ML-For-Beginners/translations/pa

🌐 ਬਹੁ-ਭਾਸ਼ਾ ਸਮਰਥਨ

GitHub ਐਕਸ਼ਨ ਰਾਹੀਂ ਮਿਲਦਾ ਹੈ (ਆਟੋਮੇਟਿਕ ਅਤੇ ਹਮੇਸ਼ਾਂ ਅਪਡੇਟ ਰਹਿੰਦਾ)

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

ਕੀ ਤੁਸੀਂ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਕਲੋਨ ਕਰਨਾ ਪਸੰਦ ਕਰੋਗੇ?

ਇਸ ਰਿਪੋਜ਼ਿਟਰੀ ਵਿੱਚ 50+ ਭਾਸ਼ਾ ਅਨੁਵਾਦ ਹਨ ਜੋ ਡਾਊਨਲੋਡ ਸਾਈਜ਼ ਨੂੰ ਕਾਫ਼ੀ ਵਧਾਉਂਦੇ ਹਨ। ਅਨੁਵਾਦਾਂ ਦੇ ਬਿਨਾ ਕਲੋਨ ਕਰਨ ਲਈ sparse checkout ਵਰਤੋ:

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'

ਇਹ ਤੁਹਾਨੂੰ ਕੋਰਸ ਨੂੰ ਬਹੁਤ ਤੇਜ਼ ਡਾਊਨਲੋਡ ਨਾਲ ਖ਼ਤਮ ਕਰਨ ਲਈ ਸਭ ਕੁਝ ਦਿੰਦਾ ਹੈ।

ਸਾਡੀ ਕਮੇਊਨਿਟੀ ਨਾਲ ਜੁੜੋ

ਅਸੀਂ ਇੱਕ Discord ਲਰਨ ਵਿਥ AI ਸੀਰੀਜ਼ ਚਲਾ ਰਹੇ ਹਾਂ, ਹੋਰ ਜਾਣੋ ਅਤੇ ਸਾਡੇ ਨਾਲ ਸ਼ਾਮਿਲ ਹੋਵੋ ਲਰਨ ਵਿਥ AI ਸੀਰੀਜ਼ 18 - 30 ਸਤੰਬਰ, 2025 ਤੋਂ। ਤੁਸੀਂ GitHub Copilot ਦੇ ਸਾਇੰਸ ਲਈ ਯੁਜ ਕਰਨਾ ਸਿੱਖੋਗੇ।

ਸ਼ੁਰੂਆਤੀਆਂ ਲਈ ਮਸ਼ੀਨ ਲਰਨਿੰਗ - ਇੱਕ ਪਾਠਕ੍ਰਮ

🌍 ਦੁਨੀਆ ਦੇ ਸੱਭਿਅਤਾਂ ਰਾਹੀਂ ਸੈਰ ਦੌਰਾ ਜਦੋਂ ਅਸੀਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀ ਖੋਜ ਕਰਦੇ ਹਾਂ 🌍

ਮਾਈਕ੍ਰੋਸੌਫਟ ਦੇ ਕਲਾਉਡ ਅਡਵੋਕੇਟਸ ਖੁਸ਼ ਹਨ ਕਿ ਉਹ 12 ਹਫ਼ਤਿਆਂ, 26 ਪਾਠਾਂ ਦਾ ਇਕ ਪਾਠਕ੍ਰਮ ਦਿੰਦੇ ਹਨ ਜੋ ਸਿਰਫ਼ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਬਾਰੇ ਹੈ। ਇਸ ਪਾਠਕ੍ਰਮ ਵਿੱਚ, ਤੁਸੀਂ ਕੁਝ ਸਮੇਂ "ਕ्लਾਸਿਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ" ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਤਰੀਕਾ ਸਿੱਖੋਗੇ ਜੋ ਅਧਿਕ ਤਰਜੀਹ ਦੇ ਨਾਲ Scikit-learn ਲਾਈਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਅਤੇ ਡੀਪ ਲਰਨਿੰਗ ਤੋਂ ਬਚਦਾ ਹੈ, ਜੋ ਸਾਡੇ AI for Beginners' curriculum ਵਿੱਚ ਕਵਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਪਾਠਕ੍ਰਮ ਸਾਡੇ 'ਡਾਟਾ ਸਾਇੰਸ ਲਈ ਸ਼ੁਰੂਆਤੀ' ਕੁਰਿਕੁਲਮ ਦੇ ਨਾਲ ਜੋੜੋ।

