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
ಸ್ಥಳೀಯವಾಗಿ ಕ್ಲೋನ್ ಮಾಡಲು ಇಚ್ಛಿಸುವಿರಾ?
ಈ ಸಂಗ್ರಹವು 50+ ಭಾಷಾ ಭಾಷಾಂತರಗಳನ್ನು ಒಳಗೊಂಡಿದ್ದು, ಇದು ಡೌನ್ಲೋಡ್ ಗಾತ್ರವನ್ನು ಬಹುಮಟ್ಟಿಗೆ ಹೆಚ್ಚಿಸುತ್ತದೆ. ಭಾಷಾಂತರಗಳಿಲ್ಲದೆ ಕ್ಲೋನ್ ಮಾಡಲು, ಸ್ಪಾರ್ಸ್ ಚೆಕ್ಔಟ್ ಬಳಸಿ:
Bash / macOS / Linux:
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'CMD (Windows):
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"ಇದರಿಂದ ನೀವು ಕೋರ್ಸನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಅಗತ್ಯವಿರುವ ಎಲ್ಲಾ ವಿಷಯಗಳನ್ನು ತ್ವರಿತ ಡೌನ್ಲೋಡ್ೊಂದಿಗೆ ಪಡೆಯಬಹುದು.
ನಾವು ಡಿಸ್ಕಾರ್ಡ್ ನಲ್ಲಿ AI ಸರಣಿಯನ್ನು ನಡೆಸುತ್ತಿದ್ದೇವೆ, ಹೆಚ್ಚಾಗಿ ತಿಳಿದುಕೊಳ್ಳಲು ಮತ್ತು ಸೇರ್ಪಡೆಗಾಗಿ Learn with AI Series ನಲ್ಲಿ 18 - 30 ಸೆಪ್ಟೆಂಬರ್, 2025 ರಂದು ಸೇರಿ. ನೀವು GitHub Copilot ಉಪಯೋಗಿಸುವ ಉಲುಕುಗಳ ಮತ್ತು ಸಲಹೆಗಳನ್ನೂ ಪಡೆಯುವಿರಿ.
🌍 ಜಗತ್ತಿನ ಸಂಸ್ಕೃತಿಗಳನ್ನು ಅನ್ವೇಷಿಸುವ ಮೂಲಕ ಯಾಂತ್ರಿಕ ಅಧ್ಯಯನವನ್ನು ಪರ್ವತಾರೋಹಣ ಮಾಡಿ 🌍
ಮೈಕ್ರೋಸಾಫ್ಟ್ನ ಕ್ಲೌಡ್ ಅಭಿಕಾರಕರು 12-ವಾರ, 26-ಪಾಠಗಳ ಪಠ್ಯಕ್ರಮವನ್ನು ನೀಡಲು ಸಂತೋಷಪಡುತ್ತಾರೆ, ಇದು ಯಾಂತ್ರಿಕ ಅಧ್ಯಯನ ಬಗ್ಗೆ ಸಂಪೂರ್ಣವಾಗಿ. ಈ ಪಠ್ಯಕ್ರಮದಲ್ಲಿ ನೀವು ಕೆಲವೊಮ್ಮೆ ಸಾಂಪ್ರದಾಯಿಕ ಯಾಂತ್ರಿಕ ಅಧ್ಯಯನ ಎಂದು ಕರೆಯಲ್ಪಡುವ ತಂತ್ರಗಳನ್ನು ಕಲಿಯೋಿರಿ, ಮುಖ್ಯವಾಗಿ Scikit-learn लाईಬ್ರೆರಿಯನ್ನು ಬಳಸುತ್ತೀರಾ ಮತ್ತು ನಮ್ಮ AI for Beginners' ಪಠ್ಯಕ್ರಮ ನಲ್ಲಿ ಒಳಗೊಂಡಿರುವ ಡೀಪ್ ಲರ್ನಿಂಗ್ನಿಂದ ದೂರವಿರುತ್ತೀರಿ. ಈ ಪಾಠಗಳನ್ನು ನಮ್ಮ 'ಡೇಟಾ ಸೈನ್ಸ್ ಫಾರ್ ಬಿಗಿನರ್ಸ್' ಪಠ್ಯಕ್ರಮ ಜೊತೆಗೆ ಜೋಡಿಸಬಹುದು.
ನಮ್ಮೊಂದಿಗೆ ಜಗತ್ತಿನ ಸುತ್ತು ಪ್ರಯಾಣ ಮಾಡಿ, ಈ ಸಾಂಪ್ರದಾಯಿಕ ತಂತ್ರಗಳನ್ನು ಜಗತ್ತಿನ ಹಲವು ಭಾಗಗಳ ಡೇಟಾದ ಮೇಲೆ ಅನ್ವಯಿಸುವ ಸಮಯ. ಪ್ರತಿಯೊಂದು ಪಾಠದಲ್ಲಿ ಪೂರ್ವಪಾಠ ಮತ್ತು ಪರಪಾಠ ಟೆಸ್ಟ್ಗಳು, ಪಾಠವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಬರೆದ ಸೂಚನೆಗಳು, ಪರಿಹಾರ,ೊಂದು ಕಾರ್ಯ ಮತ್ತು ಇನ್ನಷ್ಟು ಅಂಶಗಳಿವೆ. ನಮ್ಮ ಯೋಜನೆ ಆಧಾರಿತ ಪಠಣಶೈಲಿಯು ನಿಮ್ಮನ್ನು ಕಲಿಕೆಗೆ ಪ್ರೇರೇಪಿಸಿ, ಹೊಸ ಕೌಶಲ್ಯಗಳು ಅಳವಡಿಕೊಳ್ಳಲ್ಪಡುವ ಪರಿಣಾಮಕಾರಿ ವಿಧಾನವಾಗಿದೆ.
