You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
223 lines
50 KiB
223 lines
50 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "ec8385130a8239ad9d827175126a0722",
|
|
"translation_date": "2026-01-01T14:35:06+00:00",
|
|
"source_file": "README.md",
|
|
"language_code": "ml"
|
|
}
|
|
-->
|
|
[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
|
|
[](http://makeapullrequest.com)
|
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/network/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)
|
|
|
|
### 🌐 ബഹുഭാഷാ പിന്തുണ
|
|
|
|
#### GitHub Action മുഖാന്തിരം (ആട്ടോമേറ്റഡ് & എല്ലായ്പ്പോഴും അപ്-ടു-ഡേറ്റ്) വഴി പിന്തുണയ്ക്കുന്നു
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
[അറബി](../ar/README.md) | [ബെംഗാളി](../bn/README.md) | [ബൾഗേറിയൻ](../bg/README.md) | [ബർമീസ് (മ്യാൻമാർ)](../my/README.md) | [ചൈനീസ് (സിംപ്ലിഫൈഡ്)](../zh/README.md) | [ചൈനീസ് (ട്രാഡിഷണൽ, ഹോങ്കോങ്)](../hk/README.md) | [ചൈനീസ് (ട്രാഡിഷണൽ, മകാവോ)](../mo/README.md) | [ചൈനീസ് (ട്രാഡിഷണൽ, തായ്വാൻ)](../tw/README.md) | [ക്രൊവേഷ്യൻ](../hr/README.md) | [ചെക്](../cs/README.md) | [ഡാനിഷ്](../da/README.md) | [ഡച്ച്](../nl/README.md) | [എസ്റ്റോണിയൻ](../et/README.md) | [ഫിനിഷ്](../fi/README.md) | [ഫ്രഞ്ച്](../fr/README.md) | [ജർമ്മൻ](../de/README.md) | [ഗ്രീക്ക്](../el/README.md) | [ഹെബ്രോ](../he/README.md) | [ഹിന്ദി](../hi/README.md) | [ഹംഗേറിയൻ](../hu/README.md) | [ഇന്തോനേശ്യൻ](../id/README.md) | [ഇറ്റാലിയൻ](../it/README.md) | [ജാപ്പനീസ്](../ja/README.md) | [കന്നഡ](../kn/README.md) | [കൊറിയൻ](../ko/README.md) | [ലിതുവേനിയൻ](../lt/README.md) | [മലായ്](../ms/README.md) | [മലയാളം](./README.md) | [മറാത്തി](../mr/README.md) | [നെപ്പാളി](../ne/README.md) | [നായജീരിയൻ പിഡ്ജിൻ](../pcm/README.md) | [നോർവീജിയൻ](../no/README.md) | [പെഴ്സിയൻ (ഫാർസി)](../fa/README.md) | [പോളിഷ്](../pl/README.md) | [പോർച്ചുഗീസ് (ബ്രസീൽ)](../br/README.md) | [പോർച്ചുഗീസ് (പോർച്ചുഗൽ)](../pt/README.md) | [പഞ്ചാബി (ഗുരുമുഖി)](../pa/README.md) | [റൊമേനിയൻ](../ro/README.md) | [റഷ്യൻ](../ru/README.md) | [സെർബിയൻ (സിറിലിക്)](../sr/README.md) | [സ്ലോവാക്](../sk/README.md) | [സ്ലോവേനിയൻ](../sl/README.md) | [സ്പാനിഷ്](../es/README.md) | [സ്വാഹിലി](../sw/README.md) | [സ്വീഡിഷ്](../sv/README.md) | [ടാഗലോഗ് (ഫിലിപ്പീനോ)](../tl/README.md) | [തമിഴ്](../ta/README.md) | [തെലുങ്കു](../te/README.md) | [തായ്](../th/README.md) | [ടർക്കിഷ്](../tr/README.md) | [ഉക്രെയ്നിയൻ](../uk/README.md) | [ഉർദു](../ur/README.md) | [വിയറ്റ്നാമീസ്](../vi/README.md)
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
#### നമ്മുടെ സമൂഹത്തിൽ ചേർക്കൂ
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
നമുക്കു Discord-ൽ "Learn with AI" സീരീസ് നീണ്ടുനടക്കുകയാണ്; കൂടുതല് അറിയാന് , 18 - 30 സെപ്റ്റംബർ, 2025 തീയതികൾക്കായി ഞങ്ങളോടൊപ്പം ചേരൂ: [Learn with AI Series](https://aka.ms/learnwithai/discord). GitHub Copilot ഉപയോഗിച്ച് Data Science ചെയ്യാനുള്ള ടിപ്സ്-ട്രിക്ക്സ് നിങ്ങൾക്ക് ലഭിക്കും.
