🌐 ਬਹੁ-ਭਾਸ਼ਾ ਸਮਰਥਨ

GitHub ਐਕਸ਼ਨ ਰਾਹੀਂ ਸਮਰਥਿਤ (ਆਟੋਮੇਟਿਕ ਅਤੇ ਸਦਾ ਅਪ-ਟੂ-ਡੇਟ)

ਕੀ ਤੁਹਾਨੂੰ ਇੱਥੋਂ ਲੋਕਲ ਕਲੋਨ ਕਰਨਾ ਹੈ?

ਇਸ ਰਿਪੋਜ਼ਿਟਰੀ ਵਿੱਚ 50+ ਭਾਸ਼ਾਵਾਂ ਦੇ ਅਨੁਵਾਦ ਸ਼ਾਮਿਲ ਹਨ ਜੋ ਡਾਊਨਲੋਡ ਆਕਾਰ ਵਧਾਉਂਦੇ ਹਨ। ਅਨੁਵਾਦਾਂ ਦੇ ਬਿਨਾਂ ਕਲੋਨ ਕਰਨ ਲਈ sparse checkout ਦੀ ਵਰਤੋਂ ਕਰੋ:
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'
ਇਹ ਤੁਹਾਨੂੰ ਪਾਠਕ੍ਰਮ ਪੂਰਾ ਕਰਨ ਲਈ ਲੋੜੀਦਾ ਸਾਰਾ ਕੁਝ ਬੜੀ ਤੇਜ਼ੀ ਨਾਲ ਡਾਊਨਲੋਡ ਕਰਦਾ ਹੈ।

ਸਾਡੇ ਸਮੁਦਾਇ ਵਿਚ ਸ਼ਾਮਲ ਹੋਵੋ

ਸਾਡੇ ਕੋਲ ਇੱਕ Discord 'Learn with AI' ਸੀਰੀਜ਼ ਚੱਲ ਰਹੀ ਹੈ, ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ ਅਤੇ ਸਾਡੀ ਸੇਰਿਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ Learn with AI Series 18 - 30 ਸਤੰਬਰ, 2025 ਤੋਂ। ਤੁਹਾਨੂੰ GitHub Copilot ਦੀ ਵਰਤੋਂ ਲਈ ਡਾਟਾ ਸਾਇੰਸ ਵਿੱਚ ਟਿੱਪਸ ਅਤੇ ਟ੍ਰਿਕਸ ਮਿਲਣਗੇ।

ਸ਼ੁਰੂਆਤੀ ਲਈ ਮਸ਼ੀਨ ਲਰਨਿੰਗ - ਇੱਕ ਕੋਰਸ ਕਰਿਕੁਲਮ

🌍 ਦੁਨੀਆ ਦੇ ਵੱਖ-ਵੱਖ ਸੱਭਿਆਚਾਰਾਂ ਰਾਹੀਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀ ਖੋਜ ਕਰਦੇ ਹੋਏ ਦੁਨੀਆ ਭਰ ਦਾ ਸਫਰ ਕਰੋ 🌍

ਮਾਈਕ੍ਰੋਸੌਫਟ ਦੇ ਕਲਾਉਡ ਐਡਵੋਕੇਟਸ ਖੁਸ਼ ਹਨ ਕਿ ਉਹ 12 ਹਫ਼ਤੇ, 26 ਪਾਠਾਂ ਤੇ مشتمل ਇੱਕ ਕਰਿਕੁਲਮ ਪ੍ਰਦਾਨ ਕਰ ਰਹੇ ਹਨ ਜੋ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਬਾਰੇ ਹੈ। ਇਸ ਕਰਿਕੁਲਮ ਵਿੱਚ, ਤੁਸੀਂ ਵੇਖੋਗੇ ਕਿ ਕੁਝ ਕਹਿੰਦੇ ਹਨ ਕਲਾਸਿਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ, ਜੋ ਮੁੱਖ ਤੌਰ 'ਤੇ Scikit-learn ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਅਤੇ ਡੀਪ ਲਰਨਿੰਗ ਤੋਂ ਬਚਿਆ ਜਾਂਦਾ ਹੈ, ਜੋ ਸਾਡੇ AI for Beginners' ਕਰਿਕੁਲਮ ਵਿੱਚ ਕਵਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਪਾਠ Data Science for Beginners' ਕਰਿਕੁਲਮ ਨਾਲ ਵੀ ਜੋੜੋ।

ਸਾਡੇ ਨਾਲ ਦੁਨੀਆ ਭਰ ਦਾ ਸਫਰ ਕਰੋ ਜਿੱਥੇ ਅਸੀਂ ਕਲਾਸਿਕ ਤਕਨੀਕਾਂ ਨੂੰ ਵਿਸ਼ਵ ਭਰ ਦੇ ਡੇਟਾ 'ਤੇ ਲਾਗੂ ਕਰਦੇ ਹਾਂ। ਹਰ ਪਾਠ ਵਿੱਚ ਪ੍ਰੀ ਅਤੇ ਪੋਸਟ-ਪਾਠ ਕੁਇਜ਼, ਲਿਖਤੀ ਹਿੱਦਾਇਤਾਂ, ਹੱਲ, ਅਸਾਈਨਮੈਂਟ ਆਦਿੱ ਗਿੱਠੇ ਹਨ। ਸਾਡੀ ਪ੍ਰੋਜੈਕਟ ਆਧਾਰਤ ਪਾਠ ਸਿੱਖਣ ਦਾ ਤਰੀਕਾ ਹੈ ਜੋ ਕੰਮ ਕਰਦੇ ਹੋਏ ਸਿੱਖਣ ਨੂੰ ਸਰਗਰਮ ਰਖਦਾ ਹੈ, ਇਕ ਪ੍ਰਮਾਣਤ ਤਰੀਕਾ।

✍️ ਸਾਡੇ ਲੇਖਕਾਂ ਨੂੰ ਭਾਰੀ ਸ਼ੁਕਰਗੁਜ਼ਾਰੀ ਜ਼ੇਨ ਲੂਪਰ, ਸਟੀਫ਼ਨ ਹਾਓਵਲ, ਫ੍ਰਾਂਸੇਸਕਾ ਲਾਜ਼ੇਰੀ, ਟੋਮੋਮੀ ਇਮੁਰਾ, ਕੈਸੀ ਬ੍ਰੇਵਿਊ, ਡਿਮਿਟਰੀ ਸੋਸ਼ਨਿਕੋਵ, ਕ੍ਰਿਸ ਨੋਰਿੰਗ, ਅਨੀਰਬਾਨ ਮੁਖਰਜੀ, ਓਰਨੈਲਾ ਅਲਟੂਨਯਨ, ਰੂਥ ਯਾਕੂਬੂ ਅਤੇ ਐਮੀ ਬੋਇਡ

🎨 ਸਾਡੇ ਇਲਾਸਟਰਟਰਾਂ ਨੂੰ ਵੀ ਧੰਨਵਾਦ ਟੋਮੋਮੀ ਇਮੁਰਾ, ਦਾਸਾਨੀ ਮਾਡਿਪੱਲੀ ਅਤੇ ਜੇਨ ਲੂਪਰ

🙏 ਖਾਸ ਧੰਨਵਾਦ 🙏 ਸਾਡੇ ਮਾਈਕ੍ਰੋਸੌਫਟ ਸਟੂਡੈਂਟ ਅੈਂਬੈਸਡਰ ਲੇਖਕਾਂ, ਸਮੀਖਿਆਕਾਰਾਂ ਅਤੇ ਸਮੱਗਰੀ ਯੋਗਦਾਨਕਾਰਾਂ ਨੂੰ, ਖਾਸ ਕਰਕੇ ਰਿਸ਼ਿਤ ਡਾਗਲੀ, ਮੁਹੰਮਦ ਸਾਕਿਬ ਖਾਨ ਇਨਾਨ, ਰੋਹਨ ਰਾਜ, ਅਲੇਕਜ਼ਾਂਦਰੂ ਪੇਟਰੈਸਕੂ, ਅਭਿਸ਼ੇਕ ਜੈਸਵਾਲ, ਨਾਵਰੀਨ ਤਬਾਸ਼ਮ, ਇਓਅਨ ਸਾਮੁਇਲਾ, ਅਤੇ ਸਨਿਗਧਾ ਅਗਰਵਾਲ

🤩 ਵਾਧੂ ਸ਼ੁਕਰਗੁਜ਼ਾਰੀ ਮਾਈਕ੍ਰੋਸੌਫਟ ਸਟੂਡੈਂਟ ਅੈਂਬੈਸਡਰਜ਼ ਐਰਿਕ ਵਾਂਜਾਊ, ਜਸਲੀਨ ਸੋੰਢੀ ਅਤੇ ਵੀਦੁਸ਼ੀ ਗੁਪਤਾ ਨੂੰ ਸਾਡੇ R ਪਾਠ ਲਈ!

ਸ਼ੁਰੂਆਤ ਕਰਨਾ

ਇਹ ਕਦਮ ਫਾਲੋ ਕਰੋ:

ਰਿਪੋਜ਼ਿਟਰੀ ਨੂੰ ਫੋਰਕ ਕਰੋ: ਇਸ ਪੰਨੇ ਦੇ ਉਪਰ-ਸੱਜੇ ਕੋਨੇ ਵਿੱਚ "Fork" ਬਟਨ 'ਤੇ ਕਲਿੱਕ ਕਰੋ।
ਰਿਪੋਜ਼ਿਟਰੀ ਕਲੋਨ ਕਰੋ: git clone https://github.com/microsoft/ML-For-Beginners.git

ਇਸ ਕੋਰਸ ਦੀਆਂ ਸਾਰੀਆਂ ਵਾਧੂ ਸੰਸਾਧਨਾਂ ਲਈ ਸਾਡੇ Microsoft Learn ਕलेकਸ਼ਨ ਵਿਚ ਖੋਜੋ

🔧 ਸਹਾਇਤਾ ਚਾਹੀਦੀ ਹੈ? ਸਾਡੇ Troubleshooting Guide ਵਿੱਚ ਇੰਸਟਾਲੇਸ਼ਨ, ਸੈੱਟਅਪ ਅਤੇ ਪਾਠ ਚਲਾਉਣ ਦੇ ਆਮ ਮੁੱਦਿਆਂ ਦੇ ਸਮਾਧਾਨ ਹਨ।

ਵਿਦਿਆਰਥੀ, ਇਸ ਕਰਿਕੁਲਮ ਨੂੰ ਵਰਤਣ ਲਈ, ਪੂਰੇ ਰਿਪੋ ਨੂੰ ਆਪਣੇ GitHub ਖਾਤੇ 'ਤੇ ਫੋਰਕ ਕਰੋ ਅਤੇ ਅਭਿਆਸ ਆਪਣੇ ਅੰਦਰ ਜਾਂ ਗਰੁੱਪ ਨਾਲ ਖਤਮ ਕਰੋ:

ਪ੍ਰੀ-ਲੈਕਚਰ ਕੁਇਜ਼ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ।
ਲੈਕਚਰ ਪੜ੍ਹੋ ਅਤੇ ਸਰਗਰਮੀ ਪੂਰੀ ਕਰੋ, ਹਰ ਗਿਆਨ ਚੈਕ ਤੇ ਰੋਕ ਕੇ ਸੋਚ-ਵਿਚਾਰ ਕਰੋ।
ਕੋਡ ਸਲੂਸ਼ਨ ਚਲਾਉਣ ਦੀ ਬਜਾਏ ਪਾਠ ਨੂੰ ਸਮਝ ਕੇ ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ; ਹਾਲਾਂਕਿ ਜਿਹੜਾ ਕੋਡ /solution ਫੋਲਡਰ ਵਿੱਚ ਹਰ ਪ੍ਰੋਜੈਕਟ-ਕੇਂਦ੍ਰਿਤ ਪਾਠ ਵਿੱਚ ਹੈ, ਉਹ ਉਪਲਬਧ ਹੈ।
ਪੋਸਟ-ਲੈਕਚਰ ਕੁਇਜ਼ ਲਵੋ।
ਚੈਲੰਜ ਪੂਰਾ ਕਰੋ।
ਅਸਾਈਨਮੈਂਟ ਪੂਰਾ ਕਰੋ।
ਪਾਠ ਗਰੁੱਪ ਖਤਮ ਕਰਨ ਤੋਂ ਬਾਅਦ, Discussion Board ਤੇ ਜਾਓ ਅਤੇ موزوں PAT ਰੁਬ੍ਰਿਕ ਭਰ ਕੇ "ਲੌਡ ਸਿੱਖੋ"। 'PAT' ਮਤਲਬ ਪ੍ਰਗਟੀ ਦਰਜ਼ਾ ਟੂਲ ਹੈ ਜੋ ਤੁਹਾਡੇ ਸਿੱਖਣ ਲਈ ਇੱਕ ਰੁਬ੍ਰਿਕ ਹੈ। ਤੁਸੀਂ ਹੋਰ PATs 'ਤੇ ਵੀ ਜਵਾਬ ਦੇ ਸਕਦੇ ਹੋ ਤਾਂ ਜੋ ਅਸੀਂ ਸਾਰਿਆਂ ਨੂੰ ਇਕੱਠੇ ਸਿੱਖਣਾ ਮਿਲੇ।

ਅਗਲੇ ਪਾਠ ਲਈ, ਅਸੀਂ ਸਿਫਾਰਸ਼ ਕਰਦੇ ਹਾਂ ਕਿ ਤੁਸੀਂ ਇਹਨਾਂ Microsoft Learn ਮਾਡਿਊਲਾਂ ਅਤੇ ਸਿੱਖਣ ਰਸਤੇ ਦੀ ਪਾਲਣਾ ਕਰੋ।

ਅਧਿਆਪਕ, ਅਸੀਂ ਕੁਝ ਸੁਝਾਵ ਦਿੱਤੇ ਹਨ ਕਿ ਕਿਵੇਂ ਇਹ ਕਰਿਕੁਲਮ ਵਰਤਣਾ ਹੈ।

ਵੀਡੀਓ ਵਾਕਥਰੂ

ਕੁਝ ਪਾਠ ਛੋਟੇ ਵੀਡੀਓ ਰੂਪ ਵਿੱਚ ਉਪਲਬਧ ਹਨ। ਤੁਸੀਂ ਇਹਨਾਂ ਨੂੰ ਪਾਠਾਂ ਵਿੱਚ ਸਿੱਧਾ ਦੇਖ ਸਕਦੇ ਹੋ ਜਾਂ Microsoft Developer YouTube ਚੈਨਲ 'ਤੇ ML for Beginners ਪਲੇਲਿਸਟ ’ਤੇ ਚਲਾਉਣ ਲਈ ਹੇਠਾਂ ਦਿੱਤੀ ਤਸਵੀਰ 'ਤੇ ਕਲਿੱਕ ਕਰੋ।

ਟੀਮ ਨਾਲ ਮਿਲੋ

ਗਿਫ ਤਿਆਰ ਕੀਤਾ ਮੋਹਿਤ ਜੈਸਲ

🎥 ਪ੍ਰੋਜੈਕਟ ਅਤੇ ਬਣਾਉਣ ਵਾਲੇ ਲੋਕਾਂ ਬਾਰੇ ਵੀਡੀਓ ਦੇਖਣ ਲਈ ਉਪਰੋਕਤ ਤਸਵੀਰ ’ਤੇ ਕਲਿੱਕ ਕਰੋ!

ਪੈਡਾਗੋਜੀ

ਅਸੀਂ ਇਸ ਕਰਿਕੁਲਮ ਦਾ ਨਿਰਮਾਣ ਕਰਦੇ ਸਮੇਂ ਦੋ ਮੁੱਖ ਅਸੂਲ ਚੁਣੇ ਹਨ: ਇਹ ਹੱਥਾਂ-ਵਿੱਚ-ਹੱਥ ਹੋ ਕੇ ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਿਤ ਹੈ ਅਤੇ ਇਸ ਵਿੱਚ ਅਕਸਰ ਕੁਇਜ਼ ਸ਼ਾਮਿਲ ਹਨ। ਇਸ ਦੇ ਨਾਲ, ਇਸ ਕਰਿਕੁਲਮ ਵਿੱਚ ਇੱਕ ਸਾਂਝਾ ਥੀਮ ਵੀ ਹੈ ਜੋ ਇਸਨੂੰ ਏਕਜੁਟਤਾ ਦਿੰਦਾ ਹੈ।

ਸਮੱਗਰੀ ਨੂੰ ਪ੍ਰੋਜੈਕਟਾਂ ਨਾਲ ਜੋੜ ਕੇ, ਵਿਦਿਆਰਥੀਆਂ ਲਈ ਪ੍ਰਕਿਰਿਆ ਹੋਰ ਦਿਲਚਸਪ ਬਣਾਈ ਜਾਂਦੀ ਹੈ ਅਤੇ ਧਾਰਨਾ ਨੂੰ ਜ਼ਿਆਦਾ ਸਮਝਿਆ ਜਾਂਦਾ ਹੈ। ਖ਼ਾਸ ਕਰਕੇ, ਇੱਕ ਨਿਮਨ-ਦਾਅਵਾ ਵਾਲਾ ਕੁਇਜ਼ ਕਲਾਸ ਤੋਂ ਪਹਿਲਾਂ ਵਿਦਿਆਰਥੀ ਨੂੰ ਵਿਸ਼ੇ ਸਿੱਖਣ ਲਈ ਮਨ-ਮੱਨ ਕਰਾਉਂਦਾ ਹੈ, ਅਤੇ ਦੂਜਾ ਕੁਇਜ਼ ਕਲਾਸ ਦੇ ਬਾਅਦ ਹੋਰ ਧਾਰਨਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ। ਇਸ ਕਰਿਕੁਲਮ ਨੂੰ ਲਚਕੀਲਾ ਅਤੇ ਮਨੋਰੰਜਕ ਬਣਾਇਆ ਗਿਆ ਹੈ ਜੋ ਪੂਰਾ ਜਾਂ ਹਿੱਸੇ ਵਜੋਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਪ੍ਰੋਜੈਕਟ ਛੋਟੇ-ਛੋਟੇ ਅਤੇ 12 ਹਫ਼ਤਿਆਂ ਦੇ ਅੰਤ ਤੱਕ ਬਹੁਤ ਜਟਿਲ ਹੋ ਜਾਂਦੇ ਹਨ। ਇਸ ਕਰਿਕੁਲਮ ਵਿੱਚ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਅਸਲ ਦੁਨੀਆ ਦੇ ਅਰਜ਼ੀਆਂ ਤੇ ਇੱਕ ਪੋਸਟਸਕ੍ਰਿਪਟ ਵੀ ਸ਼ਾਮਿਲ ਹੈ, ਜੋ ਵਾਧੂ ਕ੍ਰੈਡਿਟ ਜਾਂ ਚਰਚਾ ਲਈ ਬਨੀਅਾਦ ਦਾ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ।

ਸਾਡਾ Code of Conduct, Contributing, Translation, ਅਤੇ Troubleshooting ਮੈਨੂਅਲ ਵੇਖੋ। ਅਸੀਂ ਤੁਹਾਡੇ конструктив ਫੀਡਬੈਕ ਦਾ ਸਵਾਗਤ ਕਰਦੇ ਹਾਂ!

ਹਰ ਪਾਠ ਵਿੱਚ ਸ਼ਾਮਿਲ ਹੈ

ਵਿਕਲਪੀ ਸਕੇਚਨੋਟ
ਵਿਕਲਪੀ ਸਹਾਇਕ ਵੀਡੀਓ
ਵੀਡੀਓ ਵਾਕਥਰੂ (ਕੁਝ ਪਾਠਾਂ ਲਈ)
ਪ੍ਰੀ-ਲੈਕਚਰ ਵਰਮਅੱਪ ਕੁਇਜ਼
ਲਿਖਤੀ ਪਾਠ
ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਿਤ ਪਾਠਾਂ ਲਈ, ਪਰੋਜੈਕਟ ਬਣਾਉਣ ਦੀ ਵਧੇਰੇ-ਵਧੇਰੇ ਹਦਾਇਤਾਂ
ਗਿਆਨ ਚੈੱਕ
ਇੱਕ ਚੈਲੰਜ
ਸਹਾਇਕ ਪੜ੍ਹਾਈ
ਅਸਾਈਨਮੈਂਟ
ਪੋਸਟ-ਲੈਕਚਰ ਕੁਇਜ਼

ਭਾਸ਼ਾਵਾਂ ਬਾਰੇ ਇੱਕ ਨੋਟ: ਇਹ ਪਾਠ ਮੁੱਖਤੌਰ 'ਤੇ Python ਵਿੱਚ ਲਿਖੇ ਗਏ ਹਨ, ਪਰ ਬਹੁਤ ਸਾਰੇ R ਵਿੱਚ ਵੀ ਉਪਲਬਧ ਹਨ। R ਪਾਠ ਪੂਰਾ ਕਰਨ ਲਈ, /solution ਫੋਲਡਰ ਵਿੱਚ ਜਾਓ ਅਤੇ R ਪਾਠਾਂ ਨੂੰ ਲੱਭੋ। ਇਹਨਾਂ ਵਿੱਚ .rmd ਐਕਸਟੈਂਸ਼ਨ ਹੁੰਦਾ ਹੈ ਜੋ R Markdown ਫਾਇਲ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਜੋ ਕਿ code chunks (R ਜਾਂ ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਦੇ) ਅਤੇ ਇੱਕ YAML ਹੈਡਰ ਰੱਖਦਾ ਹੈ (ਜੋ PDF ਵਰਗੇ ਆਉਟਪੁੱਟਾਂ ਨੂੰ ਫਾਰਮੈਟ ਕਰਦਾ ਹੈ) ਇੱਕ Markdown ਡੌਕਯੂਮੈਂਟ ਵਿੱਚ ਮਿਲ ਕੇ। ਇਸ ਤਰ੍ਹਾਂ, ਇਹ ਡਾਟਾ ਸਾਇੰਸ ਲਈ ਇੱਕ ਸਰਵੋਤਮ ਲੇਖਕ ਫਰੇਮਵਰਕ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਤੁਹਾਡੇ ਕੋਡ, ਇਸਦਾ ਨਤੀਜਾ ਅਤੇ ਤੁਹਾਡੇ ਵਿਚਾਰਾਂ ਨੂੰ ਇੱਕਸਾਥ ਕਰਦਾ ਹੈ ਅਤੇ ਤੁਸੀਂ Markdown ਵਿੱਚ ਲਿਖ ਸਕਦੇ ਹੋ। ਇਸ ਤੋਂ ਇਲਾਵਾ, R Markdown ਡੌਕਯੂਮੈਂਟ PDF, HTML ਜਾਂ Word ਵਰਗੇ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ। ਕਵਿਜ਼ਾਂ ਬਾਰੇ ਇੱਕ ਨੋਟ: ਸਾਰੀਆਂ ਕਵਿਜ਼ਾਂ Quiz App ਫੋਲਡਰ ਵਿੱਚ ਹਨ, ਹਰ ਇੱਕ ਵਿੱਚ ਤਿੰਨ ਪ੍ਰਸ਼ਨਾਂ ਦੇ ਨਾਲ ਕੁੱਲ 52 ਕਵਿਜ਼ ਹਨ। ਇਹਨਾਂ ਨੂੰ ਪਾਠਾਂ ਵਿੱਚ ਲਿੰਕ ਕੀਤਾ ਗਿਆ ਹੈ ਪਰ ਕਵਿਜ਼ ਐਪ ਲੋਕਲ ਤੌਰ 'ਤੇ ਚਲਾਈ ਜਾ ਸਕਦੀ ਹੈ; ਲੋਕਲ ਤੌਰ 'ਤੇ ਹੋਸਟ ਕਰਨ ਜਾਂ Azure 'ਤੇ ਡਿਪਲੌਇ ਕਰਨ ਲਈ quiz-app ਫੋਲਡਰ ਵਿੱਚ ਦਿੱਤੇ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ।

ਪਾਠ ਅੰਕ	ਵਿਸ਼ਾ	ਪਾਠ ਸਮੂਹ	ਸਿੱਖਣ ਦੇ ਉਦੇਸ਼	ਲਿੰਕ ਕੀਤਾ ਪਾਠ	ਲੇਖਕ
01	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ	Introduction	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਮੁਢਲੀਆਂ ਧਾਰਨਾਵਾਂ ਨੂੰ ਸਿੱਖੋ	Lesson	ਮੁਹੰਮਦ
02	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਇਤਿਹਾਸ	Introduction	ਇਸ ਖੇਤਰ ਦੇ ਇਤਿਹਾਸ ਨੂੰ ਸਮਝੋ	Lesson	ਜੈਨ ਅਤੇ ਐਮੀ
03	ਨਿਆਇਕਤਾ ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ	Introduction	ਨਿਆਇਕਤਾ ਦੇ ਸੌਂਦਰਵਿਕ ਮੁੱਦੇ ਕੀ ਹਨ ਜੋ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲ ਬਣਾਉਣ ਤੇ ਲਾਗੂ ਕਰਨ ਸਮੇਂ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣੇ ਚਾਹੀਦੇ ਹਨ?	Lesson	ਟੋਮੋਮੀ
04	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀਆਂ ਤਕਨੀਕਾਂ	Introduction	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਖੋਜਕਰਤਾ ਕਿਹੜੀਆਂ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਮਾਡਲ ਬਣਾਉਂਦੇ ਹਨ?	Lesson	ਕ੍ਰਿਸ ਅਤੇ ਜੈਨ
05	ਰਿਗ੍ਰੈਸ਼ਨ ਦਾ ਪਰਿਚਯ	Regression	ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲਾਂ ਲਈ Python ਅਤੇ Scikit-learn ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰੋ	Python • R	ਜੈਨ • ਐਰਿਕ ਵਾਂਜਾਊ
06	ਉੱਤਰ ਅਮਰੀਕੀ ਕੱਦੂ ਦੀ ਕੀਮਤਾਂ 🎃	Regression	ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਡਾਟਾ ਨੂੰ ਵੇਖੋ ਅਤੇ ਸਾਫ਼ ਕਰੋ	Python • R	ਜੈਨ • ਐਰਿਕ ਵਾਂਜਾਊ
07	ਉੱਤਰ ਅਮਰੀਕੀ ਕੱਦੂ ਦੀ ਕੀਮਤਾਂ 🎃	Regression	ਰੇਖੀ ਅਤੇ ਬਹੁਪਦ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ਬਣਾਓ	Python • R	ਜੈਨ ਅਤੇ ਦਿਮਿਤਰੀ • ਐਰਿਕ ਵਾਂਜਾਊ
08	ਉੱਤਰ ਅਮਰੀਕੀ ਕੱਦੂ ਦੀ ਕੀਮਤਾਂ 🎃	Regression	ਇੱਕ ਲੌਜਿਸਟਿਕ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ਬਣਾਓ	Python • R	ਜੈਨ • ਐਰਿਕ ਵਾਂਜਾਊ
09	ਇੱਕ ਵੈੱਬ ਐਪ 🔌	Web App	ਆਪਣਾ ਪ੍ਰਸ਼ਿੱਖਤ ਮਾਡਲ ਵਰਤਣ ਲਈ ਵੈੱਬ ਐਪ ਬਣਾਓ	Python	ਜੈਨ
10	ਵੈਰਗੀਕਰਨ ਦਾ ਪਰਿਚਯ	Classification	ਆਪਣੇ ਡਾਟਾ ਨੂੰ ਸਾਫ਼, ਤਿਆਰ ਕਰੋ ਅਤੇ ਵੇਖੋ; ਵੈਰਗੀਕਰਨ ਦਾ ਪਰਿਚਯ	Python • R	ਜੈਨ ਅਤੇ ਕੈਸੀ • ਐਰਿਕ ਵਾਂਜਾਊ
11	ਸੁਆਦਿਸ਼ਟ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਖਾਣੇ 🍜	Classification	ਕਲਾਸੀਫਾਇਰਜ਼ ਦਾ ਪਰਿਚਯ	Python • R	ਜੈਨ ਅਤੇ ਕੈਸੀ • ਐਰਿਕ ਵਾਂਜਾਊ
12	ਸੁਆਦਿਸ਼ਟ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਖਾਣੇ 🍜	Classification	ਹੋਰ ਕਲਾਸੀਫਾਇਰਜ਼	Python • R	ਜੈਨ ਅਤੇ ਕੈਸੀ • ਐਰਿਕ ਵਾਂਜਾਊ
13	ਸੁਆਦਿਸ਼ਟ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਖਾਣੇ 🍜	Classification	ਆਪਣੇ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਇੱਕ ਸਿਫਾਰਸ਼ੀ ਵੈੱਬ ਐਪ ਬਣਾਓ	Python	ਜੈਨ
14	ਗੂੰਦਿਆਂ ਦਾ ਪਰਿਚਯ	Clustering	ਆਪਣੇ ਡਾਟਾ ਨੂੰ ਸਾਫ਼, ਤਿਆਰ ਕਰੋ ਅਤੇ ਵੇਖੋ; ਗੂੰਦਿਆਂ ਦਾ ਪਰਿਚਯ	Python • R	ਜੈਨ • ਐਰਿਕ ਵਾਂਜਾਊ
15	ਨਾਈਜੇਰੀਆਈ ਸੰਗੀਤਕ ਰੁਚੀਆਂ ਦੀ ਖੋਜ 🎧	Clustering	K-Means ਗੂੰਦਿਆਂ ਦੀ ਵਿਧੀ ਦਾ ਪਤਾ ਲਗਾਓ	Python • R	ਜੈਨ • ਐਰਿਕ ਵਾਂਜਾਊ
16	ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰਕਿਰਿਆ ਦਾ ਪਰਿਚਯ ☕️	Natural language processing	ਇੱਕ ਸਾਦਾ ਬੋਟ ਬਣਾ ਕੇ NLP ਦੀਆਂ ਬੁਨਿਆਦੀਆਂ ਸਿੱਖੋ	Python	ਸਟੀਫਨ
17	ਆਮ NLP ਕਾਰਜ ☕️	Natural language processing	ਭਾਸ਼ਾ ਦੀਆਂ ਰਚਨਾਵਾਂ ਨਾਲ ਨਜਿੱਠਣ ਲਈ ਲੋੜੀਂਦੇ ਆਮ ਕਾਰਜਾਂ ਦੀ ਸਮਝ ਵਧਾਓ	Python	ਸਟੀਫਨ
18	ਅਨੁਵਾਦ ਅਤੇ ਭਾਵਨਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ ♥️	Natural language processing	ਜੇਨ ਆਸਟਿਨ ਨਾਲ ਅਨੁਵਾਦ ਅਤੇ ਭਾਵਨਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ	Python	ਸਟੀਫਨ
19	ਯੂਰਪ ਦੇ ਪ੍ਰੇਮਮਈ ਹੋਟਲ ♥️	Natural language processing	ਹੋਟਲ ਸਮੀਖਿਆਵਾਂ ਨਾਲ ਭਾਵਨਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ 1	Python	ਸਟੀਫਨ
20	ਯੂਰਪ ਦੇ ਪ੍ਰੇਮਮਈ ਹੋਟਲ ♥️	Natural language processing	ਹੋਟਲ ਸਮੀਖਿਆਵਾਂ ਨਾਲ ਭਾਵਨਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ 2	Python	ਸਟੀਫਨ
21	ਸਮੇਂ ਦੀ ਲੜੀ ਭਵਿੱਖਵਾਣੀ ਦਾ ਪਰਿਚਯ	Time series	ਸਮੇਂ ਦੀ ਲੜੀ ਭਵਿੱਖਵਾਣੀ ਦਾ ਪਰਿਚਯ	Python	ਫਰਾਂਸਿਸਕਾ
22	⚡️ ਵਿਸ਼ਵ ਬਿਜਲੀ ਖਪਤ ⚡️ - ARIMA ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਭਵਿੱਖਵਾਣੀ	Time series	ARIMA ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਭਵਿੱਖਵਾਣੀ	Python	ਫਰਾਂਸਿਸਕਾ
23	⚡️ ਵਿਸ਼ਵ ਬਿਜਲੀ ਖਪਤ ⚡️ - SVR ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਭਵਿੱਖਵਾਣੀ	Time series	Support Vector Regressor ਨਾਲ ਸਮੇਂ ਦੀ ਲੜੀ ਭਵਿੱਖਵਾਣੀ	Python	ਅਨੀਰਬਨ
24	ਰੀਇੰਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ	Reinforcement learning	Q-Learning ਨਾਲ ਰੀਇੰਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦਾ ਪਰਿਚਯ	Python	ਦਿਮਿਤਰੀ
25	ਪੀਟਰ ਨੂੰ ਭੇਦੀਆ ਤੋਂ ਬਚਾਓ! 🐺	Reinforcement learning	ਰੀਇੰਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਜਿਮ	Python	ਦਿਮਿਤਰੀ
ਪੋਸਟਸਕ੍ਰਿਪਟ	ਅਸਲੀ ਦੁਨੀਆ ਦੇ ML ਸਹੂਲਤਾਂ ਅਤੇ ਇਸ਼ਤੇਮਾਲ	ML in the Wild	ਪ੍ਰਾਚੀਨ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਦਿਲਚਸਪ ਅਤੇ ਖੁਲਾਸਾ ਕਰਦੇ ਅਸਲੀ ਦੁਨੀਆ ਦੇ ਇਸ਼ਤੇਮਾਲ	Lesson	ਟੀਮ
ਪੋਸਟਸਕ੍ਰਿਪਟ	RAI ਡੈਸ਼ਬੋਰਡ ਨਾਲ ML ਮਾਡਲ ਡਿਬੱਗਿੰਗ	ML in the Wild	ਜ਼ਿੰਮੇਵਾਰ AI ਡੈਸ਼ਬੋਰਡ ਕੰਪੋਨੈਂਟ ਦੀ ਵਰਤੋਂ ਨਾਲ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਵਿੱਚ ਮਾਡਲ ਡਿਬੱਗਿੰਗ	Lesson	ਰੁਥ ਯਾਕੁਬੂ

ਇਸ ਕੋਰਸ ਲਈ ਸਾਰੇ ਵਾਧੂ ਸਰੋਤ ਮਾਈਕ੍ਰੋਸੌਫਟ ਲਰਨ ਕਲੈਕਸ਼ਨ ਵਿੱਚ ਲੱਭੋ

ਅਫਲਾਈਨ ਪਹੁੰਚ

ਤੁਸੀਂ ਇਹ ਦਸਤਾਵੇਜ਼ੀਕਰਨ Docsify ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਫਲਾਈਨ ਚਲਾ ਸਕਦੇ ਹੋ। ਇਸ ਰੀਪੋ ਨੂੰ ਫੋਰਕ ਕਰੋ, Docsify ਇੰਸਟਾਲ ਕਰੋ ਆਪਣੇ ਲੋਕਲ ਮਸ਼ੀਨ 'ਤੇ, ਤੇ ਫਿਰ ਇਸ ਰੀਪੋ ਦੇ ਰੂਟ ਫੋਲਡਰ ਵਿੱਚ docsify serve ਟਾਈਪ ਕਰੋ। ਵੈੱਬਸਾਈਟ ਤੁਹਾਡੇ ਲੋਕਲਹੋਸਟ localhost:3000 ਤੇ ਪੋਰਟ 3000 'ਤੇ ਚਲਾਈ ਜਾਵੇਗੀ।

PDF ਫਾਈਲਾਂ

ਕਰੀਕੁਲਮ ਦੀ ਇੱਕ PDF ਲੰਕਾਂ ਸਮੇਤ ਇੱਥੇ ਲੱਭੋ।

🎒 ਹੋਰ ਕੋਰਸز

ਸਾਡੀ ਟੀਮ ਹੋਰ ਕੋਰਸ ਵੀ ਬਣਾਉਂਦੀ ਹੈ! ਇਹਨਾਂ ਨੂੰ ਦੇਖੋ:

LangChain

Azure / Edge / MCP / Agents

Generative AI Series

ਮੁੱਖ ਸਿੱਖਿਆ

ਕੋਪਾਇਲਟ ਸੀਰੀਜ਼

ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕਰਨਾ

ਜੇ ਤੁਸੀਂ ਅਟਕ ਜਾਂਦੇ ਹੋ ਜਾਂ AI ਐਪਸ ਬਣਾਉਣ ਬਾਰੇ ਕੋਈ ਵੀ ਸਵਾਲ ਹੈ, ਤਾਂ MCP ਬਾਰੇ ਚਰਚਾ ਵਿੱਚ ਸਾਥੀ ਸਿੱਖਣ ਵਾਲਿਆਂ ਅਤੇ ਤਜਰਬੇਕਾਰ ਡਿਵੈਲਪਰਾਂ ਨਾਲ ਸ਼ਾਮਲ ਹੋਵੋ। ਇਹ ਇੱਕ ਸਮਰਥਕ ਭਾਈਚਾਰਾ ਹੈ ਜਿੱਥੇ ਸਵਾਲਾਂ ਦਾ ਸਵਾਗਤ ਹੈ ਅਤੇ ਗਿਆਨ ਖੁਲ ਕੇ ਸਾਂਝਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਜੇ ਤੁਹਾਡੇ ਕੋਲ ਉਤਪਾਦ ਫੀਡਬੈਕ ਜਾਂ ਨਿਰਮਾਣ ਦੌਰਾਨ ਕੋਈ ਤਰੁਟੀਆਂ ਹਨ ਤਾਂ ਜਾਓ:

ਛੁਟਕਾਰਾ ਸੂਚਨਾ:
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਨਾਲ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀਅਤ ਲਈ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਜਾਣੂ ਰਹੋ ਕਿ ਆਟੋਮੈਟਿਕ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸਮਰੱਥਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਆਪਣੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਸત્તਾਪ੍ਰਾਪਤ ਸਰੋਤ ਮੰਨਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਨਾਲ ਪੈਦਾਸ਼ ਹੋਣ ਵਾਲੀਆਂ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀਆਂ ਜਾਂ ਗਲਤ ਸਮਝਾਂ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।

FilesExpand file tree

README.md

Latest commit

History