✍️ ನಮಗೆ ಬರಹಗಾರರಿಗೆ ಹೃತ್ಪೂರ್ವಕ ಧನ್ಯವಾದಗಳು: ಜೆನ್ ಲೂಪರ್, ಸ್ಟೀಫನ್ ಹೌವೆಲ್, ಫ್ರಾನ್ಸೆಸ್ಕಾ ಲಾಜ್ಜೇರಿ, ಟೊಮೊಮಿ ಇಮುರಾ, ಕ್ಯাস್ಸಿ ಬ್ರೇವಿಯು, ಡಿಮಿಟ್ರಿ ಸೋಶ್ನಿಕೊವ್, ಕ್ರಿಸ್ ನೋರಿಂಗ್, ಅನಿರ್ಬಾನ್ ಮುಖರ್ಜೀ, ಒರ್ನೆಲ್ಲಾ ಅಲ್ಟುನ್ಯಾನ್, ರೂತ್ ಯಾಕುಬು ಮತ್ತು ಎಂಬಿ ಬಾಯ್ಡ್
🎨 ಚಿತ್ರಿಗರಿಗೆ ಧನ್ಯವಾದಗಳು: ಟೊಮೊಮಿ ಇಮುರಾ, ದಸಾಣಿ ಮाडಿಪಳ್ಳಿ ಮತ್ತು ಜೆನ್ ಲೂಪರ್
🙏 ವಿಶೇಷ ಧನ್ಯವಾದಗಳು 🙏 ಮೈಕ್ರೋಸಾಫ್ಟ್ ವಿದ್ಯಾರ್ಥಿ ರಾಯಭಾರಿ ಬರಹಗಾರರು, ವಿಮರ್ಶಕರು ಮತ್ತು ವಿಷಯದ ಕೊಡುಗೆದಾರರಿಗೆ, ವಿಶೇಷವಾಗಿ ರಿಷಿತ್дагಲಿ, ಮುಹಮ್ಮದ್ ಸಕೀಬ್ ಖಾನ್ ಇನಾನ್, ರೋಹನ್ ರಾಜ್, ಅಲೆಕ್ಸಾಂಡು್ರು ಪೆಟ್ರೆಸ್ಕು, અભિષೇಕ್ ಜೈಸ್ವಾಲ್, ನವ್ರಿನ್ ತಬಸ್ಸುಮ್, ಯೋನ್ ಸಮೈಲಾ ಮತ್ತು ಸ್ನಿಗ್ಧಾಗ ಅಗರ್వಾಲ್
🤩 Microsoft ವಿದ್ಯಾರ್ಥಿ ರಾಯಭಾರ್ ಎರಿಗೆ ವಾಂಜೌ, ಜಸ್ಲೀನ್ ಸೋಂಧಿ ಮತ್ತು ವಿದುವಿ ಗುಪ್ತರಿಗೆ ನಮ್ಮ R ಪಾಠಗಳಿಗಾಗಿ ಹೆಚ್ಚಿನ ಧನ್ಯವಾದಗಳು!
ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ:
- ರಿಪೋಜಿಟರಿಯನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ: ಈ ಪುಟದ ಮೇಲ್ಭಾಗದಲ್ಲಿ "Fork" ಬಟನ್ ಮೇಲೆ ಕ್ಲಿಕ್ ಮಾಡಿ.
- ರಿಪೋಜಿಟರಿಯನ್ನು ಕ್ಲೋನ್ ಮಾಡಿ:
git clone https://github.com/microsoft/ML-For-Beginners.git
ಈ ಕೋರ್ಸ್ಗೆ ಎಲ್ಲಾ ಹೆಚ್ಚುವರಿ ಸಂಪನ್ಮೂಲಗಳನ್ನು ನಮ್ಮ ಮೈಕ್ರೋಸಾಫ್ಟ್ ಲರ್ನ್ ಸಂಗ್ರಹದಲ್ಲಿ ಕಂಡುಹಿಡಿಯಿರಿ
🔧 **ಸಹಾಯ ಬೇಕೆ?**Our ತೊಂದರೆ ಪರಿಹಾರ ಮಾರ್ಗದರ್ಶನ ಅನ್ನು ಸ್ಥಾಪನೆ, ಸೆಟಪ್ ಮತ್ತು ಪಾಠಗಳ ರನ್ನಿಂಗ್ ಸಮಸ্ಯೆಗಳ ಪರಿಹಾರಕ್ಕಾಗಿ ಪರಿಶೀಲಿಸಿ.
ವಿದ್ಯಾರ್ಥಿಗಳು, ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ಬಳಸಲು, ನಿಮ್ಮ ಸ್ವಂತ GitHub ಖಾತೆಗೆ ಸಂಪೂರ್ಣ ರಿಪೊವನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ ಮತ್ತು ಕ್ರಿಯಾಕಲಾಪಗಳನ್ನು ಸ್ವತಃ ಅಥವಾ ಗುಂಪಿನಲ್ಲಿ ಪೂರ್ಣಗೊಳಿಸಿ:
- ಪ್ರಾರಂಭದಲ್ಲಿ ಪೂರ್ವ-ಪಾಠ ಪ್ರಶ್ನೋತ್ತರ ಆಯ್ಕೆಮಾಡಿ.
- ಪಾಠವನ್ನು ಓದಿ, ಪ್ರತಿ ಜ್ಞಾನ-ಪರಿಶೀಲನೆಯಲ್ಲಿ ವಿರಾಮ ತೆಗೆದು ಆಲೋಚಿಸಿ.
- ಪಾಠಗಳನ್ನು ಅರಿತು ಯೋಜನೆಗಳನ್ನು ಸೃಷ್ಟಿಸುವ ಪ್ರಯತ್ನ ಮಾಡಿ; ಬದಲಾಗಿ ಪರಿಹಾರ ಕೋಡ್
/solutionಫೋಲ್ಡರ್ಗಳಲ್ಲಿ ಲಭ್ಯವಿದೆ. - ಪಾಠದ ನಂತರದ ಪ್ರಶ್ನೋತ್ತರ ಆಯ್ಕೆಮಾಡಿ.
- ಸವಾಲು ಪೂರ್ಣಗೊಳಿಸಿ.
- ಕಾರ್ಯವನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ.
- ಪಾಠಗಳ ಗುರೂಪನ್ನು ಪೂರ್ಣಗೊಳಿಸಿದ ನಂತರ, ಚರ್ಚಾ ಫಲಕ ಗೆ ಭೇಟಿ ನೀಡಿ ಮತ್ತು ಸೂಕ್ತ PAT ರೂಬ್ರಿಕ್ ಭರ್ತಿ ಮಾಡಿ 'ಮೆಚ್ಚುಗೆಯೊಂದಿಗೆ ಕಲಿದುಕೊಳ್ಳಿ.' ‘PAT’ ಎಂದರೆ ಪ್ರಗತಿ ಮೌಲ್ಯಮಾಪನ ಸಾಧನ. ನೀವು ಇನ್ನಿತರ PAT ಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸಲು ಸಹ ಸಾದ್ಯ.
ಮುಂದಿನ ಅಧ್ಯಯನಕ್ಕಾಗಿ, ಈ Microsoft Learn ಮೋಡ್ಯೂಲುಗಳು ಮತ್ತು ಕಲಿಕೆ ಮಾರ್ಗಗಳನ್ನು ಅನುಸರಿಸುವುದು ಶಿಫಾರಸುಮಾಡಲ್ಪಟ್ಟಿದೆ.
ಶಿಕ್ಷಕರಿಗೆ, ನಾವು ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ಹೇಗೆ ಬಳಸುವುದು ಎಂಬ ಕೆಲವು ಶಿಫಾರಸುಗಳನ್ನು ಸೇರಿಸಿದ್ದೇವೆ.
ಕೆಲವು ಪಾಠಗಳು ಚಿಕ್ಕ ವೀಡಿಯೊ ರೂಪದಲ್ಲಿ ಲಭ್ಯವಿವೆ. ನೀವು ಈ ಎಲ್ಲವನ್ನೂ ಪಾಠಗಳಲ್ಲಿ ಆನ್ಲೈನ್ ನೋಡಬಹುದು ಅಥವಾ Microsoft Developer YouTube ಚಾನೆಲ್ನ ML for Beginners ಪ್ಲೇಲಿಸ್ಟ್ ನಲ್ಲಿ ಈ ಚಿತ್ರವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ.
ಗಿಫ್ ಇಬ್ಬರು ಮೋಹಿತ್ ಜೈಸಾಲ್
🎥 ಮೇಲಿನ ಚಿತ್ರವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ ಯೋಜನೆ ಮತ್ತು ಅದನ್ನು ರಚಿಸಿದವರ ಬಗ್ಗೆ ವೀಡಿಯೊ ನೋಡಿ!
ನಾವು ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ತಯಾರಿಸುವಾಗ ಎರಡು ಪಠಣಶೈಲಿ ತತ್ವಗಳನ್ನು ಆಯ್ಕೆಮಾಡಿದ್ದೇವೆ: ಕಾರ್ಯಾಧಾರಿತ ಕಾರ್ಯಕ್ರಮ (project-based) ಮತ್ತು ನಿಯಮಿತ ಪ್ರಶ್ನೋತ್ತರಗಳ ಒಳಗೊಂಡಿರುವುದು. கூடಲೇ, ಈ ಪಠ್ಯಕ್ರಮಕ್ಕೆ ಒಂದೇ ಇಕೈ ಹೊಂದಿರುವ ಥೀಮ್ ಇದೆ.
ವಿಷಯವು ಯೋಜನೆಗಳಿಗೆ ಹೊಂದಾಣಿಕೆ ಆಗುವ ಮೂಲಕ ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ಹೆಚ್ಚು ಆಕರ್ಷಕವಾಗುತ್ತದೆ ಮತ್ತು ತತ್ವಾರ್ಹತೆಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ. ತರಗತಿಯ ಮುಂಚೆಯೂ ವ್ಯಾಪಿತ ಪ್ರಶ್ನೋತ್ತರವು ವಿದ್ಯಾರ್ಥಿಯನ್ನು ಕಲಿಕೆ ನಿಟ್ಟಿನಲ್ಲಿ ಸಿದ್ಧಪಡಿಸುತ್ತದೆ, ಮತ್ತು ತರಗತಿಯ ನಂತರದ ಪ್ರಶ್ನೋತ್ತರವು ಸ್ಮರಣವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ. ಈ ಪಠ್ಯಕ್ರಮವು ಆರಾಮದಾಯಕ, ನಿರ್ವಿಕಲ್ಪವಾಗಿ ಸಾರ್ವಜನಿಕವಾಗಿ ಅಥವಾ ಹಂತವಾಗಿ ಇಳಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ಯೋಜನೆಗಳು ಸಣ್ಣದಾಗಿ ಪ್ರಾರಂಭಿಸಿ 12 ವಾರಗಳ ಕೊನೆಯಲ್ಲಿ ಜಟಿಲವಾಗುತ್ತವೆ. ಈ ಪಠ್ಯಕ್ರಮದಲ್ಲಿ ಯಾಂತ್ರಿಕ ಅಧ್ಯಯನದ ನೈಜ ಜಗತ್ತಿನ ಅನ್ವಯಿಕೆಗಳ ಮೇಲಿನ ಒಂದು ನಂತರದ ಟಿಪ್ಪಣಿಯೂ ಇದೆ, ಇದನ್ನು ಹೆಚ್ಚುವರಿ ಕ್ರೆಡಿಟ್ ಅಥವಾ ಚರ್ಚೆಗೆ ನೆಲೆಮಿಡಿಸಲು ಬಳಸಬಹುದು.
ನಮ್ಮ ನಡವಳಿಕೆ ನಿಯಮಾವಳಿ, ನಿಯೋಗ, ಭಾಷಾಂತರ, ಮತ್ತು ತೊಂದರೆ ಪರಿಹಾರ ಮಾರ್ಗಸೂಚಿಗಳನ್ನು ನೋಡಿ. ನಿಮ್ಮ ರಚನೆಾತ್ಮಕ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ನಾವು ಸ್ವಾಗತಿಸುತ್ತೇವೆ!
- ಐಚ್ಛಿಕ ಸ್ಕೆಚ್ನೋಟ್
- ಐಚ್ಛಿಕ ಪೂರಕ ವೀಡಿಯೊ
- ವಿಡಿಯೋ ನಡೆಯು (ಕೆಲವು ಪಾಠಗಳಿಗೆ ಮಾತ್ರ)
- ಪೂರ್ವ ಪಾಠ ತಯಾರಿಕಾ ಪ್ರಶ್ನೋತ್ತರ
- ಬರೆದ ಪಾಠ
- ಯೋಜನೆ ಆಧಾರಿತ ಪಾಠಗಳಿಗೆ, ಯೋಜನೆಯನ್ನು ನಿರ್ಮಿಸುವ ಹಂತ ಹಂತದ ಮಾರ್ಗದರ್ಶಿ
- ಜ್ಞಾನ ಪರೀಕ್ಷೆಗಳು
- ಸವಾಲು
- ಪೂರಕ ಓದು
- ಕಾರ್ಯ
- ಪೋಸ್ಟ್ ಪಾಠ ಪ್ರಶ್ನೋತ್ತರ
ಭಾಷೆಗಳ ಬಗ್ಗೆ ಒಂದು ಟಿಪ್ಪಣಿ: ಈ ಪಾಠಗಳು ಪ್ರಾಮುಖ್ಯವಾಗಿ ಪೈಥಾನ್ನಲ್ಲಿ ಬರೆಯಲ್ಪಟ್ಟಿವೆ, ಆದರೆ ಹಲವಾರು R ದಲ್ಲೂ ಲಭ್ಯವಿವೆ. R ಪಾಠವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು,
/solutionಫೋಲ್ಡರ್ಗೆ ಹೋಗಿ R ಪಾಠಗಳನ್ನು ಹುಡುಕಿ. ಇವುಗಳಲ್ಲಿಗೆ ಒಂದು .rmd ವಿಸ್ತರಣೆಒದಗಿಸಲಾಗಿದೆ, ಇದು R ಮಾರ್ಕ್ಡೌನ್ ಫೈಲ್ ಅನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ, ಇದುcode chunks(R ಅಥವಾ ಇತರ ಭಾಷೆಗಳ) ಮತ್ತು ಒಂದುYAML header(PDF ಮುಂತಾದ output ಗಳನ್ನು ಹೇಗೆ ಫಾರ್ಮಾಟ್ ಮಾಡುವುದು ಎಂಬುದನ್ನು ಸೂಚಿಸುವ) ಅನ್ನುMarkdown ಡಾಕ್ಯುಮೆಂಟ್ರಲ್ಲಿ ಎम्बೆಡ್ ಮಾಡುವುದಾಗಿ ಸರಳವಾಗಿ ವಿವರಿಸಬಹುದು. ಹೀಗಾಗಿ, ಇದು ಡೇಟಾ ಸೈನ್ಸ್ ಕ್ಕೆ ಒಂದು ಉದಾಹರಣಾದ ಲೇಖನ ಚಟುವಟಿಕೆ ವ್ಯವಸ್ಥೆ ಆಗಿದ್ದು, ನೀವು ನಿಮ್ಮ ಕೋಡ್, ಅದರಿಂದ ಬರುವ output ಮತ್ತು ನಿಮ್ಮ ಆಲೋಚನೆಗಳನ್ನು ಮಾರ್ಕ್ಡೌನ್ನಲ್ಲಿ ಬರೆದು ಒಟ್ಟುಗೂಡಿಸಲು ಅನುಮತಿಸುತ್ತದೆ. ಮತ್ತೊಮ್ಮೆ, R ಮಾರ್ಕ್ಡೌನ್ ಡಾಕ್ಯುಮೆಂಟ್ಗಳನ್ನು PDF, HTML, ಅಥವಾ ವರ್ಡ್ ಮುಂತಾದ_OUTPUT_ ಸ್ವರೂಪಗಳಿಗೆ ರೆಂಡರ್ ಮಾಡಬಹುದು.
ಪ್ರಶ್ನೋತ್ತರಗಳ ಬಗ್ಗೆ ಒಂದು ಟಿಪ್ಪಣಿ: ಎಲ್ಲಾ ಪ್ರಶ್ನೋತ್ತರಗಳು Quiz App ಫೋಲ್ಡರ್ ನಲ್ಲಿ ಸೇರಿವೆ, ಒಟ್ಟು 52 ಪ್ರಶ್ನೋತ್ತರಗಳು, ಪ್ರತಿ ಮೂರು ಪ್ರಶ್ನೆಗಳನ್ನು ಒಳಗೊಂಡಿವೆ. ಅವು ಪಾಠಗಳಲ್ಲಿ ಲಿಂಕ್ ಆಗಿದ್ದು, Quiz App ಅನ್ನು ಸ್ಥಳೀಯವಾಗಿ ರನ್ ಮಾಡಬಹುದು; ಸ್ಥಳೀಯವಾಗಿ ಹೋಸ್ಟ್ ಮಾಡಲು ಅಥವಾ Azure ಗೆ ಡಿಪ್ಲಾಯ್ ಮಾಡಲು
quiz-appಫೋಲ್ಡರ್ನಲ್ಲಿನ ಸೂಚನೆಗಳನ್ನು ಅನುಸರಿಸಿ.
| ಪಾಠ ಸಂಖ್ಯೆ | ವಿಷಯ | ಪಾಠ ಗುಂಪು | ಕಲಿಕೆ ಗುರಿಗಳು | ಲಿಂಕ್ ಪಾಠ | ಲೇಖಕ |
|---|---|---|---|---|---|
| 01 | ಯಂತ್ರ ಕಲಿಕೆಗೆ ಪರಿಚಯ | ಪರಿಚಯ | ಯಂತ್ರ ಕಲಿಕೆಯ ಮೂಲಭೂತ ಸಂಸ್ಥಾನಗಳನ್ನು ಕಲಿಯಿರಿ | ಪಾಠ | ಮೂಹಮ್ಮದ್ |
| 02 | ಯಂತ್ರ ಕಲಿಕೆಯ ಇತಿಹಾಸ | ಪರಿಚಯ | ಈ ಕ್ಷೇತ್ರದ ಇತಿಹಾಸವನ್ನು ತಿಳಿದುಕೊಳ್ಳಿ | ಪಾಠ | ಜೆನ್ ಮತ್ತು ಎಮಿ |
| 03 | ನ್ಯಾಯ ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆ | ಪರಿಚಯ | ಯಂತ್ರ ಕಲಿಕೆ ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸುವಾಗ ವಾದಸರಣೀಯ ನ್ಯಾಯದ ಪ್ರಮುಖ ತತ್ತ್ವಾಂಶಗಳೇನು ಎಂದು ವಿದ್ಯಾರ್ಥಿಗಳು ಪರಿಗಣಿಸುವುದೇನು? | ಪಾಠ | ಟೊಮೊಮಿ |
| 04 | ಯಂತ್ರ ಕಲಿಕೆಯ ತಂತ್ರಗಳು | ಪರಿಚಯ | ಯಂತ್ರ ಕಲಿಕೆ ಸಂಶೋಧಕರು ಯಂತ್ರ ಕಲಿಕೆಯ ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ಯಾವ ತಂತ್ರಗಳನ್ನು ಬಳಕೆ ಮಾಡುತ್ತಾರೆ? | ಪಾಠ | ಕ್ರಿಸ್ ಮತ್ತು ಜೆನ್ |
| 05 | ರಿಗ್ರೆಶನ್ಗೆ ಪರಿಚಯ | ರಿಗ್ರೆಶನ್ | ರಿಗ್ರೆಶನ್ ಮಾದರಿಗಳಿಗಾಗಿ ಪೈಥಾನ್ ಮತ್ತು ಸೈಕಿಟ್-ಲರ್ನ್ ಮೂಲಕ ಪ್ರಾರಂಭಿಸಿ | Python • R | ಜೆನ್ • ಎರಿಕ್ ವಾಂಜ್ಜಿ |
| 06 | ನಾರ್ತ್ ಅಮೆರಿಕದ ಹುಳಿಗೆ ದರಗಳು 🎃 | ರಿಗ್ರೆಶನ್ | ಯಂತ್ರ ಕಲಿಕೆಯ ತಯಾರಿಗಾಗಿ ಡೇಟಾವನ್ನು ದೃಶ್ಯೀಕರಣ ಮತ್ತು ಸ್ವಚ್ಛತೆ ಮಾಡಿರಿ | Python • R | ಜೆನ್ • ಎರಿಕ್ ವಾಂಜ್ಜಿ |
| 07 | ನಾರ್ತ್ ಅಮೆರಿಕದ ಹುಳಿಗೆ ದರಗಳು 🎃 | ರಿಗ್ರೆಶನ್ | ರೇಖೀಯ ಮತ್ತು ಬಹುಪದ ರಿಗ್ರೆಶನ್ ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಿ | Python • R | ಜೆನ್ ಮತ್ತು ಡ್ಮಿಟ್ರಿ • ಎರಿಕ್ ವಾಂಜ್ಜೌ |
| 08 | ನಾರ್ತ್ ಅಮೆರಿಕದ ಹುಳಿಗೆ ದರಗಳು 🎃 | ರಿಗ್ರೆಶನ್ | ಲಾಜಿಸ್ಟಿಕ್ ರಿಗ್ರೆಶನ್ ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸಿ | Python • R | ಜೆನ್ • ಎರಿಕ್ ವಾಂಜ್ಜೌ |
| 09 | ವೆಬ್ ಅಪ್ಲಿಕೇಶನ್ 🔌 | ವೆಬ್ ಅಪ್ | ನಿಮ್ಮ ತರಬೇತುಗೊಳ್ಳಿಸಿದ ಮಾದರಿಯನ್ನು ಬಳಸಲು ಒಂದು ವೆಬ್ ಅಪ್ಲಿಕೇಶನ್ ನಿರ್ಮಿಸಿ | Python | ಜೆನ್ |
| 10 | ವರ್ಗೀಕರಣಕ್ಕೆ ಪರಿಚಯ | ವರ್ಗೀಕರಣ | ನಿಮ್ಮ ಡೇಟಾವನ್ನು ಸ್ವಚ್ಛ, ತಯಾರಿಸಿ, ಮತ್ತು ದೃಶ್ಯೀಕರಿಸಿ; ವರ್ಗೀಕರಣಕ್ಕೆ ಪರಿಚಯ | Python • R | ಜೆನ್ ಮತ್ತು ಕ್ಯಾಸಿ • ಎರಿಕ್ ವಾಂಜ್ಜೌ |
| 11 | ಆಸೀಯ ಮತ್ತು ಭಾರತೀಯ ರುಚಿಗಳು 🍜 | ವರ್ಗೀಕರಣ | ವರ್ಗೀಕರಣಕಾರರ ಪರಿಚಯ | Python • R | ಜೆನ್ ಮತ್ತು ಕ್ಯಾಸಿ • ಎರಿಕ್ ವಾಂಜ್ಜೌ |
| 12 | ಆಸೀಯ ಮತ್ತು ಭಾರತೀಯ ರುಚಿಗಳು 🍜 | ವರ್ಗೀಕರಣ | ಹೆಚ್ಚಿನ ವರ್ಗೀಕರಣಕಾರರು | Python • R | ಜೆನ್ ಮತ್ತು ಕ್ಯಾಸಿ • ಎರಿಕ್ ವಾಂಜ್ಜೌ |
| 13 | ಆಸೀಯ ಮತ್ತು ಭಾರತೀಯ ರುಚಿಗಳು 🍜 | ವರ್ಗೀಕರಣ | ನಿಮ್ಮ ಮಾದರಿಯನ್ನು ಉಪಯೋಗಿಸಿ ಶಿಫಾರಸು ಮಾಡುವ ವೆಬ್ ಅಪ್ಲಿಕೇಶನ್ ನಿರ್ಮಿಸಿ | Python | ಜೆನ್ |
| 14 | ಕ್ಲಸ್ಟರಿಂಗ್ಗೆ ಪರಿಚಯ | ಕ್ಲಸ್ಟರಿಂಗ್ | ನಿಮ್ಮ ಡೇಟಾವನ್ನು ಸ್ವಚ್ಛ, ತಯಾರಿಸಿ, ಮತ್ತು ದೃಶ್ಯೀಕರಿಸಿ; ಕ್ಲಸ್ಟರಿಂಗ್ಗೆ ಪರಿಚಯ | Python • R | ಜೆನ್ • ಎರಿಕ್ ವಾಂಜ್ಜೌ |
| 15 | ನೈಜೀರಿಯನ್ ಸಂಗೀತ ರುಚಿಗಳ ಅನ್ವೇಷಣೆ 🎧 | ಕ್ಲಸ್ಟರಿಂಗ್ | ಕೆ-ಮೀನ್ಸ್ ಕ್ಲಸ್ಟರಿಂಗ್ ವಿಧಾನವನ್ನು ಅನ್ವೇಷಿಸಿ | Python • R | ಜೆನ್ • ಎರಿಕ್ ವಾಂಜ್ಜೌ |
| 16 | ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆಗೆ ಪರಿಚಯ ☕️ | ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆ | ಸರಳ ಬಾಟ್ ಅನ್ನು ನಿರ್ಮಿಸುವ ಮೂಲಕ NLP ಮೂಲಗಳನ್ನು ಕಲಿಯಿರಿ | Python | ಸ್ಟೀಫನ್ |
| 17 | ಸಾಮಾನ್ಯ NLP ಕೆಲಸಗಳು ☕️ | ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆ | ಭಾಷಾ ರಚನೆಗಳನ್ನು ನಿರ್ವಹಿಸುವಾಗ ಬೇಕಾದ ಸಾಮಾನ್ಯ ಕಾರ್ಯಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದರಿಂದ ನಿಮ್ಮ NLP ಜ್ಞಾನವನ್ನು ಆಳಗೊಳಿಸಿ | Python | ಸ್ಟೀಫನ್ |
| 18 | ಅನುವಾದ ಮತ್ತು ಭಾವ ವಿಶ್ಲೇಷಣೆ |
ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆ | ಜೆನ್ ಆಷ್ಟಿನ್ ಮೂಲಕ ಅನುವಾದ ಮತ್ತು ಭಾವ ವಿಶ್ಲೇಷಣೆ | Python | ಸ್ಟೀಫನ್ |
| 19 | ಯುರೋಪಿಯನ್ ಪ್ರೇಮ ಆಸ್ಪತ್ರೆಗಳು |
ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆ | ಹೋಟೆಲ್ ವಿಮರ್ಶೆಗಳಿಂದ ಭಾವ ವಿಶ್ಲೇಷಣೆ 1 | Python | ಸ್ಟೀಫನ್ |
| 20 | ಯುರೋಪಿಯನ್ ಪ್ರೇಮ ಆಸ್ಪತ್ರೆಗಳು |
ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆ | ಹೋಟೆಲ್ ವಿಮರ್ಶೆಗಳಿಂದ ಭಾವ ವಿಶ್ಲೇಷಣೆ 2 | Python | ಸ್ಟೀಫನ್ |
| 21 | ಕಾಲ ಸರಣಿಗಳ ಭವಿಷ್ಯಕ್ತಿಸುವಿಕೆಗೆ ಪರಿಚಯ | ಕಾಲ ಸರಣಿ | ಕಾಲ ಸರಣಿಗಳ ಭವಿಷ್ಯಕ್ಟಿಸುವಿಕೆಗೆ ಪರಿಚಯ | Python | ഫ്രಾನ್ಸೆಸ್ಕ |
| 22 | ⚡️ ವಿಶ್ವ ವಿದ್ಯुत ಬಳಕೆ ⚡️ - ARIMA ಸಹಿತ ಕಾಲ ಸರಣಿ forecasting | ಕಾಲ ಸರಣಿ | ARIMA ನೊಂದಿಗೆ ಕಾಲ ಸರಣಿ forecasting | Python | ഫ്രಾನ್ಸೆಸ್ಕ |
| 23 | ⚡️ ವಿಶ್ವ ವಿದ್ಯುತ್ ಬಳಕೆ ⚡️ - SVR ಸಹಿತ ಕಾಲ ಸರಣಿ forecasting | ಕಾಲ ಸರಣಿ | ಸಪೋರ್ಟ್ ವೆಕ್ಟರ್ ರಿಗ್ರೆಶನ್ (SVR) ಸಹಿತ ಕಾಲ ಸರಣಿ forecasting | Python | ಅನಿರ್ಬಾನ್ |
| 24 | ಪುನರಾವೃತ್ತ ಕಲಿಕೆಯ ಪರಿಚಯ | ಪುನರಾವೃತ್ತ ಕಲಿಕೆ | Q-ಲರ್ನಿಂಗ್ ಬಳಸಿ ಪುನರಾವೃತ್ತ ಕಲಿಕೆಯ ಪರಿಚಯ | Python | ಡ್ಮಿಟ್ರಿ |
| 25 | ಪೀಟರ್ ಪ್ರಾಣಿಗಳಿಂದ ತಪ್ಪಿಸಿರಿ! 🐺 | ಪುನರಾವೃತ್ತ ಕಲಿಕೆ | ಪುನರಾವೃತ್ತ ಕಲಿಕೆಯ ಜಿಮ್ | Python | ಡ್ಮಿಟ್ರಿ |
| ಅನುಬಂಧ | ನಿಜಜೀವ ML ಘಟನಾಕ್ರಮಗಳು ಮತ್ತು ಅನ್ವಯಿಕೆಗಳು | ಜೀವರಹಿತದ ML | ಕ್ಲಾಸಿಕಲ್ ML ನ ಆಸಕ್ತಿದಾಯಕ ಮತ್ತು ಪ್ರಕಟಣೆಮಾಡುವ ನಿಜಜೀವ ಅನ್ವಯಿಕೆಗಳು | ಪಾಠ | ತಂಡ |
| ಅನುಬಂಧ | RAI ಡ್ಯಾಶ್ಬೋರ್ಡ್ ಬಳಸಿ ML ಮಾದರಿ ಡಿಬಗಿಂಗ್ | ಜೀವರಹಿತದ ML | ಜವಾಬ್ದಾರಿ AI ಡ್ಯಾಶ್ಬೋರ್ಡ್ ಘಟಕಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಯಂತ್ರ ಕಲಿಕೆ ಮಾದರಿ ಡಿಬಗಿಂಗ್ | ಪಾಠ | ರೂತ್ ಯಾಕುಬು |
ಈ ಕೋರ್ಸ್ನ ಎಲ್ಲಾ ಹೆಚ್ಚುವರಿ ಸಂಪನ್ಮೂಲಗಳನ್ನು ನಮ್ಮ Microsoft Learn ಸಂಗ್ರಹದಲ್ಲಿ ಪತ್ತೆಮಾಡಿ
ನೀವು ಈ ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ಅನ್ನು ಆಫ್ಲೈನಲ್ಲಿಯೇ Docsify ಬಳಸಿ রান್ ಮಾಡಬಹುದು. ಈ ರೆಪೊವನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ, ನಿಮ್ಮ ಸ್ಥಳೀಯ ಯಂತ್ರದಲ್ಲಿ Docsify ಹೊಂದಿಸಿ, ನಂತರ ಈ ರೆಪೊ ರూట್ ಫೋಲ್ಡರ್ನಲ್ಲಿ docsify serve ಎಂಬ ಲಿಖನ ನೀಡಿ. ವೆಬ್ಸೈಟ್ ನಿಮ್ಮ ಸ್ಥಳೀಯ ಯಂತ್ರದಲ್ಲಿ ಪೋರ್ಟ್ 3000 ಮೇಲೆ ಸರ್ವ್ ಆಗುತ್ತದೆ: localhost:3000.
ಪಠ್ಯಕ್ರಮದ ಪಿಡಿಎಫ್ ಅನ್ನು ಇಲ್ಲಿ ಹುಡುಕಿ.
ನಮ್ಮ ತಂಡ ಇತರ ಕೋರ್ಸಸ್ ಅನ್ನು ತಯಾರಿಸುತ್ತದೆ! ನೋಡಿ:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
ನೀವು ಅಡ್ಡಬಿದ್ದರೆ ಅಥವಾ AI ಆ್ಯಪ್ಗಳನ್ನು ನಿರ್ಮಿಸುವ ಬಗ್ಗೆ ಯಾವುದೇ ಪ್ರಶ್ನೆಗಳಿದ್ದರೆ, MCP ಬಗ್ಗೆ ಚರ್ಚೆಗಳಲ್ಲಿ ಇತರ ಕಲಿಯುತ್ತಿರುವವರ ಮತ್ತು ಅನುಭವೀ ಡೆವಲಪರ್ಗಳೊಂದಿಗೆ ಸೇರಿ. ಇದು ಪ್ರಶ್ನೆಗಳಿಗೆ ಸ್ವಾಗತ ನೀಡುವ ಮತ್ತು ಜ್ಞಾನದ ವಿನಿಮಯದ ಸಹಾಯಕ ಸಮುದಾಯವಾಗಿದೆ.
ನೀವು ಉತ್ಪನ್ನ ಪ್ರತಿಕ್ರಿಯೆ ಅಥವಾ ನಿರ್ಮಾಣದ ವೇಳೆ ದೋಷಗಳನ್ನು ಕಂಡುಹಿಡಿದಿದ್ದರೆ ಭೇಟಿ ನೀಡಿ:
- ಪ್ರತಿ ಪಾಠದ ನಂತರ ಟಿಪ್ಪಣಿಗಳನ್ನು ಪರಿಶೀಲಿಸಿ ಉತ್ತಮ ಅರ್ಥವಾಗಲು.
- ಸ್ವತಃ ಅಲ್ಗಾರಿತಮ್ಗಳನ್ನು ಅನುಸರಿಸಿ ಅಭ್ಯಾಸ ಮಾಡಿ.
- ಕಲಿತ ತತ್ವಗಳನ್ನು ಬಳಸಿ ವಾಸ್ತವಿಕ ಡೇಟಾಸೆಟ್ಗಳನ್ನು ಅನ್ವೇಷಿಸಿ.
ತಳ್ಳುವಿಕೆ:
ಈ ದಸ್ತಾವೇಜುವನ್ನು AI ಭಾಷಾಂತರ ಸೇವೆ Co-op Translator ಬಳಸಿ ಭಾಷಾಂತರಿಸಲಾಗಿದೆ. ನಾವು ಸತ್ಯತೆಯಿಗಾಗಿ ಪ್ರಯತ್ನಿಸುವುದಾದರೂ, ಸ್ವಯಂಚಾಲಿತ ಭಾಷಾಂತರಗಳು ದೋಷಗಳು ಅಥವಾ ಅಸತ್ಯತೆಯನ್ನು ಹೊಂದಿರಬಹುದು ಎಂದು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ಭಾಷೆಯಲ್ಲಿನ ಮೂಲ ದಸ್ತಾವೇಜನ್ನು ಅಧಿಕಾರಪೂರ್ಣ ಮೂಲ ಎಂದು ಪರಿಗಣಿಸಬೇಕಾಗಿದೆ. ಸಂವೇದನಶೀಲ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಭಾಷಾಂತರವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಭಾಷಾಂತರದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪುಅರ್ಥಗಳನ್ನು ಅಥವಾ ತಪ್ಪು ವ್ಯಾಖ್ಯಾನಗಳನ್ನು ನಾವು ಹೊಣೆಗಾರರಾಗಿರುವುದಿಲ್ಲ.