ML-For-Beginners/translations/ne

🌐 बहुभाषी समर्थन

GitHub Action मार्फत समर्थित (स्वचालित र सधैं अद्यावधिक)

अरबी | बंगाली | बुल्गेरियन | बर्मेली (म्यानमार) | चिनियाँ (सरलीकृत) | चिनियाँ (पारम्परिक, हङकङ) | चिनियाँ (पारम्परिक, मकाउ) | चिनियाँ (पारम्परिक, ताइवान) | क्रोएसियन | चेक | डेनिश | डच | एस्टोनियन | फिनिश | फ्रान्सेली | जर्मन | ग्रीक | हिब्रू | हिन्दी | हंगेरीयन | इन्डोनेसियन | इटालियन | जापानी | कोरियन | लिथुआनियन | मलय | मराठी | नेपाली | नर्वेजियन | फारसी (फारसी) | पोलिश | पोर्चुगिज (ब्राजिल) | पोर्चुगिज (पोर्चुगल) | पञ्जाबी (गुरमुखी) | रोमानियन | रुसी | सर्बियन (सिरिलिक) | स्लोभाक | स्लोभेनियन | स्पेनिश | स्वाहिली | स्विडिश | टागालोग (फिलिपिनो) | तमिल | थाई | टर्किश | युक्रेनीयन | उर्दु | भियतनामी

हाम्रो समुदायमा सामेल हुनुहोस्

हामीसँग AI सिक्ने शृंखला चलिरहेको छ, थप जान्न र हामीसँग सामेल हुन AI सिक्ने शृंखला मा १८ - ३० सेप्टेम्बर, २०२५ मा सामेल हुनुहोस्। तपाईंले डेटा विज्ञानको लागि GitHub Copilot प्रयोग गर्ने टिप्स र ट्रिक्स पाउनुहुनेछ।

सुरुवातकर्ताहरूका लागि मेसिन लर्निङ - एक पाठ्यक्रम

🌍 विश्व संस्कृतिहरूको माध्यमबाट मेसिन लर्निङ अन्वेषण गर्दा विश्वभर यात्रा गर्नुहोस् 🌍

Microsoft का Cloud Advocates ले मेसिन लर्निङ सम्बन्धी १२ हप्ताको, २६ पाठहरूको पाठ्यक्रम प्रदान गर्न पाउँदा खुशी छन्। यस पाठ्यक्रममा, तपाईंले कहिलेकाहीं क्लासिक मेसिन लर्निङ भनिने विषयबारे सिक्नुहुनेछ, मुख्यतया Scikit-learn लाई पुस्तकालयको रूपमा प्रयोग गर्दै र गहिरो सिकाइलाई टाढा राख्दै, जुन हाम्रो AI for Beginners' पाठ्यक्रम मा समेटिएको छ। यी पाठहरूलाई हाम्रो 'Data Science for Beginners' पाठ्यक्रम सँग पनि जोड्नुहोस्।

हामीसँग विश्वभर यात्रा गर्नुहोस् जब हामी यी क्लासिक प्रविधिहरूलाई विश्वका विभिन्न क्षेत्रहरूको डेटा लागू गर्छौं। प्रत्येक पाठमा पाठ अघि र पछि क्विजहरू, पाठ पूरा गर्नका लागि लिखित निर्देशनहरू, समाधान, असाइनमेन्ट, र थप समावेश छन्। हाम्रो परियोजना-आधारित शिक्षाशास्त्रले तपाईंलाई निर्माण गर्दा सिक्न अनुमति दिन्छ, नयाँ सीपहरू 'टिक्न' को लागि प्रमाणित तरिका।

✍️ हाम्रो 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

🎨 हाम्रो चित्रकारहरूलाई पनि धन्यवाद Tomomi Imura, Dasani Madipalli, र Jen Looper

🙏 विशेष धन्यवाद 🙏 हाम्रो 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

🤩 अतिरिक्त आभार Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, र Vidushi Gupta लाई हाम्रो R पाठहरूको लागि!

सुरु गर्दै

यी चरणहरू पालना गर्नुहोस्:

1. रिपोजिटरीलाई Fork गर्नुहोस्: यस पृष्ठको माथि-दायाँ कुनामा रहेको "Fork" बटनमा क्लिक गर्नुहोस्।
2. रिपोजिटरीलाई Clone गर्नुहोस्: git clone https://github.com/microsoft/ML-For-Beginners.git

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

🔧 मदत चाहिन्छ? हाम्रो समस्या समाधान मार्गदर्शिका हेर्नुहोस् स्थापना, सेटअप, र पाठहरू चलाउने सामान्य समस्याहरूको समाधानका लागि।

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

• पाठ अघि क्विजबाट सुरु गर्नुहोस्।
• पाठ पढ्नुहोस् र गतिविधिहरू पूरा गर्नुहोस्, प्रत्येक ज्ञान जाँचमा रोक्दै र विचार गर्दै।
• पाठहरू बुझेर परियोजनाहरू सिर्जना गर्न प्रयास गर्नुहोस् समाधान कोड चलाउनुभन्दा; यद्यपि त्यो कोड प्रत्येक परियोजना-उन्मुख पाठको /solution फोल्डरहरूमा उपलब्ध छ।
• पाठ पछि क्विज लिनुहोस्।
• चुनौती पूरा गर्नुहोस्।
• असाइनमेन्ट पूरा गर्नुहोस्।
• पाठ समूह पूरा गरेपछि, चर्चा बोर्ड मा जानुहोस् र "ठूलो स्वरमा सिक्नुहोस्" उपयुक्त PAT रब्रीक भरेर। 'PAT' भनेको प्रगति मूल्यांकन उपकरण हो जुन तपाईंले आफ्नो सिकाइलाई अगाडि बढाउन रब्रीक भर्नुहुन्छ। हामी सँगै सिक्न सकौं भनेर तपाईं अन्य PAT हरूमा प्रतिक्रिया दिन सक्नुहुन्छ।

थप अध्ययनको लागि, हामी यी Microsoft Learn मोड्युलहरू र सिकाइ मार्गहरू पालना गर्न सिफारिस गर्छौं।

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

---

भिडियो वाकथ्रूहरू

केही पाठहरू छोटो भिडियोको रूपमा उपलब्ध छन्। तपाईं यी सबै पाठहरूमा इन-लाइन फेला पार्न सक्नुहुन्छ, वा Microsoft Developer YouTube च्यानलमा ML for Beginners प्लेलिस्ट मा तलको छविमा क्लिक गरेर।

---

टोलीलाई भेट्नुहोस्

Gif द्वारा Mohit Jaisal

🎥 माथिको छविमा क्लिक गर्नुहोस् परियोजना र यसलाई सिर्जना गर्ने व्यक्तिहरूको बारेमा भिडियोका लागि!

---

शिक्षाशास्त्र

हामीले यो पाठ्यक्रम निर्माण गर्दा दुई शिक्षाशास्त्रीय सिद्धान्तहरू रोजेका छौं: सुनिश्चित गर्नु कि यो परियोजना-आधारित हो र यसमा बारम्बार क्विजहरू समावेश छन्। यसबाहेक, यो पाठ्यक्रममा एक सामान्य थिम छ जसले यसलाई एकता दिन्छ।

सामग्री परियोजनाहरूको साथ मेल खाने सुनिश्चित गरेर, प्रक्रिया विद्यार्थीहरूको लागि थप आकर्षक बनाइन्छ र अवधारणाहरूको प्रतिधारण बढाइन्छ। यसबाहेक, कक्षाको अघि कम-जोखिमको क्विजले विद्यार्थीलाई विषय सिक्नको लागि उद्देश्य सेट गर्दछ, जबकि कक्षाको पछि दोस्रो क्विजले थप प्रतिधारण सुनिश्चित गर्दछ। यो पाठ्यक्रम लचिलो र रमाइलो बनाउन डिजाइन गरिएको थियो र पूर्ण वा आंशिक रूपमा लिन सकिन्छ। परियोजनाहरू साना सुरु हुन्छन् र १२ हप्ताको चक्रको अन्त्यसम्ममा क्रमशः जटिल बन्छन्। यो पाठ्यक्रममा ML को वास्तविक-विश्व अनुप्रयोगहरूमा एक पोस्टस्क्रिप्ट पनि समावेश छ, जुन अतिरिक्त क्रेडिटको रूपमा 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 स्केच नोट
• वैकल्पिक पूरक भिडियो
• भिडियो वाकथ्रू (केही पाठहरू मात्र)
• पाठ अघि वार्मअप क्विज
• लिखित पाठ
• परियोजना-आधारित पाठहरूको लागि, परियोजना कसरी निर्माण गर्ने चरण-दर-चरण मार्गदर्शिका
• ज्ञान जाँचहरू
• एक चुनौती
• पूरक पढाइ
• असाइनमेन्ट
• पाठ पछि क्विज

भाषाहरूको बारेमा नोट: यी पाठहरू मुख्यतया 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 समावेश छ जसले R Markdown फाइललाई प्रतिनिधित्व गर्दछ जुन Markdown document मा code chunks (R वा अन्य भाषाहरूको) र YAML header (PDF जस्ता आउटपुटहरूलाई कसरी ढाँचा बनाउने भनेर मार्गदर्शन गर्ने) को समावेशको रूपमा सरल रूपमा परिभाषित गर्न सकिन्छ। यसरी, यो डेटा विज्ञानको लागि एक उदाहरणीय लेखन फ्रेमवर्कको रूपमा सेवा गर्दछ किनभने यसले तपाईंलाई आफ्नो कोड, यसको आउटपुट, र तपाईंको विचारहरूलाई Markdown मा लेख्न अनुमति दिन्छ। यसबाहेक, R Markdown दस्तावेजहरू PDF, HTML, वा Word जस्ता आउटपुट ढाँचाहरूमा प्रस्तुत गर्न सकिन्छ।

क्विजहरूको बारेमा नोट: सबै क्विजहरू Quiz App फोल्डर मा समावेश छन्, कुल ५२ क्विजहरू तीन प्रश्नहरू प्रत्येक। तिनीहरू पाठहरू भित्रबाट लिंक गरिएका छन् तर क्विज एपलाई स्थानीय रूपमा चलाउन सकिन्छ; quiz-app फोल्डरमा निर्देशन पालना गरेर स्थानीय रूपमा होस्ट गर्नुहोस् वा Azure मा तैनात गर्नुहोस्।

पाठ संख्या	विषय	पाठ समूह	सिकाइ उद्देश्य	लिंक गरिएको पाठ	लेखक
01	मेसिन लर्निङको परिचय	Introduction	मेसिन लर्निङको आधारभूत अवधारणाहरू सिक्नुहोस्	Lesson	मुहम्मद
02	मेसिन लर्निङको इतिहास	Introduction	यस क्षेत्रको इतिहास सिक्नुहोस्	Lesson	जेन र एमी
03	निष्पक्षता र मेसिन लर्निङ	Introduction	निष्पक्षताको वरिपरि रहेका महत्वपूर्ण दार्शनिक मुद्दाहरू के हुन् जुन विद्यार्थीहरूले ML मोडेल निर्माण र प्रयोग गर्दा विचार गर्नुपर्छ?	Lesson	तोमोमी
04	मेसिन लर्निङका प्रविधिहरू	Introduction	ML अनुसन्धानकर्ताहरूले ML मोडेल निर्माण गर्न के प्रविधिहरू प्रयोग गर्छन्?	Lesson	क्रिस र जेन
05	रिग्रेसनको परिचय	Regression	रिग्रेसन मोडेलहरूको लागि Python र Scikit-learn प्रयोग गर्न सुरु गर्नुहोस्	Python • R	जेन • एरिक वान्जाउ
06	उत्तर अमेरिकी कद्दूको मूल्य 🎃	Regression	ML को तयारीको लागि डेटा दृश्य र सफा गर्नुहोस्	Python • R	जेन • एरिक वान्जाउ
07	उत्तर अमेरिकी कद्दूको मूल्य 🎃	Regression	रेखीय र बहुपद रिग्रेसन मोडेल निर्माण गर्नुहोस्	Python • R	जेन र दिमित्री • एरिक वान्जाउ
08	उत्तर अमेरिकी कद्दूको मूल्य 🎃	Regression	एक लजिस्टिक रिग्रेसन मोडेल निर्माण गर्नुहोस्	Python • R	जेन • एरिक वान्जाउ
09	वेब एप्लिकेशन 🔌	Web App	आफ्नो प्रशिक्षित मोडेल प्रयोग गर्न वेब एप्लिकेशन निर्माण गर्नुहोस्	Python	जेन
10	वर्गीकरणको परिचय	Classification	आफ्नो डेटा सफा गर्नुहोस्, तयार गर्नुहोस्, र दृश्य बनाउनुहोस्; वर्गीकरणको परिचय	Python • R	जेन र क्यासी • एरिक वान्जाउ
11	स्वादिष्ट एशियाली र भारतीय परिकार 🍜	Classification	वर्गीकरणकर्ताहरूको परिचय	Python • R	जेन र क्यासी • एरिक वान्जाउ
12	स्वादिष्ट एशियाली र भारतीय परिकार 🍜	Classification	थप वर्गीकरणकर्ताहरू	Python • R	जेन र क्यासी • एरिक वान्जाउ
13	स्वादिष्ट एशियाली र भारतीय परिकार 🍜	Classification	आफ्नो मोडेल प्रयोग गरेर एक सिफारिस वेब एप्लिकेशन निर्माण गर्नुहोस्	Python	जेन
14	क्लस्टरिङको परिचय	Clustering	आफ्नो डेटा सफा गर्नुहोस्, तयार गर्नुहोस्, र दृश्य बनाउनुहोस्; क्लस्टरिङको परिचय	Python • R	जेन • एरिक वान्जाउ
15	नाइजेरियन संगीतको रुचि अन्वेषण 🎧	Clustering	K-Means क्लस्टरिङ विधि अन्वेषण गर्नुहोस्	Python • R	जेन • एरिक वान्जाउ
16	प्राकृतिक भाषा प्रशोधनको परिचय ☕️	Natural language processing	NLP को आधारभूत कुरा सिक्नुहोस् र एक साधारण बोट निर्माण गर्नुहोस्	Python	स्टेफन
17	सामान्य NLP कार्यहरू ☕️	Natural language processing	भाषाको संरचनासँग सम्बन्धित सामान्य कार्यहरू बुझेर आफ्नो NLP ज्ञानलाई गहिरो बनाउनुहोस्	Python	स्टेफन
18	अनुवाद र भावना विश्लेषण ♥️	Natural language processing	जेन अस्टेनसँग अनुवाद र भावना विश्लेषण	Python	स्टेफन
19	युरोपका रोमान्टिक होटलहरू ♥️	Natural language processing	होटल समीक्षासँग भावना विश्लेषण 1	Python	स्टेफन
20	युरोपका रोमान्टिक होटलहरू ♥️	Natural language processing	होटल समीक्षासँग भावना विश्लेषण 2	Python	स्टेफन
21	समय श्रृंखला पूर्वानुमानको परिचय	Time series	समय श्रृंखला पूर्वानुमानको परिचय	Python	फ्रान्सेस्का
22	⚡️ विश्व ऊर्जा प्रयोग ⚡️ - ARIMA संग समय श्रृंखला पूर्वानुमान	Time series	ARIMA संग समय श्रृंखला पूर्वानुमान	Python	फ्रान्सेस्का
23	⚡️ विश्व ऊर्जा प्रयोग ⚡️ - SVR संग समय श्रृंखला पूर्वानुमान	Time series	सपोर्ट भेक्टर रिग्रेसर संग समय श्रृंखला पूर्वानुमान	Python	अनिर्बान
24	सुदृढीकरण शिक्षाको परिचय	Reinforcement learning	Q-Learning संग सुदृढीकरण शिक्षाको परिचय	Python	दिमित्री
25	पिटरलाई भेडिया बाट बचाउनुहोस्! 🐺	Reinforcement learning	सुदृढीकरण शिक्षाको जिम	Python	दिमित्री
Postscript	वास्तविक संसारको ML परिदृश्य र अनुप्रयोग	ML in the Wild	शास्त्रीय ML को रोचक र खुलासा गर्ने वास्तविक संसारको अनुप्रयोग	Lesson	टिम
Postscript	RAI ड्यासबोर्ड प्रयोग गरेर ML मा मोडेल डिबगिंग	ML in the Wild	जिम्मेवार AI ड्यासबोर्ड कम्पोनेन्टहरू प्रयोग गरेर मेसिन लर्निङमा मोडेल डिबगिंग	Lesson	रुथ याकुब

यस कोर्सको लागि Microsoft Learn संग्रहमा सबै अतिरिक्त स्रोतहरू 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 यो रिपोको मूल फोल्डरमा docsify serve टाइप गर्नुहोस्। वेबसाइट तपाईंको localhost मा पोर्ट 3000 मा सेवा हुनेछ: localhost:3000।

PDFs

लिङ्कसहितको पाठ्यक्रमको PDF यहाँ फेला पार्नुहोस्।

🎒 अन्य कोर्सहरू

हाम्रो टिमले अन्य कोर्सहरू उत्पादन गर्दछ! हेर्नुहोस्:

Azure / Edge / MCP / Agents

---

Generative AI Series

---

मुख्य सिकाइ

---

Copilot शृंखला

सहयोग प्राप्त गर्ने तरिका

यदि तपाईं अड्किनुहुन्छ वा AI एप्स निर्माणको बारेमा कुनै प्रश्न छ भने, सामेल हुनुहोस्:

यदि तपाईंलाई उत्पादनको प्रतिक्रिया दिनु छ वा निर्माणको क्रममा कुनै त्रुटि आएको छ भने, भ्रमण गर्नुहोस्:

---

अस्वीकरण:
यो दस्तावेज़ AI अनुवाद सेवा Co-op Translator प्रयोग गरेर अनुवाद गरिएको छ। हामी शुद्धताको लागि प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादहरूमा त्रुटिहरू वा अशुद्धताहरू हुन सक्छ। यसको मूल भाषा मा रहेको दस्तावेज़लाई आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीको लागि, व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याको लागि हामी जिम्मेवार हुने छैनौं।