|
|
|
|
|
|
|
|
# Machine Learning for Beginners - A Curriculum
|
|
|
|
> 🌍 ലോക വിഭവങ്ങളിലൂടെ (world cultures) ഞങ്ങൾ മെഷീൻ ലേണിംഗ് ആഴത്തില് അന്വേഷിക്കുന്നതിനൊടുവിലാണ് ഈ യാത്ര 🌍
|
|
|
|
Microsoft-ലെ Cloud Advocates-ുകൾ സന്തോഷത്തോടെ ഒരു 12-വാര, 26-പാഠങ്ങളുടെ പാഠ്യപദ്ധതി അവതരിക്കുന്നു — പരമാവധി ഫോകസ് ചെയ്യുന്നത് **Machine Learning** എന്നതിലാണി. ഈ പാഠ്യപദ്ധതിയിൽ, നിങ്ങൾ പലപ്പോഴും **classic machine learning** എന്ന് വിളിക്കപ്പെടുന്ന കാര്യങ്ങളെക്കുറിച്ച് പഠിക്കും, പ്രധാനമായി Scikit-learn ലൈബ്രറി ഉപയോഗിച്ച്, ആഴത്തിലുള്ള പഠനം (deep learning) ഒഴിവാക്കി; ആ ഭാഗം നമ്മുടെ [AI for Beginners' curriculum](https://aka.ms/ai4beginners) ൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. ഈ പാഠങ്ങൾ ഞങ്ങളുടെ ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) നെ കൂടാതെ ഉപയോഗിക്കാവുന്നതാണ്.
|
|
|
|
ലോകമാകെയുള്ള ഡാറ്റാ സ്രോതസ്സുകളിൽ ക്ലാസിക്കൽ സാങ്കേതികവിദ്യകൾ പ്രയോഗിക്കുമ്പോൾ ഞങ്ങളോടൊപ്പം യാത്ര ചെയ്യൂ. ഓരോ പാഠത്തിനും pre- and post-lesson quizzes ഉം, എഴുത്തായ നിർദ്ദേശങ്ങളും, ഒരു സൊല്യൂഷനും, അസൈൻമെന്റും, കൂടാതെ മറ്റും ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. പ്രോജെക്ട്-ആധാരിത പഠനരീതിയിലൂടെ നിങ്ങൾ നിര്മിക്കുമ്പോൾ പഠിക്കുന്നതാണ്; ഇത് പുതിയ കഴിവുകൾ 'സ്ഥിരമാക്കുന്നതിനുള്ള' തെളിയിച്ച രീതിയാണ്.
|
|
|
|
**✍️ наших ആർഹതക്കാര്ക്ക് ഹൃദയം നിറഞ്ഞ നന്ദി** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd
|
|
|
|
**🎨 ഞങ്ങളുടെ ചിത്രകാരന്മാർക്കും നന്ദി** Tomomi Imura, Dasani Madipalli, and Jen Looper
|
|
|
|
**🙏 പ്രത്യേക നന്ദി 🙏 നമ്മുടെ Microsoft Student Ambassador രചയിതാക്കൾക്കും, റിവ്യൂവേർമാർക്കും, ഉള്ളടക്ക സംഭാവനക്കാർക്കും**, പ്രത്യേകിച്ച് Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, and Snigdha Agarwal
|
|
|
|
**🤩 R പാഠങ്ങൾക്കുള്ള വളരെയധികം നന്ദി Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, and Vidushi Gupta-ന്!**
|
|
|
|
# ആരംഭിക്കുന്നത്
|
|
|
|
ഈ ചുവടുകൾ പിന്തുടരുക:
|
|
1. **റിപ്പോസിറ്ററി Fork ചെയ്യുക**: ഈ പേജിന്റെ മുകളിൽ വലത്തുഭാഗത്ത് ഉള്ള "Fork" ബട്ടണിൽ ക്ലിക്ക് ചെയ്യുക.
|
|
2. **റിപ്പോസിറ്ററി ക്ലോൺ ചെയ്യുക**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
|
|
|
|
> [ഈ കോഴ്സിന് ആവശ്യമായ എല്ലാ അധിക സാമ്പത്തിക വనറുകൾ ഞങ്ങളുടെ Microsoft Learn ശേഖരത്തിൽ കാണുക](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
> 🔧 **സഹായം വേണമോ?** ഇൻസ്റ്റലേഷൻ, സജ്ജീകരണം, പാഠങ്ങൾ റൺ ചെയ്യുന്നതുമായി ബന്ധപ്പെട്ട പൊതു പ്രശ്നങ്ങൾക്ക് പരിഹാരങ്ങൾക്കായി ഞങ്ങളുടെ [Troubleshooting Guide](TROUBLESHOOTING.md) പരിശോധിക്കുക.
