|
|
4 weeks ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 4 weeks ago | |
| 2-Regression | 2 months ago | |
| 3-Web-App | 3 months ago | |
| 4-Classification | 2 months ago | |
| 5-Clustering | 3 months ago | |
| 6-NLP | 3 months ago | |
| 7-TimeSeries | 3 months ago | |
| 8-Reinforcement | 3 months ago | |
| 9-Real-World | 3 months ago | |
| docs | 3 months ago | |
| quiz-app | 3 months ago | |
| sketchnotes | 3 months ago | |
| .co-op-translator.json | 4 weeks ago | |
| AGENTS.md | 3 months ago | |
| CODE_OF_CONDUCT.md | 3 months ago | |
| CONTRIBUTING.md | 3 months ago | |
| PyTorch_Fundamentals.ipynb | 5 months ago | |
| README.md | 1 month ago | |
| SECURITY.md | 3 months ago | |
| SUPPORT.md | 3 months ago | |
| TROUBLESHOOTING.md | 3 months ago | |
| for-teachers.md | 3 months ago | |
README.md
🌐 బహుభాషా మద్దతు
GitHub చర్య ద్వారా మద్దతు ఇచ్చారు (ఆటోమేటెడ్ & ఎప్పుడూ నవీకరణ లో ఉంటుంది)
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
స్థానికంగా క్లోన్ చేయాలని ఇష్టపడుతున్నారా?
ఈ రిపోసిటరీ 50+ భాషా అనువాదాలను కలిగి ఉంది, ఇది డౌన్లోడ్ పరిమాణాన్ని గణనీయంగా పెంచుతుంది. అనువాదాలు లేకుండా క్లోన్ చేసుకోవడానికి, స్పార్స్ చెకౌట్ ను ఉపయోగించండి:
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"ఇది మీరు కోర్సును పూర్తి చేసుకోవడానికి అవసరమయిన అన్ని విషయాలను మరింత వేగంగా డౌన్లోడ్ చేయడానికి సహాయపడుతుంది.
మా కమ్యూనిటీ తో చేర్చుకోండి
మాకు Discord లో AI తో తెలుసుకునే సిరీస్ జరుగుతోంది, మరిన్ని వివరాలు తెలుసుకుని Learn with AI Series లో 18 - 30 సెప్టెంబర్, 2025 మధ్య చేరండి. మీరు GitHub Copilot ను డేటా సైన్స్ కోసం ఎలా ఉపయోగించాలో చిట్కాలు మరియు చాపళ్లను పొందుతారు.
ప్రారంభదశల కోసం మెషిన్ లెర్నింగ్ - ఒక పాఠ్యక్రమం
🌍 మేము వేర్వేరు ప్రపంచ సంస్కృతుల ద్వారా మెషిన్ లెర్నింగ్ ను అన్వేషిస్తూ ప్రపంచమంతా ప్రయాణిస్తాము 🌍
Microsoft లో క్లౌడ్ అడ్వొకేట్స్ 12 వారాల, 26 పాఠాల పాఠ్యక్రమాన్ని మెషిన్ లెర్నింగ్ గురించి అందించడంలో ఆనందంగా ఉన్నారు. ఈ పాఠ్యక్రమంలో మీరు కొన్నిసార్లు ప్రాచీన మెషిన్ లెర్నింగ్ గా పిలవబడే విషయాలను, ప్రధానంగా Scikit-learn లైబ్రరీని ఉపయోగించి, డీప్ లెర్నింగ్ (మా AI for Beginners' curriculum లో వర్చబడింది)ను లేకుండా నేర్చుకుంటారు. ఈ పాఠాల జంటగా మా 'Data Science for Beginners' curriculum కూడా ఉపయోగించండి!
ప్రపంచం మొత్తం నుండి వచ్చిన డేటా పై ఈ క్లాసిక్ సాంకేతికతలను ఉపయోగిస్తూ మాతో పాటు ప్రపంచం చుట్టూ యాత్ర చేయండి. ప్రతి పాఠం ముందస్తు మరియు తరువాతి పరీక్షలు, పాఠాన్ని పూర్తిచేసే వ్రాత సూచనలు, పరిష్కారం, అసైన్మెంట్ మరియు మరిన్ని ఉంటాయి. మా ప్రాజెక్టు-ఆధారిత పద్ధతులు మీరు నేర్చుకుంటూ నిర్మిస్తూ ముందుకు పోతారని నిర్ధారిస్తాయి.
