[](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/) ### 🌐 बहुभाषी समर्थन #### GitHub Action के माध्यम से समर्थित (स्वचालित और हमेशा अद्यतन) [French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](./README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md) #### हमारे समुदाय से जुड़ें [](https://aka.ms/ml4beginners/discord) हमारे Discord पर AI के साथ सीखने की श्रृंखला चल रही है। अधिक जानें और [Learn with AI Series](https://aka.ms/learnwithai/discord) में 18 - 30 सितंबर, 2025 तक शामिल हों। आपको डेटा साइंस के लिए GitHub Copilot का उपयोग करने के टिप्स और ट्रिक्स मिलेंगे।  # शुरुआती लोगों के लिए मशीन लर्निंग - एक पाठ्यक्रम > 🌍 दुनिया भर की संस्कृतियों के माध्यम से मशीन लर्निंग का अन्वेषण करें 🌍 Microsoft के Cloud Advocates ने **मशीन लर्निंग** पर आधारित 12-सप्ताह, 26-पाठ का पाठ्यक्रम पेश करने में खुशी महसूस की। इस पाठ्यक्रम में, आप **क्लासिक मशीन लर्निंग** के बारे में जानेंगे, मुख्य रूप से Scikit-learn लाइब्रेरी का उपयोग करते हुए और डीप लर्निंग से बचते हुए, जिसे हमारे [AI for Beginners' पाठ्यक्रम](https://aka.ms/ai4beginners) में शामिल किया गया है। इन पाठों को हमारे ['Data Science for Beginners' पाठ्यक्रम](https://aka.ms/ds4beginners) के साथ जोड़ें। हमारे साथ दुनिया भर की यात्रा करें क्योंकि हम इन क्लासिक तकनीकों को विभिन्न क्षेत्रों के डेटा पर लागू करते हैं। प्रत्येक पाठ में प्री- और पोस्ट-लेसन क्विज़, लिखित निर्देश, समाधान, असाइनमेंट और बहुत कुछ शामिल है। हमारा प्रोजेक्ट-आधारित शिक्षण दृष्टिकोण आपको निर्माण करते हुए सीखने की अनुमति देता है, जो नई कौशल को बनाए रखने का एक 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 चित्रकारों को भी धन्यवाद** Tomomi Imura, Dasani Madipalli, और Jen Looper **🙏 विशेष धन्यवाद 🙏 हमारे Microsoft Student Ambassador लेखकों, समीक्षकों और सामग्री योगदानकर्ताओं को**, विशेष रूप से Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, और Snigdha Agarwal **🤩 अतिरिक्त आभार Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, और Vidushi Gupta को हमारे R पाठों के लिए!** # शुरुआत कैसे करें इन चरणों का पालन करें: 1. **रेपो को फोर्क करें**: इस पेज के ऊपर-दाईं ओर "Fork" बटन पर क्लिक करें। 2. **रेपो को क्लोन करें**: `git clone https://github.com/microsoft/ML-For-Beginners.git` > [इस पाठ्यक्रम के लिए सभी अतिरिक्त संसाधन हमारे Microsoft Learn संग्रह में खोजें](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) **[छात्रों](https://aka.ms/student-page)**, इस पाठ्यक्रम का उपयोग करने के लिए, पूरे रेपो को अपने GitHub खाते में फोर्क करें और अभ्यास को अकेले या समूह में पूरा करें: - प्री-लेक्चर क्विज़ से शुरू करें। - लेक्चर पढ़ें और गतिविधियों को पूरा करें, प्रत्येक ज्ञान जांच पर रुकें और विचार करें। - पाठों को समझने की कोशिश करें और प्रोजेक्ट बनाएं, समाधान कोड चलाने के बजाय; हालांकि वह कोड `/solution` फोल्डर्स में उपलब्ध है। - पोस्ट-लेक्चर क्विज़ लें। - चुनौती को पूरा करें। - असाइनमेंट को पूरा करें। - एक पाठ समूह पूरा करने के बाद, [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) पर जाएं और "लाउड में सीखें" द्वारा उपयुक्त PAT रूब्रिक भरें। 