ML-For-Beginners/translations/ur

🌐 کثیر لسانی معاونت

GitHub Action کے ذریعے تعاون یافتہ (خودکار اور ہمیشہ تازہ)

عربی | بنگالی | بلغاریائی | برمی (میانمار) | چینی (سادہ) | چینی (روایتی، ہانگ کانگ) | چینی (روایتی، میکاؤ) | چینی (روایتی، تائیوان) | کروشین | چیک | ڈینش | ڈچ | استونیائی | فینیش | فرانسیسی | جرمن | یونانی | عبرانی | ہندی | ہنگیرین | انڈونیشیائی | اطالوی | جاپانی | کنڑ | کوریائی | لتھوانیائی | مالائی | مالایالم | مراٹھی | نیپالی | نائجیریائی پیجن | ناروویجی | فارسی (فارسی) | پولش | پرتگالی (برازیل) | پرتگالی (پرتگال) | پنجابی (گرمکھی) | رومانیائی | روسی | سربی (سِریلِک) | سلوواک | سلووینیائی | ہسپانوی | سواحلی | سویڈش | ٹگالوگ (فلپائنی) | تمل | تیلگو | تھائی | ترکی | یوکرائنی | اردو | ویتنامی

ہماری کمیونٹی میں شامل ہوں

ہماری طرف سے ایک Discord "Learn with AI" سیریز جاری ہے، مزید جاننے اور ہمارے ساتھ شامل ہونے کے لیے Learn with AI Series پر 18 - 30 ستمبر، 2025 کے درمیان تشریف لائیں۔ آپ کو GitHub Copilot کو ڈیٹا سائنس کے لیے استعمال کرنے کے متعلق تجاویز اور طریقے ملیں گے۔

مشین لرننگ برائے مبتدی - نصاب

🌍 دنیا بھر کا سفر کریں جب ہم دنیا کی ثقافتوں کے ذریعے مشین لرننگ کا مطالعہ کریں 🌍

Microsoft کے کلاؤڈ ایڈووکیٹس خوش ہیں کہ وہ 12 ہفتوں، 26 اسباق پر مشتمل ایک نصاب پیش کر رہے ہیں جو مکمل طور پر مشین لرننگ کے بارے میں ہے۔ اس نصاب میں آپ وہی کچھ سیکھیں گے جسے بعض اوقات کلاسیکل مشین لرننگ کہا جاتا ہے، جو بنیادی طور پر Scikit-learn لائبریری کا استعمال کرتا ہے اور ڈیپ لرننگ سے پرہیز کرتا ہے، جسے ہمارے AI for Beginners' curriculum میں کور کیا گیا ہے۔ ان اسباق کو ہمارے 'Data Science for Beginners' curriculum کے ساتھ جوڑیں، بھی۔

دنیا بھر کے ڈیٹا پر ان کلاسیکی تکنیکوں کو لاگو کرتے ہوئے ہمارے ساتھ سفر کریں۔ ہر سبق میں پری-اور پوسٹ لیسن کوئزز، سبق مکمل کرنے کی تحریری ہدایات، ایک حل، ایک اسائنمنٹ، اور مزید شامل ہیں۔ ہمارا پروجیکٹ بیسڈ طریقۂ تدریس آپ کو بنانے کے دوران سیکھنے کا موقع دیتا ہے، جو نئی مہارتوں کو مستحکم کرنے کا ایک ثابت شدہ طریقہ ہے۔

✍️ ہمارے مصنفین کے لیے دل کی گہری شکرگزاری Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd

🎨 ہمارے مصوروں کا بھی شکریہ Tomomi Imura, Dasani Madipalli, and Jen Looper

🙏 خصوصی شکریہ 🙏 ہمارے Microsoft Student Ambassador مصنفین، جائزہ نگاروں، اور مواد میں حصہ ڈالنے والوں کو، خاص طور پر Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, اور Snigdha Agarwal

🤩 اضافی شکرگزاری Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, اور Vidushi Gupta کا ہمارے R اسباق کے لیے!

شروع کریں

مندرجہ ذیل مراحل پر عمل کریں:

1. ریپوزیٹری کو فورک کریں: اس صفحہ کے اوپر دائیں کونے میں موجود "Fork" بٹن پر کلک کریں.
2. ریپوزیٹری کلون کریں: git clone https://github.com/microsoft/ML-For-Beginners.git

اس کورس کے تمام اضافی وسائل ہمارے Microsoft Learn کلیکشن میں یہاں پائیں

🔧 مدد درکار ہے؟ عام انسٹالیشن، سیٹ اپ، اور اسباق چلانے کے مسائل کے حل کے لیے ہمارا Troubleshooting Guide دیکھیں۔

طلباء، اس نصاب کو استعمال کرنے کے لیے، پوری ریپو کو اپنے GitHub اکاؤنٹ پر فورک کریں اور مشقیں خود یا کسی گروپ کے ساتھ مکمل کریں:

• پری-لیکچر کوئز سے شروع کریں۔
• لیکچر پڑھیں اور سرگرمیاں مکمل کریں، ہر علم چیک پر رک کر غور کریں۔
• کوشش کریں کہ پروجیکٹس سبق سمجھ کر بنائیں نہ کہ صرف حل کا کوڈ چلانے سے؛ تاہم وہ کوڈ ہر پروجیکٹ-مرکوز سبق کے /solution فولڈرز میں دستیاب ہے۔
• پوسٹ-لیکچر کوئز لیں۔
• چیلنج مکمل کریں۔
• اسائنمنٹ مکمل کریں۔
• ایک سبق کے گروپ کو مکمل کرنے کے بعد، Discussion Board دیکھیں اور مناسب PAT روبریک بھر کر "سیکھنے کا اظہار" کریں۔ 'PAT' ایک Progress Assessment Tool ہے جو ایک روبریک ہے جسے آپ بھر کر اپنی سیکھ کو مزید بڑھا سکتے ہیں۔ آپ دوسرے PATs پر بھی ردعمل دے سکتے ہیں تاکہ ہم ایک ساتھ سیکھ سکیں۔

مزید مطالعے کے لیے، ہم سفارش کرتے ہیں کہ یہ Microsoft Learn ماڈیولز اور سیکھنے کے راستے فالو کریں۔

اساتذہ، ہم نے for-teachers.md میں اس نصاب کے استعمال کے بارے میں چند تجاویز شامل کی ہیں۔

---

ویڈیو گائیڈز

کچھ اسباق مختصر ویڈیو کے طور پر دستیاب ہیں۔ آپ انہیں اسباق کے اندر ہی دیکھ سکتے ہیں، یا نیچے موجود تصویر پر کلک کر کے Microsoft Developer YouTube چینل پر ML for Beginners پلے لسٹ پر جا سکتے ہیں۔

---

ٹیم سے ملیں

Gif بذریعہ Mohit Jaisal

🎥 مزید جاننے کے لیے اوپر والی تصویر پر کلک کریں کہ اس پروجیکٹ اور اسے بنانے والے افراد کے بارے میں ویڈیو دیکھیں!

---

تدریسی اصول

اس نصاب کو بناتے وقت ہم نے دو تدریسی اصول منتخب کیے ہیں: اسے عملی طور پر پروجیکٹ بیسڈ رکھنا اور اس میں کثرت سے کوئزز شامل کرنا۔ اس کے علاوہ، نصاب میں ایک مشترکہ مضمون بھی شامل ہے جو اسے یکجہتی دیتا ہے۔

مواد کو پروجیکٹس کے ساتھ ہم آہنگ رکھنے سے طلباء کے لیے عمل مزید دلچسپ بنتا ہے اور تصورات کی یادداشت میں اضافہ ہوتا ہے۔ علاوہ ازیں، کلاس سے پہلے ایک کم دباؤ والا کوئز طالب علم کے اندر موضوع سیکھنے کی نیت قائم کرتا ہے، جبکہ کلاس کے بعد دوسرا کوئز مزید یادداشت کو یقینی بناتا ہے۔ یہ نصاب لچکدار اور دلچسپ بنانے کے لیے ڈیزائن کیا گیا ہے اور پورا یا جزوی طور پر کیا جا سکتا ہے۔ پروجیکٹس چھوٹے سے شروع ہو کر 12 ہفتوں کے دورانیے کے آخر تک بتدریج پیچیدہ ہوتے جاتے ہیں۔ اس نصاب میں حقیقی دنیا میں ML کے اطلاق پر ایک پوسٹ اسکرپٹ بھی شامل ہے، جسے اضافی کریڈٹ کے طور پر یا مباحثے کی بنیاد کے طور پر استعمال کیا جا سکتا ہے۔

ہمارے Code of Conduct, Contributing, Translation, اور Troubleshooting رہنما خطوط پائیں۔ ہم آپ کی تعمیری رائے کا خیرمقدم کرتے ہیں!

ہر سبق میں شامل ہیں

• اختیاری اسکیچ نوٹ
• اختیاری اضافی ویڈیو
• ویڈیو واک تھرو (کچھ اسباق میں ہی)
• پری-لیکچر وارم اپ کوئز
• تحریری سبق
• پروجیکٹ بیسڈ اسباق کے لیے، پروجیکٹ بنانے کے مرحلہ وار رہنما
• علم کی جانچیں
• ایک چیلنج
• اضافی مطالعہ
• اسائنمنٹ
• پوسٹ-لیکچر کوئز

زبانوں کے بارے میں نوٹ: یہ اسباق بنیادی طور پر Python میں لکھے گئے ہیں، لیکن بہت سے اسباق R میں بھی دستیاب ہیں۔ کسی R سبق کو مکمل کرنے کے لیے، /solution فولڈر میں جا کر R اسباق تلاش کریں۔ وہ .rmd توسیع رکھتے ہیں جو ایک R Markdown فائل کی نمائندگی کرتی ہے، جسے آسانی سے code chunks (R یا دیگر زبانوں کے) اور ایک YAML header کو ایک Markdown document میں شامل کرنے کے طور پر بیان کیا جا سکتا ہے۔ اس طرح یہ ڈیٹا سائنس کے لیے ایک مثالی مصنفانہ فریم ورک کے طور پر کام کرتا کیونکہ یہ آپ کو اپنے کوڈ، اس کے نتائج، اور اپنے خیالات کو Markdown میں لکھ کر ملا کر دکھانے کی اجازت دیتا ہے۔ مزید یہ کہ، R Markdown دستاویزات کو PDF، HTML، یا Word جیسے آؤٹ پٹ فارمیٹس میں رینڈر کیا جا سکتا ہے۔

کوئزز کے بارے میں نوٹ: تمام کوئزز Quiz App فولڈر میں موجود ہیں، کل 52 کوئزز جن میں ہر ایک میں تین سوالات ہیں۔ وہ اسباق کے اندر لنک کیے گئے ہیں لیکن کوئز ایپ لوکل طور پر چلائی جا سکتی ہے؛ quiz-app فولڈر میں دی گئی ہدایات پر عمل کریں تاکہ لوکل طور پر ہوسٹ یا Azure پر ڈیپلائے کیا جا سکے۔

سبق نمبر	موضوع	سبق کا گروپ	سیکھنے کے مقاصد	منسلک سبق	مصنف
01	مشین لرننگ کا تعارف	تعارف	مشین لرننگ کے بنیادی تصورات سیکھیں	سبق	محمد
02	مشین لرننگ کی تاریخ	تعارف	اس میدان کے پس منظر کی تاریخ سیکھیں	سبق	جین اور ایمی
03	انصاف پسندی اور مشین لرننگ	تعارف	جب طلباء ML ماڈلز بناتے اور لاگو کرتے ہیں تو انصاف کے بارے میں کون سے اہم فلسفیانہ مسائل پر غور کرنا چاہیے؟	سبق	ٹومومی
04	مشین لرننگ کی تکنیکیں	تعارف	ML محققین کون سی تکنیکیں استعمال کرتے ہیں تاکہ ML ماڈلز بنائیں؟	سبق	کرس اور جین
05	ریگریشن کا تعارف	ریگریشن	ریگریشن ماڈلز کے لیے Python اور Scikit-learn کے ساتھ آغاز کریں	Python • R	جین • ایرک وانجاؤ
06	شمالی امریکہ میں کدو کی قیمتیں 🎃	ریگریشن	ML کی تیاری کے لیے ڈیٹا کی بصری نمائندگی اور صفائی کریں	Python • R	جین • ایرک وانجاؤ
07	شمالی امریکہ میں کدو کی قیمتیں 🎃	ریگریشن	لکیری اور کثیرالحدّی ریگریشن ماڈلز بنائیں	Python • R	جین اور دمتری • ایرک وانجاؤ
08	شمالی امریکہ میں کدو کی قیمتیں 🎃	ریگریشن	ایک لاجسٹک ریگریشن ماڈل بنائیں	Python • R	جین • ایرک وانجاؤ
09	ایک ویب ایپ 🔌	ویب ایپ	اپنے تربیت یافتہ ماڈل کو استعمال کرنے کے لیے ایک ویب ایپ بنائیں	Python	جین
10	کلاسیفیکیشن کا تعارف	کلاسیفیکیشن	اپنے ڈیٹا کو صاف کریں، تیار کریں، اور بصری طور پر دکھائیں؛ کلاسیفیکیشن کا تعارف	Python • R	جین اور کیسی • ایرک وانجاؤ
11	لذیذ ایشیائی اور ہندی کھانے 🍜	کلاسیفیکیشن	کلاسفائرز کا تعارف	Python • R	جین اور کیسی • ایرک وانجاؤ
12	لذیذ ایشیائی اور ہندی کھانے 🍜	کلاسیفیکیشن	مزید کلاسفائرز	Python • R	جین اور کیسی • ایرک وانجاؤ
13	لذیذ ایشیائی اور ہندی کھانے 🍜	کلاسیفیکیشن	اپنے ماڈل کا استعمال کرتے ہوئے ایک سفارش کنندہ ویب ایپ بنائیں	Python	جین
14	کلسٹرنگ کا تعارف	کلسٹرنگ	اپنے ڈیٹا کو صاف کریں، تیار کریں، اور بصری بنائیں؛ کلسٹرنگ کا تعارف	Python • R	جین • ایرک وانجاؤ
15	نائجیریائی موسیقی کے ذوق کا مطالعہ 🎧	کلسٹرنگ	K-Means کلسٹرنگ طریقہ کا مطالعہ کریں	Python • R	جین • ایرک وانجاؤ
16	قدرتی زبان پروسیسنگ کا تعارف ☕️	قدرتی زبان پروسیسنگ	ایک سادہ بوٹ بنا کر NLP کی بنیادی باتیں سیکھیں	Python	اسٹیفن
17	عام NLP کے کام ☕️	قدرتی زبان پروسیسنگ	زبان کی ساختوں سے نمٹنے کے وقت درکار عام کاموں کو سمجھ کر اپنے NLP کے علم کو گہرا کریں	Python	اسٹیفن
18	ترجمہ اور جذباتی تجزیہ ♥️	قدرتی زبان پروسیسنگ	جین آسٹن کے ساتھ ترجمہ اور جذباتی تجزیہ	Python	اسٹیفن
19	یورپ کے رومانوی ہوٹل ♥️	قدرتی زبان پروسیسنگ	ہوٹل کے جائزوں کے ساتھ جذباتی تجزیہ 1	Python	اسٹیفن
20	یورپ کے رومانوی ہوٹل ♥️	قدرتی زبان پروسیسنگ	ہوٹل کے جائزوں کے ساتھ جذباتی تجزیہ 2	Python	اسٹیفن
21	ٹائم سیریز پیشن گوئی کا تعارف	ٹائم سیریز	ٹائم سیریز پیشن گوئی کا تعارف	Python	فرانسسکا
22	⚡️ عالمی بجلی کا استعمال ⚡️ - ARIMA کے ساتھ ٹائم سیریز پیش گوئی	ٹائم سیریز	ARIMA کے ساتھ ٹائم سیریز پیش گوئی	Python	فرانسسکا
23	⚡️ عالمی بجلی کا استعمال ⚡️ - SVR کے ساتھ ٹائم سیریز پیش گوئی	ٹائم سیریز	Support Vector Regressor کے ساتھ ٹائم سیریز پیش گوئی	Python	انربن
24	تقویتی سیکھنے کا تعارف	تقویتی سیکھنے	Q-Learning کے ساتھ تقویتی سیکھنے کا تعارف	Python	دمتری
25	پیٹر کو بھیڑیا سے بچائیں! 🐺	تقویتی سیکھنے	تقویتی سیکھنے Gym	Python	دمتری
پوسٹ اسکرپٹ	حقیقی دنیا کے ML منظرنامے اور اطلاقات	حقیقی دنیا میں ML	روایتی ML کی دلچسپ اور آشکارہ حقیقی دنیا کی اطلاقات	سبق	ٹیم
پوسٹ اسکرپٹ	ML میں ماڈل کی ڈیبگنگ RAI ڈیش بورڈ کے ذریعے	حقیقی دنیا میں ML	Responsible AI ڈیش بورڈ اجزاء کا استعمال کرتے ہوئے مشین لرننگ میں ماڈل ڈیبگنگ	سبق	رتھ یاکوبو

اس کورس کے لیے تمام اضافی وسائل ہماری Microsoft Learn کلیکشن میں تلاش کریں

آف لائن رسائی

آپ اس دستاویز کو آف لائن Docsify کے ذریعے چلا سکتے ہیں۔ اس ریپو کو فورک کریں، اپنی مقامی مشین پر Docsify انسٹال کریں، اور پھر اس ریپو کے روٹ فولڈر میں docsify serve ٹائپ کریں۔ ویب سائٹ آپ کے لوکل ہوسٹ پر پورٹ 3000 پر سرور کی جائے گی: localhost:3000.

پی ڈی ایفز

نصاب کا ایک pdf لنکس کے ساتھ یہاں تلاش کریں۔

🎒 دیگر کورسز

ہماری ٹیم دیگر کورسز بناتی ہے! ملاحظہ کریں:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

بنیادی سیکھنا

---

کوپائلٹ سیریز

مدد حاصل کریں

اگر آپ پھنس جائیں یا AI ایپس بنانے کے بارے میں آپ کے پاس کوئی سوالات ہوں تو۔ MCP کے بارے میں ساتھی سیکھنے والے اور تجربہ کار ڈویلپرز کے ساتھ مباحثوں میں شامل ہوں۔ یہ ایک معاون کمیونٹی ہے جہاں سوالات کا خیرمقدم کیا جاتا ہے اور علم آزادانہ طور پر شیئر کیا جاتا ہے۔

اگر آپ کے پاس پروڈکٹ کے بارے میں تاثرات ہوں یا بنانے کے دوران کوئی غلطیاں آئیں تو ملاحظہ کریں:

---

اعلانِ عدمِ ذمہ داری: اس دستاویز کا ترجمہ AI ترجمہ سروس Co-op Translator (https://github.com/Azure/co-op-translator) کے ذریعے کیا گیا ہے۔ اگرچہ ہم درستگی کے لیے کوشاں ہیں، براہِ کرم نوٹ کریں کہ خودکار تراجم میں خامیاں یا غلطیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی مادری زبان میں ہی مستند ماخذ سمجھا جانا چاہیے۔ اہم معلومات کے لیے پیشہ ور انسانی ترجمعہ تجویز کیا جاتا ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تعبیر کے لیے ہم ذمہ دار نہیں ہیں۔