From 4c5692cf979e031acd10cc72cc04409349f699ef Mon Sep 17 00:00:00 2001 From: "localizeflow[bot]" Date: Mon, 6 Apr 2026 17:43:51 +0000 Subject: [PATCH] chore(i18n): sync translations with latest source changes (chunk 1/1, 6 changes) --- translations/et/.co-op-translator.json | 4 +- translations/et/README.md | 232 +++++++++++----------- translations/pcm/.co-op-translator.json | 4 +- translations/pcm/README.md | 161 ++++++++-------- translations/ta/.co-op-translator.json | 4 +- translations/ta/README.md | 243 ++++++++++++------------ 6 files changed, 319 insertions(+), 329 deletions(-) diff --git a/translations/et/.co-op-translator.json b/translations/et/.co-op-translator.json index 3cb5c5ae1..befa8e9fd 100644 --- a/translations/et/.co-op-translator.json +++ b/translations/et/.co-op-translator.json @@ -552,8 +552,8 @@ "language_code": "et" }, "README.md": { - "original_hash": "f7d55bf70beaab82d4621c0860301a64", - "translation_date": "2026-03-17T08:41:42+00:00", + "original_hash": "7fb48097f57e680b380cd9aae988d317", + "translation_date": "2026-04-06T17:42:10+00:00", "source_file": "README.md", "language_code": "et" }, diff --git a/translations/et/README.md b/translations/et/README.md index 93f7e79ca..6290fbbe0 100644 --- a/translations/et/README.md +++ b/translations/et/README.md @@ -10,14 +10,14 @@ ### 🌐 Mitmekeelne tugi -#### Toetatud GitHub Actioni kaudu (Automaatne ja alati ajakohane) +#### Toetatuna GitHub Actioni kaudu (automatiseeritud ja alati ajakohane) -[araabia](../ar/README.md) | [bengali](../bn/README.md) | [bulgaaria](../bg/README.md) | [burma (Myanmar)](../my/README.md) | [hiina (lihtsustatud)](../zh-CN/README.md) | [hiina (traditsiooniline, Hongkong)](../zh-HK/README.md) | [hiina (traditsiooniline, Macau)](../zh-MO/README.md) | [hiina (traditsiooniline, Taiwan)](../zh-TW/README.md) | [horvaadi](../hr/README.md) | [tšehhi](../cs/README.md) | [taani](../da/README.md) | [hollandi](../nl/README.md) | [eesti](./README.md) | [soome](../fi/README.md) | [prantsuse](../fr/README.md) | [saksa](../de/README.md) | [kreeka](../el/README.md) | [heebrea](../he/README.md) | [hindi](../hi/README.md) | [ungari](../hu/README.md) | [indoneesia](../id/README.md) | [itaalia](../it/README.md) | [jaapani](../ja/README.md) | [kannada](../kn/README.md) | [korea](../ko/README.md) | [leedu](../lt/README.md) | [malai](../ms/README.md) | [malajalami](../ml/README.md) | [marathi](../mr/README.md) | [nepali](../ne/README.md) | [Nigeeria pidgin](../pcm/README.md) | [norra](../no/README.md) | [pärsia (farsi)](../fa/README.md) | [poola](../pl/README.md) | [portugali (Brasiilia)](../pt-BR/README.md) | [portugali (Portugali)](../pt-PT/README.md) | [penjabi (Gurmukhi)](../pa/README.md) | [rumeenia](../ro/README.md) | [vene](../ru/README.md) | [serbia (kirilitsa)](../sr/README.md) | [slovaki](../sk/README.md) | [sloveeni](../sl/README.md) | [hispaania](../es/README.md) | [suahiili](../sw/README.md) | [rootsi](../sv/README.md) | [tagalogi (filipino)](../tl/README.md) | [tamiili](../ta/README.md) | [telegu](../te/README.md) | [tai](../th/README.md) | [türgi](../tr/README.md) | [ukraina](../uk/README.md) | [urdu](../ur/README.md) | [vietnami](../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](./README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/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) -> **Eelistad kloonimist lokaalselt?** +> **Eelistate kloonida lokaalselt?** > -> See hoidla sisaldab üle 50 keele tõlkeid, mis suurendavad oluliselt allalaadimismahtu. Tõlgete ilma kloonimiseks kasuta harvendatud kontrolli (sparse checkout): +> Käesolevas hoidlas on üle 50 keele tõlked, mis suurendavad oluliselt allalaadimise mahtu. Tõlketeta kloonimiseks kasutage altvalikut (sparse checkout): > > **Bash / macOS / Linux:** > ```bash @@ -33,65 +33,65 @@ > git sparse-checkout set --no-cone "/*" "!translations" "!translated_images" > ``` > -> See annab sulle kõik vajaliku kursuse läbimiseks palju kiirema allalaadimisega. +> See annab teile kõik vajaliku kursuse läbimiseks palju kiirema allalaadimisega. #### Liitu meie kogukonnaga [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Meil on käimas Discordis õppesari AI-ga, saa rohkem teada ja liitu meiega aadressil [Learn with AI Series](https://aka.ms/learnwithai/discord) 18.-30. septembril 2025. Saad nippe ja trikke GitHub Copiloti kasutamiseks andmeteaduses. +Meil on käimas Discordi õppesari tehisintellekti teemadel, lisateabe ja liitumise leiad aadressilt [Learn with AI Series](https://aka.ms/learnwithai/discord) perioodil 18.–30. september 2025. Saad nõuandeid ja nippe GitHub Copiloti kasutamiseks andmeteaduses. -![Õpi AI-ga sari](../../translated_images/et/3.9b58fd8d6c373c20.webp) +![Learn with AI series](../../translated_images/et/3.9b58fd8d6c373c20.webp) # Masinõpe algajatele – õppekava -> 🌍 Rändame ümber maailma, uurides masinõpet läbi maailma kultuuride 🌍 +> 🌍 Rändame ümber maailma, uurides masinõpet maailma kultuuride kaudu 🌍 -Microsofti Cloud Advocates pakuvad 12-nädalast, 26-õpetunniga õppekava, mis käsitleb **masinõpet**. Selles õppekavas õpid seda, mida mõnikord nimetatakse **klassikaliseks masinõppeks**, kasutades peamiselt Scikit-learn'i raamatukogu ja vältides süvaõpet (mida käsitletakse meie [AI algajatele õppekavas](https://aka.ms/ai4beginners)). Ühenda need õppetunnid meie ['Andmeteadus algajatele' õppekavaga](https://aka.ms/ds4beginners)! +Microsofti Cloud Advocates on meeldiv pakkuda 12-nädalast, 26-õppetunnist koosnevat õppekava, mis käsitleb põhjalikult **masinõpet**. Selles õppekavas õpid nn **klassikalist masinõpet**, kasutades peamiselt Scikit-learn raamatukogu ja vältides süvaõpet, mida käsitletakse meie [AI algajatele õppekava](https://aka.ms/ai4beginners) raames. Ühenda need õppetunnid koos meie ['Andmeteaduse algajatele' õppekavaga](https://aka.ms/ds4beginners)! -Rändame koos ümber maailma ja rakendame neid klassikalisi meetodeid mitmesugustest piirkondadest pärit andmetele. Igas õppetükis on ette- ja järelülesanded, kirjalikud juhised ülesande täitmiseks, lahendus, kodutöö ja palju muud. Meie projektipõhine õpetus võimaldab sul õppida ehitades – see on tõestatud meetod uute oskuste kinnistamiseks. +Rända meiega ümber maailma, rakendades neid klassikalisi tehnikaid andmetele paljudelt maailma aladelt. Iga õppetunni juurde kuuluvad eel- ja järeltestid, kirjalikud juhised ülesande täitmiseks, lahendus, kodutöö ja muud. Meie projektipõhine pedagoogika võimaldab õppida praktiliselt, mis on tõestatud viis uute oskuste kinnistumiseks. -**✍️ Südamlikud tänud meie autoritele** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ja Amy Boyd +**✍️ Südamlik tänu autoritele** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ja Amy Boyd -**🎨 Tänud ka meie illustraatoritele** Tomomi Imura, Dasani Madipalli ja Jen Looper +**🎨 Tänu ka illustratsioonide tegijatele** Tomomi Imura, Dasani Madipalli ja Jen Looper -**🙏 Suur tänu meie Microsoft Student Ambassador autoritele, ülevaatajatele ja sisuloojatele**, eriti Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ja Snigdha Agarwal +**🙏 Eritänu meie Microsofti tudengisaadikute autoritele, arvustajatele ja sisuloojatele**, eriti Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ja Snigdha Agarwal -**🤩 Täiendav tänu Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi ja Vidushi Gupta R-õppetundide eest!** +**🤩 Täiendav tänu Microsofti tudengisaadikutele Eric Wanjau, Jasleen Sondhi ja Vidushi Gupta meie R-õppetundide eest!** # Alustamine Järgne neid samme: -1. **Hargne hoidla**: Vali selle lehe paremas ülanurgas nupp "Fork". -2. **Klooni hoidla**: `git clone https://github.com/microsoft/ML-For-Beginners.git` +1. **Harusta hoidla:** Klõpsa selle lehe paremas ülanurgas nuppu "Fork". +2. **Klooni hoidla:** `git clone https://github.com/microsoft/ML-For-Beginners.git` -> [Leia kõik lisamaterjalid selle kursuse jaoks meie Microsoft Learn kogumikust](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [leiad kõik selle kursuse lisamaterjalid meie Microsoft Learn kogust](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -> 🔧 **Vaja abi?** Tutvu meie [Veaotsingu juhendiga](TROUBLESHOOTING.md), kust leiad lahendusi sagedastele probleemidele paigalduse, seadistuse ja õppetundide käivitamisega. +> 🔧 **Vajate abi?** Vaadake meie [Probleemide lahendamise juhendit](TROUBLESHOOTING.md), mis aitab paigaldamise, seadistamise ja õppetundide läbiviimisega seotud tavaküsimustes. -**[Õpilased](https://aka.ms/student-page)**, et seda õppekava kasutada, tee terve hoidla hargnemine oma GitHub kontole ja tee harjutused ise või grupiga: +**[Õpilased](https://aka.ms/student-page)**, selle õppekava kasutamiseks palume kopeerida kogu hoidla oma GitHubi kontole ja lahendada harjutused individuaalselt või grupiga: -- Alusta eelloenguks mõeldud viktoriiniga. -- Loe loengut ja soorita tegevused, peatudes ja mõeldes iga teadmistekontrolli juures. -- Proovi projekte ise luua õppetundide mõistmise alusel, mitte ainult lahenduskoodi käivitades; siiski on see kood saadaval iga projektiõpetuse `/solution` kaustas. -- Tee järelviktoriin. -- Täida väljakutse. +- Alustage eel-loengu testiga. +- Loe loeng läbi ja täida harjutused, tehke paus ning mõtisklege iga teadmistekontrolli juures. +- Püüa projektid luua, mõistes õppetunde, mitte lihtsalt lahenduskoodi jooksutades; lahenduskood on siiski saadaval mõlemas vastavas `/solution` kaustas projektipõhistes õppetundides. +- Tee järel-loengu test. +- Tee väljakutse. - Täida kodutöö. -- Pärast õppetundidegrupi lõpetamist külasta [Arutelufoorumit](https://github.com/microsoft/ML-For-Beginners/discussions) ja „õpi valjult“, täites sobiva PAT hindamisskaala. 'PAT' on edenemise hindamise tööriist, mille abil saad oma õppimist süvendada. Samuti saad reageerida teiste PAT-idele, et koos õppida. +- Pärast õppegrupi lõpetamist külasta [Arutelufoorumit](https://github.com/microsoft/ML-For-Beginners/discussions) ja "õpi valjult" vastava PAT hindamislehekülje täitmisega. PAT (Progress Assessment Tool) on hinnangutabel, mida täites edendad oma õppimist. Samuti saad teiste PAT-e kommenteerida, et üheskoos õppida. -> Edasiseks õppimiseks soovitame järgida neid [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) mooduleid ja õpiteid. +> Täiendavaks õppimiseks soovitame neid [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) mooduleid ja õpperadasid. -**Õpetajad**, oleme lisanud mõningaid [soovitusi](for-teachers.md), kuidas seda õppekava kasutada. +**Õpetajad**, oleme lisanud [soovitusi](for-teachers.md) selle õppekava kasutamiseks. --- -## Video juhendid +## Videojuhendid -Mõned õppetunnid on saadaval lühikeste videotena. Kõik need leiad õppetundide sisse ehitatuna või [ML for Beginners esitusloendist Microsoft Developeri YouTube kanalil](https://aka.ms/ml-beginners-videos) pildi klõpsates. +Mõned õppetunnid on saadaval lühivideotena. Need leiad kõik õppetundide seest või Microsofti arendajate YouTube’i kanali [ML for Beginners playlistist](https://aka.ms/ml-beginners-videos) pildi pealt klõpsates. -[![ML algajate videobänner](../../translated_images/et/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) +[![ML for beginners banner](../../translated_images/et/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- @@ -99,81 +99,81 @@ Mõned õppetunnid on saadaval lühikeste videotena. Kõik need leiad õppetundi [![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) -**Gif autor** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) +**Gif autor:** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 Klõpsa ülaloleval pildil, et vaadata videot projektist ja inimestest, kes selle lõid! +> 🎥 Klõpsa ülalolevat pilti, et vaadata videot projektist ja selle loojatest! --- ## Pedagoogika -Selle õppekava loomisel valisime kaks pedagoogilist põhimõtet: tagada, et see on praktiline, **projektipõhine**, ning sisaldab **sagedasi viktoriine**. Lisaks on õppekaval ühine **teema** sidususe saavutamiseks. - -Projektidega sobiva sisu tagamine muudab protsessi õpilaste jaoks kaasahaaravamaks ja aitab kontseptsioonidel paremini meelde jääda. Madala panusega viktoriin enne tundi seab õppurile eesmärgi teemaga tutvumiseks, ning teine viktoriin pärast tundi kindlustab mõistete püsivama kinnistamise. See õppekava on paindlik ja lõbus ning seda saab läbida tervikuna