ML-For-Beginners/translations/ml

🌐 ബഹുഭാഷാ പിന്തുണ

GitHub Action മുഖാന്തിരം (ആട്ടോമേറ്റഡ് & എല്ലായ്പ്പോഴും അപ്-ടു-ഡേറ്റ്) വഴി പിന്തുണയ്ക്കുന്നു

അറബി | ബെംഗാളി | ബൾഗേറിയൻ | ബർമീസ് (മ്യാൻമാർ) | ചൈനീസ് (സിംപ്ലിഫൈഡ്) | ചൈനീസ് (ട്രാഡിഷണൽ, ഹോങ്കോങ്) | ചൈനീസ് (ട്രാഡിഷണൽ, മകാവോ) | ചൈനീസ് (ട്രാഡിഷണൽ, തായ്‍വാൻ) | ക്രൊവേഷ്യൻ | ചെക് | ഡാനിഷ് | ഡച്ച് | എസ്റ്റോണിയൻ | ഫിനിഷ് | ഫ്രഞ്ച് | ജർമ്മൻ | ഗ്രീക്ക് | ഹെബ്രോ | ഹിന്ദി | ഹംഗേറിയൻ | ഇന്തോനേശ്യൻ | ഇറ്റാലിയൻ | ജാപ്പനീസ് | കന്നഡ | കൊറിയൻ | ലിതുവേനിയൻ | മലായ് | മലയാളം | മറാത്തി | നെപ്പാളി | നായജീരിയൻ പിഡ്ജിൻ | നോർവീജിയൻ | പെഴ്സിയൻ (ഫാർസി) | പോളിഷ് | പോർച്ചുഗീസ് (ബ്രസീൽ) | പോർച്ചുഗീസ് (പോർച്ചുഗൽ) | പഞ്ചാബി (ഗുരുമുഖി) | റൊമേനിയൻ | റഷ്യൻ | സെർബിയൻ (സിറിലിക്) | സ്ലോവാക് | സ്ലോവേനിയൻ | സ്പാനിഷ് | സ്വാഹിലി | സ്വീഡിഷ് | ടാഗലോഗ് (ഫിലിപ്പീനോ) | തമിഴ് | തെലുങ്കു | തായ് | ടർക്കിഷ് | ഉക്രെയ്‌നിയൻ | ഉർദു | വിയറ്റ്നാമീസ്

നമ്മുടെ സമൂഹത്തിൽ ചേർക്കൂ

നമുക്കു Discord-ൽ "Learn with AI" സീരീസ് നീണ്ടുനടക്കുകയാണ്; കൂടുതല്‍ അറിയാന്‍ , 18 - 30 സെപ്റ്റംബർ, 2025 തീയതികൾക്കായി ഞങ്ങളോടൊപ്പം ചേരൂ: Learn with AI Series. 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 ൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. ഈ പാഠങ്ങൾ ഞങ്ങളുടെ 'Data Science for Beginners' curriculum 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

🔧 സഹായം വേണമോ? ഇൻസ്റ്റലേഷൻ, സജ്ജീകരണം, പാഠങ്ങൾ റൺ ചെയ്യുന്നതുമായി ബന്ധപ്പെട്ട പൊതു പ്രശ്നങ്ങൾക്ക് പരിഹാരങ്ങൾക്കായി ഞങ്ങളുടെ Troubleshooting Guide പരിശോധിക്കുക.

Students, 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 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 മോഡ്യൂളുകൾ आणि ലേണിംഗ് പാതകൾ പിന്തുടരുക.

ഉപാധ്യാപകർ, ഈ പാഠ്യപദ്ധതി എങ്ങനെ ഉപയോഗിക്കാമെന്നതിന്റെ കുറിച്ച് ഞങ്ങൾ കുറിപ്പ് നൽകിയിട്ടുണ്ട്.

---

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 ൽ ചിത്രം ക്ലിക്കുചെയ്ത് കാണാവുന്നതാണ്.

