ML-For-Beginners/translations/kn

🌐 ಬಹುಭಾಷಾ ಬೆಂಬಲ

GitHub ಕ್ರಿಯೆಯಿಂದ (ಸ್ವಯಂಚಾಲಿತ ಮತ್ತು ಸದಾ ಅಪ್-ಟು-ಡೇಟ್) ಬೆಂಬಲಿಸಲಾಗಿದೆ

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 ಮಾಡಬೇಕೇ?

ಈ ರೆಪೊ ನಲ್ಲಿ 50+ ಭಾಷೆ ಅನುವಾದಗಳಿವೆ, ಅದು ಡೌನ್‌ಲೋಡ್ ಗಾತ್ರವನ್ನು ಬಹಳಷ್ಟು ಹೆಚ್ಚಿಸುತ್ತದೆ. ಅನುವಾದಗಳಿಲ್ಲದೆ ಕ್ಲೋನ್ ಮಾಡಲು, ಸ್ಪಾರ್ಸ್ ಔಟ್‌ಚಾರ್ಟ್ 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"

ಇದರಿಂದ ನೀವು ಕೋರ್ಸ್ ಸಂಪೂರ್ಣಗೊಳಿಸಲು ಬೇಕಾದ ಎಲ್ಲವನ್ನೂ ಕಡಿಮೆ ಸಮಯದಲ್ಲಿ ಡೌನ್‌ಲೋಡ್ ಮಾಡಬಹುದು.

ನಮ್ಮ ಸಮುದಾಯದಲ್ಲಿ ಸೇರಿ

ನಾವು ಡಿಸ್ಕಾರ್ಡ್ ನಲ್ಲಿ AI ಸರಣಿಯನ್ನು ನಡೆಸುತ್ತಿದ್ದೇವೆ, ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ ಮತ್ತು ಸೇರಲು Learn with AI Series ಭೇಟಿನೀಡಿ, 2025 ಸೆಪ್ಟೆಂಬರ್ 18 - 30. ನೀವು GitHub Copilot ನ ಉಪಯೋಗಿಸುವ ಟಿಪ್‌ಗಳು ಮತ್ತು ಟ್ರಿಕ್‌ಗಳನ್ನು ಪಡೆಯುತ್ತೀರಿ.

ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ ಫಾರ್ ಬಿಗಿನರ್ಸ್ - ಒಂದು ಪಠ್ಯಕ್ರಮ

🌍 ಜಗತ್ತಿನ ಸಂಸ್ಕøತಿಗಳ ಮೂಲಕ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ ಅನ್ನು ಅನ್ವೇಷಿಸುತ್ತಾ ಲೋಕ ಯಾತ್ರೆ 🌍

Microsoft ನ Cloud Advocates ತಂಡವು 12 ವಾರಗಳ, 26 ಪಾಠಗಳ ಪಠ್ಯಕ್ರಮವನ್ನು ನಿಮಗೆ ಹಂಚಲು ಸಂತೋಷವಾಗಿದೆ, ಇದು ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ ಕುರಿತು ಇರುತ್ತದೆ. ಈ ಪಠ್ಯಕ್ರಮದಲ್ಲಿ ನೀವು ಕೆಲವೊಮ್ಮೆ ಶ್ರೇಣಿಗತ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ ಎಂದು ಪರಿಗಣಿಸುವ ವಿಷಯಗಳನ್ನು ಮುಖ್ಯವಾಗಿ Scikit-learn ಗ್ರಂಥಾಲಯವನ್ನು ಬಳಸಿಕೊಂಡು ಕಲಿಯುವುದಾದರೂ, ಡೀಪ್ ಲರ್ನಿಂಗ್ ಅನ್ನು ತಪ್ಪಿಸಲಾಗಿದೆ, ಅದನ್ನು ನಮ್ಮ AI for Beginners' curriculum ನಲ್ಲಿ ಒಳಗೊಂಡಿದೆ. ಈ ಪಾಠಗಳ ಜೊತೆ 'Data Science for Beginners' curriculum ಕೂಡ ಜೋಡಿಸಿ ಕಲಿಯಬಹುದು!

ಜಗತ್ತಿನ ವಿವಿಧ ಭಾಗಗಳ ಡೇಟಾವನ್ನು ಬಳಸಿಕೊಂಡು ಈ ಶ್ರೇಣಿಗತ ತಂತ್ರಗಳನ್ನು ಅನ್ವಯಿಸುವಂತೆ ನಮ್ಮೊಡನೆ ಪ್ರಪಂಚಭ್ರಮಣ ಮಾಡಿ. ಪ್ರತಿ ಪಾಠದಲ್ಲಿ ಮುಂಚಿತ ಮತ್ತು ನಂತರದ ಕ್ವಿಜ್‌ಗಳು, ಬರಹ ರೂಪದಲ್ಲಿ ಪಾಠ ಪೂರ್ಣಗೊಳ್ಳುವುದಕ್ಕೆ ನಿರ್ದೇಶನ, ಪರಿಹಾರ, ನಿಯೋಜನೆ ಮತ್ತು ಇನ್ನಷ್ಟು ಒಳಗೊಂಡಿದೆ. ನಮ್ಮ ಪ್ರಾಜೆಕ್ಟ್ ಆಧಾರಿತ ಶಿಕ್ಷಣ ಕ್ರಮವು ನೀವು ನಿರ್ಮಿಸುತ್ತಾ ಕಲಿಯಲು ಅವಕಾಶ ನೀಡುತ್ತದೆ, ಇದು ಹೊಸ ಕೌಶಲ್ಯಗಳನ್ನು ನಿಶ್ಚಿತವಾಗಿ ನೆನೆಸಿಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.

