AI-For-Beginners/translations/hu

Mesterséges Intelligencia Kezdőknek – Tananyag

AI Kezdőknek – Sketchnote @girlie_mac tollából

Fedezd fel a Mesterséges Intelligencia (MI) világát 12 hét, 24 lecke során! Gyakorlati leckéket, kvízeket és laborokat tartalmaz. A tananyag kezdőknek szól, és olyan eszközöket fed le, mint a TensorFlow és a PyTorch, valamint az MI etikai kérdéseit is.

🌐 Többnyelvű támogatás

GitHub Action segítségével támogatott (Automatikus és mindig naprakész)

Arab | Bengáli | Bolgár | Burmai (Myanmar) | Kínai (Egyszerűsített) | Kínai (Hagyományos, Hong Kong) | 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 (Fárszi) | 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

Ha további nyelveken szeretnél fordítást, az elérhető nyelvek listája itt található

Csatlakozz a közösséghez

Mit fogsz megtanulni

A tanfolyam gondolattérképe

Ebben a tananyagban megtanulod:

• A mesterséges intelligencia különböző megközelítéseit, beleértve a „régi jó” szimbolikus megközelítést a tudásreprezentációval és a következtetéssel (GOFAI).
• A neurális hálózatokat és a mélytanulást, amelyek a modern MI alapját képezik. Ezeknek a fontos témáknak a fogalmait két népszerű keretrendszer – a TensorFlow és a PyTorch – kódpéldáin keresztül mutatjuk be.
• Neurális architektúrákat képek és szövegek feldolgozásához. Bemutatjuk a legújabb modelleket, bár lehet, hogy nem teljesen naprakészek a legmodernebb technológiák terén.
• Kevésbé ismert MI megközelítéseket, mint például a genetikus algoritmusok és a többügynökös rendszerek.

A tananyag nem foglalkozik:

A tanfolyam további anyagai megtalálhatók a Microsoft Learn gyűjteményünkben

• Az üzleti MI eseteivel. Érdemes megnézni a Bevezetés az üzleti felhasználók MI-jébe tanulási útvonalat a Microsoft Learn-en, vagy az AI Business School programot, amelyet az INSEAD közreműködésével fejlesztettek ki.
• A klasszikus gépi tanulást, amelyről részletesen szól a Gépi tanulás kezdőknek tananyagunk.
• Gyakorlati MI alkalmazásokat, amelyeket a Kognitív Szolgáltatások segítségével építenek. Ehhez ajánljuk a Microsoft Learn moduljait a képfeldolgozás, a természetes nyelvfeldolgozás, a Generatív MI az Azure OpenAI szolgáltatással és más témákban.
• Specifikus gépi tanulási felhőkeretrendszereket, mint például az Azure Machine Learning, a Microsoft Fabric vagy az Azure Databricks. Érdemes megnézni a Gépi tanulási megoldások építése és üzemeltetése Azure Machine Learninggel és a Gépi tanulási megoldások építése és üzemeltetése Azure Databricks-szel tanulási útvonalakat.
• Konverzációs MI és chatbotok. Van külön Konverzációs MI megoldások létrehozása tanulási útvonal, és további részletekért ajánljuk ezt a blogbejegyzést.
• 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 MI a felhőben témakörök finom bevezetéséhez érdemes lehet elvégezni a Mesterséges intelligencia kezdőknek az Azure-on tanulási útvonalat.

Tartalom

	Lecke link	PyTorch/Keras/TensorFlow	Labor
0	Tanfolyam beállítása	Fejlesztői környezet beállítása
I	Bevezetés az MI-be
01	Bevezetés és az MI története	-	-
II	Szimbolikus MI
02	Tudásreprezentáció és szakértői rendszerek	Szakértői rendszerek / Ontológia /Fogalmi gráf
III	Bevezetés a neurális hálózatokba
03	Perceptron	Jegyzetfüzet	Labor
04	Többrétegű perceptron és saját keretrendszer készítése	Jegyzetfüzet	Labor
05	Bevezetés a keretrendszerekbe (PyTorch/TensorFlow) és a túltanulás	PyTorch / Keras / TensorFlow	Labor
IV	Számítógépes látás	PyTorch / TensorFlow	Fedezd fel a számítógépes látást a Microsoft Azure-on
06	Bevezetés a számítógépes látásba. OpenCV	Jegyzetfüzet	Labor
07	Konvolúciós neurális hálózatok & CNN architektúrák	PyTorch /TensorFlow	Labor
08	Előre betanított hálózatok és átviteli tanulás és Tanítási trükkök	PyTorch / TensorFlow	Labor
09	Autoenkóderek és VAE-k	PyTorch / TensorFlow
10	Generatív ellenfelek hálózatai és művészi stílusátvitel	PyTorch / TensorFlow
11	Objektumfelismerés	TensorFlow	Labor
12	Szemantikus szegmentálás. U-Net	PyTorch / TensorFlow
V	Természetes nyelvfeldolgozás	PyTorch /TensorFlow	Fedezd fel a természetes nyelvfeldolgozást a Microsoft Azure-on
13	Szöveg reprezentáció. Bag of Words/TF-IDF	PyTorch / TensorFlow
14	Szemantikus szóbeágyazások. Word2Vec és GloVe	PyTorch / TensorFlow
15	Nyelvi modellezés. Saját beágyazások tanítása	PyTorch / TensorFlow	Labor
16	Rekurzív neurális hálózatok	PyTorch / TensorFlow
17	Generatív rekurzív hálózatok	PyTorch / TensorFlow	Labor
18	Transformerek. BERT.	PyTorch /TensorFlow
19	Név szerinti entitás felismerés	TensorFlow	Labor
20	Nagy nyelvi modellek, prompt programozás és kevéspéldányos feladatok	PyTorch
VI	Egyéb MI technikák
21	Genetikus algoritmusok	Jegyzetfüzet
22	Mély megerősítéses tanulás	PyTorch /TensorFlow	Labor
23	Többügynökös rendszerek
VII	MI etika
24	MI etika és felelős MI	Microsoft Learn: Felelős MI alapelvek
IX	Extrák
25	Többmodalitású hálózatok, CLIP és VQGAN	Jegyzetfüzet

Minden leckében található

• Előolvasási anyag
• Futatható Jupyter jegyzetfüzetek, amelyek gyakran a keretrendszerhez kötöttek (PyTorch vagy TensorFlow). A futtatható jegyzetfüzet sok elméleti anyagot is tartalmaz, ezért a téma megértéséhez legalább az egyik verziót (PyTorch vagy TensorFlow) végig kell nézni.
• Bizonyos témákhoz elérhető laborok, amelyek lehetőséget adnak arra, hogy a tanultakat egy konkrét problémán próbáld ki.
• Egyes szakaszok tartalmaznak linkeket a MS Learn moduljaihoz, amelyek kapcsolódó témákat fednek le.

Kezdés

🎯 Új vagy az MI-ben? Innen indulj!

Ha teljesen új vagy az MI-ben és gyors, gyakorlati példákat keresel, nézd meg a Kezdőknek szóló példáinkat! Ezek tartalmazzák:

• 🌟 Hello AI World - Az első MI programod (mintafelismerés)
• 🧠 Egyszerű neurális hálózat - Építs neurális hálózatot a nulláról
• 🖼️ Kép osztályozó - Képeket osztályozz részletes magyarázatokkal
• 💬 Szövegérzelem – Pozitív/negatív szöveg elemzése

Ezek a példák segítenek megérteni az MI fogalmait, mielőtt belevágnál a teljes tananyagba.

📚 Teljes tananyag beállítása

• Készítettünk egy beállító leckét, hogy segítsünk a fejlesztői környezeted beállításában. - Oktatóknak is van egy tananyag-beállító lecke!
• Hogyan futtasd a kódot VSCode-ban vagy Codepace-ben

Kövesd ezeket a lépéseket:

Forkold a tárolót: Kattints a "Fork" gombra a jobb felső sarokban.

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

Ne felejtsd el megjelölni (🌟) ezt a repót, hogy később könnyebben megtaláld.

Ismerkedj más tanulókkal

Csatlakozz hivatalos AI Discord szerverünkhöz, hogy találkozz és kapcsolatot építs más tanulókkal, akik ezt a tanfolyamot végzik, és hogy támogatást kapj.

Ha termék-visszajelzésed vagy kérdésed van a fejlesztés közben, látogass el az Azure AI Foundry fejlesztői fórumra

Kvízek

Megjegyzés a kvízekhez: Minden kvíz az etc\quiz-app mappában található, vagy online itt. A leckékből hivatkozunk rájuk, a kvíz alkalmazás helyben futtatható vagy Azure-ra telepíthető; kövesd az utasításokat a quiz-app mappában. Folyamatosan lokalizáljuk őket.

Segítséget kérünk

Van javaslatod, vagy találtál helyesírási vagy kódhibát? Nyiss egy issue-t vagy hozz létre egy pull requestet.

Külön köszönet

• ✍️ Fő szerző: Dmitry Soshnikov, PhD
• 🔥 Szerkesztő: Jen Looper, PhD
• 🎨 Sketchnote illusztrátor: Tomomi Imura
• ✅ Kvízkészítő: Lateefah Bello, MLSA
• 🙏 Fő közreműködők: Evgenii Pishchik

Egyéb tananyagok

Csapatunk más tananyagokat is készít! Nézd meg:

Azure / Edge / MCP / Ügynökök

---

Generatív MI sorozat

---

Alapvető tanulás

---

Copilot sorozat

Segítségkérés

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

Ha termék-visszajelzésed vagy hibákba ütközöl fejlesztés közben, látogass el:

---

Jogi nyilatkozat: Ezt a dokumentumot az AI fordító szolgáltatás, a Co-op Translator segítségével fordítottuk. Bár a pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az anyanyelvén tekintendő hiteles forrásnak. Kritikus információk esetén professzionális emberi fordítást javaslunk. Nem vállalunk felelősséget a fordítás használatából eredő félreértésekért vagy félreértelmezésekért.