ML-For-Beginners/translations/mr

🌐 बहुभाषिक समर्थन

GitHub Action द्वारे समर्थित (स्वयंचलित व नेहमी अद्यतन)

अरबी | बंगाली | बल्गेरियन | बर्मese (म्यानमार) | चिनी (सोपे) | चिनी (परंपरागत, हाँगकाँग) | चिनी (परंपरागत, मकाऊ) | चिनी (परंपरागत, तैवान) | क्रोएशियन | चेक | डॅनिश | डच | एस्टोनियन | फिन्निश | फ्रेंच | जर्मन | ग्रीक | हिब्रू | हिंदी | हंगेरीयन | इंडोनेशियन | इटालियन | जपानी | कन्नड | कोरियन | लिथुआनियन | मलय | मलयाळम | मराठी | नेपाली | नायजीरियन पिड्जिन | नॉर्वेजियन | फारसी (पर्शियन) | पोलिश | परतुगिज (ब्राझील) | परतुगिज (पोरतुगीज) | पंजाबी (गुरमुखी) | रोमेनियन | रशियन | सर्बियन (सिरिलिक) | स्लोव्हाक | स्लोव्हेनियन | स्पॅनिश | स्वाहिली | स्वीडिश | टॅगलॉग (फिलिपिनो) | तमिळ | तेलुगू | थाई | तुर्की | युक्रेनियन | उर्दू | व्हिएतनामी

स्थानिक क्लोन करायचे आहे का?

या रिपॉझिटरीमध्ये ५०+ भाषांमध्ये अनुवाद समाविष्ट आहेत जे डाउनलोड आकार मोठा करतात. अनुवादांशिवाय क्लोन करण्यासाठी, स्पार्स चेकआउट वापरा:

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'

हे आपल्याला कोर्स पूर्ण करण्यासाठी आवश्यक असेल ते सगळे जलद डाउनलोडसह देते.

आमच्या समुदायात सामील व्हा

आमच्याकडे एक डिस्कॉर्ड AI सह शिका मालिका चालू आहे, अधिक जाणून घेण्यासाठी आणि १८ - ३० सप्टेंबर, २०२५ रोजी आमच्यात सहभागी व्हा Learn with AI Series. येथे आपल्याला GitHub Copilot चा वापर करून डेटा सायन्ससाठी टिप्स आणि युक्त्या मिळतील.

नवशिक्यांसाठी मशीन लर्निंग - एक अभ्यासक्रम

🌍 विश्व संस्कृतींच्या माध्यमातून मशीन लर्निंगचा अभ्यास करत जगाभर प्रवास करा 🌍

मायक्रोसॉफ्टमधील क्लाउड अ‍ॅडव्होकेट्स मशीन लर्निंगवर आधारित १२ आठवड्यांचा, २६ धड्यांचा अभ्यासक्रम सादर करत आहेत. या अभ्यासक्रमात तुम्हाला जेव्हा कधी "क्लासिक मशीन लर्निंग" असे म्हणतात ते शिकता येणार आहे, मुख्यतः Scikit-learn लायब्ररी वापरून, आणि डीप लर्निंग टाळण्यात येते, जी आमच्या AI for Beginners अभ्यासक्रमात समाविष्ट आहे. ह्या धड्यांकडे, आमच्या 'डेटा सायन्स फॉर बिगिनर्स' अभ्यासक्रमासोबत जोडल्यास उत्तम होईल.

जगभरातील विविध भागातील डेटावर या क्लासिक तंत्रांचा वापर करून आमच्यासोबत प्रवास करा. प्रत्येक धड्यात प्री-माहिती आणि पोस्ट-धडा क्विझ, धडा पूर्ण करण्यासाठी लेखी सूचना, उपाय, असाइनमेंट आणि बरेच काही समाविष्ट आहे. आमचा प्रोजेक्ट-आधारित अध्यापन पद्धत तुम्हाला शिकत असताना तयार करण्याची संधी देते, आणि हे नवीन कौशल्ये जास्त काळ टिकण्यास मदत करते.

✍️ आमच्या लेखकांचे मनःपूर्वक आभार जेण लुपर, स्टीफन हॉवेल, फ्रान्सेस्का लाझ्झेरी, टोमोमी इमुरा, कॅसी ब्रेवियू, द्मित्री सोशनिकोव्ह, क्रिस नोरिंग, अनिर्बान मुखर्जी, ऑर्नेला अल्टूनयान, रुथ याकुबू आणि एमी बॉयड

🎨 आमच्या चित्रकारांना देखील आभार टोमोमी इमुरा, दसानि मडिपल्ली, आणि जेण लुपर

🙏 विशेष आभार 🙏 आमच्या मायक्रोसॉफ्ट स्टुडंट अ‍ॅम्बेसडर लेखक, पुनरावलोकक, आणि कंटेंट योगदानकर्त्यांना, विशेषतः रिशित डागली, मुहम्मद साकिब खान इनान, रोहन राज, अलेक्झांडरु पेट्रेस्कू, अभिषेक जायसवाल, नवरीन तबस्सुम, योआन समुइला, आणि स्नigdha अग्रवाल यांना

🤩 आमच्या R धड्यांसाठी मायक्रोसॉफ्ट स्टुडंट अ‍ॅम्बेसडर्स एरिक वांजाऊ, जस्लीन संधी, आणि विदुषी गुप्ता यांना विशेष आभार!

सुरुवात कशी करावी

हे चरण फॉलो करा:

1. रिपॉझिटरी फोर्क करा: या पानाच्या वरच्या उजव्या कोपऱ्यात "Fork" बटणावर क्लिक करा.
2. रिपॉझिटरी क्लोन करा: git clone https://github.com/microsoft/ML-For-Beginners.git

या कोर्ससाठीचे सर्व अतिरिक्त संसाधने आमच्या Microsoft Learn संग्रहात शोधा

🔧 मदत हवी आहे का? इन्स्टॉलेशन, सेटअप, आणि धडे चालवताना येणाऱ्या सामान्य समस्यांसाठी आमचा Troubleshooting Guide पाहा.

विद्यार्थ्यांसाठी, हा अभ्यासक्रम वापरण्यासाठी, हा संपूर्ण रेपो तुमच्या स्वतःच्या GitHub खात्यावर फोर्क करा आणि व्यायाम स्वतंत्रपणे किंवा गटाबरोबर पूर्ण करा:

• प्री-लेक्चर क्विझने सुरुवात करा.
• लेक्चर वाचा आणि क्रियाकलाप पूर्ण करा, प्रत्येक ज्ञान तपासणीवर थांबून विचार करा.
• प्रकल्प तयार करण्याचा प्रयत्न करा, समाधानात्मक कोड चालवण्याऐवजी ते समजून घेऊन; तरीही ते कोड प्रत्येक प्रकल्पाधारित धड्यातील /solution फोल्डरमध्ये उपलब्ध आहे.
• पोस्ट-लेक्चर क्विझ घ्या.
• चॅलेंज पूर्ण करा.
• असाइनमेंट पूर्ण करा.
• एका धड्यांच्या समूहानंतर, Discussion Board वर जा आणि योग्य PAT रूपरेषा भरून "प्रगतीची माहिती" द्या. 'PAT' म्हणजे प्रगती मूल्यांकन साधन, जे तुम्ही भरून तुमची शिकणे पुढे नेता. तुम्ही इतर PATs ला देखील प्रतिक्रिया देऊ शकता जेणेकरून आपण एकत्र शिकू.

पुढील अभ्यासासाठी, या Microsoft Learn मॉड्यूल्स व शिक्षण मार्ग अनुसरण करण्याची शिफारस करतो.

शिक्षकांसाठी, आम्ही हा अभ्यासक्रम कसा वापरायचा याबाबत काही सूचना दिल्या आहेत.

---

व्हिडिओ मार्गदर्शने

काही धडे लघु स्वरूपातील व्हिडिओ म्हणून उपलब्ध आहेत. तुम्हाला हे धडे वर्गात किंवा मायक्रोसॉफ्ट डेव्हलपर यूट्यूब चॅनलवरील ML for Beginners प्लेलिस्ट वर पाहता येतील, खालील चित्रावर क्लिक करा.

---

टीमला भेटा

जीफ कडून मोहित जायसाल

🎥 प्रकल्प आणि त्याचे निर्माता लोकांबद्दल व्हिडिओ पाहण्यासाठी वरच्या चित्रावर क्लिक करा!

---

अध्यापन तत्त्वे

आम्ही या अभ्यासक्रमासाठी दोन अध्यापन तत्त्वांची निवड केली आहे: त्याला हाताळणारा प्रकल्पाधारित बनवणे आणि त्यात वारंवार क्विझ असणे सुनिश्चित करणे. याशिवाय, या अभ्यासक्रमासाठी एक सामान्य थीम आहे ज्यामुळे त्यात सुसंगतता येते.

सामग्री प्रकल्पांशी सुसंगत असल्याची खात्री करून, विद्यार्थ्यांसाठी प्रक्रिया अधिक आकर्षक होते आणि संकल्पना अधिक चांगल्या प्रकारे लक्षात राहतात. याशिवाय, वर्गापूर्वीचा एक क्विझ विद्यार्थ्याच्या शिकण्याच्या उद्दिष्टाला स्थिर करतो, तर वर्गानंतरचा आणखी एक क्विझ अधिक चांगली आठवण ठेऊ शकतो. या अभ्यासक्रमाला लवचिक आणि मजेदार बनविण्यासाठी डिझाईन केले गेले आहे आणि तो पूर्ण किंवा भागांत देखील घेतला जाऊ शकतो. १२ आठवड्यांच्या चक्राच्या शेवटी हे प्रकल्प लहानपासून मोठे आणि गुंतागुंतीचे होत जातात. या अभ्यासक्रमात एमएलच्या खऱ्या-अर्थीतील अनुप्रयोगांवरही एक पोस्टस्क्रिप्ट आहे, जी अतिरिक्त क्रेडिटसाठी किंवा चर्चेसाठी वापरली जाऊ शकते.

आमचे व्यवहार संहिता, योगदान कसे कराल, अनुवाद, आणि समस्या निवारण मार्गदर्शक भेटा. तुमचा रचनात्मक अभिप्राय आम्हाला मनापासून हवे आहे!

प्रत्येक धड्यात समाविष्ट आहे

• ऐच्छिक स्केचनोट
• ऐच्छिक पूरक व्हिडिओ
• व्हिडिओ मार्गदर्शन (काही धड्यांसाठी)
• प्रि-लेक्चर वॉर्मअप क्विझ
• लेखी धडा
• प्रकल्पाधारित धड्यांसाठी, प्रकल्प कसा तयार करायचा याचे टप्पे टप्प्याने मार्गदर्शन
• ज्ञान तपासण्या
• एक चॅलेंज
• पूरक लेखणी
• असाइनमेंट
• पोस्ट-लेक्चर क्विझ

भाषांबद्दल एक टीप: हे धडे मुख्यत्वे Python मध्ये लिहिले आहेत, पण अनेक R मध्ये देखील उपलब्ध आहेत. R धडा पूर्ण करण्यासाठी, /solution फोल्डरमध्ये जाऊन R धडे शोधा. त्यात .rmd एक्सटेंशन असलेला R Markdown फाइल असते, जे सोप्या भाषेत सांगायचे तर कोड ब्लॉक्स (R किंवा इतर भाषा) आणि YAML हेडर (पीडीएफसारखे आउटपुट कसे फॉरमॅट करायचा हे निर्देशित करतो) असलेल्या Markdown डॉक्युमेंटचा समावेश आहे. त्यामुळे, डेटा सायन्ससाठी एक उत्कृष्ट लेखन फ्रेमवर्क आहे कारण यामुळे तुम्ही तुमचा कोड, त्याचा आउटपुट आणि तुमचे विचार Markdown मध्ये मांडू शकता. शिवाय, R Markdown दस्तऐवज PDF, HTML, वा Word सारख्या आउटपुट फॉरमॅटमध्ये रूपांतरित केले जाऊ शकतात. क्विझबद्दल एक नोंद: सर्व क्विझ Quiz App फोल्डर मध्ये समाविष्ट आहेत, प्रत्येक तीन प्रश्नांसह एकूण 52 क्विझेस. हे धड्यांमधून लिंक केलेले आहेत परंतु क्विझ अ‍ॅप स्थानिकरित्या चालवता येऊ शकतो; स्थानिकपणे होस्ट करण्यासाठी किंवा Azure वर तैनात करण्यासाठी quiz-app फोल्डरमधील सूचनांचे पालन करा.

धडा क्रमांक	विषय	धडा गट	शिक्षण उद्दिष्टे	लिंक केलेला धडा	लेखक
01	मशीन लर्निंग परिचय	परिचय	मशीन लर्निंगच्या मूलभूत संकल्पना शिकून घ्या	धडा	मुहम्मद
02	मशीन लर्निंगचा इतिहास	परिचय	या क्षेत्राच्या इतिहासाबद्दल माहिती मिळवा	धडा	जेन आणि एमी
03	निष्पक्षता आणि मशीन लर्निंग	परिचय	मशीन लर्निंग मॉडेल्स तयार करताना आणि लागू करताना विद्यार्थ्यांनी विचारात घ्यावयाच्या महत्त्वाच्या तात्त्विक समस्यांबद्दल काय आहेत?	धडा	तोमोमी
04	मशीन लर्निंगसाठी तंत्रे	परिचय	मशीन लर्निंग संशोधक कोणती तंत्रे वापरतात हे जाणून घ्या	धडा	क्रिस आणि जेन
05	रिग्रेशन परिचय	रिग्रेशन	रिग्रेशन मॉडेलसाठी पायथन आणि स्काइकीट-लर्न वापरून सुरुवात करा	Python • R	जेन • एरिक वानजाउ
06	उत्तर अमेरिकेतील भोपळ्याच्या किमती 🎃	रिग्रेशन	मशीन लर्निंगसाठी डेटा दृष्टीस येण्या आणि स्वच्छ करण्याची तयारी करा	Python • R	जेन • एरिक वानजाउ
07	उत्तर अमेरिकेतील भोपळ्याच्या किमती 🎃	रिग्रेशन	रेषीय आणि बहुपदीय रिग्रेशन मॉडेल तयार करा	Python • R	जेन आणि डिमिट्री • एरिक वानजाउ
08	उत्तर अमेरिकेतील भोपळ्याच्या किमती 🎃	रिग्रेशन	लॉजिस्टिक रिग्रेशन मॉडेल तयार करा	Python • R	जेन • एरिक वानजाउ
09	वेब अ‍ॅप 🔌	वेब अ‍ॅप	तुमच्या प्रशिक्षित मॉडेलचा वापर करून वेब अ‍ॅप तयार करा	Python	जेन
10	वर्गीकरण परिचय	वर्गीकरण	डेटा स्वच्छ करा, तयार करा, आणि व्हिज्युअलाइझ करा; वर्गीकरण परिचय	Python • R	जेन आणि कॅसी • एरिक वानजाउ
11	चवदार आशियाई आणि भारतीय जेवण 🍜	वर्गीकरण	वर्गीकरणाच्या परिचयाबद्दल जाणून घ्या	Python • R	जेन आणि कॅसी • एरिक वानजाउ
12	चवदार आशियाई आणि भारतीय जेवण 🍜	वर्गीकरण	अधिक classifiers बद्दल जाणून घ्या	Python • R	जेन आणि कॅसी • एरिक वानजाउ
13	चवदार आशियाई आणि भारतीय जेवण 🍜	वर्गीकरण	तुमच्या मॉडेलचा वापर करून शिफारस करणारा वेब अ‍ॅप तयार करा	Python	जेन
14	क्लस्टरिंग परिचय	क्लस्टरिंग	डेटा स्वच्छ करा, तयार करा, आणि व्हिज्युअलाइझ करा; क्लस्टरिंगचा परिचय	Python • R	जेन • एरिक वानजाउ
15	नायजेरियन संगीत आवड यांचा अभ्यास 🎧	क्लस्टरिंग	K-Means क्लस्टरिंग पद्धत एक्सप्लोर करा	Python • R	जेन • एरिक वानजाउ
16	नैसर्गिक भाषा प्रक्रिया परिचय ☕️	नैसर्गिक भाषा प्रक्रिया	सोपा बोट तयार करून NLP ची मूलतत्त्वं जाणून घ्या	Python	स्टीफन
17	सामान्य NLP कार्ये ☕️	नैसर्गिक भाषा प्रक्रिया	भाषा संरचनांशी व्यवहार करताना आवश्यक सामान्य कार्ये समजून NLP ज्ञान वृद्धिंगत करा	Python	स्टीफन
18	भाषांतर आणि भावना विश्लेषण ♥️	नैसर्गिक भाषा प्रक्रिया	जेन ऑस्टिनसह भाषांतर आणि भावना विश्लेषण	Python	स्टीफन
19	युरोपमधील रोमँटिक हॉटेल्स ♥️	नैसर्गिक भाषा प्रक्रिया	हॉटेल पुनरावलोकनांसह भावना विश्लेषण 1	Python	स्टीफन
20	युरोपमधील रोमँटिक हॉटेल्स ♥️	नैसर्गिक भाषा प्रक्रिया	हॉटेल पुनरावलोकनांसह भावना विश्लेषण 2	Python	स्टीफन
21	टाइम सिरीज पूर्वानुमानाचा परिचय	टाइम सिरीज	टाइम सिरीज पूर्वानुमानाचा परिचय	Python	फ्रान्सेसका
22	⚡️ जागतिक वीज वापर ⚡️ - ARIMA सह टाइम सिरीज पूर्वानुमान	टाइम सिरीज	ARIMA सह टाइम सिरीज पूर्वानुमान	Python	फ्रान्सेसका
23	⚡️ जागतिक वीज वापर ⚡️ - SVR सह टाइम सिरीज पूर्वानुमान	टाइम सिरीज	Support Vector Regressor सह टाइम सिरीज पूर्वानुमान	Python	अनिर्बन
24	पुनर्बलन शिक्षणाचा परिचय	पुनर्बलन शिक्षण	Q-Learning सह पुनर्बलन शिक्षणाचा परिचय	Python	डिमिट्री
25	पीटरला लांडग्यापासून वाचवा! 🐺	पुनर्बलन शिक्षण	पुनर्बलन शिकण्याचे गॅम	Python	डिमिट्री
उपसंहार	वास्तविक जगातील ML परिस्थिती आणि अनुप्रयोग	ML in the Wild	पारंपरिक ML चे मनोरंजक आणि उघड करणारे वास्तविक जगातील अनुप्रयोग	धडा	टीम
उपसंहार	RAI डॅशबोर्डचा वापर करून ML मध्ये मॉडेल डीबगिंग	ML in the Wild	जबाबदार AI डॅशबोर्ड घटक वापरून मशीन लर्निंगमधील मॉडेल डीबगिंग	धडा	रुथ याकुबू

या कोर्ससाठी अतिरिक्त संसाधनांची सर्व माहिती आमच्या Microsoft Learn संग्रहात शोधा

ऑफलाइन प्रवेश

Docsify वापरून तुम्ही ही दस्तऐवज ऑफलाइन चालवू शकता. हे रिपॉजिटरी फोर्क करा, Docsify इन्स्टॉल करा आपल्या स्थानिक संगणकावर, आणि नंतर या रिपॉजिटरीच्या मूळ फोल्डरमध्ये docsify serve टाइप करा. वेबसाइट तुमच्या स्थानिक संगणकावर पोर्ट 3000 वर चालेल: localhost:3000.

PDF

सिलेबसचा PDF लिंक्ससह येथे शोधा.

🎒 इतर कोर्स

आमचा संघ इतर कोर्स तयार करतो! तपासा:

LangChain

---

Azure / Edge / MCP / एजंट्स

---

जनरेटिव AI सिरीज

---

मुख्य शिक्षण

---

सहायक चालक मालिक

मदत मिळवा

जर तुम्ही अडकले असाल किंवा AI अॅप्स तयार करताना काही प्रश्न असतील, तर MCP विषयी चर्चेत सहभागी व्हा. हे एक सहायक समुदाय आहे जिथे प्रश्न विचारणे स्वागतार्ह आहे आणि ज्ञान मुक्तपणे सामायिक केले जाते.

जर तुम्हाला उत्पादनाबद्दल अभिप्राय किंवा चुकांबद्दल काही असेल तर येथे भेट द्या:

---

सविनय सूचना: हा दस्तऐवज AI अनुवाद सेवा Co-op Translator वापरून अनुवादित केला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी, कृपया लक्षात ठेवा की स्वयंचलित अनुवादांमध्ये त्रुटी किंवा अचूकतेची चूक असू शकते. मूळ दस्तऐवज त्याच्या मूळ भाषेत अधिकृत स्रोत मानला जावा. महत्वाच्या माहितीसाठी व्यावसायिक मानवी अनुवाद शिफारसीय आहे. या अनुवादाच्या वापरामुळे उद्भवणाऱ्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थग्रहणाबद्दल आम्ही जबाबदार नाही.