कृत्रिम होशियारी (Ai) और यंत्र अधिगम (एमएल) में स्व-ड्राइविंग कारों से लेकर प्राकृतिक भाषा प्रसंस्करण तक, कंप्यूटर विजन तक कई अनुप्रयोग हैं।

इस सर्वश्रेष्ठ पाठ्यक्रम गाइड (बीसीजी) में, मैंने एप्लाइड एआई और एमएल सीखने के लिए सर्वश्रेष्ठ मुफ्त ऑनलाइन पाठ्यक्रम, संसाधन और ट्यूटोरियल चुना है। मैंने इस्तेमाल किया है वर्ग केंद्रसर्वश्रेष्ठ ऑनलाइन पाठ्यक्रम खोजने के लिए 250K से अधिक पाठ्यक्रमों की सूची। कुछ पाठ्यक्रम अधिक उन्नत शिक्षार्थियों पर केंद्रित होते हैं जबकि अन्य सिद्धांतों को कवर करते हैं और आपको उनके अनुप्रयोगों का अवलोकन देते हैं।

अधिक जानकारी के लिए शॉर्टकट पर क्लिक करें:

• ऊपर उठाता है
• AI & ML क्या लागू होता है?
• आपको हम पर भरोसा क्यों करना चाहिए
• पाठ्यक्रम अवलोकन
• हमने अपनी पिक्स कैसे बनाई और उनका परीक्षण किया

यहाँ हमारे शीर्ष पिक्स हैं

पाठ्यक्रम के विवरण पर क्लिक करें:

संबंधित मार्गदर्शिकाएँ

• यह
• टेन्सरफ्लो
• पायथन
• आंकड़ा संरचना और एल्गोरिदम
• MATLAB

अनुशंसित मार्गदर्शिकाएँ

• डेटा विश्लेषण
• गहरी शिक्षा
• यंत्र अधिगम
• गणना
• डेटा विश्लेषण

ट्रेंडिंग गाइड

• चित्रकला
• एसक्यूएल
• अमेरिकन साइन लैंग्वेज (एएसएल)
• ब्लेंडर
• ऑटोकैड

AI & ML क्या लागू होता है?

आप यहां और वहां से एआई और मशीन लर्निंग के बारे में थोड़ा जान सकते हैं। या शायद, आप वास्तव में उन पर काफी अच्छे हो गए हैं। यह समझ में आता है। ये क्षेत्र बहुत आशाजनक हैं। लेकिन अब, आप वास्तव में नहीं जानते कि आपके द्वारा सीखे गए ज्ञान और कौशल के साथ क्या करना है।

(बस मामले में आप वास्तव में इन क्षेत्रों को अभी तक नहीं जानते हैं, एआई कंप्यूटर विज्ञान का वह क्षेत्र है जो कंप्यूटर को मानव जैसी बुद्धिमत्ता का प्रदर्शन करने की अनुमति देने पर ध्यान केंद्रित करता है। मशीन लर्निंग एआई की एक शाखा है जो बड़ी मात्रा में डेटा से सीखने से संबंधित है। यदि आप इन क्षेत्रों के लिए नए हैं, तो हमारे पास एक नज़र है, हमारे पास एक नज़र है। कृत्रिम होशियारी या यंत्र अधिगम गाइड।)

एआई और एमएल के बारे में आपकी समझ को मजबूत करने का सबसे अच्छा तरीका है कि आप अपने ज्ञान को व्यवहार में रखें। और जैसा कि होता है, एआई और मशीन लर्निंग को लागू करने के लिए अनगिनत, शक्तिशाली तरीके हैं। और ऐसा करने से, आप उन परियोजनाओं के माध्यम से उद्योग-प्रासंगिक कौशल विकसित कर सकते हैं जो न केवल उपयोगी हैं, बल्कि आकर्षक हैं।

