ML-For-Beginners/translations/mr

🌐 बहुभाषिक समर्थन

GitHub Action द्वारे समर्थित (स्वयंचलित आणि नेहमी अद्ययावत)

अरबी | बंगाली | बुल्गेरियन | बर्मीज (म्यानमार) | चीनी (सरलीकृत) | चीनी (परंपरागत, हाँगकाँग) | चीनी (परंपरागत, मकाओ) | चीनी (परंपरागत, तैवान) | क्रोएशियन | झेक | डॅनिश | डच | एस्टोनियन | फिनिश | फ्रेंच | जर्मन | ग्रीक | हिब्रू | हिंदी | हंगेरीयन | इंडोनेशियन | इटालियन | जपानी | कन्नड | कोरियन | लिथुआनियन | मलयी | मल्याळम | मराठी | नेपाळी | नायजेरियन पिजिन | नॉर्वेजियन | फारसी (फारसी) | पोलिश | पोर्तुगीज (ब्राझील) | पोर्तुगीज (पोर्तुगाल) | पंजाबी (गुरमुखी) | रोमानियन | रशियन | सर्बियन (सिरिलिक) | स्लोव्हाक | स्लोव्हेनियन | स्पॅनिश | स्वाहिली | स्वीडिश | टॅगालॉग (फिलिपिनो) | तमिळ | तेलुगू | थाई | तुर्किश | युक्रेनी | उर्दू | व्हिएतनामी

आमच्या समुदायात सहभागी व्हा

आमच्याकडे एक Discord "AI सोबत शिका" मालिका सुरू आहे, अधिक जाणून घ्या आणि 18 - 30 सप्टेंबर, 2025 दरम्यान आमच्याशी AI सोबत शिका मालिका येथे सहभागी व्हा. आपल्याला GitHub Copilot चा Data Science साठी वापर करण्याच्या टिप्स आणि ट्रिक्स मिळतील.

नवशिक्यांसाठी मशीन लर्निंग - एक अभ्यासक्रम

🌍 जगभर प्रवास करा जेव्हा आपण जगभरातील संस्कृतींच्या माध्यमातून मशीन लर्निंगचा शोध घेतो 🌍

Microsoft मधील Cloud Advocates आनंदाने 12 आठवड्यांचा, 26 धड्यांचा एक संपूर्ण अभ्यासक्रम सादर करतात जो पूर्णपणे मशीन लर्निंग बद्दल आहे. या अभ्यासक्रमात, आपण कधीकधी "क्लासिक मशीन लर्निंग" म्हणून ओळखल्या जाणाऱ्या पद्धतींबद्दल शिकाल, मुख्यतः Scikit-learn या लायब्ररीचा वापर करून आणि डीप लर्निंग टाळून, जे आमच्या नवशिक्यांसाठी AI अभ्यासक्रम मध्ये कव्हर केले जाते. या धड्यांना आमच्या 'नवशिक्यांसाठी डेटा सायन्स' अभ्यासक्रम सोबत जोडून वापरा.

आमच्यासोबत जगभराला भेट देत, आपण या क्लासिक तंत्रांचा उपयोग जगभरातील विविध भागांमधील डेटावर कसा करतो हे पाहू. प्रत्येक धड्यात पूर्व- आणि पोस्ट-धडा क्विज, लेखी सूचना, धडा पूर्ण करण्यासाठी उपाययोजना, एक उत्तर, एक असाइनमेंट आणि बरेच काही समाविष्ट आहे. आमची प्रोजेक्ट-आधारित अध्यापनपद्धती आपल्याला बनवत असताना शिकवते, ही नवीन कौशल्ये टिकवून ठेवण्यासाठी सिद्ध पद्धत आहे.

✍️ लेखकांचे मनःपूर्वक आभार Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu आणि Amy Boyd

🎨 आमच्या चित्रकारांचेही आभार Tomomi Imura, Dasani Madipalli, आणि Jen Looper

🙏 आमच्या Microsoft Student Ambassador लेखक, पुनरावलोकक आणि सामग्री योगदानकर्त्यांना विशेष आभार🙏, विशेषतः Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, आणि Snigdha Agarwal

🤩 आमच्या R धड्यांसाठी Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, आणि Vidushi Gupta यांचे अतिरिक्त आभार!

सुरूवात कशी करावी

हे पावले पाळा:

1. रिपॉझिटरी फोर्क करा: या पानाच्या वर-उजव्या कोपर्यातील "Fork" बटणावर क्लिक करा.
2. रिपॉझिटरी क्लोन करा: git clone https://github.com/microsoft/ML-For-Beginners.git

या कोर्ससाठी सर्व अतिरिक्त संसाधने आमच्या Microsoft Learn संग्रहात शोधा

🔧 मदत हवी? सामान्य इंस्टॉलेशन, सेटअप आणि धडे चालवण्याच्या समस्यांसाठी आमच्या Troubleshooting Guide तपासा.

विद्यार्थी, या अभ्यासक्रमाचा वापर करण्यासाठी, संपूर्ण रेपो आपल्या GitHub खात्यावर फोर्क करा आणि व्यायाम स्वतः किंवा गटासोबत पूर्ण करा:

• पूर्व-व्याख्यान क्विझपासून प्रारंभ करा.
• व्याख्यान वाचा आणि उपक्रम पूर्ण करा, प्रत्येक ज्ञान तपासणीवर थांबून आणि चिंतन करून.
• समाधान कोड चालवण्याऐवजी धडे समजून प्रकल्प तयार करण्याचा प्रयत्न करा; तथापि, हा कोड प्रत्येक प्रोजेक्ट-ओरिएंटेड धड्यातील /solution फोल्डरमध्ये उपलब्ध आहे.
• पोस्ट-व्याख्यान क्विझ घ्या.
• आव्हान पूर्ण करा.
• असाइनमेंट पूर्ण करा.
• एका धडा गटाचा समारोप केल्यानंतर, Discussion Board भेट द्या आणि योग्य PAT रुब्रिक भरण्याद्वारे "उघडपणे शिका". 'PAT' म्हणजे प्रगती मूल्यांकन साधन आहे जे आपण भरणे आवश्यक असलेली रुब्रिक आहे जी आपल्या शिक्षणाला पुढे नेण्यास मदत करते. आपण इतर PATs वर प्रतिक्रिया देऊ शकता जेणेकरून आपण एकत्र शिकू शकू.

पुढील अभ्यासासाठी, आम्ही या Microsoft Learn मॉड्यूल्स आणि लर्निंग पाथ्स अनुसरण्याचे शिफारस करतो.

शिक्षक, आम्ही या अभ्यासक्रमाचा वापर करण्यावर काही सूचना समाविष्ट केल्या आहेत.

---

व्हिडिओ मार्गदर्शक

काही धडे लहान स्वरूपाच्या व्हिडिओ म्हणून उपलब्ध आहेत. आपण हे सर्व धड्यांमधील इन-लाइन मध्ये किंवा ML for Beginners प्लेलिस्ट Microsoft Developer YouTube चॅनेलवर खालील प्रतिमेवर क्लिक करून पाहू शकता.

---

टीमला भेटा

GIF द्वारे Mohit Jaisal

🎥 प्रकल्प आणि ते तयार करणाऱ्या लोकांबद्दलचे व्हिडिओ पाहण्यासाठी वरच्या प्रतिमेवर क्लिक करा!

---

अध्यापनपद्धती

आम्ही हा अभ्यासक्रम तयार करताना दोन अध्यापनतत्त्वे निवडली आहेत: हे हाताने करण्याजोगे आणि प्रोजेक्ट-आधारित असावे आणि त्यात वारंवार क्विझ असावेत. याशिवाय, या अभ्यासक्रमाला एक सामान्य थीम दिली गेली आहे ज्यामुळे त्याला सुसंगतता मिळते.

सामग्री प्रकल्पांशी संरेखित असल्याची खात्री करून, प्रक्रिया विद्यार्थ्यांसाठी अधिक गुंतवणूक करणारी होते आणि संकल्पनांचे अवशेष वाढतील. शिवाय, वर्गापूर्वीचा कमी-स्टेक्स असलेला क्विझ विद्यार्थीच्या शैक्षणिक हेतूना तयार करतो, तर वर्गानंतरचा दुसरा क्विझ अधिक टिकाव सुनिश्चित करतो. हा अभ्यासक्रम लवचिक आणि मजेदार असेल अशा प्रकारे डिझाइन केला गेला आहे आणि तो संपूर्ण किंवा भागांमध्ये घेता येऊ शकतो. प्रकल्प छोटे सुरू होतात आणि 12 आठवड्यांच्या चक्राच्या अखेरीस वाढत जटिल होतात. या अभ्यासक्रमात ML च्या वास्तविक-विश्व अनुप्रयोगांवर एक उपसंहारही आहे, जो अतिरिक्त क्रेडिट म्हणून किंवा चर्चेसाठी वापरता येऊ शकतो.

आमचा आचरण संहिता, योगदान कसे करावे, अनुवाद, आणि मुश्किल निराकरण मार्गदर्शक पहा. आम्ही तुमचे रचनात्मक अभिप्राय स्वागत करतो!

प्रत्येक धड्यात समाविष्ट

• ऐच्छिक स्केचनोट
• ऐच्छिक पूरक व्हिडिओ
• व्हिडिओ मार्गदर्शन (केवळ काही धडे)
• पूर्व-व्याख्यान वॉर्मअप क्विझ
• लेखी धडा
• प्रोजेक्ट-आधारित धड्यांसाठी, प्रोजेक्ट कसा तयार करायचा यावर पायरी-दर-पायरी मार्गदर्शक
• ज्ञान तपासण्या
• एक आव्हान
• पूरक वाचन
• असाइनमेंट
• पोस्ट-व्याख्यान क्विझ

भाषांविषयी एक टीप: हे धडे मुख्यतः Python मध्ये लिहिलेले आहेत, परंतु बरेच धडे R मध्येही उपलब्ध आहेत. R धडा पूर्ण करण्यासाठी, /solution फोल्डरमध्ये जा आणि R धडे शोधा. त्यात .rmd विस्तार असतो जो एका R Markdown फाइलचे प्रतिनिधीत्व करतो, ज्याला साधेपणाने code chunks (R किंवा इतर भाषांचे) आणि YAML header (PDF सारखे आउटपुट कसे फॉरमॅट करायचे हे मार्गदर्शन करणारे) असलेल्या Markdown document मध्ये एम्बेडिंग म्हणून परिभाषित केले जाऊ शकते. म्हणून, ते डेटा सायन्स साठी एक उत्कृष्ट लेखक संरचनेसारखे काम करते कारण ते आपला कोड, त्याचे आउटपुट आणि आपले विचार Markdown मध्ये लिहून एकत्र करण्याची परवानगी देते. याशिवाय, R Markdown दस्तऐवज PDF, HTML किंवा Word सारख्या आउटपुट फॉरमॅटमध्ये रेंडर केले जाऊ शकतात.

क्विझ बद्दल एक टीप: सर्व क्विझ Quiz App फोल्डर मध्ये आहेत, एकूण 52 क्विझ ज्यात प्रत्येकी तीन प्रश्न असतात. त्या धड्यांमधून लिंक केलेल्या आहेत परंतु क्विझ अ‍ॅप लोकली चालवता येते; स्थानिक होस्ट करण्यासाठी किंवा Azure वर डिप्लॉय करण्यासाठी quiz-app फोल्डरमधील निर्देशांचे अनुसरण करा.

धडा क्रमांक	विषय	धडा गट	अभ्यास उद्दिष्टे	लिंक केलेला धडा	लेखक
01	मशीन लर्निंगची ओळख	परिचय	मशीन लर्निंगच्या मूलभूत संकल्पना शिका	धडा	Muhammad
02	मशीन लर्निंगचा इतिहास	परिचय	या क्षेत्राचा इतिहास शिका	धडा	Jen and Amy
03	न्याय आणि मशीन लर्निंग	परिचय	ML मॉडेल तयार करताना आणि लागू करताना विद्यार्थी विचारात घ्यावयाचे न्याय (फेअरनेस) संदर्भातील महत्त्वाचे तात्त्विक मुद्दे कोणते?	धडा	Tomomi
04	मशीन लर्निंगसाठी तंत्र	परिचय	ML संशोधक ML मॉडेल तयार करण्यासाठी कोणती तंत्रे वापरतात?	धडा	Chris and Jen
05	रिग्रेशनची ओळख	रिग्रेशन	रिग्रेशन मॉडेलसाठी Python आणि Scikit-learn सह सुरुवात करा	Python • R	Jen • Eric Wanjau
06	उत्तर अमेरिकेतील कद्दूचे भाव 🎃	रिग्रेशन	ML साठी तयारी करताना डेटा व्हिज्युअलाईझ आणि साफ करा	Python • R	Jen • Eric Wanjau
07	उत्तर अमेरिकेतील कद्दूचे भाव 🎃	रिग्रेशन	रेखीय आणि बहुपद रिग्रेशन मॉडेल तयार करा	Python • R	Jen and Dmitry • Eric Wanjau
08	उत्तर अमेरिकेतील कद्दूचे भाव 🎃	रिग्रेशन	एक लॉजिस्टिक रिग्रेशन मॉडेल तयार करा	Python • R	Jen • Eric Wanjau
09	वेब अॅप 🔌	वेब अॅप	तुमच्या प्रशिक्षित मॉडेलचा वापर करण्यासाठी वेब अॅप तयार करा	Python	Jen
10	वर्गीकरणाची ओळख	वर्गीकरण	तुमचा डेटा साफ करा, तयार करा आणि व्हिज्युअलाईझ करा; वर्गीकरणाची ओळख	Python • R	Jen and Cassie • Eric Wanjau
11	चवदार आशियाई आणि भारतीय पदार्थ 🍜	वर्गीकरण	क्लासिफायरची ओळख	Python • R	Jen and Cassie • Eric Wanjau
12	चवदार आशियाई आणि भारतीय पदार्थ 🍜	वर्गीकरण	अधिक क्लासिफायर्स	Python • R	Jen and Cassie • Eric Wanjau
13	चवदार आशियाई आणि भारतीय पदार्थ 🍜	वर्गीकरण	तुमच्या मॉडेलचा वापर करून एक शिफारस करणारे वेब अॅप तयार करा	Python	Jen
14	क्लस्टरिंगची ओळख	क्लस्टरिंग	तुमचा डेटा साफ करा, तयार करा आणि व्हिज्युअलाईझ करा; क्लस्टरिंगची ओळख	Python • R	Jen • Eric Wanjau
15	नायजेरियन संगीत आवडींचा अभ्यास 🎧	क्लस्टरिंग	K-Means क्लस्टरिंग पद्धतीचे अन्वेषण करा	Python • R	Jen • Eric Wanjau
16	नैसर्गिक भाषा प्रक्रिया (NLP) ची ओळख ☕️	नैसर्गिक भाषा प्रक्रिया	साधा बॉट तयार करून NLP विषयी मूलभूत गोष्टी शिका	Python	Stephen
17	सामान्य NLP कार्ये ☕️	नैसर्गिक भाषा प्रक्रिया	भाषेच्या रचनेशी संबंधित सामान्य कार्यांना समजून NLP मधील तुमचे ज्ञान वाढवा	Python	Stephen
18	भाषांतर आणि भावना विश्लेषण ♥️	नैसर्गिक भाषा प्रक्रिया	जेन ऑस्टेनच्या मजकूरासह भाषांतर आणि भावना विश्लेषण	Python	Stephen
19	यूरोपमधील रोमँटिक हॉटेल्स ♥️	नैसर्गिक भाषा प्रक्रिया	हॉटेल पुनरावलोकनांसह भावना विश्लेषण 1	Python	Stephen
20	यूरोपमधील रोमँटिक हॉटेल्स ♥️	नैसर्गिक भाषा प्रक्रिया	हॉटेल पुनरावलोकनांसह भावना विश्लेषण 2	Python	Stephen
21	टाइम सिरीज पूर्वकथनाची ओळख	टाइम सिरीज	टाइम सिरीज पूर्वकथनाची ओळख	Python	Francesca
22	⚡️ जागतिक वीज वापर ⚡️ - ARIMA सह टाइम सिरीज पूर्वकथन	टाइम सिरीज	ARIMA सह टाइम सिरीज पूर्वकथन	Python	Francesca
23	⚡️ जागतिक वीज वापर ⚡️ - SVR सह टाइम सिरीज पूर्वकथन	टाइम सिरीज	Support Vector Regressor सह टाइम सिरीज पूर्वकथन	Python	Anirban
24	रिइन्फोर्समेंट लर्निंगची ओळख	रिइन्फोर्समेंट लर्निंग	Q-Learning सह रिइन्फोर्समेंट लर्निंगची ओळख	Python	Dmitry
25	पीटरला लांडग्यापासून वाचवा! 🐺	रिइन्फोर्समेंट लर्निंग	रिइन्फोर्समेंट लर्निंग जिम	Python	Dmitry
Postscript	वास्तविक जगातील ML परिस्थिती आणि अनुप्रयोग	वास्तविक जगातील ML	शास्त्रीय ML चे मनोरंजक आणि माहितीपूर्ण वास्तविक जगातील अनुप्रयोग	धडा	Team
Postscript	RAI डॅशबोर्ड वापरून ML मध्ये मॉडेल डीबगिंग	वास्तविक जगातील ML	Responsible AI डॅशबोर्ड घटकांचा वापर करून मशीन लर्निंगमध्ये मॉडेल डीबगिंग	धडा	Ruth Yakubu

या अभ्यासक्रमासाठीची सर्व अतिरिक्त संसाधने आमच्या Microsoft Learn संग्रहात शोधा

ऑफलाइन प्रवेश

ही दस्तऐवजीकरण तुम्ही Docsify वापरून ऑफलाइन चालवू शकता. या रेपोचे फोर्क करा, तुमच्या स्थानिक मशीनवर Docsify स्थापित करा, आणि नंतर या रेपोच्या मूळ फोल्डरमध्ये docsify serve टाइप करा. वेबसाइट तुमच्या लोकलहोस्टवर पोर्ट 3000 वर चालवली जाईल: localhost:3000.

पीडीएफ

या अभ्यासक्रमाचा दुव्यांसह PDF येथे मिळवा.

🎒 इतर अभ्यासक्रम

आमची टीम इतर अभ्यासक्रम तयार करते! पहा:

LangChain

---

Azure / Edge / MCP / Agents

---

जनरेटिव्ह AI मालिका

---

मुख्य शिक्षण

---

Copilot मालिका

मदत मिळवा

जर तुम्हाला अडचण येत असेल किंवा AI अॅप्स तयार करण्याबद्दल काही प्रश्न असतील तर, MCP विषयीच्या चर्चेत इतर शिकणारे आणि अनुभवी विकासक सामील व्हा. हा एक सहायक समुदाय आहे जिथे प्रश्नांचे स्वागत असते आणि ज्ञान मोकळेपणे सामायिक केले जाते.

उत्पादनाविषयी अभिप्राय किंवा तयार करताना त्रुटी आढळल्यास येथे भेट द्या:

---

अस्वीकरण: हा दस्तऐवज AI अनुवाद सेवा Co-op Translator चा वापर करून अनुवादित केला गेला आहे. जरी आम्ही अचूकतेसाठी प्रयत्न करतो, तरी कृपया लक्षात घ्या की स्वयंचलित अनुवादांमध्ये चुका किंवा अचूकतेचा अभाव असू शकतो. मूळ दस्तऐवज त्याच्या स्थानिक भाषेत प्रमाणिक स्रोत समजला पाहिजे. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी अनुवादाची शिफारस केली जाते. या अनुवादाच्या वापरामुळे उद्भवणाऱ्या कोणत्याही गैरसमजुतीसाठी किंवा चुकीच्या अर्थलावासाठी आम्ही जबाबदार नाही.