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
ਕੀ ਤੁਸੀਂ ਸਥਾਨਕ ਰੂਪ ਵਿੱਚ ਕਲੋਨ ਕਰਨਾ ਪਸੰਦ ਕਰਦੇ ਹੋ?
ਇਸ ਰਿਪੋਜ਼ਟਰੀ ਵਿੱਚ 50+ ਭਾਸ਼ਾਈ ਅਨੁਵਾਦ ਸ਼ਾਮਲ ਹਨ ਜੋ ਡਾਊਨਲੋਡ ਦਾ ਆਕਾਰ ਕਾਫ਼ੀ ਵਧਾ ਦਿੰਦੇ ਹਨ। ਅਨੁਵਾਦਾਂ ਬਿਨਾਂ ਕਲੋਨ ਕਰਨ ਲਈ sparse checkout ਦੀ ਵਰਤੋਂ ਕਰੋ:
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"ਇਸ ਨਾਲ ਤੁਹਾਨੂੰ ਪੂਰਾ ਕੋਰਸ ਜਲਦੀ ਡਾਊਨਲੋਡ ਹੋਵੇਗਾ।
ਸਾਡੇ ਕੋਲ Discord 'ਤੇ ਲਰਨ ਵਿਥ AI ਸੀਰੀਜ਼ ਚੱਲ ਰਹੀ ਹੈ, ਹੋਰ ਜਾਨੋ ਅਤੇ ਸਾਨੂੰ 18 - 30 ਸਤੰਬਰ, 2025 ਨੂੰ Learn with AI Series 'ਤੇ ਜੁੜੋ। ਤੁਸੀਂ GitHub Copilot ਨੂੰ Data Science ਲਈ ਵਰਤਣ ਦੇ ਟਿਪਸ ਅਤੇ ਤਰੀਕੇ ਸਿੱਖੋਗੇ।
🌍 ਦੁਨੀਆ ਭਰ ਦਾ ਸਫਰ ਜਦੋਂ ਅਸੀਂ ਦੁਨੀਆ ਦੀਆਂ ਸੱਭਿਆਚਾਰਾਂ ਰਾਹੀਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀ ਖੋਜ ਕਰਦੇ ਹਾਂ 🌍
Microsoft ਦੇ Cloud Advocates ਤੁਹਾਨੂੰ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਬਾਰੇ 12 ਹਫ਼ਤੇ, 26 ਪਾਠਾਂ ਦਾ ਕੋਰਸ ਪੇਸ਼ ਕਰਦੇ ਹਨ। ਇਸ ਕੋਰਸ ਵਿੱਚ, ਤੁਸੀਂ ਕਲਾਸਿਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਬਾਰੇ ਸਿੱਖੋਗੇ ਜੋ ਮੁੱਖ ਤੌਰ 'ਤੇ Scikit-learn ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਅਤੇ ਡੀਪ ਲਰਨਿੰਗ ਤੋਂ ਬਚਦਾ ਹੈ, ਜੋ ਸਾਡੇ AI for Beginners' curriculum ਵਿੱਚ ਹੈ। ਇਹ ਸਬਕ ਸਾਡੇ 'Data Science for Beginners' curriculum ਨਾਲ ਮਿਲਾ ਕੇ ਸਿੱਖ ਸਕਦੇ ਹੋ।
ਸਾਡੇ ਨਾਲ ਦੁਨੀਆ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਮੁੜੇ ਜਦੋਂ ਅਸੀਂ ਕਲਾਸਿਕ ਤਕਨੀਕਾਂ ਨੂੰ ਅਨੇਕ ਖੇਤਰਾਂ ਦੇ ਡਾਟਾ 'ਤੇ ਲਾਗੂ ਕਰਦੇ ਹਾਂ। ਹਰ ਪਾਠ ਵਿਚ ਪਹਿਲਾਂ ਅਤੇ ਬਾਅਦ ਦੇ ਕੁਇਜ਼, ਲਿਖਤੀ ਹੁਕਮ ਤੇ ਪਾਠ ਪੂਰਾ ਕਰਨ ਲਈ ਹੱਲ, ਅਸਾਈਨਮੈਂਟ, ਅਤੇ ਹੋਰ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਸਾਡੇ ਪ੍ਰੋਜੈਕਟ-ਆਧਾਰਿਤ ਪਾਠ ਦੀ ਵਿਧੀ ਨਵੀਆਂ ਕੁਸ਼ਲਤਾਵਾਂ ਨੂੰ ਅਸਾਨੀ ਨਾਲ ਸਿੱਖਾਉਂਦਾ ਹੈ।
✍️ ਸਾਡੇ ਲੇਖਕਾਂ ਦਾ ਦਿਲੋਂ ਧੰਨਵਾਦ ਜੈਨ ਲੂਪਰ, ਸਟੀਫਨ ਹਾਵੇਲ, ਫ੍ਰਾਂਸੇਸਕਾ ਲਾਜ਼ੇਰੀ, ਟੋਮੋਮੀ ਇਮੂਰਾ, ਕੈਸੀ ਬਰੇਵਿਊ, ਡਿਮਿਤਰੀ ਸੋਸ਼ਨਿਕੋਵ, ਕਰਿਸ ਨੋਰਿੰਗ, ਅਨੀਰਬਾਨ ਮੁਖਰਜੀ, ਔਰਨੇਲਾ ਅਲਟੂਨਯਾਨ, ਰੁਥ ਯਾਕੂਬੁ ਅਤੇ ਐਮੀ ਬੋਇਡ
🎨 ਸਾਡੇ ਇਲੱਸਟਰੇਟਰਾਂ ਦਾ ਧੰਨਵਾਦ ਟੋਮੋਮੀ ਇਮੂਰਾ, ਦਸਾਨੀ ਮਾਡਿਪਾਲਲੀ ਅਤੇ ਜੈਨ ਲੂਪਰ
🙏 ਸਾਡੇ Microsoft Student Ambassador ਲੇਖਕਾਂ, ਸਮੀਖਿਆਕਾਰਾਂ ਅਤੇ ਸਮੱਗਰੀ ਦਾਤਾ ਨੂੰ ਵਿਸ਼ੇਸ਼ ਧੰਨਵਾਦ, ਖਾਸ ਕਰਕੇ ਰਿਸ਼ਿਤ ਡਾਗਲੀ, ਮੁਹੰਮਦ ਸਾਕਿਬ ਖਾਨ ਇਨਾਨ, ਰੋਹਨ ਰਾਜ, ਅਲੈਕਜ਼ੈਂਡਰੂ ਪੇਟਰੈਸਕੂ, ਅਭਿਸ਼ੇਕ ਜੈਸਵਾਲ, ਨਵਰੀਨ ਤਬੱਸਮ, ਯੋਆਨ ਸਮੂਲਾ, ਅਤੇ ਸਨਿਗਧਾ ਅਗਰਵਾਲ
🤩 ਸਾਡੇ R ਪਾਠਾਂ ਲਈ Microsoft Student Ambassadors ਏਰਿਕ ਵਾਂਜਾਉ, ਜਸਲੀਨ ਸੋੰਧੀ ਅਤੇ ਵਿਦੂਸ਼ੀ গੁਪਤਾ ਨੂੰ ਵਧੀਆ ਧੰਨਵਾਦ!
ਇਹ ਕਦਮ ਸਾਡੇ ਨਾਲ ਫਾਲੋ ਕਰੋ:
- ਰਿਪੋਜ਼ਟਰੀ ਨੂੰ Fork ਕਰੋ: ਇਸ ਪੰਨੇ ਦੇ ਸੱਜੇ ਉੱਤੇਲੇ ਕੋਣ ਵਿੱਚ "Fork" ਬਟਨ 'ਤੇ ਕਲਿੱਕ ਕਰੋ।
- ਰਿਪੋਜ਼ਟਰੀ ਨੂੰ ਕਲੋਨ ਕਰੋ:
git clone https://github.com/microsoft/ML-For-Beginners.git
ਇਸ ਕੋਰਸ ਲਈ ਸੱਭ ਸਹਾਇਕ ਸਰੋਤ Microsoft Learn ਕਲੈਕਸ਼ਨ ਵਿੱਚ ਮਿਲਦੇ ਹਨ
🔧 ਮਦਦ ਚਾਹੀਦੀ ਹੈ? ਸਥਾਪਨਾ, ਸੈਟਅੱਪ ਅਤੇ ਪਾਠ ਚਲਾਉਣ ਸੰਬੰਧੀ ਆਮ ਸਮੱਸਿਆਵਾਂ ਲਈ ਸਾਡਾ Troubleshooting Guide ਦੇਖੋ।
