39 KiB
🌐 बहुभाषी समर्थन
GitHub Action के माध्यम से समर्थित (स्वचालित और हमेशा अद्यतन)
French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)
हमारे समुदाय से जुड़ें
हमारे Discord पर AI सीखने की श्रृंखला चल रही है। अधिक जानें और Learn with AI Series में 18 - 30 सितंबर, 2025 के बीच शामिल हों। आपको डेटा साइंस के लिए GitHub Copilot का उपयोग करने के टिप्स और ट्रिक्स मिलेंगे।
शुरुआती लोगों के लिए मशीन लर्निंग - एक पाठ्यक्रम
🌍 दुनिया भर की संस्कृतियों के माध्यम से मशीन लर्निंग का अन्वेषण करें 🌍
Microsoft के Cloud Advocates ने मशीन लर्निंग पर आधारित 12-सप्ताह, 26-पाठ का पाठ्यक्रम पेश करने में खुशी महसूस की। इस पाठ्यक्रम में, आप क्लासिक मशीन लर्निंग के बारे में जानेंगे, जिसमें मुख्य रूप से Scikit-learn लाइब्रेरी का उपयोग किया जाएगा और गहन शिक्षण (Deep Learning) से बचा जाएगा, जिसे हमारे AI for Beginners' पाठ्यक्रम में शामिल किया गया है। इन पाठों को हमारे 'Data Science for Beginners' पाठ्यक्रम के साथ जोड़ें!
हमारे साथ दुनिया भर की यात्रा करें क्योंकि हम इन क्लासिक तकनीकों को विभिन्न क्षेत्रों के डेटा पर लागू करते हैं। प्रत्येक पाठ में प्री- और पोस्ट-लेसन क्विज़, लिखित निर्देश, समाधान, असाइनमेंट और बहुत कुछ शामिल है। हमारा प्रोजेक्ट-आधारित शिक्षण दृष्टिकोण आपको सीखते हुए निर्माण करने की अनुमति देता है, जो नई कौशल को बनाए रखने का एक सिद्ध तरीका है।
✍️ हमारे लेखकों को हार्दिक धन्यवाद Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu और Amy Boyd
🎨 हमारे चित्रकारों को भी धन्यवाद Tomomi Imura, Dasani Madipalli, और Jen Looper
🙏 विशेष धन्यवाद 🙏 हमारे Microsoft Student Ambassador लेखकों, समीक्षकों और सामग्री योगदानकर्ताओं को, विशेष रूप से Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, और Snigdha Agarwal
🤩 अतिरिक्त आभार Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, और Vidushi Gupta को हमारे R पाठों के लिए!
शुरुआत कैसे करें
इन चरणों का पालन करें:
- रेपो को फोर्क करें: इस पेज के शीर्ष-दाएं कोने पर "Fork" बटन पर क्लिक करें।
- रेपो को क्लोन करें:
git clone https://github.com/microsoft/ML-For-Beginners.git
इस पाठ्यक्रम के लिए सभी अतिरिक्त संसाधन हमारे Microsoft Learn संग्रह में खोजें
छात्रों, इस पाठ्यक्रम का उपयोग करने के लिए, पूरे रेपो को अपने GitHub खाते में फोर्क करें और अभ्यास को अकेले या समूह के साथ पूरा करें:
- प्री-लेक्चर क्विज़ से शुरू करें।
- लेक्चर पढ़ें और गतिविधियों को पूरा करें, प्रत्येक ज्ञान जांच पर रुकें और विचार करें।
- पाठों को समझकर प्रोजेक्ट बनाने का प्रयास करें बजाय समाधान कोड चलाने के; हालांकि वह कोड प्रत्येक प्रोजेक्ट-उन्मुख पाठ के
/solutionफ़ोल्डरों 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 "लाउड में सीखें" द्वारा उपयुक्त PAT रूब्रिक भरें। 'PAT' एक प्रगति मूल्यांकन उपकरण है जो एक रूब्रिक है जिसे आप अपनी सीखने को आगे बढ़ाने के लिए भरते हैं। आप अन्य PATs पर प्रतिक्रिया भी दे सकते हैं ताकि हम एक साथ सीख सकें।
आगे की पढ़ाई के लिए, हम इन Microsoft Learn मॉड्यूल और लर्निंग पाथ्स का अनुसरण करने की सिफारिश करते 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 इन सभी को पाठों में इन-लाइन पा सकते हैं, या Microsoft Developer YouTube चैनल पर ML for Beginners प्लेलिस्ट पर क्लिक करके नीचे दी गई छवि पर देख सकते हैं।
टीम से मिलें
Gif द्वारा Mohit Jaisal
🎥 ऊपर दी गई छवि पर क्लिक करें इस प्रोजेक्ट और इसे बनाने वाले लोगों के बारे में वीडियो देखने के लिए!
