ML-For-Beginners/translations/pa

🌐 ਬਹੁ-ਭਾਸ਼ਾ ਸਮਰਥਨ

GitHub Action ਰਾਹੀਂ ਸਮਰਥਿਤ (ਸਵੈਚਾਲਿਤ ਅਤੇ ਹਮੇਸ਼ਾਂ ਅਪ-ਟੂ-ਡੇਟ)

ਅਰਬੀ | ਬੰਗਾਲੀ | ਬੁਲਗੇਰੀਅਨ | ਬਰਮੀ (ਮਿਆਂਮਾਰ) | ਚੀਨੀ (ਸਰਲ) | ਚੀਨੀ (ਪਾਰੰਪਰਿਕ, ਹਾਂਗਕਾਂਗ) | ਚੀਨੀ (ਪਾਰੰਪਰਿਕ, ਮਕਾਉ) | ਚੀਨੀ (ਪਾਰੰਪਰਿਕ, ਤਾਈਵਾਨ) | ਕ੍ਰੋਏਸ਼ੀਆਈ | ਚੇਕ | ਡੈਨਿਸ਼ | ਡਚ | ਏਸਟੋਨੀਅਨ | ਫਰਿਨਚ | ਫਰਾਂਸੀਸੀ | ਜਰਮਨ | ਗ੍ਰੇਕ | ਹੀਬ੍ਰੂ | ਹਿੰਦੀ | ਹੰਗੇਰੀ | ਇੰਡੋਨੇਸੀਅਨ | ਇਟਾਲੀਅਨ | ਜਪਾਨੀ | ਕੰਨੜ | ਕੋਰੀਆਈ | ਲਿਥੁਆਨੀਆਈ | ਮਲਏ | ਮਲਿਆਲਮ | ਮਰਾਠੀ | ਨੇਪਾਲੀ | ਨਾਈਜੀਰੀਅਨ ਪਿਡਜਿਨ | ਨਾਰਵੇਜੀਅਨ | ਫਾਰਸੀ (ਫਾਰਸੀ) | ਪੋਲਿਸ਼ | ਪੁਰਤਗਾਲੀ (ਬ੍ਰਾਜ਼ੀਲ) | ਪੁਰਤਗਾਲੀ (ਪੁਰਤਗਾਲ) | ਪੰਜਾਬੀ (ਗੁਰਮੁਖੀ) | ਰੋਮਾਨੀਆਈ | ਰੂਸੀ | ਸਰਬੀਆਈ (ਸਿਰਿਲਿਕ) | ਸਲੋਵਾਕ | ਸਲੋਵੇਨੀਆਈ | ਸਪੈਨਿਸ਼ | ਸਵਾਹਿਲੀ | ਸਵੀਡਿਸ਼ | ਤਗਾਲੋਗ (ਫਿਲੀਪੀਨੋ) | ਤਮਿਲ | ਤੈਲਗੂ | ਥਾਈ | ਤੁਰਕੀ | ਯੂਕਰੇਨੀ | ਉਰਦੂ | ਵਿਯਤਨਾਮੀ

ਸਾਡੀ ਕਮਿਊਨਿਟੀ ਵਿੱਚ ਸ਼ਾਮਿਲ ਹੋਵੋ

ਅਸੀਂ ਡਿਸਕੋਰਡ 'Learn with AI' ਲੜੀ ਚਲਾ ਰਹੇ ਹਾਂ, ਹੋਰ ਜਾਣੋ ਅਤੇ 18 - 30 ਸਤੰਬਰ, 2025 ਨੂੰ ਸਾਡੇ ਨਾਲ ਸ਼ਾਮਿਲ ਹੋਵੋ: Learn with AI Series। ਤੁਹਾਨੂੰ GitHub Copilot for Data Science ਵਰਤਣ ਬਾਰੇ ਸੁਝਾਅ ਅਤੇ ਟਰਿਕਸ ਮਿਲਣਗੇ।

ਸ਼ੁਰੂਆਤੀਆਂ ਲਈ ਮਸ਼ੀਨ ਲਰਨਿੰਗ - ਇੱਕ ਪਾਠਕ੍ਰਮ

🌍 ਆਓ ਦੁਨੀਆ ਭਰ ਦੀ ਯਾਤਰਾ ਕਰੀਏ ਜਦੋਂ ਅਸੀਂ ਸੰਸਾਰਕ ਸਭਿਆਚਾਰਾਂ ਰਾਹੀਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀ ਖੋਜ ਕਰਦੇ ਹਾਂ 🌍

Microsoft ਦੇ Cloud Advocates ਇਹ 12 ਹਫਤਿਆਂ ਬਰਾਬਰ, 26-ਪਾਠਾਂ ਵਾਲਾ ਪਾਠਕ੍ਰਮ ਮੂਹੂਤਫ਼ ਕਰਨ ’ਤੇ ਖੁਸ਼ ਹਨ ਜੋ ਕਿ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਬਾਰੇ ਹੈ। ਇਸ ਪਾਠਕ੍ਰਮ ਵਿੱਚ, ਤੁਸੀਂ ਜੋ ਕੁਝ ਅਕਸਰ "ਪਾਰੰਪਰਿਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ" ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਉਸ ਬਾਰੇ ਸਿੱਖੋਗੇ, ਮੁੱਖਤੌਰ 'ਤੇ Scikit-learn ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਅਤੇ ਡੀਪ ਲਰਨਿੰਗ ਨੂੰ ਬਚਾਉਂਦੇ ਹੋ, ਜੋ ਕਿ ਸਾਡੇ AI for Beginners' curriculum ਵਿੱਚ ਕਵਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਨ੍ਹਾਂ ਪਾਠਾਂ ਨੂੰ ਸਾਡੇ 'Data Science for Beginners' curriculum ਨਾਲ ਜੋੜੋ ਵੀ।

ਸਾਡੇ ਨਾਲ ਸੰਸਾਰ ਭਰ ਦੀ ਯਾਤਰਾ ਕਰੋ ਜਦੋਂ ਅਸੀਂ ਇਹ ਪਾਰੰਪਰਿਕ ਤਕਨੀਕਾਂ ਦੁਨੀਆ ਦੇ ਕਈ ਖੇਤਰਾਂ ਦੇ ਡੇਟਾ 'ਤੇ ਲਾਗੂ ਕਰਦੇ ਹਾਂ। ਹਰ ਪਾਠ ਵਿੱਚ ਪ੍ਰੀ- ਅਤੇ ਪੋਸਟ-ਪਾਠ ਕਵਿਜ਼, ਲਿਖਤੀ ਨਿਰਦੇਸ਼ ਪਾਠ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ, ਹੱਲ, ਇੱਕ ਅਸਾਈਨਮੈਂਟ, ਅਤੇ ਹੋਰ ਸ਼ਾਮਿਲ ਹੁੰਦੇ ਹਨ। ਸਾਡੀ ਪ੍ਰੋਜੈਕਟ ਅਧਾਰਿਤ ਪੜ੍ਹਾਈ ਤੁਹਾਨੂੰ ਕੰਮ ਕਰਦਿਆਂ ਸਿੱਖਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ, ਜੋ ਨਵੀਂ ਹੁਨਰਾਂ ਨੂੰ 'ਫਿਕਸ' ਕਰਨ ਲਈ ਪ੍ਰਮਾਣਿਤ ਤਰੀਕਾ ਹੈ।

✍️ ਸਾਡੇ ਲੇਖਕਾਂ ਲਈ ਦੌਲਤ ਭਰਪੂਰ ਧੰਨਵਾਦ Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ਅਤੇ Amy Boyd

🎨 ਸਾਡੇ ਇਲਸਟਰੇਟਰਾਂ ਦਾ ਵੀ ਧੰਨਵਾਦ Tomomi Imura, Dasani Madipalli, ਅਤੇ Jen Looper

🙏 ਵਿਸ਼ੇਸ਼ ਧੰਨਵਾਦ 🙏 ਸਾਡੇ Microsoft Student Ambassador ਲੇਖਕਾਂ, ਸਮੀਖਿਆਕਾਂ, ਅਤੇ ਸਮੱਗਰੀ ਯੋਗਦਾਨਕਾਰਾਂ ਨੂੰ, ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, ਅਤੇ Snigdha Agarwal

🤩 ਸਾਡੇ R ਪਾਠਾਂ ਲਈ Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, ਅਤੇ Vidushi Gupta ਨੂੰ ਵਧੀਆ ਸ਼ੁਕਰੀਆ!

ਸ਼ੁਰੂ ਕਰਨ ਲਈ

ਇਨ ਕਦਮਾਂ ਦਾ ਅਨੁਸਰਣ ਕਰੋ:

1. ਰਿਪੋਜ਼ਿਟਰੀ Fork ਕਰੋ: ਇਸ ਪੰਨੇ ਦੇ ਸੱਜੇ-ਉਪਰਲੇ ਕੋਨੇ 'Fork' ਬਟਨ 'ਤੇ ਕਲਿੱਕ ਕਰੋ।
2. ਰਿਪੋਜ਼ਿਟਰੀ ਨੂੰ Clone ਕਰੋ: git clone https://github.com/microsoft/ML-For-Beginners.git

