Learn Machine Learning & AI

Prabartan Information Technology

இந்த ஆப்ஸ் பற்றி

இயந்திரக் கற்றல் மற்றும் செயற்கை நுண்ணறிவு (AI) கற்றல் என்பது ஒரு கட்டமைக்கப்பட்ட பாடத்திட்டமாகும். இது, 'இயந்திரக் கற்றல் என்றால் என்ன?' என்பதிலிருந்து தொடங்கி, நவீன செயற்கை நுண்ணறிவின் பின்னணியில் உள்ள வழிமுறைகளைப் புரிந்துகொள்வது வரை, உங்கள் கைப்பேசியில் நீங்கள் படிக்கக்கூடிய சிறிய பாடங்கள் மூலம் உங்களை அழைத்துச் செல்கிறது.

முன் செயற்கை நுண்ணறிவு அனுபவம் தேவையில்லை. உங்களால் அடிப்படை இயற்கணிதம் மற்றும் சிறிதளவு பைத்தானைப் பின்பற்ற முடிந்தால், இந்தப் பாடத்திட்டத்தை உங்களால் பின்பற்ற முடியும்.

நீங்கள் என்ன கற்றுக்கொள்வீர்கள்

இயந்திரக் கற்றலின் அடிப்படைகள்
இயந்திரக் கற்றல் என்றால் என்ன, அது பாரம்பரிய நிரலாக்கத்திலிருந்து எவ்வாறு வேறுபடுகிறது, இயந்திரக் கற்றல் பணிப்பாய்வு, பயிற்சி மற்றும் சோதனைத் தரவுகள், மிகைப்பொருத்தம் (overfitting), குறைப்பொருத்தம் (underfitting), சார்பு மற்றும் மாறுபாடு (bias and variance), மற்றும் மாதிரிகள் எவ்வாறு மதிப்பிடப்படுகின்றன.

மேற்பார்வையிடப்பட்ட கற்றல் (Supervised Learning)
நேரியல் பின்னடைவு (Linear regression), லாஜிஸ்டிக் பின்னடைவு (logistic regression), முடிவெடுக்கும் மரங்கள் (decision trees), சீரற்ற காடுகள் (random forests), ஆதரவு திசையன் இயந்திரங்கள் (support vector machines), k அருகிலுள்ள அண்டைவீட்டார்கள் (k nearest neighbors) மற்றும் நேவ் பேயஸ் (naive Bayes), ஒவ்வொன்றின் பின்னணியில் உள்ள உள்ளுணர்வு மற்றும் அது உண்மையில் எங்கு பயன்படுத்தப்படுகிறது.

மேற்பார்வையிடப்படாத கற்றல் (Unsupervised Learning)
K மீன்ஸ் கிளஸ்டரிங் (K means clustering), படிநிலை கிளஸ்டரிங் (hierarchical clustering), பரிமாணக் குறைப்பு (dimensionality reduction), முதன்மை கூறு பகுப்பாய்வு (principal component analysis) மற்றும் முரண்பாடு கண்டறிதல் (anomaly detection).

ஆழ் கற்றல் மற்றும் நரம்பியல் வலையமைப்புகள்
பெர்செப்ட்ரான்கள், செயலாக்கச் சார்புகள், பின்னோட்டப் பரவல், படங்களுக்கான சுருள் நரம்பியல் வலையமைப்புகள், தொடர்வரிசைகளுக்கான மீள்நிகழ்வு வலையமைப்புகள் மற்றும் LSTM-கள், மற்றும் உருமாற்றிகளுக்கான ஓர் அறிமுகம்.

வலுவூட்டல் கற்றல்
முகவர்கள், சூழல்கள், வெகுமதிகள், Q கற்றல் மற்றும் கொள்கை அடிப்படையிலான முறைகள் ஆகியவை கடினமான கணிதமின்றி விளக்கப்பட்டுள்ளன.

இயற்கை மொழி செயலாக்கம்
டோக்கனாக்கம், உட்பொதிப்புகள், உணர்வுப் பகுப்பாய்வு, மற்றும் இந்தக் கருத்துக்களின் அடிப்படையில் பெரிய மொழி மாதிரிகள் எவ்வாறு உருவாக்கப்படுகின்றன.

கருவிகள் மற்றும் நூலகங்கள்
பைத்தான், டென்சர்ஃப்ளோ, கெராஸ், ஸ்கிகிட் லேர்ன், நம்ப்பை மற்றும் பாண்டாஸ் ஆகியவை ஒரு உண்மையான இயந்திரக் கற்றல் பணிப்பாய்வில் எங்குப் பொருந்துகின்றன.

பயன்பாட்டு இயந்திரக் கற்றல்
சுகாதாரம், நிதி, பரிந்துரை அமைப்புகள், மோசடி கண்டறிதல், கணினிப் பார்வை மற்றும் முன்கணிப்பு ஆகியவற்றில் இந்த முறைகள் எவ்வாறு பயன்படுத்தப்படுகின்றன.

கைபேசியில் கற்பதற்காக உருவாக்கப்பட்டது

குறுகிய பாடங்கள். ஒவ்வொரு தலைப்பும் சில நிமிடங்களில் நீங்கள் முடிக்கக்கூடிய பிரிவுகளாகப் பிரிக்கப்பட்டுள்ளது, எனவே நீங்கள் ஒரு மாலை நேரத்திற்காகக் காத்திருக்காமல், உங்கள் நாளின் இடைவெளிகளில் முன்னேறலாம்.

முதலில் எளிய மொழி, இரண்டாவதாக கணிதம். எந்தவொரு குறியீடும் தோன்றுவதற்கு முன்பு ஒவ்வொரு அல்காரிதமும் வார்த்தைகளில் விளக்கப்படுகிறது, எனவே அது எவ்வாறு எழுதப்பட்டுள்ளது என்பதைப் பார்ப்பதற்கு முன்பே அது என்ன செய்கிறது என்பதை நீங்கள் புரிந்துகொள்கிறீர்கள்.

பாடநெறி முழுவதும் தேடும் வசதி உள்ளது, எனவே ஒரு கட்டுரையிலோ அல்லது விரிவுரையிலோ ஒரு சொல்லைப் பார்த்த உடனேயே நீங்கள் அதைத் தேடலாம்.

புக்மார்க்குகள் மற்றும் ரெஸ்யூம் வசதி இருப்பதால், ஒரு நீண்ட தலைப்பு குறுக்கீடுகளுக்கு மத்தியிலும் தடையின்றி தொடர்கிறது.

துறை முன்னேறும்போது தொடர்ந்து புதுப்பிக்கப்படுகிறது.

இந்தச் செயலி யாருக்கானது

விரிவுரை புரியாதபோது இரண்டாவது விளக்கம் தேவைப்படும் மெஷின் லேர்னிங், செயற்கை நுண்ணறிவு அல்லது டேட்டா சயின்ஸ் பாடநெறியை எடுக்கும் மாணவர்கள்.

மெஷின் லேர்னிங் இன்ஜினியரிங் அல்லது டேட்டா சயின்ஸ் துறைக்கு மாறும் மென்பொருள் உருவாக்குநர்கள்.

மெஷின் லேர்னிங் மற்றும் டேட்டா சயின்ஸ் நேர்காணல்களுக்குத் தயாராகும் தேர்வர்கள், அங்கு கேள்விகள் பெரும்பாலும் அடிப்படைகளைப் பற்றியே இருக்கும்.

தங்கள் துறையில் உள்ள ஒரு AI அமைப்பு உண்மையில் என்ன செய்கிறது என்பதைப் புரிந்துகொள்ள வேண்டிய ஆய்வாளர்கள் மற்றும் தொழில் வல்லுநர்கள்.

தாங்கள் தினமும் பயன்படுத்தும் தயாரிப்புகளுக்கு அடியில் செயற்கை நுண்ணறிவு எவ்வாறு செயல்படுகிறது என்பதைப் பற்றி அறிய ஆர்வமுள்ள எவரும்.

இப்போது மெஷின் லேர்னிங் ஏன் கற்க வேண்டும்

மெஷின் லேர்னிங் ஒரு சிறப்புத் திறனாக இருப்பதை நிறுத்தி, தொழில்நுட்பப் பணிகளுக்கான அடிப்படைத் தேவையின் ஒரு பகுதியாக மாறியுள்ளது. மாதிரிகள் எவ்வாறு பயிற்சி அளிக்கப்படுகின்றன, அவை ஏன் தோல்வியடைகின்றன, மேலும் அவற்றால் என்ன செய்ய முடியும், என்ன செய்ய முடியாது என்பதைப் புரிந்துகொள்வது இப்போது ஏறக்குறைய ஒவ்வொரு தொழில்நுட்பப் பணியிலும் — மேலும் தொழில்நுட்பம் சாராத பணிகளிலும் — பயனுள்ளதாக இருக்கிறது.

இந்த பாடநெறி, நீங்கள் உண்மையில் முடிக்கும் ஒரு வடிவத்தில் அந்தப் புரிதலை உங்களுக்கு வழங்குகிறது: குறுகிய பாடங்கள், தெளிவான மொழி, இடையூறாக வீடியோ இல்லை, கணக்கு தேவையில்லை.

இன்றே உங்கள் முதல் பாடத்தைத் திறக்கவும்.

கேள்விகள், திருத்தங்கள் அல்லது நீங்கள் சேர்க்க விரும்பும் தலைப்பு உள்ளதா? [e-mail] என்ற முகவரிக்கு மின்னஞ்சல் அனுப்பவும் — கற்பவர்கள் கேட்பதன் அடிப்படையில் நாங்கள் செயலியைப் புதுப்பிக்கிறோம்.