# തുടക്കക്കാരോട് സൗഹൃദം പുലർത്തുന്ന AI ഉദാഹരണങ്ങൾ സ്വാഗതം! ഈ ഡയറക്ടറിയിൽ AIയും മെഷീൻ ലേണിങ്ങും ആരംഭിക്കാൻ സഹായിക്കുന്ന ലളിതവും സ്വതന്ത്രവുമായ ഉദാഹരണങ്ങൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. ഓരോ ഉദാഹരണവും വിശദമായി കമന്റുകളും ഘട്ടം ഘട്ടമായ വ്യാഖ്യാനങ്ങളോടെയും തുടക്കക്കാരെ സഹായിക്കുന്ന വിധത്തിലാണ് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്. ## 📚 ഉദാഹരണങ്ങളുടെ അവലോകനം | ഉദാഹരണം | വിശദീകരണം | പ്രാരംഭത | ആധാരങ്ങൾ | |---------|-------------|------------|---------------| | [Hello AI World](https://github.com/microsoft/AI-For-Beginners/blob/main/examples/01-hello-ai-world.py) | നിങ്ങളുടെ ആദ്യ AI പ്രോഗ്രാം - ലളിതമായ പാറ്റേൺ തിരിച്ചറിവ് | ⭐ തുടക്കക്കാരൻ | പൈതൺ അടിസ്ഥാനങ്ങൾ | | [Simple Neural Network](https://github.com/microsoft/AI-For-Beginners/blob/main/examples/02-simple-neural-network.py) | തലച്ചോറ് ശൃംഖല തുടങ്ങുക | ⭐⭐ തുടക്കക്കാരൻ+ | പൈതൺ, അടിസ്ഥാന ഗണിതം | | [Image Classifier](https://github.com/microsoft/AI-For-Beginners/blob/main/examples/03-image-classifier.ipynb) | പ്രീ-ട്രെയ്നു ചെയ്ത മോഡലിൽ ചിത്രങ്ങൾ ജനിതീകരിക്കുക | ⭐⭐ തുടക്കക്കാരൻ+ | പൈതൺ, നംപൈ | | [Text Sentiment](https://github.com/microsoft/AI-For-Beginners/blob/main/examples/04-text-sentiment.py) | വാചകത്തിന്റെ സംഭവം വിശകലനം ചെയ്യുക (സഖാത്മക/നിഷേധാത്മക) | ⭐⭐ തുടക്കക്കാരൻ+ | പൈതൺ | ## 🚀 തുടക്കം കുറിക്കുക ### ആവശ്യമായ മുൻപരിചയം നിങ്ങളുടെ കമ്പ്യൂട്ടറിലേക്ക് പൈതൺ ഇൻസ്റ്റാൾ ചെയ്തുള്ള വിവരം ഉറപ്പാക്കുക (3.8 അല്ലെങ്കിൽ അതിനുമുമ്പ് ശുപാർശ ചെയ്യപ്പെടുന്നു). ആവശ്യമായ പാക്കേജുകൾ ഇൻസ്റ്റാൾ ചെയ്യുക: ```bash # പൈഥൺ സ്ക്രിപ്റ്റുകൾക്കായി pip install numpy # ജൂപ്പിറ്റർ നോട്ട്‌ബുക്കുകൾക്കായി (ഇമേജ് ക്ലാസിഫയർ) pip install jupyter numpy pillow tensorflow ``` അല്ലെങ്കിൽ പ്രധാന കോഴ്‌സിൽ നിന്നും കോണ്ടാ എൻവയോൺമെന്റ് ഉപയോഗിക്കുക: ```bash conda env create --name ai4beg --file ../environment.yml conda activate ai4beg ``` ### ഉദാഹരണങ്ങൾ പ്രവർത്തിപ്പിക്കൽ **പൈതൺ സ്‌ക്രിപ്റ്റുകൾക്കായി (.py ഫയലുകൾ):** ```bash python 01-hello-ai-world.py ``` **ജൂപ്പിറ്റർ നോട്ട്ബുക്കുകൾക്കായി (.ipynb ഫയലുകൾ):** ```bash jupyter notebook 03-image-classifier.ipynb ``` ## 📖 പഠന മാർഗ്ഗരേഖ നിർദേശിച്ചിരിക്കുന്ന ക്രമത്തിലും മാർഗ്ഗരേഖയിൽ ഉൾപ്പെടുന്ന ഉദാഹരണങ്ങൾ അനുഗമിക്കുക: 1. **"Hello AI World"-ൽ തുടങ്ങുക** - പാറ്റേൺ തിരിച്ചറിവിന്റെ അടിസ്ഥാനങ്ങൾ പഠിക്കുക 2. **ലളിതമായ തലച്ചോറ് ശൃംഖല നിർമ്മിക്കുക** - Neural Network എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് മനസിലാക്കുക 3. **ചിത്ര ജനിതീകരണം ശ്രമിക്കുക** - യാഥാർത്ഥ്യ ചിത്രങ്ങളോടെ AI കാണുക 4. **വാചകത്തിന്റെ സംഭവം വിശകലനം ചെയ്യുക** - സ്വാഭാവിക ഭാഷാ പ്രോസസിംഗിനെ ആഴത്തിൽ പഠിക്കുക ## 💡 തുടക്കക്കാരുടെ ശ്രദ്ധയ്ക്ക് - **കോഡിലെ കുറിപ്പുകൾ ശ്രദ്ധാപൂർവ്വം വായിക്കുക** - ഓരോ വരിയും എന്ത് ചെയ്യുന്നതാണെന്നും അവർ വിശദീകരിക്കുന്നു - **പ്രയോജനപ്പെടുത്തുക!** - മൂല്യങ്ങൾ മാറ്റി നോക്കുക, എന്ത് സംഭവിക്കുന്നുവെന്ന് കാണുക - **എല്ലാം ഉടനടി മനസിലാക്കാൻ പാടില്ല** - പഠിക്കാൻ സമയം ആവശ്യമാണ് - **ചോദ്യങ്ങൾ ചോദിക്കുക** - [Discussion board](https://github.com/microsoft/AI-For-Beginners/discussions) ഉപയോഗിക്കുക ## 🔗 അടുത്ത പടികൾ ഈ ഉദാഹരണങ്ങൾ പൂർത്തിയാക്കിയതിനു ശേഷം, സമഗ്ര കോഴ്‌സ് പരിശോധിക്കുക: - [AI-യിലേക്ക് പരിചയം](../lessons/1-Intro/README.md) - [തലച്ചോറ് ശൃംഖലകൾ](../lessons/3-NeuralNetworks/README.md) - [കമ്പ്യൂട്ടർ വിസൻ](../lessons/4-ComputerVision/README.md) - [സ്വാഭാവിക ഭാഷാ പ്രോസസിംഗ്](../lessons/5-NLP/README.md) ## 🤝 സംഭാവന ചെയ്യുക ഈ ഉദാഹരണങ്ങൾ നിങ്ങൾക്ക് സഹായകരമായോയെന്ന് തോന്നുന്നുവെങ്കിൽ, അവ മെച്ചപ്പെടുത്താൻ സഹായിക്കൂ: - പ്രശ്നങ്ങൾ റിപ്പോർട്ട് ചെയ്യുക അല്ലെങ്കിൽ മെച്ചപ്പെടുത്തലുകൾ നിർദ്ദേശിക്കുക - തുടക്കക്കാർക്ക് കൂടുതൽ ഉദാഹരണങ്ങൾ ചേർക്കുക - ഡോക്യുമെന്റേഷൻ, കുറിപ്പുകൾ മെച്ചപ്പെടുത്തുക --- *ഓർക്കുക: mỗi വിദഗ്ധനും ഒരുപാട് മുമ്പായി തുടക്കക്കാരനായിരുന്നു. സന്തോഷകരമായ പഠനം! 🎓* --- **അറിയിപ്പ്**: ഈ രേഖ AI പരിഭാഷാ സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് പരിഭാഷപ്പെടുത്തിയതാണ്. ഞങ്ങൾ കൃത്യതയ്ക്കായി ശ്രമിക്കുന്നുവെങ്കിലും, ഓട്ടോമേറ്റഡ് പരിഭാഷകളിൽ പിഴവുകൾ അല്ലെങ്കിൽ തെറ്റായ വിവരങ്ങൾ ഉണ്ടാകാൻ സാധ്യതയുണ്ട്. അതിന്റെ സ്വാഭാവിക ഭാഷയിലുള്ള അസൽ രേഖയാണ് പ്രാമാണികമായ ഉറവിടമായി പരിഗണിക്കേണ്ടത്. നിർണായകമായ വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ പരിഭാഷ ശുപാർശ ചെയ്യുന്നു. ഈ പരിഭാഷ ഉപയോഗിച്ച് ഉണ്ടാകുന്ന തെറ്റിദ്ധാരണകൾ അല്ലെങ്കിൽ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കായി ഞങ്ങൾ ഉത്തരവാദികളല്ല.