#01ویڈیوز
مختصر ویڈیوز میں AI کی وضاحت
ہر ویڈیو میں ایک خیال، آسان زبان میں۔ ہر ویڈیو ہمارے مفت کورس کے اس باب سے منسلک ہے جو اسے مرحلہ وار سمجھاتا ہے۔
یہاں سے شروع کریں AI 101
- #01
#02Machine learning: how a computer draws its own dividing line
#03Neural networks: layers of tiny calculators passing signals on
#04How AI learns: guess, measure the error, nudge, repeat
#05Tokens: how AI chops your words into numbered pieces
#06Embeddings: why a puppy lands closer to a dog than to a pizza
تازہ ترین
#031Momentum: how remembering past steps stops AI training zigzagging
#030Mini-batches: why AI learns faster from a random handful of data
#029Saddle points: where AI training looks stuck but has a way down
#028Local minima: why AI training can settle for second best
#027Condition number: why a stretched valley makes AI training crawl
#026Learning rate: the step size with a ceiling you can calculate
#025Gradient descent: how AI finds its way downhill in small steps
#024Gradient: the arrow that points uphill, and why AI walks the other way
#023Chain rule: how AI traces the effect of every layer
#022Derivative: how much the result moves when you nudge one input
#021Grid search: why you cannot train an AI by trying every setting
#020Robust loss: stop one wild reading from wrecking your forecast
#019Heavy tails: when rare, huge errors break the usual average
#018Mean squared error: the hidden bet behind squaring your mistakes
#017The LogSumExp trick: one subtraction that stops AI math overflowing
#016Rounding error: why adding the same numbers can give two answers
#015Floating-point numbers: why your computer cannot hold every number
#014Negative log-likelihood: turning a fragile product into a calm sum
#013Maximum likelihood: the answer that makes your data least surprising
#012Bayes' rule: reasoning backwards from a clue to its most likely cause
#011Chain rule of probability: how AI scores a sentence word by word
#010Loss landscape: training an AI means finding the bottom of a valley
#009Loss function: the scoring rule that decides which answer wins
#008Feature engineering: the human choice that can beat the algorithm
کورس کے باب کے لحاظ سے
- 1Perceptron ابتدا سے: ایک Neuron کیا compute کرتا ہے10 ویڈیوز
- 2Loss Function کہاں سے آتا ہے: Likelihood، روایت نہیں12 ویڈیوز
- 3ڈھلوان کی طرف: Gradient Descent، اور وہ دو قدم جو سب چھوڑ دیتے ہیں12 ویڈیوز
- 4Classification، cross-entropy، اور خود کو دھوکا نہ دینے کا طریقہ
- 5Backpropagation شروع سے: پہلے انجن، پھر نیٹ ورک1 ویڈیو
- 6اسے train کروانا، اور اسے generalise کروانا
- 7BPE Tokenizer بنائیں: آپ کا model R کیوں نہیں گن سکتا1 ویڈیو
- 8Next-token prediction: embeddings، اور perplexity کا مطلب1 ویڈیو
- 9Attention اور Transformer block: ایک اوسط سے اخذ شدہ
- 10LLM کی pretraining: data، compute، scaling laws اور لاگت
- 11Base Model سے Assistant تک: SFT، RLHF، DPO اور GRPO
- 12Chain of Thought، RLVR اور Test-Time Compute کی پیمائش
- 13Inference کو سستا بنانا: KV cache، Batching اور Quantization
- 14آپ کی پہلی production LLM call: streaming، retries، timeouts
- 15Prompt Engineering، ناپ کر: output کو کیا بدلتا ہے
- 16context window، tokens اور بل: ناپ تول کے ساتھ
- 17Temperature، top-p اور وہ determinism جو آپ کے پاس نہیں
- 18Tool Calling اور Structured Outputs: وہ contract جو قائم رہتا ہے
- 19Production میں RAG: chunking، retrieval اور دیانت دار citations
- 20Fine-Tune، Retrieve یا Prompt؟ فیصلہ معاشی ہے
- 21Multimodal قیمتیں: images، audio اور video پر اصل بل کیسے بنتا ہے
- 22AI Agent کیا ہے: پانچ کلاسیکی اقسام، دو حریف تعریفیں
- 23Agent harness بنائیں: loop اور اس سے نکلنے کے پانچ راستے
- 24Context Engineering: آپ کا agent ٹرن 40 پر کم عقل کیوں ہو جاتا ہے
- 25Multi-Agent Orchestration: پانچ patterns، اور کب ایک ہی جیتتا ہے
- 26MCP کو spec کے مقابل سمجھیں: server اصل میں کیا ہے
- 27MCP Server شپ کریں: TypeScript اور Python، ناپ تول کے ساتھ
- 28Agent Skills اور SKILL.md: progressive disclosure، پیمائش کے ساتھ
- 29LLM evaluation: public benchmarks سے آپ کے golden set تک
- 30Prompt injection اور lethal trifecta: ایک حقیقی agent کو محفوظ بنانا