diff --git a/translations/kn/.co-op-translator.json b/translations/kn/.co-op-translator.json index 895f5cad0..64e5419e6 100644 --- a/translations/kn/.co-op-translator.json +++ b/translations/kn/.co-op-translator.json @@ -540,8 +540,8 @@ "language_code": "kn" }, "README.md": { - "original_hash": "da2ceed62f16a0820259556e3a873c95", - "translation_date": "2026-01-29T19:36:53+00:00", + "original_hash": "2f594ee136e3127a47f56d80055227bc", + "translation_date": "2026-02-06T09:37:26+00:00", "source_file": "README.md", "language_code": "kn" }, diff --git a/translations/kn/README.md b/translations/kn/README.md index fb7f008fc..29f21173a 100644 --- a/translations/kn/README.md +++ b/translations/kn/README.md @@ -1,149 +1,134 @@ ### 🌐 ಬಹುಭಾಷಾ ಬೆಂಬಲ -#### GitHub ಕ್ರಿಯೆಯಿಂದ ಬೆಂಬಲಿತ (ಸ್ವಯಂಚಾಲಿತ ಮತ್ತು ಎದ್ದು ನಿಲ್ಲುತ್ತದೆ) +#### GitHub ಕ್ರಿಯೆಯಿಂದ ಬೆಂಬಲಿಸಲಾಗಿದೆ (ಸ್ವಯಂಚಾಲಿತ & ಸದಾ ನವೀಕರಿಸಲಾಗಿದೆ) -> **ಸ್ಥಳೀಯವಾಗಿ ಕ್ಲೋನ್ ಮಾಡಲು ಇಚ್ಛಿಸುತ್ತೀರಾ?** +> **ಸ್ಥಳೀಯವಾಗಿ ಕ್ಲೋನ್ ಮಾಡುವುದಾಗಿ ಇಚ್ಛಿಸುತ್ತೀರಾ?** -> ಈ ಸಂಗ್ರಹವು 50+ ಭಾಷಾ ಅನುವಾದಗಳನ್ನು ಒಳಗೊಂಡಿದೆ, ಇದು ಡೌನ್ಲೋಡ್ ಗಾತ್ರವನ್ನು ಬಹುಮಾನಿಸಲಾಗಿದೆ. ಅನುವಾದಗಳಿಲ್ಲದೆ ಕ್ಲೋನ್ ಮಾಡಲು, ಸ್ಪಾರ್ಸ್ ಔಟ್‌ಚೆಕ್ ಬಳಸಿ: +> ಈ ಸಂಗ್ರಹವು 50+ ಭಾಷಾ ಅನುವಾದಗಳನ್ನು ಒಳಗೊಂಡಿದೆ, ಇದರಿಂದ ಡೌನ್ಲೋಡ್ ಗಾತ್ರವು ಬಹುಮಾನವಾಗುತ್ತದೆ. ಅನುವಾದಗಳಿಲ್ಲದೆ ಕ್ಲೋನ್ ಮಾಡಲು, ಸ್ಪಾರ್ಸ್ ಚೇಕ್ಔಟ್ ಬಳಸಿ: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > cd ML-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` -> ಇದರಿಂದ ನೀವು ಧಾರೆಗತ ವೇಗವಾದ ಡೌನ್ಲೋಡ್‌ನೊಂದಿಗೆ ಕೋರ್ಸನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಬೇಕಾದ ಎಲ್ಲವನ್ನೂ ಪಡೆಯುತ್ತೀರಿ. +> ಇದು ನಿಮಗೆ ಕೋರ್ಸ್ ಅನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಅಗತ್ಯವಿರುವ ಎಲ್ಲವನ್ನೂ ಹೆಚ್ಚು ವೇಗದ ಡೌನ್ಲೋಡ್ ಮೂಲಕ ಒದಗಿಸುತ್ತದೆ. -#### ನಮ್ಮ ಸಮುದಾಯದಲ್ಲಿ ಸೇರ್ಪಡೆ ಹೊಂದಿ +#### ನಮ್ಮ ಸಮುದಾಯದಲ್ಲಿ ಸೇರಿ -ನಾವು ಡಿಸ್ಕೋರ್ಡ್ ನಲ್ಲಿ AI ಸರಣಿಯನ್ನು ಕಲಿಯುತ್ತಿದ್ದೇವೆ, ಮತ್ತಷ್ಟು ತಿಳಿದುಕೊಳ್ಳಲು ಮತ್ತು ಸೇರ್ಪಡೆಗಾಗಿ [Learn with AI Series](https://aka.ms/learnwithai/discord) ಭೇಟಿ ನೀಡಿ, 18 - 30 ಸೆಪ್ಟೆಂಬರ್, 2025. ನೀವು GitHub Copilot ಅನ್ನು ಡೇಟಾ ಸೈನ್ಸಿಗಾಗಿ ಬಳಸುವ ಸಲಹೆ ಮತ್ತು ತಂತ್ರಗಳನ್ನು ಪಡೆಯುತ್ತೀರಿ. +ನಾವು ಡಿಸ್ಕೋರ್ಡ್ "ಲರ್ನ್ ವಿಥ ಎಐ" ಸರಣಿಯನ್ನು ನಡೆಸುತ್ತಿದ್ದು, ಹೆಚ್ಚಾಗಿ ತಿಳಿದುಕೊಳ್ಳಲು ಮತ್ತು ಭಾಗವಹಿಸಲು [Learn with AI Series](https://aka.ms/learnwithai/discord) ಗೆ ಬಂದಿರಿ. ಸೆಪ್ಟೆಂಬರ್ 18 ರಿಂದ 30, 2025 ರವರೆಗೆ GitHub Copilot ನ ಉಪಯೋಗ ಮೂಲಕ data science ಗೆ ಸಲಹೆಗಳು ಮತ್ತು ತಂತ್ರಗಳನ್ನು ಪಡೆಯಿರಿ. -# ಮಷಿನ್ ಲರ್ನಿಂಗ್ ಫಾರ್ ಸ್ಟಾರ್ಟರ್ಸ್ - ಓದುಕ್ರಮ +# ಶುರುಮಾಡೋಣ -> 🌍 ನಾವು ಮಷಿನ್ ಲರ್ನಿಂಗ್ ಅನ್ನು ಜಗತ್ತಿನ ಸಂಸ್ಕೃತಿಗಳ ಮೂಲಕ ಅನ್ವೇಷಿಸುತ್ತಿರುವಾಗ ವಿಶ್ವಾದ್ಯಂತ ಪ್ರವಾಸ ಮಾಡಿ 🌍 +ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ: +1. **ರೆಪೊ ಫೋರ್ಕ್ ಮಾಡಿ**: ಈ ಪುಟದ ಮೇಲ್ಭಾಗದ ಬಲಭಾಗದಲ್ಲಿರುವ "Fork" ಬಟನ್ ಕ್ಲಿಕ್ ಮಾಡಿ. +2. **ರೆಪೊ ಕ್ಲೋನ್ ಮಾಡಿ**: `git clone https://github.com/microsoft/ML-For-Beginners.git` -ಮೈಕ್ರೋಸಾಫ್ಟ್‌ನ ಕ್ಲೌಡ್ ಅಡ್ವೊಕೇಟ್ಸ್ ನಿಮಗೆ 12 ವಾರಗಳ, 26 ಪಾಠಗಳжди ಮಷಿನ್ ಲರ್ನಿಂಗ್ ಕುರಿತ ಒಟ್ಟು ಓದುಕ್ರಮವನ್ನು ನೀಡಲು ಸಂತೋಷಪಡುತ್ತಾರೆ. ಈ ಓದುಕ್ರಮದಲ್ಲಿ ನೀವು ಕೆಲವೊಮ್ಮೆ "ಕ್ಲಾಸಿಕ್ ಮಷಿನ್ ಲರ್ನಿಂಗ್" ಎನ್ನುತ್ತಿರುವುದನ್ನು ಕಲಿಯೋದು, ಮುಖ್ಯವಾಗಿ ಸ್ಕಿಕಿಟ್-ಲರ್ನ್ ಗ್ರಂಥಾಲಯವನ್ನು ಬಳಸುವುದರೊಂದಿಗೆ ಡೀಪ್ ಲರ್ನಿಂಗ್ ಅನ್ನು ತಪ್ಪಿಸುವದು, ಇದು ನಮ್ಮ [AI for Beginners' ಓದುಕ್ರಮ](https://aka.ms/ai4beginners) ನಲ್ಲಿ ಒಳಗೊಂಡಿದೆ. ಈ ಪಾಠಗಳನ್ನು ನಮ್ಮ ['ಡೇಟಾ ಸೈನ್ಸ್ ಫಾರ್ ಸ್ಟಾರ್ಟರ್ಸ್' ಓದುಕ್ರಮ](https://aka.ms/ds4beginners) ಜೊತೆಗೆ ಕೂಡಾ ಜೋಡಿಸಬಹುದು. +> [ಈ ಕೋರ್ಸ್‌ನಲ್ಲಿ ಎಲ್ಲ ಹೆಚ್ಚುವರಿ ಸಂಪನ್ಮೂಲಗಳನ್ನು ನಮ್ಮ Microsoft Learn ಸಂಗ್ರಹದಲ್ಲಿ ಕಂಡುಹಿಡಿಯಿರಿ](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -ನಮ್ಮ ಜೊತೆ ಜಗತ್ತಿನ ವಿಭಿನ್ನ ಭಾಗಗಳಿಂದ ಡೇಟಾ ಮೇಲೆ ಈ ಕ್ಲಾಸಿಕ್ ತಂತ್ರಗಳನ್ನು ಅನ್ವಯಿಸಿಕೊಂಡು ಪ್ರವಾಸ ಮಾಡಿ. ಪ್ರತಿ ಪಾಠವು ಪೂರ್ವ ಮತ್ತು ನಂತರದ ಪರೀಕ್ಷೆಗಳು, ಪಾಠ ಪೂರ್ಣಗೊಳಿಸುವ ಬರಹ ಸೂಚನೆಗಳು, ಪರಿಹಾರ, ನಿಯೋಗ, ಮತ್ತಿತರ ವಿಷಯಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ನಮ್ಮ ಯೋಜನೆ ಆಧಾರಿತ ಅಧ್ಯಯನ ವಿಧಾನವು ನಿಮ್ಮನ್ನು ನಿರ್ಮಾಣ ಮಾಡುವಾಗ ಕಲಿಯುತ್ತೀರಿ ಎಂಬುದನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ, ಹೊಸ ಕೌಶಲಗಳನ್ನು ಹಿಡಿದಿಡಲು ಬಳಸುವ ಪರಿಣಾಮಕಾರಿ ವಿಧಾನ. +> 🔧 **ಸಹಾಯ ಬೇಕೆ?** ಸ್ಥಾಪನೆ, ಸೆಟಪ್ ಮತ್ತು ಪಾಠಗಳನ್ನು ರನ್ ಮಾಡುವ ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳ ಪರಿಹಾರಗಳಿಗಾಗಿ ನಮ್ಮ [Troubleshooting Guide](TROUBLESHOOTING.md) ನೋಡಿ. -**✍️ ನಮ್ಮ ಬರಹಗಾರರಿಗೆ ಹೃತ್ಪೂರ್ವಕ ಧನ್ಯವಾದಗಳು** ಜೆನ್ ಲೂಪರ್, ಸ್ಟೀಫನ್ ಹೌವೆಲ್, ಫ್ರೆನ್ಸೆಸ್ಕಾ ಲಾಜೆರ್ರಿ, ಟೊಮೊಮಿ ಇಮುರಾ, ಕ್ಯಾಸಿ ಬ್ರೇವಿಯು, ದಿಮಿತ್ರೀ ಸೋಶ್ನಿಕೋವ್, ಕ್ರಿಸ್ ನೋರಿಂಗ್, ಅನಿರ്ബನ್ ಮುಖರ್ಜಿ, ಓರ್ನೆಲ್ಲಾ ಅಲ್ಟುನಿಯನ್, ರೂತ್ ಯಕುಬು ಮತ್ತು ಏಮಿ ಬಾಯ್ಡ್ +**[ವಿದ್ಯಾರ್ಥಿಗಳು](https://aka.ms/student-page)**, ಈ ಪಾಠಕ್ರಮವನ್ನು ಬಳಸಲು, ಸಂಪೂರ್ಣ ರೆಪೊ ನಿಮ್ಮ GitHub ಖಾತೆಗೆ ಫೋರ್ಕ್ ಮಾಡಿ ಮತ್ತು ವ್ಯಾಯಾಮಗಳನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಅಥವಾ ಗುಂಪಿನೊಂದಿಗೆ ಪೂರ್ಣಗೊಳಿಸಿ: -**🎨 ನಮ್ಮ ಚಿತ್ರಕಾರರಿಗೆ ಸಹ ಧನ್ಯವಾದಗಳು** ಟೊಮೊಮಿ ಇಮುರಾ, ದಸಾನಿ ಮಡಿಪಳ್ಳಿ, ಮತ್ತು ಜೆನ್ ಲೂಪರ್ +- ಪ್ರಾಧ್ಯಾಪನ ಚಿಂತನೆಯ ಪ್ರಶ್ನಾವಳಿಯಿಂದ ಆರಂಭಿಸಿ. +- ಉಪನ್ಯಾಸವನ್ನು ಓದಿ ಮತ್ತು ಕ್ರಿಯಾತ್ಮಕತೆಯನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ, ಪ್ರತಿ ಜ್ಞಾನ ಪರಿಶೀಲನೆಯಲ್ಲಿ ನಿಧಾನಿಸಿ ಮತ್ತು ಪರಿಗಣಿಸಿ. +- ಪರಿಹಾರ ಕೋಡ್ ನಡಿಸುವುದಕ್ಕಿಂತ ಪಾಠಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಂಡು ಪ್ರಾಜೆಕ್ಟ್‌ಗಳನ್ನು ಸೃಷ್ಟಿಸುವ ಪ್ರಯತ್ನ ಮಾಡಿ; ಆದರೆ ಆ ಕೋಡ್ ಪ್ರತಿ ಪ್ರಾಜೆಕ್ಟ್-ಆಧರಿತ ಪಾಠದಲ್ಲಿನ `/solution` ಫೋಲ್ಡರ್ ಗಳಲ್ಲಿ ಲಭ್ಯವಿದೆ. +- ಉಪನ್ಯಾಸ ಬಳಿಕದ ಪ್ರಶ್ನಾವಳಿಯನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ. +- ಸವಾಲು ಪೂರ್ಣಗೊಳಿಸಿ. +- ನಿಯುಕ್ತಿಯನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ. +- ಪಾಠ ಗುಂಪನ್ನು ಪೂರ್ಣಗೊಳಿಸಿದ ನಂತರ, [ಚರ್ಚಾ ಮಂಡಳಿ](https://github.com/microsoft/ML-For-Beginners/discussions) ಗೆ ಭೇಟಿ ನೀಡಿರಿ ಮತ್ತು ಸೂಕ್ತವಾದ PAT ರೂಬ್ರಿಕ್ ಅನ್ನು ತುಂಬಿ 'ಬುದ್ದಿಮತ್ತೆ ಹಂಚಿಕೊಳ್ಳಿ'. 'PAT' ಎಂದರೆ ಪ್ರಗತಿ ಮೌಲ್ಯಮಾಪನ ಸಾಧನ, ಇದು ನಿಮ್ಮ ಕಲಿಕೆಯನ್ನು ಮತ್ತಷ್ಟು ಗಟ್ಟಿಗೊಳಿಸಲು ನೀವು ತುಂಬುವ ರೂಬ್ರಿಕ್ ಆಗುತ್ತದೆ. ನೀವು ಇನ್ನಿತರ PAT ಗಳಿಗೂ ಪ್ರತಿಕ್ರಿಯಿಸಬಹುದು, ಇದರಿಂದ ನಾವು ಒಟ್ಟಿಗೆ ಕಲಿಯಬಹುದು. -**🙏 ವಿಶೇಷ ಧನ್ಯವಾದಗಳು 🙏 ನಮ್ಮ ಮೈಕ್ರೋಸಾಫ್ಟ್ ವಿದ್ಯಾರ್ಥಿ ಅಂಬರ್‌ಡಾಸರ್ ಬರಹಗಾರರಿಗೆ, ವಿಮರ್ಶಕರಿಗೆ ಮತ್ತು ವಿಷಯ ನೆರವು ನೀಡಿದವರಿಗೆ**, ವಿಶೇಷವಾಗಿ ರಿಶಿತ್ ದಾಗ್ಲಿ, ಮುಹಮ್ಮದ್ ಸಕೀబ్ ಖಾನ್ ಇನאן, ರೋಹನ್ ರಾಜ್, ಅಲ್ಯಕ್ಸಾಂಡ್ರು ಪೆಟ್ರೆಸ್ಕು, ಅಭಿಷೇಕ್ ಜೈಸ್ವಾಲ್, ನವ್ರಿನ್ ತಬಸ್ಸುಂ, ಇಒನ್ ಸಾಮೈಲಾ, ಮತ್ತು ಸ್ಂಧಾ ಅಗರ್ವಲ್ +> ಮುಂದಿನ ಅಧ್ಯಯನಕ್ಕಾಗಿ, ಈ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) ಮೋಡ್ಯೂಲ್‌ಗಳು ಮತ್ತು ಲರ್ನಿಂಗ್ ಪಾತ್‌ಗಳನ್ನು ಅನುಸರಿಸುವುದು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ. -**🤩 ನಮ್ಮ R ಪಾಠಗಳಿಗಾಗಿ ಮೈಕ್ರೋಸಾಫ್ಟ್ ವಿದ್ಯಾರ್ಥಿ ಅಂಬರ್‌ಡಾಸರ್ ಎರಿಕ್ ವಾಂಜಾಉ, ಜಸ್ಲೀನ್ ಸೊಂಧಿ ಮತ್ತು ವಿಡುಷಿ ಗುಪ್ತಾ ಅವರಿಗೆ ಹೆಚ್ಚುವರಿ ಧನ್ಯವಾದಗಳು!** +**ಶಿಕ್ಷಕರು**, ಈ ಪಾಠಕ್ರಮ ಉಪಯೋಗಿಸುವ ಬಗ್ಗೆ ಕೆಲವು [ಶಿಫಾರಸುಗಳನ್ನು](for-teachers.md) ನಾವು ಸೇರಿಸಿದ್ದೇವೆ. -# ಪ್ರಾರಂಭಿಸುವುದು +--- -ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ: -1. **ರೆಪೊ ಫೋರ್ಕ್ ಮಾಡಿ**: ಈ ಪುಟದ ಮೇಲ್ಭಾಗದ ಬಲಭಾಗದ "Fork" ಬಟನ್ ಅನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ. -2. **ರೆಪೊ ಕ್ಲೋನ್ಮಾಡಿ**: `git clone https://github.com/microsoft/ML-For-Beginners.git` +## ವೀಡಿಯೋ ವಾಕ್ತ್ರೂಸ್ + +ಕೆಲವು ಪಾಠಗಳು ಚಿಕ್ಕವೀಡಿಯೋ ರೂಪದಲ್ಲಿಯೂ ಲಭ್ಯವಾಗಿವೆ. ಎಲ್ಲಾ ವೀಡಿಯೋಗಳನ್ನು ಪಾಠಗಳಲ್ಲಿ ಇನ್‌ಲೈನ್‌ನಲ್ಲಿ ಅಥವಾ [Microsoft Developer ಯೂಟ್ಯೂಬ್ ಚಾನೆಲ್‌ನ ML for Beginners ಪ್ಲೇಲಿಸ್ಟ್‌ನಲ್ಲಿ](https://aka.ms/ml-beginners-videos) ಚಿತ್ರ ಕ್ಲಿಕ್ ಮಾಡಿ ನೋಡಬಹುದು. + +--- -> [ಈ ಕೋರ್ಸಿನ ಎಲ್ಲಾ ಹೆಚ್ಚುವರಿ ಸಂಪನ್ಮೂಲಗಳನ್ನು ನಮ್ಮ ಮೈಕ್ರೋಸಾಫ್ಟ್ ಲರ್ನ್ ಸಂಕಲನದಲ್ಲಿ ಹುಡುಕಿ](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +## ತಂಡವನ್ನು ಪರಿಚಯಿಸಿ -> 🔧 **ಸಹಾಯ ಬೇಕೇ?** ಸಾಮಾನ್ಯ ಸ್ಥಾಪನೆ, ಸೆಟಪ್ ಮತ್ತು ಪಾಠಗಳನ್ನು ಓಡಿಸುವ ಸಮಸ್ಯೆಗಳಿಗೆ ನಮ್ಮ [ತೊಂದರೆ ನಿವೇದನೆ ಮಾರ್ಗದರ್ಶಿ](TROUBLESHOOTING.md) ಅನ್ನು ಪರಿಶೀಲಿಸಿ. +> 🎥 ಯೋಜನೆ ಮತ್ತು ಅದನ್ನು ರಚಿಸಿದವರ ಬಗ್ಗೆ ವೀಡಿಯೋ ನೋಡಿ! -**[ವಿದ್ಯಾರ್ಥಿಗಳು](https://aka.ms/student-page)**, ಈ ಓದುಕ್ರಮವನ್ನು ಬಳಸಲು, ಸಂಪೂರ್ಣ ರೆಪೊವನ್ನು ನಿಮ್ಮ ಗಿಥಬ್ ಖಾತೆಗೆ ಫೋರ್ಕ್ ಮಾಡಿ ಮತ್ತು ಅಭ್ಯಾಸಗಳನ್ನು ಸ್ವತಃ ಅಥವಾ ಗುಂಪಿನಲ್ಲಿ ಪೂರ್ಣಗೊಳಿಸಿ: +--- -- ಪಾಠ ಪೂರ್ವದ ಕ್ವಿಜ್ ಮೂಲಕ ಪ್ರಾರಂಭಿಸಿ. -- ಉಪನ್ಯಾಸವನ್ನು ಓದಿ ಮತ್ತು ಚಟುವಟಿಕೆಗಳನ್ನು ಪೂರೈಸಿ, ಪ್ರತಿ ಜ್ಞಾನ ಪರಿಶೀಲನೆಯಲ್ಲಿ ನಿಲ್ಲಿಸಿ ಮತ್ತು ಆಲೋಚಿಸಿ. -- ಪಾಠಗಳಿಗೆ “ಸಾಲ್ಯೂಶನ್ ಕೋಡ್” ಓಡಿಸುವ ಬದಲು, ಪಾಠಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಂಡು ಯೋಜನೆಗಳನ್ನು ಸೃಷ್ಟಿಸಲು ಪ್ರಯತ್ನಿಸಿ; ಸೌಲಭ್ಯಕ್ಕೆ ಆ ಕೋಡ್ ಪ್ರತಿ ಯೋಜನೆ ಆಧಾರಿತ ಪಾಠದ `/solution` ಫೋಲ್ಡರ್ಸ್‌ನಲ್ಲಿದೆ. -- ಪಾಠವಾದ ನಂತರದ ಕ್ವಿಜ್ ಬಿಡಿ. -- ಚಾಲೆಂಜ್ ಪೂರೈಸಿ. -- ನಿಯೋಗ ಪೂರ್ಣಗೊಳಿಸಿ. -- ಪಾಠ ಗುಂಪನ್ನು ಸಂಪೂರ್ಣ ಮಾಡಿದ ನಂತರ, [ಚರ್ಚಾ ಫಲಕ](https://github.com/microsoft/ML-For-Beginners/discussions) ಗೆ ಭೇಟಿ ನೀಡಿ ಮತ್ತು ಸೂಕ್ತ PAT ರೂಬ್ರಿಕ್ ಮೂಲಕ 'ಲಾರ್ಜ್ ಲರ್ನಿಂಗ್' ಮಾಡಿ. 'PAT' ಎಂದರೆ ಪ್ರಗತಿ ಅಂಕನೋಪಕರಣ. ನೀವು ಇನ್ನಿತರ PAT ಗೆ ಪ್ರತಿಕ್ರಿಯೆ ನೀಡಬಹುದು, ಹೀಗೆ ನಾವು ಒಟ್ಟಿಗೆ ಕಲಿಯಬಹುದು. +## ಪಠ್ಯಶಾಸ್ತ್ರ -> ಹೆಚ್ಚುವರಿ ಅಧ್ಯಯನಕ್ಕಾಗಿ, ಈ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) ತರಗತಿಗಳು ಮತ್ತು ಕಲಿಕಾ ಮಾರ್ಗಗಳನ್ನು ಅನುಸರಿಸುವುದಾಗಿ ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ. +ಈ ಪಾಠಕ್ರಮವನ್ನು ನಿರ್ಮಿಸುವಾಗ ನಾವು ಎರಡು ಪಠ್ಯಶಾಸ್ತ್ರೀಯ ತತ್ವಗಳನ್ನು ಆರಿಸಿಕೊಂಡಿದ್ದೇವೆ: ಕಾರ್ಯಗಾರ ಸಹಿತ **ಪ್ರಾಜೆಕ್ಟ್-ಆಧಾರಿತ** ಮತ್ತು **ನಿತ್ಯ ಪ್ರಶ್ನನಗಳಿಗೆ** ಒತ್ತು ನೀಡುವುದು. ಜೊತೆಗೆ, ಈ ಪಾಠಕ್ರಮವು ಒಕ್ಕೂಟಕ್ಕಾಗಿ ಸಾಮಾನ್ಯ **ಥೀಮ್** ಅನ್ನು ಒಳಗೊಂಡಿದೆ. -**ಶಿಕ್ಷಕರಿಗೆ**, ಈ ಓದುಕ್ರಮವನ್ನು ಹೇಗೆ ಬಳಸುವುದು ಎಂಬುದರ ಕುರಿತು ನಾವು [ಕೆಲವು ಸಲಹೆಗಳು](for-teachers.md) ಒದಗಿಸಿದ್ದೇವೆ. +ಕಾರ್ಯಕ್ರಮವು ಪ್ರಾಜೆಕ್ಟ್‌ಗಳೊಂದಿಗೆ ಹೊಂದಿಕೊಳಿಸುವುದರಿಂದ ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ಇದನ್ನು ಆಕರ್ಷಕವಾಗಿಸುತ್ತದೆ ಮತ್ತು ಅರ್ಥಹೀನತೆಯು ಹೆಚ್ಚಾಗುತ್ತದೆ. ಜೊತೆಗೆ ತರಗತಿಯ ಮುಂಚಿತವಾಗಿ ಹಗಟು ಪ್ರಶ್ನೆಯಲ್ಲಿ ವಿದ್ಯಾರ್ಥಿಯ ಹಂಬಲವನ್ನು ಸ್ಥಾಪಿಸಲಾಗುತ್ತದೆ, ತರಗತಿಯ ನಂತರದ ಪ್ರಶ್ನೆಯಲ್ಲಿ ಮತ್ತಷ್ಟು ಜ್ಞಾನದ ನಿಕಾಷಿ ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲಾಗುತ್ತದೆ. ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ಬಿಣಿಕೆಯಕ್ಷಮ ಮತ್ತು ಮೋಜುಗಾರಿಯೊಂದಿಗೆ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ ಮತ್ತು ಸಂಪೂರ್ಣ ಅಥವಾ ಭಾಗವಾಗಿ ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ಪ್ರಾಜೆಕ್ಟ್ಸ್ ಸಣ್ಣದಾಗಿ ಆರಂಭಿಸಿ, 12-ವಾರಗಳ ಅವಧಿಯಲ್ಲಿಂದೆ ಜಟಿಲವಾಗುತ್ತವೆ. ಈ ಪಠ್ಯಕ್ರಮವು ಎಂಎಲ್ ನ ನೈಜ ಲೋಕ ಅನ್ವಯಗಳ ಬಗ್ಗೆ ಒಂದು ಪೋಷಕೋದ್ಧೇಶನವನ್ನು ಕೂಡ ಹೊಂದಿದ್ದು, ಹೆಚ್ಚುವರಿ ಕ್ರೆಡಿಟ್ ಗಾಗಿ ಅಥವಾ ಚರ್ಚೆಗೆ ಆಧಾರವಾಗಿ ಬಳಸಬಹುದು. ---- +> ನಮ್ಮ [ನಡವಳಿಕೆ ನಿಯಮಾವಳಿ](CODE_OF_CONDUCT.md), [ಕೊಡುಗೆ](CONTRIBUTING.md), [ಅನುವಾದ](TRANSLATIONS.md), ಮತ್ತು [ಸಮಸ್ಯಾ ಪರಿಹಾರ](TROUBLESHOOTING.md) ಮಾರ್ಗದರ್ಶಿಗಳನ್ನು ನೋಡಿ. ನಿಮ್ಮ ಆಪಾದನೆ ಬೆಂಬಲಕ್ಕೆ ಸ್ವಾಗತ! -## ವೀಡಿಯೋ ವಾಕ್ಥ್ರೂಗಳು +## ಪ್ರತಿಯೊಂದು ಪಾಠದಲ್ಲಿ ಈ ಕೆಳಗಿನವುಗಳಿವೆ -ಕೆಲವು ಪಾಠಗಳು ಚುಟುಕು ವೀಡಿಯೋ ರೂಪದಲ್ಲಿ ಲಭ್ಯವಿವೆ. ನೀವು ಈ ಎಲ್ಲವನ್ನು ಪಾಠಗಳಲ್ಲಿ ಸೇರಿದರೂ ಅಥವಾ [Microsoft ಡೆವಲಪರ್ YouTube ಚಾನೆಲು ML for Beginners ಪ್ಲೇಲಿಸ್ಟ್](https://aka.ms/ml-beginners-videos) ನಲ್ಲಿ ಚಿತ್ರವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ ಕಾಣಬಹುದು. +- ಐಚ್ಛಿಕ ಸ್ಕೆಚ್‌ನೋಟು +- ಐಚ್ಛಿಕ ಪರಿಪೂರಕ ವೀಡಿಯೋ +- ವೀಡಿಯೋ ವಾಕ್ತ್ರೂ (ಕೆಲವು ಪಾಠಗಳು ಮಾತ್ರ) +- [ಪ್ರಾಥಮಿಕ ಉಪನ್ಯಾಸ ತಡೆ ಪ್ರಶ್ನೆ](https://ff-quizzes.netlify.app/en/ml/) +- ಲಿಖಿತ ಪಾಠ +- ಪ್ರಾಜೆಕ್ಟ್-ಆಧಾರಿತ ಪಾಠಗಳಿಗೆ, ಪ್ರಾಜೆಕ್ಟ್ ಹೇಗೆ ನಿರ್ಮಿಸಬೇಕು ಎಂಬ ಹಂತ ಹಂತದ ಮಾರ್ಗದರ್ಶಿಗಳು +- ಜ್ಞಾನ ಪರಿಶೀಲನೆಗಳು +- ಸವಾಲು +- ಪರಿಪೂರಕ ಓದು +- ನಿಯಮಿತಿ +- [ಉಪನ್ಯಾಸ ನಂತರದ ಪ್ರಶ್ನೆ](https://ff-quizzes.netlify.app/en/ml/) ---- +> **ಭಾಷೆಗಳ ಕುರಿತು ಟಿಪ್**: ಈ ಪಾಠಗಳು ಮುಖ್ಯವಾಗಿ Python ನಲ್ಲಿ ಬರೆಯಲ್ಪಟ್ಟಿದೆ, ಆದರೆ ಹಲವರು R ಲಲ್ಲಿಯೂ ಲಭ್ಯವಿದೆ. R ಪಾಠವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು, `/solution` ಫೋಲ್ಡರ್ ಗೆ ಹೋಗಿ R ಪಾಠಗಳನ್ನು ಹುಡುಕಿ. ಅವು .rmd ವಿಸ್ತಾರವನ್ನು ಹೊಂದಿವೆ, ಇದು **R ಮಾರ್ಕ್‌ಡೌನ್** ಫೈಲ್ ಆಗಿದ್ದು, ಇದರಲ್ಲಿ `ಕೋಡ್ ತುಂಡುಗಳು` (R ಅಥವಾ ಇತರ ಭಾಷೆಗಳ) ಮತ್ತು `YAML ಶೀರ್ಷಿಕೆ` (ಪಿಡಿಎಫ್, ಇತ್ಯಾದಿ ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುತ್ತದೆ) ಒಟ್ಟಿಗೆ ಇರೋದು. ಇದರಿಂದ ನೀವು ಕೋಡ್, ಅದರ ಔಟ್‌ಪುಟ್ ಮತ್ತು ನಿಮ್ಮ ಚಿಂತನೆಗಳನ್ನು ಮಾರ್ಕ್‌ಡೌನ್‌ನಲ್ಲಿ ಬರೆಯಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ. ಇದಲ್ಲದೆ, R ಮಾರ್ಕ್‌ಡೌನ್ ದಾಖಲೆಗಳನ್ನು ಪಿಡಿಎಫ್, HTML, ಅಥವಾ ವರ್ಡ್ ಔಟ್‌ಪುಟ್‌ಗಳಿಗೆ ರೂಪಾಂತರಿಸಬಹುದು. +> **ಕ್ವಿಜ್‌ಗಳ ಬಗ್ಗೆ ಟಿಪ್ಪಣಿ**: ಎಲ್ಲಾ ಕ್ವಿಜ್‌ಗಳು [ಕ್ವಿಜ್ ಆಪ್ ಫೋಲ್ಡರ್](../../quiz-app) ನಲ್ಲಿ ಒಳಗೊಂಡಿವೆ, ಮೂರು ಪ್ರಶ್ನೆಗಳನ್ನು ಹೊಂದಿರುವ ಒತ್ತಡಿ 52 ಕ್ವಿಜ್‌ಗಳ ಸಂಖ್ಯೆ. ಅವು ಪಾಠಗಳಲ್ಲಿ ಕೊಂಡಿಯಾಗಿವೆ ಆದರೆ ಕ್ವಿಜ್ ಆಪ್ ಸ್ಥಳೀಯವಾಗಿ ಚಾಲನೆ ಮಾಡಬಹುದು; `quiz-app` ಫೋಲ್ಡರ್‌ನಲ್ಲಿ ಸ್ಥಳೀಯವಾಗಿ ಹೋಸ್ಟ್ ಮಾಡುವುದು ಅಥವಾ ಅಜೂರ್‌ಗೆ ನಿಯೋಜಿಸಲು ಸೂಚನೆವನ್ನು ಅನುಸರಿಸಿ. -## ತಂಡವನ್ನು ಪರಿಚಯಿಸಿಕೊಳ್ಳಿ +| ಪಾಠ ಸಂಖ್ಯೆ | ವಿಷಯ | ಪಾಠ ಗುಂಪು | ಕಲಿಕೆಯ ಉದ್ದೇಶಗಳು | ಸಂಪರ್ಕಿಸಿದ ಪಾಠ | ಲೇಖಕ | +| :-------: | :------------------------------------------------------------: | :---------------------------------------------: | ---------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :------------------------------------------------: | +| 01 | ಯಂತ್ರ ಅಧ್ಯಯನಕ್ಕೆ ಪರಿಚಯ | [ಪರಿಚಯ](1-Introduction/README.md) | ಯಂತ್ರ ಅಧ್ಯಯನದ ಹಿಂದೆ ಇರುವ ಮೂಲಭೂತ ಸಂಕಲ್ಪಗಳನ್ನು ಕಲಿಯೋಣ | [ಪಾಠ](1-Introduction/1-intro-to-ML/README.md) | ಮುಹಮ್ಮದ್ | +| 02 | ಯಂತ್ರ ಅಧ್ಯಯನದ ಇತಿಹಾಸ | [ಪರಿಚಯ](1-Introduction/README.md) | ಈ ಕ್ಷೇತ್ರದ ಇತಿಹಾಸವನ್ನು ತಿಳಿಯೋಣ | [ಪಾಠ](1-Introduction/2-history-of-ML/README.md) | ಜೆನ್ ಮತ್ತು ಏಮಿ | +| 03 | ನ್ಯಾಯಾಸಂಗತತೆ ಮತ್ತು ಯಂತ್ರ ಅಧ್ಯಯನ | [ಪರಿಚಯ](1-Introduction/README.md) | ನ್ಯಾಯಾಸಂಗತೆಯ ಸುತ್ತಲೂ ಮುಖ್ಯ ತತ್ವಜ್ಞಾನ ಸಮಸ್ಯೆಗಳು ಏನು ಹಾಗೂ ML ಮಾದರಿಗಳನ್ನು ರಚಿಸುವಾಗ ಮತ್ತು ಜಾರಿಗೊಳಿಸುವಾಗ ವಿದ್ಯಾರ್ಥಿಗಳು ಪರಿಗಣಿಸಬೇಕಾಗಿರುವುದು? | [ಪಾಠ](1-Introduction/3-fairness/README.md) | ತೊಮೊಮಿ | +| 04 | ಯಂತ್ರ ಅಧ್ಯಯನದ ತಂತ್ರಗಳು | [ಪರಿಚಯ](1-Introduction/README.md) | ಯಂತ್ರ ಅಧ್ಯಯನ ಸಂಶೋಧಕರು ಯಂತ್ರ ಅಧ್ಯಯನ ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ಯಾವ ತಂತ್ರಗಳನ್ನು ಬಳಸುತ್ತಾರೆ? | [ಪಾಠ](1-Introduction/4-techniques-of-ML/README.md) | ಕ್ರಿಸ್ ಮತ್ತು ಜೆನ್ | +| 05 | ರೆಗ್ರೆಷನ್‌ಗೆ ಪರಿಚಯ | [ರೆಗ್ರೆಷನ್](2-Regression/README.md) | ರೆಗ್ರೆಷನ್ ಮಾದರಿಗಳಿಗಾಗಿ ಪೈಥಾನ್ ಮತ್ತು ಸ್ಕಿಕ್-ಲರ್ನ್ ಉಪಯೋಗಿಸುವ ಪ್ರಾಥಮಿಕ ಅನುಭವ | [ಪೈಥಾನ್](2-Regression/1-Tools/README.md) • [ಆರ್](../../2-Regression/1-Tools/solution/R/lesson_1.html) | ಜೆನ್ • ಎರಿಕ್ ವಾಂಜಾ | +| 06 | ಉತ್ತರ ಅಮೆರಿಕದ ಪಂಪ್ಕಿನ್ ಬೆಲೆಗಳು 🎃 | [ರೆಗ್ರೆಷನ್](2-Regression/README.md) | ಯಂತ್ರ ಅಧ್ಯಯನದ ಪೂರ್ವಸಿದ್ಧಿಗಾಗಿ ಡೇಟಾವನ್ನು ದೃಶ್ಯೀಕರಿಸಿ ಮತ್ತು ಶುದ್ಧೀಕರಿಸಿ | [ಪೈಥಾನ್](2-Regression/2-Data/README.md) • [ಆರ್](../../2-Regression/2-Data/solution/R/lesson_2.html) | ಜೆನ್ • ಎರಿಕ್ ವಾಂಜಾ | +| 07 | ಉತ್ತರ ಅಮೆರಿಕದ ಪಂಪ್ಕಿನ್ ಬೆಲೆಗಳು 🎃 | [ರೆಗ್ರೆಷನ್](2-Regression/README.md) | ರೇಖೀಯ ಮತ್ತು ಬಹುಪದ್ಯ ರೆಗ್ರೆಷನ್ ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಿ | [ಪೈಥಾನ್](2-Regression/3-Linear/README.md) • [ಆರ್](../../2-Regression/3-Linear/solution/R/lesson_3.html) | ಜೆನ್ ಮತ್ತು Dmitry • ಎರಿಕ್ ವಾಂಜಾ | +| 08 | ಉತ್ತರ ಅಮೆರಿಕದ ಪಂಪ್ಕಿನ್ ಬೆಲೆಗಳು 🎃 | [ರೆಗ್ರೆಷನ್](2-Regression/README.md) | ಲಾಜಿಸ್ಟಿಕ್ ರೆಗ್ರೆಷನ್ ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸಿ | [ಪೈಥಾನ್](2-Regression/4-Logistic/README.md) • [ಆರ್](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | ಜೆನ್ • ಎರಿಕ್ ವಾಂಜಾ | +| 09 | ವೆಬ್ ಆಪ್ 🔌 | [ವೆಬ್ ಆಪ್](3-Web-App/README.md) | ತರಬೇತಿಗೊಂಡ ಮಾದರಿ ಉಪಯೋಗಿಸಲು ವೆಬ್ ಆಪ್ ನಿರ್ಮಿಸಿ | [ಪೈಥಾನ್](3-Web-App/1-Web-App/README.md) | ಜೆನ್ | +| 10 | ವರ್ಗೀಕರಣಕ್ಕೆ ಪರಿಚಯ | [ವರ್ಗೀಕರಣ](4-Classification/README.md) | ನಿಮ್ಮ ಡೇಟಾವನ್ನು ಶುದ್ಧ ಮಾಡಿ, ಪೂರ್ವಸಿದ್ಧ ಮಾಡಿ ಮತ್ತು ದೃಶ್ಯೀಕರಿಸಿ; ವರ್ಗೀಕರಣಗೆ ಪರಿಚి | [ಪೈಥಾನ್](4-Classification/1-Introduction/README.md) • [ಆರ್](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | ಜೆನ್ ಮತ್ತು ಕ್ಯಾಸಿ • ಎರಿಕ್ ವಾಂಜಾ | +| 11 | ರುಚಿಕರ ಏಷ್ಯನ್ ಮತ್ತು ಭಾರತೀಯ ವಿನ್ಯಾಸಗಳು 🍜 | [ವರ್ಗೀಕರಣ](4-Classification/README.md) | ವರ್ಗೀಕರಿಸುವವರ ಪರಿಚಯ | [ಪೈಥಾನ್](4-Classification/2-Classifiers-1/README.md) • [ಆರ್](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | ಜೆನ್ ಮತ್ತು ಕ್ಯಾಸಿ • ಎರಿಕ್ ವಾಂಜಾ | +| 12 | ರುಚಿಕರ ಏಷ್ಯನ್ ಮತ್ತು ಭಾರತೀಯ ವಿನ್ಯಾಸಗಳು 🍜 | [ವರ್ಗೀಕರಣ](4-Classification/README.md) | ಇನ್ನಷ್ಟು ವರ್ಗೀಕರಿಸುವವರು | [ಪೈಥಾನ್](4-Classification/3-Classifiers-2/README.md) • [ಆರ್](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | ಜೆನ್ ಮತ್ತು ಕ್ಯಾಸಿ • ಎರಿಕ್ ವಾಂಜಾ | +| 13 | ರುಚಿಕರ ಏಷ್ಯನ್ ಮತ್ತು ಭಾರತೀಯ ವಿನ್ಯಾಸಗಳು 🍜 | [ವರ್ಗೀಕರಣ](4-Classification/README.md) | ನಿಮ್ಮ ಮಾದರಿ ಉಪಯೋಗಿಸಿ ಶಿಫಾರಸು ವೆಬ್ ಆಪ್ ನಿರ್ಮಿಸಿ | [ಪೈಥಾನ್](4-Classification/4-Applied/README.md) | ಜೆನ್ | +| 14 | ಗುಂಪುಗಟ್ಟಿಗೆ ಪರಿಚಯ | [ಗುಂಪುಗಟ್ಟಿ](5-Clustering/README.md) | ನಿಮ್ಮ ಡೇಟಾವನ್ನು ಶುದ್ಧ ಮಾಡಿ, ಪೂರ್ವಸಿದ್ಧ ಮಾಡಿ ಮತ್ತು ದೃಶ್ಯೀಕರಿಸಿ; ಗುಂಪುಗಟ್ಟಿಗೆಗೆ ಪರಿಚಯ | [ಪೈಥಾನ್](5-Clustering/1-Visualize/README.md) • [ಆರ್](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | ಜೆನ್ • ಎರಿಕ್ ವಾಂಜಾ | +| 15 | ನೈಜೀರಿಯಾ ಸಂಗೀತ ರುಚಿಗಳನ್ನು ಅನ್ವೇಷಣೆ 🎧 | [ಗುಂಪುಗಟ್ಟಿ](5-Clustering/README.md) | K-ಮೀನ್ಸ್ ಗುಂಪುಗಟ್ಟಿ ವಿಧಾನವನ್ನು ಅನ್ವೇಷಿಸಿ | [ಪೈಥಾನ್](5-Clustering/2-K-Means/README.md) • [ಆರ್](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | ಜೆನ್ • ಎರಿಕ್ ವಾಂಜಾ | +| 16 | ನೈಸರ್ಗಿಕ ಭಾಷೆ ಸಂಸ್ಕರಣೆಗೆ ಪರಿಚಯ ☕️ | [ನೈಸರ್ಗಿಕ ಭಾಷೆ ಸಂಸ್ಕರಣೆ](6-NLP/README.md) | ಸರಳ ಬಾಟ್ ನಿರ್ಮಿಸುವ ಮೂಲಕ NLP ಆಧಾರಭೂತ ವಿಷಯಗಳನ್ನು ಕಲಿಯೋಣ | [ಪೈಥಾನ್](6-NLP/1-Introduction-to-NLP/README.md) | ಸ್ಟೀಫನ್ | +| 17 | ಸಾಮಾನ್ಯ NLP ಕಾರ್ಯಗಳು ☕️ | [ನೈಸರ್ಗಿಕ ಭಾಷೆ ಸಂಸ್ಕರಣೆ](6-NLP/README.md) | ಭಾಷಾ ರಚನೆಗಳ ಸಂಬಂದಿಸಿದ ಸಾಮಾನ್ಯ ಕಾರ್ಯಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದರಿಂದ ನಿಮ್ಮ NLP ಜ್ಞಾನವನ್ನು ಗಾಢಗೊಳಿಸಿ | [ಪೈಥಾನ್](6-NLP/2-Tasks/README.md) | ಸ್ಟೀಫನ್ | +| 18 | ಭಾಷಾಂತರ ಮತ್ತು ಭಾವ ವಿಶ್ಲೇಷಣೆ ♥️ | [ನೈಸರ್ಗಿಕ ಭಾಷೆ ಸಂಸ್ಕರಣೆ](6-NLP/README.md) | ಜಯನ್ ಆಸ್ಟೆನ್ ಅವರೊಂದಿಗೆ ಭಾಷಾಂತರ ಮತ್ತು ಭಾವ ವಿಶ್ಲೇಷಣೆ | [ಪೈಥಾನ್](6-NLP/3-Translation-Sentiment/README.md) | ಸ್ಟೀಫನ್ | +| 19 | ಯುರೋಪಿನ ರೊಮ್ಯಾಂಟಿಕ್ ಹೋಟೆಲ್ಸ್ ♥️ | [ನೈಸರ್ಗಿಕ ಭಾಷೆ ಸಂಸ್ಕರಣೆ](6-NLP/README.md) | ಹೋಟೆಲ್ ವಿಮರ್ಶೆಗಳೊಂದಿಗೆ ಭಾವ ವಿಶ್ಲೇಷಣೆ 1 | [ಪೈಥಾನ್](6-NLP/4-Hotel-Reviews-1/README.md) | ಸ್ಟೀಫನ್ | +| 20 | ಯುರೋಪಿನ ರೊಮ್ಯಾಂಟಿಕ್ ಹೋಟೆಲ್ಸ್ ♥️ | [ನೈಸರ್ಗಿಕ ಭಾಷೆ ಸಂಸ್ಕರಣೆ](6-NLP/README.md) | ಹೋಟೆಲ್ ವಿಮರ್ಶೆಗಳೊಂದಿಗೆ ಭಾವ ವಿಶ್ಲೇಷಣೆ 2 | [ಪೈಥಾನ್](6-NLP/5-Hotel-Reviews-2/README.md) | ಸ್ಟೀಫನ್ | +| 21 | ಕಾಲಶ್ರೇಣಿ ಪೂರ್ವನಿರ್ದೇಶನಕ್ಕೆ ಪರಿಚಯ | [ಕಾಲಶ್ರೇಣಿ](7-TimeSeries/README.md) | ಕಾಲಶ್ರೇಣಿ ಪೂರ್ವನಿರ್ದೇಶನಕ್ಕೆ ಪರಿಚಯ | [ಪೈಥಾನ್](7-TimeSeries/1-Introduction/README.md) | ಫ್ರಾನ್ಸೆಸ್ಕಾ | +| 22 | ⚡️ ವಿಶ್ವ ವಿದ್ಯುತ್ ಬಳಕೆ ⚡️ - ARIMA ಜೊತೆಗೆ ಕಾಲಶ್ರೇಣಿ ಪೂರ್ವನಿರ್ದೇಶನ | [ಕಾಲಶ್ರೇಣಿ](7-TimeSeries/README.md) | ARIMA ಬಳಸಿ ಕಾಲಶ್ರೇಣಿ ಪೂರ್ವನಿರ್ದೇಶನ | [ಪೈಥಾನ್](7-TimeSeries/2-ARIMA/README.md) | ಫ್ರಾನ್ಸೆಸ್ಕಾ | +| 23 | ⚡️ ವಿಶ್ವ ವಿದ್ಯುತ್ ಬಳಕೆ ⚡️ - SVR ಜೊತೆಗೆ ಕಾಲಶ್ರೇಣಿ ಪೂರ್ವನಿರ್ದೇಶನ | [ಕಾಲಶ್ರೇಣಿ](7-TimeSeries/README.md) | ಸಪೋರ್ಟ್ ವೆಕ್ಟರ್ ರೆಗ್ರೆಸರ್ ಬಳಸಿ ಕಾಲಶ್ರೇಣಿ ಪೂರ್ವನಿರ್ದೇಶನ | [ಪೈಥಾನ್](7-TimeSeries/3-SVR/README.md) | ಅನಿರ್ಬಾನ್ | +| 24 | ಬಲವರ್ಧಿತ ಅಧ್ಯಯನಕ್ಕೆ ಪರಿಚಯ | [ಬಲವರ್ಧಿತ ಅಧ್ಯಯನ](8-Reinforcement/README.md) | Q-ಅಧ್ಯಯನದೊಂದಿಗೆ ಬಲವರ್ಧಿತ ಅಧ್ಯಯನಕ್ಕೆ ಪರಿಚಯ | [ಪೈಥಾನ್](8-Reinforcement/1-QLearning/README.md) | Dmitry | +| 25 | ಪೀಟರ್ ನೆಗೆ ದಾಳಿಯನ್ನ ತಪ್ಪಿಸುವಲ್ಲಿ ನೆರವು! 🐺 | [ಬಲವರ್ಧಿತ ಅಧ್ಯಯನ](8-Reinforcement/README.md) | ಬಲವರ್ಧಿತ ಅಧ್ಯಯನ ಜಿಮ್ | [ಪೈಥಾನ್](8-Reinforcement/2-Gym/README.md) | Dmitry | +| ಸಾಂಧರ್ಭಿಕ | ನಿಜಜೀವನದ ML ಸನ್ನಿವೇಶಗಳು ಮತ್ತು ಅನ್ವಯಿಕೆಗಳು | [ML in the Wild](9-Real-World/README.md) | ಶ್ರೇಷ್ಟ ಮತ್ತು ಬಹಿರಂಗ ನಿಜಜೀವನದ ಅನ್ವಯಿಕೆಗಳು | [ಪಾಠ](9-Real-World/1-Applications/README.md) | ತಂಡ | +| ಸಾಂಧರ್ಭಿಕ | RAI ಡ್ಯಾಶ್ಬೋರ್ಡ್ ಬಳಸಿ ML ಮಾದರಿಗಳ ಡಿಬಗ್ ಮಾಡುವುದು | [ML in the Wild](9-Real-World/README.md) | ಜವಾಬ್ದಾರಿ AI ಡ್ಯಾಶ್ಬೋರ್ಡ್ ಘಟಕಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಯಂತ್ರ ಅಧ್ಯಯನದಲ್ಲಿ ಮಾದರಿ ಡಿಬಗ್ ಮಾಡುವುದು | [ಪಾಠ](9-Real-World/2-Debugging-ML-Models/README.md) | ರುತ್ ಯಾಕುಬು | -> 🎥 ಮೇಲಿನ ಚಿತ್ರವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ ಯೋಜನೆ ಮತ್ತು ಅದನ್ನು ರಚಿಸಿದವರ ಬಗ್ಗೆ ವೀಡಿಯೋ ವೀಕ್ಷಣೆಗೆ! +> [ಈ ಕೋರ್ಸ್‌ನ ಎಲ್ಲಾ ಹೆಚ್ಚುವರಿ ಸಂಪನ್ಮೂಲಗಳನ್ನು ನಮ್ಮ Microsoft Learn ಸಂಗ್ರಹದಲ್ಲಿ ಕಂಡುಹಿಡಿಯಿರಿ](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ---- +## ಆಫ್‌ಲೈನ್ ಪ್ರವೇಶ -## ಅಧ್ಯಯನ ಪೈಪೋಟಿ - -ನಾವು ಈ ಓದುಕ್ರಮವನ್ನು ನಿರ್ಮಿಸುವಾಗ ಎರಡು ಅಧ್ಯಯನ ತತ್ವಗಳನ್ನು ಆಯ್ಕೆಮಾಡಿದ್ದೇವೆ: ಇದು ಕೈಗೂಡಬಹುದಾದ **ಯೋಜನೆ ಆಧಾರಿತ** ಆಗಿರಬೇಕು ಮತ್ತು ಅದು **ಸರಿಗಮಪ ದರದ ಪ್ರಶ್ನೋತ್ತರಗಳನ್ನು** ಒಳಗೊಂಡಿರಬೇಕು. ಜೊತೆಗೆ, ಈ ಓದುಕ್ರಮಕ್ಕೆ ಸಾಮಾನ್ಯ **ವಿಷಯಸೂತ್ರ** ಇದ್ದು ಅದರಿಂದ ಒಂದು ಬದ್ಧತೆ ಬರುತ್ತದೆ. - -ವಿಷಯವನ್ನು ಯೋಜನೆಗಳಿಗೆ ಹೊಂದಿಸುವ ಮೂಲಕ ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ಅದನ್ನು ಅನುಭವಿಸಲು ಮತ್ತು ಕಲಿತ ವಿಷಯಗಳಿಡಕೆ ಹೆಚ್ಚುವರಿ ಸಾಂದ್ರತೆ ಸಿಗುತ್ತದೆ. ತರಗತಿಯ ಮೊದಲು ಕಡಿಮೆ-ಅಂಕದ ಪ್ರಶ್ನೋತ್ತರವು ವಿದ್ಯಾರ್ಥಿಯು ಒಂದು ವಿಷಯ ಕಲಿಯಲು ಇಚ್ಛೆಯ ಬೆಳೆದಂತೆ ಮಾಡುತ್ತದೆ, ಮತ್ತು ನಂತರದ ಪ್ರಶ್ನೋತ್ತರವು ಹೆಚ್ಚುವರಿ ನೆನಪನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ. ಈ ಓದುಕ್ರಮವು ಬಹುಮುಖ ಮತ್ತು ಮನರಂಜನಾತ್ಮಕವಾಗಿದ್ದು, ಸಂಪೂರ್ಣವಾಗಿ ಅಥವಾ ಭಾಗವಾಗಿ ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ಯೋಜನೆಗಳು ಸಣ್ಣದಾಗಿ ಪ್ರಾರಂಭವಾಗಿ 12 ವಾರಗಳ ಚಕ್ರದ ಕೊನೆಯಲ್ಲಿ ಜಟಿಲವಾಗುತ್ತದೆ. ಈ ಓದುಕ್ರಮವು ಎಂಎಲ್ ನ ನೈಜ-ಜಗತ್ತಿನ ಅನ್ವಯಿಕೆಗಳ ಕುರಿತು ಒಂದು ಇಳಿವೆಯನ್ನೂ ಒಳಗೊಂಡಿದೆ, ಅದು ಹೆಚ್ಚುವರಿ ಕ್ರೆಡಿಟ್ ಅಥವಾ ಚರ್ಚೆಗೆ ಆಧರಾಗಿ ಬಳಸಬಹುದು. - -> ನಮ್ಮ [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md), ಮತ್ತು [Troubleshooting](TROUBLESHOOTING.md) ಮಾರ್ಗಸೂಚಿಗಳನ್ನು ನೋಡಿ. ನಿಮ್ಮ ನಿರ್ಮಾಣಾತ್ಮಕ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಸ್ವಾಗತಿಸುತ್ತೇವೆ! - -## ಪ್ರತಿ ಪಾಠದಲ್ಲಿ ಇದಿವೆ - -- ಐಚ್ಛಿಕ ಸ್ಕೆಚ್ನೋಟ್ -- ಐಚ್ಛಿಕ ಹ@FXML ಅಪ್ಡೇಟ್ ವೀಡಿಯೋ -- ವೀಡಿಯೋ ವಾಕ್ಥ್ರೂ (ಕೆಲವು ಪಾಠಗಳು ಮಾತ್ರ) -- [ಪೂರ್ವ-ಪಾಠ ತಾತ್ಕಾಲಿಕ ಪ್ರಶ್ನೋತ್ತರ](https://ff-quizzes.netlify.app/en/ml/) -- ಬರಹಪದ ಪಾಠ -- ಯೋಜನೆ ಆಧಾರಿತ ಪಾಠಗಳಿಗೆ ಪ್ರತಿ ಹಂತದ ಮಾರ್ಗದರ್ಶನ -- ಜ್ಞಾನ ಪರೀಕ್ಷೆಗಳು -- ಒಂದು ಚಾಲೆಂಜ್ -- ಪೂರಕ ಓದು -- ನಿಯೋಗ -- [ಪೋಸ್ಟ್-ಪಾಠ ಪ್ರಶ್ನೋತ್ತರ](https://ff-quizzes.netlify.app/en/ml/) - -> **ಭಾಷೆ ಕುರಿತು ಟಿಪ್ಪಣಿ**: ಈ ಪಾಠಗಳು ಮುಖ್ಯವಾಗಿ Python ನಲ್ಲಿ ಬರೆಯಲ್ಪಟ್ಟಿವೆ, ಆದರೆ ಅನೇಕವೂ R ನಲ್ಲಿ ಲಭ್ಯವಿವೆ. R ಪಾಠವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು `/solution` ಫೋಲ್ಡರ್ನಲ್ಲಿ R ಪಾಠಗಳನ್ನು ಹುಡುಕಿ. ಅವುಗಳಲ್ಲಿ .rmd ವಿಸ್ತರಣೆ ಇರುತ್ತದೆ, ಇದು **R Markdown** ಫೈಲ್ ಆಗಿದ್ದು ಅದು `ಕೋಡ್ ಚಂಕ್‌ಗಳು` (R ಅಥವಾ ಇತರೆ ಭಾಷೆಗಳ) ಮತ್ತು `YAML ಶೀರ್ಷಿಕೆ` ಅನ್ನು ಒಳಗೊಂಡಿದೆ, ಇದು PDFಂತಹ ಆಕಾರಗಳಿಗೆ ಔಟ್‌ಪುಟ್ ಅನ್ನು ನಿರ್ವಹಿಸಲು ಮಾರ್ಗದರ್ಶಿಸುತ್ತದೆ Markdown ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು. ಆದಕಾರಣ, ಇದು ಡೇಟಾ ಸೈನ್ಸ್‌ಗಾಗಿ ಉತ್ತಮ ಪ್ರಾಧಿಕಾರ_Framework ಆಗಿದೆ, ಏಕೆಂದರೆ ನೀವು ನಿಮ್ಮ ಕೋಡ್, ಅದರ ಔಟ್‌ಪುಟ್, ಮತ್ತು ನಿಮ್ಮ ಆಲೋಚನೆಗಳನ್ನು Markdown ನಲ್ಲಿ ಬರೆದು ಸಂಯೋಜಿಸಬಹುದು. ಇನ್ನೂ, R Markdown ಡಾಕ್ಯುಮೆಂಟ್‌ಗಳನ್ನು PDF, HTML, ಅಥವಾ Word ರೀತಿಗಳಲ್ಲಿ ರೂಪಾಂತರಿಸಬಹುದು. -> **ಕ್ವಿಜ್‌ಗಳ ಬಗ್ಗೆ ಟಿಪ್ಪಣಿ**: ಎಲ್ಲಾ ಕ್ವಿಜ್‌ಗಳು [Quiz App ಫೋಲ್ಡರ್](../../quiz-app) ನಲ್ಲಿ ಸಂಗ್ರಹಿಸಲ್ಪಟ್ಟಿವೆ, ಪ್ರತಿ ಮೂವರು ಪ್ರಶ್ನೆಗಳ 52 ಸಂಪೂರ್ಣ ಕ್ವಿಜ್‌ಗಳಿವೆ. ಅವು ಪಾಠಗಳೊಳಗಿನ ಲಿಂಕುಗಳ ಮೂಲಕ ಸಂಪರ್ಕ ಹೊಂದಿವೆ ಆದರೆ ಕ್ವಿಜ್ ಆಪ್ ಅನ್ನು ಸ್ಥಳೀಯವಾಗಿ ನಡೆಸಬಹುದು; ಸ್ಥಳೀಯವಾಗಿ ಆತಿಥ್ಯ ವಹಿಸಲು ಅಥವಾ Azure ಗೆ ಹೋಸ್ಟ್ ಮಾಡಲು `quiz-app` ಫೋಲ್ಡರ್‌ನ ಸೂಚನೆಯನ್ನು ಅನುಸರಿಸಿ. - -| ಪಾಠ ಸಂಖ್ಯೆ | ವಿಷಯ | ಪಾಠ ಗುಂಪು | ಅಧ್ಯಯನ ಉದ್ದೇಶಗಳು | ಲಿಂಕು ಪಾಠ | ಲೇಖಕ | -| :-------: | :------------------------------------------------------------: | :---------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------ | :--------------------------------------------------------------------------------------------------------------------------------------: | :------------------------------------------------: | -| 01 | ಯಂತ್ರ ಅಧ್ಯಯನದ ಪರಿಚಯ | [ಪರಿಚಯ](1-Introduction/README.md) | ಯಂತ್ರ ಅಧ್ಯಯನದ ಮೂಲ ತತ್ವಗಳನ್ನು ಕಲಿಯಿರಿ | [ಪಾಠ](1-Introduction/1-intro-to-ML/README.md) | ಮುಹಮ್ಮದ್ | -| 02 | ಯಂತ್ರ ಅಧ್ಯಯನದ ಇತಿಹಾಸ | [ಪರಿಚಯ](1-Introduction/README.md) | ಈ ಕ್ಷೇತ್ರದ ಹಿಂದಿನ ಇತಿಹಾಸವನ್ನು ತಿಳಿಯಿರಿ | [ಪಾಠ](1-Introduction/2-history-of-ML/README.md) | ಜೆನ್ ಮತ್ತು ಎಮಿ | -| 03 | ನ್ಯಾಯತಪ್ರತಿಬಂಧ ಮತ್ತು ಯಂತ್ರ ಅಧ್ಯಯನ | [ಪರಿಚಯ](1-Introduction/README.md) | ಯಂತ್ರ ಮಾದರಿಗಳನ್ನು ರಚಿಸುವ ಮತ್ತು ಅನ್ವಯಿಸುವಾಗ ವಿದ್ಯಾರ್ಥಿಗಳು ಪರಿಗಣಿಸಬೇಕಾಗಿರುವ ನ್ಯಾಯತದ ಪ್ರಮುಖ ತತ್ವಜ್ಞಾನ ವಿರುದ್ದ ಯಾವವು? | [ಪಾಠ](1-Introduction/3-fairness/README.md) | ತೊಮೊಮಿ | -| 04 | ಯಂತ್ರ ಅಧ್ಯಯನಕ್ಕೆ ತಂತ್ರಗಳು | [ಪರಿಚಯ](1-Introduction/README.md) | ಯಂತ್ರ ಮಾದರಿಗಳನ್ನು ರಚಿಸಲು ಯಂತ್ರ ಅಧ್ಯಯನ ಸಂಶೋಧಕರು ಯಾವ ತಂತ್ರಗಳನ್ನು ಬಳಸುತ್ತಾರೆ? | [ಪಾಠ](1-Introduction/4-techniques-of-ML/README.md) | ಕ್ರಿಸ್ ಮತ್ತು ಜೆನ್ | -| 05 | ಸಂಬಂಧಿತ ನಿಯಮಾವಳಿಗಳ ಪರಿಚಯ | [ಸಂಬಂಧಿತ ನಿಯಮಾವಳಿಗಳು](2-Regression/README.md) | ಸಂಬಂಧಿತ ಮಾದರಿಗಳಿಗೆ ಪೈಥಾನ್ ಮತ್ತು ಸ್ಕೈಕಿಟ್‌ಲರ್ನ್ ಅನ್ನು ಪ್ರಾರಂಭಿಸಿ | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | ಜೆನ್ • ಎರಿಕ್ ವಾಂಜಶೌ | -| 06 | ನಾರ್ತ್ ಅಮೆರಿಕನ್ ಕद्दು ತುಂಬಿಸಿದ ಬೆಲೆಗಳು 🎃 | [ಸಂಬಂಧಿತ ನಿಯಮಾವಳಿಗಳು](2-Regression/README.md) | ಯಂತ್ರ ಅಧ್ಯಯನದ ಪೂರ್ವತಯಾರಿಕೆಗೆ ಡೇಟಾವನ್ನು ದೃಶ್ಯೀಕರಿಸಿ ಮತ್ತು ಸ್ವಚ್ಛಗೊಳಿಸಿ | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | ಜೆನ್ • ಎರಿಕ್ ವಾಂಜಶೌ | -| 07 | ನಾರ್ತ್ ಅಮೆರಿಕನ್ ಕದ್ದು ತುಂಬಿಸಿದ ಬೆಲೆಗಳು 🎃 | [ಸಂಬಂಧಿತ ನಿಯಮಾವಳಿಗಳು](2-Regression/README.md) | ರೇಖೀಯ ಮತ್ತು ಬಹುಘಾತ ಸಂಬಂಧಿತ ಮಾದರಿಗಳನ್ನು ರಚಿಸಿ | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | ಜೆನ್ ಮತ್ತು ಡಿಮಿಟ್ರಿ • ಎರಿಕ್ ವಾಂಜಶೌ | -| 08 | ನಾರ್ತ್ ಅಮೆರಿಕನ್ ಕದ್ದು ತುಂಬಿಸಿದ ಬೆಲೆಗಳು 🎃 | [ಸಂಬಂಧಿತ ನಿಯಮಾವಳಿಗಳು](2-Regression/README.md) | ಲಾಜಿಸ್ಟಿಕ್ ಸಂಬಂಧಿತ ಮಾದರಿಯನ್ನು ರಚಿಸಿ | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | ಜೆನ್ • ಎರಿಕ್ ವಾಂಜಶೌ | -| 09 | ವೆಬ್ ಆಪ್ 🔌 | [ವೆಬ್ ಆಪ್](3-Web-App/README.md) | ತರಬೇತುಗೊಂಡ ಮಾದರಿಯನ್ನು ಬಳಸಲು ವೆಬ್ ಆಪ್ ರಚಿಸಿ | [Python](3-Web-App/1-Web-App/README.md) | ಜೆನ್ | -| 10 | ವರ್ಗೀಕರಣಕ್ಕೆ ಪರಿಚಯ | [ವರ್ಗೀಕರಣ](4-Classification/README.md) | ಡೇಟಾವನ್ನು ಶುದ್ಧಗೊಳಿಸಿ, ಸಿದ್ಧಪಡಿಸಿ ಮತ್ತು ದೃಶ್ಯೀಕರಿಸಿ; ವರ್ಗೀಕರಣಕ್ಕೆ ಪರಿಚಯ | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | ಜೆನ್ ಮತ್ತು ಕ್ಯासी • ಎರಿಕ್ ವಾಂಜಶೌ | -| 11 | ರುಚಿಕರ ಏಷ್ಯನ್ ಮತ್ತು ಭಾರತೀಯ ಆಹಾರಗಳು 🍜 | [ವರ್ಗೀಕರಣ](4-Classification/README.md) | ವರ್ಗೀಕರಣಗಳಿಗೆ ಪರಿಚಯ | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | ಜೆನ್ ಮತ್ತು ಕ್ಯಾಸ್ • ಎರಿಕ್ ವಾಂಜಶೌ | -| 12 | ರುಚಿಕರ ಏಷ್ಯನ್ ಮತ್ತು ಭಾರತೀಯ ಆಹಾರಗಳು 🍜 | [ವರ್ಗೀಕರಣ](4-Classification/README.md) | ಇನ್ನಷ್ಟು ವರ್ಗೀಕರಣ ವಿಧಾನಗಳು | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | ಜೆನ್ ಮತ್ತು ಕ್ಯಾಸ್ • ಎರಿಕ್ ವಾಂಜಶೌ | -| 13 | ರುಚಿಕರ ಏಷ್ಯನ್ ಮತ್ತು ಭಾರತೀಯ ಆಹಾರಗಳು 🍜 | [ವರ್ಗೀಕರಣ](4-Classification/README.md) | ನಿಮ್ಮ ಮಾದರಿಯನ್ನು ಬಳಸಿಕೊಂಡು ಶಿಫಾರಸು ವೇಬ್ ಆಪ್ ರಚಿಸಿ | [Python](4-Classification/4-Applied/README.md) | ಜೆನ್ | -| 14 | ಕ್ಲಸ್ಟರಿಂಗ್ ಗೆ ಪರಿಚಯ | [ಕ್ಲಸ್ಟರಿಂಗ್](5-Clustering/README.md) | ನಿಮ್ಮ ಡೇಟಾವನ್ನು ಶುದ್ದಗೊಳಿಸಿ, ಸಿದ್ಧಪಡಿಸಿ ಮತ್ತು ದೃಶ್ಯೀಕರಿಸಿ; ಕ್ಲಸ್ಟರಿಂಗ್ ಗೆ ಪರಿಚಯ | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | ಜೆನ್ • ಎರಿಕ್ ವಾಂಜಶೌ | -| 15 | ನೈಜೀರಿಯನ್ ಮ್ಯೂಸಿಕಲ್ ರುಚಿಗಳ ಅನ್ವೇಷಣೆ 🎧 | [ಕ್ಲಸ್ಟರಿಂಗ್](5-Clustering/README.md) | ಕೆ-ಮೀನ್ ಕ್ಲಸ್ಟರಿಂಗ್ ವಿಧಾನವನ್ನು ಅನ್ವೇಷಿಸಿ | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | ಜೆನ್ • ಎರಿಕ್ ವಾಂಜಶೌ | -| 16 | ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪ್ರಕ್ರಿಯೆಗೆ ಪರಿಚಯ ☕️ | [ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪ್ರಕ್ರಿಯೆ](6-NLP/README.md) | ಸರಳ ಬಾಟ್ ರಚನೆಯ ಮೂಲಕ NLP ಮೂಲಗಳನ್ನು ಕಲಿಯಿರಿ | [Python](6-NLP/1-Introduction-to-NLP/README.md) | ಸ್ಟೀಫನ್ | -| 17 | ಸಾಮಾನ್ಯ NLP ಕಾರ್ಯಗಳು ☕️ | [ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪ್ರಕ್ರಿಯೆ](6-NLP/README.md) | ಭಾಷೆ ರಚನೆಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವಾಗ ಅಗತ್ಯವಿರುವ ಸಾಮಾನ್ಯ ಕಾರ್ಯಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ ಮತ್ತು ನಿಮ್ಮ NLP ಜ್ಞಾನವನ್ನು ವಿಸ್ತರಿಸಿ | [Python](6-NLP/2-Tasks/README.md) | ಸ್ಟೀಫನ್ | -| 18 | ಅನುವಾದ ಮತ್ತು ಭಾವ ವಿಶ್ಲೇಷಣೆ ♥️ | [ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪ್ರಕ್ರಿಯೆ](6-NLP/README.md) | ಜೆನ್ ಆಸ್ಟಿನ್ ಜೊತೆ ಅನುವಾದ ಮತ್ತು ಭಾವ ವಿಶ್ಲೇಷಣೆ | [Python](6-NLP/3-Translation-Sentiment/README.md) | ಸ್ಟೀಫನ್ | -| 19 | ಯುರೋಪಿನ ರೊಮ್ಯಾಂಟಿಕ್ ಹೋಟೆಲ್ಗಳು ♥️ | [ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪ್ರಕ್ರಿಯೆ](6-NLP/README.md) | ಹೋಟೆಲ್ ವಿಮರ್ಶೆಗಳೊಂದಿಗೆ ಭಾವ ವಿಶ್ಲೇಷಣೆ 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | ಸ್ಟೀಫನ್ | -| 20 | ಯುರೋಪಿನ ರೊಮ್ಯಾಂಟಿಕ್ ಹೋಟೆಲ್ಗಳು ♥️ | [ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪ್ರಕ್ರಿಯೆ](6-NLP/README.md) | ಹೋಟೆಲ್ ವಿಮರ್ಶೆಗಳೊಂದಿಗೆ ಭಾವ ವಿಶ್ಲೇಷಣೆ 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | ಸ್ಟೀಫನ್ | -| 21 | ಸಮಯ ಸರಣಿಯ ಮುನ್ಸೂಚನೆಯ ಪರಿಚಯ | [ಸಮಯ ಸರಣಿ](7-TimeSeries/README.md) | ಸಮಯ ಸರಣಿಯ ಮುನ್ಸೂಚನೆಯ ಪರಿಚಯ | [Python](7-TimeSeries/1-Introduction/README.md) | ಫ್ರಾನ್ಸೆಸ್ಕಾ | -| 22 | ⚡️ ವಿಶ್ವ ವಿದ್ಯುತ್ ಬಳಕೆ ⚡️ - ARIMA-ನೊಂದಿಗೆ ಸಮಯ ಸರಣಿ ಮುನ್ಸೂಚನೆ | [ಸಮಯ ಸರಣಿ](7-TimeSeries/README.md) | ARIMA ನೊಂದಿಗೆ ಸಮಯ ಸರಣಿ ಮುನ್ಸೂಚನೆ | [Python](7-TimeSeries/2-ARIMA/README.md) | ಫ್ರಾನ್ಸೆಸ್ಕಾ | -| 23 | ⚡️ ವಿಶ್ವ ವಿದ್ಯುತ್ ಬಳಕೆ ⚡️ - SVR-ನೊಂದಿಗೆ ಸಮಯ ಸರಣಿ ಮುನ್ಸೂಚನೆ | [ಸಮಯ ಸರಣಿ](7-TimeSeries/README.md) | ಸಪೋರ್ಟ್ ವೆಕ್ಟರ್ ರಿಗ್ರೆಸರ್ ಮೂಲಕ ಸಮಯ ಸರಣಿ ಮುನ್ಸೂಚನೆ | [Python](7-TimeSeries/3-SVR/README.md) | ಅನಿರ್ಬಾನ್ | -| 24 | ನೇತೃತ್ವ ಕಲಿಕೆಯ ಪರಿಚಯ | [ನೇತೃತ್ವ ಕಲಿಕೆ](8-Reinforcement/README.md) | Q-ಕಲಿಕೆಯಲ್ಲಿ ನೇತೃತ್ವ ಕಲಿಕೆಯ ಪರಿಚಯ | [Python](8-Reinforcement/1-QLearning/README.md) | ಡಿಮಿಟ್ರಿ | -| 25 | ಪೀಟರ್ ಅನ್ನು ಕುರೆಯಿಂದ ತಪ್ಪಿಸು! 🐺 | [ನೇತೃತ್ವ ಕಲಿಕೆ](8-Reinforcement/README.md) | ನೇತೃತ್ವ ಕಲಿಕೆಯ ಜಿಮ್ | [Python](8-Reinforcement/2-Gym/README.md) | ಡಿಮಿಟ್ರಿ | -| ನಂತರದ ಪ್ರಕಾರ | ನೈಜ ಯಂತ್ರ ಅಧ್ಯಯನ ದೃಶ್ಯಗಳು ಮತ್ತು ಅನ್ವಯಿಕೆಗಳು | [ಕ್ರಮಬದ್ಧ ಮದ್ದಿನಲ್ಲಿ ML](9-Real-World/README.md) | ಔಪಚಾರಿಕ ಯಂತ್ರ ಅಧ್ಯಯನದ ಆಸಕ್ತಿದಾಯಕ ಮತ್ತು ಬಹುಮುಖ್ಯ ನೈಜ-ಜಗತ್ತಿನ ಅನ್ವಯಿಕೆಗಳು | [ಪಾಠ](9-Real-World/1-Applications/README.md) | ತಂಡ | -| ನಂತರದ ಪ್ರಕಾರ | RAI ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ ಬಳಸಿ ML ಮಾದರಿ ಡಿಬಗಿಂಗ್ | [ಕ್ರಮಬದ್ಧ ಮದ್ದಿನಲ್ಲಿ ML](9-Real-World/README.md) | ಜವಾಬ್ದಾರಿಯಾದ AI ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ ಘಟಕಗಳನ್ನು ಬಳಸಿ ಯಂತ್ರ ಅಧ್ಯಯನದಲ್ಲಿ ಮಾದರಿ ಡಿಬಗಿಂಗ್ | [ಪಾಠ](9-Real-World/2-Debugging-ML-Models/README.md) | ರೂತ್ ಕಾಯ್ತುಬು | - -> [ಈ ಕೋರ್ಸಿನ ಎಲ್ಲಾ ಹೆಚ್ಚುವರಿ ಸಂಪನ್ಮೂಲಗಳನ್ನು ನಮ್ಮ ಮೈಕ್ರೋಸಾಫ್ಟ್ ಲರ್ನ್ ಸಂಗ್ರಹದಲ್ಲಿ ಹುಡುಕಿ](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) - -## ಆಫ್‌ಲೈನ್ ಪ್ರಾಪ್ತಿ - -ನೀವು ಈ ದಸ್ತಾವೇಜುಗಳನ್ನು ಆಫ್‌ಲೈನ್‌ನಲ್ಲಿ [Docsify](https://docsify.js.org/#/) ಬಳಸಿ ನಡೆಸಬಹುದು. ಈ ರೆಪೋ ಅನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ, ನಿಮ್ಮ ಸ್ಥಳೀಯ ಯಂತ್ರದಲ್ಲಿ [Docsify ಅನ್ನು ಸ್ಥಾಪಿಸಿ](https://docsify.js.org/#/quickstart), ನಂತರ ಈ ರೆಪೋ ರूट ಫೋಲ್ಡರ್ ನಲ್ಲಿ `docsify serve` ಟೈಪ್ ಮಾಡಿ. ವೆಬ್‌ಸೈಟ್ ನಿಮ್ಮ ಲೋಕಲ್‌ಹೋಸ್ಟ್ ನಲ್ಲಿ ಪೋಟ್ 3000 ರಂದು ಪ್ರServe ಮಾಡಲಾಗುವುದು: `localhost:3000`. - -## PDF ಗಳು - -ಲಿಂಕುಗಳಿಂದ ಪಠ್ಯಕ್ರಮದ PDF ಅನ್ನು ಇಲ್ಲಿ ಹುಡುಕಿ [ಇಲ್ಲಿ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). - -## 🎒 ಇತರೆ ಕೋರ್ಸುಗಳು - -ನಮ್ಮ ತಂಡ ಇತರೆ ಕೋರ್ಸುಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ! ಪರಿಶೀಲಿಸಿ: +ನೀವು ಈ ದಾಖಲೆಗಳನ್ನು [Docsify](https://docsify.js.org/#/) ಉಪಯೋಗಿಸಿ ಆಫ್‌ಲೈನ್‌ನಲ್ಲಿ ಓಡಿಸಬಹುದು. ಈ ರೆಪೋವನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ, ನಿಮ್ಮ ಸ್ಥಳೀಯ ಯಂತ್ರಕ್ಕೆ [Docsify ಅನ್ನು ಸ್ಥಾಪಿಸಿ](https://docsify.js.org/#/quickstart), ನಂತರ ಈ ರೆಪೋಯ ರುಟ್ ಫೋಲ್ಡರ್ನಲ್ಲಿ `docsify serve` ಅನ್ನು ಟೈಪ್ ಮಾಡಿ. ವೆಬ್‌ಸೈಟ್ ನಿಮ್ಮ ಲೋಕಲ್‌ಹೋಸ್ಟ್‌ನ 3000 ಪೋರ್ಟ್‌ನಲ್ಲಿ ಸರ್ವ್ ಆಗುತ್ತದೆ: `localhost:3000`. + +## ಪಿಡಿಎಫ್ಗಳು + +ಲಿಂಕ್‌ಗಳೊಂದಿಗೆ ಪಠ್ಯಕ್ರಮದ ಪಿಡಿಎಫ್ [ಇಲ್ಲಿ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) ಕಂಡುಹಿಡಿಯಿರಿ. + + +## 🎒 ಇತರೆ ಕೋರ್ಸ್‌ಗಳು + +ನಮ್ಮ ತಂಡ ಇನ್ನಿತರ ಕೋರ್ಸ್‌ಗಳನ್ನು ಸೃಷ್ಟಿಸಿದೆ! ಪರಿಶೀಲಿಸಿ: -### ಲ್ಯಾಂಗ್‌ಚೈನ್ +### 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) --- ### ಅಜೂರ್ / ಎಡ್ಜ್ / MCP / ಏಜೆಂಟ್ಸ್ @@ -155,43 +140,43 @@ --- ### ಜನರೇಟಿವ್ AI ಸರಣಿ -[![ಆರಂಭಿಕರಿಗಾಗಿ ಜನರೇಟಿವ್ 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) +[![ಪ್ರಾರಂಭಿಕರಿಗೆ ಜನರೇಟಿವ್ 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) [![ಜನರೇಟಿವ್ 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) -[![ಜನರೇಟಿವ್ 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) -[![ಜನರೇಟಿವ್ 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) +[![ಜನರೇಟಿವ್ AI (ಜಾವಾ)](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) +[![ಜನರೇಟಿವ್ AI (ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್)](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) --- - -### ಸ್ನಾಯು ಕೋರ್ ಕಲಿಕೆ -[![ಆರಂಭಿಕರಿಗಾಗಿ ಎಂಎಲ್](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) -[![ಆರಂಭಿಕರಿಗಾಗಿ ಡೇಟಾ ಸೈನ್ಸ್](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) -[![ಆರಂಭಿಕರಿಗಾಗಿ AI](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![ಆರಂಭಿಕರಿಗಾಗಿ ಸೈಬರ್‌ಸಿಕ್ಯುರಿಟಿ](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) -[![ಆರಂಭಿಕರಿಗಾಗಿ ವೆಬ್ ಡೆವ್](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) -[![ಆರಂಭಿಕರಿಗಾಗಿ ಐಒಟಿ](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) -[![ಆರಂಭಿಕರಿಗಾಗಿ XR ಅಭಿವೃದ್ಧಿ](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) + +### ಮೂಲ ಕಲಿಕೆ +[![ಪ್ರಾರಂಭಿಕರಿಗೆ ಎಂಎಲ್](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) +[![ಪ್ರಾರಂಭಿಕರಿಗೆ ಡೇಟಾ ಸೈನ್ಸ್](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) +[![ಪ್ರಾರಂಭಿಕರಿಗೆ AI](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![ಪ್ರಾರಂಭಿಕರಿಗೆ ಸೈಬರ್ ಭದ್ರತೆ](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) +[![ಪ್ರಾರಂಭಿಕರಿಗೆ ವೆಬ್ ಡೆವ್](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) +[![ಪ್ರಾರಂಭಿಕರಿಗೆ ಐಒಟಿ](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) +[![ಪ್ರಾರಂಭಿಕರಿಗೆ XR ಅಭಿವೃದ್ಧಿ](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) --- - -### ಕೋಪೈಲಟ್ ಸರಣಿ -[![AI ಜೋಡಣೆ ಪ್ರೋಗ್ರಾಮಿಂಗ್‌ನಿಗಾಗಿ ಕೋಪೈಲಟ್](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 ಗಾಗಿ ಕೋಪೈಲಟ್](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) -[![ಕೋಪೈಲಟ್ ಸಾಹಸ](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) + +### ಕೊಪೈಲಟ್ ಸರಣಿ +[![AI ಜೋಡಣೆ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಗೆ ಕೊಪೈಲಟ್](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 ಗೆ ಕೊಡ್‌ಪೈಲಟ್](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) +[![ಕೊಪೈಲಟ್ ಸಾಹಸ](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) -## ಸಹಾಯ ಪಡೆಯುವುದು +## ಸಹಾಯ ಪಡೆಯುವುದು -ನೀವು ಅಡ್ಡಪಡೆಯುವುದಾದರೆ ಅಥವಾ AI ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ನಿರ್ಮಿಸುವ ಬಗ್ಗೆ ಯಾವ ಬೆಳೆಸುಗಳು ಇದ್ದರೂ, MCP ಬಗ್ಗೆ ಚರ್ಚೆಗಳಲ್ಲಿ ಅನುಭವಜ್ಞಾನಿ ಅಭ್ಯಾಸಿಗಳು ಮತ್ತು ಸಹಯೋಗಿ ಕಲಿಯುವವರ ಜೊತೆ ಸೇರಿ. ಇದು ಬೆಂಬಲಿತ ಸಮುದಾಯವಾಗಿದ್ದು, ಅಲ್ಲಿ ಪ್ರಶ್ನೆಗಳಿಗೆ ಸ್ವಾಗತವಿದ್ದು ಮತ್ತು ಜ್ಞಾನವನ್ನು ಮುಕ್ತವಾಗಿ ಹಂಚಿಕೊಳ್ಳಲಾಗುತ್ತದೆ. +ನೀವು ಅడ్డುಕೊಳ್ಳುತ್ತಿದ್ದೀರಾ ಅಥವಾ AI ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ನಿರ್ಮಿಸುವ ಬಗ್ಗೆ ಯಾವುದೇ ಪ್ರಶ್ನೆಗಳಿದ್ದರೆ. MCP ಬಗ್ಗೆ fellow ಕಲಿಯುವವರು ಮತ್ತು ಅನುಭವ ಹೊಂದಿದ ಡೆವಲಪರ್ಸ್ ನಡುವೆ ಸಂವಾದಗಳಲ್ಲಿ ಸೇರಿ. ಇದು ಪ್ರಶ್ನೆಗಳಿಗೆ ಸ್ವಾಗತಿಸುವ ಮತ್ತು ಜ್ಞಾನವನ್ನು ಮುಕ್ತವಾಗಿ ಹಂಚಿಕೊಳ್ಳುವ ಬೆಂಬಲಾತ್ಮಕ ಸಮುದಾಯವಾಗಿದೆ. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -ನೀವು ಉತ್ಪನ್ನ ಪ್ರತಿಕ್ರಿಯೆ ಅಥವಾ ದೋಷಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತಿದ್ದರೆ, ಭೇಟಿ ನೀಡಿ: +ನೀವು ಉತ್ಪನ್ನ ಪ್ರತಿಕ್ರಿಯೆ ಅಥವಾ ನಿರ್ಮಾಣದ ಸಮಯದಲ್ಲಿ ದೋಷಗಳನ್ನು ಹೊಂದಿದ್ದರೆ ಭೇಟಿ ನೀಡಿರಿ: [![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) --- -**ಅಸ್ವೀಕರಣಗಳು**: -ಈ ದಾಖಲೆ [Co-op Translator](https://github.com/Azure/co-op-translator) ಎಂಬ AI ಅನುವಾದ ಸೇವೆಯನ್ನು ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ಶುದ್ಧತೆಯಿಗಾಗಿ ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ ಸಹ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ದೋಷಗಳು ಇರಬಹುದು ಎಂದು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ದಾಖಲೆ ಅದರ ಸ್ವದೇಶಿ ಭಾಷೆಯಲ್ಲಿ ಅಧಿಕೃತ ಸ್ರೋತವಾಗಿ ಪರಿಗಣಿಸಬೇಕು. ಪ್ರಮುಖ ಮಾಹಿತಿಗಾಗಿ ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಗ್ರಹಿಕೆಗಳು ಅಥವಾ ಭ್ರಮೆಗಳಿಗೆ ನಾವು ಜವಾಬ್ದಾರಿಯಲ್ಲ. +**ತಡೆ ಸೂಚನೆ**: +ಈ ದಾಖಲೆ AI ಭಾಷಾಂತರ ಸೇವೆ [Co-op Translator](https://github.com/Azure/co-op-translator) ಬಳಸಿ ಅನುವದಿಸಲಾಗಿದೆ. ನಾವ್ ಸಂಪೂರ್ಣ ಶುದ್ಧತೆಯ ಕಡೆಗೆ ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಭಾಷಾಂತರಗಳಲ್ಲಿ ದೋಷಗಳು ಅಥವಾ ಅಸತ್ಯತೆಗಳು ಇರಬಲ್ಲವು ಎಂಬುದನ್ನು ದಯವಿಟ್ಟು ಗಮನದಲ್ಲಿರಿಸಿ. ಮೂಲ ದಾಖಲೆ ಅದರ ಸ್ವದೇಶಿ ಭಾಷೆಯಲ್ಲಿ ಅಧಿಕೃತ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಮಹತ್ವಪೂರ್ಣ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಭಾಷಾಂತರ ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ. ಈ ಭಾಷಾಂತರ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಗ್ರಹಿಕೆ ಅಥವಾ ತಪ್ಪಾದ ವಿವರಣೆಗೆ ನಾವು ಹೊಣೆಗಾರರಲ್ಲ. \ No newline at end of file diff --git a/translations/ml/.co-op-translator.json b/translations/ml/.co-op-translator.json index c13f35bb0..b6664c24e 100644 --- a/translations/ml/.co-op-translator.json +++ b/translations/ml/.co-op-translator.json @@ -540,8 +540,8 @@ "language_code": "ml" }, "README.md": { - "original_hash": "da2ceed62f16a0820259556e3a873c95", - "translation_date": "2026-01-29T19:33:57+00:00", + "original_hash": "2f594ee136e3127a47f56d80055227bc", + "translation_date": "2026-02-06T09:33:39+00:00", "source_file": "README.md", "language_code": "ml" }, diff --git a/translations/ml/README.md b/translations/ml/README.md index 11ec6195f..5dc03e731 100644 --- a/translations/ml/README.md +++ b/translations/ml/README.md @@ -8,199 +8,217 @@ [![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/) -### 🌐 ബഹുഭാഷാ സഹായം +### 🌐 ബഹുഭാഷാ പിന്തുണ -#### GitHub ആക്ഷനിലൂടെ പിന്തുണ (സ്വച്ഛന്ദവും എപ്പൊഴും അപ്‌ടേറ്റും) +#### GitHub Action മുഖേന പിന്തുണ (സ്വയമാറ്റവും എപ്പോഴും പുതുക്കിയതും) [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](./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) -> **ക്ലോൺ ചെയ്യാൻ പ്രാധാന്യം തരാൻ ആഗ്രഹമുണ്ടോ?** +> **സ്ഥലീയമായി കോഡ് കോപ്പിസുചെയ്യാൻ ഇഷ്ടമാണോ?** -> ഈ റിപ്പോസിറ്ററിയിൽ 50-ലധികം ഭാഷാ വിവർത്തനങ്ങൾ ഉൾക്കൊള്ളിച്ചിരിക്കുന്നു, ഇത് ഡൗൺലോഡിന്റെ വലുപ്പം വലിയതാക്കുന്നു. വിവർത്തനങ്ങൾ ഇല്ലാതെ ക്ലോൺ ചെയ്യാൻ sparse checkout ഉപയോഗിക്കുക: +> ഈ സംഭരണം 50+ ഭാഷാ പരിഭാഷകൾ ഉൾക്കൊള്ളുന്നത് കാരണം ഡൗൺലോഡ് വലിപ്പം വൻമൂല്യം വർദ്ധിപ്പിക്കുന്നു. പരിഭാഷകൾ കൂടാതെ കോഡ് കോപ്പി ചെയ്യാൻ sparse checkout ഉപയോഗിക്കുക: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > cd ML-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` -> ഇതിലൂടെ ഈ കോഴ്സ് പൂർത്തിയാക്കാൻ ആവശ്യമായ എല്ലാ കാര്യങ്ങളും വളരെ വേഗം ഡൗൺലോഡ് ചെയ്യാം. +> ഇതു കോഴ്‌സ് പൂർത്തിയാക്കാനുള്ള എല്ലാ ആവശ്യകതകളും വേഗത്തിൽ ലഭ്യമാക്കും. -#### നമ്മുടെ കമ്മ്യൂണിറ്റിയിൽകൂടെ ചേർക്കുക +#### നമ്മുടെ കമ്മ്യൂണിറ്റിയുമായി ചേർക്കൂ [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -നമ്മുടെ Discord ലെ 'AI സീരീസ് കൊണ്ട് പഠിക്കാം' പരിപാടി നടന്നു കൊണ്ടിരിക്കുന്നു, കൂടുതൽ വിവരങ്ങൾക്കും ചേരാൻ [Learn with AI Series](https://aka.ms/learnwithai/discord) സന്ദർശിക്കുക, തീയതി 18 - 30 സെപ്റ്റംബർ, 2025. നിങ്ങൾക്ക് ഡാറ്റാ സയൻസിൽ GitHub Copilot ഉപയോഗിക്കുന്നതിനുള്ള ഉപദേശങ്ങളും തന്ത്രങ്ങളും ലഭിക്കും. +നമുക്കൊരു Discord ലേർൺ വിത് AI പരമ്പരയുണ്ട്, കൂടുതൽ വിവരങ്ങൾക്കും ചേരാനും [Learn with AI Series](https://aka.ms/learnwithai/discord) സന്ദർശിക്കുക, 2025 സെപ്റ്റംബർ 18 - 30 വരെ. GitHub Copilot ഡേറ്റാ സയൻസിനായി ഉപയോഗിക്കുന്ന ടിപ്പ്‌സുകളും ട്രിക്കുകളും നിങ്ങൾക്ക് ലഭിക്കും. ![Learn with AI series](../../translated_images/ml/3.9b58fd8d6c373c20.webp) -# പുതിയവർക്കുള്ള മെഷീൻ ലേണിംഗ് - ഒരു അധ്യയനക്രമം +# തുടക്കക്കാർക്കുള്ള മെഷീൻ ലേണിംഗ് - ഒരു പഠനപദ്ധതി -> 🌍 ലോക സംസ്കാരങ്ങളിലൂടെ മെഷീൻ ലേണിംഗ് പഠിക്കുമ്പോൾ ലോകം സഞ്ചരിയ്ക്കുക 🌍 +> 🌍 ലോക സംസ്കാരങ്ങളിലൂടെ മെഷീൻ ലേണിംഗ് എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്ന് ഞങ്ങളൊടു കൂടി അന്വഷിക്കാം 🌍 -Microsoft ലെ ക്ലൗഡ് അഡ്വക്കേറ്റ്സ് അഭിമാനത്തോടെ 12 ആഴ്ച, 26 പാഠങ്ങളുള്ള ഒരു **മെഷീൻ ലേണിംഗ്** അധ്യയനക്രമം അവതരിപ്പിക്കുന്നു. ഈ ക്രമത്തിൽ, പ്രധാനമായും Scikit-learn ലൈബ്രറി ഉപയോഗിച്ച് ചിലപ്പോൾ **ക്ലാസിക് മെഷീൻ ലേണിംഗ്** എന്നു വിളിക്കപ്പെടുന്ന കാര്യം പഠിക്കും, കൂടാതെ വിശദമായ പഠനം (ഡീപ് ലേണിംഗ്) ഒഴിവാക്കി, അതിന്റെ പഠനം שלנו [AI for Beginners' curriculum](https://aka.ms/ai4beginners) ലും ലഭ്യമാണ്. ഈ പാഠങ്ങളോട് ഒപ്പം ഞങ്ങൾ അവതരിപ്പിക്കുന്ന ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) കൂടെ ചേർത്ത് ഉപയോഗിക്കാം. +മൈക്രോസോഫ്റ്റിലെ ക്ലൗഡ് അഡ്വക്കേറ്റ്സ് 12 ആഴ്ചകളിൽ 26 പാഠങ്ങൾ ഉള്ള **മെഷീൻ ലേണിംഗ്** പഠനപരിപാടി അവതരിപ്പിയ്ക്കാൻ സന്തോഷിക്കുന്നു. ഈ പഠനപദ്ധതിയിൽ നിങ്ങൾക്ക് ചിലപ്പോൾ **ക്ലാസിക് മെഷീൻ ലേണിംഗ്** എന്നും വിളിക്കുന്നതിന്റെ അടിസ്ഥാനങ്ങൾ പഠിക്കാം, പ്രധാനമായി Scikit-learn ലൈബ്രറി ഉപയോഗിച്ച്, ഡീപ്പ് ലേണിംഗ് ഒഴിവാക്കി, അത് ഞങ്ങളുടെ [AI for Beginners' curriculum](https://aka.ms/ai4beginners) ൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. ഈ പാഠങ്ങൾ ഞങ്ങളുടെ ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) ഉപയോഗിച്ച് ചേർത്ത് പഠിക്കാം. -ലോകത്തിന്റെ വിവിധ ഭാഗങ്ങളിൽ നിന്നുള്ള ഡാറ്റയുമായി ഈ ക്ലാസിക് സാങ്കേതിക വിദ്യകൾ പ്രയോഗിച്ച് ഞങ്ങളോടൊപ്പം സഞ്ചരിക്കുക. ഓരോ പാഠത്തിലും മുൻകാലവും ശേഷമുള്ള ക്വിസുകൾ, പാഠം പൂർത്തിയാക്കാനുള്ള എഴുതപ്പെട്ട നിർദേശം, പരിഹാരം, അസൈൻമെന്റ് തുടങ്ങിയവ ഉൾപ്പെടുത്തിയിരിക്കുന്നു. നമ്മുടെ പദ്ധതിഭിഷക്‌ത പഠനരീതി (project-based pedagogy) നിങ്ങളെ പഠിപ്പിക്കും, പുതിയ കഴിവുകൾ 'അച്ചെക്കാൻ' ഏറ്റവും മികച്ച മാർഗമാണ്. +ലോകത്തിലെ വിവിധ ഭാഗങ്ങളിൽ നിന്നുള്ള ഡേറ്റയുമായി ഈ ക്ലാസിക് സാങ്കേതിക വിദ്യകൾ പ്രയോഗിക്കുമ്പോൾ ഞങ്ങളോടുകൂടെ യാത്ര നടത്തുന്നുണ്ടാകൂ. ഓരോ പാഠത്തിലും മുൻ-യും പിന്‍പും ക്വിസുകള്‍, എഴുത്ത് നിർദ്ദേശങ്ങൾ, പരിഹാരങ്ങൾ, ടാസ്കുകൾ എന്നിവയുണ്ട്. ഞങ്ങളുടെ പ്രോജെക്റ്റ് അടിസ്ഥാനത്തിലുള്ള പാഠശൈലി പുതിയ കഴിവുകൾ മനസിലാക്കുകയും മെച്ചപ്പെടുത്തുകയും ചെയ്യാൻ സഹായിക്കുന്നു. -**✍️ ഞങ്ങളുടെ ലേഖകരായി നിന്നവർക്ക് ഹൃദയംഗമമായ നന്ദി:** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, Amy Boyd +**✍️ ഞങ്ങളുടെ രചയിതാക്കൾക്ക് ഹൃദയം നിറഞ്ഞ നന്ദി** ജെൻ ലൂപ്പർ, സ്റ്റീഫൻ ഹൗവെൽ, ഫ്രാൻസെസ്ക്ക ലസ്ജേരി, തോമോമി ഇമുര, കാസ്സി ബ്രേവിയു, ദിമിത്രി സോഷ്നികോവ്, ക്രിസ് നോറിംഗ്, അനിർബാൻ മുഖർജ്ജി, ഓർണെല്ല എൽടുന്യൻ, റൂത്ത് യാകുബു, ആമി ബോയ്‌ഡ് -**🎨 ചിത്രകാരന്മാർക്ക് നന്ദിയും:** Tomomi Imura, Dasani Madipalli, Jen Looper +**🎨 നമ്മുടെ ചിത്രകാരന്മാർക്കു കൂടി നന്ദി** തോമോമി ഇമുര, ദാസാനി മഡിപള്ളി, ജെൻ ലൂപ്പർ -**🙏 പ്രത്യേക നന്ദി 🙏 Microsoft വിദ്യാർത്ഥി അംബാസഡർ എഡിറ്റർമാർ, റിവ്യൂവർമാർ, കോൺറന്റ് കൺട്രിബ്യൂട്ടർമാർക്ക്**, പ്രധാനമായി Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal +**🙏 പ്രത്യേക നന്ദികൾ Microsoft Student Ambassador രചയിതാക്കളായും, നിരീക്ഷകരും, ഉള്ളടക്ക സംഭാവകരുമായ ട്ടുള്ളവർക്ക്**, പ്രത്യേകിച്ച് റിഷിത് ഡാഗ്ലി, മുഹമ്മദ് സാകിബ് ഖാൻ ഇനാൻ, ロഹാൻ രാജ്, അലക്സാന്‍ഡ്രു പെട്രെസ്കു, അഭിഷേക് ജയസ്വൽ, നൗറിൻ ടബസ്സും, ഇവാന സംയുല, സ്നിഗ്ധ അഗർവാൾ -**🤩 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, Vidushi Gupta യ്ക്ക് R പാഠങ്ങൾക്കുള്ള പ്രത്യേക നന്ദിയും!** +**🤩 Microsoft Student Ambassadors എറിക് വൻജാവ്, ജസ്ലീൻ സോന്ധി, വിദ്യുഷി ഗുപ്തയ്ക്ക് R പാഠങ്ങൾക്കുള്ള നന്ദി!** -# തുടക്കം എടുക്കുക +# ആരംഭം ഈ ചുവടുകൾ പാലിക്കുക: -1. **റിപ്പോസിറ്ററി ഫോർക്കുചെയ്യുക**: ഈ പേജിന്റെ മുകളിൽ വലത് ഭാഗത്ത് "Fork" ബട്ടൺ അമർത്തുക. -2. **റിപ്പോസിറ്ററി ക്ലോൺ ചെയ്യുക**: `git clone https://github.com/microsoft/ML-For-Beginners.git` +1. **സംഗ്രഹം ഫോർക്ക് ചെയുക**: ഈ പേജിന്റെ മുകളിൽ വലത്തുഭാഗത്ത് "Fork" ബട്ടൺ ക്ലിക്കുക. +2. **സംഗ്രഹം ക്ലോൺ ചെയ്യുക**: `git clone https://github.com/microsoft/ML-For-Beginners.git` -> [ഈ കോഴ്സിനായി എല്ലാ അനുബന്ധ വിഭവങ്ങളും നമ്മുടെ Microsoft Learn കലക്ഷനിൽ കാണുക](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [ഈ കോഴ്‌സിനുള്ള എല്ലാ അധിക സ്രോതസ്സുകളും ഞങ്ങളുടെ Microsoft Learn ശേഖരത്തിൽ കണ്ടെത്തുക](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -> 🔧 **സഹായം വേണമെന്ന് തോന്നുന്നുവോ?** ഇൻസ്റ്റലേഷൻ, സെറ്റപ്, പാഠങ്ങൾ ഓടിക്കുന്നതിലെ സാധാരണ പ്രശ്‌നങ്ങൾക്ക് പരിഹാരങ്ങളായ [Troubleshooting Guide](TROUBLESHOOTING.md) നോക്കൂ. +> 🔧 **സഹായം വേണോ?** ഇൻസ്റ്റാളേഷൻ, ക്രമീകരണം, പാഠങ്ങൾ റൺ ചെയ്യുന്നതുമായി ബന്ധപ്പെട്ട സാധാരണ പ്രശ്നങ്ങൾക്ക് പരിഹാരങ്ങൾ കണ്ടെത്താൻ [Troubleshooting Guide](TROUBLESHOOTING.md) പരിശോധിക്കുക. -**[വിദ്യാർത്ഥികൾ](https://aka.ms/student-page)**, ഈ അധ്യയനക്രമം ഉപയോഗിക്കാൻ, പൂർണ്ണമായും റിപോ നിങ്ങളുടെ സ്വന്തം GitHub അക്കൗണ്ടിലേക്ക് ഫോർക്കുചെയ്ത് സ്വതന്ത്രമായി അല്ലെങ്കിൽ കൂട്ടായ്മയോടെ പ്രവർത്തിക്കുക: +**[വിദ്യാർത്ഥികൾ](https://aka.ms/student-page)**, ഈ പഠനപദ്ധതി ഉപയോഗിക്കാൻ, മുഴുവൻ റീപ്പോ നിങ്ങളുടേതായി ഫോർക്ക് ചെയ്ത് വ്യത്യസ്ത ഗ്രൂപ്പുകളുമായി അല്ലെങ്കിൽ ഒറ്റയ്ക്ക് പരിശീലനങ്ങൾ പൂർത്തിയാക്കുക: -- പ്രീ-ലെക്ചർ ക്വിസ് ആരംഭിക്കുക. -- ലക്ചർ വായിക്കുകയും പാഠം പൂർത്തിയാക്കുന്നതുമായി ബന്ധപ്പെട്ട പ്രവർത്തനങ്ങൾ ചെയ്യുക, ഓരോ അറിവ് പരിശോധനയിലും താൽക്കാലികമായി നിർത്തി ചിന്തിക്കുക. -- പാഠം മനസ്സിലാക്കി പ്രോജക്റ്റുകൾ സൃഷ്ടിക്കാൻ ശ്രമിക്കുക; എന്നിരുന്നാലും പരിഹാര കോഡ് ഓരോ പ്രോജക്ട്‌ളുള്ള `/solution` ഫോൾഡറുകളിൽ ലഭ്യമാണ്. -- പോസ്റ്റ്-ലെക്ചർ ക്വിസ് ചെയ്യുക. +- പാഠം തുടങ്ങുന്നതിനു മുൻപ് ക്വിസ് നടത്തുക. +- പാഠം വായിച്ച് പ്രവർത്തനങ്ങൾ പൂർത്തിയാക്കുക, ഓരോ വിജ്ഞാന പരിശോധനയിലും ചിന്തിക്കാൻ സമയം കൊടുക്കുക. +- പാഠങ്ങൾ മനസ്സിലാക്കി പ്രോജക്ടുകൾ സ്വയം നിർമ്മിക്കാൻ ശ്രമിക്കുക, പരിഹാര കോഡ് `/solution` ഫോളഡറുകളിലുണ്ട്. +- പാഠം കഴിഞ്ഞു ക്വിസ് എഴുതുക. - ചലഞ്ച് പൂർത്തിയാക്കുക. -- അസൈൻമെന്റ് ചെയ്യുക. -- ഒരു പാഠ ഗ്രൂപ്പ് പൂർത്തിയാക്കിയ ശേഷം, [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) സന്ദർശിച്ച് അനുയോജ്യമായ PAT റൂബ്രിക് പൂരിപ്പിച്ച് "ശബ്ദത്തിൽ പഠിക്കുക". 'PAT' എന്നത് പ്രോഗ്രസ് അസസ്സ്മെന്റ് ടൂൾ ആണ്, നിങ്ങളുടെ പഠനം മെച്ചപ്പെടുത്താൻ നിങ്ങൾ പൂരിപ്പിക്കുന്ന ഒരു രൂപരേഖ. മറ്റുള്ളവരുടെ PATലിനും പ്രതികരിച്ച് ഞങ്ങൾ ചേർന്ന് പഠിക്കാം. +- അസൈൻമെന്റ് നടത്തുക. +- ഒരു പാഠ ഗ്രൂപ്പ് കഴിഞ്ഞു കഴിഞ്ഞാൽ, [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) സന്ദർശിച്ച് അനുയോജ്യമായ PAT റൂബ്രിക് പൂരിപ്പിച്ച് "learn out loud" ചെയ്യുക. 'PAT' progress assessment tool ആണ്, ഇത് നിങ്ങളുടേ പഠനം മുന്നോട്ട് പോകാൻ സഹായിക്കും. മറ്റുള്ള PAT കളിൽ പ്രതികരിക്കുകയും ഞങ്ങൾ ഒരുമിച്ചു പഠിക്കാനും കഴിയും. -> കൂടുതൽ പഠനത്തിനായി, ഈ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) മോഡ്യൂളുകളും പഠന പാതകളും പിന്തുടരാൻ ശുപാർശ ചെയ്യുന്നു. +> കൂടുതൽ പഠനത്തിനായി, ഈ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) മോദ്യുലുകളും പഠന പാതകളും പിന്തുടരാൻ ശിപാർശ ചെയ്യുന്നു. -**ഉപാധ്യാപകർ**, ഈ അധ്യയനക്രമം ഉപയോഗിക്കുന്നതിനുള്ള ചില നിർദേശംങ്ങൾ [ഇവിടെ](for-teachers.md) ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. +**അധ്യാപകർ**, ഈ പഠനപദ്ധതി ഉപയോഗിക്കുന്നതിന് [ചില നിർദ്ദേശങ്ങൾ](for-teachers.md) ഞങ്ങൾ നൽകിയിട്ടുണ്ട്. --- -## വീഡിയോകളിലൂടെ പ്രയോഗം +## വീഡിോ വിശദീകരണങ്ങൾ -ചില പാഠങ്ങൾ ലഘു വീഡിയോകളായി ലഭ്യമാണ്. നിങ്ങൾക്ക് ഈ വീഡിയോകൾ പാഠങ്ങൾക്കിടയിൽ അല്ലെങ്കിൽ [Microsoft ഡെവലപ്പർ യൂട്യൂബ് ചാനലിലെ ML for Beginners പ്ലേലിസ്റ്റിൽ](https://aka.ms/ml-beginners-videos) ചിത്രത്തിൽ ക്ലിക്ക് ചെയ്ത് കാണാം. +കൊല്ലം മാറുന്ന വീഡിയോകൾ ചില പാഠങ്ങൾക്കുണ്ട്. എല്ലാം പാഠങ്ങൾക്കുള്ളിൽ തന്നെ ലഭിച്ചേക്കും അല്ലെങ്കിൽ [ML for Beginners യുട്യൂബ് പ്ലേലിസ്റ്റിൽ](https://aka.ms/ml-beginners-videos) താഴെ ചിത്രത്തിൽ ക്ലിക്ക് ചെയ്ത് കാണാം. [![ML for beginners banner](../../translated_images/ml/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- -## ടീം പരിചയപ്പെടുത്തൽ +## ടീം പരിചയം [![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) -**Gif നിർമ്മിച്ചത്** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) +**ഗിഫ്** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 ചിത്രത്തിൽ ക്ലിക്ക് ചെയ്ത് പ്രോജക്ടും സൃഷ്ടിച്ച ആളുകളും സംബന്ധിച്ച വീഡിയോകൾ കാണുക! +> 🎥 മേൽചിത്രം ക്ലിക്ക് ചെയ്‌തു ഈ പ്രോജക്ടും അതത് സൃഷ്ടാക്കളും കുറിച്ച് വീഡിയൊ കാണുക! --- -## പാഠശൈലി +## പഠനശൈലി -ഈ അധ്യയനക്രമം നിർമ്മിക്കുമ്പോൾ രണ്ട് പ്രധാന പാഠശൈലികൾ നിശ്ചയിച്ചു: പ്രായോഗികമായ **പ്രോജക്ട് അടിസ്ഥാനമായ** പഠനരീതി ഉറപ്പാക്കുക, കൂടാതെ **തുടർച്ചയായ ക്വിസുകൾ** ഉൾക്കൊള്ളിക്കുക. കൂടാതെ ഈ അധ്യയനക്രമത്തിന് ഒരൊറ്റ **തീം** ഉണ്ട്, ഇത് ഏകോപനം നൽകുന്നു. +ഈ പഠനപദ്ധതി രൂപകൽപ്പന ചെയ്യുമ്പോൾ ഞങ്ങൾ തിരഞ്ഞെടുത്ത രണ്ട് പ്രധാന തത്വങ്ങൾ ഉണ്ട്: പ്രായോഗികമായും **പ്രോജെക്റ്റ്-അധിഷ്ഠിതമായ** രീതിയും, കൂടാതെ **തിയ്യതി കുറഞ്ഞ കൂടിയ ഒഴിവുകളുള്ള ക്വിസുകൾ** ഉൾപ്പെടുത്തലും. കൂടാതെ, ഈ പാഠ്യം ഏകോപനത്തിനായി സാധാരണമായ ഒരു **തെീം** ഉള്ളതും ആണ്. -വിഷയങ്ങളുടെ ഉള്ളടക്കം പ്രോജക്ടുകളുമായി ബന്ധിപ്പിക്കപ്പെട്ടാൽ വിദ്യാർത്ഥികളുടെ ഉൾപ്പെടൽ വർദ്ധിക്കുകയും ആശയങ്ങളുടെ ദൃഢതയും വർധിക്കുകയും ചെയ്യും. ക്ലാസിനു മുമ്പുള്ള കുറഞ്ഞ തുല്യമുള്ള ക്വിസ് വിദ്യാർത്ഥിയുടെ പഠന ആഗ്രഹം സൃഷ്ടിക്കുന്നു, ക്ലാസിനു ശേഷമുള്ള ക്വിസ് കൂടുതൽ സ്ഥിരത ഉറപ്പുവരുത്തുന്നു. ഈ അധ്യയനക്രമം സൗകര്യപ്രദവും രസകരവുമായ രീതിയിൽ രൂപകൽപ്പന ചെയ്തു, മുഴുവൻ തവണയും ഒരു ഭാഗമോ കൈകാര്യം ചെയ്യാം. പ്രോജക്ടുകൾ ചെറിയതിൽ നിന്നാരംഭിച്ച് 12 ആഴ്ചകളുടെ അവസാനം കൂടുതൽ സങ്കീർണ്ണമാകും. ഈ അധ്യയനക്രമം ML ന്റെ യഥാർത്ഥ ലോകത്തിലпля ഉപയോഗങ്ങളും ഉൾക്കൊള്ളുന്നതാണ്, ഇത് അധിക ക്രെഡിറ്റിന് അല്ലെങ്കിൽ ചർച്ചയ്ക്ക് അടിസ്ഥാനമായി ഉപയോഗിക്കാം. +വിഷയങ്ങൾ പ്രോജക്റ്റുകളിലേക്കു നേരെയുള്‍‍‌പ്പെടുത്തുന്നത് വിദ്യാർത്ഥികൾക്കു പഠിക്കാൻ ഉത്സാഹകരവും സങ്കൽപങ്ങൾ കൂടുതൽ നല്ലമായി ഓർമ്മിക്കാനും സഹായിക്കും. കൂടാതെ ക്ലാസിന് മുന്നോടിയായി കുറഞ്ഞ സമ്മർദമുള്ള ഒരു ക്വിസ് വിദ്യാർത്ഥിയുടെ പഠന ഊർജ്ജമുണ്ടാക്കുകയും, ക്ലാസ് കഴിഞ്ഞ് മറ്റൊരു ക്വിസ് അടുക്കിയാൽ കൂടുതൽ ഓർമ്മ ശേഷി ഉറപ്പാക്കുകയും ചെയ്യും. ഈ പഠനപദ്ധതി കാര്യക്ഷമവും രസകരവുമുള്ളതാണ്. മുഴുവനും അല്ലെങ്കിൽ ഭാഗികമായി എടുക്കാനാകും. 12 ആഴ്ചകളിൽ പ്രോജക്റ്റുകൾ ചെറുതായി ആരംഭിച്ച് കൂടുതൽ സങ്കീർണമായിരിക്കും. ML യുടെ യഥാർത്ഥ ലോക പ്രയോഗങ്ങളുടെ ഒരു പ്രത്യേക വിഭാഗവും ഈ പഠനപദ്ധതിയിൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്, കൂടെ ആഡംബര ക്രെഡിറ്റ് അല്ലെങ്കിൽ ചർച്ചകൾക്കുള്ള അടിസ്ഥാനം ആയി ഉപയോഗിക്കാം. -> ഞങ്ങളുടെ [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md), [Troubleshooting](TROUBLESHOOTING.md) മാർഗനിർദേശങ്ങൾ കാണുക. നിങ്ങളുടെ ക്രിയാത്മക അഭിപ്രായങ്ങൾ സ്വാഗതം! +> ഞങ്ങളുടെ [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md), [Troubleshooting](TROUBLESHOOTING.md) മാർഗ്ഗനിർദ്ദേശങ്ങൾ വായിക്കുക. നിങ്ങളുടെ പോസിറ്റീവ് അഭിപ്രായങ്ങൾ ഞങ്ങൾക്ക് സന്തോഷമാകുന്നു! -## ഓരോ പാഠത്തിലും ഉൾപ്പെടുന്നു +## ഓരോ പാഠത്തിലുമുള്ളവ -- ഐച്ഛിക സ്കെച്ച് നോട്ടുകൾ -- ഐച്ഛികസഹായക വീഡിയോകൾ -- വീഡിയോകളിലൂടെ പാഠം മനസ്സിലാക്കൽ (ചില പാഠങ്ങൾക്കാണ്) -- [പ്രീ-ലെക്ചർ വാംപ് ക്വിസ്](https://ff-quizzes.netlify.app/en/ml/) +- ഓപ്ഷണൽ സ്കെച്ച്നോട്ട് +- ഓപ്ഷണൽ സപ്ലിമെന്റൽ വീഡിയൊ +- വീഡിയൊ വാക്ക് ത്രൂ (വരെ ചില പാഠങ്ങൾക്കു മാത്രം) +- [പൂർവ പാഠ ക്വിസ്](https://ff-quizzes.netlify.app/en/ml/) - എഴുതിയ പാഠം -- പ്രോജക്ട് അധിഷ്ഠിത പാഠങ്ങൾക്ക് പ്രോജക്ട് നിർമ്മാണത്തിനുള്ള ഘട്ടങ്ങൾ സംഭവാനുസരണം -- അറിവ് പരിശോധനകൾ -- ഒരു വെല്ലുവിളി -- സഹായക വായന +- പ്രോജക്റ്റ് അടിസ്ഥാനപ്പെടുന്ന പാഠങ്ങൾക്ക്, പ്രോജക്റ്റ് നിർമ്മിക്കുന്നതിനുള്ള ഘട്ടം ഘട്ടമായുള്ള നിർദ്ദേശങ്ങൾ +- വിജ്ഞാന പരിശോധനകള +- ഒരു ചലഞ്ച് +- കൂടെയുള്ള വായന - അസൈൻമെന്റ് -- [പോസ്റ്റ്-ലെക്ചർ ക്വിസ്](https://ff-quizzes.netlify.app/en/ml/) - -> **ഭാഷകളെ കുറിച്ചുള്ള കുറിപ്പ്**: ഈ പാഠങ്ങൾ പ്രധാനമായും Python ൽ എഴുതപ്പെട്ടിരിക്കുന്നു, എന്നാൽ R ലും ലഭ്യമാണ്. R പാഠം പൂര്‍ത്തിയാക്കാൻ, `/solution` ഫോൾഡറിൽ R പാഠങ്ങൾ കണ്ടുപിടിക്കുക. അവയ്ക്ക് .rmd വിപുലീകരണം ഉണ്ട്, ഇത് **R ഇറക്കുമതി** ഫയലിന്റെ രൂപത്തിൽ, `കોડ്ചാങ്ക്(കൂടാതെ മറ്റ് ഭാഷകളും)` ഉൾപ്പെടുത്തിയുള്ള Markdown രേഖയാണ്. ഇതിലൂടെ, കോഡ്, അതിന്റെ ഔട്ട്പുട്ടും നിങ്ങളുടെ വിചാരങ്ങളും Markdown ൽ লিখാനാകുന്നു. കൂടുതൽ, R Markdown രേഖകൾ PDF, HTML, Word തുടങ്ങിയ വിവിധ ഫോർമാറ്റുകളിൽ പ്രദർശിപ്പിക്കാം. -> **ക്വിസ് സംബന്ധിച്ച ഒരു കുറിപ്പ്**: എല്ലാ ക്വിസുകളും [Quiz App ഫോള്ഡറിൽ](../../quiz-app) അടങ്ങിയിരിക്കുന്നു, ഓരോതിലും മൂന്ന് ചോദ്യങ്ങളുള്ള മൊത്തം 52 ക്വിസുകളാണ്. ഇവ പാഠങ്ങളിൽ നിന്നു ബന്ധിപ്പിക്കപ്പെട്ടിട്ടുണ്ടെങ്കിലും ക്വിസ് ആപ്പ് ലോക്കലായി പ്രവർത്തിപ്പിക്കാവുന്നതാണ്; ലോക്കലായി ഹോസ്റ്റ് ചെയ്യുന്നതിനോ Azure-ലേക്ക് വിനിയോഗിക്കുന്നതിനോ `quiz-app` ഫോള്ഡറിലെ നിർദ്ദേശങ്ങൾ അനുഗമിക്കുക. - -| പാഠ നമ്പർ | വിഷയം | പാഠ ഗ്രൂപ്പിംഗ് | പഠന ലക്ഷ്യങ്ങൾ | ബന്ധിപ്പിച്ച പാഠം | രചയിതാവ് | -| :---------: | :------------------------------------------------------------: | :-------------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------- | :---------------------------------------------------------------------------------------------------------------------------------------: | :----------------------------------------------------: | -| 01 | മെഷീൻ ലേണിങ്ങിലേക്ക് പരിചയം | [Introduction](1-Introduction/README.md) | മെഷീൻ ലേണിങ്ങിന്റെ അടിസ്ഥാന ആശയങ്ങൾ പഠിക്കുക | [Lesson](1-Introduction/1-intro-to-ML/README.md) | മുഹമ്മദ് | -| 02 | മെഷീൻ ലേണിങ്ങിന്റെ ചരിത്രം | [Introduction](1-Introduction/README.md) | ഈ മേഖലയിലെ ചരിത്രം പഠിക്കുക | [Lesson](1-Introduction/2-history-of-ML/README.md) | ജെൻ ആൻഡ് എമി | -| 03 | ന്യായത്വവും മെഷീൻ ലേണിങ്ങും | [Introduction](1-Introduction/README.md) | മെഷീൻ ലേണിങ്ങ് മോഡലുകൾ നിർമ്മിക്കുന്നതിനും പ്രയോഗിക്കുന്നതിനും വിദ്യാർത്ഥികൾ പരിഗണിക്കേണ്ട പ്രധാന തത്ത്വപരമായ വിഷയങ്ങൾ എന്തെല്ലാം? | [Lesson](1-Introduction/3-fairness/README.md) | ടോമോമി | -| 04 | മെഷീൻ ലേണിങ്ങിനായുള്ള സാങ്കേതിക വിദ്യകൾ | [Introduction](1-Introduction/README.md) | മെഷീൻ ലേണിങ്ങ് ഗവേഷകരാണ് എങ്ങനെ മോഡലുകൾ നിർമ്മിക്കുന്നത്? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | ക്രിസ് ആൻഡ് ജെൻ | -| 05 | റെഗ്രഷനിലേക്ക് പരിചയം | [Regression](2-Regression/README.md) | റെഗ്രഷൻ മോഡലുകൾക്കായുള്ള Python, Scikit-learn ഉപയോഗം ആരംഭിക്കുക | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | ജെൻ • എറിക് വാൻജൗ | -| 06 | നോർത്ത് അമേരിക്കൻ പംപ്കിൻ വിലകൾ 🎃 | [Regression](2-Regression/README.md) | മെഷീൻ ലേണിങ്ങിനായി ഡാറ്റാ വിസ്വലൈസ് ചെയ്ത് ശുദ്ധമാക്കുക | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | ജെൻ • എറിക് വാൻജൗ | -| 07 | നോർത്ത് അമേരിക്കൻ പംപ്കിൻ വിലകൾ 🎃 | [Regression](2-Regression/README.md) | ലീനിയർ, പോളിനോമ്യൽ റെഗ്രഷൻ മോഡലുകൾ നിർമ്മിക്കുക | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | ജെൻ ആൻഡ് ഡിമിത്രി • എറിക് വാൻജൗ | -| 08 | നോർത്ത് അമേരിക്കൻ പംപ്കിൻ വിലകൾ 🎃 | [Regression](2-Regression/README.md) | ലജിസ്റ്റിക് റെഗ്രഷൻ മോഡൽ നിർമ്മിക്കുക | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | ജെൻ • എറിക് വാൻജൗ | -| 09 | ഒരു വെബ് ആപ്പ് 🔌 | [Web App](3-Web-App/README.md) | പരിശീലിപ്പിച്ച മോഡൽ ഉപയോഗിക്കുന്ന വെബ് ആപ്പ് നിർമ്മിക്കുക | [Python](3-Web-App/1-Web-App/README.md) | ജെൻ | -| 10 | ക്ലാസിഫിക്കേഷനിലേക്ക് പരിചയം | [Classification](4-Classification/README.md) | നിങ്ങളുടെ ഡാറ്റ ശുദ്ധീകരിക്കുക, തയ്യാറാക്കുക, വിസ്വലൈസ് ചെയ്യുക; ക്ലാസിഫിക്കേഷൻ വൈകാരികമായി പരിചയപ്പെടുക | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | ജെൻ ആൻഡ് കാസ്സി • എറിക് വാൻജൗ | -| 11 | രുചികരമായ ഏഷ്യൻ, ഇന്ത്യൻ ഭക്ഷണങ്ങൾ 🍜 | [Classification](4-Classification/README.md) | ക്ലാസിഫയർസിന്റെ പരിചയപ്പെടുത്തൽ | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | ജെൻ ആൻഡ് കാസ്സി • എറിക് വാൻജൗ | -| 12 | രുചികരമായ ഏഷ്യൻ, ഇന്ത്യൻ ഭക്ഷണങ്ങൾ 🍜 | [Classification](4-Classification/README.md) | കൂടുതൽ ക്ലാസിഫയർസുകൾ | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | ജെൻ ആൻഡ് കാസ്സി • എറിക് വാൻജൗ | -| 13 | രുചികരമായ ഏഷ്യൻ, ഇന്ത്യൻ ഭക്ഷണങ്ങൾ 🍜 | [Classification](4-Classification/README.md) | നിങ്ങളുടെ മോഡൽ ഉപയോഗിച്ച് റിക്കമന്റർ വെബ് ആപ്പ് നിർമ്മിക്കുക | [Python](4-Classification/4-Applied/README.md) | ജെൻ | -| 14 | ക്ലസ്റ്ററിംഗിലേക്ക് പരിചയം | [Clustering](5-Clustering/README.md) | നിങ്ങളുടെ ഡാറ്റ ശുദ്ധമാക്കുക, തയ്യാറാക്കുക, വിസ്വലൈസ് ചെയ്യുക; ക്ലസ്റ്ററിംഗിലേക്ക് പരിചയം | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | ജെൻ • എറിക് വാൻജൗ | -| 15 | നൈജീരിയൻ സംഗീത രുചികൾ അന്വേഷിക്കുക 🎧 | [Clustering](5-Clustering/README.md) | K-മീന്സ് ക്ലസ്റ്ററിംഗ് രീതി അന്വേഷിക്കുക | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | ജെൻ • എറിക് വാൻജൗ | -| 16 | സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിങ്ങിലേക്ക് പരിചയം ☕️ | [Natural language processing](6-NLP/README.md) | ലളിതമായ ബോട്ട് നിർമ്മിച്ച് NLP അടിസ്ഥാനങ്ങൾ പഠിക്കുക | [Python](6-NLP/1-Introduction-to-NLP/README.md) | സ്റ്റീഫൻ | -| 17 | പൊതു NLP ജോലികൾ ☕️ | [Natural language processing](6-NLP/README.md) | ഭാഷാസംഘടനകളുമായി ഇടപഴകുന്നതിനുള്ള സാധാരണ ജോലികൾ മനസ്സിലാക്കുന്നതിലൂടെ NLP അറിവ് ഗાઢമാക്കുക | [Python](6-NLP/2-Tasks/README.md) | സ്റ്റീഫൻ | -| 18 | വിധാനം, വികാര വിശകലനം ♥️ | [Natural language processing](6-NLP/README.md) | ജെയ്ൻ ഓസ്റ്റന്റെ എഴുത്തുകളിലൂടെ വിവർത്തനവും വികാര വിശകലനവും | [Python](6-NLP/3-Translation-Sentiment/README.md) | സ്റ്റീഫൻ | -| 19 | യൂറോപ്പിലെ പ്രണയ ഹോട്ടലുകൾ ♥️ | [Natural language processing](6-NLP/README.md) | ഹോട്ടൽ റിവ്യൂസ് ഉപയോഗിച്ചുള്ള വികാര വിശകലനത്തിന്റെ തുടക്ക Python കോഴ്‌സ് | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | സ്റ്റീഫൻ | -| 20 | യൂറോപ്പിലെ പ്രണയ ഹോട്ടലുകൾ ♥️ | [Natural language processing](6-NLP/README.md) | ഹോട്ടൽ റിവ്യൂസ് ഉപയോഗിച്ചുള്ള വികാര വിശകലനത്തിന്റെ രണ്ടാം ഭാഗം | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | സ്റ്റീഫൻ | -| 21 | ടൈം സീരീസ് ഫോറ്കാസ്റ്റിംഗിലേക്ക് പരിചയം | [Time series](7-TimeSeries/README.md) | ടൈം സീരീസ് ഫോറ്കാസ്റ്റിംഗിന്റെ പരിചയം | [Python](7-TimeSeries/1-Introduction/README.md) | ഫ്രാൻസസ്ക | -| 22 | ⚡️ ലോക വൈദ്യുതി ഉപയോഗം ⚡️ - ARIMA ഉപയോഗിച്ചുള്ള ടൈം സീരീസ് ഫോറ്കാസ്റ്റിംഗ് | [Time series](7-TimeSeries/README.md) | ARIMA ഉപയോഗിച്ചുള്ള ടൈം സീരീസ് ഫോറ്കാസ്റ്റിംഗ് | [Python](7-TimeSeries/2-ARIMA/README.md) | ഫ്രാൻസസ്ക | -| 23 | ⚡️ ലോക വൈദ്യുതി ഉപയോഗം ⚡️ - SVR ഉപയോഗിച്ചുള്ള ടൈം സീരീസ് ഫോറ്കാസ്റ്റിംഗ് | [Time series](7-TimeSeries/README.md) | Support Vector Regressor ഉപയോഗിച്ചുള്ള ടൈം സീരീസ് ഫോറ്കാസ്റ്റിംഗ് | [Python](7-TimeSeries/3-SVR/README.md) | അനിർബാൻ | -| 24 | റിന്ഫോഴ്സ്മെന്റ് ലേണിങ്ങിലേക്ക് പരിചയം | [Reinforcement learning](8-Reinforcement/README.md) | Q-ലേണിംഗ് ഉപയോഗിച്ചുള്ള റിന്ഫോഴ്സ്മെന്റ് ലേണിങ്ങിന്റെ പരിചയം | [Python](8-Reinforcement/1-QLearning/README.md) | ഡിമിറ്റ്രി | -| 25 | പീറ്ററെ കടുവയിൽ നിന്ന് രക്ഷിക്കുക! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | റിന്ഫോഴ്സ്മെന്റ് ലേണിങ്ങ് ജിം | [Python](8-Reinforcement/2-Gym/README.md) | ഡിമിറ്റ്രി | -| Postscript | യാഥാർത്ഥ്യ ML സാഹചര്യംകളും പ്രയോഗങ്ങളുമാണ് | [ML in the Wild](9-Real-World/README.md) | ക്ലാസിക്കല് ML ന്റെ രസകരവും വെളിവും നൽകുന്ന യഥാർത്ഥ ലോക പ്രയോഗങ്ങൾ | [Lesson](9-Real-World/1-Applications/README.md) | ടീം | -| Postscript | ML മോഡൽ ഡീബഗിങ്ങ് RAI ഡാഷ്ബോർഡ് ഉപയോഗിച്ച് | [ML in the Wild](9-Real-World/README.md) | ഉത്തരവാദായ AI ഡാഷ്ബോർഡ് ഘടകങ്ങൾ ഉപയോഗിച്ച് യന്ത്രവിദ്യാഭ്യാസ മോഡൽ ഡീബഗിങ്ങ് | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | റുത്ത് യാകുബു | - -> [ഈ കോഴ്സിന് വേണ്ടി മറ്റു എല്ലാ അധിക വിഭവങ്ങളും Microsoft Learn ശേഖരത്തിൽ കാണുക](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) - -## ഓഫ്‌ലൈൻ പ്രാപ്യത - -[Docsify](https://docsify.js.org/#/) ഉപയോഗിച്ച് ഈ ഡോക്യുമെന്റേഷൻ ഓഫ്‌ലൈൻ പ്രവർത്തിപ്പിക്കാം. ഈ റിപോ ഫോർക്കുചെയ്ത്, നിങ്ങളുടെ ലോക്കൽ മെഷീനിൽ [Docsify ഇൻസ്റ്റാൾ ചെയ്യുക](https://docsify.js.org/#/quickstart), പിന്നെ ഈ റിപോയുടെ റൂട്ട് ഫോൾഡറിൽ `docsify serve` എന്ന് ടൈപ്പ് ചെയ്യുക. വെബ്സൈറ്റ് നിങ്ങളുടെ ലോക്കൽ ہوس്റ്റിൽ 3000 നമ്പർ പോർട്ടിൽ ലഭ്യമാണ്: `localhost:3000`. +- [പോസ്റ്റ്-പാഠ ക്വിസ്](https://ff-quizzes.netlify.app/en/ml/) + +> **ഭാഷ സംബന്ധിച്ച ഒരു കുറിപ്പ്**: ഈ പാഠങ്ങൾ പ്രധാനമായും Python ലിലാണ് എഴുതിയിട്ടുള്ളത്, എന്നാൽ പലത് R ലും ലഭ്യമാണ്. R പാഠം പൂർത്തിയാക്കാൻ `/solution` ഫോൾഡറിൽ പോയി R പാഠങ്ങൾ വയ്ക്കപ്പെട്ടിട്ടുള്ളവ അന്വേഷിക്കുക. അവയ്ക്ക് `.rmd` വിപുലീകരണം ഉണ്ട്, അതാണ് **R Markdown** ഫയൽ, കൂടാതെ കോഡ് ചങ്കുകൾ (R അല്ലെങ്കിൽ മറ്റ് ഭാഷകൾ), `YAML header` ഉപയോഗിച്ച് Markdown ഡോക്കുമെന്റുകളിൽ എഴുതിയിത്തളകൾ ചേർക്കാൻ സഹായിക്കുന്നു. ഇത് ഡാറ്റ സയൻസിന് മികച്ച ഒരു എഴുത്തുകൂടിയാണ്, നിങ്ങളുടെ കോഡ്, അതിന്റെ ഔട്ട്‌പുട്ട്, അഭിപ്രായങ്ങൾ എന്നിവയെല്ലാം Markdown ൽ എഴുതാം. കൂടാതെ R Markdown ഡോക്കുമെന്റുകൾ PDF, HTML, Word പോലുള്ള ഫോർമാറ്റുകളിൽ മാറ്റാനും കഴിയും. +> **ക്വിസുകളെ കുറിച്ചുള്ള ഒരു കുറിപ്പ്**: മൂന്നു ചോദ്യങ്ങളുള്ള 52 ക്വിസുകൾക്ക് സംരക്ഷിച്ചിരിക്കുന്ന [Quiz App ഫോൾഡർ](../../quiz-app)യിൽ എല്ലാ ക്വിസുകളും ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. അവ പാഠങ്ങളിൽ നിന്ന് ലിങ്ക് ചെയ്തിട്ടുണ്ട്, എന്നാൽ ക്വിസ് ആപ്പ് ലോക്കലായി പ്രവർത്തിപ്പിക്കാൻ കഴിയും; ലോക്കലായി ഹോസ്റ്റ് ചെയ്യുന്നതിന് അല്ലെങ്കിൽ Azure-യിലേക്ക് ഡിപ്ലോയ്മെന്റ് നടത്താൻ `quiz-app` ഫോൾഡറിലുള്ള നിർദ്ദേശങ്ങൾ അനുസരിക്കുക. + +| പാഠസംഖ്യ | വിഷയം | പാഠ ഗ്രൂപ്പിംഗ് | പഠനലക്ഷ്യങ്ങൾ | ലിങ്ക് ചെയ്ത പാഠം | എഴുത്തുകാരൻ | +| :-------: | :--------------------------------------------------------------: | :----------------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------- | :-------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | +| 01 | മെഷീൻ ലേണിങ്ങില്‍ പരിചയം | [Introduction](1-Introduction/README.md) | മെഷീൻ ലേണിങ്ങിന്റെ അടിസ്ഥാന ആശയങ്ങൾ പഠിക്കുക | [Lesson](1-Introduction/1-intro-to-ML/README.md) | മുഹമ്മദ് | +| 02 | മെഷീൻ ലേണിങ്ങിന്റെ ചരിത്രം | [Introduction](1-Introduction/README.md) | ഈ മേഖലയിലെ ചരിത്രം പഠിക്കുക | [Lesson](1-Introduction/2-history-of-ML/README.md) | ജെൻ ആൻഡ് എമി | +| 03 | നീതിമാന്മാരായ മെഷീൻ ലേണിങ് | [Introduction](1-Introduction/README.md) | ML മോഡലുകൾ നിർമ്മിക്കുമ്പോൾ പരിഗണിക്കേണ്ട നീതിമാന്മായ തത്വശാസ്ത്ര പ്രശ്നങ്ങൾ എന്തെല്ലാമാണ് എന്നറിയുക | [Lesson](1-Introduction/3-fairness/README.md) | ടോമോമി | +| 04 | മെഷീൻ ലേണിങ്ങിന്‍റെ തന്ത്രങ്ങൾ | [Introduction](1-Introduction/README.md) | ML ഗവേഷകർ ML മോഡലുകൾ നിർമ്മിക്കാൻ ഉപയോഗിക്കുന്ന തന്ത്രങ്ങൾ എന്തൊക്കെയാണെന്ന് അറിയുക | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | ക്രിസ് ആൻഡ് ജെൻ | +| 05 | റെഗ്രഷനിൽ പരിചയം | [Regression](2-Regression/README.md) | റെഗ്രഷൻ മോഡലുകൾക്കായി Python, Scikit-learn ഉപയോഗിച്ച് ആരംഭിക്കുക | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | ജെൻ • എറിക് വാണ്ട്‌ജു | +| 06 | നോര്ത്ത് അമേരിക്കന്‍ കുമ്പളം വിലകള്‍ 🎃 | [Regression](2-Regression/README.md) | ML-ന് വേണ്ടി ഡാറ്റ വൈറസ് ചെയ്ത് ശുചിയാക്കുക | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | ജെൻ • എറിക് വാണ്ട്‌ജു | +| 07 | നോര്ത്ത് അമേരിക്കന്‍ കുമ്പളം വിലകള്‍ 🎃 | [Regression](2-Regression/README.md) | ലീനിയർ, പോളിനോമിയൽ റെഗ്രഷൻ മോഡലുകൾ നിർമ്മിക്കുക | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | ജെൻ ആൻഡ് ഡിമ്ട്രി • എറിക് വാണ്ട്‌ജു | +| 08 | നോര്ത്ത് അമേരിക്കന്‍ കുമ്പളം വിലകള്‍ 🎃 | [Regression](2-Regression/README.md) | ലോജിസ്റ്റിക് റെഗ്രഷൻ മോഡൽ നിർമ്മിക്കുക | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | ജെൻ • എറിക് വാണ്ട്‌ജു | +| 09 | ഒരു വെബ് ആപ്പ് 🔌 | [Web App](3-Web-App/README.md) | പരിശീലിപ്പിച്ച മോഡൽ ഉപയോഗിക്കാൻ ഒരു വെബ് ആപ്പ് നിർമ്മിക്കുക | [Python](3-Web-App/1-Web-App/README.md) | ജെൻ | +| 10 | ക്ലാസ്സിഫിക്കേഷനിൽ പരിചയം | [Classification](4-Classification/README.md) | ഡാറ്റ ശുചിയാക്കുക, തയ്യാറാക്കുക, ദൃശ്യവത്കരിക്കുക; ക്ലാസ്സിഫിക്കേഷനിലേക്ക് പരിചയം | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | ജെൻ ആൻഡ് കാസ്സി • എറിക് വാണ്ട്‌ജു | +| 11 | രുചികരമായ ഏഷ്യൻ-ഇന്ത്യൻ ഭക്ഷണങ്ങള്‍ 🍜 | [Classification](4-Classification/README.md) | ക്ലാസ്സിഫയറുകളിലേക്ക് പരിചയം | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | ജെൻ ആൻഡ് കാസ്സി • എറിക് വാണ്ട്‌ജു | +| 12 | രുചികരമായ ഏഷ്യൻ-ഇന്ത്യൻ ഭക്ഷണങ്ങള്‍ 🍜 | [Classification](4-Classification/README.md) | കൂടുതൽ ക്ലാസ്സിഫയറുകൾ | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | ജെൻ ആൻഡ് കാസ്സി • എറിക് വാണ്ട്‌ജു | +| 13 | രുചികരമായ ഏഷ്യൻ-ഇന്ത്യൻ ഭക്ഷണങ്ങള്‍ 🍜 | [Classification](4-Classification/README.md) | നിങ്ങളുടെ മോഡൽ ഉപയോഗിച്ച് ഒരു ശਿਫാർശ വെബ് ആപ്പ് നിർമ്മിക്കുക | [Python](4-Classification/4-Applied/README.md) | ജെൻ | +| 14 | ക്ലസ്റ്ററിങ്ങിൽ പരിചയം | [Clustering](5-Clustering/README.md) | ഡാറ്റ ശുചിയാക്കുക, തയ്യാറാക്കുക, ദൃശ്യവത്കരിക്കുക; ക്ലസ്റ്ററിങ്ങിലേക്ക് പരിചയം | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | ജെൻ • എറിക് വാണ്ട്‌ജു | +| 15 | നൈജീരിയൻ സംഗീത രുചികള്‍ അന്വേഷിക്കല്‍ 🎧 | [Clustering](5-Clustering/README.md) | K-മീൻസ് ക്ലസ്റ്ററിംഗ് പદ્ધതി പരിശോധിക്കുക | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | ജെൻ • എറിക് വാണ്ട്‌ജു | +| 16 | നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിങ്ങിൽ പരിചയം ☕️ | [Natural language processing](6-NLP/README.md) | ഒരു ലളിത ബോട്ട് നിർമ്മിച്ച് NLP അടിസ്ഥാനങ്ങൾ പഠിക്കുക | [Python](6-NLP/1-Introduction-to-NLP/README.md) | സ്റ്റീഫൻ | +| 17 | പൊതു NLP ജോലി കൾ ☕️ | [Natural language processing](6-NLP/README.md) | ഭാഷാചട്ടങ്ങളോട് ഇടപഴകുമ്പോഴുള്ള സാധാരണ ജോലികൾ മനസിലാക്കിയാണ് നിങ്ങളുടെ NLP അറിവ് മെച്ചപ്പെടുത്തുക | [Python](6-NLP/2-Tasks/README.md) | സ്റ്റീഫൻ | +| 18 | വിവർത്തനവും വികാരപരിശോധനയും ♥️ | [Natural language processing](6-NLP/README.md) | ജെയ്ന്‍ ഓസ്റ്റീനിനൊപ്പം വിവർത്തനവും വികാരപരിശോധനയും | [Python](6-NLP/3-Translation-Sentiment/README.md) | സ്റ്റീഫൻ | +| 19 | യൂറോപ്പിലെ രോമാന്റിക് ഹോട്ടലുകള്‍ ♥️ | [Natural language processing](6-NLP/README.md) | ഹോട്ടല്‍ അവലോകനങ്ങളുടെ വികാരപരിശോധനയുമായി 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | സ്റ്റീഫൻ | +| 20 | യൂറോപ്പിലെ രോമാന്റിക് ഹോട്ടലുകള്‍ ♥️ | [Natural language processing](6-NLP/README.md) | ഹോട്ടല്‍ അവലോകനങ്ങളുടെ വികാരപരിശോധനയുമായി 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | സ്റ്റീഫൻ | +| 21 | ടൈം സീരീസ് ഫോറ്കാസ്റ്റിങ്ങിൽ പരിചയം | [Time series](7-TimeSeries/README.md) | ടൈം സീരീസ് ഫോറ്കാസ്റ്റിങിൽ പരിചയം | [Python](7-TimeSeries/1-Introduction/README.md) | ഫ്രാൻസെസ്ക | +| 22 | ⚡️ ലോക വൈദ്യുതിചെലവ് ⚡️ - ARIMA ഉപയോഗിച്ച് ടൈം സീരീസ് ഫോറ്കാസ്റ്റിംഗ് | [Time series](7-TimeSeries/README.md) | ARIMA ഉപയോഗിച്ച് ടൈം സീരീസ് ഫോറ്കാസ്റ്റിംഗ് | [Python](7-TimeSeries/2-ARIMA/README.md) | ഫ്രാൻസെസ്ക | +| 23 | ⚡️ ലോക വൈദ്യുതിചെലവ് ⚡️ - SVR ഉപയോഗിച്ച് ടൈം സീരീസ് ഫോറ്കാസ്റ്റിംഗ് | [Time series](7-TimeSeries/README.md) | Support Vector Regressor ഉപയോഗിച്ച് ടൈം സീരീസ് ഫോറ്കാസ്റ്റിംഗ് | [Python](7-TimeSeries/3-SVR/README.md) | അനിർബാൻ | +| 24 | റീ ഇൻഫോഴ്‌സ്‌മെന്റ് ലേണിങ്ങിലേക്ക് പരിചയം | [Reinforcement learning](8-Reinforcement/README.md) | Q-ലേണിങ്ങ് ഉപയോഗിച്ചുള്ള റീ ഇൻഫോഴ്‌സ്‌മെന്റ് ലേണിങ്ങിന് പരിചയം | [Python](8-Reinforcement/1-QLearning/README.md) | ഡിമ്ട്രി | +| 25 | പീറ്ററിന് വെളുത്തയാനെ ഒഴിവാക്കാന്‍ സഹായിക്കുക! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | റീ ഇൻഫോഴ്‌സ്‌മെന്റ് ലേർണിങ് ജിം | [Python](8-Reinforcement/2-Gym/README.md) | ഡിമ്ട്രി | +| Postscript | യഥാർത്ഥ ലോകത്തെ ML സാഹചര്യങ്ങളും ആപ്ലിക്കേഷനുകളും | [ML in the Wild](9-Real-World/README.md) | ക്ലാസ്സിക്കൽ ML-ന്റെ രസകരവും വെളിച്ചവും പകരുന്ന യഥാർത്ഥ ലോക ആപ്ലിക്കേഷനുകൾ | [Lesson](9-Real-World/1-Applications/README.md) | ടീം | +| Postscript | RAI ഡാഷ്ബോർഡ് ഉപയോഗിച്ച് ML മോഡൽ ഡീബഗ്ഗിങ് | [ML in the Wild](9-Real-World/README.md) | Responsible AI ഡാഷ്ബോർഡ് കോമ്പോണന്റുകൾ ഉപയോഗിച്ച് മെഷീൻ ലേണിങ്ങിൽ മോഡൽ ഡീബഗ്ഗിങ് | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | രൂത് യാക്കുബു | + +> [ഈ കോഴ്‌സിനുള്ള എല്ലാ അധിക വിഭവങ്ങളും നമ്മുടെ Microsoft Learn ശേഖരത്തിൽ കാണുക](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) + +## ഓഫ്‌ലൈൻ ആക്‌സസ് + +[Docsify](https://docsify.js.org/#/) ഉപയോഗിച്ച് ഈ ഡോക്യമെന്റേഷൻ ഓഫ്‌ലൈൻ റണ്ചെയ്യാം. ഈ റെപ്പോയെ ഫോർക്കുചെയ്യുക, നിങ്ങളുടെ ലോക്കൽ മെഷീനിൽ [Docsify ഇൻസ്റ്റാൾ ചെയ്യുക](https://docsify.js.org/#/quickstart), തുടർന്ന് ഈ റെപ്പോയുടെ റൂട്ട് ഫോൾഡറിൽ `docsify serve` ടൈപ്പ് ചെയ്യുക. വെബ്‌സൈറ്റ് പോർട്ട് 3000ൽ നിങ്ങളുടെ ലോക്കൽഹോസ്റ്റിൽ സേർവ് ചെയ്യും: `localhost:3000`. ## PDF-കൾ -കറിക്കുലംയുടെ PDF ലിങ്ക് [ഇവിടെ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) ലഭ്യമാണ്. +ഇന്ത്യയുടെ പാഠ്യപദ്ധതിയുടെ PDF-നെ ഈ ലിങ്കിൽ കാണുക [ഇവിടെ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). -## 🎒 മറ്റ് കോഴ്സുകൾ +## 🎒 മറ്റു കോഴ്‌സുകൾ -ഞങ്ങളുടെ ടീം മറ്റ് കോഴ്സുകളും നിർമ്മിക്കുന്നു! പരിശോധിക്കൂ: -[![ആരംഭകർക്ക് ജനറേറ്റീവ് 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) -[![ജനറേറ്റീവ് 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) -[![ജനറേറ്റീവ് AI (ജാവ)](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) -[![ജനറേറ്റീവ് AI (ജാവാസ്ക്രിപ്റ്റ്)](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) +നമ്മുടെ ടീം മറ്റു കോഴ്്സുകളും ഒരുക്കുന്നു! കാണുക: + + +### LangChain +[![Beginners-ക്കായി LangChain4j](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) +[![Beginners-ക്കായി LangChain.js](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) +[![Beginners-ക്കായി LangChain](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 / ഏജന്റുമാർ +[![Beginners-ക്കായി AZD](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) +[![Beginners-ക്കായി AI](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) +[![Beginners-ക്കായി MCP](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) +[![Beginners-ക്കായി AI ഏജൻ്റുമാർ](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) + +--- + +### ജനറേറ്റീവ് AI പരമ്പര + +[![ആരംഭക്കാർക്കും മുൻഗണനാപ്രാപ്‌തമാർക്കും ഉപകാരമുള്ള സൃഷ്‌ടിപരമായ 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) +[![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) --- -### മുക്കട്ട് പഠനങ്ങൾ -[![ആദ്യകാലത്തിന് ML](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![ഡാറ്റാ സയൻസ് ആരംഭകർക്ക്](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) -[![ആദ്യകാലത്തിന് AI](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![സൈബർസെക്യൂരിറ്റി ആദ്യകാലത്തിന്](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) -[![വെബ് ഡെവ് ആദ്യകാലത്തിന്](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 ആരംഭകർക്ക്](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 ഡെവലപ്മെന്റ് ആദ്യകാലത്തിന്](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) +### കോർ പഠനം +[![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) +[![ഡാറ്റാ സയൻസ് ആരംഭക്കാർക്കായി](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) +[![സൈബർസെക്യൂരിറ്റി ആരംഭക്കാർക്കായി](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) +[![വെബ് ഡെവ് ആരംഭക്കാർക്കായി](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) +[![ഐ‌ഒ‌ടി ആരംഭക്കാർക്കായി](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) +[![എക്സ്‌ആർ ഡെവലപ്മെന്റ് ആരംഭക്കാർക്കായി](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) --- -### കപൈലറ്റ് പരമ്പരകൾ -[![AI ചേർന്ന പ്രോഗ്രാമിംഗിന് കപൈലറ്റ്](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 കപൈലറ്റ്](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) -[![കപൈലറ്റ് സാഹസം](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) +### കോപ്പിലോട്ട് സിരീസ് +[![AI പൂജ്യം കൂടിയ കോപ്പിലോട്ട്](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 കോപ്പിലോട്ട്](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) +[![കോപ്പിലോട്ട് സാഹസികം](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) ## സഹായം നേടുക -AI ആപ്ലിക്കേഷനുകൾ നിർമിക്കാൻ ശ്രമിക്കുമ്പോൾ തകർന്ന് പോയോ അല്ലെങ്കിൽ എന്തെങ്കിലും ചോദ്യങ്ങൾ ഉണ്ടായിരിക്കുന്നുവോ? MCP-യുമായി ബന്ധപ്പെട്ട ചര്‍ച്ചകളിൽ അനുഭാവികളും പരിചയസമ്പന്നരുമായ ഡവലപ്പർമാരെ അംഗങ്ങളായുള്ള സമൂഹത്തിൽ ചേരുക. ഇത് ചോദ്യങ്ങൾ സ്വാഗതം ചെയ്യുന്നും സ്വതന്ത്രമായി അറിവ് പങ്കിടുന്ന ഒരു പിന്തുണയുള്ള കമ്മ്യൂണിറ്റിയാണ്. +AI ആപ്പുകൾ നിർമ്മിക്കുമ്പോൾ നിങ്ങൾക്ക് തളർന്നുപോകുകയോ ഏതെങ്കിലും ചോദ്യങ്ങളുണ്ടായിരിക്കാൻ സാധ്യതയുണ്ടെങ്കിൽ. MCP-യിൽ അനുഭവസമ്പന്നരായ ഡെവലപർമാരോടും മറ്റ് പഠനസുഹൃത്തുക്കളോടും ചേർന്ന് സംവാദങ്ങളിൽ പങ്കാളിയാകുക. ചോദ്യങ്ങൾക്ക് സ്വാഗതം ഉള്ള ഒത്തുചേരുന്ന ഒരു സമൂഹമാണിത്, അറിവ് സ്വതന്ത്രമായി പങ്കുവെക്കുന്ന സ്ഥലമാണ്. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -ഉൽപ്പന്ന ഫീഡ്ബാക്ക് നൽകാനോ നിർമ്മിക്കുന്നിടത്തും പിശകുകൾ ഉണ്ടെങ്കിൽ സന്ദർശിക്കുക: +ഉൽപ്പന്ന പ്രതികരണം അല്ലെങ്കിൽ പിഴവുകൾ ഉണ്ടെങ്കിൽ: [![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) --- -**പരാമർശം**: -ഈ രേഖ AI പരിഭാഷാ സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് പരിഭാഷപ്പെടുത്തിയതാണ്. നമുക്ക് യഥാർത്ഥതയിലേക്ക് ശ്രദ്ധ払ിക്കുന്നതിനായിരിക്കെ, ഓട്ടോമാറ്റഡ് പരിഭാഷകളിൽ എങ്കിലും പിശകുകൾ അല്ലെങ്കിൽ അമിതരൂപിടലുകൾ ഉണ്ടാകാമെന്ന് ദയവായി അറിയുക. മൊഴിമാറ്റത്തിന് ഉള്ള મૂળ രേഖ അതിന്റെ സ്വന്തം ഭാഷയിൽ മാന്യമായ ഉറവിടമായി പരിഗണിക്കണം. പ്രധാനപ്പെട്ട വിവരങ്ങൾക്കായി, വിദഗ്ധ മാനവ പരിഭാഷ നിർദ്ദേശിക്കപ്പെടുന്നു. ഈ പരിഭാഷയുടെ ഉപയോഗത്തിൽ നിന്നുണ്ടാകുന്നത് ഏതെങ്കിലും തെറ്റു ധാരണകൾക്കും തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കും ഞങ്ങൾ ഉത്തരവാദിത്വം വഹിക്കില്ല. +**വിവരണ കുറിപ്പ്**: +ഈ പ്രമാണം AI ഭാഷാന്തരണ സർവീസ് [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. ഞങ്ങൾ കൃത്യതയ്ക്ക് ശ്രമിച്ചിള്ളെങ്കിലും, യാന്ത്രിക വിവർത്തനങ്ങളിൽ പിഴവുകൾ അല്ലെങ്കിൽ അസാധുതകൾ ഉണ്ടായേക്കാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. ആ പ്രമാണത്തിന്റെ പ്രാഥമിക ഭാഷയിലെ أصل പകർപ്പ് ആണ് പ്രാമാണിക നിയന്ത്രണ ഉറവിടം. പ്രധാന വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മാനവ വിവർത്തനം നിർദ്ദേശിക്കുന്നു. ഈ വിവർത്തനത്തിന്റെ ഉപയോഗത്തിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾ അല്ലെങ്കിൽ അപ്രത്യക്ഷതകൾക്കായി ഞങ്ങൾ ഉത്തരവാദികളല്ല. \ No newline at end of file diff --git a/translations/te/.co-op-translator.json b/translations/te/.co-op-translator.json index 060983cd0..d15ca748d 100644 --- a/translations/te/.co-op-translator.json +++ b/translations/te/.co-op-translator.json @@ -540,8 +540,8 @@ "language_code": "te" }, "README.md": { - "original_hash": "da2ceed62f16a0820259556e3a873c95", - "translation_date": "2026-01-29T19:32:03+00:00", + "original_hash": "2f594ee136e3127a47f56d80055227bc", + "translation_date": "2026-02-06T09:31:22+00:00", "source_file": "README.md", "language_code": "te" }, diff --git a/translations/te/README.md b/translations/te/README.md index ec7f3e5e2..95bc66175 100644 --- a/translations/te/README.md +++ b/translations/te/README.md @@ -1,132 +1,175 @@ +[![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/) + ### 🌐 బహుభాషా మద్దతు -#### GitHub యాక్షన్ ద్వారా మద్దతు (స్వయంచాలక & ఎప్పటికప్పుడూ నవీకరించబడుతుంది) +#### GitHub చర్య ద్వారా మద్దతు (స్వయంచాలక మరియు ఎప్పుడూ తాజాకరణ) + + +[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](../ta/README.md) | [Telugu](./README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) -> **స్థానికంగా క్లోన్ చేయాలని ఇష్టపడుతున్నారా?** +> **స్థానికంగా క్లోన్ చేయడం ఇష్టం?** -> ఈ రిపోజిటరీలో 50+ భాషా అనువాదాలు ఉన్నాయి, ఇవి డౌన్‌లోడ్ పరిమాణాన్ని గణనీయంగా పెంచుతాయి. అనువాదాలు లేకుండా క్లోన్ చేయడానికి, స్పార్స్ చెకౌట్ ఉపయోగించండి: +> ఈ రిపోజిటరీ 50+ భాషా అనువాదాలను కలిగి ఉంది, ఇది డౌన్లోడ్ పరిమాణాన్ని ప్రముఖంగా పెంచుతుంది. అనువాదాలు లేకుండా క్లోన్ చేయడానికి, స్పార్స్ చెక్అవుట్ ఉపయోగించండి: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > cd ML-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` -> ఇది పాఠ్యాంశం పూర్తిచేయడానికి అవసరమైన అన్ని వస్తువులను చాలా వేగంగా డౌన్లోడ్ చేయడానికి అందిస్తుంది. +> ఇది కోర్సును పూర్తిచేయడానికి కావలసిన అన్ని వస్తువులను చాలా వేగంగా డౌన్లోడ్ చేసే అవకాశాన్ని ఇస్తుంది. + + +#### మా సమూహంలో చేరండి + +[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) + +మేము ఒక Discordలో AI తో నేర్చుకునే సిరీస్ నిర్వహిస్తున్నాము, మరింత తెలుసుకోండి మరియు [Learn with AI Series](https://aka.ms/learnwithai/discord) వద్ద 2025 సెప్టెంబర్ 18 నుండి 30 వరకు చేరండి. మీరు డేటా సైన్స్ కోసం GitHub Copilot ఉపయోగించే చిట్కాలు మరియు సూత్రాలను గ్రహించవచ్చు. + +![Learn with AI series](../../translated_images/te/3.9b58fd8d6c373c20.webp) + +# మొదటి సారిగా మెషిన్ లెర్నింగ్ - ఒక పాఠ్యపుస్తకం + +> 🌍 ప్రపంచ సంవృత్తుల ద్వారా మెషిన్ లెర్నింగ్‌ను అన్వేషిస్తూ ప్రపంచం చుట్టూ ప్రయాణించండి 🌍 + +Microsoftలోని క్లౌడ్ అడ్వొకేట్లు మెషిన్ లెర్నింగ్ గురించి 12 వారాల, 26 పాఠాల ఒక సంపూర్ణ అధ్యయన పాఠ్యక్రమాన్ని అందించడానికి సంతోషిస్తున్నాము. ఈ పాఠ్యక్రమంలో, మీరు తరచుగా "క్లాసిక్ మెషిన్ లెర్నింగ్" అని పిలవబడే విషయాలను, ప్రధానంగా Scikit-learn లైబ్రరీగా ఉపయోగించి మరియు డీప్ లెర్నింగ్‌ను దాటిచూపకుండా (మా [AI for Beginners' curriculum](https://aka.ms/ai4beginners)లో అందించబడింది) నేర్చుకుంటారు. ఈ పాఠాలను మా ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) తో కూడ కలిపి చూడండి. + +మనం ఈ క్లాసిక్ సాంకేతికతలను ప్రపంచంలోని వివిధ ప్రాంతాల డేటాపై అన్వయిస్తూ ప్రపంచం చుట్టూ ప్రయాణిద్దాం. ప్రతి పాఠం ముందు మరియు తర్వాత క్విజ్‌లు, పాఠాన్ని పూర్తి చేయడానికి వ్రాత సరళీకరణ, ఒక పరిష్కారం, ఒక అసైన్మెంట్ మరియు ఇంకా చాలా ఉంటాయి. మా ప్రాజెక్ట్-ఆధారిత పాఠ్య విధానం మీరు నిర్మిస్తూ నేర్చుకునే అవకాశాన్ని ఇస్తుంది, ఇది కొత్త నైపుణ్యాలు మట్టడంలో నిర్ధారిత మార్గం. -#### మా సముదాయంలో చేరండి +**✍️ మా రచయితలకు హృదయపూర్వక ధన్యవాదాలు** జెన్ లూపర్, స్టీఫన్ హావెల్, ఫ్రాన్సెస్‌కా లాజెరి, టోమోమీ ఇమురా, క్యాస్‌శీ బ్రేవియూ, ద్మిత్రి సోష్నీకొవ్, క్రిస్ నరింగ్, అనిర్బాన్ ముఖర్జీ, ఒర్నెల్లా అల్టున్యాన్, రూత్ యాకుబు మరియు ఎమీ బాయిడ్ -మేము Discordలో AI తో కలిసి నేర్చుకునే శ్రేణిని కొనసాగిస్తున్నాము, సెప్టెంబర్ 18 - 30, 2025 నాటికి [Learn with AI Series](https://aka.ms/learnwithai/discord) వద్ద మరింత వివరాలు తెలుసుకోండి మరియు చేర్చుకోండి. మీరు GitHub Copilot ను డేటా సైన్స్ కోసం ఉపయోగించే చిట్కాలు మరియు విధానాలు పొందగలుగుతారు. +**🎨 మా చిత్రం చిత్రకారులకు కూడా ధన్యవాదాలు** టోమోమీ ఇమురా, దాసాని మడిపల్లి, మరియు జెన్ లూపర్ -# మొదలు కావడం +**🙏 Microsoft స్టూడెంట్ అంబాసిడర్ రచయితలు, సమీక్షకులు, మరియు కంటెంట్ సహకారులకు ప్రత్యేక ధన్యవాదాలు**, ముఖ్యంగా రిషిట్ దాగ్లీ, ముహమ్మద్ సకిబ్ ఖాన్ ఇనాన్, రోహన్ రాజ్, అలెగ్జాండ్రూ పెట్రేస్కు, అభిషేక్ జైస్వాల్, న‌వ్రీన్ టబాస్సుమ్, ఇోయాన్ సముయిల, మరియు స్నిగ్ధ అగర్వాల్ -ఈ దశలను అనుసరించండి: -1. **రిపోజిటరీను ఫోర్క్ చేయండి**: ఈ పేజీ పైవైపు-కుడి మూలలో ఉన్న "Fork" బటన్‌ను క్లిక్ చేయండి. +**🤩 మైక్రోసాఫ్ట్ స్టూడెంట్ అంబాసిడర్స్ ఏరిక్ వాంజావ్, జస్లీన్ సోంధి మరియు విదుషి గుప్తా మా R పాఠాల కోసం అదనపు కృతజ్ఞతలు!** + +# ప్రారంభించడం + +ఈ దశలను అనుసరించండి: +1. **రిపోజిటరీని ఫోర్క్ చేయండి**: ఈ పేజీ ఎడమ పక్కకు ఉన్న "Fork" బటన్ క్లిక్ చేయండి. 2. **రిపోజిటరీని క్లోన్ చేయండి**: `git clone https://github.com/microsoft/ML-For-Beginners.git` -> [ఈ కోర్సుకు సంబంధించిన అన్ని అదనపు వనరులను మా Microsoft Learn సేకరణలో గుర్తించండి](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [ఈ కోర్సుకు సంబంధించిన అన్ని అదనపు వనరులను మా Microsoft Learn సేకరణలో కనుగొనండి](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) + +> 🔧 **సహాయం కావాలా?** స్థాపన, వ్యవస్థీకరణ, మరియు పాఠాలు నడుపుట విషయంలో సాధారణ సమస్యలకు పరిష్కారాల కోసం మా [Troubleshooting Guide](TROUBLESHOOTING.md) ను చూస్తే మెరుగైనదే. -> 🔧 **సహాయం కావాలా?