> यह रिपॉजिटरी 50+ भाषा अनुवाद शामिल करता है जो डाउनलोड आकार को काफी बढ़ाता है। बिना अनुवादों के क्लोन करने के लिए sparse checkout का उपयोग करें:
> इस रिपॉजिटरी में 50+ भाषा के अनुवाद शामिल हैं जो डाउनलोड साइज को काफी बढ़ा देते हैं। अनुवाद के बिना क्लोन करने के लिए, sparse checkout का उपयोग करें:
हमारे पास AI के साथ सीखने की एक श्रृंखला डिस्कॉर्ड पर चल रही है, अधिक जानने और 18 - 30 सितंबर, 2025 को [Learn with AI Series](https://aka.ms/learnwithai/discord) पर हमारे साथ जुड़ें। आप डेटा साइंस के लिए GitHub Copilot के उपयोग के टिप्स और ट्रिक्स प्राप्त करेंगे।
हमारे पास AI के साथ सीखने की एक Discord श्रृंखला चल रही है, अधिक जानने और हमारे साथ जुड़ने के लिए [Learn with AI Series](https://aka.ms/learnwithai/discord) देखें, जो 18 - 30 सितंबर, 2025 तक चलेगी। आपको GitHub Copilot का उपयोग डेटा साइंस के लिए करने के टिप्स और ट्रिक्स मिलेंगे।
# शुरुआती के लिए मशीन लर्निंग - एक पाठ्यक्रम
> 🌍 जैसे-जैसे हम मशीन लर्निंग का पता लगाते हैं, दुनिया भर की संस्कृतियों के माध्यम से यात्रा करें 🌍
> 🌍 दुनिया के विभिन्न सांस्कृतिक संदर्भों के माध्यम से मशीन लर्निंग की खोज करते हुए दुनिया की यात्रा करें 🌍
Microsoft के क्लाउड एडवोकेट खुशी से एक 12 सप्ताह, 26-पाठ्यक्रम प्रदान कर रहे हैं जो पूरी तरह से **मशीन लर्निंग** के बारे में है। इस पाठ्यक्रम में, आप जो कुछ कभी-कभी **क्लासिक मशीन लर्निंग** कहा जाता है, उसे सीखेंगे, जिसमें मुख्य रूप से स्किकिट-लर्न पुस्तकालय का उपयोग होता है और डीप लर्निंग से बचा जाता है, जो हमारे [AI for Beginners' curriculum](https://aka.ms/ai4beginners) में कवर किया गया है। इस पाठ्यक्रम के साथ हमारे ['डेटा साइंस फॉर बिगिनर्स' curriculum](https://aka.ms/ds4beginners) को भी जोड़ें!
Microsoft के Cloud Advocates 12 सप्ताह, 26 पाठों का एक पाठ्यक्रम पेश करते हैं जो पूरी तरह से **मशीन लर्निंग** के बारे में है। इस पाठ्यक्रम में, आप उस प्रक्रिया को सीखेंगे जिसे कभी-कभी **क्लासिक मशीन लर्निंग** कहा जाता है, जिसमें मुख्य रूप से Scikit-learn लाइब्रेरी का उपयोग होता है और गहन शिक्षण से बचा जाता है, जिसे हमारे [AI for Beginners' curriculum](https://aka.ms/ai4beginners) में शामिल किया गया है। साथ ही, इन पाठों को हमारे ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) के साथ जोड़ें।
हमारे साथ दुनिया भर की यात्रा करें क्योंकि हम इन क्लासिक तकनीकों को दुनिया के कई क्षेत्रों के डेटा पर लागू करते हैं। प्रत्येक पाठ में पूर्व और बाद के क्विज, पाठ पूरा करने के लिए लिखित निर्देश, एक समाधान, एक असाइनमेंट, और बहुत कुछ शामिल है। हमारा परियोजना-आधारित शिक्षण तरीका आपको निर्माण करते हुए सीखने की अनुमति देता है, जो नई कौशलों को 'टिकाने' का एक सिद्ध तरीका है।
दुनिया के विभिन्न क्षेत्रों के डेटा पर इन क्लासिक तकनीकों को लागू करते हुए हमारे साथ यात्रा करें। प्रत्येक पाठ में प्री-और पोस्ट-लेसन क्विज़, लिखित निर्देश, समाधान, असाइनमेंट, और अधिक शामिल हैं। हमारा परियोजना-आधारित शिक्षण तरीका आपको निर्माण के दौरान सीखने का अवसर देता है, जो नए कौशलों को 'चिपकाने' का सिद्ध तरीका है।
**✍️ हमारे लेखकों को हार्दिक धन्यवाद** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu और Amy Boyd
**🎨 हमारे इलस्ट्रेटर्स को भी धन्यवाद** टोमोमी इमुरा, दासनी मदीपल्ली, और जेन लूपर
**🎨 हमारे चित्रकारों का भी धन्यवाद** Tomomi Imura, Dasani Madipalli, और Jen Looper
**🙏 विशेष धन्यवाद 🙏 हमारे Microsoft Student Ambassador लेखकों, समीक्षकों, और सामग्री योगदानकर्ताओं को**, विशेष रूप से ऋषित डागली, मुहम्मद साकिब खान इनान, रोहन राज, अलेक्जेंडरु पेट्रेस्कु, अभिषेक जयसवाल, नवरिन तबस्सुम, इवान समुइला, और स्निग्धा अगरवाल
**🙏 विशेष धन्यवाद 🙏 हमारे Microsoft Student Ambassador लेखकों, समीक्षकों, और सामग्री योगदानकर्ताओं को**, खासतौर पर Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, और Snigdha Agarwal
**🤩 अतिरिक्त कृतज्ञता Microsoft Student Ambassadors एरिक वांजाउ, जसलीन संधि, और विदुषी गुप्ता को हमारे R पाठों के लिए!**
**🤩 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, और Vidushi Gupta को हमारे R पाठों के लिए अतिरिक्त आभार!**
# शुरुआत करना
# आरंभ कैसे करें
इन चरणों का पालन करें:
1. **रिपॉजिटरी को फोर्क करें**: इस पेज के शीर्ष-दाएँ कोने में "Fork" बटन पर क्लिक करें।
1. **रिपॉजिटरी को फोर्क करें**: इस पेज के ऊपरी-दाएँ कोने में "Fork" बटन पर क्लिक करें।
2. **रिपॉजिटरी को क्लोन करें**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
> [इस कोर्स के लिए सभी अतिरिक्त संसाधन हमारे Microsoft Learn संग्रह में पाएँ](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [इस कोर्स के लिए सभी अतिरिक्त संसाधन हमारे Microsoft Learn संग्रह में देखें](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **मदद चाहिए?** इंस्टॉलेशन, सेटअप, और पाठ चलाने में सामान्य समस्याओं के समाधान के लिए हमारे [Troubleshooting Guide](TROUBLESHOOTING.md) को देखें।
> 🔧 **मदद चाहिए?** सामान्य इंस्टॉलेशन, सेटअप, और लेसन चलाने से संबंधित समस्याओं के समाधान के लिए हमारे [Troubleshooting Guide](TROUBLESHOOTING.md) को देखें।
**[छात्रों](https://aka.ms/student-page)**, इस पाठ्यक्रम का उपयोग करने के लिए, पूरे रेपो को अपने GitHub खाते में फोर्क करें और व्यायाम अपनी तरफ से या समूह के साथ पूरे करें:
- प्री-लेक्चर क्विज से शुरू करें।