|
|
|
|
|
|
**[Students](https://aka.ms/student-page)**, ഈ പാഠ്യപദ്ധതി ഉപയോഗിക്കാൻ, മുഴുവൻ റെപ്പോ നിങ്ങളുടെ സ്വന്തം GitHub അക്കൗണ്ടിലേക്ക് fork ചെയ്ത് താങ്കൾ തനിക്കോ അല്ലെങ്കിൽ ഒരു ഗ്രൂപ്പിനൊത്ത് ചേർന്ന് വ്യായാമങ്ങൾ പൂർത്തിയാക്കുക:
|
|
|
|
- ഒരു pre-lecture quiz-ൽ തുടങ്ങുക.
|
|
- ലക്ചർ വായിച്ച് പ്രവർത്തനങ്ങൾ പൂർത്തിയാക്കുക, ഓരോ knowledge check-ൽ നില്ക്കുകയും ആലോചിക്കുകയും ചെയ്യുക.
|
|
- സൊല്യൂഷൻ കോഡ് ഓടിക്കാതെ പാഠങ്ങൾ മനസ്സിലാക്കി പ്രോജക്ടുകൾ സൃഷ്ടിക്കാൻ ശ്രമിക്കുക; എന്നിരുന്നാലും ആ കോഡ് ഓരോ project-ഓറിയന്റഡ് പാഠത്തിനും ഉള്ള `/solution` സഹ ഫോളഡറുകളിൽ ലഭ്യമായിരിക്കും.
|
|
- post-lecture quiz സ്വീകരിക്കുക.
|
|
- ചലഞ്ച് പൂർത്തിയാക്കുക.
|
|
- അസൈൻമെന്റ് പൂർത്തിയാക്കുക.
|
|
- ഒരു പാഠ ഗ്രൂപ്പ് പൂർത്തിയാക്കിയതിന് ശേഷം, [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) സന്ദർശിച്ച് പരിച്ഛേദം പങ്കുവെയ്ക്കുക மற்றும் അനുയോജ്യമായ PAT റൂബ്രിക്ക് പൂർത്തിയാക്കി "learn out loud" ചെയ്യുക. 'PAT' എന്നത് Progress Assessment Tool-ആണ്; ഇത് നിങ്ങൾ ഭാവിപ്പാഠ്യകൗശലങ്ങൾ മെച്ചപ്പെടുത്താൻ ഉപയോഗിക്കുന്ന ഒരു റൂബ്രിക്കാണ്. മറ്റുള്ളവരുടെ PAT-കളിലും പ്രതികരിക്കാൻ സാധിക്കും; ഇപ്രകാരം നാം ഒരുമിച്ച് പഠിക്കാം.
|
|
|
|
> കൂടുതൽ പഠനത്തിന്, ഞങ്ങൾ ഇവ നിർദേശിക്കുന്നു: [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) മോഡ്യൂളുകൾ आणि ലേണിംഗ് പാതകൾ പിന്തുടരുക.
|
|
|
|
**ഉപാധ്യാപകർ**, ഈ പാഠ്യപദ്ധതി എങ്ങനെ ഉപയോഗിക്കാമെന്നതിന്റെ കുറിച്ച് ഞങ്ങൾ [കുറിപ്പ് നൽകിയിട്ടുണ്ട്](for-teachers.md).
|
|
|
|
---
|
|
|
|
## വീഡിയോ വെൽക്കോുതുകൾ
|
|
|
|
ചില പാഠങ്ങൾ ചെറിയ ഫോർമാറ്റിലുള്ള വീഡിയോ ആയി ലഭ്യമാണ്. ഈ മുഴുവൻ വിഡിയോകൾ പാഠങ്ങളിൽ തന്നെ ഇൻ-ലൈൻ ആയി കാണാനോ, അല്ലെങ്കിൽ [ML for Beginners പ്ലേലിസ്റ്റ് - Microsoft Developer YouTube ചാനൽ](https://aka.ms/ml-beginners-videos) ൽ ചിത്രം ക്ലിക്കുചെയ്ത് കാണാവുന്നതാണ്.
