Introduction to Machine Learning in Tamil | IIT Madras Course | Prof. Arun Rajkumar
Course Details
| Exam Registration | 934 |
|---|---|
| Course Status | Ongoing |
| Course Type | Elective |
| Language | English |
| Duration | 8 weeks |
| Categories | Computer Science and Engineering |
| Credit Points | 2 |
| Level | Undergraduate/Postgraduate |
| Start Date | 19 Jan 2026 |
| End Date | 13 Mar 2026 |
| Enrollment Ends | 02 Feb 2026 |
| Exam Registration Ends | 16 Feb 2026 |
| Exam Date | 28 Mar 2026 IST |
| NCrF Level | 4.5 — 8.0 |
இயந்திர கற்றலுக்கு ஒரு அறிமுகம்: IIT Madras-வின் தமிழ் பாடநெறி
இயந்திர கற்றல் (Machine Learning) என்பது செயற்கை நுண்ணறிவின் மிக முக்கியமான கிளையாகும். இன்று தேடல் பொறிகள், மின்னணு வணிகம், சமூக ஊடகங்கள் முதல் மருத்துவம், வங்கி மற்றும் போக்குவரத்து வரை அனைத்துத் துறைகளிலும் இயந்திர கற்றல் அல்காரிதம்கள் பயன்படுத்தப்படுகின்றன. இந்தத் தொழில்நுட்பத்தைப் புரிந்துகொள்வது இன்றைய காலத்திற்கு இன்றியமையாததாகிவிட்டது.
ஆனால், ஆங்கில மொழியில் உள்ள தொழில்நுட்ப சொற்களும் சிக்கலான கருத்துகளும் பலருக்கு ஒரு தடையாக உள்ளன. இந்தத் தடையைத் தகர்த்து, தமிழ் மொழியில் தாய்மொழிப் பேச்சாளர்கள் இயந்திர கற்றலை எளிதாகப் புரிந்துகொள்ள ஐ.ஐ.டி. மெட்ராஸ் (IIT Madras) ஒரு சிறப்பு பாடநெறியை வடிவமைத்துள்ளது.
பாடநெறி பற்றி: Introduction to Machine Learning (Tamil)
இந்த 8-வார இலவச ஆன்லைன் பாடநெறி, இயந்திர கற்றலின் அடிப்படைக் கருத்துகள் மற்றும் முக்கிய அல்காரிதம்களை ஒரு உயர்மட்ட அறிமுகமாக வழங்குகிறது. ஒரு முழுமையான இயந்திர கற்றல் பாடத்திட்டத்திற்கான முதல் படியாக இது செயல்படும்.
இப்பாடநெறியின் மிகவும் சிறப்பான அம்சம் என்னவென்றால், பாடங்கள் முழுவதும் தமிழ் மொழியில் (Spoken Tamil) நடத்தப்படும் என்பதுதான். தொழில்நுட்ப சொற்கள், பயிற்சிகள் மற்றும் தேர்வுகள் ஆங்கிலத்தில் இருக்கும். இது தாய்மொழியில் கருத்தைப் புரிந்துகொள்ளவும், உலகளாவிய தொழில்நுட்ப சொற்களோடு பழகவும் உதவுகிறது.
பாடநெறி நடத்துபவர்: பேராசிரியர் அருண் ராஜ்குமார்
இப்பாடநெறியை நடத்தும் பேராசிரியர் அருண் ராஜ்குமார் ஐ.ஐ.டி. மெட்ராஸின் கணினி அறிவியல் மற்றும் பொறியியல் துறையில் உதவிப் பேராசிரியராக பணியாற்றுகிறார்.
- கல்வி தகுதி: இந்திய அறிவியல் கழகத்தில் (IISc) இருந்து Ph.D. பெற்றவர். ‘Ranking from Pairwise Comparisons’ எனும் தலைப்பில் ஆராய்ச்சி செய்தார்.
- முன்னைய அனுபவம்: ஐ.ஐ.டி. மெட்ராஸில் சேர்வதற்கு முன்பு, மூன்று ஆண்டுகள் செராக்ஸ் ஆராய்ச்சி மையத்தில் (தற்போது Conduent Labs) ஆராய்ச்சி விஞ்ஞானியாக இருந்தார்.
- இயந்திர கற்றல், தரவு அறிவியல் மற்றும் புள்ளியியல் கற்றல் ஆகிய துறைகளில் நிபுணத்துவம் பெற்றவர்.
யாருக்கான பாடநெறி?
- இலக்கு பார்வையாளர்கள்: தமிழ் தாய்மொழி பேசும் ஆசிரியர்கள், இளங்கலை மற்றும் முதுகலை மாணவர்கள்.
