diff --git a/translations/bg/.co-op-translator.json b/translations/bg/.co-op-translator.json new file mode 100644 index 00000000..f86799ae --- /dev/null +++ b/translations/bg/.co-op-translator.json @@ -0,0 +1,398 @@ +{ + "AGENTS.md": { + "original_hash": "6b11a37115944252ab3ed04e358d830d", + "translation_date": "2025-10-03T09:29:31+00:00", + "source_file": "AGENTS.md", + "language_code": "bg" + }, + "README.md": { + "original_hash": "1984fc89dd304a8a33ab5584691a99aa", + "translation_date": "2026-01-30T02:34:49+00:00", + "source_file": "README.md", + "language_code": "bg" + }, + "SECURITY.md": { + "original_hash": "a583f49d359c7ebba61433e4dfcd05a9", + "translation_date": "2025-08-25T21:21:36+00:00", + "source_file": "SECURITY.md", + "language_code": "bg" + }, + "etc/CODE_OF_CONDUCT.md": { + "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56", + "translation_date": "2025-08-26T00:44:44+00:00", + "source_file": "etc/CODE_OF_CONDUCT.md", + "language_code": "bg" + }, + "etc/CONTRIBUTING.md": { + "original_hash": "847a587aa1b83f4d00858183ff3ed18a", + "translation_date": "2025-08-26T00:47:42+00:00", + "source_file": "etc/CONTRIBUTING.md", + "language_code": "bg" + }, + "etc/Mindmap.md": { + "original_hash": "f2f88dbd2debd38e26149b27b1fd272d", + "translation_date": "2025-08-26T00:50:16+00:00", + "source_file": "etc/Mindmap.md", + "language_code": "bg" + }, + "etc/SUPPORT.md": { + "original_hash": "fdfc08baee91e402938a2b1f94fe0949", + "translation_date": "2025-08-26T00:43:42+00:00", + "source_file": "etc/SUPPORT.md", + "language_code": "bg" + }, + "etc/TRANSLATIONS.md": { + "original_hash": "62b3e3ad5182edb905eec649a87eeeb4", + "translation_date": "2025-08-26T00:46:02+00:00", + "source_file": "etc/TRANSLATIONS.md", + "language_code": "bg" + }, + "etc/quiz-app/README.md": { + "original_hash": "d699cf8509f74baa5b0b838de5cf0662", + "translation_date": "2025-08-26T00:54:03+00:00", + "source_file": "etc/quiz-app/README.md", + "language_code": "bg" + }, + "examples/README.md": { + "original_hash": "0d1babfdcbeb46525f2db3fbaaa54cd7", + "translation_date": "2025-10-03T11:34:19+00:00", + "source_file": "examples/README.md", + "language_code": "bg" + }, + "lessons/0-course-setup/for-teachers.md": { + "original_hash": "a094ef9927883de1cfcee51dbd143381", + "translation_date": "2025-08-26T00:39:14+00:00", + "source_file": "lessons/0-course-setup/for-teachers.md", + "language_code": "bg" + }, + "lessons/0-course-setup/how-to-run.md": { + "original_hash": "a4717bd9103b9f6cd84d534b83534689", + "translation_date": "2026-01-16T05:30:53+00:00", + "source_file": "lessons/0-course-setup/how-to-run.md", + "language_code": "bg" + }, + "lessons/0-course-setup/setup.md": { + "original_hash": "7b4e5b8956915870d0a0ed3cc5890042", + "translation_date": "2025-12-12T20:17:18+00:00", + "source_file": "lessons/0-course-setup/setup.md", + "language_code": "bg" + }, + "lessons/1-Intro/README.md": { + "original_hash": "f57e8aa46141fd220b16ffed8f11aec7", + "translation_date": "2025-11-18T22:05:24+00:00", + "source_file": "lessons/1-Intro/README.md", + "language_code": "bg" + }, + "lessons/1-Intro/assignment.md": { + "original_hash": "a334df77a82aaaf2a29c77065d3e481e", + "translation_date": "2025-11-18T22:06:37+00:00", + "source_file": "lessons/1-Intro/assignment.md", + "language_code": "bg" + }, + "lessons/2-Symbolic/README.md": { + "original_hash": "f9f06b266b8b2bfc6b8792ff2bb1bea4", + "translation_date": "2026-01-16T05:32:06+00:00", + "source_file": "lessons/2-Symbolic/README.md", + "language_code": "bg" + }, + "lessons/2-Symbolic/assignment.md": { + "original_hash": "a057a8604f3976c3e309884453f1fad0", + "translation_date": "2025-08-26T00:34:06+00:00", + "source_file": "lessons/2-Symbolic/assignment.md", + "language_code": "bg" + }, + "lessons/3-NeuralNetworks/03-Perceptron/README.md": { + "original_hash": "c34cbba802058b6fa267e1a294d4e510", + "translation_date": "2025-09-23T14:32:41+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/README.md", + "language_code": "bg" + }, + "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md": { + "original_hash": "ba5d1eb353d20d3e7181066b3c424b99", + "translation_date": "2025-08-29T22:50:17+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md", + "language_code": "bg" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/README.md": { + "original_hash": "789d6c3fb6fc7948a470b33078a5983a", + "translation_date": "2025-09-23T14:32:16+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/README.md", + "language_code": "bg" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md": { + "original_hash": "48fdd704d483e19bc3d7464074c9fcbe", + "translation_date": "2025-08-25T23:49:08+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md", + "language_code": "bg" + }, + "lessons/3-NeuralNetworks/05-Frameworks/README.md": { + "original_hash": "ddd216f558a255260a9374008002c971", + "translation_date": "2025-09-23T14:32:56+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/README.md", + "language_code": "bg" + }, + "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md": { + "original_hash": "e452d897efb9a89700f41021834cf6e5", + "translation_date": "2025-08-25T23:55:40+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md", + "language_code": "bg" + }, + "lessons/3-NeuralNetworks/README.md": { + "original_hash": "f862a99d88088163df12270e2f2ad6c3", + "translation_date": "2025-10-03T12:53:19+00:00", + "source_file": "lessons/3-NeuralNetworks/README.md", + "language_code": "bg" + }, + "lessons/4-ComputerVision/06-IntroCV/README.md": { + "original_hash": "feeca98225cb420afc89415f24f63d92", + "translation_date": "2025-09-23T14:27:31+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/README.md", + "language_code": "bg" + }, + "lessons/4-ComputerVision/06-IntroCV/lab/README.md": { + "original_hash": "3d53d6409f80970f7281a45dee35328a", + "translation_date": "2025-08-25T23:05:29+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/lab/README.md", + "language_code": "bg" + }, + "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md": { + "original_hash": "53faab85adfcebd8c10bcd71dc2fa557", + "translation_date": "2025-09-23T14:26:37+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md", + "language_code": "bg" + }, + "lessons/4-ComputerVision/07-ConvNets/README.md": { + "original_hash": "a560d5b845962cf33dc102266e409568", + "translation_date": "2025-09-23T14:26:16+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/README.md", + "language_code": "bg" + }, + "lessons/4-ComputerVision/07-ConvNets/lab/README.md": { + "original_hash": "b70fcf7fcee862990f848c679090943f", + "translation_date": "2025-10-03T14:57:52+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/README.md", + "language_code": "bg" + }, + "lessons/4-ComputerVision/08-TransferLearning/README.md": { + "original_hash": "178c0b5ee5395733eb18aec51e71a0a9", + "translation_date": "2025-09-23T14:26:57+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/README.md", + "language_code": "bg" + }, + "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md": { + "original_hash": "ae074cd940fc2f4dc24fc07b66ccbd99", + "translation_date": "2025-08-25T23:13:03+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md", + "language_code": "bg" + }, + "lessons/4-ComputerVision/08-TransferLearning/lab/README.md": { + "original_hash": "7765935c35fcee69b9fe2d0cfd6963e2", + "translation_date": "2025-08-25T23:16:52+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/lab/README.md", + "language_code": "bg" + }, + "lessons/4-ComputerVision/09-Autoencoders/README.md": { + "original_hash": "1b8d9e1b3a6f1daa864b1ff3dfc3076d", + "translation_date": "2025-09-23T14:28:49+00:00", + "source_file": "lessons/4-ComputerVision/09-Autoencoders/README.md", + "language_code": "bg" + }, + "lessons/4-ComputerVision/10-GANs/README.md": { + "original_hash": "0ff65b4da07b23697235de2beb2a3c25", + "translation_date": "2025-09-23T14:29:38+00:00", + "source_file": "lessons/4-ComputerVision/10-GANs/README.md", + "language_code": "bg" + }, + "lessons/4-ComputerVision/11-ObjectDetection/README.md": { + "original_hash": "d76a7eda28de5210c8b1ba50a6216c69", + "translation_date": "2025-09-23T14:28:08+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/README.md", + "language_code": "bg" + }, + "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md": { + "original_hash": "ad568d55ae65c856fe929fc2b278510a", + "translation_date": "2025-08-25T22:50:05+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md", + "language_code": "bg" + }, + "lessons/4-ComputerVision/12-Segmentation/README.md": { + "original_hash": "6568aaae7e0e4afed4b5d74b5b223700", + "translation_date": "2025-09-23T14:29:20+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/README.md", + "language_code": "bg" + }, + "lessons/4-ComputerVision/12-Segmentation/lab/README.md": { + "original_hash": "365f0decfe0f47b460bbde8227c5009d", + "translation_date": "2025-08-25T22:37:19+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/lab/README.md", + "language_code": "bg" + }, + "lessons/4-ComputerVision/README.md": { + "original_hash": "58a52f000089c1d8906a4daa4ab1169b", + "translation_date": "2025-08-25T22:27:58+00:00", + "source_file": "lessons/4-ComputerVision/README.md", + "language_code": "bg" + }, + "lessons/5-NLP/13-TextRep/README.md": { + "original_hash": "dbd3f73e4139f030ecb2e20387d70fee", + "translation_date": "2025-09-23T14:36:02+00:00", + "source_file": "lessons/5-NLP/13-TextRep/README.md", + "language_code": "bg" + }, + "lessons/5-NLP/13-TextRep/assignment.md": { + "original_hash": "cdc1f2e631f055f3473b36d18e4760b3", + "translation_date": "2025-08-25T21:54:33+00:00", + "source_file": "lessons/5-NLP/13-TextRep/assignment.md", + "language_code": "bg" + }, + "lessons/5-NLP/14-Embeddings/README.md": { + "original_hash": "b708c9b85b833864c73c6281f1e6b96e", + "translation_date": "2025-09-23T14:35:42+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/README.md", + "language_code": "bg" + }, + "lessons/5-NLP/14-Embeddings/assignment.md": { + "original_hash": "bc690ecf68b38d311cc9e12f3144a28c", + "translation_date": "2025-08-25T21:42:46+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/assignment.md", + "language_code": "bg" + }, + "lessons/5-NLP/15-LanguageModeling/README.md": { + "original_hash": "7ba20f54a5bfcd6521018cdfb17c7c57", + "translation_date": "2025-09-23T14:33:47+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/README.md", + "language_code": "bg" + }, + "lessons/5-NLP/15-LanguageModeling/lab/README.md": { + "original_hash": "5130f01fdc5ebb83032b23d489027aac", + "translation_date": "2025-08-25T21:58:21+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/lab/README.md", + "language_code": "bg" + }, + "lessons/5-NLP/16-RNN/README.md": { + "original_hash": "e2273cc150380a5e191903cea858f021", + "translation_date": "2025-09-23T14:35:13+00:00", + "source_file": "lessons/5-NLP/16-RNN/README.md", + "language_code": "bg" + }, + "lessons/5-NLP/16-RNN/assignment.md": { + "original_hash": "47f7d3c6a5373543e051e4d1140ce898", + "translation_date": "2025-08-25T21:37:19+00:00", + "source_file": "lessons/5-NLP/16-RNN/assignment.md", + "language_code": "bg" + }, + "lessons/5-NLP/17-GenerativeNetworks/README.md": { + "original_hash": "51be6057374d01d70e07dd5ec88ebc0d", + "translation_date": "2025-09-23T14:33:26+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/README.md", + "language_code": "bg" + }, + "lessons/5-NLP/17-GenerativeNetworks/lab/README.md": { + "original_hash": "439e12796197a90e7623d4c9c057b9c2", + "translation_date": "2025-08-25T21:48:29+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/lab/README.md", + "language_code": "bg" + }, + "lessons/5-NLP/18-Transformers/README.md": { + "original_hash": "f335dfcb4a993920504c387973a36957", + "translation_date": "2025-09-23T14:33:59+00:00", + "source_file": "lessons/5-NLP/18-Transformers/README.md", + "language_code": "bg" + }, + "lessons/5-NLP/18-Transformers/assignment.md": { + "original_hash": "177f3ea3995d725e6f9f5c66af16edcd", + "translation_date": "2025-08-25T22:05:21+00:00", + "source_file": "lessons/5-NLP/18-Transformers/assignment.md", + "language_code": "bg" + }, + "lessons/5-NLP/19-NER/README.md": { + "original_hash": "6522312ff835796ca34136a9462fafb2", + "translation_date": "2025-09-23T14:34:51+00:00", + "source_file": "lessons/5-NLP/19-NER/README.md", + "language_code": "bg" + }, + "lessons/5-NLP/19-NER/lab/README.md": { + "original_hash": "032bda5068f543d6c1fcb30c34231461", + "translation_date": "2025-08-25T22:14:39+00:00", + "source_file": "lessons/5-NLP/19-NER/lab/README.md", + "language_code": "bg" + }, + "lessons/5-NLP/20-LangModels/README.md": { + "original_hash": "97836d30a6bec736f8e3b4411c572bc2", + "translation_date": "2025-09-23T14:34:35+00:00", + "source_file": "lessons/5-NLP/20-LangModels/README.md", + "language_code": "bg" + }, + "lessons/5-NLP/README.md": { + "original_hash": "8ef02a9318257ea140ed3ed74442096d", + "translation_date": "2025-08-25T21:28:50+00:00", + "source_file": "lessons/5-NLP/README.md", + "language_code": "bg" + }, + "lessons/6-Other/21-GeneticAlgorithms/README.md": { + "original_hash": "6bbd632dfe6c62e5f66bb51fd78c174a", + "translation_date": "2025-09-23T14:24:35+00:00", + "source_file": "lessons/6-Other/21-GeneticAlgorithms/README.md", + "language_code": "bg" + }, + "lessons/6-Other/22-DeepRL/README.md": { + "original_hash": "04395657fc01648f8f70484d0e55ab67", + "translation_date": "2025-09-23T14:25:45+00:00", + "source_file": "lessons/6-Other/22-DeepRL/README.md", + "language_code": "bg" + }, + "lessons/6-Other/22-DeepRL/lab/README.md": { + "original_hash": "7bd8dc72040e98e35e7225e34058cd4e", + "translation_date": "2025-08-25T23:35:46+00:00", + "source_file": "lessons/6-Other/22-DeepRL/lab/README.md", + "language_code": "bg" + }, + "lessons/6-Other/23-MultiagentSystems/README.md": { + "original_hash": "38a1185ae3d54b180378bbd71ae3ef16", + "translation_date": "2025-09-23T14:24:55+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/README.md", + "language_code": "bg" + }, + "lessons/6-Other/23-MultiagentSystems/assignment.md": { + "original_hash": "cf654ca60c7f86c8dad28596fb42994b", + "translation_date": "2025-08-25T23:29:16+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/assignment.md", + "language_code": "bg" + }, + "lessons/7-Ethics/README.md": { + "original_hash": "437c988596e751072e41a5aad3fcc5d9", + "translation_date": "2025-08-25T21:25:05+00:00", + "source_file": "lessons/7-Ethics/README.md", + "language_code": "bg" + }, + "lessons/README.md": { + "original_hash": "5fef1a0b22498d7188959e2a2cb08af7", + "translation_date": "2025-08-25T21:23:15+00:00", + "source_file": "lessons/README.md", + "language_code": "bg" + }, + "lessons/X-Extras/X1-MultiModal/README.md": { + "original_hash": "9c592c26aca16ca085d268c732284187", + "translation_date": "2025-08-25T23:38:21+00:00", + "source_file": "lessons/X-Extras/X1-MultiModal/README.md", + "language_code": "bg" + }, + "lessons/sketchnotes/LICENSE.md": { + "original_hash": "45ab63a2cd8f5faef6c9b150618837a4", + "translation_date": "2025-08-26T00:09:28+00:00", + "source_file": "lessons/sketchnotes/LICENSE.md", + "language_code": "bg" + }, + "lessons/sketchnotes/README.md": { + "original_hash": "050b8bddebafba55b129414e6ab096ab", + "translation_date": "2025-08-26T00:02:09+00:00", + "source_file": "lessons/sketchnotes/README.md", + "language_code": "bg" + }, + "troubleshoot.md": { + "original_hash": "8d9c5a4a7c7798d699672a22cb7fea86", + "translation_date": "2025-10-03T09:51:28+00:00", + "source_file": "troubleshoot.md", + "language_code": "bg" + } +} \ No newline at end of file diff --git a/translations/bg/AGENTS.md b/translations/bg/AGENTS.md index 4f0fed6e..41551197 100644 --- a/translations/bg/AGENTS.md +++ b/translations/bg/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## Преглед на проекта diff --git a/translations/bg/README.md b/translations/bg/README.md index 5d3d025e..07ca740d 100644 --- a/translations/bg/README.md +++ b/translations/bg/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) -# Изкуствен интелект за начинаещи - учебна програма +# Изкуствен интелект за начинаещи - Учебна програма -|![Скетчноут от @girlie_mac https://twitter.com/girlie_mac](../../../../translated_images/bg/ai-overview.0857791951d19500.webp)| +|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../translated_images/bg/ai-overview.0857791951d19500.webp)| |:---:| -| Изкуствен интелект за начинаещи - _Скетчноут от [@girlie_mac](https://twitter.com/girlie_mac)_ | +| AI For Beginners - _Ментална карта от [@girlie_mac](https://twitter.com/girlie_mac)_ | + +Изследвайте света на **Изкуствения интелект** (ИИ) с нашата 12-седмична, 24-урочна учебна програма! Тя включва практически уроци, тестове и лабораторни занятия. Учебната програма е подходяща за начинаещи и покрива инструменти като TensorFlow и PyTorch, както и етика в ИИ. -Разгледайте света на **Изкуствения интелект** (ИИ) с нашата 12-седмична програма с 24 урока! Включва практически уроци, тестове и лабораторни упражнения. Учебната програма е подходяща за начинаещи и покрива инструменти като TensorFlow и PyTorch, както и етика в ИИ. ### 🌐 Поддръжка на множество езици -#### Поддържа се чрез GitHub Action (автоматично и винаги актуално) +#### Поддържано чрез GitHub Action (Автоматизирано и винаги актуално) -[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](./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](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](./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](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) > **Предпочитате да клонирате локално?** -> Това хранилище включва над 50 езикови превода, което значително увеличава размера на изтеглянето. За да клонирате без преводите, използвайте sparse checkout: +> Това хранилище включва над 50 езикови превода, което значително увеличава размера на изтеглянето. За да клонирате без преводи, използвайте 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' > ``` -> Това ви дава всичко необходимо за завършване на курса с много по-бързо изтегляне. +> Това Ви дава всичко необходимо за завършване на курса с много по-бързо изтегляне. -**Ако желаете поддръжка на допълнителни езици, те са изброени [тук](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Ако желаете да се добавят допълнителни преводи, поддържаните езици са изброени [тук](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** ## Присъединете се към общността [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) @@ -58,117 +50,117 @@ CO_OP_TRANSLATOR_METADATA: В тази учебна програма ще научите: -* Различни подходи към изкуствения интелект, включително "добрия стар" символен подход с **Представяне на знания** и разсъждение ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). -* **Невронни мрежи** и **Дълбоко обучение**, които са в основата на съвременния ИИ. Ще илюстрираме концепциите зад тези важни теми с помощта на код в две от най-популярните рамки - [TensorFlow](http://Tensorflow.org) и [PyTorch](http://pytorch.org). -* **Невронни архитектури** за работа с изображения и текст. Ще обхванем по-нови модели, но може би леко да изоставаме по отношение на най-съвременните постижения. +* Различни подходи към Изкуствения интелект, включително "старата добра" символна методика с **Представяне на знанието** и разсъждения ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). +* **Невронни мрежи** и **Дълбоко обучение**, които са в сърцето на съвременния ИИ. Ще илюстрираме концепциите зад тези важни теми с код в две от най-популярните рамки - [TensorFlow](http://Tensorflow.org) и [PyTorch](http://pytorch.org). +* **Невронни архитектури** за работа с изображения и текст. Ще покрием нови модели, но може да са малко изостанали от най-съвременните технологии. * По-малко популярни подходи в ИИ, като **Генетични алгоритми** и **Мултиагентни системи**. -Какво няма да покриваме в тази учебна програма: +Какво няма да покрием в тази учебна програма: -> [Намерете всички допълнителни ресурси за този курс в нашата колекция Microsoft Learn](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) +> [Намерете всички допълнителни ресурси за този курс в нашата колекция в Microsoft Learn](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) -* Бизнес случаи за използване на **ИИ в бизнеса**. Помислете за вземане на учебния път [Въведение в ИИ за бизнес потребители](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) в Microsoft Learn или [Бизнес училище за ИИ](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), разработено в сътрудничество с [INSEAD](https://www.insead.edu/). -* **Класическо машинно обучение**, което е добре описано в нашата учебна програма [Машинно обучение за начинаещи](http://github.com/Microsoft/ML-for-Beginners). -* Практически AI приложения, изградени с помощта на **[Cognitive Services](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. За това препоръчваме да започнете с модулите на Microsoft Learn за [визия](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [обработка на естествен език](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Генеративен ИИ с Azure OpenAI Service](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** и други. -* Специфични ML **обръчни облачни рамки**, като [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) или [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). Помислете за използване на учебните пътища [Създаване и управление на решения за машинно обучение с Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) и [Създаване и управление на решения за машинно обучение с Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum). -* **Разговорен ИИ** и **чат ботове**. Има отделен учебен път [Създаване на решения за разговорен ИИ](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum), а също така можете да се обърнете към [този блог пост](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) за повече подробности. -* **Дълбока математика**, стояща зад дълбокото обучение. За това бихме препоръчали [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) от Ian Goodfellow, Yoshua Bengio и Aaron Courville, която е достъпна също онлайн на [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/). +* Бизнес казуси за използване на **ИИ в бизнеса**. Помислете за вземане на [Въведение в ИИ за бизнес потребители](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) учебен път в Microsoft Learn, или [AI Business School](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), разработен в сътрудничество с [INSEAD](https://www.insead.edu/). +* **Класическо машинно обучение**, което е добре описано в нашата [Учебна програма по машинно обучение за начинаещи](http://github.com/Microsoft/ML-for-Beginners). +* Практически приложения на ИИ, изградени с помощта на **[Cognitive Services](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. За това препоръчваме да започнете с модулите на Microsoft Learn за [компютърно зрение](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [обработка на естествен език](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Генеративен ИИ с Azure OpenAI Service](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** и други. +* Специфични ML **Облачни рамки**, като [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) или [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). Помислете за използване на учебните пътища [Изграждане и опериране на решения за машинно обучение с Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) и [Изграждане и опериране на решения за машинно обучение с Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum). +* **Разговорен ИИ** и **Чат ботове**. Съществува отделен учебен път [Създаване на разговорни AI решения](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) и можете да се обърнете и към [този блог пост](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) за повече подробности. +* **Дълбока математика** зад дълбокото обучение. За това препоръчваме [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) от Иън Гудфелоу, Йошуа Бенгио и Аарън Курвил, която е достъпна и онлайн на [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/). -За леко въведение в темите за _ИИ в облака_, може да обмислите учебния път [Започнете с изкуствен интелект в Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum). +За леко въведение в темите за _ИИ в облака_ може да обмислите да вземете учебния път [Започнете с изкуствен интелект в Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum). # Съдържание | | Връзка към урока | PyTorch/Keras/TensorFlow | Лаборатория | | :-: | :------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ------------------------------------------------------------------------------ | -| 0 | [Настройка на курса](./lessons/0-course-setup/setup.md) | [Настройка на вашата среда за разработка](./lessons/0-course-setup/how-to-run.md) | | +| 0 | [Настройване на курса](./lessons/0-course-setup/setup.md) | [Настройване на средата за разработка](./lessons/0-course-setup/how-to-run.md) | | | I | [**Въведение в ИИ**](./lessons/1-Intro/README.md) | | | | 01 | [Въведение и история на ИИ](./lessons/1-Intro/README.md) | - | - | | II | **Символен ИИ** | -| 02 | [Представяне на знания и експертни системи](./lessons/2-Symbolic/README.md) | [Експертни системи](./lessons/2-Symbolic/Animals.ipynb) / [Онтология](./lessons/2-Symbolic/FamilyOntology.ipynb) /[Граф на концепции](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | -| III | [**Въведение в Невронните мрежи**](./lessons/3-NeuralNetworks/README.md) ||| -| 03 | [Перцептрон](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [Бележник](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [Лаборатория](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | -| 04 | [Многослоен перцептрон и създаване на собствен фреймуърк](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [Бележник](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [Лаборатория](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | -| 05 | [Въведение във фреймуърковете (PyTorch/TensorFlow) и пренасищане](./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) | [Лаборатория](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | -| IV | [**Компютърно зрение**](./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)| [Изследвайте компютърното зрение в Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | -| 06 | [Въведение в компютърното зрение. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [Бележник](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [Лаборатория](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | +| 02 | [Представяне на знанието и експертни системи](./lessons/2-Symbolic/README.md) | [Експертни системи](./lessons/2-Symbolic/Animals.ipynb) / [Онтология](./lessons/2-Symbolic/FamilyOntology.ipynb) /[Граф на понятия](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | +| III | [**Въведение в невронните мрежи**](./lessons/3-NeuralNetworks/README.md) ||| +| 03 | [Перцептрон](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [Тетрадка](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [Лаборатория](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | +| 04 | [Многослоен перцептрон и създаване на наша собствена рамка](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [Тетрадка](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [Лаборатория](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | +| 05 | [Въведение в рамки (PyTorch/TensorFlow) и пренасищане](./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) | [Лаборатория](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | +| IV | [**Компютърно зрение**](./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)| [Разгледайте компютърното зрение в Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | +| 06 | [Въведение в компютърното зрение. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [Тетрадка](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [Лаборатория](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | | 07 | [Конволюционни невронни мрежи](./lessons/4-ComputerVision/07-ConvNets/README.md) & [Архитектури на 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) | [Лаборатория](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | -| 08 | [Предварително обучени мрежи и трансферно обучение](./lessons/4-ComputerVision/08-TransferLearning/README.md) и [Трикове за обучение](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Лаборатория](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | -| 09 | [Автоенкодери и 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 | [Генеративни състезателни мрежи и пренос на артистичен стил](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | +| 08 | [Предварително обучени мрежи и трансферно обучение](./lessons/4-ComputerVision/08-TransferLearning/README.md) и [Тренировъчни трикове](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Лаборатория](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | +| 09 | [Автоенкодери и 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-състезателни мрежи и трансфер на артистичен стил](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | | 11 | [Обектно разпознаване](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [Лаборатория](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | | 12 | [Семантично сегментиране. 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 | [**Обработка на естествен език**](./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) | [Изследвайте обработката на естествен език в Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| -| 13 | [Представяне на текст. 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 | [Семантични вграждания на думи. Word2Vec и 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 | [Моделиране на езика. Обучение на собствени вграждания](./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) | [Лаборатория](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | +| V | [**Обработка на естествения език**](./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) | [Разгледайте обработката на естествения език в Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| +| 13 | [Представяне на текст. Bag of Words/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 | [Семантични вгради на думи. Word2Vec и 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 | [Моделиране на езика. Обучение на собствени вградки](./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) | [Лаборатория](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | | 16 | [Рекурентни невронни мрежи](./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 | [Генеративни рекурентни мрежи](./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) | [Лаборатория](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | | 18 | [Трансформъри. 