ML-For-Beginners/translations/pa

🌐 ਬਹੁ-ਭਾਸ਼ਾਈ ਸਮਰਥਨ

GitHub ਐਕਸ਼ਨ ਰਾਹੀਂ ਸਮਰਥਿਤ (ਆਪੋ-ਆਪ ਅਪਡੇਟ ਅਤੇ ਹਮੇਸ਼ਾ ਅਪਡੇਟਦਾਰ)

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

ਕੀ ਤੁਹਾਨੂੰ ਲੋਕਲ ਡਾਊਨਲੋਡ ਕਰਨਾ ਪਸੰਦ ਹੈ?

ਇਸ ਰਿਪੋਜ਼ਿਟਰੀ ਵਿੱਚ 50+ ਭਾਸ਼ਾ ਅਨੁਵਾਦ ਸ਼ਾਮਲ ਹਨ ਜੋ ਡਾਊਨਲੋਡ ਦਾ ਸਾਈਜ਼ ਬਹੁਤ ਵਧਾਉਂਦੇ ਹਨ। ਬਿਨਾਂ ਅਨੁਵਾਦਾਂ ਦੇ ਕਲੋਨ ਕਰਨ ਲਈ, ਸਪਾਰਸ ਚੈਕਆਉਟ ਦੀ ਵਰਤੋਂ ਕਰੋ:

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'

ਇਸ ਨਾਲ ਤੁਹਾਨੂੰ ਇਹ ਸਾਰੀ ਚੀਜ਼ਾਂ ਮਿਲਦੀਆਂ ਹਨ ਜੋ ਕੋਰਸ ਨੂੰ ਤੇਜ਼ ਅਤੇ ਪੂਰਾ ਕਰਨ ਲਈ ਲੋੜੀਦੀਆਂ ਹਨ।

ਸਾਡੇ ਸਮੁਦਾਇ ਵਿੱਚ ਸ਼ਾਮਿਲ ਹੋਵੋ

ਸਾਡੇ ਕੋਲ ਇੱਕ Discord 'Learn with AI' ਸੀਰੀਜ਼ ਚੱਲ ਰਹੀ ਹੈ, ਹੋਰ ਜਾਣੋ ਅਤੇ ਸਾਨੂੰ Learn with AI Series ’ਤੇ 18 - 30 ਸਤੰਬਰ, 2025 ਨੂੰ ਮਿਲੋ। ਤੁਹਾਨੂੰ GitHub Copilot ਨਾਲ ਡਾਟਾ ਸਾਇੰਸ ਲਈ ਸਲਾਹਾਂ ਅਤੇ ਟਿੱਪਣੀਆਂ ਮਿਲਣਗੀਆਂ।

ਸ਼ੁਰੂਆਤੀਆਂ ਲਈ ਮਸ਼ੀਨ ਲਰਨਿੰਗ - ਇੱਕ ਕੋਰਸ

🌍 ਸੰਸਾਰ ਦੇ ਵੱਖ-ਵੱਖ ਸੱਭਿਆਚਾਰਾਂ ਰਾਹੀਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀ ਖੋਜ ਕਰਦੇ ਹੋਏ ਦੁਨੀਆ ਦੀ ਯਾਤਰਾ ਕਰੋ 🌍

Microsoft ਦੇ Cloud Advocates ਖੁਸ਼ ਹਨ ਕਿ ਉਹ 12 ਹਫਤੇ, 26 ਪਾਠਾਂ ਦਾ ਕੋਰਸ ਪੇਸ਼ ਕਰਦੇ ਹਨ ਜੋ ਸਿਰਫ਼ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਬਾਰੇ ਹੈ। ਇਸ ਕੋਰਸ ਵਿੱਚ, ਤੁਸੀਂ ਕਈ ਵਾਰੀ ਕਹਿਣ ਵਾਲੀ ਕਲਾਸਿਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਬਾਰੇ ਸਿੱਖੋਗੇ, ਜੋ ਮੁੱਖ ਤੌਰ ਤੇ Scikit-learn ਲਾਇਬਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਅਤੇ ਡੀਪ ਲਰਨਿੰਗ ਤੋਂ ਬਚਦਾ ਹੈ, ਜਿਸਨੂੰ ਸਾਡੀ AI for Beginners' curriculum ਵਿੱਚ ਕਵਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਨ੍ਹਾਂ ਪਾਠਾਂ ਨੂੰ ਸਾਡੀ 'Data Science for Beginners' curriculum ਨਾਲ ਵੀ ਜੋੜੋ।

ਸਾਡੇ ਨਾਲ ਦੁਨੀਆ ਭਰ ਦੀ ਯਾਤਰਾ ਕਰੋ ਜਦੋਂ ਅਸੀਂ ਇਹ ਕਲਾਸਿਕ ਤਕਨੀਕਾਂ ਸੰਸਾਰ ਦੇ ਕਈ ਖੇਤਰਾਂ ਦੇ ਡਾਟੇ 'ਤੇ ਲਾਗੂ ਕਰਦੇ ਹਾਂ। ਹਰ ਪਾਠ ਵਿੱਚ ਪਹਿਲਾਂ ਅਤੇ ਬਾਅਦ ਵਿੱਚ ਕਵੀਜ਼, ਲਿਖਤੀ ਹੁਕਮ, ਸਲੂਸ਼ਨ, ਅਸਾਈਨਮੈਂਟ ਅਤੇ ਹੋਰ ਹਨ। ਸਾਡੀ ਪ੍ਰੋਜੈਕਟ-ਮੁੱਖ ਪਾਠਯਕ੍ਰਮ ਦੇ ਨਾਲ ਤੁਸੀਂ ਬਣਾਉਂਦੇ ਹੋਏ ਸਿੱਖੋਗੇ, ਜੋ ਨਵੀਆਂ ਕੌਸ਼ਲਾਂ ਲਈ ਇੱਕ ਪਰਖਿਆ ਹੋਇਆ ਤਰੀਕਾ ਹੈ।

✍️ ਸਾਡੇ ਲੇਖਕਾਂ ਨੂੰ ਦਿਲੋਂ ਧੰਨਵਾਦ ਜੇਨ ਲੂਪਰ, ਸਟੀਫਨ ਹੋਵਲ, ਫ੍ਰਾਂਚੇਸਕਾ ਲਾਜ਼ੇਰੀ, ਟੋਮੇਮੀ ਇਮੁਰਾ, ਕੈਸੀ ਬਰੇਵਿਉ, ਡਿਮਿਟਰੀ ਸੋਸ਼ਨੀਕੋਵ, ਕ੍ਰਿਸ ਨੋਰਿੰਗ, ਅਨੀਰਬਨ ਮੁਖਰਜੀ, ਓਰੇਨਲਾ ਅਲਟੁਨਯਾਨ, ਰੁਥ ਯਾਕੁਬੂ ਅਤੇ ਐਮੀ ਬੋਇਡ

🎨 ਸਾਡੇ ਚਿੱਤਰਕਾਰਾਂ ਨੂੰ ਵੀ ਧੰਨਵਾਦ ਟੋਮੇਮੀ ਇਮੁਰਾ, ਦੁਸਾਨੀ ਮਾਦਿਪੱਲੀ, ਅਤੇ ਜੇਨ ਲੂਪਰ

🙏 ਖ਼ਾਸ ਧੰਨਵਾਦ 🙏 ਸਾਡੇ Microsoft ਸਟੂਡੈਂਟ ਐਮਬੈਸਡਰ ਲੇਖਕਾਂ, ਸਮੀਖਿਆਕਾਰਾਂ ਅਤੇ ਸਮੱਗਰੀ ਯੋਗਦਾਨਕਾਰਾਂ, ਖ਼ਾਸ ਕਰਕੇ ਰਿਸ਼ਿਤ ਦਾਗਲੀ, ਮੁਹੰਮਦ ਸਕਿਬ ਖਾਨ ਇਨਾਨ, ਰੋਹਨ ਰਾਜ, ਅਲੈਕਜ਼ੈਂਡਰੂ ਪੇਟਰੇਸਕੂ, ਅਭਿਸ਼ੇਕ ਜੈਸਵਾਲ, ਨਾਵਰੀਨ ਤਬਾਸ਼ੁਮ, ਈਆਨ ਸਮੂਇਲਾ, ਅਤੇ ਸਨਿੱਘਦਾ ਅਗਰਵਾਲ

🤩 ਵਾਧੂ ਸ਼ੁਕਰਾਨਾ Microsoft ਸਟੂਡੈਂਟ ਐਮਬੈਸਡਰਜ਼ ਏਰਿਕ ਵੰਜਾਊ, ਜਸਲੀਨ ਸੋਂਧੀ ਅਤੇ ਵਿਦੂਸ਼ੀ ਗੁਪਤਾ ਨੂੰ ਸਾਡੇ R ਪਾਠਾਂ ਲਈ!

