NoteTube

AI-Generated Video Summary by NoteTube

AI Complete OneShot Course for Beginners | Learn AI & ML Fundamentals from Scratch

AI Complete OneShot Course for Beginners | Learn AI & ML Fundamentals from Scratch

Apna College

1:06:25

Overview

यह वीडियो आर्टिफिशियल इंटेलिजेंस (AI) की बुनियादी बातों को समझने के लिए एक संपूर्ण कोर्स है। यह AI के विभिन्न प्रकारों, उप-क्षेत्रों और उपयोग के मामलों पर प्रकाश डालता है। वीडियो मशीन लर्निंग (ML), डीप लर्निंग (DL) और जनरेटिव AI (GenAI) जैसी महत्वपूर्ण अवधारणाओं को सरल भाषा में समझाता है। यह बताता है कि AI हमारे दैनिक जीवन में कैसे एकीकृत है, जैसे फेस आईडी, वॉयस असिस्टेंट और रेकमेंडेशन सिस्टम में। वीडियो ML के सुपरवाइज्ड, अनसुपरवाइज्ड और रीइंफोर्समेंट लर्निंग जैसे प्रकारों के साथ-साथ क्लासिफिकेशन और रिग्रेशन जैसी समस्याओं को हल करने के तरीकों पर भी विस्तार से चर्चा करता है। अंत में, यह न्यूरल नेटवर्क्स, उनके आर्किटेक्चर और ट्रेनिंग प्रोसेस की व्याख्या करता है, जो AI और ML की गहरी समझ के लिए एक मजबूत नींव प्रदान करता है।

How was this?

This summary expires in 30 days. Save it permanently with flashcards, quizzes & AI chat.

Chapters

  • •AI वह तकनीक है जो कंप्यूटर को ऐसे कार्य करने में सक्षम बनाती है जिनके लिए आमतौर पर मानव बुद्धि की आवश्यकता होती है।
  • •AI के उदाहरणों में फेस आईडी, सिरी, चैटजीपीटी, रेकमेंडेशन सिस्टम (Amazon, Netflix), ट्रैफिक प्रेडिक्शन (Google Maps, Uber) और कोडिंग असिस्टेंट (GitHub Copilot) शामिल हैं।
  • •यह वीडियो AI की बुनियादी अवधारणाओं, प्रकारों, उप-क्षेत्रों और उपयोग के मामलों को कवर करेगा।
  • •इस सत्र के लिए किसी पूर्व ज्ञान की आवश्यकता नहीं है।
  • •AI मानव बुद्धि की नकल करने वाली तकनीक है, जैसे पैटर्न पहचानना और भाषण को समझना।
  • •मशीन लर्निंग (ML) AI का एक महत्वपूर्ण उप-क्षेत्र है जहाँ एल्गोरिदम डेटा से सीखते हैं, न कि स्पष्ट प्रोग्रामिंग से।
  • •अधिकांश आधुनिक AI, जैसे LLMs, ML पर आधारित है।
  • •AI में रूल-बेस्ड सिस्टम भी शामिल हैं जो ML का हिस्सा नहीं हैं।
  • •डीप लर्निंग (DL) ML का एक उप-क्षेत्र है जो मानव मस्तिष्क से प्रेरित न्यूरल नेटवर्क्स का उपयोग करता है।
  • •DL एल्गोरिदम जैसे FNN, RNN, CNN और ट्रांसफार्मर का उपयोग किया जाता है।
  • •जनरेटिव AI (GenAI) नई सामग्री (टेक्स्ट, ऑडियो, वीडियो, इमेज) उत्पन्न करने पर केंद्रित है।
  • •ML मॉडल डेटा से सीखते हैं (ट्रेनिंग) और फिर नए डेटा पर प्रेडिक्शन करते हैं (इनफेरेंस)।
  • •उदाहरण: लोन एप्लीकेशन का विश्लेषण करके यह तय करना कि लोन स्वीकृत किया जाना चाहिए या नहीं।
  • •ML एल्गोरिदम पारंपरिक एल्गोरिदम से भिन्न होती हैं क्योंकि वे इनपुट और आउटपुट दोनों से सीखते हैं।
  • •सुपरवाइज्ड लर्निंग में मॉडल लेबल किए गए डेटा से सीखते हैं (इनपुट और आउटपुट दोनों ज्ञात होते हैं)।
  • •क्लासिफिकेशन: डेटा को पूर्वनिर्धारित श्रेणियों में वर्गीकृत करना (जैसे स्पैम या नॉन-स्पैम ईमेल)।
  • •रिग्रेशन: एक संख्यात्मक आउटपुट की भविष्यवाणी करना (जैसे डिलीवरी का समय या स्टॉक की कीमत)।
  • •बाइनरी क्लासिफिकेशन (दो श्रेणियां) और मल्टी-क्लास क्लासिफिकेशन (दो से अधिक श्रेणियां) इसके प्रकार हैं।
  • •अनसुपरवाइज्ड लर्निंग में मॉडल बिना लेबल वाले डेटा से सीखते हैं और पैटर्न ढूंढते हैं।
  • •क्लस्टरिंग: संबंधित डेटा को समूहों (क्लस्टर्स) में व्यवस्थित करना (जैसे समाचार लेखों को श्रेणियों में बांटना)।
  • •एसोसिएशन: डेटा में संस्थाओं के बीच संबंध खोजना (जैसे मार्केट बास्केट एनालिसिस - ब्रेड के साथ दूध खरीदना)।
  • •आउटलायर डिटेक्शन भी इसका एक उपयोग है।
  • •रीइंफोर्समेंट लर्निंग (RL) एजेंट को पर्यावरण के साथ इंटरैक्ट करके सीखने में मदद करती है।
  • •एजेंट को उसके कार्यों के लिए रिवॉर्ड या पेनल्टी मिलती है, जिसका लक्ष्य रिवॉर्ड को अधिकतम करना होता है।
  • •यह गेम खेलने (जैसे शतरंज), रोबोटिक्स और सेल्फ-ड्राइविंग कारों में उपयोग की जाती है।
  • •डीप लर्निंग स्ट्रक्चर्ड डेटा के बजाय अनस्ट्रक्चर्ड डेटा (इमेज, वीडियो, ऑडियो) के लिए बेहतर है।
  • •न्यूरल नेटवर्क्स मानव मस्तिष्क से प्रेरित होते हैं और इनमें इनपुट, हिडन और आउटपुट लेयर्स होती हैं।
  • •न्यूरल नेटवर्क्स में वेट्स और बायस होते हैं जिन्हें ट्रेनिंग के दौरान एडजस्ट किया जाता है।
  • •फॉरवर्ड प्रोपगेशन (प्रेडिक्शन) और बैकवर्ड प्रोपगेशन (लॉस कैलकुलेशन और वेट एडजस्टमेंट) ट्रेनिंग के मुख्य चरण हैं।
  • •मुख्य न्यूरल नेटवर्क आर्किटेक्चर्स में फीड फॉरवर्ड न्यूरल नेटवर्क्स (FNN), रिकरेंट न्यूरल नेटवर्क्स (RNN), कनवल्शनल न्यूरल नेटवर्क्स (CNN) और ट्रांसफार्मर शामिल हैं।
  • •FNN सरल प्रेडिक्शन के लिए, RNN सीक्वेंशियल डेटा के लिए, CNN इमेज और वीडियो के लिए, और ट्रांसफार्मर NLP के लिए उपयोगी हैं।
  • •डीप लर्निंग के लिए लोकप्रिय टूल्स में TensorFlow और PyTorch शामिल हैं।
  • •डेटासेट के लिए Kaggle और GPU का उपयोग ट्रेनिंग के लिए महत्वपूर्ण है।

Key Takeaways

  1. 1AI हमारे दैनिक जीवन का एक अभिन्न अंग बन गया है, जो स्मार्टफ़ोन से लेकर ऑनलाइन सेवाओं तक हर जगह मौजूद है।
  2. 2मशीन लर्निंग AI का वह इंजन है जो डेटा से सीखकर सिस्टम को बुद्धिमान बनाता है।
  3. 3डीप लर्निंग, न्यूरल नेटवर्क्स का उपयोग करके, विशेष रूप से इमेज और भाषा जैसे जटिल, अनस्ट्रक्चर्ड डेटा को संभालने में माहिर है।
  4. 4सुपरवाइज्ड लर्निंग में लेबल किए गए डेटा का उपयोग करके क्लासिफिकेशन और रिग्रेशन जैसी समस्याओं को हल किया जाता है।
  5. 5अनसुपरवाइज्ड लर्निंग बिना लेबल वाले डेटा में पैटर्न और संरचनाओं को खोजने में मदद करती है, जैसे क्लस्टरिंग और एसोसिएशन।
  6. 6रीइंफोर्समेंट लर्निंग एजेंटों को रिवॉर्ड-आधारित सिस्टम के माध्यम से निर्णय लेना सिखाती है, जो गेमिंग और रोबोटिक्स में उपयोगी है।
  7. 7न्यूरल नेटवर्क्स, फॉरवर्ड और बैकवर्ड प्रोपगेशन के माध्यम से, डेटा से सीखते हैं और अपने वेट्स को एडजस्ट करते हैं ताकि सटीक भविष्यवाणियां की जा सकें।
  8. 8TensorFlow और PyTorch जैसे टूल्स AI और ML मॉडल को विकसित करने और लागू करने के लिए आवश्यक हैं।
Create Your Own Summary