42 KiB

Raw Blame History Unescape Escape

🌐 ਬਹੁ-ਭਾਸ਼ਾਈ ਸਹਾਇਤਾ

GitHub ਐਕਸ਼ਨ ਰਾਹੀਂ ਸਮਰਥਿਤ (ਆਟੋਮੈਟਿਕ ਅਤੇ ਹਮੇਸ਼ਾ ਅਪ-ਟੂ-ਡੇਟ)

ਸਾਡੀ ਕਮਿਊਨਿਟੀ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ

ਸਾਡੇ ਕੋਲ ਇੱਕ Discord ਸਿੱਖਣ ਵਾਲੀ AI ਸੀਰੀਜ਼ ਚੱਲ ਰਹੀ ਹੈ, ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ ਅਤੇ ਸਾਡੇ ਨਾਲ ਜੁੜਨ ਲਈ Learn with AI Series 'ਤੇ 18 - 30 ਸਤੰਬਰ, 2025 ਨੂੰ ਜਾਓ। ਤੁਸੀਂ GitHub Copilot ਨੂੰ ਡਾਟਾ ਸਾਇੰਸ ਲਈ ਵਰਤਣ ਦੇ ਟਿਪਸ ਅਤੇ ਟ੍ਰਿਕਸ ਪ੍ਰਾਪਤ ਕਰੋਗੇ।

ਸ਼ੁਰੂਆਤੀ ਲਈ ਮਸ਼ੀਨ ਲਰਨਿੰਗ - ਇੱਕ ਕੋਰਸ

🌍 ਦੁਨੀਆ ਭਰ ਦੀ ਯਾਤਰਾ ਕਰਦੇ ਹੋਏ ਅਸੀਂ ਦੁਨੀਆ ਦੇ ਸੱਭਿਆਚਾਰਾਂ ਰਾਹੀਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀ ਖੋਜ ਕਰਦੇ ਹਾਂ 🌍

Microsoft ਦੇ ਕਲਾਉਡ ਐਡਵੋਕੇਟਸ ਖੁਸ਼ ਹਨ ਕਿ ਉਹ 12 ਹਫ਼ਤਿਆਂ, 26 ਪਾਠਾਂ ਦਾ ਕੋਰਸ ਪੇਸ਼ ਕਰ ਰਹੇ ਹਨ ਜੋ ਸਿਰਫ਼ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਬਾਰੇ ਹੈ। ਇਸ ਕੋਰਸ ਵਿੱਚ, ਤੁਸੀਂ ਕਈ ਵਾਰ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਕਲਾਸਿਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਬਾਰੇ ਸਿੱਖੋਗੇ, ਜੋ ਮੁੱਖ ਤੌਰ 'ਤੇ Scikit-learn ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਅਤੇ ਡੀਪ ਲਰਨਿੰਗ ਤੋਂ ਬਚਦਾ ਹੈ, ਜੋ ਸਾਡੇ AI for Beginners' curriculum ਵਿੱਚ ਕਵਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਪਾਠ ਸਾਡੇ 'Data Science for Beginners' curriculum ਨਾਲ ਜੋੜ ਕੇ ਵੀ ਕਰ ਸਕਦੇ ਹੋ।

ਸਾਡੇ ਨਾਲ ਦੁਨੀਆ ਭਰ ਦੀ ਯਾਤਰਾ ਕਰੋ ਜਦੋਂ ਅਸੀਂ ਇਹ ਕਲਾਸਿਕ ਤਕਨੀਕਾਂ ਦੁਨੀਆ ਦੇ ਕਈ ਖੇਤਰਾਂ ਦੇ ਡਾਟਾ 'ਤੇ ਲਾਗੂ ਕਰਦੇ ਹਾਂ। ਹਰ ਪਾਠ ਵਿੱਚ ਪ੍ਰੀ ਅਤੇ ਪੋਸਟ-ਪਾਠ ਕਵਿਜ਼, ਲਿਖਤੀ ਹਦਾਇਤਾਂ, ਹੱਲ, ਅਸਾਈਨਮੈਂਟ ਅਤੇ ਹੋਰ ਸ਼ਾਮਲ ਹਨ। ਸਾਡੀ ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਿਤ ਪਾਠ-ਪ੍ਰਣਾਲੀ ਤੁਹਾਨੂੰ ਬਣਾਉਂਦੇ ਹੋਏ ਸਿੱਖਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ, ਜੋ ਨਵੀਆਂ ਹੁਨਰਾਂ ਨੂੰ ਸਥਿਰ ਕਰਨ ਦਾ ਸਾਬਤ ਤਰੀਕਾ ਹੈ।

✍️ ਸਾਡੇ ਲੇਖਕਾਂ ਨੂੰ ਦਿਲੋਂ ਧੰਨਵਾਦ ਜੇਨ ਲੂਪਰ, ਸਟੀਫਨ ਹਾਵਲ, ਫ੍ਰਾਂਸੇਸਕਾ ਲਾਜ਼ੇਰੀ, ਟੋਮੋਮੀ ਇਮੁਰਾ, ਕੈਸੀ ਬਰੇਵਿਊ, ਦਿਮਿਤਰੀ ਸੋਸ਼ਨਿਕੋਵ, ਕ੍ਰਿਸ ਨੋਰਿੰਗ, ਅਨੀਰਬਨ ਮੁਖਰਜੀ, ਓਰਨੇਲਾ ਅਲਟੁਨਯਾਨ, ਰੁਥ ਯਾਕੁਬੂ ਅਤੇ ਐਮੀ ਬੋਇਡ

🎨 ਸਾਡੇ ਇਲਸਟਰੈਟਰਾਂ ਨੂੰ ਵੀ ਧੰਨਵਾਦ ਟੋਮੋਮੀ ਇਮੁਰਾ, ਦਾਸਾਨੀ ਮਾਡਿਪੱਲੀ, ਅਤੇ ਜੇਨ ਲੂਪਰ

🙏 ਖਾਸ ਧੰਨਵਾਦ 🙏 ਸਾਡੇ Microsoft Student Ambassador ਲੇਖਕਾਂ, ਸਮੀਖਿਆਕਾਰਾਂ ਅਤੇ ਸਮੱਗਰੀ ਯੋਗਦਾਨਕਾਰਾਂ ਨੂੰ, ਖਾਸ ਕਰਕੇ ਰਿਸ਼ਿਤ ਦਾਗਲੀ, ਮੁਹੰਮਦ ਸਾਕਿਬ ਖਾਨ ਇਨਾਨ, ਰੋਹਨ ਰਾਜ, ਅਲੈਕਜ਼ੈਂਡਰੂ ਪੇਟਰੇਸਕੂ, ਅਭਿਸ਼ੇਕ ਜੈਸਵਾਲ, ਨਵਰੀਨ ਤਬਾਸ਼ਸਮ, ਇਓਅਨ ਸਮੁਇਲਾ, ਅਤੇ ਸਨਿਗਧਾ ਅਗਰਵਾਲ

🤩 ਵਾਧੂ ਸ਼ੁਕਰਾਨਾ Microsoft Student Ambassadors ਐਰਿਕ ਵਾਂਜਾਉ, ਜਸਲੀਨ ਸੋੰਧੀ, ਅਤੇ ਵਿਦੂਸ਼ੀ ਗੁਪਤਾ ਨੂੰ ਸਾਡੇ R ਪਾਠਾਂ ਲਈ!

ਸ਼ੁਰੂਆਤ ਕਰਨਾ

ਇਹ ਕਦਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ:

ਰਿਪੋਜ਼ਿਟਰੀ ਨੂੰ ਫੋਰਕ ਕਰੋ: ਇਸ ਪੰਨੇ ਦੇ ਸੱਜੇ-ਉਪਰਲੇ ਕੋਨੇ ਵਿੱਚ "Fork" ਬਟਨ 'ਤੇ ਕਲਿੱਕ ਕਰੋ।
ਰਿਪੋਜ਼ਿਟਰੀ ਨੂੰ ਕਲੋਨ ਕਰੋ: git clone https://github.com/microsoft/ML-For-Beginners.git

ਇਸ ਕੋਰਸ ਲਈ ਸਾਰੇ ਵਾਧੂ ਸਰੋਤ ਸਾਡੇ Microsoft Learn ਕਲੇਕਸ਼ਨ ਵਿੱਚ ਲੱਭੋ

🔧 ਮਦਦ ਚਾਹੀਦੀ ਹੈ? ਸਾਡੇ Troubleshooting Guide ਨੂੰ ਚੈੱਕ ਕਰੋ ਜੋ ਇੰਸਟਾਲੇਸ਼ਨ, ਸੈਟਅਪ ਅਤੇ ਪਾਠ ਚਲਾਉਣ ਨਾਲ ਸਬੰਧਤ ਆਮ ਸਮੱਸਿਆਵਾਂ ਦੇ ਹੱਲ ਦਿੰਦਾ ਹੈ।

ਵਿਦਿਆਰਥੀ, ਇਸ ਕੋਰਸ ਨੂੰ ਵਰਤਣ ਲਈ, ਪੂਰੇ ਰਿਪੋ ਨੂੰ ਆਪਣੇ GitHub ਖਾਤੇ ਵਿੱਚ ਫੋਰਕ ਕਰੋ ਅਤੇ ਅਭਿਆਸ ਆਪਣੇ ਆਪ ਜਾਂ ਗਰੁੱਪ ਨਾਲ ਪੂਰੇ ਕਰੋ:

ਪ੍ਰੀ-ਲੈਕਚਰ ਕਵਿਜ਼ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ।
ਲੈਕਚਰ ਪੜ੍ਹੋ ਅਤੇ ਗਤੀਵਿਧੀਆਂ ਪੂਰੀਆਂ ਕਰੋ, ਹਰ ਗਿਆਨ ਜਾਂਚ 'ਤੇ ਰੁਕ ਕੇ ਸੋਚੋ।
ਹੱਲ ਕੋਡ ਚਲਾਉਣ ਦੀ ਬਜਾਏ ਪਾਠਾਂ ਨੂੰ ਸਮਝ ਕੇ ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ; ਹਾਲਾਂਕਿ ਉਹ ਕੋਡ ਹਰ ਪ੍ਰੋਜੈਕਟ-ਕੇਂਦਰਿਤ ਪਾਠ ਵਿੱਚ /solution ਫੋਲਡਰ ਵਿੱਚ ਉਪਲਬਧ ਹੈ।
ਪੋਸਟ-ਲੈਕਚਰ ਕਵਿਜ਼ ਲਓ।
ਚੈਲੰਜ ਪੂਰਾ ਕਰੋ।
ਅਸਾਈਨਮੈਂਟ ਪੂਰਾ ਕਰੋ।
ਇੱਕ ਪਾਠ ਸਮੂਹ ਪੂਰਾ ਕਰਨ ਤੋਂ ਬਾਅਦ, Discussion Board 'ਤੇ ਜਾਓ ਅਤੇ "ਜਾਣਕਾਰੀ ਸਾਂਝੀ ਕਰੋ" ਲਈ ਸਹੀ PAT ਰੂਬਰਿਕ ਭਰੋ। 'PAT' ਇੱਕ ਪ੍ਰਗਤੀ ਮੁਲਾਂਕਣ ਸੰਦ ਹੈ ਜੋ ਤੁਹਾਡੇ ਸਿੱਖਣ ਨੂੰ ਅੱਗੇ ਵਧਾਉਂਦਾ ਹੈ। ਤੁਸੀਂ ਹੋਰ PATs 'ਤੇ ਵੀ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰ ਸਕਦੇ ਹੋ ਤਾਂ ਜੋ ਅਸੀਂ ਇਕੱਠੇ ਸਿੱਖ ਸਕੀਏ।

ਅੱਗੇ ਪੜ੍ਹਾਈ ਲਈ, ਅਸੀਂ ਇਹ Microsoft Learn ਮਾਡਿਊਲ ਅਤੇ ਸਿੱਖਣ ਦੇ ਰਸਤੇ ਅਨੁਸਰਣ ਦੀ ਸਿਫਾਰਸ਼ ਕਰਦੇ ਹਾਂ।

ਅਧਿਆਪਕਾਂ, ਅਸੀਂ ਕੁਝ ਸੁਝਾਅ ਦਿੱਤੇ ਹਨ ਕਿ ਇਸ ਕੋਰਸ ਨੂੰ ਕਿਵੇਂ ਵਰਤਣਾ ਹੈ।

ਵੀਡੀਓ ਵਾਕਥਰੂ

ਕੁਝ ਪਾਠ ਛੋਟੇ ਫਾਰਮ ਦੇ ਵੀਡੀਓ ਦੇ ਰੂਪ ਵਿੱਚ ਉਪਲਬਧ ਹਨ। ਤੁਸੀਂ ਇਹ ਸਾਰੇ ਪਾਠਾਂ ਵਿੱਚ ਲਾਈਨ ਵਿੱਚ ਜਾਂ Microsoft Developer YouTube ਚੈਨਲ 'ਤੇ ML for Beginners ਪਲੇਲਿਸਟ 'ਤੇ ਤਸਵੀਰ 'ਤੇ ਕਲਿੱਕ ਕਰਕੇ ਵੇਖ ਸਕਦੇ ਹੋ।

ਟੀਮ ਨਾਲ ਮਿਲੋ

ਗਿਫ਼ ਬਨਾਇਆ Mohit Jaisal

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

ਪੈਡਾਗੋਜੀ

ਅਸੀਂ ਇਸ ਕੋਰਸ ਨੂੰ ਬਣਾਉਂਦੇ ਸਮੇਂ ਦੋ ਪੈਡਾਗੋਜੀਕਲ ਸਿਧਾਂਤ ਚੁਣੇ ਹਨ: ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਕਿ ਇਹ ਹੱਥ-ਵਿੱਚਲਾ ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਿਤ ਹੈ ਅਤੇ ਇਸ ਵਿੱਚ ਅਕਸਰ ਕਵਿਜ਼ ਸ਼ਾਮਲ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਸ ਕੋਰਸ ਦਾ ਇੱਕ ਸਾਂਝਾ ਥੀਮ ਹੈ ਜੋ ਇਸਨੂੰ ਇਕੱਠਾ ਕਰਦਾ ਹੈ।

ਸਮੱਗਰੀ ਨੂੰ ਪ੍ਰੋਜੈਕਟਾਂ ਨਾਲ ਜੋੜ ਕੇ, ਪ੍ਰਕਿਰਿਆ ਵਿਦਿਆਰਥੀਆਂ ਲਈ ਹੋਰ ਮਨੋਰੰਜਕ ਬਣਾਈ ਜਾਂਦੀ ਹੈ ਅਤੇ ਧਾਰਣਾ ਦੀ ਸਮਝ ਵਧਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਕਲਾਸ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਘੱਟ-ਦਬਾਅ ਵਾਲਾ ਕਵਿਜ਼ ਵਿਦਿਆਰਥੀ ਨੂੰ ਵਿਸ਼ੇ ਸਿੱਖਣ ਲਈ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਜਦਕਿ ਕਲਾਸ ਤੋਂ ਬਾਅਦ ਦੂਜਾ ਕਵਿਜ਼ ਹੋਰ ਸਮਝ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦਾ ਹੈ। ਇਹ ਕੋਰਸ ਲਚਕੀਲਾ ਅਤੇ ਮਨੋਰੰਜਕ ਬਣਾਇਆ ਗਿਆ ਹੈ ਅਤੇ ਪੂਰਾ ਜਾਂ ਹਿੱਸਾ-ਹਿੱਸਾ ਕਰ ਸਕਦੇ ਹੋ। ਪ੍ਰੋਜੈਕਟ ਛੋਟੇ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦੇ ਹਨ ਅਤੇ 12 ਹਫ਼ਤਿਆਂ ਦੇ ਚੱਕਰ ਦੇ ਅੰਤ ਤੱਕ ਵੱਧ ਜਟਿਲ ਹੋ ਜਾਂਦੇ ਹਨ। ਇਸ ਕੋਰਸ ਵਿੱਚ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਅਸਲੀ ਦੁਨੀਆ ਦੇ ਐਪਲੀਕੇਸ਼ਨਾਂ 'ਤੇ ਇੱਕ ਪੋਸਟਸਕ੍ਰਿਪਟ ਵੀ ਸ਼ਾਮਲ ਹੈ, ਜੋ ਵਾਧੂ ਕ੍ਰੈਡਿਟ ਜਾਂ ਚਰਚਾ ਲਈ ਆਧਾਰ ਵਜੋਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਸਾਡਾ Code of Conduct, Contributing, Translation, ਅਤੇ Troubleshooting ਗਾਈਡਲਾਈਨਜ਼ ਲੱਭੋ। ਅਸੀਂ ਤੁਹਾਡੇ ਰਚਨਾਤਮਕ ਫੀਡਬੈਕ ਦਾ ਸਵਾਗਤ ਕਰਦੇ ਹਾਂ!

ਹਰ ਪਾਠ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ

ਵਿਕਲਪਿਕ ਸਕੈਚਨੋਟ
ਵਿਕਲਪਿਕ ਸਹਾਇਕ ਵੀਡੀਓ
ਵੀਡੀਓ ਵਾਕਥਰੂ (ਕੁਝ ਪਾਠਾਂ ਲਈ)
ਪ੍ਰੀ-ਲੈਕਚਰ ਵਾਰਮਅੱਪ ਕਵਿਜ਼
ਲਿਖਤੀ ਪਾਠ
ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਿਤ ਪਾਠਾਂ ਲਈ, ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਲਈ ਕਦਮ-ਦਰ-ਕਦਮ ਗਾਈਡ
ਗਿਆਨ ਜਾਂਚ
ਇੱਕ ਚੈਲੰਜ
ਸਹਾਇਕ ਪੜ੍ਹਾਈ
ਅਸਾਈਨਮੈਂਟ
ਪੋਸਟ-ਲੈਕਚਰ ਕਵਿਜ਼

ਭਾਸ਼ਾਵਾਂ ਬਾਰੇ ਇੱਕ ਨੋਟ: ਇਹ ਪਾਠ ਮੁੱਖ ਤੌਰ 'ਤੇ Python ਵਿੱਚ ਲਿਖੇ ਗਏ ਹਨ, ਪਰ ਕਈ R ਵਿੱਚ ਵੀ ਉਪਲਬਧ ਹਨ। R ਪਾਠ ਪੂਰਾ ਕਰਨ ਲਈ, /solution ਫੋਲਡਰ ਵਿੱਚ ਜਾਓ ਅਤੇ R ਪਾਠ ਲੱਭੋ। ਇਹਨਾਂ ਵਿੱਚ .rmd ਐਕਸਟੈਂਸ਼ਨ ਹੁੰਦਾ ਹੈ ਜੋ ਇੱਕ R Markdown ਫਾਇਲ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜੋ code chunks (R ਜਾਂ ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਦੇ) ਅਤੇ YAML header (ਜੋ PDF ਵਰਗੇ ਆਉਟਪੁੱਟ ਫਾਰਮੈਟ ਨੂੰ ਨਿਰਦੇਸ਼ਿਤ ਕਰਦਾ ਹੈ) ਨੂੰ ਇੱਕ Markdown ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਮਿਲਾਉਂਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ, ਇਹ ਡਾਟਾ ਸਾਇੰਸ ਲਈ ਇੱਕ ਉਦਾਹਰਨਾਤਮਕ ਲੇਖਨ ਫਰੇਮਵਰਕ ਹੈ ਕਿਉਂਕਿ ਇਹ ਤੁਹਾਨੂੰ ਆਪਣੇ ਕੋਡ, ਉਸਦਾ ਆਉਟਪੁੱਟ ਅਤੇ ਆਪਣੇ ਵਿਚਾਰਾਂ ਨੂੰ Markdown ਵਿੱਚ ਲਿਖਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, R Markdown ਦਸਤਾਵੇਜ਼ PDF, HTML ਜਾਂ Word ਵਰਗੇ ਆਉਟਪੁੱਟ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਰੇਂਡਰ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ।

ਕਵਿਜ਼ ਬਾਰੇ ਇੱਕ ਨੋਟ: ਸਾਰੇ ਕਵਿਜ਼ Quiz App ਫੋਲਡਰ ਵਿੱਚ ਹਨ, ਕੁੱਲ 52 ਕਵਿਜ਼ ਹਨ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਤਿੰਨ-ਤਿੰਨ ਸਵਾਲ ਹਨ। ਇਹ ਪਾਠਾਂ ਵਿੱਚ ਲਿੰਕ ਕੀਤੇ ਗਏ ਹਨ ਪਰ ਕਵਿਜ਼ ਐਪ ਨੂੰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਚਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ; ਸਥਾਨਕ ਹੋਸਟਿੰਗ ਜਾਂ Azure 'ਤੇ ਡਿਪਲੋਇ ਕਰਨ ਲਈ quiz-app ਫੋਲਡਰ ਵਿੱਚ ਦਿੱਤੀ ਹਦਾਇਤਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ।

ਪਾਠ ਨੰਬਰ	ਵਿਸ਼ਾ	ਪਾਠ ਸਮੂਹ	ਸਿੱਖਣ ਦੇ ਉਦੇਸ਼	ਲਿੰਕ ਕੀਤਾ ਪਾਠ	ਲੇਖਕ
01	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ	Introduction	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਮੂਲ ਸਿਧਾਂਤ ਸਿੱਖੋ	Lesson	ਮੁਹੰਮਦ
02	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਇਤਿਹਾਸ	Introduction	ਇਸ ਖੇਤਰ ਦੇ ਇਤਿਹਾਸ ਬਾਰੇ ਜਾਣੋ	Lesson	ਜੇਨ ਅਤੇ ਐਮੀ
03	ਨਿਆਂ ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ	Introduction	ਨਿਆਂ ਦੇ ਆਧਾਰ 'ਤੇ ਕਿਹੜੇ ਮਹੱਤਵਪੂਰਨ ਦਰਸ਼ਨਸ਼ਾਸਤਰੀ ਮੁੱਦੇ ਹਨ ਜੋ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲ ਬਣਾਉਂਦੇ ਅਤੇ ਲਾਗੂ ਕਰਦੇ ਸਮੇਂ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣੇ ਚਾਹੀਦੇ ਹਨ?	Lesson	ਟੋਮੋਮੀ
04	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਤਕਨੀਕਾਂ	Introduction	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਖੋਜਕਾਰ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਕਿਹੜੀਆਂ ਤਕਨੀਕਾਂ ਵਰਤਦੇ ਹਨ?	Lesson	ਕ੍ਰਿਸ ਅਤੇ ਜੇਨ
05	ਰਿਗ੍ਰੈਸ਼ਨ ਦਾ ਪਰਿਚਯ	Regression	ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲਾਂ ਲਈ ਪਾਇਥਨ ਅਤੇ ਸਕਾਈਕਿਟ-ਲਰਨ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰੋ	Python • R	ਜੇਨ • ਏਰਿਕ ਵਾਂਜਾਉ
06	ਉੱਤਰੀ ਅਮਰੀਕੀ ਕਦੂ ਦੀਆਂ ਕੀਮਤਾਂ 🎃	Regression	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਡਾਟਾ ਨੂੰ ਵਿਜ਼ੂਅਲਾਈਜ਼ ਅਤੇ ਸਾਫ਼ ਕਰੋ	Python • R	ਜੇਨ • ਏਰਿਕ ਵਾਂਜਾਉ
07	ਉੱਤਰੀ ਅਮਰੀਕੀ ਕਦੂ ਦੀਆਂ ਕੀਮਤਾਂ 🎃	Regression	ਲੀਨੀਅਰ ਅਤੇ ਪੋਲਿਨੋਮਿਯਲ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ਬਣਾਓ	Python • R	ਜੇਨ ਅਤੇ ਦਿਮਿਤਰੀ • ਏਰਿਕ ਵਾਂਜਾਉ
08	ਉੱਤਰੀ ਅਮਰੀਕੀ ਕਦੂ ਦੀਆਂ ਕੀਮਤਾਂ 🎃	Regression	ਲੋਜਿਸਟਿਕ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ਬਣਾਓ	Python • R	ਜੇਨ • ਏਰਿਕ ਵਾਂਜਾਉ
09	ਇੱਕ ਵੈੱਬ ਐਪ 🔌	Web App	ਆਪਣੇ ਟ੍ਰੇਨ ਕੀਤੇ ਮਾਡਲ ਨੂੰ ਵਰਤਣ ਲਈ ਵੈੱਬ ਐਪ ਬਣਾਓ	Python	ਜੇਨ
10	ਵਰਗੀਕਰਨ ਦਾ ਪਰਿਚਯ	Classification	ਆਪਣੇ ਡਾਟਾ ਨੂੰ ਸਾਫ਼, ਤਿਆਰ ਅਤੇ ਵਿਜ਼ੂਅਲਾਈਜ਼ ਕਰੋ; ਵਰਗੀਕਰਨ ਦਾ ਪਰਿਚਯ	Python • R	ਜੇਨ ਅਤੇ ਕੈਸੀ • ਏਰਿਕ ਵਾਂਜਾਉ
11	ਸੁਆਦਿਸ਼ਟ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਖਾਣੇ 🍜	Classification	ਵਰਗੀਕਰਨਕਾਰਾਂ ਦਾ ਪਰਿਚਯ	Python • R	ਜੇਨ ਅਤੇ ਕੈਸੀ • ਏਰਿਕ ਵਾਂਜਾਉ
12	ਸੁਆਦਿਸ਼ਟ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਖਾਣੇ 🍜	Classification	ਹੋਰ ਵਰਗੀਕਰਨਕਾਰ	Python • R	ਜੇਨ ਅਤੇ ਕੈਸੀ • ਏਰਿਕ ਵਾਂਜਾਉ
13	ਸੁਆਦਿਸ਼ਟ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਖਾਣੇ 🍜	Classification	ਆਪਣੇ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਰਿਕਮੈਂਡਰ ਵੈੱਬ ਐਪ ਬਣਾਓ	Python	ਜੇਨ
14	ਕਲੱਸਟਰਿੰਗ ਦਾ ਪਰਿਚਯ	Clustering	ਆਪਣੇ ਡਾਟਾ ਨੂੰ ਸਾਫ਼, ਤਿਆਰ ਅਤੇ ਵਿਜ਼ੂਅਲਾਈਜ਼ ਕਰੋ; ਕਲੱਸਟਰਿੰਗ ਦਾ ਪਰਿਚਯ	Python • R	ਜੇਨ • ਏਰਿਕ ਵਾਂਜਾਉ
15	ਨਾਈਜੀਰੀਆਈ ਸੰਗੀਤਕ ਸਵਾਦ ਦੀ ਖੋਜ 🎧	Clustering	ਕੇ-ਮੀਨਜ਼ ਕਲੱਸਟਰਿੰਗ ਵਿਧੀ ਦੀ ਖੋਜ ਕਰੋ	Python • R	ਜੇਨ • ਏਰਿਕ ਵਾਂਜਾਉ
16	ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ ਦਾ ਪਰਿਚਯ ☕️	Natural language processing	ਇੱਕ ਸਧਾਰਣ ਬੋਟ ਬਣਾਕੇ NLP ਦੇ ਮੂਲ ਸਿਧਾਂਤ ਸਿੱਖੋ	Python	ਸਟੀਫਨ
17	ਆਮ NLP ਕਾਰਜ ☕️	Natural language processing	ਭਾਸ਼ਾ ਸੰਰਚਨਾਵਾਂ ਨਾਲ ਨਿਪਟਣ ਸਮੇਂ ਲੋੜੀਂਦੇ ਆਮ ਕਾਰਜਾਂ ਨੂੰ ਸਮਝ ਕੇ ਆਪਣੀ NLP ਜਾਣਕਾਰੀ ਨੂੰ ਗਹਿਰਾਈ ਦਿਓ	Python	ਸਟੀਫਨ
18	ਅਨੁਵਾਦ ਅਤੇ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ♥️	Natural language processing	ਜੇਨ ਆਸਟਿਨ 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 ਭਵਿੱਖਬਾਣੀ ਦਾ ਪਰਿਚਯ	Time series	ਸਮੇਂ ਦੀ ਲੜੀ ਦੀ ਭਵਿੱਖਬਾਣੀ ਦਾ ਪਰਿਚਯ	Python	ਫ੍ਰਾਂਸੇਸਕਾ
22	⚡️ ਵਿਸ਼ਵ ਬਿਜਲੀ ਖਪਤ ⚡️ - ARIMA ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਦੀ ਭਵਿੱਖਬਾਣੀ	Time series	ARIMA ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਦੀ ਭਵਿੱਖਬਾਣੀ	Python	ਫ੍ਰਾਂਸੇਸਕਾ
23	⚡️ ਵਿਸ਼ਵ ਬਿਜਲੀ ਖਪਤ ⚡️ - SVR ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਦੀ ਭਵਿੱਖਬਾਣੀ	Time series	ਸਪੋਰਟ ਵੈਕਟਰ ਰਿਗ੍ਰੈਸ਼ਨਰ ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਦੀ ਭਵਿੱਖਬਾਣੀ	Python	ਅਨੀਰਬਨ
24	ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ	Reinforcement learning	Q-ਲਰਨਿੰਗ ਨਾਲ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ	Python	ਦਿਮਿਤਰੀ
25	ਪੀਟਰ ਨੂੰ ਭੇੜੀ ਤੋਂ ਬਚਾਓ! 🐺	Reinforcement learning	ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਜਿਮ	Python	ਦਿਮਿਤਰੀ
Postscript	ਅਸਲੀ ਦੁਨੀਆ ਦੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਸਥਿਤੀਆਂ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨ	ML in the Wild	ਕਲਾਸਿਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਦਿਲਚਸਪ ਅਤੇ ਖੁਲਾਸਾ ਕਰਨ ਵਾਲੇ ਅਸਲੀ ਦੁਨੀਆ ਦੇ ਐਪਲੀਕੇਸ਼ਨ	Lesson	ਟੀਮ
Postscript	RAI ਡੈਸ਼ਬੋਰਡ ਦੀ ਵਰਤੋਂ ਨਾਲ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਵਿੱਚ ਮਾਡਲ ਡੀਬੱਗਿੰਗ	ML in the Wild	ਜ਼ਿੰਮੇਵਾਰ AI ਡੈਸ਼ਬੋਰਡ ਕੰਪੋਨੈਂਟਾਂ ਦੀ ਵਰਤੋਂ ਨਾਲ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਵਿੱਚ ਮਾਡਲ ਡੀਬੱਗਿੰਗ	Lesson	ਰੁਥ ਯਾਕੁਬੂ

ਇਸ ਕੋਰਸ ਲਈ ਸਾਰੇ ਵਾਧੂ ਸਰੋਤ ਸਾਡੇ Microsoft Learn ਕਲੇਕਸ਼ਨ ਵਿੱਚ ਲੱਭੋ

ਆਫਲਾਈਨ ਪਹੁੰਚ

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

PDF

ਕਰੀਕੁਲਮ ਦਾ PDF ਲਿੰਕਾਂ ਸਮੇਤ ਇੱਥੇ ਲੱਭੋ।

🎒 ਹੋਰ ਕੋਰਸ

ਸਾਡੀ ਟੀਮ ਹੋਰ ਕੋਰਸ ਵੀ ਤਿਆਰ ਕਰਦੀ ਹੈ! ਵੇਖੋ:

LangChain

Azure / Edge / MCP / Agents

Generative AI Series

ਮੁੱਖ ਸਿੱਖਿਆ

ਕੋਪਾਇਲਟ ਸੀਰੀਜ਼

ਮਦਦ ਪ੍ਰਾਪਤ ਕਰਨਾ

ਜੇ ਤੁਸੀਂ ਫਸ ਜਾਂਦੇ ਹੋ ਜਾਂ AI ਐਪਸ ਬਣਾਉਣ ਬਾਰੇ ਕੋਈ ਸਵਾਲ ਹੈ। MCP ਬਾਰੇ ਚਰਚਾ ਵਿੱਚ ਸਾਥੀ ਸਿੱਖਣ ਵਾਲਿਆਂ ਅਤੇ ਅਨੁਭਵੀ ਵਿਕਾਸਕਾਰਾਂ ਨਾਲ ਜੁੜੋ। ਇਹ ਇੱਕ ਸਹਾਇਕ ਸਮੁਦਾਇ ਹੈ ਜਿੱਥੇ ਸਵਾਲਾਂ ਦਾ ਸਵਾਗਤ ਹੈ ਅਤੇ ਗਿਆਨ ਖੁੱਲ੍ਹ ਕੇ ਸਾਂਝਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਜੇ ਤੁਹਾਡੇ ਕੋਲ ਉਤਪਾਦ ਫੀਡਬੈਕ ਜਾਂ ਗਲਤੀਆਂ ਹਨ ਤਾਂ ਇੱਥੇ ਜਾਓ:

ਅਸਵੀਕਾਰੋਪੱਤਰ:
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀਤਾ ਲਈ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਵਿੱਚ ਰੱਖੋ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸਮਰਥਤਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਆਪਣੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਪ੍ਰਮਾਣਿਕ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਉਤਪੰਨ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।

42 KiB Raw Blame History Unescape Escape