** సాధారణ ఇన్‌స్టాలేషన్, సెటప్, మరియు పాఠ్యాంశాలు నడపుటలోకి సంబంధించిన పరిష్కారాల కోసం మా [Troubleshooting Guide](TROUBLESHOOTING.md) ను చెక్ చేయండి. -**[విద్యార్థులు](https://aka.ms/student-page)**, ఈ పాఠ్యాంశాన్ని ఉపయోగించడానికి, మొత్తం రిపోను మీ స్వంత GitHub ఖాతాకు ఫోర్క్ చేసి అటు/ఇటు గుంపుతో లేదా స్వయంగా వ్యాయామాలను పూర్తి చేయండి: +**[విద్యార్థులు](https://aka.ms/student-page)**, ఈ పాఠ్యక్రమాన్ని ఉపయోగించడానికి, మొత్తం రిపోను మీ స్వంత GitHub ఖాతాకు ఫోర్క్ చేసి, వ్యక్తిగతంగానో గుంపుగా చర్యలని పూర్తి చేయండి: -- డ్రాఫ్ట్ లెక్చర్ క్విజ్‌తో ప్రారంభించండి. -- లెక్చర్ చదవండి మరియు కార్యకలాపాలను పూర్తి చేయండి, ప్రతి జ్ఞానం తనిఖీ వద్ద ఆగి ఆలోచించండి. -- పరిష్కార కోడ్ ను నడపకుండా పాఠ్యాంశాలను అర్థం చేసుకొని ప్రాజెక్టులను సృష్టించాలని ప్రయత్నించండి; అయితే ఆ కోడ్ ప్రతి ప్రాజెక్ట్-ఆధారిత పాఠ్యాంశాలలోని `/solution` ఫోల్డర్లలో అందుబాటులో ఉంది. -- పోస్ట్-లెక్చర్ క్విజ్ తీసుకోండి. -- ఛాలెంజ్ పూర్తి చేయండి. -- అసైన్‌మెంట్ పూర్తి చేయండి. -- ఒక పాఠ్యాంశ సమూహం పూర్తిచేసిన తర్వాత, [చర్చా మండలి](https://github.com/microsoft/ML-For-Beginners/discussions) ను సందర్శించి సరైన PAT రూబ్రిక్‌ని పూరించడం ద్వారా "మాట్లాడటం నేర్చుకోండి". PAT అనేది మీరు మీ అభ్యాసాన్ని మరింతగా కొనసాగించడానికి పూరించే ప్రగతి మదింపు సాధనం రూబ్రిక్. మీరు ఇతర PAT లకు కూడా స్పందించి మేము కలసి నేర్చుకోవచ్చు. +- పాఠమునుపటి క్విజ్ తో ప్రారంభించండి. +- పాఠం చదివి, ప్రతి జ్ఞాన తనిఖీ వద్ద ఆగి ఆలోచిస్తూ చర్యలు పూర్తి చేయండి. +- పాఠాలను అర్థం చేసుకొని ప్రాజెక్టులు సృష్టించాలని ప్రాముఖ్యత ఇవ్వండి; అయినప్పటికీ, ఆ కోడ్ ప్రతి ప్రాజెక్ట్-కేంద్రీయ పాఠంలో `/solution` ఫోల్డర్‌లో అందుబాటులో ఉంటుంది. +- పాఠానంతర క్విజ్ తీసుకోండి. +- చాలెంజిని పూర్తి చేయండి. +- అసైన్మెంట్ పూర్తి చేయండి. +- పాఠం సమూహం పూర్తయ్యాక, [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) ను సందర్శించి, మీ అభ్యసనాన్ని పటిష్టంగా చూపించేందుకు సంబంధిత PAT రుబ్రిక్ ని భర్తీ చేయండి. PAT అంటే ప్రోగ్రెస్ అసెస్‌మెంట్ టూల్, ఇది నేర్చుకోవడంలో మీ పురోగతిని సూచించే రుబ్రిక్. మీరు ఇతర PAT లపై స్పందించి మనం కలిసి నేర్చుకోవచ్చు. -> అదనపు అధ్యయనానికి, ఈ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) మాడ్యూల్స్ మరియు అభ్యాస మార్గాలను అనుసరించడం మేము సిఫార్సు చేస్తున్నాము. +> మరింత అభ్యసనానికి, ఈ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) మాడ్యూల్‌లు మరియు అభ్యసన మార్గాలను అనుసరించాలని సలహా ఇస్తున్నాము. -**గురువులు**, ఈ పాఠ్యాంశాన్ని ఉపయోగించే విధానం పై మేము కొన్ని సూచనలను అందించాము [ఇక్కడ](for-teachers.md). +**గురువులు**, ఈ పాఠ్యక్రమాన్ని ఎలా ఉపయోగించాలో ఆలోచనలు కొన్ని [ఇక్కడ](for-teachers.md) ఉన్నాయి. --- -## వీడియో వాక్‌త్రూస్ +## వీడియో నడుపుటలు -కొన్ని పాఠ్యాంశాలు చిన్న ఫార్మ్ వీడియోగా అందుబాటులో ఉన్నాయి. మీరు ఈ వీడియోలను పాఠ్యాంశాల్లోనే లేదా [Microsoft Developer YouTube ఛానెల్‌లో ML for Beginners ప్లేలిస్ట్](https://aka.ms/ml-beginners-videos) వద్ద ఈ చిత్రాన్ని క్లిక్ చేయడం ద్వారా చూడవచ్చు. +కొన్ని పాఠాలు సంక్షిప్త వీడియోలుగా అందుబాటులో ఉన్నాయి. మీరు ఈ వీడియోలను పాఠాల్లోనే లేదా [ML for Beginners ప్లేలిస్ట్ Microsoft Developer YouTube ఛానెల్](https://aka.ms/ml-beginners-videos) లో క్రింద ఇవ్వబడ్డ చిత్రం క్లిక్ చేయడం ద్వారా చూడవచ్చు. + +[![ML for beginners banner](../../translated_images/te/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- -## జట్టు +## బృందాన్ని పరిచయం + +[![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) + +**Gif సృష్టికర్త** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) + +> 🎥 ప్రాజెక్ట్ మరియు దాన్ని సృష్టించిన వారిని గురించి వీడియో కోసం పై చిత్రాన్ని క్లిక్ చేయండి! --- -## పాఠ్యశాస్త్రం - -మేము ఈ పాఠ్యాంశాన్ని తయారు చేస్తుండగా రెండు పాఠ్య శాస్త్ర సిద్ధాంతాలను ఎంచుకున్నాము: ఇది ప్రాజెక్ట్-ఆధారితంగా ఉండటం మరియు తరచుగా క్విజ్‌లను కలిగి ఉండటం. అదనంగా, ఈ పాఠ్యాంశానికి ఒక సాధారణ వైఖరి పాటు ఒక సారూప్యం కూడా ఉంది. - -విషయాలు ప్రాజెక్ట్లకు అనుగుణంగా ఉంటాయని ఖాతరిగా చూస్తూనే విద్యార్థులకు మరింత ఆసక్తికరంగా ఉంటుందని మరియు భావనల నిల్వ బలపడుతుందని భావిస్తాము. తరగతికి ముందు ఒక తక్కువ-పరిశోధన క్విజ్ అభ్యాసి అధ్యయన లక్ష్యాన్ని ఏర్పరుస్తుంది, మరొక క్విజ్ తరగతికి తరువాత భావన నిల్వని పెంచుతుంది. ఈ పాఠ్యాంశం అనుకూలంగా మరియు సరదాగా ఉండేలా రూపొందించబడింది, పూర్తి లేదా భాగంగా తీసుకోవచ్చు. ప్రాజెక్టులు చిన్నవాటి నుంచి మొదలవుతూ కార్యక్రమం చివరి 12 వారాల చక్రం వరకు క్రమంగా క్లిష్టత పెరుగుతుంది. ఈ పాఠ్యాంశంలో చేరికగా వాస్తవ ప్రపంచంలో ML యొక్క వినియోగాలపై ఒక ఉపసంహారం కూడా ఉంటుంది, దీన్ని అదనపు క్రెడిట్ గానీ చర్చా ఆధ్యాయాలగా ఉపయోగించవచ్చు. - -> మా [ఆచరణ నియమావళి](CODE_OF_CONDUCT.md), [కాంట్రిబ్యూటింగ్](CONTRIBUTING.md), [అనువాదం](TRANSLATIONS.md), మరియు [సమస్య పరిష్కార సూచిక](TROUBLESHOOTING.md) మార్గదర్శకాలను చదవండి. మీ నిర్మాణాత్మక అభిప్రాయాలను స్వాగతిస్తున్నాము! - -## ప్రతి పాఠ్యాంశంలో ఉంటాయి - -- ఐచ్ఛిక స్కెచ్ నోట్ -- ఐచ్ఛిక సప్లిమెంటరీ వీడియో -- వీడియో వాక్‌త్రూ (కొన్ని పాఠ్యాంశాలకు మాత్రమే) -- [ప్రిరెక్చర్ వార్మప్ క్విజ్](https://ff-quizzes.netlify.app/en/ml/) -- వ్రాతపూర్వక పాఠ్యాంశం -- ప్రాజెక్ట్-ఆధారిత పాఠ్యాంశాలకు, ప్రాజెక్ట్ అడుగ adelga అడుగు గైడ్‌లు -- నాలెడ్జ్ చెక్స్య -- ఒక ఛాలెంజ్ -- సప్లిమెంటరీ చదువు -- అసైన్‌మెంట్ -- [పోస్ట్-లెక్చర్ క్విజ్](https://ff-quizzes.netlify.app/en/ml/) - -> **భాషల గురించి ఒక గమనిక**: ఈ పాఠ్యాంశాలు ప్రధానంగా Python లో వ్రాయబడ్డాయి, కానీ చాలావరకు R లో కూడా అందుబాటులో ఉన్నాయి. ఒక R పాఠ్యాంశాన్ని పూర్తి చేయడానికి, `/solution` ఫోల్డర్ వెళ్లి R పాఠ్యాంశాలను చూడండి. అవి `.rmd` ఫైల్స్‌గా ఉంటాయి, ఇవి **R మార్కడౌన్** ఫైల్స్‌లోకలిపివుంటాయి - దీనిలో `code chunks` (R లేదా ఇతర భాషల కోడ్) మరియు `YAML header` ఉంటాయి, ఇవి PDF వంటి ఔట్‌పుట్‌లను ఎలా ఫార్మాటుచేసుకోవాలనే దానిని వివరిస్తాయి. అందువల్ల, ఇది డేటా సైన్స్ కోసం ఒక ఉదాహరణాత్మక రచనా ఫ్రేమ్‌వర్క్‌గా ఉంది, ఎందుకంటే ఇది మీ కోడ్, దాని ఉత్పత్తి, మరియు మీ ఆలోచనలు మార్కడౌన్‌లో వ్రాయడానికి అనుమతిస్తుంది. అంతేకాదు, R మార్కడౌన్ డాక్యుమెంట్లు PDF, HTML, లేదా Word వంటి ఔట్‌పుట్ ఫార్మాట్లలోకి కూడా మార్చుకోవచ్చు. -> **క్విజ్‌ల గురించి ఒక గమనిక**: అన్ని క్విజ్‌లు [Quiz App ఫోల్డర్](../../quiz-app)లో ఉన్నాయి, ఇది మొత్తం 52 క్విజ్‌లు, ఒక్కోటి మూడు ప్రశ్నలు కలిగి ఉన్నాయి. అవి పాఠాల నుంచి లింక్ చేయబడ్డాయి కానీ క్విజ్ యాప్‌ను లోకల్‌గా కూడా నడిపించవచ్చు; స్థానికంగా హోస్ట్ చేయడానికి లేదా Azureకి డిప్లాయ్ చేయడానికి `quiz-app` ఫోల్డర్‌లో ఉన్న సూచనలను అనుసరించండి. - -| పాఠ సంఖ్య | విషయం | పాఠాల సమూహం | అభ్యాస లక్ష్యాలు | లింక్ చేయబడిన పాఠం | రచయిత | -| :--------: | :------------------------------------------------------------: | :-----------------------------------------------: | ---------------------------------------------------------------------------------------------------------------------------- | :-------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | -| 01 | మెషీన్ లెర్నింగ్ పరిచయం | [Introduction](1-Introduction/README.md) | మెషీన్ లెర్నింగ్ పునాది సూత్రాలను నేర్చుకోండి | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad | -| 02 | మెషీన్ లెర్నింగ్ చరిత్ర | [Introduction](1-Introduction/README.md) | ఈ రంగం వెనుక చరిత్రను నేర్చుకోండి | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | -| 03 | న్యాయం మరియు మెషీన్ లెర్నింగ్ | [Introduction](1-Introduction/README.md) | న్యాయం గురించి ముఖ్యమైన తాత్త్విక అంశాలు ఏమిటి, వీటిని ML మోడల్స్ నిర్మాణం మరియు అమలులో పరిగణించాల్సింది ఏమిటి? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi | -| 04 | మెషీన్ లెర్నింగ్ సాంకేతికతలు | [Introduction](1-Introduction/README.md) | ML పరిశోధకులు ML మోడల్స్ నిర్మించడానికి ఉపయోగించే సాంకేతికతలు ఏమిటి? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | -| 05 | రిగ్రెషన్ పరిచయం | [Regression](2-Regression/README.md) | రిగ్రెషన్ మోడల్స్ కోసం Python మరియు Scikit-learn తో ప్రారంభించండి | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | -| 06 | ఉత్తర అమెరికా పంకిన్ ధరలు 🎃 | [Regression](2-Regression/README.md) | MLకోసం డేటాను విజువలైజ్ చేసి శుభ్రం చేయండి | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | -| 07 | ఉత్తర అమెరికా పంకిన్ ధరలు 🎃 | [Regression](2-Regression/README.md) | లీనియర్ మరియు పోలినామియల్ రిగ్రెషన్ మోడల్స్‌ను తయారుచేయండి | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau | -| 08 | ఉత్తర అమెరికా పంకిన్ ధరలు 🎃 | [Regression](2-Regression/README.md) | ఒక లాజిస్టిక్ రిగ్రెషన్ మోడల్‌ను నిర్మించండి | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | -| 09 | ఒక వెబ్ యాప్ 🔌 | [Web App](3-Web-App/README.md) | మీ శిక్షణ పొందిన మోడల్ ఉపయోగించడానికి ఒక వెబ్ యాప్ నిర్మించండి | [Python](3-Web-App/1-Web-App/README.md) | Jen | -| 10 | వర్గీకరణ పరిచయం | [Classification](4-Classification/README.md) | మీ డేటాను శుభ్రం చేయండి, సిద్ధం చేయండి, మరియు విజువలైజ్ చేయండి; వర్గీకరణకి పరిచయం | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau | -| 11 | రుచికరమైన ఆసియాన్ మరియు ఇండియన్ వంటకాలు 🍜 | [Classification](4-Classification/README.md) | వర్గీకరణల పరిచయం | [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 | రుచికరమైన ఆసియాన్ మరియు ఇండియన్ వంటకాలు 🍜 | [Classification](4-Classification/README.md) | మరిన్ని వర్గీకరణకారులు | [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 | రుచికరమైన ఆసియాన్ మరియు ఇండియన్ వంటకాలు 🍜 | [Classification](4-Classification/README.md) | మీ మోడల్ ఉపయోగించి ఒక సిఫార్సు వెబ్ యాప్ ని నిర్మించండి | [Python](4-Classification/4-Applied/README.md) | Jen | -| 14 | క్లస్టరింగ్ పరిచయం | [Clustering](5-Clustering/README.md) | మీ డేటాను శుభ్రం చేయండి, సిద్ధం చేయండి, విజువలైజ్ చేయండి; క్లస్టరింగ్ పరిచయం | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | -| 15 | నైజీరియన్ సంగీత రుచులు పరిశీలన 🎧 | [Clustering](5-Clustering/README.md) | K-Means క్లస్టరింగ్ పద్ధతిని అన్వేషించండి | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | -| 16 | సహజ భాషా ప్రాసెసింగ్ పరిచయం ☕️ | [Natural language processing](6-NLP/README.md) | ఒక సరళమైన బాట్ నిర్మించడం ద్వారా NLP యొక్క ప్రాథమికాంశాలను నేర్చుకోండి | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | -| 17 | సాధారణ NLP పనులు ☕️ | [Natural language processing](6-NLP/README.md) | భాషా నిర్మాణాలతో వ్యవహరించేటప్పుడు అవసరమైన సాధారణ పనులు అర్థం చేసుకుని మీ NLP జ్ఞానం పెంచుకోండి | [Python](6-NLP/2-Tasks/README.md) | Stephen | -| 18 | అనువాదం మరియు భావ విశ్లేషణ ♥️ | [Natural language processing](6-NLP/README.md) | Jane Austen తో అనువాదం మరియు భావ విశ్లేషణ | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | -| 19 | యూరోప్ యొక్క రొమాంటిక్ హోటల్స్ ♥️ | [Natural language processing](6-NLP/README.md) | హోటల్ సమీక్షలతో ఒక భావ విశ్లేషణ 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | -| 20 | యూరోప్ యొక్క రొమాంటిక్ హోటల్స్ ♥️ | [Natural language processing](6-NLP/README.md) | హోటల్ సమీక్షలతో ఒక భావ విశ్లేషణ 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | -| 21 | టైమ్ సిరీస్ ప్రణాళికకి పరిచయం | [Time series](7-TimeSeries/README.md) | టైమ్ సిరీస్ ప్రణాళికకు పరిచయం | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | -| 22 | ⚡️ ప్రపంచ విద్యుత్ వినియోగం ⚡️ - ARIMA తో టైమ్ సిరీస్ ప్రణాళిక | [Time series](7-TimeSeries/README.md) | ARIMAతో టైమ్ సిరీస్ ప్రణాళిక | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | -| 23 | ⚡️ ప్రపంచ విద్యుత్ వినియోగం ⚡️ - SVRతో టైమ్ సిరీస్ ప్రణాళిక | [Time series](7-TimeSeries/README.md) | సపోర్ట్ వెక్టర్ రిగ్రెషర్‌తో టైమ్ సిరీస్ ప్రణాళిక | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | -| 24 | రీఇన్ఫోర్స్‌మెంట్ లెర్నింగ్ పరిచయం | [Reinforcement learning](8-Reinforcement/README.md) | Q-Learningతో రీఇన్ఫోర్స్‌మెంట్ లెర్నింగ్ పరిచయం | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | -| 25 | పాటర్‌ను గేదె నుండి తప్పించండి! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | రీఇన్ఫోర్స్‌మెంట్ లెర్నింగ్ జిం | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | -| తర్వాతి భాగం | వాస్తవ ప్రపంచ ML పరిస్థితులు మరియు అనువర్తనాలు | [ML in the Wild](9-Real-World/README.md) | క్లాసికల్ ML యొక్క ఆసక్తికరమైన మరియు వివరించే వాస్తవ ప్రపంచ అనువర్తనాలు | [Lesson](9-Real-World/1-Applications/README.md) | టీమ్ | -| తర్వాతి భాగం | RAI డాష్‌బోర్డ్తో MLలో మోడల్ డిబగ్గింగ్ | [ML in the Wild](9-Real-World/README.md) | రిస్పాన్సిబుల్ AI డాష్‌బోర్డు భాగాలతో మెషీన్ లెర్నింగ్‌లో మోడల్ డిబగ్గింగ్ | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | - -> [ఈ కోర్సు కోసం మా Microsoft Learn సేకరణలో అన్ని అదనపు వనరులను కనుగొనండి](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +## పాఠ్య విధానం + +మేము ఈ పాఠ్యక్రమంను రూపొందించేప్పుడు రెండు విద్యా సూత్రాలను ఎంచుకున్నాం: ఇది చేతులతో చేయగల **ప్రాజెక్ట్-ఆధారితం** కావాలి మరియు దీంట్లో **తనిఖీలు చాలాసార్లు** ఉండాలి. అదనంగా, ఈ పాఠ్యక్రమానికి ఒక సాధారణ **థీమ్** ఉందని నిర్ధారించాం. + +విషయాలను ప్రాజెక్టులకు అనుసంధానించడం వలన విద్యార్థులకు ఆసక్తి పెరుగుతుంది మరియు భావనల మరపక తగ్గుతుంది. తరగతి మొదట్లో తక్కువ ఒత్తిడి ఉన్న క్విజ్ విద్యార్థి యొక్క అభ్యసన లక్ష్యాన్ని పెంచుతుంది, తరగతి అనంతరం రెండవ క్విజ్ మరింత జ్ఞాపకం పెంచుతుంది. ఈ పాఠ్యక్రమం సులభంగా అనుసరించదగ్గదిగా, మజాలో ఉండే విధంగా రూపొందించబడింది. 