# ایزور ایم ایل پر لو کوڈ/نو کوڈ ڈیٹا سائنس پروجیکٹ ## ہدایات ہم نے دیکھا کہ ایزور ایم ایل پلیٹ فارم کو استعمال کرتے ہوئے ماڈل کو لو کوڈ/نو کوڈ انداز میں ٹرین، ڈیپلائے اور استعمال کیسے کیا جا سکتا ہے۔ اب کچھ ڈیٹا تلاش کریں جسے آپ ایک اور ماڈل کو ٹرین کرنے، ڈیپلائے کرنے اور استعمال کرنے کے لیے استعمال کر سکیں۔ آپ [Kaggle](https://kaggle.com) اور [Azure Open Datasets](https://azure.microsoft.com/services/open-datasets/catalog?WT.mc_id=academic-77958-bethanycheum&ocid=AID3041109) پر ڈیٹا سیٹس تلاش کر سکتے ہیں۔ ## معیار | بہترین | مناسب | بہتری کی ضرورت | |--------|-------|----------------| |جب آپ نے ڈیٹا اپلوڈ کیا تو آپ نے فیچرز کی قسم کو ضرورت کے مطابق تبدیل کرنے کا خیال رکھا۔ آپ نے ڈیٹا کو صاف کیا اگر ضرورت تھی۔ آپ نے آٹو ایم ایل کے ذریعے ڈیٹا سیٹ پر ٹریننگ کی اور ماڈل کی وضاحتوں کو چیک کیا۔ آپ نے بہترین ماڈل کو ڈیپلائے کیا اور اسے استعمال کرنے کے قابل تھے۔ | جب آپ نے ڈیٹا اپلوڈ کیا تو آپ نے فیچرز کی قسم کو ضرورت کے مطابق تبدیل کرنے کا خیال رکھا۔ آپ نے آٹو ایم ایل کے ذریعے ڈیٹا سیٹ پر ٹریننگ کی، بہترین ماڈل کو ڈیپلائے کیا اور اسے استعمال کرنے کے قابل تھے۔ | آپ نے آٹو ایم ایل کے ذریعے ٹرین کیے گئے بہترین ماڈل کو ڈیپلائے کیا اور اسے استعمال کرنے کے قابل تھے۔ | --- **ڈسکلیمر**: یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا عدم درستگی ہو سکتی ہیں۔ اصل دستاویز، جو اس کی مقامی زبان میں ہے، کو مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے لیے ہم ذمہ دار نہیں ہیں۔