शुरू से AI की अवधारणाएँ

1 न्यूरल नेटवर्क 4 पाठ

1. पाठ 3 चैलेंज Python में न्यूरॉन और एक्टिवेशन फ़ंक्शन शुद्ध Python में एक कृत्रिम न्यूरॉन बनाएँ: इनपुट का भारित योग और बायस, जिसे sigmoid या ReLU से गुज़ारा जाता है।
2. पाठ 3 चैलेंज Python में फ़ॉरवर्ड प्रोपेगेशन और लॉस फ़ंक्शन एक छोटे न्यूरल नेटवर्क में इनपुट को लेयर दर लेयर आगे भेजें, फिर स्क्वेयर्ड एरर और क्रॉस-एंट्रॉपी से गलती मापें।
3. पाठ 5 चैलेंज Python में ग्रेडिएंट डिसेंट और बैकप्रोपेगेशन ग्रेडिएंट डिसेंट से एक न्यूरॉन ट्रेन करें: चेन रूल से पता करें कि हर वेट लॉस पर कैसा असर डालता है, फिर ढलान पर नीचे कदम बढ़ाएँ।
4. पाठ 4 चैलेंज Python में न्यूरल नेटवर्क ऑप्टिमाइज़र: SGD, Momentum और Adam एक ही फ़ंक्शन को कदम दर कदम न्यूनतम करते हुए सामान्य ग्रेडिएंट डिसेंट, momentum और Adam की तुलना करें।

2 मशीन लर्निंग 4 पाठ

5. पाठ 3 चैलेंज Python में मशीन लर्निंग के लिए डेटा तैयारी min-max नॉर्मलाइज़ेशन और z-score स्टैंडर्डाइज़ेशन से फ़ीचर का स्केल बदलें, और मैट्रिक्स को हाथ से गुणा करें।
6. पाठ 4 चैलेंज Python में लीनियर और लॉजिस्टिक रिग्रेशन लीस्ट स्क्वेयर से एक सीधी रेखा फ़िट करें, फिर लॉजिस्टिक रिग्रेशन से स्कोर को प्रायिकता में बदलें।
7. पाठ 6 चैलेंज Python में क्लासिफ़िकेशन की बुनियाद: softmax और k-नियरेस्ट नेबर्स softmax से स्कोर को क्लास प्रायिकता में बदलें, क्रॉस-एंट्रॉपी से उन्हें आँकें और k-नियरेस्ट नेबर्स से बिंदुओं को वर्गीकृत करें।
8. पाठ 2 चैलेंज Python में कोसाइन समानता और k-means क्लस्टरिंग कोसाइन समानता से मापें कि दो वेक्टर कितने मिलते हैं और बिना लेबल वाले डेटा को k-means से समूहों में बाँटें।

3 Transformer और LLM 3 पाठ

9. पाठ 3 चैलेंज Python में टोकनाइज़ेशन: शब्दावली, one-hot और byte pair encoding भाषा मॉडल की तरह टेक्स्ट को संख्याओं में बदलें: शब्दावली बनाएँ, शब्दों को one-hot में एन्कोड करें और BPE से सबवर्ड टोकन सीखें।
10. पाठ 4 चैलेंज Python में अटेंशन और सेल्फ़-अटेंशन query, key और value से scaled dot-product attention हाथ से निकालें, फिर GPT की तरह causal mask जोड़ें।
11. पाठ 2 चैलेंज भाषा मॉडल टेक्स्ट कैसे बनाते हैं: Python में temperature और top-k देखें कि भाषा मॉडल अगला टोकन कैसे चुनता है: शुद्ध Python में layer normalization, temperature और top-k सैंपलिंग।

4 क्लासिक AI और रीइन्फ़ोर्समेंट लर्निंग 3 पाठ

12. पाठ 4 चैलेंज Python में सर्च और गेम AI: A* और मिनिमैक्स A* सर्च से ग्रिड पर सबसे छोटा रास्ता ढूँढें और मिनिमैक्स से खेल में सबसे अच्छी चाल चुनें।
13. पाठ 2 चैलेंज Python में मार्कोव चेन और खोज-उपयोग का संतुलन मार्कोव चेन से भविष्य की स्थितियों का अनुमान लगाएँ और epsilon-greedy बैंडिट से खोज और उपयोग में संतुलन बनाएँ।
14. पाठ 2 चैलेंज Python में रीइन्फ़ोर्समेंट लर्निंग: value iteration और Q-learning एक एजेंट को लक्ष्य तक पहुँचना सिखाएँ: value iteration से स्थितियों के मान निकालें, फिर Q-learning से आज़माकर और गलती करके उन्हें सीखें।