ML-For-Beginners/translations/ur

🌐 کثیراللسان مدد

GitHub ایکشن کے ذریعے معاونت یافتہ (خودکار اور ہمیشہ اپ ٹو ڈیٹ)

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

کیا آپ مقامی طور پر کلون کرنا پسند کریں گے؟

اس ریپوزیٹری میں 50+ زبانوں کے تراجم شامل ہیں جو ڈاؤن لوڈ کے حجم کو نمایاں طور پر بڑھاتے ہیں۔ بغیر تراجم کے کلون کرنے کے لیے، sparse checkout استعمال کریں:

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"

اس سے آپ کو کورس مکمل کرنے کے لیے درکار تمام سامان بہت تیز رفتار ڈاؤن لوڈ کے ساتھ مل جائے گا۔

ہماری کمیونٹی میں شامل ہوں

ہمارے پاس ایک Discord پر learn with AI سیریز جاری ہے، مزید جاننے اور شامل ہونے کے لیے Learn with AI Series پر جائیں، 18 سے 30 ستمبر، 2025۔ آپ کو GitHub Copilot کے ڈیٹا سائنس کے استعمال کے لئے تجاویز اور تکنیک ملیں گی۔

ابتدائیوں کے لئے مشین لرننگ - ایک نصاب

🌍 دنیا بھر کا سفر کریں جب ہم مشین لرننگ کو دنیا کی ثقافتوں کے ذریعے دریافت کرتے ہیں 🌍

Microsoft کے Cloud Advocates خوشی کے ساتھ 12 ہفتے، 26 اسباق پر مشتمل ایک نصاب پیش کرتے ہیں جو مکمل طور پر مشین لرننگ کے بارے میں ہے۔ اس نصاب میں، آپ کچھ مواقع پر کلاسیکی مشین لرننگ کہلانے والی چیزیں سیکھیں گے، جس میں بنیادی طور پر Scikit-learn لائبریری استعمال کی جائے گی اور ڈیپ لرننگ سے گریز کیا جائے گا، جو ہمارے AI for Beginners' نصاب میں شامل ہے۔ ان اسباق کو ہمارے 'ڈیٹا سائنس برائے ابتدائیوں' نصاب کے ساتھ بھی جوڑیں۔

ہمارے ساتھ دنیا بھر کا سفر کریں جب ہم کلاسیکی تکنیک کو دنیا کے مختلف حصوں کے ڈیٹا پر لاگو کرتے ہیں۔ ہر سبق میں پری اور پوسٹ کلاس کوئزز، تحریری ہدایات، حل، اسائنمنٹ، اور مزید شامل ہوتا ہے۔ ہمارا پراجیکٹ بنیاد پر تعلیمی طریقہ آپ کو تعمیر کرتے ہوئے سیکھنے کی اجازت دیتا ہے، جو نئی صلاحیتوں کو برقرار رکھنے کا ایک ثابت شدہ طریقہ ہے۔

✍️ ہمارے مصنفین کا دلی 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

🙏 خصوصی شکریہ 🙏 ہمارے Microsoft Student Ambassador مصنفین، جائزہ لینے والوں، اور مواد کے مصنفین کو، خصوصاً Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, اور Snigdha Agarwal

🤩 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, اور Vidushi Gupta کا بھی خصوصی شکریہ ہمارے R اسباق کے لئے!

شروع کرنا

مندرجہ ذیل اقدامات کریں:

1. ریپوزیٹری کو Fork کریں: اس صفحہ کے اوپر دائیں کونے میں موجود "Fork" بٹن پر کلک کریں۔
2. ریپوزیٹری کلون کریں: git clone https://github.com/microsoft/ML-For-Beginners.git

اس کورس کے لئے تمام اضافی وسائل ہمارے Microsoft Learn مجموعہ میں تلاش کریں

🔧 مدد چاہیے؟ ہمارے Troubleshooting Guide میں انسٹالیشن، سیٹ اپ، اور اسباق چلانے کے عام مسائل کے حل دیکھیں۔

