अरबी | बंगाली | बुल्गेरियाली | बर्मी (म्यानमार) | चिनी (सरलीकृत) | चिनी (परम्परागत, हङकङ) | चिनी (परम्परागत, मकाऊ) | चिनी (परम्परागत, ताइवान) | क्रोएशियाली | चेक | डेनेश | डच | एस्टोनियाली | फिनिश | फ्रान्सेली | जर्मन | ग्रीक | हिब्रू | हिन्दी | हंगेरी | इन्डोनेशियाली | इटालियन | जापानी | कन्नड | खमेर | कोरियन | लिथुआनियाली | मलय | मलयालम | मराठी | नेपाली | नाइजेरियन पिजिन | नर्वेजियन | फारसी (पर्सियन) | पोलिश | पुर्तगाली (ब्राजिल) | पुर्तगाली (पुर्तगाल) | पञ्जाबी (गुरुमुखी) | रोमानियाली | रूसी | सर्बियाली (सिरिलिक) | स्लोभाक | स्लोभेनियन | स्पेनिश | स्वाहिली | स्विडिश | ट्यागालग (फिलिपिनो) | तमिल | तेलुगु | थाई | टर्किश | युक्रेनी | उर्दू | भियतनामी
स्थानीय रूपमा क्लोन गर्न चाहनुहुन्छ?
यो रिपोजिटरीमा ५० भन्दा बढी भाषा अनुवादहरू उपलब्ध छन् जसले डाउन्लोड साइज अत्यधिक बढाउँछ। अनुवाद बिना क्लोन गर्नका लागि 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 कोर्स पूरा गर्न आवश्यक सबै सामग्री छिटो डाउनलोड गर्न मद्दत गर्छ।
हामीसँग Discord मा Learn with AI श्रृंखला जारी छ, थप जान्न र सामेल हुनका लागि Learn with AI Series मा जानुहोस् १८ - ३० सेप्टेम्बर, २०२५। तपाईं GitHub Copilot लाई Data Science मा प्रयोग गर्ने टिप्स र ट्रिक्स पाउनुहुनेछ।
🌍 विश्व संस्कृतिको माध्यमबाट मेशिन लर्निङ अभ्यास गर्दै विश्वभर यात्रा गरौं 🌍
Microsoft का Cloud Advocatesहरूले १२ हप्ता, २६ पाठहरू समेटिएको मेशिन लर्निङ को बारेमा एक पाठ्यक्रम प्रस्तुत गरेका छन्। यस पाठ्यक्रममा तपाईंले "क्लासिक मेशिन लर्निङ" भनेर चिनिने विधि सिक्नु हुनेछ, मुख्य रूपमा Scikit-learn पुस्तकालय प्रयोग गरेर र गहिरो सिकाइबाट जोगिनु हुनेछ, जुन हाम्रो AI for Beginners' curriculum मा समेटिएको छ। यी पाठहरूलाई हाम्रो 'Data Science for Beginners' curriculum सँग जोडेर पनि अध्ययन गर्न सक्नुहुन्छ।
हामीसँग संसारभरका विभिन्न क्षेत्रका डेटाहरूमा यी क्लासिक प्रविधिहरूलाई लागू गर्दै यात्रा गरौं। प्रत्येक पाठमा सुरु र अन्तिममा क्विजहरू, लेखिएको निर्देशनहरू, समाधान, कार्यपत्र र अन्य सामग्रीहरू छन्। हाम्रो परियोजना-आधारित शिक्षण पद्धतिले तपाईंलाई सिक्दै निर्माण गर्ने मौका दिन्छ, जुन नयाँ सीपहरूलाई राम्रोसँग लाग्ने प्रमाणित तरिका हो।
✍️ हाम्रा 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
🎨 हाम्रा चित्रकारहरूलाई पनि धन्यवाद Tomomi Imura, Dasani Madipalli, र Jen Looper
🙏 विशेष धन्यवाद 🙏 हाम्रा 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 कृतज्ञता Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, र Vidushi Gupta लाई R पाठहरूका लागि!
