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.
248 lines
48 KiB
248 lines
48 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/)
|
|
|
|
### 🌐 బహుభాషా మద్దతు
|
|
|
|
#### GitHub చర్య ద్వారా మద్దతు (ఆటోమేటెడ్ & ఎల్లప్పుడూ నవీకరణలు)
|
|
|
|
<!-- 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](../ml/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](./README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
|
|
|
|
> **స్థానికంగా క్లోన్ చేయడానికి ఇష్టపడుడయ్యారా?**
|
|
>
|
|
> ఈ రీపాజిటరీలో 50+ భాషల అనువాదాలు ఉన్నాయి, ఇది డౌన్లోడ్ పరిమాణాన్ని గణనీయంగా పెంచుతుంది. అనువాదాలు లేకుండా క్లోన్ చేయడానికి, స్పార్స్ చెకౌట్ ఉపయోగించండి:
|
|
>
|
|
> **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"
|
|
> ```
|
|
>
|
|
> ఇది మీకు కోర్స్ పూర్తి చేయడానికి అవసరమైన ప్రతిదీ తక్కువ డౌన్లోడ్తో అందిస్తుంది.
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
#### మన కమ్యూనిటీని చేరండి
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
మనం ఒక డిస్కోర్డ్ ఈ AI సిరీస్ ని ఆడుతున్నాము, మరింత తెలుసుకోండి మరియు [Learn with AI Series](https://aka.ms/learnwithai/discord) వద్ద 18 - 30 సెప్టెంబర్, 2025 ని చేరండి. మీరు గిట్హబ్ కోపైలట్ ను డేటా సైన్స్ కోసం ఉపయోగించే చిట్కాలు మరియు ట్రిక్స్ పొందుతారు.
|
|
|
|
|
|
|
|
# మొదటి సారి లెర్నర్స్ కొరకు మెషీన్ లెర్నింగ్ - ఒక పాఠ్యక్రమం
|
|
|
|
> 🌍 ప్రపంచ సంస్కృతుల ద్వారా మెషీన్ లెర్నింగ్ ను అన్వేషిస్తూ ప్రపంచాన్ని భ్రమణించండి 🌍
|
|
|
|
Microsoftలో క్లౌడ్ అడ్వకేట్స్ సంతోషంగా 12 వారాలు, 26 పాఠాలు కలిగిన ఒక పాఠ్యక్రమాన్ని అందిస్తున్నారు, ఇది **మెషీన్ లెర్నింగ్** గురించినది. ఈ పాఠ్యక్రమంలో, మీరు సాధారణంగా **క్లాసిక్ మెషీన్ లెర్నింగ్** అని పిలవబడే విషయాలను, ప్రధానంగా Scikit-learn లైబ్రరీ ఉపయోగించి నేర్చుకోబోతున్నారు మరియు దీర్ఘ శిక్షణ (డీప్ లెర్నింగ్) ను మళ్లీ [AI for Beginners' curriculum](https://aka.ms/ai4beginners) లో కవర్ చేయబడుతుంది. ఈ పాఠ్యాల్ని మా ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) తో జత పెట్టండి.
|
|
|
|
ప్రపంచంలోని వలయాలను చుట్టి ప్రయాణిస్తూ, ఈ క్లాసిక్ సాంకేతిక పద్ధతులను వివిధ ప్రాంతాల డేటాకు వర్తింపజేస్తాము. ప్రతి పాఠానికి ముందు మరియు తర్వాత క్విజ్లు, పాఠాన్ని పూర్తిచేసేందుకు రాసిన సూచనలు, పరిష్కారము, అసైన్మెంట్ మరియు మరిన్ని ఉంటాయి. మా ప్రాజెక్ట్ ఆధారిత ఉపాధి విధానం, మీరు నిర్మించి నేర్చుకోవడానికి అనుమతిస్తుంది, ఇది కొత్త నైపుణ్యాలు మేలుకొని ఉండటానికి ఒక నిరూపిత మార్గం.