- व्याख्यान पढ़ें और गतिविधियाँ पूरी करें, प्रत्येक ज्ञान जांच पर रुके और विचार करें।
- पाठों को समझकर परियोजनाएँ बनाने का प्रयास करें बजाय समाधान कोड चलाने के; हालांकि वह कोड प्रत्येक परियोजना-केंद्रित पाठ में `/solution` फ़ोल्डर्स में उपलब्ध है।
- पोस्ट-लेक्चर क्विज लें।
**[छात्रों](https://aka.ms/student-page)**, इस पाठ्यक्रम का उपयोग करने के लिए, पूरी रिपॉजिटरी को अपने GitHub खाते में फोर्क करें और अपने या समूह के साथ अभ्यास पूर्ण करें:
- प्री-लेक्चर क्विज़ से शुरुआत करें।
- व्याख्यान पढ़ें और गतिविधियां पूरी करें, हर ज्ञान जांच पर रुकें और सोचें।
- समाधान कोड चलाने से पहले पाठों को समझकर परियोजनाएं बनाने का प्रयास करें; हालांकि कोड हर परियोजना-आधारित पाठ के `/solution` फ़ोल्डर्स में उपलब्ध है।
- पोस्ट-लेक्चर क्विज़ लें।
- चुनौती पूरी करें।
- असाइनमेंट पूरी करें।
- एक पाठ समूह पूरा करने के बाद, [चर्चा बोर्ड](https://github.com/microsoft/ML-For-Beginners/discussions) पर जाएं और उपयुक्त PAT रूपरेखा भरकर "ज़ोरदार रूप से सीखें"। 'PAT' एक प्रोग्रेस असेसमेंट टूल है जो आपकी सीख को आगे बढ़ाने के लिए एक रूपरेखा है। आप अन्य PATs पर प्रतिक्रिया भी दे सकते हैं ताकि हम साथ मिलकर सीख सकें।
- असाइनमेंट पूरा करें।
- एक पाठ समूह पूरा करने के बाद, [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) पर जाएं और "आवाज़़ उठाएं" उपयुक्त PAT रूपरेट भरकर। 'PAT' एक प्रगति मूल्यांकन उपकरण है जिसे आप अपनी सीख को बढ़ाने के लिए भरते हैं। आप दूसरों के PAT पर भी प्रतिक्रिया दे सकते हैं ताकि हम साथ सीख सकें।
> आगे अध्ययन के लिए, हम इन [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) मॉड्यूल और लर्निंग पथों का पालन करने की सलाह देते हैं।
> आगे की पढ़ाई के लिए, हम इन [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) मॉड्यूल और सीखने के रास्तों का पालन करने की सलाह देते हैं।
**शिक्षकों**, हमने इस पाठ्यक्रम का उपयोग करने के कुछ सुझाव [यहाँ शामिल किए हैं](for-teachers.md)।
**शिक्षकगण**, हमने इस पाठ्यक्रम का उपयोग कैसे करें इस पर [कुछ सुझाव](for-teachers.md) शामिल किए हैं।
---
## वीडियो वॉकथ्रू
कुछ पाठ अल्पकालिक वीडियो के रूप में उपलब्ध हैं। आप इन्हें पाठों में इन-लाइन पा सकते हैं, या Microsoft Developer YouTube चैनल पर [ML for Beginners प्लेलिस्ट](https://aka.ms/ml-beginners-videos) में नीचे की छवि पर क्लिक करके देख सकते हैं।
कुछ पाठ छोटे वीडियो के रूप में उपलब्ध हैं। आप इन्हें पाठों में इन-लाइन या Microsoft Developer YouTube चैनल पर [ML for Beginners प्लेलिस्ट](https://aka.ms/ml-beginners-videos) में पा सकते हैं, नीचे की छवि पर क्लिक करके।
[](https://aka.ms/ml-beginners-videos)
**Gif बनाया़ है** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) द्वारा
> 🎥 परियोजना और इसे बनाने वाले लोगों के बारे में वीडियो देखने के लिए ऊपर की छवि पर क्लिक करें!
@ -86,71 +87,71 @@ Microsoft के क्लाउड एडवोकेट खुशी से
## शिक्षण पद्धति
इस पाठ्यक्रम को बनाते समय हमने दो शिक्षण सिद्धांत चुने हैं: इसे हाथों-हाथ **परियोजना-आधारित** बनाना और इसमें **अक्सर क्विज़ शामिल** करना। इसके अलावा, इस पाठ्यक्रम का एक सामान्य **थीम** है जिससे इसे सामंजस्य मिलता है।
इस पाठ्यक्रम का निर्माण करते समय हमने दो शैक्षणिक सिद्धांत चुने हैं: इसे हाथ-से-करने वाला **परियोजना आधारित** बनाना और इसमें **बार-बार क्विज़** शामिल करना। इसके अलावा, इस पाठ्यक्रम में एक सामान्य **थीम** है जो इसे सामंजस्य प्रदान करता है।
यह सुनिश्चित करके कि सामग्री परियोजनाओं के अनुरूप है, प्रक्रिया छात्रों के लिए अधिक आकर्षक बनती है और अवधारणाओं की पकड़ बढ़ेगी। इसके अलावा, क्लास से पहले एक कम-दांव वाला क्विज़ छात्र की एक विषय सीखने की इच्छा निर्धारित करता है, जबकि क्लास के बाद दूसरा क्विज़ और भी बेहतर पकड़ सुनिश्चित करता है। यह पाठ्यक्रम लचीला और मजेदार है और इसे पूरा या आंशिक रूप से लिया जा सकता है। परियोजनाएं छोटी शुरू होती हैं और 12 सप्ताह के चक्र के अंत तक धीरे-धीरे जटिल होती चली जाती हैं। यह पाठ्यक्रम मशीन लर्निंग के वास्तविक अनुप्रयोगों पर एक पश्चलिपि भी शामिल करता है, जिसे अतिरिक्त क्रेडिट या चर्चा के आधार के रूप में उपयोग किया जा सकता है।
सुनिश्चित करके कि सामग्री परियोजनाओं के साथ संरेखित हो, छात्र के लिए प्रक्रिया अधिक आकर्षक हो जाती है और अवधारणाओं की पकड़ बढ़ती है। इसके अलावा, कक्षा के पहले एक कम दांव वाला क्विज़ छात्र के लिए विषय सीखने की इच्छा निर्धारित करता है, जबकि कक्षा के बाद दूसरा क्विज़ और अधिक पकड़ सुनिश्चित करता है। यह पाठ्यक्रम लचीला और मजेदार बनाने के लिए डिज़ाइन किया गया है और इसे पूरी तरह या आंशिक रूप से लिया जा सकता है। परियोजनाएं छोटी से शुरू होकर 12 सप्ताह के अंत तक पहले से अधिक जटिल हो जाती हैं। इस पाठ्यक्रम में ML के वास्तविक दुनिया में अनुप्रयोगों पर एक पोस्टस्क्रिप्ट भी शामिल है, जिसे अतिरिक्त क्रेडिट या चर्चा के आधार के रूप में उपयोग किया जा सकता है।
> हमारे [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md), और [Troubleshooting](TROUBLESHOOTING.md) दिशानिर्देश देखें। हम आपके रचनात्मक सुझावों का स्वागत करते हैं!
> हमारा [कोड ऑफ कंडक्ट](CODE_OF_CONDUCT.md), [योगदान](CONTRIBUTING.md), [अनुवाद](TRANSLATIONS.md), और [समस्या निवारण](TROUBLESHOOTING.md) दिशानिर्देश भी देखें। हम आपकी रचनात्मक प्रतिक्रिया का स्वागत करते हैं!
