আমাদের কাছে Discord এ একটি AI এর সাথে শেখার সিরিজ চলছে, বিস্তারিত জানুন এবং আমাদের সাথে যোগ দিন [Learn with AI Series](https://aka.ms/learnwithai/discord) ১৮ থেকে ৩০ সেপ্টেম্বর, ২০২৫। সেখানে আপনি Data Science এর জন্য GitHub Copilot ব্যবহার করার টিপস এবং ট্রিক্স পেয়ে যাবেন।
আমাদের একটি Discord এ আই-এর সঙ্গে শেখার সিরিজ চলছে, আরও জানুন এবং আমাদের সাথে যোগ দিন [Learn with AI Series](https://aka.ms/learnwithai/discord) ১৮ থেকে ৩০ সেপ্টেম্বর, ২০২৫। এখানে আপনি GitHub Copilot ডেটা সায়েন্সে ব্যবহারের টিপস ও ট্রিক্স পাবেন।
# শিক্ষানবিশদের জন্য মেশিন লার্নিং - একটি পাঠ্যক্রম
# শুরু করার জন্য মেশিন লার্নিং - একটি পাঠ্যক্রম
> 🌍 বিশ্ব সংস্কৃতির মাধ্যমে মেশিন লার্নিং অন্বেষণ করতে বিশ্ব ভ্রমণ করুন 🌍
> 🌍 বিশ্ব সংস্কৃতির মাধ্যমে মেশিন লার্নিং অন্বেষণ করার সময় পৃথিবী ভ্রমণ করুন 🌍
Microsoft এর Cloud Advocates একটি ১২-সপ্তাহের, ২৬-টি পাঠের একটি পূর্ণাঙ্গ পাঠ্যক্রম অফার করতে পেরে আনন্দিত যা **মেশিন লার্নিং** সম্পর্কে। এই পাঠ্যক্রমে, আপনি যাকে কখনও কখনও **ক্লাসিক মেশিন লার্নিং** বলা হয় তা শিখবেন, প্রধানত Scikit-learn লাইব্রেরি ব্যবহার করে এবং ডিপ লার্নিং এড়িয়ে চলবেন, যা আমাদের [AI for Beginners পাঠ্যক্রমে](https://aka.ms/ai4beginners) অন্তর্ভুক্ত। এই পাঠগুলি আমাদের ['Data Science for Beginners' পাঠ্যক্রম](https://aka.ms/ds4beginners) এর সাথে মিলিয়ে নিতে পারেন।
Microsoft এর ক্লাউড অ্যাডভোকেটরা একটি ১২-সপ্তাহ, ২৬-লেসনের সম্পূর্ণ **মেশিন লার্নিং** বিষয়ক পাঠ্যক্রম প্রদান করতে পেরে আনন্দিত। এই পাঠ্যক্রমে আপনি যা কখনো কখনো **ক্লাসিক মেশিন লার্নিং** নামে অভিহিত হয় তা শেখাবেন, যেখানে প্রধানত Scikit-learn লাইব্রেরি ব্যবহৃত হবে এবং ডিপ লার্নিং এড়ানো হবে, যা আমাদের [AI for Beginners' curriculum](https://aka.ms/ai4beginners) এ আচ্ছাদিত। এই পাঠ্যক্রমকে আমাদের ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) এর সঙ্গে মিলিয়ে নিতে পারেন।
আমাদের সাথে বিশ্বজুড়ে যাত্রা করুন কারণ আমরা ক্লাসিক কৌশলগুলি বিশ্বের বিভিন্ন এলাকার ডাটায় প্রয়োগ করি। প্রতিটি পাঠে আছে পূর্ব ও পরবর্তী কুইজ, পাঠ সম্পন্ন করার জন্য লিখিত নির্দেশনা, একটি সমাধান, একটি নিয়োগ এবং আরও অনেক কিছু। আমাদের প্রকল্পভিত্তিক পদ্ধতি আপনাকে শেখার সময় তৈরি করার সুযোগ দেয়, যা নতুন দক্ষতা শেখানোর প্রমাণিত পথ।
বিশ্বের বিভিন্ন স্থান থেকে সংগৃহীত ডেটার উপর এই ক্লাসিক পদ্ধতিগুলো প্রয়োগ করার জন্য আমাদের সাথে বিশ্ব ভ্রমণ করুন। প্রতিটি পাঠে থাকবে পূর্ব এবং পরবর্তী কুইজ, পাঠ সম্পাদনের জন্য লিখিত নির্দেশনা, সমাধান, অ্যাসাইনমেন্ট এবং আরও অনেক কিছু। আমাদের প্রকল্প-ভিত্তিক পাঠদান পদ্ধতি আপনাকে শেখার সময় তৈরি করার মাধ্যমে শেখায়, যা নতুন দক্ষতা ধারণ করার একটি প্রমাণিত উপায়।
**✍️ আমাদের লেখকদের আন্তরিক ধন্যবাদ**: Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ও Amy Boyd
**✍️ আমাদের লেখকদের প্রতি আন্তরিক ধন্যবাদ** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu এবং Amy Boyd
**🎨 আমাদের চিত্রকরদের ধন্যবাদ**: Tomomi Imura, Dasani Madipalli, এবং Jen Looper
**🎨 আমাদের চিত্রশিল্পীদের প্রতি ধন্যবাদ** Tomomi Imura, Dasani Madipalli, এবং Jen Looper
**🙏 বিশেষ ধন্যবাদ 🙏 Microsoft Student Ambassador লেখক, পর্যালোচক এবং কনটেন্ট অবদানকারীদের**, বিশেষত Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila এবং Snigdha Agarwal
**🙏 বিশেষ ধন্যবাদ 🙏 Microsoft Student Ambassador লেখক, পর্যালোচক, এবং বিষয়বস্তু প্রদানকারীদের**, বিশেষত Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, এবং Snigdha Agarwal
**🤩 অতিরিক্ত কৃতজ্ঞতা Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, এবং Vidushi Gupta কে আমাদের R পাঠের জন্য!**
> [আমাদের Microsoft Learn সংগ্রহে এই কোর্সের সমস্ত অতিরিক্ত সম্পদগুলি খুঁজুন](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [এই কোর্সের জন্য সমস্ত অতিরিক্ত সম্পদ আমাদের Microsoft Learn সংগ্রহে পাওয়া যাবে](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **সহায়তা দরকার?** সাধারণ ইনস্টলেশন, সেটআপ এবং পাঠ চালানোর সমস্যার জন্য আমাদের [Troubleshooting Guide](TROUBLESHOOTING.md) দেখুন।
> 🔧 **সাহায্য দরকার?** আমাদের [Troubleshooting Guide](TROUBLESHOOTING.md) দেখুন ইনস্টলেশন, সেটআপ এবং লেসন চালানোর সাধারণ সমস্যা সমাধানের জন্য।
**[শিক্ষার্থীবৃন্দ](https://aka.ms/student-page)**, এই পাঠ্যক্রম ব্যবহার করতে আপনার নিজস্ব GitHub একাউন্টে সম্পূর্ণ রিপোজিটরি ফর্ক করুন এবং একক অথবা গ্রুপে অনুশীলনগুলি সম্পন্ন করুন:
**[শিক্ষার্থীরা](https://aka.ms/student-page)**, এই পাঠ্যক্রম ব্যবহারের জন্য, সম্পূর্ণ রেপো আপনার নিজের GitHub একাউন্টে ফর্ক করুন এবং ব্যক্তিগতভাবে বা গ্রুপের সাথে অনুশীলন সম্পন্ন করুন:
- পূর্ব-লেকচার কুইজ দিয়ে শুরু করুন।
- লেকচার পড়ুন এবং কার্যক্রমগুলো সম্পন্ন করুন, প্রতিটি নলেজ চেক-এ থামুন এবং চিন্তা করুন।
- কোড চালানোর পরিবর্তে পাঠগুলো বুঝে প্রকল্প তৈরি করার চেষ্টা করুন; অবশ্যই কোডটি প্রতিটি প্রকল্পভিত্তিক পাঠের `/solution` ফোল্ডারে পাওয়া যাবে।
- পরবর্তী লেকচার কুইজ নিন।
- একটি পূর্ব লেকচার কুইজ দিয়ে শুরু করুন।
- লেকচার পড়ুন এবং কার্যক্রম সম্পন্ন করুন, প্রতিটি জ্ঞানের পরীক্ষা থামুন এবং মাফ বুঝুন।
- প্রকল্প তৈরি করার চেষ্টা করুন পাঠ্যগুলি বুঝে, সমাধান কোড রান না করেও; তবে সেই কোড প্রতিটি প্রকল্প ভিত্তিক লেসনের `/solution` ফোল্ডারে উপলব্ধ।
- পরবর্তীতে লেকচার কুইজ দিন।
- চ্যালেঞ্জ সম্পন্ন করুন।
- নিয়োগ সম্পন্ন করুন।
- একটি লেসন গ্রুপ সম্পন্ন করার পর, [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) এ যান এবং উপযুক্ত PAT রুব্রিক পূরণ করে "জোরে শেখার" অংশ নিন। 'PAT' হলো একটি প্রগ্রেস অ্যাসেসমেন্ট টুল যা নিজের শেখাকে আরও বাড়াতে ব্যবহৃত হয়। আপনি অন্যদের PAT-এ প্রতিক্রিয়া জানাতেও পারেন যাতে আমরা একসাথে শিখতে পারি।
- অ্যাসাইনমেন্ট সম্পন্ন করুন।
- একটি লেকশন গ্রুপ শেষ করার পর, [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) এ যান এবং প্রাসঙ্গিক PAT রুব্রিক পূরণ করে "জোরে শেখা" করুন। 'PAT' মানে হলো প্রগ্রেস অ্যাসেসমেন্ট টুল যা আপনি পূরণ করবেন যাতে আপনার শেখা আরও বৃদ্ধি পায়। আপনি অন্য PAT গুলোকেও প্রতিক্রিয়া জানাতে পারেন যাতে আমরা একসাথে শিখতে পারি।
> আরও অধ্যয়নের জন্য, আমরা এই [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) মডিউল ও শেখার পথ অনুসরণ করার পরামর্শ দেই।
> আরও পড়াশোনার জন্য, আমরা এই [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) মডিউল এবং শেখার পথ অনুসরণ করার পরামর্শ দিই।
**শিক্ষকগণ**, আমরা [এই পাঠ্যক্রম ব্যবহারের জন্য কিছু পরামর্শ](for-teachers.md) অন্তর্ভুক্ত করেছি।
**শিক্ষকগণ**, এই পাঠ্যক্রম ব্যবহারের জন্য আমরা কিছু [সুজোগ দিয়েছি](for-teachers.md)।
---
## ভিডিও ওয়াকথ্রু
## ভিডিও ওয়াকথ্রুগুলো
কিছু পাঠ ছোট ফর্ম ভিডিও হিসেবে উপলব্ধ। আপনি এগুলো পাঠের ভিতরই দেখতে পারেন বা [Microsoft Developer এর YouTube চ্যানেলের ML for Beginners প্লেলিস্টে](https://aka.ms/ml-beginners-videos) নিচের ছবিতে ক্লিক করে দেখতে পারেন।
কিছু পাঠ সংক্ষিপ্ত ভিডিও আকারে উপলব্ধ। আপনি এগুলো সব লেসনে ইন-লাইন দেখতে পারবেন, অথবা [Microsoft Developer YouTube চ্যানেলের ML for Beginners প্লেলিস্ট](https://aka.ms/ml-beginners-videos) থেকে নিচের ছবিতে ক্লিক করে দেখতে পারেন।
[](https://aka.ms/ml-beginners-videos)
> 🎥 প্রকল্প এবং তার নির্মাতাদের সম্পর্কে ভিডিও দেখতে উপরের ছবিতে ক্লিক করুন!
> 🎥 প্রকল্প এবং এটি তৈরি করা ব্যক্তিদের সম্পর্কে একটি ভিডিও দেখার জন্য উপরের ছবিতে ক্লিক করুন!
---
## শিক্ষাদান পদ্ধতি
এই পাঠ্যক্রম তৈরির সময় আমরা দুটি শিক্ষাদান নীতি বেছে নিয়েছি: এটা হবে হাতেকলমে **প্রকল্পভিত্তিক** এবং এতে থাকবে **ঘন ঘন কুইজ**। এছাড়া, এই পাঠ্যক্রমের একটি সাধারণ **থিম** রয়েছে যেটি এটি একত্রিকরণ করে।
আমরা এই পাঠ্যক্রম তৈরির সময় দুটো শিক্ষামূলক নীতিমালা বেছে নিয়েছি: এটি একদিকে **প্রকল্প-ভিত্তিক** হওয়া এবং অন্যদিকে **ঘন ঘন কুইজ** অন্তর্ভুক্ত করা। এছাড়া এই পাঠ্যক্রমে একটি সাধারণ **বিষয়বস্তু** রয়েছে যা এটি সমন্বিত করে ধরে রাখে।
কন্টেন্টকে প্রকল্পের সঙ্গে মিলিয়ে দেওয়ার ফলে ছাত্রদের জন্য শেখার প্রক্রিয়া আকর্ষণীয় হয় এবং ধারণাসমূহ আরও ভালোভাবে মনে থাকে। সঙ্গে, ক্লাস শুরুর আগে একটি কম-পূঁজি (low-stakes) কুইজ ছাত্রের লক্ষ্য শেখার দিকে মনোযোগ দেয়, আর ক্লাস শেষের পরে দ্বিতীয় কুইজ বুঝে নেওয়া আরও প্রগাঢ় করে। এই পাঠ্যক্রম নমনীয় ও মজার হিসেবে ডিজাইন করা হয়েছে এবং পুরোপুরি বা আংশিক পাঠ নেওয়া যেতে পারে। প্রকল্পগুলো ছোট থেকে শুরু করে ১২-সপ্তাহের শেষে ক্রমশ জটিল হয়ে ওঠে। এই পাঠ্যক্রমে একটি পরিশিষ্ট অংশ রয়েছে যা ML এর বাস্তব বিশ্বে প্রয়োগের উপর, যেটা অতিরিক্ত ক্রেডিট হিসেবে বা আলোচনা সূত্র হিসেবে ব্যবহার করা যেতে পারে।
কনটেন্ট প্রকল্পের সাথে মিল রেখে শিক্ষার্থীদের জন্য মাধ্যমটি আরও আকর্ষণীয় হয় এবং ধারণাগুলোর ধারণ ক্ষমতা বৃদ্ধি পায়। এছাড়া ক্লাস শুরু করার আগে একটি কম ঝুঁকিপূর্ণ কুইজ শিক্ষার্থীর মনোযোগ শেখার দিকে সামঞ্জস্য করে এবং ক্লাস শেষে আরেকটি কুইজ ধরে রাখাকে নিশ্চিত করে। এই পাঠ্যক্রমটি নমনীয় এবং মজার জন্য ডিজাইন করা হয়েছে এবং সম্পূর্ণ বা আংশিকভাবে নেওয়া যেতে পারে। প্রকল্পগুলো ছোট থেকে শুরু করে ১২-সপ্তাহের শেষে ক্রমান্বয়ে জটিল হয়ে যায়। এই পাঠ্যক্রমে মেশিন লার্নিং এর বাস্তব জীবনের অ্যাপ্লিকেশনগুলি সম্পর্কে একটি পরিশিষ্টও রয়েছে, যা অতিরিক্ত ক্রেডিট হিসেবে বা আলোচনা ভিত্তি হিসেবে ব্যবহার করা যেতে পারে।
> আমাদের [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translations](..), এবং [Troubleshooting](TROUBLESHOOTING.md) নির্দেশিকা দেখুন। আমরা আপনার গঠনমূলক প্রতিক্রিয়াকে স্বাগত জানাই!