'PAT' एक प्रगति मूल्यांकन उपकरण है जिसे आप अपनी सीखने को आगे बढ़ाने के लिए भरते हैं। आप अन्य PATs पर प्रतिक्रिया भी दे सकते हैं ताकि हम साथ में सीख सकें। > 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 लर्निंग पाथ्स का अनुसरण करने की सिफारिश करते हैं। **शिक्षकों**, हमने इस पाठ्यक्रम का उपयोग करने के लिए [कुछ सुझाव शामिल किए हैं](for-teachers.md)। --- ## वीडियो वॉकथ्रू कुछ पाठ छोटे वीडियो के रूप में उपलब्ध हैं। आप इन सभी को पाठों में इनलाइन पा सकते हैं, या [Microsoft Developer YouTube चैनल पर ML for Beginners प्लेलिस्ट](https://aka.ms/ml-beginners-videos) पर क्लिक करके देख सकते हैं। [](https://aka.ms/ml-beginners-videos) --- ## टीम से मिलें [](https://youtu.be/Tj1XWrDSYJU) **Gif द्वारा** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 ऊपर दी गई छवि पर क्लिक करें परियोजना और इसे बनाने वाले लोगों के बारे में वीडियो देखने के लिए! --- ## शिक्षण दृष्टिकोण हमने इस पाठ्यक्रम को बनाते समय दो शिक्षण सिद्धांतों को चुना है: यह सुनिश्चित करना कि यह **प्रोजेक्ट-आधारित** है और इसमें **बार-बार क्विज़** शामिल हैं। इसके अलावा, इस पाठ्यक्रम में एक सामान्य **थीम** है जो इसे एकजुटता प्रदान करती है। सुनिश्चित करके कि सामग्री प्रोजेक्ट्स के साथ संरेखित है, प्रक्रिया को छात्रों के लिए अधिक आकर्षक बनाया गया है और अवधारणाओं की प्रतिधारण को बढ़ाया जाएगा। इसके अलावा, कक्षा से पहले एक कम-जोखिम क्विज़ छात्र को विषय सीखने की ओर प्रेरित करता है, जबकि कक्षा के बाद दूसरा क्विज़ आगे की प्रतिधारण सुनिश्चित करता है। यह पाठ्यक्रम लचीला और मजेदार बनाया गया है और इसे पूरे या आंशिक रूप से लिया जा सकता है। प्रोजेक्ट्स छोटे से शुरू होते हैं और 12-सप्ताह के चक्र के अंत तक धीरे-धीरे जटिल हो जाते हैं। इस पाठ्यक्रम में ML के वास्तविक दुनिया के अनुप्रयोगों पर एक पोस्टस्क्रिप्ट भी शामिल है, जिसे अतिरिक्त क्रेडिट के रूप में या चर्चा के आधार के रूप में उपयोग किया जा सकता है। > हमारा [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), और [Translation](TRANSLATIONS.md) दिशानिर्देश खोजें। हम आपकी रचनात्मक प्रतिक्रिया का स्वागत करते हैं! ## प्रत्येक पाठ में शामिल है - वैकल्पिक स्केच नोट - वैकल्पिक पूरक वीडियो - वीडियो वॉकथ्रू (कुछ पाठों में ही) - [प्री-लेक्चर वार्मअप क्विज़](https://ff-quizzes.netlify.app/en/ml/) - लिखित पाठ - प्रोजेक्ट-आधारित पाठों के लिए, प्रोजेक्ट बनाने के लिए चरण-दर-चरण गाइड - ज्ञान जांच - एक चुनौती - पूरक पढ़ाई - असाइनमेंट - [पोस्ट-लेक्चर क्विज़](https://ff-quizzes.netlify.app/en/ml/) > **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` फोल्डर पर जाएं और R पाठ खोजें। इनमें .rmd एक्सटेंशन होता है जो **R Markdown** फ़ाइल का प्रतिनिधित्व करता है, जिसे `Markdown दस्तावेज़` में `कोड चंक्स` (R या अन्य भाषाओं के) और `YAML हेडर` (जो आउटपुट को PDF जैसे स्वरूपों में गाइड करता है) के एम्बेडिंग के रूप में परिभाषित किया जा सकता है। यह डेटा साइंस के लिए एक उत्कृष्ट लेखन ढांचा के रूप में कार्य करता है क्योंकि यह आपको अपने कोड, उसके आउटपुट और अपने विचारों को Markdown में लिखने की अनुमति देता है। इसके अलावा, R Markdown दस्तावेज़ों को PDF, HTML, या Word जैसे आउटपुट स्वरूपों में रेंडर किया जा सकता है। > **क्विज़ के बारे में एक नोट**: सभी क्विज़ [Quiz App फोल्डर](../../quiz-app) में शामिल हैं, कुल 52 क्विज़, प्रत्येक में तीन प्रश्न। ये पाठों के भीतर से लिंक किए गए हैं लेकिन क्विज़ ऐप को स्थानीय रूप से चलाया जा सकता है; `quiz-app` फोल्डर में निर्देशों का पालन करें इसे स्थानीय रूप से होस्ट करने या Azure पर तैनात करने के लिए। | पाठ संख्या | विषय | पाठ समूह | सीखने के उद्देश्य | लिंक्ड पाठ | लेखक | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | 01 | मशीन लर्निंग का परिचय | [परिचय](1-Introduction/README.md) | मशीन लर्निंग के पीछे बुनियादी अवधारणाओं को जानें | [पाठ](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 02 | मशीन लर्निंग का इतिहास | [परिचय](1-Introduction/README.md) | इस क्षेत्र के पीछे का इतिहास जानें | [पाठ](1-Introduction/2-history-of-ML/README.md) | Jen और Amy | | 03 | निष्पक्षता और मशीन लर्निंग | [परिचय](1-Introduction/README.md) | मशीन लर्निंग मॉडल बनाते और लागू करते समय छात्रों को निष्पक्षता से संबंधित कौन-कौन से महत्वपूर्ण दार्शनिक मुद्दों पर विचार करना चाहिए? | [पाठ](1-Introduction/3-fairness/README.md) | टोमोमी | | 04 | मशीन लर्निंग के लिए तकनीकें | [परिचय](1-Introduction/README.md) | मशीन लर्निंग शोधकर्ता एमएल मॉडल बनाने के लिए कौन-कौन सी तकनीकों का उपयोग करते हैं? | [पाठ](1-Introduction/4-techniques-of-ML/README.md) | क्रिस और जेन | | 05 | रिग्रेशन का परिचय | [रिग्रेशन](2-Regression/README.md) | रिग्रेशन मॉडल के लिए पायथन और स्काइपिट-लर्न के साथ शुरुआत करें | [पायथन](2-Regression/1-Tools/README.md) • [आर](../../2-Regression/1-Tools/solution/R/lesson_1.html) | जेन • एरिक वानजाउ | | 06 | उत्तरी अमेरिकी कद्दू की कीमतें 🎃 | [रिग्रेशन](2-Regression/README.md) | मशीन लर्निंग की तैयारी के लिए डेटा को विज़ुअलाइज़ और साफ करें | [पायथन](2-Regression/2-Data/README.md) • [आर](../../2-Regression/2-Data/solution/R/lesson_2.html) | जेन • एरिक वानजाउ | | 07 | उत्तरी अमेरिकी कद्दू की कीमतें 🎃 | [रिग्रेशन](2-Regression/README.md) | रैखिक और बहुपद रिग्रेशन मॉडल बनाएं | [पायथन](2-Regression/3-Linear/README.md) • [आर](../../2-Regression/3-Linear/solution/R/lesson_3.html) | जेन और दिमित्री • एरिक वानजाउ | | 08 | उत्तरी अमेरिकी कद्दू की कीमतें 🎃 | [रिग्रेशन](2-Regression/README.md) | एक लॉजिस्टिक रिग्रेशन मॉडल बनाएं | [पायथन](2-Regression/4-Logistic/README.md) • [आर](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | जेन • एरिक वानजाउ | | 09 | एक वेब ऐप 🔌 | [वेब ऐप](3-Web-App/README.md) | अपने प्रशिक्षित मॉडल का उपयोग करने के लिए एक वेब ऐप बनाएं | [पायथन](3-Web-App/1-Web-App/README.md) | जेन | | 10 | वर्गीकरण का परिचय | [वर्गीकरण](4-Classification/README.md) | अपने डेटा को साफ करें, तैयार करें और विज़ुअलाइज़ करें; वर्गीकरण का परिचय | [पायथन](4-Classification/1-Introduction/README.md) • [आर](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | जेन और कैसी • एरिक वानजाउ | | 11 | स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜 | [वर्गीकरण](4-Classification/README.md) | वर्गीकरणकर्ताओं का परिचय | [पायथन](4-Classification/2-Classifiers-1/README.md) • [आर](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | जेन और कैसी • एरिक वानजाउ | | 12 | स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜 | [वर्गीकरण](4-Classification/README.md) | अधिक वर्गीकरणकर्ता | [पायथन](4-Classification/3-Classifiers-2/README.md) • [आर](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | जेन और कैसी • एरिक वानजाउ | | 13 | स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜 | [वर्गीकरण](4-Classification/README.md) | अपने मॉडल का उपयोग करके एक अनुशंसा वेब ऐप बनाएं | [पायथन](4-Classification/4-Applied/README.md) | जेन | | 14 | क्लस्टरिंग का परिचय | [क्लस्टरिंग](5-Clustering/README.md) | अपने डेटा को साफ करें, तैयार करें और विज़ुअलाइज़ करें; क्लस्टरिंग का परिचय | [पायथन](5-Clustering/1-Visualize/README.md) • [आर](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | जेन • एरिक वानजाउ | | 15 | नाइजीरियाई संगीत स्वादों की खोज 🎧 | [क्लस्टरिंग](5-Clustering/README.md) | के-मीन्स क्लस्टरिंग विधि का अन्वेषण करें | [पायथन](5-Clustering/2-K-Means/README.md) • [आर](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | जेन • एरिक वानजाउ | | 16 | प्राकृतिक भाषा प्रसंस्करण का परिचय ☕️ | [प्राकृतिक भाषा प्रसंस्करण](6-NLP/README.md) | एक साधारण बॉट बनाकर एनएलपी के मूलभूत सिद्धांत सीखें | [पायथन](6-NLP/1-Introduction-to-NLP/README.md) | स्टीफन | | 17 | सामान्य एनएलपी कार्य ☕️ | [प्राकृतिक भाषा प्रसंस्करण](6-NLP/README.md) | भाषा संरचनाओं से निपटने के दौरान आवश्यक सामान्य कार्यों को समझकर अपनी एनएलपी जानकारी को गहरा करें | [पायथन](6-NLP/2-Tasks/README.md) | स्टीफन | | 18 | अनुवाद और भावना विश्लेषण ♥️ | [प्राकृतिक भाषा प्रसंस्करण](6-NLP/README.md) | जेन ऑस्टेन के साथ अनुवाद और भावना विश्लेषण | [पायथन](6-NLP/3-Translation-Sentiment/README.md) | स्टीफन | | 19 | यूरोप के रोमांटिक होटल ♥️ | [प्राकृतिक भाषा प्रसंस्करण](6-NLP/README.md) | होटल समीक्षाओं के साथ भावना विश्लेषण 1 | [पायथन](6-NLP/4-Hotel-Reviews-1/README.md) | स्टीफन | | 20 | यूरोप के रोमांटिक होटल ♥️ | [प्राकृतिक भाषा प्रसंस्करण](6-NLP/README.md) | होटल समीक्षाओं के साथ भावना विश्लेषण 2 | [पायथन](6-NLP/5-Hotel-Reviews-2/README.md) | स्टीफन | | 21 | समय श्रृंखला पूर्वानुमान का परिचय | [समय श्रृंखला](7-TimeSeries/README.md) | समय श्रृंखला पूर्वानुमान का परिचय | [पायथन](7-TimeSeries/1-Introduction/README.md) | फ्रांसेस्का | | 22 | ⚡️ विश्व ऊर्जा उपयोग ⚡️ - एआरआईएमए के साथ समय श्रृंखला पूर्वानुमान | [समय श्रृंखला](7-TimeSeries/README.md) | एआरआईएमए के साथ समय श्रृंखला पूर्वानुमान | [पायथन](7-TimeSeries/2-ARIMA/README.md) | फ्रांसेस्का | | 23 | ⚡️ विश्व ऊर्जा उपयोग ⚡️ - एसवीआर के साथ समय श्रृंखला पूर्वानुमान | [समय श्रृंखला](7-TimeSeries/README.md) | सपोर्ट वेक्टर रिग्रेशन के साथ समय श्रृंखला पूर्वानुमान | [पायथन](7-TimeSeries/3-SVR/README.md) | अनिर्बान | | 24 | सुदृढीकरण लर्निंग का परिचय | [सुदृढीकरण लर्निंग](8-Reinforcement/README.md) | क्यू-लर्निंग के साथ सुदृढीकरण लर्निंग का परिचय | [पायथन](8-Reinforcement/1-QLearning/README.md) | दिमित्री | | 25 | पीटर को भेड़िये से बचाने में मदद करें! 