ML-For-Beginners/translations/ne

🌐 बहुभाषी समर्थन

GitHub Action मार्फत समर्थित (स्वचालित र सधैं अद्यावधिक)

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

समुदायमा सामेल हुनुहोस्

मेसिन लर्निङको लागि शुरुआती - पाठ्यक्रम

🌍 विश्व संस्कृतिहरूको माध्यमबाट मेसिन लर्निङको अन्वेषण गर्दै 🌍

Microsoft का Cloud Advocates ले मेसिन लर्निङ सम्बन्धी १२ हप्ताको, २६ पाठको पाठ्यक्रम प्रस्तुत गर्न पाउँदा खुशी छन्। यस पाठ्यक्रममा, तपाईंले प्रायः Scikit-learn लाई पुस्तकालयको रूपमा प्रयोग गर्दै क्लासिक मेसिन लर्निङ भनेर चिनिने विषयको बारेमा सिक्नुहुनेछ। गहिरो सिकाइ (Deep Learning) भने हाम्रो AI for Beginners' पाठ्यक्रम मा समेटिएको छ। यसलाई हाम्रो 'Data Science for Beginners' पाठ्यक्रम सँग पनि जोड्न सकिन्छ।

हामीसँग विश्वभर यात्रा गर्नुहोस्, जहाँ हामी यी क्लासिक प्रविधिहरूलाई विभिन्न क्षेत्रहरूको डाटामा लागू गर्छौं। प्रत्येक पाठमा पाठ अघि र पछि क्विजहरू, पाठ पूरा गर्नका लागि लिखित निर्देशनहरू, समाधान, असाइनमेन्ट, र थप सामग्री समावेश छन्। हाम्रो परियोजना-आधारित शिक्षण विधिले तपाईंलाई निर्माण गर्दै सिक्न अनुमति दिन्छ, नयाँ सीपहरू 'टिक्न' को लागि प्रमाणित तरिका।

✍️ हाम्रो लेखकहरूलाई हार्दिक धन्यवाद Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu र Amy Boyd

🎨 हाम्रो चित्रकारहरूलाई पनि धन्यवाद Tomomi Imura, Dasani Madipalli, र Jen Looper

🙏 विशेष धन्यवाद 🙏 Microsoft Student Ambassador लेखकहरू, समीक्षकहरू, र सामग्री योगदानकर्ताहरूलाई, विशेष गरी Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, र Snigdha Agarwal

🤩 अतिरिक्त आभार Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, र Vidushi Gupta लाई हाम्रो R पाठहरूको लागि!

सुरु गर्दै

यी चरणहरू पालना गर्नुहोस्:

1. रिपोजिटरीलाई Fork गर्नुहोस्: यस पृष्ठको माथि-दायाँ कुनामा रहेको "Fork" बटनमा क्लिक गर्नुहोस्।
2. रिपोजिटरीलाई Clone गर्नुहोस्: git clone https://github.com/microsoft/ML-For-Beginners.git

यस पाठ्यक्रमका लागि सबै अतिरिक्त स्रोतहरू हाम्रो Microsoft Learn संग्रहमा फेला पार्नुहोस्

विद्यार्थीहरू, यस पाठ्यक्रमलाई प्रयोग गर्न, सम्पूर्ण रिपोजिटरीलाई आफ्नो GitHub खातामा Fork गर्नुहोस् र अभ्यासहरू व्यक्तिगत रूपमा वा समूहमा पूरा गर्नुहोस्:

• पाठ अघि क्विजबाट सुरु गर्नुहोस्।
• पाठ पढ्नुहोस् र गतिविधिहरू पूरा गर्नुहोस्, प्रत्येक ज्ञान जाँचमा रोक्दै र विचार गर्दै।
• पाठहरू बुझेर परियोजनाहरू सिर्जना गर्न प्रयास गर्नुहोस्; समाधान कोड चलाउनुभन्दा, तर त्यो कोड /solution फोल्डरहरूमा उपलब्ध छ।
• पाठ पछि क्विज लिनुहोस्।
• चुनौती पूरा गर्नुहोस्।
• असाइनमेन्ट पूरा गर्नुहोस्।
• पाठ समूह पूरा गरेपछि, Discussion Board मा जानुहोस् र "सार्वजनिक रूपमा सिक्नुहोस्" उपयुक्त PAT रब्रीक भरेर। PAT भनेको प्रगति मूल्यांकन उपकरण हो जुन तपाईंले आफ्नो सिकाइलाई अगाडि बढाउन भर्नुहुन्छ। तपाईं अन्य PAT हरूमा प्रतिक्रिया दिन सक्नुहुन्छ ताकि हामी सँगै सिक्न सकौं।

थप अध्ययनको लागि, हामी यी Microsoft Learn मोड्युलहरू र सिकाइ मार्गहरू अनुसरण गर्न सिफारिस गर्छौं।

शिक्षकहरू, हामीले केही सुझावहरू समावेश गरेका छौं यस पाठ्यक्रमलाई कसरी प्रयोग गर्ने।

---

भिडियो वाकथ्रूहरू

केही पाठहरू छोटो भिडियोको रूपमा उपलब्ध छन्। तपाईं यी सबै पाठहरूमा इन-लाइन फेला पार्न सक्नुहुन्छ, वा Microsoft Developer YouTube च्यानलमा ML for Beginners प्लेलिस्ट मा क्लिक गरेर।

---

टिमलाई भेट्नुहोस्

Gif द्वारा Mohit Jaisal

🎥 माथिको छवि क्लिक गरेर परियोजना र यसलाई सिर्जना गर्ने व्यक्तिहरूको बारेमा भिडियो हेर्नुहोस्!

---

शिक्षण विधि

हामीले यो पाठ्यक्रम निर्माण गर्दा दुई शिक्षण विधिहरू रोजेका छौं: यसलाई परियोजना-आधारित बनाउने र यसमा बारम्बार क्विजहरू समावेश गर्ने। साथै, यो पाठ्यक्रममा एक सामान्य थिम छ जसले यसलाई एकता प्रदान गर्दछ।

सामग्री परियोजनासँग मेल खाने सुनिश्चित गरेर, प्रक्रिया विद्यार्थीहरूका लागि थप आकर्षक बनाइन्छ र अवधारणाहरूको सम्झना बढाइन्छ। साथै, कक्षाको अघि कम-जोखिमको क्विजले विद्यार्थीलाई विषय सिक्नको लागि ध्यान केन्द्रित गराउँछ, जबकि कक्षापछि दोस्रो क्विजले थप सम्झना सुनिश्चित गर्दछ। यो पाठ्यक्रम लचिलो र रमाइलो बनाउन डिजाइन गरिएको हो र पूर्ण वा आंशिक रूपमा लिन सकिन्छ। परियोजनाहरू साना सुरु हुन्छन् र १२ हप्ताको चक्रको अन्त्यसम्ममा क्रमशः जटिल बन्छन्। यो पाठ्यक्रमले ML को वास्तविक-विश्व अनुप्रयोगहरूमा पोस्टस्क्रिप्ट पनि समावेश गर्दछ, जसलाई अतिरिक्त क्रेडिटको रूपमा वा छलफलको आधारको रूपमा प्रयोग गर्न सकिन्छ।

हाम्रो Code of Conduct, Contributing, र Translation दिशानिर्देशहरू फेला पार्नुहोस्। हामी तपाईंको रचनात्मक प्रतिक्रिया स्वागत गर्दछौं!

प्रत्येक पाठमा समावेश छ

• वैकल्पिक स्केच नोट
• वैकल्पिक पूरक भिडियो
• भिडियो वाकथ्रू (केही पाठहरू मात्र)
• पाठ अघि वार्मअप क्विज
• लिखित पाठ
• परियोजना-आधारित पाठहरूको लागि, परियोजना निर्माण गर्ने चरण-दर-चरण मार्गदर्शन
• ज्ञान जाँच
• चुनौती
• पूरक पढाइ
• असाइनमेन्ट
• पाठ पछि क्विज

भाषाहरूको बारेमा नोट: यी पाठहरू मुख्य रूपमा Python मा लेखिएका छन्, तर धेरै R मा पनि उपलब्ध छन्। R पाठ पूरा गर्न, /solution फोल्डरमा जानुहोस् र R पाठहरू खोज्नुहोस्। तिनीहरूमा .rmd एक्सटेन्सन समावेश छ जसले R Markdown फाइललाई प्रतिनिधित्व गर्दछ।

क्विजहरूको बारेमा नोट: सबै क्विजहरू Quiz App फोल्डर मा समावेश छन्, कुल ५२ क्विजहरू तीन प्रश्नहरू सहित। तिनीहरू पाठहरूबाट लिंक गरिएका छन् तर क्विज एपलाई स्थानीय रूपमा चलाउन सकिन्छ; quiz-app फोल्डरमा निर्देशन पालना गरेर स्थानीय रूपमा होस्ट गर्नुहोस् वा Azure मा तैनात गर्नुहोस्।

पाठ संख्या	विषय	पाठ समूह	सिकाइ उद्देश्य	लिंक गरिएको पाठ	लेखक
01	मेसिन लर्निङको परिचय	परिचय	मेसिन लर्निङको आधारभूत अवधारणाहरू सिक्नुहोस्	पाठ	Muhammad
02	मेसिन लर्निङको इतिहास	परिचय	यस क्षेत्रको अन्तर्निहित इतिहास सिक्नुहोस्	पाठ	Jen र Amy
03	मेसिन लर्निङ र निष्पक्षता	परिचय	विद्यार्थीहरूले ML मोडेलहरू निर्माण र लागू गर्दा विचार गर्नुपर्ने निष्पक्षता सम्बन्धी महत्त्वपूर्ण दार्शनिक मुद्दाहरू के हुन्?	पाठ	Tomomi
04	मेसिन लर्निङका प्रविधिहरू	Introduction	मेसिन लर्निङ मोडेल बनाउन अनुसन्धानकर्ताहरूले कुन प्रविधिहरू प्रयोग गर्छन्?	Lesson	क्रिस र जेन
05	रिग्रेसनको परिचय	Regression	रिग्रेसन मोडेलका लागि Python र Scikit-learn प्रयोग गर्न सुरु गर्नुहोस्	Python • R	जेन • एरिक वान्जाउ
06	उत्तर अमेरिकी कद्दूको मूल्य 🎃	Regression	मेसिन लर्निङको तयारीका लागि डेटा भिजुअलाइज र सफा गर्नुहोस्	Python • R	जेन • एरिक वान्जाउ
07	उत्तर अमेरिकी कद्दूको मूल्य 🎃	Regression	रेखीय र बहुपद रिग्रेसन मोडेल बनाउनुहोस्	Python • R	जेन र दिमित्री • एरिक वान्जाउ
08	उत्तर अमेरिकी कद्दूको मूल्य 🎃	Regression	एक लोगोस्टिक रिग्रेसन मोडेल बनाउनुहोस्	Python • R	जेन • एरिक वान्जाउ
09	वेब एप्लिकेसन 🔌	Web App	तपाईंको प्रशिक्षित मोडेल प्रयोग गर्न वेब एप्लिकेसन बनाउनुहोस्	Python	जेन
10	वर्गीकरणको परिचय	Classification	तपाईंको डेटा सफा गर्नुहोस्, तयार गर्नुहोस्, र भिजुअलाइज गर्नुहोस्; वर्गीकरणको परिचय	Python • R	जेन र क्यासी • एरिक वान्जाउ
11	स्वादिष्ट एशियाली र भारतीय परिकार 🍜	Classification	वर्गीकरणकर्ताहरूको परिचय	Python • R	जेन र क्यासी • एरिक वान्जाउ
12	स्वादिष्ट एशियाली र भारतीय परिकार 🍜	Classification	थप वर्गीकरणकर्ताहरू	Python • R	जेन र क्यासी • एरिक वान्जाउ
13	स्वादिष्ट एशियाली र भारतीय परिकार 🍜	Classification	तपाईंको मोडेल प्रयोग गरेर एक सिफारिसकर्ता वेब एप्लिकेसन बनाउनुहोस्	Python	जेन
14	क्लस्टरिङको परिचय	Clustering	तपाईंको डेटा सफा गर्नुहोस्, तयार गर्नुहोस्, र भिजुअलाइज गर्नुहोस्; क्लस्टरिङको परिचय	Python • R	जेन • एरिक वान्जाउ
15	नाइजेरियाली संगीत स्वादहरूको अन्वेषण 🎧	Clustering	के-मीन्स क्लस्टरिङ विधिको अन्वेषण	Python • R	जेन • एरिक वान्जाउ
16	प्राकृतिक भाषा प्रशोधनको परिचय ☕️	Natural language processing	एक साधारण बोट बनाएर NLP को आधारभूत कुरा सिक्नुहोस्	Python	स्टेफन
17	सामान्य NLP कार्यहरू ☕️	Natural language processing	भाषागत संरचनाहरूको सामना गर्दा आवश्यक पर्ने सामान्य कार्यहरू बुझेर तपाईंको NLP ज्ञानलाई गहिरो बनाउनुहोस्	Python	स्टेफन
18	अनुवाद र भावना विश्लेषण ♥️	Natural language processing	जेन अस्टेनसँग अनुवाद र भावना विश्लेषण	Python	स्टेफन
19	युरोपका रोमान्टिक होटलहरू ♥️	Natural language processing	होटल समीक्षाहरूको भावना विश्लेषण १	Python	स्टेफन
20	युरोपका रोमान्टिक होटलहरू ♥️	Natural language processing	होटल समीक्षाहरूको भावना विश्लेषण २	Python	स्टेफन
21	समय श्रृंखला पूर्वानुमानको परिचय	Time series	समय श्रृंखला पूर्वानुमानको परिचय	Python	फ्रान्सेस्का
22	⚡️ विश्व ऊर्जा प्रयोग ⚡️ - ARIMA संग समय श्रृंखला पूर्वानुमान	Time series	ARIMA संग समय श्रृंखला पूर्वानुमान	Python	फ्रान्सेस्का
23	⚡️ विश्व ऊर्जा प्रयोग ⚡️ - SVR संग समय श्रृंखला पूर्वानुमान	Time series	समर्थन भेक्टर रिग्रेसर (SVR) संग समय श्रृंखला पूर्वानुमान	Python	अनिर्बान
24	सुदृढीकरण शिक्षणको परिचय	Reinforcement learning	क्यू-लर्निङको साथ सुदृढीकरण शिक्षणको परिचय	Python	दिमित्री
25	पिटरलाई ब्वाँसोबाट बचाउनुहोस्! 🐺	Reinforcement learning	सुदृढीकरण शिक्षण जिम	Python	दिमित्री
Postscript	वास्तविक संसारका ML परिदृश्य र अनुप्रयोगहरू	ML in the Wild	शास्त्रीय मेसिन लर्निङका रोचक र खुलासा गर्ने वास्तविक संसारका अनुप्रयोगहरू	Lesson	टोली
Postscript	RAI ड्यासबोर्ड प्रयोग गरेर ML मोडेल डिबगिङ	ML in the Wild	जिम्मेवार AI ड्यासबोर्ड कम्पोनेन्टहरू प्रयोग गरेर मेसिन लर्निङ मोडेल डिबगिङ	Lesson	रुथ याकुब

यस पाठ्यक्रमका सबै अतिरिक्त स्रोतहरू हाम्रो Microsoft Learn संग्रहमा फेला पार्नुहोस्

अफलाइन पहुँच

तपाईं Docsify प्रयोग गरेर यो दस्तावेज अफलाइन चलाउन सक्नुहुन्छ। यो रिपोजिटरी फोर्क गर्नुहोस्, तपाईंको स्थानीय मेसिनमा Docsify स्थापना गर्नुहोस्, र त्यसपछि यो रिपोजिटरीको रुट फोल्डरमा docsify serve टाइप गर्नुहोस्। वेबसाइट तपाईंको localhost मा पोर्ट 3000 मा सेवा गरिनेछ: localhost:3000।

PDFs

लिङ्कसहितको पाठ्यक्रमको PDF यहाँ फेला पार्नुहोस्।

🎒 अन्य पाठ्यक्रमहरू

हाम्रो टोलीले अन्य पाठ्यक्रमहरू उत्पादन गर्दछ! हेर्नुहोस्:

• Generative AI for Beginners
• Generative AI for Beginners .NET
• Generative AI with JavaScript
• Generative AI with Java
• AI for Beginners
• Data Science for Beginners
• ML for Beginners
• Cybersecurity for Beginners
• Web Dev for Beginners
• IoT for Beginners
• XR Development for Beginners
• Mastering GitHub Copilot for Paired Programming
• Mastering GitHub Copilot for C#/.NET Developers
• Choose Your Own Copilot Adventure

---

अस्वीकरण:
यो दस्तावेज़ AI अनुवाद सेवा Co-op Translator प्रयोग गरी अनुवाद गरिएको हो। हामी यथासम्भव सटीकता सुनिश्चित गर्न प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादहरूमा त्रुटिहरू वा अशुद्धताहरू हुन सक्छन्। यसको मूल भाषामा रहेको मूल दस्तावेज़लाई आधिकारिक स्रोत मानिनुपर्छ। महत्त्वपूर्ण जानकारीका लागि, व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याका लागि हामी जिम्मेवार हुने छैनौं।