README.md

🌐 Mitmekeelne tugi

Toetatud GitHub Action abil (automaatne ja alati ajakohane)

Araabia | Bengali | Bulgaaria | Burma (Myanmar) | Hiina (lihtsustatud) | Hiina (traditsiooniline, Hongkong) | Hiina (traditsiooniline, Macao) | 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 (kuulitsakulja) | Slovaki | Sloveeni | Hispaania | Suahiili | Rootsi | Tagalogi (Filipino) | Tamil | Telugu | Tai | Türgi | Ukraina | Urdu | Vietnam

Eelistad kloonida lokaalselt?

See hoidla sisaldab üle 50 keele tõlkeid, mis suurendavad allalaadimise mahtu. Kui soovid kloonida ilma tõlgeteta, kasuta sparse checkouti:

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"

See annab sulle kõik vajaliku kursuse läbimiseks palju kiiremalt.

Liitu meie kogukonnaga

Meil on Discordis käimas AI õppesari, saad rohkem teada ja liituda aadressil Learn with AI Series ajavahemikus 18.-30. september 2025. Õpid GitHub Copiloti kasutamise nippe andmeteaduses.

Masinõpe algajatele – õppekava

🌍 Reisime mööda maailma, uurides masinõpet maailma kultuuride kaudu 🌍

Microsofti Cloud Advocates pakuvad 12-nädalast, 26-loengust koosnevat õppekava, mis on pühendatud Masinõppele. Selles õppekavas õpid ehk kuidas ajada niiöelda klassikalist masinõpet, kasutades peamiselt Scikit-learn teeki ning vältides sügavat õppimist, mida käsitletakse meie AI algajate õppekavas. Paarita need õppetunnid ka meie 'Andmeteadus algajatele' õppekavaga!

Reisi meiega üle maailma, kui rakendame neid klassikalisi meetodeid paljude maailma piirkondade andmetele. Iga õppetund sisaldab eel- ja järelloengu viktoriine, kirjalikke juhiseid, lahendust, ülesannet ja muud. Meie projektipõhine pedagoogika võimaldab õppida praktiliselt, mis on tõestatud efektiivne viis uute oskuste omandamiseks.

✍️ 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

🙏 Eriti suur tänu 🙏 meie Microsofti tudengisaadikest autoritele, ülevaatajatele ja sisuloojatele, eelkõige Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ja Snigdha Agarwal

🤩 Tänu Microsofti tudengisaadikutele Eric Wanjau, Jasleen Sondhi ja Vidushi Gupta meie R loengute eest!

Alustamine

Järgi neid samme:

1. Forki hoidla: Klõpsa selle lehe paremas ülanurgas nuppu "Fork".
2. Klooni hoidla: git clone https://github.com/microsoft/ML-For-Beginners.git

Leia kursusega seotud lisamaterjalid meie Microsoft Learni kollektsioonist

🔧 Vajad abi? Vaata meie Probleemide lahendamise juhendit, kus on lahendused tavalistele paigaldus-, seadistus- ja loengute käivitamise probleemidele.

Õpilased, et kasutada seda õppekava, forkige kogu hoidla oma GitHubi kontole ja lahendage harjutused ise või grupis:

• Alusta eel-loengu viktoriiniga.
• Loe loengut ja tee ülesanded, peatu ning mõtiskle iga teadmiste kontrolli juures.
• Püüa projektid üles ehitada loenguid mõistes, mitte lahenduskoodi käivitades; lahendused on saadaval ka igas projektipõhises loengus kaustas /solution.
• Tee järel-loengu viktoriin.
• Lahenda väljakutse.
• Täida kodutöö.
• Pärast loengugrupi lõpetamist külasta Arutelufoorumit ja "õpi valjusti", täites sobiva PAT hindamismallija. PAT on Progressiivse Hindamise Tööriist, mida täites süvendad oma õppimist. Võid ka teiste PATide leidudele reageerida, et koos õppida.

Täiendava õppimise tarvis soovitame neid Microsoft Learn mooduleid ja õtearasid.

Õpetajad, oleme lisanud soovitused, kuidas seda õppekava kasutada.

---

Videokäigud

Mõned õppetunnid on saadaval lühivideotena. Saad neid vaadata õppetundide sees või ML algajate esitusloendist Microsofti arendaja YouTube kanalil pildil klõpsates.

---

Tutvu meeskonnaga

Gif autor Mohit Jaisal

🎥 Klõpsa ülaloleval pildil, et vaadata videot projekti ja selle loojate kohta!

---

Pedagoogika

Õppekava loomisel valisime kaks pedagoogilist põhimõtet: tagada, et see on praktiline projektipõhine ja sisaldab sagedasi viktoriine. Lisaks on õppekaval ühine teema, mis seob kogu sisu.

