You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
249 lines
50 KiB
249 lines
50 KiB
[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
|
|
[](http://makeapullrequest.com)
|
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/network/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)
|
|
|
|
### 🌐 ബഹുഭാഷാ പിന്തുണ
|
|
|
|
#### GitHub ആക്ഷൻ മുഖേന പിന്തുണ (സ്വയം ചെയ്യുന്നതും എപ്പോഴും പുതിയതും)
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](./README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
|
|
|
|
> **സ്ഥലീയമായി ക്ലോൺ ചെയ്യാൻ ഇഷ്ടമുണ്ടോ?**
|
|
>
|
|
> ഈ റിപോസിറ്ററിയിൽ 50-ലധികം ഭാഷാ വിവർത്തനങ്ങൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്, ഇത് ഡൗൺലോഡിന്റെ വലുപ്പം അതിശയകരമായി വർദ്ധിപ്പിക്കുന്നു. വിവർത്തനങ്ങൾ ഇല്ലാതെ ക്ലോൺ ചെയ്യാൻ sparse checkout ഉപയോഗിക്കുക:
|
|
>
|
|
> **Bash / macOS / Linux:**
|
|
> ```bash
|
|
> 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):**
|
|
> ```cmd
|
|
> 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"
|
|
> ```
|
|
>
|
|
> ഇത് നിങ്ങളുടെ കോഴ്സ് പൂര്ത്തിയാക്കാന് ആവശ്യമുള്ള എല്ലാം അതിവേഗത്തിൽ ഡൗൺലോഡ് ചെയ്യാൻ സഹായിക്കും.
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
#### ഞങ്ങളുടെ കമ്മ്യൂണിറ്റിയിൽ ചേരുക
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
നമുക്ക് ഒരു ഡിസ്കോർഡ് ലേൺ വിഥ AI സീരീസ് ആരംഭിച്ചിട്ടുണ്ട്, കൂടുതൽ അറിയാനും ഞങ്ങളോടൊപ്പം ചേരാനും [Learn with AI Series](https://aka.ms/learnwithai/discord) സന്ദർശിക്കുക, 2025 സെപ്റ്റംബർ 18 - 30 തിയതികൾക്കിടയിൽ. GitHub Copilot ഡാറ്റാ സയൻസിനായി ഉപയോഗിക്കുന്നതിനുള്ള ടിപ്സും ട്രിക്കുകളും നിങ്ങൾക്ക് ലഭിക്കും.
|
|
|
|
|
|
|
|
# തുടക്കക്കാർക്കുള്ള മെഷീൻ ലേണിംഗ് - ഒരു പാഠ്യപദ്ധതി
|
|
|
|
> 🌍 ലോക സംസ്കാരങ്ങളിലൂടെ മെഷീൻ ലേണിംഗ് പഠിക്കുന്നതിനുള്ള ലോകയാത്ര 🌍
|
|
|
|
Microsoftൽ ക്ലൗഡ് അവകാശവാദകർ **Machine Learning** എന്ന വിഷയത്തിൽ 12 ആഴ്ചകളുള്ള, 26 പാഠങ്ങളുള്ള പാഠ്യപദ്ധതി ഒരുക്കിയിട്ടുണ്ട്. ഈ പാഠ്യപദ്ധതിയിൽ, പ്രാഥമികമായി Scikit-learn ലൈബ്രറി ഉപയോഗിച്ചുള്ള **ക്ലാസിക് മെഷീൻ ലേണിംഗ്**യെക്കുറിച്ച് നിങ്ങൾ പഠിക്കും, ഡീപ് ലേണിംഗ് ഒഴിവാക്കി, അത് നമ്മുടെ [AI for Beginners' curriculum](https://aka.ms/ai4beginners) ൽ ഉൾക്കൊള്ളിച്ചിട്ടുണ്ട്. ഈ പാഠങ്ങൾ നമ്മുടെ ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) യോടൊപ്പം കൂടിയാൽ കൂടുതൽ ഫലപ്രദമാണ്.
|
|
|
|
ലോകത്തെ വിവിധ ഭാഗങ്ങളിൽ നിന്നുള്ള ഡാറ്റ ഉപയോഗിച്ച് ഈ ക്ലാസിക് സാങ്കേതിക വിദ്യകൾ പ്രയോഗിക്കാനായി നമ്മളൊപ്പം യാത്ര ചെയ്യുക. ഓരോ പാഠത്തിനും മുൻകരുതൽ, പാഠാനന്തര ക്വിസുകൾ, പാഠം പൂർത്തിയാക്കുന്നതിനുള്ള എഴുതിയ നിർദ്ദേശങ്ങൾ, പരിഹാരം, അഭ്യാസങ്ങൾ എന്നിവ ഉൾപ്പെട്ടിരിക്കുന്നു. നമ്മുടെ പ്രോജക്റ്റ്-കേന്ദ്രീയപരമായ അധ്യയനശൈലി പുതിയ കഴിവുകൾ ഉറപ്പിക്കുന്നതിന് കൂടുതൽ ഫലപ്രദമാണ്.
