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
स्थानीय क्लोन गर्न रुचाउनुहुन्छ?
यस रिपोजिटरीमा ५०+ भाषाका अनुवादहरू समावेश छन् जसले डाउनलोड साइजलाई उल्लेखनीय रूपमा बढाउँछ। अनुवादहरू बिना क्लोन गर्न, sparse checkout प्रयोग गर्नुहोस्:
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"यसले तपाईंलाई धेरै छिटो डाउनलोड गरेर कोर्स पूरा गर्न आवश्यक सबै कुरा दिन्छ।
हामीसँग एक चलिरहेको Discord learn with AI श्रृंखला छ, थप जान्न र सामेल हुन Learn with AI Series मा जानुहोस्, सेप्टेम्बर १८ - ३०, २०२५। तपाईंलाई GitHub Copilot लाई डेटा साइन्सका लागि कसरी प्रयोग गर्ने सुझाव र तरिका प्राप्त हुनेछ।
🌍 विश्वका संस्कृतिहरू मार्फत मेशिन लर्निङ अन्वेषण गर्दा विश्व भ्रमण गर्नुहोस् 🌍
Microsoft का क्लाउड एड्भोकेटहरूले मेशिन लर्निङ सम्बन्धि १२ हप्ता, २६-पाठ्यक्रम प्रस्ताव गर्न पाउँदा खुशी छन्। यस पाठ्यक्रममा, तपाईं प्रायः Scikit-learn लाइब्रेरी प्रयोग गरी जाने कहिले काहीँ क्लासिक मेशिन लर्निङ भनिने विषय सिक्नुहुनेछ, र गहिरो शिक्षण (deep learning) बाट बच्नु हुने छ, जुन हाम्रो AI for Beginners’ पाठ्यक्रम मा समेटिएको छ। यी पाठहरूलाई हाम्रो 'Data Science for Beginners' पाठ्यक्रम सँग पनि जोड्न सक्नुहुन्छ।
विश्वका धेरै क्षेत्रका डेटा माथि यी क्लासिक प्रविधिहरू लागू गर्दै हामीसँग यात्रा गर्नुहोस्। प्रत्येक पाठमा पूर्व र पश्चात क्विज, लेखिएको निर्देशन, समाधान, असाइनमेन्ट र थप समावेश छन्। हाम्रो परियोजना-आधारित शिक्षाशैलीले तपाईंलाई सिक्दै निर्माण गर्ने मौका दिन्छ, जुन नयाँ कौशललाई 'टिकाउन' प्रमाणित मार्ग हो।
✍️ हाम्रा लेखकहरूलाई हार्दिक धन्यवाद जेन लूपर, स्टीफन हावेल, फ्रान्सेस्का लाज्जेरी, टोमोमी इमुरा, क्यास्सी ब्रेभिउ, Dmitry Soshnikov, क्रिस नोरींग, अनिरबान मुखर्जी, ओर्नेला अल्टुन्यान, रुथ याकुबु र एमी बोयड
🎨 हाम्रा चित्रकारहरूलाई पनि धन्यवाद टोमोमी इमुरा, दासानी मादीपल्ली, र जेन लूपर
🙏 विशेष धन्यवाद 🙏 हाम्रो Microsoft Student Ambassador लेखकलगायत समीक्षक र सामग्री योगदानकर्ताहरू, विशेष गरी ऋषित दग्ली, मुहम्मद साकिब खान इनान, रोहन राज, अलेक्जान्ड्रु पेट्रेस्कु, अभिषेक जायसवाल, नवरिन तबास्सुम, इओन सामुइला, र स्निग्धा अग्रवाललाई
🤩 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, र Vidushi Gupta लाई हाम्रो R पाठका लागि अतिरिक्त कृतज्ञता!
