ML-For-Beginners/translations/hi

🌐 मल्टी-भाषा समर्थन

गिटहब एक्शन के माध्यम से समर्थित (स्वचालित और हमेशा अद्यतन)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

स्थानीय रूप से क्लोन करना पसंद करते हैं?

इस रिपॉज़िटरी में 50+ भाषा अनुवाद शामिल हैं जो डाउनलोड आकार को काफी बढ़ाते हैं। बिना अनुवादों के क्लोन करने के लिए, sparse checkout का उपयोग करें:

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'

इससे आपको कोर्स पूरा करने के लिए आवश्यक सबकुछ मिलता है, डाउनलोड तेजी से होता है।

हमारे समुदाय में शामिल हों

हमारे पास Discord पर AI के साथ सीखने की एक श्रृंखला चल रही है, अधिक जानने और हमारे साथ जुड़ने के लिए Learn with AI Series पर जाएं, जो 18 - 30 सितंबर, 2025 को आयोजित होगी। आपको डेटा साइंस के लिए GitHub Copilot का उपयोग करने के टिप्स और ट्रिक्स मिलेंगे।

शुरुआती लोगों के लिए मशीन लर्निंग - एक पाठ्यक्रम

🌍 विश्व की संस्कृतियों के माध्यम से मशीन लर्निंग का अन्वेषण करते हुए दुनिया भर की यात्रा करें 🌍

Microsoft के Cloud Advocates एक 12-सप्ताह, 26-पाठ का पाठ्यक्रम प्रस्तुत कर रहे हैं जो पूरी तरह से मशीन लर्निंग के बारे में है। इस पाठ्यक्रम में, आप उन चीज़ों के बारे में सीखेंगे जिन्हें कभी-कभी क्लासिक मशीन लर्निंग कहा जाता है, जो मुख्य रूप से Scikit-learn लाइब्रेरी का उपयोग करता है और डीप लर्निंग से बचता है, जिसे हमारे AI for Beginners' curriculum में कवर किया गया है। इन पाठों को हमारे 'Data Science for Beginners' curriculum के साथ भी जोडें।

दुनिया भर के डेटा पर इन क्लासिक तकनीकों को लागू करते हुए हमारे साथ विश्व भ्रमण करें। प्रत्येक पाठ में प्री-लेसन और पोस्ट-लेसन क्विज़, पाठपूर्ण निर्देश, समाधान, असाइनमेंट आदि शामिल हैं। हमारा प्रोजेक्ट-आधारित तरीका आपको निर्माण करते हुए सीखने की सुविधा देता है, जो नई स्किल्स को बेहतर ढंग से सीखने का प्रमाणित तरीका है।

✍️ हमारे लेखकों को हार्दिक धन्यवाद जेन लूपर, स्टीफन हाउल, फ्रांसेस्का लज्जेरी, तोमोमी इमुरा, कैसी ब्रेवियू, दिमित्री सॉश्निकोव, क्रिस नोऱिंग, अनिरбан मुखर्जी, ऑर्नेला आल्टुन्यन, रूथ यकुबु और एमी बॉयड

🎨 हमारे चित्रकारों को भी धन्यवाद तोमोमी इमुरा, दासानी मडिपल्ली, और जेन लूपर

🙏 विशेष धन्यवाद 🙏 हमारे Microsoft Student Ambassador लेखकों, समीक्षकों और कंटेंट सहयोगियों को, खासकर ऋषित डागली, मोहम्मद साकिब खान इनान, रोहन राज, अलेक्ज़ान्द्रु पेट्रेसकु, अभिषेक जायसवाल, नवरीन तबस्सुम, इओन सामइला, और स्निग्धा अग्रवाल

🤩 Microsoft Student Ambassadors एरिक वांजाउ, जसलीन सोनधी, और विदुषी गुप्ता को हमारे आर लेसंस के लिए अतिरिक्त आभार!