طلبہ، اس نصاب کو استعمال کرنے کے لیے، پورے ریپوزیٹری کو اپنی GitHub اکاؤنٹ پر fork کریں اور مشقیں اپنی مرضی سے یا گروپ کے ساتھ مکمل کریں:

• پری لیکچر کوئز سے شروع کریں۔
• لیکچر پڑھیں اور سرگرمیاں مکمل کریں، ہر نالج چیک پر توقف کر کے غور کریں۔
• اسباق کو سمجھ کر پروجیکٹس بنانے کی کوشش کریں بجائے اس کے کہ صرف سولوشن کوڈ چلائیں؛ تاہم یہ کوڈ ہر پراجیکٹ پر مبنی سبق کے /solution فولڈرز میں دستیاب ہے۔
• پوسٹ لیکچر کوئز حل کریں۔
• چیلنج مکمل کریں۔
• اسائنمنٹ مکمل کریں۔
• جب کسی سبق گروپ کو مکمل کرلیں، تو Discussion Board پر جائیں اور مناسب PAT روبریک بھر کر "آواز بلند کریں"۔ 'PAT' ایک پروگریس اسسمنٹ ٹول ہے، جو آپ کے سیکھنے کو مزید بڑھاتا ہے۔ آپ دوسرے PATs پر بھی ردعمل ظاہر کر سکتے ہیں تاکہ ہم سب مل کر سیکھ سکیں۔

مزید تعلیم کے لئے، ہم ان Microsoft Learn ماڈیولز اور سیکھنے کے راستوں کی سفارش کرتے ہیں۔

اساتذہ کے لیے، ہم نے اس نصاب کے استعمال کے لیے کچھ تجاویز شامل کی ہیں۔

---

ویڈیو واک تھروز

کچھ اسباق مختصر ویڈیو کی شکل میں دستیاب ہیں۔ آپ انہیں اسباق کے اندر ان لائن یا Microsoft Developer YouTube چینل پر ML for Beginners پلی لسٹ پر نیچے دی گئی تصویر پر کلک کرکے دیکھ سکتے ہیں۔

---

ٹیم سے ملاقات

گیف بنائی گئی Mohit Jaisal کی جانب سے

🎥 پراجیکٹ اور اس کو بنانے والوں کے بارے میں ویڈیو کے لیے اوپر تصویر پر کلک کریں!

---

طریقہ تدریس

اس نصاب کو بناتے ہوئے ہم نے دو تعلیمی اصول منتخب کیے ہیں: اسے ہاتھوں سے کرنے والا پروجیکٹ پر مبنی بنانا اور اس میں بار بار کوئزز شامل کرنا۔ اس کے علاوہ، اس نصاب کا ایک مشترکہ موضوع بھی ہے جو یکجہتی فراہم کرتا ہے۔

مضمون کو پروجیکٹس کے ساتھ ہم آہنگ کرنے سے تدریسی عمل زیادہ دلچسپ ہو جاتا ہے اور تصورات کو یاد رکھنے میں بہتری آتی ہے۔ کلاس سے پہلے ایک کم خطرے والا کوئز طالب علم کو موضوع سیکھنے کی نیت کرتا ہے، جبکہ کلاس کے بعد دوسرا کوئز مزید یادداشت کو یقینی بناتا ہے۔ یہ نصاب لچکدار اور خوشگوار بنانے کے لیے ڈیزائن کیا گیا ہے اور اسے مکمل یا جزوی طور پر کیا جا سکتا ہے۔ پروجیکٹس چھوٹے سے شروع ہوتے ہیں اور 12 ہفتوں کے آخر تک پیچیدہ ہوتے جاتے ہیں۔ اس نصاب میں مشین لرننگ کی حقیقی دنیا میں استعمال پر بھی ایک پوسٹ اسکرپٹ شامل ہے، جسے اضافی کریڈٹ کے طور پر یا گفتگو کی بنیاد کے طور پر استعمال کیا جا سکتا ہے۔

ہمارے Code of Conduct، Contributing، Translations، اور Troubleshooting ہدایات تلاش کریں۔ ہم آپ کی تعمیری رائے کا خیرمقدم کرتے ہیں!