यी चरणहरू पालना गर्नुहोस्:
- रिपोजिटरी फोर्क गर्नुहोस्: पृष्ठको माथि-दायाँ कुनामा "Fork" बटनमा क्लिक गर्नुहोस्।
- रिपोजिटरी क्लोन गर्नुहोस्:
git clone https://github.com/microsoft/ML-For-Beginners.git
यो कोर्सका सबै थप स्रोतहरू हाम्रो Microsoft Learn संग्रहमा पाउनुहोस्
🔧 मद्धत चाहिन्छ? सामान्य समस्याहरूका समाधानहरूको लागि हाम्रो समस्या समाधान मार्गदर्शिका जाँच्नुहोस्।
विद्यार्थीहरू, यो पाठ्यक्रम प्रयोग गर्न, आफ्नो GitHub खातामा सम्पूर्ण रिपो फोर्क गरी अभ्यासहरू आफैं वा समूहका साथ पूरा गर्नुहोस्:
- पूर्व-व्याख्यान क्विजबाट सुरु गर्नुहोस्।
- व्याख्यान पढ्नुहोस् र प्रत्येक ज्ञान जाँचमा रोकी मर्म समझ गर्दै गतिविधिहरू पूरा गर्नुहोस्।
- परियोजना बनाउन प्रयास गर्नुहोस्, समाधान कोड चलाउनुभन्दा पाठहरू बुझ्न प्रयास गर्नुहोस्; तथापि समाधान कोड प्रत्येक परियोजना-उन्मुख पाठका
/solutionफोल्डरहरूमा उपलब्ध छ। - पश्चात व्याख्यान क्विज लिउँ।
- चुनौती पूरा गर्नुहोस्।
- असाइनमेन्ट पूरा गर्नुहोस्।
- एक पाठ समूह पूरा गरेपछि, चर्चा बोर्ड मा जानुहोस् र उपयुक्त PAT रूब्रिक भर्दै "सायधा सिक्नुहोस्"। 'PAT' प्रगति मूल्याङ्कन उपकरण हो जुन तपाईंले आफ्ना सीखहरूलाई अगाडि बढाउन भर्नुहुन्छ। तपाईंले अन्य PATs मा प्रतिक्रिया जनाउन पनि सक्नुहुन्छ ताकि हामी सँगै सिक्न सकौं।
थप अध्ययनका लागि, यी Microsoft Learn मोड्युल र सिकाइ मार्गहरूको पालना गर्न सिफारिस गर्दछौं।
शिक्षकहरू, हामीले यो पाठ्यक्रम कसरी प्रयोग गर्ने बारे केही सुझावहरू समावेश गरेका छौं।
केही पाठहरू छोटो फारम भिडियोमा उपलब्ध छन्। तपाईं यी सबैलाई पाठहरू भित्र सिधै वा Microsoft Developer YouTube च्यानलको ML for Beginners प्लेलिस्टमा तलको छविमा क्लिक गरेर हेर्न सक्नुहुन्छ।
Gif द्वारा Mohit Jaisal
🎥 माथि छविमा क्लिक गरी परियोजना र यसलाई सिर्जना गर्ने व्यक्तिहरूको भिडियो हेर्नुहोस्!
यो पाठ्यक्रम निर्माण गर्दा हामीले दुई शिक्षाशास्त्रीय सिद्धान्तहरू रोजेका छौं: यो हातमा काम गर्ने परियोजना-आधारित हुनुपर्ने र यसले बारम्बार क्युइजहरू समावेश गर्ने हुनुपर्ने। यसको साथै, यस पाठ्यक्रममा एक साझा थिम छ जुन यसलाई सुसंगत बनाउँछ।
सामग्रीलाई परियोजनाहरूसँग मिलाएर प्रस्तुत गर्दा विद्यार्थीहरूका लागि रमाइलो हुन्छ र अवधारणाहरूको सम्हाल स्थायी हुन्छ। साथै, कक्षाका अघि लागू हुने कम जोखिमको क्युइज विद्यार्थीको सिकाइ प्रति चाहना सेट गर्दछ, र कक्षापश्चात हुने दोस्रो क्युइज थप बुझाइ सुनिश्चित गर्दछ। यो पाठ्यक्रम लचिलो र रमाइलो हुन डिजाइन गरिएको छ र पूरै वा अंशमा लिन सकिन्छ। परियोजनाहरू साना बाट सुरु भएर १२ हप्ताको अन्त्यतिर जटिल हुँदै जान्छन्। यस पाठ्यक्रममा ML का वास्तविक-विश्व प्रयोगहरूको एक पोस्टस्क्रिप्ट पनि छ, जसलाई बिषयगत क्रेडिट वा छलफलको आधारको रूपमा प्रयोग गर्न सकिन्छ।
हाम्रो आचरण संहिता, योगदान, अनुवाद, र समस्या समाधान मार्गनिर्देशनहरू पाउनुहोस्। हामी तपाईंको रचनात्मक प्रतिक्रियालाई स्वागत गर्दछौं!
