43 KiB

Raw Blame History Unescape Escape

🌐 बहुभाषी समर्थन

GitHub Action मार्फत समर्थित (स्वचालित र सधैं अद्यावधिक)

हाम्रो समुदायमा सामेल हुनुहोस्

हामीसँग Discord मा AI सँग सिक्ने श्रृंखला चलिरहेको छ, थप जान्न र हामीसँग सामेल हुन Learn with AI Series मा १८ - ३० सेप्टेम्बर, २०२५ सम्म। तपाईंले GitHub Copilot लाई Data Science का लागि प्रयोग गर्ने टिप्स र ट्रिक्स पाउनुहुनेछ।

शुरुवातकर्ताहरूका लागि मेशिन लर्निङ - एक पाठ्यक्रम

🌍 विश्वका संस्कृतिहरू मार्फत मेशिन लर्निङ अन्वेषण गर्दै विश्व भ्रमण गरौं 🌍

Microsoft का Cloud Advocates ले १२ हप्ता, २६ पाठहरूको पाठ्यक्रम प्रदान गर्न पाउँदा खुशी छौं जुन मेशिन लर्निङ सम्बन्धी छ। यस पाठ्यक्रममा, तपाईंले कहिलेकाहीं भनिने क्लासिक मेशिन लर्निङ बारे सिक्नुहुनेछ, मुख्य रूपमा Scikit-learn लाई पुस्तकालयको रूपमा प्रयोग गर्दै र गहिरो सिकाइबाट बच्दै, जुन हाम्रो AI for Beginners' curriculum मा समेटिएको छ। यी पाठहरूलाई हाम्रो 'Data Science for Beginners' curriculum सँग पनि जोड्न सकिन्छ।

हामीसँग विश्वभरि यात्रा गर्दै यी क्लासिक प्रविधिहरूलाई विश्वका विभिन्न क्षेत्रका डाटामा लागू गरौं। प्रत्येक पाठमा पूर्व र पश्चात क्विजहरू, पाठ पूरा गर्न लेखिएका निर्देशनहरू, समाधान, असाइनमेन्ट, र थप समावेश छन्। हाम्रो परियोजना-आधारित शिक्षण विधिले तपाईंलाई सिक्दै निर्माण गर्न अनुमति दिन्छ, जुन नयाँ सीपहरूलाई 'टिकाउन' 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

🙏 विशेष धन्यवाद 🙏 हाम्रा Microsoft Student Ambassador लेखकहरू, समीक्षकहरू, र सामग्री योगदानकर्ताहरूलाई, विशेष गरी 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 पाठहरूको लागि अतिरिक्त कृतज्ञता!

सुरु गर्ने तरिका

यी चरणहरू पालना गर्नुहोस्:

रिपोजिटरी फोर्क गर्नुहोस्: यस पृष्ठको माथि-दायाँ कुनामा रहेको "Fork" बटनमा क्लिक गर्नुहोस्।
रिपोजिटरी क्लोन गर्नुहोस्: git clone https://github.com/microsoft/ML-For-Beginners.git

यस कोर्सका लागि सबै अतिरिक्त स्रोतहरू हाम्रो Microsoft Learn संग्रहमा फेला पार्नुहोस्

🔧 मद्दत चाहिन्छ? सामान्य समस्या समाधानका लागि हाम्रो Troubleshooting Guide जाँच गर्नुहोस्।

विद्यार्थीहरू, यो पाठ्यक्रम प्रयोग गर्न, सम्पूर्ण रिपोजिटरीलाई आफ्नो GitHub खातामा फोर्क गर्नुहोस् र अभ्यासहरू आफैं वा समूहसँग पूरा गर्नुहोस्:

पूर्व-व्याख्यान क्विजबाट सुरु गर्नुहोस्।
व्याख्यान पढ्नुहोस् र गतिविधिहरू पूरा गर्नुहोस्, प्रत्येक ज्ञान जाँचमा रोकिएर विचार गर्नुहोस्।
समाधान कोड चलाउनुभन्दा पाठहरू बुझेर परियोजनाहरू सिर्जना गर्ने प्रयास गर्नुहोस्; यद्यपि त्यो कोड प्रत्येक परियोजना-केन्द्रित पाठको /solution फोल्डरमा उपलब्ध छ।
पश्चात-व्याख्यान क्विज लिनुहोस्।
चुनौती पूरा गर्नुहोस्।
असाइनमेन्ट पूरा गर्नुहोस्।
पाठ समूह पूरा गरेपछि, चर्चा बोर्ड मा जानुहोस् र उपयुक्त PAT रुब्रिक भरेर "आवाजमा सिक्नुहोस्"। 'PAT' भनेको प्रगति मूल्याङ्कन उपकरण हो जुन तपाईंले आफ्नो सिकाइलाई अगाडि बढाउन भर्नुहुन्छ। तपाईंले अन्य PAT हरूमा प्रतिक्रिया पनि दिन सक्नुहुन्छ ताकि हामी सँगै सिक्न सकौं।

थप अध्ययनका लागि, यी Microsoft Learn मोड्युलहरू र सिकाइ मार्गहरू अनुसरण गर्न सिफारिस गरिन्छ।

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

भिडियो मार्गदर्शनहरू

केही पाठहरू छोटो भिडियोको रूपमा उपलब्ध छन्। तपाईं यी सबैलाई पाठहरू भित्रै वा Microsoft Developer YouTube च्यानलमा ML for Beginners प्लेलिस्ट मा तलको छविमा क्लिक गरेर पाउन सक्नुहुन्छ।

टोलीसँग भेट्नुहोस्

Gif द्वारा Mohit Jaisal

🎥 माथिको छविमा क्लिक गरेर परियोजना र यसलाई सिर्जना गर्ने व्यक्तिहरूको बारेमा भिडियो हेर्नुहोस्!

शिक्षण विधि

हामीले यो पाठ्यक्रम निर्माण गर्दा दुई शिक्षण सिद्धान्तहरू छनोट गरेका छौं: यो हातमा काम गर्ने परियोजना-आधारित हुनुपर्छ र यसमा बारम्बार क्विजहरू समावेश हुनुपर्छ। थप रूपमा, यस पाठ्यक्रममा एक साझा थीम छ जसले यसलाई एकरूपता दिन्छ।

सामग्री परियोजनासँग मेल खाने सुनिश्चित गरेर, प्रक्रिया विद्यार्थीहरूका लागि अझ आकर्षक हुन्छ र अवधारणाहरूको सम्झना बढ्छ। थप रूपमा, कक्षाको अघि कम जोखिमको क्विजले विद्यार्थीलाई विषय सिक्न प्रेरित गर्छ, र कक्षापछि दोस्रो क्विजले थप सम्झना सुनिश्चित गर्छ। यो पाठ्यक्रम लचिलो र रमाइलो बनाउन डिजाइन गरिएको छ र पूर्ण वा आंशिक रूपमा लिन सकिन्छ। परियोजनाहरू साना बाट सुरु भएर १२ हप्ताको अन्त्यसम्म क्रमशः जटिल हुन्छन्। यस पाठ्यक्रममा ML का वास्तविक विश्व प्रयोगहरूमा पोस्टस्क्रिप्ट पनि समावेश छ, जुन अतिरिक्त क्रेडिट वा छलफलको आधारको रूपमा प्रयोग गर्न सकिन्छ।

हाम्रो Code of Conduct, Contributing, Translation, र Troubleshooting दिशानिर्देशहरू फेला पार्नुहोस्। हामी तपाईंको रचनात्मक प्रतिक्रिया स्वागत गर्दछौं!

प्रत्येक पाठमा समावेश छ

वैकल्पिक स्केचनोट
वैकल्पिक पूरक भिडियो
भिडियो मार्गदर्शन (केही पाठहरू मात्र)
पूर्व-व्याख्यान वार्मअप क्विज
लेखिएको पाठ
परियोजना-आधारित पाठहरूको लागि, परियोजना कसरी बनाउने चरण-द्वारा-चरण मार्गदर्शन
ज्ञान जाँचहरू
चुनौती
पूरक पढाइ
असाइनमेन्ट
पश्चात-व्याख्यान क्विज

भाषाहरूको बारेमा 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। तिनीहरूमा .rmd एक्सटेन्सन हुन्छ जुन R Markdown फाइल हो, जसलाई सरल रूपमा code chunks (R वा अन्य भाषाहरूका) र YAML header (जसले PDF जस्ता आउटपुटहरू कसरी ढाँचाबद्ध गर्ने निर्देशन दिन्छ) को संयोजन भएको Markdown दस्तावेज भनेर परिभाषित गर्न सकिन्छ। यसले तपाईंलाई कोड, यसको आउटपुट, र तपाईंका विचारहरू Markdown मा लेख्न अनुमति दिँदै डेटा विज्ञानका लागि उत्कृष्ट लेखक ढाँचा प्रदान गर्दछ। थप रूपमा, R Markdown दस्तावेजहरू PDF, HTML, वा Word जस्ता आउटपुट ढाँचाहरूमा रूपान्तरण गर्न सकिन्छ।

क्विजहरूको बारेमा नोट: सबै क्विजहरू Quiz App फोल्डर मा छन्, कुल ५२ क्विजहरू तीन प्रश्नहरू सहित। ती पाठहरूबाट लिंक गरिएका छन् तर क्विज एप स्थानीय रूपमा चलाउन सकिन्छ; स्थानीय रूपमा होस्ट गर्न वा Azure मा डिप्लोय गर्न quiz-app फोल्डरमा निर्देशनहरू पालना गर्नुहोस्।

पाठ संख्या	विषय	पाठ समूह	सिकाइ उद्देश्यहरू	लिंक गरिएको पाठ	लेखक
01	मेसिन लर्निङ्ग परिचय	Introduction	मेसिन लर्निङ्गका आधारभूत अवधारणाहरू सिक्नुहोस्	Lesson	मुहम्मद
02	मेसिन लर्निङ्गको इतिहास	Introduction	यस क्षेत्रको इतिहास सिक्नुहोस्	Lesson	जेन र एमी
03	निष्पक्षता र मेसिन लर्निङ्ग	Introduction	मेसिन लर्निङ्ग मोडेलहरू निर्माण र प्रयोग गर्दा विद्यार्थीहरूले विचार गर्नुपर्ने निष्पक्षता सम्बन्धी महत्वपूर्ण दार्शनिक मुद्दाहरू के हुन्?	Lesson	टोमोमी
04	मेसिन लर्निङ्गका प्रविधिहरू	Introduction	मेसिन लर्निङ्ग अनुसन्धानकर्ताहरूले मेसिन लर्निङ्ग मोडेलहरू बनाउन कुन प्रविधिहरू प्रयोग गर्छन्?	Lesson	क्रिस र जेन
05	रिग्रेसन परिचय	Regression	रिग्रेसन मोडेलहरूको लागि पाइथन र स्किकिट-लर्नसँग सुरु गर्नुहोस्	Python • R	जेन • एरिक वान्जाउ
06	उत्तर अमेरिकी कद्दू मूल्यहरू 🎃	Regression	मेसिन लर्निङ्गको तयारीका लागि डाटा भिजुअलाइज र सफा गर्नुहोस्	Python • R	जेन • एरिक वान्जाउ
07	उत्तर अमेरिकी कद्दू मूल्यहरू 🎃	Regression	रेखीय र बहुपद रिग्रेसन मोडेलहरू बनाउनुहोस्	Python • R	जेन र दिमित्री • एरिक वान्जाउ
08	उत्तर अमेरिकी कद्दू मूल्यहरू 🎃	Regression	लगिस्टिक रिग्रेसन मोडेल बनाउनुहोस्	Python • R	जेन • एरिक वान्जाउ
09	वेब एप्लिकेसन 🔌	Web App	तपाईंले तालिम पाएको मोडेल प्रयोग गर्न वेब एप्लिकेसन बनाउनुहोस्	Python	जेन
10	वर्गीकरण परिचय	Classification	तपाईंको डाटा सफा, तयारी, र भिजुअलाइज गर्नुहोस्; वर्गीकरण परिचय	Python • R	जेन र क्यासी • एरिक वान्जाउ
11	स्वादिष्ट एसियाली र भारतीय परिकारहरू 🍜	Classification	वर्गीकरणकर्ताहरूको परिचय	Python • R	जेन र क्यासी • एरिक वान्जाउ
12	स्वादिष्ट एसियाली र भारतीय परिकारहरू 🍜	Classification	थप वर्गीकरणकर्ताहरू	Python • R	जेन र क्यासी • एरिक वान्जाउ
13	स्वादिष्ट एसियाली र भारतीय परिकारहरू 🍜	Classification	तपाईंको मोडेल प्रयोग गरेर सिफारिस गर्ने वेब एप्लिकेसन बनाउनुहोस्	Python	जेन
14	क्लस्टरिङ्ग परिचय	Clustering	तपाईंको डाटा सफा, तयारी, र भिजुअलाइज गर्नुहोस्; क्लस्टरिङ्ग परिचय	Python • R	जेन • एरिक वान्जाउ
15	नाइजेरियन सङ्गीत स्वादहरू अन्वेषण 🎧	Clustering	K-Means क्लस्टरिङ्ग विधि अन्वेषण गर्नुहोस्	Python • R	जेन • एरिक वान्जाउ
16	प्राकृतिक भाषा प्रशोधन परिचय ☕️	Natural language processing	सरल बोट बनाएर NLP का आधारहरू सिक्नुहोस्	Python	स्टेफेन
17	सामान्य NLP कार्यहरू ☕️	Natural language processing	भाषा संरचनासँग व्यवहार गर्दा आवश्यक सामान्य कार्यहरू बुझेर तपाईंको NLP ज्ञान गहिरो बनाउनुहोस्	Python	स्टेफेन
18	अनुवाद र भावना विश्लेषण ♥️	Natural language processing	जेन अस्टेनसँग अनुवाद र भावना विश्लेषण	Python	स्टेफेन
19	युरोपका रोमान्टिक होटलहरू ♥️	Natural language processing	होटल समीक्षा १ सँग भावना विश्लेषण	Python	स्टेफेन
20	युरोपका रोमान्टिक होटलहरू ♥️	Natural language processing	होटल समीक्षा २ सँग भावना विश्लेषण	Python	स्टेफेन
21	समय श्रृंखला पूर्वानुमान परिचय	Time series	समय श्रृंखला पूर्वानुमान परिचय	Python	फ्रान्सेस्का
22	⚡️ विश्व शक्ति प्रयोग ⚡️ - ARIMA सँग समय श्रृंखला पूर्वानुमान	Time series	ARIMA सँग समय श्रृंखला पूर्वानुमान	Python	फ्रान्सेस्का
23	⚡️ विश्व शक्ति प्रयोग ⚡️ - SVR सँग समय श्रृंखला पूर्वानुमान	Time series	Support Vector Regressor सँग समय श्रृंखला पूर्वानुमान	Python	अनिर्बान
24	सुदृढीकरण सिकाइ परिचय	Reinforcement learning	Q-Learning सँग सुदृढीकरण सिकाइ परिचय	Python	दिमित्री
25	पिटरलाई ब्वाँसोबाट बचाउन मद्दत गर्नुहोस्! 🐺	Reinforcement learning	सुदृढीकरण सिकाइ जिम	Python	दिमित्री
Postscript	वास्तविक विश्वका मेसिन लर्निङ्ग परिदृश्य र अनुप्रयोगहरू	ML in the Wild	क्लासिकल मेसिन लर्निङ्गका रोचक र खुलासा गर्ने वास्तविक विश्वका अनुप्रयोगहरू	Lesson	टोली
Postscript	RAI ड्यासबोर्ड प्रयोग गरी मेसिन लर्निङ्गमा मोडेल डिबगिङ्ग	ML in the Wild	जिम्मेवार AI ड्यासबोर्ड कम्पोनेन्टहरू प्रयोग गरी मेसिन लर्निङ्गमा मोडेल डिबगिङ्ग	Lesson	रुथ याकुबु

यस कोर्सका लागि सबै अतिरिक्त स्रोतहरू हाम्रो Microsoft Learn संग्रहमा फेला पार्नुहोस्

अफलाइन पहुँच

तपाईं Docsify प्रयोग गरेर यो दस्तावेज अफलाइन चलाउन सक्नुहुन्छ। यो रिपो फोर्क गर्नुहोस्, आफ्नो स्थानीय मेसिनमा Docsify स्थापना गर्नुहोस्, र त्यसपछि यस रिपोको मूल फोल्डरमा docsify serve टाइप गर्नुहोस्। वेबसाइट तपाईंको लोकलहोस्टमा पोर्ट 3000 मा सेवा हुनेछ: localhost:3000।

PDF हरू

लिङ्कसहितको पाठ्यक्रमको PDF यहाँ फेला पार्नुहोस्।

🎒 अन्य कोर्सहरू

हाम्रो टोलीले अन्य कोर्सहरू उत्पादन गर्छ! जाँच गर्नुहोस्:

LangChain

Azure / Edge / MCP / Agents

Generative AI Series

मुख्य सिकाइ

कोपाइलट श्रृंखला

सहयोग प्राप्त गर्नुहोस्

यदि तपाईं अड्किनुभयो वा AI एपहरू निर्माण गर्ने बारे कुनै प्रश्न छ भने। MCP सम्बन्धी छलफलहरूमा साथी सिक्नेहरू र अनुभवी विकासकर्ताहरूसँग सामेल हुनुहोस्। यो एक सहयोगी समुदाय हो जहाँ प्रश्नहरू स्वागतयोग्य छन् र ज्ञान स्वतन्त्र रूपमा साझा गरिन्छ।

यदि तपाईंलाई उत्पादन प्रतिक्रिया वा निर्माण गर्दा त्रुटिहरू छन् भने भ्रमण गर्नुहोस्:

अस्वीकरण: यो दस्तावेज AI अनुवाद सेवा Co-op Translator प्रयोग गरी अनुवाद गरिएको हो। हामी शुद्धताका लागि प्रयासरत छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादमा त्रुटि वा अशुद्धता हुन सक्छ। मूल दस्तावेज यसको मूल भाषामा आधिकारिक स्रोत मानिनु पर्छ। महत्वपूर्ण जानकारीका लागि व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न कुनै पनि गलतफहमी वा गलत व्याख्याका लागि हामी जिम्मेवार छैनौं।

43 KiB Raw Blame History Unescape Escape