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 | [Разпознаване на именовани обекти](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [Лаборатория](./lessons/5-NLP/19-NER/lab/README.md) | +| 19 | [Разпознаване на именувани обекти](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [Лаборатория](./lessons/5-NLP/19-NER/lab/README.md) | | 20 | [Големи езикови модели, програмиране на заявки и задачи с малко примери](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | | VI | **Други AI техники** || | -| 21 | [Генетични алгоритми](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [Бележник](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | +| 21 | [Генетични алгоритми](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [Тетрадка](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | | 22 | [Дълбоко подсилващо обучение](./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) | [Лаборатория](./lessons/6-Other/22-DeepRL/lab/README.md) | -| 23 | [Многоагентни системи](./lessons/6-Other/23-MultiagentSystems/README.md) | | | -| VII | **Етика в AI** | | | -| 24 | [Етика в AI и отговорен AI](./lessons/7-Ethics/README.md) | [Microsoft Learn: Принципи на отговорния AI](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | -| IX | **Допълнителни материали** | | | -| 25 | [Мултимодални мрежи, CLIP и VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [Бележник](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | +| 23 | [Мултиагентни системи](./lessons/6-Other/23-MultiagentSystems/README.md) | | | +| VII | **Етика на изкуствения интелект** | | | +| 24 | [Етика на ИИ и отговорен изкуствен интелект](./lessons/7-Ethics/README.md) | [Microsoft Learn: Принципи за отговорен ИИ](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | +| IX | **Допълнително** | | | +| 25 | [Мултимодални мрежи, CLIP и VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [Тетрадка](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | ## Всяка лекция съдържа -* Материал за предварително четене -* Изпълними бележници Jupyter, които често са специфични за даден фреймуърк (**PyTorch** или **TensorFlow**). Изпълнимият бележник също съдържа много теоретичен материал, затова за да разберете темата, трябва да преминете поне през една от версиите на бележника (или PyTorch, или TensorFlow). -* **Лаборатории**, достъпни за някои теми, които ви дават възможност да опитате да приложите научения материал върху конкретен проблем. -* Някои раздели съдържат връзки към модули в [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum), които обхващат свързани теми. +* Предварителни материали за четене +* Изпълними Jupyter тетрадки, които често са специфични за рамката (**PyTorch** или **TensorFlow**). Изпълнимата тетрадка съдържа и много теоретичен материал, затова за да разберете темата, трябва да преминете през поне една версия на тетрадката (или PyTorch, или TensorFlow). +* **Лаборатории**, налични за някои теми, които ви дават възможност да опитате прилагането на научения материал върху конкретен проблем. +* Някои секции съдържат връзки към модули в [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum), покриващи свързани теми. ## Започване -### 🎯 Нов в AI? Започнете тук! +### 🎯 Новаци в ИИ? Започнете тук! -Ако сте напълно нови в AI и искате бързи, практични примери, разгледайте нашите [**Примери за начинаещи**](./examples/README.md)! Те включват: +Ако сте напълно нови в ИИ и искате бързи, практически примери, разгледайте нашите [**Примери за начинаещи**](./examples/README.md)! Те включват: -- 🌟 **Hello AI World** - Вашата първа AI програма (разпознаване на шаблони) +- 🌟 **Здравей, ИИ свят** - Вашата първа ИИ програма (разпознаване на шаблони) - 🧠 **Проста невронна мрежа** - Създаване на невронна мрежа от нулата - 🖼️ **Класификатор на изображения** - Класифицирайте изображения с подробни коментари - 💬 **Настроение на текста** - Анализирайте положителен/отрицателен текст -Тези примери са създадени, за да ви помогнат да разберете концепциите на ИИ преди да се потопите в пълната учебна програма. +Тези примери са предназначени да ви помогнат да разберете концепциите за изкуствен интелект преди да се потопите в пълната учебна програма. ### 📚 Настройка на пълната учебна програма -- Създадохме [урок за настройка](./lessons/0-course-setup/setup.md), който да ви помогне с настройването на вашата среда за разработка. - За обучаващите сме създали и [урок за настройка на учебната програма](./lessons/0-course-setup/for-teachers.md)! +- Създадохме [урок за настройка](./lessons/0-course-setup/setup.md), за да ви помогнем с настройването на вашата среда за разработка. - За преподаватели също сме създали [урок за настройка на учебните програми](./lessons/0-course-setup/for-teachers.md)! - Как да [стартирате кода във VSCode или Codespace](./lessons/0-course-setup/how-to-run.md) Следвайте тези стъпки: -Форкнете Репозитория: Кликнете на бутона „Fork“ в горния десен ъгъл на тази страница. +Форкнете хранилището: Кликнете върху бутона "Fork" в горния десен ъгъл на тази страница. -Клонирайте Репозитория: `git clone https://github.com/microsoft/AI-For-Beginners.git` +Клонирайте хранилището: `git clone https://github.com/microsoft/AI-For-Beginners.git` Не забравяйте да дадете звезда (🌟) на това хранилище, за да го намерите по-лесно по-късно. -## Запознайте се с други учащи се +## Срещнете други учащи -Присъединете се към нашия [официален AI Discord сървър](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum), за да срещнете и създадете мрежа с други учащи се, които посещават този курс, и да получите подкрепа. +Присъединете се към нашия [официален Discord сървър за AI](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum), за да се срещнете и да установите контакти с други учащи, които следват този курс и да получите подкрепа. -Ако имате обратна връзка за продукта или въпроси докато изграждате, посетете нашия [Azure AI Foundry Developer Forum](https://aka.ms/foundry/forum) +Ако имате обратна връзка за продукта или въпроси по време на разработка, посетете нашия [Azure AI Foundry Developer Forum](https://aka.ms/foundry/forum) ## Тестове -> **Бележка за тестовете**: Всички тестове са в папката Quiz-app в etc\quiz-app, или [онлайн тук](https://ff-quizzes.netlify.app/) Те са свързани вътре в уроците, приложението за тестове може да се стартира локално или да се разположи в Azure; следвайте инструкциите в папката `quiz-app`. Постепенно се локализират. +> **Бележка за тестовете**: Всички тестове се намират в папката Quiz-app в etc\quiz-app, или [Онлайн тук](https://ff-quizzes.netlify.app/). Те са свързани вътре в уроците. Приложението за тестове може да се стартира локално или да се разположи в Azure; следвайте инструкциите в папката `quiz-app`. Те постепенно се локализират. -## Нужна помощ +## Търсим помощ -Имате ли предложения или сте открили правописни или кодови грешки? Създайте issue или pull request. +Имате ли предложения или сте намерили правописни или кодови грешки? Подайте запитване (issue) или създайте pull request. ## Специални благодарности -* **✍️ Главен автор:** [Dmitry Soshnikov](http://soshnikov.com), PhD -* **🔥 Редактор:** [Jen Looper](https://twitter.com/jenlooper), PhD -* **🎨 Илюстратор на скици:** [Tomomi Imura](https://twitter.com/girlie_mac) -* **✅ Създател на тестове:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/) -* **🙏 Основни сътрудници:** [Evgenii Pishchik](https://github.com/Pe4enIks) +* **✍️ Основен автор:** [Дмитрий Сошников](http://soshnikov.com), доктор +* **🔥 Редактор:** [Джен Лупър](https://twitter.com/jenlooper), доктор +* **🎨 Иллюстратор на скици:** [Томоми Имура](https://twitter.com/girlie_mac) +* **✅ Създател на тестове:** [Латифа Белло](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/) +* **🙏 Основни сътрудници:** [Евгений Пищик](https://github.com/Pe4enIks) ## Други учебни програми @@ -176,51 +168,51 @@ CO_OP_TRANSLATOR_METADATA: ### 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 за начинаещи](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 за начинаещи](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 / 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) -[![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) +### Azure / Edge / MCP / Агенти +[![AZD за начинаещи](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 за начинаещи](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 за начинаещи](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 за начинаещи](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) --- -### Серия за генеративен ИИ -[![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) +### Генеративен AI Сериите +[![Генеративен AI за начинаещи](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) +[![Генеративен 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) +[![Генеративен 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) +[![Генеративен 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) --- ### Основно обучение -[![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 за начинаещи](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) +[![Наука за данни за начинаещи](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 за начинаещи](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) +[![Киберсигурност за начинаещи](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) +[![Уеб разработка за начинаещи](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 за начинаещи](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 разработка за начинаещи](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) --- ### Серия 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 за AI програмиране в екип](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 за 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) -## Как да получите помощ +## Получаване на помощ -Ако срещнете трудности или имате въпроси за изграждането на ИИ приложения, присъединете се към други учащи се и опитни разработчици в обсъжданията за MCP. Това е подкрепяща общност, където въпросите са добре дошли и знанието се споделя свободно. +Ако зациклите или имате въпроси относно създаването на AI приложения. Присъединете се към други учащи и опитни разработчици в дискусии за MCP. Това е подкрепяща общност, където въпросите са добре дошли и знанията се споделят свободно. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Ако имате обратна връзка за продукта или грешки по време на работа, посетете: +Ако имате обратна връзка за продукта или грешки при разработката, посетете: [![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) @@ -228,5 +220,5 @@ CO_OP_TRANSLATOR_METADATA: **Отказ от отговорност**: -Този документ е преведен с помощта на AI преводаческа услуга [Co-op Translator](https://github.com/Azure/co-op-translator). Въпреки че се стремим към точност, моля, имайте предвид, че автоматичните преводи могат да съдържат грешки или неточности. Оригиналният документ на езика, на който е написан, трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за каквито и да е недоразумения или неправилни тълкувания, възникнали в резултат на използването на този превод. +Този документ е преведен с помощта на AI преводаческа услуга [Co-op Translator](https://github.com/Azure/co-op-translator). Въпреки че се стремим към точност, моля, имайте предвид, че автоматизираните преводи могат да съдържат грешки или неточности. Оригиналният документ на неговия език трябва да се смята за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за каквито и да е недоразумения или неправилни тълкувания, произтичащи от използването на този превод. \ No newline at end of file diff --git a/translations/bg/SECURITY.md b/translations/bg/SECURITY.md index 5cc5b5a9..bad84fe5 100644 --- a/translations/bg/SECURITY.md +++ b/translations/bg/SECURITY.md @@ -1,12 +1,3 @@ - ## Сигурност Microsoft приема сигурността на своите софтуерни продукти и услуги сериозно, включително всички хранилища с изходен код, управлявани чрез нашите GitHub организации, които включват [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) и [нашите GitHub организации](https://opensource.microsoft.com/). diff --git a/translations/bg/etc/CODE_OF_CONDUCT.md b/translations/bg/etc/CODE_OF_CONDUCT.md index e5a6c3e4..3615d7d9 100644 --- a/translations/bg/etc/CODE_OF_CONDUCT.md +++ b/translations/bg/etc/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # Кодекс за поведение на Microsoft за отворен код Този проект е приел [Кодекса за поведение на Microsoft за отворен код](https://opensource.microsoft.com/codeofconduct/). diff --git a/translations/bg/etc/CONTRIBUTING.md b/translations/bg/etc/CONTRIBUTING.md index e26f5050..332f498e 100644 --- a/translations/bg/etc/CONTRIBUTING.md +++ b/translations/bg/etc/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # Принос Този проект приветства приноси и предложения. Повечето приноси изискват от вас да се съгласите с Лицензионно споразумение за принос (CLA), което декларира, че имате право и наистина предоставяте ни правата да използваме вашия принос. За подробности посетете https://cla.microsoft.com. diff --git a/translations/bg/etc/Mindmap.md b/translations/bg/etc/Mindmap.md index 357fbc4a..194fdfdc 100644 --- a/translations/bg/etc/Mindmap.md +++ b/translations/bg/etc/Mindmap.md @@ -1,12 +1,3 @@ - # AI ## [Въведение в AI](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/1-Intro/README.md) diff --git a/translations/bg/etc/SUPPORT.md b/translations/bg/etc/SUPPORT.md index 0a73dacf..709c06f1 100644 --- a/translations/bg/etc/SUPPORT.md +++ b/translations/bg/etc/SUPPORT.md @@ -1,12 +1,3 @@ - # Поддръжка ## Как да съобщите за проблеми и да получите помощ diff --git a/translations/bg/etc/TRANSLATIONS.md b/translations/bg/etc/TRANSLATIONS.md index 0cdc9c46..2fe4dc76 100644 --- a/translations/bg/etc/TRANSLATIONS.md +++ b/translations/bg/etc/TRANSLATIONS.md @@ -1,12 +1,3 @@ - # Допринасяйте чрез превод на уроци Приветстваме преводи на уроците в тази учебна програма! diff --git a/translations/bg/etc/quiz-app/README.md b/translations/bg/etc/quiz-app/README.md index 7662d4a9..2275e7da 100644 --- a/translations/bg/etc/quiz-app/README.md +++ b/translations/bg/etc/quiz-app/README.md @@ -1,12 +1,3 @@ - # Тестове Тези тестове са предварителни и последващи тестове към лекциите от учебната програма за изкуствен интелект на https://aka.ms/ai-beginners diff --git a/translations/bg/examples/README.md b/translations/bg/examples/README.md index a742817b..db5ec1a3 100644 --- a/translations/bg/examples/README.md +++ b/translations/bg/examples/README.md @@ -1,12 +1,3 @@ - # Примери за AI за начинаещи Добре дошли! Тази директория съдържа прости, самостоятелни примери, които ще ви помогнат да започнете с AI и машинното обучение. Всеки пример е създаден така, че да бъде подходящ за начинаещи, с подробни коментари и обяснения стъпка по стъпка. diff --git a/translations/bg/lessons/0-course-setup/for-teachers.md b/translations/bg/lessons/0-course-setup/for-teachers.md index 6c6a051a..982340bd 100644 --- a/translations/bg/lessons/0-course-setup/for-teachers.md +++ b/translations/bg/lessons/0-course-setup/for-teachers.md @@ -1,12 +1,3 @@ - # За преподаватели Искате ли да използвате тази учебна програма във вашата класна стая? Чувствайте се свободни да го направите! diff --git a/translations/bg/lessons/0-course-setup/how-to-run.md b/translations/bg/lessons/0-course-setup/how-to-run.md index 0831bee7..8b230f89 100644 --- a/translations/bg/lessons/0-course-setup/how-to-run.md +++ b/translations/bg/lessons/0-course-setup/how-to-run.md @@ -1,12 +1,3 @@ - # Как да стартирате кода Тази учебна програма съдържа много изпълними примери и лаборатории, които бихте искали да стартирате. За да направите това, ви е необходимо да можете да изпълнявате Python код в Jupyter бележници, предоставени като част от тази учебна програма. Имате няколко опции за стартиране на кода: diff --git a/translations/bg/lessons/0-course-setup/setup.md b/translations/bg/lessons/0-course-setup/setup.md index e4eb8009..5aa0281f 100644 --- a/translations/bg/lessons/0-course-setup/setup.md +++ b/translations/bg/lessons/0-course-setup/setup.md @@ -1,12 +1,3 @@ - # Започване с тази учебна програма ## Студент ли сте? diff --git a/translations/bg/lessons/1-Intro/README.md b/translations/bg/lessons/1-Intro/README.md index f72a9965..e2a033ee 100644 --- a/translations/bg/lessons/1-Intro/README.md +++ b/translations/bg/lessons/1-Intro/README.md @@ -1,12 +1,3 @@ - # Въведение в AI ![Обобщение на съдържанието за въведение в AI в рисунка](../../../../translated_images/bg/ai-intro.bf28d1ac4235881c.webp) diff --git a/translations/bg/lessons/1-Intro/assignment.md b/translations/bg/lessons/1-Intro/assignment.md index 4d56e984..de27802f 100644 --- a/translations/bg/lessons/1-Intro/assignment.md +++ b/translations/bg/lessons/1-Intro/assignment.md @@ -1,12 +1,3 @@ - # Game Jam Игрите са област, която е силно повлияна от развитието на AI и ML. В тази задача напишете кратко есе за игра, която харесвате и която е била повлияна от еволюцията на AI. Тя трябва да е достатъчно стара, за да е била повлияна от няколко типа компютърни процесорни системи. Добър пример са Шах или Го, но също така разгледайте видеоигри като Понг или Pac-Man. Напишете есе, което обсъжда миналото, настоящето и бъдещето на играта във връзка с AI. diff --git a/translations/bg/lessons/2-Symbolic/README.md b/translations/bg/lessons/2-Symbolic/README.md index 396c6ddc..0ed9f368 100644 --- a/translations/bg/lessons/2-Symbolic/README.md +++ b/translations/bg/lessons/2-Symbolic/README.md @@ -1,15 +1,6 @@ - # Представяне на знания и експертни системи -![Обобщение на съдържанието за символичния ИИ](../../../../../../translated_images/bg/ai-symbolic.715a30cb610411a6.webp) +![Обобщение на съдържанието за символичния ИИ](../../../../translated_images/bg/ai-symbolic.715a30cb610411a6.webp) > Скетчноут от [Tomomi Imura](https://twitter.com/girlie_mac) @@ -41,7 +32,7 @@ CO_OP_TRANSLATOR_METADATA: Така, проблемът с **представянето на знания** е да се намери ефективен начин за представяне на знания в компютър под формата на данни, за да станат автоматично използваеми. Това може да се разглежда като спектър: -![Спектър на представяне на знания](../../../../../../translated_images/bg/knowledge-spectrum.b60df631852c0217.webp) +![Спектър на представяне на знания](../../../../translated_images/bg/knowledge-spectrum.b60df631852c0217.webp) > Изображение от [Dmitry Soshnikov](http://soshnikov.com) @@ -94,7 +85,7 @@ Python | синтаксис на блокове | отстъпи Един от ранните успехи на символичния ИИ бяха т.нар. **експертни системи** – компютърни системи, проектирани да действат като експерт в някаква ограничена предметна област. Те се базираха на **база знания**, извлечена от един или повече човешки експерти, и съдържаха **инференциален механизъм**, който извършваше разсъждения върху нея. -![Човешка архитектура](../../../../../../translated_images/bg/arch-human.5d4d35f1bba3ab1c.webp) | ![Система базирана на знания](../../../../../../translated_images/bg/arch-kbs.3ec5c150b09fa8da.webp) +![Човешка архитектура](../../../../translated_images/bg/arch-human.5d4d35f1bba3ab1c.webp) | ![Система базирана на знания](../../../../translated_images/bg/arch-kbs.3ec5c150b09fa8da.webp) ---------------------------------------------|------------------------------------------------ Оптимизирана структура на човешката нервна система | Архитектура на система базирана на знания @@ -106,7 +97,7 @@ Python | синтаксис на блокове | отстъпи Като пример нека разгледаме следната експертна система за определяне на животно по неговите физически характеристики: -![AND-OR дърво](../../../../../../translated_images/bg/AND-OR-Tree.5592d2c70187f283.webp) +![AND-OR дърво](../../../../translated_images/bg/AND-OR-Tree.5592d2c70187f283.webp) > Изображение от [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/bg/lessons/2-Symbolic/assignment.md b/translations/bg/lessons/2-Symbolic/assignment.md index 3f18d154..f6818947 100644 --- a/translations/bg/lessons/2-Symbolic/assignment.md +++ b/translations/bg/lessons/2-Symbolic/assignment.md @@ -1,12 +1,3 @@ - # Създаване на онтология Създаването на база знания се състои в категоризирането на модел, който представя факти за дадена тема. Изберете тема - като човек, място или предмет - и изградете модел на тази тема. Използвайте някои от техниките и стратегиите за изграждане на модели, описани в този урок. Пример би бил създаването на онтология на всекидневна с мебели, осветление и други. Как се различава всекидневната от кухнята? Банята? Как знаете, че това е всекидневна, а не трапезария? Използвайте [Protégé](https://protege.stanford.edu/), за да изградите вашата онтология. diff --git a/translations/bg/lessons/3-NeuralNetworks/03-Perceptron/README.md b/translations/bg/lessons/3-NeuralNetworks/03-Perceptron/README.md index 07a6af2a..99a01d5e 100644 --- a/translations/bg/lessons/3-NeuralNetworks/03-Perceptron/README.md +++ b/translations/bg/lessons/3-NeuralNetworks/03-Perceptron/README.md @@ -1,12 +1,3 @@ - # Въведение в невронните мрежи: Перцептрон ## [Тест преди лекцията](https://ff-quizzes.netlify.app/en/ai/quiz/5) @@ -15,7 +6,7 @@ CO_OP_TRANSLATOR_METADATA: | | | |--------------|-----------| -|Frank Rosenblatt | The Mark 1 Perceptron| +|Frank Rosenblatt | The Mark 1 Perceptron| > Изображения [от Wikipedia](https://en.wikipedia.org/wiki/Perceptron) @@ -34,7 +25,7 @@ y(x) = f(wTx) където f е стъпковата активационна функция - + ## Обучение на перцептрона diff --git a/translations/bg/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md b/translations/bg/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md index 4569e807..bec09fa0 100644 --- a/translations/bg/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md +++ b/translations/bg/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md @@ -1,12 +1,3 @@ - # Мултикласова класификация с перцептрон Лабораторно упражнение от [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/bg/lessons/3-NeuralNetworks/04-OwnFramework/README.md b/translations/bg/lessons/3-NeuralNetworks/04-OwnFramework/README.md index a57a359a..dad3a96e 100644 --- a/translations/bg/lessons/3-NeuralNetworks/04-OwnFramework/README.md +++ b/translations/bg/lessons/3-NeuralNetworks/04-OwnFramework/README.md @@ -1,12 +1,3 @@ - # Въведение в невронните мрежи. Многослойни перцептрони В предишния раздел научихте за най-простия модел на невронна мрежа - еднослоен перцептрон, линеен модел за двукласова класификация. @@ -65,7 +56,7 @@ CO_OP_TRANSLATOR_METADATA: Забележете, че най-лявата част на всички тези изрази е една и съща, и следователно можем ефективно да изчисляваме производните, започвайки от функцията на загуба и преминавайки "назад" през изчислителния граф. Затова методът за обучение на многослоен перцептрон се нарича **обратна пропагация**, или 'backprop'. -compute graph +compute graph > TODO: цитиране на изображението diff --git a/translations/bg/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md b/translations/bg/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md index 37584ff0..77d70d2e 100644 --- a/translations/bg/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md +++ b/translations/bg/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md @@ -1,12 +1,3 @@ - # MNIST Класификация с Нашата Собствена Рамка Лабораторно упражнение от [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/bg/lessons/3-NeuralNetworks/05-Frameworks/README.md b/translations/bg/lessons/3-NeuralNetworks/05-Frameworks/README.md index 429bd884..56b01f6a 100644 --- a/translations/bg/lessons/3-NeuralNetworks/05-Frameworks/README.md +++ b/translations/bg/lessons/3-NeuralNetworks/05-Frameworks/README.md @@ -1,12 +1,3 @@ - # Фреймворкове за невронни мрежи Както вече научихме, за да можем ефективно да обучаваме невронни мрежи, трябва да направим две неща: diff --git a/translations/bg/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md b/translations/bg/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md index cf5928a5..3d185c7b 100644 --- a/translations/bg/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md +++ b/translations/bg/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md @@ -1,12 +1,3 @@ - # Класификация с PyTorch/TensorFlow Задача от [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/bg/lessons/3-NeuralNetworks/README.md b/translations/bg/lessons/3-NeuralNetworks/README.md index 69a57fc3..ca564cc0 100644 --- a/translations/bg/lessons/3-NeuralNetworks/README.md +++ b/translations/bg/lessons/3-NeuralNetworks/README.md @@ -1,12 +1,3 @@ - # Въведение в невронните мрежи ![Обобщение на съдържанието за въведение в невронните мрежи в рисунка](../../../../translated_images/bg/ai-neuralnetworks.1c687ae40bc86e83.webp) diff --git a/translations/bg/lessons/4-ComputerVision/06-IntroCV/README.md b/translations/bg/lessons/4-ComputerVision/06-IntroCV/README.md index 27041994..26077a95 100644 --- a/translations/bg/lessons/4-ComputerVision/06-IntroCV/README.md +++ b/translations/bg/lessons/4-ComputerVision/06-IntroCV/README.md @@ -1,12 +1,3 @@ - # Въведение в компютърното зрение [Компютърното зрение](https://wikipedia.org/wiki/Computer_vision) е дисциплина, чиято цел е да позволи на компютрите да придобият високо ниво на разбиране на цифрови изображения. Това е доста широко определение, защото *разбирането* може да означава много различни неща, включително намиране на обект на изображение (**обектно откриване**), разбиране на случващото се (**откриване на събития**), описване на изображение с текст или реконструиране на сцена в 3D. Има и специални задачи, свързани с изображения на хора: оценка на възраст и емоции, откриване и идентификация на лица, както и 3D оценка на поза, наред с други. @@ -115,7 +106,7 @@ im = cv2.cvtColor(im,cv2.COLOR_BGR2RGB) В тази лаборатория ще заснемете видео с прости жестове, а вашата цел е да извлечете движения нагоре/надолу/наляво/надясно, използвайки оптичен поток. -Кадър с движение на дланта +Кадър с движение на дланта --- diff --git a/translations/bg/lessons/4-ComputerVision/06-IntroCV/lab/README.md b/translations/bg/lessons/4-ComputerVision/06-IntroCV/lab/README.md index b5a3a427..387f1c19 100644 --- a/translations/bg/lessons/4-ComputerVision/06-IntroCV/lab/README.md +++ b/translations/bg/lessons/4-ComputerVision/06-IntroCV/lab/README.md @@ -1,12 +1,3 @@ - # Откриване на движения с помощта на Optical Flow Задача от [Учебната програма за начинаещи в AI](https://aka.ms/ai-beginners). diff --git a/translations/bg/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md b/translations/bg/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md index 8dd96d25..41a32d70 100644 --- a/translations/bg/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md +++ b/translations/bg/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md @@ -1,12 +1,3 @@ - # Добре познати архитектури на CNN ### VGG-16 @@ -25,7 +16,7 @@ VGG-16 е мрежа, която постигна 92.7% точност в кла ResNet е семейство модели, предложени от Microsoft Research през 2015 г. Основната идея на ResNet е използването на **остатъчни блокове**: - + > Изображение от [тази статия](https://arxiv.org/pdf/1512.03385.pdf) @@ -37,7 +28,7 @@ ResNet е семейство модели, предложени от Microsoft R Архитектурата Google Inception извежда тази идея на следващо ниво, като изгражда всеки слой на мрежата като комбинация от няколко различни пътища: - + > Изображение от [Researchgate](https://www.researchgate.net/figure/Inception-module-with-dimension-reductions-left-and-schema-for-Inception-ResNet-v1_fig2_355547454) diff --git a/translations/bg/lessons/4-ComputerVision/07-ConvNets/README.md b/translations/bg/lessons/4-ComputerVision/07-ConvNets/README.md index 2106f2ae..0bedc128 100644 --- a/translations/bg/lessons/4-ComputerVision/07-ConvNets/README.md +++ b/translations/bg/lessons/4-ComputerVision/07-ConvNets/README.md @@ -1,12 +1,3 @@ - # Конволюционни невронни мрежи Вече видяхме, че невронните мрежи са доста добри в обработката на изображения, и дори еднослойният перцептрон може да разпознава ръкописни цифри от набора данни MNIST с приемлива точност. Въпреки това, наборът данни MNIST е доста специален, тъй като всички цифри са центрирани в изображението, което прави задачата по-лесна. @@ -24,7 +15,7 @@ CO_OP_TRANSLATOR_METADATA: Например, ако приложим 3x3 филтри за вертикални и хоризонтални ръбове към цифрите от MNIST, можем да подчертаем (например високи стойности) местата, където има вертикални и хоризонтални ръбове в оригиналното изображение. Така тези два филтъра могат да се използват за "търсене" на ръбове. По същия начин можем да проектираме различни филтри, за да търсим други нискоуровневи шаблони: - + > Изображение на [Leung-Malik Filter Bank](https://www.robots.ox.ac.uk/~vgg/research/texclass/filters.html) diff --git a/translations/bg/lessons/4-ComputerVision/07-ConvNets/lab/README.md b/translations/bg/lessons/4-ComputerVision/07-ConvNets/lab/README.md index 4ee84663..a9b65c2d 100644 --- a/translations/bg/lessons/4-ComputerVision/07-ConvNets/lab/README.md +++ b/translations/bg/lessons/4-ComputerVision/07-ConvNets/lab/README.md @@ -1,12 +1,3 @@ - # Класификация на лицата на домашни любимци Лабораторно упражнение от [Учебна програма за начинаещи в AI](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/bg/lessons/4-ComputerVision/08-TransferLearning/README.md b/translations/bg/lessons/4-ComputerVision/08-TransferLearning/README.md index bb40ee64..be00b9c7 100644 --- a/translations/bg/lessons/4-ComputerVision/08-TransferLearning/README.md +++ b/translations/bg/lessons/4-ComputerVision/08-TransferLearning/README.md @@ -1,12 +1,3 @@ - # Предварително обучени мрежи и трансферно обучение Обучението на CNN може да отнеме много време и изисква голямо количество данни. Въпреки това, голяма част от времето се отделя за научаване на най-добрите нискоуровневи филтри, които мрежата може да използва за извличане на модели от изображения. Възниква естествен въпрос - можем ли да използваме невронна мрежа, обучена върху един набор от данни, и да я адаптираме за класифициране на различни изображения, без да е необходим пълен процес на обучение? diff --git a/translations/bg/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md b/translations/bg/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md index 6c323acc..91aab987 100644 --- a/translations/bg/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md +++ b/translations/bg/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md @@ -1,12 +1,3 @@ - # Трикове за обучение на дълбоки невронни мрежи С увеличаването на дълбочината на невронните мрежи, процесът на тяхното обучение става все по-предизвикателен. Един от основните проблеми са така наречените [изчезващи градиенти](https://en.wikipedia.org/wiki/Vanishing_gradient_problem) или [експлодиращи градиенти](https://deepai.org/machine-learning-glossary-and-terms/exploding-gradient-problem#:~:text=Exploding%20gradients%20are%20a%20problem,updates%20are%20small%20and%20controlled.). [Тази статия](https://towardsdatascience.com/the-vanishing-exploding-gradient-problem-in-deep-neural-networks-191358470c11) предоставя добро въведение в тези проблеми. diff --git a/translations/bg/lessons/4-ComputerVision/08-TransferLearning/lab/README.md b/translations/bg/lessons/4-ComputerVision/08-TransferLearning/lab/README.md index b1e077df..e816ee98 100644 --- a/translations/bg/lessons/4-ComputerVision/08-TransferLearning/lab/README.md +++ b/translations/bg/lessons/4-ComputerVision/08-TransferLearning/lab/README.md @@ -1,12 +1,3 @@ - # Класификация на домашни любимци от Оксфорд с помощта на трансферно обучение Лабораторно упражнение от [Учебната програма за начинаещи в AI](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/bg/lessons/4-ComputerVision/09-Autoencoders/README.md b/translations/bg/lessons/4-ComputerVision/09-Autoencoders/README.md index 2e84439b..a48113c9 100644 --- a/translations/bg/lessons/4-ComputerVision/09-Autoencoders/README.md +++ b/translations/bg/lessons/4-ComputerVision/09-Autoencoders/README.md @@ -1,12 +1,3 @@ - # Автоенкодери При обучението на CNNs един от проблемите е, че се нуждаем от много етикетирани данни. В случая на класификация на изображения, трябва да разделим изображенията в различни класове, което изисква ръчен труд. @@ -46,7 +37,7 @@ VAE е автоенкодер, който се учи да предсказва * Вземаме проба `sample` от разпределението N(zmean,exp(zlog\_sigma)) * Декодерът се опитва да декодира оригиналното изображение, използвайки `sample` като входен вектор - + > Изображение от [този блог пост](https://ijdykeman.github.io/ml/2016/12/21/cvae.html) от Исак Дайкман @@ -57,13 +48,13 @@ VAE е автоенкодер, който се учи да предсказва Едно важно предимство на VAE е, че те ни позволяват да генерираме нови изображения сравнително лесно, защото знаем от кое разпределение да вземем проби за латентните вектори. Например, ако обучим VAE с 2D латентен вектор върху MNIST, можем след това да променяме компонентите на латентния вектор, за да получим различни цифри: -vaemnist +vaemnist > Изображение от [Дмитрий Сошников](http://soshnikov.com) Наблюдавайте как изображенията се преливат едно в друго, когато започнем да вземаме латентни вектори от различни части на пространството на латентните параметри. Можем също да визуализираме това пространство в 2D: -vaemnist cluster +vaemnist cluster > Изображение от [Дмитрий Сошников](http://soshnikov.com) diff --git a/translations/bg/lessons/4-ComputerVision/10-GANs/README.md b/translations/bg/lessons/4-ComputerVision/10-GANs/README.md index 84822ae9..2ff88cd3 100644 --- a/translations/bg/lessons/4-ComputerVision/10-GANs/README.md +++ b/translations/bg/lessons/4-ComputerVision/10-GANs/README.md @@ -1,12 +1,3 @@ - # Генеративни състезателни мрежи В предишния раздел научихме за **генеративните модели**: модели, които могат да генерират нови изображения, подобни на тези в тренировъчния набор от данни. VAE беше добър пример за генеративен модел. @@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA: Основната идея на GAN е да има две невронни мрежи, които се обучават една срещу друга: - + > Изображение от [Dmitry Soshnikov](http://soshnikov.com) @@ -41,7 +32,7 @@ CO_OP_TRANSLATOR_METADATA: > ✅ Тъй като конволюционният слой се реализира като линеен филтър, който преминава през изображението, деконволюцията е по същество подобна на конволюцията и може да бъде реализирана с помощта на същата логика на слоя. - + > Изображение от [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/bg/lessons/4-ComputerVision/11-ObjectDetection/README.md b/translations/bg/lessons/4-ComputerVision/11-ObjectDetection/README.md index f049447a..aa6e089b 100644 --- a/translations/bg/lessons/4-ComputerVision/11-ObjectDetection/README.md +++ b/translations/bg/lessons/4-ComputerVision/11-ObjectDetection/README.md @@ -1,12 +1,3 @@ - # Разпознаване на обекти Моделите за класификация на изображения, с които сме работили досега, приемат изображение и произвеждат категоричен резултат, като например класа "число" в проблема MNIST. Въпреки това, в много случаи не искаме просто да знаем, че дадена снимка изобразява обекти - искаме да можем да определим тяхното точно местоположение. Именно това е целта на **разпознаването на обекти**. diff --git a/translations/bg/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md b/translations/bg/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md index 8473ac4d..8254aa61 100644 --- a/translations/bg/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md +++ b/translations/bg/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md @@ -1,12 +1,3 @@ - # Откриване на глави с помощта на Hollywood Heads Dataset Лабораторно упражнение от [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/bg/lessons/4-ComputerVision/12-Segmentation/README.md