Minna no AI – बुनियादी गणित से backpropagation तक, computation flow के ज़रिये AI को समझाने वाला learning platform
(mdooai.com)नमस्ते। मैं एक working professional हूँ, developer के रूप में काम करते हुए AI में रुचि पैदा हुई, और पिछले साल से night AI graduate school में पढ़ाई कर रहा हूँ।
AI competition में हिस्सा लेकर पुरस्कार भी जीते हैं, और अलग-अलग models को खुद बनाकर tuning करते हुए मैंने एक बात महसूस की।
तकनीकें भी महत्वपूर्ण हैं, लेकिन आखिरकार performance में फर्क पैदा करने वाली चीज़ बुनियाद की समझ ही होती है।
वाइब कोडिंग के ज़रिये model को जल्दी apply करना आसान हो गया है, लेकिन जब performance उम्मीद के मुताबिक नहीं आती, तब उसके कारण को समझाना और सुधारना अभी भी मुश्किल है।
खास तौर पर, अगर mathematical foundation और AI principles की समझ न हो, तो कहाँ bottleneck हो रहा है इसे संरचनात्मक रूप से analyze करना कठिन लगता है।
इसीलिए पढ़ते समय व्यवस्थित किए गए नोट्स के आधार पर मैंने खुद एक learning platform विकसित करके सार्वजनिक किया है।
यह platform बुनियादी गणित से लेकर deep learning की core structure तक क्रमिक रूप से जुड़ी हुई curriculum के रूप में बना है।
📘 Part 1. बुनियादी गणित और AI
Ch.00 बुनियादी गणित और AI: AI की भाषा सीखना
Ch.01 फ़ंक्शन: input और output को जोड़ने वाली AI की मूल इकाई
Ch.02 घात और exponential function: growth और activation का गणित
Ch.03 logarithmic function: multiplication को addition में, loss को design करने की भाषा
Ch.04 limit और ε-δ: ‘अनंत रूप से करीब आना’ को परिभाषित करना
Ch.05 continuity: बिना टूटन वाली curve, differentiation का द्वार खोलना
Ch.06 differentiation और derivative: क्षणिक ढाल, learning का compass
Ch.07 chain rule: layered functions को खोलना, backpropagation का core
Ch.08 partial differentiation और gradient: कई variables की दुनिया, gradient descent की दिशा
Ch.09 integration: area और accumulation, probability तक जाने वाला पुल
Ch.10 random variable और probability distribution: uncertainty को संख्याओं में समेटना
Ch.11 mean और variance: distribution का केंद्र और फैलाव
Ch.12 uniform distribution और normal distribution: initialization से prediction तक
📗 Part 2. deep learning की संरचना को समझना
Ch.00 deep learning की पहली सीढ़ी: AI कैसे सोचता है?
Ch.01 vector dot product: data के बीच समानता ढूँढना
Ch.02 matrix multiplication: एक साथ गणना करने का जादू
Ch.03 linear layer: महत्व तय करने वाले weights
Ch.04 activation function: AI में निर्णय क्षमता जोड़ना
Ch.05 artificial neuron: जानकारी इकट्ठा कर signal भेजने वाली इकाई
Ch.06 batch processing: समूह बनाकर एक बार में सीखना
Ch.07 weight connections: intelligence बनाने वाली असंख्य कड़ियाँ
Ch.08 hidden layer: नज़र न आने वाली सोच की गहराई
Ch.09 deep neural network: अधिक जटिल समस्याएँ हल करने की शक्ति
Ch.10 width और neurons: एक साथ अधिक features ढूँढना
Ch.11 softmax: परिणाम को confidence में बदलना
Ch.12 gradient और backpropagation: गलतियों के माध्यम से सीखने का तरीका
Ch.13 समग्र पुनरावलोकन: एक नज़र में AI का नक्शा
यह सिर्फ़ concepts का summary नहीं है, बल्कि computation flow को step by step follow करते हुए “यह ऐसे क्यों काम करता है” समझने के तरीके से बनाया गया है। इसका केंद्र visualization और interaction है।
आगे चलकर machine learning समेत तरह-तरह के AI educational content को लगातार विस्तार देने की योजना है।
यह अभी शुरुआती version है, लेकिन लगातार सुधार किया जा रहा है।
अगर आप feedback देंगे, तो उसे सक्रिय रूप से शामिल करूँगा।
9 टिप्पणियां
धन्यवाद। मैं इसे AI की पढ़ाई में इस्तेमाल करूंगा।
धन्यवाद। हम आगे और ज़्यादा कंटेंट जोड़ने वाले हैं। कृपया अक्सर आते रहिए!
फ़ंक्शन। प्रश्न 15। $f(x) = -3x + 5, f(7) = -16
मैंने 16 दर्ज किया, लेकिन इसे गलत उत्तर बताया जा रहा है
अरे, मैं इसे ठीक कर दूँगा/दूँगी। धन्यवाद!
प्रश्न हल करने की प्रक्रिया में जब उत्तर दर्ज किया जाता है, तो यदि सही उत्तर
-चिह्न वाला ऋणात्मक संख्या हो, तो पहले से लगे चिह्न को पहचान नहीं पाता और उसे गलत उत्तर मान लेता है.अरे, मैं इसे ठीक कर दूँगा/दूँगी। धन्यवाद!
मैंने पहली बार AdSense लागू किया था, इसलिए मुझसे गलती हो गई..! मैं इसे ठीक कर दूँगा/दूँगी, धन्यवाद :)
सामग्री अच्छी है, लेकिन विज्ञापन पॉप-अप बहुत ज़्यादा हैं, इसलिए देखना मुश्किल हो जाता है।
मैंने पहली बार AdSense लागू किया था, इसलिए मुझसे गलती हो गई..! मैं इसे ठीक कर दूँगा/दूँगी, धन्यवाद :)