AI கற்றுக்கொள்வது எப்படி?

AI கற்றுக்கொள்வது எப்படி?

AI கற்றுக்கொள்வது ஒரு பெரிய நூலகத்திற்குள் நுழைவது போல இருக்கும், அங்கு ஒவ்வொரு புத்தகமும் "இங்கே தொடங்கு" என்று கத்துகிறது. பாதி அலமாரிகளில் "கணிதம்" என்று உள்ளது, அது... சற்று முரட்டுத்தனமானது 😅

நன்மை என்னவென்றால்: பயனுள்ள விஷயங்களை உருவாக்க நீங்கள் எல்லாவற்றையும் தெரிந்து கொள்ள வேண்டிய அவசியமில்லை. உங்களுக்கு ஒரு விவேகமான பாதை, சில நம்பகமான வளங்கள் மற்றும் சிறிது நேரம் குழப்பமடைய விருப்பம் தேவை (குழப்பம் என்பது அடிப்படையில் நுழைவு கட்டணம்).

இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:

🔗 AI எவ்வாறு முரண்பாடுகளைக் கண்டறிகிறது
இயந்திர கற்றல் மற்றும் புள்ளிவிவரங்களைப் பயன்படுத்தி ஒழுங்கின்மை கண்டறிதல் முறைகளை விளக்குகிறது.

🔗 AI ஏன் சமூகத்திற்கு மோசமானது?
செயற்கை நுண்ணறிவின் நெறிமுறை, சமூக மற்றும் பொருளாதார அபாயங்களை ஆராய்கிறது.

🔗 AI எவ்வளவு தண்ணீரைப் பயன்படுத்துகிறது?
AI ஆற்றல் நுகர்வு மற்றும் மறைக்கப்பட்ட நீர் பயன்பாட்டு தாக்கங்களை உடைக்கிறது.

🔗 AI தரவுத்தொகுப்பு என்றால் என்ன?
தரவுத்தொகுப்புகள், லேபிளிங் மற்றும் AI பயிற்சியில் அவற்றின் பங்கை வரையறுக்கிறது.

"AI" என்றால் அன்றாட வாழ்க்கையில் என்ன அர்த்தம் 🤷♀️

மக்கள் "AI" என்று கூறுகிறார்கள், மேலும் சில வித்தியாசமான விஷயங்களைக் குறிக்கிறார்கள்:

  • இயந்திர கற்றல் (ML) - மாதிரிகள் தரவுகளிலிருந்து உள்ளீடுகளை வரைபட வெளியீடுகளுக்கு வடிவங்களைக் கற்றுக்கொள்கின்றன (எ.கா., ஸ்பேம் கண்டறிதல், விலை கணிப்பு). [1]

  • ஆழ்ந்த கற்றல் (DL) - நரம்பியல் நெட்வொர்க்குகளை அளவில் (பார்வை, பேச்சு, பெரிய மொழி மாதிரிகள்) பயன்படுத்தும் ML இன் துணைக்குழு. [2]

  • உருவாக்க AI - உரை, படங்கள், குறியீடு, ஆடியோ (சாட்பாட்கள், கோபிலட்கள், உள்ளடக்க கருவிகள்) ஆகியவற்றை உருவாக்கும் மாதிரிகள். [2]

  • வலுவூட்டல் கற்றல் - சோதனை மற்றும் வெகுமதி மூலம் கற்றல் (விளையாட்டு முகவர்கள், ரோபாட்டிக்ஸ்). [1]

ஆரம்பத்திலேயே சரியாகத் தேர்ந்தெடுக்க வேண்டியதில்லை. AI-ஐ ஒரு அருங்காட்சியகம் போல நடத்தாதீர்கள். இது ஒரு சமையலறை போன்றது - சமைப்பதன் மூலம் நீங்கள் வேகமாகக் கற்றுக்கொள்கிறீர்கள். சில நேரங்களில் நீங்கள் சிற்றுண்டியை எரிப்பீர்கள். 🍞🔥

