ML-For-Beginners/translations/hi

🌐 बहुभाषी समर्थन

GitHub एक्शन के माध्यम से समर्थित (स्वचालित और हमेशा अद्यतित)

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 | 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

स्थानीय रूप से क्लोन करना पसंद करें?

यह रिपॉजिटरी 50+ भाषा अनुवाद शामिल करता है जो डाउनलोड आकार को काफी बढ़ाता है। बिना अनुवादों के क्लोन करने के लिए sparse checkout का उपयोग करें:

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'

इससे आपको कोर्स पूरा करने के लिए आवश्यक सब कुछ बहुत तेज़ डाउनलोड के साथ मिलेगा।

हमारे समुदाय में शामिल हों

हमारे पास AI के साथ सीखने की एक श्रृंखला डिस्कॉर्ड पर चल रही है, अधिक जानने और 18 - 30 सितंबर, 2025 को Learn with AI Series पर हमारे साथ जुड़ें। आप डेटा साइंस के लिए GitHub Copilot के उपयोग के टिप्स और ट्रिक्स प्राप्त करेंगे।

शुरुआती के लिए मशीन लर्निंग - एक पाठ्यक्रम

🌍 जैसे-जैसे हम मशीन लर्निंग का पता लगाते हैं, दुनिया भर की संस्कृतियों के माध्यम से यात्रा करें 🌍

Microsoft के क्लाउड एडवोकेट खुशी से एक 12 सप्ताह, 26-पाठ्यक्रम प्रदान कर रहे हैं जो पूरी तरह से मशीन लर्निंग के बारे में है। इस पाठ्यक्रम में, आप जो कुछ कभी-कभी क्लासिक मशीन लर्निंग कहा जाता है, उसे सीखेंगे, जिसमें मुख्य रूप से स्किकिट-लर्न पुस्तकालय का उपयोग होता है और डीप लर्निंग से बचा जाता है, जो हमारे AI for Beginners' curriculum में कवर किया गया है। इस पाठ्यक्रम के साथ हमारे 'डेटा साइंस फॉर बिगिनर्स' curriculum को भी जोड़ें!

हमारे साथ दुनिया भर की यात्रा करें क्योंकि हम इन क्लासिक तकनीकों को दुनिया के कई क्षेत्रों के डेटा पर लागू करते हैं। प्रत्येक पाठ में पूर्व और बाद के क्विज, पाठ पूरा करने के लिए लिखित निर्देश, एक समाधान, एक असाइनमेंट, और बहुत कुछ शामिल है। हमारा परियोजना-आधारित शिक्षण तरीका आपको निर्माण करते हुए सीखने की अनुमति देता है, जो नई कौशलों को 'टिकाने' का एक सिद्ध तरीका है।

✍️ हमारे लेखकों को हार्दिक धन्यवाद जेन लूपर, स्टीफन हॉवेल, फ्रांसेस्का लाज्जेरी, टोमोमी इमुरा, कैसी ब्रेवियू, दिमित्री सोश्निकोव, क्रिस नोरेन, अनिर्बान मुखर्जी, ऑर्नेला अल्टुनयान, रूथ याकुबु और एमी बॉयड

🎨 हमारे इलस्ट्रेटर्स को भी धन्यवाद टोमोमी इमुरा, दासनी मदीपल्ली, और जेन लूपर

🙏 विशेष धन्यवाद 🙏 हमारे Microsoft Student Ambassador लेखकों, समीक्षकों, और सामग्री योगदानकर्ताओं को, विशेष रूप से ऋषित डागली, मुहम्मद साकिब खान इनान, रोहन राज, अलेक्जेंडरु पेट्रेस्कु, अभिषेक जयसवाल, नवरिन तबस्सुम, इवान समुइला, और स्निग्धा अगरवाल

🤩 अतिरिक्त कृतज्ञता Microsoft Student Ambassadors एरिक वांजाउ, जसलीन संधि, और विदुषी गुप्ता को हमारे R पाठों के लिए!