✍️ ನಮ್ಮ ಲೇಖಕರಿಗೆ ಹೃತ್ಪೂರ್ವಕ ಧನ್ಯವಾದಗಳು ಜೆನ್ ಲೂಪರ್, ಸ್ಟೀಫನ್ ಹಾವೆಲ್, ಫ್ರಾನ್ಸೆಸ್ಕಾ ಲಾಜ್ಜೇರಿ, ಟೊಮೊಮಿ ಇಮುರಾ, ಕ್ಯಾಸ್‌ಸಿ ಬ್ರೆವಿಯು, ದಿಮಿತ್ರಿ ಸೋಷ್ನಿಕೋವ್, ಕ್ರಿಸ್ ನೋರಿಂಗ್, ಅನಿರ್ಬಾನ್ ಮುಖರ್ಜೀ, ಔರ್ನೆಲ್ಲಾ ಆಲ್ಟುನ್ಯಾನ್, ರೂತ್ ಯಾಕುಬು ಮತ್ತು ಏಮಿ ಬಾಯ್ಡ್

🎨 ಚಿತ್ರಕರಿಗೆ ಧನ್ಯವಾದಗಳು ಟೊಮೊಮಿ ಇಮುರಾ, ದಾಸಾಣಿ ಮಡಿಪಳ್ಳ, ಮತ್ತು ಜೆನ್ ಲೂಪರ್

🙏 ವಿಶೇಷ ಧನ್ಯವಾದಗಳು 🙏 Microsoft Student Ambassador ಲೇಖಕರು, ವಿಮರ್ಶಕರು ಮತ್ತು ವಿಷಯ ಸಹಾಯಕರಿಗೆ, ವಿಶೇಷವಾಗಿ ರಿಷಿತ್ ಡಾಗ್ಲಿ, ಮೊಹಮದ್ ಸಾಕಿಬ್ ಖಾನ್ ಇನಾನ್, ರೋಹನ್ ರಾಜ್, ಅಲೆಕ್ಸಾಂಡರೂ ಪೆಟ್ರೆಸ್ಕು, ಅಭಿಷೇಕ್ ಜೈಸ್ವಾಲ್, ನವರೀನ್ ತಬಸ್ಸುಮ್, ಇಒಅನ್ ಸಮ್ಯೂಲಾ, ಮತ್ತು ಸ್ನಿಗ್ಧಾ ಅಗರ್ವಾಲ್

🤩 ಹೆಚ್ಚುವರಿ ಕೃತಜ್ಞತೆ Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, ಮತ್ತು Vidushi Gupta ನಮಗೆ R ಪಾಠಗಳಿಗಾಗಿ!

ಪ್ರಾರಂಭಿಸುವುದು

ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ:

1. ರೆಪೊ ಫೋರ್ಕ್ ಮಾಡಿ: ಈ ಪುಟದ ಮೇಲೆ-ಬಲಭಾಗದಲ್ಲಿರುವ "Fork" ಬಟನ್ಗೆ ಕ್ಲಿಕ್ ಮಾಡಿ.
2. ರೆಪೊ ಕ್ಲೋನ್ ಮಾಡಿ: git clone https://github.com/microsoft/ML-For-Beginners.git

ಈ ಕೋರ್ಸ್ ಗೆ ಸಂಬಂಧಿಸಿದ ಎಲ್ಲಾ ಹೆಚ್ಚುವರಿ ಸಂಪನ್ಮೂಲಗಳನ್ನು ನಮ್ಮ Microsoft Learn ಸಂಗ್ರಹದಲ್ಲಿ ಹುಡುಕಿ

🔧 ಸಹಾಯ ಬೇಕಾದರೆ? ಸ್ಥಾಪನೆ, ಸೆಟಪ್ ಮತ್ತು ಪಾಠಗಳು ಚಾಲನೆಗೆ ಸಂಬಂಧಿಸಿದ ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳ ಪರಿಹಾರಗಳಿಗೆ Troubleshooting Guide ಯನ್ನು ಪರಿಶೀಲಿಸಿ.

ವಿದ್ಯಾರ್ಥಿಗಳು ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ಉಪಯೋಗಿಸಲು, ರೆಪೊವನ್ನು ನಿಮ್ಮ ಸ್ವಂತ GitHub ಖಾತೆಗೆ ಫೋರ್ಕ್ ಮಾಡಿ ಹಾಗೂ ಅಯಕ್ತವಾಗಿ ಅಥವಾ ಗುಂಪಾಗಿ ಅಭ್ಯಾಸಗಳನ್ನು ಮಾಡಿ:

• ಪಾಠದ ಮುಂಚಿನ ಕ್ವಿಜ್‌ನಿಂದ ಪ್ರಾರಂಭಿಸಿ.
• ಪಾಠ ಓದಿ ಮತ್ತು ಕ್ರಿಯೆಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ, ಪ್ರತಿ ಜ್ಞಾನ ಪರಿಶೀಲನೆಯಲ್ಲಿ ನಿಲ್ಲಿ ಮತ್ತು ಪರಿಶೀಲಿಸಿ.
• ಪಾಠಗಳನ್ನು ನಡಿಸುವ ಬದಲು ಅವುಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಂಡು ಪ್ರಾಜೆಕ್ಟ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಲು ಪ್ರಯತ್ನಿಸಿ; ಆದ್ರೆ ಆ ಪರಿಹಾರ ಕೋಡ್ ಅನ್ನು ಪ್ರತಿ ಪ್ರಾಜೆಕ್ಟ್ ಪಾಠದಲ್ಲಿ /solution ಫೋಲ್ಡರ್‌ನಲ್ಲಿ ಲಭ್ಯವಿದೆ.
• ಪಾಠದ ನಂತರದ ಕ್ವಿಜ್ ನೀಡಿ.
• ಚಾಲೆಂಜ್ ಪೂರ್ಣಗೊಳಿಸಿ.
• ನಿಯೋಜನೆ ಪೂರ್ಣಗೊಳಿಸಿ.
• ಪಾಠ ಗುಂಪನ್ನು ಪೂರ್ಣಗೊಳಿಸಿದ ನಂತರ, Discussion Board ಗೆ ಭೇಟಿ ನೀಡಿ ಮತ್ತು ಸಂಬಂಧಿಸಿದ PAT ರೂಬ್ರಿಕ್ ಭರ್ತಿ ಮಾಡಿ 'ನಮ್ಮ ಸಹೊದ್ಯೋಗದೊಂದಿಗೆ ಕಲಿಯೋಣ'. 'PAT' ಎಂದರೆ ಪ್ರಗತಿ ಮಾಪನ ಸಾಧನ, ಜ್ಞಾನವನ್ನು ಮತ್ತಷ್ಟು ಬೆಳಸಲು ನೀವು ಭರ್ತಿ ಮಾಡುವ ರೂಬ್ರಿಕ್. ನಿಮಗೆ ಇಚ್ಛೆಯಿದ್ದರೆ ಇತರ PAT ಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸುವ ಮೂಲಕ ನಾವು ಒಟ್ಟಿಗೆ ಕಲಿಯಬಹುದು.

ಮುಂದಿನ ಅಧ್ಯಯನಕ್ಕೆ, ಈ Microsoft Learn ಮಾಯಾಜಾಲಗಳು ಮತ್ತು ಕಲಿಕಾ ಮಾರ್ಗಗಳನ್ನು ಅನುಸರಿಸಲು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ.

ಶಿಕ್ಷಕರು, ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ಹೇಗೆ ಉಪಯೋಗಿಸಬೇಕೆಂಬುದಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಕೆಲವು ಸಲಹೆಗಳನ್ನು ನಾವು ಸೂಚಿಸಿದ್ದೇವೆ.

---

ವೀಡಿಯೋ ಮಾರ್ಗದರ್ಶನಗಳು

ಕೆಲವು ಪಾಠಗಳು ಸಂಕ್ಷಿಪ್ತ ವೀಡಿಯೋ ರೂಪದಲ್ಲಿ ಲಭ್ಯವಿವೆ. ನೀವು ಈ ಎಲ್ಲಾ ಪಾಠಗಳ ಒಳಗೆ ಅಥವಾ ML for Beginners ಪ್ಲೇಲಿಸ್ಟ್ ಅನ್ನು Microsoft Developer YouTube ಚಾನಲ್‌ನಲ್ಲಿ ಮೇಲಿನ ಚಿತ್ರಕ್ಕೆ ಕ್ಲಿಕ್ ಮಾಡಿ ನೋಡಬಹುದು.

---

ತಂಡವನ್ನು ಪರಿಚಯಿಸಿ

ಗಿಫ್ ಸೃಷ್ಟಿಕర్త Mohit Jaisal

🎥 ಮೇಲಿನ ಚಿತ್ರವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ ಈ ಯೋಜನೆ ಮತ್ತು ಅದನ್ನು ರೂಪಿಸಿದ ಜನರ ಬಗ್ಗೆ ವೀಡಿಯೋ ನೋಡಿ!

---

ಅಧ್ಯಯನ ವಿಧಾನಶಾಸ್ತ್ರ

ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ರಚಿಸುವಾಗ ನಾವು ಎರಡು ಶಿಕ್ಷಣ ತತ್ವಗಳನ್ನು ಆರಿಸಿಕೊಂಡಿದ್ದೇವೆ: ಕೈಗಾರಿಕೆಯಿಂದಲೂ ಪ್ರಾಜೆಕ್ಟ್ ಆಧಾರಿತ ಆಗಿದ್ದು, ಇದರಲ್ಲಿ ಸತತವಾಗಿ ಕ್ವಿಜ್‌ಗಳು ಸೇರಿವೆ. ಜೊತೆಗೆ, ಈ ಪಠ್ಯಕ್ರಮದ ಒಂದು ಸಾಮಾನ್ಯ ವಿಷಯ ವಸ್ತು ಇದೆ ಅಂದರೆ ಅದಕ್ಕೆ ಒಂದೇ ಥೀಮ್‌ನ್ನು ನೀಡಲಾಗಿದೆ.

ವಿಷಯವು ಪ್ರಾಜೆಕ್ಟುಗಳಿಗೆ ಹೊಂದಾಣಿಕೆಯಾಗುವ ಮೂಲಕ ವಿದ್ಯಾರ್ಥಿಗಳ ಆಸಕ್ತಿಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ ಮತ್ತು ಕಲಿಕಾ ನೆನಪಿನ ಪ್ರಮಾಣವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ. ಪಾಠ ಮುಂಚಿನ ಕಡಿಮೆ ಮಟ್ಟದ ಕ್ವಿಜ್ ವಿದ್ಯಾರ್ಥಿಯ ಕಲಿಕೆಯ ಉದ್ದೇಶವನ್ನು ನಿಶ್ಚಿತಗೊಳಿಸುತ್ತದೆ, ಮತ್ತು ಪಾಠದ ನಂತರವೂ ಮತ್ತೊಂದು ಕ್ವಿಜ್ ಕಲಿಕೆಯನ್ನು ಗಾಢಗೊಳಿಸುತ್ತದೆ. ಈ ಪಠ್ಯಕ್ರಮವು ಸುಗಮ ಹಾಗೂ ಮನರಂಜನೆಯಾಗಿದ್ದು ಸಂಪೂರ್ಣ ಅಥವಾ ಭಾಗಶಃ ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ಪ್ರಾಜೆಕ್ಟುಗಳು ಸಣ್ಣದಾಗಿ ಪ್ರಾರಂಭಿಸಿ, 12 ವಾರಗಳ ಅವಧಿಯ ಕೊನೆಗೆ ಜಟಿಲವಾಗುತ್ತವೆ. ಪಠ್ಯಕ್ರಮದಲ್ಲಿ ಮತ್ತೊಂದು ಭಾಗವಾಗಿ ಯಥಾರ್ಥ ಜಗತ್ತಿನಲ್ಲಿ ML ನ ಅನ್ವಯಿಕೆಗಳ ಕುರಿತು ಒಂದು ಉಪಸಂಹಾರವನ್ನು ಸೇರಿಸಲಾಗಿದೆ, ಇದನ್ನು ಹೆಚ್ಚುವರಿ ಕ್ರೆಡಿಟ್ ಅಥವಾ ಚರ್ಚೆಯ ಆಧಾರವಾಗಿ ಬಳಸಬಹುದು.

