ML-For-Beginners/translations/ta

🌐 பன்மொழி ஆதரவு

GitHub Action மூலமாக ஆதரிக்கப்படுகிறது (தானாகவும் எப்போதும் புதுப்பிக்கப்படும்)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

உள்ளேற்றுமதிப்பார்வை விரும்புகிறீர்களா?

இந்த காப்பகம் 50+ மொழி மொழிபெயர்ப்புகளை உட்படுத்துகிறது, இது பதிவிறக்க அளவை குறிப்பிடத்தகுந்த முறையில் அதிகரிக்கின்றது. மொழிபெயர்ப்புகளை இல்லாமல் கிளோன் செய்வதற்கு, sparse checkout ஐப் பயன்படுத்தவும்:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

இது படிப்பை முடிக்க தேவையான அனைத்தையும் மிக விரைவான பதிவிறக்கத்துடன் வழங்கும்.

எங்கள் சமூகத்தில் சேரவும்

நாங்கள் ஒரு Discord AI பயிற்சி தொடரை நடத்தி வருகிறோம், மேலும் தகவலுக்கு மற்றும் எங்களுடன் சேர Learn with AI Series செப் 18 - 30, 2025 வரை. GitHub Copilot ஐ Data Science க்காக எவ்வாறு பயன்படுத்துவது என்ற ஆலோசனைகள் மற்றும் டிப்ஸ்களை பெறுவீர்கள்.

ஆரம்பநிலை முதன்மைக் கற்றல் - ஒரு பாடத்திட்டம்

🌍 உலக கலாச்சாரங்கள் வழியாக இயந்திர கற்றலை ஆராய்வதற்கான உலகப் பயணம் 🌍

Microsoft இல் Cloud Advocates 12 வாரங்கள், 26 பாடங்கள் கொண்ட இயந்திர கற்றல் பற்றிய பாடத்திட்டத்தை வழங்கி மகிழ்ச்சி அடைகிறது. இதில், நீங்கள் பொதுவாக பாரம்பரிய இயந்திர கற்றல் என்று அழைக்கப்படும் Scikit-learn நூலகத்தை பயன்படுத்தி, ஆழமான கற்றலை தவிர்த்து, இது எங்களது கூடுதல் AI for Beginners' பாடத்திட்டத்தில் கையெழுத்தாக்கப்பட்டுள்ளது. இந்தப் பாடத்திட்டத்தை எங்கள் 'Data Science for Beginners' பாடத்திட்டத்துடன் இணைத்து பயிலவும்.

உலகம் முழுவதும் உள்ள தரவுகளை பயன்படுத்தி, இந்த பாரம்பரிய முறைகளை செயல்படுத்தும் போது எங்களுடன் பயணம் செய்யுங்கள். ஒவ்வொரு பாடத்திலும் முன்கூட்டிய மற்றும் பின்கூட்டிய குயிஸ், எழுத்து வழிகாட்டிகள், தீர்வு, பணிகள், மற்றும் வேறு பல உள்ளன. எங்கள் திட்ட அடிப்படையிலான கற்றல் முறைகள், நீங்கள் உருவாக்கும் போது கற்றுக்கொள்ள உதவுகின்றன, இது புதிய திறன்கள் நன்கு நிலைநிறுத்த உதவும்.

✍️ எங்கள் ஆசிரியர்களுக்கு நன்றிகள் Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu மற்றும் Amy Boyd

🎨 எங்கள் விளக்கப்படங்களை உருவாக்கியவர்க்கு நன்றிகள் Tomomi Imura, Dasani Madipalli மற்றும் Jen Looper

🙏 சிறப்பு நன்றி 🙏 Microsoft மாணவர் தூதர்கள் ஆசிரியர்கள், மதிப்பீட்டாளர்கள் மற்றும் உள்ளடக்க பங்களிப்பாளர்களுக்கு, குறிப்பாக Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila மற்றும் Snigdha Agarwal

🤩 மேலும் Microsoft மாணவர் தூதர்கள் Eric Wanjau, Jasleen Sondhi மற்றும் Vidushi Gupta க்கு R பாடங்களுக்கான நன்றி!