> **भाषाओं के बारे में एक नोट**: ये पाठ मुख्य रूप से Python में लिखे गए हैं, लेकिन कई R में भी उपलब्ध हैं। R पाठ पूरा करने के लिए, `/solution` फ़ोल्डर पर जाएं और R पाठ खोजें। इनमें .rmd एक्सटेंशन होता है जो एक **R Markdown** फ़ाइल का प्रतिनिधित्व करता है, जिसे सरलता से `code chunks` (R या अन्य भाषाओं के) और `YAML header` (जो PDF जैसे आउटपुट को कैसे फॉर्मेट करना है, निर्देश देता है) के साथ एक `Markdown दस्तावेज़` के रूप में परिभाषित किया जा सकता है। इस प्रकार, यह डेटा साइंस के लिए एक उत्कृष्ट लेखन ढांचा प्रस्तुत करता है क्योंकि यह आपको अपने कोड, उसके आउटपुट, और अपने विचारों को Markdown में लिखने की अनुमति देता है। इसके अलावा, R Markdown दस्तावेज़ PDF, HTML, या Word जैसे आउटपुट फ़ॉर्मेट के लिए रेंडर किए जा सकते हैं।
> **क्विज़ के बारे में एक नोट**: सभी क्विज़ [Quiz App folder](../../quiz-app) में संकलित हैं, जिनमें कुल 52 क्विज़ हैं और हर एक में तीन प्रश्न हैं। ये पाठों के भीतर लिंक किए गए हैं लेकिन क्विज़ ऐप को स्थानीय रूप से भी चलाया जा सकता है; `quiz-app` फ़ोल्डर में दिए निर्देशों का पालन करें ताकि इसे स्थानीय रूप से होस्ट या Azure पर डिप्लॉय किया जा सके।
| पाठ संख्या | विषय | पाठ समूह | सीखने के उद्देश्य | लिंक्ड पाठ | लेखक |
| 01 | मशीन लर्निंग का परिचय | [परिचय](1-Introduction/README.md) | मशीन लर्निंग के मूलभूत सिद्धांत सीखें | [पाठ](1-Introduction/1-intro-to-ML/README.md) | मोहम्मद |
| 02 | मशीन लर्निंग का इतिहास | [परिचय](1-Introduction/README.md) | इस क्षेत्र के तहत आने वाले इतिहास को जानें | [पाठ](1-Introduction/2-history-of-ML/README.md) | जेन और एमी |
| 03 | निष्पक्षता और मशीन लर्निंग | [परिचय](1-Introduction/README.md) | मशीन लर्निंग मॉडल बनाने और लागू करने में निष्पक्षता के महत्वपूर्ण दार्शनिक मुद्दे क्या हैं जिन्हें छात्रों को ध्यान में रखना चाहिए? | [पाठ](1-Introduction/3-fairness/README.md) | टोमौमी |
| 04 | मशीन लर्निंग के तकनीकें | [परिचय](1-Introduction/README.md) | मशीन लर्निंग मॉडल बनाने के लिए शोधकर्ता किन तकनीकों का उपयोग करते हैं? | [पाठ](1-Introduction/4-techniques-of-ML/README.md) | क्रिस और जेन |
| 05 | प्रत्याशा का परिचय | [Regression](2-Regression/README.md) | प्रतिगमन मॉडल के लिए पाइथन और स्किकेट-लर्न के साथ शुरुआत करें | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | जेन • एरिक वांजाउ |
| 06 | उत्तर अमेरिकी कद्दू की कीमतें 🎃 | [Regression](2-Regression/README.md) | मशीन लर्निंग के लिए डेटा की सफाई और दृश्यांकन करें | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | जेन • एरिक वांजाउ |
| 07 | उत्तर अमेरिकी कद्दू की कीमतें 🎃 | [Regression](2-Regression/README.md) | रैखिक और बहुपदीय प्रतिगमन मॉडल बनाएं | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | जेन और दिमित्रि • एरिक वांजाउ |
| 08 | उत्तर अमेरिकी कद्दू की कीमतें 🎃 | [Regression](2-Regression/README.md) | एक लॉजिस्टिक प्रतिगमन मॉडल बनाएं | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | जेन • एरिक वांजाउ |
| 09 | एक वेब ऐप 🔌 | [Web App](3-Web-App/README.md) | अपना प्रशिक्षित मॉडल उपयोग करने के लिए एक वेब ऐप बनाएं | [Python](3-Web-App/1-Web-App/README.md) | जेन |
| 10 | वर्गीकरण का परिचय | [Classification](4-Classification/README.md) | अपने डेटा को साफ़, तैयार और विज़ुअलाइज़ करें; वर्गीकरण का परिचय | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | जेन और कैसी • एरिक वांजाउ |
| 11 | स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜 | [Classification](4-Classification/README.md) | वर्गीकारकों का परिचय | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | जेन और कैसी • एरिक वांजाउ |
| 12 | स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜 | [Classification](4-Classification/README.md) | और वर्गीकरणकर्ता | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | जेन और कैसी • एरिक वांजाउ |
| 13 | स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜 | [Classification](4-Classification/README.md) | अपने मॉडल का उपयोग करके एक अनुशंसा वेब ऐप बनाएं | [Python](4-Classification/4-Applied/README.md) | जेन |
| 14 | क्लस्टरिंग का परिचय | [Clustering](5-Clustering/README.md) | अपने डेटा को साफ़, तैयार और विज़ुअलाइज़ करें; क्लस्टरिंग का परिचय | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | जेन • एरिक वांजाउ |
| 15 | नाइजीरियाई संगीत रुचियों की खोज 🎧 | [Clustering](5-Clustering/README.md) | K-मीन्स क्लस्टरिंग विधि की खोज करें | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | जेन • एरिक वांजाउ |
| 16 | प्राकृतिक भाषा संसाधन परिचय ☕️ | [Natural language processing](6-NLP/README.md) | एक साधारण बॉट बनाकर NLP की मूल बातें सीखें | [Python](6-NLP/1-Introduction-to-NLP/README.md) | स्टीफन |
| 17 | सामान्य NLP कार्य ☕️ | [Natural language processing](6-NLP/README.md) | भाषा संरचनाओं के साथ काम करते समय आवश्यक सामान्य कार्यों को समझकर अपना NLP ज्ञान गहरा करें | [Python](6-NLP/2-Tasks/README.md) | स्टीफन |
| 18 | अनुवाद और भाव विश्लेषण ♥️ | [Natural language processing](6-NLP/README.md) | जेन ऑस्टिन के साथ अनुवाद और भाव विश्लेषण | [Python](6-NLP/3-Translation-Sentiment/README.md) | स्टीफन |
| 19 | यूरोप के रोमांटिक होटल ♥️ | [Natural language processing](6-NLP/README.md) | होटल समीक्षाओं के साथ भावना विश्लेषण 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | स्टीफन |
| 20 | यूरोप के रोमांटिक होटल ♥️ | [Natural language processing](6-NLP/README.md) | होटल समीक्षाओं के साथ भावना विश्लेषण 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | स्टीफन |
| 21 | समय श्रृंखला पूर्वानुमान परिचय | [Time series](7-TimeSeries/README.md) | समय श्रृंखला पूर्वानुमान का परिचय | [Python](7-TimeSeries/1-Introduction/README.md) | फ्रांसेस्का |
| 22 | ⚡️ विश्व विद्युत उपयोग ⚡️ - ARIMA के साथ समय श्रृंखला पूर्वानुमान | [Time series](7-TimeSeries/README.md) | ARIMA के साथ समय श्रृंखला पूर्वानुमान | [Python](7-TimeSeries/2-ARIMA/README.md) | फ्रांसेस्का |
| 23 | ⚡️ विश्व विद्युत उपयोग ⚡️ - SVR के साथ समय श्रृंखला पूर्वानुमान | [Time series](7-TimeSeries/README.md) | सपोर्ट वेक्टर रिग्रेशन के साथ समय श्रृंखला पूर्वानुमान | [Python](7-TimeSeries/3-SVR/README.md) | अनिर्बन |
| 24 | पुनर्योजन शिक्षण का परिचय | [Reinforcement learning](8-Reinforcement/README.md) | क्यू-लर्निंग के साथ पुनर्योजन शिक्षण का परिचय | [Python](8-Reinforcement/1-QLearning/README.md) | दिमित्रि |
| 25 | पीटर को भेड़िये से बचाने में मदद करें! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | पुनर्योजन शिक्षण जिम | [Python](8-Reinforcement/2-Gym/README.md) | दिमित्रि |
| उपसंहार | वास्तविक दुनिया के ML परिदृश्य और अनुप्रयोग | [ML in the Wild](9-Real-World/README.md) | क्लासिक मशीन लर्निंग के दिलचस्प और प्रकट करने वाले वास्तविक दुनिया के अनुप्रयोग | [पाठ](9-Real-World/1-Applications/README.md) | टीम |
| उपसंहार | RAI डैशबोर्ड का उपयोग करके ML में मॉडल डिबगिंग | [ML in the Wild](9-Real-World/README.md) | जिम्मेदार AI डैशबोर्ड घटकों का उपयोग करके मशीन लर्निंग में मॉडल डिबगिंग | [पाठ](9-Real-World/2-Debugging-ML-Models/README.md) | रूथ याकूबू |
> [इस पाठ्यक्रम के लिए हमारे Microsoft Learn संग्रह में सभी अतिरिक्त संसाधन खोजें](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## ऑफलाइन एक्सेस
आप [Docsify](https://docsify.js.org/#/) का उपयोग करके इस दस्तावेज़ को ऑफलाइन चला सकते हैं। इस रिपो को फोर्क करें, अपने स्थानीय मशीन पर [Docsify इंस्टॉल करें](https://docsify.js.org/#/quickstart), और फिर इस रिपो की रूट फ़ोल्डर में `docsify serve` टाइप करें। वेबसाइट आपके लोकलहोस्ट पर पोर्ट 3000 पर सर्व की जाएगी: `localhost:3000`।
## पीडीएफ
लिंक के साथ पाठ्यक्रम की पीडीएफ [यहाँ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) पाएं।
> **भाषाओं के बारे में एक नोट**: ये पाठ मुख्य रूप से Python में लिखे गए हैं, लेकिन कई R में भी उपलब्ध हैं। R पाठ पूरा करने के लिए, `/solution` फ़ोल्डर में पता करें कि R के पाठ कहां हैं। इनमें .rmd एक्सटेंशन होता है, जो एक **R Markdown** फ़ाइल को दर्शाता है जिसे सरलता से `कोड खंड` (R या अन्य भाषाओं के) और एक `YAML हेडर` (जो PDF जैसे आउटपुट को कैसे फॉर्मेट करना है इसका मार्गदर्शन करता है) को एक `Markdown दस्तावेज़` में सम्मिलित करना कहा जा सकता है। इस प्रकार, यह डेटा साइंस के लिए एक आदर्श लेखन ढांचा प्रदान करता है क्यूंकि यह आपको अपना कोड, उसका आउटपुट, और अपने विचार Markdown में लिखकर संयोजित करने की अनुमति देता है। इसके अलावा, R Markdown दस्तावेज़ PDF, HTML, या Word जैसे आउटपुट फॉर्मेट में प्रस्तुत किए जा सकते हैं।
> **क्विज़ के बारे में एक नोट**: सभी क्विज़ [Quiz App फ़ोल्डर](../../quiz-app) में शामिल हैं, कुल 52 क्विज़ हैं, प्रत्येक में तीन प्रश्न होते हैं। इन्हें पाठों के भीतर लिंक किया गया है, लेकिन क्विज़ ऐप को स्थानीय रूप से चलाया जा सकता है; स्थानीय रूप से होस्ट या Azure पर डिप्लॉय करने के लिए `quiz-app` फ़ोल्डर में दिए गए निर्देशों का पालन करें।
| पाठ संख्या | विषय | पाठ समूह | सीखने के उद्देश्य | संबंधित पाठ | लेखक |
| 01 | मशीन लर्निंग का परिचय | [परिचय](1-Introduction/README.md) | मशीन लर्निंग के मूल सिद्धांत सीखें | [पाठ](1-Introduction/1-intro-to-ML/README.md) | मोहम्मद |
| 02 | मशीन लर्निंग का इतिहास | [परिचय](1-Introduction/README.md) | इस क्षेत्र के इतिहास को समझें | [पाठ](1-Introduction/2-history-of-ML/README.md) | जेन और ऐमी |
| 03 | न्याय और मशीन लर्निंग | [परिचय](1-Introduction/README.md) | न्याय से जुड़े महत्वपूर्ण दार्शनिक मुद्दे क्या हैं, जिन्हें छात्रों को ML मॉडल बनाते और लागू करते समय ध्यान में रखना चाहिए? | [पाठ](1-Introduction/3-fairness/README.md) | टोमोमी |
| 04 | मशीन लर्निंग के तकनीक | [परिचय](1-Introduction/README.md) | ML शोधकर्ता ML मॉडल बनाने के लिए कौन-कौन सी तकनीकें उपयोग करते हैं? | [पाठ](1-Introduction/4-techniques-of-ML/README.md) | क्रिस और जेन |
| 05 | प्रतिगमन का परिचय | [प्रतिगमन](2-Regression/README.md) | प्रतिगमन मॉडलों के लिए Python और Scikit-learn से शुरुआत करें | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | जेन • एरिक वनजाउ |
| 06 | नॉर्थ अमेरिकी कद्दू की कीमतें 🎃 | [प्रतिगमन](2-Regression/README.md) | ML के लिए डेटा का दृश्यांकन और सफाई करें | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | जेन • एरिक वनजाउ |
| 07 | नॉर्थ अमेरिकी कद्दू की कीमतें 🎃 | [प्रतिगमन](2-Regression/README.md) | रैखिक और बहुपद प्रतिगमन मॉडल बनाएं | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | जेन और दिमित्रि • एरिक वनजाउ |
| 08 | नॉर्थ अमेरिकी कद्दू की कीमतें 🎃 | [प्रतिगमन](2-Regression/README.md) | एक लॉजिस्टिक प्रतिगमन मॉडल बनाएं | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | जेन • एरिक वनजाउ |
| 09 | एक वेब ऐप 🔌 | [वेब ऐप](3-Web-App/README.md) | अपने प्रशिक्षित मॉडल का उपयोग करने के लिए एक वेब ऐप बनाएं | [Python](3-Web-App/1-Web-App/README.md) | जेन |
| 10 | वर्गीकरण का परिचय | [वर्गीकरण](4-Classification/README.md) | अपने डेटा को साफ़ करें, तैयार करें, और विज़ुअलाइज़ करें; वर्गीकरण का परिचय | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | जेन और कैसी • एरिक वनजाउ |
| 11 | स्वादिष्ट एशियाई और इंडियन व्यंजन 🍜 | [वर्गीकरण](4-Classification/README.md) | वर्गीकर्ताओं का परिचय | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | जेन और कैसी • एरिक वनजाउ |
| 12 | स्वादिष्ट एशियाई और इंडियन व्यंजन 🍜 | [वर्गीकरण](4-Classification/README.md) | और अधिक वर्गीकर्ता | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | जेन और कैसी • एरिक वनजाउ |
| 13 | स्वादिष्ट एशियाई और इंडियन व्यंजन 🍜 | [वर्गीकरण](4-Classification/README.md) | अपने मॉडल का उपयोग करके एक शिफ़ारिश वेब ऐप बनाएं | [Python](4-Classification/4-Applied/README.md) | जेन |
| 14 | क्लस्टरिंग का परिचय | [क्लस्टरिंग](5-Clustering/README.md) | अपने डेटा को साफ़ करें, तैयार करें, और विज़ुअलाइज़ करें; क्लस्टरिंग का परिचय | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | जेन • एरिक वनजाउ |
| 15 | नाइजीरियाई संगीत शैलियों का अन्वेषण 🎧 | [क्लस्टरिंग](5-Clustering/README.md) | K-Means क्लस्टरिंग विधि का अन्वेषण करें | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | जेन • एरिक वनजाउ |
| 16 | प्राकृतिक भाषा प्रसंस्करण का परिचय ☕️ | [प्राकृतिक भाषा प्रसंस्करण](6-NLP/README.md) | एक सरल बोट बनाकर NLP के मूल बातें सीखें | [Python](6-NLP/1-Introduction-to-NLP/README.md) | स्टीफ़न |
| 17 | सामान्य NLP कार्य ☕️ | [प्राकृतिक भाषा प्रसंस्करण](6-NLP/README.md) | भाषा संरचनाओं से निपटने के लिए आवश्यक सामान्य कार्यों को समझकर अपने NLP ज्ञान को गहरा करें | [Python](6-NLP/2-Tasks/README.md) | स्टीफ़न |
| 18 | अनुवाद और भावना विश्लेषण ♥️ | [प्राकृतिक भाषा प्रसंस्करण](6-NLP/README.md) | जेन ऑस्टेन के साथ अनुवाद और भावना विश्लेषण | [Python](6-NLP/3-Translation-Sentiment/README.md) | स्टीफ़न |
| 19 | यूरोप के रोमांटिक होटल ♥️ | [प्राकृतिक भाषा प्रसंस्करण](6-NLP/README.md) | होटल समीक्षाओं के साथ भावना विश्लेषण 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | स्टीफ़न |
| 20 | यूरोप के रोमांटिक होटल ♥️ | [प्राकृतिक भाषा प्रसंस्करण](6-NLP/README.md) | होटल समीक्षाओं के साथ भावना विश्लेषण 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | स्टीफ़न |
| 21 | समय श्रृंखला पूर्वानुमान का परिचय | [समय श्रृंखला](7-TimeSeries/README.md) | समय श्रृंखला पूर्वानुमान का परिचय | [Python](7-TimeSeries/1-Introduction/README.md) | फ्रांसेस्का |
