डिजाइन में कृत्रिम बुद्धिमत्ता का अनुप्रयोग आपको अधिक नवीन, उपयोगकर्ता-केंद्रित रचनात्मक प्रक्रिया तक पहुंच प्रदान करेगा। आप नामांकन के लिए किसका इंतज़ार कर रहे हैं?" 

कृत्रिम बुद्धिमत्ता और डिजाइन के बीच तालमेल ने इस क्षेत्र में परियोजनाओं की अवधारणा और विकास में एक सच्ची क्रांति या परिवर्तन ला दिया है। ध्यान देने योग्य एक महत्वपूर्ण बिंदु रचनात्मक प्रक्रिया में पर्याप्त सुधार है: एआई एल्गोरिदम पैटर्न और रुझानों की खोज के लिए विशाल डेटा सेट का पता लगाता है, जो अमूल्य अंतर्दृष्टि प्रदान करता है जो डिजाइन के क्षेत्र में निर्णय लेने को प्रेरित करता है।

इस संदर्भ में, TECH डिज़ाइन में कृत्रिम बुद्धिमत्ता में यह पेशेवर स्नातकोत्तर उपाधि प्रस्तुत करता है, जो रचनात्मक उत्पादों के निर्माण के साथ नई तकनीकों को सहजता से जोड़ता है, जिससे डिजाइनरों को एक अद्वितीय और व्यापक दृष्टिकोण मिलता है। तकनीकी ज्ञान प्रदान करने के अलावा, यह कार्यक्रम नैतिकता और स्थिरता को संबोधित करेगा, यह सुनिश्चित करते हुए कि स्नातक लगातार विकसित हो रहे क्षेत्र में समकालीन चुनौतियों का सामना करने के लिए तैयार हैं।

इसी तरह, कवर किए जाने वाले विषयों की व्यापकता विभिन्न विषयों में एआई के अनुप्रयोगों की विविधता को दर्शाती है, जिसमें स्वचालित विषय-वस्तु निर्माण से लेकर डिज़ाइन प्रक्रिया में अपशिष्ट को कम करने की रणनीतियाँ शामिल हैं। वास्तव में, नैतिकता और पर्यावरणीय प्रभाव पर जोर जागरूक और सक्षम पेशेवरों को तैयार करने के लिए डिज़ाइन किया गया है।

अंत में, यह डिजाइन में निर्णय लेने के लिए डेटा विश्लेषण, उत्पादों और अनुभवों को वैयक्तिकृत करने के लिए एआई प्रणाली के कार्यान्वयन, साथ ही उन्नत विज़ुअलाइज़ेशन तकनीकों और रचनात्मक विषय-वस्तु निर्माण की खोज को कवर करेगा।

इस तरह, TECH ने एक कठोर शैक्षणिक कार्यक्रम तैयार किया है, जो अभिनव रीलर्निंग पद्धति द्वारा समर्थित है। इस शैक्षिक दृष्टिकोण में विषय-वस्तु की गहरी समझ सुनिश्चित करने के लिए प्रमुख अवधारणाओं को दोहराना शामिल है। पहुँच भी महत्वपूर्ण है, क्योंकि किसी भी समय और किसी भी स्थान पर विषय-वस्तु तक पहुँचने के लिए इंटरनेट से जुड़ा एक इलेक्ट्रॉनिक उपकरण होना पर्याप्त है, जिससे छात्रों को शारीरिक रूप से उपस्थित होने या पूर्वनिर्धारित शेड्यूल में समायोजन करने की सीमाओं से मुक्ति मिलती है। 

आप डिज़ाइन में एआई के एकीकरण से निपटेंगे, दक्षता और वैयक्तिकरण को बढ़ावा देंगे और नई रचनात्मक संभावनाओं के द्वार खोलेंगे"

यह डिज़ाइन में कृत्रिम बुद्धिमत्ता में स्नातकोत्तर उपाधि बाजार का सबसे पूर्ण और अद्यतन वैज्ञानिक कार्यक्रम प्रदान करता है। सबसे महत्वपूर्ण विशेषताओं में शामिल हैं:

• डिजाइन में कृत्रिम बुद्धिमत्ता में विशेषज्ञों द्वारा प्रस्तुत केस अध्ययनों का विकास
• पुस्तक की ग्राफिक योजनाबद्ध और व्यावहारिक सामग्री उन विषयों पर तकनीकी और व्यावहारिक जानकारी प्रदान करती है जो पेशेवर अभ्यास के लिए आवश्यक हैं
• व्यावहारिक अभ्यास जहां सीखने में सुधार के लिए आत्म-मूल्यांकन प्रक्रिया की जा सकती है 
• नवीनतम प्रणालियों पर इसका विशेष जोर 
• सैद्धांतिक पाठ, विशेषज्ञ से प्रश्न, विवादास्पद विषयों पर वाद-विवाद मंच, और व्यक्तिगत चिंतन असाइनमेंट 
• विषय वस्तु जिस तक इंटरनेट कनेक्शन वाले किसी भी स्थायी या पोर्टेबल यंत्र से पहुँचना सुलभ है

आप इस अनूठी पेशेवर स्नातकोत्तर उपाधि के माध्यम से नैतिकता, पर्यावरण और नई प्रौद्योगिकियों के बीच जटिल अंतरसंबंधों का गहराई से पता लगाएंगे, जिसे पूरी तरह से ऑनलाइन पढ़ाया जाता है"

कार्यक्रम के शिक्षण स्टाफ में क्षेत्र के पेशेवर शामिल हैं जो इस शैक्षिक कार्यक्रम में अपने कार्य अनुभव का योगदान देते हैं, साथ ही अग्रणी समाजों और प्रतिष्ठित विश्वविद्यालयों के प्रसिद्ध विशेषज्ञ भी शामिल हैं।

नवीनतम शैक्षिक प्रौद्योगिकी के साथ विकसित की गई मल्टीमीडिया विषय वस्तु, पेशेवर को स्थित और प्रासंगिक शिक्षा प्रदान करेगी, यानी एक सिम्युलेटेड वातावरण जो वास्तविक परिस्थितियों में प्रशिक्षित करने के लिए कार्यक्रमबद्ध प्रशिक्षण प्रदान करेगा।

यह कार्यक्रम समस्या-आधारित शिक्षा के इर्द-गिर्द डिज़ाइन किया गया है, जिसके तहत पेशेवर को शैक्षणिक वर्ष के दौरान उत्पन्न होने वाली विभिन्न व्यावसायिक अभ्यास स्थितियों को हल करने का प्रयास करना चाहिए। इस उद्देश्य के लिए, छात्र को प्रसिद्ध और अनुभवी विशेषज्ञों द्वारा बनाई गई एक अभिनव इंटरैक्टिव वीडियो प्रणाली द्वारा सहायता प्रदान की जाएगी। 

दृश्य निर्माण स्वचालन से लेकर पूर्वानुमानित प्रवृत्ति विश्लेषण और एआई-संचालित सहयोग तक, आप एक गतिशील क्षेत्र में लगे रहेंगे"

मल्टीमीडिया संसाधनों की TECH की विशाल लाइब्रेरी का लाभ उठाएँ और वर्चुअल असिस्टेंट और उपयोगकर्ता भावना विश्लेषण के संयोजन का पता लगाएँ"

