ML-For-Beginners/translations/ne

🌐 बहुभाषी समर्थन

GitHub क्रिया मार्फत समर्थन गरिएको (स्वचालित र सधैं अद्यावधिक)

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 रूपमा क्लोन गर्न चाहनुहुन्छ?

यो रिपोजिटरीसँग ५०+ भाषा अनुवादहरू समावेश छन् जसले डाउनलोड साइजलाई धेरै वृद्धि गर्दछ। अनुवादहरू बिना क्लोन गर्न sparse checkout प्रयोग गर्नुहोस्:

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'

यसले तपाईंलाई पाठ्यक्रम पूरा गर्न आवश्यक सबै सामग्री धेरै छिटो डाउनलोडको साथ प्रदान गर्दछ।

हाम्रो समुदायमा सामेल हुनुहोस्

हामीसँग डिस्कोर्डमा AI सँग सिक्ने शृंखला चलिरहेको छ, थप जान्न र सामेल हुन Learn with AI Series मा आउनुहोस् सेप्टेम्बर १८ - ३०, २०२५। तपाईं GitHub Copilot डेटा विज्ञानका लागि कसरी प्रयोग गर्ने टिप्स र ट्रिक्स पाउनु हुनेछ।

शुरुवातीहरूका लागि मेशिन लर्निङ - एउटा पाठ्यक्रम

🌍 संसार घुम्दै गर्दा मेशिन लर्निङलाई विश्वका संस्कृतिहरू मार्फत अन्वेषण गरौं 🌍

Microsoftका Cloud Advocatesहरूले १२ हप्ता, २६ पाठहरूको एक पाठ्यक्रम प्रदान गर्न पाउँदा खुशी छन् जुन मुख्यतः मेशिन लर्निङ मा केन्द्रित छ। यसमा तपाईंले प्रायः Scikit-learn पुस्तकालय प्रयोग गरेर कहलिने शास्त्रीय मेशिन लर्निङ बारे सिक्नुहुनेछ र गहिरो सिकाइ (डीप लर्निङ) लाई समावेश नगर्नेछ जुन हाम्रो AI for Beginners' curriculum मा छ। यी पाठहरूलाई हाम्रो 'Data Science for Beginners' curriculum सँग पनि जोड्नुहोस्।

हामीसँग संसारभर घुम्दै यी शास्त्रीय प्रविधिहरूलाई विश्वका विभिन्न क्षेत्रका डेटामा लागू गर्नेछौं। प्रत्येक पाठमा पूर्व र उत्तर पाठ क्विजहरू, लेखिएका निर्देशनहरू, समाधान, असाइन्मेन्ट, र थप सामग्री छन्। हाम्रो परियोजना-आधारित शिक्षण पद्धतिले तपाईंलाई सिप सिक्दा प्रायोग पनि गर्न दिन्छ, जुन नयाँ सीपहरू सिक्नको लागि प्रमाणित तरिका हो।

✍️ हाम्रा लेखकहरूलाई हार्दिक धन्यवाद Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu र Amy Boyd

🎨 हाम्रा चित्रकारहरूलाई पनि धन्यवाद Tomomi Imura, Dasani Madipalli, र Jen Looper

🙏 हाम्रो Microsoft Student Ambassador लेखक, समीक्षक, र सामग्री योगदानकर्ताहरूलाई विशेष धन्यवाद, विशेषगरी Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, र Snigdha Agarwal

🤩 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, र Vidushi Gupta लाई हाम्रो R पाठहरूका लागि थप धन्यवाद!

सुरु गर्ने तरिका

यी चरणहरू अनुसरण गर्नुहोस्:

1. रिपोजिटरी Fork गर्नुहोस्: यस पेजको दाहिने माथि कुनामा रहेको "Fork" बटनमा क्लिक गर्नुहोस्।
2. रिपोजिटरी Clone गर्नुहोस्: git clone https://github.com/microsoft/ML-For-Beginners.git

यस पाठ्यक्रमका सबै अतिरिक्त स्रोतहरू हामीले Microsoft Learn संग्रहमा राखेका छौं

🔧 मद्दत चाहिन्छ? हाम्रो Troubleshooting Guide मा स्थापना, सेटअप, र पाठहरू चलाउँदा आउने सामान्य समस्या समाधानहरू हेर्नुहोस्।

विद्यार्थीहरू, यस पाठ्यक्रम प्रयोग गर्न, सम्पूर्ण रेपो तपाईंको आफ्नै GitHub खातामा fork गरी अभ्यासहरू आफैं वा समूहमा पूरा गर्नुहोस्:

• पूर्व-व्याख्यान क्विजबाट सुरू गर्नुहोस्।
• व्याख्यान पढ्नुहोस् र क्रियाकलापहरू पूरा गर्नुहोस्, प्रत्येक ज्ञान जाँचमा रोकिदै र विचार गर्दै।
• समाधान कोड चलाउनुको सट्टा पाठहरू बुझेर परियोजनाहरू बनाउन प्रयास गर्नुहोस्; यद्यपि उक्त कोड प्रत्येक परियोजना-केन्द्रित पाठको /solution फोल्डरमा उपलब्ध छ।
• पश्चात्-व्याख्यान क्विज लिनुहोस्।
• चुनौती पूरा गर्नुहोस्।
• असाइनमेंट पूरा गर्नुहोस्।
• कुनै पाठ समूह पूरा गरेपछि, Discussion Board मा जानुहोस् र उपयुक्त PAT रूब्रिक भरी "सीखाइ साझा" गर्नुहोस्। 'PAT' प्रगति मूल्यांकन उपकरण हो जुन तपाईंले भर्दै आफ्नो सिकाइलाई अगाडि बढाउन सक्नुहुन्छ। तपाईं अरूको PAT मा प्रतिक्रिया पनि दिन सक्नुहुन्छ जसले हामीलाई सँगै सिक्न मद्दत गर्छ।

थप अध्ययनका लागि, यी Microsoft Learn मोड्युलहरू र सिकाइ मार्गहरू अनुशरण गर्न सल्लाह दिन्छौं।

शिक्षकहरू, हामीले पाठ्यक्रम प्रयोग गर्ने केही सुझावहरू समावेश गरेका छौं।

---

भिडियो मार्गदर्शनहरू

केही पाठहरू छोटो भिडियो स्वरूप उपलब्ध छन्। यी सबैलाई पाठहरू भित्रै वा Microsoft Developer YouTube च्यानलमा रहेको ML for Beginners प्लेलिस्टमा हेर्न सक्नुहुनेछ, तलको छविमा क्लिक गरेर।

---

टिमलाई भेट्नुहोस्

Gif द्वारा Mohit Jaisal

🎥 माथि रहेको छविमा क्लिक गरी परियोजना र यसको सर्जकहरूबारे भिडियो हेर्नुहोस्!

---

शैक्षिक पद्धति

यस पाठ्यक्रम निर्माण गर्दा हामीले दुई शैक्षिक सिद्धान्तहरू रोज्यौं: हातेमालो गरेर काम गर्ने परियोजना आधारित र बारम्बार क्विज को समावेशीकरण। थप रूपमा, यस पाठ्यक्रमलाई समेकित बनाउन एक साझा थीम छ।

सामग्रीलाई परियोजनासँग मेल खादाँ विद्यार्थीहरूलाई थप संलग्न पार्न र अवधारणाहरूको टिकाउ बढाउन मद्दत मिल्छ। कक्षा अघि कम जोखिमको क्विजले विद्यार्थीको सिकाइ प्रति लक्ष्य निर्धारण गर्छ भने कक्षा पछिको दोस्रो क्विजले थप अवधारणालाई मजबुत बनाउँछ। यो पाठ्यक्रम लचिलो र रमाइलो बनाउन डिजाइन गरिएको छ र पूर्ण रूपमा वा भागमा पनि लिइन सक्छ। परियोजनाहरू साना बाट सुरु भएर १२ हप्ताको अन्त्यतिर जटिल हुन्छन्। यस पाठ्यक्रमसँग मेशिन लर्निङका वास्तविक जगतका अनुप्रयोगहरूमा एक अन्त्य टिप्पणी पनि छ, जसलाई अतिरिक्त क्रेडिट वा बहसको आधारका रूपमा उपयोग गर्न सकिन्छ।

हाम्रो आचारसंहिता, योगदान, अनुवाद, र समस्या समाधान दिशानिर्देश फेला पार्नुहोस्। तपाईंको रचनात्मक प्रतिक्रिया स्वागत छ!

प्रत्येक पाठमा समावेश

• वैकल्पिक स्केच नोट
• वैकल्पिक पूरक भिडियो
• भिडियो मार्गदर्शन (केही पाठहरू मात्र)
• पूर्व-व्याख्यान वार्मअप क्विज
• लेखिएको पाठ
• परियोजना-आधारित पाठहरूका लागि परियोजना कसरी बनाउने चरण-द्वारा-चरण मार्गदर्शन
• ज्ञान जाँचहरू
• चुनौती
• पूरक पठन सामग्री
• असाइनमेंट
• पश्चात्-व्याख्यान क्विज

भाषाहरूको बारेमा एक नोट: यी पाठहरू मुख्य रूपमा Python मा लेखिएका छन्, तर धेरै R मा पनि उपलब्ध छन्। R पाठ पूरा गर्न, /solution फोल्डरमा जानुहोस् र R पाठहरू खोज्नुहोस्। यी .rmd एक्सटेन्सन संग आउँछन् जसले प्रतिनिधित्व गर्छ R Markdown फाइललाई जसले कोडको खण्डहरू (R वा अन्य भाषाहरू) र YAML हेडर (PDF जस्ता आउटपुटहरू कसरी स्वरूप गर्ने भन्ने मार्गदर्शन गर्ने) लाई संयोजन गर्दछ। यसैले, यो डेटा विज्ञानका लागि एक उत्कृष्ट लेखक फ्रेमवर्कको रूपमा काम गर्छ किनकि यसले तपाईंलाई आफ्नो कोड, त्यसको परिणाम र विचारहरू Markdown मा लेख्न अनुमति दिन्छ। थप रूपमा, R Markdown कागजातहरूलाई PDF, HTML वा Word जस्ता आउटपुट स्वरूपहरूमा रूपान्तरण गर्न सकिन्छ। कुइजहरूको बारेमा एउटा नोट: सबै कुइजहरू Quiz App folder मा समावेश छन्, जसमा तीन प्रश्नहरूको प्रत्येक ५२ कुल कुइजहरू छन्। ती पाठहरूबाट लिंक गरिएको छन् तर कुइज एप्लिकेसन स्थानीय रूपमा चलाउन सकिन्छ; स्थानीय रूपमा होस्ट वा Azure मा डिप्लोय गर्न quiz-app फोल्डरमा सूचनाहरू पालना गर्नुहोस्।

Lesson Number	विषय	पाठ समूह	सिकाइ उद्देश्यहरू	लिंक गरिएको पाठ	लेखक
०१	मेसिन लर्निङको परिचय	Introduction	मेसिन लर्निङको आधारभूत अवधारणाहरू सिक्नुहोस्	Lesson	मुहम्मद
०२	मेसिन लर्निङको इतिहास	Introduction	यस क्षेत्रको इतिहास सिक्नुहोस्	Lesson	जेन र एमी
०३	निष्पक्षता र मेसिन लर्निङ	Introduction	मेसिन लर्निङ मोडेलहरू बनाउन र लागू गर्दा विद्यार्थीहरूले विचार गर्नुपर्ने निष्पक्षताका महत्वपूर्ण दार्शनिक मुद्दाहरू के छन्?	Lesson	टोमोमी
०४	मेसिन लर्निङका प्राविधिहरू	Introduction	मेसिन लर्निङ अनुसन्धानकर्ताहरू कुन प्राविधिहरू प्रयोग गर्छन्?	Lesson	क्रिस र जेन
०५	Regression को परिचय	Regression	Regression मोडेलहरूका लागि Python र Scikit-learn सँग शुरुवात गर्नुहोस्	Python • R	जेन • एरिक वानजाउ
०६	उत्तर अमेरिकी कद्दू मूल्यहरू 🎃	Regression	मेसिन लर्निङको तयारीका लागि डाटा दृश्य र सफा गर्नुहोस्	Python • R	जेन • एरिक वानजाउ
०७	उत्तर अमेरिकी कद्दू मूल्यहरू 🎃	Regression	रेखीय (linear) र बहुपदीय Regression मोडेलहरू निर्माण गर्नुहोस्	Python • R	जेन र दिमित्री • एरिक वानजाउ
०८	उत्तर अमेरिकी कद्दू मूल्यहरू 🎃	Regression	Logistic Regression मोडेल निर्माण गर्नुहोस्	Python • R	जेन • एरिक वानजाउ
०९	वेब एप्लिकेसन 🔌	Web App	तपाईंको प्रशिक्षित मोडेल प्रयोग गर्न वेब एप्लिकेसन बनाउनुहोस्	Python	जेन
१०	वर्गीकरण परिचय	Classification	आफ्नो डाटा सफा, तयारी र दृश्य गर्नुहोस्; वर्गीकरणको परिचय	Python • R	जेन र कासी • एरिक वानजाउ
११	स्वादिष्ट एशियाली र भारतीय खानाका वस्तुहरू 🍜	Classification	वर्गीकारहरूको परिचय	Python • R	जेन र कासी • एरिक वानजाउ
१२	स्वादिष्ट एशियाली र भारतीय खानाका वस्तुहरू 🍜	Classification	थप वर्गीकृतहरू	Python • R	जेन र कासी • एरिक वानजाउ
१३	स्वादिष्ट एशियाली र भारतीय खानाका वस्तुहरू 🍜	Classification	तपाईंको मोडेल प्रयोग गरेर सिफारिस वेब एप्लिकेसन बनाउनुहोस्	Python	जेन
१४	क्लस्टरिङ परिचय	Clustering	आफ्नो डाटा सफा, तयारी र दृश्य गर्नुहोस्; क्लस्टरिङको परिचय	Python • R	जेन • एरिक वानजाउ
१५	नाइजेरियन सङ्गीत स्वादहरूको अन्वेषण 🎧	Clustering	K-Means क्लस्टरिङ विधि अन्वेषण गर्नुहोस्	Python • R	जेन • एरिक वानजाउ
१६	प्राकृतिक भाषा प्रशोधन परिचय ☕️	Natural language processing	सादा बोट निर्माण गरेर NLP का आधारभूत कुरा सिक्नुहोस्	Python	स्टीफेन
१७	सामान्य NLP कार्यहरू ☕️	Natural language processing	भाषा संरचनाहरूसँग व्यवहार गर्दा आवश्यक सामान्य कार्यहरूको बुझाइ मार्फत तपाईंको NLP ज्ञान गहिरो बनाउनुहोस्	Python	स्टीफेन
१८	अनुवाद र भावना विश्लेषण ♥️	Natural language processing	Jane Austen संग अनुवाद र भावना विश्लेषण	Python	स्टीफेन
१९	युरोपका रोमान्टिक होटलहरू ♥️	Natural language processing	होटल समीक्षाहरूको भावना विश्लेषण १	Python	स्टीफेन
२०	युरोपका रोमान्टिक होटलहरू ♥️	Natural language processing	होटल समीक्षाहरूको भावना विश्लेषण २	Python	स्टीफेन
२१	समय श्रृंखला पूर्वानुमान परिचय	Time series	समय श्रृंखला पूर्वानुमानको परिचय	Python	फ्रान्सेस्का
२२	⚡️ विश्व शक्तिको उपयोग ⚡️ - ARIMA सँग समय श्रृंखला पूर्वानुमान	Time series	ARIMA सँग समय श्रृंखला पूर्वानुमान	Python	फ्रान्सेस्का
२३	⚡️ विश्व शक्तिको उपयोग ⚡️ - SVR सँग समय श्रृंखला पूर्वानुमान	Time series	Support Vector Regressor सँग समय श्रृंखला पूर्वानुमान	Python	अनिर्बन
२४	पुनर्बलन शिक्षण परिचय	Reinforcement learning	Q-Learning सँग पुनर्बलन शिक्षणको परिचय	Python	दिमित्री
२५	पिटरलाई भालुबाट जोगाउन मद्दत गर्नुहोस्! 🐺	Reinforcement learning	पुनर्बलन शिक्षण जिम	Python	दिमित्री
पोस्टस्क्रिप्ट	वास्तविक विश्व ML परिदृश्यहरू र आवेदनहरू	ML in the Wild	सांकेतिक ML का रोचक र प्रकट गर्ने वास्तविक विश्वका आवेदनहरू	Lesson	टोली
पोस्टस्क्रिप्ट	RAI ड्यासबोर्ड प्रयोग गरेर ML मा मोडेल डिबगिङ	ML in the Wild	जिम्मेवार AI ड्यासबोर्ड कम्पोनेन्टहरूको प्रयोग गरी मेसिन लर्निङमा मोडेल डिबगिङ	Lesson	रुथ याकुबु

यस कोर्षका लागि सबै थप स्रोतहरू हाम्रो Microsoft Learn संग्रहमा फेला पार्नुहोस्

अफलाइन पहुँच

तपाईं यो डकुमेण्टेशनलाई Docsify प्रयोग गरेर अफलाइन चलाउन सक्नुहुन्छ। यस रिपो लाई फोर्क गर्नुहोस्, Docsify स्थापना गर्नुहोस् आफ्नो स्थानीय मेसिनमा, अनि यस रिपोको रुट फोल्डरमा docsify serve टाइप गर्नुहोस्। वेबसाइट तपाईंको लोकलहोस्टमा पोर्ट 3000 मा चल्ने छ: localhost:3000।

पीडीएफहरू

सिलबसको पीडीएफ लिंक सहित यहाँ फेला पार्नुहोस्।

🎒 अरू पाठ्यक्रमहरू

हाम्रो टोलीले अरू पाठ्यक्रमहरू पनि उत्पादन गर्छ! हेर्नुहोस्:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

मूल सिकाइ

---

कापिलट श्रृंखला

सहयोग प्राप्त गर्ने

यदि तपाईं अड्किनुभएको छ वा एआई अनुप्रयोगहरू निर्माण गर्ने बारे कुनै प्रश्नहरू छन् भने। साथी सिक्नेहरू र अनुभवी विकासकर्ताहरू संग MCP सम्बन्धी छलफलहरूमा सामेल हुनुहोस्। यो एक सहयोगी समुदाय हो जहाँ प्रश्नहरू स्वागतयोग्य छन् र ज्ञान सहजरूपमा बाँडिन्छ।

यदि तपाईंलाई उत्पादन प्रतिक्रिया वा त्रुटिहरू छन् भने निर्माण गर्दा जानुहोस्:

---

अस्वीकरण: यस दस्तावेजलाई AI अनुवाद सेवा Co-op Translator प्रयोग गरेर अनुवाद गरिएको हो। हामी शुद्धताका लागि प्रयासरत छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादमा त्रुटि वा असङ्गतिहरू हुन सक्दछन्। मूल दस्तावेजलाई यसको स्वदेशी भाषामा आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीका लागि व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत अर्थ लगाउन हामी जिम्मेवार छैनौं।