अरबी | बंगाली | बुल्गेरियन | बर्मेली (म्यानमार) | चिनियाँ (सरलीकृत) | चिनियाँ (पारम्परिक, हङकङ) | चिनियाँ (पारम्परिक, मकाउ) | चिनियाँ (पारम्परिक, ताइवान) | क्रोएसियन | चेक | डेनिश | डच | एस्टोनियन | फिनिश | फ्रान्सेली | जर्मन | ग्रीक | हिब्रू | हिन्दी | हंगेरीयन | इन्डोनेसियन | इटालियन | जापानी | कोरियन | लिथुआनियन | मलय | मराठी | नेपाली | नाइजेरियन पिड्जिन | नर्वेजियन | फारसी (फारसी) | पोलिश | पोर्चुगिज (ब्राजिल) | पोर्चुगिज (पोर्चुगल) | पञ्जाबी (गुरमुखी) | रोमानियन | रुसी | सर्बियन (सिरिलिक) | स्लोभाक | स्लोभेनियन | स्पेनिश | स्वाहिली | स्विडिश | टागालोग (फिलिपिनो) | तमिल | थाई | टर्किश | युक्रेनीयन | उर्दु | भियतनामी
हामीसँग AI सिक्ने शृंखला चलिरहेको छ, थप जान्न र हामीसँग सामेल हुन AI सिक्ने शृंखला मा १८ - ३० सेप्टेम्बर, २०२५ सम्म। तपाईंले डेटा साइन्सका लागि GitHub Copilot प्रयोग गर्ने टिप्स र ट्रिक्स पाउनुहुनेछ।
🌍 विश्व संस्कृतिहरूको माध्यमबाट मेसिन लर्निङ अन्वेषण गर्दा विश्वभर यात्रा गर्नुहोस् 🌍
Microsoft का Cloud Advocates ले मेसिन लर्निङ सम्बन्धी १२ हप्ताको, २६ पाठहरूको पाठ्यक्रम प्रदान गर्न पाउँदा खुशी छन्। यस पाठ्यक्रममा, तपाईंले कहिलेकाहीं क्लासिक मेसिन लर्निङ भनिने विषयबारे सिक्नुहुनेछ, मुख्य रूपमा Scikit-learn लाई पुस्तकालयको रूपमा प्रयोग गर्दै र गहिरो सिकाइलाई टाढा राख्दै, जुन हाम्रो सुरुवातकर्ताहरूका लागि AI पाठ्यक्रम मा समेटिएको छ। यी पाठहरूलाई हाम्रो 'सुरुवातकर्ताहरूका लागि डेटा साइन्स पाठ्यक्रम' सँग पनि जोड्नुहोस्!
हामीसँग विश्वभर यात्रा गर्नुहोस् जब हामी यी क्लासिक प्रविधिहरूलाई विश्वका विभिन्न क्षेत्रहरूबाट डेटा लागू गर्छौं। प्रत्येक पाठमा पाठ अघि र पछि क्विजहरू, पाठ पूरा गर्नका लागि लिखित निर्देशनहरू, समाधान, असाइनमेन्ट, र थप समावेश छन्। हाम्रो परियोजना-आधारित शिक्षण विधिले तपाईंलाई निर्माण गर्दा सिक्न अनुमति दिन्छ, नयाँ सीपहरू 'टिक्न' को लागि प्रमाणित तरिका।
✍️ हाम्रो लेखकहरूलाई हार्दिक धन्यवाद Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu र Amy Boyd
🎨 हाम्रो चित्रकारहरूलाई पनि धन्यवाद Tomomi Imura, Dasani Madipalli, र Jen Looper
🙏 विशेष धन्यवाद 🙏 हाम्रो Microsoft Student Ambassador लेखकहरू, समीक्षकहरू, र सामग्री योगदानकर्ताहरूलाई, विशेष गरी Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, र Snigdha Agarwal
🤩 अतिरिक्त आभार Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, र Vidushi Gupta लाई हाम्रो R पाठहरूको लागि!
यी चरणहरू पालना गर्नुहोस्:
- रिपोजिटरीलाई Fork गर्नुहोस्: यस पृष्ठको माथि-दायाँ कुनामा रहेको "Fork" बटनमा क्लिक गर्नुहोस्।
- रिपोजिटरीलाई Clone गर्नुहोस्:
git clone https://github.com/microsoft/ML-For-Beginners.git
यस पाठ्यक्रमका लागि सबै अतिरिक्त स्रोतहरू हाम्रो Microsoft Learn संग्रहमा फेला पार्नुहोस्
🔧 मद्दत चाहिन्छ? हाम्रो समस्या समाधान मार्गदर्शिका हेर्नुहोस् स्थापना, सेटअप, र पाठहरू चलाउने सामान्य समस्याहरूको समाधानका लागि।
विद्यार्थीहरू, यस पाठ्यक्रमलाई प्रयोग गर्न, सम्पूर्ण रिपोजिटरीलाई आफ्नो GitHub खातामा Fork गर्नुहोस् र अभ्यासहरू आफैं वा समूहसँग पूरा गर्नुहोस्:
- पाठ अघि क्विजबाट सुरु गर्नुहोस्।
- पाठ पढ्नुहोस् र गतिविधिहरू पूरा गर्नुहोस्, प्रत्येक ज्ञान जाँचमा रोक्दै र विचार गर्दै।
- पाठहरू बुझेर परियोजनाहरू सिर्जना गर्न प्रयास गर्नुहोस् समाधान कोड चलाउनुभन्दा; यद्यपि त्यो कोड प्रत्येक परियोजना-उन्मुख पाठको
/solutionफोल्डरहरूमा उपलब्ध छ। - पाठ पछि क्विज लिनुहोस्।
- चुनौती पूरा गर्नुहोस्।
- असाइनमेन्ट पूरा गर्नुहोस्।
- पाठ समूह पूरा गरेपछि, चर्चा बोर्ड मा जानुहोस् र "ठूलो स्वरमा सिक्नुहोस्" उपयुक्त PAT रुब्रिक भरेर। 'PAT' प्रगति मूल्यांकन उपकरण हो जुन तपाईंले आफ्नो सिकाइलाई अगाडि बढाउन रुब्रिक भर्नुहुन्छ। हामी सँगै सिक्न सकौं भनेर तपाईं अन्य PATs मा प्रतिक्रिया दिन पनि सक्नुहुन्छ।
थप अध्ययनका लागि, हामी यी Microsoft Learn मोड्युलहरू र सिकाइ मार्गहरू पालना गर्न सिफारिस गर्छौं।
शिक्षकहरू, हामीले केही सुझावहरू समावेश गरेका छौं यस पाठ्यक्रमलाई कसरी प्रयोग गर्ने।
केही पाठहरू छोटो रूप भिडियोको रूपमा उपलब्ध छन्। तपाईं यी सबै पाठहरूमा इन-लाइन फेला पार्न सक्नुहुन्छ, वा Microsoft Developer YouTube च्यानलमा ML for Beginners प्लेलिस्ट मा क्लिक गरेर तलको छवि हेर्न सक्नुहुन्छ।
Gif द्वारा Mohit Jaisal
🎥 माथिको छविमा क्लिक गर्नुहोस् परियोजना र यसलाई सिर्जना गर्ने व्यक्तिहरूको बारेमा भिडियोका लागि!
हामीले यो पाठ्यक्रम निर्माण गर्दा दुई शिक्षण सिद्धान्तहरू रोजेका छौं: सुनिश्चित गर्नु कि यो परियोजना-आधारित हो र यसमा बारम्बार क्विजहरू समावेश छन्। यसबाहेक, यो पाठ्यक्रममा एक सामान्य थिम छ जसले यसलाई एकता दिन्छ।
सामग्री परियोजनाहरूसँग मेल खाने सुनिश्चित गरेर, प्रक्रिया विद्यार्थीहरूका लागि थप आकर्षक बनाइन्छ र अवधारणाहरूको प्रतिधारण बढाइन्छ। यसबाहेक, कक्षाको अघि कम-जोखिमको क्विजले विद्यार्थीलाई विषय सिक्नको लागि उद्देश्य सेट गर्दछ, जबकि कक्षापछि दोस्रो क्विजले थप प्रतिधारण सुनिश्चित गर्दछ। यो पाठ्यक्रम लचिलो र रमाइलो बनाउन डिजाइन गरिएको थियो र पूर्ण वा आंशिक रूपमा लिन सकिन्छ। परियोजनाहरू साना सुरु हुन्छन् र १२ हप्ताको चक्रको अन्त्यसम्ममा क्रमशः जटिल बन्छन्। यो पाठ्यक्रममा ML को वास्तविक-विश्व अनुप्रयोगहरूमा एक पोस्टस्क्रिप्ट पनि समावेश छ, जसलाई अतिरिक्त क्रेडिटको रूपमा वा छलफलको आधारको रूपमा प्रयोग गर्न सकिन्छ।
हाम्रो आचार संहिता, योगदान, अनुवाद, र समस्या समाधान दिशानिर्देशहरू फेला पार्नुहोस्। हामी तपाईंको रचनात्मक प्रतिक्रिया स्वागत गर्दछौं!
