msb-public
/
ML-For-Beginners
mirror of https://github.com/microsoft/ML-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity

chore(i18n): sync translations with latest source changes (chunk 1/1, 300 changes)

Browse Source
pull/918/head
localizeflow[bot] 2 weeks ago
parent b7b2363a81
commit 2907ea6225
300 changed files with 2119 additions and 3016 deletions
Show Stats Download Patch File Download Diff File

596
translations/hi/.co-op-translator.json
Unescape View File

@ -0,0 +1,596 @@
{
"1-Introduction/1-intro-to-ML/README.md": {
"original_hash": "69389392fa6346e0dfa30f664b7b6fec",
"translation_date": "2025-09-05T10:24:35+00:00",
"source_file": "1-Introduction/1-intro-to-ML/README.md",
"language_code": "hi"
},
"1-Introduction/1-intro-to-ML/assignment.md": {
"original_hash": "4c4698044bb8af52cfb6388a4ee0e53b",
"translation_date": "2025-09-03T23:38:49+00:00",
"source_file": "1-Introduction/1-intro-to-ML/assignment.md",
"language_code": "hi"
},
"1-Introduction/2-history-of-ML/README.md": {
"original_hash": "6a05fec147e734c3e6bfa54505648e2b",
"translation_date": "2025-09-05T10:25:07+00:00",
"source_file": "1-Introduction/2-history-of-ML/README.md",
"language_code": "hi"
},
"1-Introduction/2-history-of-ML/assignment.md": {
"original_hash": "eb6e4d5afd1b21a57d2b9e6d0aac3969",
"translation_date": "2025-09-03T23:42:48+00:00",
"source_file": "1-Introduction/2-history-of-ML/assignment.md",
"language_code": "hi"
},
"1-Introduction/3-fairness/README.md": {
"original_hash": "9a6b702d1437c0467e3c5c28d763dac2",
"translation_date": "2025-09-05T10:22:56+00:00",
"source_file": "1-Introduction/3-fairness/README.md",
"language_code": "hi"
},
"1-Introduction/3-fairness/assignment.md": {
"original_hash": "dbda60e7b1fe5f18974e7858eff0004e",
"translation_date": "2025-09-03T23:31:36+00:00",
"source_file": "1-Introduction/3-fairness/assignment.md",
"language_code": "hi"
},
"1-Introduction/4-techniques-of-ML/README.md": {
"original_hash": "9d91f3af3758fdd4569fb410575995ef",
"translation_date": "2025-09-05T10:23:54+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/README.md",
"language_code": "hi"
},
"1-Introduction/4-techniques-of-ML/assignment.md": {
"original_hash": "70d65aeddc06170bc1aed5b27805f930",
"translation_date": "2025-09-03T23:35:32+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/assignment.md",
"language_code": "hi"
},
"1-Introduction/README.md": {
"original_hash": "cf8ecc83f28e5b98051d2179eca08e08",
"translation_date": "2025-09-03T23:26:26+00:00",
"source_file": "1-Introduction/README.md",
"language_code": "hi"
},
"2-Regression/1-Tools/README.md": {
"original_hash": "fa81d226c71d5af7a2cade31c1c92b88",
"translation_date": "2025-09-05T10:15:47+00:00",
"source_file": "2-Regression/1-Tools/README.md",
"language_code": "hi"
},
"2-Regression/1-Tools/assignment.md": {
"original_hash": "74a5cf83e4ebc302afbcbc4f418afd0a",
"translation_date": "2025-09-03T22:36:37+00:00",
"source_file": "2-Regression/1-Tools/assignment.md",
"language_code": "hi"
},
"2-Regression/1-Tools/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T22:36:57+00:00",
"source_file": "2-Regression/1-Tools/solution/Julia/README.md",
"language_code": "hi"
},
"2-Regression/2-Data/README.md": {
"original_hash": "7c077988328ebfe33b24d07945f16eca",
"translation_date": "2025-09-05T10:16:34+00:00",
"source_file": "2-Regression/2-Data/README.md",
"language_code": "hi"
},
"2-Regression/2-Data/assignment.md": {
"original_hash": "4485a1ed4dd1b5647365e3d87456515d",
"translation_date": "2025-09-03T22:40:40+00:00",
"source_file": "2-Regression/2-Data/assignment.md",
"language_code": "hi"
},
"2-Regression/2-Data/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T22:41:00+00:00",
"source_file": "2-Regression/2-Data/solution/Julia/README.md",
"language_code": "hi"
},
"2-Regression/3-Linear/README.md": {
"original_hash": "40e64f004f3cb50aa1d8661672d3cd92",
"translation_date": "2025-09-05T10:12:48+00:00",
"source_file": "2-Regression/3-Linear/README.md",
"language_code": "hi"
},
"2-Regression/3-Linear/assignment.md": {
"original_hash": "cc471fa89c293bc735dd3a9a0fb79b1b",
"translation_date": "2025-09-03T22:22:25+00:00",
"source_file": "2-Regression/3-Linear/assignment.md",
"language_code": "hi"
},
"2-Regression/3-Linear/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T22:22:46+00:00",
"source_file": "2-Regression/3-Linear/solution/Julia/README.md",
"language_code": "hi"
},
"2-Regression/4-Logistic/README.md": {
"original_hash": "abf86d845c84330bce205a46b382ec88",
"translation_date": "2025-09-05T10:14:06+00:00",
"source_file": "2-Regression/4-Logistic/README.md",
"language_code": "hi"
},
"2-Regression/4-Logistic/assignment.md": {
"original_hash": "8af40209a41494068c1f42b14c0b450d",
"translation_date": "2025-09-03T22:31:32+00:00",
"source_file": "2-Regression/4-Logistic/assignment.md",
"language_code": "hi"
},
"2-Regression/4-Logistic/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T22:31:52+00:00",
"source_file": "2-Regression/4-Logistic/solution/Julia/README.md",
"language_code": "hi"
},
"2-Regression/README.md": {
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
"translation_date": "2025-09-03T22:15:54+00:00",
"source_file": "2-Regression/README.md",
"language_code": "hi"
},
"3-Web-App/1-Web-App/README.md": {
"original_hash": "e0b75f73e4a90d45181dc5581fe2ef5c",
"translation_date": "2025-09-05T10:25:48+00:00",
"source_file": "3-Web-App/1-Web-App/README.md",
"language_code": "hi"
},
"3-Web-App/1-Web-App/assignment.md": {
"original_hash": "a8e8ae10be335cbc745b75ee552317ff",
"translation_date": "2025-09-03T23:47:33+00:00",
"source_file": "3-Web-App/1-Web-App/assignment.md",
"language_code": "hi"
},
"3-Web-App/README.md": {
"original_hash": "9836ff53cfef716ddfd70e06c5f43436",
"translation_date": "2025-09-03T23:43:37+00:00",
"source_file": "3-Web-App/README.md",
"language_code": "hi"
},
"4-Classification/1-Introduction/README.md": {
"original_hash": "aaf391d922bd6de5efba871d514c6d47",
"translation_date": "2025-09-05T10:28:19+00:00",
"source_file": "4-Classification/1-Introduction/README.md",
"language_code": "hi"
},
"4-Classification/1-Introduction/assignment.md": {
"original_hash": "b2a01912beb24cfb0007f83594dba801",
"translation_date": "2025-09-04T00:04:23+00:00",
"source_file": "4-Classification/1-Introduction/assignment.md",
"language_code": "hi"
},
"4-Classification/1-Introduction/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T00:04:45+00:00",
"source_file": "4-Classification/1-Introduction/solution/Julia/README.md",
"language_code": "hi"
},
"4-Classification/2-Classifiers-1/README.md": {
"original_hash": "1a6e9e46b34a2e559fbbfc1f95397c7b",
"translation_date": "2025-09-05T10:26:26+00:00",
"source_file": "4-Classification/2-Classifiers-1/README.md",
"language_code": "hi"
},
"4-Classification/2-Classifiers-1/assignment.md": {
"original_hash": "de6025f96841498b0577e9d1aee18d1f",
"translation_date": "2025-09-03T23:54:22+00:00",
"source_file": "4-Classification/2-Classifiers-1/assignment.md",
"language_code": "hi"
},
"4-Classification/2-Classifiers-1/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T23:54:42+00:00",
"source_file": "4-Classification/2-Classifiers-1/solution/Julia/README.md",
"language_code": "hi"
},
"4-Classification/3-Classifiers-2/README.md": {
"original_hash": "49047911108adc49d605cddfb455749c",
"translation_date": "2025-09-05T10:27:55+00:00",
"source_file": "4-Classification/3-Classifiers-2/README.md",
"language_code": "hi"
},
"4-Classification/3-Classifiers-2/assignment.md": {
"original_hash": "58dfdaf79fb73f7d34b22bdbacf57329",
"translation_date": "2025-09-04T00:00:27+00:00",
"source_file": "4-Classification/3-Classifiers-2/assignment.md",
"language_code": "hi"
},
"4-Classification/3-Classifiers-2/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T00:01:00+00:00",
"source_file": "4-Classification/3-Classifiers-2/solution/Julia/README.md",
"language_code": "hi"
},
"4-Classification/4-Applied/README.md": {
"original_hash": "61bdec27ed2da8b098cd9065405d9bb0",
"translation_date": "2025-09-05T10:27:19+00:00",
"source_file": "4-Classification/4-Applied/README.md",
"language_code": "hi"
},
"4-Classification/4-Applied/assignment.md": {
"original_hash": "799ed651e2af0a7cad17c6268db11578",
"translation_date": "2025-09-03T23:57:45+00:00",
"source_file": "4-Classification/4-Applied/assignment.md",
"language_code": "hi"
},
"4-Classification/README.md": {
"original_hash": "74e809ffd1e613a1058bbc3e9600859e",
"translation_date": "2025-09-03T23:49:28+00:00",
"source_file": "4-Classification/README.md",
"language_code": "hi"
},
"5-Clustering/1-Visualize/README.md": {
"original_hash": "730225ea274c9174fe688b21d421539d",
"translation_date": "2025-09-05T10:19:12+00:00",
"source_file": "5-Clustering/1-Visualize/README.md",
"language_code": "hi"
},
"5-Clustering/1-Visualize/assignment.md": {
"original_hash": "589fa015a5e7d9e67bd629f7d47b53de",
"translation_date": "2025-09-03T23:09:32+00:00",
"source_file": "5-Clustering/1-Visualize/assignment.md",
"language_code": "hi"
},
"5-Clustering/1-Visualize/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T23:09:55+00:00",
"source_file": "5-Clustering/1-Visualize/solution/Julia/README.md",
"language_code": "hi"
},
"5-Clustering/2-K-Means/README.md": {
"original_hash": "7cdd17338d9bbd7e2171c2cd462eb081",
"translation_date": "2025-09-05T10:20:37+00:00",
"source_file": "5-Clustering/2-K-Means/README.md",
"language_code": "hi"
},
"5-Clustering/2-K-Means/assignment.md": {
"original_hash": "b8e17eff34ad1680eba2a5d3cf9ffc41",
"translation_date": "2025-09-03T23:13:08+00:00",
"source_file": "5-Clustering/2-K-Means/assignment.md",
"language_code": "hi"
},
"5-Clustering/2-K-Means/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T23:13:27+00:00",
"source_file": "5-Clustering/2-K-Means/solution/Julia/README.md",
"language_code": "hi"
},
"5-Clustering/README.md": {
"original_hash": "b28a3a4911584062772c537b653ebbc7",
"translation_date": "2025-09-03T22:56:31+00:00",
"source_file": "5-Clustering/README.md",
"language_code": "hi"
},
"6-NLP/1-Introduction-to-NLP/README.md": {
"original_hash": "1c2ec40cf55c98a028a359c27ef7e45a",
"translation_date": "2025-09-05T10:34:16+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/README.md",
"language_code": "hi"
},
"6-NLP/1-Introduction-to-NLP/assignment.md": {
"original_hash": "1d7583e8046dacbb0c056d5ba0a71b16",
"translation_date": "2025-09-04T00:49:28+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/assignment.md",
"language_code": "hi"
},
"6-NLP/2-Tasks/README.md": {
"original_hash": "5f3cb462e3122e1afe7ab0050ccf2bd3",
"translation_date": "2025-09-05T10:31:35+00:00",
"source_file": "6-NLP/2-Tasks/README.md",
"language_code": "hi"
},
"6-NLP/2-Tasks/assignment.md": {
"original_hash": "2efc4c2aba5ed06c780c05539c492ae3",
"translation_date": "2025-09-04T00:37:37+00:00",
"source_file": "6-NLP/2-Tasks/assignment.md",
"language_code": "hi"
},
"6-NLP/3-Translation-Sentiment/README.md": {
"original_hash": "be03c8182982b87ced155e4e9d1438e8",
"translation_date": "2025-09-05T10:34:53+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/README.md",
"language_code": "hi"
},
"6-NLP/3-Translation-Sentiment/assignment.md": {
"original_hash": "9d2a734deb904caff310d1a999c6bd7a",
"translation_date": "2025-09-04T00:54:15+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/assignment.md",
"language_code": "hi"
},
"6-NLP/3-Translation-Sentiment/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T00:54:55+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/Julia/README.md",
"language_code": "hi"
},
"6-NLP/3-Translation-Sentiment/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-04T00:54:37+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/R/README.md",
"language_code": "hi"
},
"6-NLP/4-Hotel-Reviews-1/README.md": {
"original_hash": "8d32dadeda93c6fb5c43619854882ab1",
"translation_date": "2025-09-05T10:32:20+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/README.md",
"language_code": "hi"
},
"6-NLP/4-Hotel-Reviews-1/assignment.md": {
"original_hash": "bf39bceb833cd628f224941dca8041df",
"translation_date": "2025-09-04T00:44:42+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/assignment.md",
"language_code": "hi"
},
"6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T00:45:21+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md",
"language_code": "hi"
},
"6-NLP/4-Hotel-Reviews-1/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-04T00:45:03+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/R/README.md",
"language_code": "hi"
},
"6-NLP/5-Hotel-Reviews-2/README.md": {
"original_hash": "2c742993fe95d5bcbb2846eda3d442a1",
"translation_date": "2025-09-05T10:35:41+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/README.md",
"language_code": "hi"
},
"6-NLP/5-Hotel-Reviews-2/assignment.md": {
"original_hash": "daf144daa552da6a7d442aff6f3e77d8",
"translation_date": "2025-09-04T01:00:05+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/assignment.md",
"language_code": "hi"
},
"6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T01:00:45+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md",
"language_code": "hi"
},
"6-NLP/5-Hotel-Reviews-2/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-04T01:00:27+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/R/README.md",
"language_code": "hi"
},
"6-NLP/README.md": {
"original_hash": "1eb379dc2d0c9940b320732d16083778",
"translation_date": "2025-09-04T00:33:39+00:00",
"source_file": "6-NLP/README.md",
"language_code": "hi"
},
"6-NLP/data/README.md": {
"original_hash": "ee0670655c89e4719319764afb113624",
"translation_date": "2025-09-04T00:45:43+00:00",
"source_file": "6-NLP/data/README.md",
"language_code": "hi"
},
"7-TimeSeries/1-Introduction/README.md": {
"original_hash": "662b509c39eee205687726636d0a8455",
"translation_date": "2025-09-05T10:18:02+00:00",
"source_file": "7-TimeSeries/1-Introduction/README.md",
"language_code": "hi"
},
"7-TimeSeries/1-Introduction/assignment.md": {
"original_hash": "d1781b0b92568ea1d119d0a198b576b4",
"translation_date": "2025-09-03T22:51:10+00:00",
"source_file": "7-TimeSeries/1-Introduction/assignment.md",
"language_code": "hi"
},
"7-TimeSeries/1-Introduction/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T22:51:49+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/Julia/README.md",
"language_code": "hi"
},
"7-TimeSeries/1-Introduction/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T22:51:32+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/R/README.md",
"language_code": "hi"
},
"7-TimeSeries/2-ARIMA/README.md": {
"original_hash": "917dbf890db71a322f306050cb284749",
"translation_date": "2025-09-05T10:17:13+00:00",
"source_file": "7-TimeSeries/2-ARIMA/README.md",
"language_code": "hi"
},
"7-TimeSeries/2-ARIMA/assignment.md": {
"original_hash": "1c814013e10866dfd92cdb32caaae3ac",
"translation_date": "2025-09-03T22:46:41+00:00",
"source_file": "7-TimeSeries/2-ARIMA/assignment.md",
"language_code": "hi"
},
"7-TimeSeries/2-ARIMA/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T22:47:20+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/Julia/README.md",
"language_code": "hi"
},
"7-TimeSeries/2-ARIMA/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T22:47:02+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/R/README.md",
"language_code": "hi"
},
"7-TimeSeries/3-SVR/README.md": {
"original_hash": "482bccabe1df958496ea71a3667995cd",
"translation_date": "2025-09-05T10:18:39+00:00",
"source_file": "7-TimeSeries/3-SVR/README.md",
"language_code": "hi"
},
"7-TimeSeries/3-SVR/assignment.md": {
"original_hash": "94aa2fc6154252ae30a3f3740299707a",
"translation_date": "2025-09-03T22:55:24+00:00",
"source_file": "7-TimeSeries/3-SVR/assignment.md",
"language_code": "hi"
},
"7-TimeSeries/README.md": {
"original_hash": "61342603bad8acadbc6b2e4e3aab3f66",
"translation_date": "2025-09-03T22:41:46+00:00",
"source_file": "7-TimeSeries/README.md",
"language_code": "hi"
},
"8-Reinforcement/1-QLearning/README.md": {
"original_hash": "911efd5e595089000cb3c16fce1beab8",
"translation_date": "2025-09-05T10:29:57+00:00",
"source_file": "8-Reinforcement/1-QLearning/README.md",
"language_code": "hi"
},
"8-Reinforcement/1-QLearning/assignment.md": {
"original_hash": "68394b2102d3503882e5e914bd0ff5c1",
"translation_date": "2025-09-04T00:24:59+00:00",
"source_file": "8-Reinforcement/1-QLearning/assignment.md",
"language_code": "hi"
},
"8-Reinforcement/1-QLearning/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T00:25:42+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/Julia/README.md",
"language_code": "hi"
},
"8-Reinforcement/1-QLearning/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-04T00:25:25+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/R/README.md",
"language_code": "hi"
},
"8-Reinforcement/2-Gym/README.md": {
"original_hash": "107d5bb29da8a562e7ae72262d251a75",
"translation_date": "2025-09-05T10:30:41+00:00",
"source_file": "8-Reinforcement/2-Gym/README.md",
"language_code": "hi"
},
"8-Reinforcement/2-Gym/assignment.md": {
"original_hash": "1f2b7441745eb52e25745423b247016b",
"translation_date": "2025-09-04T00:32:02+00:00",
"source_file": "8-Reinforcement/2-Gym/assignment.md",
"language_code": "hi"
},
"8-Reinforcement/2-Gym/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T00:32:48+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/Julia/README.md",
"language_code": "hi"
},
"8-Reinforcement/2-Gym/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-04T00:32:30+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/R/README.md",
"language_code": "hi"
},
"8-Reinforcement/README.md": {
"original_hash": "20ca019012b1725de956681d036d8b18",
"translation_date": "2025-09-04T00:14:45+00:00",
"source_file": "8-Reinforcement/README.md",
"language_code": "hi"
},
"9-Real-World/1-Applications/README.md": {
"original_hash": "83320d6b6994909e35d830cebf214039",
"translation_date": "2025-09-05T10:21:12+00:00",
"source_file": "9-Real-World/1-Applications/README.md",
"language_code": "hi"
},
"9-Real-World/1-Applications/assignment.md": {
"original_hash": "fdebfcd0a3f12c9e2b436ded1aa79885",
"translation_date": "2025-09-03T23:19:53+00:00",
"source_file": "9-Real-World/1-Applications/assignment.md",
"language_code": "hi"
},
"9-Real-World/2-Debugging-ML-Models/README.md": {
"original_hash": "df2b538e8fbb3e91cf0419ae2f858675",
"translation_date": "2025-09-05T10:21:53+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/README.md",
"language_code": "hi"
},
"9-Real-World/2-Debugging-ML-Models/assignment.md": {
"original_hash": "91c6a180ef08e20cc15acfd2d6d6e164",
"translation_date": "2025-09-03T23:25:40+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md",
"language_code": "hi"
},
"9-Real-World/README.md": {
"original_hash": "5e069a0ac02a9606a69946c2b3c574a9",
"translation_date": "2025-09-03T23:15:03+00:00",
"source_file": "9-Real-World/README.md",
"language_code": "hi"
},
"AGENTS.md": {
"original_hash": "93fdaa0fd38836e50c4793e2f2f25e8b",
"translation_date": "2025-10-03T11:02:59+00:00",
"source_file": "AGENTS.md",
"language_code": "hi"
},
"CODE_OF_CONDUCT.md": {
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-09-03T22:14:48+00:00",
"source_file": "CODE_OF_CONDUCT.md",
"language_code": "hi"
},
"CONTRIBUTING.md": {
"original_hash": "977ec5266dfd78ad1ce2bd8d46fccbda",
"translation_date": "2025-09-03T22:12:09+00:00",
"source_file": "CONTRIBUTING.md",
"language_code": "hi"
},
"README.md": {
"original_hash": "da2ceed62f16a0820259556e3a873c95",
"translation_date": "2026-01-29T18:06:16+00:00",
"source_file": "README.md",
"language_code": "hi"
},
"SECURITY.md": {
"original_hash": "5e1b8da31aae9cca3d53ad243fa3365a",
"translation_date": "2025-09-03T22:13:17+00:00",
"source_file": "SECURITY.md",
"language_code": "hi"
},
"SUPPORT.md": {
"original_hash": "09623d7343ff1c26ff4f198c1b2d3176",
"translation_date": "2025-10-03T11:49:20+00:00",
"source_file": "SUPPORT.md",
"language_code": "hi"
},
"TROUBLESHOOTING.md": {
"original_hash": "134d8759f0e2ab886e9aa4f62362c201",
"translation_date": "2025-10-03T12:40:53+00:00",
"source_file": "TROUBLESHOOTING.md",
"language_code": "hi"
},
"docs/_sidebar.md": {
"original_hash": "68dd06c685f6ce840e0acfa313352e7c",
"translation_date": "2025-09-03T23:14:17+00:00",
"source_file": "docs/_sidebar.md",
"language_code": "hi"
},
"for-teachers.md": {
"original_hash": "b37de02054fa6c0438ede6fabe1fdfb8",
"translation_date": "2025-09-03T22:14:14+00:00",
"source_file": "for-teachers.md",
"language_code": "hi"
},
"quiz-app/README.md": {
"original_hash": "6d130dffca5db70d7e615f926cb1ad4c",
"translation_date": "2025-09-03T23:48:35+00:00",
"source_file": "quiz-app/README.md",
"language_code": "hi"
},
"sketchnotes/LICENSE.md": {
"original_hash": "fba3b94d88bfb9b81369b869a1e9a20f",
"translation_date": "2025-09-04T00:12:53+00:00",
"source_file": "sketchnotes/LICENSE.md",
"language_code": "hi"
},
"sketchnotes/README.md": {
"original_hash": "a88d5918c1b9da69a40d917a0840c497",
"translation_date": "2025-09-04T00:05:13+00:00",
"source_file": "sketchnotes/README.md",
"language_code": "hi"
}
}

