36 KiB
🌐 ਬਹੁ-ਭਾਸ਼ਾ ਸਹਾਇਤਾ
GitHub Action ਰਾਹੀਂ ਸਹਾਇਤਾਪ੍ਰਾਪਤ (ਆਟੋਮੈਟਿਕ ਅਤੇ ਹਮੇਸ਼ਾ ਅਪਡੇਟ)
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 | Korean | Lithuanian | Malay | Marathi | Nepali | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Thai | Turkish | Ukrainian | Urdu | Vietnamese
ਸਾਡੇ ਸਮੁਦਾਇ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ
ਅਸੀਂ Discord 'ਤੇ AI ਸਿੱਖਣ ਦੀ ਲੜੀ ਚਲਾ ਰਹੇ ਹਾਂ। ਹੋਰ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰੋ ਅਤੇ ਸਾਡੇ ਨਾਲ Learn with AI Series ਵਿੱਚ 18 - 30 ਸਤੰਬਰ, 2025 ਤੱਕ ਸ਼ਾਮਲ ਹੋਵੋ। ਤੁਸੀਂ GitHub Copilot ਨੂੰ ਡਾਟਾ ਸਾਇੰਸ ਲਈ ਵਰਤਣ ਦੇ ਟਿਪਸ ਅਤੇ ਟ੍ਰਿਕਸ ਸਿੱਖੋਗੇ।
ਸ਼ੁਰੂਆਤੀ ਲਈ ਮਸ਼ੀਨ ਲਰਨਿੰਗ - ਇੱਕ ਪਾਠਕ੍ਰਮ
🌍 ਦੁਨੀਆ ਦੇ ਸੱਭਿਆਚਾਰਾਂ ਰਾਹੀਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀ ਖੋਜ ਕਰਦੇ ਹੋਏ ਦੁਨੀਆ ਦਾ ਦੌਰਾ ਕਰੋ 🌍
Microsoft ਦੇ Cloud Advocates ਨੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਬਾਰੇ 12 ਹਫ਼ਤਿਆਂ, 26 ਪਾਠਾਂ ਦਾ ਪਾਠਕ੍ਰਮ ਪੇਸ਼ ਕਰਨ ਵਿੱਚ ਖੁਸ਼ੀ ਮਹਿਸੂਸ ਕੀਤੀ ਹੈ। ਇਸ ਪਾਠਕ੍ਰਮ ਵਿੱਚ, ਤੁਸੀਂ ਕਲਾਸਿਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਬਾਰੇ ਸਿੱਖੋਗੇ, ਮੁੱਖ ਤੌਰ 'ਤੇ Scikit-learn ਨੂੰ ਲਾਇਬ੍ਰੇਰੀ ਵਜੋਂ ਵਰਤਦੇ ਹੋਏ ਅਤੇ ਡੀਪ ਲਰਨਿੰਗ ਤੋਂ ਬਚਦੇ ਹੋਏ, ਜੋ ਸਾਡੇ AI for Beginners' curriculum ਵਿੱਚ ਕਵਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਸ ਨੂੰ ਸਾਡੇ 'Data Science for Beginners' curriculum ਨਾਲ ਜੋੜੋ!