b/translations/bg/lessons/4-ComputerVision/12-Segmentation/README.md index 75807681..63694e39 100644 --- a/translations/bg/lessons/4-ComputerVision/12-Segmentation/README.md +++ b/translations/bg/lessons/4-ComputerVision/12-Segmentation/README.md @@ -1,12 +1,3 @@ - # Сегментация По-рано научихме за Обектно откриване, което ни позволява да локализираме обекти в изображението чрез предсказване на техните *ограничителни кутии*. Въпреки това, за някои задачи не са достатъчни само ограничителните кутии, а е необходима по-прецизна локализация на обектите. Тази задача се нарича **сегментация**. @@ -20,7 +11,7 @@ CO_OP_TRANSLATOR_METADATA: При сегментация на обекти тези овце са различни обекти, но при семантична сегментация всички овце са представени като един клас. - + > Изображение от [този блог пост](https://nirmalamurali.medium.com/image-classification-vs-semantic-segmentation-vs-instance-segmentation-625c33a08d50) @@ -29,7 +20,7 @@ CO_OP_TRANSLATOR_METADATA: * **Енкодер** извлича характеристики от входното изображение. * **Декодер** преобразува тези характеристики в **маска изображение**, със същия размер и брой канали, съответстващи на броя на класовете. - + > Изображение от [тази публикация](https://arxiv.org/pdf/2001.05566.pdf) @@ -43,7 +34,7 @@ CO_OP_TRANSLATOR_METADATA: > ✅ Тази техника е особено подходяща за този тип медицински изображения, но какви други реални приложения можете да си представите? -navi +navi > Изображение от PH2 Database diff --git a/translations/bg/lessons/4-ComputerVision/12-Segmentation/lab/README.md b/translations/bg/lessons/4-ComputerVision/12-Segmentation/lab/README.md index 1f5d9a84..c0790259 100644 --- a/translations/bg/lessons/4-ComputerVision/12-Segmentation/lab/README.md +++ b/translations/bg/lessons/4-ComputerVision/12-Segmentation/lab/README.md @@ -1,12 +1,3 @@ - # Сегментация на човешко тяло Лабораторно упражнение от [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/bg/lessons/4-ComputerVision/README.md b/translations/bg/lessons/4-ComputerVision/README.md index bb85666f..05fd5024 100644 --- a/translations/bg/lessons/4-ComputerVision/README.md +++ b/translations/bg/lessons/4-ComputerVision/README.md @@ -1,12 +1,3 @@ - # Компютърно зрение ![Обобщение на съдържанието за компютърно зрение в рисунка](../../../../translated_images/bg/ai-computervision.6506ebebac3fbf76.webp) diff --git a/translations/bg/lessons/5-NLP/13-TextRep/README.md b/translations/bg/lessons/5-NLP/13-TextRep/README.md index a6bf034c..12e6eea5 100644 --- a/translations/bg/lessons/5-NLP/13-TextRep/README.md +++ b/translations/bg/lessons/5-NLP/13-TextRep/README.md @@ -1,12 +1,3 @@ - # Представяне на текст като тензори ## [Тест преди лекцията](https://ff-quizzes.netlify.app/en/ai/quiz/25) @@ -25,7 +16,7 @@ CO_OP_TRANSLATOR_METADATA: Ако искаме да решаваме задачи за обработка на естествен език (NLP) с невронни мрежи, трябва да намерим начин да представим текста като тензори. Компютрите вече представят текстовите символи като числа, които се свързват с шрифтове на екрана ви, използвайки кодировки като ASCII или UTF-8. -Изображение, показващо диаграма за преобразуване на символ в ASCII и двоично представяне +Изображение, показващо диаграма за преобразуване на символ в ASCII и двоично представяне > [Източник на изображението](https://www.seobility.net/en/wiki/ASCII) @@ -48,7 +39,7 @@ CO_OP_TRANSLATOR_METADATA: Когато решаваме задачи като класификация на текст, трябва да можем да представим текста чрез един фиксиран вектор, който ще използваме като вход за крайния плътен класификатор. Един от най-простите начини да направим това е да комбинираме всички индивидуални представяния на думи, например чрез тяхното събиране. Ако съберем one-hot кодировките на всяка дума, ще получим вектор на честотите, показващ колко пъти всяка дума се появява в текста. Такова представяне на текста се нарича **чанта с думи** (BoW). - + > Изображение от автора diff --git a/translations/bg/lessons/5-NLP/13-TextRep/assignment.md b/translations/bg/lessons/5-NLP/13-TextRep/assignment.md index ff0e0bb4..f5e946b0 100644 --- a/translations/bg/lessons/5-NLP/13-TextRep/assignment.md +++ b/translations/bg/lessons/5-NLP/13-TextRep/assignment.md @@ -1,12 +1,3 @@ - # Задача: Тетрадки Използвайте тетрадките, свързани с този урок (независимо дали версията е за PyTorch или TensorFlow), за да ги стартирате отново с ваш собствен набор от данни, може би такъв от Kaggle, използван с посочване на източника. Пренапишете тетрадката, за да подчертаете вашите собствени открития. Опитайте с някои иновативни набори от данни, които може да се окажат изненадващи, като например [този за наблюдения на НЛО](https://www.kaggle.com/datasets/NUFORC/ufo-sightings) от NUFORC. diff --git a/translations/bg/lessons/5-NLP/14-Embeddings/README.md b/translations/bg/lessons/5-NLP/14-Embeddings/README.md index 71cf5c8f..b66f41e1 100644 --- a/translations/bg/lessons/5-NLP/14-Embeddings/README.md +++ b/translations/bg/lessons/5-NLP/14-Embeddings/README.md @@ -1,12 +1,3 @@ - # Вграждания ## [Тест преди лекцията](https://ff-quizzes.netlify.app/en/ai/quiz/27) diff --git a/translations/bg/lessons/5-NLP/14-Embeddings/assignment.md b/translations/bg/lessons/5-NLP/14-Embeddings/assignment.md index a454cadd..58779d66 100644 --- a/translations/bg/lessons/5-NLP/14-Embeddings/assignment.md +++ b/translations/bg/lessons/5-NLP/14-Embeddings/assignment.md @@ -1,12 +1,3 @@ - # Задача: Тетрадки Използвайки тетрадките, свързани с този урок (независимо дали версията е PyTorch или TensorFlow), изпълнете ги отново, използвайки ваш собствен набор от данни, може би такъв от Kaggle, използван с подходящо приписване. Преработете тетрадката, за да подчертаете вашите собствени открития. Опитайте с различен вид набор от данни и документирайте вашите наблюдения, използвайки текст като [тези текстове на Beatles](https://www.kaggle.com/datasets/jenlooper/beatles-lyrics). diff --git a/translations/bg/lessons/5-NLP/15-LanguageModeling/README.md b/translations/bg/lessons/5-NLP/15-LanguageModeling/README.md index 61ecb9b8..2ef5d364 100644 --- a/translations/bg/lessons/5-NLP/15-LanguageModeling/README.md +++ b/translations/bg/lessons/5-NLP/15-LanguageModeling/README.md @@ -1,12 +1,3 @@ - # Моделиране на език Семантичните вграждания, като Word2Vec и GloVe, всъщност са първа стъпка към **моделиране на език** - създаване на модели, които по някакъв начин *разбират* (или *представят*) природата на езика. diff --git a/translations/bg/lessons/5-NLP/15-LanguageModeling/lab/README.md b/translations/bg/lessons/5-NLP/15-LanguageModeling/lab/README.md index 4f4ccb68..ccdd6da2 100644 --- a/translations/bg/lessons/5-NLP/15-LanguageModeling/lab/README.md +++ b/translations/bg/lessons/5-NLP/15-LanguageModeling/lab/README.md @@ -1,12 +1,3 @@ - # Обучение на Skip-Gram модел Лабораторно упражнение от [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/bg/lessons/5-NLP/16-RNN/README.md b/translations/bg/lessons/5-NLP/16-RNN/README.md index 2020479f..83ae6b47 100644 --- a/translations/bg/lessons/5-NLP/16-RNN/README.md +++ b/translations/bg/lessons/5-NLP/16-RNN/README.md @@ -1,12 +1,3 @@ - # Рекурентни невронни мрежи ## [Тест преди лекцията](https://ff-quizzes.netlify.app/en/ai/quiz/31) @@ -31,7 +22,7 @@ CO_OP_TRANSLATOR_METADATA: Простата RNN клетка има две матрици на теглата вътре: едната трансформира входния символ (да я наречем W), а другата трансформира входното състояние (H). В този случай изходът на мрежата се изчислява като σ(W×Xi+H×Si-1+b), където σ е функцията на активация, а b е допълнителен bias. -Анатомия на RNN клетка +Анатомия на RNN клетка > Изображение от автора diff --git a/translations/bg/lessons/5-NLP/16-RNN/assignment.md b/translations/bg/lessons/5-NLP/16-RNN/assignment.md index 9d2ffe60..4108a50c 100644 --- a/translations/bg/lessons/5-NLP/16-RNN/assignment.md +++ b/translations/bg/lessons/5-NLP/16-RNN/assignment.md @@ -1,12 +1,3 @@ - # Задача: Тетрадки Използвайки тетрадките, свързани с този урок (независимо дали версията е за PyTorch или TensorFlow), стартирайте ги отново с ваш собствен набор от данни, например такъв от Kaggle, използван с подходящо посочване на източника. Преработете тетрадката, за да подчертаете вашите собствени открития. Опитайте с различен тип набор от данни и документирайте вашите наблюдения, използвайки текст като [този набор от данни за състезание в Kaggle относно туитове за времето](https://www.kaggle.com/competitions/crowdflower-weather-twitter/data?select=train.csv). diff --git a/translations/bg/lessons/5-NLP/17-GenerativeNetworks/README.md b/translations/bg/lessons/5-NLP/17-GenerativeNetworks/README.md index d893a416..5d664f60 100644 --- a/translations/bg/lessons/5-NLP/17-GenerativeNetworks/README.md +++ b/translations/bg/lessons/5-NLP/17-GenerativeNetworks/README.md @@ -1,12 +1,3 @@ - # Генеративни мрежи ## [Тест преди лекцията](https://ff-quizzes.netlify.app/en/ai/quiz/33) @@ -36,7 +27,7 @@ CO_OP_TRANSLATOR_METADATA: При генериране на текст (по време на инференция) започваме с някакъв **подсказка**, която се предава през RNN клетките, за да генерира междинното си състояние, и след това от това състояние започва генерирането. Генерираме един символ наведнъж и предаваме състоянието и генерирания символ на друга RNN клетка, за да генерира следващия, докато генерираме достатъчно символи. - + > Изображение от автора diff --git a/translations/bg/lessons/5-NLP/17-GenerativeNetworks/lab/README.md b/translations/bg/lessons/5-NLP/17-GenerativeNetworks/lab/README.md index 4962ba78..42f70f72 100644 --- a/translations/bg/lessons/5-NLP/17-GenerativeNetworks/lab/README.md +++ b/translations/bg/lessons/5-NLP/17-GenerativeNetworks/lab/README.md @@ -1,12 +1,3 @@ - # Генериране на текст на ниво дума с RNNs Лабораторно упражнение от [Учебна програма за начинаещи в AI](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/bg/lessons/5-NLP/18-Transformers/README.md b/translations/bg/lessons/5-NLP/18-Transformers/README.md index a3234d7c..7964a69d 100644 --- a/translations/bg/lessons/5-NLP/18-Transformers/README.md +++ b/translations/bg/lessons/5-NLP/18-Transformers/README.md @@ -1,12 +1,3 @@ - # Механизми за внимание и трансформери ## [Тест преди лекцията](https://ff-quizzes.netlify.app/en/ai/quiz/35) @@ -56,7 +47,7 @@ CO_OP_TRANSLATOR_METADATA: * Обучаемо вграждане, подобно на вграждането на токени. Това е подходът, който разглеждаме тук. Прилагаме слоеве за вграждане върху токените и техните позиции, което води до вектори за вграждане със същите размери, които след това събираме. * Функция за фиксирано позиционно кодиране, както е предложено в оригиналната статия. - + > Изображение от автора diff --git a/translations/bg/lessons/5-NLP/18-Transformers/assignment.md b/translations/bg/lessons/5-NLP/18-Transformers/assignment.md index 45b09dd9..13c5414e 100644 --- a/translations/bg/lessons/5-NLP/18-Transformers/assignment.md +++ b/translations/bg/lessons/5-NLP/18-Transformers/assignment.md @@ -1,12 +1,3 @@ - # Задача: Трансформъри Експериментирайте с Трансформъри на HuggingFace! Опитайте някои от скриптовете, които те предоставят, за да работите с различните модели, налични на техния сайт: https://huggingface.co/docs/transformers/run_scripts. Използвайте един от техните набори от данни, след това импортирайте свой собствен от тази учебна програма или от Kaggle и вижте дали можете да генерирате интересни текстове. Създайте тетрадка с вашите открития. diff --git a/translations/bg/lessons/5-NLP/19-NER/README.md b/translations/bg/lessons/5-NLP/19-NER/README.md index 3ed16747..711bd83d 100644 --- a/translations/bg/lessons/5-NLP/19-NER/README.md +++ b/translations/bg/lessons/5-NLP/19-NER/README.md @@ -1,12 +1,3 @@ - # Разпознаване на именувани обекти Досега основно се концентрирахме върху една задача в обработката на естествен език (NLP) - класификация. Въпреки това, съществуват и други задачи в NLP, които могат да бъдат изпълнени с помощта на невронни мрежи. Една от тези задачи е **[Разпознаване на именувани обекти](https://wikipedia.org/wiki/Named-entity_recognition)** (NER), която се занимава с разпознаване на специфични обекти в текста, като места, имена на хора, времеви интервали, химични формули и други. @@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA: Да предположим, че искате да разработите чат бот с естествен език, подобен на Amazon Alexa или Google Assistant. Интелигентните чат ботове работят, като *разбират* какво иска потребителят чрез класификация на текста в подаденото изречение. Резултатът от тази класификация е така нареченото **намерение**, което определя какво трябва да направи чат ботът. -Bot NER +Bot NER > Изображение от автора diff --git a/translations/bg/lessons/5-NLP/19-NER/lab/README.md b/translations/bg/lessons/5-NLP/19-NER/lab/README.md index 2a0d2e33..e2c7f998 100644 --- a/translations/bg/lessons/5-NLP/19-NER/lab/README.md +++ b/translations/bg/lessons/5-NLP/19-NER/lab/README.md @@ -1,12 +1,3 @@ - # NER Лабораторно упражнение от [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/bg/lessons/5-NLP/20-LangModels/README.md b/translations/bg/lessons/5-NLP/20-LangModels/README.md index 038fc266..c8ee5d50 100644 --- a/translations/bg/lessons/5-NLP/20-LangModels/README.md +++ b/translations/bg/lessons/5-NLP/20-LangModels/README.md @@ -1,12 +1,3 @@ - # Предварително обучени големи езикови модели Във всички предишни задачи обучавахме невронна мрежа да изпълнява определена задача, използвайки етикетиран набор от данни. С големите трансформаторни модели, като BERT, използваме езиково моделиране в самонаблюдаващ се режим, за да изградим езиков модел, който след това се специализира за конкретна задача чрез допълнително обучение в специфична област. Въпреки това е доказано, че големите езикови модели могат да решават много задачи без НИКАКВО обучение в специфична област. Семейството от модели, способни на това, се нарича **GPT**: Генеративен предварително обучен трансформатор. diff --git a/translations/bg/lessons/5-NLP/README.md b/translations/bg/lessons/5-NLP/README.md index fa285625..9231fdce 100644 --- a/translations/bg/lessons/5-NLP/README.md +++ b/translations/bg/lessons/5-NLP/README.md @@ -1,12 +1,3 @@ - # Обработка на естествен език ![Обобщение на задачите в NLP в рисунка](../../../../translated_images/bg/ai-nlp.b22dcb8ca4707cea.webp) diff --git a/translations/bg/lessons/6-Other/21-GeneticAlgorithms/README.md b/translations/bg/lessons/6-Other/21-GeneticAlgorithms/README.md index 66ac6831..744df319 100644 --- a/translations/bg/lessons/6-Other/21-GeneticAlgorithms/README.md +++ b/translations/bg/lessons/6-Other/21-GeneticAlgorithms/README.md @@ -1,12 +1,3 @@ - # Генетични алгоритми ## [Тест преди лекцията](https://ff-quizzes.netlify.app/en/ai/quiz/41) diff --git a/translations/bg/lessons/6-Other/22-DeepRL/README.md b/translations/bg/lessons/6-Other/22-DeepRL/README.md index 021ac5be..ba2969fa 100644 --- a/translations/bg/lessons/6-Other/22-DeepRL/README.md +++ b/translations/bg/lessons/6-Other/22-DeepRL/README.md @@ -1,12 +1,3 @@ - # Дълбоко Укрепващо Обучение Укрепващото обучение (RL) се счита за един от основните парадигми на машинното обучение, наред с контролираното и неконтролираното обучение. Докато при контролираното обучение разчитаме на набор от данни с известни резултати, RL се основава на **учене чрез действие**. Например, когато за първи път видим компютърна игра, започваме да играем, дори без да знаем правилата, и скоро успяваме да подобрим уменията си просто чрез процеса на игра и адаптиране на поведението си. @@ -34,7 +25,7 @@ CO_OP_TRANSLATOR_METADATA: Опростена версия на балансирането е известна като **CartPole** проблем. В света на CartPole имаме хоризонтален плъзгач, който може да се движи наляво или надясно, а целта е да балансираме вертикален прът върху плъзгача, докато той се движи. -a cartpole +a cartpole За да създадем и използваме тази среда, ни трябват няколко реда Python код: diff --git a/translations/bg/lessons/6-Other/22-DeepRL/lab/README.md b/translations/bg/lessons/6-Other/22-DeepRL/lab/README.md index 6e0f23bc..9eefd65b 100644 --- a/translations/bg/lessons/6-Other/22-DeepRL/lab/README.md +++ b/translations/bg/lessons/6-Other/22-DeepRL/lab/README.md @@ -1,12 +1,3 @@ - # Обучение на Mountain Car да избяга Задача от [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/bg/lessons/6-Other/23-MultiagentSystems/README.md b/translations/bg/lessons/6-Other/23-MultiagentSystems/README.md index 35d014f0..1e85c4e2 100644 --- a/translations/bg/lessons/6-Other/23-MultiagentSystems/README.md +++ b/translations/bg/lessons/6-Other/23-MultiagentSystems/README.md @@ -1,12 +1,3 @@ - # Мултиагентни системи Един от възможните начини за постигане на интелигентност е така нареченият **емергентен** (или **синергетичен**) подход, който се основава на факта, че комбинираното поведение на много относително прости агенти може да доведе до по-сложно (или интелигентно) поведение на системата като цяло. Теоретично това се базира на принципите на [Колективна интелигентност](https://en.wikipedia.org/wiki/Collective_intelligence), [Емергентизъм](https://en.wikipedia.org/wiki/Global_brain) и [Еволюционна кибернетика](https://en.wikipedia.org/wiki/Global_brain), които твърдят, че системи на по-високо ниво придобиват някаква добавена стойност, когато са правилно комбинирани от системи на по-ниско ниво (така нареченият *принцип на преход към метасистема*). @@ -60,7 +51,7 @@ ask turtles [ Едно от страхотните неща в NetLogo е, че съдържа библиотека с работещи модели, които можете да опитате. Отидете на **File → Models Library**, и ще намерите много категории модели, от които да избирате. -NetLogo Models Library +NetLogo Models Library > Екранна снимка на библиотеката с модели от Дмитрий Сошников diff --git a/translations/bg/lessons/6-Other/23-MultiagentSystems/assignment.md b/translations/bg/lessons/6-Other/23-MultiagentSystems/assignment.md index 96182f53..e09f51e7 100644 --- a/translations/bg/lessons/6-Other/23-MultiagentSystems/assignment.md +++ b/translations/bg/lessons/6-Other/23-MultiagentSystems/assignment.md @@ -1,12 +1,3 @@ - # Задача с NetLogo Вземете един от моделите в библиотеката на NetLogo и го използвайте, за да симулирате реална житейска ситуация възможно най-близо до действителността. Добър пример би бил да промените модела Virus в папката Alternative Visualizations, за да покажете как може да се използва за моделиране на разпространението на COVID-19. Можете ли да създадете модел, който имитира реално разпространение на вирус? diff --git a/translations/bg/lessons/7-Ethics/README.md b/translations/bg/lessons/7-Ethics/README.md index 6c8cd3b6..ddf598c6 100644 --- a/translations/bg/lessons/7-Ethics/README.md +++ b/translations/bg/lessons/7-Ethics/README.md @@ -1,12 +1,3 @@ - # Етична и отговорна AI Вие почти завършихте този курс и се надявам, че до този момент ясно виждате, че AI се основава на редица формални математически методи, които ни позволяват да откриваме връзки в данните и да обучаваме модели, които да възпроизвеждат някои аспекти на човешкото поведение. В този момент от историята разглеждаме AI като много мощен инструмент за извличане на модели от данни и за прилагането на тези модели за решаване на нови проблеми. diff --git a/translations/bg/lessons/README.md b/translations/bg/lessons/README.md index 8558aca0..854b21d2 100644 --- a/translations/bg/lessons/README.md +++ b/translations/bg/lessons/README.md @@ -1,12 +1,3 @@ - # Преглед ![Преглед в рисунка](../../../translated_images/bg/ai-overview.0857791951d19500.webp) diff --git a/translations/bg/lessons/X-Extras/X1-MultiModal/README.md b/translations/bg/lessons/X-Extras/X1-MultiModal/README.md index 12d4f391..c3ed3a7b 100644 --- a/translations/bg/lessons/X-Extras/X1-MultiModal/README.md +++ b/translations/bg/lessons/X-Extras/X1-MultiModal/README.md @@ -1,12 +1,3 @@ - # Мултимодални мрежи След успеха на трансформър моделите за решаване на задачи в обработката на естествен език (NLP), същите или подобни архитектури започнаха да се прилагат и за задачи в компютърното зрение. Нараства интересът към създаването на модели, които да *комбинират* възможностите на зрението и естествения език. Един от тези опити е направен от OpenAI и се нарича CLIP и DALL.E. diff --git a/translations/bg/lessons/sketchnotes/LICENSE.md b/translations/bg/lessons/sketchnotes/LICENSE.md index b80801f1..42182f94 100644 --- a/translations/bg/lessons/sketchnotes/LICENSE.md +++ b/translations/bg/lessons/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - Права, този лиценз се прилага към Вашата употреба на съдържанието на базата данни: a. за избягване на съмнения, Раздел 2(a)(1) Ви предоставя правото да извличате, използвате повторно, възпроизвеждате и споделяте цялото или значителна част от съдържанието на базата данни; diff --git a/translations/bg/lessons/sketchnotes/README.md b/translations/bg/lessons/sketchnotes/README.md index 8077d9cd..d03dbce3 100644 --- a/translations/bg/lessons/sketchnotes/README.md +++ b/translations/bg/lessons/sketchnotes/README.md @@ -1,12 +1,3 @@ - Всички скици на учебната програма могат да бъдат изтеглени оттук. 🎨 Създадено от: Томоми Имура (Twitter: [@girlie_mac](https://twitter.com/girlie_mac), GitHub: [girliemac](https://github.com/girliemac)) diff --git a/translations/bg/troubleshoot.md b/translations/bg/troubleshoot.md index 86769a54..e243740b 100644 --- a/translations/bg/troubleshoot.md +++ b/translations/bg/troubleshoot.md @@ -1,12 +1,3 @@ - # Ръководство за отстраняване на проблеми в AI-For-Beginners Това ръководство ще ви помогне да решите често срещани проблеми при използването или допринасянето към хранилището [AI-For-Beginners](https://github.com/microsoft/AI-For-Beginners). Всеки проблем включва информация за произхода, симптомите, обяснения и стъпка по стъпка решения. diff --git a/translations/ro/.co-op-translator.json b/translations/ro/.co-op-translator.json new file mode 100644 index 00000000..dbb992b3 --- /dev/null +++ b/translations/ro/.co-op-translator.json @@ -0,0 +1,398 @@ +{ + "AGENTS.md": { + "original_hash": "6b11a37115944252ab3ed04e358d830d", + "translation_date": "2025-10-03T09:28:58+00:00", + "source_file": "AGENTS.md", + "language_code": "ro" + }, + "README.md": { + "original_hash": "1984fc89dd304a8a33ab5584691a99aa", + "translation_date": "2026-01-30T02:32:58+00:00", + "source_file": "README.md", + "language_code": "ro" + }, + "SECURITY.md": { + "original_hash": "a583f49d359c7ebba61433e4dfcd05a9", + "translation_date": "2025-08-25T21:21:24+00:00", + "source_file": "SECURITY.md", + "language_code": "ro" + }, + "etc/CODE_OF_CONDUCT.md": { + "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56", + "translation_date": "2025-08-26T00:44:39+00:00", + "source_file": "etc/CODE_OF_CONDUCT.md", + "language_code": "ro" + }, + "etc/CONTRIBUTING.md": { + "original_hash": "847a587aa1b83f4d00858183ff3ed18a", + "translation_date": "2025-08-26T00:47:33+00:00", + "source_file": "etc/CONTRIBUTING.md", + "language_code": "ro" + }, + "etc/Mindmap.md": { + "original_hash": "f2f88dbd2debd38e26149b27b1fd272d", + "translation_date": "2025-08-26T00:49:53+00:00", + "source_file": "etc/Mindmap.md", + "language_code": "ro" + }, + "etc/SUPPORT.md": { + "original_hash": "fdfc08baee91e402938a2b1f94fe0949", + "translation_date": "2025-08-26T00:43:35+00:00", + "source_file": "etc/SUPPORT.md", + "language_code": "ro" + }, + "etc/TRANSLATIONS.md": { + "original_hash": "62b3e3ad5182edb905eec649a87eeeb4", + "translation_date": "2025-08-26T00:45:53+00:00", + "source_file": "etc/TRANSLATIONS.md", + "language_code": "ro" + }, + "etc/quiz-app/README.md": { + "original_hash": "d699cf8509f74baa5b0b838de5cf0662", + "translation_date": "2025-08-26T00:53:49+00:00", + "source_file": "etc/quiz-app/README.md", + "language_code": "ro" + }, + "examples/README.md": { + "original_hash": "0d1babfdcbeb46525f2db3fbaaa54cd7", + "translation_date": "2025-10-03T11:34:10+00:00", + "source_file": "examples/README.md", + "language_code": "ro" + }, + "lessons/0-course-setup/for-teachers.md": { + "original_hash": "a094ef9927883de1cfcee51dbd143381", + "translation_date": "2025-08-26T00:39:05+00:00", + "source_file": "lessons/0-course-setup/for-teachers.md", + "language_code": "ro" + }, + "lessons/0-course-setup/how-to-run.md": { + "original_hash": "a4717bd9103b9f6cd84d534b83534689", + "translation_date": "2026-01-16T05:26:25+00:00", + "source_file": "lessons/0-course-setup/how-to-run.md", + "language_code": "ro" + }, + "lessons/0-course-setup/setup.md": { + "original_hash": "7b4e5b8956915870d0a0ed3cc5890042", + "translation_date": "2025-12-12T20:15:27+00:00", + "source_file": "lessons/0-course-setup/setup.md", + "language_code": "ro" + }, + "lessons/1-Intro/README.md": { + "original_hash": "f57e8aa46141fd220b16ffed8f11aec7", + "translation_date": "2025-11-18T22:04:18+00:00", + "source_file": "lessons/1-Intro/README.md", + "language_code": "ro" + }, + "lessons/1-Intro/assignment.md": { + "original_hash": "a334df77a82aaaf2a29c77065d3e481e", + "translation_date": "2025-11-18T22:05:17+00:00", + "source_file": "lessons/1-Intro/assignment.md", + "language_code": "ro" + }, + "lessons/2-Symbolic/README.md": { + "original_hash": "f9f06b266b8b2bfc6b8792ff2bb1bea4", + "translation_date": "2026-01-16T05:26:47+00:00", + "source_file": "lessons/2-Symbolic/README.md", + "language_code": "ro" + }, + "lessons/2-Symbolic/assignment.md": { + "original_hash": "a057a8604f3976c3e309884453f1fad0", + "translation_date": "2025-08-26T00:33:59+00:00", + "source_file": "lessons/2-Symbolic/assignment.md", + "language_code": "ro" + }, + "lessons/3-NeuralNetworks/03-Perceptron/README.md": { + "original_hash": "c34cbba802058b6fa267e1a294d4e510", + "translation_date": "2025-09-23T14:20:52+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/README.md", + "language_code": "ro" + }, + "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md": { + "original_hash": "ba5d1eb353d20d3e7181066b3c424b99", + "translation_date": "2025-08-29T22:48:54+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md", + "language_code": "ro" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/README.md": { + "original_hash": "789d6c3fb6fc7948a470b33078a5983a", + "translation_date": "2025-09-23T14:20:28+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/README.md", + "language_code": "ro" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md": { + "original_hash": "48fdd704d483e19bc3d7464074c9fcbe", + "translation_date": "2025-08-25T23:49:01+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md", + "language_code": "ro" + }, + "lessons/3-NeuralNetworks/05-Frameworks/README.md": { + "original_hash": "ddd216f558a255260a9374008002c971", + "translation_date": "2025-09-23T14:21:13+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/README.md", + "language_code": "ro" + }, + "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md": { + "original_hash": "e452d897efb9a89700f41021834cf6e5", + "translation_date": "2025-08-25T23:55:34+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md", + "language_code": "ro" + }, + "lessons/3-NeuralNetworks/README.md": { + "original_hash": "f862a99d88088163df12270e2f2ad6c3", + "translation_date": "2025-10-03T12:53:03+00:00", + "source_file": "lessons/3-NeuralNetworks/README.md", + "language_code": "ro" + }, + "lessons/4-ComputerVision/06-IntroCV/README.md": { + "original_hash": "feeca98225cb420afc89415f24f63d92", + "translation_date": "2025-09-23T14:15:40+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/README.md", + "language_code": "ro" + }, + "lessons/4-ComputerVision/06-IntroCV/lab/README.md": { + "original_hash": "3d53d6409f80970f7281a45dee35328a", + "translation_date": "2025-08-25T23:05:22+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/lab/README.md", + "language_code": "ro" + }, + "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md": { + "original_hash": "53faab85adfcebd8c10bcd71dc2fa557", + "translation_date": "2025-09-23T14:14:49+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md", + "language_code": "ro" + }, + "lessons/4-ComputerVision/07-ConvNets/README.md": { + "original_hash": "a560d5b845962cf33dc102266e409568", + "translation_date": "2025-09-23T14:14:29+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/README.md", + "language_code": "ro" + }, + "lessons/4-ComputerVision/07-ConvNets/lab/README.md": { + "original_hash": "b70fcf7fcee862990f848c679090943f", + "translation_date": "2025-10-03T14:57:43+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/README.md", + "language_code": "ro" + }, + "lessons/4-ComputerVision/08-TransferLearning/README.md": { + "original_hash": "178c0b5ee5395733eb18aec51e71a0a9", + "translation_date": "2025-09-23T14:15:14+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/README.md", + "language_code": "ro" + }, + "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md": { + "original_hash": "ae074cd940fc2f4dc24fc07b66ccbd99", + "translation_date": "2025-08-25T23:12:25+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md", + "language_code": "ro" + }, + "lessons/4-ComputerVision/08-TransferLearning/lab/README.md": { + "original_hash": "7765935c35fcee69b9fe2d0cfd6963e2", + "translation_date": "2025-08-25T23:16:44+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/lab/README.md", + "language_code": "ro" + }, + "lessons/4-ComputerVision/09-Autoencoders/README.md": { + "original_hash": "1b8d9e1b3a6f1daa864b1ff3dfc3076d", + "translation_date": "2025-09-23T14:16:53+00:00", + "source_file": "lessons/4-ComputerVision/09-Autoencoders/README.md", + "language_code": "ro" + }, + "lessons/4-ComputerVision/10-GANs/README.md": { + "original_hash": "0ff65b4da07b23697235de2beb2a3c25", + "translation_date": "2025-09-23T14:17:41+00:00", + "source_file": "lessons/4-ComputerVision/10-GANs/README.md", + "language_code": "ro" + }, + "lessons/4-ComputerVision/11-ObjectDetection/README.md": { + "original_hash": "d76a7eda28de5210c8b1ba50a6216c69", + "translation_date": "2025-09-23T14:16:12+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/README.md", + "language_code": "ro" + }, + "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md": { + "original_hash": "ad568d55ae65c856fe929fc2b278510a", + "translation_date": "2025-08-25T22:49:55+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md", + "language_code": "ro" + }, + "lessons/4-ComputerVision/12-Segmentation/README.md": { + "original_hash": "6568aaae7e0e4afed4b5d74b5b223700", + "translation_date": "2025-09-23T14:17:23+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/README.md", + "language_code": "ro" + }, + "lessons/4-ComputerVision/12-Segmentation/lab/README.md": { + "original_hash": "365f0decfe0f47b460bbde8227c5009d", + "translation_date": "2025-08-25T22:37:10+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/lab/README.md", + "language_code": "ro" + }, + "lessons/4-ComputerVision/README.md": { + "original_hash": "58a52f000089c1d8906a4daa4ab1169b", + "translation_date": "2025-08-25T22:27:51+00:00", + "source_file": "lessons/4-ComputerVision/README.md", + "language_code": "ro" + }, + "lessons/5-NLP/13-TextRep/README.md": { + "original_hash": "dbd3f73e4139f030ecb2e20387d70fee", + "translation_date": "2025-09-23T14:24:14+00:00", + "source_file": "lessons/5-NLP/13-TextRep/README.md", + "language_code": "ro" + }, + "lessons/5-NLP/13-TextRep/assignment.md": { + "original_hash": "cdc1f2e631f055f3473b36d18e4760b3", + "translation_date": "2025-08-25T21:54:27+00:00", + "source_file": "lessons/5-NLP/13-TextRep/assignment.md", + "language_code": "ro" + }, + "lessons/5-NLP/14-Embeddings/README.md": { + "original_hash": "b708c9b85b833864c73c6281f1e6b96e", + "translation_date": "2025-09-23T14:23:51+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/README.md", + "language_code": "ro" + }, + "lessons/5-NLP/14-Embeddings/assignment.md": { + "original_hash": "bc690ecf68b38d311cc9e12f3144a28c", + "translation_date": "2025-08-25T21:42:39+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/assignment.md", + "language_code": "ro" + }, + "lessons/5-NLP/15-LanguageModeling/README.md": { + "original_hash": "7ba20f54a5bfcd6521018cdfb17c7c57", + "translation_date": "2025-09-23T14:22:06+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/README.md", + "language_code": "ro" + }, + "lessons/5-NLP/15-LanguageModeling/lab/README.md": { + "original_hash": "5130f01fdc5ebb83032b23d489027aac", + "translation_date": "2025-08-25T21:58:14+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/lab/README.md", + "language_code": "ro" + }, + "lessons/5-NLP/16-RNN/README.md": { + "original_hash": "e2273cc150380a5e191903cea858f021", + "translation_date": "2025-09-23T14:23:20+00:00", + "source_file": "lessons/5-NLP/16-RNN/README.md", + "language_code": "ro" + }, + "lessons/5-NLP/16-RNN/assignment.md": { + "original_hash": "47f7d3c6a5373543e051e4d1140ce898", + "translation_date": "2025-08-25T21:37:13+00:00", + "source_file": "lessons/5-NLP/16-RNN/assignment.md", + "language_code": "ro" + }, + "lessons/5-NLP/17-GenerativeNetworks/README.md": { + "original_hash": "51be6057374d01d70e07dd5ec88ebc0d", + "translation_date": "2025-09-23T14:21:44+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/README.md", + "language_code": "ro" + }, + "lessons/5-NLP/17-GenerativeNetworks/lab/README.md": { + "original_hash": "439e12796197a90e7623d4c9c057b9c2", + "translation_date": "2025-08-25T21:48:23+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/lab/README.md", + "language_code": "ro" + }, + "lessons/5-NLP/18-Transformers/README.md": { + "original_hash": "f335dfcb4a993920504c387973a36957", + "translation_date": "2025-09-23T14:22:19+00:00", + "source_file": "lessons/5-NLP/18-Transformers/README.md", + "language_code": "ro" + }, + "lessons/5-NLP/18-Transformers/assignment.md": { + "original_hash": "177f3ea3995d725e6f9f5c66af16edcd", + "translation_date": "2025-08-25T22:05:15+00:00", + "source_file": "lessons/5-NLP/18-Transformers/assignment.md", + "language_code": "ro" + }, + "lessons/5-NLP/19-NER/README.md": { + "original_hash": "6522312ff835796ca34136a9462fafb2", + "translation_date": "2025-09-23T14:23:03+00:00", + "source_file": "lessons/5-NLP/19-NER/README.md", + "language_code": "ro" + }, + "lessons/5-NLP/19-NER/lab/README.md": { + "original_hash": "032bda5068f543d6c1fcb30c34231461", + "translation_date": "2025-08-25T22:14:27+00:00", + "source_file": "lessons/5-NLP/19-NER/lab/README.md", + "language_code": "ro" + }, + "lessons/5-NLP/20-LangModels/README.md": { + "original_hash": "97836d30a6bec736f8e3b4411c572bc2", + "translation_date": "2025-09-23T14:22:44+00:00", + "source_file": "lessons/5-NLP/20-LangModels/README.md", + "language_code": "ro" + }, + "lessons/5-NLP/README.md": { + "original_hash": "8ef02a9318257ea140ed3ed74442096d", + "translation_date": "2025-08-25T21:28:27+00:00", + "source_file": "lessons/5-NLP/README.md", + "language_code": "ro" + }, + "lessons/6-Other/21-GeneticAlgorithms/README.md": { + "original_hash": "6bbd632dfe6c62e5f66bb51fd78c174a", + "translation_date": "2025-09-23T14:12:46+00:00", + "source_file": "lessons/6-Other/21-GeneticAlgorithms/README.md", + "language_code": "ro" + }, + "lessons/6-Other/22-DeepRL/README.md": { + "original_hash": "04395657fc01648f8f70484d0e55ab67", + "translation_date": "2025-09-23T14:13:59+00:00", + "source_file": "lessons/6-Other/22-DeepRL/README.md", + "language_code": "ro" + }, + "lessons/6-Other/22-DeepRL/lab/README.md": { + "original_hash": "7bd8dc72040e98e35e7225e34058cd4e", + "translation_date": "2025-08-25T23:35:40+00:00", + "source_file": "lessons/6-Other/22-DeepRL/lab/README.md", + "language_code": "ro" + }, + "lessons/6-Other/23-MultiagentSystems/README.md": { + "original_hash": "38a1185ae3d54b180378bbd71ae3ef16", + "translation_date": "2025-09-23T14:13:10+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/README.md", + "language_code": "ro" + }, + "lessons/6-Other/23-MultiagentSystems/assignment.md": { + "original_hash": "cf654ca60c7f86c8dad28596fb42994b", + "translation_date": "2025-08-25T23:29:10+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/assignment.md", + "language_code": "ro" + }, + "lessons/7-Ethics/README.md": { + "original_hash": "437c988596e751072e41a5aad3fcc5d9", + "translation_date": "2025-08-25T21:24:48+00:00", + "source_file": "lessons/7-Ethics/README.md", + "language_code": "ro" + }, + "lessons/README.md": { + "original_hash": "5fef1a0b22498d7188959e2a2cb08af7", + "translation_date": "2025-08-25T21:23:10+00:00", + "source_file": "lessons/README.md", + "language_code": "ro" + }, + "lessons/X-Extras/X1-MultiModal/README.md": { + "original_hash": "9c592c26aca16ca085d268c732284187", + "translation_date": "2025-08-25T23:37:57+00:00", + "source_file": "lessons/X-Extras/X1-MultiModal/README.md", + "language_code": "ro" + }, + "lessons/sketchnotes/LICENSE.md": { + "original_hash": "45ab63a2cd8f5faef6c9b150618837a4", + "translation_date": "2025-08-26T00:08:11+00:00", + "source_file": "lessons/sketchnotes/LICENSE.md", + "language_code": "ro" + }, + "lessons/sketchnotes/README.md": { + "original_hash": "050b8bddebafba55b129414e6ab096ab", + "translation_date": "2025-08-26T00:02:01+00:00", + "source_file": "lessons/sketchnotes/README.md", + "language_code": "ro" + }, + "troubleshoot.md": { + "original_hash": "8d9c5a4a7c7798d699672a22cb7fea86", + "translation_date": "2025-10-03T09:51:04+00:00", + "source_file": "troubleshoot.md", + "language_code": "ro" + } +} \ No newline at end of file diff --git a/translations/ro/AGENTS.md b/translations/ro/AGENTS.md index fde2ce38..0e3dc9be 100644 --- a/translations/ro/AGENTS.md +++ b/translations/ro/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## Prezentare generală a proiectului diff --git a/translations/ro/README.md b/translations/ro/README.md index 41bd991b..e8c3b133 100644 --- a/translations/ro/README.md +++ b/translations/ro/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/) @@ -23,32 +14,32 @@ CO_OP_TRANSLATOR_METADATA: # Inteligență Artificială pentru Începători - Un Curriculum -|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../../../translated_images/ro/ai-overview.0857791951d19500.webp)| +|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../translated_images/ro/ai-overview.0857791951d19500.webp)| |:---:| -| Inteligență Artificială pentru Începători - _Sketchnote de [@girlie_mac](https://twitter.com/girlie_mac)_ | +| AI Pentru Începători - _Sketchnote de la [@girlie_mac](https://twitter.com/girlie_mac)_ | -Explorează lumea **Inteligenței Artificiale** (IA) cu curriculum-ul nostru de 12 săptămâni, 24 de lecții! Include lecții practice, chestionare și laboratoare. Curriculum-ul este prietenos pentru începători și acoperă instrumente precum TensorFlow și PyTorch, precum și etica în IA. +Explorează lumea **Inteligenței Artificiale** (IA) cu curriculumul nostru de 12 săptămâni, 24 de lecții! Include lecții practice, chestionare și laboratoare. Curriculumul este prietenos pentru începători și acoperă unelte precum TensorFlow și PyTorch, precum și etica în IA ### 🌐 Suport Multilingv -#### Suportat prin GitHub Action (Automatizat și Mereu Actualizat) +#### Acceptat prin GitHub Action (Automat și Întotdeauna Actualizat) -[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](./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](../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](./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) -> **Preferi să Clonezi Local?** +> **Preferi să clonezi local?** -> Acest depozit include peste 50 de traduceri în limbi străine, ceea ce crește semnificativ dimensiunea descărcării. Pentru a clona fără traduceri, folosește sparse checkout: +> Acest depozit include peste 50 de traduceri care cresc semnificativ dimensiunea descărcării. Pentru a clona fără traduceri, folosește 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' > ``` -> Acest lucru îți oferă tot ce ai nevoie pentru a finaliza cursul cu o descărcare mult mai rapidă. +> Aceasta îți oferă tot ce ai nevoie pentru a finaliza cursul cu o descărcare mult mai rapidă. -**Dacă dorești să susții suportul pentru limbi adiționale, acestea sunt listate [aici](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Dacă dorești să fie adăugate alte limbi pentru traduceri, acestea sunt listate [aici](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** ## Alătură-te Comunității [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) @@ -59,169 +50,169 @@ Explorează lumea **Inteligenței Artificiale** (IA) cu curriculum-ul nostru de În acest curriculum vei învăța: -* Diferite abordări ale Inteligenței Artificiale, inclusiv abordarea „bună și veche” simbolică cu **Reprezentarea Cunoașterii** și raționamentul ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). -* **Rețele Neuronale** și **Învățare Profundă**, care sunt în centrul IA moderne. Vom ilustra conceptele din spatele acestor subiecte importante folosind cod în două dintre cele mai populare framework-uri - [TensorFlow](http://Tensorflow.org) și [PyTorch](http://pytorch.org). -* **Arhitecturi Neuronale** pentru lucrul cu imagini și text. Vom acoperi modele recente, dar ar putea fi puțin lipsit de cele mai noi tehnologii. -* Abordări IA mai puțin populare, cum ar fi **Algoritmi Genetici** și **Sisteme Multi-Agent**. +* Diferite abordări ale Inteligenței Artificiale, inclusiv abordarea simbolică „veche”, cu **Reprezentare a Cunoștințelor** și raționament ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). +* **Rețele Neuronale** și **Învățare Profundă**, care sunt în centrul IA moderne. Vom ilustra conceptele din spatele acestor subiecte importante folosind cod în două dintre cele mai populare cadre - [TensorFlow](http://Tensorflow.org) și [PyTorch](http://pytorch.org). +* **Arhitecturi Neuronale** pentru lucrul cu imagini și text. Vom aborda modele recente, dar poate fi oarecum lipsit de cele mai noi tehnologii. +* Abordări mai puțin populare ale IA, cum ar fi **Algoritmi Genetici** și **Sisteme Multi-Agent**. Ce nu vom acoperi în acest curriculum: > [Găsește toate resursele suplimentare pentru acest curs în colecția noastră Microsoft Learn](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) -* Cazuri de utilizare a **IA în Afaceri**. Ia în considerare să urmezi calea de învățare [Introducere în IA pentru utilizatorii de business](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) pe Microsoft Learn, sau [Școala de Afaceri AI](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), dezvoltată în cooperare cu [INSEAD](https://www.insead.edu/). -* **Învățarea Automatizată Clasică**, care este bine descrisă în [Curriculum-ul nostru Machine Learning pentru Începători](http://github.com/Microsoft/ML-for-Beginners). -* Aplicații practice de IA construite folosind **[Servicii Cognitive](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. Pentru acestea, recomandăm să începi cu modulele Microsoft Learn pentru [viziune](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [procesarea limbajului natural](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[IA Generativă cu Azure OpenAI Service](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** și altele. -* **Framework-uri Cloud specifice ML**, cum ar fi [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), sau [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). Ia în considerare să folosești căile de învățare [Build and operate machine learning solutions with Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) și [Build and Operate Machine Learning Solutions with Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum). -* **IA Conversațională** și **Chat Bots**. Există o cale de învățare separată [Create conversational AI solutions](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum), iar tu poți de asemenea consulta [acest articol de blog](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) pentru mai multe detalii. -* **Matematică profundă** din spatele învățării profunde. Pentru aceasta recomandăm [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) de Ian Goodfellow, Yoshua Bengio și Aaron Courville, care este disponibil și online la [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/). +* Studii de caz de utilizare a **IA în Afaceri**. Ia în considerare urmarea traseului de învățare [Introducere în IA pentru utilizatorii de afaceri](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) pe Microsoft Learn, sau [Școala de Afaceri AI](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), dezvoltată în colaborare cu [INSEAD](https://www.insead.edu/). +* **Învățare Automată Clasică**, care este bine descrisă în curriculumul nostru [Machine Learning pentru Începători](http://github.com/Microsoft/ML-for-Beginners). +* Aplicații practice AI construite folosind **[Servicii Cognitive](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. Pentru acestea, recomandăm să începi cu modulele Microsoft Learn pentru [viziune](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [procesarea limbajului natural](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Generative AI cu Azure OpenAI Service](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** și altele. +* Anumite **Cadre Cloud pentru ML**, precum [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), sau [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). Ia în considerare folosirea traseelor de învățare [Construiește și operează soluții de învățare automată cu Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) și [Construiește și operează soluții de învățare automată cu Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum). +* **Inteligență Artificială Conversațională** și **Chat Bots**. Există un traseu separat de învățare [Crearea soluțiilor AI conversaționale](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum), și poți consulta [acest articol de blog](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) pentru mai multe detalii. +* **Matematică Avansată** din spatele învățării profunde. În acest scop recomandăm [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) de Ian Goodfellow, Yoshua Bengio și Aaron Courville, disponibil și online la [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/). -Pentru o introducere blândă în subiectele _IA în Cloud_ poți lua în considerare urmarea căii de învățare [Începe cu Inteligența Artificială pe Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum). +Pentru o introducere ușoară în subiectele _IA în Cloud_, poți considera urmarea traseului de învățare [Începe cu Inteligența Artificială pe Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum). # Conținut -| | Link Lecție | PyTorch/Keras/TensorFlow | Laborator | +| | Legătura Lecției | PyTorch/Keras/TensorFlow | Laborator | | :-: | :------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ------------------------------------------------------------------------------ | -| 0 | [Configurarea Cursului](./lessons/0-course-setup/setup.md) | [Configurează-ți Mediul de Dezvoltare](./lessons/0-course-setup/how-to-run.md) | | +| 0 | [Configurare Curs](./lessons/0-course-setup/setup.md) | [Setează Mediul de Dezvoltare](./lessons/0-course-setup/how-to-run.md) | | | I | [**Introducere în IA**](./lessons/1-Intro/README.md) | | | | 01 | [Introducere și Istoria IA](./lessons/1-Intro/README.md) | - | - | | II | **IA Simbolică** | -| 02 | [Reprezentarea Cunoștințelor și Sisteme Expert](./lessons/2-Symbolic/README.md) | [Sisteme Expert](./lessons/2-Symbolic/Animals.ipynb) / [Ontologie](./lessons/2-Symbolic/FamilyOntology.ipynb) /[Grafic de Concepte](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | -| III | [**Introducere în Rețele Neuronale**](./lessons/3-NeuralNetworks/README.md) ||| -| 03 | [Perceptron](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [Notebook](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [Lab](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | -| 04 | [Perceptron multi-stratificat și crearea propriului nostru framework](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [Notebook](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [Lab](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | -| 05 | [Introducere în Framework-uri (PyTorch/TensorFlow) și Suprapotrivire](./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) | [Lab](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | -| IV | [**Viziune Computațională**](./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)| [Explorați Viziunea Computațională pe Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | -| 06 | [Introducere în Viziune Computațională. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [Notebook](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [Lab](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | -| 07 | [Rețele Neuronale Convoluționale](./lessons/4-ComputerVision/07-ConvNets/README.md) & [Arhitecturi 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) | [Lab](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | -| 08 | [Rețele Pre-antrenate și Învățare Transfer](./lessons/4-ComputerVision/08-TransferLearning/README.md) și [Trucuri de Antrenament](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Lab](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | +| 02 | [Reprezentarea Cunoașterii și Sisteme Expert](./lessons/2-Symbolic/README.md) | [Sisteme Expert](./lessons/2-Symbolic/Animals.ipynb) / [Ontologie](./lessons/2-Symbolic/FamilyOntology.ipynb) /[Grafic de Concepte](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | +| III | [**Introducere în Rețelele Neuronale**](./lessons/3-NeuralNetworks/README.md) ||| +| 03 | [Perceptron](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [Notebook](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [Laborator](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | +| 04 | [Perceptron cu mai multe straturi și Crearea propriului nostru Cadru](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [Notebook](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [Laborator](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | +| 05 | [Introducere în Cadre (PyTorch/TensorFlow) și Supraînvățare](./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) | [Laborator](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | +| IV | [**Viziune pe Calculator**](./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)| [Explorează Viziunea pe Calculator pe Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | +| 06 | [Introducere în Viziunea pe Calculator. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [Notebook](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [Laborator](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | +| 07 | [Rețele Neuronale Convoluționale](./lessons/4-ComputerVision/07-ConvNets/README.md) & [Arhitecturi 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) | [Laborator](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | +| 08 | [Rețele Pre-antrenate și Învățare Transferată](./lessons/4-ComputerVision/08-TransferLearning/README.md) și [Trucuri de Antrenament](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Laborator](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | | 09 | [Autoencodere și VAE-uri](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | | | 10 | [Rețele Generative Adversariale & Transfer Stil Artistic](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | -| 11 | [Detecția Obiectelor](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [Lab](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | +| 11 | [Detecție de Obiecte](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [Laborator](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | | 12 | [Segmentare Semantică. 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 | [**Procesarea Limbajului Natural**](./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) | [Explorați Procesarea Limbajului Natural pe Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| +| V | [**Procesarea Limbajului Natural**](./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) | [Explorează Procesarea Limbajului Natural pe Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| | 13 | [Reprezentarea Textului. 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 | [Încapsulări semantice ale cuvintelor. Word2Vec și 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 | [Modelarea Limbajului. Antrenarea propriilor încorporări](./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) | [Lab](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | -| 16 | [Rețele Neuronale Recurrente](./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 | [Rețele Generative Recurente](./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) | [Lab](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | +| 15 | [Modelare a Limbajului. Antrenarea propriilor încapsulări](./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) | [Laborator](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | +| 16 | [Rețele Neuronale Recurente](./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 | [Rețele Recurente Generative](./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) | [Laborator](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | | 18 | [Transformere. 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 | [Recunoașterea Entităților Numeite](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [Lab](./lessons/5-NLP/19-NER/lab/README.md) | -| 20 | [Modele Mari de Limbaj, Programarea Prompt-urilor și Sarcini Few-Shot](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | +| 19 | [Recunoașterea Entităților Nume](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [Laborator](./lessons/5-NLP/19-NER/lab/README.md) | +| 20 | [Modele Mari de Limbaj, Programare Prompt și Sarcini Few-Shot](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | | VI | **Alte Tehnici AI** || | | 21 | [Algoritmi Genetici](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [Notebook](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | -| 22 | [Învățare Profundă prin Recompensă](./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) | [Lab](./lessons/6-Other/22-DeepRL/lab/README.md) | -| 23 | [Sisteme Multi-Agente](./lessons/6-Other/23-MultiagentSystems/README.md) | | | +| 22 | [Învățare Profundă prin Consolidare](./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) | [Laborator](./lessons/6-Other/22-DeepRL/lab/README.md) | +| 23 | [Sisteme Multi-Agent](./lessons/6-Other/23-MultiagentSystems/README.md) | | | | VII | **Etica AI** | | | | 24 | [Etica AI și AI Responsabil](./lessons/7-Ethics/README.md) | [Microsoft Learn: Principiile AI Responsabil](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | -| IX | **Extra** | | | +| IX | **Suplimente** | | | | 25 | [Rețele Multi-Modal, CLIP și VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [Notebook](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | ## Fiecare lecție conține * Material de pre-lectură -* Caiete Jupyter executabile, care sunt adesea specifice framework-ului (**PyTorch** sau **TensorFlow**). Caietul executabil conține și mult material teoretic, deci pentru a înțelege subiectul trebuie să parcurgeți cel puțin o versiune a caietului (fie PyTorch sau TensorFlow). -* **Laboratoare** disponibile pentru unele subiecte, care vă oferă oportunitatea de a încerca aplicarea materialului învățat pe o problemă specifică. -* Unele secțiuni conțin link-uri către module [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) care acoperă subiecte conexe. +* Jupyter Notebooks executabile, adesea specifice cadrului (**PyTorch** sau **TensorFlow**). Notebook-ul executabil conține și mult material teoretic, astfel încât pentru a înțelege subiectul trebuie să parcurgi măcar o versiune a notebook-ului (PyTorch sau TensorFlow). +* **Laboratoare** disponibile pentru unele subiecte, care îți oferă oportunitatea să aplici materialul învățat pe o problemă specifică. +* Unele secțiuni conțin linkuri către module [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) care acoperă subiecte conexe. -## Începeți +## Începutul -### 🎯 Nou în domeniul AI? Începeți aici! +### 🎯 Ești nou în AI? Începe aici! -Dacă sunteți complet nou în AI și vreți exemple rapide, practice, consultați [**Exemple Prietenoase pentru Începători**](./examples/README.md)! Acestea includ: +Dacă ești complet nou în AI și vrei exemple rapide, practice, aruncă o privire la [**Exemple pentru Începători**](./examples/README.md)! Acestea includ: -- 🌟 **Salut, Lume AI** - Primul dvs. program AI (recunoaștere de tipare) -- 🧠 **Rețea Neurală Simplă** - Construiți o rețea neurală de la zero -- 🖼️ **Clasificator de Imagini** - Clasificați imagini cu comentarii detaliate -- 💬 **Sentimentul textului** - Analizează text pozitiv/negativ +- 🌟 **Hello AI World** - Primul tău program AI (recunoașterea tiparelor) +- 🧠 **Rețea Neuronală Simplă** - Construiește o rețea neuronală de la zero +- 🖼️ **Clasificator de Imagini** - Clasifică imagini cu comentarii detaliate +- 💬 **Sentiment Text** - Analizează text pozitiv/negativ -Aceste exemple sunt concepute pentru a vă ajuta să înțelegeți conceptele AI înainte de a explora întregul curriculum. +Aceste exemple sunt concepute pentru a vă ajuta să înțelegeți conceptele AI înainte de a începe curricula completă. -### 📚 Configurarea întregului curriculum +### 📚 Configurarea Curriculumului Complet -- Am creat o [lecție de configurare](./lessons/0-course-setup/setup.md) pentru a vă ajuta cu configurarea mediului de dezvoltare. - Pentru educatori, am creat și o [lecție de configurare a curriculumului](./lessons/0-course-setup/for-teachers.md)! -- Cum să [rulați codul în VSCode sau în Codespace](./lessons/0-course-setup/how-to-run.md) +- Am creat o [lecție de configurare](./lessons/0-course-setup/setup.md) pentru a vă ajuta să vă configurați mediul de dezvoltare. - Pentru educatorii, am creat și o [lecție de configurare a curriculumului](./lessons/0-course-setup/for-teachers.md)! +- Cum să [rulați codul în VSCode sau Codespace](./lessons/0-course-setup/how-to-run.md) -Urmăriți acești pași: +Urmați acești pași: -Fork la Repository: Faceți clic pe butonul „Fork” din colțul din dreapta sus al acestei pagini. +Furcați Repository-ul: Faceți clic pe butonul "Fork" din colțul din dreapta sus al acestei pagini. Clonați Repository-ul: `git clone https://github.com/microsoft/AI-For-Beginners.git` Nu uitați să acordați stea (🌟) acestui repo pentru a-l găsi mai ușor mai târziu. -## Cunoașteți alți cursanți +## Întâlniți alți cursanți -Alăturați-vă [serverului oficial AI Discord](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) pentru a întâlni și a interacționa cu alți cursanți care urmează acest curs și pentru a primi suport. +Alăturați-vă [serverului oficial Discord AI](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) pentru a cunoaște și a face networking cu alți cursanți care urmează acest curs și pentru a primi suport. -Dacă aveți feedback despre produs sau întrebări în timpul construirii, vizitați [Azure AI Foundry Developer Forum](https://aka.ms/foundry/forum) +Dacă aveți feedback despre produs sau întrebări în timpul dezvoltării, vizitați [Forum-ul Dezvoltatorilor Azure AI Foundry](https://aka.ms/foundry/forum) -## Chestionare +## Chestionare -> **O notă despre chestionare**: Toate chestionarele se află în folderul Quiz-app din etc\quiz-app, sau [Online aici](https://ff-quizzes.netlify.app/) Sunt legate din lecții, aplicația de chestionar poate fi rulată local sau implementată în Azure; urmați instrucțiunile din folder `quiz-app`. Ele sunt treptat localizate. +> **O notă despre chestionare**: Toate chestionarele se află în folderul Quiz-app din etc\quiz-app, sau [Online aici](https://ff-quizzes.netlify.app/) Sunt legate din lecții, aplicația de quiz poate fi rulată local sau implementată pe Azure; urmați instrucțiunile din folderul `quiz-app`. Se lucrează treptat la localizarea acestora. -## Ajutor căutat +## Ajutor Cerut -Aveți sugestii sau ați găsit greșeli de ortografie ori erori de cod? Deschideți un issue sau creați un pull request. +Aveți sugestii sau ați găsit greșeli de ortografie sau de cod? Deschideți un issue sau creați o pull request. -## Mulțumiri speciale +## Mulțumiri Speciale -* **✍️ Autor principal:** [Dmitry Soshnikov](http://soshnikov.com), PhD +* **✍️ Autor Principal:** [Dmitry Soshnikov](http://soshnikov.com), PhD * **🔥 Editor:** [Jen Looper](https://twitter.com/jenlooper), PhD -* **🎨 Ilustrator schițe:** [Tomomi Imura](https://twitter.com/girlie_mac) -* **✅ Creatoare chestionare:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/) -* **🙏 Contributori de bază:** [Evgenii Pishchik](https://github.com/Pe4enIks) +* **🎨 Ilustrator Sketchnote:** [Tomomi Imura](https://twitter.com/girlie_mac) +* **✅ Creator Quiz:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/) +* **🙏 Contribuabili Importanți:** [Evgenii Pishchik](https://github.com/Pe4enIks) -## Alte curriculum-uri +## Alte Curriculumuri -Echipa noastră produce și alte curriculum-uri! Verificați: +Echipa noastră produce și alte curriculumuri! Consultați: -### LangChain -[![LangChain4j pentru începători](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 pentru începători](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 / Agenți -[![AZD pentru începători](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 pentru începători](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 pentru începători](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) -[![Agenți AI pentru începători](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 / Agenți +[![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) --- -### Seria AI Generativ -[![AI generativ pentru începători](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) -[![AI generativ (.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) -[![AI generativ (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) -[![AI generativ (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) +### Seria AI Generativă +[![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) --- -### Învățare de bază -[![ML pentru începători](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) -[![Știința datelor pentru începători](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 pentru începători](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) -[![Securitate cibernetică pentru începători](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) -[![Dezvoltare Web pentru începători](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 pentru începători](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) -[![Dezvoltare XR pentru începători](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) +### Învățare de Bază +[![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) --- -### Seria Copilot -[![Copilot pentru programare asistată AI](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 pentru 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) -[![Aventuri Copilot](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) +### Seria 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) -## Obțineți ajutor +## Obținerea Ajutorului -Dacă vă blocați sau aveți întrebări despre construirea aplicațiilor AI. Alăturați-vă altor cursanți și dezvoltatori experimentați în discuții despre MCP. Este o comunitate suportivă unde întrebările sunt binevenite și cunoștințele sunt împărtășite liber. +Dacă rămâneți blocat sau aveți întrebări despre construirea aplicațiilor AI. Alăturați-vă altor cursanți și dezvoltatori experimentați în discuții despre MCP. Este o comunitate suportivă unde întrebările sunt binevenite și cunoștințele se împărtășesc liber. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Dacă aveți feedback despre produs sau erori în timpul construirii, vizitați: +Dacă aveți feedback despre produs sau erori în timp ce dezvoltați, vizitați: [![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) @@ -229,5 +220,5 @@ Dacă aveți feedback despre produs sau erori în timpul construirii, vizitați: **Declinare de responsabilitate**: -Acest document a fost tradus folosind serviciul de traducere AI [Co-op Translator](https://github.com/Azure/co-op-translator). Deși ne străduim pentru acuratețe, vă rugăm să aveți în vedere că traducerile automate pot conține erori sau inexactități. Documentul original, în limba sa nativă, trebuie considerat sursa autorizată. Pentru informații critice, se recomandă traducerea profesională efectuată de un specialist uman. Nu ne asumăm responsabilitatea pentru eventualele neînțelegeri sau interpretări greșite rezultate din utilizarea acestei traduceri. +Acest document a fost tradus folosind serviciul de traducere AI [Co-op Translator](https://github.com/Azure/co-op-translator). Deși ne străduim pentru acuratețe, vă rugăm să țineți cont că traducerile automate pot conține erori sau inexactități. Documentul original în limba sa nativă trebuie considerat sursa autorizată. Pentru informații critice, se recomandă traducerea profesională realizată de un translator uman. Nu ne asumăm răspunderea pentru eventualele neînțelegeri sau interpretări greșite rezultate din utilizarea acestei traduceri. \ No newline at end of file diff --git a/translations/ro/SECURITY.md b/translations/ro/SECURITY.md index 63ad66e8..69f00269 100644 --- a/translations/ro/SECURITY.md +++ b/translations/ro/SECURITY.md @@ -1,12 +1,3 @@ - ## Securitate Microsoft tratează cu maximă seriozitate securitatea produselor și serviciilor noastre software, inclusiv toate depozitele de cod sursă gestionate prin organizațiile noastre GitHub, care includ [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) și [organizațiile noastre GitHub](https://opensource.microsoft.com/). diff --git a/translations/ro/etc/CODE_OF_CONDUCT.md b/translations/ro/etc/CODE_OF_CONDUCT.md index c5af9005..cb4eb2e5 100644 --- a/translations/ro/etc/CODE_OF_CONDUCT.md +++ b/translations/ro/etc/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # Codul de Conduită pentru Proiectele Open Source Microsoft Acest proiect a adoptat [Codul de Conduită pentru Proiectele Open Source Microsoft](https://opensource.microsoft.com/codeofconduct/). diff --git a/translations/ro/etc/CONTRIBUTING.md b/translations/ro/etc/CONTRIBUTING.md index 3ecf28ef..52c43097 100644 --- a/translations/ro/etc/CONTRIBUTING.md +++ b/translations/ro/etc/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # Contribuții Acest proiect acceptă contribuții și sugestii. Majoritatea contribuțiilor necesită ca tu să diff --git a/translations/ro/etc/Mindmap.md b/translations/ro/etc/Mindmap.md index 46de57e5..adcf2d75 100644 --- a/translations/ro/etc/Mindmap.md +++ b/translations/ro/etc/Mindmap.md @@ -1,12 +1,3 @@ - # AI ## [Introducere în AI](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/1-Intro/README.md) diff --git a/translations/ro/etc/SUPPORT.md b/translations/ro/etc/SUPPORT.md index 3e121e90..66298f00 100644 --- a/translations/ro/etc/SUPPORT.md +++ b/translations/ro/etc/SUPPORT.md @@ -1,12 +1,3 @@ - # Suport ## Cum să raportezi probleme și să obții ajutor diff --git a/translations/ro/etc/TRANSLATIONS.md b/translations/ro/etc/TRANSLATIONS.md index 28dd3cdd..961835af 100644 --- a/translations/ro/etc/TRANSLATIONS.md +++ b/translations/ro/etc/TRANSLATIONS.md @@ -1,12 +1,3 @@ - # Contribuie prin traducerea lecțiilor Salutăm traducerile pentru lecțiile din acest curriculum! diff --git a/translations/ro/etc/quiz-app/README.md b/translations/ro/etc/quiz-app/README.md index 6d1f558f..9bd158ef 100644 --- a/translations/ro/etc/quiz-app/README.md +++ b/translations/ro/etc/quiz-app/README.md @@ -1,12 +1,3 @@ - # Chestionare Aceste chestionare sunt chestionarele de dinainte și după lecții pentru curriculumul AI disponibil la https://aka.ms/ai-beginners diff --git a/translations/ro/examples/README.md b/translations/ro/examples/README.md index c6922f92..517bc9a1 100644 --- a/translations/ro/examples/README.md +++ b/translations/ro/examples/README.md @@ -1,12 +1,3 @@ - # Exemple de AI pentru Începători Bun venit! Acest director conține exemple simple și independente pentru a te ajuta să începi cu AI și învățarea automată. Fiecare exemplu este conceput să fie prietenos pentru începători, cu comentarii detaliate și explicații pas cu pas. diff --git a/translations/ro/lessons/0-course-setup/for-teachers.md b/translations/ro/lessons/0-course-setup/for-teachers.md index b47b9a27..e3adb014 100644 --- a/translations/ro/lessons/0-course-setup/for-teachers.md +++ b/translations/ro/lessons/0-course-setup/for-teachers.md @@ -1,12 +1,3 @@ - # Pentru Educatori Doriți să folosiți acest curriculum în sala de clasă? Vă rugăm să o faceți! diff --git a/translations/ro/lessons/0-course-setup/how-to-run.md b/translations/ro/lessons/0-course-setup/how-to-run.md index c3b059f1..b5804216 100644 --- a/translations/ro/lessons/0-course-setup/how-to-run.md +++ b/translations/ro/lessons/0-course-setup/how-to-run.md @@ -1,12 +1,3 @@ - # Cum să Rulați Codul Acest curriculum conține multe exemple și laboratoare executabile pe care veți dori să le rulați. Pentru a face acest lucru, aveți nevoie de posibilitatea de a executa cod Python în Jupyter Notebooks furnizate ca parte a acestui curriculum. Aveți mai multe opțiuni pentru a rula codul: diff --git a/translations/ro/lessons/0-course-setup/setup.md b/translations/ro/lessons/0-course-setup/setup.md index da6eb8cd..75ee262c 100644 --- a/translations/ro/lessons/0-course-setup/setup.md +++ b/translations/ro/lessons/0-course-setup/setup.md @@ -1,12 +1,3 @@ - # Începerea cu acest curriculum ## Ești student? diff --git a/translations/ro/lessons/1-Intro/README.md b/translations/ro/lessons/1-Intro/README.md index e0b1057e..fc479e1c 100644 --- a/translations/ro/lessons/1-Intro/README.md +++ b/translations/ro/lessons/1-Intro/README.md @@ -1,12 +1,3 @@ - # Introducere în Inteligența Artificială ![Rezumat al conținutului Introducerii în AI într-un desen](../../../../translated_images/ro/ai-intro.bf28d1ac4235881c.webp) diff --git a/translations/ro/lessons/1-Intro/assignment.md b/translations/ro/lessons/1-Intro/assignment.md index 4a693ad6..f5e96ba5 100644 --- a/translations/ro/lessons/1-Intro/assignment.md +++ b/translations/ro/lessons/1-Intro/assignment.md @@ -1,12 +1,3 @@ - # Game Jam Jocurile sunt un domeniu care a fost puternic influențat de dezvoltările în AI și ML. În această temă, scrie un scurt eseu despre un joc care îți place și care a fost influențat de evoluția AI. Ar trebui să fie un joc suficient de vechi pentru a fi fost influențat de mai multe tipuri de sisteme de procesare a computerelor. Un exemplu bun este Șahul sau Go, dar poți analiza și jocuri video precum Pong sau Pac-Man. Scrie un eseu care discută despre trecutul, prezentul și viitorul AI al jocului. diff --git a/translations/ro/lessons/2-Symbolic/README.md b/translations/ro/lessons/2-Symbolic/README.md index 87f553f0..aa223865 100644 --- a/translations/ro/lessons/2-Symbolic/README.md +++ b/translations/ro/lessons/2-Symbolic/README.md @@ -1,15 +1,6 @@ - # Reprezentarea Cunoașterii și Sistemele Expert -![Rezumat al conținutului AI simbolic](../../../../../../translated_images/ro/ai-symbolic.715a30cb610411a6.webp) +![Rezumat al conținutului AI simbolic](../../../../translated_images/ro/ai-symbolic.715a30cb610411a6.webp) > Schiță realizată de [Tomomi Imura](https://twitter.com/girlie_mac) @@ -41,7 +32,7 @@ De cele mai multe ori, nu definim strict cunoașterea, ci o aliniem cu alte conc Astfel, problema **reprezentării cunoașterii** este să găsim o modalitate eficace de a reprezenta cunoașterea în interiorul unui calculator sub formă de date, pentru a o face utilizabilă automat. Aceasta poate fi văzută ca un spectru: -![Spectru al reprezentării cunoașterii](../../../../../../translated_images/ro/knowledge-spectrum.b60df631852c0217.webp) +![Spectru al reprezentării cunoașterii](../../../../translated_images/ro/knowledge-spectrum.b60df631852c0217.webp) > Imagine de [Dmitry Soshnikov](http://soshnikov.com) @@ -94,7 +85,7 @@ Sintaxă-Bloc | Indentare | | | Unul dintre succesele timpurii ale AI simbolic au fost aşa-numitele **sisteme expert** - sisteme de calculator proiectate să acționeze ca experți într-un domeniu de problemă limitat. Acestea se bazau pe o **bază de cunoștințe** extrasă de la unul sau mai mulți experți umani și conțineau un **motor de inferență** care făcea raționamente pe baza acesteia. -![Arhitectura umană](../../../../../../translated_images/ro/arch-human.5d4d35f1bba3ab1c.webp) | ![Sistem bazat pe cunoaștere](../../../../../../translated_images/ro/arch-kbs.3ec5c150b09fa8da.webp) +![Arhitectura umană](../../../../translated_images/ro/arch-human.5d4d35f1bba3ab1c.webp) | ![Sistem bazat pe cunoaștere](../../../../translated_images/ro/arch-kbs.3ec5c150b09fa8da.webp) ---------------------------------------------|------------------------------------------------ Structură simplificată a unui sistem neural uman | Arhitectura unui sistem bazat pe cunoaștere @@ -106,7 +97,7 @@ Sistemele expert sunt construite asemeni sistemului de raționament uman, care c Ca exemplu, să considerăm următorul sistem expert pentru determinarea unui animal bazat pe caracteristicile sale fizice: -![Arbore AND-OR](../../../../../../translated_images/ro/AND-OR-Tree.5592d2c70187f283.webp) +![Arbore AND-OR](../../../../translated_images/ro/AND-OR-Tree.5592d2c70187f283.webp) > Imagine de [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/ro/lessons/2-Symbolic/assignment.md b/translations/ro/lessons/2-Symbolic/assignment.md index c549ca17..24bf4bec 100644 --- a/translations/ro/lessons/2-Symbolic/assignment.md +++ b/translations/ro/lessons/2-Symbolic/assignment.md @@ -1,12 +1,3 @@ - # Construiește o Ontologie Construirea unei baze de cunoștințe înseamnă să categorisești un model care reprezintă fapte despre un subiect. Alege un subiect - cum ar fi o persoană, un loc sau un obiect - și apoi construiește un model al acelui subiect. Folosește unele dintre tehnicile și strategiile de construire a modelelor descrise în această lecție. Un exemplu ar fi crearea unei ontologii a unui living cu mobilier, lumini și așa mai departe. Cum diferă livingul de bucătărie? De baie? Cum știi că este un living și nu o sufragerie? Folosește [Protégé](https://protege.stanford.edu/) pentru a construi ontologia ta. diff --git a/translations/ro/lessons/3-NeuralNetworks/03-Perceptron/README.md b/translations/ro/lessons/3-NeuralNetworks/03-Perceptron/README.md index 7abe4c3c..3f5f1a3b 100644 --- a/translations/ro/lessons/3-NeuralNetworks/03-Perceptron/README.md +++ b/translations/ro/lessons/3-NeuralNetworks/03-Perceptron/README.md @@ -1,12 +1,3 @@ - # Introducere în Rețele Neuronale: Perceptron ## [Chestionar înainte de lecție](https://ff-quizzes.netlify.app/en/ai/quiz/5) @@ -15,7 +6,7 @@ Una dintre primele încercări de a implementa ceva similar cu o rețea neuronal | | | |--------------|-----------| -|Frank Rosenblatt | The Mark 1 Perceptron| +|Frank Rosenblatt | The Mark 1 Perceptron| > Imagini [de pe Wikipedia](https://en.wikipedia.org/wiki/Perceptron) @@ -34,7 +25,7 @@ y(x) = f(wTx) unde f este o funcție de activare de tip treaptă. - + ## Antrenarea Perceptronului diff --git a/translations/ro/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md b/translations/ro/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md index ac9a3f66..68351b71 100644 --- a/translations/ro/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md +++ b/translations/ro/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md @@ -1,12 +1,3 @@ - # Clasificare Multi-Clasă cu Perceptron Temă de laborator din [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ro/lessons/3-NeuralNetworks/04-OwnFramework/README.md b/translations/ro/lessons/3-NeuralNetworks/04-OwnFramework/README.md index d9271db8..99914532 100644 --- a/translations/ro/lessons/3-NeuralNetworks/04-OwnFramework/README.md +++ b/translations/ro/lessons/3-NeuralNetworks/04-OwnFramework/README.md @@ -1,12 +1,3 @@ - # Introducere în Rețele Neuronale. Perceptron Multi-Stratificat În secțiunea anterioară, ai învățat despre cel mai simplu model de rețea neuronală - perceptronul cu un singur strat, un model liniar de clasificare în două clase. @@ -65,7 +56,7 @@ Algoritmul gradient descent ar rămâne același, dar ar fi mai dificil de calcu Observați că partea din stânga a tuturor acestor expresii este aceeași, și astfel putem calcula eficient derivatele începând de la funcția de pierdere și mergând "înapoi" prin graful computațional. Astfel, metoda de antrenare a unui perceptron multi-stratificat este numită **backpropagation**, sau 'backprop'. -compute graph +compute graph > TODO: citarea imaginii diff --git a/translations/ro/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md b/translations/ro/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md index 81ab5de1..3732ec93 100644 --- a/translations/ro/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md +++ b/translations/ro/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md @@ -1,12 +1,3 @@ - # Clasificarea MNIST cu Propriul Cadru Temă de laborator din [Curriculumul AI pentru Începători](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ro/lessons/3-NeuralNetworks/05-Frameworks/README.md b/translations/ro/lessons/3-NeuralNetworks/05-Frameworks/README.md index ca31d4bb..e7959663 100644 --- a/translations/ro/lessons/3-NeuralNetworks/05-Frameworks/README.md +++ b/translations/ro/lessons/3-NeuralNetworks/05-Frameworks/README.md @@ -1,12 +1,3 @@ - # Frameworkuri pentru Rețele Neuronale Așa cum am învățat deja, pentru a putea antrena rețele neuronale eficient, trebuie să facem două lucruri: diff --git a/translations/ro/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md b/translations/ro/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md index de806643..706d1fd1 100644 --- a/translations/ro/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md +++ b/translations/ro/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md @@ -1,12 +1,3 @@ - # Clasificare cu PyTorch/TensorFlow Temă de laborator din [Curriculum AI pentru Începători](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ro/lessons/3-NeuralNetworks/README.md b/translations/ro/lessons/3-NeuralNetworks/README.md index d886d55a..4d70b049 100644 --- a/translations/ro/lessons/3-NeuralNetworks/README.md +++ b/translations/ro/lessons/3-NeuralNetworks/README.md @@ -1,12 +1,3 @@ - # Introducere în Rețele Neuronale ![Rezumat al conținutului despre Introducerea în Rețele Neuronale într-un desen](../../../../translated_images/ro/ai-neuralnetworks.1c687ae40bc86e83.webp) diff --git a/translations/ro/lessons/4-ComputerVision/06-IntroCV/README.md b/translations/ro/lessons/4-ComputerVision/06-IntroCV/README.md index e5f6a409..17992ea4 100644 --- a/translations/ro/lessons/4-ComputerVision/06-IntroCV/README.md +++ b/translations/ro/lessons/4-ComputerVision/06-IntroCV/README.md @@ -1,12 +1,3 @@ - # Introducere în Viziunea Computațională [Viziunea Computațională](https://wikipedia.org/wiki/Computer_vision) este o disciplină al cărei scop este să permită calculatoarelor să obțină o înțelegere de nivel înalt a imaginilor digitale. Aceasta este o definiție destul de largă, deoarece *înțelegerea* poate însemna multe lucruri diferite, inclusiv identificarea unui obiect într-o imagine (**detectarea obiectelor**), înțelegerea a ceea ce se întâmplă (**detectarea evenimentelor**), descrierea unei imagini în text sau reconstruirea unei scene în 3D. Există, de asemenea, sarcini speciale legate de imaginile umane: estimarea vârstei și emoțiilor, detectarea și identificarea fețelor, și estimarea poziției 3D, printre altele. @@ -115,7 +106,7 @@ Citește mai multe despre fluxul optic [în acest tutorial excelent](https://lea În acest laborator, vei filma un video cu gesturi simple, iar scopul tău este să extragi mișcările sus/jos/stânga/dreapta folosind flux optic. -Cadru Mișcare Palmă +Cadru Mișcare Palmă --- diff --git a/translations/ro/lessons/4-ComputerVision/06-IntroCV/lab/README.md b/translations/ro/lessons/4-ComputerVision/06-IntroCV/lab/README.md index 18fd15dc..efb65bc2 100644 --- a/translations/ro/lessons/4-ComputerVision/06-IntroCV/lab/README.md +++ b/translations/ro/lessons/4-ComputerVision/06-IntroCV/lab/README.md @@ -1,12 +1,3 @@ - # Detectarea Mișcărilor folosind Optical Flow Temă de laborator din [Curriculumul AI pentru Începători](https://aka.ms/ai-beginners). diff --git a/translations/ro/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md b/translations/ro/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md index 6f93aedd..f124fdce 100644 --- a/translations/ro/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md +++ b/translations/ro/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md @@ -1,12 +1,3 @@ - # Arhitecturi CNN Celebre ### VGG-16 @@ -25,7 +16,7 @@ După cum se poate observa, VGG urmează o arhitectură tradițională de tip pi ResNet este o familie de modele propusă de Microsoft Research în 2015. Ideea principală a ResNet este utilizarea **blocurilor reziduale**: - + > Imagine din [acest articol](https://arxiv.org/pdf/1512.03385.pdf) @@ -37,7 +28,7 @@ De asemenea, această rețea poate fi privită ca fiind capabilă să își ajus Arhitectura Google Inception duce această idee un pas mai departe și construiește fiecare strat al rețelei ca o combinație de mai multe căi diferite: - + > Imagine de la [Researchgate](https://www.researchgate.net/figure/Inception-module-with-dimension-reductions-left-and-schema-for-Inception-ResNet-v1_fig2_355547454) diff --git a/translations/ro/lessons/4-ComputerVision/07-ConvNets/README.md b/translations/ro/lessons/4-ComputerVision/07-ConvNets/README.md index 06cfe96d..6460bcf7 100644 --- a/translations/ro/lessons/4-ComputerVision/07-ConvNets/README.md +++ b/translations/ro/lessons/4-ComputerVision/07-ConvNets/README.md @@ -1,12 +1,3 @@ - # Rețele Neuronale Convoluționale Am văzut anterior că rețelele neuronale sunt destul de bune la procesarea imaginilor, iar chiar și un perceptron cu un singur strat este capabil să recunoască cifre scrise de mână din setul de date MNIST cu o acuratețe rezonabilă. Totuși, setul de date MNIST este foarte special, iar toate cifrele sunt centrate în interiorul imaginii, ceea ce face sarcina mai simplă. @@ -24,7 +15,7 @@ Pentru a extrage tipare, vom folosi noțiunea de **filtre convoluționale**. Dup De exemplu, dacă aplicăm filtre pentru margini verticale și orizontale de 3x3 pe cifrele MNIST, putem obține evidențieri (de exemplu, valori mari) acolo unde există margini verticale și orizontale în imaginea originală. Astfel, aceste două filtre pot fi utilizate pentru a "căuta" margini. În mod similar, putem proiecta diferite filtre pentru a căuta alte tipare de nivel scăzut: - + > Imagine a [Leung-Malik Filter Bank](https://www.robots.ox.ac.uk/~vgg/research/texclass/filters.html) diff --git a/translations/ro/lessons/4-ComputerVision/07-ConvNets/lab/README.md b/translations/ro/lessons/4-ComputerVision/07-ConvNets/lab/README.md index 08254cc3..e8c88572 100644 --- a/translations/ro/lessons/4-ComputerVision/07-ConvNets/lab/README.md +++ b/translations/ro/lessons/4-ComputerVision/07-ConvNets/lab/README.md @@ -1,12 +1,3 @@ - # Clasificarea Fețelor Animalelor de Companie Temă de laborator din [Curriculum AI pentru Începători](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ro/lessons/4-ComputerVision/08-TransferLearning/README.md b/translations/ro/lessons/4-ComputerVision/08-TransferLearning/README.md index e582da42..fd5783d5 100644 --- a/translations/ro/lessons/4-ComputerVision/08-TransferLearning/README.md +++ b/translations/ro/lessons/4-ComputerVision/08-TransferLearning/README.md @@ -1,12 +1,3 @@ - # Rețele Pre-antrenate și Învățarea prin Transfer Antrenarea CNN-urilor poate dura mult timp și necesită o cantitate mare de date. Totuși, o mare parte din timp este petrecut în învățarea celor mai bune filtre de nivel scăzut pe care o rețea le poate folosi pentru a extrage modele din imagini. O întrebare naturală apare - putem folosi o rețea neuronală antrenată pe un set de date și să o adaptăm pentru a clasifica imagini diferite fără a necesita un proces complet de antrenare? diff --git a/translations/ro/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md b/translations/ro/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md index 513dc33a..b6ded8e2 100644 --- a/translations/ro/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md +++ b/translations/ro/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md @@ -1,12 +1,3 @@ - # Trucuri pentru antrenarea rețelelor neuronale profunde Pe măsură ce rețelele neuronale devin mai adânci, procesul de antrenare devine din ce în ce mai dificil. Una dintre principalele probleme este așa-numita [problemă a gradientului care dispare](https://en.wikipedia.org/wiki/Vanishing_gradient_problem) sau [gradientul exploziv](https://deepai.org/machine-learning-glossary-and-terms/exploding-gradient-problem#:~:text=Exploding%20gradients%20are%20a%20problem,updates%20are%20small%20and%20controlled.). [Acest articol](https://towardsdatascience.com/the-vanishing-exploding-gradient-problem-in-deep-neural-networks-191358470c11) oferă o introducere bună în aceste probleme. diff --git a/translations/ro/lessons/4-ComputerVision/08-TransferLearning/lab/README.md b/translations/ro/lessons/4-ComputerVision/08-TransferLearning/lab/README.md index 1f0be524..c2812a1e 100644 --- a/translations/ro/lessons/4-ComputerVision/08-TransferLearning/lab/README.md +++ b/translations/ro/lessons/4-ComputerVision/08-TransferLearning/lab/README.md @@ -1,12 +1,3 @@ - # Clasificarea animalelor de companie Oxford folosind Transfer Learning Temă de laborator din [Curriculumul AI pentru Începători](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ro/lessons/4-ComputerVision/09-Autoencoders/README.md b/translations/ro/lessons/4-ComputerVision/09-Autoencoders/README.md index a5ac5fe7..b82554ed 100644 --- a/translations/ro/lessons/4-ComputerVision/09-Autoencoders/README.md +++ b/translations/ro/lessons/4-ComputerVision/09-Autoencoders/README.md @@ -1,12 +1,3 @@ - # Autoencodere Când antrenăm CNN-uri, una dintre probleme este că avem nevoie de o cantitate mare de date etichetate. În cazul clasificării imaginilor, trebuie să separăm imaginile în clase diferite, ceea ce presupune un efort manual. @@ -46,7 +37,7 @@ Pe scurt: * Eșantionăm un vector `sample` din distribuția N(zmean,exp(zlog\_sigma)) * Decoderul încearcă să decodeze imaginea originală folosind `sample` ca vector de intrare - + > Imagine din [acest articol de blog](https://ijdykeman.github.io/ml/2016/12/21/cvae.html) de Isaak Dykeman @@ -57,13 +48,13 @@ Autoencoderele variaționale folosesc o funcție de pierdere complexă care cons Un avantaj important al VAE-urilor este că permit generarea de imagini noi relativ ușor, deoarece știm din ce distribuție să eșantionăm vectorii latenți. De exemplu, dacă antrenăm un VAE cu un vector latent 2D pe MNIST, putem varia componentele vectorului latent pentru a obține cifre diferite: -vaemnist +vaemnist > Imagine de [Dmitry Soshnikov](http://soshnikov.com) Observați cum imaginile se îmbină între ele, pe măsură ce începem să obținem vectori latenți din diferite porțiuni ale spațiului parametrilor latenți. Putem, de asemenea, să vizualizăm acest spațiu în 2D: -vaemnist cluster +vaemnist cluster > Imagine de [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/ro/lessons/4-ComputerVision/10-GANs/README.md b/translations/ro/lessons/4-ComputerVision/10-GANs/README.md index 8e3f74ec..a052474a 100644 --- a/translations/ro/lessons/4-ComputerVision/10-GANs/README.md +++ b/translations/ro/lessons/4-ComputerVision/10-GANs/README.md @@ -1,12 +1,3 @@ - # Rețele Generative Adversariale În secțiunea anterioară, am învățat despre **modele generative**: modele care pot genera imagini noi similare cu cele din setul de date de antrenament. VAE a fost un exemplu bun de model generativ. @@ -17,7 +8,7 @@ Totuși, dacă încercăm să generăm ceva cu adevărat semnificativ, cum ar fi Ideea principală a unui GAN este să avem două rețele neuronale care vor fi antrenate una împotriva celeilalte: - + > Imagine de [Dmitry Soshnikov](http://soshnikov.com) @@ -41,7 +32,7 @@ Un Generator este puțin mai complicat. Îl puteți considera ca fiind un discri > ✅ Deoarece stratul de convoluție este implementat ca un filtru liniar care traversează imaginea, deconvoluția este esențial similară cu convoluția și poate fi implementată folosind aceeași logică de strat. - + > Imagine de [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/ro/lessons/4-ComputerVision/11-ObjectDetection/README.md b/translations/ro/lessons/4-ComputerVision/11-ObjectDetection/README.md index 5abcd2e0..f3dd857c 100644 --- a/translations/ro/lessons/4-ComputerVision/11-ObjectDetection/README.md +++ b/translations/ro/lessons/4-ComputerVision/11-ObjectDetection/README.md @@ -1,12 +1,3 @@ - # Detectarea Obiectelor Modelele de clasificare a imaginilor pe care le-am abordat până acum au luat o imagine și au produs un rezultat categoric, cum ar fi clasa 'număr' într-o problemă MNIST. Totuși, în multe cazuri nu dorim doar să știm că o imagine conține obiecte - vrem să putem determina locația lor exactă. Acesta este scopul **detectării obiectelor**. diff --git a/translations/ro/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md b/translations/ro/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md index b3436e4a..a1df5afd 100644 --- a/translations/ro/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md +++ b/translations/ro/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md @@ -1,12 +1,3 @@ - # Detectarea capetelor folosind Hollywood Heads Dataset Temă de laborator din [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ro/lessons/4-ComputerVision/12-Segmentation/README.md b/translations/ro/lessons/4-ComputerVision/12-Segmentation/README.md index 11ed4828..779145d7 100644 --- a/translations/ro/lessons/4-ComputerVision/12-Segmentation/README.md +++ b/translations/ro/lessons/4-ComputerVision/12-Segmentation/README.md @@ -1,12 +1,3 @@ - # Segmentare Am învățat anterior despre Detectarea Obiectelor, care ne permite să localizăm obiectele din imagine prin prezicerea *cutiilor de delimitare*. Totuși, pentru unele sarcini nu avem nevoie doar de cutii de delimitare, ci și de o localizare mai precisă a obiectelor. Această sarcină se numește **segmentare**. @@ -20,7 +11,7 @@ Segmentarea poate fi privită ca **clasificarea pixelilor**, în care pentru **f De exemplu, pentru segmentarea instanțelor, aceste oi sunt obiecte diferite, dar pentru segmentarea semantică toate oile sunt reprezentate de o singură clasă. - + > Imagine din [acest articol de blog](https://nirmalamurali.medium.com/image-classification-vs-semantic-segmentation-vs-instance-segmentation-625c33a08d50) @@ -29,7 +20,7 @@ Există diferite arhitecturi neuronale pentru segmentare, dar toate au aceeași * **Encoder** extrage caracteristici din imaginea de intrare. * **Decoder** transformă aceste caracteristici în **imaginea măștii**, cu aceeași dimensiune și număr de canale corespunzător numărului de clase. - + > Imagine din [această publicație](https://arxiv.org/pdf/2001.05566.pdf) @@ -43,7 +34,7 @@ Trebuie să menționăm în mod special funcția de pierdere utilizată pentru s > ✅ Această tehnică este deosebit de potrivită pentru acest tip de imagistică medicală, dar ce alte aplicații din lumea reală ai putea imagina? -navi +navi > Imagine din Baza de Date PH2 diff --git a/translations/ro/lessons/4-ComputerVision/12-Segmentation/lab/README.md b/translations/ro/lessons/4-ComputerVision/12-Segmentation/lab/README.md index 24574d99..8f50bab3 100644 --- a/translations/ro/lessons/4-ComputerVision/12-Segmentation/lab/README.md +++ b/translations/ro/lessons/4-ComputerVision/12-Segmentation/lab/README.md @@ -1,12 +1,3 @@ - # Segmentarea Corpului Uman Temă de laborator din [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ro/lessons/4-ComputerVision/README.md b/translations/ro/lessons/4-ComputerVision/README.md index 6c1f6641..72a6c352 100644 --- a/translations/ro/lessons/4-ComputerVision/README.md +++ b/translations/ro/lessons/4-ComputerVision/README.md @@ -1,12 +1,3 @@ - # Viziune Computerizată ![Rezumat al conținutului despre Viziune Computerizată într-un desen](../../../../translated_images/ro/ai-computervision.6506ebebac3fbf76.webp) diff --git a/translations/ro/lessons/5-NLP/13-TextRep/README.md b/translations/ro/lessons/5-NLP/13-TextRep/README.md index 0bc0e23d..99797c84 100644 --- a/translations/ro/lessons/5-NLP/13-TextRep/README.md +++ b/translations/ro/lessons/5-NLP/13-TextRep/README.md @@ -1,12 +1,3 @@ - # Reprezentarea textului ca tensori ## [Chestionar înainte de lecție](https://ff-quizzes.netlify.app/en/ai/quiz/25) @@ -25,7 +16,7 @@ Obiectivul nostru va fi să clasificăm articolul de știri într-una dintre cat Dacă dorim să rezolvăm sarcini de Procesare a Limbajului Natural (NLP) cu rețele neuronale, avem nevoie de o modalitate de a reprezenta textul ca tensori. Calculatoarele deja reprezintă caracterele textuale ca numere care se mapează la fonturi pe ecranul tău, utilizând codificări precum ASCII sau UTF-8. -Imagine care arată o diagramă ce mapează un caracter la o reprezentare ASCII și binară +Imagine care arată o diagramă ce mapează un caracter la o reprezentare ASCII și binară > [Sursa imaginii](https://www.seobility.net/en/wiki/ASCII) @@ -48,7 +39,7 @@ Indiferent de reprezentare, mai întâi trebuie să convertim textul într-o sec Când rezolvăm sarcini precum clasificarea textului, trebuie să fim capabili să reprezentăm textul printr-un vector de dimensiune fixă, pe care îl vom utiliza ca intrare pentru clasificatorul dens final. Una dintre cele mai simple modalități de a face acest lucru este să combinăm toate reprezentările individuale ale cuvintelor, de exemplu, prin adunarea lor. Dacă adunăm codificările one-hot ale fiecărui cuvânt, vom obține un vector de frecvențe, care arată de câte ori apare fiecare cuvânt în text. O astfel de reprezentare a textului se numește **bag of words** (BoW). - + > Imagine de autor diff --git a/translations/ro/lessons/5-NLP/13-TextRep/assignment.md b/translations/ro/lessons/5-NLP/13-TextRep/assignment.md index 47020da5..45be27f9 100644 --- a/translations/ro/lessons/5-NLP/13-TextRep/assignment.md +++ b/translations/ro/lessons/5-NLP/13-TextRep/assignment.md @@ -1,12 +1,3 @@ - # Tema: Caiete de notițe Folosind caietele de notițe asociate acestei lecții (fie versiunea PyTorch, fie cea TensorFlow), rulează-le din nou utilizând propriul tău set de date, poate unul de pe Kaggle, utilizat cu atribuire. Rescrie caietul de notițe pentru a evidenția propriile tale descoperiri. Încearcă unele seturi de date inovatoare care ar putea fi surprinzătoare, cum ar fi [acesta despre observațiile OZN](https://www.kaggle.com/datasets/NUFORC/ufo-sightings) de la NUFORC. diff --git a/translations/ro/lessons/5-NLP/14-Embeddings/README.md b/translations/ro/lessons/5-NLP/14-Embeddings/README.md index ff7e8a59..4ef9663a 100644 --- a/translations/ro/lessons/5-NLP/14-Embeddings/README.md +++ b/translations/ro/lessons/5-NLP/14-Embeddings/README.md @@ -1,12 +1,3 @@ - # Încapsulări ## [Chestionar înainte de lecție](https://ff-quizzes.netlify.app/en/ai/quiz/27) diff --git a/translations/ro/lessons/5-NLP/14-Embeddings/assignment.md b/translations/ro/lessons/5-NLP/14-Embeddings/assignment.md index 49df4c9b..c955260f 100644 --- a/translations/ro/lessons/5-NLP/14-Embeddings/assignment.md +++ b/translations/ro/lessons/5-NLP/14-Embeddings/assignment.md @@ -1,12 +1,3 @@ - # Tema: Caiete de notițe Folosind caietele de notițe asociate acestei lecții (fie versiunea PyTorch, fie versiunea TensorFlow), rulează-le din nou utilizând propriul tău set de date, poate unul de pe Kaggle, utilizat cu atribuirea corespunzătoare. Rescrie caietul de notițe pentru a evidenția propriile tale descoperiri. Încearcă un tip diferit de set de date și documentează-ți concluziile, folosind text precum [aceste versuri ale Beatles](https://www.kaggle.com/datasets/jenlooper/beatles-lyrics). diff --git a/translations/ro/lessons/5-NLP/15-LanguageModeling/README.md b/translations/ro/lessons/5-NLP/15-LanguageModeling/README.md index fc74277d..e93081a3 100644 --- a/translations/ro/lessons/5-NLP/15-LanguageModeling/README.md +++ b/translations/ro/lessons/5-NLP/15-LanguageModeling/README.md @@ -1,12 +1,3 @@ - # Modelarea Limbajului Încorporările semantice, precum Word2Vec și GloVe, reprezintă de fapt un prim pas către **modelarea limbajului** - crearea de modele care într-un fel *înțeleg* (sau *reprezintă*) natura limbajului. diff --git a/translations/ro/lessons/5-NLP/15-LanguageModeling/lab/README.md b/translations/ro/lessons/5-NLP/15-LanguageModeling/lab/README.md index e40b46d4..9ac77c47 100644 --- a/translations/ro/lessons/5-NLP/15-LanguageModeling/lab/README.md +++ b/translations/ro/lessons/5-NLP/15-LanguageModeling/lab/README.md @@ -1,12 +1,3 @@ - # Antrenarea modelului Skip-Gram Temă de laborator din [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ro/lessons/5-NLP/16-RNN/README.md b/translations/ro/lessons/5-NLP/16-RNN/README.md index 0db9d938..aee26b75 100644 --- a/translations/ro/lessons/5-NLP/16-RNN/README.md +++ b/translations/ro/lessons/5-NLP/16-RNN/README.md @@ -1,12 +1,3 @@ - # Rețele Neuronale Recurente ## [Chestionar înainte de curs](https://ff-quizzes.netlify.app/en/ai/quiz/31) @@ -31,7 +22,7 @@ Să vedem cum este organizată o celulă RNN simplă. Aceasta acceptă starea an O celulă RNN simplă are două matrice de greutăți în interior: una transformă un simbol de intrare (să o numim W), iar cealaltă transformă o stare de intrare (H). În acest caz, ieșirea rețelei este calculată ca σ(W×Xi+H×Si-1+b), unde σ este funcția de activare și b este un bias suplimentar. -Anatomia unei celule RNN +Anatomia unei celule RNN > Imagine realizată de autor diff --git a/translations/ro/lessons/5-NLP/16-RNN/assignment.md b/translations/ro/lessons/5-NLP/16-RNN/assignment.md index 67633aa5..70ca5410 100644 --- a/translations/ro/lessons/5-NLP/16-RNN/assignment.md +++ b/translations/ro/lessons/5-NLP/16-RNN/assignment.md @@ -1,12 +1,3 @@ - # Tema: Caiete de notițe Folosind caietele de notițe asociate acestei lecții (fie versiunea PyTorch, fie versiunea TensorFlow), rulați-le din nou utilizând propriul set de date, poate unul de pe Kaggle, utilizat cu atribuirea corespunzătoare. Rescrieți caietul de notițe pentru a evidenția propriile descoperiri. Încercați un alt tip de set de date și documentați-vă concluziile, folosind text precum [acest set de date din competiția Kaggle despre tweet-uri legate de vreme](https://www.kaggle.com/competitions/crowdflower-weather-twitter/data?select=train.csv). diff --git a/translations/ro/lessons/5-NLP/17-GenerativeNetworks/README.md b/translations/ro/lessons/5-NLP/17-GenerativeNetworks/README.md index 24be20d2..f3fe951f 100644 --- a/translations/ro/lessons/5-NLP/17-GenerativeNetworks/README.md +++ b/translations/ro/lessons/5-NLP/17-GenerativeNetworks/README.md @@ -1,12 +1,3 @@ - # Rețele generative ## [Chestionar înainte de curs](https://ff-quizzes.netlify.app/en/ai/quiz/33) @@ -36,7 +27,7 @@ Vom antrena acest RNN pentru a genera text pas cu pas. La fiecare pas, vom lua o Când generăm text (în timpul inferenței), începem cu un **prompt**, care este trecut prin celulele RNN pentru a genera starea intermediară, iar apoi, din această stare, începe generarea. Generăm un caracter pe rând și transmitem starea și caracterul generat unei alte celule RNN pentru a genera următorul, până când generăm suficiente caractere. - + > Imagine realizată de autor diff --git a/translations/ro/lessons/5-NLP/17-GenerativeNetworks/lab/README.md b/translations/ro/lessons/5-NLP/17-GenerativeNetworks/lab/README.md index 48698300..6df1e03a 100644 --- a/translations/ro/lessons/5-NLP/17-GenerativeNetworks/lab/README.md +++ b/translations/ro/lessons/5-NLP/17-GenerativeNetworks/lab/README.md @@ -1,12 +1,3 @@ - # Generarea de text la nivel de cuvinte folosind RNN-uri Temă de laborator din [Curriculum AI pentru Începători](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ro/lessons/5-NLP/18-Transformers/README.md b/translations/ro/lessons/5-NLP/18-Transformers/README.md index 3824bf1c..0a1cd8aa 100644 --- a/translations/ro/lessons/5-NLP/18-Transformers/README.md +++ b/translations/ro/lessons/5-NLP/18-Transformers/README.md @@ -1,12 +1,3 @@ - # Mecanisme de Atenție și Transformere ## [Chestionar înainte de lecție](https://ff-quizzes.netlify.app/en/ai/quiz/35) @@ -56,7 +47,7 @@ Ideea codificării poziționale este următoarea. * Încorporare antrenabilă, similară cu încorporarea tokenilor. Aceasta este abordarea pe care o considerăm aici. Aplicăm straturi de încorporare atât pe tokeni, cât și pe pozițiile lor, rezultând vectori de încorporare de aceeași dimensiune, pe care îi adunăm. * Funcție fixă de codificare pozițională, așa cum este propusă în lucrarea originală. - + > Imagine de autor diff --git a/translations/ro/lessons/5-NLP/18-Transformers/assignment.md b/translations/ro/lessons/5-NLP/18-Transformers/assignment.md index 64872f4d..4c1b0244 100644 --- a/translations/ro/lessons/5-NLP/18-Transformers/assignment.md +++ b/translations/ro/lessons/5-NLP/18-Transformers/assignment.md @@ -1,12 +1,3 @@ - # Tema: Transformeri Experimentează cu Transformeri pe HuggingFace! Încearcă unele dintre scripturile pe care le oferă pentru a lucra cu diferitele modele disponibile pe site-ul lor: https://huggingface.co/docs/transformers/run_scripts. Încearcă unul dintre seturile lor de date, apoi importă unul propriu din acest curriculum sau de pe Kaggle și vezi dacă poți genera texte interesante. Creează un notebook cu concluziile tale. diff --git a/translations/ro/lessons/5-NLP/19-NER/README.md b/translations/ro/lessons/5-NLP/19-NER/README.md index 96ac9750..b97a39ee 100644 --- a/translations/ro/lessons/5-NLP/19-NER/README.md +++ b/translations/ro/lessons/5-NLP/19-NER/README.md @@ -1,12 +1,3 @@ - # Recunoașterea Entităților Denumite Până acum, ne-am concentrat în principal pe o singură sarcină NLP - clasificarea. Totuși, există și alte sarcini NLP care pot fi realizate cu ajutorul rețelelor neuronale. Una dintre aceste sarcini este **[Recunoașterea Entităților Denumite](https://wikipedia.org/wiki/Named-entity_recognition)** (NER), care se ocupă cu identificarea entităților specifice din text, cum ar fi locuri, nume de persoane, intervale de timp, formule chimice și altele. @@ -17,7 +8,7 @@ Până acum, ne-am concentrat în principal pe o singură sarcină NLP - clasifi Să presupunem că dorești să dezvolți un chatbot de limbaj natural, similar cu Amazon Alexa sau Google Assistant. Modul în care funcționează chatbot-urile inteligente este să *înțeleagă* ce dorește utilizatorul prin clasificarea textului din propoziția de intrare. Rezultatul acestei clasificări este așa-numitul **intent**, care determină ce ar trebui să facă chatbot-ul. -Bot NER +Bot NER > Imagine realizată de autor diff --git a/translations/ro/lessons/5-NLP/19-NER/lab/README.md b/translations/ro/lessons/5-NLP/19-NER/lab/README.md index 5d7ba675..9e14ec93 100644 --- a/translations/ro/lessons/5-NLP/19-NER/lab/README.md +++ b/translations/ro/lessons/5-NLP/19-NER/lab/README.md @@ -1,12 +1,3 @@ - # NER Temă de laborator din [Curriculum AI pentru Începători](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/ro/lessons/5-NLP/20-LangModels/README.md b/translations/ro/lessons/5-NLP/20-LangModels/README.md index 80ae7eef..a0d38e5c 100644 --- a/translations/ro/lessons/5-NLP/20-LangModels/README.md +++ b/translations/ro/lessons/5-NLP/20-LangModels/README.md @@ -1,12 +1,3 @@ - # Modele Mari de Limbaj Pre-Antrenate În toate sarcinile anterioare, am antrenat o rețea neuronală pentru a îndeplini o anumită sarcină folosind un set de date etichetat. Cu modele mari de tip transformer, precum BERT, utilizăm modelarea limbajului într-un mod auto-supervizat pentru a construi un model de limbaj, care este apoi specializat pentru o sarcină specifică prin antrenament suplimentar specific domeniului. Totuși, s-a demonstrat că modelele mari de limbaj pot rezolva multe sarcini fără NICIUN antrenament specific domeniului. O familie de modele capabile să facă acest lucru se numește **GPT**: Generative Pre-Trained Transformer. diff --git a/translations/ro/lessons/5-NLP/README.md b/translations/ro/lessons/5-NLP/README.md index e248bc1e..6295bf41 100644 --- a/translations/ro/lessons/5-NLP/README.md +++ b/translations/ro/lessons/5-NLP/README.md @@ -1,12 +1,3 @@ - # Procesarea Limbajului Natural ![Rezumat al sarcinilor NLP într-un desen](../../../../translated_images/ro/ai-nlp.b22dcb8ca4707cea.webp) diff --git a/translations/ro/lessons/6-Other/21-GeneticAlgorithms/README.md b/translations/ro/lessons/6-Other/21-GeneticAlgorithms/README.md index 62018699..baec0a7e 100644 --- a/translations/ro/lessons/6-Other/21-GeneticAlgorithms/README.md +++ b/translations/ro/lessons/6-Other/21-GeneticAlgorithms/README.md @@ -1,12 +1,3 @@ - # Algoritmi Genetici ## [Chestionar înainte de curs](https://ff-quizzes.netlify.app/en/ai/quiz/41) diff --git a/translations/ro/lessons/6-Other/22-DeepRL/README.md b/translations/ro/lessons/6-Other/22-DeepRL/README.md index fad92fae..d72ed26a 100644 --- a/translations/ro/lessons/6-Other/22-DeepRL/README.md +++ b/translations/ro/lessons/6-Other/22-DeepRL/README.md @@ -1,12 +1,3 @@ - # Învățare prin Recompensă Profundă Învățarea prin recompensă (RL) este considerată unul dintre paradigmele de bază ale învățării automate, alături de învățarea supravegheată și nesupravegheată. În timp ce în învățarea supravegheată ne bazăm pe un set de date cu rezultate cunoscute, RL se bazează pe **învățarea prin acțiune**. De exemplu, când vedem pentru prima dată un joc pe calculator, începem să jucăm, chiar dacă nu cunoaștem regulile, și în scurt timp ne putem îmbunătăți abilitățile doar prin procesul de joc și ajustarea comportamentului. @@ -34,7 +25,7 @@ Probabil ați văzut cu toții dispozitive moderne de echilibrare, cum ar fi *Se O versiune simplificată a echilibrării este cunoscută sub numele de problema **CartPole**. În lumea CartPole, avem un slider orizontal care se poate mișca la stânga sau la dreapta, iar scopul este să echilibrăm un stâlp vertical deasupra sliderului în timp ce acesta se mișcă. -un cartpole +un cartpole Pentru a crea și utiliza acest mediu, avem nevoie de câteva linii de cod Python: diff --git a/translations/ro/lessons/6-Other/22-DeepRL/lab/README.md b/translations/ro/lessons/6-Other/22-DeepRL/lab/README.md index 3ff98348..99294cf1 100644 --- a/translations/ro/lessons/6-Other/22-DeepRL/lab/README.md +++ b/translations/ro/lessons/6-Other/22-DeepRL/lab/README.md @@ -1,12 +1,3 @@ - ## Mediul Mediul Mountain Car constă într-o mașină prinsă într-o vale. Scopul tău este să sari afară din vale și să ajungi la steag. Acțiunile pe care le poți efectua sunt accelerarea spre stânga, spre dreapta sau să nu faci nimic. Poți observa poziția mașinii de-a lungul axei x și viteza. diff --git a/translations/ro/lessons/6-Other/23-MultiagentSystems/README.md b/translations/ro/lessons/6-Other/23-MultiagentSystems/README.md index 42e3140d..f043075b 100644 --- a/translations/ro/lessons/6-Other/23-MultiagentSystems/README.md +++ b/translations/ro/lessons/6-Other/23-MultiagentSystems/README.md @@ -1,12 +1,3 @@ - # Sisteme Multi-Agent Una dintre modalitățile posibile de a obține inteligență este abordarea așa-numită **emergentă** (sau **sinergică**), care se bazează pe faptul că comportamentul combinat al multor agenți relativ simpli poate duce la un comportament general mai complex (sau inteligent) al sistemului în ansamblu. Teoretic, aceasta se bazează pe principiile [Inteligenței Colective](https://en.wikipedia.org/wiki/Collective_intelligence), [Emergentismului](https://en.wikipedia.org/wiki/Global_brain) și [Ciberneticii Evolutive](https://en.wikipedia.org/wiki/Global_brain), care afirmă că sistemele de nivel superior obțin un fel de valoare adăugată atunci când sunt combinate corespunzător din sisteme de nivel inferior (așa-numitul *principiu al tranziției metasistemului*). @@ -60,7 +51,7 @@ Poți [descărca](https://ccl.northwestern.edu/netlogo/download.shtml) și insta Un lucru grozav despre NetLogo este că conține o bibliotecă de modele funcționale pe care le poți încerca. Mergi la **File → Models Library**, și vei avea multe categorii de modele din care să alegi. -Biblioteca de modele NetLogo +Biblioteca de modele NetLogo > O captură de ecran a bibliotecii de modele de Dmitry Soshnikov diff --git a/translations/ro/lessons/6-Other/23-MultiagentSystems/assignment.md b/translations/ro/lessons/6-Other/23-MultiagentSystems/assignment.md index d4192068..79c4b1cd 100644 --- a/translations/ro/lessons/6-Other/23-MultiagentSystems/assignment.md +++ b/translations/ro/lessons/6-Other/23-MultiagentSystems/assignment.md @@ -1,12 +1,3 @@ - # Tema NetLogo Alege unul dintre modelele din biblioteca NetLogo și folosește-l pentru a simula o situație din viața reală cât mai fidel posibil. Un exemplu bun ar fi să modifici modelul Virus din folderul Alternative Visualizations pentru a arăta cum poate fi utilizat pentru a modela răspândirea COVID-19. Poți construi un model care să imite răspândirea reală a unui virus? diff --git a/translations/ro/lessons/7-Ethics/README.md b/translations/ro/lessons/7-Ethics/README.md index 248cf918..8ce84f07 100644 --- a/translations/ro/lessons/7-Ethics/README.md +++ b/translations/ro/lessons/7-Ethics/README.md @@ -1,12 +1,3 @@ - # Inteligență Artificială Etică și Responsabilă Ai aproape terminat acest curs și sper că până acum ai înțeles clar că inteligența artificială (IA) se bazează pe o serie de metode matematice formale care ne permit să găsim relații în date și să antrenăm modele pentru a replica anumite aspecte ale comportamentului uman. În acest moment al istoriei, considerăm IA ca fiind un instrument foarte puternic pentru a extrage tipare din date și pentru a aplica aceste tipare în rezolvarea unor probleme noi. diff --git a/translations/ro/lessons/README.md b/translations/ro/lessons/README.md index c1ddd4c4..0ef0a877 100644 --- a/translations/ro/lessons/README.md +++ b/translations/ro/lessons/README.md @@ -1,12 +1,3 @@ - # Prezentare generală ![Prezentare generală într-un desen](../../../translated_images/ro/ai-overview.0857791951d19500.webp) diff --git a/translations/ro/lessons/X-Extras/X1-MultiModal/README.md b/translations/ro/lessons/X-Extras/X1-MultiModal/README.md index 627b88bc..6a0e29be 100644 --- a/translations/ro/lessons/X-Extras/X1-MultiModal/README.md +++ b/translations/ro/lessons/X-Extras/X1-MultiModal/README.md @@ -1,12 +1,3 @@ - # Rețele Multi-Modale După succesul modelelor transformer în rezolvarea sarcinilor NLP, aceleași sau arhitecturi similare au fost aplicate și în sarcinile de viziune computerizată. Există un interes tot mai mare în construirea de modele care să *combine* capabilitățile de viziune și limbaj natural. Unul dintre aceste eforturi a fost realizat de OpenAI și se numește CLIP și DALL.E. diff --git a/translations/ro/lessons/sketchnotes/LICENSE.md b/translations/ro/lessons/sketchnotes/LICENSE.md index e5539d7d..c623fa7f 100644 --- a/translations/ro/lessons/sketchnotes/LICENSE.md +++ b/translations/ro/lessons/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - Drepturi, această licență se aplică și pentru baza de date respectivă, cu condiția să respectați condițiile stabilite în Secțiunea 3 (Attribution) și Secțiunea 3(b) (ShareAlike); și c. nu puteți aplica măsuri tehnologice eficiente sau impune alte restricții care să limiteze drepturile acordate de această licență asupra bazei de date. diff --git a/translations/ro/lessons/sketchnotes/README.md b/translations/ro/lessons/sketchnotes/README.md index e1d31ae3..dd1392da 100644 --- a/translations/ro/lessons/sketchnotes/README.md +++ b/translations/ro/lessons/sketchnotes/README.md @@ -1,12 +1,3 @@ - Toate notițele vizuale ale curriculumului pot fi descărcate de aici. 🎨 Creat de: Tomomi Imura (Twitter: [@girlie_mac](https://twitter.com/girlie_mac), GitHub: [girliemac](https://github.com/girliemac)) diff --git a/translations/ro/troubleshoot.md b/translations/ro/troubleshoot.md index d53c0f95..f2e23d6d 100644 --- a/translations/ro/troubleshoot.md +++ b/translations/ro/troubleshoot.md @@ -1,12 +1,3 @@ - # Ghid de depanare AI-For-Beginners Acest ghid te ajută să rezolvi problemele comune întâlnite în utilizarea sau contribuția la repository-ul [AI-For-Beginners](https://github.com/microsoft/AI-For-Beginners). Fiecare problemă include context, simptome, explicații și soluții pas cu pas. diff --git a/translations/sr/.co-op-translator.json b/translations/sr/.co-op-translator.json new file mode 100644 index 00000000..b8e65fd3 --- /dev/null +++ b/translations/sr/.co-op-translator.json @@ -0,0 +1,398 @@ +{ + "AGENTS.md": { + "original_hash": "6b11a37115944252ab3ed04e358d830d", + "translation_date": "2025-10-03T09:30:01+00:00", + "source_file": "AGENTS.md", + "language_code": "sr" + }, + "README.md": { + "original_hash": "1984fc89dd304a8a33ab5584691a99aa", + "translation_date": "2026-01-30T02:36:35+00:00", + "source_file": "README.md", + "language_code": "sr" + }, + "SECURITY.md": { + "original_hash": "a583f49d359c7ebba61433e4dfcd05a9", + "translation_date": "2025-08-25T21:21:48+00:00", + "source_file": "SECURITY.md", + "language_code": "sr" + }, + "etc/CODE_OF_CONDUCT.md": { + "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56", + "translation_date": "2025-08-26T00:44:51+00:00", + "source_file": "etc/CODE_OF_CONDUCT.md", + "language_code": "sr" + }, + "etc/CONTRIBUTING.md": { + "original_hash": "847a587aa1b83f4d00858183ff3ed18a", + "translation_date": "2025-08-26T00:47:50+00:00", + "source_file": "etc/CONTRIBUTING.md", + "language_code": "sr" + }, + "etc/Mindmap.md": { + "original_hash": "f2f88dbd2debd38e26149b27b1fd272d", + "translation_date": "2025-08-26T00:50:40+00:00", + "source_file": "etc/Mindmap.md", + "language_code": "sr" + }, + "etc/SUPPORT.md": { + "original_hash": "fdfc08baee91e402938a2b1f94fe0949", + "translation_date": "2025-08-26T00:43:49+00:00", + "source_file": "etc/SUPPORT.md", + "language_code": "sr" + }, + "etc/TRANSLATIONS.md": { + "original_hash": "62b3e3ad5182edb905eec649a87eeeb4", + "translation_date": "2025-08-26T00:46:12+00:00", + "source_file": "etc/TRANSLATIONS.md", + "language_code": "sr" + }, + "etc/quiz-app/README.md": { + "original_hash": "d699cf8509f74baa5b0b838de5cf0662", + "translation_date": "2025-08-26T00:54:21+00:00", + "source_file": "etc/quiz-app/README.md", + "language_code": "sr" + }, + "examples/README.md": { + "original_hash": "0d1babfdcbeb46525f2db3fbaaa54cd7", + "translation_date": "2025-10-03T11:34:33+00:00", + "source_file": "examples/README.md", + "language_code": "sr" + }, + "lessons/0-course-setup/for-teachers.md": { + "original_hash": "a094ef9927883de1cfcee51dbd143381", + "translation_date": "2025-08-26T00:39:24+00:00", + "source_file": "lessons/0-course-setup/for-teachers.md", + "language_code": "sr" + }, + "lessons/0-course-setup/how-to-run.md": { + "original_hash": "a4717bd9103b9f6cd84d534b83534689", + "translation_date": "2026-01-16T05:37:07+00:00", + "source_file": "lessons/0-course-setup/how-to-run.md", + "language_code": "sr" + }, + "lessons/0-course-setup/setup.md": { + "original_hash": "7b4e5b8956915870d0a0ed3cc5890042", + "translation_date": "2025-12-12T20:19:05+00:00", + "source_file": "lessons/0-course-setup/setup.md", + "language_code": "sr" + }, + "lessons/1-Intro/README.md": { + "original_hash": "f57e8aa46141fd220b16ffed8f11aec7", + "translation_date": "2025-11-18T22:06:42+00:00", + "source_file": "lessons/1-Intro/README.md", + "language_code": "sr" + }, + "lessons/1-Intro/assignment.md": { + "original_hash": "a334df77a82aaaf2a29c77065d3e481e", + "translation_date": "2025-11-18T22:07:55+00:00", + "source_file": "lessons/1-Intro/assignment.md", + "language_code": "sr" + }, + "lessons/2-Symbolic/README.md": { + "original_hash": "f9f06b266b8b2bfc6b8792ff2bb1bea4", + "translation_date": "2026-01-16T05:37:29+00:00", + "source_file": "lessons/2-Symbolic/README.md", + "language_code": "sr" + }, + "lessons/2-Symbolic/assignment.md": { + "original_hash": "a057a8604f3976c3e309884453f1fad0", + "translation_date": "2025-08-26T00:34:12+00:00", + "source_file": "lessons/2-Symbolic/assignment.md", + "language_code": "sr" + }, + "lessons/3-NeuralNetworks/03-Perceptron/README.md": { + "original_hash": "c34cbba802058b6fa267e1a294d4e510", + "translation_date": "2025-09-23T14:44:55+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/README.md", + "language_code": "sr" + }, + "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md": { + "original_hash": "ba5d1eb353d20d3e7181066b3c424b99", + "translation_date": "2025-08-29T22:51:53+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md", + "language_code": "sr" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/README.md": { + "original_hash": "789d6c3fb6fc7948a470b33078a5983a", + "translation_date": "2025-09-23T14:44:30+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/README.md", + "language_code": "sr" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md": { + "original_hash": "48fdd704d483e19bc3d7464074c9fcbe", + "translation_date": "2025-08-25T23:49:15+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md", + "language_code": "sr" + }, + "lessons/3-NeuralNetworks/05-Frameworks/README.md": { + "original_hash": "ddd216f558a255260a9374008002c971", + "translation_date": "2025-09-23T14:45:19+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/README.md", + "language_code": "sr" + }, + "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md": { + "original_hash": "e452d897efb9a89700f41021834cf6e5", + "translation_date": "2025-08-25T23:55:47+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md", + "language_code": "sr" + }, + "lessons/3-NeuralNetworks/README.md": { + "original_hash": "f862a99d88088163df12270e2f2ad6c3", + "translation_date": "2025-10-03T12:53:36+00:00", + "source_file": "lessons/3-NeuralNetworks/README.md", + "language_code": "sr" + }, + "lessons/4-ComputerVision/06-IntroCV/README.md": { + "original_hash": "feeca98225cb420afc89415f24f63d92", + "translation_date": "2025-09-23T14:39:23+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/README.md", + "language_code": "sr" + }, + "lessons/4-ComputerVision/06-IntroCV/lab/README.md": { + "original_hash": "3d53d6409f80970f7281a45dee35328a", + "translation_date": "2025-08-25T23:05:37+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/lab/README.md", + "language_code": "sr" + }, + "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md": { + "original_hash": "53faab85adfcebd8c10bcd71dc2fa557", + "translation_date": "2025-09-23T14:38:30+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md", + "language_code": "sr" + }, + "lessons/4-ComputerVision/07-ConvNets/README.md": { + "original_hash": "a560d5b845962cf33dc102266e409568", + "translation_date": "2025-09-23T14:38:07+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/README.md", + "language_code": "sr" + }, + "lessons/4-ComputerVision/07-ConvNets/lab/README.md": { + "original_hash": "b70fcf7fcee862990f848c679090943f", + "translation_date": "2025-10-03T14:58:02+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/README.md", + "language_code": "sr" + }, + "lessons/4-ComputerVision/08-TransferLearning/README.md": { + "original_hash": "178c0b5ee5395733eb18aec51e71a0a9", + "translation_date": "2025-09-23T14:38:53+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/README.md", + "language_code": "sr" + }, + "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md": { + "original_hash": "ae074cd940fc2f4dc24fc07b66ccbd99", + "translation_date": "2025-08-25T23:13:42+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md", + "language_code": "sr" + }, + "lessons/4-ComputerVision/08-TransferLearning/lab/README.md": { + "original_hash": "7765935c35fcee69b9fe2d0cfd6963e2", + "translation_date": "2025-08-25T23:17:00+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/lab/README.md", + "language_code": "sr" + }, + "lessons/4-ComputerVision/09-Autoencoders/README.md": { + "original_hash": "1b8d9e1b3a6f1daa864b1ff3dfc3076d", + "translation_date": "2025-09-23T14:40:42+00:00", + "source_file": "lessons/4-ComputerVision/09-Autoencoders/README.md", + "language_code": "sr" + }, + "lessons/4-ComputerVision/10-GANs/README.md": { + "original_hash": "0ff65b4da07b23697235de2beb2a3c25", + "translation_date": "2025-09-23T14:41:45+00:00", + "source_file": "lessons/4-ComputerVision/10-GANs/README.md", + "language_code": "sr" + }, + "lessons/4-ComputerVision/11-ObjectDetection/README.md": { + "original_hash": "d76a7eda28de5210c8b1ba50a6216c69", + "translation_date": "2025-09-23T14:40:00+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/README.md", + "language_code": "sr" + }, + "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md": { + "original_hash": "ad568d55ae65c856fe929fc2b278510a", + "translation_date": "2025-08-25T22:50:18+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md", + "language_code": "sr" + }, + "lessons/4-ComputerVision/12-Segmentation/README.md": { + "original_hash": "6568aaae7e0e4afed4b5d74b5b223700", + "translation_date": "2025-09-23T14:41:23+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/README.md", + "language_code": "sr" + }, + "lessons/4-ComputerVision/12-Segmentation/lab/README.md": { + "original_hash": "365f0decfe0f47b460bbde8227c5009d", + "translation_date": "2025-08-25T22:37:26+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/lab/README.md", + "language_code": "sr" + }, + "lessons/4-ComputerVision/README.md": { + "original_hash": "58a52f000089c1d8906a4daa4ab1169b", + "translation_date": "2025-08-25T22:28:04+00:00", + "source_file": "lessons/4-ComputerVision/README.md", + "language_code": "sr" + }, + "lessons/5-NLP/13-TextRep/README.md": { + "original_hash": "dbd3f73e4139f030ecb2e20387d70fee", + "translation_date": "2025-09-23T14:48:45+00:00", + "source_file": "lessons/5-NLP/13-TextRep/README.md", + "language_code": "sr" + }, + "lessons/5-NLP/13-TextRep/assignment.md": { + "original_hash": "cdc1f2e631f055f3473b36d18e4760b3", + "translation_date": "2025-08-25T21:54:42+00:00", + "source_file": "lessons/5-NLP/13-TextRep/assignment.md", + "language_code": "sr" + }, + "lessons/5-NLP/14-Embeddings/README.md": { + "original_hash": "b708c9b85b833864c73c6281f1e6b96e", + "translation_date": "2025-09-23T14:48:22+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/README.md", + "language_code": "sr" + }, + "lessons/5-NLP/14-Embeddings/assignment.md": { + "original_hash": "bc690ecf68b38d311cc9e12f3144a28c", + "translation_date": "2025-08-25T21:42:52+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/assignment.md", + "language_code": "sr" + }, + "lessons/5-NLP/15-LanguageModeling/README.md": { + "original_hash": "7ba20f54a5bfcd6521018cdfb17c7c57", + "translation_date": "2025-09-23T14:46:23+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/README.md", + "language_code": "sr" + }, + "lessons/5-NLP/15-LanguageModeling/lab/README.md": { + "original_hash": "5130f01fdc5ebb83032b23d489027aac", + "translation_date": "2025-08-25T21:58:29+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/lab/README.md", + "language_code": "sr" + }, + "lessons/5-NLP/16-RNN/README.md": { + "original_hash": "e2273cc150380a5e191903cea858f021", + "translation_date": "2025-09-23T14:47:46+00:00", + "source_file": "lessons/5-NLP/16-RNN/README.md", + "language_code": "sr" + }, + "lessons/5-NLP/16-RNN/assignment.md": { + "original_hash": "47f7d3c6a5373543e051e4d1140ce898", + "translation_date": "2025-08-25T21:37:25+00:00", + "source_file": "lessons/5-NLP/16-RNN/assignment.md", + "language_code": "sr" + }, + "lessons/5-NLP/17-GenerativeNetworks/README.md": { + "original_hash": "51be6057374d01d70e07dd5ec88ebc0d", + "translation_date": "2025-09-23T14:46:00+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/README.md", + "language_code": "sr" + }, + "lessons/5-NLP/17-GenerativeNetworks/lab/README.md": { + "original_hash": "439e12796197a90e7623d4c9c057b9c2", + "translation_date": "2025-08-25T21:48:36+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/lab/README.md", + "language_code": "sr" + }, + "lessons/5-NLP/18-Transformers/README.md": { + "original_hash": "f335dfcb4a993920504c387973a36957", + "translation_date": "2025-09-23T14:46:35+00:00", + "source_file": "lessons/5-NLP/18-Transformers/README.md", + "language_code": "sr" + }, + "lessons/5-NLP/18-Transformers/assignment.md": { + "original_hash": "177f3ea3995d725e6f9f5c66af16edcd", + "translation_date": "2025-08-25T22:05:26+00:00", + "source_file": "lessons/5-NLP/18-Transformers/assignment.md", + "language_code": "sr" + }, + "lessons/5-NLP/19-NER/README.md": { + "original_hash": "6522312ff835796ca34136a9462fafb2", + "translation_date": "2025-09-23T14:47:25+00:00", + "source_file": "lessons/5-NLP/19-NER/README.md", + "language_code": "sr" + }, + "lessons/5-NLP/19-NER/lab/README.md": { + "original_hash": "032bda5068f543d6c1fcb30c34231461", + "translation_date": "2025-08-25T22:14:52+00:00", + "source_file": "lessons/5-NLP/19-NER/lab/README.md", + "language_code": "sr" + }, + "lessons/5-NLP/20-LangModels/README.md": { + "original_hash": "97836d30a6bec736f8e3b4411c572bc2", + "translation_date": "2025-09-23T14:47:05+00:00", + "source_file": "lessons/5-NLP/20-LangModels/README.md", + "language_code": "sr" + }, + "lessons/5-NLP/README.md": { + "original_hash": "8ef02a9318257ea140ed3ed74442096d", + "translation_date": "2025-08-25T21:29:17+00:00", + "source_file": "lessons/5-NLP/README.md", + "language_code": "sr" + }, + "lessons/6-Other/21-GeneticAlgorithms/README.md": { + "original_hash": "6bbd632dfe6c62e5f66bb51fd78c174a", + "translation_date": "2025-09-23T14:36:24+00:00", + "source_file": "lessons/6-Other/21-GeneticAlgorithms/README.md", + "language_code": "sr" + }, + "lessons/6-Other/22-DeepRL/README.md": { + "original_hash": "04395657fc01648f8f70484d0e55ab67", + "translation_date": "2025-09-23T14:37:29+00:00", + "source_file": "lessons/6-Other/22-DeepRL/README.md", + "language_code": "sr" + }, + "lessons/6-Other/22-DeepRL/lab/README.md": { + "original_hash": "7bd8dc72040e98e35e7225e34058cd4e", + "translation_date": "2025-08-25T23:35:54+00:00", + "source_file": "lessons/6-Other/22-DeepRL/lab/README.md", + "language_code": "sr" + }, + "lessons/6-Other/23-MultiagentSystems/README.md": { + "original_hash": "38a1185ae3d54b180378bbd71ae3ef16", + "translation_date": "2025-09-23T14:36:41+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/README.md", + "language_code": "sr" + }, + "lessons/6-Other/23-MultiagentSystems/assignment.md": { + "original_hash": "cf654ca60c7f86c8dad28596fb42994b", + "translation_date": "2025-08-25T23:29:23+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/assignment.md", + "language_code": "sr" + }, + "lessons/7-Ethics/README.md": { + "original_hash": "437c988596e751072e41a5aad3fcc5d9", + "translation_date": "2025-08-25T21:25:21+00:00", + "source_file": "lessons/7-Ethics/README.md", + "language_code": "sr" + }, + "lessons/README.md": { + "original_hash": "5fef1a0b22498d7188959e2a2cb08af7", + "translation_date": "2025-08-25T21:23:20+00:00", + "source_file": "lessons/README.md", + "language_code": "sr" + }, + "lessons/X-Extras/X1-MultiModal/README.md": { + "original_hash": "9c592c26aca16ca085d268c732284187", + "translation_date": "2025-08-25T23:38:50+00:00", + "source_file": "lessons/X-Extras/X1-MultiModal/README.md", + "language_code": "sr" + }, + "lessons/sketchnotes/LICENSE.md": { + "original_hash": "45ab63a2cd8f5faef6c9b150618837a4", + "translation_date": "2025-08-26T00:10:55+00:00", + "source_file": "lessons/sketchnotes/LICENSE.md", + "language_code": "sr" + }, + "lessons/sketchnotes/README.md": { + "original_hash": "050b8bddebafba55b129414e6ab096ab", + "translation_date": "2025-08-26T00:02:15+00:00", + "source_file": "lessons/sketchnotes/README.md", + "language_code": "sr" + }, + "troubleshoot.md": { + "original_hash": "8d9c5a4a7c7798d699672a22cb7fea86", + "translation_date": "2025-10-03T09:52:01+00:00", + "source_file": "troubleshoot.md", + "language_code": "sr" + } +} \ No newline at end of file diff --git a/translations/sr/AGENTS.md b/translations/sr/AGENTS.md index ab333a3e..5d557707 100644 --- a/translations/sr/AGENTS.md +++ b/translations/sr/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## Преглед пројекта diff --git a/translations/sr/README.md b/translations/sr/README.md index a211d379..813871e3 100644 --- a/translations/sr/README.md +++ b/translations/sr/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) -# Вештачка интелигенција за почетнике - Наставни план +# Вештачка интелигенција за почетнике - наставни план -|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../../../translated_images/sr/ai-overview.0857791951d19500.webp)| +|![Скетчнот од @girlie_mac https://twitter.com/girlie_mac](../../translated_images/sr/ai-overview.0857791951d19500.webp)| |:---:| -| AI For Beginners - _Скетчнот од [@girlie_mac](https://twitter.com/girlie_mac)_ | +| Вештачка интелигенција за почетнике - _Скетчнот од [@girlie_mac](https://twitter.com/girlie_mac)_ | + +Истражите свет **Вештачке интелигенције** (AI) кроз наш 12-недељни, 24-лекцијски наставни план! Укључује практичне лекције, квизове и лабораторијске вежбе. Наставни план је прилагођен почетницима и обухвата алате као што су TensorFlow и PyTorch, као и етику у AI -Истражите свет **Вештачке интелигенције** (AI) са нашим 12-недељним, 24-лекцијским наставним планом! Обухвата практичне лекције, квизове и лабораторијске задатке. Наставни план је прилагођен почетницима и покрива алате као што су TensorFlow и PyTorch, као и етику у AI ### 🌐 Подршка за више језика -#### Подржано преко GitHub Action (аутоматизовано и увек ажурирано) +#### Подржано путем GitHub акције (аутоматски и увек ажурирано) -[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)](./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) +[Арапски](../ar/README.md) | [Бенгалски](../bn/README.md) | [Бугарски](../bg/README.md) | [Бирмански (Мјанмар)](../my/README.md) | [Кинески (поједностављени)](../zh-CN/README.md) | [Кинески (традиционални, Хонг Конг)](../zh-HK/README.md) | [Кинески (традиционални, Макао)](../zh-MO/README.md) | [Кинески (традиционални, Тајван)](../zh-TW/README.md) | [Хрватски](../hr/README.md) | [Чешки](../cs/README.md) | [Дански](../da/README.md) | [Холандски](../nl/README.md) | [Естонски](../et/README.md) | [Фински](../fi/README.md) | [Француски](../fr/README.md) | [Немачки](../de/README.md) | [Грчки](../el/README.md) | [Хебрејски](../he/README.md) | [Хинди](../hi/README.md) | [Мађарски](../hu/README.md) | [ИНдонезијски](../id/README.md) | [Италијански](../it/README.md) | [Јапански](../ja/README.md) | [Канада](../kn/README.md) | [Корејски](../ko/README.md) | [Литвански](../lt/README.md) | [Малајски](../ms/README.md) | [Малајаламски](../ml/README.md) | [Маратхи](../mr/README.md) | [Непали](../ne/README.md) | [Нигеријски пидгин](../pcm/README.md) | [Норвешки](../no/README.md) | [Перзијски (Фарси)](../fa/README.md) | [Пољски](../pl/README.md) | [Португалски (Бразил)](../pt-BR/README.md) | [Португалски (Португал)](../pt-PT/README.md) | [Пунџаби (Гурмукхи)](../pa/README.md) | [Румунски](../ro/README.md) | [Руски](../ru/README.md) | [Српски (ћирилица)](./README.md) | [Словачки](../sk/README.md) | [Словеначки](../sl/README.md) | [Шпански](../es/README.md) | [Свахили](../sw/README.md) | [Шведски](../sv/README.md) | [Тагалог (Филипински)](../tl/README.md) | [Тамилски](../ta/README.md) | [Телугу](../te/README.md) | [Тајландски](../th/README.md) | [Турски](../tr/README.md) | [Украјински](../uk/README.md) | [Урду](../ur/README.md) | [Вијетнамски](../vi/README.md) -> **Више волите да клонирате локално?** +> **Радије копирате локално?