Deep Learning को समझना

 (udlbook.github.io)
2 पॉइंट द्वारा GN⁺ 2023-11-27 | 1 टिप्पणियां | WhatsApp पर शेयर करें

किताब की सामग्री का सारांश

  • Simon J.D. Prince द्वारा लिखी गई "Understanding Deep Learning" नामक किताब 5 दिसंबर 2023 को MIT Press द्वारा प्रकाशित होने वाली है.
  • यह किताब deep learning को समझने में मदद करने के लिए कई तरह के विषयों को कवर करती है, और इसे इस तरह समझाया गया है कि शुरुआती software engineer भी इसे समझ सकें.
  • किताब की मुख्य सामग्री में supervised learning, neural networks, loss functions, model training, performance measurement, regularization, convolutional networks, residual networks, transformers, graph neural networks, unsupervised learning, generative adversarial networks, normalizing flows, variational autoencoders, diffusion models, deep reinforcement learning, deep learning कैसे काम करता है, और deep learning तथा ethics जैसे विषय शामिल हैं.

शिक्षकों के लिए सामग्री

  • शिक्षकों के लिए answer book MIT Press के माध्यम से पात्रता प्रमाण देने पर उपलब्ध कराया जाता है.
  • lecture copies MIT Press के माध्यम से अनुरोध की जा सकती हैं.
  • प्रत्येक अध्याय के लिए figure materials PDF, SVG, PowerPoint प्रारूप में उपलब्ध हैं.

छात्रों के लिए सामग्री

  • चुने गए प्रश्नों के उत्तर और Python notebooks उपलब्ध कराए जाते हैं, जो छात्रों को hands-on अभ्यास के ज़रिए deep learning को बेहतर समझने में मदद करते हैं.
  • notebooks में mathematical background, supervised learning, shallow neural networks, deep neural networks, loss functions, model training, gradients and initialization, performance measurement, regularization, convolutional networks, residual networks, transformers, graph neural networks, generative adversarial networks, normalizing flows, variational autoencoders, diffusion models, deep reinforcement learning, deep learning कैसे काम करता है, और deep learning तथा ethics जैसे कई विषय शामिल हैं.

GN⁺ की राय

  • यह किताब deep learning की व्यापक समझ देती है, और इसमें सैद्धांतिक व्याख्या के साथ-साथ वास्तविक अनुप्रयोग के उदाहरण भी शामिल हैं, इसलिए यह सीखने वालों के लिए उपयोगी है.
  • शुरुआती software engineer को deep learning की बुनियादी अवधारणाओं से लेकर उन्नत विषयों तक व्यवस्थित रूप से सीखने की सामग्री देकर, यह इस क्षेत्र में रुचि और ज्ञान बढ़ाने का अवसर प्रदान करती है.
  • hands-on अभ्यास के लिए Python notebooks और शिक्षकों की सामग्री शामिल होना सबसे महत्वपूर्ण है, क्योंकि इससे सैद्धांतिक ज्ञान को वास्तविक समस्या-समाधान में लागू करने का अनुभव मिलता है.

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2023-11-27
Hacker News राय
    • टिप्पणियाँ मोटे तौर पर दो रुखों में बंटी हुई हैं: 1) इस तरह के ज्ञान के बिना भी AI सिस्टम बनाए जा सकते हैं, 2) वास्तव में क्या हो रहा है इसे समझने के लिए यह बुनियादी ज्ञान ज़रूरी है.
    • दोनों दृष्टिकोण सही हैं. यह क्षेत्र ML engineer और ML scientist (या researcher) में बंटता जा रहा है.
    • टीम में दोनों तरह के लोगों का होना अच्छा है. scientist धीमे हो सकते हैं, और engineer तरह-तरह के API और open source models आज़माकर आगे बढ़ेंगे. लेकिन जब वे किसी बाधा से टकराते हैं या algorithm को adjust करना पड़ता है, तो कई engineer मुश्किल में पड़ सकते हैं. उसके लिए R&D mindset चाहिए, जो कई engineers के लिए अपरिचित होता है.
    • यही वह जगह है जहाँ AI scientist का महत्व उभरकर सामने आता है.
    • अगर मैं अभी से AI के बारे में पढ़ाई शुरू करूँ, तो क्या expert के करीब पहुँच सकता हूँ?
    • इस चिंता के बारे में कि कहीं यह ऐसा सफर तो नहीं, जिसके लिए master's या PhD degree चाहिए.
    • सोच रहा हूँ कि क्या इस क्षेत्र को सीखना अब सिर्फ ऐतिहासिक उद्देश्य से ही मायने रखता है, या यह भविष्य की नौकरी के लिए अब भी प्रासंगिक है.
    • कल्पना यह है कि OpenAI AI से जुड़ी हर चीज़ पर कब्ज़ा कर लेगा, लेकिन क्या यह सोच सही है, इस पर संदेह है.
    • यह किताब प्रभावशाली है. मुझे 'डीप लर्निंग का अतार्किक प्रभाव' वाला अध्याय पसंद आया. क्या इसके अलावा भी कोई और किताबें हैं जिन पर ध्यान देना चाहिए?
    • कई प्रसिद्ध tech कंपनियों में दशकों तक अलग-अलग machine learning platforms पर काम किया है. जिस भी चीज़ पर काम किया, वह बहुत जल्दी पुरानी हो गई. ML algorithms से लेकर computing platforms तक सब कुछ बहुत बदलने वाला है. ML innovation लगभग पूरी तरह कुछ चुनिंदा elite कंपनियों के हाथ में है, इसलिए बहुत लोगों को इस तरह की सामग्री सीखना कुछ हद तक विरोधाभासी लगता है.
    • this तरह की किताब का मूल्यांकन करना मुश्किल है... (सिर्फ table of contents से?)
    • लेखक कौन है?
    • क्या उसके और भी अच्छी रेटिंग वाले प्रकाशन हैं?
    • क्या इस क्षेत्र को जानने वालों से अच्छी reviews मिली हैं?
    • क्या उन छात्रों से भी अच्छी reviews मिली हैं जो कुछ नहीं जानते?
    • शायद यह बेवकूफ़ी भरा सवाल हो, लेकिन: असली किताब खरीदी कैसे जाए?
    • 'डीप लर्निंग क्यों काम करती है' वाली PDF image शायद 'डीप लर्निंग और नैतिकता' की ओर इशारा कर रही है, और दूसरी तरफ भी शायद ऐसा ही है.
    • शानदार काम, और इसे मुफ़्त में उपलब्ध कराना वाकई कमाल है!!
    • RNN पर कोई अध्याय नहीं है, लेकिन 2016 में Ian Goodfellow की 'Deep Learning' आखिरी बार पढ़ने के बाद से transformer पर अध्याय होना दिलचस्प है.