või osadena. Projektid algavad väikestest ja muutuvad 12 nädala jooksul järjest keerukamaks. Õppekavas on ka järelsõna masinõppe reaalse maailma rakenduste kohta, mida saab kasutada lisapunktide või arutelualusena. - -> Leia meie [käitumiskoodeks](CODE_OF_CONDUCT.md), [panustamise juhendid](CONTRIBUTING.md), [tõlked](..) ja [veaotsingu juhendid](TROUBLESHOOTING.md). Ootame konstruktiivset tagasisidet! - -## Igas õppetükis on - -- vabatahtlik visand -- vabatahtlik lisa-video -- video juhend (ainult mõnede jaoks) -- [eelloengu soojendusviktoriin](https://ff-quizzes.netlify.app/en/ml/) -- kirjalik õppetund -- projektipõhiste õppetundide jaoks samm-sammult juhised projekti ehitamiseks -- teadmistekontrollid -- väljakutse -- täiendav lugemine -- kodutöö -- [järelviktoriin](https://ff-quizzes.netlify.app/en/ml/) - -> **Märkuse keelte kohta**: Need õppetunnid on kirjutatud peamiselt Pythonis, kuid paljud on saadaval ka R-keeles. R-õppetunni läbimiseks mine projekti `/solution` kausta ja otsi seal R-õppetunnid. Neil on .rmd laiend, mis tähendab **R Markdown** faili – sisuliselt on see `koodiblokkide` (R või muude keelte) ja `YAML päise` (mis juhib väljundite vormindamist, näiteks PDF) manustamine `Markdown dokumendis`. See on suurepärane raamistik andmeteaduse autorlustöödeks, sest võimaldab kombineerida koodi, selle väljundi ja oma mõtteid Markdownis. Lisaks saab R Markdown dokumente renderdada PDF, HTML või Word väljunditeks. -> **Märkus viktoriinide kohta**: Kõik viktoriinid asuvad kaustas [Quiz App folder](../../quiz-app), kokku 52 viktoriini, millest igaüks sisaldab kolme küsimust. Nendeni on viidatud õppetükkide sees, kuid viktoriinirakendust saab käivitada ka lokaalselt; juhised kohaliku hostimise või Azure’i pilve juurutamiseks leiad `quiz-app` kaustast. - -| Loengu number | Teema | Loengute grupp | Õpieesmärgid | Seotud loeng | Autor | -| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | -| 01 | Masinõppe tutvustus | [Introduction](1-Introduction/README.md) | Õppida masinõppe põhikontseptsioone | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad | -| 02 | Masinõppe ajalugu | [Introduction](1-Introduction/README.md) | Tutvuda selle valdkonna ajaloolise taustaga | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | -| 03 | Õiglus ja masinõpe | [Introduction](1-Introduction/README.md) | Millised on õiglusfilosoofia olulised küsimused, mida õpilased peaksid masinõppemudelite loomisel ja rakendamisel arvesse võtma? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi | -| 04 | Masinõppe tehnikad | [Introduction](1-Introduction/README.md) | Milliseid tehnikaid kasutavad masinõppe uurijad masinõppemudelite ehitamiseks? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | -| 05 | Regresseerimise tutvustus | [Regression](2-Regression/README.md) | Alustada Pythoniga ja Scikit-learniga regresseerimismudelite jaoks | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | -| 06 | Põhja-Ameerika kõrvitsa hinnad 🎃 | [Regression](2-Regression/README.md) | Andmete visualiseerimine ja puhastamine masinõppeks ettevalmistamisel | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | -| 07 | Põhja-Ameerika kõrvitsa hinnad 🎃 | [Regression](2-Regression/README.md) | Lineaarsete ja polünoomsete regressioonimudelite loomine | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau | -| 08 | Põhja-Ameerika kõrvitsa hinnad 🎃 | [Regression](2-Regression/README.md) | Logistilise regressioonimudeli loomine | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | -| 09 | Veebirakendus 🔌 | [Web App](3-Web-App/README.md) | Veebirakenduse loomine oma väljaõpetatud mudeli kasutamiseks | [Python](3-Web-App/1-Web-App/README.md) | Jen | -| 10 | Klassifitseerimise tutvustus | [Classification](4-Classification/README.md) | Andmete puhastamine, ettevalmistamine ja visualiseerimine; klassifitseerimise tutvustus | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau | -| 11 | Maitsvad Aasia ja India köögid 🍜 | [Classification](4-Classification/README.md) | Klassifikaatorite tutvustus | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau | -| 12 | Maitsvad Aasia ja India köögid 🍜 | [Classification](4-Classification/README.md) | Rohkem klassifikaatoreid | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau | -| 13 | Maitsvad Aasia ja India köögid 🍜 | [Classification](4-Classification/README.md) | Soovitusrakenduse loomine veebis oma mudelit kasutades | [Python](4-Classification/4-Applied/README.md) | Jen | -| 14 | Klasterdamise tutvustus | [Clustering](5-Clustering/README.md) | Andmete puhastamine, ettevalmistamine ja visualiseerimine; klasterdamise tutvustus | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | -| 15 | Nigeeria muusikamaitsmete avastamine 🎧 | [Clustering](5-Clustering/README.md) | Uurida K-keskmiste klasterdamismeetodit | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | -| 16 | Loodusliku keele töötlemise tutvustus ☕️ | [Natural language processing](6-NLP/README.md) | Õpi NLP põhialuseid lihtsa roboti loomise kaudu | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | -| 17 | Üldised NLP ülesanded ☕️ | [Natural language processing](6-NLP/README.md) | Sügavama NLP teadmise omandamine, mõistes keelestruktuuridega seotud tavapäraseid ülesandeid | [Python](6-NLP/2-Tasks/README.md) | Stephen | -| 18 | Tõlkimine ja sentimentide analüüs ♥️ | [Natural language processing](6-NLP/README.md) | Tõlkimine ja sentimentide analüüs Jane Austeni tekstidega | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | -| 19 | Euroopas romantilised hotellid ♥️ | [Natural language processing](6-NLP/README.md) | Sentimentide analüüs hotellide arvustustega 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | -| 20 | Euroopas romantilised hotellid ♥️ | [Natural language processing](6-NLP/README.md) | Sentimentide analüüs hotellide arvustustega 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | -| 21 | Ajaandmete ennustamise tutvustus | [Time series](7-TimeSeries/README.md) | Ajaandmete ennustamise tutvustus | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | -| 22 | ⚡️ Maailma elektritarbimine ⚡️ - ajaandmete ennustamine ARIMAga | [Time series](7-TimeSeries/README.md) | Ajaandmete ennustamine ARIMA meetodiga | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | -| 23 | ⚡️ Maailma elektritarbimine ⚡️ - ajaandmete ennustamine SVRiga | [Time series](7-TimeSeries/README.md) | Ajaandmete ennustamine tugi-vektor regressori abil | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | -| 24 | Tugevdusõppe tutvustus | [Reinforcement learning](8-Reinforcement/README.md) | Tugevdusõppe tutvustus Q-õppe abil | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | -| 25 | Aita Peteril hundist pääseda! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Tugevdusõpe Gym keskkonnas | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | -| Järelsõna | Klassikaliste masinõppelahenduste rakendused | [ML in the Wild](9-Real-World/README.md) | Huvitavad ja valgustavad reaalsed kasutusjuhtumid klassikalise masinõppe jaoks | [Lesson](9-Real-World/1-Applications/README.md) | Team | -| Järelsõna | Mudelite silumine ML-is RAI juhtpaneeli abil | [ML in the Wild](9-Real-World/README.md) | Masinõppemudelite silumine kasutades Responsible AI juhtpaneeli komponente | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | - -> [Leia kõik selle kursuse lisamaterjalid meie Microsoft Learni kogumikust](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +Selle õppekava loomisel oleme valinud kaks pedagoogilist põhimõtet: tagada praktiline, **projektipõhine** õppimine ja kaasata **sagedased testid**. Lisaks on õppekaval ühine **teema**, mis annab terviklikkuse. + +Tagades sisule vastavuse projektidele, muutub protsess õppijate jaoks kaasahaaravamaks ja kontseptsioonide meeldejätmine paraneb. Madala panusega test enne tundi seab õppija jaoks õppimiseesmärgi, teine test pärast tundi kindlustab materjali parema kinnistumise. See õppekava on paindlik ja lõbus ning seda saab võtta nii tervikuna kui ka osadena. Projektid algavad lihtsatest ja muutuvad 12-nädalase tsükli lõpuks üha keerukamaks. Õppekava lõpus on ka lisateave masinõppe reaalse maailma rakenduste kohta, mida saab kasutada lisatööna või arutelude alustamiseks. + +> Leia meie [käitumisjuhend](CODE_OF_CONDUCT.md), [panustamise juhised](CONTRIBUTING.md), [tõlketöö juhendid](..) ja [probleemide lahendamise materjalid](TROUBLESHOOTING.md). Ootame konstruktiivset tagasisidet! + +## Iga õppetund sisaldab + +- vabatahtlikku visandit +- vabatahtlikku lisavideot +- videojuhendit (ainult osa õppetundidest) +- [eel-loengu soojendustesti](https://ff-quizzes.netlify.app/en/ml/) +- kirjalikku õppetundi +- projektipõhistes õppetundides samm-sammult juhiseid projekti koostamiseks +- teadmistekontrolle +- väljakutset +- lisalugemist +- kodutööd +- [järel-loengu testi](https://ff-quizzes.netlify.app/en/ml/) +> **Märkus keeltest**: Need õppetunnid on peamiselt kirjutatud Pythonis, kuid paljud on saadaval ka R-is. R-õppetunni lõpetamiseks minge `/solution` kausta ja otsige R-õppetunde. Nende failinime laiend on .rmd, mis tähistab **R Markdowni** faili, mida võib lihtsalt määratleda kui `koodiplokkide` (R või teiste keelte) ja `YAML päise` (mis juhendab, kuidas vormindada väljundit nagu PDF) manustamist `Markdown dokumendis`. Sellisena toimib see näidismodellina andmeteaduse jaoks, kuna võimaldab teil kombineerida oma koodi, selle väljundi ja oma mõtted, lubades teil neid Markdownis kirja panna. Veelgi enam, R Markdowni dokumente saab renderdada väljundvormingutes nagu PDF, HTML või Word. + +> **Märkus viktoriinide kohta**: Kõik viktoriinid asuvad [Quiz App kaustas](../../quiz-app), kokku 52 viktoriini, igaühes kolm küsimust. Nendele on viidatud õppetundides, kuid viktoriinirakendust saab käivitada ka lokaalselt; järgige juhiseid `quiz-app` kaustas lokaalseks majutamiseks või Azure’i kasutuselevõtuks. + +| Õppetunni number | Teema | Õppetunni rühm | Õpitulemused | Seotud õppetund | Autor | +| :---------------: | :------------------------------------------------------------: | :-------------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------- | :-----------------------------------------------------------------------------------------------------------------------------------------: | :------------------------------------------------: | +| 01 | Sissejuhatus masinõppesse | [Sissejuhatus](1-Introduction/README.md) | Õppige masinõppe põhikontseptsioone | [Õppetund](1-Introduction/1-intro-to-ML/README.md) | Muhammad | +| 02 | Masinõppe ajalugu | [Sissejuhatus](1-Introduction/README.md) | Õppige selle valdkonna ajalugu | [Õppetund](1-Introduction/2-history-of-ML/README.md) | Jen ja Amy | +| 03 | Õiglus ja masinõpe | [Sissejuhatus](1-Introduction/README.md) | Millised on õiglust puudutavad olulised filosoofilised küsimused, mida õpilased peaksid arvestama masinõppemudelite loomisel ja rakendamisel? | [Õppetund](1-Introduction/3-fairness/README.md) | Tomomi | +| 04 | Masinõppe tehnikad | [Sissejuhatus](1-Introduction/README.md) | Milliseid tehnikaid kasutavad masinõppe uurijad masinõppemudelite ehitamiseks? | [Õppetund](1-Introduction/4-techniques-of-ML/README.md) | Chris ja Jen | +| 05 | Sissejuhatus regressiooni | [Regressioon](2-Regression/README.md) | Alustage Pythoni ja Scikit-learniga regressioonimudelite jaoks | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | +| 06 | Põhja-Ameerika kõrvitsahinnad 🎃 | [Regressioon](2-Regression/README.md) | Andmete visualiseerimine ja puhastamine masinõppeks valmistumiseks | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | +| 07 | Põhja-Ameerika kõrvitsahinnad 🎃 | [Regressioon](2-Regression/README.md) | Looge lineaarsed ja polünoomsed regressioonimudelid | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen ja Dmitry • Eric Wanjau | +| 08 | Põhja-Ameerika kõrvitsahinnad 🎃 | [Regressioon](2-Regression/README.md) | Looge logistilise regressiooni mudel | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | +| 09 | Veebirakendus 🔌 | [Veebirakendus](3-Web-App/README.md) | Looge veebirakendus koolitatud mudeli kasutamiseks | [Python](3-Web-App/1-Web-App/README.md) | Jen | +| 10 | Sissejuhatus klassifitseerimisse | [Klassifitseerimine](4-Classification/README.md) | Puhastage, valmistage ette ja visualiseerige