ML-For-Beginners/translations/kn

🌐 ಬಹುಭಾಷಾ ಬೆಂಬಲ

GitHub ಕ್ರಮದ ಮೂಲಕ ಬೆಂಬಲಿಸಲಾಗಿದೆ (ಸ್ವಯಂಚಾಲಿತ ಮತ್ತು ಸದಾ ನವೀಕರಿಸಲಾಗುತ್ತದೆ)

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

ಸ್ಥಳೀಯವಾಗಿ ಕ್ಲೋನ್ ಮಾಡಲು ಇಚ್ಛಿಸುತ್ತೀರಾ?

ಈ ರೆಪೊಸಿಟರಿ 50+ ಭಾಷಾ ಅನುವಾದಗಳನ್ನು ಒಳಗೊಂಡಿದೆ, ಇದು ಡೌನ್‌ಲೋಡ್ ಗಾತ್ರವನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಹೆಚ್ಚಿಸುತ್ತದೆ. ಅನುವಾದಗಳಿಲ್ಲದೆ ಕ್ಲೋನ್ ಮಾಡಲು, ಸ್ಪಾರ್ಸ್ ಚೆಕ್ಔಟ್ ಬಳಸಿ:

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"

ಇದು ನಿಮಗೆ ಪಾಠವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಅಗತ್ಯವಿರುವ ಎಲ್ಲವನ್ನೂ ಸರಿಯಾದ ವೇಗದಲ್ಲಿ ಡೌನ್‌ಲೋಡ್ ಮಾಡುತ್ತದೆ.

ನಮ್ಮ ಸಮುದಾಯದಲ್ಲಿ ಸೇರಿ

ನಾವು Discord ನಲ್ಲಿ AI ಸರಣಿಯನ್ನು ಕಲಿಯುತ್ತಿರುವುದು ನಡೆಯುತ್ತಿದೆ, ಇನ್ನಷ್ಟು ತಿಳಿಯಲು ಮತ್ತು ನಮಗೆ ಸೇರಿಸಲು Learn with AI Series ಐತಿಹಾಸ 18 - 30 ಸೆಪ್ಟಂಬರ್, 2025. ನೀವು GitHub Copilot ಅನ್ನು ಡೇಟಾ ವಿಜ್ಞಾನಕ್ಕಾಗಿ ಬಳಸುವ ಸಲಹೆಗಳು ಮತ್ತು ಸುಪಾಚಾರಗಳನ್ನು ಪಡೆಯುತ್ತೀರಿ.

ಪ್ರಾರಂಭಿಕರಿಗೆ ಯಂತ್ರ ಕಲಿಕೆ - ಪಾಠಕ್ರಮ

🌍 ಜಗತ್ತಿನ ಸಂಸ್ಕೃತಿಗಳ ಮೂಲಕ ಯಂತ್ರ ಕಲಿಕೆಯನ್ನು ಅನ್ವೇಷಿಸುವಾಗ ಜಗತ್ತಿನ ಸುತ್ತ ಮುಂದುವರೆಯಿರಿ 🌍

Microsoft ನಲ್ಲಿ ಕ್ಲೌಡ್ ಸಲಹೆಗಾರರು 12 ವಾರಗಳ, 26 ಪಾಠಗಳ ಪಾಠಕ್ರಮವನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಲು ಸಂತೋಷ ಪಡುತ್ತಾರೆ ಇದು ಯಂತ್ರ ಕಲಿಕೆ ಬಗ್ಗೆ ಸಂಪೂರ್ಣವಾಗಿದೆ. ಈ ಪಾಠಕ್ರಮದಲ್ಲಿ, ನೀವು ಕೆಲವೊಮ್ಮೆ ಪಾರಂಪರಿಕ ಯಂತ್ರ ಕಲಿಕೆ ಎಂದು ಕರೆಯಲ್ಪಡುವುದನ್ನು ಕುರಿತು, ಮುಖ್ಯವಾಗಿ Scikit-learn ಗ್ರಂಥಾಲಯವನ್ನು ಬಳಸಿ ಮತ್ತು ಡೀಪ್ ಲರ್ನಿಂಗ್ (ನಮ್ಮ AI for Beginners' curriculum ನಲ್ಲಿ ವಿವರಣೆ ನೀಡಲ್ಪಟ್ಟಿದೆ) ದನ್ನು ತಪ್ಪಿಸುತ್ತೀರಾ. ಈ ಪಾಠಗಳನ್ನು ನಮ್ಮ 'Data Science for Beginners' curriculum ಜೊತೆಗೆ ಜೋಡಿಸಬಹುದು.

