- अपने एआई मॉडल को प्रशिक्षित करने के लिए एक मंच पर निर्णय लें
- अपना प्रारंभिक डेटासेट इकट्ठा करें और अपने प्रोजेक्ट के लिए अपने AI मॉडल का प्रशिक्षण शुरू करें
इस पाठ के लिए ये गतिविधियाँ हैं:
आपका डेटासेट
अब तक आपको अपने डेटासेट के लिए अपना डेटा एकत्र कर लेना चाहिए था। एक अनुस्मारक के रूप में, डेटा एकत्र करने के तीन तरीके हैं:
- अपने समुदाय से प्रशिक्षण डेटा एकत्र करें
- आविष्कार सेंसर या उपयोगकर्ता इनपुट के साथ डेटा एकत्र करता है
- प्रशिक्षण डेटा के लिए सार्वजनिक डेटासेट से डेटा का उपयोग करें
आपको यह भी तय करना चाहिए कि आप अपने डेटासेट में किस प्रकार के डेटा का उपयोग करना चाहते हैं - चित्र, पाठ, ध्वनियाँ या मुद्राएँ।
आपके डेटासेट को निम्नलिखित मानदंडों को पूरा करना चाहिए:
- सही प्रकार का डेटा
- बहुत सारे उदाहरण
- विविध उदाहरण - विविध और प्रतिनिधि (निष्पक्ष)
प्रशिक्षण प्रक्रिया
इनपुट डेटा
इसे अपलोड करके, या छवियों के लिए वेबकैम के माध्यम से
रेलगाड़ी
डेटा को शिक्षण एल्गोरिथ्म के माध्यम से चलाएँ.
परीक्षा
नए इनपुट का उपयोग करके, जांचें कि आपका मॉडल सटीक है या नहीं।
मंच चुनें
आपके द्वारा चुने गए प्लेटफ़ॉर्म को आपको इसकी अनुमति देनी चाहिए:
- सही डेटा प्रकार को प्रशिक्षित करें (चित्र, ध्वनियाँ, पाठ, आदि)
- अपने प्रस्तावित समाधान (वेब या मोबाइल ऐप) में एकीकृत करने के लिए मॉडल का उपयोग करें
आप इन प्लेटफार्मों तक सीमित नहीं हैं, लेकिन ये मोबाइल या वेब ऐप के साथ एकीकृत करने के लिए सरल और उपयोगकर्ता के अनुकूल विकल्प हैं।
आपके प्रोजेक्ट के लिए सबसे अच्छा प्लेटफ़ॉर्म आपके डेटासेट में डेटा के प्रकार पर निर्भर हो सकता है, क्योंकि हर प्लेटफ़ॉर्म हर प्रकार के डेटा को प्रशिक्षित नहीं कर सकता है।
एक या दो प्लेटफार्मों से एक या अधिक ट्यूटोरियल आज़माएं, यह देखने के लिए कि कौन सा प्लेटफ़ॉर्म आपकी परियोजना के लक्ष्यों को प्राप्त करने में आपकी सहायता करेगा।
वेबसाइट: https://teachablemachine.withgoogle.com/
वर्गीकरण प्रकार: चित्र, ध्वनियाँ, पोज़
टेक्नोवेशन इंटीग्रेशन: ऐप आविष्कारक, पायथन, एपीआई का उपयोग करके अन्य एकीकरण
आज़माने के लिए यहाँ तीन ट्यूटोरियल दिए गए हैं टीचेबल मशीन विभिन्न डेटा प्रकारों का उपयोग करना।
- केले के साथ छवि वर्गीकरण
- स्नैप, ताली और सीटी के साथ ध्वनि वर्गीकरण
- सिर झुकाव का पता लगाने के लिए वर्गीकरण करें
वेबसाइट: https://machinelearningforkids.co.uk/
वर्गीकरण प्रकार: चित्र, ध्वनियाँ, पाठ, संख्याएँ
टेक्नोवेशन इंटीग्रेशन: ऐप आविष्कारक, पायथन
बच्चों के लिए मशीन लर्निंग में अधिक जानने के लिए कई उदाहरण ट्यूटोरियल और वर्कशीट हैं।
