TRANS-AZ: enhanced translations for chapter 1.1

1-Introduction/1-intro-to-ML/translations/README.az.md

@@ -1,29 +1,29 @@
 # Maşın öyrənməsinə giriş
 
-## [Mühazirədən əvvəl test](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/1/)
+## [Mühazirədən əvvəl test](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/1/?loc=az)
 
 ---
 
-[![Yeni başlayanlar üçün MÖ - Yeni başlayanlar üçün maşın öyrənməsinə giriş](https://img.youtube.com/vi/6mSx_KJxcHI/0.jpg)](https://youtu.be/6mSx_KJxcHI "Yeni başlayanlar üçün MÖ - Yeni başlayanlar üçün maşın öyrənməsinə giriş")
+[![Yeni başlayanlar üçün ML - Yeni başlayanlar üçün maşın öyrənməsinə giriş](https://img.youtube.com/vi/6mSx_KJxcHI/0.jpg)](https://youtu.be/6mSx_KJxcHI "Yeni başlayanlar üçün ML- Yeni başlayanlar üçün maşın öyrənməsinə giriş")
 
-> 🎥 Bu dərslə məşğul olmaq üçün yuxarıdakı təsvirə toxunun və videonu izləyin.
+> 🎥 Bu dərslə məşğul olmaq üçün yuxarıdakı təsvirə klikləyin və videonu izləyin.
 
-Yeni başlayanlar üçün klassik maşın öyrənməsi kursuna xoş gəlmisiniz! İstər bu sahədə tamamilə yeni olun və ya bu sahədə fikirləri cəmləməyə çalışan təcrübəli MÖ mütəsəssisi olun, bizə qatıldığınız üçün məmnuniyyət hissi duyuruq! Sizi MÖ öyrənməyinizdə mehriban bir mühit yaratmaq istəmişik və  [fikirlərinizi](https://github.com/microsoft/ML-For-Beginners/discussions) dəyərləndirmək və cavablamaqdan məmnun olarıq.
+Yeni başlayanlar üçün klassik maşın öyrənməsi kursuna xoş gəlmisiniz! İstər bu sahədə tamamilə yeni olun və ya bu sahədə fikirləri cəmləməyə çalışan təcrübəli ML mütəxəssisi olun, bizə qatıldığınız üçün məmnuniyyət hissi duyuruq! Sizə ML öyrənməyinizdə mehriban bir mühit yaratmaq istəmişik və  [fikirlərinizi](https://github.com/microsoft/ML-For-Beginners/discussions) dəyərləndirmək və cavablamaqdan məmnun olarıq.
 
-[![MÖ-nə giriş](https://img.youtube.com/vi/h0e2HAPTGF4/0.jpg)](https://youtu.be/h0e2HAPTGF4 "MÖ-nə giriş")
+[![ML-ə giriş](https://img.youtube.com/vi/h0e2HAPTGF4/0.jpg)](https://youtu.be/h0e2HAPTGF4 "ML-ə giriş")
 
-> 🎥 Yuxarıdakı təsvirə toxunmaqla videoya baxın: John Guttag MIT-də maşın öyrənməsini təqdim edir
+> 🎥 Yuxarıdakı təsvirə klikləməklə videoya baxın: John Guttag MIT-də maşın öyrənməsini təqdim edir
 
 ---
 ## Maşın öyrənməsi ilə başlanğıc
 
 Kurikuluma başlamazdan əvvəl komputerinizi Phyton notbukların icra olunmasına hazır vəziyyətə gətirməyiniz lazımdır.
 
-- **Komputerinizi bu videolarla hazırlayın**. Linkləri izləyərək komputerinizdə [necə Python quraşdıra biləcəyinizi](https://youtu.be/CXZYvNRIAKM) və kodlamaq üçün [mətn redaktorunu quraşdıracağınızı](https://youtu.be/EU8eayHWoZg) öyrənə bilərsiniz.
+- **Komputerinizi bu videolarla hazırlayın**. Linkləri izləyərək komputerinizdə necə [Python quraşdıra biləcəyinizi](https://youtu.be/CXZYvNRIAKM) və kodlamaq üçün [mətn redaktorunu quraşdıracağınızı](https://youtu.be/EU8eayHWoZg) öyrənə bilərsiniz.
 - **Python öyrən**. Bu kursda istifadə etdiyimiz və data mühəndislərinə yararlı olan olan [Python](https://docs.microsoft.com/learn/paths/python-language/?WT.mc_id=academic-77952-leestott) proqramlaşdırma dilində fundamental biliklərə sahib olmağınız məsləhətdir.
-- **Node.js və JavaScript öyrən**. Bu kursda bir neçə dəfə veb proqramlarını hazırlayarkən JavaScript dilindən istifadə etmişik, buna görə [node](https://nodejs.org) və [npm](https://www.npmjs.com/) quraşdırmağınız lazımdır. [Visual Studio Code](https://code.visualstudio.com/) quraşdırmaqla həm Python, həm də JavaScript kodlaması üçün istifadə edə bilərsiniz.
-- **GitHub hesabı yaradın**. Bizi [GitHub](https://github.com) plaformasından tapmısınızsa, çox güman ki, hesabınız vardır. Lakin əgər yoxdursa, yeni birini yaradın və bu kurrikulumu öz hesabınıza köçürməklə (fork) istədiyiniz kimi istifadə edə bilərsiniz. (Həmçinin bizə ulduz verməyi də unutmayın 😊)
-- **Scikit-learn kəşf edin**. Özünüzü [Scikit-learn](https://scikit-learn.org/stable/user_guide.html) platforması ilə tanış edin. Dərslərdə bəzi MÖ kitabxanaları bu platformadan istinad olunub.
+- **Node.js və JavaScript öyrən**. Bu kursda bir neçə dəfə veb proqramlarını hazırlayarkən JavaScript dilindən istifadə etmişik, buna görə kompüterinizə [node](https://nodejs.org) və [npm](https://www.npmjs.com/) yükləməyiniz lazımdır. [Visual Studio Code](https://code.visualstudio.com/) yükləməklə həm Python, həm də JavaScript kodlaması üçün istifadə edə bilərsiniz.
+- **GitHub hesabı yaradın**. Bizi [GitHub](https://github.com) plaformasından tapmısınızsa, çox güman ki, hesabınız artıq vardır. Lakin əgər yoxdursa, yeni birini yaradın və bu kurrikulumu öz hesabınıza köçürməklə (fork) istədiyiniz kimi istifadə edə bilərsiniz. (Həmçinin bizə ulduz verməyi də unutmayın 😊)
+- **Scikit-learn kəşf edin**. Özünüzü [Scikit-learn](https://scikit-learn.org/stable/user_guide.html) platforması ilə tanış edin. Dərslərdə bəzi ML kitabxanaları bu platformadan istinad olunub.
 
 ---
 ## Maşın öyrənməsi nədir?
@@ -33,7 +33,7 @@ Kurikuluma başlamazdan əvvəl komputerinizi Phyton notbukların icra olunması
 ---
 ## Məşhurluq xətti
 
-![MÖ məşhurluq xətti](../images/hype.png)
+![MLməşhurluq xətti](../images/hype.png)
 
 > Google Trends platformasında 'maşın öyrənməsi' terminin 'məşhurluq xətti'
 
@@ -45,53 +45,52 @@ Bizim yaşadığımız kainat çoxlu möhtəşəm sirlərlə doludur. Stefen Hau
 ---
 ## Uşağın beyni
 
-Uşağın beyni və duyğuları ətrafdakı məlumatları qəbul edir və get-gedə həyatın gizli modellərini öyrənir. Bu məlumatlar onun əvvəldən öyrəndiyi şablonları təyin etmək üçün qurduğu məntiqi qaydaları daha da təkmilləşdirir. İnsan beyninin öyrənmə prosesi dünyada yaşayan canlıların ən təkmil formasıdır. Daim gizli modelləri öyrənmək və bunların üzərində kəşflər etmək bizi həyatımız boyu daha da yaxşılaşmağımıza kömək edir. Belə öyrənmə tutumu və təkammülü [beyinin plastik xarakteristikası](https://www.simplypsychology.org/brain-plasticity.html) ilə əlaqəlidir. Səthi olaraq insan beynin öyrənməsi prosesinin və maşın öyrənməsi anlayışının arasında bəzi oxşarlıqları təyin edə bilərik. 
+Uşağın beyni və duyğuları ətrafdakı məlumatları qəbul edir və get-gedə həyatın gizli modelini öyrənir. Bu məlumatlar onun əvvəldən öyrəndiyi qaydaları təyin etmək üçün qurduğu məntiqi qaydaları daha da təkmilləşdirir. İnsan beyninin öyrənmə prosesi dünyada yaşayan canlıların ən təkmil formasıdır. Daim gizli modelləri öyrənmək və bunların üzərində kəşflər etmək bacarığı bizə həyatımız boyu daha da yaxşılaşmağımıza kömək edir. Belə öyrənmə tutumu və təkammülü [beyinin plastik xarakteristikası](https://www.simplypsychology.org/brain-plasticity.html) ilə əlaqəlidir. Səthi olaraq insan beynin öyrənməsi prosesinin və maşın öyrənməsi anlayışının arasında bəzi oxşarlıqları təyin edə bilərik.
 
 ---
 ## İnsan beyni
 
-[İnsan beyni](https://www.livescience.com/29365-human-brain.html) həqiqi dünyadakı əşyaları dərk edir, qəbul edilən məlumatları emal edir, məntiqi qərarlar verir və şəraitdən asılı olaraq bəzi hərəkətlər edir. Ağıllı şəkildə davranmaq buna deyirik. Maşına ağıllı şəkildə davranmasını proqram vasitəsi ilə quraşdırılması süni intellekt (Sİ) adlanır.
+[İnsan beyni](https://www.livescience.com/29365-human-brain.html) həqiqi dünyadakı əşyaları dərk edir, qəbul edilən məlumatları emal edir, məntiqi qərarlar verir və şəraitdən asılı olaraq bəzi hərəkətlər edir. Ağıllı şəkildə davranmaq buna deyirik. Maşına ağıllı şəkildə davranmasını proqram vasitəsi ilə quraşdırılması süni intellekt (AI) adlanır.
 
 ---
 ## Bəzi terminlər
 
-Bəzi terminlər çaşdırıcı ola bilər. Bunu unutmayaq ki, maşın öyrənməsi (MÖ) süni intellekt sahəsinin daxilində bir hissədir. **MÖ qəbul edilən məlumatlardan xüsusi alqoritmlər istifadə etməklə mənalı informasiya və gizli modelləri tapıb rasional qərar vermək prosesində istifadə olunur**.
+Bəzi terminlər çaşdırıcı ola bilər. Bunu unutmayaq ki, maşın öyrənməsi (ML) süni intellekt sahəsinin daxilində bir hissədir. **ML qəbul edilən məlumatlardan xüsusi alqoritmlər istifadə etməklə mənalı informasiyanı və gizli modelləri tapıb rasional qərar vermək prosesində istifadə olunur**.
 
 ---
-## Sİ, MÖ, Dərin öyrənmə
+## AI, ML, Dərin öyrənmə
 
-![AI, ML, deep learning, data science](../images/ai-ml-ds.png)
+![AI, ML, dərin öyrənmə, data elmi](../images/ai-ml-ds.png)
 
-> Diaqram Sİ, MÖ, dərin öyrənmə və data elmi arasında əlaqəni təsvir edir.
-A diagram showing the relationships between AI, ML, deep learning, and data science. [Bu qrafikdən](https://softwareengineering.stackexchange.com/questions/366996/distinction-between-ai-ml-neural-networks-deep-learning-and-data-mining) ilhamlanaraq [Cen Luper](https://twitter.com/jenlooper) tərəfindən hazırlanıb.
+> Diaqram AI, ML, dərin öyrənmə və data elmi arasında əlaqəni təsvir edir. [Bu qrafikdən](https://softwareengineering.stackexchange.com/questions/366996/distinction-between-ai-ml-neural-networks-deep-learning-and-data-mining) ilhamlanaraq [Cen Luper](https://twitter.com/jenlooper) tərəfindən hazırlanıb.
 
 ---
 ## Əhatə olunan anlayışlar
 
-Bu kurikulumda biz yalnız yeni başlayanların mütləq bilməli olduğu əsas maşın öyrənməsi anlayışları əhatə edəcəyik. 'Klassik maşın öyrənməsi' mövzusu əsasən bir çox tələbənin əsasları öyrənməsinə kömək etmiş mükəmməl Scikit-learn kitabxanası ilə əhatə olunub. Süni intellektin və ya dərin öyrənməni aynlayışlarını daha yaxşı başa düşmək üçün maşın öyrənməsinin əsas bilikləri vacibdir və biz sizə burada bunu təklif edirik.  
+Bu kurikulumda biz yalnız yeni başlayanların mütləq bilməli olduğu əsas maşın öyrənməsi anlayışları əhatə edəcəyik. 'Klassik maşın öyrənməsi' mövzusu əsasən bir çox tələbənin əsasları öyrənməsinə kömək etmiş mükəmməl Scikit-learn kitabxanası ilə əhatə olunub. Süni intellektin və ya dərin öyrənməni aynlayışlarını daha yaxşı başa düşmək üçün maşın öyrənməsinin əsas bilikləri vacibdir və biz sizə burada bunu təqdim edirik.
 
 ---
 ## Bu kursda öyrənəcəksiniz:
 
 - maşın öyrənməsi əsas anlayışları
-- MÖ tarixi
-- MÖ və ədalət
-- MÖ reqressiya texnikaları
-- MÖ təsnifat texnikaları
-- MÖ qruplaşdırma texnikaları
-- MÖ təbii danışıq emal olunması texnikaları
-- MÖ zamana bağlı təxminetmə texnikaları
+- ML tarixi
+- ML və ədalət
+- reqressiya ML texnikaları
+- qruplaşdırma ML texnikaları
+- klasterləşdirmə ML texnikaları
+- təbii danışıq emal olunması ML texnikaları
+- zamana seriyası proqnozu ML texnikaları
 - möhkəmləndirərək öyrənmə
-- MÖ real həyatda tətbiqləri
+- ML-in real həyatda tətbiqləri
 
 ---
 ## Nələri əhatə etməyəcəyik
 
 - dərin öyrənmə
-- neural şəbəkələr
-- Suni İntellekt (Sİ)
+- neyron şəbəkələr
+- Suni İntellekt (AI)
 
-Daha yaxşı öyrənmə təcrübəsi üçün biz neural şəbəkələrin, 'dərin öyrənmənin' - çoxlu qatlarla formalaşan model quran neural şəbəkələr - və Sİ-nin mürəkkəbliklərini daxil etməmişik. Onlar barədə digər kurikulumlarla bəhs edəcəyik. Biz həmçinin gələcəkdə data elmini daha geniş əhatə edən kurikulumu da təklif edəcəyik.
+Daha yaxşı öyrənmə təcrübəsi üçün biz neyron şəbəkələrin, 'dərin öyrənmənin' - çoxlu qatlarla formalaşan model quran neyron şəbəkələr - və AI-ın mürəkkəbliklərini daxil etməmişik. Onlar barədə digər kurikulumlarla bəhs edəcəyik. Biz həmçinin gələcəkdə data elmini daha geniş əhatə edən kurikulumu da təklif edəcəyik.
 
 ---
 ## Niyə maşın öyrənməsi mövzusunu öyrənməliyəm?
@@ -100,15 +99,15 @@ Maşın öyrənməsi sistem tərəfdən baxıldıqda məlumatlardan gizli modell
 
 Bu motivasiya insan beyninin ətraf aləmdən qəbul etdiyi məlumatlar əsasında öyrənməsindən yaranıb.
 
-✅ Bir dəqiqəlik düşünün, biznes ənənəvi üsulla dəqiq qaydalarla tənzimlənən sistem qurmaq əvəzinə nə üçün maşın öyrənməsi strategiyasını seçər.
+✅ Bir dəqiqəlik düşünün, bir təşkilat ənənəvi üsulla və dəqiq qaydalarla tənzimlənən sistem qurmaq əvəzinə nə üçün maşın öyrənməsi strategiyasını seçər.
 
 ---
-## Maşın öyrənməsi tətbiqləri
+## Maşın öyrənməsinin tətbiqləri
 
-Maşın öyrənməsinin tətbiqləri mobil telefonlarımızdan, ağıllı cihazlardan və digər sistemlərdən yaranıb ətrafımızda axın edən məlumatlar kimi hər yerdədirlər. Maşın öyrənmə alqoritmlərinin nəhəng potensiyalını nəzərə alaraq araşdırmaçılar çoxölçülü və çox-parametrli həqiqi həyat problemlərini müsbət nəticələr əldə edərək kəşf edirlər.
+Maşın öyrənməsinin tətbiqləri mobil telefonlarımızdan, ağıllı cihazlardan və digər sistemlərdən yaranıb ətrafımızda axın edən məlumatlar kimi hər yerdədirlər. Maşın öyrənmə alqoritmlərinin nəhəng potensialını nəzərə alaraq tədqiqatçılar çoxölçülü və çox-parametrli həqiqi həyat problemlərini müsbət nəticələr əldə edərək kəşf edirlər.
 
 ---
-## MÖ tətbiq olunan nümunələr
+## ML tətbiq olunan nümunələr
 
 **Maşın öyrənməsini bir çox yollarla istifadə edə bilərsiniz**:
 
@@ -122,26 +121,26 @@ Maliyyə, iqtisadiyyat, geologiya, kosmik tədqiqat, biotibbi mühəndislik, idr
 ---
 ## Nəticə
 
-Maşın öyrənmə həqiqi həyatdan götürülmüş və ya suni yaradılmış məlumatlarda mənalı modellərin tapılmasın prosesini avtomatlaşdırır. Bu üsul böyük dəyərli bizneslərdən, tibb, maliyyə və digər tətbiqlərdə istifadə edilərək isbat edilib.
+Maşın öyrənmə həqiqi həyatdan götürülmüş və ya süni yaradılmış məlumatlarda mənalı modellərin tapılmasın prosesini avtomatlaşdırır. Bu üsul böyük dəyərli bizneslərdən, tibb, maliyyə və digər tətbiqlərdə istifadə edilərək isbat edilib.
 
 Yaxın gələcəkdə çox yayılması səbəbindən maşın öyrənməsinin fundamental anlayışlarını bilmək istənilən sahədə çalışan insanlar üçün bir məcburiyyət olacaqdır.
 
 ---
 # 🚀 Məşğələ
 
-Dəftər, kağız və ya onlayn [Excalidraw](https://excalidraw.com/) kimi tətbiqdə Sİ, MÖ, dərin öyrənmə və data elmi barədə anladıqlarınızı təsvir edin. Hər bir texnika ilə yaxşı həll edə biləcəyiniz problem fikirlərinizi də qeyd edin.
+Dəftər, kağız və ya onlayn [Excalidraw](https://excalidraw.com/) kimi tətbiqdə AI, ML, dərin öyrənmə və data elmi barədə anladıqlarınızı təsvir edin. Hər bir texnika ilə effektiv həll edə biləcəyiniz problemlə bağlı fikirlərinizi də qeyd edin.
 
-# [Mühazirədən sonra test](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/2/)
+# [Mühazirədən sonra test](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/2/?loc=az)
 
 ---
 # Təkrarlayın və özünüz öyrənin
 
-MÖ alqoritmləri ilə bulud mühitində həll edə biləcəyiniz problemlər barədə daha öyrənmək üçün bu [öyrənmə planından](https://docs.microsoft.com/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=academic-77952-leestott) istifadə edə bilərsiniz.
+ML alqoritmləri ilə bulud mühitində həll edə biləcəyiniz problemlər barədə daha öyrənmək üçün bu [öyrənmə planından](https://docs.microsoft.com/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=academic-77952-leestott) istifadə edə bilərsiniz.
 
 
-MÖ əsasları barədə bu [öyrənmə planına](https://docs.microsoft.com/learn/modules/introduction-to-machine-learning/?WT.mc_id=academic-77952-leestott) da baxış edin.
+ML əsasları barədə bu [öyrənmə planına](https://docs.microsoft.com/learn/modules/introduction-to-machine-learning/?WT.mc_id=academic-77952-leestott) da nəzər yetirin.
 
 ---
 # Tapşırıq
 
-[Sistemi hazırlayın](assignment.az.md)
+[Sistem hazırlayın](assignment.az.md)

1-Introduction/1-intro-to-ML/translations/assignment.az.md

@@ -1,4 +1,4 @@
-# Sistemi hazırlayın
+# Sistem hazırlayın
 
 ## Təlimatlar
 

1-Introduction/translations/README.az.md

@@ -1,16 +1,16 @@
 # Maşın öyrənməsinə giriş
 
-Kurikulumun bu hissəsində siz maşın öyrənməsi sahəsinin əsas fundamental konseptləri, onların tarixi və araşdırmaçıların onları istifadə etdikləri texnikalarla tanış olacaqsınız. Gəlin Maşın Öyrənməsinin (MÖ) bu yeni dünyasını birlikdə kəşf edək!
+Kurikulumun bu hissəsində siz maşın öyrənməsi sahəsinin əsas fundamental konseptləri, onların tarixi və tədqiqatçıların onlarla işləmək üçün istifadə etdikləri texnikalarla tanış olacaqsınız. Gəlin Maşın Öyrənməsinin (ML) bu yeni dünyasını birlikdə kəşf edək!
 
 ![globe](../images/globe.jpg)
-><a href="https://unsplash.com/s/photos/globe?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a> platformasında <a href="https://unsplash.com/@bill_oxford?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Bill Oxford</a> tərəfindən təsvir 
-  
+><a href="https://unsplash.com/s/photos/globe?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a> platformasında <a href="https://unsplash.com/@bill_oxford?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Bill Oxford</a> tərəfindən təsvir
+
 ### Dərslər
 
 1. [Maşın öyrənməsinə giriş](../1-intro-to-ML/translations/README.az.md)
 1. [Maşın öyrənmə tarixi](../2-history-of-ML/translations/README.az.md)
-1. [Maşın öyrənmə və ədalət](../3-fairness/README.md)
-1. [Maşın öyrənmə texnikaları](../4-techniques-of-ML/README.md)
+1. [Maşın öyrənmə və ədalət](../3-fairness/translations/README.az.md)
+1. [Maşın öyrənmə texnikaları](../4-techniques-of-ML/translations/README.az.md)
 
 ### Təşəkkürlər