update-translations
localizeflow[bot]
3 days ago
parent
712688625c
commit
50cd0f0c82
@ -1,150 +1,157 @@
|
||||
# মেশিন লার্নিং পরিচিতি
|
||||
# মেশিন লার্নিং এর পরিচয়
|
||||
|
||||
## [পূর্ব-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ml/)
|
||||
## [প্রী-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ml/)
|
||||
|
||||
---
|
||||
|
||||
[](https://youtu.be/6mSx_KJxcHI "শুরু থেকে মেশিন লার্নিং - শিক্ষার্থীদের জন্য মেশিন লার্নিং পরিচিতি")
|
||||
[](https://youtu.be/6mSx_KJxcHI "ML for beginners - Introduction to Machine Learning for Beginners")
|
||||
|
||||
> 🎥 উপরের ছবিতে ক্লিক করুন এই পাঠের একটি সংক্ষিপ্ত ভিডিও দেখার জন্য।
|
||||
> 🎥 এই লেসনের মাধ্যমে কাজ করার জন্য সংক্ষিপ্ত ভিডিওটি দেখতে উপরের ছবিতে ক্লিক করুন।
|
||||
|
||||
শুরু থেকে মেশিন লার্নিং নিয়ে এই কোর্সে আপনাকে স্বাগতম! আপনি যদি এই বিষয়ের সম্পূর্ণ নতুন শিক্ষার্থী হন, অথবা একজন অভিজ্ঞ মেশিন লার্নিং প্র্যাকটিশনার হিসেবে কিছু বিষয় ঝালাই করতে চান, আমরা আপনাকে এখানে পেয়ে আনন্দিত। আমরা চাই একটি বন্ধুত্বপূর্ণ শিক্ষার পরিবেশ তৈরি করতে এবং আপনার [মতামত](https://github.com/microsoft/ML-For-Beginners/discussions) মূল্যায়ন, উত্তর প্রদান এবং অন্তর্ভুক্ত করতে।
|
||||
এই ক্লাসিকাল মেশিন লার্নিং কোর্সে আপনাকে স্বাগতম, যা বিশেষ করে শিক্ষানবীশদের জন্য তৈরি! আপনি যদি এই বিষয়ে সম্পূর্ণ নতুন হন, অথবা একজন অভিজ্ঞ এমএল প্র্যাকটিশনার হয়ে থাকেন এবং কোন একটি বিষয়ে রিভিউ করতে চান, আমরা আনন্দিত আপনার সাথে যুক্ত হতে পেরে! আমরা আপনার এমএল অধ্যয়নের জন্য একটি বন্ধুত্বপূর্ণ সূচনা স্থান তৈরি করতে চাই এবং আপনার [প্রতিক্রিয়া](https://github.com/microsoft/ML-For-Beginners/discussions) মূল্যায়ন, সাড়া এবং অন্তর্ভুক্ত করতে ইচ্ছুক।
|
||||
|
||||
[](https://youtu.be/h0e2HAPTGF4 "মেশিন লার্নিং পরিচিতি")
|
||||
[](https://youtu.be/h0e2HAPTGF4 "Introduction to ML")
|
||||
|
||||
> 🎥 উপরের ছবিতে ক্লিক করুন একটি ভিডিও দেখার জন্য: MIT-এর জন গুটাগ মেশিন লার্নিং পরিচিতি প্রদান করছেন
|
||||
> 🎥 উপরের ছবিতে ক্লিক করে ভিডিওটি দেখুন: MIT থেকে জন গুটট্যাগ মেশিন লার্নিং পরিচয় করিয়ে দিচ্ছেন
|
||||
|
||||
---
|
||||
## মেশিন লার্নিং শুরু করা
|
||||
|
||||
এই পাঠ্যক্রম শুরু করার আগে, আপনার কম্পিউটারটি প্রস্তুত করে নোটবুকগুলো লোকালভাবে চালানোর জন্য প্রস্তুত করতে হবে।
|
||||
এই পাঠ্যক্রম শুরু করার আগে, আপনার কম্পিউটার সেটআপ করা এবং লোকালি নোটবুক চালানোর জন্য প্রস্তুত থাকা প্রয়োজন।
|
||||
|
||||
- **আপনার মেশিন কনফিগার করুন এই ভিডিওগুলোর সাহায্যে**। [Python ইনস্টল](https://youtu.be/CXZYvNRIAKM) এবং [টেক্সট এডিটর সেটআপ](https://youtu.be/EU8eayHWoZg) করার পদ্ধতি শিখতে নিচের লিঙ্কগুলো ব্যবহার করুন।
|
||||
- **Python শিখুন**। [Python](https://docs.microsoft.com/learn/paths/python-language/?WT.mc_id=academic-77952-leestott) সম্পর্কে একটি মৌলিক ধারণা থাকা প্রয়োজন, যা ডেটা সায়েন্টিস্টদের জন্য উপযোগী একটি প্রোগ্রামিং ভাষা এবং আমরা এই কোর্সে এটি ব্যবহার করব।
|
||||
- **Node.js এবং JavaScript শিখুন**। আমরা এই কোর্সে কয়েকবার JavaScript ব্যবহার করব ওয়েব অ্যাপ তৈরি করার জন্য, তাই আপনার [node](https://nodejs.org) এবং [npm](https://www.npmjs.com/) ইনস্টল করা প্রয়োজন, এবং [Visual Studio Code](https://code.visualstudio.com/) Python এবং JavaScript ডেভেলপমেন্টের জন্য প্রস্তুত রাখতে হবে।
|
||||
- **GitHub অ্যাকাউন্ট তৈরি করুন**। যেহেতু আপনি আমাদের [GitHub](https://github.com) এ খুঁজে পেয়েছেন, আপনার হয়তো ইতিমধ্যেই একটি অ্যাকাউন্ট আছে, কিন্তু যদি না থাকে, একটি অ্যাকাউন্ট তৈরি করুন এবং এই পাঠ্যক্রমটি নিজের জন্য ফর্ক করুন। (আমাদের একটি স্টার দিতে ভুলবেন না 😊)
|
||||
- **Scikit-learn অন্বেষণ করুন**। [Scikit-learn](https://scikit-learn.org/stable/user_guide.html) এর সাথে পরিচিত হন, একটি ML লাইব্রেরি যা আমরা এই পাঠগুলোতে উল্লেখ করব।
|
||||
- **ভিডিওগুলোর মাধ্যমে আপনার যন্ত্রপাতি কনফিগার করুন**। আপনার সিস্টেমে [পাইথন ইনস্টলেশন কিভাবে করবেন](https://youtu.be/CXZYvNRIAKM) এবং বিকাশের জন্য [টেক্সট এডিটর সেটআপ](https://youtu.be/EU8eayHWoZg) শেখার জন্য নিম্নলিখিত লিঙ্কগুলো ব্যবহার করুন।
|
||||
- **পাইথন শিখুন**। এ ভাষাটি ডাটা সায়েন্টিস্টদের জন্য উপযোগী একটি প্রোগ্রামিং ভাষা, যেটি আমরা এই কোর্সে ব্যবহার করি। [পাইথন শেখার একটি মৌলিক ধারণা থাকা সুপারিশকৃত](https://docs.microsoft.com/learn/paths/python-language/?WT.mc_id=academic-77952-leestott)।
|
||||
- **Node.js এবং JavaScript শিখুন**। এই কোর্সের কিছু অংশে আমরা JavaScript ব্যবহার করব যখন ওয়েব অ্যাপ তৈরি করব, তাই আপনার কাছে [node](https://nodejs.org) এবং [npm](https://www.npmjs.com/) ইনস্টল করা থাকা দরকার এবং Python ও JavaScript উভয়ের উন্নয়নের জন্য [Visual Studio Code](https://code.visualstudio.com/) পাওয়া উচিত।
|
||||
- **GitHub অ্যাকাউন্ট তৈরি করুন**। আপনি যদি ইতোমধ্যে এখানে [GitHub](https://github.com) এ এসে থাকেন, সম্ভবত আপনার একটি অ্যাকাউন্ট আছে, তবে না থাকলে তৈরি করুন এবং এই পাঠ্যক্রম ফর্ক করে নিজের জন্য ব্যবহার করুন। (অবশ্যই, আমাদের একটি স্টার দিতে ভুলবেন না 😊)
|
||||
- **Scikit-learn অন্বেষণ করুন**। এই পাঠে উল্লেখ করা একটি ML লাইব্রেরি [Scikit-learn](https://scikit-learn.org/stable/user_guide.html) সম্পর্কে পরিচিত হন।
|
||||
|
||||
---
|
||||
## মেশিন লার্নিং কী?
|
||||
|
||||
'মেশিন লার্নিং' শব্দটি আজকের দিনে সবচেয়ে জনপ্রিয় এবং বহুল ব্যবহৃত শব্দগুলোর একটি। আপনি যদি প্রযুক্তির সাথে কিছুটা পরিচিত হন, তাহলে এই শব্দটি অন্তত একবার শুনেছেন এমন সম্ভাবনা রয়েছে। তবে মেশিন লার্নিংয়ের কার্যপ্রণালী বেশিরভাগ মানুষের কাছে রহস্যময়। একজন মেশিন লার্নিং শিক্ষার্থীর জন্য বিষয়টি কখনও কখনও জটিল মনে হতে পারে। তাই এটি কী তা বোঝা এবং ধাপে ধাপে, ব্যবহারিক উদাহরণের মাধ্যমে এটি শেখা গুরুত্বপূর্ণ।
|
||||
'মেশিন লার্নিং' শব্দটি আজকের দিনে সবচেয়ে জনপ্রিয় এবং প্রায়ই ব্যবহৃত শব্দগুলোর মধ্যে অন্যতম। প্রযুক্তির সাথে আপনার কোনো আংশিক পরিচিতি থাকলে, আপনি সম্ভবত এই শব্দটি অন্তত একবার শুনেছেন। যাইহোক, মেশিন লার্নিং এর যান্ত্রিক বিষয়গুলো বেশিরভাগ মানুষের জন্য রহস্যসূচক। একজন মেশিন লার্নিং শিক্ষানবীশের জন্য, বিষয়টি কিছু সময়ে অতিরিক্ত চাপ সৃষ্টিকারী হতে পারে। তাই এটি গুরুত্বপূর্ণ যে আমরা বুঝতে পারি মেশিন লার্নিং আসলে কী, এবং এটি ধাপে ধাপে, ব্যবহারিক উদাহরণের মাধ্যমে শিখি।
|
||||
|
||||
---
|
||||
## হাইপ কার্ভ
|
||||
## জনপ্রিয়তার বক্ররেখা
|
||||
|
||||
|
||||
|
||||
|
||||
> Google Trends দেখাচ্ছে 'মেশিন লার্নিং' শব্দটির সাম্প্রতিক 'হাইপ কার্ভ'
|
||||
> গুগল ট্রেন্ডস 'মেশিন লার্নিং' শব্দের সাম্প্রতিক 'হাইপ কার্ভ' দেখাচ্ছে
|
||||
|
||||
---
|
||||
## একটি রহস্যময় মহাবিশ্ব
|
||||
## এক রহস্যময় মহাবিশ্ব
|
||||
|
||||
আমরা একটি মহাবিশ্বে বাস করি যা রহস্যে ভরপুর। স্টিফেন হকিং, আলবার্ট আইনস্টাইন এবং আরও অনেক মহান বিজ্ঞানী তাদের জীবন উৎসর্গ করেছেন এমন তথ্য খুঁজে বের করতে যা আমাদের চারপাশের পৃথিবীর রহস্য উন্মোচন করে। এটি মানুষের শেখার স্বভাব: একটি শিশু নতুন জিনিস শেখে এবং তাদের চারপাশের পৃথিবীর গঠন সম্পর্কে জ্ঞান অর্জন করে বছর বছর ধরে।
|
||||