---

ടീം കാണുക

ജിഫ് ഒരുക്കിയത് Mohit Jaisal

🎥 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, Contributing, Translation, এবং Troubleshooting 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
• എഴുത്തായ പാഠം
• പ്രോജെക്ട്-അധിഷ്ഠിത പാഠങ്ങളിലൊക്കെയാണ്, പ്രോജക്ട് നിർമ്മിക്കുന്നതിന്‍റെ ഘട്ടം-ഘട്ടമായും ഗൈഡുകൾ
• knowledge checks
• ഒരു ചലഞ്ച്
• അനുബന്ധ വായന
• അസൈൻമെന്റ്
• post-lecture quiz

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 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	മെഷീൻ ലേണിങ്ങിന്റെ അടിസ്ഥാന ധാരണകൾ പഠിക്കുക	പാഠം	Muhammad
02	മെഷീൻ ലേണിങ്ങിന്റെ ചരിത്രം	പരിചയം	ഈ മേഖലയ്ക്കുള്ള അടിസ്ഥാന ചരിത്രം പഠിക്കുക	പാഠം	Jen and Amy
03	നീതിയും മെഷീൻ ലേണിങ്ങും	പരിചയം	എംഎൽ മോഡലുകൾ നിർമ്മിക്കആരും പ്രയോഗിക്കാറുമ്പോൾ വിദ്യാർത്ഥികൾ പരിഗണിക്കേണ്ട പ്രധാന ദാർശനിക പ്രശ്നങ്ങൾ എന്തൊക്കെയാണ്?	പാഠം	Tomomi
04	മെഷീൻ ലേണിംഗ് ടെക്നിക്കുകൾ	പരിചയം	എംഎൽ ഗവേഷകർ എംഎൽ മോഡലുകൾ നിർമ്മിക്കാൻ ഏത് സാങ്കേതിക വിദ്യകൾ ഉപയോഗിക്കുന്നു?	പാഠം	Chris and Jen
05	റെഗ്രഷനിലേക്ക് പരിചയം	റെഗ്രഷൻ	റെഗ്രഷൻ മോഡലുകൾക്കായി Python, Scikit-learn എന്നിവ ഉപയോഗിച്ച് ആരംഭിക്കുക	Python • R	Jen • Eric Wanjau
06	നോർത്ത് അമേരിക്കൻ പംപ്കിൻ വിലകൾ 🎃	റെഗ്രഷൻ	എംഎലിന് തയ്യാറെടുക്കലായി ഡാറ്റ വിന്യസിക്കുകയും ശുദ്ധീകരിക്കുകയും ചെയ്യുക	Python • R	Jen • Eric Wanjau
07	നോർത്ത് അമേരിക്കൻ പംപ്കിൻ വിലകൾ 🎃	റെഗ്രഷൻ	ലീനിയർ ಮತ್ತು പോളിനോമിയൽ റെഗ്രഷൻ മോഡലുകൾ നിർമ്മിക്കുക	Python • R	Jen and Dmitry • Eric Wanjau
08	നോർത്ത് അമേരിക്കൻ പംപ്കിൻ വിലകൾ 🎃	റെഗ്രഷൻ	ഒരു ലൊജിസ്റ്റിക് റെഗ്രഷൻ മോഡൽ നിർമ്മിക്കുക	Python • R	Jen • Eric Wanjau
09	ഒരു വെബ് ആപ്പ് 🔌	വെബ് ആപ്പ്	നിങ്ങളുടെ പരിശീലിപ്പിച്ച മോഡൽ ഉപയോഗിക്കാൻ ഒരു വെബ് ആപ്പ് നിർമ്മിക്കുക	Python	Jen
10	ക്ലാസിഫിക്കേഷനിലേക്ക് പരിചയം	ക്ലാസിഫിക്കേഷൻ	ഡാറ്റ ശുദ്ധമാക്കുക, തയ്യാറാക്കുക, വിന്യസിക്കുക; ക്ലാസിഫിക്കേഷനിലേക്ക് പരിചയം	Python • R	Jen and Cassie • Eric Wanjau
11	സ്വാദിഷ്ടമായ ഏഷ്യൻ, ഇന്ത്യൻ ഭക്ഷണങ്ങൾ 🍜	ക്ലാസിഫിക്കേഷൻ	ക്ലാസിഫയറുകളിലേക്ക് പരിചയം	Python • R	Jen and Cassie • Eric Wanjau
12	സ്വാദിഷ്ടമായ ഏഷ്യൻ, ഇന്ത്യൻ ഭക്ഷണങ്ങൾ 🍜	ക്ലാസിഫിക്കേഷൻ	കൂടുതൽ ക്ലാസിഫയറുകൾ	Python • R	Jen and Cassie • Eric Wanjau
13	സ്വാദിഷ്ടമായ ഏഷ്യൻ, ഇന്ത്യൻ ഭക്ഷണങ്ങൾ 🍜	ക്ലാസിഫിക്കേഷൻ	നിങ്ങളുടെ മോഡൽ ഉപയോഗിച്ച് ഒരു റികമൻഡർ വെബ് ആപ്പ് നിർമ്മിക്കുക	Python	Jen
