README.md

🌐 Podrška za više jezika

Podržano putem GitHub Action (Automatizirano i uvijek ažurirano)

Arapski | Bengalski | Bugarski | Burmanski (Mjanmar) | Kineski (pojednostavljeni) | Kineski (tradicionalni, Hong Kong) | Kineski (tradicionalni, Makao) | Kineski (tradicionalni, Tajvan) | Hrvatski | Češki | Danski | Nizozemski | Estonski | Finski | Francuski | Njemački | Grčki | Hebrejski | Hindski | Mađarski | Indonezijski | Talijanski | Japanski | Korejski | Litvanski | Malajski | Marathi | Nepalski | Nigerijski pidžin | Norveški | Perzijski (Farsi) | Poljski | Portugalski (Brazil) | Portugalski (Portugal) | Pandžapski (Gurmukhi) | Rumunjski | Ruski | Srpski (ćirilica) | Slovački | Slovenski | Španjolski | Svahili | Švedski | Tagalog (Filipinski) | Tamilski | Tajlandski | Turski | Ukrajinski | Urdu | Vijetnamski

Pridružite se našoj zajednici

Imamo seriju učenja s AI-jem na Discordu, saznajte više i pridružite nam se na Learn with AI Series od 18. do 30. rujna 2025. Dobit ćete savjete i trikove za korištenje GitHub Copilota za Data Science.

Strojno učenje za početnike - Kurikulum

🌍 Putujte svijetom dok istražujemo strojno učenje kroz svjetske kulture 🌍

Cloud Advocates u Microsoftu s ponosom nude 12-tjedni, 26-lekcijski kurikulum o strojnom učenju. U ovom kurikulumu naučit ćete o onome što se ponekad naziva klasično strojno učenje, koristeći prvenstveno Scikit-learn kao biblioteku i izbjegavajući duboko učenje, koje je pokriveno u našem AI za početnike kurikulumu. Uparite ove lekcije s našim kurikulumom 'Data Science za početnike', također!

Putujte s nama svijetom dok primjenjujemo ove klasične tehnike na podatke iz mnogih dijelova svijeta. Svaka lekcija uključuje kvizove prije i nakon lekcije, pisane upute za dovršavanje lekcije, rješenje, zadatak i još mnogo toga. Naša metodologija temeljena na projektima omogućuje vam učenje dok gradite, što je dokazano učinkovit način za usvajanje novih vještina.

✍️ Veliko hvala našim autorima Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu i Amy Boyd

🎨 Također hvala našim ilustratorima Tomomi Imura, Dasani Madipalli i Jen Looper

🙏 Posebna zahvala 🙏 našim Microsoft Student Ambassador autorima, recenzentima i suradnicima na sadržaju, posebno Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila i Snigdha Agarwal

🤩 Posebna zahvalnost Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi i Vidushi Gupta za naše R lekcije!

Početak

Slijedite ove korake:

1. Forkajte repozitorij: Kliknite na gumb "Fork" u gornjem desnom kutu ove stranice.
2. Klonirajte repozitorij: git clone https://github.com/microsoft/ML-For-Beginners.git

pronađite sve dodatne resurse za ovaj tečaj u našoj Microsoft Learn kolekciji

🔧 Trebate pomoć? Pogledajte naš Vodič za rješavanje problema za rješenja uobičajenih problema s instalacijom, postavljanjem i izvođenjem lekcija.

Studenti, za korištenje ovog kurikuluma, forkajte cijeli repo na svoj GitHub račun i dovršite vježbe sami ili u grupi:

• Započnite s kvizom prije predavanja.
• Pročitajte predavanje i dovršite aktivnosti, zaustavljajući se i razmišljajući na svakom provjeravanju znanja.
• Pokušajte stvoriti projekte razumijevajući lekcije umjesto pokretanja koda rješenja; međutim, taj kod je dostupan u /solution mapama u svakoj lekciji temeljenoj na projektima.
• Riješite kviz nakon predavanja.
• Dovršite izazov.
• Dovršite zadatak.
• Nakon završetka grupe lekcija, posjetite Diskusijsku ploču i "učite naglas" ispunjavanjem odgovarajuće PAT rubrike. 'PAT' je alat za procjenu napretka koji je rubrika koju ispunjavate kako biste dodatno unaprijedili svoje učenje. Također možete reagirati na druge PAT-ove kako bismo učili zajedno.

Za daljnje učenje, preporučujemo praćenje ovih Microsoft Learn modula i putanja učenja.

Nastavnici, uključili smo neke prijedloge o tome kako koristiti ovaj kurikulum.

---

Video vodiči

Neke od lekcija dostupne su kao kratki videozapisi. Sve ih možete pronaći unutar lekcija ili na ML za početnike playlisti na Microsoft Developer YouTube kanalu klikom na sliku ispod.

---

Upoznajte tim

Gif by Mohit Jaisal

🎥 Kliknite na sliku iznad za video o projektu i ljudima koji su ga stvorili!

---

Pedagogija

Odabrali smo dva pedagoška načela pri izradi ovog kurikuluma: osigurati da je praktičan temeljen na projektima i da uključuje česte kvizove. Osim toga, ovaj kurikulum ima zajedničku temu kako bi mu dao koheziju.

Osiguravanjem da sadržaj odgovara projektima, proces postaje zanimljiviji za studente, a zadržavanje koncepata se povećava. Osim toga, kviz s niskim ulogom prije predavanja usmjerava namjeru studenta prema učenju teme, dok drugi kviz nakon predavanja osigurava daljnje zadržavanje. Ovaj kurikulum je dizajniran da bude fleksibilan i zabavan te se može uzeti u cijelosti ili djelomično. Projekti započinju malim koracima i postaju sve složeniji do kraja 12-tjednog ciklusa. Ovaj kurikulum također uključuje dodatak o stvarnim primjenama strojnog učenja, koji se može koristiti kao dodatni zadatak ili kao osnova za raspravu.

Pronađite naš Kodeks ponašanja, Doprinos, Prijevod i Rješavanje problema smjernice. Pozdravljamo vaše konstruktivne povratne informacije!

Svaka lekcija uključuje

• opcionalni sketchnote
• opcionalni dodatni video
• video vodič (samo neke lekcije)
• kviz za zagrijavanje prije predavanja
• pisanu lekciju
• za lekcije temeljene na projektima, vodiče korak po korak kako izraditi projekt
• provjere znanja
• izazov
• dodatno čitanje
• zadatak
• kviz nakon predavanja

Napomena o jezicima: Ove lekcije su prvenstveno napisane u Pythonu, ali mnoge su također dostupne u R-u. Za dovršavanje R lekcije, idite u /solution mapu i potražite R lekcije. One uključuju .rmd ekstenziju koja predstavlja R Markdown datoteku koja se može jednostavno definirati kao ugradnja code chunks (R ili drugih jezika) i YAML header (koji vodi kako formatirati izlaze poput PDF-a) u Markdown dokument. Kao takva, služi kao primjeran okvir za autorstvo u znanosti o podacima jer vam omogućuje kombiniranje vašeg koda, njegovog izlaza i vaših misli omogućujući vam da ih zapišete u Markdownu. Štoviše, R Markdown dokumenti mogu se prikazati u izlaznim formatima poput PDF-a, HTML-a ili Worda.

Napomena o kvizovima: Svi kvizovi nalaze se u Quiz App folder, ukupno 52 kviza s po tri pitanja. Povezani su unutar lekcija, ali aplikacija za kviz može se pokrenuti lokalno; slijedite upute u quiz-app mapi za lokalno hostanje ili implementaciju na Azure.

