AI-For-Beginners/translations/uk

Штучний Інтелект для Початківців - Навчальна Програма

AI For Beginners - Скетчноут від @girlie_mac

Відкрийте для себе світ Штучного Інтелекту (ШІ) з нашою 12-тижневою навчальною програмою, що складається з 24 уроків! Вона включає практичні заняття, тести та лабораторні роботи. Програма підходить для початківців та охоплює інструменти такі як TensorFlow і PyTorch, а також етику в ШІ.

🌐 Підтримка декількох мов

Підтримується через GitHub Action (Автоматично та Завжди Актуально)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Віддаєте перевагу клонути локально?

Цей репозиторій містить понад 50 мовних перекладів, що значно збільшує розмір завантаження. Щоб клонувати без перекладів, використовуйте sparse checkout:

git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git
cd AI-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

Це дасть вам усе необхідне для проходження курсу з набагато швидшим завантаженням.

Якщо ви бажаєте додати підтримку інших мов, вони перераховані тут

Приєднуйтесь до спільноти

Чого ви навчитеся

Ментальна карта курсу

У цій навчальній програмі ви дізнаєтеся:

• Різні підходи до штучного інтелекту, включаючи "старий добрий" символічний підхід з Представленням Знань та логічним виведенням (GOFAI).
• Нейронні Мережі і Глибоке Навчання, які є основою сучасного ШІ. Ми ілюструватимемо концепції цих важливих тем за допомогою коду у двох найпопулярніших фреймворках - TensorFlow і PyTorch.
• Нейронні Архітектури для роботи з зображеннями та текстом. Ми розглянемо новітні моделі, хоч і можливо дещо не повністю стан сучасних технологій.
• Менш поширені підходи до ШІ, такі як Генетичні Алгоритми та Мультиагентні Системи.

Що ми не охоплюємо у цій навчальній програмі:

Знайдіть усі додаткові ресурси для цього курсу в нашій колекції Microsoft Learn

• Бізнес-кейси використання ШІ в Бізнесі. Рекомендуємо пройти Вступ до ШІ для бізнес-користувачів на Microsoft Learn, або AI Business School, розроблений у співпраці з INSEAD.
• Класичне Машинне Навчання, яке детально описане у нашій Навчальній програмі Машинного Навчання для Початківців.
• Практичні AI-застосунки, побудовані за допомогою Cognitive Services. Для цього радимо почати з модулів Microsoft Learn для зору, обробки природної мови, Генеративного ШІ з Azure OpenAI Service і інші.
• Специфічні ML Хмарні Фреймворки, такі як Azure Machine Learning, Microsoft Fabric або Azure Databricks. Варто скористатися навчальними шляхами Build and operate machine learning solutions with Azure Machine Learning та Build and Operate Machine Learning Solutions with Azure Databricks.
• Розмовний ШІ та Чат-боти. Існує окремий навчальний шлях Create conversational AI solutions, а також можна звернутись до цього допису в блозі для детальнішої інформації.
• Глибока Математика за глибоким навчанням. Для цього рекомендуємо книгу Deep Learning автора Іана Гудфеллоу, Йошуа Бенгіо та Аарона Курвіль, яка доступна також онлайн за адресою https://www.deeplearningbook.org/.

Для легкого введення у тему ШІ в Хмарі рекомендуємо навчальний шлях Get started with artificial intelligence on Azure.

Зміст

	Посилання на урок	PyTorch/Keras/TensorFlow	Лабораторна робота
0	Налаштування курсу	Налаштування середовища розробки
I	Вступ до ШІ
01	Вступ і Історія ШІ	-	-
II	Символічний ШІ
02	Представлення знань та експертні системи	Експертні системи / Онтологія /Граф понять
III	Вступ до нейронних мереж
03	Перцептрон	Зошит	Лабораторна робота
04	Багатошаровий перцептрон та створення власного фреймворку	Зошит	Лабораторна робота
05	Вступ до фреймворків (PyTorch/TensorFlow) та перенавчання	PyTorch / Keras / TensorFlow	Лабораторна робота
IV	Комп’ютерний зір	PyTorch / TensorFlow	Вивчайте Комп’ютерний зір на Microsoft Azure
06	Вступ до комп’ютерного зору. OpenCV	Зошит	Лабораторна робота
07	Згорткові нейронні мережі & Архітектури CNN	PyTorch /TensorFlow	Лабораторна робота
08	Попередньо навчені мережі та трансферне навчання та Трюки навчання	PyTorch / TensorFlow	Лабораторна робота
09	Автокодувальники та VAE	PyTorch / TensorFlow
10	Генеративні змагальні мережі та передача художнього стилю	PyTorch / TensorFlow
11	Виявлення об’єктів	TensorFlow	Лабораторна робота
12	Семантична сегментація. U-Net	PyTorch / TensorFlow
V	Обробка природної мови	PyTorch /TensorFlow	Вивчайте обробку природної мови на Microsoft Azure
13	Представлення тексту. Bow/TF-IDF	PyTorch / TensorFlow
14	Семантичні вбудовування слів. Word2Vec та GloVe	PyTorch / TensorFlow
15	Моделювання мови. Навчання власних вбудовувань	PyTorch / TensorFlow	Лабораторна робота
16	Рекурентні нейронні мережі	PyTorch / TensorFlow
17	Генеративні рекурентні мережі	PyTorch / TensorFlow	Лабораторна робота
18	Трансформери. BERT.	PyTorch /TensorFlow
19	Розпізнавання іменованих сутностей	TensorFlow	Лабораторна робота
20	Великі мовні моделі, програмування підказок і завдання з малим числом прикладів	PyTorch
VI	Інші методи ШІ
21	Генетичні алгоритми	Зошит
22	Глибинне підкріплене навчання	PyTorch /TensorFlow	Лабораторна робота
23	Багатоповідомні системи
VII	Етика ШІ
24	Етика штучного інтелекту та відповідальний ШІ	Microsoft Learn: Принципи відповідального ШІ
IX	Додатково
25	Багатомодальні мережі, CLIP та VQGAN	Зошит

