ML-For-Beginners/translations/hi

🌐 बहुभाषी समर्थन

GitHub Action के माध्यम से समर्थित (स्वचालित और हमेशा अद्यतन)

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)

हमारे समुदाय से जुड़ें

हमारे Discord पर AI सीखने की श्रृंखला चल रही है। अधिक जानें और Learn with AI Series में 18 - 30 सितंबर, 2025 के बीच शामिल हों। आपको डेटा साइंस के लिए GitHub Copilot का उपयोग करने के टिप्स और ट्रिक्स मिलेंगे।

शुरुआती लोगों के लिए मशीन लर्निंग - एक पाठ्यक्रम

🌍 दुनिया भर की संस्कृतियों के माध्यम से मशीन लर्निंग का अन्वेषण करें 🌍

Microsoft के Cloud Advocates ने मशीन लर्निंग पर आधारित 12-सप्ताह, 26-पाठ का पाठ्यक्रम पेश करने में खुशी महसूस की। इस पाठ्यक्रम में, आप क्लासिक मशीन लर्निंग के बारे में जानेंगे, जिसमें मुख्य रूप से Scikit-learn लाइब्रेरी का उपयोग किया जाएगा और गहन शिक्षण (Deep Learning) से बचा जाएगा, जिसे हमारे AI for Beginners' पाठ्यक्रम में शामिल किया गया है। इन पाठों को हमारे 'Data Science for Beginners' पाठ्यक्रम के साथ जोड़ें!

हमारे साथ दुनिया भर की यात्रा करें क्योंकि हम इन क्लासिक तकनीकों को विभिन्न क्षेत्रों के डेटा पर लागू करते हैं। प्रत्येक पाठ में प्री- और पोस्ट-लेसन क्विज़, लिखित निर्देश, समाधान, असाइनमेंट और बहुत कुछ शामिल है। हमारा प्रोजेक्ट-आधारित शिक्षण आपको सीखते हुए निर्माण करने की अनुमति देता है, जो नई कौशल को बनाए रखने का एक सिद्ध तरीका है।

✍️ हमारे लेखकों को हार्दिक धन्यवाद Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu और Amy Boyd

🎨 हमारे चित्रकारों को भी धन्यवाद Tomomi Imura, Dasani Madipalli, और Jen Looper

🙏 विशेष धन्यवाद 🙏 हमारे Microsoft Student Ambassador लेखकों, समीक्षकों और सामग्री योगदानकर्ताओं को, विशेष रूप से Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, और Snigdha Agarwal

🤩 अतिरिक्त आभार Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, और Vidushi Gupta को हमारे R पाठों के लिए!

शुरुआत कैसे करें

इन चरणों का पालन करें:

1. रेपो को फोर्क करें: इस पेज के शीर्ष-दाएं कोने पर "Fork" बटन पर क्लिक करें।
2. रेपो को क्लोन करें: git clone https://github.com/microsoft/ML-For-Beginners.git

इस पाठ्यक्रम के लिए सभी अतिरिक्त संसाधन Microsoft Learn संग्रह में खोजें

छात्रों, इस पाठ्यक्रम का उपयोग करने के लिए, पूरे रेपो को अपने GitHub खाते में फोर्क करें और अभ्यास को अकेले या समूह के साथ पूरा करें:

• प्री-लेक्चर क्विज़ से शुरू करें।
• लेक्चर पढ़ें और गतिविधियों को पूरा करें, प्रत्येक ज्ञान जांच पर रुकें और विचार करें।
• पाठों को समझकर प्रोजेक्ट बनाने का प्रयास करें बजाय समाधान कोड चलाने के; हालांकि वह कोड प्रत्येक प्रोजेक्ट-उन्मुख पाठ के /solution फ़ोल्डरों में उपलब्ध है।
• पोस्ट-लेक्चर क्विज़ लें।
• चुनौती को पूरा करें।
• असाइनमेंट को पूरा करें।
• एक पाठ समूह पूरा करने के बाद, Discussion Board पर जाएं और "लाउड में सीखें" द्वारा उपयुक्त PAT रूब्रिक भरें। 'PAT' एक प्रगति मूल्यांकन उपकरण है जो एक रूब्रिक है जिसे आप अपनी सीखने को आगे बढ़ाने के लिए भरते हैं। आप अन्य PATs पर प्रतिक्रिया भी दे सकते हैं ताकि हम एक साथ सीख सकें।

आगे की पढ़ाई के लिए, हम इन Microsoft Learn मॉड्यूल और लर्निंग पाथ्स का अनुसरण करने की सिफारिश करते हैं।

शिक्षकों, हमने इस पाठ्यक्रम का उपयोग करने के तरीके पर कुछ सुझाव शामिल किए हैं।

---

वीडियो वॉकथ्रू

कुछ पाठ छोटे वीडियो के रूप में उपलब्ध हैं। आप इन सभी को पाठों में इन-लाइन पा सकते हैं, या Microsoft Developer YouTube चैनल पर ML for Beginners प्लेलिस्ट पर क्लिक करके नीचे दी गई छवि पर देख सकते हैं।

---

टीम से मिलें

Gif द्वारा Mohit Jaisal

🎥 ऊपर दी गई छवि पर क्लिक करें इस प्रोजेक्ट और इसे बनाने वाले लोगों के बारे में वीडियो देखने के लिए!

---

शिक्षण पद्धति

हमने इस पाठ्यक्रम को बनाते समय दो शिक्षण सिद्धांतों को चुना है: यह सुनिश्चित करना कि यह प्रोजेक्ट-आधारित है और इसमें बार-बार क्विज़ शामिल हैं। इसके अलावा, इस पाठ्यक्रम में एक सामान्य थीम है जो इसे एकजुटता प्रदान करती है।

सुनिश्चित करके कि सामग्री प्रोजेक्ट्स के साथ संरेखित है, प्रक्रिया छात्रों के लिए अधिक आकर्षक बन जाती है और अवधारणाओं की प्रतिधारण बढ़ जाती है। इसके अलावा, कक्षा से पहले एक कम-जोखिम क्विज़ छात्र को विषय सीखने के इरादे की ओर सेट करता है, जबकि कक्षा के बाद दूसरा क्विज़ आगे की प्रतिधारण सुनिश्चित करता है। यह पाठ्यक्रम लचीला और मजेदार बनाया गया है और इसे पूरे या आंशिक रूप से लिया जा सकता है। प्रोजेक्ट्स छोटे से शुरू होते हैं और 12-सप्ताह के चक्र के अंत तक धीरे-धीरे जटिल हो जाते हैं। इस पाठ्यक्रम में ML के वास्तविक दुनिया के अनुप्रयोगों पर एक पोस्टस्क्रिप्ट भी शामिल है, जिसे अतिरिक्त क्रेडिट के रूप में या चर्चा के आधार के रूप में उपयोग किया जा सकता है।

हमारा Code of Conduct, Contributing, और Translation दिशानिर्देश खोजें। हम आपकी रचनात्मक प्रतिक्रिया का स्वागत करते हैं!

प्रत्येक पाठ में शामिल है

• वैकल्पिक स्केच नोट
• वैकल्पिक पूरक वीडियो
• वीडियो वॉकथ्रू (कुछ पाठों में ही)
• प्री-लेक्चर वार्मअप क्विज़
• लिखित पाठ
• प्रोजेक्ट-आधारित पाठों के लिए, प्रोजेक्ट बनाने के लिए चरण-दर-चरण गाइड
• ज्ञान जांच
• एक चुनौती
• पूरक पढ़ाई
• असाइनमेंट
• पोस्ट-लेक्चर क्विज़

भाषाओं के बारे में एक नोट: ये पाठ मुख्य रूप से Python में लिखे गए हैं, लेकिन कई R में भी उपलब्ध हैं। R पाठ पूरा करने के लिए, /solution फ़ोल्डर पर जाएं और R पाठों की तलाश करें। इनमें .rmd एक्सटेंशन होता है जो R Markdown फ़ाइल का प्रतिनिधित्व करता है जिसे कोड चंक्स (R या अन्य भाषाओं के) और YAML हेडर (जो आउटपुट को PDF जैसे स्वरूपों में गाइड करता है) को Markdown दस्तावेज़ में एम्बेडिंग के रूप में परिभाषित किया जा सकता है। इस प्रकार, यह डेटा विज्ञान के लिए एक आदर्श लेखन ढांचा के रूप में कार्य करता है क्योंकि यह आपको अपने कोड, उसके आउटपुट और अपने विचारों को Markdown में लिखने की अनुमति देता है। इसके अलावा, R Markdown दस्तावेज़ों को PDF, HTML, या Word जैसे आउटपुट स्वरूपों में प्रस्तुत किया जा सकता है।

क्विज़ के बारे में एक नोट: सभी क्विज़ Quiz App फ़ोल्डर में शामिल हैं, कुल 52 क्विज़ जिनमें प्रत्येक में तीन प्रश्न हैं। ये पाठों के भीतर से लिंक किए गए हैं लेकिन क्विज़ ऐप को स्थानीय रूप से चलाया जा सकता है; quiz-app फ़ोल्डर में निर्देशों का पालन करें इसे स्थानीय रूप से होस्ट करने या Azure पर तैनात करने के लिए।

पाठ संख्या	विषय	पाठ समूह	सीखने के उद्देश्य	लिंक किया गया पाठ	लेखक
01	मशीन लर्निंग का परिचय	परिचय	मशीन लर्निंग के पीछे के मूलभूत अवधारणाओं को जानें	पाठ	Muhammad
02	मशीन लर्निंग का इतिहास	परिचय	इस क्षेत्र के पीछे के इतिहास को जानें	पाठ	Jen और Amy
03	निष्पक्षता और मशीन लर्निंग	परिचय	मशीन लर्निंग मॉडल बनाते और लागू करते समय छात्रों को निष्पक्षता के आसपास कौन-कौन से महत्वपूर्ण दार्शनिक मुद्दों पर विचार करना चाहिए?	पाठ	Tomomi
04	मशीन लर्निंग के लिए तकनीकें	परिचय	मशीन लर्निंग शोधकर्ता मॉडल बनाने के लिए कौन-कौन सी तकनीकें उपयोग करते हैं?	पाठ	Chris और Jen
05	रिग्रेशन का परिचय	रिग्रेशन	रिग्रेशन मॉडल के लिए Python और Scikit-learn के साथ शुरुआत करें	Python • R	Jen • Eric Wanjau
06	उत्तरी अमेरिकी कद्दू की कीमतें 🎃	रिग्रेशन	मशीन लर्निंग के लिए डेटा को विज़ुअलाइज़ और साफ करें	Python • R	Jen • Eric Wanjau
07	उत्तरी अमेरिकी कद्दू की कीमतें 🎃	रिग्रेशन	रेखीय और बहुपद रिग्रेशन मॉडल बनाएं	Python • R	Jen और Dmitry • Eric Wanjau
08	उत्तरी अमेरिकी कद्दू की कीमतें 🎃	रिग्रेशन	लॉजिस्टिक रिग्रेशन मॉडल बनाएं	Python • R	Jen • Eric Wanjau
09	एक वेब ऐप 🔌	वेब ऐप	अपने प्रशिक्षित मॉडल का उपयोग करने के लिए एक वेब ऐप बनाएं	Python	Jen
10	वर्गीकरण का परिचय	वर्गीकरण	अपने डेटा को साफ करें, तैयार करें और विज़ुअलाइज़ करें; वर्गीकरण का परिचय	Python • R	Jen और Cassie • Eric Wanjau
11	स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜	वर्गीकरण	वर्गीकरणकर्ताओं का परिचय	Python • R	Jen और Cassie • Eric Wanjau
12	स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜	वर्गीकरण	अधिक वर्गीकरणकर्ता	Python • R	Jen और Cassie • Eric Wanjau
13	स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜	वर्गीकरण	अपने मॉडल का उपयोग करके एक अनुशंसा वेब ऐप बनाएं	Python	Jen
14	क्लस्टरिंग का परिचय	क्लस्टरिंग	अपने डेटा को साफ करें, तैयार करें और विज़ुअलाइज़ करें; क्लस्टरिंग का परिचय	Python • R	Jen • Eric Wanjau
15	नाइजीरियाई संगीत स्वाद का अन्वेषण 🎧	क्लस्टरिंग	K-Means क्लस्टरिंग विधि का अन्वेषण करें	Python • R	Jen • Eric Wanjau
16	प्राकृतिक भाषा प्रसंस्करण का परिचय ☕️	प्राकृतिक भाषा प्रसंस्करण	एक साधारण बॉट बनाकर NLP के मूलभूत सिद्धांत सीखें	Python	Stephen
17	सामान्य NLP कार्य ☕️	प्राकृतिक भाषा प्रसंस्करण	भाषा संरचनाओं से निपटने के दौरान आवश्यक सामान्य कार्यों को समझकर अपने NLP ज्ञान को गहरा करें	Python	Stephen
18	अनुवाद और भावना विश्लेषण ♥️	प्राकृतिक भाषा प्रसंस्करण	जेन ऑस्टेन के साथ अनुवाद और भावना विश्लेषण	Python	Stephen
19	यूरोप के रोमांटिक होटल ♥️	प्राकृतिक भाषा प्रसंस्करण	होटल समीक्षाओं के साथ भावना विश्लेषण 1	Python	Stephen
20	यूरोप के रोमांटिक होटल ♥️	प्राकृतिक भाषा प्रसंस्करण	होटल समीक्षाओं के साथ भावना विश्लेषण 2	Python	Stephen
21	समय श्रृंखला पूर्वानुमान का परिचय	समय श्रृंखला	समय श्रृंखला पूर्वानुमान का परिचय	Python	Francesca
22	⚡️ विश्व ऊर्जा उपयोग ⚡️ - ARIMA के साथ समय श्रृंखला पूर्वानुमान	समय श्रृंखला	ARIMA के साथ समय श्रृंखला पूर्वानुमान	Python	Francesca
23	⚡️ विश्व ऊर्जा उपयोग ⚡️ - SVR के साथ समय श्रृंखला पूर्वानुमान	समय श्रृंखला	सपोर्ट वेक्टर रिग्रेसर के साथ समय श्रृंखला पूर्वानुमान	Python	Anirban
24	सुदृढीकरण लर्निंग का परिचय	सुदृढीकरण लर्निंग	Q-Learning के साथ सुदृढीकरण लर्निंग का परिचय	Python	Dmitry
25	पीटर को भेड़िये से बचाने में मदद करें! 🐺	सुदृढीकरण लर्निंग	सुदृढीकरण लर्निंग जिम	Python	Dmitry
Postscript	वास्तविक दुनिया के ML परिदृश्य और अनुप्रयोग	वास्तविक दुनिया में ML	क्लासिकल मशीन लर्निंग के दिलचस्प और खुलासा करने वाले वास्तविक दुनिया के अनुप्रयोग	पाठ	टीम
Postscript	RAI डैशबोर्ड का उपयोग करके ML में मॉडल डिबगिंग	वास्तविक दुनिया में ML	जिम्मेदार AI डैशबोर्ड घटकों का उपयोग करके मशीन लर्निंग में मॉडल डिबगिंग	पाठ	Ruth Yakubu

इस कोर्स के लिए सभी अतिरिक्त संसाधन हमारे Microsoft Learn संग्रह में खोजें

ऑफलाइन एक्सेस

आप इस दस्तावेज़ को ऑफलाइन Docsify का उपयोग करके चला सकते हैं। इस रिपॉजिटरी को फोर्क करें, Docsify इंस्टॉल करें अपने स्थानीय मशीन पर, और फिर इस रिपॉजिटरी के रूट फ़ोल्डर में docsify serve टाइप करें। वेबसाइट आपके लोकलहोस्ट पर पोर्ट 3000 पर सर्व की जाएगी: localhost:3000।

PDFs

लिंक्स के साथ पाठ्यक्रम का PDF यहां खोजें।

🎒 अन्य कोर्स

हमारी टीम अन्य कोर्स भी बनाती है! देखें:

• शुरुआती के लिए Edge AI
• शुरुआती के लिए AI एजेंट्स
• शुरुआती के लिए जनरेटिव AI
• शुरुआती के लिए जनरेटिव AI .NET
• JavaScript के साथ जनरेटिव AI
• Java के साथ जनरेटिव AI
• शुरुआती के लिए AI
• शुरुआती के लिए डेटा साइंस
• शुरुआती के लिए ML
• शुरुआती के लिए साइबर सुरक्षा
• शुरुआती के लिए वेब डेवलपमेंट
• शुरुआती के लिए IoT
• शुरुआती के लिए XR डेवलपमेंट
• पेयर्ड प्रोग्रामिंग के लिए GitHub Copilot में महारत हासिल करना
• C#/.NET डेवलपर्स के लिए GitHub Copilot में महारत हासिल करना
• अपना खुद का Copilot एडवेंचर चुनें

---

अस्वीकरण:
यह दस्तावेज़ AI अनुवाद सेवा Co-op Translator का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता के लिए प्रयास करते हैं, कृपया ध्यान दें कि स्वचालित अनुवाद में त्रुटियां या अशुद्धियां हो सकती हैं। मूल भाषा में उपलब्ध मूल दस्तावेज़ को आधिकारिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम उत्तरदायी नहीं हैं।