| 22 | ⚡️ विश्व ऊर्जा उपयोग ⚡️ - ARIMA के साथ समय श्रृंखला पूर्वानुमान | [समय श्रृंखला](7-TimeSeries/README.md) | ARIMA के साथ समय श्रृंखला पूर्वानुमान | [Python](7-TimeSeries/2-ARIMA/README.md) | फ्रांसेस्का |
| 23 | ⚡️ विश्व ऊर्जा उपयोग ⚡️ - SVR के साथ समय श्रृंखला पूर्वानुमान | [समय श्रृंखला](7-TimeSeries/README.md) | सपोर्ट वेक्टर रिग्रेशनर के साथ समय श्रृंखला पूर्वानुमान | [Python](7-TimeSeries/3-SVR/README.md) | अनिर्बान |
| 24 | सुदृढीकरण शिक्षण का परिचय | [सुदृढीकरण शिक्षण](8-Reinforcement/README.md) | Q-लर्निंग के साथ सुदृढीकरण शिक्षण का परिचय | [Python](8-Reinforcement/1-QLearning/README.md) | दिमित्रि |
| 25 | पीटर को भेड़िया से बचाने में मदद करें! 🐺 | [सुदृढीकरण शिक्षण](8-Reinforcement/README.md) | सुदृढीकरण शिक्षण जिम | [Python](8-Reinforcement/2-Gym/README.md) | दिमित्रि |
| अंत लेख | वास्तविक दुनिया के ML परिदृश्य और अनुप्रयोग | [जंगली ML में](9-Real-World/README.md) | क्लासिकल ML के दिलचस्प और प्रकट करने वाले वास्तविक दुनिया के अनुप्रयोग | [पाठ](9-Real-World/1-Applications/README.md) | टीम |
| अंत लेख | RAI डैशबोर्ड का उपयोग करके ML मॉडल डिबगींग | [जंगली ML में](9-Real-World/README.md) | रिस्पॉन्सिबल AI डैशबोर्ड घटकों का उपयोग करते हुए मशीन लर्निंग में मॉडल डिबगींग | [पाठ](9-Real-World/2-Debugging-ML-Models/README.md) | रुथ यकुबु |
> [इस कोर्स के सभी अतिरिक्त संसाधन हमारी Microsoft Learn संग्रह में देखें](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## ऑफ़लाइन पहुँच
आप [Docsify](https://docsify.js.org/#/) का उपयोग करके इस दस्तावेज़ को ऑफ़लाइन चला सकते हैं। इस रिपॉजिटरी को फोर्क करें, अपनी स्थानीय मशीन पर [Docsify स्थापित करें](https://docsify.js.org/#/quickstart), और फिर इस रिपॉजिटरी के रूट फ़ोल्डर में टाइप करें `docsify serve`। वेबसाइट आपके स्थानीयहोस्ट पर पोर्ट 3000 पर सेवा देगा: `localhost:3000`।
## पीडीएफ़
लिंक के साथ पाठ्यक्रम का पीडीएफ [यहाँ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) देखें।
## 🎒 अन्य पाठ्यक्रम
हमारी टीम अन्य पाठ्यक्रम भी बनाती है! देखें:
@ -158,7 +159,7 @@ Microsoft के क्लाउड एडवोकेट खुशी से
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agents
@ -169,44 +170,44 @@ Microsoft के क्लाउड एडवोकेट खुशी से
---
### जनरेटिव AI सीरीज
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### मुख्य सीखने
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
### कोर लर्निंग
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### कोपाइलट सीरीज
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
यदि आप अटक जाते हैं या AI ऐप्स बनाने के बारे में कोई सवाल है। MCP के बारे में चर्चा में साथ सीखने वालों और अनुभवी डेवलपर्स के साथ जुड़ें। यह एक सहायक समुदाय है जहाँ प्रश्नों का स्वागत है और ज्ञान स्वतंत्र रूप से साझा किया जाता है।
यदि आप अटक गए हैं या एआई ऐप्स बनाने के बारे में कोई प्रश्न हैं। सहपाठियों और अनुभवी डेवलपर्स के साथ एमसीपी पर चर्चाओं में शामिल हों। यह एक सहायक समुदाय है जहाँ प्रश्न स्वागत योग्य हैं और ज्ञान स्वतंत्र रूप से साझा किया जाता है।
यह दस्तावेज़ AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता के लिए प्रयासरत हैं, कृपया ध्यान दें कि स्वचालित अनुवाद में त्रुटियां या अशुद्धियां हो सकती हैं। मूल भाषा में दस्तावेज़ को अधिकारिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम जिम्मेदार नहीं हैं।
**अस्वीकरण**:
यह दस्तावेज़ AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता के लिए प्रयासरत हैं, कृपया ध्यान दें कि स्वचालित अनुवाद में त्रुटियाँ या गलतियाँ हो सकती हैं। मूल भाषा में दस्तावेज़ को अधिकृत स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या व्याख्या की ज़िम्मेदारी हम स्वीकार नहीं करते।
Discordで学習シリーズを実施中です。詳細と参加は[Learn with AI Series](https://aka.ms/learnwithai/discord)で2025年9月18日〜30日まで。GitHub Copilotを使ったデータサイエンスのコツが学べます。
DiscordではAI学習シリーズを開催中です。詳細と参加は[Learn with AI Series](https://aka.ms/learnwithai/discord)（2025年9月18日～30日）から。GitHub Copilotを使ったデータサイエンスのヒントやコツが得られます。
# はじめてのための機械学習 - カリキュラム
# Machine Learning for Beginners - カリキュラム
> 🌍 世界の文化を巡りながら機械学習を学ぼう 🌍
> 🌍 世界の文化を通じて機械学習を探求しながら、世界を旅しよう 🌍
MicrosoftのCloud Advocatesは、12週間、26レッスンにわたる**機械学習**に関するカリキュラムを提供します。このカリキュラムでは主にScikit-learnを使い、「クラシック機械学習」と呼ばれることもある手法を学びます。ディープラーニングは[AI for Beginnersカリキュラム](https://aka.ms/ai4beginners)でカバーしています。さらに、[Data Science for Beginnersカリキュラム](https://aka.ms/ds4beginners)と組み合わせて学べます。
MicrosoftのCloud Advocatesは、**機械学習**に関する12週間、26レッスンのカリキュラムを提供します。このカリキュラムでは、主にScikit-learnを使い、ディープラーニングは扱わずに「クラシック機械学習」と呼ばれる分野を学びます。ディープラーニングは[AI for Beginners](https://aka.ms/ai4beginners)カリキュラムで取り扱っています。こちらと併せて['Data Science for Beginners'カリキュラム](https://aka.ms/ds4beginners)もどうぞ。
一部のレッスンは短い動画で視聴可能です。レッスン内の埋め込みや、下の画像リンク先の[Microsoft Developer YouTubeチャンネルのML for Beginnersプレイリスト](https://aka.ms/ml-beginners-videos)でご覧いただけます。
一部レッスンはショートフォーム動画で提供しています。レッスン内のインラインや、[Microsoft DeveloperのYouTubeチャンネル上のML for Beginnersプレイリスト](https://aka.ms/ml-beginners-videos)からご覧ください。下の画像をクリックするとアクセスできます。
[](https://aka.ms/ml-beginners-videos)
| 04 | 機械学習の技法 | [イントロダクション](1-Introduction/README.md) | ML研究者がMLモデルを構築するために使用する技法とは？ | [レッスン](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
| 05 | 回帰の紹介 | [回帰](2-Regression/README.md) | PythonとScikit-learnを使った回帰モデルの入門 | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | 北米のパンプキン価格 🎃 | [回帰](2-Regression/README.md) | MLに向けてデータを可視化・クリーニングする | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | 北米のパンプキン価格 🎃 | [回帰](2-Regression/README.md) | 線形回帰モデルと多項式回帰モデルの構築 | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
| 08 | 北米のパンプキン価格 🎃 | [回帰](2-Regression/README.md) | ロジスティック回帰モデルの構築 | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 04 | 機械学習の手法 | [Introduction](1-Introduction/README.md) | ML研究者がMLモデル構築に使用する手法は何か | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
| 05 | 回帰分析入門 | [Regression](2-Regression/README.md) | PythonとScikit-learnを使った回帰モデルの入門 | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | 北米のパンプキン価格 🎃 | [Regression](2-Regression/README.md) | 機械学習準備のためのデータ可視化とクリーニング | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | 北米のパンプキン価格 🎃 | [Regression](2-Regression/README.md) | 線形回帰モデルおよび多項式回帰モデルの構築 | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
| 08 | 北米のパンプキン価格 🎃 | [Regression](2-Regression/README.md) | ロジスティック回帰モデルの構築 | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
우리는 Discord에서 AI와 함께 배우는 시리즈를 진행 중입니다. 2025년 9월 18일부터 30일까지 [Learn with AI Series](https://aka.ms/learnwithai/discord)에서 자세히 알아보고 함께하세요. GitHub Copilot을 데이터 과학에 활용하는 팁과 요령을 얻을 수 있습니다.