oma andmeid; sissejuhatus klassifitseerimisse | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen ja Cassie • Eric Wanjau | +| 11 | Maitsvad Aasia ja India köögid 🍜 | [Klassifitseerimine](4-Classification/README.md) | Sissejuhatus klassifikaatoritesse | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen ja Cassie • Eric Wanjau | +| 12 | Maitsvad Aasia ja India köögid 🍜 | [Klassifitseerimine](4-Classification/README.md) | Rohkem klassifikaatoreid | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen ja Cassie • Eric Wanjau | +| 13 | Maitsvad Aasia ja India köögid 🍜 | [Klassifitseerimine](4-Classification/README.md) | Ehitage oma mudelit kasutav soovitusrakendus | [Python](4-Classification/4-Applied/README.md) | Jen | +| 14 | Sissejuhatus klasterdamisse | [Klasterdamine](5-Clustering/README.md) | Puhastage, valmistage ette ja visualiseerige andmeid; sissejuhatus klasterdamisse | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | +| 15 | Uuringus Nigeriast pärit muusikamaitse 🎧 | [Klasterdamine](5-Clustering/README.md) | Uurige K-Means klasterdamismeetodit | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | +| 16 | Sissejuhatus loomuliku keele töötlemisse ☕️ | [Loomuliku keele töötlemine](6-NLP/README.md) | Õppige NLP aluseid, luues lihtsa boti | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | +| 17 | Levinumad NLP ülesanded ☕️ | [Loomuliku keele töötlemine](6-NLP/README.md) | Süvendage NLP teadmisi, mõistes keelestruktuuridega tegelemisel vajalikke tavapäraseid ülesandeid | [Python](6-NLP/2-Tasks/README.md) | Stephen | +| 18 | Tõlkimine ja sentimentide analüüs ♥️ | [Loomuliku keele töötlemine](6-NLP/README.md) | Tõlkimine ja sentimentide analüüs Jane Austeni tekstide alusel | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | +| 19 | Euroopas asuvad romantilised hotellid ♥️ | [Loomuliku keele töötlemine](6-NLP/README.md) | Sentimentide analüüs hotellikriitikatest 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | +| 20 | Euroopas asuvad romantilised hotellid ♥️ | [Loomuliku keele töötlemine](6-NLP/README.md) | Sentimentide analüüs hotellikriitikatest 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | +| 21 | Sissejuhatus ajasarja prognoosimisse | [Ajasari](7-TimeSeries/README.md) | Sissejuhatus ajasarja prognoosimisse | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | +| 22 | ⚡️ Maailma elektritarbimine ⚡️ - ARIMA ajasarja prognoosimine | [Ajasari](7-TimeSeries/README.md) | Ajasarja prognoosimine ARIMA meetodiga | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | +| 23 | ⚡️ Maailma elektritarbimine ⚡️ - SVR ajasarja prognoosimine | [Ajasari](7-TimeSeries/README.md) | Ajasarja prognoosimine tugivektorregressori abil | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | +| 24 | Sissejuhatus tugevdusõppesse | [Tugevdusõpe](8-Reinforcement/README.md) | Sissejuhatus tugevdusõppesse Q-Learningu abil | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | +| 25 | Aita Peteril hundi eest pääseda! 🐺 | [Tugevdusõpe](8-Reinforcement/README.md) | Tugevdusõppe Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | +| Järelkiri | Masinõppe reaalse maailma stsenaariumid ja rakendused | [Masinõpe looduses](9-Real-World/README.md) | Huvitavad ja paljastavad masinõppe klassikalised rakendused reaalses maailmas | [Õppetund](9-Real-World/1-Applications/README.md) | Meeskond | +| Järelkiri | Masinõppemudelite silumine RAI juhtpaneeli abil | [Masinõpe looduses](9-Real-World/README.md) | Masinõppemudelite silumine vastutustundliku tehisintellekti juhtpaneeli komponentide abil | [Õppetund](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | + +> [leidke selle kursuse lisamaterjale meie Microsoft Learn kollektsioonist](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## Võimalus kasutada võrguühenduseta -Seda dokumentatsiooni saab kasutada võrguühenduseta, kasutades [Docsify](https://docsify.js.org/#/). Tehke selle hoidla fork, [installige Docsify](https://docsify.js.org/#/quickstart) oma kohalikule arvutile ja seejärel selle hoidla juurkaustas tippige `docsify serve`. Veebileht teenindatakse pordil 3000 teie localhostis: `localhost:3000`. +Selle dokumentatsiooni saate võrguühenduseta käivitada, kasutades [Docsify](https://docsify.js.org/#/). Forkige see hoidla, [installige Docsify](https://docsify.js.org/#/quickstart) oma kohalikule arvutile ja siis tippige selle hoidla juurkaustas käsk `docsify serve`. Veebisait serveeritakse pordil 3000 teie lokaalarvutis: `localhost:3000`. ## PDF-id -Õppekava pdf koos linkidega leiad [siit](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). +Leidke õppekava PDF koos linkidega [siit](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). ## 🎒 Teised kursused -Meie meeskond toodab ka teisi kursuseid! Vaata: +Meie meeskond toodab ka teisi kursuseid! Vaadake: ### LangChain @@ -182,57 +182,57 @@ Meie meeskond toodab ka teisi kursuseid! Vaata: [![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- -### Azure / Edge / MCP / Agents +### Azure / Edge / MCP / Agendid [![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP algajatele](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI agendid algajatele](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- -### Generative AI Series -[![Generative AI for Beginners](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) -[![Generative 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) -[![Generative 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) -[![Generative 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) +### Generatiivse tehisintellekti sari +[![Generatiivne tehisintellekt algajatele](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) +[![Generatiivne tehisintellekt (.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) +[![Generatiivne tehisintellekt (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) +[![Generatiivne tehisintellekt (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) --- -### Põhjalikud õpioskused -[![ML for Beginners](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) -[![Data Science for Beginners](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) -[![AI for Beginners](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) -[![Cybersecurity for Beginners](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) -[![Web Dev for Beginners](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) -[![IoT for Beginners](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) -[![XR Development for Beginners](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) +### Põhiline õppimine +[![Masinõpe algajatele](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) +[![Andmeteadus algajatele](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) +[![Tehisintellekt algajatele](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) +[![Küberjulgeolek algajatele](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) +[![Veebiarendus algajatele](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) +[![Asjade internet (IoT) algajatele](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) +[![XR arendus algajatele](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) --- -### Copilot seeria -[![Copilot for AI Paired Programming](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) -[![Copilot for C#/.NET](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) -[![Copilot Adventure](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) +### Copiloti sari +[![Copilot tehisintellekti paariarenduseks](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) +[![Copilot C#/.NET jaoks](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) +[![Copiloti seiklus](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) ## Abi saamine -Kui jääd hätta või sul on AI rakenduste loomise kohta küsimusi, liitu teiste õppijate ja kogenud arendajatega MCP aruteludes. See on toetav kogukond, kus küsimusi võetakse lahkesti vastu ja teadmisi jagatakse vabalt. +Kui sa jään kinni või sul on küsimusi tehisintellekti rakenduste loomise kohta, liitu teiste õppurite ja kogenud arendajatega MCP teemalistes aruteludes. See on toetav kogukond, kus küsimused on teretulnud ja teadmisi jagatakse vabalt. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Kui sul on tootepalautust või tekib ehitusprotsessis vigu, külasta: +Kui sul on toodete kohta tagasisidet või ehitamise ajal esineb vigu, külasta: [![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) -## Lisasoovitused õppimiseks +## Lisanduvad õppimisnipid -- Vaata läbi märkmikud pärast iga õppetükki paremaks arusaamiseks. -- Harjuta algoritmide rakendamist iseseisvalt. -- Uuri reaalseid andmekogumeid, kasutades õpitud kontseptsioone. +- Vaata õppetundide järel märkmeid parema arusaamise nimel. +- Harjuta algoritmide iseseisvat rakendamist. +- Uuri õpitud kontseptsioonide abil reaalseid andmekogumeid. --- **Vastutusest loobumine**: -See dokument on tõlgitud kasutades tehisintellektil põhinevat tõlkeplatvormi [Co-op Translator](https://github.com/Azure/co-op-translator). Kuigi püüame tagada täpsuse, tuleb arvestada, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Originaaldokument selle emakeeles tuleks pidada autoriteetseks allikaks. Olulise info puhul soovitatakse kasutada professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tulenevate arusaamatuste ega valesti mõistmiste eest. +See dokument on tõlgitud tehisintellekti tõlketeenuse [Co-op Translator](https://github.com/Azure/co-op-translator) abil. Kuigi püüame täpsust, tuleb arvestada, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Algne dokument selle emakeeles tuleks pidada usaldusväärseks allikaks. Olulise teabe puhul soovitatakse kasutada professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tulenevate arusaamatuste või valesti mõistmiste eest. \ No newline at end of file diff --git a/translations/pcm/.co-op-translator.json b/translations/pcm/.co-op-translator.json index 565175bc0..318597700 100644 --- a/translations/pcm/.co-op-translator.json +++ b/translations/pcm/.co-op-translator.json @@ -552,8 +552,8 @@ "language_code": "pcm" }, "README.md": { - "original_hash": "f7d55bf70beaab82d4621c0860301a64", - "translation_date": "2026-03-17T08:43:40+00:00", + "original_hash": "7fb48097f57e680b380cd9aae988d317", + "translation_date": "2026-04-06T17:43:41+00:00", "source_file": "README.md", "language_code": "pcm" }, diff --git a/translations/pcm/README.md b/translations/pcm/README.md index f82b73e8b..e067cd3d4 100644 --- a/translations/pcm/README.md +++ b/translations/pcm/README.md @@ -1,23 +1,13 @@ -[![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/) - ### 🌐 Multi-Language Support #### Supported via GitHub Action (Automated & Always Up-to-Date) -[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](../hi/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](./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) +[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](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/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](./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) -> **Prefer to Clone Locally?** +> **You wan Clone am Tinside?** > -> Dis repository get 50+ language translations wey dey increase how big e be to download. To clone witout di translations, use sparse checkout: +> Dis repo get 50+ language translations wey dey make the download size big. To clone without di translations, use sparse checkout: > > **Bash / macOS / Linux:** > ```bash @@ -33,63 +23,64 @@ > git sparse-checkout set --no-cone "/*" "!translations" "!translated_images" > ``` > -> Dis go give you everything wey you need to complete di course fast well-well. +> Dis one go give you everything you need to complete di course fast. + #### Join Our Community [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -We get Discord learn wit AI series wey dey go, learn more and join us fo [Learn with AI Series](https://aka.ms/learnwithai/discord) from 18 - 30 September, 2025. You go get beta tips and tricks for how to use GitHub Copilot for Data Science. +We get Discord learn with AI series wey dey go on, sabi more and join us for [Learn with AI Series](https://aka.ms/learnwithai/discord) from 18 - 30 September, 2025. You go see tips and tricks for how to use GitHub Copilot for Data Science. ![Learn with AI series](../../translated_images/pcm/3.9b58fd8d6c373c20.webp) -# Machine Learning for Beginners - A Curriculum +# Machine Learning for Beginners - Curriculum -> 🌍 Travel round di world as we dey explore Machine Learning with world cultures 🌍 +> 🌍 Travel round di world as we dey explore Machine Learning through world cultures 🌍 -Cloud Advocates for Microsoft happy to offer 12-week, 26-lesson curriculum wey dey all about **Machine Learning**. For dis curriculum, you go learn wetin dem dey sometimes call **classic machine learning**, mainly using Scikit-learn as library, no go deep learning wey dey inside our [AI for Beginners' curriculum](https://aka.ms/ai4beginners). You fit pair dis lessons wit our ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) too! +Cloud Advocates for Microsoft happy to offer 12-week, 26-lesson curriculum all about **Machine Learning**. For dis curriculum, you go learn wetin dem dey call **classic machine learning**, wey go use Scikit-learn as main library and no go dey do deep learning, wey we cover for our [AI for Beginners' curriculum](https://aka.ms/ai4beginners). Join these lessons with our ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners), together too! -Travel wit us round di world as we apply these classic techniques to data from many different places for di world. Every lesson get pre- and post-lesson quizzes, written instructions to complete di lesson, solution, assignment, and more. Our project-based method make you learn while you dey build, na beta way to make new skills stick. +Travel with us round the world as we take apply these classic ways to data from plenty places for world. Every lesson get pre- and post-lesson quizzes, written instructions to finish the lesson, solution, assignment, and more. Our project-based way of teaching go make you learn while you dey build, na how new skills dem dey stick well. **✍️ Big thanks to our authors** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd -**🎨 Thanks to our illustrators** Tomomi Imura, Dasani Madipalli, and Jen Looper +**🎨 Thanks too to our illustrators** Tomomi Imura, Dasani Madipalli, and Jen Looper **🙏 Special thanks 🙏 to our Microsoft Student Ambassador authors, reviewers, and content contributors**, especially Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, and Snigdha Agarwal -**🤩 Extra thanks to Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, and Vidushi Gupta for our R lessons!** +**🤩 Extra big thanks to Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, and Vidushi Gupta for our R lessons!** -# Getting Started +# How to Start Follow these steps: -1. **Fork the Repository**: Click di "Fork" button for top-right corner of dis page. +1. **Fork the Repository**: Click di "Fork" button for di top-right corner of dis page. 2. **Clone the Repository**: `git clone https://github.com/microsoft/ML-For-Beginners.git` -> [find all additional resources for this course inside our Microsoft Learn collection](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [find all extra resources for dis course inside our Microsoft Learn collection](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -> 🔧 **Need help?** Check our [Troubleshooting Guide](TROUBLESHOOTING.md) for solutions to common problems with installation, setup, and running lessons. +> 🔧 **You need help?** Look our [Troubleshooting Guide](TROUBLESHOOTING.md) for solution to common wahala like installation, setup, and how to run lessons. -**[Students](https://aka.ms/student-page)**, to use dis curriculum, fork di whole repo go your own GitHub account and complete di exercises on your own or wit group: +**[Students](https://aka.ms/student-page)**, to use dis curriculum, fork the whole repo to your own GitHub account and finish the exercises by yourself or with group: -- Start wit pre-lecture quiz. -- Read di lecture and do di activities, stop and think for each knowledge check. -- Try build di projects by understanding di lessons instead of just running di solution code; however di code dey inside `/solution` folder for each project-based lesson. -- Do post-lecture quiz. -- Complete di challenge. -- Complete di assignment. -- After you finish one lesson group, visit di [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) and "learn out loud" by filling di correct PAT rubric. PAT na Progress Assessment Tool wey be rubric wey you fit fill to deepen your learning. You fit also react to other people PATs so we fit learn together. +- Start with pre-lecture quiz. +- Read the lecture and do the activities, stop sometimes to think for every knowledge check. +- Try create the projects by understanding the lessons instead of just running the solution code; but the code dey for `/solution` folders inside every project-based lesson. +- Take the post-lecture quiz. +- Finish the challenge. +- Do the assignment. +- After you finish one lesson group, visit the [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) and "learn out loud" by filling di right PAT rubric. 'PAT' na Progress Assessment Tool wey be like rubric wey you dey fill to improve your learning. You fit also react other PATs so we go learn together. -> For more study, we recommend following these [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modules and learning paths. +> For more study, we recommend say you follow these [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modules and learning paths. -**Teachers**, we don [include some suggestions](for-teachers.md) for how to use dis curriculum. +**Teachers**, we don [add some suggestions](for-teachers.md) on how to use dis curriculum. --- ## Video walkthroughs -Some lessons dey available as short video form. You fit find all dem for inside di lessons, or for [ML for Beginners playlist on the Microsoft Developer YouTube channel](https://aka.ms/ml-beginners-videos) by clicking di picture below. +Some lessons get short form video versions. You fit find all these for inside lessons, or for the [ML for Beginners playlist for Microsoft Developer YouTube channel](https://aka.ms/ml-beginners-videos) by clicking di picture below. [![ML for beginners banner](../../translated_images/pcm/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) @@ -101,79 +92,79 @@ Some lessons dey available as short video form. You fit find all dem for inside **Gif by** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 Click di picture above for video about di project and di people wey create am! +> 🎥 Click di picture for video about di project and di people wey create am! --- ## Pedagogy -We choose two pedagogy principles as we dey build dis curriculum: make e be hands-on **project-based** and make e get **many quizzes**. Plus, dis curriculum get one common **theme** to make am get connection. +We choose two pedagogy principles when we dey build dis curriculum: di first na to make am hands-on **project-based** and di second na to include **many quizzes**. Plus, dis curriculum get one **common theme** to give am better cohesion. -By making sure say di content dey relate to projects, di process dey more interesting for students and e go help them remember things well. Also, low-stakes quiz before class dey set the mindset of di student for how to learn di topic, while another quiz after class dey make dem store di knowledge more. Dis curriculum na flexible and fun one, you fit take all or part. Di projects start small and go get harder by di time 12 weeks finish. Dis curriculum get one postscript on real-world uses of ML, wey fit be extra credit or starting point for discussion. +By making sure say content dey match with projects, e go make students dey more interested and dem go remember concepts well well. Also, low-stakes quiz before class dey set the mindset of student to learn better, while another quiz after class go make dem remember better. Dis curriculum designed to be flexible and fun and you fit take am full or part. Di projects begin small and go big and complex by end of 12-week cycle. Dis curriculum still get small last part about real-world Machine Learning usage, wey fit be extra credit or topic for discussion. -> Find our [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translations](..), and [Troubleshooting](TROUBLESHOOTING.md) guidelines. We dey welcome your constructive feedback! +> Find our [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translations](..), and [Troubleshooting](TROUBLESHOOTING.md) guidelines. We dey always happy for your constructive feedback! -## Each lesson get +## Each lesson include - optional sketchnote -- optional supplemental video +- optional extra video - video walkthrough (some lessons only) - [pre-lecture warmup quiz](https://ff-quizzes.netlify.app/en/ml/) - written lesson -- for project-based lessons, step-by-step guides on how to build the project +- for project-based lessons, step-by-step guide on how to build the project - knowledge checks -- challenge -- supplemental reading +- a challenge +- extra reading - assignment - [post-lecture quiz](https://ff-quizzes.netlify.app/en/ml/) +> **Wan note about languages**: Dem sabi write dis lessons mostly for Python, but plenty dey for R too. If you want finish wan R lesson, waka go the `/solution` folder make you find R lessons. Dem get .rmd extension wey mean **R Markdown** file wey fit be define as plenti `code chunks` (for R or oda languages) and wan `YAML header` (wey dey show how to make output dem like PDF) for `Markdown document`. Na so e be, e good for authoring framework for data science well well cos e dey allow you join your code, di output, and your thoughts by writing dem down for Markdown. More so, R Markdown documents fit turn to output formats like PDF, HTML, or Word. -> **One note about languages**: These lessons mainly written for Python, but many dey also for R. To finish R lesson, go di `/solution` folder and find di R lessons. Dem get .rmd extension wey mean **R Markdown** file wey fit be described as mixing `code chunks` (of R or other languages) and `YAML header` (wey dey guide how to format outputs like PDF) inside `Markdown document`. Like dis, e serve as good authoring setup for data science because e let you put together your code, output, and your thoughts by writing them down in Markdown. Also, R Markdown documents fit be rendered into output formats like PDF, HTML, or Word. -> **Note about quizzes**: All quizzes dem de for inside [Quiz App folder](../../quiz-app), get total 52 quizzes wey each get three questions. Dem link am for inside lesson dem but quiz app fit run local; just follow the instruction wey dey for `quiz-app` folder to run am local or make e go Azure. +> **Wan note about quizzes**: All di quizzes dey for [Quiz App folder](../../quiz-app), total na 52 quizzes with three questions each. Dem link am inside di lessons but di quiz app fit run for your local machine; follow di instruction for di `quiz-app` folder to run am for your side or use Azure make e deploy. | Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | -| 01 | Introduction to machine learning | [Introduction](1-Introduction/README.md) | Learn the basic concepts wey dey behind machine learning | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad | -| 02 | The History of machine learning | [Introduction](1-Introduction/README.md) | Learn the history wey dey under this field | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | -| 03 | Fairness and machine learning | [Introduction](1-Introduction/README.md) | Wetin be the important philosophical wahala about fairness wey pikin dem for learn when dem dey build and use ML models? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi | -| 04 | Techniques for machine learning | [Introduction](1-Introduction/README.md) | Wetin kind techniques ML researchers dey use to build ML models? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | -| 05 | Introduction to regression | [Regression](2-Regression/README.md) | Start to learn Python and Scikit-learn for regression models | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | -| 06 | North American pumpkin prices 🎃 | [Regression](2-Regression/README.md) | Visualize and clean data make e ready for ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | -| 07 | North American pumpkin prices 🎃 | [Regression](2-Regression/README.md) | Build linear and polynomial regression models | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau | -| 08 | North American pumpkin prices 🎃 | [Regression](2-Regression/README.md) | Build logistic regression model | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | -| 09 | A Web App 🔌 | [Web App](3-Web-App/README.md) | Build web app to use your trained model | [Python](3-Web-App/1-Web-App/README.md) | Jen | -| 10 | Introduction to classification | [Classification](4-Classification/README.md) | Clean, prep, and visualize your data; introduction to classification | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau | -| 11 | Delicious Asian and Indian cuisines 🍜 | [Classification](4-Classification/README.md) | Introduction to classifiers | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau | -| 12 | Delicious Asian and Indian cuisines 🍜 | [Classification](4-Classification/README.md) | More classifiers | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau | -| 13 | Delicious Asian and Indian cuisines 🍜 | [Classification](4-Classification/README.md) | Build recommender web app with your model | [Python](4-Classification/4-Applied/README.md) | Jen | -| 14 | Introduction to clustering | [Clustering](5-Clustering/README.md) | Clean, prep, and visualize your data; Introduction to clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | -| 15 | Exploring Nigerian Musical Tastes 🎧 | [Clustering](5-Clustering/README.md) | Explore K-Means clustering method | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | -| 16 | Introduction to natural language processing ☕️ | [Natural language processing](6-NLP/README.md) | Learn the basics about NLP by building simple bot | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | -| 17 | Common NLP Tasks ☕️ | [Natural language processing](6-NLP/README.md) | Increase your NLP knowledge by understanding common tasks wey you need when you dey handle language structures | [Python](6-NLP/2-Tasks/README.md) | Stephen | -| 18 | Translation and sentiment analysis ♥️ | [Natural language processing](6-NLP/README.md) | Translation and sentiment analysis with Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | -| 19 | Romantic hotels of Europe ♥️ | [Natural language processing](6-NLP/README.md) | Sentiment analysis with hotel reviews 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | -| 20 | Romantic hotels of Europe ♥️ | [Natural language processing](6-NLP/README.md) | Sentiment analysis with hotel reviews 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | -| 21 | Introduction to time series forecasting | [Time series](7-TimeSeries/README.md) | Introduction to time series forecasting | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | -| 22 | ⚡️ World Power Usage ⚡️ - time series forecasting with ARIMA | [Time series](7-TimeSeries/README.md) | Time series forecasting with ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | -| 23 | ⚡️ World Power Usage ⚡️ - time series forecasting with SVR | [Time series](7-TimeSeries/README.md) | Time series forecasting with Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | -| 24 | Introduction to reinforcement learning | [Reinforcement learning](8-Reinforcement/README.md) | Introduction to reinforcement learning with Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | -| 25 | Help Peter avoid the wolf! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Reinforcement learning Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | -| Postscript | Real-World ML scenarios and applications | [ML in the Wild](9-Real-World/README.md) | Interesting and real real real-world applications of classical ML | [Lesson](9-Real-World/1-Applications/README.md) | Team | -| Postscript | Model Debugging in ML using RAI dashboard | [ML in the Wild](9-Real-World/README.md) | Model Debugging in Machine Learning using Responsible AI dashboard components | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | - -> [find all additional resources for this course for inside our Microsoft Learn collection](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +| 01 | Introduction to machine learning | [Introduction](1-Introduction/README.md) | Learn di basic tins wey machine learning get behind am | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad | +| 02 | The History of machine learning | [Introduction](1-Introduction/README.md) | Learn di history wey dey for dis field | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | +| 03 | Fairness and machine learning | [Introduction](1-Introduction/README.md) | Wetin be di important philosophy tins about fairness wey students suppose think about wen dem dey build and use ML models? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi | +| 04 | Techniques for machine learning | [Introduction](1-Introduction/README.md) | Wetin techniques dem ML researchers dey use to build ML models? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | +| 05 | Introduction to regression | [Regression](2-Regression/README.md) | Start wit Python and Scikit-learn for regression models | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | +| 06 | North American pumpkin prices 🎃 | [Regression](2-Regression/README.md) | Visualize and clean data make e ready for ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | +| 07 | North American pumpkin prices 🎃 | [Regression](2-Regression/README.md) | Build linear and polynomial regression models | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau | +| 08 | North American pumpkin prices 🎃 | [Regression](2-Regression/README.md) | Build one logistic regression model | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | +| 09 | A Web App 🔌 | [Web App](3-Web-App/README.md) | Build web app to use your trained model | [Python](3-Web-App/1-Web-App/README.md) | Jen | +| 10 | Introduction to classification | [Classification](4-Classification/README.md) | Clean, prep, and visualize your data; introduction to classification | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau | +| 11 | Delicious Asian and Indian cuisines 🍜 | [Classification](4-Classification/README.md) | Introduction to classifiers | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau | +| 12 | Delicious Asian and Indian cuisines 🍜 | [Classification](4-Classification/README.md) | More classifiers | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau | +| 13 | Delicious Asian and Indian cuisines 🍜 | [Classification](4-Classification/README.md) | Build recommender web app with your model | [Python](4-Classification/4-Applied/README.md) | Jen | +| 14 | Introduction to clustering | [Clustering](5-Clustering/README.md) | Clean, prep, and visualize your data; Introduction to clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | +| 15 | Exploring Nigerian Musical Tastes 🎧 | [Clustering](5-Clustering/README.md) | Explore di K-Means clustering method | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | +| 16 | Introduction to natural language processing ☕️ | [Natural language processing](6-NLP/README.md) | Learn di basics about NLP by building simple bot | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | +| 17 | Common NLP Tasks ☕️ | [Natural language processing](6-NLP/README.md) | Make your NLP knowledge strong by understanding common tasks wey dey when you dey work with language structures | [Python](6-NLP/2-Tasks/README.md) | Stephen | +| 18 | Translation and sentiment analysis ♥️ | [Natural language processing](6-NLP/README.md) | Translation and sentiment analysis wit Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | +| 19 | Romantic hotels of Europe ♥️ | [Natural language processing](6-NLP/README.md) | Sentiment analysis with hotel reviews 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | +| 20 | Romantic hotels of Europe ♥️ | [Natural language processing](6-NLP/README.md) | Sentiment analysis with hotel reviews 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | +| 21 | Introduction to time series forecasting | [Time series](7-TimeSeries/README.md) | Introduction to time series forecasting | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | +| 22 | ⚡️ World Power Usage ⚡️ - time series forecasting with ARIMA | [Time series](7-TimeSeries/README.md) | Time series forecasting wit ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | +| 23 | ⚡️ World Power Usage ⚡️ - time series forecasting with SVR | [Time series](7-TimeSeries/README.md) | Time series forecasting wit Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | +| 24 | Introduction to reinforcement learning | [Reinforcement learning](8-Reinforcement/README.md) | Introduction to reinforcement learning with Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | +| 25 | Help Peter avoid the wolf! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Reinforcement learning Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | +| Postscript | Real-World ML scenarios and applications | [ML in the Wild](9-Real-World/README.md) | Interesting and revealing real-world applications of classical ML | [Lesson](9-Real-World/1-Applications/README.md) | Team | +| Postscript | Model Debugging in ML using RAI dashboard | [ML in the Wild](9-Real-World/README.md) | Model Debugging in Machine Learning wit Responsible AI dashboard components | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | + +> [find all additional resources for this course in our Microsoft Learn collection](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## Offline access -You fit run this documentation offline by using [Docsify](https://docsify.js.org/#/). Fork this repo, [install Docsify](https://docsify.js.org/#/quickstart) for your local machine, then for the root folder of this repo, type `docsify serve`. The website go de serve for port 3000 for your localhost: `localhost:3000`. +You fit run this documentation offline by using [Docsify](https://docsify.js.org/#/). Fork dis repo, [install Docsify](https://docsify.js.org/#/quickstart) for your machine, then for di root folder of dis repo, type `docsify serve`. Di website go run for port 3000 for your localhost: `localhost:3000`. ## PDFs -Find pdf of the curriculum with links [here](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). +Find pdf of di curriculum wit links [here](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). ## 🎒 Other Courses -Our team dey produce other courses! Check am out: +Our team dey produce oda courses! Check am out: ### LangChain @@ -217,22 +208,22 @@ Our team dey produce other courses! Check am out: ## Getting Help -If you get stuck or get any question about how you go build AI apps. Join other learners and beta developers for discussions about MCP. Na supportive community wey questions dey welcome and knowledge dey share freely. +If you get stuck or get any question about how to build AI apps. Join other learners and developers wey sabi for discussions about MCP. Na community wey dey help, so questions dey welcome and knowledge dey share freely. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -If you get product feedback or errors while you dey build, make you visit: +If you get product feedback or errors while you dey build, abeg check: [![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) ## Additional Learning Tips -- Check your notebooks after every lesson to understand well well. -- Try dey implement algorithms by yourself. -- Explore real-world datasets using the concepts wey you don learn. +- Make you dey review notebooks after each lesson to understand better. +- Try practice to implement algorithms by yourself. +- Check real-world datasets using wetin you don learn. --- **Disclaimer**: -Dis document dem don use AI translation service [Co-op Translator](https://github.com/Azure/co-op-translator) translate am. Even though we dey try make everything correct, abeg sabi say automatic translation fit get some errors or wahala. Di original document wey dem write for di proper language na di correct one to trust. If na serious matter, e better make human expert translate am. We no go responsible if person misunderstand or interpret am wrong because of this translation. +Dis document don translate wit AI translation service [Co-op Translator](https://github.com/Azure/co-op-translator). Even tho we dey try make am correct, abeg sabi say automatic translations fit get errors or mistakes. Di original document for dia own language na di correct source. For important info, e better make professional human translation do am. We no go responsible for any wrong understanding or misinterpretation wey fit come from dis translation. \ No newline at end of file diff --git a/translations/ta/.co-op-translator.json b/translations/ta/.co-op-translator.json index c9f29ffd9..18d7d4d1e 100644 --- a/translations/ta/.co-op-translator.json +++ b/translations/ta/.co-op-translator.json @@ -552,8 +552,8 @@ "language_code": "ta" }, "README.md": { - "original_hash": "f7d55bf70beaab82d4621c0860301a64", - "translation_date": "2026-03-17T08:39:28+00:00", + "original_hash": "7fb48097f57e680b380cd9aae988d317", + "translation_date": "2026-04-06T17:40:36+00:00", "source_file": "README.md", "language_code": "ta" }, diff --git a/translations/ta/README.md b/translations/ta/README.md index d9dd8b2c9..f8f1468b0 100644 --- a/translations/ta/README.md +++ b/translations/ta/README.md @@ -8,16 +8,16 @@ [![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/) -### 🌐 பன்மொழி ஆதரவு +### 🌐 பல மொழி ஆதரவு -#### GitHub செயல்பாட்டின் மூலம் ஆதரவு (தானியங்கி மற்றும் எப்போதும் புதுப்பிக்கப்பட்டது) +#### GitHub Action மூலம் ஆதரவு (ஆட்டோமேட்டிக் & எப்போதும் புதுப்பிக்கப்படும்) -[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](../hi/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](./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](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/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](./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) -> **பிரதி நேரடியாகப் பெருக்க விரும்புகிறீர்களா?** +> **உள்ளூர் கிளோன் செய்ய விரும்புகிறீர்களா?** > -> இந்த ஸ்டோரேஜ் 50+ மொழி மொழிபெயர்ப்புகளை உள்ளடக்குகிறது, இது பதிவிறக்க அளவை முக்கியமாக அதிகரிக்கிறது. மொழிபெயர்ப்புகள் இல்லாமல் கிளோன் செய்ய sparse checkout பயன்படுத்தவும்: +> இந்த ரெப்போசிடரி 50+ மொழி மொழிபெயர்ப்புகளை உள்ளடக்கியதால் பதிவிறக்கும் அளவு குறிப்பிடத்தக்கது ஆகும். மொழிபெயர்ப்புகள் இல்லாமல் கிளோன் செய்ய sparse checkout ஐ பயன்படுத்தவும்: > > **Bash / macOS / Linux:** > ```bash @@ -33,206 +33,205 @@ > git sparse-checkout set --no-cone "/*" "!translations" "!translated_images" > ``` > -> இது விரைவான பதிவிறக்கம் மூலம் பாடத்திட்டத்தை முடிக்க தேவையான அனைத்தையும் உங்களுக்கு வழங்கும். +> இந்த முறையில் விரைவான பதிவிறக்கம் மூலம் பாடநெடுவை முடிக்க தேவையான அனைத்தும் கிடைக்கும். -#### எங்கள் சமுதாயத்தில் சேருங்கள் +#### எங்கள் சமுதாயத்தில் சேரவும் [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -எங்களிடம் AI உடன் கற்றல் தொடர்ச்சியில் ஒரு Discord உள்ளது, மேலும் படிக்கவும் சேரவும் [Learn with AI Series](https://aka.ms/learnwithai/discord) 18 - 30 செப்டம்பர், 2025. நீங்கள் GitHub Copilot ஐ Data Science க்குப் பயன்படுத்தும் குறிப்பு மற்றும் டிரிக்குகளைப் பெறுவீர்கள். +நாங்கள் Discord வழியாக AI கற்றல் தொடர் நடத்தி வருகின்றோம், மேலும் விவரங்களுக்கு மற்றும் சேர்வதற்கு [Learn with AI Series](https://aka.ms/learnwithai/discord) இல் 18 - 30 செப்டம்பர், 2025 வரை இணைக. இங்கு நீங்கள் GitHub Copilot ஐ Data Scienceக்காக பயன்படுத்துவதற்கான குறிப்புகளையும் நுட்பங்களையும் பெறுவீர்கள். ![Learn with AI series](../../translated_images/ta/3.9b58fd8d6c373c20.webp) -# ஆரம்பக்கால கிராமிய இயந்திரக் கற்றல் - ஒரு பாடத்திட்டம் +# ஆரம்பத்திற்கான மெஷின் லெர்நிங் - பாடத்திட்டம் -> 🌍 உலகுக்குச் சுற்றுலா போகச் செல்வோம், உலக கலாச்சாரங்களின் மூலம் இயந்திரக் கற்றல் ஆராய்வோம் 🌍 +> 🌍 உலகத்தின் பல கலாச்சாரங்களின் வழியில் மெஷின் லெர்னிங்கை ஆராய்ந்து உலகம் சுற்றிப் பயணம் செய்யலாம் 🌍 -Microsoft இல் உள்ள Cloud Advocates, **Machine Learning** பற்றி 12 வாரங்கள், 26 பாடங்கள் கொண்ட பாடத்திட்டத்தை சமர்ப்பிக்க மகிழ்ச்சியடைகிறோம். இந்த பாடத்திட்டத்தில், நீங்கள் சில சமயங்களில் **பாரம்பரிய இயந்திரக் கற்றல்** என்று அழைக்கப்படும் விஷயங்களை கற்றுக்கொள்வீர்கள், பெரும்பாலும் Scikit-learn நூலகத்தை பயன்படுத்தி, ஆழ்ந்த கற்றலைத் தவிர்த்து கற்போம், ஆழ்ந்த கற்றல் எங்கள் [AI for Beginners' பாடத்திட்டத்தில்](https://aka.ms/ai4beginners) தெளிவானது. இந்த பாடங்களை எங்கள் ['Data Science for Beginners' பாடத்திட்டத்துடனும்](https://aka.ms/ds4beginners) இணைத்து கொள்ளவும்! +Microsoft இல் உள்ள Cloud Advocates 12 வாரம், 26 பாடங்கள் கொண்ட முழு பாடத்திட்டத்தை வழங்குவதில் மகிழ்ச்சி அடைகின்றனர், இது **மெஷின் லெர்நிங்** பற்றியது. இந்த பாடத்திட்டத்தில், சில நேரங்களில் **சாதாரண மெஷின் லெர்நிங்** என்று அழைக்கப்படும், அதிகமாக Scikit-learn நூலகத்தை பயன்படுத்தி, ஆழ்ந்த கற்றல் தவிர்க்கப்படுகிறது; அதுதான் நமது [AI for Beginners' பாடத் திட்டத்தில்](https://aka.ms/ai4beginners) உள்ளடக்கப்பட்டுள்ளது. இதேபோல், இந்த பாடத்திட்டத்துடன் நமது ['Data Science for Beginners' பாடத்திட்டம்](https://aka.ms/ds4beginners) இணைத்து கற்கவும் பரிந்துரைக்கப்படுகிறது! -உலகில் இருந்து பல்வேறு பகுதியிலிருந்து தரவுகளைப் பயன்படுத்தி பாரம்பரிய நுட்பங்களை செயல்படுத்தி உலகு சுற்றுலாவோடு பயணம் செய்யுங்கள். ஒவ்வொரு பாடமும் முன் மற்றும் பின் பரிசோதனை கேள்விகள், கற்றலை நிறைவேற்ற எழுதப்பட்ட வழிமுறைகள், ஒரு தீர்வு, ஒரு பணிகள் உள்ளடக்கம் மற்றும் பலவற்றையும் கொண்டுள்ளது. எங்கள் திட்ட அடிப்படையிலான கற்றல் முறைசெயல் புதிய திறன்கள் 'சேர்கிறதை' உறுதி செய்யும். +உலகின் பல பகுதிகளிலிருந்து தரவுகளைப் பயன்படுத்தி இந்த பாரம்பரிய முறைகளை இயங்கவிடுவோம். ஒவ்வொரு பாடத்திற்கும் படிப்பதற்கு முன் மற்றும் பிறகு குவிட்ஸ், எழுதப்பட்ட விளக்கங்கள், தீர்வு, பணிகள் போன்றவை உள்ளன. நமது திட்ட அடிப்படையிலான கற்றல் முறையானது நீங்கள் கற்றுக் கொண்டதைக் கட்டியெழுப்புகையில் கற்றுக் கொள்கின்றீர்கள் என்பதைக்காட்டும், இது புதிய திறன்களை உறுதியுடன் கற்றுக்கொள்ள உதவுகிறது. -**✍️ எங்கள் ஆசிரியர்களுக்கு இனிய நன்றி** ஜென் லூபர், ஸ்டீபன் ஹாவெல், ஃப்ரான்செஸ்கா லாசெரி, தோமாமி இமுரா, காசி பிரேவியூ, ட்மிட்ரி சோஷ்னிக்கோவ், கிறிஸ் நோரிங், அனிர்பான் முகர்ஜி, ஆர்னெல்லா ஆல்டுன்யன், ரூத் யகுபு மற்றும் ஏமி பாய்ட் +**✍️ எங்கள் எழுத்தாளர்களுக்கு இனிய நன்றிகள்** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu மற்றும் Amy Boyd -**🎨 எங்கள் வரைபடக்கலைஞர்களுக்கு நன்றி** தோமாமி இமுரா, தசானி மாதிபல்லி மற்றும் ஜென் லூபர் +**🎨 எங்கள் பகுத்தறிவாளர்களுக்கும் நன்றி** Tomomi Imura, Dasani Madipalli மற்றும் Jen Looper -**🙏 சிறப்பு நிகர்பு 🙏 எங்கள் Microsoft மாணவர் தூதர்கள் இயற்றிய, மறுசீராய்வு செய்த மற்றும் உள்ளடக்க பங்கு வாங்கியவர்களுக்கு**, குறிப்பாக ரிஷிட் டக்லி, முகமது சகிப் கான் இனம், ரோஹன் ராஜ், அலெக்சான்ட்ரு பெட்ரெஸ்கு, அாபிஷேக் ஜெய்ஸ்வால், நவ்ரின் தபசும், ஐயான் சமுலா மற்றும் ஸ்னிக்த அகார்வால் +**🙏 Microsoft மாணவர் தூதர்கள் எழுத்தாளர்கள், மதிப்பாய்வாளர்கள் மற்றும் உள்ளடக்க பங்களிப்பாளர்களுக்கு சிறப்பு நன்றி**, குறிப்பாக Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila மற்றும் Snigdha Agarwal -**🤩 கூடுதல் நிகர்பு Microsoft மாணவர் தூதர்கள் எரிக் வஞ்சாவ், ஜஸ்லீன் செய்க், மற்றும் விடுஷி குப்பதுக்கு எங்கள் R பாடங்களுக்காக!** +**🤩 Microsoft மாணவர் தூதர்கள் Eric Wanjau, Jasleen Sondhi மற்றும் Vidushi Gupta அவர்களுக்கு எங்களது R பாடங்களுக்கு கூடுதல் நன்றி!** -# தொடங்கல் +# துவக்கம் இந்த படிகளை பின்பற்றவும்: -1. **Storage-ஐ Fork செய்யவும்**: இந்த பக்கத்தின் மேல் வலது மூலையில் உள்ள "Fork" பொத்தானை கிளிக் செய்க. -2. **Storage-ஐ Clone செய்யவும்**: `git clone https://github.com/microsoft/ML-For-Beginners.git` +1. **ரெப்போசிடரியை Fork செய்யவும்**: இப்பக்கம் இடது மேல் பக்கத்தில் உள்ள "Fork" பொத்தானை அழுத்தவும். +2. **ரெப்போசிடரியை கிளோன் செய்யவும்**: `git clone https://github.com/microsoft/ML-For-Beginners.git` -> [இந்த பாடத்திட்டத்துக்கான அனைத்து கூடுதல் வளங்களையும் எங்கள் Microsoft Learn கூடத்திலிருந்து காண்க](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [இந்த பாடத் தொகுப்பு தொடர்பான மேலதிக வளங்களை எங்கள் Microsoft Learn தொகுப்பில் காணவும்](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -> 🔧 **உதவி தேவைப்படுகிறதா?** எங்கள் [ப்ரச்சனை தீர்க்கும் வழிகாட்டி](TROUBLESHOOTING.md) கற்றல் நிலைமை, அமைப்பு மற்றும் பாடங்களைக் இயக்குவதில் பொதுவான பிரச்சனைகளுக்கான தீர்வுகளை சரிபார்க்கவும். +> 🔧 **உதவி தேவைபடுகிறதா?** நிறுவல், அமைப்பு மற்றும் பாடங்கள் இயக்க பொதுவான பிரச்சனைகளுக்கான தீர்வுகள் [தொழில்நுட்ப வழிகாட்டி](TROUBLESHOOTING.md) இல் உள்ளன. +**[மாணவர்கள்](https://aka.ms/student-page)**, இந்த பாடத்திட்டத்தை பயன்படுத்த, முழு ரெப்போவை உங்கள் சொந்த GitHub கணக்கில் fork செய்து தனியாகவோ அல்லது குழுவாகவோ பயிற்சிகளை முடிக்கவும்: -**[மாணவர்கள்](https://aka.ms/student-page)**, இந்த பாடத்திட்டத்தை பயன்படுத்த, இந்த ஸ்டோரேஜை உங்கள் சொந்த GitHub கணக்கிற்கு fork செய்து பயிற்சிகளை தனியாக அல்லது குழுவுடன் முடிக்கவும்: - -- ஒரு முன்பள்ளி கற்றல் பரிசோதனையுடன் தொடங்கவும். -- படிக்கவும் செயல்பாடுகளை முடிக்கவும், ஒவ்வொரு அறிவுக் கண்காணிப்பிலும் நின்று சிந்திக்கவும். -- தீர்வைக் கோடுகளை இயக்குும் பதிலாக பாடங்களைப் புரிந்து கொண்டு திட்டங்களை உருவாக்க முயற்சிக்கவும்; ஆனால் அந்த கோடுகள் ஒவ்வொரு திட்டம் சார்ந்த பாடங்களின் `/solution` கோப்பகத்தில் கிடைக்கும். -- பின்பள்ளி பரிசோதனையை எடுக்கவும். +- படிக்க முன்னர் ஒரு முன்னணி குவிஸ் தேர்வைத் தொடங்கவும். +- பாடப் பகுதியை வாசித்து செயல்பாடுகளை செய்து, ஒவ்வொரு அறிவுக்குள்ளோடும் நிறுத்தி சிந்திக்கவும். +- தீர்வு குறியீட்டை ஓடுமாறு பின்தொடராமல் நேரடியாகப் பாடங்களைப் புரிந்து கொண்டு திட்டங்களை உருவாக்க முயற்சிக்கவும்; ஆனால் அந்த குறியீடு ஒவ்வொரு திட்டவழி பாடத்திலும் `/solution` கோப்புறையில் கிடைக்கும். +- படிப்புப் பிறகு ஒரு பின்னணி குவிஸ் அனுப்பவும். - சவாலை முடிக்கவும். -- பணிகளை முடிக்கவும். -- ஒரு பாடக் குழுவை முடித்த பின், [பேச்சு பலகை](https://github.com/microsoft/ML-For-Beginners/discussions) சென்று "வெளிப்படையாக கற்றுக்கொள்ளுங்கள்" மற்றும் உரிய PAT ரூப்ரிகை நிரப்பவும். PAT என்பது உங்கள் முன்னேற்றத்தை மதிப்பீடு செய்யும் கருவி ஆகும். மற்ற PAT களிற்கு பின்னூட்டமும் செய்ய முடியும், இதனால் நாம் சேர்ந்து கற்றுக்கொள்ள முடியும். +- பணியை நிறைவேற்றவும். +- ஒரு பாடக் குழுமத்தை முடித்த பிறகு, [அரசு சபையில்](https://github.com/microsoft/ML-For-Beginners/discussions) சென்று "கேள்வி பதிலளித்து" PAT ருப்ரிக் நிரப்பவும். 'PAT' என்பது முன்னேற்ற மதிப்பீடு கருவி ஆகும், இது உங்கள் கற்றலை மேலும் மேம்படுத்தும் உதவிக் கருவி. மற்ற PAT களுக்கு நாங்கள் ஒன்றாக கற்றுக்கொள்ளவும் முடியும். -> மேலதிக படிப்புக்கு, நாம் பரிந்துரை செய்கிறோம் இந்த [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) மாட்யூல்கள் மற்றும் கற்றல் பாதைகள். +> மேலதிகமாக கற்றுக்கொள்ள, இந்த [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) வகுப்புகள் மற்றும் கற்றல் பாதைகளைக் காண்பது பரிந்துரைக்கப்படுகிறது. -**ஆசிரியைர்கள்**, இந்த பாடத்திட்டத்தை பயன்படுத்த சில பரிந்துரைகளை நாங்கள் [சேர்த்துள்ளோம்](for-teachers.md). +**ஆசிரியர்கள்**, இந்த பாடத்திட்டத்தை எவ்வாறு பயன்படுத்துவது என சில பரிந்துரைகள் [கடந்துவிட்டன](for-teachers.md). --- -## வீடியோ நடைமுறை விளக்கங்கள் +## வீடியோ வழிகாட்டல்கள் -கடந்த சில பாடங்களை குறுகிய படிவ வீடியோவாகப் பார்க்கலாம். இவை எல்லா பாடங்களுக்கு உள்ளே வழங்கப்பட்டுள்ளன அல்லது [Microsoft Developer YouTube சேனலில் ML for Beginners பிளேலிஸ்டில்](https://aka.ms/ml-beginners-videos) கீழுள்ள படத்தை அழுத்தி பார்க்கலாம். +சில பாடங்கள் குறுகிய வீடியோ வடிவத்தில் கிடைக்கின்றன. நீங்கள் அவற்றை பாடங்களில் நேரடியாகவும், அல்லது [ML for Beginners மைக்ரோசாஃப்ட் டெவலப்பர் யூடியூப் சேனல் பிளேலிஸ்டில்](https://aka.ms/ml-beginners-videos) கீழே உள்ள படத்தை கிளிக் செய்து காணலாம். [![ML for beginners banner](../../translated_images/ta/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- -## குழுவைச் சந்தியுங்கள் +## குழுவை சந்திக்கவும் [![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) -**கிஃப் படமாக** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) +**GIF உருவாக்கியவர்** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 மேலுள்ள படத்தை அழுத்தி திட்டம் மற்றும் அதை உருவாக்கிய நபர்களைப் பற்றிய வீடியோவைப் பார்க்கவும்! +> 🎥 மேல் படத்தை கிளிக் செய்து, திட்டம் மற்றும் அதை உருவாக்கியோரின் வீடியோவைப் பார்க்கவும்! --- -## கற்றல் முறை +## கல்வியியல் -இந்த பாடத்திட்டத்தை உருவாக்கும்போது நாங்கள் இரண்டு கற்றல் கொள்கைகளைத் தேர்ந்தெடுத்தோம்: இது கைபோன்ற **திட்ட அடிப்படையிலான** மற்றும் அதில் **அடிக்கடி வினாடி வினா உள்ளது** என்பது உறுதி செய்யும். மேலும, இந்த பாடத்திட்டத்திற்கு பொதுவான ஒரு **தீம்** உண்டு. +இந்த பாடத்திட்டத்தை உருவாக்கும்போது இரண்டு கல்வியியல் கொள்கைகளைத் தேர்ந்தெடுத்தோம்: இது கைபிடி **திட்ட அடிப்படையிலான**தன்மையுடன் இருக்க வேண்டும் மற்றும் **அடிக்கடி குவிட்ஸ்** அடங்கியதாக இருக்க வேண்டும் என்பதையும். மேலும், இந்த பாடத்திட்டத்துக்கு ஒரே கட்டமைப்பில் ஒரு **தீம்** உள்ளது. -உள்ளடக்கம் திட்டங்களுடன் பொருந்துவதை உறுதி செய்தல், மாணவர்களுக்கு செயல்படுத்தும் முறையைக் அதிகரிக்கிறது மற்றும் கருத்துகளை நினைவில் வைத்திருக்க உதவுகிறது. கூடுதலாக, வகுப்பு முன்னர் ஒரு குறைந்த போராட்ட வினாடி வினா மாணவர்களை ஒரு தலைப்பை கற்றுக்கொள்ளும் நோக்கத்தை அமைக்க உதவுகிறது, வகுப்புக்குப் பிறகு இரண்டாவது வினாடி வினா தக்க நினைவாற்றலை உறுதி செய்கிறது. இந்த பாடத்திட்டம் தளர்வான மற்றும் ரசிப்பானதாக வடிவமைக்கப்பட்டுள்ளது மற்றும் முழுவதுமோ பகுதியிலோ எடுத்துக் கொள்ளலாம். திட்டங்கள் சிறிய அளவில் தொடங்கி 12 வாரங்களின் இறுதிக்குள் அதிகம் சிக்கலானவை ஆவது. இந்த பாடத்திட்டத்தில் இயந்திரக் கற்றலின் உண்மை உலக பயன்பாட்டைப் பற்றிய ஒரு பின்னூட்டமும் உள்ளது, இது கூடுதல் வம்சோட்டி அல்லது கலந்துரையாடல் அடிப்படையாக பயன்படுத்தலாம். +உள்ளடக்கம் திட்டங்களோடு ஒத்துழைப்பானதாக உறுதி செய்யப்படுவதால், மாணவர்களுக்கு இது மேலும் ஈடுபாட்டானதாகவும் கருத்துக்கள் நிலைத்திருக்கும் முறையாக்கும். கூடுதலாக, வகுப்பு முன் ஒரு குறைந்த ரிஸ்க் குவிஸ் மாணவரின் பகையை கற்று கொள்ளும் நோக்கம் செலுத்தும், வகுப்பு முடிந்த பின் ஒரு இரண்டாம் குவிஸ் ஒவ்வொரு விஷயத்தின் சிறந்த நினைவாற்றலை உறுதியாக்கும். நீங்கள் இதனை முழுமையாகவோ அல்லது பகுதி பாகமாகவோ எடுக்கலாம், மேலும் இந்த திட்டங்கள் தொடக்கத்தில் மிகச் சிறியவை இரு பின்னர் 12 வார சுற்று முடிவுக்கு மிகுந்த சிக்கலானவை ஆகின்றன. இந்த பாடத்திட்டத்தில் ML இன் நிஜ உலக பயன்பாடுகள் பற்றிய ஒரு பின்னூட்டமும் இருக்கு, இது கூடுதல் மதிப்பெண் அல்லது விவாதத்திற்கான அடிப்படையாக பயன்படுத்தலாம். -> எங்கள் [நடத்தைப் பழக்கங்கள்](CODE_OF_CONDUCT.md), [பங்களிப்பு வழிகாட்டிகள்](CONTRIBUTING.md), [மொழிபெயர்ப்புகள்](..), மற்றும் [பிரச்சனை தீர்க்கும் வழிகாட்டி](TROUBLESHOOTING.md) விதிமுறைகளை கண்டறியவும். உங்கள் கட்டுமான பின்னூட்டத்துக்கு நாங்கள் வரவேற்கின்றோம்! +> எங்கள் [நடத்தை விதிகள்](CODE_OF_CONDUCT.md), [பங்களிப்பு வழிகாட்டி](CONTRIBUTING.md), [மொழிபெயர்ப்புகள்](..), மற்றும் [தொழில்நுட்ப வழிகாட்டி](TROUBLESHOOTING.md) கையேட்களை காணவும். உங்கள் கட்டுமான கருத்துக்களை வரவேற்கிறோம்! -## ஒவ்வொரு பாடமும் உள்ளவை +## ஒவ்வொரு பாடத்திலும் அடங்கியது -- விருப்பமான வரைபடக்குறிப்பு +- விருப்பமான ஸ்கெட்ச் நோட் - விருப்பமான கூடுதல் வீடியோ -- வீடியோ நடைமுறை விளக்கம் (சில பாடங்கள் மட்டுமே) -- [பாடம் முன் தளர்வு வினாடி வினா](https://ff-quizzes.netlify.app/en/ml/) +- வீடியோ வழிகாட்டல் (சில பாடங்களில் மட்டுமே) +- [பேசுவதற்கு முன் கூட்டு வினாத்தாள்](https://ff-quizzes.netlify.app/en/ml/) - எழுதப்பட்ட பாடம் -- திட்ட அடிப்படையிலான பாடங்களுக்கான, திட்டத்தை எவ்வாறு கட்டுவது என்பதை படிப்படியான வழிகாட்டிகள் -- அறிவுக் கண்காணிப்புகள் -- சவால் -- கூடுதல் படிப்புக் குறிப்பு +- திட்ட அடிப்படையிலான பாடங்களில், திட்டத்தை கட்ட பதில் படிகள் +- அறிவு சரிபார்க்குகைகள் +- ஒரு சவால் +- கூடுதல் வாசிப்பு - பணிகள் -- [பாடம் பின் வினாடி வினா](https://ff-quizzes.netlify.app/en/ml/) - -> **மொழிகள் குறித்து ஒரு குறிப்பு**: இவை பெரும்பாலும் Python இல் எழுதப்பட்டவை, ஆனால் பலவும் R இல் கிடைக்கின்றன. ஒரு R பாடத்தை முடிக்க, `/solution` கோப்பகத்தை பாருங்கள் மற்றும் R பாடங்கள் காண்க. அவை .rmd நீட்சியை கொண்டுள்ளன, இது **R மார்க்டவுன்** கோப்பாகும், இது `code chunks` (R அல்லது பிற மொழிகளின்) மற்றும் `YAML தலைப்பு` (PDF போன்ற வெளியீடுகளை வடிவமைக்க வழிகாட்டும்) ஆகியவற்றின் இணைவாக வரையறுக்கப்படும். ஆக, இது தரவு அறிவியலுக்கான ஒரு சிறந்த எழுத்துப்பாட அமைப்பாகவே செயல்படுகிறது, ஏனெனில் நீங்கள் உங்கள் கோடுகளை, அதன் வெளியீடு மற்றும் உங்கள் எண்ணங்களை மார்க்டவுனில் எழுத அனுமதிக்கிறது. மேலும, R மார்க்டவுன் கோப்புகள் PDF, HTML, அல்லது Word போன்ற வெளியீடு வடிவங்களில் மாற்றப்படலாம். -> **விளையாட்டுக்கள் குறித்த ஒரு குறிப்புரை**: அனைத்து விளையாட்டுக்கள் [Quiz App கோப்புறை](../../quiz-app) என்பதில் உள்ளன, மொத்தம் 52 விளையாட்டுக்கள், ஒவ்வொன்றிலும் மூன்று கேள்விகள் உள்ளன. அவை பாடங்களுக்குள் இணைக்கப்பட்டுள்ளன, ஆனால் quizzes செயலி உள்ளகமாக இயங்கும்; உள்ளகமாக ஹோஸ்ட் செய்ய அல்லது Azure இல் பிரயோகிக்க `quiz-app` கோப்புறையின் வழிமுறைகளை பின்பற்றவும். - -| பாட எண் | தலைப்பு | பாடக் குழு | கற்றல் நோக்குகள் | இணைக்கப்பட்ட பாடம் | ஆசிரியர் | -| :-------: | :------------------------------------------------------------: | :---------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------- | :-----------------------------------------------------------------------------------------------------------------------------------------: | :----------------------------------------------------: | -| 01 | இயந்திரக் கற்றலுக்கான அறிமுகம் | [அறிமுகம்](1-Introduction/README.md) | இயந்திரக் கற்றலுக்குப் பின்பற்றப்படும் அடிப்படைக் கோட்பாடுகளை கற்றுக்கொள்ளுங்கள் | [பாடம்](1-Introduction/1-intro-to-ML/README.md) | முஹம்மத் | -| 02 | இயந்திரக் கற்றலின் வரலாறு | [அறிமுகம்](1-Introduction/README.md) | இந்த துறையின் வரலாறை கற்றுக்கொள்ளுங்கள் | [பாடம்](1-Introduction/2-history-of-ML/README.md) | ஜென் மற்றும் ஆமி | -| 03 | நீதி மற்றும் இயந்திரக் கற்றல் | [அறிமுகம்](1-Introduction/README.md) | நீதி தொடர்பான முக்கிய தத்துவக் கேள்விகள் எவை என்பதையும், ML மொடல்களை உருவாக்குதல் மற்றும் பயன்படுத்தும்போது இது எப்படி தொடர்புடையதென மாணவர்கள் பரிசீலிக்க வேண்டும்? | [பாடம்](1-Introduction/3-fairness/README.md) | துமோமி | -| 04 | இயந்திரக் கற்றலுக்கு பயன்படும் முறைகள் | [அறிமுகம்](1-Introduction/README.md) | இயந்திரக் கற்றல் ஆராய்ச்சியாளர்கள் ML மொடல்களை உருவாக்க என்ன முறைகள் பயன்படுத்துகின்றனர்? | [பாடம்](1-Introduction/4-techniques-of-ML/README.md) | கிரிஸ் மற்றும் ஜென் | -| 05 | தொடர்புக் கணிதத்தின் அறிமுகம் | [Regression](2-Regression/README.md) | தொடர்புக் கணித மொடல்களுக்கு Python மற்றும் Scikit-learn பயன்படுத்தத் தொடங்குங்கள் | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | ஜென் • எரிக் வஞ்ஜாவ் | -| 06 | வட அமெரிக்க பரங்கிக்காய் விலை 🎃 | [Regression](2-Regression/README.md) | ML க்கான தரவுகளை காட்சி மூலம் பார்க்கவும், சுத்தப்படுத்தவும் | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | ஜென் • எரிக் வஞ்ஜாவ் | -| 07 | வட அமெரிக்க பரங்கிக்காய் விலை 🎃 | [Regression](2-Regression/README.md) | நேரியல் மற்றும் பன்முக தொடர்புக் கணித மொடல்களை உருவாக்கவும் | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | ஜென் மற்றும் Dmitry • எரிக் வஞ்ஜாவ் | -| 08 | வட அமெரிக்க பரங்கிக்காய் விலை 🎃 | [Regression](2-Regression/README.md) | ஒரு லாஜிஸ்டிக் தொடர்புக் கணிதக் மொடல் உருவாக்கவும் | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | ஜென் • எரிக் வஞ்ஜாவ் | -| 09 | ஒரு வலை செயலி 🔌 | [Web App](3-Web-App/README.md) | உங்கள் பயிற்சியளிக்கப்பட்ட மொடலைப் பயன்படுத்த ஒரு வலை செயலியை உருவாக்கவும் | [Python](3-Web-App/1-Web-App/README.md) | ஜென் | -| 10 | வகைப்படுத்தலுக்கான அறிமுகம் | [Classification](4-Classification/README.md) | உங்கள் தரவை சுத்தம் செய்யவும், தயாரிக்கவும், காட்சிப்படுத்தவும்; வகைப்படுத்தலுக்கான அறிமுகம் | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | ஜென் மற்றும் கேசி • எரிக் வஞ்ஜாவ் | -| 11 | சுவையான ஆசிய மற்றும் இந்திய சமையல் 🍜 | [Classification](4-Classification/README.md) | வகைப்படுத்தலரின் அறிமுகம் | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | ஜென் மற்றும் கேசி • எரிக் வஞ்ஜாவ் | -| 12 | சுவையான ஆசிய மற்றும் இந்திய சமையல் 🍜 | [Classification](4-Classification/README.md) | கூடுதல் வகைப்படுத்தலர்கள் | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | ஜென் மற்றும் கேசி • எரிக் வஞ்ஜாவ் | -| 13 | சுவையான ஆசிய மற்றும் இந்திய சமையல் 🍜 | [Classification](4-Classification/README.md) | உங்கள் மொடலைப் பயன்படுத்தி பரிந்துரைக்கும் வலை செயலி உருவாக்கவும் | [Python](4-Classification/4-Applied/README.md) | ஜென் | -| 14 | கூட்டு வகைப்படுத்தலுக்கான அறிமுகம் | [Clustering](5-Clustering/README.md) | உங்கள் தரவை சுத்தம் செய்யவும், தயாரிக்கவும், காட்டவும்; கூட்டு வகைப்படுத்தலுக்கான அறிமுகம் | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | ஜென் • எரிக் வஞ்ஜாவ் | -| 15 | நைஜீரிய இசை ருசிகளை ஆராய்தல் 🎧 | [Clustering](5-Clustering/README.md) | K-Means கூட்டு வகைப்படுத்தல் முறையை ஆராயுங்கள் | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | ஜென் • எரிக் வஞ்ஜாவ் | -| 16 | இயற்கை மொழி செயலாக்க அறிமுகம் ☕️ | [Natural language processing](6-NLP/README.md) | எளிதான ஒரு பாட்டை உருவாக்கி NLP அடிப்படைகளை கற்றுக்கொள்ளுங்கள் | [Python](6-NLP/1-Introduction-to-NLP/README.md) | ஸ்டீபன் | -| 17 | பொதுவான NLP பணி ☕️ | [Natural language processing](6-NLP/README.md) | மொழி கட்டமைப்புகளுடன் பணியாற்றுவதற்கு தேவையான பொதுவான பணிகளைப் புரிந்துகொண்டு உங்கள் NLP அறிவை விரிவுபடுத்தவும் | [Python](6-NLP/2-Tasks/README.md) | ஸ்டீபன் | -| 18 | மொழிபெயர்ப்பு மற்றும் உணர்வு பகுப்பாய்வு ♥️ | [Natural language processing](6-NLP/README.md) | ஜேன் ஆஸ்டன் உடன் மொழிபெயர்ப்பு மற்றும் உணர்வு பகுப்பாய்வு | [Python](6-NLP/3-Translation-Sentiment/README.md) | ஸ்டீபன் | -| 19 | ஐரோப்பிய காதல் விடுதிகள் ♥️ | [Natural language processing](6-NLP/README.md) | ஹோட்டல் விமர்சனங்களுடன் உணர்வு பகுப்பாய்வு 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | ஸ்டீபன் | -| 20 | ஐரோப்பிய காதல் விடுதிகள் ♥️ | [Natural language processing](6-NLP/README.md) | ஹோட்டல் விமர்சனங்களுடன் உணர்வு பகுப்பாய்வு 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | ஸ்டீபன் | -| 21 | கால அளவு தொடர் படிம முன்கூட்டியறிதல் அறிமுகம் | [Time series](7-TimeSeries/README.md) | கால அளவு தொடர் படிம முன்கூட்டியறிதல் அறிமுகம் | [Python](7-TimeSeries/1-Introduction/README.md) | பிரான்செஸ்கா | -| 22 | ⚡️ உலக சக்தி பயன்பாடு ⚡️ - ARIMA உடன் கால அளவு தொடர் முன்கூட்டியறிதல் | [Time series](7-TimeSeries/README.md) | ARIMA உடன் கால அளவு தொடர் முன்கூட்டியறிதல் | [Python](7-TimeSeries/2-ARIMA/README.md) | பிரான்செஸ்கா | -| 23 | ⚡️ உலக சக்தி பயன்பாடு ⚡️ - SVR உடன் கால அளவு தொடர் முன்கூட்டியறிதல் | [Time series](7-TimeSeries/README.md) | Support Vector Regressor மூலம் கால அளவு தொடர் முன்கூட்டியறிதல் | [Python](7-TimeSeries/3-SVR/README.md) | அனிர்பான் | -| 24 | வலிமையூட்டும் கற்றலுக்கான அறிமுகம் | [Reinforcement learning](8-Reinforcement/README.md) | Q-Learning உடன் வலிமையூட்டும் கற்றலுக்கான அறிமுகம் | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | -| 25 | Python பிஜமா தவிர்க்க உதவுங்கள்! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Gym உடன் வலிமையூட்டும் கற்றல் | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | -| கடைசிக் குறிப்புகள் | உலக nyata இயந்திரக் கற்றல் சூழல்கள் மற்றும் பயன்பாடுகள் | [ML in the Wild](9-Real-World/README.md) | பாரம்பரிய இயந்திரக் கற்றலின் சுவாரஸ்யமான மற்றும் வெளிப்படுத்தும் உண்மையான பயன்பாடுகள் | [பாடம்](9-Real-World/1-Applications/README.md) | குழு | -| கடைசிக் குறிப்புகள் | RAI டாஷ்போர்டைப் பயன்படுத்தி இயந்திரக் கற்றலில் மொடல் பிழைத்திருத்தல் | [ML in the Wild](9-Real-World/README.md) | பதிலாளர் AI டாஷ்போர்டு கூறுகளைப் பயன்படுத்தி இயந்திரக் கற்றலில் மொடல் பிழைத்திருத்தல் | [பாடம்](9-Real-World/2-Debugging-ML-Models/README.md) | ரூத் யகுபு | - -> [இந்த படிப்புக்கான அனைத்து கூடுதல் வளங்களையும் எங்கள் Microsoft Learn தொகுப்பில் காணவும்](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) - -## ஆன்லைனாக இல்லாத அணுகல் - -[Docsify](https://docsify.js.org/#/) பயன்படுத்தி இந்த ஆவணத்தினை ஆன்லைனாக இல்லாத முறையில் இயக்கலாம். இந்த ரெப்போவை ஃபோர்க் செய்து, உங்கள் உள்ளக கணினியில் [Docsify ஐ நிறுவி](https://docsify.js.org/#/quickstart), அதன் பிறகு இந்த ரெப்போவின் ரூட் கோப்புறையில் `docsify serve` என தட்டச்சு செய்யவும். இணையதளம் 3000 என்ற பிளோர்டு இலக்கத்தில் உங்கள் உள்ளூர் கணினியில் (localhost:3000) கிடைக்கும். +- [போஸ்ட்-பாட நிகழ்ச்சி கூட்டு வினாத்தாள்](https://ff-quizzes.netlify.app/en/ml/) +> **மொழிகள் குறித்து ஒரே குறிப்பு**: இந்த பாடங்கள் முதன்மையாக Python இல் எழுதப்பட்டுள்ளன, ஆனால் பல பாடங்கள் R-இல் கூட கிடைக்கின்றன. ஒரு R பாடத்தை முடிக்க, `/solution` கோப்பகத்திற்கு சென்று R பாடங்களை காணுங்கள். அவற்றுக்கு .rmd விரிவாக்கம் உள்ளது, இது **R Markdown** கோப்பை குறிக்கிறது, இது `code chunks` (R அல்லது பிற மொழிகளை) மற்றும் `YAML header`-ஐ (PDF போன்ற வெளியீடுகளை வடிவமைக்க வழிகாட்டும்) `Markdown document`-ல் ஒருங்கிணைக்கும் வடிவமாக வரையறுக்கலாம். இதனால், உங்கள் கோ드를, அதன் வெளியீடுகளை மற்றும் உங்கள் எண்ணங்களை Markdown இல் எழுதுவதன் மூலம் இணைக்கக் கூடிய ஒரு சிறந்த ஆசிரியர் வடிவமைப்பாக இது செயல்படுகிறது. மேலும், R Markdown ஆவணங்களை PDF, HTML, அல்லது Word போன்ற வெளியீடு வடிவங்களில் உருவாக்கலாம். + +> **வினாக்குழிப்புரைகள் குறித்து ஒரே குறிப்பு**: அனைத்து வினாக்களும் [Quiz App folder](../../quiz-app) இல் உள்ளன, அதில் ஒவ்வொன்றிலும் மூன்று கேள்விகள் கொண்ட 52 வினா தொகுப்புகள் உள்ளன. அவை பாடங்களுக்குள் இணைக்கப்பட்டுள்ளன ஆனால் Quiz App-ஐ உள்ளூராக இயக்கலாம்; உள்ளூர் ஹோஸ்ட் அல்லது Azure-க்கு வெளியிட `quiz-app` கோப்பகத்தில் உள்ள வழிமுறைகளை பின்பற்றவும். + +| பாடத் தொகுதி எண் | தலைப்பு | பாடத் தொகுப்பு | கற்றல் குறிக்கோள்கள் | இணைக்கப்பட்ட பாடம் | ஆசிரியர் | +| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | +| 01 | இயந்திரக் கற்றல் அறிமுகம் | [அறிமுகம்](1-Introduction/README.md) | இயந்திரக் கற்றலின் அடிப்படைக் கருத்துக்களை கற்பது | [பாடம்](1-Introduction/1-intro-to-ML/README.md) | முஹம்மது | +| 02 | இயந்திரக் கற்றலின் வரலாறு | [அறிமுகம்](1-Introduction/README.md) | இந்த துறையின் வரலாறை கற்பது | [பாடம்](1-Introduction/2-history-of-ML/README.md) | ஜென் மற்றும் ஆமி | +| 03 | நீதி மற்றும் இயந்திரக் கற்றல் | [அறிமுகம்](1-Introduction/README.md) | நீதி சார்ந்த முக்கிய தத்துவப்பரப்புகளைக் குறித்து மாணவர்கள் என்ன கருத்தில் கொள்ள வேண்டும்? | [பாடம்](1-Introduction/3-fairness/README.md) | தொமோமி | +| 04 | இயந்திரக் கற்கல் தொழில்நுட்பங்கள் | [அறிமுகம்](1-Introduction/README.md) | இயந்திரக் கற்றல் மாதிரிகளை உருவாக்க எவற்றைப் பயன்படுத்துகிறார்கள்? | [பாடம்](1-Introduction/4-techniques-of-ML/README.md) | கிறிஸ் மற்றும் ஜென் | +| 05 | பின்வட்டார அறிமுகம் | [பின்வட்டாரம்](2-Regression/README.md) | பைதான் மற்றும் ஸ்கைகிட்-ல்ர்ன் பயன்பாட்டில் regression மாதிரிகள் உருவாக்க தொடங்குதல் | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | ஜென் • எரிக் வாஞ்சௌ | +| 06 | வட அமெரிக்க பாம்பரின் விலைகள் 🎃 | [பின்வட்டாரம்](2-Regression/README.md) | இயந்திரக் கற்றலுக்காக தரவுகளை ரசிக்கவும் சுத்தம் செய்யவும் | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | ஜென் • எரிக் வாஞ்சௌ | +| 07 | வட அமெரிக்க பாம்பரின் விலைகள் 🎃 | [பின்வட்டாரம்](2-Regression/README.md) | நேர்கோட்டு மற்றும் பன்முக பின்வட்டார் மாதிரிகள் உருவாக்கு | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | ஜென் மற்றும் ட்மிதிரி • எரிக் வாஞ்சௌ | +| 08 | வட அமெரிக்க பாம்பரின் விலைகள் 🎃 | [பின்வட்டாரம்](2-Regression/README.md) | லொஜிஸ்டிக் பின்வட்டாரம் மாதிரி உருவாக்கு | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | ஜென் • எரிக் வாஞ்சௌ | +| 09 | ஒரு வலை செயலி 🔌 | [வலை செயலி](3-Web-App/README.md) | உங்கள் பயிற்சி பெற்ற மாதிரியை பயன்படுத்த ஒரு வலை செயலியைக் கட்டுங்கள் | [Python](3-Web-App/1-Web-App/README.md) | ஜென் | +| 10 | வகைப்படுத்தல் அறிமுகம் | [வகைப்படுத்தல்](4-Classification/README.md) | உங்கள் தரவை சுத்தம் செய்யவும், தயார் செய்யவும் மற்றும் காட்சிப்படுத்தவும்; வகைப்படுத்தல் அறிமுகம் | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | ஜென் மற்றும் காசி • எரிக் வாஞ்சௌ | +| 11 | சுவையான ஆசிய மற்றும் இந்திய உணவுகள் 🍜 | [வகைப்படுத்தல்](4-Classification/README.md) | வகைப்பாட்டுக்கான அறிமுகம் | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | ஜென் மற்றும் காசி • எரிக் வாஞ்சௌ | +| 12 | சுவையான ஆசிய மற்றும் இந்திய உணவுகள் 🍜 | [வகைப்படுத்தல்](4-Classification/README.md) | அதிக வகைப்பாட்டாளர்கள் | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | ஜென் மற்றும் காசி • எரிக் வாஞ்சௌ | +| 13 | சுவையான ஆசிய மற்றும் இந்திய உணவுகள் 🍜 | [வகைப்படுத்தல்](4-Classification/README.md) | உங்கள் மாதிரியை பயன்படுத்தி பரிந்துரைக் வலை செயலியை கட்டுங்கள் | [Python](4-Classification/4-Applied/README.md) | ஜென் | +| 14 | கிளஸ்டர் அமைவியல் அறிமுகம் | [கிளஸ்டர் அமைவியல்](5-Clustering/README.md) | உங்கள் தரவை சுத்தம் செய்யவும், தயார் செய்யவும் மற்றும் காட்சிப்படுத்தவும்; கிளஸ்டர் அமைவியல் அறிமுகம் | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | ஜென் • எரிக் வாஞ்சௌ | +| 15 | நைஜீரிய இசை ருசிகளை ஆராய்தல் 🎧 | [கிளஸ்டர் அமைவியல்](5-Clustering/README.md) | K-Means கிளஸ்டர் முறையை ஆராயவும் | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | ஜென் • எரிக் வாஞ்சௌ | +| 16 | இயற்கை மொழி செயலாக்கம் அறிமுகம் ☕️ | [இயற்கை மொழி செயலாக்கம்](6-NLP/README.md) | எளிய பாட்டை உருவாக்கி NLP அடிப்படைகளை கற்றுக்கொள்ளுங்கள் | [Python](6-NLP/1-Introduction-to-NLP/README.md) | ஸ்டீபன் | +| 17 | பொதுவான NLP பணிகள் ☕️ | [இயற்கை மொழி செயலாக்கம்](6-NLP/README.md) | மொழி அமைப்புக்களைத் தொடர்பு கொண்டு செய்ய வேண்டிய பொதுப் பணிகளைக் கற்றுக்கொண்டு உங்கள் NLP அறிவை ஆழமாக்குங்கள் | [Python](6-NLP/2-Tasks/README.md) | ஸ்டீபன் | +| 18 | மொழிபெயர்ப்பு மற்றும் உணர்ச்சி பகுப்பாய்வு ♥️ | [இயற்கை மொழி செயலாக்கம்](6-NLP/README.md) | ஜேன் ஆஸ்டின் மூலம் மொழிபெயர்ப்பு மற்றும் உணர்ச்சி பகுப்பாய்வு | [Python](6-NLP/3-Translation-Sentiment/README.md) | ஸ்டீபன் | +| 19 | ஐரோப்பிய காதல் விடுதிகள் ♥️ | [இயற்கை மொழி செயலாக்கம்](6-NLP/README.md) | விடுதி மதிப்பாய்வுகளுடன் உணர்ச்சி பகுப்பாய்வு 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | ஸ்டீபன் | +| 20 | ஐரோப்பிய காதல் விடுதிகள் ♥️ | [இயற்கை மொழி செயலாக்கம்](6-NLP/README.md) | விடுதி மதிப்பாய்வுகளுடன் உணர்ச்சி பகுப்பாய்வு 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | ஸ்டீபன் | +| 21 | கால வரிசை முன்னறிவிப்பு அறிமுகம் | [கால வரிசை](7-TimeSeries/README.md) | கால வரிசை முன்னறிவிப்பிற்கு அறிமுகம் | [Python](7-TimeSeries/1-Introduction/README.md) | பிரான்செஸ்கா | +| 22 | ⚡️ உலக சக்தி பயன்பாடு ⚡️ - ARIMA உடன் கால வரிசை முன்னறிவிப்பு | [கால வரிசை](7-TimeSeries/README.md) | ARIMA உடன் கால வரிசை முன்னறிவிப்பு | [Python](7-TimeSeries/2-ARIMA/README.md) | பிரான்செஸ்கா | +| 23 | ⚡️ உலக சக்தி பயன்பாடு ⚡️ - SVR உடன் கால வரிசை முன்னறிவிப்பு | [கால வரிசை](7-TimeSeries/README.md) | Support Vector Regressor உடன் கால வரிசை முன்னறிவிப்பு | [Python](7-TimeSeries/3-SVR/README.md) | அனிர்பன் | +| 24 | மறுசீரமைப்பு கற்றல் அறிமுகம் | [மறுசீரமைப்பு கற்றல்](8-Reinforcement/README.md) | Q-Learning உடன் மறுசீரமைப்பு கற்றல் அறிமுகம் | [Python](8-Reinforcement/1-QLearning/README.md) | ட்மிதிரி | +| 25 | பீட்டரை ஓநாயிலிருந்து தடுத்து வைக்க! 🐺 | [மறுசீரமைப்பு கற்றல்](8-Reinforcement/README.md) | மறுசீரமைப்பு கற்றல் கேலம் | [Python](8-Reinforcement/2-Gym/README.md) | ட்மிதிரி | +| பின்னூட்டம் | நிஜ உலக இயந்திரக் கற்றல் சூழ்நிலைகளும் பயன்பாடுகளும் | [களத்திலுள்ள ML](9-Real-World/README.md) | பாரம்பரிய இயந்திரக் கற்றலின் சுவாரசியமான மற்றும் வெளிப்படுத்தும் வாட்சமைகள் | [பாடம்](9-Real-World/1-Applications/README.md) | குழு | +| பின்னூட்டம் | RAI டாஷ்போர்டைப் பயன்படுத்தி ML மாதிரி பிழைத்திருத்துதல் | [களத்திலுள்ள ML](9-Real-World/README.md) | பொறுப்பான AI டாஷ்போர்ட் கூறுகளைப் பயன்படுத்தி இயந்திரக் கற்றலில் மாதிரி பிழைத்திருத்துதல் | [பாடம்](9-Real-World/2-Debugging-ML-Models/README.md) | ரூத் யாகுபு | + +> [இந்த பாடத்திட்டத்திற்கு கூடுதல் அனைத்து வளங்களையும் Microsoft Learn கலெக்ஷனில் காண்க](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) + +## ஆஃப்லைன் அணுகல் + +இந்த ஆவணத்தை [Docsify](https://docsify.js.org/#/) பயன்படுத்தி ஆஃப்லைனில் இயக்க முடியும். இந்த ரெப்போவை Fork செய்து, உங்கள் உள்ளூர் கணினியில் [Docsify ஐ நிறுவுங்கள்](https://docsify.js.org/#/quickstart), பின்னர் இந்த ரெப்போவின் மூல சாத்திரத்தில் `docsify serve` என தட்டச்சு செய்யவும். இணையதளம் உங்கள் உள்ளூர் கணினி 3000 வண்ணக்குழியில் `localhost:3000` என்ற முகவரியில் சேவை செய்யப்படும். ## PDFகள் -வழிகாட்டுதலின் PDF பதிப்பை இணைப்புடன் [இங்கே](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) காணவும். +பாடத்திட்டத்தின் PDF ஐ [இங்கே](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) இணைப்புடன் காண்க. -## 🎒 மற்ற படிப்புகள் +## 🎒 பிற பாடங்கள் -எங்கள் குழு மற்ற படிப்புகளை உருவாக்குகிறது! பாருங்கள்: +எங்கள் குழு பிற பாடங்களையும் உருவாக்குகிறது! பாருங்கள்: ### LangChain -[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) -[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) -[![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) +[![LangChain4j துவக்கவர்களுக்கு](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) +[![LangChain.js துவக்கவர்களுக்கு](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) +[![LangChain துவக்கவர்களுக்கு](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agents -[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AZD துவக்கவர்களுக்கு](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Edge AI துவக்கவர்களுக்கு](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP தொடக்கத்திற்கானது](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI முகவர்கள் தொடக்கத்திற்கானது](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- -### Generative AI Series -[![Generative AI for Beginners](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) -[![Generative 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) -[![Generative 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) -[![Generative 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) +### உருவாக்கும் AI தொடர் +[![தொடக்கத்திற்கான உருவாக்கும் 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) +[![உருவாக்கும் 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) +[![உருவாக்கும் AI (ஜாவா)](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) +[![உருவாக்கும் AI (ஜாவாஸ்கிரிப்ட்)](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) --- -### மூலக் கற்றல் -[![ML for Beginners](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) -[![Data Science for Beginners](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) -[![AI for Beginners](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) -[![Cybersecurity for Beginners](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) -[![Web Dev for Beginners](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) -[![IoT for Beginners](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) -[![XR Development for Beginners](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) +### மையக் கற்றல் +[![மெஷின் கற்றல் தொடக்கத்திற்கானது](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) +[![தரவு அறிவியல் தொடக்கத்திற்கானது](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) +[![ஏ.ஐ. தொடக்கத்திற்கானது](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) +[![சைபர் பாதுகாப்பு தொடக்கத்திற்கானது](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) +[![வலை உருவாக்கம் தொடக்கத்திற்கானது](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) +[![IoT தொடக்கத்திற்கானது](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) +[![XR மேம்பாடு தொடக்கத்திற்கானது](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) --- -### கோபைலட் தொடர்ச்சி -[![Copilot for AI Paired Programming](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) -[![Copilot for C#/.NET](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) -[![Copilot Adventure](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) +### கோபைலட் தொடர் +[![ஏ.ஐ. இணைக்கப்பட்ட நிரல் எழுத்துக்காக கோபைலட்](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 க்கான கோபைலட்](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) +[![கோபைலட் அனுபவம்](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) ## உதவி பெறுதல் -உங்கள் AI செயலிகள் கட்டுவதில் சிக்கல் வந்தால் அல்லது கேள்விகள் உள்ளன என்றால். MCP பற்றி சக லெர்னர்கள் மற்றும் அனுபவசாலிகள் உடன் விவாதங்களில் சேரவும். கேள்விகள் வரவேற்கப்பட்டு அறிவு சுதந்திரமாக பகிரப்படும் ஆதரவுள்ளதாகிய சமூகம் இது. +வேலை முழுவதும் தடையோ அல்லது AI செயலிகளை உருவாக்குவதில் ஏதேனும் கேள்விகள் என்றால், MCP பற்றி fellow கற்றுகொள்பவர்களும் அனுபவ மிக்க டெவலப்பர்களும் கலந்துரையாடல்களில் இணைக. இது கேள்விகள் வரவேற்கப்படும் மற்றும் அறிவு சுதந்திரமாக பகிரப்படும் ஆதரவான சமூகம் ஆகும். [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -தயாரிப்பு கருத்து அல்லது பிழைகள் இருந்தால், கட்டும்போது பின்வரும் முகவரிக்கு செல்லவும்: +உற்பத்தி பின்னூட்டம் அல்லது பிழைகள் இருந்தால் கீழ்காணும் முகவரிக்கு செல்லவும்: [![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) ## கூடுதல் கற்றல் குறிப்புகள் -- ஒவ்வொரு பாடத்திற்கும் பின்னர் நோட்டுபுத்தகங்களை மறுபரிசீலனை செய்யவும். -- ஆல்குரிதத்தினை தானே நடைமுறைப்படுத்துவதை பயிற்சி செய்யவும். -- கற்றுக் கொண்ட கருத்துக்களை பயன்படுத்தி உண்மையான தரவுத்தளங்களை ஆராயவும். +- ஒவ்வொரு பாடத்திற்குப் பிறகும் நோட்புக்களை பரிசீலிக்கவும், மேலும் புரிந்துகொள்ளவும். +- சொந்தமாகக் கோடுகளை நடைமுறைப்படுத்த முயற்சி செய்யவும். +- கற்றுள்ள கருத்துக்களைப் பயன்படுத்தி உண்மையான தரவுத் தொகுப்புகளை ஆராயவும். --- -**ஒருங்குறிப்பு**: -இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவை [Co-op Translator](https://github.com/Azure/co-op-translator) பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் இலக்கான துல்லியத்திற்காக முயற்சித்தாலும், தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுகள் இருக்கக்கூடும் என்பதை தயவுசெய்து கவனமாக இருக்கவும். துவக்க ஆவணத்தின் இயல்பு மொழியில் உள்ள உள்ளடக்கம் அதிகாரப்பூர்வமான மூலமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்நுட்ப மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பின் பயன்படுத்துதலால் ஏற்படும் எந்தவொரு தவறான புரிதல்கள் அல்லது தவறான பாராட்டுகளுக்கு நாங்கள் பொறுப்பேற்க மாட்டோம். +**முன்னுரிமை**: +இந்த ஆவணம் AI மொழி மாற்ற சேவை [Co-op Translator](https://github.com/Azure/co-op-translator) பயன்படுத்தி மொழி மாற்றப்பட்டது. நாங்கள் துல்லியத்திற்காக முயற்சித்தாலும், தானியங்கி மொழி மாற்றங்களில் பிழைகள் அல்லது தவறுகள் உள்ளிருக்க வாய்ப்புள்ளது என்பதை கவனத்தில் கொள்ளவும். தாய்மொழியில் உள்ள அசல் ஆவணம் அதிகாரப்பூர்வ மூலமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழி மாற்றம் பரிந்துரைக்கப்படுகிறது. இந்த மொழி மாற்றத்தை பயன்படுத்தியதனால் ஏற்பட்ட எந்தவொரு புரிதல் குறைபாடுகளுக்கும் அல்லது தவறான விளக்கங்களுக்கும் நாங்கள் பொறுப்பாயில்லை. \ No newline at end of file