9
translations/hi/1-Introduction/1-intro-to-ML/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "69389392fa6346e0dfa30f664b7b6fec",
"translation_date": "2025-09-05T10:24:35+00:00",
"source_file": "1-Introduction/1-intro-to-ML/README.md",
"language_code": "hi"
}
-->
# मशीन लर्निंग का परिचय
## [प्री-लेक्चर क्विज़](https://ff-quizzes.netlify.app/en/ml/)

9
translations/hi/1-Introduction/1-intro-to-ML/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "4c4698044bb8af52cfb6388a4ee0e53b",
"translation_date": "2025-09-03T23:38:49+00:00",
"source_file": "1-Introduction/1-intro-to-ML/assignment.md",
"language_code": "hi"
}
-->
# शुरू करें और काम करने के लिए तैयार हो जाएं
## निर्देश

9
translations/hi/1-Introduction/2-history-of-ML/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "6a05fec147e734c3e6bfa54505648e2b",
"translation_date": "2025-09-05T10:25:07+00:00",
"source_file": "1-Introduction/2-history-of-ML/README.md",
"language_code": "hi"
}
-->
# मशीन लर्निंग का इतिहास
![मशीन लर्निंग के इतिहास का सारांश एक स्केच नोट में](../../../../sketchnotes/ml-history.png)

9
translations/hi/1-Introduction/2-history-of-ML/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "eb6e4d5afd1b21a57d2b9e6d0aac3969",
"translation_date": "2025-09-03T23:42:48+00:00",
"source_file": "1-Introduction/2-history-of-ML/assignment.md",
"language_code": "hi"
}
-->
# एक टाइमलाइन बनाएं
## निर्देश

9
translations/hi/1-Introduction/3-fairness/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9a6b702d1437c0467e3c5c28d763dac2",
"translation_date": "2025-09-05T10:22:56+00:00",
"source_file": "1-Introduction/3-fairness/README.md",
"language_code": "hi"
}
-->
# जिम्मेदार AI के साथ मशीन लर्निंग समाधान बनाना
![मशीन लर्निंग में जिम्मेदार AI का सारांश एक स्केच नोट में](../../../../sketchnotes/ml-fairness.png)

9
translations/hi/1-Introduction/3-fairness/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "dbda60e7b1fe5f18974e7858eff0004e",
"translation_date": "2025-09-03T23:31:36+00:00",
"source_file": "1-Introduction/3-fairness/assignment.md",
"language_code": "hi"
}
-->
# जिम्मेदार AI टूलबॉक्स का अन्वेषण करें
## निर्देश

9
translations/hi/1-Introduction/4-techniques-of-ML/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9d91f3af3758fdd4569fb410575995ef",
"translation_date": "2025-09-05T10:23:54+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/README.md",
"language_code": "hi"
}
-->
# मशीन लर्निंग की तकनीकें
मशीन लर्निंग मॉडल और उनके उपयोग और रखरखाव की प्रक्रिया अन्य विकास वर्कफ़्लो से काफी अलग होती है। इस पाठ में, हम इस प्रक्रिया को सरल बनाएंगे और उन मुख्य तकनीकों को समझाएंगे जिन्हें आपको जानना चाहिए। आप:

9
translations/hi/1-Introduction/4-techniques-of-ML/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "70d65aeddc06170bc1aed5b27805f930",
"translation_date": "2025-09-03T23:35:32+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/assignment.md",
"language_code": "hi"
}
-->
# डेटा वैज्ञानिक का साक्षात्कार करें
## निर्देश

9
translations/hi/1-Introduction/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "cf8ecc83f28e5b98051d2179eca08e08",
"translation_date": "2025-09-03T23:26:26+00:00",
"source_file": "1-Introduction/README.md",
"language_code": "hi"
}
-->
# मशीन लर्निंग का परिचय
इस पाठ्यक्रम के इस भाग में, आपको मशीन लर्निंग के क्षेत्र के मूलभूत अवधारणाओं, यह क्या है, इसकी इतिहास और शोधकर्ता इसे कैसे उपयोग करते हैं, के बारे में परिचित कराया जाएगा। चलिए, इस नए ML की दुनिया को साथ में खोजते हैं!