- முன் தேவை: நேரியல் இயற்கணிதம், நிகழ்தகவு, நிரலாக்கம் அல்லது அல்காரிதம்கள் பற்றிய அடிப்படை அறிவு உதவியாக இருக்கும். இருப்பினும், இவை கடுமையான முன்நிபந்தனைகள் அல்ல.
- தொழில் துறை ஆதரவு: தரவு-மைய நிறுவனங்கள் அனைத்தும், குறிப்பாக தேடல், மின்னணு வணிகம், சமூக ஊடகம் போன்ற முக்கிய வணிகங்களைக் கொண்ட நிறுவனங்கள் இந்தத் திறன்களை மதிக்கின்றன.
8 வார பாடத்திட்டம் (Course Layout)
| வாரம் | பாடப்பகுதி |
|---|---|
| வாரம் 1 | நேரியல் இயற்கணிதம், நிகழ்தகவு, தேர்வுமுறை (Optimization) அடிப்படைகள் |
| வாரம் 2 | மேற்பார்வை கற்றல் அறிமுகம் - பின்னடைவு (Regression): நேரியல் பின்னடைவு, ரிட்ஜ் பின்னடைவு, லாஸோ |
| வாரம் 3 | மேற்பார்வை கற்றல் - வகைப்பாடு (Classification): K-அருகிலுள்ள அண்டை (K-NN), முடிவு மரம் (Decision Tree) |
| வாரம் 4 | மேற்பார்வை கற்றல் - வகைப்பாடு: நைவ் பேய்ஸ் (Naive Bayes) |
| வாரம் 5 | மேற்பார்வை கற்றல்: லாஜிஸ்டிக் பின்னடைவு, பெர்செப்ட்ரான் |
| வாரம் 6 | மேற்பார்வை கற்றல்: சப்போர்ட் வெக்டர் மெஷின்கள் (SVM) |
| வாரம் 7 | மேற்பார்வை கற்றல்: கூட்டு முறைகள் (Ensemble Methods) |
| வாரம் 8 | மேற்பார்வையற்ற கற்றல் (Unsupervised Learning): K-மீன்ஸ் கிளஸ்டரிங், முதன்மை கூறுபகுப்பாய்வு (PCA) |
முக்கிய பாடப்புத்தகம்
பாடநெறியுடன் தொடர்புடைய முக்கிய மேற்கோள் புத்தகம்:
- Mathematics for Machine Learning by Marc Peter Deisenroth, A. Aldo Faisal, and Cheng Soon Ong. இந்த புத்தகத்தின் இலவச PDF பதிப்பு இணையத்தில் கிடைக்கிறது: https://mml-book.github.io/book/mml-book.pdf
ஏன் இந்த பாடநெறியை சேர வேண்டும்?
- தாய்மொழியில் கற்றல்: சிக்கலான கணித மற்றும் கணினி அறிவியல் கருத்துகளை தமிழில் புரிந்துகொள்ளும் வாய்ப்பு.
- உலகத் தரத்தில் கல்வி: ஐ.ஐ.டி. மெட்ராஸ் போன்ற முதன்மை நிறுவனத்தின் தரமான பாடத்திட்டம்.
- நிபுணர் வழிகாட்டுதல்: இந்தத் துறையில் ஆராய்ச்சி அனுபவம் மிக்க பேராசிரியரிடம் இருந்து நேரடியாகக் கற்கலாம்.
- வாழ்க்கை வாய்ப்புகள்: தரவு அறிவியல் மற்றும் AI துறையில் வளர்ந்து வரும் வாழ்க்கை வாய்ப்புகளுக்கான அடித்தளத்தை வலுப்படுத்தும்.
- இலவசம் மற்றும் நெகிழ்வானது: யாரும் எங்கிருந்தும் சேர்ந்து கற்கலாம்.
முடிவுரை: இயந்திர கற்றல் எதிர்காலத்தின் திறன். இந்த அறிவை தாய்மொழியில் பெறுவதற்கான இந்த அரிய வாய்ப்பைப் பயன்படுத்திக்கொள்ளுங்கள். தரவு அறிவியல் பயணத்தை தமிழில் தொடங்க, Introduction to Machine Learning (Tamil) பாடநெறி சிறந்த முதல் படியாகும்.
பாடநெறியில் சேர்வதற்கான விவரங்கள் மற்றும் பதிவு செய்ய ஐ.ஐ.டி. மெட்ராஸின் அதிகாரப்பூர்வ ஆன்லைன் கற்றல் மேடையை (SWAYAM NPTEL) பார்வையிடவும்.
Enroll Now →