README.md

🌐 Mitmekeelne tugi

Toetatuna GitHub Actioni kaudu (automatiseeritud ja alati ajakohane)

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 | Khmer | 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

Eelistate kloonida lokaalselt?

Käesolevas hoidlas on üle 50 keele tõlked, mis suurendavad oluliselt allalaadimise mahtu. Tõlketeta kloonimiseks kasutage altvalikut (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"

See annab teile kõik vajaliku kursuse läbimiseks palju kiirema allalaadimisega.

Liitu meie kogukonnaga

Meil on käimas Discordi õppesari tehisintellekti teemadel, lisateabe ja liitumise leiad aadressilt Learn with AI Series perioodil 18.–30. september 2025. Saad nõuandeid ja nippe GitHub Copiloti kasutamiseks andmeteaduses.

Masinõpe algajatele – õppekava

🌍 Rändame ümber maailma, uurides masinõpet maailma kultuuride kaudu 🌍

Microsofti Cloud Advocates on meeldiv pakkuda 12-nädalast, 26-õppetunnist koosnevat õppekava, mis käsitleb põhjalikult masinõpet. Selles õppekavas õpid nn klassikalist masinõpet, kasutades peamiselt Scikit-learn raamatukogu ja vältides süvaõpet, mida käsitletakse meie AI algajatele õppekava raames. Ühenda need õppetunnid koos meie 'Andmeteaduse algajatele' õppekavaga!

Rända meiega ümber maailma, rakendades neid klassikalisi tehnikaid andmetele paljudelt maailma aladelt. Iga õppetunni juurde kuuluvad eel- ja järeltestid, kirjalikud juhised ülesande täitmiseks, lahendus, kodutöö ja muud. Meie projektipõhine pedagoogika võimaldab õppida praktiliselt, mis on tõestatud viis uute oskuste kinnistumiseks.

✍️ Südamlik tänu autoritele Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ja Amy Boyd

🎨 Tänu ka illustratsioonide tegijatele Tomomi Imura, Dasani Madipalli ja Jen Looper

🙏 Eritänu meie Microsofti tudengisaadikute autoritele, arvustajatele 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!

Alustamine

Järgne neid samme:

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

leiad kõik selle kursuse lisamaterjalid meie Microsoft Learn kogust

🔧 Vajate abi? Vaadake meie Probleemide lahendamise juhendit, mis aitab paigaldamise, seadistamise ja õppetundide läbiviimisega seotud tavaküsimustes.

Õpilased, selle õppekava kasutamiseks palume kopeerida kogu hoidla oma GitHubi kontole ja lahendada harjutused individuaalselt või grupiga:

• Alustage eel-loengu testiga.
• Loe loeng läbi ja täida harjutused, tehke paus ning mõtisklege iga teadmistekontrolli juures.
• Püüa projektid luua, mõistes õppetunde, mitte lihtsalt lahenduskoodi jooksutades; lahenduskood on siiski saadaval mõlemas vastavas /solution kaustas projektipõhistes õppetundides.
• Tee järel-loengu test.
• Tee väljakutse.
• Täida kodutöö.
• Pärast õppegrupi lõpetamist külasta Arutelufoorumit ja "õpi valjult" vastava PAT hindamislehekülje täitmisega. PAT (Progress Assessment Tool) on hinnangutabel, mida täites edendad oma õppimist. Samuti saad teiste PAT-e kommenteerida, et üheskoos õppida.

Täiendavaks õppimiseks soovitame neid Microsoft Learn mooduleid ja õpperadasid.

Õpetajad, oleme lisanud soovitusi selle õppekava kasutamiseks.

---

Videojuhendid

Mõned õppetunnid on saadaval lühivideotena. Need leiad kõik õppetundide seest või Microsofti arendajate YouTube’i kanali ML for Beginners playlistist pildi pealt klõpsates.

---

Tutvu meeskonnaga

Gif autor: Mohit Jaisal

🎥 Klõpsa ülalolevat pilti, et vaadata videot projektist ja selle loojatest!

---

Pedagoogika

Selle õppekava loomisel oleme valinud kaks pedagoogilist põhimõtet: tagada praktiline, projektipõhine õppimine ja kaasata sagedased testid. Lisaks on õppekaval ühine teema, mis annab terviklikkuse.

Tagades sisule vastavuse projektidele, muutub protsess õppijate jaoks kaasahaaravamaks ja kontseptsioonide meeldejätmine paraneb. Madala panusega test enne tundi seab õppija jaoks õppimiseesmärgi, teine test pärast tundi kindlustab materjali parema kinnistumise. See õppekava on paindlik ja lõbus ning seda saab võtta nii tervikuna kui ka osadena. Projektid algavad lihtsatest ja muutuvad 12-nädalase tsükli lõpuks üha keerukamaks. Õppekava lõpus on ka lisateave masinõppe reaalse maailma rakenduste kohta, mida saab kasutada lisatööna või arutelude alustamiseks.

Leia meie käitumisjuhend, panustamise juhised, tõlketöö juhendid ja probleemide lahendamise materjalid. Ootame konstruktiivset tagasisidet!

Iga õppetund sisaldab

• vabatahtlikku visandit
• vabatahtlikku lisavideot
• videojuhendit (ainult osa õppetundidest)
• eel-loengu soojendustesti
• kirjalikku õppetundi
• projektipõhistes õppetundides samm-sammult juhiseid projekti koostamiseks
• teadmistekontrolle
• väljakutset
• lisalugemist
• kodutööd
• järel-loengu testi

Märkus keeltest: Need õppetunnid on peamiselt kirjutatud Pythonis, kuid paljud on saadaval ka R-is. R-õppetunni lõpetamiseks minge /solution kausta ja otsige R-õppetunde. Nende failinime laiend on .rmd, mis tähistab R Markdowni faili, mida võib lihtsalt määratleda kui koodiplokkide (R või teiste keelte) ja YAML päise (mis juhendab, kuidas vormindada väljundit nagu PDF) manustamist Markdown dokumendis. Sellisena toimib see näidismodellina andmeteaduse jaoks, kuna võimaldab teil kombineerida oma koodi, selle väljundi ja oma mõtted, lubades teil neid Markdownis kirja panna. Veelgi enam, R Markdowni dokumente saab renderdada väljundvormingutes nagu PDF, HTML või Word.

Märkus viktoriinide kohta: Kõik viktoriinid asuvad Quiz App kaustas, kokku 52 viktoriini, igaühes kolm küsimust. Nendele on viidatud õppetundides, kuid viktoriinirakendust saab käivitada ka lokaalselt; järgige juhiseid quiz-app kaustas lokaalseks majutamiseks või Azure’i kasutuselevõtuks.