Broj lekcije	Tema	Grupiranje lekcija	Ciljevi učenja	Povezana lekcija	Autor
01	Uvod u strojno učenje	Uvod	Naučite osnovne pojmove strojnog učenja	Lekcija	Muhammad
02	Povijest strojnog učenja	Uvod	Naučite povijest ovog područja	Lekcija	Jen i Amy
03	Pravednost i strojno učenje	Uvod	Koja su važna filozofska pitanja o pravednosti koja studenti trebaju razmotriti pri izradi i primjeni ML modela?	Lekcija	Tomomi
04	Tehnike strojnog učenja	Uvod	Koje tehnike istraživači koriste za izradu ML modela?	Lekcija	Chris i Jen
05	Uvod u regresiju	Regresija	Počnite s Pythonom i Scikit-learnom za regresijske modele	Python • R	Jen • Eric Wanjau
06	Cijene bundeva u Sjevernoj Americi 🎃	Regresija	Vizualizirajte i očistite podatke za pripremu za ML	Python • R	Jen • Eric Wanjau
07	Cijene bundeva u Sjevernoj Americi 🎃	Regresija	Izradite linearne i polinomske regresijske modele	Python • R	Jen i Dmitry • Eric Wanjau
08	Cijene bundeva u Sjevernoj Americi 🎃	Regresija	Izradite logistički regresijski model	Python • R	Jen • Eric Wanjau
09	Web aplikacija 🔌	Web aplikacija	Izradite web aplikaciju za korištenje vašeg treniranog modela	Python	Jen
10	Uvod u klasifikaciju	Klasifikacija	Očistite, pripremite i vizualizirajte svoje podatke; uvod u klasifikaciju	Python • R	Jen i Cassie • Eric Wanjau
11	Ukusna azijska i indijska kuhinja 🍜	Klasifikacija	Uvod u klasifikatore	Python • R	Jen i Cassie • Eric Wanjau
12	Ukusna azijska i indijska kuhinja 🍜	Klasifikacija	Više klasifikatora	Python • R	Jen i Cassie • Eric Wanjau
13	Ukusna azijska i indijska kuhinja 🍜	Klasifikacija	Izradite web aplikaciju preporuka koristeći svoj model	Python	Jen
14	Uvod u klasteriranje	Klasteriranje	Očistite, pripremite i vizualizirajte svoje podatke; uvod u klasteriranje	Python • R	Jen • Eric Wanjau
15	Istraživanje glazbenih ukusa Nigerije 🎧	Klasteriranje	Istražite metodu K-Means klasteriranja	Python • R	Jen • Eric Wanjau
16	Uvod u obradu prirodnog jezika ☕️	Obrada prirodnog jezika	Naučite osnove NLP-a izradom jednostavnog bota	Python	Stephen
17	Uobičajeni NLP zadaci ☕️	Obrada prirodnog jezika	Produbite svoje znanje o NLP-u razumijevanjem uobičajenih zadataka vezanih uz jezične strukture	Python	Stephen
18	Prijevod i analiza sentimenta ♥️	Obrada prirodnog jezika	Prijevod i analiza sentimenta s Jane Austen	Python	Stephen
19	Romantični hoteli Europe ♥️	Obrada prirodnog jezika	Analiza sentimenta s recenzijama hotela 1	Python	Stephen
20	Romantični hoteli Europe ♥️	Obrada prirodnog jezika	Analiza sentimenta s recenzijama hotela 2	Python	Stephen
21	Uvod u predviđanje vremenskih serija	Vremenske serije	Uvod u predviđanje vremenskih serija	Python	Francesca
22	⚡️ Svjetska potrošnja energije ⚡️ - predviđanje s ARIMA	Vremenske serije	Predviđanje vremenskih serija s ARIMA	Python	Francesca
23	⚡️ Svjetska potrošnja energije ⚡️ - predviđanje s SVR	Vremenske serije	Predviđanje vremenskih serija s Support Vector Regressor	Python	Anirban
24	Uvod u učenje pojačanjem	Učenje pojačanjem	Uvod u učenje pojačanjem s Q-Learning	Python	Dmitry
25	Pomozite Peteru izbjeći vuka! 🐺	Učenje pojačanjem	Učenje pojačanjem s Gym	Python	Dmitry
Postscript	Stvarni scenariji i primjene ML-a	ML u stvarnom svijetu	Zanimljive i otkrivajuće stvarne primjene klasičnog ML-a	Lekcija	Tim
Postscript	Debugging modela u ML-u pomoću RAI nadzorne ploče	ML u stvarnom svijetu	Debugging modela u strojnome učenju pomoću komponenti odgovorne AI nadzorne ploče	Lekcija	Ruth Yakubu

pronađite sve dodatne resurse za ovaj tečaj u našoj Microsoft Learn kolekciji

Offline pristup

Možete koristiti ovu dokumentaciju offline pomoću Docsify. Forkajte ovaj repo, instalirajte Docsify na svom lokalnom računalu, a zatim u glavnoj mapi ovog repozitorija upišite docsify serve. Web stranica će biti dostupna na portu 3000 na vašem localhostu: localhost:3000.

PDF-ovi

Pronađite PDF kurikuluma s poveznicama ovdje.

🎒 Ostali tečajevi

Naš tim proizvodi i druge tečajeve! Pogledajte:

Azure / Edge / MCP / Agenti

---

Generativni AI serijal

---

Osnovno učenje

---

Copilot Serija

Dobivanje pomoći

Ako zapnete ili imate pitanja o izradi AI aplikacija, pridružite se zajednici učenika i iskusnih programera u raspravama o MCP-u. To je podržavajuća zajednica gdje su pitanja dobrodošla, a znanje se slobodno dijeli.

Ako imate povratne informacije o proizvodu ili naiđete na greške tijekom izrade, posjetite:

---

Odricanje od odgovornosti:
Ovaj dokument je preveden pomoću AI usluge za prevođenje Co-op Translator. Iako težimo točnosti, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati mjerodavnim izvorom. Za ključne informacije preporučuje se profesionalni prijevod od strane čovjeka. Ne preuzimamo odgovornost za bilo kakve nesporazume ili pogrešne interpretacije proizašle iz korištenja ovog prijevoda.