44 KiB

Raw Permalink Blame History Unescape Escape

🌐 मल्टी-लैंग्वेज सपोर्ट

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

स्थानीय स्तर पर क्लोन करना पसंद है?

इस रिपॉजिटरी में 50+ भाषा के अनुवाद शामिल हैं जो डाउनलोड साइज को काफी बढ़ा देते हैं। अनुवाद के बिना क्लोन करने के लिए, sparse checkout का उपयोग करें:
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 सभी सामग्री मिलती है, और डाउनलोड भी तेज़ होता है।

हमारे समुदाय में शामिल हों

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

शुरुआती के लिए मशीन लर्निंग - एक पाठ्यक्रम

🌍 दुनिया के विभिन्न सांस्कृतिक संदर्भों के माध्यम से मशीन लर्निंग की खोज करते हुए दुनिया की यात्रा करें 🌍

Microsoft के Cloud Advocates 12 सप्ताह, 26 पाठों का एक पाठ्यक्रम पेश करते हैं जो पूरी तरह से मशीन लर्निंग के बारे में है। इस पाठ्यक्रम में, आप उस प्रक्रिया को सीखेंगे जिसे कभी-कभी क्लासिक मशीन लर्निंग कहा जाता है, जिसमें मुख्य रूप से Scikit-learn लाइब्रेरी का उपयोग होता है और गहन शिक्षण से बचा जाता है, जिसे हमारे AI for Beginners' curriculum में शामिल किया गया है। साथ ही, इन पाठों को हमारे 'Data Science for Beginners' curriculum के साथ जोड़ें।

दुनिया के विभिन्न क्षेत्रों के डेटा पर इन क्लासिक तकनीकों को लागू करते हुए हमारे साथ यात्रा करें। प्रत्येक पाठ में प्री-और पोस्ट-लेसन क्विज़, लिखित निर्देश, समाधान, असाइनमेंट, और अधिक शामिल हैं। हमारा परियोजना-आधारित शिक्षण तरीका आपको निर्माण के दौरान सीखने का अवसर देता है, जो नए कौशलों को 'चिपकाने' का सिद्ध तरीका है।

✍️ हमारे लेखकों को हार्दिक धन्यवाद Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu और Amy Boyd

🎨 हमारे चित्रकारों का भी धन्यवाद Tomomi Imura, Dasani Madipalli, और Jen Looper

🙏 विशेष धन्यवाद 🙏 हमारे Microsoft Student Ambassador लेखकों, समीक्षकों, और सामग्री योगदानकर्ताओं को, खासतौर पर Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, और Snigdha Agarwal

🤩 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, और Vidushi Gupta को हमारे R पाठों के लिए अतिरिक्त आभार!

आरंभ कैसे करें

इन चरणों का पालन करें:

रिपॉजिटरी को फोर्क करें: इस पेज के ऊपरी-दाएँ कोने में "Fork" बटन पर क्लिक करें।
रिपॉजिटरी को क्लोन करें: git clone https://github.com/microsoft/ML-For-Beginners.git

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

🔧 मदद चाहिए? सामान्य इंस्टॉलेशन, सेटअप, और लेसन चलाने से संबंधित समस्याओं के समाधान के लिए हमारे Troubleshooting Guide को देखें।

छात्रों, इस पाठ्यक्रम का उपयोग करने के लिए, पूरी रिपॉजिटरी को अपने GitHub खाते में फोर्क करें और अपने या समूह के साथ अभ्यास पूर्ण करें:

प्री-लेक्चर क्विज़ से शुरुआत करें।
व्याख्यान पढ़ें और गतिविधियां पूरी करें, हर ज्ञान जांच पर रुकें और सोचें।
समाधान कोड चलाने से पहले पाठों को समझकर परियोजनाएं बनाने का प्रयास करें; हालांकि कोड हर परियोजना-आधारित पाठ के /solution फ़ोल्डर्स में उपलब्ध है।
पोस्ट-लेक्चर क्विज़ लें।
चुनौती पूरी करें।
असाइनमेंट पूरा करें।
एक पाठ समूह पूरा करने के बाद, Discussion Board पर जाएं और "आवाज़़ उठाएं" उपयुक्त PAT रूपरेट भरकर। 'PAT' एक प्रगति मूल्यांकन उपकरण है जिसे आप अपनी सीख को बढ़ाने के लिए भरते हैं। आप दूसरों के PAT पर भी प्रतिक्रिया दे सकते हैं ताकि हम साथ सीख सकें।