|
|
|
|
**✍️ ഞങ്ങളുടെ രചയിതാക്കൾക്ക് ഹൃദയപുരവ്വം നന്ദി** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd
|
|
|
|
**🎨 ചിത്രകാരർക്കും നന്ദി** Tomomi Imura, Dasani Madipalli, and Jen Looper
|
|
|
|
**🙏 പ്രത്യേക നന്ദി** Microsoft Student Ambassador രചയിതാക്കൾ, റിവ്യൂവർസ്, ഉള്ളടക്ക സംഭാവകർ തുടങ്ങി Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal എന്നിവർക്കും
|
|
|
|
**🤩 R പാഠങ്ങൾക്ക് പ്രത്യേക നന്ദി** Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, Vidushi Gupta
|
|
|
|
# ആരംഭിക്കുന്നത്
|
|
|
|
ഈ ചുവടുകൾ പിന്തുടരുക:
|
|
1. **റിപ്പോസിറ്ററി ഫോർക്കുചെയ്യുക**: ഈ പേജിന്റെ മുകളിൽ വലതുവശത്ത് "Fork" ബട്ടൺ ക്ലിക്കുചെയ്യുക.
|
|
2. **റിപ്പോസിറ്ററി ക്ലോൺ ചെയ്യുക**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
|
|
|
|
> [ഈ കോഴ്സിനുള്ള എല്ലാ സാമഗ്രികളും Microsoft Learn ശേഖരത്തിൽ കണ്ടെത്തുക](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
> 🔧 **സഹായം വേണോ?** ഇൻസ്റ്റാളേഷൻ, സജ്ജീകരണം, പാഠങ്ങൾ പ്രവർത്തിപ്പിക്കൽ സംബന്ധിച്ച സാധാരണ പ്രശ്നങ്ങൾക്ക് [Troubleshooting Guide](TROUBLESHOOTING.md) പരിശോധിക്കുക.
|
|
|
|
|
|
**[വിദ്യാർത്ഥികൾ](https://aka.ms/student-page)**, ഈ പാഠ്യപദ്ധതി ഉപയോഗിക്കാൻ, റിപോയെ നിങ്ങളുടെ സ്വന്തം GitHub അക്കൗണ്ടിലേക്ക് ഫോർക്കുചെയ്തു നിർവഹിക്കുകയും ആ വ്യായാമങ്ങൾ തനിക്കോ കൂട്ടായ്മയോടോ ചെയ്യുക:
|
|
|
|
- പ്രി-ലെക്ചർ ക്വിസ് ആരംഭിക്കുക.
|
|
- ലക്ചർ വായിച്ച് പ്രവർത്തനങ്ങൾ പൂർത്തിയാക്കുക, ഓരോ അറിവ് പരിശോധനയിൽ നിർത്തി ആലോചിക്കുക.
|
|
- പരിഹാരകോഡ് പ്രവർത്തിപ്പിക്കുന്നതിന് പകരം പാഠങ്ങൾ മനസ്സിലാക്കി പ്രോജക്റ്റുകൾ സൃഷ്ടിക്കാൻ ശ്രമിക്കുക; അനായാസം `/solution` ഫോൾഡറുകളിൽ പരിഹാരകോഡ് ലഭ്യമാണ്.
|
|
- പോസ്റ്റ്-ലെക്ചർ ക്വിസ് പൂർത്തിയാക്കുക.
|
|
- ചലഞ്ച് പൂർത്തിയാക്കുക.
|
|
- അസൈൻമെന്റ് പൂർത്തിയാക്കുക.
|
|
- ഒരു പാഠ്യ ഗ്രൂപ്പ് പൂർത്തിയാക്കിയ ശേഷം [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) സന്ദർശിച്ച് അനുയോജ്യമായ PAT റൂബ്രിക് പൂരിപ്പിച്ച് "ഉച്ചരിച്ച് പഠിക്കുക". 'PAT' അഥവാ Progress Assessment Tool നിങ്ങളുടെ പഠനം മുന്നോട്ട് നയിക്കാൻ ഒരു റൂബ്രിക്ക് ആണ്. മറ്റു PAT-കൾക്കും പ്രതികരിക്കാം, ഒന്നിച്ച് പഠിക്കാം.
|
|
|
|
> കൂടുതൽ പഠനത്തിന്, ഈ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) മോഡ്യൂളുകളും പഠനപഥങ്ങളും പാലിക്കാൻ ശുപാർശ ചെയ്യുന്നു.
