44 KiB

Raw Blame History Unescape Escape

🌐 बहुभाषी समर्थन

GitHub Action के माध्यम से समर्थित (स्वचालित और हमेशा अद्यतित)

हमारे समुदाय में जुड़ें

हमारी एक Discord "AI के साथ सीखें" श्रृंखला चल रही है, अधिक जानने और 18 - 30 September, 2025 के बीच हमारे साथ जुड़ने के लिए AI के साथ सीखने की श्रृंखला पर जाएँ। आपको Data Science के लिए GitHub Copilot का उपयोग करने के टिप्स और ट्रिक्स मिलेंगे।

शुरुआती लोगों के लिए मशीन लर्निंग - एक पाठ्यक्रम

🌍 दुनिया भर की संस्कृतियों के जरिये मशीन लर्निंग का अन्वेषण करते हुए दुनिया भर की यात्रा करें 🌍

Microsoft के Cloud Advocates यह 12-सप्ताह, 26-लेसन पाठ्यक्रम प्रस्तुत करते हुए प्रसन्न हैं जो पूरी तरह मशीन लर्निंग के बारे में है। इस पाठ्यक्रम में, आप उस चीज़ के बारे में सीखेंगे जिसे कभी-कभी क्लासिक मशीन लर्निंग कहा जाता है, मुख्यतः Scikit-learn पुस्तकालय का उपयोग करते हुए और डीप लर्निंग से परहेज़ करते हुए, जिसे हमारे AI for Beginners' curriculum में कवर किया गया है। इन पाठों को हमारे 'Data Science for Beginners' curriculum के साथ भी जोड़ें।

हमारे साथ दुनिया भर की यात्रा करें क्योंकि हम इन क्लासिक तकनीकों को दुनिया के कई क्षेत्रों के डेटा पर लागू करते हैं। प्रत्येक पाठ में प्री- और पोस्ट-लेसन क्विज़, पाठ पूरा करने के लिए लिखित निर्देश, एक समाधान, एक असाइनमेंट और अधिक शामिल हैं। हमारी प्रोजेक्ट-आधारित शिक्षण पद्धति आपको बनाते हुए सीखने का अवसर देती है, जो नई क्षमताओं को 'स्थायी' बनाने का एक प्रमाणित तरीका है।

✍️ हमारे लेखकों को हार्दिक धन्यवाद Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu और Amy Boyd

🎨 हमारे इलस्ट्रेटरों को भी धन्यवाद Tomomi Imura, Dasani Madipalli, और Jen Looper

🙏 विशेष धन्यवाद 🙏 हमारे Microsoft Student Ambassador लेखकों, समीक्षकों, और सामग्री योगदानकर्ताओं को, विशेष रूप से Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, और Snigdha Agarwal

🤩 हमारे R पाठों के लिए Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, और Vidushi Gupta को अतिरिक्त कृतज्ञता!

आरंभ करना

इन चरणों का पालन करें:

रिपॉज़िटरी Fork करें: इस पृष्ठ के ऊपर-दाएँ कोने में "Fork" बटन पर क्लिक करें।
रिपॉज़िटरी क्लोन करें: git clone https://github.com/microsoft/ML-For-Beginners.git

इस पाठ्यक्रम के सभी अतिरिक्त संसाधनों को हमारी Microsoft Learn संग्रह में खोजें

🔧 मदद चाहिए? सामान्य इंस्टॉलेशन, सेटअप, और लेसन चलाने से जुड़े मुद्दों के समाधान के लिए हमारा Troubleshooting Guide देखें।

छात्र, इस पाठ्यक्रम का उपयोग करने के लिए, पूरा रिपो अपने GitHub अकाउंट पर Fork करें और अभ्यास स्वयं या समूह के साथ पूरा करें:

पूर्व-व्याख्यान क्विज़ से शुरू करें।
लेक्चर पढ़ें और गतिविधियाँ पूरा करें, प्रत्येक ज्ञान-जांच पर रुक कर और चिंतन करें।
पाठों को समझकर परियोजनाएँ बनाने का प्रयास करें न कि केवल समाधान कोड चलाकर; हालाँकि वह कोड प्रत्येक प्रोजेक्ट-ओरिएंटेड पाठ के /solution फ़ोल्डरों में उपलब्ध है।
पोस्ट-लेक्चर क्विज़ दें।
चुनौती पूरी करें।
असाइनमेंट पूरा करें।
किसी पाठ समूह को पूरा करने के बाद, Discussion Board पर जाएँ और उपयुक्त PAT रूब्रिक भरकर "learn out loud" करें। 'PAT' एक Progress Assessment Tool है जो एक रूब्रिक है जिसे आप अपनी सीख को आगे बढ़ाने के लिए भरते हैं। आप अन्य PATs पर भी प्रतिक्रिया दे सकते हैं ताकि हम साथ में सीख सकें।

आगे अध्ययन के लिए, हम निम्न Microsoft Learn मॉड्यूल और लर्निंग पाथ्स का पालन करने का सुझाव देते हैं।

शिक्षकों, इस पाठ्यक्रम का उपयोग कैसे करें इस पर हमने कुछ सुझाव शामिल किए हैं।

वीडियो वॉकथ्रू

कुछ पाठ छोटे फ़ॉर्म वीडियो के रूप में उपलब्ध हैं। आप इन्हें पाठों के अंदर पंक्तिबद्ध रूप में पा सकते हैं, या नीचे की छवि पर क्लिक करके Microsoft Developer YouTube चैनल पर ML for Beginners प्लेलिस्ट पर देख सकते हैं।

टीम से मिलें

Gif द्वारा Mohit Jaisal

🎥 परियोजना और इसे बनाने वालों के बारे में एक वीडियो के लिए ऊपर की छवि पर क्लिक करें!

शिक्षण पद्धति

इस पाठ्यक्रम का निर्माण करते समय हमने दो शिक्षण सिद्धांत चुने हैं: यह सुनिश्चित करना कि यह हस्तक्षेपात्मक रूप से प्रोजेक्ट-आधारित हो और इसमें अक्सर क्विज़ शामिल हों। इसके अलावा, इस पाठ्यक्रम में एक सामान्य थीम है जो इसे एकता प्रदान करती है।

सामग्री को परियोजनाओं के अनुकूल बनाकर, प्रक्रिया छात्रों के लिए अधिक रुचिकर बनती है और अवधारणाओं का प्रतिधारण बढ़ेगा। इसके अतिरिक्त, कक्षा से पहले एक कम-जोखिम वाला क्विज़ छात्र के सीखने के इरादे को सेट करता है, जबकि कक्षा के बाद दूसरा क्विज़ और अधिक प्रतिधारण सुनिश्चित करता है। यह पाठ्यक्रम लचीला और मज़ेदार होने के लिए डिजाइन किया गया है और इसे पूरा या आंशिक रूप से लिया जा सकता है। परियोजनाएँ छोटी शुरू होती हैं और 12-सप्ताह के चक्र के अंत तक धीरे-धीरे अधिक जटिल हो जाती हैं। इस पाठ्यक्रम में ML के वास्तविक-विश्व अनुप्रयोगों पर एक पोस्टस्क्रिप्ट भी शामिल है, जिसे अतिरिक्त क्रेडिट के रूप में या चर्चा के आधार के रूप में उपयोग किया जा सकता है।

हमारे Code of Conduct, Contributing, Translation, और Troubleshooting दिशानिर्देश देखें। हम आपकी रचनात्मक प्रतिक्रिया का स्वागत करते हैं!

प्रत्येक पाठ में शामिल हैं

वैकल्पिक स्केचनोट
वैकल्पिक सहायक वीडियो
वीडियो वॉकथ्रू (केवल कुछ पाठों में)
पूर्व-व्याख्यान वॉर्मअप क्विज़
लिखित पाठ
प्रोजेक्ट-आधारित पाठों के लिए, परियोजना बनाने के चरण-दर-चरण मार्गदर्शन
ज्ञान जांच
एक चुनौती
अतिरिक्त पठनीय सामग्री
असाइनमेंट
पोस्ट-लेक्चर क्विज़

भाषाओं के बारे में एक नोट: ये पाठ प्रमुख रूप से Python में लिखे गए हैं, लेकिन कई R में भी उपलब्ध हैं। किसी R पाठ को पूरा करने के लिए, /solution फ़ोल्डर में जाएँ और R पाठों की खोज करें। उनमें .rmd एक्सटेंशन शामिल होता है जो एक R Markdown फ़ाइल का प्रतिनिधित्व करता है जिसे सरल रूप में code chunks (R या अन्य भाषाओं के) और एक YAML header (जो PDF जैसे आउटपुट को कैसे प्रारूपित करना है यह निर्देशित करता है) के एम्बेडिंग के रूप में परिभाषित किया जा सकता है, एक Markdown document में। इस प्रकार, यह डेटा साइंस के लिए एक आदर्श लेखकन ढांचा प्रदान करता है क्योंकि यह आपको अपने कोड, उसके आउटपुट, और अपने विचारों को Markdown में लिखकर एक साथ जोड़ने की अनुमति देता है। इसके अलावा, R Markdown दस्तावेज़ों को PDF, HTML, या Word जैसे आउटपुट फ़ॉर्मैट्स में रेंडर किया जा सकता है।

क्विज़ के बारे में एक नोट: सभी क्विज़ Quiz App फ़ोल्डर में संग्रहित हैं, कुल 52 क्विज़ जिनमें से प्रत्येक में तीन प्रश्न हैं। इन्हें पाठों के भीतर लिंक किया गया है लेकिन क्विज़ ऐप स्थानीय रूप से चलाया जा सकता है; स्थानीय होस्ट करने या Azure पर डिप्लॉय करने के निर्देश के लिए quiz-app फ़ोल्डर में दिए निर्देशों का पालन करें।

पाठ संख्या	विषय	पाठ समूह	सीखने के उद्देश्य	लिंक किया गया पाठ	लेखक
01	मशीन लर्निंग का परिचय	परिचय	मशीन लर्निंग के पीछे की बुनियादी अवधारणाएँ सीखें	पाठ	Muhammad
02	मशीन लर्निंग का इतिहास	परिचय	इस क्षेत्र के पीछे का इतिहास सीखें	पाठ	Jen and Amy
03	निष्पक्षता और मशीन लर्निंग	परिचय	निष्पक्षता से जुड़े कौन से महत्वपूर्ण दार्शनिक मुद्दे हैं जिन पर छात्रों को ML मॉडल बनाते और लागू करते समय विचार करना चाहिए?	पाठ	Tomomi
04	मशीन लर्निंग के लिए तकनीकें	परिचय	ML शोधकर्ता ML मॉडल बनाने के लिए कौन सी तकनीकें उपयोग करते हैं?	पाठ	Chris and Jen
05	रिग्रेशन का परिचय	Regression	रिग्रेशन मॉडल के लिए Python और Scikit-learn के साथ शुरुआत करें	Python • R	Jen • Eric Wanjau
06	उत्तर अमेरिकी कद्दू की कीमतें 🎃	Regression	ML के लिए तैयारी में डेटा को विज़ुअलाइज़ और साफ़ करें	Python • R	Jen • Eric Wanjau
07	उत्तर अमेरिकी कद्दू की कीमतें 🎃	Regression	रैखिक और बहुपदीय रिग्रेशन मॉडल बनाएं	Python • R	Jen and Dmitry • Eric Wanjau
08	उत्तर अमेरिकी कद्दू की कीमतें 🎃	Regression	एक लॉजिस्टिक रिग्रेशन मॉडल बनाएं	Python • R	Jen • Eric Wanjau
09	एक वेब ऐप 🔌	Web App	अपने प्रशिक्षित मॉडल का उपयोग करने के लिए एक वेब ऐप बनाएं	Python	Jen
10	वर्गीकरण का परिचय	वर्गीकरण	अपने डेटा को साफ़, तैयार, और विज़ुअलाइज़ करें; वर्गीकरण का परिचय	Python • R	Jen and Cassie • Eric Wanjau
11	स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜	वर्गीकरण	क्लासिफायर का परिचय	Python • R	Jen and Cassie • Eric Wanjau
12	स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜	वर्गीकरण	और क्लासिफायर	Python • R	Jen and Cassie • Eric Wanjau
13	स्वादिष्ट एशियाई और भारतीय व्यंजन 🍜	वर्गीकरण	अपने मॉडल का उपयोग करके एक सिफारिशकर्ता वेब ऐप बनाएं	Python	Jen
14	क्लस्टरिंग का परिचय	Clustering	अपने डेटा को साफ़, तैयार, और विज़ुअलाइज़ करें; क्लस्टरिंग का परिचय	Python • R	Jen • Eric Wanjau
15	नाइजीरियाई संगीत स्वादों की खोज 🎧	Clustering	K-Means क्लस्टरिंग विधि का अन्वेषण करें	Python • R	Jen • Eric Wanjau
16	प्राकृतिक भाषा प्रसंस्करण का परिचय ☕️	Natural language processing	एक सरल बॉट बनाकर NLP की बुनियादी बातें सीखें	Python	Stephen
17	सामान्य NLP कार्य ☕️	Natural language processing	भाषाई संरचनाओं से निपटने के लिए आवश्यक सामान्य कार्यों को समझकर अपने NLP ज्ञान को गहरा करें	Python	Stephen
18	अनुवाद और भावविश्लेषण ♥️	Natural language processing	Jane Austen के साथ अनुवाद और भावविश्लेषण	Python	Stephen
19	यूरोप के रोमांटिक होटल ♥️	Natural language processing	होटल समीक्षाओं के साथ भावविश्लेषण 1	Python	Stephen
20	यूरोप के रोमांटिक होटल ♥️	Natural language processing	होटल समीक्षाओं के साथ भावविश्लेषण 2	Python	Stephen
21	समय-श्रृंखला पूर्वानुमान का परिचय	Time series	समय-श्रृंखला पूर्वानुमान का परिचय	Python	Francesca
22	⚡️ विश्व बिजली उपयोग ⚡️ - ARIMA के साथ समय श्रृंखला पूर्वानुमान	Time series	ARIMA के साथ समय-श्रृंखला पूर्वानुमान	Python	Francesca
23	⚡️ विश्व बिजली उपयोग ⚡️ - SVR के साथ समय श्रृंखला पूर्वानुमान	Time series	Support Vector Regressor के साथ समय-श्रृंखला पूर्वानुमान	Python	Anirban
24	रिइन्फोर्समेंट लर्निंग का परिचय	Reinforcement learning	Q-Learning के साथ रिइन्फोर्समेंट लर्निंग का परिचय	Python	Dmitry
25	पीटर को भेड़िये से बचाने में मदद करें! 🐺	Reinforcement learning	रिइन्फोर्समेंट लर्निंग Gym	Python	Dmitry
Postscript	वास्तविक दुनिया के ML परिदृश्य और अनुप्रयोग	वास्तविक दुनिया में ML	क्लासिकल ML के रोचक और सूचनात्मक वास्तविक दुनिया के अनुप्रयोग	पाठ	Team
Postscript	RAI डैशबोर्ड का उपयोग करके ML में मॉडल डिबगिंग	वास्तविक दुनिया में ML	Responsible AI डैशबोर्ड घटकों का उपयोग करके मशीन लर्निंग में मॉडल डिबगिंग	पाठ	Ruth Yakubu

इस पाठ्यक्रम के सभी अतिरिक्त संसाधन हमारी Microsoft Learn संग्रह में खोजें

ऑफ़लाइन पहुँच

आप इस प्रलेखन को ऑफ़लाइन Docsify का उपयोग करके चला सकते हैं। इस रिपो को फोर्क करें, अपनी स्थानीय मशीन पर Docsify स्थापित करें, और फिर इस रिपो के रूट फ़ोल्डर में टाइप करें docsify serve. वेबसाइट आपके लोकलहोस्ट पर पोर्ट 3000 पर सर्व की जाएगी: localhost:3000.

पीडीएफ

पाठ्यक्रम का लिंक सहित एक पीडीएफ यहाँ पाएं।

🎒 अन्य पाठ्यक्रम

हमारी टीम अन्य पाठ्यक्रम भी बनाती है! देखें:

LangChain

Azure / Edge / MCP / Agents

जनरेटिव AI सीरीज़

मुख्य पाठ्यक्रम

Copilot श्रृंखला

मदद प्राप्त करें

यदि आप अटक जाते हैं या AI ऐप बनाते समय कोई प्रश्न हो, तो MCP पर चर्चा में अन्य सीखने वालों और अनुभवी डेवलपर्स से जुड़ें। यह एक सहायक समुदाय है जहाँ प्रश्न स्वागत हैं और ज्ञान स्वतंत्र रूप से साझा किया जाता है।

यदि आपके पास उत्पाद संबंधी सुझाव या निर्माण के दौरान त्रुटियाँ हों, तो यहाँ जाएँ:

अस्वीकरण: यह दस्तावेज़ AI अनुवाद सेवा Co-op Translator का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता के लिए प्रयासरत हैं, कृपया ध्यान रखें कि स्वचालित अनुवादों में त्रुटियाँ या अशुद्धियाँ हो सकती हैं। मूल भाषा में मौज़ूद दस्तावेज़ को प्राधिकृत स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए पेशेवर मानव अनुवाद की सलाह दी जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफ़हमी या गलत व्याख्या के लिए हम उत्तरदायी नहीं हैं।

44 KiB Raw Blame History Unescape Escape