From f506eadd072171cc192c201793b656456f21ccb7 Mon Sep 17 00:00:00 2001 From: T02-code Date: Wed, 7 May 2025 15:28:16 -0300 Subject: [PATCH] =?UTF-8?q?feat:=20tradu=C3=A7=C3=A3o=20do=20README=20para?= =?UTF-8?q?=20portugu=C3=AAs=20do=20Brasil?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- translations/README.pt-br.md | 203 ++++++++++++++++++++--------------- 1 file changed, 119 insertions(+), 84 deletions(-) diff --git a/translations/README.pt-br.md b/translations/README.pt-br.md index 1a55ea1639..5f3c9a2c05 100644 --- a/translations/README.pt-br.md +++ b/translations/README.pt-br.md @@ -8,116 +8,151 @@ [![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) [![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) -# Machine Learning para Iniciantes - O Curso +[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) -> 🌍 Viaje pelo mundo enquanto exploramos o Machine Learning através das culturas mundiais 🌍 +# Machine Learning for Beginners - A Curriculum -Os Advocates do Azure Cloud da Microsoft têm o prazer de oferecer um curso de 12 semanas com 24 lições (mais uma!) sobre **Machine Learning**. Neste curso, você irá aprender o que às vezes chamamos de **machine learning clássico**, usando principalmente Scikit-learn como biblioteca e evitando deep learning, que será coberto no próximo curso 'IA para Iniciantes'. Combine também essas lições com o curso de [Data Science para Iniciantes](https://aka.ms/datascience-beginners)! +> 🌍 Travel around the world as we explore Machine Learning by means of world cultures 🌍 -Viaje conosco ao redor do mundo enquanto aplicamos essas técnicas clássicas a dados de muitas áreas do mundo. Cada lição inclui questionários pré e pós-aula, instruções escritas para completar a lição, uma solução, uma tarefa e muito mais. A nossa pedagogia baseada em projetos permite que você aprenda enquanto constrói, uma forma comprovada de "aderir" as novas habilidades. +Cloud Advocates at Microsoft are pleased to offer a 12-week, 26-lesson curriculum all about **Machine Learning**. In this curriculum, you will learn about what is sometimes called **classic machine learning**, using primarily Scikit-learn as a library and avoiding deep learning, which is covered in our [AI for Beginners' curriculum](https://aka.ms/ai4beginners). Pair these lessons with our ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners), as well! -**✍️ sinceros agradecimentos aos nossos autores** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Ornella Altunyan, e Amy Boyd +Travel with us around the world as we apply these classic techniques to data from many areas of the world. Each lesson includes pre- and post-lesson quizzes, written instructions to complete the lesson, a solution, an assignment, and more. Our project-based pedagogy allows you to learn while building, a proven way for new skills to 'stick'. -**🎨 Obrigado também aos nossos ilustradores** Tomomi Imura, Dasani Madipalli, e Jen Looper +**✍️ Hearty thanks to our authors** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd -**🙏 Agradecimentos especiais 🙏 aos autores, revisores e colaboradores de conteúdo do Microsoft Student Ambassador**, notavelmente Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, e Snigdha Agarwal +**🎨 Thanks as well to our illustrators** Tomomi Imura, Dasani Madipalli, and Jen Looper -**🤩 Agradecimento extra ao Microsoft Student Ambassador, Eric Wanjau, por nossas aulas de R!** +**🙏 Special thanks 🙏 to our Microsoft Student Ambassador authors, reviewers, and content contributors**, notably Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, and Snigdha Agarwal + +**🤩 Extra gratitude to Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, and Vidushi Gupta for our R lessons!** + +# Getting Started + +Follow these steps: +1. **Fork the Repository**: Click on the "Fork" button at the top-right corner of this page. +2. **Clone the Repository**: `git clone https://github.com/microsoft/ML-For-Beginners.git` + +> [find all additional resources for this course in our Microsoft Learn collection](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ---- -# Iniciando +**[Students](https://aka.ms/student-page)**, to use this curriculum, fork the entire repo to your own GitHub account and complete the exercises on your own or with a group: -**Estudantes**, para usar este curso, faça um fork do nosso repositório para sua conta do GitHub e complete os exercícios de forma individual ou em grupo: +- Start with a pre-lecture quiz. +- Read the lecture and complete the activities, pausing and reflecting at each knowledge check. +- Try to create the projects by comprehending the lessons rather than running the solution code; however that code is available in the `/solution` folders in each project-oriented lesson. +- Take the post-lecture quiz. +- Complete the challenge. +- Complete the assignment. +- After completing a lesson group, visit the [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) and "learn out loud" by filling out the appropriate PAT rubric. A 'PAT' is a Progress Assessment Tool that is a rubric you fill out to further your learning. You can also react to other PATs so we can learn together. -- Comece com o questionário de pré-aula. -- Leia as aulas e conclua as atividades, pausando e refletindo a cada verificação de conhecimento. -- Tente criar os projetos compreendendo as lições ao invés de executar o código da solução; No entanto, esse código está disponível nas pastas `/solution` em cada lição que contenha um projeto. -- Faça o teste de pós-aula. -- Complete o desafio. -- Conclua a tarefa. -- Após concluir uma lição em grupo, visite o [Quadro de discussões](https://github.com/microsoft/ML-For-Beginners/discussions) e "aprenda em voz alta" preenchendo de forma apropriada a rubrica PAT. Um 'PAT' é uma ferramenta de avaliação de progresso que é uma rubrica que você preenche para promover seu aprendizado. Você também pode reagir a outros PATs para que possamos aprender juntos. +> For further study, we recommend following these [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modules and learning paths. -> Para um estudo mais aprofundado, recomendamos seguir os módulos e percursos de aprendizagem da [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott). +**Teachers**, we have [included some suggestions](for-teachers.md) on how to use this curriculum. -**Professores**, [incluímos algumas sugestões](../for-teachers.md) em como usar este curso. +--- + +## Video walkthroughs + +Some of the lessons are available as short form video. You can find all these in-line in the lessons, or on the [ML for Beginners playlist on the Microsoft Developer YouTube channel](https://aka.ms/ml-beginners-videos) by clicking the image below. + +[![ML for beginners banner](./ml-for-beginners-video-banner.png)](https://aka.ms/ml-beginners-videos) --- -## Conhece a equipe +## Meet the Team + +[![Promo video](ml.gif)](https://youtu.be/Tj1XWrDSYJU "Promo video") -[![Video promo](../ml-for-beginners.png)](https://youtu.be/Tj1XWrDSYJU "Video promo") +**Gif by** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 Clique na imagem acima para o vídeo sobre o projeto e as pessoas que o criaram! +> 🎥 Click the image above for a video about the project and the folks who created it! --- -## Pedagogia - -Escolhemos dois princípios pedagógicos ao construir este curso: garantir que seja prático **baseado em projeto** e que inclua **questionários frequentes**. Além disso, este curso tem um **tema** comum para dar-lhe coesão. - -Ao garantir que o conteúdo esteja alinhado com os projetos, o processo torna-se mais envolvente para os estudantes e a retenção dos conceitos é aumentada. Além disso, um teste de baixo risco antes da aula define a intenção do estudante de aprender um tópico, enquanto que o segundo questionário após a aula garante maior retenção. Este curso foi projetado para ser flexível e divertido e pode ser realizado por completo ou parcialmente. Os projetos começam pequenos e tornam-se cada vez mais complexos ao final do ciclo de 12 semanas. Este curso também inclui um pós-escrito sobre aplicações de ML no mundo real, que pode ser usado como crédito extra ou como base para discussão. - -> Encontre as diretrizes do nosso [Código de Conduta](../CODE_OF_CONDUCT.md), [Contribuição](../CONTRIBUTING.md) e [Tradução](../TRANSLATIONS.md). Agradecemos seu feedback construtivo! - -## Cada aula inclui: - -- esboço opcional -- vídeo complementar opcional -- teste de aquecimento da pré-aula -- aula escrita -- para aulas baseadas em projetos, guias com passo a passo sobre como construir o projeto -- verificações de conhecimento -- um desafio -- leitura suplementar -- tarefa -- questionário pós-aula - -> **Uma nota sobre questionários**: Todos os questionários estão contidos [neste aplicativo](https://gray-sand-07a10f403.1.azurestaticapps.net/), para um total de 50 testes de três perguntas cada. Eles estão vinculados nas lições, mas o aplicativo de teste pode ser executado localmente; siga as instruções na pasta `quiz-app`. - -| Número da aula | Tópico | Agrupamento de Aulas | Objetivos de aprendizagem | Aula vinculada | Autor | -| :------------: | :-------------------------------------------------------------------: | :---------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------ | :-------------------------------------------------: | :----------: | -| 01 | Introdução ao machine learning | [Introdução](../1-Introduction/translations/README.pt-br.md) | Aprenda os conceitos básicos atrás do machine learning | [Aula](../1-Introduction/1-intro-to-ML/translations/README.pt-br.md) | Muhammad | -| 02 | A História de machine learning | [Introdução](../1-Introduction/translations/README.pt-br.md) | Aprenda a história subjacente desta área | [Aula](../1-Introduction/2-history-of-ML/translations/README.pt-br.md) | Jen e Amy | -| 03 | Equidade e aprendizado de máquina | [Introdução](../1-Introduction/translations/README.pt-br.md) | Quais são as questões filosóficas importantes sobre justiça que os alunos devem considerar ao construir e aplicar modelos de ML? | [Aula](../1-Introduction/3-fairness/translations/README.pt-br.md) | Tomomi | -| 04 | Técnicas para machine learning | [Introdução](../1-Introduction/translations/README.pt-br.md) | Quais técnicas os pesquisadores de ML usam para construir modelos de ML? | [Aula](../1-Introduction/4-techniques-of-ML/translations/README.pt-br.md) | Chris e Jen | -| 05 | Introdução à regressão | [Regressão](../2-Regression/translations/README.pt-br.md) | Comece a usar Python e Scikit-learn para modelos de regressão | | | -| 06 | Preços das abóboras norte americanas 🎃 | [Regressão](../2-Regression/translations/README.pt-br.md) | Visualize e limpe os dados em preparação para o ML | | | -| 07 | Preços das abóboras norte americanas 🎃 | [Regressão](../2-Regression/translations/README.pt-br.md) | Construa modelos de regressão linear e polinomial | | | -| 08 | Preços das abóboras norte americanas 🎃 | [Regressão](../2-Regression/translations/README.pt-br.md) | Construa um modelo de regressão logística | | | -| 09 | Uma Web App 🔌 | [Web App](../3-Web-App/translations/README.pt-br.md) | Crie um aplicativo web para usar seu modelo treinado | [Python](../3-Web-App/1-Web-App/translations/README.pt-br.md) | Jen | -| 10 | Introdução à classificação | [Classificação](../4-Classification/README.md) | Limpe, prepare e visualize seus dados; introdução à classificação |