Sisu projektidega kooskõlla viimine muudab protsessi õpilastele kaasahaaravamaks ning suurendab kontseptsioonide meeldejäämist. Madala panusega viktoriin enne loengut seab õppijale sihi teemat omandada, teine viktoriin pärast loengut aitab teadmisi kinnistada. See õppekava on paindlik ja lõbus ning seda saab läbida tervikuna või osade kaupa. Projektid algavad väikeselt ja muutuvad 12-nädalase tsükli lõpus järjest keerulisemaks. Õppekava sisaldab ka järelmärget masinõppe reaalse maailma rakenduste kohta, mida saab kasutada lisapunktide saamiseks või arutelupõhisena.

Tutvu meie käitumisjuhisega, panustamise juhistega, tõlkimise juhistega ja probleemide lahendamise juhendiga. Hindame konstruktiivset tagasisidet!

Iga õppetund sisaldab

• vabatahtlik visandmärkmete leht
• vabatahtlik lisa-video
• videokäik (ainult mõne jaoks)
• eel-loengu soojendusviktoriin
• kirjalik õppetund
• projektipõhiste õppetundide puhul samm-sammult juhendid projekti ülesehitamiseks
• teadmiste kontroll
• väljakutse
• lisalugemine
• kodutöö
• järel-loengu viktoriin

Märk keeltest: Need õppetunnid on peamiselt kirjutatud Pythonis, kuid paljud on saadaval ka R-is. R-õppetunni läbimiseks minge kausta /solution ja otsige R-õppetunnid. Neil on .rmd laiendus, mis tähistab R Markdown faili, mida saab lihtsalt määratleda kui kooditükkide (R-i või teiste keelte) ja YAML päise (mis juhib, kuidas vormindada väljundeid nagu PDF) manustamist Markdown dokumendis. Seetõttu on see eeskujuks andmeteaduse autoriraamistiku jaoks, kuna võimaldab kombineerida koodi, selle väljundi ja oma mõtted, lubades need Markdownis kirja panna. Lisaks saab R Markdown dokumente renderdada väljundvormingutesse nagu PDF, HTML või Word.

Märk viktoriinide kohta: Kõik viktoriinid asuvad Quiz App kaustas, kokku 52 viktoriini, millest igaühes on kolm küsimust. Neid lingitakse õppetundide sees, kuid viktoriinirakendust saab käivitada ka kohapeal; järgige juhiseid quiz-app kaustas kohalikuks hostimiseks või Azure'i juurutamiseks.

