|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "1dd12e0cd1de7d05f65abe07bc401c63",
|
|
|
"translation_date": "2025-09-06T18:36:05+00:00",
|
|
|
"source_file": "README.md",
|
|
|
"language_code": "ur"
|
|
|
}
|
|
|
-->
|
|
|
[](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/)
|
|
|
|
|
|
### 🌐 کثیر زبان کی حمایت
|
|
|
|
|
|
#### GitHub ایکشن کے ذریعے دستیاب (خودکار اور ہمیشہ تازہ ترین)
|
|
|
|
|
|
[French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](./README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md)
|
|
|
|
|
|
#### کمیونٹی میں شامل ہوں
|
|
|
|
|
|
[](https://discord.gg/kzRShWzttr)
|
|
|
|
|
|
# مشین لرننگ کے لیے ابتدائی رہنما - ایک نصاب
|
|
|
|
|
|
> 🌍 دنیا کے مختلف ثقافتوں کے ذریعے مشین لرننگ کو دریافت کریں 🌍
|
|
|
|
|
|
Microsoft کے Cloud Advocates نے 12 ہفتوں اور 26 اسباق پر مشتمل نصاب پیش کیا ہے جو **مشین لرننگ** کے بارے میں ہے۔ اس نصاب میں آپ **کلاسک مشین لرننگ** کے بارے میں سیکھیں گے، بنیادی طور پر Scikit-learn لائبریری کا استعمال کرتے ہوئے اور گہرے لرننگ سے گریز کرتے ہوئے، جو ہمارے [AI for Beginners' نصاب](https://aka.ms/ai4beginners) میں شامل ہے۔ ان اسباق کو ہمارے ['Data Science for Beginners' نصاب](https://aka.ms/ds4beginners) کے ساتھ جوڑیں!
|
|
|
|
|
|
ہمارے ساتھ دنیا بھر کا سفر کریں کیونکہ ہم ان کلاسک تکنیکوں کو دنیا کے مختلف علاقوں کے ڈیٹا پر لاگو کرتے ہیں۔ ہر سبق میں سبق سے پہلے اور بعد کے کوئز، تحریری ہدایات، حل، اسائنمنٹ، اور مزید شامل ہیں۔ ہمارا پروجیکٹ پر مبنی طریقہ کار آپ کو سیکھنے کے دوران تعمیر کرنے کی اجازت دیتا ہے، جو نئے مہارتوں کو مضبوط کرنے کا ایک ثابت شدہ طریقہ ہے۔
|
|
|
|
|
|
**✍️ ہمارے مصنفین کا دل سے شکریہ** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu اور Amy Boyd
|
|
|
|
|
|
**🎨 ہمارے مصوروں کا بھی شکریہ** Tomomi Imura, Dasani Madipalli, اور Jen Looper
|
|
|
|
|
|
**🙏 خاص شکریہ 🙏 ہمارے Microsoft Student Ambassador مصنفین، جائزہ لینے والوں، اور مواد کے تعاون کرنے والوں کا**، خاص طور پر Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, اور Snigdha Agarwal
|
|
|
|
|
|
**🤩 اضافی شکریہ Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, اور Vidushi Gupta کو ہمارے R اسباق کے لیے!**
|
|
|
|
|
|
# شروع کریں
|
|
|
|
|
|
ان مراحل پر عمل کریں:
|
|
|
1. **ریپوزیٹری کو فورک کریں**: اس صفحے کے اوپر دائیں کونے میں "Fork" بٹن پر کلک کریں۔
|
|
|
2. **ریپوزیٹری کو کلون کریں**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
|
|
|
|
|
|
> [اس کورس کے لیے تمام اضافی وسائل ہماری Microsoft Learn کلیکشن میں تلاش کریں](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
|
|
**[طلباء](https://aka.ms/student-page)**، اس نصاب کو استعمال کرنے کے لیے، پورے ریپوزیٹری کو اپنے GitHub اکاؤنٹ میں فورک کریں اور مشقیں خود یا گروپ کے ساتھ مکمل کریں:
|
|
|
|
|
|
- سبق سے پہلے کوئز شروع کریں۔
|
|
|
- سبق پڑھیں اور سرگرمیاں مکمل کریں، ہر علم کی جانچ پر توقف کریں اور غور کریں۔
|
|
|
- اسباق کو سمجھ کر پروجیکٹس بنانے کی کوشش کریں بجائے اس کے کہ حل کوڈ چلائیں؛ تاہم وہ کوڈ `/solution` فولڈرز میں دستیاب ہے۔
|
|
|
- سبق کے بعد کوئز لیں۔
|
|
|
- چیلنج مکمل کریں۔
|
|
|
- اسائنمنٹ مکمل کریں۔
|
|
|
- سبق گروپ مکمل کرنے کے بعد، [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) پر جائیں اور "بلند آواز میں سیکھیں" PAT rubric کو بھر کر۔ ایک 'PAT' ایک Progress Assessment Tool ہے جو آپ کو اپنی سیکھنے کو مزید آگے بڑھانے کے لیے بھرنا ہوتا ہے۔ آپ دوسرے PATs پر ردعمل بھی دے سکتے ہیں تاکہ ہم مل کر سیکھ سکیں۔
|
|
|
|
|
|
> مزید مطالعہ کے لیے، ہم ان [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) ماڈیولز اور سیکھنے کے راستے کی پیروی کرنے کی سفارش کرتے ہیں۔
|
|
|
|
|
|
**اساتذہ**، ہم نے [کچھ تجاویز شامل کی ہیں](for-teachers.md) کہ اس نصاب کو کیسے استعمال کریں۔
|
|
|
|
|
|
---
|
|
|
|
|
|
## ویڈیو واک تھرو
|
|
|
|
|
|
کچھ اسباق مختصر ویڈیو کی شکل میں دستیاب ہیں۔ آپ ان سب کو اسباق میں یا [Microsoft Developer YouTube چینل پر ML for Beginners پلے لسٹ](https://aka.ms/ml-beginners-videos) پر دیکھ سکتے ہیں۔
|
|
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
|
|
---
|
|
|
|
|
|
## ٹیم سے ملاقات کریں
|
|
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
|
|
**Gif by** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
|
|
> 🎥 اوپر دی گئی تصویر پر کلک کریں تاکہ پروجیکٹ اور اسے بنانے والے افراد کے بارے میں ویڈیو دیکھ سکیں!
|
|
|
|
|
|
---
|
|
|
|
|
|
## تدریسی طریقہ کار
|
|
|
|
|
|
ہم نے اس نصاب کو بناتے وقت دو تدریسی اصولوں کا انتخاب کیا ہے: یہ یقینی بنانا کہ یہ **پروجیکٹ پر مبنی** ہے اور اس میں **بار بار کوئز** شامل ہیں۔ اس کے علاوہ، اس نصاب میں ایک عام **موضوع** شامل ہے تاکہ اسے ہم آہنگ بنایا جا سکے۔
|
|
|
|
|
|
یہ یقینی بنا کر کہ مواد پروجیکٹس کے ساتھ ہم آہنگ ہے، عمل کو طلباء کے لیے زیادہ دلچسپ بنایا گیا ہے اور تصورات کی یادداشت کو بڑھایا گیا ہے۔ اس کے علاوہ، کلاس سے پہلے ایک کم دباؤ والا کوئز طلباء کو ایک موضوع سیکھنے کی طرف متوجہ کرتا ہے، جبکہ کلاس کے بعد دوسرا کوئز مزید یادداشت کو یقینی بناتا ہے۔ یہ نصاب لچکدار اور تفریحی بنایا گیا ہے اور اسے مکمل یا جزوی طور پر لیا جا سکتا ہے۔ پروجیکٹس چھوٹے سے شروع ہوتے ہیں اور 12 ہفتوں کے اختتام تک بتدریج پیچیدہ ہو جاتے ہیں۔ اس نصاب میں مشین لرننگ کے حقیقی دنیا کے اطلاقات پر ایک پوسٹ اسکرپٹ بھی شامل ہے، جسے اضافی کریڈٹ کے طور پر یا بحث کی بنیاد کے طور پر استعمال کیا جا سکتا ہے۔
|
|
|
|
|
|
> ہمارا [Code of Conduct](CODE_OF_CONDUCT.md)، [Contributing](CONTRIBUTING.md)، اور [Translation](TRANSLATIONS.md) رہنما تلاش کریں۔ ہم آپ کی تعمیری رائے کا خیر مقدم کرتے ہیں!
|
|
|
|
|
|
## ہر سبق میں شامل ہیں
|
|
|
|
|
|
- اختیاری اسکیچ نوٹ
|
|
|
- اختیاری اضافی ویڈیو
|
|
|
- ویڈیو واک تھرو (کچھ اسباق میں)
|
|
|
- [سبق سے پہلے وارم اپ کوئز](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
- تحریری سبق
|
|
|
- پروجیکٹ پر مبنی اسباق کے لیے، پروجیکٹ بنانے کے مرحلہ وار رہنما
|
|
|
- علم کی جانچ
|
|
|
- ایک چیلنج
|
|
|
- اضافی مطالعہ
|
|
|
- اسائنمنٹ
|
|
|
- [سبق کے بعد کوئز](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
|
|
> **زبانوں کے بارے میں نوٹ**: یہ اسباق بنیادی طور پر Python میں لکھے گئے ہیں، لیکن بہت سے R میں بھی دستیاب ہیں۔ R سبق مکمل کرنے کے لیے، `/solution` فولڈر میں جائیں اور R اسباق تلاش کریں۔ ان میں .rmd ایکسٹینشن شامل ہے جو **R Markdown** فائل کی نمائندگی کرتا ہے، جسے `Markdown دستاویز` میں `کوڈ چنکس` (R یا دیگر زبانوں کے) اور `YAML ہیڈر` (جو آؤٹ پٹ فارمیٹس جیسے PDF کو فارمیٹ کرنے کی رہنمائی کرتا ہے) کے طور پر بیان کیا جا سکتا ہے۔ اس طرح، یہ ڈیٹا سائنس کے لیے ایک مثالی تصنیفی فریم ورک کے طور پر کام کرتا ہے کیونکہ یہ آپ کو اپنے کوڈ، اس کے آؤٹ پٹ، اور اپنے خیالات کو Markdown میں لکھنے کی اجازت دیتا ہے۔ مزید برآں، R Markdown دستاویزات کو PDF، HTML، یا Word جیسے آؤٹ پٹ فارمیٹس میں رینڈر کیا جا سکتا ہے۔
|
|
|
|
|
|
> **کوئز کے بارے میں نوٹ**: تمام کوئز [Quiz App فولڈر](../../quiz-app) میں موجود ہیں، کل 52 کوئز، ہر ایک میں تین سوالات۔ یہ اسباق کے اندر سے لنک کیے گئے ہیں لیکن کوئز ایپ کو مقامی طور پر چلایا جا سکتا ہے؛ `quiz-app` فولڈر میں ہدایات پر عمل کریں تاکہ اسے مقامی طور پر ہوسٹ کریں یا Azure پر تعینات کریں۔
|
|
|
|
|
|
| سبق نمبر | موضوع | سبق گروپنگ | سیکھنے کے مقاصد | لنک شدہ سبق | مصنف |
|
|
|
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
|
| 01 | مشین لرننگ کا تعارف | [تعارف](1-Introduction/README.md) | مشین لرننگ کے بنیادی تصورات سیکھیں | [سبق](1-Introduction/1-intro-to-ML/README.md) | محمد |
|
|
|
| 02 | مشین لرننگ کی تاریخ | [تعارف](1-Introduction/README.md) | اس میدان کے پیچھے کی تاریخ سیکھیں | [سبق](1-Introduction/2-history-of-ML/README.md) | جین اور ایمی |
|
|
|
| 03 | مشین لرننگ اور انصاف | [تعارف](1-Introduction/README.md) | وہ اہم فلسفیانہ مسائل کیا ہیں جو طلباء کو مشین لرننگ ماڈلز بناتے اور لاگو کرتے وقت غور کرنا چاہیے؟ | [سبق](1-Introduction/3-fairness/README.md) | ٹومومی |
|
|
|
| 04 | مشین لرننگ کے لیے تکنیکیں | [Introduction](1-Introduction/README.md) | مشین لرننگ ماڈلز بنانے کے لیے محققین کون سی تکنیکیں استعمال کرتے ہیں؟ | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | کرس اور جین |
|
|
|
| 05 | ریگریشن کا تعارف | [Regression](2-Regression/README.md) | ریگریشن ماڈلز کے لیے پائتھون اور سکائی کٹ لرن کے ساتھ شروعات کریں | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | جین • ایرک وانجو |
|
|
|
| 06 | شمالی امریکہ کے کدو کی قیمتیں 🎃 | [Regression](2-Regression/README.md) | مشین لرننگ کی تیاری کے لیے ڈیٹا کو بصری بنائیں اور صاف کریں | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | جین • ایرک وانجو |
|
|
|
| 07 | شمالی امریکہ کے کدو کی قیمتیں 🎃 | [Regression](2-Regression/README.md) | لکیری اور پولینومیئل ریگریشن ماڈلز بنائیں | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | جین اور دمتری • ایرک وانجو |
|
|
|
| 08 | شمالی امریکہ کے کدو کی قیمتیں 🎃 | [Regression](2-Regression/README.md) | لاجسٹک ریگریشن ماڈل بنائیں | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | جین • ایرک وانجو |
|
|
|
| 09 | ایک ویب ایپ 🔌 | [Web App](3-Web-App/README.md) | اپنے تربیت یافتہ ماڈل کو استعمال کرنے کے لیے ایک ویب ایپ بنائیں | [Python](3-Web-App/1-Web-App/README.md) | جین |
|
|
|
| 10 | درجہ بندی کا تعارف | [Classification](4-Classification/README.md) | اپنے ڈیٹا کو صاف کریں، تیار کریں، اور بصری بنائیں؛ درجہ بندی کا تعارف | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | جین اور کیسی • ایرک وانجو |
|
|
|
| 11 | مزیدار ایشیائی اور بھارتی کھانے 🍜 | [Classification](4-Classification/README.md) | درجہ بندی کرنے والوں کا تعارف | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | جین اور کیسی • ایرک وانجو |
|
|
|
| 12 | مزیدار ایشیائی اور بھارتی کھانے 🍜 | [Classification](4-Classification/README.md) | مزید درجہ بندی کرنے والے | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | جین اور کیسی • ایرک وانجو |
|
|
|
| 13 | مزیدار ایشیائی اور بھارتی کھانے 🍜 | [Classification](4-Classification/README.md) | اپنے ماڈل کا استعمال کرتے ہوئے ایک سفارش کنندہ ویب ایپ بنائیں | [Python](4-Classification/4-Applied/README.md) | جین |
|
|
|
| 14 | کلسٹرنگ کا تعارف | [Clustering](5-Clustering/README.md) | اپنے ڈیٹا کو صاف کریں، تیار کریں، اور بصری بنائیں؛ کلسٹرنگ کا تعارف | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | جین • ایرک وانجو |
|
|
|
| 15 | نائجیریا کے موسیقی کے ذوق کی تلاش 🎧 | [Clustering](5-Clustering/README.md) | کے-میینز کلسٹرنگ طریقہ کی تلاش | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | جین • ایرک وانجو |
|
|
|
| 16 | قدرتی زبان کی پروسیسنگ کا تعارف ☕️ | [Natural language processing](6-NLP/README.md) | ایک سادہ بوٹ بنا کر NLP کے بنیادی اصول سیکھیں | [Python](6-NLP/1-Introduction-to-NLP/README.md) | اسٹیفن |
|
|
|
| 17 | عام NLP کام ☕️ | [Natural language processing](6-NLP/README.md) | زبان کے ڈھانچوں سے نمٹنے کے دوران درکار عام کاموں کو سمجھ کر اپنی NLP معلومات کو گہرا کریں | [Python](6-NLP/2-Tasks/README.md) | اسٹیفن |
|
|
|
| 18 | ترجمہ اور جذبات کا تجزیہ ♥️ | [Natural language processing](6-NLP/README.md) | جین آسٹن کے ساتھ ترجمہ اور جذبات کا تجزیہ | [Python](6-NLP/3-Translation-Sentiment/README.md) | اسٹیفن |
|
|
|
| 19 | یورپ کے رومانوی ہوٹل ♥️ | [Natural language processing](6-NLP/README.md) | ہوٹل کے جائزوں کے ساتھ جذبات کا تجزیہ 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | اسٹیفن |
|
|
|
| 20 | یورپ کے رومانوی ہوٹل ♥️ | [Natural language processing](6-NLP/README.md) | ہوٹل کے جائزوں کے ساتھ جذبات کا تجزیہ 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | اسٹیفن |
|
|
|
| 21 | وقت کے سلسلے کی پیشن گوئی کا تعارف | [Time series](7-TimeSeries/README.md) | وقت کے سلسلے کی پیشن گوئی کا تعارف | [Python](7-TimeSeries/1-Introduction/README.md) | فرانسسکا |
|
|
|
| 22 | ⚡️ دنیا کی بجلی کا استعمال ⚡️ - ARIMA کے ساتھ وقت کے سلسلے کی پیشن گوئی | [Time series](7-TimeSeries/README.md) | ARIMA کے ساتھ وقت کے سلسلے کی پیشن گوئی | [Python](7-TimeSeries/2-ARIMA/README.md) | فرانسسکا |
|
|
|
| 23 | ⚡️ دنیا کی بجلی کا استعمال ⚡️ - SVR کے ساتھ وقت کے سلسلے کی پیشن گوئی | [Time series](7-TimeSeries/README.md) | سپورٹ ویکٹر ریگریسر کے ساتھ وقت کے سلسلے کی پیشن گوئی | [Python](7-TimeSeries/3-SVR/README.md) | انربان |
|
|
|
| 24 | تقویت یافتہ لرننگ کا تعارف | [Reinforcement learning](8-Reinforcement/README.md) | کیو لرننگ کے ساتھ تقویت یافتہ لرننگ کا تعارف | [Python](8-Reinforcement/1-QLearning/README.md) | دمتری |
|
|
|
| 25 | پیٹر کو بھیڑیا سے بچائیں! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | تقویت یافتہ لرننگ جم | [Python](8-Reinforcement/2-Gym/README.md) | دمتری |
|
|
|
| Postscript | حقیقی دنیا کے مشین لرننگ کے منظرنامے اور اطلاقات | [ML in the Wild](9-Real-World/README.md) | کلاسیکل مشین لرننگ کے دلچسپ اور انکشاف کرنے والے حقیقی دنیا کے اطلاقات | [Lesson](9-Real-World/1-Applications/README.md) | ٹیم |
|
|
|
| Postscript | RAI ڈیش بورڈ کا استعمال کرتے ہوئے مشین لرننگ میں ماڈل کی ڈیبگنگ | [ML in the Wild](9-Real-World/README.md) | ذمہ دار AI ڈیش بورڈ کے اجزاء کا استعمال کرتے ہوئے مشین لرننگ میں ماڈل کی ڈیبگنگ | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | روتھ یاکوب |
|
|
|
|
|
|
> [اس کورس کے لیے تمام اضافی وسائل ہماری Microsoft Learn کلیکشن میں تلاش کریں](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
|
|
## آف لائن رسائی
|
|
|
|
|
|
آپ اس دستاویز کو آف لائن چلا سکتے ہیں [Docsify](https://docsify.js.org/#/) کا استعمال کرتے ہوئے۔ اس ریپو کو فورک کریں، [Docsify انسٹال کریں](https://docsify.js.org/#/quickstart) اپنی مقامی مشین پر، اور پھر اس ریپو کے روٹ فولڈر میں `docsify serve` ٹائپ کریں۔ ویب سائٹ آپ کے لوکل ہوسٹ پر پورٹ 3000 پر پیش کی جائے گی: `localhost:3000`۔
|
|
|
|
|
|
## PDFs
|
|
|
|
|
|
نصاب کا پی ڈی ایف لنکس کے ساتھ [یہاں](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) تلاش کریں۔
|
|
|
|
|
|
## 🎒 دیگر کورسز
|
|
|
|
|
|
ہماری ٹیم دیگر کورسز تیار کرتی ہے! دیکھیں:
|
|
|
|
|
|
- [Generative AI for Beginners](https://aka.ms/genai-beginners)
|
|
|
- [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
|
|
|
- [Generative AI with JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
|
|
|
- [Generative AI with Java](https://github.com/microsoft/Generative-AI-for-beginners-java)
|
|
|
- [AI for Beginners](https://aka.ms/ai-beginners)
|
|
|
- [Data Science for Beginners](https://aka.ms/datascience-beginners)
|
|
|
- [ML for Beginners](https://aka.ms/ml-beginners)
|
|
|
- [Cybersecurity for Beginners](https://github.com/microsoft/Security-101)
|
|
|
- [Web Dev for Beginners](https://aka.ms/webdev-beginners)
|
|
|
- [IoT for Beginners](https://aka.ms/iot-beginners)
|
|
|
- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners)
|
|
|
- [Mastering GitHub Copilot for Paired Programming](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
|
|
|
- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
|
|
|
- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures)
|
|
|
|
|
|
---
|
|
|
|
|
|
**ڈسکلیمر**:
|
|
|
یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا عدم درستگی ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے لیے ہم ذمہ دار نہیں ہیں۔ |
