अरबी | बंगाली | बुल्गेरियन | बर्मी (म्यानमार) | चिनी (सोपे) | चिनी (परंपरागत, हॉंगकॉंग) | चिनी (परंपरागत, मकाऊ) | चिनी (परंपरागत, तैवान) | क्रोएशियन | चेक | डॅनिश | डच | एस्टोनियन | फिनिश | फ्रेंच | जर्मन | ग्रीक | हिब्रू | हिंदी | हंगेरीयन | इंडोनेशियन | इटालियन | जपानी | कन्नड | कोरियन | लिथुआनियन | मलय | मलयाळम | मराठी | नेपाली | नायजेरियन पिड्गिन | नॉर्वेजियन | पर्शियन (फारसी) | पोलिश | पोर्तुगीज (ब्राझील) | पोर्तुगीज (पोर्तुगाल) | पंजाबी (गुरमुखी) | रोमानियन | रशियन | सर्बियन (सिरिलिक) | स्लोव्हाक | स्लोव्हेनियन | स्पॅनिश | स्वाहिली | स्वीडिश | टागालॉग (फिलिपिनो) | तामिळ | तेलुगू | थाई | टर्किश | युक्रेनीयन | उर्दू | व्हिएतनामीस
स्थानिक कॉपी करायला प्राधान्य द्यायचे का?
या रेपॉझिटरीमध्ये ५०+ भाषा अनुवाद आहेत ज्यामुळे डाउनलोड आकार मोठा होतो. अनुवादांशिवाय क्लोन करण्यासाठी, sparse checkout वापरा:
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"यामुळे तुम्हाला कोर्स पूर्ण करण्यासाठी सर्व आवश्यक गोष्टी खूप वेगवान डाउनलोडसह मिळतात.
आपल्याकडे AI सह शिकण्याच्या सिरीजसाठी Discord सुरू आहे, अधिक जाणून घेण्यासाठी आणि सहभागी होण्यासाठी Learn with AI Series येथे १८ - ३० सप्टेंबर, २०२५ दरम्यान. तुम्हाला GitHub Copilot चा वापर करून डेटा सायन्सचे टिप्स आणि ट्रिक्स मिळतील.
🌍 जगभर फिरत मशीन लर्निंगचा अभ्यास करताना जगाच्या संस्कृतींचा शोध घेऊया 🌍
Microsoft कडील Cloud Advocates आनंदाने १२ आठवड्यांचा, २६ धड्यांचा अभ्यासक्रम उपलब्ध करून देत आहेत जो पूर्णपणे मशीन लर्निंग विषयी आहे. या अभ्यासक्रमात, आपण कधीकधी "क्लासिक मशीन लर्निंग" म्हणतात ती शिका, ज्यासाठी मुख्यतः Scikit-learn लायब्ररी वापरली जाते आणि डीप लर्निंग टाळली जाते, जी आमच्या AI for Beginners' curriculum मध्ये समाविष्ट आहे. तसेच, या धड्यांसह आमचा 'Data Science for Beginners' curriculum वापरा.
जगभर फिरून आपण या क्लासिक तंत्रांचा वापर विविध प्रदेशांच्या डेटावर करतो. प्रत्येक धड्यामध्ये पूर्व-आणि पश्चात-धडा क्विझेस, लेखी सूचना, सोल्यूशन, असाइनमेंट इत्यादी असतात. आमची प्रकल्पाधारित शिकवणी पद्धत आपल्याला शिकत असतानाच तयार होण्यास मदत करते, जी नवीन कौशल्ये शिकण्याचा सिद्ध मार्ग आहे.
✍️ आमच्या लेखकांचे मनःपूर्वक आभार: जेन लूपर, स्टीव्हन हावेल, फ्रान्सेस्का लाझ़ेरि, टोमॉमी इमुरा, कॅस्सी ब्रेव्हियू, दिमित्री सॉश्निकोव्ह, क्रिस नोरिंग, अनिर्बान मुखर्जी, ऑर्नेला अल्टुन्यन, रूथ यकुबू आणि एमी बॉयड
🎨 आमच्या चित्रकारांचे देखील आभार: टोमॉमी इमुरा, दसानी माधिपल्ली, आणि जेन लूपर
**🙏 खास आभार 🙏 आमच्या Microsoft Student Ambassador लेखक, समीक्षक आणि सामग्री पुरवठादारांना, विशेषतः ऋषित दागली, मोहम्मद साकिब खान इनान, रोहन राज, अलेक्झांडरु पेट्रेस्कू, अभिषेक जैनवाल, नवरीन ताबस्सुम, इओन सामुइला, आणि स्निग्धा अग्रवाल यांना
🤩 Microsoft Student Ambassadors एरिक वांजाऊ, जसलीन सोंधी, आणि विदुषी गुप्ता यांना आमच्या R धड्यांसाठी विशेष आभार!
या टप्प्यांचे पालन करा:
- रिपॉझिटरी फोर्क करा: या पृष्ठाच्या वरच्या उजव्या कोपऱ्यातील "Fork" बटण क्लिक करा.
- रिपॉझिटरी क्लोन करा:
git clone https://github.com/microsoft/ML-For-Beginners.git
या कोर्ससाठी सर्व अतिरिक्त साधने आमच्या Microsoft Learn कलेक्शन मध्ये शोधा
🔧 मदत हवी आहे का? आमच्या Troubleshooting Guide मध्ये इन्स्टॉलेशन, सेटअप, आणि धडे चालवण्याच्या सामान्य समस्यांसाठी उपाय तपासा.
विद्यार्थी, हा अभ्यासक्रम वापरण्यासाठी, संपूर्ण रेपॉ फोर्क करून आपल्या GitHub खात्यावर नेऊन स्वतः किंवा गटाबरोबर व्यायाम पूर्ण करा:
- पूर्व-व्याख्यान क्विझपासून प्रारंभ करा.
- व्याख्यान वाचा आणि क्रिया पूर्ण करा, प्रत्येक ज्ञान तपासणीत थांबा आणि विचार करा.
- सोल्यूशन कोड चालवण्याऐवजी धडे समजून प्रोजेक्ट्स तयार करण्याचा प्रयत्न करा; परंतु तो कोड प्रत्येक प्रकल्प-आधारित धड्यातील
/solutionफोल्डरमध्ये उपलब्ध आहे. - पोस्ट-व्याख्यान क्विझ घ्या.
- आव्हान पूर्ण करा.
- असाइनमेंट पूर्ण करा.
- धडा गट पूर्ण केल्यावर, Discussion Board येथे भेट द्या आणि योग्य PAT रब्रीक भरून "जोरात शिकणे" करा. 'PAT' म्हणजे प्रगती मूल्यांकन साधन-ज्यामध्ये आपण आपली प्रगती भरता. तुम्ही इतर PAT ला प्रतिक्रिया देऊन एकत्र शिकू शकता.
पुढील अभ्यासासाठी, आम्ही खालील Microsoft Learn मॉड्यूल्स आणि शिक्षण मार्गांचे अनुसरण करण्याचा सल्ला देतो.
शिक्षक, आम्ही हा अभ्यासक्रम कसा वापरावा याबाबत काही सूचना दिल्या आहेत.
काही धडे लहान स्वरूपाच्या व्हिडिओ स्वरूपात उपलब्ध आहेत. तुम्ही हे सर्व धड्यांमध्ये इन-लाइन किंवा Microsoft Developer YouTube चॅनेलवरील ML for Beginners प्लेलिस्ट मध्ये खालील प्रतिमेवर क्लिक करून पाहू शकता.
Gif बनवलेले मोहित जैसल
🎥 प्रोजेक्ट आणि त्यामागील लोकांबद्दल व्हिडिओसाठी वरील प्रतिमेवर क्लिक करा!
आम्ही या अभ्यासक्रमाची रचना करताना दोन शैक्षणिक तत्त्वे निवडली: प्रामुख्याने प्रकल्प-आधारित आणि वारंवार क्विझसह असणे आवश्यक. याशिवाय, अभ्यासक्रमाला एकसंधता देण्यासाठी एक समान थीम ठेवली आहे.
सामग्री प्रकल्पांशी सुसंगत असल्यामुळे विद्यार्थी अधिक गुंतलेले राहतात आणि संकल्पना अधिक चांगल्याप्रकारे लक्षात राहतात. वर्गापूर्वी कमी जोखमीचा क्विझ विद्यार्थ्यांच्या मनात विषय शिकण्याचा उद्देश निर्माण करतो, तर वर्गानंतरचा क्विझ अधिक चांगला ध्यास देतो. हा अभ्यासक्रम लवचिक आणि मजेदार बनविण्यासाठी डिझाइन केला गेला आहे आणि तो पूर्ण किंवा भागांमध्ये पूर्ण केला जाऊ शकतो. प्रकल्प सुरुवातीला सोपे आहेत आणि १२ आठवड्यांच्या समाप्तीपर्यंत अधिक क्लिष्ट होतात. हा अभ्यासक्रम वास्तविक जगात ML च्या उपयोगांवर पोस्टस्क्रिप्ट देखील समाविष्ट करतो, जो अतिरिक्त क्रेडिट किंवा चर्चेसाठी आधार म्हणून वापरता येतो.
आमचा Code of Conduct, Contributing, Translations, आणि Troubleshooting मार्गदर्शक पहा. आम्ही तुमच्या रचनात्मक अभिप्रायाचे स्वागत करतो!
- ऐच्छिक स्केचनोट
- ऐच्छिक पूरक व्हिडिओ
- व्हिडिओ मार्गदर्शन (केवळ काही धड्यांसाठी)
- पूर्व-व्याख्यान उबदार क्विझ
- लेखी धडा
- प्रकल्प-आधारित धड्यांसाठी प्रकल्प कसा बांधायचा यावर तपशीलवार मार्गदर्शक
- ज्ञान तपासणी
- आव्हान
- पूरक वाचन
- असाइनमेंट
- पोस्ट-व्याख्यान क्विझ
भाषांबाबत एक नोंद: हे धडे मुख्यत्वे Python मध्ये लिहिलेले आहेत, पण अनेक R मध्ये सुद्धा उपलब्ध आहेत. R धडा पूर्ण करण्यासाठी,
/solutionफोल्डरमध्ये जा आणि R धडे शोधा. त्यांना .rmd विस्तार आहे, जो R Markdown फाईल दर्शवितो, जोcode chunks(R किंवा इतर भाषांच्या) आणिYAML हेडर(ज्यामुळे PDF सारखे आउटपुट स्वरूप कसे करायचे हे मार्गदर्शन होते) या Markdown दस्तऐवजामध्ये एम्बेडिंग आहे. त्यामुळे, हा डेटा सायन्ससाठी एक उदाहरणीय लेखक फ्रेमवर्क आहे कारण यामुळे आपला कोड, त्याचे आउटपुट आणि आपले विचार Markdown मध्ये लिहून एकत्र करता येतात. शिवाय, R Markdown दस्तऐवज PDF, HTML किंवा Word सारख्या आउटपुट स्वरूपात रुपांतरित केले जाऊ शकतात. प्रश्नमंजुषांबद्दल एक टीप: सर्व प्रश्नमंजुषा Quiz App फोल्डर मध्ये आहेत, ज्यात प्रत्येकी तीन प्रश्न असलेल्या 52 एकूण प्रश्नमंजुषा आहेत. त्या धड्यांमधून लिंक केल्या आहेत परंतु प्रश्नमंजुषा अॅप लोकलपणे सुरू केला जाऊ शकतो;quiz-appफोल्डरमधील सूचनांचे अनुसरण करून स्थानिकपणे होस्ट किंवा Azure वर तैनात करा.
| धडा क्रमांक | विषय | धडा गट | शिक्षण उद्दिष्टे | लिंक्ड धडा | लेखक |
|---|---|---|---|---|---|
| 01 | मशीन लर्निंगची ओळख | परिचय | मशीन लर्निंगच्या मूलभूत संकल्पना शिका | धडा | मुहम्मद |
| 02 | मशीन लर्निंगचा इतिहास | परिचय | या क्षेत्राचा मुळ इतिहास शिका | धडा | जेन आणि एमी |
| 03 | न्यायसंगतता आणि मशीन लर्निंग | परिचय | मशीन लर्निंग मॉडेल तयार करताना आणि वापरताना विद्यार्थ्यांनी विचारात घ्यावयाच्या न्यायसंगततेसंबंधी महत्त्वाच्या तात्त्विक प्रश्नांवर चर्चा | धडा | टोमोमी |
| 04 | मशीन लर्निंगसाठी तंत्रे | परिचय | मशीन लर्निंग संशोधक कोणती तंत्रे वापरतात हे जाणून घ्या | धडा | क्रिस आणि जेन |
| 05 | पुनर्रचना परिचय | पुनर्रचना | पुनर्रचना मॉडेलसाठी पाइथन आणि स्किकिट-लर्नचा उपयोग कसा करायचा ते शिका | पायथन • आर | जेन • इरिक वांजाऊ |
| 06 | उत्तर अमेरिकेतील भोपळा किमती 🎃 | पुनर्रचना | मशीन लर्निंगसाठी डेटा कसा साफ व दृश्यमान बनवायचा ते शिका | पायथन • आर | जेन • इरिक वांजाऊ |
| 07 | उत्तर अमेरिकेतील भोपळा किमती 🎃 | पुनर्रचना | रेषीय आणि बहुपदी पुनर्रचना मॉडेल तयार करा | पायथन • आर | जेन आणि दिमित्री • इरिक वांजाऊ |
| 08 | उत्तर अमेरिकेतील भोपळा किमती 🎃 | पुनर्रचना | लॉजिस्टिक पुनर्रचना मॉडेल तयार करा | पायथन • आर | जेन • इरिक वांजाऊ |
| 09 | वेब अॅप 🔌 | वेब अॅप | तुमचा प्रशिक्षित मॉडेल वापरण्यासाठी वेब अॅप तयार करा | पायथन | जेन |
| 10 | वर्गवारीची ओळख | वर्गवारी | तुमचा डेटा साफ, तयार व दृश्यमान करा; वर्गवारीची ओळख | पायथन • आर | जेन आणि कॅसी • इरिक वांजाऊ |
| 11 | चवदार आशियाई आणि भारतीय पदार्थ 🍜 | वर्गवारी | वर्गीकारकांची ओळख | पायथन • आर | जेन आणि कॅसी • इरिक वांजाऊ |
| 12 | चवदार आशियाई आणि भारतीय पदार्थ 🍜 | वर्गवारी | अधिक वर्गीकारक | पायथन • आर | जेन आणि कॅसी • इरिक वांजाऊ |
| 13 | चवदार आशियाई आणि भारतीय पदार्थ 🍜 | वर्गवारी | तुमचा मॉडेल वापरून शिफारस करणारा वेब अॅप तयार करा | पायथन | जेन |
| 14 | क्लस्टरिंगची ओळख | क्लस्टरिंग | तुमचा डेटा साफ, तयार व दृश्यमान करा; क्लस्टरिंगची ओळख | पायथन • आर | जेन • इरिक वांजाऊ |
| 15 | नायजेरियन संगीत आवडींचा अभ्यास 🎧 | क्लस्टरिंग | K-मीन क्लस्टरिंग पद्धत एक्सप्लोर करा | पायथन • आर | जेन • इरिक वांजाऊ |
| 16 | नैसर्गिक भाषा प्रक्रिया परिचय ☕️ | नैसर्गिक भाषा प्रक्रिया | एक सोपा बॉट बनवून NLP च्या बेसिक्स शिका | पायथन | स्टीफन |
| 17 | सामान्य NLP कार्ये ☕️ | नैसर्गिक भाषा प्रक्रिया | भाषा संरचनांसोबत काम करताना आवश्यक सामान्य कार्ये समजून NLP ज्ञान वाढवा | पायथन | स्टीफन |
| 18 | भाषांतर आणि भावना विश्लेषण |
नैसर्गिक भाषा प्रक्रिया | जेन ऑस्टिन सहित भाषांतर आणि भावना विश्लेषण | पायथन | स्टीफन |
| 19 | युरोप मधील रोमँटिक हॉटेल्स |
नैसर्गिक भाषा प्रक्रिया | हॉटेल पुनरावलोकनांसह भावना विश्लेषण १ | पायथन | स्टीफन |
| 20 | युरोप मधील रोमँटिक हॉटेल्स |
नैसर्गिक भाषा प्रक्रिया | हॉटेल पुनरावलोकनांसह भावना विश्लेषण २ | पायथन | स्टीफन |
| 21 | टाइम सिरीज फोरकास्टिंगची ओळख | टाइम सिरीज | टाइम सिरीज फोरकास्टिंगची ओळख | पायथन | फ्रान्सेस्का |
| 22 | ⚡️ वर्ल्ड पॉवर युसेज ⚡️ - ARIMA सह टाइम सिरीज फोरकास्टिंग | टाइम सिरीज | ARIMA सह टाइम सिरीज फोरकास्टिंग | पायथन | फ्रान्सेस्का |
| 23 | ⚡️ वर्ल्ड पॉवर युसेज ⚡️ - SVR सह टाइम सिरीज फोरकास्टिंग | टाइम सिरीज | सपोर्ट व्हेक्टर रिग्रेशनसह टाइम सिरीज फोरकास्टिंग | पायथन | अनिर्बान |
| 24 | पुनरावृत्ती शिक्षण परिचय | पुनरावृत्ती शिक्षण | Q-शिकण्यासह पुनरावृत्ती शिक्षणची ओळख | पायथन | दिमित्री |
| 25 | पीटरला लांडगा टाळण्यात मदत करा! 🐺 | पुनरावृत्ती शिक्षण | पुनरावृत्ती शिक्षण जिम | पायथन | दिमित्री |
| उपसंहार | वास्तविक जगातील ML परिस्थिती आणि अनुप्रयोग | ML इन द वाइल्ड | क्लासिकल ML चे मनोरंजक आणि प्रकाश टाकणारे वास्तविक जगातील अनुप्रयोग | धडा | टीम |
| उपसंहार | RAI डॅशबोर्ड वापरून ML मध्ये मॉडेल डीबगिंग | ML इन द वाइल्ड | रेस्पॉन्सिबल AI डॅशबोर्ड घटकांद्वारे मशीन लर्निंगमधील मॉडेल डीबगिंग | धडा | रुथ याकुबू |
या कोर्ससाठी सर्व अतिरिक्त संसाधने आमच्या Microsoft Learn संग्रहात शोधा
आपण Docsify वापरून ही माहिती ऑफलाइन चालवू शकता. या रेपॉ फोर्क करा, स्थानिक संगणकावर Docsify इन्स्टॉल करा, आणि नंतर या रेपॉच्या रूट फोल्डरमध्ये docsify serve टाइप करा. वेबसाइट तुमच्या लोकलहोस्टवर पोर्ट 3000 वर localhost:3000 चालेल.
लिंकसह अभ्यासक्रमाचा PDF इथे मिळवा.
आमची टीम इतर कोर्सही तयार करते! पाहा:
-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}
जर तुम्ही अडकले असाल किंवा AI अॅप्स तयार करताना काही प्रश्न असतील तर. MCP संदर्भातच्या चर्चेत इतर शिकणाऱ्या आणि अनुभवी डेव्हलपर्ससोबत सामील व्हा. ही एक सहायक समुदाय आहे जिथे प्रश्न विचारले जातात आणि ज्ञान मोकळेपणाने शेअर केले जाते.
उत्पादन फीडबॅक किंवा चुका आढळल्यास खालील ठिकाणी भेट द्या:
- प्रत्येक धड्याच्या नंतर नोटबुक पुनरावलोकन करा ज्यामुळे चांगले समजेल.
- अल्गोरिदम स्वतः अंमलात आणण्याचा सराव करा.
- शिकलेल्या संकल्पनांचा वापर करून प्रत्यक्ष डेटासेट्स अन्वेषण करा.
अस्वीकरण:
हा दस्तऐवज AI अनुवाद सेवा Co-op Translator वापरून अनुवादित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी, कृपया लक्षात घ्या की स्वयंचलित अनुवादांमध्ये चुका किंवा अचूकतेच्या अभाव असू शकतात. मूळ दस्तऐवज त्याच्या स्थानिक भाषेत अधिकृत स्रोत मानला पाहिजे. महत्त्वाच्या माहिती साठी व्यावसायिक मानवी अनुवाद करणे शिफारसीय आहे. या अनुवादाच्या वापराबाबत उद्भवलेल्या कोणत्याही गैरसमजुती किंवा चुकीच्या समजुतींसाठी आम्ही जबाबदार नाही.