மற்றும் ஒரே மாதிரியான ஐடிகளைக் கவனிக்கும் வரை . கிளாசிக் கசிவு. ஒரு எளிய பைப்லைன் + சுத்தமான பிளவு சந்தேகத்திற்குரிய 0.99 ஐ நம்பகமான (குறைந்த!) மதிப்பெண்ணாகவும் உண்மையில் பொதுமைப்படுத்தப்பட்ட மாதிரியாகவும் மாற்றியது. [3]

ஒரு நல்ல “AI கற்றுக்கொள்வது எப்படி” திட்டத்தை உருவாக்குவது எது ✅

ஒரு நல்ல திட்டத்தில் சலிப்பாகத் தோன்றினாலும், மாதக்கணக்கில் சேமிக்கும் சில பண்புகள் உள்ளன:

  • நீங்கள் கற்றுக்கொள்ளும்போதே உருவாக்குங்கள் (சிறிய திட்டங்கள் ஆரம்பத்தில், பெரியவை பின்னர்).

  • தேவையான குறைந்தபட்ச கணிதத்தைக் கற்றுக் கொள்ளுங்கள் , பின்னர் ஆழத்திற்கு மீண்டும் வட்டமிடுங்கள்.

  • நீங்கள் என்ன செய்தீர்கள் என்பதை விளக்குங்கள் (உங்கள் வேலையை ரப்பர்-டக்; இது தெளிவற்ற சிந்தனையை குணப்படுத்துகிறது).

  • சிறிது நேரம் ஒரு "மைய அடுக்கில்" ஒட்டிக்கொள்க (பைதான் + ஜூபிடர் + ஸ்கைகிட்-லேர்ன் → பின்னர் பைடார்ச்).

  • பார்த்த மணிநேரங்களை அல்ல, வெளியீடுகளைக் கொண்டு முன்னேற்றத்தை அளவிடவும்

உங்கள் திட்டம் வீடியோக்களும் குறிப்புகளும் மட்டுமே என்றால், அது தண்ணீரைப் பற்றிப் படித்து நீந்த முயற்சிப்பது போன்றது.

உங்கள் பாதையைத் தேர்ந்தெடுங்கள் (இப்போதைக்கு) - மூன்று பொதுவான பாதைகள் 🚦

நீங்கள் வெவ்வேறு "வடிவங்களில்" AI ஐக் கற்றுக்கொள்ளலாம். வேலை செய்யும் மூன்று இங்கே:

1) நடைமுறை பில்டர் பாதை 🛠️

விரைவான வெற்றிகளையும் ஊக்கத்தையும் விரும்பினால் சிறந்தது.
கவனம் செலுத்துங்கள்: தரவுத்தொகுப்புகள், பயிற்சி மாதிரிகள், ஷிப்பிங் டெமோக்கள்.
தொடக்க ஆதாரங்கள்: கூகிளின் ML க்ராஷ் கோர்ஸ், காகில் லேர்ன், fast.ai (கீழே உள்ள குறிப்புகள் & ஆதாரங்களில் இணைப்புகள்).

2) அடிப்படைகள்-முதல் வழி 📚

தெளிவு மற்றும் கோட்பாட்டை நீங்கள் விரும்பினால் சிறந்தது.
கவனம்: பின்னடைவு, சார்பு-மாறுபாடு, நிகழ்தகவு சிந்தனை, உகப்பாக்கம்.
அறிவிப்பாளர்கள்: ஸ்டான்போர்ட் CS229 பொருட்கள், MIT இன்ட்ரோ டு டீப் லேர்னிங். [1][2]

3) gen-AI ஆப் டெவலப்பர் வழி ✨

உதவியாளர்கள், தேடல், பணிப்பாய்வுகள், "agent-y" பொருட்களை உருவாக்க விரும்பினால் சிறந்தது.
கவனம் செலுத்துதல்: தூண்டுதல், மீட்டெடுப்பு, மதிப்பீடுகள், கருவி பயன்பாடு, பாதுகாப்பு அடிப்படைகள், பயன்படுத்தல்.
நெருக்கமாக வைத்திருக்க வேண்டிய ஆவணங்கள்: இயங்குதள ஆவணங்கள் (APIகள்), HF பாடநெறி (கருவிகள்).