|
|
|
|
**അധ്യാപകർ**, ഈ പാഠ്യപദ്ധതി എങ്ങനെ ഉപയോഗിക്കാമെന്ന് കുറച്ചു നിർദ്ദേശങ്ങൾ [ഇവിടെ](for-teachers.md) നൽകപ്പെട്ടിരിക്കുന്നു.
|
|
|
|
---
|
|
|
|
## വീഡിയോ വഴികാട്ടികൾ
|
|
|
|
ചില പാഠങ്ങൾ ചെറു വീഡിയോകളായിരിക്കാം ലഭ്യമാകുന്നത്. ഇതെല്ലാം പാഠങ്ങളിലേക്ക് നേരിട്ട് ഉൾപ്പെടുത്തിയിട്ടുണ്ട്, അല്ലെങ്കിൽ [ML for Beginners പ്ലേലിസ്റ്റ് Microsoft Developer YouTube ചാനലിൽ](https://aka.ms/ml-beginners-videos) താഴെ കാണുന്ന ചിത്രത്തിൽ ക്ലിക്ക് ചെയ്ത് കാണാം.
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
---
|
|
|
|
## ടീമിനെ പരിചയപ്പെടുക
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
**Gif നിർമ്മിച്ചത്** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
> 🎥 പ്രോജക്ടും സൃഷ്ടിച്ച ആളുകളുടെയും കുറിച്ച് വീഡിയോ കാണാൻ ഉളള ചിത്രം ക്ലിക്ക് ചെയ്യുക!
|
|
|
|
---
|
|
|
|
## പാഠകശൈലി
|
|
|
|
ഈ പാഠ്യപദ്ധതിയിൽ, പ്രായോഗികവും **പ്രോജക്റ്റ് അധിഷ്ഠിതവുമായ** ബോധ്യങ്ങൾ ഉൾക്കൊള്ളിക്കുകയും, **പെരുമാറുകൾ കൂടിയുള്ള** ക്വിസുകൾ ഉൾപ്പെടുത്തിയിരിക്കുകയും ചെയ്തിരിക്കുന്നു. കൂടാതെ, ഈ പാഠ്യപദ്ധതി ഒരേ ഒരു **തീമ**യും ഉൾക്കൊള്ളുന്നു, ഇത് ഐക്യ감을 നൽകുന്നു.
|
|
|
|
വിഷയം പ്രോജക്റ്റുകളുമായി പൊരുത്തപ്പെടുന്നുണ്ടോയെന്ന് ഉറപ്പാക്കുകയും, ഇത് വിദ്യാർത്ഥികളുടെ താൽപര്യവും ഓർമ്മതൽ ശക്തിപ്പെടുത്തുകയും ചെയ്യും. ക്ലാസിനു മുൻപ് കുറഞ്ഞദ്രോഹം ഉള്ള ക്വിസ് വിദ്യാർത്ഥിയുടെ കഠിനാധ്വാന ലക്ഷ്യം സജ്ജമാക്കുകയും, ക്ലാസ് ശേഷം രണ്ടാം ക്വിസ് അറിവിന്റെ ദൈർഘ്യം ഉറപ്പുവരുത്തുകയും ചെയ്യുന്നു. ഈ പാഠ്യപദ്ധതി നമ്രവും രസകരവുമായ കോഴ്സ് ആക്കാൻ രൂപകൽപ്പന ചെയ്തിട്ടുണ്ട്, മുഴുവനും അല്ലെങ്കിൽ ഭാഗികമായി പഠിക്കാവുന്നതാണ്. പ്രോജക്റ്റുകൾ ആരംഭത്തിൽ ലഘുവായിരിക്കും, 12 ആഴ്ചയുടെ അവസാനത്തോടെ കൂടുതൽ സങ്കീർണമാകും. ഈ പാഠ്യപദ്ധതിയിൽ ML ന്റെ യഥാർത്ഥ ജീവിത പ്രയോഗങ്ങളെ കുറിച്ചുള്ള ഒരു അനുബന്ധ കുറിപ്പ് ഉൾപ്പെടുത്തിയിട്ടുണ്ട്, അധിക ക്രഡിറ്റ് അല്ലെങ്കിൽ ചര്ച്ചയ്ക്ക് അടിസ്ഥാനമായി ഉപയോഗിക്കാവുന്ന വിധം.
|
|
|
|
> ഞങ്ങളുടെ [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translations](..), [Troubleshooting](TROUBLESHOOTING.md) മാർഗ്ഗനിർദ്ദേശങ്ങൾ കണ്ടെത്തുക. നിങ്ങളുടെ നിർമാണാത്മക ഫീഡ്ബാക്ക് ഞങ്ങൾ സ്വാഗതം ചെയ്യുന്നു!