जो चीज़ इस पेशेवर स्नातकोत्तर उपाधि को असाधारण बनाती है, वह डिज़ाइन और कृत्रिम बुद्धिमत्ता के बीच के अंतरसंबंध के लिए इसका परिवर्तनकारी और व्यापक दृष्टिकोण है। "कम्प्यूटेशनल डिज़ाइन और एआई" और "डिज़ाइन-उपयोगकर्ता इंटरैक्शन और एआई" जैसे विषयों का समावेश डिजाइनरों को मल्टीमीडिया विषय-वस्तु के स्वचालित निर्माण से लेकर उपयोगकर्ता इंटरैक्शन में प्रासंगिक अनुकूलन तक समकालीन चुनौतियों का समाधान करने में सक्षम करेगा। इसके अलावा, तकनीकी कौशल का नवीन एकीकरण, जैसे कि माइक्रोचिप संरचना अनुकूलन, अपशिष्ट न्यूनीकरण जैसे नैतिक और पारिस्थितिक विचारों के साथ, इस कार्यक्रम को एक व्यापक प्रस्ताव बनाता है।

डिज़ाइन के क्षेत्र में कृत्रिम बुद्धिमत्ता को लागू करते हुए, नैतिकता और स्थिरता पर गहन ध्यान देने के साथ रचनात्मकता को एकीकृत करने वाले प्रशिक्षण में खुद को लगा दें"  

मॉड्यूल 1. कृत्रिम बुद्धिमत्ता के मूल सिद्धांत

1.1. कृत्रिम बुद्धिमत्ता का इतिहास

1.1.1. हम कृत्रिम बुद्धिमत्ता के बारे में कब बात करना शुरू करते हैं?
1.1.2. फिल्म में सन्दर्भ
1.1.3. कृत्रिम बुद्धिमत्ता का महत्व
1.1.4. ऐसी प्रौद्योगिकियाँ जो कृत्रिम बुद्धिमत्ता को सक्षम और समर्थन करती हैं

1.2. खेलों में कृत्रिम बुद्धिमत्ता

1.2.1. गेम थ्योरी
1.2.2. मिनिमैक्स और अल्फा-बीटा प्रूनिंग
1.2.3. सिम्युलेशन: मोंटे कार्लो

1.3. तंत्रिका नेटवर्क

1.3.1. जैविक बुनियादी बातें
1.3.2. कम्प्यूटेशनल मॉडल
1.3.3. पर्यवेक्षित और अपर्यवेक्षित तंत्रिका नेटवर्क
1.3.4. सरल परसेप्ट्रॉन
1.3.5. मल्टीलेयर परसेप्ट्रॉन

1.4. आनुवंशिक एल्गोरिदम

1.4.1. इतिहास
1.4.2. जैविक आधार
1.4.3. प्रॉब्लेम कोडिंग
1.4.4. प्रारंभिक जनसंख्या का सृजन
1.4.5. मुख्य एल्गोरिथम और जेनेटिक ऑपरेटर
1.4.6. व्यक्तियों का मूल्यांकन: फिट्नस

1.5. थिसॉरी, शब्दावली, वर्गीकरण

1.5.1. शब्दावली
1.5.2. वर्गीकरण
1.5.3. शब्दकोष संबंधी
1.5.4. ओण्टोलॉजी
1.5.5. ज्ञान प्रतिनिधित्व सिमेंटिक वेब

1.6. सेमांटिक वेब

1.6.1. विशिष्टताएँ आरडीएफ, आरडीएफएस और ओडब्लूएल
1.6.2. अनुमान/तर्क
1.6.3. लिंक किया गया डेटा

1.7. विशेषज्ञ प्रणालियाँ और डीएसएस

1.7.1. विशेषज्ञ प्रणालियां
1.7.2. निर्णय समर्थन प्रणाली

1.8. चैटबॉट और वर्चुअल असिस्टेंट

1.8.1. सहायकों के प्रकार: आवाज और पाठ सहायक
1.8.2. एक सहायक के विकास के लिए मौलिक भाग: इरादे, संस्थाएं और संवाद प्रवाह
1.8.3. इंटीग्रेशन: वेब, स्लैक, व्हाट्सएप, फेसबुक
1.8.4. सहायक विकास उपकरण: संवाद प्रवाह, वाटसन सहायक

1.9. एआई कार्यान्वयन रणनीति
1.10. कृत्रिम बुद्धिमत्ता का भविष्य

1.10.1. एल्गोरिदम का उपयोग करके भावनाओं का पता लगाने का तरीका समझें
1.10.2. व्यक्तित्व का निर्माण: भाषा, अभिव्यक्ति और विषय वस्तु
1.10.3. कृत्रिम बुद्धिमत्ता के रुझान
1.10.4. कुछ विचार

मॉड्यूल 2. डेटा के प्रकार और जीवन चक्र

2.1. आंकड़े

2.1.1. सांख्यिकी। वर्णनात्मक सांख्यिकी, सांख्यिकीय अनुमान
2.1.2. जनसंख्या, नमूना, व्यक्तिगत
2.1.3. वेरिएबल्स परिभाषा, मापन स्केल

2.2. डेटा सांख्यिकी के प्रकार

2.2.1. प्रकार के अनुसार

2.2.1.1. मात्रात्मक: सतत डेटा और असतत डेटा
2.2.1.2. गुणात्मक। द्विपद डेटा, नाममात्र डेटा और क्रमवाचक डेटा

2.2.2. उनके आकार के अनुसार

2.2.2.1. संख्यात्मक
2.2.2.2. टेक्स्ट:
2.2.2.3. तार्किक

2.2.3. इसके स्रोत के अनुसार

2.2.3.1. प्राथमिक
2.2.3.2. माध्यमिक

2.3. डेटा का जीवन चक्र

2.3.1. चक्र के चरण
2.3.2. चक्र के मील के पत्थर
2.3.3. निष्पक्ष सिद्धांत

2.4. चक्र के प्रारंभिक चरण

2.4.1. लक्ष्य की परिभाषा
2.4.2. संसाधन आवश्यकताओं का निर्धारण
2.4.3. गैंट चार्ट
2.4.4. डेटा संरचना

2.5. डेटा संग्रह

2.5.1. डेटा संग्रह की प्रणाली
2.5.2. डेटा संग्रह उपकरणें
2.5.3. डेटा संग्रह चैनलें

2.6. डेटा की सफाई

2.6.1. डेटा सफाई के चरण
2.6.2. डेटा गुणवत्ता
2.6.3. डेटा हेरफेर (आर के साथ)

2.7. डेटा विश्लेषण, व्याख्या और परिणामों का मूल्यांकन

2.7.1. सांख्यिकीय उपाय
2.7.2. संबंध सूचकांक
2.7.3. डेटा माइनिंग

2.8. डेटावेयरहाउस

2.8.1. वे तत्व जो इसे बनाते हैं
2.8.2. डिजाइन
2.8.3. विचारणीय पहलू

2.9. डेटा उपलब्धता

2.9.1. पहुँच
2.9.2. उपयोग
2.9.3. सुरक्षा

2.10. नियामक ढांचा

2.10.1. डेटा संरक्षण कानून
2.10.2. अच्छे आचरण
2.10.3. अन्य नियामक पहलू 

मॉड्यूल 3. कृत्रिम बुद्धिमत्ता में डेटा

3.1. डेटा विज्ञान

3.1.1. डेटा विज्ञान
3.1.2. डेटा वैज्ञानिकों के लिए उन्नत उपकरण

3.2. डेटा, सूचना और ज्ञान

3.2.1. डेटा, सूचना और ज्ञान
3.2.2. डेटा के प्रकार
3.2.3. डेटा स्रोत

3.3. डेटा से सूचना तक

3.3.1. डेटा विश्लेषण
3.3.2. विश्लेषण के प्रकार
3.3.3. डेटासेट से जानकारी निकालना

3.4. विज़ुअलाइज़ेशन के माध्यम से जानकारी निकालना

3.4.1. एक विश्लेषण उपकरण के रूप में विज़ुअलाइज़ेशन
3.4.2. विज़ुअलाइज़ेशन के तरीके
3.4.3. डेटा सेट का विज़ुअलाइज़ेशन