আমরা এমন একটি মহাবিশ্বে বাস করি যেটা মুগ্ধকর রহস্যে পরিপূর্ণ। স্টিফেন হকিং, আলবের্ট আইনস্টাইন এবং আরও অনেক মহান বিজ্ঞানীর জীবন আমাদের চারপাশের বিশ্বের রহস্য উন্মোচনের জন্য অর্থবহ তথ্য অনুসন্ধানে ব্যয় হয়েছে। এটি হচ্ছে মানুষের শেখার অবস্থা: একজন শিশু নতুন কিছু শেখে এবং বছরখানেক ধরে তাদের বয়সে সেগুলোর গঠন আবিষ্কার করে।
|
||||
|
||||
---
|
||||
## শিশুর মস্তিষ্ক
|
||||
|
||||
একটি শিশুর মস্তিষ্ক এবং ইন্দ্রিয় তাদের চারপাশের তথ্য গ্রহণ করে এবং ধীরে ধীরে জীবনের লুকানো প্যাটার্নগুলো শিখে যা তাদের শেখা প্যাটার্নগুলো চিহ্নিত করার জন্য যৌক্তিক নিয়ম তৈরি করতে সাহায্য করে। মানুষের মস্তিষ্কের শেখার প্রক্রিয়া মানুষকে এই পৃথিবীর সবচেয়ে উন্নত জীব হিসেবে তৈরি করে। লুকানো প্যাটার্নগুলো আবিষ্কার করে ক্রমাগত শেখা এবং তারপর সেই প্যাটার্নগুলোতে উদ্ভাবন করা আমাদেরকে আমাদের জীবনের পুরো সময় ধরে আরও উন্নত হতে সাহায্য করে। এই শেখার ক্ষমতা এবং বিকাশের সক্ষমতা একটি ধারণার সাথে সম্পর্কিত যাকে বলা হয় [মস্তিষ্কের প্লাস্টিসিটি](https://www.simplypsychology.org/brain-plasticity.html)। উপরিভাগে, আমরা মানুষের মস্তিষ্কের শেখার প্রক্রিয়া এবং মেশিন লার্নিংয়ের ধারণার মধ্যে কিছু অনুপ্রেরণামূলক মিল দেখতে পারি।
|
||||
একটি শিশুর মস্তিষ্ক ও ইন্দ্রিয় পরিবেশের ঘটনা উপলব্ধি করে এবং জীবনযাত্রার গোপন প্যাটার্নগুলো শেখে, যা শিশুকে শিখানো প্যাটার্ন চিন্হিত করার জন্য যৌক্তিক নিয়ম তৈরি করতে সহায়তা করে। মানব মস্তিষ্কের শেখার প্রক্রিয়া মানুষকে এই পৃথিবীর সবচেয়ে জটিল জীবিত সত্তা করে তোলে। গোপন প্যাটার্ন আবিষ্কার করে অবিরত শেখা এবং সেই প্যাটার্নের উপর উদ্ভাবন আমাদের পুরো জীবনকালে নিজেদের আরও ভালো করে তুলতে সক্ষম করে। এই শেখার সক্ষমতা ও বিকাশমান ক্ষমতা একটি ধারণা [ব্রেন প্লাস্টিসিটি](https://www.simplypsychology.org/brain-plasticity.html) নামে পরিচিত। ওপর থেকে দেখলে, আমরা মানুষের মস্তিষ্কের শেখার প্রক্রিয়া এবং মেশিন লার্নিং এর ধারণাগুলোর মধ্যে কিছু অনুপ্রেরণাদায়ক সাদৃশ্য আঁকতে পারি।
|
||||
|
||||
---
|
||||
## মানুষের মস্তিষ্ক
|
||||
## মানব মস্তিষ্ক
|
||||
|
||||
[মানুষের মস্তিষ্ক](https://www.livescience.com/29365-human-brain.html) বাস্তব পৃথিবী থেকে তথ্য গ্রহণ করে, প্রাপ্ত তথ্য প্রক্রিয়া করে, যৌক্তিক সিদ্ধান্ত নেয় এবং পরিস্থিতির উপর ভিত্তি করে নির্দিষ্ট কাজ সম্পাদন করে। এটিকে আমরা বুদ্ধিমত্তার সাথে আচরণ করা বলি। যখন আমরা একটি মেশিনে বুদ্ধিমত্তার আচরণের প্রক্রিয়ার অনুকরণ প্রোগ্রাম করি, তখন এটিকে কৃত্রিম বুদ্ধিমত্তা (AI) বলা হয়।
|
||||
[মানব মস্তিষ্ক](https://www.livescience.com/29365-human-brain.html) বাস্তব বিশ্ব থেকে জিনিসগুলি উপলব্ধি করে, প্রাপ্ত তথ্য প্রক্রিয়া করে, যুক্তিসংগত সিদ্ধান্ত নেয় এবং পরিস্থিতির উপর ভিত্তি করে নির্দিষ্ট কাজ সম্পাদন করে। এটাকেই আমরা বুদ্ধিমত্তাসম্পন্ন আচরণ বলা হয়। যখন আমরা একটি বুদ্ধিমত্তাসম্পন্ন আচরণ প্রক্রিয়ার নকল একটি যন্ত্রে প্রোগ্রাম করি, তা কৃত্রিম বুদ্ধিমত্তা (AI) নামে পরিচিত।
|
||||
|
||||
---
|
||||
## কিছু পরিভাষা
|
||||
|
||||
যদিও শব্দগুলো বিভ্রান্তিকর হতে পারে, মেশিন লার্নিং (ML) কৃত্রিম বুদ্ধিমত্তার একটি গুরুত্বপূর্ণ উপসেট। **ML বিশেষ অ্যালগরিদম ব্যবহার করে প্রাপ্ত তথ্য থেকে অর্থপূর্ণ তথ্য এবং লুকানো প্যাটার্ন খুঁজে বের করার মাধ্যমে যৌক্তিক সিদ্ধান্ত গ্রহণ প্রক্রিয়াকে সমর্থন করার উপর গুরুত্ব দেয়।**
|
||||
যদিও শব্দগুলো বিভ্রান্তিকর হতে পারে, মেশিন লার্নিং (ML) হলো কৃত্রিম বুদ্ধিমত্তার একটি গুরুত্বপূর্ণ উপশ্রেণী। **ML বিশেষায়িত অ্যালগরিদম ব্যবহার করে প্রাপ্ত ডাটা থেকে অর্থবহ তথ্য আবিষ্কার এবং লুকানো প্যাটার্ন খুঁজে উদ্ধার করার মাধ্যমে যুক্তিসংগত সিদ্ধান্ত গ্রহণ প্রক্রিয়াকে সমর্থন করে**।
|
||||
|
||||
---
|
||||
## AI, ML, ডিপ লার্নিং
|
||||
## AI, ML, গভীর শিক্ষা
|
||||
|
||||
|
||||
|
||||
|
||||
> AI, ML, ডিপ লার্নিং এবং ডেটা সায়েন্সের মধ্যে সম্পর্ক দেখানো একটি ডায়াগ্রাম। [জেন লুপার](https://twitter.com/jenlooper) দ্বারা তৈরি ইনফোগ্রাফিক, [এই গ্রাফিক](https://softwareengineering.stackexchange.com/questions/366996/distinction-between-ai-ml-neural-networks-deep-learning-and-data-mining) দ্বারা অনুপ্রাণিত।
|
||||
> AI, ML, গভীর শিক্ষা, এবং ডাটা সায়েন্সের সম্পর্ক দেখানো একটি চিত্র। ইনফোগ্রাফিক [Jen Looper](https://twitter.com/jenlooper) দ্বারা, এই [গ্রাফিক থেকে অনুপ্রাণিত](https://softwareengineering.stackexchange.com/questions/366996/distinction-between-ai-ml-neural-networks-deep-learning-and-data-mining)
|
||||
|
||||
---
|
||||
## কাভার করার ধারণাগুলো
|
||||
## কভার করার বিষয়সমূহ
|
||||
|
||||
এই পাঠ্যক্রমে, আমরা শুধুমাত্র মেশিন লার্নিংয়ের মৌলিক ধারণাগুলো কাভার করব যা একজন শিক্ষার্থীর জানা প্রয়োজন। আমরা 'ক্লাসিকাল মেশিন লার্নিং' নিয়ে আলোচনা করব, প্রধানত Scikit-learn ব্যবহার করে, একটি চমৎকার লাইব্রেরি যা অনেক শিক্ষার্থী মৌলিক বিষয়গুলো শেখার জন্য ব্যবহার করে। কৃত্রিম বুদ্ধিমত্তা বা ডিপ লার্নিংয়ের বিস্তৃত ধারণাগুলো বুঝতে, মেশিন লার্নিংয়ের শক্তিশালী মৌলিক জ্ঞান অপরিহার্য, এবং আমরা এটি এখানে প্রদান করতে চাই।
|
||||
এই পাঠ্যক্রমে আমরা শুধুমাত্র মেশিন লার্নিং এর মূল ধারণাগুলো কভার করব যা একজন শিক্ষানবীশের জানা জরুরি। আমরা প্রধানত 'ক্লাসিকাল মেশিন লার্নিং' নিয়ে আলোচনা করব Scikit-learn ব্যবহার করে, যা অনেক শিক্ষার্থী মৌলিক জ্ঞান অর্জনের জন্য ব্যবহার করে। কৃত্রিম বুদ্ধিমত্তা বা গভীর শিক্ষার বিস্তৃত ধারণাগুলো বুঝতে, মেশিন লার্নিং এর শক্তিশালী মূল জ্ঞান অপরিহার্য, তাই আমরা এটিকে এখানে অফার করতে চাচ্ছি।
|
||||
|
||||
---
|
||||
## এই কোর্সে আপনি শিখবেন:
|
||||
|
||||
- মেশিন লার্নিংয়ের মৌলিক ধারণা
|
||||
- মেশিন লার্নিংয়ের ইতিহাস
|
||||
- মেশিন লার্নিং এবং ন্যায্যতা
|
||||
- রিগ্রেশন মেশিন লার্নিং কৌশল
|
||||
- ক্লাসিফিকেশন মেশিন লার্নিং কৌশল
|
||||
- ক্লাস্টারিং মেশিন লার্নিং কৌশল
|
||||
- প্রাকৃতিক ভাষা প্রক্রিয়াকরণ মেশিন লার্নিং কৌশল
|
||||
- টাইম সিরিজ পূর্বাভাস মেশিন লার্নিং কৌশল
|
||||
- মেশিন লার্নিং এর মূল ধারণা
|
||||
- এমএল এর ইতিহাস
|
||||
- এমএল এবং ন্যায়পরায়ণতা
|
||||
- রিগ্রেশন এমএল প্রযুক্তি
|
||||
- শ্রেণীবিভাগ এমএল প্রযুক্তি
|
||||
- ক্লাস্টারিং এমএল প্রযুক্তি
|
||||
- প্রাকৃতিক ভাষা প্রক্রিয়াকরণ এমএল প্রযুক্তি
|
||||
- টাইম সিরিজ পূর্বাভাস এমএল প্রযুক্তি
|
||||
- রিইনফোর্সমেন্ট লার্নিং
|
||||
- মেশিন লার্নিংয়ের বাস্তব জীবনের প্রয়োগ
|
||||
- এমএল এর বাস্তব জীবনের প্রয়োগসমূহ
|
||||
|
||||
---
|
||||
## আমরা যা কাভার করব না
|
||||
## যা কভার করবো না
|
||||
|
||||
- ডিপ লার্নিং
|
||||
- নিউরাল নেটওয়ার্ক
|
||||
- গভীর শিক্ষা
|
||||
- নিউরাল নেটওয়ার্ক
|
||||
- AI
|
||||
|
||||
শিক্ষার অভিজ্ঞতা আরও ভালো করার জন্য, আমরা নিউরাল নেটওয়ার্কের জটিলতা, 'ডিপ লার্নিং' - নিউরাল নেটওয়ার্ক ব্যবহার করে বহু-স্তরযুক্ত মডেল তৈরি - এবং AI এড়িয়ে যাব, যা আমরা একটি ভিন্ন পাঠ্যক্রমে আলোচনা করব। আমরা একটি আসন্ন ডেটা সায়েন্স পাঠ্যক্রমও প্রদান করব যা এই বৃহত্তর ক্ষেত্রের সেই দিকটিতে মনোযোগ দেবে।
|
||||
একটি উন্নত শিক্ষার অভিজ্ঞতা দেওয়ার জন্য, আমরা নিউরাল নেটওয়ার্ক, 'গভীর শিক্ষা' - নিউরাল নেটওয়ার্ক ব্যবহার করে বহুস্তরযুক্ত মডেল তৈরির প্রক্রিয়া - এবং AI এর জটিলতা এড়িয়ে চলব, যেগুলো আমরা অন্য একটি কোর্সে আলোচনা করব। আমরা একটি আসন্ন ডাটা সায়েন্স পাঠ্যক্রমও অফার করব যা এই বৃহত্তর ক্ষেত্রের সেই দিকটিতে মনোযোগ দিবে।