우리는 Discord에서 AI와 함께 배우기 시리즈를 진행 중입니다. 2025년 9월 18일부터 30일까지 [Learn with AI Series](https://aka.ms/learnwithai/discord)에서 자세히 알아보고 참여하세요. GitHub Copilot을 데이터 과학에 활용하는 팁과 요령을 얻을 수 있습니다.
# 초보자를 위한 머신러닝 - 커리큘럼
> 🌍 세계 문화를 통해 머신러닝을 탐험하며 세계 여행을 떠나보세요 🌍
> 🌍 세계 문화를 통해 머신러닝을 탐구하며 세계 여행을 떠나봅시다 🌍
Microsoft의 클라우드 옹호자들이 제공하는 12주, 26강의 커리큘럼입니다. 이 커리큘럼에서는 주로 Scikit-learn 라이브러리를 사용하며 [AI for Beginners' curriculum](https://aka.ms/ai4beginners)에 포함된 딥러닝을 제외한, 종종 '클래식 머신러닝'이라 불리는 머신러닝에 대해 배웁니다. 또한, ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners)과 함께 학습할 수 있습니다.
마이크로소프트 클라우드 어드보케이트는 12주간 26개의 레슨으로 구성된 **머신러닝** 전체 커리큘럼을 제공하게 되어 기쁩니다. 이 커리큘럼에서는 주로 Scikit-learn 라이브러리를 사용하여 때때로 **고전 머신러닝**이라 불리는 것을 배우고, 딥러닝은 [AI for Beginners 커리큘럼](https://aka.ms/ai4beginners)에서 다룹니다. 이 수업들을 우리 ['Data Science for Beginners' 커리큘럼](https://aka.ms/ds4beginners)과 함께 활용하세요!
전 세계 여러 지역의 데이터를 클래식 머신러닝 기법에 적용하며 여행하듯 배우세요. 각각의 강의는 강의 전후 퀴즈, 강의 완료 지침, 해답, 과제 등을 포함합니다. 프로젝트 기반 교육법은 실제 구축하면서 학습하도록 하여 새 기술이 잘 기억되도록 합니다.
세계 여러 지역의 데이터를 사용하여 고전적인 기법을 적용하며 우리와 함께 세계 여행을 떠나보세요. 각 레슨에는 수업 전과 후 퀴즈, 수업 수행 지침, 해결책, 과제 등이 포함됩니다. 프로젝트 기반 수업법을 통해 학습하며 만드는 과정을 경험할 수 있어, 새 기술이 더 잘 익혀집니다.
**✍️ 진심으로 감사드립니다 - 저자분들** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, Amy Boyd
**✍️ 진심으로 감사드립니다** 저자분들: Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu 그리고 Amy Boyd
**🎨 감사드립니다 - 일러스트레이터분들** Tomomi Imura, Dasani Madipalli, Jen Looper
**🎨 또 다른 감사를** 일러스트레이터분들: Tomomi Imura, Dasani Madipalli, Jen Looper
**🙏 특별한 감사 🙏 Microsoft 학생 앰배서더 저자, 검토자 및 콘텐츠 기여자분들** 특히 Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal
**🙏 특별한 감사 🙏 마이크로소프트 학생 대사 저자, 검토자, 컨텐츠 기여자 여러분께**, 특히 Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal
**🤩 추가 감사 - Microsoft 학생 앰배서더 Eric Wanjau, Jasleen Sondhi, Vidushi Gupta께서 진행한 R 강의!**
**🤩 MS 학생 대사 Eric Wanjau, Jasleen Sondhi, Vidushi Gupta께도 R 수업 관련 특별한 감사 드립니다!**
> [이 코스에 관한 모든 추가 자료는 Microsoft Learn 컬렉션에서 찾으실 수 있습니다](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [이 과정과 관련된 모든 추가 자료는 Microsoft Learn 모음에서 찾을 수 있습니다](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **도움이 필요하신가요?** 설치, 설정, 수업 실행 관련 일반 문제에 대한 해결책은 [문제 해결 설명서](TROUBLESHOOTING.md)를 확인하세요.
> 🔧 **도움이 필요하신가요?** 설치, 설정 및 수업 실행에 관한 일반 문제 해결법은 [문제 해결 가이드](TROUBLESHOOTING.md)를 확인하세요.
**[학생들](https://aka.ms/student-page)**, 이 커리큘럼을 사용하려면 전체 리포지토리를 자신의 GitHub 계정으로 포크하고 혼자 또는 그룹으로 연습문제를 완료하세요:
**[학생 여러분](https://aka.ms/student-page)**, 이 커리큘럼을 사용하려면 저장소를 자신의 GitHub 계정으로 포크하고 혼자 또는 그룹과 함께 과제를 완료하세요:
- 강의 전 퀴즈부터 시작하세요.
- 강의를 읽고 활동을 완성하며 각 지식 점검 부분에서 일시 중지하고 생각해 보세요.
- 해답 코드를 단순 실행하기보다는 내용을 이해하며 프로젝트를 제작해 보세요. 해답 코드는 각 프로젝트 별 수업의 `/solution` 폴더에 있습니다.
- 강의 후 퀴즈를 봅니다.
- 챌린지를 완료합니다.
- 과제를 완료합니다.
- 강의 그룹을 완료한 후 [토론 게시판](https://github.com/microsoft/ML-For-Beginners/discussions)에 방문해 적절한 PAT 루브릭을 작성하며 '소리 내어 학습'하세요. 'PAT'는 학습 진척 평가 도구로, 여러분이 직접 작성하여 더 깊이 학습하도록 돕습니다. 다른 PAT에도 반응하여 함께 배울 수 있습니다.
- 강의를 읽고 각 지식 점검에서 멈추어 생각하며 활동을 완수하세요.
- 레슨을 이해하고 프로젝트를 직접 만들어 보세요. 하지만 `/solution` 폴더에 있는 솔루션 코드를 참고할 수 있습니다.
- 강의 후 퀴즈를 응시하세요.
- 챌린지를 완료하세요.
- 과제를 마치세요.
- 레슨 그룹을 완료한 후에는 [토론 게시판](https://github.com/microsoft/ML-For-Beginners/discussions)에서 '목소리 내어 학습'하며 적절한 PAT 루브릭을 작성해 주세요. 'PAT'는 학습 진행 평가 도구로, 여러분의 학습을 한층 심화시키기 위한 루브릭입니다. 다른 PAT에 리액션을 달아 함께 배울 수도 있습니다.
> 추가 학습을 원할 경우, 다음 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) 모듈과 학습 경로를 추천합니다.
> 추가 학습을 위한 추천 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) 모듈 및 학습 경로를 참고하세요.