|
|
|
|
**✍️ మా రచయితలకు హృదయపూర్వక ధన్యవాదాలు** జెిన్ లూపర్, స్టీఫెన్ హావెల్, ఫ్రాన్సెస్కా లాజ్జెరి, తోమోమి ఇమురా, క్యాసీ బ్రెవియు, డ్రిమిత్రి సోష్నికోవ్, క్రిస్ నోరిక్, అనిర్బన్ ముఖర్జీ, ఒర్నెల్లా ఆల్టూన్యాన్, రూత్ యకుబూ మరియు ఏమీ బోయ్డ్
|
|
|
|
**🎨 మా చిత్రకారులకు కూడా ధన్యవాదాలు** తోమోమి ఇమురా, దసాని మడిపల్లి మరియు జెయిన్ లూపర్
|
|
|
|
**🙏 ప్రత్యేక ధన్యవాదాలు 🙏 మా Microsoft స్టూడెంట్ అంబాసిడర్ రచయితలు, సమీక్షకులు మరియు విషయం సహకారులకు**, ముఖ్యంగా రిషిత్ దాగ్లీ, ముహమ్మద్ సకిబ్ ఖాన్ ఇనాన్, రోహన్ రాజ్, అలెగ్జాండ్రూ పెట్రెస్కూ, అభిషేక్ జైస్వాల్, నావ్రిన్ టబస్సం, ఐవాన్ సాములో మరియు స్నిగ్ధ అగర్వాల్
|
|
|
|
**🤩 Microsoft స్టూడెంట్ అంబాసిడర్లు ఎరిక్ వంజూ, జస్లీన్ సోంఢీ, మరియు విదుషి గుప్తా కు మా R పాఠాల కోసం అదనపు కృతజ్ఞతలు!**
|
|
|
|
# ప్రారంభం
|
|
|
|
ఈ దశలను అనుసరించండి:
|
|
1. **రిపోజిటరీని ఫోర్క్ చేయండి**: ఈ పేజీ పై-కుడి కోణంలో "Fork" బటన్ పై క్లిక్ చేయండి.
|
|
2. **రిపోజిటరీని క్లోన్ చేయండి**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
|
|
|
|
> [ఈ కోర్సుకు సంబంధించిన అన్ని అదనపు వనరులను మా Microsoft Learn కలెక్షన్ లో అందుబాటులో ఉన్నవి](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
> 🔧 **సహాయం కావాలా?** ఇన్స్టలేషన్, సెటప్ మరియు పాఠాలు నడిపించే సాధారణ సమస్యలకు మా [Troubleshooting Guide](TROUBLESHOOTING.md) చూడండి.
|
|
|
|
|
|
**[విద్యార్థులు](https://aka.ms/student-page)**, ఈ పాఠ్యక్రమాన్ని ఉపయోగించడానికి, మొత్తం రిపోను మీ అతని GitHub ఖాతాకు ఫోర్క్ చేయండి మరియు వ్యాయామాలను మీ సొంతంగా లేదా ఒక గ్రూపుతో పూర్తి చేయండి:
|
|
|
|
- ముందు స్పష్టంగా ప్రశ్నాపత్రం తో ప్రారంభించండి.
|
|
- శాఖను చదవండి మరియు కార్యాచరణలను పూర్తి చేయండి, ప్రతి "నాలెడ్జ్ చెక" వద్ద ఆచరణ చేయండి మరియు పరిగణించండి.
|
|
- కోడ్ పరిష్కారం నడిపించే కాకుండా పాఠాల్ని అర్థం చేసుకొని ప్రాజెక్టులను సృష్టించే ప్రయత్నం చేయండి; అయినప్పటికీ ఆ కోడ్ ప్రతీ ప్రాజెక్ట్ ప్రోరియెంటెడ్ పాఠాలలోని `/solution` ఫోల్డర్లలో అందుబాటులో ఉంటుంది.
|
|
- తర్వాత స్పష్టంగా ప్రశ్నాపత్రం లను నిర్వహించండి.
|
|
- సవాలు పూర్తి చేయండి.
|
|
- అసైన్మెంటును పూర్తి చేయండి.
