AI-For-Beginners/translations/hu

Mesterséges intelligencia kezdőknek – Oktatási anyag

AI For Beginners – Sketchnote készítette: @girlie_mac

Fedezd fel a Mesterséges Intelligencia (MI) világát 12 hetes, 24 leckéből álló tananyagunkkal! Gyakorlati leckéket, kvízeket és laborokat tartalmaz. Az anyag kezdőbarát, és olyan eszközöket fed le, mint a TensorFlow és a PyTorch, valamint az MI etikáját is.

🌐 Többnyelvű támogatás

GitHub Action-nal támogatott (Automatizált és Mindig naprakész)

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

Szeretnéd helyben klónozni?

Ez a tároló 50+ nyelvi fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha fordítások nélkül szeretnéd klónozni, használj 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'

Ez gyorsabb letöltést tesz lehetővé, ugyanakkor minden szükséges anyagot megkapsz a tanfolyam elvégzéséhez.

Ha további fordítási nyelveket szeretnél támogatni, azok listája itt található

Csatlakozz a közösséghez

Mit fogsz megtanulni

A tanfolyam elmetérképe

Ebben a tananyagban megtanulod:

• A mesterséges intelligencia különböző megközelítéseit, beleértve a „régi jó” szimbolikus megközelítést a tudás-reprezentációval és érveléssel (GOFAI).
• A neurális hálózatokat és a mélytanulást, amelyek a modern MI alapját képezik. Ezeknek a fontos témáknak a fogalmait a két legnépszerűbb keretrendszer - a TensorFlow és a PyTorch – példáin keresztül mutatjuk be.
• Neurális architektúrákat képek és szövegek kezelésére. Legújabb modelleket is érintünk, bár a legfrissebb állapotot lehet, hogy kevésbé fedjük le.
• Kevésbé népszerű MI megközelítéseket, mint a genetikus algoritmusok és a multi-ügynök rendszerek.

A mit nem tartalmaz a tananyagban:

Minden további forrás megtalálható a Microsoft Learn gyűjteményünkben

• Az MI üzleti alkalmazásainak eseteit. Ilyen témákhoz ajánljuk a Bevezetés az MI-be üzleti felhasználók számára tanulási útvonalat a Microsoft Learn-en, vagy az AI Business School programot, amelyet az INSEAD együttműködésével fejlesztettek ki.
• A klasszikus gépi tanulást, amely jól le van írva a Machine Learning for Beginners Curriculum tananyagunkban.
• Gyakorlati MI alkalmazásokat, amelyek a Kognitív Szolgáltatások segítségével készültek. Ehhez ajánljuk a Microsoft Learn moduljait a látás, a természetes nyelvfeldolgozás és a Generatív MI az Azure OpenAI szolgáltatással területeken, valamint más témákat.
• Konkrét ML felhőkeretrendszereket, például az Azure Machine Learning, a Microsoft Fabric vagy az Azure Databricks. Ilyen témákhoz ajánljuk a Gépi tanulási megoldások építése és üzemeltetése Azure Machine Learninggel és az Gépi tanulási megoldások építése és üzemeltetése Azure Databricks-szel tanulási útvonalakat.
• Konverzációs MI-t és Chat botokat. Van egy külön Konverzációs MI megoldások létrehozása tanulási útvonal, valamint hivatkozhatsz erre a blogbejegyzésre, ha részletesebb információkra van szükséged.
• A mélytanulás mély matematikáját. Ehhez ajánljuk Ian Goodfellow, Yoshua Bengio és Aaron Courville Deep Learning című könyvét, amely elérhető online is: https://www.deeplearningbook.org/.

Az MI a felhőben témakörök gyengéd bevezetéséhez érdemes lehet végigmenni a Kezdés a mesterséges intelligenciával 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	Tudás-reprezentáció és szakértői rendszerek	Szakértői rendszerek / Ontológia /Fogalomgráf
III	Bevezetés a neurális hálózatokhoz
03	Perceptron	Jegyzetfüzet	Labor
04	Többrétegű perceptron és saját keretrendszer létrehozása	Jegyzetfüzet	Labor
05	Bevezetés a keretrendszerekbe (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 neurális hálózatok & CNN architektúrák	PyTorch /TensorFlow	Labor
08	Előre betanított hálózatok és transfer learning és Tréning trükkök	PyTorch / TensorFlow	Labor
09	Autoenkódolók és VAE-k	PyTorch / TensorFlow
10	Generatív ellenfelek hálózatai & Művészi stílustranszfer	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-en
13	Szöveges reprezentáció. Bow/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	Névegyelem felismerés	TensorFlow	Labor
20	Nagy nyelvi modellek, prompt programozás és néhány feladat kevés példával	PyTorch
VI	Egyéb mesterséges intelligencia technikák
21	Genetikus algoritmusok	Jegyzetfüzet
22	Mély megerősítéses tanulás	PyTorch /TensorFlow	Labor
23	Többügynökös rendszerek
VII	Mesterséges intelligencia etika
24	AI etika és felelős mesterséges intelligencia	Microsoft Learn: Felelős AI alapelvek
IX	Extra anyagok
25	Többmodális hálózatok, CLIP és VQGAN	Jegyzetfüzet

Minden leckéhez tartozik

• Előolvasási anyag
• Futatható Jupyter jegyzetfüzetek, amelyek gyakran adott keretrendszerhez (PyTorch vagy TensorFlow) kötöttek. A futtatható jegyzetfüzetben sok elméleti anyag is található, így a téma megértéséhez legalább az egyik verzión (PyTorch vagy TensorFlow) végig kell menni.
• Bizonyos témákhoz laborok érhetők el, melyek lehetőséget adnak a tanultak gyakorlati alkalmazására egy adott probléma megoldásában.
• Néhány rész tartalmaz linkeket MS Learn modulokhoz, amelyek kapcsolódó témákat fednek le.

Első lépések

🎯 Újonc az MI-ben? Kezdj itt!

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

• 🌟 Hello MI Világ - Az első MI programod (mintafelismerés)

• 🧠 Egyszerű neurális hálózat - Neurális hálózat építése a semmiből

• 🖼️ Képosztályozó - Osztályozza a képeket részletes megjegyzésekkel

• 💬 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, amely segít a fejlesztői környezet beállításában. - Oktatók számára is létrehoztunk egy tananyagbeállító leckét!
• Hogyan futtasd a kódot VSCode-ban vagy Codespace-ben

Kövesd ezeket a lépéseket:

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

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

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

Ismerkedj meg más tanulókkal

Csatlakozz az hivatalos AI Discord szerverünkhöz, hogy találkozz és kapcsolatot építs más, a tanfolyamot végző tanulókkal, valamint kérj támogatást.

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

Kvízek

Megjegyzés a kvízekhez: Minden kvíz az etc\quiz-app mappában, a Quiz-app mappában található, illetve Online itt érhető el. A leckékből hivatkozva használhatók, a kvízalkalmazás futtatható helyileg vagy telepíthető Azure-ra; kövesd az utasításokat a quiz-app mappában. Fokozatosan lokalizálásra kerülnek.

Segítséget Kérünk

Van javaslatod vagy hibát találtál helyesírásban vagy kódban? Nyiss egy problémát vagy hozz létre egy pull requestet.

Külön Köszönet

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

Egyéb Tananyagok

Csapatunk más tananyagokat is készít! Nézd meg:

LangChain

---

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 ide:

---

Jogi nyilatkozat:
Ez a dokumentum az AI fordítási szolgáltatás, a Co-op Translator segítségével készült. Bár az pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az anyanyelvén tekintendő hivatalos forrásnak. Fontos információk esetén professzionális emberi fordítást javaslunk. Nem vállalunk felelősséget az ebből eredő félreértésekért vagy téves értelmezésekért.