14	ക്ലസ്റ്ററിംഗിലേക്ക് പരിചയം	ക്ലസ്റ്ററിംഗ്	ഡാറ്റ ശുദ്ധമാക്കുക, തയ്യാറാക്കുക, വിന്യസിക്കുക; ക്ലസ്റ്ററിംഗിലേക്ക് പരിചയം	Python • R	Jen • Eric Wanjau
15	നൈജീരിയന്‍ സംഗീതസ്വാദുകൾ ഗവേഷിക്കുക 🎧	ക്ലസ്റ്ററിംഗ്	K-Means ക്ലസ്റ്ററിംഗ് രീതീ പരിശോധിക്കുക	Python • R	Jen • Eric Wanjau
16	സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിങ്ങിലേക്ക് പരിചയം ☕️	സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിംഗ്	ഒരു ലളിതമായ ബോട്ട് നിർമ്മിച്ച് NLP-ന്റെ അടിസ്ഥാനങ്ങൾ പഠിക്കുക	Python	Stephen
17	സാധാരണ NLP ജോലികൾ ☕️	സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിംഗ്	ഭാഷാ ഘടനകൾ കൈകാര്യം ചെയ്യുമ്പോൾ ആവശ്യമുള്ള സാധാരണ ജോലികൾ മനസ്സിലാക്കി നിങ്ങളുടെ NLP അറിവ് ആഴമാക്കുക	Python	Stephen
18	പരിഭാഷയും സെൻറ്റിമെന്റ് വിശകലനവും ♥️	സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിംഗ്	ജെയിൻ ഓസ്റ്റെൻ ഉപയോഗിച്ച് പരിഭാഷയും സെൻറ്റിമെന്റ് വിശകലനവും	Python	Stephen
19	യൂറോപ്പിലെ റൊമാന്റിക് ഹോട്ടലുകൾ ♥️	സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിംഗ്	ഹോട്ടൽ റിവ്യൂകളുമായി സെൻറ്റിമെന്റ് വിശകലനം 1	Python	Stephen
20	യൂറോപ്പിലെ റൊമാന്റിക് ഹോട്ടലുകൾ ♥️	സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിംഗ്	ഹോട്ടൽ റിവ്യൂകളുമായി സെൻറ്റിമെന്റ് വിശകലനം 2	Python	Stephen
21	ടൈം സീരീസുകൾ പ്രവചിക്കുന്നതിന്റെ പരിചയം	ടൈം സീരീസ്	ടൈം സീരീസ് ഫോറികാസ്റ്റിങ്ങിന്റെ പരിചയം	Python	Francesca
22	⚡️ ലോക വൈദ്യുതി ഉപയോഗം ⚡️ - ARIMA ഉപയോഗിച്ചുള്ള ടൈം സീരീസ് ഫോറികാസ്റ്റിംഗ്	ടൈം സീരീസ്	ARIMA ഉപയോഗിച്ചുള്ള ടൈം സീരീസ് ഫോറികാസ്റ്റിംഗ്	Python	Francesca
23	⚡️ ലോക വൈദ്യുതി ഉപയോഗം ⚡️ - SVR ഉപയോഗിച്ചുള്ള ടൈം സീരീസ് ഫോറികാസ്റ്റിംഗ്	ടൈം സീരീസ്	Support Vector Regressor ഉപയോഗിച്ചുള്ള ടൈം സീരീസ് ഫോറികാസ്റ്റിംഗ്	Python	Anirban
24	റീഇൻഫോഴ്‌സ്‌മെന്റ് ലേണിങ്ങിലേക്ക് പരിചയം	റീഇൻഫോഴ്‌സ്‌മെന്റ് ലേണിംഗ്	Q-Learning ഉപയോഗിച്ച് റീഇൻഫോഴ്‌സ്‌മെന്റ് ലേണിങ്ങിന്റെ പരിചയം	Python	Dmitry
25	പീറ്ററെ നരിയെ ഒഴിവാക്കാൻ സഹായിക്കുക! 🐺	റീഇൻഫോഴ്‌സ്‌മെന്റ് ലേണിംഗ്	റീഇൻഫോഴ്‌സ്‌മെന്റ് ലേണിംഗ് ജിം	Python	Dmitry
Postscript	യഥാർത്ഥ ലോകത്തിലെ ML സാഹചര്യങ്ങളും പ്രയോഗങ്ങളും	യഥാർത്ഥ ലോകത്തിലെ ML	ക്ലാസിക്കൽ ML ന്റെ രസകരവും വെളിപ്പെടുത്തുന്നതിനുമായ യഥാർത്ഥ ലോക പ്രയോഗങ്ങൾ	പാഠം	Team
Postscript	RAI ഡാഷ്‌ബോർഡ് ഉപയോഗിച്ച് ML-ൽ മോഡൽ ഡീബഗിങ്	യഥാർത്ഥ ലോകത്തിലെ ML	Responsible AI ഡാഷ്ട്ബോര്‍ഡ് ഘടകങ്ങൾ ഉപയോഗിച്ച് മെഷീൻ ലേണിങ്ങിലെ മോഡൽ ഡീബഗിങ്	പാഠം	Ruth Yakubu