शिक्षक खाते के लिए साइन अप करने के लिए आपको एक संरक्षक या शिक्षक की आवश्यकता होगी। फिर वे आपके लिए एक छात्र खाता स्थापित कर सकते हैं।
MachineLearningForKids का उपयोग करके इन उदाहरणों / ट्यूटोरियल को देखें।
- त्वचा क्लीन, त्वचा रोगों का पता लगाने के लिए एक टेक्नोवेशन टीम स्क्रैच प्रोजेक्ट
- एक पूर्ण ट्यूटोरियल के साथ एक टेक्नोवेशन टीम द्वारा बायोमेडिकल कचरे को सॉर्ट करने के लिए ऐप
- यूनिट 4 डेटासेट से सार्वजनिक डेटासेट उदाहरण का उपयोग करकेआईरिसेस की छवियों को वर्गीकृत करें
वेबसाइट: https://appinventor.mit.edu/explore/ai-with-mit-app-inventor
वर्गीकरण प्रकार: चित्र, ध्वनियाँ, मुद्राएँ, चेहरे की जाली
टेक्नोवेशन इंटीग्रेशन: ऐप आविष्कारक मोबाइल ऐप
यदि आप पहले से ही अपने प्रोजेक्ट के लिए अपने कोडिंग प्लेटफॉर्म के रूप में ऐप इन्वेंटर का उपयोग कर रहे हैं, तो यह एक अच्छा विकल्प है।
आरंभ करने के लिए यहां कुछ ट्यूटोरियल दिए गए हैं:
- स्वस्थ बनाम रोगग्रस्त फल का पता लगाने के लिए एक मॉडल को प्रशिक्षित करने के लिए वीडियो ट्यूटोरियल
- अपनी आवाज पहचानने के लिए एक मोबाइल ऐप को प्रशिक्षित करने के लिए ट्यूटोरियल
- पोज़ का पता लगाने के लिए एआई ट्यूटोरियल के साथ नृत्य
वेबसाइट: https://www.ximilar.com/services/computer-vision-platform/#image-classification
वर्गीकरण प्रकार: चित्र
टेक्नोवेशन इंटीग्रेशन: थंकेबल, वेब ऐप्स (एपीआई का उपयोग करके)
यद्यपि अन्य विकल्प हैं, यह एक अच्छा है यदि आप अपने कोडिंग प्लेटफॉर्म के रूप में थंकेबल का उपयोग कर रहे हैं।
Ximilar का उपयोग करने का तरीका जानने के लिए इस ट्यूटोरियल का पहला भाग देखें। दूसरी छमाही अगली इकाई में दिखाई जाएगी, जब आप अपने मॉडल को थंकेबल के साथ एकीकृत करेंगे।
- विभिन्न प्रकार के प्रवाल भित्तियों का पता लगाने के लिए एक मॉडल को प्रशिक्षित करने के लिए वीडियो ट्यूटोरियल
ऊपर दिए गए प्लेटफ़ॉर्म एआई मॉडल के प्रशिक्षण और उपयोग के लिए आसान ऑन-रैंप के लिए केवल सिफारिशें हैं।
कई और उन्नत एआई उपकरण उपलब्ध हैं। कुछ अतिरिक्त संसाधन अनुभाग में सूचीबद्ध हैं। उन्हें जावा, पायथन, या स्विफ्ट जैसी उन्नत भाषाओं का उपयोग करने की आवश्यकता हो सकती है और सबसे अधिक संभावना एपीआई (एप्लिकेशन प्रोग्रामिंग इंटरफ़ेस) का उपयोग करने की होगी।
गतिविधि: अपने मॉडल को प्रशिक्षित करें
अपने डेटासेट का उपयोग करके अपने AI मॉडल को प्रशिक्षित करें
- अपनी परियोजना के लिए उपयुक्त मंच चुनें।
- अपने डेटासेट का उपयोग करके अपने AI मॉडल को प्रशिक्षित करें।
- यदि आपने अपने डेटासेट के लिए सभी उदाहरण पूरी तरह से एकत्र नहीं किए हैं, तो आपके पास जो है उसे जोड़ें।
- जैसे-जैसे आप अधिक डेटा एकत्र करते हैं, और जोड़ें।
- अपने प्रोजेक्ट/मॉडल को सहेजें ताकि आप बाद में उस पर वापस आ सकें!
- अपने एआई मॉडल को प्रशिक्षित करने के बाद, कुछ अतिरिक्त उदाहरणों के साथ इसका परीक्षण करें। ये परीक्षण उदाहरण आपके द्वारा उपयोग किए गए प्रशिक्षण उदाहरणों से भिन्न होने चाहिए।
- यदि आपका मॉडल बहुत सटीक नहीं है (70% से अधिक), तो अधिक प्रशिक्षण उदाहरण जोड़ें, फिर से प्रशिक्षित करें, पुनः परीक्षण करें।
मेंटर टिप
सर्वोत्तम अभ्यास: प्रशिक्षण मॉडल कठिन है! यहां तक कि Google भी इसे गलत मानता है। उनके एआई को प्रशिक्षित किया गया था लेकिन फिर भी गलत परिणाम आउटपुट करना शुरू कर दिया! हिम्मत मत हारो!
छात्रों से पूछने के लिए मार्गदर्शक प्रश्न: आप अपने AI मॉडल को कितना सटीक बनाना चाहते हैं? यदि यह 100% सटीक नहीं हो सकता है, तो स्वीकार्य उत्तर क्या है? 80% समय? क्या यह इस बात पर निर्भर करता है कि आप मॉडल का उपयोग किस लिए कर रहे हैं? उदाहरण के लिए, सेल्फ ड्राइविंग कारों को बहुत सटीक होना चाहिए, अन्यथा वे किसी को चोट पहुंचा सकते हैं, लेकिन Google खोज परिणामों में स्पष्ट रूप से बहुत कम बार होता है।
AmeriCorps के समर्थन से मेंटर टिप्स प्रदान किए जाते हैं।

परावर्तन
यह गतिविधि सिर्फ मॉडल को प्रशिक्षित करने के बारे में है।
अगली इकाई में, आप अपने मॉडल को एक कार्यशील ऐप में बदलने के लिए एक सॉफ़्टवेयर प्लेटफ़ॉर्म में एकीकृत करेंगे।

प्रमुख शब्दों की समीक्षा
- प्लेटफ़ॉर्म – सॉफ्टवेयर या वेबसाइट जो अपने उपयोगकर्ताओं को कोई कार्य करने या टूल का उपयोग करने की अनुमति देती है
- वर्गीकरण - मशीन लर्निंग मॉडल का उपयोग विभिन्न डेटा को पहचानने या वर्गीकृत करने के लिए किया जाता है
अतिरिक्त संसाधन
एआई मॉडल बनाने के लिए यहां कुछ और उन्नत प्लेटफॉर्म दिए गए हैं।
नोट: यदि आप इन उपकरणों का उपयोग करने का निर्णय लेते हैं, तो मूल्य निर्धारण की दोबारा जांच करना सुनिश्चित करें। कुछ टूल इस बात पर निर्भर करते हैं कि कितने उपयोगकर्ता आपके ऐप का उपयोग करते हैं।
गूगल क्लाउड एआई टूल्स अपने स्वयं के मशीन लर्निंग मॉडल बनाने के लिए कई एपीआई और उपकरण हैं।
Google की ओर से भी, यह प्लेटफ़ॉर्म संवादी ऐप्स के लिए बहुत अच्छा है।
ये वीडियो आपको मोबाइल ऐप बनाने के लिए ऐपशीट के साथ डायलॉगफ्लो का उपयोग करने का तरीका दिखाते हैं।
यहन उपकरण आपको ब्राउज़र में पायथन कोड लिखने और चलाने की अनुमति देता है, और मशीन लर्निंग एप्लिकेशन के लिए अच्छी तरह से काम करता है।