> আমাদের [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translations](..), এবং [Troubleshooting](TROUBLESHOOTING.md) নির্দেশিকা অনুসন্ধান করুন। আমরা আপনার গঠনমূলক মতামতকে স্বাগত জানাই!
> **ভাষা সম্পর্কে একটি টীকা**: এই পাঠগুলি প্রধানত Python এ লেখা হয়েছে, তবে অনেকগুলি R তেও উপলব্ধ। একটি R পাঠ সম্পন্ন করার জন্য `/solution` ফোল্ডারে যান এবং R পাঠ খুঁজুন। এগুলোতে .rmd এক্সটেনশন থাকে যা একটি **R Markdown** ফাইল নির্দেশ করে যা `কোড চাঙ্ক` (R বা অন্যান্য ভাষার) এবং একটি `YAML হেডার` (যা আউটপুট কিভাবে ফরম্যাট করতে হয় নির্দেশ দেয় যেমন PDF) একটি Markdown ডকুমেন্টে এম্বেড করার ফ্রেমওয়ার্ক। তাই এটি ডেটা সায়েন্সের জন্য একটি আদর্শ লেখনী কাঠামো হিসেবে কাজ করে যেখানে আপনি আপনার কোড, তার আউটপুট এবং চিন্তা সবকিছু Markdown এ লিখে সংযোজন করতে পারেন। আরো কিছুর জন্য, R Markdown ডকুমেন্টগুলি PDF, HTML বা Word মত আউটপুট ফরম্যাটে রেন্ডার করা যায়।
> **কুইজ সম্পর্কে একটি নোট**: সকল কুইজ রয়েছে [Quiz App folder](../../quiz-app)-এ, যেখানে মোট ৫২টি কুইজ রয়েছে যার প্রতিটিতে তিনটি প্রশ্ন আছে। এগুলো পাঠের মধ্যে লিঙ্ক করা রয়েছে কিন্তু কুইজ অ্যাপটি স্থানীয়ভাবে চালানো যেতে পারে; লোকালি হোস্ট বা Azure-এ ডিপ্লয় করার জন্য `quiz-app` ফোল্ডারের নির্দেশাবলী অনুসরণ করুন।
| ০১ | মেশিন লার্নিংয়ের পরিচিতি | [পরিচিতি](1-Introduction/README.md) | মেশিন লার্নিংয়ের মৌলিক ধারণাগুলো শিখুন | [পাঠ](1-Introduction/1-intro-to-ML/README.md) | মুহাম্মদ |
| ০২ | মেশিন লার্নিংয়ের ইতিহাস | [পরিচিতি](1-Introduction/README.md) | এই ক্ষেত্রের পেছনের ইতিহাস শিখুন | [পাঠ](1-Introduction/2-history-of-ML/README.md) | জেন এবং অ্যামি |
| ০৩ | ন্যায়পরায়ণতা এবং মেশিন লার্নিং | [পরিচিতি](1-Introduction/README.md) | মেশিন লার্নিং মডেল তৈরি ও প্রয়োগের সময় ন্যায়পরায়ণতা সম্পর্কিত গুরুত্বপূর্ণ দার্শনিক বিষয়গুলি ছাত্রদের ভাবার জন্য কী কী? | [পাঠ](1-Introduction/3-fairness/README.md) | তোমোমি |
| ০৪ | মেশিন লার্নিংয়ের পদ্ধতিগুলো | [পরিচিতি](1-Introduction/README.md) | মেশিন লার্নিং গবেষকরা কি পদ্ধতি ব্যবহার করে মডেল গঠন করে? | [পাঠ](1-Introduction/4-techniques-of-ML/README.md) | ক্রিস এবং জেন |
| ০৫ | রিগ্রেশন পরিচিতি | [রিগ্রেশন](2-Regression/README.md) | রিগ্রেশন মডেলের জন্য পাইথন ও সাইকিট-লার্নের সাথে শুরু করুন | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | জেন • এরিক ওয়াঞ্জাউ |
| ০৬ | উত্তর আমেরিকার কুমড়োর দাম 🎃 | [রিগ্রেশন](2-Regression/README.md) | মেশিন লার্নিংয়ের প্রস্তুতির জন্য ডেটা ভিজ্যুয়ালাইজ ও পরিষ্কার করুন | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | জেন • এরিক ওয়াঞ্জাউ |
| ০৭ | উত্তর আমেরিকার কুমড়োর দাম 🎃 | [রিগ্রেশন](2-Regression/README.md) | লিনিয়ার এবং পলিনোমিয়াল রিগ্রেশন মডেল তৈরি করুন | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | জেন এবং দিমিত্রি • এরিক ওয়াঞ্জাউ |
| ০৮ | উত্তর আমেরিকার কুমড়োর দাম 🎃 | [রিগ্রেশন](2-Regression/README.md) | লজিস্টিক রিগ্রেশন মডেল তৈরি করুন | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | জেন • এরিক ওয়াঞ্জাউ |
| ০৯ | একটি ওয়েব অ্যাপ 🔌 | [ওয়েব অ্যাপ](3-Web-App/README.md) | আপনার প্রশিক্ষিত মডেল ব্যবহারের জন্য একটি ওয়েব অ্যাপ তৈরি করুন | [Python](3-Web-App/1-Web-App/README.md) | জেন |
| ১০ | শ্রেণিবিন্যাস পরিচিতি | [শ্রেণিবিন্যাস](4-Classification/README.md) | আপনার ডেটা পরিষ্কার, প্রস্তুত ও ভিজ্যুয়ালাইজ করুন; শ্রেণিবিন্যাসের পরিচিতি | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | জেন এবং কেসি • এরিক ওয়াঞ্জাউ |
| ১১ | সুস্বাদু এশীয় ও ভারতীয় রান্না 🍜 | [শ্রেণিবিন্যাস](4-Classification/README.md) | শ্রেণীবিন্যাসক সম্পর্কে পরিচিতি | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | জেন এবং কেসি • এরিক ওয়াঞ্জাউ |
| ১২ | সুস্বাদু এশীয় ও ভারতীয় রান্না 🍜 | [শ্রেণিবিন্যাস](4-Classification/README.md) | আরও শ্রেণীবিন্যাসক | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | জেন এবং কেসি • এরিক ওয়াঞ্জাউ |
| ১৩ | সুস্বাদু এশীয় ও ভারতীয় রান্না 🍜 | [শ্রেণিবিন্যাস](4-Classification/README.md) | আপনার মডেল ব্যবহার করে একটি রিকমেন্ডার ওয়েব অ্যাপ তৈরি করুন | [Python](4-Classification/4-Applied/README.md) | জেন |
| ১৫ | নাইজেরীয় সঙ্গীত রুচি অন্বেষণ 🎧 | [ক্লাস্টারিং](5-Clustering/README.md) | কে-মিন্স ক্লাস্টারিং পদ্ধতি এক্সপ্লোর করুন | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | জেন • এরিক ওয়াঞ্জাউ |
| ১৬ | প্রাকৃতিক ভাষা প্রক্রিয়াকরণ পরিচিতি ☕️ | [প্রাকৃতিক ভাষা প্রক্রিয়াকরণ](6-NLP/README.md) | সহজ একটি বট তৈরি করে প্রাকৃতিক ভাষা প্রক্রিয়াকরণের মৌলিক তথ্য শিখুন | [Python](6-NLP/1-Introduction-to-NLP/README.md) | স্টিফেন |
| ১৭ | সাধারণ NLP কাজসমূহ ☕️ | [প্রাকৃতিক ভাষা প্রক্রিয়াকরণ](6-NLP/README.md) | ভাষার কাঠামোর সঙ্গে কাজ করার সময় প্রয়োজনীয় সাধারণ কাজসমূহ বোঝার মাধ্যমে NLP জ্ঞান গভীর করুন | [Python](6-NLP/2-Tasks/README.md) | স্টিফেন |
| ১৮ | অনুবাদ ও অনুভূতি বিশ্লেষণ ♥️ | [প্রাকৃতিক ভাষা প্রক্রিয়াকরণ](6-NLP/README.md) | জেন অস্টেনের মাধ্যমে অনুবাদ ও অনুভূতি বিশ্লেষণ | [Python](6-NLP/3-Translation-Sentiment/README.md) | স্টিফেন |
| ১৯ | ইউরোপের রোমান্টিক হোটেল ♥️ | [প্রাকৃতিক ভাষা প্রক্রিয়াকরণ](6-NLP/README.md) | হোটেল রিভিউ নিয়ে অনুভূতি বিশ্লেষণ ১ | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | স্টিফেন |
| ২০ | ইউরোপের রোমান্টিক হোটেল ♥️ | [প্রাকৃতিক ভাষা প্রক্রিয়াকরণ](6-NLP/README.md) | হোটেল রিভিউ নিয়ে অনুভূতি বিশ্লেষণ ২ | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | স্টিফেন |
| ২২ | ⚡️ বিশ্ব শক্তি ব্যবহার ⚡️ - ARIMA ব্যবহার করে টাইম সিরিজ পূর্বাভাস | [টাইম সিরিজ](7-TimeSeries/README.md) | ARIMA ব্যবহার করে টাইম সিরিজ পূর্বাভাস | [Python](7-TimeSeries/2-ARIMA/README.md) | ফ্রান্সেসকা |
| ২৩ | ⚡️ বিশ্ব শক্তি ব্যবহার ⚡️ - SVR ব্যবহার করে টাইম সিরিজ পূর্বাভাস | [টাইম সিরিজ](7-TimeSeries/README.md) | সাপোর্ট ভেক্টর রিগ্রেসর দিয়ে টাইম সিরিজ পূর্বাভাস | [Python](7-TimeSeries/3-SVR/README.md) | অনির্বাণ |
| ২৫ | পিটারকে বাঘির হাত থেকে বাঁচান! 🐺 | [রিইনফোর্সমেন্ট লার্নিং](8-Reinforcement/README.md) | রিইনফোর্সমেন্ট লার্নিং জিম | [Python](8-Reinforcement/2-Gym/README.md) | দিমিত্রি |
| পরিশিষ্ট | বাস্তব জগতের মেশিন লার্নিং পরিস্থিতি ও প্রয়োগ | [ML in the Wild](9-Real-World/README.md) | ক্লাসিক্যাল মেশিন লার্নিংয়ের আকর্ষণীয় ও প্রকাশক বাস্তব প্রয়োগ | [পাঠ](9-Real-World/1-Applications/README.md) | দল |
| পরিশিষ্ট | RAI ড্যাশবোর্ড ব্যবহার করে মডেল ডিবাগিং | [ML in the Wild](9-Real-World/README.md) | রেসপন্সিবল AI ড্যাশবোর্ড কম্পোনেন্ট ব্যবহার করে মেশিন লার্নিং মডেল ডিবাগিং | [পাঠ](9-Real-World/2-Debugging-ML-Models/README.md) | রুথ ইয়াকুবু |
> [এই কোর্সের জন্য সমস্ত অতিরিক্ত সম্পদ আমাদের Microsoft Learn সংগ্রহে খুঁজুন](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## অফলাইন অ্যাক্সেস
[Docsify](https://docsify.js.org/#/) ব্যবহার করে আপনি এই ডকুমেন্টেশন অফলাইনে চালাতে পারেন। এই রিপো ফর্ক করুন, আপনার লোকাল মেশিনে [Docsify ইনস্টল করুন](https://docsify.js.org/#/quickstart), এবং তারপর এই রিপোর মূল ফোল্ডারে `docsify serve` কমান্ড টাইপ করুন। ওয়েবসাইটটি আপনার লোকালহোস্টে পোর্ট ৩০০০-এ চালু হবে: `localhost:3000`।
## PDFs
[এখানে](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) লিঙ্ক সহ কারিকুলামের একটি পিডিএফ খুঁজে পান।
> **ভাষা সম্পর্কিত একটি নোট**: এই পাঠগুলি মূলত পাইথনে লেখা হয়েছে, তবে অনেকগুলি R-এও উপলব্ধ। একটি R পাঠ সম্পন্ন করতে, `/solution` ফোল্ডারে যান এবং R পাঠগুলি খুঁজুন। তাতে একটি .rmd এক্সটেনশন রয়েছে যা একটি **R Markdown** ফাইলকে উপস্থাপন করে, যা সহজে সংজ্ঞায়িত করা যায় `কোড চাঙ্ক` (R বা অন্যান্য ভাষার) এবং একটি `YAML হেডার` (যা আউটপুট যেমন PDF কিভাবে ফরম্যাট করতে হয় তা নির্দেশ করে) সহ একটি `Markdown ডকুমেন্ট` হিসেবে। এভাবে, এটি ডেটা সায়েন্সের জন্য একটি আদর্শ লেখন কাঠামো হিসেবে কাজ করে, কারণ এটি আপনাকে আপনার কোড, এর আউটপুট, এবং আপনার চিন্তাধারাকে একসঙ্গে মিলিত করার সুযোগ দেয়, এবং সেগুলো Markdown-এ লেখার অনুমতি দেয়। আরও, R Markdown ডকুমেন্টগুলি PDF, HTML, অথবা Word এর মত আউটপুট ফরম্যাটে রেন্ডার করা যায়।
> **কুইজ সম্পর্কে একটি নোট**: সব কুইজ [Quiz App folder](../../quiz-app) এ রয়েছে, মোট ৫২টি কুইজ যার প্রত্যেকটিতে তিনটি প্রশ্ন রয়েছে। এগুলো পাঠগুলির মধ্যে লিঙ্ক করা হয়েছে, কিন্তু কুইজ অ্যাপটি লোকালি চালানো যেতে পারে; লোকালি হোস্ট বা Azure তে ডেপ্লয় করার জন্য `quiz-app` ফোল্ডারে নির্দেশনা অনুসরণ করুন।
| পাঠের সংখ্যা | বিষয় | পাঠ গুছানো | শেখার উদ্দেশ্য | লিঙ্ককৃত পাঠ | লেখক |
| ০১ | মেশিন লার্নিং এর পরিচয় | [পরিচয়](1-Introduction/README.md) | মেশিন লার্নিং এর মৌলিক ধারণাগুলো শিখুন | [পাঠ](1-Introduction/1-intro-to-ML/README.md) | মুহাম্মদ |
| ০২ | মেশিন লার্নিং এর ইতিহাস | [পরিচয়](1-Introduction/README.md) | এই ক্ষেত্রে প্রাচীন ইতিহাস জানুন | [পাঠ](1-Introduction/2-history-of-ML/README.md) | জেন এবং অ্যামি |
| ০৩ | ন্যায্যতা এবং মেশিন লার্নিং | [পরিচয়](1-Introduction/README.md) | মেশিন লার্নিং মডেল তৈরি ও প্রয়োগের সময় ন্যায্যতা সম্পর্কিত গুরুত্বপূর্ণ দার্শনিক বিষয়গুলি শিক্ষার্থীদের বিবেচনা করা উচিত কিভাবে? | [পাঠ](1-Introduction/3-fairness/README.md) | তোমোমি |
| ০৪ | মেশিন লার্নিং এর কৌশল | [পরিচয়](1-Introduction/README.md) | মেশিন লার্নিং গবেষকরা কী কৌশল ব্যবহার করে মডেল গঠন করেন? | [পাঠ](1-Introduction/4-techniques-of-ML/README.md) | ক্রিস এবং জেন |
| ০৫ | রিগ্রেশন এর পরিচিতি | [রিগ্রেশন](2-Regression/README.md) | রিগ্রেশন মডেলের জন্য পাইথন এবং স্কিকিট-লার্ন শুরু করুন | [পাইথন](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | জেন • এরিক ওয়ানজাউ |
| ০৬ | উত্তর আমেরিকার কুমড়ো মূল্য 🎃 | [রিগ্রেশন](2-Regression/README.md) | মেশিন লার্নিং জন্য ডেটা ভিজ্যুয়ালাইজ এবং পরিষ্কার করুন | [পাইথন](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | জেন • এরিক ওয়ানজাউ |
| ০৭ | উত্তর আমেরিকার কুমড়ো মূল্য 🎃 | [রিগ্রেশন](2-Regression/README.md) | লিনিয়ার এবং পলিনোমিয়াল রিগ্রেশন মডেল তৈরি করুন | [পাইথন](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | জেন এবং দিমিত্রি • এরিক ওয়ানজাউ |
| ০৮ | উত্তর আমেরিকার কুমড়ো মূল্য 🎃 | [রিগ্রেশন](2-Regression/README.md) | একটি লজিস্টিক রিগ্রেশন মডেল তৈরি করুন | [পাইথন](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | জেন • এরিক ওয়ানজাউ |
| ০৯ | একটি ওয়েব অ্যাপ 🔌 | [ওয়েব অ্যাপ](3-Web-App/README.md) | আপনার প্রশিক্ষিত মডেল ব্যবহার করার জন্য একটি ওয়েব অ্যাপ তৈরি করুন | [পাইথন](3-Web-App/1-Web-App/README.md) | জেন |
| ১০ | শ্রেণীবিন্যাস এর পরিচিতি | [শ্রেণীবিন্যাস](4-Classification/README.md) | ডেটা পরিষ্কার, প্রস্তুত করুন এবং ভিজুয়ালাইজ করুন; শ্রেণীবিন্যাস এর পরিচিতি | [পাইথন](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | জেন এবং ক্যাসি • এরিক ওয়ানজাউ |
| ১১ | সুস্বাদু এশিয়ান এবং ভারতীয় রন্ধনপ্রণালী 🍜 | [শ্রেণীবিন্যাস](4-Classification/README.md) | শ্রেণীবিন্যাসকারীদের পরিচিতি | [পাইথন](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | জেন এবং ক্যাসি • এরিক ওয়ানজাউ |
| ১২ | সুস্বাদু এশিয়ান এবং ভারতীয় রন্ধনপ্রণালী 🍜 | [শ্রেণীবিন্যাস](4-Classification/README.md) | আরও শ্রেণীবিন্যাসকারী | [পাইথন](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | জেন এবং ক্যাসি • এরিক ওয়ানজাউ |
| ১৩ | সুস্বাদু এশিয়ান এবং ভারতীয় রন্ধনপ্রণালী 🍜 | [শ্রেণীবিন্যাস](4-Classification/README.md) | আপনার মডেল ব্যবহার করে একটি রিকমেন্ডার ওয়েব অ্যাপ তৈরি করুন | [পাইথন](4-Classification/4-Applied/README.md) | জেন |
| ১৪ | ক্লাস্টারিং এর পরিচিতি | [ক্লাস্টারিং](5-Clustering/README.md) | ডেটা পরিষ্কার, প্রস্তুত করুন এবং ভিজুয়ালাইজ করুন; ক্লাস্টারিং এর পরিচিতি | [পাইথন](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | জেন • এরিক ওয়ানজাউ |
| ১৫ | নাইজেরিয়ান সঙ্গীত স্বাদ অন্বেষণ 🎧 | [ক্লাস্টারিং](5-Clustering/README.md) | কে-মিনস ক্লাস্টারিং পদ্ধতি অন্বেষণ করুন | [পাইথন](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | জেন • এরিক ওয়ানজাউ |
| ১৬ | প্রাকৃতিক ভাষা প্রক্রিয়াকরণ এর পরিচিতি ☕️ | [প্রাকৃতিক ভাষা প্রক্রিয়াকরণ](6-NLP/README.md) | একটি সহজ বট তৈরি করে NLP-এর ভিত্তি শিখুন | [পাইথন](6-NLP/1-Introduction-to-NLP/README.md) | স্টিফেন |
| ১৭ | সাধারণ NLP কাজগুলি ☕️ | [প্রাকৃতিক ভাষা প্রক্রিয়াকরণ](6-NLP/README.md) | ভাষা কাঠামোগুলোর সঙ্গে কাজ করার সময় প্রয়োজনীয় সাধারণ কাজগুলি বুঝে NLP জ্ঞান উন্নত করুন | [পাইথন](6-NLP/2-Tasks/README.md) | স্টিফেন |
| ১৮ | অনুবাদ এবং অনুভূতি বিশ্লেষণ ♥️ | [প্রাকৃতিক ভাষা প্রক্রিয়াকরণ](6-NLP/README.md) | জেন অস্টেনের সাথে অনুবাদ এবং অনুভূতি বিশ্লেষণ | [পাইথন](6-NLP/3-Translation-Sentiment/README.md) | স্টিফেন |
| ১৯ | ইউরোপের রোমান্টিক হোটেল ♥️ | [প্রাকৃতিক ভাষা প্রক্রিয়াকরণ](6-NLP/README.md) | হোটেল পর্যালোচনার সাথে অনুভূতি বিশ্লেষণ ১ | [পাইথন](6-NLP/4-Hotel-Reviews-1/README.md) | স্টিফেন |
| ২০ | ইউরোপের রোমান্টিক হোটেল ♥️ | [প্রাকৃতিক ভাষা প্রক্রিয়াকরণ](6-NLP/README.md) | হোটেল পর্যালোচনার সাথে অনুভূতি বিশ্লেষণ ২ | [পাইথন](6-NLP/5-Hotel-Reviews-2/README.md) | স্টিফেন |
| ২২ | ⚡️ বিশ্ব শক্তি ব্যবহার ⚡️ - ARIMA দিয়ে টাইম সিরিজ পূর্বাভাস | [টাইম সিরিজ](7-TimeSeries/README.md) | ARIMA দিয়ে টাইম সিরিজ পূর্বাভাস | [পাইথন](7-TimeSeries/2-ARIMA/README.md) | ফ্রান্সেস্কা |
| ২৩ | ⚡️ বিশ্ব শক্তি ব্যবহার ⚡️ - SVR দিয়ে টাইম সিরিজ পূর্বাভাস | [টাইম সিরিজ](7-TimeSeries/README.md) | সাপোর্ট ভেক্টর রিগ্রেসর দিয়ে টাইম সিরিজ পূর্বাভাস | [পাইথন](7-TimeSeries/3-SVR/README.md) | অনির্বাণ |
| ২৪ | রিইনফোর্সমেন্ট লার্নিং এর পরিচিতি | [রিইনফোর্সমেন্ট লার্নিং](8-Reinforcement/README.md) | Q-লার্নিং দিয়ে রিইনফোর্সমেন্ট লার্নিং এর পরিচিতি | [পাইথন](8-Reinforcement/1-QLearning/README.md) | দিমিত্রি |
| ২৫ | পিটার কে বাঘ থেকে রক্ষা করো! 🐺 | [রিইনফোর্সমেন্ট লার্নিং](8-Reinforcement/README.md) | রিইনফোর্সমেন্ট লার্নিং জিম | [পাইথন](8-Reinforcement/2-Gym/README.md) | দিমিত্রি |
| পোস্টস্ক্রিপ্ট | বাস্তব বিশ্ব ML পরিস্থিতি ও প্রয়োগ | [ML in the Wild](9-Real-World/README.md) | ক্লাসিক্যাল ML এর মজার এবং প্রকাশক বাস্তব বিশ্ব প্রয়োগগুলি | [পাঠ](9-Real-World/1-Applications/README.md) | টিম |
| পোস্টস্ক্রিপ্ট | ML তে মডেল ডিবাগিং RAI ড্যাশবোর্ড ব্যবহার করে | [ML in the Wild](9-Real-World/README.md) | রেসপন্সিবল AI ড্যাশবোর্ড উপাদানগুলি ব্যবহার করে মেশিন লার্নিংয়ে মডেল ডিবাগিং | [পাঠ](9-Real-World/2-Debugging-ML-Models/README.md) | রুথ ইয়াকুবু |
> [এই কোর্সের সমস্ত অতিরিক্ত রিসোর্স আমাদের Microsoft Learn সংগ্রহে খুঁজুন](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## অফলাইন এক্সেস
আপনি [Docsify](https://docsify.js.org/#/) ব্যবহার করে এই ডকুমেন্টেশন অফলাইনে চালাতে পারেন। এই রিপোটি ফর্ক করুন, [Docsify ইনস্টল করুন](https://docsify.js.org/#/quickstart) আপনার স্থানীয় মেশিনে, এবং তারপর এই রিপোর মূল ফোল্ডারে `docsify serve` টাইপ করুন। ওয়েবসাইটটি আপনার লোকালহোস্টে পোর্ট 3000-এ সার্ভ হবে: `localhost:3000`।
## PDF
পাঠ্যক্রমের একটি পিডিএফ লিঙ্ক সহ খুঁজুন [এখানে](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)।
## 🎒 অন্যান্য কোর্স
আমাদের দল অন্যান্য কোর্সও তৈরি করে! দেখুন:
আমাদের দল আরো কোর্স তৈরি করে! দেখুন:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -189,49 +188,49 @@ Microsoft এর Cloud Advocates একটি ১২-সপ্তাহের,
---
### Generative AI Series
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### জেনারেটিভ AI সিরিজ
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### মূল শেখা
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
### মূর্ত শিক্ষা
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### কপাইলট সিরিজ
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
যদি আপনি আটকে যান বা AI অ্যাপ তৈরি সম্পর্কে কোন প্রশ্ন থাকে। সহকর্মী শিক্ষার্থী এবং অভিজ্ঞ ডেভেলপারদের সাথে MCP এর আলোচনা যোগ দিন। এটি একটি সহায়ক সম্প্রদায় যেখানে প্রশ্ন স্বাগত এবং জ্ঞান স্বাধীনভাবে ভাগ করা হয়।
আপনি যদি আটকে যান অথবা AI অ্যাপ তৈরি সম্পর্কে কোনো প্রশ্ন থাকে, তাহলে MCP নিয়ে আলোচনা করতে সহপাঠী এবং অভিজ্ঞ ডেভেলপারদের সাথে যোগ দিন। এটি একটি সহায়ক সম্প্রদায় যেখানে প্রশ্নগুলি স্বাগত এবং জ্ঞান মুক্তভাবে ভাগ করা হয়।
- শেখা ধারণাগুলো ব্যবহার করে বাস্তব বিশ্বের ডেটাসেট অন্বেষণ করুন।
- প্রতিটি পাঠের পরে নোটবুকগুলি পর্যালোচনা করুন ভাল বোঝার জন্য।
- নিজেরাই আলগোরিদম বাস্তবায়ন অনুশীলন করুন।
- শেখা ধারণাগুলো ব্যবহার করে বাস্তব বিশ্বের ডেটাসেট এক্সপ্লোর করুন।
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**অস্বীকৃতি**:
এই নথিটি AI অনুবাদ সেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনূদিত হয়েছে। আমরা যথাসাধ্য সঠিকতার চেষ্টা করি, তবে স্বয়ংক্রিয় অনুবাদে ভুল বা অমিল থাকার সম্ভাবনা রয়েছে। মূল নথি তার নিজস্ব ভাষায় কর্তৃত্বপ্রাপ্ত উৎস হিসেবে বিবেচিত হওয়া উচিত। গুরুত্বপূর্ণ তথ্যের জন্য পেশাদার মানুষের অনুবাদ গ্রহণ করার পরামর্শ দেওয়া হচ্ছে। এই অনুবাদের ব্যবহারের কারণে সৃষ্ট কোনো ভুল বোঝাবুঝি বা ব্যাখ্যার জন্য আমরা দায়ী নই।
**বহির্গমন**:
এই ডকুমেন্টটি AI অনুশীলন সেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনূদিত হয়েছে। আমরা যথাসাধ্য সঠিকতার প্রচেষ্টা করি, তবে স্বয়ংক্রিয় অনুবাদে ভুল বা ত্রুটি থাকতে পারে। মূল ডকুমেন্টটি তার স্বাভাবিক ভাষায় সংশ্লিষ্ট সূত্র হিসেবে বিবেচিত হওয়া উচিত। গুরুত্বপূর্ণ তথ্যের জন্য পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদের ব্যবহার থেকে সৃষ্ট কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়ী নই।
आपल्याकडे AI सह शिकण्याच्या सिरीजसाठी Discord सुरू आहे, अधिक जाणून घेण्यासाठी आणि सहभागी होण्यासाठी [Learn with AI Series](https://aka.ms/learnwithai/discord) येथे १८ - ३० सप्टेंबर, २०२५ दरम्यान. तुम्हाला GitHub Copilot चा वापर करून डेटा सायन्सचे टिप्स आणि ट्रिक्स मिळतील.
आमच्याकडे Discord वर AI सोबत शिकण्याचा सिरीज चालू आहे, अधिक जाणून घेण्यासाठी आणि आमच्यासोबत सामील होण्यासाठी [Learn with AI Series](https://aka.ms/learnwithai/discord) येथे १८ ते ३० सप्टेंबर २०२५ दरम्यान भेट द्या. तुम्हाला GitHub Copilot च्या वापरासंबंधी टिप्स आणि ट्रिक्स मिळतील.
# नवशिक्यांसाठी मशीन लर्निंग - अभ्यासक्रम
# नवशिक्यांसाठी मशीन लर्निंग - एक अभ्यासक्रम
> 🌍 जगभर फिरत मशीन लर्निंगचा अभ्यास करताना जगाच्या संस्कृतींचा शोध घेऊया 🌍
> 🌍 जगभर प्रवास करा आणि जगाच्या संस्कृतींमार्फत मशीन लर्निंगचा अभ्यास करा 🌍
Microsoft कडील Cloud Advocates आनंदाने १२ आठवड्यांचा, २६ धड्यांचा अभ्यासक्रम उपलब्ध करून देत आहेत जो पूर्णपणे **मशीन लर्निंग** विषयी आहे. या अभ्यासक्रमात, आपण कधीकधी "क्लासिक मशीन लर्निंग" म्हणतात ती शिका, ज्यासाठी मुख्यतः Scikit-learn लायब्ररी वापरली जाते आणि डीप लर्निंग टाळली जाते, जी आमच्या [AI for Beginners' curriculum](https://aka.ms/ai4beginners) मध्ये समाविष्ट आहे. तसेच, या धड्यांसह आमचा ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) वापरा.
Microsoft मधील Cloud Advocates १२ आठवड्यांचा, २६ धड्यांचा असा **मशीन लर्निंग** विषयी अभ्यासक्रम आनंदाने ऑफर करीत आहेत. या अभ्यासक्रमात तुम्हाला जेव्हा कधी **शास्त्रीय मशीन लर्निंग** म्हटले जाते ते समजेल, मुख्यत्वे Scikit-learn या लायब्ररीचा वापर करून आणि डीप लर्निंग टाळून, जे आमच्या [AI for Beginners' curriculum](https://aka.ms/ai4beginners) मध्ये समाविष्ट आहे. या धड्यांना आमच्या ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) सोबत जोडा!
जगभर फिरून आपण या क्लासिक तंत्रांचा वापर विविध प्रदेशांच्या डेटावर करतो. प्रत्येक धड्यामध्ये पूर्व-आणि पश्चात-धडा क्विझेस, लेखी सूचना, सोल्यूशन, असाइनमेंट इत्यादी असतात. आमची प्रकल्पाधारित शिकवणी पद्धत आपल्याला शिकत असतानाच तयार होण्यास मदत करते, जी नवीन कौशल्ये शिकण्याचा सिद्ध मार्ग आहे.
जगभर प्रवास करा आणि वेगवेगळ्या जागांच्या डेटा वर या शास्त्रीय तंत्रांचा वापर करा. प्रत्येक धड्यात पूर्व-म्हणून आणि पाठपुरावा चाचण्या, लिहिलेल्या सूचना धडा पूर्ण करण्यासाठी, सोल्युशन, असाइनमेंट आणि अजून बरेच काही आहे. आमचा प्रोजेक्ट-आधारित शिक्षण पद्धत तुम्हाला बांधणी करताना शिकण्याची संधी देते, जी नवीन कौशल्ये दीर्घकाळ टिकवण्यासाठी सिद्ध आहे.
**🎨 आमच्या चित्रकारांचे देखील आभार:** टोमॉमी इमुरा, दसानी माधिपल्ली, आणि जेन लूपर
**🎨 आमच्या चित्रकारांना देखील धन्यवाद** टोमॉमी इमूरा, दासानी माडीपल्ली, आणि जेन लूपर यांना
**🙏 खास आभार 🙏 आमच्या Microsoft Student Ambassador लेखक, समीक्षक आणि सामग्री पुरवठादारांना, विशेषतः ऋषित दागली, मोहम्मद साकिब खान इनान, रोहन राज, अलेक्झांडरु पेट्रेस्कू, अभिषेक जैनवाल, नवरीन ताबस्सुम, इओन सामुइला, आणि स्निग्धा अग्रवाल यांना
**🙏 खास आभार 🙏 आमच्या Microsoft Student Ambassador लेखक, पुनरावलोकक आणि मजकूर योगदानकर्त्यांना**, विशेषतः ऋषित डाग्ली, मुहम्मद साकिब खान इनान, रोहन राज, अलेक्झांड्रू पेट्रेस्कू, अभिषेक जैनवाल, नवरिन तबस्सुम, इओआन सामुइला, आणि स्निग्धा अग्रवाल यांना
**🤩 Microsoft Student Ambassadors एरिक वांजाऊ, जसलीन सोंधी, आणि विदुषी गुप्ता यांना आमच्या R धड्यांसाठी विशेष आभार!**
**🤩 थोडे अधिक धन्यवाद Microsoft Student Ambassadors एरिक वांजाऊ, जसलीन सोंधी, आणि विदुषी गुप्ता यांना आमच्या R धड्यांसाठी!**
# सुरुवात कशी करावी
या टप्प्यांचे पालन करा:
1. **रिपॉझिटरी फोर्क करा**: या पृष्ठाच्या वरच्या उजव्या कोपऱ्यातील "Fork" बटण क्लिक करा.
> [या कोर्ससाठी सर्व अतिरिक्त साधने आमच्या Microsoft Learn कलेक्शन मध्ये शोधा](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [या कोर्ससाठी सर्व अतिरिक्त संसाधने आम्हाला Microsoft Learn संग्रहात आढळतील](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **मदत हवी आहे का?** आमच्या [Troubleshooting Guide](TROUBLESHOOTING.md) मध्ये इन्स्टॉलेशन, सेटअप, आणि धडे चालवण्याच्या सामान्य समस्यांसाठी उपाय तपासा.
> 🔧 **मदतीची गरज आहे?** इन्स्टॉलेशन, सेटअप, आणि धडे चालवण्याच्या सामान्य समस्यांसाठी आमचा [Troubleshooting Guide](TROUBLESHOOTING.md) पहा.
**[विद्यार्थी](https://aka.ms/student-page)**, या अभ्यासक्रमाचा उपयोग करण्यासाठी, संपूर्ण रेपॉझिटरी आपल्या GitHub खात्यात फॉर्क करा आणि स्वतः किंवा समूहाबरोबर व्यायाम पूर्ण करा:
**[विद्यार्थी](https://aka.ms/student-page)**, हा अभ्यासक्रम वापरण्यासाठी, संपूर्ण रेपॉ फोर्क करून आपल्या GitHub खात्यावर नेऊन स्वतः किंवा गटाबरोबर व्यायाम पूर्ण करा:
- पूर्व-व्याख्यान क्विझपासून प्रारंभ करा.
- व्याख्यान वाचा आणि क्रिया पूर्ण करा, प्रत्येक ज्ञान तपासणीत थांबा आणि विचार करा.
- सोल्यूशन कोड चालवण्याऐवजी धडे समजून प्रोजेक्ट्स तयार करण्याचा प्रयत्न करा; परंतु तो कोड प्रत्येक प्रकल्प-आधारित धड्यातील `/solution` फोल्डरमध्ये उपलब्ध आहे.
- पोस्ट-व्याख्यान क्विझ घ्या.
- आव्हान पूर्ण करा.
- प्री-लेक्चर क्विझपासून सुरुवात करा.
- लेक्चर वाचा आणि क्रियाकलाप पूर्ण करा, प्रत्येक ज्ञान तपासणीवर थांबा आणि विचार करा.
- धडे समजून घेऊन प्रोजेक्ट्स तयार करण्याचा प्रयत्न करा, फक्त सोल्युशन कोड चालवण्यावर अवलंबून राहू नका; तथापि तो कोड `/solution` फोल्डरमध्ये प्रत्येक प्रोजेक्ट-आधारित धड्यात उपलब्ध आहे.
- पोस्ट-लेक्चर क्विझ द्या.
- चॅलेंज पूर्ण करा.
- असाइनमेंट पूर्ण करा.
- धडा गट पूर्ण केल्यावर, [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) येथे भेट द्या आणि योग्य PAT रब्रीक भरून "जोरात शिकणे" करा. 'PAT' म्हणजे प्रगती मूल्यांकन साधन-ज्यामध्ये आपण आपली प्रगती भरता. तुम्ही इतर PAT ला प्रतिक्रिया देऊन एकत्र शिकू शकता.
- धडा समूह पूर्ण केल्यावर, [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) वर जा आणि संबंधित PAT रूब्रिक भरून "लर्न आउट लाउड" करा. 'PAT' म्हणजे प्रगती मूल्यांकन साधन जे तुम्ही भरता जेणेकरून तुमचं शिक्षण पुढे जाईल. तुम्ही इतर PATs वर प्रतिक्रिया देऊ शकता जेणेकरून आपण एकत्र शिकू शकू.
> पुढील अभ्यासासाठी, आम्ही खालील [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) मॉड्यूल्स आणि शिक्षण मार्गांचे अनुसरण करण्याचा सल्ला देतो.
> पुढील अभ्यासासाठी, आम्ही या [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) मॉड्यूल आणि शिक्षण मार्गांचा अनुकरण करण्याचा सल्ला देतो.
**शिक्षक**, आम्ही हा अभ्यासक्रम कसा वापरावा याबाबत काही [सूचना](for-teachers.md) दिल्या आहेत.
**शिक्षक**, आपणांसाठी हा अभ्यासक्रम कसा वापरावा याबाबत काही [सूचना](for-teachers.md) दिल्या आहेत.
---
## व्हिडिओ मार्गदर्शक
## व्हिडिओ परिचय
काही धडे लहान स्वरूपाच्या व्हिडिओ स्वरूपात उपलब्ध आहेत. तुम्ही हे सर्व धड्यांमध्ये इन-लाइन किंवा [Microsoft Developer YouTube चॅनेलवरील ML for Beginners प्लेलिस्ट](https://aka.ms/ml-beginners-videos) मध्ये खालील प्रतिमेवर क्लिक करून पाहू शकता.
काही धडे लघु व्हिडिओ स्वरूपात उपलब्ध आहेत. तुम्ही हे सर्व धड्यात बाजूला पाहू शकता, किंवा [ML for Beginners प्लेलिस्ट Microsoft Developer YouTube चॅनेलवर](https://aka.ms/ml-beginners-videos) खालील प्रतिमा क्लिक करून पाहू शकता.
[](https://aka.ms/ml-beginners-videos)
> 🎥 प्रोजेक्ट आणि त्यामागील लोकांबद्दल व्हिडिओसाठी वरील प्रतिमेवर क्लिक करा!
> 🎥 प्रकल्प आणि त्या प्रकल्पामध्ये सहभागी लोकांबद्दल व्हिडिओ पाहण्यासाठी वरची प्रतिमा क्लिक करा!
---
## शिक्षण पद्धती
आम्ही या अभ्यासक्रमाची रचना करताना दोन शैक्षणिक तत्त्वे निवडली: प्रामुख्याने **प्रकल्प-आधारित** आणि **वारंवार क्विझसह** असणे आवश्यक. याशिवाय, अभ्यासक्रमाला एकसंधता देण्यासाठी एक समान **थीम** ठेवली आहे.
हा अभ्यासक्रम तयार करताना आम्ही दोन शैक्षणिक तत्त्व निवडले: हा पूर्णपणे हॅण्ड्स-ऑन **प्रोजेक्ट-आधारित** असावा आणि त्यामध्ये **बारंबार क्विझ** असाव्या. तसेच, हा अभ्यासक्रम एकसंधतेसाठी एक सामान्य **थीम** देखील प्रदान करतो.
सामग्री प्रकल्पांशी सुसंगत असल्यामुळे विद्यार्थी अधिक गुंतलेले राहतात आणि संकल्पना अधिक चांगल्याप्रकारे लक्षात राहतात. वर्गापूर्वी कमी जोखमीचा क्विझ विद्यार्थ्यांच्या मनात विषय शिकण्याचा उद्देश निर्माण करतो, तर वर्गानंतरचा क्विझ अधिक चांगला ध्यास देतो. हा अभ्यासक्रम लवचिक आणि मजेदार बनविण्यासाठी डिझाइन केला गेला आहे आणि तो पूर्ण किंवा भागांमध्ये पूर्ण केला जाऊ शकतो. प्रकल्प सुरुवातीला सोपे आहेत आणि १२ आठवड्यांच्या समाप्तीपर्यंत अधिक क्लिष्ट होतात. हा अभ्यासक्रम वास्तविक जगात ML च्या उपयोगांवर पोस्टस्क्रिप्ट देखील समाविष्ट करतो, जो अतिरिक्त क्रेडिट किंवा चर्चेसाठी आधार म्हणून वापरता येतो.
सामग्री प्रोजेक्टसोबत संरेखित असल्याने, विद्यार्थ्यांसाठी प्रक्रिया अधिक आकर्षक होते आणि संकल्पनांचा अधिक चांगला टिकाव राहतो. वर्गाच्या आधीचा कमी-दाबाचा क्विझ विद्यार्थ्यांच्या मनात विषय शिकण्याचे उद्दिष्ट ठेवतो, तर वर्गानंतरचा दुसरा क्विझ अधिक टिकाव सुनिश्चित करतो. हा अभ्यासक्रम लवचिक आणि मजेशीर असावा आणि त्याचा पूर्ण किंवा भागअंश पद्धतीने वापर करता येईल. प्रोजेक्ट्स छोटे पासून सुरू होऊन १२ आठवड्यांच्या शेवटी अधिक गुंतागुंतीचे होतात. हा अभ्यासक्रम वास्तविक जीवनातील ML च्या वापरावर एक पोस्टस्क्रिप्ट सुद्धा समाविष्ट करतो, जी अतिरिक्त क्रेडिटसाठी किंवा चर्चेच्या आधारासाठी वापरता येईल.