यी चरणहरू पालना गर्नुहोस्:
- रिपोजिटरी फोर्क गर्नुहोस्: यस पृष्ठको माथिल्लो-दायाँ कुनामा रहेको "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 सङ्ग्रहमा पाउन सकिन्छ
🔧 मद्दत चाहिन्छ? सामान्य स्थापना, सेटअप र पाठ सञ्चालन सम्बन्धी समस्याका समाधानको लागि हाम्रो Troubleshooting Guide हेर्नुहोस्।
विद्यार्थीहरू, यस पाठ्यक्रम प्रयोग गर्न, पुरै रिपो आफ्नो GitHub खातामा फोर्क गरी आफू वा समूहमा अभ्यास पूरा गर्नुहोस्:
- सुरुमा प्रि-लेक्चर क्विज दिनुहोस्।
- व्याख्यान पढ्नुहोस् र क्रियाकलापहरू पूरा गर्नुहोस्, प्रत्येक ज्ञान जाँचमा रोकेर विचार गर्नुहोस्।
- समाधान कोड चलाउने सट्टा पाठहरू बुझेर परियोजनाहरू बनाउन प्रयास गर्नुहोस्; तर त्यो कोड प्रत्येक परियोजना-केन्द्रित पाठका
/solutionफोल्डरमा उपलब्ध छ। - पोष्ट-लेक्चर क्विज लिनुहोस्।
- चुनौती पूरा गर्नुहोस्।
- कार्यपत्र पूरा गर्नुहोस्।
- पाठ समूह पूरा गरेपछि, Discussion Board मा जानुहोस् र उपयुक्त PAT रूब्रिक भर्नुहोस्। 'PAT' भनेको प्रगति मूल्यांकन उपकरण हो जुन तपाईंले सिकाइ थप प्रगाढ बनाउन भर्नुहुन्छ। तपाईंले अरूका PAT हरूलाई पनि प्रतिक्रिया दिन सक्नुहुन्छ ताकि हामी संगै सिक्न सकौं।
थप अध्ययनका लागि, यी Microsoft Learn मोड्युलहरू र सिकाइ मार्गहरू अनुशरण गर्न सिफारिस गरिन्छ।
शिक्षकहरू, हामीसँग यस पाठ्यक्रम प्रयोग गर्ने केही सुझावहरू पनि उपलब्ध छन्।
केही पाठहरू छोटो भिडियो स्वरूपमा उपलब्ध छन्। तपाईं यी सबैलाई पाठहरू भित्र, वा ML for Beginners प्लेलिस्टमा Microsoft Developer YouTube च्यानलमा तलको छविमा क्लिक गरेर हेर्न सक्नुहुन्छ।
Gif द्वारा Mohit Jaisal
🎥 परियोजना र यसलाई सिर्जना गर्ने व्यक्तिहरूको बारेमा भिडियो हेर्न माथि छविमा क्लिक गर्नुहोस्!
हामीले यस पाठ्यक्रम निर्माण गर्दा दुई प्रमुख काठमाडौँ अपाएछौं: यसलाई प्रायोगिक परियोजना-आधारित बनाउनु र अप्रत्यक्ष क्विजहरू समावेश गर्नु। साथै यसमा एक साझा थिम छ जसले एकता दिन्छ।
सामग्रीलाई परियोजनासँग मेल खाने गरी व्यवस्थित गर्दा विद्यार्थीलाई आकर्षित गर्न र अवधारणाहरू सुदृढ गर्न मद्दत पुग्छ। कक्षाको सुरुमा सानो क्विज विद्यार्थीको सिकाइ उद्देश्य बनाउँछ भने कक्षापछि दोश्रो क्विज सिकेका कुरालाई थप सुदृढ पार्छ। यस पाठ्यक्रमलाई लचकदार र रमाईलो बनाउन डिजाइन गरिएको छ र पूरै वा अंशमा लिन सकिन्छ। परियोजनाहरू सानोतिरबाट सुरु भएर १२ हप्ते चक्रको अन्त्य तिर जटिल बन्छन्। यस पाठ्यक्रममा ML को वास्तविक प्रयोगहरू सम्बन्धी पोस्टस्क्रिप्ट पनि समावेश गरिएको छ, जुन अतिरिक्त क्रेडिट वा छलफलको आधारको रूपमा प्रयोग गर्न सकिन्छ।
हाम्रो व्यवहार संहिता, योगदान गर्ने तरिका, अनुवादहरू, र समस्या समाधान मार्गनिर्देशनहरू पनि उपलब्ध छन्। तपाईंहरुको रचनात्मक प्रतिक्रिया स्वागत छ!
- वैकल्पिक स्केच नोट
- वैकल्पिक पूरक भिडियो
- भिडियो विद्यार्थी मार्गदर्शन (केही पाठहरूमा मात्र)
- प्रि-लेक्चर वर्मअप क्विज
- लिखित पाठ
- परियोजना-आधारित पाठहरूका लागि परियोजना निर्माण गर्ने स्टेप-द्वारा-स्टेप निर्देशनहरू
- ज्ञान जाँचहरू
- चुनौती
- पूरक पढाइ
- कार्यपत्र
- पोस्ट-लेक्चर क्विज
भाषाहरूको बारेमा एक नोट: यी पाठहरू मुख्य रूपमा Python मा लेखिएका छन्, तर धेरै पाठहरू R मा पनि उपलब्ध छन्। Rको पाठ पूरा गर्नका लागि
/solutionफोल्डरमा गएर R पाठहरू खोज्नुहोस्। तिनीहरूमा .rmd एक्सटेन्सन हुन्छ जुन R Markdown फाइललाई जनाउँछ जुनcode chunks(R वा अन्य भाषाहरूका) रYAML header(जसले PDF जस्ता आउटपुटहरू कसरी फर्म्याट गर्ने भनेर निर्देशन दिन्छ) सङ्ग समाहित गरिएको Markdown दस्तावेजको रूपमा परिभाषित गर्न सकिन्छ। यसप्रकार, यो डेटा विज्ञानका लागि उत्कृष्ट लेखकत्व ढाँचा हो किनभने यसले तपाईंलाई आफ्नो कोड, यसको आउटपुट, र आफ्ना विचारहरू Markdown मा लेख्न अनुमति दिन्छ। थप रूपमा, R Markdown दस्तावेजहरूलाई PDF, HTML, वा Word जस्ता आउटपुट ढाँचाहरूमा रेंडर गर्न सकिन्छ।
कुइजहरूको बारेमा एक नोट: सबै कुइजहरू Quiz App folder मा समाविष्ट छन्, जम्मा ५२ कुइजहरू तीन प्रश्नहरूसहित। ती पाठहरूबाट लिंक गरिएको छ तर कुइज एप स्थानीय रूपमा चलाउन सकिन्छ; स्थानीय रूपमा होस्ट वा Azure मा डिप्लोय गर्न
quiz-appफोल्डरमा दिइएका निर्देशनहरू पालना गर्नुहोस्।
| पाठ संख्या | विषय | पाठ समूह | सिकाइ उद्देश्यहरू | लिंक गरिएको पाठ | लेखक |
|---|---|---|---|---|---|
| ०१ | मेसिन लर्निङ्ग परिचय | परिचय | मेसिन लर्निङ्गका आधारभूत संकल्पनाहरू सिक्नुहोस् | पाठ | मुहम्मद |
| ०२ | मेसिन लर्निङ्गको इतिहास | परिचय | यस क्षेत्रमा रहेको इतिहास सिक्नुहोस् | पाठ | जेन र एमी |
| ०३ | निष्पक्षता र मेसिन लर्निङ्ग | परिचय | मेसिन लर्निङ्ग मोडेलहरू बनाउँदा र लागू गर्दा विद्यार्थीहरूले विचार गर्नुपर्ने महत्त्वपूर्ण दार्शनिक मुद्दाहरू के हुन्? | पाठ | टोमोमी |
| ०४ | मेसिन लर्निङ्गका प्रविधिहरू | परिचय | मेसिन लर्निङ्ग अनुसन्धानकर्ताहरूले प्रयोग गर्ने प्रविधिहरू के के हुन्? | पाठ | क्रिस र जेन |
| ०५ | रेग्रेसन परिचय | रेग्रेसन | रेग्रेसन मोडेलहरूको लागि Python र Scikit-learn प्रयोग गरेर सुरूवात गर्नुहोस् | Python • R | जेन • एरिक वान्जाउ |
| ०६ | उत्तर अमेरिकी फर्सी दाउर्या मूल्यहरू 🎃 | रेग्रेसन | मेसिन लर्निङ्गको तयारीका लागि डाटा दृश्यिकरण र सफा गर्नुहोस् | Python • R | जेन • एरिक वान्जाउ |
| ०७ | उत्तर अमेरिकी फर्सी दाउर्या मूल्यहरू 🎃 | रेग्रेसन | लीनियर र पोलिनोमियल रेग्रेसन मोडेल बनाउनुहोस् | Python • R | जेन र Dmitry • एरिक वान्जाउ |
| ०८ | उत्तर अमेरिकी फर्सी दाउर्या मूल्यहरू 🎃 | रेग्रेसन | Logistic regression मोडेल बनाउनुहोस् | Python • R | जेन • एरिक वान्जाउ |
| ०९ | वेब एप्लिकेसन 🔌 | वेब एप | तपाईंको तालिम प्राप्त मोडेल प्रयोग गर्न वेब एप्लिकेसन बनाउनुहोस् | Python | जेन |
| १० | वर्गीकरण परिचय | वर्गीकरण | तपाईंको डाटा सफा, तयार, र दृश्यिकरण गर्नुहोस्; वर्गीकरणमा परिचय | Python • R | जेन र क्यास्सी • एरिक वान्जाउ |
| ११ | स्वादिष्ट एशियन र भारतीय खानाहरू 🍜 | वर्गीकरण | वर्गीकरणकर्ताहरूमा परिचय | Python • R | जेन र क्यास्सी • एरिक वान्जाउ |
| १२ | स्वादिष्ट एशियन र भारतीय खानाहरू 🍜 | वर्गीकरण | अझै थप वर्गीकरणकर्ताहरू | Python • R | जेन र क्यास्सी • एरिक वान्जाउ |
| १३ | स्वादिष्ट एशियन र भारतीय खानाहरू 🍜 | वर्गीकरण | तपाईंको मोडेल प्रयोग गरेर सिफारिस गर्ने वेब एप बनाउनुहोस् | Python | जेन |
| १४ | क्लस्टरिङ्ग परिचय | क्लस्टरिङ्ग | तपाईंको डाटा सफा, तयार, र दृश्यिकरण गर्नुहोस्; क्लस्टरिङ्गमा परिचय | Python • R | जेन • एरिक वान्जाउ |
| १५ | नाइजीरियन सङ्गीत स्वादहरू अन्वेषण 🎧 | क्लस्टरिङ्ग | K-Means क्लस्टरिङ्ग विधि अन्वेषण गर्नुहोस् | Python • R | जेन • एरिक वान्जाउ |
| १६ | प्राकृतिक भाषा प्रशोधन परिचय ☕️ | प्राकृतिक भाषा प्रशोधन | एक साधारण बोट बनाएर NLP का आधारभूत कुराहरू सिक्नुहोस् | Python | स्टीफेन |
| १७ | सामान्य NLP कार्यहरू ☕️ | प्राकृतिक भाषा प्रशोधन | भाषा संरचनासँग डिल गर्दा आवश्यक सामान्य कार्यहरू बुझेर आफ्नो NLP ज्ञान गहिरो बनाउनुस् | Python | स्टीफेन |
| १८ | अनुवाद र भावना विश्लेषण |
प्राकृतिक भाषा प्रशोधन | Jane Austen सँग अनुवाद र भावना विश्लेषण | Python | स्टीफेन |
| १९ | यूरोपका रोमान्टिक होटलहरू |
प्राकृतिक भाषा प्रशोधन | होटल समीक्षाहरूको साथ भावना विश्लेषण १ | Python | स्टीफेन |
| २० | यूरोपका रोमान्टिक होटलहरू |
प्राकृतिक भाषा प्रशोधन | होटल समीक्षाहरूको साथ भावना विश्लेषण २ | Python | स्टीफेन |
| २१ | टाइम सिरिज पूर्वाधारको परिचय | टाइम सिरिज | टाइम सिरिज पूर्वाधारमा परिचय | Python | फ्रान्सेस्का |
| २२ | ⚡️ विश्व बिजुली खपत ⚡️ - ARIMA संग टाइम सिरिज पूर्वाधार | टाइम सिरिज | ARIMA संग टाइम सिरिज पूर्वाधार | Python | फ्रान्सेस्का |
| २३ | ⚡️ विश्व बिजुली खपत ⚡️ - SVR संग टाइम सिरिज पूर्वाधार | टाइम सिरिज | Support Vector Regressor संग टाइम सिरिज पूर्वाधार | Python | अनिर्बान |
| २४ | पुनरुत्थान शिक्षण परिचय | पुनरुत्थान शिक्षण | Q-Learning सहित पुनरुत्थान शिक्षणमा परिचय | Python | Dmitry |
| २५ | पिटरलाई बाघबाट जोगाउनुहोस्! 🐺 | पुनरुत्थान शिक्षण | Reinforcement learning Gym | Python | Dmitry |
| पोस्टस्क्रिप्ट | वास्तविक-विश्व ML परिदृश्यहरू र अनुप्रयोगहरू | ML in the Wild | क्लासिकल ML का रमाईला र खुलासा गर्ने वास्तविक विश्व अनुप्रयोगहरू | पाठ | टोली |
| पोस्टस्क्रिप्ट | RAI ड्यासबोर्ड प्रयोग गरेर ML मा मोडेल डिबगिङ | ML in the Wild | Responsible AI ड्यासबोर्ड कम्पोनेंटहरू प्रयोग गरेर मेसिन लर्निङ्गमा मोडेल डिबगिङ | पाठ | Ruth Yakubu |
यस कोर्सका लागि सबै थप स्रोतहरू हाम्रो Microsoft Learn सङ्ग्रहमा फेला पार्नुहोस्
तपाईं Docsify प्रयोग गरेर यो दस्तावेजलाई अफलाइन चलाउन सक्नुहुन्छ। यस रिपोमा फोर्क गर्नुहोस्, आफ्नो स्थानीय मेसिनमा Docsify स्थापना गर्नुहोस्, र त्यसपछि यस रिपोको रुट फोल्डरमा गएर docsify serve टाइप गर्नुहोस्। वेबसाइट तपाईँको लोकलहोस्टमा पोर्ट ३००० मा सेवा गरिनेछ: localhost:3000।
पाठ्यक्रमको PDF यहाँ लिंकसहित भेट्न सकिन्छ यहाँ।
हाम्रो टोलीले अन्य कोर्सहरूसमेत 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 मेशिन लर्निंग सिक्दा वा AI अनुप्रयोगहरू बनाउन जाँदा अड्किनुभयो वा प्रश्नहरू राख्न मन छ भने, चिन्ता नदिनुहोस् — सहयोग उपलब्ध छ।
तपाईं अरु सिक्नेहरू र विकासकर्तासँग छलफलमा सामेल हुन सक्नुहुन्छ, प्रश्नहरू सोध्न सक्नुहुन्छ, र समुदायसँग आफ्नो विचारहरू साझा गर्न सक्नुहुन्छ।
- प्रश्न सोध्न र अरु सँग सिक्न समुदायमा सामेल हुनुहोस्
- मेशिन लर्निंग अवधारणाहरू र परियोजना विचारहरूमा छलफल गर्नुहोस्
- अनुभवी विकासकर्ताहरूबाट मार्गदर्शन प्राप्त गर्नुहोस्
समर्थक समुदाय तपाईंबाट सिपहरू बढाउन र समस्याहरू छिटो समाधान गर्न राम्रो तरिका हो।
Microsoft Foundry Discord Community
यदि तपाईंले बग, त्रुटिहरू पाउनुभयो वा सुधारका लागि सुझावहरू छ भने, तपाईं यस रिपोजिटोरीमा Issue खुलाएर समस्या रिपोर्ट गर्न सक्नुहुन्छ।
उत्पाद प्रतिक्रिया वा विद्यमान समुदाय पोस्टहरू खोज्न, Developer Forumमा जानुहोस्:
- प्रत्येक पाठ पछि नोटबुकहरू समीक्षा गर्नुहोस् राम्रो बुझाइका लागि।
- आफ्नैले एल्गोरिदमहरू लागू गर्ने अभ्यास गर्नुहोस्।
- सिकेका अवधारणाहरू प्रयोग गर्दै वास्तविक विश्वका डेटासेटहरूको अन्वेषण गर्नुहोस्।
अस्वीकरण:
यो कागजातलाई एआई अनुवाद सेवा Co-op Translator प्रयोग गरी अनुवाद गरिएको हो। हामी सटीकताको लागि प्रयासरत छौं, तर कृपया बुझ्नुस् कि स्वचालित अनुवादमा त्रुटि वा अशुद्धता हुन सक्नेछ। मूल कागजात यसको मौलिक भाषामा नै आधिकारिक स्रोत मानिनेछ। महत्वपूर्ण जानकारीको लागि, पेशेवर मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलत बुझाइ वा गलत व्याख्याका लागि हामी जिम्मेवार हुनेछैनौं।