9
translations/hi/2-Regression/1-Tools/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fa81d226c71d5af7a2cade31c1c92b88",
"translation_date": "2025-09-05T10:15:47+00:00",
"source_file": "2-Regression/1-Tools/README.md",
"language_code": "hi"
}
-->
# Python और Scikit-learn के साथ रिग्रेशन मॉडल्स शुरू करें
![रिग्रेशन का स्केच नोट में सारांश](../../../../sketchnotes/ml-regression.png)

9
translations/hi/2-Regression/1-Tools/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "74a5cf83e4ebc302afbcbc4f418afd0a",
"translation_date": "2025-09-03T22:36:37+00:00",
"source_file": "2-Regression/1-Tools/assignment.md",
"language_code": "hi"
}
-->
# स्किकिट-लर्न के साथ रिग्रेशन
## निर्देश

9
translations/hi/2-Regression/1-Tools/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T22:36:57+00:00",
"source_file": "2-Regression/1-Tools/solution/Julia/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/2-Regression/2-Data/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7c077988328ebfe33b24d07945f16eca",
"translation_date": "2025-09-05T10:16:34+00:00",
"source_file": "2-Regression/2-Data/README.md",
"language_code": "hi"
}
-->
# Scikit-learn का उपयोग करके एक रिग्रेशन मॉडल बनाएं: डेटा तैयार करें और विज़ुअलाइज़ करें
![डेटा विज़ुअलाइज़ेशन इन्फोग्राफिक](../../../../2-Regression/2-Data/images/data-visualization.png)

9
translations/hi/2-Regression/2-Data/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "4485a1ed4dd1b5647365e3d87456515d",
"translation_date": "2025-09-03T22:40:40+00:00",
"source_file": "2-Regression/2-Data/assignment.md",
"language_code": "hi"
}
-->
# विज़ुअलाइज़ेशन का अन्वेषण
डेटा विज़ुअलाइज़ेशन के लिए कई अलग-अलग लाइब्रेरी उपलब्ध हैं। इस पाठ में कद्दू डेटा का उपयोग करके matplotlib और seaborn के साथ एक नमूना नोटबुक में कुछ विज़ुअलाइज़ेशन बनाएं। कौन सी लाइब्रेरी का उपयोग करना आसान है?

9
translations/hi/2-Regression/2-Data/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T22:41:00+00:00",
"source_file": "2-Regression/2-Data/solution/Julia/README.md",
"language_code": "hi"
}
-->
---

25
translations/hi/2-Regression/3-Linear/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "40e64f004f3cb50aa1d8661672d3cd92",
"translation_date": "2025-09-05T10:12:48+00:00",
"source_file": "2-Regression/3-Linear/README.md",
"language_code": "hi"
}
-->
# Scikit-learn का उपयोग करके एक रिग्रेशन मॉडल बनाएं: चार तरीकों से रिग्रेशन
![लिनियर बनाम पॉलिनोमियल रिग्रेशन इन्फोग्राफिक](../../../../2-Regression/3-Linear/images/linear-polynomial.png)
@ -114,11 +105,11 @@ day_of_year = pd.to_datetime(pumpkins['Date']).apply(lambda dt: (dt-datetime(dt.
पिछले पाठ से आपने शायद देखा होगा कि विभिन्न महीनों के लिए औसत कीमत इस प्रकार दिखती है:
<img alt="महीने के अनुसार औसत कीमत" src="../2-Data/images/barchart.png" width="50%"/>
<img alt="महीने के अनुसार औसत कीमत" src="../../../../translated_images/hi/barchart.a833ea9194346d76.webp" width="50%"/>
यह सुझाव देता है कि कुछ सहसंबंध हो सकता है, और हम `Month` और `Price` के बीच, या `DayOfYear` और `Price` के बीच संबंध की भविष्यवाणी करने के लिए एक लिनियर रिग्रेशन मॉडल को प्रशिक्षित करने का प्रयास कर सकते हैं। यहाँ एक स्कैटरप्लॉट है जो बाद के संबंध को दिखाता है:
<img alt="साल के दिन बनाम कीमत का स्कैटरप्लॉट" src="images/scatter-dayofyear.png" width="50%" />
<img alt="साल के दिन बनाम कीमत का स्कैटरप्लॉट" src="../../../../translated_images/hi/scatter-dayofyear.bc171c189c9fd553.webp" width="50%" />
आइए `corr` फ़ंक्शन का उपयोग करके देखें कि क्या कोई सहसंबंध है:
@ -137,7 +128,7 @@ for i,var in enumerate(new_pumpkins['Variety'].unique()):
ax = df.plot.scatter('DayOfYear','Price',ax=ax,c=colors[i],label=var)
```
<img alt="साल के दिन बनाम कीमत का स्कैटरप्लॉट" src="images/scatter-dayofyear-color.png" width="50%" />
<img alt="साल के दिन बनाम कीमत का स्कैटरप्लॉट" src="../../../../translated_images/hi/scatter-dayofyear-color.65790faefbb9d54f.webp" width="50%" />
हमारी जांच से पता चलता है कि किस्म का समग्र कीमत पर तारीख की तुलना में अधिक प्रभाव है। हम इसे बार ग्राफ़ के साथ देख सकते हैं:
@ -145,7 +136,7 @@ for i,var in enumerate(new_pumpkins['Variety'].unique()):
new_pumpkins.groupby('Variety')['Price'].mean().plot(kind='bar')
```
<img alt="किस्म बनाम कीमत का बार ग्राफ़" src="images/price-by-variety.png" width="50%" />
<img alt="किस्म बनाम कीमत का बार ग्राफ़" src="../../../../translated_images/hi/price-by-variety.744a2f9925d9bcb4.webp" width="50%" />
आइए फिलहाल केवल एक कद्दू की किस्म, 'पाई टाइप', पर ध्यान केंद्रित करें और देखें कि तारीख का कीमत पर क्या प्रभाव पड़ता है:
@ -153,7 +144,7 @@ new_pumpkins.groupby('Variety')['Price'].mean().plot(kind='bar')
pie_pumpkins = new_pumpkins[new_pumpkins['Variety']=='PIE TYPE']
pie_pumpkins.plot.scatter('DayOfYear','Price')
```
<img alt="साल के दिन बनाम कीमत का स्कैटरप्लॉट" src="images/pie-pumpkins-scatter.png" width="50%" />
<img alt="साल के दिन बनाम कीमत का स्कैटरप्लॉट" src="../../../../translated_images/hi/pie-pumpkins-scatter.d14f9804a53f927e.webp" width="50%" />
यदि हम अब `corr` फ़ंक्शन का उपयोग करके `Price` और `DayOfYear` के बीच सहसंबंध की गणना करते हैं, तो हमें कुछ `-0.27` जैसा मिलेगा - जिसका अर्थ है कि एक भविष्यवाणी मॉडल को प्रशिक्षित करना समझ में आता है।
@ -227,7 +218,7 @@ plt.scatter(X_test,y_test)
plt.plot(X_test,pred)
```
<img alt="Linear regression" src="images/linear-results.png" width="50%" />
<img alt="Linear regression" src="../../../../translated_images/hi/linear-results.f7c3552c85b0ed1c.webp" width="50%" />
## बहुपद रिग्रेशन
@ -256,7 +247,7 @@ pipeline.fit(X_train,y_train)
पाइपलाइन का उपयोग उसी तरह किया जा सकता है जैसे मूल `LinearRegression` ऑब्जेक्ट का उपयोग किया जाता है, यानी हम पाइपलाइन को `fit` कर सकते हैं और फिर `predict` का उपयोग करके भविष्यवाणी परिणाम प्राप्त कर सकते हैं। यहां परीक्षण डेटा और अनुमानित वक्र दिखाने वाला ग्राफ है:
<img alt="Polynomial regression" src="images/poly-results.png" width="50%" />
<img alt="Polynomial regression" src="../../../../translated_images/hi/poly-results.ee587348f0f1f60b.webp" width="50%" />
बहुपद रिग्रेशन का उपयोग करके, हम थोड़ा कम MSE और थोड़ा अधिक निर्धारण प्राप्त कर सकते हैं, लेकिन यह बहुत महत्वपूर्ण नहीं है। हमें अन्य विशेषताओं को ध्यान में रखना होगा!
@ -274,7 +265,7 @@ pipeline.fit(X_train,y_train)
यहां आप देख सकते हैं कि किस्म के आधार पर औसत कीमत कैसे बदलती है:
<img alt="Average price by variety" src="images/price-by-variety.png" width="50%" />
<img alt="Average price by variety" src="../../../../translated_images/hi/price-by-variety.744a2f9925d9bcb4.webp" width="50%" />
किस्म को ध्यान में रखने के लिए, हमें पहले इसे संख्यात्मक रूप में बदलना होगा, या **एन्कोड** करना होगा। इसे करने के कई तरीके हैं:

9
translations/hi/2-Regression/3-Linear/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "cc471fa89c293bc735dd3a9a0fb79b1b",
"translation_date": "2025-09-03T22:22:25+00:00",
"source_file": "2-Regression/3-Linear/assignment.md",
"language_code": "hi"
}
-->
# एक रिग्रेशन मॉडल बनाएं
## निर्देश

9
translations/hi/2-Regression/3-Linear/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T22:22:46+00:00",
"source_file": "2-Regression/3-Linear/solution/Julia/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/2-Regression/4-Logistic/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "abf86d845c84330bce205a46b382ec88",
"translation_date": "2025-09-05T10:14:06+00:00",
"source_file": "2-Regression/4-Logistic/README.md",
"language_code": "hi"
}
-->
# श्रेणियों की भविष्यवाणी के लिए लॉजिस्टिक रिग्रेशन
![लॉजिस्टिक बनाम लीनियर रिग्रेशन इन्फोग्राफिक](../../../../2-Regression/4-Logistic/images/linear-vs-logistic.png)

9
translations/hi/2-Regression/4-Logistic/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "8af40209a41494068c1f42b14c0b450d",
"translation_date": "2025-09-03T22:31:32+00:00",
"source_file": "2-Regression/4-Logistic/assignment.md",
"language_code": "hi"
}
-->
# पुनः प्रयास करना कुछ प्रतिगमन
## निर्देश

9
translations/hi/2-Regression/4-Logistic/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T22:31:52+00:00",
"source_file": "2-Regression/4-Logistic/solution/Julia/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/2-Regression/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
"translation_date": "2025-09-03T22:15:54+00:00",
"source_file": "2-Regression/README.md",
"language_code": "hi"
}
-->
# मशीन लर्निंग के लिए रिग्रेशन मॉडल
## क्षेत्रीय विषय: उत्तरी अमेरिका में कद्दू की कीमतों के लिए रिग्रेशन मॉडल 🎃

9
translations/hi/3-Web-App/1-Web-App/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "e0b75f73e4a90d45181dc5581fe2ef5c",
"translation_date": "2025-09-05T10:25:48+00:00",
"source_file": "3-Web-App/1-Web-App/README.md",
"language_code": "hi"
}
-->
# वेब ऐप बनाएं जो ML मॉडल का उपयोग करे
इस पाठ में, आप एक डेटा सेट पर ML मॉडल को प्रशिक्षित करेंगे जो अद्भुत है: _पिछली सदी में UFO देखे जाने की घटनाएं_, जो NUFORC के डेटाबेस से ली गई हैं।

9
translations/hi/3-Web-App/1-Web-App/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a8e8ae10be335cbc745b75ee552317ff",
"translation_date": "2025-09-03T23:47:33+00:00",
"source_file": "3-Web-App/1-Web-App/assignment.md",
"language_code": "hi"
}
-->
# एक अलग मॉडल आज़माएं
## निर्देश

9
translations/hi/3-Web-App/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9836ff53cfef716ddfd70e06c5f43436",
"translation_date": "2025-09-03T23:43:37+00:00",
"source_file": "3-Web-App/README.md",
"language_code": "hi"
}
-->
# अपने ML मॉडल का उपयोग करने के लिए एक वेब ऐप बनाएं
इस पाठ्यक्रम के इस भाग में, आपको एक व्यावहारिक ML विषय से परिचित कराया जाएगा: कैसे अपने Scikit-learn मॉडल को एक फाइल के रूप में सेव करें जिसे वेब एप्लिकेशन के भीतर भविष्यवाणी करने के लिए उपयोग किया जा सके। एक बार मॉडल सेव हो जाने के बाद, आप सीखेंगे कि इसे Flask में बनाए गए वेब ऐप में कैसे उपयोग करें। सबसे पहले, आप कुछ डेटा का उपयोग करके एक मॉडल बनाएंगे जो UFO देखे जाने के बारे में है! फिर, आप एक वेब ऐप बनाएंगे जो आपको सेकंड की संख्या, अक्षांश और देशांतर मान दर्ज करने की अनुमति देगा ताकि यह भविष्यवाणी की जा सके कि किस देश ने UFO देखने की रिपोर्ट की है।

9
translations/hi/4-Classification/1-Introduction/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "aaf391d922bd6de5efba871d514c6d47",
"translation_date": "2025-09-05T10:28:19+00:00",
"source_file": "4-Classification/1-Introduction/README.md",
"language_code": "hi"
}
-->
# वर्गीकरण का परिचय
इन चार पाठों में, आप क्लासिक मशीन लर्निंग के एक महत्वपूर्ण पहलू - _वर्गीकरण_ - का अन्वेषण करेंगे। हम एशिया और भारत के सभी अद्भुत व्यंजनों के बारे में एक डेटासेट का उपयोग करके विभिन्न वर्गीकरण एल्गोरिदम का उपयोग करना सीखेंगे। उम्मीद है कि आप भूखे हैं!