ہر سبق میں شامل ہے

• اختیاری سکیچ نوٹ
• اختیاری ضمنی ویڈیو
• ویڈیو واک تھرو (صرف بعض اسباق)
• پری لیکچر وارم اپ کوئز
• تحریری سبق
• پراجیکٹ پر مبنی اسباق کے لیے، قدم بہ قدم گائیڈز کہ کیسے پروجیکٹ بنایا جائے
• نالج چیکس
• ایک چیلنج
• ضمنی مطالعہ
• اسائنمنٹ
• پوسٹ لیکچر کوئز

زبانوں کے بارے میں ایک نوٹ: یہ اسباق بنیادی طور پر Python میں لکھے گئے ہیں، لیکن بہت سے R میں بھی دستیاب ہیں۔ ایک R سبق مکمل کرنے کے لیے، /solution فولڈر میں جائیں اور R اسباق تلاش کریں۔ ان میں .rmd توسیع شامل ہوتی ہے جو ایک R Markdown فائل کی نمائندگی کرتی ہے جسے آسانی سے code chunks (R یا دیگر زبانوں کے) اور YAML header (جو آؤٹ پٹس جیسے پی ڈی ایف کی فارمیٹنگ کے لیے رہنمائی کرتا ہے) کو Markdown document میں شامل کرنے کے طور پر بیان کیا جاسکتا ہے۔ اس طرح، یہ ڈیٹا سائنس کے لیے ایک مثالی مصنف فریم ورک کے طور پر کام کرتا ہے کیونکہ یہ آپ کو کوڈ، اس کا آؤٹ پٹ، اور آپ کے خیالات کو Markdown میں لکھنے کی سہولت دیتا ہے۔ مزید برآں، R Markdown دستاویزات کو پی ڈی ایف، HTML، یا Word جیسے آؤٹ پٹ فارمیٹس میں رینڈر کیا جا سکتا ہے۔

کوئزز کے بارے میں ایک نوٹ: تمام کوئزز Quiz App فولڈر میں موجود ہیں، کل 52 کوئزز تین سوالات کے ساتھ۔ یہ اسباق کے اندر سے لنک کی گئی ہیں لیکن کوئز ایپ کو مقامی طور پر چلایا جا سکتا ہے؛ quiz-app فولڈر میں ہدایات پر عمل کریں تاکہ لوکل ہوسٹ کریں یا Azure پر ڈپلائے کریں۔

سبق نمبر	موضوع	سبق کی گروپ بندی	تعلیمی مقاصد	لنک شدہ سبق	مصنف
01	مشین لرننگ کا تعارف	تعارف	مشین لرننگ کے بنیادی تصورات سیکھیں	سبق	محمد
02	مشین لرننگ کی تاریخ	تعارف	اس میدان کی بنیادی تاریخ سیکھیں	سبق	جین اور ایمی
03	مشین لرننگ اور انصاف	تعارف	انصاف کے اہم فلسفیانہ مسائل کیا ہیں جنہیں طلبہ کو مشین لرننگ ماڈلز بنانے اور لاگو کرنے میں مدنظر رکھنا چاہیے؟	سبق	ٹومومی
04	مشین لرننگ کے طریقے	تعارف	مشین لرننگ محققین مشین لرننگ ماڈلز بنانے کے لیے کیا تکنیک استعمال کرتے ہیں؟	سبق	کرس اور جین
05	ریگریشن کا تعارف	ریگریشن	ریگریشن ماڈلز کے لیے Python اور Scikit-learn کے ساتھ شروع کریں	Python • R	جین • ایرک وانجاو
06	شمالی امریکہ کے کدو کی قیمتیں 🎃	ریگریشن	مشین لرننگ کی تیاری کے لیے ڈیٹا کو دیکھیں اور صاف کریں	Python • R	جین • ایرک وانجاو
07	شمالی امریکہ کے کدو کی قیمتیں 🎃	ریگریشن	خطی اور کثیر رکنی ریگریشن ماڈلز بنائیں	Python • R	جین اور دمتری • ایرک وانجاو
08	شمالی امریکہ کے کدو کی قیمتیں 🎃	ریگریشن	لاجسٹک ریگریشن ماڈل بنائیں	Python • R	جین • ایرک وانجاو
09	ایک ویب ایپ 🔌	ویب ایپ	اپنے تربیت یافتہ ماڈل کو استعمال کرنے کے لیے ایک ویب ایپ بنائیں	Python	جین
10	درجہ بندی کا تعارف	درجہ بندی	اپنے ڈیٹا کو صاف کریں، تیار کریں، اور دیکھیں؛ درجہ بندی کا تعارف	Python • R	جین اور کیسی • ایرک وانجاو
11	مزیدار ایشیائی اور ہندوستانی کھانے 🍜	درجہ بندی	درجہ بند کرنے والوں کا تعارف	Python • R	جین اور کیسی • ایرک وانجاو
12	مزیدار ایشیائی اور ہندوستانی کھانے 🍜	درجہ بندی	مزید درجہ بند کرنے والے	Python • R	جین اور کیسی • ایرک وانجاو
13	مزیدار ایشیائی اور ہندوستانی کھانے 🍜	درجہ بندی	اپنے ماڈل کا استعمال کرتے ہوئے ایک تجویز کنندہ ویب ایپ بنائیں	Python	جین
14	جماعت بندی کا تعارف	جماعت بندی	اپنے ڈیٹا کو صاف کریں، تیار کریں، اور دیکھیں؛ جماعت بندی کا تعارف	Python • R	جین • ایرک وانجاو
15	نائجیریائی موسیقی کا ذائقہ تلاش کرنا 🎧	جماعت بندی	K-میانز جماعت بندی کے طریقہ کار کو دریافت کریں	Python • R	جین • ایرک وانجاو
16	قدرتی زبان کی پروسیسنگ کا تعارف ☕️	قدرتی زبان کی پروسیسنگ	ایک سادہ بوٹ بنا کر NLP کی بنیادی باتیں سیکھیں	Python	اسٹیفن
17	عام NLP کے کام ☕️	قدرتی زبان کی پروسیسنگ	زبان کی ساختوں سے نمٹنے کے لیے درکار عام کاموں کو سمجھ کر NLP کے علم کو گہرا کریں	Python	اسٹیفن
18	ترجمہ اور جذباتی تجزیہ ♥️	قدرتی زبان کی پروسیسنگ	جین آسٹن کے ساتھ ترجمہ اور جذباتی تجزیہ	Python	اسٹیفن
19	یورپ کے رومانوی ہوٹل ♥️	قدرتی زبان کی پروسیسنگ	ہوٹل کے جائزوں کے ساتھ جذباتی تجزیہ 1	Python	اسٹیفن
20	یورپ کے رومانوی ہوٹل ♥️	قدرتی زبان کی پروسیسنگ	ہوٹل کے جائزوں کے ساتھ جذباتی تجزیہ 2	Python	اسٹیفن
21	وقت کی سیریز کی پیش گوئی کا تعارف	وقت کی سیریز	وقت کی سیریز کی پیش گوئی کا تعارف	Python	فرانسسکا
22	⚡️ عالمی توانائی کا استعمال ⚡️ - ARIMA کے ساتھ وقت کی سیریز کی پیش گوئی	وقت کی سیریز	ARIMA کے ساتھ وقت کی سیریز کی پیش گوئی	Python	فرانسسکا
23	⚡️ عالمی توانائی کا استعمال ⚡️ - SVR کے ساتھ وقت کی سیریز کی پیش گوئی	وقت کی سیریز	سپورٹ ویکٹر ریگریسر کے ساتھ وقت کی سیریز کی پیش گوئی	Python	انربن
24	مضبوطی سے سیکھنے کا تعارف	مضبوطی سے سیکھنا	Q-Learning کے ساتھ مضبوطی سے سیکھنے کا تعارف	Python	دمتری
25	پیٹر کو بھیڑیے سے بچائیں! 🐺	مضبوطی سے سیکھنا	مضبوطی سے سیکھنے کا جِم	Python	دمتری
پوسٹ اسکرپٹ	حقیقی دنیا کے مشین لرننگ کے منظرنامے اور ایپلیکیشنز	جنگل میں مشین لرننگ	کلاسیکی مشین لرننگ کی دلچسپ اور انکشاف کرنے والی حقیقی دنیا کی ایپلیکیشنز	سبق	ٹیم
پوسٹ اسکرپٹ	RAI ڈیش بورڈ کے ذریعے مشین لرننگ ماڈل کی ڈیبگنگ	جنگل میں مشین لرننگ	ریسپانسبل AI ڈیش بورڈ کے اجزاء کے ذریعے مشین لرننگ ماڈل کی ڈیبگنگ	سبق	روتھ یاکوبو

اس کورس کے لیے تمام اضافی وسائل ہمارے Microsoft Learn کلیکشن میں تلاش کریں

آف لائن رسائی

آپ اس دستاویز کو آف لائن Docsify کے ذریعے چلا سکتے ہیں۔ اس ریپوزٹری کو فورک کریں، اپنی مقامی مشین پر Docsify انسٹال کریں، اور پھر اس ریپوزٹری کے روٹ فولڈر میں docsify serve ٹائپ کریں۔ ویب سائٹ آپ کے لوکل ہوسٹ پر پورٹ 3000 پر سرور ہوگی: localhost:3000۔

پی ڈی ایفز

نصاب کی پی ڈی ایف لنکس کے ساتھ یہاں تلاش کریں یہاں۔

🎒 دیگر کورسز

ہماری ٹیم دیگر کورسز بھی تیار کرتی ہے! چیک کریں:

LangChain

Azure / Edge / MCP / ایجنٹس

---

جنریٹو اے آئی سیریز

---

بنیادی تعلیم

---

کوپائلٹ سیریز

مدد لینا

اگر آپ پھنس جائیں یا AI ایپس بنانے کے بارے میں کوئی سوال ہو تو۔ MCP کے بارے میں بحث میں شریک سیکھنے والوں اور تجربہ کار ڈیولپرز سے جڑیں۔ یہ ایک معاون کمیونٹی ہے جہاں سوالات خوش آمدید ہیں اور علم کھلے دل سے شیئر کیا جاتا ہے۔

اگر آپ کے پاس پروڈکٹ فیڈ بیک یا بلڈنگ کے دوران غلطیاں ہوں تو یہاں دیکھیں:

اضافی تعلیمی نکات

• ہر سبق کے بعد نوٹ بکس کا جائزہ لیں تاکہ سمجھ بوجھ بہتر ہو۔
• الگورتھمز کو خود سے نافذ کرنے کی مشق کریں۔
• سیکھے گئے تصورات کو استعمال کرتے ہوئے حقیقی دنیا کے ڈیٹا سیٹس کو دریافت کریں۔

---

ہیلے:
یہ دستاویز مصنوعی ذہانت کی ترجمہ سروس Co-op Translator کے ذریعے ترجمہ کی گئی ہے۔ اگرچہ ہم درستگی کے لیے کوشاں ہیں، براہ کرم اس بات سے آگاہ رہیں کہ خودکار تراجم میں غلطیاں یا عدم درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی مادری زبان میں معتبر ماخذ سمجھا جانا چاہیے۔ اہم معلومات کے لیے پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے ہونے والی کسی بھی غلط فہمی یا غلط تعبیر کی ذمہ داری ہم پر عائد نہیں ہوتی۔