ನಮ್ಮ Code of Conduct, Contributing, Translations, ಮತ್ತು Troubleshooting ಮಾರ್ಗಸೂಚಿಗಳನ್ನು ನೋಡಿ. ನಿಮ್ಮ ಸ್ವಾಗತಾರ್ಹ ವಿಮರ್ಶೆಯನ್ನು ನಾವು ನಿರೀಕ್ಷಿಸುತ್ತೇವೆ!

ಪ್ರತಿ ಪಾಠದಲ್ಲಿ ಒಳಗೊಂಡಿರುವುದು

• ಐಚ್ಛಿಕ ಸ್ಕೆಚ್ನೋಟ್
• ಐಚ್ಛಿಕ ಪೂಣರಣಾತ್ಮಕ ವೀಡಿಯೋ
• ವೀಡಿಯೋ ಮಾರ್ಗದರ್ಶನ (ಕೆಲವು ಪಾಠಗಳಿಗೆ ಮಾತ್ರ)
• ಪೂರ್ವ-ಪಾಠ ವಾರ್ಮಪ್ ಕ್ವಿಜ್
• ಬರಹಪದ ಪಾಠ
• ಪ್ರಾಜೆಕ್ಟ್ ಆಧಾರಿತ ಪಾಠಗಳಿಗೆ ಪ್ರಾಜೆಕ್ಟು ನಿರ್ಮಿಸುವ ಹಂತದ ಹಂತದ ಮಾರ್ಗದರ್ಶನ
• ಜ್ಞಾನ ಪರಿಶೀಲನೆಗಳು
• ಚಾಲೆಂಜ್
• ಪೂರ್ಣಾನುಷ್ಟಾನಕ್ಕಾಗಿ ಓದು
• ನಿಯೋಜನೆ
• ಪೋಸ್ಟ್-ಪಾಠ ಕ್ವಿಜ್

ಭಾಷೆಗಳ ಬಗ್ಗೆ ಒಂದು ಟಿಪ್ಪಣಿ: ಈ ಪಾಠಗಳು ಮುಖ್ಯವಾಗಿ ಪೈಥಾನ್‌ನಲ್ಲಿ ಬರೆಯಲ್ಪಟ್ಟಿದ್ದು, ಕೆಲವು R ನಲ್ಲಿ ಸಹ ಲಭ್ಯವಿವೆ. R ಪಾಠವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು, /solution ಫೋಲ್ಡರ್‌ಗೆ ಹೋಗಿ R ಪಾಠಗಳನ್ನು ಹುಡುಕಿ. ಅವುಗಳಿಗೆ .rmd ವಿಸ್ತರಣೆ ಇರುತ್ತದೆ, ಇದು R ಮಾರ್ಕ್‌ಡೌನ್ ಕಡತವನ್ನು ಸೂಚಿಸುತ್ತದೆ, ಅದನ್ನು ಕೋಡ್ ಚಂಕ್‌ಗಳು (R ಅಥವಾ ಇತರ ಭಾಷೆಗಳ) ಮತ್ತು YAML ಹೆಡರ್ ಅನ್ನು (PDFಂತಹ ಔಟ್‌ಪುಟ್‌ಗಳ ಫಾರ್ಮ್ಯಾಟಿಂಗ್‌ಗಾಗಿ ಮಾರ್ಗದರ್ಶನ ನೀಡುವ) ಸೇರಿಸುವ ಮಾರ್ಕ್‌ಡೌನ್ ದಸ್ತಾವೇಜು ಎಂದು ಸರಳವಾಗಿ ವಿವರಣೆ ಮಾಡಬಹುದು. ಇದರಿಂದ, ನೀವು ನಿಮ್ಮ ಕೋಡ್, ಅದರ ಔಟ್ ಪುಟ್ ಮತ್ತು ನಿಮ್ಮ ಆಲೋಚನೆಗಳನ್ನು ಮಾರ್ಕ್‌ಡೌನ್‌ನಲ್ಲಿ ಬರೆದು ಸಂಯೋಜಿಸಲು ಅನುಮತಿಸುವುದರಿಂದ ಇದು ಡೇಟಾ ಸೈನ್ಸ್‌ಗೆ ಉತ್ತಮ ಲೇಖನ ರೂಪರೇಖೆಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಹೆಚ್ಚಾಗಿ, R ಮಾರ್ಕ್‌ಡೌನ್ ಡಾಕ್ಯುಮೆಂಟ್‌ಗಳನ್ನು PDF, HTML ಅಥವಾ ವರ್ಡ್ ಇಂತಹ ಔಟ್‌ಪುಟ್‌ ಫಾರ್ಮ್ಯಾಟ್‌ಗಳಿಗೆ ರೆಂಡರ್ ಮಾಡಬಹುದು.

