diff --git a/translations/lt/.co-op-translator.json b/translations/lt/.co-op-translator.json new file mode 100644 index 00000000..8cb1162d --- /dev/null +++ b/translations/lt/.co-op-translator.json @@ -0,0 +1,398 @@ +{ + "AGENTS.md": { + "original_hash": "6b11a37115944252ab3ed04e358d830d", + "translation_date": "2025-10-03T09:32:51+00:00", + "source_file": "AGENTS.md", + "language_code": "lt" + }, + "README.md": { + "original_hash": "1984fc89dd304a8a33ab5584691a99aa", + "translation_date": "2026-01-30T02:49:35+00:00", + "source_file": "README.md", + "language_code": "lt" + }, + "SECURITY.md": { + "original_hash": "a583f49d359c7ebba61433e4dfcd05a9", + "translation_date": "2025-08-31T17:30:09+00:00", + "source_file": "SECURITY.md", + "language_code": "lt" + }, + "etc/CODE_OF_CONDUCT.md": { + "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56", + "translation_date": "2025-08-31T18:04:59+00:00", + "source_file": "etc/CODE_OF_CONDUCT.md", + "language_code": "lt" + }, + "etc/CONTRIBUTING.md": { + "original_hash": "847a587aa1b83f4d00858183ff3ed18a", + "translation_date": "2025-08-31T18:04:45+00:00", + "source_file": "etc/CONTRIBUTING.md", + "language_code": "lt" + }, + "etc/Mindmap.md": { + "original_hash": "f2f88dbd2debd38e26149b27b1fd272d", + "translation_date": "2025-08-31T18:04:01+00:00", + "source_file": "etc/Mindmap.md", + "language_code": "lt" + }, + "etc/SUPPORT.md": { + "original_hash": "fdfc08baee91e402938a2b1f94fe0949", + "translation_date": "2025-08-31T18:02:56+00:00", + "source_file": "etc/SUPPORT.md", + "language_code": "lt" + }, + "etc/TRANSLATIONS.md": { + "original_hash": "62b3e3ad5182edb905eec649a87eeeb4", + "translation_date": "2025-08-31T18:04:31+00:00", + "source_file": "etc/TRANSLATIONS.md", + "language_code": "lt" + }, + "etc/quiz-app/README.md": { + "original_hash": "d699cf8509f74baa5b0b838de5cf0662", + "translation_date": "2025-08-31T18:05:17+00:00", + "source_file": "etc/quiz-app/README.md", + "language_code": "lt" + }, + "examples/README.md": { + "original_hash": "0d1babfdcbeb46525f2db3fbaaa54cd7", + "translation_date": "2025-10-03T11:35:44+00:00", + "source_file": "examples/README.md", + "language_code": "lt" + }, + "lessons/0-course-setup/for-teachers.md": { + "original_hash": "a094ef9927883de1cfcee51dbd143381", + "translation_date": "2025-08-31T17:33:36+00:00", + "source_file": "lessons/0-course-setup/for-teachers.md", + "language_code": "lt" + }, + "lessons/0-course-setup/how-to-run.md": { + "original_hash": "a4717bd9103b9f6cd84d534b83534689", + "translation_date": "2026-01-16T06:50:56+00:00", + "source_file": "lessons/0-course-setup/how-to-run.md", + "language_code": "lt" + }, + "lessons/0-course-setup/setup.md": { + "original_hash": "7b4e5b8956915870d0a0ed3cc5890042", + "translation_date": "2025-12-12T20:29:11+00:00", + "source_file": "lessons/0-course-setup/setup.md", + "language_code": "lt" + }, + "lessons/1-Intro/README.md": { + "original_hash": "f57e8aa46141fd220b16ffed8f11aec7", + "translation_date": "2025-11-18T22:15:53+00:00", + "source_file": "lessons/1-Intro/README.md", + "language_code": "lt" + }, + "lessons/1-Intro/assignment.md": { + "original_hash": "a334df77a82aaaf2a29c77065d3e481e", + "translation_date": "2025-11-18T22:17:47+00:00", + "source_file": "lessons/1-Intro/assignment.md", + "language_code": "lt" + }, + "lessons/2-Symbolic/README.md": { + "original_hash": "f9f06b266b8b2bfc6b8792ff2bb1bea4", + "translation_date": "2026-01-16T06:52:39+00:00", + "source_file": "lessons/2-Symbolic/README.md", + "language_code": "lt" + }, + "lessons/2-Symbolic/assignment.md": { + "original_hash": "a057a8604f3976c3e309884453f1fad0", + "translation_date": "2025-08-31T17:46:20+00:00", + "source_file": "lessons/2-Symbolic/assignment.md", + "language_code": "lt" + }, + "lessons/3-NeuralNetworks/03-Perceptron/README.md": { + "original_hash": "c34cbba802058b6fa267e1a294d4e510", + "translation_date": "2025-09-23T15:47:37+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/README.md", + "language_code": "lt" + }, + "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md": { + "original_hash": "ba5d1eb353d20d3e7181066b3c424b99", + "translation_date": "2025-08-31T17:50:49+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md", + "language_code": "lt" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/README.md": { + "original_hash": "789d6c3fb6fc7948a470b33078a5983a", + "translation_date": "2025-09-23T15:47:13+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/README.md", + "language_code": "lt" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md": { + "original_hash": "48fdd704d483e19bc3d7464074c9fcbe", + "translation_date": "2025-08-31T17:50:03+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md", + "language_code": "lt" + }, + "lessons/3-NeuralNetworks/05-Frameworks/README.md": { + "original_hash": "ddd216f558a255260a9374008002c971", + "translation_date": "2025-09-23T15:47:56+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/README.md", + "language_code": "lt" + }, + "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md": { + "original_hash": "e452d897efb9a89700f41021834cf6e5", + "translation_date": "2025-08-31T17:52:05+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md", + "language_code": "lt" + }, + "lessons/3-NeuralNetworks/README.md": { + "original_hash": "f862a99d88088163df12270e2f2ad6c3", + "translation_date": "2025-10-03T12:55:16+00:00", + "source_file": "lessons/3-NeuralNetworks/README.md", + "language_code": "lt" + }, + "lessons/4-ComputerVision/06-IntroCV/README.md": { + "original_hash": "feeca98225cb420afc89415f24f63d92", + "translation_date": "2025-09-23T15:42:49+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/README.md", + "language_code": "lt" + }, + "lessons/4-ComputerVision/06-IntroCV/lab/README.md": { + "original_hash": "3d53d6409f80970f7281a45dee35328a", + "translation_date": "2025-08-31T17:40:00+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/lab/README.md", + "language_code": "lt" + }, + "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md": { + "original_hash": "53faab85adfcebd8c10bcd71dc2fa557", + "translation_date": "2025-09-23T15:42:03+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md", + "language_code": "lt" + }, + "lessons/4-ComputerVision/07-ConvNets/README.md": { + "original_hash": "a560d5b845962cf33dc102266e409568", + "translation_date": "2025-09-23T15:41:50+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/README.md", + "language_code": "lt" + }, + "lessons/4-ComputerVision/07-ConvNets/lab/README.md": { + "original_hash": "b70fcf7fcee862990f848c679090943f", + "translation_date": "2025-10-03T14:58:48+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/README.md", + "language_code": "lt" + }, + "lessons/4-ComputerVision/08-TransferLearning/README.md": { + "original_hash": "178c0b5ee5395733eb18aec51e71a0a9", + "translation_date": "2025-09-23T15:42:22+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/README.md", + "language_code": "lt" + }, + "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md": { + "original_hash": "ae074cd940fc2f4dc24fc07b66ccbd99", + "translation_date": "2025-08-31T17:38:07+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md", + "language_code": "lt" + }, + "lessons/4-ComputerVision/08-TransferLearning/lab/README.md": { + "original_hash": "7765935c35fcee69b9fe2d0cfd6963e2", + "translation_date": "2025-08-31T17:38:50+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/lab/README.md", + "language_code": "lt" + }, + "lessons/4-ComputerVision/09-Autoencoders/README.md": { + "original_hash": "1b8d9e1b3a6f1daa864b1ff3dfc3076d", + "translation_date": "2025-09-23T15:44:06+00:00", + "source_file": "lessons/4-ComputerVision/09-Autoencoders/README.md", + "language_code": "lt" + }, + "lessons/4-ComputerVision/10-GANs/README.md": { + "original_hash": "0ff65b4da07b23697235de2beb2a3c25", + "translation_date": "2025-09-23T15:44:54+00:00", + "source_file": "lessons/4-ComputerVision/10-GANs/README.md", + "language_code": "lt" + }, + "lessons/4-ComputerVision/11-ObjectDetection/README.md": { + "original_hash": "d76a7eda28de5210c8b1ba50a6216c69", + "translation_date": "2025-09-23T15:43:25+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/README.md", + "language_code": "lt" + }, + "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md": { + "original_hash": "ad568d55ae65c856fe929fc2b278510a", + "translation_date": "2025-08-31T17:41:29+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md", + "language_code": "lt" + }, + "lessons/4-ComputerVision/12-Segmentation/README.md": { + "original_hash": "6568aaae7e0e4afed4b5d74b5b223700", + "translation_date": "2025-09-23T15:44:33+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/README.md", + "language_code": "lt" + }, + "lessons/4-ComputerVision/12-Segmentation/lab/README.md": { + "original_hash": "365f0decfe0f47b460bbde8227c5009d", + "translation_date": "2025-08-31T17:43:02+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/lab/README.md", + "language_code": "lt" + }, + "lessons/4-ComputerVision/README.md": { + "original_hash": "58a52f000089c1d8906a4daa4ab1169b", + "translation_date": "2025-08-31T17:35:32+00:00", + "source_file": "lessons/4-ComputerVision/README.md", + "language_code": "lt" + }, + "lessons/5-NLP/13-TextRep/README.md": { + "original_hash": "dbd3f73e4139f030ecb2e20387d70fee", + "translation_date": "2025-09-23T15:51:18+00:00", + "source_file": "lessons/5-NLP/13-TextRep/README.md", + "language_code": "lt" + }, + "lessons/5-NLP/13-TextRep/assignment.md": { + "original_hash": "cdc1f2e631f055f3473b36d18e4760b3", + "translation_date": "2025-08-31T18:02:45+00:00", + "source_file": "lessons/5-NLP/13-TextRep/assignment.md", + "language_code": "lt" + }, + "lessons/5-NLP/14-Embeddings/README.md": { + "original_hash": "b708c9b85b833864c73c6281f1e6b96e", + "translation_date": "2025-09-23T15:50:57+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/README.md", + "language_code": "lt" + }, + "lessons/5-NLP/14-Embeddings/assignment.md": { + "original_hash": "bc690ecf68b38d311cc9e12f3144a28c", + "translation_date": "2025-08-31T18:01:29+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/assignment.md", + "language_code": "lt" + }, + "lessons/5-NLP/15-LanguageModeling/README.md": { + "original_hash": "7ba20f54a5bfcd6521018cdfb17c7c57", + "translation_date": "2025-09-23T15:49:01+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/README.md", + "language_code": "lt" + }, + "lessons/5-NLP/15-LanguageModeling/lab/README.md": { + "original_hash": "5130f01fdc5ebb83032b23d489027aac", + "translation_date": "2025-08-31T17:56:45+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/lab/README.md", + "language_code": "lt" + }, + "lessons/5-NLP/16-RNN/README.md": { + "original_hash": "e2273cc150380a5e191903cea858f021", + "translation_date": "2025-09-23T15:50:23+00:00", + "source_file": "lessons/5-NLP/16-RNN/README.md", + "language_code": "lt" + }, + "lessons/5-NLP/16-RNN/assignment.md": { + "original_hash": "47f7d3c6a5373543e051e4d1140ce898", + "translation_date": "2025-08-31T18:00:42+00:00", + "source_file": "lessons/5-NLP/16-RNN/assignment.md", + "language_code": "lt" + }, + "lessons/5-NLP/17-GenerativeNetworks/README.md": { + "original_hash": "51be6057374d01d70e07dd5ec88ebc0d", + "translation_date": "2025-09-23T15:48:27+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/README.md", + "language_code": "lt" + }, + "lessons/5-NLP/17-GenerativeNetworks/lab/README.md": { + "original_hash": "439e12796197a90e7623d4c9c057b9c2", + "translation_date": "2025-08-31T17:56:09+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/lab/README.md", + "language_code": "lt" + }, + "lessons/5-NLP/18-Transformers/README.md": { + "original_hash": "f335dfcb4a993920504c387973a36957", + "translation_date": "2025-09-23T15:49:11+00:00", + "source_file": "lessons/5-NLP/18-Transformers/README.md", + "language_code": "lt" + }, + "lessons/5-NLP/18-Transformers/assignment.md": { + "original_hash": "177f3ea3995d725e6f9f5c66af16edcd", + "translation_date": "2025-08-31T17:57:59+00:00", + "source_file": "lessons/5-NLP/18-Transformers/assignment.md", + "language_code": "lt" + }, + "lessons/5-NLP/19-NER/README.md": { + "original_hash": "6522312ff835796ca34136a9462fafb2", + "translation_date": "2025-09-23T15:49:59+00:00", + "source_file": "lessons/5-NLP/19-NER/README.md", + "language_code": "lt" + }, + "lessons/5-NLP/19-NER/lab/README.md": { + "original_hash": "032bda5068f543d6c1fcb30c34231461", + "translation_date": "2025-08-31T17:59:35+00:00", + "source_file": "lessons/5-NLP/19-NER/lab/README.md", + "language_code": "lt" + }, + "lessons/5-NLP/20-LangModels/README.md": { + "original_hash": "97836d30a6bec736f8e3b4411c572bc2", + "translation_date": "2025-09-23T15:49:41+00:00", + "source_file": "lessons/5-NLP/20-LangModels/README.md", + "language_code": "lt" + }, + "lessons/5-NLP/README.md": { + "original_hash": "8ef02a9318257ea140ed3ed74442096d", + "translation_date": "2025-08-31T17:55:03+00:00", + "source_file": "lessons/5-NLP/README.md", + "language_code": "lt" + }, + "lessons/6-Other/21-GeneticAlgorithms/README.md": { + "original_hash": "6bbd632dfe6c62e5f66bb51fd78c174a", + "translation_date": "2025-09-23T15:40:16+00:00", + "source_file": "lessons/6-Other/21-GeneticAlgorithms/README.md", + "language_code": "lt" + }, + "lessons/6-Other/22-DeepRL/README.md": { + "original_hash": "04395657fc01648f8f70484d0e55ab67", + "translation_date": "2025-09-23T15:41:18+00:00", + "source_file": "lessons/6-Other/22-DeepRL/README.md", + "language_code": "lt" + }, + "lessons/6-Other/22-DeepRL/lab/README.md": { + "original_hash": "7bd8dc72040e98e35e7225e34058cd4e", + "translation_date": "2025-08-31T17:33:23+00:00", + "source_file": "lessons/6-Other/22-DeepRL/lab/README.md", + "language_code": "lt" + }, + "lessons/6-Other/23-MultiagentSystems/README.md": { + "original_hash": "38a1185ae3d54b180378bbd71ae3ef16", + "translation_date": "2025-09-23T15:40:36+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/README.md", + "language_code": "lt" + }, + "lessons/6-Other/23-MultiagentSystems/assignment.md": { + "original_hash": "cf654ca60c7f86c8dad28596fb42994b", + "translation_date": "2025-08-31T17:32:22+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/assignment.md", + "language_code": "lt" + }, + "lessons/7-Ethics/README.md": { + "original_hash": "437c988596e751072e41a5aad3fcc5d9", + "translation_date": "2025-08-31T17:46:37+00:00", + "source_file": "lessons/7-Ethics/README.md", + "language_code": "lt" + }, + "lessons/README.md": { + "original_hash": "5fef1a0b22498d7188959e2a2cb08af7", + "translation_date": "2025-08-31T17:30:25+00:00", + "source_file": "lessons/README.md", + "language_code": "lt" + }, + "lessons/X-Extras/X1-MultiModal/README.md": { + "original_hash": "9c592c26aca16ca085d268c732284187", + "translation_date": "2025-08-31T17:35:04+00:00", + "source_file": "lessons/X-Extras/X1-MultiModal/README.md", + "language_code": "lt" + }, + "lessons/sketchnotes/LICENSE.md": { + "original_hash": "45ab63a2cd8f5faef6c9b150618837a4", + "translation_date": "2025-08-31T17:53:52+00:00", + "source_file": "lessons/sketchnotes/LICENSE.md", + "language_code": "lt" + }, + "lessons/sketchnotes/README.md": { + "original_hash": "050b8bddebafba55b129414e6ab096ab", + "translation_date": "2025-08-31T17:52:17+00:00", + "source_file": "lessons/sketchnotes/README.md", + "language_code": "lt" + }, + "troubleshoot.md": { + "original_hash": "8d9c5a4a7c7798d699672a22cb7fea86", + "translation_date": "2025-10-03T09:54:51+00:00", + "source_file": "troubleshoot.md", + "language_code": "lt" + } +} \ No newline at end of file diff --git a/translations/lt/AGENTS.md b/translations/lt/AGENTS.md index 6edbb0b4..4c5530ea 100644 --- a/translations/lt/AGENTS.md +++ b/translations/lt/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## Projekto apžvalga diff --git a/translations/lt/README.md b/translations/lt/README.md index dd997f27..f7e4a5f8 100644 --- a/translations/lt/README.md +++ b/translations/lt/README.md @@ -1,12 +1,3 @@ - [![GitHub license](https://img.shields.io/github/license/microsoft/AI-For-Beginners.svg)](https://github.com/microsoft/AI-For-Beginners/blob/main/LICENSE) [![GitHub contributors](https://img.shields.io/github/contributors/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/graphs/contributors/) [![GitHub issues](https://img.shields.io/github/issues/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/issues/) @@ -21,213 +12,212 @@ CO_OP_TRANSLATOR_METADATA: [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -# Dirbtinis intelektas pradedantiesiems - mokymo programa +# Dirbtinis intelektas pradedantiesiems – mokymo programa -|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../../../translated_images/lt/ai-overview.0857791951d19500.webp)| +|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../translated_images/lt/ai-overview.0857791951d19500.webp)| |:---:| -| Dirbtinis intelektas pradedantiesiems - _Piešinys pagal [@girlie_mac](https://twitter.com/girlie_mac)_ | +| Dirbtinis intelektas pradedantiesiems - _Sketchnote by [@girlie_mac](https://twitter.com/girlie_mac)_ | -Išnagrinėkite **Dirbtinio intelekto** (DI) pasaulį su mūsų 12 savaičių, 24 pamokų mokymo programa! Ji apima praktines pamokas, testus ir laboratorinius darbus. Mokymo programa yra draugiška pradedantiesiems ir apima tokias priemones kaip TensorFlow ir PyTorch, taip pat etikos klausimus DI srityje. +Atraskite **Dirbtinio intelekto** (DI) pasaulį su mūsų 12 savaičių, 24 pamokų mokymo programa! Ji apima praktines pamokas, testus ir laboratorinius darbus. Mokymo programa pritaikyta pradedantiesiems ir apima tokias priemones kaip TensorFlow ir PyTorch, taip pat DI etiką. +### 🌐 Daugiakalbystės palaikymas -### 🌐 Daugiakalbė palaikymas - -#### Palaikoma per GitHub Action (automatinis ir visada atnaujinamas) +#### Palaikoma per GitHub Action (automatizuota ir visada atnaujinta) -[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](./README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](./README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) -> **Norite klonuoti vietoje?** +> **Norite kopijuoti vietoje?** -> Šis saugykla apima daugiau nei 50 kalbų vertimų, dėl ko smarkiai padidėja atsisiuntimo dydis. Norėdami klonuoti be vertimų, naudokite ribotą patikrinimą: +> Ši saugykla turi daugiau nei 50 kalbų vertimų, kurie žymiai padidina atsisiuntimo dydį. Norėdami kopijuoti be vertimų, naudokite sparse checkout: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git > cd AI-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` -> Tai suteikia viską, ko reikia kursui užbaigti, su daug greitesniu atsisiuntimu. +> Tai suteikia jums viską, ko reikia kursui baigti, su daug greitesniu atsisiuntimu. -**Jei norite, kad būtų palaikomos papildomos vertimų kalbos, jos yra išvardytos [čia](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Jei norite palaikyti papildomas vertimų kalbas, jų sąrašas pateiktas [čia](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** ## Prisijunkite prie bendruomenės [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) ## Ko išmoksite -**[Kurso protų žemėlapis](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)** +**[Kurso minties žemėlapis](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)** Šioje mokymo programoje išmoksite: -* Skirtingų dirbtinio intelekto požiūrių, įskaitant "senąjį gerą" simbolinį požiūrį su **žinių reprezentacija** ir samprotavimu ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). -* **Neuroninius tinklus** ir **gilųjį mokymąsi**, kurie yra šiuolaikinio DI pagrindas. Šias svarbias temas iliustruosime kodu dviem populiariausiais karkasais - [TensorFlow](http://Tensorflow.org) ir [PyTorch](http://pytorch.org). -* **Neuronines architektūras**, skirtas darbui su vaizdais ir tekstu. Aptarsime naujausius modelius, tačiau gali būti šiek tiek trūkumų pažangiausių technologijų srityje. -* Mažiau populiarius DI metodus, tokius kaip **genetiniai algoritmai** ir **daugiagentinės sistemos**. +* Skirtingus Dirbtinio intelekto požiūrius, įskaitant „gerą seną“ simbolinį požiūrį su **žinių atvaizdavimu** ir samprotavimu ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). +* **Neuroninius tinklus** ir **gilųjį mokymąsi**, kurie yra šiuolaikinio DI pagrindas. Iliustruosime svarbiausias šių temų koncepcijas naudodami kodą dviejose populiariausiose sistemose – [TensorFlow](http://Tensorflow.org) ir [PyTorch](http://pytorch.org). +* **Neuronines architektūras** darbui su vaizdais ir tekstu. Apžvelgsime naujausius modelius, tačiau šiek tiek pritrūksime pažangiausių naujovių. +* Mažiau populiarius DI metodus, tokius kaip **genetiniai algoritmai** ir **multi-agentų sistemos**. -Ko šioje mokymo programoje neapimsime: +Ką mes neapimsime šioje mokymo programoje: -> [Raskite visus papildomus šios programos išteklius mūsų Microsoft Learn kolekcijoje](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) +> [Raskite visas papildomas šio kurso medžiagas mūsų Microsoft Learn kolekcijoje](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) -* Verslo atvejų, kaip naudoti **DI versle**. Apsvarstykite galimybę imtis [Įvado į DI verslo naudotojams](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) mokymosi takelio Microsoft Learn arba [DI verslo mokyklos](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), sukurtos bendradarbiaujant su [INSEAD](https://www.insead.edu/). -* **Klasikinio mašininio mokymosi**, kuris išsamiai aprašytas mūsų [Mašininio mokymosi pradedantiesiems mokymo programoje](http://github.com/Microsoft/ML-for-Beginners). -* Praktinių DI programų, sukurtų naudojant **[Kognityvines paslaugas](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. Tam rekomenduojame pradėti nuo Microsoft Learn modulių apie [vaizdų atpažinimą](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [natūralios kalbos apdorojimą](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Generatyvinį DI su Azure OpenAI paslauga](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** ir kitus dalykus. -* Specifinių ML **debesijos karkasų**, tokių kaip [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum) ar [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). Rekomenduojama naudoti mokymosi takelius [Kurti ir valdyti mašininio mokymosi sprendimus su Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) bei [Kurti ir valdyti mašininio mokymosi sprendimus Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum). -* **Pokalbinį DI** ir **pokalbių robotus**. Yra atskiras mokymosi takelis [Sukurti pokalbinio DI sprendimus](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum), be to, galite pasiskaityti [šį tinklaraščio įrašą](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) plačiau. -* **Giliąją matematiką**, slypinčią už giluminio mokymosi. Tam rekomenduojame [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) Ian Goodfellow, Yoshua Bengio ir Aaron Courville, kuri taip pat prieinama internete adresu [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/). +* Verslo atvejų, naudojant **DI versle**. Apsvarstykite galimybę išklausyti [Įvadas į DI verslo naudotojams](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) mokymosi kelią Microsoft Learn arba [DI verslo mokyklą](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), sukurtą bendradarbiaujant su [INSEAD](https://www.insead.edu/). +* **Klasikinį mašininį mokymąsi**, kuris yra gerai aprašytas mūsų [Mašininio mokymosi pradedantiesiems mokymo programoje](http://github.com/Microsoft/ML-for-Beginners). +* Praktines DI programas, sukurtas naudojant **[Kognityvines paslaugas](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. Rekomenduojame pradėti nuo Microsoft Learn modulių apie [vaizdą](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [natūralios kalbos apdorojimą](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Generatyvinį DI su Azure OpenAI paslauga](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** ir kitus. +* Specifines ML **debesijos sistemas**, tokias kaip [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum), ar [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). Apsvarstykite, naudoti mokymosi kelius [Kurti ir valdyti mašininio mokymosi sprendimus su Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) ir [Kurti ir valdyti mašininio mokymosi sprendimus su Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum). +* **Pokalbių DI** ir **pokalbių robotus**. Yra specialus [Sukurti pokalbių DI sprendimus](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) mokymosi kelias, taip pat galite pasiskaityti [šį tinklaraščio įrašą](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) dėl išsamesnės informacijos. +* **Gilųją matematiką**, slypinčią už giluminio mokymosi. Rekomenduojame knygą [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) autoriai Ian Goodfellow, Yoshua Bengio bei Aaron Courville, kuri taip pat prieinama internete adresu [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/). -Norėdami švelnaus įvado į _DI debesyje_ temas, galite apsvarstyti [Pradėti dirbtinį intelektą Azure platformoje](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) mokymosi takelį. +Jei norite švelnaus įvado į _DI debesyje_ temas, galite rinktis mokymosi kelią [Pradėti dirbtinio intelekto naudojimą Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum). # Turinys -| | Pamokos Nuoroda | PyTorch/Keras/TensorFlow | Laboratorija | +| | Pamokos nuoroda | PyTorch/Keras/TensorFlow | Laboratorija | | :-: | :------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ------------------------------------------------------------------------------ | -| 0 | [Kurso Nustatymai](./lessons/0-course-setup/setup.md) | [Nustatykite savo kūrimo aplinką](./lessons/0-course-setup/how-to-run.md) | | +| 0 | [Kurso nustatymai](./lessons/0-course-setup/setup.md) | [Paruoškite savo vystymo aplinką](./lessons/0-course-setup/how-to-run.md) | | | I | [**Įvadas į DI**](./lessons/1-Intro/README.md) | | | -| 01 | [DI įvadas ir istorija](./lessons/1-Intro/README.md) | - | - | +| 01 | [Įvadas ir DI istorija](./lessons/1-Intro/README.md) | - | - | | II | **Simbolinis DI** | -| 02 | [Žinių reprezentacija ir ekspertų sistemos](./lessons/2-Symbolic/README.md) | [Ekspertų sistemos](./lessons/2-Symbolic/Animals.ipynb) / [Ontologija](./lessons/2-Symbolic/FamilyOntology.ipynb) /[Konceptų grafas](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | +| 02 | [Žinių atvaizdavimas ir ekspertų sistemos](./lessons/2-Symbolic/README.md) | [Ekspertų sistemos](./lessons/2-Symbolic/Animals.ipynb) / [Ontologija](./lessons/2-Symbolic/FamilyOntology.ipynb) /[Koncepcijų grafas](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | | III | [**Įvadas į neuroninius tinklus**](./lessons/3-NeuralNetworks/README.md) ||| -| 03 | [Perceptronas](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [Užrašų knygelė](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [Laboratorinis darbas](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | -| 04 | [Daugiasluoksnis perceptronas ir savo Framework kūrimas](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [Užrašų knygelė](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [Laboratorinis darbas](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | -| 05 | [Įvadas į Framework’us (PyTorch/TensorFlow) ir perpanaudojimą](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Laboratorinis darbas](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | -| IV | [**Kompiuterinė rega**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [Tyrinėkite Kompiuterinę regą Microsoft Azure platformoje](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | -| 06 | [Įvadas į Kompiuterinę regą. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [Užrašų knygelė](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [Laboratorinis darbas](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | -| 07 | [Konvoliuciniai neuroniniai tinklai](./lessons/4-ComputerVision/07-ConvNets/README.md) & [Konvoliucinių tinklų architektūros](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [Laboratorinis darbas](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | -| 08 | [Iš anksto apmokyti tinklai ir perdavimo mokymasis](./lessons/4-ComputerVision/08-TransferLearning/README.md) ir [Mokymosi triukai](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Laboratorinis darbas](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | -| 09 | [Autoencoder’iai ir VAE](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | | +| 03 | [Perceptronas](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [Užrašų knygelė](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [Laboratorija](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | +| 04 | [Daugiasluoksnis perceptronas ir savo framework kūrimas](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [Užrašų knygelė](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [Laboratorija](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | +| 05 | [Frameworkų įvadas (PyTorch/TensorFlow) ir permokymas](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Laboratorija](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | +| IV | [**Kompiuterinė rega**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [Išbandykite kompiuterinę regą Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | +| 06 | [Įvadas į kompiuterinę regą. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [Užrašų knygelė](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [Laboratorija](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | +| 07 | [Konvoliuciniai neuroniniai tinklai](./lessons/4-ComputerVision/07-ConvNets/README.md) & [CNN architektūros](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [Laboratorija](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | +| 08 | [Iš anksto apmokyti tinklai ir perkeliamasis mokymasis](./lessons/4-ComputerVision/08-TransferLearning/README.md) ir [Mokymosi triukai](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Laboratorija](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | +| 09 | [Autoenkoderiai ir VAE](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | | | 10 | [Generatyviniai priešiniai tinklai ir meninio stiliaus perkėlimas](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | -| 11 | [Objektų aptikimas](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [Laboratorinis darbas](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | -| 12 | [Semantinė segmentacija. U-Net](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | | -| V | [**Natūralios kalbos apdorojimas**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [Tyrinėkite natūralios kalbos apdorojimą Microsoft Azure platformoje](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| -| 13 | [Teksto reprezentacija. Bow/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | | -| 14 | [Semantinės žodžių įterptinės reprezentacijos. Word2Vec ir GloVe](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | | -| 15 | [Kalbos modeliavimo pagrindai. Mokymasis savo įterptinių reprezentacijų](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [Laboratorinis darbas](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | -| 16 | [Pasikartojantys neuroniniai tinklai](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | | -| 17 | [Generatyviniai pasikartojantys tinklai](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [Laboratorinis darbas](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | -| 18 | [Transformeriai. BERT](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | | -| 19 | [Pavadintųjų asmenų atpažinimas](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [Laboratorinis darbas](./lessons/5-NLP/19-NER/lab/README.md) | -| 20 | [Dideli kalbos modeliai, komandinė programavimo kalba ir mažo duomenų kiekio užduotys](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | +| 11 | [Objektų aptikimas](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [Laboratorija](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | +| 12 | [Semantinė segmentacija. U-Tinklas](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | | +| V | [**Gamtos kalbos apdorojimas**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [Išbandykite gamtos kalbos apdorojimą Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| +| 13 | [Teksto atvaizdavimas. Bow/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | | +| 14 | [Semantiniai žodžių įterpimai. Word2Vec ir GloVe](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | | +| 15 | [Kalbos modeliavimas. Savo įterpimų mokymas](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [Laboratorija](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | +| 16 | [Rekurentiniai neuroniniai tinklai](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | | +| 17 | [Generatyviniai rekurentiniai tinklai](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [Laboratorija](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | +| 18 | [Transformeriai. BERT.](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | | +| 19 | [Pavadintų entitetų atpažinimas](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [Laboratorija](./lessons/5-NLP/19-NER/lab/README.md) | +| 20 | [Dideli kalbos modeliai, užklausų programavimas ir kelių pavyzdžių užduotys](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | | VI | **Kitos DI technikos** || | | 21 | [Genetiniai algoritmai](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [Užrašų knygelė](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | -| 22 | [Giluminis sustiprintinis mokymasis](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [Laboratorinis darbas](./lessons/6-Other/22-DeepRL/lab/README.md) | -| 23 | [Daugiaprograminės agentų sistemos](./lessons/6-Other/23-MultiagentSystems/README.md) | | | -| VII | **DIR Etika** | | | +| 22 | [Gylusis stiprinamasis mokymasis](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [Laboratorija](./lessons/6-Other/22-DeepRL/lab/README.md) | +| 23 | [Daugiaveikėjių sistemos](./lessons/6-Other/23-MultiagentSystems/README.md) | | | +| VII | **DI etika** | | | | 24 | [DI etika ir atsakingas DI](./lessons/7-Ethics/README.md) | [Microsoft Learn: Atsakingo DI principai](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | | IX | **Papildoma medžiaga** | | | -| 25 | [Daugiapoliai tinklai, CLIP ir VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [Užrašų knygelė](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | +| 25 | [Daugiamodaliai tinklai, CLIP ir VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [Užrašų knygelė](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | ## Kiekviena pamoka apima -* Išankstinę medžiagą skaitymui -* Vykdomas Jupyter užrašų knygeles, kurios dažnai būna specifinės konkrečiam framework’ui (**PyTorch** arba **TensorFlow**). Vykdoma užrašų knygelė taip pat turi daug teorinės medžiagos, todėl, norint suprasti temą, reikia pereiti bent vieną šios užrašų knygelės versiją (arba PyTorch, arba TensorFlow). -* Kai kurios temos turi **laboratorinius darbus**, kurie suteikia galimybę išbandyti įgytas žinias taikant jas konkrečioms problemoms. -* Kai kurios skiltys turi nuorodas į [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) modulius, kurie apima susijusias temas. +* Medžiagos skaitymą prieš pamoką +* Vykdomas Jupyter užrašų knygeles, kurios dažnai būna skirtos konkrečiam framework'ui (**PyTorch** arba **TensorFlow**). Vykdoma užrašų knygelė taip pat apima daug teorinės medžiagos, todėl norint suprasti temą, reikia praeiti bent vieną užrašų knygelės versiją (PyTorch arba TensorFlow). +* Kai kurioms temoms yra **laboratorijos**, suteikiančios galimybę išbandyti įgytas žinias sprendžiant konkrečią užduotį. +* Kai kurios dalys turi nuorodas į [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) modulius, kurie apima susijusias temas. ## Pradžia -### 🎯 Naujokas DI srityje? Pradėkite čia! +### 🎯 Naujas DI? Pradėkite čia! -Jei visiškai nesate susipažinę su DI ir norite greitų, praktinių pavyzdžių, peržiūrėkite mūsų [**Pradedančiųjų pavyzdžius**](./examples/README.md)! Juose yra: +Jei visiškai naujokas DI ir norite greitų, praktinių pavyzdžių, peržiūrėkite mūsų [**Pradedančiųjų draugiškus pavyzdžius**](./examples/README.md)! Jie apima: -- 🌟 **Sveikas, DI pasauli!