ML-For-Beginners/translations/ur

🌐 متعدد زبانوں کی معاونت

GitHub Action کے ذریعے حمایت یافتہ (خودکار اور ہمیشہ تازہ ترین)

عربی | بنگالی | بلغاریائی | برمی (میانمار) | چینی (سادہ) | چینی (روایتی، ہانگ کانگ) | چینی (روایتی، مکاؤ) | چینی (روایتی، تائیوان) | کروشین | چیک | ڈینش | ڈچ | ایسٹونین | فنش | فرانسیسی | جرمن | یونانی | عبرانی | ہندی | ہنگیرین | انڈونیشیائی | اطالوی | جاپانی | کنڑ | کوریائی | لتھوانین | ملائی | مالیالم | مراتی | نیپالی | نائجیریائی پیجِن | ناروے | فارسی (فارس) | پولش | پرتگالی (برازیل) | پرتگالی (پرتگال) | پنجابی (گرمکھی) | رومانیائی | روسی | سربیائی (سِریلیک) | سلوواک | سلوونیائی | ہسپانوی | سواحلی | سویڈش | ٹاگالوگ (فلپائنی) | تمل | تیلوگو | تھائی | ترکی | یوکرینیائی | اردو | ویتنامی

ہماری کمیونٹی میں شامل ہوں

ہماری Discord پر "Learn with AI" سیریز جاری ہے، مزید جاننے اور 18 - 30 ستمبر، 2025 میں ہمارے ساتھ شامل ہونے کے لیے AI کے ساتھ سیکھیں سیریز پر جائیں۔ آپ GitHub Copilot کو Data Science کے لیے استعمال کرنے کے ٹپس اور ٹرکس حاصل کریں گے۔

مشین لرننگ برائے مبتدیان - ایک نصاب

🌍 دنیا بھر میں سفر کریں جب ہم دنیا کی ثقافتوں کے ذریعے مشین لرننگ کا جائزہ لیتے ہیں 🌍

Microsoft کے Cloud Advocates خوشی محسوس کرتے 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 کچھ ایسے موضوعات سیکھیں گے جنہیں کبھی کبھار کلاسیکی مشین لرننگ کہا جاتا ہے، جس میں بنیادی طور پر Scikit-learn لائبریری کا استعمال کیا جاتا ہے اور ڈیپ لرننگ سے گریز کیا جاتا ہے، جسے ہمارے AI برائے مبتدیان کا نصاب میں شامل کیا گیا ہے۔ ان اسباق کو ہمارے 'ڈیٹا سائنس برائے مبتدیان' نصاب کے ساتھ جوڑا جا سکتا ہے۔

ہماری دنیا بھر کے ڈیٹا پر ان کلاسیکی تکنیکوں کو لاگو کرنے کے ساتھ ہمارے ساتھ سفر کریں۔ ہر سبق میں پری اور پوسٹ سبق کوئزز، سبق مکمل کرنے کے تحریری ہدایات، ایک حل، ایک اسائنمنٹ، اور مزید شامل ہیں۔ ہمارا پروجیکٹ پر مبنی طریقۂ تدریس آپ کو بناتے ہوئے سیکھنے دیتا ہے، جو نئی صلاحیتوں کو برقرار رکھنے کا ثابت شدہ طریقہ ہے۔

✍️ ہمارے مصنفین کا دلی شکریہ Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd

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

🙏 خصوصی شکریہ 🙏 ہمارے Microsoft Student Ambassador مصنفین، نقاد، اور مواد کے معاونین کو، خصوصاً Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, and Snigdha Agarwal

🤩 اضافی قدردانی Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, and Vidushi Gupta کو ہمارے R اسباق کے لیے!

شروعات

مندرجہ ذیل اقدامات پر عمل کریں:

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

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

🔧 مدد چاہیے؟ تنصیب، سیٹ اپ، اور اسباق چلانے کے عام مسائل کے حل کے لیے ہماری مسائل حل کرنے کی رہنمائی دیکھیں۔