|
|
|
|
## ഓരോ പാഠത്തിനും ഉൾക്കൊള്ളുന്നത്
|
|
|
|
- ഓപ്ഷണൽ സ്കെച്ച്നോട്ട്
|
|
- ഓപ്ഷണൽ സഹായക വീഡിയോ
|
|
- വീഡിയോ വഴികാട്ടി (ചില പാഠങ്ങൾക്കാണ് മാത്രം)
|
|
- [പ്രീ-ലെക്ചർ വാം-അപ്പ് ക്വിസ്](https://ff-quizzes.netlify.app/en/ml/)
|
|
- എഴുതിയ പാഠം
|
|
- പ്രോജക്റ്റ് അധിഷ്ഠിത പാഠങ്ങൾക്കായി പ്രോജക്റ്റ് നിർമ്മിക്കുന്നതിനുള്ള വിശദമായ മാർഗ്ഗനിർദ്ദേശങ്ങൾ
|
|
- അറിവ് പരിശോധനകൾ
|
|
- ഒരു ചലഞ്ച്
|
|
- സഹായക വായന
|
|
- അസൈൻമെന്റ്
|
|
- [പോസ്റ്റ്-ലെക്ചർ ക്വിസ്](https://ff-quizzes.netlify.app/en/ml/)
|
|
> **ഭാഷകളെക്കുറിച്ചുള്ള ഒരു കുറിപ്പ്**: ഈ പാഠങ്ങൾ പ്രധാനമായും Python-ൽ എഴുതിയതാണ്, എന്നാൽ പലതും R-ലും ലഭ്യമാണ്. ഒരു R പാഠം പൂർത്തിയാക്കാൻ, `/solution` ഫോൾഡറിലേയ്ക്ക് പോയി R പാഠങ്ങൾ കണ്ടെത്തുക. അവയ്ക്ക് **R Markdown** ഫയൽ പ്രതീകം നൽകുന്ന .rmd വിപുലീകരണമുണ്ട്, അത് `code chunks` (R അല്ലെങ്കിൽ മറ്റു ഭാഷകളുടെ)യും `YAML header` (PDF പോലുള്ള ഔട്ട്പുട്ടുകൾ എങ്ങനെ ഫോർമാറ്റ് ചെയ്യാമെന്നതാണ്) അടങ്ങിയ `Markdown document`-നിൽ ചേർക്കലായി എളുപ്പത്തിൽ വ്യാഖ്യാനിക്കാം. അതിനാൽ, ഇത് ഡാറ്റ സയൻസിനൊരുപരി അദ്ദേഹത്തിലെ മികച്ച രചനാ ഫ്രെയിംവർക്ക് ആയി പ്രവർത്തിക്കുന്നു, കാരണം ഇത് കോഡ്, അതിന്റെ ഔട്ട്പുട്ട്, നിങ്ങളുടെ ചിന്തകൾ എന്നിവയെ Markdown-ൽ എഴുതാനാക്കും. കൂടാതെ, R Markdown ഡോക്യുമെന്റുകൾ PDF, HTML, അല്ലെങ്കിൽ Word പോലുള്ള ഔട്ട്പുട്ട് ഫോർമാറ്റുകളായി റൻഡർ ചെയ്യാൻ കഴിയും.
|
|
|
|
> **ക്വിസുകളെക്കുറിച്ചുള്ള കുറിപ്പ്**: എല്ലാ ക്വിസുകളും [Quiz App ഫോൾഡർ](../../quiz-app)-നുള്ളിൽ അടങ്ങിയിരിക്കുന്നു, ഓരോന്നിലും മൂന്ന് ചോദ്യങ്ങളുള്ള 52 ക്വിസുകളുണ്ടു. അവ പാഠങ്ങളിൽ നിന്നു കേൾക്കാനാകാം, പക്ഷേ ക്വിസ് ആപ്പ് ലോക്കലായി ഓടിക്കാൻ കഴിയും; ലോക്കൽ ഹോസ്റ്റ് ചെയ്യുക അല്ലെങ്കിൽ Azure-യിലേക്ക് ഡിപ്ലോയ് ചെയ്യാൻ `quiz-app` ഫോൾഡറിലെയും നിർദ്ദേശങ്ങൾ പിന്തുടരുക.
|
|
|
|
| പാഠ നമ്പർ | വിഷയം | പാഠ ഗ്രൂപ്പിംഗ് | പഠന ലക്ഷ്യങ്ങൾ | ലിങ്കുചെയ്ത പാഠം | രചയിതാവ് |
|
|
| :--------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
| 01 | മെഷീൻ ലേണിങ്ങിലേക്ക് പരിചയം | [പരിചയം](1-Introduction/README.md) | മെഷീൻ ലേണിങ്ങിന്റെ അടിസ്ഥാന ധാരണകൾ പഠിക്കുക | [പാഠം](1-Introduction/1-intro-to-ML/README.md) | മുഹമ്മദ് |
|
|
| 02 | മെഷീൻ ലേണിങ്ങിന്റെ ചരിത്രം | [പരിചയം](1-Introduction/README.md) | ഈ മേഖലയെ അടിസ്ഥാനമാക്കി ചരിത്രം പഠിക്കുക | [പാഠം](1-Introduction/2-history-of-ML/README.md) | ജേൻ ആന്റ് എമി |
|
|
| 03 | ഫെയർനെസ്സ് ആൻഡ് മെഷീൻ ലേണിങ് | [പരിചയം](1-Introduction/README.md) | ഫെയർനെസ്സുമായി ബന്ധപ്പെട്ട പ്രധാന തത്വചിന്തകളും, ML മോഡലുകൾ നിർമ്മിക്കുമ്പോൾ പരിഗണിക്കേണ്ടതെന്താണ് എന്നതു പഠിക്കുക | [പാഠം](1-Introduction/3-fairness/README.md) | ടോമോമി |
|
|
| 04 | മെഷീൻ ലേണിങ്ങിനുള്ള സാങ്കേതികങ്ങൾ | [പരിചയം](1-Introduction/README.md) | ML ഗവേഷകർ ML മോഡലുകൾ നിർമ്മിക്കുമ്പോൾ ഉപയോഗിക്കുന്ന സാങ്കേതിക വിദ്യകൾ എല്ലാം പഠിക്കുക | [പാഠം](1-Introduction/4-techniques-of-ML/README.md) | ക്രിസ് ആൻഡ് ജേൻ |
|
|
| 05 | റെഗ്രഷനിലേക്കുള്ള പരിചയം | [റെഗ്രഷൻ](2-Regression/README.md) | റെഗ്രഷൻ മോഡലുകൾക്കായി Python-ഉം Scikit-learn-ഉം ഉപയോഗിച്ച് തുടങ്ങുക | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | ജേൻ • എറിക്ക് വൻജാവ് |
|
|
| 06 | നോർത്ത് അമേരിക്കൻ കൂർത്തക്കറിയുടെ വിലകൾ 🎃 | [റെഗ്രഷൻ](2-Regression/README.md) | ML-ക്കായി ഡാറ്റ വിസუალൈസാനും ക്ലീൻ ചെയ്യാനും പഠിക്കുക | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | ജേൻ • എറിക്ക് വൻജാവ് |
|
|
| 07 | നോർത്ത് അമേരിക്കൻ കൂർത്തക്കറിയുടെ വിലകൾ 🎃 | [റെഗ്രഷൻ](2-Regression/README.md) | ലീനിയർ, പോളിനോമിയൽ റെഗ്രഷൻ മോഡലുകൾ നിർമ്മിക്കുക | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | ജേൻ ആൻഡ് ഡിമിത്രി • എറിക്ക് വൻജാവ് |
|
|
| 08 | നോർത്ത് അമേരിക്കൻ കൂർത്തക്കറിയുടെ വിലകൾ 🎃 | [റെഗ്രഷൻ](2-Regression/README.md) | ലൊജിസ്റ്റിക് റെഗ്രഷൻ മോഡൽ നിർമ്മിക്കുക | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | ജേൻ • എറിക്ക് വൻജാവ് |
|
|
| 09 | ഒരു വെബ് ആപ്പ് 🔌 | [Web App](3-Web-App/README.md) | പരിശീലിപ്പിച്ച മോഡൽ ഉപയോഗിച്ച് വെബ് ആപ് നിർമിക്കുക | [Python](3-Web-App/1-Web-App/README.md) | ജേൻ |
|
|
| 10 | ക്ലാസിഫിക്കേഷനിലേക്കുള്ള പരിചയം | [Classification](4-Classification/README.md) | നിങ്ങളുടെ ഡാറ്റ ക്ലീൻ ചെയ്യുകയും തയ്യാറാക്കുകയും വിസ്വലൈസ് ചെയ്യുകയും ചെയ്യുക; ക്ലാസിഫിക്കേഷന്റെ അടിസ്ഥാനങ്ങൾ | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | ജേൻ ആൻഡ് കാസി • എറിക്ക് വൻജാവ് |
|
|
| 11 | സ്വാദിഷ്ട ഏഷ്യൻ, ഇന്ത്യൻ ഭക്ഷണങ്ങൾ 🍜 | [Classification](4-Classification/README.md) | ക്ലാസിഫയേഴ്സിന്റെ പരിചയം | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | ജേൻ ആൻഡ് കാസി • എറിക്ക് വൻജാവ് |
|
|
| 12 | സ്വാദിഷ്ട ഏഷ്യൻ, ഇന്ത്യൻ ഭക്ഷണങ്ങൾ 🍜 | [Classification](4-Classification/README.md) | കൂടുതൽ ക്ലാസിഫയേഴ്സ് | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | ജേൻ ആൻഡ് കാസി • എറിക്ക് വൻജാവ് |
|
|
| 13 | സ്വാദിഷ്ട ഏഷ്യൻ, ഇന്ത്യൻ ഭക്ഷണങ്ങൾ 🍜 | [Classification](4-Classification/README.md) | നിങ്ങളുടെ മോഡൽ ഉപയോഗിച്ച് ഒരു ശിപാർശ വെബ് ആപ്പ് നിർമ്മിക്കുക | [Python](4-Classification/4-Applied/README.md) | ജേൻ |
|
|
| 14 | ക്ലസ്റ്ററിങ്ങിലേക്ക് പരിചയം | [Clustering](5-Clustering/README.md) | ഡാറ്റ ക്ലീൻ ചെയ്യുക, ഒരുക്കുക, വിസ്വലൈസ് ചെയ്യുക; ക്ലസ്റ്ററിംഗിന്റെ പരിചയം | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | ജേൻ • എറിക്ക് വൻജാവ് |
|
|
| 15 | നൈജീരിയൻ മ്യൂസിക്കൽ രുചികൾ പഠിക്കൽ 🎧 | [Clustering](5-Clustering/README.md) | K- മീൻസ് ക്ലസ്റ്ററിങ് രീതിയെ അനുഭവപ്പെടുക | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | ജേൻ • എറിക്ക് വൻജാവ് |
|
|
| 16 | നാചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിങ്ങിലേക്ക് പരിചയം ☕️ | [Natural language processing](6-NLP/README.md) | ലളിതമായ ഒരു ബോട്ട് നിർമ്മിച്ചുകൊണ്ട് NLPയുടെ അടിസ്ഥാനങ്ങൾ പഠിക്കുക | [Python](6-NLP/1-Introduction-to-NLP/README.md) | സ്റ്റെഫൻ |
|
|
| 17 | സാധാരണ NLP ടാസ്ക്കുകൾ ☕️ | [Natural language processing](6-NLP/README.md) | ഭാഷാസംരചനകളെ ഇടപെടുമ്പോൾ ആവശ്യമായ സാധാരണ ടാസ്ക്കുകൾ മനസ്സിലാക്കി NLP അറിവ് കൂടുതൽ വളർത്തുക | [Python](6-NLP/2-Tasks/README.md) | സ്റ്റെഫൻ |
|
|
| 18 | വിവർത്തനവും സენტിമെന്റ് അനലിസിസും ♥️ | [Natural language processing](6-NLP/README.md) | Jane Austen ഉപയോഗിച്ച് വിവർത്തനവും സენტിമെന്റ് അനലിസിസും | [Python](6-NLP/3-Translation-Sentiment/README.md) | സ്റ്റെഫൻ |
|
|
| 19 | യൂറോപിലെ റൊമാന്റിക് ഹോട്ടലുകൾ ♥️ | [Natural language processing](6-NLP/README.md) | ഹോട്ടൽ റിവ്യൂസ് ഉപയോഗിച്ച് സენტിമെന്റ് അനാലിസിസ് 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | സ്റ്റെഫൻ |
|
|
| 20 | യൂറോപിലെ റൊമാന്റിക് ഹോട്ടലുകൾ ♥️ | [Natural language processing](6-NLP/README.md) | ഹോട്ടൽ റിവ്യൂസ് ഉപയോഗിച്ച് സენტിമെന്റ് അനാലിസിസ് 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | സ്റ്റെഫൻ |
|
|
| 21 | ടൈം സീരീസ് ഫോറ്കാസ്റ്റിങ്ങിലേക്ക് പരിചയം | [Time series](7-TimeSeries/README.md) | ടൈം സീരീസ് ഫോറ്കാസ്റ്റിങ്ങിന്റെ പരിചയം | [Python](7-TimeSeries/1-Introduction/README.md) | ഫ്രാൻസസ്കാ |
|
|
| 22 | ⚡️ ലോക വൈദ്യുതി ഉപഭോഗം ⚡️ - ARIMA-യിലൂടെ ടൈം സീരീസ് ഫോറ്കാസ്റ്റിങ് | [Time series](7-TimeSeries/README.md) | ARIMA ഉപയോഗിച്ച് ടൈം സീരീസ് ഫോറ്കാസ്റ്റിങ് | [Python](7-TimeSeries/2-ARIMA/README.md) | ഫ്രാൻസസ്കാ |
|
|
| 23 | ⚡️ ലോക വൈദ്യുതി ഉപഭോഗം ⚡️ - SVR-യിലൂടെ ടൈം സീരീസ് ഫോറ്കാസ്റ്റിങ് | [Time series](7-TimeSeries/README.md) | Support Vector Regressor ഉപയോഗിച്ചുള്ള ടൈം സീരീസ് ഫോറ്കാസ്റ്റിങ് | [Python](7-TimeSeries/3-SVR/README.md) | അനിർബാൻ |