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
---
|
|
|
|
## ടീം കാണുക
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
**ജിഫ് ഒരുക്കിയത്** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
> 🎥 പ്രോജക്ടിനെப் பற்றിയും അതിനെ സൃഷ്ടിച്ചവരെക്കുറിച്ചുള്ള വീഡിയോ കാണാൻ മുകളിൽ ഉള്ള ചിത്രം ക്ലിക്ക് ചെയ്യൂ!
|
|
|
|
---
|
|
|
|
## ശൈലി-രീതികൾ (Pedagogy)
|
|
|
|
ഈ പാഠ്യപദ്ധതി നിർമ്മിച്ചുകൊണ്ടിരിക്കുമ്പോൾ ഞങ്ങൾ രണ്ട് അധ്യാപന സിദ്ധാന്തങ്ങൾ തിരഞ്ഞെടുക്കുകയും ചെയ്തിട്ടുണ്ട്: കൈകൊണ്ടുള്ള രീതിയായത് (hands-on) എന്ന് ഉറപ്പാക്കുന്ന **project-based** ആയതും, കൂടാതെ അതിൽ **സഹജമായ കുറേക്വിസുകൾ (frequent quizzes)** ഉണ്ടായിട്ടുള്ളതുമാണ്. കൂടാതെ ഈ പാഠ്യപദ്ധതിക്ക് ഒരു പൊതു **തീം** കൂടി നൽകിയിട്ടുണ്ട്, ഇതു ഒരു ഏകോപനം നൽകാൻ സഹായിക്കുന്നു.
|
|
|
|
സാമ്പത്തികമായും കാര്യക്ഷമമായും ഉള്ളടക്കം പ്രോജെക്ടുകളുമായി ബന്ധിപ്പിക്കുമ്പോൾ വിദ്യാർത്ഥികളുടെ മൊഹവും ശ്രദ്ധയും വർദ്ധിക്കുന്നു, ആശയങ്ങളുടെ retention മെച്ചപ്പെടും. ക്ലാസിനു മെൽലേര്ച്ചയില്ലാത്ത ഒരു quiz പഠിപ്പിക്കുന്നതിനുള്ള ലക്ഷ്യം സജ്ജമാക്കുന്നു, mentre ക്ലാസിനു ശേഷം വരുന്ന രണ്ടാമത്തെ quiz കൂടുതൽ retention ഉറപ്പാക്കും. ഈ പരിപാടി പ്രാവിന് അനുസരിച്ച് ലവിച്ചും രസകരവുമാണ്; പൂർണ്ണമായോ ഭാഗികമായോ നിങ്ങൾക്ക് സ്വീകരിക്കാവുന്നതാണ്. പ്രോജെക്ടുകൾ ചെറിയതിൽ ആരംഭിച്ച് 12-വാരക്കാലയളവിന്റെ അവസാനം വരെ ക്രമേണ സങ്കീർണ്ണമാവും. ഈ പാഠ്യപദ്ധതിയിൽ ML-ന്റെ യാഥാർഥ്യ ലോക പ്രയോഗങ്ങളെക്കുറിച്ചുള്ള ഒരു പോസ്ട്സ്ക്രിപ്റ്റും ഉൾപ്പെടുത്തിയിട്ടുണ്ട്, ഇത് കൂടുതൽ ക്രെഡിറ്റ് ലഭിക്കാൻ അല്ലെങ്കിൽ ചർച്ചയ്ക്കുള്ള അടിസ്ഥാനമായ് ഉപയോഗിക്കാവുന്നതാണ്.
|
|
|
|
> ഞങ്ങളുടെ [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md), এবং [Troubleshooting](TROUBLESHOOTING.md) മാർഗനിർദ്ദേശങ്ങൾ കാണുക. നിങ്ങളുടെ നിർമാതൃകമുള്ള ഫീഡ്ബാക്ക് ഞങ്ങൾ സ്വാഗതം ചെയ്യുന്നു!
