36 KiB

Raw Blame History Unescape Escape

🌐 کثیراللسانی تعاون

GitHub ایکشن کے ذریعے معاونت یافتہ (خودکار اور ہمیشہ تازہ ترین)

ہماری کمیونٹی میں شامل ہوں

ہمارے پاس ایک Discord پر AI کے ساتھ سیکھنے کی سیریز جاری ہے، مزید جاننے اور شامل ہونے کے لیے Learn with AI Series پر جائیں، جو 18 سے 30 ستمبر، 2025 تک جاری رہے گی۔ آپ کو GitHub Copilot کے استعمال کے ٹپس اور ٹرکس ملیں گے جو ڈیٹا سائنس کے لیے ہیں۔

مشین لرننگ برائے مبتدی - ایک نصاب

🌍 دنیا بھر کا سفر کریں جب ہم دنیا کی ثقافتوں کے ذریعے مشین لرننگ کو دریافت کرتے ہیں 🌍

مائیکروسافٹ کے کلاؤڈ ایڈووکیٹس خوشی سے 12 ہفتوں، 26 اسباق پر مشتمل نصاب پیش کرتے ہیں جو مکمل طور پر مشین لرننگ کے بارے میں ہے۔ اس نصاب میں، آپ کو وہ چیزیں سکھائی جائیں گی جنہیں کبھی کبھار کلاسیکی مشین لرننگ کہا جاتا ہے، جس میں بنیادی طور پر Scikit-learn لائبریری استعمال کی جاتی ہے اور ڈیپ لرننگ سے گریز کیا جاتا ہے، جو ہمارے AI for Beginners' curriculum میں شامل ہے۔ ان اسباق کو ہمارے 'Data Science for Beginners' curriculum کے ساتھ جوڑیں۔

ہمارے ساتھ دنیا بھر کا سفر کریں جب ہم ان کلاسیکی تکنیکوں کو دنیا کے مختلف علاقوں کے ڈیٹا پر لاگو کرتے ہیں۔ ہر سبق میں پری اور پوسٹ لیکچر کوئزز، تحریری ہدایات، حل، اسائنمنٹ، اور مزید شامل ہیں۔ ہمارا پروجیکٹ پر مبنی طریقہ تعلیم آپ کو سیکھنے کے ساتھ ساتھ بنانے کی اجازت دیتا ہے، جو نئی مہارتوں کو مضبوط کرنے کا ایک مؤثر طریقہ ہے۔

✍️ ہمارے مصنفین کا دلی شکریہ جن لوپر، اسٹیفن ہاؤل، فرانسسکا لازیری، ٹومومی ایمورا، کیسی بریویو، دمتری سوشنیکوف، کرس نورنگ، انربن مکھرجی، اورنیلا التونین، روتھ یاکوبو اور ایمی بوئڈ

🎨 ہمارے مصوروں کا بھی شکریہ ٹومومی ایمورا، داسانی مادپالی، اور جن لوپر

🙏 خاص شکریہ 🙏 ہمارے مائیکروسافٹ اسٹوڈنٹ ایمبیسیڈر مصنفین، جائزہ لینے والوں، اور مواد کے تعاون کرنے والوں کو، خاص طور پر رشت دگلی، محمد ساکب خان انان، روہن راج، الیگزینڈرو پیٹریسکو، ابھیشیک جیسوال، نوورین تبسم، ایوان سامویلا، اور سنگدھا اگروال

🤩 اضافی شکریہ مائیکروسافٹ اسٹوڈنٹ ایمبیسیڈرز ایرک وانجاو، جیسلین سندھی، اور ویدوشی گپتا کو ہمارے R اسباق کے لیے!

شروع کرنے کا طریقہ

مندرجہ ذیل اقدامات کریں:

ریپوزیٹری کو فورک کریں: اس صفحے کے اوپر دائیں جانب "Fork" بٹن پر کلک کریں۔
ریپوزیٹری کو کلون کریں: git clone https://github.com/microsoft/ML-For-Beginners.git

اس کورس کے تمام اضافی وسائل ہمارے Microsoft Learn کلیکشن میں تلاش کریں

🔧 مدد چاہیے؟ ہمارے Troubleshooting Guide کو چیک کریں تاکہ انسٹالیشن، سیٹ اپ، اور اسباق چلانے کے عام مسائل کے حل مل سکیں۔

طلباء، اس نصاب کو استعمال کرنے کے لیے، پورے ریپو کو اپنے GitHub اکاؤنٹ پر فورک کریں اور مشقیں خود یا گروپ کے ساتھ مکمل کریں:

پری لیکچر کوئز سے شروع کریں۔
لیکچر پڑھیں اور سرگرمیاں مکمل کریں، ہر نالج چیک پر توقف کریں اور غور کریں۔
اسباق کو سمجھ کر پروجیکٹس بنانے کی کوشش کریں بجائے اس کے کہ حل کا کوڈ چلائیں؛ تاہم وہ کوڈ ہر پروجیکٹ پر مبنی سبق کے /solution فولڈر میں دستیاب ہے۔
پوسٹ لیکچر کوئز لیں۔
چیلنج مکمل کریں۔
اسائنمنٹ مکمل کریں۔
ایک سبق کے گروپ کو مکمل کرنے کے بعد، Discussion Board پر جائیں اور مناسب PAT روبریک بھر کر "آواز بلند کریں"۔ 'PAT' ایک پروگریس اسیسمنٹ ٹول ہے جو آپ کی سیکھنے میں مدد دیتا ہے۔ آپ دوسرے PATs پر بھی ردعمل دے سکتے ہیں تاکہ ہم سب مل کر سیکھ سکیں۔

مزید مطالعے کے لیے، ہم ان Microsoft Learn ماڈیولز اور لرننگ پاتھز کی پیروی کرنے کی سفارش کرتے ہیں۔

اساتذہ، ہم نے کچھ تجاویز شامل کی ہیں کہ اس نصاب کو کیسے استعمال کیا جائے۔

ویڈیو واک تھروز

کچھ اسباق مختصر ویڈیو کی شکل میں دستیاب ہیں۔ آپ انہیں اسباق کے اندر یا Microsoft Developer YouTube چینل پر ML for Beginners پلے لسٹ میں نیچے دی گئی تصویر پر کلک کر کے دیکھ سکتے ہیں۔

ٹیم سے ملاقات

گیف بذریعہ Mohit Jaisal

🎥 پروجیکٹ اور اس کے بنانے والوں کے بارے میں ویڈیو دیکھنے کے لیے اوپر تصویر پر کلک کریں!

طریقہ تعلیم

ہم نے اس نصاب کی تیاری میں دو تعلیمی اصول منتخب کیے ہیں: یہ کہ یہ ہاتھوں سے کرنے والا پروجیکٹ پر مبنی ہو اور اس میں بار بار کوئزز شامل ہوں۔ اس کے علاوہ، اس نصاب کا ایک مشترکہ موضوع ہے جو اسے مربوط بناتا ہے۔

مواد کو پروجیکٹس کے ساتھ ہم آہنگ کر کے، عمل طلباء کے لیے زیادہ دلچسپ بنایا جاتا ہے اور تصورات کو یاد رکھنے میں مدد ملتی ہے۔ اس کے علاوہ، کلاس سے پہلے ایک کم دباؤ والا کوئز طالب علم کی نیت کو سیکھنے کی طرف متوجہ کرتا ہے، جبکہ کلاس کے بعد دوسرا کوئز مزید یادداشت کو یقینی بناتا ہے۔ یہ نصاب لچکدار اور دلچسپ بنانے کے لیے ڈیزائن کیا گیا ہے اور اسے مکمل یا جزوی طور پر لیا جا سکتا ہے۔ پروجیکٹس چھوٹے سے شروع ہوتے ہیں اور 12 ہفتوں کے دورانیے کے آخر تک پیچیدہ ہوتے جاتے ہیں۔ اس نصاب میں مشین لرننگ کی حقیقی دنیا میں اطلاق پر ایک پوسٹ اسکرپٹ بھی شامل ہے، جسے اضافی کریڈٹ کے طور پر یا بحث کے لیے استعمال کیا جا سکتا ہے۔

ہمارا Code of Conduct، Contributing، Translation، اور Troubleshooting گائیڈ لائنز دیکھیں۔ ہم آپ کی تعمیری رائے کا خیرمقدم کرتے ہیں!

ہر سبق میں شامل ہے

اختیاری سکیچ نوٹ
اختیاری اضافی ویڈیو
ویڈیو واک تھرو (صرف کچھ اسباق)
پری لیکچر وارم اپ کوئز
تحریری سبق
پروجیکٹ پر مبنی اسباق کے لیے، پروجیکٹ بنانے کے مرحلہ وار رہنما
نالج چیکس
ایک چیلنج
اضافی مطالعہ
اسائنمنٹ
پوسٹ لیکچر کوئز

زبانوں کے بارے میں ایک نوٹ: یہ اسباق بنیادی طور پر Python میں لکھے گئے ہیں، لیکن بہت سے R میں بھی دستیاب ہیں۔ R سبق مکمل کرنے کے لیے، /solution فولڈر میں جائیں اور R اسباق تلاش کریں۔ ان میں .rmd توسیع ہوتی ہے جو ایک R Markdown فائل کی نمائندگی کرتی ہے، جسے آسانی سے code chunks (R یا دیگر زبانوں کے) اور YAML header (جو آؤٹ پٹ جیسے PDF کی فارمیٹنگ کی رہنمائی کرتا ہے) کو Markdown document میں شامل کرنے کے طور پر بیان کیا جا سکتا ہے۔ اس طرح، یہ ڈیٹا سائنس کے لیے ایک مثالی مصنفانہ فریم ورک کے طور پر کام کرتا ہے کیونکہ یہ آپ کو اپنے کوڈ، اس کے آؤٹ پٹ، اور اپنے خیالات کو Markdown میں لکھنے کی اجازت دیتا ہے۔ مزید برآں، R Markdown دستاویزات کو PDF، HTML، یا Word جیسے آؤٹ پٹ فارمیٹس میں رینڈر کیا جا سکتا ہے۔

کوئزز کے بارے میں ایک نوٹ: تمام کوئزز Quiz App فولڈر میں موجود ہیں، کل 52 کوئزز جن میں ہر ایک میں تین سوالات ہیں۔ یہ اسباق کے اندر سے لنک کیے گئے ہیں لیکن کوئز ایپ کو مقامی طور پر چلایا جا سکتا ہے؛ quiz-app فولڈر میں دی گئی ہدایات پر عمل کریں تاکہ مقامی ہوسٹنگ یا Azure پر تعیناتی کی جا سکے۔

سبق نمبر	موضوع	سبق کا گروپ	تعلیمی مقاصد	منسلک سبق	مصنف
01	مشین لرننگ کا تعارف	Introduction	مشین لرننگ کے بنیادی تصورات سیکھیں	Lesson	محمد
02	مشین لرننگ کی تاریخ	Introduction	اس میدان کی تاریخ سیکھیں	Lesson	جین اور ایمی
03	انصاف اور مشین لرننگ	Introduction	انصاف کے اہم فلسفیانہ مسائل کیا ہیں جن پر طلباء کو مشین لرننگ کے ماڈلز بنانے اور استعمال کرتے وقت غور کرنا چاہیے؟	Lesson	ٹومومی
04	مشین لرننگ کی تکنیکیں	Introduction	مشین لرننگ کے محققین کون سی تکنیکیں استعمال کرتے ہیں؟	Lesson	کرس اور جین
05	ریگریشن کا تعارف	Regression	ریگریشن ماڈلز کے لیے پائتھون اور سکیٹ لرن کے ساتھ شروع کریں	Python • R	جین • ایرک وانجاو
06	شمالی امریکہ کے کدو کی قیمتیں 🎃	Regression	مشین لرننگ کی تیاری کے لیے ڈیٹا کو دیکھیں اور صاف کریں	Python • R	جین • ایرک وانجاو
07	شمالی امریکہ کے کدو کی قیمتیں 🎃	Regression	لکیری اور کثیر رکنی ریگریشن ماڈلز بنائیں	Python • R	جین اور دمتری • ایرک وانجاو
08	شمالی امریکہ کے کدو کی قیمتیں 🎃	Regression	لاجسٹک ریگریشن ماڈل بنائیں	Python • R	جین • ایرک وانجاو
09	ایک ویب ایپ 🔌	Web App	اپنے تربیت یافتہ ماڈل کو استعمال کرنے کے لیے ویب ایپ بنائیں	Python	جین
10	درجہ بندی کا تعارف	Classification	اپنے ڈیٹا کو صاف کریں، تیار کریں، اور دیکھیں؛ درجہ بندی کا تعارف	Python • R	جین اور کیسی • ایرک وانجاو
11	مزیدار ایشیائی اور بھارتی کھانے 🍜	Classification	درجہ بندی کرنے والوں کا تعارف	Python • R	جین اور کیسی • ایرک وانجاو
12	مزیدار ایشیائی اور بھارتی کھانے 🍜	Classification	مزید درجہ بندی کرنے والے	Python • R	جین اور کیسی • ایرک وانجاو
13	مزیدار ایشیائی اور بھارتی کھانے 🍜	Classification	اپنے ماڈل کا استعمال کرتے ہوئے ایک سفارش کنندہ ویب ایپ بنائیں	Python	جین
14	کلسٹرنگ کا تعارف	Clustering	اپنے ڈیٹا کو صاف کریں، تیار کریں، اور دیکھیں؛ کلسٹرنگ کا تعارف	Python • R	جین • ایرک وانجاو
15	نائجیریائی موسیقی کے ذوق کی تلاش 🎧	Clustering	K-Means کلسٹرنگ طریقہ دریافت کریں	Python • R	جین • ایرک وانجاو
16	قدرتی زبان کی پروسیسنگ کا تعارف ☕️	Natural language processing	ایک سادہ بوٹ بنا کر NLP کی بنیادی باتیں سیکھیں	Python	اسٹیفن
17	عام NLP کے کام ☕️	Natural language processing	زبان کی ساختوں سے نمٹنے کے لیے درکار عام کاموں کو سمجھ کر اپنے NLP کے علم کو گہرا کریں	Python	اسٹیفن
18	ترجمہ اور جذباتی تجزیہ ♥️	Natural language processing	جین آسٹن کے ساتھ ترجمہ اور جذباتی تجزیہ	Python	اسٹیفن
19	یورپ کے رومانوی ہوٹل ♥️	Natural language processing	ہوٹل کے جائزوں کے ساتھ جذباتی تجزیہ 1	Python	اسٹیفن
20	یورپ کے رومانوی ہوٹل ♥️	Natural language processing	ہوٹل کے جائزوں کے ساتھ جذباتی تجزیہ 2	Python	اسٹیفن
21	وقت کی سیریز کی پیش گوئی کا تعارف	Time series	وقت کی سیریز کی پیش گوئی کا تعارف	Python	فرانسسکا
22	⚡️ عالمی بجلی کا استعمال ⚡️ - ARIMA کے ساتھ وقت کی سیریز کی پیش گوئی	Time series	ARIMA کے ساتھ وقت کی سیریز کی پیش گوئی	Python	فرانسسکا
23	⚡️ عالمی بجلی کا استعمال ⚡️ - SVR کے ساتھ وقت کی سیریز کی پیش گوئی	Time series	سپورٹ ویکٹر ریگریسر کے ساتھ وقت کی سیریز کی پیش گوئی	Python	انربن
24	تقویتی تعلیم کا تعارف	Reinforcement learning	Q-Learning کے ساتھ تقویتی تعلیم کا تعارف	Python	دمتری
25	پیٹر کو بھیڑیا سے بچائیں! 🐺	Reinforcement learning	تقویتی تعلیم جِم	Python	دمتری
Postscript	حقیقی دنیا کے مشین لرننگ کے منظرنامے اور اطلاقات	ML in the Wild	کلاسیکی مشین لرننگ کی دلچسپ اور انکشاف کرنے والی حقیقی دنیا کی اطلاقات	Lesson	ٹیم
Postscript	RAI ڈیش بورڈ کے ذریعے مشین لرننگ میں ماڈل کی خرابی کی جانچ	ML in the Wild	ذمہ دار AI ڈیش بورڈ کے اجزاء کا استعمال کرتے ہوئے مشین لرننگ میں ماڈل کی خرابی کی جانچ	Lesson	روتھ یاکوبو

اس کورس کے تمام اضافی وسائل ہماری Microsoft Learn کلیکشن میں تلاش کریں

آف لائن رسائی

آپ اس دستاویز کو آف لائن Docsify استعمال کرکے چلا سکتے ہیں۔ اس ریپو کو فورک کریں، اپنے مقامی کمپیوٹر پر Docsify انسٹال کریں، اور پھر اس ریپو کے روٹ فولڈر میں docsify serve ٹائپ کریں۔ ویب سائٹ آپ کے لوکل ہوسٹ پر پورٹ 3000 پر دستیاب ہوگی: localhost:3000۔

پی ڈی ایفز

نصاب کا پی ڈی ایف لنکس کے ساتھ یہاں تلاش کریں۔

🎒 دیگر کورسز

ہماری ٹیم دیگر کورسز بھی تیار کرتی ہے! دیکھیں:

LangChain

Azure / Edge / MCP / Agents

Generative AI Series

بنیادی تعلیم

کوپائلٹ سیریز

مدد حاصل کرنا

اگر آپ پھنس جائیں یا AI ایپس بنانے کے بارے میں کوئی سوالات ہوں۔ MCP کے بارے میں بحث میں ساتھی سیکھنے والوں اور تجربہ کار ڈویلپرز میں شامل ہوں۔ یہ ایک معاون کمیونٹی ہے جہاں سوالات کا خیرمقدم کیا جاتا ہے اور علم آزادانہ طور پر شیئر کیا جاتا ہے۔

اگر آپ کے پاس پروڈکٹ فیڈبیک یا تعمیر کے دوران غلطیاں ہوں تو یہاں جائیں:

دستخطی نوٹ:
یہ دستاویز AI ترجمہ سروس Co-op Translator کے ذریعے ترجمہ کی گئی ہے۔ اگرچہ ہم درستگی کے لیے کوشاں ہیں، براہ کرم اس بات سے آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا عدم درستیاں ہو سکتی ہیں۔ اصل دستاویز اپنی مادری زبان میں ہی معتبر ماخذ سمجھی جانی چاہیے۔ اہم معلومات کے لیے پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کی ذمہ داری ہم پر عائد نہیں ہوتی۔

36 KiB Raw Blame History Unescape Escape