ML-For-Beginners/translations/hi

🌐 बहुभाषी समर्थन

GitHub Action के माध्यम से समर्थित (स्वचालित और हमेशा अद्यतित)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Khmer | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

स्थानीय रूप से क्लोन करना पसंद करते हैं?

यह रिपॉजिटरी 50+ भाषा अनुवादों को शामिल करती है जो डाउनलोड आकार को काफी बढ़ाती है। अनुवाद के बिना क्लोन करने के लिए, sparse checkout का उपयोग करें:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

इससे आपको कोर्स पूरा करने के लिए आवश्यक सब कुछ तेज़ी से डाउनलोड होगा।

हमारे समुदाय में शामिल हों

हमारे पास एक Discord पर AI के साथ सीखने की श्रृंखला चल रही है, अधिक जानने और जुड़ने के लिए जाएं Learn with AI Series 18 - 30 सितंबर, 2025 को। आपको डेटा साइंस के लिए GitHub Copilot का उपयोग करने के टिप्स और ट्रिक्स मिलेंगे।

शुरुआती लोगों के लिए मशीन लर्निंग - एक पाठ्यक्रम

🌍 विश्व की संस्कृतियों के माध्यम से मशीन लर्निंग का अन्वेषण करते हुए विश्वभर की यात्रा करें 🌍

Microsoft के क्लाउड एडवोकेट्स आपको मशीन लर्निंग के बारे में 12 सप्ताह, 26-पाठ के पाठ्यक्रम की पेशकश करते हैं। इस पाठ्यक्रम में, आप कभी-कभी 'क्लासिक मशीन लर्निंग' कहा जाने वाला विषय सीखेंगे, जो मुख्य रूप से Scikit-learn लाइब्रेरी का उपयोग करता है और डीप लर्निंग से बचता है, जिसका कवरेज हमारी AI for Beginners' curriculum में है। इन पाठों को हमारे 'डेटा साइंस फॉर बिगिनर्स' पाठ्यक्रम के साथ संयोजित करें।

हमारे साथ विश्वभर की यात्रा करें क्योंकि हम विभिन्न क्षेत्रों के डेटा पर क्लासिक तकनीकों को लागू करते हैं। प्रत्येक पाठ में प्री और पोस्ट-लेसन क्विज, लिखित निर्देश, समाधान, असाइनमेंट आदि शामिल हैं। हमारी परियोजना आधारित शिक्षण पद्धति आपको निर्माण करते हुए सीखने का मौका देती है, जो नई कौशलों को 'अटके' रहने का सिद्ध तरीका है।

✍️ हमारे लेखकों को हार्दिक धन्यवाद जे़न लूपर, स्टीफन हाउल, फ्रांसेस्का लज़्ज़ेरी, टोमोमी इमुरा, कैसी ब्रेवियू, दिमित्री सोशनिकोव, क्रिस नोरिंग, अनिर्बान मुखर्जी, ऑर्नेला अल्टुन्यान, रुथ याकुबू और ऐमी बॉयड

🎨 हमारे चित्रकारों को धन्यवाद टोमोमी इमुरा, दिसानी मैडीपाली, और जे़न लूपर

🙏 Microsoft Student Ambassador लेखकों, समीक्षकों और सामग्री योगदानकर्ताओं को विशेष धन्यवाद, विशेष रूप से ऋषित दागली, मुहम्मद साकिब खान इनान, रोहन राज, अलेक्जेंड्रू पेट्रेस्कु, अभिषेक जायसवाल, नवरिन ताबस्सुम, इवान सामुइला, और स्निग्धा अग्रवाल

🤩 Microsoft Student Ambassadors एरिक वंजाऊ, जसलिन सोंधी, और विदुषी गुप्ता को R पाठों के लिए अतिरिक्त आभार!

शुरुआत

इन चरणों का पालन करें:

1. रिपॉजिटरी को फोर्क करें: इस पेज के ऊपर-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 सभी अतिरिक्त संसाधन Microsoft Learn संग्रह में पाएँ

🔧 मदद चाहिए? आम समस्याओं के समाधान के लिए हमारा Troubleshooting Guide देखें।

छात्रों, इस पाठ्यक्रम का उपयोग करने के लिए, पूरे रिपॉजिटरी को अपने GitHub खाते पर फोर्क करें और स्वयं या समूह के साथ अभ्यास पूरा करें:

• प्री-लेक्चर क्विज से शुरुआत करें।
• व्याख्यान पढ़ें और गतिविधियाँ पूरी करें, प्रत्येक ज्ञान जांच पर रुकें और सोचें।
• समाधान कोड चलाने के बजाय पाठ को समझकर परियोजनाएं बनाने का प्रयास करें; हालांकि कोड प्रत्येक परियोजना आधारित पाठ के /solution फ़ोल्डर में उपलब्ध है।
• पोस्ट-लेक्चर क्विज लें।
• चैलेंज पूरा करें।
• असाइनमेंट पूरा करें।
• किसी भी लेसन समूह को पूरा करने के बाद, Discussion Board पर जाएं और सही PAT रूपांकन भरकर "उच्चारित करें"। PAT एक प्रगति मूल्यांकन उपकरण है जो आपकी सीख को आगे बढ़ाता है। आप अन्य PAT पर प्रतिक्रियाएँ भी दे सकते हैं ताकि हम एक साथ सीखें।

आगे पढ़ाई के लिए, हम इन Microsoft Learn मॉड्यूल और सीखने के रास्तों का पालन करने की सलाह देते हैं।

शिक्षकों, हमने इस पाठ्यक्रम का उपयोग कैसे करें, इस पर कुछ सुझाव शामिल किए हैं।

---

वीडियो वॉकथ्रू

कुछ पाठ छोटे वीडियो के रूप में उपलब्ध हैं। इन्हें आप पाठों में इन-लाइन देख सकते हैं, या Microsoft Developer YouTube चैनल पर ML for Beginners प्लेलिस्ट में नीचे दिए चित्र पर क्लिक करके देख सकते हैं।

---

टीम से मिलें

गिफ़ के निर्माता Mohit Jaisal

🎥 परियोजना और इसे बनाने वालों के बारे में वीडियो देखने के लिए ऊपर के चित्र पर क्लिक करें!

---

शिक्षण पद्धति

इस पाठ्यक्रम को बनाते समय हमने दो शैक्षणिक सिद्धांत चुनें हैं: यह सुनिश्चित करना कि यह प्रोजेक्ट-आधारित और हैंड्स-ऑन हो तथा इसमें बार-बार क्विज़ शामिल हों। इसके अलावा, इस पाठ्यक्रम का एक साझा थीम है जो इसे एकजुट बनाता है।

सामग्री का प्रोजेक्ट्स के साथ मिलान करने से छात्रों के लिए प्रक्रिया अधिक रोचक हो जाती है और अवधारणाओं की स्थिरता बढ़ती है। इसके अलावा, कक्षा से पहले का एक कम दबाव वाला क्विज छात्र की विषय सीखने की इच्छा को स्थापित करता है, जबकि कक्षा के बाद दूसरा क्विज चारों ओर प्रतिधारण सुनिश्चित करता है। यह पाठ्यक्रम लचीला और मनोरंजक बनाया गया है और इसे पूरा या अंशतः लिया जा सकता है। प्रोजेक्ट्स छोटे शुरू होते हैं और 12-सप्ताह के अंत तक धीरे-धीरे जटिल हो जाते हैं। इस पाठ्यक्रम में वास्तविक दुनिया के ML अनुप्रयोगों पर पोस्टस्क्रिप्ट भी शामिल है, जिसे अतिरिक्त क्रेडिट या चर्चा के आधार के रूप में इस्तेमाल किया जा सकता है।

हमारे व्यवहार संहिता, योगदान, अनुवाद, और समस्याओं का समाधान दिशानिर्देश देखें। हम आपकी रचनात्मक प्रतिक्रिया का स्वागत करते हैं!

प्रत्येक पाठ में शामिल हैं

• वैकल्पिक स्केचनोट
• वैकल्पिक पूरक वीडियो
• वीडियो वॉकथ्रू (कुछ पाठों में)
• प्री-लेक्चर वार्मअप क्विज
• लिखित पाठ
• परियोजना आधारित पाठों के लिए, परियोजना को कैसे बनाएं पर चरण-दर-चरण गाइड
• ज्ञान जांच
• एक चुनौती
• पूरक पठन सामग्री
• असाइनमेंट
• पोस्ट-लेक्चर क्विज

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 देखें। 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 जैसी आउटपुट स्वरूपों को प्रारूपित करने का मार्गदर्शन करता है) को Markdown दस्तावेज़ में एम्बेड करने के रूप में परिभाषित किया जा सकता है। इसलिए, यह डेटा विज्ञान के लिए एक आदर्श लेखन ढांचा के रूप में कार्य करता है क्योंकि इससे आप अपना कोड, उसका आउटपुट, और अपने विचार एक साथ Markdown में लिख सकते हैं। इसके अलावा, R Markdown दस्तावेज़ PDF, HTML, या Word जैसे आउटपुट स्वरूपों में प्रस्तुत किए जा सकते हैं।

क्विज़ के बारे में एक नोट: सभी क्विज़ Quiz App फ़ोल्डर में पाए जाते हैं, कुल 52 क्विज़ हैं जिनमें से प्रत्येक में तीन प्रश्न होते हैं। वे पाठों के भीतर से जुड़े होते हैं लेकिन क्विज़ ऐप स्थानीय रूप से चलाया जा सकता है; quiz-app फ़ोल्डर में निर्देशों का पालन करें ताकि आप इसे स्थानीय रूप से होस्ट या Azure पर तैनात कर सकें।

पाठ संख्या	विषय	पाठ समूह	सीखने के उद्देश्य	लिंक्ड पाठ	लेखक
01	मशीन लर्निंग का परिचय	परिचय	मशीन लर्निंग के मूलभूत सिद्धांत सीखें	पाठ	Muhammad
02	मशीन लर्निंग का इतिहास	परिचय	इस क्षेत्र के इतिहास को जानें	पाठ	Jen and Amy
03	निष्पक्षता और मशीन लर्निंग	परिचय	मशीन लर्निंग मॉडल बनाते और लागू करते समय छात्रों को विचार करने वाले निष्पक्षता के महत्वपूर्ण दार्शनिक मुद्दे क्या हैं?	पाठ	Tomomi
04	मशीन लर्निंग के तकनीक	परिचय	मशीन लर्निंग अनुसंधानकर्ता मशीन लर्निंग मॉडल बनाने के लिए कौन-कौन सी तकनीकें इस्तेमाल करते हैं?	पाठ	Chris and Jen
05	प्रतिगमन का परिचय	Regression	प्रतिगमन मॉडलों के लिए Python और Scikit-learn के साथ शुरूआत करें	Python • R	Jen • Eric Wanjau
06	उत्तरी अमेरिका कद्दू के दाम 🎃	Regression	ML के लिए डेटा को विज़ुअलाइज़ और साफ करें	Python • R	Jen • Eric Wanjau
07	उत्तरी अमेरिका कद्दू के दाम 🎃	Regression	रैखिक और बहुपदीय प्रतिगमन मॉडल बनाएं	Python • R	Jen and Dmitry • Eric Wanjau
08	उत्तरी अमेरिका कद्दू के दाम 🎃	Regression	एक लॉजिस्टिक प्रतिगमन मॉडल बनाएं	Python • R	Jen • Eric Wanjau
09	एक वेब ऐप 🔌	Web App	अपने प्रशिक्षित मॉडल का उपयोग करने के लिए एक वेब ऐप बनाएं	Python	Jen
10	वर्गीकरण का परिचय	Classification	अपने डेटा को साफ, तैयार, और विज़ुअलाइज़ करें; वर्गीकरण का परिचय	Python • R	Jen and Cassie • Eric Wanjau
11	स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜	Classification	वर्गीकरणकर्ताओं का परिचय	Python • R	Jen and Cassie • Eric Wanjau
12	स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜	Classification	और अधिक वर्गीकरणकर्ता	Python • R	Jen and Cassie • Eric Wanjau
13	स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜	Classification	अपने मॉडल का उपयोग करके एक अनुशंषा वेब ऐप बनाएं	Python	Jen
14	क्लस्टरिंग का परिचय	Clustering	अपने डेटा को साफ, तैयार, और विज़ुअलाइज़ करें; क्लस्टरिंग का परिचय	Python • R	Jen • Eric Wanjau
15	नाइजीरियाई संगीत स्वादों का अन्वेषण 🎧	Clustering	K-Means क्लस्टरिंग विधि का अन्वेषण	Python • R	Jen • Eric Wanjau
16	प्राकृतिक भाषा प्रसंस्करण का परिचय ☕️	Natural language processing	एक सरल बॉट बनाकर NLP के मूलभूत बातें सीखें	Python	Stephen
17	सामान्य NLP कार्य ☕️	Natural language processing	भाषा संरचनाओं के साथ काम करने में आवश्यक सामान्य कार्यों को समझकर अपने NLP ज्ञान को गहरा करें	Python	Stephen
18	अनुवाद और भावना विश्लेषण ♥️	Natural language processing	जेन ऑस्टेन के साथ अनुवाद और भावना विश्लेषण	Python	Stephen
19	यूरोप के रोमांटिक होटल ♥️	Natural language processing	होटल समीक्षाओं के साथ भावना विश्लेषण 1	Python	Stephen
20	यूरोप के रोमांटिक होटल ♥️	Natural language processing	होटल समीक्षाओं के साथ भावना विश्लेषण 2	Python	Stephen
21	टाइम सीरीज पूर्वानुमान का परिचय	Time series	टाइम सीरीज पूर्वानुमान का परिचय	Python	Francesca
22	⚡️ विश्व ऊर्जा उपयोग ⚡️ - ARIMA के साथ टाइम सीरीज पूर्वानुमान	Time series	ARIMA के साथ टाइम सीरीज पूर्वानुमान	Python	Francesca
23	⚡️ विश्व ऊर्जा उपयोग ⚡️ - SVR के साथ टाइम सीरीज पूर्वानुमान	Time series	Support Vector Regressor के साथ टाइम सीरीज पूर्वानुमान	Python	Anirban
24	सुदृढीकरण शिक्षण का परिचय	Reinforcement learning	Q-लर्निंग के साथ सुदृढीकरण शिक्षण का परिचय	Python	Dmitry
25	पीटर को भेड़िये से बचाएँ! 🐺	Reinforcement learning	सुदृढीकरण शिक्षण जिम	Python	Dmitry
पोस्टस्क्रिप्ट	वास्तविक दुनिया के ML परिदृश्य और अनुप्रयोग	ML in the Wild	क्लासिकल ML के दिलचस्प और प्रकट करते हुए वास्तविक दुनिया के अनुप्रयोग	पाठ	टीम
पोस्टस्क्रिप्ट	RAI डैशबोर्ड का उपयोग करके ML में मॉडल डिबगिंग	ML in the Wild	जिम्मेदार AI डैशबोर्ड कॉम्पोनेंट्स का उपयोग कर मशीन लर्निंग में मॉडल डिबगिंग	पाठ	Ruth Yakubu

इस पाठ्यक्रम के लिए हमारे Microsoft Learn संग्रह में सभी अतिरिक्त संसाधन देखें

ऑफलाइन पहुंच

आप इस दस्तावेज़ को ऑफलाइन Docsify का उपयोग करके चला सकते हैं। इस रिपॉजिटरी को फोर्क करें, अपने स्थानीय मशीन पर Docsify स्थापित करें, और फिर इस रिपॉजिटरी के रूट फ़ोल्डर में टाइप करें docsify serve। वेबसाइट आपके लोकलहोस्ट पर पोर्ट 3000 पर चलती रहेगी: localhost:3000।

पीडीएफ़

पाठ्यक्रम की पीडीएफ़ फाइल लिंक के साथ यहाँ देखें।

🎒 अन्य पाठ्यक्रम

हमारी टीम अन्य पाठ्यक्रम बनाती है! देखें:

LangChain

Azure / Edge / MCP / Agents

---

जेनरेटिव एआई श्रृंखला

---

कोर लर्निंग

---

कॉपिलट श्रृंखला

सहायता प्राप्त करना

यदि आप मशीन लर्निंग सीखते समय या एआई अनुप्रयोग बनाने में फंस जाते हैं या आपके पास प्रश्न हैं, तो चिंता न करें — सहायता उपलब्ध है।

आप अन्य सीखने वालों और डेवलपर्स के साथ चर्चाओं में शामिल हो सकते हैं, प्रश्न पूछ सकते हैं, और अपनी विचारधाराएं समुदाय के साथ साझा कर सकते हैं।

• प्रश्न पूछने और दूसरों के साथ सीखने के लिए समुदाय में शामिल हों
• मशीन लर्निंग अवधारणाओं और परियोजना विचारों पर चर्चा करें
• अनुभवी डेवलपर्स से मार्गदर्शन प्राप्त करें

एक सहायक समुदाय आपके कौशल को विकसित करने और समस्याओं के समाधान को तेज़ करने का एक शानदार तरीका है।

Microsoft Foundry Discord Community

यदि आपको बग, त्रुटियाँ मिलती हैं, या बेहतर बनाने के लिए सुझाव हैं, तो आप इस रिपॉजिटरी में एक Issue भी खोल सकते हैं ताकि समस्या रिपोर्ट की जा सके।

उत्पाद फीडबैक के लिए या मौजूदा समुदाय पोस्ट खोजने के लिए, डेवलपर फोरम देखें:

अतिरिक्त सीखने के सुझाव

• बेहतर समझ के लिए प्रत्येक पाठ के बाद नोटबुक की समीक्षा करें।
• अपने आप एल्गोरिदम को लागू करने का अभ्यास करें।
• सीखे गए सिद्धांतों का उपयोग करके वास्तविक दुनिया के डेटा सेट खोजें।

---

अस्वीकरण:
यह दस्तावेज़ AI अनुवाद सेवा Co-op Translator का उपयोग करके अनूदित किया गया है। जबकि हम सटीकता के लिए प्रयासरत हैं, कृपया ध्यान दें कि स्वचालित अनुवाद में त्रुटियां या असंगतियाँ हो सकती हैं। मूल दस्तावेज़ अपनी स्थानीय भाषा में 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।