> आमचा [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translations](..), आणि [Troubleshooting](TROUBLESHOOTING.md) मार्गदर्शक पहा. आम्ही तुमच्या रचनात्मक अभिप्रायाचे स्वागत करतो!
> आमचा [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translations](..), आणि [Troubleshooting](TROUBLESHOOTING.md) मार्गदर्शक तत्त्वे पहा. तुमच्या रचनात्मक अभिप्रायासाठी आम्ही स्वागत करतो!
> **भाषांबाबत एक नोंद**: हे धडे मुख्यत्वे Python मध्ये लिहिलेले आहेत, पण अनेक R मध्ये सुद्धा उपलब्ध आहेत. R धडा पूर्ण करण्यासाठी, `/solution` फोल्डरमध्ये जा आणि R धडे शोधा. त्यांना .rmd विस्तार आहे, जो **R Markdown** फाईल दर्शवितो, जो `code chunks` (R किंवा इतर भाषांच्या) आणि `YAML हेडर` (ज्यामुळे PDF सारखे आउटपुट स्वरूप कसे करायचे हे मार्गदर्शन होते) या Markdown दस्तऐवजामध्ये एम्बेडिंग आहे. त्यामुळे, हा डेटा सायन्ससाठी एक उदाहरणीय लेखक फ्रेमवर्क आहे कारण यामुळे आपला कोड, त्याचे आउटपुट आणि आपले विचार Markdown मध्ये लिहून एकत्र करता येतात. शिवाय, R Markdown दस्तऐवज PDF, HTML किंवा Word सारख्या आउटपुट स्वरूपात रुपांतरित केले जाऊ शकतात.
> **प्रश्नमंजुषांबद्दल एक टीप**: सर्व प्रश्नमंजुषा [Quiz App फोल्डर](../../quiz-app) मध्ये आहेत, ज्यात प्रत्येकी तीन प्रश्न असलेल्या 52 एकूण प्रश्नमंजुषा आहेत. त्या धड्यांमधून लिंक केल्या आहेत परंतु प्रश्नमंजुषा अॅप लोकलपणे सुरू केला जाऊ शकतो; `quiz-app` फोल्डरमधील सूचनांचे अनुसरण करून स्थानिकपणे होस्ट किंवा Azure वर तैनात करा.
| धडा क्रमांक | विषय | धडा गट | शिक्षण उद्दिष्टे | लिंक्ड धडा | लेखक |
| 01 | मशीन लर्निंगची ओळख | [परिचय](1-Introduction/README.md) | मशीन लर्निंगच्या मूलभूत संकल्पना शिका | [धडा](1-Introduction/1-intro-to-ML/README.md) | मुहम्मद |
| 02 | मशीन लर्निंगचा इतिहास | [परिचय](1-Introduction/README.md) | या क्षेत्राचा मुळ इतिहास शिका | [धडा](1-Introduction/2-history-of-ML/README.md) | जेन आणि एमी |
| 03 | न्यायसंगतता आणि मशीन लर्निंग | [परिचय](1-Introduction/README.md) | मशीन लर्निंग मॉडेल तयार करताना आणि वापरताना विद्यार्थ्यांनी विचारात घ्यावयाच्या न्यायसंगततेसंबंधी महत्त्वाच्या तात्त्विक प्रश्नांवर चर्चा | [धडा](1-Introduction/3-fairness/README.md) | टोमोमी |
| 10 | वर्गवारीची ओळख | [वर्गवारी](4-Classification/README.md) | तुमचा डेटा साफ, तयार व दृश्यमान करा; वर्गवारीची ओळख | [पायथन](4-Classification/1-Introduction/README.md) • [आर](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | जेन आणि कॅसी • इरिक वांजाऊ |
| 11 | चवदार आशियाई आणि भारतीय पदार्थ 🍜 | [वर्गवारी](4-Classification/README.md) | वर्गीकारकांची ओळख | [पायथन](4-Classification/2-Classifiers-1/README.md) • [आर](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | जेन आणि कॅसी • इरिक वांजाऊ |
| 12 | चवदार आशियाई आणि भारतीय पदार्थ 🍜 | [वर्गवारी](4-Classification/README.md) | अधिक वर्गीकारक | [पायथन](4-Classification/3-Classifiers-2/README.md) • [आर](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | जेन आणि कॅसी • इरिक वांजाऊ |
| 13 | चवदार आशियाई आणि भारतीय पदार्थ 🍜 | [वर्गवारी](4-Classification/README.md) | तुमचा मॉडेल वापरून शिफारस करणारा वेब अॅप तयार करा | [पायथन](4-Classification/4-Applied/README.md) | जेन |
| 14 | क्लस्टरिंगची ओळख | [क्लस्टरिंग](5-Clustering/README.md) | तुमचा डेटा साफ, तयार व दृश्यमान करा; क्लस्टरिंगची ओळख | [पायथन](5-Clustering/1-Visualize/README.md) • [आर](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | जेन • इरिक वांजाऊ |
| 15 | नायजेरियन संगीत आवडींचा अभ्यास 🎧 | [क्लस्टरिंग](5-Clustering/README.md) | K-मीन क्लस्टरिंग पद्धत एक्सप्लोर करा | [पायथन](5-Clustering/2-K-Means/README.md) • [आर](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | जेन • इरिक वांजाऊ |
| 16 | नैसर्गिक भाषा प्रक्रिया परिचय ☕️ | [नैसर्गिक भाषा प्रक्रिया](6-NLP/README.md) | एक सोपा बॉट बनवून NLP च्या बेसिक्स शिका | [पायथन](6-NLP/1-Introduction-to-NLP/README.md) | स्टीफन |
| 17 | सामान्य NLP कार्ये ☕️ | [नैसर्गिक भाषा प्रक्रिया](6-NLP/README.md) | भाषा संरचनांसोबत काम करताना आवश्यक सामान्य कार्ये समजून NLP ज्ञान वाढवा | [पायथन](6-NLP/2-Tasks/README.md) | स्टीफन |
| 18 | भाषांतर आणि भावना विश्लेषण ♥️ | [नैसर्गिक भाषा प्रक्रिया](6-NLP/README.md) | जेन ऑस्टिन सहित भाषांतर आणि भावना विश्लेषण | [पायथन](6-NLP/3-Translation-Sentiment/README.md) | स्टीफन |
| 19 | युरोप मधील रोमँटिक हॉटेल्स ♥️ | [नैसर्गिक भाषा प्रक्रिया](6-NLP/README.md) | हॉटेल पुनरावलोकनांसह भावना विश्लेषण १ | [पायथन](6-NLP/4-Hotel-Reviews-1/README.md) | स्टीफन |
| 20 | युरोप मधील रोमँटिक हॉटेल्स ♥️ | [नैसर्गिक भाषा प्रक्रिया](6-NLP/README.md) | हॉटेल पुनरावलोकनांसह भावना विश्लेषण २ | [पायथन](6-NLP/5-Hotel-Reviews-2/README.md) | स्टीफन |
| 21 | टाइम सिरीज फोरकास्टिंगची ओळख | [टाइम सिरीज](7-TimeSeries/README.md) | टाइम सिरीज फोरकास्टिंगची ओळख | [पायथन](7-TimeSeries/1-Introduction/README.md) | फ्रान्सेस्का |
| उपसंहार | वास्तविक जगातील ML परिस्थिती आणि अनुप्रयोग | [ML इन द वाइल्ड](9-Real-World/README.md) | क्लासिकल ML चे मनोरंजक आणि प्रकाश टाकणारे वास्तविक जगातील अनुप्रयोग | [धडा](9-Real-World/1-Applications/README.md) | टीम |
| उपसंहार | RAI डॅशबोर्ड वापरून ML मध्ये मॉडेल डीबगिंग | [ML इन द वाइल्ड](9-Real-World/README.md) | रेस्पॉन्सिबल AI डॅशबोर्ड घटकांद्वारे मशीन लर्निंगमधील मॉडेल डीबगिंग | [धडा](9-Real-World/2-Debugging-ML-Models/README.md) | रुथ याकुबू |
> [या कोर्ससाठी सर्व अतिरिक्त संसाधने आमच्या Microsoft Learn संग्रहात शोधा](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> **भाषांबद्दल एक नोंद**: हे धडे मुख्यतः Python मध्ये लिहिलेले आहेत, पण बरेच धडे R मध्येही उपलब्ध आहेत. R चे धडे पूर्ण करण्यासाठी, `/solution` फोल्डरमध्ये जा आणि R ची धडे शोधा. त्यात .rmd एक्सटेंशन असते जे **R Markdown** फाईलचे प्रतिनिधित्व करते, जी सोप्या भाषेत सांगायची तर `code chunks` (R किंवा इतर भाषा) आणि `YAML header` (जी आउटपुट्स जसे PDF कसे फॉरमॅट करायचे हे मार्गदर्शित करते) च्या एम्बेडिंगसाठी वापरली जाते `Markdown document` मध्ये. त्यामुळे, डेटा सायन्ससाठी हे एक आदर्श लेखक फ्रेमवर्क म्हणून काम करते कारण हे तुम्हाला तुमचा कोड, त्याचा आउटपुट आणि तुमचे विचार Markdown मध्ये लिहून जोडण्याची परवानगी देते. शिवाय, R Markdown दस्तऐवज PDF, HTML, किंवा Word सारख्या आउटपुट फॉरमॅट्समध्ये रूपांतरित केले जाऊ शकतात.
> **क्विझ बद्दल एक नोंद**: सर्व क्विझ [Quiz App folder](../../quiz-app) मध्ये आहेत, एकूण ५२ क्विझ ज्यात प्रत्येकी तीन प्रश्न आहेत. हे धड्यांतून लिंक केलेले आहेत पण क्विझ अॅप लोकली चालवता येतो; `quiz-app` फोल्डरमधील सूचनांचे पालन करा जेणेकरून तुम्ही ते लोकली होस्ट किंवा Azure वर डिप्लॉय करू शकता.
| 01 | मशीन लर्निंगची ओळख | [Introduction](1-Introduction/README.md) | मशीन लर्निंगमागील मूलभूत संकल्पना शिकणे | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | मशीन लर्निंगचा इतिहास | [Introduction](1-Introduction/README.md) | या क्षेत्राचा इतिहास शिकणे | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
| 03 | निष्पक्षता आणि मशीन लर्निंग | [Introduction](1-Introduction/README.md) | निष्पक्षतेबाबत महत्त्वाच्या तत्त्वज्ञानिक प्रश्नांचा विचार जे व्हावा जे ML मॉडेल बनवताना आणि वापरताना | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | मशीन लर्निंगसाठी तंत्रे | [Introduction](1-Introduction/README.md) | मशीन लर्निंग संशोधक कोणती तंत्रे वापरतात ML मॉडेल तयार करण्यासाठी? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
| 05 | रिग्रेशनची ओळख | [Regression](2-Regression/README.md) | Python आणि Scikit-learn वापरून रिग्रेशन मॉडेलसाठी सुरुवात करा | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | नॉर्थ अमेरिकेतील भोपळ्यांचे भाव 🎃 | [Regression](2-Regression/README.md) | ML साठी डेटा पाहणे व स्वच्छ करणे | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | नॉर्थ अमेरिकेतील भोपळ्यांचे भाव 🎃 | [Regression](2-Regression/README.md) | रेषीय आणि बहुपदीय रिग्रेशन मॉडेल बांधा | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
| 08 | नॉर्थ अमेरिकेतील भोपळ्यांचे भाव 🎃 | [Regression](2-Regression/README.md) | लॉजिस्टिक रिग्रेशन मॉडेल तयार करा | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 10 | वर्गीकरणाची ओळख | [Classification](4-Classification/README.md) | तुमचा डेटा स्वच्छ करा, तयार करा आणि दृश्य करा; वर्गीकरणाची ओळख | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
| 11 | स्वादिष्ट आशियाई आणि भारतीय स्वयंपाक 🍜 | [Classification](4-Classification/README.md) | वर्गीकरणकर्त्यांची ओळख | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau |
| 12 | स्वादिष्ट आशियाई आणि भारतीय स्वयंपाक 🍜 | [Classification](4-Classification/README.md) | अधिक वर्गीकरणकर्ते | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau |
| 13 | स्वादिष्ट आशियाई आणि भारतीय स्वयंपाक 🍜 | [Classification](4-Classification/README.md) | तुमचा मॉडेल वापरून शिफारस करणारा वेब अॅप तयार करा | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | क्लस्टरिंगची ओळख | [Clustering](5-Clustering/README.md) | तुमचा डेटा स्वच्छ करा, तयार करा आणि दृश्य करा; क्लस्टरिंगची ओळख | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | नायजेरियन संगीत आवड शोधा 🎧 | [Clustering](5-Clustering/README.md) | K-Means क्लस्टरिंग पद्धतीचा अभ्यास करा | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | नैसर्गिक भाषा प्रक्रिया (NLP) ची ओळख ☕️ | [Natural language processing](6-NLP/README.md) | सोपा बॉट बनवून NLP च्या मूलभूत गोष्टी शिका | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | सामान्य NLP कामे ☕️ | [Natural language processing](6-NLP/README.md) | भाषा रचनांशी संबंधित सामान्य कामे समजून NLP ज्ञान वाढवा| [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | भाषांतर आणि भावना विश्लेषण ♥️ | [Natural language processing](6-NLP/README.md) | Jane Austen सोबत भाषांतर आणि भावना विश्लेषण| [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | युरोपचे रोमँटिक हॉटेल ♥️ | [Natural language processing](6-NLP/README.md) | हॉटेल पुनरावलोकनांसह भावना विश्लेषण 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | युरोपचे रोमँटिक हॉटेल ♥️ | [Natural language processing](6-NLP/README.md) | हॉटेल पुनरावलोकनांसह भावना विश्लेषण 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | टाइम सिरीज भाकीताची ओळख | [Time series](7-TimeSeries/README.md) | टाइम सिरीज भाकीताची ओळख | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| Postscript | वास्तविक जगातील ML परिस्थिती आणि अनुप्रयोग | [ML in the Wild](9-Real-World/README.md) | क्लासिक ML चे मनोरंजक आणि खोलवर जाणून घेणारे वास्तविक जगातील अनुप्रयोग | [Lesson](9-Real-World/1-Applications/README.md) | Team |
| Postscript | RAI डॅशबोर्ड वापरून ML मध्ये मॉडेल डीबगिंग | [ML in the Wild](9-Real-World/README.md) | जबाबदार AI डॅशबोर्ड घटक वापरून मशीन लर्निंगमधील मॉडेल डीबगिंग | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [या कोर्ससाठी सर्व अतिरिक्त संसाधने शोधा आमच्या Microsoft Learn संग्रहामध्ये](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## ऑफलाइन प्रवेश
आपण [Docsify](https://docsify.js.org/#/) वापरून ही माहिती ऑफलाइन चालवू शकता. या रेपॉ फोर्क करा, स्थानिक संगणकावर [Docsify इन्स्टॉल करा](https://docsify.js.org/#/quickstart), आणि नंतर या रेपॉच्या रूट फोल्डरमध्ये `docsify serve` टाइप करा. वेबसाइट तुमच्या लोकलहोस्टवर पोर्ट 3000 वर `localhost:3000` चालेल.
तुम्ही हा दस्तऐवज ऑफलाइन पाहू शकता Docsify वापरून. हा रेपो Fork करा, [Docsify install करा](https://docsify.js.org/#/quickstart) तुमच्या स्थानिक मशीनवर, आणि मग या रेपोच्या मूळ फोल्डरमध्ये `docsify serve` टाइप करा. वेबसाइट तुमच्या लोकलहोस्टवर पोर्ट ३००० वर चालवली जाईल: `localhost:3000`.
## PDF
लिंकसह अभ्यासक्रमाचा PDF [इथे](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) मिळवा.
अभ्यासक्रमाचा PDF आवृत्ती लिंकसह शोधा [इथे](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
## 🎒 इतर कोर्सस
## 🎒 इतर कोर्सेस
आमची टीम इतर कोर्सही तयार करते! पाहा:
आमचा टीम इतरही कोर्सेस तयार करतो! खाली तपासा:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -191,48 +190,48 @@ Microsoft कडील Cloud Advocates आनंदाने १२ आठवड
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
जर तुम्ही अडकले असाल किंवा AI अॅप्स तयार करताना काही प्रश्न असतील तर. MCP संदर्भातच्या चर्चेत इतर शिकणाऱ्या आणि अनुभवी डेव्हलपर्ससोबत सामील व्हा. ही एक सहायक समुदाय आहे जिथे प्रश्न विचारले जातात आणि ज्ञान मोकळेपणाने शेअर केले जाते.
जर तुम्हाला अडचण आल्यास किंवा AI अॅप्स तयार करण्याबाबत काही प्रश्न असतील. एकत्र शिकणाऱ्या विद्यार्थ्यांशी आणि अनुभवी विकसकांशी MCP बद्दल चर्चा करा. ही एक सहायक समुदाय आहे जिथे प्रश्न विचारणे स्वागतार्ह आहे आणि ज्ञान मुक्तपणे शेअर केले जाते.
- प्रत्येक धड्याच्या नंतर नोटबुक पुनरावलोकन करा ज्यामुळे चांगले समजेल.
- अल्गोरिदम स्वतः अंमलात आणण्याचा सराव करा.
- शिकलेल्या संकल्पनांचा वापर करून प्रत्यक्ष डेटासेट्स अन्वेषण करा.
- प्रत्येक धड्यांनंतर नोटबुक पुनरावलोकन करा जास्त चांगल्या समजेसाठी.
- अल्गोरिदम स्वतः अमलात आणण्याचा सराव करा.
- शिकलेल्या संकल्पनांचा वापर करून वास्तव जगातील डेटासेट्स एक्सप्लोर करा.
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**अस्वीकरण**:
हा दस्तऐवज AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) वापरून अनुवादित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी, कृपया लक्षात घ्या की स्वयंचलित अनुवादांमध्ये चुका किंवा अचूकतेच्या अभाव असू शकतात. मूळ दस्तऐवज त्याच्या स्थानिक भाषेत अधिकृत स्रोत मानला पाहिजे. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी अनुवाद करणे शिफारसीय आहे. या अनुवादाच्या वापराबाबत उद्भवलेल्या कोणत्याही गैरसमजुती किंवा चुकीच्या समजुतींसाठी आम्ही जबाबदार नाही.
**सूचना**:
हा दस्तऐवज AI भाषांतर सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) वापरून अनुवादित केला आहे. जरी आम्ही अचूकतेसाठी प्रयत्न करत असलो तरी, कृपया लक्षात ठेवा की स्वयंचलित भाषांतरांमध्ये चुका किंवा अचूकतेचा अभाव असू शकतो. मूळ दस्तऐवज त्याच्या स्थानिक भाषेत अधिकृत स्रोत मानला पाहिजे. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतर शिफारस केले आहे. या भाषांतराचा वापर केल्यामुळे होणाऱ्या कोणत्याही गैरसमजुती किंवा चुकीच्या अर्थसंग्रहणासाठी आम्ही जबाबदार नाही.
#### GitHub क्रियापदमार्फत समर्थन गरिएको (स्वचालित र सँधै अद्यावधिक)
> **स्थानीय रूपमा क्लोन गर्न चाहनुहुन्छ?**
>
> यस रिपोजिटरीमा ५०+ भाषा अनुवादहरू समावेश छन् जसले डाउनलोड साइजलाई उल्लेखनीय रूपमा बढाउँछ। अनुवादहरू बिना क्लोन गर्न, sparse checkout प्रयोग गर्नुहोस्:
> यो रिपोजिटरीले ५० भन्दा बढी भाषा अनुवादहरू समावेश गर्दछ जसले डाउनलोड आकारलाई उल्लेखनीय रूपमा बढाउँछ। अनुवाद बिना क्लोन गर्न, sparse checkout प्रयोग गर्नुहोस्:
>
> **Bash / macOS / Linux:**
> ```bash
@ -33,143 +20,115 @@
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> यसले तपाईंलाई कोर्स पूरा गर्न आवश्यक सबै कुरा छिटो डाउनलोडको साथ दिन्छ।
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
> यसले तपाईंलाई कोर्स पूरा गर्न आवश्यक सबै कुरा धेरै छिटो डाउनलोडको साथ उपलब्ध गराउँछ।
हामीसँग Discord मा AI सिक्ने श्रृंखला चलिरहेको छ, थप जान्न र सामेल हुनुभयो [AI सिक्ने श्रृंखला](https://aka.ms/learnwithai/discord) १८ - ३० सेप्टेम्बर, २०२५ बाट। तपाईंले GitHub Copilot लाई Data Science मा प्रयोग गर्ने सुझाव र तरिका पाउनु हुनेछ।
# सुरु गर्न सिक्ने मेसिन लर्निङ - एक पाठ्यक्रम
> 🌍 संसारभर यात्रा गरी मेसिन लर्निङलाई विश्वका संस्कृतिहरू मार्फत अन्वेषण गरौं 🌍
Microsoft का क्लाउड अधिवक्ताहरूले १२ हप्ता, २६ पाठहरू पनि समेटिएको **मेसिन लर्निङ** सम्बन्धी पाठ्यक्रम प्रस्तुत गरेका छन्। यस पाठ्यक्रममा तपाईंले कहिलेकाहीं भनिने **क्लासिक मेसिन लर्निङ** बारे सिक्नुहुनेछ, मुख्य रूपमा Scikit-learn लाई पुस्तकालयको रूपमा उपयोग गर्दै, र डिप लर्निङबाट टाढा रहँदै जुन हाम्रो [AI for Beginners' पाठ्यक्रम](https://aka.ms/ai4beginners) मा समेटिएको छ। यी पाठहरूलाई हाम्रो ['Data Science for Beginners' पाठ्यक्रम](https://aka.ms/ds4beginners) सँग पनि जोड्न सक्नुहुन्छ।
हामीसँग संसारभर यात्रा गर्दै यी क्लासिक प्रविधिहरू विश्वका विभिन्न क्षेत्रका डेटामा लागू गर्छौं। प्रत्येक पाठमा पहिले र पछि क्विजहरू, पाठ पूरा गर्ने लिखित निर्देशनहरू, समाधान, असाइनमेन्ट र थप समावेश हुन्छ। हाम्रो परियोजना-आधारित शिक्षण शैलीले तपाईलाई सिक्दै निर्माण गर्न अनुमति दिन्छ, जुन नयाँ सीपहरूलाई 'टिकाउन' प्रमाणित तरिका हो।
हामीसँग एउटा Discord सिकाईसँगै AI श्रृंखला चलिरहेको छ, थप जान्न र हामीसँग जोडिनुहोस् [Learn with AI Series](https://aka.ms/learnwithai/discord) सेप्टेम्बर १८ - ३०, २०२५। तपाईं GitHub Copilot लाई डाटा विज्ञानका लागि प्रयोग गर्ने सुझाव र तरिकाहरू पाउनुहुनेछ।
**🙏 विशेष धन्यवाद 🙏 हाम्रा Microsoft Student Ambassador लेखकहरू, समीक्षकहरू, र सामग्री योगदानकर्ताहरूलाई**, विशेष गरी रिजीत डाग्ली, मुहम्मद साकिब खान इनान, रोहन राज, अलेक्जान्ड्रु पेट्रेस्कु, अभिषेक जायसवाल, नवरिन तबस्सुम, इओन सामुइला, र स्निग्धा अग्रवाल
# शुरुवात गर्दै
**🤩 अतिरिक्त कृतज्ञता Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, र Vidushi Gupta लाई हाम्रा R पाठहरूको लागि!**
यी चरणहरू पछ्याउनुहोस्:
1. **रिपोजिटरी फोर्क गर्नुहोस्**: यस पृष्ठको दायाँ माथि कुनामा रहेको "Fork" बटन थिच्नुहोस्।
> [यो कोर्सका लागि सबै अतिरिक्त स्रोतहरू हाम्रो Microsoft Learn संग्रहमा फेला पार्नुहोस्](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
यी चरणहरू अनुसरण गर्नुहोस्:
1. **रिपोजिटरी Fork गर्नुहोस्**: यस पृष्ठको माथि-दायाँ कुनामा रहेको "Fork" बटनमा क्लिक गर्नुहोस्।
> 🔧 **मद्दत चाहिन्छ?** सामान्य स्थापना, सेटअप, र पाठ चलाउने समस्याहरू समाधानका लागि हाम्रो [समस्या समाधान मार्गदर्शिका](TROUBLESHOOTING.md) हेर्नुहोस्।
> [यस कोर्सका थप स्रोतहरू हाम्रो Microsoft Learn सङ्कलनमा पाउनुहोस्](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
**[विद्यार्थीहरू](https://aka.ms/student-page)**, यो पाठ्यक्रम प्रयोग गर्न, पूरै रिपो तपाईंको GitHub खातामा फोर्क गर्नुहोस् र व्यायामहरू आफैंले वा समूहसँग पूरा गर्नुहोस्:
> 🔧 **सहायता चाहिन्छ?** सामान्य समस्याहरूको समाधानका लागि हाम्रा [समस्या समाधान मार्गदर्शन](TROUBLESHOOTING.md) हेर्नुहोस्।
**[विद्यार्थीहरू](https://aka.ms/student-page)**, यो पाठ्यक्रम प्रयोग गर्न, सम्पूर्ण रिपोजिटरीलाई आफ्नो GitHub खातामा fork गर्नुहोस् र अभ्यासहरू आफैं वा समूहसँग पूरा गर्नुहोस्:
- प्रि-लेक्चर क्विजबाट शुरू गर्नुहोस्।
- लेक्चर पढ्नुहोस् र गतिविधिहरू पूरा गर्नुहोस्, प्रत्येक ज्ञान जाँचमा रोकिएर विचार गर्नुहोस्।
- समाधान कोड चलाउनभन्दा पाठलाई बुझेर परियोजना सिर्जना गर्न प्रयास गर्नुहोस्; तथापि त्यो कोड प्रत्येक परियोजना-केन्द्रित पाठको `/solution` फोल्डरमा उपलब्ध छ।
- पोस्ट-लेक्चर क्विज लिनुहोस्।
- पूर्व-वक्ता क्विजबाट सुरु गर्नुहोस्।
- व्याख्यान पढ्नुहोस् र गतिविधिहरू पूरा गर्नुहोस्, प्रत्येक ज्ञान जाँचमा रोक्नुहोस् र विचार गर्नुहोस्।
- समाधान कोड चलाउनुभन्दा पाठहरू बुझेर परियोजनाहरू बनाउन प्रयास गर्नुहोस्; तथापि त्यो कोड प्रत्येक परियोजना-केन्द्रित पाठका `/solution` फोल्डरहरूमा उपलब्ध छ।
- पश्च-वक्ता क्विज लिनुहोस्।
- चुनौती पूरा गर्नुहोस्।
- असाइनमेन्ट पूरा गर्नुहोस्।
- एक पाठ समूह पूरा गरेपछि, [चर्चा बोर्ड](https://github.com/microsoft/ML-For-Beginners/discussions) मा जानुहोस् र उपयुक्त PAT रुबरिक भर्दै "ठूलो स्वरमा सिक्नुहोस्"। 'PAT' प्रगति मूल्यांकन उपकरण हो, जसलाई तपाईंले भर्दा आफ्नो सिकाइलाई बढावा दिन्छ। तपाईंले अरू PAT हरूमा प्रतिक्रिया दिन पनि सक्नुहुन्छ त्यसरी हामी सँगै सिक्न सक्छौं।
- एक पाठ समूह पूरा गरेपछि, [चर्चा बोर्ड](https://github.com/microsoft/ML-For-Beginners/discussions) मा जानुहोस् र "उच्चारण गरेर सिक्नुहोस्" उपयुक्त PAT रुब्रिक भरि। 'PAT' भनेको प्रगति मूल्यांकन उपकरण हो जुन तपाईंको सिकाइलाई अगाडि बढाउनको लागि रुब्रिक हो। तपाईंले अरू PAT हरूसँग प्रतिक्रिया दिन सक्नुहुन्छ जसबाट हामी सँगै सिक्न सक्छौँ।
> थप अध्ययनको लागि, हामी यी [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) मोड्युलहरू र सिकाइ मार्गहरू अनुसरण गर्न सिफारिस गर्छौं।
> थप अध्ययनका लागि, यी [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) मोड्युल र सिकाइ मार्गहरू पछ्याउन सिफारिस गरिन्छ।
**शिक्षकहरू**, यस पाठ्यक्रम प्रयोग गर्ने केही सुझावहरू हामीले [समेटेका छौं](for-teachers.md)।
**शिक्षकहरू**, हामीले यस पाठ्यक्रम प्रयोग गर्ने केही सुझावहरू [सहित गरेका छौं](for-teachers.md)।
---
## भिडियो हिडाइडाइ
केही पाठहरू छोटो भिडियोको रूपमा उपलब्ध छन्। यी सबैलाई तपाईं पाठहरू भित्र पाउनुहुन्छ, वा [ML for Beginners प्लेलिस्ट Microsoft Developer YouTube च्यानलमा](https://aka.ms/ml-beginners-videos) तलको तस्वीरमा क्लिक गरेर हेर्न सक्नुहुन्छ।
## भिडियो वाकथ्रुहरू
[](https://aka.ms/ml-beginners-videos)
केही पाठहरू छोटो फर्म भिडियोको रूपमा उपलब्ध छन्। तपाईं यी सबैलाई पाठहरूमा इनलाइन वा [Microsoft Developer YouTube च्यानलको ML for Beginners प्लेलिस्ट](https://aka.ms/ml-beginners-videos) मा हेर्न सक्नुहुन्छ तल चित्रमा क्लिक गरेर।
> 🎥 माथिको तस्वीरमा क्लिक गर्दा परियोजना र यसलाई सिर्जना गर्ने मानिसहरूको भिडियो हेर्न सकिन्छ!
## टोलीसँग परिचय
---
## शिक्षण विधि
## पेडागोकी
हामीले यो पाठ्यक्रम तयार पार्दा दुई शैक्षिक सिद्धान्तहरू छनौट गरेका छौं: यसलाई हातमा लिई **परियोजना-आधारित** बनाउनु र यसमा **बारम्बार क्विजहरू** समावेश गर्नु। थप रूपमा, यो पाठ्यक्रमसँग एउटा साझा **थीम** छ जसले यसलाई एकता दिन्छ।
हामीले यो पाठ्यक्रम निर्माण गर्दा दुई शैक्षिक सिद्धान्तहरू छानेका छौं: यो हातमा काम गर्ने **प्रोजेक्ट-आधारित** हुनुपर्छ र यसमा **लगातार क्विजहरू** समावेश हुनुपर्छ। साथै, यस पाठ्यक्रमलाई एक साझा **थीम** दिन तयार गरिएको छ।
सामग्रीलाई परियोजनासँग मिलाएर, विद्यार्थीहरूको लागि प्रक्रिया रमाइलो बनाइन्छ र अवधारणाको अवधारण क्षमता वृद्धि हुन्छ। कक्षाको अघि कम जोखिमको क्विजले विद्यार्थीलाई विषय सिक्ने चाहना जगाउँछ भने कक्षाको पछि दोस्रो क्विजले थप सम्झना सुनिश्चित गर्दछ। यो पाठ्यक्रम लचिलो र रमाइलो बनाइएको छ र पुरा वा भागमा लिन सकिन्छ। परियोजनाहरू सुरुमा साना हुन्छन् र १२ हप्ताको अन्त्यतिर झनै जटिल बन्दै जान्छन्। यसमा ML को वास्तविक संसारका अनुप्रयोगहरू समावेश गरिएको छ, जुन अतिरिक्त क्रेडिट वा छलफलको आधारको रूपमा प्रयोग गर्न सकिन्छ।
सामग्री प्रोजेक्टहरूसँग मेल खाने सुनिश्चित गरेर, विद्यार्थीहरूलाई थप संलग्न गरिन्छ र अवधारणाहरूको स्मरण बढ्छ। कक्षाको अघि सानो क्विज विद्यार्थीको मनस्थितिलाई विषय सिक्न प्रेरित गर्छ, जबकि कक्षापछि दोस्रो क्विज यसलाई थप स्मरणीय बनाउँछ। यो पाठ्यक्रम लचिलो र रमाइलो बनाउन डिजाइन गरिएको छ र पूरै वा भागमा लिन सकिन्छ। परियोजनाहरू शुरूमा साना हुन्छन् र १२ हप्ताको अन्त्यतिर जटिल बन्दै जान्छन्। यस पाठ्यक्रममा वास्तविक विश्वका ML आवेदकोंको पोस्टस्क्रिप्ट पनि समावेश छ, जुन अतिरिक्त क्रेडिट वा छलफलको आधारका रूपमा प्रयोग गर्न सकिन्छ।
> हाम्रो [आचरण संहिता](CODE_OF_CONDUCT.md), [योगदान गर्ने तरिका](CONTRIBUTING.md), [अनुवादहरू](..), र [समस्या समाधान](TROUBLESHOOTING.md) निर्देशनहरू पाउनसक्नुहुन्छ। तपाईका रचनात्मक प्रतिक्रिया स्वागत छ!
> हाम्रो [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translations](..), र [Troubleshooting](TROUBLESHOOTING.md) दिशानिर्देशहरू फेला पार्नुहोस्। हामी तपाईंको रचनात्मक प्रतिक्रिया स्वागत गर्दछौं!
> **भाषाहरूको लागि एउटा नोट**: यी पाठहरू मुख्य रूपमा Python मा लेखिएका छन्, तर धेरै पाठहरू R मा पनि उपलब्ध छन्। R पाठ पूरा गर्न, `/solution` फोल्डरमा गई R पाठहरू खोज्नुहोस्। तिनीहरूमा .rmd विस्तार हुन्छ जुन **R Markdown** फाइल हो, जसलाई सरल रूपमा `code chunks` (R वा अन्य भाषाहरूका) र `YAML header` (PDF जस्ता आउटपुट कसरी फर्म्याट गर्ने निर्देश दिने)लाई `Markdown कागजात` मा एकीकृत गर्ने रूपले व्याख्या गर्न सकिन्छ। यसले तपाईंलाई कोड, यसको आउटपुट, र तपाईंका विचारहरू Markdown मा लेख्न अनुमति दिँदै डेटा विज्ञानका लागि उत्कृष्ट लेखन फ्रेमवर्कको रूपमा काम गर्दछ। अझ, R Markdown कागजातहरू PDF, HTML, वा Word जस्ता आउटपुट स्वरूपहरूमा रूपान्तरित गर्न सकिन्छ।
> **क्विजहरू सम्बन्धमा एउटा नोट**: सबै क्विजहरू [Quiz App फोल्डर](../../quiz-app) भित्र छन्, जुनमा प्रत्येकमा तीन प्रश्नहरूको ५२ कुल क्विजहरू छन्। तिनीहरू पाठहरू भित्रबाट लिंक गरिएका छन् तर क्विज एप स्थानीय रूपमा चलाउन सकिन्छ; स्थानीय रूपमा होस्ट वा Azure मा डिप्लोय गर्न `quiz-app` फोल्डरमा निर्देशनहरू पालना गर्नुहोस्।
| पाठ संख्या | विषय | पाठ समूह | सिकाइ उद्देश्यहरू | लिंक गरिएको पाठ| लेखक |
| ०२ | मेशिन लर्निङ्गको इतिहास | [परिचय](1-Introduction/README.md) | यो क्षेत्रको इतिहास सिक्नुहोस् | [पाठ](1-Introduction/2-history-of-ML/README.md) | जेन र एमी |
| ०३ | निष्पक्षता र मेशिन लर्निङ्ग | [परिचय](1-Introduction/README.md) | मेशिन लर्निङ्ग मोडेलहरू बनाउँदा र लागू गर्दा विद्यार्थीहरूले विचार गर्नुपर्ने निष्पक्षता सम्बन्धी महत्वपूर्ण दार्शनिक मुद्दाहरू के हुन्? | [पाठ](1-Introduction/3-fairness/README.md) | तोमोमी |
| ०४ | मेशिन लर्निङ्गका प्रविधिहरू | [परिचय](1-Introduction/README.md) | मेशिन लर्निङ्ग मोडेलहरू बनाउन शोधकर्ताहरूले कस्ता प्रविधिहरू प्रयोग गर्छन्? | [पाठ](1-Introduction/4-techniques-of-ML/README.md) | क्रिस र जेन |
| ०५ | रिग्रेसनमा परिचय | [रिग्रेसन](2-Regression/README.md) | पेथन र स्किकिट-लर्नसँग रिग्रेसन मोडेलहरू प्रयोग गर्न सुरु गर्नुहोस् | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | जेन • एरिक वन्जाउ |
| ०६ | उत्तर अमेरिकी कद्दू मूल्यहरू 🎃 | [रिग्रेसन](2-Regression/README.md) | एमएल को तयारीका लागि डाटा भिजुअलाइज र सफा गर्नुहोस् | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | जेन • एरिक वन्जाउ |
| ०७ | उत्तर अमेरिकी कद्दू मूल्यहरू 🎃 | [रिग्रेसन](2-Regression/README.md) | रेखीय र बहुपदीय रिग्रेसन मोडेलहरू बनाउनुहोस् | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | जेन र डिमिटी • एरिक वन्जाउ |
| ०८ | उत्तर अमेरिकी कद्दू मूल्यहरू 🎃 | [रिग्रेसन](2-Regression/README.md) | एक Logistic regression मोडेल बनाउनुहोस् | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | जेन • एरिक वन्जाउ |
| १० | वर्गीकरणमा परिचय | [वर्गीकरण](4-Classification/README.md) | आफ्नो डाटा सफा, तयारी र भिजुअलाइज गर्नुहोस्; वर्गीकरणमा परिचय | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | जेन र क्यासी • एरिक वन्जाउ |
| ११ | स्वादिष्ट एशियाली र भारतीय भोजनहरूको परिचय 🍜 | [वर्गीकरण](4-Classification/README.md) | वर्गीकर्ताहरूमा परिचय | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | जेन र क्यासी • एरिक वन्जाउ |
| १२ | स्वादिष्ट एशियाली र भारतीय भोजनहरूको परिचय 🍜 | [वर्गीकरण](4-Classification/README.md) | थप वर्गीकर्ताहरू | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | जेन र क्यासी • एरिक वन्जाउ |
| १३ | स्वादिष्ट एशियाली र भारतीय भोजनहरूको परिचय 🍜 | [वर्गीकरण](4-Classification/README.md) | आफ्नो मोडेल प्रयोग गरी सिफारिस गर्ने वेब एप बनाउनुहोस् | [Python](4-Classification/4-Applied/README.md) | जेन |
| १४ | क्लस्टरिङमा परिचय | [क्लस्टरिङ](5-Clustering/README.md) | आफ्नो डाटा सफा, तयारी र भिजुअलाइज गर्नुहोस्; क्लस्टरिङमा परिचय | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | जेन • एरिक वन्जाउ |
| १६ | प्राकृतिक भाषा प्रशोधनमा परिचय ☕️ | [प्राकृतिक भाषा प्रशोधन](6-NLP/README.md) | एउटा सजिलो बोट बनाएर NLP का आधारभूत कुरा सिक्नुहोस् | [Python](6-NLP/1-Introduction-to-NLP/README.md) | स्टिफेन |
| १७ | सामान्य NLP कार्यहरू ☕️ | [प्राकृतिक भाषा प्रशोधन](6-NLP/README.md) | भाषा संरचनाहरूमा काम गर्दा आवश्यक सामान्य कार्यहरू बुझेर आफ्नो NLP ज्ञानलाई गहिराइमा पुर्याउनुहोस् | [Python](6-NLP/2-Tasks/README.md) | स्टिफेन |
| १८ | अनुवाद र भावना विश्लेषण ♥️ | [प्राकृतिक भाषा प्रशोधन](6-NLP/README.md) | Jane Austen का साथ अनुवाद र भावना विश्लेषण | [Python](6-NLP/3-Translation-Sentiment/README.md) | स्टिफेन |
| १९ | युरोपका रोमान्टिक होटेलहरू ♥️ | [प्राकृतिक भाषा प्रशोधन](6-NLP/README.md) | होटेल समीक्षा १ संग भावना विश्लेषण | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | स्टिफेन |
| २० | युरोपका रोमान्टिक होटेलहरू ♥️ | [प्राकृतिक भाषा प्रशोधन](6-NLP/README.md) | होटेल समीक्षा २ संग भावना विश्लेषण | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | स्टिफेन |
| २१ | समय श्रृंखला भविष्यवाणीमा परिचय | [समय श्रृंखला](7-TimeSeries/README.md) | समय श्रृंखला भविष्यवाणीमा परिचय | [Python](7-TimeSeries/1-Introduction/README.md) | फ्रान्चेस्का |
| २२ | ⚡️ विश्व विद्युत प्रयोग ⚡️ - ARIMA सँग समय श्रृंखला भविष्यवाणी | [समय श्रृंखला](7-TimeSeries/README.md) | ARIMA सँग समय श्रृंखला भविष्यवाणी | [Python](7-TimeSeries/2-ARIMA/README.md) | फ्रान्चेस्का |
| २३ | ⚡️ विश्व विद्युत प्रयोग ⚡️ - SVR सँग समय श्रृंखला भविष्यवाणी | [समय श्रृंखला](7-TimeSeries/README.md) | Support Vector Regressor सँग समय श्रृंखला भविष्यवाणी | [Python](7-TimeSeries/3-SVR/README.md) | अनिर्बान |
| २४ | प्रतिस्थापन शिक्षामा परिचय | [प्रतिस्थापन शिक्षा](8-Reinforcement/README.md) | Q-Learning सँग प्रतिस्थापन शिक्षामा परिचय | [Python](8-Reinforcement/1-QLearning/README.md) | डिमिटी |
| उपसंहार | वास्तविक संसारका ML परिदृश्यहरू र अनुप्रयोगहरू | [ML वाइल्डमा](9-Real-World/README.md) | शास्त्रीय ML का रोचक र खुलासात्मक वास्तविक संसारका अनुप्रयोगहरू | [पाठ](9-Real-World/1-Applications/README.md) | टोली |
| उपसंहार | RAI ड्यासबोर्ड प्रयोग गरी ML मा मोडेल डिबगिङ | [ML वाइल्डमा](9-Real-World/README.md) | जिम्मेवार AI ड्यासबोर्ड कम्पोनेन्टहरू प्रयोग गरी मेशिन लर्निङ्गमा मोडेल डिबगिङ | [पाठ](9-Real-World/2-Debugging-ML-Models/README.md) | रुथ याकुवु |
> **भाषाहरूको बारेमा एउटा नोट**: यी पाठहरू मुख्य रूपमा Python मा लेखिएका हुन्, तर धेरै R मा पनि उपलब्ध छन्। R पाठ पूरा गर्न, `/solution` फोल्डरमा जानुहोस् र R पाठहरूको खोजी गर्नुहोस्। तिनीहरूमा `.rmd` विस्तार हुन्छ जुन एक **R Markdown** फाइल प्रतिनिधित्व गर्छ, जसलाई साधारण रूपमा `code chunks` (R वा अन्य भाषाहरूका) र `YAML header` (जसले PDF जस्ता आउटपुटलाई कसरी फर्म्याट गर्ने दिशानिर्देशन गर्छ) को समावेशीकरणको रूपमा परिभाषित गर्न सकिन्छ `Markdown document` मा। यसकारण, यो डेटा विज्ञानको लागि एउटा उत्कृष्ट लेखन फ्रेमवर्कको रूपमा काम गर्छ किनकि यसले तपाईंलाई तपाईंको कोड, यसको आउटपुट, र तपाईंका विचारहरू Markdown मा लेख्न अनुमति दिँदै तिनीहरूलाई संयोजन गर्न अनुमति दिन्छ। थप रूपमा, R Markdown कागजातहरू PDF, HTML, वा Word जस्ता आउटपुट स्वरूपहरूमा रेंडर गर्न सकिन्छ।
> **कुइजहरूको बारेमा एउटा नोट**: सबै कुइजहरू [Quiz App folder](../../quiz-app) मा समावेश छन्, जम्मा ५२ कुइजहरू जसमा प्रत्येकमा तीन प्रश्नहरू हुन्छन्। ती पाठहरूबाट लिंक गरिएको छ तर कुइज एप्लिकेशन स्थानीय रूपमा चलाउन सकिन्छ; स्थानीय रूपमा होस्ट वा Azure मा वितरण गर्न `quiz-app` फोल्डरमा निर्देशनहरू पालना गर्नुहोस्।
| पाठ संख्या | विषय | पाठ समूह | सिकाइ उद्देश्य | लिंक गरिएको पाठ | लेखक |
| ०२ | मेशिन लर्निंगको इतिहास | [परिचय](1-Introduction/README.md) | यस क्षेत्रको इतिहास सिक्नुहोस् | [पाठ](1-Introduction/2-history-of-ML/README.md) | जेन र एमी |
| ०३ | निष्पक्षता र मेशिन लर्निंग | [परिचय](1-Introduction/README.md) | मेशिन लर्निंग मोडेलहरू बनाउने र लागू गर्ने क्रममा विद्यार्थीले विचार गर्नुपर्ने महत्वपूर्ण दार्शनिक मुद्दाहरू के छन्? | [पाठ](1-Introduction/3-fairness/README.md) | तोमोमी |
| ०४ | मेशिन लर्निंगका प्रविधिहरू | [परिचय](1-Introduction/README.md) | मेशिन लर्निंग अनुसन्धानकर्ताहरूले मेशिन लर्निंग मोडेलहरू बनाउन कुन प्रविधिहरू प्रयोग गर्छन्? | [पाठ](1-Introduction/4-techniques-of-ML/README.md) | क्रिस र जेन |
| ०५ | रिग्रेसन परिचय | [रिग्रेसन](2-Regression/README.md) | Python र Scikit-learn सँग रिग्रेसन मोडेलहरू बनाउन सुरु गर्नुहोस् | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | जेन • एरिक वान्जाउ |
| ०६ | उत्तर अमेरिका कुम्हडा मूल्य 🎃 | [रिग्रेसन](2-Regression/README.md) | मेशिन लर्निंगका लागि डेटा भिजुअलाइज र सफा गर्नुहोस् | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | जेन • एरिक वान्जाउ |
| ०७ | उत्तर अमेरिका कुम्हडा मूल्य 🎃 | [रिग्रेसन](2-Regression/README.md) | रेखीय र बहुपद रिग्रेसन मोडेलहरू बनाउनुहोस् | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | जेन र दिमित्री • एरिक वान्जाउ |
| ०८ | उत्तर अमेरिका कुम्हडा मूल्य 🎃 | [रिग्रेसन](2-Regression/README.md) | एक लॉजिस्टिक रिग्रेसन मोडेल बनाउनुहोस् | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | जेन • एरिक वान्जाउ |
| १० | वर्गीकरण परिचय | [वर्गीकरण](4-Classification/README.md) | तपाईंको डेटा सफा, तयार, र भिजुअलाइज गर्नुहोस्; वर्गीकरण परिचय | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | जेन र क्यासी • एरिक वान्जाउ |
| ११ | स्वादिष्ट एशियाली र भारतीय भान्सा 🍜 | [वर्गीकरण](4-Classification/README.md) | वर्गीकर्ताहरूको परिचय | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | जेन र क्यासी • एरिक वान्जाउ |
| १२ | स्वादिष्ट एशियाली र भारतीय भान्सा 🍜 | [वर्गीकरण](4-Classification/README.md) | थप वर्गीकर्ताहरू | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | जेन र क्यासी • एरिक वान्जाउ |
| १३ | स्वादिष्ट एशियाली र भारतीय भान्सा 🍜 | [वर्गीकरण](4-Classification/README.md) | तपाईंको मोडेल प्रयोग गरी सिफारिस गर्ने वेब एप बनाउनुहोस् | [Python](4-Classification/4-Applied/README.md) | जेन |
| १६ | प्राकृतिक भाषा प्रशोधन परिचय ☕️ | [प्राकृतिक भाषा प्रशोधन](6-NLP/README.md) | सानो बोट निर्माण गरेर NLP का आधारभूत कुरा सिक्नुहोस् | [Python](6-NLP/1-Introduction-to-NLP/README.md) | स्टिफेन |
| १७ | सामान्य NLP कार्यहरू ☕️ | [प्राकृतिक भाषा प्रशोधन](6-NLP/README.md) | भाषा संरचनासँग व्यवहार गर्दा आवश्यक सामान्य कार्य बुझेर तपाईंको NLP ज्ञान गहिरो बनाउनुहोस् | [Python](6-NLP/2-Tasks/README.md) | स्टिफेन |
| १८ | अनुवाद र भावना विश्लेषण ♥️ | [प्राकृतिक भाषा प्रशोधन](6-NLP/README.md) | जेन ऑस्टेनसँग गरिएको अनुवाद र भावना विश्लेषण | [Python](6-NLP/3-Translation-Sentiment/README.md) | स्टिफेन |
| १९ | युरोपका रोमान्टिक होटलहरू ♥️ | [प्राकृतिक भाषा प्रशोधन](6-NLP/README.md) | होटल समीक्षासँग भावना विश्लेषण १ | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | स्टिफेन |
| २० | युरोपका रोमान्टिक होटलहरू ♥️ | [प्राकृतिक भाषा प्रशोधन](6-NLP/README.md) | होटल समीक्षासँग भावना विश्लेषण २ | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | स्टिफेन |
| २१ | समय श्रृंखला पूर्वानुमान परिचय | [समय श्रृंखला](7-TimeSeries/README.md) | समय श्रृंखला पूर्वानुमान परिचय | [Python](7-TimeSeries/1-Introduction/README.md) | फ्रान्सेस्का |
| २२ | ⚡️ विश्व ऊर्जा प्रयोग ⚡️ - ARIMA सँग समय श्रृंखला पूर्वानुमान | [समय श्रृंखला](7-TimeSeries/README.md) | ARIMA सँग समय श्रृंखला पूर्वानुमान | [Python](7-TimeSeries/2-ARIMA/README.md) | फ्रान्सेस्का |
| २३ | ⚡️ विश्व ऊर्जा प्रयोग ⚡️ - SVR सँग समय श्रृंखला पूर्वानुमान | [समय श्रृंखला](7-TimeSeries/README.md) | Support Vector Regressor सँग समय श्रृंखला पूर्वानुमान | [Python](7-TimeSeries/3-SVR/README.md) | अनिर्बान |
| २४ | सुदृढीकरण शिक्षण परिचय | [सुदृढीकरण शिक्षण](8-Reinforcement/README.md) | Q-Learning सँग सुदृढीकरण शिक्षण परिचय | [Python](8-Reinforcement/1-QLearning/README.md) | दिमित्री |
| पोस्टस्क्रिप्ट | वास्तविक जीवनका ML परिदृश्य र अनुप्रयोगहरू | [जंगली ML](9-Real-World/README.md) | क्लासिकल ML का रोचक र प्रकट गर्ने वास्तविक जीवनका अनुप्रयोगहरू | [पाठ](9-Real-World/1-Applications/README.md) | टिम |
| पोस्टस्क्रिप्ट | RAI ड्यासबोर्डको प्रयोग गरेर ML मा मोडेल डिबगिङ | [जंगली ML](9-Real-World/README.md) | जिम्मेवार AI ड्यासबोर्ड कम्पोनेन्टहरू प्रयोग गरेर मेशिन लर्निंगमा मोडेल डिबगिङ | [पाठ](9-Real-World/2-Debugging-ML-Models/README.md) | रुथ याकुबु |
> [यस कोर्सका लागि सबै अतिरिक्त स्रोतहरू हाम्रो Microsoft Learn संग्रहमा खोज्नुहोस्](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## अफलाइन पहुँच
तपाईं [Docsify](https://docsify.js.org/#/) प्रयोग गरेर यो दस्तावेजीकरण अफलाइन चलाउन सक्नुहुन्छ। यो रेपो फोर्क गर्नुहोस्, आफ्नो स्थानीय मेसिनमा [Docsify स्थापना गर्नुहोस्](https://docsify.js.org/#/quickstart), र त्यसपछि यस रेपोको रूट फोल्डरमा `docsify serve` टाइप गर्नुहोस्। वेबसाइट तपाईंको लोकलहोस्टमा पोर्ट 3000 मा सेवा गरिनेछ: `localhost:3000`।
तपाईं यस दस्तावेजलाई अफलाइन [Docsify](https://docsify.js.org/#/) प्रयोग गरेर चलाउन सक्नुहुन्छ। यो रिपो फोर्क गर्नुहोस्, तपाईँको स्थानीय मेसिनमा [Docsify स्थापना गर्नुहोस्](https://docsify.js.org/#/quickstart), अनि यो रिपोको मूल फोल्डरमा जानुहोस् र `docsify serve` टाइप गर्नुहोस्। यो वेबसाइट तपाईंको स्थानीयहोस्टमा पोर्ट 3000 मा सेवा दिनेछ: `localhost:3000`.
## PDFहरू
## PDF हरू
पाठ्यक्रमको PDF लिंकसहितको फाइल [यहाँ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) पाउनुहोस्।
क्युरिकुलमको PDF यहाँ लिंक सहित पाउनुहोस् [यहाँ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)।
## 🎒 अन्य कोर्सहरू
## 🎒 अन्य कोर्सहरू
हाम्रो टोलीले अन्य कोर्सहरू उत्पादन गर्दछ! जाँच गर्नुहोस्:
@ -183,54 +142,31 @@ Microsoft का क्लाउड अधिवक्ताहरूले १
### Azure / Edge / MCP / Agents
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### जनरेटिभ AI शृंखला
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### जेनेरेटिभ एआई सिरिज
---
### मुख्य सिकाइ
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
### कोर सिकाइ
---
### कोपाइलट श्रृंखला
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
यदि तपाईं अड्किनुभयो वा AI अनुप्रयोग निर्माण गर्ने बारे कुनै प्रश्नहरू छन् भने। MCP सम्बन्धी छलफलमा साथी सिक्नेहरू र अनुभवी विकासकर्ताहरू सँग सामेल हुनुहोस्। यो एक सहयोगी समुदाय हो जहाँ प्रश्नहरू स्वागतयोग्य छन् र ज्ञान स्वतन्त्र रूपमा साझा गरिन्छ।
यदि तपाईंसँग उत्पादन सम्बन्धी प्रतिक्रिया वा निर्माण गर्दा त्रुटिहरू छन् भने भ्रमण गर्नुहोस्:
यदि तपाईं अड्किनुहुन्छ वा एआई एपहरू बनाउनका बारेमा कुनै प्रश्नहरू छन् भने। सहपाठीहरू र अनुभवी विकासकर्ताहरूसँग MCP सम्बन्धी छलफलहरूमा सहभागी हुनुहोस्। यो एउटा सहायक समुदाय हो जहाँ प्रश्नहरू स्वागतयोग्य छन् र ज्ञान स्वतन्त्र रूपमा साझा गरिन्छ।
- प्रत्येक पाठ पछिको नोटबुकहरू अवलोकन गर्नुहोस् राम्रो बुझाइका लागि।
- आफैँले एल्गोरिदमहरू कार्यान्वयन गर्ने अभ्यास गर्नुहोस्।
- सिकेका अवधारणाहरू प्रयोग गरेर वास्तविक संसारका डेटा सेटहरू अन्वेषण गर्नुहोस्।
- हरेक पाठपछि नोटबुकहरू पुनरावृत्ति गर्नुहोस् राम्रो बुझाइका लागि।
- आफैंले एल्गोरिदमहरू अभ्यास गरेर कार्यान्वयन गर्नुहोस्।
- सिकेका अवधारणाहरू प्रयोग गर्दै वास्तविक-विश्वका डाटासेटहरू अन्वेषण गर्नुहोस्।
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**अस्वीकरण**:
यस दस्तावेजलाई AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) प्रयोग गरी अनुवाद गरिएको हो। हामी सटीकता तर्फ प्रयासरत छौं, तर कृपया यो बुझ्नुस् कि स्वचालित अनुवादमा त्रुटि वा अशुद्धता हुन सक्छ। मूल दस्तावेज यसको मूल भाषामा नै अधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण सूचनाका लागि पेशेवर मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न कुनै पनि बुझाइको गलतफहमी वा व्याख्यामा हामी जिम्मेवार हुने छैनौं।
**अस्वीकरण**:
यस दस्तावेजलाई AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) को प्रयोग गरी अनुवाद गरिएको छ। हामी सटीकता को लागि प्रयासरत छौं, तर कृपया जानकार हुनुहोस् कि स्वचालित अनुवादहरूमा त्रुटिहरू वा गलतिहरू हुनसक्छन्। मूल दस्तावेज यसको स्वदेशी भाषामा अधिकारिक स्रोत मानिनु पर्छ। महत्वपूर्ण जानकारीको लागि, पेशेवर मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याका लागि हामी जिम्मेवार होइनौं।
localizeflow[bot]
1 month ago