शुरू करना

इन चरणों का पालन करें:

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

इस कोर्स के लिए हमारे Microsoft Learn संग्रह में सभी अतिरिक्त संसाधन खोजें

🔧 मदद चाहिए? इंस्टॉलेशन, सेटअप, और पाठ चलाने से संबंधित सामान्य समस्याओं के समाधान के लिए हमारे Troubleshooting Guide देखें।

छात्रों, इस पाठ्यक्रम का उपयोग करने के लिए, पूरे रिपॉज़िटरी को अपने GitHub अकाउंट पर फोर्क करें और अभ्यास अकेले या समूह में करें:

• प्री-लेक्चर क्विज़ से शुरू करें।
• व्याख्यान पढ़ें और गतिविधियाँ पूरी करें, प्रत्येक ज्ञान जांच पर रुके और विचार करें।
• समाधान कोड चलाने के बजाय पाठ समझकर परियोजनाएँ बनाने का प्रयास करें; हालांकि यह कोड प्रत्येक प्रोजेक्ट-आधारित पाठ में /solution फ़ोल्डर में उपलब्ध है।
• पोस्ट-लेक्चर क्विज़ लें।
• चैलेंज पूरा करें।
• असाइनमेंट पूरा करें।
• एक लेसन समूह पूरा करने के बाद, डिस्कशन बोर्ड पर जाएं और उपयुक्त PAT रुब्रिक भरकर "जोर से सीखें"। 'PAT' एक प्रोग्रेस असेसमेंट टूल है जो आपकी प्रगति को ट्रैक करता है। आप अन्य PAT पर प्रतिक्रिया भी दे सकते हैं ताकि हम साथ में सीख सकें।

आगे के अध्ययन के लिए, हम इन Microsoft Learn मॉड्यूल और लर्निंग पाथ का अनुसरण करने की सलाह देते हैं।

शिक्षक वर्ग, हमने कुछ सुझाव शामिल किए हैं कि इस पाठ्यक्रम का उपयोग कैसे करें।

---

वीडियो वॉकथ्रू

कुछ पाठ छोटे वीडियो के रूप में उपलब्ध हैं। आप इन्हें सभी पाठों में इन-लाइन पा सकते हैं, या Microsoft Developer YouTube चैनल पर ML for Beginners प्लेलिस्ट पर नीचे दी गई छवि पर क्लिक करके देख सकते हैं।

---

टीम से मिलें

Gif द्वारा Mohit Jaisal

🎥 परियोजना और इसे बनाने वाले लोगों के बारे में वीडियो के लिए ऊपर दी गई छवि पर क्लिक करें!

---

शिक्षण पद्धति

इस पाठ्यक्रम को बनाते समय हमने दो शिक्षण सिद्धांत चुने हैं: यह सुनिश्चित करना कि यह हैंड्स-ऑन प्रोजेक्ट-आधारित हो और इसमें बार-बार क्विज़ शामिल हों। इसके अलावा, इस पाठ्यक्रम में एक सामान्य थीम है जो इसे एकरूपता प्रदान करता है।

सामग्री को प्रोजेक्ट्स से जोड़कर, प्रक्रिया छात्रों के लिए अधिक आकर्षक हो जाती है और अवधारणाओं को बेहतर बनाए रखती है। एक कक्षा से पहले एक कम-जोखिम वाला क्विज़ छात्र के सीखने के इरादे को सेट करता है, जबकि कक्षा के बाद दूसरा क्विज़ और अच्छे से अवधारणाओं को स्थिर करता है। यह पाठ्यक्रम लचीला और मजेदार होने के लिए डिज़ाइन किया गया है और पूरे या आंशिक रूप से किया जा सकता है। परियोजनाएँ छोटी से शुरू होकर 12-सप्ताह के अंत तक जटिल हो जाती हैं। इस पाठ्यक्रम में मशीन लर्निंग के वास्तविक दुनिया के अनुप्रयोगों पर एक पोस्टस्क्रिप्ट भी शामिल है, जिसे अतिरिक्त क्रेडिट के रूप में या चर्चा के आधार के रूप में इस्तेमाल किया जा सकता है।

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

प्रत्येक पाठ में शामिल हैं

• वैकल्पिक स्केचनोट
• वैकल्पिक पूरक वीडियो
• वीडियो वॉकथ्रू (कुछ पाठों में ही)
• प्री-लेक्चर वार्मअप क्विज़
• लिखित पाठ
• प्रोजेक्ट-आधारित पाठ के लिए, परियोजना बनाने के चरण-दर-चरण गाइड
• ज्ञान जांच
• एक चुनौती
• पूरक अध्ययन सामग्री
• असाइनमेंट
• पोस्ट-लेक्चर क्विज़

भाषाओं के बारे में एक नोट: ये पाठ मुख्य रूप से Python में लिखे गए हैं, लेकिन कई R में भी उपलब्ध हैं। R पाठ पूरा करने के लिए, /solution फ़ोल्डर में जाकर R पाठ खोजें। इनमें .rmd एक्सटेंशन होता है जो एक R Markdown फ़ाइल को दर्शाता है, जिसे सरलता से कोड चंक (R या अन्य भाषाओं के) और YAML हेडर (जो आउटपुट, जैसे PDF, को फ़ॉर्मैट करने का मार्गदर्शन करता है) का सम्मिलन कहा जा सकता है। इसलिए, यह डेटा साइंस के लिए एक आदर्श लेखक फ्रेमवर्क है क्योंकि यह आपको अपने कोड, उसके आउटपुट, और अपने विचारों को Markdown में लिखने की अनुमति देता है। इसके अलावा, R Markdown दस्तावेज़ों को PDF, HTML, या Word जैसे आउटपुट स्वरूपों में रेंडर किया जा सकता है। क्विज़ के बारे में एक नोट: सभी क्विज़ Quiz App folder में शामिल हैं, जिनमें प्रत्येक में तीन प्रश्नों वाले कुल 52 क्विज़ हैं। वे पाठों के भीतर लिंक किए गए हैं लेकिन क्विज़ ऐप को स्थानीय रूप से भी चलाया जा सकता है; स्थानीय रूप से होस्ट या Azure पर तैनात करने के निर्देश quiz-app फ़ोल्डर में देखें।

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	मशीन लर्निंग का परिचय	Introduction	मशीन लर्निंग के पीछे के मूलभूत सिद्धांतों को सीखें	Lesson	मुहम्मद
02	मशीन लर्निंग का इतिहास	Introduction	इस क्षेत्र की ऐतिहासिक पृष्ठभूमि को जानें	Lesson	जेन और एमी
03	निष्पक्षता और मशीन लर्निंग	Introduction	मशीन लर्निंग मॉडल बनाने और लागू करने में जो महत्वपूर्ण दार्शनिक मुद्दें होते हैं उन्हें समझें	Lesson	टोमोमी
04	मशीन लर्निंग के तकनीकियाँ	Introduction	मशीन लर्निंग के शोधकर्ता कौन-कौन सी तकनीकें उपयोग करते हैं मॉडल बनाने के लिए?	Lesson	क्रिस और जेन
05	रिग्रेशन का परिचय	Regression	रिग्रेशन मॉडल के लिए Python और Scikit-learn के साथ शुरूआत करें	Python • R	जेन • एरिक वांजाउ
06	उत्तर अमेरिका के कद्दू के दाम 🎃	Regression	मशीन लर्निंग के लिए डेटा को visualize और साफ़ करें	Python • R	जेन • एरिक वांजाउ
07	उत्तर अमेरिका के कद्दू के दाम 🎃	Regression	रैखिक और बहुपद रिग्रेशन मॉडल बनाएं	Python • R	जेन और द्मित्री • एरिक वांजाउ
08	उत्तर अमेरिका के कद्दू के दाम 🎃	Regression	लॉजिस्टिक रिग्रेशन मॉडल बनाएं	Python • R	जेन • एरिक वांजाउ
09	एक वेब ऐप 🔌	Web App	अपने प्रशिक्षित मॉडल का उपयोग करने के लिए वेब ऐप बनाएं	Python	जेन
10	वर्गीकरण का परिचय	Classification	अपने डेटा को साफ़ करें, तैयार करें और visualize करें; वर्गीकरण का परिचय	Python • R	जेन और कैसी • एरिक वांजाउ
11	स्वादिष्ट एशियाई और भारतीय व्यंजनों 🍜	Classification	वर्गीकरणकों का परिचय	Python • R	जेन और कैसी • एरिक वांजाउ
12	स्वादिष्ट एशियाई और भारतीय व्यंजनों 🍜	Classification	अधिक वर्गीकरणक	Python • R	जेन और कैसी • एरिक वांजाउ
13	स्वादिष्ट एशियाई और भारतीय व्यंजनों 🍜	Classification	अपने मॉडल का उपयोग कर एक recommender वेब ऐप बनाएं	Python	जेन
14	क्लस्टरिंग का परिचय	Clustering	अपने डेटा को साफ़ करें, तैयार करें और visualize करें; क्लस्टरिंग का परिचय	Python • R	जेन • एरिक वांजाउ
15	नाइजीरियाई संगीत रुचियों का अन्वेषण 🎧	Clustering	K-Means क्लस्टरिंग विधि को खोजें	Python • R	जेन • एरिक वांजाउ
16	प्राकृतिक भाषा संसाधन परिचय ☕️	Natural language processing	एक सरल बोट बनाकर NLP की मूल बातें सीखें	Python	स्टीफन
17	सामान्य NLP कार्य ☕️	Natural language processing	भाषा संरचनाओं से निपटने के लिए आवश्यक सामान्य कार्यों को समझकर अपनी NLP ज्ञान को गहरा करें	Python	स्टीफन
18	अनुवाद और भावना विश्लेषण ♥️	Natural language processing	जेन ऑस्टेन के साथ अनुवाद और भावना विश्लेषण	Python	स्टीफन
19	यूरोप के रोमांटिक होटल ♥️	Natural language processing	होटल समीक्षाओं के साथ भावना विश्लेषण 1	Python	स्टीफन
20	यूरोप के रोमांटिक होटल ♥️	Natural language processing	होटल समीक्षाओं के साथ भावना विश्लेषण 2	Python	स्टीफन
21	टाइम सीरीज भविष्यवाणी का परिचय	Time series	टाइम सीरीज भविष्यवाणी का परिचय	Python	फ्रांसेस्का
22	⚡️ विश्व ऊर्जा उपयोग ⚡️ - ARIMA के साथ टाइम सीरीज भविष्यवाणी	Time series	ARIMA के साथ टाइम सीरीज भविष्यवाणी	Python	फ्रांसेस्का
23	⚡️ विश्व ऊर्जा उपयोग ⚡️ - SVR के साथ टाइम सीरीज भविष्यवाणी	Time series	Support Vector Regressor के साथ टाइम सीरीज भविष्यवाणी	Python	अनिर्बान
24	सुदृढीकरण शिक्षण का परिचय	Reinforcement learning	Q-Learning के साथ सुदृढीकरण शिक्षण का परिचय	Python	द्मित्री
25	पीटर को भेड़िये से बचाएं! 🐺	Reinforcement learning	सुदृढीकरण शिक्षण जिम	Python	द्मित्री
Postscript	वास्तविक दुनिया के ML परिदृश्य और अनुप्रयोग	ML in the Wild	क्लासिकल ML के रोचक और प्रकट करने वाले वास्तविक दुनिया अनुप्रयोग	Lesson	टीम
Postscript	RAI डैशबोर्ड के साथ ML में मॉडल डिबगिंग	ML in the Wild	Responsible AI डैशबोर्ड घटकों का उपयोग करके मशीन लर्निंग में मॉडल डिबगिंग	Lesson	रुथ याकुबू

इस पाठ्यक्रम के लिए सभी अतिरिक्त संसाधन हमारे Microsoft Learn संग्रह में खोजें

ऑफलाइन एक्सेस

आप इस दस्तावेज़ को ऑफलाइन Docsify का उपयोग करके चला सकते हैं। इस रिपॉजिटरी को फोर्क करें, अपने स्थानीय मशीन पर Docsify इंस्टॉल करें, और फिर इस रिपॉजिटरी के रूट फ़ोल्डर में docsify serve टाइप करें। वेबसाइट आपके लोकलहोस्ट पर पोर्ट 3000 पर चलायी जाएगी: localhost:3000।

पीडीएफ

लर्निंग पाठ्यक्रम का पीडीएफ लिंक के साथ यहाँ उपलब्ध है।

🎒 अन्य पाठ्यक्रम

हमारी टीम अन्य पाठ्यक्रम बनाती है! देखें:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

मूल सीखना

---

कोपायलट श्रृंखला

सहायता प्राप्त करना

यदि आप फंस जाते हैं या AI ऐप बनाने के बारे में कोई सवाल है। साथी शिक्षार्थियों और अनुभवी डेवलपर्स के साथ MCP पर चर्चा में शामिल हों। यह एक सहायक समुदाय है जहाँ प्रश्न स्वागत योग्य हैं और ज्ञान स्वतंत्र रूप से साझा किया जाता है।

यदि आपके पास उत्पाद प्रतिक्रिया या निर्माण के दौरान त्रुटियाँ हैं तो जाएँ:

---

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