|
|
|
|
## ഓരോ പാഠത്തിലും ഉൾപ്പെടുന്നത്
|
|
|
|
- ഐച്ഛിക sketchnote
|
|
- ഐച്ഛിക കൂടുതൽ വീഡിയോകൾ
|
|
- വീഡിയോ വാക്ക്-ത്രൂ (ചില പാഠങ്ങൾ മാത്രം)
|
|
- [pre-lecture warmup quiz](https://ff-quizzes.netlify.app/en/ml/)
|
|
- എഴുത്തായ പാഠം
|
|
- പ്രോജെക്ട്-അധിഷ്ഠിത പാഠങ്ങളിലൊക്കെയാണ്, പ്രോജക്ട് നിർമ്മിക്കുന്നതിന്റെ ഘട്ടം-ഘട്ടമായും ഗൈഡുകൾ
|
|
- knowledge checks
|
|
- ഒരു ചലഞ്ച്
|
|
- അനുബന്ധ വായന
|
|
- അസൈൻമെന്റ്
|
|
- [post-lecture quiz](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
> **ഭാഷകളെക്കുറിച്ചുള്ള ഒരു കുറിപ്പ്**: ഈ പാഠങ്ങൾ പ്രധാനമായും Python-ൽ എഴുതിയതാണെങ്കിലും, പലതും R-യിലും ലഭ്യമാണ്. R പാഠം പൂർത്തിയാക്കാൻ, `/solution` ഫോൾഡർ കാണുക, അവിടെയുണ്ടാകുന്ന R പാഠങ്ങൾക്കായ് നോക്കുക. അവയ്ക്ക് .rmd എക്സ്റ്റൻഷൻ ഉണ്ടായിരിക്കും, ഇത് ഒരു **R Markdown** ഫയൽക്ക് പ്രതീകമാണ് — ഇത് `code chunks` (R അല്ലെങ്കിൽ മറ്റ് ഭാഷകളിലെ) ഒപ്പം ഒരു `YAML header` (PDF പോലുള്ള ഔട്ട്പുട്ടുകൾ എങ്ങിനെ ഫോർമാറ്റ് ചെയ്യാമെന്ന് മാർഗനിർദ്ദേശം നൽകുന്നു) ഒരു `Markdown document`-ലാണ് ഉൾപ്പെടുത്തുന്നത്. അതുകൊണ്ട്, ഇത് ഡാറ്റാ സയൻസിന്റെ മികച്ച ഒരു കെട്ടിടരചനാ ഫ്രെയിംവർക്കായി സേവിക്കുന്നു — നിങ്ങളുടെ കോഡ്, അതിന്റെ ഔട്ട്പുട്ട്, നിങ്ങളുടെ ചിന്തകൾ എന്നിവ എല്ലാം Markdown-ൽ എഴുതി ഫലമായി കാണിക്കാനുള്ള സംവിധാനമാണ്. കൂടാതെ, R Markdown ഡോക്യുമെന്റുകൾ PDF, HTML, അല്ലെങ്കിൽ Word പോലുള്ള ഔട്ട്പുട്ട് ഫോർമാറ്റുകളിലേക്ക് റെൻഡർ ചെയ്യാൻ കഴിയും.
|
|
|
|
> **ക്വിസുകൾ സംബന്ധിച്ച ഒരു കുറിപ്പ്**: എല്ലാ ക്വിസുകളും [Quiz App folder](../../quiz-app) ൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട് — ആകെ 52 ക്വിസുകൾ, ഓരോന്നിലും മൂന്ന് ചോദ്യങ്ങളാണ്. അവ പാഠങ്ങളിൽ നിന്ന് ലിങ്കുചെയ്യപ്പെട്ടിട്ടുണ്ട്; എന്നാൽ quiz ആപ്പ് ലോക്കലായി ഓടിക്കാൻ കഴിയും; ലോക്കലായി ഹോസ്റ്റ് ചെയ്യാനോ Azure-ലേക്ക് ഡിപ്ലോയിക്കാനോ `quiz-app` ഫോൾഡറിലെ നിർദ്ദേശങ്ങൾ പിന്തുടരുക.
|
|
|
|
| പാഠം നമ്പർ | വിഷയം | പാഠം വിഭാഗം | അഭ്യസന ലക്ഷ്യങ്ങൾ | ലിങ്ക് ചെയ്ത പാഠം | രചയിതാവ് |
|
|
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
| 01 | മെഷീൻ ലേണിങിന്റെ പരിചയം | [പരിചയം](1-Introduction/README.md) | മെഷീൻ ലേണിങ്ങിന്റെ അടിസ്ഥാന ധാരണകൾ പഠിക്കുക | [പാഠം](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
| 02 | മെഷീൻ ലേണിങ്ങിന്റെ ചരിത്രം | [പരിചയം](1-Introduction/README.md) | ഈ മേഖലയ്ക്കുള്ള അടിസ്ഥാന ചരിത്രം പഠിക്കുക | [പാഠം](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
|
|
| 03 | നീതിയും മെഷീൻ ലേണിങ്ങും | [പരിചയം](1-Introduction/README.md) | എംഎൽ മോഡലുകൾ നിർമ്മിക്കആരും പ്രയോഗിക്കാറുമ്പോൾ വിദ്യാർത്ഥികൾ പരിഗണിക്കേണ്ട പ്രധാന ദാർശനിക പ്രശ്നങ്ങൾ എന്തൊക്കെയാണ്? | [പാഠം](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
| 04 | മെഷീൻ ലേണിംഗ് ടെക്നിക്കുകൾ | [പരിചയം](1-Introduction/README.md) | എംഎൽ ഗവേഷകർ എംഎൽ മോഡലുകൾ നിർമ്മിക്കാൻ ഏത് സാങ്കേതിക വിദ്യകൾ ഉപയോഗിക്കുന്നു? | [പാഠം](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
|
|
| 05 | റെഗ്രഷനിലേക്ക് പരിചയം | [റെഗ്രഷൻ](2-Regression/README.md) | റെഗ്രഷൻ മോഡലുകൾക്കായി Python, Scikit-learn എന്നിവ ഉപയോഗിച്ച് ആരംഭിക്കുക | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
|
|
| 06 | നോർത്ത് അമേരിക്കൻ പംപ്കിൻ വിലകൾ 🎃 | [റെഗ്രഷൻ](2-Regression/README.md) | എംഎലിന് തയ്യാറെടുക്കലായി ഡാറ്റ വിന്യസിക്കുകയും ശുദ്ധീകരിക്കുകയും ചെയ്യുക | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
|
|
| 07 | നോർത്ത് അമേരിക്കൻ പംപ്കിൻ വിലകൾ 🎃 | [റെഗ്രഷൻ](2-Regression/README.md) | ലീനിയർ ಮತ್ತು പോളിനോമിയൽ റെഗ്രഷൻ മോഡലുകൾ നിർമ്മിക്കുക | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
|
|
| 08 | നോർത്ത് അമേരിക്കൻ പംപ്കിൻ വിലകൾ 🎃 | [റെഗ്രഷൻ](2-Regression/README.md) | ഒരു ലൊജിസ്റ്റിക് റെഗ്രഷൻ മോഡൽ നിർമ്മിക്കുക | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
|
|
| 09 | ഒരു വെബ് ആപ്പ് 🔌 | [വെബ് ആപ്പ്](3-Web-App/README.md) | നിങ്ങളുടെ പരിശീലിപ്പിച്ച മോഡൽ ഉപയോഗിക്കാൻ ഒരു വെബ് ആപ്പ് നിർമ്മിക്കുക | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
| 10 | ക്ലാസിഫിക്കേഷനിലേക്ക് പരിചയം | [ക്ലാസിഫിക്കേഷൻ](4-Classification/README.md) | ഡാറ്റ ശുദ്ധമാക്കുക, തയ്യാറാക്കുക, വിന്യസിക്കുക; ക്ലാസിഫിക്കേഷനിലേക്ക് പരിചയം | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
|
|
| 11 | സ്വാദിഷ്ടമായ ഏഷ്യൻ, ഇന്ത്യൻ ഭക്ഷണങ്ങൾ 🍜 | [ക്ലാസിഫിക്കേഷൻ](4-Classification/README.md) | ക്ലാസിഫയറുകളിലേക്ക് പരിചയം | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau |
|
|
| 12 | സ്വാദിഷ്ടമായ ഏഷ്യൻ, ഇന്ത്യൻ ഭക്ഷണങ്ങൾ 🍜 | [ക്ലാസിഫിക്കേഷൻ](4-Classification/README.md) | കൂടുതൽ ക്ലാസിഫയറുകൾ | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau |
|
|
| 13 | സ്വാദിഷ്ടമായ ഏഷ്യൻ, ഇന്ത്യൻ ഭക്ഷണങ്ങൾ 🍜 | [ക്ലാസിഫിക്കേഷൻ](4-Classification/README.md) | നിങ്ങളുടെ മോഡൽ ഉപയോഗിച്ച് ഒരു റികമൻഡർ വെബ് ആപ്പ് നിർമ്മിക്കുക | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
