44 KiB

Raw Blame History Unescape Escape

🌐 बहुभाषिक समर्थन

GitHub Action द्वारे समर्थन (स्वयंचलित आणि नेहमी अद्ययावत)

स्थानिकरित्या क्लोन करणे प्राधान्य देता?

या रिपॉझिटरीमध्ये 50+ भाषा अनुवाद आहेत ज्यामुळे डाउनलोड आकार लक्षणीय वाढतो. भाषांतरांशिवाय क्लोन करण्यासाठी, sparse checkout वापरा:
git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
यामुळे तुम्हाला कोर्स पूर्ण करण्यासाठी आवश्यक सर्व काही मिळेल आणि डाउनलोड खूप जलद होईल.

आमच्या समुदायात सामील व्हा

आमच्याकडे Discord वर AI सोबत शिकण्याची मालिका चालू आहे, अधिक जाणून घेण्यासाठी आणि १८ - ३० सप्टेंबर, २०२५ रोजी Learn with AI Series मध्ये आमच्यासोबत सहभागी व्हा. तुम्हाला GitHub Copilot चा Data Science साठी वापर टिप्स आणि ट्रिक्स मिळतील.

नवीन शिकणाऱ्यांसाठी मशीन लर्निंग - एक अभ्यासक्रम

🌍 जगभर प्रवास करा जेव्हा आपण मशीन लर्निंगला जगातील संस्कृतींद्वारे शोधतो 🌍

Microsoft मधील Cloud Advocates या 12 आठवडे व 26 धडे असलेल्या मशीन लर्निंग वर आधारित अभ्यासक्रमाची ऑफर देत आहेत. या अभ्यासक्रमात, तुम्ही जे काही कधी कधी परंपरागत मशीन लर्निंग म्हणतात, ते शिकाल, मुख्यत्वे Scikit-learn हे लायब्ररी वापरून, आणि डीप लर्निंग टाळाल, ज्याचा समावेश आमच्या AI for Beginners' curriculum मध्ये आहे. या धडे आमच्या 'Data Science for Beginners' curriculum सोबत देखील जोडा.

आमच्यासोबत जगभर प्रवास करा आणि विविध भागातील डेटावर हे परंपरागत तंत्र वापरून पाहा. प्रत्येक धड्यात पूर्व-आणि पश्चात-धडा क्विझ, लिहिलेली सूचना, एक उपाय, एक गृहपाठ आणि बरेच काही आहे. आमची प्रकल्पाधारित शिक्षणपद्धती तुम्हाला बांधणी करताना शिकण्याची संधी देते, जी नवीन कौशल्ये टिकवण्यासाठी सिद्ध झाली आहे.

✍️ आमच्या लेखकांना मनापासून धन्यवाद जेण लूपर, स्टीफन हॉवेल, फ्रानसेस्का लझझेरी, टोमॉमी इमुरा, कॅसी ब्रेव्हीयू, दमित्री सोशnikov, क्रिस नोरिंग, अनिर्बन मुखर्जी, ओरनेल्ला अलटुन्यान, रुथ याकुबू आणि एमी बॉयड

🎨 आमच्या कलाकारांना देखील धन्यवाद टोमॉमी इमुरा, दसानि मडिपल्ली, आणि जेण लूपर

🙏 विशेष धन्यवाद 🙏 आमच्या Microsoft विद्यार्थ्यांसाठी राजदूत लेखक, समीक्षक आणि सामग्री योगदानकर्त्यांना, विशेषतः ऋषित डागली, मुहम्मद साकिब खान इनान, रोहन राज, अलेक्झांडरु पेट्रेस्कू, अभिषेक जैनवाल, नवरीन तबस्सूम, इओआन सामुइला, आणि स्निग्धा अग्रवाल

🤩 अतिरिक्त आभार Microsoft विद्यार्थी राजदूत एरिक वनजाऊ, जसलीन सोंधि, आणि विदुषी गुप्ता यांना आमच्या R धड्यांसाठी!

सुरुवात कशी करायची

हे पायऱ्या फॉलो करा:

रिपॉझिटरी फोर्क करा: या पृष्ठाच्या वरच्या उजव्या कोपऱ्यातील "Fork" बटणावर क्लिक करा.
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 आहे का? स्थापन, सेटअप, आणि धडे चालवण्याच्या सामान्य त्रुटींसाठी आमच्या Troubleshooting Guide ला पहा.

विद्यार्थी, या अभ्यासक्रमाचा वापर करण्यासाठी, संपूर्ण रेपो आपल्या GitHub खात्यात फोर्क करा आणि स्वतः किंवा गटात करून एक्सरसाइज पूर्ण करा:

पूर्व व्याख्यान क्विझसह सुरू करा.
व्याख्यान वाचा आणि कृती पूर्ण करा, प्रत्येक ज्ञान तपासणीवर थांबा आणि विचार करा.
धडे समजून घेऊन प्रकल्प तयार करण्याचा प्रयत्न करा, फक्त सोल्यूशन कोड चालवू नका; तथापि ते कोड प्रत्येक प्रकल्पावर आधारित धड्यात /solution फोल्डरात उपलब्ध आहे.
पश्चात-व्याख्यान क्विझ घ्या.
आव्हान पूर्ण करा.
गृहपाठ पूर्ण करा.
धड्यांच्या गटानंतर, Discussion Board येथे भेट द्या आणि योग्य PAT रूब्रिक भरून "लर्न आउट लाउड" करा. 'PAT' म्हणजे प्रगती मूल्यांकन साधन, जे तुम्ही भरता आणि तुमच्या शिक्षणासाठी उपयुक्त ठरते. तुम्ही इतर PATs वर देखील प्रतिक्रिया देऊ शकता जेणेकरून आपण एकत्र शिकू शकू.

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

शिक्षकांनो, आम्ही या अभ्यासक्रमाचा वापर कसा करावा यावर काही सूचना दिल्या आहेत.

व्हिडिओ वॉकथ्रूज

काही धडे लघु व्हिडिओ रूपात उपलब्ध आहेत. तुम्ही हे सर्व धडय़ांमध्ये इन-लाइन पाहू शकता, किंवा Microsoft Developer YouTube चॅनेलवरील ML for Beginners प्लेलिस्ट वर खालील प्रतिमेवर क्लिक करून पाहू शकता.

टीमची ओळख

Gif बनवलेले मोहित जैसल

🎥 प्रकल्प आणि निर्मात्यांविषयी व्हिडिओसाठी वरिल प्रतिमेवर क्लिक करा!

शिक्षणशास्त्र

आम्ही या अभ्यासक्रमात दोन शैक्षणिक तत्त्वे निवडली आहेत: हे हाताळण्यास प्रकल्प-आधारित करणे आणि त्यामध्ये वारंवार क्विझ असणे आवश्यक आहे. तसेच, या अभ्यासक्रमाला एक सामान्य थीम दिली आहे ज्यामुळे संपूर्ण अभ्यासक्रम एकत्रितपणे जोडून दिसतो.

सामग्री प्रकल्पांशी संरेखित असल्याने, विद्यार्थ्यांसाठी प्रक्रिया अधिक आकर्षक होते आणि संकल्पनांचा ध्यास वाढतो. याशिवाय, वर्गापूर्वी कमी धोकादायक क्विझ विद्यार्थ्यांना विषय शिकण्यास उद्दिष्ट बनवतो, तर वर्गानंतरचा क्विझ अधिक टिकाऊ ज्ञान सुनिश्चित करतो. हा अभ्यासक्रम लवचिक आणि मजेदार राहील असे डिझाइन केला आहे व तो संपूर्ण किंवा भागांमध्ये करता येऊ शकतो. प्रकल्प सुरुवातीला सोपे असतात आणि 12 आठवड्यांच्या चक्राच्या शेवटी अधिक क्लिष्ट होतात. या अभ्यासक्रमात ML च्या वास्तविक जगातील अनुप्रयोगांवर पोस्टस्क्रिप्ट देखील आहे, जी अतिरिक्त गुणांसाठी किंवा चर्चेसाठी वापरता येते.

आमची वर्तनसंहिता, योगदान कसे करावे, भाषांतर मार्गदर्शक, आणि त्रुटी सोडवण्याचा मार्गदर्शक पहा. तुमचे रचनात्मक अभिप्राय आम्हाला स्वागतार्ह आहेत!

प्रत्येक धड्यात समाविष्ट आहे

ऐच्छिक स्केचनोट
ऐच्छिक पूरक व्हिडिओ
व्हिडिओ वॉकथ्रू (काही धडा)
पूर्व-व्याख्यान गरमावा क्विझ
लिहिलेला धडा
प्रकल्प-आधारित धड्यांसाठी, प्रकल्प कसा तयार करायचा याबद्दल टप्प्याटप्प्याने मार्गदर्शक
ज्ञान तपासण्या
एक आव्हान
पूरक वाचन
गृहपाठ
पश्चात-व्याख्यान क्विझ

भाषांबद्दल एक नोट: हे धडे मुख्यत्वे Python मध्ये लिहिलेले असतात, परंतु अनेक R मध्ये देखील उपलब्ध आहेत. R धडा पूर्ण करण्यासाठी, /solution फोल्डरमध्ये जा आणि R धडे शोधा. त्यात .rmd घटक असतो जो R Markdown फाइल दर्शवितो, ज्याचा अर्थ असा की तो कोड चंक (R किंवा इतर भाषांचा) आणि YAML शीर्षलेख (PDF सारख्या आउटपुट स्वरूपासाठी मार्गदर्शक) यांचे संयोजन आहे. म्हणून, तो डेटा सायन्ससाठी एक उत्कृष्ट लेखक फ्रेमवर्क आहे कारण त्यामध्ये तुम्ही तुमचा कोड, त्याचा आउटपुट, आणि तुमचे विचार Markdown मध्ये लिहू शकता. शिवाय, R Markdown दस्तऐवज PDF, HTML किंवा Word सारख्या आउटपुट स्वरूपात रेंडर करता येतात. क्विझ बद्दल एक टीप: सर्व क्विझ Quiz App फोल्डरमध्ये आहेत, ज्यात तीन प्रश्नांचे एकूण 52 क्विझ आहेत. हे धड्यांतील संदर्भातून लिंक केलेले आहेत परंतु क्विझ ऍप स्थानिक पातळीवर चालवता येते; स्थानिक होस्टिंग किंवा Azure वर तैनात करण्यासाठी quiz-app फोल्डरमधील सूचना पाळा.

धडा क्रमांक	विषय	धडा गट	शिकण्याचे उद्दिष्टे	लिंक केलेला धडा	लेखक
01	मशीन लर्निंगची ओळख	Introduction	मशीन लर्निंगच्या मूलभूत संकल्पना शिका	Lesson	मुहम्मद
02	मशीन लर्निंगचा इतिहास	Introduction	या क्षेत्राचा इतिहास शिका	Lesson	जेन आणि एमी
03	निष्पक्षता आणि मशीन लर्निंग	Introduction	निष्पक्षतेच्या महत्त्वाच्या तत्त्वज्ञानाच्या मुद्द्यांचा अभ्यास करा जे विद्यार्थी ML मॉडेल तयार करताना आणि लागू करताना लक्षात ठेवावेत	Lesson	तोमोमी
04	मशीन लर्निंगसाठी तंत्रे	Introduction	ML संशोधक कोणती तंत्रे वापरतात हे जाणून घ्या	Lesson	क्रिस आणि जेन
05	पुनरावृत्तीची ओळख	Regression	पुनरावृत्तीच्या मॉडेलसाठी Python आणि Scikit-learn वापरण्यास सुरुवात करा	Python • R	जेन • एरिक वांजाऊ
06	उत्तर अमेरिकी भोपळ्याच्या किमती 🎃	Regression	ML साठी डेटा दृश्यमान करा आणि स्वच्छ करा	Python • R	जेन • एरिक वांजाऊ
07	उत्तर अमेरिकी भोपळ्याच्या किमती 🎃	Regression	रैखिक आणि बहुपदी पुनरावृत्ती मॉडेल तयार करा	Python • R	जेन आणि डिमित्रि • एरिक वांजाऊ
08	उत्तर अमेरिकी भोपळ्याच्या किमती 🎃	Regression	लॉजिस्टिक पुनरावृत्ती मॉडेल तयार करा	Python • R	जेन • एरिक वांजाऊ
09	वेब ऍप 🔌	Web App	आपल्या प्रशिक्षित मॉडेलचा वापर करण्यासाठी वेब ऍप तयार करा	Python	जेन
10	वर्गीकरणाची ओळख	Classification	आपल्या डेटाचे स्वच्छीकरण, तयारी आणि दृश्य रूपांतरण करा; वर्गीकरणाची ओळख	Python • R	जेन आणि कॅसी • एरिक वांजाऊ
11	चवदार आशियाई आणि भारतीय जेवण 🍜	Classification	वर्गीकरण करणाऱ्यांची ओळख	Python • R	जेन आणि कॅसी • एरिक वांजाऊ
12	चवदार आशियाई आणि भारतीय जेवण 🍜	Classification	अधिक वर्गीकरण करणारे	Python • R	जेन आणि कॅसी • एरिक वांजाऊ
13	चवदार आशियाई आणि भारतीय जेवण 🍜	Classification	आपला मॉडेल वापरून शिफारस करणारी वेब ऍप तयार करा	Python	जेन
14	क्लस्टरिंगची ओळख	Clustering	आपल्या डेटाचे स्वच्छीकरण, तयारी आणि दृश्य रूपांतरण करा; क्लस्टरिंगची ओळख	Python • R	जेन • एरिक वांजाऊ
15	नायजेरियन संगीत चवांची तपासणी 🎧	Clustering	K-Means क्लस्टरिंग पद्धत तपासा	Python • R	जेन • एरिक वांजाऊ
16	नॅचरल लँग्वेज प्रोसेसिंगची ओळख ☕️	Natural language processing	सोपा बॉट तयार करून NLP च्या मूलभूत गोष्टी शिका	Python	स्टीफेन
17	कॉमन NLP कामे ☕️	Natural language processing	भाषिक रचना हाताळताना लागणारी सामान्य कामे समजून NLP ज्ञान वाढवा	Python	स्टीफेन
18	भाषांतर आणि भावना विश्लेषण ♥️	Natural language processing	जेन ऑस्टीन सह भाषांतर आणि भावना विश्लेषण	Python	स्टीफेन
19	युरोपमधील रोमँटिक हॉटेल्स ♥️	Natural language processing	हॉटेल पुनरावलोकनांसह भावना विश्लेषण 1	Python	स्टीफेन
20	युरोपमधील रोमँटिक हॉटेल्स ♥️	Natural language processing	हॉटेल पुनरावलोकनांसह भावना विश्लेषण 2	Python	स्टीफेन
21	टाइम सिरीज भविष्यवाणीची ओळख	Time series	टाइम सिरीज भविष्यवाणीची ओळख	Python	फ्रान्सेस्का
22	⚡️ वर्ल्ड पॉवर युसेज ⚡️ - ARIMA सह टाइम सिरीज भविष्यवाणी	Time series	ARIMA सह टाइम सिरीज भविष्यवाणी	Python	फ्रान्सेस्का
23	⚡️ वर्ल्ड पॉवर युसेज ⚡️ - SVR सह टाइम सिरीज भविष्यवाणी	Time series	सपोर्ट व्हेक्टर रिग्रेशनर सह टाइम सिरीज भविष्यवाणी	Python	अनिर्बान
24	रेन्फोर्समेंट लर्निंगची ओळख	Reinforcement learning	Q-Learning सह रेन्फोर्समेंट लर्निंगची ओळख	Python	डिमित्रि
25	पीटरला लोमडीपासून वाचवा! 🐺	Reinforcement learning	रेन्फोर्समेंट लर्निंग जिम	Python	डिमित्रि
पोस्टस्क्रिप्ट	वास्तविक जगातील ML परिस्थिती आणि अनुप्रयोग	ML in the Wild	क्लासिकल ML चे मनोरंजक आणि उघड करणारे वास्तविक जगातील अनुप्रयोग	Lesson	टीम
पोस्टस्क्रिप्ट	RAI डॅशबोर्ड वापरून ML मध्ये मॉडेल डीबगिंग	ML in the Wild	जबाबदार AI डॅशबोर्ड कॉम्पोनेंटस वापरून मशीन लर्निंगमध्ये मॉडेल डीबगिंग	Lesson	रुथ याकुबू

या कोर्ससाठी सर्व अतिरिक्त साधने आमच्या Microsoft Learn संग्रहात शोधा

ऑफलाइन प्रवेश

Docsify वापरून तुम्ही हा दस्तऐवज ऑफलाइन चालवू शकता. हा रेपो फोर्क करा, तुमच्या स्थानिक संगणकावर Docsify इंस्टॉल करा, आणि नंतर या रेपोच्या मुख्य फोल्डरमध्ये docsify serve टाइप करा. वेबसाईट तुमच्या लोकलहोस्टवर पोर्ट 3000 वर दिली जाईल: localhost:3000.

PDF

अभ्यासक्रमाचा पीडीएफ लिंकसह येथे शोधा.

🎒 इतर कोर्सेस

आमची टीम इतर कोर्सेस तयार करते! तपासून पाहा:

LangChain

Azure / Edge / MCP / Agents

Generative AI Series

कोर शिक्षण

कॉपिलॉट सिरीज

मदतीसाठी संपर्क करा

जर तुम्ही अडकला असाल किंवा AI अ‍ॅप्स तयार करताना काही प्रश्न असतील तर. इतर शिकणारे आणि अनुभवी विकसकांबरोबर MCP संदर्भातील चर्चा करा. ही एक सहायक समुदाय आहे जिथे प्रश्न विचारणे स्वागतार्ह आहे आणि ज्ञान मुक्तपणे सामायिक केले जाते.

मालमत्ता अभिप्राय किंवा तयार करताना त्रुटी असल्यास येथे भेट द्या:

सूचना: हा दस्तऐवज AI अनुवाद सेवा Co-op Translator वापरून अनुवादित केला आहे. आम्ही अचूकतेसाठी प्रयत्नशील आहोत, परंतु कृपया लक्षात घ्या की स्वयंचलित अनुवादांमध्ये चुका किंवा अचूकतेचा अभाव असू शकतो. मूळ दस्तऐवज त्याच्या मातृभाषेत अधिकृत स्रोत मानावा. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी अनुवाद सल्ला दिला आहे. या अनुवादामुळे उद्भवलेल्या कोणत्याही गैरसमजुतीस किंवा अर्थवर्धनासाठी आम्ही जबाबदार नाही.

44 KiB Raw Blame History Unescape Escape