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

• پہلے پری-لیکچر کوئز سے شروع کریں۔
• لیکچر پڑھیں اور سرگرمیاں مکمل کریں، ہر علمی جانچ پر رک کر غور کریں۔
• حل کا کوڈ چلانے کی بجائے اسباق کو سمجھ کر پروجیکٹس بنانے کی کوشش کریں؛ تاہم وہ کوڈ ہر پروجیکٹ سے متعلق سبق کے /solution فولڈرز میں دستیاب ہے۔
• پوسٹ-لیکچر کوئز دیں۔
• چیلنج مکمل کریں۔
• اسائنمنٹ مکمل کریں۔
• ایک سبق گروپ مکمل کرنے کے بعد، ڈسکشن بورڈ ملاحظہ کریں اور مناسب PAT روبریک بھر کر "باہمی طور پر سیکھیں"۔ 'PAT' ایک Progress Assessment Tool ہے جو ایک روبریک ہے جسے آپ اپنی مزید تعلم کے لیے پر کرتے ہیں۔ آپ دیگر PATs پر ری ایکٹ بھی کر سکتے ہیں تاکہ ہم ایک ساتھ سیکھ سکیں۔

مزید مطالعہ کے لیے، ہم آپ کو مشورہ دیتے ہیں کہ آپ ان Microsoft Learn ماڈیولز اور سیکھنے کے راستوں کی پیروی کریں۔

اساتذہ، ہم نے کچھ تجاویز شامل کی ہیں کہ اس نصاب کو کیسے استعمال کیا جائے۔

---

ویڈیو واک تھروز

کچھ اسباق مختصر ویڈیو کی شکل میں دستیاب ہیں۔ آپ انہیں اسباق کے اندر لائن میں دیکھ سکتے ہیں، یا نیچے دی گئی تصویر پر کلک کر کے Microsoft Developer YouTube چینل پر ML for Beginners پلے لسٹ پر بھی دیکھ سکتے ہیں۔

---

ٹیم سے ملیں

گیف بذریعہ Mohit Jaisal

🎥 اوپر تصویر پر کلک کریں تاکہ اس پروجیکٹ اور اسے بنانے والوں کے بارے میں ویڈیو دیکھیں!

---

طریقۂ تدریس

ہم نے اس نصاب کی تیاری کے دوران دو تدریسی اصول منتخب کیے ہیں: یہ کہ یہ فعال طور پر پراجیکٹ پر مبنی ہو اور اس میں بار بار کوئزز شامل ہوں۔ اس کے علاوہ، اس نصاب میں ایک مشترکہ موضوع ہے تاکہ اسے ہم آہنگی ملے۔

مواد کو پروجیکٹس کے مطابق رکھنے سے طلباء کے لیے عمل زیادہ دلچسپ بن جاتا ہے اور تصورات کے برقرار رہنے میں اضافہ ہوتا ہے۔ اس کے علاوہ، کلاس سے پہلے ایک کم داؤ والا کوئز طالب علم کے ارادے کو کسی موضوع کو سیکھنے کی سمت متعین کرتا ہے، جبکہ کلاس کے بعد دوسرا کوئز مزید یادداشت کو یقینی بناتا ہے۔ یہ نصاب لچکدار اور خوشگوار طور پر ڈیزائن کیا گیا ہے اور پورے یا جزوی طور پر کیا جا سکتا ہے۔ پروجیکٹس چھوٹے سے شروع ہوتے ہیں اور 12 ہفتوں کے دورانیے کے آخر تک بتدریج پیچیدہ بن جاتے ہیں۔ اس نصاب میں ML کے حقیقی دنیا میں اطلاق پر ایک ضمنی تحریر بھی شامل ہے، جسے اضافی کریڈٹ کے طور پر یا بحث کی بنیاد کے طور پر استعمال کیا جا سکتا ہے۔

ہماری ضابطۂ اخلاق، شراکت کے اصول، ترجمہ، اور مسائل حل کرنے کی رہنمائی گائیڈ لائنز دیکھیں۔ ہم آپ کی تعمیری آراء کا خیرمقدم کرتے ہیں!

ہر سبق میں شامل ہیں

• اختیاری اسکیچ نوٹ
• اختیاری اضافی ویڈیو
• ویڈیو واک تھرو (صرف بعض اسباق)
• پری-لیکچر وارم اپ کوئز
• تحریری سبق
• پراجیکٹ پر مبنی اسباق کے لیے، پروجیکٹ کیسے بنائیں اس کے مرحلہ وار رہنما
• علمی جانچ
• ایک چیلنج
• اضافی مطالعہ
• اسائنمنٹ
• پوسٹ-لیکچر کوئز

زبانوں کے بارے میں نوٹ: یہ اسباق بنیادی طور پر Python میں لکھی گئی ہیں، لیکن بہت سے اسباق R میں بھی دستیاب ہیں۔ R سبق مکمل کرنے کے لیے، /solution فولڈر میں جائیں اور R اسباق تلاش کریں۔ وہ .rmd توسیع شامل کرتے ہیں جو ایک R Markdown فائل کی نمائندگی کرتی ہے جسے آسانی سے code chunks (R یا دوسری زبانوں کے) اور YAML header (جو PDF جیسے آؤٹ پٹس کو فارمیٹ کرنے کی رہنمائی کرتا ہے) کو ایک Markdown document میں ایمبیڈ کرنے کے طور پر بیان کیا جا سکتا ہے۔ اس طرح، یہ ڈیٹا سائنس کے لیے ایک مثالی آتھرنگ فریم ورک کے طور پر کام کرتی ہے کیونکہ یہ آپ کو اپنا کوڈ، اس کا آؤٹ پٹ، اور اپنے خیالات کو Markdown میں لکھ کر مربوط کرنے کی اجازت دیتی ہے۔ مزید برآں، 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 رکھے گئے ہیں، کل 52 کوئزز ہیں جن میں ہر ایک میں تین سوالات ہیں۔ یہ اسباق سے لنک کیے گئے ہیں لیکن Quiz App کو مقامی طور پر چلایا جا سکتا ہے؛ مقامی ہوسٹنگ یا Azure پر ڈپلائے کرنے کے لیے quiz-app فولڈر میں موجود ہدایات پر عمل کریں۔

سبق نمبر	موضوع	سبق کا گروہ	سیکھنے کے مقاصد	لنک شدہ سبق	مصنف
01	مشین لرننگ کا تعارف	تعارف	مشین لرننگ کے بنیادی تصورات سیکھیں	سبق	Muhammad
02	مشین لرننگ کی تاریخ	تعارف	اس میدان کے پیچھے موجود تاریخ سیکھیں	سبق	Jen and Amy
03	انصاف اور مشین لرننگ	تعارف	انصاف کے حوالے سے کون سے اہم فلسفیانہ مسائل ہیں جن پر طلباء کو ML ماڈل بنانے اور استعمال کرنے میں غور کرنا چاہیے؟	سبق	Tomomi
04	مشین لرننگ کے طریقے	تعارف	ML محققین کون سے طریقے استعمال کرتے ہیں ML ماڈل بنانے کے لیے؟	سبق	Chris and Jen
05	رجریشن کا تعارف	رجریشن	رجریشن ماڈلز کے لیے Python اور Scikit-learn کے ساتھ شروع کریں	Python • R	Jen • Eric Wanjau
06	شمالی امریکہ میں کدو کی قیمتیں 🎃	رجریشن	ML کی تیاری کے لیے ڈیٹا کو بصری بنائیں اور صاف کریں	Python • R	Jen • Eric Wanjau
07	شمالی امریکہ میں کدو کی قیمتیں 🎃	رجریشن	خطی اور کثیرالاضلاع رجریشن ماڈل بنائیں	Python • R	Jen and Dmitry • Eric Wanjau
08	شمالی امریکہ میں کدو کی قیمتیں 🎃	رجریشن	لاگسٹک رجریشن ماڈل بنائیں	Python • R	Jen • Eric Wanjau
09	ایک ویب ایپ 🔌	ویب ایپ	اپنے تربیت یافتہ ماڈل کو استعمال کرنے کے لیے ایک ویب ایپ بنائیں	Python	Jen
10	درجہ بندی کا تعارف	درجہ بندی	اپنے ڈیٹا کو صاف کریں، تیار کریں، اور بصری بنائیں؛ درجہ بندی کا تعارف	Python • R	Jen and Cassie • Eric Wanjau
11	لذیذ ایشیائی اور ہندوستانی پکوان 🍜	درجہ بندی	کلاسفائرز کا تعارف	Python • R	Jen and Cassie • Eric Wanjau
12	لذیذ ایشیائی اور ہندوستانی پکوان 🍜	درجہ بندی	مزید کلاسفائرز	Python • R	Jen and Cassie • Eric Wanjau
13	لذیذ ایشیائی اور ہندوستانی پکوان 🍜	درجہ بندی	اپنے ماڈل کا استعمال کرتے ہوئے ایک تجویز کنندہ ویب ایپ بنائیں	Python	Jen
14	کلسٹرنگ کا تعارف	کلسٹرنگ	اپنے ڈیٹا کو صاف کریں، تیار کریں، اور بصری بنائیں؛ کلسٹرنگ کا تعارف	Python • R	Jen • Eric Wanjau
15	نائجیریائی موسیقی کے ذائقے 🎧	کلسٹرنگ	K-Means کلسٹرنگ طریقہ کار کا جائزہ لیں	Python • R	Jen • Eric Wanjau
16	قدرتی زبان کی پروسیسنگ کا تعارف ☕️	قدرتی زبان کی پروسیسنگ	ایک سادہ بوٹ بنا کر NLP کی بنیادی باتیں سیکھیں	Python	Stephen
17	عام NLP کے کام ☕️	قدرتی زبان کی پروسیسنگ	زبان کے ڈھانچوں سے نمٹنے کے لیے درکار عام کاموں کو سمجھ کر اپنے NLP کے علم کو گہرا کریں	Python	Stephen
18	ترجمہ اور جذباتی تجزیہ ♥️	قدرتی زبان کی پروسیسنگ	Jane Austen کے ساتھ ترجمہ اور جذباتی تجزیہ	Python	Stephen
19	یورپ کے رومانوی ہوٹل ♥️	قدرتی زبان کی پروسیسنگ	ہوٹل کے جائزوں کے ساتھ جذباتی تجزیہ 1	Python	Stephen
20	یورپ کے رومانوی ہوٹل ♥️	قدرتی زبان کی پروسیسنگ	ہوٹل کے جائزوں کے ساتھ جذباتی تجزیہ 2	Python	Stephen
21	ٹائم سیریز پیشن گوئی کا تعارف	ٹائم سیریز	ٹائم سیریز پیشن گوئی کا تعارف	Python	Francesca
22	⚡️ عالمی بجلی کا استعمال ⚡️ - ARIMA کے ساتھ ٹائم سیریز پیشن گوئی	ٹائم سیریز	ARIMA کے ساتھ ٹائم سیریز پیشن گوئی	Python	Francesca
23	⚡️ عالمی بجلی کا استعمال ⚡️ - SVR کے ساتھ ٹائم سیریز پیشن گوئی	ٹائم سیریز	Support Vector Regressor کے ساتھ ٹائم سیریز پیشن گوئی	Python	Anirban
24	تقویتی سیکھنے کا تعارف	تقویتی سیکھنا	Q-Learning کے ساتھ تقویتی سیکھنے کا تعارف	Python	Dmitry
25	پیٹر کو بھیڑیے سے بچنے میں مدد کریں! 🐺	تقویتی سیکھنا	تقویتی سیکھنے Gym	Python	Dmitry
پس نوشت	حقیقی دنیا میں ML کے منظرنامے اور اطلاقات	حقیقی دنیا میں ML	روایتی ML کی دلچسپ اور معلومات افروز حقیقی دنیا کی اطلاقات	سبق	Team
پس نوشت	RAI ڈیش بورڈ استعمال کرتے ہوئے ML میں ماڈل کی ڈیبگنگ	حقیقی دنیا میں ML	Responsible AI ڈیش بورڈ اجزاء استعمال کرتے ہوئے مشین لرننگ میں ماڈل کی ڈیبگنگ	سبق	Ruth Yakubu

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

آف لائن رسائی

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

پی ڈی ایفز

نصاب کا ایک PDF، روابط کے ساتھ، یہاں پایا جا سکتا ہے۔

🎒 دیگر کورسز

ہماری ٹیم دوسرے کورسز بھی بناتی ہے! دیکھیں:

LangChain

---

Azure / Edge / MCP / Agents

---

جنریٹو AI سیریز

---

بنیادی سیکھنے

---

کوپائلٹ سیریز

مدد حاصل کریں

اگر آپ AI ایپس بنانے میں پھنس جائیں یا آپ کو کوئی سوال درپیش ہو تو MCP کے بارے میں مباحثوں میں دوسرے سیکھنے والوں اور تجربہ کار ڈویلپرز میں شامل ہو جائیں۔ یہ ایک معاون کمیونٹی ہے جہاں سوالات کا خیرمقدم کیا جاتا ہے اور علم بلاامتیاز شیئر کیا جاتا ہے۔

اگر آپ کے پاس پروڈکٹ کے بارے میں تاثرات ہوں یا آپ کو بنانے کے دوران کوئی خرابی پیش آئے تو ملاحظہ کریں:

---

دستبرداری: اس دستاویز کا ترجمہ AI ترجمہ سروس Co-op Translator کے ذریعے کیا گیا ہے۔ اگرچہ ہم درستگی کے لیے کوشاں ہیں، براہِ کرم نوٹ کریں کہ خودکار تراجم میں غلطیاں یا عدمِ درستی ہو سکتی ہے۔ اصل دستاویز اپنی مادری زبان میں معتبر ماخذ سمجھی جانی چاہیے۔ اہم معلومات کے لیے پیشہ ور انسانی مترجم کی خدمات حاصل کرنے کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تعبیر کے لیے ہم ذمہ دار نہیں ہیں۔