शिक्षण दृष्टिकोण
हमने इस पाठ्यक्रम को बनाते समय दो शिक्षण दृष्टिकोण चुने हैं: यह सुनिश्चित करना कि यह प्रोजेक्ट-आधारित है और इसमें बार-बार क्विज़ शामिल हैं। इसके अलावा, इस पाठ्यक्रम में एक सामान्य थीम है जो इसे एकजुटता प्रदान करती है।
सुनिश्चित करके कि सामग्री प्रोजेक्ट्स के साथ संरेखित है, प्रक्रिया छात्रों के लिए अधिक आकर्षक बन जाती है और अवधारणाओं की प्रतिधारण बढ़ जाती है। इसके अलावा, कक्षा से पहले एक कम-जोखिम क्विज़ छात्र को विषय सीखने के इरादे की ओर सेट करता है, जबकि कक्षा के बाद दूसरा क्विज़ आगे की प्रतिधारण सुनिश्चित करता है। यह पाठ्यक्रम लचीला और मजेदार बनाया गया है और इसे पूरे या आंशिक रूप से लिया जा सकता है। प्रोजेक्ट छोटे से शुरू होते हैं और 12-सप्ताह के चक्र के अंत तक धीरे-धीरे जटिल हो जाते 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।
हमारा Code of Conduct, Contributing, और Translation दिशानिर्देश खोजें। हम आपके रचनात्मक फीडबैक का स्वागत करते हैं!
प्रत्येक पाठ में शामिल है
- वैकल्पिक स्केच नोट
- वैकल्पिक पूरक वीडियो
- वीडियो वॉकथ्रू (कुछ पाठों में ही)
- प्री-लेक्चर वार्मअप क्विज़
- लिखित पाठ
- प्रोजेक्ट-आधारित पाठों के लिए, प्रोजेक्ट बनाने के लिए चरण-दर-चरण गाइड
- ज्ञान जांच
- एक चुनौती
- पूरक पढ़ाई
- 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,
/solutionफ़ोल्डर पर जाएं और R पाठ खोजें। इनमें .rmd एक्सटेंशन होता है जो R Markdown फ़ाइल का प्रतिनिधित्व करता है जिसेकोड चंक्स(R या अन्य भाषाओं के) औरYAML हेडर(जो आउटपुट को PDF जैसे स्वरूपों में गाइड करता है) कोMarkdown दस्तावेज़में एम्बेडिंग के रूप में परिभाषित किया जा सकता है। इस प्रकार, यह डेटा विज्ञान के लिए एक उत्कृष्ट लेखन ढांचा के रूप में कार्य करता है क्योंकि यह आपको अपने कोड, उसके आउटपुट और अपने विचारों को Markdown में लिखने की अनुमति देता है। इसके अलावा, R Markdown दस्तावेज़ों को PDF, HTML, या Word जैसे आउटपुट स्वरूपों में प्रस्तुत किया जा सकता है।
क्विज़ के बारे में एक नोट: सभी क्विज़ Quiz App फ़ोल्डर में शामिल हैं, कुल 52 क्विज़, प्रत्येक में तीन प्रश्न। ये पाठों के भीतर से लिंक किए गए हैं लेकिन क्विज़ ऐप को स्थानीय रूप से चलाया जा सकता है;
quiz-appफ़ोल्डर में निर्देशों का पालन करें इसे स्थानीय रूप से होस्ट करने या Azure पर तैनात करने के लिए।
| पाठ संख्या | विषय | पाठ समूह | सीखने के उद्देश्य | लिंक किया गया पाठ | लेखक |
|---|---|---|---|---|---|
| 01 | मशीन लर्निंग का परिचय | परिचय | मशीन लर्निंग के पीछे के मूलभूत अवधारणाओं को जानें | पाठ | Muhammad |
| 02 | मशीन लर्निंग का इतिहास | परिचय | इस क्षेत्र के पीछे के इतिहास को जानें | पाठ | Jen और Amy |
