मशीन लर्निंग क्रैश कोर्स

Google की ओर से मशीन लर्निंग के बारे में तेज़ी से और व्यावहारिक तरीके से जानकारी देने वाली सीरीज़. इसमें वीडियो लेक्चर, इंटरैक्टिव विज़ुअलाइज़ेशन, और प्रैक्टिस के लिए कुछ अभ्यास शामिल हैं.
क्रैश कोर्स शुरू करना कोर्स के मॉड्यूल ब्राउज़ करना ज़रूरी शर्तें देखना सहायता केंद्र
साल 2018 से, दुनिया भर के लाखों लोगों ने मशीन लर्निंग क्रैश कोर्स का इस्तेमाल करके, यह सीखा है कि मशीन लर्निंग कैसे काम करती है और यह उनके लिए कैसे काम कर सकती है. हमें यह बताते हुए बेहद खुशी हो रही है कि हम MLCC के नए वर्शन को लॉन्च कर रहे हैं. इसमें एआई से जुड़ी नई टेक्नोलॉजी शामिल की गई है. साथ ही, इंटरैक्टिव लर्निंग पर ज़्यादा ध्यान दिया गया है. नए और बेहतर एमएलसीसी के बारे में ज़्यादा जानने के लिए यह वीडियो देखें.

कोर्स के मॉड्यूल

मशीन लर्निंग क्रैश कोर्स का हर मॉड्यूल अलग-अलग होता है. इसलिए, अगर आपके पास मशीन लर्निंग का पहले से अनुभव है, तो सीधे उन विषयों पर जाएं जिन्हें आपको सीखना है. अगर आपने मशीन लर्निंग के बारे में पहले कभी नहीं सुना है, तो हमारा सुझाव है कि आप मॉड्यूल को यहां दिए गए क्रम में पूरा करें.

एमएल मॉडल

इन मॉड्यूल में, रिग्रेशन और क्लासिफ़िकेशन मॉडल बनाने के बुनियादी सिद्धांतों के बारे में बताया गया है.

लीनियर रिग्रेशन के बारे में जानकारी. इसमें लीनियर मॉडल, लॉस, ग्रेडिएंट डिसेंट, और हाइपरपैरामीटर ट्यूनिंग के बारे में बताया गया है.
लॉजिस्टिक रिग्रेशन के बारे में जानकारी. इसमें एमएल मॉडल को किसी नतीजे की संभावना का अनुमान लगाने के लिए डिज़ाइन किया गया है.
बाइनरी क्लासिफ़िकेशन मॉडल के बारे में जानकारी. इसमें थ्रेशोल्ड, कन्फ़्यूज़न मैट्रिक, और सटीक, सटीकता, रीकॉल, और AUC जैसी मेट्रिक शामिल हैं.

डेटा

इन मॉड्यूल में, मशीन लर्निंग डेटा के साथ काम करने के लिए बुनियादी तकनीकें और सबसे सही तरीके शामिल हैं.

संख्या वाले डेटा के साथ काम करना

एमएल मॉडल को ज़्यादा असरदार तरीके से ट्रेन करने के लिए, संख्या वाले डेटा का विश्लेषण करने और उसे बदलने का तरीका जानें.

कैटगरी वाले डेटा के साथ काम करना

कैटगरी वाले डेटा के साथ काम करने के बुनियादी सिद्धांतों के बारे में जानें: कैटगरी वाले डेटा को संख्या वाले डेटा से अलग करने का तरीका; एक-हॉट कोडिंग, फ़ीचर हैशिंग, और मीन कोडिंग का इस्तेमाल करके, कैटगरी वाले डेटा को संख्या के तौर पर दिखाने का तरीका; और फ़ीचर क्रॉस करने का तरीका.
मशीन लर्निंग डेटासेट की विशेषताओं के बारे में जानकारी. साथ ही, मॉडल को ट्रेनिंग देने और उसका आकलन करते समय, अच्छी क्वालिटी के नतीजे पाने के लिए डेटा तैयार करने का तरीका.

बेहतर मशीन लर्निंग मॉडल

इन मॉड्यूल में, एमएल मॉडल के बेहतर आर्किटेक्चर के बारे में बताया गया है.

न्यूरल नेटवर्क आर्किटेक्चर के बुनियादी सिद्धांतों के बारे में जानकारी. इसमें परसेप्ट्रॉन, हिडन लेयर, और ऐक्टिवेशन फ़ंक्शन शामिल हैं.
जानें कि एम्बेडमेंट की मदद से, बड़े फ़ीचर वेक्टर पर मशीन लर्निंग कैसे की जा सकती है.
नया
टोकन से लेकर ट्रांसफ़ॉर्मर तक, लार्ज लैंग्वेज मॉडल के बारे में जानकारी. एलएलएम, टेक्स्ट आउटपुट का अनुमान कैसे लगाते हैं, इसकी बुनियादी जानकारी जानें. साथ ही, यह भी जानें कि उन्हें कैसे बनाया और ट्रेन किया जाता है.

असल दुनिया में एमएल का इस्तेमाल

इन मॉड्यूल में, असल दुनिया में एमएल मॉडल बनाने और उन्हें डिप्लॉय करने के दौरान ध्यान रखने वाली अहम बातों के बारे में बताया गया है. इनमें, प्रोडक्शन में इस्तेमाल करने के सबसे सही तरीके, ऑटोमेशन, और ज़िम्मेदार इंजीनियरिंग शामिल हैं.

जानें कि मशीन लर्निंग का प्रोडक्शन सिस्टम, अलग-अलग कॉम्पोनेंट के साथ कैसे काम करता है.
नया
अपने-आप काम करने वाली मशीन लर्निंग का इस्तेमाल करने के सिद्धांतों और सबसे सही तरीकों के बारे में जानें.

एमएल मॉडल की निष्पक्षता

मशीन लर्निंग मॉडल की निष्पक्षता की जांच करने के सिद्धांतों और सबसे सही तरीकों के बारे में जानें. इनमें, डेटा में मौजूद पूर्वाग्रहों की पहचान करने और उन्हें कम करने की रणनीतियां भी शामिल हैं.