** -> Овај репозиторијум укључује преко 50 превода што значајно повећава величину преузимања. Да бисте клонирали без превода, користите sparse checkout: +> Ово складиште укључује више од 50 превода што значајно повећава величину преузимања. Да бисте клонирали без превода, користите 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' > ``` -> Ово вам даје све што вам је потребно за завршавање курса са много бржим преузимањем. +> Ово вам даје све што вам је потребно за завршетак курса уз много брже преузимање. -**Ако желите да додатни језици буду подржани, они су наведени [овде](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Ако желите да буду подржани и додатни језици превода, наведени су [овде](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** ## Придружите се заједници [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) @@ -56,117 +48,118 @@ CO_OP_TRANSLATOR_METADATA: **[Ментална мапа курса](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)** -У овом наставном плану ћете научити: +У овом наставном плану научићете: -* Различите приступе Вештачкој интелигенцији, укључујући "добар стари" симболички приступ са **Представљањем знања** и резоновањем ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). -* **Нервне мреже** и **Дубоко учење**, које су у срцу модерне AI. Илустроваћемо концепте иза ових важних тема користећи код у два од најпопуларнијих фрејмворка - [TensorFlow](http://Tensorflow.org) и [PyTorch](http://pytorch.org). -* **Нервне архитектуре** за рад са сликама и текстом. Покрићемо новије моделе али можда ћемо мало заостати за најмодернијим стањем. -* Мање популарне AI приступе, као што су **Генетски алгоритми** и **Мулти-агентски системи**. +* Различите приступе Вештачкој интелигенцији, укључујући "добро старо" симболичко приступање са **Презентацијом знања** и резоновањем ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). +* **Невронске мреже** и **Дубоко учење**, које су у основи модерне AI. Концепте иза ових важних тема илуструјемо помоћу кода у два најпопуларнија рамворка - [TensorFlow](http://Tensorflow.org) и [PyTorch](http://pytorch.org). +* **Невронске архитектуре** за рад са сликама и текстом. Обухватићемо недавно развијене моделе, али можда ће недостајати најновија достигнућа. +* Мање популарне AI методе, као што су **Генетски алгоритми** и **Мулти-агентски системи**. -Шта нећемо покрити у овом наставном плану: +Шта нећемо обрадити у овом курикулуму: -> [Пронађите све додатне ресурсе за овај курс у нашој Microsoft Learn колекцији](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) +> [Пронaђите све додатне ресурсе за овај курс у нашој Microsoft Learn колекцији](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) -* Пословне случајеве коришћења **AI у пословању**. Размотрите узимање [Увода у AI за пословне кориснике](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) на Microsoft Learn, или [AI Пословне школе](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), развијене у сарадњи са [INSEAD](https://www.insead.edu/). -* **Класично машинско учење**, које је добро описано у нашем [Плану учења Машинско учење за почетнике](http://github.com/Microsoft/ML-for-Beginners). -* Практичне AI апликације изграђене коришћењем **[Когнитивних услуга](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. За ово препоручујемо да почнете са Microsoft Learn модулима за [видио](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [природну обраду језика](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Генеративни AI са Azure OpenAI сервисом](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** и друге. -* Специфичне ML **Cloud фрејмворке**, као што су [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), или [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). Размотрите коришћење [Изградње и управљања машинским учењем са Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) и [Изградње и управљања машинским учењем са Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) планова учења. -* **Разговорни AI** и **Чет ботове**. Постоји посебан [Креирај разговорна AI решења](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) план учења, а можете погледати и [овaj блог пост](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) за више детаља. -* **Дубока математика** иза дубоког учења. За ово препоручујемо [Дубоко учење](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) аутора Иана Гудфелоу, Јошуа Бенгио и Аарона Коурвила, која је доступна и онлајн на [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/). +* Пословне примере коришћења **AI у пословању**. Размотрите похађање [Увода у AI за пословне кориснике](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) на Microsoft Learn, или [AI пословне школе](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), развијену у сарадњи са [INSEAD](https://www.insead.edu/). +* **Класично машинско учење**, које је добро описано у нашем [Курикулуму Машинског учења за почетнике](http://github.com/Microsoft/ML-for-Beginners). +* Практичне AI апликације изграђене коришћењем **[Когнитивних сервиса](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**. За то препоручујемо да почнете са модулима Microsoft Learn за [визиjу](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [обраду природних језика](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Генеративни AI са Azure OpenAI сервисом](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** и друге. +* Конкретне ML **Cloud Frameworks**, као што су [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), или [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). Размотрите коришћење учељних путања [Изградите и управљајте машинским учењем уз Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) и [Изградите и управљајте машинским учењем уз Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum). +* **Разговорни AI** и **Чет ботови**. Постоји посебна учељна стаза [Креирајте разговорне AI решења](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum), као и можете погледати [ово блог пост](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) за детаљније информације. +* **Дубока математика** иза дубоког учења. За то препоручујемо [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) од Иана Гудфелоуја, Јошуе Бенгија и Аарона Курвила, који је такође доступан на мрежи на [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/). -За благи увод у теме _AI у облаку_ можете размотрити [Почните са вештачком интелигенцијом на Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) план учења. +За благ увод у теме _AI у облаку_, можете размотрити похађање учељне стазе [Започните са вештачком интелигенцијом на Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum). # Садржај -| | Лекција | PyTorch/Keras/TensorFlow | Лабораторијски задатак | -| :-: | :--------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | -------------------------------------------------------- | -| 0 | [Подешавање курса](./lessons/0-course-setup/setup.md) | [Подеси свој развојни амбијент](./lessons/0-course-setup/how-to-run.md) | | -| I | [**Увод у AI**](./lessons/1-Intro/README.md) | | | -| 01 | [Увод и историја AI](./lessons/1-Intro/README.md) | - | - | -| II | **Симболичка AI** | -| 02 | [Представљање знања и експертски системи](./lessons/2-Symbolic/README.md) | [Експертски системи](./lessons/2-Symbolic/Animals.ipynb) / [Онтологија](./lessons/2-Symbolic/FamilyOntology.ipynb) /[Граф концепата](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | -| III | [**Увод у нервне мреже**](./lessons/3-NeuralNetworks/README.md) | | | -| 03 | [Перцептрон](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [Бележница](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [Лаб](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | -| 04 | [Вишеслојни перцептрон и креирање нашег оквира](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [Бележница](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [Лаб](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | -| 05 | [Увод у оквире (PyTorch/TensorFlow) и пренаглашавање](./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) | [Лаб](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | -| IV | [**Компјутерски вид**](./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)| [Истражи Компјутерски вид на Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | -| 06 | [Увод у компјутерски вид. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [Бележница](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [Лаб](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | -| 07 | [Конволуционе неуронске мреже](./lessons/4-ComputerVision/07-ConvNets/README.md) & [CNN архитектуре](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [Лаб](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | -| 08 | [Претрениране мреже и преносно учење](./lessons/4-ComputerVision/08-TransferLearning/README.md) и [Тренинг трикови](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Лаб](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | -| 09 | [Аутоенкодери и VAE-ови](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | | -| 10 | [Генеративне принципе мреже и пренос уметничког стила](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | -| 11 | [Детекција објеката](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [Лаб](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | +| | Веза до лекције | PyTorch/Keras/TensorFlow | Лабораторија | +| :-: | :-----------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ------------------------------------------------------------------------------ | +| 0 | [Постављање курса](./lessons/0-course-setup/setup.md) | [Поставите своје развојно окружење](./lessons/0-course-setup/how-to-run.md) | | +| I | [**Увод у AI**](./lessons/1-Intro/README.md) | | | +| 01 | [Увод и историја AI](./lessons/1-Intro/README.md) | - | - | +| II | **Симболичка AI** | +| 02 | [Презентација знања и експертски системи](./lessons/2-Symbolic/README.md) | [Експертски системи](./lessons/2-Symbolic/Animals.ipynb) / [Онтолошки модел](./lessons/2-Symbolic/FamilyOntology.ipynb) /[Граф појмова](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | +| III | [**Увод у неуронске мреже**](./lessons/3-NeuralNetworks/README.md) ||| +| 03 | [Перцептрон](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [Бележница](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [Лабораторија](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | +| 04 | [Вишеслојни перцептрон и креирање нашег оквира](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [Бележница](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [Лабораторија](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | +| 05 | [Увод у оквире (PyTorch/TensorFlow) и претеривање](./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) | [Лабораторија](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | +| IV | [**Рачунарски вид**](./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)| [Истражите рачунарски вид на Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | +| 06 | [Увод у рачунарски вид. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [Бележница](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [Лабораторија](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | +| 07 | [Конволуцијске неуронске мреже](./lessons/4-ComputerVision/07-ConvNets/README.md) & [Архитектуре 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) | [Лабораторија](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | +| 08 | [Унапред обучене мреже и трансфер учење](./lessons/4-ComputerVision/08-TransferLearning/README.md) и [Триксеви за тренинг](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [Лабораторија](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | +| 09 | [Аутоенкодери и ВАЕ](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | | +| 10 | [Генеративне супротстављене мреже и пренос уметничког стила](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | +| 11 | [Детекција објеката](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [Лабораторија](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | | 12 | [Семантичка сегментација. 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 | [**Обрада природног језика**](./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) | [Истражи Обраду природног језика на Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| -| 13 | [Представљање текста. 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 | [Семантички уградљиви вектори речи. Word2Vec и 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 | [Моделирање језика. Тренирање сопствених уградњи](./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) | [Лаб](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | +| V | [**Обрада природног језика**](./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) | [Истражите обраду природног језика на Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| +| 13 | [Презентација текста. 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 | [Семантичке векторске репрезентације речи. Word2Vec и 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 | [Моделовање језика. Тренирање сопствених уграђених представљања](./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) | [Лабораторија](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | | 16 | [Рекурентне неуронске мреже](./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 | [Генеративне рекурентне мреже](./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) | [Лаб](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | +| 17 | [Генеративне рекурентне мреже](./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) | [Лабораторија](./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 | [Препознавање именованих ентитета](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [Лаб](./lessons/5-NLP/19-NER/lab/README.md) | -| 20 | [Велики језички модели, програмирање упита и Few-Shot задаци](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | +| 19 | [Препознавање именованих ентитета](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [Лабораторија](./lessons/5-NLP/19-NER/lab/README.md) | +| 20 | [Велики језички модели, програмирање упита и задаци са малим бројем примера](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | | VI | **Остале AI технике** || | | 21 | [Генетски алгоритми](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [Бележница](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | -| 22 | [Дубоко учење појачања](./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) | [Лаб](./lessons/6-Other/22-DeepRL/lab/README.md) | -| 23 | [Вишеразински системи](./lessons/6-Other/23-MultiagentSystems/README.md) | | | -| VII | **AI етика** | | | -| 24 | [Етика AI и одговорни AI](./lessons/7-Ethics/README.md) | [Microsoft Learn: Начела одговорног AI-а](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | +| 22 | [Дубоко појачано учење](./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) | [Лабораторија](./lessons/6-Other/22-DeepRL/lab/README.md) | +| 23 | [Мултиагентни системи](./lessons/6-Other/23-MultiagentSystems/README.md) | | | +| VII | **Етика вештачке интелигенције** | | | +| 24 | [Етика ВИ и одговорна ВИ](./lessons/7-Ethics/README.md) | [Microsoft Learn: Принципи одговорне ВИ](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | | IX | **Додатно** | | | -| 25 | [Вишемодалне мреже, CLIP и VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [Бележница](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | +| 25 | [Мултимодалне мреже, CLIP и VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [Бележница](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | -## Ће урок садржи +## Свака лекција садржи -* Материјал за претходно читање -* Извршне Jupyter бележнице, које су често специфичне за оквир (**PyTorch** или **TensorFlow**). Извршна бележница такође садржи много теоријског материјала, па да бисте разумели тему потребно је да прођете кроз бар једну верзију бележнице (било PyTorch или TensorFlow). -* **Лабораторије** доступне за неке теме, које вам омогућавају да пробате применити научени материјал на конкретан проблем. -* Неке секције садрже линкове ка [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) модулима који покривају сродне теме. +* Предматеријал за читање +* Извршне Јупитер бележнице, које су често специфичне за оквир (**PyTorch** или **TensorFlow**). Извршна бележница такође садржи много теоријског материјала, тако да да бисте разумели тему морате проћи кроз бар једну верзију бележнице (било PyTorch или TensorFlow). +* **Лабораторије** доступне за неке теме, које вам пружају прилику да примените научени материјал на конкретан проблем. +* Неке секције садрже линкове ка [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) модулима који покривају повезане теме. ## Почетак -### 🎯 Нов у AI? Почни овде! +### 🎯 Нови сте у ВИ? Почните овде! -Ако си потпуно нов у AI и желиш брзе, практичне примере, погледај наше [**Пријатељске примере за почетнике**](./examples/README.md)! Ово укључује: +Ако сте потпуно нови у ВИ и желите брзе, практичне примере, погледајте наше [**Примере прилагођене почетницима**](./examples/README.md)! Они укључују: -- 🌟 **Здраво AI света** - Твој први AI програм (препознавање образаца) -- 🧠 **Једноставна неуронска мрежа** - Направи неуронску мрежу од нуле -- 🖼️ **Класификатор слика** - Класификуј слике са детаљним коментарима -- 💬 **Сентимент текста** - Анализа позитивног/негативног текста +- 🌟 **Здраво ВИ свет** - Ваш први програм вештачке интелигенције (препознавање образаца) +- 🧠 **Једноставна неуронска мрежа** - Изградите неуронску мрежу од почетка -Ови примери су осмишљени да вам помогну да разумете концепте вештачке интелигенције пре него што зароните у цео курикулум. +- 🖼️ **Класификатор слика** - Класификујте слике са детаљним коментарима +- 💬 **Текстуална сентиментика** - Анализирајте позитиван/негативан текст -### 📚 Подешавање пуног курикулума +Ови примери су дизајнирани да вам помогну да разумете појмове везане за вештачку интелигенцију пре него што започнете са целим курикулумом. -- Направили смо [лекцију за подешавање](./lessons/0-course-setup/setup.md) да вам помогнемо са подешавањем развојног окружења. - За наставнике, направили смо и [лекцију за подешавање курикулума](./lessons/0-course-setup/for-teachers.md)! -- Како да [покренете код у VSCode или Codespace](./lessons/0-course-setup/how-to-run.md) +### 📚 Подешавање целог курикулума + +- Направили смо [лекцију за подешавање](./lessons/0-course-setup/setup.md) која ће вам помоћи са подешавањем вашег развојног окружења. - За предаваче, такође смо направили [лекцију за подешавање курикулума](./lessons/0-course-setup/for-teachers.md)! +- Како да [пустите код у VSCode или Codespace-у](./lessons/0-course-setup/how-to-run.md) Пратите ове кораке: -Направите форк репозиторијума: Кликните на дугме „Fork“ у горњем десном углу ове странице. +Направите Форк репозиторијума: Кликните на дугме "Fork" у горњем десном углу ове странице. Клонирајте репозиторијум: `git clone https://github.com/microsoft/AI-For-Beginners.git` -Не заборавите да ставите звездицу (🌟) овом репозиторијуму да бисте га касније лакше пронашли. +Не заборавите да означите ову репозиторију као звездицу (🌟) да бисте је касније лакше пронашли. ## Упознајте друге учеснике -Придружите се нашем [званичном AI Discord серверу](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) да упознате и умрежите се са другим учесницима овог курса и добијете подршку. +Придружите се нашем [службеном AI Discord серверу](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) да упознате и умрежите се са другим учесницима курса и добијете подршку. -Ако имате повратне информације о производу или питања током израде посетите наш [Azure AI Foundry Developer Forum](https://aka.ms/foundry/forum) +Ако имате повратне информације о производу или питања током изградње, посетите наш [Azure AI Foundry Developer Forum](https://aka.ms/foundry/forum) ## Квизови -> **Напомена о квизовима**: Сви квизови су садржани у фасцикли Quiz-app у etc\quiz-app, или [онлајн овде](https://ff-quizzes.netlify.app/) Они су повезани изнутра у лекцијама, квиз апликација може да се покрене локално или да се инсталира на Azure; пратите упутства у фасцикли `quiz-app`. Полако се лоцализују. +> **Напомена о квизовима**: Сви квизови се налазе у фолдеру Quiz-app у etc\quiz-app, или [онлајн овде](https://ff-quizzes.netlify.app/) Они су повезани из самих лекција, апликација за квизове се може покретати локално или поставити на Azure; пратите упутства у фолдеру `quiz-app`. Они се постепено преводе. -## Тражи се помоћ +## Траже се помоћници -Имате ли предлоге или сте пронашли правописне или код грешке? Отворите issue или направите pull request. +Имате ли предлоге или сте пронашли правописне или грешке у коду? Поставите проблем или направите pull request. ## Посебне захвалности -* **✍️ Главни аутор:** [Дмитриј Сошников](http://soshnikov.com), доктор наука -* **🔥 Уредник:** [Џен Лупер](https://twitter.com/jenlooper), доктор наука -* **🎨 Илустратор скичнота:** [Томоми Имура](https://twitter.com/girlie_mac) +* **✍️ Главни аутор:** [Дмитриј Сошников](http://soshnikov.com), др +* **🔥 Уредник:** [Џен Лупер](https://twitter.com/jenlooper), др +* **🎨 Илустратор скица:** [Томоми Имура](https://twitter.com/girlie_mac) * **✅ Креатор квизова:** [Латифа Белло](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/) * **🙏 Основни сарадници:** [Евгениј Пишчик](https://github.com/Pe4enIks) @@ -189,7 +182,7 @@ CO_OP_TRANSLATOR_METADATA: --- -### Generative AI Series +### Сериија генеративне вештачке интелигенције [![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) @@ -197,7 +190,7 @@ CO_OP_TRANSLATOR_METADATA: --- -### Core Learning +### Основно учење [![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) @@ -208,7 +201,7 @@ CO_OP_TRANSLATOR_METADATA: --- -### Copilot Series +### Сериија 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) @@ -216,17 +209,17 @@ CO_OP_TRANSLATOR_METADATA: ## Како добити помоћ -Ако сте заглављени или имате било каквих питања о изради AI апликација. Придружите се осталим ученицима и искусним програмерима у дискусијама о MCP. То је подржавајућа заједница у којој су питања добродошла и знање се слободно дели. +Ако запнете или имате било каквих питања о изради AI апликација, придружите се осталим учесницима и искусним програмерима у дискусијама о MCP. То је подржана заједница у којој су питања добродошла и знање се слободно дели. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Ако имате повратне информације о производу или грешке током израде посетите: +Ако имате повратне информације о производу или грешке током изградње посетите: [![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) --- -**Одрицање одговорности**: -Овај документ је преведен помоћу AI услуге за превођење [Co-op Translator](https://github.com/Azure/co-op-translator). Иако тежимо прецизности, молимо да имате у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати ауторитетним извором. За критичне информације препоручује се професионални људски превод. Нисмо одговорни за било какве неспоразуме или погрешна тумачења која произилазе из коришћења овог превода. +**Одрицање одговорности**: +Овај документ је преведен коришћењем AI сервиса за превод [Co-op Translator](https://github.com/Azure/co-op-translator). Иако се трудимо да превод буде тачан, молимо имајте у виду да аутоматизовани преводи могу садржати грешке или нетачности. Изворни документ на матичном језику треба сматрати ауторитетним извором. За критичне информације препоручује се професионални људски превод. Нисмо одговорни за било каква неспоразуми или погрешна тумачења која могу настати употребом овог превода. \ No newline at end of file diff --git a/translations/sr/SECURITY.md b/translations/sr/SECURITY.md index e7a06b06..7806c8d6 100644 --- a/translations/sr/SECURITY.md +++ b/translations/sr/SECURITY.md @@ -1,12 +1,3 @@ - ## Безбедност Мајкрософт озбиљно приступа безбедности наших софтверских производа и услуга, што укључује све репозиторијуме изворног кода којима управљамо кроз наше GitHub организације, као што су [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) и [наше GitHub организације](https://opensource.microsoft.com/). diff --git a/translations/sr/etc/CODE_OF_CONDUCT.md b/translations/sr/etc/CODE_OF_CONDUCT.md index b8539078..ed5e68fa 100644 --- a/translations/sr/etc/CODE_OF_CONDUCT.md +++ b/translations/sr/etc/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # Кодекс понашања за Microsoft отворени код Овај пројекат је усвојио [Кодекс понашања за Microsoft отворени код](https://opensource.microsoft.com/codeofconduct/). diff --git a/translations/sr/etc/CONTRIBUTING.md b/translations/sr/etc/CONTRIBUTING.md index 9df672dc..e5c0a771 100644 --- a/translations/sr/etc/CONTRIBUTING.md +++ b/translations/sr/etc/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # Допринос Овај пројекат поздравља доприносе и предлоге. Већина доприноса захтева да се сложите са Уговором о лиценци за доприносиоце (CLA), којим изјављујете да имате право да нам доделите права за коришћење вашег доприноса. За више детаља, посетите https://cla.microsoft.com. diff --git a/translations/sr/etc/Mindmap.md b/translations/sr/etc/Mindmap.md index 3aa56537..98ff05e8 100644 --- a/translations/sr/etc/Mindmap.md +++ b/translations/sr/etc/Mindmap.md @@ -1,12 +1,3 @@ - # Вештачка интелигенција ## [Увод у вештачку интелигенцију](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/1-Intro/README.md) diff --git a/translations/sr/etc/SUPPORT.md b/translations/sr/etc/SUPPORT.md index 7585afc1..ec849dda 100644 --- a/translations/sr/etc/SUPPORT.md +++ b/translations/sr/etc/SUPPORT.md @@ -1,12 +1,3 @@ - # Подршка ## Како пријавити проблеме и добити помоћ diff --git a/translations/sr/etc/TRANSLATIONS.md b/translations/sr/etc/TRANSLATIONS.md index adfe1594..6d6e2bc6 100644 --- a/translations/sr/etc/TRANSLATIONS.md +++ b/translations/sr/etc/TRANSLATIONS.md @@ -1,12 +1,3 @@ - # Придружите се превођењу лекција Добродошли сте да преводите лекције у овом курикулуму! diff --git a/translations/sr/etc/quiz-app/README.md b/translations/sr/etc/quiz-app/README.md index 65efaa01..2826312d 100644 --- a/translations/sr/etc/quiz-app/README.md +++ b/translations/sr/etc/quiz-app/README.md @@ -1,12 +1,3 @@ - # Квизови Ови квизови су предавања пре и после лекција у оквиру наставног плана за вештачку интелигенцију на https://aka.ms/ai-beginners diff --git a/translations/sr/examples/README.md b/translations/sr/examples/README.md index dbef7879..0fc1faad 100644 --- a/translations/sr/examples/README.md +++ b/translations/sr/examples/README.md @@ -1,12 +1,3 @@ - # Примери за AI прилагођени почетницима Добродошли! Овај директоријум садржи једноставне, самосталне примере који ће вам помоћи да започнете са вештачком интелигенцијом и машинским учењем. Сваки пример је осмишљен тако да буде прилагођен почетницима, уз детаљне коментаре и објашњења корак по корак. diff --git a/translations/sr/lessons/0-course-setup/for-teachers.md b/translations/sr/lessons/0-course-setup/for-teachers.md index 8db762fe..15352810 100644 --- a/translations/sr/lessons/0-course-setup/for-teachers.md +++ b/translations/sr/lessons/0-course-setup/for-teachers.md @@ -1,12 +1,3 @@ - # За наставнике Да ли бисте желели да користите овај наставни план у вашој учионици? Слободно га користите! diff --git a/translations/sr/lessons/0-course-setup/how-to-run.md b/translations/sr/lessons/0-course-setup/how-to-run.md index a1171018..7ebdf7c2 100644 --- a/translations/sr/lessons/0-course-setup/how-to-run.md +++ b/translations/sr/lessons/0-course-setup/how-to-run.md @@ -1,12 +1,3 @@ - # Како покренути код Овај програм садржи много извршних примера и лабораторија које ћете желети да покренете. Да бисте то урадили, потребна вам је могућност извршавања Питхон кода у Јупитер свескама које су део овог програма. Имате неколико опција за покретање кода: diff --git a/translations/sr/lessons/0-course-setup/setup.md b/translations/sr/lessons/0-course-setup/setup.md index 4508c318..e2155bd8 100644 --- a/translations/sr/lessons/0-course-setup/setup.md +++ b/translations/sr/lessons/0-course-setup/setup.md @@ -1,12 +1,3 @@ - # Почетак рада са овим курикулумом ## Да ли сте студент? diff --git a/translations/sr/lessons/1-Intro/README.md b/translations/sr/lessons/1-Intro/README.md index 3a8f2a23..d5303eb3 100644 --- a/translations/sr/lessons/1-Intro/README.md +++ b/translations/sr/lessons/1-Intro/README.md @@ -1,12 +1,3 @@ - # Увод у вештачку интелигенцију ![Резиме садржаја увода у вештачку интелигенцију у виду цртежа](../../../../translated_images/sr/ai-intro.bf28d1ac4235881c.webp) diff --git a/translations/sr/lessons/1-Intro/assignment.md b/translations/sr/lessons/1-Intro/assignment.md index 1d83c579..7c475180 100644 --- a/translations/sr/lessons/1-Intro/assignment.md +++ b/translations/sr/lessons/1-Intro/assignment.md @@ -1,12 +1,3 @@ - # Game Jam Игре су област која је значајно утицала на развој вештачке интелигенције (AI) и машинског учења (ML). У овом задатку, напишите кратак есеј о игри која вам се допада, а која је била под утицајем еволуције AI. Требало би да буде довољно стара игра да је била под утицајем различитих типова рачунарских процесорских система. Добар пример су Шах или Го, али такође погледајте видео игре као што су Понг или Пак-Мен. Напишите есеј који разматра прошлост, садашњост и AI будућност те игре. diff --git a/translations/sr/lessons/2-Symbolic/README.md b/translations/sr/lessons/2-Symbolic/README.md index c02527fd..4756fdcc 100644 --- a/translations/sr/lessons/2-Symbolic/README.md +++ b/translations/sr/lessons/2-Symbolic/README.md @@ -1,15 +1,6 @@ - # Репрезентација Знања и Експертски Системи -![Сажетак симболичке вештачке интелигенције](../../../../../../translated_images/sr/ai-symbolic.715a30cb610411a6.webp) +![Сажетак симболичке вештачке интелигенције](../../../../translated_images/sr/ai-symbolic.715a30cb610411a6.webp) > Скетчнот од [Tomomi Imura](https://twitter.com/girlie_mac) @@ -41,7 +32,7 @@ CO_OP_TRANSLATOR_METADATA: Дакле, проблем **репрезентације знања** је како наћи неки ефикасан начин да се знање представи у рачунару у облику података, да би могло да се користи аутоматски. Ово се може посматрати као спектар: -![Спектар репрезентације знања](../../../../../../translated_images/sr/knowledge-spectrum.b60df631852c0217.webp) +![Спектар репрезентације знања](../../../../translated_images/sr/knowledge-spectrum.b60df631852c0217.webp) > Слика од [Dmitry Soshnikov](http://soshnikov.com) @@ -94,7 +85,7 @@ Python | синтакса-блока | увученост Један од раних успеха симболичке вештачке интелигенције били су такозвани **експертски системи** – рачунарски системи дизајнирани да делују као експерт у некој ограниченој проблемској области. Они су засновани на **бази знања** коју су извели један или више људских експерата, и садрже **инференцијски мотор** који изводи закључивања на њој. -![Архитектура човека](../../../../../../translated_images/sr/arch-human.5d4d35f1bba3ab1c.webp) | ![Систем заснован на знању](../../../../../../translated_images/sr/arch-kbs.3ec5c150b09fa8da.webp) +![Архитектура човека](../../../../translated_images/sr/arch-human.5d4d35f1bba3ab1c.webp) | ![Систем заснован на знању](../../../../translated_images/sr/arch-kbs.3ec5c150b09fa8da.webp) ---------------------------------------------|------------------------------------------------ Поједностављена структура људског неуралног система | Архитектура система заснованог на знању @@ -106,7 +97,7 @@ Python | синтакса-блока | увученост Као пример, размотримо следећи експертски систем за одређивање животиње на основу њених физичких особина: -![AND-OR стабло](../../../../../../translated_images/sr/AND-OR-Tree.5592d2c70187f283.webp) +![AND-OR стабло](../../../../translated_images/sr/AND-OR-Tree.5592d2c70187f283.webp) > Слика од [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/sr/lessons/2-Symbolic/assignment.md b/translations/sr/lessons/2-Symbolic/assignment.md index ca1983a4..234296e4 100644 --- a/translations/sr/lessons/2-Symbolic/assignment.md +++ b/translations/sr/lessons/2-Symbolic/assignment.md @@ -1,12 +1,3 @@ - # Изградња онтологије Изградња базе знања подразумева категоризацију модела који представља чињенице о одређеној теми. Изаберите тему - као што је особа, место или ствар - и затим изградите модел те теме. Користите неке од техника и стратегија за изградњу модела описаних у овој лекцији. Пример би био креирање онтологије дневне собе са намештајем, осветљењем и слично. Како се дневна соба разликује од кухиње? Купатила? Како знате да је то дневна соба, а не трпезарија? Користите [Protégé](https://protege.stanford.edu/) за изградњу ваше онтологије. diff --git a/translations/sr/lessons/3-NeuralNetworks/03-Perceptron/README.md b/translations/sr/lessons/3-NeuralNetworks/03-Perceptron/README.md index 3046eb64..677b93e2 100644 --- a/translations/sr/lessons/3-NeuralNetworks/03-Perceptron/README.md +++ b/translations/sr/lessons/3-NeuralNetworks/03-Perceptron/README.md @@ -1,12 +1,3 @@ - # Увод у неуронске мреже: Перцептрон ## [Квиз пре предавања](https://ff-quizzes.netlify.app/en/ai/quiz/5) @@ -15,7 +6,7 @@ CO_OP_TRANSLATOR_METADATA: | | | |--------------|-----------| -|Frank Rosenblatt | The Mark 1 Perceptron| +|Frank Rosenblatt | The Mark 1 Perceptron| > Слике [са Википедије](https://en.wikipedia.org/wiki/Perceptron) @@ -34,7 +25,7 @@ y(x) = f(wTx) где је f функција активације у облику степенасте функције. - + ## Тренинг перцептрона diff --git a/translations/sr/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md b/translations/sr/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md index a9d2ff3e..934e2d93 100644 --- a/translations/sr/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md +++ b/translations/sr/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md @@ -1,12 +1,3 @@ - # Класификација са више класа помоћу Перцептрона Лабораторијска вежба из [Наставног плана за почетнике у вештачкој интелигенцији](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/sr/lessons/3-NeuralNetworks/04-OwnFramework/README.md b/translations/sr/lessons/3-NeuralNetworks/04-OwnFramework/README.md index 11438077..53c7eba0 100644 --- a/translations/sr/lessons/3-NeuralNetworks/04-OwnFramework/README.md +++ b/translations/sr/lessons/3-NeuralNetworks/04-OwnFramework/README.md @@ -1,12 +1,3 @@ - # Увод у неуронске мреже. Вишеслојни перцептрон У претходном делу сте научили о најједноставнијем моделу неуронске мреже - једнослојном перцептрону, линеарном моделу за класификацију са две класе. @@ -65,7 +56,7 @@ CO_OP_TRANSLATOR_METADATA: Приметите да је леви део свих ових израза исти, и стога можемо ефикасно израчунати изводе почевши од функције губитка и идући "уназад" кроз граф рачунања. Због тога се метод тренинга вишеслојног перцептрона назива **назадно ширење**, или 'backprop'. -граф рачунања +граф рачунања > TODO: цитирање слике diff --git a/translations/sr/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md b/translations/sr/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md index 99efef6b..38dad7e2 100644 --- a/translations/sr/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md +++ b/translations/sr/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md @@ -1,12 +1,3 @@ - # Класификација MNIST са нашим оквиром Задатак из [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/sr/lessons/3-NeuralNetworks/05-Frameworks/README.md b/translations/sr/lessons/3-NeuralNetworks/05-Frameworks/README.md index 84fe28bc..bfabcc2f 100644 --- a/translations/sr/lessons/3-NeuralNetworks/05-Frameworks/README.md +++ b/translations/sr/lessons/3-NeuralNetworks/05-Frameworks/README.md @@ -1,12 +1,3 @@ - # Оквири за неуронске мреже Као што смо већ научили, да бисмо ефикасно тренирали неуронске мреже, потребно је да урадимо две ствари: diff --git a/translations/sr/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md b/translations/sr/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md index 6fe938ab..e15952eb 100644 --- a/translations/sr/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md +++ b/translations/sr/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md @@ -1,12 +1,3 @@ - # Класификација са PyTorch/TensorFlow Задатак из [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/sr/lessons/3-NeuralNetworks/README.md b/translations/sr/lessons/3-NeuralNetworks/README.md index 0d9f6e85..49534ee5 100644 --- a/translations/sr/lessons/3-NeuralNetworks/README.md +++ b/translations/sr/lessons/3-NeuralNetworks/README.md @@ -1,12 +1,3 @@ - # Увод у неуронске мреже ![Резиме садржаја увода у неуронске мреже у виду цртежа](../../../../translated_images/sr/ai-neuralnetworks.1c687ae40bc86e83.webp) diff --git a/translations/sr/lessons/4-ComputerVision/06-IntroCV/README.md b/translations/sr/lessons/4-ComputerVision/06-IntroCV/README.md index 3627810f..5210c896 100644 --- a/translations/sr/lessons/4-ComputerVision/06-IntroCV/README.md +++ b/translations/sr/lessons/4-ComputerVision/06-IntroCV/README.md @@ -1,12 +1,3 @@ - # Увод у рачунарски вид [Рачунарски вид](https://wikipedia.org/wiki/Computer_vision) је област чији је циљ да омогући рачунарима да стекну висок ниво разумевања дигиталних слика. Ово је прилично широка дефиниција, јер *разумевање* може значити много различитих ствари, укључујући проналажење објекта на слици (**детекција објеката**), разумевање шта се дешава (**детекција догађаја**), описивање слике текстом или реконструкцију сцене у 3D. Постоје и посебни задаци везани за људске слике: процена старости и емоција, детекција и идентификација лица, као и процена 3D положаја, да наведемо само неке. @@ -115,7 +106,7 @@ OpenCV можете користити и за учитавање видео з У овом лабораторијском раду, снимићете видео са једноставним гестовима, а ваш циљ је да извучете кретања горе/доле/лево/десно користећи оптички ток. -Кадар кретања длана +Кадар кретања длана --- diff --git a/translations/sr/lessons/4-ComputerVision/06-IntroCV/lab/README.md b/translations/sr/lessons/4-ComputerVision/06-IntroCV/lab/README.md index 448f72b7..8870d77d 100644 --- a/translations/sr/lessons/4-ComputerVision/06-IntroCV/lab/README.md +++ b/translations/sr/lessons/4-ComputerVision/06-IntroCV/lab/README.md @@ -1,12 +1,3 @@ - # Детекција покрета помоћу оптичког протока Задатак из [курикулума за почетнике у вештачкој интелигенцији](https://aka.ms/ai-beginners). diff --git a/translations/sr/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md b/translations/sr/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md index 3e29c5ab..f2dd659a 100644 --- a/translations/sr/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md +++ b/translations/sr/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md @@ -1,12 +1,3 @@ - # Познате CNN архитектуре ### VGG-16 @@ -25,7 +16,7 @@ VGG-16 је мрежа која је постигла тачност од 92.7% ResNet је породица модела коју је предложио Microsoft Research 2015. године. Главна идеја ResNet-а је коришћење **резидуалних блокова**: - + > Слика из [овог рада](https://arxiv.org/pdf/1512.03385.pdf) @@ -37,7 +28,7 @@ ResNet је породица модела коју је предложио Micro Google Inception архитектура иде корак даље и гради сваки слој мреже као комбинацију неколико различитих путева: - + > Слика са [Researchgate](https://www.researchgate.net/figure/Inception-module-with-dimension-reductions-left-and-schema-for-Inception-ResNet-v1_fig2_355547454) diff --git a/translations/sr/lessons/4-ComputerVision/07-ConvNets/README.md b/translations/sr/lessons/4-ComputerVision/07-ConvNets/README.md index 88e750c3..d05ab75f 100644 --- a/translations/sr/lessons/4-ComputerVision/07-ConvNets/README.md +++ b/translations/sr/lessons/4-ComputerVision/07-ConvNets/README.md @@ -1,12 +1,3 @@ - # Конволуционе неуронске мреже Видели смо раније да су неуронске мреже прилично добре у обради слика, па чак и једнослојни перцептрон може препознати руком писане цифре из MNIST скупа података са задовољавајућом тачношћу. Међутим, MNIST скуп података је веома специфичан, и све цифре су центриране унутар слике, што задатак чини једноставнијим. @@ -24,7 +15,7 @@ CO_OP_TRANSLATOR_METADATA: На пример, ако применимо 3x3 филтере за вертикалне и хоризонталне ивице на MNIST цифре, можемо добити истакнуте делове (нпр. високе вредности) тамо где постоје вертикалне и хоризонталне ивице у нашој оригиналној слици. Тако ова два филтера могу бити коришћена за "тражење" ивица. Слично томе, можемо дизајнирати различите филтере за тражење других шаблона ниског нивоа: - + > Слика: [Leung-Malik Filter Bank](https://www.robots.ox.ac.uk/~vgg/research/texclass/filters.html) diff --git a/translations/sr/lessons/4-ComputerVision/07-ConvNets/lab/README.md b/translations/sr/lessons/4-ComputerVision/07-ConvNets/lab/README.md index d958bc0c..83647534 100644 --- a/translations/sr/lessons/4-ComputerVision/07-ConvNets/lab/README.md +++ b/translations/sr/lessons/4-ComputerVision/07-ConvNets/lab/README.md @@ -1,12 +1,3 @@ - # Класификација лица кућних љубимаца Задатак из [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/sr/lessons/4-ComputerVision/08-TransferLearning/README.md b/translations/sr/lessons/4-ComputerVision/08-TransferLearning/README.md index 20de3913..78c3bfd3 100644 --- a/translations/sr/lessons/4-ComputerVision/08-TransferLearning/README.md +++ b/translations/sr/lessons/4-ComputerVision/08-TransferLearning/README.md @@ -1,12 +1,3 @@ - # Предобучене мреже и трансфер учење Тренирање CNN-а може да траје дуго и захтева много података. Међутим, велики део времена се троши на учење најбољих ниско-нивоских филтера које мрежа може да користи за издвајање образаца из слика. Поставља се природно питање - можемо ли користити неуронску мрежу обучену на једном скупу података и прилагодити је за класификацију различитих слика без потребе за комплетним процесом тренирања? diff --git a/translations/sr/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md b/translations/sr/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md index c40dfeff..27868342 100644 --- a/translations/sr/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md +++ b/translations/sr/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md @@ -1,12 +1,3 @@ - # Трикови за тренинг дубоког учења Како неуронске мреже постају дубље, процес њиховог тренинга постаје све изазовнији. Један од главних проблема су такозвани [проблем нестајућих градијената](https://en.wikipedia.org/wiki/Vanishing_gradient_problem) или [експлодирајући градијенти](https://deepai.org/machine-learning-glossary-and-terms/exploding-gradient-problem#:~:text=Exploding%20gradients%20are%20a%20problem,updates%20are%20small%20and%20controlled.). [Овај текст](https://towardsdatascience.com/the-vanishing-exploding-gradient-problem-in-deep-neural-networks-191358470c11) пружа добар увод у те проблеме. diff --git a/translations/sr/lessons/4-ComputerVision/08-TransferLearning/lab/README.md b/translations/sr/lessons/4-ComputerVision/08-TransferLearning/lab/README.md index d8c8db6f..01b2c546 100644 --- a/translations/sr/lessons/4-ComputerVision/08-TransferLearning/lab/README.md +++ b/translations/sr/lessons/4-ComputerVision/08-TransferLearning/lab/README.md @@ -1,12 +1,3 @@ - # Класификација Оксфордских љубимаца коришћењем трансфер учења Задатак из [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/sr/lessons/4-ComputerVision/09-Autoencoders/README.md b/translations/sr/lessons/4-ComputerVision/09-Autoencoders/README.md index 1bca0f96..15e8ba16 100644 --- a/translations/sr/lessons/4-ComputerVision/09-Autoencoders/README.md +++ b/translations/sr/lessons/4-ComputerVision/09-Autoencoders/README.md @@ -1,12 +1,3 @@ - # Аутоенкодери При тренингу CNN-а, један од проблема је то што нам је потребно много означених података. У случају класификације слика, морамо да раздвојимо слике у различите класе, што захтева ручни рад. @@ -46,7 +37,7 @@ VAE је аутоенкодер који учи да предвиђа *стат * Узимамо узорак вектора `sample` из дистрибуције N(zmean,exp(zlog\_sigma)) * Декодер покушава да декодира оригиналну слику користећи `sample` као улазни вектор - + > Слика из [овог блога](https://ijdykeman.github.io/ml/2016/12/21/cvae.html) аутора Исака Дајкемана @@ -57,13 +48,13 @@ VAE је аутоенкодер који учи да предвиђа *стат Једна важна предност VAE-а је то што нам омогућава да релативно лако генеришемо нове слике, јер знамо из које дистрибуције узимамо узорке латентних вектора. На пример, ако тренирамо VAE са 2D латентним вектором на MNIST-у, можемо затим мењати компоненте латентног вектора да добијемо различите бројеве: -vaemnist +vaemnist > Слика аутора [Дмитрија Сошњикова](http://soshnikov.com) Приметите како се слике међусобно стапају, док почињемо да добијамо латентне векторе из различитих делова латентног параметарског простора. Такође можемо визуализовати овај простор у 2D: -vaemnist cluster +vaemnist cluster > Слика аутора [Дмитрија Сошњикова](http://soshnikov.com) diff --git a/translations/sr/lessons/4-ComputerVision/10-GANs/README.md b/translations/sr/lessons/4-ComputerVision/10-GANs/README.md index e61b24c0..259390f3 100644 --- a/translations/sr/lessons/4-ComputerVision/10-GANs/README.md +++ b/translations/sr/lessons/4-ComputerVision/10-GANs/README.md @@ -1,12 +1,3 @@ - # Генеративне Адверзаријалне Мреже У претходном делу смо научили о **генеративним моделима**: моделима који могу да генеришу нове слике сличне онима из скупа за тренирање. ВАЕ је био добар пример генеративног модела. @@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA: Главна идеја ГАН-а је да има две неуронске мреже које ће се тренирати једна против друге: - + > Слика од [Дмитрија Сошњикова](http://soshnikov.com) @@ -41,7 +32,7 @@ CO_OP_TRANSLATOR_METADATA: > ✅ Пошто је конволуциони слој имплементиран као линеарни филтер који пролази кроз слику, деконволуција је суштински слична конволуцији и може се имплементирати користећи исту логику слоја. - + > Слика од [Дмитрија Сошњикова](http://soshnikov.com) diff --git a/translations/sr/lessons/4-ComputerVision/11-ObjectDetection/README.md b/translations/sr/lessons/4-ComputerVision/11-ObjectDetection/README.md index a797d0fe..55fa17cd 100644 --- a/translations/sr/lessons/4-ComputerVision/11-ObjectDetection/README.md +++ b/translations/sr/lessons/4-ComputerVision/11-ObjectDetection/README.md @@ -1,12 +1,3 @@ - # Детекција објеката Модели за класификацију слика које смо до сада обрађивали узимају слику и производе категоријски резултат, као што је класа 'број' у проблему MNIST. Међутим, у многим случајевима не желимо само да знамо да слика приказује објекте - желимо да одредимо њихову прецизну локацију. Управо то је суштина **детекције објеката**. diff --git a/translations/sr/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md b/translations/sr/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md index 33264e06..5e605485 100644 --- a/translations/sr/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md +++ b/translations/sr/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md @@ -1,12 +1,3 @@ - # Детекција глава уз помоћ Hollywood Heads Dataset-а Лабораторијски задатак из [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/sr/lessons/4-ComputerVision/12-Segmentation/README.md b/translations/sr/lessons/4-ComputerVision/12-Segmentation/README.md index 044c6410..c66e4e2b 100644 --- a/translations/sr/lessons/4-ComputerVision/12-Segmentation/README.md +++ b/translations/sr/lessons/4-ComputerVision/12-Segmentation/README.md @@ -1,12 +1,3 @@ - # Сегментација Раније смо учили о детекцији објеката, која нам омогућава да лоцирамо објекте на слици предвиђањем њихових *ограничених оквира*. Међутим, за неке задатке нам нису потребни само ограничени оквири, већ и прецизнија локализација објеката. Овај задатак се назива **сегментација**. @@ -20,7 +11,7 @@ CO_OP_TRANSLATOR_METADATA: На пример, за инстант сегментацију, ове овце су различити објекти, али за семантичку сегментацију све овце су представљене као једна класа. - + > Слика из [овог блога](https://nirmalamurali.medium.com/image-classification-vs-semantic-segmentation-vs-instance-segmentation-625c33a08d50) @@ -29,7 +20,7 @@ CO_OP_TRANSLATOR_METADATA: * **Енкодер** извлачи карактеристике из улазне слике. * **Декодер** трансформише те карактеристике у **слику маске**, са истом величином и бројем канала који одговарају броју класа. - + > Слика из [ове публикације](https://arxiv.org/pdf/2001.05566.pdf) @@ -43,7 +34,7 @@ CO_OP_TRANSLATOR_METADATA: > ✅ Ова техника је посебно погодна за ову врсту медицинских слика, али које друге примене у стварном свету можете замислити? -navi +navi > Слика из PH2 базе података diff --git a/translations/sr/lessons/4-ComputerVision/12-Segmentation/lab/README.md b/translations/sr/lessons/4-ComputerVision/12-Segmentation/lab/README.md index 4c3dd3e0..ebb7a42a 100644 --- a/translations/sr/lessons/4-ComputerVision/12-Segmentation/lab/README.md +++ b/translations/sr/lessons/4-ComputerVision/12-Segmentation/lab/README.md @@ -1,12 +1,3 @@ - # Сегментација људског тела Задатак из [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/sr/lessons/4-ComputerVision/README.md b/translations/sr/lessons/4-ComputerVision/README.md index 58b6dd5b..df58f60a 100644 --- a/translations/sr/lessons/4-ComputerVision/README.md +++ b/translations/sr/lessons/4-ComputerVision/README.md @@ -1,12 +1,3 @@ - # Рачунарски вид ![Резиме садржаја о рачунарском виду у виду цртежа](../../../../translated_images/sr/ai-computervision.6506ebebac3fbf76.webp) diff --git a/translations/sr/lessons/5-NLP/13-TextRep/README.md b/translations/sr/lessons/5-NLP/13-TextRep/README.md index d33d75e2..f5a2b172 100644 --- a/translations/sr/lessons/5-NLP/13-TextRep/README.md +++ b/translations/sr/lessons/5-NLP/13-TextRep/README.md @@ -1,12 +1,3 @@ - # Представљање текста као тензора ## [Квиз пре предавања](https://ff-quizzes.netlify.app/en/ai/quiz/25) @@ -25,7 +16,7 @@ CO_OP_TRANSLATOR_METADATA: Ако желимо да решавамо задатке обраде природног језика (NLP) помоћу неуронских мрежа, потребан нам је начин да текст представимо као тензоре. Рачунари већ представљају текстуалне карактере као бројеве који се мапирају на фонтове на вашем екрану користећи енкодинге као што су ASCII или UTF-8. -Слика која приказује дијаграм мапирања карактера на ASCII и бинарну репрезентацију +Слика која приказује дијаграм мапирања карактера на ASCII и бинарну репрезентацију > [Извор слике](https://www.seobility.net/en/wiki/ASCII) @@ -48,7 +39,7 @@ CO_OP_TRANSLATOR_METADATA: Када решавамо задатке као што је класификација текста, потребно је да текст представимо једним вектором фиксне величине, који ћемо користити као улаз за финални густ класификатор. Један од најједноставнијих начина за то је комбиновање свих појединачних репрезентација речи, нпр. њиховим сабирањем. Ако саберемо one-hot енкодовања сваке речи, добићемо вектор фреквенција, који показује колико се пута свака реч појављује у тексту. Оваква репрезентација текста се назива **bag of words** (BoW). - + > Слика аутора diff --git a/translations/sr/lessons/5-NLP/13-TextRep/assignment.md b/translations/sr/lessons/5-NLP/13-TextRep/assignment.md index c3159c06..9fc3fc37 100644 --- a/translations/sr/lessons/5-NLP/13-TextRep/assignment.md +++ b/translations/sr/lessons/5-NLP/13-TextRep/assignment.md @@ -1,12 +1,3 @@ - # Задатак: Бележнице Користећи бележнице повезане са овом лекцијом (било верзију за PyTorch или TensorFlow), поново их покрените користећи сопствени скуп података, можда онај са Kaggle-а, уз навођење извора. Препишите бележницу како бисте истакли сопствене налазе. Испробајте неке иновативне скупове података који би могли бити изненађујући, као што је [овај о виђењима НЛО-а](https://www.kaggle.com/datasets/NUFORC/ufo-sightings) од NUFORC. diff --git a/translations/sr/lessons/5-NLP/14-Embeddings/README.md b/translations/sr/lessons/5-NLP/14-Embeddings/README.md index 92c03142..607de6a9 100644 --- a/translations/sr/lessons/5-NLP/14-Embeddings/README.md +++ b/translations/sr/lessons/5-NLP/14-Embeddings/README.md @@ -1,12 +1,3 @@ - # Угњеждења ## [Квиз пре предавања](https://ff-quizzes.netlify.app/en/ai/quiz/27) diff --git a/translations/sr/lessons/5-NLP/14-Embeddings/assignment.md b/translations/sr/lessons/5-NLP/14-Embeddings/assignment.md index 84d10c54..840bb8e9 100644 --- a/translations/sr/lessons/5-NLP/14-Embeddings/assignment.md +++ b/translations/sr/lessons/5-NLP/14-Embeddings/assignment.md @@ -1,12 +1,3 @@ - # Задатак: Бележнице Користећи бележнице повезане са овом лекцијом (било верзију за PyTorch или TensorFlow), поново их покрените користећи сопствени скуп података, можда онај са Kaggle-а, уз навођење извора. Преправите бележницу како бисте истакли сопствене закључке. Испробајте другачији тип скупа података и документујте своја открића, користећи текст као што су [ови стихови Битлса](https://www.kaggle.com/datasets/jenlooper/beatles-lyrics). diff --git a/translations/sr/lessons/5-NLP/15-LanguageModeling/README.md b/translations/sr/lessons/5-NLP/15-LanguageModeling/README.md index 60363a07..dbba61bb 100644 --- a/translations/sr/lessons/5-NLP/15-LanguageModeling/README.md +++ b/translations/sr/lessons/5-NLP/15-LanguageModeling/README.md @@ -1,12 +1,3 @@ - # Моделирање језика Семантички уграђени вектори, као што су Word2Vec и GloVe, представљају први корак ка **моделирању језика** – креирању модела који на неки начин *разумеју* (или *представљају*) природу језика. diff --git a/translations/sr/lessons/5-NLP/15-LanguageModeling/lab/README.md b/translations/sr/lessons/5-NLP/15-LanguageModeling/lab/README.md index d09679d8..ff03d904 100644 --- a/translations/sr/lessons/5-NLP/15-LanguageModeling/lab/README.md +++ b/translations/sr/lessons/5-NLP/15-LanguageModeling/lab/README.md @@ -1,12 +1,3 @@ - # Тренирање Skip-Gram модела Задатак из [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/sr/lessons/5-NLP/16-RNN/README.md b/translations/sr/lessons/5-NLP/16-RNN/README.md index 52f1823d..ee392450 100644 --- a/translations/sr/lessons/5-NLP/16-RNN/README.md +++ b/translations/sr/lessons/5-NLP/16-RNN/README.md @@ -1,12 +1,3 @@ - # Рекурентне неуронске мреже ## [Квиз пре предавања](https://ff-quizzes.netlify.app/en/ai/quiz/31) @@ -31,7 +22,7 @@ CO_OP_TRANSLATOR_METADATA: Једноставна RNN ћелија има две матрице тежина унутар себе: једна трансформише улазни симбол (назовимо је W), а друга трансформише улазно стање (H). У овом случају излаз мреже се рачуна као σ(W×Xi+H×Si-1+b), где је σ активациона функција, а b је додатна пристрасност. -Анатомија RNN ћелије +Анатомија RNN ћелије > Слика аутора diff --git a/translations/sr/lessons/5-NLP/16-RNN/assignment.md b/translations/sr/lessons/5-NLP/16-RNN/assignment.md index 77c7468e..d1fef1c4 100644 --- a/translations/sr/lessons/5-NLP/16-RNN/assignment.md +++ b/translations/sr/lessons/5-NLP/16-RNN/assignment.md @@ -1,12 +1,3 @@ - # Задатак: Бележнице Користећи бележнице повезане са овом лекцијом (било верзију за PyTorch или TensorFlow), поново их покрените користећи сопствени скуп података, можда онај са Kaggle-а, уз навођење извора. Препишите бележницу како бисте истакли сопствене налазе. Испробајте другачији тип скупа података и документујте своја запажања, користећи текст као што је [овај Kaggle скуп података о временским твитовима](https://www.kaggle.com/competitions/crowdflower-weather-twitter/data?select=train.csv). diff --git a/translations/sr/lessons/5-NLP/17-GenerativeNetworks/README.md b/translations/sr/lessons/5-NLP/17-GenerativeNetworks/README.md index a78eaa5c..62dc4e2c 100644 --- a/translations/sr/lessons/5-NLP/17-GenerativeNetworks/README.md +++ b/translations/sr/lessons/5-NLP/17-GenerativeNetworks/README.md @@ -1,12 +1,3 @@ - # Генеративне мреже ## [Квиз пре предавања](https://ff-quizzes.netlify.app/en/ai/quiz/33) @@ -36,7 +27,7 @@ CO_OP_TRANSLATOR_METADATA: Када генеришемо текст (током инференције), почињемо са неким **подстицајем** (prompt), који се прослеђује кроз RNN ћелије да би се генерисало његово интермедијарно стање, а затим из тог стања почиње генерисање. Генеришемо један карактер у исто време и прослеђујемо стање и генерисани карактер следећој RNN ћелији да генерише следећи, све док не генеришемо довољно карактера. - + > Слика аутора diff --git a/translations/sr/lessons/5-NLP/17-GenerativeNetworks/lab/README.md b/translations/sr/lessons/5-NLP/17-GenerativeNetworks/lab/README.md index 8011c816..1bf4defb 100644 --- a/translations/sr/lessons/5-NLP/17-GenerativeNetworks/lab/README.md +++ b/translations/sr/lessons/5-NLP/17-GenerativeNetworks/lab/README.md @@ -1,12 +1,3 @@ - # Генерација текста на нивоу речи користећи RNN Задатак из [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/sr/lessons/5-NLP/18-Transformers/README.md b/translations/sr/lessons/5-NLP/18-Transformers/README.md index afdc515e..3f9ed68a 100644 --- a/translations/sr/lessons/5-NLP/18-Transformers/README.md +++ b/translations/sr/lessons/5-NLP/18-Transformers/README.md @@ -1,12 +1,3 @@ - # Механизми пажње и Трансформери ## [Квиз пре предавања](https://ff-quizzes.netlify.app/en/ai/quiz/35) @@ -56,7 +47,7 @@ CO_OP_TRANSLATOR_METADATA: * Уграђивање које се тренира, слично уграђивању токена. Ово је приступ који овде разматрамо. Примењујемо слојеве уграђивања на токене и њихове позиције, што резултира векторима уграђивања истих димензија, које затим сабирамо. * Фиксна функција позиционог кодирања, како је предложено у оригиналном раду. - + > Слика аутора diff --git a/translations/sr/lessons/5-NLP/18-Transformers/assignment.md b/translations/sr/lessons/5-NLP/18-Transformers/assignment.md index b4bbc147..f7fb8a0d 100644 --- a/translations/sr/lessons/5-NLP/18-Transformers/assignment.md +++ b/translations/sr/lessons/5-NLP/18-Transformers/assignment.md @@ -1,12 +1,3 @@ - # Задатак: Трансформери Експериментишите са трансформерима на HuggingFace! Испробајте неке од скрипти које они пружају за рад са различитим моделима доступним на њиховом сајту: https://huggingface.co/docs/transformers/run_scripts. Испробајте један од њихових скупова података, а затим увезите један од својих из овог курикулума или са Kaggle-а и видите да ли можете да генеришете занимљиве текстове. Направите бележницу са својим налазима. diff --git a/translations/sr/lessons/5-NLP/19-NER/README.md b/translations/sr/lessons/5-NLP/19-NER/README.md index e2e9c1e4..a9c732e0 100644 --- a/translations/sr/lessons/5-NLP/19-NER/README.md +++ b/translations/sr/lessons/5-NLP/19-NER/README.md @@ -1,12 +1,3 @@ - # Препознавање именованих ентитета До сада смо се углавном концентрисали на један NLP задатак - класификацију. Међутим, постоје и други NLP задаци који се могу решити помоћу неуронских мрежа. Један од тих задатака је **[Препознавање именованих ентитета](https://wikipedia.org/wiki/Named-entity_recognition)** (NER), који се бави препознавањем специфичних ентитета у тексту, као што су места, имена особа, временски интервали, хемијске формуле и слично. @@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA: Претпоставимо да желите да развијете чет-бот за природни језик, сличан Amazon Alexa или Google Assistant. Начин на који интелигентни чет-ботови функционишу је да *разумеју* шта корисник жели, вршећи класификацију текста на улазној реченици. Резултат те класификације је такозвани **намерни сигнал** (intent), који одређује шта чет-бот треба да уради. -Bot NER +Bot NER > Слика аутора diff --git a/translations/sr/lessons/5-NLP/19-NER/lab/README.md b/translations/sr/lessons/5-NLP/19-NER/lab/README.md index df35519c..34174b95 100644 --- a/translations/sr/lessons/5-NLP/19-NER/lab/README.md +++ b/translations/sr/lessons/5-NLP/19-NER/lab/README.md @@ -1,12 +1,3 @@ - # NER Задатак из лабораторијске вежбе у оквиру [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/sr/lessons/5-NLP/20-LangModels/README.md b/translations/sr/lessons/5-NLP/20-LangModels/README.md index 37b67c98..2d59467d 100644 --- a/translations/sr/lessons/5-NLP/20-LangModels/README.md +++ b/translations/sr/lessons/5-NLP/20-LangModels/README.md @@ -1,12 +1,3 @@ - # Унапред обучени велики језички модели У свим претходним задацима, тренирали смо неуронску мрежу да изврши одређени задатак користећи означене скупове података. Са великим трансформер моделима, као што је BERT, користимо језичко моделирање у самостално надгледаном режиму да изградимо језички модел, који се затим специјализује за специфичан задатак уз додатну обуку у одређеној области. Међутим, показано је да велики језички модели могу решити многе задатке и без било какве обуке специфичне за домен. Породица модела способних за то назива се **GPT**: Генеративни унапред обучени трансформер. diff --git a/translations/sr/lessons/5-NLP/README.md b/translations/sr/lessons/5-NLP/README.md index 2b626065..a2e8fb66 100644 --- a/translations/sr/lessons/5-NLP/README.md +++ b/translations/sr/lessons/5-NLP/README.md @@ -1,12 +1,3 @@ - # Обрада природног језика ![Резиме NLP задатака у скици](../../../../translated_images/sr/ai-nlp.b22dcb8ca4707cea.webp) diff --git a/translations/sr/lessons/6-Other/21-GeneticAlgorithms/README.md b/translations/sr/lessons/6-Other/21-GeneticAlgorithms/README.md index 9b8452a8..ef2809e0 100644 --- a/translations/sr/lessons/6-Other/21-GeneticAlgorithms/README.md +++ b/translations/sr/lessons/6-Other/21-GeneticAlgorithms/README.md @@ -1,12 +1,3 @@ - # Генетски алгоритми ## [Квиз пре предавања](https://ff-quizzes.netlify.app/en/ai/quiz/41) diff --git a/translations/sr/lessons/6-Other/22-DeepRL/README.md b/translations/sr/lessons/6-Other/22-DeepRL/README.md index 26356fc7..303bb887 100644 --- a/translations/sr/lessons/6-Other/22-DeepRL/README.md +++ b/translations/sr/lessons/6-Other/22-DeepRL/README.md @@ -1,12 +1,3 @@ - # Дубоко појачано учење Појачано учење (RL) се сматра једним од основних парадигми машинског учења, поред надгледаног и ненадгледаног учења. Док се у надгледаном учењу ослањамо на скуп података са познатим исходима, RL се заснива на **учењу кроз рад**. На пример, када први пут видимо компјутерску игру, почнемо да играмо, чак и без познавања правила, и убрзо успевамо да побољшамо своје вештине само кроз процес играња и прилагођавања нашег понашања. @@ -34,7 +25,7 @@ CO_OP_TRANSLATOR_METADATA: Поједностављена верзија балансирања је позната као **CartPole** проблем. У свету CartPole-а, имамо хоризонтални клизач који може да се помера лево или десно, а циљ је да се вертикална шипка одржи у равнотежи на врху клизача док се он помера. -CartPole +CartPole Да бисмо креирали и користили ово окружење, потребно је неколико линија Python кода: diff --git a/translations/sr/lessons/6-Other/22-DeepRL/lab/README.md b/translations/sr/lessons/6-Other/22-DeepRL/lab/README.md index f3c5d1c9..594bc7a1 100644 --- a/translations/sr/lessons/6-Other/22-DeepRL/lab/README.md +++ b/translations/sr/lessons/6-Other/22-DeepRL/lab/README.md @@ -1,12 +1,3 @@ - # Тренирање планинског аутомобила да побегне Задатак из [Курикулума за почетнике у вештачкој интелигенцији](https://github.com/microsoft/ai-for-beginners). diff --git a/translations/sr/lessons/6-Other/23-MultiagentSystems/README.md b/translations/sr/lessons/6-Other/23-MultiagentSystems/README.md index 271cd36c..2469a164 100644 --- a/translations/sr/lessons/6-Other/23-MultiagentSystems/README.md +++ b/translations/sr/lessons/6-Other/23-MultiagentSystems/README.md @@ -1,12 +1,3 @@ - # Мултиагентски системи Један од могућих начина постизања интелигенције је такозвани **емергентни** (или **синергетски**) приступ, који се заснива на чињеници да комбиновано понашање многих релативно једноставних агената може резултирати укупно сложенијим (или интелигентнијим) понашањем система као целине. Теоријски, ово се заснива на принципима [Колективне интелигенције](https://en.wikipedia.org/wiki/Collective_intelligence), [Емергентизма](https://en.wikipedia.org/wiki/Global_brain) и [Еволуционе кибернетике](https://en.wikipedia.org/wiki/Global_brain), који тврде да системи вишег нивоа добијају неку врсту додатне вредности када се правилно комбинују из система нижег нивоа (такозвани *принцип транзиције метасистема*). @@ -60,7 +51,7 @@ ask turtles [ Сјајна ствар код NetLogo-а је што садржи библиотеку готових модела које можете испробати. Идите на **File → Models Library**, и имате много категорија модела за избор. -NetLogo Models Library +NetLogo Models Library > Снимак екрана библиотеке модела, Дмитриј Сошњиков diff --git a/translations/sr/lessons/6-Other/23-MultiagentSystems/assignment.md b/translations/sr/lessons/6-Other/23-MultiagentSystems/assignment.md index 496dc669..b8cc54ca 100644 --- a/translations/sr/lessons/6-Other/23-MultiagentSystems/assignment.md +++ b/translations/sr/lessons/6-Other/23-MultiagentSystems/assignment.md @@ -1,12 +1,3 @@ - # Задатак за NetLogo Узмите један од модела из библиотеке NetLogo и користите га да симулирате стварну животну ситуацију што је могуће прецизније. Добар пример би био да прилагодите модел Virus из фасцикле Alternative Visualizations како бисте показали како се може користити за моделовање ширења COVID-19. Можете ли направити модел који опонаша стварно ширење вируса? diff --git a/translations/sr/lessons/7-Ethics/README.md b/translations/sr/lessons/7-Ethics/README.md index 867d2988..53644590 100644 --- a/translations/sr/lessons/7-Ethics/README.md +++ b/translations/sr/lessons/7-Ethics/README.md @@ -1,12 +1,3 @@ - # Етичка и одговорна вештачка интелигенција Скоро сте завршили овај курс, и надам се да сада јасно видите да је вештачка интелигенција заснована на низу формалних математичких метода који нам омогућавају да пронађемо односе у подацима и обучимо моделе да реплицирају неке аспекте људског понашања. У овом тренутку историје, сматрамо да је вештачка интелигенција веома моћан алат за извлачење образаца из података и примену тих образаца за решавање нових проблема. diff --git a/translations/sr/lessons/README.md b/translations/sr/lessons/README.md index 03338320..a03f63c5 100644 --- a/translations/sr/lessons/README.md +++ b/translations/sr/lessons/README.md @@ -1,12 +1,3 @@ - # Преглед ![Преглед у виду цртежа](../../../translated_images/sr/ai-overview.0857791951d19500.webp) diff --git a/translations/sr/lessons/X-Extras/X1-MultiModal/README.md b/translations/sr/lessons/X-Extras/X1-MultiModal/README.md index 0fba3a05..e3d2ac4e 100644 --- a/translations/sr/lessons/X-Extras/X1-MultiModal/README.md +++ b/translations/sr/lessons/X-Extras/X1-MultiModal/README.md @@ -1,12 +1,3 @@ - # Мултимодалне мреже Након успеха трансформер модела у решавању задатака обраде природног језика (NLP), исте или сличне архитектуре примењене су и на задатке рачунарског вида. Расте интересовање за изградњу модела који би *комбиновали* могућности визије и природног језика. Један од таквих покушаја је направио OpenAI, а назива се CLIP и DALL.E. diff --git a/translations/sr/lessons/sketchnotes/LICENSE.md b/translations/sr/lessons/sketchnotes/LICENSE.md index d80057c5..5f5e2631 100644 --- a/translations/sr/lessons/sketchnotes/LICENSE.md +++ b/translations/sr/lessons/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - Атрибуција-Делити под истим условима 4.0 Међународна ======================================================================= diff --git a/translations/sr/lessons/sketchnotes/README.md b/translations/sr/lessons/sketchnotes/README.md index ac60f7f3..b3fa4bce 100644 --- a/translations/sr/lessons/sketchnotes/README.md +++ b/translations/sr/lessons/sketchnotes/README.md @@ -1,12 +1,3 @@ - Све скице наставног плана могу се преузети овде. 🎨 Креирала: Томоми Имура (Твитер: [@girlie_mac](https://twitter.com/girlie_mac), ГитХаб: [girliemac](https://github.com/girliemac)) diff --git a/translations/sr/troubleshoot.md b/translations/sr/troubleshoot.md index b07472fc..c49f430f 100644 --- a/translations/sr/troubleshoot.md +++ b/translations/sr/troubleshoot.md @@ -1,12 +1,3 @@ - # Водич за решавање проблема AI-For-Beginners Овај водич помаже у решавању уобичајених проблема који се јављају приликом коришћења или доприноса [AI-For-Beginners](https://github.com/microsoft/AI-For-Beginners) репозиторијуму. Сваки проблем укључује позадину, симптоме, објашњења и кораке за решавање.