| 03 | निष्पक्षता और मशीन लर्निंग | परिचय | मशीन लर्निंग मॉडल बनाते और लागू करते समय छात्रों को निष्पक्षता के आसपास कौन-कौन से महत्वपूर्ण दार्शनिक मुद्दों पर विचार करना चाहिए? | पाठ | Tomomi |
| 04 | मशीन लर्निंग के लिए तकनीकें | परिचय | मशीन लर्निंग शोधकर्ता मॉडल बनाने के लिए कौन-कौन सी तकनीकें उपयोग करते हैं? | पाठ | Chris और Jen |
| 05 | रिग्रेशन का परिचय | रिग्रेशन | रिग्रेशन मॉडल के लिए Python और Scikit-learn के साथ शुरुआत करें | Python • R | Jen • Eric Wanjau |
| 06 | उत्तरी अमेरिकी कद्दू की कीमतें 🎃 | रिग्रेशन | मशीन लर्निंग के लिए डेटा को विज़ुअलाइज़ और साफ करें | Python • R | Jen • Eric Wanjau |
| 07 | उत्तरी अमेरिकी कद्दू की कीमतें 🎃 | रिग्रेशन | रेखीय और बहुपद रिग्रेशन मॉडल बनाएं | Python • R | Jen और Dmitry • Eric Wanjau |
| 08 | उत्तरी अमेरिकी कद्दू की कीमतें 🎃 | रिग्रेशन | लॉजिस्टिक रिग्रेशन मॉडल बनाएं | Python • R | Jen • Eric Wanjau |
| 09 | एक वेब ऐप 🔌 | वेब ऐप | अपने प्रशिक्षित मॉडल का उपयोग करने के लिए एक वेब ऐप बनाएं | Python | Jen |
| 10 | वर्गीकरण का परिचय | वर्गीकरण | अपने डेटा को साफ करें, तैयार करें और विज़ुअलाइज़ करें; वर्गीकरण का परिचय | Python • R | Jen और Cassie • Eric Wanjau |
| 11 | स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜 | वर्गीकरण | वर्गीकरणकर्ताओं का परिचय | Python • R | Jen और Cassie • Eric Wanjau |
| 12 | स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜 | वर्गीकरण | अधिक वर्गीकरणकर्ता | Python • R | Jen और Cassie • Eric Wanjau |
| 13 | स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜 | वर्गीकरण | अपने मॉडल का उपयोग करके एक अनुशंसा वेब ऐप बनाएं | Python | Jen |
| 14 | क्लस्टरिंग का परिचय | क्लस्टरिंग | अपने डेटा को साफ करें, तैयार करें और विज़ुअलाइज़ करें; क्लस्टरिंग का परिचय | Python • R | Jen • Eric Wanjau |
| 15 | नाइजीरियाई संगीत स्वाद का अन्वेषण 🎧 | क्लस्टरिंग | K-Means क्लस्टरिंग विधि का अन्वेषण करें | Python • R | Jen • Eric Wanjau |
| 16 | प्राकृतिक भाषा प्रसंस्करण का परिचय ☕️ | प्राकृतिक भाषा प्रसंस्करण | एक साधारण बॉट बनाकर NLP के मूलभूत सिद्धांत सीखें | Python | Stephen |
| 17 | सामान्य NLP कार्य ☕️ | प्राकृतिक भाषा प्रसंस्करण | भाषा संरचनाओं से निपटने के दौरान आवश्यक सामान्य कार्यों को समझकर अपने NLP ज्ञान को गहरा करें | Python | Stephen |
| 18 | अनुवाद और भावना विश्लेषण ♥️ | प्राकृतिक भाषा प्रसंस्करण | Jane Austen के साथ अनुवाद और भावना विश्लेषण | Python | Stephen |
| 19 | यूरोप के रोमांटिक होटल ♥️ | प्राकृतिक भाषा प्रसंस्करण | होटल समीक्षाओं के साथ भावना विश्लेषण 1 | Python | Stephen |
| 20 | यूरोप के रोमांटिक होटल ♥️ | प्राकृतिक भाषा प्रसंस्करण | होटल समीक्षाओं के साथ भावना विश्लेषण 2 | Python | Stephen |
| 21 | समय श्रृंखला पूर्वानुमान का परिचय | समय श्रृंखला | समय श्रृंखला पूर्वानुमान का परिचय | Python | Francesca |
| 22 | ⚡️ विश्व ऊर्जा उपयोग ⚡️ - ARIMA के साथ समय श्रृंखला पूर्वानुमान | समय श्रृंखला | ARIMA के साथ समय श्रृंखला पूर्वानुमान | Python | Francesca |
| 23 | ⚡️ विश्व ऊर्जा उपयोग ⚡️ - SVR के साथ समय श्रृंखला पूर्वानुमान | समय श्रृंखला | सपोर्ट वेक्टर रिग्रेसर के साथ समय श्रृंखला पूर्वानुमान | Python | Anirban |
| 24 | सुदृढीकरण लर्निंग का परिचय | सुदृढीकरण लर्निंग | Q-Learning के साथ सुदृढीकरण लर्निंग का परिचय | Python | Dmitry |
| 25 | पीटर को भेड़िये से बचाने में मदद करें! 🐺 | सुदृढीकरण लर्निंग | सुदृढीकरण लर्निंग जिम | Python | Dmitry |
| Postscript | वास्तविक दुनिया के ML परिदृश्य और अनुप्रयोग | ML इन द वाइल्ड | क्लासिकल मशीन लर्निंग के दिलचस्प और खुलासा करने वाले वास्तविक दुनिया के अनुप्रयोग | पाठ | टीम |
| Postscript | RAI डैशबोर्ड का उपयोग करके ML में मॉडल डिबगिंग | ML इन द वाइल्ड | जिम्मेदार AI डैशबोर्ड घटकों का उपयोग करके मशीन लर्निंग में मॉडल डिबगिंग | पाठ | Ruth Yakubu |
इस कोर्स के लिए सभी अतिरिक्त संसाधन हमारे Microsoft Learn संग्रह में खोजें
ऑफलाइन एक्सेस
आप इस दस्तावेज़ को ऑफलाइन Docsify का उपयोग करके चला सकते हैं। इस रिपॉजिटरी को फोर्क करें, Docsify इंस्टॉल करें अपने स्थानीय मशीन पर, और फिर इस रिपॉजिटरी के रूट फ़ोल्डर में docsify serve टाइप करें। वेबसाइट आपके लोकलहोस्ट पर पोर्ट 3000 पर सर्व की जाएगी: localhost:3000।
PDFs
लिंक्स के साथ पाठ्यक्रम का PDF यहां खोजें।
🎒 अन्य कोर्स
हमारी टीम अन्य कोर्स भी बनाती है! देखें:
- एज AI फॉर बिगिनर्स
- AI एजेंट्स फॉर बिगिनर्स
- जनरेटिव AI फॉर बिगिनर्स
- जनरेटिव AI फॉर बिगिनर्स .NET
- जनरेटिव AI विथ जावास्क्रिप्ट
- जनरेटिव AI विथ जावा
- AI फॉर बिगिनर्स
- डेटा साइंस फॉर बिगिनर्स
- ML फॉर बिगिनर्स
- साइबर सुरक्षा फॉर बिगिनर्स
- वेब डेवलपमेंट फॉर बिगिनर्स
- IoT फॉर बिगिनर्स
- XR डेवलपमेंट फॉर बिगिनर्स
- पेयर्ड प्रोग्रामिंग के लिए GitHub Copilot मास्टरिंग
- C#/.NET डेवलपर्स के लिए GitHub Copilot मास्टरिंग
- अपना खुद का Copilot एडवेंचर चुनें
मदद प्राप्त करना
यदि आप फंस जाते हैं या AI ऐप्स बनाने के बारे में कोई प्रश्न हैं, तो शामिल हों:
यदि आपको उत्पाद प्रतिक्रिया या निर्माण के दौरान त्रुटियां मिलती हैं, तो यहां जाएं:
अस्वीकरण:
यह दस्तावेज़ AI अनुवाद सेवा Co-op Translator का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता सुनिश्चित करने का प्रयास करते हैं, कृपया ध्यान दें कि स्वचालित अनुवाद में त्रुटियां या अशुद्धियां हो सकती हैं। मूल भाषा में उपलब्ध मूल दस्तावेज़ को आधिकारिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम जिम्मेदार नहीं हैं।