Arcadia AI — मास्टर्स प्रोग्राम
HI
प्रोग्राम  /  सेमेस्टर 1 — AI Foundations
कोर्स

Classic ML, Deep Learning का परिचय

रैखिक मॉडल्स से लेकर न्यूरल नेटवर्क्स तक: क्लासिकल ML और Deep Learning में पहले कदम

NSDNYL
निकिता सेवेरिन, दिमित्री नेस्तेरोव, यारोस्लाव लेओनोव
फ़ैकल्टी की संरचना चर्चा में है

कोर्स के बारे में

यह कोर्स मशीन लर्निंग की एक सिरे-से-सिरे तक समझ विकसित करता है — रिग्रेशन और SVM से लेकर कन्वोल्यूशनल और रिकरेंट नेटवर्क्स तक। जनरलाइज़ेशन थ्योरी, bias-variance tradeoff, और मॉडल्स के सही वैलिडेशन पर विशेष ध्यान दिया जाता है। यह कोर्स प्रोग्राम के आगे के सभी विषयों के लिए एक साझा भाषा और प्रयोगों की बुनियाद तैयार करता है।

आप क्या सीखेंगे

हाइपरपैरामीटर्स के तर्कसंगत चयन के साथ क्लासिकल ML मॉडल्स बनाना और उनका वैलिडेशन करना
प्रशिक्षण के हर घटक की भूमिका समझते हुए न्यूरल नेटवर्क्स को शुरू से लागू करना
underfitting और overfitting का निदान करना और उपयुक्त रेगुलराइज़ेशन तकनीकों को लागू करना
एल्गोरिदम्स की तुलना उनके सैद्धांतिक और अनुभवजन्य जनरलाइज़ेशन गुणों के आधार पर करना

मुख्य विषय

रैखिक और लॉजिस्टिक रिग्रेशन; रेगुलराइज़ेशन (Ridge, Lasso, ElasticNet)
गुणवत्ता मेट्रिक्स: क्लासिफ़िकेशन, रिग्रेशन, रैंकिंग
डिसीज़न ट्रीज़, एन्सेम्बल विधियाँ (Random Forest, Gradient Boosting)
SVM और कर्नेल विधियाँ
जनरलाइज़ेशन थ्योरी: VC-डाइमेंशन, PAC-लर्निंग
बैकप्रोपेगेशन (backprop) और ऑटोमैटिक डिफरेंशिएशन
कन्वोल्यूशनल न्यूरल नेटवर्क्स (CNN): आर्किटेक्चर, पूलिंग, transfer learning
रिकरेंट नेटवर्क्स (RNN, LSTM, GRU)
नॉर्मलाइज़ेशन (Batch Norm, Layer Norm), Dropout, अर्ली स्टॉपिंग
यह विवरण स्वतः जनरेट किया गया है और अभी तक किसी फ़ैकल्टी सदस्य द्वारा जाँचा नहीं गया है — यह चर्चा हेतु एक ड्राफ़्ट है।