ML-For-Beginners/translations/ta

🌐 பல மொழி ஆதரவு

GitHub செயல்பாடு மூலம் ஆதரவு (தானியங்கி மற்றும் எப்போதும் புதுப்பிக்கப்பட்டது)

அரபு | பெங்காலி | பல்கேரியன் | பர்மீஸ் (மியான்மர்) | சீனம் (எளிமைப்படுத்தப்பட்டது) | சீனம் (சம்பிரதாய, ஹாங்காங்) | சீனம் (சம்பிரதாய, மக்காவு) | சீனம் (சம்பிரதாய, தைவான்) | குரோஷியன் | செக் | டேனிஷ் | டச்சு | எஸ்டோனியன் | பின்னிஷ் | பிரெஞ்சு | ஜெர்மன் | கிரேக்கம் | ஹீப்ரு | இந்தி | ஹங்கேரியன் | இந்தோனேஷியன் | இத்தாலியன் | ஜப்பானியன் | கொரியன் | லிதுவேனியன் | மலாய் | மராத்தி | நேபாளி | நைஜீரியன் பிட்ஜின் | நார்வேஜியன் | பெர்ஷியன் (பார்ஸி) | போலிஷ் | போர்ச்சுகீஸ் (பிரேசில்) | போர்ச்சுகீஸ் (போர்ச்சுகல்) | பஞ்சாபி (குர்முகி) | ரோமானியன் | ரஷியன் | செர்பியன் (சிரிலிக்) | ஸ்லோவாக் | ஸ்லோவேனியன் | ஸ்பானிஷ் | ஸ்வாஹிலி | ஸ்வீடிஷ் | டாகாலோக் (பிலிப்பினோ) | தமிழ் | தாய் | துருக்கியம் | உக்ரேனியன் | உருது | வியட்நாமீஸ்

எங்கள் சமூகத்தில் சேரவும்

AI கற்றல் தொடரில் எங்கள் டிஸ்கோர்டில் நிகழ்ச்சி நடைபெறுகிறது, மேலும் AI கற்றல் தொடர் பற்றி 18 - 30 செப்டம்பர், 2025 வரை அறிந்து கொள்ளுங்கள். GitHub Copilot-ஐ தரவியல் அறிவியலுக்காக பயன்படுத்துவதற்கான குறிப்புகள் மற்றும் வழிகாட்டுதல்களை பெறலாம்.

தொடக்கத்திற்கான இயந்திர கற்றல் - ஒரு பாடத்திட்டம்

🌍 உலக கலாச்சாரங்களை அடிப்படையாகக் கொண்டு இயந்திர கற்றலை ஆராய்வதற்காக உலகம் முழுவதும் பயணம் செய்யுங்கள் 🌍

Microsoft இல் Cloud Advocates 12 வாரங்கள், 26 பாடங்கள் கொண்ட இயந்திர கற்றல் பற்றிய பாடத்திட்டத்தை வழங்குவதில் மகிழ்ச்சி அடைகின்றனர். இந்த பாடத்திட்டத்தில், சம்பிரதாய இயந்திர கற்றல் என அழைக்கப்படும் விஷயங்களை Scikit-learn நூலகத்தை முதன்மையாகப் பயன்படுத்தி, ஆழமான கற்றலை தவிர்த்து கற்றுக்கொள்வீர்கள், இது எங்கள் AI தொடக்கத்திற்கான பாடத்திட்டத்தில் உள்ளடக்கப்பட்டுள்ளது. இந்த பாடங்களை எங்கள் 'தரவியல் அறிவியலுக்கான தொடக்கத்திற்கான பாடத்திட்டம்' உடன் இணைக்கவும்!

உலகம் முழுவதும் பயணம் செய்து, இந்த சம்பிரதாய தொழில்நுட்பங்களை பல பகுதிகளிலிருந்து தரவுகளுக்கு பயன்படுத்துங்கள். ஒவ்வொரு பாடமும் பாடத்திற்கு முன் மற்றும் பின் வினாடி வினா, எழுத்து வழிகாட்டுதல்கள், தீர்வு, பணிக்கட்டளை மற்றும் பலவற்றை உள்ளடக்கியது. எங்கள் திட்ட அடிப்படையிலான கற்றல் முறையால் நீங்கள் கட்டமைப்பை உருவாக்குவதன் மூலம் கற்றுக்கொள்வீர்கள், இது புதிய திறன்களை 'நினைவில் நிறுத்த' ஒரு நிரூபிக்கப்பட்ட வழியாகும்.

✍️ எங்கள் ஆசிரியர்களுக்கு மனமார்ந்த நன்றி Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu மற்றும் Amy Boyd

🎨 எங்கள் விளக்கப்படம் உருவாக்குபவர்களுக்கு நன்றி Tomomi Imura, Dasani Madipalli, மற்றும் Jen Looper

🙏 Microsoft மாணவர் தூதர்களுக்கு நன்றி 🙏, குறிப்பாக Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, மற்றும் Snigdha Agarwal

🤩 Microsoft மாணவர் தூதர்கள் Eric Wanjau, Jasleen Sondhi, மற்றும் Vidushi Gupta எங்கள் R பாடங்களுக்கு கூடுதல் நன்றி!

தொடங்குதல்

இந்த படிகளை பின்பற்றவும்:

1. Repository-ஐ Fork செய்யவும்: இந்த பக்கத்தின் மேல் வலது மூலையில் உள்ள "Fork" பொத்தானை கிளிக் செய்யவும்.
2. Repository-ஐ Clone செய்யவும்: git clone https://github.com/microsoft/ML-For-Beginners.git

இந்த பாடத்திட்டத்திற்கான கூடுதல் வளங்களை Microsoft Learn தொகுப்பில் காணவும்

🔧 உதவி தேவை? நிறுவல், அமைப்பு மற்றும் பாடங்களை இயக்குவதில் பொதுவான சிக்கல்களுக்கு தீர்வுகளுக்கான Troubleshooting Guide-ஐ பார்க்கவும்.

மாணவர்கள், இந்த பாடத்திட்டத்தை பயன்படுத்த, முழு repo-ஐ உங்கள் GitHub கணக்கிற்கு Fork செய்து, பயிற்சிகளை தனியாக அல்லது குழுவுடன் முடிக்கவும்:

• பாடத்திற்கு முன் வினாடி வினாவுடன் தொடங்கவும்.
• பாடத்தை படித்து செயல்பாடுகளை முடிக்கவும், ஒவ்வொரு அறிவு சரிபார்ப்பிலும் தற்காலிகமாக நிறுத்தி சிந்திக்கவும்.
• பாடங்களை புரிந்து கொண்டு திட்டங்களை உருவாக்க முயற்சிக்கவும்; ஆனால் தீர்வு குறியீடு /solution கோப்புறைகளில் கிடைக்கிறது.
• பாடத்திற்கு பின் வினாடி வினாவை எடுத்துக்கொள்ளவும்.
• சவால்களை முடிக்கவும்.
• பணிக்கட்டளையை முடிக்கவும்.
• ஒரு பாடக் குழுவை முடித்த பிறகு, Discussion Board-ஐ பார்வையிட்டு, PAT rubric-ஐ நிரப்புவதன் மூலம் "கற்றல் வெளிப்படையாக" செய்யுங்கள். PAT என்பது Progress Assessment Tool ஆகும், இது உங்கள் கற்றலை மேம்படுத்த ஒரு rubric ஆகும். மற்ற PAT-களுக்கு நீங்கள் பதிலளிக்கலாம், இதனால் நாம் ஒன்றாக கற்றுக்கொள்ளலாம்.

மேலும் கற்றுக்கொள்ள, இந்த Microsoft Learn modules மற்றும் learning paths-ஐ பின்பற்ற பரிந்துரைக்கிறோம்.

ஆசிரியர்கள், இந்த பாடத்திட்டத்தை எப்படி பயன்படுத்துவது என்பதற்கான சில பரிந்துரைகளை சேர்த்துள்ளோம்.

