[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [](https://GitHub.com/microsoft/ML-For-Beginners/issues/) [](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) [](http://makeapullrequest.com) [](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) [](https://GitHub.com/microsoft/ML-For-Beginners/network/) [](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) ### 🌐 کثیر زبان کی حمایت #### GitHub ایکشن کے ذریعے دستیاب (خودکار اور ہمیشہ تازہ ترین) [عربی](../ar/README.md) | [بنگالی](../bn/README.md) | [بلغاریائی](../bg/README.md) | [برمی (میانمار)](../my/README.md) | [چینی (سادہ)](../zh/README.md) | [چینی (روایتی، ہانگ کانگ)](../hk/README.md) | [چینی (روایتی، مکاؤ)](../mo/README.md) | [چینی (روایتی، تائیوان)](../tw/README.md) | [کروشین](../hr/README.md) | [چیک](../cs/README.md) | [ڈینش](../da/README.md) | [ڈچ](../nl/README.md) | [ایسٹونین](../et/README.md) | [فنش](../fi/README.md) | [فرانسیسی](../fr/README.md) | [جرمن](../de/README.md) | [یونانی](../el/README.md) | [عبرانی](../he/README.md) | [ہندی](../hi/README.md) | [ہنگریائی](../hu/README.md) | [انڈونیشیائی](../id/README.md) | [اطالوی](../it/README.md) | [جاپانی](../ja/README.md) | [کوریائی](../ko/README.md) | [لتھوانیائی](../lt/README.md) | [ملائی](../ms/README.md) | [مراٹھی](../mr/README.md) | [نیپالی](../ne/README.md) | [نارویجین](../no/README.md) | [فارسی](../fa/README.md) | [پولش](../pl/README.md) | [پرتگالی (برازیل)](../br/README.md) | [پرتگالی (پرتگال)](../pt/README.md) | [پنجابی (گرمکھی)](../pa/README.md) | [رومانیائی](../ro/README.md) | [روسی](../ru/README.md) | [سربیائی (سیریلک)](../sr/README.md) | [سلوواک](../sk/README.md) | [سلووینیائی](../sl/README.md) | [ہسپانوی](../es/README.md) | [سواحلی](../sw/README.md) | [سویڈش](../sv/README.md) | [ٹیگالوگ (فلپائنی)](../tl/README.md) | [تمل](../ta/README.md) | [تھائی](../th/README.md) | [ترکی](../tr/README.md) | [یوکرینی](../uk/README.md) | [اردو](./README.md) | [ویتنامی](../vi/README.md) #### ہماری کمیونٹی میں شامل ہوں [](https://aka.ms/ml4beginners/discord) ہمارے پاس ایک Discord پر AI کے ساتھ سیکھنے کی سیریز جاری ہے، مزید جانیں اور ہمارے ساتھ شامل ہوں [AI کے ساتھ سیکھنے کی سیریز](https://aka.ms/learnwithai/discord) 18 - 30 ستمبر، 2025 سے۔ آپ کو ڈیٹا سائنس کے لیے GitHub Copilot استعمال کرنے کے نکات اور ترکیبیں ملیں گی۔  # مشین لرننگ برائے ابتدائی - ایک نصاب > 🌍 دنیا کے مختلف ثقافتوں کے ذریعے مشین لرننگ کو دریافت کریں 🌍 Microsoft کے Cloud Advocates نے 12 ہفتوں، 26 اسباق پر مشتمل نصاب پیش کرنے پر خوشی کا اظہار کیا ہے جو مکمل طور پر **مشین لرننگ** کے بارے میں ہے۔ اس نصاب میں، آپ **کلاسک مشین لرننگ** کے بارے میں سیکھیں گے، بنیادی طور پر Scikit-learn لائبریری کا استعمال کرتے ہوئے اور گہرائی میں سیکھنے سے گریز کرتے ہوئے، جو ہمارے [AI برائے ابتدائی نصاب](https://aka.ms/ai4beginners) میں شامل ہے۔ ان اسباق کو ہمارے ['ڈیٹا سائنس برائے ابتدائی نصاب'](https://aka.ms/ds4beginners) کے ساتھ جوڑیں! ہمارے ساتھ دنیا بھر کا سفر کریں کیونکہ ہم ان کلاسک تکنیکوں کو دنیا کے مختلف علاقوں کے ڈیٹا پر لاگو کرتے ہیں۔ ہر سبق میں سبق سے پہلے اور بعد کے کوئز، سبق مکمل کرنے کے لیے تحریری ہدایات، ایک حل، ایک اسائنمنٹ، اور مزید شامل ہیں۔ ہمارا پروجیکٹ پر مبنی تدریسی طریقہ آپ کو سیکھنے کے دوران تعمیر کرنے کی اجازت دیتا ہے، جو نئے مہارتوں کو 'یاد رکھنے' کا ایک ثابت شدہ طریقہ ہے۔ **✍️ ہمارے مصنفین کا دل سے شکریہ** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu اور Amy Boyd **🎨 ہمارے مصوروں کا بھی شکریہ** Tomomi Imura, Dasani Madipalli, اور Jen Looper **🙏 خاص شکریہ 🙏 ہمارے Microsoft Student Ambassador مصنفین، جائزہ لینے والوں، اور مواد کے تعاون کرنے والوں کا**، خاص طور پر Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, اور Snigdha Agarwal **🤩 اضافی شکریہ Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, اور Vidushi Gupta کو ہمارے R اسباق کے لیے!** # شروع کریں ان مراحل پر عمل کریں: 1. **ریپوزیٹری کو فورک کریں**: اس صفحے کے اوپر دائیں کونے میں "Fork" بٹن پر کلک کریں۔ 2. **ریپوزیٹری کو کلون کریں**: `git clone https://github.com/microsoft/ML-For-Beginners.git` > [اس کورس کے لیے تمام اضافی وسائل ہماری Microsoft Learn کلیکشن میں تلاش کریں](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) > 🔧 **مدد چاہیے؟** ہمارے [Troubleshooting Guide](TROUBLESHOOTING.md) کو چیک کریں تاکہ انسٹالیشن، سیٹ اپ، اور اسباق چلانے کے عام مسائل کے حل تلاش کیے جا سکیں۔ **[طلباء](https://aka.ms/student-page)**، اس نصاب کو استعمال کرنے کے لیے، پورے ریپو کو اپنے GitHub اکاؤنٹ میں فورک کریں اور مشقیں خود یا گروپ کے ساتھ مکمل کریں: - سبق سے پہلے کوئز کے ساتھ شروع کریں۔ - سبق پڑھیں اور سرگرمیاں مکمل کریں، ہر علم کی جانچ پر توقف کریں اور غور کریں۔ - اسباق کو سمجھ کر پروجیکٹس بنانے کی کوشش کریں بجائے اس کے کہ حل کوڈ چلائیں؛ تاہم وہ کوڈ ہر پروجیکٹ پر مبنی سبق کے `/solution` فولڈرز میں دستیاب ہے۔ - سبق کے بعد کوئز لیں۔ - چیلنج مکمل کریں۔ - اسائنمنٹ مکمل کریں۔ - سبق گروپ مکمل کرنے کے بعد، [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) پر جائیں اور "بلند آواز میں سیکھیں" مناسب PAT rubric کو بھر کر۔ 'PAT' ایک Progress Assessment Tool ہے جو آپ کے سیکھنے کو مزید آگے بڑھانے کے لیے ایک rubric ہے۔ آپ دوسرے PATs پر ردعمل بھی دے سکتے ہیں تاکہ ہم مل کر سیکھ سکیں۔ > مزید مطالعہ کے لیے، ہم ان [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) ماڈیولز اور سیکھنے کے راستوں کی پیروی کرنے کی سفارش کرتے ہیں۔ **اساتذہ**، ہم نے اس نصاب کو استعمال کرنے کے بارے میں کچھ تجاویز [شامل کی ہیں](for-teachers.md)۔ --- ## ویڈیو واک تھرو کچھ اسباق مختصر ویڈیو کی شکل میں دستیاب ہیں۔ آپ ان سب کو اسباق میں ان لائن یا Microsoft Developer YouTube چینل پر [ML برائے ابتدائی پلے لسٹ](https://aka.ms/ml-beginners-videos) پر دیکھ سکتے ہیں، نیچے دی گئی تصویر پر کلک کریں۔ [](https://aka.ms/ml-beginners-videos) --- ## ٹیم سے ملاقات کریں [](https://youtu.be/Tj1XWrDSYJU) **Gif از** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 اوپر دی گئی تصویر پر کلک کریں تاکہ پروجیکٹ اور اسے بنانے والے افراد کے بارے میں ویڈیو دیکھ سکیں! --- ## تدریسی طریقہ ہم نے اس نصاب کو بناتے وقت دو تدریسی اصولوں کا انتخاب کیا ہے: یہ یقینی بنانا کہ یہ عملی **پروجیکٹ پر مبنی** ہے اور اس میں **بار بار کوئز** شامل ہیں۔ اس کے علاوہ، اس نصاب میں ایک عام **موضوع** شامل ہے تاکہ اسے ہم آہنگ بنایا جا سکے۔ یہ یقینی بنا کر کہ مواد پروجیکٹس کے ساتھ ہم آہنگ ہے، عمل طلباء کے لیے زیادہ دلچسپ بنایا گیا ہے اور تصورات کی یادداشت کو بڑھایا جائے گا۔ اس کے علاوہ، کلاس سے پہلے ایک کم دباؤ والا کوئز طالب علم کو کسی موضوع کو سیکھنے کی طرف متوجہ کرتا ہے، جبکہ کلاس کے بعد دوسرا کوئز مزید یادداشت کو یقینی بناتا ہے۔ یہ نصاب لچکدار اور تفریحی بنایا گیا ہے اور اسے مکمل یا جزوی طور پر لیا جا سکتا ہے۔ پروجیکٹس چھوٹے شروع ہوتے ہیں اور 12 ہفتوں کے اختتام تک بتدریج پیچیدہ ہو جاتے ہیں۔ اس نصاب میں ML کے حقیقی دنیا کے اطلاقات پر ایک پوسٹ اسکرپٹ بھی شامل ہے، جسے اضافی کریڈٹ کے طور پر یا بحث کی بنیاد کے طور پر استعمال کیا جا سکتا ہے۔ > ہمارا [Code of Conduct](CODE_OF_CONDUCT.md)، [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md)، اور [Troubleshooting](TROUBLESHOOTING.md) رہنما خطوط تلاش کریں۔ ہم آپ کی تعمیری رائے کا خیر مقدم کرتے ہیں! ## ہر سبق میں شامل ہے - اختیاری اسکیچ نوٹ - اختیاری اضافی ویڈیو - ویڈیو واک تھرو (کچھ اسباق میں) - [سبق سے پہلے وارم اپ کوئز](https://ff-quizzes.netlify.app/en/ml/) - تحریری سبق - پروجیکٹ پر مبنی اسباق کے لیے، پروجیکٹ بنانے کے لیے مرحلہ وار رہنما - علم کی جانچ - ایک چیلنج - اضافی مطالعہ - اسائنمنٹ - [سبق کے بعد کوئز](https://ff-quizzes.netlify.app/en/ml/) > **زبانوں کے بارے میں ایک نوٹ**: یہ اسباق بنیادی طور پر Python میں لکھے گئے ہیں، لیکن بہت سے R میں بھی دستیاب ہیں۔ R سبق مکمل کرنے کے لیے، `/solution` فولڈر پر جائیں اور R اسباق تلاش کریں۔ ان میں .rmd ایکسٹینشن شامل ہے جو **R Markdown** فائل کی نمائندگی کرتا ہے، جسے آسانی سے 'کوڈ چنکس' (R یا دیگر زبانوں کے) اور 'YAML ہیڈر' (جو آؤٹ پٹ فارمیٹس جیسے PDF کو فارمیٹ کرنے کی رہنمائی کرتا ہے) کو 'Markdown دستاویز' میں شامل کرنے کے طور پر بیان کیا جا سکتا ہے۔ اس طرح، یہ ڈیٹا سائنس کے لیے ایک مثالی تصنیفی فریم ورک کے طور پر کام کرتا ہے کیونکہ یہ آپ کو اپنے کوڈ، اس کے آؤٹ پٹ، اور اپنے خیالات کو Markdown میں لکھنے کی اجازت دیتا ہے۔ مزید برآں، R Markdown دستاویزات کو PDF، HTML، یا Word جیسے آؤٹ پٹ فارمیٹس میں رینڈر کیا جا سکتا ہے۔ > **کوئز کے بارے میں ایک نوٹ**: تمام کوئز [Quiz App فولڈر](../../quiz-app) میں موجود ہیں، کل 52 کوئز، ہر ایک میں تین سوالات۔ یہ اسباق کے اندر سے لنک کیے گئے ہیں لیکن کوئز ایپ کو مقامی طور پر چلایا جا سکتا ہے؛ `quiz-app` فولڈر میں ہدایات پر عمل کریں تاکہ اسے مقامی طور پر ہوسٹ کریں یا Azure پر تعینات کریں۔ | سبق نمبر | موضوع | سبق گروپ بندی | سیکھنے کے مقاصد | لنک شدہ سبق | مصنف | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | 01 | مشین لرننگ کا تعارف | [Introduction](1-Introduction/README.md) | مشین لرننگ کے بنیادی تصورات سیکھیں | [Lesson](1-Introduction/1-intro-to-ML/README.md) | محمد | | 02 | مشین لرننگ کی تاریخ | [Introduction](1-Introduction/README.md) | اس میدان کی تاریخ کے بارے میں جانیں | [Lesson](1-Introduction/2-history-of-ML/README.md) | جین اور ایمی | | 03 | مشین لرننگ اور انصاف | [Introduction](1-Introduction/README.md) | انصاف کے اہم فلسفیانہ مسائل کیا ہیں جن پر طلباء کو مشین لرننگ ماڈلز بناتے اور استعمال کرتے وقت غور کرنا چاہیے؟ | [Lesson](1-Introduction/3-fairness/README.md) | تومومی | | 04 | مشین لرننگ کے طریقے | [Introduction](1-Introduction/README.md) | مشین لرننگ ماڈلز بنانے کے لیے محققین کون سے طریقے استعمال کرتے ہیں؟ | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | کرس اور جین | | 05 | ریگریشن کا تعارف | [Regression](2-Regression/README.md) | ریگریشن ماڈلز کے لیے پائتھون اور سکائی کٹ لرن کے ساتھ شروعات کریں | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | جین • ایرک وانجو | | 06 | شمالی امریکہ کے کدو کی قیمتیں 🎃 | [Regression](2-Regression/README.md) | مشین لرننگ کی تیاری کے لیے ڈیٹا کو دیکھیں اور صاف کریں | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | جین • ایرک وانجو | | 07 | شمالی امریکہ کے کدو کی قیمتیں 🎃 | [Regression](2-Regression/README.md) | لکیری اور پولینومیئل ریگریشن ماڈلز بنائیں | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | جین اور دمتری • ایرک وانجو | | 08 | شمالی امریکہ کے کدو کی قیمتیں 🎃 | [Regression](2-Regression/README.md) | لاجسٹک ریگریشن ماڈل بنائیں | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | جین • ایرک وانجو | | 09 | ایک ویب ایپ 🔌 | [Web App](3-Web-App/README.md) | اپنے تربیت یافتہ ماڈل کو استعمال کرنے کے لیے ایک ویب ایپ بنائیں | [Python](3-Web-App/1-Web-App/README.md) | جین | | 10 | درجہ بندی کا تعارف | [Classification](4-Classification/README.md) | اپنے ڈیٹا کو صاف کریں، تیار کریں، اور دیکھیں؛ درجہ بندی کا تعارف | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | جین اور کیسی • ایرک وانجو | | 11 | مزیدار ایشیائی اور بھارتی کھانے 🍜 | [Classification](4-Classification/README.md) | درجہ بندی کرنے والوں کا تعارف | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | جین اور کیسی • ایرک وانجو | | 12 | مزیدار ایشیائی اور بھارتی کھانے 🍜 | [Classification](4-Classification/README.md) | مزید درجہ بندی کرنے والے | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | جین اور کیسی • ایرک وانجو | | 13 | مزیدار ایشیائی اور بھارتی کھانے 🍜 | [Classification](4-Classification/README.md) | اپنے ماڈل کا استعمال کرتے ہوئے ایک سفارش کنندہ ویب ایپ بنائیں | [Python](4-Classification/4-Applied/README.md) | جین | | 14 | کلسٹرنگ کا تعارف | [Clustering](5-Clustering/README.md) | اپنے ڈیٹا کو صاف کریں، تیار کریں، اور دیکھیں؛ کلسٹرنگ کا تعارف | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | جین • ایرک وانجو | | 15 | نائجیریا کے موسیقی کے ذوق کی تلاش 🎧 | [Clustering](5-Clustering/README.md) | کے-میینز کلسٹرنگ طریقہ کی تلاش | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | جین • ایرک وانجو | | 16 | قدرتی زبان کی پروسیسنگ کا تعارف ☕️ | [Natural language processing](6-NLP/README.md) | ایک سادہ بوٹ بنا کر قدرتی زبان کی پروسیسنگ کے بنیادی اصول سیکھیں | [Python](6-NLP/1-Introduction-to-NLP/README.md) | اسٹیفن | | 17 | عام NLP کام ☕️ | [Natural language processing](6-NLP/README.md) | زبان کے ڈھانچوں سے نمٹنے کے دوران درکار عام کاموں کو سمجھ کر اپنی NLP معلومات کو گہرا کریں | [Python](6-NLP/2-Tasks/README.md) | اسٹیفن | | 18 | ترجمہ اور جذبات کا تجزیہ ♥️ | [Natural language processing](6-NLP/README.md) | جین آسٹن کے ساتھ ترجمہ اور جذبات کا تجزیہ | [Python](6-NLP/3-Translation-Sentiment/README.md) | اسٹیفن | | 19 | یورپ کے رومانوی ہوٹل ♥️ | [Natural language processing](6-NLP/README.md) | ہوٹل کے جائزوں کے ساتھ جذبات کا تجزیہ 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | اسٹیفن | | 20 | یورپ کے رومانوی ہوٹل ♥️ | [Natural language processing](6-NLP/README.md) | ہوٹل کے جائزوں کے ساتھ جذبات کا تجزیہ 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | اسٹیفن | | 21 | وقت کی پیش گوئی کا تعارف | [Time series](7-TimeSeries/README.md) | وقت کی پیش گوئی کا تعارف | [Python](7-TimeSeries/1-Introduction/README.md) | فرانسسکا | | 22 | ⚡️ دنیا کی بجلی کا استعمال ⚡️ - ARIMA کے ساتھ وقت کی پیش گوئی | [Time series](7-TimeSeries/README.md) | ARIMA کے ساتھ وقت کی پیش گوئی | [Python](7-TimeSeries/2-ARIMA/README.md) | فرانسسکا | | 23 | ⚡️ دنیا کی بجلی کا استعمال ⚡️ - SVR کے ساتھ وقت کی پیش گوئی | [Time series](7-TimeSeries/README.md) | سپورٹ ویکٹر ریگریسر کے ساتھ وقت کی پیش گوئی | [Python](7-TimeSeries/3-SVR/README.md) | انربن | | 24 | تقویت یافتہ لرننگ کا تعارف | [Reinforcement learning](8-Reinforcement/README.md) | کیو-لرننگ کے ساتھ تقویت یافتہ لرننگ کا تعارف | [Python](8-Reinforcement/1-QLearning/README.md) | دمتری | | 25 | پیٹر کو بھیڑیا سے بچائیں! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | تقویت یافتہ لرننگ جم | [Python](8-Reinforcement/2-Gym/README.md) | دمتری | | Postscript | حقیقی دنیا کے مشین لرننگ کے منظرنامے اور اطلاقات | [ML in the Wild](9-Real-World/README.md) | کلاسیکل مشین لرننگ کے دلچسپ اور انکشاف کرنے والے حقیقی دنیا کے اطلاقات | [Lesson](9-Real-World/1-Applications/README.md) | ٹیم | | Postscript | RAI ڈیش بورڈ کا استعمال کرتے ہوئے مشین لرننگ ماڈلز کی ڈیبگنگ | [ML in the Wild](9-Real-World/README.md) | ذمہ دار AI ڈیش بورڈ اجزاء کا استعمال کرتے ہوئے مشین لرننگ ماڈلز کی ڈیبگنگ | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | روتھ یاکوب | > [اس کورس کے لیے تمام اضافی وسائل ہماری Microsoft Learn کلیکشن میں تلاش کریں](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## آف لائن رسائی آپ اس دستاویز کو آف لائن Docsify کا استعمال کرتے ہوئے چلا سکتے ہیں۔ اس ریپو کو فورک کریں، [Docsify انسٹال کریں](https://docsify.js.org/#/quickstart) اپنی مقامی مشین پر، اور پھر اس ریپو کے روٹ فولڈر میں `docsify serve` ٹائپ کریں۔ ویب سائٹ آپ کے لوکل ہوسٹ پر پورٹ 3000 پر پیش کی جائے گی: `localhost:3000`۔ ## PDFs نصاب کا پی ڈی ایف لنکس کے ساتھ یہاں تلاش کریں [یہاں](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)۔ ## 🎒 دیگر کورسز ہماری ٹیم دیگر کورسز تیار کرتی ہے! دیکھیں: - [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners) - [AI Agents for Beginners](https://aka.ms/ai-agents-beginners) - [Generative AI for Beginners](https://aka.ms/genai-beginners) - [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) - [Generative AI with JavaScript](https://github.com/microsoft/generative-ai-with-javascript) - [Generative AI with Java](https://github.com/microsoft/Generative-AI-for-beginners-java) - [AI for Beginners](https://aka.ms/ai-beginners) - [Data Science for Beginners](https://aka.ms/datascience-beginners) - [ML for Beginners](https://aka.ms/ml-beginners) - [Cybersecurity for Beginners](https://github.com/microsoft/Security-101) - [Web Dev for Beginners](https://aka.ms/webdev-beginners) - [IoT for Beginners](https://aka.ms/iot-beginners) - [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners) - [Mastering GitHub Copilot for Paired Programming](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming) - [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) - [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) ## مدد حاصل کرنا اگر آپ پھنس جائیں یا AI ایپس بنانے کے بارے میں کوئی سوال ہو، تو شامل ہوں: [](https://aka.ms/foundry/discord) اگر آپ کو پروڈکٹ کے بارے میں رائے دینی ہو یا تعمیر کے دوران غلطیاں ہوں تو یہاں جائیں: [](https://aka.ms/foundry/forum) --- **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۔