|
|
- ఒక పాఠ్య సమూహాన్ని పూర్తిచేసిన తరువాత, [చర్చ ఫోరమ్](https://github.com/microsoft/ML-For-Beginners/discussions) ను సందర్శించి సరైన PAT రూపాన్ని పూర్తి చేసి "ఉచ్చరిస్తూ నేర్చుకోండి". PAT అంటే ప్రోగ్రెస్ అసెస్మెంట్ టూల్, ఇది మీరు పూర్తి చేయవలసిన రూపం. మీరు ఇతర PAT లకు కూడా స్పందించవచ్చు, తద్వారా మనం కలిసి నేర్చుకోవచ్చు.
|
|
|
|
> మరింత అధ్యయనానికి, ఈ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) మాడ్యూల్స్ మరియు నేర్చుకునే మార్గాలను అనుసరించమన్నాను.
|
|
|
|
**ఉపాధ్యాయులు**, మేము ఈ పాఠ్యక్రమాన్ని ఎలా ఉపయోగించాలో కొన్ని [సూచనలు](for-teachers.md) ఇచ్చాము.
|
|
|
|
---
|
|
|
|
## వీడియో వాక్ థ్రూస్
|
|
|
|
కొన్ని పాఠాలు చిన్న వీడియోల రూపంలో అందుబాటులో ఉన్నాయి. మీరు ఇవన్నీ పాఠాలలో ప్రత్యక్షంగా లేదా [ML for Beginners పైలిస్ట్ Microsoft డెవలపర్ YouTube ఛానల్ లో](https://aka.ms/ml-beginners-videos) క్రింద చిత్రంపై క్లిక్ చేసి చూడవచ్చు.
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
---
|
|
|
|
## టీమ్ ను పరిచయం చెయ్యండి
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
**Gif ద్వారా** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
> 🎥 ప్రాజెక్ట్ మరియు సృష్టించిన వారిని గురించి వీడియో కోసం పై చిత్రం క్లిక్ చేయండి!
|
|
|
|
---
|
|
|
|
## నేర్పు విధానం
|
|
|
|
ఈ పాఠ్యక్రమాన్ని తయారు చేయడంలో మేము రెండు ఉపాధ్యాయ సూత్రాలను ఎన్నుకున్నాము: చేతులతో చేసే **ప్రాజెక్ట్-ఆధారిత** శిక్షణ మరియు **సంక్రమిక క్విజ్లను** కలిగి ఉండడం. అదనంగా, ఈ పాఠ్యక్రమానికి ఒక సాధారణ **థీమ్** కూడా ఉంది, ఇది సమగ్రతను అందిస్తుంది.
|
|
|
|
పాఠ్యాంశాలు ప్రాజెక్ట్స్ తో సరిపోనటంతో, విద్యార్థుల ఆసక్తి పెరిగి, భావనలను నిలుపుకునే అవకాశం మెరుగుపడుతుంది. తరగతి ముందు తక్కువ మెరుగైన క్విజ్ ద్వారా విద్యార్థి విషయం నేర్చుకోవటానికి ఉద్దేశ్యం స్థాపించబడుతుంది, తరగతి తరువాత రెండవ క్విజ్ మరింత నిలుపుకోనేలా చేస్తుంది. ఈ పాఠ్యక్రమం సవ్యంగా, సరదాగా ఉండేలా రూపొందించబడింది, మొత్తం లేదా భాగంగా తీసుకోవచ్చు. ప్రాజెక్టులు చిన్న చిన్నగా ప్రారంభించి 12 వారాల చక్రం తర్వాత గట్టి అవును పరిణామవంతంగా మారతాయి. ఈ పాఠ్యక్రమంలో మెషీన్ లెర్నింగ్ యొక్క వాస్తవ ప్రపంచ వినియోగాలపై ఒక అదనపు అంశం కూడా ఉంటుంది, దీన్ని అదనపు క్రెడిట్ లేదా చర్చ కోసం ఉపయోగించవచ్చు.
|
|
|
|
> మా [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translations](..), మరియు [Troubleshooting](TROUBLESHOOTING.md) మార్గదర్శకాలను చూడండి. మీ నిర్మాణాత్మక అభిప్రాయాలు మాకు సంతోషాన్నిస్తాయి!
