|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "a54f98da7bbee99ddc62a9e490eef7dc",
|
|
|
"translation_date": "2025-09-29T21:41:33+00:00",
|
|
|
"source_file": "README.md",
|
|
|
"language_code": "ur"
|
|
|
}
|
|
|
-->
|
|
|
[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
|
|
|
[](http://makeapullrequest.com)
|
|
|
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/network/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)
|
|
|
|
|
|
### 🌐 کثیر زبان کی حمایت
|
|
|
|
|
|
#### GitHub ایکشن کے ذریعے دستیاب (خودکار اور ہمیشہ تازہ ترین)
|
|
|
|
|
|
[فرانسیسی](../fr/README.md) | [ہسپانوی](../es/README.md) | [جرمن](../de/README.md) | [روسی](../ru/README.md) | [عربی](../ar/README.md) | [فارسی](../fa/README.md) | [اردو](./README.md) | [چینی (سادہ)](../zh/README.md) | [چینی (روایتی، مکاؤ)](../mo/README.md) | [چینی (روایتی، ہانگ کانگ)](../hk/README.md) | [چینی (روایتی، تائیوان)](../tw/README.md) | [جاپانی](../ja/README.md) | [کوریائی](../ko/README.md) | [ہندی](../hi/README.md) | [بنگالی](../bn/README.md) | [مراٹھی](../mr/README.md) | [نیپالی](../ne/README.md) | [پنجابی (گرمکھی)](../pa/README.md) | [پرتگالی (پرتگال)](../pt/README.md) | [پرتگالی (برازیل)](../br/README.md) | [اطالوی](../it/README.md) | [پولش](../pl/README.md) | [ترکی](../tr/README.md) | [یونانی](../el/README.md) | [تھائی](../th/README.md) | [سویڈش](../sv/README.md) | [ڈینش](../da/README.md) | [نارویجین](../no/README.md) | [فنش](../fi/README.md) | [ڈچ](../nl/README.md) | [عبرانی](../he/README.md) | [ویتنامی](../vi/README.md) | [انڈونیشیائی](../id/README.md) | [ملائی](../ms/README.md) | [ٹیگالوگ (فلپائنی)](../tl/README.md) | [سواحلی](../sw/README.md) | [ہنگری](../hu/README.md) | [چیک](../cs/README.md) | [سلوواک](../sk/README.md) | [رومانیائی](../ro/README.md) | [بلغاریائی](../bg/README.md) | [سربین (سیریلک)](../sr/README.md) | [کروشین](../hr/README.md) | [سلووینیائی](../sl/README.md) | [یوکرینیائی](../uk/README.md) | [برمی (میانمار)](../my/README.md)
|
|
|
|
|
|
#### ہماری کمیونٹی میں شامل ہوں
|
|
|
|
|
|
[](https://aka.ms/ml4beginners/discord)
|
|
|
|
|
|
ہماری Discord کمیونٹی میں AI کے ساتھ سیکھنے کی سیریز جاری ہے، مزید جانیں اور ہمارے ساتھ شامل ہوں [Learn with AI Series](https://aka.ms/learnwithai/discord) 18 - 30 ستمبر، 2025 کے درمیان۔ آپ کو GitHub Copilot کو ڈیٹا سائنس کے لیے استعمال کرنے کے ٹپس اور ٹرکس ملیں گے۔
|
|
|
|
|
|
|
|
|
|
|
|
# مشین لرننگ برائے ابتدائی - ایک نصاب
|
|
|
|
|
|
> 🌍 دنیا کے مختلف ثقافتوں کے ذریعے مشین لرننگ کو دریافت کریں 🌍
|
|
|
|
|
|
Microsoft کے Cloud Advocates نے **مشین لرننگ** کے بارے میں 12 ہفتوں، 26 اسباق پر مشتمل نصاب پیش کرنے پر خوشی کا اظہار کیا ہے۔ اس نصاب میں، آپ **کلاسک مشین لرننگ** کے بارے میں سیکھیں گے، بنیادی طور پر Scikit-learn لائبریری کا استعمال کرتے ہوئے اور ڈیپ لرننگ سے گریز کرتے ہوئے، جو ہمارے [AI for Beginners' curriculum](https://aka.ms/ai4beginners) میں شامل ہے۔ ان اسباق کو ہمارے ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) کے ساتھ جوڑیں!
|
|
|
|
|
|
ہمارے ساتھ دنیا بھر کا سفر کریں کیونکہ ہم ان کلاسک تکنیکوں کو دنیا کے مختلف علاقوں کے ڈیٹا پر لاگو کرتے ہیں۔ ہر سبق میں سبق سے پہلے اور بعد کے کوئز، سبق مکمل کرنے کے لیے تحریری ہدایات، ایک حل، ایک اسائنمنٹ، اور مزید شامل ہیں۔ ہمارا پروجیکٹ پر مبنی طریقہ کار آپ کو سیکھنے کے دوران تعمیر کرنے کی اجازت دیتا ہے، جو نئے مہارتوں کو 'یاد رکھنے' کا ایک ثابت شدہ طریقہ ہے۔
|
|
|
|
|
|
**✍️ ہمارے مصنفین کا دل سے شکریہ** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu اور Amy Boyd
|
|
|
|
|
|
**🎨 ہمارے مصوروں کا بھی شکریہ** Tomomi Imura, Dasani Madipalli, اور Jen Looper
|
|
|
|
|
|
**🙏 خاص شکریہ 🙏 ہمارے Microsoft Student Ambassador مصنفین، جائزہ لینے والوں، اور مواد کے تعاون کرنے والوں کا**، خاص طور پر Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, اور Snigdha Agarwal
|
|
|
|
|
|
**🤩 اضافی شکریہ Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, اور Vidushi Gupta کو ہمارے R اسباق کے لیے!**
|
|
|
|
|
|
# شروعات کریں
|
|
|
|
|
|
ان مراحل پر عمل کریں:
|
|
|
1. **ریپوزیٹری کو فورک کریں**: اس صفحے کے اوپر دائیں کونے میں "Fork" بٹن پر کلک کریں۔
|
|
|
2. **ریپوزیٹری کو کلون کریں**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
|
|
|
|
|
|
> [اس کورس کے لیے تمام اضافی وسائل ہماری Microsoft Learn کلیکشن میں تلاش کریں](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
|
|
**[طلباء](https://aka.ms/student-page)**، اس نصاب کو استعمال کرنے کے لیے، پورے ریپو کو اپنے GitHub اکاؤنٹ میں فورک کریں اور مشقیں خود یا گروپ کے ساتھ مکمل کریں:
|
|
|
|
|
|
- سبق سے پہلے کوئز شروع کریں۔
|
|
|
- لیکچر پڑھیں اور سرگرمیاں مکمل کریں، ہر علم کی جانچ پر توقف کریں اور غور کریں۔
|
|
|
- اسباق کو سمجھ کر پروجیکٹس بنانے کی کوشش کریں بجائے اس کے کہ حل کوڈ چلائیں؛ تاہم وہ کوڈ ہر پروجیکٹ پر مبنی سبق کے `/solution` فولڈرز میں دستیاب ہے۔
|
|
|
- لیکچر کے بعد کوئز لیں۔
|
|
|
- چیلنج مکمل کریں۔
|
|
|
- اسائنمنٹ مکمل کریں۔
|
|
|
- سبق گروپ مکمل کرنے کے بعد، [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) پر جائیں اور "اونچی آواز میں سیکھیں" مناسب PAT rubric کو بھر کر۔ 'PAT' ایک Progress Assessment Tool ہے جو آپ کے سیکھنے کو مزید آگے بڑھانے کے لیے ایک rubric ہے۔ آپ دوسرے PATs پر ردعمل بھی دے سکتے ہیں تاکہ ہم مل کر سیکھ سکیں۔
|
|
|
|
|
|
> مزید مطالعہ کے لیے، ہم ان [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) ماڈیولز اور لرننگ پاتھز کی پیروی کرنے کی تجویز دیتے ہیں۔
|
|
|
|
|
|
**اساتذہ**، ہم نے اس نصاب کو استعمال کرنے کے بارے میں کچھ تجاویز [شامل کی ہیں](for-teachers.md)۔
|
|
|
|
|
|
---
|
|
|
|
|
|
## ویڈیو واک تھرو
|
|
|
|
|
|
کچھ اسباق مختصر ویڈیو کی شکل میں دستیاب ہیں۔ آپ ان سب کو اسباق میں ان لائن یا [Microsoft Developer YouTube چینل پر ML for Beginners پلے لسٹ](https://aka.ms/ml-beginners-videos) پر دیکھ سکتے ہیں، نیچے دی گئی تصویر پر کلک کریں۔
|
|
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
|
|
---
|
|
|
|
|
|
## ٹیم سے ملاقات کریں
|
|
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
|
|
**Gif by** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
|
|
> 🎥 اوپر دی گئی تصویر پر کلک کریں تاکہ پروجیکٹ اور اسے بنانے والے افراد کے بارے میں ویڈیو دیکھ سکیں!