நீங்கள் பின்னர் பாதைகளை மாற்றலாம். தொடங்குவது கடினமான பகுதி.

 

AI படிப்பை எப்படி கற்றுக்கொள்வது

ஒப்பீட்டு அட்டவணை - கற்றுக்கொள்ள சிறந்த வழிகள் (நேர்மையான வினோதங்களுடன்) 📋

கருவி / பாடநெறி பார்வையாளர்கள் விலை இது ஏன் வேலை செய்கிறது (குறுகிய நேரம்)
கூகிள் இயந்திர கற்றல் செயலிழப்பு பாடநெறி தொடக்கநிலையாளர்கள் இலவசம் காட்சி + நடைமுறை; அதிகப்படியான சிக்கலைத் தவிர்க்கிறது.
காகில் கற்றல் (அறிமுகம் + இடைநிலை ML) பயிற்சியை விரும்பும் தொடக்கநிலையாளர்கள் இலவசம் சிறு சிறு பாடங்கள் + உடனடி பயிற்சிகள்
fast.ai நடைமுறை ஆழமான கற்றல் சில கோடிங் கொண்ட பில்டர்கள் இலவசம் நீங்க உண்மையான மாடல்களுக்கு சீக்கிரமா பயிற்சி கொடுக்கிறீங்க - உடனே 😅
DeepLearning.AI ML சிறப்பு கட்டமைக்கப்பட்ட கற்பவர்கள் செலுத்தப்பட்டது முக்கிய ML கருத்துக்கள் மூலம் தெளிவான முன்னேற்றம்
DeepLearning.AI Deep Learning விவரக்குறிப்பு ஏற்கனவே ML அடிப்படைகள் செலுத்தப்பட்டது நரம்பியல் வலைகள் + பணிப்பாய்வுகளில் திட ஆழம்
ஸ்டான்போர்ட் CS229 குறிப்புகள் கோட்பாடு சார்ந்த இலவசம் தீவிரமான அடிப்படைகள் ("இது ஏன் வேலை செய்கிறது")
scikit-learn பயனர் வழிகாட்டி எம்.எல். பயிற்சியாளர்கள் இலவசம் அட்டவணை/அடிப்படை வரிகளுக்கான உன்னதமான கருவித்தொகுப்பு
பைடார்ச் பயிற்சிகள் ஆழ்ந்த கற்றல் உருவாக்குநர்கள் இலவசம் டென்சர்களிலிருந்து சுத்தமான பாதை → பயிற்சி சுழல்கள் [4]
கட்டிப்பிடிக்கும் முகம் LLM பாடநெறி NLP + LLM உருவாக்குநர்கள் இலவசம் நடைமுறை LLM பணிப்பாய்வு + சுற்றுச்சூழல் அமைப்பு கருவிகள்
NIST AI இடர் மேலாண்மை கட்டமைப்பு AI-ஐப் பயன்படுத்தும் எவரும் இலவசம் எளிமையான, பயன்படுத்தக்கூடிய ஆபத்து/ஆளுமை சாரக்கட்டு [5]

சிறிய குறிப்பு: ஆன்லைனில் "விலை" என்பது விசித்திரமானது. சில விஷயங்கள் இலவசம் ஆனால் கவனம் செலுத்துவது விலை அதிகம்... இது சில நேரங்களில் மோசமானது.

உங்களுக்கு உண்மையில் தேவைப்படும் முக்கிய திறன்களின் தொகுப்பு (மற்றும் எந்த வரிசையில்) 🧩

நீரில் மூழ்காமல் AI ஐ எவ்வாறு கற்றுக்கொள்வது என்பது உங்கள் இலக்காக இருந்தால்

  1. பைதான் அடிப்படைகள்

  • செயல்பாடுகள், பட்டியல்கள்/அறிவுரைகள், ஒளி வகுப்புகள், கோப்புகளைப் படித்தல்.

  • கட்டாயம் இருக்க வேண்டிய பழக்கம்: குறிப்பேடுகளை மட்டும் எழுதாமல், சிறிய ஸ்கிரிப்ட்களை எழுதுங்கள்.

  1. தரவு கையாளுதல்

  • நம்பமுடியாத சிந்தனை, பாண்டாக்களின் அடிப்படைகள், சதித்திட்டம் தீட்டுதல்.

  • நீங்க இங்க நிறைய நேரம் செலவிடுவீங்க. கவர்ச்சியா இல்ல, ஆனா அதுதான் வேலை.

  1. கிளாசிக்கல் எம்.எல் (குறைத்து மதிப்பிடப்பட்ட வல்லரசு)

  • ரயில்/சோதனை பிளவுகள், கசிவு, அதிகப்படியான பொருத்துதல்.

  • நேரியல்/தளவாட பின்னடைவு, மரங்கள், சீரற்ற காடுகள், சாய்வு அதிகரிப்பு.

  • அளவீடுகள்: துல்லியம், துல்லியம்/நினைவுகூரு, ROC-AUC, MAE/RMSE - எப்போது அர்த்தமுள்ளதாக இருக்கும் என்பதை அறிந்து கொள்ளுங்கள். [3]

  1. ஆழ்ந்த கற்றல்

  • டென்சர்கள், சாய்வுகள்/பின்முனைப்பு (கருத்தியல் ரீதியாக), பயிற்சி சுழல்கள்.

  • படங்களுக்கு CNNகள், உரைக்கு மின்மாற்றிகள் (இறுதியில்).

  • சில முழுமையான PyTorch அடிப்படைகள் நீண்ட தூரம் செல்கின்றன. [4]

  1. ஜெனரேட்டிவ் AI + LLM பணிப்பாய்வுகள்

  • டோக்கனைசேஷன், உட்பொதித்தல், மீட்டெடுப்பு-மேம்படுத்தப்பட்ட உருவாக்கம், மதிப்பீடு.

  • ஃபைன்-ட்யூனிங் vs. ப்ராம்ப்டிங் (மற்றும் உங்களுக்கு இரண்டும் தேவையில்லாதபோது).

நீங்கள் பின்பற்றக்கூடிய படிப்படியான திட்டம் 🗺️

கட்டம் A – உங்கள் முதல் மாடலை வேலை செய்ய வைக்கவும் (வேகமாக) ⚡

குறிக்கோள்: எதையாவது பயிற்றுவித்தல், அளவிடுதல், மேம்படுத்துதல்.

  • ஒரு சிறிய அறிமுகத்தை (எ.கா., ML Crash Course), பின்னர் ஒரு நேரடி மைக்ரோ-கோர்ஸை (எ.கா., Kaggle Intro) செய்யுங்கள்.

  • திட்ட யோசனை: பொது தரவுத்தொகுப்பில் வீட்டு விலைகள், வாடிக்கையாளர் ஏற்ற இறக்கங்கள் அல்லது கடன் அபாயத்தைக் கணிக்கவும்.

சிறிய "வெற்றி" சரிபார்ப்புப் பட்டியல்:

  • நீங்கள் தரவை ஏற்றலாம்.

  • நீங்கள் ஒரு அடிப்படை மாதிரியைப் பயிற்றுவிக்கலாம்.

  • மிகைப்படுத்தலை நீங்கள் எளிய மொழியில் விளக்கலாம்.

கட்டம் B - உண்மையான ML பயிற்சியுடன் வசதியாக இருங்கள் 🔧

குறிக்கோள்: பொதுவான தோல்வி முறைகளால் ஆச்சரியப்படுவதை நிறுத்துங்கள்.

  • இடைநிலை ML தலைப்புகளில் வேலை செய்யுங்கள்: விடுபட்ட மதிப்புகள், கசிவு, குழாய்வழிகள், CV.

  • சில scikit-learn பயனர் வழிகாட்டி பிரிவுகளைத் தவிர்த்து, துணுக்குகளை இயக்கவும். [3]

  • திட்ட யோசனை: சேமிக்கப்பட்ட மாதிரி + மதிப்பீட்டு அறிக்கையுடன் கூடிய எளிய முழுமையான குழாய்வழி.

கட்டம் C – மாயாஜாலம் போல உணராத ஆழமான கற்றல் 🧙♂️

குறிக்கோள்: ஒரு நரம்பியல் வலையமைப்பைப் பயிற்றுவித்து பயிற்சி வளையத்தைப் புரிந்து கொள்ளுங்கள்.

  • PyTorch “Learn the Basics” பாதையைச் செய்யுங்கள் (டென்சர்கள் → தரவுத்தொகுப்புகள்/தரவு ஏற்றிகள் → பயிற்சி/eval → சேமித்தல்). [4]

  • வேகம் மற்றும் நடைமுறை அதிர்வுகளை நீங்கள் விரும்பினால், விருப்பமாக fast.ai உடன் இணைக்கவும்.

  • திட்ட யோசனை: பட வகைப்படுத்தி, உணர்வு மாதிரி அல்லது ஒரு சிறிய மின்மாற்றி நன்றாகச் சரிசெய்தல்.

கட்டம் D - உண்மையில் செயல்படும் ஜெனரேட்டிவ் AI பயன்பாடுகள் ✨

குறிக்கோள்: மக்கள் பயன்படுத்தும் ஒன்றை உருவாக்குதல்.

  • உட்பொதித்தல், மீட்டெடுப்பு மற்றும் பாதுகாப்பான தலைமுறைகளை இணைக்க ஒரு நடைமுறை LLM பாடநெறி + விற்பனையாளரின் விரைவுத் தொடக்கத்தைப் பின்பற்றவும்.

  • திட்ட யோசனை: உங்கள் ஒரு கேள்வி பதில் பாட் (துண்டு → உட்பொதி → மீட்டெடு → மேற்கோள்களுடன் பதில்), அல்லது கருவி அழைப்புகளுடன் ஒரு வாடிக்கையாளர் ஆதரவு உதவியாளர்.

"கணித" பகுதி - முழு உணவையும் அல்ல, சுவையூட்டுவது போல கற்றுக்கொள்ளுங்கள் 🧂

கணிதம் முக்கியம், ஆனால் நேரம் அதைவிட முக்கியம்.

தொடங்குவதற்கு குறைந்தபட்ச சாத்தியமான கணிதம்:

  • நேரியல் இயற்கணிதம்: திசையன்கள், அணிகள், புள்ளிப் பெருக்கல்கள் (உட்பொதிப்புகளுக்கான உள்ளுணர்வு). [2]

  • கால்குலஸ்: வழித்தோன்றல் உள்ளுணர்வு (சாய்வுகள் → சாய்வுகள்). [1]

  • நிகழ்தகவு: பரவல்கள், எதிர்பார்ப்பு, அடிப்படை பேய்ஸ்-இஷ் சிந்தனை. [1]

நீங்கள் பின்னர் இன்னும் முறையான அடிப்படையை விரும்பினால், அடிப்படைகளுக்கான CS229 குறிப்புகள் மற்றும் நவீன தலைப்புகளுக்கான MIT இன் அறிமுக ஆழமான கற்றலைப் பற்றி சிந்தியுங்கள். [1][2]

நீங்கள் என்ன செய்கிறீர்கள் என்பது உங்களுக்குத் தெரியும் என்பது போல் காட்டும் திட்டங்கள் 😄

பொம்மை தரவுத்தொகுப்புகளில் வகைப்படுத்திகளை மட்டும் உருவாக்கினால், நீங்கள் சிக்கிக் கொள்வீர்கள். உண்மையான வேலையைப் போன்ற திட்டங்களை முயற்சிக்கவும்:

  • அடிப்படை-முதல் ML திட்டம் (scikit-learn): சுத்தமான தரவு → வலுவான அடிப்படை → பிழை பகுப்பாய்வு. [3]

  • LLM + மீட்டெடுப்பு பயன்பாடு: ஆவணங்களை உள்ளிடு → துண்டாக → உட்பொதி → மீட்டெடுப்பு → மேற்கோள்களுடன் பதில்களை உருவாக்கு.

  • மாதிரி கண்காணிப்பு மினி-டாஷ்போர்டு: பதிவு உள்ளீடுகள்/வெளியீடுகள்; சறுக்கல்-இஷ் சிக்னல்களைக் கண்காணிக்கவும் (எளிய புள்ளிவிவரங்கள் கூட உதவுகின்றன).

  • பொறுப்பான AI மினி-தணிக்கை: ஆவண அபாயங்கள், விளிம்பு நிலை வழக்குகள், தோல்வி தாக்கங்கள்; இலகுரக கட்டமைப்பைப் பயன்படுத்தவும். [5]

பொறுப்பான & நடைமுறை பயன்பாடு (ஆம், தனி கட்டுமான நிறுவனங்களுக்கும் கூட) 🧯

யதார்த்த சரிபார்ப்பு: ஈர்க்கக்கூடிய டெமோக்கள் எளிதானவை; நம்பகமான அமைப்புகள் இல்லை.

  • ஒரு சிறிய "மாதிரி அட்டை" பாணி README ஐ வைத்திருங்கள்: தரவு மூலங்கள், அளவீடுகள், அறியப்பட்ட வரம்புகள், புதுப்பிப்பு கேடன்ஸ்.

  • அடிப்படை பாதுகாப்புத் தண்டவாளங்களைச் சேர்க்கவும் (விகித வரம்புகள், உள்ளீட்டு சரிபார்ப்பு, துஷ்பிரயோக கண்காணிப்பு).

  • பயனர் எதிர்கொள்ளும் அல்லது அதன் விளைவாக ஏற்படும் எதற்கும், ஆபத்து அடிப்படையிலான அணுகுமுறையைப் பயன்படுத்தவும்: தீங்குகளை அடையாளம் காணுதல், சோதனை விளிம்பு வழக்குகள் மற்றும் ஆவணக் குறைப்புகளை மேற்கொள்ளுதல். NIST AI RMF இதற்காகவே சரியாக உருவாக்கப்பட்டது. [5]

பொதுவான தவறுகள் (அதனால் நீங்கள் அவற்றைத் தவிர்க்கலாம்) 🧨

  • பயிற்சித் துள்ளல் - "இன்னும் ஒரே ஒரு பாடநெறி" உங்கள் முழு ஆளுமையாக மாறும்.

  • கடினமான தலைப்பில் இருந்து தொடங்குங்கள் - மின்மாற்றிகள் அருமையாக இருக்கும், ஆனால் அடிப்படை விஷயங்களுக்கு வாடகை செலுத்த வேண்டும்.

  • மதிப்பீட்டைப் புறக்கணித்தல் - துல்லியம் மட்டுமே நேர்மையான முகத்துடன் இருக்க முடியும். வேலைக்கு சரியான அளவீட்டைப் பயன்படுத்தவும். [3]

  • விஷயங்களை எழுதி வைக்காமல் - சிறு குறிப்புகளை வைத்திருங்கள்: எது தோல்வியடைந்தது, எது மாறியது, எது மேம்பட்டது.

  • பயன்படுத்தல் பயிற்சி இல்லை - ஒரு எளிய பயன்பாட்டு உறை கூட நிறைய கற்றுக்கொடுக்கிறது.

  • ஆபத்து பற்றிய சிந்தனையைத் தவிர்க்கவும் - நீங்கள் அனுப்புவதற்கு முன் சாத்தியமான தீங்குகள் குறித்து இரண்டு பொட்டுகளை எழுதுங்கள். [5]

இறுதி குறிப்புகள் – மிக நீளமாக உள்ளது, நான் அதைப் படிக்கவில்லை 😌

AI-ஐ எப்படிக் கற்றுக்கொள்வது என்று கேட்டால் , இதோ மிகவும் எளிமையான வெற்றிகரமான செய்முறை:

  • நேரடி ML அடிப்படைகளுடன் தொடங்குங்கள் (சிறிய அறிமுகம் + காகில்-பாணி பயிற்சி).

  • உண்மையான ML பணிப்பாய்வுகள் மற்றும் அளவீடுகளைக் கற்றுக்கொள்ள scikit-learn ஐப் பயன்படுத்தவும்

  • ஆழமான கற்றல் மற்றும் பயிற்சி சுழற்சிகளுக்கு PyTorch க்கு செல்லவும்

  • நடைமுறை பாடநெறி மற்றும் API விரைவுத் தொடக்கங்களுடன் LLM திறன்களைச் சேர்க்கவும்

  • தரவு தயாரிப்பு, மாடலிங், மதிப்பீடு மற்றும் ஒரு எளிய "தயாரிப்பு" ரேப்பர் ஆகியவற்றைக் காட்டும் 3–5 திட்டங்களை உருவாக்குங்கள்

  • ஆபத்து/ஆளுகையை கருதுங்கள் , ஒரு விருப்பத்தேர்வாக அல்ல. [5]

ஆமாம், சில நேரங்களில் நீங்கள் தொலைந்து போவது போல் உணர்வீர்கள். அது இயல்பானது. AI என்பது ஒரு டோஸ்டருக்கு படிக்கக் கற்றுக் கொடுப்பது போன்றது - அது வேலை செய்யும் போது சுவாரஸ்யமாக இருக்கும், வேலை செய்யாதபோது சற்று திகிலூட்டும், மேலும் யாரும் ஒப்புக்கொள்வதை விட அதிக மறு செய்கைகள் தேவைப்படும் 😵💫

குறிப்புகள்

[1] ஸ்டான்ஃபோர்டு CS229 விரிவுரை குறிப்புகள். (மைய ML அடிப்படைகள், மேற்பார்வையிடப்பட்ட கற்றல், நிகழ்தகவு கட்டமைப்பது).
https://cs229.stanford.edu/main_notes.pdf

[2] MIT 6.S191: ஆழமான கற்றலுக்கான அறிமுகம். (ஆழமான கற்றல் கண்ணோட்டம், LLMகள் உட்பட நவீன தலைப்புகள்).
https://introtodeeplearning.com/

[3] scikit-learn: மாதிரி மதிப்பீடு & அளவீடுகள். (துல்லியம், துல்லியம்/மீண்டும் நினைவுபடுத்துதல், ROC-AUC, முதலியன).
https://scikit-learn.org/stable/modules/model_evaluation.html

[4] PyTorch பயிற்சிகள் - அடிப்படைகளைக் கற்றுக்கொள்ளுங்கள். (டென்சர்கள், தரவுத்தொகுப்புகள்/தரவு ஏற்றிகள், பயிற்சி/eval சுழல்கள்).
https://docs.pytorch.org/tutorials/beginner/basics/intro.html

[5] NIST AI இடர் மேலாண்மை கட்டமைப்பு (AI RMF 1.0). (ஆபத்து சார்ந்த, நம்பகமான AI வழிகாட்டுதல்).
https://nvlpubs.nist.gov/nistpubs/ai/nist.ai.100-1.pdf

கூடுதல் வளங்கள் (கிளிக் செய்யக்கூடியவை)

அதிகாரப்பூர்வ AI உதவியாளர் கடையில் சமீபத்திய AI ஐக் கண்டறியவும்.

எங்களை பற்றி

வலைப்பதிவிற்குத் திரும்பு