12 వారాల చక్ర ముగింపు వరకు ప్రాజెక్టులు చిన్నవి నుండి పెద్దవి అవుతాయి. ఈ పాఠ్యక్రమంలో ఒక ML యొక్క వాస్తవ ప్రపంచ వినియోగాల మీద ఒక పోస్ట్‌స్క్రిప్ట్ కూడా ఉంది, ఇది అదనపు క్రెడిట్ లేదా చర్చ ఆధారం కావచ్చు. + +> మా [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md), మరియు [Troubleshooting](TROUBLESHOOTING.md) మార్గనిర్దేశకాలను చూడండి. మీ అభిప్రాయాన్ని స్వాగతిస్తున్నాము! + +## ప్రతి పాఠంలో ఉండేది + +- ఐచ్ఛిక స్కెచ్‌నోట్ +- ఐచ్ఛిక సహాయక వీడియో +- వీడియో నడుపుట (కొన్ని పాఠాలు మాత్రమే) +- [పాఠమునుపటి వార్మ్-అప్ క్విజ్](https://ff-quizzes.netlify.app/en/ml/) +- వ్రాత పాఠం +- ప్రాజెక్ట్-ఆధారిత పాఠాల కోసం, ప్రాజెక్టు నిర్మాణం పై దశలవారీ మార్గదర్శకాలు +- జ్ఞాన తనిఖీలు +- ఒక చాలెంజ్ +- సహాయక పఠనం +- అసైన్మెంట్ +- [పాఠానంతర క్విజ్](https://ff-quizzes.netlify.app/en/ml/) + +> **భాషల గురించి వ్యాఖ్య**: ఈ పాఠాలు ప్రధానంగా Python లో వ్రాసినవి, కానీ అనేక వాటి R లో కూడా ఉన్నాయి. R పాఠం పూర్తి చేయడానికి, `/solution` ఫోల్డర్ లోని R పాఠాలను చూడండి. అవి .rmd పొడిగింపు కలవు, ఇది **R Markdown** ఫైల్‌కి చెందినది, అంటే ఇది `code chunks` (R లేదా ఇతర భాషలలో) మరియు `YAML header` (PDF వంటి ఫలితాల ఆకృతీకరణకి మార్గదర్శకం) ను మార్క్డౌన్ డాక్యుమెంట్‌లో ఉన్నట్టుగా ఒక స్నేహపూర్వక రచనా ఫ్రేమ్‌వర్క్. డేటా సైన్స్ లో ఇది మీ కోడ్, దాని అవుట్‌పుట్ మరియు మీ ఆలోచనలని మార్క్డౌన్‌లో వ్రాయడానికి ఒక ఉత్తమ మార్గం. ఇంకా, R Markdown డాక్యుమెంట్‌లు PDF, HTML, లేదా Word వంటి అవుట్‌పుట్ ఫార్మాట్స్‌కి మార్చవచ్చు. +> **క్విజ్‌ల గురించి ఒక గమనిక**: అన్ని క్విజ్‌లు [Quiz App ఫోల్‌డర్](../../quiz-app)లో ఉన్నాయి, ప్రతి ఒక్కటి మూడు ప్రశ్నలతో కూడిన మొత్తం 52 క్విజ్‌లు. అవి పాఠాల మధ్య లింకై ఉంటాయి కానీ క్విజ్ యాప్‌ను స్థానికంగా నడపవచ్చు; `quiz-app` ఫోల్‌డర్‌లోని సూచనను అనుసరించి స్థానికంగా హోస్ట్ చేయండి లేదా Azureకి మోర్పించండి. + +| పాఠం సంఖ్య | విషయం | పాఠ సమూహం | అభ్యసన లక్ష్యాలు | లింకు పెట్టబడిన పాఠం | రచయిత | +| :---------: | :------------------------------------------------------------: | :---------------------------------------------: | ---------------------------------------------------------------------------------------------------------------------------- | :------------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | +| 01 | యంత్ర అధ్యయనానికి పరిచయం | [Introduction](1-Introduction/README.md) | యంత్ర అధ్యయనం స్థానిక భావనలను నేర్చుకోండి | [పాఠం](1-Introduction/1-intro-to-ML/README.md) | ముహమ్మద్ | +| 02 | యంత్ర అధ్యయన చరిత్ర | [Introduction](1-Introduction/README.md) | ఈ రంగం వెనుక చరిత్రను తెలుసుకోండి | [పాఠం](1-Introduction/2-history-of-ML/README.md) | జెన్ మరియు ఎమీ | +| 03 | న్యాయం మరియు యంత్ర అధ్యయనం | [Introduction](1-Introduction/README.md) | యంత్ర మోడళ్లను నిర్మించేటప్పుడు మరియు వర్తింపజెయేటప్పుడు విద్యార్థులు పరిగణలోకి తీసుకోవలసిన న్యాయానికి సంబంధించిన ముఖ్య తత్త్వ అంశాలు ఏమిటి? | [పాఠం](1-Introduction/3-fairness/README.md) | టోమోమి | +| 04 | యంత్ర అధ్యయన సాంకేతికతలు | [Introduction](1-Introduction/README.md) | యంత్ర మోడళ్లను నిర్మించడానికి యంత్ర అధ్యయనం పరిశోధకులు ఉపయోగించే సాంకేతికతలు ఏమిటి? | [పాఠం](1-Introduction/4-techniques-of-ML/README.md) | క్రిస్ మరియు జెన్ | +| 05 | రిగ్రెషన్‌కు పరిచయం | [Regression](2-Regression/README.md) | రిగ్రెషన్ మోడళ్ల కోసం Python మరియు Scikit-learn ఉపయోగించి ప్రారంభించండి | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | జెన్ • ఎరిక్ వాంజౌ | +| 06 | ఉత్తర అమెరికన్ పంకిన్ ధరలు 🎃 | [Regression](2-Regression/README.md) | యంత్ర అధ్యయనానికి నిజమైన డేటా స్రవంతులను చూపించండి మరియు శుభ్రపరచండి | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | జెన్ • ఎరిక్ వాంజౌ | +| 07 | ఉత్తర అమెరికన్ పంకిన్ ధరలు 🎃 | [Regression](2-Regression/README.md) | లీనియర్ మరియు పాలినామియల్ రిగ్రెషన్ మోడళ్లను నిర్మించండి | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | జెన్ మరియు డిమిత్రి • ఎరిక్ వాంజౌ | +| 08 | ఉత్తర అమెరికన్ పంకిన్ ధరలు 🎃 | [Regression](2-Regression/README.md) | ఒక లాజిస్టిక్ రిగ్రెషన్ మోడల్‌ను నిర్మించండి | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | జెన్ • ఎరిక్ వాంజౌ | +| 09 | ఒక వెబ్ యాప్ 🔌 | [Web App](3-Web-App/README.md) | మీ శిక్షణ పొందిన మోడల్ ఉపయోగించడానికి ఒక వెబ్ యాప్ రూపొందించండి | [Python](3-Web-App/1-Web-App/README.md) | జెన్ | +| 10 | వర్గీకరణకు పరిచయం | [Classification](4-Classification/README.md) | మీ డేటాను శుభ్రపరచండి, సిద్ధం చేయండి, మరియు దృశ్యీకరించండి; వర్గీకరణకు పరిచయం | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | జెన్ మరియు క్యాసీ • ఎరిక్ వాంజౌ | +| 11 | రుచికరమైన ఆసియా మరియు భారతీయ వంటకాలు 🍜 | [Classification](4-Classification/README.md) | వర్గీకరణ కర్తల పరిచయం | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | జెన్ మరియు క్యాసీ • ఎరిక్ వాంజౌ | +| 12 | రుచికరమైన ఆసియా మరియు భారతీయ వంటకాలు 🍜 | [Classification](4-Classification/README.md) | మరిన్ని వర్గీకరణ కర్తల | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | జెన్ మరియు క్యాసీ • ఎరిక్ వాంజౌ | +| 13 | రుచికరమైన ఆసియా మరియు భారతీయ వంటకాలు 🍜 | [Classification](4-Classification/README.md) | మీ మోడల్ ఉపయోగించి ఒక సిఫారసు చేసే వెబ్ యాప్‌ను నిర్మించండి | [Python](4-Classification/4-Applied/README.md) | జెన్ | +| 14 | క్లస్టరింగ్‌కు పరిచయం | [Clustering](5-Clustering/README.md) | మీ డేటాను శుభ్రపరచండి, సిద్ధం చేయండి, మరియు దృశ్యీకరించండి; క్లస్టరింగ్‌కు పరిచయం | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | జెన్ • ఎరిక్ వాంజౌ | +| 15 | నైజీరియన్ సంగీత రుచులను అన్వేషణ చేయడం 🎧 | [Clustering](5-Clustering/README.md) | K-Mీన్స్ క్లస్టరింగ్ పద్ధతిని అన్వేషించండి | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | జెన్ • ఎరిక్ వాంజౌ | +| 16 | సహజ భాష ప్రాసెసింగ్‌కు పరిచయం ☕️ | [Natural language processing](6-NLP/README.md) | ఒక సాధారణ బాట్ నిర్మించడం ద్వారా NLP గురించి ప్రాథమిక విషయాలను తెలుసుకోండి | [Python](6-NLP/1-Introduction-to-NLP/README.md) | స్టీఫెన్ | +| 17 | సాధారణ NLP పనులు ☕️ | [Natural language processing](6-NLP/README.md) | భాషా సూత్రాలతో పని చేయేటప్పుడు అవసరమైన సాధారణ పనులను అర్థం చేసుకోవడంతో మీ NLP జ్ఞానాన్ని లోతుగా చేయండి | [Python](6-NLP/2-Tasks/README.md) | స్టీఫెన్ | +| 18 | అనువాదం మరియు భావ విశ్లేషణ ♥️ | [Natural language processing](6-NLP/README.md) | జేన్ ఆస్టెన్‌తో అనువాదం మరియు భావ విశ్లేషణ | [Python](6-NLP/3-Translation-Sentiment/README.md) | స్టీఫెన్ | +| 19 | యూరోప్‌లో రొమాంటిక్ హోటళ్ళు ♥️ | [Natural language processing](6-NLP/README.md) | హోటల్ సమీక్షలతో భావ విశ్లేషణ 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | స్టీఫెన్ | +| 20 | యూరోప్‌లో రొమాంటిక్ హోటళ్ళు ♥️ | [Natural language processing](6-NLP/README.md) | హోటల్ సమీక్షలతో భావ విశ్లేషణ 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | స్టీఫెన్ | +| 21 | టైం సిరీస్ ఫోర్కాస్టింగ్‌కు పరిచయం | [Time series](7-TimeSeries/README.md) | టైం సిరీస్ ఫోర్కాస్టింగ్‌కు పరిచయం | [Python](7-TimeSeries/1-Introduction/README.md) | ఫ్రాన్సెస్కా | +| 22 | ⚡️ ప్రపంచ శక్తి వినియోగం ⚡️ - ARIMAతో టైం సిరీస్ ఫోర్కాస్టింగ్ | [Time series](7-TimeSeries/README.md) | ARIMAతో టైం సిరీస్ ఫోర్కాస్టింగ్ | [Python](7-TimeSeries/2-ARIMA/README.md) | ఫ్రాన్సెస్కా | +| 23 | ⚡️ ప్రపంచ శక్తి వినియోగం ⚡️ - SVRతో టైం సిరీస్ ఫోర్కాస్టింగ్ | [Time series](7-TimeSeries/README.md) | సపోర్ట్ వెక్టర్ రిగ్రెసర్‌తో టైం సిరీస్ ఫోర్కాస్టింగ్ | [Python](7-TimeSeries/3-SVR/README.md) | అనిర్బాన్ | +| 24 | రీయిన్ఫోర్స్‌మెంట learningకి పరిచయం | [Reinforcement learning](8-Reinforcement/README.md) | Q-Learningతో రీయిన్ఫోర్స్‌మెంట learningకి పరిచయం | [Python](8-Reinforcement/1-QLearning/README.md) | డిమిత్రి | +| 25 | పీటర్‌ను నక్క నుండి రక్షించండి! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | రీయిన్ఫోర్స్‌మెంట learning జిమ్ | [Python](8-Reinforcement/2-Gym/README.md) | డిమిత్రి | +| పోస్ట్‌స్క్రిప్ట్ | వాస్తవ ప్రపంచ ML పరిస్థితులు మరియు అనువర్తనాలు | [ML in the Wild](9-Real-World/README.md) | క్లాసికల్ ML యొక్క ఆసక్తికరమైన మరియు వెలుగుల్లో వాస్తవ ప్రపంచ అనువర్తనాలు | [పాఠం](9-Real-World/1-Applications/README.md) | జట్టు | +| పోస్ట్‌స్క్రిప్ట్ | RAI డాష్‌బోర్డ్ ఉపయోగించి MLలో మోడల్ డీబగ్గింగ్ | [ML in the Wild](9-Real-World/README.md) | జవాబుదారీ AI డాష్‌బోర్డ్ భాగాలతో మెషీన్ లెర్నింగ్‌లో మోడల్ డీబగ్గింగ్ | [పాఠం](9-Real-World/2-Debugging-ML-Models/README.md) | రూత్ యకుబు | + +> [ఈ కోర్సు కోసం అన్ని అదనపు వనరులను మా Microsoft Learn సేకరణలో కనుగొనండి](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## ఆఫ్‌లైన్ యాక్సెస్ -[Docsify](https://docsify.js.org/#/) ఉపయోగించి మీరు ఈ డాక్యుమెంటేషన్‌ను ఆఫ్‌లైన్‌లో నడిపించవచ్చు. ఈ రిపోను ఫోర్క్ చేసి, మీ లోకల్ యంత్రంలో [Docsify ను ఇన్‌స్టాల్](https://docsify.js.org/#/quickstart) చేయండి, ఆ తర్వాత ఈ రిపో యొక్క రూట్ ఫోల్డర్‌లో `docsify serve` ను టైపు చేయండి. వెబ్ సైట్ మీ లోకల్హోస్ట్ పై పోర్ట్ 3000 లో సర్వ్ అవుతుంది: `localhost:3000`. +మీరు ఈ డాక్యుమెంటేషన్‌ను ఆఫ్‌లైన్‌లో [Docsify](https://docsify.js.org/#/) ఉపయోగించి నడపవచ్చు. ఈ రిపోను ఫోర్క్ చేసి, మీ స్థానిక యంత్రంలో [Docsifyని ఇన్‌స్టాల్](https://docsify.js.org/#/quickstart) చేయండి, ఆపై ఈ రిపో యొక్క రూట్ ఫోల్డర్లో `docsify serve` టైప్ చేయండి. వెబ్‌సైట్ మీ స్థానికహోస్ట్లో పోర్ట్ 3000 పై సర్వ్ అవుతుంది: `localhost:3000`. ## PDFలు -కురిక్యులం యొక్క PDFను లింకులతో [ఇక్కడ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) కనుగొనండి. +లింకులతో కూడిన పాఠ్యపథక PDFను [ఇక్కడ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) కనుగొనండి. ## 🎒 ఇతర కోర్సులు -మా టీమ్ ఇతర కోర్సులను తయారు చేస్తోంది! చూడండి: +మా జట్టు ఇతర కోర్సులు ఉత్పత్తి చేస్తుంది! చూడండి: ### 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) --- ### Azure / Edge / MCP / Agents @@ -138,43 +181,43 @@ --- ### Generative AI Series -[![Generation AI ప్రారంభికులు కోసం](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) -[![Generation 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) -[![Generation 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) -[![Generation 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) +[![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) --- - -### ప్రాథమిక అభ్యాసం -[![ML ప్రారంభికులు కోసం](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) -[![డేటా శాస్త్రం ప్రారంభికులు కోసం](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 ప్రారంభికులు కోసం](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) -[![సైబర్‌భద్రత మొదటిసారిగా](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) -[![వెబ్ డెవలప్‌మెంట్ ప్రారంభికులు కోసం](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 ప్రారంభికులు కోసం](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 అభివృద్ధి ప్రారంభికులు కోసం](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) + +### ప్రధాన అధ్యయనం +[![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) --- - -### కొపైలట్ శ్రేణి -[![AI జంట ప్రోగ్రామింగ్ కొపైలట్](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 కొపైలట్](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) -[![కొపైలట్ అడ్వెంచర్](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) + +### కోపైలట్ సిరీస్ +[![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) ## సహాయం పొందడం -మీరు ఇబ్బంది పడితే లేదా AI యాప్లను నిర్మించడం గురించి ఏవైనా ప్రశ్నలు ఉంటే. MCP గురించి fellow learners మరియు అనుభవజ్ఞులైన డెవలపర్లతో చర్చల్లో చేరండి. ఇది ప్రశ్నలు స్వాగతించబడే, జ్ఞానం స్వేచ్ఛగా పంచుకునే మద్దతుగా ఉన్న సంఘం. +మీరు ఇబ్బంది పడితే లేదా AI యాప్స్ నిర్మించే సమయంలో ఏవైనా ప్రశ్నలు ఉంటే. MCP గురించి Fellow learners మరియు అనుభవజ్ఞులైన డెవలపర్లు చర్చల్లో చేరండి. ఇది ప్రశ్నలకు స్వాగతం పలుకుతున్న, జ్ఞానం స్వేచ్ఛగా పంచుకునే మద్దతు సమాజం. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -మీకు ఉత్పత్తి అభిప్రాయాలు లేదా నిర్మాణంలో లోపాలు ఉంటే సందర్శించండి: +మీకు ఉత్పత్తి సంబంధించిన అభిప్రాయం లేదా నిర్మాణ సమయంలో లోపాలు ఉంటే సందర్శించండి: [![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) --- -**డిస్లేమర్**: -ఈ పత్రాన్ని AI అనువాద సేవ [Co-op Translator](https://github.com/Azure/co-op-translator) ఉపయోగించి అనువదించడం జరిగింది. మేము సరిగ్గా అనువదించేందుకు శ్రద్ధ తీసుకున్నప్పటికీ, ఆటోమేటిక్ అనువాదాలలో పొరపాట్లు లేదా లోపాలు ఉండవచ్చు. అసలు పత్రం తన స్వదేశీ భాషలో ఉన్నదానిని అధికారిక మూలంగా పరిగణించాలి. కీలక సమాచారం కొరకు, ప్రొఫెషనల్ మానవ అనువాదం చేయించుకోవడం సూచించబడుతుంది. ఈ అనువాదం వలన కలిగే ఏదైనా అపార్థాలు లేదా తప్పుతలంపులకు మేము బాధ్యత కలిగించము. +**డిస్క్లెయిమర్**: +ఈ పత్రాన్ని AI అనువాద సేవ [Co-op Translator](https://github.com/Azure/co-op-translator) ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నిస్తున్నా, ఆటోమేటెడ్ అనువాదాలలో పొరపాట్లు లేదా అసముచితతలు ఉండవచ్చు. పద్ధతిగా, మూల పత్రం స్థానిక భాషలోనే అధికారిక మూలంగా తీసుకోవాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం చేయించుకోవడం మేలు. ఈ అనువాదం ఉపయోగం కారణంగా ఏర్పడిన ఏవైనా అపర్ధాలు లేదా తప్పుడు అర్థం చేసుకున్నట్లయితే మేము బాధ్యులు కంకాలము కదవము. \ No newline at end of file