ML-For-Beginners/translations/ml

🌐 ബഹുഭാഷാ പിന്തുണ

GitHub ആക്ഷൻ വഴി പിന്തുണ (സ്വകാര്യവും എപ്പോഴും പുതിയതും)

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

പ്രാദേശികമായി ക്ലോൺ ചെയ്യാൻ ഇഷ്ടമാണോ?

ഈ റീപ്പോസിറ്ററിയിൽ 50+ ഭാഷാ തർജ്ജമകൾ ഉൾപ്പെടുന്നു, കൂടിയ ഡൗൺലോഡ് വലുപ്പം ഉണ്ടാക്കുന്നു. തർജ്ജമകൾ ഇല്ലാതെ ക്ലോൺ ചെയ്യാൻ, sparse checkout ഉപയോഗിക്കുക:

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'

ഇത് നിങ്ങൾക്ക് കോഴ്സ് വളരെ വേഗത്തിൽ പൂർത്തിയാക്കാൻ ആവശ്യമുള്ള എല്ലാ വസ്തുക്കളും നല്കും.

ഞങ്ങളുടെ സമൂഹത്തിലേക്ക് ചേരുക

നമ്മൾ ഒരു ഡിസ്‌കോർഡിൽ "AI സീരീസുമായി പഠിക്കുക" നടന്നുകൊണ്ടിരിക്കുന്നു; കൂടുതൽ അറിയാനും 18 - 30 സെപ്റ്റംബർ, 2025 ഇൽ ഞങ്ങളോടൊപ്പം ചേരാനും Learn with AI Series സന്ദർശിക്കുക. GitHub Copilot ഉപയോഗിച്ച് Data Science-നുള്ള ടിപ്‌സും ട്രിക്കുകളും നിങ്ങൾക്ക് ലഭിക്കും.

തുടക്കക്കാർക്കുള്ള മെഷീൻ ലേണിംഗ് - ഒരു പാഠ്യപദ്ധതി

🌍 ലോക സംസ്കാരങ്ങളിലൂടെ മെഷീൻ ലേണിംഗ് അന്വേഷിച്ച് ലോകമെടുത്ത് സഞ്ചരിക്കുക 🌍

Microsoft-ലെ ക്ലൗഡ് അഡ്വക്കേറ്റ്‌സ് 12 ആഴ്ച, 26 പാഠങ്ങളുള്ള മെഷീൻ ലേണിംഗ് കോഴ്‌സ് എത്തിക്കുകയാണ്. ഈ പാഠ്യപദ്ധതിയിൽ, പ്രധാനമായും Scikit-learn ലൈബ്രറി ഉപയോഗിച്ച് ചിലപ്പോഴൊക്കെ പാരമ്പര്യ മെഷീൻ ലേണിംഗ് എന്ന് പറയപ്പെടുന്നതിനെക്കുറിച്ചാണ് പഠിക്കുന്നത്, ഡീപ് ലേണിംഗ് ഒഴിവാക്കുന്നു, അത് ഞങ്ങളുടെ AI for Beginners' curriculum-ൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. ഈ പാഠങ്ങളെ 'Data Science for Beginners' curriculum പോലുള്ളവയുമായും ചേർത്തുപയോഗിക്കാം.

ലോകമാകെ ഏറിയ സ്ഥലങ്ങളിൽ നിന്നുള്ള ഡാറ്റ ഉപയോഗിച്ച് ഈ പാരമ്പര്യ സാങ്കേതിക വിദ്യകൾ ഞങ്ങൾ ഉപയോഗിക്കും. ഓരോ പാഠത്തിനും മുൻപും കഴിഞ്ഞും ക്വിസുകൾ, എഴുത്തുകൂടിയ നിർദ്ദേശങ്ങൾ, സമാധാനം, അസൈൻമെന്റ് എന്നിവ ഉൾപ്പെടുന്നു. നമ്മുടെ പ്രൊജക്ട് അടിസ്ഥാനത്തിലുള്ള പഠനരീതി നിങ്ങളെ നിർമാണത്തിലൂടെ പഠിപ്പിക്കും, പുതിയ കഴിവുകൾ പിടിച്ചുപറ്റാൻ സഹായിക്കുന്ന മറ്യാദമായ മാർഗ്ഗമാണ്.