3.5. डेटा गुणवत्ता

3.5.1. गुणवत्ता डेटा
3.5.2. डेटा की सफाई
3.5.3. बुनियादी डेटा प्री-प्रोसेसिंग

3.6. डेटासेट

3.6.1. डेटासेट संवर्धन
3.6.2. आयामीता का अभिशाप
3.6.3. हमारे डेटा सेट का संशोधन

3.7. असंतुलित होना

3.7.1. असंतुलन की श्रेणियाँ
3.7.2. असंतुलित शमन तकनीक
3.7.3. डेटासेट को संतुलित करना

3.8. अप्रशिक्षित मॉडल

3.8.1. अप्रशिक्षित मॉडल
3.8.2. तरीके
3.8.3. अप्रशिक्षित मॉडल के साथ वर्गीकरण

3.9. पर्यवेक्षित मॉडल

3.9.1. पर्यवेक्षित मॉडल
3.9.2. तरीके
3.9.3. पर्यवेक्षित मॉडल के साथ वर्गीकरण

3.10. उपकरण और अच्छे अभ्यास

3.10.1. डेटा वैज्ञानिकों के लिए अच्छे अभ्यास
3.10.2. सबसे अच्छा मॉडल
3.10.3. उपयोगी उपकरण

मॉड्यूल 4. डेटा माइनिंग। चयन, पूर्व-संस्करण और परिवर्तन

4.1. सांख्यिकीय अनुमान

4.1.1. वर्णनात्मक सांख्यिकी बनाम सांख्यिकीय अनुमान
4.1.2. पैरामीट्रिक प्रक्रियाएं
4.1.3. गैर-पैरामीट्रिक प्रक्रियाएं

4.2. खोजपूर्ण विश्लेषण

4.2.1. विवरणात्मक विश्लेषण
4.2.2. विसुअलाईज़शन
4.2.3. डेटा तैयारी

4.3. डेटा तैयारी

4.3.1. इंटीग्रेशन और डेटा सफ़ाई
4.3.2. डेटा का सामान्यीकरण
4.3.3. गुण परिवर्तन

4.4. लुप्त मूल्य

4.4.1. लुप्त मूल्यों का उपचार
4.4.2. अधिकतम संभावना प्रतिरूपण विधियाँ
4.4.3. मशीन लर्निंग का उपयोग कर गुम मूल्य प्रतिरूपण

4.5. डेटा में शोर

4.5.1. शोर वर्ग और गुण
4.5.2. शोर फ़िल्टरिंग
4.5.3. शोर का प्रभाव

4.6. आयामीता का अभिशाप

4.6.1. ओवरसैंपलिंग
4.6.2. अवर
4.6.3. बहुआयामी डेटा कटौती

4.7. सतत से असतत गुण तक

4.7.1. सतत डेटा बनाम. विवेकशील डेटा
4.7.2. विवेकाधीन प्रक्रिया

4.8. आंकड़ा

4.8.1. डेटा चयन
4.8.2. संभावनाएँ और चयन मानदंड
4.8.3. चयन के तरीके

4.9. उदाहरण चयन

4.9.1. उदाहरण चयन के लिए तरीके
4.9.2. प्रोटोटाइप चयन
4.9.3. उदाहरण चयन के लिए उन्नत तरीके

4.10. बड़े डेटा वातावरण में डेटा प्री-प्रोसेसिंग

मॉड्यूल 5. कृत्रिम बुद्धिमत्ता में एल्गोरिदम और जटिलता

5.1. एल्गोरिथम डिज़ाइन रणनीतियों का परिचय

5.1.1. प्रत्यावर्तन
5.1.2. फूट डालो और राज करो
5.1.3. अन्य रणनीतियाँ

5.2. एल्गोरिदम की दक्षता और विश्लेषण

5.2.1. दक्षता के उपाय
5.2.2. इनपुट का आकार मापना
5.2.3. निष्पादन समय मापना
5.2.4. सबसे खराब, सबसे अच्छा और औसत मामला
5.2.5. स्पर्शोन्मुख संकेतन
5.2.6. नॉन-रिकर्सिव एल्गोरिदम के गणितीय विश्लेषण के लिए मानदंड
5.2.7. पुनरावर्ती एल्गोरिदम का गणितीय विश्लेषण
5.2.8. एल्गोरिदम का अनुभवजन्य विश्लेषण

5.3. छँटाई एल्गोरिदम

5.3.1. छँटाई की अवधारणा
5.3.2. बुलबुला छँटाई
5.3.3. चयन के आधार पर छँटाई
5.3.4. सम्मिलन के आधार पर छँटाई
5.3.5. मिक्सिंग द्वारा सॉर्टिंग (मर्ज_सॉर्ट)
5.3.6. क्विक सॉर्टिंग (Quick Sort)

5.4. पेड़ों के साथ एल्गोरिदम

5.4.1. वृक्ष संकल्पना
5.4.2. बाइनरी पेड़
5.4.3. वृक्ष पथ
5.4.4. अभिव्यक्ति का प्रतिनिधित्व
5.4.5. बाइनरी ट्री का ऑर्डर दिया गया
5.4.6. संतुलित बाइनरी पेड़

5.5. हीप्स का उपयोग करने वाले एल्गोरिदम

5.5.1. हीप्स
5.5.2. हीपसॉर्ट एल्गोरिथम
5.5.3. प्राथमिकता कतारें

5.6. ग्राफ़ एल्गोरिदम

5.6.1. प्रतिनिधित्व
5.6.2. चौड़ाई में ट्रैवर्सल
5.6.3. गहराई यात्रा
5.6.4. टोपोलॉजिकल सॉर्टिंग

5.7. लालची एल्गोरिदम

5.7.1. ग्रीडी रणनीति
5.7.2. ग्रीडी रणनीति के तत्व
5.7.3. मुद्रा विनिमय
5.7.4. यात्री की समस्या
5.7.5. बैकपैक समस्या

5.8. न्यूनतम पथ खोज

5.8.1. न्यूनतम पथ समस्या
5.8.2. नकारात्मक चाप और चक्र
5.8.3. डिज्क्स्ट्रा का एल्गोरिदम

5.9. ग्राफ़ पर ग्रीडी एल्गोरिदम

5.9.1. न्यूनतम आवरण वाला ट्री
5.9.2. प्राइम का एल्गोरिदम
5.9.3. क्रुस्कल का एल्गोरिदम
5.9.4. जटिलता विश्लेषण

5.10. बैक ट्रैकिंग

5.10.1. बैक ट्रैकिंग
5.10.2. वैकल्पिक तकनीकें

मॉड्यूल 6. इंटेलिजेंट सिस्टम

6.1. एजेंट सिद्धांत

6.1.1. अवधारणा की इतिहास
6.1.2. एजेंट परिभाषा
6.1.3. कृत्रिम बुद्धिमत्ता में एजेंट
6.1.4. सॉफ्टवेयर इंजीनियरिंग में एजेंट