ಪ್ರಶ್ನೋತ್ತರಗಳ ಬಗ್ಗೆ ಒಂದು ಟಿಪ್ಪಣಿ: ಎಲ್ಲಾ ಪ್ರಶ್ನೋತ್ತರಗಳು Quiz App ಹಾಕಿನಲ್ಲಿ ಉಳಿತಾಯಗೊಂಡಿವೆ, ಪ್ರತಿ ಮೂರು ಪ್ರಶ್ನೆಗಳೊಂದಿಗೆ ಒಟ್ಟು 52 ಪ್ರಶ್ನೋತ್ತರಗಳಿವೆ. ಅವು ಪಾಠಗಳಲ್ಲಿ ಸಂಪರ್ಕಗೊಂಡಿವೆ ಆದರೆ ಕ್ವಿಜ್ ಅಪ್ಲಿಕೇಶನ್ ಸ್ಥಳೀಯವಾಗಿ ಓಡಿಸಬಹುದು; ಸ್ಥಳೀಯ ಹೋಸ್ಟ್ ಅಥವಾ Azure ಗೆ ನಿಯೋಜಿಸಲು quiz-app ಹಾಕಿಯಲ್ಲಿ ನಿರ್ದೇಶನವನ್ನು ಅನುಸರಿಸಿ.