** – Jūsų pirma DI programa (paternų atpažinimas) -- 🧠 **Paprastas neuroninis tinklas** – Sukurkite neuroninį tinklą nuo nulio -- 🖼️ **Vaizdų klasifikatorius** – Klasifikuokite vaizdus su išsamiais komentarais -- 💬 **Teksto nuotaika** - Analizuokite teigiamą/ neigiamą tekstą +- 🌟 **Sveikas, DI pasauli!** - Jūsų pirmoji DI programa (modelių atpažinimas) +- 🧠 **Paprastas neuroninis tinklas** - Sukurkite neuroninį tinklą nuo nulio +- 🖼️ **Vaizdų klasifikatorius** - Klasifikuokite vaizdus su išsamiais komentarais +- 💬 **Teksto nuotaika** - Analizuokite teigiamą/neigiamą tekstą Šie pavyzdžiai skirti padėti suprasti DI sąvokas prieš pradedant visą mokymo programą. -### 📚 Visos mokymo programos nustatymas +### 📚 Pilnas mokymo programos nustatymas -- Mes sukūrėme [nustatymo pamoką](./lessons/0-course-setup/setup.md), kad padėtume jums sukurti savo kūrimo aplinką. - Mokytojams taip pat sukūrėme [mokymo programos nustatymo pamoką](./lessons/0-course-setup/for-teachers.md)! -- Kaip [paleisti kodą VSCode arba Codespace](./lessons/0-course-setup/how-to-run.md) +- Mes sukūrėme [nustatymo pamoką](./lessons/0-course-setup/setup.md), kuri padės sukurti jūsų vystymo aplinką. - Mokytojams taip pat paruošėme [mokymo programos nustatymo pamoką](./lessons/0-course-setup/for-teachers.md)! +- Kaip [paleisti kodą VSCode ar Codespace](./lessons/0-course-setup/how-to-run.md) -Vadovaukitės šiais žingsniais: +Sekite šiuos žingsnius: -Sukurkite šaką: Spustelėkite mygtuką „Fork“ šio puslapio viršutiniame dešiniajame kampe. +Fork‘inkite saugyklą: Paspauskite "Fork" mygtuką viršutiniame dešiniajame šio puslapio kampe. -Klonuokite repozitoriją: `git clone https://github.com/microsoft/AI-For-Beginners.git` +Klonuokite saugyklą: `git clone https://github.com/microsoft/AI-For-Beginners.git` -Neužmirškite pažymėti žvaigždute (🌟) šį repo, kad vėliau jį lengviau rastumėte. +Nepamirškite pažymėti (🌟) šią saugyklą, kad vėliau lengviau ją rastumėte. ## Susipažinkite su kitais mokiniais -Prisijunkite prie mūsų [oficialaus DI Discord serverio](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum), kad susipažintumėte ir bendrautumėte su kitais šį kursą lankytais mokiniais ir gautumėte paramą. +Prisijunkite prie mūsų [oficialaus DI Discord serverio](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum), kad susipažintumėte ir bendrautumėte su šią kursą lankančiais mokiniais bei gautumėte pagalbą. -Jei turite atsiliepimų apie produktą ar klausimų statant, apsilankykite mūsų [Azure AI Foundry kūrėjų forume](https://aka.ms/foundry/forum) +Jei turite produkto atsiliepimų ar klausimų kūrimo metu, apsilankykite mūsų [Azure AI Foundry kūrėjų forume](https://aka.ms/foundry/forum) -## Testai +## Kvizai -> **Pastaba apie testus**: Visi testai yra saugomi Quiz-app aplanke etc\quiz-app, arba [internete čia](https://ff-quizzes.netlify.app/). Jie yra susieti su pamokomis, testų programėlę galima paleisti lokaliai arba išdiegti į Azure; sekite nurodymus `quiz-app` aplanke. Jie palaipsniui lokalizuojami. +> **Pastaba apie kvizus**: Visi kvizai yra Quiz-app aplanke etc\quiz-app, arba [internete čia](https://ff-quizzes.netlify.app/) Jie yra susieti su pamokomis, kvizų programą galima paleisti lokaliai arba diegti Azure; sekite `quiz-app` aplanko instrukcijas. Jie pamažu lokalizuojami. ## Reikalinga pagalba -Turite pasiūlymų arba radote rašybos ar kodo klaidų? Praneškite apie problemą arba pateikite pataisą. +Turite pasiūlymų ar radote rašybos ar kodo klaidų? Užkelkite problemą arba sukurkite pull request. -## Specialūs dėkojimai +## Specialūs dėkingumai -* **✍️ Pagrindinis autorius:** [Dmitry Soshnikov](http://soshnikov.com), PhD -* **🔥 Redaktorius:** [Jen Looper](https://twitter.com/jenlooper), PhD -* **🎨 Sąsiuvinio iliustratorė:** [Tomomi Imura](https://twitter.com/girlie_mac) -* **✅ Testų kūrėja:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/) -* **🙏 Pagrindiniai bendradarbiai:** [Evgenii Pishchik](https://github.com/Pe4enIks) +* **✍️ Pagrindinis autorius:** [Dmitry Soshnikov](http://soshnikov.com), PhD +* **🔥 Redaktorė:** [Jen Looper](https://twitter.com/jenlooper), PhD +* **🎨 Sketchnotų iliustratorė:** [Tomomi Imura](https://twitter.com/girlie_mac) +* **✅ Kvizų kūrėja:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/) +* **🙏 Pagrindiniai bendradarbiai:** [Evgenii Pishchik](https://github.com/Pe4enIks) ## Kitos mokymo programos -Mūsų komanda kuria ir kitas mokymo programas! Peržiūrėkite: +Mūsų komanda rengia ir kitas mokymo programas! Patikrinkite: -### LangChain -[![LangChain4j pradedantiesiems](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) -[![LangChain.js pradedantiesiems](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) +### LangChain +[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) +[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) --- -### Azure / Edge / MCP / Agentai -[![AZD pradedantiesiems](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Edge AI pradedantiesiems](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![MCP pradedantiesiems](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![DI agentai pradedantiesiems](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +### Azure / Edge / MCP / Agentai +[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- - -### Generatyvinis DI serija -[![Generatyvinis DI pradedantiesiems](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Generatyvinis DI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![Generatyvinis DI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) -[![Generatyvinis DI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) + +### Generatyvinis DI serija +[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- - -### Pagrindinis mokymasis -[![ML pradedantiesiems](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![Duomenų mokslas pradedantiesiems](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![DI pradedantiesiems](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![Kibernetinis saugumas pradedantiesiems](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) -[![Tinklalapių kūrimas pradedantiesiems](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) -[![IoT pradedantiesiems](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) -[![XR kūrimas pradedantiesiems](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) + +### Pagrindinis mokymasis +[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) +[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) +[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) +[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) +[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- - -### Copilot serija -[![Copilot DI porinius programavimui](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) -[![Copilot C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) -[![Copilot nuotykiai](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) + +### Copilot serija +[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) +[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) -## Gaukite pagalbos +## Gaunate pagalbą -Jei užstrigote arba turite klausimų apie DI programėlių kūrimą. Prisijunkite prie kitų mokinių ir patyrusių kūrėjų diskusijų apie MCP. Tai palaikanti bendruomenė, kurioje laukiami klausimai ir laisvai dalinamasi žiniomis. +Jei įstrigote ar kyla klausimų apie DI programų kūrimą. Prisijunkite prie bendraminčių mokinių ir patyrusių kūrėjų diskusijose apie MCP. Tai palaikanti bendruomenė, kurioje klausimai yra laukiami, o žinios dalinamos laisvai. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Jei turite atsiliepimų apie produktą arba radote klaidų statant, apsilankykite: +Jei turite produkto atsiliepimų ar klaidų kūrimo metu, apsilankykite: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**Atsakomybės apribojimas**: -Šis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą [Co-op Translator](https://github.com/Azure/co-op-translator). Nors stengiamės užtikrinti tikslumą, prašome atkreipti dėmesį, kad automatizuoti vertimai gali turėti klaidų ar netikslumų. Pirminis dokumentas originalia kalba laikomas autoritetingu šaltiniu. Svarbiai informacijai rekomenduojama naudotis profesionalaus žmogaus vertimu. Mes neatsakome už jokią painiavą ar neteisingą interpretaciją, kylančią dėl šio vertimo naudojimo. +**Atsakomybės apribojimas**: +Šis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą [Co-op Translator](https://github.com/Azure/co-op-translator). Nors siekiame tikslumo, atkreipkite dėmesį, kad automatiniai vertimai gali turėti klaidų arba netikslumų. Pirminis dokumentas jo gimtąja kalba turėtų būti laikomas autoritetingu šaltiniu. Norint gauti svarbią informaciją, rekomenduojamas profesionalus žmogaus atliktas vertimas. Mes neatsakome už bet kokius nesusipratimus ar neteisingą aiškinimą, kilusius naudojant šį vertimą. \ No newline at end of file diff --git a/translations/lt/SECURITY.md b/translations/lt/SECURITY.md index f5fb8eb7..a5955dd2 100644 --- a/translations/lt/SECURITY.md +++ b/translations/lt/SECURITY.md @@ -1,12 +1,3 @@ - ## Saugumas „Microsoft“ rimtai žiūri į savo programinės įrangos produktų ir paslaugų saugumą, įskaitant visus šaltinio kodo saugyklas, valdomas per mūsų „GitHub“ organizacijas, tokias kaip [Microsoft](https://github.com/Microsoft), [Azure](https://github.com/Azure), [DotNet](https://github.com/dotnet), [AspNet](https://github.com/aspnet), [Xamarin](https://github.com/xamarin) ir [mūsų „GitHub“ organizacijas](https://opensource.microsoft.com/). diff --git a/translations/lt/etc/CODE_OF_CONDUCT.md b/translations/lt/etc/CODE_OF_CONDUCT.md index 334ebcf8..5af44937 100644 --- a/translations/lt/etc/CODE_OF_CONDUCT.md +++ b/translations/lt/etc/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # Microsoft Atvirojo kodo elgesio kodeksas Šis projektas priėmė [Microsoft Atvirojo kodo elgesio kodeksą](https://opensource.microsoft.com/codeofconduct/). diff --git a/translations/lt/etc/CONTRIBUTING.md b/translations/lt/etc/CONTRIBUTING.md index 73c67ed0..a48f88ca 100644 --- a/translations/lt/etc/CONTRIBUTING.md +++ b/translations/lt/etc/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # Prisidėjimas Šis projektas laukia jūsų indėlio ir pasiūlymų. Dauguma indėlių reikalauja, kad jūs sutiktumėte su Bendradarbio Licencijos Sutartimi (CLA), kurioje patvirtinate, jog turite teisę suteikti mums teises naudoti jūsų indėlį. Daugiau informacijos rasite adresu https://cla.microsoft.com. diff --git a/translations/lt/etc/Mindmap.md b/translations/lt/etc/Mindmap.md index 9af81d54..0add5231 100644 --- a/translations/lt/etc/Mindmap.md +++ b/translations/lt/etc/Mindmap.md @@ -1,12 +1,3 @@ - # AI ## [Įvadas į AI](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/1-Intro/README.md) diff --git a/translations/lt/etc/SUPPORT.md b/translations/lt/etc/SUPPORT.md index ef9f4734..cf2e3694 100644 --- a/translations/lt/etc/SUPPORT.md +++ b/translations/lt/etc/SUPPORT.md @@ -1,12 +1,3 @@ - # Palaikymas ## Kaip pranešti apie problemas ir gauti pagalbą diff --git a/translations/lt/etc/TRANSLATIONS.md b/translations/lt/etc/TRANSLATIONS.md index da0dcc75..640dcdba 100644 --- a/translations/lt/etc/TRANSLATIONS.md +++ b/translations/lt/etc/TRANSLATIONS.md @@ -1,12 +1,3 @@ - # Prisidėkite prie pamokų vertimo Mes laukiame pamokų vertimų šioje mokymo programoje! diff --git a/translations/lt/etc/quiz-app/README.md b/translations/lt/etc/quiz-app/README.md index 76d96d2c..c67e14c7 100644 --- a/translations/lt/etc/quiz-app/README.md +++ b/translations/lt/etc/quiz-app/README.md @@ -1,12 +1,3 @@ - # Viktorinos Šios viktorinos yra prieš ir po paskaitų skirtos AI mokymo programai, esančiai https://aka.ms/ai-beginners diff --git a/translations/lt/examples/README.md b/translations/lt/examples/README.md index 04111265..bd7b506d 100644 --- a/translations/lt/examples/README.md +++ b/translations/lt/examples/README.md @@ -1,12 +1,3 @@ - # Pradedančiųjų AI pavyzdžiai Sveiki! Šiame kataloge rasite paprastus, savarankiškus pavyzdžius, kurie padės jums pradėti dirbti su AI ir mašininio mokymosi technologijomis. Kiekvienas pavyzdys yra sukurtas taip, kad būtų draugiškas pradedantiesiems, su išsamiais komentarais ir žingsnis po žingsnio paaiškinimais. diff --git a/translations/lt/lessons/0-course-setup/for-teachers.md b/translations/lt/lessons/0-course-setup/for-teachers.md index 3cc83d65..5308a510 100644 --- a/translations/lt/lessons/0-course-setup/for-teachers.md +++ b/translations/lt/lessons/0-course-setup/for-teachers.md @@ -1,12 +1,3 @@ - # Mokytojams Norėtumėte naudoti šią mokymo programą savo klasėje? Prašome drąsiai tai daryti! diff --git a/translations/lt/lessons/0-course-setup/how-to-run.md b/translations/lt/lessons/0-course-setup/how-to-run.md index f43ee328..72f59d46 100644 --- a/translations/lt/lessons/0-course-setup/how-to-run.md +++ b/translations/lt/lessons/0-course-setup/how-to-run.md @@ -1,12 +1,3 @@ - # Kaip paleisti kodą Ši mokymo programa apima daug vykdomų pavyzdžių ir laboratorinių darbų, kuriuos norėsite paleisti. Tam jums reikalinga galimybė vykdyti Python kodą Jupyter užrašinėse, pateiktose kaip šios mokymo programos dalis. Turite keletą galimybių kodui paleisti: diff --git a/translations/lt/lessons/0-course-setup/setup.md b/translations/lt/lessons/0-course-setup/setup.md index 5001c34d..d046238e 100644 --- a/translations/lt/lessons/0-course-setup/setup.md +++ b/translations/lt/lessons/0-course-setup/setup.md @@ -1,12 +1,3 @@ - # Pradžia su šia mokymo programa ## Ar esate studentas? diff --git a/translations/lt/lessons/1-Intro/README.md b/translations/lt/lessons/1-Intro/README.md index c07ab61b..5f1df524 100644 --- a/translations/lt/lessons/1-Intro/README.md +++ b/translations/lt/lessons/1-Intro/README.md @@ -1,12 +1,3 @@ - # Įvadas į dirbtinį intelektą ![Santrauka apie dirbtinio intelekto įvadą piešinyje](../../../../translated_images/lt/ai-intro.bf28d1ac4235881c.webp) diff --git a/translations/lt/lessons/1-Intro/assignment.md b/translations/lt/lessons/1-Intro/assignment.md index d3e7d50f..3355bf65 100644 --- a/translations/lt/lessons/1-Intro/assignment.md +++ b/translations/lt/lessons/1-Intro/assignment.md @@ -1,12 +1,3 @@ - # Žaidimų kūrimo maratonas Žaidimai yra sritis, kurią stipriai paveikė dirbtinio intelekto (DI) ir mašininio mokymosi (MM) pažanga. Šioje užduotyje parašykite trumpą straipsnį apie jums patinkantį žaidimą, kurį paveikė DI evoliucija. Žaidimas turėtų būti pakankamai senas, kad jį būtų paveikę keli kompiuterinių apdorojimo sistemų tipai. Geras pavyzdys galėtų būti šachmatai ar Go, tačiau taip pat galite pažvelgti į vaizdo žaidimus, tokius kaip Pong ar Pac-Man. Parašykite esė, kurioje aptartumėte žaidimo praeitį, dabartį ir DI ateitį. diff --git a/translations/lt/lessons/2-Symbolic/README.md b/translations/lt/lessons/2-Symbolic/README.md index 67eef4b2..2e4f71b0 100644 --- a/translations/lt/lessons/2-Symbolic/README.md +++ b/translations/lt/lessons/2-Symbolic/README.md @@ -1,15 +1,6 @@ - # Žinių Atstovavimas ir Ekspertų Sistemos -![Santrauka apie simbolinį DI turinį](../../../../../../translated_images/lt/ai-symbolic.715a30cb610411a6.webp) +![Santrauka apie simbolinį DI turinį](../../../../translated_images/lt/ai-symbolic.715a30cb610411a6.webp) > Sketchnote autorius [Tomomi Imura](https://twitter.com/girlie_mac) @@ -41,7 +32,7 @@ Dažniausiai mes griežtai neapibrėžiame žinių, tačiau jas susiejame su kit Taigi, problema **žinių atstovavimas** reiškia efektyvų būdą reprezentuoti žinias kompiuterio viduje kaip duomenis, kad jos būtų automatiškai panaudojamos. Tai galima matyti kaip spektrą: -![Žinių atstovavimo spektras](../../../../../../translated_images/lt/knowledge-spectrum.b60df631852c0217.webp) +![Žinių atstovavimo spektras](../../../../translated_images/lt/knowledge-spectrum.b60df631852c0217.webp) > Paveikslėlis autorius [Dmitry Soshnikov](http://soshnikov.com) @@ -94,7 +85,7 @@ Blokų sintaksė | Įtraukimas | | | Viena iš ankstyvųjų simbolinio DI sėkmių buvo vadinamosios **ekspertų sistemos** – kompiuterinės sistemos, sukurtos veikti kaip ekspertas tam tikroje ribotoje problemų srityje. Jos buvo pagrįstos iš vieno ar kelių žmogiškųjų ekspertų išgautomis **žinių bazėmis** ir turėjo **išvedimo variklį**, kuris atlikdavo tam tikrus samprotavimus. -![Žmogaus architektūra](../../../../../../translated_images/lt/arch-human.5d4d35f1bba3ab1c.webp) | ![Žinių bazės sistema](../../../../../../translated_images/lt/arch-kbs.3ec5c150b09fa8da.webp) +![Žmogaus architektūra](../../../../translated_images/lt/arch-human.5d4d35f1bba3ab1c.webp) | ![Žinių bazės sistema](../../../../translated_images/lt/arch-kbs.3ec5c150b09fa8da.webp) ---------------------------------------------|------------------------------------------------ Supaprastinta žmogaus nervų sistemos struktūra | Žinių bazės sistemos architektūra @@ -106,7 +97,7 @@ Ekspertų sistemos yra kuriamos panašiai kaip žmogaus mąstymo sistema, kuri t Pavyzdžiui, apsvarstykime ekspertų sistemą, kuri nustato gyvūną pagal jo fizines savybes: -![AND-ARBO medis](../../../../../../translated_images/lt/AND-OR-Tree.5592d2c70187f283.webp) +![AND-ARBO medis](../../../../translated_images/lt/AND-OR-Tree.5592d2c70187f283.webp) > Paveikslėlis autorius [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/lt/lessons/2-Symbolic/assignment.md b/translations/lt/lessons/2-Symbolic/assignment.md index f2973409..d4c09d48 100644 --- a/translations/lt/lessons/2-Symbolic/assignment.md +++ b/translations/lt/lessons/2-Symbolic/assignment.md @@ -1,12 +1,3 @@ - # Sukurkite Ontologiją Žinių bazės kūrimas yra susijęs su modelio, atspindinčio faktus apie tam tikrą temą, kategorizavimu. Pasirinkite temą – pavyzdžiui, asmenį, vietą ar daiktą – ir sukurkite tos temos modelį. Naudokite kai kuriuos šiame pamokoje aprašytus metodus ir modelio kūrimo strategijas. Pavyzdžiui, galite sukurti svetainės ontologiją su baldais, apšvietimu ir pan. Kuo svetainė skiriasi nuo virtuvės? Vonios kambario? Kaip atpažįstate, kad tai svetainė, o ne valgomasis? Naudokite [Protégé](https://protege.stanford.edu/) savo ontologijai sukurti. diff --git a/translations/lt/lessons/3-NeuralNetworks/03-Perceptron/README.md b/translations/lt/lessons/3-NeuralNetworks/03-Perceptron/README.md index a6cd6578..84bc7eec 100644 --- a/translations/lt/lessons/3-NeuralNetworks/03-Perceptron/README.md +++ b/translations/lt/lessons/3-NeuralNetworks/03-Perceptron/README.md @@ -1,12 +1,3 @@ - # Įvadas į neuroninius tinklus: Perceptronas ## [Prieš paskaitos testas](https://ff-quizzes.netlify.app/en/ai/quiz/5) @@ -15,7 +6,7 @@ Vienas iš pirmųjų bandymų sukurti kažką panašaus į šiuolaikinį neuroni | | | |--------------|-----------| -|Frank Rosenblatt | The Mark 1 Perceptron| +|Frank Rosenblatt | The Mark 1 Perceptron| > Vaizdai [iš Vikipedijos](https://en.wikipedia.org/wiki/Perceptron) @@ -34,7 +25,7 @@ y(x) = f(wTx) kur f yra slenksčio aktyvacijos funkcija - + ## Perceptrono mokymas diff --git a/translations/lt/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md b/translations/lt/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md index 7e2ccda5..e497d568 100644 --- a/translations/lt/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md +++ b/translations/lt/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md @@ -1,12 +1,3 @@ - # Klasifikavimas į kelias klases naudojant perceptroną Laboratorinis darbas iš [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/lt/lessons/3-NeuralNetworks/04-OwnFramework/README.md b/translations/lt/lessons/3-NeuralNetworks/04-OwnFramework/README.md index ca139183..d434b989 100644 --- a/translations/lt/lessons/3-NeuralNetworks/04-OwnFramework/README.md +++ b/translations/lt/lessons/3-NeuralNetworks/04-OwnFramework/README.md @@ -1,12 +1,3 @@ - # Įvadas į neuroninius tinklus. Daugiasluoksnis perceptronas Ankstesniame skyriuje sužinojote apie paprasčiausią neuroninio tinklo modelį – vienasluoksnį perceptroną, kuris yra linijinis dviejų klasių klasifikavimo modelis. @@ -65,7 +56,7 @@ Gradientinio nusileidimo algoritmas išliktų toks pat, tačiau gradientų skai Atkreipkite dėmesį, kad kairiausia visų šių išraiškų dalis yra ta pati, todėl efektyviai galime apskaičiuoti išvestines, pradedant nuo nuostolių funkcijos ir einant "atgal" per skaičiavimo grafiką. Todėl daugiasluoksnio perceptrono mokymo metodas vadinamas **atgaliniu sklidimu** arba 'backprop'. -skaičiavimo grafikas +skaičiavimo grafikas > TODO: paveikslėlio citata diff --git a/translations/lt/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md b/translations/lt/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md index 4aa9937f..7c25a679 100644 --- a/translations/lt/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md +++ b/translations/lt/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md @@ -1,12 +1,3 @@ - # MNIST klasifikacija naudojant mūsų sukurtą sistemą Laboratorinis darbas iš [AI pradedantiesiems mokymo programos](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/lt/lessons/3-NeuralNetworks/05-Frameworks/README.md b/translations/lt/lessons/3-NeuralNetworks/05-Frameworks/README.md index a504ff6c..032daab5 100644 --- a/translations/lt/lessons/3-NeuralNetworks/05-Frameworks/README.md +++ b/translations/lt/lessons/3-NeuralNetworks/05-Frameworks/README.md @@ -1,12 +1,3 @@ - # Neuroninių tinklų karkasai Kaip jau išmokome, norint efektyviai treniruoti neuroninius tinklus, reikia atlikti du dalykus: diff --git a/translations/lt/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md b/translations/lt/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md index 26d61c9f..252bddd3 100644 --- a/translations/lt/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md +++ b/translations/lt/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md @@ -1,12 +1,3 @@ - # Klasifikacija su PyTorch/TensorFlow Laboratorinis darbas iš [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/lt/lessons/3-NeuralNetworks/README.md b/translations/lt/lessons/3-NeuralNetworks/README.md index 160bd398..85a6dd47 100644 --- a/translations/lt/lessons/3-NeuralNetworks/README.md +++ b/translations/lt/lessons/3-NeuralNetworks/README.md @@ -1,12 +1,3 @@ - # Įvadas į neuroninius tinklus ![Santrauka apie neuroninių tinklų įvadą piešinyje](../../../../translated_images/lt/ai-neuralnetworks.1c687ae40bc86e83.webp) diff --git a/translations/lt/lessons/4-ComputerVision/06-IntroCV/README.md b/translations/lt/lessons/4-ComputerVision/06-IntroCV/README.md index 63214b05..96fde601 100644 --- a/translations/lt/lessons/4-ComputerVision/06-IntroCV/README.md +++ b/translations/lt/lessons/4-ComputerVision/06-IntroCV/README.md @@ -1,12 +1,3 @@ - # Įvadas į kompiuterinį matymą [Kompiuterinis matymas](https://wikipedia.org/wiki/Computer_vision) yra disciplina, kurios tikslas – suteikti kompiuteriams galimybę aukšto lygio suprasti skaitmeninius vaizdus. Tai gana plati apibrėžtis, nes *supratimas* gali reikšti daugybę skirtingų dalykų, įskaitant objekto radimą nuotraukoje (**objektų aptikimas**), supratimą, kas vyksta (**įvykių aptikimas**), nuotraukos aprašymą tekstu arba scenos rekonstrukciją 3D formatu. Taip pat yra specialių užduočių, susijusių su žmogaus vaizdais: amžiaus ir emocijų nustatymas, veido aptikimas ir identifikavimas, 3D pozos nustatymas ir kt. @@ -115,7 +106,7 @@ Skaitykite daugiau apie optinį srautą [šiame puikiame vadove](https://learnop Šioje laboratorijoje turėsite vaizdo įrašą su paprastais gestais, o jūsų tikslas bus išgauti aukštyn/žemyn/kairėn/dešinėn judesius naudojant optinį srautą. -Delno judesio kadras +Delno judesio kadras --- diff --git a/translations/lt/lessons/4-ComputerVision/06-IntroCV/lab/README.md b/translations/lt/lessons/4-ComputerVision/06-IntroCV/lab/README.md index 0947e8c8..1f6a5057 100644 --- a/translations/lt/lessons/4-ComputerVision/06-IntroCV/lab/README.md +++ b/translations/lt/lessons/4-ComputerVision/06-IntroCV/lab/README.md @@ -1,12 +1,3 @@ - # Judėjimo aptikimas naudojant optinį srautą Laboratorinis darbas iš [AI pradedantiesiems mokymo programos](https://aka.ms/ai-beginners). diff --git a/translations/lt/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md b/translations/lt/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md index e25fc68f..99ba971e 100644 --- a/translations/lt/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md +++ b/translations/lt/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md @@ -1,12 +1,3 @@ - # Gerai žinomos CNN architektūros ### VGG-16 @@ -25,7 +16,7 @@ Kaip matote, VGG seka tradicinę piramidės architektūrą, kuri yra konvoliucin ResNet yra modelių šeima, kurią 2015 m. pasiūlė Microsoft Research. Pagrindinė ResNet idėja yra naudoti **likutinius blokus**: - + > Vaizdas iš [šio straipsnio](https://arxiv.org/pdf/1512.03385.pdf) @@ -37,7 +28,7 @@ Taip pat galite galvoti apie šį tinklą kaip apie gebantį prisitaikyti prie d Google Inception architektūra žengia dar vieną žingsnį į priekį ir kiekvieną tinklo sluoksnį kuria kaip kelių skirtingų kelių kombinaciją: - + > Vaizdas iš [Researchgate](https://www.researchgate.net/figure/Inception-module-with-dimension-reductions-left-and-schema-for-Inception-ResNet-v1_fig2_355547454) diff --git a/translations/lt/lessons/4-ComputerVision/07-ConvNets/README.md b/translations/lt/lessons/4-ComputerVision/07-ConvNets/README.md index 61b1e93b..c7a3c34f 100644 --- a/translations/lt/lessons/4-ComputerVision/07-ConvNets/README.md +++ b/translations/lt/lessons/4-ComputerVision/07-ConvNets/README.md @@ -1,12 +1,3 @@ - # Konvoliuciniai neuroniniai tinklai Anksčiau matėme, kad neuroniniai tinklai gana gerai dirba su vaizdais, ir net vieno sluoksnio perceptronas sugeba atpažinti ranka rašytus skaitmenis iš MNIST duomenų rinkinio su pakankamu tikslumu. Tačiau MNIST duomenų rinkinys yra labai specifinis – visi skaitmenys yra centruoti vaizde, todėl užduotis tampa paprastesnė. @@ -24,7 +15,7 @@ Norėdami išgauti raštus, naudosime **konvoliucinių filtrų** sąvoką. Kaip Pavyzdžiui, jei taikome 3x3 vertikalų ir horizontalų kraštų filtrus MNIST skaitmenims, galime išryškinti (pvz., gauti aukštas reikšmes) vietas, kuriose yra vertikalūs ir horizontalūs kraštai originaliame vaizde. Taigi šiuos du filtrus galima naudoti "ieškant" kraštų. Panašiai galime sukurti skirtingus filtrus, kad ieškotume kitų žemo lygio raštų: - + > Vaizdas: [Leung-Malik filtrų rinkinys](https://www.robots.ox.ac.uk/~vgg/research/texclass/filters.html) diff --git a/translations/lt/lessons/4-ComputerVision/07-ConvNets/lab/README.md b/translations/lt/lessons/4-ComputerVision/07-ConvNets/lab/README.md index 37ddea92..6d3cf70c 100644 --- a/translations/lt/lessons/4-ComputerVision/07-ConvNets/lab/README.md +++ b/translations/lt/lessons/4-ComputerVision/07-ConvNets/lab/README.md @@ -1,12 +1,3 @@ - # Naminių gyvūnų veidų klasifikacija Laboratorinis darbas iš [AI pradedantiesiems mokymo programos](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/lt/lessons/4-ComputerVision/08-TransferLearning/README.md b/translations/lt/lessons/4-ComputerVision/08-TransferLearning/README.md index ef570d19..dc9425ec 100644 --- a/translations/lt/lessons/4-ComputerVision/08-TransferLearning/README.md +++ b/translations/lt/lessons/4-ComputerVision/08-TransferLearning/README.md @@ -1,12 +1,3 @@ - # Iš anksto apmokyti tinklai ir perkėlimo mokymasis CNN mokymas gali užtrukti daug laiko, o tam reikia daug duomenų. Tačiau didžioji dalis laiko praleidžiama mokantis geriausių žemo lygio filtrų, kuriuos tinklas gali naudoti norėdamas išgauti vaizdų šablonus. Kyla natūralus klausimas – ar galime naudoti neuroninį tinklą, apmokytą viename duomenų rinkinyje, ir pritaikyti jį kitų vaizdų klasifikavimui, nereikalaujant pilno mokymo proceso? diff --git a/translations/lt/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md b/translations/lt/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md index d82fdfd4..76e4ac1e 100644 --- a/translations/lt/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md +++ b/translations/lt/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md @@ -1,12 +1,3 @@ - # Giliojo mokymosi treniravimo gudrybės Kai neuroniniai tinklai tampa gilesni, jų treniravimo procesas tampa vis sudėtingesnis. Viena iš pagrindinių problemų yra vadinamosios [nykstančios gradientės](https://en.wikipedia.org/wiki/Vanishing_gradient_problem) arba [sprogstančios gradientės](https://deepai.org/machine-learning-glossary-and-terms/exploding-gradient-problem#:~:text=Exploding%20gradients%20are%20a%20problem,updates%20are%20small%20and%20controlled.). [Šis straipsnis](https://towardsdatascience.com/the-vanishing-exploding-gradient-problem-in-deep-neural-networks-191358470c11) pateikia gerą įvadą į šias problemas. diff --git a/translations/lt/lessons/4-ComputerVision/08-TransferLearning/lab/README.md b/translations/lt/lessons/4-ComputerVision/08-TransferLearning/lab/README.md index 6fd02f05..c2c76231 100644 --- a/translations/lt/lessons/4-ComputerVision/08-TransferLearning/lab/README.md +++ b/translations/lt/lessons/4-ComputerVision/08-TransferLearning/lab/README.md @@ -1,12 +1,3 @@ - # Oksfordo augintinių klasifikavimas naudojant perkėlimo mokymą Laboratorinis darbas iš [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/lt/lessons/4-ComputerVision/09-Autoencoders/README.md b/translations/lt/lessons/4-ComputerVision/09-Autoencoders/README.md index c94b2990..b00015db 100644 --- a/translations/lt/lessons/4-ComputerVision/09-Autoencoders/README.md +++ b/translations/lt/lessons/4-ComputerVision/09-Autoencoders/README.md @@ -1,12 +1,3 @@ - # Autoenkoderiai Mokant CNN, viena iš problemų yra ta, kad reikia daug pažymėtų duomenų. Vaizdų klasifikavimo atveju reikia rankiniu būdu suskirstyti vaizdus į skirtingas klases. @@ -46,7 +37,7 @@ Apibendrinant: * Imame vektorių `sample` iš pasiskirstymo N(zmean,exp(zlog\_sigma)) * Dekoderis bando dekoduoti originalų vaizdą, naudodamas `sample` kaip įvesties vektorių - + > Vaizdas iš [šio tinklaraščio įrašo](https://ijdykeman.github.io/ml/2016/12/21/cvae.html) Isaak Dykeman @@ -57,13 +48,13 @@ Variaciniai autoenkoderiai naudoja sudėtingą nuostolių funkciją, kurią suda Vienas svarbus VAE privalumas yra tas, kad jie leidžia gana lengvai generuoti naujus vaizdus, nes žinome, iš kurio pasiskirstymo imti latentės vektorius. Pavyzdžiui, jei mokome VAE su 2D latentės vektoriumi MNIST duomenų rinkinyje, galime keisti latentės vektoriaus komponentus, kad gautume skirtingus skaitmenis: -vaemnist +vaemnist > Vaizdas [Dmitrijaus Soshnikovo](http://soshnikov.com) Stebėkite, kaip vaizdai susilieja vienas su kitu, kai pradedame gauti latentės vektorius iš skirtingų latentės parametrų erdvės dalių. Taip pat galime vizualizuoti šią erdvę 2D: -vaemnist cluster +vaemnist cluster > Vaizdas [Dmitrijaus Soshnikovo](http://soshnikov.com) diff --git a/translations/lt/lessons/4-ComputerVision/10-GANs/README.md b/translations/lt/lessons/4-ComputerVision/10-GANs/README.md index b3101e03..75238cf8 100644 --- a/translations/lt/lessons/4-ComputerVision/10-GANs/README.md +++ b/translations/lt/lessons/4-ComputerVision/10-GANs/README.md @@ -1,12 +1,3 @@ - # Generatyviniai priešiški tinklai Ankstesniame skyriuje sužinojome apie **generatyvinius modelius**: modelius, kurie gali generuoti naujus vaizdus, panašius į tuos, kurie yra mokymo duomenų rinkinyje. VAE buvo geras generatyvinio modelio pavyzdys. @@ -17,7 +8,7 @@ Tačiau, jei bandysime generuoti kažką tikrai prasmingo, pavyzdžiui, paveiksl Pagrindinė GAN idėja yra turėti du neuroninius tinklus, kurie bus mokomi vienas prieš kitą: - + > Vaizdas sukurtas [Dmitry Soshnikov](http://soshnikov.com) @@ -41,7 +32,7 @@ Generatorius yra šiek tiek sudėtingesnis. Galite jį laikyti apverstu diskrimi > ✅ Kadangi konvoliucinis sluoksnis įgyvendinamas kaip linijinis filtras, einantis per vaizdą, dekonvoliucija iš esmės yra panaši į konvoliuciją ir gali būti įgyvendinta naudojant tą pačią sluoksnio logiką. - + > Vaizdas sukurtas [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/lt/lessons/4-ComputerVision/11-ObjectDetection/README.md b/translations/lt/lessons/4-ComputerVision/11-ObjectDetection/README.md index 462e2395..1183b9df 100644 --- a/translations/lt/lessons/4-ComputerVision/11-ObjectDetection/README.md +++ b/translations/lt/lessons/4-ComputerVision/11-ObjectDetection/README.md @@ -1,12 +1,3 @@ - # Objektų atpažinimas Vaizdų klasifikavimo modeliai, su kuriais dirbome iki šiol, paimdavo vaizdą ir pateikdavo kategorinį rezultatą, pavyzdžiui, klasę „skaičius“ MNIST problemos atveju. Tačiau daugeliu atvejų mums nepakanka žinoti, kad paveikslėlyje yra objektų – norime nustatyti jų tikslią vietą. Būtent tai ir yra **objektų atpažinimo** esmė. diff --git a/translations/lt/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md b/translations/lt/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md index ea672b0b..3324fc52 100644 --- a/translations/lt/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md +++ b/translations/lt/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md @@ -1,12 +1,3 @@ - # Galvų aptikimas naudojant Hollywood Heads duomenų rinkinį Laboratorinis darbas iš [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/lt/lessons/4-ComputerVision/12-Segmentation/README.md b/translations/lt/lessons/4-ComputerVision/12-Segmentation/README.md index 539382a6..b16e53f2 100644 --- a/translations/lt/lessons/4-ComputerVision/12-Segmentation/README.md +++ b/translations/lt/lessons/4-ComputerVision/12-Segmentation/README.md @@ -1,12 +1,3 @@ - # Segmentacija Anksčiau išmokome apie objektų aptikimą, kuris leidžia nustatyti objektų vietą vaizde, prognozuojant jų *ribinius langelius*. Tačiau kai kurioms užduotims mums reikia ne tik ribinių langelių, bet ir tikslesnės objektų lokalizacijos. Ši užduotis vadinama **segmentacija**. @@ -20,7 +11,7 @@ Segmentaciją galima laikyti **pikselių klasifikacija**, kur kiekvienam vaizdo Pavyzdžiui, objektų segmentacijoje šios avys yra skirtingi objektai, tačiau semantinėje segmentacijoje visos avys yra atvaizduojamos kaip viena klasė. - + > Vaizdas iš [šio tinklaraščio įrašo](https://nirmalamurali.medium.com/image-classification-vs-semantic-segmentation-vs-instance-segmentation-625c33a08d50) @@ -29,7 +20,7 @@ Yra įvairių neuroninių architektūrų segmentacijai, tačiau jos visos turi t * **Enkoderis** išgauna savybes iš įvesties vaizdo. * **Dekoderis** transformuoja šias savybes į **kaukės vaizdą**, kurio dydis ir kanalų skaičius atitinka klasių skaičių. - + > Vaizdas iš [šios publikacijos](https://arxiv.org/pdf/2001.05566.pdf) @@ -43,7 +34,7 @@ Ypatingai svarbu paminėti nuostolių funkciją, naudojamą segmentacijai. Naudo > ✅ Ši technika ypač tinkama tokio tipo medicininiam vaizdinimui, tačiau kokias kitas realaus pasaulio taikymo sritis galėtumėte įsivaizduoti? -navi +navi > Vaizdas iš PH2 duomenų bazės diff --git a/translations/lt/lessons/4-ComputerVision/12-Segmentation/lab/README.md b/translations/lt/lessons/4-ComputerVision/12-Segmentation/lab/README.md index 1c9dc9ef..a9042e59 100644 --- a/translations/lt/lessons/4-ComputerVision/12-Segmentation/lab/README.md +++ b/translations/lt/lessons/4-ComputerVision/12-Segmentation/lab/README.md @@ -1,12 +1,3 @@ - # Žmogaus kūno segmentacija Laboratorinis darbas iš [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/lt/lessons/4-ComputerVision/README.md b/translations/lt/lessons/4-ComputerVision/README.md index 57ef4ce4..1a2b1f9c 100644 --- a/translations/lt/lessons/4-ComputerVision/README.md +++ b/translations/lt/lessons/4-ComputerVision/README.md @@ -1,12 +1,3 @@ - # Kompiuterinis matymas ![Kompiuterinio matymo turinio santrauka piešinyje](../../../../translated_images/lt/ai-computervision.6506ebebac3fbf76.webp) diff --git a/translations/lt/lessons/5-NLP/13-TextRep/README.md b/translations/lt/lessons/5-NLP/13-TextRep/README.md index be23afe9..bd4feb07 100644 --- a/translations/lt/lessons/5-NLP/13-TextRep/README.md +++ b/translations/lt/lessons/5-NLP/13-TextRep/README.md @@ -1,12 +1,3 @@ - # Teksto atvaizdavimas kaip tensoriai ## [Prieš paskaitos testas](https://ff-quizzes.netlify.app/en/ai/quiz/25) @@ -25,7 +16,7 @@ Mūsų tikslas bus klasifikuoti naujienų straipsnį į vieną iš kategorijų p Jei norime spręsti natūralios kalbos apdorojimo (NLP) užduotis naudojant neuroninius tinklus, mums reikia būdo, kaip tekstą paversti tensoriais. Kompiuteriai jau atvaizduoja tekstinius simbolius kaip skaičius, kurie ekrane susiejami su šriftais, naudojant tokius kodavimus kaip ASCII ar UTF-8. -Vaizdas, rodantis diagramą, kaip simbolis susiejamas su ASCII ir dvejetainiu atvaizdavimu +Vaizdas, rodantis diagramą, kaip simbolis susiejamas su ASCII ir dvejetainiu atvaizdavimu > [Vaizdo šaltinis](https://www.seobility.net/en/wiki/ASCII) @@ -48,7 +39,7 @@ Kai kuriais atvejais galime apsvarstyti tri-gramų – trijų žodžių kombinac Sprendžiant tokias užduotis kaip teksto klasifikavimas, mums reikia galimybės atvaizduoti tekstą vienu fiksuoto dydžio vektoriumi, kurį naudosime kaip įvestį galutiniam tankiam klasifikatoriui. Vienas paprasčiausių būdų tai padaryti yra sujungti visus atskirus žodžių atvaizdavimus, pvz., juos sudedant. Jei sudėsime kiekvieno žodžio vieno karšto kodavimą, gausime dažnių vektorių, kuris parodys, kiek kartų kiekvienas žodis pasirodo tekste. Toks teksto atvaizdavimas vadinamas **žodžių maišu** (BoW). - + > Vaizdas sukurtas autoriaus diff --git a/translations/lt/lessons/5-NLP/13-TextRep/assignment.md b/translations/lt/lessons/5-NLP/13-TextRep/assignment.md index 27fde8c6..e5549ca3 100644 --- a/translations/lt/lessons/5-NLP/13-TextRep/assignment.md +++ b/translations/lt/lessons/5-NLP/13-TextRep/assignment.md @@ -1,12 +1,3 @@ - # Užduotis: Užrašinės Naudodamiesi šiai pamokai priskirtomis užrašinėmis (tiek PyTorch, tiek TensorFlow versijomis), paleiskite jas iš naujo naudodami savo duomenų rinkinį, galbūt iš Kaggle, su tinkamu šaltinio nurodymu. Pakeiskite užrašinę, kad pabrėžtumėte savo pačių atradimus. Išbandykite inovatyvius duomenų rinkinius, kurie gali būti netikėti, pavyzdžiui, [šį apie NSO pastebėjimus](https://www.kaggle.com/datasets/NUFORC/ufo-sightings) iš NUFORC. diff --git a/translations/lt/lessons/5-NLP/14-Embeddings/README.md b/translations/lt/lessons/5-NLP/14-Embeddings/README.md index 059697bf..e20cac25 100644 --- a/translations/lt/lessons/5-NLP/14-Embeddings/README.md +++ b/translations/lt/lessons/5-NLP/14-Embeddings/README.md @@ -1,12 +1,3 @@ - # Įterpiniai ## [Prieš paskaitos testas](https://ff-quizzes.netlify.app/en/ai/quiz/27) diff --git a/translations/lt/lessons/5-NLP/14-Embeddings/assignment.md b/translations/lt/lessons/5-NLP/14-Embeddings/assignment.md index b3cf9766..d1d37205 100644 --- a/translations/lt/lessons/5-NLP/14-Embeddings/assignment.md +++ b/translations/lt/lessons/5-NLP/14-Embeddings/assignment.md @@ -1,12 +1,3 @@ - # Užduotis: Užrašų knygelės Naudodamiesi užrašų knygelėmis, susijusiomis su šia pamoka (tiek PyTorch, tiek TensorFlow versija), paleiskite jas iš naujo naudodami savo duomenų rinkinį, galbūt iš Kaggle, su nurodyta šaltinio informacija. Pakeiskite užrašų knygelę, kad pabrėžtumėte savo pačių atradimus. Išbandykite kitokio tipo duomenų rinkinį ir dokumentuokite savo pastebėjimus, naudodami tekstą, pavyzdžiui, [šiuos Beatles dainų tekstus](https://www.kaggle.com/datasets/jenlooper/beatles-lyrics). diff --git a/translations/lt/lessons/5-NLP/15-LanguageModeling/README.md b/translations/lt/lessons/5-NLP/15-LanguageModeling/README.md index b9d99ed8..09523776 100644 --- a/translations/lt/lessons/5-NLP/15-LanguageModeling/README.md +++ b/translations/lt/lessons/5-NLP/15-LanguageModeling/README.md @@ -1,12 +1,3 @@ - # Kalbos modeliavimas Semantiniai įterpiniai, tokie kaip Word2Vec ir GloVe, iš tiesų yra pirmasis žingsnis link **kalbos modeliavimo** – modelių kūrimo, kurie kažkaip *supranta* (arba *atspindi*) kalbos prigimtį. diff --git a/translations/lt/lessons/5-NLP/15-LanguageModeling/lab/README.md b/translations/lt/lessons/5-NLP/15-LanguageModeling/lab/README.md index 9b22eb10..d556b289 100644 --- a/translations/lt/lessons/5-NLP/15-LanguageModeling/lab/README.md +++ b/translations/lt/lessons/5-NLP/15-LanguageModeling/lab/README.md @@ -1,12 +1,3 @@ - # Mokymas Skip-Gram Modelio Laboratorinis darbas iš [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/lt/lessons/5-NLP/16-RNN/README.md b/translations/lt/lessons/5-NLP/16-RNN/README.md index 609c326f..e6325898 100644 --- a/translations/lt/lessons/5-NLP/16-RNN/README.md +++ b/translations/lt/lessons/5-NLP/16-RNN/README.md @@ -1,12 +1,3 @@ - # Rekurentiniai neuroniniai tinklai ## [Prieš paskaitą: testas](https://ff-quizzes.netlify.app/en/ai/quiz/31) @@ -31,7 +22,7 @@ Pažvelkime, kaip organizuota paprasta RNN ląstelė. Ji priima ankstesnę būse Paprasta RNN ląstelė turi du svorio matricas viduje: viena transformuoja įvesties simbolį (vadinkime ją W), o kita transformuoja įvesties būseną (H). Tokiu atveju tinklo išvestis apskaičiuojama kaip σ(W×Xi+H×Si-1+b), kur σ yra aktyvavimo funkcija, o b yra papildomas poslinkis. -RNN ląstelės anatomija +RNN ląstelės anatomija > Vaizdas sukurtas autoriaus diff --git a/translations/lt/lessons/5-NLP/16-RNN/assignment.md b/translations/lt/lessons/5-NLP/16-RNN/assignment.md index 32ebe042..01a1842b 100644 --- a/translations/lt/lessons/5-NLP/16-RNN/assignment.md +++ b/translations/lt/lessons/5-NLP/16-RNN/assignment.md @@ -1,12 +1,3 @@ - # Užduotis: Užrašų knygelės Naudodami užrašų knygeles, susijusias su šia pamoka (tiek PyTorch, tiek TensorFlow versijas), paleiskite jas iš naujo naudodami savo duomenų rinkinį, galbūt iš Kaggle, su tinkamu priskyrimu. Pakeiskite užrašų knygelę, kad pabrėžtumėte savo pačių išvadas. Išbandykite kitokio tipo duomenų rinkinį ir dokumentuokite savo išvadas, naudodami tekstą, pavyzdžiui, [šį Kaggle konkurso duomenų rinkinį apie orų tviterius](https://www.kaggle.com/competitions/crowdflower-weather-twitter/data?select=train.csv). diff --git a/translations/lt/lessons/5-NLP/17-GenerativeNetworks/README.md b/translations/lt/lessons/5-NLP/17-GenerativeNetworks/README.md index 2c7f7ae3..bf28c5c8 100644 --- a/translations/lt/lessons/5-NLP/17-GenerativeNetworks/README.md +++ b/translations/lt/lessons/5-NLP/17-GenerativeNetworks/README.md @@ -1,12 +1,3 @@ - # Generatyviniai tinklai ## [Klausimynas prieš paskaitą](https://ff-quizzes.netlify.app/en/ai/quiz/33) @@ -36,7 +27,7 @@ Mes išmokysime šį RNN generuoti tekstą žingsnis po žingsnio. Kiekviename Generuojant tekstą (inference metu), pradedame nuo tam tikro **pradžios taško**, kuris perduodamas per RNN ląsteles, kad būtų generuojama tarpinė būsena, o tada iš šios būsenos prasideda generavimas. Generuojame po vieną simbolį, perduodame būseną ir sugeneruotą simbolį kitai RNN ląstelei, kad sugeneruotume kitą, kol sugeneruojame pakankamai simbolių. - + > Paveikslėlis autoriaus diff --git a/translations/lt/lessons/5-NLP/17-GenerativeNetworks/lab/README.md b/translations/lt/lessons/5-NLP/17-GenerativeNetworks/lab/README.md index 4a8a552f..836a2017 100644 --- a/translations/lt/lessons/5-NLP/17-GenerativeNetworks/lab/README.md +++ b/translations/lt/lessons/5-NLP/17-GenerativeNetworks/lab/README.md @@ -1,12 +1,3 @@ - # Teksto generavimas žodžių lygiu naudojant RNN Laboratorinis darbas iš [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/lt/lessons/5-NLP/18-Transformers/README.md b/translations/lt/lessons/5-NLP/18-Transformers/README.md index 2d587c16..d5aa7079 100644 --- a/translations/lt/lessons/5-NLP/18-Transformers/README.md +++ b/translations/lt/lessons/5-NLP/18-Transformers/README.md @@ -1,12 +1,3 @@ - # Dėmesio mechanizmai ir transformatoriai ## [Prieš paskaitą testas](https://ff-quizzes.netlify.app/en/ai/quiz/35) @@ -56,7 +47,7 @@ Pozicinio kodavimo idėja yra tokia: * Mokomasis įterpimas, panašus į žetono įterpimą. Tai metodas, kurį čia apsvarstysime. Mes taikome įterpimo sluoksnius tiek žetonams, tiek jų pozicijoms, gaudami vienodo dydžio įterpimo vektorius, kuriuos vėliau sudedame. * Fiksuota pozicijos kodavimo funkcija, kaip siūloma originaliame straipsnyje. - + > Vaizdas autoriaus diff --git a/translations/lt/lessons/5-NLP/18-Transformers/assignment.md b/translations/lt/lessons/5-NLP/18-Transformers/assignment.md index 3742a8ed..f2295d1e 100644 --- a/translations/lt/lessons/5-NLP/18-Transformers/assignment.md +++ b/translations/lt/lessons/5-NLP/18-Transformers/assignment.md @@ -1,12 +1,3 @@ - # Užduotis: Transformatoriai Eksperimentuokite su Transformatoriais naudodami HuggingFace! Išbandykite kai kuriuos jų pateikiamus skriptus, kad galėtumėte dirbti su įvairiais modeliais, esančiais jų svetainėje: https://huggingface.co/docs/transformers/run_scripts. Išbandykite vieną iš jų duomenų rinkinių, tada importuokite vieną iš savo, paimtą iš šios mokymo programos arba iš Kaggle, ir pažiūrėkite, ar galite sugeneruoti įdomių tekstų. Paruoškite užrašų knygelę su savo atradimais. diff --git a/translations/lt/lessons/5-NLP/19-NER/README.md b/translations/lt/lessons/5-NLP/19-NER/README.md index 944b69e3..3ad14b23 100644 --- a/translations/lt/lessons/5-NLP/19-NER/README.md +++ b/translations/lt/lessons/5-NLP/19-NER/README.md @@ -1,12 +1,3 @@ - # Pavadinimų atpažinimas Iki šiol daugiausia dėmesio skyrėme vienai NLP užduočiai – klasifikacijai. Tačiau yra ir kitų NLP užduočių, kurias galima atlikti naudojant neuroninius tinklus. Viena iš tokių užduočių yra **[Pavadinimų atpažinimas](https://wikipedia.org/wiki/Named-entity_recognition)** (NER), kuris susijęs su specifinių objektų atpažinimu tekste, tokių kaip vietovės, asmenų vardai, datos ir laiko intervalai, cheminės formulės ir pan. @@ -17,7 +8,7 @@ Iki šiol daugiausia dėmesio skyrėme vienai NLP užduočiai – klasifikacijai Tarkime, norite sukurti natūralios kalbos pokalbių robotą, panašų į Amazon Alexa ar Google Assistant. Išmanūs pokalbių robotai veikia taip, kad *supranta*, ko vartotojas nori, atlikdami teksto klasifikaciją pagal įvestą sakinį. Šios klasifikacijos rezultatas yra vadinamas **intencija**, kuri nurodo, ką pokalbių robotas turėtų atlikti. -Bot NER +Bot NER > Vaizdas sukurtas autoriaus diff --git a/translations/lt/lessons/5-NLP/19-NER/lab/README.md b/translations/lt/lessons/5-NLP/19-NER/lab/README.md index 8087e7d5..edc371e3 100644 --- a/translations/lt/lessons/5-NLP/19-NER/lab/README.md +++ b/translations/lt/lessons/5-NLP/19-NER/lab/README.md @@ -1,12 +1,3 @@ - # NER Laboratorinis darbas iš [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/lt/lessons/5-NLP/20-LangModels/README.md b/translations/lt/lessons/5-NLP/20-LangModels/README.md index 18005ff9..fb68e355 100644 --- a/translations/lt/lessons/5-NLP/20-LangModels/README.md +++ b/translations/lt/lessons/5-NLP/20-LangModels/README.md @@ -1,12 +1,3 @@ - # Iš anksto apmokyti dideli kalbos modeliai Visose ankstesnėse užduotyse mes treniravome neuroninius tinklus atlikti tam tikras užduotis, naudodami pažymėtus duomenų rinkinius. Naudojant didelius transformatorių modelius, tokius kaip BERT, kalbos modeliavimas vykdomas savarankiškai mokantis, siekiant sukurti kalbos modelį, kuris vėliau specializuojamas konkrečiai užduočiai, atliekant papildomą mokymą konkrečioje srityje. Tačiau buvo įrodyta, kad dideli kalbos modeliai gali spręsti daugelį užduočių be JOKIO specifinio mokymo. Modelių šeima, galinti tai atlikti, vadinama **GPT**: Generatyvus iš anksto apmokytas transformatorius. diff --git a/translations/lt/lessons/5-NLP/README.md b/translations/lt/lessons/5-NLP/README.md index d6cb5143..e4d8afa8 100644 --- a/translations/lt/lessons/5-NLP/README.md +++ b/translations/lt/lessons/5-NLP/README.md @@ -1,12 +1,3 @@ - # Natūralios kalbos apdorojimas ![NLP užduočių santrauka piešinyje](../../../../translated_images/lt/ai-nlp.b22dcb8ca4707cea.webp) diff --git a/translations/lt/lessons/6-Other/21-GeneticAlgorithms/README.md b/translations/lt/lessons/6-Other/21-GeneticAlgorithms/README.md index 0f84dcaa..887c1bce 100644 --- a/translations/lt/lessons/6-Other/21-GeneticAlgorithms/README.md +++ b/translations/lt/lessons/6-Other/21-GeneticAlgorithms/README.md @@ -1,12 +1,3 @@ - # Genetiniai algoritmai ## [Prieš paskaitos testą](https://ff-quizzes.netlify.app/en/ai/quiz/41) diff --git a/translations/lt/lessons/6-Other/22-DeepRL/README.md b/translations/lt/lessons/6-Other/22-DeepRL/README.md index 49afaa75..f2cfea7a 100644 --- a/translations/lt/lessons/6-Other/22-DeepRL/README.md +++ b/translations/lt/lessons/6-Other/22-DeepRL/README.md @@ -1,12 +1,3 @@ - # Giliojo stiprinamojo mokymosi pagrindai Stiprinamasis mokymasis (RL) laikomas vienu iš pagrindinių mašininio mokymosi paradigmų, greta mokymosi su mokytoju ir mokymosi be mokytojo. Mokymosi su mokytoju metu remiamės duomenų rinkiniu su žinomais rezultatais, o RL pagrįstas **mokymusi per veiksmą**. Pavyzdžiui, kai pirmą kartą matome kompiuterinį žaidimą, pradedame jį žaisti, net nežinodami taisyklių, ir greitai galime tobulinti savo įgūdžius tiesiog žaisdami ir koreguodami savo elgesį. @@ -34,7 +25,7 @@ Tikriausiai visi esate matę modernius balansavimo įrenginius, tokius kaip *Seg Supaprastinta balansavimo versija vadinama **CartPole** problema. CartPole pasaulyje turime horizontalų slankiklį, kuris gali judėti į kairę arba į dešinę, o tikslas yra balansuoti vertikalų stulpelį ant slankiklio, kai jis juda. -cartpole +cartpole Norint sukurti ir naudoti šią aplinką, reikia kelių Python kodo eilučių: diff --git a/translations/lt/lessons/6-Other/22-DeepRL/lab/README.md b/translations/lt/lessons/6-Other/22-DeepRL/lab/README.md index 0167268c..422cec85 100644 --- a/translations/lt/lessons/6-Other/22-DeepRL/lab/README.md +++ b/translations/lt/lessons/6-Other/22-DeepRL/lab/README.md @@ -1,12 +1,3 @@ - ## Aplinka Mountain Car aplinka susideda iš automobilio, įstrigusio slėnyje. Jūsų tikslas – iššokti iš slėnio ir pasiekti vėliavą. Veiksmai, kuriuos galite atlikti, yra pagreitėti į kairę, į dešinę arba nieko nedaryti. Galite stebėti automobilio padėtį x ašyje ir jo greitį. diff --git a/translations/lt/lessons/6-Other/23-MultiagentSystems/README.md b/translations/lt/lessons/6-Other/23-MultiagentSystems/README.md index 3244e78c..6438fd72 100644 --- a/translations/lt/lessons/6-Other/23-MultiagentSystems/README.md +++ b/translations/lt/lessons/6-Other/23-MultiagentSystems/README.md @@ -1,12 +1,3 @@ - # Daugiagentės sistemos Vienas iš galimų būdų pasiekti intelektą yra vadinamasis **emergentinis** (arba **sinerginis**) požiūris, kuris remiasi faktu, kad daugelio palyginti paprastų agentų bendras elgesys gali sukurti sudėtingesnį (arba intelektualesnį) visos sistemos elgesį. Teoriškai tai grindžiama [kolektyvinio intelekto](https://en.wikipedia.org/wiki/Collective_intelligence), [emergentizmo](https://en.wikipedia.org/wiki/Global_brain) ir [evoliucinės kibernetikos](https://en.wikipedia.org/wiki/Global_brain) principais, kurie teigia, kad aukštesnio lygio sistemos įgyja tam tikrą pridėtinę vertę, kai tinkamai sujungiamos iš žemesnio lygio sistemų (*metasistemos perėjimo principas*). @@ -60,7 +51,7 @@ Galite [atsisiųsti](https://ccl.northwestern.edu/netlogo/download.shtml) ir įd Puikus dalykas apie NetLogo yra tai, kad ji turi veikiančių modelių biblioteką, kurią galite išbandyti. Eikite į **File → Models Library**, ir turėsite daugybę modelių kategorijų, iš kurių galite rinktis. -NetLogo Modelių biblioteka +NetLogo Modelių biblioteka > Dmitry Soshnikov modelių bibliotekos ekrano kopija diff --git a/translations/lt/lessons/6-Other/23-MultiagentSystems/assignment.md b/translations/lt/lessons/6-Other/23-MultiagentSystems/assignment.md index 3ee06e8e..c4ed7faa 100644 --- a/translations/lt/lessons/6-Other/23-MultiagentSystems/assignment.md +++ b/translations/lt/lessons/6-Other/23-MultiagentSystems/assignment.md @@ -1,12 +1,3 @@ - # NetLogo užduotis Pasirinkite vieną iš NetLogo bibliotekos modelių ir panaudokite jį, kad kuo tiksliau imituotumėte realią situaciją. Geras pavyzdys būtų pritaikyti Virus modelį iš Alternatyvių vizualizacijų aplanko, kad parodytumėte, kaip jis gali būti naudojamas COVID-19 plitimo modeliavimui. Ar galite sukurti modelį, kuris atspindėtų realų viruso plitimo procesą? diff --git a/translations/lt/lessons/7-Ethics/README.md b/translations/lt/lessons/7-Ethics/README.md index c6d34793..04984006 100644 --- a/translations/lt/lessons/7-Ethics/README.md +++ b/translations/lt/lessons/7-Ethics/README.md @@ -1,12 +1,3 @@ - # Etinis ir atsakingas dirbtinis intelektas Jūs beveik baigėte šį kursą, ir tikiuosi, kad dabar aiškiai matote, jog dirbtinis intelektas (DI) yra pagrįstas daugybe formalių matematinių metodų, leidžiančių mums rasti ryšius duomenyse ir mokyti modelius atkartoti tam tikrus žmogaus elgesio aspektus. Šiuo istorijos momentu DI laikomas labai galingu įrankiu, padedančiu išgauti duomenų šablonus ir pritaikyti juos naujų problemų sprendimui. diff --git a/translations/lt/lessons/README.md b/translations/lt/lessons/README.md index 83649325..dbfc5762 100644 --- a/translations/lt/lessons/README.md +++ b/translations/lt/lessons/README.md @@ -1,12 +1,3 @@ - # Apžvalga ![Apžvalga piešinyje](../../../translated_images/lt/ai-overview.0857791951d19500.webp) diff --git a/translations/lt/lessons/X-Extras/X1-MultiModal/README.md b/translations/lt/lessons/X-Extras/X1-MultiModal/README.md index 2b32ff29..fdde7586 100644 --- a/translations/lt/lessons/X-Extras/X1-MultiModal/README.md +++ b/translations/lt/lessons/X-Extras/X1-MultiModal/README.md @@ -1,12 +1,3 @@ - # Daugiarūšiai tinklai Po transformatorių modelių sėkmės sprendžiant NLP užduotis, tos pačios arba panašios architektūros buvo pritaikytos kompiuterinio matymo užduotims. Vis labiau domimasi modelių kūrimu, kurie galėtų *sujungti* matymo ir natūralios kalbos galimybes. Vienas iš tokių bandymų buvo atliktas OpenAI, ir jis vadinamas CLIP ir DALL.E. diff --git a/translations/lt/lessons/sketchnotes/LICENSE.md b/translations/lt/lessons/sketchnotes/LICENSE.md index 31f653f6..86b42ffc 100644 --- a/translations/lt/lessons/sketchnotes/LICENSE.md +++ b/translations/lt/lessons/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - Attribution-ShareAlike 4.0 Tarptautinė ======================================================================= diff --git a/translations/lt/lessons/sketchnotes/README.md b/translations/lt/lessons/sketchnotes/README.md index 02807382..7a75f8da 100644 --- a/translations/lt/lessons/sketchnotes/README.md +++ b/translations/lt/lessons/sketchnotes/README.md @@ -1,12 +1,3 @@ - Visos mokymo programos eskizai gali būti atsisiųsti čia. 🎨 Sukūrė: Tomomi Imura (Twitter: [@girlie_mac](https://twitter.com/girlie_mac), GitHub: [girliemac](https://github.com/girliemac)) diff --git a/translations/lt/troubleshoot.md b/translations/lt/troubleshoot.md index 7d384811..bd1773ad 100644 --- a/translations/lt/troubleshoot.md +++ b/translations/lt/troubleshoot.md @@ -1,12 +1,3 @@ - # AI-For-Beginners Trikčių Šalinimo Vadovas Šis vadovas padės išspręsti dažniausiai pasitaikančias problemas, susijusias su [AI-For-Beginners](https://github.com/microsoft/AI-For-Beginners) saugyklos naudojimu ar prisidėjimu prie jos. Kiekviena problema apima kontekstą, simptomus, paaiškinimus ir žingsnis po žingsnio sprendimus. diff --git a/translations/ta/.co-op-translator.json b/translations/ta/.co-op-translator.json new file mode 100644 index 00000000..000f1060 --- /dev/null +++ b/translations/ta/.co-op-translator.json @@ -0,0 +1,398 @@ +{ + "AGENTS.md": { + "original_hash": "6b11a37115944252ab3ed04e358d830d", + "translation_date": "2025-10-11T11:12:31+00:00", + "source_file": "AGENTS.md", + "language_code": "ta" + }, + "README.md": { + "original_hash": "1984fc89dd304a8a33ab5584691a99aa", + "translation_date": "2026-01-30T02:51:18+00:00", + "source_file": "README.md", + "language_code": "ta" + }, + "SECURITY.md": { + "original_hash": "a583f49d359c7ebba61433e4dfcd05a9", + "translation_date": "2025-10-11T11:16:33+00:00", + "source_file": "SECURITY.md", + "language_code": "ta" + }, + "etc/CODE_OF_CONDUCT.md": { + "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56", + "translation_date": "2025-10-11T11:52:00+00:00", + "source_file": "etc/CODE_OF_CONDUCT.md", + "language_code": "ta" + }, + "etc/CONTRIBUTING.md": { + "original_hash": "847a587aa1b83f4d00858183ff3ed18a", + "translation_date": "2025-10-11T11:50:33+00:00", + "source_file": "etc/CONTRIBUTING.md", + "language_code": "ta" + }, + "etc/Mindmap.md": { + "original_hash": "f2f88dbd2debd38e26149b27b1fd272d", + "translation_date": "2025-10-11T11:51:06+00:00", + "source_file": "etc/Mindmap.md", + "language_code": "ta" + }, + "etc/SUPPORT.md": { + "original_hash": "fdfc08baee91e402938a2b1f94fe0949", + "translation_date": "2025-10-11T11:51:49+00:00", + "source_file": "etc/SUPPORT.md", + "language_code": "ta" + }, + "etc/TRANSLATIONS.md": { + "original_hash": "62b3e3ad5182edb905eec649a87eeeb4", + "translation_date": "2025-10-11T11:50:48+00:00", + "source_file": "etc/TRANSLATIONS.md", + "language_code": "ta" + }, + "etc/quiz-app/README.md": { + "original_hash": "d699cf8509f74baa5b0b838de5cf0662", + "translation_date": "2025-10-11T11:52:10+00:00", + "source_file": "etc/quiz-app/README.md", + "language_code": "ta" + }, + "examples/README.md": { + "original_hash": "0d1babfdcbeb46525f2db3fbaaa54cd7", + "translation_date": "2025-10-11T11:16:53+00:00", + "source_file": "examples/README.md", + "language_code": "ta" + }, + "lessons/0-course-setup/for-teachers.md": { + "original_hash": "a094ef9927883de1cfcee51dbd143381", + "translation_date": "2025-10-11T11:34:31+00:00", + "source_file": "lessons/0-course-setup/for-teachers.md", + "language_code": "ta" + }, + "lessons/0-course-setup/how-to-run.md": { + "original_hash": "a4717bd9103b9f6cd84d534b83534689", + "translation_date": "2026-01-16T06:55:50+00:00", + "source_file": "lessons/0-course-setup/how-to-run.md", + "language_code": "ta" + }, + "lessons/0-course-setup/setup.md": { + "original_hash": "7b4e5b8956915870d0a0ed3cc5890042", + "translation_date": "2025-12-12T20:31:37+00:00", + "source_file": "lessons/0-course-setup/setup.md", + "language_code": "ta" + }, + "lessons/1-Intro/README.md": { + "original_hash": "f57e8aa46141fd220b16ffed8f11aec7", + "translation_date": "2025-11-18T22:17:54+00:00", + "source_file": "lessons/1-Intro/README.md", + "language_code": "ta" + }, + "lessons/1-Intro/assignment.md": { + "original_hash": "a334df77a82aaaf2a29c77065d3e481e", + "translation_date": "2025-11-18T22:19:09+00:00", + "source_file": "lessons/1-Intro/assignment.md", + "language_code": "ta" + }, + "lessons/2-Symbolic/README.md": { + "original_hash": "f9f06b266b8b2bfc6b8792ff2bb1bea4", + "translation_date": "2026-01-16T06:57:14+00:00", + "source_file": "lessons/2-Symbolic/README.md", + "language_code": "ta" + }, + "lessons/2-Symbolic/assignment.md": { + "original_hash": "a057a8604f3976c3e309884453f1fad0", + "translation_date": "2025-10-11T11:37:36+00:00", + "source_file": "lessons/2-Symbolic/assignment.md", + "language_code": "ta" + }, + "lessons/3-NeuralNetworks/03-Perceptron/README.md": { + "original_hash": "c34cbba802058b6fa267e1a294d4e510", + "translation_date": "2025-10-11T11:31:10+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/README.md", + "language_code": "ta" + }, + "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md": { + "original_hash": "ba5d1eb353d20d3e7181066b3c424b99", + "translation_date": "2025-10-11T11:31:49+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md", + "language_code": "ta" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/README.md": { + "original_hash": "789d6c3fb6fc7948a470b33078a5983a", + "translation_date": "2025-10-11T11:30:16+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/README.md", + "language_code": "ta" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md": { + "original_hash": "48fdd704d483e19bc3d7464074c9fcbe", + "translation_date": "2025-10-11T11:30:57+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md", + "language_code": "ta" + }, + "lessons/3-NeuralNetworks/05-Frameworks/README.md": { + "original_hash": "ddd216f558a255260a9374008002c971", + "translation_date": "2025-10-11T11:32:03+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/README.md", + "language_code": "ta" + }, + "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md": { + "original_hash": "e452d897efb9a89700f41021834cf6e5", + "translation_date": "2025-10-11T11:32:59+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md", + "language_code": "ta" + }, + "lessons/3-NeuralNetworks/README.md": { + "original_hash": "f862a99d88088163df12270e2f2ad6c3", + "translation_date": "2025-10-11T11:29:45+00:00", + "source_file": "lessons/3-NeuralNetworks/README.md", + "language_code": "ta" + }, + "lessons/4-ComputerVision/06-IntroCV/README.md": { + "original_hash": "feeca98225cb420afc89415f24f63d92", + "translation_date": "2025-10-11T11:17:36+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/README.md", + "language_code": "ta" + }, + "lessons/4-ComputerVision/06-IntroCV/lab/README.md": { + "original_hash": "3d53d6409f80970f7281a45dee35328a", + "translation_date": "2025-10-11T11:18:38+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/lab/README.md", + "language_code": "ta" + }, + "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md": { + "original_hash": "53faab85adfcebd8c10bcd71dc2fa557", + "translation_date": "2025-10-11T11:25:17+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md", + "language_code": "ta" + }, + "lessons/4-ComputerVision/07-ConvNets/README.md": { + "original_hash": "a560d5b845962cf33dc102266e409568", + "translation_date": "2025-10-11T11:25:51+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/README.md", + "language_code": "ta" + }, + "lessons/4-ComputerVision/07-ConvNets/lab/README.md": { + "original_hash": "b70fcf7fcee862990f848c679090943f", + "translation_date": "2025-10-11T11:26:25+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/README.md", + "language_code": "ta" + }, + "lessons/4-ComputerVision/08-TransferLearning/README.md": { + "original_hash": "178c0b5ee5395733eb18aec51e71a0a9", + "translation_date": "2025-10-11T11:19:46+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/README.md", + "language_code": "ta" + }, + "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md": { + "original_hash": "ae074cd940fc2f4dc24fc07b66ccbd99", + "translation_date": "2025-10-11T11:20:32+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md", + "language_code": "ta" + }, + "lessons/4-ComputerVision/08-TransferLearning/lab/README.md": { + "original_hash": "7765935c35fcee69b9fe2d0cfd6963e2", + "translation_date": "2025-10-11T11:21:48+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/lab/README.md", + "language_code": "ta" + }, + "lessons/4-ComputerVision/09-Autoencoders/README.md": { + "original_hash": "1b8d9e1b3a6f1daa864b1ff3dfc3076d", + "translation_date": "2025-10-11T11:24:22+00:00", + "source_file": "lessons/4-ComputerVision/09-Autoencoders/README.md", + "language_code": "ta" + }, + "lessons/4-ComputerVision/10-GANs/README.md": { + "original_hash": "0ff65b4da07b23697235de2beb2a3c25", + "translation_date": "2025-10-11T11:18:52+00:00", + "source_file": "lessons/4-ComputerVision/10-GANs/README.md", + "language_code": "ta" + }, + "lessons/4-ComputerVision/11-ObjectDetection/README.md": { + "original_hash": "d76a7eda28de5210c8b1ba50a6216c69", + "translation_date": "2025-10-11T11:22:53+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/README.md", + "language_code": "ta" + }, + "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md": { + "original_hash": "ad568d55ae65c856fe929fc2b278510a", + "translation_date": "2025-10-11T11:24:01+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md", + "language_code": "ta" + }, + "lessons/4-ComputerVision/12-Segmentation/README.md": { + "original_hash": "6568aaae7e0e4afed4b5d74b5b223700", + "translation_date": "2025-10-11T11:22:03+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/README.md", + "language_code": "ta" + }, + "lessons/4-ComputerVision/12-Segmentation/lab/README.md": { + "original_hash": "365f0decfe0f47b460bbde8227c5009d", + "translation_date": "2025-10-11T11:22:39+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/lab/README.md", + "language_code": "ta" + }, + "lessons/4-ComputerVision/README.md": { + "original_hash": "58a52f000089c1d8906a4daa4ab1169b", + "translation_date": "2025-10-11T11:17:24+00:00", + "source_file": "lessons/4-ComputerVision/README.md", + "language_code": "ta" + }, + "lessons/5-NLP/13-TextRep/README.md": { + "original_hash": "dbd3f73e4139f030ecb2e20387d70fee", + "translation_date": "2025-10-11T11:40:49+00:00", + "source_file": "lessons/5-NLP/13-TextRep/README.md", + "language_code": "ta" + }, + "lessons/5-NLP/13-TextRep/assignment.md": { + "original_hash": "cdc1f2e631f055f3473b36d18e4760b3", + "translation_date": "2025-10-11T11:41:33+00:00", + "source_file": "lessons/5-NLP/13-TextRep/assignment.md", + "language_code": "ta" + }, + "lessons/5-NLP/14-Embeddings/README.md": { + "original_hash": "b708c9b85b833864c73c6281f1e6b96e", + "translation_date": "2025-10-11T11:40:00+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/README.md", + "language_code": "ta" + }, + "lessons/5-NLP/14-Embeddings/assignment.md": { + "original_hash": "bc690ecf68b38d311cc9e12f3144a28c", + "translation_date": "2025-10-11T11:40:39+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/assignment.md", + "language_code": "ta" + }, + "lessons/5-NLP/15-LanguageModeling/README.md": { + "original_hash": "7ba20f54a5bfcd6521018cdfb17c7c57", + "translation_date": "2025-10-11T11:42:41+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/README.md", + "language_code": "ta" + }, + "lessons/5-NLP/15-LanguageModeling/lab/README.md": { + "original_hash": "5130f01fdc5ebb83032b23d489027aac", + "translation_date": "2025-10-11T11:43:05+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/lab/README.md", + "language_code": "ta" + }, + "lessons/5-NLP/16-RNN/README.md": { + "original_hash": "e2273cc150380a5e191903cea858f021", + "translation_date": "2025-10-11T11:44:47+00:00", + "source_file": "lessons/5-NLP/16-RNN/README.md", + "language_code": "ta" + }, + "lessons/5-NLP/16-RNN/assignment.md": { + "original_hash": "47f7d3c6a5373543e051e4d1140ce898", + "translation_date": "2025-10-11T11:45:40+00:00", + "source_file": "lessons/5-NLP/16-RNN/assignment.md", + "language_code": "ta" + }, + "lessons/5-NLP/17-GenerativeNetworks/README.md": { + "original_hash": "51be6057374d01d70e07dd5ec88ebc0d", + "translation_date": "2025-10-11T11:43:20+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/README.md", + "language_code": "ta" + }, + "lessons/5-NLP/17-GenerativeNetworks/lab/README.md": { + "original_hash": "439e12796197a90e7623d4c9c057b9c2", + "translation_date": "2025-10-11T11:44:01+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/lab/README.md", + "language_code": "ta" + }, + "lessons/5-NLP/18-Transformers/README.md": { + "original_hash": "f335dfcb4a993920504c387973a36957", + "translation_date": "2025-10-11T11:38:53+00:00", + "source_file": "lessons/5-NLP/18-Transformers/README.md", + "language_code": "ta" + }, + "lessons/5-NLP/18-Transformers/assignment.md": { + "original_hash": "177f3ea3995d725e6f9f5c66af16edcd", + "translation_date": "2025-10-11T11:39:50+00:00", + "source_file": "lessons/5-NLP/18-Transformers/assignment.md", + "language_code": "ta" + }, + "lessons/5-NLP/19-NER/README.md": { + "original_hash": "6522312ff835796ca34136a9462fafb2", + "translation_date": "2025-10-11T11:41:43+00:00", + "source_file": "lessons/5-NLP/19-NER/README.md", + "language_code": "ta" + }, + "lessons/5-NLP/19-NER/lab/README.md": { + "original_hash": "032bda5068f543d6c1fcb30c34231461", + "translation_date": "2025-10-11T11:42:15+00:00", + "source_file": "lessons/5-NLP/19-NER/lab/README.md", + "language_code": "ta" + }, + "lessons/5-NLP/20-LangModels/README.md": { + "original_hash": "97836d30a6bec736f8e3b4411c572bc2", + "translation_date": "2025-10-11T11:44:12+00:00", + "source_file": "lessons/5-NLP/20-LangModels/README.md", + "language_code": "ta" + }, + "lessons/5-NLP/README.md": { + "original_hash": "8ef02a9318257ea140ed3ed74442096d", + "translation_date": "2025-10-11T11:38:10+00:00", + "source_file": "lessons/5-NLP/README.md", + "language_code": "ta" + }, + "lessons/6-Other/21-GeneticAlgorithms/README.md": { + "original_hash": "6bbd632dfe6c62e5f66bb51fd78c174a", + "translation_date": "2025-10-11T11:48:22+00:00", + "source_file": "lessons/6-Other/21-GeneticAlgorithms/README.md", + "language_code": "ta" + }, + "lessons/6-Other/22-DeepRL/README.md": { + "original_hash": "04395657fc01648f8f70484d0e55ab67", + "translation_date": "2025-10-11T11:47:17+00:00", + "source_file": "lessons/6-Other/22-DeepRL/README.md", + "language_code": "ta" + }, + "lessons/6-Other/22-DeepRL/lab/README.md": { + "original_hash": "7bd8dc72040e98e35e7225e34058cd4e", + "translation_date": "2025-10-11T11:48:08+00:00", + "source_file": "lessons/6-Other/22-DeepRL/lab/README.md", + "language_code": "ta" + }, + "lessons/6-Other/23-MultiagentSystems/README.md": { + "original_hash": "38a1185ae3d54b180378bbd71ae3ef16", + "translation_date": "2025-10-11T11:45:52+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/README.md", + "language_code": "ta" + }, + "lessons/6-Other/23-MultiagentSystems/assignment.md": { + "original_hash": "cf654ca60c7f86c8dad28596fb42994b", + "translation_date": "2025-10-11T11:47:07+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/assignment.md", + "language_code": "ta" + }, + "lessons/7-Ethics/README.md": { + "original_hash": "437c988596e751072e41a5aad3fcc5d9", + "translation_date": "2025-10-11T11:33:58+00:00", + "source_file": "lessons/7-Ethics/README.md", + "language_code": "ta" + }, + "lessons/README.md": { + "original_hash": "5fef1a0b22498d7188959e2a2cb08af7", + "translation_date": "2025-10-11T11:17:15+00:00", + "source_file": "lessons/README.md", + "language_code": "ta" + }, + "lessons/X-Extras/X1-MultiModal/README.md": { + "original_hash": "9c592c26aca16ca085d268c732284187", + "translation_date": "2025-10-11T11:33:12+00:00", + "source_file": "lessons/X-Extras/X1-MultiModal/README.md", + "language_code": "ta" + }, + "lessons/sketchnotes/LICENSE.md": { + "original_hash": "45ab63a2cd8f5faef6c9b150618837a4", + "translation_date": "2025-10-11T11:27:12+00:00", + "source_file": "lessons/sketchnotes/LICENSE.md", + "language_code": "ta" + }, + "lessons/sketchnotes/README.md": { + "original_hash": "050b8bddebafba55b129414e6ab096ab", + "translation_date": "2025-10-11T11:29:34+00:00", + "source_file": "lessons/sketchnotes/README.md", + "language_code": "ta" + }, + "troubleshoot.md": { + "original_hash": "8d9c5a4a7c7798d699672a22cb7fea86", + "translation_date": "2025-10-11T11:15:39+00:00", + "source_file": "troubleshoot.md", + "language_code": "ta" + } +} \ No newline at end of file diff --git a/translations/ta/AGENTS.md b/translations/ta/AGENTS.md index 2fa51701..e25a4881 100644 --- a/translations/ta/AGENTS.md +++ b/translations/ta/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## திட்டத்தின் மேற்பார்வை diff --git a/translations/ta/README.md b/translations/ta/README.md index 26109bc3..c41cd6da 100644 --- a/translations/ta/README.md +++ b/translations/ta/README.md @@ -1,12 +1,3 @@ - [![GitHub license](https://img.shields.io/github/license/microsoft/AI-For-Beginners.svg)](https://github.com/microsoft/AI-For-Beginners/blob/main/LICENSE) [![GitHub contributors](https://img.shields.io/github/contributors/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/graphs/contributors/) [![GitHub issues](https://img.shields.io/github/issues/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/issues/) @@ -21,158 +12,159 @@ CO_OP_TRANSLATOR_METADATA: [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -# தொடக்கநிலையினருக்கான செயற்கை நுண்ணறிவு - ஒரு பாடத்திட்டம் +# தொடக்கம் மற்றும் கற்க்கல் உள்ளடக்கம் - ஒரு பாடத்திட்டம் -|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../../../translated_images/ta/ai-overview.0857791951d19500.webp)| +|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../translated_images/ta/ai-overview.0857791951d19500.webp)| |:---:| -| தொடக்கநிலையினருக்கான செயற்கை நுண்ணறிவு - _ஸ்கெட்ச்நோட் [@girlie_mac](https://twitter.com/girlie_mac) tərəfindən_ | +| AI தொடக்க கற்கும் பயிற்சி - _[**@girlie_mac**](https://twitter.com/girlie_mac) இன் ஸ்கெட்ச்தோட்_ | -எங்கள் 12-வார, 24-பாடத்திட்டத்துடன் **செயற்கை நுண்ணறிவு** (AI) உலகத்தை ஆராய்க! இது நடைமுறை பாடங்கள், வினாத்தாள்கள் மற்றும் ஆய்வுகூடம் ஆகியவற்றைக் கொண்டுள்ளது. பாடத்திட்டம் தொடக்க நிலைக்கு படித்து எளிதாக உள்ளது மற்றும் TensorFlow மற்றும் PyTorch போன்று கருவிகள் மற்றும் AI நெறிமுறைகள் குறித்து கலந்துரையாடுகிறது. +**கிரம முறைப்படுத்தப்பட்ட அறிவு (Artificial Intelligence)** உலகத்தை இந்நாம் 12-வாரம், 24 பாடங்கள் கொண்ட பாடத்திட்டம் மூலம் அடைக! இது நடைமுறை வகுப்புகள், வினாடி வினா செயலிகள் மற்றும் பயிற்சித் செயலறைகளை உள்ளடக்குகிறது. முதன்மை புதிதாக கற்றுக்கொள்ளுமவர்களுக்கு ஏற்றவாறு வடிவமைக்கப்பட்டுள்ளதுடன், TensorFlow மற்றும் PyTorch போன்ற கருவிகளை மற்றும் AI இல் உள்ள நெறிமுறைகள் போன்றவற்றையும் கற்றுக்கொடுக்கிறது. -### 🌐 பன்மொழி ஆதரவு +### 🌐 பல மொழி ஆதரவு -#### GitHub செயல்பாட்டின் மூலம் ஆதரிக்கப்படுகிறது (தானாகவும் எப்போதும் புதுப்பிப்புடன்) +#### GitHub செயல்முறையால் ஆதரவு (தானாகவும் என்றும் புதுப்பிக்கப்படும்) -[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](./README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](./README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) -> **உடனடியாக கிளோன் செய்ய விரும்புகிறீர்களா?** +> **உறுப்புணர்ந்து க்ளோன் செய்ய விரும்புகிறீர்களா?** -> இந்த சேமிப்பகம் 50+ மொழிபெயர்ப்புகளை கொண்டுள்ளது, இது பதிவிறக்கம் அளவை குறிப்பிடத்தக்க அளவில் அதிகரிக்கிறது. மொழிபெயர்ப்புகள் இல்லாமல் கிளோன் செய்ய sparse checkout ஐப் பயன்படுத்தவும்: +> இந்த சேமிப்பகத்தில் 50+ மொழி மொழிபெயர்ப்புகள் உள்ளன, இதனால் பதிவிறக்க அளவு மிக அதிகரிக்கிறது. மொழிபெயர்ப்புகள் இல்லாமல் க்ளோன் செய்ய, sparse checkout ஐ பயன்படுத்தவும்: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git > cd AI-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` -> இது உங்களுக்கு பாடத்திட்டத்தை விரைவான பதிவிறக்கத்துடன் முடிக்க தேவையான அனைத்தையும் வழங்கும். +> இது உங்கள் பாடத்திட்டத்தை முடிக்க தேவையான அனைத்து அம்சங்களையும் துரிதமான பதிவிறக்கத்துடன் வழங்கும். -**மேலும் மொழி ஆதரவு விரும்பினால், அவை இங்கே பட்டியலிடப்பட்டுள்ளன [இங்கு](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**மேலும் ஆதரவு தேவைப்பட்டால் [இங்கே](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) பட்டியலிடப்பட்டுள்ளது** -## சமூகத்தில் சேரவும் +## சமூகத்தில் ஒன்று சேருங்கள் [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -## நீங்கள் கற்றுக்கொள்ளப்போவது +## நீங்கள் எதை கற்கப்போகிறீர்கள் -**[பாடத்தின் மனவரையறை வரைபடம்](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)** +**[பாடத்திட்டத்தின் மனப்படம்](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)** -இந்த பாடத்திட்டத்தில், நீங்கள் கற்றுக்கொள்ளப்போக, +இந்த பாடத்திட்டத்தில், நீங்கள் கற்பீர்கள்: -* "நல்ல பழைய" குறியிட்டு (symbolic) முறையை உள்ளடக்கிய செயற்கை நுண்ணறிவுக்கான வெவ்வேறு அணுகுமுறைகள், இதில் **அறிவு பிரதிநிதித்துவம்** மற்றும் காரணமற்று (reasoning) உள்ளது ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). -* நவீன AI இன் காரணி ஆகும் **நியூரல் நெட்வொர்க்ஸ்** மற்றும் **டீப் லெர்னிங்**. இந்த முக்கிய தலைப்புகளுக்கான கருத்துக்களை நாம் இரண்டு பிரபலமான கட்டமைப்புகளில் உள்ள குறியீட்டுடன் விளக்கப்போகிறோம் - [TensorFlow](http://Tensorflow.org) மற்றும் [PyTorch](http://pytorch.org). -* படங்களுடன் மற்றும் உரையுடன் வேலை செய்ய **நியூரல் கட்டமைப்புகள்**. நாங்கள் சமீபத்திய மாதிரிகளை உள்ளடக்கும்; இருப்பினும், மிகவும் முன்னணி நிலைகளை சந்திக்கக் குறைவாக இருக்கலாம். -* குறைந்த பிரபலமான AI அணுகுமுறைகள், உதாரணமாக **ஜெனெடிக் ஆல்கொரிதம்கள்** மற்றும் **பல-செயலாளி அமைப்புகள்**. +* "நற்ச.old்" குறியிடப்பட்ட முறையான **அறிவியல் பிரதிநிதித்துவம்** மற்றும் காரணமறிதல் ஆகியவற்றுடன் கூடிய பல்வேறு பரிக்களப்படிகள் ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). +* நவீன AI இன் தாழ்த்துக்குரிய **நியூரல் நெட்வொர்க்குகள்** மற்றும் **ஆழமான கற்றல்**. இந்த முக்கிய கருத்துக்களை இரண்டு மிகப் பிரபலமான அமைப்புகளில் உள்ள குறியீடுகளுடன் விளக்குவோம் - [TensorFlow](http://Tensorflow.org) மற்றும் [PyTorch](http://pytorch.org). +* படங்கள் மற்றும் உரையுடன் பணியாற்ற **நியூரல் கட்டமைப்புகள்**. அண்மை மாதிரிகள் பற்றி பேசுவோம், ஆனால் ஒருசில நாட்களில் முன்னேற்றத்தில் குறைவாக இருக்கலாம். +* **பரிணாம சிக்கல்கள்** மற்றும் **பல முகாமுறை அமைப்புகள்** போன்ற குறைவான AI அணுகுமுறைகள். -இந்த பாடத்திட்டத்தில் நாம் பரிசீலிக்காதவை: +இந்த பாடத்திட்டத்தில் நாம் மற்றவற்றை கற்பதில்லை: -> [Microsoft Learn தொகுப்பில் இந்த பாடத்திட்டத்திற்கு கூடுதல் மூலங்கள்](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) +> [இந்த பாடத்திட்ட சம்பந்தப்பட்ட அனைத்துக் கூடுதல் வளங்களும் Microsoft Learn தொகுப்பில் உள்ளன](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) -* வியாபாரத்தில் **AI பயன்பாடுகள்**. Microsoft Learn இல் உள்ள [வியாபார பயனாளர்களுக்கான AI அறிமுகம்](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) கற்றல் பாதை அல்லது [AI வியாபாரம் பள்ளி](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), [INSEAD](https://www.insead.edu/) உடன் இணைந்து உருவாக்கப்பட்டது, எடுத்துக் கொள்ள பரிந்துரைக்கப்படுகிறது. -* எங்கள் [தொடக்கநிலையினருக்கான இயந்திரக் கற்றல் பாடத்திட்டம்](http://github.com/Microsoft/ML-for-Beginners) இல் நன்றாக விளக்கப்பட்டுள்ள **முறைபூர்வ இயந்திரக் கற்றல்**. -* **[Cogntive Services](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)** மூலம் உருவாக்கப்பட்ட நடைமுறை AI பயன்பாடுகள். இதற்காக, Microsoft Learn இல் உள்ள [கண்](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [இயற்கை மொழி செயலாக்கம்](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Azure OpenAI சேவையுடன் உருவாக்கும் AI](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** மற்றும் பிற மாட்ஹுகள் மூலம் படிக்க பரிந்துரைக்கப்படுகிறது. -* குறிப்பிட்ட ML **மேகம் தளம்**(Cloud Frameworks), உதாரணமாக [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum), அல்லது [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). [Azure Machine Learning மூலம் இயந்திரக் கற்றல் தீர்வுகளை உருவாக்கி இயக்கவும்](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) மற்றும் [Azure Databricks உடன் இயந்திரக் கற்றல் தீர்வுகளை உருவாக்கி இயக்கவும்](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) ஆகிய பாட பாதைகளைப் பயன்படுத்த பரிந்துரைக்கப்படுகிறது. -* **संवादी AI** மற்றும் **சாட் போட்ஸ்**. [சென்றொடர்புடைய AI தீர்வுகளை உருவாக்கு](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) என தனித்தவிர் பாட பாதையும் உள்ளது, மேலும் விரிவாக அறிந்துகொள்ள [இந்த வலைப்பூக் கட்டுரையை](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) காணலாம். -* **ஆழமான கணிதவியல்** (Deep Mathematics) பழகும். இதற்காக, Ian Goodfellow, Yoshua Bengio மற்றும் Aaron Courville அவர்களின் [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) புத்தகத்தை பரிந்துரைக்கிறோம், இது இணையத்திலும் கிடைக்கிறது: [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/). +* வணிகஙகளில் **AI இன் பாவனை** சம்பந்தப்பட்ட வணிகச் சூழல்கள். Microsoft Learn இல் [வணிக பயன்பாட்டாளருக்கான AI அறிமுகவியல்](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) பாடத்திட்டத்தை எடுத்துக்கொள்ளவும் அல்லது [AI வணிகக் கல்வி](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum) என்பதை [INSEAD](https://www.insead.edu/) உடன் ஒத்துழைத்து உருவாக்கப்பட்டது. +* **சாதாரண இயந்திர கற்றல்** , இது நமது [கற்றல் இயந்திரம் தொடக்கறிஞர்களுக்கான பாடத்திட்டத்தில்](http://github.com/Microsoft/ML-for-Beginners) நன்கு விளக்கப்பட்டுள்ளது. +* **[உணர்திறன் சேவைகள்](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)** ஐ பயன்படுத்தி உருவாக்கப்பட்ட நடைமுறை AI பயன்பாடுகள். இதற்காக Microsoft Learn இல் உள்ள [காட்சி](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [இயற்கை மொழி செயலாக்கம்](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Azure OpenAI சேவையுடன் உருவான AI](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** மற்றும் பிற முறை விரிவுகளை தொடங்க பரிந்துரைக்கப்படுகிறது. +* குறிப்பிட்ட மெஷின் லெர்னிங் **மேக அமைப்புகள்**, உதாரணமாக [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum), அல்லது [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). [Azure Machine Learning உடன் இயந்திர கற்றல் தீர்வுகள் கட்டவும் இயக்கவும்](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) மற்றும் [Azure Databricks உடன் இயந்திர கற்றல் தீர்வுகள் கட்டவும் இயக்கவும்](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) பாடத்திட்டங்களை பயன்படுத்த பரிந்துரைக்கப்படுகிறது. +* **பேச்சுவழி AI** மற்றும் **செயல் உரையாடல் பொறிகள்**. தனித்த [பேச்சுவழி AI தீர்வுகளை உருவாக்கி செயல்படுத்தும்](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) பாடத்திட்டமும் உள்ளது; மேலும் விவரங்களுக்கு [இந்த வலைப்பதிவு](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) பார்க்கவும். +* ஆழ்ந்த கற்றலைச் சார்ந்த **ஆழ்ந்த கணிதவியல்**. இதற்கான பரிந்துரையான நூல் [ஆழ்ந்த கற்றல் (Deep Learning)](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) இன் இயானுகூடிவ், யோஷுவா பெங்கியோ மற்றும் ஆரூன் கார்விலின் எழுதியது, இது ஆன்லைனிலும் கிடைக்கிறது [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/). -_மேகத்தில் AI_ பற்றிய மென்மையான முன்னோட்டத்திற்கு [Azure இல் செயற்கை நுண்ணறிவை தொடங்குவது](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) கற்றல் பாதையை எடுத்துக்கொள்ளலாம். +_மேகத்தில் AI தொடர்பான_ மென்மையான அறிமுகத்தின் விருப்பத்துடன் இருந்தால், [Azure இல் கலைத்தின் தொடக்கம்](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) பாடத்திட்டத்தைக் கவனிக்கலாம். # உள்ளடக்கம் -| | பாட இணைப்பு | PyTorch/Keras/TensorFlow | ஆய்வுக் கூடம் | +| | படிப்பு இணைப்பு | PyTorch/Keras/TensorFlow | ஆய்வு | | :-: | :------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ------------------------------------------------------------------------------ | -| 0 | [பாடத்தின் அமைப்பு](./lessons/0-course-setup/setup.md) | [உங்கள் மேம்பாட்டு சூழலை அமைக்கவும்](./lessons/0-course-setup/how-to-run.md) | | +| 0 | [பாடம் அமைப்பு](./lessons/0-course-setup/setup.md) | [உங்கள் மேம்பட்ட கட்டமைப்பை அமைக்கவும்](./lessons/0-course-setup/how-to-run.md) | | | I | [**AI அறிமுகம்**](./lessons/1-Intro/README.md) | | | -| 01 | [AI அறிமுகம் மற்றும் வரலாறு](./lessons/1-Intro/README.md) | - | - | +| 01 | [AI இன் அறிமுகம் மற்றும் வரலாறு](./lessons/1-Intro/README.md) | - | - | | II | **குறியீட்டு AI** | -| 02 | [அறிவு பிரதிநிதித்துவம் மற்றும் நிபுணர் அமைப்புகள்](./lessons/2-Symbolic/README.md) | [நிபுணர் அமைப்புகள்](./lessons/2-Symbolic/Animals.ipynb) / [ஒன்டாலஜி](./lessons/2-Symbolic/FamilyOntology.ipynb) /[கருத்து வரைபடம்](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | -| III | [**நியூரல் நெட்வொர்க்குகளுக்கான அறிமுகம்**](./lessons/3-NeuralNetworks/README.md) ||| -| 03 | [பெர்செப்ட்ரான்](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [நோட்புக்](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [லேப்](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | -| 04 | [பல-செருகலுடைய பெர்செப்ட்ரான் மற்றும் எங்கள் சொந்த கட்டமைப்பை உருவாக்குதல்](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [நோட்புக்](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [லேப்](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | -| 05 | [கட்டமைப்புகளுக்கான அறிமுகம் (PyTorch/TensorFlow) மற்றும் மிகைப்படுத்தல்](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [லேப்](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | -| IV | [**கணினி பார்வை**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [மைக்ரோசாப்ட் அசுரில் கணினி பார்வையை ஆராயவும்](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | -| 06 | [கணினி பார்வைக்கான அறிமுகம். OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [நோட்புக்](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [லேப்](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | -| 07 | [ஒற்றுமை நரம்பு வலைப்பின்னல்கள்](./lessons/4-ComputerVision/07-ConvNets/README.md) & [CNN கட்டமைப்புகள்](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [லேப்](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | -| 08 | [முன்னதாக பயிற்சி பெற்ற வலைப்பின்னல்கள் மற்றும் மாற்ற முறைப்பயிற்சி](./lessons/4-ComputerVision/08-TransferLearning/README.md) மற்றும் [பயிற்சி தர்பொழுக்கள்](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [லேப்](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | -| 09 | [ஆட்டோஎன்கோடர்கள் மற்றும் VAE-கள்](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | | -| 10 | [உற்பத்தி எதிர்ப்புப் வலைப்பின்னல்கள் மற்றும் கலைப்பாணி மாற்றம்](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | -| 11 | [பொருள் கண்டறிதல்](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [லேப்](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | -| 12 | [பொருந்தும் பகிர்வு. U-Net](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | | -| V | [**இயற்கை மொழி செயலாக்கம்**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [மைக்ரோசாப்ட் அசுரில் இயற்கை மொழி செயலாக்கத்தை ஆராயவும்](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| +| 02 | [அறிவுநிலை பிரதிநிதித்துவமும் நிபுண முறைமைகள்](./lessons/2-Symbolic/README.md) | [நிபுண முறைமைகள்](./lessons/2-Symbolic/Animals.ipynb) / [ஒண்டாலஜி](./lessons/2-Symbolic/FamilyOntology.ipynb) /[கருத்து வரைபடம்](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | +| III | [**நியூரல் நெட்வொர்க்க்களுக்கு அறிமுகம்**](./lessons/3-NeuralNetworks/README.md) ||| +| 03 | [பெர்ஸெப்ட்ரான்](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [பதியகம்](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [ ஆய்வகம்](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | +| 04 | [பன்முக அகுதட பெர்ஸெப்ட்ரான் மற்றும் எங்கள் சொந்த வடிவமைப்பை உருவாக்குதல்](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [பதியகம்](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [ ஆய்வகம்](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | +| 05 | [வடிவமைப்புகளுக்கு அறிமுகம் (PyTorch/TensorFlow) மற்றும் அதிகபடுத்தல்](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [ ஆய்வகம்](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | +| IV | [**கணினி பார்வை**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [Microsoft Azure இல் கணினி பார்வையை ஆராயவும்](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | +| 06 | [கணினி பார்வைக்கு அறிமுகம். OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [பதியகம்](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [ ஆய்வகம்](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | +| 07 | [கன்வோல்யூஷனல் நியூரல் நெட்வொர்க்குகள்](./lessons/4-ComputerVision/07-ConvNets/README.md) & [CNN வடிவமைப்புகள்](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [ ஆய்வகம்](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | +| 08 | [முன்பயிற்சியுள்ள நெட்வொர்க்குகள் மற்றும் மாற்று கற்றல்](./lessons/4-ComputerVision/08-TransferLearning/README.md) மற்றும் [பயிற்சி நுட்பங்கள்](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [ ஆய்வகம்](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | +| 09 | [ஆட்டோஎன்கோடர்கள் மற்றும் VAEs](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | | +| 10 | [பெருமொழி தந்திர நெட்வொர்க்குகள் மற்றும் கலைச் ஸ்டைல் மாற்றம்](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | +| 11 | [பொருள் கண்டறிதல்](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [ ஆய்வகம்](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | +| 12 | [அர்த்தப்பட்ட பிரிவு. U-Net](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | | +| V | [**பொது மொழி செயலாக்கம்**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [Microsoft Azure இல் பொது மொழி செயலாக்கத்தை ஆராயவும்](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| | 13 | [உரை பிரதிநிதித்துவம். Bow/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | | -| 14 | [பொருள் வார்த்தை புகுத்தங்கள். Word2Vec மற்றும் GloVe](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | | -| 15 | [மொழி மாதிரிகள். உங்கள் சொந்த புகுத்தங்களை பயிற்றுவித்தல்](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [லேப்](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | -| 16 | [மறுநடை நரம்பு வலைப்பின்னல்கள்](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | | -| 17 | [உற்பத்தி மறுநடை வலைப்பின்னல்கள்](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [லேப்](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | +| 14 | [அர்த்தப்பட்ட வார்த்தை செருகல்கள். Word2Vec மற்றும் GloVe](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | | +| 15 | [மொழி மாதிரிமுறை. உங்கள் சொந்த செருகல்களை பயிற்சி செய்தல்](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [ ஆய்வகம்](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | +| 16 | [திரும்பும் நியூரல் நெட்வொர்க்குகள்](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | | +| 17 | [பெருமொழி திரும்பும் நெட்வொர்க்குகள்](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [ ஆய்வகம்](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | | 18 | [டிரான்ஸ்ஃபார்மர்கள். BERT.](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | | -| 19 | [பெயர் உருப்படி හඳුනාத்தல்](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [லேப்](./lessons/5-NLP/19-NER/lab/README.md) | -| 20 | [பெரிய மொழி மாதிரிகள், ப்ராம்ட் நிரலாக்கம் மற்றும் குறைந்த-காட்சி பணிகள்](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | -| VI | **மற்ற AI நுட்பங்கள்** || | -| 21 | [மரபணு அணுகுமுறை](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [நோட்புக்](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | -| 22 | [ஆழ்ந்த பலவீனி கற்றல்](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [லேப்](./lessons/6-Other/22-DeepRL/lab/README.md) | -| 23 | [பல-செயலாளர் அமைப்புகள்](./lessons/6-Other/23-MultiagentSystems/README.md) | | | -| VII | **AI நெறிமுறை** | | | -| 24 | [AI நெறிமுறை மற்றும் பொறுப்பிற்குரிய AI](./lessons/7-Ethics/README.md) | [மைக்ரோசாஃப்ட் கற்றல்: பொறுப்பிற்குரிய AI கொள்கைகள்](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | +| 19 | [பெயரிடப்பட்ட உதவிக் கூறுகள் அங்கீகாரம்](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [ ஆய்வகம்](./lessons/5-NLP/19-NER/lab/README.md) | +| 20 | [பெரிய மொழி மாதிரிகள், முன்னெச்சரிக்கை நிரலாக்கம் மற்றும் குறைந்த-காட்சி பணிகள்](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | +| VI | **மற்ற AI தொழில்நுட்பங்கள்** || | +| 21 | [உரைணுக்கல் ஆல்கொரிதம்கள்](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [பதியகம்](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | +| 22 | [ஆழமான ஊக்கமளிக்கும் கற்றல்](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [ ஆய்வகம்](./lessons/6-Other/22-DeepRL/lab/README.md) | +| 23 | [பல-நிலை முகவரிடல் சிஸ்டங்கள்](./lessons/6-Other/23-MultiagentSystems/README.md) | | | +| VII | **AI நெறிமுறைகள்** | | | +| 24 | [AI நெறிமுறைகள் மற்றும் பொறுப்பான AI](./lessons/7-Ethics/README.md) | [Microsoft Learn: பொறுப்பான AI/principles](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | | IX | **கூடுதல்** | | | -| 25 | [பல்வேறு மாதிரிகள், CLIP மற்றும் VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [நோட்புக்](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | +| 25 | [பல-முறைக்கான நெட்வொர்க்குகள், CLIP மற்றும் VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [பதியகம்](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | -## ஒவ்வொரு பாடமும் கொண்டிருக்கிறது +## ஒவ்வொரு பாடத்திலும் -* முன்படிப்பு பொருள் -* இயங்கக்கூடிய ஜூபைட்டர் நோட்புக்குகள், அவை பெரும்பாலும் கட்டமைப்பிற்கு ( **PyTorch** அல்லது **TensorFlow**) குறிப்பாக இருக்கும். இயங்கக்கூடிய நோட்புக் அதிகமாக ஆராய்ச்சி பொருள்களை உள்ளடக்கியது, ஆகவே தலைப்பை புரிந்துகொள்ள, நீங்கள் குறைந்தது ஒரு பதிப்பை (PyTorch அல்லது TensorFlow) முழுமையாகப் பார்க்க வேண்டும். -* சில தலைப்புகளுக்கு **லேப்கள்** உள்ளன, இவைகள் நீங்கள் கற்றுக்கொண்ட பொருளை ஒரு குறிப்பிட்ட பிரச்சனையில் பாவனை செய்ய முயற்சிக்க முடியும். -* சில பிரிவுகளில் தொடர்புடைய தலைப்புகளை உள்ளடக்கும் [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) பாடங்கள் உள்ளன. +* முன்னேற்பாடான வாசிப்பு பரப்பு +* இயக்கக்கூடிய Jupyter பதியகங்கள், அவை பெரும்பாலும் வடிவமைப்புக்கு ( **PyTorch** அல்லது **TensorFlow**) இசையாக இருக்கும். இயக்கக்கூடிய பதியகம் பல கோட்பாட்டு பொருட்களை கொண்டுள்ளது, ஆகவே தலைப்பை புரிந்து கொள்ள ஒரேயொரு பதியகம் (PyTorch அல்லது TensorFlow) பதிப்பைப் படிக்க வேண்டும். +* சில தலைப்புகளுக்கான **ஆய்வகங்கள்**, நீங்கள் கற்றுக் கொண்ட பொருளை ஒரு குறிப்பிட்ட பிரச்சினைக்கு செயல்படுத்த முயற்சிக்க வாய்ப்பளிக்கின்றன. +* சில பகுதிகள் தொடர்புடைய பொருட்களை உள்ளடக்கிய [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) ஒன்றுகூடலை குறிப்பிடுகின்றன. -## தொடங்குவோம் +## தொடங்குவது எப்படி -### 🎯 AI-க்கு புதியவரா? இங்கிருந்து ஆரம்பிக்கவும்! +### 🎯 AI-க்கு புதியவரா? இங்கு தொடங்குங்கள்! -நீங்கள் AI-வில் முழுமையாக புதியவராகவும் விரைவான, கைபடி எடுத்துக்காட்டு முறைமைகள் வேண்டும் என்றாலும், எங்கள் [**ஆரம்பக்காரர்கள்-Friendly எடுத்துக்காட்டுகள்**](./examples/README.md) காண்க! இதில் உள்ளன: +நீங்கள் AI-க்கு முற்றிலும் புதியவராக இருந்து விரைவான, கையால் செய்யக்கூடிய எடுத்துக்காட்டுகளை விரும்பினால், எங்கள் [**ஆறுதல் தருமுனைப் படிப்புகள்**](./examples/README.md) ஐ பார்க்கவும்! இதில் உள்ளவை: -- 🌟 **வணக்கம் AI உலகம்** - உங்கள் முதல் AI நிகழ்ச்சி (வடிவம் அறிதல்) -- 🧠 **எளிய நரம்பு வலைப்பு** - ஆரம்பத்திலிருந்தே ஒரு நரம்பு வலைப்பை கட்டவும் -- 🖼️ **பட வகைப்படுத்தி** - விவரமான கருத்துக்களுடன் படங்களை வகைப்படுத்தவும் -- 💬 **உரை உணர்வு** - நேர்மறை/எதிர்மறை உரையை பகுப்பாய்வு செய்யவும் +- 🌟 **ஹலோ AI உலகம்** - உங்கள் முதல் AI நிகழ்ச்சி (முறை குறிப்பறிதல்) +- 🧠 **சாதாரண நியூரல் நெட்வொர்க்கு** - ஆரம்பத்திலிருந்து நியூரல் நெட்வொர்க்கை கட்டியமைக்கவும் -இவை முழு பாடத்திட்டத்தின் ஆரம்பத்தில் AI கருத்துக்களை புரிந்து கொள்வதற்கு உதவ வடிவமைக்கப்பட்ட உதாரணங்கள். +- 🖼️ **பட வகைப்படுத்தி** - விரிவான குறிப்புகளுடன் படங்களை வகைப்படுத்து +- 💬 **உரை உணர்ச்சி** - நேர்மறை/எதிர்மறை உரையை பகுப்பாய்வு செய்க + +இந்த எடுத்துக்காடுகள் முழு பாடத்திட்டத்தில் ஆழமாகப் போகும் முன் AI கருத்துக்களைப் புரிந்து கொள்ள உதவ வடிவமைக்கப்பட்டுள்ளன. ### 📚 முழு பாடத்திட்ட அமைப்பு -- உங்கள் மேம்பாட்டு சூழலை அமைப்பதற்கு உதவ [அமைப்பு பாடம்](./lessons/0-course-setup/setup.md) உருவாக்கப்பட்டுள்ளது. - ஆசிரியர்களுக்கு, அவர்களுக்கும் உதவ [பாடத்திட்ட அமைப்பு பாடம்](./lessons/0-course-setup/for-teachers.md) உருவாக்கியுள்ளோம்! -- VSCode அல்லது Codespace இல் [குறியீட்டை இயக்குவது எப்படி](./lessons/0-course-setup/how-to-run.md) +- உங்கள் அபிவிருத்தி சூழலை அமைக்க உதவ நாங்கள் ஒரு [அமைப்பு பாடம்](./lessons/0-course-setup/setup.md) உருவாக்கியுள்ளோம். - ஆசிரியர்களுக்காகவும், நாங்கள் ஒரு [பாடத்திட்ட அமைப்பு பாடம்](./lessons/0-course-setup/for-teachers.md) தயார் செய்துள்ளோம்! +- VSCode அல்லது Codespace இல் [குறியீட்டை எப்படி இயக்குவது](./lessons/0-course-setup/how-to-run.md) -இந்த படிகளைக் கடைபிடிக்கவும்: +இந்த படிகளை பின்பற்றவும்: -அர்.இணைவை பிரித்து ரசிப்பது: இக்கணினியின் மேலே-வலது மூலையில் உள்ள "Fork" பொத்தானை சொடுக்கவும். +Repository ஐ Fork செய்யவும்: இந்த பக்கத்தின் மேலே வலது மூலையில் உள்ள "Fork" பொத்தானை கிளிக் செய்யவும். -அர்.