✍️ మా రచయితలకు హృదయపూర్వక ధన్యవాదాలు జెన్ లూపర్, స్టీఫెన్ హౌల్, ఫ్రాన్సెస్కా లాజ్జెరి, టొమోమీ ఇమురా, క్యాసీ బ్రేవియు, డ్మిత్రి సోష్నికోవ్, క్రిస్ నోరింగ్, అనిర్బన్ ముఖర్జీ, ఒర్నెల్లా ఆల్టున్యన్, రూత్ యాకుబు మరియు ఎమీ బాయిడ్
🎨 మా చిత్రకారులకు కూడా ధన్యవాదాలు టొమోమీ ఇమురా, దాసాని మడిపల్లి, మరియు జెన్ లూపర్
🙏 ప్రత్యేక ధన్యవాదాలు 🙏 మా Microsoft స్టూడెంట్ అంబాసిడార్ల రచయితలు, సమీక్షకులు మరియు కంటెంట్ విరాళదారులు వంటి రిషిత్ డాగ్లీ, ముహమ్మద్ సాకిబ్ ఖాన ఇనాన్, ರోహನ್ ರಾಜ్, అలెగ్జాండ్రు పెట్రెస్కు, అభిషేక్ జైస్వాల్, నవ్రిన్ టబస్సం, ఐవాన్ సాములో, మరియు స్నigdha అగర్వాల్
🤩 Microsoft స్టూడెంట్ అంబాసిడార్ల ఎరిక్ వాంజావ్, జస్లీన్ సొంధీ, మరియు విద్యుషి గుప్తా కు మా R పాఠాలకు అదనపు కృతజ్ఞతలు!
ప్రారంభించడం
ఈ దశలను అనుసరించండి:
- రిపోసిటరీని ఫోర్క్ చేయండి: ఈ పేజీ ఎడమ-పైన ఉన్న "Fork" బటన్ పై క్లిక్ చేయండి.
- రిపోసిటరీని క్లోన్ చేయండి:
git clone https://github.com/microsoft/ML-For-Beginners.git
ఈ కోర్సు కి సంబంధించిన అన్ని అదనపు వనరులను మా Microsoft Learn సేకరణలో చూడండి
🔧 సహాయం కావాలా? ఇన్స్టల్, సెటప్ మరియు పాఠాలు నడిపే సాధారణ సమస్యల పరిష్కారాల కోసం మా Troubleshooting Guide చూడండి.
విద్యార్థులు, ఈ పాఠ్యక్రమాన్ని ఉపయోగించడానికి, పూర్తి రిపోను మీ స్వంత GitHub ఖాతాకు ఫోర్క్ చేసి, తానే లేదా குழువుతో కలిసి యాక్టివిటీలను పూర్తిచేయండి:
- ముందస్తు లెక్చర్ క్విజ్ తో ప్రారంభించండి.
- లెక్చర్ చదవండి, చురుకైన పరీక్షల వద్ద ఆగి ఆలోచించు.
- పాఠాలను అర్థం చేసుకుని ప్రాజెక్టులను సృష్టించడానికి ప్రయత్నించండి; అయితే పరిష్కార కోడ్
/solutionఫోల్డర్ లో అందుబాటులో ఉంది. - తరపు తర్వాత క్విజ్ చేయండి.
- చెల్లింపు పూర్తి చేయండి.
- అసైన్మెంట్ పూర్తిచేయండి.
- పాఠం గుంపు పూర్తయ్యాక, Discussion Board సందర్శించి, సంబంధిత PAT రుబ్రిక్ నింపి "తెలుసుకోండి" అని పలకండి. PAT అనేది ప్రగతి మూల్యాంకన పరికరం, మీరు నేర్చుకున్నదాన్ని విస్తరించడానికి ఉపయోగించేదీ. మీరు ఇతర PAT లకు కూడా స్పందించి మనం కలిసి నేర్చుకోవచ్చు.
మరింత అధ్యయనానికి, ఈ Microsoft Learn మాడ్యూల్స్ మరియు అభ్యాస మార్గాలను అనుసరించండి.
టీవీచర్స్, ఈ పాఠ్యక్రమాన్ని ఎలా ఉపయోగించాలో కొన్ని సూచనలను [for-teachers.md] లో చేర్చాము.