| 14 | ക്ലസ്റ്ററിംഗിലേക്ക് പരിചയം | [ക്ലസ്റ്ററിംഗ്](5-Clustering/README.md) | ഡാറ്റ ശുദ്ധമാക്കുക, തയ്യാറാക്കുക, വിന്യസിക്കുക; ക്ലസ്റ്ററിംഗിലേക്ക് പരിചയം | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
|
|
| 15 | നൈജീരിയന് സംഗീതസ്വാദുകൾ ഗവേഷിക്കുക 🎧 | [ക്ലസ്റ്ററിംഗ്](5-Clustering/README.md) | K-Means ക്ലസ്റ്ററിംഗ് രീതീ പരിശോധിക്കുക | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
|
|
| 16 | സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിങ്ങിലേക്ക് പരിചയം ☕️ | [സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിംഗ്](6-NLP/README.md) | ഒരു ലളിതമായ ബോട്ട് നിർമ്മിച്ച് NLP-ന്റെ അടിസ്ഥാനങ്ങൾ പഠിക്കുക | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
| 17 | സാധാരണ NLP ജോലികൾ ☕️ | [സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിംഗ്](6-NLP/README.md) | ഭാഷാ ഘടനകൾ കൈകാര്യം ചെയ്യുമ്പോൾ ആവശ്യമുള്ള സാധാരണ ജോലികൾ മനസ്സിലാക്കി നിങ്ങളുടെ NLP അറിവ് ആഴമാക്കുക | [Python](6-NLP/2-Tasks/README.md) | Stephen |
|
|
| 18 | പരിഭാഷയും സെൻറ്റിമെന്റ് വിശകലനവും ♥️ | [സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിംഗ്](6-NLP/README.md) | ജെയിൻ ഓസ്റ്റെൻ ഉപയോഗിച്ച് പരിഭാഷയും സെൻറ്റിമെന്റ് വിശകലനവും | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
|
|
| 19 | യൂറോപ്പിലെ റൊമാന്റിക് ഹോട്ടലുകൾ ♥️ | [സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിംഗ്](6-NLP/README.md) | ഹോട്ടൽ റിവ്യൂകളുമായി സെൻറ്റിമെന്റ് വിശകലനം 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
|
|
| 20 | യൂറോപ്പിലെ റൊമാന്റിക് ഹോട്ടലുകൾ ♥️ | [സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിംഗ്](6-NLP/README.md) | ഹോട്ടൽ റിവ്യൂകളുമായി സെൻറ്റിമെന്റ് വിശകലനം 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
|
|
| 21 | ടൈം സീരീസുകൾ പ്രവചിക്കുന്നതിന്റെ പരിചയം | [ടൈം സീരീസ്](7-TimeSeries/README.md) | ടൈം സീരീസ് ഫോറികാസ്റ്റിങ്ങിന്റെ പരിചയം | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
|
|
| 22 | ⚡️ ലോക വൈദ്യുതി ഉപയോഗം ⚡️ - ARIMA ഉപയോഗിച്ചുള്ള ടൈം സീരീസ് ഫോറികാസ്റ്റിംഗ് | [ടൈം സീരീസ്](7-TimeSeries/README.md) | ARIMA ഉപയോഗിച്ചുള്ള ടൈം സീരീസ് ഫോറികാസ്റ്റിംഗ് | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
| 23 | ⚡️ ലോക വൈദ്യുതി ഉപയോഗം ⚡️ - SVR ഉപയോഗിച്ചുള്ള ടൈം സീരീസ് ഫോറികാസ്റ്റിംഗ് | [ടൈം സീരീസ്](7-TimeSeries/README.md) | Support Vector Regressor ഉപയോഗിച്ചുള്ള ടൈം സീരീസ് ഫോറികാസ്റ്റിംഗ് | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
|
|
| 24 | റീഇൻഫോഴ്സ്മെന്റ് ലേണിങ്ങിലേക്ക് പരിചയം | [റീഇൻഫോഴ്സ്മെന്റ് ലേണിംഗ്](8-Reinforcement/README.md) | Q-Learning ഉപയോഗിച്ച് റീഇൻഫോഴ്സ്മെന്റ് ലേണിങ്ങിന്റെ പരിചയം | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
|
|
| 25 | പീറ്ററെ നരിയെ ഒഴിവാക്കാൻ സഹായിക്കുക! 🐺 | [റീഇൻഫോഴ്സ്മെന്റ് ലേണിംഗ്](8-Reinforcement/README.md) | റീഇൻഫോഴ്സ്മെന്റ് ലേണിംഗ് ജിം | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
| Postscript | യഥാർത്ഥ ലോകത്തിലെ ML സാഹചര്യങ്ങളും പ്രയോഗങ്ങളും | [യഥാർത്ഥ ലോകത്തിലെ ML](9-Real-World/README.md) | ക്ലാസിക്കൽ ML ന്റെ രസകരവും വെളിപ്പെടുത്തുന്നതിനുമായ യഥാർത്ഥ ലോക പ്രയോഗങ്ങൾ | [പാഠം](9-Real-World/1-Applications/README.md) | Team |
