🌐 பன்மொழி ஆதரவு

GitHub செயல்பாட்டின் மூலம் ஆதரிக்கப்படுகிறது (தானாகவும் எப்போதும் புதுப்பிக்கப்படும்)

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

எங்கள் சமூகத்தில் சேரவும்

எங்களிடம் AI உடன் கற்றல் தொடர்ச்சியான டிஸ்கோர்டு தொடர்ச்சி உள்ளது, மேலும் 2025 செப்டம்பர் 18 - 30 வரை Learn with AI Series இல் எங்களைச் சேர்ந்துகொள்ளவும். GitHub Copilot ஐ Data Science க்காக பயன்படுத்துவதற்கான குறிப்புகள் மற்றும் நுட்பங்களை நீங்கள் பெறுவீர்கள்.

ஆரம்பக்காரர்களுக்கான மெஷின் லெர்னிங் - ஒரு பாடத்திட்டம்

🌍 உலக கலாச்சாரங்களின் வழியாக மெஷின் லெர்னிங்கை ஆராய்ந்து உலகம் முழுவதும் பயணம் செய்யுங்கள் 🌍

Microsoft இல் உள்ள Cloud Advocates குழு 12 வாரங்கள், 26 பாடங்கள் கொண்ட மெஷின் லெர்னிங் பற்றிய பாடத்திட்டத்தை வழங்குவதில் மகிழ்ச்சி அடைகிறது. இந்த பாடத்திட்டத்தில், நீங்கள் சில நேரங்களில் சாதாரண மெஷின் லெர்னிங் என்று அழைக்கப்படும் விஷயங்களை கற்றுக்கொள்வீர்கள், இதில் முக்கியமாக Scikit-learn நூலகத்தை பயன்படுத்தி, ஆழ்ந்த கற்றல் (deep learning) தவிர்க்கப்படுகிறது, அது எங்கள் AI for Beginners' curriculum இல் உள்ளடக்கப்பட்டுள்ளது. இந்த பாடங்களை எங்கள் 'Data Science for Beginners' curriculum உடன் இணைத்து கற்றுக்கொள்ளவும்.

உலகின் பல பகுதிகளிலிருந்து தரவுகளைப் பயன்படுத்தி இந்த சாதாரண தொழில்நுட்பங்களை செயல்படுத்தி உலகம் முழுவதும் எங்களுடன் பயணம் செய்யுங்கள். ஒவ்வொரு பாடத்திலும் முன் மற்றும் பின் தேர்வுகள், பாடத்தைக் முடிக்க எழுதப்பட்ட வழிமுறைகள், தீர்வு, பணிகள் மற்றும் பல உள்ளன. எங்கள் திட்ட அடிப்படையிலான கற்றல் முறையால் நீங்கள் கட்டுமானம் செய்யும் போது கற்றுக்கொள்ள முடியும், இது புதிய திறன்களை நிலைத்திருக்க உதவும்.

✍️ எங்கள் எழுத்தாளர்களுக்கு மனமார்ந்த நன்றி Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu மற்றும் Amy Boyd

🎨 எங்கள் வரைபடக்காரர்களுக்கும் நன்றி Tomomi Imura, Dasani Madipalli மற்றும் Jen Looper

🙏 எங்கள் Microsoft மாணவர் தூதர்கள் எழுத்தாளர்கள், மதிப்பாய்வாளர்கள் மற்றும் உள்ளடக்க பங்களிப்பாளர்களுக்கு சிறப்பு நன்றி, குறிப்பாக Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila மற்றும் Snigdha Agarwal

🤩 எங்கள் R பாடங்களுக்கு Microsoft மாணவர் தூதர்கள் Eric Wanjau, Jasleen Sondhi மற்றும் Vidushi Gupta அவர்களுக்கு கூடுதல் நன்றி!

தொடங்குதல்

இந்த படிகளை பின்பற்றவும்:

1. களஞ்சியத்தை Fork செய்யவும்: இந்த பக்கத்தின் மேல் வலது மூலையில் உள்ள "Fork" பொத்தானை கிளிக் செய்யவும்.
2. களஞ்சியத்தை Clone செய்யவும்: git clone https://github.com/microsoft/ML-For-Beginners.git

இந்த பாடத்திட்டத்திற்கான அனைத்து கூடுதல் வளங்களையும் எங்கள் Microsoft Learn தொகுப்பில் காணவும்

🔧 உதவி தேவைபடுகிறதா? நிறுவல், அமைப்பு மற்றும் பாடங்களை இயக்குவதில் பொதுவான பிரச்சனைகளுக்கான தீர்வுகளுக்கு எங்கள் பிரச்சனை தீர்க்கும் வழிகாட்டி ஐப் பாருங்கள்.

மாணவர்கள், இந்த பாடத்திட்டத்தை பயன்படுத்த, முழு களஞ்சியத்தை உங்கள் சொந்த GitHub கணக்கிற்கு fork செய்து தனியாக அல்லது குழுவுடன் பயிற்சிகளை முடிக்கவும்:

• முன்-பாடம் தேர்வுடன் தொடங்கவும்.
• பாடத்தை படித்து செயல்பாடுகளை முடிக்கவும், ஒவ்வொரு அறிவு சோதனையிலும் நிறுத்தி சிந்திக்கவும்.
• தீர்வு குறியீட்டை இயக்குவதற்குப் பதிலாக பாடங்களை புரிந்து கொண்டு திட்டங்களை உருவாக்க முயற்சிக்கவும்; இருப்பினும் அந்த குறியீடு ஒவ்வொரு திட்ட-மைய பாடத்திலும் /solution கோப்புறைகளில் கிடைக்கிறது.
• பின்-பாடம் தேர்வை எடுத்துக்கொள்ளவும்.
• சவாலை முடிக்கவும்.
• பணியை முடிக்கவும்.
• ஒரு பாடக் குழுவை முடித்த பிறகு, பேச்சு பலகை ஐப் பார்வையிட்டு, பொருத்தமான PAT மதிப்பீட்டு அட்டவணையை நிரப்பி "பகிர்ந்து கற்றுக்கொள்ளவும்". 'PAT' என்பது முன்னேற்ற மதிப்பீட்டு கருவி ஆகும், இது உங்கள் கற்றலை மேம்படுத்தும் வகையில் நிரப்பும் அட்டவணை. மற்ற PAT களுக்கு நீங்கள் பதிலளித்து நம்முடன் சேர்ந்து கற்றுக்கொள்ளலாம்.

மேலதிக படிப்புக்கு, இந்த Microsoft Learn மாடியூல்கள் மற்றும் கற்றல் பாதைகளை பின்பற்ற பரிந்துரைக்கிறோம்.

ஆசிரியர்கள், இந்த பாடத்திட்டத்தை எப்படி பயன்படுத்துவது என்பதற்கான சில பரிந்துரைகளை இங்கே சேர்த்துள்ளோம்.

---

வீடியோ நடைமுறை

சில பாடங்கள் குறுகிய வடிவ வீடியோவாக கிடைக்கின்றன. இவை அனைத்தையும் பாடங்களில் நேரடியாக அல்லது Microsoft Developer YouTube சேனலில் உள்ள ML for Beginners பிளேலிஸ்டில் கீழே உள்ள படத்தை கிளிக் செய்து காணலாம்.

---

குழுவை சந்திக்கவும்

Gif உருவாக்கியவர் Mohit Jaisal

🎥 திட்டம் மற்றும் அதை உருவாக்கியவர்களைப் பற்றி வீடியோவுக்கு மேலே உள்ள படத்தை கிளிக் செய்யவும்!

---

கற்றல் முறைகள்

இந்த பாடத்திட்டத்தை உருவாக்கும்போது, இரண்டு கற்றல் கொள்கைகளை தேர்ந்தெடுத்துள்ளோம்: இது கைமுறை திட்ட அடிப்படையிலான மற்றும் அதில் அடிக்கடி தேர்வுகள் உள்ளன என்பதை உறுதி செய்தல். கூடுதலாக, இந்த பாடத்திட்டத்திற்கு ஒரே தீம் உள்ளது, இது ஒருங்கிணைப்பை வழங்குகிறது.

உள்ளடக்கம் திட்டங்களுடன் பொருந்தும்படி உறுதி செய்வதன் மூலம், மாணவர்களுக்கு கற்றல் செயல்முறை மேலும் ஈடுபடக்கூடியதாகவும் கருத்துக்களை நினைவில் வைக்க உதவும் வகையிலும் இருக்கும். கூடுதலாக, வகுப்புக்கு முன் ஒரு குறைந்த அழுத்தம் கொண்ட தேர்வு மாணவரின் கற்றல் நோக்கத்தை அமைக்கும், வகுப்புக்குப் பிறகு இரண்டாவது தேர்வு மேலும் நினைவில் வைக்க உதவும். இந்த பாடத்திட்டம் நெகிழ்வானதும், சுவாரஸ்யமானதும் ஆகும் மற்றும் முழுமையாக அல்லது பகுதியாய் எடுத்துக்கொள்ளலாம். திட்டங்கள் சிறியதாக தொடங்கி 12 வார காலக்கட்டத்தின் இறுதிக்குள் அதிகமாக சிக்கலானதாக மாறும். இந்த பாடத்திட்டத்தில் ML இன் உண்மையான உலக பயன்பாடுகள் பற்றிய ஒரு பின்னூட்டமும் உள்ளது, இது கூடுதல் மதிப்பெண் அல்லது விவாதத்திற்கான அடிப்படையாக பயன்படுத்தலாம்.

எங்கள் நடத்தை விதிகள், பங்களிப்பு, மொழிபெயர்ப்பு, மற்றும் பிரச்சனை தீர்க்கும் வழிகாட்டி வழிமுறைகளை காணவும். உங்கள் கட்டுமானமான கருத்துக்களை வரவேற்கிறோம்!

ஒவ்வொரு பாடத்திலும் உள்ளவை

• விருப்பமான ஸ்கெட்ச் நோட்
• விருப்பமான கூடுதல் வீடியோ
• வீடியோ நடைமுறை (சில பாடங்களில் மட்டும்)
• முன்-பாடம் வெப்பமூட்டல் தேர்வு
• எழுதப்பட்ட பாடம்
• திட்ட அடிப்படையிலான பாடங்களுக்கு, திட்டத்தை கட்டுவதற்கான படி படி வழிகாட்டிகள்
• அறிவு சோதனைகள்
• சவால்
• கூடுதல் வாசிப்பு
• பணிகள்
• பின்-பாடம் தேர்வு

மொழிகள் குறித்த குறிப்பு: இந்த பாடங்கள் முதன்மையாக Python இல் எழுதப்பட்டுள்ளன, ஆனால் பல R மொழியிலும் கிடைக்கின்றன. R பாடத்தை முடிக்க, /solution கோப்புறைக்கு சென்று R பாடங்களைத் தேடவும். அவற்றில் .rmd நீட்சியுடன் இருக்கும், இது R Markdown கோப்பாகும், இது code chunks (R அல்லது பிற மொழிகள்) மற்றும் YAML header (PDF போன்ற வெளியீடுகளை வடிவமைக்க வழிகாட்டும்) ஆகியவற்றை ஒருங்கிணைக்கும் ஒரு Markdown ஆவணமாகும். இதனால், உங்கள் குறியீடு, அதன் வெளியீடு மற்றும் உங்கள் எண்ணங்களை Markdown இல் எழுதுவதன் மூலம் இணைக்க முடியும். மேலும், R Markdown ஆவணங்கள் PDF, HTML அல்லது Word போன்ற வெளியீடு வடிவங்களில் உருவாக்கப்படலாம்.

தேர்வுகள் குறித்த குறிப்பு: அனைத்து தேர்வுகளும் Quiz App கோப்புறையில் உள்ளன, மொத்தம் 52 தேர்வுகள், ஒவ்வொன்றிலும் மூன்று கேள்விகள் உள்ளன. அவை பாடங்களில் இணைக்கப்பட்டுள்ளன, ஆனால் தேர்வு செயலியை உள்ளூரில் இயக்கலாம்; உள்ளூரில் ஹோஸ்ட் செய்ய அல்லது Azure க்கு வெளியிட quiz-app கோப்புறையில் உள்ள வழிமுறைகளை பின்பற்றவும்.

பாட எண்	தலைப்பு	பாடக் குழு	கற்றல் நோக்கங்கள்	இணைக்கப்பட்ட பாடம்	எழுத்தாளர்
01	இயந்திரக் கற்றலுக்கான அறிமுகம்	Introduction	இயந்திரக் கற்றலின் அடிப்படைக் கருத்துக்களை கற்றுக்கொள்ளுங்கள்	Lesson	முஹம்மது
02	இயந்திரக் கற்றலின் வரலாறு	Introduction	இந்த துறையின் பின்னணியில் உள்ள வரலாற்றை கற்றுக்கொள்ளுங்கள்	Lesson	ஜென் மற்றும் ஏமி
03	நியாயம் மற்றும் இயந்திரக் கற்றல்	Introduction	இயந்திரக் கற்றல் மாதிரிகளை உருவாக்கும் மற்றும் பயன்படுத்தும் போது மாணவர்கள் கவனிக்க வேண்டிய நியாயம் தொடர்பான முக்கிய தத்துவக் கேள்விகள் என்ன?	Lesson	தோமோமி
04	இயந்திரக் கற்றலுக்கான தொழில்நுட்பங்கள்	Introduction	இயந்திரக் கற்றல் ஆராய்ச்சியாளர்கள் இயந்திரக் கற்றல் மாதிரிகளை உருவாக்க எந்த தொழில்நுட்பங்களை பயன்படுத்துகிறார்கள்?	Lesson	கிரிஸ் மற்றும் ஜென்
05	பின்வட்டம் அறிமுகம்	Regression	பின்வட்ட மாதிரிகளுக்கான Python மற்றும் Scikit-learn உடன் துவங்குங்கள்	Python • R	ஜென் • எரிக் வான்ஜாவ்
06	வட அமெரிக்க பரங்கிக்காய் விலை 🎃	Regression	இயந்திரக் கற்றலுக்கான தரவை காட்சிப்படுத்தி சுத்தம் செய்யுங்கள்	Python • R	ஜென் • எரிக் வான்ஜாவ்
07	வட அமெரிக்க பரங்கிக்காய் விலை 🎃	Regression	நேரியல் மற்றும் பன்முக பின்வட்ட மாதிரிகளை உருவாக்குங்கள்	Python • R	ஜென் மற்றும் ட்மிட்ரி • எரிக் வான்ஜாவ்
08	வட அமெரிக்க பரங்கிக்காய் விலை 🎃	Regression	ஒரு லாஜிஸ்டிக் பின்வட்ட மாதிரியை உருவாக்குங்கள்	Python • R	ஜென் • எரிக் வான்ஜாவ்
09	ஒரு வலை பயன்பாடு 🔌	Web App	உங்கள் பயிற்சி பெற்ற மாதிரியை பயன்படுத்த ஒரு வலை பயன்பாட்டை உருவாக்குங்கள்	Python	ஜென்
10	வகைப்பாட்டுக்கான அறிமுகம்	Classification	உங்கள் தரவை சுத்தம் செய்து, தயார் செய்து, காட்சிப்படுத்துங்கள்; வகைப்பாட்டுக்கான அறிமுகம்	Python • R	ஜென் மற்றும் காச்சி • எரிக் வான்ஜாவ்
11	சுவையான ஆசிய மற்றும் இந்திய சமையல்கள் 🍜	Classification	வகைப்பாட்டாளர்களுக்கான அறிமுகம்	Python • R	ஜென் மற்றும் காச்சி • எரிக் வான்ஜாவ்
12	சுவையான ஆசிய மற்றும் இந்திய சமையல்கள் 🍜	Classification	மேலும் வகைப்பாட்டாளர்கள்	Python • R	ஜென் மற்றும் காச்சி • எரிக் வான்ஜாவ்
13	சுவையான ஆசிய மற்றும் இந்திய சமையல்கள் 🍜	Classification	உங்கள் மாதிரியை பயன்படுத்தி பரிந்துரைக்கும் வலை பயன்பாட்டை உருவாக்குங்கள்	Python	ஜென்
14	குழுக்களுக்கான அறிமுகம்	Clustering	உங்கள் தரவை சுத்தம் செய்து, தயார் செய்து, காட்சிப்படுத்துங்கள்; குழுக்களுக்கான அறிமுகம்	Python • R	ஜென் • எரிக் வான்ஜாவ்
15	நைஜீரிய இசை ருசிகளை ஆராய்தல் 🎧	Clustering	K-மீன்ஸ் குழுக்கள்முறை ஆராயுங்கள்	Python • R	ஜென் • எரிக் வான்ஜாவ்
16	இயற்கை மொழி செயலாக்கத்திற்கு அறிமுகம் ☕️	Natural language processing	ஒரு எளிய பாட்டை உருவாக்கி இயற்கை மொழி செயலாக்கத்தின் அடிப்படைகளை கற்றுக்கொள்ளுங்கள்	Python	ஸ்டீபன்
17	பொதுவான NLP பணிகள் ☕️	Natural language processing	மொழி அமைப்புகளுடன் வேலை செய்யும்போது தேவையான பொதுவான பணிகளைப் புரிந்து கொண்டு உங்கள் NLP அறிவை ஆழப்படுத்துங்கள்	Python	ஸ்டீபன்
18	மொழிபெயர்ப்பு மற்றும் உணர்ச்சி பகுப்பாய்வு ♥️	Natural language processing	ஜேன் ஆஸ்டினுடன் மொழிபெயர்ப்பு மற்றும் உணர்ச்சி பகுப்பாய்வு	Python	ஸ்டீபன்
19	ஐரோப்பிய காதல் விடுதிகள் ♥️	Natural language processing	விடுதி விமர்சனங்களுடன் உணர்ச்சி பகுப்பாய்வு 1	Python	ஸ்டீபன்
20	ஐரோப்பிய காதல் விடுதிகள் ♥️	Natural language processing	விடுதி விமர்சனங்களுடன் உணர்ச்சி பகுப்பாய்வு 2	Python	ஸ்டீபன்
21	கால வரிசை முன்னறிவிப்பிற்கு அறிமுகம்	Time series	கால வரிசை முன்னறிவிப்பிற்கு அறிமுகம்	Python	பிரான்செஸ்கா
22	⚡️ உலக சக்தி பயன்பாடு ⚡️ - ARIMA உடன் கால வரிசை முன்னறிவிப்பு	Time series	ARIMA உடன் கால வரிசை முன்னறிவிப்பு	Python	பிரான்செஸ்கா
23	⚡️ உலக சக்தி பயன்பாடு ⚡️ - SVR உடன் கால வரிசை முன்னறிவிப்பு	Time series	ஆதரவு வெக்டர் பின்வட்டியுடன் கால வரிசை முன்னறிவிப்பு	Python	அனிர்பன்
24	பலவீனக் கற்றலுக்கான அறிமுகம்	Reinforcement learning	Q-கற்றலுடன் பலவீனக் கற்றலுக்கான அறிமுகம்	Python	ட்மிட்ரி
25	பீட்டர் ஓநாயைத் தவிர்க்க உதவுங்கள்! 🐺	Reinforcement learning	பலவீனக் கற்றல் ஜிம்	Python	ட்மிட்ரி
Postscript	உண்மையான உலக இயந்திரக் கற்றல் சூழல்கள் மற்றும் பயன்பாடுகள்	ML in the Wild	பாரம்பரிய இயந்திரக் கற்றலின் சுவாரஸ்யமான மற்றும் வெளிப்படுத்தும் உண்மையான உலக பயன்பாடுகள்	Lesson	குழு
Postscript	RAI டாஷ்போர்டைப் பயன்படுத்தி இயந்திரக் கற்றலில் மாதிரி பிழைத்திருத்தல்	ML in the Wild	பொறுப்பான AI டாஷ்போர்டு கூறுகளைப் பயன்படுத்தி இயந்திரக் கற்றலில் மாதிரி பிழைத்திருத்தல்	Lesson	ரூத் யாகுபு

இந்த பாடத்திட்டத்திற்கான அனைத்து கூடுதல் வளங்களையும் எங்கள் Microsoft Learn தொகுப்பில் காண்க

ஆஃப்லைன் அணுகல்

Docsify ஐப் பயன்படுத்தி நீங்கள் இந்த ஆவணத்தை ஆஃப்லைனில் இயக்கலாம். இந்த ரெப்போவை ஃபோர்க் செய்து, உங்கள் உள்ளூர் கணினியில் Docsify ஐ நிறுவி, பின்னர் இந்த ரெப்போவின் ரூட் கோப்பகத்தில் docsify serve என தட்டச்சு செய்யவும். இந்த வலைத்தளம் உங்கள் உள்ளூர் கணினியில் 3000 போர்ட்டில் சேவை செய்யப்படும்: localhost:3000.

PDFகள்

பாடத்திட்டத்தின் PDF ஐ இணைப்புகளுடன் இங்கே காண்க.

🎒 பிற பாடநெறிகள்

எங்கள் குழு பிற பாடநெறிகளையும் உருவாக்குகிறது! பாருங்கள்:

LangChain

---

Azure / Edge / MCP / Agents

---

உருவாக்கும் AI தொடர்

---

முக்கியக் கற்றல்

---

கோபைலட் தொடர்

உதவி பெறுதல்

நீங்கள் சிக்கலில் இருந்தால் அல்லது AI செயலிகளை உருவாக்குவதில் ஏதேனும் கேள்விகள் இருந்தால், MCP பற்றி விவாதங்களில் பங்கேற்க fellow learners மற்றும் அனுபவமிக்க டெவலப்பர்களுடன் சேருங்கள். கேள்விகள் வரவேற்கப்படுகின்றன மற்றும் அறிவு சுதந்திரமாக பகிரப்படுகிறது என்ற ஆதரவான சமூகமாக இது உள்ளது.

உற்பத்தி கருத்து அல்லது பிழைகள் இருந்தால், கட்டுமானத்தின் போது பார்வையிடவும்:

---

குறிப்பு:
இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவை Co-op Translator மூலம் மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சித்தாலும், தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுகள் இருக்கக்கூடும் என்பதை தயவுசெய்து கவனிக்கவும். அசல் ஆவணம் அதன் சொந்த மொழியில் அதிகாரப்பூர்வ மூலமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பை பரிந்துரைக்கிறோம். இந்த மொழிபெயர்ப்பின் பயன்பாட்டால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கங்களுக்கும் நாங்கள் பொறுப்பேற்கமாட்டோம்.