Õppetunni number	Teema	Õppetunni rühm	Õpitulemused	Seotud õppetund	Autor
01	Sissejuhatus masinõppesse	Sissejuhatus	Õppige masinõppe põhikontseptsioone	Õppetund	Muhammad
02	Masinõppe ajalugu	Sissejuhatus	Õppige selle valdkonna ajalugu	Õppetund	Jen ja Amy
03	Õiglus ja masinõpe	Sissejuhatus	Millised on õiglust puudutavad olulised filosoofilised küsimused, mida õpilased peaksid arvestama masinõppemudelite loomisel ja rakendamisel?	Õppetund	Tomomi
04	Masinõppe tehnikad	Sissejuhatus	Milliseid tehnikaid kasutavad masinõppe uurijad masinõppemudelite ehitamiseks?	Õppetund	Chris ja Jen
05	Sissejuhatus regressiooni	Regressioon	Alustage Pythoni ja Scikit-learniga regressioonimudelite jaoks	Python • R	Jen • Eric Wanjau
06	Põhja-Ameerika kõrvitsahinnad 🎃	Regressioon	Andmete visualiseerimine ja puhastamine masinõppeks valmistumiseks	Python • R	Jen • Eric Wanjau
07	Põhja-Ameerika kõrvitsahinnad 🎃	Regressioon	Looge lineaarsed ja polünoomsed regressioonimudelid	Python • R	Jen ja Dmitry • Eric Wanjau
08	Põhja-Ameerika kõrvitsahinnad 🎃	Regressioon	Looge logistilise regressiooni mudel	Python • R	Jen • Eric Wanjau
09	Veebirakendus 🔌	Veebirakendus	Looge veebirakendus koolitatud mudeli kasutamiseks	Python	Jen
10	Sissejuhatus klassifitseerimisse	Klassifitseerimine	Puhastage, valmistage ette ja visualiseerige oma andmeid; sissejuhatus klassifitseerimisse	Python • R	Jen ja Cassie • Eric Wanjau
11	Maitsvad Aasia ja India köögid 🍜	Klassifitseerimine	Sissejuhatus klassifikaatoritesse	Python • R	Jen ja Cassie • Eric Wanjau
12	Maitsvad Aasia ja India köögid 🍜	Klassifitseerimine	Rohkem klassifikaatoreid	Python • R	Jen ja Cassie • Eric Wanjau
13	Maitsvad Aasia ja India köögid 🍜	Klassifitseerimine	Ehitage oma mudelit kasutav soovitusrakendus	Python	Jen
14	Sissejuhatus klasterdamisse	Klasterdamine	Puhastage, valmistage ette ja visualiseerige andmeid; sissejuhatus klasterdamisse	Python • R	Jen • Eric Wanjau
15	Uuringus Nigeriast pärit muusikamaitse 🎧	Klasterdamine	Uurige K-Means klasterdamismeetodit	Python • R	Jen • Eric Wanjau
16	Sissejuhatus loomuliku keele töötlemisse ☕️	Loomuliku keele töötlemine	Õppige NLP aluseid, luues lihtsa boti	Python	Stephen
17	Levinumad NLP ülesanded ☕️	Loomuliku keele töötlemine	Süvendage NLP teadmisi, mõistes keelestruktuuridega tegelemisel vajalikke tavapäraseid ülesandeid	Python	Stephen
18	Tõlkimine ja sentimentide analüüs ♥️	Loomuliku keele töötlemine	Tõlkimine ja sentimentide analüüs Jane Austeni tekstide alusel	Python	Stephen
19	Euroopas asuvad romantilised hotellid ♥️	Loomuliku keele töötlemine	Sentimentide analüüs hotellikriitikatest 1	Python	Stephen
20	Euroopas asuvad romantilised hotellid ♥️	Loomuliku keele töötlemine	Sentimentide analüüs hotellikriitikatest 2	Python	Stephen
21	Sissejuhatus ajasarja prognoosimisse	Ajasari	Sissejuhatus ajasarja prognoosimisse	Python	Francesca
22	⚡️ Maailma elektritarbimine ⚡️ - ARIMA ajasarja prognoosimine	Ajasari	Ajasarja prognoosimine ARIMA meetodiga	Python	Francesca
23	⚡️ Maailma elektritarbimine ⚡️ - SVR ajasarja prognoosimine	Ajasari	Ajasarja prognoosimine tugivektorregressori abil	Python	Anirban
24	Sissejuhatus tugevdusõppesse	Tugevdusõpe	Sissejuhatus tugevdusõppesse Q-Learningu abil	Python	Dmitry
25	Aita Peteril hundi eest pääseda! 🐺	Tugevdusõpe	Tugevdusõppe Gym	Python	Dmitry
Järelkiri	Masinõppe reaalse maailma stsenaariumid ja rakendused	Masinõpe looduses	Huvitavad ja paljastavad masinõppe klassikalised rakendused reaalses maailmas	Õppetund	Meeskond
Järelkiri	Masinõppemudelite silumine RAI juhtpaneeli abil	Masinõpe looduses	Masinõppemudelite silumine vastutustundliku tehisintellekti juhtpaneeli komponentide abil	Õppetund	Ruth Yakubu

leidke selle kursuse lisamaterjale meie Microsoft Learn kollektsioonist

Võimalus kasutada võrguühenduseta

Selle dokumentatsiooni saate võrguühenduseta käivitada, kasutades Docsify. Forkige see hoidla, installige Docsify oma kohalikule arvutile ja siis tippige selle hoidla juurkaustas käsk docsify serve. Veebisait serveeritakse pordil 3000 teie lokaalarvutis: localhost:3000.

PDF-id

Leidke õppekava PDF koos linkidega siit.

🎒 Teised kursused

Meie meeskond toodab ka teisi kursuseid! Vaadake:

LangChain

Azure / Edge / MCP / Agendid

---

Generatiivse tehisintellekti sari

---

Põhiline õppimine

---

Copiloti sari

Abi saamine

Kui sa jään kinni või sul on küsimusi tehisintellekti rakenduste loomise kohta, liitu teiste õppurite ja kogenud arendajatega MCP teemalistes aruteludes. See on toetav kogukond, kus küsimused on teretulnud ja teadmisi jagatakse vabalt.

Kui sul on toodete kohta tagasisidet või ehitamise ajal esineb vigu, külasta:

Lisanduvad õppimisnipid

• Vaata õppetundide järel märkmeid parema arusaamise nimel.
• Harjuta algoritmide iseseisvat rakendamist.
• Uuri õpitud kontseptsioonide abil reaalseid andmekogumeid.

---

Vastutusest loobumine: See dokument on tõlgitud tehisintellekti tõlketeenuse Co-op Translator abil. Kuigi püüame täpsust, tuleb arvestada, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Algne dokument selle emakeeles tuleks pidada usaldusväärseks allikaks. Olulise teabe puhul soovitatakse kasutada professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tulenevate arusaamatuste või valesti mõistmiste eest.