مشین لرننگ الگورتھمز، ہندی آڈیو (کرش نائک)
- کورس کی زبان
- کورس کی زبان: ہندی
- سطح
- درمیانی
- دورانیہ
- 38 اسباق · 12.7 گھنٹے
آپ کیا کر سکیں گے
- ریگریشن، ایس وی ایم اور ٹری ماڈلز کی ریاضی سمجھا سکیں
- ہر الگورتھم پائتھن میں بنا سکیں
- آر ایم ایس ای، پریسیژن اور ریکال جیسے پیمانے چن سکیں
- ڈیٹا کلسٹر کر سکیں اور غیر معمولی ریکارڈ پکڑ سکیں
اس کورس کے بارے میں
ہندی میں 38 اسباق، تقریباً 13 گھنٹے: ہر بڑا الگورتھم پہلے ریاضی کی سمجھ اور پھر پائتھن میں۔ ریگریشن، ریج اور لاسو، لاجسٹک، نائیو بیز، کے این این، ایس وی ایم، ڈیسیژن ٹری، بوسٹنگ، کلسٹرنگ اور انوملی ڈیٹیکشن۔ ڈیٹا سائنس انٹرویو کی تیاری کے لیے مفید۔
شروع کرنے سے پہلے: پائتھن اور بنیادی شماریات
نصاب
38 اسباق · کل 12:42:51
- 1Introduction To Machine Learning Algorithms In Hindi19:00
- 2Simple Linear Regression Algorithm Indepth Maths Intuition With Notes In Hindi52:20
- 3Linear Regression Practical Implementation In Hindi23:30
- 4Mean Sqaured Error, Mean Absolute Error And RMSE In Hindi- Linear Regression | Krish Naik Hindi11:40
- 5Ridge And Lasso Regression Indepth Maths Intuition In hindi17:47
- 6Ridge And Lasso Practical Implementation In Hindi15:07
- 7ElasticNet Regression Machine Learning Algorithm Explained In Hindi18:35
- 8Logistic Regression Indepth Maths Intuition In Hindi29:32
- 9Logistic Regression Practical Implementation In Python|Krish Naik|Hindi19:47
- 10Hindi-Naive Baye's Machine Learning Algorithm Indepth Inution- Part 114:25
- 11Hindi-Naive Baye's Machine Learning Algorithm Indepth Inution- Part 224:36
- 12Hindi-K Nearest Neighbour Indepth Intuition- Classification And Regression16:42
- 13Hindi- Overfitting, Underfitting,Bias And Variance Explained In Hindi| Machine Learning12:18
- 14Performance Metrics, Accuracy,Precision,Recall And F-Beta Score Explained In Hindi|Machine Learning23:35
- 15Support Vector Machine Classifier Indepth Intution In Hindi| Krish Naik25:24
- 16Support Vector Regression Indepth Maths Intuition In Hindi11:02
- 17How SVM Kernels Work? |Krish Naik Hindi10:24
- 18Part 1-Decision Tree Classifier Indepth Intuition In Hindi| Krish Naik34:17
- 19Part 2-Post Prunning And Pre Prunning In Decision Tree Classifier In Hindi| Krish Naik9:47
- 20Part 3- Decision Tree And Post Prunning Practical Implementation In Hindi | Krish Naik15:46
- 21Part 4-Hindi- Decision Tree And Pre Prunning Practical Implementation|Krish Naik14:28
- 22Part 5-Hindi- Decision Tree Regression Indepth Intuition With Variance Reduction|Krish Naik23:40
- 23Training Data Vs Test Data Vs Validation Data| Krish Naik14:41
- 24Hindi-Cross Validation Using Python In Machine Learning|Krish Naik12:49
- 25Hindi-Types Of Cross Validation In Machine Learning|Krish Naik18:55
- 26Hindi- Ensemble Techniques-Bagging Vs Boosting|Krish Naik11:55
- 27Random Forest Regression And Classification Indepth Intuition In Hindi16:15
- 28Out Of Bag(OOB) Evaluation And Error In Random Forest Indepth Intuition In Hindi6:51
- 29Automated EDA Using Pandas Profiling- @Krish Naik Hindi6:58
- 30Automated EDA Using Autoviz Library With 3 Lines Of Code|Krish Naik Hindi9:03
تمام 38 اسباق دکھائیں
- 31In-depth EDA Using SweetViz Library In 2 Lines Of Code- Krish Naik Hindi6:54
- 32Complete Automated EDA Using Dtale Library Ussing 3 Lines Of Code|Krish Naik Hindi10:28
- 33R sqaured And Adjusted R squared Machine Learning In Hindi|Krish Naik Hindi12:20
- 34What Is Boosting Technique In Machine Learning- Krish Naik Hindi12:56
- 35Adaboost ML Algorithm Indepth Intuition- Krish Naik Hindi35:06
- 36Gradient Boosting Algorithms Indepth Intuition- Krish Naik Hindi18:07
- 37Complete Unsupervised Machine Learning Tutorials In Hindi- K Means,DBSCAN, Hierarchical Clustering1:33:49
- 38Complete Anomaly Detection Machine Learning Algorithms- Isolation Forest,DBSCAN,Local Factor Outlier32:02
اس کے بعد کیا سیکھیں
متعلقہ کورسز
ویڈیوز Krish Naik Hindi کی، ان کے آفیشل یوٹیوب چینل سے۔ یوٹیوب پر سبسکرائب کریں
استاد یا ادارے کی اپنے چینل پر آفیشل اپ لوڈ، یوٹیوب کے ایمبیڈڈ پلیئر میں دکھائی گئی۔
اسباق آفیشل یوٹیوب پلے لسٹ سے لیے گئے ہیں۔ یوٹیوب پر مکمل پلے لسٹ
اسباق کی آخری جانچ: اکتوبر 2026۔ کورس کا خلاصہ اور اسباق کی ترتیب سبق کی طرف سے۔
مسئلہ یا حقوق کی درخواست رپورٹ کریں