6.2. एजेंट आर्किटेक्चर

6.2.1. एक एजेंट की तर्क प्रक्रिया
6.2.2. प्रतिक्रियाशील एजेंट
6.2.3. डिडक्टिव एजेंट
6.2.4. हाइब्रिड एजेंट
6.2.5. तुलना

6.3. सूचना और ज्ञान

6.3.1. डेटा, सूचना और ज्ञान के बीच अंतर
6.3.2. डेटा गुणवत्ता मूल्यांकन
6.3.3. डेटा संग्रह प्रणाली
6.3.4. सूचना प्राप्ति के तरीके
6.3.5. ज्ञान प्राप्ति के तरीके

6.4. ज्ञान निरूपण

6.4.1. ज्ञान प्रतिनिधित्व का महत्व
6.4.2. भूमिकाओं के अनुसार ज्ञान प्रतिनिधित्व की परिभाषा
6.4.3. ज्ञान प्रतिनिधित्व सुविधाएँ

6.5. ओण्टोलॉजी

6.5.1. मेटाडेटा का परिचय
6.5.2. ऑन्टोलॉजी की दार्शनिक अवधारणा
6.5.3. ऑन्टोलॉजी की कंप्यूटिंग अवधारणा
6.5.4. डोमेन ऑन्टोलॉजी और उच्च-स्तरीय ऑन्टोलॉजी
6.5.5. ऑन्टोलॉजी कैसे बनाएं

6.6. ओन्टोलॉजी भाषाएँ और ओन्टोलॉजी निर्माण सॉफ्टवेयर

6.6.1. ट्रिपल आरडीएफ, टर्टल और एन
6.6.2. आरडीएफ स्कीमा
6.6.3. ओडब्लूएल्
6.6.4. एस्पीएआरक्यूएल्
6.6.5. ओन्टोलॉजी क्रिएशन टूल्स का परिचय
6.6.6. प्रोतएजे को स्थापित करना और उसका उपयोग करना

6.7. सेमांटिक वेब

6.7.1. सिमेंटिक वेब की वर्तमान और भविष्य की स्थिति
6.7.2. सिमेंटिक वेब अनुप्रयोग

6.8. अन्य ज्ञान प्रतिनिधित्व मॉडल

6.8.1. शब्दावली
6.8.2. वैश्विक विज़न
6.8.3. वर्गीकरण
6.8.4. शब्दकोष संबंधी
6.8.5. फोल्क्सोनॉमी
6.8.6. तुलना
6.8.7. दिमागी मानचित्र

6.9. ज्ञान प्रतिनिधित्व मूल्यांकन और इनग्रैशन

6.9.1. शून्य-ऑर्डर लॉजिक
6.9.2. प्रथम-ऑर्डर लॉजिक
6.9.3. वर्णनात्मक लॉजिक
6.9.4. विभिन्न प्रकार के तर्क के बीच संबंध
6.9.5. प्रस्तावना: प्रथम-क्रम लॉजिक पर आधारित प्रोग्रामिंग

6.10. सिमेंटिक रीज़नर्स, ज्ञान-आधारित प्रणालियाँ और विशेषज्ञ प्रणालियाँ

6.10.1. तर्ककर्ता की अवधारणा
6.10.2. तर्ककर्ता अनुप्रयोग
6.10.3. ज्ञान-आधारित प्रणालियाँ
6.10.4. एम्ह्वाइसीआईएन् विशेषज्ञ प्रणालियों का इतिहास
6.10.5. विशेषज्ञ प्रणाली तत्व और वास्तुकला
6.10.6. विशेषज्ञ प्रणालियाँ बनाना

मॉड्यूल 7. मशीन लर्निंग और डेटा माइनिंग

7.1. ज्ञान खोज प्रक्रियाओं और मशीन लर्निंग की बुनियादी अवधारणाओं का परिचय

7.1.1. ज्ञान खोज प्रक्रियाओं की प्रमुख अवधारणाएँ
7.1.2. ज्ञान खोज प्रक्रियाओं का ऐतिहासिक परिप्रेक्ष्य
7.1.3. ज्ञान खोज प्रक्रियाओं के चरण
7.1.4. ज्ञान खोज प्रक्रियाओं में प्रयुक्त तकनीकें
7.1.5. अच्छे मशीन लर्निंग मॉडल के लक्षण
7.1.6. मशीन लर्निंग सूचना के प्रकार
7.1.7. बुनियादी शिक्षण अवधारणाएँ
7.1.8. बिना पर्यवेक्षण के सीखने की बुनियादी अवधारणाएँ

7.2. डेटा अन्वेषण और प्री-प्रोसेसिंग

7.2.1. डाटा प्रासेसिंग
7.2.2. डेटा विश्लेषण प्रवाह में डेटा प्रोसेसिंग
7.2.3. डेटा के प्रकार
7.2.4. डेटा परिवर्तन
7.2.5. सतत चरों का विज़ुअलाइज़ेशन और अन्वेषण
7.2.6. श्रेणीबद्ध चर का विज़ुअलाइज़ेशन और अन्वेषण
7.2.7. सहसंबंध उपाय
7.2.8. सर्वाधिक सामान्य ग्राफ़िक अभ्यावेदन
7.2.9. बहुभिन्नरूपी विश्लेषण और आयामी कमी का परिचय

7.3. निर्णय के पेड़

7.3.1. आईडी एल्गोरिदम
7.3.2. एल्गोरिथम सी
7.3.3. ओवरट्रेनिंग और प्रूनिंग
7.3.4. परिणाम विश्लेषण

7.4. क्लासिफायर का मूल्यांकन

7.4.1. कन्फ्यूजन मैट्रिक्स
7.4.2. संख्यात्मक मूल्यांकन मैट्रिक्स
7.4.3. कप्पा आँकड़ा
7.4.4. आरओसी वक्र

7.5. वर्गीकरण नियम

7.5.1. नियम मूल्यांकन उपाय
7.5.2. ग्राफिक प्रतिनिधित्व का परिचय
7.5.3. अनुक्रमिक ओवरले एल्गोरिदम

7.6. तंत्रिका नेटवर्क

7.6.1. बुनियादी अवधारणाएं
7.6.2. सरल तंत्रिका नेटवर्क
7.6.3. बैकप्रॉपैगेशन एल्गोरिथम
7.6.4. आवर्ती तंत्रिका नेटवर्क का परिचय

7.7. बायेसियन विधियाँ

7.7.1. बुनियादी संभाव्यता अवधारणाएँ
7.7.2. बेयस प्रमेय
7.7.3. नादान बेयस
7.7.4. बायेसियन नेटवर्क का परिचय

7.8. प्रतिगमन और सतत प्रतिक्रिया मॉडल

7.8.1. सरल रेखीय प्रतिगमन
7.8.2. मल्टीपल रैखिक रिग्रेशन
7.8.3. संभार तन्त्र परावर्तन
7.8.4. प्रतिगमन पेड़
7.8.5. सपोर्ट वेक्टर मशीनों (एसवीएम) का परिचय
7.8.6. फिट रहने के उपाय

7.9. क्लस्टरिंग

7.9.1. बुनियादी अवधारणाएं
7.9.2. पदानुक्रमित क्लस्टरिंग
7.9.3. संभाव्य तरीके
7.9.4. ईएम एल्गोरिदम
7.9.5. बी-क्यूब्ड विधि
7.9.6. निहित तरीके

7.10. टेक्स्ट माइनिंग और प्राकृतिक भाषा प्रोसेसिंग (एनएलपी)

7.10.1. बुनियादी अवधारणाएं
7.10.2. कॉर्पस निर्माण
7.10.3. विवरणात्मक विश्लेषण
7.10.4. भावनाओं के विश्लेषण का परिचय

मॉड्यूल 8. तंत्रिका नेटवर्क, गहन शिक्षण का आधार

8.1. डीप लर्निंग

8.1.1. गहन शिक्षण के प्रकार
8.1.2. गहन शिक्षण के अनुप्रयोग
8.1.3. डीप लर्निंग के फायदे और नुकसान

8.2. सर्जरी

8.2.1. जोड़
8.2.2. प्रोडक्शन
8.2.3. स्थानांतरण

8.3. परतें

8.3.1. इनपुट परत
8.3.2. हिडन लेयर
8.3.3. आउटपुट परत

8.4. परत बंधन और संचालन

8.4.1. वास्तुकला डिजाइन
8.4.2. परतों के बीच संबंध
8.4.3. आगे प्रसार

8.5. प्रथम तंत्रिका नेटवर्क का निर्माण

8.5.1. नेटवर्क डिजाइन
8.5.2. वज़न स्थापित करें
8.5.3. नेटवर्क प्रशिक्षण

8.6. प्रशिक्षक और अनुकूलक

8.6.1. अनुकूलक चयन
8.6.2. हानि फ़ंक्शन की स्थापना
8.6.3. एक मीट्रिक स्थापित करना

8.7. तंत्रिका नेटवर्क के सिद्धांतों का अनुप्रयोग

8.7.1. सक्रियण कार्य
8.7.2. पिछड़ा प्रसार
8.7.3. पैरामीटर समायोजन

8.8. जैविक से लेकर कृत्रिम तंत्रिका तक

8.8.1. जैविक तंत्रिका की कार्यप्रणाली
8.8.2. कृत्रिम तंत्रिका को ज्ञान का हस्तांतरण
8.8.3. दोनों के बीच संबंध स्थापित करें

8.9. केरस के साथ एमएलपी (मल्टीलेयर परसेप्ट्रॉन) का कार्यान्वयन

8.9.1. नेटवर्क संरचना की परिभाषा
8.9.2. मॉडल संकलन
8.9.3. मॉडल प्रशिक्षण

8.10. तंत्रिका नेटवर्क के हाइपरपैरामीटर कोफ़ाइन ट्यूनिंग  करना

8.10.1. सक्रियण फ़ंक्शन का चयन
8.10.2. सीखने की दर निर्धारित करें
8.10.3. वज़न का समायोजन

मॉड्यूल 9. डीप तंत्रिका नेटवर्क प्रशिक्षण

9.1. ग्रेडिएंट समस्याएँ

9.1.1. ग्रेडियेंट अनुकूलन तकनीक
9.1.2. स्टोकेस्टिक ग्रेजुएट्स
9.1.3. वज़न आरंभीकरण तकनीकें

9.2. पूर्व-प्रशिक्षित परतों का पुन: उपयोग

9.2.1. स्थानांतरण प्रशिक्षण सीखना
9.2.2. सुविधा निकालना
9.2.3. डीप लर्निंग

9.3. अनुकूलक

9.3.1. स्टोकेस्टिक ग्रेडिएंट डिसेंट ऑप्टिमाइज़र
9.3.2. ऑप्टिमाइज़र एडम और आरएमएसप्रॉप
9.3.3. क्षण अनुकूलक

9.4. सीखने की दर प्रोग्रामिंग

9.4.1. स्वचालित सीखने की दर नियंत्रण
9.4.2. सीखने के चक्र
9.4.3. स्मूथिंग शर्तें

9.5. ओवरफिटिंग

9.5.1. पार सत्यापन
9.5.2. नियमितीकरण
9.5.3. मूल्यांकन मेट्रिक्स

9.6. व्यावहारिक दिशानिर्देश

9.6.1. मॉडल डिज़ाइन
9.6.2. मेट्रिक्स और मूल्यांकन मापदंडों का चयन
9.6.3. परिकल्पना परीक्षण

9.7. स्थानांतरण सीखना

9.7.1. स्थानांतरण प्रशिक्षण सीखना
9.7.2. सुविधा निकालना
9.7.3. डीप लर्निंग

9.8. डेटा संवर्धन

9.8.1. इमेज परिवर्तन
9.8.2. सिंथेटिक डेटा जनरेशन
9.8.3. टेक्स्ट परिवर्तन

9.9. ट्रांसफर लर्निंग का व्यावहारिक अनुप्रयोग

9.9.1. स्थानांतरण प्रशिक्षण सीखना
9.9.2. सुविधा निकालना
9.9.3. डीप लर्निंग

9.10. नियमितीकरण

9.10.1. एल और एल
9.10.2. अधिकतम एन्ट्रापी द्वारा नियमितीकरण
9.10.3. ड्रॉप आउट

मॉड्यूल 10. टेंसरफ़्लो के साथ मॉडल अनुकूलन और प्रशिक्षण

10.1. टेंसरफ़्लो

10.1.1. टेंसरफ़्लो लाइब्रेरी का उपयोग
10.1.2. टेन्सरफ़्लो के साथ मॉडल प्रशिक्षण
10.1.3. टेंसरफ़्लो में ग्राफ के साथ संचालन

10.2. टेंसरफ़्लो और नमपाइ

10.2.1. टेंसरफ़्लो के लिए नमपाइ कंप्यूटिंग वातावरण
10.2.2. टेंसरफ़्लो के साथ नमपाई एरेज़ का उपयोग करना
10.2.3. टेंसरफ़्लो ग्राफ के लिए नमपाइ संचालन

10.3. एल्गोरिदम मॉडल अनुकूलन और प्रशिक्षण

10.3.1. टेंसरफ़्लो के साथ कस्टम मॉडल बनाना
10.3.2. प्रशिक्षण मापदंडों का प्रबंधन
10.3.3. प्रशिक्षण के लिए अनुकूलन तकनीकों का उपयोग

10.4. टेन्सरफ़्लो विशेषताएँ और ग्राफ़

10.4.1. टेंसरफ़्लो के साथ कार्य
10.4.2. मॉडल प्रशिक्षण के लिए ग्राफ़ का उपयोग
10.4.3. टेन्सरफ्लो ऑपरेशंस के साथ ग्राफ़ का अनुकूलन

10.5. टेंसरफ्लोके साथ डेटा लोड करना और प्रीप्रोसेसिंग करना

10.5.1. टेन्सरफ्लोके साथ डेटासेट लोड करना
10.5.2. टेन्सरफ़्लो के साथ डेटा प्रीप्रोसेसिंग
10.5.3. डेटा हेरफेर के लिए टेंसरफ़्लो टूल का उपयोग करना

10.6. टीएफडेटा एपीआई

10.6.1. डेटा प्रोसेसिंग के लिए टीएफडाटा एपीआई का उपयोग करना
10.6.2. टीएफडेटा के साथ डेटा स्ट्रीम का निर्माण
10.6.3. मॉडल प्रशिक्षण के लिए टीएफ डेटा एपीआई का उपयोग करना

10.7. टीएफरिकॉर्ड प्रारूप

10.7.1. डेटा क्रमांकन के लिए टीएफरिकॉर्ड एपीआई का उपयोग करना
10.7.2. टेन्सरफ्लो के साथ टीएफरिकॉर्ड फ़ाइल अपलोड करना
10.7.3. मॉडल प्रशिक्षण के लिए टीएफरिकॉर्ड फ़ाइलों का उपयोग करना

10.8. केरस प्रीप्रोसेसिंग परतें

10.8.1. केरस प्रीप्रोसेसिंग एपीआई का उपयोग करना
10.8.2. प्रीप्रोसेसिंग पाइपलाइन निर्माण के साथ केरस
10.8.3. मॉडल प्रशिक्षण के लिए केरस प्रीप्रोसेसिंग एपीआई का उपयोग करना

10.9. टेंसरफ़्लो डेटासेट प्रोजेक्ट

10.9.1. डेटा लोडिंग के लिए टेन्सरफ़्लो डेटासेट का उपयोग करना
10.9.2. टेन्सरफ्लो डेटासेट के साथ प्रीप्रोसेसिंग डेटा
10.9.3. मॉडल प्रशिक्षण के लिए टेन्सरफ़्लो डेटासेट का उपयोग करना

10.10. टेन्सरफ्लो के साथ एक डीप लर्निंग ऐप बनाना

10.10.1. व्यावहारिक अनुप्रयोगों
10.10.2. टेन्सरफ्लो के साथ एक डीप लर्निंग ऐप बनाना
10.10.3. टेन्सरफ़्लो के साथ मॉडल प्रशिक्षण
10.10.4. परिणामों की भविष्यवाणी के लिए एप्लिकेशन का उपयोग

मॉड्यूल 11. कन्वेन्शनल न्यूरल नेटवर्क के साथ डीप कंप्यूटर विज़न

11.1. विज़ुअल कॉर्टेक्स आर्किटेक्चर

11.1.1. विज़ुअल कॉर्टेक्स के कार्य
11.1.2. कम्प्यूटेशनल विज़न के सिद्धांत
11.1.3. इमेज प्रोसेसिंग के मॉडल

11.2. संवेगात्मक परतें

11.2.1. संवेगात्मक में वज़न का पुन: उपयोग
11.2.2. कन्वोल्यूशन डी
11.2.3. सक्रियण कार्य

11.3. केरस के साथ ग्रुपिंग लेयर्स और ग्रुपिंग लेयर्स का कार्यान्वयन

11.3.1. पूलिंग और स्ट्राइडिंग
11.3.2. सपाट
11.3.3. पूलिंग के प्रकार

11.4. सीएनएन वास्तुकला

11.4.1. वीजीजी वास्तुकला
11.4.2. एलेक्सनेट आर्किटेक्चर
11.4.3. रेसनेट आर्किटेक्चर

11.5. केरास का उपयोग करके सीएनएन रेसनेट लागू करना

11.5.1. वज़न आरंभीकरण
11.5.2. इनपुट परत परिभाषा
11.5.3. आउटपुट परिभाषा

11.6. पूर्व-प्रशिक्षित केरस मॉडल का उपयोग

11.6.1. पूर्व-प्रशिक्षित मॉडलों की विशेषताएं
11.6.2. पूर्व-प्रशिक्षित मॉडलों का उपयोग
11.6.3. पूर्व-प्रशिक्षित मॉडल के लाभ

11.7. स्थानांतरण शिक्षण के लिए पूर्व-प्रशिक्षण मॉडल

11.7.1. स्थानांतरण द्वारा सीखना
11.7.2. स्थानांतरण सीखने की प्रक्रिया
11.7.3. ट्रांसफर लर्निंग के फायदे

11.8. डीप कंप्यूटर विज़न वर्गीकरण और स्थानीयकरण

11.8.1. इमेज वर्गीकरण
11.8.2. इमेजेज में वस्तुओं का स्थानीयकरण
11.8.3. ऑब्जेक्ट डिटेक्शन

11.9. ऑब्जेक्ट डिटेक्शन और ऑब्जेक्ट ट्रैकिंग

11.9.1. ऑब्जेक्ट डिटेक्शन के तरीके
11.9.2. ऑब्जेक्ट ट्रैकिंग एल्गोरिदम
11.9.3. ट्रैकिंग और स्थानीयकरण तकनीक

11.10. शब्दार्थ विभाजन

11.10.1. शब्दार्थ विभाजन के लिए गहन शिक्षा
11.10.2. किनारे का पता लगाना
11.10.3. नियम-आधारित विभाजन विधियाँ

मॉड्यूल 12. आवर्ती तंत्रिका नेटवर्क (एनआरएन) और ध्यान के साथ प्राकृतिक भाषा प्रोसेसिंग (एनएलपी)

12.1. आरएनएन का उपयोग करके टेक्स्ट जेनरेशन

12.1.1. टेक्स्ट जेनरेशन के लिए आरएनएन का प्रशिक्षण
12.1.2. आरएनएन के साथ प्राकृतिक भाषा निर्माण
12.1.3. आरएनएन के साथ टेक्स्ट निर्माण अनुप्रयोग

12.2. प्रशिक्षण डेटा सेट निर्माण

12.2.1. आरएनएन के प्रशिक्षण के लिए डेटा तैयार करना
12.2.2. प्रशिक्षण डेटासेट का भंडारण
12.2.3. डेटा सफ़ाई और परिवर्तन
12.2.4. भावनाओं का विश्लेषण

12.3. आरएनएन के साथ राय का वर्गीकरण

12.3.1. टिप्पणियों में थीम का पता लगाना
12.3.2. गहन शिक्षण एल्गोरिदम के साथ भावना विश्लेषण

12.4. तंत्रिका मशीन अनुवाद के लिए एनकोडर-डिकोडर नेटवर्क

12.4.1. मशीनी अनुवाद के लिए आरएनएन का प्रशिक्षण
12.4.2. मशीनी अनुवाद के लिए एनकोडर-डिकोडर नेटवर्क का उपयोग
12.4.3. आरएनएन के साथ मशीनी अनुवाद की सटीकता में सुधार

12.5. ध्यान तंत्र

12.5.1. आरएनएन में ध्यान तंत्र का अनुप्रयोग
12.5.2. मॉडलों की सटीकता में सुधार के लिए केयर तंत्र का उपयोग
12.5.3. तंत्रिका नेटवर्क में ध्यान तंत्र के लाभ

12.6. ट्रांसफार्मर मॉडल

12.6.1. प्राकृतिक भाषा प्रसंस्करण के लिए ट्रांसफार्मरमॉडल का उपयोग करना
12.6.2. विजन के लिए ट्रांसफार्मर मॉडल का अनुप्रयोग
12.6.3. ट्रांसफार्मर मॉडल के लाभ

12.7. विज़न के लिए ट्रांसफार्मर

12.7.1. दृष्टि के लिए ट्रांसफार्मर मॉडल का उपयोग
12.7.2. इमेज डेटा प्रीप्रोसेसिंग
12.7.3. विजन के लिए ट्रांसफॉर्मर मॉडल का प्रशिक्षण

12.8. हगिंग फेस ट्रांसफॉर्मर्स बुकस्टोर

12.8.1. हगिंग फेस की ट्रांसफॉर्मर्स लाइब्रेरी का उपयोग करना
12.8.2. हगिंग फेस' ट्रांसफॉर्मर्स लाइब्रेरी का अनुप्रयोग
12.8.3. हगिंग फेस की ट्रांसफॉर्मर्स लाइब्रेरी के फायदे

12.9. अन्य ट्रांसफार्मर लाइब्रेरी। तुलना

12.9.1. विभिन्न ट्रांसफॉर्मर्स लाइब्रेरी के बीच तुलना
12.9.2. अन्य ट्रांसफॉर्मर्स लाइब्रेरी के उपयोग
12.9.3. अन्य ट्रांसफॉर्मर्स लाइब्रेरी के लाभ

12.10. आरएनएन और ध्यान के साथ एनएलपी एप्लिकेशन का विकास। व्यावहारिक अनुप्रयोगों

12.10.1. आरएनएन और ध्यान के साथ एक प्राकृतिक भाषा प्रसंस्करण अनुप्रयोग का विकास.
12.10.2. अनुप्रयोग में आरएनएन, ध्यान तंत्र और ट्रांसफार्मर मॉडल का उपयोग.
12.10.3. व्यावहारिक अनुप्रयोग का मूल्यांकन

मॉड्यूल 13. ऑटोएन्कोडर्स, जीएएन और डिफ्यूजन मॉडल

13.1. कुशल डेटा का प्रतिनिधित्व

13.1.1. आयामीता में कमी
13.1.2. डीप लर्निंग
13.1.3. संक्षिप्त अभ्यावेदन

13.2. अपूर्ण रैखिक स्वचालित एनकोडर के साथ पीसीए प्राप्ति

13.2.1. प्रशिक्षण प्रक्रिया
13.2.2. पायथन में कार्यान्वयन
13.2.3. परीक्षण डेटा का उपयोग

13.3. स्टैक्ड स्वचालित एनकोडर

13.3.1. डीप तंत्रिका नेटवर्क
13.3.2. कोडिंग आर्किटेक्चर का निर्माण
13.3.3. नियमितीकरण का प्रयोग

13.4. कन्वेन्शनल ऑटोएन्कोडर्स

13.4.1. कन्वेन्शनल मॉडल का डिज़ाइन
13.4.2. कन्वेन्शनल मॉडल प्रशिक्षण
13.4.3. परिणाम मूल्यांकन

13.5. स्वचालित एनकोडर के शोर का दमन

13.5.1. फ़िल्टर अनुप्रयोग
13.5.2. कोडिंग मॉडल का डिज़ाइन
13.5.3. नियमितीकरण तकनीकों का उपयोग

13.6. विरल स्वचालित एनकोडर

13.6.1. कोडिंग दक्षता बढ़ाना
13.6.2. पैरामीटर्स की संख्या न्यूनतम करना
13.6.3. नियमितीकरण तकनीकों का उपयोग करना

13.7. वैरिएशनल स्वचालित एनकोडर

13.7.1. विविधतापूर्ण अनुकूलन का उपयोग
13.7.2. बिना पर्यवेक्षित गहन शिक्षण
13.7.3. गहन अव्यक्त अभ्यावेदन

13.8. फैशन एमएनआईएसटी इमेजेज का निर्माण

13.8.1. पैटर्न मान्यता
13.8.2. इमेज निर्माण
13.8.3. डीप तंत्रिका नेटवर्क प्रशिक्षण

13.9. उत्पादक प्रतिकूल नेटवर्क और जीएएन मॉडल

13.9.1. इमेजेज से विषयवस्तु निर्माण
13.9.2. डेटा वितरण की मॉडलिंग
13.9.3. प्रतिकूल नेटवर्क का उपयोग

13.10. मॉडलों का कार्यान्वयन

13.10.1. वास्तविक उपयोगिता
13.10.2. मॉडलों का कार्यान्वयन
13.10.3. वास्तविक डेटा का उपयोग
13.10.4. परिणाम मूल्यांकन

मॉड्यूल 14. जैव-प्रेरित कंप्यूटिंग

14.1. जैव-प्रेरित कंप्यूटिंग का परिचय

14.1.1. जैव-प्रेरित कंप्यूटिंग का परिचय

14.2. सामाजिक अनुकूलन एल्गोरिदम

14.2.1. चींटी कालोनियों पर आधारित जैव-प्रेरित संगणना
14.2.2. चींटी कॉलोनी एल्गोरिदम के वेरिएंट
14.2.3. कण क्लाउड कंप्यूटिंग

14.3. आनुवंशिक एल्गोरिदम

14.3.1. सामान्य संरचना
14.3.2. प्रमुख ऑपरेटरों का कार्यान्वयन

14.4. आनुवंशिक एल्गोरिदम के लिए अंतरिक्ष अन्वेषण-शोषण रणनीतियाँ

14.4.1. सीएचसी एल्गोरिथम
14.4.2. मल्टीमॉडल समस्याएँ

14.5. विकासवादी कंप्यूटिंग मॉडल (आई)

14.5.1. विकासवादी रणनीतियाँ
14.5.2. विकासवादी प्रोग्रामिंग
14.5.3. विभेदक विकास पर आधारित एल्गोरिदम

14.6. विकासवादी संगणना मॉडल (II)

14.6.1. वितरण के अनुमान पर आधारित विकासवादी मॉडल (ईडीए)
14.6.2. आनुवंशिक प्रोग्रामिंग

14.7. सीखने की समस्याओं पर लागू विकासवादी प्रोग्रामिंग

14.7.1. नियम-आधारित शिक्षा
14.7.2. उदाहरण चयन समस्याओं में विकासवादी तरीके

14.8. बहुउद्देश्यीय समस्याएँ

14.8.1. प्रभुत्व की अवधारणा
14.8.2. बहुउद्देश्यीय समस्याओं के लिए विकासवादी एल्गोरिदम का अनुप्रयोग

14.9. तंत्रिका नेटवर्क (I)

14.9.1. तंत्रिका नेटवर्क का परिचय
14.9.2. तंत्रिका नेटवर्क के साथ व्यावहारिक उदाहरण

14.10. तंत्रिका नेटवर्क (II)

14.10.1. चिकित्सा अनुसंधान में तंत्रिका नेटवर्क के विषयवस्तु का उपयोग करें
14.10.2. अर्थशास्त्र में तंत्रिका नेटवर्क के विषयवस्तु का उपयोग करें
14.10.3. कृत्रिम विज़न में तंत्रिका नेटवर्क के विषयवस्तु का उपयोग करें

मॉड्यूल 15. कृत्रिम बुद्धिमत्ता रणनीतियाँ और अनुप्रयोग

15.1. वित्तीय सेवाएं

15.1.1. वित्तीय सेवाओं में कृत्रिम बुद्धिमत्ता (एआई) के निहितार्थ। अवसर और चुनौतियाँ
15.1.2. केस का उपयोग
15.1.3. एआई के उपयोग से संबंधित संभावित जोखिम
15.1.4. एआई के संभावित भविष्य के विकास/उपयोग

15.2. स्वास्थ्य सेवा में कृत्रिम बुद्धिमत्ता के निहितार्थ

15.2.1. स्वास्थ्य सेवा क्षेत्र में एआई के निहितार्थ अवसर और चुनौतियाँ
15.2.2. केस का उपयोग

15.3. स्वास्थ्य सेवा में एआई के उपयोग से संबंधित जोखिम

15.3.1. एआई के उपयोग से संबंधित संभावित जोखिम
15.3.2. एआई के संभावित भविष्य के विकास/उपयोग