Кожен урок містить

• Матеріал для попереднього читання
• Виконувані Jupyter ноутбуки, які часто специфічні для фреймворку (PyTorch або TensorFlow). Виконуваний зошит також містить багато теоретичного матеріалу, тож для розуміння теми треба пройти хоча б одну версію зошита (або PyTorch, або TensorFlow).
• Лабораторні роботи, доступні для деяких тем, які дають можливість спробувати застосувати вивчений матеріал до конкретної задачі.
• Деякі розділи містять посилання на модулі MS Learn, що охоплюють пов’язані теми.

Початок роботи

🎯 Новачок у ШІ? Почніть тут!

Якщо ви повністю новачок у ШІ і хочете швидкі практичні приклади, ознайомтеся з нашими Прикладами для початківців! Вони містять:

• 🌟 Hello AI World — Ваша перша програма ШІ (розпізнавання патернів)

• 🧠 Проста нейронна мережа — Побудуйте нейронну мережу з нуля

• 🖼️ Класифікатор зображень - Класифікуйте зображення з докладними коментарями

• 💬 Аналіз настрою тексту - Аналіз позитивного/негативного тексту

Ці приклади призначені для того, щоб допомогти вам зрозуміти концепції ШІ перед тим, як почати повний курс.

📚 Налаштування повного курсу

• Ми створили урок з налаштування, щоб допомогти вам налаштувати середовище розробки. - Для викладачів також створено урок з налаштування навчальних програм!
• Як запустити код у VSCode або Codespace

Виконайте ці кроки:

Відгалужте репозиторій: Натисніть кнопку "Fork" у верхньому правому куті цієї сторінки.

Клонувати репозиторій: git clone https://github.com/microsoft/AI-For-Beginners.git

Не забудьте поставити зірочку (🌟) цьому репозиторію, щоб легше його знаходити пізніше.

Познайомтеся з іншими учнями

Приєднуйтеся до нашого офіційного Discord серверу ШІ, щоб зустрітися та поспілкуватися з іншими учнями, які проходять цей курс, та отримати підтримку.

Якщо у вас є відгуки про продукт або питання під час розробки, відвідайте наш форум розробників Azure AI Foundry.

Вікторини

Примітка про вікторини: Всі вікторини знаходяться у папці Quiz-app у etc\quiz-app, або доступні онлайн тут. Вони пов’язані з уроками, застосунок для вікторин можна запускати локально або розгортати на Azure; дотримуйтесь інструкцій у папці quiz-app. Вікторини поступово локалізуються.

Потрібна допомога

Чи є у вас пропозиції або ви знайшли орфографічні чи помилки у коді? Відкрийте issue або створіть pull request.

Особлива подяка

• ✍️ Основний автор: Дмитро Сошников, PhD
• 🔥 Редактор: Джен Лупер, PhD
• 🎨 Ілюстратор скетчноутів: Томомі Імура
• ✅ Автор вікторин: Латіфа Белло, MLSA
• 🙏 Основні учасники: Євгеній Піщик

Інші навчальні програми

Наша команда створює й інші навчальні програми! Перегляньте:

LangChain

Azure / Edge / MCP / Агенти

---

Серія Generative AI

---

Основне навчання

---

Серія Copilot

Отримати допомогу

Якщо ви застрягли або маєте питання про створення додатків ШІ, приєднуйтеся до інших учнів і досвідчених розробників для обговорення MCP. Це підтримуюча спільнота, де вітаються запитання та відкрито діляться знаннями.

Якщо у вас є відгуки про продукт або помилки під час розробки, відвідайте:

---

Відмова від відповідальності: Цей документ було перекладено за допомогою сервісу машинного перекладу Co-op Translator. Хоча ми прагнемо до точності, просимо враховувати, що автоматизовані переклади можуть містити помилки або неточності. Оригінальний документ рідною мовою слід вважати авторитетним джерелом. Для критичної інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильне тлумачення, що виникли внаслідок використання цього перекладу.