RomanNum3ral
/
AI-For-Beginners
mirror of https://github.com/microsoft/AI-For-Beginners.git
1
0
Fork 0
Code Issues Packages Projects Releases Wiki Activity

chore(i18n): sync translations with latest source changes (chunk 1/1, 205 changes)

This commit is contained in:
localizeflow[bot] 2026-01-30 01:32:15 +00:00
parent 52d3c08120
commit fbfb0a8047
205 changed files with 1582 additions and 2501 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

398
translations/bn/.co-op-translator.json Normal file
View File

@ -0,0 +1,398 @@
{
"AGENTS.md": {
"original_hash": "6b11a37115944252ab3ed04e358d830d",
"translation_date": "2025-10-03T09:17:13+00:00",
"source_file": "AGENTS.md",
"language_code": "bn"
},
"README.md": {
"original_hash": "1984fc89dd304a8a33ab5584691a99aa",
"translation_date": "2026-01-30T01:32:04+00:00",
"source_file": "README.md",
"language_code": "bn"
},
"SECURITY.md": {
"original_hash": "a583f49d359c7ebba61433e4dfcd05a9",
"translation_date": "2025-08-26T07:55:45+00:00",
"source_file": "SECURITY.md",
"language_code": "bn"
},
"etc/CODE_OF_CONDUCT.md": {
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-08-26T11:17:08+00:00",
"source_file": "etc/CODE_OF_CONDUCT.md",
"language_code": "bn"
},
"etc/CONTRIBUTING.md": {
"original_hash": "847a587aa1b83f4d00858183ff3ed18a",
"translation_date": "2025-08-26T11:19:42+00:00",
"source_file": "etc/CONTRIBUTING.md",
"language_code": "bn"
},
"etc/Mindmap.md": {
"original_hash": "f2f88dbd2debd38e26149b27b1fd272d",
"translation_date": "2025-08-26T11:21:59+00:00",
"source_file": "etc/Mindmap.md",
"language_code": "bn"
},
"etc/SUPPORT.md": {
"original_hash": "fdfc08baee91e402938a2b1f94fe0949",
"translation_date": "2025-08-26T11:16:15+00:00",
"source_file": "etc/SUPPORT.md",
"language_code": "bn"
},
"etc/TRANSLATIONS.md": {
"original_hash": "62b3e3ad5182edb905eec649a87eeeb4",
"translation_date": "2025-08-26T11:18:17+00:00",
"source_file": "etc/TRANSLATIONS.md",
"language_code": "bn"
},
"etc/quiz-app/README.md": {
"original_hash": "d699cf8509f74baa5b0b838de5cf0662",
"translation_date": "2025-08-26T11:25:32+00:00",
"source_file": "etc/quiz-app/README.md",
"language_code": "bn"
},
"examples/README.md": {
"original_hash": "0d1babfdcbeb46525f2db3fbaaa54cd7",
"translation_date": "2025-10-03T11:28:50+00:00",
"source_file": "examples/README.md",
"language_code": "bn"
},
"lessons/0-course-setup/for-teachers.md": {
"original_hash": "a094ef9927883de1cfcee51dbd143381",
"translation_date": "2025-08-26T11:12:03+00:00",
"source_file": "lessons/0-course-setup/for-teachers.md",
"language_code": "bn"
},
"lessons/0-course-setup/how-to-run.md": {
"original_hash": "a4717bd9103b9f6cd84d534b83534689",
"translation_date": "2026-01-15T13:05:15+00:00",
"source_file": "lessons/0-course-setup/how-to-run.md",
"language_code": "bn"
},
"lessons/0-course-setup/setup.md": {
"original_hash": "7b4e5b8956915870d0a0ed3cc5890042",
"translation_date": "2025-12-12T19:30:09+00:00",
"source_file": "lessons/0-course-setup/setup.md",
"language_code": "bn"
},
"lessons/1-Intro/README.md": {
"original_hash": "f57e8aa46141fd220b16ffed8f11aec7",
"translation_date": "2025-11-18T21:04:15+00:00",
"source_file": "lessons/1-Intro/README.md",
"language_code": "bn"
},
"lessons/1-Intro/assignment.md": {
"original_hash": "a334df77a82aaaf2a29c77065d3e481e",
"translation_date": "2025-11-18T21:06:05+00:00",
"source_file": "lessons/1-Intro/assignment.md",
"language_code": "bn"
},
"lessons/2-Symbolic/README.md": {
"original_hash": "f9f06b266b8b2bfc6b8792ff2bb1bea4",
"translation_date": "2026-01-15T13:05:39+00:00",
"source_file": "lessons/2-Symbolic/README.md",
"language_code": "bn"
},
"lessons/2-Symbolic/assignment.md": {
"original_hash": "a057a8604f3976c3e309884453f1fad0",
"translation_date": "2025-08-26T11:07:01+00:00",
"source_file": "lessons/2-Symbolic/assignment.md",
"language_code": "bn"
},
"lessons/3-NeuralNetworks/03-Perceptron/README.md": {
"original_hash": "c34cbba802058b6fa267e1a294d4e510",
"translation_date": "2025-09-23T07:51:23+00:00",
"source_file": "lessons/3-NeuralNetworks/03-Perceptron/README.md",
"language_code": "bn"
},
"lessons/3-NeuralNetworks/03-Perceptron/lab/README.md": {
"original_hash": "ba5d1eb353d20d3e7181066b3c424b99",
"translation_date": "2025-08-29T06:56:32+00:00",
"source_file": "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md",
"language_code": "bn"
},
"lessons/3-NeuralNetworks/04-OwnFramework/README.md": {
"original_hash": "789d6c3fb6fc7948a470b33078a5983a",
"translation_date": "2025-09-23T07:50:58+00:00",
"source_file": "lessons/3-NeuralNetworks/04-OwnFramework/README.md",
"language_code": "bn"
},
"lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md": {
"original_hash": "48fdd704d483e19bc3d7464074c9fcbe",
"translation_date": "2025-08-26T10:29:15+00:00",
"source_file": "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md",
"language_code": "bn"
},
"lessons/3-NeuralNetworks/05-Frameworks/README.md": {
"original_hash": "ddd216f558a255260a9374008002c971",
"translation_date": "2025-09-23T07:51:43+00:00",
"source_file": "lessons/3-NeuralNetworks/05-Frameworks/README.md",
"language_code": "bn"
},
"lessons/3-NeuralNetworks/05-Frameworks/lab/README.md": {
"original_hash": "e452d897efb9a89700f41021834cf6e5",
"translation_date": "2025-08-26T10:35:14+00:00",
"source_file": "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md",
"language_code": "bn"
},
"lessons/3-NeuralNetworks/README.md": {
"original_hash": "f862a99d88088163df12270e2f2ad6c3",
"translation_date": "2025-10-03T12:44:54+00:00",
"source_file": "lessons/3-NeuralNetworks/README.md",
"language_code": "bn"
},
"lessons/4-ComputerVision/06-IntroCV/README.md": {
"original_hash": "feeca98225cb420afc89415f24f63d92",
"translation_date": "2025-09-23T07:46:28+00:00",
"source_file": "lessons/4-ComputerVision/06-IntroCV/README.md",
"language_code": "bn"
},
"lessons/4-ComputerVision/06-IntroCV/lab/README.md": {
"original_hash": "3d53d6409f80970f7281a45dee35328a",
"translation_date": "2025-08-26T09:40:56+00:00",
"source_file": "lessons/4-ComputerVision/06-IntroCV/lab/README.md",
"language_code": "bn"
},
"lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md": {
"original_hash": "53faab85adfcebd8c10bcd71dc2fa557",
"translation_date": "2025-09-23T07:45:44+00:00",
"source_file": "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md",
"language_code": "bn"
},
"lessons/4-ComputerVision/07-ConvNets/README.md": {
"original_hash": "a560d5b845962cf33dc102266e409568",
"translation_date": "2025-09-23T07:45:26+00:00",
"source_file": "lessons/4-ComputerVision/07-ConvNets/README.md",
"language_code": "bn"
},
"lessons/4-ComputerVision/07-ConvNets/lab/README.md": {
"original_hash": "b70fcf7fcee862990f848c679090943f",
"translation_date": "2025-10-03T14:53:39+00:00",
"source_file": "lessons/4-ComputerVision/07-ConvNets/lab/README.md",
"language_code": "bn"
},
"lessons/4-ComputerVision/08-TransferLearning/README.md": {
"original_hash": "178c0b5ee5395733eb18aec51e71a0a9",
"translation_date": "2025-09-23T07:46:02+00:00",
"source_file": "lessons/4-ComputerVision/08-TransferLearning/README.md",
"language_code": "bn"
},
"lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md": {
"original_hash": "ae074cd940fc2f4dc24fc07b66ccbd99",
"translation_date": "2025-08-26T09:47:53+00:00",
"source_file": "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md",
"language_code": "bn"
},
"lessons/4-ComputerVision/08-TransferLearning/lab/README.md": {
"original_hash": "7765935c35fcee69b9fe2d0cfd6963e2",
"translation_date": "2025-08-26T09:52:54+00:00",
"source_file": "lessons/4-ComputerVision/08-TransferLearning/lab/README.md",
"language_code": "bn"
},
"lessons/4-ComputerVision/09-Autoencoders/README.md": {
"original_hash": "1b8d9e1b3a6f1daa864b1ff3dfc3076d",
"translation_date": "2025-09-23T07:47:41+00:00",
"source_file": "lessons/4-ComputerVision/09-Autoencoders/README.md",
"language_code": "bn"
},
"lessons/4-ComputerVision/10-GANs/README.md": {
"original_hash": "0ff65b4da07b23697235de2beb2a3c25",
"translation_date": "2025-09-23T07:48:26+00:00",
"source_file": "lessons/4-ComputerVision/10-GANs/README.md",
"language_code": "bn"
},
"lessons/4-ComputerVision/11-ObjectDetection/README.md": {
"original_hash": "d76a7eda28de5210c8b1ba50a6216c69",
"translation_date": "2025-09-23T07:47:00+00:00",
"source_file": "lessons/4-ComputerVision/11-ObjectDetection/README.md",
"language_code": "bn"
},
"lessons/4-ComputerVision/11-ObjectDetection/lab/README.md": {
"original_hash": "ad568d55ae65c856fe929fc2b278510a",
"translation_date": "2025-08-26T09:25:03+00:00",
"source_file": "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md",
"language_code": "bn"
},
"lessons/4-ComputerVision/12-Segmentation/README.md": {
"original_hash": "6568aaae7e0e4afed4b5d74b5b223700",
"translation_date": "2025-09-23T07:48:09+00:00",
"source_file": "lessons/4-ComputerVision/12-Segmentation/README.md",
"language_code": "bn"
},
"lessons/4-ComputerVision/12-Segmentation/lab/README.md": {
"original_hash": "365f0decfe0f47b460bbde8227c5009d",
"translation_date": "2025-08-26T09:12:20+00:00",
"source_file": "lessons/4-ComputerVision/12-Segmentation/lab/README.md",
"language_code": "bn"
},
"lessons/4-ComputerVision/README.md": {
"original_hash": "58a52f000089c1d8906a4daa4ab1169b",
"translation_date": "2025-08-26T09:02:46+00:00",
"source_file": "lessons/4-ComputerVision/README.md",
"language_code": "bn"
},
"lessons/5-NLP/13-TextRep/README.md": {
"original_hash": "dbd3f73e4139f030ecb2e20387d70fee",
"translation_date": "2025-09-23T07:54:51+00:00",
"source_file": "lessons/5-NLP/13-TextRep/README.md",
"language_code": "bn"
},
"lessons/5-NLP/13-TextRep/assignment.md": {
"original_hash": "cdc1f2e631f055f3473b36d18e4760b3",
"translation_date": "2025-08-26T08:28:39+00:00",
"source_file": "lessons/5-NLP/13-TextRep/assignment.md",
"language_code": "bn"
},
"lessons/5-NLP/14-Embeddings/README.md": {
"original_hash": "b708c9b85b833864c73c6281f1e6b96e",
"translation_date": "2025-09-23T07:54:30+00:00",
"source_file": "lessons/5-NLP/14-Embeddings/README.md",
"language_code": "bn"
},
"lessons/5-NLP/14-Embeddings/assignment.md": {
"original_hash": "bc690ecf68b38d311cc9e12f3144a28c",
"translation_date": "2025-08-26T08:17:50+00:00",
"source_file": "lessons/5-NLP/14-Embeddings/assignment.md",
"language_code": "bn"
},
"lessons/5-NLP/15-LanguageModeling/README.md": {
"original_hash": "7ba20f54a5bfcd6521018cdfb17c7c57",
"translation_date": "2025-09-23T07:52:42+00:00",
"source_file": "lessons/5-NLP/15-LanguageModeling/README.md",
"language_code": "bn"
},
"lessons/5-NLP/15-LanguageModeling/lab/README.md": {
"original_hash": "5130f01fdc5ebb83032b23d489027aac",
"translation_date": "2025-08-26T08:32:05+00:00",
"source_file": "lessons/5-NLP/15-LanguageModeling/lab/README.md",
"language_code": "bn"
},
"lessons/5-NLP/16-RNN/README.md": {
"original_hash": "e2273cc150380a5e191903cea858f021",
"translation_date": "2025-09-23T07:54:01+00:00",
"source_file": "lessons/5-NLP/16-RNN/README.md",
"language_code": "bn"
},
"lessons/5-NLP/16-RNN/assignment.md": {
"original_hash": "47f7d3c6a5373543e051e4d1140ce898",
"translation_date": "2025-08-26T08:12:58+00:00",
"source_file": "lessons/5-NLP/16-RNN/assignment.md",
"language_code": "bn"
},
"lessons/5-NLP/17-GenerativeNetworks/README.md": {
"original_hash": "51be6057374d01d70e07dd5ec88ebc0d",
"translation_date": "2025-09-23T07:52:18+00:00",
"source_file": "lessons/5-NLP/17-GenerativeNetworks/README.md",
"language_code": "bn"
},
"lessons/5-NLP/17-GenerativeNetworks/lab/README.md": {
"original_hash": "439e12796197a90e7623d4c9c057b9c2",
"translation_date": "2025-08-26T08:22:58+00:00",
"source_file": "lessons/5-NLP/17-GenerativeNetworks/lab/README.md",
"language_code": "bn"
},
"lessons/5-NLP/18-Transformers/README.md": {
"original_hash": "f335dfcb4a993920504c387973a36957",
"translation_date": "2025-09-23T07:52:55+00:00",
"source_file": "lessons/5-NLP/18-Transformers/README.md",
"language_code": "bn"
},
"lessons/5-NLP/18-Transformers/assignment.md": {
"original_hash": "177f3ea3995d725e6f9f5c66af16edcd",
"translation_date": "2025-08-26T08:40:49+00:00",
"source_file": "lessons/5-NLP/18-Transformers/assignment.md",
"language_code": "bn"
},
"lessons/5-NLP/19-NER/README.md": {
"original_hash": "6522312ff835796ca34136a9462fafb2",
"translation_date": "2025-09-23T07:53:43+00:00",
"source_file": "lessons/5-NLP/19-NER/README.md",
"language_code": "bn"
},
"lessons/5-NLP/19-NER/lab/README.md": {
"original_hash": "032bda5068f543d6c1fcb30c34231461",
"translation_date": "2025-08-26T08:50:28+00:00",
"source_file": "lessons/5-NLP/19-NER/lab/README.md",
"language_code": "bn"
},
"lessons/5-NLP/20-LangModels/README.md": {
"original_hash": "97836d30a6bec736f8e3b4411c572bc2",
"translation_date": "2025-09-23T07:53:25+00:00",
"source_file": "lessons/5-NLP/20-LangModels/README.md",
"language_code": "bn"
},
"lessons/5-NLP/README.md": {
"original_hash": "8ef02a9318257ea140ed3ed74442096d",
"translation_date": "2025-08-26T08:03:35+00:00",
"source_file": "lessons/5-NLP/README.md",
"language_code": "bn"
},
"lessons/6-Other/21-GeneticAlgorithms/README.md": {
"original_hash": "6bbd632dfe6c62e5f66bb51fd78c174a",
"translation_date": "2025-09-23T07:43:15+00:00",
"source_file": "lessons/6-Other/21-GeneticAlgorithms/README.md",
"language_code": "bn"
},
"lessons/6-Other/22-DeepRL/README.md": {
"original_hash": "04395657fc01648f8f70484d0e55ab67",
"translation_date": "2025-09-23T07:44:58+00:00",
"source_file": "lessons/6-Other/22-DeepRL/README.md",
"language_code": "bn"
},
"lessons/6-Other/22-DeepRL/lab/README.md": {
"original_hash": "7bd8dc72040e98e35e7225e34058cd4e",
"translation_date": "2025-08-26T10:16:47+00:00",
"source_file": "lessons/6-Other/22-DeepRL/lab/README.md",
"language_code": "bn"
},
"lessons/6-Other/23-MultiagentSystems/README.md": {
"original_hash": "38a1185ae3d54b180378bbd71ae3ef16",
"translation_date": "2025-09-23T07:44:06+00:00",
"source_file": "lessons/6-Other/23-MultiagentSystems/README.md",
"language_code": "bn"
},
"lessons/6-Other/23-MultiagentSystems/assignment.md": {
"original_hash": "cf654ca60c7f86c8dad28596fb42994b",
"translation_date": "2025-08-26T10:11:12+00:00",
"source_file": "lessons/6-Other/23-MultiagentSystems/assignment.md",
"language_code": "bn"
},
"lessons/7-Ethics/README.md": {
"original_hash": "437c988596e751072e41a5aad3fcc5d9",
"translation_date": "2025-08-26T07:58:57+00:00",
"source_file": "lessons/7-Ethics/README.md",
"language_code": "bn"
},
"lessons/README.md": {
"original_hash": "5fef1a0b22498d7188959e2a2cb08af7",
"translation_date": "2025-08-26T07:57:20+00:00",
"source_file": "lessons/README.md",
"language_code": "bn"
},
"lessons/X-Extras/X1-MultiModal/README.md": {
"original_hash": "9c592c26aca16ca085d268c732284187",
"translation_date": "2025-08-26T10:19:03+00:00",
"source_file": "lessons/X-Extras/X1-MultiModal/README.md",
"language_code": "bn"
},
"lessons/sketchnotes/LICENSE.md": {
"original_hash": "45ab63a2cd8f5faef6c9b150618837a4",
"translation_date": "2025-08-26T10:46:05+00:00",
"source_file": "lessons/sketchnotes/LICENSE.md",
"language_code": "bn"
},
"lessons/sketchnotes/README.md": {
"original_hash": "050b8bddebafba55b129414e6ab096ab",
"translation_date": "2025-08-26T10:40:38+00:00",
"source_file": "lessons/sketchnotes/README.md",
"language_code": "bn"
},
"troubleshoot.md": {
"original_hash": "8d9c5a4a7c7798d699672a22cb7fea86",
"translation_date": "2025-10-03T09:39:51+00:00",
"source_file": "troubleshoot.md",
"language_code": "bn"
}
}

9
translations/bn/AGENTS.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "6b11a37115944252ab3ed04e358d830d",
"translation_date": "2025-10-03T09:17:13+00:00",
"source_file": "AGENTS.md",
"language_code": "bn"
}
-->
# AGENTS.md
## প্রকল্পের সংক্ষিপ্ত বিবরণ

236
translations/bn/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "85102ce4bfab31103e99dc8ca2e2f181",
"translation_date": "2026-01-15T13:02:52+00:00",
"source_file": "README.md",
"language_code": "bn"
}
-->
[![GitHub license](https://img.shields.io/github/license/microsoft/AI-For-Beginners.svg)](https://github.com/microsoft/AI-For-Beginners/blob/main/LICENSE)
[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/graphs/contributors/)
[![GitHub issues](https://img.shields.io/github/issues/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/issues/)
@ -21,212 +12,213 @@ CO_OP_TRANSLATOR_METADATA:
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
# নবীনদের জন্য কৃত্রিম বুদ্ধিমত্তা - একটি কারিকুলাম
# আর্টিফিশিয়াল ইন্টেলিজেন্স ফর বিগিনার্স - একটি কারিকুলাম
|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../../../translated_images/bn/ai-overview.0857791951d19500.webp)|
|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../translated_images/bn/ai-overview.0857791951d19500.webp)|
|:---:|
| নবীনদের জন্য AI - _স্কেচনোট [@girlie_mac](https://twitter.com/girlie_mac) এর দ্বারা_ |
| AI For Beginners - _স্কেচনোট দ্বারাঃ [@girlie_mac](https://twitter.com/girlie_mac)_ |
আমাদের ১২ সপ্তাহের, ২৪ পাঠের কারিকুলামের মাধ্যমে **কৃত্রিম বুদ্ধিমত্তা** (AI) এর জগতে প্রবেশ করুন! এতে রয়েছে ব্যবহারিক পাঠ, কুইজ এবং ল্যাব। কারিকুলামটি নবীনদের জন্য বন্ধুবৎসল এবং এতে TensorFlow ও PyTorch-এর মত টুলস, পাশাপাশি AI-র নৈতিকতা কাভার করা হয়েছে।
আমাদের ১২ সপ্তাহ, ২৪টি পাঠের কারিকুলামের মাধ্যমে **কৃত্রিম বুদ্ধিমত্তা** (AI)-এর জগৎ আবিষ্কার করুন! এতে রয়েছে ব্যবহারিক পাঠ, কুইজ এবং ল্যাব। কারিকুলামটি শিখতে সুবিধাজনক এবং এটি TensorFlow ও PyTorch এর মতো সরঞ্জাম এবং AI নৈতিকতা জুড়ে কভার করে।
### 🌐 বহুভাষী সমর্থন
### 🌐 বহুভাষিক সমর্থন
#### GitHub অ্যাকশনের মাধ্যমে সমর্থিত (স্বয়ংক্রিয় ও সর্বদা হালনাগাদ)
#### গিটহাব অ্যাকশনের মাধ্যমে সমর্থিত (স্বয়ংক্রিয় এবং সর্বদা আপডেটেড)
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
[Arabic](../ar/README.md) | [Bengali](./README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
[Arabic](../ar/README.md) | [Bengali](./README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
> **অন্তর্নিহিত ক্লোন করতে চান?**
> **লোকালি ক্লোন করতে চান?**
> এই রিপোজিটরিতে ৫০+ ভাষার অনুবাদ রয়েছে যা ডাউনলোডের আকার অনেক বাড়িয়ে দেয়। অনুবাদ ছাড়া ক্লোন করতে, sparse checkout ব্যবহার করুন:
> এই রিপোজিটরিতে ৫০+ ভাষার অনুবাদ রয়েছে যা ডাউনলোড সাইজ খুব বেড়ে যায়। অনুবাদগুলো ছাড়া ক্লোন করতে sparse checkout ব্যবহার করুন:
> ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git
> cd AI-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> এটি আপনাকে দ্রুত ডাউনলোডের মাধ্যমে কোর্স সম্পন্ন করতে যা যা প্রয়োজন তা দেবে।
> এতে আপনি কোর্সটি সম্পন্ন করতে প্রয়োজনীয় সবকিছু অনেক দ্রুত ডাউনলোড করতে পারবেন।
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**আপনি যদি অতিরিক্ত অনুবাদ ভাষা চান, সেগুলি এখানে তালিকাভুক্ত আছে [here](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**আপনি যদি আরও অনুবাদের পক্ষে থাকেন, সমর্থিত ভাষাগুলো এখানে তালিকাভুক্ত আছে [link](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
## কমিউনিটিতে যোগদান করুন
## কমিউনিটিতে যোগ দিন
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
## আপনি যা শিখবেন
## আপনি কী শিখবেন
**[কোর্সের মানচিত্র](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)**
**[কোর্সের মাইন্ডম্যাপ](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)**
এই কারিকুলামে আপনি শিখবেন:
* কৃত্রিম বুদ্ধিমত্তার বিভিন্ন পদ্ধতি, যার মধ্যে রয়েছে "পুরোনো" প্রতীকী পদ্ধতি যেমন **জ্ঞান উপস্থাপন** এবং কারণ নির্ণয় ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence))।
* **নিউরাল নেটওয়ার্ক** এবং **ডীপ লার্নিং** যা আধুনিক AI-এর মূল ভিত্তি। আমরা এই গুরুত্বপূর্ণ বিষয়গুলির ধারণাগুলি জনপ্রিয় দুটি ফ্রেমওয়ার্ক - [TensorFlow](http://Tensorflow.org) এবং [PyTorch](http://pytorch.org) এ কোড ব্যবহার করে ব্যাখ্যা করব।
* ছবি এবং লেখার সাথে কাজ করার জন্য **নিউরাল আর্কিটেকচার**। আমরা সাম্প্রতিক মডেলগুলি কভার করব কিন্তু সাম্প্রতিকতম অবস্থা হয়তো কিছুটা কম থাকতে পারে।
* কম জনপ্রিয় AI পদ্ধতিগুলো, যেমন **জেনেটিক অ্যালগরিদম** এবং **মাল্টি-এজেন্ট সিস্টেম**।
* কৃত্রিম বুদ্ধিমত্তার বিভিন্ন পদ্ধতি, যার মধ্যে রয়েছে "পুরানো ভাল" প্রতীকি পদ্ধতি **জ্ঞান উপস্থাপন** ও যুক্তিবিদ্যা সহ ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence))।
* **নিউরাল নেটওয়ার্ক** এবং **ডিপ লার্নিং**, যা আধুনিক AI এর মূল। আমরা দুটি জনপ্রিয় ফ্রেমওয়ার্কে - [TensorFlow](http://Tensorflow.org) এবং [PyTorch](http://pytorch.org) - কোড ব্যবহার করে এই গুরুত্বপূর্ণ বিষয়গুলির পেছনের ধারণা উপস্থাপন করব।
* চিত্র ও পাঠ্যের জন্য **নিউরাল স্থাপত্য**। আমরা সাম্প্রতিক মডেলগুলি আলোচনা করব, কিন্তু হতে পারে আরও আধুনিক কিছু কম থাকবে।
* কম পরিচিত AI পদ্ধতি, যেমন **জেনেটিক অ্যালগরিদম** এবং **মাল্টি-এজেন্ট সিস্টেম**।
এই কারিকুলামে যা অন্তর্ভুক্ত নয়:
এই কারিকুলামে আমরা যা অন্তর্ভুক্ত করব না:
> [এই কোর্সের জন্য সমস্ত অতিরিক্ত রিসোর্স আমাদের Microsoft Learn কালেকশনে খুঁজুন](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)
> [আমাদের Microsoft Learn সংগ্রহে এই কোর্সের জন্য সমস্ত অতিরিক্ত সম্পদ খুঁজুন](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)
* **ব্যবসায় AI ব্যবহারের** ব্যবসায়িক কেস। আপনি Microsoft Learn এর [Introduction to AI for business users](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) লার্নিং পাথ বা [AI Business School](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), যা [INSEAD](https://www.insead.edu/) এর সঙ্গে সহযোগিতায় তৈরি, নিতে পারেন।
* **ক্লাসিক মেশিন লার্নিং**, যা আমাদের [Machine Learning for Beginners Curriculum](http://github.com/Microsoft/ML-for-Beginners) এ ভালভাবে বর্ণিত।
* **[Cognitive Services](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)** ব্যবহার করে তৈরি ব্যবহারিক AI অ্যাপ্লিকেশন। এ জন্য আমরা সুপারিশ করব Microsoft Learn এর [ভিশন](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Azure OpenAI সার্ভিস এর সাথে জেনারেটিভ AI](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** এবং অন্যান্য মডিউল দিয়ে শুরু করার।
* নির্দিষ্ট ML **ক্লাউড ফ্রেমওয়ার্ক**, যেমন [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum) অথবা [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum)। আপনি [Azure Machine Learning নিয়ে মেশিন লার্নিং সলিউশন তৈরি ও পরিচালনা](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) এবং [Azure Databricks এর সঙ্গে মেশিন লার্নিং সলিউশন তৈরি ও পরিচালনা](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) লার্নিং পথ ব্যবহার করতে পারেন।
* **কনভারসেশনাল AI** এবং **চ্যাট বটস**। এর জন্য একটি আলাদা [কনভারসেশনাল AI সলিউশন তৈরি](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) লার্নিং পাথ রয়েছে, এবং বিস্তারিত জানতে পারেন [এই ব্লগ পোষ্টে](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/)।
* ডীপ লার্নিং এর পেছনের **গভীর গণিত**। এর জন্য আমরা সুপারিশ করব Ian Goodfellow, Yoshua Bengio এবং Aaron Courville-এর [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) বইটি, যা অনলাইনে [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/) এ উপলব্ধ।
* **AI in Business** এর ব্যবসায়িক ব্যবহার। Microsoft Learn এ [Introduction to AI for Business Users](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) শেখার পথ নিন, অথবা [AI Business School](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), যা [INSEAD](https://www.insead.edu/) সহকর্মিতায় উন্নত।
* **ক্লাসিক মেশিন লার্নিং**, যা আমাদের [Machine Learning for Beginners Curriculum](http://github.com/Microsoft/ML-for-Beginners)-এ বিস্তারিত বর্ণনা রয়েছে।
* ব্যবহারিক AI অ্যাপ্লিকেশন যেগুলো **[Cognitive Services](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)** ব্যবহার করে তৈরি। এর জন্য, Microsoft Learn এর [vision](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [natural language processing](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Generative AI with Azure OpenAI Service](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** এবং অন্যান্য মডিউল দিয়ে শুরু করার পরামর্শ দেব।
* নির্দিষ্ট ML **ক্লাউড ফ্রেমওয়ার্ক**, যেমন [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum), অথবা [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum)। [Build and operate machine learning solutions with Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) ও [Build and Operate Machine Learning Solutions with Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) শেখার পথ বিবেচনা করুন।
* **Conversational AI** এবং **চ্যাট বটস**। একটি পৃথক [Create conversational AI solutions](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) শেখার পথ আছে, এবং বিস্তারিত জন্য [এই ব্লগ পোস্ট](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) দেখুন।
* ডিপ লার্নিংয়ের পেছনের **গভীর গণিত**। এর জন্য, আমরা সুপারিশ করব [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) লেখক Ian Goodfellow, Yoshua Bengio এবং Aaron Courville, যা অনলাইনেও উপলব্ধ [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/)।
_ক্লাউডে AI_ বিষয়ে সহজ পরিচয়ের জন্য আপনি [Get started with artificial intelligence on Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) লার্নিং পাথ নিতে পারেন।
_এআই ইন দ্য ক্লাউড_-এর জন্য একটি সামান্য প্রারম্ভিক পরিচিতির জন্য আপনি [Get started with artificial intelligence on Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) শেখার পথ বিবেচনা করতে পারেন।
# বিষয়বস্তু
| | পাঠ লিঙ্ক | PyTorch/Keras/TensorFlow | ল্যাব |
| | পাঠের লিংক | PyTorch/Keras/TensorFlow | ল্যাব |
| :-: | :------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ------------------------------------------------------------------------------ |
| 0 | [কোর্স সেটআপ](./lessons/0-course-setup/setup.md) | [আপনার ডেভেলপমেন্ট এনভায়রনমেন্ট সেটআপ করুন](./lessons/0-course-setup/how-to-run.md) | |
| I | [**AI এর পরিচিতি**](./lessons/1-Intro/README.md) | | |
| 01 | [AI ইতিহাস ও পরিচিতি](./lessons/1-Intro/README.md) | - | - |
| II | **প্রতীকী AI** |
| 02 | [জ্ঞান উপস্থাপন ও এক্সপার্ট সিস্টেম](./lessons/2-Symbolic/README.md) | [এক্সপার্ট সিস্টেম](./lessons/2-Symbolic/Animals.ipynb) / [অন্টোলজি](./lessons/2-Symbolic/FamilyOntology.ipynb) /[ধারণা গ্রাফ](./lessons/2-Symbolic/MSConceptGraph.ipynb) | |
| III | [**নিউরাল নেটওয়ার্কস এর পরিচিতি**](./lessons/3-NeuralNetworks/README.md) |||
| 03 | [পারসেপ্ট্রন](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [নোটবুক](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [ল্যাব](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) |
| 04 | [মাল্টি-লেয়ার্ড পারসেপ্ট্রন এবং আমাদের নিজের ফ্রেমওয়ার্ক তৈরি](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [নোটবুক](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [ল্যাব](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) |
| 05 | [ফ্রেমওয়ার্কগুলোর পরিচিতি (PyTorch/TensorFlow) এবং ওভারফিটিং](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [ল্যাব](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) |
| IV | [**কম্পিউটার ভিশন**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [মাইক্রোসফট আজুরে কম্পিউটার ভিশন এক্সপ্লোর করুন](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) |
| 01 | [AI এর পরিচিতি এবং ইতিহাস](./lessons/1-Intro/README.md) | - | - |
| II | **প্রতীকি AI** |
| 02 | [জ্ঞান উপস্থাপন এবং এক্সপার্ট সিস্টেম](./lessons/2-Symbolic/README.md) | [Expert Systems](./lessons/2-Symbolic/Animals.ipynb) / [Ontology](./lessons/2-Symbolic/FamilyOntology.ipynb) /[Concept Graph](./lessons/2-Symbolic/MSConceptGraph.ipynb) | |
| III | [**নিউরাল নেটওয়ার্কের পরিচিতি**](./lessons/3-NeuralNetworks/README.md) |||
| 03 | [পার্সেপ্ট্রন](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [নোটবুক](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [ল্যাব](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) |
| 04 | [মাল্টি-লেয়ার্ড পার্সেপ্ট্রন এবং আমাদের নিজস্ব ফ্রেমওয়ার্ক তৈরি](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [নোটবুক](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [ল্যাব](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) |
| 05 | [ফ্রেমওয়ার্কের পরিচিতি (PyTorch/TensorFlow) এবং ওভারফিটিং](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [ল্যাব](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) |
| IV | [**কম্পিউটার ভিশন**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [মাইক্রোসফ্ট আজুরে কম্পিউটার ভিশন অন্বেষণ করুন](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) |
| 06 | [কম্পিউটার ভিশনের পরিচিতি। OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [নোটবুক](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [ল্যাব](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) |
| 07 | [কনভলিউশনাল নিউরাল নেটওয়ার্কস](./lessons/4-ComputerVision/07-ConvNets/README.md) & [CNN আর্কিটেকচারস](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [ল্যাব](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) |
| 08 | [প্রি-ট্রেইনড নেটওয়ার্কস এবং ট্রান্সফার লার্নিং](./lessons/4-ComputerVision/08-TransferLearning/README.md) এবং [ট্রেনিং ট্রিক্স](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [ল্যাব](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) |
| 09 | [অটোএনকোডারস এবং VAE](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | |
| 10 | [জেনারেটিভ অ্যাডভারসেরিয়াল নেটওয়ার্কস ও আর্টিস্টিক স্টাইল ট্রান্সফার](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | |
| 08 | [প্রি-ট্রেইন্ড নেটওয়ার্কস এবং ট্রান্সফার লার্নিং](./lessons/4-ComputerVision/08-TransferLearning/README.md) এবং [ট্রেইনিং ট্রিকস](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [ল্যাব](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) |
| 09 | [অটোএনকোডার্স এবং VAE](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | |
| 10 | [জেনারেটিভ অ্যাডভারসেরিয়াল নেটওয়ার্কস এবং আর্টিস্টিক স্টাইল ট্রান্সফার](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | |
| 11 | [অবজেক্ট ডিটেকশন](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [ল্যাব](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) |
| 12 | [সেমান্টিক সেগমেন্টেশন। ইউ-নেট](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | |
| V | [**প্রাকৃতিক ভাষা প্রক্রিয়াকরণ**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [মাইক্রোসফট আজুরে প্রাকৃতিক ভাষা প্রক্রিয়াকরণ এক্সপ্লোর করুন](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)|
| 13 | [টেক্সট প্রতিনিধিত্ব। বাও/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | |
| V | [**প্রাকৃতিক ভাষা প্রক্রিয়াকরণ**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [মাইক্রোসফ্ট আজুরে প্রাকৃতিক ভাষা প্রক্রিয়াকরণ অন্বেষণ করুন](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)|
| 13 | [টেক্সট উপস্থাপনা। Bow/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | |
| 14 | [সেমান্টিক ওয়ার্ড এমবেডিংস। ওয়ার্ড2ভেক এবং গ্লোভ](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | |
| 15 | [ভাষা মডেলিং। নিজের এমবেডিং ট্রেনিং](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [ল্যাব](./lessons/5-NLP/15-LanguageModeling/lab/README.md) |
| 16 | [রিকরণ্ট নিউরাল নেটওয়ার্কস](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | |
| 17 | [জেনারেটিভ রিকরণ্ট নেটওয়ার্কস](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [ল্যাব](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) |
| 18 | [ট্রান্সফর্মার্স। BERT।](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | |
| 19 | [নেমড এন্টিটি রিকগনিশন](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [ল্যাব](./lessons/5-NLP/19-NER/lab/README.md) |
| 20 | [বড় বড় ভাষার মডেল, প্রম্পট প্রোগ্রামিং এবং কিছু শট টাস্ক](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | |
| VI | **অন্যান্য এআই কৌশল** || |
| 21 | [জেনেটিক অ্যালগোরিদমস](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [নোটবুক](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | |
| 22 | [ডিপ রিইনফোর্সমেন্ট লার্নিং](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [ল্যাব](./lessons/6-Other/22-DeepRL/lab/README.md) |
| 15 | [ভাষা মডেলিং। নিজস্ব এমবেডিংস প্রশিক্ষণ](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [ল্যাব](./lessons/5-NLP/15-LanguageModeling/lab/README.md) |
| 16 | [রিকারেন্ট নিউরাল নেটওয়ার্কস](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | |
| 17 | [জেনারেটিভ রিকারেন্ট নেটওয়ার্কস](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [ল্যাব](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) |
| 18 | [ট্রান্সফর্মারস। BERT।](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | |
| 19 | [নেমড এনটিটি রিকগনিশন](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [ল্যাব](./lessons/5-NLP/19-NER/lab/README.md) |
| 20 | [বড় ভাষা মডেলস, প্রম্পট প্রোগ্রামিং এবং ফিউ-শট টাস্কস](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | |
| VI | **অন্যান্য AI কৌশল** || |
| 21 | [জেনেটিক অ্যালগরিদমস](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [নোটবুক](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | |
| 22 | [ডিপ রেইনফোর্সমেন্ট লার্নিং](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [ল্যাব](./lessons/6-Other/22-DeepRL/lab/README.md) |
| 23 | [মাল্টি-এজেন্ট সিস্টেমস](./lessons/6-Other/23-MultiagentSystems/README.md) | | |
| VII | **এআই নীতি** | | |
| 24 | [এআই নীতি এবং দায়িত্বশীল এআই](./lessons/7-Ethics/README.md) | [Microsoft Learn: দায়িত্বশীল এআই নীতিমালা](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | |
| IX | **এক্সট্রাস** | | |
| 25 | [মাল্টি-মোডাল নেটওয়ার্কস, CLIP এবং VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [নোটবুক](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | |
| VII | **এআই নীতিশাস্ত্র** | | |
| 24 | [এআই নীতিশাস্ত্র এবং দায়িত্বশীল AI](./lessons/7-Ethics/README.md) | [Microsoft Learn: দায়িত্বশীল AI নীতিমালা](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | |
| IX | **অতিরিক্ত** | | |
| 25 | [মাল্টি-মডাল নেটওয়ার্কস, CLIP এবং VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [নোটবুক](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | |
## প্রতিটি পাঠে অন্তর্ভুক্ত
## প্রতিটি লেসনে রয়েছে
* পূর্ব-পাঠ্য উপকরণ
* প্রয়োগযোগ্য জুপিটার নোটবুক, যা প্রায়শই ফ্রেমওয়ার্কের উপর নির্ভরশীল (**PyTorch** অথবা **TensorFlow**). প্রয়োগযোগ্য নোটবুকটিতে প্রচুর তাত্ত্বিক উপাদানও থাকে, তাই বিষয়টি বোঝার জন্য আপনাকে কমপক্ষে এক ধরনের নোটবুক (PyTorch অথবা TensorFlow) খতিয়ে দেখতে হবে।
* কিছু বিষয়ের জন্য **ল্যাব** উপলব্ধ, যা আপনাকে শেখা বিষয়বস্তু নির্দিষ্ট সমস্যায় প্রয়োগ করার সুযোগ দেয়।
* কিছু অধ্যায়ে [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) মডিউলগুলোর লিঙ্ক দেওয়া আছে, যা সংশ্লিষ্ট বিষয়গুলো কভার করে।
* প্রাক-পাঠ্য উপকরণ
* নির্বাহাযোগ্য জুপিটার নোটবুকস, যা প্রায়শই ফ্রেমওয়ার্ক-নির্দিষ্ট (**PyTorch** অথবা **TensorFlow**)। নির্বাহযোগ্য নোটবুকটিতে অনেক তাত্ত্বিক উপাদানও থাকে, তাই বিষয়টি বুঝতে অন্তত একটি সংস্করণ (PyTorch বা TensorFlow) পড়তে হবে।
* কিছু টপিকের জন্য **ল্যাব** উপলব্ধ, যা শিখা উপকরণ একটি নির্দিষ্ট সমস্যায় প্রয়োগের সুযোগ দেয়।
* কিছু সেকশন রয়েছে যেগুলোতে [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) মডিউলগুলোর লিংক অন্তর্ভুক্ত, যা সম্পর্কিত বিষয়গুলি আচ্ছাদিত করে।
## শুরু করা যাক
### 🎯 এআই তে নতুন? এখান থেকে শুরু করুন!
### 🎯 নতুন কি AI তে? এখান থেকে শুরু করুন!
আপনি যদি সম্পূর্ণ নতুন হয়ে থাকেন এবং দ্রুত, হাতে-কলমে উদাহরণ চান, তবে আমাদের [**শুরুকারীদের জন্য বন্ধুসুলভ উদাহরণসমূহ**](./examples/README.md) দেখুন! এর মধ্যে রয়েছে:
আপনি যদি AI তে সম্পূর্ণ নতুন হন এবং দ্রুত, হাতে-কলমে উদাহরণ দেখতে চান, তাহলে আমাদের [**শিক্ষানবিস-বান্ধব উদাহরণ**](./examples/README.md) দেখুন! এগুলির মধ্যে রয়েছে:
- 🌟 **হ্যালো এআই ওয়ার্ল্ড** - আপনার প্রথম এআই প্রোগ্রাম (প্যাটার্ন রিকগনিশন)
- 🧠 **সহজ নিউরাল নেটওয়ার্ক** - একদম শুরু থেকে নিউরাল নেটওয়ার্ক তৈরি
- 🖼️ **ইমেজ ক্লাসিফায়ার** - বিস্তারিত মন্তব্য সহ ছবি শ্রেণীবদ্ধকরণ
- 🌟 **হ্যালো AI ওয়ার্ল্ড** - আপনার প্রথম AI প্রোগ্রাম (প্যাটার্ন রিকগনিশন)
- 🧠 **সরল নিউরাল নেটওয়ার্ক** - শূন্য থেকে একটি নিউরাল নেটওয়ার্ক তৈরি করুন
- 🖼️ **ইমেজ ক্লাসিফায়ার** - বিস্তারিত মন্তব্যসহ ছবি শ্রেণীবদ্ধ করুন
- 💬 **টেক্সট সেন্টিমেন্ট** - পজিটিভ/নেগেটিভ টেক্সট বিশ্লেষণ করুন
এই উদাহরণগুলি আপনাকে সম্পূর্ণ কারিকুলামে প্রবেশ করার আগে AI ধারণাগুলি বুঝতে সাহায্য করার জন্য ডিজাইন করা হয়েছে।
এই উদাহরণগুলি আপনাকে পূর্ণ পাঠ্যক্রমে প্রবেশ করার আগে AI ধারণা বুঝতে সহায়তা করার জন্য ডিজাইন করা হয়েছে।
### 📚 সম্পূর্ণ কারিকুলাম সেটআপ
### 📚 পূর্ণ পাঠ্যক্রম সেটআপ
- আমরা আপনার ডেভেলপমেন্ট পরিবেশ সেটআপে সাহায্যের জন্য একটি [সেটআপ লেসন](./lessons/0-course-setup/setup.md) তৈরি করেছি। - শিক্ষকদের জন্য, আমরা একটি [কারিকুলাম সেটআপ লেসন](./lessons/0-course-setup/for-teachers.md)ও তৈরি করেছি!
- কিভাবে [VSCode বা Codespace-এ কোড চালাবেন](./lessons/0-course-setup/how-to-run.md)
- ডেভেলপমেন্ট এনভায়রনমেন্ট সেটআপে সাহায্যের জন্য আমরা একটি [সেটআপ লেসন](./lessons/0-course-setup/setup.md) তৈরি করেছি। - শিক্ষকগণের জন্য, আমরা আপনার জন্য একটি [পাঠ্যক্রম সেটআপ লেসন](./lessons/0-course-setup/for-teachers.md) তৈরি করেছি!
- কীভাবে [VSCode বা Codespace এ কোড রান করবেন](./lessons/0-course-setup/how-to-run.md)
এই ধাপগুলি অনুসরণ করুন:
রেপোজিটরি ফর্ক করুন: এই পৃষ্ঠার উপরের-ডান কোনায় "Fork" বোতামে ক্লিক করুন।
রিপোজিটরি ফরক করুন: এই পৃষ্ঠার উপরের ডানদিকে "Fork" বোতামে ক্লিক করুন।
রেপোজিটরি ক্লোন করুন: `git clone https://github.com/microsoft/AI-For-Beginners.git`
রিপোজিটরি ক্লোন করুন: `git clone https://github.com/microsoft/AI-For-Beginners.git`
পরে সহজে খুঁজে পাওয়ার জন্য এই রিপোতে স্টার (🌟) দেয়া ভুলবেন না।
পরে সহজে খুঁজে পেতে এই রিপোতে স্টার (🌟) দিতে ভুলবেন না।
## অন্যান্য শিক্ষার্থীদের সাথে দেখা করুন
## অন্যান্য শিক্ষার্থীদের সাথে পরিচিত হন
এই কোর্স নিচ্ছেন এমন অন্যান্য শিক্ষার্থীদের সাথে পরিচিত হতে এবং নেটওয়ার্ক গড়ে তুলতে আমাদের [সরকারি AI ডিসকর্ড সার্ভারে](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) যোগ দিন এবং সহায়তা নিন।
এই কোর্সে অংশগ্রহণকারী অন্যান্য শিক্ষার্থীদের সাথে পরিচিত হন এবং নেটওয়ার্ক গড়ে তুলতে আমাদের [অফিশিয়াল AI Discord সার্ভারে](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) যোগ দিন এবং সহায়তা পান।
আপনার যদি প্রোডাক্ট ফিডব্যাক বা প্রশ্ন থাকে বানানোর সময়, আমাদের [Azure AI Foundry ডেভেলপার ফোরামে](https://aka.ms/foundry/forum) যান।
আপনি যদি প্রোডাক্টের ফিডব্যাক বা কোডিং সংক্রান্ত প্রশ্ন থাকে, আমাদের [Azure AI Foundry Developer Forum](https://aka.ms/foundry/forum) অ্যাক্সেস করুন।
## কুইজ
## কুইজসমূহ
> **কুইজ সম্পর্কে একটি নোট**: সমস্ত কুইজ Quiz-app ফোল্ডারে etc\quiz-app এ রয়েছে, অথবা [অনলাইন এখানে](https://ff-quizzes.netlify.app/)। তারা লেসনের মধ্যে লিঙ্ক করা হয়েছে, কুইজ অ্যাপ স্থানীয়ভাবে চালানো যায় বা Azure এ ডিপ্লয় করা যায়; নির্দেশিকা অনুসরণ করুন `quiz-app` ফোল্ডারে। সেগুলি ধীরে ধীরে স্থানীয়করণ হচ্ছে।
> **কুইজ সম্পর্কিত একটি নোট**: সমস্ত কুইজ `etc\quiz-app` এর Quiz-app ফোল্ডারে রয়েছে, অথবা [অনলাইনে এখানে](https://ff-quizzes.netlify.app/) পাওয়া যাবে। এগুলো লেসনের মধ্যে লিঙ্ক করা আছে। কুইজ অ্যাপ লোকালি চালানো যায় বা Azure এ ডিপ্লয় করা যায়; কুইজ-অ্যাপ ফোল্ডারের নির্দেশনা অনুসরণ করুন। ধীরে ধীরে এগুলো ভাষানুবাদ করা হচ্ছে।
## সাহায্য প্রয়োজন
আপনার কি কোন পরামর্শ আছে বা বানান বা কোড ত্রুটি পেয়েছেন? একটি ইস্যু তুলুন অথবা একটি পুল রিকোয়েস্ট তৈরি করুন।
আপনার যদি কোনো পরামর্শ থাকে অথবা বানান বা কোড ত্রুটি পেয়ে থাকেন? একটি ইস্যু তুলুন অথবা একটি পুল রিকোয়েস্ট তৈরি করুন।
## বিশেষ ধন্যবাদ
* **✍️ প্রধান লেখক:** [Dmitry Soshnikov](http://soshnikov.com), PhD
* **🔥 সম্পাদক:** [Jen Looper](https://twitter.com/jenlooper), PhD
* **🎨 স্কেচনোট চিত্রকর:** [Tomomi Imura](https://twitter.com/girlie_mac)
* **✅ কুইজ নির্মাতা:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/)
* **🙏 প্রধান অবদানকারী:** [Evgenii Pishchik](https://github.com/Pe4enIks)
* **✍️ প্রধান লেখক:** [Dmitry Soshnikov](http://soshnikov.com), পিএইচডি
* **🔥 সম্পাদক:** [Jen Looper](https://twitter.com/jenlooper), পিএইচডি
* **🎨 স্কেচনোট ইলাসট্রেটর:** [Tomomi Imura](https://twitter.com/girlie_mac)
* **✅ কুইজ নির্মাতা:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/)
* **🙏 প্রধান অবদানকারীরা:** [Evgenii Pishchik](https://github.com/Pe4enIks)
## অন্যান্য কারিকুলাম
## অন্যান্য পাঠ্যক্রম
আমাদের দল অন্যান্য কারিকুলাম উৎপাদন করে! দেখুন:
আমাদের দল অন্যান্য পাঠ্যক্রমও তৈরি করে! দেখে নিন:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
### LangChain
[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agents
[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
### Azure / Edge / MCP / Agents
[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Generative AI Series
[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
### Generative AI Series
[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### Core Learning
[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
### Core Learning
[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Copilot Series
[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
### Copilot Series
[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
## সাহায্য পাওয়া
## সাহায্য গ্রহণ
যদি আপনি আটকে যান বা AI অ্যাপ তৈরি করার সময় কোনো প্রশ্ন থাকে, MCP নিয়ে আলোচনা করার জন্য সহপাঠী ও অভিজ্ঞ ডেভেলপারদের সাথে যোগ দিন। এটি একটি সহায়ক কমিউনিটি যেখানে প্রশ্ন করা স্বাগত এবং জ্ঞান অবাধে ভাগ করা হয়।
যদি আটকে যান বা AI অ্যাপ তৈরি করার বিষয়ে কোনো প্রশ্ন থাকে, MCP নিয়ে আলোচনা করতে সহপাঠী শিক্ষার্থী ও অভিজ্ঞ ডেভেলপারদের সাথে যোগ দিন। এটি একটি সমর্থনশীল কমিউনিটি যেখানে প্রশ্ন করতে পারেন এবং জ্ঞান বিনিময় করা হয়।
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
আপনি যদি প্রোডাক্ট ফিডব্যাক বা বানানোর সময় ত্রুটি পান, যান:
আপনি যদি প্রোডাক্ট ফিডব্যাক বা ত্রুটি পেয়ে থাকেন, এখানে দেখুন:
[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**অস্বীকৃতি**:
এই নথিটি AI অনুবাদ সেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসাধ্য সঠিকতার চেষ্টা করি, তবে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। আসল নথিটির নিজস্ব ভাষার সংস্করণই কর্তৃত্বপূর্ণ উৎস হিসেবে বিবেচনা করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদের ব্যবহার থেকে সৃষ্ট কোনো ভুল বোঝাবুঝি বা বিভ্রাটের জন্য আমরা দায়ী নই।
**সত্যতা প্রত্যাহার**:
এই দলিলটি AI অনুবাদ সেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনূদিত হয়েছে। আমরা যথাসাধ্য সঠিকতার জন্য চেষ্টা করি, কিন্তু স্বয়ংক্রিয় অনুবাদে ভুল বা অসংগতি থাকতে পারে। মূল ভাষায় থাকা দলিলটিকেই কর্তৃত্বপ্রাপ্ত উৎস হিসেবে গণ্য করতে হবে। গুরুত্বপূর্ণ তথ্যের জন্য পেশাদার মানুষের অনুবাদকরণের পরামর্শ দেওয়া হয়। এই অনুবাদের ব্যবহার থেকে উদ্ভূত কোনো ভুলবোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা কোনো দায়িত্ব গ্রহণ করি না।
<!-- CO-OP TRANSLATOR DISCLAIMER END -->

9
translations/bn/SECURITY.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a583f49d359c7ebba61433e4dfcd05a9",
"translation_date": "2025-08-26T07:55:45+00:00",
"source_file": "SECURITY.md",
"language_code": "bn"
}
-->
## নিরাপত্তা
মাইক্রোসফট আমাদের সফটওয়্যার পণ্য এবং পরিষেবার নিরাপত্তাকে অত্যন্ত গুরুত্ব দেয়, যার মধ্যে রয়েছে আমাদের GitHub সংগঠনগুলোর মাধ্যমে পরিচালিত সমস্ত সোর্স কোড রিপোজিটরি। এই সংগঠনগুলোর মধ্যে রয়েছে [Microsoft](https://github.com/Microsoft), [Azure](https://github.com/Azure), [DotNet](https://github.com/dotnet), [AspNet](https://github.com/aspnet), [Xamarin](https://github.com/xamarin), এবং [আমাদের GitHub সংগঠনগুলো](https://opensource.microsoft.com/)।

9
translations/bn/etc/CODE_OF_CONDUCT.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-08-26T11:17:08+00:00",
"source_file": "etc/CODE_OF_CONDUCT.md",
"language_code": "bn"
}
-->
# মাইক্রোসফট ওপেন সোর্স আচরণবিধি
এই প্রকল্পটি [মাইক্রোসফট ওপেন সোর্স আচরণবিধি](https://opensource.microsoft.com/codeofconduct/) গ্রহণ করেছে।

9
translations/bn/etc/CONTRIBUTING.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "847a587aa1b83f4d00858183ff3ed18a",
"translation_date": "2025-08-26T11:19:42+00:00",
"source_file": "etc/CONTRIBUTING.md",
"language_code": "bn"
}
-->
# অবদান রাখুন
এই প্রকল্পটি অবদান এবং পরামর্শকে স্বাগত জানায়। বেশিরভাগ অবদানের জন্য আপনাকে একটি Contributor License Agreement (CLA)-তে সম্মতি জানাতে হবে, যা নিশ্চিত করে যে আপনার অবদানের অধিকার আপনার আছে এবং আপনি আমাদের তা ব্যবহারের অনুমতি দিচ্ছেন। বিস্তারিত জানতে ভিজিট করুন https://cla.microsoft.com।

9
translations/bn/etc/Mindmap.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "f2f88dbd2debd38e26149b27b1fd272d",
"translation_date": "2025-08-26T11:21:59+00:00",
"source_file": "etc/Mindmap.md",
"language_code": "bn"
}
-->
# এআই
## [এআই পরিচিতি](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/1-Intro/README.md)

9
translations/bn/etc/SUPPORT.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fdfc08baee91e402938a2b1f94fe0949",
"translation_date": "2025-08-26T11:16:15+00:00",
"source_file": "etc/SUPPORT.md",
"language_code": "bn"
}
-->
# সহায়তা
## সমস্যা রিপোর্ট করা এবং সাহায্য পাওয়া কীভাবে

9
translations/bn/etc/TRANSLATIONS.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "62b3e3ad5182edb905eec649a87eeeb4",
"translation_date": "2025-08-26T11:18:17+00:00",
"source_file": "etc/TRANSLATIONS.md",
"language_code": "bn"
}
-->
# পাঠগুলি অনুবাদ করে অবদান রাখুন
আমরা এই পাঠ্যক্রমের পাঠগুলির জন্য অনুবাদকে স্বাগত জানাই!

9
translations/bn/etc/quiz-app/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "d699cf8509f74baa5b0b838de5cf0662",
"translation_date": "2025-08-26T11:25:32+00:00",
"source_file": "etc/quiz-app/README.md",
"language_code": "bn"
}
-->
# কুইজ
এই কুইজগুলো AI কারিকুলামের প্রাক-লেকচার এবং পোস্ট-লেকচার কুইজ, যা পাওয়া যাবে https://aka.ms/ai-beginners এ।

9
translations/bn/examples/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "0d1babfdcbeb46525f2db3fbaaa54cd7",
"translation_date": "2025-10-03T11:28:50+00:00",
"source_file": "examples/README.md",
"language_code": "bn"
}
-->
# AI-এর সহজ উদাহরণ
স্বাগতম! এই ডিরেক্টরিতে সহজ, স্বতন্ত্র উদাহরণ রয়েছে যা আপনাকে AI এবং মেশিন লার্নিং শুরু করতে সাহায্য করবে। প্রতিটি উদাহরণ নবাগতদের জন্য উপযোগীভাবে তৈরি করা হয়েছে, যেখানে বিস্তারিত মন্তব্য এবং ধাপে ধাপে ব্যাখ্যা রয়েছে।

9
translations/bn/lessons/0-course-setup/for-teachers.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a094ef9927883de1cfcee51dbd143381",
"translation_date": "2025-08-26T11:12:03+00:00",
"source_file": "lessons/0-course-setup/for-teachers.md",
"language_code": "bn"
}
-->
# শিক্ষকদের জন্য
আপনি কি আপনার শ্রেণিকক্ষে এই পাঠক্রমটি ব্যবহার করতে চান? নির্দ্বিধায় ব্যবহার করুন!

9
translations/bn/lessons/0-course-setup/how-to-run.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a4717bd9103b9f6cd84d534b83534689",
"translation_date": "2026-01-15T13:05:15+00:00",
"source_file": "lessons/0-course-setup/how-to-run.md",
"language_code": "bn"
}
-->
# কোড কিভাবে চালাবেন
এই পাঠ্যক্রমে অনেক এক্সিকিউটেবল উদাহরণ এবং ল্যাব আছে যেগুলি আপনি চালাতে চাইবেন। এটি করার জন্য, আপনাকে এই পাঠ্যক্রমের অংশ হিসেবে প্রদত্ত Jupyter Notebooks-এ Python কোড চালানোর ক্ষমতা থাকতে হবে। কোড চালানোর জন্য আপনার কাছে বেশ কয়েকটি অপশন আছে:

9
translations/bn/lessons/0-course-setup/setup.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7b4e5b8956915870d0a0ed3cc5890042",
"translation_date": "2025-12-12T19:30:09+00:00",
"source_file": "lessons/0-course-setup/setup.md",
"language_code": "bn"
}
-->
# এই পাঠক্রমের সাথে শুরু করা
## আপনি কি একজন শিক্ষার্থী?

9
translations/bn/lessons/1-Intro/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "f57e8aa46141fd220b16ffed8f11aec7",
"translation_date": "2025-11-18T21:04:15+00:00",
"source_file": "lessons/1-Intro/README.md",
"language_code": "bn"
}
-->
# AI পরিচিতি
![AI পরিচিতির সামগ্রিক বিষয়বস্তুর একটি ডুডল](../../../../translated_images/bn/ai-intro.bf28d1ac4235881c.webp)

9
translations/bn/lessons/1-Intro/assignment.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a334df77a82aaaf2a29c77065d3e481e",
"translation_date": "2025-11-18T21:06:05+00:00",
"source_file": "lessons/1-Intro/assignment.md",
"language_code": "bn"
}
-->
# গেম জ্যাম
গেম এমন একটি ক্ষেত্র যা AI এবং ML-এর উন্নতির দ্বারা গভীরভাবে প্রভাবিত হয়েছে। এই অ্যাসাইনমেন্টে, এমন একটি গেম সম্পর্কে একটি সংক্ষিপ্ত প্রবন্ধ লিখুন যা আপনি পছন্দ করেন এবং যা AI-এর বিকাশ দ্বারা প্রভাবিত হয়েছে। এটি এমন একটি পুরনো গেম হওয়া উচিত যা বিভিন্ন ধরনের কম্পিউটার প্রসেসিং সিস্টেম দ্বারা প্রভাবিত হয়েছে। একটি ভালো উদাহরণ হতে পারে দাবা বা গো, তবে পং বা প্যাক-ম্যানের মতো ভিডিও গেমগুলোর দিকেও নজর দিন। একটি প্রবন্ধ লিখুন যেখানে গেমটির অতীত, বর্তমান এবং AI-এর ভবিষ্যৎ নিয়ে আলোচনা করা হয়েছে।

17
translations/bn/lessons/2-Symbolic/README.md
View File

@ -1,15 +1,6 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "f9f06b266b8b2bfc6b8792ff2bb1bea4",
"translation_date": "2026-01-15T13:05:39+00:00",
"source_file": "lessons/2-Symbolic/README.md",
"language_code": "bn"
}
-->
# জ্ঞান উপস্থাপন এবং বিশেষজ্ঞ সিস্টেম
![সংকেতমূলক AI সামগ্রীর সারাংশ](../../../../../../translated_images/bn/ai-symbolic.715a30cb610411a6.webp)
![সংকেতমূলক AI সামগ্রীর সারাংশ](../../../../translated_images/bn/ai-symbolic.715a30cb610411a6.webp)
> স্কেচনোট [Tomomi Imura](https://twitter.com/girlie_mac) দ্বারা
@ -41,7 +32,7 @@ AI এর প্রাথমিক দিনে, বুদ্ধিমান স
সুতরাং, **জ্ঞান উপস্থাপন** সমস্যাটি হল কম্পিউটারের মধ্যে ডেটার রূপে জ্ঞান এমন একটি কার্যকর উপায় খুঁজে বের করা, যাতে এটি স্বয়ংক্রিয়ভাবে ব্যবহারযোগ্য হয়। এটি একটি স্পেকট্রাম হিসেবে দেখা যেতে পারে:
![জ্ঞান উপস্থাপনের স্পেকট্রাম](../../../../../../translated_images/bn/knowledge-spectrum.b60df631852c0217.webp)
![জ্ঞান উপস্থাপনের স্পেকট্রাম](../../../../translated_images/bn/knowledge-spectrum.b60df631852c0217.webp)
> ছবি [Dmitry Soshnikov](http://soshnikov.com) দ্বারা
@ -94,7 +85,7 @@ Untyped-Language | নেই | টাইপ ডেফিনিশন
সঙ্কেতমূলক AI এর প্রথম সাফল্যগুলির মধ্যে ছিল তথাকথিত **বিশেষজ্ঞ সিস্টেম** — কম্পিউটার সিস্টেম যা নির্দিষ্ট সমস্যার ক্ষেত্রে বিশেষজ্ঞ হিসাবে কাজ করার জন্য ডিজাইন করা হয়েছিল। এদের ভিত্তি ছিল এক বা একাধিক মানব বিশেষজ্ঞের কাছ থেকে সংগৃহীত একটি **জ্ঞান ভিত্তি**, এবং এদের মধ্যে ছিল একটি **যুক্তি ইঞ্জিন** যা তার ওপর কিছু যুক্তি প্রয়োগ করত।
![মানব স্থাপত্য](../../../../../../translated_images/bn/arch-human.5d4d35f1bba3ab1c.webp) | ![জ্ঞান-ভিত্তিক সিস্টেম](../../../../../../translated_images/bn/arch-kbs.3ec5c150b09fa8da.webp)
![মানব স্থাপত্য](../../../../translated_images/bn/arch-human.5d4d35f1bba3ab1c.webp) | ![জ্ঞান-ভিত্তিক সিস্টেম](../../../../translated_images/bn/arch-kbs.3ec5c150b09fa8da.webp)
---------------------------------------------|------------------------------------------------
মানব স্নায়ুতন্ত্রের সরলীকৃত কাঠামো | জ্ঞান-ভিত্তিক সিস্টেমের স্থাপত্য
@ -106,7 +97,7 @@ Untyped-Language | নেই | টাইপ ডেফিনিশন
উদাহরণস্বরূপ, চলুন নিচের শারীরিক বৈশিষ্ট্যের ভিত্তিতে একটি প্রাণী নির্ণয়কারী বিশেষজ্ঞ সিস্টেমটি দেখি:
![এন্ড-অর গাছ](../../../../../../translated_images/bn/AND-OR-Tree.5592d2c70187f283.webp)
![এন্ড-অর গাছ](../../../../translated_images/bn/AND-OR-Tree.5592d2c70187f283.webp)
> ছবি [Dmitry Soshnikov](http://soshnikov.com) দ্বারা

9
translations/bn/lessons/2-Symbolic/assignment.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a057a8604f3976c3e309884453f1fad0",
"translation_date": "2025-08-26T11:07:01+00:00",
"source_file": "lessons/2-Symbolic/assignment.md",
"language_code": "bn"
}
-->
# একটি অনটোলজি তৈরি করুন
একটি জ্ঞানভিত্তিক ডাটাবেস তৈরি করা মানে হলো একটি মডেলকে শ্রেণীবদ্ধ করা, যা কোনো বিষয়ের সাথে সম্পর্কিত তথ্য উপস্থাপন করে। একটি বিষয় নির্বাচন করুন - যেমন একজন ব্যক্তি, একটি স্থান, বা একটি বস্তু - এবং তারপর সেই বিষয়ের একটি মডেল তৈরি করুন। এই পাঠে বর্ণিত কিছু কৌশল এবং মডেল তৈরির পদ্ধতি ব্যবহার করুন। উদাহরণস্বরূপ, একটি বসার ঘরের অনটোলজি তৈরি করা যেতে পারে, যেখানে আসবাবপত্র, আলো ইত্যাদি অন্তর্ভুক্ত থাকবে। বসার ঘরটি রান্নাঘর থেকে কীভাবে আলাদা? বাথরুম থেকে? আপনি কীভাবে বুঝবেন এটি একটি বসার ঘর এবং ডাইনিং রুম নয়? আপনার অনটোলজি তৈরি করতে [Protégé](https://protege.stanford.edu/) ব্যবহার করুন।

13
translations/bn/lessons/3-NeuralNetworks/03-Perceptron/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "c34cbba802058b6fa267e1a294d4e510",
"translation_date": "2025-09-23T07:51:23+00:00",
"source_file": "lessons/3-NeuralNetworks/03-Perceptron/README.md",
"language_code": "bn"
}
-->
# নিউরাল নেটওয়ার্কের পরিচিতি: পারসেপট্রন
## [পূর্ব-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ai/quiz/5)
@ -15,7 +6,7 @@ CO_OP_TRANSLATOR_METADATA:
| | |
|--------------|-----------|
|<img src='images/Rosenblatt-wikipedia.jpg' alt='ফ্রাঙ্ক রোজেনব্ল্যাট'/> | <img src='images/Mark_I_perceptron_wikipedia.jpg' alt='মার্ক ১ পারসেপট্রন' />|
|<img src='../../../../../translated_images/bn/Rosenblatt-wikipedia.294821b285ac796d.webp' alt='ফ্রাঙ্ক রোজেনব্ল্যাট'/> | <img src='../../../../../translated_images/bn/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.webp' alt='মার্ক ১ পারসেপট্রন' />|
> ছবি [উইকিপিডিয়া থেকে](https://en.wikipedia.org/wiki/Perceptron)
@ -34,7 +25,7 @@ y(x) = f(w<sup>T</sup>x)
যেখানে f একটি স্টেপ অ্যাক্টিভেশন ফাংশন
<!-- img src="http://www.sciweavers.org/tex2img.php?eq=f%28x%29%20%3D%20%5Cbegin%7Bcases%7D%0A%20%20%20%20%20%20%20%20%20%2B1%20%26%20x%20%5Cgeq%200%20%5C%5C%0A%20%20%20%20%20%20%20%20%20-1%20%26%20x%20%3C%200%0A%20%20%20%20%20%20%20%5Cend%7Bcases%7D%20%5C%5C%0A&bc=White&fc=Black&im=jpg&fs=12&ff=arev&edit=0" align="center" border="0" alt="f(x) = \begin{cases} +1 & x \geq 0 \\ -1 & x < 0 \end{cases} \\" width="154" height="50" / -->
<img src="images/activation-func.png"/>
<img src="../../../../../translated_images/bn/activation-func.b4924007c7ce7764.webp"/>
## পারসেপট্রন প্রশিক্ষণ

9
translations/bn/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ba5d1eb353d20d3e7181066b3c424b99",
"translation_date": "2025-08-29T06:56:32+00:00",
"source_file": "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md",
"language_code": "bn"
}
-->
# পারসেপট্রনের মাধ্যমে মাল্টি-ক্লাস শ্রেণীবিভাগ
[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট।

11
translations/bn/lessons/3-NeuralNetworks/04-OwnFramework/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "789d6c3fb6fc7948a470b33078a5983a",
"translation_date": "2025-09-23T07:50:58+00:00",
"source_file": "lessons/3-NeuralNetworks/04-OwnFramework/README.md",
"language_code": "bn"
}
-->
# নিউরাল নেটওয়ার্কের পরিচিতি: মাল্টি-লেয়ার পারসেপট্রন
পূর্ববর্তী অংশে, আপনি সবচেয়ে সহজ নিউরাল নেটওয়ার্ক মডেল - এক-স্তর বিশিষ্ট পারসেপট্রন, একটি লিনিয়ার দুই-শ্রেণীর শ্রেণীবিন্যাস মডেল সম্পর্কে শিখেছেন।
@ -65,7 +56,7 @@ CO_OP_TRANSLATOR_METADATA:
মনে রাখবেন যে এই সমস্ত অভিব্যক্তির বাম দিকের অংশটি একই, এবং তাই আমরা কার্যকরভাবে লস ফাংশন থেকে শুরু করে "পেছনের দিকে" কম্পিউটেশনাল গ্রাফের মাধ্যমে ডেরিভেটিভগুলি গণনা করতে পারি। তাই মাল্টি-লেয়ার পারসেপট্রন প্রশিক্ষণের পদ্ধতিকে **ব্যাকপ্রোপাগেশন**, বা 'ব্যাকপ্রপ' বলা হয়।
<img alt="কম্পিউট গ্রাফ" src="images/ComputeGraphGrad.png"/>
<img alt="কম্পিউট গ্রাফ" src="../../../../../translated_images/bn/ComputeGraphGrad.4626252c0de03507.webp"/>
> TODO: চিত্রের সূত্র

9
translations/bn/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "48fdd704d483e19bc3d7464074c9fcbe",
"translation_date": "2025-08-26T10:29:15+00:00",
"source_file": "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md",
"language_code": "bn"
}
-->
# আমাদের নিজস্ব ফ্রেমওয়ার্ক দিয়ে MNIST শ্রেণীবিভাজন
[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট।

9
translations/bn/lessons/3-NeuralNetworks/05-Frameworks/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ddd216f558a255260a9374008002c971",
"translation_date": "2025-09-23T07:51:43+00:00",
"source_file": "lessons/3-NeuralNetworks/05-Frameworks/README.md",
"language_code": "bn"
}
-->
# নিউরাল নেটওয়ার্ক ফ্রেমওয়ার্ক
আমরা ইতিমধ্যেই শিখেছি যে, নিউরাল নেটওয়ার্ক কার্যকরভাবে প্রশিক্ষণ দিতে হলে আমাদের দুটি কাজ করতে হবে:

9
translations/bn/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "e452d897efb9a89700f41021834cf6e5",
"translation_date": "2025-08-26T10:35:14+00:00",
"source_file": "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md",
"language_code": "bn"
}
-->
# PyTorch/TensorFlow দিয়ে শ্রেণীবিন্যাস
[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট।

9
translations/bn/lessons/3-NeuralNetworks/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "f862a99d88088163df12270e2f2ad6c3",
"translation_date": "2025-10-03T12:44:54+00:00",
"source_file": "lessons/3-NeuralNetworks/README.md",
"language_code": "bn"
}
-->
# নিউরাল নেটওয়ার্কের পরিচিতি
![নিউরাল নেটওয়ার্ক বিষয়বস্তুর সারাংশ একটি ডুডলে](../../../../translated_images/bn/ai-neuralnetworks.1c687ae40bc86e83.webp)

11
translations/bn/lessons/4-ComputerVision/06-IntroCV/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "feeca98225cb420afc89415f24f63d92",
"translation_date": "2025-09-23T07:46:28+00:00",
"source_file": "lessons/4-ComputerVision/06-IntroCV/README.md",
"language_code": "bn"
}
-->
# কম্পিউটার ভিশনের পরিচিতি
[কম্পিউটার ভিশন](https://wikipedia.org/wiki/Computer_vision) একটি শাখা যার লক্ষ্য হলো কম্পিউটারকে ডিজিটাল ছবির উচ্চ-স্তরের বোঝাপড়া অর্জন করতে সক্ষম করা। এটি একটি বিস্তৃত সংজ্ঞা, কারণ *বোঝাপড়া* অনেক কিছুই বোঝাতে পারে, যেমন ছবিতে কোনো বস্তু খুঁজে বের করা (**বস্তু সনাক্তকরণ**), কী ঘটছে তা বোঝা (**ইভেন্ট সনাক্তকরণ**), ছবিকে টেক্সটে বর্ণনা করা, অথবা ৩ডি দৃশ্য পুনর্গঠন করা। মানুষের ছবি সম্পর্কিত বিশেষ কিছু কাজও রয়েছে: বয়স এবং আবেগ অনুমান, মুখ সনাক্তকরণ এবং পরিচয় নির্ধারণ, এবং ৩ডি পোজ অনুমান, ইত্যাদি।
@ -115,7 +106,7 @@ AI শো থেকে [এই ভিডিওটি](https://docs.microsoft.com
এই ল্যাবে, আপনি সহজ অঙ্গভঙ্গি সহ একটি ভিডিও নেবেন এবং আপনার লক্ষ্য হবে অপটিক্যাল ফ্লো ব্যবহার করে উপরে/নিচে/বামে/ডানে গতিবিধি বের করা।
<img src="images/palm-movement.png" width="30%" alt="Palm Movement Frame"/>
<img src="../../../../../translated_images/bn/palm-movement.341495f0e9c47da3.webp" width="30%" alt="Palm Movement Frame"/>
---

9
translations/bn/lessons/4-ComputerVision/06-IntroCV/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "3d53d6409f80970f7281a45dee35328a",
"translation_date": "2025-08-26T09:40:56+00:00",
"source_file": "lessons/4-ComputerVision/06-IntroCV/lab/README.md",
"language_code": "bn"
}
-->
# অপটিক্যাল ফ্লো ব্যবহার করে গতিবিধি সনাক্তকরণ
[AI for Beginners Curriculum](https://aka.ms/ai-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট।

13
translations/bn/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "53faab85adfcebd8c10bcd71dc2fa557",
"translation_date": "2025-09-23T07:45:44+00:00",
"source_file": "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md",
"language_code": "bn"
}
-->
# পরিচিত CNN আর্কিটেকচার
### VGG-16
@ -25,7 +16,7 @@ VGG-16 একটি নেটওয়ার্ক যা ২০১৪ সাল
ResNet হলো Microsoft Research দ্বারা ২০১৫ সালে প্রস্তাবিত মডেলের একটি পরিবার। ResNet-এর মূল ধারণা হলো **residual blocks** ব্যবহার করা:
<img src="images/resnet-block.png" width="300"/>
<img src="../../../../../translated_images/bn/resnet-block.aba4ccbcc0944434.webp" width="300"/>
> ছবি [এই গবেষণাপত্র](https://arxiv.org/pdf/1512.03385.pdf) থেকে
@ -37,7 +28,7 @@ Identity pass-through ব্যবহারের কারণ হলো আম
Google Inception আর্কিটেকচার এই ধারণাকে আরও এক ধাপ এগিয়ে নিয়ে যায় এবং প্রতিটি নেটওয়ার্ক স্তরকে বিভিন্ন পথের সমন্বয়ে তৈরি করে:
<img src="images/inception.png" width="400"/>
<img src="../../../../../translated_images/bn/inception.a6605b85bcbc6f52.webp" width="400"/>
> ছবি [Researchgate](https://www.researchgate.net/figure/Inception-module-with-dimension-reductions-left-and-schema-for-Inception-ResNet-v1_fig2_355547454) থেকে

11
translations/bn/lessons/4-ComputerVision/07-ConvNets/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a560d5b845962cf33dc102266e409568",
"translation_date": "2025-09-23T07:45:26+00:00",
"source_file": "lessons/4-ComputerVision/07-ConvNets/README.md",
"language_code": "bn"
}
-->
# কনভোলিউশনাল নিউরাল নেটওয়ার্কস
আমরা আগেই দেখেছি যে নিউরাল নেটওয়ার্কস ছবি নিয়ে কাজ করতে বেশ দক্ষ, এমনকি এক-স্তরের পারসেপট্রনও MNIST ডেটাসেট থেকে হাতের লেখা সংখ্যা চেনার ক্ষেত্রে যথেষ্ট সঠিকতা অর্জন করতে পারে। তবে, MNIST ডেটাসেটটি খুবই বিশেষ, এবং সমস্ত সংখ্যা ছবির কেন্দ্রে অবস্থান করে, যা কাজটিকে সহজ করে তোলে।
@ -24,7 +15,7 @@ CO_OP_TRANSLATOR_METADATA:
উদাহরণস্বরূপ, যদি আমরা MNIST সংখ্যাগুলিতে 3x3 ভার্টিকাল এজ এবং হরিজন্টাল এজ ফিল্টার প্রয়োগ করি, তাহলে আমরা হাইলাইট (যেমন উচ্চ মান) পেতে পারি যেখানে আমাদের মূল ছবিতে ভার্টিকাল এবং হরিজন্টাল এজ রয়েছে। সুতরাং এই দুটি ফিল্টার "এজ" খুঁজে বের করার জন্য ব্যবহার করা যেতে পারে। অনুরূপভাবে, আমরা অন্যান্য নিম্ন-স্তরের প্যাটার্ন খুঁজে বের করার জন্য বিভিন্ন ফিল্টার ডিজাইন করতে পারি:
<img src="images/lmfilters.jpg" width="500" align="center"/>
<img src="../../../../../translated_images/bn/lmfilters.ea9e4868a82cf74c.webp" width="500" align="center"/>
> [লিউং-মালিক ফিল্টার ব্যাংক](https://www.robots.ox.ac.uk/~vgg/research/texclass/filters.html) এর ছবি

9
translations/bn/lessons/4-ComputerVision/07-ConvNets/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b70fcf7fcee862990f848c679090943f",
"translation_date": "2025-10-03T14:53:39+00:00",
"source_file": "lessons/4-ComputerVision/07-ConvNets/lab/README.md",
"language_code": "bn"
}
-->
# পোষা প্রাণীর মুখের শ্রেণীবিন্যাস
[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট।

9
translations/bn/lessons/4-ComputerVision/08-TransferLearning/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "178c0b5ee5395733eb18aec51e71a0a9",
"translation_date": "2025-09-23T07:46:02+00:00",
"source_file": "lessons/4-ComputerVision/08-TransferLearning/README.md",
"language_code": "bn"
}
-->
# প্রি-ট্রেইনড নেটওয়ার্ক এবং ট্রান্সফার লার্নিং
CNN ট্রেনিং করতে অনেক সময় লাগে এবং এর জন্য প্রচুর ডেটা প্রয়োজন। তবে, বেশিরভাগ সময় নেটওয়ার্কের জন্য সেরা লো-লেভেল ফিল্টার শেখার কাজে ব্যয় হয়, যা ইমেজ থেকে প্যাটার্ন বের করতে সাহায্য করে। একটি স্বাভাবিক প্রশ্ন উঠে আসে - আমরা কি একটি ডেটাসেটে ট্রেন করা নিউরাল নেটওয়ার্ক ব্যবহার করে সম্পূর্ণ ট্রেনিং প্রক্রিয়া ছাড়াই ভিন্ন ইমেজ শ্রেণীবিন্যাস করতে পারি?

9
translations/bn/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ae074cd940fc2f4dc24fc07b66ccbd99",
"translation_date": "2025-08-26T09:47:53+00:00",
"source_file": "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md",
"language_code": "bn"
}
-->
# ডিপ লার্নিং ট্রেনিং কৌশল
যেহেতু নিউরাল নেটওয়ার্কগুলো আরও গভীর হচ্ছে, সেগুলোর প্রশিক্ষণ প্রক্রিয়া ক্রমশ চ্যালেঞ্জিং হয়ে উঠছে। একটি বড় সমস্যা হলো তথাকথিত [vanishing gradients](https://en.wikipedia.org/wiki/Vanishing_gradient_problem) বা [exploding gradients](https://deepai.org/machine-learning-glossary-and-terms/exploding-gradient-problem#:~:text=Exploding%20gradients%20are%20a%20problem,updates%20are%20small%20and%20controlled.)। [এই পোস্টটি](https://towardsdatascience.com/the-vanishing-exploding-gradient-problem-in-deep-neural-networks-191358470c11) এই সমস্যাগুলোর একটি ভালো পরিচিতি প্রদান করে।

9
translations/bn/lessons/4-ComputerVision/08-TransferLearning/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7765935c35fcee69b9fe2d0cfd6963e2",
"translation_date": "2025-08-26T09:52:54+00:00",
"source_file": "lessons/4-ComputerVision/08-TransferLearning/lab/README.md",
"language_code": "bn"
}
-->
# ট্রান্সফার লার্নিং ব্যবহার করে অক্সফোর্ড পেটসের শ্রেণীবিভাগ
[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট।

15
translations/bn/lessons/4-ComputerVision/09-Autoencoders/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1b8d9e1b3a6f1daa864b1ff3dfc3076d",
"translation_date": "2025-09-23T07:47:41+00:00",
"source_file": "lessons/4-ComputerVision/09-Autoencoders/README.md",
"language_code": "bn"
}
-->
# অটোএনকোডার
CNN প্রশিক্ষণের সময় একটি বড় সমস্যা হলো প্রচুর লেবেলযুক্ত ডেটার প্রয়োজন হয়। উদাহরণস্বরূপ, ইমেজ ক্লাসিফিকেশনের ক্ষেত্রে, আমাদের ইমেজগুলোকে বিভিন্ন শ্রেণিতে ভাগ করতে হয়, যা একটি ম্যানুয়াল কাজ।
@ -46,7 +37,7 @@ VAE হলো এমন একটি অটোএনকোডার যা ল
* আমরা N(z<sub>mean</sub>,exp(z<sub>log\_sigma</sub>)) বিতরণ থেকে একটি `sample` ভেক্টর গ্রহণ করি
* ডিকোডার `sample` ভেক্টর ব্যবহার করে মূল ইমেজটি ডিকোড করার চেষ্টা করে
<img src="images/vae.png" width="50%">
<img src="../../../../../translated_images/bn/vae.464c465a5b6a9e25.webp" width="50%">
> ছবি [এই ব্লগ পোস্ট](https://ijdykeman.github.io/ml/2016/12/21/cvae.html) থেকে, লেখক Isaak Dykeman
@ -57,13 +48,13 @@ VAE হলো এমন একটি অটোএনকোডার যা ল
VAE-এর একটি গুরুত্বপূর্ণ সুবিধা হলো এটি নতুন ইমেজ তৈরি করতে তুলনামূলকভাবে সহজ, কারণ আমরা জানি কোন বিতরণ থেকে ল্যাটেন্ট ভেক্টরগুলো গ্রহণ করতে হবে। উদাহরণস্বরূপ, যদি আমরা MNIST-এ 2D ল্যাটেন্ট ভেক্টর দিয়ে VAE প্রশিক্ষণ দিই, তাহলে আমরা ল্যাটেন্ট ভেক্টরের উপাদানগুলো পরিবর্তন করে বিভিন্ন সংখ্যা পেতে পারি:
<img alt="vaemnist" src="images/vaemnist.png" width="50%"/>
<img alt="vaemnist" src="../../../../../translated_images/bn/vaemnist.cab9e602dc08dc50.webp" width="50%"/>
> ছবি [Dmitry Soshnikov](http://soshnikov.com) দ্বারা
দেখুন কীভাবে ইমেজগুলো একে অপরের সাথে মিশে যায়, যখন আমরা ল্যাটেন্ট প্যারামিটার স্পেসের বিভিন্ন অংশ থেকে ল্যাটেন্ট ভেক্টর গ্রহণ করি। আমরা এই স্পেসটি 2D-তে ভিজুয়ালাইজও করতে পারি:
<img alt="vaemnist cluster" src="images/vaemnist-diag.png" width="50%"/>
<img alt="vaemnist cluster" src="../../../../../translated_images/bn/vaemnist-diag.694315f775d5d666.webp" width="50%"/>
> ছবি [Dmitry Soshnikov](http://soshnikov.com) দ্বারা

13
translations/bn/lessons/4-ComputerVision/10-GANs/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "0ff65b4da07b23697235de2beb2a3c25",
"translation_date": "2025-09-23T07:48:26+00:00",
"source_file": "lessons/4-ComputerVision/10-GANs/README.md",
"language_code": "bn"
}
-->
# জেনারেটিভ অ্যাডভার্সারিয়াল নেটওয়ার্কস
পূর্ববর্তী অংশে আমরা **জেনারেটিভ মডেল** সম্পর্কে শিখেছি: এমন মডেল যা প্রশিক্ষণ ডেটাসেটের মতো নতুন ছবি তৈরি করতে পারে। VAE ছিল জেনারেটিভ মডেলের একটি ভালো উদাহরণ।
@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA:
GAN-এর মূল ধারণা হলো দুটি নিউরাল নেটওয়ার্ক থাকবে যা একে অপরের বিরুদ্ধে প্রশিক্ষিত হবে:
<img src="images/gan_architecture.png" width="70%"/>
<img src="../../../../../translated_images/bn/gan_architecture.8f3a5ab62b8d5d69.webp" width="70%"/>
> ছবি: [Dmitry Soshnikov](http://soshnikov.com)
@ -41,7 +32,7 @@ GAN-এর মূল ধারণা হলো দুটি নিউরাল
> ✅ যেহেতু কনভোলিউশন স্তরটি একটি লিনিয়ার ফিল্টার হিসেবে ছবির উপর দিয়ে চলে, ডিকনভোলিউশন মূলত কনভোলিউশনের মতোই এবং একই স্তর লজিক ব্যবহার করে বাস্তবায়িত হতে পারে।
<img src="images/gan_arch_detail.png" width="70%"/>
<img src="../../../../../translated_images/bn/gan_arch_detail.46b95fd366f8e543.webp" width="70%"/>
> ছবি: [Dmitry Soshnikov](http://soshnikov.com)

9
translations/bn/lessons/4-ComputerVision/11-ObjectDetection/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "d76a7eda28de5210c8b1ba50a6216c69",
"translation_date": "2025-09-23T07:47:00+00:00",
"source_file": "lessons/4-ComputerVision/11-ObjectDetection/README.md",
"language_code": "bn"
}
-->
# অবজেক্ট ডিটেকশন
যে ইমেজ ক্লাসিফিকেশন মডেলগুলো আমরা এখন পর্যন্ত ব্যবহার করেছি, সেগুলো একটি ইমেজ নিয়ে একটি ক্যাটেগরিক্যাল ফলাফল তৈরি করত, যেমন MNIST সমস্যায় 'সংখ্যা' ক্লাস। তবে, অনেক ক্ষেত্রে আমরা শুধু জানতে চাই না যে একটি ছবি কোনো বস্তু প্রদর্শন করছে - আমরা তাদের সঠিক অবস্থান নির্ধারণ করতে চাই। **অবজেক্ট ডিটেকশন** ঠিক এই কাজটি করে।

9
translations/bn/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ad568d55ae65c856fe929fc2b278510a",
"translation_date": "2025-08-26T09:25:03+00:00",
"source_file": "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md",
"language_code": "bn"
}
-->
# হলিউড হেডস ডেটাসেট ব্যবহার করে হেড ডিটেকশন
[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট।

15
translations/bn/lessons/4-ComputerVision/12-Segmentation/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "6568aaae7e0e4afed4b5d74b5b223700",
"translation_date": "2025-09-23T07:48:09+00:00",
"source_file": "lessons/4-ComputerVision/12-Segmentation/README.md",
"language_code": "bn"
}
-->
# সেগমেন্টেশন
আমরা আগেই অবজেক্ট ডিটেকশন সম্পর্কে শিখেছি, যা আমাদের ইমেজে অবজেক্টের অবস্থান নির্ধারণ করতে সাহায্য করে *বাউন্ডিং বক্স* প্রেডিক্ট করার মাধ্যমে। তবে, কিছু কাজের জন্য শুধুমাত্র বাউন্ডিং বক্স যথেষ্ট নয়; আমাদের আরও নির্ভুলভাবে অবজেক্টের অবস্থান নির্ধারণ করতে হয়। এই কাজটিকে **সেগমেন্টেশন** বলা হয়।
@ -20,7 +11,7 @@ CO_OP_TRANSLATOR_METADATA:
উদাহরণস্বরূপ, ইনস্ট্যান্স সেগমেন্টেশনে এই ভেড়াগুলো আলাদা অবজেক্ট হিসেবে গণ্য হয়, কিন্তু সেমান্টিক সেগমেন্টেশনে সব ভেড়া একটি ক্লাস হিসেবে দেখানো হয়।
<img src="images/instance_vs_semantic.jpeg" width="50%">
<img src="../../../../../translated_images/bn/instance_vs_semantic.eee9812bebf8cd45.webp" width="50%">
> ছবি [এই ব্লগ পোস্ট](https://nirmalamurali.medium.com/image-classification-vs-semantic-segmentation-vs-instance-segmentation-625c33a08d50) থেকে নেওয়া হয়েছে
@ -29,7 +20,7 @@ CO_OP_TRANSLATOR_METADATA:
* **এনকোডার** ইনপুট ইমেজ থেকে ফিচার বের করে
* **ডিকোডার** সেই ফিচারগুলোকে **মাস্ক ইমেজে** রূপান্তর করে, যার আকার এবং চ্যানেলের সংখ্যা ক্লাসের সংখ্যার সাথে মিলে যায়।
<img src="images/segm.png" width="80%">
<img src="../../../../../translated_images/bn/segm.92442f2cb42ff4fa.webp" width="80%">
> ছবি [এই প্রকাশনা](https://arxiv.org/pdf/2001.05566.pdf) থেকে নেওয়া হয়েছে
@ -43,7 +34,7 @@ CO_OP_TRANSLATOR_METADATA:
> ✅ এই পদ্ধতি মেডিকেল ইমেজিংয়ের জন্য বিশেষভাবে উপযুক্ত, তবে আপনি আর কী কী বাস্তব জীবনের প্রয়োগ কল্পনা করতে পারেন?
<img alt="navi" src="images/navi.png"/>
<img alt="navi" src="../../../../../translated_images/bn/navi.2f20b727910110ea.webp"/>
> ছবি PH<sup>2</sup> ডাটাবেস থেকে নেওয়া হয়েছে

9
translations/bn/lessons/4-ComputerVision/12-Segmentation/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "365f0decfe0f47b460bbde8227c5009d",
"translation_date": "2025-08-26T09:12:20+00:00",
"source_file": "lessons/4-ComputerVision/12-Segmentation/lab/README.md",
"language_code": "bn"
}
-->
# মানব শরীর সেগমেন্টেশন
[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট।

9
translations/bn/lessons/4-ComputerVision/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "58a52f000089c1d8906a4daa4ab1169b",
"translation_date": "2025-08-26T09:02:46+00:00",
"source_file": "lessons/4-ComputerVision/README.md",
"language_code": "bn"
}
-->
# কম্পিউটার ভিশন
![কম্পিউটার ভিশন বিষয়বস্তুর সারাংশ একটি ডুডলে](../../../../translated_images/bn/ai-computervision.6506ebebac3fbf76.webp)

13
translations/bn/lessons/5-NLP/13-TextRep/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "dbd3f73e4139f030ecb2e20387d70fee",
"translation_date": "2025-09-23T07:54:51+00:00",
"source_file": "lessons/5-NLP/13-TextRep/README.md",
"language_code": "bn"
}
-->
# টেক্সটকে টেনসর হিসেবে উপস্থাপন করা
## [পূর্ব-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ai/quiz/25)
@ -25,7 +16,7 @@ CO_OP_TRANSLATOR_METADATA:
যদি আমরা নিউরাল নেটওয়ার্ক ব্যবহার করে প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP) কাজ সমাধান করতে চাই, তাহলে আমাদের টেক্সটকে টেনসর হিসেবে উপস্থাপন করার একটি উপায় দরকার। কম্পিউটার ইতিমধ্যেই ASCII বা UTF-8 এর মতো এনকোডিং ব্যবহার করে টেক্সট চরিত্রগুলোকে সংখ্যায় উপস্থাপন করে, যা আপনার স্ক্রিনে ফন্টে ম্যাপ করে।
<img alt="চরিত্রকে ASCII এবং বাইনারি উপস্থাপনার সাথে ম্যাপ করার একটি চিত্র" src="images/ascii-character-map.png" width="50%"/>
<img alt="চরিত্রকে ASCII এবং বাইনারি উপস্থাপনার সাথে ম্যাপ করার একটি চিত্র" src="../../../../../translated_images/bn/ascii-character-map.18ed6aa7f3b0a7ff.webp" width="50%"/>
> [চিত্রের উৎস](https://www.seobility.net/en/wiki/ASCII)
@ -48,7 +39,7 @@ CO_OP_TRANSLATOR_METADATA:
যখন টেক্সট শ্রেণীবিন্যাসের মতো কাজ সমাধান করতে হয়, তখন আমাদের একটি নির্দিষ্ট আকারের ভেক্টর দ্বারা টেক্সট উপস্থাপন করতে হয়, যা আমরা চূড়ান্ত ঘন শ্রেণীবিন্যাসকারীর ইনপুট হিসেবে ব্যবহার করব। এটি করার সবচেয়ে সহজ উপায় হল সমস্ত পৃথক শব্দের উপস্থাপনাগুলোকে একত্রিত করা, যেমন তাদের যোগ করে। যদি আমরা প্রতিটি শব্দের এক-হট এনকোডিং যোগ করি, তাহলে আমরা একটি ফ্রিকোয়েন্সি ভেক্টর পাব, যা দেখাবে প্রতিটি শব্দ টেক্সটের মধ্যে কতবার উপস্থিত হয়েছে। এই ধরনের টেক্সট উপস্থাপনাকে **ব্যাগ-অফ-ওয়ার্ডস** (BoW) বলা হয়।
<img src="images/bow.png" width="90%"/>
<img src="../../../../../translated_images/bn/bow.3811869cff59368d.webp" width="90%"/>
> লেখকের তৈরি চিত্র

9
translations/bn/lessons/5-NLP/13-TextRep/assignment.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "cdc1f2e631f055f3473b36d18e4760b3",
"translation_date": "2025-08-26T08:28:39+00:00",
"source_file": "lessons/5-NLP/13-TextRep/assignment.md",
"language_code": "bn"
}
-->
# অ্যাসাইনমেন্ট: নোটবুক
এই পাঠের সাথে সংযুক্ত নোটবুকগুলি (PyTorch বা TensorFlow সংস্করণ যেটি ব্যবহার করছেন), আপনার নিজের ডেটাসেট ব্যবহার করে পুনরায় চালান, সম্ভবত Kaggle থেকে নেওয়া একটি ডেটাসেট, যথাযথ স্বীকৃতির সাথে। নোটবুকটি পুনরায় লিখুন যাতে আপনার নিজস্ব পর্যবেক্ষণগুলি তুলে ধরা যায়। কিছু উদ্ভাবনী ডেটাসেট চেষ্টা করুন যা চমকপ্রদ হতে পারে, যেমন [এই UFO দর্শনের ডেটাসেট](https://www.kaggle.com/datasets/NUFORC/ufo-sightings) NUFORC থেকে।

9
translations/bn/lessons/5-NLP/14-Embeddings/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b708c9b85b833864c73c6281f1e6b96e",
"translation_date": "2025-09-23T07:54:30+00:00",
"source_file": "lessons/5-NLP/14-Embeddings/README.md",
"language_code": "bn"
}
-->
# এমবেডিংস
## [পূর্ব-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ai/quiz/27)

9
translations/bn/lessons/5-NLP/14-Embeddings/assignment.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "bc690ecf68b38d311cc9e12f3144a28c",
"translation_date": "2025-08-26T08:17:50+00:00",
"source_file": "lessons/5-NLP/14-Embeddings/assignment.md",
"language_code": "bn"
}
-->
# অ্যাসাইনমেন্ট: নোটবুক
এই পাঠের সাথে সংযুক্ত নোটবুকগুলি (PyTorch বা TensorFlow সংস্করণ যেটি ব্যবহার করছেন), আপনার নিজের ডেটাসেট ব্যবহার করে পুনরায় চালান, সম্ভবত Kaggle থেকে নেওয়া একটি ডেটাসেট, যথাযথ স্বীকৃতির সাথে। নোটবুকটি পুনরায় লিখুন এবং আপনার নিজস্ব পর্যবেক্ষণগুলি তুলে ধরুন। একটি ভিন্ন ধরনের ডেটাসেট চেষ্টা করুন এবং আপনার পর্যবেক্ষণগুলি নথিভুক্ত করুন, যেমন [এই বিটলস গানের লিরিক্স](https://www.kaggle.com/datasets/jenlooper/beatles-lyrics) ব্যবহার করে।

9
translations/bn/lessons/5-NLP/15-LanguageModeling/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7ba20f54a5bfcd6521018cdfb17c7c57",
"translation_date": "2025-09-23T07:52:42+00:00",
"source_file": "lessons/5-NLP/15-LanguageModeling/README.md",
"language_code": "bn"
}
-->
# ভাষা মডেলিং
সেমান্টিক এম্বেডিং, যেমন Word2Vec এবং GloVe, আসলে **ভাষা মডেলিং** এর দিকে প্রথম পদক্ষেপ - এমন মডেল তৈরি করা যা কোনোভাবে ভাষার প্রকৃতি *বোঝে* (বা *প্রতিনিধিত্ব করে*)।

9
translations/bn/lessons/5-NLP/15-LanguageModeling/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5130f01fdc5ebb83032b23d489027aac",
"translation_date": "2025-08-26T08:32:05+00:00",
"source_file": "lessons/5-NLP/15-LanguageModeling/lab/README.md",
"language_code": "bn"
}
-->
# স্কিপ-গ্রাম মডেল প্রশিক্ষণ
[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট।

11
translations/bn/lessons/5-NLP/16-RNN/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "e2273cc150380a5e191903cea858f021",
"translation_date": "2025-09-23T07:54:01+00:00",
"source_file": "lessons/5-NLP/16-RNN/README.md",
"language_code": "bn"
}
-->
# রিকারেন্ট নিউরাল নেটওয়ার্ক
## [পূর্ব-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ai/quiz/31)
@ -31,7 +22,7 @@ CO_OP_TRANSLATOR_METADATA:
একটি সাধারণ RNN সেলের ভিতরে দুটি ওজন ম্যাট্রিক্স থাকে: একটি ইনপুট প্রতীককে রূপান্তরিত করে (চলুন একে W বলি), এবং অন্যটি ইনপুট স্টেটকে রূপান্তরিত করে (H)। এই ক্ষেত্রে নেটওয়ার্কের আউটপুট হিসাব করা হয় &sigma;(W&times;X<sub>i</sub>+H&times;S<sub>i-1</sub>+b), যেখানে &sigma; হল অ্যাক্টিভেশন ফাংশন এবং b হল অতিরিক্ত বায়াস।
<img alt="RNN সেলের গঠন" src="images/rnn-anatomy.png" width="50%"/>
<img alt="RNN সেলের গঠন" src="../../../../../translated_images/bn/rnn-anatomy.79ee3f3920b3294b.webp" width="50%"/>
> লেখকের তৈরি ছবি

9
translations/bn/lessons/5-NLP/16-RNN/assignment.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "47f7d3c6a5373543e051e4d1140ce898",
"translation_date": "2025-08-26T08:12:58+00:00",
"source_file": "lessons/5-NLP/16-RNN/assignment.md",
"language_code": "bn"
}
-->
# অ্যাসাইনমেন্ট: নোটবুক
এই পাঠের সাথে সংযুক্ত নোটবুকগুলি (PyTorch বা TensorFlow সংস্করণ যেটি ব্যবহার করছেন), আপনার নিজের ডেটাসেট ব্যবহার করে পুনরায় চালান, সম্ভবত Kaggle থেকে নেওয়া একটি ডেটাসেট, যথাযথ স্বীকৃতির সাথে। নোটবুকটি পুনরায় লিখুন এবং আপনার নিজস্ব পর্যবেক্ষণগুলি তুলে ধরুন। একটি ভিন্ন ধরনের ডেটাসেট চেষ্টা করুন এবং আপনার পর্যবেক্ষণগুলি নথিভুক্ত করুন, যেমন [এই Kaggle প্রতিযোগিতার ডেটাসেট যা আবহাওয়া সম্পর্কিত টুইট নিয়ে](https://www.kaggle.com/competitions/crowdflower-weather-twitter/data?select=train.csv)।

11
translations/bn/lessons/5-NLP/17-GenerativeNetworks/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "51be6057374d01d70e07dd5ec88ebc0d",
"translation_date": "2025-09-23T07:52:18+00:00",
"source_file": "lessons/5-NLP/17-GenerativeNetworks/README.md",
"language_code": "bn"
}
-->
# জেনারেটিভ নেটওয়ার্ক
## [পূর্ব-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ai/quiz/33)
@ -36,7 +27,7 @@ Recurrent Neural Networks (RNNs) এবং তাদের গেটেড স
যখন টেক্সট তৈরি করা হয় (ইনফারেন্সের সময়), আমরা কিছু **প্রম্পট** দিয়ে শুরু করি, যা RNN সেলগুলোর মাধ্যমে পাস করে তার মধ্যবর্তী স্টেট তৈরি করে, এবং তারপর এই স্টেট থেকে জেনারেশন শুরু হয়। আমরা একবারে একটি চরিত্র তৈরি করি এবং স্টেট এবং তৈরি করা চরিত্রকে অন্য RNN সেলে পাস করি পরবর্তী চরিত্র তৈরি করার জন্য, যতক্ষণ না আমরা পর্যাপ্ত চরিত্র তৈরি করি।
<img src="images/rnn-generate-inf.png" width="60%"/>
<img src="../../../../../translated_images/bn/rnn-generate-inf.5168dc65e0370eea.webp" width="60%"/>
> লেখকের তৈরি ছবি

9
translations/bn/lessons/5-NLP/17-GenerativeNetworks/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "439e12796197a90e7623d4c9c057b9c2",
"translation_date": "2025-08-26T08:22:58+00:00",
"source_file": "lessons/5-NLP/17-GenerativeNetworks/lab/README.md",
"language_code": "bn"
}
-->
# শব্দ-স্তরের টেক্সট জেনারেশন RNNs ব্যবহার করে
[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট।

11
translations/bn/lessons/5-NLP/18-Transformers/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "f335dfcb4a993920504c387973a36957",
"translation_date": "2025-09-23T07:52:55+00:00",
"source_file": "lessons/5-NLP/18-Transformers/README.md",
"language_code": "bn"
}
-->
# অ্যাটেনশন মেকানিজম এবং ট্রান্সফর্মার
## [পূর্ব-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ai/quiz/35)
@ -56,7 +47,7 @@ RNN ব্যবহার করে সিকোয়েন্স-টু-সি
* টোকেন এম্বেডিংয়ের মতো ট্রেনযোগ্য এম্বেডিং। এখানে আমরা এই পদ্ধতিটি বিবেচনা করি। আমরা টোকেন এবং তাদের অবস্থানের উপর এম্বেডিং লেয়ার প্রয়োগ করি, যার ফলে একই মাত্রার এম্বেডিং ভেক্টর তৈরি হয়, যা আমরা একসাথে যোগ করি।
* মূল পত্রে প্রস্তাবিত স্থির অবস্থান এনকোডিং ফাংশন।
<img src="images/pos-embedding.png" width="50%"/>
<img src="../../../../../translated_images/bn/pos-embedding.e41ce9b6cf6078af.webp" width="50%"/>
> লেখকের তৈরি চিত্র

9
translations/bn/lessons/5-NLP/18-Transformers/assignment.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "177f3ea3995d725e6f9f5c66af16edcd",
"translation_date": "2025-08-26T08:40:49+00:00",
"source_file": "lessons/5-NLP/18-Transformers/assignment.md",
"language_code": "bn"
}
-->
# অ্যাসাইনমেন্ট: ট্রান্সফর্মারস
HuggingFace-এ ট্রান্সফর্মারস নিয়ে পরীক্ষা-নিরীক্ষা করুন! তাদের সাইটে উপলব্ধ বিভিন্ন মডেলের সাথে কাজ করার জন্য তারা যে স্ক্রিপ্টগুলো সরবরাহ করে সেগুলো চেষ্টা করুন: https://huggingface.co/docs/transformers/run_scripts। তাদের একটি ডেটাসেট ব্যবহার করে দেখুন, তারপর এই কারিকুলাম থেকে বা Kaggle থেকে আপনার নিজের একটি ডেটাসেট আমদানি করুন এবং দেখুন আপনি কি আকর্ষণীয় টেক্সট তৈরি করতে পারেন। আপনার পর্যবেক্ষণ নিয়ে একটি নোটবুক তৈরি করুন।

11
translations/bn/lessons/5-NLP/19-NER/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "6522312ff835796ca34136a9462fafb2",
"translation_date": "2025-09-23T07:53:43+00:00",
"source_file": "lessons/5-NLP/19-NER/README.md",
"language_code": "bn"
}
-->
# নামযুক্ত সত্তা সনাক্তকরণ
এখন পর্যন্ত, আমরা মূলত একটি NLP কাজ - শ্রেণীবিন্যাসের উপর মনোযোগ কেন্দ্রীভূত করেছি। তবে, নিউরাল নেটওয়ার্ক ব্যবহার করে আরও অন্যান্য NLP কাজও সম্পন্ন করা যায়। এর মধ্যে একটি কাজ হলো **[নামযুক্ত সত্তা সনাক্তকরণ](https://wikipedia.org/wiki/Named-entity_recognition)** (NER), যা পাঠ্যের মধ্যে নির্দিষ্ট সত্তাগুলি সনাক্ত করার সাথে সম্পর্কিত, যেমন স্থান, ব্যক্তির নাম, তারিখ-সময়, রাসায়নিক সূত্র ইত্যাদি।
@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA:
ধরা যাক আপনি একটি প্রাকৃতিক ভাষাভিত্তিক চ্যাট বট তৈরি করতে চান, যেমন Amazon Alexa বা Google Assistant। বুদ্ধিমান চ্যাট বটগুলো কাজ করে ব্যবহারকারীর চাহিদা *বোঝার* মাধ্যমে, যা ইনপুট বাক্যের উপর টেক্সট শ্রেণীবিন্যাস করে। এই শ্রেণীবিন্যাসের ফলাফল হলো **ইচ্ছা** (intent), যা নির্ধারণ করে চ্যাট বটটি কী করবে।
<img alt="Bot NER" src="images/bot-ner.png" width="50%"/>
<img alt="Bot NER" src="../../../../../translated_images/bn/bot-ner.4b09235dbb0ad275.webp" width="50%"/>
> লেখকের তৈরি চিত্র

9
translations/bn/lessons/5-NLP/19-NER/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "032bda5068f543d6c1fcb30c34231461",
"translation_date": "2025-08-26T08:50:28+00:00",
"source_file": "lessons/5-NLP/19-NER/lab/README.md",
"language_code": "bn"
}
-->
# NER
[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট।

9
translations/bn/lessons/5-NLP/20-LangModels/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "97836d30a6bec736f8e3b4411c572bc2",
"translation_date": "2025-09-23T07:53:25+00:00",
"source_file": "lessons/5-NLP/20-LangModels/README.md",
"language_code": "bn"
}
-->
# প্রি-ট্রেইনড লার্জ ল্যাঙ্গুয়েজ মডেলস
আমাদের পূর্ববর্তী সমস্ত কাজগুলোতে, আমরা একটি নির্দিষ্ট কাজ সম্পাদনের জন্য লেবেলড ডেটাসেট ব্যবহার করে একটি নিউরাল নেটওয়ার্ক প্রশিক্ষণ করতাম। বড় ট্রান্সফরমার মডেলগুলোর ক্ষেত্রে, যেমন BERT, আমরা সেল্ফ-সুপারভাইজড পদ্ধতিতে ল্যাঙ্গুয়েজ মডেলিং ব্যবহার করে একটি ভাষার মডেল তৈরি করি, যা পরে নির্দিষ্ট ডাউনস্ট্রিম কাজের জন্য আরও ডোমেইন-নির্দিষ্ট প্রশিক্ষণের মাধ্যমে বিশেষায়িত হয়। তবে, এটি প্রমাণিত হয়েছে যে বড় ভাষার মডেলগুলো কোনো ডোমেইন-নির্দিষ্ট প্রশিক্ষণ ছাড়াই অনেক কাজ সমাধান করতে পারে। এই ধরনের মডেলের একটি পরিবারকে **GPT** (Generative Pre-Trained Transformer) বলা হয়।

9
translations/bn/lessons/5-NLP/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "8ef02a9318257ea140ed3ed74442096d",
"translation_date": "2025-08-26T08:03:35+00:00",
"source_file": "lessons/5-NLP/README.md",
"language_code": "bn"
}
-->
# প্রাকৃতিক ভাষা প্রক্রিয়াকরণ
![NLP কাজগুলোর সারাংশ একটি ডুডলে](../../../../translated_images/bn/ai-nlp.b22dcb8ca4707cea.webp)

9
translations/bn/lessons/6-Other/21-GeneticAlgorithms/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "6bbd632dfe6c62e5f66bb51fd78c174a",
"translation_date": "2025-09-23T07:43:15+00:00",
"source_file": "lessons/6-Other/21-GeneticAlgorithms/README.md",
"language_code": "bn"
}
-->
# জেনেটিক অ্যালগরিদম
## [পূর্ব-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ai/quiz/41)

11
translations/bn/lessons/6-Other/22-DeepRL/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "04395657fc01648f8f70484d0e55ab67",
"translation_date": "2025-09-23T07:44:58+00:00",
"source_file": "lessons/6-Other/22-DeepRL/README.md",
"language_code": "bn"
}
-->
# ডিপ রিইনফোর্সমেন্ট লার্নিং
রিইনফোর্সমেন্ট লার্নিং (RL) সুপারভাইজড লার্নিং এবং আনসুপারভাইজড লার্নিং-এর পাশাপাশি অন্যতম মৌলিক মেশিন লার্নিং পদ্ধতি হিসেবে বিবেচিত হয়। যেখানে সুপারভাইজড লার্নিং-এ আমরা পরিচিত ফলাফলসহ ডেটাসেটের উপর নির্ভর করি, RL **কাজ করে শেখার** উপর ভিত্তি করে। উদাহরণস্বরূপ, যখন আমরা প্রথমবার একটি কম্পিউটার গেম দেখি, আমরা খেলা শুরু করি, এমনকি নিয়ম না জেনেও, এবং শুধুমাত্র খেলার মাধ্যমে এবং আমাদের আচরণ সামঞ্জস্য করে আমরা দ্রুত দক্ষতা উন্নত করতে পারি।
@ -34,7 +25,7 @@ RL-এর জন্য একটি চমৎকার টুল হলো [Open
ব্যালেন্সিং-এর একটি সরলীকৃত সংস্করণকে **CartPole** সমস্যা বলা হয়। CartPole জগতে, আমাদের একটি অনুভূমিক স্লাইডার রয়েছে যা বাম বা ডানে সরতে পারে, এবং লক্ষ্য হলো স্লাইডারের উপরে একটি উল্লম্ব পোল ব্যালেন্স করা।
<img alt="a cartpole" src="images/cartpole.png" width="200"/>
<img alt="a cartpole" src="../../../../../translated_images/bn/cartpole.f52a67f27e058170.webp" width="200"/>
এই পরিবেশ তৈরি এবং ব্যবহার করতে আমাদের কয়েকটি লাইনের পাইথন কোড প্রয়োজন:

9
translations/bn/lessons/6-Other/22-DeepRL/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7bd8dc72040e98e35e7225e34058cd4e",
"translation_date": "2025-08-26T10:16:47+00:00",
"source_file": "lessons/6-Other/22-DeepRL/lab/README.md",
"language_code": "bn"
}
-->
## পরিবেশ
মাউন্টেন কার পরিবেশে একটি গাড়ি একটি উপত্যকার মধ্যে আটকে থাকে। আপনার লক্ষ্য হলো উপত্যকা থেকে লাফিয়ে বেরিয়ে পতাকার কাছে পৌঁছানো। আপনি যে কাজগুলো করতে পারেন তা হলো বাম দিকে ত্বরান্বিত করা, ডান দিকে ত্বরান্বিত করা, অথবা কিছুই না করা। আপনি গাড়ির অবস্থান x-অক্ষ বরাবর এবং গতিবেগ পর্যবেক্ষণ করতে পারেন।

11
translations/bn/lessons/6-Other/23-MultiagentSystems/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "38a1185ae3d54b180378bbd71ae3ef16",
"translation_date": "2025-09-23T07:44:06+00:00",
"source_file": "lessons/6-Other/23-MultiagentSystems/README.md",
"language_code": "bn"
}
-->
# মাল্টি-এজেন্ট সিস্টেম
বুদ্ধিমত্তা অর্জনের একটি সম্ভাব্য উপায় হলো **উদ্ভূত** (বা **সমন্বিত**) পদ্ধতি, যা এই ধারণার উপর ভিত্তি করে যে অনেক তুলনামূলকভাবে সহজ এজেন্টের সম্মিলিত আচরণ পুরো সিস্টেমের আরও জটিল (বা বুদ্ধিমান) আচরণ তৈরি করতে পারে। তাত্ত্বিকভাবে, এটি [Collective Intelligence](https://en.wikipedia.org/wiki/Collective_intelligence), [Emergentism](https://en.wikipedia.org/wiki/Global_brain) এবং [Evolutionary Cybernetics](https://en.wikipedia.org/wiki/Global_brain) এর নীতির উপর ভিত্তি করে, যা বলে যে উচ্চ-স্তরের সিস্টেমগুলি নিম্ন-স্তরের সিস্টেমগুলি সঠিকভাবে একত্রিত হলে কিছু অতিরিক্ত মান অর্জন করে (*মেটাসিস্টেম ট্রানজিশনের নীতি* নামে পরিচিত)।
@ -60,7 +51,7 @@ ask turtles [
NetLogo-এর একটি চমৎকার দিক হলো এটি একটি কার্যকরী মডেলের লাইব্রেরি ধারণ করে যা আপনি চেষ্টা করতে পারেন। **File &rightarrow; Models Library** এ যান, এবং আপনার কাছে অনেক ক্যাটাগরির মডেল বেছে নেওয়ার সুযোগ থাকবে।
<img alt="NetLogo Models Library" src="images/NetLogo-ModelLib.png" width="60%"/>
<img alt="NetLogo Models Library" src="../../../../../translated_images/bn/NetLogo-ModelLib.efe023afb4763c05.webp" width="60%"/>
> দিমিত্রি সশনিকভের মডেল লাইব্রেরির স্ক্রিনশট

9
translations/bn/lessons/6-Other/23-MultiagentSystems/assignment.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "cf654ca60c7f86c8dad28596fb42994b",
"translation_date": "2025-08-26T10:11:12+00:00",
"source_file": "lessons/6-Other/23-MultiagentSystems/assignment.md",
"language_code": "bn"
}
-->
# NetLogo অ্যাসাইনমেন্ট
NetLogo-এর লাইব্রেরির একটি মডেল নিন এবং এটি ব্যবহার করে একটি বাস্তব জীবনের পরিস্থিতি যতটা সম্ভব ঘনিষ্ঠভাবে অনুকরণ করুন। একটি ভালো উদাহরণ হতে পারে Alternative Visualizations ফোল্ডারের Virus মডেলটি পরিবর্তন করা, যাতে এটি COVID-19-এর বিস্তার মডেল করতে কীভাবে ব্যবহার করা যেতে পারে তা দেখানো যায়। আপনি কি এমন একটি মডেল তৈরি করতে পারেন যা বাস্তব জীবনের ভাইরাসের বিস্তার অনুকরণ করে?

9
translations/bn/lessons/7-Ethics/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "437c988596e751072e41a5aad3fcc5d9",
"translation_date": "2025-08-26T07:58:57+00:00",
"source_file": "lessons/7-Ethics/README.md",
"language_code": "bn"
}
-->
# নৈতিক এবং দায়িত্বশীল কৃত্রিম বুদ্ধিমত্তা
আপনি এই কোর্সটি প্রায় শেষ করে ফেলেছেন, এবং আশা করি এখন পর্যন্ত আপনি পরিষ্কারভাবে বুঝতে পেরেছেন যে কৃত্রিম বুদ্ধিমত্তা (AI) বিভিন্ন গাণিতিক পদ্ধতির উপর ভিত্তি করে তৈরি, যা আমাদের ডেটার মধ্যে সম্পর্ক খুঁজে বের করতে এবং কিছু মানব আচরণের দিক পুনরায় তৈরি করতে মডেল প্রশিক্ষণ দিতে সাহায্য করে। এই মুহূর্তে, আমরা AI-কে একটি অত্যন্ত শক্তিশালী টুল হিসেবে বিবেচনা করি যা ডেটা থেকে প্যাটার্ন বের করতে এবং নতুন সমস্যার সমাধানে সেই প্যাটার্ন প্রয়োগ করতে সক্ষম।

9
translations/bn/lessons/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5fef1a0b22498d7188959e2a2cb08af7",
"translation_date": "2025-08-26T07:57:20+00:00",
"source_file": "lessons/README.md",
"language_code": "bn"
}
-->
# সংক্ষিপ্ত বিবরণ
![ডুডলে সংক্ষিপ্ত বিবরণ](../../../translated_images/bn/ai-overview.0857791951d19500.webp)

9
translations/bn/lessons/X-Extras/X1-MultiModal/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9c592c26aca16ca085d268c732284187",
"translation_date": "2025-08-26T10:19:03+00:00",
"source_file": "lessons/X-Extras/X1-MultiModal/README.md",
"language_code": "bn"
}
-->
# মাল্টি-মোডাল নেটওয়ার্ক
ট্রান্সফর্মার মডেলগুলো NLP কাজের ক্ষেত্রে সফল হওয়ার পর, একই বা অনুরূপ আর্কিটেকচার কম্পিউটার ভিশন কাজের জন্য প্রয়োগ করা হয়েছে। ভিশন এবং প্রাকৃতিক ভাষার ক্ষমতা *একত্রিত* করার জন্য মডেল তৈরি করার প্রতি আগ্রহ বাড়ছে। এরকম একটি প্রচেষ্টা OpenAI দ্বারা করা হয়েছে, যার নাম CLIP এবং DALL.E।

9
translations/bn/lessons/sketchnotes/LICENSE.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "45ab63a2cd8f5faef6c9b150618837a4",
"translation_date": "2025-08-26T10:46:05+00:00",
"source_file": "lessons/sketchnotes/LICENSE.md",
"language_code": "bn"
}
-->
অ্যাট্রিবিউশন-শেয়ারঅলাইক ৪.০ ইন্টারন্যাশনাল
=======================================================================

9
translations/bn/lessons/sketchnotes/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "050b8bddebafba55b129414e6ab096ab",
"translation_date": "2025-08-26T10:40:38+00:00",
"source_file": "lessons/sketchnotes/README.md",
"language_code": "bn"
}
-->
সমস্ত পাঠক্রমের স্কেচনোটগুলি এখান থেকে ডাউনলোড করা যেতে পারে।
🎨 তৈরি করেছেন: টোমোমি ইমুরা (টুইটার: [@girlie_mac](https://twitter.com/girlie_mac), গিটহাব: [girliemac](https://github.com/girliemac))

9
translations/bn/troubleshoot.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "8d9c5a4a7c7798d699672a22cb7fea86",
"translation_date": "2025-10-03T09:39:51+00:00",
"source_file": "troubleshoot.md",
"language_code": "bn"
}
-->
# AI-For-Beginners সমস্যার সমাধানের গাইড
এই গাইডটি আপনাকে [AI-For-Beginners](https://github.com/microsoft/AI-For-Beginners) রিপোজিটরি ব্যবহার বা এতে অবদান রাখার সময় সাধারণ সমস্যাগুলি সমাধান করতে সাহায্য করবে। প্রতিটি সমস্যার পেছনের কারণ, লক্ষণ, ব্যাখ্যা এবং ধাপে ধাপে সমাধান অন্তর্ভুক্ত রয়েছে।

398
translations/hi/.co-op-translator.json Normal file
View File

@ -0,0 +1,398 @@
{
"AGENTS.md": {
"original_hash": "6b11a37115944252ab3ed04e358d830d",
"translation_date": "2025-10-03T09:16:41+00:00",
"source_file": "AGENTS.md",
"language_code": "hi"
},
"README.md": {
"original_hash": "1984fc89dd304a8a33ab5584691a99aa",
"translation_date": "2026-01-30T01:30:14+00:00",
"source_file": "README.md",
"language_code": "hi"
},
"SECURITY.md": {
"original_hash": "a583f49d359c7ebba61433e4dfcd05a9",
"translation_date": "2025-08-24T09:46:54+00:00",
"source_file": "SECURITY.md",
"language_code": "hi"
},
"etc/CODE_OF_CONDUCT.md": {
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-08-24T10:06:08+00:00",
"source_file": "etc/CODE_OF_CONDUCT.md",
"language_code": "hi"
},
"etc/CONTRIBUTING.md": {
"original_hash": "847a587aa1b83f4d00858183ff3ed18a",
"translation_date": "2025-08-24T10:06:23+00:00",
"source_file": "etc/CONTRIBUTING.md",
"language_code": "hi"
},
"etc/Mindmap.md": {
"original_hash": "f2f88dbd2debd38e26149b27b1fd272d",
"translation_date": "2025-08-24T10:06:32+00:00",
"source_file": "etc/Mindmap.md",
"language_code": "hi"
},
"etc/SUPPORT.md": {
"original_hash": "fdfc08baee91e402938a2b1f94fe0949",
"translation_date": "2025-08-24T10:06:01+00:00",
"source_file": "etc/SUPPORT.md",
"language_code": "hi"
},
"etc/TRANSLATIONS.md": {
"original_hash": "62b3e3ad5182edb905eec649a87eeeb4",
"translation_date": "2025-08-24T10:06:14+00:00",
"source_file": "etc/TRANSLATIONS.md",
"language_code": "hi"
},
"etc/quiz-app/README.md": {
"original_hash": "d699cf8509f74baa5b0b838de5cf0662",
"translation_date": "2025-08-24T10:07:01+00:00",
"source_file": "etc/quiz-app/README.md",
"language_code": "hi"
},
"examples/README.md": {
"original_hash": "0d1babfdcbeb46525f2db3fbaaa54cd7",
"translation_date": "2025-10-03T11:28:37+00:00",
"source_file": "examples/README.md",
"language_code": "hi"
},
"lessons/0-course-setup/for-teachers.md": {
"original_hash": "a094ef9927883de1cfcee51dbd143381",
"translation_date": "2025-08-24T10:05:34+00:00",
"source_file": "lessons/0-course-setup/for-teachers.md",
"language_code": "hi"
},
"lessons/0-course-setup/how-to-run.md": {
"original_hash": "a4717bd9103b9f6cd84d534b83534689",
"translation_date": "2026-01-15T13:01:38+00:00",
"source_file": "lessons/0-course-setup/how-to-run.md",
"language_code": "hi"
},
"lessons/0-course-setup/setup.md": {
"original_hash": "7b4e5b8956915870d0a0ed3cc5890042",
"translation_date": "2025-12-12T19:28:29+00:00",
"source_file": "lessons/0-course-setup/setup.md",
"language_code": "hi"
},
"lessons/1-Intro/README.md": {
"original_hash": "f57e8aa46141fd220b16ffed8f11aec7",
"translation_date": "2025-11-18T21:01:05+00:00",
"source_file": "lessons/1-Intro/README.md",
"language_code": "hi"
},
"lessons/1-Intro/assignment.md": {
"original_hash": "a334df77a82aaaf2a29c77065d3e481e",
"translation_date": "2025-11-18T21:02:44+00:00",
"source_file": "lessons/1-Intro/assignment.md",
"language_code": "hi"
},
"lessons/2-Symbolic/README.md": {
"original_hash": "f9f06b266b8b2bfc6b8792ff2bb1bea4",
"translation_date": "2026-01-15T13:01:55+00:00",
"source_file": "lessons/2-Symbolic/README.md",
"language_code": "hi"
},
"lessons/2-Symbolic/assignment.md": {
"original_hash": "a057a8604f3976c3e309884453f1fad0",
"translation_date": "2025-08-24T10:05:05+00:00",
"source_file": "lessons/2-Symbolic/assignment.md",
"language_code": "hi"
},
"lessons/3-NeuralNetworks/03-Perceptron/README.md": {
"original_hash": "c34cbba802058b6fa267e1a294d4e510",
"translation_date": "2025-09-23T13:34:17+00:00",
"source_file": "lessons/3-NeuralNetworks/03-Perceptron/README.md",
"language_code": "hi"
},
"lessons/3-NeuralNetworks/03-Perceptron/lab/README.md": {
"original_hash": "ba5d1eb353d20d3e7181066b3c424b99",
"translation_date": "2025-08-31T14:21:50+00:00",
"source_file": "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md",
"language_code": "hi"
},
"lessons/3-NeuralNetworks/04-OwnFramework/README.md": {
"original_hash": "789d6c3fb6fc7948a470b33078a5983a",
"translation_date": "2025-09-23T13:33:40+00:00",
"source_file": "lessons/3-NeuralNetworks/04-OwnFramework/README.md",
"language_code": "hi"
},
"lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md": {
"original_hash": "48fdd704d483e19bc3d7464074c9fcbe",
"translation_date": "2025-08-24T10:00:07+00:00",
"source_file": "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md",
"language_code": "hi"
},
"lessons/3-NeuralNetworks/05-Frameworks/README.md": {
"original_hash": "ddd216f558a255260a9374008002c971",
"translation_date": "2025-09-23T13:34:43+00:00",
"source_file": "lessons/3-NeuralNetworks/05-Frameworks/README.md",
"language_code": "hi"
},
"lessons/3-NeuralNetworks/05-Frameworks/lab/README.md": {
"original_hash": "e452d897efb9a89700f41021834cf6e5",
"translation_date": "2025-08-24T10:00:41+00:00",
"source_file": "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md",
"language_code": "hi"
},
"lessons/3-NeuralNetworks/README.md": {
"original_hash": "f862a99d88088163df12270e2f2ad6c3",
"translation_date": "2025-10-03T12:44:34+00:00",
"source_file": "lessons/3-NeuralNetworks/README.md",
"language_code": "hi"
},
"lessons/4-ComputerVision/06-IntroCV/README.md": {
"original_hash": "feeca98225cb420afc89415f24f63d92",
"translation_date": "2025-09-23T13:29:09+00:00",
"source_file": "lessons/4-ComputerVision/06-IntroCV/README.md",
"language_code": "hi"
},
"lessons/4-ComputerVision/06-IntroCV/lab/README.md": {
"original_hash": "3d53d6409f80970f7281a45dee35328a",
"translation_date": "2025-08-24T09:56:02+00:00",
"source_file": "lessons/4-ComputerVision/06-IntroCV/lab/README.md",
"language_code": "hi"
},
"lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md": {
"original_hash": "53faab85adfcebd8c10bcd71dc2fa557",
"translation_date": "2025-09-23T13:28:34+00:00",
"source_file": "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md",
"language_code": "hi"
},
"lessons/4-ComputerVision/07-ConvNets/README.md": {
"original_hash": "a560d5b845962cf33dc102266e409568",
"translation_date": "2025-09-23T13:28:15+00:00",
"source_file": "lessons/4-ComputerVision/07-ConvNets/README.md",
"language_code": "hi"
},
"lessons/4-ComputerVision/07-ConvNets/lab/README.md": {
"original_hash": "b70fcf7fcee862990f848c679090943f",
"translation_date": "2025-10-03T14:53:30+00:00",
"source_file": "lessons/4-ComputerVision/07-ConvNets/lab/README.md",
"language_code": "hi"
},
"lessons/4-ComputerVision/08-TransferLearning/README.md": {
"original_hash": "178c0b5ee5395733eb18aec51e71a0a9",
"translation_date": "2025-09-23T13:28:51+00:00",
"source_file": "lessons/4-ComputerVision/08-TransferLearning/README.md",
"language_code": "hi"
},
"lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md": {
"original_hash": "ae074cd940fc2f4dc24fc07b66ccbd99",
"translation_date": "2025-08-24T09:56:29+00:00",
"source_file": "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md",
"language_code": "hi"
},
"lessons/4-ComputerVision/08-TransferLearning/lab/README.md": {
"original_hash": "7765935c35fcee69b9fe2d0cfd6963e2",
"translation_date": "2025-08-24T09:57:07+00:00",
"source_file": "lessons/4-ComputerVision/08-TransferLearning/lab/README.md",
"language_code": "hi"
},
"lessons/4-ComputerVision/09-Autoencoders/README.md": {
"original_hash": "1b8d9e1b3a6f1daa864b1ff3dfc3076d",
"translation_date": "2025-09-23T13:30:12+00:00",
"source_file": "lessons/4-ComputerVision/09-Autoencoders/README.md",
"language_code": "hi"
},
"lessons/4-ComputerVision/10-GANs/README.md": {
"original_hash": "0ff65b4da07b23697235de2beb2a3c25",
"translation_date": "2025-09-23T13:31:02+00:00",
"source_file": "lessons/4-ComputerVision/10-GANs/README.md",
"language_code": "hi"
},
"lessons/4-ComputerVision/11-ObjectDetection/README.md": {
"original_hash": "d76a7eda28de5210c8b1ba50a6216c69",
"translation_date": "2025-09-23T13:29:38+00:00",
"source_file": "lessons/4-ComputerVision/11-ObjectDetection/README.md",
"language_code": "hi"
},
"lessons/4-ComputerVision/11-ObjectDetection/lab/README.md": {
"original_hash": "ad568d55ae65c856fe929fc2b278510a",
"translation_date": "2025-08-24T09:54:23+00:00",
"source_file": "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md",
"language_code": "hi"
},
"lessons/4-ComputerVision/12-Segmentation/README.md": {
"original_hash": "6568aaae7e0e4afed4b5d74b5b223700",
"translation_date": "2025-09-23T13:30:45+00:00",
"source_file": "lessons/4-ComputerVision/12-Segmentation/README.md",
"language_code": "hi"
},
"lessons/4-ComputerVision/12-Segmentation/lab/README.md": {
"original_hash": "365f0decfe0f47b460bbde8227c5009d",
"translation_date": "2025-08-24T09:53:06+00:00",
"source_file": "lessons/4-ComputerVision/12-Segmentation/lab/README.md",
"language_code": "hi"
},
"lessons/4-ComputerVision/README.md": {
"original_hash": "58a52f000089c1d8906a4daa4ab1169b",
"translation_date": "2025-08-24T09:52:07+00:00",
"source_file": "lessons/4-ComputerVision/README.md",
"language_code": "hi"
},
"lessons/5-NLP/13-TextRep/README.md": {
"original_hash": "dbd3f73e4139f030ecb2e20387d70fee",
"translation_date": "2025-09-23T13:38:04+00:00",
"source_file": "lessons/5-NLP/13-TextRep/README.md",
"language_code": "hi"
},
"lessons/5-NLP/13-TextRep/assignment.md": {
"original_hash": "cdc1f2e631f055f3473b36d18e4760b3",
"translation_date": "2025-08-24T09:49:53+00:00",
"source_file": "lessons/5-NLP/13-TextRep/assignment.md",
"language_code": "hi"
},
"lessons/5-NLP/14-Embeddings/README.md": {
"original_hash": "b708c9b85b833864c73c6281f1e6b96e",
"translation_date": "2025-09-23T13:37:40+00:00",
"source_file": "lessons/5-NLP/14-Embeddings/README.md",
"language_code": "hi"
},
"lessons/5-NLP/14-Embeddings/assignment.md": {
"original_hash": "bc690ecf68b38d311cc9e12f3144a28c",
"translation_date": "2025-08-24T09:48:52+00:00",
"source_file": "lessons/5-NLP/14-Embeddings/assignment.md",
"language_code": "hi"
},
"lessons/5-NLP/15-LanguageModeling/README.md": {
"original_hash": "7ba20f54a5bfcd6521018cdfb17c7c57",
"translation_date": "2025-09-23T13:35:37+00:00",
"source_file": "lessons/5-NLP/15-LanguageModeling/README.md",
"language_code": "hi"
},
"lessons/5-NLP/15-LanguageModeling/lab/README.md": {
"original_hash": "5130f01fdc5ebb83032b23d489027aac",
"translation_date": "2025-08-24T09:50:19+00:00",
"source_file": "lessons/5-NLP/15-LanguageModeling/lab/README.md",
"language_code": "hi"
},
"lessons/5-NLP/16-RNN/README.md": {
"original_hash": "e2273cc150380a5e191903cea858f021",
"translation_date": "2025-09-23T13:36:59+00:00",
"source_file": "lessons/5-NLP/16-RNN/README.md",
"language_code": "hi"
},
"lessons/5-NLP/16-RNN/assignment.md": {
"original_hash": "47f7d3c6a5373543e051e4d1140ce898",
"translation_date": "2025-08-24T09:48:19+00:00",
"source_file": "lessons/5-NLP/16-RNN/assignment.md",
"language_code": "hi"
},
"lessons/5-NLP/17-GenerativeNetworks/README.md": {
"original_hash": "51be6057374d01d70e07dd5ec88ebc0d",
"translation_date": "2025-09-23T13:35:16+00:00",
"source_file": "lessons/5-NLP/17-GenerativeNetworks/README.md",
"language_code": "hi"
},
"lessons/5-NLP/17-GenerativeNetworks/lab/README.md": {
"original_hash": "439e12796197a90e7623d4c9c057b9c2",
"translation_date": "2025-08-24T09:49:26+00:00",
"source_file": "lessons/5-NLP/17-GenerativeNetworks/lab/README.md",
"language_code": "hi"
},
"lessons/5-NLP/18-Transformers/README.md": {
"original_hash": "f335dfcb4a993920504c387973a36957",
"translation_date": "2025-09-23T13:35:48+00:00",
"source_file": "lessons/5-NLP/18-Transformers/README.md",
"language_code": "hi"
},
"lessons/5-NLP/18-Transformers/assignment.md": {
"original_hash": "177f3ea3995d725e6f9f5c66af16edcd",
"translation_date": "2025-08-24T09:50:28+00:00",
"source_file": "lessons/5-NLP/18-Transformers/assignment.md",
"language_code": "hi"
},
"lessons/5-NLP/19-NER/README.md": {
"original_hash": "6522312ff835796ca34136a9462fafb2",
"translation_date": "2025-09-23T13:36:39+00:00",
"source_file": "lessons/5-NLP/19-NER/README.md",
"language_code": "hi"
},
"lessons/5-NLP/19-NER/lab/README.md": {
"original_hash": "032bda5068f543d6c1fcb30c34231461",
"translation_date": "2025-08-24T09:50:57+00:00",
"source_file": "lessons/5-NLP/19-NER/lab/README.md",
"language_code": "hi"
},
"lessons/5-NLP/20-LangModels/README.md": {
"original_hash": "97836d30a6bec736f8e3b4411c572bc2",
"translation_date": "2025-09-23T13:36:21+00:00",
"source_file": "lessons/5-NLP/20-LangModels/README.md",
"language_code": "hi"
},
"lessons/5-NLP/README.md": {
"original_hash": "8ef02a9318257ea140ed3ed74442096d",
"translation_date": "2025-08-24T09:47:25+00:00",
"source_file": "lessons/5-NLP/README.md",
"language_code": "hi"
},
"lessons/6-Other/21-GeneticAlgorithms/README.md": {
"original_hash": "6bbd632dfe6c62e5f66bb51fd78c174a",
"translation_date": "2025-09-23T13:26:31+00:00",
"source_file": "lessons/6-Other/21-GeneticAlgorithms/README.md",
"language_code": "hi"
},
"lessons/6-Other/22-DeepRL/README.md": {
"original_hash": "04395657fc01648f8f70484d0e55ab67",
"translation_date": "2025-09-23T13:27:39+00:00",
"source_file": "lessons/6-Other/22-DeepRL/README.md",
"language_code": "hi"
},
"lessons/6-Other/22-DeepRL/lab/README.md": {
"original_hash": "7bd8dc72040e98e35e7225e34058cd4e",
"translation_date": "2025-08-24T09:58:55+00:00",
"source_file": "lessons/6-Other/22-DeepRL/lab/README.md",
"language_code": "hi"
},
"lessons/6-Other/23-MultiagentSystems/README.md": {
"original_hash": "38a1185ae3d54b180378bbd71ae3ef16",
"translation_date": "2025-09-23T13:27:14+00:00",
"source_file": "lessons/6-Other/23-MultiagentSystems/README.md",
"language_code": "hi"
},
"lessons/6-Other/23-MultiagentSystems/assignment.md": {
"original_hash": "cf654ca60c7f86c8dad28596fb42994b",
"translation_date": "2025-08-24T09:58:22+00:00",
"source_file": "lessons/6-Other/23-MultiagentSystems/assignment.md",
"language_code": "hi"
},
"lessons/7-Ethics/README.md": {
"original_hash": "437c988596e751072e41a5aad3fcc5d9",
"translation_date": "2025-08-24T09:47:10+00:00",
"source_file": "lessons/7-Ethics/README.md",
"language_code": "hi"
},
"lessons/README.md": {
"original_hash": "5fef1a0b22498d7188959e2a2cb08af7",
"translation_date": "2025-08-24T09:47:04+00:00",
"source_file": "lessons/README.md",
"language_code": "hi"
},
"lessons/X-Extras/X1-MultiModal/README.md": {
"original_hash": "9c592c26aca16ca085d268c732284187",
"translation_date": "2025-08-24T09:59:02+00:00",
"source_file": "lessons/X-Extras/X1-MultiModal/README.md",
"language_code": "hi"
},
"lessons/sketchnotes/LICENSE.md": {
"original_hash": "45ab63a2cd8f5faef6c9b150618837a4",
"translation_date": "2025-08-24T10:02:08+00:00",
"source_file": "lessons/sketchnotes/LICENSE.md",
"language_code": "hi"
},
"lessons/sketchnotes/README.md": {
"original_hash": "050b8bddebafba55b129414e6ab096ab",
"translation_date": "2025-08-24T10:01:13+00:00",
"source_file": "lessons/sketchnotes/README.md",
"language_code": "hi"
},
"troubleshoot.md": {
"original_hash": "8d9c5a4a7c7798d699672a22cb7fea86",
"translation_date": "2025-10-03T09:39:22+00:00",
"source_file": "troubleshoot.md",
"language_code": "hi"
}
}

9
translations/hi/AGENTS.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "6b11a37115944252ab3ed04e358d830d",
"translation_date": "2025-10-03T09:16:41+00:00",
"source_file": "AGENTS.md",
"language_code": "hi"
}
-->
# AGENTS.md
## परियोजना का अवलोकन

256
translations/hi/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "85102ce4bfab31103e99dc8ca2e2f181",
"translation_date": "2026-01-15T12:59:53+00:00",
"source_file": "README.md",
"language_code": "hi"
}
-->
[![GitHub license](https://img.shields.io/github/license/microsoft/AI-For-Beginners.svg)](https://github.com/microsoft/AI-For-Beginners/blob/main/LICENSE)
[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/graphs/contributors/)
[![GitHub issues](https://img.shields.io/github/issues/microsoft/AI-For-Beginners.svg)](https://GitHub.com/microsoft/AI-For-Beginners/issues/)
@ -21,213 +12,214 @@ CO_OP_TRANSLATOR_METADATA:
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
# शुरुआती के लिए आर्टिफिशियल इंटेलिजेंस - एक पाठ्यक्रम
# शुरुआती लोगों के लिए आर्टिफिशियल इंटेलिजेंस - एक पाठ्यक्रम
|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../../../translated_images/hi/ai-overview.0857791951d19500.webp)|
|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../translated_images/hi/ai-overview.0857791951d19500.webp)|
|:---:|
| शुरुआती के लिए AI - _स्केचनोट [@girlie_mac](https://twitter.com/girlie_mac) द्वारा_ |
| शुरुआती लोगों के लिए AI - _स्केच नोट द्वारा [@girlie_mac](https://twitter.com/girlie_mac)_ |
हमारे 12-सप्ताह, 24-पाठ्यक्रम के साथ **आर्टिफिशियल इंटेलिजेंस** (AI) की दुनिया का अन्वेषण करें! इसमें व्यावहारिक पाठ, क्विज़ और प्रयोगशालाएँ शामिल हैं। यह पाठ्यक्रम शुरुआती के लिए अनुकूल है और TensorFlow और PyTorch जैसे उपकरणों के साथ-साथ AI में नैतिकता को भी कवर करता है।
हमारे 12 सप्ताह, 24-पाठ के पाठ्यक्रम के साथ **आर्टिफिशियल इंटेलिजेंस** (AI) की दुनिया का अन्वेषण करें! इसमें व्यावहारिक पाठ, प्रश्नोत्तरी और प्रयोगशालाएँ शामिल हैं। यह पाठ्यक्रम शुरुआती लोगों के लिए अनुकूल है और TensorFlow और PyTorch जैसे टूल्स के साथ-साथ AI में नैतिकता को भी कवर करता है।
### 🌐 बहुभाषी समर्थन
#### GitHub Action के माध्यम से समर्थित (स्वचालित और हमेशा अद्यतन)
#### GitHub Action के माध्यम से समर्थित (स्वचालित और हमेशा अपडेट रहता है)
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](./README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](./README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
> **स्थानीय रूप से क्लोन करना पसंद करते हैं?**
> यह रिपॉजिटरी 50+ भाषा अनुवादों को शामिल करता है जो डाउनलोड साइज को काफी बढ़ाता है। बिना अनुवाद के क्लोन करने के लिए, sparse checkout का उपयोग करें:
> इस रिपॉजिटरी में 50+ भाषा अनुवाद शामिल हैं जो डाउनलोड आकार को काफी बढ़ा देते हैं। बिना अनुवाद के क्लोन करने के लिए sparse checkout का उपयोग करें:
> ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git
> cd AI-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> यह आपको कोर्स पूरा करने के लिए आवश्यक सब कुछ देता है, और डाउनलोड बहुत तेज़ होता है।
> यह आपको बहुत तेज़ डाउनलोड के साथ पाठ्यक्रम पूरा करने के लिए आवश्यक सब कुछ देता है।
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**यदि आप अतिरिक्त भाषाओं के समर्थन की इच्छा रखते हैं तो सूची [यहाँ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) उपलब्ध है।**
**यदि आप अतिरिक्त भाषा अनुवाद चाहते हैं तो समर्थित भाषाएँ [यहाँ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) सूचीबद्ध हैं**
## समुदाय से जुड़ें
## समुदाय में शामिल हों
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
## आप क्या सीखेंगे
**[कोर्स का माइंडमैप](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)**
**[पाठ्यक्रम का माइंडमैप](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)**
इस पाठ्यक्रम में, आप सीखेंगे:
* आर्टिफिशियल इंटेलिजेंस के विभिन्न दृष्टिकोण, जिसमें "पुराना" प्रतीकात्मक तरीका शामिल है, जिसमें **ज्ञान प्रतिनिधित्व** और तर्कशक्ति ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)) शामिल हैं।
* **न्यूरल नेटवर्क्स** और **डीप लर्निंग**, जो आधुनिक AI के मूल में हैं। हम इन महत्वपूर्ण विषयों के पीछे की अवधारणाओं को कोड के माध्यम से दो सबसे लोकप्रिय फ्रेमवर्क्स - [TensorFlow](http://Tensorflow.org) और [PyTorch](http://pytorch.org) में समझाएंगे।
* छवियों और टेक्स्ट के साथ काम करने के लिए **न्यूरल आर्किटेक्चर**। हम वर्तमान मॉडल को कवर करेंगे लेकिन यह अत्याधुनिक स्तर पर थोड़ा कम हो सकता है।
* कम लोकप्रिय AI दृष्टिकोण, जैसे कि **जैविक एल्गोरिदम** और **मल्टी-एजेंट सिस्टम**।
* आर्टिफिशियल इंटेलिजेंस के विभिन्न दृष्टिकोण, जिनमें "पुरानी अच्छी" प्रतीकात्मक विधि शामिल है जिसमें **ज्ञान प्रतिनिधित्व** और तर्क ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)) शामिल हैं।
* **न्यूरल नेटवर्क** और **डीप लर्निंग**, जो आधुनिक AI के मूल में हैं। हम इन महत्वपूर्ण विषयों के पीछे के सिद्धांतों को दो लोकप्रिय फ्रेमवर्क, [TensorFlow](http://Tensorflow.org) और [PyTorch](http://pytorch.org) में कोड का उपयोग करके समझाएँगे।
* छवियों और टेक्स्ट के साथ काम करने के लिए **न्यूरल आर्किटेक्चर**। हम हाल के मॉडल कवर करेंगे लेकिन संभवत: अत्याधुनिक की तुलना में थोड़े कम होंगे।
* कम लोकप्रिय AI दृष्टिकोण, जैसे कि **जेनेटिक एल्गोरिदम** और **मल्टी-एजेंट सिस्टम**।
इस पाठ्यक्रम में हम जो कवर नहीं करेंगे:
इस पाठ्यक्रम में हम क्या शामिल नहीं करेंगे:
> [इस कोर्स के सभी अतिरिक्त संसाधन हमारे Microsoft Learn संग्रह में देखें](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)
> [इस कोर्स के सभी अतिरिक्त संसाधन हमारी Microsoft Learn संग्रह में देखें](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)
* **व्यवसाय में AI** के व्यवसायिक मामले। Microsoft Learn पर [Introduction to AI for business users](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) लर्निंग पाथ या [AI Business School](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), जो [INSEAD](https://www.insead.edu/) के साथ सहयोग में विकसित किया गया है, लेने पर विचार करें।
* **बिजनेस में AI** के उपयोग के व्यावसायिक मामले। माइक्रोसॉफ्ट लर्न पर [Introduction to AI for business users](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) सीखने के पथ या [AI Business School](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum) पर विचार करें, जो [INSEAD](https://www.insead.edu/) के साथ सहयोग में विकसित है।
* **क्लासिक मशीन लर्निंग**, जिसे हमारे [Machine Learning for Beginners Curriculum](http://github.com/Microsoft/ML-for-Beginners) में अच्छी तरह से वर्णित किया गया है।
* **[कॉग्निटिव सर्विसेज](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)** का उपयोग करके व्यावहारिक AI अनुप्रयोग। इसके लिए, हम Microsoft Learn के [vision](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [प्राकृतिक भाषा प्रसंस्करण](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Azure OpenAI सेवा के साथ जनरेटिव AI](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** और अन्य मॉड्यूल से शुरुआत करने की सलाह देते हैं।
* विशिष्ट ML **क्लाउड फ्रेमवर्क**, जैसे [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum), या [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum)। [Azure Machine Learning के साथ मशीन लर्निंग समाधान बनाएं और संचालित करें](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) और [Azure Databricks के साथ मशीन लर्निंग समाधान बनाएं और संचालित करें](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) लर्निंग पाथ का उपयोग करने पर विचार करें।
* **संवादी AI** और **चैट बॉट्स**। इसके लिए एक अलग [Create conversational AI solutions](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) लर्निंग पाथ है, और आप अधिक विवरण के लिए [यह ब्लॉग पोस्ट](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) भी देख सकते हैं।
* डीप लर्निंग के पीछे की **गहन गणित**। इसके लिए, हम Ian Goodfellow, Yoshua Bengio और Aaron Courville द्वारा लिखित [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) की सिफारिश करेंगे, जो ऑनलाइन [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/) पर भी उपलब्ध है।
* व्यावहारिक AI अनुप्रयोग जो **[Cognitive Services](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)** का उपयोग करते हैं। इसके लिए, हम Microsoft Learn के मॉड्यूल से [vision](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [natural language processing](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Azure OpenAI Service के साथ Generative AI](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** और अन्य से शुरू करने की सलाह देते हैं।
* विशिष्ट ML **क्लाउड फ्रेमवर्क**, जैसे [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum), या [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum)। आप [Azure Machine Learning के साथ मशीन लर्निंग समाधान बनाएं और संचालित करें](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) और [Azure Databricks के साथ मशीन लर्निंग समाधान बनाएं और संचालित करें](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) सीखने के पथों का उपयोग करने पर विचार करें।
* **संवादी AI** और **चैट बॉट्स**। इसके लिए एक अलग [Create conversational AI solutions](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) सीखने का पथ है, और आप अधिक विवरण के लिए [इस ब्लॉग पोस्ट](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) का भी संदर्भ ले सकते हैं।
* गहरे सीखने के पीछे की **गहरी गणित**। इसके लिए, हम ian Goodfellow, Yoshua Bengio और Aaron Courville द्वारा [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) पुस्तक अनुशंसा करते हैं, जो ऑनलाइन [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/) पर भी उपलब्ध है।
_क्लाउड में AI_ विषयों की मुलायम शुरुआत के लिए आप [Azure पर आर्टिफिशियल इंटेलिजेंस के साथ शुरुआत करें](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) लर्निंग पाथ लेने पर विचार कर सकते हैं।
_क्लाउड में AI_ विषयों के लिए एक सौम्य परिचय के रूप में, आप [Get started with artificial intelligence on Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) सीखने के पथ को ले सकते हैं।
# सामग्री
| | पाठ्य लिंक | PyTorch/Keras/TensorFlow | प्रयोगशाला |
| | पाठ लिंक | PyTorch/Keras/TensorFlow | प्रयोगशाला |
| :-: | :------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ------------------------------------------------------------------------------ |
| 0 | [कोर्स सेटअप](./lessons/0-course-setup/setup.md) | [अपना विकास वातावरण सेटअप करें](./lessons/0-course-setup/how-to-run.md) | |
| I | [**AI परिचय**](./lessons/1-Intro/README.md) | | |
| 0 | [कोर्स सेटअप](./lessons/0-course-setup/setup.md) | [अपना विकास वातावरण सेट करें](./lessons/0-course-setup/how-to-run.md) | |
| I | [**AI का परिचय**](./lessons/1-Intro/README.md) | | |
| 01 | [AI का परिचय और इतिहास](./lessons/1-Intro/README.md) | - | - |
| II | **प्रतीकात्मक AI** |
| 02 | [ज्ञान प्रतिनिधित्व और विशेषज्ञ प्रणालियाँ](./lessons/2-Symbolic/README.md) | [विशेषज्ञ प्रणालियाँ](./lessons/2-Symbolic/Animals.ipynb) / [ऑन्टोलॉजी](./lessons/2-Symbolic/FamilyOntology.ipynb) /[कॉन्सेप्ट ग्राफ़](./lessons/2-Symbolic/MSConceptGraph.ipynb) | |
| 02 | [ज्ञान प्रतिनिधित्व और विशेषज्ञ प्रणाली](./lessons/2-Symbolic/README.md) | [विशेषज्ञ प्रणाली](./lessons/2-Symbolic/Animals.ipynb) / [ओन्टोलॉजी](./lessons/2-Symbolic/FamilyOntology.ipynb) /[कॉन्सेप्ट ग्राफ़](./lessons/2-Symbolic/MSConceptGraph.ipynb) | |
| III | [**न्यूरल नेटवर्क्स का परिचय**](./lessons/3-NeuralNetworks/README.md) |||
| 03 | [पर्सेप्ट्रॉन](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [नोटबुक](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [प्रयोगशाला](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) |
| 04 | [मल्टी-लेयर्ड पर्सेप्ट्रॉन और हमारा अपना फ्रेमवर्क बनाना](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [नोटबुक](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [प्रयोगशाला](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) |
| 05 | [फ़्रेमवर्क्स (PyTorch/TensorFlow) का परिचय और ओवरफिटिंग](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [प्रयोगशाला](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) |
| IV | [**कंप्यूटर विज़न**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [Microsoft Azure पर कंप्यूटर विज़न का पता लगाएँ](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) |
| 03 | [पर्सेप्ट्रोन](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [नोटबुक](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [प्रयोगशाला](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) |
| 04 | [मल्टी-लेयर्ड पर्सेप्ट्रोन और अपना खुद का फ्रेमवर्क बनाना](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [नोटबुक](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [प्रयोगशाला](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) |
| 05 | [फ्रेमवर्क्स (PyTorch/TensorFlow) का परिचय और ओवरफिटिंग](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [प्रयोगशाला](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) |
| IV | [**कंप्यूटर विज़न**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [Microsoft Azure पर कंप्यूटर विज़न का अन्वेषण करें](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) |
| 06 | [कंप्यूटर विज़न का परिचय। OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [नोटबुक](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [प्रयोगशाला](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) |
| 07 | [कन्वोल्यूशनल न्यूरल नेटवर्क्स](./lessons/4-ComputerVision/07-ConvNets/README.md) & [CNN वास्तुकलाएँ](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [प्रयोगशाला](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) |
| 08 | [पूर्व-प्रशिक्षित नेटवर्क और ट्रांसफर लर्निंग](./lessons/4-ComputerVision/08-TransferLearning/README.md) और [प्रशिक्षण युक्तियाँ](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [प्रयोगशाला](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) |
| 07 | [कन्वोल्यूशनल न्यूरल नेटवर्क्स](./lessons/4-ComputerVision/07-ConvNets/README.md) & [CNN आर्किटेक्चर](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [प्रयोगशाला](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) |
| 08 | [प्रशिक्षित नेटवर्क और ट्रांसफर लर्निंग](./lessons/4-ComputerVision/08-TransferLearning/README.md) और [ट्रेनिंग ट्रिक्स](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [प्रयोगशाला](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) |
| 09 | [ऑटोएन्कोडर्स और VAE](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | |
| 10 | [जनरेटिव एडवरसैरियल नेटवर्क्स और कलाकार शैली ट्रांसफर](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | |
| 10 | [जनरेटिव एडवरसैरियल नेटवर्क्स और आर्टिस्टिक स्टाइल ट्रांसफर](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | |
| 11 | [ऑब्जेक्ट डिटेक्शन](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [प्रयोगशाला](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) |
| 12 | [सैमांटिक सेगमेंटेशन। यू-नेट](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | |
| V | [**प्राकृतिक भाषा प्रसंस्करण**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [Microsoft Azure पर प्राकृतिक भाषा प्रसंस्करण का पता लगाएँ](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)|
| 13 | [पाठ प्रतिनिधित्व। बो/टीएफ-आईडीएफ](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | |
| 14 | [सैमांटिक शब्द एम्बेडिंग्स। Word2Vec और GloVe](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | |
| 15 | [भाषा मॉडलिंग। अपना खुद का एम्बेडिंग प्रशिक्षण](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [प्रयोगशाला](./lessons/5-NLP/15-LanguageModeling/lab/README.md) |
| 16 | [रैकरेंट न्यूरल नेटवर्क्स](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | |
| 17 | [जनरेटिव रैकरेंट नेटवर्क्स](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [प्रयोगशाला](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) |
| 18 | [ट्रांसफॉर्मर्स। BERT।](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | |
| 12 | [सेमांटिक सेगमेंटेशन। यू-नेट](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | |
| V | [**प्राकृतिक भाषा प्रसंस्करण**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [Microsoft Azure पर प्राकृतिक भाषा प्रसंस्करण का अन्वेषण करें](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)|
| 13 | [पाठ प्रतिनिधित्व। Bow/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | |
| 14 | [सेमांटिक शब्द एम्बेडिंग्स। Word2Vec और GloVe](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | |
| 15 | [भाषा मॉडलिंग। अपनी खुद की एम्बेडिंग्स का प्रशिक्षण](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [प्रयोगशाला](./lessons/5-NLP/15-LanguageModeling/lab/README.md) |
| 16 | [रेकरेन्ट न्यूरल नेटवर्क्स](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | |
| 17 | [जनरेटिव रेकरेन्ट नेटवर्क्स](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [प्रयोगशाला](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) |
| 18 | [ट्रांसफॉर्मर्स। BERT.](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | |
| 19 | [नामित इकाई मान्यता](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [प्रयोगशाला](./lessons/5-NLP/19-NER/lab/README.md) |
| 20 | [बड़े भाषा मॉडल, प्रॉम्प्ट प्रोग्रामिंग और कुछ शॉट कार्य](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | |
| VI | **अन्य एआई तकनीकें** || |
| 21 | [जेनेटिक एल्गोरिदम](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [नोटबुक](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | |
| 22 | [डीप रिइंफोर्समेंट लर्निंग](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [प्रयोगशाला](./lessons/6-Other/22-DeepRL/lab/README.md) |
| 20 | [बड़े भाषा मॉडल, प्रॉम्प्ट प्रोग्रामिंग और फ्यू-शॉट कार्य](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | |
| VI | **अन्य AI तकनीकें** || |
| 21 | [आनुवंशिक एल्गोरिदम](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [नोटबुक](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | |
| 22 | [डीप रिइन्फोर्समेंट लर्निंग](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [प्रयोगशाला](./lessons/6-Other/22-DeepRL/lab/README.md) |
| 23 | [मल्टी-एजेंट सिस्टम्स](./lessons/6-Other/23-MultiagentSystems/README.md) | | |
| VII | **एआई नैतिकता** | | |
| 24 | [एआई नैतिकता और ज़िम्मेदार एआई](./lessons/7-Ethics/README.md) | [Microsoft Learn: ज़िम्मेदार एआई सिद्धांत](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | |
| VII | **AI नैतिकता** | | |
| 24 | [AI नैतिकता और जिम्मेदार AI](./lessons/7-Ethics/README.md) | [Microsoft Learn: ज़िम्मेदार AI सिद्धांत](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | |
| IX | **अतिरिक्त** | | |
| 25 | [मल्टी-मॉडल नेटवर्क्स, CLIP और VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [नोटबुक](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | |
| 25 | [मल्टी-मोडल नेटवर्क्स, CLIP और VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [नोटबुक](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | |
## प्रत्येक पाठ में शामिल है
## प्रत्येक पाठ में शामिल हैं
* पूर्व-पठन सामग्री
* निष्पादित जुपिटर नोटबुक्स, जो अक्सर फ्रेमवर्क (**PyTorch** या **TensorFlow**) के लिए विशिष्ट होती हैं। निष्पादित नोटबुक में बहुत सारी सैद्धांतिक सामग्री भी होती है, इसलिए विषय को समझने के लिए आपको कम से कम एक संस्करण (या तो PyTorch या TensorFlow) पढ़ना आवश्यक है।
* कुछ विषयों के लिए उपलब्ध **प्रयोगशालाएँ**, जो आपको सीखी गई सामग्री को किसी विशिष्ट समस्या पर लागू करने का अवसर देती हैं।
* कुछ अनुभागों में [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) मॉड्यूल्स के लिंक शामिल हैं जो संबंधित विषयों को कवर करते हैं।
* निष्पादित करने योग्य जुपिटर नोटबुक, जो अक्सर फ्रेमवर्क (**PyTorch** या **TensorFlow**) विशेष होते हैं। निष्पादित नोटबुक में बहुत सारा सैद्धांतिक सामग्री भी होता है, इसलिए विषय को समझने के लिए आपको कम से कम एक संस्करण (चाहे PyTorch हो या TensorFlow) से गुजरना होगा।
* कुछ विषयों के लिए **प्रयोगशालाएँ** उपलब्ध हैं, जो आपको आपने सीखे गए सामग्री को किसी विशिष्ट समस्या पर लागू करने का अवसर देती हैं।
* कुछ अनुभागों में संबंधित विषयों को कवर करने वाले [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) मॉड्यूल के लिंक होते हैं।
## शुरुआत करना
## आरंभ करना
### 🎯 एआई में नए हैं? यहाँ से शुरू करें!
### 🎯 AI में नए हैं? यहाँ से शुरू करें!
अगर आप एआई में पूरी तरह से नया हैं और त्वरित, व्यावहारिक उदाहरण चाहते हैं, तो हमारे [**शुरुआत के अनुकूल उदाहरण**](./examples/README.md) देखें! इनमें शामिल हैं:
यदि आप AI में बिल्कुल नए हैं और जल्दी से हाथों-हाथ उदाहरण चाहते हैं, तो हमारे [**शुरुआती-मित्रExamples**](./examples/README.md) देखें! इनमें शामिल हैं:
- 🌟 **हैलो एआई वर्ल्ड** - आपका पहला एआई प्रोग्राम (पैटर्न पहचान)
- 🧠 **सरल न्यूरल नेटवर्क** - खरोंच से न्यूरल नेटवर्क बनाएं
- 🖼️ **छवि वर्गीकर्ता** - टिप्पणियों के साथ छवियों को वर्गीकृत करें
- 💬 **टेक्स्ट सेंटिमेंट** - सकारात्मक/नकारात्मक टेक्स्ट का विश्लेषण करें
- 🌟 **हेलो AI वर्ल्ड** - आपका पहला AI प्रोग्राम (पैटर्न पहचान)
- 🧠 **सरल न्यूरल नेटवर्क** - स्क्रैच से एक न्यूरल नेटवर्क बनाएं
ये उदाहरण आपको पूरी पाठ्यक्रम में गोता लगाने से पहले AI अवधारणाओं को समझने में मदद करने के लिए डिज़ाइन किए गए हैं।
- 🖼️ **इमेज क्लासीफ़ायर** - विस्तृत टिप्पणियों के साथ छवियों को वर्गीकृत करें
- 💬 **टेक्स्ट सेंटिमेंट** - सकारात्मक/नकारात्मक टेक्स्ट का विश्लेषण करें
### 📚 पूर्ण पाठ्यक्रम सेटअप
ये उदाहरण आपको पूर्ण पाठ्यक्रम में गहराई से जाने से पहले AI अवधारणाओं को समझने में मदद करने के लिए डिज़ाइन किए गए हैं।
- हमने आपके विकास पर्यावरण को सेटअप करने में मदद के लिए एक [सेटअप पाठ](./lessons/0-course-setup/setup.md) बनाया है। - शिक्षकों के लिए, हमने आपके लिए भी एक [पाठ्यक्रम सेटअप पाठ](./lessons/0-course-setup/for-teachers.md) बनाया है!
- VSCode या Codespace में [कोड कैसे चलाएं](./lessons/0-course-setup/how-to-run.md)
### 📚 पूर्ण पाठ्यक्रम सेटअप
इन चरणों का पालन करें:
- हमने आपके विकास पर्यावरण को सेट अप करने में मदद करने के लिए एक [सेटअप पाठ](./lessons/0-course-setup/setup.md) बनाया है। - शिक्षकों के लिए, हमने आपके लिए भी एक [पाठ्यक्रम सेटअप पाठ](./lessons/0-course-setup/for-teachers.md) बनाया है!
- VSCode या Codespace में [कोड कैसे चलाएं](./lessons/0-course-setup/how-to-run.md)
भंडार को फोर्क करें: इस पेज के शीर्ष-दाएँ कोने में "Fork" बटन पर क्लिक करें।
इन चरणों का पालन करें:
भंडार क्लोन करें: `git clone https://github.com/microsoft/AI-For-Beginners.git`
रिपॉजिटरी को फोर्क करें: इस पृष्ठ के ऊपर-दाएं कोने में "Fork" बटन पर क्लिक करें।
बाद में इसे आसानी से ढूंढने के लिए इस रिपॉजिटरी को स्टार (🌟) करना न भूलें।
रिपॉजिटरी क्लोन करें: `git clone https://github.com/microsoft/AI-For-Beginners.git`
## अन्य शिक्षार्थियों से मिलें
बाद में इसे आसानी से खोजने के लिए इस रिपॉजिटरी को स्टार (🌟) करना न भूलें।
इस कोर्स को कर रहे अन्य शिक्षार्थियों से मिलने और नेटवर्क बनाने के लिए हमारे [अधिकारिक AI डिस्कॉर्ड सर्वर](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) में शामिल हों और सहायता प्राप्त करें।
## अन्य शिक्षार्थियों से मिलें
यदि आपके पास उत्पाद प्रतिक्रिया या प्रश्न हैं तो हमारे [Azure AI Foundry डेवलपर फोरम](https://aka.ms/foundry/forum) पर जाएँ।
इस कोर्स को कर रहे अन्य शिक्षार्थियों से मिलने और नेटवर्क बनाने के लिए हमारे [आधिकारिक AI डिस्कॉर्ड सर्वर](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) में शामिल हों और सहायता पाएं।
## क्विज़
यदि आपके पास उत्पाद प्रतिक्रिया या प्रश्न हैं तो हमारे [Azure AI Foundry डेवलपर फोरम](https://aka.ms/foundry/forum) पर जाएं।
> **क्विज़ के बारे में एक नोट**: सभी क्विज़ क्विज़-ऐप फ़ोल्डर में मौजूद हैं जो etc\quiz-app में है, या [यहाँ ऑनलाइन](https://ff-quizzes.netlify.app/)। इन्हें पाठ्यक्रम के भीतर लिंक किया गया है। क्विज़ ऐप को स्थानीय रूप से चलाया जा सकता है या Azure पर तैनात किया जा सकता है; `quiz-app` फ़ोल्डर में निर्देशों का पालन करें। इन्हें धीरे-धीरे स्थानीयकृत किया जा रहा है।
## क्विज़
## सहायता चाहिए
> **क्विज़ के बारे में एक नोट**: सभी क्विज़ क्विज-ऐप फ़ोल्डर में आदि\quiz-app में संग्रहीत हैं, या [यहाँ ऑनलाइन](https://ff-quizzes.netlify.app/) उपलब्ध हैं। इन्हें पाठों से लिंक किया गया है। क्विज़ ऐप को स्थानीय रूप से चलाया या Azure पर तैनात किया जा सकता है; विस्तृत निर्देश `quiz-app` फ़ोल्डर में देखें। ये धीरे-धीरे स्थानीयकृत किए जा रहे हैं।
क्या आपके पास सुझाव हैं या आपने वर्तनी या कोड की गलती पाई है? मुद्दा उठाएं या पुल रिक्वेस्ट बनाएं।
## मदद चाहिए
## विशेष धन्यवाद
क्या आपके पास सुझाव हैं या आपने वर्तनी या कोड की त्रुटियां पाई हैं? एक इशू उठाएं या पुल रिक्वेस्ट बनाएं।
* **✍️ प्रमुख लेखक:** [Dmitry Soshnikov](http://soshnikov.com), PhD
* **🔥 संपादक:** [Jen Looper](https://twitter.com/jenlooper), PhD
* **🎨 स्केचक नोट चित्रकार:** [Tomomi Imura](https://twitter.com/girlie_mac)
* **✅ क्विज़ निर्माता:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/)
* **🙏 मुख्य योगदानकर्ता:** [Evgenii Pishchik](https://github.com/Pe4enIks)
## विशेष धन्यवाद
## अन्य पाठ्यक्रम
* **✍️ मुख्य लेखक:** [Dmitry Soshnikov](http://soshnikov.com), PhD
* **🔥 संपादक:** [Jen Looper](https://twitter.com/jenlooper), PhD
* **🎨 स्केचनोट चित्रकार:** [Tomomi Imura](https://twitter.com/girlie_mac)
* **✅ क्विज़ निर्माता:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/)
* **🙏 मुख्य योगदानकर्ता:** [Evgenii Pishchik](https://github.com/Pe4enIks)
हमारी टीम अन्य पाठ्यक्रम भी उत्पादन करती है! देखें:
## अन्य पाठ्यक्रम
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
हमारी टीम अन्य पाठ्यक्रम भी प्रस्तुत करती है! देखें:
---
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
### Azure / Edge / MCP / एजेंट्स
[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
---
### Generative AI सीरीज
[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### Azure / Edge / MCP / Agents
[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### कोर लर्निंग
[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Generative AI Series
[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### कोपिलट सीरीज
[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
---
### Core Learning
[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
## सहायता प्राप्त करें
---
### Copilot Series
[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
यदि आप अटके हैं या AI ऐप्लिकेशन बनाने के दौरान कोई प्रश्न हैं। MCP के बारे में चर्चाओं में साथ पढ़ने वाले और अनुभवी डेवलपर्स से जुड़ें। यह एक सहायक समुदाय है जहाँ प्रश्नों का स्वागत है और ज्ञान स्वतंत्र रूप से साझा किया जाता है।
## सहायता प्राप्त करें
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
यदि आप अटके हैं या AI ऐप्स बनाने के दौरान कोई प्रश्न हैं, तो MCP के बारे में चर्चा करने के लिए साथी शिक्षार्थी और अनुभवी डेवलपर्स के साथ जुड़ें। यह एक सहायक समुदाय है जहाँ प्रश्नों का स्वागत है और ज्ञान को स्वतंत्रता से साझा किया जाता है।
यदि आपके पास निर्माण के दौरान उत्पाद प्रतिक्रिया या त्रुटियां हैं तो जाएँ:
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
यदि आपके पास उत्पाद प्रतिक्रिया या निर्माण के दौरान त्रुटियां हैं तो इस लिंक पर जाएं:
[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**अस्वीकरण**:
यह दस्तावेज़ AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता के लिए प्रयास करते हैं, कृपया ध्यान दें कि स्वचालित अनुवाद में त्रुटियां या गलतियाँ हो सकती हैं। मूल दस्तावेज़ अपनी मूल भाषा में आधिकारिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सलाह दी जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम जिम्मेदार नहीं हैं।
**अस्वीकरण**:
इस दस्तावेज़ का अनुवाद एआई अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) का उपयोग करके किया गया है। जबकि हम सटीकता के लिए प्रयासरत हैं, कृपया ध्यान दें कि स्वचालित अनुवादों में त्रुटियाँ या गलतियां हो सकती हैं। मूल दस्तावेज़ अपनी मूल भाषा में ही प्रमाणिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानवीय अनुवाद की सलाह दी जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम जिम्मेदार नहीं हैं।
<!-- CO-OP TRANSLATOR DISCLAIMER END -->

9
translations/hi/SECURITY.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a583f49d359c7ebba61433e4dfcd05a9",
"translation_date": "2025-08-24T09:46:54+00:00",
"source_file": "SECURITY.md",
"language_code": "hi"
}
-->
## सुरक्षा
Microsoft हमारे सॉफ़्टवेयर उत्पादों और सेवाओं की सुरक्षा को गंभीरता से लेता है, जिसमें हमारे GitHub संगठनों के माध्यम से प्रबंधित सभी स्रोत कोड रिपॉजिटरी शामिल हैं, जैसे [Microsoft](https://github.com/Microsoft), [Azure](https://github.com/Azure), [DotNet](https://github.com/dotnet), [AspNet](https://github.com/aspnet), [Xamarin](https://github.com/xamarin), और [हमारे GitHub संगठन](https://opensource.microsoft.com/)।

9
translations/hi/etc/CODE_OF_CONDUCT.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-08-24T10:06:08+00:00",
"source_file": "etc/CODE_OF_CONDUCT.md",
"language_code": "hi"
}
-->
# Microsoft ओपन सोर्स आचार संहिता
इस प्रोजेक्ट ने [Microsoft ओपन सोर्स आचार संहिता](https://opensource.microsoft.com/codeofconduct/) को अपनाया है।

9
translations/hi/etc/CONTRIBUTING.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "847a587aa1b83f4d00858183ff3ed18a",
"translation_date": "2025-08-24T10:06:23+00:00",
"source_file": "etc/CONTRIBUTING.md",
"language_code": "hi"
}
-->
# योगदान देना
यह प्रोजेक्ट योगदान और सुझावों का स्वागत करता है। अधिकांश योगदानों के लिए आपको एक Contributor License Agreement (CLA) से सहमत होना होगा, जिसमें यह घोषित किया जाता है कि आपके पास अधिकार हैं और आप हमें अपने योगदान का उपयोग करने का अधिकार प्रदान करते हैं। विवरण के लिए, https://cla.microsoft.com पर जाएं।

9
translations/hi/etc/Mindmap.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "f2f88dbd2debd38e26149b27b1fd272d",
"translation_date": "2025-08-24T10:06:32+00:00",
"source_file": "etc/Mindmap.md",
"language_code": "hi"
}
-->
# एआई
## [एआई का परिचय](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/1-Intro/README.md)

9
translations/hi/etc/SUPPORT.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fdfc08baee91e402938a2b1f94fe0949",
"translation_date": "2025-08-24T10:06:01+00:00",
"source_file": "etc/SUPPORT.md",
"language_code": "hi"
}
-->
# समर्थन
## समस्याएँ दर्ज करने और सहायता प्राप्त करने का तरीका

9
translations/hi/etc/TRANSLATIONS.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "62b3e3ad5182edb905eec649a87eeeb4",
"translation_date": "2025-08-24T10:06:14+00:00",
"source_file": "etc/TRANSLATIONS.md",
"language_code": "hi"
}
-->
# पाठों का अनुवाद करके योगदान दें
हम इस पाठ्यक्रम में पाठों के अनुवाद का स्वागत करते हैं!

9
translations/hi/etc/quiz-app/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "d699cf8509f74baa5b0b838de5cf0662",
"translation_date": "2025-08-24T10:07:01+00:00",
"source_file": "etc/quiz-app/README.md",
"language_code": "hi"
}
-->
# क्विज़
ये क्विज़ AI पाठ्यक्रम के लिए प्री- और पोस्ट-लेक्चर क्विज़ हैं, जो https://aka.ms/ai-beginners पर उपलब्ध है।

9
translations/hi/examples/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "0d1babfdcbeb46525f2db3fbaaa54cd7",
"translation_date": "2025-10-03T11:28:37+00:00",
"source_file": "examples/README.md",
"language_code": "hi"
}
-->
# शुरुआती लोगों के लिए AI उदाहरण
स्वागत है! यह डायरेक्टरी सरल और स्वतंत्र उदाहरणों को शामिल करती है ताकि आप AI और मशीन लर्निंग के साथ शुरुआत कर सकें। प्रत्येक उदाहरण को शुरुआती लोगों के लिए बनाया गया है, जिसमें विस्तृत टिप्पणियां और चरण-दर-चरण व्याख्या दी गई है।

9
translations/hi/lessons/0-course-setup/for-teachers.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a094ef9927883de1cfcee51dbd143381",
"translation_date": "2025-08-24T10:05:34+00:00",
"source_file": "lessons/0-course-setup/for-teachers.md",
"language_code": "hi"
}
-->
# शिक्षकों के लिए
क्या आप इस पाठ्यक्रम को अपने कक्षा में उपयोग करना चाहेंगे? कृपया इसे स्वतंत्र रूप से उपयोग करें!

9
translations/hi/lessons/0-course-setup/how-to-run.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a4717bd9103b9f6cd84d534b83534689",
"translation_date": "2026-01-15T13:01:38+00:00",
"source_file": "lessons/0-course-setup/how-to-run.md",
"language_code": "hi"
}
-->
# कोड कैसे चलाएं
इस पाठ्यक्रम में बहुत सारे निष्पादन योग्य उदाहरण और प्रयोगशालाएँ हैं जिन्हें आप चलाना चाहेंगे। ऐसा करने के लिए, आपके पास इस पाठ्यक्रम के हिस्से के रूप में प्रदान किए गए Jupyter नोटबुक में Python कोड निष्पादित करने की क्षमता होनी चाहिए। कोड चलाने के लिए आपके पास कई विकल्प हैं:

9
translations/hi/lessons/0-course-setup/setup.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7b4e5b8956915870d0a0ed3cc5890042",
"translation_date": "2025-12-12T19:28:29+00:00",
"source_file": "lessons/0-course-setup/setup.md",
"language_code": "hi"
}
-->
# इस पाठ्यक्रम के साथ शुरुआत करें
## क्या आप एक छात्र हैं?

9
translations/hi/lessons/1-Intro/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "f57e8aa46141fd220b16ffed8f11aec7",
"translation_date": "2025-11-18T21:01:05+00:00",
"source_file": "lessons/1-Intro/README.md",
"language_code": "hi"
}
-->
# एआई का परिचय
![एआई परिचय सामग्री का सारांश एक डूडल में](../../../../translated_images/hi/ai-intro.bf28d1ac4235881c.webp)

9
translations/hi/lessons/1-Intro/assignment.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a334df77a82aaaf2a29c77065d3e481e",
"translation_date": "2025-11-18T21:02:44+00:00",
"source_file": "lessons/1-Intro/assignment.md",
"language_code": "hi"
}
-->
# गेम जैम
गेम्स एक ऐसा क्षेत्र है जो AI और ML के विकास से गहराई से प्रभावित हुआ है। इस असाइनमेंट में, उस गेम पर एक छोटा लेख लिखें जो आपको पसंद हो और जो AI के विकास से प्रभावित हुआ हो। यह गेम इतना पुराना होना चाहिए कि इसे कई प्रकार की कंप्यूटर प्रोसेसिंग सिस्टम्स से प्रभावित होने का मौका मिला हो। एक अच्छा उदाहरण शतरंज या गो हो सकता है, लेकिन वीडियो गेम्स जैसे पोंग या पैक-मैन पर भी नज़र डालें। एक ऐसा निबंध लिखें जो गेम के अतीत, वर्तमान और AI के भविष्य पर चर्चा करे।

17
translations/hi/lessons/2-Symbolic/README.md
View File

@ -1,15 +1,6 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "f9f06b266b8b2bfc6b8792ff2bb1bea4",
"translation_date": "2026-01-15T13:01:55+00:00",
"source_file": "lessons/2-Symbolic/README.md",
"language_code": "hi"
}
-->
# ज्ञान प्रतिनिधित्व और विशेषज्ञ तंत्र
![चिन्हात्मक AI सामग्री का सारांश](../../../../../../translated_images/hi/ai-symbolic.715a30cb610411a6.webp)
![चिन्हात्मक AI सामग्री का सारांश](../../../../translated_images/hi/ai-symbolic.715a30cb610411a6.webp)
> स्केचनोट द्वारा [Tomomi Imura](https://twitter.com/girlie_mac)
@ -41,7 +32,7 @@ AI के शुरुआती दिनों में, बुद्धिम
इसलिए, **ज्ञान प्रतिनिधित्व** की समस्या कुछ प्रभावी तरीके से ज्ञान को कंप्यूटर के अंदर डेटा के रूप में प्रस्तुत करने की है, ताकि इसे स्वचालित रूप से उपयोग किया जा सके। इसे एक स्पेक्ट्रम के रूप में देखा जा सकता है:
![ज्ञान प्रतिनिधित्व स्पेक्ट्रम](../../../../../../translated_images/hi/knowledge-spectrum.b60df631852c0217.webp)
![ज्ञान प्रतिनिधित्व स्पेक्ट्रम](../../../../translated_images/hi/knowledge-spectrum.b60df631852c0217.webp)
> चित्र [Dmitry Soshnikov](http://soshnikov.com) द्वारा
@ -94,7 +85,7 @@ Python | ब्लॉक-सिंटैक्स | इंडेंटेशन
प्रतीकात्मक AI की प्रारंभिक सफलताओं में से एक थे तथाकथित **विशेषज्ञ तंत्र** - कंप्यूटर प्रणालियाँ जिन्हें किसी सीमित समस्या क्षेत्र में विशेषज्ञ के रूप में कार्य करने के लिए डिज़ाइन किया गया था। वे एक **ज्ञान आधार** पर आधारित थीं जो एक या अधिक मानव विशेषज्ञों से निकाली गई थी, और उनका एक **अनुमान इंजन** था जो उसके ऊपर कुछ तर्क करता था।
![मानव वास्तुकला](../../../../../../translated_images/hi/arch-human.5d4d35f1bba3ab1c.webp) | ![ज्ञान-आधारित प्रणाली](../../../../../../translated_images/hi/arch-kbs.3ec5c150b09fa8da.webp)
![मानव वास्तुकला](../../../../translated_images/hi/arch-human.5d4d35f1bba3ab1c.webp) | ![ज्ञान-आधारित प्रणाली](../../../../translated_images/hi/arch-kbs.3ec5c150b09fa8da.webp)
---------------------------------------------|------------------------------------------------
मानव तंत्रिका तंत्र की सरल संरचना | ज्ञान-आधारित प्रणाली की संरचना
@ -106,7 +97,7 @@ Python | ब्लॉक-सिंटैक्स | इंडेंटेशन
उदाहरण के लिए, जानवर की शारीरिक विशेषताओं के आधार पर पहचान करने वाली निम्न विशेषज्ञ प्रणाली पर विचार करें:
![AND-OR ट्री](../../../../../../translated_images/hi/AND-OR-Tree.5592d2c70187f283.webp)
![AND-OR ट्री](../../../../translated_images/hi/AND-OR-Tree.5592d2c70187f283.webp)
> चित्र [Dmitry Soshnikov](http://soshnikov.com) द्वारा

9
translations/hi/lessons/2-Symbolic/assignment.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a057a8604f3976c3e309884453f1fad0",
"translation_date": "2025-08-24T10:05:05+00:00",
"source_file": "lessons/2-Symbolic/assignment.md",
"language_code": "hi"
}
-->
# एक ऑंटोलॉजी बनाएं
ज्ञान आधार बनाना किसी विषय के तथ्यों का प्रतिनिधित्व करने वाले मॉडल को वर्गीकृत करने के बारे में है। एक विषय चुनें - जैसे कोई व्यक्ति, स्थान, या वस्तु - और फिर उस विषय का एक मॉडल बनाएं। इस पाठ में वर्णित कुछ तकनीकों और मॉडल-निर्माण रणनीतियों का उपयोग करें। एक उदाहरण हो सकता है कि आप एक लिविंग रूम की ऑंटोलॉजी बनाएं जिसमें फर्नीचर, लाइट्स आदि शामिल हों। लिविंग रूम रसोई से कैसे अलग है? बाथरूम से? आपको कैसे पता चलता है कि यह लिविंग रूम है और डाइनिंग रूम नहीं? अपनी ऑंटोलॉजी बनाने के लिए [Protégé](https://protege.stanford.edu/) का उपयोग करें।

13
translations/hi/lessons/3-NeuralNetworks/03-Perceptron/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "c34cbba802058b6fa267e1a294d4e510",
"translation_date": "2025-09-23T13:34:17+00:00",
"source_file": "lessons/3-NeuralNetworks/03-Perceptron/README.md",
"language_code": "hi"
}
-->
# न्यूरल नेटवर्क का परिचय: परसेप्ट्रॉन
## [प्री-लेक्चर क्विज़](https://ff-quizzes.netlify.app/en/ai/quiz/5)
@ -15,7 +6,7 @@ CO_OP_TRANSLATOR_METADATA:
| | |
|--------------|-----------|
|<img src='images/Rosenblatt-wikipedia.jpg' alt='Frank Rosenblatt'/> | <img src='images/Mark_I_perceptron_wikipedia.jpg' alt='The Mark 1 Perceptron' />|
|<img src='../../../../../translated_images/hi/Rosenblatt-wikipedia.294821b285ac796d.webp' alt='Frank Rosenblatt'/> | <img src='../../../../../translated_images/hi/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.webp' alt='The Mark 1 Perceptron' />|
> चित्र [विकिपीडिया से](https://en.wikipedia.org/wiki/Perceptron)
@ -34,7 +25,7 @@ y(x) = f(w<sup>T</sup>x)
जहां f एक स्टेप एक्टिवेशन फंक्शन है
<!-- img src="http://www.sciweavers.org/tex2img.php?eq=f%28x%29%20%3D%20%5Cbegin%7Bcases%7D%0A%20%20%20%20%20%20%20%20%20%2B1%20%26%20x%20%5Cgeq%200%20%5C%5C%0A%20%20%20%20%20%20%20%20%20-1%20%26%20x%20%3C%200%0A%20%20%20%20%20%20%20%5Cend%7Bcases%7D%20%5C%5C%0A&bc=White&fc=Black&im=jpg&fs=12&ff=arev&edit=0" align="center" border="0" alt="f(x) = \begin{cases} +1 & x \geq 0 \\ -1 & x < 0 \end{cases} \\" width="154" height="50" / -->
<img src="images/activation-func.png"/>
<img src="../../../../../translated_images/hi/activation-func.b4924007c7ce7764.webp"/>
## परसेप्ट्रॉन को प्रशिक्षित करना

9
translations/hi/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ba5d1eb353d20d3e7181066b3c424b99",
"translation_date": "2025-08-31T14:21:50+00:00",
"source_file": "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md",
"language_code": "hi"
}
-->
# परसेप्ट्रॉन के साथ मल्टी-क्लास वर्गीकरण
[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) से लैब असाइनमेंट।

11
translations/hi/lessons/3-NeuralNetworks/04-OwnFramework/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "789d6c3fb6fc7948a470b33078a5983a",
"translation_date": "2025-09-23T13:33:40+00:00",
"source_file": "lessons/3-NeuralNetworks/04-OwnFramework/README.md",
"language_code": "hi"
}
-->
# न्यूरल नेटवर्क का परिचय: मल्टी-लेयर्ड परसेप्ट्रॉन
पिछले भाग में, आपने सबसे सरल न्यूरल नेटवर्क मॉडल - एक-लेयर परसेप्ट्रॉन, एक रेखीय दो-वर्ग वर्गीकरण मॉडल के बारे में सीखा।
@ -65,7 +56,7 @@ CO_OP_TRANSLATOR_METADATA:
ध्यान दें कि इन सभी अभिव्यक्तियों का बायां भाग समान है, और इसलिए हम प्रभावी रूप से लॉस फंक्शन से शुरू करके और "पीछे की ओर" कम्प्यूटेशनल ग्राफ के माध्यम से डेरिवेटिव्स की गणना कर सकते हैं। इस प्रकार मल्टी-लेयर्ड परसेप्ट्रॉन को प्रशिक्षित करने की विधि को **बैकप्रोपेगेशन**, या 'बैकप्रॉप' कहा जाता है।
<img alt="कम्प्यूट ग्राफ" src="images/ComputeGraphGrad.png"/>
<img alt="कम्प्यूट ग्राफ" src="../../../../../translated_images/hi/ComputeGraphGrad.4626252c0de03507.webp"/>
> TODO: इमेज का संदर्भ

9
translations/hi/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "48fdd704d483e19bc3d7464074c9fcbe",
"translation_date": "2025-08-24T10:00:07+00:00",
"source_file": "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md",
"language_code": "hi"
}
-->
# MNIST वर्गीकरण हमारे अपने फ्रेमवर्क के साथ
[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) से लैब असाइनमेंट।

9
translations/hi/lessons/3-NeuralNetworks/05-Frameworks/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ddd216f558a255260a9374008002c971",
"translation_date": "2025-09-23T13:34:43+00:00",
"source_file": "lessons/3-NeuralNetworks/05-Frameworks/README.md",
"language_code": "hi"
}
-->
# न्यूरल नेटवर्क फ्रेमवर्क्स
जैसा कि हमने पहले सीखा है, न्यूरल नेटवर्क को प्रभावी ढंग से प्रशिक्षित करने के लिए हमें दो चीजें करनी होती हैं:

9
translations/hi/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "e452d897efb9a89700f41021834cf6e5",
"translation_date": "2025-08-24T10:00:41+00:00",
"source_file": "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md",
"language_code": "hi"
}
-->
# PyTorch/TensorFlow के साथ वर्गीकरण
[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) से लैब असाइनमेंट।

9
translations/hi/lessons/3-NeuralNetworks/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "f862a99d88088163df12270e2f2ad6c3",
"translation_date": "2025-10-03T12:44:34+00:00",
"source_file": "lessons/3-NeuralNetworks/README.md",
"language_code": "hi"
}
-->
# न्यूरल नेटवर्क्स का परिचय
![न्यूरल नेटवर्क्स के परिचय की सामग्री का सारांश एक डूडल में](../../../../translated_images/hi/ai-neuralnetworks.1c687ae40bc86e83.webp)

11
translations/hi/lessons/4-ComputerVision/06-IntroCV/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "feeca98225cb420afc89415f24f63d92",
"translation_date": "2025-09-23T13:29:09+00:00",
"source_file": "lessons/4-ComputerVision/06-IntroCV/README.md",
"language_code": "hi"
}
-->
# कंप्यूटर विज़न का परिचय
[कंप्यूटर विज़न](https://wikipedia.org/wiki/Computer_vision) एक ऐसा क्षेत्र है जिसका उद्देश्य कंप्यूटर को डिजिटल छवियों की उच्च-स्तरीय समझ प्रदान करना है। यह परिभाषा काफी व्यापक है क्योंकि *समझना* कई अलग-अलग चीजों का मतलब हो सकता है, जैसे कि किसी तस्वीर में वस्तु ढूंढना (**वस्तु पहचान**), यह समझना कि क्या हो रहा है (**घटना पहचान**), तस्वीर का पाठ में वर्णन करना, या दृश्य को 3D में पुनर्निर्मित करना। मानव छवियों से संबंधित कुछ विशेष कार्य भी होते हैं: उम्र और भावनाओं का अनुमान लगाना, चेहरे की पहचान और पहचान, और 3D पोज़ का अनुमान लगाना, आदि।
@ -115,7 +106,7 @@ AI शो से [इस वीडियो](https://docs.microsoft.com/shows/ai
इस लैब में, आप सरल इशारों के साथ एक वीडियो लेंगे, और आपका लक्ष्य ऑप्टिकल फ्लो का उपयोग करके ऊपर/नीचे/बाएं/दाएं गति निकालना होगा।
<img src="images/palm-movement.png" width="30%" alt="पाम मूवमेंट फ्रेम"/>
<img src="../../../../../translated_images/hi/palm-movement.341495f0e9c47da3.webp" width="30%" alt="पाम मूवमेंट फ्रेम"/>
---

9
translations/hi/lessons/4-ComputerVision/06-IntroCV/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "3d53d6409f80970f7281a45dee35328a",
"translation_date": "2025-08-24T09:56:02+00:00",
"source_file": "lessons/4-ComputerVision/06-IntroCV/lab/README.md",
"language_code": "hi"
}
-->
# ऑप्टिकल फ्लो का उपयोग करके मूवमेंट का पता लगाना
[AI for Beginners Curriculum](https://aka.ms/ai-beginners) से लैब असाइनमेंट।

13
translations/hi/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "53faab85adfcebd8c10bcd71dc2fa557",
"translation_date": "2025-09-23T13:28:34+00:00",
"source_file": "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md",
"language_code": "hi"
}
-->
# प्रसिद्ध CNN आर्किटेक्चर
### VGG-16
@ -25,7 +16,7 @@ VGG-16 एक नेटवर्क है जिसने 2014 में ImageN
ResNet माइक्रोसॉफ्ट रिसर्च द्वारा 2015 में प्रस्तावित मॉडल्स का एक परिवार है। ResNet का मुख्य विचार **रेजिडुअल ब्लॉक्स** का उपयोग करना है:
<img src="images/resnet-block.png" width="300"/>
<img src="../../../../../translated_images/hi/resnet-block.aba4ccbcc0944434.webp" width="300"/>
> चित्र [इस पेपर](https://arxiv.org/pdf/1512.03385.pdf) से लिया गया है
@ -37,7 +28,7 @@ ResNet माइक्रोसॉफ्ट रिसर्च द्वार
Google Inception आर्किटेक्चर इस विचार को एक कदम आगे ले जाता है और प्रत्येक नेटवर्क लेयर को कई अलग-अलग पाथ्स के संयोजन के रूप में बनाता है:
<img src="images/inception.png" width="400"/>
<img src="../../../../../translated_images/hi/inception.a6605b85bcbc6f52.webp" width="400"/>
> चित्र [Researchgate](https://www.researchgate.net/figure/Inception-module-with-dimension-reductions-left-and-schema-for-Inception-ResNet-v1_fig2_355547454) से लिया गया है

11
translations/hi/lessons/4-ComputerVision/07-ConvNets/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a560d5b845962cf33dc102266e409568",
"translation_date": "2025-09-23T13:28:15+00:00",
"source_file": "lessons/4-ComputerVision/07-ConvNets/README.md",
"language_code": "hi"
}
-->
# कॉन्वोल्यूशनल न्यूरल नेटवर्क्स
हमने पहले देखा है कि न्यूरल नेटवर्क्स इमेजेस के साथ काम करने में काफी अच्छे होते हैं, और एक-लेयर परसेप्ट्रॉन भी MNIST डेटासेट से हस्तलिखित अंकों को पहचानने में उचित सटीकता प्राप्त कर सकता है। हालांकि, MNIST डेटासेट बहुत खास है, और सभी अंक इमेज के अंदर केंद्रित होते हैं, जिससे यह कार्य सरल हो जाता है।
@ -24,7 +15,7 @@ CO_OP_TRANSLATOR_METADATA:
उदाहरण के लिए, यदि हम MNIST अंकों पर 3x3 वर्टिकल एज और हॉरिज़ॉन्टल एज फिल्टर्स लागू करते हैं, तो हमें हाइलाइट्स (जैसे उच्च मान) मिल सकते हैं जहां हमारी मूल इमेज में वर्टिकल और हॉरिज़ॉन्टल एजेस हैं। इस प्रकार, ये दो फिल्टर्स एजेस "ढूंढने" के लिए उपयोग किए जा सकते हैं। इसी तरह, हम अन्य लो-लेवल पैटर्न्स की तलाश के लिए अलग-अलग फिल्टर्स डिज़ाइन कर सकते हैं:
<img src="images/lmfilters.jpg" width="500" align="center"/>
<img src="../../../../../translated_images/hi/lmfilters.ea9e4868a82cf74c.webp" width="500" align="center"/>
> छवि: [Leung-Malik Filter Bank](https://www.robots.ox.ac.uk/~vgg/research/texclass/filters.html)

9
translations/hi/lessons/4-ComputerVision/07-ConvNets/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b70fcf7fcee862990f848c679090943f",
"translation_date": "2025-10-03T14:53:30+00:00",
"source_file": "lessons/4-ComputerVision/07-ConvNets/lab/README.md",
"language_code": "hi"
}
-->
# पालतू जानवरों के चेहरों का वर्गीकरण
[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) से लैब असाइनमेंट।

9
translations/hi/lessons/4-ComputerVision/08-TransferLearning/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "178c0b5ee5395733eb18aec51e71a0a9",
"translation_date": "2025-09-23T13:28:51+00:00",
"source_file": "lessons/4-ComputerVision/08-TransferLearning/README.md",
"language_code": "hi"
}
-->
# प्री-ट्रेंड नेटवर्क्स और ट्रांसफर लर्निंग
CNNs को ट्रेन करने में काफी समय लग सकता है, और इसके लिए बहुत सारे डेटा की आवश्यकता होती है। हालांकि, अधिकांश समय नेटवर्क को उन सर्वोत्तम लो-लेवल फिल्टर्स को सीखने में लगता है, जो इमेज से पैटर्न निकालने में मदद करते हैं। एक स्वाभाविक सवाल उठता है - क्या हम एक डेटासेट पर ट्रेन किए गए न्यूरल नेटवर्क का उपयोग करके इसे अलग-अलग इमेज को वर्गीकृत करने के लिए अनुकूलित कर सकते हैं, बिना पूरे ट्रेनिंग प्रक्रिया की आवश्यकता के?

9
translations/hi/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ae074cd940fc2f4dc24fc07b66ccbd99",
"translation_date": "2025-08-24T09:56:29+00:00",
"source_file": "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md",
"language_code": "hi"
}
-->
# डीप लर्निंग ट्रेनिंग ट्रिक्स
जैसे-जैसे न्यूरल नेटवर्क गहरे होते जाते हैं, उनका प्रशिक्षण और अधिक चुनौतीपूर्ण हो जाता है। एक मुख्य समस्या है जिसे [vanishing gradients](https://en.wikipedia.org/wiki/Vanishing_gradient_problem) या [exploding gradients](https://deepai.org/machine-learning-glossary-and-terms/exploding-gradient-problem#:~:text=Exploding%20gradients%20are%20a%20problem,updates%20are%20small%20and%20controlled.) कहा जाता है। [यह पोस्ट](https://towardsdatascience.com/the-vanishing-exploding-gradient-problem-in-deep-neural-networks-191358470c11) इन समस्याओं का अच्छा परिचय देती है।

9
translations/hi/lessons/4-ComputerVision/08-TransferLearning/lab/README.md
View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7765935c35fcee69b9fe2d0cfd6963e2",
"translation_date": "2025-08-24T09:57:07+00:00",
"source_file": "lessons/4-ComputerVision/08-TransferLearning/lab/README.md",
"language_code": "hi"
}
-->
# ऑक्सफोर्ड पालतू जानवरों का वर्गीकरण ट्रांसफर लर्निंग का उपयोग करके
[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) से लैब असाइनमेंट।

Some files were not shown because too many files have changed in this diff Show More