Skip to content

Deep Learning | Deep Learning-101 complete course | (Day-01)

By Codanics

1 hr 7 min video·hi··11400 views

This is an AI-generated summary of “Deep Learning | Deep Learning-101 complete course | (Day-01)” — a 1 hr 7 min YouTube video by Codanics, published January 9, 2024. It condenses the full transcript into 10 key takeaways with clickable timestamps.

Summarize any YouTube video, free

Summary

यह वीडियो डीप लर्निंग की शुरुआत करता है, मशीन लर्निंग और डीप लर्निंग के बीच के अंतर को समझाता है, और न्यूरल नेटवर्क की मूल बातें, उनके घटकों, इतिहास और विभिन्न प्रकारों का परिचय देता है।

Key Points

  • डीप लर्निंग मशीन लर्निंग का एक सबसेट है जो आर्टिफिशियल न्यूरल नेटवर्क का उपयोग करता है और इसे मशीन लर्निंग के भीतर समझा जाता है। 
  • मशीन लर्निंग आर्टिफिशियल इंटेलिजेंस का एक सबसेट है जो अनुभव के साथ बेहतर होने के लिए सांख्यिकी का उपयोग करता है, जबकि डीप लर्निंग मशीन लर्निंग का एक सबसेट है जो न्यूरल नेटवर्क का उपयोग करता है। 
  • मशीन लर्निंग में फीचर एक्सट्रैक्शन के लिए अक्सर मैन्युअल प्रयास की आवश्यकता होती है, जबकि डीप लर्निंग स्वचालित रूप से कच्चे डेटा से सुविधाओं को निकालती है। 
  • मशीन लर्निंग रिग्रेशन, वर्गीकरण और क्लस्टरिंग जैसे कार्यों को संभालती है, जबकि डीप लर्निंग विशेष रूप से छवि और भाषण पहचान और प्राकृतिक भाषा प्रसंस्करण (एनएलपी) में मजबूत है। 
  • मशीन लर्निंग छोटे डेटासेट पर अच्छा प्रदर्शन करती है, जबकि डीप लर्निंग को अच्छा प्रदर्शन करने के लिए बड़े डेटासेट की आवश्यकता होती है क्योंकि मॉडल की जटिलता अधिक होती है। 
  • मशीन लर्निंग कम्प्यूटेशनल रूप से कम गहन है और मानक कंप्यूटिंग सिस्टम पर चल सकती है, जबकि डीप लर्निंग अधिक कम्प्यूटेशनल रूप से गहन है और अक्सर जीपीयू की आवश्यकता होती है। 
  • न्यूरल नेटवर्क के मुख्य घटकों में न्यूरॉन्स, लेयर्स (इनपुट, हिडन, आउटपुट), वेट्स और बायस, और एक्टिवेशन फ़ंक्शन शामिल हैं। 
  • एक न्यूरल नेटवर्क एल्गोरिदम की एक श्रृंखला है जो डेटा के एक सेट में अंतर्निहित संबंधों को पहचानने का प्रयास करती है, जो मानव मस्तिष्क के काम करने के तरीके की नकल करती है। 
  • न्यूरल नेटवर्क का इतिहास 1940 के दशक में शुरू हुआ और तब से यह विभिन्न प्रकारों और अनुप्रयोगों के साथ विकसित हुआ है, जिसमें फीड-फॉरवर्ड, कन्वेन्शनल (सीएनएन), और रिकरेंट न्यूरल नेटवर्क (आरएनएन) शामिल हैं। 
  • सिंगल-लेयर न्यूरल नेटवर्क केवल लीनियर सेपरेबल पैटर्न सीख सकते हैं, जबकि मल्टी-लेयर न्यूरल नेटवर्क (डीप लर्निंग में उपयोग किए जाने वाले) अधिक जटिल, नॉन-लीनियर पैटर्न सीख सकते हैं। 
Deep Learning | Deep Learning-101 complete course | (Day-01)

Deep Learning | Deep Learning-101 complete course | (Day-01)

यह वीडियो डीप लर्निंग की शुरुआत करता है, मशीन लर्निंग और डीप लर्निंग के बीच के अंतर को समझाता है, और न्यूरल नेटवर्क की मूल बातें, उनके घटकों, इतिहास और विभिन्न प्रकारों का परिचय देता है।

Key Points

—डीप लर्निंग मशीन लर्निंग का एक सबसेट है जो आर्टिफिशियल न्यूरल नेटवर्क का उपयोग करता है और इसे मशीन लर्निंग के भीतर समझा जाता है।
—मशीन लर्निंग आर्टिफिशियल इंटेलिजेंस का एक सबसेट है जो अनुभव के साथ बेहतर होने के लिए सांख्यिकी का उपयोग करता है, जबकि डीप लर्निंग मशीन लर्निंग का एक सबसेट है जो न्यूरल नेटवर्क का उपयोग करता है।
—मशीन लर्निंग में फीचर एक्सट्रैक्शन के लिए अक्सर मैन्युअल प्रयास की आवश्यकता होती है, जबकि डीप लर्निंग स्वचालित रूप से कच्चे डेटा से सुविधाओं को निकालती है।
—मशीन लर्निंग रिग्रेशन, वर्गीकरण और क्लस्टरिंग जैसे कार्यों को संभालती है, जबकि डीप लर्निंग विशेष रूप से छवि और भाषण पहचान और प्राकृतिक भाषा प्रसंस्करण (एनएलपी) में मजबूत है।
—मशीन लर्निंग छोटे डेटासेट पर अच्छा प्रदर्शन करती है, जबकि डीप लर्निंग को अच्छा प्रदर्शन करने के लिए बड़े डेटासेट की आवश्यकता होती है क्योंकि मॉडल की जटिलता अधिक होती है।
—मशीन लर्निंग कम्प्यूटेशनल रूप से कम गहन है और मानक कंप्यूटिंग सिस्टम पर चल सकती है, जबकि डीप लर्निंग अधिक कम्प्यूटेशनल रूप से गहन है और अक्सर जीपीयू की आवश्यकता होती है।
—न्यूरल नेटवर्क के मुख्य घटकों में न्यूरॉन्स, लेयर्स (इनपुट, हिडन, आउटपुट), वेट्स और बायस, और एक्टिवेशन फ़ंक्शन शामिल हैं।
—एक न्यूरल नेटवर्क एल्गोरिदम की एक श्रृंखला है जो डेटा के एक सेट में अंतर्निहित संबंधों को पहचानने का प्रयास करती है, जो मानव मस्तिष्क के काम करने के तरीके की नकल करती है।
—न्यूरल नेटवर्क का इतिहास 1940 के दशक में शुरू हुआ और तब से यह विभिन्न प्रकारों और अनुप्रयोगों के साथ विकसित हुआ है, जिसमें फीड-फॉरवर्ड, कन्वेन्शनल (सीएनएन), और रिकरेंट न्यूरल नेटवर्क (आरएनएन) शामिल हैं।
—सिंगल-लेयर न्यूरल नेटवर्क केवल लीनियर सेपरेबल पैटर्न सीख सकते हैं, जबकि मल्टी-लेयर न्यूरल नेटवर्क (डीप लर्निंग में उपयोग किए जाने वाले) अधिक जटिल, नॉन-लीनियर पैटर्न सीख सकते हैं।
Summarize any video — free
Summarizer.tube
Copy All
Share Link
Bookmark

Summarize any YouTube video, free

You just read an AI summary of this video. Paste any other YouTube link and get the key points with clickable timestamps in seconds — no signup, 5 free a day.

More Resources

More Summaries

4 hr 46 min

Renal Physiology & Special Senses |Physiology | MBBS 1st Year | FARRE 2026 |Dr. Vivek Nalgirkar Sir

PW MedEdhi

यह वीडियो गुर्दे की शारीरिक क्रिया विज्ञान, जिसमें जीएफआर, सोडियम, पानी और ग्लूकोज का प्रबंधन, मूत्र निर्माण और मूत्राशय के कार्य शामिल हैं, तथा दृष्टि और श्रवण जैसी विशेष इंद्रियों की कार्यप्रणाली और

2 hr 38 min

Electric Charges and Fields Class 12 One Shot 🔥| NCERT + Derivations + PYQs | Physics Chapter 1

NCERT Wallahhi

यह वीडियो क्लास 12वीं के भौतिकी के पहले अध्याय 'इलेक्ट्रिक चार्जेस एंड फील्ड' का एक विस्तृत सारांश प्रदान करती है, जिसमें चार्ज की अवधारणा, उसके गुण, चार्ज करने की विधियाँ, कूलम्ब का नियम, इलेक्ट्रिक

2 hr 4 min

DSA in C++ || Lecture 21 || Arrays 4 || Video Only

@PWEarnersMobile (Live)hi

यह वीडियो कोडिंग के विभिन्न सवालों को हल करने के तरीकों पर चर्चा करता है, जिसमें एरे को सॉर्ट करना, मिसिंग नंबर ढूंढना, टू सम प्रॉब्लम को हल करना और संख्याओं को एरे के रूप में जोड़ना शामिल है।

3 hr 17 min

विद्युत चुंबकीय तरंगे (Electromagnetic Waves) Class 12 One Shot |12th Physics Chapter 8 Bihar Board

Disha Science Classeshi

यह वीडियो क्लास 12वीं के भौतिकी के अध्याय 8, विद्युत चुम्बकीय तरंगों पर एक विस्तृत मैराथन क्लास है, जिसमें अवधारणाओं, महत्वपूर्ण प्रश्नों, व्युत्पत्तियों और विद्युत चुम्बकीय स्पेक्ट्रम के विभिन्न घटको

1 hr 28 min

01 October 2026 Current Affairs | Episode 2192 | Kumar Gaurav Sir

Utkarsh Classeshi

यह वीडियो अंतरराष्ट्रीय संगठनों के महत्वपूर्ण विवरणों, उनके इतिहास, मुख्यालयों, सदस्य देशों, भाषाओं, और विभिन्न संस्थाओं के उद्देश्यों का विस्तृत वर्णन करता है, जो प्रतियोगी परीक्षाओं के लिए अत्यंत मह