ਸਾਡੇ ਨਾਲ ਦੁਨੀਆ ਦਾ ਦੌਰਾ ਕਰੋ ਜਦੋਂ ਅਸੀਂ ਕਲਾਸਿਕ ਤਕਨੀਕਾਂ ਨੂੰ ਦੁਨੀਆ ਦੇ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਦੇ ਡਾਟਾ 'ਤੇ ਲਾਗੂ ਕਰਦੇ ਹਾਂ। ਹਰ ਪਾਠ ਵਿੱਚ ਪਾਠ ਤੋਂ ਪਹਿਲਾਂ ਅਤੇ ਬਾਅਦ ਦੇ ਕਵਿਜ਼, ਪਾਠ ਪੂਰਾ ਕਰਨ ਲਈ ਲਿਖਤ ਨਿਰਦੇਸ਼, ਇੱਕ ਹੱਲ, ਇੱਕ ਅਸਾਈਨਮੈਂਟ, ਅਤੇ ਹੋਰ ਬਹੁਤ ਕੁਝ ਸ਼ਾਮਲ ਹੈ। ਸਾਡੀ ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਿਤ ਪੈਡਾਗੌਜੀ ਤੁਹਾਨੂੰ ਸਿੱਖਣ ਦੌਰਾਨ ਬਣਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ, ਜੋ ਨਵੀਆਂ ਹੁਨਰਾਂ ਨੂੰ 'ਚਿਪਕਾਉਣ' ਦਾ ਸਾਬਤ ਤਰੀਕਾ ਹੈ।
✍️ ਸਾਡੇ ਲੇਖਕਾਂ ਨੂੰ ਦਿਲੋਂ ਧੰਨਵਾਦ Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ਅਤੇ Amy Boyd
🎨 ਸਾਡੇ ਚਿੱਤਰਕਾਰਾਂ ਨੂੰ ਵੀ ਧੰਨਵਾਦ Tomomi Imura, Dasani Madipalli, ਅਤੇ Jen Looper
🙏 ਵਿਸ਼ੇਸ਼ ਧੰਨਵਾਦ 🙏 ਸਾਡੇ Microsoft Student Ambassador ਲੇਖਕਾਂ, ਸਮੀਖਾਕਾਰਾਂ, ਅਤੇ ਸਮੱਗਰੀ ਯੋਗਦਾਨਕਰਤਾਵਾਂ ਨੂੰ, ਖਾਸ ਤੌਰ 'ਤੇ Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, ਅਤੇ Snigdha Agarwal
🤩 ਵਾਧੂ ਧੰਨਵਾਦ Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, ਅਤੇ Vidushi Gupta ਨੂੰ R ਪਾਠਾਂ ਲਈ!
ਸ਼ੁਰੂਆਤ ਕਰਨਾ
ਇਹ ਕਦਮ ਅਨੁਸਰਣ ਕਰੋ:
- Repository ਨੂੰ Fork ਕਰੋ: ਇਸ ਪੰਨੇ ਦੇ ਸਿਖਰ-ਦਾਖਣੇ 'Fork' ਬਟਨ 'ਤੇ ਕਲਿਕ ਕਰੋ।
- Repository ਨੂੰ Clone ਕਰੋ:
git clone https://github.com/microsoft/ML-For-Beginners.git
ਇਸ ਕੋਰਸ ਲਈ ਸਾਰੇ ਵਾਧੂ ਸਰੋਤ Microsoft Learn collection ਵਿੱਚ ਲੱਭੋ
🔧 ਮਦਦ ਦੀ ਲੋੜ ਹੈ? ਸਾਡੇ Troubleshooting Guide ਵਿੱਚ ਸਥਾਪਨਾ, ਸੈਟਅਪ, ਅਤੇ ਪਾਠਾਂ ਚਲਾਉਣ ਨਾਲ ਸੰਬੰਧਿਤ ਆਮ ਸਮੱਸਿਆਵਾਂ ਦੇ ਹੱਲ ਚੈੱਕ ਕਰੋ।
Students, ਇਸ ਪਾਠਕ੍ਰਮ ਨੂੰ ਵਰਤਣ ਲਈ, ਪੂਰੇ ਰਿਪੋ ਨੂੰ ਆਪਣੇ GitHub ਖਾਤੇ ਵਿੱਚ Fork ਕਰੋ ਅਤੇ ਅਪਣੇ ਆਪ ਜਾਂ ਇੱਕ ਸਮੂਹ ਨਾਲ ਅਭਿਆਸ ਪੂਰਾ ਕਰੋ:
- ਪਾਠ ਤੋਂ ਪਹਿਲਾਂ ਕਵਿਜ਼ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ।
- ਪਾਠ ਪੜ੍ਹੋ ਅਤੇ ਗਤੀਵਿਧੀਆਂ ਪੂਰੀ ਕਰੋ, ਹਰ ਗਿਆਨ ਜਾਂਚ 'ਤੇ ਰੁਕਦੇ ਹੋਏ ਅਤੇ ਵਿਚਾਰ ਕਰਦੇ ਹੋਏ।
- ਪਾਠਾਂ ਨੂੰ ਸਮਝ ਕੇ ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ ਨਾ ਕਿ ਹੱਲ ਕੋਡ ਚਲਾਉਣ ਦੀ; ਹਾਲਾਂਕਿ ਉਹ ਕੋਡ
/solutionਫੋਲਡਰ ਵਿੱਚ ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਿਤ ਪਾਠਾਂ ਵਿੱਚ ਉਪਲਬਧ ਹੈ। - ਪਾਠ ਤੋਂ ਬਾਅਦ ਕਵਿਜ਼ ਲਵੋ।
- ਚੁਣੌਤੀ ਪੂਰੀ ਕਰੋ।
- ਅਸਾਈਨਮੈਂਟ ਪੂਰੀ ਕਰੋ।
- ਪਾਠ ਸਮੂਹ ਪੂਰਾ ਕਰਨ ਤੋਂ ਬਾਅਦ, Discussion Board 'ਤੇ ਜਾਓ ਅਤੇ "ਜਨਤਕ ਸਿੱਖੋ" ਦੁਆਰਾ ਉਚਿਤ PAT ਰੂਬ੍ਰਿਕ ਭਰੋ। PAT ਇੱਕ Progress Assessment Tool ਹੈ ਜੋ ਤੁਹਾਡੇ ਸਿੱਖਣ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣ ਲਈ ਇੱਕ ਰੂਬ੍ਰਿਕ ਹੈ। ਤੁਸੀਂ ਹੋਰ PATs 'ਤੇ ਪ੍ਰਤੀਕ੍ਰਿਆ ਦੇ ਸਕਦੇ ਹੋ ਤਾਂ ਕਿ ਅਸੀਂ ਇਕੱਠੇ ਸਿੱਖ ਸਕੀਏ।
ਹੋਰ ਅਧਿਐਨ ਲਈ, ਅਸੀਂ ਇਹ Microsoft Learn ਮੋਡਿਊਲ ਅਤੇ ਸਿੱਖਣ ਦੇ ਰਾਹਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਦੀ ਸਿਫਾਰਸ਼ ਕਰਦੇ ਹਾਂ।
Teachers, ਅਸੀਂ ਇਸ ਪਾਠਕ੍ਰਮ ਨੂੰ ਵਰਤਣ ਲਈ ਕੁਝ ਸੁਝਾਅ ਸ਼ਾਮਲ ਕੀਤੇ ਹਨ।
ਵੀਡੀਓ ਵਾਕਥਰੂ
ਕੁਝ ਪਾਠ ਛੋਟੇ ਰੂਪ ਦੇ ਵੀਡੀਓ ਵਜੋਂ ਉਪਲਬਧ ਹਨ। ਤੁਸੀਂ ਇਹ ਸਾਰੇ ਪਾਠਾਂ ਵਿੱਚ ਲਾਈਨ ਵਿੱਚ ਲੱਭ ਸਕਦੇ ਹੋ, ਜਾਂ Microsoft Developer YouTube channel 'ਤੇ ML for Beginners ਪਲੇਲਿਸਟ 'ਤੇ ਕਲਿਕ ਕਰਕੇ ਹੇਠਾਂ ਦਿੱਤੇ ਚਿੱਤਰ 'ਤੇ ਲੱਭ ਸਕਦੇ ਹੋ।
ਟੀਮ ਨਾਲ ਮਿਲੋ
Gif by Mohit Jaisal
🎥 ਉਪਰੋਕਤ ਚਿੱਤਰ 'ਤੇ ਕਲਿਕ ਕਰੋ ਪ੍ਰੋਜੈਕਟ ਅਤੇ ਇਸਨੂੰ ਬਣਾਉਣ ਵਾਲੇ ਲੋਕਾਂ ਬਾਰੇ ਵੀਡੀਓ ਦੇਖਣ ਲਈ!
ਪੈਡਾਗੌਜੀ
ਅਸੀਂ ਇਸ ਪਾਠਕ੍ਰਮ ਨੂੰ ਬਣਾਉਣ ਦੌਰਾਨ ਦੋ ਪੈਡਾਗੌਜੀਕਲ ਸਿਧਾਂਤਾਂ ਨੂੰ ਚੁਣਿਆ ਹੈ: ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਕਿ ਇਹ ਹੱਥ-ਅਧਾਰਿਤ ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਿਤ ਹੈ ਅਤੇ ਇਹ ਵਿੱਚ ਅਕਸਰ ਕਵਿਜ਼ ਸ਼ਾਮਲ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਸ ਪਾਠਕ੍ਰਮ ਵਿੱਚ ਇੱਕ ਸਾਂਝਾ ਥੀਮ ਹੈ ਜੋ ਇਸਨੂੰ ਸੰਗਠਨ ਦੇਣ ਲਈ ਹੈ।
ਸੁਨਿਸ਼ਚਿਤ ਕਰਕੇ ਕਿ ਸਮੱਗਰੀ ਪ੍ਰੋਜੈਕਟਾਂ ਨਾਲ ਸੰਗਤ ਹੈ, ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਵਿਦਿਆਰਥੀਆਂ ਲਈ ਹੋਰ ਰੁਚਿਕਰ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਧਾਰਨਾਵਾਂ ਦੀ ਰਿਟੇਨਸ਼ਨ ਵਧਾਈ ਜਾਂਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਕਲਾਸ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਘੱਟ-ਦਬਾਅ ਵਾਲਾ ਕਵਿਜ਼ ਵਿਦਿਆਰਥੀ ਨੂੰ ਇੱਕ ਵਿਸ਼ੇ ਸਿੱਖਣ ਦੀ ਨਿਸ਼ਚਿਤਤਾ ਵੱਲ ਸੈਟ ਕਰਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਕਲਾਸ ਤੋਂ ਬਾਅਦ ਦੂਜਾ ਕਵਿਜ਼ ਹੋਰ ਰਿਟੇਨਸ਼ਨ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਪਾਠਕ੍ਰਮ ਲਚਕਦਾਰ ਅਤੇ ਮਜ਼ੇਦਾਰ ਬਣਾਇਆ ਗਿਆ ਸੀ ਅਤੇ ਇਸਨੂੰ ਪੂਰੇ ਜਾਂ ਅੰਸ਼ ਵਿੱਚ ਲਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਪ੍ਰੋਜੈਕਟ ਛੋਟੇ ਸ਼ੁਰੂ ਹੁੰਦੇ ਹਨ ਅਤੇ 12 ਹਫ਼ਤਿਆਂ ਦੇ ਚੱਕਰ ਦੇ ਅੰਤ ਤੱਕ ਵਧਦੇ ਹਨ। ਇਸ ਪਾਠਕ੍ਰਮ ਵਿੱਚ ML ਦੇ ਅਸਲ-ਦੁਨੀਆ ਦੇ ਐਪਲੀਕੇਸ਼ਨਾਂ 'ਤੇ ਇੱਕ ਪੋਸਟਸਕ੍ਰਿਪਟ ਵੀ ਸ਼ਾਮਲ ਹੈ, ਜਿਸਨੂੰ ਵਾਧੂ ਕਰੈਡਿਟ ਜਾਂ ਚਰਚਾ ਦੇ ਆਧਾਰ ਵਜੋਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ।
ਸਾਡੇ Code of Conduct, Contributing, Translation, ਅਤੇ Troubleshooting ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਲੱਭੋ। ਅਸੀਂ ਤੁਹਾਡੀ ਰਚਨਾਤਮਕ ਪ੍ਰਤੀਕ੍ਰਿਆ ਦਾ ਸਵਾਗਤ ਕਰਦੇ ਹਾਂ!
ਹਰ ਪਾਠ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ
- ਵਿਕਲਪਿਕ ਸਕੈਚਨੋਟ
- ਵਿਕਲਪਿਕ ਸਹਾਇਕ ਵੀਡੀਓ
- ਵੀਡੀਓ ਵਾਕਥਰੂ (ਕੁਝ ਪਾਠਾਂ ਲਈ ਹੀ)
- ਪਾਠ ਤੋਂ ਪਹਿਲਾਂ ਵਾਰਮਅਪ ਕਵਿਜ਼
- ਲਿਖਤ ਪਾਠ
- ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਿਤ ਪਾਠਾਂ ਲਈ, ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਦੇ ਕਦਮ-ਦਰ-ਕਦਮ ਗਾਈਡ
- ਗਿਆਨ ਜਾਂਚ
- ਇੱਕ ਚੁਣੌਤੀ
- ਸਹਾਇਕ ਪੜ੍ਹਾਈ
- ਅਸਾਈਨਮੈਂਟ
- ਪਾਠ ਤੋਂ ਬਾਅਦ ਕਵਿਜ਼
ਭਾਸ਼ਾਵਾਂ ਬਾਰੇ ਇੱਕ ਨੋਟ: ਇਹ ਪਾਠ ਮੁੱਖ ਤੌਰ 'ਤੇ Python ਵਿੱਚ ਲਿਖੇ ਗਏ ਹਨ, ਪਰ ਬਹੁਤ ਸਾਰੇ R ਵਿੱਚ ਵੀ ਉਪਲਬਧ ਹਨ। R ਪਾਠ ਪੂਰੇ ਕਰਨ ਲਈ,
/solutionਫੋਲਡਰ ਵਿੱਚ ਜਾਓ ਅਤੇ R ਪਾਠ ਲੱਭੋ। ਇਹ .rmd ਐਕਸਟੈਂਸ਼ਨ ਸ਼ਾਮਲ ਕਰਦੇ ਹਨ ਜੋ R Markdown ਫਾਈਲ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ ਜੋcode chunks(R ਜਾਂ ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਦੇ) ਅਤੇYAML header(ਜੋ ਆਉਟਪੁੱਟ ਫਾਰਮੈਟ ਜਿਵੇਂ PDF ਨੂੰ ਫਾਰਮੈਟ ਕਰਨ ਦਾ ਮਾਰਗਦਰਸ਼ਨ ਦਿੰਦਾ ਹੈ) ਨੂੰMarkdown documentਵਿੱਚ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ, ਇਹ ਡਾਟਾ ਸਾਇੰਸ ਲਈ ਇੱਕ ਉਤਕ੍ਰਿਸ਼ਟ ਲੇਖਕ ਫਰੇਮਵਰਕ ਵਜੋਂ ਸੇਵਾ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਤੁਹਾਨੂੰ ਆਪਣੇ ਕੋਡ, ਇਸਦੀ ਆਉਟਪੁੱਟ, ਅਤੇ ਆਪਣੇ ਵਿਚਾਰਾਂ ਨੂੰ Markdown ਵਿੱਚ ਲਿਖਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, R Markdown ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ PDF, HTML, ਜਾਂ Word ਵਰਗੇ ਆਉਟਪੁੱਟ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਰੇਂਡਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।
ਕਵਿਜ਼ ਬਾਰੇ ਇੱਕ ਨੋਟ: ਸਾਰੇ ਕਵਿਜ਼ Quiz App folder ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ, ਕੁੱਲ 52 ਕਵਿਜ਼, ਹਰ ਇੱਕ ਵਿੱਚ ਤਿੰਨ ਪ੍ਰਸ਼ਨ। ਇਹ ਪਾਠਾਂ ਵਿੱਚੋਂ ਲਿੰਕ ਕੀਤੇ ਗਏ ਹਨ ਪਰ ਕਵਿਜ਼ ਐਪ ਨੂੰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਚਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ;
quiz-appਫੋਲ | 01 | ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ | Introduction | ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਮੁੱਢਲੇ ਸਿਧਾਂਤਾਂ ਬਾਰੇ ਸਿੱਖੋ | Lesson | ਮੁਹੰਮਦ | | 02 | ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਇਤਿਹਾਸ | Introduction | ਇਸ ਖੇਤਰ ਦੇ ਪਿਛਲੇ ਇਤਿਹਾਸ ਬਾਰੇ ਸਿੱਖੋ | Lesson | ਜੈਨ ਅਤੇ ਐਮੀ | | 03 | ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਅਤੇ ਨਿਆਂ | Introduction | ਨਿਆਂ ਦੇ ਆਦਰਸ਼ਕ ਮੁੱਦਿਆਂ ਬਾਰੇ ਜਾਣੋ ਜੋ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲ ਬਣਾਉਣ ਅਤੇ ਲਾਗੂ ਕਰਨ ਵੇਲੇ ਵਿਚਾਰ ਕਰਨੇ ਚਾਹੀਦੇ ਹਨ। | Lesson | ਟੋਮੋਮੀ | | 04 | ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਤਕਨੀਕਾਂ | Introduction | ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਖੋਜਕਰਤਾ ਕਿਹੜੀਆਂ ਤਕਨੀਕਾਂ ਵਰਤਦੇ ਹਨ? | Lesson | ਕ੍ਰਿਸ ਅਤੇ ਜੈਨ | | 05 | ਰਿਗ੍ਰੈਸ਼ਨ ਦਾ ਪਰਿਚਯ | Regression | ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲਾਂ ਲਈ ਪਾਇਥਨ ਅਤੇ ਸਕਾਈਕਿਟ-ਲਰਨ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰੋ | Python • R | ਜੈਨ • ਐਰਿਕ ਵਾਂਜਾਉ | | 06 | ਉੱਤਰੀ ਅਮਰੀਕੀ ਕੱਦੂ ਦੀਆਂ ਕੀਮਤਾਂ 🎃 | Regression | ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਡਾਟਾ ਨੂੰ ਵਿਜੁਅਲਾਈਜ਼ ਅਤੇ ਸਾਫ਼ ਕਰੋ | Python • R | ਜੈਨ • ਐਰਿਕ ਵਾਂਜਾਉ | | 07 | ਉੱਤਰੀ ਅਮਰੀਕੀ ਕੱਦੂ ਦੀਆਂ ਕੀਮਤਾਂ 🎃 | Regression | ਲੀਨੀਅਰ ਅਤੇ ਪੋਲੀਨੋਮਿਅਲ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ਬਣਾਓ | Python • R | ਜੈਨ ਅਤੇ ਦਿਮਿਤਰੀ • ਐਰਿਕ ਵਾਂਜਾਉ | | 08 | ਉੱਤਰੀ ਅਮਰੀਕੀ ਕੱਦੂ ਦੀਆਂ ਕੀਮਤਾਂ 🎃 | Regression | ਲੌਜਿਸਟਿਕ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ਬਣਾਓ | Python • R | ਜੈਨ • ਐਰਿਕ ਵਾਂਜਾਉ | | 09 | ਇੱਕ ਵੈੱਬ ਐਪ 🔌 | Web App | ਆਪਣੇ ਟ੍ਰੇਨ ਕੀਤੇ ਮਾਡਲ ਨੂੰ ਵਰਤਣ ਲਈ ਇੱਕ ਵੈੱਬ ਐਪ ਬਣਾਓ | Python | ਜੈਨ | | 10 | ਵਰਗੀਕਰਨ ਦਾ ਪਰਿਚਯ | Classification | ਆਪਣੇ ਡਾਟਾ ਨੂੰ ਸਾਫ਼ ਕਰੋ, ਤਿਆਰ ਕਰੋ ਅਤੇ ਵਿਜੁਅਲਾਈਜ਼ ਕਰੋ; ਵਰਗੀਕਰਨ ਦਾ ਪਰਿਚਯ | Python • R | ਜੈਨ ਅਤੇ ਕੈਸੀ • ਐਰਿਕ ਵਾਂਜਾਉ | | 11 | ਸੁਆਦਿਸਟ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਖਾਣੇ 🍜 | Classification | ਵਰਗੀਕਰਨ ਕਰਨ ਵਾਲੇ ਮਾਡਲਾਂ ਦਾ ਪਰਿਚਯ | Python • R | ਜੈਨ ਅਤੇ ਕੈਸੀ • ਐਰਿਕ ਵਾਂਜਾਉ | | 12 | ਸੁਆਦਿਸਟ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਖਾਣੇ 🍜 | Classification | ਹੋਰ ਵਰਗੀਕਰਨ ਕਰਨ ਵਾਲੇ ਮਾਡਲ | Python • R | ਜੈਨ ਅਤੇ ਕੈਸੀ • ਐਰਿਕ ਵਾਂਜਾਉ | | 13 | ਸੁਆਦਿਸਟ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਖਾਣੇ 🍜 | Classification | ਆਪਣੇ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਰਿਕਮੈਂਡਰ ਵੈੱਬ ਐਪ ਬਣਾਓ | Python | ਜੈਨ | | 14 | ਕਲੱਸਟਰਿੰਗ ਦਾ ਪਰਿਚਯ | Clustering | ਆਪਣੇ ਡਾਟਾ ਨੂੰ ਸਾਫ਼ ਕਰੋ, ਤਿਆਰ ਕਰੋ ਅਤੇ ਵਿਜੁਅਲਾਈਜ਼ ਕਰੋ; ਕਲੱਸਟਰਿੰਗ ਦਾ ਪਰਿਚਯ | Python • R | ਜੈਨ • ਐਰਿਕ ਵਾਂਜਾਉ | | 15 | ਨਾਈਜੀਰੀਆਈ ਸੰਗੀਤਕ ਰੁਚੀਆਂ ਦੀ ਖੋਜ 🎧 | Clustering | ਕੇ-ਮੀਨਜ਼ ਕਲੱਸਟਰਿੰਗ ਵਿਧੀ ਦੀ ਖੋਜ | Python • R | ਜੈਨ • ਐਰਿਕ ਵਾਂਜਾਉ | | 16 | ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ ਦਾ ਪਰਿਚਯ ☕️ | Natural language processing | ਇੱਕ ਸਧਾਰਨ ਬੋਟ ਬਣਾਉਣ ਦੁਆਰਾ NLP ਦੇ ਮੁੱਢਲੇ ਸਿਧਾਂਤਾਂ ਬਾਰੇ ਸਿੱਖੋ | Python | ਸਟੀਫਨ | | 17 | ਆਮ NLP ਕੰਮ ☕️ | Natural language processing | ਭਾਸ਼ਾ ਦੇ ਢਾਂਚਿਆਂ ਨਾਲ ਨਿਪਟਣ ਵੇਲੇ ਲੋੜੀਂਦੇ ਆਮ ਕੰਮਾਂ ਨੂੰ ਸਮਝ ਕੇ ਆਪਣਾ NLP ਗਿਆਨ ਵਧਾਓ | Python | ਸਟੀਫਨ | | 18 | ਅਨੁਵਾਦ ਅਤੇ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ♥️ | Natural language processing | ਜੇਨ ਆਸਟਿਨ ਦੇ ਰਚਨਾਵਾਂ ਨਾਲ ਅਨੁਵਾਦ ਅਤੇ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ | Python | ਸਟੀਫਨ | | 19 | ਯੂਰਪ ਦੇ ਰੋਮਾਂਟਿਕ ਹੋਟਲ ♥️ | Natural language processing | ਹੋਟਲ ਸਮੀਖਿਆਵਾਂ ਨਾਲ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ 1 | Python | ਸਟੀਫਨ | | 20 | ਯੂਰਪ ਦੇ ਰੋਮਾਂਟਿਕ ਹੋਟਲ ♥️ | Natural language processing | ਹੋਟਲ ਸਮੀਖਿਆਵਾਂ ਨਾਲ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ 2 | Python | ਸਟੀਫਨ | | 21 | ਸਮੇਂ ਦੀ ਲੜੀ ਦੀ ਪੇਸ਼ਗੋਈ ਦਾ ਪਰਿਚਯ | Time series | ਸਮੇਂ ਦੀ ਲੜੀ ਦੀ ਪੇਸ਼ਗੋਈ ਦਾ ਪਰਿਚਯ | Python | ਫ੍ਰਾਂਸੇਸਕਾ | | 22 | ⚡️ ਵਿਸ਼ਵ ਪਾਵਰ ਦੀ ਵਰਤੋਂ ⚡️ - ARIMA ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਦੀ ਪੇਸ਼ਗੋਈ | Time series | ARIMA ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਦੀ ਪੇਸ਼ਗੋਈ | Python | ਫ੍ਰਾਂਸੇਸਕਾ | | 23 | ⚡️ ਵਿਸ਼ਵ ਪਾਵਰ ਦੀ ਵਰਤੋਂ ⚡️ - SVR ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਦੀ ਪੇਸ਼ਗੋਈ | Time series | ਸਪੋਰਟ ਵੈਕਟਰ ਰਿਗ੍ਰੈਸਰ ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਦੀ ਪੇਸ਼ਗੋਈ | Python | ਅਨੀਰਬਨ | | 24 | ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ | Reinforcement learning | Q-ਲਰਨਿੰਗ ਨਾਲ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ | Python | ਦਿਮਿਤਰੀ | | 25 | ਪੀਟਰ ਨੂੰ ਭੇੜੀਏ ਤੋਂ ਬਚਾਓ! 🐺 | Reinforcement learning | ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਜਿਮ | Python | ਦਿਮਿਤਰੀ | | Postscript | ਅਸਲ ਦੁਨੀਆ ਦੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਦ੍ਰਿਸ਼ਾਂਤ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨ | ML in the Wild | ਕਲਾਸਿਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਦਿਲਚਸਪ ਅਤੇ ਖੁਲਾਸਾ ਕਰਨ ਵਾਲੇ ਅਸਲ ਦੁਨੀਆ ਦੇ ਐਪਲੀਕੇਸ਼ਨ | Lesson | ਟੀਮ | | Postscript | RAI ਡੈਸ਼ਬੋਰਡ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਮਾਡਲ ਡੀਬੱਗਿੰਗ | ML in the Wild | ਜਿੰਮੇਵਾਰ AI ਡੈਸ਼ਬੋਰਡ ਕੰਪੋਨੈਂਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਵਿੱਚ ਮਾਡਲ ਡੀਬੱਗਿੰਗ | Lesson | ਰੁਥ ਯਾਕੂਬ |
ਆਫਲਾਈਨ ਪਹੁੰਚ
ਤੁਸੀਂ Docsify ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਸ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਆਫਲਾਈਨ ਚਲਾ ਸਕਦੇ ਹੋ। ਇਸ ਰਿਪੋ ਨੂੰ ਫੋਰਕ ਕਰੋ, Docsify ਇੰਸਟਾਲ ਕਰੋ ਆਪਣੇ ਸਥਾਨਕ ਮਸ਼ੀਨ 'ਤੇ, ਅਤੇ ਫਿਰ ਇਸ ਰਿਪੋ ਦੇ ਰੂਟ ਫੋਲਡਰ ਵਿੱਚ docsify serve ਟਾਈਪ ਕਰੋ। ਵੈੱਬਸਾਈਟ ਤੁਹਾਡੇ ਲੋਕਲਹੋਸਟ localhost:3000 'ਤੇ ਪੋਰਟ 3000 'ਤੇ ਸਰਵ ਕੀਤੀ ਜਾਵੇਗੀ।
PDFs
ਲਿੰਕਾਂ ਨਾਲ ਕੋਰਸ ਦਾ PDF ਇਥੇ ਲੱਭੋ।
🎒 ਹੋਰ ਕੋਰਸ
ਸਾਡੀ ਟੀਮ ਹੋਰ ਕੋਰਸ ਤਿਆਰ ਕਰਦੀ ਹੈ! ਵੇਖੋ:
- Edge AI for Beginners
- AI Agents for Beginners
- Generative AI for Beginners
- Generative AI for Beginners .NET
- Generative AI with JavaScript
- Generative AI with Java
- AI for Beginners
- Data Science for Beginners
- ML for Beginners
- Cybersecurity for Beginners
- Web Dev for Beginners
- IoT for Beginners
- XR Development for Beginners
- Mastering GitHub Copilot for Paired Programming
- Mastering GitHub Copilot for C#/.NET Developers
- Choose Your Own Copilot Adventure
ਮਦਦ ਪ੍ਰਾਪਤ ਕਰਨਾ
ਜੇ ਤੁਸੀਂ ਫਸ ਜਾਂਦੇ ਹੋ ਜਾਂ AI ਐਪ ਬਣਾਉਣ ਬਾਰੇ ਕੋਈ ਸਵਾਲ ਹੈ, ਤਾਂ ਸ਼ਾਮਲ ਹੋਵੋ:
ਜੇ ਤੁਹਾਡੇ ਕੋਲ ਉਤਪਾਦ ਫੀਡਬੈਕ ਹੈ ਜਾਂ ਬਣਾਉਣ ਦੌਰਾਨ ਗਲਤੀਆਂ ਆਉਂਦੀਆਂ ਹਨ, ਤਾਂ ਜਾਓ:
ਅਸਵੀਕਰਤੀ:
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀ ਹੋਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਚੱਜੇਪਣ ਹੋ ਸਕਦੇ ਹਨ। ਇਸ ਦਸਤਾਵੇਜ਼ ਦਾ ਮੂਲ ਰੂਪ ਇਸਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।