|
||||
|
||||
---
|
||||
## কেন মেশিন লার্নিং পড়বেন?
|
||||
## কেন মেশিন লার্নিং শিখবেন?
|
||||
|
||||
সিস্টেমের দৃষ্টিকোণ থেকে, মেশিন লার্নিংকে সংজ্ঞায়িত করা হয় এমন স্বয়ংক্রিয় সিস্টেম তৈরি হিসেবে যা ডেটা থেকে লুকানো প্যাটার্ন শিখতে পারে এবং বুদ্ধিমত্তার সিদ্ধান্ত গ্রহণে সহায়তা করতে পারে।
|
||||
একটি সিস্টেমের দৃষ্টি থেকে, মেশিন লার্নিং হলো এমন স্বয়ংক্রিয় ব্যবস্থা তৈরির প্রক্রিয়া যা ডাটা থেকে লুকানো প্যাটার্ন শিখতে পারে এবং বুদ্ধিমান সিদ্ধান্ত গ্রহণে সাহায্য করে।
|
||||
|
||||
এই অনুপ্রেরণা মানুষের মস্তিষ্ক কীভাবে বাইরের পৃথিবী থেকে প্রাপ্ত ডেটার উপর ভিত্তি করে কিছু জিনিস শিখে তার সাথে সামান্যভাবে সম্পর্কিত।
|
||||
এই অনুপ্রেরণা আংশিকভাবে মানুষের মস্তিষ্কের শেখার পদ্ধতি থেকে উদ্ভূত যা বাইরের বিশ্বের ডাটা থেকে তথ্য গ্রহণ করে।
|
||||
|
||||
✅ এক মিনিট চিন্তা করুন কেন একটি ব্যবসা মেশিন লার্নিং কৌশল ব্যবহার করতে চাইবে, কঠোরভাবে কোড করা নিয়ম-ভিত্তিক ইঞ্জিন তৈরি করার পরিবর্তে।
|
||||
✅ এক মিনিট ভাবুন কেন একটি ব্যবসায় মেশিন লার্নিং কৌশল ব্যবহার করতে চাইবে হার্ড-কোডেড নিয়ম ভিত্তিক ইঞ্জিন তৈরির পরিবর্তে।
|
||||
|
||||
---
|
||||
## মেশিন লার্নিংয়ের প্রয়োগ
|
||||
## কেন ডাটা গুণমান গুরুত্বপূর্ণ
|
||||
|
||||
মেশিন লার্নিংয়ের প্রয়োগ এখন প্রায় সর্বত্র, এবং আমাদের সমাজে প্রবাহিত ডেটার মতোই সর্বব্যাপী, যা আমাদের স্মার্টফোন, সংযুক্ত ডিভাইস এবং অন্যান্য সিস্টেম দ্বারা তৈরি হয়। সর্বাধুনিক মেশিন লার্নিং অ্যালগরিদমের বিশাল সম্ভাবনা বিবেচনা করে, গবেষকরা তাদের সক্ষমতা বহুমাত্রিক এবং বহুবিধ বাস্তব জীবনের সমস্যাগুলো সমাধান করতে পরীক্ষা করছেন, এবং ইতিবাচক ফলাফল পাচ্ছেন।
|
||||
উচ্চ মানের ডাটা মডেল কর্মক্ষমতা বাড়ায়। খারাপ বা গোলমালপূর্ণ ডাটা এটি অনুমান ভুলে পরিচালিত করতে পারে, এমনকি যখন উন্নত মেশিন লার্নিং অ্যালগরিদম ব্যবহার করা হয়।
|
||||
|
||||
---
|
||||
## প্রয়োগকৃত মেশিন লার্নিংয়ের উদাহরণ
|
||||
## মেশিন লার্নিং এর প্রয়োগসমূহ
|
||||
|
||||
মেশিন লার্নিংয়ের প্রয়োগ এখন প্রায় সর্বত্রই পাওয়া যায়, যেমন ডাটা প্রবাহিত হয় আমাদের সমাজে, স্মার্টফোন, সংযুক্ত ডিভাইস এবং অন্যান্য সিস্টেম থেকে উৎপন্ন। অত্যাধুনিক মেশিন লার্নিং অ্যালগরিদমের মহান সম্ভাব্যতা বিবেচনা করে, গবেষকরা বহুমাত্রিক এবং বহু-বিভাগীয় বাস্তব জীবনের সমস্যাগুলো সমাধানের সক্ষমতা পরীক্ষা করছেন যা ইতিবাচক ফলাফল দিচ্ছে।
|
||||
|
||||
---
|
||||
## প্রয়োগকৃত ML এর উদাহরণ
|
||||
|
||||
**আপনি মেশিন লার্নিং বিভিন্নভাবে ব্যবহার করতে পারেন**:
|
||||
|
||||
- রোগের সম্ভাবনা পূর্বাভাস দিতে রোগীর মেডিকেল ইতিহাস বা রিপোর্ট থেকে।
|
||||
- আবহাওয়ার ডেটা ব্যবহার করে আবহাওয়া পূর্বাভাস দিতে।
|
||||
- একটি টেক্সটের অনুভূতি বুঝতে।
|
||||
- ভুয়া খবর শনাক্ত করতে এবং প্রোপাগান্ডা ছড়ানো বন্ধ করতে।
|
||||
- রোগীর চিকিৎসা ইতিহাস বা প্রতিবেদন থেকে রোগের সম্ভাবনা অনুমান করতে।
|
||||
- আবহাওয়া ডাটা ব্যবহার করে আবহাওয়ার পূর্বাভাস দিতে।
|
||||
- একটি লেখার অনুভূতি বোঝার জন্য।
|
||||
- মিথ্যা খবর সনাক্ত করে প্রচার রোধ করার জন্য।
|
||||
|
||||
অর্থনীতি, ভূবিজ্ঞান, মহাকাশ অনুসন্ধান, বায়োমেডিক্যাল ইঞ্জিনিয়ারিং, কগনিটিভ সায়েন্স এবং এমনকি মানবিক ক্ষেত্রগুলো মেশিন লার্নিংকে তাদের ক্ষেত্রের জটিল, ডেটা-প্রক্রিয়াকরণ ভারী সমস্যাগুলো সমাধান করতে গ্রহণ করেছে।
|
||||
অর্থনীতি, ভৌত বিজ্ঞান, মহাকাশ অনুসন্ধান, বায়োমেডিকেল ইঞ্জিনিয়ারিং, কগনিটিভ সায়েন্স, এমনকি মানবিক শাস্ত্রের ক্ষেত্রেও মেশিন লার্নিং ব্যবহার হয়েছে তাদের ডোমেইনের কঠিন ও ডাটা-প্রক্রিয়াকরণ ভিত্তিক সমস্যাগুলো সমাধানে।
|
||||
|
||||
---
|
||||
## উপসংহার
|
||||
|
||||
মেশিন লার্নিং বাস্তব বা তৈরি ডেটা থেকে অর্থপূর্ণ অন্তর্দৃষ্টি খুঁজে বের করার মাধ্যমে প্যাটার্ন আবিষ্কারের প্রক্রিয়াকে স্বয়ংক্রিয় করে। এটি ব্যবসা, স্বাস্থ্য এবং আর্থিক প্রয়োগসহ অন্যান্য ক্ষেত্রে অত্যন্ত মূল্যবান প্রমাণিত হয়েছে।
|
||||
মেশিন লার্নিং বাস্তব জীবনের বা তৈরি ডাটা থেকে অর্থবহ অন্তর্দৃষ্টি খুঁজে পেয়ে প্যাটার্ন আবিষ্কারের প্রক্রিয়া স্বয়ংক্রিয় করে। এটি ব্যবসা, স্বাস্থ্য এবং আর্থিক প্রয়োগসহ বিভিন্ন ক্ষেত্রে অত্যন্ত মূল্যবান প্রমাণিত হয়েছে।
|
||||
|
||||
অদূর ভবিষ্যতে, মেশিন লার্নিংয়ের মৌলিক বিষয়গুলো বোঝা যেকোনো ক্ষেত্রের মানুষের জন্য অত্যাবশ্যক হয়ে উঠবে এর ব্যাপক গ্রহণযোগ্যতার কারণে।
|
||||
ভবিষ্যতে, যেকোনো ক্ষেত্রের মানুষের জন্য মেশিন লার্নিং এর মৌলিক ধারণা জানা প্রয়োজন হয়ে উঠবে এর ব্যাপক গ্রহণযোগ্যতার কারণে।
|
||||
|
||||
---
|
||||
# 🚀 চ্যালেঞ্জ
|
||||
|
||||
কাগজে বা [Excalidraw](https://excalidraw.com/) এর মতো একটি অনলাইন অ্যাপ ব্যবহার করে AI, ML, ডিপ লার্নিং এবং ডেটা সায়েন্সের মধ্যে পার্থক্য সম্পর্কে আপনার ধারণা স্কেচ করুন। প্রতিটি কৌশল কোন ধরনের সমস্যার সমাধানে ভালো তা নিয়ে কিছু ধারণা যোগ করুন।
|
||||
কাগজে বা [Excalidraw](https://excalidraw.com/) এর মতো অনলাইন অ্যাপ ব্যবহার করে AI, ML, গভীর শিক্ষা, এবং ডাটা সায়েন্সের মধ্যে পার্থক্যের আপনার ধারণা আঁকুন। প্রতিটির যথাযথ সমস্যাগুলো সমাধানের কিছু আইডিয়া যোগ করুন।
|
||||
|
||||
# [পোস্ট-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ml/)
|
||||
|
||||
---
|
||||
# পর্যালোচনা এবং স্ব-অধ্যয়ন
|
||||
# পর্যালোচনা ও স্ব-অধ্যয়ন
|
||||
|
||||
ক্লাউডে কীভাবে ML অ্যালগরিদম নিয়ে কাজ করতে পারেন তা শিখতে এই [Learning Path](https://docs.microsoft.com/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=academic-77952-leestott) অনুসরণ করুন।
|
||||
ক্লাউডে ML অ্যালগরিদম নিয়ে কাজ করার আরও তথ্যের জন্য, এই [লার্নিং পথ](https://docs.microsoft.com/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=academic-77952-leestott) অনুসরণ করুন।
|
||||
|
||||
মেশিন লার্নিংয়ের মৌলিক বিষয়গুলো সম্পর্কে জানতে একটি [Learning Path](https://docs.microsoft.com/learn/modules/introduction-to-machine-learning/?WT.mc_id=academic-77952-leestott) গ্রহণ করুন।
|
||||
ML এর মৌলিক বিষয়ে একটি [লার্নিং পথ](https://docs.microsoft.com/learn/modules/introduction-to-machine-learning/?WT.mc_id=academic-77952-leestott) গ্রহণ করুন।
|
||||
|
||||
---
|
||||
# অ্যাসাইনমেন্ট
|
||||
|
||||
[শুরু করুন](assignment.md)
|
||||
[শুরু করুন ও চলুন](assignment.md)
|
||||
|
||||
---
|
||||
|
||||
**অস্বীকৃতি**:
|
||||
এই নথিটি AI অনুবাদ পরিষেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসাধ্য সঠিকতার জন্য চেষ্টা করি, তবে অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। মূল ভাষায় থাকা নথিটিকে প্রামাণিক উৎস হিসেবে বিবেচনা করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য, পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদ ব্যবহারের ফলে কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যা হলে আমরা দায়বদ্ধ থাকব না।
|
||||
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
||||
**অস্বীকৃতি**:
|
||||
এই নথিটি AI অনুবাদ পরিষেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনূদিত হয়েছে। যদিও আমরা শুদ্ধতার জন্য চেষ্টা করি, অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। মূল নথিটি তার স্বভাষায় কর্তৃত্বপূর্ণ উৎস হিসেবে বিবেচিত হওয়া উচিত। গুরুত্বপূর্ণ তথ্যের জন্য পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদের ব্যবহারে প্রয়োজনীয় ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়বদ্ধ নই।
|
||||
<!-- CO-OP TRANSLATOR DISCLAIMER END -->
|
||||
@ -1,150 +1,157 @@
|
||||
# मशीन लर्निंगची ओळख
|
||||
# मशीन शिक्षणाची ओळख
|
||||
|
||||
## [पूर्व-व्याख्यान प्रश्नमंजुषा](https://ff-quizzes.netlify.app/en/ml/)
|
||||
## [पूर्व-व्याख्यान क्विझ](https://ff-quizzes.netlify.app/en/ml/)
|
||||
|
||||
---
|
||||
|
||||
[](https://youtu.be/6mSx_KJxcHI "शिकणाऱ्यांसाठी मशीन लर्निंग - मशीन लर्निंगची सुरुवात")
|
||||
[](https://youtu.be/6mSx_KJxcHI "सुरुवातीसाठी एमएल - सुरुवातीसाठी मशीन शिक्षणाची ओळख")
|
||||
|
||||
> 🎥 वरील प्रतिमेवर क्लिक करा आणि या धड्याचा व्हिडिओ पहा.
|
||||
> 🎥 या धड्यादरम्यान काम करणाऱ्या लघु व्हिडिओसाठी वरील प्रतिमावर क्लिक करा.
|
||||
|
||||
शिकणाऱ्यांसाठी क्लासिकल मशीन लर्निंग या कोर्समध्ये आपले स्वागत आहे! तुम्ही या विषयात पूर्णपणे नवीन असाल किंवा अनुभवी ML व्यावसायिक असाल ज्यांना एखाद्या क्षेत्रात आपले ज्ञान ताजे करायचे असेल, आम्ही तुम्हाला आमच्यासोबत सामील होण्यासाठी आनंदाने स्वागत करतो! आम्ही तुमच्या ML अभ्यासासाठी एक मैत्रीपूर्ण प्रारंभिक ठिकाण तयार करू इच्छितो आणि तुमच्या [प्रतिक्रियेचे](https://github.com/microsoft/ML-For-Beginners/discussions) मूल्यांकन, प्रतिसाद आणि समावेश करण्यास तयार आहोत.
|
||||
नवशिक्यांसाठी पारंपरिक मशीन शिक्षणाविषयी या कोर्समध्ये आपले स्वागत आहे! आपण या विषयावर पूर्णपणे नवीन असाल किंवा एका अनुभवी एमएल व्यावसायिक असाल आणि एका क्षेत्रात सुधारणा करायची असेल, आम्हाला आपल्याला आमच्यात सामील होत पाहून आनंद होतो! आम्हाला आपला एमएल अभ्यास सुरू करण्यासाठी एक मैत्रीपूर्ण ठिकाण तयार करायचे आहे आणि आपला [प्रतिक्रिया](https://github.com/microsoft/ML-For-Beginners/discussions) मूल्यांकन करण्यासाठी, प्रतिसाद देण्यासाठी आणि समाविष्ट करण्यासाठी आम्हाला आनंद होईल.
|
||||
|
||||
[](https://youtu.be/h0e2HAPTGF4 "मशीन लर्निंगची ओळख")
|
||||
[](https://youtu.be/h0e2HAPTGF4 "एमएलची ओळख")
|
||||
|
||||
> 🎥 वरील प्रतिमेवर क्लिक करा: MIT चे जॉन गुट्टाग मशीन लर्निंगची ओळख करून देतात
|
||||
> 🎥 वरील प्रतिमावर क्लिक करा: एमआयटीचे जॉन गट्टाग मशीन शिक्षणाची ओळख करून देतात
|
||||
|
||||
---
|
||||
## मशीन लर्निंगची सुरुवात
|
||||
## मशीन शिक्षणासह सुरूवात करणे
|
||||
|
||||
या अभ्यासक्रमाला सुरुवात करण्यापूर्वी, तुमचा संगणक स्थानिक स्तरावर नोटबुक चालवण्यासाठी तयार असणे आवश्यक आहे.
|
||||
या अभ्यासक्रमास सुरू करण्यापूर्वी, आपल्याला आपल्या संगणकास स्थानिकपणे नोटबुक चालविण्यासाठी सेटअप करणे आवश्यक आहे.
|
||||
|
||||
- **तुमचे मशीन कॉन्फिगर करा या व्हिडिओंसह**. तुमच्या सिस्टममध्ये [Python कसे इंस्टॉल करायचे](https://youtu.be/CXZYvNRIAKM) आणि विकासासाठी [टेक्स्ट एडिटर कसे सेटअप करायचे](https://youtu.be/EU8eayHWoZg) हे शिकण्यासाठी खालील लिंक वापरा.
|
||||
- **Python शिका**. [Python](https://docs.microsoft.com/learn/paths/python-language/?WT.mc_id=academic-77952-leestott) या प्रोग्रामिंग भाषेची मूलभूत समज असणे शिफारसीय आहे, जी डेटा सायंटिस्टसाठी उपयुक्त आहे आणि आम्ही या कोर्समध्ये वापरतो.
|
||||
- **Node.js आणि JavaScript शिका**. आम्ही या कोर्समध्ये वेब अॅप्स तयार करताना काही वेळा JavaScript वापरतो, त्यामुळे तुम्हाला [node](https://nodejs.org) आणि [npm](https://www.npmjs.com/) इंस्टॉल करणे आवश्यक आहे, तसेच Python आणि JavaScript विकासासाठी [Visual Studio Code](https://code.visualstudio.com/) उपलब्ध असणे आवश्यक आहे.
|
||||
- **GitHub खाते तयार करा**. तुम्ही आम्हाला [GitHub](https://github.com) वर शोधले असल्याने, तुमच्याकडे आधीच खाते असण्याची शक्यता आहे, परंतु नसल्यास, एक तयार करा आणि नंतर तुमच्यासाठी या अभ्यासक्रमाची फोर्क करा. (आम्हाला स्टार देण्यास मोकळे 😊)
|
||||
- **Scikit-learn एक्सप्लोर करा**. [Scikit-learn](https://scikit-learn.org/stable/user_guide.html) या ML लायब्ररीशी परिचित व्हा, ज्याचा संदर्भ आम्ही या धड्यांमध्ये घेतो.
|
||||
- **या व्हिडिओंसह आपल्या मशीनचे कॉन्फिगर करा**. आपल्या प्रणालीमध्ये [Python कसे स्थापित करायचे](https://youtu.be/CXZYvNRIAKM) आणि [विकासासाठी एक टेक्स्ट एडिटर कसे सेट करायचे](https://youtu.be/EU8eayHWoZg) शिकण्यासाठी खालील दुवे वापरा.
|
||||
- **Python शिका**. डेटा वैज्ञानिकांसाठी उपयुक्त प्रोग्रामिंग भाषा असलेली [Python](https://docs.microsoft.com/learn/paths/python-language/?WT.mc_id=academic-77952-leestott) याबद्दल मूलभूत समज असणे देखील शिफारसीय आहे, जी आपण या कोर्समध्ये वापरतो.
|
||||
- **Node.js आणि JavaScript शिका**. वेब अॅप तयार करताना आपण काही वेळा JavaScript देखील वापरतो, म्हणून आपल्याला [node](https://nodejs.org) आणि [npm](https://www.npmjs.com/) स्थापित करणे आवश्यक आहे, तसेच Python आणि JavaScript विकासासाठी [Visual Studio Code](https://code.visualstudio.com/) उपलब्ध असणे आवश्यक आहे.
|
||||
- **GitHub खाते तयार करा**. आपण येथे [GitHub](https://github.com) वर आहात, त्यामुळे आपल्याकडे आधीच एक खाते असू शकते, परंतु जर नाही, तर एक तयार करा आणि नंतर हा अभ्यासक्रम आपल्या वापरासाठी फोर्क करा. (आम्हाला स्टार देण्यास देखील मोकळ्या मनाने पुढे या 😊)
|
||||
- **Scikit-learn अभ्यासा**. या धड्यांमध्ये संदर्भित केलेल्या [Scikit-learn](https://scikit-learn.org/stable/user_guide.html) या ML लायब्ररींची आपल्याला माहिती करून घ्या.
|
||||
|
||||
---
|
||||
## मशीन लर्निंग म्हणजे काय?
|
||||
## मशीन शिक्षण म्हणजे काय?
|
||||
|
||||
'मशीन लर्निंग' हा आजच्या काळातील सर्वात लोकप्रिय आणि वारंवार वापरला जाणारा शब्द आहे. तुम्ही तंत्रज्ञानाशी काही प्रमाणात परिचित असाल, मग तुम्ही कोणत्याही क्षेत्रात काम करत असाल, तरी तुम्ही हा शब्द किमान एकदा ऐकला असेल. मात्र, मशीन लर्निंगचे यांत्रिकी बहुतेक लोकांसाठी गूढ आहे. मशीन लर्निंग शिकणाऱ्यांसाठी, हा विषय कधी कधी गोंधळात टाकणारा वाटू शकतो. म्हणूनच, मशीन लर्निंग म्हणजे काय हे समजून घेणे आणि व्यावहारिक उदाहरणांद्वारे ते टप्प्याटप्प्याने शिकणे महत्त्वाचे आहे.
|
||||
'मशीन शिक्षण' हा सध्याच्या काळातील सर्वात लोकप्रिय आणि वारंवार वापरला जाणारा शब्द आहे. तुम्हाला तंत्रज्ञानाशी थोडीशी ओळख असेल तर हा शब्द तुम्ही किमान कधी ना कधी ऐकला असेल, कोणत्याही क्षेत्रात काम करत असला तरीही. तथापि, मशीन शिक्षणाची यंत्रणा बहुतेक लोकांसाठी अगदी गूढ आहे. एक नवशिक्या म्हणून, हा विषय कधी कधी भलताच जड वाटू शकतो. म्हणून, मशीन शिक्षण प्रत्यक्षात काय आहे हे समजून घेणे महत्त्वाचे आहे आणि ते चरणाने चरणाने, व्यावहारिक उदाहरणांद्वारे शिकणे आवश्यक आहे.
|
||||
|
||||
---
|
||||
## हायप कर्व्ह
|
||||
## लोकप्रियतेचा वक्र
|
||||
|
||||
|
||||
|
||||
|
||||
> Google Trends 'मशीन लर्निंग' या शब्दाचा अलीकडील 'हायप कर्व्ह' दर्शवते
|
||||
> Google Trends 'मशीन शिक्षण' या शब्दाचा अलीकडील 'लोकप्रियता वक्र' दर्शविते
|
||||
|
||||
---
|
||||
## एक गूढ विश्व
|
||||
## एक रहस्यमय विश्व
|
||||
|
||||
आपण एका गूढांनी भरलेल्या विश्वात राहतो. स्टीफन हॉकिंग, अल्बर्ट आईन्स्टाईन यांसारख्या महान वैज्ञानिकांनी आणि इतर अनेकांनी आपल्या आजूबाजूच्या जगातील रहस्ये उलगडणारी अर्थपूर्ण माहिती शोधण्यासाठी आपले जीवन समर्पित केले आहे. हे शिकण्याचे मानवी स्वरूप आहे: मानवी मूल नवीन गोष्टी शिकते आणि प्रौढ होईपर्यंत दरवर्षी त्यांच्या जगाची रचना उलगडते.
|
||||
आपण एका रहस्यमय विश्वात राहतो. स्टिफन हॉकिंग, अल्बर्ट आइनस्टाइन आणि अनेक महान शास्त्रज्ञांनी आपल्या सभोवतालच्या जगाच्या रहस्यांचा शोध लावण्यासाठी आपले जीवन समर्पित केले आहे. हा हा मानव शिक्षणाचा स्थिती आहे: मानव बालक नवीन गोष्टी शिकतो आणि दर वर्षी वाढत जाताना आपल्या जागेची रचना उलगडतो.
|
||||
|
||||
---
|
||||
## मुलाचे मेंदू
|
||||
## बालकाचे मेंदू
|
||||
|
||||
मुलाचा मेंदू आणि संवेदना त्यांच्या आजूबाजूच्या गोष्टींचा अनुभव घेतात आणि हळूहळू जीवनातील लपलेल्या नमुन्यांचा अभ्यास करतात, ज्यामुळे मुलाला शिकलेल्या नमुन्यांची ओळख पटवण्यासाठी तार्किक नियम तयार करण्यात मदत होते. मानवी मेंदूची शिकण्याची प्रक्रिया मानवाला या जगातील सर्वात प्रगत सजीव बनवते. लपलेल्या नमुन्यांचा शोध घेऊन सतत शिकणे आणि त्या नमुन्यांवर नाविन्यपूर्ण काम करणे आपल्याला आयुष्यभर चांगले बनवण्यास सक्षम करते. ही शिकण्याची क्षमता आणि विकसित होण्याची क्षमता [मेंदूची प्लास्टिसिटी](https://www.simplypsychology.org/brain-plasticity.html) या संकल्पनेशी संबंधित आहे. वरवर पाहता, मानवी मेंदूच्या शिकण्याच्या प्रक्रियेतील प्रेरणादायक साम्य आणि मशीन लर्निंगच्या संकल्पनांमध्ये काही साम्य आहे असे आपण म्हणू शकतो.
|
||||
बालकाचा मेंदू आणि इंद्रिये आपल्या आसपासच्या गोष्टींची माहिती घेतात आणि हळूहळू जीवनातील लपलेले नमुने शिकतात जेणेकरून बालक शिकलेल्या नमुन्यांना ओळखण्यासाठी तर्कशुद्ध नियम तयार करू शकतो. मानवी मेंदूची शिकण्याची प्रक्रिया मानवतेला या जगातील सर्वात प्रगल्भ जीव बनवते. लपलेले नमुने शोधून सतत शिकणे आणि त्यावर नवनिर्मिती करणे आपल्याला आयुष्यभर स्वतःला सुधारत राहण्यास सक्षम करते. ही शिकण्याची क्षमता आणि विकसित होत जाणारी क्षमता [brain plasticity](https://www.simplypsychology.org/brain-plasticity.html) या संकल्पनेशी संबंधित आहे. दिसायला, आपण मानवी मेंदूच्या शिकण्याच्या प्रक्रियेतून आणि मशीन शिक्षणाच्या संकल्पनांमधून काही प्रेरणादायी समानता पाहू शकतो.
|
||||
|
||||
---
|
||||
## मानवी मेंदू
|
||||
|
||||
[मानवी मेंदू](https://www.livescience.com/29365-human-brain.html) वास्तविक जगातील गोष्टींचा अनुभव घेतो, अनुभवलेली माहिती प्रक्रिया करतो, तर्कसंगत निर्णय घेतो आणि परिस्थितीनुसार विशिष्ट कृती करतो. याला आपण बुद्धिमान वर्तन म्हणतो. जेव्हा आपण बुद्धिमान वर्तन प्रक्रियेची प्रतिकृती मशीनमध्ये प्रोग्राम करतो, तेव्हा त्याला कृत्रिम बुद्धिमत्ता (AI) म्हणतात.
|
||||
[मानवी मेंदू](https://www.livescience.com/29365-human-brain.html) वास्तविक जगातून माहिती ग्रहण करतो, ग्रहण केलेली माहिती प्रक्रिया करतो, तर्कसंगत निर्णय घेतो, आणि परिस्थितीनुसार विशिष्ट क्रिया करतो. याला आम्ही बुद्धिमत्तेने वागणे म्हणतो. जेव्हा आम्ही या बुद्धिमान वर्तन प्रक्रियेचे अनुकरण मशीनमध्ये प्रोग्राम करतो, तेव्हा त्यास कृत्रिम बुद्धिमत्ता (AI) म्हणतात.
|
||||
|
||||
---
|
||||
## काही परिभाषा
|
||||
## काही संज्ञा
|
||||
|
||||
जरी या संज्ञा गोंधळात टाकणाऱ्या असू शकतात, तरी मशीन लर्निंग (ML) ही कृत्रिम बुद्धिमत्तेची एक महत्त्वाची उपशाखा आहे. **ML ही विशेष अल्गोरिदम वापरून अर्थपूर्ण माहिती शोधणे आणि अनुभवलेल्या डेटामधून लपलेले नमुने शोधणे यावर केंद्रित आहे, जे तर्कसंगत निर्णय घेण्याच्या प्रक्रियेला समर्थन देते**.
|
||||
या संज्ञा गोंधळात टाकणाऱ्या असल्या तरी, मशीन शिक्षण (ML) हे कृत्रिम बुद्धिमत्तेचे महत्त्वपूर्ण उपसमुच्चय आहे. **ML विशिष्ट अल्गोरिदम वापरून अर्थपूर्ण माहिती शोधण्यास आणि ग्रहण केलेल्या डेटामधून लपलेले नमुने शोधण्यास संबंधित आहे जेणेकरून तर्कसंगत निर्णय प्रक्रियेची पुष्टी होऊ शकेल**.
|
||||
|
||||
---
|
||||
## AI, ML, डीप लर्निंग
|
||||
|
||||
|
||||
|
||||
|
||||
> AI, ML, डीप लर्निंग आणि डेटा सायन्स यांच्यातील संबंध दर्शवणारे एक चित्र. [Jen Looper](https://twitter.com/jenlooper) यांनी प्रेरित होऊन तयार केलेले [हे ग्राफिक](https://softwareengineering.stackexchange.com/questions/366996/distinction-between-ai-ml-neural-networks-deep-learning-and-data-mining) आधारित इन्फोग्राफिक.
|
||||
> AI, ML, डीप लर्निंग आणि डेटा सायन्स यातील नाते दर्शवणारे आकृती. [Jen Looper](https://twitter.com/jenlooper) कडून प्रेरित [हा ग्राफिक](https://softwareengineering.stackexchange.com/questions/366996/distinction-between-ai-ml-neural-networks-deep-learning-and-data-mining)
|
||||
|
||||
---
|
||||
## कव्हर करायचे संकल्पना
|
||||
## शिकायच्या संकल्पना
|
||||
|
||||
या अभ्यासक्रमात, आपण मशीन लर्निंगच्या मुख्य संकल्पनांवर लक्ष केंद्रित करणार आहोत, जे एका नवशिक्याला माहित असणे आवश्यक आहे. आम्ही 'क्लासिकल मशीन लर्निंग' कव्हर करतो, मुख्यतः Scikit-learn वापरून, एक उत्कृष्ट लायब्ररी जी अनेक विद्यार्थी मूलभूत गोष्टी शिकण्यासाठी वापरतात. कृत्रिम बुद्धिमत्ता किंवा डीप लर्निंगच्या व्यापक संकल्पना समजून घेण्यासाठी, मशीन लर्निंगचे मजबूत मूलभूत ज्ञान आवश्यक आहे, आणि म्हणूनच आम्ही ते येथे ऑफर करू इच्छितो.
|
||||
या अभ्यासक्रमामध्ये, आपण फक्त मशीन शिक्षणाच्या मुख्य संकल्पना समजून घेणार आहोत ज्या नवशिक्यांनी जाणून घ्यायला हव्यात. आपण 'पारंपरिक मशीन शिक्षण' मुख्यतः Scikit-learn वापरून शिकणार आहोत, ही एक उत्कृष्ट लायब्ररी आहे ज्याचा वापर अनेक विद्यार्थ्यांनी मूलभूत गोष्टी शिकण्यासाठी केला आहे. कृत्रिम बुद्धिमत्ता किंवा डीप लर्निंगच्या विस्तृत संकल्पना समजून घेण्यासाठी, मशीन शिक्षणाची मजबूत मूलभूत ओळख अत्यावश्यक आहे, म्हणून आम्ही ती येथे देण्याचा प्रयत्न करतो.
|
||||
|
||||
---
|
||||
## या कोर्समध्ये तुम्ही शिकाल:
|
||||
## या कोर्समध्ये आपण काय शिकाल:
|
||||
|
||||
- मशीन लर्निंगच्या मुख्य संकल्पना
|
||||
- ML चा इतिहास
|
||||
- ML आणि न्याय्यता
|
||||
- रिग्रेशन ML तंत्र
|
||||
- वर्गीकरण ML तंत्र
|
||||
- क्लस्टरिंग ML तंत्र
|
||||
- नैसर्गिक भाषा प्रक्रिया ML तंत्र
|
||||
- टाइम सिरीज फोरकास्टिंग ML तंत्र
|
||||
- रिइन्फोर्समेंट लर्निंग
|
||||
- ML साठी वास्तविक-जगातील अनुप्रयोग
|
||||
- मशीन शिक्षणाच्या मूलभूत संकल्पना
|
||||
- एमएलचा इतिहास
|
||||
- एमएल आणि न्याय
|
||||
- रिग्रेशन एमएल तंत्रे
|
||||
- वर्गीकरण एमएल तंत्रे
|
||||
- क्लस्टरिंग एमएल तंत्रे
|
||||
- नैसर्गिक भाषा प्रक्रिया एमएल तंत्रे
|
||||
- टाइम सिरीज फोरकास्टिंग एमएल तंत्रे
|
||||
- पुनर्बळाचा शिक्षण
|
||||
- मशीन शिक्षणासाठी प्रत्यक्ष वापर
|
||||
|
||||
---
|
||||
## आम्ही काय कव्हर करणार नाही
|
||||
## जे आपण कव्हर करणार नाहीत
|
||||
|
||||
- डीप लर्निंग
|
||||
- न्यूरल नेटवर्क्स
|
||||
- AI
|
||||
|
||||
शिकण्याचा अनुभव चांगला होण्यासाठी, आम्ही न्यूरल नेटवर्क्सच्या गुंतागुंती, 'डीप लर्निंग' - न्यूरल नेटवर्क्स वापरून अनेक स्तरांवर मॉडेल तयार करणे - आणि AI टाळणार आहोत, ज्यावर आम्ही वेगळ्या अभ्यासक्रमात चर्चा करू. आम्ही डेटा सायन्सवर लक्ष केंद्रित करण्यासाठी एक आगामी अभ्यासक्रम देखील ऑफर करू.
|
||||
शिकण्याचा अनुभव चांगला व्हावा म्हणून, आपण न्यूरल नेटवर्क्स, 'डीप लर्निंग' - न्यूरल नेटवर्क्स वापरून अनेक स्तरांचे मॉडेल-बांधणी - आणि AI या गुंतागुंती टाळणार आहोत, ज्यावर आपण वेगळ्या अभ्यासक्रमात चर्चा करणार आहोत. तसेच आपण या मोठ्या क्षेत्रातील डेटा सायन्सला लक्ष केंद्रित करणारा आगामी अभ्यासक्रम सादर करू.
|
||||
|
||||
---
|
||||
## मशीन लर्निंग का शिकावे?
|
||||
## मशीन शिक्षण का शिकावे?
|
||||
|
||||
सिस्टमच्या दृष्टिकोनातून, मशीन लर्निंग ही स्वयंचलित प्रणाली तयार करणे आहे जी डेटामधून लपलेले नमुने शिकून बुद्धिमान निर्णय घेण्यास मदत करते.
|
||||
सिस्टम्सच्या दृष्टीने, मशीन शिक्षण म्हणजे असे स्वयंचलित सिस्टम्स तयार करणे जे डेटामधून लपलेले नमुने शिकू शकतात ज्यामुळे बुद्धिमान निर्णय घेण्यास मदत होते.
|
||||
|
||||
ही प्रेरणा मानवी मेंदू बाह्य जगातून अनुभवलेल्या डेटावर आधारित विशिष्ट गोष्टी कशा शिकतो यावर सैलपणे आधारित आहे.
|
||||
ही प्रेरणा सैलपणे या प्रकारे आहे की मानवी मेंदू बाहेरून मिळालेल्या डेटावरून विशेष गोष्टी शिकतो.
|
||||
|
||||
✅ विचार करा की एखाद्या व्यवसायाला हार्ड-कोडेड नियम-आधारित इंजिन तयार करण्याऐवजी मशीन लर्निंग रणनीती का वापरायच्या असतील.
|
||||
✅ काही वेळ विचार करा का एखादा व्यवसाय मशीन शिक्षण धोरणे वापरू इच्छितो, त्याऐवजी कडक कोडवर आधारित नियम बनविण्याच्या इंजिनचा वापर करण्याकडे का जातो.
|
||||
|
||||
---
|
||||
## मशीन लर्निंगचे अनुप्रयोग
|
||||
## डेटा गुणवत्ता महत्त्वाची का?
|
||||
|
||||
मशीन लर्निंगचे अनुप्रयोग आता जवळजवळ सर्वत्र आहेत आणि आपल्या समाजांमध्ये वाहणाऱ्या डेटासारखेच सर्वव्यापी आहेत, जे आपल्या स्मार्टफोन, कनेक्टेड डिव्हाइस आणि इतर प्रणालींनी निर्माण केले आहे. अत्याधुनिक मशीन लर्निंग अल्गोरिदमच्या प्रचंड क्षमतेचा विचार करता, संशोधक त्यांच्या बहुआयामी आणि बहुविषयक वास्तविक जीवनातील समस्यांचे समाधान करण्याच्या क्षमतेचा शोध घेत आहेत आणि सकारात्मक परिणाम मिळवत आहेत.
|
||||
उच्च दर्जाचा डेटा मॉडेलची कार्यक्षमता सुधारतो. खराब किंवा आवाज असलेला डेटा अगदी प्रगत मशीन शिक्षण अल्गोरिदम वापरत असतानाही अचूक भाकितामध्ये अडथळा आणू शकतो.
|
||||
|
||||
---
|
||||
## मशीन शिक्षणाचे उपयोग
|
||||
|
||||
मशीन शिक्षणाचे उपयोग आता जवळजवळ सर्वत्र आहेत, आणि आपल्या समाजाभोवती वाहत असलेल्या डेटा प्रमाणेच सर्वत्र आहेत, जे आपल्या स्मार्टफोन, जोडलेल्या उपकरणे आणि इतर प्रणालींमुळे निर्माण होतो. अत्याधुनिक मशीन शिक्षण अल्गोरिदमच्या भव्य संधी पाहता, संशोधकांनी त्यांचा क्षमतेचा शोध लावताना बहुपरिमाणी आणि बहुविध जीवनातील समस्यांचे समाधान अत्युत्तम सकारात्मक परिणामांसह केले आहे.
|
||||
|
||||
---
|
||||
## लागू केलेल्या ML चे उदाहरणे
|
||||
|
||||
**तुम्ही मशीन लर्निंग अनेक प्रकारे वापरू शकता**:
|
||||
**आपण अनेक पद्धतींनी मशीन शिक्षण वापरू शकता**:
|
||||
|
||||
- रुग्णाच्या वैद्यकीय इतिहास किंवा अहवालांवरून आजार होण्याची शक्यता भाकीत करण्यासाठी.
|
||||
- हवामान डेटा वापरून हवामानाच्या घटना भाकीत करण्यासाठी.
|
||||
- मजकूराचा भाव समजून घेण्यासाठी.
|
||||
- खोट्या बातम्या ओळखून प्रचाराचा प्रसार थांबवण्यासाठी.
|
||||
- रुग्णाच्या वैद्यकीय इतिहास किंवा अहवालांवरून रोग होण्याची शक्यता भाकीत करण्यासाठी.
|
||||
- हवामान डेटा वापरून हवामान घटना भाकीत करण्यासाठी.
|
||||
- टेक्स्टमधील भावना समजण्यासाठी.
|
||||
- खोट्या बातम्या शोधण्यासाठी आणि प्रचार थांबवण्यासाठी.
|
||||
|
||||
आर्थिक, अर्थशास्त्र, पृथ्वी विज्ञान, अंतराळ अन्वेषण, बायोमेडिकल अभियांत्रिकी, संज्ञानात्मक विज्ञान आणि अगदी मानवतावादी क्षेत्रांनी त्यांच्या क्षेत्रातील कठीण, डेटा-प्रक्रिया जड समस्यांचे समाधान करण्यासाठी मशीन लर्निंग स्वीकारले आहे.
|
||||
वित्त, अर्थशास्त्र, पृथ्वी विज्ञान, अंतराळ संशोधन, जैववैद्यकीय अभियांत्रण, संज्ञानात्मक विज्ञान, आणि मानवतावादाच्या क्षेत्रांनाही त्यांच्या क्षेत्रातील डेटा-प्रक्रिया जड समस्या सोडवण्यासाठी मशीन शिक्षण स्वीकारले आहे.
|
||||
|
||||
---
|
||||
## निष्कर्ष
|
||||
|
||||
मशीन लर्निंग वास्तविक-जगातील किंवा निर्माण केलेल्या डेटामधून अर्थपूर्ण अंतर्दृष्टी शोधून नमुना-शोधण्याची प्रक्रिया स्वयंचलित करते. व्यवसाय, आरोग्य आणि आर्थिक अनुप्रयोगांमध्ये याने स्वतःला अत्यंत मौल्यवान सिद्ध केले आहे.
|
||||
मशीन शिक्षण वास्तविक किंवा निर्माण केलेल्या डेटामधून अर्थपूर्ण अंतर्दृष्टी शोधून नमुना-शोधण्याची प्रक्रिया स्वयंचलित करते. व्यवसाय, आरोग्य आणि आर्थिक अनुप्रयोगांसह अनेक क्षेत्रांमध्ये याने आपली उपयुक्तता सिद्ध केली आहे.
|
||||
|
||||
निकट भविष्यात, मशीन लर्निंगच्या मूलभूत गोष्टी समजून घेणे कोणत्याही क्षेत्रातील लोकांसाठी आवश्यक होणार आहे कारण त्याचा व्यापक स्वीकार होत आहे.
|
||||
लवकरच, कोणत्याही क्षेत्रातील लोकांसाठी मशीन शिक्षणाच्या मूलभूत गोष्टी समजून घेणे आवश्यक होणार आहे कारण ते मोठ्या प्रमाणावर स्वीकारले जात आहे.
|
||||
|
||||
---
|
||||
# 🚀 आव्हान
|
||||
|
||||
कागदावर किंवा [Excalidraw](https://excalidraw.com/) सारख्या ऑनलाइन अॅपचा वापर करून, AI, ML, डीप लर्निंग आणि डेटा सायन्स यांच्यातील फरक समजून घेण्यासाठी तुमचे विचार रेखाटून दाखवा. प्रत्येक तंत्रज्ञान कोणत्या प्रकारच्या समस्यांचे समाधान करण्यात चांगले आहे याबद्दल काही कल्पना जोडा.
|
||||
कागदावर किंवा [Excalidraw](https://excalidraw.com/) सारख्या ऑनलाइन अॅपमध्ये AI, ML, डीप लर्निंग, आणि डेटा सायन्स यातील फरकाचा आपल्या समजुतीचा आराखडा तयार करा. या प्रत्येक तंत्रज्ञानांनी समाधान करण्यासाठी कोणत्या समस्या चांगल्या प्रकारे हाताळतात याबद्दल काही कल्पना जोडा.
|
||||
|
||||
# [व्याख्यानानंतरची प्रश्नमंजुषा](https://ff-quizzes.netlify.app/en/ml/)
|
||||
# [व्याख्यानानंतरचा क्विझ](https://ff-quizzes.netlify.app/en/ml/)
|
||||
|
||||
---
|
||||
# पुनरावलोकन आणि स्व-अभ्यास
|
||||
# पुनरावलोकन आणि स्वतःचा अभ्यास
|
||||
|
||||
क्लाउडमध्ये ML अल्गोरिदमसह कसे काम करता येईल याबद्दल अधिक जाणून घेण्यासाठी, [Learning Path](https://docs.microsoft.com/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=academic-77952-leestott) अनुसरण करा.
|
||||
क्लाऊडमध्ये ML अल्गोरिदमसह काम कसे करायचे याबद्दल अधिक जाणून घेण्यासाठी, हा [Learning Path](https://docs.microsoft.com/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=academic-77952-leestott) वापरा.
|
||||
|
||||
ML च्या मूलभूत गोष्टींबद्दल [Learning Path](https://docs.microsoft.com/learn/modules/introduction-to-machine-learning/?WT.mc_id=academic-77952-leestott) घ्या.
|
||||
एमएलच्या मूलभूत तत्त्वांबद्दल एक [Learning Path](https://docs.microsoft.com/learn/modules/introduction-to-machine-learning/?WT.mc_id=academic-77952-leestott) घ्या.
|
||||
|
||||
---
|
||||
# असाइनमेंट
|
||||
|
||||
[सुरू करा](assignment.md)
|
||||
[Get up and running](assignment.md)
|
||||
|
||||
---
|
||||
|
||||
**अस्वीकरण**:
|
||||
हा दस्तऐवज AI भाषांतर सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) चा वापर करून भाषांतरित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी, कृपया लक्षात घ्या की स्वयंचलित भाषांतरांमध्ये त्रुटी किंवा अचूकतेचा अभाव असू शकतो. मूळ भाषेतील मूळ दस्तऐवज हा अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर केल्यामुळे उद्भवणाऱ्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही.
|
||||
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
||||
**अस्वीकरण**:
|
||||
हा दस्तऐवज AI भाषांतर सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) चा वापर करून अनुवादित केला आहे. जरी आम्ही अचूकतेसाठी प्रयत्न करतो, तरी कृपया लक्षात घ्या की स्वयंचलित भाषांतरांमध्ये त्रुटी किंवा अचूकतेची कमतरता असू शकते. मूळ दस्तऐवज त्याच्या मूळ भाषेत अधिकृत स्रोत मानला पाहिजे. महत्त्वाची माहिती असल्यास, व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराच्या वापरामुळे उद्भवणाऱ्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थलावणीसाठी आम्ही जबाबदार नाही.
|
||||
<!-- CO-OP TRANSLATOR DISCLAIMER END -->
|
||||
@ -1,150 +1,157 @@
|
||||
# मेसिन लर्निङको परिचय
|
||||
# मेसिन शिक्षाको परिचय
|
||||
|
||||
## [पाठ अघि क्विज](https://ff-quizzes.netlify.app/en/ml/)
|
||||
## [पूर्व-व्याख्यान प्रश्नोत्तरी](https://ff-quizzes.netlify.app/en/ml/)
|
||||
|
||||
---
|
||||
|
||||
[](https://youtu.be/6mSx_KJxcHI "सुरुवातका लागि मेसिन लर्निङ - मेसिन लर्निङको परिचय")
|
||||
[](https://youtu.be/6mSx_KJxcHI "ML for beginners - Introduction to Machine Learning for Beginners")
|
||||
|
||||
> 🎥 माथिको तस्बिरमा क्लिक गरेर यस पाठको छोटो भिडियो हेर्नुहोस्।
|
||||
> 🎥 माथिको चित्रमा क्लिक गर्नुहोस् यस पाठलाई काम गर्दैछ छोटो भिडियोको लागि।
|
||||
|
||||
सुरुवातका लागि क्लासिकल मेसिन लर्निङको यो पाठ्यक्रममा स्वागत छ! तपाईं यस विषयमा बिल्कुल नयाँ हुनुहुन्छ वा अनुभवी ML अभ्यासकर्ता हुनुहुन्छ जसले कुनै क्षेत्रलाई पुनः अध्ययन गर्न चाहनुहुन्छ, हामी तपाईंलाई यहाँ सामेल भएकोमा खुसी छौं! हामी तपाईंको ML अध्ययनको लागि मैत्रीपूर्ण सुरुवातको ठाउँ सिर्जना गर्न चाहन्छौं र तपाईंको [प्रतिक्रिया](https://github.com/microsoft/ML-For-Beginners/discussions) मूल्याङ्कन, प्रतिक्रिया दिन, र समावेश गर्न खुसी हुनेछौं।
|
||||
यो आरम्भिकहरूका लागि शास्त्रीय मेसिन शिक्षाको कोर्समा स्वागत छ! तपाईं यस विषयमा बिल्कुल नयाँ हुनुहुन्छ वा अनुभवी ML अभ्यासकर्ता हुनुहुन्छ जुन कुनै क्षेत्रलाई नयाँ गर्दै हुनुहुन्छ, हामी तपाईंलाई स्वागत गर्न पाउँदा खुशी छौं! हामी तपाईंको ML अध्ययनको लागि एक मैत्री प्रारम्भिक स्थान सिर्जना गर्न चाहन्छौं र तपाईंको [प्रतिक्रिया](https://github.com/microsoft/ML-For-Beginners/discussions) मूल्यांकन गर्न, जवाफ दिन र समावेश गर्न इच्छुक छौं।
|
||||
|
||||
[](https://youtu.be/h0e2HAPTGF4 "मेसिन लर्निङको परिचय")
|
||||
[](https://youtu.be/h0e2HAPTGF4 "Introduction to ML")
|
||||
|
||||
> 🎥 माथिको तस्बिरमा क्लिक गरेर भिडियो हेर्नुहोस्: MIT का John Guttag ले मेसिन लर्निङको परिचय दिनुहुन्छ।
|
||||
> 🎥 माथिको चित्रमा क्लिक गर्नुहोस् एउटा भिडियोका लागि: MIT का जॉन गुटट्यागले मेसिन शिक्षाको परिचय दिनुहुन्छ
|
||||
|
||||
---
|
||||
## मेसिन लर्निङ सुरु गर्दै
|
||||
## मेसिन शिक्षासँग कसरी सुरु गर्ने
|
||||
|
||||
यस पाठ्यक्रम सुरु गर्नु अघि, तपाईंको कम्प्युटरलाई स्थानीय रूपमा नोटबुक चलाउन तयार गर्न आवश्यक छ।
|
||||
यस पाठ्यक्रम सुरु गर्नु अघि, तपाईंले आफ्नो कम्प्युटरलाई स्थानीय रूपमा नोटबुकहरू चलाउन तयार पार्न आवश्यक छ।
|
||||
|
||||
- **तपाईंको मेसिनलाई यी भिडियोहरूसँग कन्फिगर गर्नुहोस्**। [Python कसरी इन्स्टल गर्ने](https://youtu.be/CXZYvNRIAKM) र विकासको लागि [टेक्स्ट एडिटर सेटअप गर्ने](https://youtu.be/EU8eayHWoZg) सिक्न निम्न लिंकहरू प्रयोग गर्नुहोस्।
|
||||
- **Python सिक्नुहोस्**। [Python](https://docs.microsoft.com/learn/paths/python-language/?WT.mc_id=academic-77952-leestott) को आधारभूत ज्ञान हुनु सिफारिस गरिन्छ, जुन डाटा वैज्ञानिकहरूको लागि उपयोगी प्रोग्रामिङ भाषा हो र हामी यस पाठ्यक्रममा प्रयोग गर्छौं।
|
||||
- **Node.js र JavaScript सिक्नुहोस्**। हामी यस पाठ्यक्रममा वेब एप्स निर्माण गर्दा केही पटक JavaScript प्रयोग गर्छौं, त्यसैले तपाईंले [node](https://nodejs.org) र [npm](https://www.npmjs.com/) इन्स्टल गर्नुपर्नेछ, साथै [Visual Studio Code](https://code.visualstudio.com/) Python र JavaScript विकासको लागि उपलब्ध हुनुपर्नेछ।
|
||||
- **GitHub खाता बनाउनुहोस्**। तपाईंले हामीलाई यहाँ [GitHub](https://github.com) मा भेट्नुभएको हुनाले, तपाईंले पहिले नै खाता बनाइसक्नुभएको हुन सक्छ, तर यदि छैन भने, एउटा खाता बनाउनुहोस् र यो पाठ्यक्रमलाई आफ्नो लागि फोर्क गर्नुहोस्। (हामीलाई स्टार दिन नबिर्सिनुहोस् 😊)
|
||||
- **Scikit-learn अन्वेषण गर्नुहोस्**। [Scikit-learn](https://scikit-learn.org/stable/user_guide.html) को साथ परिचित हुनुहोस्, ML पुस्तकालयहरूको सेट जसलाई हामी यी पाठहरूमा सन्दर्भ गर्छौं।
|
||||
- **यी भिडियोहरू मार्फत आफ्नो मेसिन कन्फिगर गर्नुहोस्**। तपाईंको प्रणालीमा [Python कसरी स्थापना गर्ने](https://youtu.be/CXZYvNRIAKM) र विकासका लागि [टेक्स्ट सम्पादक सेटअप](https://youtu.be/EU8eayHWoZg) गर्ने सिक्न तलका लिंकहरू प्रयोग गर्नुहोस्।
|
||||
- **Python सिक्नुहोस्**। [Python](https://docs.microsoft.com/learn/paths/python-language/?WT.mc_id=academic-77952-leestott) को आधारभूत समझ हुनु सिफारिस गरिन्छ, जुन डेटा वैज्ञानिकहरूका लागि उपयोगी प्रोग्रामिङ्ग भाषा हो र हामी यस पाठ्यक्रममा प्रयोग गर्छौं।
|
||||
- **Node.js र JavaScript सिक्नुहोस्**। हामी यस पाठ्यक्रममा वेब एप्स निर्माण गर्दा JavaScript पनि केही पटक प्रयोग गर्छौं, त्यसैले तपाईंले [node](https://nodejs.org) र [npm](https://www.npmjs.com/) स्थापना गर्नु पर्नेछ, साथै Python र JavaScript विकासका लागि [Visual Studio Code](https://code.visualstudio.com/) पनि उपलब्ध हुनु पर्छ।
|
||||
- **GitHub खाता बनाउनुहोस्**। तपाईंले यहाँ [GitHub](https://github.com) मा हामीलाई भेट्टाउनुभएको छ भने, तपाईं सायद पहिले नै खाता हुनुहुन्छ, तर नभए एउटा बनाउनुहोस् र यो पाठ्यक्रमलाई आफ्नो लागि fork गर्नुहोस्। (हामीलाई स्टार दिन नहिचकिचाउनुहोस्, 😊)
|
||||
- **Scikit-learn अन्वेषण गर्नुहोस्**। [Scikit-learn](https://scikit-learn.org/stable/user_guide.html) सँग परिचित हुनुहोस्, जुन ML पुस्तकालयहरूको सेट हो जुन हामी यी पाठहरूमा उल्लेख गर्छौं।
|
||||
|
||||
---
|
||||
## मेसिन लर्निङ के हो?
|
||||
## मेसिन शिक्षा के हो?
|
||||
|
||||
'मेसिन लर्निङ' शब्द आजको सबैभन्दा लोकप्रिय र बारम्बार प्रयोग गरिने शब्दहरू मध्ये एक हो। यदि तपाईं प्रविधिसँग केही प्रकारको परिचित हुनुहुन्छ भने, तपाईंले यो शब्द कम्तिमा एक पटक सुन्नुभएको सम्भावना छ। तर, मेसिन लर्निङको यान्त्रिकी अधिकांश व्यक्तिहरूका लागि रहस्यमय छ। मेसिन लर्निङको सुरुवात गर्ने व्यक्तिका लागि, विषय कहिलेकाहीँ भारी लाग्न सक्छ। त्यसैले, मेसिन लर्निङ वास्तवमा के हो भन्ने बुझ्न र व्यावहारिक उदाहरणहरू मार्फत चरणबद्ध रूपमा सिक्न महत्त्वपूर्ण छ।
|
||||
'मेसिन शिक्षा' शब्द आजको सबैभन्दा लोकप्रिय र प्रायः प्रयोग हुने शब्दहरूमध्ये एक हो। तपाईंले यो शब्द कम्तीमा एक पटक सुन्नु भएको हुनसक्छ यदि तपाईंलाई प्रविधिसँग कुनै न कुनै परिचय छ भने, तपाई कुन क्षेत्रमा काम गर्नुहुन्छ भनेर हेरेर। मेसिन शिक्षाको तन्त्र भने धेरैका लागि रहस्य नै हो। एक मेसिन शिक्षा नवसिखुवालाई यो विषय कहिलेकाहीं भारी लाग्न सक्छ। त्यसैले, यो बुझ्न महत्त्वपूर्ण छ कि मेसिन शिक्षा वास्तवमा के हो र व्यावहारिक उदाहरणहरू मार्फत चरणबद्ध रूपमा सिक्नुपर्छ।
|
||||
|
||||
---
|
||||
## हाइप कर्भ
|
||||
|
||||
|
||||
|
||||
|
||||
> Google Trends ले 'मेसिन लर्निङ' शब्दको हालको 'हाइप कर्भ' देखाउँछ।
|
||||
> Google Trends ले हालैको 'हाइप कर्भ' देखाउँछ 'मेसिन शिक्षा' शब्दको।
|
||||
|
||||
---
|
||||
## एक रहस्यमय ब्रह्माण्ड
|
||||
|
||||
हामी एक रहस्यमय ब्रह्माण्डमा बस्छौं। Stephen Hawking, Albert Einstein जस्ता महान वैज्ञानिकहरूले आफ्नो जीवनलाई वरपरको संसारका रहस्यहरू उजागर गर्ने अर्थपूर्ण जानकारी खोज्न समर्पित गरेका छन्। यो सिक्ने मानव अवस्था हो: एक मानव बच्चाले नयाँ कुरा सिक्छ र वयस्कतामा बढ्दै जाँदा आफ्नो संसारको संरचना उजागर गर्छ।
|
||||
हामी रहस्यमय कुराहरूले भरिएको ब्रह्माण्डमा बाँचिरहेका छौं। महान वैज्ञानिकहरू जस्तै स्टीफन हकिङ, अल्बर्ट आइन्स्टाइन र धेरैले हामी वरिपरि रहेको संसारका रहस्यमय कुराहरू पत्ता लगाउन आफ्नो जीवन समर्पित गरेका छन्। यो मानवको सिक्ने अवस्था हो: एउटा बालबालिका नयाँ कुरा सिक्छ र वर्षे वर्षे आफ्नो संसारको संरचना पत्ता लगाउँछ जब उनीहरू वयस्क हुन्छन्।
|
||||
|
||||
---
|
||||
## बच्चाको मस्तिष्क
|
||||
## बालकको मस्तिष्क
|
||||
|
||||
बच्चाको मस्तिष्क र इन्द्रियहरूले आफ्नो वरपरको तथ्यहरू बुझ्छन् र जीवनका लुकेका ढाँचाहरू क्रमिक रूपमा सिक्छन् जसले बच्चालाई सिकेका ढाँचाहरू पहिचान गर्न तार्किक नियमहरू निर्माण गर्न मद्दत गर्छ। मानव मस्तिष्कको सिक्ने प्रक्रियाले मानिसलाई यो संसारको सबैभन्दा परिष्कृत जीवित प्राणी बनाउँछ। लुकेका ढाँचाहरू पत्ता लगाएर निरन्तर सिक्दै र त्यस ढाँचाहरूमा नवीनता ल्याउँदै हामीलाई हाम्रो जीवनभरि आफूलाई राम्रो बनाउने क्षमता दिन्छ। यो सिक्ने क्षमता र विकास गर्ने क्षमता [मस्तिष्कको प्लास्टिसिटी](https://www.simplypsychology.org/brain-plasticity.html) नामक अवधारणासँग सम्बन्धित छ। सतही रूपमा, हामी मानव मस्तिष्कको सिक्ने प्रक्रियाको प्रेरणात्मक समानताहरू मेसिन लर्निङको अवधारणासँग तुलना गर्न सक्छौं।
|
||||
बालकको मस्तिष्क र इन्द्रियमहरूले आफ्नो वरिपरि रहेका तथ्यहरू महसुस गरेर क्रमिक रूपमा जीवनका लुकेका ढाँचाहरू सिक्छन् जसले बालकलाई सिकेका ढाँचाहरू पहिचान गर्न तार्किक नियमहरू बनाउन मद्दत गर्छ। मानव मस्तिष्कको सिक्ने प्रक्रिया मानिसहरूलाई यो संसारको सबैभन्दा जटिल जीव बनाउँछ। लुकेका ढाँचाहरू पत्ता लगाएर निरन्तर सिक्ने र त्यसपछि तिनीहरूमा नवनिर्माण गर्ने प्रयासले हाम्रो जीवनभर हामीलाई अझ राम्रो बनाउँछ। यो सिक्ने क्षमता र विकासशील योग्यता [मस्तिष्क प्लास्टिसिटी](https://www.simplypsychology.org/brain-plasticity.html) भनिने अवधारणासँग सम्बन्धित छ। सतही रूपमा, हामी मेसिन शिक्षा र मानव मस्तिष्कको सिक्ने प्रक्रियामा केही प्रेरणादायी समानता देख्न सक्छौं।
|
||||
|
||||
---
|
||||
## मानव मस्तिष्क
|
||||
|
||||
[मानव मस्तिष्क](https://www.livescience.com/29365-human-brain.html) वास्तविक संसारबाट कुराहरू बुझ्छ, बुझिएको जानकारीलाई प्रक्रिया गर्छ, तार्किक निर्णयहरू लिन्छ, र परिस्थितिको आधारमा निश्चित कार्यहरू गर्छ। यसलाई हामी बुद्धिमानीपूर्वक व्यवहार गर्ने भन्छौं। जब हामी बुद्धिमानी व्यवहार प्रक्रियाको प्रतिकृति मेसिनमा प्रोग्राम गर्छौं, यसलाई कृत्रिम बुद्धिमत्ता (AI) भनिन्छ।
|
||||
[मानव मस्तिष्क](https://www.livescience.com/29365-human-brain.html) ले वास्तविक संसारबाट कुरा महसुस गर्छ, प्राप्त जानकारी प्रशोधन गर्छ, तार्किक निर्णय लिन्छ, र परिस्थिति अनुसार केही गतिविधि गर्छ। यसलाई हामी बौद्धिक रूपमा व्यवहार गर्नु भनिन्छ। जब हामी बुद्धिमानी व्यवहार प्रक्रियाको झलक एउटा मेसिनमा प्रोग्राम गर्छौं, त्यसलाई कृत्रिम बुद्धिमत्ता (AI) भनिन्छ।
|
||||
|
||||
---
|
||||
## केही शब्दावली
|
||||
|
||||
यद्यपि शब्दहरू भ्रमित हुन सक्छन्, मेसिन लर्निङ (ML) कृत्रिम बुद्धिमत्ताको महत्त्वपूर्ण उपसमूह हो। **ML विशेष एल्गोरिदमहरू प्रयोग गरेर बुझिएको डाटाबाट अर्थपूर्ण जानकारी पत्ता लगाउन र लुकेका ढाँचाहरू खोज्न सम्बन्धित छ जसले तार्किक निर्णय प्रक्रियालाई समर्थन गर्छ।**
|
||||
यो शब्दहरूमा कहिलेकाहीं भ्रम हुन सक्छ, मेसिन शिक्षा (ML) कृत्रिम बुद्धिमत्ताको एउटा महत्वपूर्ण उपसमूह हो। **ML विशेष एल्गोरिदमहरू प्रयोग गरेर अर्थपूर्ण जानकारी पत्ता लगाउन र प्राप्त भएको डाटाबाट लुकेका ढाँचाहरू खोजी गरेर तार्किक निर्णय प्रक्रियालाई पुष्ट्याउन सम्बन्धित छ।**
|
||||
|
||||
---
|
||||
## AI, ML, डीप लर्निङ
|
||||
## AI, ML, गहिरो शिक्षा
|
||||
|
||||
|
||||
|
||||
|
||||
> AI, ML, डीप लर्निङ, र डाटा साइन्स बीचको सम्बन्ध देखाउने एक चित्र। [Jen Looper](https://twitter.com/jenlooper) द्वारा बनाइएको इन्फोग्राफिक [यो ग्राफिक](https://softwareengineering.stackexchange.com/questions/366996/distinction-between-ai-ml-neural-networks-deep-learning-and-data-mining) बाट प्रेरित।
|
||||
> AI, ML, गहिरो शिक्षा, और डाटा साइन्सबीच सम्बन्ध देखाउने आरेख। जानकारीचित्र Jen Looper द्वारा [Jen Looper](https://twitter.com/jenlooper) र [यो ग्राफिक](https://softwareengineering.stackexchange.com/questions/366996/distinction-between-ai-ml-neural-networks-deep-learning-and-data-mining) बाट प्रेरित।
|
||||
|
||||
---
|
||||
## कभर गर्नुपर्ने अवधारणाहरू
|
||||
## विचारहरू समेट्ने
|
||||
|
||||
यस पाठ्यक्रममा, हामी मेसिन लर्निङका मुख्य अवधारणाहरू मात्र कभर गर्नेछौं जुन एक सुरुवातकर्ताले जान्नैपर्छ। हामी 'क्लासिकल मेसिन लर्निङ' लाई मुख्य रूपमा Scikit-learn प्रयोग गरेर कभर गर्छौं, एक उत्कृष्ट पुस्तकालय जसलाई धेरै विद्यार्थीहरूले आधारभूत कुरा सिक्न प्रयोग गर्छन्। कृत्रिम बुद्धिमत्ता वा डीप लर्निङका व्यापक अवधारणाहरू बुझ्न, मेसिन लर्निङको बलियो आधारभूत ज्ञान अपरिहार्य छ, र त्यसैले हामी यसलाई यहाँ प्रस्ताव गर्न चाहन्छौं।
|
||||
यस पाठ्यक्रममा, हामी केवल मूलभूत मेसिन शिक्षाका अवधारणाहरू मात्र समेट्नेछौं जुन एक नवसिखुवा जान्नुपर्ने हुन्छ। हामी मुख्यतया Scikit-learn प्रयोग गरेर 'शास्त्रीय मेसिन शिक्षा' भनेर चिनिने कुरा कभर गर्छौं, जुन धेरै विद्यार्थीहरूले आधारहरू सिक्न प्रयोग गर्ने उत्कृष्ट पुस्तकालय हो। कृत्रिम बुद्धिमत्ता वा गहिरो शिक्षा का विस्तृत अवधारणाहरू बुझ्नको लागि, मेसिन शिक्षाको बलियो आधारभूत ज्ञान अनिवार्य हुन्छ, त्यसैले हामी यसलाई यहाँ प्रदान गर्न चाहन्छौं।
|
||||
|
||||
---
|
||||
## यस पाठ्यक्रममा तपाईंले सिक्नुहुनेछ:
|
||||
## यस कोर्समा तपाईंले सिक्नेछ:
|
||||
|
||||
- मेसिन लर्निङका मुख्य अवधारणाहरू
|
||||
- मेसिन शिक्षाका मूल अवधारणाहरू
|
||||
- ML को इतिहास
|
||||
- ML र निष्पक्षता
|
||||
- ML र न्याय
|
||||
- रिग्रेसन ML प्रविधिहरू
|
||||
- वर्गीकरण ML प्रविधिहरू
|
||||
- क्लस्टरिङ ML प्रविधिहरू
|
||||
- प्राकृतिक भाषा प्रशोधन ML प्रविधिहरू
|
||||
- प्राकृतिक भाषा प्रक्रिया ML प्रविधिहरू
|
||||
- समय श्रृंखला पूर्वानुमान ML प्रविधिहरू
|
||||
- सुदृढीकरण लर्निङ
|
||||
- ML को वास्तविक जीवनमा प्रयोगहरू
|
||||
- पुरस्कार शिक्षण
|
||||
- ML का वास्तविक संसारमा प्रयोगहरू
|
||||
|
||||
---
|
||||
## हामी के कभर गर्नेछैनौं
|
||||
## हामी के कभर गर्ने छैनौं
|
||||
|
||||
- डीप लर्निङ
|
||||
- न्युरल नेटवर्कहरू
|
||||
- गहिरो शिक्षा
|
||||
- न्युरल नेटवर्क
|
||||
- AI
|
||||
|
||||
सिक्ने अनुभवलाई राम्रो बनाउन, हामी न्युरल नेटवर्कहरूको जटिलता, 'डीप लर्निङ' - न्युरल नेटवर्कहरू प्रयोग गरेर धेरै तहको मोडेल निर्माण - र AI लाई टाढा राख्नेछौं, जुन हामी अर्को पाठ्यक्रममा छलफल गर्नेछौं। हामी डाटा साइन्समा केन्द्रित गर्न आगामी पाठ्यक्रम पनि प्रस्ताव गर्नेछौं।
|
||||
अझ राम्रो सिकाइ अनुभवको लागि, हामी न्युरल नेटवर्क, 'गहिरो शिक्षा'—न्युरल नेटवर्कहरूको बहु-स्तरीय मोडल निर्माण—र AI को जटिलतालाई टाढा राख्नेछौं, जसलाई हामी अर्को पाठ्यक्रममा छलफल गर्नेछौं। हामी आगामी डाटा साइन्स पाठ्यक्रम पनि प्रस्ताव गर्नेछौं जसले यस ठुलो क्षेत्रमा त्यो पक्षमा केन्द्रित हुनेछ।
|
||||
|
||||
---
|
||||
## किन मेसिन लर्निङ अध्ययन गर्ने?
|
||||
## किन मेसिन शिक्षा अध्ययन गर्ने?
|
||||
|
||||
मेसिन लर्निङलाई प्रणालीको दृष्टिकोणबाट परिभाषित गर्दा, डाटाबाट लुकेका ढाँचाहरू सिक्न र बुद्धिमानी निर्णय लिन सहयोग पुर्याउने स्वचालित प्रणालीहरूको निर्माण हो।
|
||||
मेसिन शिक्षा प्रणालीको दृष्टिले, डाटाबाट लुकेका ढाँचाहरू सिक्न सक्ने स्वचालित प्रणालीहरूको सिर्जना भनेर परिभाषित गरिन्छ जसले बुद्धिमानी निर्णय लिन मद्दत गर्दछ।
|
||||
|
||||
यो प्रेरणा मानव मस्तिष्कले बाहिरी संसारबाट बुझ्ने डाटाको आधारमा केही कुरा कसरी सिक्छ भन्ने कुराबाट ढिलो प्रेरित छ।
|
||||
यो प्रेरणा मोटे रूपमा मानव मस्तिष्कले बन्द बाहिरी संसारबाट पाएको डाटामा आधारित केही कुरा सिक्ने तरिकाबाट आएको हो।
|
||||
|
||||
✅ एक मिनेट सोच्नुहोस् कि किन कुनै व्यवसायले हार्ड-कोड गरिएको नियम-आधारित इन्जिन बनाउने सट्टा मेसिन लर्निङ रणनीतिहरू प्रयोग गर्न चाहन्छ।
|
||||
✅ केहि समय लिएर सोच्नुहोस् किन कुनै व्यवसायले हार्ड कोडेड नियम-आधारित इन्जिन बनाउनुभन्दा मेसिन शिक्षाको रणनीतिहरू प्रयोग गर्ने चाहन्छ।
|
||||
|
||||
---
|
||||
## मेसिन लर्निङका प्रयोगहरू
|
||||
## किन डाटा गुणस्तर महत्त्वपूर्ण छ
|
||||
|
||||
मेसिन लर्निङका प्रयोगहरू अहिले लगभग सबै ठाउँमा छन्, र हाम्रो समाजमा प्रवाहित भइरहेको डाटाजस्तै सर्वव्यापी छन्, जुन हाम्रो स्मार्ट फोन, जडित उपकरणहरू, र अन्य प्रणालीहरूले उत्पन्न गर्छन्। अत्याधुनिक मेसिन लर्निङ एल्गोरिदमहरूको विशाल सम्भावनालाई ध्यानमा राख्दै, अनुसन्धानकर्ताहरूले बहु-आयामिक र बहु-अनुशासनात्मक वास्तविक जीवनका समस्याहरू समाधान गर्न यसको क्षमता अन्वेषण गर्दै आएका छन्।
|
||||
उच्च गुणस्तरको डाटाले मोडलको प्रदर्शन सुधार्छ। खराब वा आवाजयुक्त डाटाले गलत पूर्वानुमान गराउन सक्छ, यद्यपि उन्नत मेसिन शिक्षा एल्गोरिदमहरू प्रयोग गरिए पनि।
|
||||
|
||||
---
|
||||
## लागू गरिएको ML का उदाहरणहरू
|
||||
## मेसिन शिक्षाका प्रयोगहरू
|
||||
|
||||
**तपाईं मेसिन लर्निङलाई धेरै तरिकामा प्रयोग गर्न सक्नुहुन्छ**:
|
||||
मेसिन शिक्षाका प्रयोगहरू अहिले लगभग सबै ठाउँमा छन्, र हाम्रो समाजमा बगिरहेको डाटा जस्तो सर्वव्यापी छन्। आधुनिक मेसिन शिक्षा एल्गोरिदमहरूको विशाल सम्भावनालाई ध्यानमा राख्दै, अनुसन्धानकर्ताहरूले तिनीहरूको क्षमता बहुआयामिक र बहुविषयक वास्तविक जीवन समस्याहरू समाधान गर्न खोजिरहेका छन् र सकारात्मक परिणामहरू पाइसकेका छन्।
|
||||
|
||||
- बिरामीको मेडिकल इतिहास वा रिपोर्टबाट रोगको सम्भावना पूर्वानुमान गर्न।
|
||||
- मौसम डाटालाई प्रयोग गरेर मौसम घटनाहरू पूर्वानुमान गर्न।
|
||||
---
|
||||
## लागु गरिएको ML का उदाहरणहरू
|
||||
|
||||
**तपाईं मेसिन शिक्षा थुप्रै तरिकाले प्रयोग गर्न सक्नुहुन्छ**:
|
||||
|
||||
- रोगको सम्भावना बिरामीको मेडिकल इतिहास वा रिपोर्टबाट पूर्वानुमान गर्न।
|
||||
- मौसम घटनाहरूको पूर्वानुमान गर्न मौसम डाटा प्रयोग गर्न।
|
||||
- पाठको भावना बुझ्न।
|
||||
- गलत समाचार पत्ता लगाएर प्रचार रोक्न।
|
||||
- झूटा खबर पत्ता लगाउन र प्रचार रोक्न।
|
||||
|
||||
वित्त, अर्थशास्त्र, पृथ्वी विज्ञान, अन्तरिक्ष अन्वेषण, जैव चिकित्सा इन्जिनियरिङ, संज्ञानात्मक विज्ञान, र मानविकीका क्षेत्रहरूले पनि मेसिन लर्निङलाई आफ्नो क्षेत्रका कठिन, डाटा-प्रशोधन भारी समस्याहरू समाधान गर्न अनुकूलित गरेका छन्।
|
||||
वित्त, अर्थशास्त्र, पृथ्वी विज्ञान, अन्तरिक्ष अन्वेषण, जैविक इन्जिनियरिङ्ग, संज्ञानात्मक विज्ञान, र मानविकीका क्षेत्रहरूले पनि मेसिन शिक्षालाई आफ्ना थकित डाटा प्रशोधन समस्याहरू समाधान गर्न अनुकूलित गरेका छन्।
|
||||
|
||||
---
|
||||
## निष्कर्ष
|
||||
|
||||
मेसिन लर्निङले वास्तविक संसार वा उत्पन्न डाटाबाट अर्थपूर्ण जानकारी पत्ता लगाएर ढाँचाको खोजी प्रक्रियालाई स्वचालित बनाउँछ। यसले व्यवसाय, स्वास्थ्य, र वित्तीय अनुप्रयोगहरूमा अत्यधिक मूल्यवान साबित गरेको छ।
|
||||
मेसिन शिक्षाले वास्तविक संसार वा उत्पन्न गरिएको डाटाबाट अर्थपूर्ण अन्तर्दृष्टिहरू पत्ता लगाएर ढाँचा पत्ता लगाउने प्रक्रिया स्वचालित गर्दछ। यसले व्यवसाय, स्वास्थ्य, वित्त लगायतका क्षेत्रहरूमा अत्यन्त उपयोगी सावित गरेको छ।
|
||||
|
||||
निकट भविष्यमा, मेसिन लर्निङको आधारभूत कुरा बुझ्नु कुनै पनि क्षेत्रका व्यक्तिहरूका लागि अनिवार्य हुने छ यसको व्यापक अपनत्वका कारण।
|
||||
नजिकैको भविष्यमा, कुनै पनि क्षेत्रका मानिसहरूका लागि मेसिन शिक्षाका आधारभूत कुरा बुझ्नु अनिवार्य हुने छ किनभने यसको व्यापक अंगीकरण हुँदैछ।
|
||||
|
||||
---
|
||||
# 🚀 चुनौती
|
||||
|
||||
कागजमा वा [Excalidraw](https://excalidraw.com/) जस्ता अनलाइन एप प्रयोग गरेर, AI, ML, डीप लर्निङ, र डाटा साइन्स बीचको भिन्नता बुझ्ने आफ्नो समझको स्केच बनाउनुहोस्। यी प्रविधिहरूले समाधान गर्न सक्ने समस्याहरूको केही विचारहरू थप्नुहोस्।
|
||||
पेपरमा वा [Excalidraw](https://excalidraw.com/) जस्तो अनलाइन एप प्रयोग गरेर, AI, ML, गहिरो शिक्षा, र डाटा साइन्सबीचको भिन्नताहरू तपाईको बुझाइ स्केच गर्नुहोस्। यी प्रत्येक प्रविधिले राम्रोसँग समाधान गर्न सक्ने समस्या सम्बन्धमा केही विचारहरू थप्नुहोस्।
|
||||
|
||||
# [पाठ पछि क्विज](https://ff-quizzes.netlify.app/en/ml/)
|
||||
# [पोस्ट-व्याख्यान प्रश्नोत्तरी](https://ff-quizzes.netlify.app/en/ml/)
|
||||
|
||||
---
|
||||
# समीक्षा र आत्म अध्ययन
|
||||
# समीक्षा र आत्म-अध्ययन
|
||||
|
||||
क्लाउडमा ML एल्गोरिदमहरूसँग कसरी काम गर्न सकिन्छ भन्ने बारे थप जान्न, यो [Learning Path](https://docs.microsoft.com/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=academic-77952-leestott) अनुसरण गर्नुहोस्।
|
||||
ML एल्गोरिदमहरू क्लाउडमा कसरी काम गर्छन् भन्ने बारे थप जान्नका लागि यस [Learning Path](https://docs.microsoft.com/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=academic-77952-leestott) लाई पछ्याउनुहोस्।
|
||||
|
||||
ML को आधारभूत कुरा बारे [Learning Path](https://docs.microsoft.com/learn/modules/introduction-to-machine-learning/?WT.mc_id=academic-77952-leestott) लिनुहोस्।
|
||||
ML का आधारहरू बारे [Learning Path](https://docs.microsoft.com/learn/modules/introduction-to-machine-learning/?WT.mc_id=academic-77952-leestott) को पाठ ग्रहण गर्नुहोस्।
|
||||
|
||||
---
|
||||
# असाइनमेन्ट
|
||||
|
||||
[सुरु गर्नुहोस्](assignment.md)
|
||||
[सञ्चालन सुरु गर्नुहोस्](assignment.md)
|
||||
|
||||
---
|
||||
|
||||
**अस्वीकरण**:
|
||||
यो दस्तावेज़ AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) प्रयोग गरेर अनुवाद गरिएको छ। हामी शुद्धताको लागि प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादहरूमा त्रुटि वा अशुद्धता हुन सक्छ। यसको मूल भाषा मा रहेको मूल दस्तावेज़लाई आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीको लागि, व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याको लागि हामी जिम्मेवार हुने छैनौं।
|
||||
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
||||
**अस्वीकरण**:
|
||||
यो दस्तावेज़ AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) प्रयोग गरेर अनुवाद गरिएको हो। हामी सही हुन प्रयास गर्छौं, तर कृपया जानकार हुनुस् कि स्वचालित अनुवादमा त्रुटिहरू वा अशुद्धताहरू हुन सक्छन्। मूल दस्तावेज़ यसको मूल भाषामा आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीका लागि व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न कुनै पनि गलत बुझाइ वा त्रुटिको लागि हामी जिम्मेवार छैनौं।
|
||||
<!-- CO-OP TRANSLATOR DISCLAIMER END -->
|
||||
Loading…
Reference in new issue