9
translations/hi/4-Classification/1-Introduction/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b2a01912beb24cfb0007f83594dba801",
"translation_date": "2025-09-04T00:04:23+00:00",
"source_file": "4-Classification/1-Introduction/assignment.md",
"language_code": "hi"
}
-->
# वर्गीकरण विधियों का अन्वेषण करें
## निर्देश

9
translations/hi/4-Classification/1-Introduction/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T00:04:45+00:00",
"source_file": "4-Classification/1-Introduction/solution/Julia/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/4-Classification/2-Classifiers-1/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1a6e9e46b34a2e559fbbfc1f95397c7b",
"translation_date": "2025-09-05T10:26:26+00:00",
"source_file": "4-Classification/2-Classifiers-1/README.md",
"language_code": "hi"
}
-->
# व्यंजन वर्गीकरणकर्ता 1
इस पाठ में, आप पिछले पाठ से सहेजे गए डेटा सेट का उपयोग करेंगे, जिसमें संतुलित और साफ डेटा है, जो विभिन्न व्यंजनों के बारे में है।

9
translations/hi/4-Classification/2-Classifiers-1/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "de6025f96841498b0577e9d1aee18d1f",
"translation_date": "2025-09-03T23:54:22+00:00",
"source_file": "4-Classification/2-Classifiers-1/assignment.md",
"language_code": "hi"
}
-->
# सॉल्वर का अध्ययन करें
## निर्देश

9
translations/hi/4-Classification/2-Classifiers-1/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T23:54:42+00:00",
"source_file": "4-Classification/2-Classifiers-1/solution/Julia/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/4-Classification/3-Classifiers-2/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "49047911108adc49d605cddfb455749c",
"translation_date": "2025-09-05T10:27:55+00:00",
"source_file": "4-Classification/3-Classifiers-2/README.md",
"language_code": "hi"
}
-->
# व्यंजन वर्गीकरणकर्ता 2
इस दूसरे वर्गीकरण पाठ में, आप संख्यात्मक डेटा को वर्गीकृत करने के और तरीके जानेंगे। आप यह भी समझेंगे कि एक वर्गीकरणकर्ता को दूसरे पर चुनने के क्या परिणाम हो सकते हैं।

9
translations/hi/4-Classification/3-Classifiers-2/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "58dfdaf79fb73f7d34b22bdbacf57329",
"translation_date": "2025-09-04T00:00:27+00:00",
"source_file": "4-Classification/3-Classifiers-2/assignment.md",
"language_code": "hi"
}
-->
# पैरामीटर प्ले
## निर्देश

9
translations/hi/4-Classification/3-Classifiers-2/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T00:01:00+00:00",
"source_file": "4-Classification/3-Classifiers-2/solution/Julia/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/4-Classification/4-Applied/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "61bdec27ed2da8b098cd9065405d9bb0",
"translation_date": "2025-09-05T10:27:19+00:00",
"source_file": "4-Classification/4-Applied/README.md",
"language_code": "hi"
}
-->
# क्यूज़ीन रिकमेंडर वेब ऐप बनाएं
इस पाठ में, आप पिछले पाठों में सीखी गई तकनीकों का उपयोग करके एक वर्गीकरण मॉडल बनाएंगे और इस श्रृंखला में उपयोग किए गए स्वादिष्ट क्यूज़ीन डेटासेट के साथ काम करेंगे। इसके अलावा, आप एक छोटा वेब ऐप बनाएंगे जो सेव किए गए मॉडल का उपयोग करेगा, और Onnx के वेब रनटाइम का लाभ उठाएगा।

9
translations/hi/4-Classification/4-Applied/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "799ed651e2af0a7cad17c6268db11578",
"translation_date": "2025-09-03T23:57:45+00:00",
"source_file": "4-Classification/4-Applied/assignment.md",
"language_code": "hi"
}
-->
# एक अनुशंसा प्रणाली बनाएं
## निर्देश

9
translations/hi/4-Classification/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "74e809ffd1e613a1058bbc3e9600859e",
"translation_date": "2025-09-03T23:49:28+00:00",
"source_file": "4-Classification/README.md",
"language_code": "hi"
}
-->
# वर्गीकरण के साथ शुरुआत करें
## क्षेत्रीय विषय: स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜

9
translations/hi/5-Clustering/1-Visualize/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "730225ea274c9174fe688b21d421539d",
"translation_date": "2025-09-05T10:19:12+00:00",
"source_file": "5-Clustering/1-Visualize/README.md",
"language_code": "hi"
}
-->
# क्लस्टरिंग का परिचय
क्लस्टरिंग [अनुपरिक्षित शिक्षण](https://wikipedia.org/wiki/Unsupervised_learning) का एक प्रकार है, जिसमें यह माना जाता है कि डेटा सेट लेबल रहित है या इसके इनपुट्स को पहले से परिभाषित आउटपुट्स के साथ नहीं जोड़ा गया है। यह विभिन्न एल्गोरिदम का उपयोग करके लेबल रहित डेटा को छांटता है और डेटा में पहचाने गए पैटर्न के अनुसार समूह प्रदान करता है।

9
translations/hi/5-Clustering/1-Visualize/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "589fa015a5e7d9e67bd629f7d47b53de",
"translation_date": "2025-09-03T23:09:32+00:00",
"source_file": "5-Clustering/1-Visualize/assignment.md",
"language_code": "hi"
}
-->
# क्लस्टरिंग के लिए अन्य विज़ुअलाइज़ेशन पर शोध करें
## निर्देश

9
translations/hi/5-Clustering/1-Visualize/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T23:09:55+00:00",
"source_file": "5-Clustering/1-Visualize/solution/Julia/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/5-Clustering/2-K-Means/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7cdd17338d9bbd7e2171c2cd462eb081",
"translation_date": "2025-09-05T10:20:37+00:00",
"source_file": "5-Clustering/2-K-Means/README.md",
"language_code": "hi"
}
-->
# K-Means क्लस्टरिंग
## [Pre-lecture quiz](https://ff-quizzes.netlify.app/en/ml/)

9
translations/hi/5-Clustering/2-K-Means/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b8e17eff34ad1680eba2a5d3cf9ffc41",
"translation_date": "2025-09-03T23:13:08+00:00",
"source_file": "5-Clustering/2-K-Means/assignment.md",
"language_code": "hi"
}
-->
# विभिन्न क्लस्टरिंग विधियों को आज़माएं
## निर्देश

9
translations/hi/5-Clustering/2-K-Means/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T23:13:27+00:00",
"source_file": "5-Clustering/2-K-Means/solution/Julia/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/5-Clustering/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b28a3a4911584062772c537b653ebbc7",
"translation_date": "2025-09-03T22:56:31+00:00",
"source_file": "5-Clustering/README.md",
"language_code": "hi"
}
-->
# मशीन लर्निंग के लिए क्लस्टरिंग मॉडल
क्लस्टरिंग एक मशीन लर्निंग कार्य है जिसमें समान वस्तुओं को खोजा जाता है और उन्हें समूहों में बांटा जाता है जिन्हें क्लस्टर्स कहा जाता है। अन्य मशीन लर्निंग दृष्टिकोणों से क्लस्टरिंग को अलग बनाता है कि यह प्रक्रिया स्वचालित रूप से होती है। वास्तव में, इसे सुपरवाइज्ड लर्निंग का उल्टा कहना उचित होगा।

9
translations/hi/6-NLP/1-Introduction-to-NLP/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1c2ec40cf55c98a028a359c27ef7e45a",
"translation_date": "2025-09-05T10:34:16+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/README.md",
"language_code": "hi"
}
-->
# प्राकृतिक भाषा प्रसंस्करण का परिचय
यह पाठ *प्राकृतिक भाषा प्रसंस्करण*, जो *कंप्यूटेशनल भाषाविज्ञान* का एक उपक्षेत्र है, के संक्षिप्त इतिहास और महत्वपूर्ण अवधारणाओं को कवर करता है।

9
translations/hi/6-NLP/1-Introduction-to-NLP/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1d7583e8046dacbb0c056d5ba0a71b16",
"translation_date": "2025-09-04T00:49:28+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/assignment.md",
"language_code": "hi"
}
-->
# एक बॉट की खोज करें
## निर्देश

9
translations/hi/6-NLP/2-Tasks/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5f3cb462e3122e1afe7ab0050ccf2bd3",
"translation_date": "2025-09-05T10:31:35+00:00",
"source_file": "6-NLP/2-Tasks/README.md",
"language_code": "hi"
}
-->
# सामान्य प्राकृतिक भाषा प्रसंस्करण कार्य और तकनीकें
अधिकांश *प्राकृतिक भाषा प्रसंस्करण* कार्यों के लिए, जिस पाठ को संसाधित करना है, उसे तोड़ना, जांचना और परिणामों को नियमों और डेटा सेट्स के साथ संग्रहीत या क्रॉस-रेफरेंस करना आवश्यक होता है। ये कार्य प्रोग्रामर को पाठ में शब्दों और शब्दावली की _अर्थ_ या _इरादा_ या केवल _आवृत्ति_ को समझने में मदद करते हैं।

9
translations/hi/6-NLP/2-Tasks/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "2efc4c2aba5ed06c780c05539c492ae3",
"translation_date": "2025-09-04T00:37:37+00:00",
"source_file": "6-NLP/2-Tasks/assignment.md",
"language_code": "hi"
}
-->
# एक बॉट को जवाब देने वाला बनाएं
## निर्देश

9
translations/hi/6-NLP/3-Translation-Sentiment/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "be03c8182982b87ced155e4e9d1438e8",
"translation_date": "2025-09-05T10:34:53+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/README.md",
"language_code": "hi"
}
-->
# मशीन लर्निंग के साथ अनुवाद और भावना विश्लेषण
पिछले पाठों में आपने `TextBlob` का उपयोग करके एक बुनियादी बॉट बनाना सीखा, जो एक लाइब्रेरी है जो पीछे से मशीन लर्निंग का उपयोग करके संज्ञा वाक्यांश निकालने जैसे बुनियादी प्राकृतिक भाषा प्रसंस्करण (NLP) कार्य करती है। कंप्यूटेशनल भाषाविज्ञान में एक और महत्वपूर्ण चुनौती है एक भाषा से दूसरी भाषा में वाक्य का सटीक _अनुवाद_।

9
translations/hi/6-NLP/3-Translation-Sentiment/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9d2a734deb904caff310d1a999c6bd7a",
"translation_date": "2025-09-04T00:54:15+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/assignment.md",
"language_code": "hi"
}
-->
# काव्यात्मक स्वतंत्रता
## निर्देश

9
translations/hi/6-NLP/3-Translation-Sentiment/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T00:54:55+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/Julia/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/6-NLP/3-Translation-Sentiment/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-04T00:54:37+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/R/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/6-NLP/4-Hotel-Reviews-1/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "8d32dadeda93c6fb5c43619854882ab1",
"translation_date": "2025-09-05T10:32:20+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/README.md",
"language_code": "hi"
}
-->
# होटल समीक्षाओं के साथ भावना विश्लेषण - डेटा को संसाधित करना
इस खंड में, आप पिछले पाठों में सीखी गई तकनीकों का उपयोग करके एक बड़े डेटा सेट का अन्वेषणात्मक डेटा विश्लेषण करेंगे। जब आपको विभिन्न कॉलमों की उपयोगिता का अच्छा समझ आ जाएगा, तो आप सीखेंगे:

9
translations/hi/6-NLP/4-Hotel-Reviews-1/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "bf39bceb833cd628f224941dca8041df",
"translation_date": "2025-09-04T00:44:42+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/assignment.md",
"language_code": "hi"
}
-->
# NLTK
## निर्देश

9
translations/hi/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T00:45:21+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/6-NLP/4-Hotel-Reviews-1/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-04T00:45:03+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/R/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/6-NLP/5-Hotel-Reviews-2/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "2c742993fe95d5bcbb2846eda3d442a1",
"translation_date": "2025-09-05T10:35:41+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/README.md",
"language_code": "hi"
}
-->
# होटल समीक्षाओं के साथ भाव विश्लेषण
अब जब आपने डेटासेट को विस्तार से देखा है, तो समय आ गया है कि कॉलम्स को फ़िल्टर करें और फिर डेटासेट पर NLP तकनीकों का उपयोग करके होटलों के बारे में नई जानकारी प्राप्त करें।

9
translations/hi/6-NLP/5-Hotel-Reviews-2/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "daf144daa552da6a7d442aff6f3e77d8",
"translation_date": "2025-09-04T01:00:05+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/assignment.md",
"language_code": "hi"
}
-->
# एक अलग डेटा सेट आज़माएं
## निर्देश

9
translations/hi/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T01:00:45+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/6-NLP/5-Hotel-Reviews-2/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-04T01:00:27+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/R/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/6-NLP/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1eb379dc2d0c9940b320732d16083778",
"translation_date": "2025-09-04T00:33:39+00:00",
"source_file": "6-NLP/README.md",
"language_code": "hi"
}
-->
# प्राकृतिक भाषा प्रसंस्करण के साथ शुरुआत
प्राकृतिक भाषा प्रसंस्करण (NLP) एक कंप्यूटर प्रोग्राम की क्षमता है जो मानव भाषा को समझता है, जैसा कि इसे बोला और लिखा जाता है -- इसे प्राकृतिक भाषा कहा जाता है। यह कृत्रिम बुद्धिमत्ता (AI) का एक घटक है। NLP पिछले 50 वर्षों से अस्तित्व में है और इसकी जड़ें भाषाविज्ञान के क्षेत्र में हैं। पूरा क्षेत्र मशीनों को मानव भाषा को समझने और संसाधित करने में मदद करने पर केंद्रित है। इसका उपयोग फिर वर्तनी जांच या मशीन अनुवाद जैसे कार्यों को करने के लिए किया जा सकता है। इसका कई क्षेत्रों में वास्तविक दुनिया में उपयोग होता है, जैसे चिकित्सा अनुसंधान, सर्च इंजन और व्यापार खुफिया।

9
translations/hi/6-NLP/data/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ee0670655c89e4719319764afb113624",
"translation_date": "2025-09-04T00:45:43+00:00",
"source_file": "6-NLP/data/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/7-TimeSeries/1-Introduction/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "662b509c39eee205687726636d0a8455",
"translation_date": "2025-09-05T10:18:02+00:00",
"source_file": "7-TimeSeries/1-Introduction/README.md",
"language_code": "hi"
}
-->
# समय श्रृंखला पूर्वानुमान का परिचय
![समय श्रृंखला का स्केच नोट में सारांश](../../../../sketchnotes/ml-timeseries.png)

9
translations/hi/7-TimeSeries/1-Introduction/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "d1781b0b92568ea1d119d0a198b576b4",
"translation_date": "2025-09-03T22:51:10+00:00",
"source_file": "7-TimeSeries/1-Introduction/assignment.md",
"language_code": "hi"
}
-->
# कुछ और समय श्रृंखला का विज़ुअलाइज़ेशन करें
## निर्देश

9
translations/hi/7-TimeSeries/1-Introduction/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T22:51:49+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/Julia/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/7-TimeSeries/1-Introduction/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T22:51:32+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/R/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/7-TimeSeries/2-ARIMA/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "917dbf890db71a322f306050cb284749",
"translation_date": "2025-09-05T10:17:13+00:00",
"source_file": "7-TimeSeries/2-ARIMA/README.md",
"language_code": "hi"
}
-->
# ARIMA के साथ समय श्रृंखला पूर्वानुमान
पिछले पाठ में, आपने समय श्रृंखला पूर्वानुमान के बारे में थोड़ा सीखा और एक डेटा सेट लोड किया जो एक समय अवधि के दौरान विद्युत भार में उतार-चढ़ाव दिखाता है।

9
translations/hi/7-TimeSeries/2-ARIMA/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1c814013e10866dfd92cdb32caaae3ac",
"translation_date": "2025-09-03T22:46:41+00:00",
"source_file": "7-TimeSeries/2-ARIMA/assignment.md",
"language_code": "hi"
}
-->
# एक नया ARIMA मॉडल
## निर्देश

9
translations/hi/7-TimeSeries/2-ARIMA/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-03T22:47:20+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/Julia/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/7-TimeSeries/2-ARIMA/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-03T22:47:02+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/R/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/7-TimeSeries/3-SVR/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "482bccabe1df958496ea71a3667995cd",
"translation_date": "2025-09-05T10:18:39+00:00",
"source_file": "7-TimeSeries/3-SVR/README.md",
"language_code": "hi"
}
-->
# सपोर्ट वेक्टर रेग्रेसर के साथ टाइम सीरीज़ फोरकास्टिंग
पिछले पाठ में, आपने ARIMA मॉडल का उपयोग करके टाइम सीरीज़ प्रेडिक्शन करना सीखा। अब आप सपोर्ट वेक्टर रेग्रेसर मॉडल पर ध्यान देंगे, जो एक रेग्रेशन मॉडल है और निरंतर डेटा की भविष्यवाणी करने के लिए उपयोग किया जाता है।

9
translations/hi/7-TimeSeries/3-SVR/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "94aa2fc6154252ae30a3f3740299707a",
"translation_date": "2025-09-03T22:55:24+00:00",
"source_file": "7-TimeSeries/3-SVR/assignment.md",
"language_code": "hi"
}
-->
# एक नया SVR मॉडल
## निर्देश [^1]

9
translations/hi/7-TimeSeries/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "61342603bad8acadbc6b2e4e3aab3f66",
"translation_date": "2025-09-03T22:41:46+00:00",
"source_file": "7-TimeSeries/README.md",
"language_code": "hi"
}
-->
# समय श्रृंखला पूर्वानुमान का परिचय
समय श्रृंखला पूर्वानुमान क्या है? यह अतीत के रुझानों का विश्लेषण करके भविष्य की घटनाओं की भविष्यवाणी करने के बारे में है।

9
translations/hi/8-Reinforcement/1-QLearning/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "911efd5e595089000cb3c16fce1beab8",
"translation_date": "2025-09-05T10:29:57+00:00",
"source_file": "8-Reinforcement/1-QLearning/README.md",
"language_code": "hi"
}
-->
# परिचय: रिइंफोर्समेंट लर्निंग और Q-लर्निंग
![मशीन लर्निंग में रिइंफोर्समेंट का सारांश एक स्केच नोट में](../../../../sketchnotes/ml-reinforcement.png)

9
translations/hi/8-Reinforcement/1-QLearning/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "68394b2102d3503882e5e914bd0ff5c1",
"translation_date": "2025-09-04T00:24:59+00:00",
"source_file": "8-Reinforcement/1-QLearning/assignment.md",
"language_code": "hi"
}
-->
# एक अधिक यथार्थवादी दुनिया
हमारी स्थिति में, पीटर लगभग बिना थके या भूखे हुए घूमने में सक्षम था। एक अधिक यथार्थवादी दुनिया में, उसे समय-समय पर बैठकर आराम करना होगा और खुद को भोजन देना होगा। चलिए हमारी दुनिया को अधिक यथार्थवादी बनाते हैं, निम्नलिखित नियम लागू करके:

9
translations/hi/8-Reinforcement/1-QLearning/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T00:25:42+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/Julia/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/8-Reinforcement/1-QLearning/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-04T00:25:25+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/R/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/8-Reinforcement/2-Gym/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "107d5bb29da8a562e7ae72262d251a75",
"translation_date": "2025-09-05T10:30:41+00:00",
"source_file": "8-Reinforcement/2-Gym/README.md",
"language_code": "hi"
}
-->
## आवश्यकताएँ
इस पाठ में, हम **OpenAI Gym** नामक एक लाइब्रेरी का उपयोग करेंगे जो विभिन्न **पर्यावरणों** को सिमुलेट करती है। आप इस पाठ का कोड स्थानीय रूप से (जैसे Visual Studio Code से) चला सकते हैं, जिसमें सिमुलेशन एक नई विंडो में खुलेगा। ऑनलाइन कोड चलाते समय, आपको कोड में कुछ बदलाव करने की आवश्यकता हो सकती है, जैसा कि [यहां](https://towardsdatascience.com/rendering-openai-gym-envs-on-binder-and-google-colab-536f99391cc7) वर्णित है।

9
translations/hi/8-Reinforcement/2-Gym/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1f2b7441745eb52e25745423b247016b",
"translation_date": "2025-09-04T00:32:02+00:00",
"source_file": "8-Reinforcement/2-Gym/assignment.md",
"language_code": "hi"
}
-->
# माउंटेन कार को प्रशिक्षित करें
[OpenAI Gym](http://gym.openai.com) को इस तरह से डिज़ाइन किया गया है कि सभी वातावरण एक ही API प्रदान करते हैं - जैसे कि वही विधियां `reset`, `step` और `render`, और **क्रिया स्थान** और **अवलोकन स्थान** की समान अमूर्तताएं। इसलिए, यह संभव होना चाहिए कि एक ही सुदृढीकरण शिक्षण एल्गोरिदम को न्यूनतम कोड परिवर्तनों के साथ विभिन्न वातावरणों में अनुकूलित किया जा सके।

9
translations/hi/8-Reinforcement/2-Gym/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-09-04T00:32:48+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/Julia/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/8-Reinforcement/2-Gym/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-09-04T00:32:30+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/R/README.md",
"language_code": "hi"
}
-->
---

9
translations/hi/8-Reinforcement/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "20ca019012b1725de956681d036d8b18",
"translation_date": "2025-09-04T00:14:45+00:00",
"source_file": "8-Reinforcement/README.md",
"language_code": "hi"
}
-->
# परिचय: रिइनफोर्समेंट लर्निंग
रिइनफोर्समेंट लर्निंग (RL) को मशीन लर्निंग के तीन मुख्य दृष्टिकोणों में से एक माना जाता है, अन्य दो हैं सुपरवाइज्ड लर्निंग और अनसुपरवाइज्ड लर्निंग। RL निर्णय लेने पर आधारित है: सही निर्णय लेना या कम से कम उनसे सीखना।

9
translations/hi/9-Real-World/1-Applications/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "83320d6b6994909e35d830cebf214039",
"translation_date": "2025-09-05T10:21:12+00:00",
"source_file": "9-Real-World/1-Applications/README.md",
"language_code": "hi"
}
-->
# पोस्टस्क्रिप्ट: वास्तविक दुनिया में मशीन लर्निंग
![वास्तविक दुनिया में मशीन लर्निंग का सारांश एक स्केच नोट में](../../../../sketchnotes/ml-realworld.png)

9
translations/hi/9-Real-World/1-Applications/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fdebfcd0a3f12c9e2b436ded1aa79885",
"translation_date": "2025-09-03T23:19:53+00:00",
"source_file": "9-Real-World/1-Applications/assignment.md",
"language_code": "hi"
}
-->
# एक एमएल स्कैवेंजर हंट
## निर्देश

9
translations/hi/9-Real-World/2-Debugging-ML-Models/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "df2b538e8fbb3e91cf0419ae2f858675",
"translation_date": "2025-09-05T10:21:53+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/README.md",
"language_code": "hi"
}
-->
# पोस्टस्क्रिप्ट: मशीन लर्निंग में मॉडल डिबगिंग का जिम्मेदार AI डैशबोर्ड घटकों के साथ उपयोग
## [प्री-लेक्चर क्विज़](https://ff-quizzes.netlify.app/en/ml/)

9
translations/hi/9-Real-World/2-Debugging-ML-Models/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "91c6a180ef08e20cc15acfd2d6d6e164",
"translation_date": "2025-09-03T23:25:40+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md",
"language_code": "hi"
}
-->
# जिम्मेदार AI (RAI) डैशबोर्ड का अन्वेषण करें
## निर्देश

9
translations/hi/9-Real-World/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5e069a0ac02a9606a69946c2b3c574a9",
"translation_date": "2025-09-03T23:15:03+00:00",
"source_file": "9-Real-World/README.md",
"language_code": "hi"
}
-->
# पोस्टस्क्रिप्ट: क्लासिक मशीन लर्निंग के वास्तविक दुनिया में उपयोग
इस पाठ्यक्रम के इस भाग में, आपको क्लासिकल मशीन लर्निंग के कुछ वास्तविक दुनिया में उपयोगों से परिचित कराया जाएगा। हमने इंटरनेट पर खोजबीन की है और ऐसे श्वेतपत्र और लेख ढूंढे हैं जो इन रणनीतियों का उपयोग करते हैं, न्यूरल नेटवर्क, डीप लर्निंग और एआई से यथासंभव बचते हुए। जानें कि व्यवसाय प्रणालियों, पारिस्थितिक अनुप्रयोगों, वित्त, कला और संस्कृति, और अन्य क्षेत्रों में मशीन लर्निंग का उपयोग कैसे किया जाता है।

9
translations/hi/AGENTS.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "93fdaa0fd38836e50c4793e2f2f25e8b",
"translation_date": "2025-10-03T11:02:59+00:00",
"source_file": "AGENTS.md",
"language_code": "hi"
}
-->
# AGENTS.md
## परियोजना का अवलोकन

9
translations/hi/CODE_OF_CONDUCT.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-09-03T22:14:48+00:00",
"source_file": "CODE_OF_CONDUCT.md",
"language_code": "hi"
}
-->
# Microsoft ओपन सोर्स आचार संहिता
इस प्रोजेक्ट ने [Microsoft ओपन सोर्स आचार संहिता](https://opensource.microsoft.com/codeofconduct/) को अपनाया है।

9
translations/hi/CONTRIBUTING.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "977ec5266dfd78ad1ce2bd8d46fccbda",
"translation_date": "2025-09-03T22:12:09+00:00",
"source_file": "CONTRIBUTING.md",
"language_code": "hi"
}
-->
# योगदान
यह प्रोजेक्ट योगदान और सुझावों का स्वागत करता है। अधिकांश योगदानों के लिए आपको एक Contributor License Agreement (CLA) से सहमत होना होगा, जिसमें यह घोषित किया जाता है कि आपके पास अधिकार हैं और आप हमें अपने योगदान का उपयोग करने का अधिकार प्रदान करते हैं। विवरण के लिए, https://cla.microsoft.com पर जाएं।