ਸਾਡੇ ਨਾਲ ਦੁਨੀਆ ਦੇ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਤੋਂ ਡਾਟਾ 'ਤੇ ਇਸ ਕਲਾਸਿਕ ਤਕਨੀਕਾਂ ਨੂੰ ਲਾਗੂ ਕਰਦੇ ਹੋਏ ਸੈਰ ਕਰੋ। ਹਰ ਪਾਠ ਵਿੱਚ ਪਹਿਲਾਂ ਅਤੇ ਬਾਅਦ ਦੀ ਕਵਿਜ਼, ਲਿਖਤੀ ਹੁਕਮ, ਹੱਲ, ਅਸਾਈਨਮੈਂਟ ਅਤੇ ਹੋਰ ਸ਼ਾਮਲ ਹਨ। ਸਾਡੀ ਪ੍ਰੋਜੈਕਟ-ਆਧਾਰਿਤ ਪੈਡਾਗੋਜੀ ਤੁਹਾਨੂੰ ਨਿਹਚਿਤ ਤਰੀਕੇ ਨਾਲ ਬਿਲਡ ਕਰਦੇ ਹੋਏ ਸਿੱਖਣ ਦਿੰਦੀ ਹੈ, ਜੋ ਨਵੀਆਂ ਕੌਸ਼ਲਾਂ ਲਈ ਪ੍ਰਮਾਣਿਤ ਤਰੀਕਾ ਹੈ।

✍️ ਸਾਡੇ ਲੇਖਕਾਂ ਦਾ ਦਿਲੋਂ ਧੰਨਵਾਦ ਜੇਨ ਲੂਪਰ, ਸਟੀਫਨ ਹਾਵੇਲ, ਫ੍ਰਾਂਸੇਸਕਾ ਲਾਜ਼ੇਰੀ, ਟੋਮੋਮੀ ਇਮੁਰਾ, ਕੈਸੀ ਬਰੇਵਿਊ, ਡਿਮਿਟਰੀ ਸੋਸ਼ਨਿਕੋਵ, ਕ੍ਰਿਸ ਨੋਰਿੰਗ, ਅਨੀਰਬਨ ਮੁਖਰਜੀ, ਓਰਨੈਲਾ ਅਲਟੂਨਯਨ, ਰੁਥ ਯਾਕੁਬੁ ਅਤੇ ਏਮੀ ਬੋਇਡ

🎨 ਸਾਡੇ ਇਲਸਟਰਏਟਰਾਂ ਦਾ ਵੀ ਧੰਨਵਾਦ ਟੋਮੋਮੀ ਇਮੁਰਾ, ਦਾਸਾਨੀ ਮਾਡਿਪੱਲੀ, ਅਤੇ ਜੇਨ ਲੂਪਰ

🙏 ਖਾਸ ਧੰਨਵਾਦ 🙏 ਸਾਡੇ Microsoft Student Ambassador ਲੇਖਕਾਂ, ਸਮੀਖਿਆਕਾਰਾਂ ਅਤੇ ਸਮੱਗਰੀ ਦਾਤਾਵਾਂ ਲਈ, ਖਾਸ ਕਰਕੇ ਰਿਸ਼ਿਤ ਦਾਗਲੀ, ਮੁਹੰਮਦ ਸਾਕਿਬ ਖਾਨ ਇਨਾਨ, ਰੋਹਨ ਰਾਜ, ਅਲੇਕਜ਼ੈਂਡਰੂ ਪੇਟਰੇਸਕੂ, ਅਭਿਸ਼ੇਕ ਜੈਸਵਾਲ, ਨਵਰੀਨ ਤਬੱਸੁਮ, ਇਓਅਨ ਸਮੁਇਲਾ, ਅਤੇ ਸਨਿਗਧਾ ਅਗਰਵਾਲ

🤩 ਸਾਡੇ R ਪਾਠਾਂ ਲਈ Microsoft Student Ambassadors ਏਰਿਕ ਵਾਂਜਾਉ, ਜਸਲੀਨ ਸੋਂਧੀ, ਅਤੇ ਵਿਦੁਸ਼ੀ ਗੁਪਤਾ ਨੂੰ ਵਾਧੂ ਧੰਨਵਾਦ!

ਸ਼ੁਰੂਆਤ

ਇਨ੍ਹਾਂ ਕਦਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ:

1. ਰਿਪੋਜ਼ਿਟਰੀ ਫੋਰਕ ਕਰੋ: ਇਸ ਪੰਨੇ ਦੇ ਸੱਜੇ-ਉੱਪਰ "Fork" ਬਟਨ 'ਤੇ ਕਲਿੱਕ ਕਰੋ।
2. ਰਿਪੋਜ਼ਿਟਰੀ ਕਲੋਨ ਕਰੋ: git clone https://github.com/microsoft/ML-For-Beginners.git

ਇਸ ਕੋਰਸ ਲਈ ਸਾਰੇ ਅਤਿਰਿਕਤ ਸਰੋਤ ਸਾਡੇ Microsoft Learn ਕਲੇਕਸ਼ਨ ਵਿੱਚ ਮਿਲਦੇ ਹਨ

🔧 ਮਦਦ ਚਾਹੀਦੀ ਹੈ? ਸਾਡਾ ਮੁਸ਼ਕਿਲਾਂ ਹੱਲ ਕਰਨ ਦੀ ਗਾਈਡ ਚੈੱਕ ਕਰੋ ਜਿੱਥੇ ਸਥਾਪਨਾ, ਸੈਟਅੱਪ, ਅਤੇ ਪਾਠ ਚਲਾਉਣ ਦੇ ਆਮ ਮੁੱਦਿਆਂ ਦੇ ਹੱਲ ਹਨ।

ਵਿਦਿਆਰਥੀ, ਇਸ ਕੁਰਿਕੁਲਮ ਨੂੰ ਵਰਤਣ ਲਈ, ਸਾਰੇ ਰਿਪੋ ਨੂੰ ਆਪਣੇ GitHub ਖਾਤੇ 'ਤੇ ਫੋਰਕ ਕਰੋ ਅਤੇ ਅਭਿਆਸ ਆਪਣੇ-ਆਪ ਜਾਂ ਗਰੁੱਪ ਨਾਲ ਮੁਕੰਮਲ ਕਰੋ:

• ਪਹਿਲੇ ਕਲਾਸ ਤੋਂ ਪਹਿਲਾਂ ਕਵਿਜ਼ ਲਵੋ।
• ਲੈਕਚਰ ਪੜ੍ਹੋ ਅਤੇ ਗਤੀਵਿਧੀਆਂ ਪੂਰੀਆਂ ਕਰੋ, ਹਰ ਗਿਆਨ ਜਾਂਚ ਤੇ ਰੁਕ ਕੇ ਵਿਚਾਰ ਕਰੋ।
• ਹੱਲ ਦੇ ਕੋਡ ਨੂੰ ਦੌੜਾਉਣ ਦੀ ਬਜਾਏ, ਪਾਠਾਂ ਨੂੰ ਸਮਝ ਕੇ ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ; ਹਾਲਾਂਕਿ ਇਹ ਕੋਡ ਹਰ ਪ੍ਰੋਜੈਕਟ-ਕੇਂਦਰਿਤ ਪਾਠ ਵਿੱਚ /solution ਫੋਲਡਰ ਵਿੱਚ ਉਪਲਬਧ ਹੈ।
• ਲੈਕਚਰ ਦੇ ਬਾਦ ਕਵਿਜ਼ ਦਿਓ।
• ਚੈਲੇਂਜ ਪੂਰਾ ਕਰੋ।
• ਅਸਾਈਨਮੈਂਟ ਪੂਰਾ ਕਰੋ।
• ਕੋਈ ਲੈਸਨ ਸਮੂਹ ਪੂਰਾ ਕਰਨ ਦੇ ਬਾਦ, ਚਰਚਾ ਬੋਰਡ ਤੇ ਜਾਓ ਅਤੇ ਸੰਬੰਧਤ PAT ਰੁਬਰਿਕ ਭਰ ਕੇ "ਜਾਣਕਾਰੀ ਸਾਂਝੀ ਕਰੋ"। 'PAT' ਮਤਲਬ ਪ੍ਰਗਤੀ ਆਕਲਨ ਟੂਲ ਹੈ ਜਿਸ ਨੂੰ ਤੁਸੀਂ ਆਪਣੀ ਸਿੱਖਿਆ ਵਧਾਉਣ ਲਈ ਭਰਦੇ ਹੋ। ਤੁਸੀਂ ਹੋਰ PATs 'ਤੇ ਵੀ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰ ਸਕਦੇ ਹੋ, ਤਾਂ ਜੋ ਅਸੀਂ ਇੱਕੱਠੇ ਸਿੱਖੀਏ।

ਅਗਲੇ ਅਧ੍ਯਨ ਲਈ, ਅਸੀਂ ਇਹ Microsoft Learn ਮਾਡਿਊਲ ਅਤੇ ਸਿੱਖਣ ਵਾਲੀਆਂ ਰਾਹਾਂ ਦੀ ਸਿਫਾਰਿਸ਼ ਕਰਦੇ ਹਾਂ।

ਅਧਿਆਪਕਾਂ, ਅਸੀਂ ਇਹ ਕੁਝ ਸੁਝਾਅ ਦਿੱਤੇ ਹਨ ਕਿ ਕਿਵੇਂ ਇਹ ਕੁਰਿਕੁਲਮ ਵਰਤਣਾ ਹੈ।

---

ਵੀਡੀਓ ਵਾਕ-ਥਰੂਜ਼

ਕੁੱਝ ਪਾਠ ਛੋਟੀ ਵੀਡੀਓ ਰੂਪ ਵਿੱਚ ਉਪਲਬਧ ਹਨ। ਤੁਸੀਂ ਇਹਨਾਂ ਨੂੰ ਸਿੱਧਾ ਪਾਠਾਂ ਵਿੱਚ ਜਾਂ ML for Beginners ਪਲੇਲਿਸਟ מਾਈਕ੍ਰੋਸੌਫਟ ਡਿਵੈਲਪਰ YouTube ਚੈਨਲ ਤੇ ਤੇ ਆਖਲਾ ਇਮੀਜ ਕਲਿੱਕ ਕਰਕੇ ਦੇਖ ਸਕਦੇ ਹੋ।

---

ਟੀਮ ਨਾਲ ਮਿਲੋ

ਗਿਫ਼ ਬਾਈ Mohit Jaisal

🎥 ਉਪਰ ਦਿੱਤੀ ਚਿੱਤਰ ਕਲਿੱਕ ਕਰੋ ਪ੍ਰੋਜੈਕਟ ਤੇ ਇਸਨੂੰ ਬਣਾਉਣ ਵਾਲਿਆਂ ਬਾਰੇ ਵੀਡੀਓ ਲਈ!

---

ਪੈਡਾਗੋਜੀ

ਇਸ ਪਾਠਕ੍ਰਮ ਨੂੰ ਬਣਾਉਂਦੇ ਹੌਏ ਅਸੀਂ ਦੋ ਪੈਡਾਗੋਜੀਕਲ ਸਿਧਾਂਤ ਚੁਣੇ ਹਨ: ਇਹ ਪੱਕਾ ਕਰਨਾ ਕਿ ਇਹ ਹੱਥਾਂ-ਉੱਤੇ ਪ੍ਰੋਜੈਕਟ-ਆਧਾਰਿਤ ਹੈ ਤੇ ਇਸ ਵਿੱਚ ਬਹੁਤ ਵਾਰੀ ਕਵਿਜ਼ ਹੁੰਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਸ ਪਾਠਕ੍ਰਮ ਦੀ ਇੱਕ ਸਾਂਝੀ ਥੀਮ ਵੀ ਹੈ ਜੋ ਇਸਨੂੰ ਇੱਕਜੁਟ ਕਰਦੀ ਹੈ।

ਪ੍ਰੋਜੈਕਟਾਂ ਨਾਲ ਸਮੱਗਰੀ ਦੇ ਮੇਲ ਨਾਲ, ਵਿਦਿਆਰਥੀਆਂ ਲਈ ਪ੍ਰਕਿਰਿਆ ਹੋਰ ਮਨੋਹਰ ਬਣਦੀ ਹੈ ਅਤੇ ਸੰਕਲਪਾਂ ਦੀ ਯਾਦ ਦਿਰਘਕਾਲੀ ਹੋ ਜਾਂਦੀ ਹੈ। ਤੱਤਕਾਲੀਨ ਕਲਾਸ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਘੱਟ-ਦਬਾਅ ਵਾਲੀ ਕਵਿਜ਼ ਵਿਦਿਆਰਥੀ ਨੂੰ ਵਿਸ਼ੇ ਸਿੱਖਣ ਲਈ ਤਿਆਰ ਕਰਦੀ ਹੈ, ਜਦੋਂਕਿ ਕਲਾਸ ਦੇ ਬਾਦ ਦੂਜੀ ਕਵਿਜ਼ ਹੋਰ ਧਾਰਨ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦੀ ਹੈ। ਇਹ ਪਾਠਕ੍ਰਮ ਬਹੁਤ ਲਚਕੀਲਾ ਤੇ ਮਜ਼ੇਦਾਰ ਹੈ ਅਤੇ ਤੁਸੀਂ ਇਸਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਜਾਂ ਇਕ ਹਿੱਸਾ ਕਰ ਸਕਦੇ ਹੋ। ਪ੍ਰੋਜੈਕਟ ਛੋਟੇ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦੇ ਹਨ ਅਤੇ 12 ਹਫਤਿਆਂ ਦੇ ਸਮਾਪਤੀ ਤੱਕ ਥੋੜ੍ਹੇ-ਥੋੜ੍ਹੇ ਜਟਿਲ ਹੋ ਜਾਂਦੇ ਹਨ। ਇਸ ਪਾਠਕ੍ਰਮ ਵਿੱਚ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀ ਹਕੀਕਤੀ ਅਰਜ਼ੀਆਂ 'ਤੇ ਇੱਕ ਪੋਸਟਸਕ੍ਰਿਪਟ ਵੀ ਸ਼ਾਮਲ ਹੈ, ਜਿਸਨੂੰ ਵਾਧੂ ਕ੍ਰੈਡਿਟ ਜਾਂ ਚਰਚਾ ਲਈ ਅਧਾਰ ਵਜੋਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਸਾਡੇ ਕੋਡ ਆਫ ਕਨਡਕਟ, ਯੋਗਦਾਨ, ਅਨੁਵਾਦ, ਅਤੇ ਮੁਸ਼ਕਿਲਾਂ ਹੱਲ ਕਰਨ ਦੀ ਗਾਈਡ ਦੇ ਨਿਯਮਾਂ ਨੂੰ ਵੇਖੋ। ਅਸੀਂ ਤੁਹਾਡੇ ਰਚਨਾਤਮਕ ਫੀਡਬੈਕ ਦਾ ਸਵਾਗਤ ਕਰਦੇ ਹਾਂ!

ਹਰ ਪਾਠ ਵਿੱਚ ਇਹ ਸ਼ਾਮਲ ਹਨ

• ਇੱਛਾ ਅਨੁਸਾਰ ਸਕੈਚਨੋਟ
• ਇੱਛਾ ਅਨੁਸਾਰ ਸਹਾਇਕ ਵੀਡੀਓ
• ਵੀਡੀਓ ਵਾਕ-ਥਰੂ ( ਕੁਝ ਪਾਠਾਂ ਲਈ )
• ਪ੍ਰੀ-ਲੈਕਚਰ ਵਾਰਮਅੱਪ ਕਵਿਜ਼
• ਲਿਖਤੀ ਪਾਠ
• ਪ੍ਰੋਜੈਕਟ-ਆਧਾਰਤ ਪਾਠਾਂ ਲਈ, ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਲਈ ਕਦਮ ਦਰ ਕਦਮ ਗਾਈਡ
• ਗਿਆਨ ਜਾਂਚਾਂ
• ਇੱਕ ਚੈਲੇਂਜ
• ਸਹਾਇਕ ਪਾਠ
• ਅਸਾਈਨਮੈਂਟ
• ਪੋਸਟ-ਲੈਕਚਰ ਕਵਿਜ਼

ਭਾਸ਼ਾਵਾਂ ਬਾਰੇ ਇੱਕ ਨੋਟ: ਇਹ ਪਾਠ ਜ਼ਿਆਦਾਤਰ ਪਾਇਥਨ ਵਿੱਚ ਲਿਖੇ ਗਏ ਹਨ, ਪਰ ਕਈ R ਵਿੱਚ ਵੀ ਉਪਲਬਧ ਹਨ। R ਪਾਠ ਪੂਰਾ ਕਰਨ ਲਈ /solution ਫੋਲਡਰ ਵਿੱਚ R ਪਾਠ ਲੱਭੋ। ਇਹਨਾਂ ਵਿੱਚ .rmd ਐਕਸਟੈਂਸ਼ਨ ਹੁੰਦਾ ਹੈ ਜੋ ਇੱਕ R ਮਾਰਕਡਾਊਨ ਫਾਇਲ ਨੁਮਾਇੰਦਗੀ ਕਰਦਾ ਹੈ, ਜੋ ਕੋਡ ਚੰਕਸ (R ਜਾਂ ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਦੇ) ਅਤੇ YAML ਹੈਡਰ (ਜੋ PDF ਵਰਗੇ ਨਤੀਜੇ ਫਾਰਮੈਟ ਕਰਨਾ ਦਿਖਾਉਂਦਾ ਹੈ) ਨੂੰ ਮਾਰਕਡਾਊਨ ਡੌਕਯੂਮੈਂਟ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ, ਇਹ ਡਾਟਾ ਸਾਇੰਸ ਲਈ ਇੱਕ ਅਦਭੁਤ ਲੇਖਨ ਫਰੇਮਵਰਕ ਹੈ ਕਿਉਂਕਿ ਤੁਸੀਂ ਆਪਣੇ ਕੋਡ, ਉਸਦਾ ਨਤੀਜਾ ਅਤੇ ਆਪਣੇ ਵਿਚਾਰ ਇੱਕਠੇ ਕਰਕੇ ਮਾਰਕਡਾਊਨ ਵਿੱਚ ਲਿਖ ਸਕਦੇ ਹੋ। ਇਨ੍ਹਾਂ R ਮਾਰਕਡਾਊਨ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ PDF, HTML ਜਾਂ ਵਰਡ ਵਰਗੇ ਆઉਟਪੁਟ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਰੇਂਡਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਕੁਇਜ਼ਾਂ ਬਾਰੇ ਇੱਕ ਨੋਟ: ਸਾਰੇ ਕੁਇਜ਼ Quiz App ਫੋਲਡਰ ਵਿੱਚ ਹਨ, ਜਿੱਥੇ ਕੁੱਲ 52 ਕੁਇਜ਼ ਹਨ ਹਰ ਇੱਕ ਵਿੱਚ ਤਿੰਨ ਸਵਾਲ ਹਨ। ਇਹ ਸਬਕਾਂ ਵਿੱਚ ਲਿੰਕ ਕੀਤੇ ਗਏ ਹਨ ਪਰ ਕੁਇਜ਼ ਐਪ ਨੂੰ ਲੋਕਲ ਤੌਰ ਤੇ ਚਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ; ਲੋਕਲ ਹੋਸਟ ਕਰਨ ਜਾਂ Azure 'ਤੇ ਡਿਪਲੋ ਕਰਨ ਲਈ quiz-app ਫੋਲਡਰ ਵਿੱਚ ਦਿੱਤੇ ਹਦਾਇਤਾਂ ਦਾ ਪਾਲਣ ਕਰੋ।

ਸਬਕ ਨੰਬਰ	ਵਿਸ਼ਾ	ਸਬਕ ਗਰੁੱਪਿੰਗ	ਸਿਖਲਾਈ ਉਦੇਸ਼	ਲਿੰਕ ਕੀਤੇ ਸਬਕ	ਲੇਖਕ
01	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ	Introduction	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਮੂਲ ਭਾਵਨਾਂ ਨੂੰ ਸਿੱਖੋ	Lesson	ਮੁਹੰਮਦ
02	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਇਤਿਹਾਸ	Introduction	ਇਸ ਖੇਤਰ ਦਾ ਇਤਿਹਾਸ ਸਿੱਖੋ	Lesson	ਜੇਨ ਅਤੇ ਐਮੀ
03	ਨਿਆਂ ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ	Introduction	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲ ਬਣਾਉਣ ਅਤੇ ਲਾਗੂ ਕਰਦੇ ਸਮੇਂ ਨਿਆਂ ਨਾਲ ਸਬੰਧਤ ਮਹੱਤਵਪੂਰਨ ਦਰਸ਼ਨੀ ਸਵਾਲ ਕੀਹ ਹਨ, ਜੋ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਸੋਚਣੇ ਚਾਹੀਦੇ ਹਨ?	Lesson	토모미
04	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਤਕਨੀਕਾਂ	Introduction	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਖੋਜਕਰਤਾ ਕਿਹੜੀਆਂ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਮਾਡਲ ਬਣਾਉਣ ਲਈ?	Lesson	ਕ੍ਰਿਸ ਅਤੇ ਜੇਨ
05	ਰਿਗ੍ਰੈਸ਼ਨ ਦਾ ਪਰਿਚਯ	Regression	ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲਾਂ ਲਈ ਪਾਇਥਨ ਅਤੇ ਸਕਿਕਿਟ-ਲਰਨ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰੋ	Python • R	ਜੇਨ • ਐਰਿਕ ਵੰਜਾਉ
06	ਉੱਤਰੀ ਅਮਰੀਕੀ ਕਦੂਆਂ ਦੀ ਕੀਮਤਾਂ 🎃	Regression	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਡੇਟਾ ਨੂੰ ਦ੍ਰਿਸ਼ਟੀਗਤ ਅਤੇ ਸਾਫ਼ ਕਰੋ	Python • R	ਜੇਨ • ਐਰਿਕ ਵੰਜਾਉ
07	ਉੱਤਰੀ ਅਮਰੀਕੀ ਕਦੂਆਂ ਦੀ ਕੀਮਤਾਂ 🎃	Regression	ਲੀਨੀਅਰ ਅਤੇ ਪੋਲਿਨੋਮੀਅਲ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ਬਣਾਓ	Python • R	ਜੇਨ ਅਤੇ ਦਿਮਿਤਰੀ • ਐਰਿਕ ਵੰਜਾਉ
08	ਉੱਤਰੀ ਅਮਰੀਕੀ ਕਦੂਆਂ ਦੀ ਕੀਮਤਾਂ 🎃	Regression	ਲੋਜਿਸਟਿਕ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ਬਣਾਓ	Python • R	ਜੇਨ • ਐਰਿਕ ਵੰਜਾਉ
09	ਵੈੱਬ ਐਪ 🔌	Web App	ਆਪਣੇ ਪ੍ਰਸ਼ਿਖਤ ਮਾਡਲ ਲਈ ਵੈੱਬ ਐਪ ਬਣਾਓ	Python	ਜੇਨ
10	ਵਰਗੀਕਰਨ ਦਾ ਪਰਿਚਯ	Classification	ਆਪਣਾ ਡੇਟਾ ਸਾਫ਼ ਕਰੋ, ਤਿਆਰ ਕਰੋ ਅਤੇ ਵਿਜ਼ੂਅਲਾਈਜ਼ ਕਰੋ; ਵਰਗੀਕਰਨ ਦਾ ਪਰਿਚਯ	Python • R	ਜੇਨ ਅਤੇ ਕੈਸੀ • ਐਰਿਕ ਵੰਜਾਉ
11	ਲਜ਼ੀਜ਼ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਭੋਜਨ 🍜	Classification	ਵਰਗੀਕਰਤਾ ਦਾ ਪਰਿਚਯ	Python • R	ਜੇਨ ਅਤੇ ਕੈਸੀ • ਐਰਿਕ ਵੰਜਾਉ
12	ਲਜ਼ੀਜ਼ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਭੋਜਨ 🍜	Classification	ਹੋਰ ਵਰਗੀਕਰਤਾ	Python • R	ਜੇਨ ਅਤੇ ਕੈਸੀ • ਐਰਿਕ ਵੰਜਾਉ
13	ਲਜ਼ੀਜ਼ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਭੋਜਨ 🍜	Classification	ਆਪਣੇ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਰੇਕਮੈਂਡਰ ਵੈੱਬ ਐਪ ਬਣਾਓ	Python	ਜੇਨ
14	ਕਲੱਸਟਰਿੰਗ ਦਾ ਪਰਿਚਯ	Clustering	ਆਪਣਾ ਡੇਟਾ ਸਾਫ਼ ਕਰੋ, ਤਿਆਰ ਕਰੋ ਅਤੇ ਵਿਜ਼ੂਅਲਾਈਜ਼ ਕਰੋ; ਕਲੱਸਟਰਿੰਗ ਦਾ ਪਰਿਚਯ	Python • R	ਜੇਨ • ਐਰਿਕ ਵੰਜਾਉ
15	ਨਾਈਜੀਰੀਆਈ ਸੰਗੀਤਿਕ ਸੁਆਦ ਦੀ ਖੋਜ 🎧	Clustering	ਕੇ-ਮੀਨਜ਼ ਕਲੱਸਟਰਿੰਗ ਵਿਧੀ ਦੀ ਖੋਜ ਕਰੋ	Python • R	ਜੇਨ • ਐਰਿਕ ਵੰਜਾਉ
16	ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ ਦਾ ਪਰਿਚਯ ☕️	Natural language processing	ਸਾਦਾ ਬੋਟ ਬਣਾਕੇ NLP ਬਾਰੇ ਬੁਨਿਆਦੀ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰੋ	Python	ਸਟੀਫਨ
17	ਆਮ NLP ਕਾਰਜ ☕️	Natural language processing	ਭਾਸ਼ਾ ਦੀਆਂ ਸੰਰਚਨਾਵਾਂ ਨਾਲ ਨਜਿੱਠਣ ਸਮੇਂ ਲੋੜੀਂਦੇ ਆਮ ਕਾਰਜਾਂ ਨੂੰ ਸਮਝਕੇ NLP ਗਿਆਨ ਨੂੰ ਡੂੰਘਾ ਕਰੋ	Python	ਸਟੀਫਨ
18	ਅਨੁਵਾਦ ਅਤੇ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ♥️	Natural language processing	ਜੇਨ ਆਸਟਿਨ ਨਾਲ ਅਨੁਵਾਦ ਅਤੇ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ	Python	ਸਟੀਫਨ
19	ਯੂਰਪ ਦੇ ਰੋਮਾਂਟਿਕ ਹੋਟਲ ♥️	Natural language processing	1-ਹੋਟਲ ਸਮੀਖਿਆਵਾਂ ਨਾਲ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ	Python	ਸਟੀਫਨ
20	ਯੂਰਪ ਦੇ ਰੋਮਾਂਟਿਕ ਹੋਟਲ ♥️	Natural language processing	2-ਹੋਟਲ ਸਮੀਖਿਆਵਾਂ ਨਾਲ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ	Python	ਸਟੀਫਨ
21	ਸਮੇਂ ਦੀ ਲੜੀ ਅਨੁਮਾਨ ਦਾ ਪਰਿਚਯ	Time series	ਸਮੇਂ ਦੀ ਲੜੀ ਅਨੁਮਾਨ ਦਾ ਪਰਿਚਯ	Python	ਫਰਾਂਸੇਸਕਾ
22	⚡️ ਦੁਨੀਆ ਦੀ ਬਿਜਲੀ ਖਪਤ ⚡️ - ARIMA ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਅਨੁਮਾਨ	Time series	ARIMA ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਅਨੁਮਾਨ	Python	ਫਰਾਂਸੇਸਕਾ
23	⚡️ ਦੁਨੀਆ ਦੀ ਬਿਜਲੀ ਖਪਤ ⚡️ - SVR ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਅਨੁਮਾਨ	Time series	ਸਪੋਰਟ ਵੈਕਟਰ ਰਿਗ੍ਰੈਸ਼ਨਰ ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਅਨੁਮਾਨ	Python	ਅਨੀਰਬਨ
24	ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ	Reinforcement learning	Q-ਲਰਨਿੰਗ ਨਾਲ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ	Python	ਦਿਮਿਤਰੀ
25	ਪੀਟਰ ਨੂੰ ਭੇਡੀ ਤੋਂ ਬਚਾਓ! 🐺	Reinforcement learning	ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਜਿਮ	Python	ਦਿਮਿਤਰੀ
ਪੋਸਟਸਕ੍ਰਿਪਟ	ਅਸਲੀ ਦੁਨੀਆ ਵਿੱਚ ML ਦੀਆਂ ਸਥਿਤੀਆਂ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨਾਂ	ML in the Wild	ਕਲਾਸਿਕਲ ML ਦੀਆਂ ਦਿਲਚਸਪ ਅਤੇ ਖੁਲਾਸਾ ਕਰਨ ਵਾਲੀਆਂ ਅਸਲੀ ਦੁਨੀਆ ਦੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ	Lesson	ਟੀਮ
ਪੋਸਟਸਕ੍ਰਿਪਟ	RAI ਡੈਸ਼ਬੋਰਡ ਨਾਲ ML ਵਿੱਚ ਮਾਡਲ ਡੀਬੱਗਿੰਗ	ML in the Wild	ਜ਼ਿੰਮੇਵਾਰ AI ਡੈਸ਼ਬੋਰਡ ਕੰਪੋਨੈਂਟ ਦੀ ਵਰਤੋਂ ਨਾਲ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਵਿੱਚ ਮਾਡਲ ਡੀਬੱਗਿੰਗ	Lesson	ਰੁਥ ਯਾਕੁਬੂ

ਇਸ ਕੋਰਸ ਲਈ ਸਾਰੇ ਵਾਧੂ ਸਰੋਤ ਸਾਡੇ Microsoft Learn ਕਲੇਕਸ਼ਨ ਵਿੱਚ ਲੱਭੋ

ਅਫਲਾਈਨ ਪਹੁੰਚ

ਤੁਸੀਂ Docsify ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਹ ਦਸਤਾਵੇਜ਼ ਅਫਲਾਈਨ ਚਲਾ ਸਕਦੇ ਹੋ। ਇਸ ਰਿਪੋ ਨੂੰ ਫੋਰਕ ਕਰੋ, Docsify ਇੰਸਟਾਲ ਕਰੋ ਆਪਣੇ ਲੋਕਲ ਮਸ਼ੀਨ 'ਤੇ, ਅਤੇ ਫਿਰ ਇਸ ਰਿਪੋ ਦੇ ਰੂਟ ਫੋਲਡਰ ਵਿੱਚ docsify serve ਟਾਈਪ ਕਰੋ। ਵੈਬਸਾਈਟ ਤੁਹਾਡੇ ਲੋਕਲਹੋਸਟ ਦੇ 3000 ਪੋਰਟ 'ਤੇ ਸਰਵ ਕੀਤੀ ਜਾਵੇਗੀ: localhost:3000।

ਪੀ.ਡੀ.ਐਫ.

ਪਾਠਕ੍ਰਮ ਦੀ ਪੀਡੀਐਫ਼ ਲਿੰਕਾਂ ਸਮੇਤ ਇੱਥੇ ਲੱਭੋ।

🎒 ਹੋਰ ਕੋਰਸ

ਸਾਡੀ ਟੀਮ ਹੋਰ ਕੋਰਸ ਵੀ ਉਤਪਾਦਤ ਕਰਦੀ ਹੈ! ਚੈੱਕ ਕਰੋ:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

ਮੁੱਖ ਸਿੱਖਿਆ

---

ਕੋਪਾਇਲਟ ਸੀਰੀਜ਼

ਮਦਦ ਪ੍ਰਾਪਤ ਕਰਨਾ

ਜੇ ਤੁਸੀਂ ਫਸ ਜਾਂਦੇ ਹੋ ਜਾਂ AI ਐਪ ਬਣਾਉਣ ਬਾਰੇ ਕੋਈ ਵੀ ਸਵਾਲ ਹੈ, ਤਾਂ ਸਿੱਖਣ ਵਾਲਿਆਂ ਅਤੇ ਅਨੁਭਵੀ ਵਿਕਾਸਕਾਰਾਂ ਦੇ ਨਾਲ MCP ਬਾਰੇ ਚਰਚਾ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ। ਇਹ ਇਕ ਸਹਾਇਕ ਭਾਈਚਾਰਾ ਹੈ ਜਿੱਥੇ ਸਵਾਲਾਂ ਦਾ ਸਵਾਗਤ ਹੈ ਅਤੇ ਗਿਆਨ ਖੁੱਲ੍ਹ ਕੇ ਸਾਂਝਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਜੇ ਤੁਹਾਡੇ ਕੋਲ ਉਤਪਾਦ ਫੀਡਬੈਕ ਜਾਂ ਤਿਆਰ ਕਰਦੇ ਸਮੇਂ ਕੋਈ ਗਲਤੀਆਂ ਹੋਣ, ਤਾਂ ਜਾਓ:

---

ਇਸਤੇਜ਼ਾਰ:
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀਤਾ ਲਈ ਯਤਨ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸਥਿਰਤਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਆਪਣੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਧਿਕਾਰਕ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਜਰੂਰੀ ਜਾਣਕਾਰੀ ਲਈ ਵਿਅਵਸਾਇਕ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਿਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਨਾਲ ਪੈਦਾ ਹੋਣ ਵਾਲੀਆਂ ਕਿਸੇ ਵੀ ਗਲਤ ਫਹਿਮੀ ਜਾਂ ਗਲਤ ਅਰਥ ਨਿਕਾਸੀ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।