ಪಾಠ ಸಂಖ್ಯೆ	ವಿಷಯ	ಪಾಠ ಗುಂಪು	ಅಧ್ಯಯನ ಗುರಿಗಳು	ಲಿಂಕ್ ಮಾಡಿದ ಪಾಠ	ರಚಯಿತೃ
01	ಯಂತ್ರ ಶಿಕ್ಷಣಕ್ಕೆ ಪರಿಚಯ	ಪರಿಚಯ	ಯಂತ್ರ ಶಿಕ್ಷಣದ ಮೂಲಭೂತ ಕಲ್ಪನೆಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ	ಪಾಠ	ಮುಹಮ್ಮದ್
02	ಯಂತ್ರ ಶಿಕ್ಷಣದ ಇತಿಹಾಸ	ಪರಿಚಯ	ಈ ಕ್ಷೇತ್ರದ ಹಿಂದಿನ ಇತಿಹಾಸವನ್ನು ತಿಳಿದುಕೊಳ್ಳಿ	ಪಾಠ	ಜೆನ್ ಮತ್ತು ಏಮಿ
03	ನ್ಯಾಯ ಮತ್ತು ಯಂತ್ರ ಶಿಕ್ಷಣ	ಪರಿಚಯ	ಯಂತ್ರ ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸುವಾಗ ಮತ್ತು ಅನ್ವಯಿಸುವಾಗ ವಿದ್ಯಾರ್ಥಿಗಳು ಪರಿಗಣಿಸಬೇಕಾದ ನ್ಯಾಯ ಸಂಬಂಧಿ ತತ್ತ್ವಶಾಸ್ತ್ರೀಯ ವಿಷಯಗಳು ಯಾವುವು?	ಪಾಠ	ಟೊಮೊಮಿ
04	ಯಂತ್ರ ಶಿಕ್ಷಣದ ತಂತ್ರಗಳು	ಪರಿಚಯ	ಯಂತ್ರ ನಮ್ಮ ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ಯಾವ ತಂತ್ರಗಳನ್ನು ಉಪಯೋಗಿಸುತ್ತಾರೆ?	ಪಾಠ	ಕ್ರಿಸ್ ಮತ್ತು ಜೆನ್
05	ರಿಗ್ರೆಶನ್‌ಗೆ ಪರಿಚಯ	ರಿಗ್ರೆಶನ್	ರಿಗ್ರೆಶನ್ ಮಾದರಿಗಳನ್ನು Python ಮತ್ತು Scikit-learn ಉಪಯೋಗಿಸಿ ಪ್ರಾರಂಭಿಸಿ	Python • R	ಜೆನ್ • ಎರಿಕ್ ವಾಂಜಾವು
06	ಉತ್ತರ ಅಮೆರಿಕದ ಪಂಪ್ಕಿನ್ ಬೆಲೆಗಳು 🎃	ರಿಗ್ರೆಶನ್	ಯಂತ್ರ ಶಿಕ್ಷಣದ ಪೂರ್ವಭಾವಿಯಾಗಿ ಡೇಟಾವನ್ನು ದೃಶ್ಯರೂಪಗೊಳಿಸಿ ಮತ್ತು ಸ್ವಚ್ಛಗೊಳಿಸಿ	Python • R	ಜೆನ್ • ಎರಿಕ್ ವಾಂಜಾವು
07	ಉತ್ತರ ಅಮೆರಿಕದ ಪಂಪ್ಕಿನ್ ಬೆಲೆಗಳು 🎃	ರಿಗ್ರೆಶನ್	ರೇಖೀಯ ಮತ್ತು ಬಹುರೇಖೀಯ ರಿಗ್ರೆಶನ್ ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಿ	Python • R	ಜೆನ್ ಮತ್ತು ಡ್ಮಿತ್ರಿ • ಎರಿಕ್ ವಾಂಜಾವು
08	ಉತ್ತರ ಅಮೆರಿಕದ ಪಂಪ್ಕಿನ್ ಬೆಲೆಗಳು 🎃	ರಿಗ್ರೆಶನ್	ಲಾಜಿಸ್ಟಿಕ್ ರಿಗ್ರೆಶನ್ ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸಿ	Python • R	ಜೆನ್ • ಎರಿಕ್ ವಾಂಜಾವು
09	ಒಂದು ವೆಬ್ ಅಪ್ಲಿ케ಷನ್ 🔌	ವೆಬ್ ಅಪ್ಲಿ	ನಿಮ್ಮ ತರಬೇತುದಾರ ಯಂತ್ರ ಮಾದರಿಯನ್ನು ಬಳಸಿ ವೆಬ್ ಅಪ್ಲಿಕೇಶನ್ ನಿರ್ಮಿಸಿ	Python	ಜೆನ್
10	ವರ್ಗೀಕರಣಕ್ಕೆ ಪರಿಚಯ	ವರ್ಗೀಕರಣ	ನಿಮ್ಮ ಡೇಟಾ ಸ್ವಚ್ಛಗೊಳಿಸಿ, ಸಿದ್ಧಪಡಿಸಿ ಮತ್ತು ದೃಶ್ಯರೂಪಗೊಳಿಸಿ; ವರ್ಗೀಕರಣಕ್ಕೆ ಪರಿಚಯ	Python • R	ಜೆನ್ ಮತ್ತು ಕ್ಯಾಸಿ • ಎರಿಕ್ ವಾಂಜಾವು
11	ರುಚಿಕರ ಆಸಿಯನ್ ಮತ್ತು ಭಾರತೀಯ ಅಡುಗೆಗಳು 🍜	ವರ್ಗೀಕರಣ	ವರ್ಗೀಕರಣೆಗಳ ಪರಿಚಯ	Python • R	ಜೆನ್ ಮತ್ತು ಕ್ಯಾಸಿ • ಎರಿಕ್ ವಾಂಜಾವು
12	ರುಚಿಕರ ಆಸಿಯನ್ ಮತ್ತು ಭಾರತೀಯ ಅಡುಗೆಗಳು 🍜	ವರ್ಗೀಕರಣ	ಇನ್ನಷ್ಟು ವರ್ಗೀಕರಣೆಗಳು	Python • R	ಜೆನ್ ಮತ್ತು ಕ್ಯಾಸಿ • ಎರಿಕ್ ವಾಂಜಾವು
13	ರುಚಿಕರ ಆಸಿಯನ್ ಮತ್ತು ಭಾರತೀಯ ಅಡುಗೆಗಳು 🍜	ವರ್ಗೀಕರಣ	ನಿಮ್ಮ ಮಾದರಿಯನ್ನು ಉಪಯೋಗಿಸಿ ಶಿಫಾರಸು ಮಾಡುವ ವೆಬ್ ಅಪ್ಲಿಕೇಶನ್ ನಿರ್ಮಿಸಿ	Python	ಜೆನ್
14	ಗುಂಪುಬದ್ಧತೆಗೆ ಪರಿಚಯ	ಗುಂಪುಬದ್ಧತೆ	ಡೇಟಾ ಸ್ವಚ್ಛಗೊಳಿಸಿ, ಸಿದ್ಧಪಡಿಸಿ ಮತ್ತು ದೃಶ್ಯರೂಪಗೊಳಿಸಿ; ಗುಂಪುಬದ್ಧತೆಗೆ ಪರಿಚಯ	Python • R	ಜೆನ್ • ಎರಿಕ್ ವಾಂಜಾವು
15	ನೈಜீரಿಯನ್ ಸಂಗೀತ ರುಚಿಗಳನ್ನು ಅನ್ವೇಷಣೆ 🎧	ಗುಂಪುಬದ್ಧತೆ	K-ಮೀನುಸ್ ಗುಂಪುಬದ್ಧತೆಯ ವಿಧಾನವನ್ನು ಅನ್ವೇಷಿಸಿ	Python • R	ಜೆನ್ • ಎರಿಕ್ ವಾಂಜಾವು
16	ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪ್ರಕ್ರಿಯೆಗೆ ಪರಿಚಯ ☕️	ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪ್ರಕ್ರಿಯೆ	ಸರಳ ಬಾಟ್ ನಿರ್ಮಿಸುವ ಮೂಲಕ NLP ಮೂಲತತ್ವಗಳನ್ನು ಕಲಿಯಿರಿ	Python	ಸ್ಟೀಫನ್
17	ಸಾಮಾನ್ಯ NLP ಕಾರ್ಯಗಳು ☕️	ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪ್ರಕ್ರಿಯೆ	ಭಾಷಾ ರಚನೆಗಳೊಂದಿಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವಾಗ ಅಗತ್ಯವಿರುವ ಸಾಮಾನ್ಯ ಕಾರ್ಯಗಳನ್ನು ಅರ್ಥಮಾಡುಕೊಳ್ಳಿ	Python	ಸ್ಟೀಫನ್
18	ಭಾಷಾಂತರ ಮತ್ತು ಭಾವನಾತ್ಮಕ ವಿಶ್ಲೇಷಣೆ ♥️	ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪ್ರಕ್ರಿಯೆ	jJane Austen ಜೊತೆ ಭಾಷಾಂತರ ಮತ್ತು ಭಾವನಾತ್ಮಕ ವಿಶ್ಲೇಷಣೆ	Python	ಸ್ಟೀಫನ್
19	ಯುರೋಪಿನ ಪ್ರೇಮಮಯ ಹೋಟೆಲುಗಳು ♥️	ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪ್ರಕ್ರಿಯೆ	ಹೋಟೆಲ್ ವಿಮರ್ಶೆಗಳೊಂದಿಗೆ ಭಾವನಾತ್ಮಕ ವಿಶ್ಲೇಷಣೆ 1	Python	ಸ್ಟೀಫನ್
20	ಯುರೋಪಿನ ಪ್ರೇಮಮಯ ಹೋಟೆಲುಗಳು ♥️	ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪ್ರಕ್ರಿಯೆ	ಹೋಟೆಲ್ ವಿಮರ್ಶೆಗಳೊಂದಿಗೆ ಭಾವನಾತ್ಮಕ ವಿಶ್ಲೇಷಣೆ 2	Python	ಸ್ಟೀಫನ್
21	ಕಾಲ ಸರಣಿಯ ಪೂರ್ವಾನುಮಾನಕ್ಕೆ ಪರಿಚಯ	ಕಾಲ ಸರಣಿ	ಕಾಲ ಸರಣಿಯ ಪೂರ್ವಾನುಮಾನಕ್ಕೆ ಪರಿಚಯ	Python	ಫ್ರಾನ್ಸೆಸ್ಕಾ
22	⚡️ ವಿಶ್ವ ವಿದ್ಯುತ್ ಬಳಕೆ ⚡️ - ARIMA ಮೂಲಕ ಕಾಲ ಸರಣಿ ಪೂರ್ವಾನುಮಾನ	ಕಾಲ ಸರಣಿ	ARIMA ಮೂಲಕ ಕಾಲ ಸರಣಿ ಪೂರ್ವಾನುಮಾನ	Python	ಫ್ರಾನ್ಸೆಸ್ಕಾ
23	⚡️ ವಿಶ್ವ ವಿದ್ಯುತ್ ಬಳಕೆ ⚡️ - SVR ಮೂಲಕ ಕಾಲ ಸರಣಿ ಪೂರ್ವಾನುಮಾನ	ಕಾಲ ಸರಣಿ	Support Vector Regressor ಮೂಲಕ ಕಾಲ ಸರಣಿ ಪೂರ್ವಾನುಮಾನ	Python	ಅನಿರ್ಬನ್
24	ಬಲವರ್ಧಿತ ಅಧ್ಯಯನಕ್ಕೆ ಪರಿಚಯ	ಬಲವರ್ಧಿತ ಅಧ್ಯಯನ	Q-ಲರ್ನಿಂಗ್ ಬಳಸಿ ಬಲವರ್ಧಿತ ಅಧ್ಯಯನಕ್ಕೆ ಪರಿಚಯ	Python	ಡ್ಮಿತ್ರಿ
25	ಪೀಟರ್ ಹುಲಿ ತಪ್ಪಿಸಲು ಸಹಾಯ ಮಾಡಿ! 🐺	ಬಲವರ್ಧಿತ ಅಧ್ಯಯನ	ಬಲವರ್ಧಿತ ಅಧ್ಯಯನ ಜಿಮ್	Python	ಡ್ಮಿತ್ರಿ
ಪರಿಗ್ರಹ	ನೈಜ ಜಗತ್ತಿನ ಯಂತ್ರ ಶಿಕ್ಷಣ ಸಂದರ್ಭಗಳು ಮತ್ತು ಅನ್ವಯಗಳು	ML ವನದಲ್ಲಿ	ಕ್ಲಾಸಿಕಲ್ ಮೀಲ್‌ನ ಆಸಕ್ತಿದಾಯಕ ಮತ್ತು ಬಹುಮೂಲ್ಯ ನೈಜ ಜಗತ್ತಿನ ಅನ್ವಯಗಳು	ಪಾಠ	ತಂಡ
ಪರಿಗ್ರಹ	ಜವಾಬ್ದಾರಿಯುತ AI ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ ಬಳಸಿ ML ಮಾದರಿ ದೋಷ ಪರೀಕ್ಷೆ	ML ವನದಲ್ಲಿ	ಜವಾಬ್ದಾರಿಯುತ AI ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ ಘಟಕಗಳ ಬಳಸಿ ಯಂತ್ರ ಶಿಕ್ಷಣದ ಮಾದರಿ ದೋಷ ಪರೀಕ್ಷೆ	ಪಾಠ	ರೂತ್ ಯಕುಬು

ಈ ಕೋರ್ಸ್‌ಗಾಗಿ ಎಲ್ಲಾ ಹೆಚ್ಚುವರಿ ಮೂಲಗಳನ್ನು ನಮ್ಮ Microsoft Learn ಸಂಗ್ರಹಣೆಯಲ್ಲಿ ಹುಡುಕಿ

ಆಫ್‌ಲೈನ್ ಪ್ರವೇಶ

ನೀವು ಈ ಡಾಕ್ಯುಮೆಂಟೇಶನ್ನು ಆಫ್‌ಲೈನ್‌ನಲ್ಲಿ Docsify ಬಳಸಿ ಓಡಿಸಬಹುದು. ಈ ರೆಪೋವನ್ನು ಪ್ರತಿಗಳಿಗೆ ತೆಗೆದುಕೊಳ್ಳಿ, ನಿಮ್ಮ ಸ್ಥಳೀಯ ಯಂತ್ರದಲ್ಲಿ Docsify ಅನ್ನು ಸ್ಥಾಪಿಸಿ, ನಂತರ ಈ ರೆಪೋಯಿನ ರೂಟ್ ಫೋಲ್ಡರ್‌ನಲ್ಲಿ docsify serve ಟೈಪ್ ಮಾಡಿ. ಈ ವೆಬ್‌ಸೈಟ್ ನಿಮ್ಮ ಸ್ಥಳೀಯ ಯಂತ್ರದಲ್ಲಿ 3000 ಪೋರ್ಟ್‌ನಲ್ಲಿ ಓಡುತ್ತದೆ: localhost:3000.

PDFಗಳು

ಪಾಠಕ್ರಮದ PDF ಅನ್ನು ಲಿಂಕ್‌ಗಳೊಂದಿಗೆ ಇಲ್ಲಿ ಹುಡುಕಿ.