---

வீடியோ வழிகாட்டுதல்கள்

சில பாடங்கள் குறுகிய வடிவ வீடியோவாக கிடைக்கின்றன. இவை பாடங்களில் உள்ளே அல்லது Microsoft Developer YouTube channel-இல் உள்ள ML for Beginners playlist-இல் காணலாம்.

---

குழுவை சந்திக்கவும்

Gif உருவாக்கியவர் Mohit Jaisal

🎥 மேலே உள்ள படத்தை கிளிக் செய்து திட்டம் மற்றும் அதை உருவாக்கியவர்களைப் பற்றி வீடியோவைப் பாருங்கள்!

---

கற்றல் முறை

இந்த பாடத்திட்டத்தை உருவாக்கும்போது இரண்டு முக்கியமான கற்றல் முறைகளை தேர்ந்தெடுத்துள்ளோம்: இது திட்ட அடிப்படையிலான மற்றும் அடிக்கடி வினாடி வினாக்களை உள்ளடக்கியது என்பதை உறுதிப்படுத்துதல். மேலும், இந்த பாடத்திட்டம் ஒரு பொதுவான தீமையை கொண்டுள்ளது, இது ஒருமைப்பாட்டை வழங்குகிறது.

திட்டங்களுடன் உள்ளடக்கம் ஒத்துப்போகும் வகையில் உறுதிப்படுத்துவதன் மூலம், மாணவர்களுக்கு இது மேலும் ஈர்க்கக்கூடியதாக மாறுகிறது மற்றும் கருத்துக்களின் நினைவாற்றல் அதிகரிக்கப்படும். மேலும், ஒரு வகுப்புக்கு முன் குறைந்த அழுத்தம் கொண்ட வினாடி வினா, ஒரு தலைப்பை கற்றல் நோக்கமாக மாணவரின் கவனத்தை திருப்புகிறது, ஒரு வகுப்புக்கு பின் வினாடி வினா மேலும் நினைவாற்றலை உறுதிப்படுத்துகிறது. இந்த பாடத்திட்டம் நெகிழ்வான மற்றும் மகிழ்ச்சியானதாக வடிவமைக்கப்பட்டுள்ளது மற்றும் முழுமையாக அல்லது பகுதியளவில் எடுத்துக்கொள்ளலாம். 12 வார சுழற்சியின் இறுதியில் திட்டங்கள் சிறியதாக தொடங்கி அதிகமாக சிக்கலானதாக மாறுகின்றன. இந்த பாடத்திட்டம் ML-இன் உண்மையான உலக பயன்பாடுகள் பற்றிய ஒரு பிந்தைய குறிப்பையும் உள்ளடக்கியது, இது கூடுதல் கிரெடிட் அல்லது விவாதத்திற்கான அடிப்படையாக பயன்படுத்தப்படலாம்.

எங்கள் Code of Conduct, Contributing, Translation, மற்றும் Troubleshooting வழிகாட்டுதல்களை காணவும். உங்கள் கட்டமைப்பான கருத்துகளை வரவேற்கிறோம்!

ஒவ்வொரு பாடமும் உள்ளடக்கியது

• விருப்பமான sketchnote
• விருப்பமான கூடுதல் வீடியோ
• வீடியோ வழிகாட்டுதல் (சில பாடங்கள் மட்டும்)
• பாடத்திற்கு முன் வினாடி வினா
• எழுத்து பாடம்
• திட்ட அடிப்படையிலான பாடங்களுக்கு, திட்டத்தை உருவாக்குவதற்கான படி படி வழிகாட்டுதல்கள்
• அறிவு சரிபார்ப்புகள்
• ஒரு சவால்
• கூடுதல் வாசிப்பு
• பணிக்கட்டளை
• பாடத்திற்கு பின் வினாடி வினா

