localizeflow[bot]
50cd0f0c82
|
3 months ago | |
|---|---|---|
| .. | ||
| README.md | 3 months ago | |
| assignment.md | 7 months ago | |
README.md
मेसिन शिक्षाको परिचय
पूर्व-व्याख्यान प्रश्नोत्तरी
🎥 माथिको चित्रमा क्लिक गर्नुहोस् यस पाठलाई काम गर्दैछ छोटो भिडियोको लागि।
यो आरम्भिकहरूका लागि शास्त्रीय मेसिन शिक्षाको कोर्समा स्वागत छ! तपाईं यस विषयमा बिल्कुल नयाँ हुनुहुन्छ वा अनुभवी ML अभ्यासकर्ता हुनुहुन्छ जुन कुनै क्षेत्रलाई नयाँ गर्दै हुनुहुन्छ, हामी तपाईंलाई स्वागत गर्न पाउँदा खुशी छौं! हामी तपाईंको ML अध्ययनको लागि एक मैत्री प्रारम्भिक स्थान सिर्जना गर्न चाहन्छौं र तपाईंको प्रतिक्रिया मूल्यांकन गर्न, जवाफ दिन र समावेश गर्न इच्छुक छौं।
🎥 माथिको चित्रमा क्लिक गर्नुहोस् एउटा भिडियोका लागि: MIT का जॉन गुटट्यागले मेसिन शिक्षाको परिचय दिनुहुन्छ
मेसिन शिक्षासँग कसरी सुरु गर्ने
यस पाठ्यक्रम सुरु गर्नु अघि, तपाईंले आफ्नो कम्प्युटरलाई स्थानीय रूपमा नोटबुकहरू चलाउन तयार पार्न आवश्यक छ।
- यी भिडियोहरू मार्फत आफ्नो मेसिन कन्फिगर गर्नुहोस्। तपाईंको प्रणालीमा Python कसरी स्थापना गर्ने र विकासका लागि टेक्स्ट सम्पादक सेटअप गर्ने सिक्न तलका लिंकहरू प्रयोग गर्नुहोस्।
- Python सिक्नुहोस्। Python को आधारभूत समझ हुनु सिफारिस गरिन्छ, जुन डेटा वैज्ञानिकहरूका लागि उपयोगी प्रोग्रामिङ्ग भाषा हो र हामी यस पाठ्यक्रममा प्रयोग गर्छौं।
- Node.js र JavaScript सिक्नुहोस्। हामी यस पाठ्यक्रममा वेब एप्स निर्माण गर्दा JavaScript पनि केही पटक प्रयोग गर्छौं, त्यसैले तपाईंले node र npm स्थापना गर्नु पर्नेछ, साथै Python र JavaScript विकासका लागि Visual Studio Code पनि उपलब्ध हुनु पर्छ।
- GitHub खाता बनाउनुहोस्। तपाईंले यहाँ GitHub मा हामीलाई भेट्टाउनुभएको छ भने, तपाईं सायद पहिले नै खाता हुनुहुन्छ, तर नभए एउटा बनाउनुहोस् र यो पाठ्यक्रमलाई आफ्नो लागि fork गर्नुहोस्। (हामीलाई स्टार दिन नहिचकिचाउनुहोस्, 😊)
- Scikit-learn अन्वेषण गर्नुहोस्। Scikit-learn सँग परिचित हुनुहोस्, जुन ML पुस्तकालयहरूको सेट हो जुन हामी यी पाठहरूमा उल्लेख गर्छौं।
मेसिन शिक्षा के हो?
'मेसिन शिक्षा' शब्द आजको सबैभन्दा लोकप्रिय र प्रायः प्रयोग हुने शब्दहरूमध्ये एक हो। तपाईंले यो शब्द कम्तीमा एक पटक सुन्नु भएको हुनसक्छ यदि तपाईंलाई प्रविधिसँग कुनै न कुनै परिचय छ भने, तपाई कुन क्षेत्रमा काम गर्नुहुन्छ भनेर हेरेर। मेसिन शिक्षाको तन्त्र भने धेरैका लागि रहस्य नै हो। एक मेसिन शिक्षा नवसिखुवालाई यो विषय कहिलेकाहीं भारी लाग्न सक्छ। त्यसैले, यो बुझ्न महत्त्वपूर्ण छ कि मेसिन शिक्षा वास्तवमा के हो र व्यावहारिक उदाहरणहरू मार्फत चरणबद्ध रूपमा सिक्नुपर्छ।
हाइप कर्भ
Google Trends ले हालैको 'हाइप कर्भ' देखाउँछ 'मेसिन शिक्षा' शब्दको।
एक रहस्यमय ब्रह्माण्ड
हामी रहस्यमय कुराहरूले भरिएको ब्रह्माण्डमा बाँचिरहेका छौं। महान वैज्ञानिकहरू जस्तै स्टीफन हकिङ, अल्बर्ट आइन्स्टाइन र धेरैले हामी वरिपरि रहेको संसारका रहस्यमय कुराहरू पत्ता लगाउन आफ्नो जीवन समर्पित गरेका छन्। यो मानवको सिक्ने अवस्था हो: एउटा बालबालिका नयाँ कुरा सिक्छ र वर्षे वर्षे आफ्नो संसारको संरचना पत्ता लगाउँछ जब उनीहरू वयस्क हुन्छन्।
बालकको मस्तिष्क
बालकको मस्तिष्क र इन्द्रियमहरूले आफ्नो वरिपरि रहेका तथ्यहरू महसुस गरेर क्रमिक रूपमा जीवनका लुकेका ढाँचाहरू सिक्छन् जसले बालकलाई सिकेका ढाँचाहरू पहिचान गर्न तार्किक नियमहरू बनाउन मद्दत गर्छ। मानव मस्तिष्कको सिक्ने प्रक्रिया मानिसहरूलाई यो संसारको सबैभन्दा जटिल जीव बनाउँछ। लुकेका ढाँचाहरू पत्ता लगाएर निरन्तर सिक्ने र त्यसपछि तिनीहरूमा नवनिर्माण गर्ने प्रयासले हाम्रो जीवनभर हामीलाई अझ राम्रो बनाउँछ। यो सिक्ने क्षमता र विकासशील योग्यता मस्तिष्क प्लास्टिसिटी भनिने अवधारणासँग सम्बन्धित छ। सतही रूपमा, हामी मेसिन शिक्षा र मानव मस्तिष्कको सिक्ने प्रक्रियामा केही प्रेरणादायी समानता देख्न सक्छौं।
मानव मस्तिष्क
मानव मस्तिष्क ले वास्तविक संसारबाट कुरा महसुस गर्छ, प्राप्त जानकारी प्रशोधन गर्छ, तार्किक निर्णय लिन्छ, र परिस्थिति अनुसार केही गतिविधि गर्छ। यसलाई हामी बौद्धिक रूपमा व्यवहार गर्नु भनिन्छ। जब हामी बुद्धिमानी व्यवहार प्रक्रियाको झलक एउटा मेसिनमा प्रोग्राम गर्छौं, त्यसलाई कृत्रिम बुद्धिमत्ता (AI) भनिन्छ।
केही शब्दावली
यो शब्दहरूमा कहिलेकाहीं भ्रम हुन सक्छ, मेसिन शिक्षा (ML) कृत्रिम बुद्धिमत्ताको एउटा महत्वपूर्ण उपसमूह हो। ML विशेष एल्गोरिदमहरू प्रयोग गरेर अर्थपूर्ण जानकारी पत्ता लगाउन र प्राप्त भएको डाटाबाट लुकेका ढाँचाहरू खोजी गरेर तार्किक निर्णय प्रक्रियालाई पुष्ट्याउन सम्बन्धित छ।
AI, ML, गहिरो शिक्षा
AI, ML, गहिरो शिक्षा, और डाटा साइन्सबीच सम्बन्ध देखाउने आरेख। जानकारीचित्र Jen Looper द्वारा Jen Looper र यो ग्राफिक बाट प्रेरित।
विचारहरू समेट्ने
यस पाठ्यक्रममा, हामी केवल मूलभूत मेसिन शिक्षाका अवधारणाहरू मात्र समेट्नेछौं जुन एक नवसिखुवा जान्नुपर्ने हुन्छ। हामी मुख्यतया Scikit-learn प्रयोग गरेर 'शास्त्रीय मेसिन शिक्षा' भनेर चिनिने कुरा कभर गर्छौं, जुन धेरै विद्यार्थीहरूले आधारहरू सिक्न प्रयोग गर्ने उत्कृष्ट पुस्तकालय हो। कृत्रिम बुद्धिमत्ता वा गहिरो शिक्षा का विस्तृत अवधारणाहरू बुझ्नको लागि, मेसिन शिक्षाको बलियो आधारभूत ज्ञान अनिवार्य हुन्छ, त्यसैले हामी यसलाई यहाँ प्रदान गर्न चाहन्छौं।
यस कोर्समा तपाईंले सिक्नेछ:
- मेसिन शिक्षाका मूल अवधारणाहरू
- ML को इतिहास
- ML र न्याय
- रिग्रेसन ML प्रविधिहरू
- वर्गीकरण ML प्रविधिहरू
- क्लस्टरिङ ML प्रविधिहरू
- प्राकृतिक भाषा प्रक्रिया ML प्रविधिहरू
- समय श्रृंखला पूर्वानुमान ML प्रविधिहरू
- पुरस्कार शिक्षण
- ML का वास्तविक संसारमा प्रयोगहरू
हामी के कभर गर्ने छैनौं
- गहिरो शिक्षा
- न्युरल नेटवर्क
- AI
अझ राम्रो सिकाइ अनुभवको लागि, हामी न्युरल नेटवर्क, 'गहिरो शिक्षा'—न्युरल नेटवर्कहरूको बहु-स्तरीय मोडल निर्माण—र AI को जटिलतालाई टाढा राख्नेछौं, जसलाई हामी अर्को पाठ्यक्रममा छलफल गर्नेछौं। हामी आगामी डाटा साइन्स पाठ्यक्रम पनि प्रस्ताव गर्नेछौं जसले यस ठुलो क्षेत्रमा त्यो पक्षमा केन्द्रित हुनेछ।
किन मेसिन शिक्षा अध्ययन गर्ने?
मेसिन शिक्षा प्रणालीको दृष्टिले, डाटाबाट लुकेका ढाँचाहरू सिक्न सक्ने स्वचालित प्रणालीहरूको सिर्जना भनेर परिभाषित गरिन्छ जसले बुद्धिमानी निर्णय लिन मद्दत गर्दछ।
यो प्रेरणा मोटे रूपमा मानव मस्तिष्कले बन्द बाहिरी संसारबाट पाएको डाटामा आधारित केही कुरा सिक्ने तरिकाबाट आएको हो।
✅ केहि समय लिएर सोच्नुहोस् किन कुनै व्यवसायले हार्ड कोडेड नियम-आधारित इन्जिन बनाउनुभन्दा मेसिन शिक्षाको रणनीतिहरू प्रयोग गर्ने चाहन्छ।
किन डाटा गुणस्तर महत्त्वपूर्ण छ
उच्च गुणस्तरको डाटाले मोडलको प्रदर्शन सुधार्छ। खराब वा आवाजयुक्त डाटाले गलत पूर्वानुमान गराउन सक्छ, यद्यपि उन्नत मेसिन शिक्षा एल्गोरिदमहरू प्रयोग गरिए पनि।
मेसिन शिक्षाका प्रयोगहरू
मेसिन शिक्षाका प्रयोगहरू अहिले लगभग सबै ठाउँमा छन्, र हाम्रो समाजमा बगिरहेको डाटा जस्तो सर्वव्यापी छन्। आधुनिक मेसिन शिक्षा एल्गोरिदमहरूको विशाल सम्भावनालाई ध्यानमा राख्दै, अनुसन्धानकर्ताहरूले तिनीहरूको क्षमता बहुआयामिक र बहुविषयक वास्तविक जीवन समस्याहरू समाधान गर्न खोजिरहेका छन् र सकारात्मक परिणामहरू पाइसकेका छन्।
लागु गरिएको ML का उदाहरणहरू
तपाईं मेसिन शिक्षा थुप्रै तरिकाले प्रयोग गर्न सक्नुहुन्छ:
- रोगको सम्भावना बिरामीको मेडिकल इतिहास वा रिपोर्टबाट पूर्वानुमान गर्न।
- मौसम घटनाहरूको पूर्वानुमान गर्न मौसम डाटा प्रयोग गर्न।
- पाठको भावना बुझ्न।
- झूटा खबर पत्ता लगाउन र प्रचार रोक्न।
वित्त, अर्थशास्त्र, पृथ्वी विज्ञान, अन्तरिक्ष अन्वेषण, जैविक इन्जिनियरिङ्ग, संज्ञानात्मक विज्ञान, र मानविकीका क्षेत्रहरूले पनि मेसिन शिक्षालाई आफ्ना थकित डाटा प्रशोधन समस्याहरू समाधान गर्न अनुकूलित गरेका छन्।
निष्कर्ष
मेसिन शिक्षाले वास्तविक संसार वा उत्पन्न गरिएको डाटाबाट अर्थपूर्ण अन्तर्दृष्टिहरू पत्ता लगाएर ढाँचा पत्ता लगाउने प्रक्रिया स्वचालित गर्दछ। यसले व्यवसाय, स्वास्थ्य, वित्त लगायतका क्षेत्रहरूमा अत्यन्त उपयोगी सावित गरेको छ।
नजिकैको भविष्यमा, कुनै पनि क्षेत्रका मानिसहरूका लागि मेसिन शिक्षाका आधारभूत कुरा बुझ्नु अनिवार्य हुने छ किनभने यसको व्यापक अंगीकरण हुँदैछ।
🚀 चुनौती
पेपरमा वा Excalidraw जस्तो अनलाइन एप प्रयोग गरेर, AI, ML, गहिरो शिक्षा, र डाटा साइन्सबीचको भिन्नताहरू तपाईको बुझाइ स्केच गर्नुहोस्। यी प्रत्येक प्रविधिले राम्रोसँग समाधान गर्न सक्ने समस्या सम्बन्धमा केही विचारहरू थप्नुहोस्।
पोस्ट-व्याख्यान प्रश्नोत्तरी
समीक्षा र आत्म-अध्ययन
ML एल्गोरिदमहरू क्लाउडमा कसरी काम गर्छन् भन्ने बारे थप जान्नका लागि यस Learning Path लाई पछ्याउनुहोस्।
ML का आधारहरू बारे Learning Path को पाठ ग्रहण गर्नुहोस्।
असाइनमेन्ट
अस्वीकरण: यो दस्तावेज़ AI अनुवाद सेवा Co-op Translator प्रयोग गरेर अनुवाद गरिएको हो। हामी सही हुन प्रयास गर्छौं, तर कृपया जानकार हुनुस् कि स्वचालित अनुवादमा त्रुटिहरू वा अशुद्धताहरू हुन सक्छन्। मूल दस्तावेज़ यसको मूल भाषामा आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीका लागि व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न कुनै पनि गलत बुझाइ वा त्रुटिको लागि हामी जिम्मेवार छैनौं।