Õppetunni number	Teema	Õppetunni grupeerimine	Õppe eesmärgid	Lingitud õppetund	Autor
01	Sissejuhatus masinõppesse	Sissejuhatus	Õppida masinõppe põhimõisteid	Õppetund	Muhammad
02	Masinõppe ajalugu	Sissejuhatus	Õppida selle valdkonna tausta puudutavat ajalugu	Õppetund	Jen ja Amy
03	Õiglus ja masinõpe	Sissejuhatus	Millised on olulised filosoofilised küsimused õiglusest, mida õpilased peaksid kaaluma masinõppemudelite ehitamisel ja kasutamisel?	Õppetund	Tomomi
04	Masinõppe tehnikad	Sissejuhatus	Milliseid tehnikaid kasutavad masinõppe uurijad mudelite loomiseks?	Õppetund	Chris ja Jen
05	Sissejuhatus regressiooni	Regressioon	Alustada Pythoniga ja Scikit-learniga regressioonimudelite puhul	Python • R	Jen • Eric Wanjau
06	Põhja-Ameerika kõrvitsa hinnad 🎃	Regressioon	Andmete visualiseerimine ja puhastamine masinõppeks valmistumiseks	Python • R	Jen • Eric Wanjau
07	Põhja-Ameerika kõrvitsa hinnad 🎃	Regressioon	Ehita lineaarsed ja polünoomsed regressioonimudelid	Python • R	Jen ja Dmitry • Eric Wanjau
08	Põhja-Ameerika kõrvitsa hinnad 🎃	Regressioon	Ehita logistiline regressioonimudel	Python • R	Jen • Eric Wanjau
09	Veebirakendus 🔌	Veebirakendus	Ehita veebirakendus treenitud mudeli kasutamiseks	Python	Jen
10	Sissejuhatus klassifikatsiooni	Klassifikatsioon	Puhasta, valmista ette ja visualiseeri andmeid; sissejuhatus klassifikatsiooni	Python • R	Jen ja Cassie • Eric Wanjau
11	Maitsvad Aasia ja India köögid 🍜	Klassifikatsioon	Sissejuhatus klassifikaatoritesse	Python • R	Jen ja Cassie • Eric Wanjau
12	Maitsvad Aasia ja India köögid 🍜	Klassifikatsioon	Rohkem klassifikaatoreid	Python • R	Jen ja Cassie • Eric Wanjau
13	Maitsvad Aasia ja India köögid 🍜	Klassifikatsioon	Ehita soovitusrakendus veebis oma mudeli põhjal	Python	Jen
14	Sissejuhatus klasterdamisse	Klasterdamine	Puhasta, valmista ette ja visualiseeri andmeid; sissejuhatus klasterdamisse	Python • R	Jen • Eric Wanjau
15	Nigeeria muusikamaitsete uurimine 🎧	Klasterdamine	Uuri K-Meansi klasterdamismeetodit	Python • R	Jen • Eric Wanjau
16	Sissejuhatus loomuliku keele töötlemisse ☕️	Loomuliku keele töötlemine	Õpi NLP baase, ehitades lihtsa boti	Python	Stephen
17	Tavalised NLP ülesanded ☕️	Loomuliku keele töötlemine	Süvenda teadmisi NLP-st, mõistes keelestruktuuride käsitlemisel vajaminevaid tavapäraseid ülesandeid	Python	Stephen
18	Tõlge ja sentimentide analüüs ♥️	Loomuliku keele töötlemine	Tõlge ja emotsioonianalüüs Jane Austeni tekstidega	Python	Stephen
19	Euroopa romantilised hotellid ♥️	Loomuliku keele töötlemine	Emotsioonianalüüs hotellikriitikatest 1	Python	Stephen
20	Euroopa romantilised hotellid ♥️	Loomuliku keele töötlemine	Emotsioonianalüüs hotellikriitikatest 2	Python	Stephen
21	Sissejuhatus ajaseeria ennustamisse	Ajaseeria	Sissejuhatus ajaseeria ennustamisse	Python	Francesca
22	⚡️ Maailma elektritarbimine ⚡️ - ajaseeria ennustamine ARIMA-ga	Ajaseeria	Ajaseeria ennustamine ARIMA meetodiga	Python	Francesca
23	⚡️ Maailma elektritarbimine ⚡️ - ajaseeria ennustamine SVR-ga	Ajaseeria	Ajaseeria ennustamine tugi-vektor regressiooniga	Python	Anirban
24	Sissejuhatus tugevdusõppesse	Tugevdusõpe	Sissejuhatus tugevdusõppesse Q-õppimise abil	Python	Dmitry
25	Aita Peteril hunti vältida! 🐺	Tugevdusõpe	Tugevdusõpe Gymiga	Python	Dmitry
Postscript	Masinõppe reaalsed stsenaariumid ja rakendused	ML metsikus looduses	Klassikalise masinõppe huvitavad ja valgustavad reaalsed rakendused	Õppetund	Meeskond
Postscript	Masinõppe mudelite silumine RAI juhtpaneeliga	ML metsikus looduses	Masinõppe mudelite silumine kasutades Responsible AI juhtpaneeli	Õppetund	Ruth Yakubu

leidke kõik selle kursuse lisamaterjalid meie Microsoft Learn kogus

Võrgust väljas juurdepääs

Seda dokumentatsiooni saab käitada ka võrguühenduseta, kasutades Docsify. Forkige see repo, installige Docsify oma kohalikusse masinasse ja seejärel tippige selle repo juurkaustas käsk docsify serve. Veebilehte serveeritakse pordil 3000 teie localhostil: localhost:3000.

PDF-id

Leidke õppekava pdf linkidega siit.

🎒 Teised kursused

Meie meeskond toodab ka teisi kursuseid! Vaadake:

LangChain

Azure / Edge / MCP / Agendid

---

Generatiivse tehisintellekti sari

---

Põhjalõimumine

---

Copiloti sari

Abi saamine

Kui jääd hätta või sul on küsimusi AI-rakenduste loomise kohta, liitu teiste õppijate ja kogenud arendajatega MCP teemalistes aruteludes. See on toetav kogukond, kus küsimused on teretulnud ja teadmisi jagatakse vabalt.

Kui sul on tootearenduse tagasisidet või ehitamise ajal ilmneb vigu, külasta:

Täiendavad õpi nõuanded

• Vaata õppetükkide järel märkmeid paremaks arusaamiseks üle.
• Harjuta algoritmide iseseisvat rakendamist.
• Uuri õpitud kontseptsioonide abil reaalse maailma andmekogumeid.

---

Tähelepanek:
See dokument on tõlgitud kasutades tehisintellekti tõlketeenust Co-op Translator. Kuigi püüame tagada täpsust, tuleb arvestada, et automatiseeritud tõlgetes võib esineda vigu või ebatäpsusi. Algne dokument selle emakeeles tuleks pidada autoriteetseks allikaks. Kriitilise tähtsusega teabe puhul soovitatakse kasutada professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tulenevate arusaamatuste või väärarusaamade eest.