शुरुआत करना

इन चरणों का पालन करें:

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

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

🔧 मदद चाहिए? इंस्टॉलेशन, सेटअप, और पाठ चलाने में सामान्य समस्याओं के समाधान के लिए हमारे Troubleshooting Guide को देखें।

छात्रों, इस पाठ्यक्रम का उपयोग करने के लिए, पूरे रेपो को अपने GitHub खाते में फोर्क करें और व्यायाम अपनी तरफ से या समूह के साथ पूरे करें:

• प्री-लेक्चर क्विज से शुरू करें।
• व्याख्यान पढ़ें और गतिविधियाँ पूरी करें, प्रत्येक ज्ञान जांच पर रुके और विचार करें।
• पाठों को समझकर परियोजनाएँ बनाने का प्रयास करें बजाय समाधान कोड चलाने के; हालांकि वह कोड प्रत्येक परियोजना-केंद्रित पाठ में /solution फ़ोल्डर्स में उपलब्ध है।
• पोस्ट-लेक्चर क्विज लें।
• चुनौती पूरी करें।
• असाइनमेंट पूरी करें।
• एक पाठ समूह पूरा करने के बाद, चर्चा बोर्ड पर जाएं और उपयुक्त PAT रूपरेखा भरकर "ज़ोरदार रूप से सीखें"। 'PAT' एक प्रोग्रेस असेसमेंट टूल है जो आपकी सीख को आगे बढ़ाने के लिए एक रूपरेखा है। आप अन्य PATs पर प्रतिक्रिया भी दे सकते हैं ताकि हम साथ मिलकर सीख सकें।

आगे अध्ययन के लिए, हम इन Microsoft Learn मॉड्यूल और लर्निंग पथों का पालन करने की सलाह देते हैं।

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

---

वीडियो वॉकथ्रू

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

---

टीम से मिलें

Gif द्वारा Mohit Jaisal

🎥 परियोजना और इसे बनाने वाले लोगों के बारे में वीडियो देखने के लिए ऊपर की छवि पर क्लिक करें!

---

शिक्षण पद्धति

इस पाठ्यक्रम को बनाते समय हमने दो शिक्षण सिद्धांत चुने हैं: इसे हाथों-हाथ परियोजना-आधारित बनाना और इसमें अक्सर क्विज़ शामिल करना। इसके अलावा, इस पाठ्यक्रम का एक सामान्य थीम है जिससे इसे सामंजस्य मिलता है।

यह सुनिश्चित करके कि सामग्री परियोजनाओं के अनुरूप है, प्रक्रिया छात्रों के लिए अधिक आकर्षक बनती है और अवधारणाओं की पकड़ बढ़ेगी। इसके अलावा, क्लास से पहले एक कम-दांव वाला क्विज़ छात्र की एक विषय सीखने की इच्छा निर्धारित करता है, जबकि क्लास के बाद दूसरा क्विज़ और भी बेहतर पकड़ सुनिश्चित करता है। यह पाठ्यक्रम लचीला और मजेदार है और इसे पूरा या आंशिक रूप से लिया जा सकता है। परियोजनाएं छोटी शुरू होती हैं और 12 सप्ताह के चक्र के अंत तक धीरे-धीरे जटिल होती चली जाती हैं। यह पाठ्यक्रम मशीन लर्निंग के वास्तविक अनुप्रयोगों पर एक पश्चलिपि भी शामिल करता है, जिसे अतिरिक्त क्रेडिट या चर्चा के आधार के रूप में उपयोग किया जा सकता है।

हमारे Code of Conduct, Contributing, Translation, और Troubleshooting दिशानिर्देश देखें। हम आपके रचनात्मक सुझावों का स्वागत करते हैं!

प्रत्येक पाठ में शामिल हैं

• वैकल्पिक स्केचनोट
• वैकल्पिक सहायक वीडियो
• वीडियो वॉकथ्रू (कुछ पाठ केवल)
• प्री-लेक्चर वार्मअप क्विज
• लिखित पाठ
• परियोजना-आधारित पाठों के लिए परियोजना बनाने के चरण-दर-चरण मार्गदर्शक
• ज्ञान जांच
• एक चुनौती
• सहायक पठन सामग्री
• असाइनमेंट
• पोस्ट-लेक्चर क्विज