ਵਿਦਿਆਰਥੀ, ਇਸ ਕੋਰਸ ਨੂੰ ਵਰਤਣ ਲਈ ਆਪਣੀ GitHub ਖਾਤੇ 'ਚ ਪੂਰੇ ਰਿਪੋ ਨੂੰ fork ਕਰੋ ਅਤੇ ਅਭਿਆਸ ਆਪਣੇ ਜਾਂ ਗਰੁੱਪ ਨਾਲ ਕਰੋ:
- ਪਹਿਲਾਂ ਪ੍ਰੀ-ਲੈਕਚਰ ਕੁਇਜ਼ ਲਓ।
- ਲੈਕਚਰ ਪੜ੍ਹੋ ਅਤੇ ਗਤੀਵਿਧੀਆਂ ਪੂਰੀਆਂ ਕਰੋ, ਹਰੇਕ ਗਿਆਨ ਜਾਂਚ ਤੇ ਰੁਕ ਕੇ ਵਿਚਾਰ ਕਰੋ।
- ਕੋਡ ਹੱਲ ਚਲਾਉਣ ਦੀ ਬਜਾਏ ਪਾਠ ਸਮਝ ਕੇ ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ; ਹਾਲਾਂਕਿ ਹੱਲ ਵਾਲਾ ਕੋਡ ਪ੍ਰਤੀਕ ਪ੍ਰੋਜੈਕਟ ਪਾਠ ਵਿੱਚ
/solutionਫੋਲਡਰ 'ਚ ਉਪਲਬਧ ਹੈ। - ਪੋਸਟ-ਲੈਕਚਰ ਕੁਇਜ਼ ਲਓ।
- ਚੈਲੈਂਜ ਪੂਰਾ ਕਰੋ।
- ਅਸਾਈਨਮੈਂਟ ਪੂਰਾ ਕਰੋ।
- ਇੱਕ ਲੈਕਚਰ ਗਰੁੱਪ ਪੂਰਾ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਚਰਚਾ ਬੋਰਡ 'ਤੇ ਜਾਓ ਅਤੇ "ਜਾਣਕਾਰੀ ਨੂੰ ਬਹੁਤਰੀਨ ਢੰਗ ਨਾਲ ਸਾਂਝਾ ਕਰੋ" PAT ਰੂਬਰਿਕ ਭਰ ਕੇ। 'PAT' ਇੱਕ ਪ੍ਰਗਟੀ ਵਧਾਉਣ ਵਾਲਾ ਸੰਦ ਹੈ ਜੋ ਸਾਡੇ ਸਿੱਖਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਅਤੇ ਅੱਗੇ ਵੱਧਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਤੁਸੀਂ ਹੋਰ PATs 'ਤੇ ਵੀ ਰਿਐਕਟ ਕਰ ਸਕਦੇ ਹੋ ਤਾਂ ਜੋ ਅਸੀਂ ਇਕੱਠੇ ਸਿੱਖੀਏ।
ਅੱਗੇ ਦੀ ਪੜ੍ਹਾਈ ਲਈ, ਅਸੀਂ ਇਹ Microsoft Learn ਮਾਡਿਊਲ ਅਤੇ ਸਿੱਖਣ ਦੇ ਮਾਰਗਾਂ ਦੀ ਸਿਫਾਰਸ਼ ਕਰਦੇ ਹਾਂ।
ਅਧਿਆਪਕ, ਅਸੀਂ ਇਸ ਕੋਰਸ ਦਾ ਵਰਤੋਂ ਦੇ ਲਈ ਕੁਝ ਸੁਝਾਅ ਦਿੱਤੇ ਹਨ।
ਕੁਝ ਪਾਠ ਛੋਟੇ ਫਾਰਮ ਵਿੱਚ ਵੀਡੀਓ ਦੇ ਰੂਪ ਵਿੱਚ ਮੌਜੂਦ ਹਨ। ਤੁਸੀਂ ਇਹ ਸਾਰੇ ਪਾਠਾਂ ਦੇ ਅੰਦਰ ਜਾਂ Microsoft Developer YouTube ਚੈਨਲ 'ਤੇ ML for Beginners ਪਲੇਲਿਸਟ 'ਚ ਚਿੱਤਰ 'ਤੇ ਕਲਿੱਕ ਕਰ ਕੇ ਵੇਖ ਸਕਦੇ ਹੋ।
ਜਿਫ ਫ਼ਾਇਲ ਦੁਆਰਾ ਮੋਹਿਤ ਜੈਸਲ
🎥 ਪ੍ਰੋਜੈਕਟ ਅਤੇ ਇਸ ਦੇ ਬਣਾਉਣ ਵਾਲਿਆਂ ਬਾਰੇ ਵੀਡੀਓ ਦੇਖਣ ਲਈ ਉਪਰ ਵਤੀ ਚਿੱਤਰ ਤੇ ਕਲਿੱਕ ਕਰੋ!
ਇਸ ਕੋਰਸ ਨુੰ ਬਣਾਉਂਦੇ ਸਮੇਂ, ਅਸੀਂ ਦੋ ਪੈਡਾਗੋਜੀਕਲ ਸਿਧਾਂਤ ਚੁਣੇ ਹਨ: ਇਹੁ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਹੱਥ-ਵੱਲਾ ਪ੍ਰੋਜੈਕਟ-ਆਧਾਰਿਤ ਅਤੇ ਇਸ ਵਿੱਚ ਅਕਸਰ ਕੁਇਜ਼ ਸ਼ਾਮਲ ਹੋਣ। ਇਸਦੇ ਨਾਲ ਨਾਲ, ਇਸ ਕੋਰਸ ਦਾ ਇੱਕ ਸਾਂਝਾ ਵਿਸ਼ਾ ਸਥਾਪਿਤ ਕਰਦਾ ਹੈ।
ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦੇ ਹੋਏ ਕਿ ਸਮੱਗਰੀ ਪ੍ਰੋਜੈਕਟਾਂ ਨਾਲ ਮਿਲਦੀ ਹੈ, ਸਿੱਖਣ ਵਾਲਿਆਂ ਲਈ ਰੁਚੀ ਬਢਦੀ ਹੈ ਅਤੇ ਧਾਰਣਾ ਇਸਨੂੰ ਜ਼ਿਆਦਾ ਯਾਦ ਰਹਿੰਦੀ ਹੈ। ਕਲਾਸ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਘੱਟ ਦੱਬਾਵ ਵਾਲਾ ਕੁਇਜ਼ ਵਿਦਿਆਰਥੀ ਨੂੰ ਵਿਸ਼ਾ ਸਿੱਖਣ ਲਈ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਤੇ ਕਲਾਸ ਦੇ ਬਾਅਦ ਦੂਜਾ ਕੁਇਜ਼ ਹੋਰ ਸਮਝ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦਾ ਹੈ। ਇਹ ਕੋਰਸ ਸਹਿਜ ਅਤੇ ਮਨੋਰੰਜਕ ਬਣਾਉਣਾ ਚਾਹੁੰਦਾ ਹੈ ਅਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਜਾਂ ਹਿੱਸੇ-ਵਾਰ ਲਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਪ੍ਰੋਜੈਕਟ ਛੋਟੇ ਹੈਂ ਅਤੇ 12 ਹਫਤਿਆਂ ਦੇ ਅੰਤ ਤੱਕ ਧੀਰੇ-ਧੀਰੇ ਬਹੁਤ ਜਟਿਲ ਹੁੰਦੇ ਹਨ। ਇਹ ਕੋਰਸ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਅਸਲ ਦੁਨੀਆ ਦੀਆਂ ਲਾਗੂਤਾਵਾਂ ਬਾਰੇ ਪੋਸਟਸਕ੍ਰਿਪਟ ਵੀ ਸ਼ਾਮਲ ਹੈ, ਜੋ ਵਾਧੂ ਕਰੈਡਿਟ ਜਾਂ ਚਰਚਾ ਲਈ ਵਰਤੀ ਜਾ ਸਕਦੀ ਹੈ।
ਸਾਡਾ ਕੋਡ ਆਫ਼ ਕੰਡਕਟ, ਯੋਗਦਾਨ, ਅਨੁਵਾਦ, ਅਤੇ ਸਮੱਸਿਆ ਸਲਾਹ-ਮਸ਼ਵਰਾ ਦੇ ਨਿਯਮ ਮਿਲਦੇ ਹਨ। ਸਾਡਾ ਨਿਰਮਾਣਾਤਮਕ ਫੀਡਬੈਕ ਸੁਆਗਤ ਹੈ!
- ਵਿਕਲਪਿਕ ਸਕੈਚਨੋਟ
- ਵਿਕਲਪਿਕ ਸਹਾਇਕ ਵੀਡੀਓ
- ਵੀਡੀਓ ਰਾਹਿਨੁਮਾ (ਕੁਝ ਪਾਠਾਂ ਲਈ)
- ਪ੍ਰੀ-ਲੈਕਚਰ ਵਾਰਮਅਪ ਕੁਇਜ਼
- ਲਿਖਤੀ ਪਾਠ
- ਪ੍ਰੋਜੈਕਟ-ਆਧਾਰਿਤ ਪਾਠ ਲਈ, ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਲਈ ਕਦਮ-ਦਰ-कदਮ ਗਾਈਡ
- ਗਿਆਨ ਜਾਂਚ
- ਇੱਕ ਚੈਲੈਂਜ
- ਸਹਾਇਕ ਪੜ੍ਹਾਈ
- ਅਸਾਈਨਮੈਂਟ
- ਪੋਸਟ-ਲੈਕਚਰ ਕੁਇਜ਼
ਭਾਸ਼ਾਵਾਂ ਬਾਰੇ ਇੱਕ ਨੋਟ: ਇਹ ਪਾਠ ਮੁੱਖ ਤੌਰ 'ਤੇ ਪਾਇਥਨ ਵਿੱਚ ਲਿਖੇ ਗਏ ਹਨ, ਪਰ ਕਈ ਇਨ੍ਹਾਂ ਵਿੱਚ R ਵੀ ਉਪਲਬਧ ਹਨ। R ਪਾਠ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ,
/solutionਫੋਲਡਰ ਵਿੱਚ ਜਾਓ ਅਤੇ R ਦੇ ਪਾਠ ਲੱਭੋ। ਇਨ੍ਹਾਂ ਵਿੱਚ ਇੱਕ .rmd ਐਕਸਟੈਂਸ਼ਨ ਹੁੰਦਾ ਹੈ ਜੋ ਇੱਕ R ਮਾਰਕਡਾਊਨ ਫਾਇਲ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜੋ ਸਧਾਰਨ ਤੌਰ 'ਤੇcode chunks(R ਜਾਂ ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਦੇ) ਅਤੇ ਇੱਕYAML header(ਜੋ ਆਉਟਪੁੱਟ ਜਿਵੇਂ PDF ਨੂੰ ਫਾਰਮੈਟ ਕਰਨ ਦਾ ਮਾਰਗ ਦਰਸ਼ਨ ਕਰਦਾ ਹੈ) ਨੂੰ ਮਾਰਕਡਾਊਨ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਇੰਬੈੱਡ ਕਰਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ, ਇਹ ਡਾਟਾ ਸਾਇੰਸ ਲਈ ਇੱਕ ਉਦਾਹਰਨਾਤਮਕ ਲੇਖਕ ਫਰੇਮਵਰਕ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਤੁਹਾਨੂੰ ਤੁਹਾਡਾ ਕੋਡ, ਇਸਦਾ ਆਉਟਪੁੱਟ, ਅਤੇ ਤੁਹਾਡੇ ਵਿਚਾਰ ਜੋੜਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਅਤੇ ਤੁਹਾਨੂੰ ਇਹਨਾਂ ਨੂੰ ਮਾਰਕਡਾਊਨ ਵਿੱਚ ਲਿਖਣ ਦਾ ਮੌਕਾ ਦਿੰਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, R ਮਾਰਕਡਾਊਨ ਦਸਤਾਵੇਜ਼ PDF, HTML ਜਾਂ Word ਵਰਗੇ ਆਉਟਪੁੱਟ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਰেনਡਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।
ਪ੍ਰਸ਼ਨਾਂ ਬਾਰੇ ਇੱਕ ਨੋਟ: ਸਾਰੇ ਪ੍ਰਸ਼ਨ Quiz App ਫੋਲਡਰ ਵਿੱਚ ਹਨ, ਜੋ ਕਿ ਕੁੱਲ 52 ਪ੍ਰਸ਼ਨਾਂ ਦੇ ਤਿੰਨ-ਤਿੰਨ ਸਵਾਲਾਂ ਨਾਲ ਹਨ। ਇਹ ਪਾਠਾਂ ਵਿੱਚ ਲਿੰਕ ਕੀਤਾ ਗਿਆ ਹੈ ਪਰ Quiz App ਨੂੰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਚਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ; ਸਥਾਨਕ ਹੋਸਟ ਕਰਨ ਜਾਂ Azure ਤੇ ਡਿਪਲਾਏ ਕਰਨ ਲਈ
quiz-appਫੋਲਡਰ ਵਿੱਚ ਦਿੱਤੇ ਹਦਾਇਤਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ।
| ਪਾਠ ਨੰਬਰ | ਵਿਸ਼ਾ | ਪਾਠ ਗਰੁੱਪ | ਸਿੱਖਣ ਦੇ ਉਦੇਸ਼ | ਲਿੰਕਡ ਪਾਠ | ਲੇਖਕ |
|---|---|---|---|---|---|
| 01 | ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ | Introduction | ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਮੂਲ ਸਿਧਾਂਤ ਸਿੱਖੋ | Lesson | ਮੁਹੰਮਦ |
| 02 | ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਇਤਿਹਾਸ | Introduction | ਇਸ ਖੇਤਰ ਦੀ ਇਤਿਹਾਸਕ ਪਿਠਭੂਮੀ ਬਾਰੇ ਸਿੱਖੋ | Lesson | ਜੇਨ ਅਤੇ ਐਮੀ |
| 03 | ਨਿਆਂ ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ | Introduction | ਨਿਆਂ ਬਾਰੇ ਮੁੱਖ ਦਰਸ਼ਨ ਸ਼ਾਸਤਰੀ ਮੁੱਦੇ ਜੋ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ML ਮਾਡਲ ਬਣਾਉਂਦੇ ਸਮੇਂ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਲਾਗੂ ਕਰਦੇ ਸਮੇਂ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣੇ ਚਾਹੀਦੇ ਹਨ | Lesson | טאָਮੋਮੀ |
| 04 | ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀਆਂ ਤਕਨੀਕਾਂ | Introduction | ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਗਵੈਸ਼ਕ ਇਹ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਕਿਹੜੀਆਂ ਤਕਨੀਕਾਂ ਵਰਤਦੇ ਹਨ? | Lesson | ਕਰਿਸ ਅਤੇ ਜੇਨ |
| 05 | ਰਿਗ੍ਰੈਸ਼ਨ ਦਾ ਪਰਿਚਯ | Regression | ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲਾਂ ਲਈ ਪਾਇਥਨ ਅਤੇ ਸਕਾਇਕਿਟ-ਲਰਨ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰੋ | Python • R | ਜੇਨ • ਏਰਿਕ ਵੰਜਾਊ |
| 06 | ਨਾਰਥ ਅਮਰੀਕਨ ਕਦੂ ਦੀਆਂ ਕੀਮਤਾਂ 🎃 | Regression | ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਡਾਟਾ ਦਿਖਾਓ ਅਤੇ ਸਾਫ਼ ਕਰੋ | Python • R | ਜੇਨ • ਏਰਿਕ ਵੰਜਾਊ |
| 07 | ਨਾਰਥ ਅਮਰੀਕਨ ਕਦੂ ਦੀਆਂ ਕੀਮਤਾਂ 🎃 | Regression | ਲੀਨੀਅਰ ਅਤੇ ਪੌਲੀਨੋਮਿਅਲ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ਬਣਾਓ | Python • R | ਜੇਨ ਅਤੇ ਦਿਮਿਤਰੀ • ਏਰਿਕ ਵੰਜਾਊ |
| 08 | ਨਾਰਥ ਅਮਰੀਕਨ ਕਦੂ ਦੀਆਂ ਕੀਮਤਾਂ 🎃 | Regression | ਲੋਜਿਸਟਿਕ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ਬਣਾਓ | Python • R | ਜੇਨ • ਏਰਿਕ ਵੰਜਾਊ |
| 09 | ਇੱਕ ਵੈੱਬ ਐਪ 🔌 | Web App | ਆਪਣੇ ਟ੍ਰੇਨ ਕੀਤੇ ਮਾਡਲ ਨਾਲ ਵੈੱਬ ਐਪ ਬਣਾਓ | Python | ਜੇਨ |
| 10 | ਵਰਗੀਕਰਨ ਦਾ ਪਰਿਚਯ | Classification | ਆਪਣੇ ਡਾਟੇ ਨੂੰ ਸਾਫ़ ਕਰੋ, ਤਿਆਰ ਕਰੋ ਅਤੇ ਦਰਸਾਓ; ਵਰਗੀਕਰਨ ਦਾ ਪਰਿਚਯ | Python • R | ਜੇਨ ਅਤੇ ਕੈਸੀ • ਏਰਿਕ ਵੰਜਾਊ |
| 11 | ਸਵਾਦਿਸ਼ਟ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਖਾਣਿਆਂ 🍜 | Classification | ਵਰਗੀਕਰਨ ਵਾਲਿਆਂ ਨਾਲ ਪਰਿਚਿਤ ਹੋਵੋ | Python • R | ਜੇਨ ਅਤੇ ਕੈਸੀ • ਏਰਿਕ ਵੰਜਾਊ |
| 12 | ਸਵਾਦਿਸ਼ਟ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਖਾਣਿਆਂ 🍜 | Classification | ਹੋਰ ਵਰਗੀਕਰਨ ਵਾਲੇ | Python • R | ਜੇਨ ਅਤੇ ਕੈਸੀ • ਏਰਿਕ ਵੰਜਾਊ |
| 13 | ਸਵਾਦਿਸ਼ਟ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਖਾਣਿਆਂ 🍜 | Classification | ਆਪਣੇ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਰਿਕਮੈਂਡਰ ਵੈੱਬ ਐਪ ਬਣਾਓ | Python | ਜੇਨ |
| 14 | ਕਲੱਸਟਰਿੰਗ ਦਾ ਪਰਿਚਯ | Clustering | ਆਪਣੇ ਡਾਟੇ ਨੂੰ ਸਾਫ਼ ਕਰੋ, ਤਿਆਰ ਕਰੋ ਅਤੇ ਦਰਸਾਓ; ਕਲੱਸਟਰਿੰਗ ਦਾ ਪਰਿਚਯ | Python • R | ਜੇਨ • ਏਰਿਕ ਵੰਜਾਊ |
| 15 | ਨਾਇਜੀਰੀਆਈ ਸੰਗੀਤਕ ਸਵਾਦ ਦੀ ਛਾਂਬਣੀ 🎧 | Clustering | ਕੇ-ਮੀਨਸ ਕਲੱਸਟਰਿੰਗ ਤਰੀਕੇ ਦੀ ਛਾਂਬਣੀ ਕਰੋ | Python • R | ਜੇਨ • ਏਰਿਕ ਵੰਜਾਊ |
| 16 | ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ ਦਾ ਪਰਿਚਯ ☕️ | Natural language processing | ਇੱਕ ਸੰਦਰਭ ਬੋਟ ਬਣਾਕੇ NLP ਦੀਆਂ ਬੁਨਿਆਦੀਆਂ ਸਿੱਖੋ | Python | ਸਟੀਫ਼ਨ |
| 17 | ਆਮ NLP ਕੰਮ ☕️ | Natural language processing | ਭਾਸ਼ਾ ਦੇ ਢਾਂਚਿਆਂ ਨਾਲ ਨਿਪਟਣ ਸਮੇਂ ਲੋੜੀਂਦੇ ਸਧਾਰਣ ਕਰਮਾਂ ਨੂੰ ਸਮਝ ਕੇ ਆਪਣੀ NLP ਗਿਆਨ ਨੂੰ ਗਹਿਰਾਈ ਦਿਓ | Python | ਸਟੀਫ਼ਨ |
| 18 | ਅਨੁਵਾਦ ਅਤੇ ਭਾਵਨਾਤਮਿਕ ਵਿਸ਼ਲੇਸ਼ਣ |
Natural language processing | ਜੈਨ ਆਸਟਿਨ ਨਾਲ ਅਨੁਵਾਦ ਅਤੇ ਭਾਵਨਾਤਮਿਕ ਵਿਸ਼ਲੇਸ਼ਣ | Python | ਸਟੀਫ਼ਨ |
| 19 | ਯੂਰਪੀ ਰੋਮਾਂਟਿਕ ਹੋਟਲਾਂ |
Natural language processing | ਹੋਟਲ ਸਮੀਖਿਆਵਾਂ ਨਾਲ ਭਾਵਨਾਤਮਿਕ ਵਿਸ਼ਲੇਸ਼ਣ 1 | Python | ਸਟੀਫ਼ਨ |
| 20 | ਯੂਰਪੀ ਰੋਮਾਂਟਿਕ ਹੋਟਲਾਂ |
Natural language processing | ਹੋਟਲ ਸਮੀਖਿਆਵਾਂ ਨਾਲ ਭਾਵਨਾਤਮਿਕ ਵਿਸ਼ਲੇਸ਼ਣ 2 | Python | ਸਟੀਫ਼ਨ |
| 21 | ਸਮੇਂ ਦੀ ਲੜੀ ਭਵਿੱਖਬਾਣੀ ਦਾ ਪਰਿਚਯ | Time series | ਸਮੇਂ ਦੀ ਲੜੀ ਭਵਿੱਖਬਾਣੀ ਦਾ ਪਰਿਚਯ | Python | ਫ੍ਰਾਂਸੇਸਕਾ |
| 22 | ⚡️ ਸੰਸਾਰ ਦੀ ਬਿਜਲੀ ਖਪਤ ⚡️ - ARIMA ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਭਵਿੱਖਬਾਣੀ | Time series | ARIMA ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਭਵਿੱਖਬਾਣੀ | Python | ਫ੍ਰਾਂਸੇਸਕਾ |
| 23 | ⚡️ ਸੰਸਾਰ ਦੀ ਬਿਜਲੀ ਖਪਤ ⚡️ - SVR ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਭਵਿੱਖਬਾਣੀ | Time series | ਸਪੋਰਟ ਵੈਕਟਰ ਰਿਗ੍ਰੈਸ਼ਨਰ ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਭਵਿੱਖਬਾਣੀ | Python | ਅਨੀਰਬਨ |
| 24 | ਰੀਇੰਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ | Reinforcement learning | Q-Learning ਨਾਲ ਰੀਇੰਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ | Python | ਦਿਮਿਤਰੀ |
| 25 | ਪੀਟਰ ਨੂੰ ਬੱਕਰੀ ਤੋਂ ਬਚਾਓ! 🐺 | Reinforcement learning | ਰੀਇੰਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਜਿਮ | Python | ਦਿਮਿਤਰੀ |
| ਪੋਸਟਸਕ੍ਰਿਪਟ | ਅਸਲ ਦੁਨੀਆ ਦੇ ML ਦ੍ਰਿਸ਼ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨ | ML in the Wild | ਕਲਾਸਿਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀਆਂ ਦਿਲਚਸਪ ਅਤੇ ਪ੍ਰਕਾਸ਼ਪੂਰਣ ਅਸਲ ਦੁਨੀਆ ਦੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ | Lesson | ਟੀਮ |
| ਪੋਸਟਸਕ੍ਰਿਪਟ | RAI ਡੈਸ਼ਬੋਰਡ ਦੁਆਰਾ ML ਮਾਡਲ ਡਿਬੱਗਿੰਗ | ML in the Wild | ਜਵਾਬਦੇਹ AI ਡੈਸ਼ਬੋਰਡ ਅੰਗਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਵਿੱਚ ਮਾਡਲ ਡਿਬੱਗਿੰਗ | Lesson | ਰੁਥ ਯਾਕੁਬੂ |
ਇਸ ਕੋਰਸ ਲਈ ਸਾਰੇ ਵਾਧੂ ਸਰੋਤ ਸਾਡੇ Microsoft Learn ਕਲੈਕਸ਼ਨ ਵਿੱਚ ਲੱਭੋ
ਤੁਸੀਂ ਇਸ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਆਫ਼ਲਾਈਨ ਚਲਾ ਸਕਦੇ ਹੋ Docsify ਦੀ ਵਰਤੋਂ ਕਰਕੇ। ਇਸ ਰੇਪੋ ਨੂੰ ਫੋਰਕ ਕਰੋ, Docsify ਇੰਸਟਾਲ ਕਰੋ ਆਪਣੇ ਸਥਾਨਕ ਮਸ਼ੀਨ 'ਤੇ, ਅਤੇ ਫਿਰ ਇਸ ਰੇਪੋ ਦੇ ਰੂਟ ਫੋਲਡਰ ਵਿੱਚ docsify serve ਟਾਈਪ ਕਰੋ। ਵੈੱਬਸਾਈਟ ਤੁਹਾਡੇ ਸਥਾਨਕ ਹੋਸਟ 'ਤੇ ਪੋਰਟ 3000 'ਤੇ ਸਰਵ ਕੀਤੀ ਜਾਵੇਗੀ: localhost:3000.
ਕਰੀਕੁਲਮ ਦਾ PDF ਲਿੰਕਾਂ ਨਾਲ ਇੱਥੇ ਲੱਭੋ।
ਸਾਡੀ ਟੀਮ ਹੋਰ ਕੋਰਸ ਵੀ ਪ੍ਰੋਡਿਊਸ ਕਰਦੀ ਹੈ! ਵੇਖੋ:
-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}
ਜੇਕਰ ਤੁਸੀਂ ਫਸ ਜਾਂਦੇ ਹੋ ਜਾਂ AI ਐਪਸ ਬਣਾਉਣ ਬਾਰੇ ਕੋਈ ਸਵਾਲ ਹੈ। MCP ਬਾਰੇ ਚਰਚਾ ਕਰਨ ਲਈ ਹੋਰ ਸਿੱਖਣ ਵਾਲੇ ਅਤੇ ਤਜਰਬੇਕਾਰ ਵਿਕਾਸਕਾਰਾਂ ਨਾਲ ਜੁੜੋ। ਇਹ ਇੱਕ ਮਦਦਗਾਰ ਸਮੁਦਾਇ ਹੈ ਜਿੱਥੇ ਸਵਾਲਾਂ ਦਾ ਸਵਾਗਤ ਹੈ ਅਤੇ ਗਿਆਨ ਆਜ਼ਾਦੀ ਨਾਲ ਸਾਂਝਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਜੇ ਤੁਹਾਡੇ ਕੋਲ ਉਤਪਾਦ ਫੀਡਬੈਕ ਜਾਂ ਗਲਤੀਆਂ ਹਨ ਤਾਂ ਬਣਾਉਣ ਦੌਰਾਨ ਜਾਓ:
- ਹਰ ਪਾਠ ਤੋਂ ਬਾਅਦ ਨੋਟਬੁੱਕਸ ਦੀ ਸਮੀਖਿਆ ਕਰੋ ਜਾਣਕਾਰੀ ਨੂੰ ਬਿਹਤਰ ਸਮਝਣ ਲਈ।
- ਆਪਣੇ ਆਪ ਅਲਗੋਰਿਦਮ ਪ੍ਰਯੋਗ ਕਰਨ ਦੀ ਅਭਿਆਸ ਕਰੋ।
- ਸਿੱਖੀਆਂ ਗਈਆਂ ਧਾਰਣਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਸਲ ਦੁਨੀਆ ਦੇ ਡੇਟਾਸੈਟ ਬਾਰੇ ਖੋਜ ਕਰੋ।
ਜ਼਼ਿੰਮੇਵਾਰੀ ਤੋਂ ਛੁਟਕਾਰਾ: ਇਹ ਦਸਤਾਵੇਜ਼ ਏਆਈ ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜੇਕਰ ਅਸੀਂ ਸਹੀਅਤ ਬਣਾਉਣ ਦਾ ਯਤਨ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਕਿਰਪਾ ਕਰਕੇ ਇਹ ਜਾਣੋ ਕਿ ਆਟੋਮੈਟਿਕ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸਹੀਤਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਆਪਣੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਪ੍ਰਮਾਣਿਕ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਣ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਨਾਲ ਉੱਪਜਣ ਵਾਲੀਆਂ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀਆਂ ਜਾਂ ਭ੍ਰਮਾਂ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।