आपको हम पर भरोसा क्यों करना चाहिए

वर्ग केंद्र, ऑनलाइन शिक्षा के लिए एक TripAdvisor, ने 100 मिलियन शिक्षार्थियों को अपना अगला पाठ्यक्रम खोजने में मदद की है। हम 250,000 ऑनलाइन पाठ्यक्रमों की एक सूची और हमारे उपयोगकर्ताओं द्वारा लिखी गई 250,000 समीक्षाओं की सूची को एकत्र करने के लिए एक दशक से अधिक समय से ऑनलाइन शिक्षा के माध्यम से कंघी कर रहे हैं। और हम स्वयं ऑनलाइन शिक्षार्थी हैं: संयुक्त, क्लास सेंट्रल टीम ने ऑनलाइन डिग्री सहित 400 से अधिक ऑनलाइन पाठ्यक्रम पूरा कर लिया है।

पाठ्यक्रम अवलोकन

• इस गाइड के सबसे बड़े पाठ्यक्रम में 510k+ नामांकन हैं
• सभी एक साथ, पाठ्यक्रम 1.6 मी नामांकन के लिए खाते हैं
• 8 पाठ्यक्रम उन्नत या मध्यवर्ती स्तर हैं, जबकि बाकी शुरुआत के अनुकूल हैं
• सबसे अधिक प्रतिनिधित्व करने वाला प्रदाता 8 पाठ्यक्रमों के साथ Coursera है।

बेस्ट कॉम्प्रिहेंसिव कन्व्यूशनल न्यूरल नेटवर्क्स कोर्स (deeplearning.ai)

संविदा तंत्रिका नेटवर्क deeplearning.ai द्वारा एक है मुक्त-से-ऑडिट पाठ्यक्रम जो कंप्यूटर विजन और उसके अनुप्रयोगों की दुनिया की पड़ताल करता है। स्वायत्त ड्राइविंग से लेकर मान्यता और रेडियोलॉजी छवि विश्लेषण का सामना करने के लिए, आप विभिन्न दृश्य कार्यों के लिए दृढ़ तंत्रिका नेटवर्क का निर्माण और लागू करना सीखेंगे।

आवश्यक शर्तें: इंटरमीडिएट पायथन कौशल, रैखिक बीजगणित और मशीन लर्निंग की बुनियादी समझ।

आप क्या सीखेंगे:

• कन्ट्रोल्यूशनल न्यूरल नेटवर्क्स (CNNs) और उनकी वास्तुकला के मूल सिद्धांतों में मास्टर
• बहु-वर्ग छवि वर्गीकरण के लिए गहरे तंत्रिका मॉडल को लागू करें
• प्रभावी CNNs (Lenet-5, Resnet, इंसेप्शन नेटवर्क) के केस स्टडी का अन्वेषण करें
• ऑब्जेक्ट स्थानीयकरण और डिटेक्शन का उपयोग करके कन्वेंशन और यू-नेट का उपयोग करें
• चेहरे की पहचान के लिए एक सियामी नेटवर्क बनाएं
• कला उत्पन्न करने के लिए गहरे convnets का उपयोग करके तंत्रिका शैली हस्तांतरण लागू करें।

लाइव सत्र और मेंटरिंग (नोबल डेस्कटॉप) के साथ सर्वश्रेष्ठ डेटा विज्ञान और एआई प्रमाणपत्र पाठ्यक्रम

यदि आप प्रशिक्षक के नेतृत्व वाली शिक्षा पसंद करते हैं, तो नोबल डेस्कटॉप आंकड़ा विज्ञान और एआई प्रमाणपत्र वास्तविक समय की प्रतिक्रिया और जवाबदेही प्रदान करता है जो पूर्व-रिकॉर्ड किए गए पाठ्यक्रम मेल नहीं खा सकते हैं। इसके अतिरिक्त, आपको एक मिलता है एनवाई राज्य-लाइसेंस प्राप्त प्रमाणपत्र.

