Skip to content

README.md

Latest commit

 

History

History
1282 lines (1050 loc) · 177 KB

README.md

File metadata and controls

1282 lines (1050 loc) · 177 KB
Raw

यह README AI की सहायता से हिंदी में अनूदित है; प्रामाणिक संस्करण अंग्रेज़ी README है।

शून्य से AI इंजीनियरिंग

मॉडल की आंतरिक गणनाएँ, रिट्रीवल पाइपलाइन और एजेंट रनटाइम लागू करें। उनका परीक्षण करें, विफलताएँ जाँचें और कोड तथा मूल्यांकन के परिणाम सहेजें।

सीखना शुरू करें · अध्ययन-पथ चुनें · प्रयोगशाला आज़माएँ · प्रोजेक्ट बनाएँ · पाठ्यक्रम देखें

निःशुल्क, ओपन सोर्स, MIT लाइसेंस। वेबसाइट पर, कोडिंग एजेंट के साथ या स्थानीय कोड चलाकर सीखें।

528 पाठ. 20 चरण. Python, TypeScript, Rust, Julia.

एमआईटी लाइसेंस 528 पाठ 20 चरण GitHub सितारे वेबसाइट

अपनी भाषा में पढ़ें

🇬🇧 English · 🇨🇳 简体中文 · 🇹🇼 繁體中文（台灣） · 🇯🇵 日本語 · 🇰🇷 한국어 · 🇵🇹 Português · 🇧🇷 Português (Brasil) · 🇪🇸 Español · 🇩🇪 Deutsch · 🇫🇷 Français · 🇮🇹 Italiano · 🇳🇱 Nederlands · 🇵🇱 Polski · 🇨🇿 Čeština · 🇷🇴 Română · 🇭🇺 Magyar · 🇬🇷 Ελληνικά · 🇸🇪 Svenska · 🇩🇰 Dansk · 🇳🇴 Norsk · 🇫🇮 Suomi · 🇷🇺 Русский · 🇺🇦 Українська · 🇹🇷 Türkçe · 🇮🇱 עברית · 🇸🇦 العربية · 🇮🇷 فارسی · 🇮🇳 हिन्दी · 🇧🇩 বাংলা · 🇵🇰 اردو · 🇹🇭 ไทย · 🇻🇳 Tiếng Việt · 🇮🇩 Bahasa Indonesia · 🇵🇭 Tagalog

प्रायोजक

SerpApi। आपके AI ऐप्स के लिए वेब खोज API। किसी भी एकीकरण के लिए Markdown और JSON में उपलब्ध। NitroStack। 10 मिनट में अपना MCP ऐप बनाएँ और तैनात करें। मुफ़्त क्लाउड तैनाती के साथ अपना उत्पाद ChatGPT और Claude मार्केटप्लेस पर उपलब्ध कराएँ।

आपका सहयोग हर पाठ को मुफ़्त और ओपन सोर्स बनाए रखता है। सभी समर्थक देखें · एक प्रायोजक बनें

अध्ययन-पथ

मार्ग शुरुआती पाठ
मॉडल की नींव सेटअप और टूल
LLM सिस्टम प्रॉम्प्ट इंजीनियरिंग
एजेंट और डिलीवरी एजेंट लूप

करियर-पथों की तुलना करें · पूर्वापेक्षाएं और अध्ययन का समय

ग्रेडिएंट डिसेंट

20 शुरुआती बिंदु द्विघाती लॉस फ़ंक्शन पर ग्रेडिएंट डिसेंट के अनुसार चलते हैं। ग्राफ़ हर अपडेट के बाद उनकी स्थिति और औसत लॉस दिखाता है।

ग्रेडिएंट डिसेंट बिखरे हुए शुरुआती बिंदुओं को लॉस के न्यूनतम बिंदु की ओर ले जाता है। हर अपडेट के साथ औसत लॉस घटता है।

पाठ में लर्निंग रेट बदलें · कोड में GD, मोमेंटम और Adam की तुलना करें

प्रोजेक्ट

तीन प्रोजेक्ट, जिनमें चरणों के अनुसार शुरुआती कोड, संदर्भ कार्यान्वयन और स्थानीय ग्रेडर हैं। सेटअप के बाद रिपॉज़िटरी के मूल फ़ोल्डर से कमांड चलाएँ। चरण लागू होने तक शुरुआती कोड जाँच में विफल रहेगा।

01 · रिट्रीवल मूल्यांकन प्रयोगशाला · Python · रैंकिंग मापदंड और गिरावट की जाँच

प्रस्तावित सिस्टम का औसत NDCG सुधरता है, लेकिन एक क्वेरी के सबसे प्रासंगिक प्रमाण की रैंक नीचे जाती है। क्वेरी-दर-क्वेरी तुलना बनाएँ जो गिरावट बताए और रिलीज़ जाँच को विफल कर सके।

Python 3.10+ इस्तेमाल करें। RAG और मॉडल मूल्यांकन दोहराएँ। पहले रैंकिंग सत्यापन, प्रिसीजन और रिकॉल, रैंक-संवेदनशील मापदंड, फिर सिस्टम की तुलना लागू करें।

python3 scripts/project_test.py retrieval-evaluation-lab \
  --init learning-artifacts/retrieval-evaluation-lab
python3 scripts/project_test.py retrieval-evaluation-lab \
  --stage 1 --path learning-artifacts/retrieval-evaluation-lab --strict
python3 scripts/project_test.py retrieval-evaluation-lab \
  --all --path learning-artifacts/retrieval-evaluation-lab --strict

सहेजें: दोहराई जा सकने वाली तुलना, जिसमें हर क्वेरी का अंतर और स्कोर के लिए इस्तेमाल हुए प्रासंगिकता आकलन हों। मापदंड इन आकलनों का वर्णन करते हैं; वे उत्तर की शुद्धता साबित नहीं करते।

प्रोजेक्ट शुरू करें · संदर्भ समाधान देखें · अपने इनपुट पर चलाएँ

02 · एजेंट ट्रेस डीबगर · TypeScript · ट्रेस पार्सिंग और समय की गणना

दिए गए ट्रेस में अभी भी 100 ms लगते हैं, लेकिन कुल टोकन उपयोग 200 बढ़ जाता है और एक स्पैन विफल होने लगता है। ओवरलैप करते चाइल्ड स्पैन का काम पैरेंट के अपने निष्पादन समय से अलग करें, फिर बदलाव दिखाने वाली रिपोर्ट बनाएँ।

Node.js 22.18+ और ग्रेडर के लिए Python 3 इस्तेमाल करें। JSONL पार्सिंग, पैरेंट संबंधों का सत्यापन, समय-अंतराल की गणना और जाँची जा सकने वाली टाइमलाइन लागू करें।

python3 scripts/project_test.py agent-trace-debugger \
  --init learning-artifacts/agent-trace-debugger
python3 scripts/project_test.py agent-trace-debugger \
  --stage 1 --path learning-artifacts/agent-trace-debugger --strict
python3 scripts/project_test.py agent-trace-debugger \
  --all --path learning-artifacts/agent-trace-debugger --strict

सहेजें: इनपुट ट्रेस, HTML टाइमलाइन और गिरावट की JSON रिपोर्ट। हर स्पैन के केवल अपने टोकन दर्ज करें, ताकि पैरेंट और चाइल्ड का उपयोग दो बार न गिना जाए।

प्रोजेक्ट शुरू करें · संदर्भ समाधान देखें · समय की गणना इंटरैक्टिव ढंग से देखें

03 · टूल कॉल फ़ायरवॉल · Rust · भूमिका की जाँच और स्वीकृति के रिकॉर्ड

समीक्षा के बाद लिखी जाने वाली सामग्री बदल जाती है या स्वीकृति दोबारा इस्तेमाल होती है। कॉल का एनवेलप सत्यापित करें, कॉलर की भूमिका और पथ जाँचें, फिर उसी सटीक अनुरोध और सामग्री से बँधी स्वीकृति को इस्तेमाल करके समाप्त करें।

Rust और Python 3.10+ इस्तेमाल करें। टूल स्कीमा डिज़ाइन और सुरक्षा सीमाएँ दोहराएँ। पहचान कॉल करने वाला एप्लिकेशन देता है; मॉडल कार्रवाई का प्रस्ताव रखता है।

python3 scripts/project_test.py tool-call-firewall \
  --init learning-artifacts/tool-call-firewall
python3 scripts/project_test.py tool-call-firewall \
  --stage 1 --path learning-artifacts/tool-call-firewall --strict
python3 scripts/project_test.py tool-call-firewall \
  --all --path learning-artifacts/tool-call-firewall --strict

सहेजें: अनुरोधित कार्रवाई और नीति का निर्णय दिखाने वाला ऑडिट रिकॉर्ड। स्वीकृति एक इनवोकेशन के भीतर केवल एक बार इस्तेमाल हो सकती है; यह प्रोजेक्ट स्थायी प्राधिकरण या ऑपरेटिंग सिस्टम सैंडबॉक्स नहीं देता।

प्रोजेक्ट शुरू करें · संदर्भ समाधान देखें · स्वीकृति की सीमाएँ समझें

सभी प्रोजेक्ट देखें · करियर अभ्यास मार्गदर्शिका

सीखने का तरीका चुनें

वेबसाइट पर

पूरा किया हुआ कोई पाठ aiengineeringfromscratch.com पर खोलें या विषय-सूची में कोई चरण विस्तार से देखें। सेटअप या क्लोन की ज़रूरत नहीं।

AI शिक्षक के साथ

अगर Node.js, npx और स्किल चला सकने वाला कोडिंग एजेंट पहले से स्थापित हैं, तो उस एजेंट को अपना ट्यूटर बना सकते हैं। ट्यूटर स्थापित करने या पढ़ने के लिए रिपॉज़िटरी क्लोन करना ज़रूरी नहीं। केंद्रित अध्ययन-पथ की प्रयोगशालाओं के लिए python3 चाहिए। Agent Skills की प्रयोगशालाओं के लिए चुना हुआ होस्ट और उपयोगकर्ता या परियोजना के दायरे में लिखने योग्य स्किल फ़ोल्डर भी चाहिए।

npx skills add rohitg00/ai-engineering-from-scratch

इंस्टॉलर के पूछने पर होस्ट और दायरा चुनें। Codex में start-learning, Claude Code में /start-learning इस्तेमाल करें या अपने होस्ट से नाम के आधार पर स्किल उपयोग करने को कहें।

शिक्षक का सेटअप और होस्ट कमांड

पहले अपनी मशीन पर आवश्यक टूल जाँचें:

node --version
npx --version
python3 --version

skills इंस्टॉलर के दौरान चुने गए प्लेटफ़ॉर्म और दायरे में फ़ाइलें लिखता है, जैसे .claude/skills/, .cursor/skills/ या .codex/skills/। जाँचें कि चुना हुआ प्लेटफ़ॉर्म उसी स्थान से कौशल खोजता है।

स्किल बुलाने का तरीका होस्ट तय करता है; अलग-अलग होस्ट पर चल सकने वाला SKILL.md प्रारूप इसे तय नहीं करता:

होस्ट कोर्स शुरू करें Model Context Protocol (MCP) शुरू करें Agent Skills शुरू करें चरण की क्विज़ लें
Codex start-learning, या /skills से चुनें learn-mcp, या /skills से चुनें learn-agent-skills, या /skills से चुनें check-understanding 13, या /skills से चुनें
Claude Code /start-learning /learn-mcp /learn-agent-skills /check-understanding 13
अन्य संगत होस्ट Use start-learning to begin the course. Use learn-mcp to start the Model Context Protocol (MCP) path. Use learn-agent-skills to start the Agent Skills Engineering path. Use check-understanding to quiz me on Phase 13.

दस सवालों की स्तर-जाँच क्विज़ आपके मौजूदा ज्ञान के अनुसार शुरुआती चरण चुनती है और व्यक्तिगत अध्ययन-योजना LEARNING.md में सहेजती है। इसके बाद learn स्किल हर सत्र में एक पाठ पढ़ाती है: अवधारणा, गणित, कोड और क्विज़। course-guide स्किल उस विषय का सही पाठ बताती है जहाँ आप अटक गए हैं। Codex में learn और course-guide, Claude Code में /learn और /course-guide चलाएँ; दूसरे संगत होस्ट में स्किल का नाम लेकर उसका उपयोग करने को कहें।

केवल Model Context Protocol (MCP) सीखना है? अपने होस्ट के लिए MCP शुरू करने वाला कमांड चुनें। इससे MCP-LEARNING.md बनती है और 17 पाठों का मार्ग शुरू होता है: अवस्था-रहित अनुरोध, संचार-विधियाँ, द्विदिश कार्य, सुरक्षा, विश्वसनीयता, रजिस्ट्री का प्रशासन और अनुरूपता के प्रमाण। सही क्रम और जाँच के पड़ाव Model Context Protocol (MCP) की पाठ्यक्रम-सूची में हैं।

केवल Agent Skills सीखना है? अपने होस्ट के लिए Agent Skills शुरू करने वाला कमांड चुनें। इससे AGENT-SKILLS-LEARNING.md बनती है और पाँच जुड़े पाठों का मार्ग मिलता है: अनुबंध, खोज, आह्वान, सैंडबॉक्स की सीमाएँ, फिर प्रकाशन से पहले मूल्यांकन और वास्तविक होस्टों के बीच पोर्टेबिलिटी। शुरुआत वेबसाइट के Agent Skills पथ से भी कर सकते हैं।

इंस्टॉलर उन होस्ट प्लेटफ़ॉर्मों की सूची दिखाता है जिन्हें वह सेटअप कर सकता है और पूछता है कि स्किल कहाँ स्थापित करनी हैं। Node.js, npx, python3, समर्थित होस्ट या लिखने योग्य स्थान उपलब्ध न हो तो वेबसाइट देखें या docs/en.md पढ़ें। इससे अवधारणाएँ समझ आएँगी; लेकिन वास्तविक होस्ट पर स्किल खोजने, चलाने, स्क्रिप्ट इस्तेमाल करने और हटाने के प्रमाण वातावरण तैयार होने के बाद ही मिलेंगे। पाठ aiengineeringfromscratch.com पर भी पढ़ें।

सीखने की स्किल

कौशल यह क्या करता है
start-learning शुरुआत के समय: सीखने का लक्ष्य स्पष्ट करें, स्तर-जाँच क्विज़ दें और निजी योजना LEARNING.md में सहेजें।
learn ट्यूटर-चक्र: पिछली बात याद करें, अगला पाठ संवाद के ज़रिये सीखें, फिर क्विज़ दें; प्रगति और दोहराने वाले विषय दर्ज होते हैं।
course-guide विषय-मार्गदर्शक: “अटेंशन तंत्र कहाँ सीखूँ?” या “मेरे लॉस में NaN क्यों है?” पूछें और सही पाठों के लिंक पाएँ।
learn-mcp MCP का केंद्रित ट्यूटर। MCP-LEARNING.md बनाता है, 17-पाठ की सूची अपनाता है और संचार, सुरक्षा, विश्वसनीयता तथा अनुरूपता के प्रमाण दर्ज करता है।
learn-agent-skills Agent Skills का केंद्रित ट्यूटर। AGENT-SKILLS-LEARNING.md बनाता है, पाठ 22, 24, 25, 26 और 27 पढ़ाता है और वास्तविक होस्ट पर जाँच के प्रमाण रखता है।
claude-certification प्रमाणन ट्यूटर। CCAO-F, CCDV-F, CCAR-F या CCAR-P चुनता है; पाठ पढ़ाता, प्रयोगशालाएँ चलाता, बनाए गए काम की समीक्षा करता, निदान और अभ्यास-परीक्षाएँ कराता तथा प्रगति सहेजता है।
mcpa-certification MCPA ट्यूटर। 2026-07-28 प्रोटोकॉल पर mcpa-f के 34-पाठ वाले मार्ग पर चलता है; प्रयोगशालाएँ और प्रोटोकॉल संदेशों की जाँच चलाता, निदान परीक्षा व तीन अभ्यास-परीक्षाएँ कराता और प्रगति सहेजता है।
find-your-level दस सवालों की स्तर-जाँच क्विज़ आपके ज्ञान के अनुसार शुरुआती चरण चुनती है और समय-अनुमान सहित निजी अध्ययन-मार्ग बनाती है।
check-understanding <phase> हर चरण के लिए आठ सवालों की क्विज़, प्रतिक्रिया और दोहराने योग्य पाठ। ऊपर की तालिका में Codex, Claude Code या सामान्य भाषा वाला तरीका देखें।

स्थानीय कोड चलाएं

git clone http://github.com/rohitg00/ai-engineering-from-scratch.git
cd ai-engineering-from-scratch
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route beginner
python3 phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py

शुरुआती जाँच अभी आवश्यक चीज़ों को उन औज़ारों से अलग करती है जिनकी ज़रूरत बाद में होगी। हर अनिवार्य जाँच विफल होने पर उसका कारण और सुधार का कमांड मिलता है। vectors.py कमांड बिना बाहरी निर्भरताओं वाला पाठ चलाता है और दिखाता है कि मैट्रिक्स को वेक्टर से गुणा करना ही न्यूरल नेटवर्क की एक परत के भीतर की गणना है। टर्मिनल के इस आउटपुट को अपना पहला प्रमाण मानकर सहेजें।

हर पाठ पर एक ही तरीके से काम करें

हर पाठ पर एक ही तरीके से काम करें

  1. पढ़ें: docs/en.md पढ़ें और मुख्य विचार अपने शब्दों में समझाएँ।
  2. लिखकर बनाएँ: ज़रूरी कोड स्वयं लिखें; कोड-ब्लॉक को सजावट न समझें।
  3. चलाएँ: पाठ का कमांड रिपॉज़िटरी के मूल फ़ोल्डर से चलाएँ, यानी उस फ़ोल्डर से जिसमें README.md और phases/ हैं।
  4. प्रमाण सहेजें: कमांड, कार्यशील फ़ोल्डर, निकास कोड, उपयोगी आउटपुट और बदली या बनाई गई सामग्री दर्ज करें।
  5. तभी आगे बढ़ें: जब नतीजा समझा सकें और अनुमान लगाए बिना छोटा बदलाव कर सकें।

पाठों के कमांड में दिए गए पथ रिपॉज़िटरी के मूल फ़ोल्डर से शुरू होते हैं, जब तक कि पाठ स्पष्ट रूप से फ़ोल्डर बदलने को न कहे। कई प्रोग्रामिंग भाषाओं में कोड उपलब्ध हो तो उस भाषा का कार्यान्वयन चलाएँ जिसे आप सीख रहे हैं।

सीखने का मार्ग चुनें

शुरुआत से पहले 528 पाठों की सूची देखने की ज़रूरत नहीं। अपना एक लक्ष्य चुनें। हर लिंक GitHub या वेबसाइट पर उसी पाठ्यक्रम को खोलता है और दोनों जगह पाठों का कोड एक ही है।

आपका लक्ष्य GitHub पर सीखें वेबसाइट पर सीखें
मैं नया हूँ और पूरी बुनियाद चाहता हूँ चरण 0: सेटअप और टूलिंग विकास वातावरण
मुझे Python आता है; गणित और ML की बुनियाद चाहिए चरण 1: गणित की बुनियाद रैखिक बीजगणित की सहज समझ
मैं उत्पादन के लिए LLM ऐप बनाना चाहता हूँ चरण 11: LLM इंजीनियरिंग प्रॉम्प्ट इंजीनियरिंग
मैं एजेंट बनाना चाहता हूँ चरण 14: एजेंट इंजीनियरिंग एजेंट लूप
मैं असली रिपॉज़िटरी पर कोडिंग एजेंट इस्तेमाल करना चाहता हूँ एजेंट-सहायित इंजीनियरिंग मार्ग एजेंट-सहायित इंजीनियरिंग
मैं कार्यान्वयन से पहले सही समाधान तय करना चाहता हूँ उत्पाद-निर्णय और सुपुर्दगी मार्ग उत्पाद-निर्णय और सुपुर्दगी

पता नहीं कहाँ से शुरू करें? start-learning स्तर-जाँच ट्यूटर या वेबसाइट की पूर्वापेक्षा मार्गदर्शिका देखें।

AI इंजीनियरिंग अध्ययन-पथ में चार मुख्य क्षेत्रों और छह करियर-पथों की तुलना करें।

MCP और Agent Skills के केंद्रित मार्ग
आपका लक्ष्य GitHub पर सीखें वेबसाइट पर सीखें
मैं Model Context Protocol (MCP) के साथ बनाना चाहता हूँ Model Context Protocol (MCP) मार्ग Model Context Protocol (MCP) पथ
मैं Agent Skills लिखकर जारी करना चाहता हूँ Agent Skills का केंद्रित मार्ग Agent Skills पथ
पूर्वापेक्षाएं और अध्ययन का समय

पूर्वापेक्षाएँ

  • आप किसी भी भाषा में कोड लिख सकते हैं; Python मददगार है।
  • आप समझना चाहते हैं कि AI वास्तव में कैसे काम करता है, सिर्फ़ API कॉल करना नहीं।

कहाँ से शुरू करें

आपकी पृष्ठभूमि यहाँ से शुरू करें अनुमानित समय
प्रोग्रामिंग और AI में नए हैं चरण 0 — सेटअप ~306 घंटे
Python जानते हैं, ML नया है चरण 1 — गणित की बुनियाद ~270 घंटे
ML जानते हैं, डीप लर्निंग नया है चरण 3 — डीप लर्निंग का मूल ~200 घंटे
डीप लर्निंग जानते हैं, LLM और एजेंट चाहते हैं चरण 10 — LLMs को शुरू से बनाना ~100 घंटे
वरिष्ठ इंजीनियर, केवल एजेंट इंजीनियरिंग चाहिए चरण 14 — एजेंट इंजीनियरिंग ~60 घंटे
केवल उत्पादन MCP प्रणालियाँ बनाना चाहते हैं Model Context Protocol (MCP) पथ ~23 घंटे 15 मिनट
केवल उत्पादन Agent Skills बनाना चाहते हैं Agent Skills इंजीनियरिंग पथ ~9.5 घंटे

पाठ्यक्रम की बनावट

बीस चरण एक-दूसरे पर टिके हैं। गणित बुनियाद है; एजेंट और उत्पादन में तैनाती सबसे ऊपर हैं। नीचे के स्तर पहले से समझते हों तो आगे बढ़ें। लेकिन ज़रूरी आधार छोड़े बिना ही अगले स्तर पर जाएँ, ताकि वहाँ आने वाली समस्या की वजह समझ सकें।

%%{init: {'theme':'base','themeVariables':{'primaryColor':'#fafaf5','primaryTextColor':'#1a1a1a','primaryBorderColor':'#3553ff','lineColor':'#3553ff','fontFamily':'JetBrains Mono','fontSize':'12px'}}}%%
flowchart TB
  P0["चरण 0 — सेटअप और टूलिंग"] --> P1["चरण 1 — गणित की बुनियाद"]
  P1 --> P2["चरण 2 — ML की बुनियाद"]
  P2 --> P3["चरण 3 — डीप लर्निंग की बुनियाद"]
  P3 --> P4["चरण 4 — कंप्यूटर दृष्टि"]
  P3 --> P5["चरण 5 — NLP"]
  P3 --> P6["चरण 6 — वाक् और ऑडियो"]
  P3 --> P9["चरण 9 — रीइन्फोर्समेंट लर्निंग"]
  P5 --> P7["चरण 7 — Transformers"]
  P7 --> P8["चरण 8 — जनरेटिव AI"]
  P7 --> P10["चरण 10 — LLMs को शुरू से बनाना"]
  P10 --> P11["चरण 11 — LLM इंजीनियरिंग"]
  P10 --> P12["चरण 12 — बहुमाध्यमी AI"]
  P11 --> P13["चरण 13 — टूल और प्रोटोकॉल"]
  P13 --> P14["चरण 14 — एजेंट इंजीनियरिंग"]
  P14 --> P15["चरण 15 — स्वायत्त प्रणालियाँ"]
  P15 --> P16["चरण 16 — बहु-एजेंट और स्वार्म"]
  P14 --> P17["चरण 17 — आधारभूत ढाँचा और उत्पादन"]
  P15 --> P18["चरण 18 — नैतिकता और संरेखण"]
  P16 --> P19["चरण 19 — समापन परियोजनाएँ"]
  P17 --> P19
  P18 --> P19
Loading

विषय-सूची

बीस चरण। किसी चरण पर क्लिक करें और उसके पाठों की सूची खोलें।

चरण 0: सेटअप और टूलिंग 13 पाठ

आगे के सभी कामों के लिए अपना विकास वातावरण तैयार करें।

# पाठ प्रकार भाषा
01 विकास वातावरण बनाएँ Python
02 Git और सहयोग सीखें —
03 GPU सेटअप और क्लाउड बनाएँ Python
04 API और कुंजियाँ बनाएँ Python
05 Jupyter नोटबुक बनाएँ Python
06 Python के परिवेश बनाएँ Shell
07 AI के लिए Docker बनाएँ Docker
08 एडिटर सेटअप बनाएँ —
09 डेटा प्रबंधन बनाएँ Python
10 टर्मिनल और शेल सीखें —
11 AI के लिए Linux सीखें —
12 डिबगिंग और प्रोफाइलिंग बनाएँ Python
13 AI इंजीनियरिंग के लिए Python बनाएँ Python
चरण 1 — गणित की बुनियाद  22 पाठ  हर AI एल्गोरिदम के पीछे की सहज समझ, कोड के ज़रिये।
# पाठ प्रकार भाषा
01 रैखिक बीजगणित की सहज समझ सीखें Python, Julia
02 वेक्टर, मैट्रिक्स और संक्रियाएँ बनाएँ Python, Julia
03 मैट्रिक्स रूपांतरण और आइगेनवैल्यू बनाएँ Python, Julia
04 ML के लिए कलन: अवकलज और ग्रेडिएंट सीखें Python
05 श्रृंखला नियम और स्वचालित अवकलन बनाएँ Python
06 प्रायिकता और वितरण सीखें Python
07 Bayes प्रमेय और सांख्यिकीय चिंतन बनाएँ Python
08 अनुकूलन: ग्रेडिएंट डिसेंट के तरीके बनाएँ Python
09 सूचना सिद्धांत: एंट्रॉपी और KL डाइवर्जेंस सीखें Python
10 आयाम घटाना: PCA, t-SNE, UMAP बनाएँ Python
11 सिंगुलर वैल्यू डीकंपोज़िशन (SVD) बनाएँ Python, Julia
12 टेंसर संक्रियाएँ बनाएँ Python
13 संख्यात्मक स्थिरता बनाएँ Python
14 वेक्टर नॉर्म और दूरियाँ बनाएँ Python
15 ML के लिए सांख्यिकी बनाएँ Python
16 नमूना चुनने के तरीके बनाएँ Python
17 रैखिक समीकरण-तंत्र बनाएँ Python
18 उत्तल अनुकूलन बनाएँ Python
19 AI के लिए सम्मिश्र संख्याएँ सीखें Python
20 Fourier रूपांतरण बनाएँ Python
21 ML के लिए ग्राफ सिद्धांत बनाएँ Python
22 स्टोकेस्टिक प्रक्रियाएँ सीखें Python
चरण 2 — ML की बुनियाद  21 पाठ  पारंपरिक ML आज भी अधिकांश उत्पादन AI की रीढ़ है।
# पाठ प्रकार भाषा
01 मशीन लर्निंग क्या है सीखें Python
02 शुरू से रैखिक प्रतिगमन बनाएँ Python
03 लॉजिस्टिक प्रतिगमन और वर्गीकरण बनाएँ Python
04 निर्णय-वृक्ष और रैंडम फ़ॉरेस्ट बनाएँ Python
05 सपोर्ट वेक्टर मशीनें (SVM) बनाएँ Python
06 KNN और दूरी के माप बनाएँ Python
07 बिना पर्यवेक्षण वाला अधिगम: K-Means, DBSCAN बनाएँ Python
08 विशेषता निर्माण और चयन बनाएँ Python
09 मॉडल मूल्यांकन: मापदंड और क्रॉस-वैलिडेशन बनाएँ Python
10 बायस, वैरिएंस और सीखने के वक्र सीखें Python
11 एन्सेम्बल विधियाँ: बूस्टिंग, बैगिंग, स्टैकिंग बनाएँ Python
12 हाइपरपैरामीटर का समायोजन बनाएँ Python
13 ML पाइपलाइनें और प्रयोगों की ट्रैकिंग बनाएँ Python
14 नाइव बेयस बनाएँ Python
15 समय-श्रृंखला की बुनियाद बनाएँ Python
16 असामान्यता पहचान बनाएँ Python
17 असंतुलित डेटा को संभालना बनाएँ Python
18 विशेषता चयन बनाएँ Python
19 ML सिस्टम डिज़ाइन: समस्या से तैनात मॉडल तक बनाएँ Python
20 उत्पादन में मॉडलों की निगरानी: डेटा ड्रिफ्ट और अवधारणा ड्रिफ्ट बनाएँ Python
21 विशेषता भंडार और प्रशिक्षण तथा सर्विंग का अंतर बनाएँ Python
चरण 3 — डीप लर्निंग की बुनियाद  13 पाठ  बुनियादी सिद्धांतों से न्यूरल नेटवर्क बनाएँ। पहले खुद कार्यान्वयन करें, फिर फ्रेमवर्क इस्तेमाल करें।
# पाठ प्रकार भाषा
01 Perceptron: शुरुआत यहीं से बनाएँ Python
02 बहु-स्तरीय नेटवर्क और अग्रिम प्रसार बनाएँ Python
03 शुरू से बैकप्रोपेगेशन बनाएँ Python
04 सक्रियण फलन: ReLU, Sigmoid, GELU और इन्हें चुनने का कारण बनाएँ Python
05 लॉस फलन: MSE, क्रॉस-एंट्रॉपी और कॉन्ट्रास्टिव लॉस बनाएँ Python
06 अनुकूलक: SGD, Momentum, Adam, AdamW बनाएँ Python
07 नियमितीकरण: Dropout, Weight Decay, BatchNorm बनाएँ Python
08 शुरुआती भार और प्रशिक्षण की स्थिरता बनाएँ Python
09 सीखने की दर की समय-सारणी और वार्मअप बनाएँ Python
10 अपना छोटा फ्रेमवर्क बनाएँ बनाएँ Python
11 PyTorch का परिचय बनाएँ Python
12 JAX का परिचय बनाएँ Python
13 तंत्रिका-जालों में त्रुटि-खोज बनाएँ Python
चरण 4 — कंप्यूटर विज़न  28 पाठ  पिक्सेल से समझ तक: चित्र, वीडियो, 3D, VLM और विश्व मॉडल।
# पाठ प्रकार भाषा
01 चित्र की बुनियाद: पिक्सेल, चैनल और रंग-स्थान सीखें Python
02 संवलन (convolution) की गणना शुरू से बनाएँ Python
03 CNN: LeNet से ResNet तक बनाएँ Python
04 चित्र वर्गीकरण बनाएँ Python
05 स्थानांतरण अधिगम और फाइन-ट्यूनिंग बनाएँ Python
06 ऑब्जेक्ट डिटेक्शन: शुरू से YOLO बनाएँ Python
07 अर्थगत विभाजन: U-Net बनाएँ Python
08 वस्तु-इकाई विभाजन: Mask R-CNN बनाएँ Python
09 चित्र निर्माण: GANs बनाएँ Python
10 चित्र निर्माण: प्रसार मॉडल बनाएँ Python
11 Stable Diffusion: संरचना और फाइन-ट्यूनिंग बनाएँ Python
12 वीडियो की समझ: कालिक मॉडलिंग बनाएँ Python
13 3D दृष्टि: पॉइंट क्लाउड और NeRFs बनाएँ Python
14 विज़न Transformer (ViT) बनाएँ Python
15 रीयल-टाइम दृष्टि: एज पर तैनाती बनाएँ Python
16 दृष्टि की पूरी पाइपलाइन बनाएँ बनाएँ Python
17 स्व-पर्यवेक्षित कंप्यूटर दृष्टि: SimCLR, DINO, MAE बनाएँ Python
18 खुली शब्दावली वाली कंप्यूटर दृष्टि: CLIP बनाएँ Python
19 OCR और दस्तावेज़ों की समझ बनाएँ Python
20 चित्र पुनर्प्राप्ति और मापदंड-आधारित अधिगम बनाएँ Python
21 मुख्य-बिंदु पहचान और मुद्रा अनुमान बनाएँ Python
22 शुरू से 3D Gaussian Splatting बनाएँ Python
23 Diffusion Transformers और रेक्टिफ़ाइड फ़्लो बनाएँ Python
24 SAM 3 और खुली शब्दावली के आधार पर विभाजन बनाएँ Python
25 दृश्य-भाषा मॉडल (ViT-MLP-LLM) बनाएँ Python
26 एक चित्र से गहराई और ज्यामिति का अनुमान बनाएँ Python
27 कई वस्तुओं पर नज़र रखना और वीडियो स्मृति बनाएँ Python
28 विश्व मॉडल और वीडियो प्रसार बनाएँ Python
चरण 5 — NLP: बुनियाद से उन्नत विषयों तक  29 पाठ  भाषा बुद्धिमत्ता तक पहुँचने का अंतरफलक है।
# पाठ प्रकार भाषा
01 पाठ संसाधन: टोकनीकरण, मूल-रूप निष्कर्षण और लेम्मा निर्धारण बनाएँ Python
02 Bag of Words, TF-IDF और पाठ निरूपण बनाएँ Python
03 शब्द वेक्टर निरूपण: शुरू से Word2Vec बनाएँ Python
04 GloVe, FastText और उपशब्द एम्बेडिंग बनाएँ Python
05 भाव-विश्लेषण बनाएँ Python
06 नामित इकाई पहचान (NER) बनाएँ Python
07 शब्द-भेद टैगिंग और वाक्य-विन्यास विश्लेषण बनाएँ Python
08 पाठ वर्गीकरण: पाठ के लिए CNN और RNN बनाएँ Python
09 क्रम-से-क्रम मॉडल बनाएँ Python
10 अटेंशन तंत्र: निर्णायक सफलता बनाएँ Python
11 मशीन अनुवाद बनाएँ Python
12 पाठ का सारांश बनाएँ Python
13 प्रश्न-उत्तर प्रणालियाँ बनाएँ Python
14 सूचना पुनर्प्राप्ति और खोज बनाएँ Python
15 विषय मॉडलिंग: LDA, BERTopic बनाएँ Python
16 पाठ निर्माण बनाएँ Python
17 चैटबॉट: नियम-आधारित से न्यूरल मॉडल तक बनाएँ Python
18 बहुभाषी NLP बनाएँ Python
19 उपशब्द टोकनीकरण: BPE, WordPiece, Unigram, SentencePiece सीखें Python
20 संरचित आउटपुट और नियंत्रित डीकोडिंग बनाएँ Python
21 NLI: पाठ से तार्किक निष्कर्ष निकालना सीखें Python
22 एम्बेडिंग मॉडल की गहराई से पड़ताल सीखें Python
23 RAG में पाठ को खंडों में बाँटने की रणनीतियाँ बनाएँ Python
24 एक ही इकाई के संदर्भों की पहचान सीखें Python
25 इकाइयों को जोड़ना और अस्पष्टता दूर करना बनाएँ Python
26 संबंध निष्कर्षण और ज्ञान-ग्राफ निर्माण बनाएँ Python
27 LLM मूल्यांकन: RAGAS, DeepEval, G-Eval बनाएँ Python
28 दीर्घ-संदर्भ मूल्यांकन: NIAH, RULER, LongBench, MRCR सीखें Python
29 संवाद की स्थिति पर नज़र रखना बनाएँ Python
चरण 6 — वाक् और ऑडियो  17 पाठ  सुनें, समझें, बोलें।
# पाठ प्रकार भाषा
01 ऑडियो की बुनियाद: तरंगरूप, नमूनाकरण और FFT सीखें Python
02 स्पेक्ट्रोग्राम, Mel पैमाना और ऑडियो की विशेषताएँ बनाएँ Python
03 ऑडियो वर्गीकरण बनाएँ Python
04 वाक् पहचान (ASR) बनाएँ Python
05 Whisper: संरचना और फाइन-ट्यूनिंग बनाएँ Python
06 वक्ता की पहचान और सत्यापन बनाएँ Python
07 पाठ से वाक् (TTS) बनाएँ Python
08 आवाज़ की नकल और रूपांतरण बनाएँ Python
09 संगीत निर्माण बनाएँ Python
10 ऑडियो-भाषा मॉडल बनाएँ Python
11 रीयल-टाइम ऑडियो संसाधन बनाएँ Python
12 वॉइस असिस्टेंट की पाइपलाइन बनाएँ बनाएँ Python
13 न्यूरल ऑडियो कोडेक: EnCodec, SNAC, Mimi, DAC सीखें Python
14 आवाज़ की सक्रियता और बोलने की बारी पहचानना बनाएँ Python
15 स्ट्रीमिंग वाक्-से-वाक्: Moshi, Hibiki सीखें Python
16 आवाज़ की नकल-रोधी तकनीक और ऑडियो वॉटरमार्किंग बनाएँ Python
17 ऑडियो मूल्यांकन: WER, MOS, MMAU और रैंकिंग सीखें Python
चरण 7 — Transformers की गहराई में  16 पाठ  वह संरचना जिसने सब कुछ बदल दिया।
# पाठ प्रकार भाषा
01 Transformers क्यों: RNN की समस्याएँ सीखें Python
02 शुरू से सेल्फ-अटेंशन बनाएँ Python
03 मल्टी-हेड अटेंशन बनाएँ Python
04 स्थिति-एन्कोडिंग: साइनसॉइडल, RoPE, ALiBi बनाएँ Python
