunni grupp | Õpieesmärgid | Lingitud õppetund | Autor |
|---|---|---|---|---|---|
| 01 | Sissejuhatus masinõppesse | Introduction | Õpi masinõppe põhikontseptsioone | Lesson | Muhammad |
| 02 | Masinõppe ajalugu | Introduction | Õpi selle valdkonna ajaloo kohta | Lesson | Jen and Amy |
| 03 | Õiglus ja masinõpe | Introduction | Millised on olulised filosoofilised küsimused õiglusest, mida õpilased peaksid arvestama masinõppemudelite loomisel ja rakendamisel? | Lesson | Tomomi |
| 04 | Masinõppe tehnikad | Introduction | Milliseid tehnikaid kasutavad masinõppe uurijad masinõppemudelite loomiseks? | Lesson | Chris and Jen |
| 05 | Sissejuhatus regressiooni | Regression | Alusta Pythoniga ja Scikit-learniga regressioonimudelite jaoks | Python • R | Jen • Eric Wanjau |
| 06 | Põhja-Ameerika kõrvitsa hinnad 🎃 | Regression | Visualiseeri ja puhasta andmeid masinõppeks ettevalmistamiseks | Python • R | Jen • Eric Wanjau |
| 07 | Põhja-Ameerika kõrvitsa hinnad 🎃 | Regression | Ehita lineaarseid ja polünoomseid regressioonimudeleid | Python • R | Jen and Dmitry • Eric Wanjau |
| 08 | Põhja-Ameerika kõrvitsa hinnad 🎃 | Regression | Ehita logistilise regressiooni mudel | Python • R | Jen • Eric Wanjau |
| 09 | Veebirakendus 🔌 | Web App | Ehita veebirakendus, et kasutada oma treenitud mudelit | Python | Jen |
| 10 | Sissejuhatus klassifitseerimisse | Classification | Puhasta, valmista ette ja visualiseeri oma andmeid; sissejuhatus klassifitseerimisse | Python • R | Jen and Cassie • Eric Wanjau |
| 11 | Maitsvad Aasia ja India köögid 🍜 | Classification | Sissejuhatus klassifikaatoritesse | Python • R | Jen and Cassie • Eric Wanjau |
| 12 | Maitsvad Aasia ja India köögid 🍜 | Classification | Rohkem klassifikaatoreid | Python • R | Jen and Cassie • Eric Wanjau |
| 13 | Maitsvad Aasia ja India köögid 🍜 | Classification | Ehita soovituste veebirakendus, kasutades oma mudelit | Python | Jen |
| 14 | Sissejuhatus klasterdamisse | Clustering | Puhasta, valmista ette ja visualiseeri oma andmeid; sissejuhatus klasterdamisse | Python • R | Jen • Eric Wanjau |
| 15 | Nigeeria muusikamaitsete uurimine 🎧 | Clustering | Uuri K-Meansi klasterdamismeetodit | Python • R | Jen • Eric Wanjau |
| 16 | Sissejuhatus loomuliku keele töötlemisse ☕️ | Natural language processing | Õpi NLP põhialuseid, luues lihtsa boti | Python | Stephen |
| 17 | Levinumad NLP ülesanded ☕️ | Natural language processing | Süvenda oma NLP teadmisi, mõistes keelestruktuuridega seotud tavapäraseid ülesandeid | Python | Stephen |
| 18 | Tõlkimine ja meeleolu analüüs |
Natural language processing | Tõlkimine ja meeleolu analüüs Jane Austeni tekstidega | Python | Stephen |
| 19 | Euroopa romantilised hotellid |
Natural language processing | Meeleolu analüüs hotellide arvustustega 1 | Python | Stephen |
| 20 | Euroopa romantilised hotellid |
Natural language processing | Meeleolu analüüs hotellide arvustustega 2 | Python | Stephen |
| 21 | Sissejuhatus ajaseeria prognoosimisse | Time series | Sissejuhatus ajaseeria prognoosimisse | Python | Francesca |
| 22 | ⚡️ Maailma elektritarbimine ⚡️ - ajaseeria prognoosimine ARIMA-ga | Time series | Ajaseeria prognoosimine ARIMA meetodiga | Python | Francesca |
| 23 | ⚡️ Maailma elektritarbimine ⚡️ - ajaseeria prognoosimine SVR-ga | Time series | Ajaseeria prognoosimine tugivektorregressori abil | Python | Anirban |
| 24 | Sissejuhatus tugevdusõppesse | Reinforcement learning | Sissejuhatus tugevdusõppesse Q-õppimise abil | Python | Dmitry |
| 25 | Aita Peteril hundi eest põgeneda! 🐺 | Reinforcement learning | Tugevdusõppe Gym | Python | Dmitry |
| Järelsõna | Masinõppe reaalsed stsenaariumid ja rakendused | ML in the Wild | Huvitavad ja valgustavad masinõppe klassikalised reaalsed rakendused | Lesson | Team |
| Järelsõna | Masinõppe mudelite silumine RAI juhtpaneeli abil | ML in the Wild | Masinõppe mudelite silumine kasutades Responsible AI juhtpaneeli komponente | Lesson | Ruth Yakubu |
Leia kõik selle kursuse lisamaterjalid meie Microsoft Learn kollektsioonist
Seda dokumentatsiooni saab kasutada võrguühenduseta, kasutades Docsify. Tee selle hoidla fork, paigalda Docsify oma kohalikku masinasse ja seejärel selle hoidla juurkataloogis kirjuta docsify serve. Veebisait on kättesaadav pordil 3000 sinu kohalikus arvutis: localhost:3000.
Leia õppekava pdf koos linkidega siit.
Meie meeskond toodab ka teisi kursuseid! Vaata:
-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}
Kui jääd hätta või sul on küsimusi tehisintellekti rakenduste loomise kohta, liitu teiste õppijate ja kogenud arendajatega MCP aruteludes. See on toetav kogukond, kus küsimused on teretulnud ja teadmisi jagatakse vabalt.
Kui sul on toote tagasisidet või ehitamise ajal vigu, külasta:
Vastutusest loobumine: See dokument on tõlgitud kasutades tehisintellektil põhinevat tõlketeenust Co-op Translator. Kuigi püüame tagada täpsust, palun arvestage, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Originaaldokument selle emakeeles tuleks pidada autoriteetseks allikaks. Olulise teabe puhul soovitatakse kasutada professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tulenevate arusaamatuste või valesti mõistmiste eest.