leestott
eaff2e5814
|
12 months ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 12 months ago | |
| 2-Regression | 12 months ago | |
| 3-Web-App | 12 months ago | |
| 4-Classification | 12 months ago | |
| 5-Clustering | 12 months ago | |
| 6-NLP | 12 months ago | |
| 7-TimeSeries | 12 months ago | |
| 8-Reinforcement | 12 months ago | |
| 9-Real-World | 12 months ago | |
| docs | 1 year ago | |
| quiz-app | 1 year ago | |
| sketchnotes | 1 year ago | |
| CODE_OF_CONDUCT.md | 1 year ago | |
| CONTRIBUTING.md | 1 year ago | |
| PyTorch_Fundamentals.ipynb | 1 year ago | |
| README.md | 12 months ago | |
| SECURITY.md | 1 year ago | |
| SUPPORT.md | 1 year ago | |
| for-teachers.md | 1 year ago | |
README.md
🌐 کثیر زبان کی حمایت
GitHub ایکشن کے ذریعے دستیاب (خودکار اور ہمیشہ تازہ ترین)
French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)
کمیونٹی میں شامل ہوں
مشین لرننگ کے لیے ابتدائی رہنما - ایک نصاب
🌍 دنیا کے مختلف ثقافتوں کے ذریعے مشین لرننگ کو دریافت کریں 🌍
Microsoft کے Cloud Advocates نے 12 ہفتوں اور 26 اسباق پر مشتمل نصاب پیش کیا ہے جو مشین لرننگ کے بارے میں ہے۔ اس نصاب میں آپ کلاسک مشین لرننگ کے بارے میں سیکھیں گے، بنیادی طور پر Scikit-learn لائبریری کا استعمال کرتے ہوئے اور گہرے لرننگ سے گریز کرتے ہوئے، جو ہمارے AI for Beginners' نصاب میں شامل ہے۔ ان اسباق کو ہمارے 'Data Science for Beginners' نصاب کے ساتھ جوڑیں!
ہمارے ساتھ دنیا بھر کا سفر کریں کیونکہ ہم ان کلاسک تکنیکوں کو دنیا کے مختلف علاقوں کے ڈیٹا پر لاگو کرتے ہیں۔ ہر سبق میں سبق سے پہلے اور بعد کے کوئز، تحریری ہدایات، حل، اسائنمنٹ، اور مزید شامل ہیں۔ ہمارا پروجیکٹ پر مبنی طریقہ کار آپ کو سیکھنے کے دوران تعمیر کرنے کی اجازت دیتا ہے، جو نئے مہارتوں کو مضبوط کرنے کا ایک ثابت شدہ طریقہ ہے۔
✍️ ہمارے مصنفین کا دل سے شکریہ Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu اور Amy Boyd
🎨 ہمارے مصوروں کا بھی شکریہ Tomomi Imura, Dasani Madipalli, اور Jen Looper
🙏 خاص شکریہ 🙏 ہمارے Microsoft Student Ambassador مصنفین، جائزہ لینے والوں، اور مواد کے تعاون کرنے والوں کا، خاص طور پر Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, اور Snigdha Agarwal
🤩 اضافی شکریہ Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, اور Vidushi Gupta کو ہمارے R اسباق کے لیے!
شروعات کریں
یہ اقدامات کریں:
- ریپوزیٹری کو فورک کریں: اس صفحے کے اوپر دائیں کونے میں "Fork" بٹن پر کلک کریں۔
- ریپوزیٹری کو کلون کریں:
git clone https://github.com/microsoft/ML-For-Beginners.git
اس کورس کے لیے تمام اضافی وسائل ہماری Microsoft Learn کلیکشن میں تلاش کریں
طلباء، اس نصاب کو استعمال کرنے کے لیے، پورے ریپو کو اپنے GitHub اکاؤنٹ میں فورک کریں اور مشقیں خود یا گروپ کے ساتھ مکمل کریں:
- سبق سے پہلے کوئز شروع کریں۔
- سبق پڑھیں اور سرگرمیاں مکمل کریں، ہر علم کی جانچ پر توقف کریں اور غور کریں۔
- اسباق کو سمجھ کر پروجیکٹس بنانے کی کوشش کریں بجائے اس کے کہ حل کوڈ چلائیں؛ تاہم وہ کوڈ
/solutionفولڈرز میں دستیاب ہے۔ - سبق کے بعد کوئز لیں۔
- چیلنج مکمل کریں۔
- اسائنمنٹ مکمل کریں۔
- سبق گروپ مکمل کرنے کے بعد، Discussion Board پر جائیں اور "آواز کے ساتھ سیکھیں" PAT rubric کو بھر کر۔ PAT ایک Progress Assessment Tool ہے جو آپ کے سیکھنے کو مزید آگے بڑھانے کے لیے ایک rubric ہے۔ آپ دوسرے PATs پر ردعمل بھی دے سکتے ہیں تاکہ ہم مل کر سیکھ سکیں۔
مزید مطالعہ کے لیے، ہم ان Microsoft Learn ماڈیولز اور سیکھنے کے راستے کی پیروی کرنے کی سفارش کرتے ہیں۔
اساتذہ، ہم نے کچھ تجاویز شامل کی ہیں کہ اس نصاب کو کیسے استعمال کریں۔
ویڈیو واک تھرو
کچھ اسباق مختصر ویڈیو کی شکل میں دستیاب ہیں۔ آپ ان سب کو اسباق میں ان لائن یا Microsoft Developer YouTube چینل پر ML for Beginners پلے لسٹ پر دیکھ سکتے ہیں۔
ٹیم سے ملاقات کریں
Gif by Mohit Jaisal
🎥 اوپر دی گئی تصویر پر کلک کریں تاکہ پروجیکٹ اور اسے بنانے والے افراد کے بارے میں ویڈیو دیکھ سکیں!
تدریسی طریقہ کار
ہم نے اس نصاب کو بناتے وقت دو تدریسی اصولوں کا انتخاب کیا ہے: یہ یقینی بنانا کہ یہ پروجیکٹ پر مبنی ہے اور اس میں بار بار کوئز شامل ہیں۔ اس کے علاوہ، اس نصاب میں ایک عام موضوع شامل ہے تاکہ اسے ہم آہنگ بنایا جا سکے۔
یہ یقینی بنا کر کہ مواد پروجیکٹس کے ساتھ ہم آہنگ ہے، عمل کو طلباء کے لیے زیادہ دلچسپ بنایا گیا ہے اور تصورات کی یادداشت کو بڑھایا جائے گا۔ اس کے علاوہ، کلاس سے پہلے ایک کم دباؤ والا کوئز طالب علم کو ایک موضوع سیکھنے کی نیت پر مرکوز کرتا ہے، جبکہ کلاس کے بعد دوسرا کوئز مزید یادداشت کو یقینی بناتا ہے۔ یہ نصاب لچکدار اور تفریحی بنایا گیا ہے اور اسے مکمل یا جزوی طور پر لیا جا سکتا ہے۔ پروجیکٹس چھوٹے شروع ہوتے ہیں اور 12 ہفتوں کے اختتام تک بتدریج پیچیدہ ہو جاتے ہیں۔ اس نصاب میں ML کے حقیقی دنیا کے اطلاقات 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 Code of Conduct، Contributing، اور Translation رہنما تلاش کریں۔ ہم آپ کی تعمیری رائے کا خیر مقدم کرتے ہیں!
ہر سبق میں شامل ہے
- اختیاری اسکیچ نوٹ
- اختیاری اضافی ویڈیو
- ویڈیو واک تھرو (کچھ اسباق میں)
- سبق سے پہلے وارم اپ کوئز
- تحریری سبق
- پروجیکٹ پر مبنی اسباق کے لیے، پروجیکٹ بنانے کے لیے مرحلہ وار گائیڈ
- علم کی جانچ
- ایک چیلنج
- اضافی مطالعہ
- اسائنمنٹ
- سبق کے بعد کوئز
زبانوں کے بارے میں نوٹ: یہ اسباق بنیادی طور پر Python میں لکھے گئے ہیں، لیکن بہت سے R میں بھی دستیاب ہیں۔ R سبق مکمل کرنے کے لیے،
/solutionفولڈر میں جائیں اور R اسباق تلاش کریں۔ ان میں .rmd ایکسٹینشن شامل ہے جو R Markdown فائل کی نمائندگی کرتا ہے، جسےMarkdown دستاویزمیںکوڈ چنکس(R یا دیگر زبانوں کے) اورYAML ہیڈر(جو آؤٹ پٹ فارمیٹس جیسے PDF کو فارمیٹ کرنے کی رہنمائی کرتا ہے) کے طور پر بیان کیا جا سکتا ہے۔ اس طرح، یہ ڈیٹا سائنس کے لیے ایک مثالی تصنیفی فریم ورک کے طور پر کام کرتا ہے کیونکہ یہ آپ کو اپنے کوڈ، اس کے آؤٹ پٹ، اور اپنے خیالات کو Markdown میں لکھنے کی اجازت دیتا ہے۔ مزید برآں، R Markdown دستاویزات کو PDF، HTML، یا Word جیسے آؤٹ پٹ فارمیٹس میں رینڈر کیا جا سکتا ہے۔
کوئز کے بارے میں نوٹ: تمام کوئز Quiz App فولڈر میں موجود ہیں، کل 52 کوئز، ہر ایک میں تین سوالات۔ یہ اسباق کے اندر سے لنک کیے گئے ہیں لیکن کوئز ایپ کو مقامی طور پر چلایا جا سکتا ہے؛
quiz-appفولڈر میں ہدایات پر عمل کریں تاکہ مقامی طور پر ہوسٹ کریں یا Azure پر تعینات کریں۔
| سبق نمبر | موضوع | سبق گروپنگ | سیکھنے کے 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 کے پیچھے کی تاریخ سیکھیں | سبق | Jen اور Amy |
| 03 | مشین لرننگ اور انصاف | تعارف | وہ اہم فلسفیانہ مسائل کیا ہیں جو طلباء کو ML ماڈلز بناتے اور لاگو کرتے وقت غور کرنا چاہیے؟ | سبق | Tomomi |
| 04 | مشین لرننگ کے لیے تکنیکیں | Introduction | مشین لرننگ ماڈلز بنانے کے لیے محققین کون سی تکنیکیں استعمال کرتے ہیں؟ | Lesson | کرس اور جین |
| 05 | ریگریشن کا تعارف | Regression | ریگریشن ماڈلز کے لیے Python اور Scikit-learn کے ساتھ شروعات کریں |
- [Python](2-Regression/1-Tools/README.md)
- [R](../../2-Regression/1-Tools/solution/R/lesson_1.html)
- جین
- ایرک وانجاو
- [Python](2-Regression/2-Data/README.md)
- [R](../../2-Regression/2-Data/solution/R/lesson_2.html)
- جین
- ایرک وانجاو
- [Python](2-Regression/3-Linear/README.md)
- [R](../../2-Regression/3-Linear/solution/R/lesson_3.html)
- جین اور دمتری
- ایرک وانجاو
- [Python](2-Regression/4-Logistic/README.md)
- [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)
- جین
- ایرک وانجاو
- [Python](4-Classification/1-Introduction/README.md)
- [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) |
- جین اور کیسی
- ایرک وانجاو
- [Python](4-Classification/2-Classifiers-1/README.md)
- [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
- جین اور کیسی
- ایرک وانجاو
- [Python](4-Classification/3-Classifiers-2/README.md)
- [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
- جین اور کیسی
- ایرک وانجاو
- [Python](5-Clustering/1-Visualize/README.md)
- [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) |
- جین
- ایرک وانجاو
- [Python](5-Clustering/2-K-Means/README.md)
- [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) |
- جین
- ایرک وانجاو
اس کورس کے تمام اضافی وسائل ہماری Microsoft Learn کلیکشن میں تلاش کریں
آف لائن رسائی
آپ اس دستاویز کو آف لائن Docsify کے ذریعے چلا سکتے ہیں۔ اس ریپو کو فورک کریں، Docsify انسٹال کریں اپنی مقامی مشین پر، اور پھر اس ریپو کے روٹ فولڈر میں
docsify serveٹائپ کریں۔ ویب سائٹ آپ کے لوکل ہوسٹ پر پورٹ 3000 پر دستیاب ہوگی:localhost:3000۔PDFs
کریکولم کا ایک پی ڈی ایف لنکس کے ساتھ یہاں تلاش کریں۔
🎒 دیگر کورسز
ہماری ٹیم دیگر کورسز بھی تیار کرتی ہے! دیکھیں:
- Generative AI for Beginners
- Generative AI for Beginners .NET
- Generative AI with JavaScript
- Generative AI with Java
- AI for Beginners
- Data Science for Beginners
- ML for Beginners
- Cybersecurity for Beginners
- Web Dev for Beginners
- IoT for Beginners
- XR Development for Beginners
- Mastering GitHub Copilot for Paired Programming
- Mastering GitHub Copilot for C#/.NET Developers
- Choose Your Own Copilot Adventure
ڈسکلیمر:
یہ دستاویز AI ترجمہ سروس Co-op Translator کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور 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۔