ਇਸ ਕੋਰਸ ਲਈ ਸਾਰੇ ਵਾਧੂ ਸਰੋਤ ਸਾਡੇ Microsoft Learn ਕਲੇਕਸ਼ਨ ਵਿੱਚ ਲੱਭੋ

🔧 ਮਦਦ ਚਾਹੀਦੀ ਹੈ? ਸਥਾਪਨਾ, ਸੈਟਅਪ, ਅਤੇ ਲੈਸਨਾਂ ਚਲਾਉਣ ਸਮੇਤ ਆਮ ਸਮੱਸਿਆਵਾਂ ਲਈ ਹੱਲਾਂ ਨੂੰ ਦੇਖਣ ਲਈ ਸਾਡਾ Troubleshooting Guide ਚੈੱਕ ਕਰੋ।

ਵਿਦਿਆਰਥੀ, ਇਸ ਪਾਠਕ੍ਰਮ ਨੂੰ ਵਰਤਣ ਲਈ, ਪੂਰਾ ਰੇਪੋ ਆਪਣੇ GitHub ਖਾਤੇ 'ਤੇ Fork ਕਰੋ ਅਤੇ ਅਭਿਆਸ ਆਪਣੇ ਆਪ ਜਾਂ ਗਰੁੱਪ ਨਾਲ ਪੂਰੇ ਕਰੋ:

• ਪ੍ਰੀ-ਲੈਕਚਰ ਕਵਿਜ਼ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ।
• ਲੈਕਚਰ ਪੜ੍ਹੋ ਅਤੇ ਗਤੀਵਿਧੀਆਂ ਨੂੰ ਪੂਰਾ ਕਰੋ, ਹਰ ਗਿਆਨ ਜਾਂਚ 'ਤੇ ਰੋਕੋ ਅਤੇ ਵਿਚਾਰ ਕਰੋ।
• ਹੱਲ ਕੋਡ ਚਲਾਉਣ ਦੀ ਥਾਂ ਪਾਠਾਂ ਨੂੰ ਸਮਝ ਕੇ ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ; ਫਿਰ ਵੀ ਉਹ ਕੋਡ ਹਰ ਪ੍ਰੋਜੈਕਟ-ਆਧਾਰਿਤ ਲੈਸਨ ਦੇ /solution ਫੋਲਡਰ ਵਿੱਚ ਉਪਲਬਧ ਹੈ।
• ਪੋਸਟ-ਲੈਕਚਰ ਕਵਿਜ਼ ਦਿਓ।
• ਚੈਲੇਂਜ ਪੂਰਾ ਕਰੋ।
• ਅਸਾਈਨਮੈਂਟ ਪੂਰਾ ਕਰੋ।
• ਇੱਕ ਲੈਸਨ ਸਮੂਹ ਪੂਰਾ ਕਰਨ ਤੋਂ ਬਾਅਦ, Discussion Board 'ਤੇ ਜਾਓ ਅਤੇ ਮੌਕਾ ਮਿਲਣ 'ਤੇ ਉਚਿਤ PAT ਰੂਬਰਿਕ ਭਰ ਕੇ "ਆਉਂ ਜਾਗਰੂਕਤਾ ਨਾਲ ਸਿੱਖੀਏ"। 'PAT' ਇੱਕ ਪ੍ਰਗਤੀ ਮੁਲਾਂਕਣ ਟੂਲ ਹੈ ਜੋ ਤੁਹਾਡੇ ਸਿੱਖਣ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣ ਲਈ ਤੁਸੀਂ ਭਰਦੇ ਹੋ। ਤੁਸੀਂ ਹੋਰ PATs 'ਤੇ ਰਿਐਕਟ ਵੀ ਕਰ ਸਕਦੇ ਹੋ ਤਾਂ ਜੋ ਅਸੀਂ ਇਕੱਠੇ ਸਿੱਖ ਸਕੀਏ।

ਅੱਗੇ ਅਧਿਐਨ ਲਈ, ਅਸੀਂ ਇਹ Microsoft Learn ਮੌਡਿਊਲ ਅਤੇ ਲਰਨਿੰਗ ਪਾਥ ਸੁਝਾਉਂਦੇ ਹਾਂ।

ਸ਼ਿਕਸ਼ਕ, ਅਸੀਂ ਨੇ for-teachers.md ਵਿੱਚ ਇਸ ਪਾਠਕ੍ਰਮ ਦੀ ਵਰਤੋਂ ਬਾਰੇ ਕੁਝ ਸੁਝਾਵ ਸ਼ਾਮਲ ਕੀਤੇ ਹਨ।

---

ਵੀਡੀਓ ਵਾਕਥਰੂ

ਕੁਝ ਪਾਠ ਛੋਟੇ ਰੂਪ ਵਿੱਚ ਵੀਡੀਓ ਦੇ ਰੂਪ ਵਿੱਚ ਉਪਲਬਧ ਹਨ। ਤੁਸੀਂ इन्हੀ ਲੈਸਨਾਂ ਵਿੱਚ ਇਨ-ਲਾਈਨ ਇਹ ਵੀਡੀਓ ਵੇਖ ਸਕਦੇ ਹੋ, ਜਾਂ Microsoft Developer YouTube ਚੈਨਲ 'ਤੇ ML for Beginners ਪਲੇਲਿਸਟ' 'ਤੇ ਤਸਵੀਰ 'ਤੇ ਕਲਿੱਕ ਕਰਕੇ ਵੇਖੋ।