- वैकल्पिक स्केच नोट
- वैकल्पिक पूरक भिडियो
- भिडियो हिड्ने तरिका (केही पाठहरूका लागि मात्र)
- पूर्व-व्याख्यान वार्मअप क्युइज
- लेखिएको पाठ
- परियोजना-आधारित पाठहरूका लागि परियोजना बनाउने स्टेप-बाइ-स्टेप मार्गनिर्देशन
- ज्ञान जाँचहरू
- एक चुनौती
- पूरक अध्ययन सामग्री
- असाइनमेन्ट
- पश्चात-व्याख्यान क्युइज
भाषाहरूको बारेमा एउटा नोट: यी पाठहरू मुख्य रूपमा Python मा लेखिएका छन्, तर धेरै पाठहरू R मा पनि उपलब्ध छन्। R को एक पाठ पूरा गर्न,
/solutionफोल्डरमा जानुहोस् र R पाठहरू खोज्नुहोस्। तिनीहरूमा .rmd विस्तार हुन्छ जुन एक R Markdown फाइल जनाउँछ जुन सजिलैसँगcode chunks(R वा अन्य भाषाहरूको) रYAML header(जसले PDF जस्ता आउटपुटहरू कसरी ढाँचा गर्ने निर्देशन दिन्छ) लाईMarkdown दस्तावेज़मा एकीकृत गर्ने रूपमा परिभाषित गर्न सकिन्छ। यसकारण, यसले डेटा विज्ञानका लागि एउटा उत्कृष्ट लेखक ढाँचा प्रदान गर्छ किनकि यसले तपाईंलाई आफ्नो कोड, यसको आउटपुट, र तपाईका विचारहरूलाई Markdown मा लेख्न अनुमति दिँदै संयोजन गर्न अनुमति दिन्छ। थप रूपमा, R Markdown दस्तावेजहरूलाई PDF, HTML, वा Word जस्ता आउटपुट ढाँचामा प्रस्तुत गर्न सकिन्छ।
क्विजहरूको बारेमा एउटा नोट: सबै क्विजहरू Quiz App फोल्डर मा समावेश छन्, जसमा जम्मा ५२ वटा क्विजहरू छन् जसमा प्रत्येकमा तीन प्रश्नहरू छन्। तिनीहरू पाठहरू भित्रबाट लिंक गरिएका छन् तर क्विज एप स्थानीय रूपमा चलाउन सकिन्छ; स्थानीय रूपमा होस्ट गर्न वा Azure मा डिप्लॉय गर्नको लागि
quiz-appफोल्डरमा दिइएको निर्देशन पालन गर्नुहोस्।
| पाठ संख्या | विषय | पाठ वर्गीकरण | सिकाइ लक्ष्यहरू | लिंक गरिएको पाठ | लेखक |
|---|---|---|---|---|---|
| 01 | मशीन लर्निंग परिचय | परिचय | मशीन लर्निंगका आधारभूत अवधारणाहरू सिक्नुहोस् | पाठ | Muhammad |
| 02 | मशीन लर्निंगको इतिहास | परिचय | यस क्षेत्रको इतिहास सिक्नुहोस् | पाठ | Jen and Amy |
| 03 | निष्पक्षता र मशीन लर्निंग | परिचय | निष्पक्षतासँग सम्बन्धित महत्त्वपूर्ण दार्शनिक मुद्दाहरू के-के छन्? विद्यार्थीहरूले ML मोडेलहरू निर्माण र प्रयोग गर्दा के विचार गर्नु पर्छ? | पाठ | Tomomi |
| 04 | मशीन लर्निंगका प्रविधिहरू | परिचय | ML अनुसन्धानकर्ताहरूले कुन प्रविधिहरू प्रयोग गर्छन्? | पाठ | Chris and Jen |
| 05 | रिग्रेसन परिचय | रिग्रेसन | रिग्रेसन मोडेलहरूको लागि Python र Scikit-learn सुरु गर्नुहोस् | Python • R | Jen • Eric Wanjau |