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

शिक्षकगण, 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। आप इन्हें पाठों में इन-लाइन या Microsoft Developer YouTube चैनल पर ML for Beginners प्लेलिस्ट में पा सकते हैं, नीचे की छवि पर क्लिक करके।

टीम से मिलिए

Gif बनाया़ है Mohit Jaisal द्वारा

🎥 परियोजना और इसे बनाने वाले लोगों के बारे में वीडियो देखने के लिए ऊपर की छवि पर क्लिक करें!

शिक्षण पद्धति

इस पाठ्यक्रम का निर्माण करते समय हमने दो शैक्षणिक सिद्धांत चुने हैं: इसे हाथ-से-करने वाला परियोजना आधारित बनाना और इसमें बार-बार क्विज़ शामिल करना। इसके अलावा, इस पाठ्यक्रम में एक सामान्य थीम है जो इसे सामंजस्य प्रदान करता है।

सुनिश्चित करके कि सामग्री परियोजनाओं के साथ संरेखित हो, छात्र के लिए प्रक्रिया अधिक आकर्षक हो जाती है और अवधारणाओं की पकड़ बढ़ती है। इसके अलावा, कक्षा के पहले एक कम दांव वाला क्विज़ छात्र के लिए विषय सीखने की इच्छा निर्धारित करता है, जबकि कक्षा के बाद दूसरा क्विज़ और अधिक पकड़ सुनिश्चित करता है। यह पाठ्यक्रम लचीला और मजेदार बनाने के लिए डिज़ाइन किया गया है और इसे पूरी तरह या आंशिक रूप से लिया जा सकता है। परियोजनाएं छोटी से शुरू होकर 12 सप्ताह के अंत तक पहले से अधिक जटिल हो जाती हैं। इस पाठ्यक्रम में ML के वास्तविक दुनिया में अनुप्रयोगों पर एक पोस्टस्क्रिप्ट भी शामिल है, जिसे अतिरिक्त क्रेडिट या चर्चा के आधार के रूप में उपयोग किया जा सकता है।

हमारा कोड ऑफ कंडक्ट, योगदान, अनुवाद, और समस्या निवारण दिशानिर्देश भी देखें। हम आपकी रचनात्मक प्रतिक्रिया का स्वागत करते हैं!

प्रत्येक पाठ में शामिल हैं

वैकल्पिक स्केचनोट
वैकल्पिक पूरक वीडियो
वीडियो वॉकथ्रू (केवल कुछ पाठों के लिए)
प्री-लेक्चर वार्मअप क्विज़
लिखित पाठ
परियोजना आधारित पाठों के लिए, परियोजना बनाने के लिए चरण-दर-चरण मार्गदर्शन
ज्ञान जांच
एक चुनौती
पूरक पठन सामग्री
असाइनमेंट
पोस्ट-लेक्चर क्विज़

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 में पता करें कि R के पाठ कहां हैं। 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 जैसे आउटपुट को कैसे फॉर्मेट करना है इसका मार्गदर्शन करता है) को एक Markdown दस्तावेज़ में सम्मिलित करना कहा जा सकता है। इस प्रकार, यह डेटा साइंस के लिए एक आदर्श लेखन ढांचा प्रदान करता है क्यूंकि यह आपको अपना कोड, उसका आउटपुट, और अपने विचार Markdown में लिखकर संयोजित करने की अनुमति देता है। इसके अलावा, R Markdown दस्तावेज़ PDF, HTML, या Word जैसे आउटपुट फॉर्मेट में प्रस्तुत किए जा सकते हैं। क्विज़ के बारे में एक नोट: सभी क्विज़ Quiz App फ़ोल्डर में शामिल हैं, कुल 52 क्विज़ हैं, प्रत्येक में तीन प्रश्न होते हैं। इन्हें पाठों के भीतर लिंक किया गया है, लेकिन क्विज़ ऐप को स्थानीय रूप से चलाया जा सकता है; स्थानीय रूप से होस्ट या Azure पर डिप्लॉय करने के लिए quiz-app फ़ोल्डर में दिए गए निर्देशों का पालन करें।

पाठ संख्या	विषय	पाठ समूह	सीखने के उद्देश्य	संबंधित पाठ	लेखक
01	मशीन लर्निंग का परिचय	परिचय	मशीन लर्निंग के मूल सिद्धांत सीखें	पाठ	मोहम्मद
02	मशीन लर्निंग का इतिहास	परिचय	इस क्षेत्र के इतिहास को समझें	पाठ	जेन और ऐमी
03	न्याय और मशीन लर्निंग	परिचय	न्याय से जुड़े महत्वपूर्ण दार्शनिक मुद्दे क्या हैं, जिन्हें छात्रों को ML मॉडल बनाते और लागू करते समय ध्यान में रखना चाहिए?	पाठ	टोमोमी
04	मशीन लर्निंग के तकनीक	परिचय	ML शोधकर्ता ML मॉडल बनाने के लिए कौन-कौन सी तकनीकें उपयोग करते हैं?	पाठ	क्रिस और जेन
05	प्रतिगमन का परिचय	प्रतिगमन	प्रतिगमन मॉडलों के लिए Python और Scikit-learn से शुरुआत करें	Python • R	जेन • एरिक वनजाउ
06	नॉर्थ अमेरिकी कद्दू की कीमतें 🎃	प्रतिगमन	ML के लिए डेटा का दृश्यांकन और सफाई करें	Python • R	जेन • एरिक वनजाउ
07	नॉर्थ अमेरिकी कद्दू की कीमतें 🎃	प्रतिगमन	रैखिक और बहुपद प्रतिगमन मॉडल बनाएं	Python • R	जेन और दिमित्रि • एरिक वनजाउ
08	नॉर्थ अमेरिकी कद्दू की कीमतें 🎃	प्रतिगमन	एक लॉजिस्टिक प्रतिगमन मॉडल बनाएं	Python • R	जेन • एरिक वनजाउ
09	एक वेब ऐप 🔌	वेब ऐप	अपने प्रशिक्षित मॉडल का उपयोग करने के लिए एक वेब ऐप बनाएं	Python	जेन
10	वर्गीकरण का परिचय	वर्गीकरण	अपने डेटा को साफ़ करें, तैयार करें, और विज़ुअलाइज़ करें; वर्गीकरण का परिचय	Python • R	जेन और कैसी • एरिक वनजाउ
11	स्वादिष्ट एशियाई और इंडियन व्यंजन 🍜	वर्गीकरण	वर्गीकर्ताओं का परिचय	Python • R	जेन और कैसी • एरिक वनजाउ
12	स्वादिष्ट एशियाई और इंडियन व्यंजन 🍜	वर्गीकरण	और अधिक वर्गीकर्ता	Python • R	जेन और कैसी • एरिक वनजाउ
13	स्वादिष्ट एशियाई और इंडियन व्यंजन 🍜	वर्गीकरण	अपने मॉडल का उपयोग करके एक शिफ़ारिश वेब ऐप बनाएं	Python	जेन
14	क्लस्टरिंग का परिचय	क्लस्टरिंग	अपने डेटा को साफ़ करें, तैयार करें, और विज़ुअलाइज़ करें; क्लस्टरिंग का परिचय	Python • R	जेन • एरिक वनजाउ
15	नाइजीरियाई संगीत शैलियों का अन्वेषण 🎧	क्लस्टरिंग	K-Means क्लस्टरिंग विधि का अन्वेषण करें	Python • R	जेन • एरिक वनजाउ
16	प्राकृतिक भाषा प्रसंस्करण का परिचय ☕️	प्राकृतिक भाषा प्रसंस्करण	एक सरल बोट बनाकर NLP के मूल बातें सीखें	Python	स्टीफ़न
17	सामान्य NLP कार्य ☕️	प्राकृतिक भाषा प्रसंस्करण	भाषा संरचनाओं से निपटने के लिए आवश्यक सामान्य कार्यों को समझकर अपने NLP ज्ञान को गहरा करें	Python	स्टीफ़न
18	अनुवाद और भावना विश्लेषण ♥️	प्राकृतिक भाषा प्रसंस्करण	जेन ऑस्टेन के साथ अनुवाद और भावना विश्लेषण	Python	स्टीफ़न
19	यूरोप के रोमांटिक होटल ♥️	प्राकृतिक भाषा प्रसंस्करण	होटल समीक्षाओं के साथ भावना विश्लेषण 1	Python	स्टीफ़न
20	यूरोप के रोमांटिक होटल ♥️	प्राकृतिक भाषा प्रसंस्करण	होटल समीक्षाओं के साथ भावना विश्लेषण 2	Python	स्टीफ़न
21	समय श्रृंखला पूर्वानुमान का परिचय	समय श्रृंखला	समय श्रृंखला पूर्वानुमान का परिचय	Python	फ्रांसेस्का
22	⚡️ विश्व ऊर्जा उपयोग ⚡️ - ARIMA के साथ समय श्रृंखला पूर्वानुमान	समय श्रृंखला	ARIMA के साथ समय श्रृंखला पूर्वानुमान	Python	फ्रांसेस्का
23	⚡️ विश्व ऊर्जा उपयोग ⚡️ - SVR के साथ समय श्रृंखला पूर्वानुमान	समय श्रृंखला	सपोर्ट वेक्टर रिग्रेशनर के साथ समय श्रृंखला पूर्वानुमान	Python	अनिर्बान
24	सुदृढीकरण शिक्षण का परिचय	सुदृढीकरण शिक्षण	Q-लर्निंग के साथ सुदृढीकरण शिक्षण का परिचय	Python	दिमित्रि
25	पीटर को भेड़िया से बचाने में मदद करें! 🐺	सुदृढीकरण शिक्षण	सुदृढीकरण शिक्षण जिम	Python	दिमित्रि
अंत लेख	वास्तविक दुनिया के ML परिदृश्य और अनुप्रयोग	जंगली ML में	क्लासिकल ML के दिलचस्प और प्रकट करने वाले वास्तविक दुनिया के अनुप्रयोग	पाठ	टीम
अंत लेख	RAI डैशबोर्ड का उपयोग करके ML मॉडल डिबगींग	जंगली ML में	रिस्पॉन्सिबल AI डैशबोर्ड घटकों का उपयोग करते हुए मशीन लर्निंग में मॉडल डिबगींग	पाठ	रुथ यकुबु

इस कोर्स के सभी अतिरिक्त संसाधन हमारी Microsoft Learn संग्रह में देखें

ऑफ़लाइन पहुँच

आप Docsify का उपयोग करके इस दस्तावेज़ को ऑफ़लाइन चला सकते हैं। इस रिपॉजिटरी को फोर्क करें, अपनी स्थानीय मशीन पर Docsify स्थापित करें, और फिर इस रिपॉजिटरी के रूट फ़ोल्डर में टाइप करें docsify serve। वेबसाइट आपके स्थानीयहोस्ट पर पोर्ट 3000 पर सेवा देगा: localhost:3000।

पीडीएफ़

लिंक के साथ पाठ्यक्रम का पीडीएफ यहाँ देखें।

🎒 अन्य पाठ्यक्रम

हमारी टीम अन्य पाठ्यक्रम भी बनाती है! देखें:

LangChain

Azure / Edge / MCP / Agents

Generative AI Series

कोर लर्निंग

कॉपाइलट सीरीज

सहायता प्राप्त करना

यदि आप अटक गए हैं या एआई ऐप्स बनाने के बारे में कोई प्रश्न हैं। सहपाठियों और अनुभवी डेवलपर्स के साथ एमसीपी पर चर्चाओं में शामिल हों। यह एक सहायक समुदाय है जहाँ प्रश्न स्वागत योग्य हैं और ज्ञान स्वतंत्र रूप से साझा किया जाता है।

यदि आपके पास उत्पाद प्रतिक्रिया है या निर्माण के दौरान त्रुटियाँ हैं तो यहां जाएं:

अस्वीकरण: यह दस्तावेज़ AI अनुवाद सेवा Co-op Translator का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता के लिए प्रयासरत हैं, कृपया ध्यान दें कि स्वचालित अनुवाद में त्रुटियाँ या गलतियाँ हो सकती हैं। मूल भाषा में दस्तावेज़ को अधिकृत 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 व्याख्या की ज़िम्मेदारी हम स्वीकार नहीं करते।

44 KiB Raw Permalink Blame History Unescape Escape