|
|
|
|
## ప్రతి పాఠంలో ఉంటాయి
|
|
|
|
- ఐచ్ఛిక స్కెచ్నోట్
|
|
- ఐచ్ఛిక అదనపు వీడియో
|
|
- వీడియో వాక్థ్రూ (కొన్ని పాఠాల్లో మాత్రమే)
|
|
- [క్లాసు ముందు వార్మప్ క్విజ్](https://ff-quizzes.netlify.app/en/ml/)
|
|
- రాయబడిన పాఠం
|
|
- ప్రాజెక్ట్-ఆధారిత పాఠాల కొరకు, ప్రాజెక్టు నిర్మాణం ఎలా చేయాలో దశల వారీ మార్గదర్శకాలు
|
|
- నాలెడ్జ్ చెక్స్
|
|
- సవాలు
|
|
- అదనపు పఠనం
|
|
- అసైన్మెంట్
|
|
- [క్లాసు తర్వాత క్విజ్](https://ff-quizzes.netlify.app/en/ml/)
|
|
> **భాషల గురించి ఒక గమనిక**: ఈ పాఠాలు ప్రధానంగా Python లో రాయబడ్డాయి, కానీ చాలా పాఠాలు R లో కూడా అందుబాటులో ఉన్నాయి. ఒక R పాఠం పూర్తి చేయడానికి, `/solution` ఫోల్డర్ కి వెళ్లి R పాఠాలను చూడండి. అవి .rmd ఎక్స్టెన్షన్ కలిగి ఉంటాయి, ఇది **R Markdown** ఫైల్ను సూచిస్తుంది, ఇది `code chunks` (R లేదా ఇతర భాషల కోడ్) మరియు `YAML header` (PDF వంటి అవుట్పుట్లను ఎలా ఫార్మాట్ చేయాలో మార్గనిర్దేశం చేసే) ని `Markdown డాక్యుమెంట్` లో చేర్చినట్టుగా నిర్వచించవచ్చు. అందువల్ల, ఇది డేటా సైన్స్ కోసం ఒక నమూనా రచనా ఫ్రేమ్వర్క్గా పనిచేస్తుంది, ఎందుకంటే ఇది మీ కోడ్, దాని అవుట్పుట్ మరియు మీ ఆలోచనలు Markdown లో వ్రాయడాన్ని మిళితం చేయడానికి అనుమతిస్తుంది. అదేవిధంగా, R Markdown డాక్యుమెంట్లు PDF, HTML లేదా Word వంటి అవుట్పుట్ ఫార్మాట్లకు రేండర్ చేయబడవచ్చు.
|
|
|
|
> **క్విజ్ల గురించి ఒక గమనిక**: అన్ని క్విజ్లు [Quiz App ఫోల్డర్](../../quiz-app) లో ఉన్నాయి, మొత్తం 52 క్వజ్లు, ప్రతి ఒక్కటి 3 ప్రశ్నలతో. అవి పాఠాల నుండి లింక్ చేయబడ్డాయి కానీ క్విజ్ యాప్ స్థానికంగా నడిపించవచ్చు; స్థానికంగా హోస్ట్ చేయడానికి లేదా Azureకి పంపడానికి `quiz-app` ఫోల్డర్ లోని సూచనలను అనుసరించండి.
|
|
|
|
| పాఠం సంఖ్య | విషయం | పాఠ సమూహం | అభ్యసన లక్ష్యాలు | లింక్ చేసిన పాఠం | రచయిత |
|
|
| :---------: | :--------------------------------------------------------------: | :----------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------ | :------------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
| 01 | మెషీన్ లెర్నింగ్ పరిచయం | [పరిచయం](1-Introduction/README.md) | మెషీన్ లెర్నింగ్ ప్రధాన సూత్రాలు తెలియజుకోండి | [పాఠం](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
| 02 | మెషీన్ లెర్నింగ్ చరిత్ర | [పరిచయం](1-Introduction/README.md) | ఈ రంగం వెనుక చరిత్ర తెలుసుకోండి | [పాఠం](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
|
|
| 03 | న్యాయమైనతనం మరియు మెషీన్ లెర్నింగ్ | [పరిచయం](1-Introduction/README.md) | ML మోడల్స్ నిర్మించేటప్పుడు మరియు అన్వయించేటప్పుడు విద్యార్థులు పరిగణించాల్సిన న్యాయమైనతనంపై ముఖ్య తార్కిక సమస్యలు ఏమిటి? | [పాఠం](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
| 04 | మెషీన్ లెర్నింగ్ సాంకేతికతలు | [పరిచయం](1-Introduction/README.md) | ML పరిశోధకులు ఏ సాంకేతికతలను ఉపయోగించి ML మోడల్స్ నిర్మిస్తారు? | [పాఠం](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
|
|
| 05 | రెగ్రెషన్ పరిచయం | [రెగ్రెషన్](2-Regression/README.md) | Python మరియు Scikit-learn తో రెగ్రెషన్ మోడల్స్ ప్రారంభించుకోండి | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
|
|
| 06 | ఉత్తర అమెరికా కూరగాయల ధరలు 🎃 | [రెగ్రెషన్](2-Regression/README.md) | ML కోసం డేటాను దృశ్యీకరించి, శుభ్రపరుచండి | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
|
|
| 07 | ఉత్తర అమెరికా కూరగాయల ధరలు 🎃 | [రెగ్రెషన్](2-Regression/README.md) | రేఖీయ మరియు పాలినామియల్ రెగ్రెషన్ మోడల్స్ నిర్మించండి | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
|
|
| 08 | ఉత్తర అమెరికా కూరగాయల ధరలు 🎃 | [రెగ్రెషన్](2-Regression/README.md) | లాజిస్టిక్ రెగ్రెషన్ మోడల్ నిర్మించండి | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
|
|
| 09 | వెబ్ యాప్ 🔌 | [వెబ్ యాప్](3-Web-App/README.md) | మీ శిక్షణ పొందిన మోడల్ ఉపయోగించడానికి వెబ్ యాప్ నిర్మించండి | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
| 10 | వర్గీకరణ పరిచయం | [వర్గీకరణ](4-Classification/README.md) | మీ డేటాను శుభ్రం చేసి, సన్నాహాలు చేసి, దృశ్యీకరించండి; వర్గీకరణ పరిచయం | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
|
|
| 11 | ఆసియాన్ మరియు భారతీయ వంటకాలు 🍜 | [వర్గీకరణ](4-Classification/README.md) | వర్గీకరణరాలు పరిచయం | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau |
|
|
| 12 | ఆసియాన్ మరియు భారతీయ వంటకాలు 🍜 | [వర్గీకరణ](4-Classification/README.md) | అదనపు వర్గీకరణరాలు | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau |
|
|
| 13 | ఆసియాన్ మరియు భారతీయ వంటకాలు 🍜 | [వర్గీకరణ](4-Classification/README.md) | మీ మోడల్ ఉపయోగించి సిఫార్సు వెబ్ యాప్ నిర్మించండి | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
| 14 | క్లస్టరింగ్ పరిచయం | [క్లస్టరింగ్](5-Clustering/README.md) | మీరు డేటాను శుభ్రపరించి, సన్నాహాలు చేసి, దృశ్యీకరించండి; క్లస్టరింగ్ పరిచయం | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
|
|