🐺 | [सुदृढीकरण लर्निंग](8-Reinforcement/README.md) | सुदृढीकरण लर्निंग जिम | [पायथन](8-Reinforcement/2-Gym/README.md) | दिमित्री | | परिशिष्ट | वास्तविक दुनिया के एमएल परिदृश्य और अनुप्रयोग | [वास्तविक दुनिया में एमएल](9-Real-World/README.md) | क्लासिकल एमएल के दिलचस्प और खुलासे करने वाले वास्तविक दुनिया के अनुप्रयोग | [पाठ](9-Real-World/1-Applications/README.md) | टीम | | परिशिष्ट | आरएआई डैशबोर्ड का उपयोग करके एमएल में मॉडल डिबगिंग | [वास्तविक दुनिया में एमएल](9-Real-World/README.md) | जिम्मेदार एआई डैशबोर्ड घटकों का उपयोग करके मशीन लर्निंग में मॉडल डिबगिंग | [पाठ](9-Real-World/2-Debugging-ML-Models/README.md) | रूथ याकुब | > [इस पाठ्यक्रम के लिए सभी अतिरिक्त संसाधन हमारे Microsoft Learn संग्रह में खोजें](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## ऑफ़लाइन एक्सेस आप इस दस्तावेज़ को ऑफ़लाइन [Docsify](https://docsify.js.org/#/) का उपयोग करके चला सकते हैं। इस रिपॉजिटरी को फोर्क करें, अपने लोकल मशीन पर [Docsify इंस्टॉल करें](https://docsify.js.org/#/quickstart), और फिर इस रिपॉजिटरी के रूट फ़ोल्डर में `docsify serve` टाइप करें। वेबसाइट आपके लोकलहोस्ट पर पोर्ट 3000 पर उपलब्ध होगी: `localhost:3000`। ## पीडीएफ लिंक्स के साथ पाठ्यक्रम का पीडीएफ [यहां](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) खोजें। ## 🎒 अन्य पाठ्यक्रम हमारी टीम अन्य पाठ्यक्रम भी बनाती है! देखें: - [शुरुआती के लिए जनरेटिव एआई](https://aka.ms/genai-beginners) - [शुरुआती के लिए जनरेटिव एआई .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) - [जावास्क्रिप्ट के साथ जनरेटिव एआई](https://github.com/microsoft/generative-ai-with-javascript) - [जावा के साथ जनरेटिव एआई](https://github.com/microsoft/Generative-AI-for-beginners-java) - [शुरुआती के लिए एआई](https://aka.ms/ai-beginners) - [शुरुआती के लिए डेटा साइंस](https://aka.ms/datascience-beginners) - [शुरुआती के लिए एमएल](https://aka.ms/ml-beginners) - [शुरुआती के लिए साइबर सुरक्षा](https://github.com/microsoft/Security-101) - [शुरुआती के लिए वेब विकास](https://aka.ms/webdev-beginners) - [शुरुआती के लिए IoT](https://aka.ms/iot-beginners) - [शुरुआती के लिए एक्सआर विकास](https://github.com/microsoft/xr-development-for-beginners) - [पेयर्ड प्रोग्रामिंग के लिए गिटहब कोपायलट में महारत हासिल करना](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming) - [C#/.NET डेवलपर्स के लिए गिटहब कोपायलट में महारत हासिल करना](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) - [अपना खुद का कोपायलट एडवेंचर चुनें](https://github.com/microsoft/CopilotAdventures) ---