వీడియో వాక్త్రోల్స్
కొన్ని పాఠాలు సంక్షిప్త వీడియోలుగా అందుబాటులో ఉన్నాయి. మీరు ఈ వీడియోలను పాఠాల్లో ఇన్-లైన్ లో లేదా Microsoft Developer YouTube ఛానెల్ లో ఉన్న ML for Beginners ప్లేలిస్ట్ లో ఇమేజ్ పై క్లిక్ చేసి చూడవచ్చు.
టీమ్ ని కలవండి
Gif చేసిన వారు Mohit Jaisal
🎥 ప్రాజెక్ట్ మరియు సృష్టించిన వారు గురించి వీడియో కోసం పై చిత్రం పై క్లిక్ చేయండి!
విద్యా విధానం
ఈ పాఠ్యక్రమాన్ని నిర్మిస్తూ మేము రెండు విద్యా సూత్రాలను ఎంచుకున్నాము: ఇది చేతితో చేసే ప్రాజెక్ట్-ఆధారిత ఉండాలి మరియు ఇందులో అనేక పరీక్షలు ఉండాలి. అదనంగా, ఈ పాఠ్యక్రమానికి ఒక సాధారణ థీమ్ ఉంటుంది, ఇది ఐక్యతని ఇస్తుంది.
కంటెంట్ ప్రాజెక్టులకు ఒకటిగా ఉంటే, విద్యార్థుల కోసం కంటెంట్ ఆకర్షణీయంగా మారి భావనల నిలకడ పెరుగుతుంది. తరగతి ముందు తక్కువ-దృఢత క్విజ్ విద్యార్థులను నేర్చుకునే ఉద్దేశ్యాన్ని ఏర్పాటు చేస్తుంది, తరగతి తరువాతి క్విజ్ మరింత నిలకడను అందిస్తుంది. ఈ పాఠ్యక్రమం సౌకర్యవంతమైనది మరియు సరదాగా ఉంటుంది; మొత్తం లేదా భాగంగా తీసుకోవచ్చు. ప్రాజెక్టులు చిన్నదిగా మొదలవుతాయి మరియు 12 వారాల సైకిల్ చివరికి మరింత క్లిష్టంగా మారుతాయి. ఈ పాఠ్యక్రమంలో మెషీన్ లెర్నింగ్ యొక్క వాస్తవ ప్రపంచ వినియోగాలు మీద ఒక పోస్ట్స్క్రిప్ట్ కూడా ఉంది, ఇది అదనపు క్రెడిట్ లేదా చర్చ నిదర్శనంగా ఉపయోగించవచ్చు.
మా Code of Conduct, Contributing, Translations, మరియు Troubleshooting మార్గదర్శకాల్నీ చూడండి. మీ నిర్మాణాత్మక అభిప్రాయాలకు మేము స్వాగతం!
ప్రతి పాఠం కలిగివుంటుంది
- ఐచ్ఛిక స్కెచ్నోట్
- ఐచ్ఛిక సప్లిమెంటల్ వీడియో
- వీడియో వాక్ తీరు (కొన్ని పాఠాలు మాత్రమే)
- ముందు-లెక్చర్ వార్మప్ క్విజ్
- వ్రాత పాఠం
- ప్రాజెక్టు-ఆధారిత పాఠాలకు, ప్రాజెక్టును ఎలా నిర్మించాలో దశల వారీ మార్గదర్శకాలు
- జ్ఞాన పరీక్షలు
- ఒక సవాలు
- సప్లిమెంటల్ చదువులు
- అసైన్మెంట్
- తరువాత-లెక్చర్ క్విజ్
భాషల గురించి ఒక గమనిక: ఈ పాఠాలు ప్రధానంగా Pythonలో రాయబడ్డాయి, కానీ చాలావరకు Rలో కూడా అందుబాటులో ఉన్నాయి. R పాఠాన్ని పూర్తి చేయడానికి,
/solutionఫోల్డర్కు వెళ్ళి R పాఠాలను చూడండి. అవి R మార్క్డౌన్ ఫైల్ ప్రతినిథ్యం వహించే .rmd విస్తరణ కలిగి ఉంటాయి, దీన్ని సులభంగా R లేదా ఇతర భాషలcode chunksమరియుYAML header(PDF వంటి అవుట్పుటులను ఎలా ఫార్మాట్ చేయాలనేది మార్గదర్శించడం)ని ఒకమార్క్డౌన్ డాక్యుమెంట్లో ఎంబెడ్ చేయడం వంటివిగా నిర్వచించవచ్చు. అందువల్ల, ఇది డేటా సైన్స్ కోసం ఒక గొప్ప రమణీయ రచనా ఫ్రేమ్వర్క్గా పనిచేస్తుంది, ఎందుకంటే మీరు మీ కోడ్, దాని అవుట్పుట్, మరియు మీ ఆలోచనలను మార్క్డౌన్లో వ్రాయడానికి అనుమతిస్తుంది. అంతేకాక, R మార్క్డౌన్ డాక్యుమెంట్లను PDF, HTML లేదా Word వంటి అవుట్పుట్ ఫార్మాట్స్కు రెండర్ చేయవచ్చు.
క్విజ్ల గురించి ఒక గమనిక: అన్ని క్విజ్లు క్విజ్ యాప్ ఫోల్డర్లో ఉన్నాయి, మొత్తం 52 క్విజ్లు, ప్రతి ఒక్కటిలో మూడు ప్రశ్నలు ఉంటాయి. అవి పాఠాల నుండి లింక్ చేయబడ్డాయి కానీ క్విజ్ యాప్ను స్థానికంగా అమలు చేయవచ్చు; స్థానికంగా హోస్ట్ చేయడానికి లేదా Azureలో డిప్లాయ్ చేయడానికి
quiz-appఫోల్డర్లో ఉన్న సూచనలను అనుసరించండి.
| పాఠ సంఖ్య | విషయము | పాఠ సమూహం | అభ్యాస లక్ష్యాలు | లింక్ చేసిన పాఠం | రచయిత |
|---|---|---|---|---|---|
| 01 | యంత్ర అధ్యయనానికి పరిచయం | పరిచయం | యంత్ర అధ్యయనం పై ఆధారంగా ఉన్న ప్రాథమిక సిద్ధాంతాలను నేర్చుకోండి | పాఠం | ముహంమద్ |
| 02 | యంత్ర అధ్యయన చరిత్ర | పరిచయం | ఈ రంగం పైన ఉన్న చరిత్రను తెలుసుకోండి | పాఠం | జెన్ మరియు ఎమి |
| 03 | న్యాయం మరియు యంత్ర అధ్యయనం | పరిచయం | యంత్ర అధ్యయన నమూనాలను నిర్మించేటప్పుడు విద్యార్ధులు పరిగణించవలసిన న్యాయ సంబంధి ముఖ్య తాత్విక సమస్యలు ఏవి? | పాఠం | టోమోమీ |
| 04 | యంత్ర అధ్యయన సాంకేతికతలు | పరిచయం | యంత్ర అధ్యయన పరిశోధకులు ML నమూనాలను నిర్మించటానికి ఉపయోగించే సాంకేతికాలు ఏమిటి? | పాఠం | క్రిస్ మరియు జెన్ |
| 05 | రిగ్రెషన్కు పరిచయం | రిగాేషన్ | రిగ్రెషన్ నమూనాలకు Python మరియు Scikit-learn ఉపయోగించడం ప్రారంభించండి | Python • R | జెన్ • ఎరిక్ వాన్జావ్ |
| 06 | ఉత్తర అమెరికా పుంబ్కిన్ ధరలు 🎃 | రిగాేషన్ | యంత్ర అధ్యయనానికి తయారీలో డేటాను క్లీన్ చేసి విజువలైజ్ చేయండి | Python • R | జెన్ • ఎరిక్ వాన్జావ్ |
| 07 | ఉత్తర అమెరికా పుంబ్కిన్ ధరలు 🎃 | రిగాేషన్ | లీనియర్ మరియు పాలి రిగ్రెషన్ నమూనాలను నిర్మించండి | Python • R | జెన్ మరియు డ్మిత్రి • ఎరిక్ వాన్జావ్ |
| 08 | ఉత్తర అమెరికా పుంబ్కిన్ ధరలు 🎃 | రిగాేషన్ | లాజిస్టిక్ రిగ్రెషన్ నమూనాను నిర్మించండి | Python • R | జెన్ • ఎరిక్ వాన్జావ్ |
| 09 | వెబ్ యాప్ 🔌 | వెబ్ యాప్ | మీ శిక్షణ పొందిన నమూనాను ఉపయోగించటానికి వెబ్ యాప్ను నిర్మించండి | Python | జెన్ |
| 10 | వర్గీకరణకు పరిచయం | వర్గీకరణ | మీ డేటాను శుభ్రపరచి, సిద్ధం చేసి, విజువలైజ్ చేయండి; వర్గీకరణకు పరిచయం | Python • R | జెన్ మరియు క్యాసి • ఎరిక్ వన్జావ్ |
| 11 | రుచికరమైన ఆసియన్లు మరియు భారతీయ వంటకాలు 🍜 | వర్గీకరణ | వర్గీకరణ నమూనాలపై పరిచయం | Python • R | జెన్ మరియు క్యాసి • ఎరిక్ వన్జావ్ |
| 12 | రుచికరమైన ఆసియన్లు మరియు భారతీయ వంటకాలు 🍜 | వర్గీకరణ | మరిన్ని వర్గీకరణ నమూనాలు | Python • R | జెన్ మరియు క్యాసి • ఎరిక్ వన్జావ్ |
| 13 | రుచికరమైన ఆసియన్లు మరియు భారతీయ వంటకాలు 🍜 | వర్గీకరణ | మీ నమూనాను ఉపయోగించి రికమెండర్ వెబ్ యాప్ను నిర్మించండి | Python | జెన్ |
| 14 | కస్టరింగ్కు పరిచయం | కస్టరింగ్ | మీ డేటాను శుభ్రపరచి, సిద్ధం చేసి, విజువలైజ్ చేయండి; కస్టరింగ్కు పరిచయం | Python • R | జెన్ • ఎరిక్ వన్జావ్ |
| 15 | నైజీడియన్స్కీ సంగీత రుచులను అన్వేషణ చేయడం 🎧 | కస్టరింగ్ | K-Means కస్టరింగ్ పద్ధతిని అన్వేషించండి | Python • R | జెన్ • ఎరిక్ వన్జావ్ |
| 16 | సహజ భాష ప్రాసెసింగ్ కు పరిచయం ☕️ | సహజ భాష ప్రాసెసింగ్ | ఒక సరళమైన బాట్ను నిర్మించడం ద్వారా NLP యొక్క ప్రాథమికాలను నేర్చుకోండి | Python | స్టీఫన్ |
| 17 | సాధారణ NLP పనులు ☕️ | సహజ భాష ప్రాసెసింగ్ | భాషా నిర్మాణాలతో వ్యవహరించేటప్పుడు అవసరమైన సామాన్య పనులను అర్థం చేసుకోవడం ద్వారా NLP జ్ఞానాన్ని మరింత 심화 చేయండి | Python | స్టీఫన్ |
| 18 | అనువాదం మరియు భావ విశ్లేషణ ♥️ | సహజ భాష ప్రాసెసింగ్ | జేన్ ఆస్టిన్తో అనువాదం మరియు భావ విశ్లేషణ | Python | స్టీఫన్ |
| 19 | యూరోప్ రొమాంటిక్ హోటల్స్ ♥️ | సహజ భాష ప్రాసెసింగ్ | హోటల్ సమీక్షలతో భావ విశ్లేషణ 1 | Python | స్టీఫన్ |
| 20 | యూరోప్ రొమాంటిక్ హోటల్స్ ♥️ | సహజ భాష ప్రాసెసింగ్ | హోటల్ సమీక్షలతో భావ విశ్లేషణ 2 | Python | స్టీఫన్ |
| 21 | టైం సిరీస్ ఫార్కాస్టింగ్ కు పరిచయం | టైం సిరీస్ | టైమ్ సిరీస్ ఫార్కాస్టింగ్కు పరిచయం | Python | ఫ్రాన్సెస్కా |
| 22 | ⚡️ ప్రపంచ విద్యుత్ వినియోగం ⚡️ - ARIMAతో టైం సిరీస్ ఫార్కాస్టింగ్ | టైం సిరీస్ | ARIMAతో టైం సిరీస్ ఫార్కాస్టింగ్ | Python | ఫ్రాన్సెస్కా |
| 23 | ⚡️ ప్రపంచ విద్యుత్ వినియోగం ⚡️ - SVRతో టైం సిరీస్ ఫార్కాస్టింగ్ | టైం సిరీస్ | సపోర్ట్ వెక్టర్ రిగ్రెషర్తో టైం సిరీస్ ఫార్కాస్టింగ్ | Python | అనిర్బన్ |
| 24 | రీన్ఫోర్స్మెంట్ లెర్నింగ్కు పరిచయం | రీన్ఫోర్స్మెంట్ లెర్నింగ్ | Q-లెర్నింగ్తో రీన్ఫోర్స్మెంట్ లెర్నింగ్కు పరిచయం | Python | డ్మిత్రి |
| 25 | పీటర్ను నక్క నుంచి తప్పించే పనిలో సహాయం! 🐺 | రీన్ఫోర్స్మెంట్ లెర్నింగ్ | రీన్ఫోర్స్మెంట్ లెర్నింగ్ జిమ్ | Python | డ్మిత్రి |
| పోస్ట్స్క్రిప్ట్ | వాస్తవ ప్రపంచం ML పరిస్థితులు మరియు అన్వయాలు | ML వనరు | శ్రేణి ML యొక్క ఆసక్తికరమైన మరియు వాస్తవ ప్రపంచ అన్వయాలు | పాఠం | జట్టు |
| పోస్ట్స్క్రిప్ట్ | RAI డ్యాష్బోర్డ్ ఉపయోగించి MLలో నమూనా డిబగ్గింగ్ | ML వనరు | రెస్పాన్సిబుల్ AI డ్యాష్బోర్డ్ భాగాలను ఉపయోగించి మెషిన్ లెర్నింగ్లో నమూనా డిబగ్గింగ్ | పాఠం | రుత్ యకుబు |
మా Microsoft Learn సేకరణలో ఈ కోర్సుకు సంబంధించిన అన్ని అదనపు వనరులను కనుగొనండి
ఆఫ్లైన్ యాక్సెస్
మీరు ఈ డాక్యుమెంటేషన్ను ఆఫ్లైన్లో Docsify ఉపయోగించి నడిపించవచ్చు. ఈ రిపోను Fork చేసి, మీ స్థానిక యంత్రంలో Docsifyని ఇన్స్టాల్ చేసుకుని, అప్పుడు ఈ రిపో యొక్క రూట్ ఫోల్డర్లో docsify serve అని టైపు చేయండి. వెబ్సైట్ 3000 పోర్టులో మీ స్థానిక యంత్రం: localhost:3000 పైన సేవ్ అవుతుంది.
PDFs
లింకులతో కూడిన పాఠ్యాంశపు PDFని ఇక్కడ చూడండి.
🎒 ఇతర కోర్సులు
మా జట్టు ఇతర కోర్సులు తయారు చేస్తుంది! చూడండి:
LangChain
Azure / Edge / MCP / Agents
జనరేటివ్ AI సిరీస్
ప్రాథమిక అధ్యయనం
కోపైలట్ సిరీస్
సహాయం పొందడం
AI అప్లికేషన్లను నిర్మించడంలో మీరు ఎక్కడైనా చిక్కుకుంటే లేదా ప్రశ్నలు ఉంటే, MCP గురించి చర్చలలో సహచర విద్యార్థులు మరియు అనుభవజ్ఞులైన డెవలపర్లు కలుసుకోవండి. ఇది ప్రశ్నలు స్వాగతం చేయబడే మరియు జ్ఞానం స్వేచ్ఛగా పంచుకునే మద్దతుతో కూడిన సమాజం.
మీకు ఉత్పత్తి ప్రతిప్రత్యయాలు లేదా లోపాలు ఉంటే, నిర్మాణ సమయంలో సందర్శించండి:
అదనపు నేర్చుకునే సూచనలు
- ప్రతి పాఠం తరువాత నోట్బుక్లను సమీక్షించండి, బెటర్ అవగాహన కోసం.
- స్వయంగా అల్గోరిథములను ప్రయత్నించి అమలు చేయండి.
- నేర్చుకున్న సూత్రాలను ఉపయోగించి వాస్తవ ప్రపంచ డేటా సెట్లను అన్వేషించండి.
ప్రత్యేక నివేదిక:
ఈ డాక్యుమెంట్ను AI అనువాద సేవ Co-op Translator ఉపయోగించి అనువదించబడి ఉంది. మేము సరిగా ఉండేందుకు ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో తప్పులు లేదా లోపాలు ఉండవచ్చు. మూల డాక్యుమెంట్ దాని స్థానిక భాషలో అధికారిక వనరుగా పరిగణించాలి. ముఖ్యమైన సమాచారం కోసం, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాదం ఉపయోగంతో పుట్టే ఏ అలమిటీలు లేదా తప్పు అర్థాలు తిరుగుబాటు జవాబుదారుడిగా మేము ఉండము.


