ML-For-Beginners/translations/ur

🌐 کثیراللسانی معاونت

GitHub ایکشن کے ذریعہ معاونت (خودکار اور ہمیشہ تازہ ترین)

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

کیا آپ لوکل طور پر کلون کرنا پسند کریں گے؟

یہ ریپوزیٹری 50+ زبانوں کے تراجم شامل کرتی ہے جو ڈاؤن لوڈ سائز کو بہت بڑھا دیتے ہیں۔ تراجم کے بغیر کلون کرنے کے لیے sparse checkout استعمال کریں:

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"

اس سے آپ کو کورس مکمل کرنے کے لئے سب کچھ مل جائے گا اور ایک بہت تیز ڈاؤن لوڈ ہوگا۔

ہماری کمیونٹی میں شامل ہوں

ہمارے پاس Discord پر Learn with AI سیریز جاری ہے، مزید جاننے اور شامل ہونے کے لیے Learn with AI Series پر جائیں 18 - 30 ستمبر، 2025۔ آپ کو GitHub Copilot کے ڈیٹا سائنس میں استعمال کے نکات اور ترکیبیں ملیں گی۔

مشین لرننگ برای مبتدیان - ایک نصاب

🌍 دنیا بھر کے ثقافتوں کے ذریعے مشین لرننگ کا سفر کریں 🌍

مائیکروسافٹ کے کلاؤڈ ایڈووکیٹس خوشی سے 12 ہفتوں، 26 اسباق کا نصاب پیش کرتے ہیں جو مکمل طور پر مشین لرننگ پر مشتمل ہے۔ اس نصاب میں آپ کو بعض اوقات پہچانے جانے والے کلاسیکی مشین لرننگ کے بارے میں سیکھنے کو ملے گا، جو زیادہ تر Scikit-learn لائبریری استعمال کرتا ہے اور گہرے سیکھنے (Deep Learning) سے بچتا ہے، جو ہمارے AI for Beginners' curriculum میں شامل ہے۔ اس نصاب کو ہمارے 'Data Science for Beginners' curriculum کے ساتھ جوڑیں!

ہمارے ساتھ دنیا بھر کی معلومات پر کلاسیکی تکنیکوں کا اطلاق کرتے ہوئے سفر کریں۔ ہر سبق میں پیشگی اور بعد از سبق کوئزز، تحریری ہدایات، حل، مشق اور مزید شامل ہوتے ہیں۔ ہمارا پراجيکٹ پر مبنی طریقہ علم حاصل کرنے اور بنانے کا ایک ثابت شدہ طریقہ ہے جو نئے ہنر کو مضبوط بناتا ہے۔

✍️ ہمارے مصنفین کا دلی شکریہ جن لوپر، سٹیفن ہاؤل، فرانسسکا لازیری، ٹومومی امورا، کیسی بریو، دمتری سوشنیکوف، کرس نورنگ، انربن مکھرجی، اورنیلا الٹیونین، روتھ یاکوبو اور ایمی بوئڈ

🎨 ہمارے مصوروں کا بھی شکریہ ٹومومی امورا، داسانی مادیپالی، اور جن لوپر

🙏 خاص شکریہ 🙏 ہمارے مائیکروسافٹ اسٹوڈنٹ ایمبیسیڈر مصنفین، جائزہ لینے والوں اور مواد فراہم کرنے والوں کو خاص طور پر رشیت ڈاگلی، محمد ساکب خان اینان، روہن راج، الیگزینڈرو پیٹریسکو، ابھیشیک جیسوال، نوورین تبسم، ایوان سیمیلا، اور سگھنڈھا اگروال

🤩 اور خصوصی شکریہ ہمارے مائیکروسافٹ اسٹوڈنٹ ایمبیسیڈرز ایرک وانجاؤ، جیسلین سونڈی، اور ویدوشی گپتا کو R سبق کے لیے!

شروع کریں

ان مراحل کی پیروی کریں:

1. ریپوزیٹری فورک کریں: اس صفحہ کے اوپری دائیں جانب "Fork" بٹن پر کلک کریں۔
2. ریپوزیٹری کلون کریں: git clone https://github.com/microsoft/ML-For-Beginners.git

💡 تیز آغاز کا اشارہ: کیا آپ کسی براؤزر میں شروع کرنا چاہتے ہیں بغیر لوکل طور پر Python سیٹ اپ کیے؟ اپنے فورک کے لئے کلاؤڈ ڈیولپمنٹ ماحول بنانے کے لیے GitHub Codespaces استعمال کریں۔ سبز Code مینو کھولیں، Codespaces منتخب کریں، اور ایک codespace بنائیں؛ ہر سبق کی ضروری dependencies اس میں انسٹال کریں۔

اس کورس کے تمام اضافی وسائل ہماری Microsoft Learn کلیکشن میں دیکھیں

🔧 مدد چاہیے؟ عام مسائل کے حل کے لیے ہمارا Troubleshooting Guide دیکھیں، خاص طور پر تنصیب، کنفیگریشن، اور سبق چلانے سے متعلق۔

طلباء، اس نصاب کو استعمال کرنے کے لیے، پورا ریپو اپنے GitHub اکاؤنٹ پر فورک کریں اور مشقیں خود یا گروپ کے ساتھ مکمل کریں:

• پری لیکچر کوئز سے شروع کریں۔
• لیکچر پڑھیں اور سرگرمیاں مکمل کریں، ہر knowledge check پر رک کر غور کریں۔
• حل کوڈ چلانے کی بجائے سبق کو سمجھ کر پروجیکٹس بنانے کی کوشش کریں؛ تاہم وہ کوڈ ہر پروجیکٹ کے /solution فولڈرز میں دستیاب ہے۔
• پوسٹ لیکچر کوئز دیں۔
• چیلنج مکمل کریں۔
• اسائنمنٹ مکمل کریں۔
• سبق گروپ مکمل کرنے کے بعد، Discussion Board پر جائیں اور مناسب PAT روبریک بھر کر "голос سے سیکھیں"۔ 'PAT' ایک Progress Assessment Tool ہے جو آپ کی تعلیم کو آگے بڑھاتا ہے۔ آپ دوسرے PATs پر بھی ردعمل دے سکتے ہیں تاکہ ہم مل کر سیکھیں۔

مزید مطالعے کے لیے، ہم یہ Microsoft Learn ماڈیولز اور لرننگ پاتھس کی سفارش کرتے ہیں۔

اساتذہ، ہم نے کچھ تجاویز شامل کی ہیں کہ اس نصاب کو کیسے استعمال کیا جائے۔

---

ویڈیو واک تھروز

کچھ اسباق مختصر ویڈیو کی شکل میں دستیاب ہیں۔ آپ یہ سب اسباق کے اندر یا ML for Beginners کی پلے لسٹ مائیکروسافٹ ڈیولپر یوٹیوب چینل پر نیچے تصویر پر کلک کر کے دیکھ سکتے ہیں۔

---

ٹیم سے ملاقات کریں

گیف بذریعہ Mohit Jaisal

🎥 پروجیکٹ اور اس کے تخلیق کاروں کے بارے میں ویڈیو دیکھنے کے لیے اوپر تصویر پر کلک کریں!

---

تدریسی طریقہ کار

ہم نے اس نصاب کی تیاری میں دو تدریسی اصول اپنائے ہیں: یہ یقینی بنانا کہ یہ ہاتھوں سے کرنے والا پروجیکٹ پر مبنی ہو اور اس میں بار بار کوئزز شامل ہوں۔ اس کے علاوہ، اس نصاب میں ایک مشترکہ موضوع بھی ہے جو اس کی ہم آہنگی کو بڑھاتا ہے۔

مواد کو پروجیکٹس سے منسلک کر کے، عمل طلباء کے لیے زیادہ دلچسپ بن جاتا ہے اور تصورات کو یاد رکھنے میں مدد ملتی ہے۔ ایک کم دباؤ والا کوئز کلاس سے پہلے یہ تعلیمی موضوع کی جانب طالب علم کا ارادہ قائم کرتا ہے، اور دوسرا کوئز کلاس کے بعد یادداشت کو مضبوط کرتا ہے۔ یہ نصاب لچکدار اور دلچسپ ہے اور اسے مکمل یا جزوی طور پر کیا جا سکتا ہے۔ پروجیکٹس چھوٹے سے شروع ہوتے ہیں اور 12 ہفتوں کے دوران زیادہ پیچیدہ ہوتے جاتے ہیں۔ نصاب میں مشین لرننگ کے حقیقی دنیا کے اطلاقات کا ایک پس منظر بھی شامل ہے، جو اضافی کریڈٹ یا بحث کا موضوع بن سکتا ہے۔

ہمارا کوڈ آف کنڈکٹ، حوالہ کاری، ترجمے اور مسائل کا حل کی رہنما ہدایات دیکھیں۔ ہمیں آپ کی تعمیری رائے خوش آمدید ہے!

ہر سبق میں شامل ہیں

• اختیاری سکیچ نوٹس
• اختیاری اضافی ویڈیو
• ویڈیو واک تھرو (کچھ اسباق میں)
• پری لیکچر وارم اپ کوئز
• تحریری سبق
• پروجیکٹ بیسڈ اسباق کیلئے پروجیکٹ بنانے کے مرحلہ وار رہنما اصول
• نالج چیکس
• ایک چیلنج
• اضافی مطالعہ
• اسائنمنٹ
• پوسٹ لیکچر کوئز

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 کے اسباق تلاش کریں۔ ان میں .rmd ایکسٹینشن ہوتی ہے جو ایک R Markdown فائل کی نمائندگی کرتی ہے، جو code chunks (R یا دوسری زبانوں کے) اور YAML header (جو PDF جیسے آؤٹ پٹس کو فارمیٹ کرنے کی رہنمائی کرتا ہے) کو مارک ڈاؤن دستاویز میں شامل کرنے کا ایک آلہ ہے۔ اس طرح یہ ڈیٹا سائنس کی بہترین لکھی جاتی ہے کیونکہ اس میں آپ اپنے کوڈ، اس کا آؤٹ پٹ، اور اپنے خیالات کو مارک ڈاؤن میں لکھ سکتے ہیں۔ مزید برآں، R Markdown دستاویزات کو PDF، HTML، یا Word جیسے آؤٹ پٹ فارمیٹس میں کنورٹ کیا جا سکتا ہے۔

کوئزز کے بارے میں نوٹ: تمام کوئزز Quiz App فولڈر میں موجود ہیں، کل 52 کوئزز، ہر ایک میں تین سوالات۔ یہ اسباق سے منسلک ہیں لیکن کوئز ایپ کو لوکل چلایا جا سکتا ہے؛ quiz-app فولڈر کی ہدایات پر عمل کریں یا Azure پر تعینات کریں۔

سبق نمبر	موضوع	سبق کا گروپ	تعلیمی مقاصد	متعلقہ سبق	مصنف
01	مشین لرننگ کا تعارف	Introduction	مشین لرننگ کے بنیادی تصورات سیکھیں	Lesson	محمد
02	مشین لرننگ کی تاریخ	Introduction	اس میدان کی تاریخ سیکھیں	Lesson	جین اور ایمی
03	انصاف اور مشین لرننگ	Introduction	انصاف کے گرد اہم فلسفیانہ مسائل کیا ہیں جو طلباء کو ML ماڈلز بنانے اور استعمال کرتے وقت غور کرنا چاہیے؟	Lesson	ٹومومی
04	مشین لرننگ کے تکنیکیں	Introduction	ML ماڈلز بنانے کے لیے ML محققین کون سی تکنیکیں استعمال کرتے ہیں؟	Lesson	کرس اور جین
05	رجریشن کا تعارف	Regression	رجریشن ماڈلز کے لیے Python اور Scikit-learn کے ساتھ شروعات کریں	Python • R	جین • ایرک وانجاؤ
06	شمالی امریکہ کی کدو کی قیمتیں 🎃	Regression	ML کی تیاری کے لیے ڈیٹا کو ویژولائز اور صاف کریں	Python • R	جین • ایرک وانجاؤ
07	شمالی امریکہ کی کدو کی قیمتیں 🎃	Regression	خطی اور کثیر رکنی رجریشن ماڈلز بنائیں	Python • R	جین، دمتری اور ایرک وانجاؤ
08	شمالی امریکہ کی کدو کی قیمتیں 🎃	Regression	لاجسٹک رجریشن ماڈل بنائیں	Python • R	جین • ایرک وانجاؤ
09	ایک ویب ایپ 🔌	Web App	اپنی تربیت یافتہ ماڈل استعمال کرنے کے لیے ویب ایپ بنائیں	Python	جین
10	درجہ بندی کا تعارف	Classification	اپنے ڈیٹا کو صاف، تیار اور ویژولائز کریں؛ درجہ بندی کا تعارف	Python • R	جین اور کیسی • ایرک وانجاؤ
11	مزیدار ایشیائی اور ہندوستانی کھانے 🍜	Classification	درجہ بندی کنندگان کا تعارف	Python • R	جین اور کیسی • ایرک وانجاؤ
12	مزیدار ایشیائی اور ہندوستانی کھانے 🍜	Classification	مزید درجہ بندی کنندگان	Python • R	جین اور کیسی • ایرک وانجاؤ
13	مزیدار ایشیائی اور ہندوستانی کھانے 🍜	Classification	اپنے ماڈل کا استعمال کرتے ہوئے ایک تجویز کنندہ ویب ایپ بنائیں	Python	جین
14	کلسٹرنگ کا تعارف	Clustering	اپنے ڈیٹا کو صاف، تیار اور ویژولائز کریں؛ کلسٹرنگ کا تعارف	Python • R	جین • ایرک وانجاؤ
15	نائجیریائی موسیقی کے ذائقے دریافت کریں 🎧	Clustering	K-Means کلسٹرنگ طریقہ دریافت کریں	Python • R	جین • ایرک وانجاؤ
16	قدرتی زبان کی پروسیسنگ کا تعارف ☕️	Natural language processing	ایک سادہ بوٹ بنا کر NLP کی بنیادیں سیکھیں	Python	اسٹیفن
17	عام NLP کام ☕️	Natural language processing	زبانوں کی ساختوں سے نمٹنے کے لیے درکار عام کاموں کو سمجھ کر اپنی NLP کی معلومات گہری کریں	Python	اسٹیفن
18	ترجمہ اور جذبات کی تشخیص ♥️	Natural language processing	جین آسٹن کے ساتھ ترجمہ اور جذبات کی تشخیص	Python	اسٹیفن
19	یورپ کے رومانوی ہوٹلز ♥️	Natural language processing	ہوٹل کے جائزوں کے ساتھ جذباتی تجزیہ 1	Python	اسٹیفن
20	یورپ کے رومانوی ہوٹلز ♥️	Natural language processing	ہوٹل کے جائزوں کے ساتھ جذباتی تجزیہ 2	Python	اسٹیفن
21	وقت کی ترتیب کی پیش گوئی کا تعارف	Time series	وقت کی ترتیب کی پیش گوئی کا تعارف	Python	فرانسسکا
22	⚡️ عالمی بجلی کا استعمال ⚡️ - ARIMA کے ساتھ وقت کی ترتیب کی پیش گوئی	Time series	ARIMA کے ساتھ وقت کی ترتیب کی پیش گوئی	Python	فرانسسکا
23	⚡️ عالمی بجلی کا استعمال ⚡️ - SVR کے ساتھ وقت کی ترتیب کی پیش گوئی	Time series	سپورٹ ویکٹر ریگریسر کے ساتھ وقت کی ترتیب کی پیش گوئی	Python	انربن
24	تقویتی سیکھنے کا تعارف	Reinforcement learning	کیو-لرننگ کے ساتھ تقویتی سیکھنے کا تعارف	Python	دمتری
25	پیٹر کو بھیڑیا سے بچانے میں مدد کریں! 🐺	Reinforcement learning	تقویتی سیکھنے کا جم	Python	دمتری
Postscript	حقیقی دنیا میں ML کے منظرنامے اور اطلاقات	ML in the Wild	کلاسیکی ML کے دلچسپ اور انکشاف کرنے والے حقیقی دنیا کے اطلاقات	Lesson	ٹیم
Postscript	RAI ڈیش بورڈ کے ذریعے ML میں ماڈل کی ڈی بگنگ	ML in the Wild	ذمہ دار AI ڈیش بورڈ کے اجزاء کا استعمال کرتے ہوئے مشین لرننگ میں ماڈل کی ڈی بگنگ	Lesson	روتھ یاکوبو

اس کورس کے تمام اضافی وسائل ہماری Microsoft Learn کلیکشن میں تلاش کریں

آف لائن رسائی

آپ اس دستاویزات کو آف لائن Docsify استعمال کرکے چلا سکتے ہیں۔ اس ریپو کو فورک کریں، Docsify انسٹال کریں اپنے مقامی کمپیوٹر پر، اور پھر اس ریپو کے روٹ فولڈر میں، docsify serve ٹائپ کریں۔ ویب سائٹ آپ کے لوکل ہوسٹ پر پورٹ 3000 پر سرور ہوگی: localhost:3000.

پی ڈی ایف

نصاب کا ایک پی ڈی ایف لنکس کے ساتھ یہاں ملیں۔

🎒 دیگر کورسز

ہماری ٹیم دیگر کورسز بھی تیار کرتی ہے! دیکھیں:

LangChain

Azure / Edge / MCP / Agents

---

جنریٹو AI سیریز

---

کور لرننگ

---

کوپائلٹ سیریز

مدد حاصل کرنا

اگر آپ مشین لرننگ سیکھتے ہوئے یا AI ایپلیکیشنز بناتے ہوئے پھنس جائیں یا سوالات ہوں تو فکر نہ کریں — مدد دستیاب ہے۔

آپ دوسرے سیکھنے والوں اور ڈویلپرز کے ساتھ مباحثوں میں شامل ہوسکتے ہیں، سوالات پوچھ سکتے ہیں، اور اپنی تجاویز کمیونٹی کے ساتھ شیئر کر سکتے ہیں۔

• سوالات پوچھنے اور دوسروں کے ساتھ سیکھنے کے لیے کمیونٹی میں شامل ہوں
• مشین لرننگ کے تصورات اور پروجیکٹ آئیڈیاز پر گفتگو کریں
• تجربہ کار ڈویلپرز سے رہنمائی حاصل کریں

ایک معاون کمیونٹی اپنے ہنر کو بڑھانے اور مسائل کو تیزی سے حل کرنے کا بہترین طریقہ ہے۔

Microsoft Foundry Discord Community

اگر آپ کو بگ، ایرر یا بہتری کی تجاویز ملیں تو آپ اس ریپوزیٹری میں ایک Issue بھی کھول سکتے ہیں تاکہ مسئلہ رپورٹ کیا جا سکے۔

مصنوعات کی رائے کے لیے یا موجودہ کمیونٹی پوسٹس کی تلاش کے لیے، ڈیویلپر فورم پر جائیں:

اضافی سیکھنے کے نکات

• بہتر سمجھ کے لیے ہر سبق کے بعد نوٹ بکس کا جائزہ لیں۔
• خود الگوردمز کو عمل میں لانے کی مشق کریں۔
• سیکھی گئی تصورات کا استعمال کرتے ہوئے حقیقی دنیا کے ڈیٹا سیٹس کو دریافت کریں۔

---

ڈس کلیمر: یہ دستاویز AI ترجمہ سروس Co-op Translator کے ذریعے ترجمہ کی گئی ہے۔ جبکہ ہم درستگی کے لیے کوشاں ہیں، براہ کرم اس بات سے آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا عدم درستیاں ہو سکتی ہیں۔ اصل دستاویز اپنے مادری زبان میں مستند ماخذ سمجھی جائے گی۔ حساس 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 کی ذمہ داری ہم قبول نہیں کرتے۔