ഈ കോഴ്സിനുള്ള എല്ലാ അധിക വിഭവങ്ങളും ഞങ്ങളുടെ Microsoft Learn ശേഖരത്തിൽ കാണുക

ഓഫ്‌ലൈൻ ആക്‌സസ്

ഈ ഡോക്യുമെന്റേഷൻ Docsify ഉപയോഗിച്ച് ഓഫ്‌ലൈൻ ആയി പ്രവർത്തിപ്പിക്കാവുന്നതാണ്. ഈ റിപ്പോസിറ്ററി ഫോർക്ക് ചെയ്യുക, നിങ്ങളുടെ ലൊക്കൽ മെഷീനിൽ Docsify ഇൻസ്റ്റാൾ ചെയ്യുക, 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 കണ്ടെത്തുക.

🎒 മറ്റ് കോഴ്സുകൾ

ഞങ്ങളുടെ ടീം മറ്റ് കോഴ്സുകളും നിർമ്മിക്കുന്നു! ഇവ പരിശോധിക്കുക:

LangChain

---

Azure / Edge / MCP / Agents

---

ജനറേറ്റീവ് AI പരമ്പര

---

പ്രധാന പഠനം

---

കോപൈലറ്റ് സീരീസ്

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.

നിർമ്മിക്കുന്നതിനിടെ ഉൽപ്പന്ന അഭിപ്രായങ്ങൾ അല്ലെങ്കിൽ പിശകുകൾ ഉണ്ടെങ്കിൽ സന്ദർശിക്കുക:

---

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.