| 06 | उत्तर अमेरिकी कुखुरा मूल्य 🎃 | रिग्रेसन | ML को तयारीका लागि डेटा भिजुअलाइज र सफा गर्नुहोस् | Python • R | Jen • Eric Wanjau |
| 07 | उत्तर अमेरिकी कुखुरा मूल्य 🎃 | रिग्रेसन | लीनियर र पोलिनोमियल रिग्रेसन मोडेलहरू बनाउनुहोस् | Python • R | Jen and Dmitry • Eric Wanjau |
| 08 | उत्तर अमेरिकी कुखुरा मूल्य 🎃 | रिग्रेसन | एक लगिस्टिक रिग्रेसन मोडेल बनाउनुहोस् | Python • R | Jen • Eric Wanjau |
| 09 | वेब एप्लिकेशन 🔌 | वेब एप | तपाईंको प्रशिक्षण प्राप्त मोडेल प्रयोग गर्न वेब एप्लिकेशन बनाउनुहोस् | Python | Jen |
| 10 | वर्गीकरण परिचय | वर्गीकरण | आफ्नो डेटा सफा, तयारी र भिजुअलाइज गर्नुहोस्; वर्गीकरण परिचय | Python • R | Jen and Cassie • Eric Wanjau |
| 11 | स्वादिष्ट एशियाली र भारतीय खाना 🍜 | वर्गीकरण | वर्गीकर्ताहरूको परिचय | Python • R | Jen and Cassie • Eric Wanjau |
| 12 | स्वादिष्ट एशियाली र भारतीय खाना 🍜 | वर्गीकरण | थप वर्गीकर्ताहरू | Python • R | Jen and Cassie • Eric Wanjau |
| 13 | स्वादिष्ट एशियाली र भारतीय खाना 🍜 | वर्गीकरण | तपाईको मोडेल प्रयोग गरी सिफारिस गर्ने वेब एप्लिकेशन बनाउनुहोस् | Python | Jen |
| 14 | क्लस्टरिङ परिचय | क्लस्टरिङ | आफ्नो डेटा सफा, तयारी र भिजुअलाइज गर्नुहोस्; क्लस्टरिङ परिचय | Python • R | Jen • Eric Wanjau |
| 15 | नाइजेरियन संगीत रुचिहरू अन्वेषण 🎧 | क्लस्टरिङ | K-Means क्लस्टरिङ विधि अन्वेषण गर्नुहोस् | Python • R | Jen • Eric Wanjau |
| 16 | प्राकृतिक भाषा प्रशोधन परिचय ☕️ | प्राकृतिक भाषा प्रशोधन | सरल बोट निर्माण गरेर NLP का आधारहरू सिक्नुहोस् | Python | Stephen |
| 17 | सामान्य NLP कार्यहरू ☕️ | प्राकृतिक भाषा प्रशोधन | भाषा संरचनाहरूको साथ काम गर्दा आवश्यक सामान्य कार्यहरू बुझेर NLP ज्ञान गहिरो गर्नुहोस् | Python | Stephen |
| 18 | अनुवाद र भावना विश्लेषण |
प्राकृतिक भाषा प्रशोधन | Jane Austen सँग अनुवाद र भावना विश्लेषण | Python | Stephen |
| 19 | युरोपका रमणीय होटलहरू |
प्राकृतिक भाषा प्रशोधन | होटेल समीक्षाहरूसँग भावना विश्लेषण १ | Python | Stephen |
| 20 | युरोपका रमणीय होटलहरू |
प्राकृतिक भाषा प्रशोधन | होटेल समीक्षाहरूसँग भावना विश्लेषण २ | Python | Stephen |
| 21 | टाइम सिरिज पूर्वानुमान परिचय | टाइम सिरिज | टाइम सिरिज पूर्वानुमानको परिचय | Python | Francesca |
| 22 | ⚡️ विश्व ऊर्जा उपयोग ⚡️ - ARIMA संग टाइम सिरिज पूर्वानुमान | टाइम सिरिज | ARIMA सहित टाइम सिरिज पूर्वानुमान | Python | Francesca |
| 23 | ⚡️ विश्व ऊर्जा उपयोग ⚡️ - SVR संग टाइम सिरिज पूर्वानुमान | टाइम सिरिज | Support Vector Regressor सहित टाइम सिरिज पूर्वानुमान | Python | Anirban |
| 24 | एनफोर्समेन्मेन्ट लर्निंग परिचय | एनफोर्समेन्मेन्ट लर्निंग | Q-Learning सहित एनफोर्समेन्मेन्ट लर्निंगको परिचय | Python | Dmitry |
| 25 | Peter लाई बघाबाट बचाउन मद्दत गर्नुहोस्! 🐺 | एनफोर्समेन्मेन्ट लर्निंग | एनफोर्समेन्मेन्ट लर्निंग जिम | Python | Dmitry |
| पोस्टस्क्रिप्ट | वास्तविक-विश्व ML परिदृश्य र अनुप्रयोगहरू | बनाउ जङ्गलमा ML | शास्त्रीय ML का रोचक र खुल्ला वास्तविक-विश्व अनुप्रयोगहरू | पाठ | Team |
| पोस्टस्क्रिप्ट | RAI ड्यासबोर्ड प्रयोग गरी ML मा मोडेल डिबगिङ | बनाउ जङ्गलमा ML | Responsible AI ड्यासबोर्ड कम्पोनेन्ट्स प्रयोग गरी मशीन लर्निंग मोडेल डिबगिङ | पाठ | Ruth Yakubu |
यस कोर्सको लागि सबै थप स्रोतहरू हाम्रो Microsoft Learn संग्रहमा फेला पार्नुहोस्
तपाईं Docsify प्रयोग गरी यो कागजात अफलाइनमा चलाउन सक्नुहुन्छ। यो रेपो फोर्क गर्नुहोस्, आफ्नो स्थानीय मेसिनमा Docsify स्थापना गर्नुहोस्, र त्यसपछि यो रेपोको मूल फोल्डरमा docsify serve टाइप गर्नुहोस्। वेबसाइट तपाइँको स्थानीयहोस्टमा पोर्ट 3000 मा सेवा हुनेछ: localhost:3000।
पाठ्यक्रमको PDF फाइल लिंक सहित यहाँ फेला पार्नुहोस्।
हाम्रो टोलीले अन्य कोर्सहरू निर्माण गर्छ! हेर्नुहोस्:
यदि तपाईं अड्कनु भयो वा एआई एपहरू बनाउने बारे कुनै प्रश्न छ भने। साथी सिक्नेहरू र अनुभवी विकासकर्ताहरूसँग MCP सम्बन्धी छलफलमा सामेल हुनुहोस्। यो सहयोगी समुदाय हो जहाँ प्रश्नहरू स्वागत छन् र ज्ञान निःशुल्क साझेदारी गरिन्छ।
यदि तपाईंसँग उत्पादन प्रतिक्रिया छ वा निर्माण गर्दा त्रुटिहरू छन् भने भ्रमण गर्नुहोस्:
- प्रत्येक पाठ पछि नोटबुकहरू समीक्षा गर्नुहोस् बुझाईका लागि।
- आफ्नै अभ्यासमा एल्गोरिदमहरू लागू गर्ने अभ्यास गर्नुहोस्।
- सिकेका अवधारणाहरू प्रयोग गरी वास्तविक विश्वका डेटा सेटहरू अन्वेषण गर्नुहोस्।
अस्वीकरण: यो दस्तावेज AI अनुवाद सेवा Co-op Translator को प्रयोग गरेर अनुवाद गरिएको हो। हामी सही अनुवादको प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादमा त्रुटि वा अशुद्धता हुनसक्छ। मूल दस्तावेज यसको मौलिक भाषामा नै आधिकारिक स्रोत मानिनु पर्छ। महत्वपूर्ण जानकारीका लागि पेशागत मानवीय अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न कुनै पनि गलतफहमी वा भ्रान्तिको लागि हामी जिम्मेवार हौंँन।