ML-For-Beginners/translations/mr

🌐 एकाधिक भाषा समर्थन

GitHub Action द्वारे समर्थित (स्वयंचलित आणि नेहमी अद्ययावत)

अरबी | बंगाली | बल्गेरियन | बर्मी (म्यानमार) | चिनी (सरलीकृत) | चिनी (पारंपरिक, हाँगकाँग) | चिनी (पारंपरिक, मकाऊ) | चिनी (पारंपरिक, तैवान) | क्रोएशियन | चेक | डॅनिश | डच | इस्टोनियन | फिनिश | फ्रेंच | जर्मन | ग्रीक | हिब्रू | हिंदी | हंगेरीयन | इंडोनेशियन | इटालियन | जपानी | कन्नड | कोरियन | लिथुआनियन | मलय | मलयाळम | मराठी | नेपाली | नायजेरियन पिजिन | नॉर्वेजियन | फ़ारसी (फारसी) | पोलिश | पोर्तुगीज (ब्राझील) | पोर्तुगीज (पोर्तुगाल) | पंजाबी (गुरमुखी) | रोमानियन | रशियन | सर्बियन (सिरिलिक) | स्लोवाक | स्लोव्हेनियन | स्पॅनिश | स्वाहिली | स्वीडिश | टागालॉग (फिलिपिनो) | तमिळ | तेलुगु | थाई | तुर्किश | युक्रेनी | उर्दू | व्हिएतनामी

आमच्या समुदायात सामील व्हा

आमच्याकडे Discord वर AI सह शिकण्याची मालिका चालू आहे; अधिक जाणून घेण्यासाठी आणि 18 - 30 September, 2025 या काळात AI सह शिकण्याची मालिका येथे आमच्यात सामील व्हा. तुम्हाला Data Science साठी GitHub Copilot वापरण्याचे टिप्स आणि ट्रिक्स मिळतील.

सुरूवात

🌍 जगभर फिरा जसे आपण जागतिक संस्कृतींमधून मशीन लर्निंगचा शोध घेतो 🌍

Microsoft मधील Cloud Advocates तुमच्यासाठी 12 आठवड्यांचा, 26 धड्यांचा अभ्यासक्रम सादर करताना आनंदित आहेत जो पूर्णपणे मशीन लर्निंग विषयी आहे. या अभ्यासक्रमात आपण प्रामुख्याने Scikit-learn या लायब्ररीचा उपयोग करून आणि डीप लर्निंग टाळून ज्याला कधीकधी क्लासिक मशीन लर्निंग असे म्हणतात ते शिकू. डीप लर्निंग आमच्या AI for Beginners चा अभ्यासक्रम मध्ये समाविष्ट आहे. तसेच हे धडे आमच्या 'Data Science for Beginners' अभ्यासक्रम बरोबर जोडून घ्या.

आमच्यासोबत जगभर प्रवास करा जसे आपण या क्लासिक तंत्रांचा विविध जगातील डेटावर उपयोग करतो. प्रत्येक धड्यात पूर्व आणि उत्तर-धड्याचे क्विझ, लेखी सूचनांद्वारे धडा पूर्ण करणे, एक समाधान (solution), एक असाइनमेंट आणि बरेच काही समाविष्ट आहे. आमची प्रकल्प-आधारित अध्यापनपद्धत तुम्हाला बांधून शिकण्याची संधी देते, जी नव्या कौशल्यांना टिकवून ठेवण्यासाठी प्रभावी आहे.

✍️ आमच्या लेखनकर्त्यांचे 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 चित्रकारांचे देखील धन्यवाद Tomomi Imura, Dasani Madipalli, आणि Jen Looper

🙏 विशेष आभार 🙏 आमच्या Microsoft Student Ambassador लेखनकर्ते, पुनरावलोकक, आणि सामग्री योगदानकर्त्यांना, 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!

