ML-For-Beginners/translations/te

🌐 బహుభాషా మద్దతు

GitHub చర్య ద్వారా మద్దతు (స్వయంచాలక మరియు ఎప్పుడూ తాజాకరణ)

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

స్థానికంగా క్లోన్ చేయడం ఇష్టం?

ఈ రిపోజిటరీ 50+ భాషా అనువాదాలను కలిగి ఉంది, ఇది డౌన్లోడ్ పరిమాణాన్ని ప్రముఖంగా పెంచుతుంది. అనువాదాలు లేకుండా క్లోన్ చేయడానికి, స్పార్స్ చెక్అవుట్ ఉపయోగించండి:

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'

ఇది కోర్సును పూర్తిచేయడానికి కావలసిన అన్ని వస్తువులను చాలా వేగంగా డౌన్లోడ్ చేసే అవకాశాన్ని ఇస్తుంది.

మా సమూహంలో చేరండి

మేము ఒక Discordలో AI తో నేర్చుకునే సిరీస్ నిర్వహిస్తున్నాము, మరింత తెలుసుకోండి మరియు Learn with AI Series వద్ద 2025 సెప్టెంబర్ 18 నుండి 30 వరకు చేరండి. మీరు డేటా సైన్స్ కోసం GitHub Copilot ఉపయోగించే చిట్కాలు మరియు సూత్రాలను గ్రహించవచ్చు.

మొదటి సారిగా మెషిన్ లెర్నింగ్ - ఒక పాఠ్యపుస్తకం

🌍 ప్రపంచ సంవృత్తుల ద్వారా మెషిన్ లెర్నింగ్‌ను అన్వేషిస్తూ ప్రపంచం చుట్టూ ప్రయాణించండి 🌍

Microsoftలోని క్లౌడ్ అడ్వొకేట్లు మెషిన్ లెర్నింగ్ గురించి 12 వారాల, 26 పాఠాల ఒక సంపూర్ణ అధ్యయన పాఠ్యక్రమాన్ని అందించడానికి సంతోషిస్తున్నాము. ఈ పాఠ్యక్రమంలో, మీరు తరచుగా "క్లాసిక్ మెషిన్ లెర్నింగ్" అని పిలవబడే విషయాలను, ప్రధానంగా Scikit-learn లైబ్రరీగా ఉపయోగించి మరియు డీప్ లెర్నింగ్‌ను దాటిచూపకుండా (మా AI for Beginners' curriculumలో అందించబడింది) నేర్చుకుంటారు. ఈ పాఠాలను మా 'Data Science for Beginners' curriculum తో కూడ కలిపి చూడండి.

మనం ఈ క్లాసిక్ సాంకేతికతలను ప్రపంచంలోని వివిధ ప్రాంతాల డేటాపై అన్వయిస్తూ ప్రపంచం చుట్టూ ప్రయాణిద్దాం. ప్రతి పాఠం ముందు మరియు తర్వాత క్విజ్‌లు, పాఠాన్ని పూర్తి చేయడానికి వ్రాత సరళీకరణ, ఒక పరిష్కారం, ఒక అసైన్మెంట్ మరియు ఇంకా చాలా ఉంటాయి. మా ప్రాజెక్ట్-ఆధారిత పాఠ్య విధానం మీరు నిర్మిస్తూ నేర్చుకునే అవకాశాన్ని ఇస్తుంది, ఇది కొత్త నైపుణ్యాలు మట్టడంలో నిర్ధారిత మార్గం.

✍️ మా రచయితలకు హృదయపూర్వక ధన్యవాదాలు జెన్ లూపర్, స్టీఫన్ హావెల్, ఫ్రాన్సెస్‌కా లాజెరి, టోమోమీ ఇమురా, క్యాస్‌శీ బ్రేవియూ, ద్మిత్రి సోష్నీకొవ్, క్రిస్ నరింగ్, అనిర్బాన్ ముఖర్జీ, ఒర్నెల్లా అల్టున్యాన్, రూత్ యాకుబు మరియు ఎమీ బాయిడ్

🎨 మా చిత్రం చిత్రకారులకు కూడా ధన్యవాదాలు టోమోమీ ఇమురా, దాసాని మడిపల్లి, మరియు జెన్ లూపర్

🙏 Microsoft స్టూడెంట్ అంబాసిడర్ రచయితలు, సమీక్షకులు, మరియు కంటెంట్ సహకారులకు ప్రత్యేక ధన్యవాదాలు, ముఖ్యంగా రిషిట్ దాగ్లీ, ముహమ్మద్ సకిబ్ ఖాన్ ఇనాన్, రోహన్ రాజ్, అలెగ్జాండ్రూ పెట్రేస్కు, అభిషేక్ జైస్వాల్, న‌వ్రీన్ టబాస్సుమ్, ఇోయాన్ సముయిల, మరియు స్నిగ్ధ అగర్వాల్

🤩 మైక్రోసాఫ్ట్ స్టూడెంట్ అంబాసిడర్స్ ఏరిక్ వాంజావ్, జస్లీన్ సోంధి మరియు విదుషి గుప్తా మా R పాఠాల కోసం అదనపు కృతజ్ఞతలు!

ప్రారంభించడం

ఈ దశలను అనుసరించండి:

1. రిపోజిటరీని ఫోర్క్ చేయండి: ఈ పేజీ ఎడమ పక్కకు ఉన్న "Fork" బటన్ క్లిక్ చేయండి.
2. రిపోజిటరీని క్లోన్ చేయండి: git clone https://github.com/microsoft/ML-For-Beginners.git

ఈ కోర్సుకు సంబంధించిన అన్ని అదనపు వనరులను మా Microsoft Learn సేకరణలో కనుగొనండి

🔧 సహాయం కావాలా? స్థాపన, వ్యవస్థీకరణ, మరియు పాఠాలు నడుపుట విషయంలో సాధారణ సమస్యలకు పరిష్కారాల కోసం మా Troubleshooting Guide ను చూస్తే మెరుగైనదే.

విద్యార్థులు, ఈ పాఠ్యక్రమాన్ని ఉపయోగించడానికి, మొత్తం రిపోను మీ స్వంత GitHub ఖాతాకు ఫోర్క్ చేసి, వ్యక్తిగతంగానో గుంపుగా చర్యలని పూర్తి చేయండి:

• పాఠమునుపటి క్విజ్ తో ప్రారంభించండి.
• పాఠం చదివి, ప్రతి జ్ఞాన తనిఖీ వద్ద ఆగి ఆలోచిస్తూ చర్యలు పూర్తి చేయండి.
• పాఠాలను అర్థం చేసుకొని ప్రాజెక్టులు సృష్టించాలని ప్రాముఖ్యత ఇవ్వండి; అయినప్పటికీ, ఆ కోడ్ ప్రతి ప్రాజెక్ట్-కేంద్రీయ పాఠంలో /solution ఫోల్డర్‌లో అందుబాటులో ఉంటుంది.
• పాఠానంతర క్విజ్ తీసుకోండి.
• చాలెంజిని పూర్తి చేయండి.
• అసైన్మెంట్ పూర్తి చేయండి.
• పాఠం సమూహం పూర్తయ్యాక, Discussion Board ను సందర్శించి, మీ అభ్యసనాన్ని పటిష్టంగా చూపించేందుకు సంబంధిత PAT రుబ్రిక్ ని భర్తీ చేయండి. PAT అంటే ప్రోగ్రెస్ అసెస్‌మెంట్ టూల్, ఇది నేర్చుకోవడంలో మీ పురోగతిని సూచించే రుబ్రిక్. మీరు ఇతర PAT లపై స్పందించి మనం కలిసి నేర్చుకోవచ్చు.

మరింత అభ్యసనానికి, ఈ Microsoft Learn మాడ్యూల్‌లు మరియు అభ్యసన మార్గాలను అనుసరించాలని సలహా ఇస్తున్నాము.