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 पाठ खोजें। इनमें .rmd एक्सटेंशन होता है जो एक R Markdown फ़ाइल का प्रतिनिधित्व करता है, जिसे सरलता से code chunks (R या अन्य भाषाओं के) और YAML header (जो PDF जैसे आउटपुट को कैसे फॉर्मेट करना है, निर्देश देता है) के साथ एक Markdown दस्तावेज़ के रूप में परिभाषित किया जा सकता है। इस प्रकार, यह डेटा साइंस के लिए एक उत्कृष्ट लेखन ढांचा प्रस्तुत करता है क्योंकि यह आपको अपने कोड, उसके आउटपुट, और अपने विचारों को Markdown में लिखने की अनुमति देता है। इसके अलावा, R Markdown दस्तावेज़ PDF, HTML, या Word जैसे आउटपुट फ़ॉर्मेट के लिए रेंडर किए जा सकते हैं। क्विज़ के बारे में एक नोट: सभी क्विज़ Quiz App folder में संकलित हैं, जिनमें कुल 52 क्विज़ हैं और हर एक में तीन प्रश्न हैं। ये पाठों के भीतर लिंक किए गए हैं लेकिन क्विज़ ऐप को स्थानीय रूप से भी चलाया जा सकता है; quiz-app फ़ोल्डर में दिए निर्देशों का पालन करें ताकि इसे स्थानीय रूप से होस्ट या Azure पर डिप्लॉय किया जा सके।

पाठ संख्या	विषय	पाठ समूह	सीखने के उद्देश्य	लिंक्ड पाठ	लेखक
01	मशीन लर्निंग का परिचय	परिचय	मशीन लर्निंग के मूलभूत सिद्धांत सीखें	पाठ	मोहम्मद
02	मशीन लर्निंग का इतिहास	परिचय	इस क्षेत्र के तहत आने वाले इतिहास को जानें	पाठ	जेन और एमी
03	निष्पक्षता और मशीन लर्निंग	परिचय	मशीन लर्निंग मॉडल बनाने और लागू करने में निष्पक्षता के महत्वपूर्ण दार्शनिक मुद्दे क्या हैं जिन्हें छात्रों को ध्यान में रखना चाहिए?	पाठ	टोमौमी
04	मशीन लर्निंग के तकनीकें	परिचय	मशीन लर्निंग मॉडल बनाने के लिए शोधकर्ता किन तकनीकों का उपयोग करते हैं?	पाठ	क्रिस और जेन
05	प्रत्याशा का परिचय	Regression	प्रतिगमन मॉडल के लिए पाइथन और स्किकेट-लर्न के साथ शुरुआत करें	Python • R	जेन • एरिक वांजाउ
06	उत्तर अमेरिकी कद्दू की कीमतें 🎃	Regression	मशीन लर्निंग के लिए डेटा की सफाई और दृश्यांकन करें	Python • R	जेन • एरिक वांजाउ
07	उत्तर अमेरिकी कद्दू की कीमतें 🎃	Regression	रैखिक और बहुपदीय प्रतिगमन मॉडल बनाएं	Python • R	जेन और दिमित्रि • एरिक वांजाउ
08	उत्तर अमेरिकी कद्दू की कीमतें 🎃	Regression	एक लॉजिस्टिक प्रतिगमन मॉडल बनाएं	Python • R	जेन • एरिक वांजाउ
09	एक वेब ऐप 🔌	Web App	अपना प्रशिक्षित मॉडल उपयोग करने के लिए एक वेब ऐप बनाएं	Python	जेन
10	वर्गीकरण का परिचय	Classification	अपने डेटा को साफ़, तैयार और विज़ुअलाइज़ करें; वर्गीकरण का परिचय	Python • R	जेन और कैसी • एरिक वांजाउ
11	स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜	Classification	वर्गीकारकों का परिचय	Python • R	जेन और कैसी • एरिक वांजाउ
12	स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜	Classification	और वर्गीकरणकर्ता	Python • R	जेन और कैसी • एरिक वांजाउ
13	स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜	Classification	अपने मॉडल का उपयोग करके एक अनुशंसा वेब ऐप बनाएं	Python	जेन
14	क्लस्टरिंग का परिचय	Clustering	अपने डेटा को साफ़, तैयार और विज़ुअलाइज़ करें; क्लस्टरिंग का परिचय	Python • R	जेन • एरिक वांजाउ
15	नाइजीरियाई संगीत रुचियों की खोज 🎧	Clustering	K-मीन्स क्लस्टरिंग विधि की खोज करें	Python • R	जेन • एरिक वांजाउ
16	प्राकृतिक भाषा संसाधन परिचय ☕️	Natural language processing	एक साधारण बॉट बनाकर NLP की मूल बातें सीखें	Python	स्टीफन
17	सामान्य NLP कार्य ☕️	Natural language processing	भाषा संरचनाओं के साथ काम करते समय आवश्यक सामान्य कार्यों को समझकर अपना NLP ज्ञान गहरा करें	Python	स्टीफन
18	अनुवाद और भाव विश्लेषण ♥️	Natural language processing	जेन ऑस्टिन के साथ अनुवाद और भाव विश्लेषण	Python	स्टीफन
19	यूरोप के रोमांटिक होटल ♥️	Natural language processing	होटल समीक्षाओं के साथ भावना विश्लेषण 1	Python	स्टीफन
20	यूरोप के रोमांटिक होटल ♥️	Natural language processing	होटल समीक्षाओं के साथ भावना विश्लेषण 2	Python	स्टीफन
21	समय श्रृंखला पूर्वानुमान परिचय	Time series	समय श्रृंखला पूर्वानुमान का परिचय	Python	फ्रांसेस्का
22	⚡️ विश्व विद्युत उपयोग ⚡️ - ARIMA के साथ समय श्रृंखला पूर्वानुमान	Time series	ARIMA के साथ समय श्रृंखला पूर्वानुमान	Python	फ्रांसेस्का
23	⚡️ विश्व विद्युत उपयोग ⚡️ - SVR के साथ समय श्रृंखला पूर्वानुमान	Time series	सपोर्ट वेक्टर रिग्रेशन के साथ समय श्रृंखला पूर्वानुमान	Python	अनिर्बन
24	पुनर्योजन शिक्षण का परिचय	Reinforcement learning	क्यू-लर्निंग के साथ पुनर्योजन शिक्षण का परिचय	Python	दिमित्रि
25	पीटर को भेड़िये से बचाने में मदद करें! 🐺	Reinforcement learning	पुनर्योजन शिक्षण जिम	Python	दिमित्रि
उपसंहार	वास्तविक दुनिया के ML परिदृश्य और अनुप्रयोग	ML in the Wild	क्लासिक मशीन लर्निंग के दिलचस्प और प्रकट करने वाले वास्तविक दुनिया के अनुप्रयोग	पाठ	टीम
उपसंहार	RAI डैशबोर्ड का उपयोग करके ML में मॉडल डिबगिंग	ML in the Wild	जिम्मेदार AI डैशबोर्ड घटकों का उपयोग करके मशीन लर्निंग में मॉडल डिबगिंग	पाठ	रूथ याकूबू

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

ऑफलाइन एक्सेस

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

पीडीएफ

लिंक के साथ पाठ्यक्रम की पीडीएफ यहाँ पाएं।

🎒 अन्य पाठ्यक्रम

हमारी टीम अन्य पाठ्यक्रम भी बनाती है! देखें:

LangChain

---

Azure / Edge / MCP / Agents

---

जनरेटिव AI सीरीज

---

मुख्य सीखने

---

कोपाइलट सीरीज

मदद पाना

यदि आप अटक जाते हैं या AI ऐप्स बनाने के बारे में कोई सवाल है। MCP के बारे में चर्चा में साथ सीखने वालों और अनुभवी डेवलपर्स के साथ जुड़ें। यह एक सहायक समुदाय है जहाँ प्रश्नों का स्वागत है और ज्ञान स्वतंत्र रूप से साझा किया जाता है।

यदि आपके पास उत्पाद फीडबैक है या निर्माण के दौरान त्रुटियाँ हैं, तो यहाँ जाएँ:

---

अस्वीकरण:
यह दस्तावेज़ AI अनुवाद सेवा Co-op Translator का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता के लिए प्रयासरत हैं, कृपया ध्यान दें कि स्वचालित अनुवाद में त्रुटियां या अशुद्धियां हो सकती हैं। मूल भाषा में दस्तावेज़ को अधिकारिक 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 जिम्मेदार नहीं हैं।