- वैकल्पिक स्केच नोट
- वैकल्पिक पूरक भिडियो
- भिडियो वाकथ्रू (केही पाठहरू मात्र)
- पाठ अघि वार्मअप क्विज
- लिखित पाठ
- परियोजना-आधारित पाठहरूको लागि, परियोजना निर्माण गर्ने चरण-दर-चरण मार्गदर्शिका
- ज्ञान जाँच
- एक चुनौती
- पूरक पढाइ
- असाइनमेन्ट
- पाठ पछि क्विज
भाषाहरूको बारेमा नोट: यी पाठहरू मुख्य रूपमा Python मा लेखिएका छन्, तर धेरै R मा पनि उपलब्ध छन्। R पाठ पूरा गर्न,
/solutionफोल्डरमा जानुहोस् र R पाठहरू खोज्नुहोस्। तिनीहरूमा .rmd एक्सटेन्सन समावेश छ जसले R Markdown फाइललाई प्रतिनिधित्व गर्दछ जुनMarkdown दस्तावेजमाकोड चंक्स(R वा अन्य भाषाहरूको) रYAML हेडर(जसले PDF जस्ता आउटपुटहरूलाई कसरी ढाँचा बनाउने भनेर मार्गदर्शन गर्दछ) को एम्बेडिङको रूपमा सरल रूपमा परिभाषित गर्न सकिन्छ। यसरी, यो डेटा साइन्सको लागि एक उदाहरणीय लेखन फ्रेमवर्कको रूपमा सेवा गर्दछ किनभने यसले तपाईंलाई आफ्नो कोड, यसको आउटपुट, र तपाईंको विचारहरूलाई Markdown मा लेख्न अनुमति दिन्छ। यसबाहेक, R Markdown दस्तावेजहरू PDF, HTML, वा Word जस्ता आउटपुट ढाँचाहरूमा प्रस्तुत गर्न सकिन्छ।
क्विजहरूको बारेमा नोट: सबै क्विजहरू Quiz App फोल्डर मा समावेश छन्, कुल ५२ क्विजहरू तीन प्रश्नहरू प्रत्येक। तिनीहरू पाठहरू भित्रबाट लिंक गरिएका छन् तर क्विज एपलाई स्थानीय रूपमा चलाउन सकिन्छ;
quiz-appफोल्डरमा निर्देशनहरू पालना गरेर स्थानीय रूपमा होस्ट गर्नुहोस् वा Azure मा तैनात गर्नुहोस्।
| पाठ संख्या | विषय | पाठ समूह | सिक्ने उद्देश्य | लिंक गरिएको पाठ | लेखक |
|---|---|---|---|---|---|
| 01 | मेसिन लर्निङको परिचय | Introduction | मेसिन लर्निङको आधारभूत अवधारणाहरू सिक्नुहोस् | Lesson | मुहम्मद |
| 02 | मेसिन लर्निङको इतिहास | Introduction | यस क्षेत्रको इतिहासबारे जान्नुहोस् | Lesson | जेन र एमी |
| 03 | निष्पक्षता र मेसिन लर्निङ | Introduction | निष्पक्षतासँग सम्बन्धित महत्त्वपूर्ण दार्शनिक मुद्दाहरू के हुन् जुन विद्यार्थीहरूले ML मोडेल निर्माण र प्रयोग गर्दा विचार गर्नुपर्छ? | Lesson | तोमोमी |
| 04 | मेसिन लर्निङका प्रविधिहरू | Introduction | ML अनुसन्धानकर्ताहरूले ML मोडेल निर्माण गर्न कुन प्रविधिहरू प्रयोग गर्छन्? | Lesson | क्रिस र जेन |
| 05 | रिग्रेसनको परिचय | Regression | रिग्रेसन मोडेलहरूको लागि Python र Scikit-learn प्रयोग गर्न सुरु गर्नुहोस् | Python • R | जेन • एरिक वान्जाउ |
| 06 | उत्तर अमेरिकी कद्दूको मूल्य 🎃 | Regression | ML को तयारीको लागि डेटा भिजुअलाइज र सफा गर्नुहोस् | Python • R | जेन • एरिक वान्जाउ |
