# مشین لرننگ کا تعارف ## [لیکچر سے پہلے کا کوئز](https://ff-quizzes.netlify.app/en/ml/) --- [](https://youtu.be/6mSx_KJxcHI "مشین لرننگ کے لیے ابتدائی تعارف") > 🎥 اوپر دی گئی تصویر پر کلک کریں تاکہ اس سبق پر مبنی ایک مختصر ویڈیو دیکھی جا سکے۔ اس کورس میں خوش آمدید جو مشین لرننگ کے ابتدائی طلباء کے لیے ترتیب دیا گیا ہے! چاہے آپ اس موضوع میں بالکل نئے ہوں یا ایک تجربہ کار مشین لرننگ کے ماہر جو اپنی معلومات کو تازہ کرنا چاہتے ہیں، ہم آپ کے شامل ہونے پر خوش ہیں! ہم آپ کے مشین لرننگ کے مطالعے کے لیے ایک دوستانہ آغاز فراہم کرنا چاہتے ہیں اور آپ کے [فیڈبیک](https://github.com/microsoft/ML-For-Beginners/discussions) کو شامل کرنے کے لیے تیار ہیں۔ [](https://youtu.be/h0e2HAPTGF4 "مشین لرننگ کا تعارف") > 🎥 اوپر دی گئی تصویر پر کلک کریں: ایم آئی ٹی کے جان گٹٹگ مشین لرننگ کا تعارف پیش کرتے ہیں۔ --- ## مشین لرننگ کے ساتھ آغاز اس نصاب کو شروع کرنے سے پہلے، آپ کو اپنے کمپیوٹر کو نوٹ بکس کو مقامی طور پر چلانے کے لیے تیار کرنا ہوگا۔ - **اپنے کمپیوٹر کو ان ویڈیوز کے ذریعے ترتیب دیں**۔ ان لنکس کا استعمال کریں تاکہ [Python انسٹال کرنے کا طریقہ](https://youtu.be/CXZYvNRIAKM) اور [ٹیکسٹ ایڈیٹر سیٹ اپ کرنے کا طریقہ](https://youtu.be/EU8eayHWoZg) سیکھ سکیں۔ - **Python سیکھیں**۔ یہ بھی تجویز کیا جاتا ہے کہ آپ کو [Python](https://docs.microsoft.com/learn/paths/python-language/?WT.mc_id=academic-77952-leestott) کی بنیادی سمجھ ہو، جو کہ ڈیٹا سائنسدانوں کے لیے ایک مفید پروگرامنگ زبان ہے اور ہم اس کورس میں استعمال کرتے ہیں۔ - **Node.js اور JavaScript سیکھیں**۔ ہم اس کورس میں ویب ایپس بنانے کے لیے چند بار JavaScript کا استعمال کرتے ہیں، اس لیے آپ کو [node](https://nodejs.org) اور [npm](https://www.npmjs.com/) انسٹال کرنے کی ضرورت ہوگی، اور [Visual Studio Code](https://code.visualstudio.com/) بھی Python اور JavaScript کی ترقی کے لیے دستیاب ہونا چاہیے۔ - **GitHub اکاؤنٹ بنائیں**۔ چونکہ آپ نے ہمیں [GitHub](https://github.com) پر پایا ہے، آپ کے پاس پہلے سے ہی ایک اکاؤنٹ ہو سکتا ہے، لیکن اگر نہیں، تو ایک اکاؤنٹ بنائیں اور پھر اس نصاب کو اپنی ذاتی استعمال کے لیے فورک کریں۔ (ہمیں ایک اسٹار دینا نہ بھولیں 😊) - **Scikit-learn کو دریافت کریں**۔ [Scikit-learn](https://scikit-learn.org/stable/user_guide.html) سے واقفیت حاصل کریں، جو مشین لرننگ کی لائبریریوں کا ایک مجموعہ ہے جس کا ہم ان اسباق میں حوالہ دیتے ہیں۔ --- ## مشین لرننگ کیا ہے؟ 'مشین لرننگ' آج کے دور کے سب سے مشہور اور کثرت سے استعمال ہونے والے اصطلاحات میں سے ایک ہے۔ اگر آپ کو ٹیکنالوجی سے کچھ حد تک واقفیت ہے، تو اس بات کا امکان ہے کہ آپ نے یہ اصطلاح کم از کم ایک بار ضرور سنی ہوگی، چاہے آپ کسی بھی شعبے میں کام کرتے ہوں۔ تاہم، مشین لرننگ کے میکینکس زیادہ تر لوگوں کے لیے ایک معمہ ہیں۔ ایک ابتدائی کے لیے، یہ موضوع کبھی کبھار دباؤ ڈالنے والا محسوس ہو سکتا ہے۔ اس لیے یہ ضروری ہے کہ مشین لرننگ کو سمجھا جائے اور اسے عملی مثالوں کے ذریعے مرحلہ وار سیکھا جائے۔ --- ## ہائپ کرَو  > گوگل ٹرینڈز مشین لرننگ کی اصطلاح کے حالیہ 'ہائپ کرَو' کو دکھاتا ہے۔ --- ## ایک پراسرار کائنات ہم ایک ایسی کائنات میں رہتے ہیں جو دلچسپ رازوں سے بھری ہوئی ہے۔ عظیم سائنسدان جیسے اسٹیفن ہاکنگ، البرٹ آئن سٹائن، اور دیگر نے اپنی زندگیاں اس دنیا کے رازوں کو بے نقاب کرنے کے لیے وقف کر دی ہیں۔ یہ انسانی فطرت ہے کہ وہ سیکھے: ایک بچہ نئی چیزیں سیکھتا ہے اور جیسے جیسے وہ بڑا ہوتا ہے، اپنے ارد گرد کی دنیا کی ساخت کو سمجھتا ہے۔ --- ## بچے کا دماغ ایک بچے کا دماغ اور اس کے حواس اپنے ارد گرد کے حقائق کو محسوس کرتے ہیں اور زندگی کے پوشیدہ نمونوں کو آہستہ آہستہ سیکھتے ہیں، جو بچے کو سیکھے گئے نمونوں کی شناخت کے لیے منطقی اصول بنانے میں مدد دیتے ہیں۔ انسانی دماغ کا سیکھنے کا عمل انسان کو اس دنیا کی سب سے پیچیدہ مخلوق بناتا ہے۔ پوشیدہ نمونوں کو دریافت کر کے مسلسل سیکھنا اور پھر ان نمونوں پر جدت کرنا ہمیں اپنی زندگی بھر بہتر سے بہتر بنانے کے قابل بناتا ہے۔ یہ سیکھنے کی صلاحیت اور ارتقاء کی قابلیت ایک تصور سے جڑی ہوئی ہے جسے [دماغ کی پلاسٹیسٹی](https://www.simplypsychology.org/brain-plasticity.html) کہا جاتا ہے۔ سطحی طور پر، ہم انسانی دماغ کے سیکھنے کے عمل اور مشین لرننگ کے تصورات کے درمیان کچھ حوصلہ افزا مماثلتیں کھینچ سکتے ہیں۔ --- ## انسانی دماغ [انسانی دماغ](https://www.livescience.com/29365-human-brain.html) حقیقی دنیا سے چیزوں کو محسوس کرتا ہے، محسوس کی گئی معلومات پر عمل کرتا ہے، منطقی فیصلے کرتا ہے، اور حالات کی بنیاد پر کچھ اعمال انجام دیتا ہے۔ ہم اسے ذہانت سے برتاؤ کرنا کہتے ہیں۔ جب ہم ذہین رویے کے عمل کی نقل کو کسی مشین میں پروگرام کرتے ہیں، تو اسے مصنوعی ذہانت (AI) کہا جاتا ہے۔ --- ## کچھ اصطلاحات اگرچہ یہ اصطلاحات الجھن پیدا کر سکتی ہیں، مشین لرننگ (ML) مصنوعی ذہانت کا ایک اہم ذیلی حصہ ہے۔ **ML کا تعلق خاص الگورتھمز کے استعمال سے ہے تاکہ محسوس کیے گئے ڈیٹا سے معنی خیز معلومات اور پوشیدہ نمونے دریافت کیے جا سکیں تاکہ منطقی فیصلہ سازی کے عمل کی تصدیق کی جا سکے۔** --- ## AI، ML، ڈیپ لرننگ  > ایک خاکہ جو AI، ML، ڈیپ لرننگ، اور ڈیٹا سائنس کے درمیان تعلقات کو ظاہر کرتا ہے۔ [جن لوپر](https://twitter.com/jenlooper) کے ذریعہ بنایا گیا انفوگرافک، [اس گرافک](https://softwareengineering.stackexchange.com/questions/366996/distinction-between-ai-ml-neural-networks-deep-learning-and-data-mining) سے متاثر ہو کر۔ --- ## کور کرنے والے تصورات اس نصاب میں، ہم صرف مشین لرننگ کے بنیادی تصورات کا احاطہ کریں گے جو ایک ابتدائی کو جاننا ضروری ہیں۔ ہم بنیادی طور پر 'کلاسیکل مشین لرننگ' کا احاطہ کریں گے، جس میں Scikit-learn کا استعمال کیا جائے گا، جو ایک بہترین لائبریری ہے جسے بہت سے طلباء بنیادی باتیں سیکھنے کے لیے استعمال کرتے ہیں۔ مصنوعی ذہانت یا ڈیپ لرننگ کے وسیع تر تصورات کو سمجھنے کے لیے، مشین لرننگ کا مضبوط بنیادی علم ناگزیر ہے، اور ہم اسے یہاں پیش کرنا چاہتے ہیں۔ --- ## اس کورس میں آپ سیکھیں گے: - مشین لرننگ کے بنیادی تصورات - مشین لرننگ کی تاریخ - مشین لرننگ اور انصاف - ریگریشن تکنیک - کلاسیفکیشن تکنیک - کلسٹرنگ تکنیک - نیچرل لینگویج پروسیسنگ تکنیک - ٹائم سیریز فورکاسٹنگ تکنیک - ری انفورسمنٹ لرننگ - مشین لرننگ کے حقیقی دنیا میں اطلاقات --- ## ہم کیا کور نہیں کریں گے - ڈیپ لرننگ - نیورل نیٹ ورکس - مصنوعی ذہانت بہتر سیکھنے کے تجربے کے لیے، ہم نیورل نیٹ ورکس، 'ڈیپ لرننگ' - نیورل نیٹ ورکس کا استعمال کرتے ہوئے کئی تہوں پر مشتمل ماڈل بنانے - اور مصنوعی ذہانت کی پیچیدگیوں سے گریز کریں گے، جن پر ہم ایک مختلف نصاب میں بات کریں گے۔ ہم ایک آنے والے ڈیٹا سائنس نصاب بھی پیش کریں گے تاکہ اس بڑے میدان کے اس پہلو پر توجہ مرکوز کی جا سکے۔ --- ## مشین لرننگ کیوں سیکھیں؟ مشین لرننگ کو نظام کے نقطہ نظر سے اس طرح بیان کیا جاتا ہے کہ یہ خودکار نظاموں کی تخلیق ہے جو ڈیٹا سے پوشیدہ نمونوں کو سیکھ سکتے ہیں تاکہ ذہین فیصلے کرنے میں مدد فراہم کی جا سکے۔ یہ تحریک ڈھیلے طور پر اس بات سے متاثر ہے کہ انسانی دماغ بیرونی دنیا سے محسوس کیے گئے ڈیٹا کی بنیاد پر کچھ چیزیں کیسے سیکھتا ہے۔ ✅ ایک لمحے کے لیے سوچیں کہ کوئی کاروبار مشین لرننگ کی حکمت عملیوں کو کیوں اپنانا چاہے گا بجائے اس کے کہ وہ سخت کوڈڈ اصولوں پر مبنی انجن بنائے۔ --- ## مشین لرننگ کی اطلاقات مشین لرننگ کی اطلاقات اب تقریباً ہر جگہ موجود ہیں، اور وہ اتنی ہی عام ہیں جتنا کہ وہ ڈیٹا جو ہمارے معاشروں میں بہہ رہا ہے، ہمارے اسمارٹ فونز، جڑے ہوئے آلات، اور دیگر نظاموں کے ذریعے پیدا ہوتا ہے۔ جدید مشین لرننگ الگورتھمز کی بے پناہ صلاحیت کو مدنظر رکھتے ہوئے، محققین ان کی صلاحیت کو کثیر جہتی اور کثیر شعبہ جاتی حقیقی زندگی کے مسائل کو حل کرنے کے لیے تلاش کر رہے ہیں، اور اس کے مثبت نتائج حاصل کر رہے ہیں۔ --- ## مشین لرننگ کے عملی مثالیں **آپ مشین لرننگ کو کئی طریقوں سے استعمال کر سکتے ہیں**: - مریض کی طبی تاریخ یا رپورٹس سے بیماری کے امکانات کی پیش گوئی کرنے کے لیے۔ - موسمی ڈیٹا کا استعمال کرتے ہوئے موسمی واقعات کی پیش گوئی کرنے کے لیے۔ - کسی متن کے جذبات کو سمجھنے کے لیے۔ - جعلی خبروں کا پتہ لگانے کے لیے تاکہ پروپیگنڈے کے پھیلاؤ کو روکا جا سکے۔ فنانس، معیشت، ارضیات، خلائی تحقیق، بایومیڈیکل انجینئرنگ، ادراکی سائنس، اور یہاں تک کہ انسانی علوم کے شعبوں نے بھی مشین لرننگ کو اپنے شعبے کے مشکل، ڈیٹا پروسیسنگ سے بھرپور مسائل کو حل کرنے کے لیے اپنایا ہے۔ --- ## نتیجہ مشین لرننگ حقیقی دنیا یا پیدا شدہ ڈیٹا سے معنی خیز بصیرت تلاش کرکے نمونوں کی دریافت کے عمل کو خودکار بناتی ہے۔ یہ کاروبار، صحت، اور مالیاتی اطلاقات سمیت دیگر شعبوں میں انتہائی قیمتی ثابت ہوئی ہے۔ قریب مستقبل میں، مشین لرننگ کی بنیادی باتوں کو سمجھنا کسی بھی شعبے کے لوگوں کے لیے ضروری ہو جائے گا کیونکہ اس کا وسیع پیمانے پر اپنانا جاری ہے۔ --- # 🚀 چیلنج کاغذ پر یا کسی آن لائن ایپ جیسے [Excalidraw](https://excalidraw.com/) کا استعمال کرتے ہوئے، AI، ML، ڈیپ لرننگ، اور ڈیٹا سائنس کے درمیان فرق کو سمجھنے کے لیے ایک خاکہ بنائیں۔ ان مسائل کے بارے میں کچھ خیالات شامل کریں جنہیں ان تکنیکوں کے ذریعے حل کیا جا سکتا ہے۔ # [لیکچر کے بعد کا کوئز](https://ff-quizzes.netlify.app/en/ml/) --- # جائزہ اور خود مطالعہ یہ سیکھنے کے لیے کہ آپ کلاؤڈ میں مشین لرننگ الگورتھمز کے ساتھ کیسے کام کر سکتے ہیں، اس [لرننگ پاتھ](https://docs.microsoft.com/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=academic-77952-leestott) کو فالو کریں۔ مشین لرننگ کی بنیادی باتوں کے بارے میں سیکھنے کے لیے اس [لرننگ پاتھ](https://docs.microsoft.com/learn/modules/introduction-to-machine-learning/?WT.mc_id=academic-77952-leestott) کو لیں۔ --- # اسائنمنٹ [شروع کریں](assignment.md) --- **ڈسکلیمر**: یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