**교사 분들**, 본 커리큘럼 활용에 대한 [권장 사항](for-teachers.md)을 포함하였습니다.
**교사 여러분**, 이 커리큘럼 사용에 관한 [몇 가지 제안](for-teachers.md)을 제공하고 있습니다.
---
## 비디오 강의
## 비디오 수업 안내
일부 강의는 짧은 형식의 비디오로 제공됩니다. 모든 비디오는 강의 내 인라인 또는 [Microsoft Developer YouTube 채널의 ML for Beginners 재생목록](https://aka.ms/ml-beginners-videos)에서 이미지를 클릭하여 시청할 수 있습니다.
몇몇 레슨은 짧은 형태의 비디오로 제공됩니다. 수업 내에서 인라인으로 찾을 수 있거나, 아래 이미지를 클릭해 [Microsoft Developer 유튜브 채널의 ML for Beginners 재생목록](https://aka.ms/ml-beginners-videos)에서 보실 수 있습니다.
[](https://aka.ms/ml-beginners-videos)
이 커리큘럼 개발 시 두 가지 교육 원칙을 채택했습니다: 실습 중심의 **프로젝트 기반** 교육과 **빈번한 퀴즈 포함**. 또한 통일성을 주기 위해 공통 **테마**를 적용했습니다.
이 커리큘럼을 구성하면서 두 가지 교육 원칙을 선택했습니다: 실습 중심의 **프로젝트 기반** 교육과 **자주 진행되는 퀴즈** 포함입니다. 더불어, 일관성을 위한 공통된 **주제**도 설정했습니다.
프로젝트와 내용이 일치하도록 함으로써 학생들이 수업에 몰입하고 개념을 더 잘 유지할 수 있도록 합니다. 수업 전 저위험 퀴즈는 학생들의 학습 의도를 세우고 수업 후 퀴즈는 개념의 유지력을 높입니다. 이 커리큘럼은 유연하고 재미있게 설계되어 전부 또는 일부만 수강할 수 있습니다. 프로젝트는 작게 시작해 12주 과정이 끝날 무렵 점점 더 복잡해집니다. 또한 실제 머신러닝 적용에 관한 후기 글이 포함되어 있어 추가 학점이나 토론 소재로 사용할 수 있습니다.
내용이 프로젝트와 연계되도록 하여 학생들이 더 몰입하고 개념 이해가 높아지게 했습니다. 학습 전의 낮은 강도의 퀴즈는 학생의 학습 목표를 설정하며, 수업 후 퀴즈는 개념의 장기 기억을 돕습니다. 이 커리큘럼은 유연하고 재미있게 설계되어 전체 또는 일부만 선택해 학습할 수 있습니다. 프로젝트는 작게 시작해 12주 과정이 끝날 때쯤 점점 복잡해집니다. 또한 머신러닝의 실제 적용에 관한 후기 내용도 포함되어 있어 추가 점수나 토론 주제로 활용할 수 있습니다.
- [강의 전 워밍업 퀴즈](https://ff-quizzes.netlify.app/en/ml/)
- 서면 강의
- 프로젝트 기반 강의의 경우, 프로젝트 구축 단계별 안내서
- 프로젝트 기반 수업은 단계별 프로젝트 구현 가이드 포함
- 지식 점검
- 챌린지
- 보조 읽을거리
- 도전 과제
- 보충 독서 자료
- 과제
- [강의 후 퀴즈](https://ff-quizzes.netlify.app/en/ml/)
> **언어 관련 참고:** 이 강의들은 주로 Python으로 작성되었지만 많은 강의가 R 언어로도 제공됩니다. R 강의를 완료하려면 `/solution` 폴더에서 R 강의를 찾으세요. 이 파일은 .rmd 확장자를 가지며, 이는 `코드 청크`(R 또는 기타 언어의)와 `YAML 헤더`(출력 포맷 PDF 등 지정)를 포함하는 **R Markdown** 파일입니다. R Markdown은 코드, 출력, 생각을 Markdown 문서 내에 기록하여 결합할 수 있는 우수한 데이터 과학 작성 프레임워크입니다. 또한 PDF, HTML, Word 등 다양한 출력 포맷으로 렌더링할 수 있습니다.
> **퀴즈에 대한 참고 사항**: 모든 퀴즈는 [Quiz App 폴더](../../quiz-app)에 포함되어 있으며, 총 52개의 퀴즈가 각 3개의 질문으로 구성되어 있습니다. 이들은 강의 내에서 링크되어 있지만 퀴즈 앱은 로컬에서 실행할 수 있습니다; 로컬 호스팅 또는 Azure에 배포하는 방법은 `quiz-app` 폴더의 지침을 따르십시오.
| 01 | 머신러닝 소개 | [소개](1-Introduction/README.md) | 머신러닝의 기본 개념을 학습합니다| [강의](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | 머신러닝의 역사| [소개](1-Introduction/README.md) | 이 분야의 역사에 대해 학습합니다 | [강의](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
| 03 | 공정성과 머신러닝 | [소개](1-Introduction/README.md) | 학생들이 ML 모델을 구축하고 적용할 때 고려해야 할 중요한 철학적 공정성 문제 | [강의](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | 머신러닝 기법| [소개](1-Introduction/README.md)| ML 연구자가 모델을 구축할 때 사용하는 기법을 학습합니다 | [강의](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
| 05 | 회귀 소개| [회귀](2-Regression/README.md) | 회귀 모델을 위한 Python과 Scikit-learn 시작 | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | 북미 호박 가격 🎃 | [회귀](2-Regression/README.md) | ML 준비를 위한 데이터 시각화 및 정리 | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | 북미 호박 가격 🎃| [회귀](2-Regression/README.md) | 선형 및 다항 회귀 모델 구축 | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
| 08 | 북미 호박 가격 🎃 | [회귀](2-Regression/README.md) | 로지스틱 회귀 모델 구축 | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | 웹 앱 🔌 | [웹 앱](3-Web-App/README.md) | 훈련된 모델을 활용하는 웹 앱 구축 | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | 분류 소개| [분류](4-Classification/README.md) | 데이터 정리, 준비, 시각화; 분류 소개 | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
| 11 | 맛있는 아시아 및 인도 요리 🍜 | [분류](4-Classification/README.md) | 분류기 소개 | [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 | 맛있는 아시아 및 인도 요리 🍜 | [분류](4-Classification/README.md) | 더 많은 분류기 | [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 | 맛있는 아시아 및 인도 요리 🍜 | [분류](4-Classification/README.md) | 모델을 사용한 추천 웹 앱 구축 | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | 클러스터링 소개 | [클러스터링](5-Clustering/README.md) | 데이터 정리, 준비, 시각화; 클러스터링 소개 | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | 나이지리아 음악 취향 탐색 🎧 | [클러스터링](5-Clustering/README.md) | K-평균 클러스터링 방법 탐구 | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | 자연어 처리 소개 ☕️ | [자연어 처리](6-NLP/README.md) | 간단한 봇을 만들어 NLP 기본 개념 학습 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | 일반 NLP 작업 ☕️| [자연어 처리](6-NLP/README.md) | 언어 구조를 다룰 때 필요한 일반적인 NLP 작업을 이해하며 지식 심화 | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | 번역 및 감정 분석 ♥️ | [자연어 처리](6-NLP/README.md) | Jane Austen 텍스트로 번역과 감정 분석 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | 유럽의 로맨틱 호텔 ♥️ | [자연어 처리](6-NLP/README.md) | 호텔 리뷰를 통한 감정 분석 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | 유럽의 로맨틱 호텔 ♥️ | [자연어 처리](6-NLP/README.md) | 호텔 리뷰를 통한 감정 분석 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 22 | ⚡️ 세계 전력 사용 ⚡️ - ARIMA 시계열 예측 | [시계열](7-TimeSeries/README.md) | ARIMA를 이용한 시계열 예측 | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ 세계 전력 사용 ⚡️ - SVR 시계열 예측 | [시계열](7-TimeSeries/README.md) | 서포트 벡터 회귀를 이용한 시계열 예측 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | 강화 학습 소개 | [강화 학습](8-Reinforcement/README.md) | Q-러닝을 이용한 강화 학습 소개 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | Peter가 늑대를 피하도록 돕기! 🐺 | [강화 학습](8-Reinforcement/README.md) | 강화 학습 Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
| 후기글 | 실제 ML 시나리오 및 응용 | [야생의 ML](9-Real-World/README.md) | 고전적인 ML의 흥미롭고 실질적인 실제 적용 사례 | [강의](9-Real-World/1-Applications/README.md) | 팀 |
| 후기글 | RAI 대시보드를 활용한 ML 모델 디버깅 | [야생의 ML](9-Real-World/README.md) | 책임 있는 AI 대시보드 컴포넌트를 사용한 머신러닝 모델 디버깅 | [강의](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [이 과정의 모든 추가 자료는 Microsoft Learn 컬렉션에서 확인하세요](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## 오프라인 액세스
이 문서를 오프라인에서 실행하려면 [Docsify](https://docsify.js.org/#/)를 사용하세요. 이 저장소를 포크하고, 로컬 머신에 [Docsify 설치](https://docsify.js.org/#/quickstart) 후 이 저장소의 루트 폴더에서 `docsify serve`를 입력하세요. 웹사이트는 로컬호스트의 3000번 포트에서 서빙됩니다: `localhost:3000`.