|
|
|
|
|
|
---
|
|
|
|
|
|
## تدریسی طریقہ کار
|
|
|
|
|
|
ہم نے اس نصاب کو بناتے وقت دو تدریسی اصولوں کا انتخاب کیا ہے: یہ یقینی بنانا کہ یہ **پروجیکٹ پر مبنی** ہے اور اس میں **بار بار کوئز** شامل ہیں۔ اس کے علاوہ، اس نصاب میں ایک عام **موضوع** شامل ہے تاکہ اسے ہم آہنگ بنایا جا سکے۔
|
|
|
|
|
|
یہ یقینی بنا کر کہ مواد پروجیکٹس کے ساتھ ہم آہنگ ہے، عمل طلباء کے لیے زیادہ دلچسپ بنایا گیا ہے اور تصورات کی یادداشت کو بڑھایا جائے گا۔ اس کے علاوہ، کلاس سے پہلے ایک کم دباؤ والا کوئز طالب علم کو کسی موضوع کو سیکھنے کی طرف متوجہ کرتا ہے، جبکہ کلاس کے بعد دوسرا کوئز مزید یادداشت کو یقینی بناتا ہے۔ یہ نصاب لچکدار اور تفریحی بنایا گیا ہے اور اسے مکمل یا جزوی طور پر لیا جا سکتا ہے۔ پروجیکٹس چھوٹے سے شروع ہوتے ہیں اور 12 ہفتوں کے سائیکل کے آخر تک بتدریج پیچیدہ ہو جاتے ہیں۔ اس نصاب میں ML کے حقیقی دنیا کے اطلاقات پر ایک پوسٹ اسکرپٹ بھی شامل ہے، جسے اضافی کریڈٹ کے طور پر یا بحث کی بنیاد کے طور پر استعمال کیا جا سکتا ہے۔
|
|
|
|
|
|
> ہمارا [Code of Conduct](CODE_OF_CONDUCT.md)، [Contributing](CONTRIBUTING.md)، اور [Translation](TRANSLATIONS.md) رہنما خطوط تلاش کریں۔ ہم آپ کی تعمیری رائے کا خیر مقدم کرتے ہیں!
|
|
|
|
|
|
## ہر سبق میں شامل ہے
|
|
|
|
|
|
- اختیاری اسکیچ نوٹ
|
|
|
- اختیاری اضافی ویڈیو
|
|
|
- ویڈیو واک تھرو (کچھ اسباق میں)
|
|
|
- [سبق سے پہلے وارم اپ کوئز](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
- تحریری سبق
|
|
|
- پروجیکٹ پر مبنی اسباق کے لیے، پروجیکٹ بنانے کے لیے مرحلہ وار گائیڈز
|
|
|
- علم کی جانچ
|
|
|
- ایک چیلنج
|
|
|
- اضافی مطالعہ
|
|
|
- اسائنمنٹ
|
|
|
- [سبق کے بعد کوئز](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
|
|
> **زبانوں کے بارے میں 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 ایکسٹینشن شامل ہے جو **R Markdown** فائل کی نمائندگی کرتا ہے، جسے `code chunks` (R یا دیگر زبانوں کے) اور `YAML header` (جو آؤٹ پٹ فارمیٹس جیسے PDF کو فارمیٹ کرنے 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 تصنیفی 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۔
|
|
|
|
|
|
> **کوئز کے بارے میں نوٹ**: تمام کوئز [Quiz App folder](../../quiz-app) میں موجود ہیں، کل 52 کوئز، ہر ایک میں تین سوالات۔ یہ اسباق کے اندر سے لنک کیے گئے ہیں لیکن کوئز ایپ کو مقامی طور پر چلایا جا سکتا ہے؛ `quiz-app` فولڈر میں ہدایات پر عمل کریں تاکہ اسے مقامی طور پر ہوسٹ کریں یا Azure پر تعینات کریں۔
|
|
|
|
|
|
| سبق نمبر | موضوع | سبق گروپنگ | سیکھنے کے مقاصد | لنک شدہ سبق | مصنف |
|
|
|
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
|
| 01 | مشین لرننگ کا تعارف | [تعارف](1-Introduction/README.md) | مشین لرننگ کے بنیادی تصورات سیکھیں | [سبق](1-Introduction/1-intro-to-ML/README.md) | محمد |
|
|
|
| 02 | مشین لرننگ کی تاریخ | [تعارف](1-Introduction/README.md) | اس میدان کے پیچھے کی تاریخ سیکھیں | [سبق](1-Introduction/2-history-of-ML/README.md) | جین اور ایمی |
|
|
|
| 03 | مشین لرننگ اور انصاف | [تعارف](1-Introduction/README.md) | مشین لرننگ ماڈلز بناتے اور استعمال کرتے وقت طلباء کو انصاف کے حوالے سے کون سے اہم فلسفیانہ مسائل پر غور کرنا چاہیے؟ | [سبق](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
|
| 04 | مشین لرننگ کے طریقے | [تعارف](1-Introduction/README.md) | مشین لرننگ کے محققین ماڈلز بنانے کے لیے کون سے طریقے استعمال کرتے ہیں؟ | [سبق](1-Introduction/4-techniques-of-ML/README.md) | Chris اور Jen |
|
|
|
| 05 | ریگریشن کا تعارف | [ریگریشن](2-Regression/README.md) | ریگریشن ماڈلز کے لیے Python اور Scikit-learn کے ساتھ شروعات کریں | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
|
|
|
| 06 | شمالی امریکہ کے کدو کی قیمتیں 🎃 | [ریگریشن](2-Regression/README.md) | مشین لرننگ کے لیے ڈیٹا کو صاف کریں اور بصری طور پر تیار کریں | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
|
|
|
| 07 | شمالی امریکہ کے کدو کی قیمتیں 🎃 | [ریگریشن](2-Regression/README.md) | لکیری اور پولینومیئل ریگریشن ماڈلز بنائیں | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen اور Dmitry • Eric Wanjau |
|
|
|
| 08 | شمالی امریکہ کے کدو کی قیمتیں 🎃 | [ریگریشن](2-Regression/README.md) | لاجسٹک ریگریشن ماڈل بنائیں | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
|
|
|
| 09 | ایک ویب ایپ 🔌 | [ویب ایپ](3-Web-App/README.md) | اپنے تربیت یافتہ ماڈل کو استعمال کرنے کے لیے ایک ویب ایپ بنائیں | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
|
| 10 | درجہ بندی کا تعارف | [درجہ بندی](4-Classification/README.md) | اپنے ڈیٹا کو صاف کریں، تیار کریں، اور بصری طور پر پیش کریں؛ درجہ بندی کا تعارف | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen اور Cassie • Eric Wanjau |
|
|
|
| 11 | مزیدار ایشیائی اور بھارتی کھانے 🍜 | [درجہ بندی](4-Classification/README.md) | درجہ بندی کرنے والوں کا تعارف | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen اور Cassie • Eric Wanjau |
|
|
|
| 12 | مزیدار ایشیائی اور بھارتی کھانے 🍜 | [درجہ بندی](4-Classification/README.md) | مزید درجہ بندی کرنے والے | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen اور Cassie • Eric Wanjau |
|
|
|
| 13 | مزیدار ایشیائی اور بھارتی کھانے 🍜 | [درجہ بندی](4-Classification/README.md) | اپنے ماڈل کا استعمال کرتے ہوئے ایک سفارش کنندہ ویب ایپ بنائیں | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
|
| 14 | کلسٹرنگ کا تعارف | [کلسٹرنگ](5-Clustering/README.md) | اپنے ڈیٹا کو صاف کریں، تیار کریں، اور بصری طور پر پیش کریں؛ کلسٹرنگ کا تعارف | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
|
|
|
| 15 | نائجیریا کے موسیقی کے ذوق کی تلاش 🎧 | [کلسٹرنگ](5-Clustering/README.md) | K-Means کلسٹرنگ طریقہ کی تلاش | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
|
|
|
| 16 | قدرتی زبان کی پروسیسنگ کا تعارف ☕️ | [قدرتی زبان کی پروسیسنگ](6-NLP/README.md) | ایک سادہ بوٹ بنا کر NLP کے بنیادی اصول سیکھیں | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
|
| 17 | عام NLP کام ☕️ | [قدرتی زبان کی پروسیسنگ](6-NLP/README.md) | زبان کے ڈھانچوں سے نمٹنے کے دوران درکار عام کاموں کو سمجھ کر اپنی NLP معلومات کو گہرا کریں | [Python](6-NLP/2-Tasks/README.md) | Stephen |
|
|
|
| 18 | ترجمہ اور جذباتی تجزیہ ♥️ | [قدرتی زبان کی پروسیسنگ](6-NLP/README.md) | Jane Austen کے ساتھ ترجمہ اور جذباتی تجزیہ | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
|
|
|
| 19 | یورپ کے رومانوی ہوٹل ♥️ | [قدرتی زبان کی پروسیسنگ](6-NLP/README.md) | ہوٹل کے جائزوں کے ساتھ جذباتی تجزیہ 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
|
|
|
| 20 | یورپ کے رومانوی ہوٹل ♥️ | [قدرتی زبان کی پروسیسنگ](6-NLP/README.md) | ہوٹل کے جائزوں کے ساتھ جذباتی تجزیہ 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
|
|
|
| 21 | وقت کے سلسلے کی پیشن گوئی کا تعارف | [وقت کے سلسلے](7-TimeSeries/README.md) | وقت کے سلسلے کی پیشن گوئی کا تعارف | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
|
|
|
| 22 | ⚡️ دنیا کی بجلی کا استعمال ⚡️ - ARIMA کے ساتھ وقت کے سلسلے کی پیشن گوئی | [وقت کے سلسلے](7-TimeSeries/README.md) | ARIMA کے ساتھ وقت کے سلسلے کی پیشن گوئی | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
|
| 23 | ⚡️ دنیا کی بجلی کا استعمال ⚡️ - SVR کے ساتھ وقت کے سلسلے کی پیشن گوئی | [وقت کے سلسلے](7-TimeSeries/README.md) | سپورٹ ویکٹر ریگریسر کے ساتھ وقت کے سلسلے کی پیشن گوئی | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
|
|
|
| 24 | تقویت یافتہ لرننگ کا تعارف | [تقویت یافتہ لرننگ](8-Reinforcement/README.md) | Q-Learning کے ساتھ تقویت یافتہ لرننگ کا تعارف | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
|
|
|
| 25 | پیٹر کو بھیڑیا سے بچائیں! 🐺 | [تقویت یافتہ لرننگ](8-Reinforcement/README.md) | تقویت یافتہ لرننگ جم | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
|
| Postscript | حقیقی دنیا کے مشین لرننگ کے منظرنامے اور اطلاقات | [جنگلی میں ML](9-Real-World/README.md) | کلاسیکی مشین لرننگ کے دلچسپ اور انکشاف کرنے والے حقیقی دنیا کے اطلاقات | [سبق](9-Real-World/1-Applications/README.md) | ٹیم |
|
|
|
| Postscript | RAI ڈیش بورڈ کا استعمال کرتے ہوئے ML ماڈلز کی ڈیبگنگ | [جنگلی میں ML](9-Real-World/README.md) | ذمہ دار AI ڈیش بورڈ کے اجزاء کا استعمال کرتے ہوئے مشین لرننگ ماڈلز کی ڈیبگنگ | [سبق](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
|
|
> [اس کورس کے لیے تمام اضافی وسائل ہماری Microsoft Learn کلیکشن میں تلاش کریں](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
|
|
## آف لائن رسائی
|
|
|
|
|
|
آپ اس دستاویز کو آف لائن چلا سکتے ہیں [Docsify](https://docsify.js.org/#/) کا استعمال کرتے ہوئے۔ اس ریپو کو فورک کریں، [Docsify انسٹال کریں](https://docsify.js.org/#/quickstart) اپنی مقامی مشین پر، اور پھر اس ریپو کے روٹ فولڈر میں `docsify serve` ٹائپ کریں۔ ویب سائٹ آپ کے لوکل ہوسٹ پر پورٹ 3000 پر پیش کی جائے گی: `localhost:3000`۔
|
|
|
|
|
|
## PDFs
|
|
|
|
|
|
نصاب کا ایک پی ڈی ایف لنکس کے ساتھ [یہاں](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) تلاش کریں۔
|
|
|
|
|
|
## 🎒 دیگر کورسز
|
|
|
|
|
|
ہماری ٹیم دیگر کورسز تیار کرتی ہے! دیکھیں:
|
|
|
|
|
|
- [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners)
|
|
|
- [AI Agents for Beginners](https://aka.ms/ai-agents-beginners)
|
|
|
- [Generative AI for Beginners](https://aka.ms/genai-beginners)
|
|
|
- [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
|
|
|
- [Generative AI with JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
|
|
|
- [Generative AI with Java](https://github.com/microsoft/Generative-AI-for-beginners-java)
|
|
|
- [AI for Beginners](https://aka.ms/ai-beginners)
|
|
|
- [Data Science for Beginners](https://aka.ms/datascience-beginners)
|
|
|
- [ML for Beginners](https://aka.ms/ml-beginners)
|
|
|
- [Cybersecurity for Beginners](https://github.com/microsoft/Security-101)
|
|
|
- [Web Dev for Beginners](https://aka.ms/webdev-beginners)
|
|
|
- [IoT for Beginners](https://aka.ms/iot-beginners)
|
|
|
- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners)
|
|
|
- [Mastering GitHub Copilot for Paired Programming](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
|
|
|
- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
|
|
|
- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures)
|
|
|
|
|
|
---
|
|
|
|
|
|
**ڈسکلیمر**:
|
|
|
یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔ |
