00:00सो आज के इस वीडियो में हम लोग बात करेंगे कि What is Machine Learning और Why you should be focusing on Machine Learning and AI in 2024। आज की तारीख में, जहां सब लोग कहते हैं कि AI और Machine Learning जॉब्स छीन लेगी, उन सारे डेवलपर्स की जो कि मेहनत करके सॉफ्टवेयर बना रहे थे। मेरा थोड़ा सा मानना यहां पर अलग है। मैं कहूंगा, जॉब्स छीनेंगे नहीं, पता है कौन? AI नहीं, वो इंसान छीनगा जो कि AI और Machine Learning टूल्स को सीखना और जानना जानेगा। क्योंकि एक बार एक इंसान AI और Machine Learning के टूल्स को सीखना और जान गया, नहीं तो उसके लिए बहुत आसान हो जाएगा उन कामों को करना, जो कि एक सामान्य सॉफ्टवेयर डेवलपर बहुत मेहनत डाल कर करता है। और ऐसे में काम आने वाला है आपका स्मार्ट वर्क, कि आप लोग कर क्या रहे हो, आप क्या सीख रहे हो। एक काम को करने का एक तरीका था, 10 मिनट में आप लोगों ने उसको बना दिया। एक घंटा..

00:40क्लासिकल अप्रोच से कर रहे हो तो वह व्यक्ति आपको जल्दी रिप्लेस कर देगा, जो कि 10 मिनट में काम कर लेता है। इसी बात को मैं आज समझाने वाला हूँ कि मशीन लर्निंग क्या होती है, आर्टिफिशियल इंटेलिजेंस क्या होती है। आप लोग कैसे आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग सीख सकते हैं, और कुछ मॉडर्न टूल्स के बारे में भी बात करेंगे जो कि आपको यूज़ करने चाहिए यदि आप लोग मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस पर फोकस करना चाहते हैं 2024 में, अपने करियर को एक बूस्ट देना चाहते हैं। यह बात थोड़ी कड़वी हो सकती है, लेकिन मैं कहूंगा कि अपने करियर को सुरक्षित रखना चाहते हैं। मशीन लर्निंग क्या है? मशीन लर्निंग डेटा पर एक एल्गोरिदम ट्रेन करने की प्रक्रिया है। इसका मतलब है कि आपके पास बहुत सारा डेटा है, मान लीजिए 3 बिलियन डेटा पॉइंट्स। और अब आप चाहते हैं कि आप उन 3 बिलियन डेटा पॉइंट्स को देखते हुए नए डेटा पॉइंट्स के बारे में भविष्यवाणी कर सकें। प्रेडिक्शन कर सकते हैं नाओलेट अस से। मेरे पास डेटा है कि हवा कितनी तेज चल रही थी, मेरे पास डेटा है कि प्रेसिपिटेशन कितना था, ह्यूमिडिटी कितनी थी और टेंपरेचर कितना था उस दिन, और मुझे प्रेडिक्ट करना है कि वेदर इज़ गोइंग टू रेन ऑर नॉट। मैं कर सकता हूं ऐसा यूज़िंग मशीन लर्निंग एल्गोरिदम्स। किस तरह से मैं करूंगा प्रेडिक्शन? मैं करूंगा एक मशीन लर्निंग एल्गोरिदम को वो पुराना डेटा दिखाकर, तो मैं कहूंगा, यार, जब प्रेसिपिटेशन इतना, ह्यूमिडिटी इतनी, टेंपरेचर इतना, तब बारिश हुआ था। प्रेसिपिटेशन, ह्यूमिडिटी, टेंपरेचर इतना, तो बारिश नहीं हुआ था। फिर मैं जब नई वैल्यू दूंगा कि, भाई, आज का प्रेसिपिटेशन, ह्यूमिडिटी और टेंपरेचर यह है, तो उसके आधार पर मुझे वो बता देगा कि, यार, यह जो वैल्यू है, इसके हिसाब से आज बारिश नहीं होने वाली है, या आज बारिश होने वाली है। क्या वह सच होगा? नहीं, वो एक प्रेडिक्शन होगा तो जो मशीन लर्निंग और एआई करता है, वह प्रिडिक्शंस करता है। यह बहुत सिंपल सी प्रेडिक्शन की बात कर दी है मैंने, लेकिन इसी चीज को एक नेक्स्ट लेवल पर अगर आप लोग लेकर जाएं, डीप लर्निंग के थ्रू, आप लोग अगर कॉम्प्लेक्स मुद्दों को ट्रेन करो, तो वहां पर देखा जाता है कि कॉम्प्लेक्स मुद्दों पर ट्रेन करके यह प्रोसेस इतनी खतरनाक बन जाती है कि मानव भी हैरान रह जाते हैं। 4GB का इसका बहुत क्लासिकल उदाहरण है, और अब GPT-3 (जेनरेटिव प्री-ट्रेन्ड ट्रांसफार्मर 3) ना कि सिर्फ एक मशीन लर्निंग मॉडल है। GPT-3 आप लोगों को मशीन लर्निंग के ऊपर कुछ लेयर्स ऑफ़ एब्स्ट्रैक्शन भी देता है, यानी कि उसमें कुछ रेगुलर रूल्स भी लिखे हुए हैं, कुछ चेक्स लगे हुए हैं। GPT-3 जस्ट एक न्यूरल नेटवर्क नहीं है। मैं आपको यह भी बता दूं कि उस न्यूरल नेटवर्क के ऊपर थोड़ा सा कस्टमाइजेशन करके एक ऐसी चीज बना दी जाती है जो कि एक..

02:51आम इंसान के माइंड को ब्लो कर दे, अगर आप लोग मशीन लर्निंग को सीखना चाहते हैं और मशीन लर्निंग मॉडल्स को। भाई, इंडस्ट्री में आप लोगों से बेसिक्स नहीं पूछे जाते हैं। आप लोगों के पास होगा रियल वर्ल्ड डाटा, और आपको बोला जाएगा, भाई, इस डाटा पर हमें काम करके दो, कुछ इनसाइट्स निकाल के दो, बिजनेस का फायदा करा के दो। और ऐसे में, आप लोगों के लिए जरूरी यह नहीं होगा कि आप मशीन लर्निंग के वो वाले एल्गोरिदम या वो वाला फंक्शन याद करें। लेकिन वहां पर जरूरी यह होगा कि आप इंप्लीमेंटेशन कितनी देर में कर रहे हैं, और अगर आप लोग इंप्लीमेंटेशन अच्छी तरह से कर पा रहे हैं, ना, तो आप बहुत सफल होंगे। आपकी डिमांड बढ़ जाएगी, आपको एक ऐसे इंसान के रूप में पहचाना जाएगा कि यार, ये इंसान तो दस घंटे का काम आधे घंटे में कर देता है, एआई टूल्स की सहायता से, और कुछ ऐसे टूल्स की। सहायता से जिससे एआई मॉडल्स डिप्लॉय कर सकते हैं, आप amazon.in पर जा सकते हैं, टेस्ट कर सकते हैं, और डिप्लॉय्ड की बहुत सारी चीजें हैं जिन्हें आप लोग उपयोग करके अपने वर्कफ्लो को बहुत तेज़ कर सकते हैं। मैं amazonaws.com पर बहुत सारे ऐसे फ्री कोर्सेस हैं जो कि आपको जनरेटर के बारे में सिखाएंगे। यदि आप इस वेबपेज को खोलेंगे, जो कि मैंने डिस्क्रिप्शन में भी दिया हुआ है, तो यहां पर आप लोग देखेंगे कि एक मशीन लर्निंग बेसिक्स का वीडियो दिया हुआ है, "What is a revolution?" वीडियो, लेट मी टेल यू। आप लोग इस वीडियो को देखना, मैंने इस वीडियो को पूरा देखा और यह एक गेम चेंजर था क्योंकि इन्होंने amazononline.in आ ठीक है। सिर्फ आपको एल्गोरिदम्स के बारे में नहीं जानना है, बल्कि आप लोगों को जानना चाहिए कि किस तरह से ये चीजें करनी हैं। और यहां पर अगर आप लोग कोड वस्पर को यूज़ करना सीख गए। आप लोग सेज मेकर को यूज़ करना सीख गए तो आप लोग AWS की सहायता से जो जो चीजें आप कर पा रहे हो, वो आप और फास्ट कर पाएंगे। तो मैं अगर आप लोगों को स्किल बिल्डर के पास लेकर चलूं, तो आप लोग इस पर साइन अप कर सकते हो, और बहुत सारे कोर्सेस यहां पर फ्री हैं। यार, आप लोग इनको एक्सप्लोर करो और इनको लेना शुरू करो, और आने वाले एक दो साल में इन सब चीजों की डिमांड बहुत ज्यादा बढ़ने वाली है। और जैसे कि मैंने आप लोगों को अभी थोड़ी देर पहले बताया कि आपको रेसैप AI नहीं करेगा, आपको रेसैप AI को इस्तेमाल करके काम करने वाला इंसान करेगा, जो कि आपसे ज्यादा फास्ट होगा, क्योंकि वो AI का इस्तेमाल करता है। तो यार, इसलिए मैं ये सारी रिसोर्सेस जो हैं वो डिस्क्रिप्शन में डाल दूंगा आप लोगों के लिए, और आप धीरे-धीरे करके सारी चीजें सीख सकते हो। यहाँ पर Amazon AI के उसी के साथ-साथ किस। तरह से आप लोग amazon.fr में दे देंगे। अब हम इस बात पर वापस आते हैं कि मशीन लर्निंग क्या होती है। तो डेटा को दिखाकर हम प्रेडिक्शन कर सकते हैं, मशीन लर्निंग की सहायता से। ये तो मैंने आप लोगों को अभी बताया, लेकिन मशीन लर्निंग तीन प्रकार की होती है। अगर सिर्फ मशीन लर्निंग की बात करूं, तो सुपरवाइज्ड, अनसुपरवाइज्ड और रिइन्फोर्समेंट लर्निंग। सुपरवाइज्ड लर्निंग में क्या होता है कि आपके पास कुछ इनपुट होते हैं, एक आउटपुट होता है या मल्टीपल आउटपुट भी हो सकते हैं। और आपके पास इस तरह का ऑर्गनाइज़्ड डेटा होता है, जैसे कि मैंने आपको बताया था, प्रिसिपिटेशन, ह्यूमिडिटी और टेंपरेचर के आधार पर हम प्रेडिक्ट कर रहे थे कि रेन हाँ या नहीं। अगर मेरे पास ऐसा बहुत सारा डेटा है, फिर नए प्रिसिपिटेशन, ह्यूमिडिटी और टेंपरेचर की वैल्यूज मेरे पास होती हैं, तो मैं उसके आधार पर ये पता लगा सकता हूं कि क्या रेन

06:44होगी या नहीं होगी, या कोई इंसान के अगर कुछ पैरामीटर्स मेरे पास हैं, हेल्थ पैरामीटर्स, जैसे कि ब्लड प्रेशर, ब्लड शुगर, और साथ ही साथ हृदय गति आदि, तो मैं पता लगा सकता हूं कि वह डायबिटीक है या नहीं। अगर मैं इसको मशीन लर्निंग टूल्स से रन करूंगा, तो मरीज के बारे में बहुत अच्छी जानकारी निकल सकती है, जिससे पता चल सकता है कि उसको डायबिटीज हो सकती है या नहीं। उसके आधार पर मैं टेस्ट वगैरह कर सकता हूं। तो मेडिकल और हेल्थ केयर में भी इसका बहुत अधिक इस्तेमाल बढ़ रहा है, क्योंकि जेनरेटिव AI बहुत ज्यादा मैनुअल वर्क बचा रहा है। सुपरवाइज्ड लर्निंग में क्या होता है कि आपके पास जो इनपुट हैं, वही आउटपुट को फिक्स्ड करता है। यानी, आउटपुट आपका निरूपित होता है। अनसुपरवाइज्ड लर्निंग में आपके पास डेटा होता है। और उस data पे आपको एक algorithm को इस प्रकार से train करना होता है कि algorithm आपके पास यह बताता है कि यह data किस तरह से organize किया जा सकता है। उदाहरण के तौर पर, मैं clustering कर सकता हूं, मेरे पास बहुत सारे data points हैं, और मैं यह पता लगाना चाहता हूं कि इनमें से कौन से data points एक दूसरे से related हैं और कितनी ज्यादा related हैं। तो मैं K-Means clustering algorithm का इस्तेमाल कर सकता हूं, या फिर और भी कई unsupervised algorithms हैं, जिनका उपयोग करके clustering कर सकता हूं और data को कुछ labels में classify कर सकता हूं। इन labels को मैं खुद से generate कर सकता हूं, जैसे कि Generate AI और NLP में ये सब चीजें बहुत ज्यादा इस्तेमाल होती हैं। एक बार data neural network से होकर गुजरता है, तो जो supervised learning है, उसमें labeled data का इस्तेमाल किया जाता है। उदाहरणों का उपयोग होता है, और जो अनसुपरवाइज्ड लर्निंग होती है, उसमें अनलेबल्ड उदाहरणों का उपयोग किया जाता है। एक और अनसुपरवाइज्ड लर्निंग का उदाहरण है क्रेडिट कार्ड का फ्रॉड डिटेक्शन, जिसमें पता चलता है कि कौन सा क्रेडिट कार्ड का ट्रांजैक्शन फ्रोड हो सकता है। यह आधारित है कि उस ट्रांजैक्शन का आईपी से पता चलता है कि इसकी उत्पत्ति कहां से हो रही है। ऐसी चीजें अनसुपरवाइज्ड लर्निंग में देखने को मिलेंगी। फिर, एक और श्रेणी है रिइंफोर्समेंट लर्निंग। रिइंफोर्समेंट लर्निंग में क्या होता है कि हम एक एजेंट को छोड़ देते हैं डाटा संग्रह करने के लिए, जो ट्रायल और एरर करता है। उस ट्रायल और एरर के आधार पर उसे या तो रिवार्ड्स मिलते हैं या पेनल्टी, और वह अपने रिवार्ड्स को अधिकतम करने का प्रयास करता है। है और उसके बाद वह सिर्फ वही काम करता है जिससे उसका रिवार्ड मैक्सिमाइज हो, और वह खुद ही इस बात को जान लेता है कि मुझे ऐसा कौन सा काम करना चाहिए जिससे कि मेरा रिवार्ड जो है, वो मैक्सिमाइज हो। अब एक मशीन लर्निंग एल्गोरिथम को किसी एक डेटा पर रन करने के लिए ओवरऑल प्रोसेस क्या होती है, आप लोग किस तरह की प्रोसेस से गुजरेंगे? अगर आप लोग एक मशीन लर्निंग एल्गोरिथम से मॉडल को ट्रेन करना चाहते हैं, तो पहला स्टेप होता है डेटा कलेक्शन। इसमें आप लोग डेटा को कलेक्ट करते हैं। अब आपका डेटा अगर किसी डेटाबेस में मौजूद है, तो वहां से आप डेटा को पुल करके डिजायर्ड फॉर्मेट में लेकर आएंगे। और जो दूसरी स्टेप है डेटा कलेक्शन के बाद, वह होती है डेटा प्री-प्रोसेसिंग, जिसमें कि आप लोग क्लीन अप करेंगे डेटा को और क्लीन अप करने के बाद उसको एक ऐसे फॉर्मेट में लाएंगे, सच में ताकि वह मशीन द्वारा खपत योग्य हो सके। लर्निंग एल्गोरिदम के बाद होता है मॉडल सेलेक्शन, जिसमें आप एक पर्याप्त मॉडल को चुनेंगे या कभी-कभी हम बहुत सारे मॉडल्स का प्रयोग करते हैं, और इसके लिए पैकेजेस जैसे स्कikit-learn, TensorFlow, Keras, PyTorch आदि का प्रयोग किया जाता है। फिर इसके बाद हम अपने मॉडल को ट्रेन करते हैं। यह प्रक्रिया कभी-कभी बहुत अधिक समय लेंती है, कभी-कभी यह बहुत कम समय में भी हो जाती है, यह इस पर निर्भर करता है कि आप कौन सा एल्गोरिदम इस्तेमाल कर रहे हैं, आपके डेटा पॉइंट्स कितने हैं और किस तरह के डेटा पॉइंट्स हैं। कभी-कभी हमारे डेटा पॉइंट्स ही इस तरह के बड़े वेक्टर होते हैं कि यदि कम भी हों, तो भी टाइम बहुत ज्यादा लग जाता है। उसके बाद हम टेस्टिंग और इवैल्यूएशन करते हैं, जिसमें हम अपने मॉडल को टेस्ट करते हैं और यह पता लगाते हैं कि हमारा मॉडल कितना बेहतर बना है। और उसको बेहतर बनाने के लिए हम क्या कर सकते हैं? हमें एक एक्यूरेसी का नंबर मिलता है, और अगर हम एक्यूरेसी को किसी दूसरे एल्गोरिदम से मैक्सिमाइज़ कर सकते हैं, तो हम वो करेंगे। इसके बाद हम प्रिडिक्शंस करते हैं, और प्रिडिक्शंस करने के बाद मॉडल को हम प्रोडक्शन में डाल देते हैं, और प्रोडक्शन में डालने के बाद हम उस मॉडल को अपडेट करते रहते हैं। जैसे-जैसे हमारे पास डेटा आता जाएगा, तो यह प्रोसेस उतनी ही तेज़ी से चलती रहती है, और यह फिर से रिपीटेडली चलती रहती है। अब हमारे पास कुछ कॉमन मेट्रिक्स होते हैं, मशीन लर्निंग एल्गोरिदम्स को इवैल्यूएट करने के लिए, जैसे कि हमारे पास एक मीट्रिक होता है ROC-AUC कर्व, उसके साथ-साथ हमारे पास एक एक्यूरेसी, प्रीसिजन, रिकॉल होता है, F1 स्कोर होता है, कन्फ्यूजन मैट्रिक्स होती है, मीन एब्सोलूट एरर, R स्क्वॉड एरर—यह सब क्या होते हैं? आप लोग एक बार जान जाते हैं तो आप अपने मॉडल को बहुत क्लोज़ली एव्हालुएट कर पाएंगे और यह पता लगा पाएंगे कि कौन सा मॉडल आपके लिए पर्याप्त है, जब आप इंडस्ट्री में या फिर प्रोडक्शन में अपने मॉडल को डालना चाहते हो। बेसिक हमेशा रहेंगे, लेकिन किस तरह से आप लोग डिप्लॉयड करते हैं कि आपकी सर्विस डाउन नहीं होती है, आपको डाउनटाइम बिल्कुल भी नहीं मिलता है, और आपको ऐसा मैनेज्ड एनवायरनमेंट मिलता है जिससे आप अपने मॉडल को रिट्रेन कर सकते हैं, प्रोडक्शन में डाल सकते हैं। आपको कोई दिक्कत नहीं हो रही है। इसके लिए मैंने आपको बताया था कि Amazon Web Services (AWS) को देखना और चेकआउट करना, सारे लिंक मैं डिस्क्रिप्शन में डाल दूंगा। अब आप कहोगे कि यार, ये बेसिक मशीन लर्निंग आपने बता दी, लेकिन ये AI क्या होता है, ये डिप लर्निंग क्या होता है, जेनरेटिव AI क्या होता है, डिप लर्निंग क्या है। न्यूरल नेटवर्क को बनाने वाला जो कि एक फंक्शन को अप्रॉक्सिमेट करता है, उसे फंक्शन एज्यूम किया जाता है कि जो डेटा हमें दिया हुआ है, उस पर एकदम फिट बैठेगा और आने वाले डेटा पॉइंट्स को भी वह बहुत अच्छी तरह से प्रेडिक्ट कर सके। नेटवर्क बेसिकली एक बहुत कॉम्प्लेक्स को, यानी कि ऐसा कॉम्प्लेक्स फंक्शन जिसके बारे में इंसान कल्पना भी नहीं कर सकता, उस पर बहुत सारे डेटा पॉइंट्स को अप्रॉक्सिमेट कर सकता है। अगर मैं आपसे कहूं तीन और चार का सात, और मैं कहूं एक और दो का तीन, और मैं आपसे कहूं चार के आठ, तो आप समझ जाओगे कि जोड़ किया जा रहा है। तो फंक्शन एकदम सिंपल है, x + y। लेकिन कभी-कभी फंक्शन इतना कॉम्प्लेक्स हो जाता है कि आप ऐसा बनाना चाहते हैं कि वह बहुत ही एक्यूरेटली और रियलिस्टिकली डेटा पर फिट बैठता है। इसके लिए हम लोग डीप लर्निंग का प्रयोग करते हैं, जिसमें हम लोग आर्टिफिशियल न्यूरल नेटवर्क्स का इस्तेमाल करते हैं। नेटवर्क का प्रयोग करते हैं। आर्टिफिशियल न्यूरल नेटवर्क्स बेसिकली एक फंक्शन को एप्रोक्सिमेट करते हैं। बार-बार हम डेटा को फीड करते हैं और उसके साथ एरर को मिनिमाइज़ करते हैं। इस प्रोसेस को हम लोग ट्रेनिंग कहते हैं। अब हमारे पास फीडफॉरवर्ड न्यूरल नेटवर्क्स होते हैं, हमारे पास बैकवर्ड प्रोपेगेशन के मेथड्स होते हैं, फिर न्यूरल नेटवर्क्स के भी अलग-अलग प्रकार होते हैं, जैसे कि CNN (कन्वॉल्यूशनल न्यूरल नेटवर्क), RNN (रिकरंट न्यूरल नेटवर्क), उसी के साथ LSTM (लॉन्ग शॉर्ट टर्म मेमोरी) होते हैं। लॉन्ग शॉर्ट टर्म मेमोरी वाले न्यूरल नेटवर्क्स को लंगर सीक्वेंसेस और वैनिशिंग ग्रेडिएंट प्रॉब्‍लम को हल करने के लिए बनाया गया है। मैंने बहुत पहले एक वीडियो बनाया था, जिसमें मैंने वैनिशिंग ग्रेडिएंट प्रॉब्लम के बारे में बात की थी, कि यह क्या होती है। आप लोग देख सकते हैं, काफी… पहले मैंने वे वीडियोस डाले थे मशीन लर्निंग के, तो आप लोग इंटरेस्टेड हो तो उनको दोबारा देख सकते हो। मैंने बोर्ड पर बहुत ही क्लासिकल तरीके से समझाया हुआ है, उसमें फिर हमारे पास ऑटोएन्कोडर्स होते हैं, GANs होते हैं, और जेनरेटिंग अडवर्सarial नेटवर्क्स, GAN यानी जेनरेटिंग अडवर्सarial नेटवर्क्स, जो कि बेसिकली जेनरेट AI की तरफ एक कदम था। पहले LSTM का इस्तेमाल किया जाता था, लेकिन जब से ट्रांसफॉर्मर्स आए, जो कि एक तरह का न्यूरल नेटवर्क आर्किटेक्चर है, सच में आप लोग NLP पर डेटा को ट्रेन कर सकते हो बहुत ही आसानी से। आप उसका प्रयोग करके GPT जैसी चीजें बना सकते हो, लेकिन फिर भी ये आसान नहीं है। आप लोगों को इसके बेसिक्स को समझना पड़ेगा। उसके बाद आपको यह देखना होगा कि ट्रांसफॉर्मर का क्या आर्किटेक्चर है, ट्रांसफॉर्मर क्या..

13:10होता है, टेंशन क्या होता है, क्यों बनाया कि एलएसटीएम में क्या प्रॉब्लम थी, कि ट्रांसफॉर्मर्स पर हम लोग स्विच किए, और एक ट्रांसफॉर्मर का आर्किटेक्चर किस तरह से नए डेटा को जनरेट करता है, पुराने डेटा को देखकर किस तरह से नंबरों में इनकोड किया जाता है। इन सारी टेक्चुअल इंफॉर्मेशन को सच में यह कि वो प्रेडिक्ट कर रहा है, हमारा नेक्स्ट टोकन। अब ऐसा नहीं है कि आप लोगों को एक-एक चीज आनी चाहिए कि आपको मैथमैटिक्स आ रही है। आप लोग कह रहे हो, लॉस फंक्शन यह होता है, तो मुझे याद होना चाहिए। लॉस फंक्शन, आपको एक पूरा आर्किटेक्चर जो है, पाइथन में स्क्रैच से आना चाहिए नहीं। आप लोग सीखो, आप लोग जानकारी रखो, किस तरह से आपका यह न्यूरल नेटवर्क ट्रेन किया जाता है, और उसके बाद आपका काम बहुत आसान है। amazononline.in पर आता है, आप उसका इस्तेमाल करो, आप उन चीजों का इस्तेमाल करो। करो जो कि ऑलरेडी अवेलेबल है, इंस्टेड ऑफ रिइन्वेंटिंग द व्हील, आप लोग खुद से काम करोगे तो डेफिनेटली आप लोग जो है सफल हो गए इन सब चीजों में। तो ये था मशीन लर्निंग, एआई और डीप लर्निंग के कुछ बेसिक्स। आप लोग इनको सीखना चाहते हो, फिर मैं डिस्क्रिप्शन में amazononline.in है और ईट वाज रिअली वेरी हेल्पफुल फॉर मी टू बी ऑनेस्ट। एंड इस पेज पर जाकर आप लोग इन वीडियोस को जरूर देखें। इसमें सबसे पहले तो मशीन लर्निंग के कुछ बेसिक्स की बात की गई है, और उसके बाद किस तरह से जनरेटिव एआई का प्रयोग किया जा सकता है। साथ में, आई होप दिस वीडियो वाज हेल्पफुल। धन्यवाद सो मच गै फॉर वाचिंग दिस वीडियो, और मैं मिलूंगा आपसे नेक्स्ट टाइम।