05 पूरा Transformer: एन्कोडर और डिकोडर बनाएँ Python
06 BERT: मास्क्ड भाषा मॉडलिंग बनाएँ Python
07 GPT: कारणात्मक भाषा मॉडलिंग बनाएँ Python
08 T5, BART: एन्कोडर-डिकोडर मॉडल सीखें Python
09 विज़न Transformer (ViT) बनाएँ Python
10 ऑडियो Transformers: Whisper संरचना सीखें Python
11 विशेषज्ञों का मिश्रण (MoE) बनाएँ Python
12 KV कैश, Flash Attention और अनुमानन का अनुकूलन बनाएँ Python
13 स्केलिंग के नियम सीखें Python
14 शुरू से Transformer बनाएँ बनाएँ Python
15 अटेंशन के प्रकार: स्लाइडिंग विंडो, स्पार्स और डिफ़रेंशियल बनाएँ Python
16 स्पेक्युलेटिव डीकोडिंग: मसौदा बनाएँ, जाँचें, दोहराएँ बनाएँ Python
चरण 8 — जनरेटिव AI  15 पाठ  चित्र, वीडियो, ऑडियो, 3D और बहुत कुछ बनाएँ।
# पाठ प्रकार भाषा
01 जनरेटिव मॉडल: वर्गीकरण और इतिहास सीखें Python
02 ऑटोएन्कोडर और VAE बनाएँ Python
03 GANs: जनरेटर बनाम डिस्क्रिमिनेटर बनाएँ Python
04 कंडीशनल GANs और Pix2Pix बनाएँ Python
05 StyleGAN बनाएँ Python
06 प्रसार मॉडल: शुरू से DDPM बनाएँ Python
07 लेटेंट डिफ़्यूज़न और Stable Diffusion बनाएँ Python
08 ControlNet, LoRA और कंडीशनिंग बनाएँ Python
09 इनपेंटिंग, आउटपेंटिंग और संपादन बनाएँ Python
10 वीडियो निर्माण बनाएँ Python
11 ऑडियो निर्माण बनाएँ Python
12 3D निर्माण बनाएँ Python
13 फ़्लो मैचिंग और रेक्टिफ़ाइड फ़्लो बनाएँ Python
14 मूल्यांकन: FID, CLIP Score बनाएँ Python
19 दृश्य स्व-प्रतिगामी मॉडलिंग (VAR): अगले पैमाने की भविष्यवाणी बनाएँ Python
चरण 9 — रीइन्फोर्समेंट लर्निंग  12 पाठ  RLHF और खेल खेलने वाले AI की बुनियाद।
# पाठ प्रकार भाषा
01 MDP, अवस्थाएँ, क्रियाएँ और पुरस्कार सीखें Python
02 गतिशील प्रोग्रामिंग बनाएँ Python
03 Monte Carlo विधियाँ बनाएँ Python
04 Q-Learning, SARSA बनाएँ Python
05 डीप Q-नेटवर्क (DQN) बनाएँ Python
06 पॉलिसी ग्रेडिएंट: REINFORCE बनाएँ Python
07 ऐक्टर-क्रिटिक: A2C, A3C बनाएँ Python
08 PPO बनाएँ Python
09 प्रतिफल मॉडलिंग और RLHF बनाएँ Python
10 बहु-एजेंट RL बनाएँ Python
11 अनुकरण से वास्तविक दुनिया में स्थानांतरण बनाएँ Python
12 खेलों के लिए RL बनाएँ Python
चरण 10 — LLMs को शुरू से बनाना  24 पाठ  बड़े भाषा मॉडल बनाएँ, प्रशिक्षित करें और समझें।
# पाठ प्रकार भाषा
01 टोकनाइज़र: BPE, WordPiece, SentencePiece बनाएँ Python, Rust
02 शुरू से टोकनाइज़र बनाएँ बनाएँ Python
03 पूर्व-प्रशिक्षण के लिए डेटा पाइपलाइनें बनाएँ Python
04 Mini GPT का पूर्व-प्रशिक्षण (124M) बनाएँ Python
05 वितरित प्रशिक्षण: FSDP, DeepSpeed बनाएँ Python
06 निर्देश-अनुकूलन — SFT बनाएँ Python
07 RLHF: पुरस्कार मॉडल और PPO बनाएँ Python
08 DPO: प्रत्यक्ष वरीयता अनुकूलन बनाएँ Python
09 संवैधानिक AI और आत्म-सुधार बनाएँ Python
10 मूल्यांकन: बेंचमार्क और परीक्षण बनाएँ Python
11 परिमाणीकरण: INT8, GPTQ, AWQ, GGUF बनाएँ Python
12 अनुमानन अनुकूलन बनाएँ Python
13 पूरी LLM पाइपलाइन बनाएँ बनाएँ Python
14 खुले मॉडल: संरचना की पड़ताल सीखें Python
15 स्पेक्युलेटिव डिकोडिंग और EAGLE-3 बनाएँ Python
16 Differential Attention (V2) बनाएँ Python
17 Native Sparse Attention (DeepSeek NSA) बनाएँ Python
18 कई टोकन की भविष्यवाणी (MTP) बनाएँ Python
19 DualPipe समानांतरता सीखें Python
20 DeepSeek-V3 की संरचना की पड़ताल सीखें Python
21 Jamba: मिश्रित SSM-Transformer सीखें Python
22 अतुल्यकालिक और Hogwild! अनुमानन बनाएँ Python
25 स्पेक्युलेटिव डिकोडिंग और EAGLE बनाएँ Python
34 ग्रेडिएंट चेकपॉइंटिंग और सक्रियण की दोबारा गणना बनाएँ Python
चरण 11 — LLM इंजीनियरिंग  17 पाठ  LLM को उत्पादन में काम पर लगाएँ।
# पाठ प्रकार भाषा
01 प्रॉम्प्ट इंजीनियरिंग: तकनीकें और प्रचलित तरीके बनाएँ Python
02 कम उदाहरणों से सीखना, CoT और विचार-वृक्ष बनाएँ Python
03 संरचित आउटपुट बनाएँ Python
04 एम्बेडिंग और वेक्टर निरूपण बनाएँ Python
05 संदर्भ अभियांत्रिकी बनाएँ Python
06 RAG: पुनर्प्राप्ति की सहायता से सामग्री निर्माण बनाएँ Python
07 उन्नत RAG: पाठ-खंड बनाना और पुनः क्रम देना बनाएँ Python
08 LoRA और QLoRA के साथ फाइन-ट्यूनिंग बनाएँ Python
09 फ़ंक्शन कॉलिंग और टूल का उपयोग बनाएँ Python
10 मूल्यांकन और परीक्षण बनाएँ Python
11 कैशिंग, अनुरोध-दर की सीमा और लागत बनाएँ Python
12 सुरक्षा-नियम और सुरक्षा बनाएँ Python
13 उत्पादन LLM ऐप बनाएँ बनाएँ Python
14 Model Context Protocol (MCP) बनाएँ Python
15 प्रॉम्प्ट कैशिंग और संदर्भ कैशिंग बनाएँ Python
16 एजेंट की अवस्था-मशीनें: ग्राफ, नोड और चेकपॉइंट बनाएँ Python
17 एजेंट ढाँचे के बीच चुनाव सीखें Python
चरण 12 — मल्टीमोडल AI  25 पाठ  ViT के चित्र-खंडों से कंप्यूटर चलाने वाले एजेंट तक: चित्र, ध्वनि और पाठ को समझें और उनसे मिली जानकारी जोड़कर तर्क करें।
# पाठ प्रकार भाषा
01 Vision Transformers और पैच-टोकन की मूल इकाई सीखें Python
02 CLIP और दृष्टि-भाषा का कॉन्ट्रास्टिव पूर्व-प्रशिक्षण बनाएँ Python
03 BLIP-2 Q-Former: डेटा के अलग-अलग रूपों को जोड़ने वाला सेतु बनाएँ Python
04 Flamingo और गेटयुक्त क्रॉस-अटेंशन सीखें Python
05 LLaVA और दृश्य निर्देश-अनुकूलन बनाएँ Python
06 अलग-अलग रिज़ॉल्यूशन पर दृष्टि: Patch-n'-Pack और NaFlex बनाएँ Python
07 खुले भार वाले VLM बनाने की विधियाँ: वास्तव में क्या मायने रखता है सीखें Python
08 LLaVA-OneVision: एक चित्र, कई चित्र और वीडियो बनाएँ Python
09 Qwen-VL परिवार और गतिशील FPS वाला वीडियो सीखें Python
10 InternVL3 का मूल मल्टीमोडल पूर्व-प्रशिक्षण सीखें Python
11 Chameleon: शुरुआती संलयन, केवल टोकन बनाएँ Python
12 Emu3: सामग्री निर्माण के लिए अगले टोकन की भविष्यवाणी सीखें Python
13 Transfusion: ऑटोरिग्रेसिव मॉडल और डिफ़्यूज़न बनाएँ Python
14 Show-o: एकीकृत विविक्त डिफ़्यूज़न सीखें Python
15 Janus-Pro: अलग-अलग एन्कोडर बनाएँ Python
16 MIO: किसी भी डेटा-रूप से दूसरे डेटा-रूप में स्ट्रीमिंग सीखें Python
17 वीडियो में भाषा को सही समय-खंड से जोड़ना बनाएँ Python
18 दस लाख टोकनों के संदर्भ में लंबा वीडियो बनाएँ Python
19 ऑडियो-भाषा मॉडल: Whisper से AF3 तक बनाएँ Python
20 Omni मॉडल: Thinker-Talker स्ट्रीमिंग बनाएँ Python
21 भौतिक एजेंटों के लिए VLA: RT-2, OpenVLA, π0, GR00T सीखें Python
22 दस्तावेज़ और आरेख समझना बनाएँ Python
23 ColPali: दृष्टि-आधारित दस्तावेज़ RAG बनाएँ Python
24 मल्टीमोडल RAG और अलग-अलग डेटा-रूपों के बीच पुनर्प्राप्ति बनाएँ Python
25 मल्टीमोडल एजेंट और कंप्यूटर संचालन (समापन परियोजना) बनाएँ Python
चरण 13 — टूल और प्रोटोकॉल  31 पाठ  AI और असली दुनिया के बीच के अंतरफलक।
# पाठ प्रकार भाषा
01 औज़ार का अंतरफलक सीखें Python
02 फ़ंक्शन कॉलिंग की गहन पड़ताल बनाएँ Python
03 औज़ारों को समानांतर कॉल करना और प्रवाहमान प्रतिक्रियाएँ बनाएँ Python
04 संरचित आउटपुट बनाएँ Python
05 औज़ारों के स्कीमा की रूपरेखा सीखें Python
06 MCP की बुनियाद: अवस्था-रहित अनुरोध और JSON-RPC सीखें Python
07 अवस्था-रहित Python और TypeScript से MCP सर्वर बनाएँ बनाएँ Python, TypeScript
08 MCP क्लाइंट बनाएँ: खोज, मार्ग-निर्धारण और पुराने संस्करण से संगतता बनाएँ Python
09 MCP परिवहन: stdio और अवस्था-रहित Streamable HTTP सीखें Python
10 MCP संसाधन और प्रॉम्प्ट: अवस्था-रहित सर्वरों के लिए संबोधित करने योग्य संदर्भ बनाएँ Python
11 MCP में मॉडल इनपुट: नमूनाकरण का स्थानांतरण और अवस्था-रहित MRTR बनाएँ Python
12 स्पष्ट दायरा और अवस्था-रहित तरीके से उपयोगकर्ता से जानकारी माँगना बनाएँ Python
13 MCP Tasks विस्तार: अवस्था-रहित मूल प्रणाली पर टिकाऊ काम बनाएँ Python
14 अवस्था-रहित प्रोटोकॉल पर MCP Apps बनाएँ Python
15 MCP सुरक्षा: दूषित मेटाडेटा, मार्ग-निर्धारण और MRTR स्थिति सीखें Python
16 MCP प्राधिकरण: CIMD, जारीकर्ता-बाइंडिंग, PKCE और अतिरिक्त सत्यापन बनाएँ Python
17 अवस्था-रहित MCP गेटवे और रजिस्ट्री में पंजीकरण सीखें Python
18 उत्पादन में MCP प्रमाणीकरण: जारीकर्ता-बद्ध नामांकन और टोकन बनाएँ Python
19 A2A प्रोटोकॉल बनाएँ Python
20 OpenTelemetry GenAI बनाएँ Python
21 LLM मार्ग-निर्धारण परत सीखें Python
22 Agent Skills: पोर्टेबल अनुबंध और रनटाइम सीमा बनाएँ Python
23 समापन परियोजना: अवस्था-रहित औज़ार पारिस्थितिकी तंत्र बनाएँ Python
24 कौशल खोज और क्रमिक जानकारी-प्रकटीकरण बनाएँ Python
25 कौशल आह्वान और मार्ग-निर्धारण बनाएँ Python
26 कौशल अनुमतियाँ, सैंडबॉक्स और भरोसा बनाएँ Python
27 कौशल मूल्यांकन, पैकेजिंग और पोर्टेबिलिटी बनाएँ Python
28 MCP औज़ार अनुबंध और सामग्री बनाएँ Python
29 MCP की विश्वसनीयता, रद्दीकरण और प्रवाह नियंत्रण बनाएँ Python
30 MCP रजिस्ट्री आपूर्ति-शृंखला: प्रवेश, विचलन और पूर्व स्थिति में वापसी बनाएँ Python
31 MCP अनुरूपता अभियांत्रिकी: संस्करण, साक्ष्य और संचालन बनाएँ Python