|
|
| Postscript | RAI ഡാഷ്ബോർഡ് ഉപയോഗിച്ച് ML-ൽ മോഡൽ ഡീബഗിങ് | [യഥാർത്ഥ ലോകത്തിലെ ML](9-Real-World/README.md) | Responsible AI ഡാഷ്ട്ബോര്ഡ് ഘടകങ്ങൾ ഉപയോഗിച്ച് മെഷീൻ ലേണിങ്ങിലെ മോഡൽ ഡീബഗിങ് | [പാഠം](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
> [ഈ കോഴ്സിനുള്ള എല്ലാ അധിക വിഭവങ്ങളും ഞങ്ങളുടെ Microsoft Learn ശേഖരത്തിൽ കാണുക](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
## ഓഫ്ലൈൻ ആക്സസ്
|
|
|
|
ഈ ഡോക്യുമെന്റേഷൻ [Docsify](https://docsify.js.org/#/) ഉപയോഗിച്ച് ഓഫ്ലൈൻ ആയി പ്രവർത്തിപ്പിക്കാവുന്നതാണ്. ഈ റിപ്പോസിറ്ററി ഫോർക്ക് ചെയ്യുക, നിങ്ങളുടെ ലൊക്കൽ മെഷീനിൽ [Docsify ഇൻസ്റ്റാൾ ചെയ്യുക](https://docsify.js.org/#/quickstart), തുടർന്ന് ഈ റിപ്പോയുടെ റൂട്ട് ഫോൾഡറിൽ `docsify serve` ടൈപ്പ് ചെയ്യുക. വെബ്സൈറ്റ് നിങ്ങളുടെ localhost-ൽ പോർട്ട് 3000-ൽ സർവുചെയ്യപ്പെടുന്ന būs: `localhost:3000`.
|
|
|
|
## PDF ഫയലുകൾ
|
|
|
|
പഠന പരിപാടിയുടെ ലിങ്കുകളോടുകൂടിയ PDF [ഇവിടെ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) കണ്ടെത്തുക.
|
|
|
|
|
|
## 🎒 മറ്റ് കോഴ്സുകൾ
|
|
|
|
ഞങ്ങളുടെ ടീം മറ്റ് കോഴ്സുകളും നിർമ്മിക്കുന്നു! ഇവ പരിശോധിക്കുക:
|
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
|
### LangChain
|
|
[](https://aka.ms/langchain4j-for-beginners)
|
|
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
|
---
|
|
|
|
### Azure / Edge / MCP / Agents
|
|
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### ജനറേറ്റീവ് AI പരമ്പര
|
|
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
|
|
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
|
|
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### പ്രധാന പഠനം
|
|
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
|
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### കോപൈലറ്റ് സീരീസ്
|
|
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
|
|
|
## സഹായം
|
|
|
|
എഐ ആപ്പുകൾ നിർമ്മിക്കുന്നതിൽ കുടുങ്ങുക അല്ലെങ്കിൽ ഏതെങ്കിലും ചോദ്യങ്ങൾ ഉണ്ടയാൽ, MCP സംബന്ധിച്ച ചർച്ചകളിൽ മറ്റു പഠനക്കാരെയും പരിചയസമ്പന്നരുമായ ഡെവലപ്പർമാരെയും ചേർക്കുക. ചോദ്യങ്ങൾക്ക് സ്വാഗതം പറയുന്നതും അറിവുകൾ സ്വതന്ത്രമായി പങ്കുവെയ്ക്കപ്പെടുന്നതുമായൊരു പിന്തുണയുള്ള സമുദായമാണ് ഇത്.
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
നിർമ്മിക്കുന്നതിനിടെ ഉൽപ്പന്ന അഭിപ്രായങ്ങൾ അല്ലെങ്കിൽ പിശകുകൾ ഉണ്ടെങ്കിൽ സന്ദർശിക്കുക:
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
അസ്വീകരണ കുറിപ്പ്:
|
|
ഈ രേഖ AI അധിഷ്ഠിത പരിഭാഷാ സേവനമായ Co-op Translator (https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. ഞങ്ങൾ കൃത്യതയ്ക്ക് ശ്രമിച്ചുവെങ്കിലും ഓട്ടോമേറ്റഡ് വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ അശുദ്ധതകൾ ഉണ്ടായിരിക്കാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. ഈ രേഖയുടെ സ്വദേശ ഭാഷയിലെ യഥാർത്ഥ പ്രമാണം പ്രാമാണിക ഉറവിടമായി കണക്കാക്കണം. നിർണായക വിവരങ്ങൾക്ക് പ്രൊഫഷണൽ മനുഷ്യ പരിഭാഷ ശുപാർശ ചെയ്യുന്നു. ഈ വിവർത്തനം ഉപയോഗിച്ചതിലുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |