AI-For-Beginners/translations/hu

Mesterséges intelligencia kezdőknek - Egy tananyag

AI kezdőknek - Sketchnote @girlie_mac tollából

Fedezd fel a Mesterséges Intelligencia (AI) világát 12 hetes, 24 leckéből álló tananyagunkkal! Gyakorlati leckéket, kvízeket és laborokat tartalmaz. A tananyag kezdők számára is barátságos, és lefedi a TensorFlow és PyTorch eszközök használatát, valamint az AI etikai kérdéseit.

🌐 Többnyelvű támogatás

GitHub Action segítségével támogatott (Automatizált és mindig naprakész)

Arab | Bengáli | Bolgár | Burmai (Myanmar) | Kínai (egyszerűsített) | Kínai (hagyományos, Hongkong) | Kínai (hagyományos, Makaó) | Kínai (hagyományos, Tajvan) | Horvát | Cseh | Dán | Holland | Észt | Finn | Francia | Német | Görög | Héber | Hindi | Magyar | Indonéz | Olasz | Japán | Kannada | Koreai | Litván | Maláj | Malayalam | Marathi | Nepáli | Nigériai Pidgin | Norvég | Perzsa (Farsi) | Lengyel | Portugál (Brazília) | Portugál (Portugália) | Pandzsábi (Gurmukhi) | Román | Orosz | Szerb (cirill) | Szlovák | Szlovén | Spanyol | Szuahéli | Svéd | Tagalog (Filippínó) | Tamil | Telugu | Thai | Török | Ukrán | Urdu | Vietnami

Inkább helyileg klónozza?

Ez a tároló több mint 50 nyelvű fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha fordítások nélkül szeretnéd klónozni, használd a sparse checkout-ot:

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'

Így mindent megkapsz a tananyag elvégzéséhez, gyorsabb letöltéssel.

Ha további fordítási nyelvek támogatását szeretnéd, azok itt találhatóak: itt

Csatlakozz a közösséghez

Mit fogsz megtanulni

A tanfolyam gondolattérképe

Ebben a tananyagban megtanulod:

• A mesterséges intelligencia különböző megközelítéseit, beleértve a "régi jó" szimbolikus megközelítést tudásreprezentációval és következtetéssel (GOFAI).
• A neurális hálózatok és a mélytanulás alapjait, amelyek a modern AI magját képezik. Ezeket a fontos témákat kettő, legnépszerűbb keretrendszerben, a TensorFlow és PyTorch segítségével illusztráljuk.
• A képek és szövegek kezelésére alkalmas neurális architektúrákat. Lefedjük a legfrissebb modelleket, de lehet, hogy egy kicsit elmaradunk a legfrissebb állapotoktól.
• Kevésbé népszerű AI megközelítéseket, mint például a genetikus algoritmusok és a többügynökös rendszerek.

Amit ebben a tananyagban nem fogunk érinteni:

Minden további anyagot megtalálsz a tanfolyam Microsoft Learn kollekciójában

• Az AI üzleti felhasználását érintő üzleti eseteket. Érdemes lehet megnézni a Bevezetés az üzleti felhasználóknak szóló AI-ba tanulási útvonalat a Microsoft Learn-en, vagy az AI Business School programot, amelyet az INSEAD közreműködésével fejlesztettek ki.
• A klasszikus gépi tanulást, amelyet részletesen leírunk a Gépi tanulás kezdőknek tananyagunkban.
• Gyakorlati AI alkalmazásokat, melyeket a Kognitív Szolgáltatások segítségével készítettek. Ehhez ajánljuk a Microsoft Learn modulokat, például a személyfelismerés, természetes nyelvfeldolgozás, generatív AI az Azure OpenAI szolgáltatással és egyéb területeken.
• Specifikus ML felhőalapú keretrendszereket, mint például az Azure Machine Learning, Microsoft Fabric, vagy az Azure Databricks. Érdemes használni a Gépi tanulási megoldások építése és üzemeltetése Azure Machine Learninggel és Gépi tanulási megoldások építése és üzemeltetése Azure Databricks segítségével tanulási útvonalakat.
• Konverzációs AI-t és chatbotokat. Van egy különálló Konverzációs AI megoldások létrehozása tanulási útvonal, és további részletekért ajánlott ez a blogbejegyzés.
• A mélytanulás mögötti mély matematikát. Ehhez ajánljuk Ian Goodfellow, Yoshua Bengio és Aaron Courville Deep Learning című könyvét, amely online is elérhető a https://www.deeplearningbook.org/ oldalon.

Az AI a felhőben témakörből lágy bevezetőként érdemes a Mesterséges intelligencia kezdőknek az Azure-on tanulási útvonalat választani.

Tartalom

	Lecke link	PyTorch/Keras/TensorFlow	Labor
0	Tanfolyam Beállítása	Fejlesztői környezet beállítása
I	Bevezetés az AI-ba
01	AI bevezetése és története	-	-
II	Szimbolikus AI
02	Tudásreprezentáció és szakértői rendszerek	Szakértői rendszerek / Ontológia /Fogalomgráf
III	Bevezetés a neuronhálókba
03	Perceptron	Jegyzetfüzet	Labor
04	Többrétegű perceptron és saját keretrendszer készítése	Jegyzetfüzet	Labor
05	Bevezetés a keretrendszerekhez (PyTorch/TensorFlow) és túltanulás	PyTorch / Keras / TensorFlow	Labor
IV	Számítógépes látás	PyTorch / TensorFlow	Fedezd fel a számítógépes látást a Microsoft Azure-en
06	Bevezetés a számítógépes látásba. OpenCV	Jegyzetfüzet	Labor
07	Konvolúciós neuronhálók & CNN architektúrák	PyTorch /TensorFlow	Labor
08	Előre betanított hálók és átvivő tanulás és Tanítási trükkök	PyTorch / TensorFlow	Labor
09	Autoenkódolók és VAE-k	PyTorch / TensorFlow
10	Generatív adversariális hálók és művészi stílusátvitel	PyTorch / TensorFlow
11	Objektumfelismerés	TensorFlow	Labor
12	Szemantikus szegmentáció. U-Net	PyTorch / TensorFlow
V	Természetes nyelvfeldolgozás	PyTorch /TensorFlow	Fedezd fel a természetes nyelvfeldolgozást a Microsoft Azure-en
13	Szöveg reprezentációja. BoW/TF-IDF	PyTorch / TensorFlow
14	Szemantikus szóbeágyazások. Word2Vec és GloVe	PyTorch / TensorFlow
15	Nyelvi modellezés. Saját beágyazások tanítása	PyTorch / TensorFlow	Labor
16	Rekurzív neuronhálók	PyTorch / TensorFlow
17	Generatív rekurzív hálók	PyTorch / TensorFlow	Labor
18	Transformerek. BERT.	PyTorch /TensorFlow
19	Név szerinti entitásfelismerés	TensorFlow	Labor
20	Nagy nyelvi modellek, prompt programozás és kevés mintás feladatok	PyTorch
VI	Egyéb MI technikák
21	Genetikus algoritmusok	Jegyzetfüzet
22	Mély megerősítéses tanulás	PyTorch /TensorFlow	Labor
23	Több ügynökös rendszerek
VII	MI etika
24	MI etika és felelős MI	Microsoft Learn: Felelős MI alapelvek
IX	Extrák
25	Multimodális hálók, CLIP és VQGAN	Jegyzetfüzet

Minden leckében található

• Előolvasmány anyag
• Futtatható Jupyter jegyzetfüzetek, melyek gyakran a keretrendszerhez kötöttek (PyTorch vagy TensorFlow). A futtatható jegyzetfüzet sok elméleti anyagot is tartalmaz, így a téma megértéséhez legalább az egyik verziót végig kell járni (vagy PyTorch, vagy TensorFlow).
• Egyes témákhoz Laboratóriumi gyakorlatok is elérhetők, melyek lehetőséget adnak, hogy a tanultakat konkrét problémákra alkalmazd.
• Néhány szakaszban találsz hivatkozásokat MS Learn modulokra, melyek kapcsolódó témákat fednek le.

Kezdjük el

🎯 Új vagy az MI-ben? Itt kezdj!

Ha teljesen új vagy az MI-ben és gyors, gyakorlati példákat keresel, nézd meg a Kezdőbarát példák gyűjteményünket! Ezek tartalmazzák:

• 🌟 Hello MI Világ - az első MI programod (minta felismerés)

• 🧠 Egyszerű neuronháló - neurális háló felépítése a semmiből

• 🖼️ Kép Osztályozó - Osztályozd a képeket részletes megjegyzésekkel

• 💬 Szöveg Hangulat - Elemezd a pozitív/negatív szöveget

Ezek a példák segítenek megérteni az MI koncepciókat, mielőtt belevágsz a teljes tananyagba.

📚 Teljes Tananyag Beállítása

• Létrehoztunk egy beállító leckét, hogy segítsünk a fejlesztési környezet beállításában. - Oktatóknak létrehoztunk egy tananyag beállító leckét is!
• Hogyan futtasd a kódot VSCode-ban vagy Codespace-ben

Kövesd ezeket a lépéseket:

Forkold a Tárolót: Kattints a "Fork" gombra ennek az oldalnak a jobb felső sarkában.

Klónozd a Tárolót: git clone https://github.com/microsoft/AI-For-Beginners.git

Ne felejtsd el megcsillagozni (🌟) ezt a repo-t, hogy könnyebben megtaláld később.

Találkozz Más Tanulókkal

Csatlakozz hivatalos AI Discord szerverünkhöz, hogy találkozz és kapcsolatot építs a kurzust végző többi tanulóval, valamint segítséget kapj.

Ha visszajelzésed vagy kérdésed van a termékkel kapcsolatban tanulás közben, látogasd meg Azure AI Foundry Fejlesztői Fórumunkat

Kvízek

Megjegyzés a kvízekről: Minden kvíz a Quiz-app mappában található az etc\quiz-app könyvtárban, vagy Online Itt A leckékből hivatkozottak, a kvíz app helyben is futtatható, vagy Azure-ra telepíthető; kövesd a quiz-app mappában található utasításokat. Fokozatosan lokalizáljuk őket.

Segítséget Kérünk

Van javaslatod, vagy találtál helyesírási vagy kód hibákat? Nyiss egy issue-t vagy hozz létre egy pull request-et.

Külön Köszönet

• ✍️ Fő Szerző: Dmitry Soshnikov, PhD
• 🔥 Szerkesztő: Jen Looper, PhD
• 🎨 Sketchnote illusztrátor: Tomomi Imura
• ✅ Kvíz Készítő: Lateefah Bello, MLSA
• 🙏 Fő Közreműködők: Evgenii Pishchik

Egyéb Tananyagok

Csapatunk további tananyagokat is készít! Nézd meg:

LangChain

Azure / Edge / MCP / Ügynökök

---

Generatív MI Sorozat

---

Alap Tanulás

---

Copilot Sorozat

Segítség Kérése

Ha elakadsz vagy kérdésed van az MI alkalmazások fejlesztésével kapcsolatban, csatlakozz más tanulókhoz és tapasztalt fejlesztőkhöz MCP témájú beszélgetésekben. Ez egy támogató közösség, ahol a kérdések szívesen látottak és a tudás szabadon megosztott.

Ha visszajelzést vagy hibákat találsz fejlesztés közben, látogasd meg:

---

Jognyilatkozat: Ezt a dokumentumot a Co-op Translator AI fordító szolgáltatás segítségével fordítottuk le. Bár a pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti, anyanyelvi dokumentum tekinthető hiteles forrásnak. Kritikus információk esetén professzionális emberi fordítást javaslunk. Nem vállalunk felelősséget az ebből a fordításból eredő félreértésekért vagy félreinformálásokért.