ML-For-Beginners/translations/ta/README.md

🌐 பல மொழி ஆதரவு

GitHub செயல்பாடு மூலம் ஆதரவு (தானியங்கி மற்றும் எப்போதும் புதுப்பிக்கப்பட்டது)

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

எங்கள் சமூகத்தில் சேருங்கள்

நாங்கள் AI கற்றல் தொடர் மூலம் ஒரு Discord நிகழ்வை நடத்துகிறோம். மேலும் அறிந்து, 2025 செப்டம்பர் 18 - 30 வரை AI கற்றல் தொடர் நிகழ்வில் எங்களுடன் சேருங்கள். GitHub Copilot-ஐ தரவியல் அறிவியலுக்காக பயன்படுத்துவதற்கான குறிப்புகள் மற்றும் வழிகாட்டுதல்களை பெறலாம்.

தொடக்கநிலை இயந்திர கற்றல் - பாடத்திட்டம்

🌍 உலக கலாச்சாரங்களை அடிப்படையாகக் கொண்டு இயந்திர கற்றலை ஆராய்வதற்காக உலகம் முழுவதும் பயணம் செய்யுங்கள் 🌍

Microsoft இல் Cloud Advocates குழு இயந்திர கற்றல் பற்றிய 12 வார, 26 பாடங்களைக் கொண்ட பாடத்திட்டத்தை வழங்குவதில் மகிழ்ச்சி அடைகிறது. இந்த பாடத்திட்டத்தில், கிளாசிக் இயந்திர கற்றல் என அழைக்கப்படும் சில தொழில்நுட்பங்களை Scikit-learn நூலகத்தைப் பயன்படுத்தி கற்றுக்கொள்வீர்கள். ஆழமான கற்றல் தொடர்பான பாடங்கள் எங்கள் AI for Beginners' பாடத்திட்டத்தில் உள்ளன. இந்த பாடங்களை எங்கள் 'Data Science for Beginners' பாடத்திட்டத்துடன் இணைத்து கற்றுக்கொள்ளவும்!

உலகம் முழுவதும் பயணம் செய்து, பல்வேறு பகுதிகளிலிருந்து தரவுகளைப் பயன்படுத்தி இந்த கிளாசிக் தொழில்நுட்பங்களைப் பயன்படுத்துவோம். ஒவ்வொரு பாடமும் பாடத்திற்கு முன் மற்றும் பின் வினாடி வினா, எழுத்து வழிகாட்டுதல்கள், தீர்வு, பணிக்கட்டளை மற்றும் பலவற்றை உள்ளடக்கியது. எங்கள் திட்ட அடிப்படையிலான கற்றல் முறையால் நீங்கள் புதிய திறன்களை உருவாக்குவதில் ஈடுபடுவீர்கள்.

✍️ எங்கள் ஆசிரியர்களுக்கு மனமார்ந்த நன்றி Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu மற்றும் Amy Boyd

🎨 எங்கள் விளக்கப்படம் உருவாக்குபவர்களுக்கு நன்றி Tomomi Imura, Dasani Madipalli மற்றும் Jen Looper

🙏 Microsoft மாணவர் தூதர்களுக்கு நன்றி 🙏 குறிப்பாக Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila மற்றும் Snigdha Agarwal

🤩 Microsoft மாணவர் தூதர்கள் Eric Wanjau, Jasleen Sondhi மற்றும் Vidushi Gupta எங்கள் R பாடங்களுக்கு கூடுதல் நன்றி!

தொடங்குவது எப்படி

இந்த படிகளை பின்பற்றவும்:

1. Repository-ஐ Fork செய்யவும்: இந்த பக்கத்தின் மேல் வலது மூலையில் உள்ள "Fork" பொத்தானை கிளிக் செய்யவும்.
2. Repository-ஐ Clone செய்யவும்: git clone https://github.com/microsoft/ML-For-Beginners.git

இந்த பாடத்திட்டத்திற்கான கூடுதல் வளங்களை Microsoft Learn தொகுப்பில் காணவும்

🔧 உதவி தேவை? நிறுவல், அமைப்பு மற்றும் பாடங்களை இயக்குவதில் ஏற்படும் பொதுவான சிக்கல்களுக்கு தீர்வுகளை Troubleshooting Guide இல் பார்க்கவும்.

மாணவர்கள், இந்த பாடத்திட்டத்தை பயன்படுத்த, முழு repo-ஐ உங்கள் GitHub கணக்கிற்கு fork செய்து, தனியாக அல்லது குழுவுடன் பயிற்சிகளை முடிக்கவும்:

• பாடத்திற்கு முன் வினாடி வினாவுடன் தொடங்கவும்.
• பாடத்தை படித்து, செயல்பாடுகளை முடிக்கவும், ஒவ்வொரு அறிவு சரிபார்ப்பிலும் தற்காலிகமாக நிறுத்தி சிந்திக்கவும்.
• பாடங்களை புரிந்து கொண்டு திட்டங்களை உருவாக்க முயற்சிக்கவும்; ஆனால் தீர்வு குறியீடு /solution கோப்புறைகளில் கிடைக்கிறது.
• பாடத்திற்கு பின் வினாடி வினாவை எடுத்துக்கொள்ளவும்.
• சவால்களை முடிக்கவும்.
• பணிக்கட்டளையை முடிக்கவும்.
• பாடக்குழுவை முடித்த பிறகு, Discussion Board ஐ பார்வையிட்டு, PAT rubric-ஐ நிரப்புவதன் மூலம் "கற்றல் வெளிப்படையாக" செய்யவும். PAT என்பது Progress Assessment Tool ஆகும், இது உங்கள் கற்றலை மேம்படுத்த ஒரு rubric ஆகும். மற்ற PAT-களுக்கு பதிலளிக்கவும், நாம் ஒன்றாக கற்றுக்கொள்ளலாம்.

மேலும் கற்றுக்கொள்ள, இந்த Microsoft Learn modules மற்றும் learning paths-ஐ பின்பற்ற பரிந்துரைக்கிறோம்.

ஆசிரியர்கள், இந்த பாடத்திட்டத்தை எப்படி பயன்படுத்துவது என்பதைப் பற்றிய சில பரிந்துரைகளை சேர்த்துள்ளோம்.

---

வீடியோ வழிகாட்டுதல்கள்

சில பாடங்கள் குறுகிய வடிவ வீடியோவாக கிடைக்கின்றன. இவை பாடங்களில் உள்ளன அல்லது Microsoft Developer YouTube சேனலில் உள்ள ML for Beginners playlist இல் காணலாம். கீழே உள்ள படத்தை கிளிக் செய்யவும்.

---

குழுவை சந்திக்கவும்

Gif உருவாக்கியவர் Mohit Jaisal

🎥 மேலே உள்ள படத்தை கிளிக் செய்து திட்டம் மற்றும் அதை உருவாக்கியவர்களைப் பற்றிய வீடியோவைப் பாருங்கள்!

---

கற்றல் முறை

இந்த பாடத்திட்டத்தை உருவாக்கும்போது, இரண்டு முக்கிய கற்றல் முறைகளை தேர்ந்தெடுத்துள்ளோம்: திட்ட அடிப்படையிலான மற்றும் தனது அடிக்கடி வினாடி வினாக்கள். மேலும், இந்த பாடத்திட்டம் ஒரு பொது கருப்பொருளை கொண்டுள்ளது, இது ஒருங்கிணைப்பை வழங்குகிறது.

திட்டங்களுடன் உள்ளடக்கம் இணைந்திருப்பதை உறுதிப்படுத்துவதன் மூலம், மாணவர்களுக்கு இது ஈர்க்கக்கூடியதாக இருக்கும் மற்றும் கருத்துக்களின் நினைவாற்றல் அதிகரிக்கப்படும். மேலும், வகுப்புக்கு முன் குறைந்த அழுத்த வினாடி வினா, ஒரு தலைப்பை கற்றுக்கொள்ள மாணவரின் நோக்கத்தை அமைக்கிறது, வகுப்புக்குப் பிறகு ஒரு வினாடி வினா மேலும் நினைவாற்றலை உறுதிப்படுத்துகிறது. இந்த பாடத்திட்டம் நெகிழ்வான மற்றும் மகிழ்ச்சியானதாக வடிவமைக்கப்பட்டுள்ளது, முழுமையாக அல்லது பகுதியளவில் எடுத்துக்கொள்ளலாம். திட்டங்கள் சிறியதாக தொடங்கி, 12 வார சுழற்சியின் இறுதியில் அதிகமாக சிக்கலானதாக மாறுகின்றன. இந்த பாடத்திட்டம் ML-ன் உண்மையான உலக பயன்பாடுகள் பற்றிய ஒரு பிந்தைய குறிப்பையும் கொண்டுள்ளது, இது கூடுதல் கிரெடிட் அல்லது விவாதத்திற்கான அடிப்படையாக பயன்படுத்தப்படலாம்.

எங்கள் Code of Conduct, Contributing, Translation, மற்றும் Troubleshooting வழிகாட்டுதல்களை காணவும். உங்கள் கட்டமைப்பான கருத்துகளை வரவேற்கிறோம்!

ஒவ்வொரு பாடமும் உள்ளடக்கியது

• விருப்பமான sketchnote
• விருப்பமான கூடுதல் வீடியோ
• வீடியோ வழிகாட்டுதல் (சில பாடங்கள் மட்டும்)
• பாடத்திற்கு முன் வினாடி வினா
• எழுத்து பாடம்
• திட்ட அடிப்படையிலான பாடங்களுக்கு, திட்டத்தை உருவாக்குவதற்கான படி படி வழிகாட்டுதல்கள்
• அறிவு சரிபார்ப்புகள்
• ஒரு சவால்
• கூடுதல் வாசிப்பு
• பணிக்கட்டளை
• பாடத்திற்கு பின் வினாடி வினா

மொழிகள் பற்றிய குறிப்புகள்: இந்த பாடங்கள் முதன்மையாக Python-ல் எழுதப்பட்டுள்ளன, ஆனால் பல R-ல் கிடைக்கின்றன. R பாடத்தை முடிக்க, /solution கோப்புறைக்கு சென்று R பாடங்களைத் தேடவும். அவை .rmd நீட்டிப்புடன் உள்ளன, இது R Markdown கோப்பை குறிக்கிறது, இது code chunks (R அல்லது பிற மொழிகள்) மற்றும் YAML header (PDF போன்ற output-களை வடிவமைக்க வழிகாட்டுகிறது) ஆகியவற்றின் Markdown document ஆகும். இது உங்கள் குறியீடு, அதன் output மற்றும் உங்கள் எண்ணங்களை Markdown-ல் எழுத அனுமதிப்பதால் தரவியல் அறிவியலுக்கான சிறந்த framework ஆக செயல்படுகிறது. மேலும், R Markdown ஆவணங்கள் PDF, HTML அல்லது Word போன்ற output வடிவங்களுக்கு மாற்றப்படலாம்.

வினாடி வினாக்கள் பற்றிய குறிப்புகள்: அனைத்து வினாடி வினாக்களும் Quiz App folder இல் உள்ளன, ஒவ்வொன்றும் மூன்று கேள்விகளுடன் 52 முழு வினாடி வினாக்கள். அவை பாடங்களில் இருந்து இணைக்கப்பட்டுள்ளன, ஆனால் quiz app-ஐ உள்ளூர் அளவில் இயக்கலாம்; quiz-app கோப்புறையில் உள்ள வழிகாட்டுதல்களைப் பின்பற்றி உள்ளூர் அல்லது Azure-க்கு deploy செய்யவும்.

பாட எண்	தலைப்பு	பாட குழு	கற்றல் நோக்கங்கள்	இணைக்கப்பட்ட பாடம்	ஆசிரியர்
01	மெஷின் லெர்னிங் அறிமுகம்	அறிமுகம்	மெஷின் லெர்னிங் பற்றிய அடிப்படை கருத்துகளை கற்றுக்கொள்ளுங்கள்	பாடம்	முஹம்மது
02	மெஷின் லெர்னிங் வரலாறு	அறிமுகம்	இந்த துறையின் அடிப்படை வரலாற்றை கற்றுக்கொள்ளுங்கள்	பாடம்	ஜென் மற்றும் ஏமி
03	நியாயம் மற்றும் மெஷின் லெர்னிங்	அறிமுகம்	மெஷின் லெர்னிங் மாடல்களை உருவாக்கும் மற்றும் பயன்படுத்தும் போது மாணவர்கள் கவனிக்க வேண்டிய முக்கிய தத்துவ பிரச்சினைகள் என்ன?	பாடம்	தோமோமி
04	மெஷின் லெர்னிங் தொழில்நுட்பங்கள்	அறிமுகம்	மெஷின் லெர்னிங் மாடல்களை உருவாக்க மெஷின் லெர்னிங் ஆராய்ச்சியாளர்கள் எந்த தொழில்நுட்பங்களை பயன்படுத்துகிறார்கள்?	பாடம்	கிறிஸ் மற்றும் ஜென்
05	ரிக்ரஷன் அறிமுகம்	ரிக்ரஷன்	ரிக்ரஷன் மாடல்களுக்கு Python மற்றும் Scikit-learn மூலம் தொடங்குங்கள்	Python • R	ஜென் • எரிக் வான்ஜௌ
06	வட அமெரிக்க கும்முட்டி விலை 🎃	ரிக்ரஷன்	மெஷின் லெர்னிங் தயாரிப்புக்கு தரவுகளை காட்சிப்படுத்தவும் மற்றும் சுத்தம் செய்யவும்	Python • R	ஜென் • எரிக் வான்ஜௌ
07	வட அமெரிக்க கும்முட்டி விலை 🎃	ரிக்ரஷன்	நேரியல் மற்றும் பாலினோமியல் ரிக்ரஷன் மாடல்களை உருவாக்கவும்	Python • R	ஜென் மற்றும் திமித்ரி • எரிக் வான்ஜௌ
08	வட அமெரிக்க கும்முட்டி விலை 🎃	ரிக்ரஷன்	ஒரு லாஜிஸ்டிக் ரிக்ரஷன் மாடலை உருவாக்கவும்	Python • R	ஜென் • எரிக் வான்ஜௌ
09	ஒரு வலை பயன்பாடு 🔌	வலை பயன்பாடு	உங்கள் பயிற்சி மாடலை பயன்படுத்த ஒரு வலை பயன்பாட்டை உருவாக்கவும்	Python	ஜென்
10	வகைப்படுத்தல் அறிமுகம்	வகைப்படுத்தல்	உங்கள் தரவுகளை சுத்தம் செய்யவும், தயாரிக்கவும், காட்சிப்படுத்தவும்; வகைப்படுத்தல் அறிமுகம்	Python • R	ஜென் மற்றும் காச்சி • எரிக் வான்ஜௌ
11	சுவையான ஆசிய மற்றும் இந்திய உணவுகள் 🍜	வகைப்படுத்தல்	வகைப்படுத்தலாளர்களின் அறிமுகம்	Python • R	ஜென் மற்றும் காச்சி • எரிக் வான்ஜௌ
12	சுவையான ஆசிய மற்றும் இந்திய உணவுகள் 🍜	வகைப்படுத்தல்	மேலும் வகைப்படுத்தலாளர்கள்	Python • R	ஜென் மற்றும் காச்சி • எரிக் வான்ஜௌ
13	சுவையான ஆசிய மற்றும் இந்திய உணவுகள் 🍜	வகைப்படுத்தல்	உங்கள் மாடலைப் பயன்படுத்தி ஒரு பரிந்துரை வலை பயன்பாட்டை உருவாக்கவும்	Python	ஜென்
14	கிளஸ்டரிங் அறிமுகம்	கிளஸ்டரிங்	உங்கள் தரவுகளை சுத்தம் செய்யவும், தயாரிக்கவும், காட்சிப்படுத்தவும்; கிளஸ்டரிங் அறிமுகம்	Python • R	ஜென் • எரிக் வான்ஜௌ
15	நைஜீரிய இசை விருப்பங்களை ஆராயுங்கள் 🎧	கிளஸ்டரிங்	கே-மீன்ஸ் கிளஸ்டரிங் முறையை ஆராயுங்கள்	Python • R	ஜென் • எரிக் வான்ஜௌ
16	இயற்கை மொழி செயலாக்கம் அறிமுகம் ☕️	இயற்கை மொழி செயலாக்கம்	ஒரு எளிய பாட்டை உருவாக்குவதன் மூலம் NLP பற்றிய அடிப்படைகளை கற்றுக்கொள்ளுங்கள்	Python	ஸ்டீபன்
17	பொதுவான NLP பணிகள் ☕️	இயற்கை மொழி செயலாக்கம்	மொழி அமைப்புகளை கையாளும் போது தேவையான பொதுவான பணிகளைப் புரிந்து கொள்ளுவதன் மூலம் உங்கள் NLP அறிவை ஆழமாக்குங்கள்	Python	ஸ்டீபன்
18	மொழிபெயர்ப்பு மற்றும் உணர்வு பகுப்பாய்வு ♥️	இயற்கை மொழி செயலாக்கம்	ஜேன் ஆஸ்டினுடன் மொழிபெயர்ப்பு மற்றும் உணர்வு பகுப்பாய்வு	Python	ஸ்டீபன்
19	ஐரோப்பாவின் ரொமான்டிக் ஹோட்டல்கள் ♥️	இயற்கை மொழி செயலாக்கம்	ஹோட்டல் விமர்சனங்களுடன் உணர்வு பகுப்பாய்வு 1	Python	ஸ்டீபன்
20	ஐரோப்பாவின் ரொமான்டிக் ஹோட்டல்கள் ♥️	இயற்கை மொழி செயலாக்கம்	ஹோட்டல் விமர்சனங்களுடன் உணர்வு பகுப்பாய்வு 2	Python	ஸ்டீபன்
21	நேரம் வரிசை முன்னறிவிப்பு அறிமுகம்	நேரம் வரிசை	நேரம் வரிசை முன்னறிவிப்பு அறிமுகம்	Python	பிரான்செஸ்கா
22	⚡️ உலக மின்சார பயன்பாடு ⚡️ - ARIMA மூலம் நேரம் வரிசை முன்னறிவிப்பு	நேரம் வரிசை	ARIMA மூலம் நேரம் வரிசை முன்னறிவிப்பு	Python	பிரான்செஸ்கா
23	⚡️ உலக மின்சார பயன்பாடு ⚡️ - SVR மூலம் நேரம் வரிசை முன்னறிவிப்பு	நேரம் வரிசை	ஆதரவு வெக்டர் ரிக்ரஷன் மூலம் நேரம் வரிசை முன்னறிவிப்பு	Python	அனிர்பன்
24	பலகூறு கற்றல் அறிமுகம்	பலகூறு கற்றல்	Q-Learning மூலம் பலகூறு கற்றல் அறிமுகம்	Python	திமித்ரி
25	பீட்டர் ஓநாயை தவிர்க்க உதவுங்கள்! 🐺	பலகூறு கற்றல்	பலகூறு கற்றல் ஜிம்	Python	திமித்ரி
Postscript	உண்மையான உலக மெஷின் லெர்னிங் சூழல்கள் மற்றும் பயன்பாடுகள்	உலகில் ML	பாரம்பரிய மெஷின் லெர்னிங் பயன்பாடுகளின் சுவாரஸ்யமான மற்றும் வெளிப்படையான உண்மையான உலக பயன்பாடுகள்	பாடம்	குழு
Postscript	RAI டாஷ்போர்டை பயன்படுத்தி ML மாடல்களை பிழை திருத்துதல்	உலகில் ML	பொறுப்பான AI டாஷ்போர்டு கூறுகளைப் பயன்படுத்தி மெஷின் லெர்னிங் மாடல்களை பிழை திருத்துதல்	பாடம்	ரூத் யாகுபு

இந்த பாடநெறிக்கான கூடுதல் வளங்களை Microsoft Learn தொகுப்பில் காணவும்

ஆஃப்லைன் அணுகல்

இந்த ஆவணத்தை Docsify பயன்படுத்தி ஆஃப்லைனில் இயக்கலாம். இந்த ரெப்போவை Fork செய்யவும், உங்கள் உள்ளூர் கணினியில் Docsify நிறுவவும், பின்னர் இந்த ரெப்போவின் மூல கோப்புறையில் docsify serve என டைப் செய்யவும். இணையதளம் உங்கள் localhost இல் port 3000 இல் வழங்கப்படும்: localhost:3000.

PDFs

இணைப்புகளுடன் பாடத்திட்டத்தின் PDF ஐ இங்கே காணவும்.

🎒 பிற பாடநெறிகள்

எங்கள் குழு பிற பாடநெறிகளை உருவாக்குகிறது! பார்க்கவும்:

• 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

உதவி பெறுதல்

நீங்கள் சிக்கலாக இருந்தால் அல்லது AI பயன்பாடுகளை உருவாக்குவதில் ஏதேனும் கேள்விகள் இருந்தால், இணைந்திடுங்கள்:

உங்கள் தயாரிப்பில் கருத்து அல்லது பிழைகள் இருந்தால், பார்வையிடுங்கள்:

---

குறிப்பு:
இந்த ஆவணம் Co-op Translator என்ற AI மொழிபெயர்ப்பு சேவையைப் பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சிக்கிறோம், ஆனால் தானியக்க மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுகள் இருக்கக்கூடும் என்பதை தயவுசெய்து கவனத்தில் கொள்ளுங்கள். அதன் தாய்மொழியில் உள்ள மூல ஆவணம் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கங்களுக்கு நாங்கள் பொறுப்பல்ல.