---

ਟੀਮ ਨਾਲ ਮਿਲੋ

ਗਿਫ਼ ਦੁਆਰਾ Mohit Jaisal

🎥 ਉੱਪਰ ਦਿੱਤੀ ਤਸਵੀਰ 'ਤੇ ਕਲਿੱਕ ਕਰਕੇ ਪ੍ਰੋਜੈਕਟ ਅਤੇ ਉਸ ਨੂੰ ਬਣਾਉਣ ਵਾਲਿਆਂ ਬਾਰੇ ਵੀਡੀਓ ਵੇਖੋ!

---

ਪੜ੍ਹਾਉਣ ਦੀ ਵਿਧੀ

ਅਸੀਂ ਇਸ ਪਾਠਕ੍ਰਮ ਨੂੰ ਬਣਾਉਂਦੇ ਸਮੇਂ ਦੋ ਪੈਡਾਗੋਜੀਕਲ ਸਿਧਾਂਤ ਚੁਣੇ ਹਨ: ਇਹ ਹੱਥ-ਅਨ (project-based) ਹੋਵੇ ਅਤੇ ਇਸ ਵਿੱਚ ਅਕਸਰ ਕਵਿਜ਼ ਹੋਣ। ਨਾਲ ਹੀ, ਇਸ ਪਾਠਕ੍ਰਮ ਵਿੱਚ ਇੱਕ ਸਾਂਝੀ ਥੀਮ ਹੈ ਜੋ ਇਸ ਨੂੰ ਇਕਠਠਾ ਕਰਦੀ ਹੈ।

ਸਮੱਗਰੀ ਨੂੰ ਪ੍ਰੋਜੈਕਟਾਂ ਨਾਲ ਸੰਰਚਿਤ ਕਰਕੇ ਵਿਦਿਆਰਥੀਆਂ ਲਈ ਪ੍ਰਕਿਰਿਆ ਹੋਰ ਮਨੋਰੰਜਕ ਬਣਾਈ ਜਾਂਦੀ ਹੈ ਅਤੇ ਜਾਣਕਾਰੀ ਦੀ ਧਾਰਣਸ਼ੀਲਤਾ ਵਧਦੀ ਹੈ। ਵਧੇਰੇ, ਕਲਾਸ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਘਟ-ਦਾਇਰਾ ਕਵਿਜ਼ ਵਿਦਿਆਰਥੀ ਦੇ ਸਿੱਖਣ ਦੇ ਇਰਾਦੇ ਨੂੰ ਸੈੱਟ ਕਰਦਾ ਹੈ, ਜਦਕਿ ਕਲਾਸ ਤੋਂ ਬਾਅਦ ਦੂਜਾ ਕਵਿਜ਼ ਹੋਰ ਧਾਰਣਸ਼ੀਲਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਪਾਠਕ੍ਰਮ ਲਚਕੀਲਾ ਅਤੇ ਮਨੋਰੰਜਕ ਬਣਾਇਆ ਗਿਆ ਹੈ ਅਤੇ ਪੂਰਾ ਜਾਂ ਭਾਗਬੱਧ ਤੌਰ 'ਤੇ ਲਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਪ੍ਰੋਜੈਕਟ ਛੋਟੇ ਸ਼ੁਰੂ ਹੋਕੇ 12-ਹਫਤੇ ਵਾਲੇ ਚੱਕਰ ਦੇ ਅੰਤ ਤੱਕ ਬਦਕੁੱਲ ਮੁਸ਼ਕਲ ਹੁੰਦੇ ਜਾਂਦੇ ਹਨ। ਇਸ ਪਾਠਕ੍ਰਮ ਵਿੱਚ ਆਸਲੀ ਦੁਨੀਆਂ ਦੇ ਐਮ ਐਲ ਐਪਲੀਕੇਸ਼ਨਸ 'ਤੇ ਇੱਕ ਪੋਸਟਸਕ੍ਰਿਪਟ ਵੀ ਸ਼ਾਮਲ ਹੈ, ਜਿਸਨੂੰ ਆਪ ਵੱਧ ਅੰਕਾਂ ਲਈ ਜਾਂ ਚਰਚਾ ਦੇ ਆਧਾਰ ਵਜੋਂ ਵਰਤ ਸਕਦੇ ਹੋ।

ਸਾਡਾ Code of Conduct, Contributing, Translation, ਅਤੇ Troubleshooting ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਲੱਭੋ। ਅਸੀਂ ਤੁਹਾਡੇ ਰਚਨਾਤਮਕ ਫੀਡਬੈਕ ਦਾ ਸਵਾਗਤ ਕਰਦੇ ਹਾਂ!

ਹਰ ਪਾਠ ਵਿੱਚ ਸ਼ਾਮਿਲ ਹਨ

• ਵਿਕਲਪਿਕ ਸਕੈਚਨੋਟ
• ਵਿਕਲਪਿਕ ਸਹਾਇਕ ਵੀਡੀਓ
• ਵੀਡੀਓ ਵਾਕਥਰੂ (ਕੁਝ ਪਾਠਾਂ ਲਈ ਕੇਵਲ)
• ਪ्री-ਲੈਕਚਰ ਵਾਰਮਅੱਪ ਕਵਿਜ਼
• ਲਿਖਤੀ ਪਾਠ
• ਪ੍ਰੋਜੈਕਟ-ਆਧਾਰਿਤ ਪਾਠਾਂ ਲਈ, ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਬਾਰੇ ਕਦਮ-ਬਾਈ-ਕਦਮ ਗਾਈਡ
• ਗਿਆਨ ਜਾਂਚਾਂ
• ਇੱਕ ਚੈਲੇਂਜ
• ਸਹਾਇਕ ਪੜ੍ਹਾਈ
• ਅਸਾਈਨਮੈਂਟ
• ਪੋਸਟ-ਲੈਕਚਰ ਕਵਿਜ਼

ਭਾਸ਼ਾਵਾਂ ਬਾਰੇ ਇੱਕ ਨੋਟ: ਇਹ ਲੈਸਨ ਮੁੱਖ ਰੂਪ ਵਿੱਚ Python ਵਿੱਚ ਲਿਖੇ ਗਏ ਹਨ, ਪਰ ਕਈ ਲੈਸਨ R ਵਿੱਚ ਵੀ ਉਪਲਬਧ ਹਨ। R ਲੈਸਨ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ, /solution ਫੋਲਡਰ ਵਿੱਚ ਜਾਓ ਅਤੇ R ਲੈਸਨਾਂ ਲਈ ਖੋਜੋ। ਉਨ੍ਹਾਂ ਵਿੱਚ .rmd ਐਕਸਟੈਨਸ਼ਨ ਹੁੰਦੀ ਹੈ ਜੋ ਇੱਕ R Markdown ਫਾਇਲ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਜਿਸ ਨੂੰ ਸਧਾਰਨ ਰੂਪ ਵਿੱਚ code chunks (R ਜਾਂ ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਦੇ) ਅਤੇ ਇੱਕ YAML header (ਜੋ ਕਿ PDF ਵਰਗੇ ਆਉਟਪੁਟਾਂ ਨੂੰ ਫਾਰਮੈਟ ਕਰਨ ਬਾਰੇ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਦਿੰਦਾ ਹੈ) ਦੇ ਐਂਬੈਡਿੰਗ ਵਜੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ, ਇਹ ਡੇਟਾ ਸਾਇੰਸ ਲਈ ਇੱਕ ਉਦਾਹਰਨਤਮਕ ਲੇਖਨ ਫਰੇਮਵਰਕ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਤੁਹਾਨੂੰ ਕੋਡ, ਉਸਦੇ ਆਉਟਪੁਟ, ਅਤੇ ਆਪਣੇ ਵਿਚਾਰ ਇਕੱਠੇ Markdown ਵਿੱਚ ਲਿਖਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਇਨ੍ਹਾਂ ਤੋਂ ਸਹੀ ਤੌਰ 'ਤੇ PDF, HTML, ਜਾਂ Word ਵਰਗੇ ਆਉਟਪੁਟ ਫਾਰਮੈਟ ਵੀ ਬਣਾਏ ਜਾ ਸਕਦੇ ਹਨ।

ਕਵਿਜ਼ਾਂ ਬਾਰੇ ਇੱਕ ਨੋਟ: ਸਾਰੀਆਂ ਕਵਿਜ਼ਾਂ Quiz App folder ਵਿੱਚ ਰੱਖੀਆਂ ਗਈਆਂ ਹਨ, ਕੁੱਲ 52 ਕਵਿਜ਼ ਹਨ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਹਰ ਇੱਕ ਵਿੱਚ ਤਿੰਨ ਪ੍ਰਸ਼ਨ ਹਨ। ਇਹਨਾਂ ਨੂੰ ਲੈਸਨਾਂ ਦੇ ਅੰਦਰ ਲਿੰਕ ਕੀਤਾ ਗਿਆ ਹੈ ਪਰ Quiz App ਨੂੰ ਲੋਕਲ ਤੌਰ 'ਤੇ ਚਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ; ਲੋਕਲ ਹੋਸਟ ਕਰਨ ਜਾਂ Azure 'ਤੇ ਡਿਪਲੋਏ ਕਰਨ ਲਈ quiz-app ਫੋਲਡਰ ਵਿੱਚ ਦਿੱਤੀਆਂ ਹਦਾਇਤਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ।

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ	ਪਰਿਚਯ	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਮੂਲ ਸੰਕਲਪਾਂ ਬਾਰੇ ਜਾਨੋ	ਪਾਠ	Muhammad
02	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਇਤਿਹਾਸ	ਪਰਿਚਯ	ਇਸ ਖੇਤਰ ਦੇ ਪਿੱਛੇ ਛੁਪਿਆ ਹੋਇਆ ਇਤਿਹਾਸ ਜਾਣੋ	ਪਾਠ	Jen ਅਤੇ Amy
03	ਨਿਆਂ ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ	ਪਰਿਚਯ	ਨਿਆਂ ਨਾਲ ਸੰਬੰਧਤ ਕੀ ਮਹੱਤਵਪੂਰਕ ਦਰਸ਼ਨਾਤਮਕ ਮੁੱਦੇ ਹਨ ਜਿਨ੍ਹਾਂ 'ਤੇ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ML ਮਾਡਲ ਬਣਾਉਣ ਅਤੇ ਲਾਗੂ ਕਰਨ ਸਮੇਂ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?	ਪਾਠ	Tomomi
04	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਤਕਨੀਕਾਂ	ਪਰਿਚਯ	ML ਖੋਜਕਰਤਾ ਆਪਣੇ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਕਿਹੜੀਆਂ ਤਕਨੀਕਾਂ ਵਰਤਦੇ ਹਨ?	ਪਾਠ	Chris ਅਤੇ Jen
05	ਰਿਗ੍ਰੈਸ਼ਨ ਦਾ ਪਰਿਚਯ	ਰਿਗ੍ਰੈਸ਼ਨ	ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲਾਂ ਲਈ Python ਅਤੇ Scikit-learn ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰੋ	Python • R	Jen • Eric Wanjau
06	ਉੱਤਰ ਅਮਰੀਕੀ ਕੱਦੂ ਦੀਆਂ ਕੀਮਤਾਂ 🎃	ਰਿਗ੍ਰੈਸ਼ਨ	ML ਦੀ ਤਿਆਰੀ ਲਈ ਡੇਟਾ ਨੂੰ ਵਿਜ਼ੁਆਲਾਈਜ਼ ਅਤੇ ਸਾਫ਼ ਕਰੋ	Python • R	Jen • Eric Wanjau
07	ਉੱਤਰ ਅਮਰੀਕੀ ਕੱਦੂ ਦੀਆਂ ਕੀਮਤਾਂ 🎃	ਰਿਗ੍ਰੈਸ਼ਨ	ਲਿਨੀਅਰ ਅਤੇ ਪੋਲਿਨੋਮੀਅਲ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ਬਣਾਓ	Python • R	Jen ਅਤੇ Dmitry • Eric Wanjau
08	ਉੱਤਰ ਅਮਰੀਕੀ ਕੱਦੂ ਦੀਆਂ ਕੀਮਤਾਂ 🎃	ਰਿਗ੍ਰੈਸ਼ਨ	ਇਕ ਲਾਜਿਸਟਿਕ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ਬਣਾਓ	Python • R	Jen • Eric Wanjau
09	ਇੱਕ ਵੈੱਬ ਐਪ 🔌	ਵੈੱਬ ਐਪ	ਆਪਣੇ ਟ੍ਰੇਨ ਕੀਤੇ ਮਾਡਲ ਨੂੰ ਵਰਤਣ ਲਈ ਇੱਕ ਵੈੱਬ ਐਪ ਬਣਾਓ	Python	Jen
10	ਕਲਾਸੀਫਿਕੇਸ਼ਨ ਦਾ ਪਰਿਚਯ	ਕਲਾਸੀਫਿਕੇਸ਼ਨ	ਆਪਣੇ ਡੇਟਾ ਨੂੰ ਸਾਫ਼ ਕਰੋ, ਤਿਆਰ ਕਰੋ ਅਤੇ ਵਿਜ਼ੁਆਲਾਈਜ਼ ਕਰੋ; ਕਲਾਸੀਫਿਕੇਸ਼ਨ ਦਾ ਪਰਿਚਯ	Python • R	Jen ਅਤੇ Cassie • Eric Wanjau
11	ਸੁਆਦਿਸ਼ਟ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਖਾਣੇ 🍜	ਕਲਾਸੀਫਿਕੇਸ਼ਨ	ਕਲਾਸੀਫਾਇਰਾਂ ਦਾ ਪਰਿਚਯ	Python • R	Jen ਅਤੇ Cassie • Eric Wanjau
12	ਸੁਆਦਿਸ਼ਟ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਖਾਣੇ 🍜	ਕਲਾਸੀਫਿਕੇਸ਼ਨ	ਹੋਰ ਕਲਾਸੀਫਾਇਰ	Python • R	Jen ਅਤੇ Cassie • Eric Wanjau
13	ਸੁਆਦਿਸ਼ਟ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਖਾਣੇ 🍜	ਕਲਾਸੀਫਿਕੇਸ਼ਨ	ਆਪਣੇ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਸਿਫ਼ਾਰਸ਼ੀ ਵੈੱਬ ਐਪ ਬਣਾਓ	Python	Jen
14	ਕਲੱਸਟਰਿੰਗ ਦਾ ਪਰਿਚਯ	ਕਲੱਸਟਰਿੰਗ	ਆਪਣੇ ਡੇਟਾ ਨੂੰ ਸਾਫ਼, ਤਿਆਰ ਅਤੇ ਵਿਜ਼ੁਆਲਾਈਜ਼ ਕਰੋ; ਕਲੱਸਟਰਿੰਗ ਦਾ ਪਰਿਚਯ	Python • R	Jen • Eric Wanjau
15	ਨਾਈਜੀਰੀਆਈ ਸੰਗੀਤਿਕ ਰੁਚੀਆਂ ਦੀ ਖੋਜ 🎧	ਕਲੱਸਟਰਿੰਗ	K-Means ਕਲੱਸਟਰਿੰਗ ਵਿਧੀ ਦੀ ਪੜਤਾਲ ਕਰੋ	Python • R	Jen • Eric Wanjau
16	ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ ਦਾ ਪਰਿਚਯ ☕️	ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ	ਇੱਕ ਸਧਾਰਣ ਬੋਟ ਬਣਾ ਕੇ NLP ਦੇ ਮੂਲ ਗਿਆਨ ਸਿੱਖੋ	Python	Stephen
17	ਆਮ NLP ਟਾਸਕ ☕️	ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ	ਭਾਸ਼ਾਈ ਰਚਨਾਵਾਂ ਨਾਲ ਨਿਭਾਉਣ ਵੇਲੇ ਲੋੜੀਂਦੇ ਆਮ ਟਾਸਕਾਂ ਨੂੰ ਸਮਝ ਕੇ ਆਪਣੀ NLP ਗਿਆਨ ਨੂੰ ਵਧਾਓ	Python	Stephen
18	ਅਨੁਵਾਦ ਅਤੇ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ♥️	ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ	Jane Austen ਨਾਲ ਅਨੁਵਾਦ ਅਤੇ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ	Python	Stephen
19	ਯੂਰਪ ਦੇ ਰੋਮਾਂਟਿਕ ਹੋਟਲ ♥️	ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ	ਹੋਟਲ ਰਿਵਿਊਜ਼ ਨਾਲ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ 1	Python	Stephen
20	ਯੂਰਪ ਦੇ ਰੋਮਾਂਟਿਕ ਹੋਟਲ ♥️	ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ	ਹੋਟਲ ਰਿਵਿਊਜ਼ ਨਾਲ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ 2	Python	Stephen
21	ਟਾਈਮ ਸੀਰੀਜ਼ ਫੋਰਕਾਸਟਿੰਗ ਦਾ ਪਰਿਚਯ	ਟਾਈਮ ਸੀਰੀਜ਼	ਟਾਈਮ ਸੀਰੀਜ਼ ਫੋਰਕਾਸਟਿੰਗ ਦਾ ਪਰਿਚਯ	Python	Francesca
22	⚡️ ਵਿਸ਼ਵ ਬਿਜਲੀ ਖਪਤ ⚡️ - ARIMA ਨਾਲ ਟਾਈਮ ਸੀਰੀਜ਼ ਫੋਰਕਾਸਟਿੰਗ	ਟਾਈਮ ਸੀਰੀਜ਼	ARIMA ਨਾਲ ਟਾਈਮ ਸੀਰੀਜ਼ ਫੋਰਕਾਸਟਿੰਗ	Python	Francesca
23	⚡️ ਵਿਸ਼ਵ ਬਿਜਲੀ ਖਪਤ ⚡️ - SVR ਨਾਲ ਟਾਈਮ ਸੀਰੀਜ਼ ਫੋਰਕਾਸਟਿੰਗ	ਟਾਈਮ ਸੀਰੀਜ਼	Support Vector Regressor ਨਾਲ ਟਾਈਮ ਸੀਰੀਜ਼ ਫੋਰਕਾਸਟਿੰਗ	Python	Anirban
24	ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ	ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ	Q-Learning ਨਾਲ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ	Python	Dmitry
25	ਪੀਟਰ ਨੂੰ ਭੇੜੀਆ ਤੋਂ ਬਚਾਓ! 🐺	ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ	Reinforcement Learning Gym	Python	Dmitry
Postscript	ਅਸਲ ਦੁਨੀਆ ਦੇ ML ਮਾਮਲੇ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨ	ML in the Wild	ਕਲਾਸਿਕਲ ML ਦੇ ਦਿਲਚਸਪ ਅਤੇ ਪ੍ਰਕਟ ਕਰਨ ਵਾਲੇ ਅਸਲ-ਦੁਨੀਆ ਦੇ ਉਪਯੋਗ	ਪਾਠ	Team
Postscript	RAI ਡੈਸ਼ਬੋਰਡ ਦਾ ਉਪਯੋਗ ਕਰਕੇ ML ਵਿੱਚ ਮਾਡਲ ਡੀਬੱਗਿੰਗ	ML in the Wild	Responsible AI ਡੈਸ਼ਬੋਰਡ ਘਟਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਵਿੱਚ ਮਾਡਲ ਡੀਬੱਗਿੰਗ	ਪਾਠ	Ruth Yakubu

ਇਸ ਕੋਰਸ ਲਈ ਸਾਰੇ ਵਾਧੂ ਸਰੋਤ ਸਾਡੇ Microsoft Learn ਕਲੇਕਸ਼ਨ ਵਿੱਚ ਲੱਭੋ

ਆਫਲਾਈਨ ਐਕਸੈਸ

ਤੁਸੀਂ ਇਹ ਦਸਤਾਵੇਜ਼ ਆਫਲਾਈਨ Docsify ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਚਲਾ ਸਕਦੇ ਹੋ। ਇਸ ਰੇਪੋ ਨੂੰ ਫੋਰਕ ਕਰੋ, ਆਪਣੇ ਲੋਕਲ ਮਸ਼ੀਨ 'ਤੇ Docsify ਇੰਸਟਾਲ ਕਰੋ, ਅਤੇ ਫਿਰ ਇਸ ਰੇਪੋ ਦੇ ਰੂਟ ਫੋਲਡਰ ਵਿੱਚ, docsify serve ਟਾਈਪ ਕਰੋ। ਵੈੱਬਸਾਈਟ ਤੁਹਾਡੇ ਲੋਕਲਹੋਸਟ 'ਤੇ ਪੋਰਟ 3000 'ਤੇ ਸਰਵ ਹੋਏਗੀ: localhost:3000।

PDFs

ਲਿੰਕਾਂ ਸਮੇਤ ਕਰਿਕੁਲਮ ਦਾ pdf ਇੱਥੇ ਲੱਭੋ: here.

🎒 ਹੋਰ ਕੋਰਸ

ਸਾਡੀ ਟੀਮ ਹੋਰ ਕੋਰਸ ਵੀ ਬਣਾਉਂਦੀ ਹੈ! ਦੇਖੋ:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

ਮੁੱਖ ਸਿੱਖਿਆ

---

ਕੋਪਾਇਲਟ ਸੀਰੀਜ਼

ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕਰੋ

ਜੇ ਤੁਸੀਂ ਫਸ ਜਾਂਦੇ ਹੋ ਜਾਂ AI ਐਪ ਬਣਾਉਣ ਬਾਰੇ ਕੋਈ ਸਵਾਲ ਹੋਵੇ। MCP ਬਾਰੇ ਚਰਚਾ ਵਿੱਚ ਹੋਰ ਸਿੱਖਣ ਵਾਲਿਆਂ ਅਤੇ ਅਨੁਭਵੀ ਡਿਵੈਲਪਰਾਂ ਨਾਲ ਸ਼ਾਮਿਲ ਹੋਵੋ। ਇਹ ਇੱਕ ਸਹਿਯੋਗੀ ਕਮਿਊਨਿਟੀ ਹੈ ਜਿੱਥੇ ਸਵਾਲਾਂ ਦਾ ਸਵਾਗਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਗਿਆਨ ਖੁੱਲ੍ਹ ਕੇ ਸਾਂਝਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਜੇ ਤੁਹਾਡੇ ਕੋਲ ਉਤਪਾਦ ਬਾਰੇ ਫੀਡਬੈਕ ਹੈ ਜਾਂ ਨਿਰਮਾਣ ਦੌਰਾਨ ਕੋਈ ਗਲਤੀ ਆਈ ਹੈ ਤਾਂ ਵੇਖੋ:

---

ਡਿਸਕਲੇਮਰ: ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਅਸੀਂ ਸ਼ੁੱਧਤਾ ਲਈ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਪਰ ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਰੱਖੋ ਕਿ ਆਟੋਮੇਟਿਕ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਣਸ਼ੁੱਧਤੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਆਪਣੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਧਿਕਾਰਿਕ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਕਾਰਨ ਹੋਣ ਵਾਲੀਆਂ ਕਿਸੇ ਵੀ ਗਲਤ ਫਹਿਮੀਆਂ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆਵਾਂ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।