|
|
| 24 | റീൻസ്ഫോഴ്സ്മെന്റ് ലേണിങിലേക്ക് പരിചയം | [Reinforcement learning](8-Reinforcement/README.md) | Q-Learning ഉപയോഗിച്ച് റീൻസ്ഫോഴ്സ്മെന്റ് ലേണിങ് പരിചയം | [Python](8-Reinforcement/1-QLearning/README.md) | ഡിമിത്രി |
|
|
| 25 | പീറ്റർ വൃക്ഷഭക്ഷിയെ தவിക്കുന്നു ! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | റീൻസ്ഫോഴ്സ്മെന്റ് ലേണിങ് ജിം | [Python](8-Reinforcement/2-Gym/README.md) | ഡിമിത്രി |
|
|
| സംക്ഷേപം | യഥാർത്ഥ ലോക ML സാഹചര്യം, പ്രയോഗങ്ങൾ | [ML in the Wild](9-Real-World/README.md) | ക്ലാസിക്കൽ ML-ന്റെ രസകരവും വെളിപ്പെടുത്തലുമായ യഥാർത്ഥ ലോക പ്രയോഗങ്ങൾ | [പാഠം](9-Real-World/1-Applications/README.md) | ടീം |
|
|
| സംക്ഷേപം | RAI ഡാഷ്ബോർഡ് ഉപയോഗിച്ച് ML മോഡൽ ഡബഗ് ചെയ്യൽ | [ML in the Wild](9-Real-World/README.md) | റസ്പോൺസിബിൾ AI ഡാഷ്ബോർഡ് ഘടകങ്ങൾ ഉപയോഗിച്ച് മെഷീൻ ലേണിങ് മോഡൽ ഡബഗിങ് | [പാഠം](9-Real-World/2-Debugging-ML-Models/README.md) | റുത്ത് യകുബു |
|
|
|
|
> [ഈ കോഴ്സിന്റെ എല്ലാ അധിക വിഭവങ്ങളും ഞങ്ങളുടെ Microsoft Learn ശേഖരത്തിൽ കാണുക](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
## ഓഫ്ലൈൻ ആക്സസ്
|
|
|
|
[Docsify](https://docsify.js.org/#/) ഉപയോഗിച്ച് ഈ ഡോക്യുമെന്റ് ഓഫ്ലൈനായി ഓടിക്കാൻ കഴിയും. ഈ റെപ്പോ ഫോര്ക്ക് ചെയ്യുക, നിങ്ങളുടെ ലോക്കൽ മെഷീനിൽ [Docsify ഇൻസ്റ്റാൾ](https://docsify.js.org/#/quickstart) ചെയ്യുക, തുടർന്ന് ഈ റെപ്പോയുടെ റൂട്ടിൽ `docsify serve` എന്ന കമാൻഡ് ടൈപ്പ് ചെയ്യുക. വെബ്സൈറ്റ് ലോക്കൽഹോസ്റ്റിലെ പോർട്ട് 3000-ൽ സർവ് ചെയ്യപ്പെടും: `localhost:3000`.
|
|
|
|
## PDFs
|
|
|
|
പാഠ്യപദ്ധതി pdf രൂപത്തിൽ [ഇവിടെ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) കണ്ടെത്തുക.
|
|
|
|
|
|
## 🎒 മറ്റു കോഴ്സുകൾ
|
|
|
|
ഞങ്ങളുടെ ടീം മറ്റു കോഴ്സുകളും നിർമ്മിക്കുന്നു! പരിശೀಲിക്കുക:
|
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
|
### LangChain
|
|
[](https://aka.ms/langchain4j-for-beginners)
|
|
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
---
|
|
|
|
### Azure / Edge / MCP / Agents
|
|
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### ജനറേറ്റീവ് എഐ സീരീസ്
|
|
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
|
|
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
|
|
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### കോർ പഠനം
|
|
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
|
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### കോപിലോട്ട് സീരീസ്
|
|
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
|
|
|
## സഹായം ലഭിക്കുക
|
|
|
|
മഷീൻ ലേണിംഗ് പഠിക്കുമ്പോഴും എഐ ആപ്ലിക്കേഷനുകൾ വികസിപ്പിക്കുമ്പോഴും തടസ്സമുണ്ടായാൽ അല്ലെങ്കിൽ സംശയങ്ങൾ ഉണ്ടാകുമെങ്കിൽ, വല്ലാതെ വിഷമിക്കേണ്ട. സഹായം ലഭ്യമാണ്.