🎒 ಇತರೆ ಕೋರ್ಸುಗಳು

ನಮ್ಮ ತಂಡ ಇತರೆ ಕೋರ್ಸ್‌ಗಳನ್ನು ಕೂಡ ರಚಿಸುತ್ತದೆ! ಪರಿಶೀಲಿಸಿ:

ಲಾಂಗ್ ಚೈನ್

ಅಜೂರ್ / ಎಡ್ಜ್ / MCP / ಏಜೆಂಟ್ಸ್

---

ಜನರೇಟಿವ್ AI ಸರಣಿ

---

ಕೋರ ಲರ್ನಿಂಗ್

---

ಕೋಪೈಲಟ್ ಸರಣಿ

ಸಹಾಯ ಪಡೆಯುವುದು

ನೀವು ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ ಕಲಿಯುವಾಗ ಅಥವಾ AI ಅಪ್ಲಿಕೆಷನ್‌ಗಳನ್ನು ನಿರ್ಮಿಸುವಾಗ ಅಡೆದಿದ್ದರೆ ಅಥವಾ ಪ್ರಶ್ನೆಗಳಿದ್ದರೆ, ಚಿಂತೆ ಮಾಡಬೇಕಿಲ್ಲ — ಸಹಾಯ ಲಭಿಸುತ್ತದೆ.

ನೀವು ಮತ್ತಿತರ ಕಲಿಯುವವರ ಮತ್ತು ಡೆವಲಪರ್‌ಗಳೊಂದಿಗೆ ಚರ್ಚೆಗಳಿಗೆ ಸೇರಬಹುದು, ಪ್ರಶ್ನೆಗಳನು ಕೇಳಬಹುದು ಮತ್ತು ಸಮುದಾಯದೊಂದಿಗೆ ನಿಮ್ಮ ಆಲೋಚನೆಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳಬಹುದು.

• ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಲು ಮತ್ತು ಮತ್ತಿತರರೊಂದಿಗೆ ಕಲಿಯಲು ಸಮುದಾಯದಲ್ಲಿ ಸೇರ್ಪಡೆ ಹೊಂದಿ
• ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ಧಾರಣೆಗಳು ಮತ್ತು ಯೋಜನೆ ಆಲೋಚನೆಗಳ ಬಗ್ಗೆ ಚರ್ಚಿಸಿ
• ಅನುಭವ ಹೊಂದಿರುವ ಡೆವಲಪರ್‌ಗಳಿಂದ ಮಾರ್ಗದರ್ಶನ ಪಡೆಯಿರಿ

ಒಳವಾದ ಸಮುದಾಯವು ನಿಮ್ಮ ಕೌಶಲಗಳನ್ನು ಬೆಳೆಯಲು ಮತ್ತು ಸಮಸ್ಯೆಗಳನ್ನು ತ್ವರಿತವಾಗಿ ಪರಿಹರಿಸಲು ಉತ್ತಮ ಮಾರ್ಗ.

Microsoft Foundry Discord Community

ನೀವು ದೋಷಗಳು, ಏರ್ಪಡಿಕೆಗಳು ಅಥವಾ ಸುಧಾರಣೆಗೆ ಸಲಹೆಗಳಿದ್ದರೆ, ಈ ಸಂಗ್ರಹದಲ್ಲಿ ನೀವು Issue ತೆರೆಯಬಹುದು ಮತ್ತು ಸಮಸ್ಯೆಯನ್ನು ವರದಿ ಮಾಡಬಹುದು.

ಉತ್ಪನ್ನ ಪ್ರತಿಕ್ರಿಯೆಗಾಗಿ ಅಥವಾ ಇದ್ದುಕೊಂಡಿರುವ ಸಮುದಾಯ ಪೋಸ್ಟ್‌ಗಳನ್ನು ಹುಡುಕಲು, ಡೆವಲಪರ್ ಫೋರಂಗೆ ಭೇಟಿ ನೀಡಿ:

ಹೆಚ್ಚುವರಿ ಕಲಿಕೆ ಸಲಹೆಗಳು

• ಪ್ರತಿಯೊಂದು ಪಾಠದ ನಂತರ ನೋಟ್ಬುಕ್‌ಗಳನ್ನು ವಿಮರ್ಶಿಸಿ ಉತ್ತಮ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು.
• ಆಲ್ಗೋರಿದಮ್‌ಗಳನ್ನು ಸ್ವತಃ ಅನ್ವಯಿಸಲು ಅಭ್ಯಾಸ ಮಾಡಿ.
• ಕಲಿತ ಧಾರಣೆಗಳನ್ನು ಬಳಸಿಕೊಂಡು حقیقی ಜಗತ್ತಿನ ಡೇಟಾಸೆಟ್‌ಗಳನ್ನು ಅನ್ವೇಷಿಸಿ.

---

ಜಾಹೀರಾತು:
ಈ ದಸ್ತಾವೇಜು AI ಅನುವಾದ ಸೇವೆ ಕೊ-ಓಪ್ ಟ್ರಾನ್ಸ್ಲೇಟರ್ ಅನ್ನು ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಯನ್ನು ಗುರಿಯಾಗಿಸಿಕೊಂಡಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ದೋಷಗಳು ಅಥವಾ ಅಸತ್ಯತೆಗಳು ಇರಬಹುದೆಂಬುದನ್ನು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ಭಾಷೆಯಲ್ಲಿ ಇರುವ ಮೂಲ ದಸ್ತಾವೇಜನ್ನು ಅಧೀನ ಮೂಲ ಎಂದು ಪರಿಗಣಿಸಬೇಕು. ಪ್ರಮುಖ ಮಾಹಿತಿಗಾಗಿ ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಅರ್ಥಗಳು ಅಥವಾ ವ್ಯಾಖ್ಯಾನ ತಪ್ಪುಗಳಿಗಾಗಿ ನಾವು ಜವಾಬ್ದಾರರಾಗುವುದಿಲ್ಲ.