Optimisation for Machine Learning Course in Hindi | IIIT Delhi | Prof. Pravesh Biyani
Course Details
| Exam Registration | 95 |
|---|---|
| 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 |
Optimisation for Machine Learning: Theory and Implementation (Hindi) - कोर्स विवरण
मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस के क्षेत्र में ऑप्टिमाइजेशन एक मूलभूत स्तंभ है। यदि आप ML/AI की गहराइयों को समझना चाहते हैं, तो ऑप्टिमाइजेशन के सिद्धांत और व्यवहारिक कार्यान्वयन का ज्ञान अनिवार्य है। यह कोर्स, IIIT दिल्ली के प्रोफेसर प्रवेश बियानी द्वारा पढ़ाया जा रहा है, जो इस जटिल विषय को हिंदी माध्यम में सुलभ और गहन तरीके से समझाता है।
इंस्ट्रक्टर: प्रो. प्रवेश बियानी के बारे में
प्रो. प्रवेश बियानी का जन्म रायगढ़, भारत में हुआ। उन्होंने वर्ष 2002 में IIT बॉम्बे से बीटेक और 2004 में मैकमास्टर यूनिवर्सिटी से एमएस किया। IIT दिल्ली से पीएचडी करने के दौरान उन्होंने इकानोस कम्युनिकेशन्स में कार्य किया। वर्ष 2012 में, वे प्रो. टॉम लुओ के साथ यूनिवर्सिटी ऑफ मिनेसोटा, मिनियापोलिस में पोस्ट-डॉक्टोरल शोधकर्ता रहे।
प्रो. बियानी को 2012 में भारत सरकार द्वारा INSPIRE फैकल्टी पुरस्कार से सम्मानित किया गया और वर्तमान में वे IIIT दिल्ली में INSPIRE फैकल्टी के रूप में कार्यरत हैं। उनकी शोध रुचियों में फिजिकल लेयर वायरलेस और वायरलाइन कम्युनिकेशन, सिग्नल प्रोसेसिंग और मशीन लर्निंग के लिए ऑप्टिमाइजेशन शामिल हैं। हाल ही में, उनकी रुचि शहरी परिवहन, विशेष रूप से बस रूट नेटवर्क डिज़ाइन समस्या में उत्तल अनुकूलन (Convex Optimization) के विचारों को लागू करने में विकसित हुई है।
कोर्स अवलोकन
कोर्स के बारे में: ऑप्टिमाइजेशन मशीन लर्निंग का मुख्य आधार है। ऑप्टिमाइजेशन का ज्ञान मशीन लर्निंग के सिद्धांत और अभ्यास को समझने की एक प्रमुख पूर्वापेक्षा है। इस कोर्स में, हम विभिन्न केस-स्टडीज/चलने वाले उदाहरणों के माध्यम से मशीन लर्निंग के संदर्भ में अनुकूलन समस्याओं को हल करने के लिए आवश्यक नींव पर चर्चा करेंगे।
हम ऑप्टिमाइजेशन सिद्धांत सीखने के लिए आवश्यक रैखिक बीजगणित और कैलकुलस की मूल बातें कवर करके शुरुआत करेंगे। हम स्टोकैस्टिक ग्रेडिएंट डिसेंट और इसके विभिन्न प्रकारों जैसे ऑप्टिमाइजेशन एल्गोरिदम के सिद्धांत को सीखेंगे और उन्हें लागू करेंगे, ताकि वर्गीकरण, क्लस्टरिंग आदि की मशीन लर्निंग समस्याओं को मानक समस्या सूत्रीकरणों का उपयोग करके हल किया जा सके, जो उत्तल (SVM आदि) और गैर-उत्तल (न्यूरल नेटवर्क और डीप न्यूरल नेटवर्क) दोनों हैं।
कोर्स विवरण
| पैरामीटर | विवरण |
|---|---|
| स्तर | स्नातक/स्नातकोत्तर |
| अवधि | 8 सप्ताह |
| श्रेणी | कंप्यूटर साइंस और इंजीनियरिंग |
| इच्छित श्रोता | यूजी/पीजी |
| पूर्वापेक्षाएँ | रैखिक बीजगणित, बेसिक कैलकुलस, बेसिक प्रोग्रामिंग कोर्स |
| उद्योग समर्थन | Google, Microsoft, Facebook, Amazon, Flipkart और डेटा साइंस, सिग्नल प्रोसेसिंग और AI/ML से जुड़ी सभी कंपनियाँ |
कोर्स लेआउट (8 सप्ताह)
सप्ताह 1 & 2: रैखिक बीजगणित और कैलकुलस की मूल बातें
- उपसमष्टि (Subspaces)
- आइगेनवैल्यू अपघटन (EigenValue Decomposition)
- सिंगुलर वैल्यू डिकम्पोजिशन - एल्गोरिदम और विधियाँ
- PSD मैट्रिसेस और कर्नेल फंक्शन
- वेक्टर कैलकुलस
सप्ताह 3: उत्तल फलन और अनुकूलन के लिए शर्तें
- उत्तल फलन (Convex Functions)
- अनुकूलन के लिए प्रथम और द्वितीय कोटि की शर्तें
- मशीन लर्निंग में उत्तल और गैर-उत्तल अनुकूलन समस्याएं
सप्ताह 4: ग्रेडिएंट डिसेंट: गणित और प्रोग्रामिंग
- मूल अनुकूलन समस्याएं और उनके समाधान
सप्ताह 5 & 6: ग्रेडिएंट डिसेंट के प्रकार और न्यूरल नेटवर्क सिद्धांत
- ग्रेडिएंट डिसेंट के प्रकार: प्रोजेक्टेड, स्टोकैस्टिक, प्रॉक्सिमल, एक्सेलेरेटेड, कोऑर्डिनेट डिसेंट
- न्यूरल नेटवर्क का प्रशिक्षण: सिद्धांत
सप्ताह 7 & 8: न्यूटन की विधि और व्यवहारिक कार्यान्वयन
- न्यूटन की विधि (Newton’s Method)
- व्यवहार में ML के लिए अनुकूलन: Pytorch/Tensor Flow
- न्यूरल नेटवर्क का प्रशिक्षण: कार्यान्वयन
संदर्भ पुस्तकें
- Foundations of Data Science - Avrim Blum and Ravi Kannan, Hindustan Book Agency/Cambridge University Press
- Linear Algebra and Learning from Data - Gilbert Strang
- Convex Optimisation - Stephen Boyd
- Optimisation for Machine Learning - Suvrit Sra, MIT Press
कोर्स क्यों चुनें?
यह कोर्स न केवल सिद्धांत पर बल्कि व्यावहारिक कार्यान्वयन पर भी केंद्रित है। प्रो. बियानी के अनुभव और शोध के साथ, आपको निम्नलिखित लाभ मिलेंगे:
- हिंदी माध्यम: जटिल गणितीय अवधारणाओं को मातृभाषा में समझने की सुविधा।
- संपूर्ण पाठ्यक्रम: बुनियादी गणित से लेकर उन्नत न्यूरल नेटवर्क प्रशिक्षण तक।
- उद्योग-प्रासंगिक: सिलेबस में PyTorch और TensorFlow जैसे उद्योग-मानक टूल्स शामिल हैं।
- शोध-संचालित शिक्षण: एक अनुभवी शोधकर्ता और शिक्षक से सीखने का अवसर।
चाहे आप एक छात्र हों जो मशीन लर्निंग की नींव मजबूत करना चाहता है, या एक पेशेवर जो AI/ML के क्षेत्र में अपना कैरियर बनाना चाहता है, यह 8-सप्ताह का कोर्स आपके लिए एक मूल्यवान संसाधन साबित होगा। ऑप्टिमाइजेशन में महारत हासिल करें और मशीन लर्निंग की दुनिया में अपनी पकड़ मजबूत करें।
Enroll Now →