| 07 | उत्तर अमेरिकी कद्दूको मूल्य 🎃 | Regression | रेखीय र बहुपद रिग्रेसन मोडेलहरू निर्माण गर्नुहोस् | Python • R | जेन र दिमित्री • एरिक वान्जाउ |
| 08 | उत्तर अमेरिकी कद्दूको मूल्य 🎃 | Regression | एक लजिस्टिक रिग्रेसन मोडेल निर्माण गर्नुहोस् | Python • R | जेन • एरिक वान्जाउ |
| 09 | वेब एप्लिकेसन 🔌 | Web App | तपाईंको प्रशिक्षित मोडेल प्रयोग गर्न वेब एप्लिकेसन निर्माण गर्नुहोस् | Python | जेन |
| 10 | वर्गीकरणको परिचय | Classification | तपाईंको डेटा सफा गर्नुहोस्, तयारी गर्नुहोस्, र भिजुअलाइज गर्नुहोस्; वर्गीकरणको परिचय | Python • R | जेन र क्यासी • एरिक वान्जाउ |
| 11 | स्वादिष्ट एशियाली र भारतीय परिकार 🍜 | Classification | वर्गीकरणकर्ताहरूको परिचय | Python • R | जेन र क्यासी • एरिक वान्जाउ |
| 12 | स्वादिष्ट एशियाली र भारतीय परिकार 🍜 | Classification | थप वर्गीकरणकर्ताहरू | Python • R | जेन र क्यासी • एरिक वान्जाउ |
| 13 | स्वादिष्ट एशियाली र भारतीय परिकार 🍜 | Classification | तपाईंको मोडेल प्रयोग गरेर सिफारिस गर्ने वेब एप्लिकेसन निर्माण गर्नुहोस् | Python | जेन |
| 14 | क्लस्टरिङको परिचय | Clustering | तपाईंको डेटा सफा गर्नुहोस्, तयारी गर्नुहोस्, र भिजुअलाइज गर्नुहोस्; क्लस्टरिङको परिचय | Python • R | जेन • एरिक वान्जाउ |
| 15 | नाइजेरियाली संगीत स्वादहरूको अन्वेषण 🎧 | Clustering | K-Means क्लस्टरिङ विधिको अन्वेषण गर्नुहोस् | Python • R | जेन • एरिक वान्जाउ |
| 16 | प्राकृतिक भाषा प्रशोधनको परिचय ☕️ | Natural language processing | NLP को आधारभूत कुरा सिक्नुहोस् र एउटा साधारण बोट निर्माण गर्नुहोस् | Python | स्टेफन |
| 17 | सामान्य NLP कार्यहरू ☕️ | Natural language processing | भाषाको संरचनासँग काम गर्दा आवश्यक सामान्य कार्यहरू बुझेर तपाईंको NLP ज्ञानलाई गहिरो बनाउनुहोस् | Python | स्टेफन |
| 18 | अनुवाद र भावना विश्लेषण |
Natural language processing | जेन अस्टिनसँग अनुवाद र भावना विश्लेषण | Python | स्टेफन |
| 19 | युरोपका रोमान्टिक होटलहरू |
Natural language processing | होटल समीक्षाहरूको भावना विश्लेषण 1 | Python | स्टेफन |
| 20 | युरोपका रोमान्टिक होटलहरू |
Natural language processing | होटल समीक्षाहरूको भावना विश्लेषण 2 | Python | स्टेफन |
| 21 | समय श्रृंखला पूर्वानुमानको परिचय | Time series | समय श्रृंखला पूर्वानुमानको परिचय | Python | फ्रान्सेस्का |
| 22 | ⚡️ विश्व ऊर्जा प्रयोग ⚡️ - ARIMA सँग समय श्रृंखला पूर्वानुमान | Time series | ARIMA सँग समय श्रृंखला पूर्वानुमान | Python | फ्रान्सेस्का |
| 23 | ⚡️ विश्व ऊर्जा प्रयोग ⚡️ - SVR सँग समय श्रृंखला पूर्वानुमान | Time series | सपोर्ट भेक्टर रिग्रेसर सँग समय श्रृंखला पूर्वानुमान | Python | अनिर्बान |
| 24 | सुदृढीकरण शिक्षाको परिचय | Reinforcement learning | Q-Learning सँग सुदृढीकरण शिक्षाको परिचय | Python | दिमित्री |
| 25 | पिटरलाई ब्वाँसोबाट बचाउनुहोस्! 🐺 | Reinforcement learning | सुदृढीकरण शिक्षण जिम | Python | दिमित्री |
| Postscript | वास्तविक संसारका ML परिदृश्य र अनुप्रयोग | ML in the Wild | शास्त्रीय ML का रोचक र खुलासा गर्ने वास्तविक संसारका अनुप्रयोग | Lesson | टोली |
| Postscript | RAI ड्यासबोर्ड प्रयोग गरेर ML मोडेल डिबगिङ | ML in the Wild | जिम्मेवार AI ड्यासबोर्ड कम्पोनेन्टहरू प्रयोग गरेर मेसिन लर्निङमा मोडेल डिबगिङ | Lesson | रूथ याकुब |
यस पाठ्यक्रमका सबै अतिरिक्त स्रोतहरू हाम्रो Microsoft Learn संग्रहमा फेला पार्नुहोस्
तपाईं Docsify प्रयोग गरेर यो दस्तावेज अफलाइन चलाउन सक्नुहुन्छ। यो रिपोजिटरी फोर्क गर्नुहोस्, तपाईंको स्थानीय मेसिनमा Docsify स्थापना गर्नुहोस्, र त्यसपछि यस रिपोजिटरीको मूल फोल्डरमा docsify serve टाइप गर्नुहोस्। वेबसाइट तपाईंको localhost मा पोर्ट 3000 मा सेवा गरिनेछ: localhost:3000।
लिङ्कसहितको पाठ्यक्रमको PDF यहाँ फेला पार्नुहोस्।
हाम्रो टोलीले अन्य पाठ्यक्रमहरू पनि उत्पादन गर्दछ! हेर्नुहोस्:
-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}
यदि तपाईं समस्यामा पर्नुहुन्छ वा AI एप्स निर्माणको बारेमा कुनै प्रश्न छ भने, अन्य सिक्नेहरू र अनुभवी विकासकर्ताहरूसँग MCP सम्बन्धी छलफलमा सामेल हुनुहोस्। यो सहयोगी समुदाय हो जहाँ प्रश्नहरू स्वागत गरिन्छ र ज्ञान स्वतन्त्र रूपमा साझा गरिन्छ।
यदि तपाईंलाई उत्पादन सम्बन्धी प्रतिक्रिया दिनु छ वा निर्माणको क्रममा त्रुटिहरू देखिन्छ भने, यहाँ जानुहोस्:
अस्वीकरण:
यो दस्तावेज़ AI अनुवाद सेवा Co-op Translator प्रयोग गरी अनुवाद गरिएको हो। हामी यथासम्भव शुद्धता सुनिश्चित गर्न प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादहरूमा त्रुटिहरू वा अशुद्धताहरू हुन सक्छ। यसको मूल भाषामा रहेको मूल दस्तावेज़लाई आधिकारिक स्रोत मानिनुपर्छ। महत्त्वपूर्ण जानकारीको लागि, व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याको लागि हामी जिम्मेवार हुनेछैनौं।