ನಾವು ಜಗತ್ತಿನ ವಿವಿಧ ಭಾಗಗಳಿಂದ ಡೇಟಾ ಪಡೆಯುವ ಈ ಪಾರಂಪರಿಕ ತಂತ್ರಗಳನ್ನು ಅನ್ವಯಿಸುವಾಗ ಜಗತ್ತಿನ ಸುತ್ತ ಪ್ರಯಾಣ ಮಾಡಿ. ಪ್ರತಿಯೊಂದು ಪಾಠವೂ ಪೂರ್ವ ಮತ್ತು ನಂತರದ ಪ್ರಶ್ನೋತ್ತರಗಳನ್ನು, ಪಾಠವನ್ನು ಪೂರ್ಣಗೊಳಿಸುವ ಬರಹದ ಕಾರ್ಯವಿಧಾನವನ್ನು, ಪರಿಹಾರವನ್ನು, ಅವಲೋಕನವನ್ನು ಮತ್ತು ಇನ್ನಷ್ಟು ಹೊಂದಿದೆ. ನಮ್ಮ ಪ್ರಾಜೆಕ್ಟ್ ಆಧಾರಿತ ಪಠಾನದ ಮೂಲಕ ನೀವು ಕಲಿಯುವಾಗ ನಿರ್ಮಿಸುವ ಮೂಲಕ ಕಲಿತಿರಿ, ಇದು ಹೊಸ ಕೌಶಲ್ಯಗಳಿಗೆ 'ಜೃಂಭಣೀಯ'ವಾಗಲು ಪರೀಕ್ಷಿತ ಮಾರ್ಗವಾಗಿದೆ.

✍️ ನಮ್ಮ ಲೇಖಕರಿಗೆ ಹೃತ್ಪೂರ್ವಕ ಧನ್ಯವಾದಗಳು ಜೆನ್ ಲೂಪರ್, ಸ್ಟೀಫನ್ ಹೋವಲ್, ಫ್ರಾನ್ಸೆಸ್ಕಾ ಲಾಜ್ಜೆರಿ, ತೊಮೊಮಿ ಇಮುರಾ, ಕ್ಯಾಶಿ ಬ್ರೇವಿಯು, ದ್ಮಿತ್ರಿ ಸೋಶ್ನಿಕೋವ್, ಕ್ರಿಸ್ ನೋರಿಂಗ್, ಅನಿರ್ಬಾನ್ ಮುಖರ್ಜೀ, ಓರ್ನೇಲ್ಲಾ ಅಲ್ಪುನ್ಯಾನ್, ರೂತ್ ಯಾಕುಬು ಮತ್ತು ಎಮೀ ಬಾಯ್ಡ್

🎨 ನಮ್ಮ ಚಿತ್ರಕಾರರಿಗೆ ಸಹ ಧನ್ಯವಾದಗಳು ತೊಮೊಮಿ ಇಮುರಾ, ದಾಸನಿ ಮಡಿಪಳ್ಳಿ, ಮತ್ತು ಜೆನ್ ಲೂಪರ್

🙏 ವಿಶೇಷ ಧನ್ಯವಾದಗಳು 🙏 ನಮ್ಮ Microsoft ವಿದ್ಯಾರ್ಥಿ ಅಗვისಕರಿಗೆ, ವಿಮರ್ಶಕರಿಗೆ ಮತ್ತು ವಿಷಯ ಕೊಡುಗೆದಾರರಿಗೆ, ವಿಶೇಷವಾಗಿ ರಿಷಿತ್ ಡಾಗ್ಲಿ, ಮುಹಮ್ಮದ್ ಸಕೀಬ್ ಖಾನ್ ಇನಾನ್, ರೋಹನ್ ರಾಜ್, ಅಲೆಕ್ಸಾಂಡ್ರು ಪೆಟ್ರೆಸ್ಕು, ಅಭಿಷೇಕ್ ಜೈಸ್ವಾಲ್, ನವ್ರೀನ್ ಥಬಸ್ಸುಮ್, ಐವಾನ್ ಸಾಮುಯಿಲಾ, ಮತ್ತು ಸ್ನಿಗ್ಧಾ ಅಗರ್ವಾಲ್

🤩 Microsoft ವಿದ್ಯಾರ್ಥಿ ಅಗವಿಸಕರಾದ ಎರಿಕ್ ವಾಂಜೌ, ಜಸ್‌ಲೀನ್ ಸೊಂಡಿ, ಮತ್ತು ವಿದ್ಯುಷಿ ಗುಪ್ತಾಗೆ ನಮ್ಮ R ಪಾಠಗಳಿಗೆ ಹೆಚ್ಚಿನ ಧನ್ಯವಾದಗಳು!

ಪ್ರಾರಂಭಿಸೋಣ

ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ:

1. ರೆಪೊಸಿಟರಿಯನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ: ಈ ಪುಟದ ಮೇಲೆ-ಬಲ ಭಾಗದಲ್ಲಿ ಇರುವ "Fork" ಬಟನನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ.
2. ರೆಪೊಸಿಟರಿಯನ್ನು ಕ್ಲೋನ್ ಮಾಡಿ: git clone https://github.com/microsoft/ML-For-Beginners.git

ಈ ಕೋರ್ಸ್‌ಗಾಗಿ ಎಲ್ಲಾ ಹೆಚ್ಚುವರಿ ಸಂಪನ್ಮೂಲಗಳನ್ನು ನಮ್ಮ Microsoft Learn ಸಂಗ್ರಹದಲ್ಲಿ ಹುಡುಕಿ

🔧 ಸಹಾಯ ಬೇಕಾ? ಸ್ಥಾಪನೆ, ಸೆಟ್ ಅಪ್ ಮತ್ತು ಪಾಠಗಳನ್ನು ಚಲಿಸಲು ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳ ಪರಿಹಾರಗಳಿಗೆ ನಮ್ಮ Troubleshooting Guide ಪರಿಶೀಲಿಸಿ.

ವಿದ್ಯಾರ್ಥಿಗಳು, ಈ ಪಾಠಕ್ರಮವನ್ನು ಬಳಸಲು, ಸಂಪೂರ್ಣ ರೆಪೊವನ್ನು ನಿಮ್ಮ ಸ್ವಂತ GitHub ಖಾತೆಗೆ ಫೋರ್ಕ್ ಮಾಡಿ ಮತ್ತು ಅಭ್ಯಾಸಗಳನ್ನು ನಿಮ್ಮ ತಾನೇ ಅಥವಾ ಗುಂಪಿನಲ್ಲಿ ಪೂರ್ಣಗೊಳಿಸಿ:

• ಪೂರ್ವ ಉಪನ್ಯಾಸ ಪ್ರಶ್ನೋತ್ತರಗಳೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ.
• ಉಪನ್ಯಾಸ ಓದಿ ಮತ್ತು ಚಟುವಟಿಕೆಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ, ಪ್ರತಿ ಜ್ಞಾನದ ಪರೀಕ್ಷೆಯಲ್ಲಿ ವಿರಾಮ ನೀಡಿ ಮತ್ತು ಪರಿಗಣಿಸಿ.
• ಪರಿಹಾರ ಕೋಡ್ ಚಲಿಸುವದಕ್ಕಿಂತ ಪಾಠಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದರ ಮೂಲಕ ಪ್ರಾಜೆಕ್ಟ್‌ಗಳನ್ನು ಸೃಷ್ಟಿಸಲು ಯತ್ನಿಸಿ; ಆ ಕೋಡ್ ಪ್ರತಿ ಪ್ರಾಜೆಕ್ಟ್ ಆಧರಿತ ಪಾಠದಲ್ಲಿ /solution ಫೋಲ್ಡರ್‌ಗಳಲ್ಲಿ ಲಭ್ಯವಿದೆ.
• ನಂತರ ಉಪನ್ಯಾಸ ಪ್ರಶ್ನೋತ್ತರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ.
• ಸವಾಲುಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ.
• ನೇಮಕವನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ.
• ಪಾಠ ಗುಂಪನ್ನು ಪೂರ್ಣಗೊಳಿಸಿದ ನಂತರ, ಚರ್ಚಾ ಮಂಡಳಿ ಭೇಟಿ ನೀಡಿ ಮತ್ತು ಸೂಕ್ತ PAT ರೂಬ್ರಿಕ್ ಅನ್ನು ತುಂಬಿ "ಉಚ್ಛರಿಸಿ". 'PAT' ಎಂದರೆ ಪ್ರಗತಿ ಅಂದಾಜು ಸಾಧನ, ಇದನ್ನು ನಿಮ್ಮ ಕಲಿಕೆಯನ್ನು ಮುಂದುವರಿಸಲು ನೀವು ತುಂಬಬಹುದು. ನೀವು ಇತರ PAT ಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯೆ ನೀಡಬಹುದು ಆದ್ದರಿಂದ ನಾವು ಒಟ್ಟಿಗೆ ಕಲಿಯಬಹುದು.

ಮುಂದುವರಿದ ಅಧ್ಯಯನಕ್ಕಾಗಿ, ನಾವು ಈ Microsoft Learn ಘಟಕಗಳು ಮತ್ತು ಕಲಿಕೆ ಮಾರ್ಗಗಳನ್ನು ಅನುಸರಿಸುವಂತೆ ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ.

ಶಿಕ್ಷಕರು, ಈ ಪಾಠಕ್ರಮವನ್ನು ಹೇಗೆ ಬಳಸಬೇಕೆಂದು ಕೆಲವು ಸಲಹೆಗಳನ್ನು ನಾವು ಸೇರಿಸಿದ್ದೇವೆ.

---

ವೀಡಿಯೋ ವಾಕ್‌ಥ್ರೂಗಳು

ಕೆಲವು ಪಾಠಗಳು ಚುಟುಕು ವೀಡಿಯೋ ರೂಪದಲ್ಲಿ ಲಭ್ಯವಿದ್ದು. ನೀವು ಈ ಎಲ್ಲವನ್ನೂ ಪಾಠಗಳೊಳಗೆ_inline_ ಅಥವಾ Microsoft ವಿಕಸಕ YouTube ಚಾನೆಲ್‌ನ ML for Beginners ಪ್ಲೇಲಿಸ್ಟ್ ನಲ್ಲಿ ಚಿತ್ರ ಮೇಲೆ ಕ್ಲಿಕ್ ಮಾಡಿ ಕಾಣಬಹುದು.

---

ತಂಡವನ್ನು ಪರಿಚಯಿಸುವುದು

ಗಿಫ್ ಸೃಷ್ಟಿಕರ್ತ ಮೊಹಿತ್ ಜೈಸಲ್

🎥 ಈ ಚಿತ್ರವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ ಯೋಜನೆ ಮತ್ತು ಅದನ್ನು ರಚಿಸಿದವರ ಬಗ್ಗೆ ವೀಡಿಯೋ ನೋಡಿ!

---

ಪಠ್ಯದ ತತ್ತ್ವಶಾಸ್ತ್ರ

ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ರಚಿಸುವಾಗ ನಾವು ಎರಡು ಪಠ್ಯತಾಂತ್ರಿಕ ತತ್ವಗಳನ್ನು ಆಯ್ಕೆಮಾಡಿದ್ದು: ಇದು ಕೈಯಿಂದ ಚಟುವಟಿಕೆ ಮಾಡಬಹುದಾಗಿರುವ ಪ್ರಾಜೆಕ್ಟ್ ಆಧಾರಿತ ಆಗಿರಲಿ ಮತ್ತು ಸತತ ಪ್ರಶ್ನೋತ್ತರಗಳು ಇರಲಿ ಎಂಬುದನ್ನು ಖಾತರಿಪಡಿಸುವುದು. ಜೊತೆಗೆ, ಈ ಪಠ್ಯಕ್ರಮದಲ್ಲಿ ಸಾಮಾನ್ಯ ಥೀಮ್ ಒಂದನ್ನು ಹೊಂದಿದೆ ಇದರ ಮೂಲಕ ಸಸಂಬಂಧ ಸೃಷ್ಟಿ.

ವಿಷಯವು ಪ್ರಾಜೆಕ್ಟ್‌ಗಳಿಗೆ ಹೊಂದಿಕೊಳ್ಳುವಂತೆ ಖಚಿತಪಡಿಸುವ ಮೂಲಕ, ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ಹೆಚ್ಚು ಆಕರ್ಷಕವಾಗುತ್ತದೆ ಮತ್ತು ಕಲಿಕೆಯ ಉಳಿವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ. ಜೊತೆಗೆ, ತರಗತಿಗೆ ಮೊದಲು ಮಾಡುವ ಕಡಿಮೆ ಅಂಕಗಳ ಪ್ರಶ್ನೋತ್ತರವು ವಿದ್ಯಾರ್ಥಿಯು ವಿವರಣೆ ಕಲಿಯಲು ತೊಡಗಿಸಿಕೊಳ್ಳುವ ಪ್ರೇರಣೆಯನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ, ಮತ್ತು ತರಗತಿಗೆ ನಂತರದ ಮತ್ತೊಂದು ಪ್ರಶ್ನೋತ್ತರವು ಹೆಚ್ಚುವರಿ ಉಳಿವಿನ ಖಾತರಿಯನ್ನು ಕೊಡುತ್ತದೆ. ಈ ಪಠ್ಯಕ್ರಮವು ಲವಚಿಕವಾಗಿದೆ ಮತ್ತು ಮೋಜಿನದು, ಇದನ್ನು ಸಂಪೂರ್ಣ ಅಥವಾ ಭಾಗವಾಗಿ ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ಪ್ರಾಜೆಕ್ಟುಗಳು ಚಿಕ್ಕದರಿಂದ ಪ್ರಾರಂಭಿಸಿ 12 ವಾರಗಳ ವ್ಯವಸ್ಥೆಯ ಕೊನೆಯಲ್ಲಿ ಜಟಿಲವಾಗಿ ಬದಲಾಗುತ್ತವೆ. ಈ ಪಠ್ಯಕ್ರಮದಲ್ಲಿ ಯಂತ್ರ ಕಲಿಕೆಯ ನೈಜ ಜಗತ್ತಿನ ಅನ್ವಯಿಕೆಗಳ ಕುರಿತು ಒಂದು ನಂತರದ ಟಿಪ್ಪಣಿಯೂ ಇದೆ, ಇದನ್ನು ಹೆಚ್ಚುವರಿ ಕ್ರೆಡಿಟ್ ಅಥವಾ ಚರ್ಚೆಯ ಮೂಲಭೂತವಾಗಿ ಬಳಸಬಹುದು.

ನಮ್ಮ Code of Conduct, Contributing, Translations, ಮತ್ತು Troubleshooting ಮಾರ್ಗಸೂಚಿಗಳನ್ನು ನೋಡಿ. ನಿಮ್ಮ ರಚನಾತ್ಮಕ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಹಾರ್ದಿಕ स्वागत.

ಪ್ರತಿಯೊಂದು ಪಾಠದಲ್ಲಿ ಒಳಗೊಂಡದ್ದು

• ಐಚ್ಛಿಕ ಸ್ಕೆಚ್‌ನೋಟು
• ಐಚ್ಛಿಕ ಪೂರ್ಣಗೊಂಡ ವೀಡಿಯೋ
• ವೀಡಿಯೋ ವಾಕ್‌ಥ್ರು (ಕೆಲವು ಪಾಠಗಳಲ್ಲಿ ಮಾತ್ರ)
• ಪೂರ್ವ ಉಪನ್ಯಾಸ ವ್ಯಾಯಾಮ ಪ್ರಶ್ನೋತ್ತರ
• ಬರಹ ಪಾಠ
• ಪ್ರಾಜೆಕ್ಟ್ ಆಧಾರಿತ ಪಾಠಗಳಿಗೆ, ಪ್ರಾಜೆಕ್ಟ್ ಅನ್ನು ನಿರ್ಮಿಸುವ ಹಂತ-ಬದ್ಧ ಮಾರ್ಗದರ್ಶನ
• ಜ್ಞಾನ ಪರಿಶೀಲನೆಗಳು
• ಸವಾಲು
• ಪೂರಕ ಓದು
• ನೇಮಕ
• ಪೋಸ್ಟ್-ಉಪನ್ಯಾಸ ಪ್ರಶ್ನೋತ್ತರ

ಭಾಷೆಗಳ ಬಗ್ಗೆ ಒಂದು ಟಿಪ್ಪಣಿ: ಈ ಪಾಠಗಳು ಮುಖ್ಯವಾಗಿ Python ನಲ್ಲಿ ಬರೆಯಲ್ಪಟ್ಟಿವೆ, ಆದರೆ ಅನೇಕವು R ನಲ್ಲಿ ಕೂಡ ಲಭ್ಯವಿರುವುವು. R ಪಾಠವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು, /solution ಫೋಲ್ಡರ್ಗೆ ಹೋಗಿ R ಪಾಠಗಳನ್ನು ಹುಡುಕಿ. ಅವು .rmd ವಿಸ್ತರಣೆ ಹೊಂದಿವೆ, ಇದು ಒಂದು R Markdown ಫೈಲ್ ಆಗಿದ್ದು, ಅದು code chunks (R ಅಥವಾ ಇತರೆ ಭಾಷೆಗಳ) ಹಾಗೂ YAML header (PDF ಮುಂತಾದ ನಂತರಸಾರಗಳನ್ನು ಹೇಗೆ ಅಳವಡಿಸುವುದೆಂದು ಮಾರ್ಗದರ್ಶನ ಮಾಡುತ್ತದೆ) ಅನ್ನು Markdown ಡಾಕ್ಯುಮೆಂಟ್ ನಲ್ಲಿ ಸೇರಿಸಿರುವುದಾಗಿ ಸರಳವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಬಹುದು. ಆದ್ದರಿಂದ, ಇದು ಡೇಟಾ ಸೈನ್ಸ್ ಗೆ ಅತ್ಯುತ್ತಮ ಆವೃತ್ತಿ ರೂಪೋದ್ಯಮವಾಗಿದೆ ಏಕೆಂದರೆ ಇದು ನಿಮ್ಮ ಕೋಡ್, ಅದರ ಔಟ್‌ಪುಟ್ ಮತ್ತು ನಿಮ್ಮ ಭಾವನೆಗಳನ್ನು Markdown ನಲ್ಲಿ ಬರೆಯಲು ಅವಕಾಶವನ್ನು ನೀಡುತ್ತದೆ. ಮತ್ತೊಂದು, R Markdown ಡಾಕ್ಯುಮೆಂಟುಗಳನ್ನು PDF, HTML ಅಥವಾ Word ಮುಂತಾದ ಔಟ್‌ಪುಟ್ ರೂಪಗಳಲ್ಲಿ ಪ್ರದರ್ಶಿಸಬಹುದು.

ಪ್ರಶ್ನೋತ್ತರಗಳ ಬಗ್ಗೆ ಒಂದು ಟಿಪ್ಪಣಿ: ಎಲ್ಲಾ ಪ್ರಶ್ನೋತ್ತರಗಳು Quiz App folder ನಲ್ಲಿ ಇವೆ, ಒಟ್ಟು 52 ಪ್ರಶ್ನೋತ್ತರಗಳು, ಪ್ರತಿ ಒಂದು ಮೂರು ಪ್ರಶ್ನೆಗಳ ಪಟ್ಟಿಯಾಗಿವೆ. ಅವು ಪಾಠಗಳಲ್ಲಿ ಲಿಂಕ್ ಮಾಡಲ್ಪಟ್ಟಿದ್ದರೂ ಪ್ರಶ್ನೋತ್ತರ ಅಪ್ಲಿಕೇಶನ್ ಸ್ಥಳೀಯವಾಗಿ ಚಾಲನೆ ಮಾಡಬಹುದು; ಸ್ಥಳೀಯವಾಗಿ ಹೋಸ್ಟ್ ಅಥವಾ Azure ಗೆ ನಿಯೋಜಿಸಲು quiz-app ಫೋಲ್ಡರಿನ ಸೂಚನೆಗಳನ್ನು ಅನುಸರಿಸಿ.

ಪಾಠ ಸಂಖ್ಯೆ	ವಿಷಯ	ಪಾಠ ಗುಂಪು	ಕಲಿಕಾ ಉದ್ದೇಶಗಳು	ಲಿಂಕ್ ಪಾಠ	ಲೇಖಕ
01	ಯಂತ್ರ ಕಲಿಕೆಗೆ ಪರಿಚಯ	Introduction	ಯಂತ್ರ ಕಲಿಕೆಯ ಮೂಲಭೂತ ಸಾಮಾಜಿಕ ಅಂಶಗಳನ್ನು ಕಲಿಕೊಳ್‌ಗೊಳ್ಳಿ	Lesson	ಮುಖಮ್ಮದ್
02	ಯಂತ್ರ ಕಲಿಕೆಯ ಇತಿಹಾಸ	Introduction	ಈ ಕ್ಷೇತ್ರದ ಇತಿಹಾಸವನ್ನು ಕಲಿಯಿರಿ	Lesson	ಜೆನ್ ಮತ್ತು ಈಮಿ
03	ನ್ಯಾಯತಾಂತ್ರಿಕತೆ ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆ	Introduction	ನ್ಯಾಯತಾಂತ್ರಿಕತೆಯ ಸುತ್ತಲಿನ ಪ್ರಮುಖ ತತ್ವಜ್ಞಾನ ಸಮಸ್ಯೆಗಳು ಯಾವುವು? ವಿದ್ಯಾರ್ಥಿಗಳು ML ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಲೂ, ಅನ್ವಯಿಸಲೂ ಪರಿಗಣಿಸಬೇಕಾದವು?	Lesson	ಟೊಮೊಮಿ
04	ಯಂತ್ರ ಕಲಿಕೆಯ ತಂತ್ರಗಳು	Introduction	ML ಸಂಶೋಧಕರು ML ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ಯಾವ ತಂತ್ರಗಳನ್ನು ಬಳಸುತ್ತಾರೆ?	Lesson	ಕ್ರಿಸ್ ಮತ್ತು ಜೆನ್
05	Regression ಗೆ ಪರಿಚಯ	Regression	Regression ಮಾದರಿಗಳಿಗಾಗಿ Python ಮತ್ತು Scikit-learn ನಿಂದ ಪ್ರಾರಂಭಿಸಿ	Python • R	ಜೆನ್ •Eric Wanjau
06	ನಾರ್ತ್ ಅಮೆರಿಕಾ ಕಂಬಳದ ಬೆಲೆಗಳು 🎃	Regression	ML ಗೆ ಸಿದ್ಧತೆಗಾಗಿ ಡೇಟಾವನ್ನು ದೃಷ್ಯರೂಪಗೊಳಿಸಿ ಮತ್ತು ಸ್ವಚ್ಛಗೊಳಿಸಿ	Python • R	ಜೆನ್ •Eric Wanjau
07	ನಾರ್ತ್ ಅಮೆರಿಕಾ ಕಂಬಳದ ಬೆಲೆಗಳು 🎃	Regression	ರೇಖೀಯ ಮತ್ತು ಬಹುಪಡಿಯ Regression ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಿ	Python • R	ಜೆನ್ ಮತ್ತು ದಿಮಿತ್ರಿ •Eric Wanjau
08	ನಾರ್ತ್ ಅಮೆರಿಕಾ ಕಂಬಳದ ಬೆಲೆಗಳು 🎃	Regression	ಲಾಜಿಸ್ಟಿಕ್ Regression ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸಿ	Python • R	ಜೆನ್ •Eric Wanjau
09	ವೆಬ್ ಆಪ್ 🔌	Web App	ತರಬೇತಿ ಪಡೆದ ಮodel ಬಳಕೆಗೆ ವೆಬ್ ಆಪ್ ನಿರ್ಮಿಸಿ	Python	ಜೆನ್
10	ವರ್ಗೀಕರಣಕ್ಕೆ ಪರಿಚಯ	Classification	ನಿಮ್ಮ ಡೇಟಾವನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸಿ, ಸಿದ್ಧಪಡಿಸಿ ಮತ್ತು ದೃಶ್ಯಗೊಳಿಸಿ; ವರ್ಗೀಕರಣಕ್ಕೆ ಪರಿಚಯ	Python • R	ಜೆನ್ ಮತ್ತು ಕ್ಯಾಸಿ •Eric Wanjau
11	ರುಚಿಕರ ಏಶಿಯ ಮತ್ತು ಭಾರತೀಯ ಆಹಾರ 🍜	Classification	ವರ್ಗೀಕರಿಸುವಿಕೆಗೆ ಪರಿಚಯ	Python • R	ಜೆನ್ ಮತ್ತು ಕ್ಯಾಸಿ •Eric Wanjau
12	ರುಚಿಕರ ಏಶಿಯ ಮತ್ತು ಭಾರತೀಯ ಆಹಾರ 🍜	Classification	ಇನ್ನಷ್ಟು ವರ್ಗೀಕರಿಸುವಿಕೆಗಳು	Python • R	ಜೆನ್ ಮತ್ತು ಕ್ಯಾಸಿ •Eric Wanjau
13	ರುಚಿಕರ ಏಶಿಯ ಮತ್ತು ಭಾರತೀಯ ಆಹಾರ 🍜	Classification	ನಿಮ್ಮ ಮಾದರಿಯನ್ನು ಬಳಸಿಕೊಂಡು ಶಿಫಾರಸ್ಸು ಮಾಡುವ ವೆಬ್ ಆಪ್ ನಿರ್ಮಿಸಿ	Python	ಜೆನ್
14	ಕ್ಲಸ್ಟರಿಂಗ್ ಗೆ ಪರಿಚಯ	Clustering	ನಿಮ್ಮ ಡೇಟಾವನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸಿ, ಸಿದ್ಧಪಡಿಸಿ ಮತ್ತು ದೃಶ್ಯಗೊಳಿಸಿ; ಕ್ಲಸ್ಟರಿಂಗ್ ಗೆ ಪರಿಚಯ	Python • R	ಜೆನ್ •Eric Wanjau
15	ನೈಜೀರಿಯಾದ ಸಂಗೀತ ರುಚಿಗಳನ್ನು ಅನ್ವೇಷಿಸಿ 🎧	Clustering	K-Means ಕ್ಲಸ್ಟರಿಂಗ್ ವಿಧಾನವನ್ನು ಅನ್ವೇಷಿಸಿ	Python • R	ಜೆನ್ •Eric Wanjau
16	ಪ್ರಕೃತಿಪ್ರಭಾಷೆ ಸಂಸ್ಕರಣೆಗೆ ಪರಿಚಯ ☕️	Natural language processing	ಸರಳ ಬಾಟ್ ನಿರ್ಮಿಸುವ ಮೂಲಕ NLP ನ ಮೂಲಭೂತಗಳನ್ನು ಕಲಿಯಿರಿ	Python	ಸ್ಟೀಫನ್
17	ಸಾಮಾನ್ಯ NLP ಕಾರ್ಯಗಳು ☕️	Natural language processing	ಭಾಷಾ ರಚನೆಗಳೊಂದಿಗೆ ವ್ಯವಹರಿಸುವಾಗ ಅಗತ್ಯವಿರುವ ಸಾಮಾನ್ಯ ಕಾರ್ಯಗಳನ್ನು ತಿಳಿದುಕೊಳ್ಳಿ	Python	ಸ್ಟೀಫನ್
18	ಅನುವಾದ ಮತ್ತು ಮನೋಭಾವ ವಿಶ್ಲೇಷಣೆ ♥️	Natural language processing	ಜೇನ್ ಆಸ್ಟಿನ್ ಜೊತೆ ಅನುವಾದ ಮತ್ತು ಮನೋಭಾವ ವಿಶ್ಲೇಷಣೆ	Python	ಸ್ಟೀಫನ್
19	ಯೂರೋಪಿನ ಪ್ರಣಯ ಹೋಟೆಲ್ ಗಳು ♥️	Natural language processing	ಹೋಟೆಲ್ ವಿಮರ್ಶೆಗಳೊಂದಿಗೆ ಮನೋಭಾವ ವಿಶ್ಲೇಷಣೆ 1	Python	ಸ್ಟೀಫನ್
20	ಯೂರೋಪಿನ ಪ್ರಣಯ ಹೋಟೆಲ್ ಗಳು ♥️	Natural language processing	ಹೋಟೆಲ್ ವಿಮರ್ಶೆಗಳೊಂದಿಗೆ ಮನೋಭಾವ ವಿಶ್ಲೇಷಣೆ 2	Python	ಸ್ಟೀಫನ್
21	ಕಾಲ ಸರಣಿಯ ನಿರೀಕ್ಷಣೆಗೆ ಪರಿಚಯ	Time series	ಕಾಲ ಸರಣಿ ನಿರೀಕ್ಷಣೆಗೆ ಪರಿಚಯ	Python	ಫ್ರಾನ್ಸೆಸ್ಕಾ
22	⚡️ ವಿಶ್ವ ವಿದ್ಯುತ್ ಬಳಕೆ ⚡️ - ARIMA ನೇತೃತ್ವದ ಕಾಲ ಸರಣಿ	Time series	ARIMA ಮಾದರಿಯೊಂದಿಗೆ ಕಾಲ ಸರಣಿ ನಿರೀಕ್ಷಣೆ	Python	ಫ್ರಾನ್ಸೆಸ್ಕಾ
23	⚡️ ವಿಶ್ವ ವಿದ್ಯುತ್ ಬಳಕೆ ⚡️ - SVR ನೇತೃತ್ವದ ಕಾಲ ಸರಣಿ	Time series	Support Vector Regressor ಮೂಲಕ ಕಾಲ ಸರಣಿ ನಿರೀಕ್ಷಣೆ	Python	ಅನಿರ್ಬನ್
24	ಬಲವರ್ಧನೆ ಕಲಿಕೆಯ ಪರಿಚಯ	Reinforcement learning	Q-ಕಲಿಕೆ ಮೂಲಕ ಬಲವರ್ಧನೆ ಕಲಿಕೆಯ ಪರಿಚಯ	Python	ದಿಮಿತ್ರಿ
25	ಪಿಟರ್ ನಾಯಿಯನ್ನು ತಪ್ಪಿಸಲು ಸಹಾಯ ಮಾಡಿ! 🐺	Reinforcement learning	ಬಲವರ್ಧನೆ ಕಲಿಕೆಯ ಜಿಮ್	Python	ದಿಮಿತ್ರಿ
Postscript	ನಿಜಜೀವ ML ಸನ್ನಿವೇಶಗಳು ಮತ್ತು ಅನ್ವಯಗಳು	ML in the Wild	ಶ್ರೇಷ್ಠ ಮತ್ತು ಅನಾವರಣ ಯುಕ್ತ ನೈಜ ಜಾಗತಿಕ ML ಅನ್ವಯಗಳು	Lesson	ತಂಡ
Postscript	RAI ಡ್ಯಾಶ್ಬೋರ್ಡ್ ಬಳಸಿ ML ಮಾದರಿ ಡಿಬಗಿಂಗ್	ML in the Wild	ಜವಾಬ್ದಾರಿಯುತ AI ಡ್ಯಾಶ್ಬೋರ್ಡ್ ಘಟಕಗಳ ಬಳಕೆ ಮೂಲಕ ಯಂತ್ರ ಕಲಿಕೆಯ ಮಾದರಿ ಡಿಬಗಿಂಗ್	Lesson	ರುತ್ ಯಶುಕು

ಈ ಪಾಠಕ್ರಮಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಎಲ್ಲಾ ಹೆಚ್ಚುವರಿ ಸಂಪನ್ಮೂಲಗಳನ್ನು ನಮ್ಮ Microsoft Learn ಸಂಗ್ರಹದಲ್ಲಿ ಹುಡುಕಿ

ಆಫ್‌ಲೈನ್ ಪ್ರವೇಶ

ನೀವು Docsify ಬಳಸಿ ಈ ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ಅನ್ನು ಆಫ್‌ಲೈನ್‌ನಲ್ಲಿ ಚಾಲನೆ ಮಾಡಬಹುದು. ಈ ಸಂಗ್ರಹವನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ, Docsify ಅನ್ನು ಸ್ಥಾಪಿಸಿ ನಿಮ್ಮ ಸ್ಥಳೀಯ ಯಂತ್ರದಲ್ಲಿ, ಮತ್ತು ನಂತರ ಈ ಸಂಗ್ರಹದ ರೂಟ್ ಫೋಲ್ಡರ್‌ನಲ್ಲಿ docsify serve ಟೈಪ್ ಮಾಡಿ. ವೆಬ್‌ಸೈಟ್ ನಿಮ್ಮ ಲೋಕಲ್‌ಹೋಸ್ಟ್‌ನಲ್ಲಿ 3000 ಪೋರ್ಟ್‌ನಲ್ಲಿ ಸೇವ್ ಆಗುತ್ತದೆ: localhost:3000.

PDF ಗಳು

ಪಾಠಕ್ರಮದ ಪಿಡಿಎಫ್ ನ್ನು ಇಲ್ಲಿ ಲಿಂಕ್‌ಗಳ ಮೂಲಕ ಪಡೆದುಕೊಳ್ಳಿ ಅಲ್ಲಿ.

🎒 ಇತರೆ ಕೋರ್ಸುಗಳು

ನಮ್ಮ ತಂಡ ಇತರೆ ಕೋರ್ಸುಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತಿದೆ! ಪರಿಶೀಲಿಸಿ:

LangChain

Azure / Edge / MCP / Agents

---

ರಚನಾತ್ಮಕ AI ಸರಣಿಗಳು

---

ಮೂಲ ಕಲಿಕೆ

---

ಸಹಪಯೋಗಿ ಸರಣಿಗಳು

ಸಹಾಯ ಪಡೆಯುವುದು

ನೀವು ಅಡಗಿ ಹೋದೆರೆ ಅಥವಾ AI ಅನ್ವಯಿಕೆಗಳನ್ನು ನಿರ್ಮಿಸುವ ಬಗ್ಗೆ ಯಾವುದೇ ಪ್ರಶ್ನೆಗಳಿದ್ದರೆ. MCP ಬಗ್ಗೆ ಚರ್ಚೆಗಳಲ್ಲಿ ಇತರ ಕಲಿಯುವವರು ಮತ್ತು ಅನುಭವಸಂಪನ್ಮೂಲದ ಡೆವಲಪರ್‌ಗಳ ಜೊತೆಯಲ್ಲಿ ಸೇರಿ. ಇದು ಸಹಾಯಕ ಸಮುದಾಯವಾಗಿದ್ದು, ಪ್ರಶ್ನೆಗಳಿಗೆ ಸ್ವಾಗತ ಇದೆ ಮತ್ತು ಜ್ಞಾನವನ್ನು ಮುಕ್ತವಾಗಿ ಹಂಚಿಕೊಳ್ಳಲಾಗುತ್ತದೆ.

ನೀವು ನಿರ್ಮಿಸುವಾಗ ಉತ್ಪನ್ನ ಪ್ರತಿಕ್ರಿಯೆಗಳು ಅಥವಾ ದೋಷಗಳಿದ್ದರೆ, ಈ ಸ್ಥಳಕ್ಕೆ ಭೇಟಿ ನೀಡಿ:

ಹೆಚ್ಚುವರಿ ಕಲಿಕೆಯ ಸಲಹೆಗಳು

• ಪ್ರತಿ ಪಾಠದ ನಂತರ ನೋಟ್‌ಬುಕ್‌ಗಳನ್ನು ವಿಮರ್ಶಿಸಿ ಉತ್ತಮ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು.
• ಸ್ವತಃ ಅಲ್ಪಾಗಿ ಅಲ್ಗಾರಿದಮ್ಗಳನ್ನು ಅಭ್ಯಾಸ ಮಾಡಿ.
• ಕಲಿತ ತತ್ವಗಳನ್ನು ಬಳಸಿ ನಿಜ ಜೀವನದ ಡೇಟಾಸೆಟ್‌ಗಳನ್ನು ಅನ್ವೇಷಿಸಿ.

---

ಅಸ್ವೀಕಾರ: ಈ ನ್ಯೂಗಡೆಯನ್ನು AI ಭಾಷಾಂತರ ಸೇವೆ Co-op Translator ಬಳಸಿ ಭಾಷಾಂತರಿಸಲಾಗಿದೆ. ನಾವು ಶುದ್ಧತೆಯನ್ನು ಸಾಧಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಭಾಷಾಂತರಗಳಲ್ಲಿ ದೋಷಗಳು ಅಥವಾ ಅಕುರತಿಗಳು ಇರುವಂತೆ ಇರುವುದು ಸಹಜ. ಮೂಲ ಭಾಷೆಯ ಮೌಲಿಕ ದಾಖಲೆ ಅಧೀನ ಮೂಲ ಎಂದು ಪರಿಗಣಿಸಬೇಕು. ಮಹತ್ವಪೂರ್ಣ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಭಾಷಾಂತರವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಭಾಷಾಂತರದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ಕಲಹಗಳು ಅಥವಾ ತಪ್ಪು ಅರ್ಥಗ್ರಹಣೆಗಳಿಗೆ ನಾವು ಜವಾಬ್ದಾರರಾಗುವುದಿಲ್ಲ.