38 KiB

Raw Blame History Unescape Escape

🌐 బహుభాషా మద్దతు

GitHub యాక్షన్ ద్వారా మద్దతు (స్వయంచాలక & ఎప్పటికప్పుడూ నవీకరించబడుతుంది)

స్థానికంగా క్లోన్ చేయాలని ఇష్టపడుతున్నారా?

ఈ రిపోజిటరీలో 50+ భాషా అనువాదాలు ఉన్నాయి, ఇవి డౌన్‌లోడ్ పరిమాణాన్ని గణనీయంగా పెంచుతాయి. అనువాదాలు లేకుండా క్లోన్ చేయడానికి, స్పార్స్ చెకౌట్ ఉపయోగించండి:
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'
ఇది పాఠ్యాంశం పూర్తిచేయడానికి అవసరమైన అన్ని వస్తువులను చాలా వేగంగా డౌన్లోడ్ చేయడానికి అందిస్తుంది.

మా సముదాయంలో చేరండి

మేము Discordలో AI తో కలిసి నేర్చుకునే శ్రేణిని కొనసాగిస్తున్నాము, సెప్టెంబర్ 18 - 30, 2025 నాటికి Learn with AI Series వద్ద మరింత వివరాలు తెలుసుకోండి మరియు చేర్చుకోండి. మీరు GitHub Copilot ను డేటా సైన్స్ కోసం ఉపయోగించే చిట్కాలు మరియు విధానాలు పొందగలుగుతారు.

మొదలు కావడం

ఈ దశలను అనుసరించండి:

రిపోజిటరీను ఫోర్క్ చేయండి: ఈ పేజీ పైవైపు-కుడి మూలలో ఉన్న "Fork" బటన్‌ను క్లిక్ చేయండి.
రిపోజిటరీని క్లోన్ చేయండి: git clone https://github.com/microsoft/ML-For-Beginners.git

ఈ కోర్సుకు సంబంధించిన అన్ని అదనపు వనరులను మా Microsoft Learn సేకరణలో గుర్తించండి

🔧 సహాయం కావాలా? సాధారణ ఇన్‌స్టాలేషన్, సెటప్, మరియు పాఠ్యాంశాలు నడపుటలోకి సంబంధించిన పరిష్కారాల కోసం మా Troubleshooting Guide ను చెక్ చేయండి.

విద్యార్థులు, ఈ పాఠ్యాంశాన్ని ఉపయోగించడానికి, మొత్తం రిపోను మీ స్వంత GitHub ఖాతాకు ఫోర్క్ చేసి అటు/ఇటు గుంపుతో లేదా స్వయంగా వ్యాయామాలను పూర్తి చేయండి:

డ్రాఫ్ట్ లెక్చర్ క్విజ్‌తో ప్రారంభించండి.
లెక్చర్ చదవండి మరియు కార్యకలాపాలను పూర్తి చేయండి, ప్రతి జ్ఞానం తనిఖీ వద్ద ఆగి ఆలోచించండి.
పరిష్కార కోడ్ ను నడపకుండా పాఠ్యాంశాలను అర్థం చేసుకొని ప్రాజెక్టులను సృష్టించాలని ప్రయత్నించండి; అయితే ఆ కోడ్ ప్రతి ప్రాజెక్ట్-ఆధారిత పాఠ్యాంశాలలోని /solution ఫోల్డర్లలో అందుబాటులో ఉంది.
పోస్ట్-లెక్చర్ క్విజ్ తీసుకోండి.
ఛాలెంజ్ పూర్తి చేయండి.
అసైన్‌మెంట్ పూర్తి చేయండి.
ఒక పాఠ్యాంశ సమూహం పూర్తిచేసిన తర్వాత, చర్చా మండలి ను సందర్శించి సరైన PAT రూబ్రిక్‌ని పూరించడం ద్వారా "మాట్లాడటం నేర్చుకోండి". PAT అనేది మీరు మీ అభ్యాసాన్ని మరింతగా కొనసాగించడానికి పూరించే ప్రగతి మదింపు సాధనం రూబ్రిక్. మీరు ఇతర PAT లకు కూడా స్పందించి మేము కలసి నేర్చుకోవచ్చు.

అదనపు అధ్యయనానికి, ఈ Microsoft Learn మాడ్యూల్స్ మరియు అభ్యాస మార్గాలను అనుసరించడం మేము సిఫార్సు చేస్తున్నాము.

గురువులు, ఈ పాఠ్యాంశాన్ని ఉపయోగించే విధానం పై మేము కొన్ని సూచనలను అందించాము ఇక్కడ.

వీడియో వాక్‌త్రూస్

కొన్ని పాఠ్యాంశాలు చిన్న ఫార్మ్ వీడియోగా అందుబాటులో ఉన్నాయి. మీరు ఈ వీడియోలను పాఠ్యాంశాల్లోనే లేదా Microsoft Developer YouTube ఛానెల్‌లో ML for Beginners ప్లేలిస్ట్ వద్ద ఈ చిత్రాన్ని క్లిక్ చేయడం ద్వారా చూడవచ్చు.

జట్టు

పాఠ్యశాస్త్రం

మేము ఈ పాఠ్యాంశాన్ని తయారు చేస్తుండగా రెండు పాఠ్య శాస్త్ర సిద్ధాంతాలను ఎంచుకున్నాము: ఇది ప్రాజెక్ట్-ఆధారితంగా ఉండటం మరియు తరచుగా క్విజ్‌లను కలిగి ఉండటం. అదనంగా, ఈ పాఠ్యాంశానికి ఒక సాధారణ వైఖరి పాటు ఒక సారూప్యం కూడా ఉంది.

విషయాలు ప్రాజెక్ట్లకు అనుగుణంగా ఉంటాయని ఖాతరిగా చూస్తూనే విద్యార్థులకు మరింత ఆసక్తికరంగా ఉంటుందని మరియు భావనల నిల్వ బలపడుతుందని భావిస్తాము. తరగతికి ముందు ఒక తక్కువ-పరిశోధన క్విజ్ అభ్యాసి అధ్యయన లక్ష్యాన్ని ఏర్పరుస్తుంది, మరొక క్విజ్ తరగతికి తరువాత భావన నిల్వని పెంచుతుంది. ఈ పాఠ్యాంశం అనుకూలంగా మరియు సరదాగా ఉండేలా రూపొందించబడింది, పూర్తి లేదా భాగంగా తీసుకోవచ్చు. ప్రాజెక్టులు చిన్నవాటి నుంచి మొదలవుతూ కార్యక్రమం చివరి 12 వారాల చక్రం వరకు క్రమంగా క్లిష్టత పెరుగుతుంది. ఈ పాఠ్యాంశంలో చేరికగా వాస్తవ ప్రపంచంలో ML యొక్క వినియోగాలపై ఒక ఉపసంహారం కూడా ఉంటుంది, దీన్ని అదనపు క్రెడిట్ గానీ చర్చా ఆధ్యాయాలగా ఉపయోగించవచ్చు.

మా ఆచరణ నియమావళి, కాంట్రిబ్యూటింగ్, అనువాదం, మరియు సమస్య పరిష్కార సూచిక మార్గదర్శకాలను చదవండి. మీ నిర్మాణాత్మక అభిప్రాయాలను స్వాగతిస్తున్నాము!

ప్రతి పాఠ్యాంశంలో ఉంటాయి

ఐచ్ఛిక స్కెచ్ నోట్
ఐచ్ఛిక సప్లిమెంటరీ వీడియో
వీడియో వాక్‌త్రూ (కొన్ని పాఠ్యాంశాలకు మాత్రమే)
ప్రిరెక్చర్ వార్మప్ క్విజ్
వ్రాతపూర్వక పాఠ్యాంశం
ప్రాజెక్ట్-ఆధారిత పాఠ్యాంశాలకు, ప్రాజెక్ట్ అడుగ adelga అడుగు గైడ్‌లు
నాలెడ్జ్ చెక్స్య
ఒక ఛాలెంజ్
సప్లిమెంటరీ చదువు
అసైన్‌మెంట్
పోస్ట్-లెక్చర్ క్విజ్

భాషల గురించి ఒక గమనిక: ఈ పాఠ్యాంశాలు ప్రధానంగా Python లో వ్రాయబడ్డాయి, కానీ చాలావరకు R లో కూడా అందుబాటులో ఉన్నాయి. ఒక R పాఠ్యాంశాన్ని పూర్తి చేయడానికి, /solution ఫోల్డర్ వెళ్లి R పాఠ్యాంశాలను చూడండి. అవి .rmd ఫైల్స్‌గా ఉంటాయి, ఇవి R మార్కడౌన్ ఫైల్స్‌లోకలిపివుంటాయి - దీనిలో code chunks (R లేదా ఇతర భాషల కోడ్) మరియు YAML header ఉంటాయి, ఇవి PDF వంటి ఔట్‌పుట్‌లను ఎలా ఫార్మాటుచేసుకోవాలనే దానిని వివరిస్తాయి. అందువల్ల, ఇది డేటా సైన్స్ కోసం ఒక ఉదాహరణాత్మక రచనా ఫ్రేమ్‌వర్క్‌గా ఉంది, ఎందుకంటే ఇది మీ కోడ్, దాని ఉత్పత్తి, మరియు మీ ఆలోచనలు మార్కడౌన్‌లో వ్రాయడానికి అనుమతిస్తుంది. అంతేకాదు, R మార్కడౌన్ డాక్యుమెంట్లు PDF, HTML, లేదా Word వంటి ఔట్‌పుట్ ఫార్మాట్లలోకి కూడా మార్చుకోవచ్చు. క్విజ్‌ల గురించి ఒక గమనిక: అన్ని క్విజ్‌లు Quiz App ఫోల్డర్లో ఉన్నాయి, ఇది మొత్తం 52 క్విజ్‌లు, ఒక్కోటి మూడు ప్రశ్నలు కలిగి ఉన్నాయి. అవి పాఠాల నుంచి లింక్ చేయబడ్డాయి కానీ క్విజ్ యాప్‌ను లోకల్‌గా కూడా నడిపించవచ్చు; స్థానికంగా హోస్ట్ చేయడానికి లేదా Azureకి డిప్లాయ్ చేయడానికి quiz-app ఫోల్డర్‌లో ఉన్న సూచనలను అనుసరించండి.

పాఠ సంఖ్య	విషయం	పాఠాల సమూహం	అభ్యాస లక్ష్యాలు	లింక్ చేయబడిన పాఠం	రచయిత
01	మెషీన్ లెర్నింగ్ పరిచయం	Introduction	మెషీన్ లెర్నింగ్ పునాది సూత్రాలను నేర్చుకోండి	Lesson	Muhammad
02	మెషీన్ లెర్నింగ్ చరిత్ర	Introduction	ఈ రంగం వెనుక చరిత్రను నేర్చుకోండి	Lesson	Jen and Amy
03	న్యాయం మరియు మెషీన్ లెర్నింగ్	Introduction	న్యాయం గురించి ముఖ్యమైన తాత్త్విక అంశాలు ఏమిటి, వీటిని ML మోడల్స్ నిర్మాణం మరియు అమలులో పరిగణించాల్సింది ఏమిటి?	Lesson	Tomomi
04	మెషీన్ లెర్నింగ్ సాంకేతికతలు	Introduction	ML పరిశోధకులు ML మోడల్స్ నిర్మించడానికి ఉపయోగించే సాంకేతికతలు ఏమిటి?	Lesson	Chris and Jen
05	రిగ్రెషన్ పరిచయం	Regression	రిగ్రెషన్ మోడల్స్ కోసం Python మరియు Scikit-learn తో ప్రారంభించండి	Python • R	Jen • Eric Wanjau
06	ఉత్తర అమెరికా పంకిన్ ధరలు 🎃	Regression	MLకోసం డేటాను విజువలైజ్ చేసి శుభ్రం చేయండి	Python • R	Jen • Eric Wanjau
07	ఉత్తర అమెరికా పంకిన్ ధరలు 🎃	Regression	లీనియర్ మరియు పోలినామియల్ రిగ్రెషన్ మోడల్స్‌ను తయారుచేయండి	Python • R	Jen and Dmitry • Eric Wanjau
08	ఉత్తర అమెరికా పంకిన్ ధరలు 🎃	Regression	ఒక లాజిస్టిక్ రిగ్రెషన్ మోడల్‌ను నిర్మించండి	Python • R	Jen • Eric Wanjau
09	ఒక వెబ్ యాప్ 🔌	Web App	మీ శిక్షణ పొందిన మోడల్ ఉపయోగించడానికి ఒక వెబ్ యాప్ నిర్మించండి	Python	Jen
10	వర్గీకరణ పరిచయం	Classification	మీ డేటాను శుభ్రం చేయండి, సిద్ధం చేయండి, మరియు విజువలైజ్ చేయండి; వర్గీకరణకి పరిచయం	Python • R	Jen and Cassie • Eric Wanjau
11	రుచికరమైన ఆసియాన్ మరియు ఇండియన్ వంటకాలు 🍜	Classification	వర్గీకరణల పరిచయం	Python • R	Jen and Cassie • Eric Wanjau
12	రుచికరమైన ఆసియాన్ మరియు ఇండియన్ వంటకాలు 🍜	Classification	మరిన్ని వర్గీకరణకారులు	Python • R	Jen and Cassie • Eric Wanjau
13	రుచికరమైన ఆసియాన్ మరియు ఇండియన్ వంటకాలు 🍜	Classification	మీ మోడల్ ఉపయోగించి ఒక సిఫార్సు వెబ్ యాప్ ని నిర్మించండి	Python	Jen
14	క్లస్టరింగ్ పరిచయం	Clustering	మీ డేటాను శుభ్రం చేయండి, సిద్ధం చేయండి, విజువలైజ్ చేయండి; క్లస్టరింగ్ పరిచయం	Python • R	Jen • Eric Wanjau
15	నైజీరియన్ సంగీత రుచులు పరిశీలన 🎧	Clustering	K-Means క్లస్టరింగ్ పద్ధతిని అన్వేషించండి	Python • R	Jen • Eric Wanjau
16	సహజ భాషా ప్రాసెసింగ్ పరిచయం ☕️	Natural language processing	ఒక సరళమైన బాట్ నిర్మించడం ద్వారా NLP యొక్క ప్రాథమికాంశాలను నేర్చుకోండి	Python	Stephen
17	సాధారణ NLP పనులు ☕️	Natural language processing	భాషా నిర్మాణాలతో వ్యవహరించేటప్పుడు అవసరమైన సాధారణ పనులు అర్థం చేసుకుని మీ NLP జ్ఞానం పెంచుకోండి	Python	Stephen
18	అనువాదం మరియు భావ విశ్లేషణ ♥️	Natural language processing	Jane Austen తో అనువాదం మరియు భావ విశ్లేషణ	Python	Stephen
19	యూరోప్ యొక్క రొమాంటిక్ హోటల్స్ ♥️	Natural language processing	హోటల్ సమీక్షలతో ఒక భావ విశ్లేషణ 1	Python	Stephen
20	యూరోప్ యొక్క రొమాంటిక్ హోటల్స్ ♥️	Natural language processing	హోటల్ సమీక్షలతో ఒక భావ విశ్లేషణ 2	Python	Stephen
21	టైమ్ సిరీస్ ప్రణాళికకి పరిచయం	Time series	టైమ్ సిరీస్ ప్రణాళికకు పరిచయం	Python	Francesca
22	⚡️ ప్రపంచ విద్యుత్ వినియోగం ⚡️ - ARIMA తో టైమ్ సిరీస్ ప్రణాళిక	Time series	ARIMAతో టైమ్ సిరీస్ ప్రణాళిక	Python	Francesca
23	⚡️ ప్రపంచ విద్యుత్ వినియోగం ⚡️ - SVRతో టైమ్ సిరీస్ ప్రణాళిక	Time series	సపోర్ట్ వెక్టర్ రిగ్రెషర్‌తో టైమ్ సిరీస్ ప్రణాళిక	Python	Anirban
24	రీఇన్ఫోర్స్‌మెంట్ లెర్నింగ్ పరిచయం	Reinforcement learning	Q-Learningతో రీఇన్ఫోర్స్‌మెంట్ లెర్నింగ్ పరిచయం	Python	Dmitry
25	పాటర్‌ను గేదె నుండి తప్పించండి! 🐺	Reinforcement learning	రీఇన్ఫోర్స్‌మెంట్ లెర్నింగ్ జిం	Python	Dmitry
తర్వాతి భాగం	వాస్తవ ప్రపంచ ML పరిస్థితులు మరియు అనువర్తనాలు	ML in the Wild	క్లాసికల్ ML యొక్క ఆసక్తికరమైన మరియు వివరించే వాస్తవ ప్రపంచ అనువర్తనాలు	Lesson	టీమ్
తర్వాతి భాగం	RAI డాష్‌బోర్డ్తో MLలో మోడల్ డిబగ్గింగ్	ML in the Wild	రిస్పాన్సిబుల్ AI డాష్‌బోర్డు భాగాలతో మెషీన్ లెర్నింగ్‌లో మోడల్ డిబగ్గింగ్	Lesson	Ruth Yakubu

ఈ కోర్సు కోసం మా Microsoft Learn సేకరణలో అన్ని అదనపు వనరులను కనుగొనండి

ఆఫ్‌లైన్ యాక్సెస్

Docsify ఉపయోగించి మీరు ఈ డాక్యుమెంటేషన్‌ను ఆఫ్‌లైన్‌లో నడిపించవచ్చు. ఈ రిపోను ఫోర్క్ చేసి, మీ లోకల్ యంత్రంలో Docsify ను ఇన్‌స్టాల్ చేయండి, ఆ తర్వాత ఈ రిపో యొక్క రూట్ ఫోల్డర్‌లో docsify serve ను టైపు చేయండి. వెబ్ సైట్ మీ లోకల్హోస్ట్ పై పోర్ట్ 3000 లో సర్వ్ అవుతుంది: localhost:3000.

PDFలు

కురిక్యులం యొక్క PDFను లింకులతో ఇక్కడ కనుగొనండి.

🎒 ఇతర కోర్సులు

మా టీమ్ ఇతర కోర్సులను తయారు చేస్తోంది! చూడండి:

LangChain

Azure / Edge / MCP / Agents

Generative AI Series

ప్రాథమిక అభ్యాసం

కొపైలట్ శ్రేణి

సహాయం పొందడం

మీరు ఇబ్బంది పడితే లేదా AI యాప్లను నిర్మించడం గురించి ఏవైనా ప్రశ్నలు ఉంటే. MCP గురించి fellow learners మరియు అనుభవజ్ఞులైన డెవలపర్లతో చర్చల్లో చేరండి. ఇది ప్రశ్నలు స్వాగతించబడే, జ్ఞానం స్వేచ్ఛగా పంచుకునే మద్దతుగా ఉన్న సంఘం.

మీకు ఉత్పత్తి అభిప్రాయాలు లేదా నిర్మాణంలో లోపాలు ఉంటే సందర్శించండి:

డిస్లేమర్:
ఈ పత్రాన్ని AI అనువాద సేవ Co-op Translator ఉపయోగించి అనువదించడం జరిగింది. మేము సరిగ్గా అనువదించేందుకు శ్రద్ధ తీసుకున్నప్పటికీ, ఆటోమేటిక్ అనువాదాలలో పొరపాట్లు లేదా లోపాలు ఉండవచ్చు. అసలు పత్రం తన స్వదేశీ భాషలో ఉన్నదానిని అధికారిక మూలంగా పరిగణించాలి. కీలక సమాచారం కొరకు, ప్రొఫెషనల్ మానవ అనువాదం చేయించుకోవడం సూచించబడుతుంది. ఈ అనువాదం వలన కలిగే ఏదైనా అపార్థాలు లేదా తప్పుతలంపులకు మేము బాధ్యత కలిగించము.

38 KiB Raw Blame History Unescape Escape