सुरू करण्याचे पाउल

या पायऱ्या पाळा:

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

या कोर्ससाठीची सर्व अतिरिक्त संसाधने आमच्या Microsoft Learn संग्रहात शोधा

🔧 मदत हवी? सामान्य इंस्टॉलेशन, सेटअप, आणि धडे चालवण्याशी संबंधित समस्यांसाठी आमच्या समस्या निवारण मार्गदर्शक पाहा.

विद्यार्थी, हा अभ्यासक्रम वापरण्यासाठी, संपूर्ण रेपो तुमच्या GitHub खात्यात फोर्क करा आणि खालील व्यायाम स्वतः किंवा गटासह पूर्ण करा:

• पूर्व-व्याख्यान क्विझ पासून प्रारंभ करा.
• व्याख्यान वाचा आणि क्रियाकलाप पूर्ण करा, प्रत्येक ज्ञान तपासणीवर थांबा आणि चिंतन करा.
• धड्यांची उत्तरे चालवण्याऐवजी धडे समजून प्रकल्प तयार करण्याचा प्रयत्न करा; तरीही त्या कोडचा वापर /solution फोल्डरमधून करू शकता.
• पोस्ट-व्याख्यान क्विझ घ्या.
• आव्हान पूर्ण करा.
• असाइनमेंट पूर्ण करा.
• धडा गट पूर्ण केल्यानंतर, चर्चा फलक ला भेट द्या आणि संबंधित PAT रूब्रिक भरून "उच्चारून शिका" करा. 'PAT' म्हणजे Progress Assessment Tool ज्यामध्ये तुम्ही तुमचे शिक्षण पुढे नेण्यासाठी एक रूब्रिक भरता. तुम्ही इतर PATs वर प्रतिक्रिया देऊनही एकत्र शिकू शकता.

पुढील अभ्यासासाठी, आम्ही या Microsoft Learn मॉड्यूल्स आणि शिक्षण मार्गांचे अनुसरण करण्याचा सल्ला देतो.

शिक्षक/शिक्षिका, या अभ्यासक्रमाचा वापर कसा करावा याबाबत आम्ही काही सूचना समाविष्ट केल्या आहेत.

---

व्हिडिओ मार्गदर्शने

काही धडे लहान स्वरूपाच्या व्हिडिओ म्हणून उपलब्ध आहेत. तुम्ही हे सर्व धड्यामध्ये इन-लाइन शोधू शकता, किंवा Microsoft Developer YouTube चॅनेलवरील ML for Beginners प्लेलिस्ट वर खालील प्रतिमेवर क्लिक करून पाहू शकता.

---

टीमला भेटा

Gif द्वारे Mohit Jaisal

🎥 प्रकल्प आणि ते तयार करणाऱ्या लोकांविषयी व्हिडिओसाठी वरची प्रतिमा क्लिक करा!

---

अध्यापन पद्धती

या अभ्यासक्रमाचे निर्मिती करताना आम्ही दोन अध्यापन तत्त्वे निवडली आहेत: हे हाताळण्यायोग्य आणि प्रकल्प-आधारित असावे तसेच यात वारंवार क्विझ समाविष्ट असाव्यात. याशिवाय, या अभ्यासक्रमाला एक साधी थीम दिली आहे ज्यामुळे एकसंधता येते.

सामग्री प्रकल्पांशी जुळवून दिल्यामुळे विद्यार्थ्यांसाठी ही प्रक्रिया अधिक आकर्षक होते आणि संकल्पनांची समज अधिक चिरंतनरीत्या टिकून राहते. याशिवाय, वर्गापूर्वीची कमी-जोखीम असलेली क्विझ विद्यार्थ्याच्या अभ्यासाच्या हेतू सेट करते, तर वर्गानंतरची दुसरी क्विझ अधिक टिकाव सुनिश्चित करते. हा अभ्यासक्रम लवचिक आणि मजेदार बनवण्यासाठी डिझाइन केला गेला आहे आणि संपूर्ण किंवा भागाने घेतला जाऊ शकतो. प्रकल्प लहानपासून सुरू होऊन 12 आठवड्यांच्या चक्राच्या शेवटी अधिक क्लिष्ट बनतात. या अभ्यासक्रमात ML च्या वास्तविक जगातील अनुप्रयोगांवर एक पोस्टस्क्रिप्ट देखील आहे, जो अतिरिक्त क्रेडिटसाठी किंवा चर्चेसाठी वापरता येऊ शकतो.

आमचा आचार संहिता, योगदान कसे करावे, अनुवाद मार्गदर्शक, आणि समस्या निवारण मार्गदर्शक शोधा. आम्हाला तुमचा रचनात्मक अभिप्राय स्वागत आहे!

प्रत्येक धड्यात समाविष्ट आहे

• ऐच्छिक स्केच नोट
• ऐच्छिक पूरक व्हिडिओ
• व्हिडिओ मार्गदर्शन (केवळ काही धडे)
• पूर्व-व्याख्यान वॉर्मअप चाचणी
• लिखित धडा
• प्रकल्प-आधारित धड्यांसाठी, प्रकल्प कसा तयार करायचा याचे पायरी-दर-पायरी मार्गदर्शक
• ज्ञान तपासण्या
• एक आव्हान
• पूरक वाचन
• असाइनमेंट
• पोस्ट-व्याख्यान चाचणी

भाषांबद्दल एक टीप: हे धडे प्रामुख्याने Python मध्ये लिहिलेले आहेत, परंतु अनेक धडे R मध्ये देखील उपलब्ध आहेत. R धडा पूर्ण करण्यासाठी /solution फोल्डरमध्ये जा आणि R धडे शोधा. ते .rmd एक्स्टेंशन समाविष्ट करतात जे R Markdown फाइल दर्शवते जी साधारणपणे code chunks (R किंवा अन्य भाषांचे) आणि YAML header (PDF सारखे आउटपुट कसे फॉरमॅट करायचे ते मार्गदर्शन करणार्‍या) चे एम्बेडिंग असलेले Markdown document म्हणून परिभाषित केली जाऊ शकते. म्हणून, हे डेटा सायन्ससाठी एक उत्कृष्ट लेखन फ्रेमवर्क म्हणून काम करते कारण यात तुम्ही तुमचा कोड, त्याचे आउटपुट, आणि तुमचे विचार Markdown मध्ये लिहून मिश्रित करू शकता. शिवाय, R Markdown कागदपत्रे PDF, HTML किंवा Word सारख्या आउटपुट फॉरमॅटमध्ये रेंडर केली जाऊ शकतात.

क्विझबद्दल एक टीप: सर्व क्विझ Quiz App फोल्डर मध्ये ठेवण्यात आले आहेत, ज्यात एकूण 52 क्विझ आहेत आणि प्रत्येकी तीन प्रश्न आहेत. ते धड्यांमधून लिंक केलेले आहेत परंतु क्विझ अॅप स्थानिकरित्या चालवता येऊ शकते; स्थानिक होस्ट करणे किंवा Azure वर डिप्लॉय करण्यासाठी quiz-app फोल्डरमधील सूचना पाळा.

धड्याचा क्रमांक	विषय	धड्यांचे गट	शिकण्याचे उद्दिष्टे	संबंधित धडा	लेखक
01	मशीन लर्निंगची ओळख	परिचय	मशीन लर्निंगमागील मूलभूत संकल्पना शिका	धडा	Muhammad
02	मशीन लर्निंगचा इतिहास	परिचय	या क्षेत्रामागील इतिहास जाणून घ्या	धडा	Jen and Amy
03	न्याय्यपणा आणि मशीन लर्निंग	परिचय	मशीन लर्निंग मॉडेल बनवताना आणि लागू करताना विद्यार्थ्यांनी विचारात घ्यावयाच्या न्याय्यतेसंबंधी कोणत्या महत्त्वाच्या तत्त्वज्ञानात्मक प्रश्न आहेत?	धडा	Tomomi
04	मशीन लर्निंगसाठी तंत्रे	परिचय	मशीन लर्निंग संशोधक कोणती तंत्रे ML मॉडेल तयार करण्यासाठी वापरतात?	धडा	Chris and Jen
05	रेग्रेशनची ओळख	रेग्रेशन	रेग्रेशन मॉडेलसाठी Python आणि Scikit-learn वापरून सुरुवात करा	Python • R	Jen • Eric Wanjau
06	उत्तर अमेरिकेतील भोपळ्यांचे किंमती 🎃	रेग्रेशन	ML साठी तयारीसाठी डेटा दृश्यरुप करा आणि स्वच्छ करा	Python • R	Jen • Eric Wanjau
07	उत्तर अमेरिकेतील भोपळ्यांचे किंमती 🎃	रेग्रेशन	रेखीय आणि बहुपद रेग्रेशन मॉडेल तयार करा	Python • R	Jen and Dmitry • Eric Wanjau
08	उत्तर अमेरिकेतील भोपळ्यांचे किंमती 🎃	रेग्रेशन	लॉजिस्टिक रेग्रेशन मॉडेल तयार करा	Python • R	Jen • Eric Wanjau
09	वेब अॅप 🔌	वेब अॅप	आपल्या प्रशिक्षित मॉडेलचा वापर करण्यासाठी वेब अॅप तयार करा	Python	Jen
10	वर्गीकरणाची ओळख	वर्गीकरण	आपला डेटा स्वच्छ करा, तयारी करा आणि दृश्यरुप करा; वर्गीकरणाची ओळख	Python • R	Jen and Cassie • Eric Wanjau
11	स्वादिष्ट आशियाई आणि भारतीय खाद्यपदार्थ 🍜	वर्गीकरण	क्लासिफायरची ओळख	Python • R	Jen and Cassie • Eric Wanjau
12	स्वादिष्ट आशियाई आणि भारतीय खाद्यपदार्थ 🍜	वर्गीकरण	अधिक वर्गीकर्ते	Python • R	Jen and Cassie • Eric Wanjau
13	स्वादिष्ट आशियाई आणि भारतीय खाद्यपदार्थ 🍜	वर्गीकरण	आपल्या मॉडेलचा वापर करून शिफारस करणारे वेब अॅप तयार करा	Python	Jen
14	क्लस्टरिंगची ओळख	क्लस्टरिंग	आपला डेटा स्वच्छ करा, तयारी करा आणि दृश्यरुप करा; क्लस्टरिंगची ओळख	Python • R	Jen • Eric Wanjau
15	नायजेरियन संगीत आवडींचा शोध 🎧	क्लस्टरिंग	K-Means क्लस्टरिंग पद्धत शोधा	Python • R	Jen • Eric Wanjau
16	नैसर्गिक भाषा प्रक्रियेची ओळख ☕️	नैसर्गिक भाषा प्रक्रिया	साधा बॉट बनवून NLP ची मूलभूत माहिती शिका	Python	Stephen
17	सामान्य NLP कार्ये ☕️	नैसर्गिक भाषा प्रक्रिया	भाषिक संरचनेशी व्यवहार करताना आवश्यक असलेली सामान्य कार्ये समजून घेऊन आपल्या NLP ज्ञानाला वाढवा	Python	Stephen
18	अनुवाद आणि भावना विश्लेषण ♥️	नैसर्गिक भाषा प्रक्रिया	Jane Austen सह अनुवाद आणि भावना विश्लेषण	Python	Stephen
19	युरोपमधील रोमँटिक हॉटेल्स ♥️	नैसर्गिक भाषा प्रक्रिया	हॉटेल रिव्ह्यूजसह भावना विश्लेषण 1	Python	Stephen
20	युरोपमधील रोमँटिक हॉटेल्स ♥️	नैसर्गिक भाषा प्रक्रिया	हॉटेल रिव्ह्यूजसह भावना विश्लेषण 2	Python	Stephen
21	टाइम सिरीज पूर्वानुमानाची ओळख	टाइम सिरीज	टाइम सिरीज पूर्वानुमानाची ओळख	Python	Francesca
22	⚡️ जगातील वीज वापर ⚡️ - ARIMA सह टाइम सिरीज पूर्वानुमान	टाइम सिरीज	ARIMA सह टाइम सिरीज पूर्वानुमान	Python	Francesca
23	⚡️ जगातील वीज वापर ⚡️ - SVR सह टाइम सिरीज पूर्वानुमान	टाइम सिरीज	Support Vector Regressor सह टाइम सिरीज पूर्वानुमान	Python	Anirban
24	रिइन्फोर्समेंट लर्निंगची ओळख	रिइन्फोर्समेंट लर्निंग	Q-Learning सह रिइन्फोर्समेंट लर्निंगची ओळख	Python	Dmitry
25	पीटरला लांडग्यापासून वाचवा! 🐺	रिइन्फोर्समेंट लर्निंग	रिइन्फोर्समेंट लर्निंग Gym	Python	Dmitry
परिशिष्ट	खऱ्या जगातील ML परिस्थिती आणि अनुप्रयोग	खऱ्या जगातील ML	क्लासिकल ML चे रोचक आणि उघड करणारे खऱ्या जगातील अनुप्रयोग	धडा	टीम
परिशिष्ट	RAI डॅशबोर्ड वापरून ML मध्ये मॉडेल डीबगिंग	खऱ्या जगातील ML	Responsible AI डॅशबोर्ड घटकांचा वापर करून मशीन लर्निंगमधील मॉडेल डीबगिंग	धडा	Ruth Yakubu

या अभ्यासक्रमासाठी सर्व अतिरिक्त संसाधने आमच्या Microsoft Learn संग्रहामध्ये शोधा

ऑफलाइन प्रवेश

आपण हा दस्तऐवज ऑफलाइन Docsify वापरून चालवू शकता. हा रेपो fork करा, आपल्या स्थानिक मशीनवर Docsify स्थापित करा, आणि नंतर या रेपोच्या रूट फोल्डरमध्ये docsify serve टाइप करा. वेबसाइट आपल्या लोकलहोस्टवर पोर्ट 3000 वर सर्व्ह होईल: localhost:3000.

पीडीएफ

अभ्यासक्रमाची दुवाांसहित पीडीएफ इथे शोधा.

🎒 इतर अभ्यासक्रम

आमची टीम इतर अभ्यासक्रम तयार करते! तपासा:

LangChain

---

Azure / Edge / MCP / Agents

---

जनरेटिव्ह AI मालिका

---

कोअर शिक्षण

---

Copilot सिरीज

मदत मिळवा

AI अॅप्स बनवताना तुम्ही अडकलात किंवा काही प्रश्न आहेत का. MCP बद्दलच्या चर्चेत इतर शिकणाऱ्यां आणि अनुभवी विकासकांमध्ये सहभागी व्हा. हे एक सहायक समुदाय आहे जिथे प्रश्नांचे स्वागत केले जाते आणि ज्ञान मुक्तपणे शेअर केले जाते.

जर तुमच्याकडे उत्पादनाबद्दल अभिप्राय किंवा तयार करताना त्रुटी असतील तर भेट द्या:

---

अस्वीकरण: हा दस्तऐवज एआय अनुवाद सेवा (Co-op Translator: https://github.com/Azure/co-op-translator) वापरून अनुवादित केला आहे. आम्ही अचूकतेसाठी प्रयत्न करतो, परंतु कृपया लक्षात घ्या की स्वयंचलित अनुवादांमध्ये चुका किंवा अचूकतेच्या त्रुटी असू शकतात. मूळ दस्तऐवज त्याच्या मूळ भाषेत अधिकृत स्रोत मानला जावा. महत्वाच्या माहितीकरिता व्यावसायिक मानवी अनुवाद शिफारसीय आहे. या अनुवादाच्या वापरामुळे उद्भवलेल्या कोणत्याही गैरसमजुती किंवा चुकीच्या अर्थलागीसाठी आम्ही जबाबदार नाही.