గురువులు, ఈ పాఠ్యక్రమాన్ని ఎలా ఉపయోగించాలో ఆలోచనలు కొన్ని ఇక్కడ ఉన్నాయి.

---

వీడియో నడుపుటలు

కొన్ని పాఠాలు సంక్షిప్త వీడియోలుగా అందుబాటులో ఉన్నాయి. మీరు ఈ వీడియోలను పాఠాల్లోనే లేదా ML for Beginners ప్లేలిస్ట్ Microsoft Developer YouTube ఛానెల్ లో క్రింద ఇవ్వబడ్డ చిత్రం క్లిక్ చేయడం ద్వారా చూడవచ్చు.

---

బృందాన్ని పరిచయం

Gif సృష్టికర్త Mohit Jaisal

🎥 ప్రాజెక్ట్ మరియు దాన్ని సృష్టించిన వారిని గురించి వీడియో కోసం పై చిత్రాన్ని క్లిక్ చేయండి!

---

పాఠ్య విధానం

మేము ఈ పాఠ్యక్రమంను రూపొందించేప్పుడు రెండు విద్యా సూత్రాలను ఎంచుకున్నాం: ఇది చేతులతో చేయగల ప్రాజెక్ట్-ఆధారితం కావాలి మరియు దీంట్లో తనిఖీలు చాలాసార్లు ఉండాలి. అదనంగా, ఈ పాఠ్యక్రమానికి ఒక సాధారణ థీమ్ ఉందని నిర్ధారించాం.

విషయాలను ప్రాజెక్టులకు అనుసంధానించడం వలన విద్యార్థులకు ఆసక్తి పెరుగుతుంది మరియు భావనల మరపక తగ్గుతుంది. తరగతి మొదట్లో తక్కువ ఒత్తిడి ఉన్న క్విజ్ విద్యార్థి యొక్క అభ్యసన లక్ష్యాన్ని పెంచుతుంది, తరగతి అనంతరం రెండవ క్విజ్ మరింత జ్ఞాపకం పెంచుతుంది. ఈ పాఠ్యక్రమం సులభంగా అనుసరించదగ్గదిగా, మజాలో ఉండే విధంగా రూపొందించబడింది. 12 వారాల చక్ర ముగింపు వరకు ప్రాజెక్టులు చిన్నవి నుండి పెద్దవి అవుతాయి. ఈ పాఠ్యక్రమంలో ఒక ML యొక్క వాస్తవ ప్రపంచ వినియోగాల మీద ఒక పోస్ట్‌స్క్రిప్ట్ కూడా ఉంది, ఇది అదనపు క్రెడిట్ లేదా చర్చ ఆధారం కావచ్చు.

మా Code of Conduct, Contributing, Translation, మరియు Troubleshooting మార్గనిర్దేశకాలను చూడండి. మీ అభిప్రాయాన్ని స్వాగతిస్తున్నాము!

ప్రతి పాఠంలో ఉండేది

• ఐచ్ఛిక స్కెచ్‌నోట్
• ఐచ్ఛిక సహాయక వీడియో
• వీడియో నడుపుట (కొన్ని పాఠాలు మాత్రమే)
• పాఠమునుపటి వార్మ్-అప్ క్విజ్
• వ్రాత పాఠం
• ప్రాజెక్ట్-ఆధారిత పాఠాల కోసం, ప్రాజెక్టు నిర్మాణం పై దశలవారీ మార్గదర్శకాలు
• జ్ఞాన తనిఖీలు
• ఒక చాలెంజ్
• సహాయక పఠనం
• అసైన్మెంట్
• పాఠానంతర క్విజ్

భాషల గురించి వ్యాఖ్య: ఈ పాఠాలు ప్రధానంగా Python లో వ్రాసినవి, కానీ అనేక వాటి R లో కూడా ఉన్నాయి. R పాఠం పూర్తి చేయడానికి, /solution ఫోల్డర్ లోని R పాఠాలను చూడండి. అవి .rmd పొడిగింపు కలవు, ఇది R Markdown ఫైల్‌కి చెందినది, అంటే ఇది code chunks (R లేదా ఇతర భాషలలో) మరియు YAML header (PDF వంటి ఫలితాల ఆకృతీకరణకి మార్గదర్శకం) ను మార్క్డౌన్ డాక్యుమెంట్‌లో ఉన్నట్టుగా ఒక స్నేహపూర్వక రచనా ఫ్రేమ్‌వర్క్. డేటా సైన్స్ లో ఇది మీ కోడ్, దాని అవుట్‌పుట్ మరియు మీ ఆలోచనలని మార్క్డౌన్‌లో వ్రాయడానికి ఒక ఉత్తమ మార్గం. ఇంకా, R Markdown డాక్యుమెంట్‌లు PDF, HTML, లేదా Word వంటి అవుట్‌పుట్ ఫార్మాట్స్‌కి మార్చవచ్చు. క్విజ్‌ల గురించి ఒక గమనిక: అన్ని క్విజ్‌లు Quiz App ఫోల్‌డర్లో ఉన్నాయి, ప్రతి ఒక్కటి మూడు ప్రశ్నలతో కూడిన మొత్తం 52 క్విజ్‌లు. అవి పాఠాల మధ్య లింకై ఉంటాయి కానీ క్విజ్ యాప్‌ను స్థానికంగా నడపవచ్చు; quiz-app ఫోల్‌డర్‌లోని సూచనను అనుసరించి స్థానికంగా హోస్ట్ చేయండి లేదా Azureకి మోర్పించండి.

పాఠం సంఖ్య	విషయం	పాఠ సమూహం	అభ్యసన లక్ష్యాలు	లింకు పెట్టబడిన పాఠం	రచయిత
01	యంత్ర అధ్యయనానికి పరిచయం	Introduction	యంత్ర అధ్యయనం స్థానిక భావనలను నేర్చుకోండి	పాఠం	ముహమ్మద్
02	యంత్ర అధ్యయన చరిత్ర	Introduction	ఈ రంగం వెనుక చరిత్రను తెలుసుకోండి	పాఠం	జెన్ మరియు ఎమీ
03	న్యాయం మరియు యంత్ర అధ్యయనం	Introduction	యంత్ర మోడళ్లను నిర్మించేటప్పుడు మరియు వర్తింపజెయేటప్పుడు విద్యార్థులు పరిగణలోకి తీసుకోవలసిన న్యాయానికి సంబంధించిన ముఖ్య తత్త్వ అంశాలు ఏమిటి?	పాఠం	టోమోమి
04	యంత్ర అధ్యయన సాంకేతికతలు	Introduction	యంత్ర మోడళ్లను నిర్మించడానికి యంత్ర అధ్యయనం పరిశోధకులు ఉపయోగించే సాంకేతికతలు ఏమిటి?	పాఠం	క్రిస్ మరియు జెన్
05	రిగ్రెషన్‌కు పరిచయం	Regression	రిగ్రెషన్ మోడళ్ల కోసం Python మరియు Scikit-learn ఉపయోగించి ప్రారంభించండి	Python • R	జెన్ • ఎరిక్ వాంజౌ
06	ఉత్తర అమెరికన్ పంకిన్ ధరలు 🎃	Regression	యంత్ర అధ్యయనానికి నిజమైన డేటా స్రవంతులను చూపించండి మరియు శుభ్రపరచండి	Python • R	జెన్ • ఎరిక్ వాంజౌ
07	ఉత్తర అమెరికన్ పంకిన్ ధరలు 🎃	Regression	లీనియర్ మరియు పాలినామియల్ రిగ్రెషన్ మోడళ్లను నిర్మించండి	Python • R	జెన్ మరియు డిమిత్రి • ఎరిక్ వాంజౌ
08	ఉత్తర అమెరికన్ పంకిన్ ధరలు 🎃	Regression	ఒక లాజిస్టిక్ రిగ్రెషన్ మోడల్‌ను నిర్మించండి	Python • R	జెన్ • ఎరిక్ వాంజౌ
09	ఒక వెబ్ యాప్ 🔌	Web App	మీ శిక్షణ పొందిన మోడల్ ఉపయోగించడానికి ఒక వెబ్ యాప్ రూపొందించండి	Python	జెన్
10	వర్గీకరణకు పరిచయం	Classification	మీ డేటాను శుభ్రపరచండి, సిద్ధం చేయండి, మరియు దృశ్యీకరించండి; వర్గీకరణకు పరిచయం	Python • R	జెన్ మరియు క్యాసీ • ఎరిక్ వాంజౌ
11	రుచికరమైన ఆసియా మరియు భారతీయ వంటకాలు 🍜	Classification	వర్గీకరణ కర్తల పరిచయం	Python • R	జెన్ మరియు క్యాసీ • ఎరిక్ వాంజౌ
12	రుచికరమైన ఆసియా మరియు భారతీయ వంటకాలు 🍜	Classification	మరిన్ని వర్గీకరణ కర్తల	Python • R	జెన్ మరియు క్యాసీ • ఎరిక్ వాంజౌ
13	రుచికరమైన ఆసియా మరియు భారతీయ వంటకాలు 🍜	Classification	మీ మోడల్ ఉపయోగించి ఒక సిఫారసు చేసే వెబ్ యాప్‌ను నిర్మించండి	Python	జెన్
14	క్లస్టరింగ్‌కు పరిచయం	Clustering	మీ డేటాను శుభ్రపరచండి, సిద్ధం చేయండి, మరియు దృశ్యీకరించండి; క్లస్టరింగ్‌కు పరిచయం	Python • R	జెన్ • ఎరిక్ వాంజౌ
15	నైజీరియన్ సంగీత రుచులను అన్వేషణ చేయడం 🎧	Clustering	K-Mీన్స్ క్లస్టరింగ్ పద్ధతిని అన్వేషించండి	Python • R	జెన్ • ఎరిక్ వాంజౌ
16	సహజ భాష ప్రాసెసింగ్‌కు పరిచయం ☕️	Natural language processing	ఒక సాధారణ బాట్ నిర్మించడం ద్వారా NLP గురించి ప్రాథమిక విషయాలను తెలుసుకోండి	Python	స్టీఫెన్
17	సాధారణ NLP పనులు ☕️	Natural language processing	భాషా సూత్రాలతో పని చేయేటప్పుడు అవసరమైన సాధారణ పనులను అర్థం చేసుకోవడంతో మీ NLP జ్ఞానాన్ని లోతుగా చేయండి	Python	స్టీఫెన్
18	అనువాదం మరియు భావ విశ్లేషణ ♥️	Natural language processing	జేన్ ఆస్టెన్‌తో అనువాదం మరియు భావ విశ్లేషణ	Python	స్టీఫెన్
19	యూరోప్‌లో రొమాంటిక్ హోటళ్ళు ♥️	Natural language processing	హోటల్ సమీక్షలతో భావ విశ్లేషణ 1	Python	స్టీఫెన్
20	యూరోప్‌లో రొమాంటిక్ హోటళ్ళు ♥️	Natural language processing	హోటల్ సమీక్షలతో భావ విశ్లేషణ 2	Python	స్టీఫెన్
21	టైం సిరీస్ ఫోర్కాస్టింగ్‌కు పరిచయం	Time series	టైం సిరీస్ ఫోర్కాస్టింగ్‌కు పరిచయం	Python	ఫ్రాన్సెస్కా
22	⚡️ ప్రపంచ శక్తి వినియోగం ⚡️ - ARIMAతో టైం సిరీస్ ఫోర్కాస్టింగ్	Time series	ARIMAతో టైం సిరీస్ ఫోర్కాస్టింగ్	Python	ఫ్రాన్సెస్కా
23	⚡️ ప్రపంచ శక్తి వినియోగం ⚡️ - SVRతో టైం సిరీస్ ఫోర్కాస్టింగ్	Time series	సపోర్ట్ వెక్టర్ రిగ్రెసర్‌తో టైం సిరీస్ ఫోర్కాస్టింగ్	Python	అనిర్బాన్
24	రీయిన్ఫోర్స్‌మెంట learningకి పరిచయం	Reinforcement learning	Q-Learningతో రీయిన్ఫోర్స్‌మెంట learningకి పరిచయం	Python	డిమిత్రి
25	పీటర్‌ను నక్క నుండి రక్షించండి! 🐺	Reinforcement learning	రీయిన్ఫోర్స్‌మెంట learning జిమ్	Python	డిమిత్రి
పోస్ట్‌స్క్రిప్ట్	వాస్తవ ప్రపంచ ML పరిస్థితులు మరియు అనువర్తనాలు	ML in the Wild	క్లాసికల్ ML యొక్క ఆసక్తికరమైన మరియు వెలుగుల్లో వాస్తవ ప్రపంచ అనువర్తనాలు	పాఠం	జట్టు
పోస్ట్‌స్క్రిప్ట్	RAI డాష్‌బోర్డ్ ఉపయోగించి MLలో మోడల్ డీబగ్గింగ్	ML in the Wild	జవాబుదారీ AI డాష్‌బోర్డ్ భాగాలతో మెషీన్ లెర్నింగ్‌లో మోడల్ డీబగ్గింగ్	పాఠం	రూత్ యకుబు

ఈ కోర్సు కోసం అన్ని అదనపు వనరులను మా Microsoft Learn సేకరణలో కనుగొనండి

ఆఫ్‌లైన్ యాక్సెస్

మీరు ఈ డాక్యుమెంటేషన్‌ను ఆఫ్‌లైన్‌లో Docsify ఉపయోగించి నడపవచ్చు. ఈ రిపోను ఫోర్క్ చేసి, మీ స్థానిక యంత్రంలో Docsifyని ఇన్‌స్టాల్ చేయండి, ఆపై ఈ రిపో యొక్క రూట్ ఫోల్డర్లో docsify serve టైప్ చేయండి. వెబ్‌సైట్ మీ స్థానికహోస్ట్లో పోర్ట్ 3000 పై సర్వ్ అవుతుంది: localhost:3000.

PDFలు

లింకులతో కూడిన పాఠ్యపథక PDFను ఇక్కడ కనుగొనండి.

🎒 ఇతర కోర్సులు

మా జట్టు ఇతర కోర్సులు ఉత్పత్తి చేస్తుంది! చూడండి:

LangChain

Azure / Edge / MCP / Agents

---

Generative AI Series

---

ప్రధాన అధ్యయనం

---

కోపైలట్ సిరీస్

సహాయం పొందడం

మీరు ఇబ్బంది పడితే లేదా AI యాప్స్ నిర్మించే సమయంలో ఏవైనా ప్రశ్నలు ఉంటే. MCP గురించి Fellow learners మరియు అనుభవజ్ఞులైన డెవలపర్లు చర్చల్లో చేరండి. ఇది ప్రశ్నలకు స్వాగతం పలుకుతున్న, జ్ఞానం స్వేచ్ఛగా పంచుకునే మద్దతు సమాజం.

మీకు ఉత్పత్తి సంబంధించిన అభిప్రాయం లేదా నిర్మాణ సమయంలో లోపాలు ఉంటే సందర్శించండి:

---

డిస్క్లెయిమర్:
ఈ పత్రాన్ని AI అనువాద సేవ Co-op Translator ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నిస్తున్నా, ఆటోమేటెడ్ అనువాదాలలో పొరపాట్లు లేదా అసముచితతలు ఉండవచ్చు. పద్ధతిగా, మూల పత్రం స్థానిక భాషలోనే అధికారిక మూలంగా తీసుకోవాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం చేయించుకోవడం మేలు. ఈ అనువాదం ఉపయోగం కారణంగా ఏర్పడిన ఏవైనా అపర్ధాలు లేదా తప్పుడు అర్థం చేసుకున్నట్లయితే మేము బాధ్యులు కంకాలము కదవము.