1:06:25
AI Complete OneShot Course for Beginners | Learn AI & ML Fundamentals from Scratch
Apna College
Overview
यह वीडियो आर्टिफिशियल इंटेलिजेंस (AI) की बुनियादी अवधारणाओं को समझने के लिए एक शुरुआती-अनुकूल परिचय प्रदान करता है। यह AI के विभिन्न प्रकारों, मशीन लर्निंग (ML), डीप लर्निंग (DL), और जनरेटिव AI (GenAI) जैसे इसके उप-क्षेत्रों की व्याख्या करता है। वीडियो बताता है कि AI हमारे दैनिक जीवन में कैसे एकीकृत है, जैसे फेस आईडी, वॉयस असिस्टेंट और सिफारिश प्रणालियों में। यह सुपरवाइज्ड, अनसुपरवाइज्ड और रीइंफोर्समेंट लर्निंग सहित मशीन लर्निंग के मुख्य प्रकारों पर विस्तार से बताता है, और न्यूरल नेटवर्क के काम करने के तरीके और डीप लर्निंग में उनकी भूमिका को समझाता है। अंत में, यह AI और ML को लागू करने के लिए उपयोग किए जाने वाले विभिन्न टूल्स और आर्किटेक्चर का अवलोकन प्रदान करता है।
How was this?
Save this permanently with flashcards, quizzes, and AI chat
Chapters
- AI वह तकनीक है जो कंप्यूटर सिस्टम को ऐसे कार्य करने में सक्षम बनाती है जिनके लिए आमतौर पर मानव बुद्धि की आवश्यकता होती है, जैसे पैटर्न पहचानना, भाषण समझना और छवियों का विश्लेषण करना।
- AI हमारे दैनिक जीवन में व्यापक रूप से उपयोग किया जाता है, जिसमें फेस आईडी, वॉयस असिस्टेंट (जैसे सिरी, एलेक्सा), सिफारिश इंजन (जैसे नेटफ्लिक्स, यूट्यूब), ट्रैफिक भविष्यवाणी (जैसे गूगल मैप्स), और कोडिंग सहायक (जैसे गिटहब कोपायलट) शामिल हैं।
- यह वीडियो AI की बुनियादी बातों को समझने के लिए एक प्रारंभिक बिंदु के रूप में कार्य करता है, जिसमें मशीन लर्निंग, कंप्यूटर विजन और NLP जैसी संबंधित शब्दावली शामिल है।
यह खंड AI की व्यापक प्रयोज्यता को स्थापित करता है और यह बताता है कि यह हमारे आधुनिक तकनीकी परिदृश्य का एक अभिन्न अंग क्यों है, जिससे शिक्षार्थियों को इसके महत्व को समझने में मदद मिलती है।
फेस आईडी का उपयोग करके फोन अनलॉक करना या सिरी से मौसम पूछना AI के दैनिक उपयोग के उदाहरण हैं।
- मशीन लर्निंग (ML) AI का एक उप-क्षेत्र है जहां एल्गोरिदम डेटा से सीखते हैं, बजाय स्पष्ट रूप से प्रोग्राम किए जाने के।
- ML की बढ़ती लोकप्रियता का मुख्य कारण इंटरनेट के माध्यम से उपलब्ध विशाल डेटा की मात्रा है।
- सभी ML AI है, लेकिन सभी AI ML नहीं है; रूल-बेस्ड सिस्टम और क्लासिकल रोबोटिक्स जैसे AI के कुछ हिस्से ML के दायरे से बाहर हैं।
यह खंड ML को AI के एक महत्वपूर्ण घटक के रूप में स्थापित करता है, यह समझाते हुए कि यह डेटा-संचालित निर्णय लेने के लिए कैसे काम करता है और यह AI के अधिकांश आधुनिक अनुप्रयोगों की नींव कैसे है।
बैंक लोन आवेदन का विश्लेषण करके यह भविष्यवाणी करना कि लोन स्वीकृत होना चाहिए या नहीं, ML का एक उदाहरण है, जहां सिस्टम पिछले डेटा से सीखता है।
- सुपरवाइज्ड लर्निंग में मॉडल लेबल किए गए डेटा से सीखते हैं, जिसका उपयोग क्लासिफिकेशन (श्रेणियों की भविष्यवाणी) और रिग्रेशन (संख्यात्मक मानों की भविष्यवाणी) के लिए किया जाता है।
- अनसुपरवाइज्ड लर्निंग में मॉडल बिना लेबल वाले डेटा से पैटर्न और संरचनाएं ढूंढते हैं, जैसे क्लस्टरिंग (डेटा को समूहित करना) और एसोसिएशन (आइटम के बीच संबंध खोजना)।
- रीइंफोर्समेंट लर्निंग में, एक एजेंट पर्यावरण के साथ इंटरैक्ट करके और पुरस्कार या दंड के माध्यम से सीखकर निर्णय लेना सीखता है, जिसका लक्ष्य पुरस्कार को अधिकतम करना है।
इन तीन प्रकार की लर्निंग को समझना महत्वपूर्ण है क्योंकि वे विभिन्न प्रकार की समस्याओं को हल करने के लिए AI मॉडल के निर्माण के लिए मौलिक ढाँचा प्रदान करते हैं।
स्पैम ईमेल का पता लगाना (सुपरवाइज्ड लर्निंग), ग्राहकों को उनकी खरीदारी की आदतों के आधार पर समूहित करना (अनसुपरवाइज्ड लर्निंग), और गेम खेलना सीखना (रीइंफोर्समेंट लर्निंग) प्रत्येक प्रकार के लिए ठोस उदाहरण हैं।
- डीप लर्निंग (DL) मशीन लर्निंग का एक उप-क्षेत्र है जो मानव मस्तिष्क से प्रेरित आर्टिफिशियल न्यूरल नेटवर्क का उपयोग करता है।
- न्यूरल नेटवर्क में इनपुट, हिडन और आउटपुट लेयर्स होती हैं, जिनमें न्यूरॉन्स होते हैं जो डेटा को प्रोसेस करते हैं और सीखते हैं।
- डीप लर्निंग विशेष रूप से अनस्ट्रक्चर्ड डेटा जैसे इमेज, ऑडियो और टेक्स्ट के साथ काम करने में प्रभावी है, जहां पारंपरिक ML तरीके कम प्रभावी हो सकते हैं।
- न्यूरल नेटवर्क को फॉरवर्ड और बैकवर्ड प्रोपेगेशन के माध्यम से प्रशिक्षित किया जाता है, जहां वे डेटा से सीखते हैं और अपने भविष्यवाणियों को बेहतर बनाने के लिए अपने वजन (weights) और बायस (biases) को समायोजित करते हैं।
डीप लर्निंग आधुनिक AI की रीढ़ है, जो जटिल पैटर्न को समझने और इमेज रिकॉग्निशन, NLP और जनरेटिव AI जैसे क्षेत्रों में अभूतपूर्व प्रगति को सक्षम बनाता है।
चेहरे की पहचान प्रणाली या सेल्फ-ड्राइविंग कारों में उपयोग किए जाने वाले मॉडल डीप लर्निंग और न्यूरल नेटवर्क के अनुप्रयोगों के उदाहरण हैं।
- Python AI और ML के लिए सबसे लोकप्रिय प्रोग्रामिंग भाषा है, जिसमें NumPy, Pandas, Scikit-learn जैसी लाइब्रेरीज़ डेटा प्रीप्रोसेसिंग, विज़ुअलाइज़ेशन और मॉडल ट्रेनिंग के लिए उपयोग की जाती हैं।
- डीप लर्निंग के लिए प्रमुख फ्रेमवर्क TensorFlow (Google द्वारा) और PyTorch (Meta द्वारा) हैं।
- न्यूरल नेटवर्क आर्किटेक्चर में फीड-फॉरवर्ड न्यूरल नेटवर्क (FNN), रिकरेंट न्यूरल नेटवर्क (RNN), कनवल्शनल न्यूरल नेटवर्क (CNN), और ट्रांसफॉर्मर शामिल हैं, जिनमें से प्रत्येक विभिन्न प्रकार के डेटा और कार्यों के लिए उपयुक्त है।
इन टूल्स और आर्किटेक्चर को जानने से शिक्षार्थियों को AI और ML मॉडल को प्रभावी ढंग से बनाने और लागू करने के लिए आवश्यक व्यावहारिक कौशल प्राप्त करने में मदद मिलती है।
एक इमेज क्लासिफायर बनाने के लिए CNN का उपयोग करना या टेक्स्ट जनरेशन के लिए ट्रांसफार्मर का उपयोग करना विशिष्ट आर्किटेक्चर के अनुप्रयोगों के उदाहरण हैं।
Key takeaways
- AI मानव बुद्धि की नकल करने वाले कार्यों को करने के लिए कंप्यूटर को सक्षम बनाता है, और यह हमारे दैनिक जीवन में पहले से कहीं अधिक एकीकृत है।
- मशीन लर्निंग AI का एक प्रमुख उप-क्षेत्र है जो डेटा से सीखने पर केंद्रित है, और यह आधुनिक AI अनुप्रयोगों का अधिकांश हिस्सा बनाता है।
- सुपरवाइज्ड, अनसुपरवाइज्ड और रीइंफोर्समेंट लर्निंग मशीन लर्निंग के तीन मुख्य प्रकार हैं, प्रत्येक विभिन्न प्रकार की समस्याओं को हल करने के लिए अलग-अलग दृष्टिकोण का उपयोग करता है।
- डीप लर्निंग, जो न्यूरल नेटवर्क पर आधारित है, विशेष रूप से जटिल, अनस्ट्रक्चर्ड डेटा को संभालने में शक्तिशाली है और AI में कई हालिया सफलताओं के पीछे है।
- AI और ML मॉडल को विकसित करने के लिए Python और विशेष लाइब्रेरीज़ (जैसे TensorFlow, PyTorch) जैसे टूल्स का उपयोग करना आवश्यक है।
- विभिन्न न्यूरल नेटवर्क आर्किटेक्चर (जैसे CNN, RNN, ट्रांसफार्मर) को विशिष्ट प्रकार के डेटा और कार्यों के लिए डिज़ाइन किया गया है, जो AI की बहुमुखी प्रतिभा को प्रदर्शित करता है।
Key terms
Artificial Intelligence (AI)Machine Learning (ML)Deep Learning (DL)Generative AI (GenAI)Supervised LearningUnsupervised LearningReinforcement LearningNeural NetworksFeaturesTrainingInferenceClassificationRegressionClusteringConvolutional Neural Networks (CNN)Recurrent Neural Networks (RNN)Transformers
Test your understanding
- AI को परिभाषित करें और दैनिक जीवन से इसके तीन उदाहरण दें।
- मशीन लर्निंग (ML) और पारंपरिक प्रोग्रामिंग के बीच मुख्य अंतर क्या है?
- सुपरवाइज्ड लर्निंग, अनसुपरवाइज्ड लर्निंग और रीइंफोर्समेंट लर्निंग के बीच मुख्य अंतर क्या हैं, और प्रत्येक का एक उदाहरण दें?
- डीप लर्निंग क्या है और यह पारंपरिक मशीन लर्निंग से कैसे भिन्न है, खासकर अनस्ट्रक्चर्ड डेटा के संबंध में?
- न्यूरल नेटवर्क कैसे काम करते हैं और वे AI मॉडल को प्रशिक्षित करने में क्या भूमिका निभाते हैं?