| 15 | నైజీరియన్ సంగీత రుచులు అధ్యయనం 🎧 | [క్లస్టరింగ్](5-Clustering/README.md) | K-Means క్లస్టరింగ్ పద్ధతిని పరిశీలించండి | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
|
|
| 16 | సహజ భాషా ప్రాసెసింగ్ పరిచయం ☕️ | [సహజ భాషా ప్రాసెసింగ్](6-NLP/README.md) | ఒక సులభమైన బాట్ ని నిర్మించడం ద్వారా NLP యొక్క మౌలికాలు నేర్చుకోండి | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
| 17 | సాధారణ NLP పనులు ☕️ | [సహజ భాషా ప్రాసెసింగ్](6-NLP/README.md) | భాషా నిర్మాణాలతో పని చేయడంలో అవసరమైన సాధారణ పనులను అర్థం చేసుకుని మీ NLP జ్ఞానాన్ని మన్నకించుకోండి | [Python](6-NLP/2-Tasks/README.md) | Stephen |
|
|
| 18 | అనువాదం మరియు భావ విశ్లేషణ ♥️ | [సహజ భాషా ప్రాసెసింగ్](6-NLP/README.md) | జెయిన్ ఆస్టియన్ తో అనువాదం మరియు భావ విశ్లేషణ | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
|
|
| 19 | యూరప్ రొమాంటిక్ హోటల్స్ ♥️ | [సహజ భాషా ప్రాసెసింగ్](6-NLP/README.md) | హోటల్ సమీక్షలతో భావ విశ్లేషణ 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
|
|
| 20 | యూరప్ రొమాంటిక్ హోటల్స్ ♥️ | [సహజ భాషా ప్రాసెసింగ్](6-NLP/README.md) | హోటల్ సమీక్షలతో భావ విశ్లేషణ 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
|
|
| 21 | టైం సిరీస్ ఫోర్కాస్టింగ్ పరిచయం | [టైం సిరీస్](7-TimeSeries/README.md) | టైం సిరీస్ ఫోర్కాస్టింగ్ పరిచయం | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
|
|
| 22 | ⚡️ ప్రపంచ విద్యుత్ వినియోగం ⚡️ - ARIMA తో టైం సిరీస్ ఫోర్కాస్టింగ్ | [టైం సిరీస్](7-TimeSeries/README.md) | ARIMA తో టైం సిరీస్ ఫోర్కాస్టింగ్ | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
| 23 | ⚡️ ప్రపంచ విద్యుత్ వినియోగం ⚡️ - SVR తో టైం సిరీస్ ఫోర్కాస్టింగ్ | [టైం సిరీస్](7-TimeSeries/README.md) | సపోర్ట్ వెక్టర్ రిగ్రెసర్ తో టైం సిరీస్ ఫోర్కాస్టింగ్ | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
|
|
| 24 | రీఫోర్స్మెంట్ లెర్నింగ్ పరిచయం | [రిఫోర్స్మెంట్ లెర్నింగ్](8-Reinforcement/README.md) | Q-లెర్నింగ్ తో రీఫోర్స్మెంట్ లెర్నింగ్ పరిచయం | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
|
|
| 25 | పీటర్ను ఆకాశపురుగుల నుండి రక్షించండి! 🐺 | [రిఫోర్స్మెంట్ లెర్నింగ్](8-Reinforcement/README.md) | రీఫోర్స్మెంట్ లెర్నింగ్ జిమ్ | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
| అదికారిక | వాస్తవిక ML పరిస్థితులు మరియు అనువర్తనలు | [స్థలంలో ML](9-Real-World/README.md) | క్లాసికల్ ML యొక్క ఆసక్తికరమైన, పరిశీలనీయమైన వాస్తవిక అనువర్తనలు | [పాఠం](9-Real-World/1-Applications/README.md) | టీమ్ |
|
|
| అదికారిక | RAI డ్యాష్బోర్డ్ ఉపయోగించి ML లో మోడల్ డీబగింగ్ | [స్థలంలో ML](9-Real-World/README.md) | రిస్పాన్సిబుల్ AI డ్యాష్బోర్డ్ భాగాలతో మెషీన్ లెర్నింగ్ లో మోడల్ డీబగింగ్ | [పాఠం](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
> [ఈ కోర్సు కోసం అన్ని అదనపు వనరులను మా Microsoft Learn సేకరణలో కనుగొనండి](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
## ఆఫ్లైన్ యాక్సెస్
|
|
|
|
[Docsify](https://docsify.js.org/#/) ఉపయోగించి మీరు ఈ డాక్యుమెంటేషన్ని ఆఫ్లైన్లో నడపవచ్చు. ఈ రిపోని Fork చేసి, మీ స్థానిక యంత్రంలో [Docsify ని ఇన్స్టాల్](https://docsify.js.org/#/quickstart) చేసుకోండి, అనంతరం ఈ రిపో యొక్క రూట్ ఫోల్డర్లో `docsify serve` అని టైప్ చేయండి. వెబ్సైట్ మీ స్థానిక 3000 పోర్ట్పై అందుబాటులో ఉంటుంది: `localhost:3000`.