ਸ਼ੁਰੂਆਤ

ਇਹ ਕਦਮ ਅਪਣਾਓ:

1. ਰਿਪੋਜ਼ਿਟਰੀ ਫੋਰਕ ਕਰੋ: ਇਸ ਪੇਜ ਦੇ ਸੱਜੇ-ਉੱਪਰ ਵਾਲੇ "Fork" ਬਟਨ ’ਤੇ ਕਲਿੱਕ ਕਰੋ।
2. ਰਿਪੋ ਕਲੋਨ ਕਰੋ: git clone https://github.com/microsoft/ML-For-Beginners.git

ਇਸ ਕੋਰਸ ਲਈ ਸਾਡੇ Microsoft Learn ਸੰਗ੍ਰਹਿ ਵਿੱਚ ਸਾਰੇ ਵਾਧੂ ਸਾਧਨ ਲੱਭੋ

🔧 ਮਦਦ ਚਾਹੀਦੀ ਹੈ? ਸਾਡੇ Troubleshooting Guide ’ਚ ਇੰਸਟਾਲੇਸ਼ਨ, ਸੈੱਟਅਪ ਅਤੇ ਪਾਠ ਚੱਲਾਉਣ ਨਾਲ ਸੰਬੰਧਿਤ ਆਮ ਸਮੱਸਿਆਵਾਂ ਲਈ ਸਮਾਧਾਨ ਚੈੱਕ ਕਰੋ।

ਵਿਦਿਆਰਥੀ, ਇਸ ਕੁਰਸ ਨੂੰ ਵਰਤਣ ਲਈ, ਪੂਰੀ ਰਿਪੋਜ਼ਿਟਰੀ ਆਪਣੇ GitHub ਖਾਤੇ ਵਿੱਚ ਫੋਰਕ ਕਰੋ ਅਤੇ ਧਿਆਨ ਨਾਲ ਅਭਿਆਸ ਕਰੋਂ:

• ਪ੍ਰੀ-ਲੈਕਚਰ ਕਵੀਜ਼ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ।
• ਲੈਕਚਰ ਪੜ੍ਹੋ ਅਤੇ ਗਤੀਵਿਧੀਆਂ ਪੂਰੀਆਂ ਕਰੋ, ਹਰ ਗਿਆਨ ਜਾਂਚ ’ਤੇ ਠਹਿਰੋ ਤੇ ਸੋਚੋ।
• ਪਾਠ ਸਮਝ ਕੇ ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ, ਕੋਡ ਚਲਾਉਣ ਦੀ ਨਾ; ਫਿਰ ਵੀ ਕੋਡ /solution ਫੋਲਡਰ ਵਿੱਚ ਉਪਲਬਧ ਹੈ ਪ੍ਰੋਜੈਕਟ-ਕੇਂਦਰਤ ਪਾਠਾਂ ਲਈ।
• ਪੋਸਟ-ਲੈਕਚਰ ਕਵੀਜ਼ ਦਿਓ।
• ਚੈਲੇਂਜ ਪੂਰਾ ਕਰੋ।
• ਅਸਾਈਨਮੈਂਟ ਪੂਰਾ ਕਰੋ।
• ਇੱਕ ਲੇਖਾ ਗਰੁੱਪ ਪੂਰਾ ਕਰਨ ਤੋਂ ਬਾਅਦ, Discussion Board ’ਤੇ ਜਾਓ ਅਤੇ ‘ਲਰਨ ਆਉਟ ਲਾਊਡ’ ਕਰ ਨੂੰ ਯੋਗ ‘PAT ਰੂਬ੍ਰਿਕ’ ਭਰੋ। ‘PAT’ ਇੱਕ ਪ੍ਰਗਤੀ ਅੰਕਣ ਸੰਦ ਹੈ ਜੋ ਤੁਸੀਂ ਆਪਣੇ ਸਿੱਖਣ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣ ਲਈ ਭਰਦੇ ਹੋ। ਤੁਸੀਂ ਹੋਰ PATs ਨੂੰ ਵੀ ਰੀਐਕਟ ਕਰ ਸਕਦੇ ਹੋ ਤਾਂ ਜੋ ਅਸੀਂ ਇਕੱਠੇ ਸਿੱਖੀਏ।

ਹੋਰ ਅਧਿਐਨ ਲਈ, ਅਸੀਂ ਇਹ Microsoft Learn ਮਾਡਿਊਲ ਤੇ ਸਿਖਲਾਈ ਪਾਥਾਂ ਦੀ ਸਿਫ਼ਾਰਿਸ਼ ਕਰਦੇ ਹਾਂ।

ਅਧਿਆਪਕ, ਸਾਡੀ ਇਸ ਕੁਰਸ ਬਾਰੇ ਕੁਝ ਸੁਝਾਵਾਂ ਵੀ ਹਨ ਜੋ ਤੁਸੀਂ ਵਰਤ ਸਕਦੇ ਹੋ।

---

ਵੀਡੀਓ ਵਾਕਥਰੂ

ਕੁਝ ਪਾਠ ਛੋਟੀ ਵੀਡੀਓ ਦੇ ਰੂਪ ਵਿੱਚ ਉਪਲੱਬਧ ਹਨ। ਇਹ ਤੁਹਾਨੂੰ ਪਾਠਾਂ ਵਿੱਚ ਇਨ-ਲਾਈਨ ਮਿਲਣਗੀਆਂ ਜਾ Microsoft Developer YouTube ਚੈਨਲ ’ਤੇ ML for Beginners ਪਲੇਲਿਸਟ ‘ਤੇ ਵੀ।

---

ਟੀਮ ਨਾਲ ਮਿਲੋ

ਗਿਫ਼ - ਮੋਹਿਤ ਜੈਸਲ

🎥 ਉਪਰ ਦਿੱਤੀ ਤਸਵੀਰ ‘ਤੇ ਕਲਿੱਕ ਕਰੋ ਪ੍ਰੋਜੈਕਟ ਬਾਰੇ ਵੀਡੀਓ ਅਤੇ ਇਸਨੂੰ ਬਣਾਉਣ ਵਾਲਿਆਂ ਨੂੰ ਦੇਖਣ ਲਈ!

---

ਪੇਡਾਗੋਜ਼ੀ

ਇਸ ਕੋਰਸ ਬਣਾਉਂਦੇ ਸਮੇਂ ਅਸੀਂ ਦੋ ਅਹੰਕਾਰਪੂਰਨ ਸਿਧਾਂਤ ਚੁਣੇ ਹਨ: ਹੋਵੇ ਹੱਥ-ਨਾਲ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਪ੍ਰੋਜੈਕਟ-ਆਧਾਰਿਤ ਅਤੇ ਘਣਘੋਰ ਕਵੀਜ਼। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਸ ਕੋਰਸ ਵਿੱਚ ਇੱਕ ਸਾਂਝਾ ਥੀਮ ਹੈ ਜੋ ਇਸਨੂੰ ਇਕੱਠਾ ਕਰਦੀ ਹੈ।

ਇਹ ਗੱਲ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਸਮੱਗਰੀ ਪ੍ਰੋਜੈਕਟਾਂ ਨਾਲ ਮਿਲਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਵਿਦਿਆਰਥੀਆਂ ਲਈ ਸਿੱਖਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਧੀਆ ਅਤੇ ਮਨੋਰੰਜਕ ਬਣਦੀ ਹੈ ਅਤੇ ਧਾਰਣਾ ਨਿਭ ਰਹੀ ਹੈ। ਇੱਕ ਕਲਾਸ ਤੋਂ ਪਹਿਲਾਂ ਲੋ-ਸਟੇਕਸ ਕਵੀਜ਼ ਸਿੱਖਣ ਦੇ ਮਨੋਰਥ ਨੂੰ ਸੈੱਟ ਕਰਦਾ ਹੈ, ਅਤੇ ਕਲਾਸ ਤੋਂ ਬਾਅਦ ਦੂਜਾ ਕਵੀਜ਼ ਪੁਨਰਾਨੁਸ੍ਰਿਤੀ ਨੂੰ ਯਕੀਨੀ ਬਨਾਊਂਦਾ ਹੈ। ਇਹ ਕੋਰਸ ਲਚਕੀਲਾ ਅਤੇ ਮਨੋਰੰਜਕ ਹੈ ਜੋ ਪੂਰਾ ਜਾਂ ਹਿੱਸਾ ਵਜੋਂ ਲਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਪ੍ਰੋਜੈਕਟ ਛੋਟੇ-ਛੋਟੇ ਹੋ ਕੇ 12 ਹਫ਼ਤਿਆਂ ਦੇ ਅੰਤ ਤੱਕ ਮੁਸ਼ਕਲ ਹੁੰਦੇ ਹਨ। ਇਹ ਕੋਰਸ ਅਸਲੀ ਦੁਨੀਆ ਦੇ ML ਐਪਲੀਕੇਸ਼ਨਾਂ ਬਾਰੇ ਇੱਕ ਪੋਸਟਸਕ੍ਰਿਪਟ ਸਮੇਤ ਹੈ ਜੋ ਵਾਧੂ ਸ੍ਰੇਡੀ ਕਰੈਡਿਟ ਜਾਂ ਚਰਚਾ ਦੇ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਸਾਡਾ Code of Conduct, Contributing, Translation, ਅਤੇ Troubleshooting ਗਾਈਡਲਾਈਨਜ਼ ਵੇਖੋ। ਅਸੀਂ ਤੁਹਾਡੇ ਸਦਭਾਵਪੂਰਕ ਪ੍ਰਤੀਕਿਰਿਆ ਦਾ ਸਵਾਗਤ ਕਰਦੇ ਹਾਂ!

ਹਰ ਪਾਠ ਵਿੱਚ ਸ਼ਾਮਿਲ ਹੈ

• ਵਿਕਲਪਿਕ ਸਕੈਚਨੋਟ
• ਵਿਕਲਪਿਕ ਸਹਾਇਕ ਵੀਡੀਓ
• ਵੀਡੀਓ ਵਾਕਥਰੂ (ਕੁਝ ਪਾਠਾਂ ਲਈ)
• ਪ੍ਰੀ-ਲੈਕਚਰ ਵਾਰਮਅਪ ਕਵੀਜ਼
• ਲਿਖਤੀ ਪਾਠ
• ਪ੍ਰੋਜੈਕਟ-ਆਧਾਰਿਤ ਪਾਠਾਂ ਲਈ, ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਦੀ ਵਿਵਰਣਾਤਮਕ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼
• ਗਿਆਨ ਜਾਂਚਾਂ
• ਚੈਲੇਂਜ
• ਸਹਾਇਕ ਪੜ੍ਹਾਈ
• ਅਸਾਈਨਮੈਂਟ
• ਪੋਸਟ-ਲੈਕਚਰ ਕਵੀਜ਼

ਭਾਸ਼ਾਵਾਂ ਬਾਰੇ ਇੱਕ ਨੋਟ: ਇਹ ਪਾਠ ਮੁੱਖ ਤੌਰ ’ਤੇ ਪਾਇਥਨ ਵਿੱਚ ਲਿਖੇ ਗਏ ਹਨ, ਪਰ ਕਈ R ਵਿੱਚ ਵੀ ਉਪਲਬਧ ਹਨ। R ਪਾਠ ਪੂਰਾ ਕਰਨ ਲਈ, /solution ਫੋਲਡਰ ਵਿੱਚ R ਪਾਠ ਖੋਜੋ। ਇਹਨਾਂ ਵਿੱਚ .rmd ਫਾਈਲ ਹੁੰਦੀ ਹੈ ਜੋ R Markdown ਫਾਈਲ ਨੁਮਾਇੰਦਗੀ ਕਰਦੀ ਹੈ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਹ 'ਕੋਡ ਚੰਕ' (R ਜਾਂ ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ) ਅਤੇ ਇੱਕ 'YAML ਹੈਡਰ' (ਜੋ PDF ਵਰਗੀਆਂ ਆਉਟਪੁੱਟਾਂ ਨੂੰ ਫਾਰਮੈਟ ਕਰਨ ਦਾ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਦਿੰਦਾ ਹੈ) ਨੂੰ ਸ਼ਾਮਿਲ ਕਰਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ, ਇਹ ਡਾਟਾ ਸਾਇੰਸ ਲਈ ਇੱਕ ਉਦਾਹਰਨੀ ਲੇਖਕ ਫਰੇਮਵਰਕ ਟੂਲ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਆਪਣਾ ਕੋਡ, ਉਸ ਦਾ ਨਤੀਜਾ, ਅਤੇ ਆਪਣੇ ਵਿਚਾਰ ਮਾਰਕਡਾਊਨ ਫਾਈਲ ਵਿੱਚ ਲਿਖਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, R Markdown ਦਸਤਾਵੇਜ਼ PDF, HTML ਜਾਂ Word ਵਰਗੇ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਰੈਂਡਰ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ। ਕੁਇਜ਼ਾਂ ਬਾਰੇ ਇੱਕ ਨੋਟ: ਸਾਰੇ ਕੁਇਜ਼ Quiz App folder ਵਿੱਚ ਹਨ, ਜੋ ਕਿ ਹਰ ਇੱਕ ਵਿੱਚ ਤਿੰਨ ਪ੍ਰਸ਼ਨਾਂ ਵਾਲੇ 52 ਕੁਇਜ਼ਾਂ ਦਾ ਸਮੂਹ ਹੈ। ਇਹਨਾਂ ਨੂੰ ਪਾਠਾਂ ਦੇ ਅੰਦਰੋਂ ਲਿੰਕ ਕੀਤਾ ਗਿਆ ਹੈ ਪਰ ਕੁਇਜ਼ ਐਪ ਨੂੰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਚਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ; ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਹੋਸਟ ਜਾਂ ਏਜ਼ਯੂਰ 'ਤੇ ਡਿਪਲੋਏ ਕਰਨ ਲਈ quiz-app ਫੋਲਡਰ ਵਿੱਚ ਦਿੱਤੇ ਹੁਕਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ।

ਪਾਠ ਨੰਬਰ	ਵਿਸ਼ਾ	ਪਾਠ ਸਮੂਹ	ਸਿੱਖਣ ਦੇ ਉਦਦੇਸ਼	ਲਿੰਕਡ ਪਾਠ	ਲੇਖਕ
01	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ	Introduction	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਮੂਲ ਧਾਰਣਾ ਨੂੰ ਸਿੱਖੋ	Lesson	ਮੁਹੰਮਦ
02	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਇਤਿਹਾਸ	Introduction	ਇਸ ਖੇਤਰ ਦਾ ਇਤਿਹਾਸ ਜਾਣੋ	Lesson	ਜੇਨ ਅਤੇ ਐਮੀ
03	ਨਿਆਂ ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ	Introduction	ਨਿਆਂ ਨਾਲ ਜੁੜੇ ਮਹੱਤਵਪੂਰਣ ਦਰਸ਼ਨਸ਼ਾਸਤਰਕ ਮੁੱਦੇ ਕੀ ਹਨ ਜੋ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਐਮਐਲ ਮਾਡਲ ਬਣਾਉਣ ਅਤੇ ਲਾਗੂ ਕਰਨ ਦੌਰਾਨ ਸੋਚਣੇ ਚਾਹੀਦੇ ਹਨ?	Lesson	ਟੋਮੋਮੀ
04	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਤਕਨੀਕਾਂ	Introduction	ਐਮਐਲ ਖੋਜਕਾਰ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਕਿਹੜੀਆਂ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ?	Lesson	ਕ੍ਰਿਸ ਅਤੇ ਜੇਨ
05	ਰਿਗ੍ਰੈਸ਼ਨ ਦਾ ਪਰਿਚਯ	Regression	ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲਾਂ ਲਈ Python ਅਤੇ Scikit-learn ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰੋ	Python • R	ਜੇਨ • ਐਰਿਕ ਵਾਂਜਾਊ
06	ਉੱਤਰ ਅਮਰੀਕੀ ਕਦੂਆਂ ਦੀਆਂ ਕੀਮਤਾਂ 🎃	Regression	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਡਾਟਾ ਨੂੰ ਵੇਖੋ ਅਤੇ ਸਾਫ ​​ਕਰੋ	Python • R	ਜੇਨ • ਐਰਿਕ ਵਾਂਜਾਊ
07	ਉੱਤਰ ਅਮਰੀਕੀ ਕਦੂਆਂ ਦੀਆਂ ਕੀਮਤਾਂ 🎃	Regression	ਰੇਖੀਅ ਅਤੇ ਪਾਲੀਨੋਮੀਅਲ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ਬਣਾਓ	Python • R	ਜੇਨ ਅਤੇ ਦਮੀਤਰੀ • ਐਰਿਕ ਵਾਂਜਾਊ
08	ਉੱਤਰ ਅਮਰੀਕੀ ਕਦੂਆਂ ਦੀਆਂ ਕੀਮਤਾਂ 🎃	Regression	ਲੌਜਿਸਟਿਕ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ਬਣਾਓ	Python • R	ਜੇਨ • ਐਰਿਕ ਵਾਂਜਾਊ
09	ਇੱਕ ਵੈੱਬ ਐਪ 🔌	Web App	ਆਪਣੇ ਟਰੇਨ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਵੈੱਬ ਐਪ ਬਣਾਓ	Python	ਜੇਨ
10	ਵਰਗੀਕਰਨ ਦਾ ਪਰਿਚਯ	Classification	ਆਪਣੇ ਡਾਟਾ ਨੂੰ ਸਾਫ ​​ਕਰੋ, ਤਿਆਰ ਕਰੋ ਅਤੇ ਵੇਖੋ; ਵਰਗੀਕਰਨ ਦਾ ਪਰਿਚਯ	Python • R	ਜੇਨ ਅਤੇ ਕੈਸੀ • ਐਰਿਕ ਵਾਂਜਾਊ
11	ਸੁਆਦਿਲੇ ਐਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਭੋਜਨ 🍜	Classification	ਵਰਗੀਕਰਨ ਵਾਲੇ ਦੇ ਉਪਕਰਨਾਂ ਦਾ ਪਰਿਚਯ	Python • R	ਜੇਨ ਅਤੇ ਕੈਸੀ • ਐਰਿਕ ਵਾਂਜਾਊ
12	ਸੁਆਦਿਲੇ ਐਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਭੋਜਨ 🍜	Classification	ਹੋਰ ਵਰਗੀ ਕਰਤਾ	Python • R	ਜੇਨ ਅਤੇ ਕੈਸੀ • ਐਰਿਕ ਵਾਂਜਾਊ
13	ਸੁਆਦਿਲੇ ਐਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਭੋਜਨ 🍜	Classification	ਆਪਣੇ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਰਿਕਮੇਂਡਰ ਵੈੱਬ ਐਪ ਬਣਾਓ	Python	ਜੇਨ
14	ਕੁਲਸੇ ਵਿੱਚ ਪਰਿਚਯ	Clustering	ਆਪਣੇ ਡਾਟਾ ਨੂੰ ਸਾਫ ​​ਕਰੋ, ਤਿਆਰ ਕਰੋ ਅਤੇ ਵੇਖੋ; ਕੁਲਸੇ ਵਿੱਚ ਪਰਿਚਯ	Python • R	ਜੇਨ • ਐਰਿਕ ਵਾਂਜਾਊ
15	ਨਾਈਜੀਰੀਆਈ ਸੰਗੀਤਕ ਰੁਚੀਆਂ ਦੀ ਖੋਜ 🎧	Clustering	K-Means ਕੁਲਸੇ ਤਰੀਕੇ ਦੀ ਖੋਜ ਕਰੋ	Python • R	ਜੇਨ • ਐਰਿਕ ਵਾਂਜਾਊ
16	ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ ਦਾ ਪਰਿਚਯ ☕️	Natural language processing	ਇੱਕ ਸਧਾਰਣ ਬੋਟ ਬਣਾ ਕੇ NLP ਬਾਰੇ ਮੂਲ ਗੱਲਾਂ ਸਿੱਖੋ	Python	ਸਟੀਫਨ
17	ਆਮ NLP ਕਾਰਜ ☕️	Natural language processing	ਭਾਸ਼ਾਈ ਢਾਂਚਿਆਂ ਨਾਲ ਨਜਿੱਠਣ ਵੇਲੇ ਲੋੜੀਂਦੇ ਆਮ ਕੰਮਾਂ ਨੂੰ ਸਮਝ ਕੇ ਆਪਣੀ NLP ਜਾਣਕਾਰੀ ਵਿਚ ਗਹਿਰਾਈ ਲਿਆਓ	Python	ਸਟੀਫਨ
18	ਅਨੁਵਾਦ ਅਤੇ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ♥️	Natural language processing	ਜੇਨ ਆਸਟਨ 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 ਅਨੁਮਾਨ ਦੀ ਸ਼ੁਰੂਆਤ	Time series	ਸਮੇਂ ਦੀ ਲੜੀ ਅਨੁਮਾਨ ਦਾ ਪਰਿਚਯ	Python	ਫ੍ਰਾਂਸੇਸਕਾ
22	⚡️ ਦੁਨੀਆ ਦੀ ਬਿਜਲੀ ਵਰਤੋਂ ⚡️ - ARIMA ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਅਨੁਮਾਨ	Time series	ARIMA ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਅਨੁਮਾਨ	Python	ਫ੍ਰਾਂਸੇਸਕਾ
23	⚡️ ਦੁਨੀਆ ਦੀ ਬਿਜਲੀ ਵਰਤੋਂ ⚡️ - SVR ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਅਨੁਮਾਨ	Time series	Support Vector Regressor ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਅਨੁਮਾਨ	Python	ਅਨੀਰਬਾਨ
24	ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ	Reinforcement learning	Q-Learning ਨਾਲ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ	Python	ਦਮੀਤਰੀ
25	ਪੀਟਰ ਨੂੰ ਬੰਦੇ ਤੋਂ ਬਚਾਓ! 🐺	Reinforcement learning	ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਜਿਮ	Python	ਦਮੀਤਰੀ
ਅੰਤਿਮ ਟਿੱਪਣੀ	ਅਸਲ ਦੁਨੀਆ ਦੇ ਐਮਐਲ ਸਥਿਤੀਆਂ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨ	ML in the Wild	ਰਵਾਇਤੀ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਦਿਲਚਸਪ ਅਤੇ ਖੁਲਾਸਾ ਕਰਨ ਵਾਲੇ ਅਸਲ ਦੁਨੀਆ ਦੇ ਐਪਲੀਕੇਸ਼ਨ	Lesson	ਟੀਮ
ਅੰਤਿਮ ਟਿੱਪਣੀ	RAI ਡੈਸ਼ਬੋਰਡ ਦੀ ਵਰਤੋਂ ਨਾਲ ਐਮਐਲ ਮਾਡਲ ਡੀਬੱਗਿੰਗ	ML in the Wild	ਜ਼ਿੰਮੇਵਾਰ AI ਡੈਸ਼ਬੋਰਡ ਕੰਪੋਨੈਂਟਸ ਦੀ ਵਰਤੋਂ ਨਾਲ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਵਿੱਚ ਮਾਡਲ ਡੀਬੱਗਿੰਗ	Lesson	ਰੁਥ ਯਾਕੁਬੂ

ਇਸ ਕੋਰਸ ਲਈ ਸਾਰੇ ਵਾਧੂ ਸਰੋਤ ਸਾਡੇ ਮਾਇਕ੍ਰੋਸਾਫਟ ਲਰਨ ਸੰਕਲਨ ਵਿੱਚ ਲੱਭੋ

ਆਫਲਾਈਨ ਪਹੁੰਚ

ਤੁਸੀਂ Docsify ਦੀ ਵਰਤੋਂ ਕਰ ਕੇ ਇਸ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਆਫਲਾਈਨ ਚਲਾ ਸਕਦੇ ਹੋ। ਇਸ ਰੇਪੋ ਨੂੰ ਫੋਰਕ ਕਰੋ, ਆਪਣੇ ਸਥਾਨਕ ਮਸ਼ੀਨ 'ਤੇ Docsify ਇੰਸਟਾਲ ਕਰੋ, ਅਤੇ ਫਿਰ ਇਸ ਰੇਪੋ ਦੇ ਮੂਲ ਫੋਲਡਰ ਵਿੱਚ docsify serve ਟਾਈਪ ਕਰੋ। ਵੈੱਬਸਾਈਟ ਤੁਹਾਡੇ ਸਥਾਨਕ ਹੋਸਟ localhost:3000 'ਤੇ ਪੋਰਟ 3000 'ਤੇ ਸਰਵ ਕੀਤੀ ਜਾਵੇਗੀ।

PDF ਫਾਈਲਾਂ

ਇਸ ਪਾਠਕ੍ਰਮ ਦਾ PDF ਵਰਜਨ ਲਿੰਕਾਂ ਸਮੇਤ ਅੱਥੇ ਲੱਭੋ।

🎒 ਹੋਰ ਕੋਰਸ

ਸਾਡੀ ਟੀਮ ਹੋਰ ਕੋਰਸ ਵੀ ਬਣਾਉਂਦੀ ਹੈ! ਚੈੱਕ ਕਰੋ:

LangChain

Azure / Edge / MCP / Agents

---

Generative AI Series

---

ਮੁੱਖ ਸਿੱਖਿਆ

---

ਕੋਪਾਇਲਟ ਸਿਰੀਜ਼

ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕਰਨਾ

ਜੇ ਤੁਸੀਂ ਅਟਕ ਜਾਂਦੇ ਹੋ ਜਾਂ ਏਆਈ ਐਪਸ ਬਣਾਉਣ ਬਾਰੇ ਕੋਈ ਸਵਾਲ ਹੋਵੇ, ਤਾਂ MCP ਬਾਰੇ ਵਿਚਾਰ-ਚਰਚਾ ਵਿੱਚ ਸਾਥੀ ਸਿੱਖਣ ਵਾਲਿਆਂ ਅਤੇ ਮਾਹਰ ਡਿਵੈਲਪਰਾਂ ਨਾਲ ਜੁੜੋ। ਇਹ ਇੱਕ ਸਹਾਇਕ ਸਮੁਦਾਇ ਹੈ ਜਿੱਥੇ ਸਵਾਲ ਕਬੂਲ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਗਿਆਨ ਖੁੱਲ੍ਹ ਕੇ ਸਾਂਝਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਜੇ ਤੁਹਾਡੇ ਕੋਲ ਉਤਪਾਦ ਫੀਡਬੈਕ ਹੈ ਜਾਂ ਬਣਾਉਣ ਦੌਰਾਨ ਗਲਤੀਆਂ ਆ ਰਹੀਆਂ ਹਨ ਤਾਂ ਦੌਰਾ ਕਰੋ:

---

ਅਸਵੀਕਾਰਿਆ ਗਿਆ:
ਇਹ ਦਸਤਾਵੇਜ਼ ਏਆਈ ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸ਼ੁੱਧਤਾ ਲਈ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਵਿੱਚ ਰੱਖੋ ਕਿ ਸਵੈਚਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਸਪਸ਼ਟਤਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਆਪਣੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਹੀ ਅਧਿਕਾਰਕ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਜ਼ਰੂਰੀ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਕਾਰਨ ਹੋਣ ਵਾਲੀਆਂ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀਆਂ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆਵਾਂ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।