पाठ 06–18 और 28–31 मिलकर Model Context Protocol (MCP) अध्ययन-पथ बनाते हैं। पाठ्यक्रम-सूची का क्रम है: 06, 07, 08, 09, 10, 11, 12, 13, 14, 15, 16, 18, 17, 28, 29, 30, 31। इसे ऊपर की होस्ट-विशिष्ट तालिका में learn-mcp से शुरू करें। पाठ 23 इस मार्ग की एकमात्र वैकल्पिक समापन परियोजना है और इसके लिए पाठ 19 तथा 20 भी चाहिए।

पाठ 22 और 24–27 मिलकर Agent Skills अध्ययन-पथ बनाते हैं—कौशल-पैकेज के अनुबंध से लेकर वास्तविक होस्ट पर जारी करने की जाँच तक। ऊपर की तालिका से learn-agent-skills शुरू करें; 22 के बाद केवल संख्या देखकर 23 पर न जाएँ।

चरण 14 — एजेंट इंजीनियरिंग  54 पाठ  बुनियादी सिद्धांतों से एजेंट बनाएँ, कोडिंग एजेंट को भरोसे से इस्तेमाल करें और कार्यान्वयन से पहले काम का सही आकार तय करें।
# पाठ प्रकार भाषा
01 एजेंट लूप बनाएँ Python
02 ReWOO और योजना बनाकर निष्पादन बनाएँ Python
03 Reflexion और मौखिक पुनर्बलन अधिगम बनाएँ Python
04 विचार-वृक्ष और LATS बनाएँ Python
05 आत्म-संशोधन और CRITIC बनाएँ Python
06 औज़ारों का उपयोग और फ़ंक्शन कॉलिंग बनाएँ Python
07 एजेंट स्मृति: आभासी संदर्भ और स्मृति-पृष्ठन बनाएँ Python
08 स्मृति-खंड और निष्क्रिय-अवधि संगणना बनाएँ Python
09 संकर स्मृति: वेक्टर, ग्राफ और KV बनाएँ Python
10 कौशल-संग्रह और आजीवन अधिगम (Voyager) बनाएँ Python
11 HTN और विकासवादी खोज से योजना बनाएँ Python
12 Anthropic के कार्यप्रवाह प्रतिरूप बनाएँ Python
13 स्थितियुक्त ग्राफ समन्वयन: टिकाऊ निष्पादन और जाँच-बिंदु बनाएँ Python
14 एजेंटों के लिए Actor Model बनाएँ Python
15 भूमिका-आधारित एजेंट दल: भूमिकाएँ, कार्य और प्रक्रियाएँ बनाएँ Python
16 OpenAI Agents SDK: कार्य-हस्तांतरण, सुरक्षा-नियम और अनुरेखण बनाएँ Python
17 लाइब्रेरी के रूप में एजेंट हार्नेस: उप-एजेंट और सत्र-संग्रह बनाएँ Python
18 उत्पादन एजेंट रनटाइम सीखें Python
19 बेंचमार्क: SWE-bench, GAIA, AgentBench सीखें Python
20 बेंचमार्क: WebArena और OSWorld सीखें Python
21 कंप्यूटर का उपयोग: Claude, OpenAI CUA, Gemini बनाएँ Python
22 वाक् एजेंट: Pipecat और LiveKit बनाएँ Python
23 OpenTelemetry GenAI के अर्थगत प्रतिरूप बनाएँ Python
24 एजेंटों की निगरानी-योग्यता: Langfuse, Phoenix, Opik सीखें Python
25 बहु-एजेंट बहस और सहयोग बनाएँ Python
26 विफलता-स्थितियाँ: एजेंट क्यों टूटते हैं बनाएँ Python
27 प्रॉम्प्ट इंजेक्शन और PVE सुरक्षा बनाएँ Python
28 समन्वयन प्रतिरूप: पर्यवेक्षक, स्वार्म और पदानुक्रम बनाएँ Python
29 उत्पादन रनटाइम: कतारें, घटनाएँ और क्रॉन सीखें Python
30 मूल्यांकन-आधारित एजेंट विकास बनाएँ Python
31 एजेंट कार्यक्षेत्र: सक्षम मॉडल भी क्यों चूकते हैं सीखें Python
32 एजेंट कार्यक्षेत्र का न्यूनतम रूप बनाएँ Python
33 एजेंट के निर्देश निष्पादन योग्य बाधाओं के रूप में बनाएँ Python
34 रिपॉज़िटरी की स्मृति और स्थायी स्थिति बनाएँ Python
35 एजेंटों के लिए आरंभीकरण स्क्रिप्ट बनाएँ Python
36 दायरा-अनुबंध और कार्य-सीमाएँ बनाएँ Python
37 रनटाइम प्रतिपुष्टि चक्र बनाएँ Python
38 सत्यापन-द्वार बनाएँ Python
39 समीक्षक एजेंट: निर्माता और मूल्यांकनकर्ता अलग रखें बनाएँ Python
40 बहु-सत्र हस्तांतरण बनाएँ Python
41 वास्तविक रिपॉज़िटरी में कार्यक्षेत्र बनाएँ Python
42 समापन परियोजना: पुनः उपयोगी एजेंट कार्यक्षेत्र-पैक जारी करें बनाएँ Python
43 एजेंट के कोड लिखने से पहले कार्य स्पष्ट करें बनाएँ Python
44 साक्ष्य के आधार पर निष्पादन योजना बनाएँ बनाएँ Python
45 अलगाव और विलय-अनुबंधों के साथ एजेंट का कार्य सौंपें बनाएँ Python
46 एजेंट को दिया हर सुधार प्रणाली के सुधार में बदलें बनाएँ Python
47 परिणाम पहले तय करें, फिर प्रस्तुति चुनें बनाएँ Python
48 लोग वास्तव में जो कार्यप्रवाह अपनाते हैं, उसका पता लगाएँ बनाएँ Python
49 मान्यताओं का मानचित्र बनाएँ और जोखिमभरी मान्यता पहले सुलझाएँ बनाएँ Python
50 निर्णय बदल सकने वाला सबसे छोटा भाग चुनें बनाएँ Python
51 ऐसे विनिर्देश लिखें जिनमें विवेकाधीन निर्णय की गुंजाइश रहे बनाएँ Python
52 परिणाम आने से पहले सफलता-माप तय करें बनाएँ Python
53 सोच-समझकर प्रोटोटाइप, पायलट या उत्पादन चुनें बनाएँ Python
54 स्वामित्व और समाप्ति-नियमों सहित प्रतिपुष्टि-चक्र बनाएँ बनाएँ Python

चरण 14 के हर Workbench पाठ (31–42) में mission.md है। यह एजेंट को पूरा पाठ-विवरण खोलने से पहले काम का संदर्भ देता है।

पाठ 31–46 एजेंट-सहायित अभियांत्रिकी पथ बनाते हैं। इस पथ का क्रम Workbench की बुनियाद को कार्य-निर्धारण, योजना, काम सौंपने और टिकाऊ प्रतिपुष्टि से जोड़ता है। पाठ 47–54 उत्पाद-निर्णय और सुपुर्दगी पथ बनाते हैं: अपेक्षित परिणाम तय करने से लेकर प्रमाण, जोखिम, दायरा, मापन, चरणबद्ध जारीकरण और प्रतिपुष्टि की ज़िम्मेदारी तक।

चरण 15 — स्वायत्त प्रणालियाँ  22 पाठ  लंबे समय तक काम करने वाले एजेंट, आत्म-सुधार और 2026 की सुरक्षा-तकनीकें।
# पाठ प्रकार भाषा
01 चैटबॉट से लंबे समय तक काम करने वाले एजेंट तक (METR) सीखें Python
02 STaR, V-STaR, Quiet-STaR: स्वयं सीखा तर्क सीखें Python
03 AlphaEvolve: विकासवादी कोडिंग एजेंट सीखें Python
04 Darwin Gödel Machine: स्वयं को बदलने वाले एजेंट सीखें Python
05 AI Scientist v2: शोध-कार्यशाला स्तर का काम सीखें Python
06 संरेखण अनुसंधान का स्वचालन (Anthropic AAR) सीखें Python
07 बार-बार आत्म-सुधार: क्षमता बनाम संरेखण सीखें Python
08 सीमित आत्म-सुधार के डिज़ाइन सीखें Python
09 स्वायत्त कोडिंग एजेंटों का परिदृश्य (SWE-bench, CodeAct) सीखें Python
10 स्वायत्त एजेंट की अनुमति व्यवस्थाएँ सीखें Python
11 ब्राउज़र एजेंट और अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन सीखें Python
12 लंबे समय तक चलने वाले एजेंट के लिए टिकाऊ निष्पादन सीखें Python
13 कार्रवाई का बजट, पुनरावृत्ति की सीमा और लागत नियंत्रण सीखें Python
14 आपातकालीन रोक, सर्किट ब्रेकर और कैनरी टोकन सीखें Python
15 HITL: पहले प्रस्ताव दें, फिर कार्रवाई पक्की करें सीखें Python
16 चेकपॉइंट और पूर्व स्थिति में वापसी सीखें Python
17 Constitutional AI और नियमों के अपवाद सीखें Python
18 Llama Guard और इनपुट/आउटपुट वर्गीकरण सीखें Python
19 Anthropic Responsible Scaling Policy v3.0 सीखें Python
20 OpenAI Preparedness Framework और DeepMind FSF सीखें Python
21 METR की कार्य-अवधियाँ और बाहरी मूल्यांकन सीखें Python
22 CAIS, CAISI और समाज-स्तर के जोखिम सीखें Python
चरण 16 — बहु-एजेंट और एजेंट समूह  25 पाठ  समन्वय, उभरता व्यवहार और सामूहिक बुद्धिमत्ता।
# पाठ प्रकार भाषा
01 बहु-एजेंट क्यों सीखें TypeScript
02 FIPA-ACL की विरासत और कथन से होने वाली क्रियाएँ सीखें Python
03 संचार प्रोटोकॉल बनाएँ TypeScript
04 बहु-एजेंट का मूल मॉडल सीखें Python
05 पर्यवेक्षक / समन्वयक-कार्यकर्ता प्रतिरूप बनाएँ Python
06 पदानुक्रमित संरचना और कार्य-विभाजन में विचलन सीखें Python
07 मन का समाज और बहु-एजेंट बहस बनाएँ Python
08 भूमिका विशेषज्ञता: योजनाकार / आलोचक / निष्पादक / सत्यापक बनाएँ Python
09 समानांतर स्वार्म और नेटवर्क-आधारित वास्तुकलाएँ बनाएँ Python
10 समूह संवाद और वक्ता का चयन बनाएँ Python
11 कार्य-हस्तांतरण और रूटीन (अवस्था-रहित समन्वय) बनाएँ Python
12 A2A: एजेंट-से-एजेंट प्रोटोकॉल बनाएँ Python
13 साझा स्मृति और ब्लैकबोर्ड पद्धति बनाएँ Python
14 सहमति और बाइज़ेन्टाइन विफलता-सहनशीलता बनाएँ Python
15 मतदान, स्व-संगति और बहस की संरचना बनाएँ Python
16 मोलभाव और बातचीत बनाएँ Python
17 जनरेटिव एजेंट और उभरते व्यवहार का अनुकरण बनाएँ Python
18 मन का सिद्धांत और उभरता समन्वय बनाएँ Python
19 समूह-आधारित अनुकूलन (PSO, ACO) बनाएँ Python
20 MARL: MADDPG, QMIX, MAPPO सीखें Python
21 एजेंट अर्थव्यवस्थाएँ, टोकन प्रोत्साहन और प्रतिष्ठा सीखें Python
22 उत्पादन में विस्तार: कतारें, चेकपॉइंट और टिकाऊपन बनाएँ Python
23 विफलता के तरीके: MAST, समूह-अनुरूपता और सोच की एकरूपता सीखें Python
24 मूल्यांकन और समन्वय के बेंचमार्क सीखें Python
25 उदाहरणों का अध्ययन और 2026 की अत्याधुनिक स्थिति सीखें Python
चरण 17 — इन्फ्रास्ट्रक्चर और उत्पादन  29 पाठ  AI को वास्तविक दुनिया में पहुँचाएँ।
# पाठ प्रकार भाषा
01 प्रबंधित LLM प्लेटफ़ॉर्म: Bedrock, Azure OpenAI, Vertex AI सीखें Python
02 अनुमानन प्लेटफ़ॉर्म की अर्थव्यवस्था: Fireworks, Together, Baseten, Modal सीखें Python
03 Kubernetes पर GPU का स्वचालित विस्तार: Karpenter, KAI Scheduler सीखें Python
04 अनुमानन इंजन की आंतरिक संरचना: PagedAttention, निरंतर बैचिंग और खंडित प्रीफ़िल सीखें Python
05 उत्पादन में EAGLE-3 स्पेक्युलेटिव डिकोडिंग सीखें Python
06 प्रीफ़िक्स-कैश के साथ अनुमानन: RadixAttention और KV का पुनः उपयोग सीखें Python
07 हार्डवेयर के अनुसार अनुमानन संकलन: Blackwell पर FP8 और NVFP4 सीखें Python
08 अनुमानन मापदंड: TTFT, TPOT, ITL, Goodput, P99 सीखें Python
09 उत्पादन परिमाणीकरण: AWQ, GPTQ, GGUF, FP8, NVFP4 सीखें Python
10 सर्वरलेस LLM के आरंभिक विलंब को घटाना सीखें Python
11 कई क्षेत्रों में LLM सेवा और KV कैश की निकटता सीखें Python
12 एज उपकरणों पर अनुमानन: ANE, Hexagon, WebGPU, Jetson सीखें Python
13 LLM की निगरानी के लिए तकनीकों का चयन सीखें Python
14 प्रॉम्प्ट कैशिंग और अर्थ-आधारित कैशिंग की अर्थव्यवस्था सीखें Python
15 बैच API: उद्योग का मानक बनती 50% छूट सीखें Python
16 लागत घटाने के लिए मॉडल का चयन सीखें Python
17 अलग-अलग प्रीफ़िल/डिकोड: NVIDIA Dynamo और llm-d सीखें Python
18 उत्पादन सेवा-तंत्र: KV ऑफ़लोडिंग और कैश के अनुसार मार्ग-निर्धारण सीखें Python
19 AI गेटवे: LiteLLM, Portkey, Kong, Bifrost सीखें Python
20 Shadow, Canary और क्रमिक तैनाती सीखें Python
21 LLM सुविधाओं का A/B परीक्षण: GrowthBook और Statsig सीखें Python
22 LLM API का भार-परीक्षण: k6, LLMPerf, GenAI-Perf बनाएँ Python
23 AI के लिए SRE: बहु-एजेंट घटना-प्रतिक्रिया सीखें Python
24 उत्पादन LLM के लिए केऑस इंजीनियरिंग सीखें Python
25 सुरक्षा: गोपनीय कुंजियाँ, निजी जानकारी हटाना और ऑडिट लॉग सीखें Python
26 अनुपालन: SOC 2, HIPAA, GDPR, EU AI Act, ISO 42001 सीखें Python
27 LLM के लिए FinOps: प्रति-इकाई लागत और अलग-अलग ग्राहकों के खर्च का हिसाब सीखें Python
28 स्वयं होस्ट करने की व्यवस्था: हार्डवेयर और पैमाने के अनुसार इंजन चुनें सीखें Python
29 मॉडल डेमो इंटरफ़ेस: फ़ंक्शन से साझा करने योग्य ऐप तक बनाएँ Python
चरण 18 — नैतिकता, सुरक्षा और संरेखण  30 पाठ  ऐसा AI बनाएँ जो मानवता की मदद करे। यह वैकल्पिक नहीं है।
# पाठ प्रकार भाषा
01 निर्देशों का पालन: संरेखण का संकेत सीखें Python
02 पुरस्कार-तंत्र का दुरुपयोग और Goodhart का नियम सीखें Python
03 प्रत्यक्ष वरीयता अनुकूलन की विधियाँ सीखें Python
04 RLHF से बढ़ती चापलूसी सीखें Python
05 Constitutional AI और RLAIF सीखें Python
06 मेसा-अनुकूलन और भ्रामक संरेखण सीखें Python
07 स्लीपर एजेंट: लगातार छल सीखें Python
08 अग्रणी मॉडल में संदर्भ के भीतर छलपूर्ण योजनाएँ सीखें Python
09 संरेखण का दिखावा सीखें Python
10 AI नियंत्रण: तोड़फोड़ के बावजूद सुरक्षा सीखें Python
11 विस्तार योग्य निगरानी: कमजोर से मजबूत तक सीखें Python
12 रेड-टीमिंग: PAIR और स्वचालित हमले बनाएँ Python
13 अनेक उदाहरण देकर सुरक्षा सीमाएँ तोड़ना सीखें Python
14 ASCII कला और दृश्य जेलब्रेक बनाएँ Python
15 अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन बनाएँ Python
16 रेड-टीम औज़ार: Garak, Llama Guard, PyRIT बनाएँ Python
17 WMDP और दोहरे उपयोग की क्षमता का मूल्यांकन सीखें Python
18 अग्रणी AI सुरक्षा ढाँचे: RSP, PF, FSF सीखें Python
19 मॉडल के कल्याण पर शोध सीखें Python
20 पूर्वाग्रह और प्रतिनिधित्व से होने वाली हानि बनाएँ Python
21 निष्पक्षता के मानदंड: समूह, व्यक्ति और प्रतितथ्य सीखें Python
22 LLM के लिए डिफ़रेंशियल प्राइवेसी बनाएँ Python
23 वॉटरमार्किंग: SynthID, Stable Signature, C2PA बनाएँ Python
24 नियामक ढाँचे: EU, US, UK, Korea सीखें Python
25 EchoLeak और AI से जुड़े CVEs सीखें Python
26 मॉडल, प्रणाली और डेटासेट कार्ड बनाएँ Python
27 डेटा की उत्पत्ति और प्रशिक्षण डेटा का प्रशासन सीखें Python
28 संरेखण अनुसंधान पारिस्थितिकी तंत्र: MATS, Redwood, Apollo, METR सीखें Python
29 सामग्री-संयमन प्रणालियाँ: OpenAI, Perspective, Llama Guard बनाएँ Python
30 दोहरे उपयोग के जोखिम: साइबर, जैविक, रासायनिक और परमाणु सीखें Python
चरण 19 — समापन परियोजनाएँ  85 पाठ  शुरू से अंत तक 17 उत्पाद और 9 गहन-निर्माण मार्ग। हर परियोजना में 20–40 घंटे; हर मार्ग में 4–12 पाठ।
# परियोजना संयोजन भाषा
01 टर्मिनल-आधारित कोडिंग एजेंट P0 P5 P7 P10 P11 P13 P14 P15 P17 P18 Python
02 कोड पर RAG (अलग-अलग रिपॉज़िटरी में अर्थगत खोज) P5 P7 P11 P13 P17 Python
03 रीयल-टाइम आवाज़ सहायक (ASR → LLM → TTS) P6 P7 P11 P13 P14 P17 Python
04 मल्टीमोडल दस्तावेज़ QA (पहले दृष्टि) P4 P5 P7 P11 P12 P17 Python
05 स्वायत्त अनुसंधान एजेंट (AI Scientist श्रेणी) P0 P2 P3 P7 P10 P14 P15 P16 P18 Python
06 Kubernetes के लिए DevOps समस्या-निवारण एजेंट P11 P13 P14 P15 P17 P18 Python
07 शुरू से अंत तक फाइन-ट्यूनिंग पाइपलाइन P2 P3 P7 P10 P11 P17 P18 Python
08 विनियमित क्षेत्र के लिए उत्पादन RAG चैटबॉट P5 P7 P11 P12 P17 P18 Python
09 कोड स्थानांतरण एजेंट (पूरी रिपॉज़िटरी का उन्नयन) P5 P7 P11 P13 P14 P15 P17 Python
10 बहु-एजेंट सॉफ़्टवेयर इंजीनियरिंग टीम P11 P13 P14 P15 P16 P17 Python
11 LLM की निगरानी और मूल्यांकन का डैशबोर्ड P11 P13 P17 P18 Python
12 वीडियो समझने की पाइपलाइन (दृश्य से प्रश्नोत्तर तक) P4 P6 P7 P11 P12 P17 Python
13 अवस्था-रहित MCP सर्वर: रजिस्ट्री और शासन-व्यवस्था P11 P13 P14 P17 P18 Python
14 स्पेक्युलेटिव डिकोडिंग वाला अनुमानन सर्वर P3 P7 P10 P17 Python
15 संवैधानिक सुरक्षा हार्नेस और रेड-टीम परीक्षण क्षेत्र P10 P11 P13 P14 P18 Python
16 GitHub मुद्दे से PR बनाने वाला स्वायत्त एजेंट P11 P13 P14 P15 P17 Python
17 निजी AI ट्यूटर (अनुकूलनशील, मल्टीमोडल) P5 P6 P11 P12 P14 P17 P18 Python

गहन निर्माण के अध्ययन-पथ: कई पाठों की ऐसी श्रृंखलाएँ जिनमें आप एक पूरी उप-प्रणाली शुरू से बनाते हैं।

# परियोजना संयोजन भाषा
20 एजेंट हार्नेस लूप का अनुबंध A. एजेंट कार्य-ढाँचा Python
21 स्कीमा सत्यापन वाली टूल रजिस्ट्री A. एजेंट कार्य-ढाँचा Python
22 नई पंक्ति से सीमांकित stdio पर JSON-RPC 2.0 A. एजेंट कार्य-ढाँचा Python
23 फ़ंक्शन कॉल को सही फ़ंक्शन तक पहुँचाना A. एजेंट कार्य-ढाँचा Python
24 योजना और निष्पादन का नियंत्रण प्रवाह A. एजेंट कार्य-ढाँचा Python
25 सत्यापन की शर्तें और अवलोकन की सीमा A. एजेंट कार्य-ढाँचा Python
26 निषिद्ध सूची और पथ-सीमा वाला सैंडबॉक्स रनर A. एजेंट कार्य-ढाँचा Python
27 नियत परीक्षण-कार्य वाला मूल्यांकन हार्नेस A. एजेंट कार्य-ढाँचा Python
28 OTel GenAI स्पैन और Prometheus मापदंड से निगरानी A. एजेंट कार्य-ढाँचा Python
29 हार्नेस पर शुरू से अंत तक कोडिंग एजेंट A. एजेंट कार्य-ढाँचा Python
30 शुरू से BPE टोकनाइज़र B. NLP और LLM Python
31 स्लाइडिंग विंडो वाला टोकनकृत डेटासेट B. NLP और LLM Python
32 टोकन और स्थिति-एम्बेडिंग B. NLP और LLM Python
33 मल्टी-हेड सेल्फ-अटेंशन B. NLP और LLM Python
34 शुरू से Transformer ब्लॉक B. NLP और LLM Python
35 GPT मॉडल के हिस्सों को जोड़ना B. NLP और LLM Python
36 प्रशिक्षण लूप और मूल्यांकन B. NLP और LLM Python
37 पूर्व-प्रशिक्षित भार लोड करना B. NLP और LLM Python
38 वर्गीकरण हेड बदलकर फाइन-ट्यूनिंग B. NLP और LLM Python
39 पर्यवेक्षित फाइन-ट्यूनिंग से निर्देश-अनुकूलन B. NLP और LLM Python
40 शुरू से प्रत्यक्ष वरीयता अनुकूलन B. NLP और LLM Python
41 पूरी मूल्यांकन पाइपलाइन B. NLP और LLM Python
42 बड़ा पाठ-संग्रह डाउनलोड करना C. शुरू से अंत तक प्रशिक्षण Python
43 HDF5 में टोकनकृत कॉर्पस C. शुरू से अंत तक प्रशिक्षण Python
44 रैखिक वार्मअप के साथ कोसाइन अधिगम-दर C. शुरू से अंत तक प्रशिक्षण Python
45 ग्रेडिएंट क्लिपिंग और मिश्रित परिशुद्धता C. शुरू से अंत तक प्रशिक्षण Python
46 ग्रेडिएंट संचय C. शुरू से अंत तक प्रशिक्षण Python
47 चेकपॉइंट सहेजना और फिर शुरू करना C. शुरू से अंत तक प्रशिक्षण Python
48 शुरू से Distributed Data Parallel और FSDP C. शुरू से अंत तक प्रशिक्षण Python
49 भाषा मॉडल मूल्यांकन हार्नेस C. शुरू से अंत तक प्रशिक्षण Python
50 परिकल्पना जनरेटर D. स्वचालित अनुसंधान Python
51 वैज्ञानिक साहित्य की पुनर्प्राप्ति D. स्वचालित अनुसंधान Python
52 प्रयोग चलाने वाला D. स्वचालित अनुसंधान Python
53 परिणाम मूल्यांकनकर्ता D. स्वचालित अनुसंधान Python
54 शोधपत्र लेखक D. स्वचालित अनुसंधान Python
55 आलोचक लूप D. स्वचालित अनुसंधान Python
56 पुनरावृत्ति अनुसूचक D. स्वचालित अनुसंधान Python
57 शुरू से अंत तक अनुसंधान प्रदर्शन D. स्वचालित अनुसंधान Python
58 दृष्टि एन्कोडर के पैच E. बहु-माध्यमी VLM Python
59 Vision Transformer एन्कोडर E. बहु-माध्यमी VLM Python
60 डेटा के अलग-अलग रूपों को जोड़ने वाली प्रोजेक्शन परत E. बहु-माध्यमी VLM Python
61 क्रॉस-अटेंशन से संयोजन E. बहु-माध्यमी VLM Python
62 दृश्य-भाषा पूर्व-प्रशिक्षण E. बहु-माध्यमी VLM Python
63 बहुमाध्यमी मूल्यांकन E. बहु-माध्यमी VLM Python
64 पाठ को खंडों में बाँटने की रणनीतियों की तुलना F. उन्नत RAG Python
65 BM25 और सघन एम्बेडिंग से संकर पुनर्प्राप्ति F. उन्नत RAG Python
66 क्रॉस-एन्कोडर से पुनः क्रम निर्धारण F. उन्नत RAG Python
67 क्वेरी पुनर्लेखन: HyDE, बहु-क्वेरी और विघटन F. उन्नत RAG Python
68 RAG मूल्यांकन: प्रिसिज़न, रिकॉल, MRR, nDCG, स्रोत के प्रति निष्ठा और उत्तर की प्रासंगिकता F. उन्नत RAG Python
69 शुरू से अंत तक RAG प्रणाली F. उन्नत RAG Python
70 कार्य-विनिर्देश का प्रारूप G. मूल्यांकन ढाँचा Python
71 शास्त्रीय मापदंड G. मूल्यांकन ढाँचा Python
72 कोड निष्पादन मापदंड G. मूल्यांकन ढाँचा Python
73 परप्लेक्सिटी और अंशांकन G. मूल्यांकन ढाँचा Python
74 लीडरबोर्ड के परिणाम एकत्र करना G. मूल्यांकन ढाँचा Python
75 शुरू से अंत तक मूल्यांकन चलाने वाला औज़ार G. मूल्यांकन ढाँचा Python
76 शुरू से सामूहिक संक्रियाएँ H. वितरित प्रशिक्षण Python
77 शुरू से डेटा-समानांतर DDP H. वितरित प्रशिक्षण Python
78 ZeRO अनुकूलक स्थिति का खंड-विभाजन H. वितरित प्रशिक्षण Python
79 पाइपलाइन समानांतरता और बबल विश्लेषण H. वितरित प्रशिक्षण Python
80 खंडों में बँटा चेकपॉइंट और अखंड पुनरारंभ H. वितरित प्रशिक्षण Python
81 शुरू से अंत तक वितरित प्रशिक्षण H. वितरित प्रशिक्षण Python
82 जेलब्रेक का वर्गीकरण I. सुरक्षा परीक्षण ढाँचा Python
83 प्रॉम्प्ट इंजेक्शन की पहचान I. सुरक्षा परीक्षण ढाँचा Python
84 जवाब देने से इनकार का मूल्यांकन I. सुरक्षा परीक्षण ढाँचा Python
85 सामग्री वर्गीकारक का एकीकरण I. सुरक्षा परीक्षण ढाँचा Python
86 संवैधानिक नियमों का इंजन I. सुरक्षा परीक्षण ढाँचा Python, YAML
87 शुरू से अंत तक सुरक्षा जाँच I. सुरक्षा परीक्षण ढाँचा Python

पुस्तकें और प्रमाणन

मुख्य पाठ्यक्रम को किताब की तरह पढ़ें

phases/ के अंतर्गत 20 चरणों वाला मुख्य पाठ्यक्रम छह खंडों की पुस्तक-श्रृंखला में संकलित होता है। CI उन्हीं मुख्य पाठ-स्रोतों से EPUB और PDF बनाता है और हर GitHub रिलीज़ से जोड़ता है। नीचे के लिंक हमेशा नवीनतम रिलीज़ पर जाते हैं। खंड संख्या श्रृंखला में स्थान बताती है, संस्करण नहीं। हर प्रति पर उसके संस्करण की तारीख है और पुराने संस्करण उनकी रिलीज़ से डाउनलोड किए जा सकते हैं।

प्रमाणन पाठ्यक्रम जानबूझकर इन किताबों में शामिल नहीं किए गए हैं। AI ट्यूटर की सहेजी हुई स्थिति, चलने योग्य प्रयोगशालाएँ, संवादात्मक चित्र, निदान परीक्षाएँ और समय-सीमा वाली अभ्यास परीक्षाएँ GitHub और वेबसाइट पर ही उपलब्ध रहती हैं।

खंड शीर्षक चरण डाउनलोड
1 बुनियाद · गणित, टूलिंग और शास्त्रीय मशीन लर्निंग 00-02 EPUB · PDF
2 डीप लर्निंग · नेटवर्क, कंप्यूटर दृष्टि और वाक् 03, 04, 06 EPUB · PDF
3 भाषा · NLP की बुनियाद और Transformer 05, 07 EPUB · PDF
4 बड़े भाषा मॉडल · जनरेशन, रीइन्फोर्समेंट, प्रीट्रेनिंग और इंजीनियरिंग 08-11 EPUB · PDF
5 एजेंट · मल्टीमोडैलिटी, प्रोटोकॉल, स्वायत्तता और एजेंट समूह 12-16 EPUB · PDF
6 उत्पादन · इन्फ्रास्ट्रक्चर, सुरक्षा और समापन परियोजनाएँ 17-19 EPUB · PDF

किताब एक समय पर पाठ्यक्रम की स्थिति दिखाती है; यह रिपॉज़िटरी लगातार अद्यतन होने वाला संस्करण है। हर अध्याय के अंत में पाठ के एनिमेटेड चित्रों, क्विज़ और चलने योग्य कोड के लिंक हैं। स्थानीय रूप से python3 scripts/build_book.py चलाकर किताब बनाएँ (pandoc आवश्यक है); पाइपलाइन का विवरण book/README.md में है।

Claude प्रमाणन की तैयारी करें

Claude प्रमाणन अकादमी चारों आधिकारिक Claude प्रमाणन-पथों—Associate Foundations, Developer Foundations, Architect Foundations और Architect Professional—की तैयारी के लिए मुफ़्त, मुक्त-स्रोत पाठ्यक्रम है। हर मार्ग में परीक्षा-रूपरेखा से जुड़े पाठ, चलने योग्य प्रयोगशालाएँ, निदान परीक्षा, समापन परियोजना और एक पूर्ण मौलिक अभ्यास परीक्षा शामिल हैं।

AI-सक्षम GitHub आरंभ-मार्गदर्शिका को Claude Code, Codex, ChatGPT, Cursor या किसी अन्य एजेंट के साथ इस्तेमाल करें। Codex में claude-certification या Claude Code में /claude-certification चलाएँ; दूसरे होस्ट से claude-certification कौशल इस्तेमाल करने को कहें। यह अध्ययन-पथ चुनकर CLAUDE-CERTIFICATION.md में जारी रहने वाली अध्ययन-योजना बनाता है, एक बार में एक चरण पढ़ाता है, वास्तविक प्रयोगशालाएँ चलाता है और आपके बनाए काम पर प्रतिक्रिया देता है। यही पाठ्यक्रम प्रमाणन वेबसाइट पर भी है।

यह अकादमी प्रकाशित परीक्षा-उद्देश्यों पर आधारित स्वतंत्र अध्ययन सामग्री है। इसका Anthropic से कोई संबंध नहीं है, यह वास्तविक परीक्षा के प्रश्न साझा नहीं करती और उत्तीर्ण होने की गारंटी नहीं देती।

MCP Associate (MCPA) प्रमाणन की तैयारी करें

MCPA प्रमाणन पाठ्यक्रम Agentic AI Foundation की Model Context Protocol Associate परीक्षा की तैयारी के लिए Linux Foundation Training के माध्यम से उपलब्ध मुफ़्त, मुक्त-स्रोत सामग्री है। इसके 34 पाठ 2026-07-28 के अवस्था-रहित प्रोटोकॉल को पाँच परीक्षा-क्षेत्रों में सिखाते हैं: पुराने हैंडशेक की जगह हर अनुरोध में _meta और server/discover; कई दौर वाले अनुरोध; सदस्यताएँ; कैशिंग; Tasks और MCP Apps विस्तार; OAuth प्राधिकरण; तथा रजिस्ट्री और SDK स्तर। हर पाठ में मानक लाइब्रेरी से चलने वाली प्रयोगशाला है, जिसकी निष्पादन रिपोर्ट को मौजूदा प्रोटोकॉल संदेशों के प्रारूप से मिलाकर जाँचा जाता है। इस अध्ययन-पथ में निदान परीक्षा, समापन परियोजना और प्रकाशित परीक्षा-रूपरेखा के भार के अनुसार प्रश्नों वाली तीन पूरी मौलिक अभ्यास परीक्षाएँ भी हैं।

AI-सक्षम GitHub आरंभ-मार्गदर्शिका को Claude Code, Codex, ChatGPT, Cursor या किसी अन्य एजेंट के साथ इस्तेमाल करें। Codex में mcpa-certification या Claude Code में /mcpa-certification चलाएँ; दूसरे होस्ट से mcpa-certification कौशल इस्तेमाल करने को कहें। यह MCPA-CERTIFICATION.md में जारी रहने वाली अध्ययन-योजना बनाता है, एक बार में एक चरण पढ़ाता है, वास्तविक प्रयोगशालाएँ चलाता है और आपके बनाए काम पर प्रतिक्रिया देता है। वही पाठ्यक्रम MCPA पथ-पृष्ठ पर भी है।

यह पाठ्यक्रम प्रकाशित परीक्षा-उद्देश्यों पर आधारित स्वतंत्र अध्ययन सामग्री है। इसका Agentic AI Foundation या Linux Foundation से कोई संबंध नहीं है, यह वास्तविक परीक्षा के प्रश्न साझा नहीं करता और उत्तीर्ण होने की गारंटी नहीं देता।

टूलकिट

हर पाठ एक पुनः उपयोग योग्य आर्टिफैक्ट बनाता है। उसे अपने एजेंट में स्थापित करें या रिपॉज़िटरी की जड़ से नीचे दिए स्क्रिप्ट चलाएं।

पाठ की संरचना और पुनः उपयोग योग्य आर्टिफैक्ट

एक पाठ की बनावट

हर पाठ अपने अलग फ़ोल्डर में है और पूरे पाठ्यक्रम में एक ही ढाँचे का पालन करता है:

phases/<NN>-<phase-name>/<NN>-<lesson-name>/
├── code/      चलने योग्य कार्यान्वयन (Python, TypeScript, Rust, Julia)
├── docs/
│   └── en.md  पाठ का विवरण
└── outputs/   पाठ से बनने वाले प्रॉम्प्ट, कौशल, एजेंट या MCP सर्वर

हर पाठ में छह पड़ाव हैं। खुद बनाएँ / इस्तेमाल करें इसका मूल ढाँचा है: पहले एल्गोरिदम शुरू से लिखें, फिर वही काम उत्पादन में इस्तेमाल होने वाली लाइब्रेरी से करें। फ्रेमवर्क कैसे काम करता है, यह इसलिए समझ आता है क्योंकि उसका छोटा रूप आप पहले लिख चुके होते हैं।

%%{init: {'theme':'base','themeVariables':{'primaryColor':'#fafaf5','primaryTextColor':'#1a1a1a','primaryBorderColor':'#3553ff','lineColor':'#3553ff','fontFamily':'JetBrains Mono','fontSize':'13px'}}}%%
flowchart LR
  M["मूल सूत्र<br/><sub>एक-पंक्ति में मुख्य विचार</sub>"] --> Pr["समस्या<br/><sub>ठोस कठिनाई</sub>"]
  Pr --> C["अवधारणा<br/><sub>चित्र और सहज समझ</sub>"]
  C --> B["खुद बनाएँ<br/><sub>मूल गणित, बिना फ्रेमवर्क</sub>"]
  B --> U["इस्तेमाल करें<br/><sub>PyTorch / sklearn में वही विधि</sub>"]
  U --> S["उपयोग के लिए जारी करें<br/><sub>प्रॉम्प्ट · कौशल · एजेंट · MCP</sub>"]
Loading

हर पाठ के साथ कुछ बनता है

दूसरे पाठ्यक्रम अक्सर “बधाई हो, आपने X सीख लिया” कहकर समाप्त होते हैं। यहाँ हर पाठ एक दोबारा इस्तेमाल करने योग्य औज़ार देता है, जिसे आप अपने रोज़मर्रा के कार्यप्रवाह में स्थापित कर सकते हैं या चिपकाकर उपयोग कर सकते हैं।

FIG_001.A प्रॉम्प्ट
FIG_001 · A
प्रॉम्प्ट		 FIG_001.B स्किल
FIG_001 · B
स्किल		 FIG_001.C एजेंट
FIG_001 · C
एजेंट		 FIG_001.D MCP सर्वर
FIG_001 · D
MCP सर्वर
किसी भी AI सहायक में चिपकाएँ और किसी विशिष्ट काम पर विशेषज्ञ स्तर की मदद पाएँ। इन्हें Claude, Cursor, Codex, OpenClaw, Hermes या किसी ऐसे एजेंट में जोड़ें जो SKILL.md पढ़ता हो। इन्हें स्वायत्त एजेंटों की तरह तैनात करें। चरण 14 में आप उनका मुख्य लूप खुद लिखते हैं। किसी भी MCP-संगत क्लाइंट में जोड़ें। चरण 13 में इसे शुरू से अंत तक बनाया जाता है।
पाठ के आर्टिफैक्ट स्थापित करें

पाठों से मिलने वाली सामग्री। phases/**/outputs/ में 400 कौशल और 100 प्रॉम्प्ट हैं। उन्हें scripts/install_skills.py से स्थापित करें। इसके लिए रिपॉज़िटरी की स्थानीय प्रतिलिपि चाहिए। स्क्रिप्ट टैग के अनुसार छाँटने, बदलाव किए बिना पूर्वावलोकन करने और हर एजेंट के लिए अलग फ़ाइल-संरचना बनाने देती है:

python3 scripts/install_skills.py <target>                                 # every skill, default --layout skills (nested)
python3 scripts/install_skills.py <target> --layout skills                 # same as above, explicit
python3 scripts/install_skills.py <target> --type all                      # skills + prompts + agents
python3 scripts/install_skills.py <target> --phase 14                      # one phase only
python3 scripts/install_skills.py <target> --tag rag                       # filter by tag
python3 scripts/install_skills.py <target> --layout flat                   # flat files
python3 scripts/install_skills.py <target> --dry-run                       # preview without writing
python3 scripts/install_skills.py <target> --force                         # overwrite existing files

<target> वह फ़ोल्डर है जहाँ आपके एजेंट की स्किल रखी जाएँगी। उदाहरण: ~/.claude/skills/, ~/.cursor/skills/, ~/.config/openclaw/skills/ या .skills/। ऐसा कोई भी स्थान चुनें जिसे आपका एजेंट पढ़ सके।

डिफ़ॉल्ट रूप से स्क्रिप्ट पहले से मौजूद गंतव्य की फ़ाइलें नहीं बदलती। सभी टकराते पथ दिखाकर वह निकास कोड 1 देती है। टकराव पहले देखने के लिए --dry-run, और फ़ाइलें बदलने के लिए --force दें। वास्तविक स्थापना पर वह गंतव्य में पूरा manifest.json लिखती है, जिसमें सामग्री के प्रकार और चरण के अनुसार समूहित सूची होती है। अपने एजेंट के अनुकूल फ़ाइल-संरचना चुनें:

--layout बनाया जाने वाला पथ
skills <target>/<name>/SKILL.md (हर कौशल का अपना फ़ोल्डर; Claude, Cursor, Codex, OpenClaw और Hermes समर्थित)
by-phase <target>/phase-NN/<name>.md
flat <target>/<name>.md
अपनी रिपॉज़िटरी में Agent Workbench जोड़ें

चरण 14 की समापन परियोजना में दोबारा इस्तेमाल करने योग्य Agent Workbench पैक है: AGENTS.md, स्कीमा और आरंभ / सत्यापन / हस्तांतरण स्क्रिप्ट। इसे किसी भी रिपॉज़िटरी में स्थापित करें:

python3 scripts/scaffold_workbench.py path/to/your-repo            # full pack + seeds
python3 scripts/scaffold_workbench.py path/to/your-repo --minimal  # skip docs/
python3 scripts/scaffold_workbench.py path/to/your-repo --dry-run  # preview only
python3 scripts/scaffold_workbench.py path/to/your-repo --force    # overwrite

इससे Workbench की सातों क्षमताएँ जुड़ती हैं, शुरुआती task_board.json बनता है और schema_version: 1 वाला नया agent_state.json मिलता है। फिर कार्य और AGENTS.md संपादित करें, scripts/init_agent.py चलाएँ और कार्य-अनुबंध अपने एजेंट को सौंपें। मूल पैक phases/14-agent-engineering/42-agent-workbench-capstone/outputs/agent-workbench-pack/ में है।

पूरे पाठ्यक्रम की JSON सूची देखें

scripts/build_catalog.py हर चरण, पाठ और डिस्क पर मौजूद सामग्री पढ़कर रिपॉज़िटरी की जड़ में catalog.json बनाता है। पूरे पाठ्यक्रम की सूची एक फ़ाइल में।

python3 scripts/build_catalog.py               # writes <repo>/catalog.json
python3 scripts/build_catalog.py --stdout      # to stdout, do not touch repo
python3 scripts/build_catalog.py --out path/to/file.json

यह सूची README से नहीं, डिस्क पर मौजूद फ़ाइलों से बनती है; इसलिए गिनती असल सामग्री से मेल खाती है। इसे वेबसाइट बनाने, आगे के औज़ार चलाने या README की गिनती जाँचने में इस्तेमाल करें। स्क्रिप्ट की शुरुआत में सूची की संरचना का विवरण है।

पाठ्यक्रम वर्कफ़्लो catalog.json को Git द्वारा अनदेखा किए जाने वाले अस्थायी आर्टिफैक्ट के रूप में बनाता है। इसे कमिट न करें। यही वर्कफ़्लो audit_lessons.py को अनिवार्य जांच के रूप में चलाता है।

हर पाठ के Python कोड की त्वरित जाँच

scripts/lesson_run.py हर पाठ के code/ फ़ोल्डर की सभी .py फ़ाइलों को बाइटकोड में संकलित करता है। डिफ़ॉल्ट रूप से यह केवल कोड का व्याकरण जाँचता है। न कोड चलाता है, न API कुंजियाँ माँगता है और न भारी ML लाइब्रेरी चाहिए। इससे आम गलतियाँ पकड़ी जाती हैं, जैसे गलत इंडेंटेशन, टूटी f-string और अनचाहे बदलाव।

python3 scripts/lesson_run.py                  # syntax-check the whole curriculum
python3 scripts/lesson_run.py --phase 14       # one phase only
python3 scripts/lesson_run.py --json           # JSON report on stdout
python3 scripts/lesson_run.py --strict         # exit 1 if any lesson fails
python3 scripts/lesson_run.py --execute        # actually run, 10s timeout per lesson

--execute हर पाठ की code/main.py (या पहली .py फ़ाइल) को अधिकतम 10 सेकंड चलाता है। जिस प्रवेश-फ़ाइल में # requires: pkg1, pkg2 टिप्पणी गैर-मानक लाइब्रेरी की निर्भरताएँ बताती है, उसे needs <deps> कारण के साथ छोड़ दिया जाता है। यह विकल्प अलग से चुनना पड़ता है और CI में नहीं चलता।

Python 3.10 या नया संस्करण और केवल मानक लाइब्रेरी चाहिए। छोड़े जाने वाले डोमेन की डिफ़ॉल्ट सूची बदलने के लिए LINK_CHECK_SKIP=domain1,domain2 सेट करें। सूची में twitter.com, x.com, linkedin.com, instagram.com और medium.com हैं, क्योंकि ये डोमेन स्वचालित HEAD/GET अनुरोध अक्सर रोकते हैं।

आधारभूत शोधपत्र और प्रोटोकॉल

योगदान करें

आपका लक्ष्य यह पढ़ें
पाठ जोड़ें या सुधारें CONTRIBUTING.md
अपनी टीम या स्कूल के लिए फ़ोर्क बनाएँ FORKING.md
पाठ का साँचा देखें LESSON_TEMPLATE.md
प्रगति देखें ROADMAP.md
शब्दावली देखें glossary/terms.md
आचार संहिता पढ़ें CODE_OF_CONDUCT.md

पाठ जमा करने से पहले संरचना और नियमों की जाँच चलाएँ:

python3 scripts/audit_lessons.py           # full curriculum
python3 scripts/audit_lessons.py --phase 14  # single phase
python3 scripts/audit_lessons.py --json    # CI-friendly output

कोई नियम विफल होने पर निकास कोड शून्य से अलग होता है। नियम L001-L010 फ़ोल्डर का ढाँचा, docs/en.md और H1 की मौजूदगी, code/ में सामग्री, quiz.json का स्कीमा और पाठों के दस्तावेज़ों में सापेक्ष लिंक जाँचते हैं। पुरानी q/choices/answer कुंजियाँ अस्वीकार की जाती हैं, जिनसे समस्या #102 हुई थी।

इस काम को प्रायोजित करें

114,584 पाठक  ·  181,995 पिछले 30 दिनों में पृष्ठ दृश्य  ·  आँकड़े 2026-08-29 तक

मुफ़्त, MIT लाइसेंस, 528 पाठ। इसे संभव बनाने वाले प्रायोजकों और सहयोगियों का धन्यवाद। सभी प्रायोजकों और सहयोगियों को देखें।

इस काम में मदद करना चाहते हैं? प्रायोजन विकल्प देखें। इनमें हार्डवेयर प्रायोजन भी शामिल है, या GitHub पर प्रायोजित करें।

अगर इस पुस्तिका से मदद मिली, तो रिपॉज़िटरी को स्टार दें। इससे परियोजना चलती रहती है।

लाइसेंस

MIT। अपनी मर्ज़ी से इस्तेमाल करें: फ़ोर्क करें, सिखाएँ, बेचें या जारी करें। स्रोत का श्रेय देना अच्छा है, पर अनिवार्य नहीं।

Rohit Ghumare और समुदाय इसका रखरखाव करते हैं।

@ghumare64  ·  aiengineeringfromscratch.com  ·  रिपोर्ट / सुझाव