✍️ ഞങ്ങളുടെ എഴുത്തുകാർക്ക് ആത്മാർത്ഥ നന്ദി: Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, Amy Boyd

🎨 ചിത്രകലാകാരന്മാർക്കുമാണ് നന്ദി: Tomomi Imura, Dasani Madipalli, Jen Looper

🙏 പ്രത്യേക നന്ദി 🙏 Microsoft Student Ambassador എഴുത്തുകാർ, റിവ്യൂവേഴ്സ്, ഉള്ളടക്ക സംഭാവകർക്ക്, പ്രത്യേകിച്ച് Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal

🤩 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, Vidushi Gupta-യുടെ R പാഠങ്ങൾക്കായുള്ള കൂടുതൽ കൃതജ്ഞത!

ആരംഭിക്കുന്നത്

ഈ ഘട്ടങ്ങൾ പിന്തുടരുക:

1. റീപ്പോസിറ്ററി Fork ചെയ്യുക: ഈ പേജിന്റെ മുകളിൽ വലതു കോണിൽ തിരഞ്ഞെടുത്ത "Fork" ബട്ടൺ ക്ലിക്ക് ചെയ്യുക.
2. റീപ്പോസിറ്ററി ക്ലോൺ ചെയ്യുക: git clone https://github.com/microsoft/ML-For-Beginners.git

ഈ കോഴ്‌സിനുള്ള എല്ലാ അധികവസ്തുക്കളും ഞങ്ങളുടെ Microsoft Learn ശേഖരത്തിൽ കാണുക

🔧 സഹായം വേണോ? ഇൻസ്റ്റലേഷൻ, സജ്ജീകരണം, പാഠങ്ങൾ പ്രവർത്തിപ്പിക്കുന്നതിലുള്ള സാധാരണ പ്രശ്നങ്ങൾക്ക് ഞങ്ങളുടെ Troubleshooting Guide സന്ദർശിക്കുക.

വിദ്യാർത്ഥികൾ, ഈ പാഠ്യപദ്ധതി ഉപയോഗിക്കാനായി, മുഴുവൻ രീപ്പോ നിങ്ങൾ സ്വന്തം GitHub അക്കൗണ്ടിലേക്ക് fork ചെയ്ത് സ്വതന്ത്രമായി അല്ലെങ്കിൽ ഗ്രൂപ്പുമായി അഭ്യാസങ്ങൾ പൂർത്തിയാക്കുക:

• പ്രാക്ടിക്കൽ ക്വിസ് ആരംഭിക്കുക.
• ലക്ചർ വായിച്ച് പ്രവർത്തനങ്ങൾ തീർക്കുക, ഓരോ നോളജ് ചെക്കിലും reflecting ചെയ്യുക.
• ലോണുകളെ മനസ്സിലാക്കി പ്രൊജക്ടുകൾ നിർമ്മിക്കാൻ ശ്രമിക്കുക; എങ്കിലും കോഡ് ഓരോ പ്രൊജക്ട് പാഠഭാഗത്തിലും /solution ഫോൾഡറിൽ ലഭ്യമാണ്.
• പാഠം കഴിഞ്ഞ് പോസ്റ്റ്-ലക്ചർ ക്വിസ് എഴുതുക.
• ചാലഞ്ച് പൂർത്തിയാക്കുക.
• അസൈൻമെന്റ് ചെയ്യുക.
• ഒരു പാഠസമൂഹം പൂർത്തിയാക്കിയ ശേഷം, Discussion Board സന്ദർ‍ശിച്ച് സാധ്യതകൾ പങ്കുവെക്കുക. പാറ്റ് (PAT - Progress Assessment Tool) പൂരിപ്പിച്ച് കൂടെ പഠിക്കുക. മറ്റുള്ളവരുടെ PAT-കളിൽ പ്രതികരിക്കുകയും ചെയ്യാം.

കൂടുതൽ പഠനത്തിന്, ഞങ്ങളുടെ Microsoft Learn മോഡ്യൂളുകളും പഠനപാതകളും ഫോളോ ചെയ്യാൻ ഞങ്ങൾ ശുപാർശ ചെയ്യുന്നു.

അധ്യാപകർക്ക്, ഈ പാഠ്യപദ്ധതിയിൽ ഉപയോഗിക്കാനുള്ള ചില നിർദ്ദേശങ്ങൾ ഞങ്ങൾ ഇവിടെ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്.

---

വീഡിയോ വോക്-തറൂ

ഒരു ചെറിയ വീഡിയോ രൂപത്തിൽ ചില പാഠങ്ങൾ ലഭ്യമാണ്. ഈ വീഡിയോകൾ പാഠങ്ങൾക്കுள் കാണാനോ, Microsoft Developer YouTube ചാനലിലെ ML for Beginners Playlist ൽനിന്നും ലഭ്യമാണ്. അടിഭാഗത്തെ ചിത്രത്തിൽ ക്ലിക്ക് ചെയ്യുക.

---

ടീമിനെ പരിചയപ്പെടുക

ഗിഫ് by Mohit Jaisal

🎥 ഈ ചിത്രത്തിൽ ക്ലിക്ക് ചെയ്ത് പ്രോജക്ടിന്റെയും സൃഷ്ടകരുടെയും കുറിച്ച് വീഡിയോ കാണുക!

---

പഠനരീതി

ഈ പാഠ്യപദ്ധതി രൂപകൽപ്പന ചെയ്യുമ്പോൾ രണ്ട് പഠന തത്വങ്ങൾ ഞങ്ങൾ തിരഞ്ഞെടുക്കുന്നു: അല്പം-കൈയിൽപിടിക്കുന്ന പ്രൊജക്ട് അടിസ്ഥാനപരമായതും, നിരന്തരമായ ക്വിസുകളും ഉള്ളതും. കൂടാതെ, ഇത് സംയോജിപ്പിക്കാനുള്ള ഒരു പൊതുസംബന്ധമായ വിഷയം ഉണ്ട്.

വിഷയങ്ങൾ പ്രൊജക്ടുകളുമായി ഒത്തുചേരുന്നതിനാൽ വിദ്യാർത്ഥികൾ കൂടുതൽ ആകർഷകമായി പഠിച്ചു ആശയങ്ങൾ ദീർഘകാലം മനസ്സിലാക്കും. കുറഞ്ഞ സാഹചര്യത്തിലുള്ള ഒരു ക്വിസ് ക്ലാസിനായി ഒരുക്കുന്നതിനും പഠനത്തിനും ഉദ്ദേശ്യം സജ്ജമാക്കുന്നതിനും ഉപയോഗിക്കുന്നു; ക്ലാസ് കഴിഞ്ഞ് മറ്റൊരു ക്വിസ് അറിവ് ഉറപ്പാക്കുന്നു. ഈ പാഠ്യപദ്ധതി സ്വൈര്യവും രസം നിറഞ്ഞതുമായതാണ്, മുഴുവനായോ ഭാഗികമായോ ഇതുപയോഗിക്കാം. പ്രൊജക്ടുകൾ ചെറിയതിൽ നിന്നും ആരംഭിച്ച് 12 ആഴ്ചകളിലെ അവസാനത്തോടെ കൂടുതൽ സങ്കീർണ്ണമാകും. ഈ പാഠ്യപദ്ധതിയിൽ മെഷീൻ ലേണിംഗിന്റെ യാഥാർത്ഥ്യ പ്രയോഗങ്ങൾ പരാമർശിക്കുന്ന ഒരു പങ്ക് ഉൾക്കൊള്ളുന്നു; ഇത് അധികശ്രോതസായി അല്ലെങ്കിൽ ചർച്ചയ്ക്കായി ഉപയോഗിക്കാം.

ഞങ്ങളുടെ Code of Conduct, Contributing, Translation, Troubleshooting മാർഗ്ഗരേഖകൾ കാണുക. നിങ്ങളുടെ നിർമ്മിതാത്മക പ്രതികരണങ്ങൾ ഞങ്ങൾ സ്വാഗതം ചെയ്യുന്നു!

ഓരോ പാഠവും ഉൾക്കൊള്ളുന്നത്

• ഐച്ഛിക സ്കെച് നോട്ട്
• ഐച്ഛിക അധിക വീഡിയോ
• വീഡിയോ വോക്-തറൂ (ചില പാഠങ്ങൾക്കായി മാത്രം)
• പ്രി-ലെക്ചർ വാർമപ്പ് ക്വിസ്
• എഴുത്തുപാഠം
• പ്രൊജക്ട്-അധിഷ്ടിത പാഠങ്ങൾക്ക്, പ്രൊജക്ട് നിർമ്മിക്കുന്നതിനുള്ള ഘട്ടംഘട്ടമായ മാർഗ്ഗങ്ങൾ
• അറിവ് പരിശോധനകൾ
• ഒരു ചാലഞ്ച്
• അധിക വായന
• അസൈൻമെന്റ്
• പോസ്റ്റ്-ലെക്ചർ ക്വിസ്

ഭാഷാചുറ്റം കുറിപ്പ്: പ്രധാനമായും Python-ൽ എഴുതപ്പെട്ടിട്ടുള്ള ഈ പാഠങ്ങൾ, പലതും R- ലും ലഭ്യമാണ്. R പാഠം പൂർത്തിയാക്കാൻ, /solution ഫോൾഡർ പരിശോധിക്കുക, അവയിൽ R പാഠങ്ങൾ കാണാം. അവയിൽ .rmd എന്നത് കാണും, ഇത് R Markdown ഫയലിനെയാണ് സൂചിപ്പിക്കുന്നത്. ഇത് കോഡ് ചങ്കുകൾ (R അല്ലെങ്കിൽ മറ്റൊരു ഭാഷ) ഉൾപ്പെടുത്തുന്ന ഒരു മാർക്ക് ഡൗൺ ഡോക്യുമെന്റിന്റെ രൂപത്തിലുള്ള ഒരു എഴുത്ത് ഫ്രെയിംവർകാണ്. ഇതിലൂടെ കോഡ്, ഔട്ട്പുട്ട്, ചിന്തകൾ എല്ലാം മാർക്ക് ഡൗണിൽ എഴുതിയിടാം. R Markdown ഫയലുകൾ PDF, HTML, Word പോലുള്ള ഫോർമാറ്റുകളിലേക്ക് പരിണമിപ്പിക്കാം. ക്വിസ് സംബന്ധിച്ച ഒരു കുറിപ്പ്: എല്ലാ ക്വിസുകളും Quiz App folder ൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്, ഓരോന്നിലും മൂന്ന് ചോദ്യങ്ങളുള്ള 52 മൊത്തം ക്വിസുകളാണ്. അവ പാഠങ്ങളിൽനിന്നും ലിങ്ക് ചെയ്തിട്ടുണ്ട്, പക്ഷേ ക്വിസ് ആപ്പ് ലോക്കലായി ഓടിക്കാം; ലോക്കലായി ഹോസ്റ്റ് ചെയ്യാനോ Azure-ലേക്ക് ഡിപ്ലോയ് ചെയ്യാനോ quiz-app ഫോൾഡറിൽ നൽകിയ निर्देशങ്ങൾ പാലിക്കൂ.

പാഠ നമ്പർ	വിഷയം	പാഠ ഗ്രൂപ്പിംഗ്	പഠനലക്ഷ്യങ്ങൾ	ലിങ്കുചെയ്ത പാഠം	രചയിതാവ്
01	മെഷ്യൻ ലേണിങ്ങിന്റെ പരിചയം	Introduction	മെഷ്യൻ ലേണിങ്ങിന്റെ അടിസ്ഥാന ആശയങ്ങൾ പഠിക്കുക	Lesson	മുഹമ്മദ്
02	മെഷ്യൻ ലേണിങ്ങിന്റെ ചരിത്രം	Introduction	ഈ രംഗത്തെ അടിസ്ഥാന ചരിത്രം പഠിക്കുക	Lesson	ജെൻ ആൻഡ് എമി
03	നീതിമാറ്റവും മെഷ്യൻ ലേണിങ്ങും	Introduction	മെഷ്യൻ ലേണിങ് മോഡലുകൾ നിർമ്മിക്കുമ്പോൾ പരിഗണിക്കേണ്ട നീതിമാറ്റവുമായി ബന്ധപ്പെട്ട പ്രധാന തത്ത്വശാസ്ത്ര പ്രശ്നങ്ങൾ എന്തെല്ലാം ആണെന്ന് പഠിക്കുക	Lesson	തൊമോമി
04	മെഷ്യൻ ലേണിങ്ങിന് ഉപയോഗിക്കുന്ന സാങ്കേതിക വിദ്യകൾ	Introduction	മെഷ്യൻ ലേണിങ് ഗവേഷകർ ഉപയോഗിക്കുന്ന സാങ്കേതിക വിദ്യകൾ ഏതാണ്?	Lesson	ക്രിസ് ആൻഡ് ജെൻ
05	റെഗ്രഷനിലെ പരിചയം	Regression	റെഗ്രഷൻ മോഡലുകൾക്ക് Python, Scikit-learn ഉപയോഗിച്ച് ആരംഭിക്കുക	Python • R	ജെൻ • എറിക് വാൻജൗ
06	നോർത്ത് അമേരിക്കൻ പമ്പ്കിൻ വിലകൾ 🎃	Regression	മെഷ്യൻ ലേണിങ്ങിനായി ഡാറ്റ ക്ളീനിംഗും ദൃശ്യവത്കരണവും ചെയ്യുക	Python • R	ജെൻ • എറിക് വാൻജൗ
07	നോർത്ത് അമേരിക്കൻ പമ്പ്കിൻ വിലകൾ 🎃	Regression	ലീനിയർ, പോളിനോമിയൽ റെഗ്രഷൻ മോഡലുകൾ നിർമ്മിക്കുക	Python • R	ജെൻ, ഡിമിട്രി • എറിക് വാൻജൗ
08	നോർത്ത് അമേരിക്കൻ പമ്പ്കിൻ വിലകൾ 🎃	Regression	ഒരു ലൊജിസ്റ്റിക് റെഗ്രഷൻ മോഡൽ നിർമ്മിക്കുക	Python • R	ജെൻ • എറിക് വാൻജൗ
09	ഒരു വെബ് ആപ്പ് 🔌	Web App	പരിശീലിപ്പിച്ച മോഡൽ ഉപയോഗിക്കുന്ന ഒരു വെബ് ആപ്പ് നിർമ്മിക്കുക	Python	ജെൻ
10	ക്ലാസിഫിക്കേഷനിൽ പരിചയം	Classification	ഡാറ്റ ശുദ്ധീകരിക്കുകയും പ്രോസസ്സ് ചെയ്ത് ദൃശ്യവത്കരിക്കുകയും ചെയ്യുക; ക്ലാസിഫിക്കേഷനിലേക്ക് പരിചയം	Python • R	ജെൻ, കാസ്സി • എറിക് വാൻജൗ
11	ആസിയൻ, ഇന്ത്യൻ വിഭവങ്ങളുടെ രുചികൈകൾ 🍜	Classification	ക്ലാസിഫയർമാരെ പരിചയപ്പെടുക	Python • R	ജെൻ, കാസ്സി • എറിക് വാൻജൗ
12	ആസിയൻ, ഇന്ത്യൻ വിഭവങ്ങളുടെ രുചികൈകൾ 🍜	Classification	കൂടുതൽ ക്ലാസിഫയർമാർ	Python • R	ജെൻ, കാസ്സി • എറിക് വാൻജൗ
13	ആസിയൻ, ഇന്ത്യൻ വിഭവങ്ങളുടെ രുചികൈകൾ 🍜	Classification	നിങ്ങളുടെ മോഡൽ ഉപയോഗിച്ച് ഒരു റികമന്‍ഡർ വെബ് ആപ്പ് നിർമ്മിക്കുക	Python	ജെൻ
14	ക്ലസ്റ്ററിംഗിൽ പരിചയം	Clustering	ഡാറ്റ ശുദ്ധീകരിച്ച് പ്രോസസ്സ് ചെയ്ത് ദൃശ്യവത്കരിക്കുക; ക്ലസ്റ്ററിംഗിലേക്ക് പരിചയം	Python • R	ജെൻ • എറിക് വാൻജൗ
15	നൈജീരിയൻ മ്യൂസിക്കൽ രുചികൾ അന്വേഷിക്കുന്നത് 🎧	Clustering	K-മീൻസ് ക്ലസ്റ്ററിംഗ് രീതിയെക്കുറിച്ച് പഠിക്കുക	Python • R	ജെൻ • എറിക് വാൻജൗ
16	നാചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിങ്ങിലേക്ക് പരിചയം ☕️	Natural language processing	ലളിതമായ ഒരു ബോട്ട് നിർമ്മിച്ചുകൊണ്ട് NLP അടിസ്ഥാനങ്ങൾ പഠിക്കുക	Python	സ്റ്റെഫൻ
17	പൊതുവായ NLP ടാസ്‌കുകൾ ☕️	Natural language processing	ഭാഷാശാസ്ത്ര ഘടനകളുമായി ഇടപഴകുമ്പോൾ ആവശ്യമായ പൊതുവായ ടാസ്‌കുകൾ മനസിലാക്കി നിങ്ങളുടെ NLP അറിവ് മെച്ചപ്പെടുത്തുക	Python	സ്റ്റെഫൻ
18	ഭാഷാന്തരവും സേന്റ്‌മെന്റ് അനാലിസിസും ♥️	Natural language processing	ജെയിൻ ഓസ്റ്റനുമായി ഭാഷാന്തരവും സേന്റ്‌മെന്റ് അനാലിസിസും	Python	സ്റ്റെഫൻ
19	യൂറോപ്യൻ റോമാൻറിക് ഹോട്ടലുകൾ ♥️	Natural language processing	ഹോട്ടൽ റിവ്യൂകൾ ഉപയോഗിച്ചുള്ള സേന്റ്‌മെന്റ് അനാലിസിസ് 1	Python	സ്റ്റെഫൻ
20	യൂറോപ്യൻ റോമാൻറിക് ഹോട്ടലുകൾ ♥️	Natural language processing	ഹോട്ടൽ റിവ്യൂകൾ ഉപയോഗിച്ചുള്ള സേന്റ്‌മെന്റ് അനാലിസിസ് 2	Python	സ്റ്റെഫൻ
21	ടൈം സീരീസ് ഫോർകാസ്റ്റിങ്ങിലേക്ക് പരിചയം	Time series	ടൈം സീരീസ് ഫോർകാസ്റ്റിങ്ങിലേക്ക് പരിചയം	Python	ഫ്രാൻസെസ്ക്കാ
22	⚡️ വേൾഡ് പവർ ഉപയോഗം ⚡️ - ARIMA-യോടെ ടൈം സീരീസ് ഫോർകാസ്റ്റിംഗ്	Time series	ARIMA ഉപയോഗിച്ച് ടൈം സീരീസ് ഫോർകാസ്‌റ്റിംഗ്	Python	ഫ്രാൻസെസ്ക്കാ
23	⚡️ വേൾഡ് പവർ ഉപയോഗം ⚡️ - SVR-യോടെ ടൈം സീരീസ് ഫോർകാസ്റ്റിംഗ്	Time series	Support Vector Regressor ഉപയോഗിച്ച് ടൈം സീരീസ് ഫോർകാസ്റ്റിംഗ്	Python	അനിർബാൻ
24	റയിൻഫോഴ്‌സ്‌മെന്റ് ലേണിങ്ങിലേക്ക് പരിചയം	Reinforcement learning	Q-ലേണിങ്ങുമായി റയിൻഫോഴ്‌സ്‌മെന്റ് ലേണിങ് പരിചയപ്പെടുത്തൽ	Python	ഡിമിട്രി
25	പീറ്റർനെ അദ്ധമരിൽ നിന്നു രക്ഷിക്കൂ! 🐺	Reinforcement learning	റയിൻഫോഴ്‌സ്‌മെന്റ് ലേണിങ് ജിം	Python	ഡിമിട്രി
Postscript	യഥാർത്ഥ ലോകത്തിലെ മെഷ്യൻ ലേണിങ് ഘടകങ്ങളും പ്രയോഗങ്ങളും	ML in the Wild	ക്ലാസ്സിക്കൽ മെഷ്യൻ ലേണിങ്ങിന്റെ രസകരവും വെളിച്ചം ചൊരിയുന്ന യഥാർത്ഥ ലോക പ്രയോഗങ്ങൾ	Lesson	ടീം
Postscript	RAI ഡാഷ്ബോർഡ് ഉപയോഗിച്ച് ML മോഡൽ ഡീബഗിംഗ്	ML in the Wild	Responsible AI ഡാഷ്ബോർഡ് ഘടകങ്ങൾ ഉപയോഗിച്ച് മെഷീൻ ലേണിങ് മോഡലുകൾ ഡീബഗ് ചെയ്യൽ	Lesson	റുത്ത് യാകുബു

ഈ കോഴ്സിന്റെ എല്ലാ അധിക വിഭവങ്ങളും നമ്മുടെ Microsoft Learn ശേഖരത്തിൽ കണ്ടെത്തുക

ഓഫ്‌ലൈൻ ആക്‌സസ്

നിങ്ങൾക്ക് Docsify ഉപയോഗിച്ച് ഈ ദസ്താവേധം ഓഫ്‌ലൈൻ പ്രവർത്തിപ്പിക്കാം. ഈ റിപ്പോ ഫോർക്കുചെയ്‌ത്, നിങ്ങളുടെ ലോകൽ മെഷീനിൽ Docsify ഇൻസ്റ്റാൾ ചെയ്യുക, പിന്നീട് ഈ റിപ്പോയുടെ റൂട്ട് ഫോൾഡറിൽ docsify serve എന്ന് ടൈപ്പ് ചെയ്യുക. വെബ്സൈറ്റ് പോർട്ട് 3000-ൽ ലോക്കൽഹോസ്റ്റിൽ സേവനമാകും: localhost:3000.

PDFകൾ

കോഴ്സിന്റെ പിഡിഎഫ് രൂപം ലിങ്കുകളോടെ ഇവിടെ കണ്ടെത്തൂ.

🎒 മറ്റ് കോഴ്സുകൾ

നമ്മുടെ ടീം മറ്റ് കോഴ്സുകളും ഉല്പാദിപ്പിക്കുന്നു! പരിശോധിക്കുക:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

പ്രധാന പഠനം

---

കോപൈലറ്റ് പരമ്പര

സഹായം ലഭിക്കുന്നതു്

നിങ്ങള്‍ AI ആപ്ലിക്കേഷനുകള്‍ നിര്‍മ്മിക്കുമ്പോള്‍ തടസ്സപ്പെടുകയോ ഏതെങ്കിലും ചോദ്യം ഉണ്ടാവുകയോ ചെയ്താല്‍. MCP-യുമായി ബന്ധപ്പെട്ട അനുഭവസമ്പന്നരായ ഡെവലപ്പര്‍മാരും പഠിക്കുന്നവരുമായ കൂട്ടായ്മയില്‍ പങ്കെടുക്കുക. ചോദ്യങ്ങള്‍ക്ക് സ്വീകാര്യതയുള്ളതും അറിവ് സ്വതന്ത്രമായി പങ്കുവെക്കുന്നും ഒരു പിന്തുണയുള്ള സമൂഹം ഇത്.

നിങ്ങള്‍ക്ക് ഉല്‍പ്പന്നത്തിന്റെ പ്രതികരണമോ നിര്‍മ്മാണ സമയത്ത് പിശകുകളോ ഉണ്ടെങ്കില്‍, സന്ദര്‍ശിക്കുക:

---

അസാധുവാക്കൽ:
ഈ പ്രമാണം AI പരിഭാഷാ സേവനം Co-op Translator ഉപയോഗിച്ചു പരിഭാഷപ്പെടുത്തപ്പെട്ടതാണ്. ഞങ്ങൾ കൃത്യതയ്ക്കായി പരിശ്രമിച്ചാലും, സ്വയം പ്രവർത്തിക്കുന്ന പരിഭാഷകളിൽ പിഴവുകൾ അല്ലെങ്കിൽ തെറ്റിച്ചെപ്പുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. പ്രമാണത്തിന്റെ അസൽ ഭാഷയിലാണ് പ്രാമാണിക ഉറവിടം എന്ന് കാണണം. അത്യാവശ്യമുള്ള വിവരങ്ങൾക്ക് പ്രൊഫഷണൽ മാനവ പരിഭാഷ ശിപാർശ ചെയ്യപ്പെടുന്നു. ഈ പരിഭാഷ ഉപയോഗത്തിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും പൈരവലക്ഷണംകൾക്കോ വ്യക്തമായ തെറ്റിഷ്ടങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.