மொழிகள் பற்றிய குறிப்புகள்: இந்த பாடங்கள் முதன்மையாக Python-இல் எழுதப்பட்டுள்ளன, ஆனால் பல R-இல் கிடைக்கின்றன. R பாடத்தை முடிக்க, /solution கோப்புறைக்கு சென்று R பாடங்களைத் தேடுங்கள். அவை .rmd நீட்டிப்பை உள்ளடக்கியவை, இது R Markdown கோப்பாகும், இது code chunks (R அல்லது பிற மொழிகள்) மற்றும் YAML header (PDF போன்ற output-களை வடிவமைப்பதற்கான வழிகாட்டுதல்கள்) மற்றும் Markdown document ஆகியவற்றின் ஒருங்கிணைப்பாக வரையறுக்கப்படலாம். இது உங்கள் குறியீடு, அதன் output மற்றும் உங்கள் எண்ணங்களை Markdown-இல் எழுத அனுமதிப்பதன் மூலம் தரவியல் அறிவியலுக்கான ஒரு சிறந்த உருவாக்கக் கட்டமைப்பாக செயல்படுகிறது. மேலும், R Markdown ஆவணங்கள் PDF, HTML அல்லது Word போன்ற output வடிவங்களுக்கு மாற்றப்படலாம்.

வினாடி வினாக்கள் பற்றிய குறிப்புகள்: அனைத்து வினாடி வினாக்களும் Quiz App folder இல் உள்ளன, மொத்தம் 52 வினாடி வினாக்கள், ஒவ்வொன்றும் மூன்று கேள்விகள் கொண்டது. அவை பாடங்களில் இருந்து இணைக்கப்பட்டுள்ளன, ஆனால் quiz app-ஐ உள்ளூர் அளவில் இயக்கலாம்; quiz-app கோப்புறையில் உள்ள வழிகாட்டுதல்களைப் பின்பற்றி உள்ளூர் அளவில் அல்லது Azure-க்கு deploy செய்யவும்.

பாட எண்	தலைப்பு	பாட குழுமம்	கற்றல் நோக்கங்கள்	இணைக்கப்பட்ட பாடம்	ஆசிரியர்
01	மெஷின் லெர்னிங் அறிமுகம்	Introduction	மெஷின் லெர்னிங் அடிப்படை கருத்துகளை கற்றுக்கொள்ளுங்கள்	Lesson	முஹம்மது
02	மெஷின் லெர்னிங் வரலாறு	Introduction	இந்த துறையின் அடிப்படையான வரலாற்றை கற்றுக்கொள்ளுங்கள்	Lesson	ஜென் மற்றும் ஏமி
03	நியாயம் மற்றும் மெஷின் லெர்னிங்	Introduction	மெஷின் லெர்னிங் மாதிரிகளை உருவாக்கும் மற்றும் பயன்படுத்தும் போது மாணவர்கள் கவனிக்க வேண்டிய முக்கிய தத்துவ பிரச்சினைகள் என்ன?	Lesson	தோமோமி
04	மெஷின் லெர்னிங் தொழில்நுட்பங்கள்	Introduction	மெஷின் லெர்னிங் மாதிரிகளை உருவாக்க மெஷின் லெர்னிங் ஆராய்ச்சியாளர்கள் எந்த தொழில்நுட்பங்களை பயன்படுத்துகிறார்கள்?	Lesson	கிறிஸ் மற்றும் ஜென்
05	ரிக்ரெஷன் அறிமுகம்	Regression	ரிக்ரெஷன் மாதிரிகளுக்கு பைதான் மற்றும் ஸ்கிகிட்-லெர்னுடன் தொடங்குங்கள்	Python • R	ஜென் • எரிக் வான்ஜௌ
06	வட அமெரிக்க கும்மட்டிகாய் விலைகள் 🎃	Regression	மெஷின் லெர்னிங்கிற்கு தயாராக தரவை காட்சிப்படுத்தி சுத்தம் செய்யுங்கள்	Python • R	ஜென் • எரிக் வான்ஜௌ
07	வட அமெரிக்க கும்மட்டிகாய் விலைகள் 🎃	Regression	நேரியல் மற்றும் பாலினோமியல் ரிக்ரெஷன் மாதிரிகளை உருவாக்குங்கள்	Python • R	ஜென் மற்றும் திமித்ரி • எரிக் வான்ஜௌ
08	வட அமெரிக்க கும்மட்டிகாய் விலைகள் 🎃	Regression	ஒரு லாஜிஸ்டிக் ரிக்ரெஷன் மாதிரியை உருவாக்குங்கள்	Python • R	ஜென் • எரிக் வான்ஜௌ
09	ஒரு வலை பயன்பாடு 🔌	Web App	உங்கள் பயிற்சி பெற்ற மாதிரியை பயன்படுத்த ஒரு வலை பயன்பாட்டை உருவாக்குங்கள்	Python	ஜென்
10	வகைப்பாடு அறிமுகம்	Classification	உங்கள் தரவை சுத்தம் செய்யுங்கள், தயாராக்கவும், காட்சிப்படுத்தவும்; வகைப்பாட்டிற்கு அறிமுகம்	Python • R	ஜென் மற்றும் காச்சி • எரிக் வான்ஜௌ
11	சுவையான ஆசிய மற்றும் இந்திய உணவுகள் 🍜	Classification	வகைப்பாட்டாளர்களுக்கு அறிமுகம்	Python • R	ஜென் மற்றும் காச்சி • எரிக் வான்ஜௌ
12	சுவையான ஆசிய மற்றும் இந்திய உணவுகள் 🍜	Classification	மேலும் வகைப்பாட்டாளர்கள்	Python • R	ஜென் மற்றும் காச்சி • எரிக் வான்ஜௌ
13	சுவையான ஆசிய மற்றும் இந்திய உணவுகள் 🍜	Classification	உங்கள் மாதிரியைப் பயன்படுத்தி ஒரு பரிந்துரை வலை பயன்பாட்டை உருவாக்குங்கள்	Python	ஜென்
14	கிளஸ்டரிங் அறிமுகம்	Clustering	உங்கள் தரவை சுத்தம் செய்யுங்கள், தயாராக்கவும், காட்சிப்படுத்தவும்; கிளஸ்டரிங்கிற்கு அறிமுகம்	Python • R	ஜென் • எரிக் வான்ஜௌ
15	நைஜீரிய இசை விருப்பங்களை ஆராயுங்கள் 🎧	Clustering	கே-மீன்ஸ் கிளஸ்டரிங் முறையை ஆராயுங்கள்	Python • R	ஜென் • எரிக் வான்ஜௌ
16	இயற்கை மொழி செயலாக்கத்திற்கு அறிமுகம் ☕️	Natural language processing	ஒரு எளிய பாட்டை உருவாக்குவதன் மூலம் NLP பற்றிய அடிப்படைகளை கற்றுக்கொள்ளுங்கள்	Python	ஸ்டீபன்
17	பொதுவான NLP பணிகள் ☕️	Natural language processing	மொழி அமைப்புகளுடன் வேலை செய்யும்போது தேவையான பொதுவான பணிகளைப் புரிந்து கொண்டு உங்கள் NLP அறிவை ஆழமாக்குங்கள்	Python	ஸ்டீபன்
18	மொழிபெயர்ப்பு மற்றும் உணர்ச்சி பகுப்பாய்வு ♥️	Natural language processing	ஜேன் ஆஸ்டினுடன் மொழிபெயர்ப்பு மற்றும் உணர்ச்சி பகுப்பாய்வு	Python	ஸ்டீபன்
19	ஐரோப்பாவின் காதலான ஹோட்டல்கள் ♥️	Natural language processing	ஹோட்டல் விமர்சனங்களுடன் உணர்ச்சி பகுப்பாய்வு 1	Python	ஸ்டீபன்
20	ஐரோப்பாவின் காதலான ஹோட்டல்கள் ♥️	Natural language processing	ஹோட்டல் விமர்சனங்களுடன் உணர்ச்சி பகுப்பாய்வு 2	Python	ஸ்டீபன்
21	நேரம் தொடர் முன்னறிவிப்பு அறிமுகம்	Time series	நேரம் தொடர் முன்னறிவிப்பு அறிமுகம்	Python	பிரான்செஸ்கா
22	⚡️ உலக மின்சார பயன்பாடு ⚡️ - ARIMA உடன் நேரம் தொடர் முன்னறிவிப்பு	Time series	ARIMA உடன் நேரம் தொடர் முன்னறிவிப்பு	Python	பிரான்செஸ்கா
23	⚡️ உலக மின்சார பயன்பாடு ⚡️ - SVR உடன் நேரம் தொடர் முன்னறிவிப்பு	Time series	ஆதரவு வெக்டர் ரிக்ரெசருடன் நேரம் தொடர் முன்னறிவிப்பு	Python	அனிர்பன்
24	பலகூறு கற்றலுக்கு அறிமுகம்	Reinforcement learning	Q-லெர்னிங் மூலம் பலகூறு கற்றலுக்கு அறிமுகம்	Python	திமித்ரி
25	பீட்டரை ஓநாயை தவிர்க்க உதவுங்கள்! 🐺	Reinforcement learning	பலகூறு கற்றல் ஜிம்	Python	திமித்ரி
Postscript	உண்மையான உலக மெஷின் லெர்னிங் சூழல்கள் மற்றும் பயன்பாடுகள்	ML in the Wild	பாரம்பரிய மெஷின் லெர்னிங்கின் சுவாரஸ்யமான மற்றும் வெளிப்படையான உண்மையான உலக பயன்பாடுகள்	Lesson	குழு
Postscript	RAI டாஷ்போர்டை பயன்படுத்தி மெஷின் லெர்னிங் மாதிரிகளை பிழை திருத்துதல்	ML in the Wild	பொறுப்பான AI டாஷ்போர்டு கூறுகளைப் பயன்படுத்தி மெஷின் லெர்னிங் மாதிரிகளை பிழை திருத்துதல்	Lesson	ரூத் யாகுபு

இந்த பாடநெறிக்கான கூடுதல் வளங்களை எங்கள் Microsoft Learn தொகுப்பில் காணவும்

ஆஃப்லைன் அணுகல்

இந்த ஆவணங்களை ஆஃப்லைனில் இயக்க Docsify ஐப் பயன்படுத்தலாம். இந்த ரெப்போவை ஃபார்க் செய்யவும், உங்கள் உள்ளூர் கணினியில் Docsify ஐ நிறுவவும், பின்னர் இந்த ரெப்போவின் மூல கோப்புறையில் docsify serve என தட்டச்சு செய்யவும். இணையதளம் உங்கள் லோகல் ஹோஸ்டில்: localhost:3000 இல் 3000 போர்டில் வழங்கப்படும்.

PDFகள்

இணைப்புகளுடன் பாடத்திட்டத்தின் PDF ஐ இங்கே காணவும்.

🎒 பிற பாடநெறிகள்

எங்கள் குழு பிற பாடநெறிகளையும் உருவாக்குகிறது! பாருங்கள்:

Azure / Edge / MCP / ஏஜென்ட்கள்

---

ஜெனரேட்டிவ் AI தொடர்

---

மையக் கற்றல்

---

Copilot தொடர்

உதவி பெறுதல்

AI பயன்பாடுகளை உருவாக்குவதில் சிக்கலாக இருந்தால் அல்லது கேள்விகள் இருந்தால், MCP பற்றிய விவாதங்களில் மற்ற பயிற்சியாளர்கள் மற்றும் அனுபவமுள்ள டெவலப்பர்களுடன் சேருங்கள். இது ஒரு ஆதரவு சமூகமாகும், கேள்விகள் வரவேற்கப்படுகின்றன மற்றும் அறிவு இலவசமாக பகிரப்படுகிறது.

தயாரிப்பு கருத்துகள் அல்லது பிழைகள் இருந்தால், கீழே உள்ள இணைப்பில் செல்லவும்:

---

அறிவிப்பு:
இந்த ஆவணம் Co-op Translator என்ற AI மொழிபெயர்ப்பு சேவையை பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சிக்கிறோம், ஆனால் தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுகள் இருக்கக்கூடும் என்பதை கவனத்தில் கொள்ளவும். அதன் சொந்த மொழியில் உள்ள மூல ஆவணம் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்களுக்கும் அல்லது தவறான விளக்கங்களுக்கும் நாங்கள் பொறுப்பல்ல.