मुझे जो दिलचस्प लगता है वह यह है कि यह कार्यक्रम इन-पर्सन (एनवाईसी कैंपस) और ऑनलाइन (ज़ूम) दोनों को चलाता है। यहां तक कि अगर आप ऑनलाइन भाग ले रहे हैं, तो आपका व्यक्तिगत ध्यान होगा और कक्षा में अन्य छात्रों को देख सकते हैं। आप प्रशिक्षकों के साथ बातचीत करने, प्रतिक्रिया प्राप्त करने और सत्रों के दौरान प्रश्न पूछने में सक्षम होंगे। इसके अलावा, आपको क्लास रिकॉर्डिंग और वर्कबुक तक पहुंच मिलेगी - यदि आप एक क्लास को याद करते हैं या जो आपने सीखा है, उसे याद करने के लिए बहुत उपयोगी है।

मुख्य लाभ

• छोटे वर्ग के आकार (8-15 छात्र)
• छह 1-ऑन -1 मेंटरिंग सत्र शामिल हैं
• एक वर्ष के भीतर नि: शुल्क रीटेक
• वास्तविक दुनिया की परियोजनाओं के साथ विस्तृत वर्ग फाइलें

नोबल डेस्कटॉप जानता है कि वे क्या कर रहे हैं - वे उद्योग के विशेषज्ञों के साथ निर्देश प्रदान करने वाले तीन दशकों से अधिक समय से हैं। तो आप निश्चिंत हो सकते हैं कि आपका मेंटरशिप किसी ऐसे व्यक्ति के साथ नहीं होगा जिसने अभी -अभी कोर्स पूरा किया है। इसके लिए मेरा शब्द न लें - छात्र समीक्षा पर भौंकना और गूगल उनके व्यावहारिक दृष्टिकोण और प्रशिक्षक की गुणवत्ता की प्रशंसा करें।

आप क्या सीखेंगे

• Numpy और Pandas जैसे उपकरणों का उपयोग करके सारणीबद्ध डेटा का विश्लेषण और हेरफेर करें
• Matplotlib के साथ ग्राफ़ और चार्ट के माध्यम से डेटा की कल्पना करें
• रैखिक प्रतिगमन और मशीन लर्निंग एल्गोरिदम के साथ डेटा-संचालित भविष्यवाणियां करें
• अंतर्दृष्टि पेश करने के लिए डैश एंटरप्राइज का उपयोग करके इंटरैक्टिव डैशबोर्ड का निर्माण करें
• पांडा और SQL के साथ तालिकाओं में स्वच्छ और संतुलन डेटा तकनीकों में शामिल हो

लचीला अनुसूची विकल्प

• 1 महीने का पूर्णकालिक (सप्ताह के दिनों)
• 4 महीने का अंशकालिक (शाम या शनिवार)

"कंप्यूटर/डेटा विज्ञान में कोई पूर्व ज्ञान या अनुभव नहीं होने के कारण, मुझे लगता है कि इस पाठ्यक्रम ने मुझे पूरी तरह से, अभी तक समझने योग्य पाठ्यक्रम के माध्यम से पायथन का उपयोग करने और लागू करने के लिए अच्छी तरह से तैयार किया।" - गेब्रियल केर्स्टीन

इंजीनियरों के लिए सेल्फ-ड्राइविंग कारों के लिए सर्वश्रेष्ठ परिचय (टोरंटो विश्वविद्यालय)

स्व-ड्राइविंग कारों का परिचय टोरंटो विश्वविद्यालय द्वारा स्वायत्त वाहनों की अभिनव दुनिया में गोता लगाया। इस में मुक्त-से-ऑडिट बेशक, आप स्व-ड्राइविंग कारों की शब्दावली, डिजाइन विचार और सुरक्षा आकलन का पता लगाएंगे।

नोट: इस उन्नत पाठ्यक्रम को इंजीनियरिंग या रोबोटिक्स में एक पृष्ठभूमि की आवश्यकता होती है, जिसमें रैखिक बीजगणित, सांख्यिकी, पथरी और भौतिकी, प्लस पायथन 3 प्रोग्रामिंग कौशल में मजबूत नींव के साथ एक पृष्ठभूमि की आवश्यकता होती है। कार्ला सिम्युलेटर को चलाने के लिए आपको 8 जीबी रैम के साथ कुछ हाल ही में 64-बिट विंडो या उबंटू मशीन की आवश्यकता होगी।

आप क्या सीखेंगे:

• स्वायत्त वाहनों के इतिहास और हाल के प्रगति का अन्वेषण करें
• सड़क के संकेतों की पहचान करने से लेकर कार्यों की भविष्यवाणी करने तक, ड्राइविंग के तत्वों को तोड़ें
• विभिन्न सेल्फ-ड्राइविंग कार हार्डवेयर कॉन्फ़िगरेशन और सॉफ्टवेयर स्टैक की जांच करें
• स्वायत्त वाहनों में निर्णय लेने के लिए पर्यावरणीय प्रतिनिधित्व को समझें
• स्वायत्त वाहन डिजाइन, सॉफ्टवेयर और हार्डवेयर दोनों में सुरक्षा विचारों का अध्ययन करें
• वाहन मॉडलिंग और नियंत्रण जानें, जिसमें स्थानीयकरण, मार्ग निम्नलिखित, और जटिल युद्धाभ्यासों को अंजाम देना शामिल है
• परीक्षण नियंत्रण डिजाइन और वाहन प्रदर्शन सीमा पर ड्राइविंग की चुनौतियों को समझें
• अपनी अंतिम परियोजना के रूप में एक रेस ट्रैक सिमुलेशन (कार्ला वातावरण) में सेल्फ-ड्राइविंग कार के लिए नियंत्रण कोड विकसित करें।

पायथन में बेस्ट एप्लाइड मशीन लर्निंग कोर्स (मिशिगन विश्वविद्यालय)

पायथन में एप्लाइड मशीन लर्निंग मिशिगन विश्वविद्यालय द्वारा एक है मुक्त-से-ऑडिट, शुरुआती-अनुकूल पाठ्यक्रम जो व्यावहारिक मशीन सीखने की तकनीक और अवधारणाओं को सिखाता है। आप पर्यवेक्षित और असुरक्षित सीखने के बीच अंतर करना सीखेंगे, मॉडल प्रशिक्षण के लिए विशिष्ट सुविधाओं का चयन करेंगे, और पायथन में मशीन लर्निंग विश्लेषण को लागू करेंगे।

आवश्यक शर्तें: पायथन प्रोग्रामिंग स्किल्स, नुम्पी, पांडा और मैटप्लोटलिब लाइब्रेरी के साथ परिचित।

अनुशंसित (आवश्यक नहीं): पायथन के साथ मशीन लर्निंग का परिचय पाठ्यपुस्तक।

आप क्या सीखेंगे:

• फंडामेंटल मशीन लर्निंग कॉन्सेप्ट्स को समझें (पर्यवेक्षित बनाम अनियंत्रित शिक्षण)
• Scikit-Learn का उपयोग करके K- निकटतम पड़ोसियों के एल्गोरिथ्म को लागू करें
• वर्गीकरण और प्रतिगमन के लिए पर्यवेक्षित सीखने के तरीकों का अन्वेषण करें
• संतुलन मॉडल जटिलता और सामान्यीकरण
• विभिन्न प्रदर्शन मेट्रिक्स का उपयोग करके मॉडल का मूल्यांकन और चयन करें
• अध्ययन उन्नत पर्यवेक्षित सीखने के तरीके: ट्री एन्सेम्बल और तंत्रिका नेटवर्क
• मॉडल प्रशिक्षण में डेटा रिसाव और पूर्वाग्रहों से बचने के लिए सीखें।

कंप्यूटर विजन और एप्लिकेशन (जॉर्जिया इंस्टीट्यूट ऑफ टेक्नोलॉजी) के लिए सर्वश्रेष्ठ परिचय

छवियों को देखने और व्याख्या करने के लिए एक कंप्यूटर को सिखाना आकर्षक है, लेकिन कंप्यूटर दिखाने से पहले कि छवियां क्या हैं, हमें यह भी पता होना चाहिए कि छवियां कैसे काम करती हैं।

कंप्यूटर विजन का परिचय जॉर्जिया इंस्टीट्यूट ऑफ टेक्नोलॉजी द्वारा छवि विश्लेषण और सूचना निष्कर्षण की एक व्यापक खोज प्रदान करता है। यह सामग्री-समृद्ध पाठ्यक्रम सुविधा का पता लगाने, गति ट्रैकिंग, कैमरा अंशांकन और छवि स्थिरीकरण सहित मौलिक अवधारणाओं को शामिल करता है।

आवश्यक शर्तें:

• आंकड़ा संरचना ज्ञान
• Matlab और/या पायथन में प्रवीणता numpy के साथ
• रैखिक बीजगणित और वेक्टर कलन
• सिग्नल प्रोसेसिंग के साथ अनुभव (सहायक लेकिन आवश्यक नहीं)।

आप क्या सीखेंगे:

• कंप्यूटर विजन में कम्प्यूटेशनल मॉडल, एल्गोरिदम और वास्तविक छवियों के बीच संबंध का अन्वेषण करें
• विभिन्न कंप्यूटर विजन अनुप्रयोगों के लिए मास्टर छवि प्रसंस्करण तकनीक
• कैमरा ज्यामिति, मॉडल और कई दृश्य संबंधों को समझें
• छवियों में फीचर का पता लगाना और मिलान जानें
• सामग्री और छवि गठन के साथ प्रकाश बातचीत का अध्ययन करें
• वीडियो में गति का विश्लेषण करें और ऑब्जेक्ट ट्रैकिंग को लागू करें
• कंप्यूटर विजन में वर्गीकरण और मान्यता के लिए मशीन लर्निंग अवधारणाओं का परिचय दें।

वर्गीकरण और वेक्टर स्पेस के साथ सर्वश्रेष्ठ व्यावहारिक प्राकृतिक भाषा प्रसंस्करण पाठ्यक्रम (deeplearning.ai)

मान लीजिए कि आपके पास खरीदारों द्वारा लिखित 1,000 उत्पाद समीक्षाएं हैं। क्या आप इन सभी उत्पाद समीक्षाओं के माध्यम से स्वचालित रूप से जाने के लिए एक प्रणाली का निर्माण कर सकते हैं और यह पता लगा सकते हैं कि कितने प्रतिशत सकारात्मक और नकारात्मक हैं?

वर्गीकरण और वेक्टर रिक्त स्थान के साथ प्राकृतिक भाषा प्रसंस्करण deeplearning.ai द्वारा आपको प्रभावी ढंग से पाठ डेटा का विश्लेषण करना सिखाता है। आप ट्वीट्स पर भावना विश्लेषण करना, शब्द संबंधों की कल्पना करना और एक अंग्रेजी-से-फ्रांसीसी अनुवाद एल्गोरिथ्म विकसित करना सीखेंगे।

आप क्या सीखेंगे:

• मशीन सीखने के अनुप्रयोगों के लिए पाठ को वैक्टर में परिवर्तित करें
• पाठ वर्गीकरण तकनीकों का उपयोग करके भावना विश्लेषण को लागू करें
• शब्दों के बीच शब्दार्थ संबंधों को पकड़ने के लिए वेक्टर अंतरिक्ष मॉडल का अन्वेषण करें
• दस्तावेज़ खोज के लिए स्थानीयता-संवेदनशील हैशिंग को समझें और लागू करें
• एक मशीन अनुवाद एल्गोरिथ्म (अंग्रेजी से फ्रेंच से) विकसित करें।

मशीन लर्निंग के वास्तविक विश्व अनुप्रयोग के लिए सबसे अच्छा कोर्स (deeplearning.ai)

संरचित मशीन सीखने की परियोजनाएँ Deeplearning.ai द्वारा, पौराणिक एमएल प्रशिक्षक एंड्रयू एनजी द्वारा पढ़ाया जाता है, उद्योग-स्तरीय अंतर्दृष्टि प्रदान करता है जो आमतौर पर अनुभव के वर्षों के बाद ही प्राप्त होता है। यह फ्री-टू-प्रीव्यू पाठ्यक्रम आपको सफल मशीन सीखने की परियोजनाओं का नेतृत्व करने के लिए व्यावहारिक रणनीतियों से लैस करता है।

आप क्या सीखेंगे:

• प्रभावी मशीन सीखने की रणनीतियाँ विकसित करें
• एमएल उत्पादन वर्कफ़्लो का अनुकूलन करें
• एमएल सिस्टम में त्रुटियों का निदान और कम करें
• उचित मैट्रिक्स के आधार पर प्राप्य लक्ष्य निर्धारित करें
• प्रशिक्षण और परीक्षण के लिए उचित रूप से विभाजित डेटासेट
• मानव-स्तर के प्रदर्शन के साथ एमएल प्रदर्शन की तुलना करें
• पूर्वाग्रह, विचरण और डेटा बेमेल मुद्दों को पहचानें और पता करें
• जटिल एमएल सेटिंग्स का प्रबंधन करें (जैसे, बेमेल प्रशिक्षण/परीक्षण सेट)
• निर्धारित करें कि मल्टी-टास्क, ट्रांसफर और एंड-टू-एंड डीप लर्निंग का उपयोग कब करना है।

गैर-तकनीकी पेशेवरों के लिए सर्वश्रेष्ठ एप्लाइड मशीन लर्निंग कोर्स (अल्बर्टा मशीन इंटेलिजेंस इंस्टीट्यूट)

यदि आप एक गैर-तकनीकी पेशेवर हैं जो देखना चाहते हैं कि मशीन लर्निंग के साथ प्रचार क्या है, तो यह पाठ्यक्रम आपके लिए है।

एप्लाइड मशीन लर्निंग का परिचय अल्बर्टा मशीन इंटेलिजेंस इंस्टीट्यूट द्वारा मशीन लर्निंग अवधारणाओं और उनके वास्तविक दुनिया के अनुप्रयोगों का एक गैर-तकनीकी अवलोकन प्रदान करता है। यह मुक्त-से-ऑडिट कोर्स एल्गोरिदम के निर्माण के बजाय व्यावसायिक समस्याओं के लिए एमएल समाधानों को लागू करने पर केंद्रित है।

आप क्या सीखेंगे:

• प्रमुख शब्दों को स्पष्ट करें: मशीन लर्निंग, एआई, डेटा साइंस और डीप लर्निंग
• मशीन लर्निंग के तीन प्रकारों को समझें: पर्यवेक्षित, असुरक्षित और सुदृढीकरण
• मशीन लर्निंग की तुलना मानव सीखने के लिए करें
• मशीन सीखने की समस्याओं में व्यापार की जरूरतों को बदलना
• डेटा अधिग्रहण, नैतिकता और पाइपलाइन प्रबंधन का अन्वेषण करें
• मशीन लर्निंग प्रोसेस लाइफसाइकल (MLPL) मास्टर
• एक वास्तविक दुनिया की परियोजना के लिए MLPL को लागू करने वाले केस स्टडी का विश्लेषण करें।

हेल्थकेयर के लिए मशीन लर्निंग के सर्वश्रेष्ठ फंडामेंटल (स्टैनफोर्ड यूनिवर्सिटी)

मशीन लर्निंग और एआई स्वास्थ्य सेवा में क्रांति लाने की क्षमता रखते हैं, जिसमें स्वचालित स्क्रीनिंग और निदान से लेकर जीनोमिक विश्लेषण से लेकर रोबोटिक्स और अधिक तक के अनुप्रयोगों के साथ।

स्टैनफोर्ड यूनिवर्सिटी हेल्थकेयर के लिए मशीन लर्निंग के फंडामेंटल हेल्थकेयर और मशीन लर्निंग के बीच की खाई को पाटता है। यह पाठ्यक्रम चिकित्सा संदर्भों में एमएल प्रौद्योगिकियों का मूल्यांकन और लागू करने के लिए महत्वपूर्ण ज्ञान के साथ स्वास्थ्य सेवा, स्वास्थ्य नीति, दवा विकास, और डेटा विज्ञान में इंजीनियरिंग पृष्ठभूमि के साथ पेशेवरों को समाहित करता है।

आप क्या सीखेंगे:

• मशीन लर्निंग सिद्धांतों और स्वास्थ्य सेवा में उनकी प्रासंगिकता को समझें
• समस्या की परिभाषा और मॉडल प्रशिक्षण सहित मास्टर मौलिक एमएल अवधारणाएं
• विभिन्न एमएल मॉडल का अन्वेषण करें, सिंपल रिग्रेशन से लेकर कॉम्प्लेक्स डीप लर्निंग तक
• नैदानिक एमएल के लिए विशिष्ट मैट्रिक्स, मूल्यांकन तकनीक और सर्वोत्तम प्रथाओं को जानें
• हेल्थकेयर एमएल अनुप्रयोगों में सामान्य चुनौतियों और नुकसान को पहचानें और संबोधित करें
• बहु-अनुशासनात्मक टीमों में प्रभावी सहयोग के लिए रणनीति विकसित करें
• स्वास्थ्य सेवा एमएल में मानव कारकों, सामाजिक प्रभावों और नैतिक मुद्दों की जांच करें।

संगीतकारों और कलाकारों के लिए सर्वश्रेष्ठ मशीन लर्निंग कोर्स (गोल्डस्मिथ, लंदन विश्वविद्यालय)

मशीन लर्निंग सभी बेजान 1 एस और 0 एस नहीं है, जैसा कि साबित किया गया है संगीतकारों और कलाकारों के लिए मशीन सीखना लंदन विश्वविद्यालय द्वारा।

यह पाठ्यक्रम रचनात्मक कला में मशीन लर्निंग और इसके अनुप्रयोगों के मूल सिद्धांतों का परिचय देता है। यह कलात्मक अभिव्यक्ति के लिए मानव इशारे, संगीत ऑडियो और वास्तविक समय डेटा प्रसंस्करण पर केंद्रित है।

आवश्यक शर्तें: कोई पूर्व मशीन सीखने या गणित ज्ञान की आवश्यकता नहीं है। बुनियादी प्रोग्रामिंग अनुभव अनुशंसित लेकिन अनिवार्य नहीं है।

आप क्या सीखेंगे:

• आवश्यक मशीन सीखने की अवधारणाओं और तकनीकों को समझें
• विभिन्न प्रकार के मशीन सीखने और सुविधा निष्कर्षण का अन्वेषण करें
• कलात्मक संदर्भों में मशीन लर्निंग पाइपलाइन के बारे में जानें
• महारत हासिल करो इशारा भिन्नता अनुयायी वास्तविक समय मानव इशारा मान्यता के लिए
• के साथ अनुभव प्राप्त करें Wegy, ऑडियो, वीडियो और सेंसर के लिए एमएल लागू करना
• रचनात्मक अभिव्यक्ति के विभिन्न रूपों में मशीन सीखने को लागू करने के लिए कौशल विकसित करें।

ग्रेट मशीन लर्निंग ऑपरेशंस - MLOPS फंडामेंटल (Google)

यदि आप कोई ऐसा व्यक्ति हैं जो मशीन लर्निंग प्रोटोटाइप से व्यवसाय-तैयार उत्पादन के लिए जल्दी से जाना चाहता है, MLOPS (मशीन लर्निंग ऑपरेशंस) फंडामेंटल अपनी आवश्यकताओं के अनुरूप हो सकता है।

MLOPS उत्पादन में ML सिस्टम की तैनाती, परीक्षण, निगरानी और स्वचालन पर केंद्रित एक अनुशासन है। विशेष रूप से इस पाठ्यक्रम में, आप Google क्लाउड पर एमएल सिस्टम को तैनात, मूल्यांकन, निगरानी और संचालन के लिए उपकरण और सर्वोत्तम प्रथाओं के बारे में जानेंगे।

आप क्या सीखेंगे:

• एमएलओपी सिद्धांतों और एमएल सिस्टम जीवनचक्र में उनके महत्व को समझें
• संपूर्ण एमएल प्रक्रिया पर एक संचालन परिप्रेक्ष्य प्राप्त करें
• मालिक Google क्लाउड का AI प्लेटफ़ॉर्म और इसकी विभिन्न सेवाएं
• उत्पादन-तैयार एमएल पाइपलाइनों में जुपिटर नोटबुक को ट्रांसफ़ॉर्म करें
• ML प्रक्रियाओं को स्वचालित करने के लिए kubeflow का उपयोग करें
• निरंतर एकीकरण ढेर में एमएल पाइपलाइनों को एकीकृत करें
• Google क्लाउड के AI प्लेटफ़ॉर्म के साथ हाथों पर अनुभव प्राप्त करें
• व्यावहारिक MLOPS कार्यान्वयन रणनीतियों पर ध्यान केंद्रित करें
• प्रोटोटाइप से उत्पादन-तैयार प्रणालियों में संक्रमण करना सीखें
• DevOps प्रथाओं में ML वर्कफ़्लोज़ के एकीकरण का अन्वेषण करें।

हमने अपनी पिक्स कैसे बनाई और उनका परीक्षण किया

मैंने इस लेख को पिछले बीसीजीएस में इस्तेमाल की जाने वाली अब और परीक्षण की गई कार्यप्रणाली के बाद बनाया (आप उन सभी को यहाँ पा सकते हैं)। इसमें तीन-चरण प्रक्रिया शामिल है:

पहला, @manoel और मैं (@elham) क्लास सेंट्रल के डेटाबेस का लाभ उठाकर इस गाइड का निर्माण शुरू किया 250k+ ऑनलाइन पाठ्यक्रम। हमने प्रारंभिक चयन करने के लिए रेटिंग, समीक्षा और पाठ्यक्रम बुकमार्क जैसी चीजों पर एक नज़र डाली।

इस डेटा-चालित दृष्टिकोण ने हमें वहाँ से उपलब्ध कुछ बेहतरीन पाठ्यक्रमों के माध्यम से निचोड़ने में मदद की। अधिकांश अच्छे पाठ्यक्रम किसी का ध्यान नहीं जाते हैं। बहुत अच्छा ध्यान और उत्कृष्ट समीक्षाओं को इकट्ठा करने के लिए!

उस ने कहा, रेटिंग और समीक्षाएं हमेशा पूरी कहानी नहीं बताती हैं। कुछ पाठ्यक्रम पुराने या संग्रहीत हो सकते हैं। इसलिए अगला कदम ऑनलाइन शिक्षा के हमारे व्यक्तिगत ज्ञान को मिश्रण में लाना था।

दूसरा, हमने अपने प्रत्येक प्रारंभिक पिक्स का मूल्यांकन करने के लिए ऑनलाइन शिक्षार्थियों के रूप में अपने अनुभव का उपयोग किया। हमने विचारों को एक -दूसरे से उछाल दिया और गाइड में पुनरावृत्ति सुधार किया जब तक कि हम दोनों अंतिम परिणाम से संतुष्ट नहीं थे।

हम दोनों कंप्यूटर विज्ञान की पृष्ठभूमि से आते हैं और ऑनलाइन शिक्षार्थी हैं, जो हमारे बीच लगभग 45 MOOC पूरा कर चुके हैं। इसके अतिरिक्त, Manoel के पास कंप्यूटर विज्ञान में एक ऑनलाइन स्नातक है, और मैं वर्तमान में कंप्यूटर विज्ञान में अपनी नींव पूरी कर रहा हूं। इसलिए, एआई और एमएल ऐसे विषय हैं जिनसे हम परिचित हैं।

तीसरा, हमारे शोध के दौरान, हम ऐसे पाठ्यक्रमों में आए जो अच्छी तरह से बनाए गए थे, लेकिन यह सब लोकप्रिय नहीं था। यदि हमने विशुद्ध रूप से डेटा-केंद्रित दृष्टिकोण अपनाया है, तो हमें उन पाठ्यक्रमों को लेख से बाहर छोड़ देना होगा, यदि केवल इसलिए कि उनके पास कम नामांकन और रेटिंग थी।

इसके बजाय, हमने अधिक समग्र दृष्टिकोण लिया। हमने इस सूची को विभिन्न प्रकार के शिक्षार्थियों को पूरा करने के लिए लागू AI & ML पाठ्यक्रमों की एक विस्तृत विविधता को शामिल करके तैयार किया।

इस प्रक्रिया से गुजरने के बाद - क्लास सेंट्रल डेटा का संयोजन, आजीवन शिक्षार्थियों के रूप में हमारा अनुभव, और बहुत सारे संपादन - हम अपने अंतिम गाइड पर पहुंचे। अब तक, हमने इस बीसीजी के निर्माण के लिए 10 घंटे से अधिक समय बिताया है, और हम भविष्य में इसे अपडेट करना जारी रखने का इरादा रखते हैं।

फैबियो इस लेख के शोध और नवीनतम संस्करण को संशोधित किया।