|
|
|
|
മറ്റുള്ള പഠനക്കാരും ഡെവലപ്പർമാരും ഒത്തു ചർച്ച ചെയ്ത്, ചോദ്യങ്ങൾ ചോദിക്കുകയും, നിങ്ങളുടെ ആശയങ്ങൾ സമൂഹവുമായി പങ്കുവെക്കുകയും ചെയ്യാം.
|
|
|
|
- ചോദ്യങ്ങൾ ചോദിക്കാൻ സമൂഹത്തിലേക്ക് ചേരുക, മറ്റ് ആളുകളുമായി പഠിക്കുക
|
|
- മഷീൻ ലേണിംഗിന്റെ ആശയങ്ങളും പ്രോജക്ട് ആശയങ്ങളും ചർച്ച ചെയ്യുക
|
|
- പരിചയസമ്പന്നരായ ഡെവലപ്പർമാരിൽ നിന്ന് മാർഗ്ഗനിർദ്ദേശം നേടുക
|
|
|
|
ഒരു പിന്തുണയുള്ള സമൂഹം നിങ്ങളുടെ കഴിവുകൾ വികസിപ്പിക്കുന്നതിനും പ്രശ്നങ്ങൾ വേഗത്തിൽ പരിഹരിക്കുന്നതിനും വലിയ സഹായമാണ്.
|
|
|
|
[Microsoft Foundry Discord Community](https://discord.gg/nTYy5BXMWG)
|
|
|
|
ബഗുകൾ, പിശകുകൾ എന്നിവ കണ്ടുപിടിക്കുകയോ, മെച്ചപ്പെടുത്തലുകൾക്കുള്ള നിർദ്ദേശങ്ങൾ നൽകുകയോയുണ്ടെങ്കിൽ, ഈ റിപോസിറ്ററിയിൽ ഒരു **Issue** തുറന്ന് പ്രശ്നം റിപ്പോർട്ട് ചെയ്യാം.
|
|
|
|
ഉൽപ്പന്ന പ്രതികരണത്തിനോ നിലവിലുള്ള കമ്മ്യൂണിറ്റി പോസ്റ്റുകൾ തിരയുന്നതിനോ Developer Forum സന്ദർശിക്കുക:
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
## പുറമേ പഠന ടിപ്പുകൾ
|
|
|
|
- ഓരോ പാഠത്തിനുശേഷവും നോട്ട്ബുക്കുകൾ ഒന്നു കൂടി പരിശോധിക്കുക മനസ്സിലാക്കാൻ.
|
|
- സ്വയം ആൾഗൊരിതങ്ങൾ നടപ്പിലാക്കുന്നതിനായുള്ള പ്രാക്ടീസ് ചെയ്യുക.
|
|
- പഠിക്കപ്പെട്ട ആശയങ്ങൾ ഉപയോഗിച്ച് യഥാർത്ഥ ഡാറ്റാസെറ്റുകൾ പരിശോധിക്കുക.
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**അറിവിപ്പത്രം**:
|
|
ഈ രേഖ AI തർജ്ജുമാ സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് തർജ്ജുമ ചെയ്തതാണ്. നാം ശരിയായ വിവർത്തനത്തിനായി പരിശ്രമിക്കുന്നുണ്ടെങ്കിലും, സ്വയം പ്രവർത്തിക്കുന്ന തർജ്ജുമയിൽ പിഴവുകൾ അല്ലെങ്കിൽ അശക്തികൾ ഉണ്ടായിരിക്കാമെന്ന് ദയവായി ഓർത്തുക. മാതൃഭാഷയിലുള്ള оригинൽ രേഖയാണ് അതിന്റെ ഔദ്യോഗിക ഉറവിടം പരിഗണിക്കേണ്ടത്. പ്രധാനപ്പെട്ട വിവരങ്ങള്ക്ക്, പ്രൊഫഷണൽ انسانی തർജ്ജുമ നിർദേശിക്കുന്നു. ഈ തർജ്ജുമ ഉപയോഗത്തിൽ നിന്നുള്ള പരస്പര forstå മനസ്സിലാക്കലോ തივ്രമായ തെറ്റിദ്ധാരണകളോക്കും ഞങ്ങൾ ഉത്തരവാദികളല്ല.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |