localizeflow[bot]
5e53e585cd
|
3 months ago | |
|---|---|---|
| .. | ||
| README.md | 3 months ago | |
| assignment.md | 7 months ago | |
README.md
मशीन लर्निंग का परिचय
पूर्व-व्याख्यान क्विज़
🎥 इस पाठ में काम करते हुए एक छोटे वीडियो के लिए ऊपर की छवि पर क्लिक करें।
नवीनतमों के लिए इस क्लासिकल मशीन लर्निंग कोर्स में आपका स्वागत है! चाहे आप इस विषय में पूरी तरह नए हों, या किसी अनुभवी ML प्रैक्टिशनर हों जो किसी क्षेत्र को फिर से सीखना चाहते हैं, हमें खुशी है कि आप हमारे साथ जुड़े हैं! हम आपकी एमएल पढ़ाई के लिए एक अनुकूल प्रारंभिक स्थान बनाना चाहते हैं और आपकी प्रतिक्रिया का मूल्यांकन, जवाब देने और उसे शामिल करने के लिए तैयार हैं।
🎥 ऊपर की छवि पर क्लिक करें: एमआईटी के जॉन गुटटैग मशीन लर्निंग का परिचय देते हुए
मशीन लर्निंग के साथ शुरुआत
इस पाठ्यक्रम को शुरू करने से पहले, आपको अपने कंप्यूटर को सेटअप करना और लोकल नोटबुक चलाने के लिए तैयार होना आवश्यक है।
- इन वीडियोस के साथ अपनी मशीन को कॉन्फ़िगर करें। अपने सिस्टम में Python कैसे स्थापित करें और विकास के लिए टेक्स्ट एडिटर कैसे सेटअप करें सीखने के लिए निम्नलिखित लिंक का उपयोग करें।
- Python सीखें। यह भी अनुशंसित है कि आपके पास Python की बुनियादी समझ हो, जो इस पाठ्यक्रम में हम उपयोग करते हैं और डेटा वैज्ञानिकों के लिए उपयोगी प्रोग्रामिंग भाषा है।
- Node.js और JavaScript सीखें। हम इस कोर्स में वेब ऐप बनाने में कभी-कभी JavaScript का उपयोग करते हैं, इसलिए आपके पास node और npm इंस्टॉल होना चाहिए, साथ ही Python और JavaScript विकास के लिए Visual Studio Code उपलब्ध होना चाहिए।
- GitHub खाता बनाएं। जब आपने हमें GitHub पर पाया है, तो हो सकता है आपके पास पहले से खाता हो, लेकिन यदि नहीं, तो एक बनाएं और फिर इस पाठ्यक्रम को अपने उपयोग के लिए फोर्क करें। (हमें स्टार देना भी न भूलें 😊)
- Scikit-learn का अन्वेषण करें। हमारे पाठों में संदर्भित एक ML लाइब्रेरियों के सेट Scikit-learn के साथ परिचित हों।
मशीन लर्निंग क्या है?
'मशीन लर्निंग' शब्द आज की सबसे लोकप्रिय और बार-बार उपयोग की जाने वाली शब्दावली में से एक है। यदि आपको तकनीक की कोई न कोई जानकारी है, चाहे आप किसी भी क्षेत्र में काम करते हों, तो इस शब्द को कम से कम एक बार सुनने की अच्छी संभावना है। हालांकि, मशीन लर्निंग की तंत्रिका ज्यादातर लोगों के लिए रहस्य है। एक मशीन लर्निंग शुरुआतकर्ता के लिए, यह विषय कभी-कभी भारी लग सकता है। इसलिए, यह समझना आवश्यक है कि मशीन लर्निंग वास्तव में क्या है, और इसे व्यावहारिक उदाहरणों के माध्यम से धीरे-धीरे सीखना महत्वपूर्ण है।
प्रचार घुमाव
गूगल ट्रेंड्स 'मशीन लर्निंग' शब्द का हालिया 'प्रचार घुमाव' दिखाता है
एक रहस्यमय ब्रह्मांड
हम एक ऐसे ब्रह्मांड में रहते हैं जो रहस्यों से भरा है। महान वैज्ञानिक जैसे स्टीफन हॉकिन्ग, अल्बर्ट आइंस्टीन और कई और लोगों ने हमारे चारों ओर की दुनिया के रहस्यों को उजागर करने के लिए सार्थक जानकारी खोजने में अपना जीवन लगाया है। यह मानवीय सीखने की स्थिति है: एक मानव बच्चा नई चीजें सीखता है और साल दर साल उनके विश्व की संरचना को समझता है जब वे वयस्कता की ओर बढ़ते हैं।
बच्चे का मस्तिष्क
एक बच्चे का मस्तिष्क और उसकी इंद्रियां उनके आस-पास की वास्तविकताओं को महसूस करती हैं और धीरे-धीरे जीवन के छिपे हुए पैटर्न सीखती हैं, जो बच्चे को सीखे गए पैटर्न को पहचानने के लिए तार्किक नियम बनाने में मदद करते हैं। मानव मस्तिष्क की सीखने की प्रक्रिया मानवों को इस दुनिया के सबसे परिष्कृत जीव कर देती है। छिपे हुए पैटर्न की खोज करके निरंतर सीखना और फिर उन पैटर्न पर नवाचार करना हमें पूरे जीवनकाल में खुद को निरंतर बेहतर बनाने में सक्षम बनाता है। यह सीखने की क्षमता और विकसित होती योग्यता एक अवधारणा मस्तिष्क प्लास्टिसिटी से संबंधित है। सतही रूप से, हम मानव मस्तिष्क की सीखने की प्रक्रिया और मशीन लर्निंग की अवधारणाओं के बीच कुछ प्रेरणादायक समानताएं निकाल सकते हैं।
मानव मस्तिष्क
मानव मस्तिष्क वास्तविक दुनिया से चीजों को समझता है, प्राप्त सूचना को संसाधित करता है, तार्किक निर्णय बनाता है, और परिस्थितियों के आधार पर कुछ क्रियाएं करता है। इसे हम बुद्धिमान व्यवहार कहते हैं। जब हम बुद्धिमान व्यवहार की नक़ल एक मशीन में प्रोग्राम करते हैं, तो इसे कृत्रिम बुद्धिमत्ता (AI) कहा जाता है।
कुछ शब्दावली
हालांकि शब्द भ्रमित हो सकते हैं, मशीन लर्निंग (ML) कृत्रिम बुद्धिमत्ता का एक महत्वपूर्ण उपखंड है। ML विशिष्ट एल्गोरिदम का उपयोग करके प्रासंगिक जानकारी खोजने और तर्कसंगत निर्णय प्रक्रिया का समर्थन करने के लिए छिपे हुए पैटर्न खोजने पर केंद्रित है।
AI, ML, डीप लर्निंग
AI, ML, डीप लर्निंग, और डेटा साइंस के बीच संबंध दिखाने वाला एक आरेख। सूचना चित्र Jen Looper द्वारा बनाया गया, जो इस ग्राफिक से प्रेरित है।
कवर करने के लिए अवधारणाएं
इस पाठ्यक्रम में, हम केवल मशीन लर्निंग की प्रमुख अवधारणाओं को कवर करेंगे जिन्हें एक शुरुआती को जानना आवश्यक है। हम मुख्य रूप से Scikit-learn का उपयोग करते हुए 'क्लासिकल मशीन लर्निंग' कहते हैं, जो एक उत्कृष्ट लाइब्रेरी है जिसका उपयोग कई छात्र मूल बातें सीखने के लिए करते हैं। कृत्रिम बुद्धिमत्ता या गहरे शिक्षण की व्यापक अवधारणाओं को समझने के लिए, मशीन लर्निंग का मजबूत बुनियादी ज्ञान आवश्यक है, और इसलिए हम इसे यहां प्रदान करना चाहते हैं।
इस कोर्स में आप सीखेंगे:
- मशीन लर्निंग के प्रमुख सिद्धांत
- एमएल का इतिहास
- एमएल और न्यायसंगतता
- प्रतिगमन ML तकनीकें
- वर्गीकरण ML तकनीकें
- क्लस्टरिंग ML तकनीकें
- प्राकृतिक भाषा संसाधन ML तकनीकें
- टाइम सीरीज पूर्वानुमान ML तकनीकें
- पुनर्बलन सीखना
- एमएल के वास्तविक दुनिया के अनुप्रयोग
हम क्या नहीं कवर करेंगे
- डीप लर्निंग
- न्यूरल नेटवर्क
- AI
बेहतर सीखने के अनुभव के लिए, हम न्यूरल नेटवर्क की जटिलताओं, 'डीप लर्निंग' - न्यूरल नेटवर्क का कई-परत वाला मॉडल-निर्माण, और AI से बचेंगे, जिन्हें हम दूसरे पाठ्यक्रम में चर्चा करेंगे। हम एक आगामी डेटा साइंस पाठ्यक्रम भी प्रदान करेंगे जो इस बड़े क्षेत्र के उस पहलू पर केंद्रित होगा।
मशीन लर्निंग क्यों सीखें?
मशीन लर्निंग को एक सिस्टम दृष्टिकोण से इस तरह परिभाषित किया गया है कि यह स्वचालित सिस्टम बनाता है जो डेटा से छिपे हुए पैटर्न सीख सकते हैं ताकि बुद्धिमान निर्णय लेने में सहायता मिल सके।
यह प्रेरणा इस बात से ढीले से प्रेरित है कि मानव मस्तिष्क बाहर की दुनिया से प्राप्त डेटा के आधार पर कुछ चीजें कैसे सीखता है।
✅ एक मिनट सोचें कि एक व्यवसाय मशीन लर्निंग रणनीतियों का उपयोग क्यों करना चाहेगा बजाय कड़ी कोड वाली नियम-आधारित इंजन बनाने के।
डेटा गुणवत्ता क्यों महत्वपूर्ण है
उच्च गुणवत्ता वाला डेटा मॉडल प्रदर्शन में सुधार करता है। खराब या शोरयुक्त डेटा गलत भविष्यवाणियों का कारण बन सकता है, भले ही अत्याधुनिक मशीन लर्निंग एल्गोरिदम का उपयोग किया गया हो।
मशीन लर्निंग के अनुप्रयोग
मशीन लर्निंग के अनुप्रयोग अब लगभग हर जगह हैं, और उतने ही व्यापक हैं जितना कि हमारे स्मार्टफोन, कनेक्टेड उपकरणों और अन्य प्रणालियों द्वारा उत्पन्न डेटा जो हमारे समाजों में बह रहा है। अत्याधुनिक मशीन लर्निंग एल्गोरिदम की विशाल क्षमता को देखते हुए, शोधकर्ता उनके बहु-आयामी और बहु-विषयक वास्तविक जीवन समस्याओं को महान सकारात्मक परिणामों के साथ हल करने की क्षमता का अन्वेषण कर रहे हैं।
लागू किए गए ML के उदाहरण
आप मशीन लर्निंग का उपयोग कई तरीकों से कर सकते हैं:
- रोगी के चिकित्सा इतिहास या रिपोर्ट से बीमारी की संभावना की भविष्यवाणी करने के लिए।
- मौसम डेटा का उपयोग करके मौसम की घटनाओं की भविष्यवाणी के लिए।
- किसी पाठ की भावना को समझने के लिए।
- प्रचार के प्रसार को रोकने के लिए फेक न्यूज़ का पता लगाने के लिए।
वित्त, अर्थशास्त्र, पृथ्वी विज्ञान, अंतरिक्ष अन्वेषण, बायोमेडिकल इंजीनियरिंग, संज्ञान विज्ञान, और यहां तक कि मानविकी के क्षेत्र भी अपने क्षेत्र की कठिन, डेटा-प्रक्रिया वाली समस्याओं को हल करने के लिए मशीन लर्निंग को अपनाए हैं।
निष्कर्ष
मशीन लर्निंग वास्तविक दुनिया या उत्पन्न डेटा से सार्थक अंतर्दृष्टि प्राप्त करके पैटर्न-खोज प्रक्रिया को स्वचालित करता है। यह व्यवसाय, स्वास्थ्य, और वित्तीय अनुप्रयोगों सहित कई क्षेत्रों में अत्यंत मूल्यवान साबित हुआ है।
निकट भविष्य में, मशीन लर्निंग के मूल सिद्धांतों को समझना हर क्षेत्र के लोगों के लिए आवश्यक होगा क्योंकि इसका व्यापक उपयोग बढ़ रहा है।
🚀 चुनौती
कागज पर या Excalidraw जैसे ऑनलाइन ऐप का उपयोग करके, AI, ML, डीप लर्निंग, और डेटा साइंस के बीच के अंतर की अपनी समझ का स्केच बनाएं। प्रत्येक तकनीक के उन समस्याओं के विचार जोड़ें जिन्हें यह अच्छी तरह से हल करती है।
पोस्ट-व्याख्यान क्विज़
समीक्षा और आत्म-अध्ययन
क्लाउड में ML एल्गोरिदम के साथ काम करने के बारे में अधिक जानने के लिए, इस लर्निंग पाथ का पालन करें।
एमएल की बुनियादी बातें सीखने के लिए लर्निंग पाथ लें।
असाइनमेंट
अस्वीकरण: इस दस्तावेज़ का अनुवाद AI अनुवाद सेवा Co-op Translator का उपयोग करके किया गया है। जबकि हम सटीकता के लिए प्रयास करते हैं, कृपया ध्यान दें कि स्वचालित अनुवादों में त्रुटियाँ या अशुद्धियाँ हो सकती हैं। मूल दस्तावेज़ अपनी मूल भाषा में ही प्रामाणिक 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 उत्तरदायी नहीं हैं।