README.md

🌐 ബഹുഭാഷാ പിന്തുണ

GitHub ആക്ഷൻ വഴി പിന്തുണ (സ്വയം ആരാഞ്ഞ് എപ്പോഴും അപ്ഡേറ്റ് ചെയ്യുന്നതാണ്)

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

പ്രാദേശികമായി ക്ലോൺ ചെയ്യാൻ ആഗ്രഹിക്കുന്നവർക്ക്?

ഈ റിപോസിറ്ററിയിൽ 50ത്തിലധികം ഭാഷകൾ ഉൾപ്പെടുന്ന തർജ്ജമകൾ ഉണ്ടാകുന്നതുകൊണ്ട് ഡൗൺലോഡ് വലുതാകും. തർജ്മകൾ ഇല്ലാതെ ക്ലോൺ ചെയ്യാൻ sparse checkout ഉപയോഗിക്കുക:

ബാഷ് / മാക്‌ഓഎസ് / ലിനക്ഷ്:

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'

സിഎംഡി (വിൻഡോസ്):

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"

ഇതിലൂടെ നിങ്ങൾക്ക് കോഴ്‌സ് പൂർത്തിയാക്കാൻ ആവശ്യമായ എല്ലാ ഫയലുകളും വേഗത്തിലുള്ള ഡൗൺലോഡുമായി കിട്ടുമെന്ന് ഉറപ്പാക്കാം.

ഞങ്ങളുടെ കമ്മ്യൂണിറ്റിയിലേക്ക് ചേരുക

നിങ്ങൾക്ക് AI ൽ പഠിക്കാൻ ഞങ്ങൾ നടത്തുന്ന Discord സീരീസിൽ പങ്കെടുത്ത് കൂടുതൽ അറിയാൻ Learn with AI Series സന്ദർശിക്കൂ, 2025 സെപ്റ്റംബർ 18 - 30. GitHub Copilot ഉപയോഗിച്ച് ഡാറ്റ സയൻസിനുള്ള വഴிகள் നിങ്ങൾക്ക് ലഭിക്കും.

ആരംഭക്കാർക്കായി മെഷീൻ ലേണിംഗ് - ഒരു പാഠ്യക്രമം

🌍 ലോക സംസ്കാരങ്ങളിലൂടെ നമ്മൾ മെഷീൻ ലേണിംഗ് പഠിക്കുന്നതിൽ ഒരു ലോകയാത്ര 🌍

Microsoftയിലെ Cloud Advocates നിങ്ങൾക്കായി 12 ആഴ്‌ച്ചകളുള്ള, 26 പാഠങ്ങളുള്ള മെഷീൻ ലേണിംഗ് പാഠ്യക്രമം ഒരുക്കിയിരിക്കുന്നു. ഈ പാഠ്യക്രമത്തിൽ നിങ്ങള്‍ അവയവപശ്ചാത്തല മെഷീൻ ലേണിംഗ് എന്നറിയാവുന്ന കാര്യം പഠിക്കും, പ്രധാനമായും Scikit-learn ലൈബ്രറി ഉപയോഗിച്ച്, ഡീപ്പ് ലേണിംഗ് ഒഴിവാക്കി, അതിനെ കുറിച്ച് ഞങ്ങളുടെ എഐ ആരംഭക്കാർക്കായി പാഠ്യക്രമം ഉൾക്കൊള്ളുന്നു. ഈ പാഠങ്ങളോടൊപ്പം ഞങ്ങളുടെ 'ഡാറ്റ സയൻസ് ആരംഭക്കാർക്കായി' പാഠ്യക്രമം കൂടെ പഠിക്കാം.

ലോകത്തിന്റെ വിവിധ ഭാഗങ്ങളിൽ നിന്നുള്ള ഡാറ്റ പരിഗണിച്ച് ഈ ക്ലാസിക് സാങ്കേതിക വിദ്യകൾ ഞങ്ങളോടൊപ്പം പഠിക്കൂ. ഓരോ പാഠത്തിനും മുൻകൂട്ടി-ശ്രമ, പാഠ ശേഷമുള്ള ക്വിസുകൾ, നിർദേശിക്കൽ, പരിഹാരം, അസൈൻമെന്റ് എന്നിവ ഉൾപ്പെടുന്നു. ഞങ്ങളുടെ പ്രോജക്ട് അടിസ്ഥാനമന്ത്രി പഠനരീതി നിങ്ങൾക്ക് നിർമ്മിക്കുമ്പോൾ പഠിക്കാനുള്ള സൗകര്യം നൽകുന്നു, പുതിയ കഴിവുകൾ പൊറുതിക്കപ്പെടുന്നതിനുള്ള തെളിയിച്ച മാർഗമാണ്.

✍️ നമ്മുടെ എഴുത്തുകാരെ ഹൃദയം നിറഞ്ഞ നന്ദി: Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, Amy Boyd

🎨 ചിത്രരചനക്ക് നന്ദി: Tomomi Imura, Dasani Madipalli, Jen Looper

🙏 പ്രത്യേക നന്ദി Microsoft Student Ambassador എഴുത്തുകാർ, പരിശോധകർ, ഉള്ളടക്ക സംഭാവന നൽകുനവർ, പ്രത്യേകിച്ച് Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal

🤩 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, Vidushi Gupta - നമുക്ക് R പാഠങ്ങൾക്കായുള്ള പ്രത്യേക നന്ദി!

ആരംഭിക്കൽ

ഈ ചുവടുവയ്പ്പുകൾ പിന്തുടരുക:

1. റിപോസിറ്ററി ഫോർക്ക് ചെയ്യുക: ഈ പേജിന്റെ മുകളിൽ വലത് കോണിലെ "Fork" ബട്ടൺ ക്ലിക്ക് ചെയ്യുക.
2. റിപോസിറ്ററി ക്ലോൺ ചെയ്യുക: git clone https://github.com/microsoft/ML-For-Beginners.git

ഈ കോഴ്‌സിനുള്ള എല്ലാ അധിക വിഭവങ്ങളും Microsoft Learn ശേഖരത്തിൽ കാണുക

🔧 സഹായം വേണമോ? ഇൻസ്റ്റാളേഷൻ, ക്രമീകരണം, പാഠങ്ങൾ റൺ ചെയ്യൽ എന്നിവയുമായി ബന്ധപ്പെട്ട സാധാരണ പ്രശ്നങ്ങൾക്ക് തൊഴിലാളി കൈപുസ്തകം പരിശോധിക്കുക.

സർവ്വത്ര വിദ്യാർത്ഥികൾ, ഈ പാഠ്യക്രമം ഉപയോഗിക്കാൻ, റിപോ മുഴുവനായി നിങ്ങളുടെ GitHub അക്കൗണ്ടിലേക്ക് ഫോർക്ക് ചെയ്ത് സ്വയം അല്ലെങ്കിൽ കൂട്ടായ്മയോടെ ആസൂത്രണം പൂർത്തിയാക്കുക:

• പ്രീ-ലെക്ചർ ക്വിസ് നിറയ്ക്കുക.
• പാഠം വായിച്ച് പ്രവർത്തനങ്ങൾ പൂർത്തിയാക്കുക, ഓരോ അറിവ് പരിശോധിക്കുന്നിടത്തും ഒന്ന് നിൽക്കുകയും ചിന്തിക്കുകയും ചെയ്യുക.
• പരിഹാര കോഡ് ഓടിക്കുന്നതിന് പകരം പാഠം മനസ്സിലാക്കി പ്രോജക്ടുകൾ നിർമ്മിക്കാൻ ശ്രമിക്കുക; എന്നാൽ പരിഹാര കോഡ് ഓരോ പ്രോജക്ട് അധിഷ്ഠിത പാഠത്തിന്റെയും /solution ഫോൾഡറുകളിൽ ലഭ്യമാണ്.
• പോസ്റ്റ്-ലെക്ചർ ക്വിസ് നൽകുക.
• ചലഞ്ച് പൂർത്തിയാക്കുക.
• അസൈൻമെന്റ് പൂർത്തിയാക്കുക.
• ഒരു പാഠ സമൂഹം പൂർത്തിയാക്കിയശേഷം, ചർച്ച ബോർഡ് സന്ദർശിച്ച് അനുയോജ്യമായ PAT റൂബ്രിക് പൂരിപ്പിച്ച് "ലേണ്അව්ട്ട് ലൗഡ്" ചെയ്യുക. PAT (പ്രോഗ്രസ് അസ്സസ്‌മെന്റ് ടൂൾ) ഒരു റൂബ്രിക് ആണ്, നിങ്ങൾക്ക് പഠനങ്ങൾ മെച്ചപ്പെടുത്താൻ സഹായിക്കുന്നതാണ്. മറ്റു PAT-കളിലേക്കും പ്രതികരിക്കാനാകും, ഒത്തുകൂടി പഠിക്കാം.

കൂടുതല്‍ പഠനത്തിനായി, ഈ Microsoft Learn മോഡ്യൂളുകളും ലേണിംഗ് പാത്തുകളും പിന്തുടരാൻ ഞങ്ങൾ ശുപാർശ ചെയ്യുന്നു.

അദ്ധ്യാപകർ, ഈ പാഠ്യക്രമം ഉപയോഗിക്കുന്നതിന് ഞങ്ങൾ ചടങ്ങുകൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്.

---

വിഡിയോ നടത്തിപ്പുകൾ

ചില പാഠങ്ങൾ സ്വല്പ ദൈർഘ്യമുള്ള വിഡിയോ രൂപത്തിലാണ് ലഭിക്കുന്നത്. നിങ്ങൾക്ക് ഈ എല്ലാം പാഠങ്ങളിൽ ലൈൻ ആയി കാണാമോ, അല്ലെങ്കിൽ Microsoft Developer YouTube ചാനലിലെ ML for Beginners പ്ലേലിസ്റ്റിൽ താഴെയുള്ള ചിത്രത്തിൽ ക്ലിക്ക് ചെയ്ത് ലഭിക്കാം.

---

ടീം കാണുക

ഗിഫ് Mohit Jaisal

🎥 ഈ ചിത്രത്തിൽ ക്ലിക്ക് ചെയ്ത് പ്രോജക്ടും സൃഷ്ടിച്ചവരും സംബന്ധിച്ച വീഡിയോ കാണുക!

---

പഠനരീതി

ഈ പാഠ്യക്രമം നിർമ്മിക്കുന്നപ്പോൾ ഞങ്ങൾ രണ്ട് പ്രധാനം പരിഗണനകൾ സ്വീകരിച്ചു: പ്രോജക്ട് അടിസ്ഥാനമാക്കിയുള്ള കൈകാര്യം ഉറപ്പാക്കുക, കൂടാതെ తరവാറുള്ള ക്വിസുകൾ ഉൾപ്പെടുത്തുക. കൂടാതെ, ഇതിന് ഒരു പൊതു തീം നൽകിയത് ഏകീകരണത്തിനായി.

ഉള്ളടക്കം പ്രോജക്ടുകളുമായി ചേർന്നിട്ടുണ്ടെന്ന് ഉറപ്പാക്കുന്നത്, വിദ്യാർത്ഥികൾക്ക് ഉല്ലാസകരമായ അനുഭവമുണ്ടാക്കുകയും ആശയങ്ങളുടെ പിന്തുടർച്ച മെച്ചപ്പെടുത്തുകയും ചെയ്യും. ഒരു ക്ലാസിനുമുൻപ് നടത്തുന്ന ഒരു ചെറിയ മത്സരം പഠന ദിശ നിര്‍ത്തുന്നു; ക്ലാസിനു ശേഷം രണ്ടാം മത്സരം അറിവ് ഉറപ്പാക്കുന്നു. ഈ പാഠ്യക്രമം സൗകര്യപ്രദവും രസകരവുമാണ്, മുഴുവനായി ಅಥವಾ ഭാഗികമായി പഠിക്കാവുന്നതാണ്. പ്രോജക്ടുകൾ ചെറിയവയിൽ തുടങ്ങുകയും 12 ആഴ്ചകളിൽ പതിവുപോലെ സങ്കീര്‍ണ്ണമായിത്തീരും. പാഠ്യക്രമം മെഷീൻ ലേണിംഗിന്റെ യാഥാർത്ഥ്യ പ്രയോഗങ്ങളെ കുറിച്ചുള്ള ഒരു പോസ്റ്റ്‌സ്‌ക്രിപ്റ്റും ഉൾക്കൊള്ളിക്കുന്നു, ഇത് കൂടുതൽ ക്രഡിറ്റ് ക്ക് ഉപയോഗിക്കാവുന്നതും ചർച്ചയ്ക്കായി അടിസ്ഥാനമായി ഉപയോഗിക്കാവുന്നതും ആകാം.

നമ്മുടെ Code of Conduct, Contributing, Translations, Troubleshooting മാർഗനിർദേശങ്ങൾ കാണുക. നിങ്ങളുടെ നിർമാണപരമായ അഭിപ്രായങ്ങൾ സ്വാഗതം ചെയ്യുന്നു!

ഓരോ പാഠവും ഉൾപ്പെടുന്നതെല്ലാം

• എറിഞ്ഞെടുക്കാനുള്ള സ്കെച്ച്നോട്ട് (ഐച്ഛികം)
• ഐച്ഛിക സഹകരിക്കുന്ന വീഡിയോ
• വിഡിയോ നടത്തിപ്പ് (ചില പാഠങ്ങൾക്കു മാത്രം)
• പ്രീ-ലെക്ചർ വോർംഅപ് ക്വിസ്
• എഴുതി തരുമാത്രം പാഠം
• പ്രോജക്ട് അധിഷ്ഠിത പാഠങ്ങൾക്കായി, പ്രോജക്ട് നിർമ്മിക്കുന്നതിന് ടിപ്പുകൾ ചുവടുകൾ
• അറിവ് പരിശോധിക്കലുകൾ
• ഒരു ചലഞ്ച്
• സഹായകമായ വായന
• അസൈൻമെന്റ്
• പോസ്റ്റ്-ലെക്ചർ ക്വിസ്

ഭാഷകൾക്കുറിച്ച് ഒരു കുറിപ്പ്: ഈ പാഠങ്ങൾ പ്രധാനമായും Python ൽ എഴുതപ്പെട്ടിരിക്കുന്നു, എന്നാൽ പലത് R ൽ ലഭ്യമാണ്. R പാഠം പൂർത്തിയാക്കാൻ, /solution ഫോൾഡറിൽ പോയി R പാഠങ്ങൾ അന്വേഷിക്കൂ. അവയിൽ .rmd എന്ന് ഒരു എക്സ്റ്റൻഷൻ ഉണ്ടു, ഇത് ഒരു R മാർക്ക്ഡൗൺ ഫയലിനെ സൂചിപ്പിക്കുന്നു; ഇതിൽ R അല്ലെങ്കിൽ മറ്റു ഭാഷകളിലെ code chunks നും PDF പോലുള്ള ഔട്ട്പുട്ടുകൾ എങ്ങനെ ഫോർമാറ്റ് ചെയ്യാമെന്ന് നിർദ്ദേശിക്കുന്ന YAML ഹെഡർ നും സംയോജിതമാണ്. അതിനാൽ, നിങ്ങളുടെ കോഡ്, അതിന്റെ ഔട്ട്‌പുട്ടുകൾ, നിങ്ങളുടെ ചിന്തകൾ എന്നിവ മറൈക്കക്കുള്ള മികച്ച ഒരു രചനാരീതിയാണ് ഇത്. കൂടാതെ, R മാർക്ക്ഡൗൺ ഡോക്യുമെന്റുകൾ PDF, HTML, അല്ലെങ്കിൽ Word പോലുള്ള ഔട്ട്പുട്ട് ഫോർമാറ്റുകളിൽ മാറ്റാവുന്നതാണ്. ക്വിസുകൾക്കെ 관한 ഒരു കുറിപ്പ്: സംഖ്യ 52 എണ്ണം, ഓരോന്നിലും മൂന്ന് ചോദ്യങ്ങളുള്ള ക്വിസുകൾ എല്ലാമുള്ളത് Quiz App ഫോൾഡറിൽ. ക്വിസുകൾ പാഠങ്ങളിൽനിന്ന് ലിങ്കുചെയ്യപ്പെട്ടിട്ടുണ്ടെങ്കിലും ക്വിസ് ആപ്പ് പ്രാദേശികമായി ഓടിക്കാം; പ്രാദേശികമായി ഹോസ്റ്റ് ചെയ്യാനോ Azure ലേക്ക് ഡിപ്പ്ലോയ്ചെയ്യാനോ quiz-app ഫോൾഡറിൽ നിർദ്ദേശങ്ങൾ പാലിക്കുക.

പാഠം നമ്പർ	വിഷയം	പാഠം ഗ്രൂപ്പിംഗ്	പഠന ലക്ഷ്യങ്ങൾ	ലിങ്കുചെയ്ത പാഠം	എഴുത്തുകാരൻ
01	മെഷീൻ ലേണിംഗിലേക്ക് പരിചയം	Introduction	മെഷീൻ ലേണിംഗിന്റെ അടിസ്ഥാന ആശയങ്ങൾ പഠിക്കുക	Lesson	മുഹമ്മദ്
02	മെഷീൻ ലേണിംഗിന്റെ ചരിത്രം	Introduction	ഈ മേഖലയെ പൊരുത്തപ്പെടുത്തുന്ന ചരിത്രം മനസിലാക്കുക	Lesson	ജെൻ & ആമി
03	നീതിയും മെഷീൻ ലേണിംഗും	Introduction	ML മോഡലുകൾ രൂപീകരിക്കുമ്പോൾ പരിഗണിക്കേണ്ട നീതിയുമായി ബന്ധപ്പെട്ട ദാർശനിക പ്രശ്നങ്ങൾ എന്തെല്ലാമാണ്?	Lesson	ടോമോമി
04	മെഷീൻ ലേണിംഗ് സാങ്കേതികവിദ്യകൾ	Introduction	ML ഗവേഷകർ ML മോഡലുകൾ സൃഷ്ടിക്കാൻ ഉപയോഗിക്കുന്ന സാങ്കേതികവिधികൾ	Lesson	ക്രിസ് & ജെൻ
05	റെഗ്രഷൻ പരിചയം	Regression	Python, Scikit-learn ഉപയോഗിച്ച് റെഗ്രഷൻ മോഡലുകൾ ആരംഭിക്കുക	Python • R	ജെൻ • എറിക് വഞ്ജാവ്
06	നോർത്ത് അമേരിക്കൻ പമ്പ്കിൻ വിലകൾ 🎃	Regression	ML-ക്കായി ഡാറ്റ വിസ്വലൈസ് ചെയ്ത് ശുചിത്വം വരുത്തുക	Python • R	ജെൻ • എറിക് വഞ്ജാവ്
07	നോർത്ത് അമേരിക്കൻ പമ്പ്കിൻ വിലകൾ 🎃	Regression	രേഖീയവും പോളിനോമിയൽ റെഗ്രഷൻ മോഡലുകളും നിർമ്മിക്കുക	Python • R	ജെൻ & ഡിമിത്രി • എറിക് വഞ്ജാവ്
08	നോർത്ത് അമേരിക്കൻ പമ്പ്കിൻ വിലകൾ 🎃	Regression	ലോജിസ്റ്റിക് റെഗ്രഷൻ മോഡൽ നിർമ്മിക്കുക	Python • R	ജെൻ • എറിക് വഞ്ജാവ്
09	ഒരു വെബ് ആപ്പ് 🔌	Web App	പരിശീലിപ്പിച്ച മോഡൽ ഉപയോഗിച്ച് ഒരു വെബ് ആപ്പ് നിർമ്മിക്കുക	Python	ജെൻ
10	ക്ലാസിഫിക്കേഷനിലേക്ക് പരിചയം	Classification	ഡാറ്റ ശുചീകരണം, തയ്യാറാക്കൽ, വിസ്വലൈസ്; ക്ലാസിഫിക്കേഷനിലേക്ക് പരിചയം	Python • R	ജെൻ & കാസ്സി • എറിക് വഞ്ജാവ്
11	രുചികരമായ ഏഷ്യൻ, ഇന്ത്യൻ വിഭവങ്ങൾ 🍜	Classification	ക്ലാസിഫയറുകളെ പരിചയപ്പെടുക	Python • R	ജെൻ & കാസ്സി • എറിക് വഞ്ജാവ്
12	രുചികരമായ ഏഷ്യൻ, ഇന്ത്യൻ വിഭവങ്ങൾ 🍜	Classification	കൂടുതൽ ക്ലാസിഫയറുകൾ	Python • R	ജെൻ & കാസ്സി • എറിക് വഞ്ജാവ്
13	രുചികരമായ ഏഷ്യൻ, ഇന്ത്യൻ വിഭവങ്ങൾ 🍜	Classification	നിങ്ങളുടെ മോഡൽ ഉപയോഗിച്ച് ഒരു ശിപാർശക വെബ് ആപ്പ് നിർമ്മിക്കുക	Python	ജെൻ
14	ക്ലസ്റ്ററിങ്ങിലേക്ക് പരിചയം	Clustering	ഡാറ്റ ശുചീകരണം, തയ്യാറാക്കൽ, വിസ്വലൈസ്; ക്ലസ്റ്ററിങ്ങിലേക്ക് പരിചയം	Python • R	ജെൻ • എറിക് വഞ്ജാവ്
15	നൈജീരിയൻ സംഗീതാശയങളുടെ പര്യവേക്ഷണം 🎧	Clustering	K-മീൻസ് ക്ലസ്റ്ററിങ്ങ് രീതി പരീക്ഷിക്കുക	Python • R	ജെൻ • എറിക് വഞ്ജാവ്
16	സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിങ്ങിലേക്ക് പരിചയം ☕️	Natural language processing	ലളിതമായ ബോട്ട് നിർമ്മിച്ച് NLP അടിസ്ഥാനങ്ങൾ പഠിക്കുക	Python	സ്റ്റെഫൻ
17	സാധാരണ NLP പ്രവർത്തനങ്ങൾ ☕️	Natural language processing	ഭാഷാ ഘടനകളെ കൈകാര്യം ചെയ്യുമ്പോൾ ആവശ്യമായ സാധാരണ പ്രവർത്തനങ്ങൾ മനസ്സിലാക്കുക	Python	സ്റ്റെഫൻ
18	വിവർത്തനവും ആത്മീയ വിശകലനവും ♥️	Natural language processing	ജെയ്ൻ ഓസ്റ്റ്ന് ഉപയോഗിച്ച് വിവർത്തനവും ആത്മീയ വിശകലനവും	Python	സ്റ്റെഫൻ
19	യൂറോപ്യൻ പ്രണയ ഹോട്ടലുകൾ ♥️	Natural language processing	ഹോട്ടൽ റിവ്യൂകളാൽ ആത്മീയ വിശകലനം 1	Python	സ്റ്റെഫൻ
20	യൂറോപ്യൻ പ്രണയ ഹോട്ടലുകൾ ♥️	Natural language processing	ഹോട്ടൽ റിവ്യൂകളാൽ ആത്മീയ വിശകലനം 2	Python	സ്റ്റെഫൻ
21	ടൈം സീരീസ് പ്രവചനത്തിന് പരിചയം	Time series	ടൈം സീരീസ് പ്രവചനത്തിൽ അടിസ്ഥാനപരിചയം	Python	ഫ്രാൻസെസ്ക
22	⚡️ ലോക വൈദ്യുതി ഉപയോഗം ⚡️ - ARIMA ഉപയോഗിച്ചുള്ള ടൈം സീരീസ് പ്രവചന	Time series	ARIMA ഉപയോഗിച്ച് ടൈം സീരീസ് പ്രവചന	Python	ഫ്രാൻസെസ്ക
23	⚡️ ലോക വൈദ്യുതി ഉപയോഗം ⚡️ - SVR ഉപയോഗിച്ചുള്ള ടൈിം സീരീസ് പ്രവചന	Time series	Support Vector Regressor ഉപയോഗിച്ചുള്ള ടൈം സീരീസ് പ്രവചന	Python	അനിർബൻ
24	ശക്തിവർദ്ധക പഠനത്തിലെ പരിചയം	Reinforcement learning	Q-ലേണിംഗ് ഉപയോഗിച്ച് ശക്തിവർദ്ധക പഠനത്തിൽ പരിചയം	Python	ഡിമിത്രി
25	പീറ്ററിന് നീരാളൻ തടയാൻ സഹായിക്കുക! 🐺	Reinforcement learning	റീൻഫോർസ്‌മെന്റ് ലേണിംഗ് ജിം	Python	ഡിമിത്രി
അപസ്മാരം	യഥാർത്ഥ ലോക ML സ്ഥിതികളും പ്രയോഗങ്ങളും	ML in the Wild	ക്ലാസിക്കൽ ML-ന്റെ അത്ഭുതകരവും വെളിപ്പെടുത്തലുകളും നിറഞ്ഞ യഥാർത്ഥ ലോക പ്രയോഗങ്ങൾ	Lesson	ടീം
അപസ്മാരം	RAI ഡാഷ്ബോർഡ് ഉപയോഗിച്ച് ML മോഡൽ ഡീബഗിങ്	ML in the Wild	Machine Learning മോഡൽ ഡീബഗിംഗ് RAI ഡാഷ്ബോർഡ് ഘടകങ്ങൾ ഉപയോഗിച്ച്	Lesson	Рുത് യാകുബു

ഈ കോഴ്സിന് ആവശ്യമായ എല്ലാ അധിക സ്രോതസ്സുകളും Microsoft Learn ശേഖരത്തിൽ കണ്ടെത്തുക

ഓഫ്‌ലൈൻ ആക്‌സസ്

Docsify ഉപയോഗിച്ച് നിങ്ങൾ ഈ ഡോക്യുമെന്റേഷൻ ഓഫ്‌ലൈൻ ഓടിക്കാം. ഈ റെപ്പോ ഫോർക്ക് ചെയ്ത്, നിങ്ങളുടെ ലൊക്കൽ മെഷീനിൽ Docsify ഇൻസ്റ്റാൾചെയ്യുക, ശേഷം ഈ റെപ്പോയുടെ റൂട്ട് ഫോൾഡറിൽ docsify serve ടൈപ്പ് ചെയ്യുക. വെബ്സൈറ്റ് പോർട്ട് 3000-ൽ പ്രാദേശികമായി localhost:3000-ൽ സർവ് ചെയ്യപ്പെടും.

PDFs

പാഠക്രമത്തിന്റെ PDF ലിങ്കുകൾ ഇവിടെയുണ്ട്.

🎒 മറ്റു കോഴ്സുകൾ

ഞങ്ങളുടെ ടീം മറ്റ് കോഴ്സുകളും ഒരുക്കുന്നു! നോക്കൂ:

LangChain

Azure / Edge / MCP / Agents

---

Generative AI Series

---

മുഖ്യ പഠനം

---

കോപൈലറ്റ് സീരീസ്

സഹായം നേടുക

എ.ഐ. ആപ്പുകൾ നിർമ്മിക്കുമ്പോൾ നിങ്ങള്ക്ക് തടസം ഉണ്ടാകുകയോ ചോദ്യങ്ങളുണ്ടായിരിക്കുകയോ ചെയ്താൽ, MCP-യിലെവരുടെ കൂടെ ചർച്ചകളിൽ ചേരുക. ചോദ്യങ്ങൾ സ്വാഗതം ചെയ്യുന്ന, അറിവ് സ്വതന്ത്രമായി പങ്കുവെക്കുന്ന സഹായപരമായ ഒരു സമൂഹമാണ് ഇത്.

നിങ്ങൾക്കു ഉത്പന്ന അഭിപ്രായമോ പിഴവുകളോ ഉണ്ടെങ്കിൽ, നിർമ്മാണ സമയത്ത് സന്ദർശിക്കുക:

അധിക പഠന ടിപ്പുകൾ

• ഓരോ പാഠത്തിനും ശേഷം നോട്ട്‌ബുക്കുകൾ അവലോകനം ചെയ്യുക നല്ലൊരു മനസ്സിലാക്കലിനായി.
• ആല്‍ഗോറിതം സ്വയം പ്രയോഗിച്ച് അഭ്യാസം നടത്തുക.
• പഠിച്ച ആശയങ്ങൾ ഉപയോഗിച്ച് യാഥാർഥ ശേഖരങ്ങൾ അന്വേഷിക്കുക.

---

അസൂയാനിർദേശം:
ഈ രേഖ Co-op Translator എന്ന AI പരിഭാഷാ സേവനം ഉപയോഗിച്ച് പരിഭാഷപ്പെടുത്തിയതാണ്. ഞങ്ങൾ കൃത്യതയ്ക്കായി ശ്രമിക്കുന്നെങ്കിലും, യന്ത്രപരിഭാഷകളിൽ പിശകുകളും അകൃത്യതകളും ഉണ്ടാകാമെന്ന് ശ്രദ്ധിക്കുക. മൂല രേഖ അതിന്റെ സ്വദേശീയ ഭാഷയിൽ അവകാശവിശ്വാസീയമായ സ്രോതസായി പരിഗണിക്കേണ്ടതാണ്. നിർണായക വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ പരിഭാഷാ സേവനം ശിപാർശ ചെയ്യപ്പെടുന്നു. ഈ പരിഭാഷ ഉപയോഗിച്ചുപിന്നിലുണ്ടാകാവുന്ന യാതൊരു തെറ്റിദ്ധാരണകൾക്കും പ്രശ്‌നങ്ങൾക്കും ഞങ്ങൾ ഉത്തരവാദികളല്ല.