diff --git a/translations/bn/.co-op-translator.json b/translations/bn/.co-op-translator.json new file mode 100644 index 00000000..0179c9e7 --- /dev/null +++ b/translations/bn/.co-op-translator.json @@ -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" + } +} \ No newline at end of file diff --git a/translations/bn/AGENTS.md b/translations/bn/AGENTS.md index 9567f7cb..42b8a804 100644 --- a/translations/bn/AGENTS.md +++ b/translations/bn/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## প্রকল্পের সংক্ষিপ্ত বিবরণ diff --git a/translations/bn/README.md b/translations/bn/README.md index 3a45353b..fa2e73f9 100644 --- a/translations/bn/README.md +++ b/translations/bn/README.md @@ -1,12 +1,3 @@ - [![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) -[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। -**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: -### 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) -## 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) --- -**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। \ No newline at end of file diff --git a/translations/bn/SECURITY.md b/translations/bn/SECURITY.md index 4f0d6f86..c4d08024 100644 --- a/translations/bn/SECURITY.md +++ b/translations/bn/SECURITY.md @@ -1,12 +1,3 @@ - ## 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/)। diff --git a/translations/bn/etc/CODE_OF_CONDUCT.md b/translations/bn/etc/CODE_OF_CONDUCT.md index 08ff0874..53c91c0b 100644 --- a/translations/bn/etc/CODE_OF_CONDUCT.md +++ b/translations/bn/etc/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # মাইক্রোসফট ওপেন সোর্স আচরণবিধি এই প্রকল্পটি [মাইক্রোসফট ওপেন সোর্স আচরণবিধি](https://opensource.microsoft.com/codeofconduct/) গ্রহণ করেছে। diff --git a/translations/bn/etc/CONTRIBUTING.md b/translations/bn/etc/CONTRIBUTING.md index cdee5dfa..9c7898dd 100644 --- a/translations/bn/etc/CONTRIBUTING.md +++ b/translations/bn/etc/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/bn/etc/Mindmap.md b/translations/bn/etc/Mindmap.md index e3808df5..b7410e62 100644 --- a/translations/bn/etc/Mindmap.md +++ b/translations/bn/etc/Mindmap.md @@ -1,12 +1,3 @@ - # এআই ## [এআই পরিচিতি](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/1-Intro/README.md) diff --git a/translations/bn/etc/SUPPORT.md b/translations/bn/etc/SUPPORT.md index 4f61ca5c..b83a820c 100644 --- a/translations/bn/etc/SUPPORT.md +++ b/translations/bn/etc/SUPPORT.md @@ -1,12 +1,3 @@ - # সহায়তা ## সমস্যা রিপোর্ট করা এবং সাহায্য পাওয়া কীভাবে diff --git a/translations/bn/etc/TRANSLATIONS.md b/translations/bn/etc/TRANSLATIONS.md index 42773422..992b6ef6 100644 --- a/translations/bn/etc/TRANSLATIONS.md +++ b/translations/bn/etc/TRANSLATIONS.md @@ -1,12 +1,3 @@ - # পাঠগুলি অনুবাদ করে অবদান রাখুন আমরা এই পাঠ্যক্রমের পাঠগুলির জন্য অনুবাদকে স্বাগত জানাই! diff --git a/translations/bn/etc/quiz-app/README.md b/translations/bn/etc/quiz-app/README.md index e949f679..dbfebf9e 100644 --- a/translations/bn/etc/quiz-app/README.md +++ b/translations/bn/etc/quiz-app/README.md @@ -1,12 +1,3 @@ - # কুইজ এই কুইজগুলো AI কারিকুলামের প্রাক-লেকচার এবং পোস্ট-লেকচার কুইজ, যা পাওয়া যাবে https://aka.ms/ai-beginners এ। diff --git a/translations/bn/examples/README.md b/translations/bn/examples/README.md index 0b24cc7d..6d414b62 100644 --- a/translations/bn/examples/README.md +++ b/translations/bn/examples/README.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/bn/lessons/0-course-setup/for-teachers.md b/translations/bn/lessons/0-course-setup/for-teachers.md index 85e008bb..7952c86c 100644 --- a/translations/bn/lessons/0-course-setup/for-teachers.md +++ b/translations/bn/lessons/0-course-setup/for-teachers.md @@ -1,12 +1,3 @@ - # শিক্ষকদের জন্য আপনি কি আপনার শ্রেণিকক্ষে এই পাঠক্রমটি ব্যবহার করতে চান? নির্দ্বিধায় ব্যবহার করুন! diff --git a/translations/bn/lessons/0-course-setup/how-to-run.md b/translations/bn/lessons/0-course-setup/how-to-run.md index 772502fe..d65b847f 100644 --- a/translations/bn/lessons/0-course-setup/how-to-run.md +++ b/translations/bn/lessons/0-course-setup/how-to-run.md @@ -1,12 +1,3 @@ - # 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: diff --git a/translations/bn/lessons/0-course-setup/setup.md b/translations/bn/lessons/0-course-setup/setup.md index 34bbdc01..899891a6 100644 --- a/translations/bn/lessons/0-course-setup/setup.md +++ b/translations/bn/lessons/0-course-setup/setup.md @@ -1,12 +1,3 @@ - # এই পাঠক্রমের সাথে শুরু করা ## আপনি কি একজন শিক্ষার্থী? diff --git a/translations/bn/lessons/1-Intro/README.md b/translations/bn/lessons/1-Intro/README.md index fe1db6e1..fc614ccf 100644 --- a/translations/bn/lessons/1-Intro/README.md +++ b/translations/bn/lessons/1-Intro/README.md @@ -1,12 +1,3 @@ - # AI পরিচিতি ![AI পরিচিতির সামগ্রিক বিষয়বস্তুর একটি ডুডল](../../../../translated_images/bn/ai-intro.bf28d1ac4235881c.webp) diff --git a/translations/bn/lessons/1-Intro/assignment.md b/translations/bn/lessons/1-Intro/assignment.md index cebf66fc..b08ea2aa 100644 --- a/translations/bn/lessons/1-Intro/assignment.md +++ b/translations/bn/lessons/1-Intro/assignment.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/bn/lessons/2-Symbolic/README.md b/translations/bn/lessons/2-Symbolic/README.md index 0cad8d99..c648bdad 100644 --- a/translations/bn/lessons/2-Symbolic/README.md +++ b/translations/bn/lessons/2-Symbolic/README.md @@ -1,15 +1,6 @@ - # 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 diff --git a/translations/bn/lessons/2-Symbolic/assignment.md b/translations/bn/lessons/2-Symbolic/assignment.md index 951b9826..4d592050 100644 --- a/translations/bn/lessons/2-Symbolic/assignment.md +++ b/translations/bn/lessons/2-Symbolic/assignment.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/bn/lessons/3-NeuralNetworks/03-Perceptron/README.md b/translations/bn/lessons/3-NeuralNetworks/03-Perceptron/README.md index a76aad51..65f5d708 100644 --- a/translations/bn/lessons/3-NeuralNetworks/03-Perceptron/README.md +++ b/translations/bn/lessons/3-NeuralNetworks/03-Perceptron/README.md @@ -1,12 +1,3 @@ - # নিউরাল নেটওয়ার্কের পরিচিতি: পারসেপট্রন ## [পূর্ব-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ai/quiz/5) @@ -15,7 +6,7 @@ CO_OP_TRANSLATOR_METADATA: | | | |--------------|-----------| -|ফ্রাঙ্ক রোজেনব্ল্যাট | মার্ক ১ পারসেপট্রন| +|ফ্রাঙ্ক রোজেনব্ল্যাট | মার্ক ১ পারসেপট্রন| > ছবি [উইকিপিডিয়া থেকে](https://en.wikipedia.org/wiki/Perceptron) @@ -34,7 +25,7 @@ y(x) = f(wTx) যেখানে f একটি স্টেপ অ্যাক্টিভেশন ফাংশন - + ## পারসেপট্রন প্রশিক্ষণ diff --git a/translations/bn/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md b/translations/bn/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md index e74d576e..52f9841b 100644 --- a/translations/bn/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md +++ b/translations/bn/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md @@ -1,12 +1,3 @@ - # পারসেপট্রনের মাধ্যমে মাল্টি-ক্লাস শ্রেণীবিভাগ [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট। diff --git a/translations/bn/lessons/3-NeuralNetworks/04-OwnFramework/README.md b/translations/bn/lessons/3-NeuralNetworks/04-OwnFramework/README.md index 9eeed42a..4b2562b3 100644 --- a/translations/bn/lessons/3-NeuralNetworks/04-OwnFramework/README.md +++ b/translations/bn/lessons/3-NeuralNetworks/04-OwnFramework/README.md @@ -1,12 +1,3 @@ - # 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। -কম্পিউট গ্রাফ +কম্পিউট গ্রাফ > TODO: চিত্রের সূত্র diff --git a/translations/bn/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md b/translations/bn/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md index 1f92a2a0..7d58babb 100644 --- a/translations/bn/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md +++ b/translations/bn/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md @@ -1,12 +1,3 @@ - # আমাদের নিজস্ব ফ্রেমওয়ার্ক দিয়ে MNIST শ্রেণীবিভাজন [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট। diff --git a/translations/bn/lessons/3-NeuralNetworks/05-Frameworks/README.md b/translations/bn/lessons/3-NeuralNetworks/05-Frameworks/README.md index 53ca9413..57ecf85e 100644 --- a/translations/bn/lessons/3-NeuralNetworks/05-Frameworks/README.md +++ b/translations/bn/lessons/3-NeuralNetworks/05-Frameworks/README.md @@ -1,12 +1,3 @@ - # নিউরাল নেটওয়ার্ক ফ্রেমওয়ার্ক আমরা ইতিমধ্যেই শিখেছি যে, নিউরাল নেটওয়ার্ক কার্যকরভাবে প্রশিক্ষণ দিতে হলে আমাদের দুটি কাজ করতে হবে: diff --git a/translations/bn/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md b/translations/bn/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md index 15351a47..47e814ac 100644 --- a/translations/bn/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md +++ b/translations/bn/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md @@ -1,12 +1,3 @@ - # PyTorch/TensorFlow দিয়ে শ্রেণীবিন্যাস [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট। diff --git a/translations/bn/lessons/3-NeuralNetworks/README.md b/translations/bn/lessons/3-NeuralNetworks/README.md index 0fe8128f..4e690d94 100644 --- a/translations/bn/lessons/3-NeuralNetworks/README.md +++ b/translations/bn/lessons/3-NeuralNetworks/README.md @@ -1,12 +1,3 @@ - # নিউরাল নেটওয়ার্কের পরিচিতি ![নিউরাল নেটওয়ার্ক বিষয়বস্তুর সারাংশ একটি ডুডলে](../../../../translated_images/bn/ai-neuralnetworks.1c687ae40bc86e83.webp) diff --git a/translations/bn/lessons/4-ComputerVision/06-IntroCV/README.md b/translations/bn/lessons/4-ComputerVision/06-IntroCV/README.md index bab6ca62..04118de0 100644 --- a/translations/bn/lessons/4-ComputerVision/06-IntroCV/README.md +++ b/translations/bn/lessons/4-ComputerVision/06-IntroCV/README.md @@ -1,12 +1,3 @@ - # 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। -Palm Movement Frame +Palm Movement Frame --- diff --git a/translations/bn/lessons/4-ComputerVision/06-IntroCV/lab/README.md b/translations/bn/lessons/4-ComputerVision/06-IntroCV/lab/README.md index ea1494af..62fd5ee9 100644 --- a/translations/bn/lessons/4-ComputerVision/06-IntroCV/lab/README.md +++ b/translations/bn/lessons/4-ComputerVision/06-IntroCV/lab/README.md @@ -1,12 +1,3 @@ - # অপটিক্যাল ফ্লো ব্যবহার করে গতিবিধি সনাক্তকরণ [AI for Beginners Curriculum](https://aka.ms/ai-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট। diff --git a/translations/bn/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md b/translations/bn/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md index 4d88d3df..ac71e780 100644 --- a/translations/bn/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md +++ b/translations/bn/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md @@ -1,12 +1,3 @@ - # 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: - + > 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: - + > ছবি [Researchgate](https://www.researchgate.net/figure/Inception-module-with-dimension-reductions-left-and-schema-for-Inception-ResNet-v1_fig2_355547454) থেকে diff --git a/translations/bn/lessons/4-ComputerVision/07-ConvNets/README.md b/translations/bn/lessons/4-ComputerVision/07-ConvNets/README.md index ea729d79..7298fa9b 100644 --- a/translations/bn/lessons/4-ComputerVision/07-ConvNets/README.md +++ b/translations/bn/lessons/4-ComputerVision/07-ConvNets/README.md @@ -1,12 +1,3 @@ - # 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: - + > [লিউং-মালিক ফিল্টার ব্যাংক](https://www.robots.ox.ac.uk/~vgg/research/texclass/filters.html) এর ছবি diff --git a/translations/bn/lessons/4-ComputerVision/07-ConvNets/lab/README.md b/translations/bn/lessons/4-ComputerVision/07-ConvNets/lab/README.md index 2cf9ffea..bf97d7fc 100644 --- a/translations/bn/lessons/4-ComputerVision/07-ConvNets/lab/README.md +++ b/translations/bn/lessons/4-ComputerVision/07-ConvNets/lab/README.md @@ -1,12 +1,3 @@ - # পোষা প্রাণীর মুখের শ্রেণীবিন্যাস [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট। diff --git a/translations/bn/lessons/4-ComputerVision/08-TransferLearning/README.md b/translations/bn/lessons/4-ComputerVision/08-TransferLearning/README.md index f053728a..5ce53679 100644 --- a/translations/bn/lessons/4-ComputerVision/08-TransferLearning/README.md +++ b/translations/bn/lessons/4-ComputerVision/08-TransferLearning/README.md @@ -1,12 +1,3 @@ - # 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? diff --git a/translations/bn/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md b/translations/bn/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md index 0b3ee484..4e854fcf 100644 --- a/translations/bn/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md +++ b/translations/bn/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/bn/lessons/4-ComputerVision/08-TransferLearning/lab/README.md b/translations/bn/lessons/4-ComputerVision/08-TransferLearning/lab/README.md index b2b66590..e1ab9810 100644 --- a/translations/bn/lessons/4-ComputerVision/08-TransferLearning/lab/README.md +++ b/translations/bn/lessons/4-ComputerVision/08-TransferLearning/lab/README.md @@ -1,12 +1,3 @@ - # ট্রান্সফার লার্নিং ব্যবহার করে অক্সফোর্ড পেটসের শ্রেণীবিভাগ [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট। diff --git a/translations/bn/lessons/4-ComputerVision/09-Autoencoders/README.md b/translations/bn/lessons/4-ComputerVision/09-Autoencoders/README.md index 1d4ec09b..68079e8e 100644 --- a/translations/bn/lessons/4-ComputerVision/09-Autoencoders/README.md +++ b/translations/bn/lessons/4-ComputerVision/09-Autoencoders/README.md @@ -1,12 +1,3 @@ - # 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(zmean,exp(zlog\_sigma)) বিতরণ থেকে একটি `sample` ভেক্টর গ্রহণ করি * ডিকোডার `sample` ভেক্টর ব্যবহার করে মূল ইমেজটি ডিকোড করার চেষ্টা করে - + > 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: -vaemnist +vaemnist > 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: -vaemnist cluster +vaemnist cluster > ছবি [Dmitry Soshnikov](http://soshnikov.com) দ্বারা diff --git a/translations/bn/lessons/4-ComputerVision/10-GANs/README.md b/translations/bn/lessons/4-ComputerVision/10-GANs/README.md index 4efac4d5..dc72930f 100644 --- a/translations/bn/lessons/4-ComputerVision/10-GANs/README.md +++ b/translations/bn/lessons/4-ComputerVision/10-GANs/README.md @@ -1,12 +1,3 @@ - # 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: - + > 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। - + > ছবি: [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/bn/lessons/4-ComputerVision/11-ObjectDetection/README.md b/translations/bn/lessons/4-ComputerVision/11-ObjectDetection/README.md index 6c7cc48f..23ccd63f 100644 --- a/translations/bn/lessons/4-ComputerVision/11-ObjectDetection/README.md +++ b/translations/bn/lessons/4-ComputerVision/11-ObjectDetection/README.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/bn/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md b/translations/bn/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md index d987ae0c..9798a9c3 100644 --- a/translations/bn/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md +++ b/translations/bn/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md @@ -1,12 +1,3 @@ - # হলিউড হেডস ডেটাসেট ব্যবহার করে হেড ডিটেকশন [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট। diff --git a/translations/bn/lessons/4-ComputerVision/12-Segmentation/README.md b/translations/bn/lessons/4-ComputerVision/12-Segmentation/README.md index bcda04e9..058b8d44 100644 --- a/translations/bn/lessons/4-ComputerVision/12-Segmentation/README.md +++ b/translations/bn/lessons/4-ComputerVision/12-Segmentation/README.md @@ -1,12 +1,3 @@ - # 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। - + > 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। - + > 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? -navi +navi > ছবি PH2 ডাটাবেস থেকে নেওয়া হয়েছে diff --git a/translations/bn/lessons/4-ComputerVision/12-Segmentation/lab/README.md b/translations/bn/lessons/4-ComputerVision/12-Segmentation/lab/README.md index b385a893..f06dbf2b 100644 --- a/translations/bn/lessons/4-ComputerVision/12-Segmentation/lab/README.md +++ b/translations/bn/lessons/4-ComputerVision/12-Segmentation/lab/README.md @@ -1,12 +1,3 @@ - # মানব শরীর সেগমেন্টেশন [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট। diff --git a/translations/bn/lessons/4-ComputerVision/README.md b/translations/bn/lessons/4-ComputerVision/README.md index d7609678..6a6f0cb1 100644 --- a/translations/bn/lessons/4-ComputerVision/README.md +++ b/translations/bn/lessons/4-ComputerVision/README.md @@ -1,12 +1,3 @@ - # কম্পিউটার ভিশন ![কম্পিউটার ভিশন বিষয়বস্তুর সারাংশ একটি ডুডলে](../../../../translated_images/bn/ai-computervision.6506ebebac3fbf76.webp) diff --git a/translations/bn/lessons/5-NLP/13-TextRep/README.md b/translations/bn/lessons/5-NLP/13-TextRep/README.md index 3909adb7..7edb8431 100644 --- a/translations/bn/lessons/5-NLP/13-TextRep/README.md +++ b/translations/bn/lessons/5-NLP/13-TextRep/README.md @@ -1,12 +1,3 @@ - # 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। -চরিত্রকে ASCII এবং বাইনারি উপস্থাপনার সাথে ম্যাপ করার একটি চিত্র +চরিত্রকে ASCII এবং বাইনারি উপস্থাপনার সাথে ম্যাপ করার একটি চিত্র > [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। - + > লেখকের তৈরি চিত্র diff --git a/translations/bn/lessons/5-NLP/13-TextRep/assignment.md b/translations/bn/lessons/5-NLP/13-TextRep/assignment.md index bac16d20..d59abc1d 100644 --- a/translations/bn/lessons/5-NLP/13-TextRep/assignment.md +++ b/translations/bn/lessons/5-NLP/13-TextRep/assignment.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/bn/lessons/5-NLP/14-Embeddings/README.md b/translations/bn/lessons/5-NLP/14-Embeddings/README.md index 93c11d1e..49381907 100644 --- a/translations/bn/lessons/5-NLP/14-Embeddings/README.md +++ b/translations/bn/lessons/5-NLP/14-Embeddings/README.md @@ -1,12 +1,3 @@ - # এমবেডিংস ## [পূর্ব-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ai/quiz/27) diff --git a/translations/bn/lessons/5-NLP/14-Embeddings/assignment.md b/translations/bn/lessons/5-NLP/14-Embeddings/assignment.md index 05311a96..6d02563b 100644 --- a/translations/bn/lessons/5-NLP/14-Embeddings/assignment.md +++ b/translations/bn/lessons/5-NLP/14-Embeddings/assignment.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/bn/lessons/5-NLP/15-LanguageModeling/README.md b/translations/bn/lessons/5-NLP/15-LanguageModeling/README.md index 99a7bca3..6cf230b1 100644 --- a/translations/bn/lessons/5-NLP/15-LanguageModeling/README.md +++ b/translations/bn/lessons/5-NLP/15-LanguageModeling/README.md @@ -1,12 +1,3 @@ - # 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*)। diff --git a/translations/bn/lessons/5-NLP/15-LanguageModeling/lab/README.md b/translations/bn/lessons/5-NLP/15-LanguageModeling/lab/README.md index be424ed1..08bbfc9c 100644 --- a/translations/bn/lessons/5-NLP/15-LanguageModeling/lab/README.md +++ b/translations/bn/lessons/5-NLP/15-LanguageModeling/lab/README.md @@ -1,12 +1,3 @@ - # স্কিপ-গ্রাম মডেল প্রশিক্ষণ [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট। diff --git a/translations/bn/lessons/5-NLP/16-RNN/README.md b/translations/bn/lessons/5-NLP/16-RNN/README.md index cc0e2291..ae2da524 100644 --- a/translations/bn/lessons/5-NLP/16-RNN/README.md +++ b/translations/bn/lessons/5-NLP/16-RNN/README.md @@ -1,12 +1,3 @@ - # 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 σ(W×Xi+H×Si-1+b), যেখানে σ হল অ্যাক্টিভেশন ফাংশন এবং b হল অতিরিক্ত বায়াস। -RNN সেলের গঠন +RNN সেলের গঠন > লেখকের তৈরি ছবি diff --git a/translations/bn/lessons/5-NLP/16-RNN/assignment.md b/translations/bn/lessons/5-NLP/16-RNN/assignment.md index a6a8a53e..4031ffc9 100644 --- a/translations/bn/lessons/5-NLP/16-RNN/assignment.md +++ b/translations/bn/lessons/5-NLP/16-RNN/assignment.md @@ -1,12 +1,3 @@ - # 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)। diff --git a/translations/bn/lessons/5-NLP/17-GenerativeNetworks/README.md b/translations/bn/lessons/5-NLP/17-GenerativeNetworks/README.md index e283005c..387e60d8 100644 --- a/translations/bn/lessons/5-NLP/17-GenerativeNetworks/README.md +++ b/translations/bn/lessons/5-NLP/17-GenerativeNetworks/README.md @@ -1,12 +1,3 @@ - # 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। - + > লেখকের তৈরি ছবি diff --git a/translations/bn/lessons/5-NLP/17-GenerativeNetworks/lab/README.md b/translations/bn/lessons/5-NLP/17-GenerativeNetworks/lab/README.md index 83b04dc4..d1d175ec 100644 --- a/translations/bn/lessons/5-NLP/17-GenerativeNetworks/lab/README.md +++ b/translations/bn/lessons/5-NLP/17-GenerativeNetworks/lab/README.md @@ -1,12 +1,3 @@ - # শব্দ-স্তরের টেক্সট জেনারেশন RNNs ব্যবহার করে [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট। diff --git a/translations/bn/lessons/5-NLP/18-Transformers/README.md b/translations/bn/lessons/5-NLP/18-Transformers/README.md index 3914a583..9d66d6fe 100644 --- a/translations/bn/lessons/5-NLP/18-Transformers/README.md +++ b/translations/bn/lessons/5-NLP/18-Transformers/README.md @@ -1,12 +1,3 @@ - # 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। - + > লেখকের তৈরি চিত্র diff --git a/translations/bn/lessons/5-NLP/18-Transformers/assignment.md b/translations/bn/lessons/5-NLP/18-Transformers/assignment.md index 2c61b072..1a5eadf7 100644 --- a/translations/bn/lessons/5-NLP/18-Transformers/assignment.md +++ b/translations/bn/lessons/5-NLP/18-Transformers/assignment.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/bn/lessons/5-NLP/19-NER/README.md b/translations/bn/lessons/5-NLP/19-NER/README.md index a0866822..0cd0ad39 100644 --- a/translations/bn/lessons/5-NLP/19-NER/README.md +++ b/translations/bn/lessons/5-NLP/19-NER/README.md @@ -1,12 +1,3 @@ - # 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। -Bot NER +Bot NER > লেখকের তৈরি চিত্র diff --git a/translations/bn/lessons/5-NLP/19-NER/lab/README.md b/translations/bn/lessons/5-NLP/19-NER/lab/README.md index e44635b0..c015a367 100644 --- a/translations/bn/lessons/5-NLP/19-NER/lab/README.md +++ b/translations/bn/lessons/5-NLP/19-NER/lab/README.md @@ -1,12 +1,3 @@ - # NER [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট। diff --git a/translations/bn/lessons/5-NLP/20-LangModels/README.md b/translations/bn/lessons/5-NLP/20-LangModels/README.md index 727099c0..5a2a27f2 100644 --- a/translations/bn/lessons/5-NLP/20-LangModels/README.md +++ b/translations/bn/lessons/5-NLP/20-LangModels/README.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/bn/lessons/5-NLP/README.md b/translations/bn/lessons/5-NLP/README.md index 8a234528..9c568744 100644 --- a/translations/bn/lessons/5-NLP/README.md +++ b/translations/bn/lessons/5-NLP/README.md @@ -1,12 +1,3 @@ - # প্রাকৃতিক ভাষা প্রক্রিয়াকরণ ![NLP কাজগুলোর সারাংশ একটি ডুডলে](../../../../translated_images/bn/ai-nlp.b22dcb8ca4707cea.webp) diff --git a/translations/bn/lessons/6-Other/21-GeneticAlgorithms/README.md b/translations/bn/lessons/6-Other/21-GeneticAlgorithms/README.md index aee1408a..7ea5ed26 100644 --- a/translations/bn/lessons/6-Other/21-GeneticAlgorithms/README.md +++ b/translations/bn/lessons/6-Other/21-GeneticAlgorithms/README.md @@ -1,12 +1,3 @@ - # জেনেটিক অ্যালগরিদম ## [পূর্ব-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ai/quiz/41) diff --git a/translations/bn/lessons/6-Other/22-DeepRL/README.md b/translations/bn/lessons/6-Other/22-DeepRL/README.md index 9498a308..0c41468a 100644 --- a/translations/bn/lessons/6-Other/22-DeepRL/README.md +++ b/translations/bn/lessons/6-Other/22-DeepRL/README.md @@ -1,12 +1,3 @@ - # 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। -a cartpole +a cartpole এই পরিবেশ তৈরি এবং ব্যবহার করতে আমাদের কয়েকটি লাইনের পাইথন কোড প্রয়োজন: diff --git a/translations/bn/lessons/6-Other/22-DeepRL/lab/README.md b/translations/bn/lessons/6-Other/22-DeepRL/lab/README.md index 272670ed..f56a8503 100644 --- a/translations/bn/lessons/6-Other/22-DeepRL/lab/README.md +++ b/translations/bn/lessons/6-Other/22-DeepRL/lab/README.md @@ -1,12 +1,3 @@ - ## 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। diff --git a/translations/bn/lessons/6-Other/23-MultiagentSystems/README.md b/translations/bn/lessons/6-Other/23-MultiagentSystems/README.md index a0f1fb1f..679539a9 100644 --- a/translations/bn/lessons/6-Other/23-MultiagentSystems/README.md +++ b/translations/bn/lessons/6-Other/23-MultiagentSystems/README.md @@ -1,12 +1,3 @@ - # 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 → Models Library** এ যান, এবং আপনার কাছে অনেক ক্যাটাগরির মডেল বেছে নেওয়ার সুযোগ থাকবে। -NetLogo Models Library +NetLogo Models Library > দিমিত্রি সশনিকভের মডেল লাইব্রেরির স্ক্রিনশট diff --git a/translations/bn/lessons/6-Other/23-MultiagentSystems/assignment.md b/translations/bn/lessons/6-Other/23-MultiagentSystems/assignment.md index 14484dea..6771800a 100644 --- a/translations/bn/lessons/6-Other/23-MultiagentSystems/assignment.md +++ b/translations/bn/lessons/6-Other/23-MultiagentSystems/assignment.md @@ -1,12 +1,3 @@ - # 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? diff --git a/translations/bn/lessons/7-Ethics/README.md b/translations/bn/lessons/7-Ethics/README.md index 7569c1bd..d8f9508f 100644 --- a/translations/bn/lessons/7-Ethics/README.md +++ b/translations/bn/lessons/7-Ethics/README.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/bn/lessons/README.md b/translations/bn/lessons/README.md index 2a5540fa..0c05ba54 100644 --- a/translations/bn/lessons/README.md +++ b/translations/bn/lessons/README.md @@ -1,12 +1,3 @@ - # সংক্ষিপ্ত বিবরণ ![ডুডলে সংক্ষিপ্ত বিবরণ](../../../translated_images/bn/ai-overview.0857791951d19500.webp) diff --git a/translations/bn/lessons/X-Extras/X1-MultiModal/README.md b/translations/bn/lessons/X-Extras/X1-MultiModal/README.md index 95f45a67..c8a2144c 100644 --- a/translations/bn/lessons/X-Extras/X1-MultiModal/README.md +++ b/translations/bn/lessons/X-Extras/X1-MultiModal/README.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/bn/lessons/sketchnotes/LICENSE.md b/translations/bn/lessons/sketchnotes/LICENSE.md index 1b90444f..d133a085 100644 --- a/translations/bn/lessons/sketchnotes/LICENSE.md +++ b/translations/bn/lessons/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - অ্যাট্রিবিউশন-শেয়ারঅলাইক ৪.০ ইন্টারন্যাশনাল ======================================================================= diff --git a/translations/bn/lessons/sketchnotes/README.md b/translations/bn/lessons/sketchnotes/README.md index 7b7d1701..a5734c5e 100644 --- a/translations/bn/lessons/sketchnotes/README.md +++ b/translations/bn/lessons/sketchnotes/README.md @@ -1,12 +1,3 @@ - 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)) diff --git a/translations/bn/troubleshoot.md b/translations/bn/troubleshoot.md index e6edcbcb..2734c469 100644 --- a/translations/bn/troubleshoot.md +++ b/translations/bn/troubleshoot.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/hi/.co-op-translator.json b/translations/hi/.co-op-translator.json new file mode 100644 index 00000000..bae7ff3b --- /dev/null +++ b/translations/hi/.co-op-translator.json @@ -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" + } +} \ No newline at end of file diff --git a/translations/hi/AGENTS.md b/translations/hi/AGENTS.md index a48404e6..cdb6fa6d 100644 --- a/translations/hi/AGENTS.md +++ b/translations/hi/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## परियोजना का अवलोकन diff --git a/translations/hi/README.md b/translations/hi/README.md index c3eb963d..7add18e3 100644 --- a/translations/hi/README.md +++ b/translations/hi/README.md @@ -1,12 +1,3 @@ - [![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) -[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। -**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 - -### 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: ---- + +### 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) - +--- + +### 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) + -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) --- -**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। \ No newline at end of file diff --git a/translations/hi/SECURITY.md b/translations/hi/SECURITY.md index 8c0c197b..32f538fd 100644 --- a/translations/hi/SECURITY.md +++ b/translations/hi/SECURITY.md @@ -1,12 +1,3 @@ - ## 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/)। diff --git a/translations/hi/etc/CODE_OF_CONDUCT.md b/translations/hi/etc/CODE_OF_CONDUCT.md index 6a1bd394..6049399d 100644 --- a/translations/hi/etc/CODE_OF_CONDUCT.md +++ b/translations/hi/etc/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # Microsoft ओपन सोर्स आचार संहिता इस प्रोजेक्ट ने [Microsoft ओपन सोर्स आचार संहिता](https://opensource.microsoft.com/codeofconduct/) को अपनाया है। diff --git a/translations/hi/etc/CONTRIBUTING.md b/translations/hi/etc/CONTRIBUTING.md index 4a76c4a5..9d3fc0f2 100644 --- a/translations/hi/etc/CONTRIBUTING.md +++ b/translations/hi/etc/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/hi/etc/Mindmap.md b/translations/hi/etc/Mindmap.md index 7c837a78..76a8194c 100644 --- a/translations/hi/etc/Mindmap.md +++ b/translations/hi/etc/Mindmap.md @@ -1,12 +1,3 @@ - # एआई ## [एआई का परिचय](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/1-Intro/README.md) diff --git a/translations/hi/etc/SUPPORT.md b/translations/hi/etc/SUPPORT.md index 5688fc9a..4d711696 100644 --- a/translations/hi/etc/SUPPORT.md +++ b/translations/hi/etc/SUPPORT.md @@ -1,12 +1,3 @@ - # समर्थन ## समस्याएँ दर्ज करने और सहायता प्राप्त करने का तरीका diff --git a/translations/hi/etc/TRANSLATIONS.md b/translations/hi/etc/TRANSLATIONS.md index 8e6b08f7..ce7e12a1 100644 --- a/translations/hi/etc/TRANSLATIONS.md +++ b/translations/hi/etc/TRANSLATIONS.md @@ -1,12 +1,3 @@ - # पाठों का अनुवाद करके योगदान दें हम इस पाठ्यक्रम में पाठों के अनुवाद का स्वागत करते हैं! diff --git a/translations/hi/etc/quiz-app/README.md b/translations/hi/etc/quiz-app/README.md index 56c44b65..1b83ef73 100644 --- a/translations/hi/etc/quiz-app/README.md +++ b/translations/hi/etc/quiz-app/README.md @@ -1,12 +1,3 @@ - # क्विज़ ये क्विज़ AI पाठ्यक्रम के लिए प्री- और पोस्ट-लेक्चर क्विज़ हैं, जो https://aka.ms/ai-beginners पर उपलब्ध है। diff --git a/translations/hi/examples/README.md b/translations/hi/examples/README.md index 065ef743..cc33382c 100644 --- a/translations/hi/examples/README.md +++ b/translations/hi/examples/README.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/hi/lessons/0-course-setup/for-teachers.md b/translations/hi/lessons/0-course-setup/for-teachers.md index fd39955e..820e7eec 100644 --- a/translations/hi/lessons/0-course-setup/for-teachers.md +++ b/translations/hi/lessons/0-course-setup/for-teachers.md @@ -1,12 +1,3 @@ - # शिक्षकों के लिए क्या आप इस पाठ्यक्रम को अपने कक्षा में उपयोग करना चाहेंगे? कृपया इसे स्वतंत्र रूप से उपयोग करें! diff --git a/translations/hi/lessons/0-course-setup/how-to-run.md b/translations/hi/lessons/0-course-setup/how-to-run.md index a12ee46e..31bfdc45 100644 --- a/translations/hi/lessons/0-course-setup/how-to-run.md +++ b/translations/hi/lessons/0-course-setup/how-to-run.md @@ -1,12 +1,3 @@ - # 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: diff --git a/translations/hi/lessons/0-course-setup/setup.md b/translations/hi/lessons/0-course-setup/setup.md index d80171b6..a227fcac 100644 --- a/translations/hi/lessons/0-course-setup/setup.md +++ b/translations/hi/lessons/0-course-setup/setup.md @@ -1,12 +1,3 @@ - # इस पाठ्यक्रम के साथ शुरुआत करें ## क्या आप एक छात्र हैं? diff --git a/translations/hi/lessons/1-Intro/README.md b/translations/hi/lessons/1-Intro/README.md index c981b34b..d1e7e3ac 100644 --- a/translations/hi/lessons/1-Intro/README.md +++ b/translations/hi/lessons/1-Intro/README.md @@ -1,12 +1,3 @@ - # एआई का परिचय ![एआई परिचय सामग्री का सारांश एक डूडल में](../../../../translated_images/hi/ai-intro.bf28d1ac4235881c.webp) diff --git a/translations/hi/lessons/1-Intro/assignment.md b/translations/hi/lessons/1-Intro/assignment.md index 0a44dd13..bdc36dd8 100644 --- a/translations/hi/lessons/1-Intro/assignment.md +++ b/translations/hi/lessons/1-Intro/assignment.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/hi/lessons/2-Symbolic/README.md b/translations/hi/lessons/2-Symbolic/README.md index b250d2bd..23146eb6 100644 --- a/translations/hi/lessons/2-Symbolic/README.md +++ b/translations/hi/lessons/2-Symbolic/README.md @@ -1,15 +1,6 @@ - # 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 diff --git a/translations/hi/lessons/2-Symbolic/assignment.md b/translations/hi/lessons/2-Symbolic/assignment.md index b98e905e..0b4814c9 100644 --- a/translations/hi/lessons/2-Symbolic/assignment.md +++ b/translations/hi/lessons/2-Symbolic/assignment.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/hi/lessons/3-NeuralNetworks/03-Perceptron/README.md b/translations/hi/lessons/3-NeuralNetworks/03-Perceptron/README.md index 70439497..b665186a 100644 --- a/translations/hi/lessons/3-NeuralNetworks/03-Perceptron/README.md +++ b/translations/hi/lessons/3-NeuralNetworks/03-Perceptron/README.md @@ -1,12 +1,3 @@ - # 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: | | | |--------------|-----------| -|Frank Rosenblatt | The Mark 1 Perceptron| +|Frank Rosenblatt | The Mark 1 Perceptron| > चित्र [विकिपीडिया से](https://en.wikipedia.org/wiki/Perceptron) @@ -34,7 +25,7 @@ y(x) = f(wTx) जहां f एक स्टेप एक्टिवेशन फंक्शन है - + ## परसेप्ट्रॉन को प्रशिक्षित करना diff --git a/translations/hi/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md b/translations/hi/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md index 3b66f062..3c575256 100644 --- a/translations/hi/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md +++ b/translations/hi/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md @@ -1,12 +1,3 @@ - # परसेप्ट्रॉन के साथ मल्टी-क्लास वर्गीकरण [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) से लैब असाइनमेंट। diff --git a/translations/hi/lessons/3-NeuralNetworks/04-OwnFramework/README.md b/translations/hi/lessons/3-NeuralNetworks/04-OwnFramework/README.md index a89ec69d..5648552f 100644 --- a/translations/hi/lessons/3-NeuralNetworks/04-OwnFramework/README.md +++ b/translations/hi/lessons/3-NeuralNetworks/04-OwnFramework/README.md @@ -1,12 +1,3 @@ - # 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। -कम्प्यूट ग्राफ +कम्प्यूट ग्राफ > TODO: इमेज का संदर्भ diff --git a/translations/hi/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md b/translations/hi/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md index 6f0e3317..5e375198 100644 --- a/translations/hi/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md +++ b/translations/hi/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md @@ -1,12 +1,3 @@ - # MNIST वर्गीकरण हमारे अपने फ्रेमवर्क के साथ [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) से लैब असाइनमेंट। diff --git a/translations/hi/lessons/3-NeuralNetworks/05-Frameworks/README.md b/translations/hi/lessons/3-NeuralNetworks/05-Frameworks/README.md index 5604ac61..d562d249 100644 --- a/translations/hi/lessons/3-NeuralNetworks/05-Frameworks/README.md +++ b/translations/hi/lessons/3-NeuralNetworks/05-Frameworks/README.md @@ -1,12 +1,3 @@ - # 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: diff --git a/translations/hi/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md b/translations/hi/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md index 44c9c309..da420f64 100644 --- a/translations/hi/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md +++ b/translations/hi/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md @@ -1,12 +1,3 @@ - # PyTorch/TensorFlow के साथ वर्गीकरण [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) से लैब असाइनमेंट। diff --git a/translations/hi/lessons/3-NeuralNetworks/README.md b/translations/hi/lessons/3-NeuralNetworks/README.md index 3d2a2817..06ddc796 100644 --- a/translations/hi/lessons/3-NeuralNetworks/README.md +++ b/translations/hi/lessons/3-NeuralNetworks/README.md @@ -1,12 +1,3 @@ - # न्यूरल नेटवर्क्स का परिचय ![न्यूरल नेटवर्क्स के परिचय की सामग्री का सारांश एक डूडल में](../../../../translated_images/hi/ai-neuralnetworks.1c687ae40bc86e83.webp) diff --git a/translations/hi/lessons/4-ComputerVision/06-IntroCV/README.md b/translations/hi/lessons/4-ComputerVision/06-IntroCV/README.md index c4a88ceb..e26dcb1e 100644 --- a/translations/hi/lessons/4-ComputerVision/06-IntroCV/README.md +++ b/translations/hi/lessons/4-ComputerVision/06-IntroCV/README.md @@ -1,12 +1,3 @@ - # 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। -पाम मूवमेंट फ्रेम +पाम मूवमेंट फ्रेम --- diff --git a/translations/hi/lessons/4-ComputerVision/06-IntroCV/lab/README.md b/translations/hi/lessons/4-ComputerVision/06-IntroCV/lab/README.md index 7fb58efc..68b794c2 100644 --- a/translations/hi/lessons/4-ComputerVision/06-IntroCV/lab/README.md +++ b/translations/hi/lessons/4-ComputerVision/06-IntroCV/lab/README.md @@ -1,12 +1,3 @@ - # ऑप्टिकल फ्लो का उपयोग करके मूवमेंट का पता लगाना [AI for Beginners Curriculum](https://aka.ms/ai-beginners) से लैब असाइनमेंट। diff --git a/translations/hi/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md b/translations/hi/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md index 4cf6b187..d201363b 100644 --- a/translations/hi/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md +++ b/translations/hi/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md @@ -1,12 +1,3 @@ - # 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: - + > 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: - + > 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 diff --git a/translations/hi/lessons/4-ComputerVision/07-ConvNets/README.md b/translations/hi/lessons/4-ComputerVision/07-ConvNets/README.md index 875e7862..f4802ce5 100644 --- a/translations/hi/lessons/4-ComputerVision/07-ConvNets/README.md +++ b/translations/hi/lessons/4-ComputerVision/07-ConvNets/README.md @@ -1,12 +1,3 @@ - # 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: - + > छवि: [Leung-Malik Filter Bank](https://www.robots.ox.ac.uk/~vgg/research/texclass/filters.html) diff --git a/translations/hi/lessons/4-ComputerVision/07-ConvNets/lab/README.md b/translations/hi/lessons/4-ComputerVision/07-ConvNets/lab/README.md index ce3e446e..e6b967e5 100644 --- a/translations/hi/lessons/4-ComputerVision/07-ConvNets/lab/README.md +++ b/translations/hi/lessons/4-ComputerVision/07-ConvNets/lab/README.md @@ -1,12 +1,3 @@ - # पालतू जानवरों के चेहरों का वर्गीकरण [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) से लैब असाइनमेंट। diff --git a/translations/hi/lessons/4-ComputerVision/08-TransferLearning/README.md b/translations/hi/lessons/4-ComputerVision/08-TransferLearning/README.md index 09fc45e7..10388000 100644 --- a/translations/hi/lessons/4-ComputerVision/08-TransferLearning/README.md +++ b/translations/hi/lessons/4-ComputerVision/08-TransferLearning/README.md @@ -1,12 +1,3 @@ - # 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? diff --git a/translations/hi/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md b/translations/hi/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md index 850d76d0..f041cdd4 100644 --- a/translations/hi/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md +++ b/translations/hi/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md @@ -1,12 +1,3 @@ - # 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। diff --git a/translations/hi/lessons/4-ComputerVision/08-TransferLearning/lab/README.md b/translations/hi/lessons/4-ComputerVision/08-TransferLearning/lab/README.md index 14fdf826..a9601d5f 100644 --- a/translations/hi/lessons/4-ComputerVision/08-TransferLearning/lab/README.md +++ b/translations/hi/lessons/4-ComputerVision/08-TransferLearning/lab/README.md @@ -1,12 +1,3 @@ - # ऑक्सफोर्ड पालतू जानवरों का वर्गीकरण ट्रांसफर लर्निंग का उपयोग करके [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) से लैब असाइनमेंट। diff --git a/translations/hi/lessons/4-ComputerVision/09-Autoencoders/README.md b/translations/hi/lessons/4-ComputerVision/09-Autoencoders/README.md index f4f34776..9f5645b1 100644 --- a/translations/hi/lessons/4-ComputerVision/09-Autoencoders/README.md +++ b/translations/hi/lessons/4-ComputerVision/09-Autoencoders/README.md @@ -1,12 +1,3 @@ - # ऑटोएन्कोडर्स जब CNNs को ट्रेन किया जाता है, तो एक समस्या यह होती है कि हमें बहुत सारे लेबल वाले डेटा की आवश्यकता होती है। इमेज क्लासिफिकेशन के मामले में, हमें इमेज को अलग-अलग क्लास में विभाजित करना होता है, जो एक मैनुअल प्रक्रिया है। @@ -46,7 +37,7 @@ VAE वह ऑटोएन्कोडर है जो लेटेंट प * हम वितरण N(zmean,exp(zlog\_sigma)) से एक वेक्टर `sample` लेते हैं * डिकोडर `sample` को इनपुट वेक्टर के रूप में उपयोग करके मूल इमेज को डिकोड करने की कोशिश करता है - + > इमेज [इस ब्लॉग पोस्ट](https://ijdykeman.github.io/ml/2016/12/21/cvae.html) से, लेखक: इसाक डाइकमैन @@ -57,13 +48,13 @@ VAE वह ऑटोएन्कोडर है जो लेटेंट प VAEs का एक महत्वपूर्ण लाभ यह है कि वे हमें नए इमेज को अपेक्षाकृत आसानी से जनरेट करने की अनुमति देते हैं, क्योंकि हमें पता होता है कि लेटेंट वेक्टर को किस वितरण से सैंपल करना है। उदाहरण के लिए, यदि हम MNIST पर 2D लेटेंट वेक्टर के साथ VAE को ट्रेन करते हैं, तो हम लेटेंट वेक्टर के घटकों को बदलकर विभिन्न अंकों को प्राप्त कर सकते हैं: -vaemnist +vaemnist > इमेज [दिमित्री सोश्निकोव](http://soshnikov.com) द्वारा ध्यान दें कि कैसे इमेज एक-दूसरे में मिल जाती हैं, जैसे ही हम लेटेंट पैरामीटर स्पेस के विभिन्न हिस्सों से लेटेंट वेक्टर प्राप्त करना शुरू करते हैं। हम इस स्पेस को 2D में भी विज़ुअलाइज़ कर सकते हैं: -vaemnist cluster +vaemnist cluster > इमेज [दिमित्री सोश्निकोव](http://soshnikov.com) द्वारा diff --git a/translations/hi/lessons/4-ComputerVision/10-GANs/README.md b/translations/hi/lessons/4-ComputerVision/10-GANs/README.md index 94440afb..87638432 100644 --- a/translations/hi/lessons/4-ComputerVision/10-GANs/README.md +++ b/translations/hi/lessons/4-ComputerVision/10-GANs/README.md @@ -1,12 +1,3 @@ - # जनरेटिव एडवर्सेरियल नेटवर्क्स पिछले सेक्शन में, हमने **जनरेटिव मॉडल्स** के बारे में सीखा: ऐसे मॉडल्स जो ट्रेनिंग डेटा सेट में मौजूद इमेजेज़ के समान नई इमेजेज़ जनरेट कर सकते हैं। VAE इसका एक अच्छा उदाहरण था। @@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA: GAN का मुख्य विचार दो न्यूरल नेटवर्क्स को एक-दूसरे के खिलाफ ट्रेन करना है: - + > चित्र: [दिमित्री सोश्निकोव](http://soshnikov.com) @@ -41,7 +32,7 @@ GAN का मुख्य विचार दो न्यूरल नेट > ✅ क्योंकि कन्वोल्यूशन लेयर को एक लीनियर फिल्टर के रूप में इमेज पर लागू किया जाता है, डी-कन्वोल्यूशन मूल रूप से कन्वोल्यूशन के समान है और इसे उसी लेयर लॉजिक का उपयोग करके लागू किया जा सकता है। - + > चित्र: [दिमित्री सोश्निकोव](http://soshnikov.com) diff --git a/translations/hi/lessons/4-ComputerVision/11-ObjectDetection/README.md b/translations/hi/lessons/4-ComputerVision/11-ObjectDetection/README.md index 4232577c..edeb6c94 100644 --- a/translations/hi/lessons/4-ComputerVision/11-ObjectDetection/README.md +++ b/translations/hi/lessons/4-ComputerVision/11-ObjectDetection/README.md @@ -1,12 +1,3 @@ - # ऑब्जेक्ट डिटेक्शन अब तक हमने जिन इमेज क्लासिफिकेशन मॉडल्स का उपयोग किया है, वे एक इमेज लेते हैं और एक श्रेणीबद्ध परिणाम देते हैं, जैसे कि MNIST समस्या में 'नंबर' क्लास। हालांकि, कई मामलों में हम केवल यह जानना नहीं चाहते कि तस्वीर में वस्तुएं हैं - हम उनकी सटीक लोकेशन भी जानना चाहते हैं। यही **ऑब्जेक्ट डिटेक्शन** का उद्देश्य है। diff --git a/translations/hi/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md b/translations/hi/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md index 0875905a..4632f9d4 100644 --- a/translations/hi/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md +++ b/translations/hi/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md @@ -1,12 +1,3 @@ - # हॉलीवुड हेड्स डेटासेट का उपयोग करके हेड डिटेक्शन [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) से लैब असाइनमेंट। diff --git a/translations/hi/lessons/4-ComputerVision/12-Segmentation/README.md b/translations/hi/lessons/4-ComputerVision/12-Segmentation/README.md index 0bf93eb9..3ad247a0 100644 --- a/translations/hi/lessons/4-ComputerVision/12-Segmentation/README.md +++ b/translations/hi/lessons/4-ComputerVision/12-Segmentation/README.md @@ -1,12 +1,3 @@ - # विभाजन हमने पहले ऑब्जेक्ट डिटेक्शन के बारे में सीखा था, जो हमें *बाउंडिंग बॉक्सेस* की भविष्यवाणी करके इमेज में ऑब्जेक्ट्स को लोकेट करने की अनुमति देता है। हालांकि, कुछ कार्यों के लिए हमें केवल बाउंडिंग बॉक्सेस की आवश्यकता नहीं होती, बल्कि ऑब्जेक्ट्स का अधिक सटीक स्थानीयकरण चाहिए। इस कार्य को **विभाजन (Segmentation)** कहा जाता है। @@ -20,7 +11,7 @@ CO_OP_TRANSLATOR_METADATA: उदाहरण के लिए, इंस्टेंस विभाजन में ये भेड़ें अलग-अलग ऑब्जेक्ट्स हैं, लेकिन सामान्य विभाजन में सभी भेड़ों को एक ही क्लास के रूप में दिखाया जाता है। - + > इमेज [इस ब्लॉग पोस्ट](https://nirmalamurali.medium.com/image-classification-vs-semantic-segmentation-vs-instance-segmentation-625c33a08d50) से ली गई है @@ -29,7 +20,7 @@ CO_OP_TRANSLATOR_METADATA: * **एन्कोडर (Encoder)** इनपुट इमेज से फीचर्स निकालता है। * **डीकोडर (Decoder)** उन फीचर्स को **मास्क इमेज** में बदलता है, जिसका आकार और चैनल्स की संख्या क्लासेस की संख्या के अनुरूप होती है। - + > इमेज [इस प्रकाशन](https://arxiv.org/pdf/2001.05566.pdf) से ली गई है @@ -43,7 +34,7 @@ CO_OP_TRANSLATOR_METADATA: > ✅ यह तकनीक इस प्रकार की मेडिकल इमेजिंग के लिए विशेष रूप से उपयुक्त है, लेकिन आप अन्य वास्तविक दुनिया के अनुप्रयोगों की कल्पना कैसे कर सकते हैं? -navi +navi > इमेज PH2 डेटाबेस से ली गई है diff --git a/translations/hi/lessons/4-ComputerVision/12-Segmentation/lab/README.md b/translations/hi/lessons/4-ComputerVision/12-Segmentation/lab/README.md index 55142f0a..54459597 100644 --- a/translations/hi/lessons/4-ComputerVision/12-Segmentation/lab/README.md +++ b/translations/hi/lessons/4-ComputerVision/12-Segmentation/lab/README.md @@ -1,12 +1,3 @@ - # मानव शरीर खंडन [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) से लैब असाइनमेंट। diff --git a/translations/hi/lessons/4-ComputerVision/README.md b/translations/hi/lessons/4-ComputerVision/README.md index 67410e36..74d94983 100644 --- a/translations/hi/lessons/4-ComputerVision/README.md +++ b/translations/hi/lessons/4-ComputerVision/README.md @@ -1,12 +1,3 @@ - # कंप्यूटर विज़न ![कंप्यूटर विज़न सामग्री का सारांश एक डूडल में](../../../../lessons/sketchnotes/ai-computervision.png) diff --git a/translations/hi/lessons/5-NLP/13-TextRep/README.md b/translations/hi/lessons/5-NLP/13-TextRep/README.md index 21354cb3..9e6b8b2b 100644 --- a/translations/hi/lessons/5-NLP/13-TextRep/README.md +++ b/translations/hi/lessons/5-NLP/13-TextRep/README.md @@ -1,12 +1,3 @@ - # टेक्स्ट को टेंसर के रूप में प्रस्तुत करना ## [प्री-लेक्चर क्विज़](https://ff-quizzes.netlify.app/en/ai/quiz/25) @@ -25,7 +16,7 @@ CO_OP_TRANSLATOR_METADATA: यदि हम न्यूरल नेटवर्क के साथ प्राकृतिक भाषा प्रसंस्करण (NLP) कार्यों को हल करना चाहते हैं, तो हमें टेक्स्ट को टेंसर के रूप में प्रस्तुत करने का कोई तरीका चाहिए। कंप्यूटर पहले से ही ASCII या UTF-8 जैसे एन्कोडिंग का उपयोग करके आपके स्क्रीन पर फोंट को मैप करने वाले संख्याओं के रूप में टेक्स्ट वर्णों को प्रस्तुत करते हैं। -एक छवि जो एक वर्ण को ASCII और बाइनरी प्रतिनिधित्व में मैप करने वाले आरेख को दिखाती है +एक छवि जो एक वर्ण को ASCII और बाइनरी प्रतिनिधित्व में मैप करने वाले आरेख को दिखाती है > [छवि स्रोत](https://www.seobility.net/en/wiki/ASCII) @@ -48,7 +39,7 @@ CO_OP_TRANSLATOR_METADATA: जब हम टेक्स्ट वर्गीकरण जैसे कार्यों को हल कर रहे होते हैं, तो हमें टेक्स्ट को एक निश्चित आकार के वेक्टर द्वारा प्रस्तुत करने में सक्षम होना चाहिए, जिसे हम अंतिम घने वर्गीकरणकर्ता के इनपुट के रूप में उपयोग करेंगे। इसे करने के सबसे सरल तरीकों में से एक है सभी व्यक्तिगत शब्द प्रतिनिधित्वों को जोड़ना, जैसे कि उन्हें जोड़कर। यदि हम प्रत्येक शब्द की वन-हॉट एन्कोडिंग को जोड़ते हैं, तो हमें आवृत्तियों का एक वेक्टर मिलेगा, जो दिखाएगा कि टेक्स्ट के अंदर प्रत्येक शब्द कितनी बार दिखाई देता है। टेक्स्ट का ऐसा प्रतिनिधित्व **बैग ऑफ वर्ड्स** (BoW) कहलाता है। - + > लेखक द्वारा बनाई गई छवि diff --git a/translations/hi/lessons/5-NLP/13-TextRep/assignment.md b/translations/hi/lessons/5-NLP/13-TextRep/assignment.md index 809111ad..d799ec19 100644 --- a/translations/hi/lessons/5-NLP/13-TextRep/assignment.md +++ b/translations/hi/lessons/5-NLP/13-TextRep/assignment.md @@ -1,12 +1,3 @@ - # असाइनमेंट: नोटबुक्स इस पाठ से संबंधित नोटबुक्स (चाहे वह PyTorch संस्करण हो या TensorFlow संस्करण), उन्हें अपने स्वयं के डेटा सेट का उपयोग करके पुनः चलाएं, शायद Kaggle से लिया गया हो, और उचित श्रेय के साथ उपयोग किया गया हो। नोटबुक को फिर से लिखें ताकि आपके अपने निष्कर्षों को उजागर किया जा सके। कुछ नवीन डेटा सेट आज़माएं जो आश्चर्यजनक साबित हो सकते हैं, जैसे [यह यूएफओ देखे जाने के बारे में](https://www.kaggle.com/datasets/NUFORC/ufo-sightings) NUFORC से। diff --git a/translations/hi/lessons/5-NLP/14-Embeddings/README.md b/translations/hi/lessons/5-NLP/14-Embeddings/README.md index b8b35b25..731339ec 100644 --- a/translations/hi/lessons/5-NLP/14-Embeddings/README.md +++ b/translations/hi/lessons/5-NLP/14-Embeddings/README.md @@ -1,12 +1,3 @@ - # एम्बेडिंग्स ## [प्री-लेक्चर क्विज़](https://ff-quizzes.netlify.app/en/ai/quiz/27) diff --git a/translations/hi/lessons/5-NLP/14-Embeddings/assignment.md b/translations/hi/lessons/5-NLP/14-Embeddings/assignment.md index 95fa1b33..d85a983e 100644 --- a/translations/hi/lessons/5-NLP/14-Embeddings/assignment.md +++ b/translations/hi/lessons/5-NLP/14-Embeddings/assignment.md @@ -1,12 +1,3 @@ - # असाइनमेंट: नोटबुक्स इस पाठ से संबंधित नोटबुक्स (चाहे वह PyTorch संस्करण हो या TensorFlow संस्करण), अपने स्वयं के डेटा सेट का उपयोग करके पुनः चलाएं, शायद Kaggle से लिया गया हो, और उचित श्रेय के साथ उपयोग किया गया हो। नोटबुक को फिर से लिखें ताकि आपके अपने निष्कर्षों को उजागर किया जा सके। एक अलग प्रकार का डेटा सेट आज़माएं और अपने निष्कर्षों को दस्तावेज़ित करें, जैसे [ये Beatles गीत](https://www.kaggle.com/datasets/jenlooper/beatles-lyrics) का उपयोग करके। diff --git a/translations/hi/lessons/5-NLP/15-LanguageModeling/README.md b/translations/hi/lessons/5-NLP/15-LanguageModeling/README.md index 400d1f66..284436c6 100644 --- a/translations/hi/lessons/5-NLP/15-LanguageModeling/README.md +++ b/translations/hi/lessons/5-NLP/15-LanguageModeling/README.md @@ -1,12 +1,3 @@ - # भाषा मॉडलिंग सिमेंटिक एम्बेडिंग्स, जैसे Word2Vec और GloVe, वास्तव में **भाषा मॉडलिंग** की दिशा में पहला कदम हैं - ऐसे मॉडल बनाना जो किसी तरह भाषा की प्रकृति को *समझते* (या *प्रतिनिधित्व करते*) हैं। diff --git a/translations/hi/lessons/5-NLP/15-LanguageModeling/lab/README.md b/translations/hi/lessons/5-NLP/15-LanguageModeling/lab/README.md index 0f097d6e..e54ef90c 100644 --- a/translations/hi/lessons/5-NLP/15-LanguageModeling/lab/README.md +++ b/translations/hi/lessons/5-NLP/15-LanguageModeling/lab/README.md @@ -1,12 +1,3 @@ - # स्किप-ग्राम मॉडल का प्रशिक्षण [एआई फॉर बिगिनर्स करिकुलम](https://github.com/microsoft/ai-for-beginners) से लैब असाइनमेंट। diff --git a/translations/hi/lessons/5-NLP/16-RNN/README.md b/translations/hi/lessons/5-NLP/16-RNN/README.md index 719bb2a0..a9c23bee 100644 --- a/translations/hi/lessons/5-NLP/16-RNN/README.md +++ b/translations/hi/lessons/5-NLP/16-RNN/README.md @@ -1,12 +1,3 @@ - # पुनरावर्ती न्यूरल नेटवर्क्स ## [प्री-लेक्चर क्विज़](https://ff-quizzes.netlify.app/en/ai/quiz/31) @@ -31,7 +22,7 @@ CO_OP_TRANSLATOR_METADATA: एक साधारण RNN सेल के अंदर दो वेट मैट्रिस होती हैं: एक इनपुट प्रतीक को ट्रांसफॉर्म करता है (इसे W कहते हैं), और दूसरा इनपुट स्थिति को ट्रांसफॉर्म करता है (H)। इस मामले में नेटवर्क का आउटपुट σ(W×Xi+H×Si-1+b) के रूप में गणना किया जाता है, जहां σ सक्रियण फ़ंक्शन है और b अतिरिक्त बायस है। -RNN सेल की संरचना +RNN सेल की संरचना > चित्र लेखक द्वारा diff --git a/translations/hi/lessons/5-NLP/16-RNN/assignment.md b/translations/hi/lessons/5-NLP/16-RNN/assignment.md index 96e908c2..810bab2c 100644 --- a/translations/hi/lessons/5-NLP/16-RNN/assignment.md +++ b/translations/hi/lessons/5-NLP/16-RNN/assignment.md @@ -1,12 +1,3 @@ - # असाइनमेंट: नोटबुक्स इस पाठ से संबंधित नोटबुक्स (चाहे वह PyTorch संस्करण हो या TensorFlow संस्करण), उन्हें अपने स्वयं के डेटासेट का उपयोग करके पुनः चलाएं, शायद Kaggle से लिया गया हो, और उचित श्रेय के साथ उपयोग किया गया हो। नोटबुक को फिर से लिखें ताकि आपके अपने निष्कर्ष स्पष्ट हों। एक अलग प्रकार का डेटासेट आज़माएं और अपने निष्कर्षों को दस्तावेज़ित करें, जैसे [यह Kaggle प्रतियोगिता डेटासेट जो मौसम से संबंधित ट्वीट्स के बारे में है](https://www.kaggle.com/competitions/crowdflower-weather-twitter/data?select=train.csv)। diff --git a/translations/hi/lessons/5-NLP/17-GenerativeNetworks/README.md b/translations/hi/lessons/5-NLP/17-GenerativeNetworks/README.md index a2dad3f0..b741a08c 100644 --- a/translations/hi/lessons/5-NLP/17-GenerativeNetworks/README.md +++ b/translations/hi/lessons/5-NLP/17-GenerativeNetworks/README.md @@ -1,12 +1,3 @@ - # जनरेटिव नेटवर्क्स ## [प्री-लेक्चर क्विज़](https://ff-quizzes.netlify.app/en/ai/quiz/33) @@ -36,7 +27,7 @@ Recurrent Neural Networks (RNNs) और उनके gated cell वेरिए जब टेक्स्ट उत्पन्न किया जाता है (inference के दौरान), हम कुछ **prompt** के साथ शुरू करते हैं, जिसे RNN cells के माध्यम से पास किया जाता है ताकि इसका intermediate state उत्पन्न हो सके, और फिर इस state से जनरेशन शुरू होती है। हम एक बार में एक character उत्पन्न करते हैं, और state और उत्पन्न character को अगले RNN cell में पास करते हैं ताकि अगला character उत्पन्न हो सके, जब तक कि हम पर्याप्त characters उत्पन्न न कर लें। - + > चित्र लेखक द्वारा diff --git a/translations/hi/lessons/5-NLP/17-GenerativeNetworks/lab/README.md b/translations/hi/lessons/5-NLP/17-GenerativeNetworks/lab/README.md index a95c2418..1a622310 100644 --- a/translations/hi/lessons/5-NLP/17-GenerativeNetworks/lab/README.md +++ b/translations/hi/lessons/5-NLP/17-GenerativeNetworks/lab/README.md @@ -1,12 +1,3 @@ - # आरएनएन का उपयोग करके शब्द-स्तरीय टेक्स्ट जनरेशन [एआई फॉर बिगिनर्स करिकुलम](https://github.com/microsoft/ai-for-beginners) से लैब असाइनमेंट। diff --git a/translations/hi/lessons/5-NLP/18-Transformers/README.md b/translations/hi/lessons/5-NLP/18-Transformers/README.md index 95456408..e2a3b396 100644 --- a/translations/hi/lessons/5-NLP/18-Transformers/README.md +++ b/translations/hi/lessons/5-NLP/18-Transformers/README.md @@ -1,12 +1,3 @@ - # ध्यान तंत्र और ट्रांसफॉर्मर्स ## [प्री-लेक्चर क्विज़](https://ff-quizzes.netlify.app/en/ai/quiz/35) @@ -56,7 +47,7 @@ RNNs के साथ, सीक्वेंस-टू-सीक्वेंस * टोकन एम्बेडिंग के समान ट्रेन करने योग्य एम्बेडिंग। यह वह दृष्टिकोण है जिसे हम यहां मानते हैं। हम टोकन और उनके पोजिशन दोनों पर एम्बेडिंग लेयर लागू करते हैं, जिससे समान आयामों के एम्बेडिंग वेक्टर प्राप्त होते हैं, जिन्हें हम फिर जोड़ते हैं। * मूल पेपर में प्रस्तावित फिक्स्ड पोजिशन एनकोडिंग फंक्शन। - + > लेखक द्वारा बनाई गई छवि diff --git a/translations/hi/lessons/5-NLP/18-Transformers/READMEtransformers.md b/translations/hi/lessons/5-NLP/18-Transformers/READMEtransformers.md deleted file mode 100644 index 0ce3331f..00000000 --- a/translations/hi/lessons/5-NLP/18-Transformers/READMEtransformers.md +++ /dev/null @@ -1,112 +0,0 @@ -# ध्यान तंत्र और ट्रांसफार्मर - -## [प्री-लेचर क्विज़](https://ff-quizzes.netlify.app/en/ai/quiz/35) - -NLP क्षेत्र में सबसे महत्वपूर्ण समस्याओं में से एक है **मशीन अनुवाद**, जो ऐसे उपकरणों के लिए एक आवश्यक कार्य है जैसे कि Google Translate। इस अनुभाग में, हम मशीन अनुवाद पर ध्यान केंद्रित करेंगे, या, सामान्य रूप से, किसी भी *क्रम-से-क्रम* कार्य पर (जिसे **वाक्य ट्रांसडक्सन** भी कहा जाता है)। - -RNNs के साथ, क्रम-से-क्रम को दो आवर्ती नेटवर्क द्वारा लागू किया जाता है, जहां एक नेटवर्क, **एन्कोडर**, एक इनपुट अनुक्रम को एक छिपी हुई स्थिति में संकुचित करता है, जबकि दूसरा नेटवर्क, **डिकोडर**, इस छिपी हुई स्थिति को एक अनुवादित परिणाम में अनरोल करता है। इस दृष्टिकोण के साथ कुछ समस्याएं हैं: - -* एन्कोडर नेटवर्क की अंतिम स्थिति एक वाक्य की शुरुआत को याद रखने में कठिनाई महसूस करती है, जिससे लंबे वाक्यों के लिए मॉडल की गुणवत्ता खराब होती है। -* अनुक्रम में सभी शब्दों का परिणाम पर समान प्रभाव होता है। हालांकि, वास्तविकता में, इनपुट अनुक्रम में विशिष्ट शब्द अक्सर अन्य की तुलना में अनुक्रमिक आउटपुट पर अधिक प्रभाव डालते हैं। - -**ध्यान तंत्र** प्रत्येक इनपुट वेक्टर के संदर्भात्मक प्रभाव को RNN के प्रत्येक आउटपुट भविष्यवाणी पर वजन देने का एक साधन प्रदान करते हैं। इसे लागू करने का तरीका इनपुट RNN और आउटपुट RNN के मध्यवर्ती राज्यों के बीच शॉर्टकट बनाना है। इस तरह, जब आउटपुट प्रतीक yt उत्पन्न करते हैं, तो हम सभी इनपुट छिपी हुई स्थितियों hi को विभिन्न वजन गुणांक αt,i के साथ ध्यान में रखते हैं। - -![एक एन्कोडर/डिकोडर मॉडल को दर्शाने वाली छवि जिसमें एक जोड़ात्मक ध्यान परत है](../../../../../translated_images/hi/encoder-decoder-attention.7a726296894fb567.webp) - -> एन्कोडर-डिकोडर मॉडल जिसमें जोड़ात्मक ध्यान तंत्र है [Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf) से, [इस ब्लॉग पोस्ट](https://lilianweng.github.io/lil-log/2018/06/24/attention-attention.html) से उद्धृत। - -ध्यान मैट्रिक्स {αi,j} यह दर्शाएगा कि कुछ इनपुट शब्दों का एक दिए गए शब्द के उत्पादन में क्या योगदान है। नीचे एक ऐसे मैट्रिक्स का उदाहरण दिया गया है: - -![RNNsearch-50 द्वारा पाए गए एक नमूना संरेखण को दर्शाने वाली छवि, Bahdanau - arviz.org से ली गई](../../../../../translated_images/hi/bahdanau-fig3.09ba2d37f202a6af.webp) - -> चित्र [Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf) से (चित्र 3) - -ध्यान तंत्र वर्तमान या लगभग वर्तमान राज्य में NLP में महत्वपूर्ण भूमिका निभाते हैं। हालांकि, ध्यान जोड़ने से मॉडल के पैरामीटर की संख्या बहुत बढ़ जाती है, जिससे RNNs के साथ स्केलिंग की समस्याएं उत्पन्न होती हैं। RNNs के स्केलिंग का एक प्रमुख बाधा यह है कि मॉडलों की आवर्ती प्रकृति प्रशिक्षण को बैच और समानांतर बनाना चुनौतीपूर्ण बनाती है। एक RNN में अनुक्रम के प्रत्येक तत्व को अनुक्रमिक क्रम में संसाधित करने की आवश्यकता होती है, जिसका अर्थ है कि इसे आसानी से समानांतर नहीं किया जा सकता है। - -![ध्यान के साथ एन्कोडर डिकोडर](../../../../../lessons/5-NLP/18-Transformers/images/EncDecAttention.gif) - -> चित्र [Google के ब्लॉग](https://research.googleblog.com/2016/09/a-neural-network-for-machine.html) से - -ध्यान तंत्रों को अपनाने और इस बाधा के संयोजन ने आज के ज्ञात और उपयोग किए जाने वाले स्टेट ऑफ द आर्ट ट्रांसफार्मर मॉडल्स जैसे BERT से Open-GPT3 के निर्माण की ओर अग्रसर किया। - -## ट्रांसफार्मर मॉडल - -ट्रांसफार्मरों के पीछे का एक मुख्य विचार RNNs की अनुक्रमिक प्रकृति से बचना और एक ऐसा मॉडल बनाना है जो प्रशिक्षण के दौरान समानांतर हो सके। यह दो विचारों को लागू करके प्राप्त किया जाता है: - -* स्थिति एन्कोडिंग -* पैटर्न कैप्चर करने के लिए आत्म-ध्यान तंत्र का उपयोग करना, RNNs (या CNNs) के बजाय (यही कारण है कि ट्रांसफार्मर को पेश करने वाला पेपर *[ध्यान ही सब कुछ है](https://arxiv.org/abs/1706.03762)* कहा जाता है) - -### स्थिति एन्कोडिंग/एंबेडिंग - -स्थिति एन्कोडिंग का विचार निम्नलिखित है। -1. RNNs का उपयोग करते समय, टोकनों की सापेक्ष स्थिति चरणों की संख्या द्वारा दर्शाई जाती है, और इसलिए इसे स्पष्ट रूप से दर्शाने की आवश्यकता नहीं है। -2. हालाँकि, जब हम ध्यान में स्विच करते हैं, तो हमें अनुक्रम में टोकनों की सापेक्ष स्थितियों को जानने की आवश्यकता होती है। -3. स्थिति एन्कोडिंग प्राप्त करने के लिए, हम अपने टोकनों के अनुक्रम को अनुक्रम में टोकन स्थितियों के अनुक्रम के साथ बढ़ाते हैं (यानी, 0, 1, ... की संख्या का अनुक्रम)। -4. फिर हम टोकन स्थिति को टोकन एंबेडिंग वेक्टर के साथ मिलाते हैं। स्थिति (पूर्णांक) को वेक्टर में परिवर्तित करने के लिए, हम विभिन्न दृष्टिकोणों का उपयोग कर सकते हैं: - -* प्रशिक्षनीय एंबेडिंग, जो टोकन एंबेडिंग के समान है। यही दृष्टिकोण हम यहाँ मानते हैं। हम टोकनों और उनके स्थितियों पर एंबेडिंग परतें लागू करते हैं, जिससे समान आयामों के एंबेडिंग वेक्टर प्राप्त होते हैं, जिन्हें हम फिर जोड़ते हैं। -* निश्चित स्थिति एन्कोडिंग फ़ंक्शन, जैसा कि मूल पेपर में प्रस्तावित किया गया है। - - - -> चित्र लेखक द्वारा - -जिस परिणाम को हम स्थिति एंबेडिंग के साथ प्राप्त करते हैं वह अनुक्रम में मूल टोकन और इसकी स्थिति दोनों को एंबेड करता है। - -### मल्टी-हेड आत्म-ध्यान - -अगला, हमें अपने अनुक्रम में कुछ पैटर्न कैप्चर करने की आवश्यकता है। ऐसा करने के लिए, ट्रांसफार्मर **आत्म-ध्यान** तंत्र का उपयोग करते हैं, जो मूल रूप से इनपुट और आउटपुट के रूप में उसी अनुक्रम पर लागू ध्यान है। आत्म-ध्यान लागू करने से हमें वाक्य के भीतर **संदर्भ** को ध्यान में रखने की अनुमति मिलती है, और यह देखने की अनुमति मिलती है कि कौन से शब्द आपस में संबंधित हैं। उदाहरण के लिए, यह हमें यह देखने की अनुमति देता है कि कौन से शब्द सहसंबंधों द्वारा संदर्भित हैं, जैसे *यह*, और संदर्भ को भी ध्यान में रखते हैं: - -![](../../../../../translated_images/hi/CoreferenceResolution.861924d6d384a7d6.webp) - -> चित्र [Google ब्लॉग](https://research.googleblog.com/2017/08/transformer-novel-neural-network.html) से - -ट्रांसफार्मर में, हम **मल्टी-हेड ध्यान** का उपयोग करते हैं ताकि नेटवर्क को विभिन्न प्रकार की निर्भरताओं को कैप्चर करने की शक्ति दी जा सके, जैसे कि दीर्घकालिक बनाम तात्कालिक शब्द संबंध, सह-संदर्भ बनाम कुछ और, आदि। - -[TensorFlow नोटबुक](../../../../../lessons/5-NLP/18-Transformers/TransformersTF.ipynb) ट्रांसफार्मर परतों के कार्यान्वयन के बारे में अधिक विवरण प्रदान करता है। - -### एन्कोडर-डिकोडर ध्यान - -ट्रांसफार्मर में, ध्यान का उपयोग दो स्थानों पर किया जाता है: - -* आत्म-ध्यान का उपयोग करके इनपुट टेक्स्ट में पैटर्न कैप्चर करने के लिए -* अनुक्रम अनुवाद करने के लिए - यह एन्कोडर और डिकोडर के बीच का ध्यान परत है। - -एन्कोडर-डिकोडर ध्यान RNNs में उपयोग किए जाने वाले ध्यान तंत्र के समान है, जैसा कि इस अनुभाग की शुरुआत में वर्णित किया गया है। यह एनिमेटेड आरेख एन्कोडर-डिकोडर ध्यान की भूमिका को स्पष्ट करता है। - -![एनिमेटेड GIF जो दिखाता है कि ट्रांसफार्मर मॉडल में मूल्यांकन कैसे किया जाता है।](../../../../../lessons/5-NLP/18-Transformers/images/transformer-animated-explanation.gif) - -चूंकि प्रत्येक इनपुट स्थिति को स्वतंत्र रूप से प्रत्येक आउटपुट स्थिति से मैप किया जाता है, ट्रांसफार्मर RNNs की तुलना में बेहतर समानांतरकरण कर सकते हैं, जिससे बहुत बड़े और अधिक अभिव्यक्तिशील भाषा मॉडल सक्षम होते हैं। प्रत्येक ध्यान सिर का उपयोग शब्दों के बीच विभिन्न संबंधों को सीखने के लिए किया जा सकता है जो आगे के प्राकृतिक भाषा प्रसंस्करण कार्यों में सुधार करता है। - -## BERT - -**BERT** (Bidirectional Encoder Representations from Transformers) एक बहुत बड़ा मल्टी लेयर ट्रांसफार्मर नेटवर्क है जिसमें *BERT-base* के लिए 12 परतें और *BERT-large* के लिए 24 परतें हैं। मॉडल को पहले एक बड़े पाठ डेटा (WikiPedia + पुस्तकें) के कॉर्पस पर बिना पर्यवेक्षण प्रशिक्षण का उपयोग करके पूर्व-प्रशिक्षित किया जाता है (एक वाक्य में मास्क किए गए शब्दों की भविष्यवाणी करना)। पूर्व-प्रशिक्षण के दौरान, मॉडल भाषा समझने के महत्वपूर्ण स्तरों को अवशोषित करता है जिसे फिर अन्य डेटासेट के साथ फाइन ट्यूनिंग के माध्यम से लाभ उठाया जा सकता है। इस प्रक्रिया को **हस्तांतरण शिक्षण** कहा जाता है। - -![चित्र http://jalammar.github.io/illustrated-bert/ से](../../../../../translated_images/hi/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.webp) - -> चित्र [स्रोत](http://jalammar.github.io/illustrated-bert/) - -## ✍️ व्यायाम: ट्रांसफार्मर - -निम्नलिखित नोटबुक में अपनी पढ़ाई जारी रखें: - -* [PyTorch में ट्रांसफार्मर](../../../../../lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) -* [TensorFlow में ट्रांसफार्मर](../../../../../lessons/5-NLP/18-Transformers/TransformersTF.ipynb) - -## निष्कर्ष - -इस पाठ में आपने ट्रांसफार्मर और ध्यान तंत्र के बारे में सीखा, जो NLP टूलबॉक्स में सभी आवश्यक उपकरण हैं। ट्रांसफार्मर आर्किटेक्चर की कई विविधताएँ हैं, जिनमें BERT, DistilBERT, BigBird, OpenGPT3 और अन्य शामिल हैं जिन्हें फाइन ट्यून किया जा सकता है। [HuggingFace पैकेज](https://github.com/huggingface/) इन आर्किटेक्चर में से कई को PyTorch और TensorFlow के साथ प्रशिक्षण के लिए रिपॉजिटरी प्रदान करता है। - -## 🚀 चुनौती - -## [पोस्ट-लेचर क्विज़](https://ff-quizzes.netlify.app/en/ai/quiz/36) - -## समीक्षा और आत्म अध्ययन - -* [ब्लॉग पोस्ट](https://mchromiak.github.io/articles/2017/Sep/12/Transformer-Attention-is-all-you-need/), जो क्लासिकल [ध्यान ही सब कुछ है](https://arxiv.org/abs/1706.03762) पेपर पर ट्रांसफार्मर के बारे में बताता है। -* [ट्रांसफार्मर पर ब्लॉग पोस्टों की एक श्रृंखला](https://towardsdatascience.com/transformers-explained-visually-part-1-overview-of-functionality-95a6dd460452), जो आर्किटेक्चर को विस्तार से समझाती है। - -## [असाइनमेंट](assignment.md) - -**अस्वीकृति**: -यह दस्तावेज़ मशीन-आधारित एआई अनुवाद सेवाओं का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता के लिए प्रयासरत हैं, कृपया ध्यान रखें कि स्वचालित अनुवादों में त्रुटियाँ या गलतियाँ हो सकती हैं। मूल दस्तावेज़ को उसकी मूल भाषा में प्राधिकृत स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। हम इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए जिम्मेदार नहीं हैं। \ No newline at end of file diff --git a/translations/hi/lessons/5-NLP/18-Transformers/assignment.md b/translations/hi/lessons/5-NLP/18-Transformers/assignment.md index f680f6e4..b243ea08 100644 --- a/translations/hi/lessons/5-NLP/18-Transformers/assignment.md +++ b/translations/hi/lessons/5-NLP/18-Transformers/assignment.md @@ -1,12 +1,3 @@ - # असाइनमेंट: ट्रांसफॉर्मर्स HuggingFace पर ट्रांसफॉर्मर्स के साथ प्रयोग करें! उनकी साइट पर उपलब्ध विभिन्न मॉडलों के साथ काम करने के लिए दिए गए स्क्रिप्ट्स का उपयोग करें: https://huggingface.co/docs/transformers/run_scripts। उनके किसी एक डेटासेट को आज़माएं, फिर इस पाठ्यक्रम या Kaggle से अपना खुद का एक डेटासेट आयात करें और देखें कि क्या आप रोचक टेक्स्ट जनरेट कर सकते हैं। अपने निष्कर्षों के साथ एक नोटबुक तैयार करें। diff --git a/translations/hi/lessons/5-NLP/19-NER/README.md b/translations/hi/lessons/5-NLP/19-NER/README.md index bc80bcef..0d94c31c 100644 --- a/translations/hi/lessons/5-NLP/19-NER/README.md +++ b/translations/hi/lessons/5-NLP/19-NER/README.md @@ -1,12 +1,3 @@ - # नामित इकाई पहचान अब तक, हमने मुख्य रूप से एक NLP कार्य - वर्गीकरण पर ध्यान केंद्रित किया है। हालांकि, तंत्रिका नेटवर्क के साथ अन्य NLP कार्य भी पूरे किए जा सकते हैं। उनमें से एक कार्य है **[नामित इकाई पहचान](https://wikipedia.org/wiki/Named-entity_recognition)** (NER), जो पाठ में विशिष्ट इकाइयों को पहचानने से संबंधित है, जैसे स्थान, व्यक्ति के नाम, तारीख-समय अंतराल, रासायनिक सूत्र आदि। @@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA: मान लीजिए कि आप एक प्राकृतिक भाषा चैट बॉट विकसित करना चाहते हैं, जैसे Amazon Alexa या Google Assistant। बुद्धिमान चैट बॉट्स इस तरह काम करते हैं कि वे उपयोगकर्ता की बात को *समझते* हैं, इनपुट वाक्य पर टेक्स्ट वर्गीकरण करके। इस वर्गीकरण का परिणाम **इरादा** कहलाता है, जो निर्धारित करता है कि चैट बॉट को क्या करना चाहिए। -Bot NER +Bot NER > लेखक द्वारा बनाई गई छवि diff --git a/translations/hi/lessons/5-NLP/19-NER/lab/README.md b/translations/hi/lessons/5-NLP/19-NER/lab/README.md index e9b22b7f..5457a2ca 100644 --- a/translations/hi/lessons/5-NLP/19-NER/lab/README.md +++ b/translations/hi/lessons/5-NLP/19-NER/lab/README.md @@ -1,12 +1,3 @@ - # NER [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) से लैब असाइनमेंट। diff --git a/translations/hi/lessons/5-NLP/20-LangModels/README.md b/translations/hi/lessons/5-NLP/20-LangModels/README.md index fe58cdb4..27e27c3d 100644 --- a/translations/hi/lessons/5-NLP/20-LangModels/README.md +++ b/translations/hi/lessons/5-NLP/20-LangModels/README.md @@ -1,12 +1,3 @@ - # प्री-ट्रेंड बड़े भाषा मॉडल हमारे पिछले सभी कार्यों में, हमने एक न्यूरल नेटवर्क को एक निश्चित कार्य करने के लिए प्रशिक्षित किया था, जिसमें लेबल वाले डेटा सेट का उपयोग किया गया था। बड़े ट्रांसफॉर्मर मॉडल, जैसे BERT, में हम भाषा मॉडलिंग का उपयोग स्व-निगरानी तरीके से करते हैं ताकि एक भाषा मॉडल बनाया जा सके, जिसे बाद में विशेष डाउनस्ट्रीम कार्य के लिए डोमेन-विशिष्ट प्रशिक्षण के साथ अनुकूलित किया जाता है। हालांकि, यह साबित हो चुका है कि बड़े भाषा मॉडल कई कार्य बिना किसी डोमेन-विशिष्ट प्रशिक्षण के भी हल कर सकते हैं। ऐसे मॉडलों के समूह को **GPT**: जनरेटिव प्री-ट्रेंड ट्रांसफॉर्मर कहा जाता है। diff --git a/translations/hi/lessons/5-NLP/20-LangModels/READMELargeLang.md b/translations/hi/lessons/5-NLP/20-LangModels/READMELargeLang.md deleted file mode 100644 index 79052fed..00000000 --- a/translations/hi/lessons/5-NLP/20-LangModels/READMELargeLang.md +++ /dev/null @@ -1,55 +0,0 @@ -# पूर्व-प्रशिक्षित बड़े भाषा मॉडल - -हमारे सभी पिछले कार्यों में, हम एक न्यूरल नेटवर्क को एक निश्चित कार्य करने के लिए लेबल किए गए डेटा सेट का उपयोग करके प्रशिक्षित कर रहे थे। बड़े ट्रांसफार्मर मॉडलों, जैसे कि BERT, के साथ, हम एक भाषा मॉडल बनाने के लिए आत्म-निगरानी तरीके से भाषा मॉडलिंग का उपयोग करते हैं, जिसे फिर विशेष डाउनस्ट्रीम कार्य के लिए आगे के डोमेन-विशिष्ट प्रशिक्षण के साथ विशेषीकृत किया जाता है। हालाँकि, यह प्रदर्शित किया गया है कि बड़े भाषा मॉडल बिना किसी डोमेन-विशिष्ट प्रशिक्षण के भी कई कार्यों को हल कर सकते हैं। ऐसे कार्य करने में सक्षम मॉडलों का एक परिवार **GPT** कहलाता है: जनरेटिव प्री-ट्रेंड ट्रांसफार्मर। - -## [प्री-व्याख्यान क्विज़](https://ff-quizzes.netlify.app/en/ai/quiz/39) - -## पाठ उत्पन्न करना और पेरीप्लेक्सिटी - -एक न्यूरल नेटवर्क द्वारा बिना डाउनस्ट्रीम प्रशिक्षण के सामान्य कार्य करने की क्षमता का विचार [भाषा मॉडल बिना पर्यवेक्षित बहु-कार्यकर्ता](https://cdn.openai.com/better-language-models/language_models_are_unsupervised_multitask_learners.pdf) पेपर में प्रस्तुत किया गया है। मुख्य विचार यह है कि कई अन्य कार्यों को **पाठ उत्पन्न करने** का उपयोग करके मॉडल किया जा सकता है, क्योंकि पाठ को समझना मूल रूप से इसे उत्पन्न करने में सक्षम होना है। चूंकि मॉडल को मानव ज्ञान को समाहित करने वाले विशाल मात्रा के पाठ पर प्रशिक्षित किया गया है, यह विभिन्न विषयों के बारे में भी जानकार हो जाता है। - -> पाठ को समझना और उसे उत्पन्न करने में सक्षम होना हमारे चारों ओर की दुनिया के बारे में कुछ जानने की आवश्यकता भी रखता है। लोग भी पढ़कर बड़े पैमाने पर सीखते हैं, और GPT नेटवर्क इस संदर्भ में समान है। - -पाठ उत्पन्न करने वाले नेटवर्क अगली शब्द की संभावना $$P(w_N)$$ की भविष्यवाणी करके काम करते हैं। हालाँकि, अगली शब्द की बिना शर्त संभावना इस शब्द की पाठ कॉर्पस में आवृत्ति के बराबर होती है। GPT हमें पिछले शब्दों को देखते हुए अगली शब्द की **शर्तीय संभावना** प्रदान करने में सक्षम है: $$P(w_N | w_{n-1}, ..., w_0)$$ - -> आप हमारी [डेटा विज्ञान के लिए प्रारंभिक पाठ्यक्रम](https://github.com/microsoft/Data-Science-For-Beginners/tree/main/1-Introduction/04-stats-and-probability) में संभावनाओं के बारे में अधिक पढ़ सकते हैं। - -भाषा उत्पन्न करने वाले मॉडल की गुणवत्ता को **पेरीप्लेक्सिटी** के माध्यम से परिभाषित किया जा सकता है। यह एक अंतर्निहित मीट्रिक है जो हमें किसी कार्य-विशिष्ट डेटा सेट के बिना मॉडल की गुणवत्ता को मापने की अनुमति देती है। यह *वाक्य की संभावना* के विचार पर आधारित है - मॉडल एक वाक्य को उच्च संभावना प्रदान करता है जो वास्तविक होने की संभावना है (यानी, मॉडल इससे **पेरीप्लेक्स** नहीं है), और कम समझ में आने वाले वाक्यों को कम संभावना प्रदान करता है (जैसे, *क्या यह क्या कर सकता है?*). जब हम अपने मॉडल को वास्तविक पाठ कॉर्पस से वाक्य देते हैं, तो हम उम्मीद करते हैं कि उनकी उच्च संभावना और कम **पेरीप्लेक्सिटी** होनी चाहिए। गणितीय रूप से, इसे परीक्षण सेट की सामान्यीकृत विपरीत संभावना के रूप में परिभाषित किया जाता है: -$$ -\mathrm{Perplexity}(W) = \sqrt[N]{1\over P(W_1,...,W_N)} -$$ - -**आप [Hugging Face से GPT-संचालित पाठ संपादक](https://transformer.huggingface.co/doc/gpt2-large) का उपयोग करके पाठ उत्पन्न करने के साथ प्रयोग कर सकते हैं।** इस संपादक में, आप अपना पाठ लिखना शुरू करते हैं, और **[TAB]** दबाने से आपको कई पूर्णता विकल्प मिलते हैं। यदि वे बहुत छोटे हैं, या आप उनसे संतुष्ट नहीं हैं - फिर से [TAB] दबाएं, और आपको अधिक विकल्प मिलेंगे, जिनमें लंबे पाठ के टुकड़े भी शामिल हैं। - -## GPT एक परिवार है - -GPT एकल मॉडल नहीं है, बल्कि [OpenAI](https://openai.com) द्वारा विकसित और प्रशिक्षित मॉडलों का एक संग्रह है। - -GPT मॉडलों के अंतर्गत, हमारे पास हैं: - -| [GPT-2](https://huggingface.co/docs/transformers/model_doc/gpt2#openai-gpt2) | [GPT 3](https://openai.com/research/language-models-are-few-shot-learners) | [GPT-4](https://openai.com/gpt-4) | -| -- | -- | -- | -|1.5 अरब तक के पैरामीटर वाला भाषा मॉडल। | 175 अरब तक के पैरामीटर वाला भाषा मॉडल | 100T पैरामीटर और छवि और पाठ दोनों इनपुट स्वीकार करता है और पाठ आउटपुट करता है। | - -GPT-3 और GPT-4 मॉडल [Microsoft Azure से एक संज्ञानात्मक सेवा के रूप में](https://azure.microsoft.com/en-us/services/cognitive-services/openai-service/#overview?WT.mc_id=academic-77998-cacaste) उपलब्ध हैं, और [OpenAI API](https://openai.com/api/) के रूप में भी। - -## प्रॉम्प्ट इंजीनियरिंग - -चूंकि GPT को भाषा और कोड को समझने के लिए विशाल मात्रा में डेटा पर प्रशिक्षित किया गया है, वे इनपुट (प्रॉम्प्ट) के जवाब में आउटपुट प्रदान करते हैं। प्रॉम्प्ट GPT इनपुट या क्वेरी होते हैं जिनके माध्यम से कोई मॉडल को कार्यों पर निर्देश प्रदान करता है जिन्हें उन्होंने अगले पूर्ण किया। इच्छित परिणाम प्राप्त करने के लिए, आपको सबसे प्रभावी प्रॉम्प्ट की आवश्यकता होती है जिसमें सही शब्दों, प्रारूपों, वाक्यांशों या यहां तक कि प्रतीकों का चयन करना शामिल होता है। यह दृष्टिकोण [प्रॉम्प्ट इंजीनियरिंग](https://learn.microsoft.com/en-us/shows/ai-show/the-basics-of-prompt-engineering-with-azure-openai-service?WT.mc_id=academic-77998-bethanycheum) कहलाता है। - -[यह दस्तावेज़](https://learn.microsoft.com/en-us/semantic-kernel/prompt-engineering/?WT.mc_id=academic-77998-bethanycheum) आपको प्रॉम्प्ट इंजीनियरिंग के बारे में अधिक जानकारी प्रदान करता है। - -## ✍️ उदाहरण नोटबुक: [OpenAI-GPT के साथ खेलना](../../../../../lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) - -निम्नलिखित नोटबुक में अपने अध्ययन को जारी रखें: - -* [OpenAI-GPT और Hugging Face Transformers के साथ पाठ उत्पन्न करना](../../../../../lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) - -## निष्कर्ष - -नए सामान्य पूर्व-प्रशिक्षित भाषा मॉडल न केवल भाषा संरचना को मॉडल करते हैं, बल्कि प्राकृतिक भाषा की विशाल मात्रा भी समाहित करते हैं। इसलिए, उन्हें शून्य-शॉप या कुछ-शॉट सेटिंग्स में कुछ NLP कार्यों को हल करने के लिए प्रभावी ढंग से उपयोग किया जा सकता है। - -## [पोस्ट-व्याख्यान क्विज़](https://ff-quizzes.netlify.app/en/ai/quiz/40) - -**अस्वीकृति**: -यह दस्तावेज़ मशीन-आधारित एआई अनुवाद सेवाओं का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता के लिए प्रयास करते हैं, कृपया ध्यान दें कि स्वचालित अनुवादों में त्रुटियाँ या असंगतताएँ हो सकती हैं। मूल दस्तावेज़ को उसकी मूल भाषा में प्राधिकृत स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम जिम्मेदार नहीं हैं। \ No newline at end of file diff --git a/translations/hi/lessons/5-NLP/README.md b/translations/hi/lessons/5-NLP/README.md index cd601832..7f1b247d 100644 --- a/translations/hi/lessons/5-NLP/README.md +++ b/translations/hi/lessons/5-NLP/README.md @@ -1,12 +1,3 @@ - # प्राकृतिक भाषा प्रसंस्करण ![NLP कार्यों का एक स्केच](../../../../lessons/sketchnotes/ai-nlp.png) diff --git a/translations/hi/lessons/6-Other/21-GeneticAlgorithms/README.md b/translations/hi/lessons/6-Other/21-GeneticAlgorithms/README.md index e88e5c2d..ddce1edd 100644 --- a/translations/hi/lessons/6-Other/21-GeneticAlgorithms/README.md +++ b/translations/hi/lessons/6-Other/21-GeneticAlgorithms/README.md @@ -1,12 +1,3 @@ - # जेनेटिक एल्गोरिदम ## [प्री-लेक्चर क्विज़](https://ff-quizzes.netlify.app/en/ai/quiz/41) diff --git a/translations/hi/lessons/6-Other/22-DeepRL/README.md b/translations/hi/lessons/6-Other/22-DeepRL/README.md index 38b99de9..987b3622 100644 --- a/translations/hi/lessons/6-Other/22-DeepRL/README.md +++ b/translations/hi/lessons/6-Other/22-DeepRL/README.md @@ -1,12 +1,3 @@ - # डीप रिइनफोर्समेंट लर्निंग रिइनफोर्समेंट लर्निंग (RL) को मशीन लर्निंग के तीन मुख्य पैरेडाइम्स में से एक माना जाता है, जिसमें सुपरवाइज्ड लर्निंग और अनसुपरवाइज्ड लर्निंग भी शामिल हैं। जहां सुपरवाइज्ड लर्निंग में हमें ज्ञात परिणामों वाले डेटा सेट पर निर्भर रहना पड़ता है, वहीं RL **करके सीखने** पर आधारित है। उदाहरण के लिए, जब हम पहली बार कोई कंप्यूटर गेम देखते हैं, तो हम इसे खेलना शुरू कर देते हैं, भले ही हमें नियमों का पता न हो। जल्द ही, हम केवल खेलते हुए और अपने व्यवहार को समायोजित करते हुए अपने कौशल में सुधार कर लेते हैं। @@ -34,7 +25,7 @@ RL के लिए एक बेहतरीन टूल [OpenAI Gym](https:// बैलेंसिंग का एक सरलीकृत संस्करण **CartPole** समस्या के रूप में जाना जाता है। CartPole की दुनिया में, हमारे पास एक क्षैतिज स्लाइडर होता है जो बाएं या दाएं चल सकता है, और लक्ष्य स्लाइडर के ऊपर एक वर्टिकल पोल को बैलेंस करना है। -a cartpole +a cartpole इस एनवायरनमेंट को बनाने और उपयोग करने के लिए, हमें कुछ पायथन कोड की आवश्यकता होगी: diff --git a/translations/hi/lessons/6-Other/22-DeepRL/lab/README.md b/translations/hi/lessons/6-Other/22-DeepRL/lab/README.md index 4a443073..3629f771 100644 --- a/translations/hi/lessons/6-Other/22-DeepRL/lab/README.md +++ b/translations/hi/lessons/6-Other/22-DeepRL/lab/README.md @@ -1,12 +1,3 @@ - ## पर्यावरण Mountain Car पर्यावरण में एक कार होती है जो एक घाटी में फंसी होती है। आपका लक्ष्य है घाटी से बाहर कूदकर झंडे तक पहुंचना। आप जो क्रियाएं कर सकते हैं, वे हैं बाईं ओर तेज़ करना, दाईं ओर तेज़ करना, या कुछ भी न करना। आप कार की स्थिति को x-अक्ष पर और उसकी गति को देख सकते हैं। diff --git a/translations/hi/lessons/6-Other/23-MultiagentSystems/README.md b/translations/hi/lessons/6-Other/23-MultiagentSystems/README.md index 164bd6a8..c39cd1a9 100644 --- a/translations/hi/lessons/6-Other/23-MultiagentSystems/README.md +++ b/translations/hi/lessons/6-Other/23-MultiagentSystems/README.md @@ -1,12 +1,3 @@ - # मल्टी-एजेंट सिस्टम्स बुद्धिमत्ता प्राप्त करने के संभावित तरीकों में से एक है **उभरता हुआ** (या **सिनर्जेटिक**) दृष्टिकोण, जो इस तथ्य पर आधारित है कि कई अपेक्षाकृत सरल एजेंटों का संयुक्त व्यवहार पूरे सिस्टम के अधिक जटिल (या बुद्धिमान) व्यवहार का परिणाम हो सकता है। सैद्धांतिक रूप से, यह [सामूहिक बुद्धिमत्ता](https://en.wikipedia.org/wiki/Collective_intelligence), [उभरतावाद](https://en.wikipedia.org/wiki/Global_brain) और [विकासवादी साइबरनेटिक्स](https://en.wikipedia.org/wiki/Global_brain) के सिद्धांतों पर आधारित है, जो कहते हैं कि उच्च-स्तरीय सिस्टम कुछ अतिरिक्त मूल्य प्राप्त करते हैं जब उन्हें सही तरीके से निम्न-स्तरीय सिस्टम से जोड़ा जाता है (जिसे *मेटासिस्टम ट्रांज़िशन का सिद्धांत* कहा जाता है)। @@ -60,7 +51,7 @@ ask turtles [ NetLogo की एक शानदार बात यह है कि इसमें काम करने वाले मॉडलों की एक लाइब्रेरी है जिसे आप आज़मा सकते हैं। **File → Models Library** पर जाएं, और आपके पास चुनने के लिए मॉडलों की कई श्रेणियां हैं। -NetLogo Models Library +NetLogo Models Library > दिमित्री सोश्निकोव द्वारा मॉडल्स लाइब्रेरी का स्क्रीनशॉट diff --git a/translations/hi/lessons/6-Other/23-MultiagentSystems/assignment.md b/translations/hi/lessons/6-Other/23-MultiagentSystems/assignment.md index 4c38c848..3bdc6772 100644 --- a/translations/hi/lessons/6-Other/23-MultiagentSystems/assignment.md +++ b/translations/hi/lessons/6-Other/23-MultiagentSystems/assignment.md @@ -1,12 +1,3 @@ - # नेटलोगो असाइनमेंट नेटलोगो की लाइब्रेरी में से किसी एक मॉडल को लें और इसे किसी वास्तविक जीवन की स्थिति का यथासंभव सटीक रूप से अनुकरण करने के लिए उपयोग करें। एक अच्छा उदाहरण यह होगा कि वैकल्पिक विज़ुअलाइज़ेशन फ़ोल्डर में मौजूद वायरस मॉडल को इस तरह से संशोधित करें कि यह दिखा सके कि इसे COVID-19 के प्रसार को मॉडल करने के लिए कैसे उपयोग किया जा सकता है। क्या आप एक ऐसा मॉडल बना सकते हैं जो वास्तविक जीवन में वायरस के प्रसार की नकल करता हो? diff --git a/translations/hi/lessons/7-Ethics/README.md b/translations/hi/lessons/7-Ethics/README.md index fe3ab12a..315fec93 100644 --- a/translations/hi/lessons/7-Ethics/README.md +++ b/translations/hi/lessons/7-Ethics/README.md @@ -1,12 +1,3 @@ - # नैतिक और जिम्मेदार AI आपने इस पाठ्यक्रम को लगभग पूरा कर लिया है, और मुझे उम्मीद है कि अब तक आप स्पष्ट रूप से देख सकते हैं कि AI कई औपचारिक गणितीय विधियों पर आधारित है, जो हमें डेटा में संबंध खोजने और कुछ हद तक मानव व्यवहार को दोहराने वाले मॉडल को प्रशिक्षित करने की अनुमति देती हैं। इस समय, हम AI को डेटा से पैटर्न निकालने और उन पैटर्न को नई समस्याओं को हल करने के लिए लागू करने के लिए एक बहुत ही शक्तिशाली उपकरण मानते हैं। diff --git a/translations/hi/lessons/README.md b/translations/hi/lessons/README.md index a5ccdd03..95505f5c 100644 --- a/translations/hi/lessons/README.md +++ b/translations/hi/lessons/README.md @@ -1,12 +1,3 @@ - # अवलोकन ![डूडल में अवलोकन](../../../lessons/sketchnotes/ai-overview.png) diff --git a/translations/hi/lessons/X-Extras/X1-MultiModal/README.md b/translations/hi/lessons/X-Extras/X1-MultiModal/README.md index 2927e7ba..64c20996 100644 --- a/translations/hi/lessons/X-Extras/X1-MultiModal/README.md +++ b/translations/hi/lessons/X-Extras/X1-MultiModal/README.md @@ -1,12 +1,3 @@ - # मल्टी-मोडल नेटवर्क्स NLP कार्यों को हल करने के लिए ट्रांसफॉर्मर मॉडल की सफलता के बाद, समान या समान आर्किटेक्चर को कंप्यूटर विज़न कार्यों पर लागू किया गया। ऐसे मॉडल बनाने में बढ़ती रुचि है जो विज़न और प्राकृतिक भाषा क्षमताओं को *मिलाकर* काम कर सकें। ऐसा ही एक प्रयास OpenAI द्वारा किया गया, जिसे CLIP और DALL.E कहा जाता है। diff --git a/translations/hi/lessons/sketchnotes/LICENSE.md b/translations/hi/lessons/sketchnotes/LICENSE.md index 57ea23ba..431d63a1 100644 --- a/translations/hi/lessons/sketchnotes/LICENSE.md +++ b/translations/hi/lessons/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - अट्रिब्यूशन-शेयरअलाइक 4.0 इंटरनेशनल ======================================================================= diff --git a/translations/hi/lessons/sketchnotes/README.md b/translations/hi/lessons/sketchnotes/README.md index 4dca1253..9b18b139 100644 --- a/translations/hi/lessons/sketchnotes/README.md +++ b/translations/hi/lessons/sketchnotes/README.md @@ -1,12 +1,3 @@ - सभी पाठ्यक्रम के स्केच नोट्स यहां से डाउनलोड किए जा सकते हैं। 🎨 बनाया गया: टोमोमी इमुरा (ट्विटर: [@girlie_mac](https://twitter.com/girlie_mac), गिटहब: [girliemac](https://github.com/girliemac)) diff --git a/translations/hi/troubleshoot.md b/translations/hi/troubleshoot.md index e3f680dc..b5131bf9 100644 --- a/translations/hi/troubleshoot.md +++ b/translations/hi/troubleshoot.md @@ -1,12 +1,3 @@ - # AI-For-Beginners समस्या निवारण गाइड यह गाइड आपको [AI-For-Beginners](https://github.com/microsoft/AI-For-Beginners) रिपॉजिटरी का उपयोग करते समय या उसमें योगदान देते समय आने वाली सामान्य समस्याओं को हल करने में मदद करता है। प्रत्येक समस्या में पृष्ठभूमि, लक्षण, स्पष्टीकरण और चरण-दर-चरण समाधान शामिल हैं। diff --git a/translations/ko/.co-op-translator.json b/translations/ko/.co-op-translator.json new file mode 100644 index 00000000..0a1f8b6d --- /dev/null +++ b/translations/ko/.co-op-translator.json @@ -0,0 +1,398 @@ +{ + "AGENTS.md": { + "original_hash": "6b11a37115944252ab3ed04e358d830d", + "translation_date": "2025-10-03T09:16:14+00:00", + "source_file": "AGENTS.md", + "language_code": "ko" + }, + "README.md": { + "original_hash": "1984fc89dd304a8a33ab5584691a99aa", + "translation_date": "2026-01-30T01:28:43+00:00", + "source_file": "README.md", + "language_code": "ko" + }, + "SECURITY.md": { + "original_hash": "a583f49d359c7ebba61433e4dfcd05a9", + "translation_date": "2025-08-24T21:22:54+00:00", + "source_file": "SECURITY.md", + "language_code": "ko" + }, + "etc/CODE_OF_CONDUCT.md": { + "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56", + "translation_date": "2025-08-24T21:38:25+00:00", + "source_file": "etc/CODE_OF_CONDUCT.md", + "language_code": "ko" + }, + "etc/CONTRIBUTING.md": { + "original_hash": "847a587aa1b83f4d00858183ff3ed18a", + "translation_date": "2025-08-24T21:38:38+00:00", + "source_file": "etc/CONTRIBUTING.md", + "language_code": "ko" + }, + "etc/Mindmap.md": { + "original_hash": "f2f88dbd2debd38e26149b27b1fd272d", + "translation_date": "2025-08-24T21:38:47+00:00", + "source_file": "etc/Mindmap.md", + "language_code": "ko" + }, + "etc/SUPPORT.md": { + "original_hash": "fdfc08baee91e402938a2b1f94fe0949", + "translation_date": "2025-08-24T21:38:20+00:00", + "source_file": "etc/SUPPORT.md", + "language_code": "ko" + }, + "etc/TRANSLATIONS.md": { + "original_hash": "62b3e3ad5182edb905eec649a87eeeb4", + "translation_date": "2025-08-24T21:38:30+00:00", + "source_file": "etc/TRANSLATIONS.md", + "language_code": "ko" + }, + "etc/quiz-app/README.md": { + "original_hash": "d699cf8509f74baa5b0b838de5cf0662", + "translation_date": "2025-08-24T21:39:09+00:00", + "source_file": "etc/quiz-app/README.md", + "language_code": "ko" + }, + "examples/README.md": { + "original_hash": "0d1babfdcbeb46525f2db3fbaaa54cd7", + "translation_date": "2025-10-03T11:28:24+00:00", + "source_file": "examples/README.md", + "language_code": "ko" + }, + "lessons/0-course-setup/for-teachers.md": { + "original_hash": "a094ef9927883de1cfcee51dbd143381", + "translation_date": "2025-08-24T21:38:01+00:00", + "source_file": "lessons/0-course-setup/for-teachers.md", + "language_code": "ko" + }, + "lessons/0-course-setup/how-to-run.md": { + "original_hash": "a4717bd9103b9f6cd84d534b83534689", + "translation_date": "2026-01-15T12:57:22+00:00", + "source_file": "lessons/0-course-setup/how-to-run.md", + "language_code": "ko" + }, + "lessons/0-course-setup/setup.md": { + "original_hash": "7b4e5b8956915870d0a0ed3cc5890042", + "translation_date": "2025-12-12T19:26:56+00:00", + "source_file": "lessons/0-course-setup/setup.md", + "language_code": "ko" + }, + "lessons/1-Intro/README.md": { + "original_hash": "f57e8aa46141fd220b16ffed8f11aec7", + "translation_date": "2025-11-18T20:58:14+00:00", + "source_file": "lessons/1-Intro/README.md", + "language_code": "ko" + }, + "lessons/1-Intro/assignment.md": { + "original_hash": "a334df77a82aaaf2a29c77065d3e481e", + "translation_date": "2025-11-18T20:59:16+00:00", + "source_file": "lessons/1-Intro/assignment.md", + "language_code": "ko" + }, + "lessons/2-Symbolic/README.md": { + "original_hash": "f9f06b266b8b2bfc6b8792ff2bb1bea4", + "translation_date": "2026-01-15T12:57:43+00:00", + "source_file": "lessons/2-Symbolic/README.md", + "language_code": "ko" + }, + "lessons/2-Symbolic/assignment.md": { + "original_hash": "a057a8604f3976c3e309884453f1fad0", + "translation_date": "2025-08-24T21:37:38+00:00", + "source_file": "lessons/2-Symbolic/assignment.md", + "language_code": "ko" + }, + "lessons/3-NeuralNetworks/03-Perceptron/README.md": { + "original_hash": "c34cbba802058b6fa267e1a294d4e510", + "translation_date": "2025-09-23T13:22:57+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/README.md", + "language_code": "ko" + }, + "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md": { + "original_hash": "ba5d1eb353d20d3e7181066b3c424b99", + "translation_date": "2025-08-31T12:23:58+00:00", + "source_file": "lessons/3-NeuralNetworks/03-Perceptron/lab/README.md", + "language_code": "ko" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/README.md": { + "original_hash": "789d6c3fb6fc7948a470b33078a5983a", + "translation_date": "2025-09-23T13:22:36+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/README.md", + "language_code": "ko" + }, + "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md": { + "original_hash": "48fdd704d483e19bc3d7464074c9fcbe", + "translation_date": "2025-08-24T21:34:21+00:00", + "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md", + "language_code": "ko" + }, + "lessons/3-NeuralNetworks/05-Frameworks/README.md": { + "original_hash": "ddd216f558a255260a9374008002c971", + "translation_date": "2025-09-23T13:23:13+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/README.md", + "language_code": "ko" + }, + "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md": { + "original_hash": "e452d897efb9a89700f41021834cf6e5", + "translation_date": "2025-08-24T21:34:50+00:00", + "source_file": "lessons/3-NeuralNetworks/05-Frameworks/lab/README.md", + "language_code": "ko" + }, + "lessons/3-NeuralNetworks/README.md": { + "original_hash": "f862a99d88088163df12270e2f2ad6c3", + "translation_date": "2025-10-03T12:44:17+00:00", + "source_file": "lessons/3-NeuralNetworks/README.md", + "language_code": "ko" + }, + "lessons/4-ComputerVision/06-IntroCV/README.md": { + "original_hash": "feeca98225cb420afc89415f24f63d92", + "translation_date": "2025-09-23T13:18:50+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/README.md", + "language_code": "ko" + }, + "lessons/4-ComputerVision/06-IntroCV/lab/README.md": { + "original_hash": "3d53d6409f80970f7281a45dee35328a", + "translation_date": "2025-08-24T21:31:01+00:00", + "source_file": "lessons/4-ComputerVision/06-IntroCV/lab/README.md", + "language_code": "ko" + }, + "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md": { + "original_hash": "53faab85adfcebd8c10bcd71dc2fa557", + "translation_date": "2025-09-23T13:18:11+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md", + "language_code": "ko" + }, + "lessons/4-ComputerVision/07-ConvNets/README.md": { + "original_hash": "a560d5b845962cf33dc102266e409568", + "translation_date": "2025-09-23T13:17:54+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/README.md", + "language_code": "ko" + }, + "lessons/4-ComputerVision/07-ConvNets/lab/README.md": { + "original_hash": "b70fcf7fcee862990f848c679090943f", + "translation_date": "2025-10-03T14:53:22+00:00", + "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/README.md", + "language_code": "ko" + }, + "lessons/4-ComputerVision/08-TransferLearning/README.md": { + "original_hash": "178c0b5ee5395733eb18aec51e71a0a9", + "translation_date": "2025-09-23T13:18:28+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/README.md", + "language_code": "ko" + }, + "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md": { + "original_hash": "ae074cd940fc2f4dc24fc07b66ccbd99", + "translation_date": "2025-08-24T21:31:28+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md", + "language_code": "ko" + }, + "lessons/4-ComputerVision/08-TransferLearning/lab/README.md": { + "original_hash": "7765935c35fcee69b9fe2d0cfd6963e2", + "translation_date": "2025-08-24T21:32:01+00:00", + "source_file": "lessons/4-ComputerVision/08-TransferLearning/lab/README.md", + "language_code": "ko" + }, + "lessons/4-ComputerVision/09-Autoencoders/README.md": { + "original_hash": "1b8d9e1b3a6f1daa864b1ff3dfc3076d", + "translation_date": "2025-09-23T13:19:48+00:00", + "source_file": "lessons/4-ComputerVision/09-Autoencoders/README.md", + "language_code": "ko" + }, + "lessons/4-ComputerVision/10-GANs/README.md": { + "original_hash": "0ff65b4da07b23697235de2beb2a3c25", + "translation_date": "2025-09-23T13:20:26+00:00", + "source_file": "lessons/4-ComputerVision/10-GANs/README.md", + "language_code": "ko" + }, + "lessons/4-ComputerVision/11-ObjectDetection/README.md": { + "original_hash": "d76a7eda28de5210c8b1ba50a6216c69", + "translation_date": "2025-09-23T13:19:19+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/README.md", + "language_code": "ko" + }, + "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md": { + "original_hash": "ad568d55ae65c856fe929fc2b278510a", + "translation_date": "2025-08-24T21:29:39+00:00", + "source_file": "lessons/4-ComputerVision/11-ObjectDetection/lab/README.md", + "language_code": "ko" + }, + "lessons/4-ComputerVision/12-Segmentation/README.md": { + "original_hash": "6568aaae7e0e4afed4b5d74b5b223700", + "translation_date": "2025-09-23T13:20:12+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/README.md", + "language_code": "ko" + }, + "lessons/4-ComputerVision/12-Segmentation/lab/README.md": { + "original_hash": "365f0decfe0f47b460bbde8227c5009d", + "translation_date": "2025-08-24T21:28:36+00:00", + "source_file": "lessons/4-ComputerVision/12-Segmentation/lab/README.md", + "language_code": "ko" + }, + "lessons/4-ComputerVision/README.md": { + "original_hash": "58a52f000089c1d8906a4daa4ab1169b", + "translation_date": "2025-08-24T21:27:48+00:00", + "source_file": "lessons/4-ComputerVision/README.md", + "language_code": "ko" + }, + "lessons/5-NLP/13-TextRep/README.md": { + "original_hash": "dbd3f73e4139f030ecb2e20387d70fee", + "translation_date": "2025-09-23T13:26:08+00:00", + "source_file": "lessons/5-NLP/13-TextRep/README.md", + "language_code": "ko" + }, + "lessons/5-NLP/13-TextRep/assignment.md": { + "original_hash": "cdc1f2e631f055f3473b36d18e4760b3", + "translation_date": "2025-08-24T21:25:21+00:00", + "source_file": "lessons/5-NLP/13-TextRep/assignment.md", + "language_code": "ko" + }, + "lessons/5-NLP/14-Embeddings/README.md": { + "original_hash": "b708c9b85b833864c73c6281f1e6b96e", + "translation_date": "2025-09-23T13:25:50+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/README.md", + "language_code": "ko" + }, + "lessons/5-NLP/14-Embeddings/assignment.md": { + "original_hash": "bc690ecf68b38d311cc9e12f3144a28c", + "translation_date": "2025-08-24T21:24:33+00:00", + "source_file": "lessons/5-NLP/14-Embeddings/assignment.md", + "language_code": "ko" + }, + "lessons/5-NLP/15-LanguageModeling/README.md": { + "original_hash": "7ba20f54a5bfcd6521018cdfb17c7c57", + "translation_date": "2025-09-23T13:24:01+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/README.md", + "language_code": "ko" + }, + "lessons/5-NLP/15-LanguageModeling/lab/README.md": { + "original_hash": "5130f01fdc5ebb83032b23d489027aac", + "translation_date": "2025-08-24T21:25:38+00:00", + "source_file": "lessons/5-NLP/15-LanguageModeling/lab/README.md", + "language_code": "ko" + }, + "lessons/5-NLP/16-RNN/README.md": { + "original_hash": "e2273cc150380a5e191903cea858f021", + "translation_date": "2025-09-23T13:25:18+00:00", + "source_file": "lessons/5-NLP/16-RNN/README.md", + "language_code": "ko" + }, + "lessons/5-NLP/16-RNN/assignment.md": { + "original_hash": "47f7d3c6a5373543e051e4d1140ce898", + "translation_date": "2025-08-24T21:24:10+00:00", + "source_file": "lessons/5-NLP/16-RNN/assignment.md", + "language_code": "ko" + }, + "lessons/5-NLP/17-GenerativeNetworks/README.md": { + "original_hash": "51be6057374d01d70e07dd5ec88ebc0d", + "translation_date": "2025-09-23T13:23:37+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/README.md", + "language_code": "ko" + }, + "lessons/5-NLP/17-GenerativeNetworks/lab/README.md": { + "original_hash": "439e12796197a90e7623d4c9c057b9c2", + "translation_date": "2025-08-24T21:24:56+00:00", + "source_file": "lessons/5-NLP/17-GenerativeNetworks/lab/README.md", + "language_code": "ko" + }, + "lessons/5-NLP/18-Transformers/README.md": { + "original_hash": "f335dfcb4a993920504c387973a36957", + "translation_date": "2025-09-23T13:24:16+00:00", + "source_file": "lessons/5-NLP/18-Transformers/README.md", + "language_code": "ko" + }, + "lessons/5-NLP/18-Transformers/assignment.md": { + "original_hash": "177f3ea3995d725e6f9f5c66af16edcd", + "translation_date": "2025-08-24T21:26:10+00:00", + "source_file": "lessons/5-NLP/18-Transformers/assignment.md", + "language_code": "ko" + }, + "lessons/5-NLP/19-NER/README.md": { + "original_hash": "6522312ff835796ca34136a9462fafb2", + "translation_date": "2025-09-23T13:25:02+00:00", + "source_file": "lessons/5-NLP/19-NER/README.md", + "language_code": "ko" + }, + "lessons/5-NLP/19-NER/lab/README.md": { + "original_hash": "032bda5068f543d6c1fcb30c34231461", + "translation_date": "2025-08-24T21:26:47+00:00", + "source_file": "lessons/5-NLP/19-NER/lab/README.md", + "language_code": "ko" + }, + "lessons/5-NLP/20-LangModels/README.md": { + "original_hash": "97836d30a6bec736f8e3b4411c572bc2", + "translation_date": "2025-09-23T13:24:44+00:00", + "source_file": "lessons/5-NLP/20-LangModels/README.md", + "language_code": "ko" + }, + "lessons/5-NLP/README.md": { + "original_hash": "8ef02a9318257ea140ed3ed74442096d", + "translation_date": "2025-08-24T21:23:24+00:00", + "source_file": "lessons/5-NLP/README.md", + "language_code": "ko" + }, + "lessons/6-Other/21-GeneticAlgorithms/README.md": { + "original_hash": "6bbd632dfe6c62e5f66bb51fd78c174a", + "translation_date": "2025-09-23T13:16:36+00:00", + "source_file": "lessons/6-Other/21-GeneticAlgorithms/README.md", + "language_code": "ko" + }, + "lessons/6-Other/22-DeepRL/README.md": { + "original_hash": "04395657fc01648f8f70484d0e55ab67", + "translation_date": "2025-09-23T13:17:29+00:00", + "source_file": "lessons/6-Other/22-DeepRL/README.md", + "language_code": "ko" + }, + "lessons/6-Other/22-DeepRL/lab/README.md": { + "original_hash": "7bd8dc72040e98e35e7225e34058cd4e", + "translation_date": "2025-08-24T21:33:23+00:00", + "source_file": "lessons/6-Other/22-DeepRL/lab/README.md", + "language_code": "ko" + }, + "lessons/6-Other/23-MultiagentSystems/README.md": { + "original_hash": "38a1185ae3d54b180378bbd71ae3ef16", + "translation_date": "2025-09-23T13:16:50+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/README.md", + "language_code": "ko" + }, + "lessons/6-Other/23-MultiagentSystems/assignment.md": { + "original_hash": "cf654ca60c7f86c8dad28596fb42994b", + "translation_date": "2025-08-24T21:32:55+00:00", + "source_file": "lessons/6-Other/23-MultiagentSystems/assignment.md", + "language_code": "ko" + }, + "lessons/7-Ethics/README.md": { + "original_hash": "437c988596e751072e41a5aad3fcc5d9", + "translation_date": "2025-08-24T21:23:09+00:00", + "source_file": "lessons/7-Ethics/README.md", + "language_code": "ko" + }, + "lessons/README.md": { + "original_hash": "5fef1a0b22498d7188959e2a2cb08af7", + "translation_date": "2025-08-24T21:23:05+00:00", + "source_file": "lessons/README.md", + "language_code": "ko" + }, + "lessons/X-Extras/X1-MultiModal/README.md": { + "original_hash": "9c592c26aca16ca085d268c732284187", + "translation_date": "2025-08-24T21:33:28+00:00", + "source_file": "lessons/X-Extras/X1-MultiModal/README.md", + "language_code": "ko" + }, + "lessons/sketchnotes/LICENSE.md": { + "original_hash": "45ab63a2cd8f5faef6c9b150618837a4", + "translation_date": "2025-08-24T21:36:06+00:00", + "source_file": "lessons/sketchnotes/LICENSE.md", + "language_code": "ko" + }, + "lessons/sketchnotes/README.md": { + "original_hash": "050b8bddebafba55b129414e6ab096ab", + "translation_date": "2025-08-24T21:35:18+00:00", + "source_file": "lessons/sketchnotes/README.md", + "language_code": "ko" + }, + "troubleshoot.md": { + "original_hash": "8d9c5a4a7c7798d699672a22cb7fea86", + "translation_date": "2025-10-03T09:38:58+00:00", + "source_file": "troubleshoot.md", + "language_code": "ko" + } +} \ No newline at end of file diff --git a/translations/ko/AGENTS.md b/translations/ko/AGENTS.md index aeca5899..049e53db 100644 --- a/translations/ko/AGENTS.md +++ b/translations/ko/AGENTS.md @@ -1,12 +1,3 @@ - # AGENTS.md ## 프로젝트 개요 diff --git a/translations/ko/README.md b/translations/ko/README.md index 688299a7..40dbe2fe 100644 --- a/translations/ko/README.md +++ b/translations/ko/README.md @@ -1,12 +1,3 @@ - [![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/) @@ -23,145 +14,146 @@ CO_OP_TRANSLATOR_METADATA: # 초보자를 위한 인공 지능 - 커리큘럼 -|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../../../translated_images/ko/ai-overview.0857791951d19500.webp)| +|![Sketchnote by @girlie_mac https://twitter.com/girlie_mac](../../translated_images/ko/ai-overview.0857791951d19500.webp)| |:---:| -| AI For Beginners - _스케치노트 by [@girlie_mac](https://twitter.com/girlie_mac)_ | +| 초보자를 위한 AI - _[@girlie_mac](https://twitter.com/girlie_mac)님의 스케치노트_ | -12주, 24개의 강의로 구성된 커리큘럼과 함께 **인공 지능(Artificial Intelligence, AI)**의 세계를 탐험하세요! 실습 강의, 퀴즈, 실험을 포함합니다. 이 커리큘럼은 초보자 친화적이며 TensorFlow, PyTorch와 같은 도구뿐만 아니라 AI 윤리를 다룹니다. +12주, 24강의 커리큘럼과 함께 **인공지능**(AI)의 세계를 탐험하세요! 실용적인 강의, 퀴즈, 실습이 포함되어 있습니다. 이 커리큘럼은 초보자에 적합하며 TensorFlow와 PyTorch 같은 도구 및 AI 윤리까지 다룹니다. ### 🌐 다국어 지원 -#### GitHub 액션을 통한 지원 (자동화 및 항상 최신 상태 유지) +#### GitHub Action을 통한 지원 (자동화 및 항상 최신 상태 유지) -[아랍어](../ar/README.md) | [벵골어](../bn/README.md) | [불가리아어](../bg/README.md) | [버마어 (미얀마)](../my/README.md) | [중국어 (간체)](../zh/README.md) | [중국어 (번체, 홍콩)](../hk/README.md) | [중국어 (번체, 마카오)](../mo/README.md) | [중국어 (번체, 대만)](../tw/README.md) | [크로아티아어](../hr/README.md) | [체코어](../cs/README.md) | [덴마크어](../da/README.md) | [네덜란드어](../nl/README.md) | [에스토니아어](../et/README.md) | [핀란드어](../fi/README.md) | [프랑스어](../fr/README.md) | [독일어](../de/README.md) | [그리스어](../el/README.md) | [히브리어](../he/README.md) | [힌디어](../hi/README.md) | [헝가리어](../hu/README.md) | [인도네시아어](../id/README.md) | [이탈리아어](../it/README.md) | [일본어](../ja/README.md) | [칸나다어](../kn/README.md) | [한국어](./README.md) | [리투아니아어](../lt/README.md) | [말레이어](../ms/README.md) | [말라얄람어](../ml/README.md) | [마라티어](../mr/README.md) | [네팔어](../ne/README.md) | [나이지리아 피진어](../pcm/README.md) | [노르웨이어](../no/README.md) | [페르시아어 (파르시)](../fa/README.md) | [폴란드어](../pl/README.md) | [포르투갈어 (브라질)](../br/README.md) | [포르투갈어 (포르투갈)](../pt/README.md) | [펀자브어 (구르무키)](../pa/README.md) | [루마니아어](../ro/README.md) | [러시아어](../ru/README.md) | [세르비아어 (키릴문자)](../sr/README.md) | [슬로바키아어](../sk/README.md) | [슬로베니아어](../sl/README.md) | [스페인어](../es/README.md) | [스와힐리어](../sw/README.md) | [스웨덴어](../sv/README.md) | [타갈로그어 (필리핀어)](../tl/README.md) | [타밀어](../ta/README.md) | [텔루구어](../te/README.md) | [타이어](../th/README.md) | [터키어](../tr/README.md) | [우크라이나어](../uk/README.md) | [우르두어](../ur/README.md) | [베트남어](../vi/README.md) +[아랍어](../ar/README.md) | [벵골어](../bn/README.md) | [불가리아어](../bg/README.md) | [버마어 (미얀마)](../my/README.md) | [중국어 (간체)](../zh-CN/README.md) | [중국어 (번체, 홍콩)](../zh-HK/README.md) | [중국어 (번체, 마카오)](../zh-MO/README.md) | [중국어 (번체, 대만)](../zh-TW/README.md) | [크로아티아어](../hr/README.md) | [체코어](../cs/README.md) | [덴마크어](../da/README.md) | [네덜란드어](../nl/README.md) | [에스토니아어](../et/README.md) | [핀란드어](../fi/README.md) | [프랑스어](../fr/README.md) | [독일어](../de/README.md) | [그리스어](../el/README.md) | [히브리어](../he/README.md) | [힌디어](../hi/README.md) | [헝가리어](../hu/README.md) | [인도네시아어](../id/README.md) | [이탈리아어](../it/README.md) | [일본어](../ja/README.md) | [칸나다어](../kn/README.md) | [한국어](./README.md) | [리투아니아어](../lt/README.md) | [말레이어](../ms/README.md) | [말라얄람어](../ml/README.md) | [마라티어](../mr/README.md) | [네팔어](../ne/README.md) | [나이지리아 피진어](../pcm/README.md) | [노르웨이어](../no/README.md) | [페르시아어 (파르시어)](../fa/README.md) | [폴란드어](../pl/README.md) | [포르투갈어 (브라질)](../pt-BR/README.md) | [포르투갈어 (포르투갈)](../pt-PT/README.md) | [펀자브어 (구르무키)](../pa/README.md) | [루마니아어](../ro/README.md) | [러시아어](../ru/README.md) | [세르비아어 (키릴 문자)](../sr/README.md) | [슬로바키아어](../sk/README.md) | [슬로베니아어](../sl/README.md) | [스페인어](../es/README.md) | [스와힐리어](../sw/README.md) | [스웨덴어](../sv/README.md) | [따갈로그어 (필리핀어)](../tl/README.md) | [타밀어](../ta/README.md) | [텔루구어](../te/README.md) | [태국어](../th/README.md) | [터키어](../tr/README.md) | [우크라이나어](../uk/README.md) | [우르두어](../ur/README.md) | [베트남어](../vi/README.md) > **로컬 복제를 선호하시나요?** -> 이 저장소는 50개 이상의 언어 번역을 포함하고 있어 다운로드 크기가 상당히 큽니다. 번역 없이 복제하려면 sparse checkout을 사용하세요: +> 이 리포지토리는 50개 이상의 언어 번역본을 포함하고 있어 다운로드 크기가 상당히 큽니다. 번역 없이 복제하려면 sparse checkout을 사용하세요: > ```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' > ``` -> 이 방법은 훨씬 빠른 다운로드로 과정 완료에 필요한 모든 것을 제공합니다. +> 이렇게 하면 더 빠른 다운로드로 코스 수강에 필요한 모든 것을 얻을 수 있습니다. **추가 번역 언어 지원을 원하시면 [여기](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)를 참고하세요** -## 커뮤니티에 참여하기 +## 커뮤니티 참여 [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) ## 배울 내용 **[코스 마인드맵](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)** -이 커리큘럼에서 배우는 내용: +이 커리큘럼에서 배우게 될 내용은 다음과 같습니다: -* “좋은 오래된” 상징적 접근법인 **지식 표현**과 추론을 포함한 다양한 인공 지능 접근법 ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence))를 배웁니다. -* 현대 AI의 핵심인 **신경망**과 **딥러닝**. 이 중요한 주제들의 개념을 [TensorFlow](http://Tensorflow.org)와 [PyTorch](http://pytorch.org)라는 두 가지 인기 있는 프레임워크의 코드를 사용해 설명합니다. -* 이미지와 텍스트 작업을 위한 **신경망 구조**. 최신 모델을 다루지만 최신 상태를 완벽히 반영하지는 않을 수 있습니다. -* **유전 알고리즘**과 **다중 에이전트 시스템**과 같은 덜 알려진 AI 접근법. +* "좋은 옛날" 상징적 접근법인 **지식 표현** 및 추론을 포함한 다양한 인공지능 접근법 ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). +* 현대 AI의 핵심인 **신경망**과 **딥러닝**. 두 가지 인기 있는 프레임워크인 [TensorFlow](http://Tensorflow.org)와 [PyTorch](http://pytorch.org)를 사용하여 이 중요한 주제들의 개념을 코드로 설명합니다. +* 이미지와 텍스트 작업에 관한 **신경망 구조**. 최근 모델들을 다루지만 최신 최첨단 기술은 다소 부족할 수 있습니다. +* 덜 대중적인 AI 접근법, 예를 들어 **유전 알고리즘**과 **다중 에이전트 시스템**. 이 커리큘럼에서 다루지 않는 내용: -> [Microsoft Learn 컬렉션에서 이 과정 관련 추가 자료 모두 보기](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) +> [Microsoft Learn 컬렉션에서 이 코스의 추가 자료를 모두 찾으세요](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) -* **비즈니스에서의 AI** 적용 사례. Microsoft Learn의 [비즈니스 사용자를 위한 AI 소개](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) 학습 경로나 [INSEAD](https://www.insead.edu/)와 협력하여 개발한 [AI 비즈니스 스쿨](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum)를 고려해 보세요. -* 저희 [초보자를 위한 머신러닝 커리큘럼](http://github.com/Microsoft/ML-for-Beginners)에 잘 설명된 **클래식 머신러닝**. -* **[인지 서비스](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**를 사용해 구축된 실제 AI 애플리케이션. 이를 위해 Microsoft Learn에서 [비전](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [자연어 처리](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Azure OpenAI 서비스와 제너레이티브 AI](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** 등 모듈을 먼저 시작하는 것을 추천합니다. -* [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), 또는 [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum)와 같은 특정 ML 클라우드 프레임워크. [Azure Machine Learning으로 머신러닝 솔루션 구축 및 운영](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum)과 [Azure Databricks로 머신러닝 솔루션 구축 및 운영](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) 학습 경로를 이용해 보세요. -* **대화형 AI** 및 **챗봇**. 별도의 [대화형 AI 솔루션 만들기](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) 학습 경로가 있으며, 자세한 내용은 [이 블로그 글](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/)을 참고하세요. -* 딥러닝의 **심화 수학**. 이를 위해 Ian Goodfellow, Yoshua Bengio, Aaron Courville 저서인 [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) (온라인 [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/)에서도 이용 가능)을 추천합니다. +* **비즈니스 내 AI 활용 사례**. Microsoft Learn의 [비즈니스 사용자용 AI 입문](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) 학습 경로나 [AI 비즈니스 스쿨](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), [INSEAD](https://www.insead.edu/)와 협력하여 개발된 과정을 참고하세요. +* 우리 [초보자용 머신러닝 커리큘럼](http://github.com/Microsoft/ML-for-Beginners)에서 잘 설명하는 **고전 머신러닝**. +* **[인지 서비스](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)**를 사용한 실용 AI 애플리케이션. 이를 위해 Microsoft Learn의 [비전](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [자연어 처리](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Azure OpenAI Service와 함께하는 생성 AI](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** 모듈부터 시작하는 것을 권장합니다. +* 특정 ML **클라우드 프레임워크**, 예를 들어 [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), 또는 [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). [Azure Machine Learning으로 기계 학습 솔루션 구축 및 운영](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) 및 [Azure Databricks로 기계 학습 솔루션 구축 및 운영](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) 학습 경로를 활용하세요. +* **대화형 AI**와 **챗봇**. 별도의 [대화형 AI 솔루션 만들기](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) 학습 경로가 있으며, 더 자세한 내용은 [이 블로그 게시물](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/)을 참조할 수 있습니다. +* 딥러닝의 **깊은 수학적 이론**. 이와 관련해 Ian Goodfellow, Yoshua Bengio, Aaron Courville가 저술한 [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618)을 추천하며, 온라인에서 [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/)으로도 이용할 수 있습니다. -_클라우드에서 AI 시작하기_를 위한 부드러운 입문으로는 [Azure에서 인공 지능 시작하기](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) 학습 경로를 추천합니다. +_클라우드에서의 AI_에 부드럽게 입문하고 싶다면 [Azure에서 인공 지능 시작하기](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) 학습 경로를 고려해보세요. # 내용 -| | 강의 링크 | PyTorch/Keras/TensorFlow | 실험 | +| | 강의 링크 | PyTorch/Keras/TensorFlow | 실습 | | :-: | :------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ------------------------------------------------------------------------------ | -| 0 | [코스 설정](./lessons/0-course-setup/setup.md) | [개발 환경 설정](./lessons/0-course-setup/how-to-run.md) | | +| 0 | [코스 설정](./lessons/0-course-setup/setup.md) | [개발 환경 설정하기](./lessons/0-course-setup/how-to-run.md) | | | I | [**AI 소개**](./lessons/1-Intro/README.md) | | | | 01 | [AI 소개 및 역사](./lessons/1-Intro/README.md) | - | - | -| II | **상징적 AI** | -| 02 | [지식 표현 및 전문가 시스템](./lessons/2-Symbolic/README.md) | [전문가 시스템](./lessons/2-Symbolic/Animals.ipynb) / [온톨로지](./lessons/2-Symbolic/FamilyOntology.ipynb) /[개념 그래프](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | +| II | **상징 AI** | +| 02 | [지식 표현과 전문가 시스템](./lessons/2-Symbolic/README.md) | [전문가 시스템](./lessons/2-Symbolic/Animals.ipynb) / [온톨로지](./lessons/2-Symbolic/FamilyOntology.ipynb) /[개념 그래프](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | | III | [**신경망 소개**](./lessons/3-NeuralNetworks/README.md) ||| | 03 | [퍼셉트론](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [노트북](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [랩](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | -| 04 | [다층 퍼셉트론과 나만의 프레임워크 만들기](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [노트북](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [랩](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | -| 05 | [프레임워크 소개 (PyTorch/TensorFlow) 와 과적합](./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) | [랩](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | -| IV | [**컴퓨터 비전**](./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 Azure에서 컴퓨터 비전 탐색](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | +| 04 | [다층 퍼셉트론과 자체 프레임워크 만들기](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [노트북](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [랩](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | +| 05 | [프레임워크 소개 (PyTorch/TensorFlow) 및 과적합](./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) | [랩](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | +| IV | [**컴퓨터 비전**](./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 Azure에서 컴퓨터 비전 탐색하기](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | | 06 | [컴퓨터 비전 소개. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [노트북](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [랩](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | | 07 | [합성곱 신경망](./lessons/4-ComputerVision/07-ConvNets/README.md) & [CNN 아키텍처](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [랩](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | -| 08 | [사전 학습된 네트워크와 전이 학습](./lessons/4-ComputerVision/08-TransferLearning/README.md) 그리고 [훈련 트릭](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [랩](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | +| 08 | [사전 훈련된 네트워크와 전이 학습](./lessons/4-ComputerVision/08-TransferLearning/README.md) 및 [훈련 요령](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [랩](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | | 09 | [오토인코더와 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 | [생성적 적대 신경망 & 예술적 스타일 전이](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | +| 10 | [생성적 적대 신경망 및 예술적 스타일 전송](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | | 11 | [객체 탐지](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [랩](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | -| 12 | [시맨틱 분할. U-Net](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | | -| V | [**자연어 처리**](./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 Azure에서 자연어 처리 탐색](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| +| 12 | [의미 분할. U-Net](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | | +| V | [**자연어 처리**](./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 Azure에서 자연어 처리 탐색하기](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| | 13 | [텍스트 표현. 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 | [의미론적 단어 임베딩. Word2Vec와 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 | [언어 모델링. 나만의 임베딩 훈련하기](./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) | [랩](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | +| 14 | [의미론적 단어 임베딩. Word2Vec 및 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 | [언어 모델링. 자체 임베딩 훈련](./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) | [랩](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | | 16 | [순환 신경망](./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 | [생성 순환 신경망](./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) | [랩](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | | 18 | [트랜스포머. 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 | [명명된 개체 인식](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [랩](./lessons/5-NLP/19-NER/lab/README.md) | -| 20 | [대형 언어 모델, 프롬프트 프로그래밍 및 Few-Shot 작업](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | -| VI | **기타 AI 기술** || | +| 19 | [개체명 인식](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [랩](./lessons/5-NLP/19-NER/lab/README.md) | +| 20 | [대형 언어 모델, 프롬프트 프로그래밍 및 소수점 학습 작업](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | +| VI | **기타 AI 기법** || | | 21 | [유전 알고리즘](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [노트북](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | | 22 | [심층 강화 학습](./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) | [랩](./lessons/6-Other/22-DeepRL/lab/README.md) | -| 23 | [다중 에이전트 시스템](./lessons/6-Other/23-MultiagentSystems/README.md) | | | +| 23 | [멀티 에이전트 시스템](./lessons/6-Other/23-MultiagentSystems/README.md) | | | | VII | **AI 윤리** | | | | 24 | [AI 윤리 및 책임 있는 AI](./lessons/7-Ethics/README.md) | [Microsoft Learn: 책임 있는 AI 원칙](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | | IX | **추가 자료** | | | -| 25 | [멀티 모달 네트워크, CLIP 및 VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [노트북](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | +| 25 | [멀티모달 네트워크, CLIP 및 VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [노트북](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | -## 각 강의는 다음을 포함합니다 +## 각 강의에는 다음이 포함됩니다 -* 예습 자료 -* 실행 가능한 Jupyter 노트북, 일반적으로 특정 프레임워크(**PyTorch** 또는 **TensorFlow**)에 맞춤화되어 있습니다. 실행 가능한 노트북에는 많은 이론적 내용도 포함되어 있어, 주제를 이해하려면 적어도 한 가지 버전의 노트북(PyTorch 또는 TensorFlow 중 하나)을 반드시 확인해야 합니다. -* 일부 주제에는 특정 문제에 대해 배운 내용을 적용해볼 수 있는 **랩**이 제공됩니다. +* 사전 학습 자료 +* 프레임워크(**PyTorch** 또는 **TensorFlow**)별로 제공되는 실행 가능한 주피터 노트북. 실행 가능한 노트북에는 이론 자료도 많이 포함되어 있으므로 주제를 이해하려면 노트북 버전 중 하나(PyTorch 또는 TensorFlow)를 반드시 하나 이상 학습해야 합니다. +* 일부 주제에 대해 제공되는 **랩**, 배운 내용을 특정 문제에 적용해 볼 수 있는 기회를 제공합니다. * 일부 섹션에는 관련 주제를 다루는 [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) 모듈 링크가 포함되어 있습니다. ## 시작하기 -### 🎯 AI가 처음인가요? 여기서 시작하세요! +### 🎯 AI 초보자? 여기서 시작하세요! -AI가 완전히 처음이고 빠르고 실습 중심의 예제를 원한다면, [**초보자용 예제**](./examples/README.md)를 확인해 보세요! 여기에는 다음이 포함됩니다: +AI가 완전히 처음이고 빠른 실습 예제를 원한다면 [**초보자 친화적 예제**](./examples/README.md)를 확인하세요! 여기에는 다음이 포함됩니다: -- 🌟 **Hello AI World** - 첫 번째 AI 프로그램 (패턴 인식) -- 🧠 **간단한 신경망** - 신경망을 처음부터 구축하기 -- 🖼️ **이미지 분류기** - 자세한 설명과 함께 이미지 분류하기 -- 💬 **텍스트 감정 분석** - 긍정/부정 텍스트 분석 +- 🌟 **Hello AI World** - 당신의 첫 AI 프로그램 (패턴 인식) +- 🧠 **간단한 신경망** - 신경망을 처음부터 직접 만들어 보기 -이 예제들은 전체 커리큘럼을 시작하기 전에 AI 개념을 이해하는 데 도움이 되도록 설계되었습니다. +- 🖼️ **이미지 분류기** - 자세한 주석과 함께 이미지를 분류합니다 +- 💬 **텍스트 감정 분석** - 긍정/부정 텍스트를 분석합니다 + +이 예제들은 전체 커리큘럼에 뛰어들기 전에 AI 개념을 이해하는 데 도움이 되도록 설계되었습니다. ### 📚 전체 커리큘럼 설정 -- 개발 환경 설정을 돕기 위해 [설정 수업](./lessons/0-course-setup/setup.md)을 만들었습니다. - 교육자를 위해서도 [커리큘럼 설정 수업](./lessons/0-course-setup/for-teachers.md)을 마련했습니다! -- VSCode 또는 Codespace에서 [코드 실행 방법](./lessons/0-course-setup/how-to-run.md) +- 개발 환경 설정을 돕기 위해 [설정 수업](./lessons/0-course-setup/setup.md)을 만들었습니다. - 교육자를 위해 [커리큘럼 설정 수업](./lessons/0-course-setup/for-teachers.md)도 만들었습니다! +- VSCode 또는 Codespace에서 [코드를 실행하는 방법](./lessons/0-course-setup/how-to-run.md) -다음 단계를 따라주세요: +다음 단계를 따르세요: -저장소 포크: 이 페이지 오른쪽 상단의 "Fork" 버튼을 클릭합니다. +저장소 포크하기: 이 페이지 오른쪽 상단의 "Fork" 버튼을 클릭하세요. -저장소 클론: `git clone https://github.com/microsoft/AI-For-Beginners.git` +저장소 클론하기: `git clone https://github.com/microsoft/AI-For-Beginners.git` -이 저장소를 나중에 더 쉽게 찾을 수 있도록 별(🌟)을 눌러주세요. +나중에 쉽게 찾을 수 있도록 이 저장소에 별(🌟)을 잊지 말고 눌러주세요. ## 다른 학습자 만나기 -이 과정을 수강하는 다른 학습자들과 만나고 네트워킹하며 지원을 받을 수 있는 [공식 AI Discord 서버](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum)에 참여하세요. +이 과정을 수강하는 다른 학습자들과 만나고 네트워킹하며 지원을 받으려면 [공식 AI 디스코드 서버](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum)에 참여하세요. -제품 피드백이나 질문이 있을 경우 [Azure AI Foundry 개발자 포럼](https://aka.ms/foundry/forum)을 방문하세요. +제품 피드백이나 질문이 있으시면 [Azure AI Foundry 개발자 포럼](https://aka.ms/foundry/forum)을 방문하세요. ## 퀴즈 -> **퀴즈에 대한 안내**: 모든 퀴즈는 etc\quiz-app 폴더 내 Quiz-app 폴더에 포함되어 있으며, [온라인에서 여기](https://ff-quizzes.netlify.app/)에서도 볼 수 있습니다. 퀴즈는 수업 내에서 연결되어 있으며 퀴즈 앱은 로컬에서 실행하거나 Azure에 배포할 수 있습니다. `quiz-app` 폴더 내 지침을 따르세요. 점차적으로 현지화 중입니다. +> **퀴즈에 관한 참고:** 모든 퀴즈는 etc\quiz-app의 Quiz-app 폴더에 포함되어 있거나 [온라인에서 여기](https://ff-quizzes.netlify.app/)에서 제공합니다. 이들은 수업 안에서 링크되어 있으며 퀴즈 앱은 로컬에서 실행하거나 Azure에 배포할 수 있습니다; `quiz-app` 폴더 내 지침을 따르세요. 점차 현지화되고 있습니다. ## 도움 요청 -제안 사항이 있거나 맞춤법 또는 코드 오류를 발견하셨나요? 이슈를 제기하거나 풀 리퀘스트를 만들어주세요. +제안사항이 있거나 맞춤법 또는 코드 오류를 발견하셨나요? 이슈를 제기하거나 풀 리퀘스트를 만들어 주세요. ## 특별 감사 @@ -171,9 +163,9 @@ AI가 완전히 처음이고 빠르고 실습 중심의 예제를 원한다면, * **✅ 퀴즈 제작자:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/) * **🙏 핵심 기여자:** [Evgenii Pishchik](https://github.com/Pe4enIks) -## 기타 커리큘럼 +## 다른 커리큘럼 -저희 팀은 다른 커리큘럼도 제작합니다! 확인해보세요: +우리 팀은 다른 커리큘럼도 제작합니다! 확인해보세요: ### LangChain @@ -182,7 +174,7 @@ AI가 완전히 처음이고 빠르고 실습 중심의 예제를 원한다면, --- -### Azure / Edge / MCP / 에이전트 +### 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) @@ -190,7 +182,7 @@ AI가 완전히 처음이고 빠르고 실습 중심의 예제를 원한다면, --- -### 생성 AI 시리즈 +### 생성형 AI 시리즈 [![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) @@ -217,17 +209,17 @@ AI가 완전히 처음이고 빠르고 실습 중심의 예제를 원한다면, ## 도움 받기 -AI 앱 빌드 중 막히거나 질문이 있다면 MCP에 관한 토론에 참여하세요. 질문을 환영하고 지식을 자유롭게 공유하는 지원하는 커뮤니티입니다. +AI 앱 개발 중 막히거나 질문이 있으면 MCP에 대한 토론에 참여하는 동료 학습자 및 경험 많은 개발자들과 함께하세요. 질문이 환영받고 지식이 자유롭게 공유되는 지원 커뮤니티입니다. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -제품 피드백이나 빌드 중 오류가 발생한 경우 방문하세요: +개발 중 제품 피드백이나 오류가 있으면 다음을 방문하세요: [![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) --- -**면책 조항**: -이 문서는 AI 번역 서비스 [Co-op Translator](https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 정확성을 위해 노력하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있음을 유의해 주시기 바랍니다. 원문 문서는 권위 있는 출처로 간주되어야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 본 번역 사용으로 인한 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다. +**면책 조항**: +이 문서는 AI 번역 서비스 [Co-op Translator](https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 정확성을 위해 노력하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있으니 유의하시기 바랍니다. 원본 문서가 권위 있는 출처로 간주되어야 합니다. 중요한 정보의 경우 전문 인간 번역을 권장합니다. 본 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다. \ No newline at end of file diff --git a/translations/ko/SECURITY.md b/translations/ko/SECURITY.md index 32f15f6a..f09ad709 100644 --- a/translations/ko/SECURITY.md +++ b/translations/ko/SECURITY.md @@ -1,12 +1,3 @@ - ## 보안 Microsoft는 소프트웨어 제품과 서비스의 보안을 매우 중요하게 생각하며, 여기에는 [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), 그리고 [우리의 GitHub 조직들](https://opensource.microsoft.com/)을 통해 관리되는 모든 소스 코드 저장소가 포함됩니다. diff --git a/translations/ko/etc/CODE_OF_CONDUCT.md b/translations/ko/etc/CODE_OF_CONDUCT.md index 55e45160..bae80af2 100644 --- a/translations/ko/etc/CODE_OF_CONDUCT.md +++ b/translations/ko/etc/CODE_OF_CONDUCT.md @@ -1,12 +1,3 @@ - # Microsoft 오픈 소스 행동 강령 이 프로젝트는 [Microsoft 오픈 소스 행동 강령](https://opensource.microsoft.com/codeofconduct/)을 채택했습니다. diff --git a/translations/ko/etc/CONTRIBUTING.md b/translations/ko/etc/CONTRIBUTING.md index e29360c2..8c340621 100644 --- a/translations/ko/etc/CONTRIBUTING.md +++ b/translations/ko/etc/CONTRIBUTING.md @@ -1,12 +1,3 @@ - # 기여하기 이 프로젝트는 기여와 제안을 환영합니다. 대부분의 기여는 기여자 라이선스 계약(CLA)에 동의해야 하며, 이를 통해 귀하가 기여할 권리가 있고, 실제로 기여를 사용할 권리를 우리에게 부여한다는 것을 선언해야 합니다. 자세한 내용은 https://cla.microsoft.com을 방문하세요. diff --git a/translations/ko/etc/Mindmap.md b/translations/ko/etc/Mindmap.md index 55485084..03e86c85 100644 --- a/translations/ko/etc/Mindmap.md +++ b/translations/ko/etc/Mindmap.md @@ -1,12 +1,3 @@ - # AI ## [AI 소개](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/1-Intro/README.md) diff --git a/translations/ko/etc/SUPPORT.md b/translations/ko/etc/SUPPORT.md index bbff6227..e263e6f5 100644 --- a/translations/ko/etc/SUPPORT.md +++ b/translations/ko/etc/SUPPORT.md @@ -1,12 +1,3 @@ - # 지원 ## 문제 제기 및 도움 받는 방법 diff --git a/translations/ko/etc/TRANSLATIONS.md b/translations/ko/etc/TRANSLATIONS.md index eba691ef..345c5e9c 100644 --- a/translations/ko/etc/TRANSLATIONS.md +++ b/translations/ko/etc/TRANSLATIONS.md @@ -1,12 +1,3 @@ - # 수업 번역으로 기여하기 이 커리큘럼의 수업 번역을 환영합니다! diff --git a/translations/ko/etc/quiz-app/README.md b/translations/ko/etc/quiz-app/README.md index fb65d59e..5c021011 100644 --- a/translations/ko/etc/quiz-app/README.md +++ b/translations/ko/etc/quiz-app/README.md @@ -1,12 +1,3 @@ - # 퀴즈 이 퀴즈는 https://aka.ms/ai-beginners 에서 제공하는 AI 커리큘럼의 강의 전후 퀴즈입니다. diff --git a/translations/ko/examples/README.md b/translations/ko/examples/README.md index a4c4642d..2e9c1f50 100644 --- a/translations/ko/examples/README.md +++ b/translations/ko/examples/README.md @@ -1,12 +1,3 @@ - # 초보자를 위한 AI 예제 환영합니다! 이 디렉토리에는 AI와 머신러닝을 시작하는 데 도움을 주기 위한 간단하고 독립적인 예제가 포함되어 있습니다. 각 예제는 초보자가 쉽게 이해할 수 있도록 상세한 주석과 단계별 설명을 제공합니다. diff --git a/translations/ko/lessons/0-course-setup/for-teachers.md b/translations/ko/lessons/0-course-setup/for-teachers.md index ef06f4c6..30c200c5 100644 --- a/translations/ko/lessons/0-course-setup/for-teachers.md +++ b/translations/ko/lessons/0-course-setup/for-teachers.md @@ -1,12 +1,3 @@ - # 교육자를 위한 안내 이 커리큘럼을 교실에서 사용하고 싶으신가요? 자유롭게 활용하세요! diff --git a/translations/ko/lessons/0-course-setup/how-to-run.md b/translations/ko/lessons/0-course-setup/how-to-run.md index dba7a6b7..3c2fb901 100644 --- a/translations/ko/lessons/0-course-setup/how-to-run.md +++ b/translations/ko/lessons/0-course-setup/how-to-run.md @@ -1,12 +1,3 @@ - # 코드 실행 방법 이 커리큘럼에는 실행할 수 있는 많은 예제와 실습이 포함되어 있습니다. 이를 실행하려면 이 커리큘럼의 일부로 제공되는 Jupyter 노트북에서 Python 코드를 실행할 수 있어야 합니다. 코드를 실행하는 몇 가지 방법이 있습니다: diff --git a/translations/ko/lessons/0-course-setup/setup.md b/translations/ko/lessons/0-course-setup/setup.md index 8dcd3d52..b3b9f875 100644 --- a/translations/ko/lessons/0-course-setup/setup.md +++ b/translations/ko/lessons/0-course-setup/setup.md @@ -1,12 +1,3 @@ - # 이 커리큘럼 시작하기 ## 학생이신가요? diff --git a/translations/ko/lessons/1-Intro/README.md b/translations/ko/lessons/1-Intro/README.md index aded377c..ccf7378b 100644 --- a/translations/ko/lessons/1-Intro/README.md +++ b/translations/ko/lessons/1-Intro/README.md @@ -1,12 +1,3 @@ - # AI 소개 ![AI 소개 내용 요약을 담은 스케치](../../../../translated_images/ko/ai-intro.bf28d1ac4235881c.webp) diff --git a/translations/ko/lessons/1-Intro/assignment.md b/translations/ko/lessons/1-Intro/assignment.md index 157451a0..1efe4ef5 100644 --- a/translations/ko/lessons/1-Intro/assignment.md +++ b/translations/ko/lessons/1-Intro/assignment.md @@ -1,12 +1,3 @@ - # 게임 잼 게임은 AI와 ML의 발전에 큰 영향을 받은 분야입니다. 이번 과제에서는 AI의 발전에 영향을 받은 게임 중에서 좋아하는 게임에 대해 짧은 글을 작성하세요. 이 게임은 여러 종류의 컴퓨터 처리 시스템의 영향을 받을 만큼 오래된 게임이어야 합니다. 체스나 바둑 같은 좋은 예시도 있지만, 또한 팡이나 팩맨 같은 비디오 게임도 살펴보세요. 게임의 과거, 현재, 그리고 AI가 만들어갈 미래에 대해 논의하는 에세이를 작성하세요. diff --git a/translations/ko/lessons/2-Symbolic/README.md b/translations/ko/lessons/2-Symbolic/README.md index 38c2058b..2ca40b74 100644 --- a/translations/ko/lessons/2-Symbolic/README.md +++ b/translations/ko/lessons/2-Symbolic/README.md @@ -1,15 +1,6 @@ - # 지식 표현 및 전문가 시스템 -![상징적 AI 콘텐츠 요약](../../../../../../translated_images/ko/ai-symbolic.715a30cb610411a6.webp) +![상징적 AI 콘텐츠 요약](../../../../translated_images/ko/ai-symbolic.715a30cb610411a6.webp) > 스케치노트 작성자: [Tomomi Imura](https://twitter.com/girlie_mac) @@ -41,7 +32,7 @@ AI 초기에는 지능 시스템을 만들기 위한 탑다운 접근법(이전 따라서, **지식 표현** 문제는 지식을 컴퓨터 내부에 데이터 형태로 효과적으로 표현하여 자동으로 활용할 수 있도록 하는 방법을 찾는 문제로 볼 수 있습니다. 이는 다음과 같은 스펙트럼으로 나타낼 수 있습니다: -![지식 표현 스펙트럼](../../../../../../translated_images/ko/knowledge-spectrum.b60df631852c0217.webp) +![지식 표현 스펙트럼](../../../../translated_images/ko/knowledge-spectrum.b60df631852c0217.webp) > 이미지 출처: [Dmitry Soshnikov](http://soshnikov.com) @@ -94,7 +85,7 @@ Block Syntax | Indent | | | 상징적 AI의 초기 성공 중 하나는 **전문가 시스템**이었습니다. 전문가 시스템은 제한된 문제 영역에서 전문가처럼 행동하도록 설계된 컴퓨터 시스템입니다. 이는 한 명 이상의 인간 전문가로부터 추출한 **지식 기반**을 바탕으로 하고, 그 위에서 추론을 수행하는 **추론 엔진**을 포함합니다. -![인간 구조](../../../../../../translated_images/ko/arch-human.5d4d35f1bba3ab1c.webp) | ![지식 기반 시스템](../../../../../../translated_images/ko/arch-kbs.3ec5c150b09fa8da.webp) +![인간 구조](../../../../translated_images/ko/arch-human.5d4d35f1bba3ab1c.webp) | ![지식 기반 시스템](../../../../translated_images/ko/arch-kbs.3ec5c150b09fa8da.webp) ---------------------------------------------|------------------------------------------------ 간략화된 인간 신경 시스템 구조 | 지식 기반 시스템 아키텍처 @@ -106,7 +97,7 @@ Block Syntax | Indent | | | 예를 들어, 동물의 신체 특성에 기반해 동물을 판별하는 전문가 시스템을 고려해보겠습니다: -![AND-OR 트리](../../../../../../translated_images/ko/AND-OR-Tree.5592d2c70187f283.webp) +![AND-OR 트리](../../../../translated_images/ko/AND-OR-Tree.5592d2c70187f283.webp) > 이미지 출처: [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/ko/lessons/2-Symbolic/assignment.md b/translations/ko/lessons/2-Symbolic/assignment.md index ce55e4a2..d414a2d9 100644 --- a/translations/ko/lessons/2-Symbolic/assignment.md +++ b/translations/ko/lessons/2-Symbolic/assignment.md @@ -1,12 +1,3 @@ - # 온톨로지 구축하기 지식 기반을 구축하는 것은 특정 주제에 대한 사실을 나타내는 모델을 분류하는 작업입니다. 사람, 장소, 사물과 같은 주제를 선택한 후 해당 주제의 모델을 만들어 보세요. 이 강의에서 설명된 기술과 모델 구축 전략을 활용해 보세요. 예를 들어, 거실에 있는 가구, 조명 등을 포함한 온톨로지를 만드는 것이 하나의 사례가 될 수 있습니다. 거실은 주방이나 욕실과 어떻게 다를까요? 어떻게 거실인지, 식당이 아닌지 알 수 있을까요? 온톨로지를 구축하기 위해 [Protégé](https://protege.stanford.edu/)를 사용해 보세요. diff --git a/translations/ko/lessons/3-NeuralNetworks/03-Perceptron/README.md b/translations/ko/lessons/3-NeuralNetworks/03-Perceptron/README.md index 64cd507c..eb55c6bc 100644 --- a/translations/ko/lessons/3-NeuralNetworks/03-Perceptron/README.md +++ b/translations/ko/lessons/3-NeuralNetworks/03-Perceptron/README.md @@ -1,12 +1,3 @@ - # 신경망 소개: 퍼셉트론 ## [강의 전 퀴즈](https://ff-quizzes.netlify.app/en/ai/quiz/5) @@ -15,7 +6,7 @@ CO_OP_TRANSLATOR_METADATA: | | | |--------------|-----------| -|Frank Rosenblatt | The Mark 1 Perceptron| +|Frank Rosenblatt | The Mark 1 Perceptron| > 이미지 출처: [Wikipedia](https://en.wikipedia.org/wiki/Perceptron) @@ -34,7 +25,7 @@ y(x) = f(wTx) 여기서 f는 계단 활성화 함수입니다. - + ## 퍼셉트론 훈련 diff --git a/translations/ko/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md b/translations/ko/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md index 4ddd693e..e801fab4 100644 --- a/translations/ko/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md +++ b/translations/ko/lessons/3-NeuralNetworks/03-Perceptron/lab/README.md @@ -1,12 +1,3 @@ - # 퍼셉트론을 이용한 다중 클래스 분류 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners)에서 제공하는 실습 과제입니다. diff --git a/translations/ko/lessons/3-NeuralNetworks/04-OwnFramework/README.md b/translations/ko/lessons/3-NeuralNetworks/04-OwnFramework/README.md index 709e4bbc..a6016272 100644 --- a/translations/ko/lessons/3-NeuralNetworks/04-OwnFramework/README.md +++ b/translations/ko/lessons/3-NeuralNetworks/04-OwnFramework/README.md @@ -1,12 +1,3 @@ - # 신경망 소개: 다층 퍼셉트론 이전 섹션에서는 가장 간단한 신경망 모델인 단일 계층 퍼셉트론, 즉 선형 이진 분류 모델에 대해 배웠습니다. @@ -65,7 +56,7 @@ CO_OP_TRANSLATOR_METADATA: 위 표현식의 가장 왼쪽 부분은 동일하므로, 손실 함수에서 시작하여 계산 그래프를 "역방향"으로 따라가며 도함수를 효과적으로 계산할 수 있습니다. 따라서 다층 퍼셉트론을 훈련하는 방법을 **역전파**(backpropagation) 또는 '백프롭'이라고 합니다. -계산 그래프 +계산 그래프 > TODO: 이미지 출처 diff --git a/translations/ko/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md b/translations/ko/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md index 64ac5fb0..28e551f1 100644 --- a/translations/ko/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md +++ b/translations/ko/lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md @@ -1,12 +1,3 @@ - # MNIST 분류: 우리만의 프레임워크 사용하기 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners)에서 제공하는 실습 과제입니다. diff --git a/translations/ko/lessons/3-NeuralNetworks/05-Frameworks/README.md b/translations/ko/lessons/3-NeuralNetworks/05-Frameworks/README.md index 81f743d7..607b8f63 100644 --- a/translations/ko/lessons/3-NeuralNetworks/05-Frameworks/README.md +++ b/translations/ko/lessons/3-NeuralNetworks/05-Frameworks/README.md @@ -1,12 +1,3 @@ - # 신경망 프레임워크 이미 배운 바와 같이, 신경망을 효율적으로 학습시키기 위해서는 두 가지를 해야 합니다: diff --git a/translations/ko/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md b/translations/ko/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md index f01e5132..bcd820ad 100644 --- a/translations/ko/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md +++ b/translations/ko/lessons/3-NeuralNetworks/05-Frameworks/lab/README.md @@ -1,12 +1,3 @@ - # PyTorch/TensorFlow를 사용한 분류 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners)에서 제공하는 실습 과제입니다. diff --git a/translations/ko/lessons/3-NeuralNetworks/README.md b/translations/ko/lessons/3-NeuralNetworks/README.md index f537569e..054d11d3 100644 --- a/translations/ko/lessons/3-NeuralNetworks/README.md +++ b/translations/ko/lessons/3-NeuralNetworks/README.md @@ -1,12 +1,3 @@ - # 신경망 소개 ![신경망 소개 내용 요약을 담은 그림](../../../../translated_images/ko/ai-neuralnetworks.1c687ae40bc86e83.webp) diff --git a/translations/ko/lessons/4-ComputerVision/06-IntroCV/README.md b/translations/ko/lessons/4-ComputerVision/06-IntroCV/README.md index b8b69d89..a6da06aa 100644 --- a/translations/ko/lessons/4-ComputerVision/06-IntroCV/README.md +++ b/translations/ko/lessons/4-ComputerVision/06-IntroCV/README.md @@ -1,12 +1,3 @@ - # 컴퓨터 비전 소개 [컴퓨터 비전](https://wikipedia.org/wiki/Computer_vision)은 디지털 이미지를 통해 컴퓨터가 고수준의 이해를 할 수 있도록 하는 학문입니다. 이 정의는 매우 광범위한데, *이해*라는 것이 사진에서 객체를 찾는 것(**객체 탐지**), 무슨 일이 일어나고 있는지 파악하는 것(**이벤트 탐지**), 사진을 텍스트로 설명하는 것, 또는 3D로 장면을 재구성하는 것 등 다양한 의미를 가질 수 있기 때문입니다. 사람의 이미지를 다루는 특별한 작업도 있습니다. 예를 들어, 나이와 감정 추정, 얼굴 탐지 및 식별, 3D 자세 추정 등이 있습니다. @@ -115,7 +106,7 @@ AI 쇼의 [이 비디오](https://docs.microsoft.com/shows/ai-show/ai-show--2021 이 실습에서는 간단한 제스처가 포함된 비디오를 촬영하고, 광학 흐름을 사용하여 위/아래/왼쪽/오른쪽 움직임을 추출하는 것이 목표입니다. -손바닥 움직임 프레임 +손바닥 움직임 프레임 --- diff --git a/translations/ko/lessons/4-ComputerVision/06-IntroCV/lab/README.md b/translations/ko/lessons/4-ComputerVision/06-IntroCV/lab/README.md index f52c8e8e..74027fa5 100644 --- a/translations/ko/lessons/4-ComputerVision/06-IntroCV/lab/README.md +++ b/translations/ko/lessons/4-ComputerVision/06-IntroCV/lab/README.md @@ -1,12 +1,3 @@ - # 광학 흐름을 사용한 움직임 감지 [AI for Beginners Curriculum](https://aka.ms/ai-beginners)에서 제공하는 실습 과제입니다. diff --git a/translations/ko/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md b/translations/ko/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md index 9f744004..3b358a41 100644 --- a/translations/ko/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md +++ b/translations/ko/lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md @@ -1,12 +1,3 @@ - # 잘 알려진 CNN 아키텍처 ### VGG-16 @@ -25,7 +16,7 @@ VGG-16은 2014년 ImageNet의 top-5 분류에서 92.7%의 정확도를 달성한 ResNet은 2015년 Microsoft Research에서 제안한 모델 계열입니다. ResNet의 핵심 아이디어는 **잔차 블록(residual blocks)**을 사용하는 것입니다: - + > 이미지 출처: [이 논문](https://arxiv.org/pdf/1512.03385.pdf) @@ -37,7 +28,7 @@ ResNet은 2015년 Microsoft Research에서 제안한 모델 계열입니다. Res Google Inception 아키텍처는 이 아이디어를 한 단계 더 발전시켜, 각 네트워크 계층을 여러 경로의 조합으로 구성합니다: - + > 이미지 출처: [Researchgate](https://www.researchgate.net/figure/Inception-module-with-dimension-reductions-left-and-schema-for-Inception-ResNet-v1_fig2_355547454) diff --git a/translations/ko/lessons/4-ComputerVision/07-ConvNets/README.md b/translations/ko/lessons/4-ComputerVision/07-ConvNets/README.md index 397dee87..75ea6ec0 100644 --- a/translations/ko/lessons/4-ComputerVision/07-ConvNets/README.md +++ b/translations/ko/lessons/4-ComputerVision/07-ConvNets/README.md @@ -1,12 +1,3 @@ - # 컨볼루션 신경망 이전에 신경망이 이미지를 처리하는 데 매우 효과적이며, 단일 계층 퍼셉트론조차도 MNIST 데이터셋의 손글씨 숫자를 합리적인 정확도로 인식할 수 있다는 것을 살펴보았습니다. 하지만 MNIST 데이터셋은 매우 특별하며, 모든 숫자가 이미지 중앙에 위치해 있어 작업이 더 간단해집니다. @@ -24,7 +15,7 @@ CO_OP_TRANSLATOR_METADATA: 예를 들어, MNIST 숫자에 3x3 수직 엣지 및 수평 엣지 필터를 적용하면 원본 이미지에서 수직 및 수평 엣지가 있는 부분을 강조 표시(예: 높은 값)할 수 있습니다. 따라서 이 두 필터는 엣지를 "찾는" 데 사용할 수 있습니다. 마찬가지로, 다른 저수준 패턴을 찾기 위해 다양한 필터를 설계할 수 있습니다: - + > 이미지 출처: [Leung-Malik 필터 뱅크](https://www.robots.ox.ac.uk/~vgg/research/texclass/filters.html) diff --git a/translations/ko/lessons/4-ComputerVision/07-ConvNets/lab/README.md b/translations/ko/lessons/4-ComputerVision/07-ConvNets/lab/README.md index c2aa3102..c7adfba2 100644 --- a/translations/ko/lessons/4-ComputerVision/07-ConvNets/lab/README.md +++ b/translations/ko/lessons/4-ComputerVision/07-ConvNets/lab/README.md @@ -1,12 +1,3 @@ - # 애완동물 얼굴 분류 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners)에서 제공하는 실습 과제입니다. diff --git a/translations/ko/lessons/4-ComputerVision/08-TransferLearning/README.md b/translations/ko/lessons/4-ComputerVision/08-TransferLearning/README.md index cd74ad33..23f40742 100644 --- a/translations/ko/lessons/4-ComputerVision/08-TransferLearning/README.md +++ b/translations/ko/lessons/4-ComputerVision/08-TransferLearning/README.md @@ -1,12 +1,3 @@ - # 사전 학습된 네트워크와 전이 학습 CNN을 훈련시키는 데는 많은 시간이 걸리며, 이를 위해 많은 데이터가 필요합니다. 하지만 대부분의 시간은 네트워크가 이미지를 통해 패턴을 추출할 수 있는 최적의 저수준 필터를 학습하는 데 소비됩니다. 여기서 자연스럽게 이런 질문이 떠오릅니다. 한 데이터셋에서 훈련된 신경망을 사용하여 완전한 훈련 과정 없이 다른 이미지를 분류하도록 적응시킬 수 있을까요? diff --git a/translations/ko/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md b/translations/ko/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md index bbb93a45..011afaa0 100644 --- a/translations/ko/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md +++ b/translations/ko/lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md @@ -1,12 +1,3 @@ - # 딥러닝 학습 팁 신경망이 깊어질수록 학습 과정이 점점 더 어려워집니다. 주요 문제 중 하나는 [소실 기울기](https://en.wikipedia.org/wiki/Vanishing_gradient_problem) 또는 [폭발 기울기](https://deepai.org/machine-learning-glossary-and-terms/exploding-gradient-problem#:~:text=Exploding%20gradients%20are%20a%20problem,updates%20are%20small%20and%20controlled.)입니다. [이 글](https://towardsdatascience.com/the-vanishing-exploding-gradient-problem-in-deep-neural-networks-191358470c11)은 이러한 문제에 대한 좋은 소개를 제공합니다. diff --git a/translations/ko/lessons/4-ComputerVision/08-TransferLearning/lab/README.md b/translations/ko/lessons/4-ComputerVision/08-TransferLearning/lab/README.md index 4c0cc233..74e4a825 100644 --- a/translations/ko/lessons/4-ComputerVision/08-TransferLearning/lab/README.md +++ b/translations/ko/lessons/4-ComputerVision/08-TransferLearning/lab/README.md @@ -1,12 +1,3 @@ - # 전이 학습을 활용한 Oxford Pets 분류 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners)에서 제공하는 실습 과제입니다. diff --git a/translations/ko/lessons/4-ComputerVision/09-Autoencoders/README.md b/translations/ko/lessons/4-ComputerVision/09-Autoencoders/README.md index 576e7db4..fb92fe69 100644 --- a/translations/ko/lessons/4-ComputerVision/09-Autoencoders/README.md +++ b/translations/ko/lessons/4-ComputerVision/09-Autoencoders/README.md @@ -1,12 +1,3 @@ - # 오토인코더 CNN을 훈련할 때, 문제 중 하나는 많은 라벨링된 데이터가 필요하다는 점입니다. 이미지 분류의 경우, 이미지를 서로 다른 클래스에 나누는 작업이 수작업으로 이루어져야 합니다. @@ -46,7 +37,7 @@ VAE는 잠재 매개변수의 *통계적 분포*를 예측하도록 학습하는 * 분포 N(zmean,exp(zlog\_sigma))에서 벡터 `sample`을 샘플링합니다. * 디코더는 `sample`을 입력 벡터로 사용하여 원본 이미지를 디코딩하려고 합니다. - + > 이미지 출처: [Isaak Dykeman의 블로그 글](https://ijdykeman.github.io/ml/2016/12/21/cvae.html) @@ -57,13 +48,13 @@ VAE는 잠재 매개변수의 *통계적 분포*를 예측하도록 학습하는 VAE의 중요한 장점 중 하나는 잠재 벡터를 샘플링할 분포를 알고 있기 때문에 새로운 이미지를 비교적 쉽게 생성할 수 있다는 점입니다. 예를 들어, MNIST 데이터셋에서 2D 잠재 벡터를 사용하여 VAE를 훈련하면, 잠재 벡터의 구성 요소를 변화시켜 서로 다른 숫자를 얻을 수 있습니다: -vaemnist +vaemnist > 이미지 출처: [Dmitry Soshnikov](http://soshnikov.com) 잠재 매개변수 공간의 다른 부분에서 잠재 벡터를 가져오면서 이미지가 서로 섞이는 과정을 관찰할 수 있습니다. 또한 이 공간을 2D로 시각화할 수도 있습니다: -vaemnist cluster +vaemnist cluster > 이미지 출처: [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/ko/lessons/4-ComputerVision/10-GANs/README.md b/translations/ko/lessons/4-ComputerVision/10-GANs/README.md index 8b7c060d..e83d232e 100644 --- a/translations/ko/lessons/4-ComputerVision/10-GANs/README.md +++ b/translations/ko/lessons/4-ComputerVision/10-GANs/README.md @@ -1,12 +1,3 @@ - # 생성적 적대 신경망 (Generative Adversarial Networks) 이전 섹션에서는 **생성 모델**에 대해 배웠습니다. 생성 모델은 학습 데이터셋에 있는 이미지와 유사한 새로운 이미지를 생성할 수 있는 모델입니다. VAE는 생성 모델의 좋은 예시였습니다. @@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA: GAN의 주요 아이디어는 두 개의 신경망을 서로 경쟁하며 학습시키는 것입니다: - + > 이미지 출처: [Dmitry Soshnikov](http://soshnikov.com) @@ -41,7 +32,7 @@ Generator는 약간 더 복잡합니다. 이를 Discriminator의 반대로 생 > ✅ 컨볼루션 레이어가 이미지를 따라 선형 필터로 구현되기 때문에, 디컨볼루션은 본질적으로 컨볼루션과 유사하며 동일한 레이어 로직을 사용하여 구현할 수 있습니다. - + > 이미지 출처: [Dmitry Soshnikov](http://soshnikov.com) diff --git a/translations/ko/lessons/4-ComputerVision/11-ObjectDetection/README.md b/translations/ko/lessons/4-ComputerVision/11-ObjectDetection/README.md index a0192a2b..a952e857 100644 --- a/translations/ko/lessons/4-ComputerVision/11-ObjectDetection/README.md +++ b/translations/ko/lessons/4-ComputerVision/11-ObjectDetection/README.md @@ -1,12 +1,3 @@ - # 객체 탐지 지금까지 다룬 이미지 분류 모델은 이미지를 입력받아 MNIST 문제에서 '숫자' 클래스와 같은 범주형 결과를 출력했습니다. 하지만 많은 경우, 단순히 이미지에 객체가 있다는 것을 아는 것만으로는 충분하지 않습니다. 우리는 객체의 정확한 위치를 파악하고 싶어합니다. 이것이 바로 **객체 탐지**의 핵심입니다. diff --git a/translations/ko/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md b/translations/ko/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md index 6311a23d..e76791f4 100644 --- a/translations/ko/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md +++ b/translations/ko/lessons/4-ComputerVision/11-ObjectDetection/lab/README.md @@ -1,12 +1,3 @@ - # 할리우드 헤드 데이터셋을 이용한 머리 탐지 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners)에서 제공하는 실습 과제입니다. diff --git a/translations/ko/lessons/4-ComputerVision/12-Segmentation/README.md b/translations/ko/lessons/4-ComputerVision/12-Segmentation/README.md index 4c66056c..8fa90968 100644 --- a/translations/ko/lessons/4-ComputerVision/12-Segmentation/README.md +++ b/translations/ko/lessons/4-ComputerVision/12-Segmentation/README.md @@ -1,12 +1,3 @@ - # 세그멘테이션 이전에 우리는 객체 감지(Object Detection)에 대해 배웠습니다. 객체 감지는 이미지에서 *바운딩 박스*를 예측하여 객체의 위치를 찾을 수 있게 해줍니다. 하지만 일부 작업에서는 바운딩 박스뿐만 아니라 더 정밀한 객체 위치 정보가 필요합니다. 이러한 작업을 **세그멘테이션(Segmentation)**이라고 합니다. @@ -20,7 +11,7 @@ CO_OP_TRANSLATOR_METADATA: 예를 들어, 인스턴스 세그멘테이션에서는 이 양들이 서로 다른 객체로 구분되지만, 세맨틱 세그멘테이션에서는 모든 양이 하나의 클래스로 표현됩니다. - + > 이미지 출처: [이 블로그 글](https://nirmalamurali.medium.com/image-classification-vs-semantic-segmentation-vs-instance-segmentation-625c33a08d50) @@ -29,7 +20,7 @@ CO_OP_TRANSLATOR_METADATA: * **인코더(Encoder)**: 입력 이미지에서 특징을 추출합니다. * **디코더(Decoder)**: 추출된 특징을 **마스크 이미지**로 변환하며, 마스크 이미지는 원본 이미지와 동일한 크기를 가지며 클래스 수에 해당하는 채널을 포함합니다. - + > 이미지 출처: [이 논문](https://arxiv.org/pdf/2001.05566.pdf) @@ -43,7 +34,7 @@ CO_OP_TRANSLATOR_METADATA: > ✅ 이 기술은 특히 이러한 유형의 의료 영상에 적합하지만, 다른 실생활 응용 사례를 상상해볼 수 있나요? -navi +navi > 이미지 출처: PH2 데이터베이스 diff --git a/translations/ko/lessons/4-ComputerVision/12-Segmentation/lab/README.md b/translations/ko/lessons/4-ComputerVision/12-Segmentation/lab/README.md index 12aefb59..e5fae8b0 100644 --- a/translations/ko/lessons/4-ComputerVision/12-Segmentation/lab/README.md +++ b/translations/ko/lessons/4-ComputerVision/12-Segmentation/lab/README.md @@ -1,12 +1,3 @@ - # 인간 신체 분할 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners)에서 제공하는 실습 과제입니다. diff --git a/translations/ko/lessons/4-ComputerVision/README.md b/translations/ko/lessons/4-ComputerVision/README.md index 739c698e..ed8d6161 100644 --- a/translations/ko/lessons/4-ComputerVision/README.md +++ b/translations/ko/lessons/4-ComputerVision/README.md @@ -1,12 +1,3 @@ - # 컴퓨터 비전 ![컴퓨터 비전 내용 요약을 담은 스케치](../../../../translated_images/ko/ai-computervision.6506ebebac3fbf76.webp) diff --git a/translations/ko/lessons/5-NLP/13-TextRep/README.md b/translations/ko/lessons/5-NLP/13-TextRep/README.md index 2f8082ad..1236c36f 100644 --- a/translations/ko/lessons/5-NLP/13-TextRep/README.md +++ b/translations/ko/lessons/5-NLP/13-TextRep/README.md @@ -1,12 +1,3 @@ - # 텍스트를 텐서로 표현하기 ## [강의 전 퀴즈](https://ff-quizzes.netlify.app/en/ai/quiz/25) @@ -25,7 +16,7 @@ CO_OP_TRANSLATOR_METADATA: 신경망을 사용하여 자연어 처리(NLP) 작업을 해결하려면 텍스트를 텐서로 표현할 방법이 필요합니다. 컴퓨터는 이미 ASCII나 UTF-8과 같은 인코딩을 사용하여 화면의 글꼴에 매핑되는 숫자로 텍스트 문자를 표현합니다. -문자를 ASCII 및 이진 표현으로 매핑하는 다이어그램을 보여주는 이미지 +문자를 ASCII 및 이진 표현으로 매핑하는 다이어그램을 보여주는 이미지 > [이미지 출처](https://www.seobility.net/en/wiki/ASCII) @@ -48,7 +39,7 @@ CO_OP_TRANSLATOR_METADATA: 텍스트 분류와 같은 작업을 해결할 때, 우리는 텍스트를 고정 크기의 벡터로 표현할 수 있어야 하며, 이를 최종 밀집 분류기에 입력으로 사용할 것입니다. 이를 수행하는 가장 간단한 방법 중 하나는 개별 단어 표현을 결합하는 것입니다. 예를 들어, 각 단어의 원-핫 인코딩을 더하면 텍스트 내에서 각 단어가 나타나는 빈도를 보여주는 벡터를 얻게 됩니다. 이러한 텍스트 표현을 **Bag-of-Words**(BoW)라고 합니다. - + > 이미지 제공: 저자 diff --git a/translations/ko/lessons/5-NLP/13-TextRep/assignment.md b/translations/ko/lessons/5-NLP/13-TextRep/assignment.md index d778da22..ca5a9afe 100644 --- a/translations/ko/lessons/5-NLP/13-TextRep/assignment.md +++ b/translations/ko/lessons/5-NLP/13-TextRep/assignment.md @@ -1,12 +1,3 @@ - # 과제: 노트북 이 강의와 관련된 노트북( PyTorch 또는 TensorFlow 버전 중 하나)을 사용하여, 자신의 데이터셋으로 다시 실행해 보세요. 데이터셋은 Kaggle에서 가져온 것을 사용하고 출처를 명시하세요. 노트북을 다시 작성하여 자신의 발견 내용을 강조하세요. 예상치 못한 흥미로운 데이터셋을 시도해보세요. 예를 들어, NUFORC에서 제공하는 [UFO 목격 사례에 대한 데이터셋](https://www.kaggle.com/datasets/NUFORC/ufo-sightings) 같은 것이 있습니다. diff --git a/translations/ko/lessons/5-NLP/14-Embeddings/README.md b/translations/ko/lessons/5-NLP/14-Embeddings/README.md index 981fdb84..456b054a 100644 --- a/translations/ko/lessons/5-NLP/14-Embeddings/README.md +++ b/translations/ko/lessons/5-NLP/14-Embeddings/README.md @@ -1,12 +1,3 @@ - # 임베딩 ## [강의 전 퀴즈](https://ff-quizzes.netlify.app/en/ai/quiz/27) diff --git a/translations/ko/lessons/5-NLP/14-Embeddings/assignment.md b/translations/ko/lessons/5-NLP/14-Embeddings/assignment.md index 33a9fbe8..43934d10 100644 --- a/translations/ko/lessons/5-NLP/14-Embeddings/assignment.md +++ b/translations/ko/lessons/5-NLP/14-Embeddings/assignment.md @@ -1,12 +1,3 @@ - # 과제: 노트북 이 강의와 관련된 노트북(예: PyTorch 또는 TensorFlow 버전)을 사용하여, 자신의 데이터셋을 활용해 다시 실행해 보세요. Kaggle에서 가져온 데이터셋을 사용하고 출처를 명시하세요. 노트북을 재작성하여 자신의 발견 내용을 강조하세요. 다른 종류의 데이터셋을 시도하고, [이 Beatles 가사](https://www.kaggle.com/datasets/jenlooper/beatles-lyrics)와 같은 텍스트를 사용하여 결과를 문서화해 보세요. diff --git a/translations/ko/lessons/5-NLP/15-LanguageModeling/README.md b/translations/ko/lessons/5-NLP/15-LanguageModeling/README.md index e7265e4f..0e3c17ec 100644 --- a/translations/ko/lessons/5-NLP/15-LanguageModeling/README.md +++ b/translations/ko/lessons/5-NLP/15-LanguageModeling/README.md @@ -1,12 +1,3 @@ - # 언어 모델링 Word2Vec와 GloVe 같은 의미 임베딩은 사실 **언어 모델링**의 첫 단계입니다. 이는 언어의 본질을 *이해*하거나 (*표현*)하는 모델을 만드는 것을 목표로 합니다. diff --git a/translations/ko/lessons/5-NLP/15-LanguageModeling/lab/README.md b/translations/ko/lessons/5-NLP/15-LanguageModeling/lab/README.md index e7eb7592..76c467b6 100644 --- a/translations/ko/lessons/5-NLP/15-LanguageModeling/lab/README.md +++ b/translations/ko/lessons/5-NLP/15-LanguageModeling/lab/README.md @@ -1,12 +1,3 @@ - # Skip-Gram 모델 학습 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners)에서 제공하는 실습 과제입니다. diff --git a/translations/ko/lessons/5-NLP/16-RNN/README.md b/translations/ko/lessons/5-NLP/16-RNN/README.md index 9d47cc60..e383b16a 100644 --- a/translations/ko/lessons/5-NLP/16-RNN/README.md +++ b/translations/ko/lessons/5-NLP/16-RNN/README.md @@ -1,12 +1,3 @@ - # 순환 신경망 ## [강의 전 퀴즈](https://ff-quizzes.netlify.app/en/ai/quiz/31) @@ -31,7 +22,7 @@ CO_OP_TRANSLATOR_METADATA: 간단한 RNN 셀은 내부에 두 개의 가중치 행렬을 가지고 있습니다. 하나는 입력 기호를 변환하고(W라고 부르겠습니다), 다른 하나는 입력 상태를 변환합니다(H). 이 경우 네트워크의 출력은 σ(W×Xi+H×Si-1+b)로 계산되며, 여기서 σ는 활성화 함수이고 b는 추가적인 바이어스입니다. -RNN 셀 구조 +RNN 셀 구조 > 저자 제공 이미지 diff --git a/translations/ko/lessons/5-NLP/16-RNN/assignment.md b/translations/ko/lessons/5-NLP/16-RNN/assignment.md index 9c6a2f92..92f4cf02 100644 --- a/translations/ko/lessons/5-NLP/16-RNN/assignment.md +++ b/translations/ko/lessons/5-NLP/16-RNN/assignment.md @@ -1,12 +1,3 @@ - # 과제: 노트북 이 강의와 관련된 노트북(예: PyTorch 또는 TensorFlow 버전)을 사용하여, 여러분만의 데이터셋으로 다시 실행해 보세요. Kaggle에서 가져온 데이터셋을 사용하고 출처를 명시하세요. 노트북을 다시 작성하여 여러분의 발견을 강조하세요. 다른 종류의 데이터셋을 시도하고, [이 Kaggle 대회 데이터셋: 날씨 관련 트윗](https://www.kaggle.com/competitions/crowdflower-weather-twitter/data?select=train.csv)과 같은 텍스트를 사용하여 결과를 문서화하세요. diff --git a/translations/ko/lessons/5-NLP/17-GenerativeNetworks/README.md b/translations/ko/lessons/5-NLP/17-GenerativeNetworks/README.md index 4163c1f8..241f36ac 100644 --- a/translations/ko/lessons/5-NLP/17-GenerativeNetworks/README.md +++ b/translations/ko/lessons/5-NLP/17-GenerativeNetworks/README.md @@ -1,12 +1,3 @@ - # 생성 네트워크 ## [강의 전 퀴즈](https://ff-quizzes.netlify.app/en/ai/quiz/33) @@ -36,7 +27,7 @@ CO_OP_TRANSLATOR_METADATA: 텍스트를 생성할 때(추론 중), **프롬프트**를 시작점으로 사용하여 RNN 셀을 통해 중간 상태를 생성한 후 이 상태에서 생성을 시작합니다. 한 번에 한 문자씩 생성하며, 상태와 생성된 문자를 다음 RNN 셀에 전달하여 다음 문자를 생성합니다. 이 과정을 필요한 문자 수만큼 반복합니다. - + > 이미지 출처: 작성자 diff --git a/translations/ko/lessons/5-NLP/17-GenerativeNetworks/lab/README.md b/translations/ko/lessons/5-NLP/17-GenerativeNetworks/lab/README.md index 4e2493b6..392b0af9 100644 --- a/translations/ko/lessons/5-NLP/17-GenerativeNetworks/lab/README.md +++ b/translations/ko/lessons/5-NLP/17-GenerativeNetworks/lab/README.md @@ -1,12 +1,3 @@ - # RNN을 사용한 단어 수준 텍스트 생성 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners)에서 제공하는 실습 과제입니다. diff --git a/translations/ko/lessons/5-NLP/18-Transformers/README.md b/translations/ko/lessons/5-NLP/18-Transformers/README.md index c04f3748..4898f307 100644 --- a/translations/ko/lessons/5-NLP/18-Transformers/README.md +++ b/translations/ko/lessons/5-NLP/18-Transformers/README.md @@ -1,12 +1,3 @@ - # 어텐션 메커니즘과 트랜스포머 ## [강의 전 퀴즈](https://ff-quizzes.netlify.app/en/ai/quiz/35) @@ -56,7 +47,7 @@ RNN을 사용하면 시퀀스-투-시퀀스 작업은 두 개의 순환 신경 * 토큰 임베딩과 유사한 학습 가능한 임베딩. 여기서는 이 접근법을 고려합니다. 토큰과 그 위치 모두에 임베딩 레이어를 적용하여 동일한 차원의 임베딩 벡터를 생성한 후, 이를 더합니다. * 원 논문에서 제안된 고정 위치 인코딩 함수. - + > 저자 제공 이미지 diff --git a/translations/ko/lessons/5-NLP/18-Transformers/READMEtransformers.md b/translations/ko/lessons/5-NLP/18-Transformers/READMEtransformers.md deleted file mode 100644 index 30d30888..00000000 --- a/translations/ko/lessons/5-NLP/18-Transformers/READMEtransformers.md +++ /dev/null @@ -1,112 +0,0 @@ -# 주의 메커니즘과 트랜스포머 - -## [강의 전 퀴즈](https://ff-quizzes.netlify.app/en/ai/quiz/35) - -자연어 처리(NLP) 분야에서 가장 중요한 문제 중 하나는 **기계 번역**으로, Google Translate와 같은 도구의 기초가 되는 필수 작업입니다. 이 섹션에서는 기계 번역, 또는 더 일반적으로는 모든 *시퀀스-투-시퀀스* 작업(이 작업은 **문장 전이**라고도 불림)에 초점을 맞출 것입니다. - -RNN을 사용하면 시퀀스-투-시퀀스는 두 개의 순환 네트워크로 구현됩니다. 한 네트워크인 **인코더**는 입력 시퀀스를 숨겨진 상태로 압축하고, 다른 네트워크인 **디코더**는 이 숨겨진 상태를 번역된 결과로 풀어냅니다. 이 접근 방식에는 몇 가지 문제가 있습니다: - -* 인코더 네트워크의 최종 상태는 문장의 시작 부분을 기억하는 데 어려움을 겪어 긴 문장에 대해 모델의 품질이 저하됩니다. -* 시퀀스의 모든 단어가 결과에 동일한 영향을 미칩니다. 그러나 실제로는 입력 시퀀스의 특정 단어가 다른 단어보다 순차적 출력에 더 큰 영향을 미치는 경우가 많습니다. - -**주의 메커니즘**은 RNN의 각 출력 예측에 대한 각 입력 벡터의 맥락적 영향을 가중치로 조정하는 수단을 제공합니다. 이를 구현하는 방법은 입력 RNN의 중간 상태와 출력 RNN 사이에 단축 경로를 생성하는 것입니다. 이렇게 하면 출력 기호 yt를 생성할 때 모든 입력 숨겨진 상태 hi를 서로 다른 가중치 계수 αt,i와 함께 고려합니다. - -![인코더/디코더 모델과 추가적인 주의 레이어를 보여주는 이미지](../../../../../translated_images/ko/encoder-decoder-attention.7a726296894fb567.webp) - -> [Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf)에서 인용된 추가적인 주의 메커니즘을 가진 인코더-디코더 모델, [이 블로그 게시물](https://lilianweng.github.io/lil-log/2018/06/24/attention-attention.html)에서 인용됨 - -주의 행렬 {αi,j}는 특정 입력 단어가 출력 시퀀스의 주어진 단어 생성에 기여하는 정도를 나타냅니다. 아래는 이러한 행렬의 예입니다: - -![RNNsearch-50에 의해 발견된 샘플 정렬을 보여주는 이미지, Bahdanau - arviz.org에서 가져옴](../../../../../translated_images/ko/bahdanau-fig3.09ba2d37f202a6af.webp) - -> [Bahdanau et al., 2015](https://arxiv.org/pdf/1409.0473.pdf)에서의 그림 (Fig.3) - -주의 메커니즘은 현재 또는 거의 현재의 NLP 최첨단 기술의 많은 부분을 담당하고 있습니다. 그러나 주의를 추가하면 모델 매개변수의 수가 크게 증가하여 RNN의 확장성 문제로 이어집니다. RNN의 확장성에 대한 주요 제약은 모델의 순환적 특성으로 인해 배치 및 병렬 학습이 어렵다는 것입니다. RNN에서는 시퀀스의 각 요소를 순차적으로 처리해야 하므로 쉽게 병렬화할 수 없습니다. - -![주의를 가진 인코더 디코더](../../../../../lessons/5-NLP/18-Transformers/images/EncDecAttention.gif) - -> [Google의 블로그](https://research.googleblog.com/2016/09/a-neural-network-for-machine.html)에서의 그림 - -주의 메커니즘의 채택과 이러한 제약이 결합되어 현재 우리가 알고 사용하고 있는 최첨단 트랜스포머 모델, 예를 들어 BERT에서 Open-GPT3까지의 모델이 만들어졌습니다. - -## 트랜스포머 모델 - -트랜스포머의 주요 아이디어 중 하나는 RNN의 순차적 특성을 피하고 훈련 중 병렬화할 수 있는 모델을 만드는 것입니다. 이는 두 가지 아이디어를 구현함으로써 달성됩니다: - -* 위치 인코딩 -* RNN(또는 CNN) 대신 패턴을 포착하기 위해 자기 주의 메커니즘 사용 (그래서 트랜스포머를 소개하는 논문이 *[Attention is all you need](https://arxiv.org/abs/1706.03762)*라고 불리는 이유입니다.) - -### 위치 인코딩/임베딩 - -위치 인코딩의 아이디어는 다음과 같습니다. -1. RNN을 사용할 때 토큰의 상대적 위치는 단계 수로 표현되므로 명시적으로 표현할 필요가 없습니다. -2. 그러나 주의로 전환하면 시퀀스 내의 토큰의 상대적 위치를 알아야 합니다. -3. 위치 인코딩을 얻기 위해 시퀀스의 토큰과 함께 시퀀스 내의 토큰 위치 시퀀스를 보강합니다(즉, 숫자 시퀀스 0, 1, ...). -4. 그런 다음 토큰 위치를 토큰 임베딩 벡터와 혼합합니다. 위치(정수)를 벡터로 변환하기 위해 여러 가지 접근 방식을 사용할 수 있습니다: - -* 토큰 임베딩과 유사한 학습 가능한 임베딩. 이것이 우리가 여기서 고려하는 접근 방식입니다. 우리는 토큰과 그 위치 모두에 대해 임베딩 레이어를 적용하여 동일한 차원의 임베딩 벡터를 생성하고 이를 더합니다. -* 원래 논문에서 제안된 고정 위치 인코딩 함수. - - - -> 저자에 의해 제공된 이미지 - -우리가 위치 임베딩으로 얻는 결과는 원래의 토큰과 시퀀스 내의 위치를 모두 포함합니다. - -### 다중 헤드 자기 주의 - -다음으로, 우리는 시퀀스 내에서 몇 가지 패턴을 포착해야 합니다. 이를 위해 트랜스포머는 **자기 주의** 메커니즘을 사용하며, 이는 기본적으로 입력과 출력으로 동일한 시퀀스에 적용되는 주의입니다. 자기 주의를 적용하면 문장 내의 **맥락**을 고려하고 어떤 단어가 서로 관련되어 있는지를 확인할 수 있습니다. 예를 들어, 이는 *it*와 같은 대명사가 지칭하는 단어를 확인하고 맥락을 고려할 수 있게 해줍니다: - -![](../../../../../translated_images/ko/CoreferenceResolution.861924d6d384a7d6.webp) - -> [Google 블로그](https://research.googleblog.com/2017/08/transformer-novel-neural-network.html)에서의 이미지 - -트랜스포머에서는 **다중 헤드 주의**를 사용하여 네트워크가 여러 유형의 의존성을 포착할 수 있는 능력을 부여합니다. 예를 들어, 장기 대 단기 단어 관계, 공동 참조 대 다른 것 등입니다. - -[TensorFlow 노트북](../../../../../lessons/5-NLP/18-Transformers/TransformersTF.ipynb)에는 트랜스포머 레이어 구현에 대한 자세한 내용이 포함되어 있습니다. - -### 인코더-디코더 주의 - -트랜스포머에서는 주의가 두 곳에서 사용됩니다: - -* 자기 주의를 사용하여 입력 텍스트 내의 패턴을 포착하기 위해 -* 시퀀스 번역을 수행하기 위해 - 이는 인코더와 디코더 사이의 주의 레이어입니다. - -인코더-디코더 주의는 이 섹션의 시작 부분에서 설명한 RNN에서 사용되는 주의 메커니즘과 매우 유사합니다. 이 애니메이션 다이어그램은 인코더-디코더 주의의 역할을 설명합니다. - -![트랜스포머 모델에서 평가가 수행되는 방법을 보여주는 애니메이션 GIF.](../../../../../lessons/5-NLP/18-Transformers/images/transformer-animated-explanation.gif) - -각 입력 위치가 각 출력 위치에 독립적으로 매핑되기 때문에 트랜스포머는 RNN보다 더 나은 병렬화를 가능하게 하여 훨씬 더 크고 표현력이 풍부한 언어 모델을 생성할 수 있습니다. 각 주의 헤드는 단어 간의 다양한 관계를 학습하는 데 사용될 수 있으며, 이는 하위 자연어 처리 작업을 개선합니다. - -## BERT - -**BERT** (Bidirectional Encoder Representations from Transformers)는 *BERT-base*의 경우 12층, *BERT-large*의 경우 24층으로 구성된 매우 큰 다층 트랜스포머 네트워크입니다. 이 모델은 먼저 대규모 텍스트 데이터(위키피디아 + 책)에서 비지도 학습(문장에서 마스킹된 단어 예측)을 사용하여 사전 훈련됩니다. 사전 훈련 동안 모델은 상당한 수준의 언어 이해를 흡수하며, 이는 이후 다른 데이터 세트와 함께 미세 조정하여 활용될 수 있습니다. 이 과정을 **전이 학습**이라고 합니다. - -![http://jalammar.github.io/illustrated-bert/에서 가져온 이미지](../../../../../translated_images/ko/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.webp) - -> 이미지 [출처](http://jalammar.github.io/illustrated-bert/) - -## ✍️ 연습: 트랜스포머 - -다음 노트북에서 학습을 계속하세요: - -* [PyTorch에서의 트랜스포머](../../../../../lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) -* [TensorFlow에서의 트랜스포머](../../../../../lessons/5-NLP/18-Transformers/TransformersTF.ipynb) - -## 결론 - -이번 수업에서는 트랜스포머와 주의 메커니즘에 대해 배웠으며, 이는 NLP 도구 상자에서 필수적인 도구입니다. BERT, DistilBERT, BigBird, OpenGPT3 등 많은 변형의 트랜스포머 아키텍처가 있으며, 이들은 미세 조정이 가능합니다. [HuggingFace 패키지](https://github.com/huggingface/)는 PyTorch와 TensorFlow 모두에서 이러한 아키텍처를 훈련하기 위한 저장소를 제공합니다. - -## 🚀 도전 - -## [강의 후 퀴즈](https://ff-quizzes.netlify.app/en/ai/quiz/36) - -## 복습 및 자습 - -* [블로그 게시물](https://mchromiak.github.io/articles/2017/Sep/12/Transformer-Attention-is-all-you-need/), 트랜스포머에 대한 고전적인 [Attention is all you need](https://arxiv.org/abs/1706.03762) 논문을 설명합니다. -* 트랜스포머에 대한 [일련의 블로그 게시물](https://towardsdatascience.com/transformers-explained-visually-part-1-overview-of-functionality-95a6dd460452), 아키텍처를 자세히 설명합니다. - -## [과제](assignment.md) - -**면책 조항**: -이 문서는 기계 기반 AI 번역 서비스를 사용하여 번역되었습니다. 정확성을 위해 노력하고 있지만, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서는 해당 언어로 된 권위 있는 출처로 간주되어야 합니다. 중요한 정보에 대해서는 전문 인간 번역을 권장합니다. 이 번역의 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 우리는 책임을 지지 않습니다. \ No newline at end of file diff --git a/translations/ko/lessons/5-NLP/18-Transformers/assignment.md b/translations/ko/lessons/5-NLP/18-Transformers/assignment.md index 059f79a0..aabd0f10 100644 --- a/translations/ko/lessons/5-NLP/18-Transformers/assignment.md +++ b/translations/ko/lessons/5-NLP/18-Transformers/assignment.md @@ -1,12 +1,3 @@ - # 과제: 트랜스포머 HuggingFace에서 트랜스포머를 실험해보세요! 그들이 제공하는 스크립트를 사용하여 사이트에 있는 다양한 모델을 활용해보세요: https://huggingface.co/docs/transformers/run_scripts. 제공된 데이터셋 중 하나를 사용해보고, 이 커리큘럼이나 Kaggle에서 가져온 데이터셋을 임포트하여 흥미로운 텍스트를 생성할 수 있는지 확인해보세요. 결과를 담은 노트북을 작성하세요. diff --git a/translations/ko/lessons/5-NLP/19-NER/README.md b/translations/ko/lessons/5-NLP/19-NER/README.md index 79edac0f..f9b42f15 100644 --- a/translations/ko/lessons/5-NLP/19-NER/README.md +++ b/translations/ko/lessons/5-NLP/19-NER/README.md @@ -1,12 +1,3 @@ - # 개체명 인식 지금까지 우리는 주로 하나의 NLP 작업인 분류에 집중해 왔습니다. 하지만 신경망을 사용하여 수행할 수 있는 다른 NLP 작업들도 있습니다. 그 중 하나가 **[개체명 인식](https://wikipedia.org/wiki/Named-entity_recognition)**(NER)으로, 텍스트 내에서 장소, 사람 이름, 날짜-시간 간격, 화학식 등 특정 개체를 인식하는 작업을 다룹니다. @@ -17,7 +8,7 @@ CO_OP_TRANSLATOR_METADATA: Amazon Alexa나 Google Assistant와 같은 자연어 챗봇을 개발하고 싶다고 가정해 봅시다. 지능형 챗봇이 작동하는 방식은 입력 문장에 대해 텍스트 분류를 수행하여 사용자가 원하는 것을 *이해*하는 것입니다. 이 분류의 결과는 챗봇이 무엇을 해야 할지를 결정하는 **의도(intent)**입니다. -Bot NER +Bot NER > 이미지 출처: 작성자 diff --git a/translations/ko/lessons/5-NLP/19-NER/lab/README.md b/translations/ko/lessons/5-NLP/19-NER/lab/README.md index 68413d92..e86a4b49 100644 --- a/translations/ko/lessons/5-NLP/19-NER/lab/README.md +++ b/translations/ko/lessons/5-NLP/19-NER/lab/README.md @@ -1,12 +1,3 @@ - # NER [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners)에서 제공하는 실습 과제입니다. diff --git a/translations/ko/lessons/5-NLP/20-LangModels/README.md b/translations/ko/lessons/5-NLP/20-LangModels/README.md index 405fa15f..042da51c 100644 --- a/translations/ko/lessons/5-NLP/20-LangModels/README.md +++ b/translations/ko/lessons/5-NLP/20-LangModels/README.md @@ -1,12 +1,3 @@ - # 사전 학습된 대형 언어 모델 이전의 모든 작업에서는 레이블이 지정된 데이터셋을 사용하여 특정 작업을 수행하도록 신경망을 훈련했습니다. BERT와 같은 대형 트랜스포머 모델에서는 자기 지도 학습 방식으로 언어 모델링을 사용하여 언어 모델을 구축한 후, 추가적인 도메인 특화 훈련을 통해 특정 다운스트림 작업에 맞게 전문화합니다. 하지만 대형 언어 모델이 도메인 특화 훈련 없이도 많은 작업을 해결할 수 있다는 것이 입증되었습니다. 이러한 작업을 수행할 수 있는 모델군을 **GPT**(Generative Pre-Trained Transformer)라고 합니다. diff --git a/translations/ko/lessons/5-NLP/20-LangModels/READMELargeLang.md b/translations/ko/lessons/5-NLP/20-LangModels/READMELargeLang.md deleted file mode 100644 index 77e21ff3..00000000 --- a/translations/ko/lessons/5-NLP/20-LangModels/READMELargeLang.md +++ /dev/null @@ -1,55 +0,0 @@ -# 사전 훈련된 대규모 언어 모델 - -이전의 모든 작업에서 우리는 레이블이 붙은 데이터 세트를 사용하여 특정 작업을 수행하도록 신경망을 훈련시켰습니다. BERT와 같은 대규모 변환기 모델을 사용하여 우리는 자가 지도 방식으로 언어 모델을 구축하고, 이후 특정 도메인에 맞춘 추가 훈련을 통해 특정 다운스트림 작업에 특화시킵니다. 그러나 대규모 언어 모델이 도메인 특정 훈련 없이도 많은 작업을 해결할 수 있다는 것이 입증되었습니다. 이를 수행할 수 있는 모델의 집합을 **GPT**(Generative Pre-Trained Transformer)라고 합니다. - -## [강의 전 퀴즈](https://ff-quizzes.netlify.app/en/ai/quiz/39) - -## 텍스트 생성 및 당혹감 - -신경망이 다운스트림 훈련 없이 일반 작업을 수행할 수 있다는 아이디어는 [Language Models are Unsupervised Multitask Learners](https://cdn.openai.com/better-language-models/language_models_are_unsupervised_multitask_learners.pdf) 논문에 제시되었습니다. 주요 아이디어는 많은 다른 작업이 **텍스트 생성**을 사용하여 모델링될 수 있다는 것입니다. 텍스트를 이해한다는 것은 본질적으로 그것을 생성할 수 있다는 것을 의미합니다. 모델은 인간 지식을 포함하는 방대한 양의 텍스트에서 훈련되기 때문에 다양한 주제에 대한 지식을 갖추게 됩니다. - -> 텍스트를 이해하고 생성할 수 있다는 것은 우리 주변 세계에 대한 지식을 갖추는 것을 의미합니다. 사람들도 대체로 독서를 통해 배웁니다. GPT 네트워크는 이 점에서 유사합니다. - -텍스트 생성 네트워크는 다음 단어 $$P(w_N)$$의 확률을 예측하는 방식으로 작동합니다. 그러나 다음 단어의 무조건적 확률은 이 단어가 텍스트 말뭉치에서 나타나는 빈도와 같습니다. GPT는 이전 단어들을 고려하여 다음 단어의 **조건부 확률**을 제공할 수 있습니다: $$P(w_N | w_{n-1}, ..., w_0)$$ - -> 확률에 대한 자세한 내용은 [Data Science for Beginners Curriculum](https://github.com/microsoft/Data-Science-For-Beginners/tree/main/1-Introduction/04-stats-and-probability)에서 확인할 수 있습니다. - -언어 생성 모델의 품질은 **당혹감**(perplexity)으로 정의할 수 있습니다. 이는 작업 특정 데이터 세트 없이 모델 품질을 측정할 수 있는 내재적 메트릭입니다. 이는 *문장의 확률* 개념에 기반하여 모델이 실제일 가능성이 높은 문장에 높은 확률을 부여하고(즉, 모델이 그것에 대해 **당혹스럽지 않음**), 덜 의미 있는 문장에는 낮은 확률을 부여합니다(예: *Can it does what?*). 모델에 실제 텍스트 말뭉치에서 문장을 제공할 때 우리는 그들이 높은 확률과 낮은 **당혹감**을 가질 것이라고 기대합니다. 수학적으로 이는 테스트 세트의 정규화된 역확률로 정의됩니다: -$$ -\mathrm{Perplexity}(W) = \sqrt[N]{1\over P(W_1,...,W_N)} -$$ - -**[Hugging Face의 GPT 기반 텍스트 편집기를 사용하여 텍스트 생성을 실험해 보세요](https://transformer.huggingface.co/doc/gpt2-large)**. 이 편집기에서 텍스트 작성을 시작하고 **[TAB]**를 누르면 여러 완성 옵션이 제공됩니다. 옵션이 너무 짧거나 만족스럽지 않다면 다시 [TAB]를 눌러 더 많은 옵션, 긴 텍스트 조각 등을 받을 수 있습니다. - -## GPT는 하나의 가족입니다 - -GPT는 단일 모델이 아니라 [OpenAI](https://openai.com)에서 개발하고 훈련한 모델의 모음입니다. - -GPT 모델에는 다음이 포함됩니다: - -| [GPT-2](https://huggingface.co/docs/transformers/model_doc/gpt2#openai-gpt2) | [GPT 3](https://openai.com/research/language-models-are-few-shot-learners) | [GPT-4](https://openai.com/gpt-4) | -| -- | -- | -- | -| 최대 15억 개의 매개변수를 가진 언어 모델. | 최대 1750억 개의 매개변수를 가진 언어 모델 | 100조 개의 매개변수를 가지며 이미지 및 텍스트 입력을 받아 텍스트를 출력합니다. | - -GPT-3 및 GPT-4 모델은 [Microsoft Azure의 인지 서비스로 제공됩니다](https://azure.microsoft.com/en-us/services/cognitive-services/openai-service/#overview?WT.mc_id=academic-77998-cacaste) 및 [OpenAI API](https://openai.com/api/)로도 이용할 수 있습니다. - -## 프롬프트 엔지니어링 - -GPT는 언어와 코드를 이해하기 위해 방대한 양의 데이터로 훈련되었기 때문에 입력(프롬프트)에 대한 응답으로 출력을 제공합니다. 프롬프트는 모델에 다음 작업을 수행하도록 지시하는 입력 또는 쿼리입니다. 원하는 결과를 얻으려면 가장 효과적인 프롬프트가 필요하며, 이는 적절한 단어, 형식, 구문 또는 기호를 선택하는 것을 포함합니다. 이러한 접근 방식은 [프롬프트 엔지니어링](https://learn.microsoft.com/en-us/shows/ai-show/the-basics-of-prompt-engineering-with-azure-openai-service?WT.mc_id=academic-77998-bethanycheum)이라고 합니다. - -[이 문서](https://learn.microsoft.com/en-us/semantic-kernel/prompt-engineering/?WT.mc_id=academic-77998-bethanycheum)는 프롬프트 엔지니어링에 대한 더 많은 정보를 제공합니다. - -## ✍️ 예제 노트북: [OpenAI-GPT와 함께 놀기](../../../../../lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) - -다음 노트북에서 학습을 계속하세요: - -* [OpenAI-GPT 및 Hugging Face Transformers로 텍스트 생성하기](../../../../../lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) - -## 결론 - -새로운 일반 사전 훈련된 언어 모델은 언어 구조를 모델링할 뿐만 아니라 방대한 양의 자연어를 포함하고 있습니다. 따라서 이들은 제로 샷 또는 몇 샷 설정에서 일부 NLP 작업을 효과적으로 해결하는 데 사용할 수 있습니다. - -## [강의 후 퀴즈](https://ff-quizzes.netlify.app/en/ai/quiz/40) - -**면책 조항**: -이 문서는 기계 기반 AI 번역 서비스를 사용하여 번역되었습니다. 정확성을 위해 노력하고 있지만, 자동 번역에는 오류나 부정확성이 있을 수 있습니다. 원본 문서는 해당 언어로 된 권위 있는 출처로 간주되어야 합니다. 중요한 정보에 대해서는 전문적인 인간 번역을 권장합니다. 이 번역을 사용하여 발생하는 오해나 잘못 해석에 대해 우리는 책임을 지지 않습니다. \ No newline at end of file diff --git a/translations/ko/lessons/5-NLP/README.md b/translations/ko/lessons/5-NLP/README.md index 16d3a969..e80bc71a 100644 --- a/translations/ko/lessons/5-NLP/README.md +++ b/translations/ko/lessons/5-NLP/README.md @@ -1,12 +1,3 @@ - # 자연어 처리 ![NLP 작업 요약 스케치](../../../../translated_images/ko/ai-nlp.b22dcb8ca4707cea.webp) diff --git a/translations/ko/lessons/6-Other/21-GeneticAlgorithms/README.md b/translations/ko/lessons/6-Other/21-GeneticAlgorithms/README.md index dbe46f18..d45e3b2e 100644 --- a/translations/ko/lessons/6-Other/21-GeneticAlgorithms/README.md +++ b/translations/ko/lessons/6-Other/21-GeneticAlgorithms/README.md @@ -1,12 +1,3 @@ - # 유전 알고리즘 ## [강의 전 퀴즈](https://ff-quizzes.netlify.app/en/ai/quiz/41) diff --git a/translations/ko/lessons/6-Other/22-DeepRL/README.md b/translations/ko/lessons/6-Other/22-DeepRL/README.md index 7e641394..488fabfa 100644 --- a/translations/ko/lessons/6-Other/22-DeepRL/README.md +++ b/translations/ko/lessons/6-Other/22-DeepRL/README.md @@ -1,12 +1,3 @@ - # 딥 강화 학습 강화 학습(RL)은 지도 학습과 비지도 학습과 함께 기본적인 머신 러닝 패러다임 중 하나로 여겨집니다. 지도 학습에서는 결과가 알려진 데이터셋에 의존하는 반면, RL은 **직접 해보며 배우는 것**에 기반합니다. 예를 들어, 처음 컴퓨터 게임을 접했을 때 규칙을 몰라도 게임을 시작하고, 게임을 하면서 행동을 조정하는 과정을 통해 점점 실력을 향상시킬 수 있습니다. @@ -34,7 +25,7 @@ RL을 위한 훌륭한 도구로 [OpenAI Gym](https://gym.openai.com/)이 있습 균형 잡기의 간단한 버전은 **CartPole** 문제로 알려져 있습니다. CartPole 세계에서는 좌우로 움직일 수 있는 수평 슬라이더가 있으며, 목표는 슬라이더 위에 세워진 수직 막대를 균형 잡는 것입니다. -a cartpole +a cartpole 이 환경을 생성하고 사용하는 데 필요한 Python 코드 몇 줄은 다음과 같습니다: diff --git a/translations/ko/lessons/6-Other/22-DeepRL/lab/README.md b/translations/ko/lessons/6-Other/22-DeepRL/lab/README.md index a73ead9f..d70164f7 100644 --- a/translations/ko/lessons/6-Other/22-DeepRL/lab/README.md +++ b/translations/ko/lessons/6-Other/22-DeepRL/lab/README.md @@ -1,12 +1,3 @@ - ## 환경 Mountain Car 환경은 자동차가 계곡 안에 갇혀 있는 상황으로 구성됩니다. 목표는 계곡을 뛰어넘어 깃발에 도달하는 것입니다. 수행할 수 있는 행동은 왼쪽으로 가속, 오른쪽으로 가속, 또는 아무것도 하지 않는 것입니다. 자동차의 x축 위치와 속도를 관찰할 수 있습니다. diff --git a/translations/ko/lessons/6-Other/23-MultiagentSystems/README.md b/translations/ko/lessons/6-Other/23-MultiagentSystems/README.md index 75e51036..3902b4ca 100644 --- a/translations/ko/lessons/6-Other/23-MultiagentSystems/README.md +++ b/translations/ko/lessons/6-Other/23-MultiagentSystems/README.md @@ -1,12 +1,3 @@ - # 다중 에이전트 시스템 지능을 구현하는 한 가지 방법은 **발현적**(또는 **시너지적**) 접근법으로, 이는 비교적 간단한 여러 에이전트의 결합된 행동이 시스템 전체적으로 더 복잡하거나 지능적인 행동을 만들어낼 수 있다는 사실에 기반합니다. 이론적으로 이는 [집단 지능](https://en.wikipedia.org/wiki/Collective_intelligence), [발현주의](https://en.wikipedia.org/wiki/Global_brain), [진화적 사이버네틱스](https://en.wikipedia.org/wiki/Global_brain)의 원칙에 기반하며, 상위 시스템이 하위 시스템을 적절히 결합했을 때 추가적인 가치를 얻는다는 (*메타시스템 전환 원칙*)을 주장합니다. @@ -60,7 +51,7 @@ NetLogo를 [다운로드](https://ccl.northwestern.edu/netlogo/download.shtml) NetLogo의 훌륭한 점은 작동하는 모델 라이브러리를 포함하고 있다는 것입니다. **File → Models Library**로 이동하면 다양한 모델 카테고리를 선택할 수 있습니다. -NetLogo 모델 라이브러리 +NetLogo 모델 라이브러리 > Dmitry Soshnikov의 모델 라이브러리 스크린샷 diff --git a/translations/ko/lessons/6-Other/23-MultiagentSystems/assignment.md b/translations/ko/lessons/6-Other/23-MultiagentSystems/assignment.md index 55baad2b..5fdf90e0 100644 --- a/translations/ko/lessons/6-Other/23-MultiagentSystems/assignment.md +++ b/translations/ko/lessons/6-Other/23-MultiagentSystems/assignment.md @@ -1,12 +1,3 @@ - # NetLogo 과제 NetLogo의 라이브러리에 있는 모델 중 하나를 선택하여 실제 상황을 최대한 가깝게 시뮬레이션하세요. 좋은 예로는 Alternative Visualizations 폴더에 있는 Virus 모델을 조정하여 COVID-19의 확산을 모델링하는 방법을 보여주는 것입니다. 실제 바이러스 확산을 모방하는 모델을 만들 수 있나요? diff --git a/translations/ko/lessons/7-Ethics/README.md b/translations/ko/lessons/7-Ethics/README.md index 971aa388..fc7ac4da 100644 --- a/translations/ko/lessons/7-Ethics/README.md +++ b/translations/ko/lessons/7-Ethics/README.md @@ -1,12 +1,3 @@ - # 윤리적이고 책임 있는 AI 이 과정을 거의 마쳤습니다. 이제 AI가 데이터를 통해 관계를 찾고 인간 행동의 일부를 재현하는 모델을 훈련시키는 여러 수학적 방법에 기반하고 있다는 것을 명확히 이해하셨기를 바랍니다. 현재 시점에서 AI는 데이터를 통해 패턴을 추출하고 새로운 문제를 해결하는 데 적용할 수 있는 매우 강력한 도구로 간주됩니다. diff --git a/translations/ko/lessons/README.md b/translations/ko/lessons/README.md index 8d9ce783..801bca0b 100644 --- a/translations/ko/lessons/README.md +++ b/translations/ko/lessons/README.md @@ -1,12 +1,3 @@ - # 개요 ![낙서로 그린 개요](../../../translated_images/ko/ai-overview.0857791951d19500.webp) diff --git a/translations/ko/lessons/X-Extras/X1-MultiModal/README.md b/translations/ko/lessons/X-Extras/X1-MultiModal/README.md index 17b9ac20..6ebe24fd 100644 --- a/translations/ko/lessons/X-Extras/X1-MultiModal/README.md +++ b/translations/ko/lessons/X-Extras/X1-MultiModal/README.md @@ -1,12 +1,3 @@ - # 멀티모달 네트워크 Transformer 모델이 NLP 작업을 해결하는 데 성공한 이후, 동일하거나 유사한 아키텍처가 컴퓨터 비전 작업에도 적용되었습니다. 시각적 정보와 자연어 처리 능력을 *결합*하는 모델을 구축하려는 관심이 점점 커지고 있습니다. 이러한 시도 중 하나는 OpenAI에서 개발한 CLIP와 DALL.E입니다. diff --git a/translations/ko/lessons/sketchnotes/LICENSE.md b/translations/ko/lessons/sketchnotes/LICENSE.md index fcf2716b..22b6b6cb 100644 --- a/translations/ko/lessons/sketchnotes/LICENSE.md +++ b/translations/ko/lessons/sketchnotes/LICENSE.md @@ -1,12 +1,3 @@ - Attribution-ShareAlike 4.0 국제 ======================================================================= diff --git a/translations/ko/lessons/sketchnotes/README.md b/translations/ko/lessons/sketchnotes/README.md index d5afeb75..2c0fbd1a 100644 --- a/translations/ko/lessons/sketchnotes/README.md +++ b/translations/ko/lessons/sketchnotes/README.md @@ -1,12 +1,3 @@ - 모든 커리큘럼의 스케치노트를 여기에서 다운로드할 수 있습니다. 🎨 제작: Tomomi Imura (트위터: [@girlie_mac](https://twitter.com/girlie_mac), 깃허브: [girliemac](https://github.com/girliemac)) diff --git a/translations/ko/troubleshoot.md b/translations/ko/troubleshoot.md index 43e4d385..bb7b6509 100644 --- a/translations/ko/troubleshoot.md +++ b/translations/ko/troubleshoot.md @@ -1,12 +1,3 @@ - # AI-For-Beginners 문제 해결 가이드 이 가이드는 [AI-For-Beginners](https://github.com/microsoft/AI-For-Beginners) 저장소를 사용하거나 기여하는 동안 발생할 수 있는 일반적인 문제를 해결하는 데 도움을 줍니다. 각 문제는 배경, 증상, 설명, 단계별 해결 방법을 포함합니다.