AI اور مشین لرننگ

وقت

35–44 ہفتے + مسلسل

اس سے پہلے

کمپیوٹر سائنس کی بنیادی باتیں

کن کاموں تک لے جاتا ہے

مشین لرننگ انجینئر, ڈیٹا سائنٹسٹ, AI ریسرچر, MLOps انجینئر

ان کے لیے جو پروگرامنگ میں آرام دہ ہیں اور ریاضی اور تجربات پسند کرتے ہیں۔

1. مرحلہ 1: مشین لرننگ کے لیے ریاضی ، 6–8 ہفتے

   کیا سیکھنا ہے

   • ویکٹرز اور میٹرکس
   • ڈیریویٹوز اور گریڈیئنٹس
   • احتمال
   • شماریات
   • آپٹیمائزیشن

   مفت وسائل

   • Essence of Linear Algebra ویڈیو، 3Blue1Brown
   • Mathematics for Machine Learning کتاب، Deisenroth, Faisal and Ong (Cambridge University Press)
   • Statistics and probability کورس، Khan Academy

   بنائیں: صرف NumPy سے گریڈیئنٹ ڈیسنٹ کے ساتھ لینیئر ریگریشن بنائیں اور لاس کم ہوتے ہوئے دکھائیں۔

   آگے تب بڑھیں جب: آپ وائٹ بورڈ پر گریڈیئنٹ ڈیسنٹ سمجھا سکیں۔

2. مرحلہ 2: ڈیٹا کے لیے Python ، 3–4 ہفتے

   کیا سیکھنا ہے

   • NumPy ایرے
   • pandas ڈیٹا فریمز
   • بے ترتیب ڈیٹا صاف کرنا
   • گراف بنانا
   • Jupyter نوٹ بکس

   مفت وسائل

   • NumPy quickstart دستاویزات، NumPy
   • pandas getting started دستاویزات، pandas
   • Kaggle Learn مشق، Kaggle

   بنائیں: کسی پبلک ڈیٹا سیٹ کو صاف کر کے دیکھیں اور تین باتیں لکھیں جو آپ کو ملیں۔

   آگے تب بڑھیں جب: آپ کسی نئے ڈیٹا سیٹ کو لوڈ، صاف اور خلاصہ کر سکیں۔

3. مرحلہ 3: کلاسیکل مشین لرننگ ، 8–10 ہفتے

   کیا سیکھنا ہے

   • ٹریننگ، ویلیڈیشن اور ٹیسٹ سیٹ
   • اوور فٹنگ اور ریگولرائزیشن
   • ریگریشن اور کلاسیفکیشن
   • ڈیسیژن ٹریز اور اینسمبلز
   • صحیح میٹرک چننا

   مفت وسائل

   • Machine Learning Crash Course کورس، Google
   • An Introduction to Statistical Learning کتاب، James, Witten, Hastie, Tibshirani and Taylor
   • scikit-learn user guide دستاویزات، scikit-learn

   بنائیں: شروع سے آخر تک ایک ماڈل، ان دیکھے ڈیٹا پر ٹیسٹ کیا ہوا، اور ایمانداری سے لکھا ہوا کہ یہ کہاں ناکام ہوتا ہے۔

   آگے تب بڑھیں جب: آپ پہچان سکیں کہ کب اچھا اسکور دراصل ڈیٹا لیکیج ہے۔

4. مرحلہ 4: ڈیپ لرننگ ، 10–12 ہفتے

   کیا سیکھنا ہے

   • نیورل نیٹ ورکس اور بیک پروپیگیشن
   • PyTorch
   • کنوولیوشنل نیٹ ورکس
   • ٹرانسفارمرز اور اٹینشن
   • GPU پر ٹریننگ

   مفت وسائل

   • Practical Deep Learning for Coders کورس، fast.ai
   • Neural Networks: Zero to Hero ویڈیو، Andrej Karpathy
   • Dive into Deep Learning کتاب، d2l.ai (open source)
   • PyTorch tutorials دستاویزات، PyTorch Foundation

   بنائیں: ایک تصویر یا ٹیکسٹ کلاسیفائر ٹرین کریں اور پچھلے مرحلے کے کلاسیکل ماڈل سے موازنہ کریں۔

   آگے تب بڑھیں جب: آپ ٹریننگ لوپ خود بنا اور ڈی بگ کر سکیں۔

5. مرحلہ 5: لینگویج ماڈلز ، 8–10 ہفتے

   کیا سیکھنا ہے

   • ٹوکنز اور ایمبیڈنگز
   • بڑے لینگویج ماڈلز کیسے ٹرین ہوتے ہیں
   • فائن ٹیوننگ
   • ریٹریول آگمینٹڈ جنریشن (RAG)
   • جوابات کی جانچ

   مفت وسائل

   • LLM Course کورس، Hugging Face
   • CS224N: NLP with Deep Learning کورس، Stanford University

   بنائیں: اپنے نوٹس پر سوال جواب والی ایپ، ایک چھوٹے ٹیسٹ سیٹ کے ساتھ جو ناپے کہ یہ کتنی بار درست ہے۔

   آگے تب بڑھیں جب: آپ بتا سکیں کہ ماڈل نے غلط جواب کیوں دیا، اور ناپ سکیں کہ کسی تبدیلی سے فائدہ ہوا یا نہیں۔

6. مرحلہ 6: ماڈلز کو ذمہ داری سے استعمال میں لائیں ، مسلسل

   کیا سیکھنا ہے

   • API کے ذریعے ماڈل چلانا
   • مانیٹرنگ اور ڈیٹا ڈرفٹ
   • تعصب اور انصاف
   • پرائیویسی
   • AI سسٹمز پر حملے

   مفت وسائل

   • Made With ML کورس، Goku Mohandas
   • Rules of Machine Learning دستاویزات، Google
   • AI Risk Management Framework دستاویزات، NIST

   بنائیں: اپنا کوئی ماڈل مانیٹرنگ کے ساتھ لائیو کریں اور ایک مختصر ماڈل کارڈ لکھیں کہ اسے کس کام کے لیے استعمال نہیں کرنا چاہیے۔

   آگے تب بڑھیں جب: یہ مرحلہ کبھی ختم نہیں ہوتا۔ بناتے رہیں اور ناپتے رہیں۔

سرٹیفکیشن روڈ میپ سب راستوں پر واپس جائیں