228
translations/hi/README.md
Unescape View File

@ -1,96 +1,76 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "0a6f4476a4f3934a4aa47c1bf47158bc",
"translation_date": "2026-01-16T10:00:28+00:00",
"source_file": "README.md",
"language_code": "hi"
}
-->
[![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
[![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)
[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
[![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/)
[![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)
### 🌐 मल्टी-भाषा समर्थन
#### गिटहब एक्शन के माध्यम से समर्थित (स्वचालित और हमेशा अद्यतन)
### 🌐 बहुभाषी समर्थन
#### GitHub एक्शन के माध्यम से समर्थित (स्वचालित और हमेशा अद्यतित)
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](./README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](./README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
> **स्थानीय रूप से क्लोन करना पसंद करते हैं?**
> **स्थानीय रूप से क्लोन करना पसंद करें?**
> इस रिपॉज़िटरी में 50+ भाषा अनुवाद शामिल हैं जो डाउनलोड आकार को काफी बढ़ाते हैं। बिना अनुवादों के क्लोन करने के लिए, sparse checkout का उपयोग करें:
> यह रिपॉजिटरी 50+ भाषा अनुवाद शामिल करता है जो डाउनलोड आकार को काफी बढ़ाता है। बिना अनुवादों के क्लोन करने के लिए sparse checkout का उपयोग करें:
> ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
> cd ML-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> इससे आपको कोर्स पूरा करने के लिए आवश्यक सबकुछ मिलता है, डाउनलोड तेजी से होता है।
> इससे आपको कोर्स पूरा करने के लिए आवश्यक सब कुछ बहुत तेज़ डाउनलोड के साथ मिलेगा।
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
#### हमारे समुदाय में शामिल हों
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
हमारे पास Discord पर AI के साथ सीखने की एक श्रृंखला चल रही है, अधिक जानने और हमारे साथ जुड़ने के लिए [Learn with AI Series](https://aka.ms/learnwithai/discord) पर जाएं, जो 18 - 30 सितंबर, 2025 को आयोजित होगी। आपको डेटा साइंस के लिए GitHub Copilot का उपयोग करने के टिप्स और ट्रिक्स मिलेंगे।
हमारे पास AI के साथ सीखने की एक श्रृंखला डिस्कॉर्ड पर चल रही है, अधिक जानने और 18 - 30 सितंबर, 2025 को [Learn with AI Series](https://aka.ms/learnwithai/discord) पर हमारे साथ जुड़ें। आप डेटा साइंस के लिए GitHub Copilot के उपयोग के टिप्स और ट्रिक्स प्राप्त करेंगे।
![Learn with AI series](../../../../translated_images/hi/3.9b58fd8d6c373c20.webp)
![Learn with AI series](../../translated_images/hi/3.9b58fd8d6c373c20.webp)
# शुरुआती लोगों के लिए मशीन लर्निंग - एक पाठ्यक्रम
# शुरुआती के लिए मशीन लर्निंग - एक पाठ्यक्रम
> 🌍 विश्व की संस्कृतियों के माध्यम से मशीन लर्निंग का अन्वेषण करते हुए दुनिया भर की यात्रा करें 🌍
> 🌍 जैसे-जैसे हम मशीन लर्निंग का पता लगाते हैं, दुनिया भर की संस्कृतियों के माध्यम से यात्रा करें 🌍
Microsoft के Cloud Advocates एक 12-सप्ताह, 26-पाठ का पाठ्यक्रम प्रस्तुत कर रहे हैं जो पूरी तरह से **मशीन लर्निंग** के बारे में है। इस पाठ्यक्रम में, आप उन चीज़ों के बारे में सीखेंगे जिन्हें कभी-कभी **क्लासिक मशीन लर्निंग** कहा जाता है, जो मुख्य रूप से Scikit-learn लाइब्रेरी का उपयोग करता है और डीप लर्निंग से बचता है, जिसे हमारे [AI for Beginners' curriculum](https://aka.ms/ai4beginners) में कवर किया गया है। इन पाठों को हमारे ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) के साथ भी जोडें।
Microsoft के क्लाउड एडवोकेट खुशी से एक 12 सप्ताह, 26-पाठ्यक्रम प्रदान कर रहे हैं जो पूरी तरह से **मशीन लर्निंग** के बारे में है। इस पाठ्यक्रम में, आप जो कुछ कभी-कभी **क्लासिक मशीन लर्निंग** कहा जाता है, उसे सीखेंगे, जिसमें मुख्य रूप से स्किकिट-लर्न पुस्तकालय का उपयोग होता है और डीप लर्निंग से बचा जाता है, जो हमारे [AI for Beginners' curriculum](https://aka.ms/ai4beginners) में कवर किया गया है। इस पाठ्यक्रम के साथ हमारे ['डेटा साइंस फॉर बिगिनर्स' curriculum](https://aka.ms/ds4beginners) को भी जोड़ें!
दुनिया भर के डेटा पर इन क्लासिक तकनीकों को लागू करते हुए हमारे साथ विश्व भ्रमण करें। प्रत्येक पाठ में प्री-लेसन और पोस्ट-लेसन क्विज़, पाठपूर्ण निर्देश, समाधान, असाइनमेंट आदि शामिल हैं। हमारा प्रोजेक्ट-आधारित तरीका आपको निर्माण करते हुए सीखने की सुविधा देता है, जो नई स्किल्स को बेहतर ढंग से सीखने का प्रमाणित तरीका है।
हमारे साथ दुनिया भर की यात्रा करें क्योंकि हम इन क्लासिक तकनीकों को दुनिया के कई क्षेत्रों के डेटा पर लागू करते हैं। प्रत्येक पाठ में पूर्व और बाद के क्विज, पाठ पूरा करने के लिए लिखित निर्देश, एक समाधान, एक असाइनमेंट, और बहुत कुछ शामिल है। हमारा परियोजना-आधारित शिक्षण तरीका आपको निर्माण करते हुए सीखने की अनुमति देता है, जो नई कौशलों को 'टिकाने' का एक सिद्ध तरीका है।
**✍️ हमारे लेखकों को हार्दिक धन्यवाद** जेन लूपर, स्टीफन हाउल, फ्रांसेस्का लज्जेरी, तोमोमी इमुरा, कैसी ब्रेवियू, दिमित्री सॉश्निकोव, क्रिस नोऱिंग, अनिरбан मुखर्जी, ऑर्नेला आल्टुन्यन, रूथ यकुबु और एमी बॉयड
**✍️ हमारे लेखकों को हार्दिक धन्यवाद** जेन लूपर, स्टीफन हॉवेल, फ्रांसेस्का लाज्जेरी, टोमोमी इमुरा, कैसी ब्रेवियू, दिमित्री सोश्निकोव, क्रिस नोरेन, अनिर्बान मुखर्जी, ऑर्नेला अल्टुनयान, रूथ याकुबु और एमी बॉयड
**🎨 हमारे चित्रकारों को भी धन्यवाद** तोमोमी इमुरा, दासानी मडिपल्ली, और जेन लूपर
**🎨 हमारे इलस्ट्रेटर्स को भी धन्यवाद** टोमोमी इमुरा, दासनी मदीपल्ली, और जेन लूपर
**🙏 विशेष धन्यवाद 🙏 हमारे Microsoft Student Ambassador लेखकों, समीक्षकों और कंटेंट सहयोगियों को**, खासकर ऋषित डागली, मोहम्मद साकिब खान इनान, रोहन राज, अलेक्ज़ान्द्रु पेट्रेसकु, अभिषेक जायसवाल, नवरीन तबस्सुम, इओन सामइला, और स्निग्धा अग्रवाल
**🙏 विशेष धन्यवाद 🙏 हमारे Microsoft Student Ambassador लेखकों, समीक्षकों, और सामग्री योगदानकर्ताओं को**, विशेष रूप से ऋषित डागली, मुहम्मद साकिब खान इनान, रोहन राज, अलेक्जेंडरु पेट्रेस्कु, अभिषेक जयसवाल, नवरिन तबस्सुम, इवान समुइला, और स्निग्धा अगरवाल
**🤩 Microsoft Student Ambassadors एरिक वांजाउ, जसलीन सोनधी, और विदुषी गुप्ता को हमारे आर लेसंस के लिए अतिरिक्त आभार!**
**🤩 अतिरिक्त कृतज्ञता Microsoft Student Ambassadors एरिक वांजाउ, जसलीन संधि, और विदुषी गुप्ता को हमारे R पाठों के लिए!**
# शुरू करना
# शुरुआत करना
इन चरणों का पालन करें:
1. **रिपॉज़िटरी को फोर्क करें**: इस पृष्ठ के ऊपर-दाएँ कोने में "Fork" बटन पर क्लिक करें।
2. **रिपॉज़िटरी को क्लोन करें**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
> [इस कोर्स के लिए हमारे Microsoft Learn संग्रह में सभी अतिरिक्त संसाधन खोजें](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
1. **रिपॉजिटरी को फोर्क करें**: इस पेज के शीर्ष-दाएँ कोने में "Fork" बटन पर क्लिक करें।
2. **रिपॉजिटरी क्लोन करें**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
> 🔧 **मदद चाहिए?** इंस्टॉलेशन, सेटअप, और पाठ चलाने से संबंधित सामान्य समस्याओं के समाधान के लिए हमारे [Troubleshooting Guide](TROUBLESHOOTING.md) देखें।
> [इस कोर्स के लिए सभी अतिरिक्त संसाधन हमारे Microsoft Learn संग्रह में पाएँ](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **मदद चाहिए?** इंस्टॉलेशन, सेटअप, और पाठ चलाने में सामान्य समस्याओं के समाधान के लिए हमारे [Troubleshooting Guide](TROUBLESHOOTING.md) को देखें।
**[छात्रों](https://aka.ms/student-page)**, इस पाठ्यक्रम का उपयोग करने के लिए, पूरे रिपॉज़िटरी को अपने GitHub अकाउंट पर फोर्क करें और अभ्यास अकेले या समूह में करें:
**[छात्रों](https://aka.ms/student-page)**, इस पाठ्यक्रम का उपयोग करने के लिए, पूरे रेपो को अपने GitHub खाते में फोर्क करें और व्यायाम अपनी तरफ से या समूह के साथ पूरे करें:
- प्री-लेक्चर क्विज़ से शुरू करें।
- प्री-लेक्चर क्विज से शुरू करें।
- व्याख्यान पढ़ें और गतिविधियाँ पूरी करें, प्रत्येक ज्ञान जांच पर रुके और विचार करें।
- समाधान कोड चलाने के बजाय पाठ समझकर परियोजनाएँ बनाने का प्रयास करें; हालांकि यह कोड प्रत्येक प्रोजेक्ट-आधारित पाठ में `/solution` फ़ोल्डर में उपलब्ध है।
- पोस्ट-लेक्चर क्विज़ लें।
- चैलेंज पूरा करें।
- असाइनमेंट पूरा करें।
- एक लेसन समूह पूरा करने के बाद, [डिस्कशन बोर्ड](https://github.com/microsoft/ML-For-Beginners/discussions) पर जाएं और उपयुक्त PAT रुब्रिक भरकर "जोर से सीखें"। 'PAT' एक प्रोग्रेस असेसमेंट टूल है जो आपकी प्रगति को ट्रैक करता है। आप अन्य PAT पर प्रतिक्रिया भी दे सकते हैं ताकि हम साथ में सीख सकें।
- पाठों को समझकर परियोजनाएँ बनाने का प्रयास करें बजाय समाधान कोड चलाने के; हालांकि वह कोड प्रत्येक परियोजना-केंद्रित पाठ में `/solution` फ़ोल्डर्स में उपलब्ध है।
- पोस्ट-लेक्चर क्विज लें।
- चुनौती पूरी करें।
- असाइनमेंट पूरी करें।
- एक पाठ समूह पूरा करने के बाद, [चर्चा बोर्ड](https://github.com/microsoft/ML-For-Beginners/discussions) पर जाएं और उपयुक्त PAT रूपरेखा भरकर "ज़ोरदार रूप से सीखें"। 'PAT' एक प्रोग्रेस असेसमेंट टूल है जो आपकी सीख को आगे बढ़ाने के लिए एक रूपरेखा है। आप अन्य PATs पर प्रतिक्रिया भी दे सकते हैं ताकि हम साथ मिलकर सीख सकें।
> आगे के अध्ययन के लिए, हम इन [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) मॉड्यूल और लर्निंग पाथ का अनुसरण करने की सलाह देते हैं।
> आगे अध्ययन के लिए, हम इन [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) मॉड्यूल और लर्निंग पथों का पालन करने की सलाह देते हैं।
**शिक्षक वर्ग**, हमने [कुछ सुझाव](for-teachers.md) शामिल किए हैं कि इस पाठ्यक्रम का उपयोग कैसे करें।
**शिक्षकों**, हमने इस पाठ्यक्रम का उपयोग करने के कुछ सुझाव [यहाँ शामिल किए हैं](for-teachers.md)।
---
## वीडियो वॉकथ्रू
कुछ पाठ छोटे वीडियो के रूप में उपलब्ध हैं। आप इन्हें सभी पाठों में इन-लाइन पा सकते हैं, या Microsoft Developer YouTube चैनल पर [ML for Beginners प्लेलिस्ट](https://aka.ms/ml-beginners-videos) पर नीचे दी गई छवि पर क्लिक करके देख सकते हैं।
कुछ पाठ अल्पकालिक वीडियो के रूप में उपलब्ध हैं। आप इन्हें पाठों में इन-लाइन पा सकते हैं, या Microsoft Developer YouTube चैनल पर [ML for Beginners प्लेलिस्ट](https://aka.ms/ml-beginners-videos) में नीचे की छवि पर क्लिक करके देख सकते हैं।
[![ML for beginners banner](../../../../translated_images/hi/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos)
[![ML for beginners banner](../../translated_images/hi/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos)
---
@ -100,79 +80,79 @@ Microsoft के Cloud Advocates एक 12-सप्ताह, 26-पाठ क
**Gif द्वारा** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
> 🎥 परियोजना और इसे बनाने वाले लोगों के बारे में वीडियो के लिए ऊपर दी गई छवि पर क्लिक करें!
> 🎥 परियोजना और इसे बनाने वाले लोगों के बारे में वीडियो देखने के लिए ऊपर की छवि पर क्लिक करें!
---
## शिक्षण पद्धति
इस पाठ्यक्रम को बनाते समय हमने दो शिक्षण सिद्धांत चुने हैं: यह सुनिश्चित करना कि यह हैंड्स-ऑन **प्रोजेक्ट-आधारित** हो और इसमें **बार-बार क्विज़** शामिल हों। इसके अलावा, इस पाठ्यक्रम में एक सामान्य **थीम** है जो इसे एकरूपता प्रदान करता है।
इस पाठ्यक्रम को बनाते समय हमने दो शिक्षण सिद्धांत चुने हैं: इसे हाथों-हाथ **परियोजना-आधारित** बनाना और इसमें **अक्सर क्विज़ शामिल** करना। इसके अलावा, इस पाठ्यक्रम का एक सामान्य **थीम** है जिससे इसे सामंजस्य मिलता है।
सामग्री को प्रोजेक्ट्स से जोड़कर, प्रक्रिया छात्रों के लिए अधिक आकर्षक हो जाती है और अवधारणाओं को बेहतर बनाए रखती है। एक कक्षा से पहले एक कम-जोखिम वाला क्विज़ छात्र के सीखने के इरादे को सेट करता है, जबकि कक्षा के बाद दूसरा क्विज़ और अच्छे से अवधारणाओं को स्थिर करता है। यह पाठ्यक्रम लचीला और मजेदार होने के लिए डिज़ाइन किया गया है और पूरे या आंशिक रूप से किया जा सकता है। परियोजनाएँ छोटी से शुरू होकर 12-सप्ताह के अंत तक जटिल हो जाती हैं। इस पाठ्यक्रम में मशीन लर्निंग के वास्तविक दुनिया के अनुप्रयोगों पर एक पोस्टस्क्रिप्ट भी शामिल है, जिसे अतिरिक्त क्रेडिट के रूप में या चर्चा के आधार के रूप में इस्तेमाल किया जा सकता है।
यह सुनिश्चित करके कि सामग्री परियोजनाओं के अनुरूप है, प्रक्रिया छात्रों के लिए अधिक आकर्षक बनती है और अवधारणाओं की पकड़ बढ़ेगी। इसके अलावा, क्लास से पहले एक कम-दांव वाला क्विज़ छात्र की एक विषय सीखने की इच्छा निर्धारित करता है, जबकि क्लास के बाद दूसरा क्विज़ और भी बेहतर पकड़ सुनिश्चित करता है। यह पाठ्यक्रम लचीला और मजेदार है और इसे पूरा या आंशिक रूप से लिया जा सकता है। परियोजनाएं छोटी शुरू होती हैं और 12 सप्ताह के चक्र के अंत तक धीरे-धीरे जटिल होती चली जाती हैं। यह पाठ्यक्रम मशीन लर्निंग के वास्तविक अनुप्रयोगों पर एक पश्चलिपि भी शामिल करता है, जिसे अतिरिक्त क्रेडिट या चर्चा के आधार के रूप में उपयोग किया जा सकता है।
> हमारे [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md), और [Troubleshooting](TROUBLESHOOTING.md) दिशानिर्देश देखें। हम आपके रचनात्मक सुझावों का स्वागत करते हैं!
## प्रत्येक पाठ में शामिल हैं
- वैकल्पिक स्केचनोट
- वैकल्पिक पूरक वीडियो
- वीडियो वॉकथ्रू (कुछ पाठों में ही)
- [प्री-लेक्चर वार्मअप क्विज़](https://ff-quizzes.netlify.app/en/ml/)
- वैकल्पिक सहायक वीडियो
- वीडियो वॉकथ्रू (कुछ पाठ केवल)
- [प्री-लेक्चर वार्मअप क्विज](https://ff-quizzes.netlify.app/en/ml/)
- लिखित पाठ
- प्रोजेक्ट-आधारित पाठ के लिए, परियोजना बनाने के चरण-दर-चरण गाइड
- परियोजना-आधारित पाठों के लिए परियोजना बनाने के चरण-दर-चरण मार्गदर्शक
- ज्ञान जांच
- एक चुनौती
- पूरक अध्ययन सामग्री
- सहायक पठन सामग्री
- असाइनमेंट
- [पोस्ट-लेक्चर क्विज़](https://ff-quizzes.netlify.app/en/ml/)
> **भाषाओं के बारे में एक नोट**: ये पाठ मुख्य रूप से Python में लिखे गए हैं, लेकिन कई R में भी उपलब्ध हैं। R पाठ पूरा करने के लिए, `/solution` फ़ोल्डर में जाकर R पाठ खोजें। इनमें .rmd एक्सटेंशन होता है जो एक **R Markdown** फ़ाइल को दर्शाता है, जिसे सरलता से `कोड चंक` (R या अन्य भाषाओं के) और `YAML हेडर` (जो आउटपुट, जैसे PDF, को फ़ॉर्मैट करने का मार्गदर्शन करता है) का सम्मिलन कहा जा सकता है। इसलिए, यह डेटा साइंस के लिए एक आदर्श लेखक फ्रेमवर्क है क्योंकि यह आपको अपने कोड, उसके आउटपुट, और अपने विचारों को Markdown में लिखने की अनुमति देता है। इसके अलावा, R Markdown दस्तावेज़ों को PDF, HTML, या Word जैसे आउटपुट स्वरूपों में रेंडर किया जा सकता है।
> **क्विज़ के बारे में एक नोट**: सभी क्विज़ [Quiz App folder](../../quiz-app) में शामिल हैं, जिनमें प्रत्येक में तीन प्रश्नों वाले कुल 52 क्विज़ हैं। वे पाठों के भीतर लिंक किए गए हैं लेकिन क्विज़ ऐप को स्थानीय रूप से भी चलाया जा सकता है; स्थानीय रूप से होस्ट या Azure पर तैनात करने के निर्देश `quiz-app` फ़ोल्डर में देखें।
| Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author |
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
| 01 | मशीन लर्निंग का परिचय | [Introduction](1-Introduction/README.md) | मशीन लर्निंग के पीछे के मूलभूत सिद्धांतों को सीखें | [Lesson](1-Introduction/1-intro-to-ML/README.md) | मुहम्मद |
| 02 | मशीन लर्निंग का इतिहास | [Introduction](1-Introduction/README.md) | इस क्षेत्र की ऐतिहासिक पृष्ठभूमि को जानें | [Lesson](1-Introduction/2-history-of-ML/README.md) | जेन और एमी |
| 03 | निष्पक्षता और मशीन लर्निंग | [Introduction](1-Introduction/README.md) | मशीन लर्निंग मॉडल बनाने और लागू करने में जो महत्वपूर्ण दार्शनिक मुद्दें होते हैं उन्हें समझें | [Lesson](1-Introduction/3-fairness/README.md) | टोमोमी |
| 04 | मशीन लर्निंग के तकनीकियाँ | [Introduction](1-Introduction/README.md) | मशीन लर्निंग के शोधकर्ता कौन-कौन सी तकनीकें उपयोग करते हैं मॉडल बनाने के लिए? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | क्रिस और जेन |
| 05 | रिग्रेशन का परिचय | [Regression](2-Regression/README.md) | रिग्रेशन मॉडल के लिए Python और Scikit-learn के साथ शुरूआत करें | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | जेन • एरिक वांजाउ |
| 06 | उत्तर अमेरिका के कद्दू के दाम 🎃 | [Regression](2-Regression/README.md) | मशीन लर्निंग के लिए डेटा को visualize और साफ़ करें | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | जेन • एरिक वांजाउ |
| 07 | उत्तर अमेरिका के कद्दू के दाम 🎃 | [Regression](2-Regression/README.md) | रैखिक और बहुपद रिग्रेशन मॉडल बनाएं | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | जेन और द्मित्री • एरिक वांजाउ |
| 08 | उत्तर अमेरिका के कद्दू के दाम 🎃 | [Regression](2-Regression/README.md) | लॉजिस्टिक रिग्रेशन मॉडल बनाएं | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | जेन • एरिक वांजाउ |
| 09 | एक वेब ऐप 🔌 | [Web App](3-Web-App/README.md) | अपने प्रशिक्षित मॉडल का उपयोग करने के लिए वेब ऐप बनाएं | [Python](3-Web-App/1-Web-App/README.md) | जेन |
| 10 | वर्गीकरण का परिचय | [Classification](4-Classification/README.md) | अपने डेटा को साफ़ करें, तैयार करें और visualize करें; वर्गीकरण का परिचय | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | जेन और कैसी • एरिक वांजाउ |
| 11 | स्वादिष्ट एशियाई और भारतीय व्यंजनों 🍜 | [Classification](4-Classification/README.md) | वर्गीकरणकों का परिचय | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | जेन और कैसी • एरिक वांजाउ |
| 12 | स्वादिष्ट एशियाई और भारतीय व्यंजनों 🍜 | [Classification](4-Classification/README.md) | अधिक वर्गीकरणक | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | जेन और कैसी • एरिक वांजाउ |