இணைவை நகலெடுக்க: `git clone https://github.com/microsoft/AI-For-Beginners.git` +Repository ஐ Clone செய்யவும்: `git clone https://github.com/microsoft/AI-For-Beginners.git` -தயவுசெய்து பின்னர் எளிதில் கண்டுபிடிக்க இந்த ரெப்போவை நட்சத்திரப்படுத்த (🌟) மறக்க வேண்டாம். +பின்னர் எளிதாக கண்டுபிடிக்க இந்த repo ஐ நட்சத்திரம் (🌟) அடையாளம் இட மறக்க வேண்டாம். -## மற்ற கற்றல் பயணிகளை சந்தியுங்கள் +## பிற கற்றவர்களை சந்திக்கவும் -இந்தப் படிப்பில் கலந்து கொள்வோர் மற்றும் ஆதரவு பெற [அது அதிகாரபூர்வ AI Discord சேவை](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) இணைந்து, மற்ற கற்றல் பயணிகளைக் காணுங்கள் மற்றும் தொடர்பு கொள்ளுங்கள். +இந்த பாடத்தை எடுத்துக்கொண்ட மற்ற கற்றவர்களை சந்திக்க மற்றும் உறவாட [எமது அங்கீகார AI Discord சேவையகம்](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) இணைந்துகொள்ளவும். -உற்பத்தியாளர் கருத்து அல்லது கேள்விகளுக்காக, கட்டுமானத்தில் எமது [Azure AI Foundry Developer Forum](https://aka.ms/foundry/forum) பார்க்கவும் +உற்பத்தியின் கருத்துக்கள் அல்லது கேள்விகள் இருந்தால், கட்டுமானத்தின் போது எமது [Azure AI Foundry Developer Forum](https://aka.ms/foundry/forum) ஐ பார்வையிடவும் -## வினாத்தாள்கள் +## கணினொட்டங்கள் -> **வினாத்தாள்கள் பற்றிய குறிப்பு**: அனைத்து வினாத்தாள்களும் Quiz-app கோப்புறையில் etc\quiz-app என உள்ளன, அல்லது [இணையத்தில் இங்கே](https://ff-quizzes.netlify.app/) உள்ளது. அவை பாடங்களுக்குள் இணைக்கப்பட்டுள்ளன, வினாத்தாள் பயன்பாட்டை உள்ளூர் அல்லது Azure இல் இயக்கலாம்; `quiz-app` கோப்புறையில் உள்ள வழிமுறைகளை பின்பற்றவும். அவை படிப்படியாக உள்ளூர் மொழிகளுக்கு மாற்றப்படுகின்றன. +> **கணினொட்டுகள் பற்றிய ஒரு குறிப்பு**: அனைத்து கணினொட்டுகளும் Quiz-app கோப்பகத்தில் etc\quiz-app இல் அல்லது [இணையத்தில் இங்கு](https://ff-quizzes.netlify.app/) உள்ளன. அவை பாடங்களில் உள்ள இணைப்புகளாக இணைக்கப்பட்டுள்ளன; quiz app ஐ உள்ளூர் முறையில் இயக்கு அல்லது Azure இல் தள்ளீடு செய்ய முடியும்; `quiz-app` கோப்பகத்தில் உள்ள வழிமுறைகளை பின்பற்றவும். அவை படிப்படியாக மொழிபெயர்க்கப்படுகின்றன. ## உதவி தேவை -மின்னஞ்சலோ குறியீட்டுப் பிழைகளை நீங்கள் கண்டுபிடித்ததாக இருந்தால் அல்லது பரிந்துரைகள் இருந்தால், ஒரு பிரச்சனையை எழுப்பவும் அல்லது पुल் விண்ணப்பத்தை உருவாக்கவும். +சூasuஸ் அல்லது எழுத்துப்பிழைகள் அல்லது குறியீடு தவறுகள் கண்டிருந்தால், ஒரு பிரச்சனை எழுப்ப அல்லது पुल் வேண்டுகோள் உருவாக்கவும். ## சிறப்பு நன்றி -* **✍️ பிரதான ஆசிரியர்:** [Dmitry Soshnikov](http://soshnikov.com), PhD -* **🔥 ஆசிரியர்:** [Jen Looper](https://twitter.com/jenlooper), PhD -* **🎨 வரைபடக் கலைஞர்:** [Tomomi Imura](https://twitter.com/girlie_mac) -* **✅ வினாத்தாள் உருவாக்குனர்:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/) -* **🙏 கோர் பங்களிப்பாளர்கள்:** [Evgenii Pishchik](https://github.com/Pe4enIks) +* **✍️ முதன்மை எழுத்தாளர்:** [Dmitry Soshnikov](http://soshnikov.com), PhD +* **🔥 தொகுப்பாளர்:** [Jen Looper](https://twitter.com/jenlooper), PhD +* **🎨 ஸ்கெட்ச் நோட் ஓவியக்காரர்:** [Tomomi Imura](https://twitter.com/girlie_mac) +* **✅ கணினொட்டு உருவாக்குநர்:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/) +* **🙏 முக்கிய பங்களிப்பாளர்கள்:** [Evgenii Pishchik](https://github.com/Pe4enIks) -## மற்ற பாடத்திட்டங்கள் +## பிற பாடத்திட்டங்கள் -எமது குழு மற்ற பாடத்திட்டங்களையும் உருவாக்குகிறது! இதைப் பார்வையிடுங்கள்: +எமது குழு பிற பாடத்திட்டங்களையும் உருவாக்குகிறது! பார்: ### LangChain @@ -181,52 +173,52 @@ _மேகத்தில் AI_ பற்றிய மென்மையான --- -### Azure / Edge / MCP / Agents -[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +### Azure / Edge / MCP / ஏஜெண்ட்கள் +[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) [![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- - -### Generative AI Series -[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) + +### உருவாக்கும் AI தொடர் +[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) [![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- - -### Core Learning -[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) -[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) -[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) + +### மையக் கற்றல் +[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) +[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) +[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) +[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) [![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- - -### Copilot Series -[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) -[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) -[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) + +### Copilot தொடர் +[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) +[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) -## உதவி பெறுதல் +## உதவி பெறுவது -AI பயன்பாடுகளை உருவாக்கும்போது சிக்கல்களில் சிக்கினால் அல்லது ஏதேனும் கேள்விகள் இருந்தால், MCP குறித்து மற்ற கற்றல் பயணிகள் மற்றும் அனுபவசாலி மேம்படுத்திகள் சேர்ந்து விவாதிக்கின்றனர். இது ஒரு ஆதரவான சமூகமாகும், அங்கு கேள்விகள் வரவேற்கப்படுகின்றன மற்றும் அறிவு விடாமுயற்சியுடன் பகிரப்படுகிறது. +AI செயலிகளை உருவாக்குவதில் தடுமாறினால் அல்லது கேள்விகள் இருந்தால். MCP பற்றி பேசுவதற்கு மற்றும் அனுபவம் மிகுந்த டெவலப்பர்கள் மற்றும் மற்ற கற்றவர்கள் கூட்டம் உள்ள குழுவில் சேரவும். இது கேள்விகளுக்கு வாசலாகும், அறிவு இலவசமாக பகிரப்படும் ஒரு ஆதரவு சமூகம். [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -உற்பத்தி தொடர்பான கருத்துக்கள் அல்லது பிழைகள் இருந்தால்: +உற்பத்தியின் கருத்துக்கள் அல்லது பிழைகள் இருந்தால்: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**அறிவுறுத்தல்**: -இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவை [Co-op Translator](https://github.com/Azure/co-op-translator) மூலம் மொழிபெயர்க்கப்பட்டது. நாங்கள் துல்லியத்தைக் குறிக்க ஆசைப்படினாலும், தானாகம் மொழிபெயர்ப்புகளில் தவறுகள் அல்லது தவறிய விளக்கங்கள் இருக்க வாய்ப்பு உள்ளது என்பதை தயவுசெய்து கவனிக்கவும். அதன் தாய்மொழியில் உள்ள அசல் ஆவணம் அதிகாரப்பூர்வமான ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவலுக்கு, தகுதியான மனித மொழிபெயர்ப்பாளர் மூலம் மொழிபெயர்ப்பு செய்தல் பரிந்துரைக்கப்படுகின்றது. இந்த மொழிபெயர்ப்பை பயன்படுத்துவதால் ஏற்பட்ட எந்த தவறான புரிதலும் அல்லது தவறான விளக்கங்களுக்கும் நாங்கள் பொறுப்பு கொள்ளமாட்டோம். +**குறிப்பு**: +இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவை [Co-op Translator](https://github.com/Azure/co-op-translator) மூலம் மொழிபெயர்க்கப்பட்டது. நாங்கள் துல்லியத்திற்காக முயலினாலும், தானியங்கி மாற்றங்களில் பிழைகள் அல்லது தவறுகள் இருக்கக்கூடும் என்பதை பகிர்ந்துகொள்ள விரும்புகிறோம். மூல ஆவணம் அதன் சொந்த மொழியிலே அதிகாரபூர்வ ஆதாரமாகக் கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பை பரிந்துரைக்கிறோம். இந்த மொழிபெயர்ப்பு பயன்பாட்டினால் ஏற்படும் எந்தவொரு தவறான புரிதல்களுக்கு அல்லது தவறான விளக்கங்களுக்கு நாங்கள் பொறுப்பல்ல. \ No newline at end of file diff --git a/translations/ta/SECURITY.md b/translations/ta/SECURITY.md index 5a8d65f9..284a513b 100644 --- a/translations/ta/SECURITY.md +++ b/translations/ta/SECURITY.md @@ -1,12 +1,3 @@ - ## பாதுகாப்பு diff --git a/translations/ta/etc/CODE_OF_CONDUCT.md b/translations/ta/etc/CODE_OF_CONDUCT.md index 7da3c417..db3fa5ed 100644 --- a/translations/ta/etc/CODE_OF_CONDUCT.md +++ b/translations/ta/etc/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # மைக்ரோசாஃப்ட் திறந்த மூல நடத்தை விதிமுறைகள் இந்த திட்டம் [மைக்ரோசாஃப்ட் திறந்த மூல நடத்தை விதிமுறைகளை](https://opensource.microsoft.com/codeofconduct/) ஏற்றுக்கொண்டுள்ளது. diff --git a/translations/ta/etc/CONTRIBUTING.md b/translations/ta/etc/CONTRIBUTING.md index 46b89901..73a57fee 100644 --- a/translations/ta/etc/CONTRIBUTING.md +++ b/translations/ta/etc/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # பங்களிப்பு இந்த திட்டம் பங்களிப்புகளையும் பரிந்துரைகளையும் வரவேற்கிறது. பெரும்பாலான பங்களிப்புகளுக்கு நீங்கள் பங்களிப்பு உரிமம் ஒப்பந்தம் (CLA) உடன் ஒப்புக்கொள்வது தேவைப்படும், இது உங்கள் பங்களிப்பை பயன்படுத்துவதற்கான உரிமைகளை நமக்கு வழங்க நீங்கள் உரிமையுடையவராகவும், உண்மையில் அதை வழங்குகிறீர்களாகவும் அறிவிக்கிறது. மேலும் விவரங்களுக்கு https://cla.microsoft.com ஐ பார்வையிடவும். diff --git a/translations/ta/etc/Mindmap.md b/translations/ta/etc/Mindmap.md index f04efdd2..59ae3100 100644 --- a/translations/ta/etc/Mindmap.md +++ b/translations/ta/etc/Mindmap.md @@ -1,12 +1,3 @@ - # AI ## [AI அறிமுகம்](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/1-Intro/README.md) diff --git a/translations/ta/etc/SUPPORT.md b/translations/ta/etc/SUPPORT.md index 4f4d0e77..f09977e9 100644 --- a/translations/ta/etc/SUPPORT.md +++ b/translations/ta/etc/SUPPORT.md @@ -1,12 +1,3 @@ - # ஆதரவு ## பிரச்சினைகளை பதிவு செய்வது மற்றும் உதவி பெறுவது எப்படி diff --git a/translations/ta/etc/TRANSLATIONS.md b/translations/ta/etc/TRANSLATIONS.md index 7deb9b1a..3608554a 100644 --- a/translations/ta/etc/TRANSLATIONS.md +++ b/translations/ta/etc/TRANSLATIONS.md @@ -1,12 +1,3 @@ - # பாடங்களை மொழிபெயர்த்து பங்களிக்கவும் இந்த பாடத்திட்டத்தில் உள்ள பாடங்களுக்கு மொழிபெயர்ப்புகளை வரவேற்கிறோம்! diff --git a/translations/ta/etc/quiz-app/README.md b/translations/ta/etc/quiz-app/README.md index 44a72542..41775241 100644 --- a/translations/ta/etc/quiz-app/README.md +++ b/translations/ta/etc/quiz-app/README.md @@ -1,12 +1,3 @@ - # கேள்விகள் இந்த கேள்விகள் AI பாடத்திட்டத்திற்கான முன் மற்றும் பின்-வகுப்பு கேள்விகள் ஆகும். https://aka.ms/ai-beginners diff --git a/translations/ta/examples/README.md b/translations/ta/examples/README.md index d93a130c..1071b5d0 100644 --- a/translations/ta/examples/README.md +++ b/translations/ta/examples/README.md @@ -1,12 +1,3 @@ - # தொடக்கநிலை AI உதாரணங்கள் வரவேற்கிறோம்! இந்த அடைவு எளிய, தனித்துவமான உதாரணங்களை கொண்டுள்ளது, இது உங்களை AI மற்றும் இயந்திரக் கற்றலில் தொடங்க உதவுகிறது. ஒவ்வொரு உதாரணமும் தொடக்கநிலைக்கு ஏற்றவாறு வடிவமைக்கப்பட்டுள்ளது, விரிவான கருத்துரைகள் மற்றும் படிப்படியாக விளக்கங்களுடன். diff --git a/translations/ta/lessons/0-course-setup/for-teachers.md b/translations/ta/lessons/0-course-setup/for-teachers.md index be1431e3..1e513e15 100644 --- a/translations/ta/lessons/0-course-setup/for-teachers.md +++ b/translations/ta/lessons/0-course-setup/for-teachers.md @@ -1,12 +1,3 @@ - # ஆசிரியர்களுக்காக இந்த பாடத்திட்டத்தை உங்கள் வகுப்பறையில் பயன்படுத்த விரும்புகிறீர்களா? தயவுசெய்து பயன்படுத்துங்கள்! diff --git a/translations/ta/lessons/0-course-setup/how-to-run.md b/translations/ta/lessons/0-course-setup/how-to-run.md index bd00c454..504a8c9d 100644 --- a/translations/ta/lessons/0-course-setup/how-to-run.md +++ b/translations/ta/lessons/0-course-setup/how-to-run.md @@ -1,12 +1,3 @@ - # குறியீட்டை எப்படி இயக்குவது இந்த பாடத்திட்டத்தில் நீங்கள் இயக்க விரும்பும் நிறைய செயலாக்கக் கூடிய உதாரணங்கள் மற்றும் 실습களைக் கொண்டுள்ளது. இதைச் செய்ய, நீங்கள் இந்த பாடத்திட்டத்தின் ஒரு பகுதியான Jupyter Notebooks இல் Python குறியீட்டை இயக்கும் திறனுடன் இருக்க வேண்டும். குறியீட்டை இயக்குவதற்கு உங்களுக்கு பலவிதமான விருப்பங்கள் உள்ளன: diff --git a/translations/ta/lessons/0-course-setup/setup.md b/translations/ta/lessons/0-course-setup/setup.md index ef5d547c..bddc979b 100644 --- a/translations/ta/lessons/0-course-setup/setup.md +++ b/translations/ta/lessons/0-course-setup/setup.md @@ -1,12 +1,3 @@ - # இந்த பாடத்திட்டத்தை தொடங்குவது எப்படி ## நீங்கள் ஒரு மாணவரா? diff --git a/translations/ta/lessons/1-Intro/README.md b/translations/ta/lessons/1-Intro/README.md index 9b368244..9886a482 100644 --- a/translations/ta/lessons/1-Intro/README.md +++ b/translations/ta/lessons/1-Intro/README.md @@ -1,12 +1,3 @@ - # AI அறிமுகம் ![AI அறிமுகத்தின் சுருக்கம் ஒரு டூடிலில்](../../../../translated_images/ta/ai-intro.bf28d1ac4235881c.webp) diff --git a/translations/ta/lessons/1-Intro/assignment.md b/translations/ta/lessons/1-Intro/assignment.md index 9b2a3096..9529fec2 100644 --- a/translations/ta/lessons/1-Intro/assignment.md +++ b/translations/ta/lessons/1-Intro/assignment.md @@ -1,12 +1,3 @@ - # கேம் ஜாம் விளையாட்டுகள் என்பது AI மற்றும் ML வளர்ச்சியால் பெரிதும் பாதிக்கப்பட்ட ஒரு துறை. இந்த பணியில், AI வளர்ச்சியால் பாதிக்கப்பட்ட ஒரு விளையாட்டைப் பற்றி ஒரு குறுகிய கட்டுரை எழுதுங்கள். அது பல வகையான கணினி செயலாக்க அமைப்புகளால் பாதிக்கப்பட்ட ஒரு பழைய விளையாட்டு இருக்க வேண்டும். ஒரு நல்ல உதாரணம் சதுரங்கம் அல்லது கோ ஆகும், ஆனால் பாங் அல்லது பேக்-மேன் போன்ற வீடியோ விளையாட்டுகளையும் பாருங்கள். அந்த விளையாட்டின் கடந்த காலம், தற்போதைய நிலை மற்றும் AI எதிர்காலத்தை விவரிக்கும் ஒரு கட்டுரையை எழுதுங்கள். diff --git a/translations/ta/lessons/2-Symbolic/README.md b/translations/ta/lessons/2-Symbolic/README.md index b5356b9a..0b8472a9 100644 --- a/translations/ta/lessons/2-Symbolic/README.md +++ b/translations/ta/lessons/2-Symbolic/README.md @@ -1,15 +1,6 @@ - # அறிவுத்திறன் பிரதிநிதித்துவமும் நிபுணர் அமைப்புகளும் -![குறியீட்டு AI உள்ளடக்கத்தின் சுருக்கம்](../../../../../../translated_images/ta/ai-symbolic.715a30cb610411a6.webp) +![குறியீட்டு AI உள்ளடக்கத்தின் சுருக்கம்](../../../../translated_images/ta/ai-symbolic.715a30cb610411a6.webp) > ஸ்கெட்ச் நோட் [டோமோமி இமுரா](https://twitter.com/girlie_mac) அவர்களால் @@ -41,7 +32,7 @@ CO_OP_TRANSLATOR_METADATA: இந்த வகையில், **அறிவுரைப் பிரதிநிதித்துவம்** பிரச்சனையை ஒரு கணினியின் உள்ளே தரவு வடிவில் அறிவுரையை பிரதிநிதித்துவம் செய்யக்கூடிய சிறந்த முறையை கண்டறிவதற்கான பிரச்சனை என பார்க்கலாம். இது ஒரு வரம்பு போலும் பார்க்கலாம்: -![அறிவுரைப் பிரதிநிதித்துவ வரம்பு](../../../../../../translated_images/ta/knowledge-spectrum.b60df631852c0217.webp) +![அறிவுரைப் பிரதிநிதித்துவ வரம்பு](../../../../translated_images/ta/knowledge-spectrum.b60df631852c0217.webp) > படம் [ட்மிட்ரீ சோஷ்னிகோவ்](http://soshnikov.com) அவர்களின் படைப்பு @@ -94,7 +85,7 @@ Block Syntax | Indent | | | குறியீட்டு AI இன் ஆரம்ப வெற்றிகளில் ஒன்று **நிபுணர் அமைப்புகள்** எனப்படும், குறிப்பிட்ட பிரச்சனையில் நிபුණராக செயல்பட வடிவமைக்கப்பட்ட கணினி அமைப்புகள். இவை மனித நிபுணர்களிடமிருந்து ஒரு அல்லது பலரிடமிருந்து பெற்ற **அறிவு அங்கம்** மற்றும் அதற்கு மேலே சில காரணீயம் செய்யும் **காரண இயந்திரம்** கொண்டவை. -![மனித கட்டமைப்பு](../../../../../../translated_images/ta/arch-human.5d4d35f1bba3ab1c.webp) | ![அறிவு அடிப்படையிலான அமைப்பு](../../../../../../translated_images/ta/arch-kbs.3ec5c150b09fa8da.webp) +![மனித கட்டமைப்பு](../../../../translated_images/ta/arch-human.5d4d35f1bba3ab1c.webp) | ![அறிவு அடிப்படையிலான அமைப்பு](../../../../translated_images/ta/arch-kbs.3ec5c150b09fa8da.webp) ---------------------------------------------|------------------------------------------------ மனித நியூரல் அமைப்பின் எளிமையான உருவகம் | அறிவுரைப் பிரச்சனை அமைப்பின் கட்டமைப்பு @@ -106,7 +97,7 @@ Block Syntax | Indent | | | உதாரணமாக, ஒரு நிபுணர் அமைப்பு, ஒரு உயிரினத்தை அதன் உடலியல் பண்புகளின் அடிப்படையில் கண்டறிக்கும் அமைப்பை எடுத்துக்கொள்வோம்: -![AND-OR மரம்](../../../../../../translated_images/ta/AND-OR-Tree.5592d2c70187f283.webp) +![AND-OR மரம்](../../../../translated_images/ta/AND-OR-Tree.5592d2c70187f283.webp) > படம் [ட்மிட்ரீ சோஷ்னிகோவ்](http://soshnikov.com) உருவாக்கப்பட்டது diff --git a/translations/ta/lessons/2-Symbolic/assignment.md b/translations/ta/lessons/2-Symbolic/assignment.md index dabc776c..96238b05 100644 --- a/translations/ta/lessons/2-Symbolic/assignment.md +++ b/translations/ta/lessons/2-Symbolic/assignment.md @@ -1,12 +1,3 @@ - # ஒரு ஒன்டாலஜியை உருவாக்கவும் ஒரு அறிவு அடிப்படையை உருவாக்குவது என்பது ஒரு தலைப்பைப் பற்றிய உண்மைகளை பிரதிநிதித்துவப்படுத்தும் மாதிரியை வகைப்படுத்துவதில் உள்ளது. ஒரு தலைப்பைத் தேர்ந்தெடுக்கவும் - ஒரு நபர், ஒரு இடம் அல்லது ஒரு பொருள் போன்றது - பின்னர் அந்த தலைப்பின் மாதிரியை உருவாக்கவும். இந்த பாடத்தில் விவரிக்கப்பட்ட சில தொழில்நுட்பங்கள் மற்றும் மாதிரி உருவாக்கும் உத்திகளைப் பயன்படுத்தவும். ஒரு உதாரணமாக, ஒரு வாழும் அறையின் ஒன்டாலஜியை உருவாக்குவது, அதில் மரச்சாமான்கள், விளக்குகள் மற்றும் இதர பொருட்கள் அடங்கும். வாழும் அறை சமையலறையிலிருந்து எப்படி வேறுபடுகிறது? குளியலறை? அது வாழும் அறை, உணவறை அல்ல என்பதை நீங்கள் எப்படி அறிகிறீர்கள்? உங்கள் ஒன்டாலஜியை உருவாக்க [Protégé](https://protege.stanford.edu/) ஐப் பயன்படுத்தவும். diff --git a/translations/ta/lessons/3-NeuralNetworks/03-Perceptron/README.md b/translations/ta/lessons/3-NeuralNetworks/03-Perceptron/README.md index 7f0ab293..88a8732e 100644 --- a/translations/ta/lessons/3-NeuralNetworks/03-Perceptron/README.md +++ b/translations/ta/lessons/3-NeuralNetworks/03-Perceptron/README.md @@ -1,12 +1,3 @@ - # நரம்பியல் வலைகள்: பெர்செப்ட்ரான் அறிமுகம் ## [முன்-வகுப்பு வினாடி வினா](https://ff-quizzes.netlify.app/en/ai/quiz/5) diff --git a/translations/ta/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md b/translations/ta/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md index 7b8c5fa2..e2f0597f 100644 --- a/translations/ta/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md +++ b/translations/ta/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md @@ -1,12 +1,3 @@ - # பன்முக வகைப்பாடு Perceptron உடன் [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) இல் இருந்து ஆய்வக பணிக்குறிப்பு. diff --git a/translations/ta/lessons/3-NeuralNetworks/04-OwnFramework/README.md b/translations/ta/lessons/3-NeuralNetworks/04-OwnFramework/README.md index 8a18f418..7ca54663 100644 --- a/translations/ta/lessons/3-NeuralNetworks/04-OwnFramework/README.md +++ b/translations/ta/lessons/3-NeuralNetworks/04-OwnFramework/README.md @@ -1,12 +1,3 @@ - # நர்வியல் நெட்வொர்க்குகளுக்கான அறிமுகம். பன்மடங்கு அடுக்கப்பட்ட பர்செப்ட்ரான் முந்தைய பகுதியில், நீங்கள் மிகவும் எளிய நர்வியல் நெட்வொர்க்கு மாதிரியைப் பற்றி கற்றீர்கள் - ஒரு அடுக்கு பர்செப்ட்ரான், இது ஒரு நேரியல் இரு வகை வகைப்படுத்தல் மாதிரி. diff --git a/translations/ta/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md b/translations/ta/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md index 172302f4..4cbf16a8 100644 --- a/translations/ta/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md +++ b/translations/ta/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md @@ -1,12 +1,3 @@ - # எங்கள் சொந்த கட்டமைப்புடன் MNIST வகைப்பாடு [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) இலிருந்து ஆய்வகப் பணிக்கான பணிக்குறிப்பு. diff --git a/translations/ta/lessons/3-NeuralNetworks/05-Frameworks/README.md b/translations/ta/lessons/3-NeuralNetworks/05-Frameworks/README.md index 13547f1a..694b5b1a 100644 --- a/translations/ta/lessons/3-NeuralNetworks/05-Frameworks/README.md +++ b/translations/ta/lessons/3-NeuralNetworks/05-Frameworks/README.md @@ -1,12 +1,3 @@ - # நரம்பியல் நெட்வொர்க் கட்டமைப்புகள் நாம் ஏற்கனவே கற்றுக்கொண்டது போல, நரம்பியல் நெட்வொர்க்குகளை திறம்பட பயிற்சி செய்ய, இரண்டு முக்கியமான காரியங்களை செய்ய வேண்டும்: diff --git a/translations/ta/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md b/translations/ta/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md index 6e3f4b8c..810ae1c5 100644 --- a/translations/ta/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md +++ b/translations/ta/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md @@ -1,12 +1,3 @@ - # PyTorch/TensorFlow மூலம் வகைப்படுத்தல் [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) இலிருந்து ஆய்வகப் பணிக்கான ஒதுக்கீடு. diff --git a/translations/ta/lessons/3-NeuralNetworks/README.md b/translations/ta/lessons/3-NeuralNetworks/README.md index ac06d69d..7744b077 100644 --- a/translations/ta/lessons/3-NeuralNetworks/README.md +++ b/translations/ta/lessons/3-NeuralNetworks/README.md @@ -1,12 +1,3 @@ - # நரம்பு வலையமைப்புகளுக்கான அறிமுகம் ![நரம்பு வலையமைப்புகளுக்கான உள்ளடக்கத்தின் சுருக்கம் ஒரு ஓவியத்தில்](../../../../translated_images/ta/ai-neuralnetworks.1c687ae40bc86e83.webp) diff --git a/translations/ta/lessons/4-ComputerVision/06-IntroCV/README.md b/translations/ta/lessons/4-ComputerVision/06-IntroCV/README.md index b1f95dea..c557c99a 100644 --- a/translations/ta/lessons/4-ComputerVision/06-IntroCV/README.md +++ b/translations/ta/lessons/4-ComputerVision/06-IntroCV/README.md @@ -1,12 +1,3 @@ - # கணினி பார்வை அறிமுகம் [கணினி பார்வை](https://wikipedia.org/wiki/Computer_vision) என்பது கணினிகள் டிஜிட்டல் படங்களை உயர்நிலை புரிதலுடன் புரிந்து கொள்ள உதவுவதற்கான ஒரு துறையாகும். இது மிகவும் பரந்த வரையறையாகும், ஏனெனில் *புரிதல்* பலவிதமான பொருள்களை குறிக்கலாம், அதில் ஒரு படத்தில் பொருளை கண்டறிதல் (**பொருள் கண்டறிதல்**), என்ன நடக்கிறது என்பதைப் புரிதல் (**நிகழ்வு கண்டறிதல்**), ஒரு படத்தை உரையில் விவரித்தல் அல்லது 3D-யில் ஒரு காட்சியை மீண்டும் உருவாக்குதல் ஆகியவை அடங்கும். மனித படங்களுடன் தொடர்புடைய சிறப்பு பணிகளும் உள்ளன: வயது மற்றும் உணர்ச்சி மதிப்பீடு, முகம் கண்டறிதல் மற்றும் அடையாளம் காண்தல், மற்றும் 3D போஸ் மதிப்பீடு போன்றவை. diff --git a/translations/ta/lessons/4-ComputerVision/06-IntroCV/lab/README.md b/translations/ta/lessons/4-ComputerVision/06-IntroCV/lab/README.md index d218fd03..c9e489ee 100644 --- a/translations/ta/lessons/4-ComputerVision/06-IntroCV/lab/README.md +++ b/translations/ta/lessons/4-ComputerVision/06-IntroCV/lab/README.md @@ -1,12 +1,3 @@ - # ஆப்டிக்கல் ஃப்ளோவை பயன்படுத்தி இயக்கங்களை கண்டறிதல் [AI for Beginners Curriculum](https://aka.ms/ai-beginners) இல் இருந்து ஆய்வக பணிக்கான ஒதுக்கீடு. diff --git a/translations/ta/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md b/translations/ta/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md index eacc079f..4425a43c 100644 --- a/translations/ta/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md +++ b/translations/ta/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md @@ -1,12 +1,3 @@ - # பிரபலமான CNN கட்டமைப்புகள் ### VGG-16 diff --git a/translations/ta/lessons/4-ComputerVision/07-ConvNets/README.md b/translations/ta/lessons/4-ComputerVision/07-ConvNets/README.md index 15f2582c..0cc4f70c 100644 --- a/translations/ta/lessons/4-ComputerVision/07-ConvNets/README.md +++ b/translations/ta/lessons/4-ComputerVision/07-ConvNets/README.md @@ -1,12 +1,3 @@ - # கன்வல்யூஷனல் நியூரல் நெட்வொர்க்ஸ் முந்தைய பாடங்களில் நியூரல் நெட்வொர்க்ஸ் படங்களை கையாளுவதில் மிகவும் திறமையானவை என்பதை பார்த்தோம். ஒரு லேயர் பர்செப்ட்ரான் கூட MNIST தரவுத்தொகுப்பில் உள்ள கை எழுதிய எண்களை நியாயமான துல்லியத்துடன் அடையாளம் காண முடியும். ஆனால், MNIST தரவுத்தொகுப்பு மிகவும் தனித்துவமானது, மேலும் அனைத்து எண்களும் படத்தின் மையத்தில் அமைந்துள்ளன, இது பணியை எளிதாக்குகிறது. diff --git a/translations/ta/lessons/4-ComputerVision/07-ConvNets/lab/README.md b/translations/ta/lessons/4-ComputerVision/07-ConvNets/lab/README.md index 640c5e5c..2a8158a4 100644 --- a/translations/ta/lessons/4-ComputerVision/07-ConvNets/lab/README.md +++ b/translations/ta/lessons/4-ComputerVision/07-ConvNets/lab/README.md @@ -1,12 +1,3 @@ - # செல்லப்பிராணிகளின் முகங்களை வகைப்படுத்துதல் [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) இலிருந்து ஆய்வகப் பணிக்கான ஒதுக்கீடு. diff --git a/translations/ta/lessons/4-ComputerVision/08-TransferLearning/README.md b/translations/ta/lessons/4-ComputerVision/08-TransferLearning/README.md index 8c038dbb..bfa44e72 100644 --- a/translations/ta/lessons/4-ComputerVision/08-TransferLearning/README.md +++ b/translations/ta/lessons/4-ComputerVision/08-TransferLearning/README.md @@ -1,12 +1,3 @@ - # முன்பே பயிற்சி பெற்ற நெட்வொர்க்குகள் மற்றும் மாற்றக் கற்றல் CNNகளை பயிற்சி செய்வது மிகவும் நேரம் எடுத்துக்கொள்ளக்கூடியது, மேலும் அதற்கான பணிக்குத் தேவையான தரவுகள் அதிகமாகவே இருக்க வேண்டும். ஆனால், பெரும்பாலான நேரம், ஒரு நெட்வொர்க்கு படங்களிலிருந்து வடிவங்களை எடுக்க சிறந்த தாழ்நிலை வடிகட்டிகளை கற்றுக்கொள்வதில் செலவிடப்படுகிறது. ஒரு இயற்கையான கேள்வி எழுகிறது - ஒரு தரவுத்தொகுப்பில் பயிற்சி பெற்ற நரம்பியல் நெட்வொர்க்கை பயன்படுத்தி, முழுமையான பயிற்சி செயல்முறையைத் தேவையில்லாமல் வேறு படங்களை வகைப்படுத்த மாற்றமுடியுமா? diff --git a/translations/ta/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md b/translations/ta/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md index 4de243af..ea6213dd 100644 --- a/translations/ta/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md +++ b/translations/ta/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md @@ -1,12 +1,3 @@ - # டீப் லெர்னிங் பயிற்சி முறைகள் நரம்பியல் நெட்வொர்க்குகள் ஆழமாக ஆழமாக செல்லும்போது, அவற்றின் பயிற்சி செயல்முறை மேலும் மேலும் சவாலாக மாறுகிறது. முக்கியமான பிரச்சினைகளில் ஒன்று [வெனிஷிங் கிரேடியண்ட்ஸ்](https://en.wikipedia.org/wiki/Vanishing_gradient_problem) அல்லது [எக்ஸ்ப்ளோடிங் கிரேடியண்ட்ஸ்](https://deepai.org/machine-learning-glossary-and-terms/exploding-gradient-problem#:~:text=Exploding%20gradients%20are%20a%20problem,updates%20are%20small%20and%20controlled.) எனப்படும் பிரச்சினைகள். [இந்த பதிவு](https://towardsdatascience.com/the-vanishing-exploding-gradient-problem-in-deep-neural-networks-191358470c11) இந்த பிரச்சினைகளுக்கு ஒரு நல்ல அறிமுகத்தை வழங்குகிறது. diff --git a/translations/ta/lessons/4-ComputerVision/08-TransferLearning/lab/README.md b/translations/ta/lessons/4-ComputerVision/08-TransferLearning/lab/README.md index 153394e4..43880f21 100644 --- a/translations/ta/lessons/4-ComputerVision/08-TransferLearning/lab/README.md +++ b/translations/ta/lessons/4-ComputerVision/08-TransferLearning/lab/README.md @@ -1,12 +1,3 @@ - # ஆக்ஸ்போர்ட் செல்லப்பிராணிகள் வகைப்படுத்தல் - டிரான்ஸ்ஃபர் லெர்னிங் பயன்படுத்தி [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) லிருந்து லேப் பணிக்கான ஒதுக்கீடு. diff --git a/translations/ta/lessons/4-ComputerVision/09-Autoencoders/README.md b/translations/ta/lessons/4-ComputerVision/09-Autoencoders/README.md index 4f98b0ce..b940ed32 100644 --- a/translations/ta/lessons/4-ComputerVision/09-Autoencoders/README.md +++ b/translations/ta/lessons/4-ComputerVision/09-Autoencoders/README.md @@ -1,12 +1,3 @@ - # ஆட்டோஎன்கோடர்கள் CNNகளை பயிற்சி செய்யும்போது, ஒரு முக்கியமான சிக்கல் என்னவென்றால், நமக்கு அதிக அளவில் லேபிள் செய்யப்பட்ட தரவுகள் தேவைப்படும். படங்களை வகைப்படுத்தும் போது, படங்களை வெவ்வேறு வகைகளாக பிரிக்க வேண்டும், இது கையேடு மூலம் செய்யப்படும் முயற்சியாகும். diff --git a/translations/ta/lessons/4-ComputerVision/10-GANs/README.md b/translations/ta/lessons/4-ComputerVision/10-GANs/README.md index 079065ff..d33a0a49 100644 --- a/translations/ta/lessons/4-ComputerVision/10-GANs/README.md +++ b/translations/ta/lessons/4-ComputerVision/10-GANs/README.md @@ -1,12 +1,3 @@ - # ஜெனரேட்டிவ் அட்வர்சேரியல் நெட்வொர்க்ஸ் முந்தைய பிரிவில், **ஜெனரேட்டிவ் மாடல்கள்** பற்றி கற்றுக்கொண்டோம்: பயிற்சி தரவுத்தொகுப்பில் உள்ள படங்களுக்குச் சமமான புதிய படங்களை உருவாக்கும் மாடல்கள். VAE ஒரு நல்ல உதாரணமாகும். diff --git a/translations/ta/lessons/4-ComputerVision/11-ObjectDetection/README.md b/translations/ta/lessons/4-ComputerVision/11-ObjectDetection/README.md index 4ddb1f3a..1f525987 100644 --- a/translations/ta/lessons/4-ComputerVision/11-ObjectDetection/README.md +++ b/translations/ta/lessons/4-ComputerVision/11-ObjectDetection/README.md @@ -1,12 +1,3 @@ - # பொருள் கண்டறிதல் நாம் இதுவரை பார்த்த பட வகைப்படுத்தல் மாதிரிகள் ஒரு படத்தை எடுத்துக்கொண்டு ஒரு வகைமுறை முடிவை உருவாக்கின, உதாரணமாக MNIST பிரச்சினையில் 'எண்' வகை. ஆனால், பல சந்தர்ப்பங்களில் ஒரு படம் பொருட்களை காட்டுகிறது என்பதை மட்டும் அறிய வேண்டாம் - அதன் துல்லியமான இடத்தை கண்டறிய விரும்புகிறோம். இதுவே **பொருள் கண்டறிதல்** என்ற கருத்தின் முக்கிய நோக்கம். diff --git a/translations/ta/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md b/translations/ta/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md index d843402d..9a07b896 100644 --- a/translations/ta/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md +++ b/translations/ta/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md @@ -1,12 +1,3 @@ - # ஹாலிவுட் ஹெட்ஸ் டேட்டாசெட் பயன்படுத்தி தலை கண்டறிதல் [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) இல் இருந்து ஆய்வகப் பணிக்கான ஒதுக்கீடு. diff --git a/translations/ta/lessons/4-ComputerVision/12-Segmentation/README.md b/translations/ta/lessons/4-ComputerVision/12-Segmentation/README.md index 9671a062..f25d49b7 100644 --- a/translations/ta/lessons/4-ComputerVision/12-Segmentation/README.md +++ b/translations/ta/lessons/4-ComputerVision/12-Segmentation/README.md @@ -1,12 +1,3 @@ - # பகுப்பாய்வு முந்தைய பாடங்களில், பொருள் கண்டறிதல் பற்றி கற்றுக்கொண்டோம், இது படத்தில் உள்ள பொருட்களை *bounding boxes* மூலம் கண்டறிய உதவுகிறது. ஆனால், சில பணிகளுக்கு bounding boxes மட்டுமல்லாமல், மேலும் துல்லியமான பொருள் இடம்தெரிவும் தேவைப்படுகிறது. இந்த பணியை **பகுப்பாய்வு** என்று அழைக்கப்படுகிறது. diff --git a/translations/ta/lessons/4-ComputerVision/12-Segmentation/lab/README.md b/translations/ta/lessons/4-ComputerVision/12-Segmentation/lab/README.md index 425d57b7..ace60d10 100644 --- a/translations/ta/lessons/4-ComputerVision/12-Segmentation/lab/README.md +++ b/translations/ta/lessons/4-ComputerVision/12-Segmentation/lab/README.md @@ -1,12 +1,3 @@ - # மனித உடல் பிரிப்பு [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) இலிருந்து ஆய்வகப் பணிக்கான ஒதுக்கீடு. diff --git a/translations/ta/lessons/4-ComputerVision/README.md b/translations/ta/lessons/4-ComputerVision/README.md index cbd58b85..8a75b9bd 100644 --- a/translations/ta/lessons/4-ComputerVision/README.md +++ b/translations/ta/lessons/4-ComputerVision/README.md @@ -1,12 +1,3 @@ - # கணினி பார்வை ![கணினி பார்வை உள்ளடக்கத்தின் சுருக்கம் ஒரு ஓவியத்தில்](../../../../translated_images/ta/ai-computervision.6506ebebac3fbf76.webp) diff --git a/translations/ta/lessons/5-NLP/13-TextRep/README.md b/translations/ta/lessons/5-NLP/13-TextRep/README.md index c9462592..1de94947 100644 --- a/translations/ta/lessons/5-NLP/13-TextRep/README.md +++ b/translations/ta/lessons/5-NLP/13-TextRep/README.md @@ -1,12 +1,3 @@ - # டெக்ஸ்டை டென்சராக பிரதிநிதித்துவம் செய்யுதல் ## [முன்-வகுப்பு வினாடி வினா](https://ff-quizzes.netlify.app/en/ai/quiz/25) diff --git a/translations/ta/lessons/5-NLP/13-TextRep/assignment.md b/translations/ta/lessons/5-NLP/13-TextRep/assignment.md index 2bd0e504..36d3dc11 100644 --- a/translations/ta/lessons/5-NLP/13-TextRep/assignment.md +++ b/translations/ta/lessons/5-NLP/13-TextRep/assignment.md @@ -1,12 +1,3 @@ - # பணிக்கூற்று: நோட்புக்குகள் இந்த பாடத்துடன் தொடர்புடைய நோட்புக்குகளை (PyTorch அல்லது TensorFlow பதிப்பு), உங்கள் சொந்த தரவுத்தொகுப்பைப் பயன்படுத்தி மீண்டும் இயக்கவும், உதாரணமாக Kaggle-இல் இருந்து எடுத்தது, உரிமையுடன் பயன்படுத்தவும். உங்கள் சொந்த கண்டுபிடிப்புகளை வலியுறுத்த நோட்புக்கை மறுபதிவு செய்யவும். ஆச்சரியமளிக்கும் தரவுத்தொகுப்புகளை முயற்சிக்கவும், உதாரணமாக NUFORC-இன் [UFO காட்சிகள் பற்றிய இந்த தரவுத்தொகுப்பு](https://www.kaggle.com/datasets/NUFORC/ufo-sightings) போன்றவை. diff --git a/translations/ta/lessons/5-NLP/14-Embeddings/README.md b/translations/ta/lessons/5-NLP/14-Embeddings/README.md index 40e15b10..be34d202 100644 --- a/translations/ta/lessons/5-NLP/14-Embeddings/README.md +++ b/translations/ta/lessons/5-NLP/14-Embeddings/README.md @@ -1,12 +1,3 @@ - # எம்பெடிங்குகள் ## [முன்-வகுப்பு வினாடி வினா](https://ff-quizzes.netlify.app/en/ai/quiz/27) diff --git a/translations/ta/lessons/5-NLP/14-Embeddings/assignment.md b/translations/ta/lessons/5-NLP/14-Embeddings/assignment.md index a8d4e152..c694708e 100644 --- a/translations/ta/lessons/5-NLP/14-Embeddings/assignment.md +++ b/translations/ta/lessons/5-NLP/14-Embeddings/assignment.md @@ -1,12 +1,3 @@ - # பணிக்கொள்கை: நோட்புக்குகள் இந்த பாடத்துடன் தொடர்புடைய நோட்புக்குகளை (PyTorch அல்லது TensorFlow பதிப்பில்), உங்கள் சொந்த தரவுத்தொகுப்பைப் பயன்படுத்தி மீண்டும் இயக்கவும், உதாரணமாக Kaggle-இல் இருந்து எடுத்தது, உரிமையுடன் பயன்படுத்தவும். உங்கள் சொந்த கண்டுபிடிப்புகளை வலியுறுத்துவதற்காக நோட்புக்குகளை மறுபதிவு செய்யவும். வேறுவிதமான தரவுத்தொகுப்பை முயற்சித்து, உங்கள் கண்டுபிடிப்புகளை ஆவணப்படுத்தவும், [இந்த Beatles பாடல் வரிகள்](https://www.kaggle.com/datasets/jenlooper/beatles-lyrics) போன்ற உரைகளை பயன்படுத்தி. diff --git a/translations/ta/lessons/5-NLP/15-LanguageModeling/README.md b/translations/ta/lessons/5-NLP/15-LanguageModeling/README.md index 6130b676..6fbd974e 100644 --- a/translations/ta/lessons/5-NLP/15-LanguageModeling/README.md +++ b/translations/ta/lessons/5-NLP/15-LanguageModeling/README.md @@ -1,12 +1,3 @@ - # மொழி மாதிரிகள் Word2Vec மற்றும் GloVe போன்ற அர்த்த அடிப்படையிலான எம்பெடிங்குகள் உண்மையில் **மொழி மாதிரிகளை உருவாக்குவதற்கான** முதல் படியாகும் - மொழியின் இயல்பை *புரிந்து கொள்ளும்* (அல்லது *படம்பிடிக்கும்*) மாதிரிகளை உருவாக்குவது. diff --git a/translations/ta/lessons/5-NLP/15-LanguageModeling/lab/README.md b/translations/ta/lessons/5-NLP/15-LanguageModeling/lab/README.md index d9c3e142..69d4668a 100644 --- a/translations/ta/lessons/5-NLP/15-LanguageModeling/lab/README.md +++ b/translations/ta/lessons/5-NLP/15-LanguageModeling/lab/README.md @@ -1,12 +1,3 @@ - # ஸ்கிப்-கிராம் மாடலை பயிற்சி செய்யுதல் [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) இல் இருந்து ஆய்வக பணிக்கான ஒதுக்கீடு. diff --git a/translations/ta/lessons/5-NLP/16-RNN/README.md b/translations/ta/lessons/5-NLP/16-RNN/README.md index 7d271a5a..b1793758 100644 --- a/translations/ta/lessons/5-NLP/16-RNN/README.md +++ b/translations/ta/lessons/5-NLP/16-RNN/README.md @@ -1,12 +1,3 @@ - # மீண்டும் நிகழும் நரம்பியல் வலைகள் ## [முன்-வகுப்பு வினாடி வினா](https://ff-quizzes.netlify.app/en/ai/quiz/31) diff --git a/translations/ta/lessons/5-NLP/16-RNN/assignment.md b/translations/ta/lessons/5-NLP/16-RNN/assignment.md index de2b44e0..f31de337 100644 --- a/translations/ta/lessons/5-NLP/16-RNN/assignment.md +++ b/translations/ta/lessons/5-NLP/16-RNN/assignment.md @@ -1,12 +1,3 @@ - # பணிக்கூற்று: நோட்புக்குகள் இந்த பாடத்துடன் தொடர்புடைய நோட்புக்குகளை (PyTorch அல்லது TensorFlow பதிப்பு), உங்கள் சொந்த தரவுத்தொகுப்பைப் பயன்படுத்தி மீண்டும் இயக்கவும், உதாரணமாக Kaggle-ல் இருந்து எடுத்தது, உரிமையுடன் பயன்படுத்தவும். உங்கள் சொந்த கண்டுபிடிப்புகளை வலியுறுத்த நோட்புக்குகளை மறுபதிவு செய்யவும். வேறுபட்ட வகையான தரவுத்தொகுப்பை முயற்சிக்கவும் மற்றும் உங்கள் கண்டுபிடிப்புகளை ஆவணப்படுத்தவும், [இந்த Kaggle போட்டி தரவுத்தொகுப்பு பற்றி வானிலை ட்வீட்கள்](https://www.kaggle.com/competitions/crowdflower-weather-twitter/data?select=train.csv) போன்ற உரை பயன்படுத்தி. diff --git a/translations/ta/lessons/5-NLP/17-GenerativeNetworks/README.md b/translations/ta/lessons/5-NLP/17-GenerativeNetworks/README.md index a564966b..63028c46 100644 --- a/translations/ta/lessons/5-NLP/17-GenerativeNetworks/README.md +++ b/translations/ta/lessons/5-NLP/17-GenerativeNetworks/README.md @@ -1,12 +1,3 @@ - # ஜெனரேட்டிவ் நெட்வொர்க்கள் ## [முன்-வகுப்பு வினாடி வினா](https://ff-quizzes.netlify.app/en/ai/quiz/33) diff --git a/translations/ta/lessons/5-NLP/17-GenerativeNetworks/lab/README.md b/translations/ta/lessons/5-NLP/17-GenerativeNetworks/lab/README.md index 3d688e7c..4407e5eb 100644 --- a/translations/ta/lessons/5-NLP/17-GenerativeNetworks/lab/README.md +++ b/translations/ta/lessons/5-NLP/17-GenerativeNetworks/lab/README.md @@ -1,12 +1,3 @@ - # வார்த்தை மட்டத்திலான உரை உருவாக்கம் RNNகளைப் பயன்படுத்தி [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) இலிருந்து ஆய்வக பணிக்குறிப்பு. diff --git a/translations/ta/lessons/5-NLP/18-Transformers/README.md b/translations/ta/lessons/5-NLP/18-Transformers/README.md index b476c770..46a0b5ae 100644 --- a/translations/ta/lessons/5-NLP/18-Transformers/README.md +++ b/translations/ta/lessons/5-NLP/18-Transformers/README.md @@ -1,12 +1,3 @@ - # கவன механизмங்கள் மற்றும் டிரான்ஸ்ஃபார்மர்கள் ## [முன்-வகுப்பு வினாடி வினா](https://ff-quizzes.netlify.app/en/ai/quiz/35) diff --git a/translations/ta/lessons/5-NLP/18-Transformers/assignment.md b/translations/ta/lessons/5-NLP/18-Transformers/assignment.md index 0866b92e..a4e961a4 100644 --- a/translations/ta/lessons/5-NLP/18-Transformers/assignment.md +++ b/translations/ta/lessons/5-NLP/18-Transformers/assignment.md @@ -1,12 +1,3 @@ - # பணிக்கூற்று: Transformers HuggingFace-ல் Transformers-ஐ பயன்படுத்தி முயற்சி செய்யுங்கள்! அவர்களின் தளத்தில் கிடைக்கும் பல்வேறு மாதிரிகளுடன் வேலை செய்ய அவர்களால் வழங்கப்படும் ஸ்கிரிப்ட்களை முயற்சிக்கவும்: https://huggingface.co/docs/transformers/run_scripts. அவர்களின் தரவுத்தொகுப்புகளில் ஒன்றை முயற்சிக்கவும், பின்னர் இந்த பாடத்திட்டத்திலிருந்து அல்லது Kaggle-லிருந்து உங்கள் சொந்த தரவுத்தொகுப்பை இறக்குமதி செய்து, சுவாரஸ்யமான உரைகளை உருவாக்க முடிகிறதா என்று பாருங்கள். உங்கள் கண்டுபிடிப்புகளுடன் ஒரு நோட்புக் தயாரிக்கவும். diff --git a/translations/ta/lessons/5-NLP/19-NER/README.md b/translations/ta/lessons/5-NLP/19-NER/README.md index 4b7d32d9..68d122e2 100644 --- a/translations/ta/lessons/5-NLP/19-NER/README.md +++ b/translations/ta/lessons/5-NLP/19-NER/README.md @@ -1,12 +1,3 @@ - # பெயரிடப்பட்ட பொருள் அடையாளம் இப்போது வரை, நாங்கள் பெரும்பாலும் ஒரு NLP பணியில் - வகைப்படுத்தலில் கவனம் செலுத்தி வந்தோம். ஆனால், நரம்பியல் வலைகளைப் பயன்படுத்தி செய்யக்கூடிய மற்ற NLP பணிகளும் உள்ளன. அவற்றில் ஒன்று **[பெயரிடப்பட்ட பொருள் அடையாளம்](https://wikipedia.org/wiki/Named-entity_recognition)** (NER), இது உரையில் குறிப்பிட்ட இடங்கள், மனிதர் பெயர்கள், தேதி-நேர இடைவெளிகள், வேதியியல் சூத்திரங்கள் போன்றவற்றை அடையாளம் காண்பதைக் குறிக்கிறது. diff --git a/translations/ta/lessons/5-NLP/19-NER/lab/README.md b/translations/ta/lessons/5-NLP/19-NER/lab/README.md index 5346fab2..18fe45fc 100644 --- a/translations/ta/lessons/5-NLP/19-NER/lab/README.md +++ b/translations/ta/lessons/5-NLP/19-NER/lab/README.md @@ -1,12 +1,3 @@ - # NER [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) இல் இருந்து ஆய்வகப் பணிக்கான ஒதுக்கீடு. diff --git a/translations/ta/lessons/5-NLP/20-LangModels/README.md b/translations/ta/lessons/5-NLP/20-LangModels/README.md index b2dbc0b6..e13cded5 100644 --- a/translations/ta/lessons/5-NLP/20-LangModels/README.md +++ b/translations/ta/lessons/5-NLP/20-LangModels/README.md @@ -1,12 +1,3 @@ - # முன்பே பயிற்சி பெற்ற பெரிய மொழி மாதிரிகள் முந்தைய பணிகளில், குறிப்பிட்ட பணியைச் செய்ய நரம்பியல் வலையமைப்பை லேபிள் செய்யப்பட்ட தரவுத்தொகுப்பைப் பயன்படுத்தி பயிற்சி செய்தோம். BERT போன்ற பெரிய டிரான்ஸ்ஃபார்மர் மாதிரிகளைப் பயன்படுத்தி, மொழி மாதிரியை உருவாக்க சுய-மேற்பார்வை முறையில் மொழி மாதிரியாக்கத்தைப் பயன்படுத்துகிறோம், பின்னர் குறிப்பிட்ட துறைக்கு உரிய பயிற்சியுடன் குறிப்பிட்ட பணிக்காக சிறப்பம்சமாக்கப்படுகிறது. ஆனால், பெரிய மொழி மாதிரிகள் எந்த துறைக்கு உரிய பயிற்சியின்றியும் பல பணிகளைத் தீர்க்க முடியும் என்று நிரூபிக்கப்பட்டுள்ளது. இதைச் செய்யும் திறன் கொண்ட மாதிரிகளின் குடும்பம் **GPT**: Generative Pre-Trained Transformer என்று அழைக்கப்படுகிறது. diff --git a/translations/ta/lessons/5-NLP/README.md b/translations/ta/lessons/5-NLP/README.md index 8b5d0568..3cee4138 100644 --- a/translations/ta/lessons/5-NLP/README.md +++ b/translations/ta/lessons/5-NLP/README.md @@ -1,12 +1,3 @@ - # இயற்கை மொழி செயலாக்கம் ![NLP பணிகளின் சுருக்கம் ஒரு ஓவியத்தில்](../../../../translated_images/ta/ai-nlp.b22dcb8ca4707cea.webp) diff --git a/translations/ta/lessons/6-Other/21-GeneticAlgorithms/README.md b/translations/ta/lessons/6-Other/21-GeneticAlgorithms/README.md index d1a9f3b3..2830365e 100644 --- a/translations/ta/lessons/6-Other/21-GeneticAlgorithms/README.md +++ b/translations/ta/lessons/6-Other/21-GeneticAlgorithms/README.md @@ -1,12 +1,3 @@ - # ஜெனடிக் அல்காரிதங்கள் ## [முன்-வகுப்பு வினாடி வினா](https://ff-quizzes.netlify.app/en/ai/quiz/41) diff --git a/translations/ta/lessons/6-Other/22-DeepRL/README.md b/translations/ta/lessons/6-Other/22-DeepRL/README.md index 8e08e695..e5918448 100644 --- a/translations/ta/lessons/6-Other/22-DeepRL/README.md +++ b/translations/ta/lessons/6-Other/22-DeepRL/README.md @@ -1,12 +1,3 @@ - # ஆழமான பலனளிக்கும் கற்றல் பலனளிக்கும் கற்றல் (Reinforcement Learning - RL) என்பது மேற்பார்வை கற்றல் மற்றும் மேற்பார்வையற்ற கற்றலுக்கு அடுத்ததாக உள்ள அடிப்படை இயந்திர கற்றல் முறைகளில் ஒன்றாகக் கருதப்படுகிறது. மேற்பார்வை கற்றலில் நாம் அறியப்பட்ட முடிவுகளுடன் கூடிய தரவுத்தொகுப்பை நம்புகிறோம், ஆனால் RL என்பது **செய்து கற்றல்** அடிப்படையில் செயல்படுகிறது. உதாரணமாக, முதலில் ஒரு கணினி விளையாட்டைப் பார்க்கும்போது, விதிகளை அறியாமல் விளையாடத் தொடங்குகிறோம், பின்னர் விளையாடி, நமது நடத்தை மாற்றுவதன் மூலம் திறன்களை மேம்படுத்த முடிகிறது. diff --git a/translations/ta/lessons/6-Other/22-DeepRL/lab/README.md b/translations/ta/lessons/6-Other/22-DeepRL/lab/README.md index 812724e1..c06c0eb5 100644 --- a/translations/ta/lessons/6-Other/22-DeepRL/lab/README.md +++ b/translations/ta/lessons/6-Other/22-DeepRL/lab/README.md @@ -1,12 +1,3 @@ - # மலை கார் தப்பிக்க பயிற்சி [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) இலிருந்து ஆய்வகப் பணிக்கான ஒதுக்கீடு. diff --git a/translations/ta/lessons/6-Other/23-MultiagentSystems/README.md b/translations/ta/lessons/6-Other/23-MultiagentSystems/README.md index 60210064..c2880fc6 100644 --- a/translations/ta/lessons/6-Other/23-MultiagentSystems/README.md +++ b/translations/ta/lessons/6-Other/23-MultiagentSystems/README.md @@ -1,12 +1,3 @@ - # பல்கூறு முகவர் அமைப்புகள் உளவுத்திறனை அடையக்கூடிய வழிகளில் ஒன்றாக **தோன்றும்** (அல்லது **சக்தி**) அணுகுமுறை உள்ளது, இது பல எளிய முகவர்களின் இணைந்த செயல்பாடு, மொத்த அமைப்பின் முழுமையான சிக்கலான (அல்லது புத்திசாலியான) செயல்பாட்டை உருவாக்க முடியும் என்பதை அடிப்படையாகக் கொண்டது. இது தத்துவ ரீதியாக [கூட்டு உளவுத்திறன்](https://en.wikipedia.org/wiki/Collective_intelligence), [தோன்றும் தத்துவம்](https://en.wikipedia.org/wiki/Global_brain) மற்றும் [மாறும் சைபர்நெடிக்ஸ்](https://en.wikipedia.org/wiki/Global_brain) ஆகியவற்றின் கோட்பாடுகளின் அடிப்படையில் உள்ளது, இது உயர் நிலை அமைப்புகள் தகுந்த முறையில் கீழ்நிலை அமைப்புகளிலிருந்து இணைக்கப்பட்டால் கூடுதல் மதிப்பை பெறுகின்றன என்று கூறுகிறது (*மெட்டாசிஸ்டம் மாற்றத்தின் கோட்பாடு*). diff --git a/translations/ta/lessons/6-Other/23-MultiagentSystems/assignment.md b/translations/ta/lessons/6-Other/23-MultiagentSystems/assignment.md index b0d47625..0e3218d9 100644 --- a/translations/ta/lessons/6-Other/23-MultiagentSystems/assignment.md +++ b/translations/ta/lessons/6-Other/23-MultiagentSystems/assignment.md @@ -1,12 +1,3 @@ - # NetLogo பணிக்குறிப்பு NetLogo நூலகத்தில் உள்ள மாடல்களில் ஒன்றை எடுத்து, அதை ஒரு உண்மையான வாழ்க்கை நிலையை όσοமையாக சிமுலேட் செய்யுங்கள். ஒரு நல்ல உதாரணம், Alternative Visualizations கோப்பகத்தில் உள்ள Virus மாடலை மாற்றி, COVID-19 பரவலை மாடலாக்க எப்படி பயன்படுத்தலாம் என்பதை காட்டுவது. நீங்கள் ஒரு உண்மையான வைரஸ் பரவலை ஒத்த மாடலை உருவாக்க முடியுமா? diff --git a/translations/ta/lessons/7-Ethics/README.md b/translations/ta/lessons/7-Ethics/README.md index a539ccad..0052eaa5 100644 --- a/translations/ta/lessons/7-Ethics/README.md +++ b/translations/ta/lessons/7-Ethics/README.md @@ -1,12 +1,3 @@ - # நெறிமுறை மற்றும் பொறுப்பான AI இந்த பாடத்தை நீங்கள் முடிக்கவிருப்பதாக உள்ளது, மற்றும் இதுவரை நீங்கள் AI என்பது தரவுகளில் உறவுகளை கண்டறிந்து, மனித நடத்தை சில அம்சங்களை மீண்டும் உருவாக்க மாடல்களை பயிற்சி செய்ய அனுமதிக்கும் பல்வேறு கணித முறைகளின் அடிப்படையில் அமைந்துள்ளது என்பதை தெளிவாகப் புரிந்துகொண்டிருப்பீர்கள் என்று நம்புகிறேன். தற்போதைய வரலாற்று தருணத்தில், AI என்பது தரவிலிருந்து முறைமைகளை எடுக்கவும், புதிய பிரச்சினைகளை தீர்க்கவும் அந்த முறைமைகளை பயன்படுத்தவும் ஒரு மிக சக்திவாய்ந்த கருவியாக கருதப்படுகிறது. diff --git a/translations/ta/lessons/README.md b/translations/ta/lessons/README.md index 8a6266e7..d83f570c 100644 --- a/translations/ta/lessons/README.md +++ b/translations/ta/lessons/README.md @@ -1,12 +1,3 @@ - # மேலோட்டம் ![ஒரு ஓவியத்தில் மேலோட்டம்](../../../translated_images/ta/ai-overview.0857791951d19500.webp) diff --git a/translations/ta/lessons/X-Extras/X1-MultiModal/README.md b/translations/ta/lessons/X-Extras/X1-MultiModal/README.md index f0b174ed..87df5c9c 100644 --- a/translations/ta/lessons/X-Extras/X1-MultiModal/README.md +++ b/translations/ta/lessons/X-Extras/X1-MultiModal/README.md @@ -1,12 +1,3 @@ - # பல்முக வலைப்பின்னல்கள் NLP பணிகளைத் தீர்க்க டிரான்ஸ்ஃபார்மர் மாடல்கள் வெற்றிபெற்ற பிறகு, அதே அல்லது இதே போன்ற கட்டமைப்புகள் கணினி காட்சி பணிகளுக்கு பயன்படுத்தப்பட்டன. காட்சி மற்றும் இயற்கை மொழி திறன்களை *இணைக்கும்* மாடல்களை உருவாக்குவதில் அதிக ஆர்வம் உள்ளது. OpenAI இன் முயற்சிகளில் ஒன்று CLIP மற்றும் DALL.E என அழைக்கப்படுகிறது. diff --git a/translations/ta/lessons/sketchnotes/LICENSE.md b/translations/ta/lessons/sketchnotes/LICENSE.md index e09ed801..aaa8cf16 100644 --- a/translations/ta/lessons/sketchnotes/LICENSE.md +++ b/translations/ta/lessons/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - அட்ரிப்யூஷன்-ஷேர் அலைக் 4.0 இன்டர்நேஷனல் ======================================================================= diff --git a/translations/ta/lessons/sketchnotes/README.md b/translations/ta/lessons/sketchnotes/README.md index 4a32ff57..e0726330 100644 --- a/translations/ta/lessons/sketchnotes/README.md +++ b/translations/ta/lessons/sketchnotes/README.md @@ -1,12 +1,3 @@ - அனைத்து பாடத்திட்டத்தின் ஸ்கெட்ச் குறிப்புகளை இங்கே பதிவிறக்கம் செய்யலாம். 🎨 உருவாக்கியவர்: டொமோமி இமுரா (Twitter: [@girlie_mac](https://twitter.com/girlie_mac), GitHub: [girliemac](https://github.com/girliemac)) diff --git a/translations/ta/troubleshoot.md b/translations/ta/troubleshoot.md index 6631b244..52824782 100644 --- a/translations/ta/troubleshoot.md +++ b/translations/ta/troubleshoot.md @@ -1,12 +1,3 @@ - # AI-For-Beginners Troubleshooting Guide இந்த வழிகாட்டி [AI-For-Beginners](https://github.com/microsoft/AI-For-Beginners) repository-யைப் பயன்படுத்தும் அல்லது அதில் பங்களிப்புச் செய்யும் போது ஏற்படும் பொதுவான பிரச்சினைகளைத் தீர்க்க உதவுகிறது. ஒவ்வொரு பிரச்சினையும் பின்னணி, அறிகுறிகள், விளக்கங்கள் மற்றும் படிப்படியாக தீர்வுகளை உள்ளடக்கியது. diff --git a/translations/uk/.co-op-translator.json b/translations/uk/.co-op-translator.json new file mode 100644 index 00000000..4b2ddf33 --- /dev/null +++ b/translations/uk/.co-op-translator.json @@ -0,0 +1,398 @@ +{ + "AGENTS.md": { + "original_hash": "6b11a37115944252ab3ed04e358d830d", + "translation_date": "2025-10-03T09:32:17+00:00", + "source_file": "AGENTS.md", + "language_code": "uk" + }, + "README.md": { + "original_hash": "1984fc89dd304a8a33ab5584691a99aa", + "translation_date": "2026-01-30T02:47:44+00:00", + "source_file": "README.md", + "language_code": "uk" + }, + "SECURITY.md": { + "original_hash": "a583f49d359c7ebba61433e4dfcd05a9", + "translation_date": "2025-08-25T21:22:24+00:00", + "source_file": "SECURITY.md", + "language_code": "uk" + }, + "etc/CODE_OF_CONDUCT.md": { + "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56", + "translation_date": "2025-08-26T00:45:10+00:00", + "source_file": "etc/CODE_OF_CONDUCT.md", + "language_code": "uk" + }, + "etc/CONTRIBUTING.md": { + "original_hash": "847a587aa1b83f4d00858183ff3ed18a", + "translation_date": "2025-08-26T00:48:17+00:00", + "source_file": "etc/CONTRIBUTING.md", + "language_code": "uk" + }, + "etc/Mindmap.md": { + "original_hash": "f2f88dbd2debd38e26149b27b1fd272d", + "translation_date": "2025-08-26T00:51:53+00:00", + "source_file": "etc/Mindmap.md", + "language_code": "uk" + }, + "etc/SUPPORT.md": { + "original_hash": "fdfc08baee91e402938a2b1f94fe0949", + "translation_date": "2025-08-26T00:44:07+00:00", + "source_file": "etc/SUPPORT.md", + "language_code": "uk" + }, + "etc/TRANSLATIONS.md": { + "original_hash": "62b3e3ad5182edb905eec649a87eeeb4", + "translation_date": "2025-08-26T00:46:39+00:00", + "source_file": "etc/TRANSLATIONS.md", + "language_code": "uk" + }, + "etc/quiz-app/README.md": { + "original_hash": "d699cf8509f74baa5b0b838de5cf0662", + "translation_date": "2025-08-26T00:55:20+00:00", + "source_file": "etc/quiz-app/README.md", + "language_code": "uk" + }, + "examples/README.md": { + "original_hash": "0d1babfdcbeb46525f2db3fbaaa54cd7", + "translation_date": "2025-10-03T11:35:28+00:00", + "source_file": "examples/README.md", + "language_code": "uk" + }, + "lessons/0-course-setup/for-teachers.md": { + "original_hash": "a094ef9927883de1cfcee51dbd143381", + "translation_date": "2025-08-26T00:39:57+00:00", + "source_file": "lessons/0-course-setup/for-teachers.md", + "language_code": "uk" + }, + "lessons/0-course-setup/how-to-run.md": { + "original_hash": "a4717bd9103b9f6cd84d534b83534689", + "translation_date": "2026-01-16T06:44:10+00:00", + "source_file": "lessons/0-course-setup/how-to-run.md", + "language_code": "uk" + }, + "lessons/0-course-setup/setup.md": { + "original_hash": "7b4e5b8956915870d0a0ed3cc5890042", + "translation_date": "2025-12-12T20:27:14+00:00", + "source_file": "lessons/0-course-setup/setup.md", + "language_code": "uk" + }, + "lessons/1-Intro/README.md": { + "original_hash": "f57e8aa46141fd220b16ffed8f11aec7", + "translation_date": "2025-11-18T22:14:39+00:00", + "source_file": "lessons/1-Intro/README.md", + "language_code": "uk" + }, + "lessons/1-Intro/assignment.md": { + "original_hash": "a334df77a82aaaf2a29c77065d3e481e", + "translation_date": "2025-11-18T22:15:46+00:00", + "source_file": "lessons/1-Intro/assignment.md", + "language_code": "uk" + }, + "lessons/2-Symbolic/README.md": { + "original_hash": "f9f06b266b8b2bfc6b8792ff2bb1bea4", + "translation_date": "2026-01-16T06:45:27+00:00", + "source_file": "lessons/2-Symbolic/README.md", + "language_code": "uk" + }, + "lessons/2-Symbolic/assignment.md": { + "original_hash": "a057a8604f3976c3e309884453f1fad0", + "translation_date": "2025-08-26T00:34:32+00:00", + "source_file": "lessons/2-Symbolic/assignment.md", + "language_code": "uk" + }, + "lessons/3-NeuralNetworks/03-Perceptron/README.md": { + "original_hash": "c34cbba802058b6fa267e1a294d4e510", + "translation_date": "2025-09-23T15:36:19+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/README.md", + "language_code": "uk" + }, + "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md": { + "original_hash": "ba5d1eb353d20d3e7181066b3c424b99", + "translation_date": "2025-08-30T08:45:27+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md", + "language_code": "uk" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/README.md": { + "original_hash": "789d6c3fb6fc7948a470b33078a5983a", + "translation_date": "2025-09-23T15:35:55+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/README.md", + "language_code": "uk" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md": { + "original_hash": "48fdd704d483e19bc3d7464074c9fcbe", + "translation_date": "2025-08-25T23:49:34+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md", + "language_code": "uk" + }, + "lessons/3-NeuralNetworks/05-Frameworks/README.md": { + "original_hash": "ddd216f558a255260a9374008002c971", + "translation_date": "2025-09-23T15:36:36+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/README.md", + "language_code": "uk" + }, + "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md": { + "original_hash": "e452d897efb9a89700f41021834cf6e5", + "translation_date": "2025-08-25T23:56:15+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md", + "language_code": "uk" + }, + "lessons/3-NeuralNetworks/README.md": { + "original_hash": "f862a99d88088163df12270e2f2ad6c3", + "translation_date": "2025-10-03T12:54:58+00:00", + "source_file": "lessons/3-NeuralNetworks/README.md", + "language_code": "uk" + }, + "lessons/4-ComputerVision/06-IntroCV/README.md": { + "original_hash": "feeca98225cb420afc89415f24f63d92", + "translation_date": "2025-09-23T15:29:56+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/README.md", + "language_code": "uk" + }, + "lessons/4-ComputerVision/06-IntroCV/lab/README.md": { + "original_hash": "3d53d6409f80970f7281a45dee35328a", + "translation_date": "2025-08-25T23:06:07+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/lab/README.md", + "language_code": "uk" + }, + "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md": { + "original_hash": "53faab85adfcebd8c10bcd71dc2fa557", + "translation_date": "2025-09-23T15:29:13+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md", + "language_code": "uk" + }, + "lessons/4-ComputerVision/07-ConvNets/README.md": { + "original_hash": "a560d5b845962cf33dc102266e409568", + "translation_date": "2025-09-23T15:28:51+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/README.md", + "language_code": "uk" + }, + "lessons/4-ComputerVision/07-ConvNets/lab/README.md": { + "original_hash": "b70fcf7fcee862990f848c679090943f", + "translation_date": "2025-10-03T14:58:41+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/README.md", + "language_code": "uk" + }, + "lessons/4-ComputerVision/08-TransferLearning/README.md": { + "original_hash": "178c0b5ee5395733eb18aec51e71a0a9", + "translation_date": "2025-09-23T15:29:31+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/README.md", + "language_code": "uk" + }, + "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md": { + "original_hash": "ae074cd940fc2f4dc24fc07b66ccbd99", + "translation_date": "2025-08-25T23:15:13+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md", + "language_code": "uk" + }, + "lessons/4-ComputerVision/08-TransferLearning/lab/README.md": { + "original_hash": "7765935c35fcee69b9fe2d0cfd6963e2", + "translation_date": "2025-08-25T23:17:23+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/lab/README.md", + "language_code": "uk" + }, + "lessons/4-ComputerVision/09-Autoencoders/README.md": { + "original_hash": "1b8d9e1b3a6f1daa864b1ff3dfc3076d", + "translation_date": "2025-09-23T15:31:27+00:00", + "source_file": "lessons/4-ComputerVision/09-Autoencoders/README.md", + "language_code": "uk" + }, + "lessons/4-ComputerVision/10-GANs/README.md": { + "original_hash": "0ff65b4da07b23697235de2beb2a3c25", + "translation_date": "2025-09-23T15:32:32+00:00", + "source_file": "lessons/4-ComputerVision/10-GANs/README.md", + "language_code": "uk" + }, + "lessons/4-ComputerVision/11-ObjectDetection/README.md": { + "original_hash": "d76a7eda28de5210c8b1ba50a6216c69", + "translation_date": "2025-09-23T15:30:31+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/README.md", + "language_code": "uk" + }, + "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md": { + "original_hash": "ad568d55ae65c856fe929fc2b278510a", + "translation_date": "2025-08-25T22:50:50+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md", + "language_code": "uk" + }, + "lessons/4-ComputerVision/12-Segmentation/README.md": { + "original_hash": "6568aaae7e0e4afed4b5d74b5b223700", + "translation_date": "2025-09-23T15:32:00+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/README.md", + "language_code": "uk" + }, + "lessons/4-ComputerVision/12-Segmentation/lab/README.md": { + "original_hash": "365f0decfe0f47b460bbde8227c5009d", + "translation_date": "2025-08-25T22:37:49+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/lab/README.md", + "language_code": "uk" + }, + "lessons/4-ComputerVision/README.md": { + "original_hash": "58a52f000089c1d8906a4daa4ab1169b", + "translation_date": "2025-08-25T22:28:24+00:00", + "source_file": "lessons/4-ComputerVision/README.md", + "language_code": "uk" + }, + "lessons/5-NLP/13-TextRep/README.md": { + "original_hash": "dbd3f73e4139f030ecb2e20387d70fee", + "translation_date": "2025-09-23T15:39:53+00:00", + "source_file": "lessons/5-NLP/13-TextRep/README.md", + "language_code": "uk" + }, + "lessons/5-NLP/13-TextRep/assignment.md": { + "original_hash": "cdc1f2e631f055f3473b36d18e4760b3", + "translation_date": "2025-08-25T21:55:02+00:00", + "source_file": "lessons/5-NLP/13-TextRep/assignment.md", + "language_code": "uk" + }, + "lessons/5-NLP/14-Embeddings/README.md": { + "original_hash": "b708c9b85b833864c73c6281f1e6b96e", + "translation_date": "2025-09-23T15:39:29+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/README.md", + "language_code": "uk" + }, + "lessons/5-NLP/14-Embeddings/assignment.md": { + "original_hash": "bc690ecf68b38d311cc9e12f3144a28c", + "translation_date": "2025-08-25T21:43:11+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/assignment.md", + "language_code": "uk" + }, + "lessons/5-NLP/15-LanguageModeling/README.md": { + "original_hash": "7ba20f54a5bfcd6521018cdfb17c7c57", + "translation_date": "2025-09-23T15:37:33+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/README.md", + "language_code": "uk" + }, + "lessons/5-NLP/15-LanguageModeling/lab/README.md": { + "original_hash": "5130f01fdc5ebb83032b23d489027aac", + "translation_date": "2025-08-25T21:58:57+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/lab/README.md", + "language_code": "uk" + }, + "lessons/5-NLP/16-RNN/README.md": { + "original_hash": "e2273cc150380a5e191903cea858f021", + "translation_date": "2025-09-23T15:39:02+00:00", + "source_file": "lessons/5-NLP/16-RNN/README.md", + "language_code": "uk" + }, + "lessons/5-NLP/16-RNN/assignment.md": { + "original_hash": "47f7d3c6a5373543e051e4d1140ce898", + "translation_date": "2025-08-25T21:37:43+00:00", + "source_file": "lessons/5-NLP/16-RNN/assignment.md", + "language_code": "uk" + }, + "lessons/5-NLP/17-GenerativeNetworks/README.md": { + "original_hash": "51be6057374d01d70e07dd5ec88ebc0d", + "translation_date": "2025-09-23T15:37:06+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/README.md", + "language_code": "uk" + }, + "lessons/5-NLP/17-GenerativeNetworks/lab/README.md": { + "original_hash": "439e12796197a90e7623d4c9c057b9c2", + "translation_date": "2025-08-25T21:48:56+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/lab/README.md", + "language_code": "uk" + }, + "lessons/5-NLP/18-Transformers/README.md": { + "original_hash": "f335dfcb4a993920504c387973a36957", + "translation_date": "2025-09-23T15:37:46+00:00", + "source_file": "lessons/5-NLP/18-Transformers/README.md", + "language_code": "uk" + }, + "lessons/5-NLP/18-Transformers/assignment.md": { + "original_hash": "177f3ea3995d725e6f9f5c66af16edcd", + "translation_date": "2025-08-25T22:05:44+00:00", + "source_file": "lessons/5-NLP/18-Transformers/assignment.md", + "language_code": "uk" + }, + "lessons/5-NLP/19-NER/README.md": { + "original_hash": "6522312ff835796ca34136a9462fafb2", + "translation_date": "2025-09-23T15:38:38+00:00", + "source_file": "lessons/5-NLP/19-NER/README.md", + "language_code": "uk" + }, + "lessons/5-NLP/19-NER/lab/README.md": { + "original_hash": "032bda5068f543d6c1fcb30c34231461", + "translation_date": "2025-08-25T22:15:39+00:00", + "source_file": "lessons/5-NLP/19-NER/lab/README.md", + "language_code": "uk" + }, + "lessons/5-NLP/20-LangModels/README.md": { + "original_hash": "97836d30a6bec736f8e3b4411c572bc2", + "translation_date": "2025-09-23T15:38:20+00:00", + "source_file": "lessons/5-NLP/20-LangModels/README.md", + "language_code": "uk" + }, + "lessons/5-NLP/README.md": { + "original_hash": "8ef02a9318257ea140ed3ed74442096d", + "translation_date": "2025-08-25T21:30:36+00:00", + "source_file": "lessons/5-NLP/README.md", + "language_code": "uk" + }, + "lessons/6-Other/21-GeneticAlgorithms/README.md": { + "original_hash": "6bbd632dfe6c62e5f66bb51fd78c174a", + "translation_date": "2025-09-23T15:27:20+00:00", + "source_file": "lessons/6-Other/21-GeneticAlgorithms/README.md", + "language_code": "uk" + }, + "lessons/6-Other/22-DeepRL/README.md": { + "original_hash": "04395657fc01648f8f70484d0e55ab67", + "translation_date": "2025-09-23T15:28:25+00:00", + "source_file": "lessons/6-Other/22-DeepRL/README.md", + "language_code": "uk" + }, + "lessons/6-Other/22-DeepRL/lab/README.md": { + "original_hash": "7bd8dc72040e98e35e7225e34058cd4e", + "translation_date": "2025-08-25T23:36:14+00:00", + "source_file": "lessons/6-Other/22-DeepRL/lab/README.md", + "language_code": "uk" + }, + "lessons/6-Other/23-MultiagentSystems/README.md": { + "original_hash": "38a1185ae3d54b180378bbd71ae3ef16", + "translation_date": "2025-09-23T15:27:37+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/README.md", + "language_code": "uk" + }, + "lessons/6-Other/23-MultiagentSystems/assignment.md": { + "original_hash": "cf654ca60c7f86c8dad28596fb42994b", + "translation_date": "2025-08-25T23:29:40+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/assignment.md", + "language_code": "uk" + }, + "lessons/7-Ethics/README.md": { + "original_hash": "437c988596e751072e41a5aad3fcc5d9", + "translation_date": "2025-08-25T21:26:29+00:00", + "source_file": "lessons/7-Ethics/README.md", + "language_code": "uk" + }, + "lessons/README.md": { + "original_hash": "5fef1a0b22498d7188959e2a2cb08af7", + "translation_date": "2025-08-25T21:23:34+00:00", + "source_file": "lessons/README.md", + "language_code": "uk" + }, + "lessons/X-Extras/X1-MultiModal/README.md": { + "original_hash": "9c592c26aca16ca085d268c732284187", + "translation_date": "2025-08-25T23:40:38+00:00", + "source_file": "lessons/X-Extras/X1-MultiModal/README.md", + "language_code": "uk" + }, + "lessons/sketchnotes/LICENSE.md": { + "original_hash": "45ab63a2cd8f5faef6c9b150618837a4", + "translation_date": "2025-08-26T00:16:12+00:00", + "source_file": "lessons/sketchnotes/LICENSE.md", + "language_code": "uk" + }, + "lessons/sketchnotes/README.md": { + "original_hash": "050b8bddebafba55b129414e6ab096ab", + "translation_date": "2025-08-26T00:02:31+00:00", + "source_file": "lessons/sketchnotes/README.md", + "language_code": "uk" + }, + "troubleshoot.md": { + "original_hash": "8d9c5a4a7c7798d699672a22cb7fea86", + "translation_date": "2025-10-03T09:54:15+00:00", + "source_file": "troubleshoot.md", + "language_code": "uk" + } +} \ No newline at end of file diff --git a/translations/uk/AGENTS.md b/translations/uk/AGENTS.md index 20a4c05a..e9fde916 100644 --- a/translations/uk/AGENTS.md +++ b/translations/uk/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## Огляд проєкту diff --git a/translations/uk/README.md b/translations/uk/README.md index c1a845fa..cbcd1fb2 100644 --- a/translations/uk/README.md +++ b/translations/uk/README.md @@ -1,12 +1,3 @@ - [![GitHub license](https://img.shields.io/github/license/microsoft/AI-For-Beginners.svg)](https://github.com/microsoft/AI-For-Beginners/blob/main/LICENSE) [![GitHub contributors](https://img.shields.io/github/contributors/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/graphs/contributors/) [![GitHub issues](https://img.shields.io/github/issues/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/issues/) @@ -21,33 +12,34 @@ CO_OP_TRANSLATOR_METADATA: [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -# Штучний інтелект для початківців - навчальна програма +# Штучний інтелект для початківців — навчальна програма -|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../../../translated_images/uk/ai-overview.0857791951d19500.webp)| +|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../translated_images/uk/ai-overview.0857791951d19500.webp)| |:---:| -| Штучний інтелект для початківців - _Sketchnote від [@girlie_mac](https://twitter.com/girlie_mac)_ | +| AI For Beginners - _Скетчноут від [@girlie_mac](https://twitter.com/girlie_mac)_ | -Досліджуйте світ **штучного інтелекту** (ШІ) за допомогою нашої 12-тижневої програми з 24 уроків! Вона містить практичні уроки, тести та лабораторні роботи. Навчальна програма дружня до початківців і охоплює інструменти, такі як TensorFlow та PyTorch, а також етику в ШІ. +Досліджуйте світ **штучного інтелекту** (ШІ) з нашою 12-тижневою програмою, що складається з 24 уроків! Вона включає практичні уроки, вікторини та лабораторні. Програма орієнтована на початківців і охоплює інструменти, такі як TensorFlow і PyTorch, а також етику у ШІ. -### 🌐 Підтримка багатьох мов -#### Підтримується через GitHub Action (автоматично та завжди оновлено) +### 🌐 Підтримка кількох мов + +#### Підтримка через GitHub Action (автоматично та завжди актуально) -[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](./README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](./README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) > **Віддаєте перевагу клонувати локально?** -> Цей репозиторій містить понад 50 мовних перекладів, що значно збільшує розмір завантаження. Щоб клонувати без перекладів, використовуйте sparse checkout: +> Цей репозиторій містить понад 50 перекладів мов, що значно збільшує розмір завантаження. Щоб клонувати без перекладів, використовуйте sparse checkout: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git > cd AI-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` -> Це дасть вам усе необхідне для проходження курсу з набагато швидшим завантаженням. +> Це дасть вам все необхідне для проходження курсу з набагато швидшим завантаженням. -**Якщо ви хочете, щоб були підтримані додаткові мови перекладу, вони перелічені [тут](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Якщо ви хочете додати підтримку інших мов, дивіться список [тут](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** ## Приєднуйтесь до спільноти [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) @@ -56,141 +48,142 @@ CO_OP_TRANSLATOR_METADATA: **[Ментальна карта курсу](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)** -У цій навчальній програмі ви дізнаєтесь: +У цій навчальній програмі ви дізнаєтеся: -* Різні підходи до штучного інтелекту, включаючи «старий добрий» символічний підхід із **репрезентацією знань** та логічним виведенням ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). -* **Нейронні мережі** та **глибинне навчання**, які лежать в основі сучасного ШІ. Ми продемонструємо концепції цих важливих тем на прикладах коду у двох найпопулярніших фреймворках - [TensorFlow](http://Tensorflow.org) та [PyTorch](http://pytorch.org). -* **Нейронні архітектури** для роботи з зображеннями та текстом. Ми розглянемо останні моделі, хоча можливо трохи поступимося сучасній передовій. -* Менш популярні підходи в ШІ, такі як **генетичні алгоритми** та **багатоагентні системи**. +* Різні підходи до штучного інтелекту, включно з «старим добрим» символічним підходом із **представленням знань** та логічними виведеннями ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). +* **Нейронні мережі** та **глибинне навчання**, які лежать в основі сучасного ШІ. Ми проілюструємо концепції цих важливих тем за допомогою коду в двох найпопулярніших фреймворках — [TensorFlow](http://Tensorflow.org) та [PyTorch](http://pytorch.org). +* **Нейронні архітектури** для роботи з зображеннями та текстом. Ми розглянемо сучасні моделі, але дещо відстаємо від найактуальніших розробок. +* Менш поширені підходи до ШІ, такі як **генетичні алгоритми** та **багатоагентні системи**. -Чого ми не охоплюватимемо у цій навчальній програмі: +Чого ми не будемо охоплювати в цій навчальній програмі: > [Знайдіть усі додаткові ресурси для цього курсу у нашій колекції Microsoft Learn](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) -* Бізнес-кейси використання **ШІ у бізнесі**. Розгляньте можливість проходження навчальної траєкторії [Вступ до ШІ для бізнес-користувачів](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) на Microsoft Learn або [AI Business School](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), розроблений у співпраці з [INSEAD](https://www.insead.edu/). -* **Класичне машинне навчання**, яке добре описано у нашій навчальній програмі [Машинне навчання для початківців](http://github.com/Microsoft/ML-for-Beginners). -* Практичні застосування ШІ, створені за допомогою **[Когнітивних сервісів](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. Для цього рекомендуємо почати з модулів Microsoft Learn для [зору](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [обробки природної мови](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[генеративного ШІ за допомогою Azure OpenAI Service](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** та інших. -* Специфічні ML **хмарні фреймворки**, такі як [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum) або [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). Розгляньте використання навчальних шляхів [Створення та експлуатація машинного навчання з Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) і [Створення та експлуатація машинного навчання з Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum). -* **Розмовний ШІ** та **чат-боти**. Існує окремий навчальний шлях [Створення розмовних рішень ШІ](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum), а також ви можете звернутися до [цього блогу](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) для більшої деталізації. -* **Глибока математика** глибинного навчання. Для цього ми рекомендуємо книгу [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) авторів Іена Гудфеллоу, Йошуа Бенджіо та Аарона Курвіль, яка також доступна онлайн за [адресою](https://www.deeplearningbook.org/). +* Бізнес-кейси використання **ШІ у бізнесі**. Розгляньте можливість проходження навчального шляху [Вступ до ШІ для працівників бізнесу](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) на Microsoft Learn або [Школу бізнесу ШІ](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), розроблену у співпраці з [INSEAD](https://www.insead.edu/). +* **Класичне машинне навчання**, яке добре описано в нашій [навчальній програмі Машинне навчання для початківців](http://github.com/Microsoft/ML-for-Beginners). +* Практичні застосунки ШІ, створені за допомогою **[Cognitive Services](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. Для цього ми рекомендуємо почати з модулів Microsoft Learn для [зору](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [обробки природньої мови](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Генеративний ШІ з Azure OpenAI Service](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** та інші. +* Специфічні хмарні фреймворки МЛ, такі як [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum) або [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). Розгляньте використання навчальних шляхів [Створення та експлуатація рішень машинного навчання з Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) та [Створення і експлуатація рішень машинного навчання з Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum). +* **Розмовний ШІ** та **чат-боти**. Існує окремий навчальний шлях [Створення розмовних рішень ШІ](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum), а також ви можете звернутися до [цієї статті в блозі](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) для детальнішої інформації. +* **Глибока математика** глибинного навчання. Для цього ми рекомендуємо книгу [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) Ієна Гудфеллоу, Йошуа Бенджіо і Аарона Курвілля, яка також доступна онлайн на [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/). -Для плавного вступу до тематики _ШІ у хмарі_ ви можете розглянути навчальний шлях [Початок роботи з штучним інтелектом на Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum). +Для поступового ознайомлення з темами _ШІ в хмарі_ ви можете розглянути навчальний шлях [Початок роботи зі штучним інтелектом в Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum). # Зміст -| | Посилання на урок | PyTorch/Keras/TensorFlow | Лабораторна робота | +| | Посилання на урок | PyTorch/Keras/TensorFlow | Лабораторна | | :-: | :------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ------------------------------------------------------------------------------ | -| 0 | [Налаштування курсу](./lessons/0-course-setup/setup.md) | [Налаштуйте своє середовище розробки](./lessons/0-course-setup/how-to-run.md) | | +| 0 | [Налаштування курсу](./lessons/0-course-setup/setup.md) | [Налаштування середовища розробки](./lessons/0-course-setup/how-to-run.md) | | | I | [**Вступ до ШІ**](./lessons/1-Intro/README.md) | | | | 01 | [Вступ та історія ШІ](./lessons/1-Intro/README.md) | - | - | | II | **Символічний ШІ** | -| 02 | [Репрезентація знань та експертні системи](./lessons/2-Symbolic/README.md) | [Експертні системи](./lessons/2-Symbolic/Animals.ipynb) / [Онтологія](./lessons/2-Symbolic/FamilyOntology.ipynb) /[Граф понять](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | +| 02 | [Представлення знань та експертні системи](./lessons/2-Symbolic/README.md) | [Експертні системи](./lessons/2-Symbolic/Animals.ipynb) / [Онтологія](./lessons/2-Symbolic/FamilyOntology.ipynb) /[Граф понять](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | | III | [**Вступ до нейронних мереж**](./lessons/3-NeuralNetworks/README.md) ||| -| 03 | [Перцептрон](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [Зошит](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [Лабораторна](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | -| 04 | [Багатошаровий перцептрон та створення власного фреймворку](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [Зошит](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [Лабораторна](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | -| 05 | [Вступ до фреймворків (PyTorch/TensorFlow) та перенавчання](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Лабораторна](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | -| IV | [**Комп’ютерний зір**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [Дослідіть Комп’ютерний зір на Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | -| 06 | [Вступ до комп’ютерного зору. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [Зошит](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [Лабораторна](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | +| 03 | [Перцептрон](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [Блокнот](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [Лабораторна](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | +| 04 | [Багатошаровий перцептрон і створення власного фреймворку](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [Блокнот](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [Лабораторна](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | +| 05 | [Вступ до фреймворків (PyTorch/TensorFlow) і перенавчання](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Лабораторна](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | +| IV | [**Комп'ютерний зір**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [Досліджуйте комп’ютерний зір на Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | +| 06 | [Вступ до комп’ютерного зору. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [Блокнот](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [Лабораторна](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | | 07 | [Згорткові нейронні мережі](./lessons/4-ComputerVision/07-ConvNets/README.md) & [Архітектури CNN](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [Лабораторна](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | -| 08 | [Попередньо навчені мережі та перенавчання](./lessons/4-ComputerVision/08-TransferLearning/README.md) та [Трюки тренування](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Лабораторна](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | -| 09 | [Автокодировщики та VAE](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | | -| 10 | [Генеративно-змагальні мережі та стильове перенесення мистецтва](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | +| 08 | [Попередньо навчальні мережі та переносне навчання](./lessons/4-ComputerVision/08-TransferLearning/README.md) та [Тренувальні прийоми](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Лабораторна](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | +| 09 | [Автоенкодери та VAE](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | | +| 10 | [Генеративні змагальні мережі та перенос художнього стилю](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | | 11 | [Виявлення об’єктів](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [Лабораторна](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | | 12 | [Семантична сегментація. U-Net](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | | -| V | [**Обробка природної мови**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [Дослідіть обробку природної мови на Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| -| 13 | [Представлення тексту. Bow/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | | -| 14 | [Семантичні векторні уявлення слів. Word2Vec і GloVe](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | | -| 15 | [Моделювання мови. Навчання власних векторних уявлень](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [Лабораторна](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | +| V | [**Обробка природної мови**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [Досліджуйте обробку природної мови на Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| +| 13 | [Подання тексту. Bat/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | | +| 14 | [Семантичні векторні подання слів. Word2Vec та GloVe](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | | +| 15 | [Моделювання мови. Навчання власних векторів подання](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [Лабораторна](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | | 16 | [Рекурентні нейронні мережі](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | | | 17 | [Генеративні рекурентні мережі](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [Лабораторна](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | | 18 | [Трансформери. BERT.](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | | -| 19 | [Розпізнавання іменованих сутностей](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [Лабораторна](./lessons/5-NLP/19-NER/lab/README.md) | -| 20 | [Великі мовні моделі, програмування підказок і завдання з малою кількістю прикладів](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | -| VI | **Інші методи ШІ** || | -| 21 | [Генетичні алгоритми](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [Зошит](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | -| 22 | [Глибинне підкріплювальне навчання](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [Лабораторна](./lessons/6-Other/22-DeepRL/lab/README.md) | -| 23 | [Системи з багатьма агентами](./lessons/6-Other/23-MultiagentSystems/README.md) | | | +| 19 | [Іменоване розпізнавання сутностей](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [Лабораторна](./lessons/5-NLP/19-NER/lab/README.md) | +| 20 | [Великі мовні моделі, програмування запитів і задачі з кількома прикладами](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | +| VI | **Інші технології ШІ** || | +| 21 | [Генетичні алгоритми](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [Блокнот](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | +| 22 | [Глибоке підкріплене навчання](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [Лабораторна](./lessons/6-Other/22-DeepRL/lab/README.md) | +| 23 | [Багатоагентні системи](./lessons/6-Other/23-MultiagentSystems/README.md) | | | | VII | **Етика ШІ** | | | -| 24 | [Етика ШІ та відповідальний ШІ](./lessons/7-Ethics/README.md) | [Microsoft Learn: Принципи відповідального ШІ](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | +| 24 | [Етика штучного інтелекту та відповідальний ШІ](./lessons/7-Ethics/README.md) | [Microsoft Learn: Принципи відповідального ШІ](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | | IX | **Додатково** | | | -| 25 | [Мультимодальні мережі, CLIP та VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [Зошит](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | +| 25 | [Багатомодальні мережі, CLIP та VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [Блокнот](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | ## Кожен урок містить -* Попередній матеріал для читання -* Виконувані зошити Jupyter, які часто специфічні для фреймворку (**PyTorch** або **TensorFlow**). Виконуваний зошит також містить багато теоретичного матеріалу, тому для розуміння теми потрібно пройти хоча б один варіант зошита (або PyTorch, або TensorFlow). -* **Лабораторні роботи** для деяких тем, які дають можливість спробувати застосувати вивчений матеріал до конкретної задачі. -* Деякі розділи містять посилання на модулі [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum), що охоплюють суміжні теми. +* Попередні матеріали для читання +* Виконувані блокноти Jupyter, які часто специфічні для фреймворку (**PyTorch** або **TensorFlow**). Виконуваний блокнот також містить багато теоретичного матеріалу, тож для розуміння теми потрібно пройти принаймні одну версію блокноту (або PyTorch, або TensorFlow). +* **Лабораторні роботи** доступні для деяких тем, що дають можливість спробувати застосувати вивчений матеріал до конкретної задачі. +* Деякі розділи містять посилання на модулі [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum), які охоплюють суміжні теми. ## Початок роботи ### 🎯 Новачок у ШІ? Почніть тут! -Якщо ви зовсім новачок у ШІ і хочете швидкі практичні приклади, перегляньте наші [**Приклади для початківців**](./examples/README.md)! Вони включають: +Якщо ви повністю новачок у ШІ і хочете швидких практичних прикладів, ознайомтеся з нашими [**Прикладами для початківців**](./examples/README.md)! Вони включають: -- 🌟 **Hello AI World** - Ваша перша програма ШІ (розпізнавання шаблонів) -- 🧠 **Проста нейронна мережа** - Побудова нейронної мережі з нуля -- 🖼️ **Класифікатор зображень** - Класифікація зображень з докладними коментарями -- 💬 **Аналіз настрою тексту** — аналіз позитивного/негативного тексту +- 🌟 **Hello AI World** - ваша перша програма ШІ (розпізнавання шаблонів) +- 🧠 **Проста нейронна мережа** - побудуйте нейронну мережу з нуля -Ці приклади розроблені, щоб допомогти вам зрозуміти концепції ШІ перед тим, як зануритися у повний навчальний курс. +- 🖼️ **Класифікатор зображень** - Класифікація зображень з детальними коментарями +- 💬 **Сентимент тексту** - Аналіз позитивного/негативного тексту -### 📚 Налаштування повного навчального курсу +Ці приклади призначені допомогти вам зрозуміти концепції ШІ перед тим, як зануритися у повну навчальну програму. -- Ми створили [урок з налаштування](./lessons/0-course-setup/setup.md), щоб допомогти вам із налаштуванням вашого середовища розробки. - Для викладачів ми також створили [урок з налаштування навчальних програм](./lessons/0-course-setup/for-teachers.md)! -- Як [запустити код у VSCode або Codespace](./lessons/0-course-setup/how-to-run.md) +### 📚 Налаштування повної навчальної програми + +- Ми створили [урок з налаштування](./lessons/0-course-setup/setup.md), щоб допомогти вам з налаштуванням середовища розробки. - Для викладачів ми також створили [урок з налаштування навчальної програми](./lessons/0-course-setup/for-teachers.md)! +- Як [запустити код у VSCode чи Codespace](./lessons/0-course-setup/how-to-run.md) Дотримуйтесь цих кроків: -Форкніть репозиторій: натисніть кнопку "Fork" у верхньому правому куті цієї сторінки. +Форкніть репозиторій: Клікніть на кнопку "Fork" у верхньому правому куті цієї сторінки. Клонуйте репозиторій: `git clone https://github.com/microsoft/AI-For-Beginners.git` -Не забудьте поставити зірочку (🌟) цьому репозиторію, щоб легше було його знайти пізніше. +Не забудьте додати зірочку (🌟) цьому репозиторію, щоб пізніше легше його знаходити. -## Познайомтесь з іншими учнями +## Знайомтесь з іншими учнями -Приєднуйтесь до нашого [офіційного AI Discord сервера](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum), щоб зустріти й поспілкуватися з іншими учнями цього курсу та отримати підтримку. +Приєднуйтесь до нашого [офіційного Discord сервера з ШІ](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum), щоб зустріти та поспілкуватися з іншими учнями курсу та отримати підтримку. -Якщо у вас є відгуки про продукт або питання під час створення, відвідайте наш [Azure AI Foundry Developer Forum](https://aka.ms/foundry/forum) +Якщо у вас є відгуки про продукт чи питання під час створення, відвідайте наш [Azure AI Foundry Developer Forum](https://aka.ms/foundry/forum) -## Вікторини +## Тести -> **Примітка про вікторини**: Всі вікторини знаходяться у папці Quiz-app в etc\quiz-app, або [онлайн тут](https://ff-quizzes.netlify.app/). Вони пов’язані з уроками, застосунок вікторин можна запускати локально або розгортати на Azure; дотримуйтеся інструкцій у папці `quiz-app`. Вікторини поступово локалізуються. +> **Примітка про тести**: Всі тести знаходяться в папці Quiz-app у etc\quiz-app, або [онлайн тут](https://ff-quizzes.netlify.app/) Вони пов’язані з уроками, додаток для тестів можна запускати локально або розгортати в Azure; дотримуйтесь інструкцій у папці `quiz-app`. Вони поступово локалізуються. ## Потрібна допомога -Чи маєте пропозиції або знайшли орфографічні чи кодові помилки? Створіть issue або pull request. +Є пропозиції або знайшли орфографічні чи кодові помилки? Відкривайте issue або створюйте pull request. ## Особлива подяка -* **✍️ Головний автор:** [Dmitry Soshnikov](http://soshnikov.com), PhD -* **🔥 Редактор:** [Jen Looper](https://twitter.com/jenlooper), PhD -* **🎨 Ілюстратор скетчнотів:** [Tomomi Imura](https://twitter.com/girlie_mac) -* **✅ Творець вікторин:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/) -* **🙏 Основні учасники:** [Evgenii Pishchik](https://github.com/Pe4enIks) +* **✍️ Головний автор:** [Дмитро Сошников](http://soshnikov.com), PhD +* **🔥 Редактор:** [Джен Лупер](https://twitter.com/jenlooper), PhD +* **🎨 Ілюстратор скетчнот:** [Томомі Імура](https://twitter.com/girlie_mac) +* **✅ Автор тестів:** [Латіфа Белло](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/) +* **🙏 Основні контриб’ютори:** [Євгеній Піщик](https://github.com/Pe4enIks) ## Інші навчальні програми -Наша команда створює інші навчальні програми! Ознайомтесь із ними: +Наша команда створює інші навчальні програми! Перегляньте: ### LangChain -[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) -[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) +[![LangChain4j для початківців](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) +[![LangChain.js для початківців](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Агенти -[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AZD для початківців](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Edge AI для початківців](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP для початківців](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Агенти для початківців](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Серія Generative AI -[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Generative AI для початківців](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) [![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) [![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) [![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) @@ -198,35 +191,35 @@ CO_OP_TRANSLATOR_METADATA: --- ### Основне навчання -[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) -[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) -[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) -[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) +[![ML для початківців](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) +[![Data Science для початківців](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) +[![ШІ для початківців](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![Кібербезпека для початківців](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![Веб-розробка для початківців](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) +[![IoT для початківців](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) +[![XR Розробка для початківців](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Серія Copilot -[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) -[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) -[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) +[![Copilot для парного програмування зі ШІ](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![Copilot для C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) +[![Copilot Пригода](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## Отримання допомоги -Якщо ви застрягли або маєте питання щодо створення AI-застосунків, приєднуйтесь до інших учнів і досвідчених розробників у обговореннях про MCP. Це підтримуюча спільнота, де вітаються питання і відбувається вільний обмін знаннями. +Якщо ви застрягли або маєте питання про створення ШІ-додатків. Приєднуйтесь до інших учнів та досвідчених розробників у дискусіях про MCP. Це підтримуюча спільнота, де питання вітаються, а знання вільно діляться. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Якщо у вас є відгуки про продукт або помилки під час створення – відвідайте: +Якщо у вас є відгуки про продукт або помилки під час створення, відвідайте: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**Відмова від відповідальності**: -Цей документ був перекладений за допомогою автоматичного перекладача [Co-op Translator](https://github.com/Azure/co-op-translator). Хоча ми прагнемо до точності, будь ласка, майте на увазі, що автоматичний переклад може містити помилки або неточності. Оригінальний документ рідною мовою слід вважати авторитетним джерелом. Для важливої інформації рекомендується звертатися до професійного людського перекладу. Ми не несемо відповідальності за будь-які непорозуміння чи неправильні тлумачення, що виникли внаслідок використання цього перекладу. +**Відмова від відповідальності**: +Цей документ було перекладено за допомогою сервісу автоматичного перекладу штучного інтелекту [Co-op Translator](https://github.com/Azure/co-op-translator). Хоча ми прагнемо до точності, будь ласка, враховуйте, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ на рідній мові слід вважати авторитетним джерелом. Для критично важливої інформації рекомендується звертатися до професійного людського перекладу. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу. \ No newline at end of file diff --git a/translations/uk/SECURITY.md b/translations/uk/SECURITY.md index 8a29e2cb..21abc1d9 100644 --- a/translations/uk/SECURITY.md +++ b/translations/uk/SECURITY.md @@ -1,12 +1,3 @@ - ## Безпека Microsoft серйозно ставиться до безпеки наших програмних продуктів і послуг, включаючи всі репозиторії вихідного коду, які управляються через наші організації на GitHub, такі як [Microsoft](https://github.com/Microsoft), [Azure](https://github.com/Azure), [DotNet](https://github.com/dotnet), [AspNet](https://github.com/aspnet), [Xamarin](https://github.com/xamarin) та [наші організації на GitHub](https://opensource.microsoft.com/). diff --git a/translations/uk/etc/CODE_OF_CONDUCT.md b/translations/uk/etc/CODE_OF_CONDUCT.md index a4ffc8ff..5be46589 100644 --- a/translations/uk/etc/CODE_OF_CONDUCT.md +++ b/translations/uk/etc/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # Кодекс поведінки з відкритим кодом Microsoft Цей проєкт прийняв [Кодекс поведінки з відкритим кодом Microsoft](https://opensource.microsoft.com/codeofconduct/). diff --git a/translations/uk/etc/CONTRIBUTING.md b/translations/uk/etc/CONTRIBUTING.md index d70ccc4f..24487cc2 100644 --- a/translations/uk/etc/CONTRIBUTING.md +++ b/translations/uk/etc/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # Внесення змін Цей проєкт вітає внески та пропозиції. Більшість внесків вимагають від вас погодитися з Угодою про ліцензування внесків (CLA), яка підтверджує, що ви маєте право і дійсно надаєте нам права на використання вашого внеску. Для деталей відвідайте https://cla.microsoft.com. diff --git a/translations/uk/etc/Mindmap.md b/translations/uk/etc/Mindmap.md index 532715d1..e0b1a367 100644 --- a/translations/uk/etc/Mindmap.md +++ b/translations/uk/etc/Mindmap.md @@ -1,12 +1,3 @@ - # Штучний інтелект ## [Вступ до ШІ](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/1-Intro/README.md) diff --git a/translations/uk/etc/SUPPORT.md b/translations/uk/etc/SUPPORT.md index e84a2dc9..40b28f30 100644 --- a/translations/uk/etc/SUPPORT.md +++ b/translations/uk/etc/SUPPORT.md @@ -1,12 +1,3 @@ - # Підтримка ## Як повідомити про проблеми та отримати допомогу diff --git a/translations/uk/etc/TRANSLATIONS.md b/translations/uk/etc/TRANSLATIONS.md index d548786d..02294b95 100644 --- a/translations/uk/etc/TRANSLATIONS.md +++ b/translations/uk/etc/TRANSLATIONS.md @@ -1,12 +1,3 @@ - # Долучайтеся до перекладу уроків Ми раді вітати переклади уроків у цій навчальній програмі! diff --git a/translations/uk/etc/quiz-app/README.md b/translations/uk/etc/quiz-app/README.md index 17824a23..a49a6449 100644 --- a/translations/uk/etc/quiz-app/README.md +++ b/translations/uk/etc/quiz-app/README.md @@ -1,12 +1,3 @@ - # Вікторини Ці вікторини є попередніми та підсумковими тестами для навчальної програми з ШІ за посиланням https://aka.ms/ai-beginners diff --git a/translations/uk/examples/README.md b/translations/uk/examples/README.md index c8c0b407..d6d1d57b 100644 --- a/translations/uk/examples/README.md +++ b/translations/uk/examples/README.md @@ -1,12 +1,3 @@ - # Приклади штучного інтелекту для початківців Ласкаво просимо! Цей каталог містить прості, автономні приклади, які допоможуть вам розпочати роботу зі штучним інтелектом та машинним навчанням. Кожен приклад розроблений для початківців із детальними коментарями та покроковими поясненнями. diff --git a/translations/uk/lessons/0-course-setup/for-teachers.md b/translations/uk/lessons/0-course-setup/for-teachers.md index e0a994da..126a0755 100644 --- a/translations/uk/lessons/0-course-setup/for-teachers.md +++ b/translations/uk/lessons/0-course-setup/for-teachers.md @@ -1,12 +1,3 @@ - # Для викладачів Хочете використовувати цю навчальну програму у своєму класі? Будь ласка, не соромтеся! diff --git a/translations/uk/lessons/0-course-setup/how-to-run.md b/translations/uk/lessons/0-course-setup/how-to-run.md index 6cdd9dcf..99bc1f26 100644 --- a/translations/uk/lessons/0-course-setup/how-to-run.md +++ b/translations/uk/lessons/0-course-setup/how-to-run.md @@ -1,12 +1,3 @@ - # Як запустити код Цей навчальний курс містить багато виконуваних прикладів і лабораторних робіт, які ви захочете запустити. Для цього вам потрібна можливість виконувати код Python у Jupyter Notebook, які є частиною цього курсу. Ви маєте кілька варіантів запуску коду: diff --git a/translations/uk/lessons/0-course-setup/setup.md b/translations/uk/lessons/0-course-setup/setup.md index e865747d..51dab2a0 100644 --- a/translations/uk/lessons/0-course-setup/setup.md +++ b/translations/uk/lessons/0-course-setup/setup.md @@ -1,12 +1,3 @@ - # Початок роботи з цією навчальною програмою ## Ви студент? diff --git a/translations/uk/lessons/1-Intro/README.md b/translations/uk/lessons/1-Intro/README.md index 2b4ea953..7d8aa8f7 100644 --- a/translations/uk/lessons/1-Intro/README.md +++ b/translations/uk/lessons/1-Intro/README.md @@ -1,12 +1,3 @@ - # Вступ до штучного інтелекту ![Резюме змісту вступу до ШІ у вигляді малюнка](../../../../translated_images/uk/ai-intro.bf28d1ac4235881c.webp) diff --git a/translations/uk/lessons/1-Intro/assignment.md b/translations/uk/lessons/1-Intro/assignment.md index c50975d8..f6629174 100644 --- a/translations/uk/lessons/1-Intro/assignment.md +++ b/translations/uk/lessons/1-Intro/assignment.md @@ -1,12 +1,3 @@ - # Гейм Джем Ігри — це сфера, яка зазнала значного впливу розвитку штучного інтелекту (AI) та машинного навчання (ML). У цьому завданні напишіть коротку статтю про гру, яка вам подобається і яка була впливовою завдяки еволюції AI. Гра повинна бути достатньо старою, щоб її розвиток охоплював кілька типів комп'ютерних систем обробки. Хорошим прикладом є шахи або го, але також зверніть увагу на відеоігри, такі як Pong або Pac-Man. Напишіть есе, яке обговорює минуле, теперішнє та майбутнє гри в контексті AI. diff --git a/translations/uk/lessons/2-Symbolic/README.md b/translations/uk/lessons/2-Symbolic/README.md index 9dc136bd..0d0b2d3d 100644 --- a/translations/uk/lessons/2-Symbolic/README.md +++ b/translations/uk/lessons/2-Symbolic/README.md @@ -1,15 +1,6 @@ - # Представлення знань та експертні системи -![Підсумок змісту Символічного AI](../../../../../../translated_images/uk/ai-symbolic.715a30cb610411a6.webp) +![Підсумок змісту Символічного AI](../../../../translated_images/uk/ai-symbolic.715a30cb610411a6.webp) > Лаконічна замітка від [Tomomi Imura](https://twitter.com/girlie_mac) @@ -41,7 +32,7 @@ CO_OP_TRANSLATOR_METADATA: Отже, задача **представлення знань** полягає у знаходженні ефективного способу представляти знання всередині комп’ютера у формі даних, щоб їх можна було автоматично використовувати. Це можна уявити як спектр: -![Спектр представлення знань](../../../../../../translated_images/uk/knowledge-spectrum.b60df631852c0217.webp) +![Спектр представлення знань](../../../../translated_images/uk/knowledge-spectrum.b60df631852c0217.webp) > Зображення від [Dmitry Soshnikov](http://soshnikov.com) @@ -94,7 +85,7 @@ Python | синтаксис блоку | відступи Одним із ранніх успіхів символічного AI були так звані **експертні системи** — комп’ютерні системи, які розроблялися для імітації експерта в деякій обмеженій предметній області. Вони базувалися на **базі знань**, вилученій від одного чи більше експертів-людей, та містили **вивідний механізм**, який виконував певні міркування на її основі. -![Інфраструктура людини](../../../../../../translated_images/uk/arch-human.5d4d35f1bba3ab1c.webp) | ![Система, що базується на знаннях](../../../../../../translated_images/uk/arch-kbs.3ec5c150b09fa8da.webp) +![Інфраструктура людини](../../../../translated_images/uk/arch-human.5d4d35f1bba3ab1c.webp) | ![Система, що базується на знаннях](../../../../translated_images/uk/arch-kbs.3ec5c150b09fa8da.webp) ---------------------------------------------------|------------------------------------------------------ Спрощена структура нейронної системи людини | Архітектура системи, що базується на знаннях @@ -106,7 +97,7 @@ Python | синтаксис блоку | відступи Як приклад розглянемо експертну систему визначення тварини на основі її фізичних характеристик: -![AND-OR дерево](../../../../../../translated_images/uk/AND-OR-Tree.5592d2c70187f283.webp) +![AND-OR дерево](../../../../translated_images/uk/AND-OR-Tree.5592d2c70187f283.webp) > Зображення від [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/uk/lessons/2-Symbolic/assignment.md b/translations/uk/lessons/2-Symbolic/assignment.md index da9e55c2..55e46e26 100644 --- a/translations/uk/lessons/2-Symbolic/assignment.md +++ b/translations/uk/lessons/2-Symbolic/assignment.md @@ -1,12 +1,3 @@ - # Створення онтології Створення бази знань полягає у категоризації моделі, яка представляє факти про певну тему. Оберіть тему — наприклад, людину, місце або річ — і створіть модель цієї теми. Використовуйте деякі з технік і стратегій побудови моделей, описаних у цьому уроці. Наприклад, можна створити онтологію вітальні з меблями, освітленням тощо. Чим вітальня відрізняється від кухні? Ванної кімнати? Як ви визначаєте, що це саме вітальня, а не їдальня? Використовуйте [Protégé](https://protege.stanford.edu/) для створення вашої онтології. diff --git a/translations/uk/lessons/3-NeuralNetworks/03-Perceptron/README.md b/translations/uk/lessons/3-NeuralNetworks/03-Perceptron/README.md index e1c8e430..ca7a005a 100644 --- a/translations/uk/lessons/3-NeuralNetworks/03-Perceptron/README.md +++ b/translations/uk/lessons/3-NeuralNetworks/03-Perceptron/README.md @@ -1,12 +1,3 @@ - # Вступ до нейронних мереж: Перцептрон ## [Тест перед лекцією](https://ff-quizzes.netlify.app/en/ai/quiz/5) @@ -15,7 +6,7 @@ CO_OP_TRANSLATOR_METADATA: | | | |--------------|-----------| -|Френк Розенблатт | Перцептрон Mark 1| +|Френк Розенблатт | Перцептрон Mark 1| > Зображення [з Вікіпедії](https://en.wikipedia.org/wiki/Perceptron) @@ -34,7 +25,7 @@ y(x) = f(wTx) де f — це функція активації типу "сходинка". - + ## Навчання перцептрона diff --git a/translations/uk/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md b/translations/uk/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md index 55e2fc7c..23b0b27d 100644 --- a/translations/uk/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md +++ b/translations/uk/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md @@ -1,12 +1,3 @@ - # Багатокласова класифікація з перцептроном Лабораторне завдання з [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/uk/lessons/3-NeuralNetworks/04-OwnFramework/README.md b/translations/uk/lessons/3-NeuralNetworks/04-OwnFramework/README.md index ed6173ec..dd846374 100644 --- a/translations/uk/lessons/3-NeuralNetworks/04-OwnFramework/README.md +++ b/translations/uk/lessons/3-NeuralNetworks/04-OwnFramework/README.md @@ -1,12 +1,3 @@ - # Вступ до нейронних мереж. Багатошаровий перцептрон У попередньому розділі ви ознайомилися з найпростішою моделлю нейронної мережі — одношаровим перцептроном, лінійною моделлю класифікації для двох класів. @@ -65,7 +56,7 @@ CO_OP_TRANSLATOR_METADATA: Зверніть увагу, що ліва частина всіх цих виразів однакова, і тому ми можемо ефективно обчислювати похідні, починаючи з функції втрат і рухаючись "назад" через граф обчислень. Таким чином, метод навчання багатошарового перцептрона називається **зворотним поширенням**, або 'backprop'. -граф обчислень +граф обчислень > TODO: цитування зображення diff --git a/translations/uk/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md b/translations/uk/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md index f5142518..0b00c061 100644 --- a/translations/uk/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md +++ b/translations/uk/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md @@ -1,12 +1,3 @@ - # Класифікація MNIST за допомогою нашої власної платформи Лабораторне завдання з [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/uk/lessons/3-NeuralNetworks/05-Frameworks/README.md b/translations/uk/lessons/3-NeuralNetworks/05-Frameworks/README.md index 61330b16..024a2fd0 100644 --- a/translations/uk/lessons/3-NeuralNetworks/05-Frameworks/README.md +++ b/translations/uk/lessons/3-NeuralNetworks/05-Frameworks/README.md @@ -1,12 +1,3 @@ - # Фреймворки для нейронних мереж Як ми вже дізналися, для ефективного навчання нейронних мереж необхідно виконати дві основні задачі: diff --git a/translations/uk/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md b/translations/uk/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md index ebe65fd8..e66138a1 100644 --- a/translations/uk/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md +++ b/translations/uk/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md @@ -1,12 +1,3 @@ - # Класифікація з PyTorch/TensorFlow Лабораторна робота з [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/uk/lessons/3-NeuralNetworks/README.md b/translations/uk/lessons/3-NeuralNetworks/README.md index 0bc9773d..cba5a070 100644 --- a/translations/uk/lessons/3-NeuralNetworks/README.md +++ b/translations/uk/lessons/3-NeuralNetworks/README.md @@ -1,12 +1,3 @@ - # Вступ до нейронних мереж ![Резюме змісту "Вступ до нейронних мереж" у вигляді малюнка](../../../../translated_images/uk/ai-neuralnetworks.1c687ae40bc86e83.webp) diff --git a/translations/uk/lessons/4-ComputerVision/06-IntroCV/README.md b/translations/uk/lessons/4-ComputerVision/06-IntroCV/README.md index 93858c03..c0efc7f0 100644 --- a/translations/uk/lessons/4-ComputerVision/06-IntroCV/README.md +++ b/translations/uk/lessons/4-ComputerVision/06-IntroCV/README.md @@ -1,12 +1,3 @@ - # Вступ до комп'ютерного зору [Комп'ютерний зір](https://wikipedia.org/wiki/Computer_vision) — це галузь, метою якої є надання комп'ютерам можливості отримувати високорівневе розуміння цифрових зображень. Це досить широке визначення, оскільки *розуміння* може означати багато різних речей, включаючи пошук об'єкта на зображенні (**виявлення об'єктів**), розуміння того, що відбувається (**виявлення подій**), опис зображення текстом або реконструкцію сцени в 3D. Існують також спеціальні завдання, пов'язані із зображеннями людей: оцінка віку та емоцій, виявлення та ідентифікація обличчя, а також оцінка 3D-пози, серед іншого. @@ -115,7 +106,7 @@ im = cv2.cvtColor(im,cv2.COLOR_BGR2RGB) У цьому лабораторному завданні вам потрібно буде зняти відео з простими жестами, і ваша мета — витягти рухи вгору/вниз/вліво/вправо за допомогою оптичного потоку. -Кадр руху долоні +Кадр руху долоні --- diff --git a/translations/uk/lessons/4-ComputerVision/06-IntroCV/lab/README.md b/translations/uk/lessons/4-ComputerVision/06-IntroCV/lab/README.md index fc29b994..ceb676ed 100644 --- a/translations/uk/lessons/4-ComputerVision/06-IntroCV/lab/README.md +++ b/translations/uk/lessons/4-ComputerVision/06-IntroCV/lab/README.md @@ -1,12 +1,3 @@ - # Виявлення рухів за допомогою оптичного потоку Лабораторне завдання з [курсу "AI for Beginners"](https://aka.ms/ai-beginners). diff --git a/translations/uk/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md b/translations/uk/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md index 81a6ae01..8d2162cc 100644 --- a/translations/uk/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md +++ b/translations/uk/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md @@ -1,12 +1,3 @@ - # Відомі архітектури CNN ### VGG-16 @@ -25,7 +16,7 @@ VGG-16 — це мережа, яка досягла точності 92.7% у к ResNet — це сімейство моделей, запропонованих Microsoft Research у 2015 році. Основна ідея ResNet — використання **залишкових блоків**: - + > Зображення з [цієї статті](https://arxiv.org/pdf/1512.03385.pdf) @@ -37,7 +28,7 @@ ResNet — це сімейство моделей, запропонованих Архітектура Google Inception робить цей підхід ще на крок далі, будуючи кожен шар мережі як комбінацію кількох різних шляхів: - + > Зображення з [Researchgate](https://www.researchgate.net/figure/Inception-module-with-dimension-reductions-left-and-schema-for-Inception-ResNet-v1_fig2_355547454) diff --git a/translations/uk/lessons/4-ComputerVision/07-ConvNets/README.md b/translations/uk/lessons/4-ComputerVision/07-ConvNets/README.md index e259259d..a3ef1dcc 100644 --- a/translations/uk/lessons/4-ComputerVision/07-ConvNets/README.md +++ b/translations/uk/lessons/4-ComputerVision/07-ConvNets/README.md @@ -1,12 +1,3 @@ - # Конволюційні нейронні мережі Ми вже бачили, що нейронні мережі досить добре працюють із зображеннями, і навіть одношаровий перцептрон здатний розпізнавати рукописні цифри з набору даних MNIST з прийнятною точністю. Однак набір даних MNIST є дуже специфічним, і всі цифри в ньому центровані всередині зображення, що спрощує задачу. @@ -24,7 +15,7 @@ CO_OP_TRANSLATOR_METADATA: Наприклад, якщо ми застосуємо 3x3 фільтри вертикальних і горизонтальних країв до цифр MNIST, ми можемо отримати виділення (наприклад, високі значення) там, де є вертикальні та горизонтальні краї в нашому оригінальному зображенні. Таким чином, ці два фільтри можуть бути використані для "пошуку" країв. Аналогічно, ми можемо створювати різні фільтри для пошуку інших низькорівневих шаблонів: - + > Зображення [банку фільтрів Leung-Malik](https://www.robots.ox.ac.uk/~vgg/research/texclass/filters.html) diff --git a/translations/uk/lessons/4-ComputerVision/07-ConvNets/lab/README.md b/translations/uk/lessons/4-ComputerVision/07-ConvNets/lab/README.md index ea9c7f99..896dec9e 100644 --- a/translations/uk/lessons/4-ComputerVision/07-ConvNets/lab/README.md +++ b/translations/uk/lessons/4-ComputerVision/07-ConvNets/lab/README.md @@ -1,12 +1,3 @@ - # Класифікація облич домашніх тварин Лабораторне завдання з [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/uk/lessons/4-ComputerVision/08-TransferLearning/README.md b/translations/uk/lessons/4-ComputerVision/08-TransferLearning/README.md index 31e55904..cfc6f31e 100644 --- a/translations/uk/lessons/4-ComputerVision/08-TransferLearning/README.md +++ b/translations/uk/lessons/4-ComputerVision/08-TransferLearning/README.md @@ -1,12 +1,3 @@ - # Попередньо навчені мережі та перенесення навчання Навчання CNN може займати багато часу, і для цього завдання потрібна велика кількість даних. Однак значна частина часу витрачається на вивчення найкращих низькорівневих фільтрів, які мережа може використовувати для вилучення шаблонів із зображень. Виникає природне питання — чи можемо ми використати нейронну мережу, навчану на одному наборі даних, і адаптувати її для класифікації інших зображень без необхідності повного процесу навчання? diff --git a/translations/uk/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md b/translations/uk/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md index 3700d9a8..247162d4 100644 --- a/translations/uk/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md +++ b/translations/uk/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md @@ -1,12 +1,3 @@ - # Трюки для тренування глибокого навчання Коли нейронні мережі стають глибшими, процес їхнього тренування стає дедалі складнішим. Однією з основних проблем є так звані [зникаючі градієнти](https://en.wikipedia.org/wiki/Vanishing_gradient_problem) або [вибухаючі градієнти](https://deepai.org/machine-learning-glossary-and-terms/exploding-gradient-problem#:~:text=Exploding%20gradients%20are%20a%20problem,updates%20are%20small%20and%20controlled.). [Ця стаття](https://towardsdatascience.com/the-vanishing-exploding-gradient-problem-in-deep-neural-networks-191358470c11) дає гарне введення в ці проблеми. diff --git a/translations/uk/lessons/4-ComputerVision/08-TransferLearning/lab/README.md b/translations/uk/lessons/4-ComputerVision/08-TransferLearning/lab/README.md index 62281361..1d8f6800 100644 --- a/translations/uk/lessons/4-ComputerVision/08-TransferLearning/lab/README.md +++ b/translations/uk/lessons/4-ComputerVision/08-TransferLearning/lab/README.md @@ -1,12 +1,3 @@ - # Класифікація домашніх тварин Оксфорда за допомогою трансферного навчання Лабораторна робота з [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/uk/lessons/4-ComputerVision/09-Autoencoders/README.md b/translations/uk/lessons/4-ComputerVision/09-Autoencoders/README.md index 77f98978..9ffd96f2 100644 --- a/translations/uk/lessons/4-ComputerVision/09-Autoencoders/README.md +++ b/translations/uk/lessons/4-ComputerVision/09-Autoencoders/README.md @@ -1,12 +1,3 @@ - # Автоенкодери Під час навчання CNN одна з проблем полягає в тому, що нам потрібна велика кількість даних із мітками. У випадку класифікації зображень нам потрібно розділити зображення на різні класи, що є ручною роботою. @@ -46,7 +37,7 @@ VAE — це автоенкодер, який навчається прогно * Ми вибираємо вектор `sample` із розподілу N(zmean,exp(zlog\_sigma)) * Декодер намагається декодувати оригінальне зображення, використовуючи `sample` як вхідний вектор - + > Зображення з [цього блогу](https://ijdykeman.github.io/ml/2016/12/21/cvae.html) Ісаака Дайкмана @@ -57,13 +48,13 @@ VAE — це автоенкодер, який навчається прогно Однією з важливих переваг VAE є те, що вони дозволяють нам генерувати нові зображення відносно легко, оскільки ми знаємо, з якого розподілу вибирати латентні вектори. Наприклад, якщо ми навчимо VAE з 2D латентним вектором на MNIST, ми можемо змінювати компоненти латентного вектора, щоб отримати різні цифри: -vaemnist +vaemnist > Зображення від [Дмитра Сошникова](http://soshnikov.com) Зверніть увагу, як зображення плавно переходять одне в одне, коли ми починаємо отримувати латентні вектори з різних частин латентного простору параметрів. Ми також можемо візуалізувати цей простір у 2D: -vaemnist cluster +vaemnist cluster > Зображення від [Дмитра Сошникова](http://soshnikov.com) diff --git a/translations/uk/lessons/4-ComputerVision/10-GANs/README.md b/translations/uk/lessons/4-ComputerVision/10-GANs/README.md index 6ff9465c..265c32a9 100644 --- a/translations/uk/lessons/4-ComputerVision/10-GANs/README.md +++ b/translations/uk/lessons/4-ComputerVision/10-GANs/README.md @@ -1,12 +1,3 @@ - # Генеративні змагальні мережі У попередньому розділі ми дізналися про **генеративні моделі**: моделі, які можуть створювати нові зображення, схожі на ті, що є в навчальному наборі даних. VAE був гарним прикладом генеративної моделі. @@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA: Основна ідея GAN полягає в тому, щоб мати дві нейронні мережі, які будуть навчатися одна проти одної: - + > Зображення від [Dmitry Soshnikov](http://soshnikov.com) @@ -41,7 +32,7 @@ CO_OP_TRANSLATOR_METADATA: > ✅ Оскільки згортковий шар реалізується як лінійний фільтр, що проходить через зображення, деконволюція по суті схожа на згортку і може бути реалізована за допомогою тієї ж логіки шару. - + > Зображення від [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/uk/lessons/4-ComputerVision/11-ObjectDetection/README.md b/translations/uk/lessons/4-ComputerVision/11-ObjectDetection/README.md index 4c012c3b..7e62855d 100644 --- a/translations/uk/lessons/4-ComputerVision/11-ObjectDetection/README.md +++ b/translations/uk/lessons/4-ComputerVision/11-ObjectDetection/README.md @@ -1,12 +1,3 @@ - # Виявлення об'єктів Моделі класифікації зображень, з якими ми працювали раніше, брали зображення і видавали категоріальний результат, наприклад, клас "число" у задачі MNIST. Однак у багатьох випадках нам недостатньо просто знати, що на зображенні є об'єкти — ми хочемо визначити їх точне розташування. Саме це є метою **виявлення об'єктів**. diff --git a/translations/uk/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md b/translations/uk/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md index 96432ef1..3c209aa4 100644 --- a/translations/uk/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md +++ b/translations/uk/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md @@ -1,12 +1,3 @@ - # Виявлення голів за допомогою набору даних Hollywood Heads Лабораторна робота з [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/uk/lessons/4-ComputerVision/12-Segmentation/README.md b/translations/uk/lessons/4-ComputerVision/12-Segmentation/README.md index 9dfe8c33..626332bc 100644 --- a/translations/uk/lessons/4-ComputerVision/12-Segmentation/README.md +++ b/translations/uk/lessons/4-ComputerVision/12-Segmentation/README.md @@ -1,12 +1,3 @@ - # Сегментація Раніше ми вивчали розпізнавання об'єктів, яке дозволяє знаходити об'єкти на зображенні, прогнозуючи їх *граничні рамки*. Однак для деяких завдань нам потрібна не тільки гранична рамка, але й більш точна локалізація об'єкта. Це завдання називається **сегментацією**. @@ -20,7 +11,7 @@ CO_OP_TRANSLATOR_METADATA: Наприклад, для сегментації об'єктів ці вівці є різними об'єктами, але для семантичної сегментації всі вівці представлені одним класом. - + > Зображення з [цієї статті](https://nirmalamurali.medium.com/image-classification-vs-semantic-segmentation-vs-instance-segmentation-625c33a08d50) @@ -29,7 +20,7 @@ CO_OP_TRANSLATOR_METADATA: * **Енкодер** витягує ознаки з вхідного зображення. * **Декодер** перетворює ці ознаки у **зображення маски**, яке має той самий розмір і кількість каналів, що відповідає кількості класів. - + > Зображення з [цієї публікації](https://arxiv.org/pdf/2001.05566.pdf) @@ -43,7 +34,7 @@ CO_OP_TRANSLATOR_METADATA: > ✅ Ця техніка особливо підходить для такого типу медичних зображень, але які інші реальні застосування ви могли б уявити? -navi +navi > Зображення з PH2 Database diff --git a/translations/uk/lessons/4-ComputerVision/12-Segmentation/lab/README.md b/translations/uk/lessons/4-ComputerVision/12-Segmentation/lab/README.md index 6ce6d6f2..92400278 100644 --- a/translations/uk/lessons/4-ComputerVision/12-Segmentation/lab/README.md +++ b/translations/uk/lessons/4-ComputerVision/12-Segmentation/lab/README.md @@ -1,12 +1,3 @@ - # Сегментація людського тіла Лабораторна робота з [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/uk/lessons/4-ComputerVision/README.md b/translations/uk/lessons/4-ComputerVision/README.md index de9437e5..fbe6b51f 100644 --- a/translations/uk/lessons/4-ComputerVision/README.md +++ b/translations/uk/lessons/4-ComputerVision/README.md @@ -1,12 +1,3 @@ - # Комп'ютерний зір ![Резюме матеріалів про комп'ютерний зір у вигляді малюнка](../../../../translated_images/uk/ai-computervision.6506ebebac3fbf76.webp) diff --git a/translations/uk/lessons/5-NLP/13-TextRep/README.md b/translations/uk/lessons/5-NLP/13-TextRep/README.md index 33a0da7b..6ca8e1b9 100644 --- a/translations/uk/lessons/5-NLP/13-TextRep/README.md +++ b/translations/uk/lessons/5-NLP/13-TextRep/README.md @@ -1,12 +1,3 @@ - # Представлення тексту як тензорів ## [Тест перед лекцією](https://ff-quizzes.netlify.app/en/ai/quiz/25) @@ -25,7 +16,7 @@ CO_OP_TRANSLATOR_METADATA: Якщо ми хочемо вирішувати завдання обробки природної мови (NLP) за допомогою нейронних мереж, нам потрібен спосіб представлення тексту як тензорів. Комп’ютери вже представляють текстові символи як числа, які відповідають шрифтам на вашому екрані, використовуючи кодування, такі як ASCII або UTF-8. -Зображення, що показує схему перетворення символу в ASCII та двійкове представлення +Зображення, що показує схему перетворення символу в ASCII та двійкове представлення > [Джерело зображення](https://www.seobility.net/en/wiki/ASCII) @@ -48,7 +39,7 @@ CO_OP_TRANSLATOR_METADATA: Під час вирішення завдань, таких як класифікація тексту, нам потрібно мати можливість представляти текст одним вектором фіксованого розміру, який ми будемо використовувати як вхід для фінального класифікатора. Один із найпростіших способів зробити це — об’єднати всі окремі представлення слів, наприклад, додаючи їх. Якщо ми додамо однохот-кодування кожного слова, ми отримаємо вектор частот, який показує, скільки разів кожне слово з’являється в тексті. Таке представлення тексту називається **мішок слів** (BoW). - + > Зображення автора diff --git a/translations/uk/lessons/5-NLP/13-TextRep/assignment.md b/translations/uk/lessons/5-NLP/13-TextRep/assignment.md index 1a74fc60..151aa51e 100644 --- a/translations/uk/lessons/5-NLP/13-TextRep/assignment.md +++ b/translations/uk/lessons/5-NLP/13-TextRep/assignment.md @@ -1,12 +1,3 @@ - # Завдання: Ноутбуки Використовуючи ноутбуки, пов’язані з цим уроком (версія PyTorch або TensorFlow), запустіть їх заново, використовуючи власний набір даних, можливо, один із Kaggle, з відповідним зазначенням джерела. Перепишіть ноутбук, щоб підкреслити власні висновки. Спробуйте використати інноваційні набори даних, які можуть виявитися несподіваними, наприклад, [цей про спостереження НЛО](https://www.kaggle.com/datasets/NUFORC/ufo-sightings) від NUFORC. diff --git a/translations/uk/lessons/5-NLP/14-Embeddings/README.md b/translations/uk/lessons/5-NLP/14-Embeddings/README.md index a032d5c1..71375c42 100644 --- a/translations/uk/lessons/5-NLP/14-Embeddings/README.md +++ b/translations/uk/lessons/5-NLP/14-Embeddings/README.md @@ -1,12 +1,3 @@ - # Вбудовування ## [Тест перед лекцією](https://ff-quizzes.netlify.app/en/ai/quiz/27) diff --git a/translations/uk/lessons/5-NLP/14-Embeddings/assignment.md b/translations/uk/lessons/5-NLP/14-Embeddings/assignment.md index e8b4427d..bc5bbd5d 100644 --- a/translations/uk/lessons/5-NLP/14-Embeddings/assignment.md +++ b/translations/uk/lessons/5-NLP/14-Embeddings/assignment.md @@ -1,12 +1,3 @@ - # Завдання: Ноутбуки Використовуючи ноутбуки, пов’язані з цим уроком (версія PyTorch або TensorFlow), запустіть їх заново, використовуючи власний набір даних, можливо, один із Kaggle, з відповідним зазначенням джерела. Перепишіть ноутбук, щоб підкреслити власні висновки. Спробуйте інший тип набору даних і задокументуйте свої спостереження, використовуючи текст, наприклад [ці тексти пісень Beatles](https://www.kaggle.com/datasets/jenlooper/beatles-lyrics). diff --git a/translations/uk/lessons/5-NLP/15-LanguageModeling/README.md b/translations/uk/lessons/5-NLP/15-LanguageModeling/README.md index 0c471fd9..a482e193 100644 --- a/translations/uk/lessons/5-NLP/15-LanguageModeling/README.md +++ b/translations/uk/lessons/5-NLP/15-LanguageModeling/README.md @@ -1,12 +1,3 @@ - # Моделювання мови Семантичні векторні представлення, такі як Word2Vec і GloVe, насправді є першим кроком до **моделювання мови** — створення моделей, які певним чином *розуміють* (або *представляють*) природу мови. diff --git a/translations/uk/lessons/5-NLP/15-LanguageModeling/lab/README.md b/translations/uk/lessons/5-NLP/15-LanguageModeling/lab/README.md index 9cb80ede..5f463b3d 100644 --- a/translations/uk/lessons/5-NLP/15-LanguageModeling/lab/README.md +++ b/translations/uk/lessons/5-NLP/15-LanguageModeling/lab/README.md @@ -1,12 +1,3 @@ - # Навчання моделі Skip-Gram Лабораторна робота з [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/uk/lessons/5-NLP/16-RNN/README.md b/translations/uk/lessons/5-NLP/16-RNN/README.md index f77fe0a4..6ea88234 100644 --- a/translations/uk/lessons/5-NLP/16-RNN/README.md +++ b/translations/uk/lessons/5-NLP/16-RNN/README.md @@ -1,12 +1,3 @@ - # Рекурентні нейронні мережі ## [Тест перед лекцією](https://ff-quizzes.netlify.app/en/ai/quiz/31) @@ -31,7 +22,7 @@ CO_OP_TRANSLATOR_METADATA: Проста клітина RNN має дві матриці ваг всередині: одна трансформує вхідний символ (назвемо її W), а інша трансформує вхідний стан (H). У цьому випадку вихід мережі обчислюється як σ(W×Xi+H×Si-1+b), де σ — це функція активації, а b — додатковий зсув. -Анатомія клітини RNN +Анатомія клітини RNN > Зображення автора diff --git a/translations/uk/lessons/5-NLP/16-RNN/assignment.md b/translations/uk/lessons/5-NLP/16-RNN/assignment.md index 5fb5b28b..3181e229 100644 --- a/translations/uk/lessons/5-NLP/16-RNN/assignment.md +++ b/translations/uk/lessons/5-NLP/16-RNN/assignment.md @@ -1,12 +1,3 @@ - # Завдання: Ноутбуки Використовуючи ноутбуки, пов’язані з цим уроком (версія PyTorch або TensorFlow), запустіть їх з вашим власним набором даних, можливо, з Kaggle, використовуючи з дотриманням авторських прав. Перепишіть ноутбук, щоб підкреслити ваші власні висновки. Спробуйте інший тип набору даних і задокументуйте ваші спостереження, використовуючи текст, наприклад, [цей набір даних конкурсу Kaggle про твіти про погоду](https://www.kaggle.com/competitions/crowdflower-weather-twitter/data?select=train.csv). diff --git a/translations/uk/lessons/5-NLP/17-GenerativeNetworks/README.md b/translations/uk/lessons/5-NLP/17-GenerativeNetworks/README.md index 09e40c3d..160c718f 100644 --- a/translations/uk/lessons/5-NLP/17-GenerativeNetworks/README.md +++ b/translations/uk/lessons/5-NLP/17-GenerativeNetworks/README.md @@ -1,12 +1,3 @@ - # Генеративні мережі ## [Тест перед лекцією](https://ff-quizzes.netlify.app/en/ai/quiz/33) @@ -36,7 +27,7 @@ CO_OP_TRANSLATOR_METADATA: Під час генерації тексту (під час інференсу) ми починаємо з деякого **запиту**, який передається через блоки RNN для створення його проміжного стану, а потім з цього стану починається генерація. Ми генеруємо один символ за раз і передаємо стан та створений символ до іншого блоку RNN для генерації наступного, поки не буде створено достатню кількість символів. - + > Зображення авторства автора diff --git a/translations/uk/lessons/5-NLP/17-GenerativeNetworks/lab/README.md b/translations/uk/lessons/5-NLP/17-GenerativeNetworks/lab/README.md index 32ec2fd7..2c6b1584 100644 --- a/translations/uk/lessons/5-NLP/17-GenerativeNetworks/lab/README.md +++ b/translations/uk/lessons/5-NLP/17-GenerativeNetworks/lab/README.md @@ -1,12 +1,3 @@ - # Генерація тексту на рівні слів за допомогою RNN Лабораторне завдання з [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/uk/lessons/5-NLP/18-Transformers/README.md b/translations/uk/lessons/5-NLP/18-Transformers/README.md index 27bbe66e..9cfb15fb 100644 --- a/translations/uk/lessons/5-NLP/18-Transformers/README.md +++ b/translations/uk/lessons/5-NLP/18-Transformers/README.md @@ -1,12 +1,3 @@ - # Механізми уваги та трансформери ## [Тест перед лекцією](https://ff-quizzes.netlify.app/en/ai/quiz/35) @@ -56,7 +47,7 @@ CO_OP_TRANSLATOR_METADATA: * Навчуване вбудовування, схоже на вбудовування токенів. Це підхід, який ми розглядаємо тут. Ми застосовуємо шари вбудовування як до токенів, так і до їх позицій, отримуючи вектори вбудовування однакових розмірів, які потім додаємо. * Фіксована функція позиційного кодування, як запропоновано в оригінальній статті. - + > Зображення автора diff --git a/translations/uk/lessons/5-NLP/18-Transformers/assignment.md b/translations/uk/lessons/5-NLP/18-Transformers/assignment.md index f3c7445d..c18d04ec 100644 --- a/translations/uk/lessons/5-NLP/18-Transformers/assignment.md +++ b/translations/uk/lessons/5-NLP/18-Transformers/assignment.md @@ -1,12 +1,3 @@ - # Завдання: Трансформери Експериментуйте з Трансформерами на HuggingFace! Спробуйте деякі скрипти, які вони надають, щоб працювати з різними моделями, доступними на їхньому сайті: https://huggingface.co/docs/transformers/run_scripts. Спробуйте один із їхніх наборів даних, а потім імпортуйте один із ваших власних із цієї навчальної програми або з Kaggle і перевірте, чи зможете ви створити цікаві тексти. Створіть ноутбук із вашими результатами. diff --git a/translations/uk/lessons/5-NLP/19-NER/README.md b/translations/uk/lessons/5-NLP/19-NER/README.md index 6ea47f93..fff05dd2 100644 --- a/translations/uk/lessons/5-NLP/19-NER/README.md +++ b/translations/uk/lessons/5-NLP/19-NER/README.md @@ -1,12 +1,3 @@ - # Розпізнавання іменованих сутностей До цього моменту ми здебільшого зосереджувалися на одному завданні NLP — класифікації. Однак існують й інші завдання NLP, які можна виконувати за допомогою нейронних мереж. Одним із таких завдань є **[Розпізнавання іменованих сутностей](https://wikipedia.org/wiki/Named-entity_recognition)** (NER), яке полягає у визначенні конкретних сутностей у тексті, таких як місця, імена людей, часові інтервали, хімічні формули тощо. @@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA: Припустимо, ви хочете створити чат-бота, схожого на Amazon Alexa або Google Assistant. Інтелектуальні чат-боти працюють таким чином, щоб *зрозуміти*, чого хоче користувач, виконуючи класифікацію тексту вхідного речення. Результатом цієї класифікації є так званий **намір**, який визначає, що має зробити чат-бот. -Bot NER +Bot NER > Зображення автора diff --git a/translations/uk/lessons/5-NLP/19-NER/lab/README.md b/translations/uk/lessons/5-NLP/19-NER/lab/README.md index 1d55f3f4..014802d8 100644 --- a/translations/uk/lessons/5-NLP/19-NER/lab/README.md +++ b/translations/uk/lessons/5-NLP/19-NER/lab/README.md @@ -1,12 +1,3 @@ - # NER Лабораторна робота з [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/uk/lessons/5-NLP/20-LangModels/README.md b/translations/uk/lessons/5-NLP/20-LangModels/README.md index 62ecb8c9..b2ac8bde 100644 --- a/translations/uk/lessons/5-NLP/20-LangModels/README.md +++ b/translations/uk/lessons/5-NLP/20-LangModels/README.md @@ -1,12 +1,3 @@ - # Попередньо навчені великі мовні моделі У всіх попередніх завданнях ми навчали нейронну мережу виконувати певне завдання, використовуючи позначений набір даних. З великими трансформерними моделями, такими як BERT, ми використовуємо моделювання мови в самонавчальному режимі для створення мовної моделі, яка потім спеціалізується на конкретному завданні за допомогою додаткового навчання для певної галузі. Однак було продемонстровано, що великі мовні моделі також можуть вирішувати багато завдань без будь-якого навчання для конкретної галузі. Сімейство моделей, здатних це робити, називається **GPT**: Генеративний Попередньо Навчений Трансформер. diff --git a/translations/uk/lessons/5-NLP/README.md b/translations/uk/lessons/5-NLP/README.md index ba099fff..8213ef3c 100644 --- a/translations/uk/lessons/5-NLP/README.md +++ b/translations/uk/lessons/5-NLP/README.md @@ -1,12 +1,3 @@ - # Обробка природної мови ![Резюме задач NLP у вигляді малюнка](../../../../translated_images/uk/ai-nlp.b22dcb8ca4707cea.webp) diff --git a/translations/uk/lessons/6-Other/21-GeneticAlgorithms/README.md b/translations/uk/lessons/6-Other/21-GeneticAlgorithms/README.md index 8ef4eed7..26485654 100644 --- a/translations/uk/lessons/6-Other/21-GeneticAlgorithms/README.md +++ b/translations/uk/lessons/6-Other/21-GeneticAlgorithms/README.md @@ -1,12 +1,3 @@ - # Генетичні алгоритми ## [Тест перед лекцією](https://ff-quizzes.netlify.app/en/ai/quiz/41) diff --git a/translations/uk/lessons/6-Other/22-DeepRL/README.md b/translations/uk/lessons/6-Other/22-DeepRL/README.md index 58590632..36034ee3 100644 --- a/translations/uk/lessons/6-Other/22-DeepRL/README.md +++ b/translations/uk/lessons/6-Other/22-DeepRL/README.md @@ -1,12 +1,3 @@ - # Глибоке навчання з підкріпленням Навчання з підкріпленням (RL) вважається одним із основних парадигм машинного навчання, поряд із навчанням з учителем та без учителя. У той час як у навчанні з учителем ми покладаємося на набір даних із відомими результатами, RL базується на **навчанні через дію**. Наприклад, коли ми вперше бачимо комп'ютерну гру, ми починаємо грати, навіть не знаючи правил, і незабаром можемо покращити свої навички просто через процес гри та коригування своєї поведінки. @@ -34,7 +25,7 @@ CO_OP_TRANSLATOR_METADATA: Спрощена версія балансування відома як задача **CartPole**. У світі CartPole у нас є горизонтальний слайдер, який може рухатися вліво або вправо, і мета полягає в тому, щоб балансувати вертикальний стовп на вершині слайдера, коли він рухається. -a cartpole +a cartpole Щоб створити та використовувати це середовище, нам потрібно кілька рядків коду на Python: diff --git a/translations/uk/lessons/6-Other/22-DeepRL/lab/README.md b/translations/uk/lessons/6-Other/22-DeepRL/lab/README.md index 5be4e10a..c75720c3 100644 --- a/translations/uk/lessons/6-Other/22-DeepRL/lab/README.md +++ b/translations/uk/lessons/6-Other/22-DeepRL/lab/README.md @@ -1,12 +1,3 @@ - ## Навколишнє середовище Середовище Mountain Car складається з автомобіля, який застряг у долині. Ваша мета — вистрибнути з долини та досягти прапора. Дії, які ви можете виконувати: прискорення вліво, вправо або нічого не робити. Ви можете спостерігати за положенням автомобіля вздовж осі x та його швидкістю. diff --git a/translations/uk/lessons/6-Other/23-MultiagentSystems/README.md b/translations/uk/lessons/6-Other/23-MultiagentSystems/README.md index a2260c23..a8db3e9c 100644 --- a/translations/uk/lessons/6-Other/23-MultiagentSystems/README.md +++ b/translations/uk/lessons/6-Other/23-MultiagentSystems/README.md @@ -1,12 +1,3 @@ - # Багатоагентні системи Одним із можливих способів досягнення інтелекту є так званий **емергентний** (або **синергетичний**) підхід, який базується на тому, що комбінована поведінка багатьох відносно простих агентів може призвести до загальної більш складної (або інтелектуальної) поведінки системи в цілому. Теоретично це базується на принципах [Колективного інтелекту](https://en.wikipedia.org/wiki/Collective_intelligence), [Емерджентизму](https://en.wikipedia.org/wiki/Global_brain) та [Еволюційної кібернетики](https://en.wikipedia.org/wiki/Global_brain), які стверджують, що системи вищого рівня отримують певну додаткову цінність, коли вони правильно комбінуються з систем нижчого рівня (так званий *принцип переходу до метасистеми*). @@ -60,7 +51,7 @@ ask turtles [ Чудовою особливістю NetLogo є те, що він містить бібліотеку готових моделей, які ви можете спробувати. Перейдіть до **File → Models Library**, і у вас буде багато категорій моделей на вибір. -Бібліотека моделей NetLogo +Бібліотека моделей NetLogo > Знімок екрана бібліотеки моделей від Дмитра Сошникова diff --git a/translations/uk/lessons/6-Other/23-MultiagentSystems/assignment.md b/translations/uk/lessons/6-Other/23-MultiagentSystems/assignment.md index 702da966..e9c98a9a 100644 --- a/translations/uk/lessons/6-Other/23-MultiagentSystems/assignment.md +++ b/translations/uk/lessons/6-Other/23-MultiagentSystems/assignment.md @@ -1,12 +1,3 @@ - # Завдання NetLogo Візьміть одну з моделей із бібліотеки NetLogo і використайте її для максимально точного моделювання реальної ситуації. Хорошим прикладом може бути модифікація моделі Virus у папці Alternative Visualizations, щоб показати, як її можна використовувати для моделювання поширення COVID-19. Чи можете ви створити модель, яка імітує реальне поширення вірусу? diff --git a/translations/uk/lessons/7-Ethics/README.md b/translations/uk/lessons/7-Ethics/README.md index 95f186be..021c81f1 100644 --- a/translations/uk/lessons/7-Ethics/README.md +++ b/translations/uk/lessons/7-Ethics/README.md @@ -1,12 +1,3 @@ - # Етичний та відповідальний штучний інтелект Ви майже завершили цей курс, і я сподіваюся, що тепер ви чітко розумієте, що штучний інтелект базується на ряді формальних математичних методів, які дозволяють знаходити взаємозв’язки в даних і навчати моделі відтворювати деякі аспекти людської поведінки. На цьому етапі історії ми вважаємо штучний інтелект дуже потужним інструментом для виявлення закономірностей у даних і застосування цих закономірностей для вирішення нових завдань. diff --git a/translations/uk/lessons/README.md b/translations/uk/lessons/README.md index 438a2de2..aafd8ba6 100644 --- a/translations/uk/lessons/README.md +++ b/translations/uk/lessons/README.md @@ -1,12 +1,3 @@ - # Огляд ![Огляд у вигляді замальовки](../../../translated_images/uk/ai-overview.0857791951d19500.webp) diff --git a/translations/uk/lessons/X-Extras/X1-MultiModal/README.md b/translations/uk/lessons/X-Extras/X1-MultiModal/README.md index 534aed10..d4168a10 100644 --- a/translations/uk/lessons/X-Extras/X1-MultiModal/README.md +++ b/translations/uk/lessons/X-Extras/X1-MultiModal/README.md @@ -1,12 +1,3 @@ - # Мультимодальні мережі Після успіху моделей трансформерів у вирішенні завдань обробки природної мови (NLP), ті ж або схожі архітектури були застосовані до завдань комп'ютерного зору. Зростає інтерес до створення моделей, які б *поєднували* можливості зору та природної мови. Одним із таких підходів є моделі CLIP та DALL.E, розроблені OpenAI. diff --git a/translations/uk/lessons/sketchnotes/LICENSE.md b/translations/uk/lessons/sketchnotes/LICENSE.md index 3301a244..3ff030fd 100644 --- a/translations/uk/lessons/sketchnotes/LICENSE.md +++ b/translations/uk/lessons/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - Поширення прав, то цей розділ застосовується до Вашого використання: a. для уникнення сумнівів, Розділ 2(a)(1) надає Вам право вилучати, повторно використовувати, відтворювати та поширювати весь або значну частину вмісту бази даних; diff --git a/translations/uk/lessons/sketchnotes/README.md b/translations/uk/lessons/sketchnotes/README.md index 20f2d162..ff72ccb9 100644 --- a/translations/uk/lessons/sketchnotes/README.md +++ b/translations/uk/lessons/sketchnotes/README.md @@ -1,12 +1,3 @@ - Усі скетчноти навчальної програми можна завантажити тут. 🎨 Створено: Томомі Імура (Twitter: [@girlie_mac](https://twitter.com/girlie_mac), GitHub: [girliemac](https://github.com/girliemac)) diff --git a/translations/uk/troubleshoot.md b/translations/uk/troubleshoot.md index 8b8b17a6..de0381ef 100644 --- a/translations/uk/troubleshoot.md +++ b/translations/uk/troubleshoot.md @@ -1,12 +1,3 @@ - # Посібник з усунення несправностей AI-For-Beginners Цей посібник допоможе вам вирішити поширені проблеми, які виникають під час використання або внесення змін до репозиторію [AI-For-Beginners](https://github.com/microsoft/AI-For-Beginners). Кожна проблема містить опис, симптоми, пояснення та покрокові рішення.