> **언어에 관한 참고**: 이 레슨들은 주로 Python으로 작성되었으나, R 버전도 많이 제공됩니다. R 레슨을 완료하려면 `/solution` 폴더에서 R 레슨을 찾아보세요. 이들은 .rmd 확장자를 가진 **R 마크다운** 파일로, `코드 청크` (R 또는 다른 언어)와 `YAML 헤더`(PDF와 같은 출력 포맷 지정)를 `Markdown 문서`에 포함합니다. 따라서 코드, 출력물 및 생각을 Markdown에 기록할 수 있어 데이터 과학을 위한 훌륭한 저작 구성 도구입니다. 또한 R 마크다운 문서는 PDF, HTML, Word 같은 출력 포맷으로 렌더링할 수 있습니다.
> **퀴즈에 대한 안내**: 모든 퀴즈는 [Quiz App 폴더](../../quiz-app)에 포함되어 있으며, 각 퀴즈는 세 개의 질문으로 구성된 총 52개의 퀴즈입니다. 퀴즈는 수업 내에서 연결되어 있지만, 퀴즈 앱은 로컬에서 실행할 수 있습니다. 로컬 호스팅 또는 Azure에 배포하려면 `quiz-app` 폴더의 지침을 따르세요.
| 01 | 머신러닝 소개 | [소개](1-Introduction/README.md) | 머신러닝의 기본 개념을 학습합니다 | [수업](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
| 02 | 머신러닝의 역사 | [소개](1-Introduction/README.md) | 이 분야의 역사를 학습합니다 | [수업](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
| 03 | 공정성과 머신러닝 | [소개](1-Introduction/README.md) | 공정성과 관련된 주요 철학적 문제들을 학생들이 ML 모델을 구축하고 적용할 때 고려해야 하는 점은 무엇인지 학습합니다. | [수업](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | 머신러닝 기법 | [소개](1-Introduction/README.md) | ML 연구자가 ML 모델을 구축할 때 사용하는 기법을 학습합니다. | [수업](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
| 05 | 회귀 소개 | [회귀](2-Regression/README.md) | 회귀 모델을 위해 Python과 Scikit-learn 사용을 시작합니다 | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | 북미 호박 가격 🎃 | [회귀](2-Regression/README.md) | 머신러닝 준비를 위해 데이터를 시각화하고 정리합니다 | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
| 07 | 북미 호박 가격 🎃 | [회귀](2-Regression/README.md) | 선형 및 다항 회귀 모델을 구축합니다 | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
| 08 | 북미 호박 가격 🎃 | [회귀](2-Regression/README.md) | 로지스틱 회귀 모델을 구축합니다 | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
| 09 | 웹 앱 🔌 | [웹 앱](3-Web-App/README.md) | 학습한 모델을 사용하는 웹 앱을 구축합니다 | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | 분류 소개 | [분류](4-Classification/README.md) | 데이터를 정리, 준비, 시각화하고 분류에 대한 소개를 받습니다 | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
| 11 | 맛있는 아시아 및 인도 요리 🍜 | [분류](4-Classification/README.md) | 분류기에 대한 소개 | [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 | 맛있는 아시아 및 인도 요리 🍜 | [분류](4-Classification/README.md) | 분류기 확장 | [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 | 맛있는 아시아 및 인도 요리 🍜 | [분류](4-Classification/README.md) | 모델을 사용하여 추천 웹 앱을 구축합니다 | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | 클러스터링 소개 | [클러스터링](5-Clustering/README.md) | 데이터를 정리, 준비, 시각화하고 클러스터링 소개를 받습니다 | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | 나이지리아 음악 취향 탐험 🎧 | [클러스터링](5-Clustering/README.md) | K-평균 클러스터링 방법을 탐험합니다 | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
| 16 | 자연어 처리 소개 ☕️ | [자연어 처리](6-NLP/README.md) | 간단한 봇을 만들어 NLP 기본을 배웁니다 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | 일반적인 NLP 작업 ☕️ | [자연어 처리](6-NLP/README.md) | 언어 구조를 다룰 때 필요한 일반 과제를 이해하며 NLP 지식을 심화합니다 | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | 번역 및 감정 분석 ♥️ | [자연어 처리](6-NLP/README.md) | 제인 오스틴과 함께하는 번역 및 감정 분석 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | 유럽의 로맨틱 호텔 ♥️ | [자연어 처리](6-NLP/README.md) | 호텔 리뷰를 통한 감정 분석 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | 유럽의 로맨틱 호텔 ♥️ | [자연어 처리](6-NLP/README.md) | 호텔 리뷰를 통한 감정 분석 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 후기글 | 실제 머신러닝 시나리오 및 응용 | [현장 ML](9-Real-World/README.md) | 고전적인 ML의 흥미롭고 드러나는 실제 응용 사례 | [수업](9-Real-World/1-Applications/README.md) | 팀 |
| 후기글 | RAI 대시보드를 이용한 ML 모델 디버깅 | [현장 ML](9-Real-World/README.md) | 책임 있는 AI 대시보드 구성요소를 활용한 머신러닝 모델 디버깅 | [수업](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
> [본 과정의 추가 자료는 Microsoft Learn 모음에서 모두 확인하세요](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## 오프라인 접근
[Docsify](https://docsify.js.org/#/)를 사용하여 이 문서를 오프라인에서 실행할 수 있습니다. 이 저장소를 포크하고, 로컬 머신에 [Docsify 설치](https://docsify.js.org/#/quickstart) 후, 이 저장소의 루트 폴더에서 `docsify serve`를 실행하면 웹사이트가 로컬호스트의 포트 3000, 즉 `localhost:3000`에서 서비스됩니다.
## PDF
링크가 포함된 커리큘럼 PDF는 [여기](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)에서 확인하세요.
커리큘럼 PDF 파일은 [여기](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)에서 다운로드하세요.
## 🎒 다른 강좌
## 🎒 기타 강좌
우리 팀은 다른 강좌도 제작합니다! 확인해보세요:
저희 팀은 다른 강좌들도 제공합니다! 다음을 확인하세요:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agents
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
### Azure / Edge / MCP / 에이전트
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### 핵심 학습
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### 코파일럿 시리즈
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
@ -218,5 +219,5 @@ AI 앱 개발 중에 막히거나 질문이 있는 경우 MCP 커뮤니티에
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**면책 조항**:
이 문서는 AI 번역 서비스 [Co-op Translator](https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 정확성을 위해 노력하였으나, 자동 번역에는 오류나 부정확성이 포함될 수 있음을 유의해 주시기 바랍니다. 원문 문서는 권위 있는 출처로 간주되어야 합니다. 중요한 정보의 경우 전문적인 인간 번역을 권장합니다. 이 번역의 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.
이 문서는 AI 번역 서비스 [Co-op Translator](https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 정확성을 위해 노력하고 있지만, 자동 번역에는 오류나 부정확한 부분이 있을 수 있음을 유의하시기 바랍니다. 원본 문서는 해당 언어로 작성된 문서가 권위 있는 출처로 간주되어야 합니다. 중요한 정보의 경우 전문적인 인간 번역을 권장합니다. 본 번역의 사용으로 발생하는 오해나 잘못된 해석에 대해서는 책임을 지지 않습니다.
localizeflow[bot]
4 days ago