|
|
|
|
## PDFs
|
|
|
|
కురిక్యులం యొక్క PDF లింకులతో [ఇక్కడ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) పొందండి.
|
|
|
|
## 🎒 ఇతర కోర్సులు
|
|
|
|
మా జట్టు ఇతర కోర్సులు రూపొందిస్తుంది! చూడండి:
|
|
|
|
<!-- 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)
|
|
|
|
---
|
|
|
|
### Generative AI Series
|
|
[](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)
|
|
|
|
---
|
|
|
|
### Core Learning
|
|
[](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)
|
|
|
|
---
|
|
|
|
### Copilot Series
|
|
[](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 -->
|
|
|
|
## సహాయం పొందడం
|
|
|
|
మీరు 머신 లెర్నింగ్ నేర్చుకుంటుండగా లేదా AI యాప్లను నిర్మిస్తుండగా ఏదైనా చిక్కుల్లో పడితే, కబడగొట్టకండి — సహాయం అందుబాటులో ఉంది.
|
|
|
|
మీరు ఇతర శిక్షణార్థులు మరియు డెవలపర్లతో చర్చలకు చేరొచ్చు, ప్రశ్నలు అడగొచ్చు మరియు సమాజంతో మీ ఆలోచనలను పంచుకోవచ్చు.
|
|
|
|
- ప్రశ్నలు అడగడానికి మరియు ఇతరులతో కలిసి తెలుసుకోవడానికి సమాజంలో చేరండి
|
|
- 머신 లెర్నింగ్ ఆలోచనల గురించి చర్చించండి మరియు ప్రాజెక్ట్ ఆలోచనలను పంచుకోండి
|
|
- అనుభవజ్ఞులైన డెవలపర్ల నుండి మార్గదర్శనం పొందండి
|
|
|
|
మద్దతుగా ఉన్న సమాజం మీ నైపుణ్యాలను మెరుగుపరచడానికి మరియు సమస్యలను త్వరగా పరిష్కరించడానికి మంచి మార్గం.
|
|
|
|
[Microsoft Foundry Discord Community](https://discord.gg/nTYy5BXMWG)
|
|
|
|
మీరు బగ్స్, లోపాలు లేదా మెరుగుదల సూచనలు ఎదుర్కుంటే, ఈ రిపాజిటరీలో **Issue** ఓపెన్ చేసి సమస్యను తెలియజేయండి.
|
|
|
|
ఉత్పత్తి అభిప్రాయానికిగాని లేదా ఉన్న సమాజ పోస్టులను శోధించడానికి, డెవలపర్ ఫోరమ్ను సందర్శించండి:
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
## అదనపు అభ్యాస సూచనలు
|
|
|
|
- ప్రతీ పాఠం తర్వతో నోట్బుక్స్ని సమీక్షించండి మరింత బాగా అర్థం చేసుకోవడానికి.
|
|
- స్వయంగా ఆల్గోరిథమ్లను అమలు చేయడం సాధన చేయండి.
|
|
- నేర్చుకున్న భావనలని నిజ జీవిత డేటాసెట్లపై అన్వేషించండి.
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**అస్పష్టత**:
|
|
ఈ డాక్యూమెంట్ AI అనువాద సేవ [Co-op Translator](https://github.com/Azure/co-op-translator) ఉపయోగించి అనువదించబడింది. ఖచ్చితత్వానికి మేము ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాలలో తప్పులు లేదా అపరిగణనలుండవచ్చు. అసలు డాక్యూమెంట్ మాతృభాషలో ఉన్నదే అధికారం కలిగిన మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం అవసరం. ఈ అనువాద్వారా ఏర్పడిన ఏమైనా అర్థం తప్పులు లేదా అపార్థీకరణకు మేము బాధ్యత వహించము.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |