44 KiB

Raw Blame History Unescape Escape

🌐 बहुभाषी समर्थन

GitHub Action के माध्यम से समर्थित (स्वचालित और हमेशा अद्यतित)

हमारे समुदाय में शामिल हों

हमारे पास एक Discord सीखने के लिए AI श्रृंखला चल रही है, अधिक जानने और हमारे साथ जुड़ने के लिए Learn with AI Series पर जाएं, जो 18 - 30 सितंबर, 2025 तक चलेगी। आपको GitHub Copilot का उपयोग करने के टिप्स और ट्रिक्स मिलेंगे जो डेटा साइंस के लिए हैं।

शुरुआती लोगों के लिए मशीन लर्निंग - एक पाठ्यक्रम

🌍 दुनिया भर की संस्कृतियों के माध्यम से मशीन लर्निंग का अन्वेषण करते हुए दुनिया की यात्रा करें 🌍

Microsoft के क्लाउड एडवोकेट्स खुशी के साथ 12 सप्ताह, 26-लेसन का एक पाठ्यक्रम प्रस्तुत करते हैं जो पूरी तरह से मशीन लर्निंग के बारे में है। इस पाठ्यक्रम में, आप कभी-कभी जिसे क्लासिक मशीन लर्निंग कहा जाता है, उसके बारे में सीखेंगे, जो मुख्य रूप से Scikit-learn लाइब्रेरी का उपयोग करता है और डीप लर्निंग से बचता है, जिसे हमारे AI for Beginners' curriculum में कवर किया गया है। इन पाठों को हमारे 'Data Science for Beginners' curriculum के साथ भी जोड़ा जा सकता है।

हमारे साथ दुनिया भर की यात्रा करें क्योंकि हम इन क्लासिक तकनीकों को दुनिया के विभिन्न क्षेत्रों के डेटा पर लागू करते हैं। प्रत्येक पाठ में पूर्व और पश्चात क्विज़, लिखित निर्देश, समाधान, असाइनमेंट और बहुत कुछ शामिल है। हमारा परियोजना-आधारित शिक्षण तरीका आपको निर्माण करते हुए सीखने की अनुमति देता है, जो नई कौशलों को 'टिकाने' का एक सिद्ध तरीका है।

✍️ हमारे लेखकों को हार्दिक धन्यवाद जेन लूपर, स्टीफन हाउएल, फ्रांसेस्का लाज़्ज़ेरी, टोमॉमी इमुरा, कैसी ब्रेवियू, दिमित्री सोश्निकोव, क्रिस नोरिंग, अनिर्बान मुखर्जी, ऑर्नेला अल्टुनयान, रूथ याकुबु और एमी बॉयड

🎨 हमारे चित्रकारों को भी धन्यवाद टोमॉमी इमुरा, दासानी मडिपल्ली, और जेन लूपर

🙏 विशेष धन्यवाद 🙏 हमारे Microsoft Student Ambassador लेखकों, समीक्षकों, और सामग्री योगदानकर्ताओं को, विशेष रूप से ऋषित डागली, मुहम्मद साकिब खान इनान, रोहन राज, अलेक्जेंड्रु पेट्रेस्कु, अभिषेक जायसवाल, नवरिन तबस्सुम, इओन सामुइला, और स्निग्धा अग्रवाल

🤩 अतिरिक्त आभार Microsoft Student Ambassadors एरिक वांजाउ, जसलीन संधि, और विदुषी गुप्ता को हमारे R पाठों के लिए!

शुरूआत

इन चरणों का पालन करें:

रिपॉजिटरी को फोर्क करें: इस पृष्ठ के ऊपर-दाएं कोने में "Fork" बटन पर क्लिक करें।
रिपॉजिटरी क्लोन करें: git clone https://github.com/microsoft/ML-For-Beginners.git

इस कोर्स के लिए सभी अतिरिक्त संसाधन हमारे Microsoft Learn संग्रह में पाएँ

🔧 मदद चाहिए? सामान्य इंस्टॉलेशन, सेटअप, और पाठ चलाने की समस्याओं के समाधान के लिए हमारे Troubleshooting Guide को देखें।

छात्रों, इस पाठ्यक्रम का उपयोग करने के लिए, पूरे रिपॉजिटरी को अपने GitHub खाते में फोर्क करें और अभ्यास स्वयं या समूह के साथ पूरा करें:

प्री-लेक्चर क्विज़ से शुरू करें।
व्याख्यान पढ़ें और गतिविधियाँ पूरी करें, प्रत्येक ज्ञान जांच पर रुककर और सोचकर।
समाधान कोड चलाने के बजाय पाठों को समझकर परियोजनाएँ बनाने का प्रयास करें; हालांकि वह कोड प्रत्येक परियोजना-उन्मुख पाठ में /solution फ़ोल्डर में उपलब्ध है।
पोस्ट-लेक्चर क्विज़ लें।
चुनौती पूरी करें।
असाइनमेंट पूरा करें।
एक पाठ समूह पूरा करने के बाद, Discussion Board पर जाएं और उपयुक्त PAT रूब्रिक भरकर "जोर से सीखें"। 'PAT' एक प्रगति मूल्यांकन उपकरण है जिसे आप अपनी सीख को आगे बढ़ाने के लिए भरते हैं। आप अन्य PATs पर प्रतिक्रिया भी दे सकते हैं ताकि हम साथ में सीख सकें।

आगे अध्ययन के लिए, हम इन Microsoft Learn मॉड्यूल और लर्निंग पाथ का पालन करने की सलाह देते हैं।

शिक्षकों, हमने इस पाठ्यक्रम का उपयोग करने के लिए कुछ सुझाव शामिल किए हैं।

वीडियो वॉकथ्रू

कुछ पाठ छोटे वीडियो के रूप में उपलब्ध हैं। आप इन्हें पाठों के भीतर पा सकते हैं, या Microsoft Developer YouTube चैनल पर ML for Beginners प्लेलिस्ट में नीचे दी गई छवि पर क्लिक करके देख सकते हैं।

टीम से मिलें

Gif द्वारा Mohit Jaisal

🎥 परियोजना और इसे बनाने वाले लोगों के बारे में वीडियो के लिए ऊपर की छवि पर क्लिक करें!

शिक्षण पद्धति

इस पाठ्यक्रम का निर्माण करते समय हमने दो शिक्षण सिद्धांत चुने हैं: यह सुनिश्चित करना कि यह हाथों-हाथ परियोजना-आधारित हो और इसमें बार-बार क्विज़ शामिल हों। इसके अलावा, इस पाठ्यक्रम में एक सामान्य थीम है जो इसे एकजुटता प्रदान करती है।

सामग्री को परियोजनाओं के साथ संरेखित करके, प्रक्रिया छात्रों के लिए अधिक आकर्षक बनती है और अवधारणाओं का प्रतिधारण बढ़ता है। इसके अलावा, कक्षा से पहले एक कम-दांव वाला क्विज़ छात्र के सीखने के इरादे को सेट करता है, जबकि कक्षा के बाद दूसरा क्विज़ और अधिक प्रतिधारण सुनिश्चित करता है। यह पाठ्यक्रम लचीला और मजेदार होने के लिए डिज़ाइन किया गया है और इसे पूरी तरह या आंशिक रूप से लिया जा सकता है। परियोजनाएँ छोटी शुरू होती हैं और 12-सप्ताह के चक्र के अंत तक धीरे-धीरे जटिल हो जाती हैं। इस पाठ्यक्रम में ML के वास्तविक दुनिया के अनुप्रयोगों पर एक पोस्टस्क्रिप्ट भी शामिल है, जिसे अतिरिक्त क्रेडिट के रूप में या चर्चा के आधार के रूप में उपयोग किया जा सकता है।

हमारे Code of Conduct, Contributing, Translation, और Troubleshooting दिशानिर्देश देखें। हम आपकी रचनात्मक प्रतिक्रिया का स्वागत करते हैं!

प्रत्येक पाठ में शामिल हैं

वैकल्पिक स्केचनोट
वैकल्पिक पूरक वीडियो
वीडियो वॉकथ्रू (कुछ पाठों में ही)
प्री-लेक्चर वार्मअप क्विज़
लिखित पाठ
परियोजना-आधारित पाठों के लिए, परियोजना बनाने के चरण-दर-चरण मार्गदर्शक
ज्ञान जांच
एक चुनौती
पूरक पठन सामग्री
असाइनमेंट
पोस्ट-लेक्चर क्विज़

भाषाओं के बारे में एक नोट: ये पाठ मुख्य रूप से Python में लिखे गए हैं, लेकिन कई R में भी उपलब्ध हैं। R पाठ पूरा करने के लिए, /solution फ़ोल्डर में जाएं और R पाठ खोजें। इनमें .rmd एक्सटेंशन होता है जो एक R Markdown फ़ाइल को दर्शाता है जिसे सरलता से कोड चंक्स (R या अन्य भाषाओं के) और एक YAML हेडर (जो आउटपुट जैसे PDF को फॉर्मेट करने का मार्गदर्शन करता है) को Markdown दस्तावेज़ में एम्बेड करने के रूप में परिभाषित किया जा सकता है। इस प्रकार, यह डेटा साइंस के लिए एक आदर्श लेखन ढांचा है क्योंकि यह आपको अपना कोड, उसका आउटपुट, और अपने विचार Markdown में लिखने की अनुमति देता है। इसके अलावा, R Markdown दस्तावेज़ों को PDF, HTML, या Word जैसे आउटपुट प्रारूपों में रेंडर किया जा सकता है।

क्विज़ के बारे में एक नोट: सभी क्विज़ Quiz App फ़ोल्डर में हैं, कुल 52 क्विज़ जिनमें से प्रत्येक में तीन प्रश्न हैं। ये पाठों से लिंक किए गए हैं लेकिन क्विज़ ऐप को स्थानीय रूप से चलाया जा सकता है; स्थानीय होस्टिंग या Azure पर तैनाती के लिए quiz-app फ़ोल्डर में निर्देशों का पालन करें।

पाठ संख्या	विषय	पाठ समूह	सीखने के उद्देश्य	लिंक्ड पाठ	लेखक
01	मशीन लर्निंग का परिचय	Introduction	मशीन लर्निंग के मूलभूत सिद्धांत सीखें	Lesson	मुहम्मद
02	मशीन लर्निंग का इतिहास	Introduction	इस क्षेत्र के पीछे का इतिहास जानें	Lesson	जेन और एमी
03	निष्पक्षता और मशीन लर्निंग	Introduction	मशीन लर्निंग मॉडल बनाने और लागू करने के दौरान छात्रों को निष्पक्षता से जुड़े महत्वपूर्ण दार्शनिक मुद्दों पर क्या विचार करना चाहिए?	Lesson	टोमोमी
04	मशीन लर्निंग के तकनीक	Introduction	मशीन लर्निंग शोधकर्ता मॉडल बनाने के लिए कौन-कौन सी तकनीकें उपयोग करते हैं?	Lesson	क्रिस और जेन
05	रिग्रेशन का परिचय	Regression	रिग्रेशन मॉडल के लिए पाइथन और स्किकिट-लर्न के साथ शुरुआत करें	Python • R	जेन • एरिक वांजाउ
06	उत्तरी अमेरिकी कद्दू की कीमतें 🎃	Regression	मशीन लर्निंग के लिए डेटा को विज़ुअलाइज़ और साफ़ करें	Python • R	जेन • एरिक वांजाउ
07	उत्तरी अमेरिकी कद्दू की कीमतें 🎃	Regression	रैखिक और बहुपद रिग्रेशन मॉडल बनाएं	Python • R	जेन और दिमित्री • एरिक वांजाउ
08	उत्तरी अमेरिकी कद्दू की कीमतें 🎃	Regression	लॉजिस्टिक रिग्रेशन मॉडल बनाएं	Python • R	जेन • एरिक वांजाउ
09	एक वेब ऐप 🔌	Web App	अपने प्रशिक्षित मॉडल का उपयोग करने के लिए एक वेब ऐप बनाएं	Python	जेन
10	वर्गीकरण का परिचय	Classification	अपने डेटा को साफ़ करें, तैयार करें, और विज़ुअलाइज़ करें; वर्गीकरण का परिचय	Python • R	जेन और कैसी • एरिक वांजाउ
11	स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜	Classification	वर्गीकरणकर्ताओं का परिचय	Python • R	जेन और कैसी • एरिक वांजाउ
12	स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜	Classification	और वर्गीकरणकर्ता	Python • R	जेन और कैसी • एरिक वांजाउ
13	स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜	Classification	अपने मॉडल का उपयोग करके एक सिफारिश वेब ऐप बनाएं	Python	जेन
14	क्लस्टरिंग का परिचय	Clustering	अपने डेटा को साफ़ करें, तैयार करें, और विज़ुअलाइज़ करें; क्लस्टरिंग का परिचय	Python • R	जेन • एरिक वांजाउ
15	नाइजीरियाई संगीत स्वादों का अन्वेषण 🎧	Clustering	K-Means क्लस्टरिंग विधि का अन्वेषण करें	Python • R	जेन • एरिक वांजाउ
16	प्राकृतिक भाषा प्रसंस्करण का परिचय ☕️	Natural language processing	एक सरल बॉट बनाकर NLP के मूल बातें सीखें	Python	स्टीफन
17	सामान्य NLP कार्य ☕️	Natural language processing	भाषा संरचनाओं से निपटने के लिए आवश्यक सामान्य कार्यों को समझकर अपने NLP ज्ञान को गहरा करें	Python	स्टीफन
18	अनुवाद और भावना विश्लेषण ♥️	Natural language processing	जेन ऑस्टेन के साथ अनुवाद और भावना विश्लेषण	Python	स्टीफन
19	यूरोप के रोमांटिक होटल ♥️	Natural language processing	होटल समीक्षाओं के साथ भावना विश्लेषण 1	Python	स्टीफन
20	यूरोप के रोमांटिक होटल ♥️	Natural language processing	होटल समीक्षाओं के साथ भावना विश्लेषण 2	Python	स्टीफन
21	टाइम सीरीज पूर्वानुमान का परिचय	Time series	टाइम सीरीज पूर्वानुमान का परिचय	Python	फ्रांसेस्का
22	⚡️ विश्व विद्युत उपयोग ⚡️ - ARIMA के साथ टाइम सीरीज पूर्वानुमान	Time series	ARIMA के साथ टाइम सीरीज पूर्वानुमान	Python	फ्रांसेस्का
23	⚡️ विश्व विद्युत उपयोग ⚡️ - SVR के साथ टाइम सीरीज पूर्वानुमान	Time series	सपोर्ट वेक्टर रिग्रेशन के साथ टाइम सीरीज पूर्वानुमान	Python	अनिर्बान
24	सुदृढ़ीकरण सीखने का परिचय	Reinforcement learning	Q-लर्निंग के साथ सुदृढ़ीकरण सीखने का परिचय	Python	दिमित्री
25	पीटर को भेड़िये से बचाने में मदद करें! 🐺	Reinforcement learning	सुदृढ़ीकरण सीखने का जिम	Python	दिमित्री
पोस्टस्क्रिप्ट	वास्तविक दुनिया के ML परिदृश्य और अनुप्रयोग	ML in the Wild	क्लासिकल मशीन लर्निंग के दिलचस्प और प्रकट करने वाले वास्तविक दुनिया के अनुप्रयोग	Lesson	टीम
पोस्टस्क्रिप्ट	RAI डैशबोर्ड का उपयोग करके ML में मॉडल डिबगिंग	ML in the Wild	जिम्मेदार AI डैशबोर्ड घटकों का उपयोग करके मशीन लर्निंग में मॉडल डिबगिंग	Lesson	रुथ याकुबु

इस कोर्स के लिए हमारे Microsoft Learn संग्रह में सभी अतिरिक्त संसाधन खोजें

ऑफलाइन एक्सेस

आप Docsify का उपयोग करके इस दस्तावेज़ को ऑफलाइन चला सकते हैं। इस रिपॉजिटरी को फोर्क करें, अपने स्थानीय मशीन पर Docsify इंस्टॉल करें, और फिर इस रिपॉजिटरी के रूट फोल्डर में docsify serve टाइप करें। वेबसाइट आपके लोकलहोस्ट पर पोर्ट 3000 पर सर्व की जाएगी: localhost:3000।

पीडीएफ

लिंक के साथ पाठ्यक्रम का पीडीएफ यहाँ देखें।

🎒 अन्य कोर्स

हमारी टीम अन्य कोर्स भी बनाती है! देखें:

LangChain

Azure / Edge / MCP / Agents

Generative AI Series

कोर लर्निंग

कोपिलट सीरीज

सहायता प्राप्त करना

यदि आप अटक जाते हैं या AI ऐप्स बनाने के बारे में कोई प्रश्न है। MCP के बारे में चर्चा में साथी शिक्षार्थियों और अनुभवी डेवलपर्स के साथ जुड़ें। यह एक सहायक समुदाय है जहाँ प्रश्न स्वागत योग्य हैं और ज्ञान स्वतंत्र रूप से साझा किया जाता है।

यदि आपके पास उत्पाद प्रतिक्रिया है या निर्माण के दौरान त्रुटियाँ हैं तो जाएँ:

अस्वीकरण:
इस दस्तावेज़ का अनुवाद AI अनुवाद सेवा Co-op Translator का उपयोग करके किया गया है। जबकि हम सटीकता के लिए प्रयासरत हैं, कृपया ध्यान दें कि स्वचालित अनुवादों में त्रुटियाँ या अशुद्धियाँ हो सकती हैं। मूल दस्तावेज़ अपनी मूल भाषा में ही प्रामाणिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सलाह दी जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम जिम्मेदार नहीं हैं।

44 KiB Raw Blame History Unescape Escape