தொடக்கம்

இந்த படிகளைக் கடைபிடிக்கவும்:

1. காப்பகத்தை Fork செய்யவும்: இந்தப் பக்கம் மேல்தோறும் இடது பகுதியில் உள்ள "Fork" பொத்தானை அழுத்தவும்.
2. காப்பகத்தை Clone செய்யவும்: git clone https://github.com/microsoft/ML-For-Beginners.git

இந்த பாடத்திட்டத்துக்கான மேலதிக வளங்களை எங்கள் Microsoft கற்றல் சேகரத்தில் காண்க

🔧 உதவி தேவை வசதிகளுக்கு? உள்ளமைவு, சமநிலை, மற்றும் பாடங்களை இயக்குவதற்கு பொதுவான பிரச்சினைகளுக்கு தெரிய வண்டிய வழிகாட்டி ஐப் பார்வையிடவும்.

மாணவர்கள், இந்த பாடத்திட்டத்தைப் பயன்படுத்த, முழு ரெப்போவை உங்கள் தனிப்பட்ட GitHub கணக்குக்கு fork செய்து, தனியாக அல்லது குழுவாக பயிற்சிகளை நிறைவேற்றவும்:

• முன்-வகுப்பு குயிசிலிருந்து தொடங்கவும்.
• வகுப்பைக் கவனமாக படித்து, செயல்களுக்கு நின்று சிந்திக்கவும்.
• பாடங்களை புரிந்து கொண்டு, தீர்வு குறியீட்டைக் இயக்கும் பதிலுக்கு பதிலாக திட்டங்களை உருவாக்க முயற்சிக்கவும்; ஆனால் அந்தக் குறியீடுகள் ஒவ்வொரு திட்டவியல் பாடத்திலும் /solution கோப்புறை里 கிடைக்கின்றன.
• பின்-வகுப்பு குயிசை எடுத்துக் கொள்ளவும்.
• சவாலை நிறைவேற்றவும்.
• பணியை முடிக்கவும்.
• ஒரு பாடத்திட்டக் குழுவை முடித்த பிறகு, உரையாடல் பலகை ஐ பார்வையிட்டு, "பொலிவுடன் கற்றுக்கொள்ள" தகுந்த PAT மதிப்பீட்டு கருவியை நிரப்பவும். 'PAT' என்பது முன்னேற்ற மதிப்பீட்டு கருவி ஆகும், இது உங்கள் கற்றலை மேம்படுத்தும் ஒரு குறியீட்டீடு. மற்ற PATகளுக்கும் உங்கள் கருத்துக்களை பகிர்ந்துகொள்ளலாம்.

மேலும் படிக்க, மேற்கண்ட Microsoft Learn தொகுப்புகள் மற்றும் கற்றல் பாதைகளைப் பின்பற்ற பரிந்துரைக்கிறோம்.

ஆசிரியர்கள், எங்கள் பாடத்திட்டத்தை எவ்வாறு பயன்படுத்துவது என்பதற்கான சில பரிந்துரைகளை இங்கே கோரியுள்ளோம்.

---

வீடியோ நடைமுறை

சில பாடங்கள் குறுகிய வடிவ வீடியோவில் கிடைக்கின்றன. இவை அனைத்தையும் பாடங்களில் நேரடியாக பார்க்கலாம் அல்லது Microsoft Developer YouTube சேனலில் ML for Beginners பட்டியலில் கீழே உள்ள படத்தை கிளிக் செய்து கண்டு கொள்ளலாம்.

---

குழுவை சந்திக்கவும்

Gif உருவாக்கியவர் Mohit Jaisal

🎥 மேலே படத்தைத் தட்டவும், திட்டம் மற்றும் அந்த திட்டத்தை உருவாக்கிய நபர்களைப் பற்றிய வீடியோவைக் காண!

---

கல்வி முறைகள்

இந்த பாடத்திட்டத்தை உருவாக்கும்போது இரண்டு கல்வி நெறிமுறைகளை தேர்ந்தெடுத்துள்ளோம்: இது தயாரிப்பு சார்ந்த திட்ட அடிப்படையிலான மற்றும் அதில் பல குயிச்களும் அடிக்கப்பட்டுள்ளது என்பதை உறுதிசெய்தல். மேலும், இந்த பாடத்திட்டத்திற்கு பொதுவான ஒரு தீம் உள்ளது.

உள்ளடக்கம் திட்டங்களுக்கு உகந்ததாக இருக்கும் என்பதில் உறுதியளிப்பதால் மாணவர்களுக்கு இந்தப் பயிற்சி மேலும் ஈடுபடுத்தக்கூடியதாகவும், கருத்துகளின் நிலைத்தன்மை அதிகரிக்கும். வகுப்புக்கு முன் உள்ள குயிஸ் மாணவரின் கற்றுக்கொள்ளும் நோக்கத்தைக் குறிக்கிறது; வகுப்புக்குப் பிறகு உள்ள மற்றொரு குயிஸ் நிலைத்தன்மையை உறுதிப்படுத்துகிறது. இந்த பாடத்திட்டம் தனிமையாக அல்லது பகுதியாக எடுக்கக் கூடிய ஆர்வமூட்டும் வடிவத்தை கொண்டது. திட்டங்கள் சிறியதாக தொடங்கி, 12 வாரங்கள் கடைசிக்குள் சிக்கலானதாக மாறுகின்றன. இயந்திர கற்றல் தொடர்பான உலகளாவிய பயன்பாடுகளின் ஒரு பின்குறிப்பும் இதில் உள்ளது, இது கூடுதல் மதிப்பெண் அல்லது விவாதத்திற்கும் உதவும்.

எங்கள் கண்காணிப்பு நெறிமுறைகள், பங்களிப்பு வழிகாட்டுதல்கள், மொழிபெயர்ப்பு, மற்றும் சிக்கல்கள் தீர்வு கையேடுகளை இங்கே கண்டறியவும். உங்கள் விளக்கமான கருத்துக்களை வரவேற்கின்றோம்!

ஒவ்வொரு பாடத்திலும் உள்ளவை

• விருப்பமான வரைபட குறிப்புகள்
• விருப்பமான கூடுதல் வீடியோ
• வீடியோ நடைமுறை (சில பாடங்கள் மட்டும்)
• முன்-வகுப்பு உஷ்ணம் குயிஸ்
• எழுத்து பாடம்
• திட்டத்திற்கான பாடங்களில், படி படியாக திட்டத்தை உருவாக்க வழிகாட்டிகள்
• அறிவு சோதனைகள்
• சவால்
• கூடுதல் வாசிப்பு
• பணிகள்
• பின்-வகுப்பு குயிஸ்

மொழிகள் குறித்த குறிப்பு: இந்தப் பாடங்கள் பெரும்பாலும் Python இல் எழுதப்பட்டவை, ஆனால் பல பாடங்கள் R மொழியிலும் கிடைக்கின்றன. R பாடத்தை முடிக்க, /solution கோப்புறையிலிருந்து R பாடங்களைத் தேடுங்கள். அவற்றிற்கு .rmd நீட்சிகள் உள்ளன, இது ஒரு R Markdown கோப்பாகும், இது code chunks (R அல்லது பிற மொழிகள்) மற்றும் YAML header (PDF போன்ற வடிவங்களை உண்டாக்க வழிகாட்டுகிறது) கொண்ட ஒரு Markdown உருவாக்க முறையாகும். இதன் மூலம் உங்கள் குறியீடு, அதன் வெளியீடு மற்றும் உங்கள் யோசனைகளை Markdown வடிவத்தில் எழுத முடியும். மேலும், R Markdown ஆவணங்களை PDF, HTML அல்லது Word போன்ற வடிவங்களில் உருவாக்கலாம். க்விஸ்கள் பற்றி ஒரு குறிப்பு: அனைத்து க்விஸ்களும் Quiz App folder இல் உள்ளன, ஒவ்வொன்றிலும் மூன்று கேள்விகளுடன் 52 மொத்த க்விஸ்கள் உள்ளன. அவை பாடத்தின் உள்ளே இணைக்கப்பட்டுள்ளன, ஆனால் க்விஸ் செயலியை உள்ளூர் முறையில் இயக்கலாம்; உள்ளூரில் ஹோஸ்ட் செய்ய அல்லது Azure இல் பரப்பும் வழிமுறையை quiz-app அடைவிலுள்ள அறிவுறுத்தல்களின் பேரில் பின்பற்றவும்.

பாடம் எண்	தலைப்பு	பாடக் குழு	கற்றல் நோக்கங்கள்	இணைக்கப்பட்ட பாடம்	ஆசிரியர்
01	இயந்திரக் கற்றல் அறிமுகம்	Introduction	இயந்திரக் கற்றலின் அடிப்படை கருத்துக்களை கற்றுக்கொள்ளவும்	பாடம்	முகம்மது
02	இயந்திரக் கற்றலின் வரலாறு	Introduction	இந்த துறையின் பின்னணியிலான வரலாரை கற்றுக்கொள்ளவும்	பாடம்	ஜென் மற்றும் ஏமி
03	நியாயத்தன்மை மற்றும் இயந்திரக் கற்றல்	Introduction	இயந்திரக் கற்றல் மாதிரிகளை உருவாக்கி செயல்படுத்தும் போது மாணவர்கள் பரிசீலிக்கவேண்டிய முக்கிய தத்துவப் பிரச்சினைகள் என்னவாக இருக்கின்றன?	பாடம்	தொமொமி
04	இயந்திரக் கற்றல் தொழில்நுட்பங்கள்	Introduction	இயந்திரக் கற்றல் மாதிரிகளை உருவாக்கக் ஆராய்ச்சியாளர்கள் பயன்படுத்தும் தொழில்நுட்பங்கள் என்ன?	பாடம்	கிரிஸ் மற்றும் ஜென்
05	சராசரி முன்னறிக்கை அறிமுகம்	Regression	பைதான் மற்றும் ஸ்கிக்கிட்-லர்ன் பயன்படுத்தி சராசரி முன்னறிக்கை மாதிரிகளை தொடங்குங்கள்	Python • R	ஜென் • எரிக் வன்ஜாவ்
06	வட அமெரிக்க பரங்கிப்பொதனள விலை 🎃	Regression	இயந்திரக் கற்றலுக்கான தரவை காட்சிப்படுத்தி சுத்திகரிக்கவும்	Python • R	ஜென் • எரிக் வன்ஜாவ்
07	வட அமெரிக்க பரங்கிப்பொதனள விலை 🎃	Regression	கோட்படுத்தப்பட்ட மற்றும் பலவகை சராசரி முன்னறிக்கை மாதிரிகளை உருவாக்கவும்	Python • R	ஜென் மற்றும் திமித்ரி • எரிக் வன்ஜாவ்
08	வட அமெரிக்க பரங்கிப்பொதனள விலை 🎃	Regression	லாஜிஸ்டிக் சராசரி முன்னறிக்கை மாதிரியை உருவாக்கவும்	Python • R	ஜென் • எரிக் வன்ஜாவ்
09	ஒரு வலை பயன்பாடு 🔌	Web App	உங்கள் பயிற்சி பெற்ற மாதிரியை பயன்படுத்த ஒரு வலை பயன்பாட்டை உருவாக்கவும்	Python	ஜென்
10	வகைப்படுத்தலுக்கு அறிமுகம்	Classification	தரவினை சுத்திகரித்து, தயார் செய்து காட்சிப்படுத்தவும்; வகைப்படுத்தலுக்கு அறிமுகம்	Python • R	ஜென் மற்றும் கேசி • எரிக் வன்ஜாவ்
11	சுவையான ஆசிய மற்றும் இந்திய உணவுப் பாரம்பரியங்கள் 🍜	Classification	வகைப்படுத்தலுக்கான அறிமுகம்	Python • R	ஜென் மற்றும் கேசி • எரிக் வன்ஜாவ்
12	சுவையான ஆசிய மற்றும் இந்திய உணவுப் பாரம்பரியங்கள் 🍜	Classification	கூடுதலான வகைப்படுத்திகள்	Python • R	ஜென் மற்றும் கேசி • எரிக் வன்ஜாவ்
13	சுவையான ஆசிய மற்றும் இந்திய உணவுப் பாரம்பரியங்கள் 🍜	Classification	உங்கள் மாதிரியை பயன்படுத்தி பரிந்துரை செய்யும் வலை பயன்பாட்டை உருவாக்கவும்	Python	ஜென்
14	குழுக்களுக்கான அறிமுகம்	Clustering	தரவினை சுத்திகரித்து, தயார் செய்து காட்சிப்படுத்து; குழுக்களுக்கான அறிமுகம்	Python • R	ஜென் • எரிக் வன்ஜாவ்
15	நைஜீரிய இசை விருப்பங்களை ஆராயல் 🎧	Clustering	K-Means குழுக்கள முறையை ஆராயவும்	Python • R	ஜென் • எரிக் வன்ஜாவ்
16	இயற்கை மொழி செயலாக்கத்திற்கு அறிமுகம் ☕️	Natural language processing	எளிய பாட்டை உருவாக்கி இயற்கை மொழி செயலாக்கத்தின் அடிப்படைகளை கற்றுக்கொள்ளவும்	Python	ஸ்டீபன்
17	பொதுவான NLP பணிகள் ☕️	Natural language processing	மொழிமுறை அமைப்புகளை கையாளும் போது தேவைப்படும் பொதுவான பணிகளைக் கொண்டு உங்கள் NLP அறிவை ஆழமாகப் புரிந்துகொள்ளவும்	Python	ஸ்டீபன்
18	மொழிபெயர்ப்பு மற்றும் உணர்வு பகுப்பாய்வு ♥️	Natural language processing	ஜெய்ன் ஆச்டன் உடன் மொழிபெயர்ப்பு மற்றும் உணர்வு பகுப்பாய்வு	Python	ஸ்டீபன்
19	ஐரோப்பிய காதலிடும் ஹோட்டல்கள் ♥️	Natural language processing	ஹோட்டல் விமர்சனங்களுடன் உணர்வு பகுப்பாய்வு 1	Python	ஸ்டீபன்
20	ஐரோப்பிய காதலிடும் ஹோட்டல்கள் ♥️	Natural language processing	ஹோட்டல் விமர்சனங்களுடன் உணர்வு பகுப்பாய்வு 2	Python	ஸ்டீபன்
21	கால தொடர் முன்கூட்டிப் புலனாய்வுக்கு அறிமுகம்	Time series	கால தொடர்முன்கூட்டுச் செயல்முறைக்கு அறிமுகம்	Python	பிரான்செஸ்கா
22	⚡️ உலக சக்தி பயன்பாடு ⚡️ - ARIMA உடன் கால தொடர் முன்கூட்டிப்பு	Time series	ARIMA உடன் கால தொடர் முன்கூட்டிப்பு	Python	பிரான்செஸ்கா
23	⚡️ உலக சக்தி பயன்பாடு ⚡️ - SVR உடன் கால தொடர் முன்கூட்டிப்பு	Time series	Support Vector Regressor உடன் கால தொடர் முன்கூட்டிப்பு	Python	அனிர்பன்
24	மீண்டும் வலுவூட்டும் கற்றலுக்கு அறிமுகம்	Reinforcement learning	Q-Learning உடன் மீண்டும் வலுவூட்டும் கற்றலுக்கு அறிமுகம்	Python	திமித்ரி
25	பீட்டர் ஓநாயை தவிர்க்க உதவு! 🐺	Reinforcement learning	மீண்டும் வலுவூட்டும் கற்றல் ஜிம்	Python	திமித்ரி
பின்னூட்டம்	நிஜ உலக இயந்திரக் கற்றல் நிகழ்வுகள் மற்றும் பயன்பாடுகள்	ML in the Wild	பாரம்பரிய இயந்திரக் கற்றலின் சுவாரஸ்யமான மற்றும் வெளிப்படுத்தும் உலகநிலை பயன்பாடுகள்	பாடம்	குழு
பின்னூட்டம்	RAI டாஷ்போர்டைப் பயன்படுத்தி இயந்திரக் கற்றலில் மாதிரி பிழைத்திருத்தல்	ML in the Wild	பொறுப்பான AI டாஷ்போர்ட் கூறுகளைப் பயன்படுத்தி இயந்திரக் கற்றலில் மாதிரி பிழைத்திருத்தல்	பாடம்	ரூத் யாகுபு

இந்த பாடத்திற்கான அனைத்து கூடுதல் வளங்களையும் எங்கள் Microsoft Learn சேகரிப்பில் காண்க

ஆஃப்லைன் அணுகல்

Docsify பயன்படுத்தி நீங்கள் இந்த ஆவணத்தை ஆஃப்லைனிலேயே இயக்கலாம். இந்த ரெபோக்களை ஃபோர்க் செய்து, உங்கள் உள்ளூர் கணினியில் Docsify ஐ நிறுவவும், பின்னர் இந்த ரெபோவின் துவக்க அடைவில் docsify serve என்று உள்ளிடவும். இணையதளம் உங்கள் உள்ளூர் இயந்திரத்தில் 3000 வலைத்துறை இயக்கத்தில் இருக்கும்: localhost:3000.

PDF-கள்

அடிப்படைக் குறிப்புகளின் PDF-ஐ உடன் இணைப்புடன் இங்கே காண்க.

🎒 பிற பாடத்திட்டங்கள்

எமது குழு பிற பாடங்களையும் உருவாக்குகிறது! பாருங்கள்:

LangChain

Azure / Edge / MCP / Agents

---

ஜெனரேற்றிவ் AI தொடர்

---

முக்கியக் கற்றல்

---

கோபைலட் தொடர்

உதவிக்காக அணுகல்

AI செயலிகள் விரிவாக்கத்தில் சிக்கல் ஏற்பட்டால் அல்லது ஏதேனும் கேள்விகள் இருந்தால், MCP பற்றிய விவாதங்களில் மற்ற மாணவர்களும் அனுபவம் வாய்ந்த முன்னேற்றுநர்களும் இணைந்துகொள்ளவும். கேள்விகள் கொள்ளப்படுவதற்கும் அறிவு சுதந்திரமாக பகிரப்படுவதற்கும் இது ஒரு ஆதரவான சமுதாயம் ஆகும்.

தயாரிப்பில் கருத்துக்களோ அல்லது பிழைகளோ இருந்தால்:

---

குறிப்பு:
இந்தக் கோப்புப் பதிவு Co-op Translator எனும் AI மொழிபெயர்ப்பு சேவையைப் பயன்படுத்தி மொழிபெயர்க்கப்பட்டது. எங்களின் முயற்சிகள் இல்லாமல், தானியங்கியான மொழிபெயர்ப்பு தவறுகள் அல்லது நான்கு குறைகள் இருக்க வாய்ப்பு உள்ளன என்பதை நினைவில் கொள்ளவும். அசல் ஆவணம் அதன் முதன்மை மொழியில் தான் நம்பகமான ஆதாரம் ஆகும். முக்கியமான தகவல்களுக்காக, தொழில்முறை மனிதர் மொழிபெயர்ப்பை பரிந்துரைக்கிறோம். இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் தவறான புரிதல்கள் அல்லது தவறான விளக்கங்களுக்கு எங்கள் பொறுப்பே இல்லை.