ML-For-Beginners/translations/ur

🌐 کثیراللسانی تعاون

GitHub ایکشن کے ذریعے مدد یافتہ (خودکار اور ہمیشہ تازہ ترین)

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

مقامی طور پر کلون کرنا پسند کریں؟

اس ریپوزیٹری میں 50+ زبانوں کے تراجم شامل ہیں جو ڈاؤن لوڈ سائز کو نمایاں طور پر بڑھاتے ہیں۔ ترجموں کے بغیر کلون کرنے کے لیے sparse checkout استعمال کریں:

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'

یہ آپ کو وہ سب کچھ فراہم کرتا ہے جو آپ کو کورس مکمل کرنے کے لیے چاہیے، ایک تیز تر ڈاؤن لوڈ کے ساتھ۔

ہماری کمیونٹی میں شامل ہوں

ہمارے پاس ایک Discord learn with AI سیریز جاری ہے، مزید جاننے اور شامل ہونے کے لیے ہمارا Learn with AI Series وزٹ کریں جو 18 تا 30 ستمبر، 2025 تک چل رہی ہے۔ آپ کو ڈیٹا سائنس کے لیے GitHub Copilot کے استعمال کے ٹپس اور ترکیبیں ملیں گی۔

ابتدائیوں کے لیے مشین لرننگ - ایک نصاب

🌍 دنیا بھر کا سفر کریں جب ہم دنیا کی ثقافتوں کے ذریعے مشین لرننگ کا جائزہ لیتے ہیں 🌍

مائیکروسافٹ کے کلاؤڈ ایڈووکیٹس خوشی کے ساتھ 12 ہفتوں، 26 اسباق پر مشتمل ایک نصاب پیش کرتے ہیں جو مکمل طور پر مشین لرننگ کے بارے میں ہے۔ اس نصاب میں، آپ کو وہ سیکھایا جائے گا جسے کبھی کبھار کلاسک مشین لرننگ کہا جاتا ہے، جس میں بنیادی طور پر Scikit-learn لائبریری کا استعمال کیا جاتا ہے اور ڈیپ لرننگ سے اجتناب کیا جاتا ہے، جس کا احاطہ ہمارے AI for Beginners' نصاب میں کیا گیا ہے۔ ان اسباق کو ہمارے 'Data Science for Beginners' نصاب کے ساتھ ساتھ جوڑیں!

ہمارے ساتھ دنیا بھر کا سفر کریں جب ہم ان کلاسیکی تکنیکوں کو دنیا کے مختلف علاقوں کے ڈیٹا پر لاگو کرتے ہیں۔ ہر سبق میں پری-اور پوسٹ-سبق کوئزز، مکمل کرنے کے لیے تحریری ہدایات، حل، اسائنمنٹ، اور مزید شامل ہیں۔ ہمارا پروجیکٹ پر مبنی طریقہ تدریس آپ کو سیکھنے کے دوران تعمیر کرنے کی اجازت دیتا ہے، جو نئے ہنر سیکھنے کا ایک موثر طریقہ ہے۔

✍️ ہمارے مصنفین کا دلی شکریہ جن لوپر، اسٹیفن ہاؤول، فرانسسکا لازیری، ٹومومی ایمورا، کیسی بریو، دمتری سوشنکوف، کرس نورنگ، انربن مکھرجی، اورنیلا الٹونیان، روث یاکوبو اور ایمی بوئیڈ

🎨 ہمارے مصورین کا بھی شکریہ ٹومومی ایمورا، داسانی madiپلی، اور جن لوپر

🙏 خصوصی شکریہ 🙏 ہمارے Microsoft Student Ambassador مصنفین، جائزہ کنندگان، اور مواد کے تعاون کنندگان کو، خاص طور پر ریشیت ڈاگلی، محمد ساقب خان انان، روہن راج، الیگزینڈر پیٹرسکو، ابھشیک جایسوال، نوورین طبسم، ایوان سامویلا، اور سگن دھا اگروال

🤩 Microsoft Student Ambassadors ایرک وانجو، جاسلین سندھی، اور وِدوشی گپتا کا بھی اضافی شکریہ ہمارے R اسباق کے لیے!

شروع کریں

ان مراحل پر عمل کریں:

1. ریپوزیٹری کو فورک کریں: اس صفحے کے اوپری دائیں کونے میں "Fork" بٹن پر کلک کریں۔
2. ریپوزیٹری کلون کریں: git clone https://github.com/microsoft/ML-For-Beginners.git

اس کورس کے تمام اضافی وسائل ہمارے Microsoft Learn کلیکشن میں تلاش کریں

🔧 مدد چاہیے؟ تنصیب، سیٹ اپ، اور اسباق چلانے میں عمومی مسائل کے حل کے لیے ہمارا Troubleshooting Guide چیک کریں۔

طلباء، اس نصاب کے استعمال کے لیے، پوری ریپوزیٹری کو اپنے GitHub اکاؤنٹ پر فورک کریں اور مشقیں خود یا گروپ کے ساتھ مکمل کریں:

• پری-لیکچر کوئز سے شروع کریں۔
• لیکچر پڑھیں اور سرگرمیاں مکمل کریں، ہر علم کی جانچ پر توقف اور غور کریں۔
• کوشش کریں کہ اسباق کو سمجھ کر پروجیکٹس بنائیں بجائے حل کے کوڈ کو چلانے کے؛ تاہم وہ کوڈ ہر پروجیکٹ-مرکوز سبق کے /solution فولڈر میں دستیاب ہے۔
• پوسٹ-لیکچر کوئز لیں۔
• چیلنج مکمل کریں۔
• اسائنمنٹ مکمل کریں۔
• ایک سبق گروپ مکمل کرنے کے بعد، Discussion Board پر جائیں اور مناسب PAT روبریک بھر کر 'آؤٹ لاؤڈ سیکھیں'۔ 'PAT' ایک پروگریس اسیسمنٹ ٹول ہے جو آپ کی سیکھنے میں مدد دیتا ہے۔ آپ دوسرے PATs پر بھی ردعمل دے سکتے ہیں تاکہ ہم سب مل کر سیکھ سکیں۔

مزید مطالعہ کے لیے، ہم تجویز کرتے ہیں کہ آپ یہ Microsoft Learn ماڈیولز اور لرننگ پاتھز فالو کریں۔

اساتذہ، ہم نے کچھ تجاویز شامل کی ہیں کہ اس نصاب کو کیسے استعمال کیا جائے۔

---

ویڈیو واک تھروز

کچھ اسباق مختصر ویڈیو کی صورت میں دستیاب ہیں۔ آپ انہیں اسباق میں لائنی طور پر یا Microsoft Developer YouTube چینل پر ML for Beginners پلے لسٹ پر نیچے دی گئی تصویر پر کلک کرکے دیکھ سکتے ہیں۔

---

ٹیم سے ملاقات

گیف بذریعہ موہت جایسوال

🎥 منصوبے اور اسے بنانے والے لوگوں کے بارے میں ویڈیو کے لیے اوپر دی گئی تصویر پر کلک کریں!

---

تعلیم کا طریقہ

ہم نے اس نصاب کو بناتے وقت دو تعلیمی اصول منتخب کیے ہیں: یقینی بنانا کہ یہ ہینڈز آن پروجیکٹ پر مبنی ہے اور اس میں بار بار کوئزز شامل ہیں۔ مزید برآں، اس نصاب میں ایک مشترکہ تھیم ہے جو اسے ہم آہنگی دیتا ہے۔

پروجیکٹس کے ساتھ مواد کا ہم آہنگ ہونا طلباء کے لیے اسے مزید دلچسپ بناتا ہے اور تصورات کو یاد رکھنے میں مدد دیتا ہے۔ اس کے علاوہ، کلاس شروع ہونے سے پہلے کم دباؤ والا کوئز طلباء کے سیکھنے کی نیت کو بڑھاتا ہے، جبکہ کلاس کے بعد دوسرا کوئز مزید یادداشت کو یقینی بناتا ہے۔ یہ نصاب لچکدار اور دلچسپ بنانے کے لیے ڈیزائن کیا گیا ہے اور اسے مکمل یا جزوی طور پر لیا جا سکتا ہے۔ پروجیکٹس چھوٹے شروع ہوتے ہیں اور 12 ہفتوں کے اختتام تک زیادہ پیچیدہ ہو جاتے ہیں۔ اس نصاب میں مشین لرننگ کے حقیقی دنیا میں استعمالات پر ایک پوسٹ اسکرپٹ بھی شامل ہے، جسے اضافی کریڈٹ کے طور پر یا بحث کی بنیاد کے طور پر استعمال کیا جا سکتا ہے۔

ہمارا کوڈ آف کنڈکٹ، تعاون، ترجمہ، اور مسائل کے حل کے رہنما اصول دیکھیں۔ ہم آپ کی تعمیری رائے کا خیرمقدم کرتے ہیں!

ہر سبق میں شامل ہیں

• اختیاری سکیچ نوٹ
• اختیاری ضمنی ویڈیو
• ویڈیو واک تھرو (کچھ اسباق میں)
• پری-لیکچر وارم اپ کوئز
• تحریری سبق
• پروجیکٹ پر مبنی اسباق کے لیے، پروجیکٹ بنانے کے مرحلہ وار رہنما
• علم کی جانچ
• چیلنج
• ضمنی مطالعہ
• اسائنمنٹ
• پوسٹ-لیکچر کوئز

زبانوں کے بارے میں ایک نوٹ: یہ اسباق بنیادی طور پر Python میں لکھے گئے ہیں، مگر بہت سے R میں بھی دستیاب ہیں۔ R سبق مکمل کرنے کے لیے، /solution فولڈر میں R اسباق تلاش کریں۔ ان میں .rmd ایکسٹینشن ہوتی ہے جو ایک R مارک ڈاؤن فائل کی نمائندگی کرتی ہے، جسے ایک دستاویز میں کوڈ چنکس (R یا دیگر زبانوں کے) اور ایک YAML ہیڈر (جو آؤٹ پٹ جیسے PDF کو فارمیٹ کرنے کا طریقہ بتاتا ہے) کے ایمبیڈنگ کے طور پر آسانی سے سمجھا جا سکتا ہے۔ اس طرح، یہ ڈیٹا سائنس کے لیے ایک مثالی مصنفانہ فریم ورک کے طور پر کام کرتی ہے کیونکہ آپ اپنے کوڈ، اس کا آؤٹ پٹ، اور اپنے خیالات کو مارک ڈاؤن میں لکھ کر جوڑ سکتے ہیں۔ مزید برآں، R مارک ڈاؤن دستاویزات کو PDF، HTML، یا Word جیسے آؤٹ پٹ فارمیٹس میں بھی رینڈر کیا جا سکتا ہے۔ کویزز کے بارے میں ایک نوٹ: تمام کویزز Quiz App فولڈر میں شامل ہیں، جن میں کل 52 کویزز ہیں جن میں ہر ایک میں تین سوالات ہیں۔ یہ اسباق کے اندر سے لنک کیے گئے ہیں لیکن کویز ایپ لوکل طور پر چلائی جا سکتی ہے؛ لوکل طور پر ہوسٹ کرنے یا Azure پر تعینات کرنے کے لیے quiz-app فولڈر میں ہدایات پر عمل کریں۔

سبق نمبر	موضوع	سبق کا گروپنگ	تعلیمی مقاصد	لنک شدہ سبق	مصنف
01	مشین لرننگ کا تعارف	تعارف	مشین لرننگ کے بنیادی تصورات سیکھیں	سبق	محمد
02	مشین لرننگ کی تاریخ	تعارف	اس میدان کی تاریخ سیکھیں	سبق	جین اور ایمی
03	انصاف اور مشین لرننگ	تعارف	انصاف کے گرد اہم فلسفیانہ مسائل کیا ہیں جن پر طلباء کو مشین لرننگ ماڈلز بناتے اور لاگو کرتے وقت غور کرنا چاہیے؟	سبق	تومومی
04	مشین لرننگ کی تکنیکیں	تعارف	مشین لرننگ کے ماہرین ماڈلز بنانے کے لیے کون سی تکنیکیں استعمال کرتے ہیں؟	سبق	کرس اور جین
05	ریگریشن کا تعارف	ریگریشن	ریگریشن ماڈلز کے لیے Python اور Scikit-learn کے ساتھ شروع کریں	Python • R	جین • ایرک ونجاؤ
06	شمالی امریکہ کے کدو کی قیمتیں 🎃	ریگریشن	مشین لرننگ کی تیاری کے لیے ڈیٹا کو دیکھیں اور صاف کریں	Python • R	جین • ایرک ونجاؤ
07	شمالی امریکہ کے کدو کی قیمتیں 🎃	ریگریشن	خطی اور کثیر رکنی ریگریشن ماڈلز بنائیں	Python • R	جین اور دمتری • ایرک ونجاؤ
08	شمالی امریکہ کے کدو کی قیمتیں 🎃	ریگریشن	لاجسٹک ریگریشن ماڈل بنائیں	Python • R	جین • ایرک ونجاؤ
09	ایک ویب ایپ 🔌	ویب ایپ	اپنے تربیت یافتہ ماڈل کو استعمال کرنے کے لیے ویب ایپ بنائیں	Python	جین
10	درجہ بندی کا تعارف	درجہ بندی	اپنے ڈیٹا کو صاف کریں، تیار کریں اور دیکھیں؛ درجہ بندی کا تعارف	Python • R	جین اور کیسی • ایرک ونجاؤ
11	لذیذ ایشیائی اور بھارتی کھانے 🍜	درجہ بندی	درجہ بند کرنے والوں کا تعارف	Python • R	جین اور کیسی • ایرک ونجاؤ
12	لذیذ ایشیائی اور بھارتی کھانے 🍜	درجہ بندی	مزید درجہ بند کرنے والے	Python • R	جین اور کیسی • ایرک ونجاؤ
13	لذیذ ایشیائی اور بھارتی کھانے 🍜	درجہ بندی	اپنے ماڈل کا استعمال کرتے ہوئے سفارش کنندہ ویب ایپ بنائیں	Python	جین
14	کلسٹرنگ کا تعارف	کلسٹرنگ	اپنے ڈیٹا کو صاف کریں، تیار کریں اور دیکھیں؛ کلسٹرنگ کا تعارف	Python • R	جین • ایرک ونجاؤ
15	نائیجیریائی موسیقی کے ذوق کی کھوج 🎧	کلسٹرنگ	K-Means کلسٹرنگ طریقہ کار کی کھوج کریں	Python • R	جین • ایرک ونجاؤ
16	قدرتی زبان کی پروسیسنگ کا تعارف ☕️	قدرتی زبان کی پروسیسنگ	ایک سادہ بوٹ بنا کر NLP کی بنیادی باتیں سیکھیں	Python	اسٹیفن
17	عام NLP کام ☕️	قدرتی زبان کی پروسیسنگ	زبان کے ڈھانچے سے نمٹنے کے لیے ضروری عام کاموں کو سمجھ کر اپنے NLP کے علم کو گہرا کریں	Python	اسٹیفن
18	ترجمہ اور جذباتی تجزیہ ♥️	قدرتی زبان کی پروسیسنگ	جین آسٹن کے ساتھ ترجمہ اور جذباتی تجزیہ	Python	اسٹیفن
19	یورپ کے رومانوی ہوٹلز ♥️	قدرتی زبان کی پروسیسنگ	ہوٹل کے جائزوں کے ساتھ جذباتی تجزیہ 1	Python	اسٹیفن
20	یورپ کے رومانوی ہوٹلز ♥️	قدرتی زبان کی پروسیسنگ	ہوٹل کے جائزوں کے ساتھ جذباتی تجزیہ 2	Python	اسٹیفن
21	وقت کی سلسلہ وار پیشن گوئی کا تعارف	وقت کی سلسلہ	وقت کی سلسلہ وار پیش گوئی کا تعارف	Python	فرانسسکا
22	⚡️ عالمی بجلی کا استعمال ⚡️ - ARIMA کے ساتھ وقت کی سلسلہ وار پیشن گوئی	وقت کی سلسلہ	ARIMA کے ساتھ وقت کی سلسلہ وار پیش گوئی	Python	فرانسسکا
23	⚡️ عالمی بجلی کا استعمال ⚡️ - SVR کے ساتھ وقت کی سلسلہ وار پیشن گوئی	وقت کی سلسلہ	Support Vector Regressor کے ساتھ وقت کی سلسلہ وار پیش گوئی	Python	انربن
24	تقویتی تعلیم کا تعارف	تقویتی تعلیم	Q-Learning کے ذریعے تقویتی تعلیم کا تعارف	Python	دمتری
25	پیٹر کو بھیڑیا سے بچانے میں مدد کریں! 🐺	تقویتی تعلیم	تقویتی تعلیم جیم	Python	دمتری
اضافی نوٹ	حقیقی دنیا کے ML منظر نامے اور اطلاقات	ML in the Wild	کلاسیکی ML کی دلچسپ اور انکشاف کرنے والی حقیقی دنیا کی اطلاقات	سبق	ٹیم
اضافی نوٹ	RAI ڈیش بورڈ کے ذریعے ML میں ماڈل ڈیبگنگ	ML in the Wild	ماڈل ڈیبگنگ مشین لرننگ میں ذمہ دار AI ڈیش بورڈ کمپونینٹس کے ذریعے	سبق	روتھ یاکوبو

اس کورس کے تمام اضافی وسائل ہمارے Microsoft Learn مجموعہ میں تلاش کریں

آف لائن رسائی

آپ اس دستاویز کو آف لائن Docsify استعمال کر کے چلا سکتے ہیں۔ اس ریپوزیٹری کو فورک کریں، اپنی مقامی مشین پر Docsify انسٹال کریں، اور پھر اس ریپو کے روٹ فولڈر میں ٹائپ کریں docsify serve۔ ویب سائٹ آپ کے لوکل ہوسٹ پر پورٹ 3000 پر دستیاب ہوگی: localhost:3000۔

PDF فائلز

نصابی مواد کا PDF ورژن لنکس کے ساتھ یہاں ڈھونڈیں۔

🎒 دیگر کورسز

ہماری ٹیم دیگر کورسز بھی تیار کرتی ہے! دیکھیں:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

بنیادی تعلیم

---

کوپائلٹ سیریز

مدد حاصل کرنا

اگر آپ پھنس جائیں یا اے آئی ایپس بنانے کے بارے میں کوئی سوال ہو۔ MCP کے بارے میں بحث میں دوسرے سیکھنے والے اور تجربہ کار ڈیولپرز سے ساتھ شامل ہوں۔ یہ ایک حمایتی کمیونٹی ہے جہاں سوالات خوش آمدید ہیں اور علم آزادانہ طور پر شیئر کیا جاتا ہے۔

اگر آپ کو مصنوعات کی رائے یا تخلیق کے دوران غلطیاں ہوں تو ملاحظہ کریں:

---

免责声明: یہ دستاویز AI ترجمہ سروس Co-op Translator کے ذریعے ترجمہ کی گئی ہے۔ اگرچہ ہم درستگی کے لیے کوشاں ہیں، براہ کرم یاد رکھیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی مادری زبان میں معتبر ماخذ سمجھا جانا چاہیے۔ اہم معلومات کے لیے پیشہ ورانہ انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