| 13 | स्वादिष्ट एशियाई और भारतीय व्यंजनों 🍜 | [Classification](4-Classification/README.md) | अपने मॉडल का उपयोग कर एक recommender वेब ऐप बनाएं | [Python](4-Classification/4-Applied/README.md) | जेन |
| 14 | क्लस्टरिंग का परिचय | [Clustering](5-Clustering/README.md) | अपने डेटा को साफ़ करें, तैयार करें और visualize करें; क्लस्टरिंग का परिचय | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | जेन • एरिक वांजाउ |
| 15 | नाइजीरियाई संगीत रुचियों का अन्वेषण 🎧 | [Clustering](5-Clustering/README.md) | K-Means क्लस्टरिंग विधि को खोजें | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | जेन • एरिक वांजाउ |
| 16 | प्राकृतिक भाषा संसाधन परिचय ☕️ | [Natural language processing](6-NLP/README.md) | एक सरल बोट बनाकर NLP की मूल बातें सीखें | [Python](6-NLP/1-Introduction-to-NLP/README.md) | स्टीफन |
| 17 | सामान्य NLP कार्य ☕️ | [Natural language processing](6-NLP/README.md) | भाषा संरचनाओं से निपटने के लिए आवश्यक सामान्य कार्यों को समझकर अपनी NLP ज्ञान को गहरा करें | [Python](6-NLP/2-Tasks/README.md) | स्टीफन |
| 18 | अनुवाद और भावना विश्लेषण ♥️ | [Natural language processing](6-NLP/README.md) | जेन ऑस्टेन के साथ अनुवाद और भावना विश्लेषण | [Python](6-NLP/3-Translation-Sentiment/README.md) | स्टीफन |
| 19 | यूरोप के रोमांटिक होटल ♥️ | [Natural language processing](6-NLP/README.md) | होटल समीक्षाओं के साथ भावना विश्लेषण 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | स्टीफन |
| 20 | यूरोप के रोमांटिक होटल ♥️ | [Natural language processing](6-NLP/README.md) | होटल समीक्षाओं के साथ भावना विश्लेषण 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | स्टीफन |
| 21 | टाइम सीरीज भविष्यवाणी का परिचय | [Time series](7-TimeSeries/README.md) | टाइम सीरीज भविष्यवाणी का परिचय | [Python](7-TimeSeries/1-Introduction/README.md) | फ्रांसेस्का |
| 22 | ⚡️ विश्व ऊर्जा उपयोग ⚡️ - ARIMA के साथ टाइम सीरीज भविष्यवाणी | [Time series](7-TimeSeries/README.md) | ARIMA के साथ टाइम सीरीज भविष्यवाणी | [Python](7-TimeSeries/2-ARIMA/README.md) | फ्रांसेस्का |
| 23 | ⚡️ विश्व ऊर्जा उपयोग ⚡️ - SVR के साथ टाइम सीरीज भविष्यवाणी | [Time series](7-TimeSeries/README.md) | Support Vector Regressor के साथ टाइम सीरीज भविष्यवाणी | [Python](7-TimeSeries/3-SVR/README.md) | अनिर्बान |
| 24 | सुदृढीकरण शिक्षण का परिचय | [Reinforcement learning](8-Reinforcement/README.md) | Q-Learning के साथ सुदृढीकरण शिक्षण का परिचय | [Python](8-Reinforcement/1-QLearning/README.md) | द्मित्री |
| 25 | पीटर को भेड़िये से बचाएं! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | सुदृढीकरण शिक्षण जिम | [Python](8-Reinforcement/2-Gym/README.md) | द्मित्री |
| Postscript | वास्तविक दुनिया के ML परिदृश्य और अनुप्रयोग | [ML in the Wild](9-Real-World/README.md) | क्लासिकल ML के रोचक और प्रकट करने वाले वास्तविक दुनिया अनुप्रयोग | [Lesson](9-Real-World/1-Applications/README.md) | टीम |
| Postscript | RAI डैशबोर्ड के साथ ML में मॉडल डिबगिंग | [ML in the Wild](9-Real-World/README.md) | Responsible AI डैशबोर्ड घटकों का उपयोग करके मशीन लर्निंग में मॉडल डिबगिंग | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | रुथ याकुबू |
> [इस पाठ्यक्रम के लिए सभी अतिरिक्त संसाधन हमारे Microsoft Learn संग्रह में खोजें](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
- [पोस्ट-लेक्चर क्विज](https://ff-quizzes.netlify.app/en/ml/)
> **भाषाओं के बारे में एक नोट**: ये पाठ मुख्य रूप से Python में लिखे गए हैं, लेकिन कई R में भी उपलब्ध हैं। R पाठ पूरा करने के लिए, `/solution` फ़ोल्डर पर जाएं और R पाठ खोजें। इनमें .rmd एक्सटेंशन होता है जो एक **R Markdown** फ़ाइल का प्रतिनिधित्व करता है, जिसे सरलता से `code chunks` (R या अन्य भाषाओं के) और `YAML header` (जो PDF जैसे आउटपुट को कैसे फॉर्मेट करना है, निर्देश देता है) के साथ एक `Markdown दस्तावेज़` के रूप में परिभाषित किया जा सकता है। इस प्रकार, यह डेटा साइंस के लिए एक उत्कृष्ट लेखन ढांचा प्रस्तुत करता है क्योंकि यह आपको अपने कोड, उसके आउटपुट, और अपने विचारों को Markdown में लिखने की अनुमति देता है। इसके अलावा, R Markdown दस्तावेज़ PDF, HTML, या Word जैसे आउटपुट फ़ॉर्मेट के लिए रेंडर किए जा सकते हैं।
> **क्विज़ के बारे में एक नोट**: सभी क्विज़ [Quiz App folder](../../quiz-app) में संकलित हैं, जिनमें कुल 52 क्विज़ हैं और हर एक में तीन प्रश्न हैं। ये पाठों के भीतर लिंक किए गए हैं लेकिन क्विज़ ऐप को स्थानीय रूप से भी चलाया जा सकता है; `quiz-app` फ़ोल्डर में दिए निर्देशों का पालन करें ताकि इसे स्थानीय रूप से होस्ट या Azure पर डिप्लॉय किया जा सके।
| पाठ संख्या | विषय | पाठ समूह | सीखने के उद्देश्य | लिंक्ड पाठ | लेखक |
| :--------: | :------------------------------------------------------------: | :-----------------------------------------: | ---------------------------------------------------------------------------------------------------------------------------- | :---------------------------------------------------------------------------------------------------------------------------------: | :----------------------------------------------: |
| 01 | मशीन लर्निंग का परिचय | [परिचय](1-Introduction/README.md) | मशीन लर्निंग के मूलभूत सिद्धांत सीखें | [पाठ](1-Introduction/1-intro-to-ML/README.md) | मोहम्मद |
| 02 | मशीन लर्निंग का इतिहास | [परिचय](1-Introduction/README.md) | इस क्षेत्र के तहत आने वाले इतिहास को जानें | [पाठ](1-Introduction/2-history-of-ML/README.md) | जेन और एमी |
| 03 | निष्पक्षता और मशीन लर्निंग | [परिचय](1-Introduction/README.md) | मशीन लर्निंग मॉडल बनाने और लागू करने में निष्पक्षता के महत्वपूर्ण दार्शनिक मुद्दे क्या हैं जिन्हें छात्रों को ध्यान में रखना चाहिए? | [पाठ](1-Introduction/3-fairness/README.md) | टोमौमी |
| 04 | मशीन लर्निंग के तकनीकें | [परिचय](1-Introduction/README.md) | मशीन लर्निंग मॉडल बनाने के लिए शोधकर्ता किन तकनीकों का उपयोग करते हैं? | [पाठ](1-Introduction/4-techniques-of-ML/README.md) | क्रिस और जेन |
| 05 | प्रत्याशा का परिचय | [Regression](2-Regression/README.md) | प्रतिगमन मॉडल के लिए पाइथन और स्किकेट-लर्न के साथ शुरुआत करें | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | जेन • एरिक वांजाउ |
| 06 | उत्तर अमेरिकी कद्दू की कीमतें 🎃 | [Regression](2-Regression/README.md) | मशीन लर्निंग के लिए डेटा की सफाई और दृश्यांकन करें | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | जेन • एरिक वांजाउ |
| 07 | उत्तर अमेरिकी कद्दू की कीमतें 🎃 | [Regression](2-Regression/README.md) | रैखिक और बहुपदीय प्रतिगमन मॉडल बनाएं | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | जेन और दिमित्रि • एरिक वांजाउ |
| 08 | उत्तर अमेरिकी कद्दू की कीमतें 🎃 | [Regression](2-Regression/README.md) | एक लॉजिस्टिक प्रतिगमन मॉडल बनाएं | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | जेन • एरिक वांजाउ |
| 09 | एक वेब ऐप 🔌 | [Web App](3-Web-App/README.md) | अपना प्रशिक्षित मॉडल उपयोग करने के लिए एक वेब ऐप बनाएं | [Python](3-Web-App/1-Web-App/README.md) | जेन |
| 10 | वर्गीकरण का परिचय | [Classification](4-Classification/README.md) | अपने डेटा को साफ़, तैयार और विज़ुअलाइज़ करें; वर्गीकरण का परिचय | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | जेन और कैसी • एरिक वांजाउ |
| 11 | स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜 | [Classification](4-Classification/README.md) | वर्गीकारकों का परिचय | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | जेन और कैसी • एरिक वांजाउ |
| 12 | स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜 | [Classification](4-Classification/README.md) | और वर्गीकरणकर्ता | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | जेन और कैसी • एरिक वांजाउ |
| 13 | स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜 | [Classification](4-Classification/README.md) | अपने मॉडल का उपयोग करके एक अनुशंसा वेब ऐप बनाएं | [Python](4-Classification/4-Applied/README.md) | जेन |
| 14 | क्लस्टरिंग का परिचय | [Clustering](5-Clustering/README.md) | अपने डेटा को साफ़, तैयार और विज़ुअलाइज़ करें; क्लस्टरिंग का परिचय | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | जेन • एरिक वांजाउ |
| 15 | नाइजीरियाई संगीत रुचियों की खोज 🎧 | [Clustering](5-Clustering/README.md) | K-मीन्स क्लस्टरिंग विधि की खोज करें | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | जेन • एरिक वांजाउ |
| 16 | प्राकृतिक भाषा संसाधन परिचय ☕️ | [Natural language processing](6-NLP/README.md) | एक साधारण बॉट बनाकर NLP की मूल बातें सीखें | [Python](6-NLP/1-Introduction-to-NLP/README.md) | स्टीफन |
| 17 | सामान्य NLP कार्य ☕️ | [Natural language processing](6-NLP/README.md) | भाषा संरचनाओं के साथ काम करते समय आवश्यक सामान्य कार्यों को समझकर अपना NLP ज्ञान गहरा करें | [Python](6-NLP/2-Tasks/README.md) | स्टीफन |
| 18 | अनुवाद और भाव विश्लेषण ♥️ | [Natural language processing](6-NLP/README.md) | जेन ऑस्टिन के साथ अनुवाद और भाव विश्लेषण | [Python](6-NLP/3-Translation-Sentiment/README.md) | स्टीफन |
| 19 | यूरोप के रोमांटिक होटल ♥️ | [Natural language processing](6-NLP/README.md) | होटल समीक्षाओं के साथ भावना विश्लेषण 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | स्टीफन |
| 20 | यूरोप के रोमांटिक होटल ♥️ | [Natural language processing](6-NLP/README.md) | होटल समीक्षाओं के साथ भावना विश्लेषण 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | स्टीफन |
| 21 | समय श्रृंखला पूर्वानुमान परिचय | [Time series](7-TimeSeries/README.md) | समय श्रृंखला पूर्वानुमान का परिचय | [Python](7-TimeSeries/1-Introduction/README.md) | फ्रांसेस्का |
| 22 | ⚡️ विश्व विद्युत उपयोग ⚡️ - ARIMA के साथ समय श्रृंखला पूर्वानुमान | [Time series](7-TimeSeries/README.md) | ARIMA के साथ समय श्रृंखला पूर्वानुमान | [Python](7-TimeSeries/2-ARIMA/README.md) | फ्रांसेस्का |
| 23 | ⚡️ विश्व विद्युत उपयोग ⚡️ - SVR के साथ समय श्रृंखला पूर्वानुमान | [Time series](7-TimeSeries/README.md) | सपोर्ट वेक्टर रिग्रेशन के साथ समय श्रृंखला पूर्वानुमान | [Python](7-TimeSeries/3-SVR/README.md) | अनिर्बन |
| 24 | पुनर्योजन शिक्षण का परिचय | [Reinforcement learning](8-Reinforcement/README.md) | क्यू-लर्निंग के साथ पुनर्योजन शिक्षण का परिचय | [Python](8-Reinforcement/1-QLearning/README.md) | दिमित्रि |
| 25 | पीटर को भेड़िये से बचाने में मदद करें! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | पुनर्योजन शिक्षण जिम | [Python](8-Reinforcement/2-Gym/README.md) | दिमित्रि |
| उपसंहार | वास्तविक दुनिया के ML परिदृश्य और अनुप्रयोग | [ML in the Wild](9-Real-World/README.md) | क्लासिक मशीन लर्निंग के दिलचस्प और प्रकट करने वाले वास्तविक दुनिया के अनुप्रयोग | [पाठ](9-Real-World/1-Applications/README.md) | टीम |
| उपसंहार | RAI डैशबोर्ड का उपयोग करके ML में मॉडल डिबगिंग | [ML in the Wild](9-Real-World/README.md) | जिम्मेदार AI डैशबोर्ड घटकों का उपयोग करके मशीन लर्निंग में मॉडल डिबगिंग | [पाठ](9-Real-World/2-Debugging-ML-Models/README.md) | रूथ याकूबू |
> [इस पाठ्यक्रम के लिए हमारे Microsoft Learn संग्रह में सभी अतिरिक्त संसाधन खोजें](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## ऑफलाइन एक्सेस
आप इस दस्तावेज़ को ऑफलाइन [Docsify](https://docsify.js.org/#/) का उपयोग करके चला सकते हैं। इस रिपॉजिटरी को फोर्क करें, अपने स्थानीय मशीन पर [Docsify इंस्टॉल करें](https://docsify.js.org/#/quickstart), और फिर इस रिपॉजिटरी के रूट फ़ोल्डर में `docsify serve` टाइप करें। वेबसाइट आपके लोकलहोस्ट पर पोर्ट 3000 पर चलायी जाएगी: `localhost:3000`।
आप [Docsify](https://docsify.js.org/#/) का उपयोग करके इस दस्तावेज़ को ऑफलाइन चला सकते हैं। इस रिपो को फोर्क करें, अपने स्थानीय मशीन पर [Docsify इंस्टॉल करें](https://docsify.js.org/#/quickstart), और फिर इस रिपो की रूट फ़ोल्डर में `docsify serve` टाइप करें। वेबसाइट आपके लोकलहोस्ट पर पोर्ट 3000 पर सर्व की जाएगी: `localhost:3000`।
## पीडीएफ
लर्निंग पाठ्यक्रम का पीडीएफ लिंक के साथ [यहाँ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) उपलब्ध है।
लिंक के साथ पाठ्यक्रम की पीडीएफ [यहाँ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) पाएं।
## 🎒 अन्य पाठ्यक्रम
## 🎒 अन्य पाठ्यक्रम
हमारी टीम अन्य पाठ्यक्रम बनाती है! देखें:
हमारी टीम अन्य पाठ्यक्रम भी बनाती है! देखें:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -189,38 +169,38 @@ Microsoft के Cloud Advocates एक 12-सप्ताह, 26-पाठ क
---
### Generative AI Series
[![शुरुआत करने वालों के लिए जनरेटिव AI](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![जनरेटिव AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[![जनरेटिव AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[![जनरेटिव AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### जनरेटिव AI सीरीज
[![शुरुआत के लिए जनरेटिव एआई](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![जनरेटिव एआई (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[![जनरेटिव एआई (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[![जनरेटिव एआई (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### मूल सीखना
[![शुरुआत करने वालों के लिए ML](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[![शुरुआत करने वालों के लिए डेटा साइंस](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[![शुरुआत करने वालों के लिए AI](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[![शुरुआत करने वालों के लिए साइबरसिक्योरिटी](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[![शुरुआत करने वालों के लिए वेब डेवलपमेंट](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![शुरुआत करने वालों के लिए IoT](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[![शुरुआत करने वालों के लिए XR डेवलपमेंट](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
### मुख्य सीखने
[![शुरुआती के लिए एमएल](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[![शुरुआती के लिए डेटा साइंस](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[![शुरुआती के लिए एआई](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[![शुरुआती के लिए साइबर सुरक्षा](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[![शुरुआती के लिए वेब डेवलपमेंट](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![शुरुआती के लिए आईओटी](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[![शुरुआती के लिए एक्सआर डेवलपमेंट](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### कोपायलट श्रृंखला
[![AI पेयर प्रोग्रामिंग के लिए कोपायलट](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[![C#/.NET के लिए कोपायलट](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[![कोपायलट एडवेंचर](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
### कोपाइलट सीरीज
[![एआई पियर्ड प्रोग्रामिंग के लिए कोपाइलट](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[![C#/.NET के लिए कोपाइलट](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[![कोपाइलट एडवेंचर](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
## सहायता प्राप्त करना
## मदद पाना
यदि आप फंस जाते हैं या AI ऐप बनाने के बारे में कोई सवाल है। साथी शिक्षार्थियों और अनुभवी डेवलपर्स के साथ MCP पर चर्चा में शामिल हों। यह एक सहायक समुदाय है जहाँ प्रश्न स्वागत योग्य हैं और ज्ञान स्वतंत्र रूप से साझा किया जाता है।
यदि आप अटक जाते हैं या AI ऐप्स बनाने के बारे में कोई सवाल है। MCP के बारे में चर्चा में साथ सीखने वालों और अनुभवी डेवलपर्स के साथ जुड़ें। यह एक सहायक समुदाय है जहाँ प्रश्नों का स्वागत है और ज्ञान स्वतंत्र रूप से साझा किया जाता है।
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
यदि आपके पास उत्पाद प्रतिक्रिया या निर्माण के दौरान त्रुटियाँ हैं तो जाएँ:
यदि आपके पास उत्पाद फीडबैक है या निर्माण के दौरान त्रुटियाँ हैं, तो यहाँ जाएँ:
[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)
@ -228,5 +208,5 @@ Microsoft के Cloud Advocates एक 12-सप्ताह, 26-पाठ क
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**अस्वीकरण**:
यह दस्तावेज़ AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) का उपयोग करके अनुवादित किया गया है। हालांकि हम सटीकता के लिए प्रयासरत हैं, कृपया ध्यान रखें कि स्वचालित अनुवादों में त्रुटियाँ या अशुद्धियाँ हो सकती हैं। मूल दस्तावेज़ अपनी मूल भाषा में अधिकारिक स्रोत माना जाना चाहिए। महत्वपू‍र्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सलाह दी जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम जिम्मेदार नहीं हैं।
यह दस्तावेज़ AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता के लिए प्रयासरत हैं, कृपया ध्यान दें कि स्वचालित अनुवाद में त्रुटियां या अशुद्धियां हो सकती हैं। मूल भाषा में दस्तावेज़ को अधिकारिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम जिम्मेदार नहीं हैं।
<!-- CO-OP TRANSLATOR DISCLAIMER END -->

9
translations/hi/SECURITY.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5e1b8da31aae9cca3d53ad243fa3365a",
"translation_date": "2025-09-03T22:13:17+00:00",
"source_file": "SECURITY.md",
"language_code": "hi"
}
-->
## सुरक्षा
Microsoft हमारे सॉफ़्टवेयर उत्पादों और सेवाओं की सुरक्षा को गंभीरता से लेता है, जिसमें हमारे GitHub संगठनों के माध्यम से प्रबंधित सभी स्रोत कोड रिपॉजिटरी शामिल हैं, जैसे [Microsoft](https://github.com/Microsoft), [Azure](https://github.com/Azure), [DotNet](https://github.com/dotnet), [AspNet](https://github.com/aspnet), [Xamarin](https://github.com/xamarin), और [हमारे GitHub संगठन](https://opensource.microsoft.com/)।

9
translations/hi/SUPPORT.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "09623d7343ff1c26ff4f198c1b2d3176",
"translation_date": "2025-10-03T11:49:20+00:00",
"source_file": "SUPPORT.md",
"language_code": "hi"
}
-->
# समर्थन
## समस्याओं को दर्ज करने और सहायता प्राप्त करने का तरीका

9
translations/hi/TROUBLESHOOTING.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "134d8759f0e2ab886e9aa4f62362c201",
"translation_date": "2025-10-03T12:40:53+00:00",
"source_file": "TROUBLESHOOTING.md",
"language_code": "hi"
}
-->
# समस्या निवारण गाइड
यह गाइड आपको Machine Learning for Beginners पाठ्यक्रम के साथ काम करते समय आम समस्याओं को हल करने में मदद करता है। यदि आपको यहां समाधान नहीं मिलता है, तो कृपया हमारे [Discord Discussions](https://aka.ms/foundry/discord) देखें या [एक समस्या दर्ज करें](https://github.com/microsoft/ML-For-Beginners/issues)।

9
translations/hi/docs/_sidebar.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "68dd06c685f6ce840e0acfa313352e7c",
"translation_date": "2025-09-03T23:14:17+00:00",
"source_file": "docs/_sidebar.md",
"language_code": "hi"
}
-->
- परिचय
- [मशीन लर्निंग का परिचय](../1-Introduction/1-intro-to-ML/README.md)
- [मशीन लर्निंग का इतिहास](../1-Introduction/2-history-of-ML/README.md)

9
translations/hi/for-teachers.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b37de02054fa6c0438ede6fabe1fdfb8",
"translation_date": "2025-09-03T22:14:14+00:00",
"source_file": "for-teachers.md",
"language_code": "hi"
}
-->
## शिक्षकों के लिए
क्या आप इस पाठ्यक्रम का उपयोग अपनी कक्षा में करना चाहेंगे? कृपया बेझिझक इसका उपयोग करें!

9
translations/hi/quiz-app/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "6d130dffca5db70d7e615f926cb1ad4c",
"translation_date": "2025-09-03T23:48:35+00:00",
"source_file": "quiz-app/README.md",
"language_code": "hi"
}
-->
# क्विज़
ये क्विज़ ML पाठ्यक्रम के लिए पूर्व-व्याख्यान और पश्चात-व्याख्यान क्विज़ हैं, जो https://aka.ms/ml-beginners पर उपलब्ध है।

9
translations/hi/sketchnotes/LICENSE.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fba3b94d88bfb9b81369b869a1e9a20f",
"translation_date": "2025-09-04T00:12:53+00:00",
"source_file": "sketchnotes/LICENSE.md",
"language_code": "hi"
}
-->
अट्रिब्यूशन-शेयरअलाइक 4.0 इंटरनेशनल
=======================================================================

9
translations/hi/sketchnotes/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a88d5918c1b9da69a40d917a0840c497",
"translation_date": "2025-09-04T00:05:13+00:00",
"source_file": "sketchnotes/README.md",
"language_code": "hi"
}
-->
सभी पाठ्यक्रम के स्केच नोट्स यहां से डाउनलोड किए जा सकते हैं।
🖨 उच्च-रिज़ॉल्यूशन में प्रिंटिंग के लिए, TIFF संस्करण [इस रिपॉजिटरी](https://github.com/girliemac/a-picture-is-worth-a-1000-words/tree/main/ml/tiff) में उपलब्ध हैं।

Some files were not shown because too many files have changed in this diff Show More

Write Preview
Loading…
Cancel
Save