15.4. खुदरा

15.4.1. खुदरा क्षेत्र में एआई के निहितार्थ। अवसर और चुनौतियाँ
15.4.2. केस का उपयोग
15.4.3. एआई के उपयोग से संबंधित संभावित जोखिम
15.4.4. एआई के संभावित भविष्य के विकास/उपयोग

15.5. उद्योग

15.5.1. उद्योग में एआई के निहितार्थ अवसर और चुनौतियाँ
15.5.2. केस का उपयोग

15.6. उद्योग में एआई के उपयोग से संबंधित संभावित जोखिम

15.6.1. केस का उपयोग
15.6.2. एआई के उपयोग से संबंधित संभावित जोखिम
15.6.3. एआई के संभावित भविष्य के विकास/उपयोग

15.7. लोक प्रशासन

15.7.1. सार्वजनिक प्रशासन के लिए एआई के निहितार्थ अवसर और चुनौतियाँ
15.7.2. केस का उपयोग
15.7.3. एआई के उपयोग से संबंधित संभावित जोखिम
15.7.4. एआई के संभावित भविष्य के विकास/उपयोग

15.8. शैक्षिक

15.8.1. शिक्षा के लिए एआई के निहितार्थ अवसर और चुनौतियाँ
15.8.2. केस का उपयोग
15.8.3. एआई के उपयोग से संबंधित संभावित जोखिम
15.8.4. एआई के संभावित भविष्य के विकास/उपयोग

15.9. वानिकी और कृषि

15.9.1. वानिकी और कृषि में एआई के निहितार्थ। अवसर और चुनौतियाँ
15.9.2. केस का उपयोग
15.9.3. एआई के उपयोग से संबंधित संभावित जोखिम
15.9.4. एआई के संभावित भविष्य के विकास/उपयोग

15.10. मानव संसाधन

15.10.1. मानव संसाधन अवसरों और चुनौतियों के लिए एआई के निहितार्थ
15.10.2. केस का उपयोग
15.10.3. एआई के उपयोग से संबंधित संभावित जोखिम
15.10.4. एआई के संभावित भविष्य के विकास/उपयोग

मॉड्यूल 16. डिज़ाइन में आर्टिफिशियल इंटेलिजेंस के व्यावहारिक अनुप्रयोग 

16.1. वॉल-ई, ​​एडोब फायरफ्लाई और स्टेबल डिफ्यूजन के साथ ग्राफिक डिजाइन में स्वचालित इमेज का निर्माण 

16.1.1. छवि निर्माण की मौलिक अवधारणाएँ 
16.1.2. स्वचालित ग्राफिक निर्माण के लिए उपकरण और रूपरेखाएँ  
16.1.3. जनरेटिव डिज़ाइन का सामाजिक और सांस्कृतिक प्रभाव 
16.1.4. क्षेत्र में वर्तमान रुझान और भविष्य के विकास और अनुप्रयोग। 

16.2. एआई का उपयोग करके यूजर इंटरफेस का गतिशील वैयक्तिकरण 

16.2.1. यूआई/यूएक्स वैयक्तिकरण सिद्धांत 
16.2.2. यूआई अनुकूलन में अनुशंसा एल्गोरिदम 
16.2.3. उपयोगकर्ता अनुभव और सतत प्रतिक्रिया 
16.2.4. वास्तविक अनुप्रयोगों में व्यावहारिक कार्यान्वयन 

16.3. जेनेरेटिव डिजाइन: उद्योग और कला में अनुप्रयोग 

16.3.1. जनरेटिव डिज़ाइन के मूल सिद्धांत 
16.3.2. उद्योग में जनरेटिव डिज़ाइन 
16.3.3. समकालीन कला में जनरेटिव डिज़ाइन 
16.3.4. जनरेटिव डिज़ाइन में चुनौतियाँ और भविष्य की प्रगति 

16.4. एल्गोरिदम के साथ संपादकीय लेआउट का स्वचालित निर्माण 

16.4.1. स्वचालित संपादकीय लेआउटके सिद्धांत 
16.4.2. सामग्री वितरण एल्गोरिदम 
16.4.3. संपादकीय डिज़ाइन में रिक्त स्थान और अनुपात का अनुकूलन 
16.4.4. समीक्षा और समायोजन प्रक्रिया का स्वचालन 

16.5. पीसीजी के साथ वीडियोगेम में विषय-वस्तु का प्रक्रियात्मक निर्माण

16.5.1. वीडियोगेम में प्रक्रियात्मक पीढ़ी का परिचय 
16.5.2. स्तरों और वातावरण के स्वचालित निर्माण के लिए एल्गोरिदम 
16.5.3. वीडियोगेम में प्रक्रियात्मक कथा और शाखाकरण 
16.5.4. खिलाड़ी के  स्नातकोत्तर अनुभव पर प्रक्रियात्मक निर्माण का प्रभाव 

16.6. कॉग्निएक का उपयोग करके मशीन लर्निंग के साथ लोगो में पैटर्न पहचान

16.6.1. ग्राफ़िक डिज़ाइन में पैटर्न पहचान के मूल सिद्धांत 
16.6.2. लोगो पहचान के लिए मशीन लर्निंग मॉडल का कार्यान्वयन 
16.6.3. ग्राफ़िक डिज़ाइन में व्यावहारिक अनुप्रयोग 
16.6.4. लोगो की पहचान में कानूनी और नैतिक विचार 

16.7. एआई के साथ रंगों और रचनाओं का अनुकूलन 

16.7.1. रंग मनोविज्ञान और दृश्य संरचना 
16.7.2. एडोब कलर व्हील और कूलर्स के साथ ग्राफिक डिज़ाइन में रंग अनुकूलन एल्गोरिदम 
16.7.3. फ़्रेमर, कैनवा और रनवेएमएल का उपयोग करके विडुअल तत्वों की स्वचालित रचना 
16.7.4. उपयोगकर्ता धारणा पर स्वचालित अनुकूलन के प्रभाव का मूल्यांकन 

16.8. डिज़ाइन में दृश्य रुझानों का पूर्वानुमानित विश्लेषण 

16.8.1. डेटा संग्रह और वर्तमान रुझान 
16.8.2. रुझान भविष्यवाणी के लिएमशीन लर्निंग मॉडल 
16.8.3. प्रोएक्टिव डिज़ाइन रणनीतियों का कार्यान्वयन 
16.8.4. डिज़ाइन में डेटा और भविष्यवाणियों के उपयोग के सिद्धांत 

16.9. डिज़ाइन टीमों में एआई-सहायता प्राप्त सहयोग 

16.9.1. डिज़ाइन परियोजनाओं में मानव-एआई सहयोग 
16.9.2. एआई-सहायता प्राप्त सहयोग के लिए प्लेटफ़ॉर्म और उपकरण (एडोब क्रिएटिव क्लाउड और स्केच2रिएक्ट) 
16.9.3. एआई-सहायता प्राप्त प्रौद्योगिकी एकीकरण में सर्वोत्तम अभ्यास 
16.9.4. डिज़ाइन में मानव-एआई सहयोग पर भविष्य के परिप्रेक्ष्य 

16.10. डिज़ाइन में एआई के सफल समावेश के लिए रणनीतियाँ 

16.10.1. एआई-सॉल्वेबल डिज़ाइन आवश्यकताओं की पहचान 
16.10.2. उपलब्ध प्लेटफ़ॉर्म और टूल का मूल्यांकन 
16.10.3. डिज़ाइन परियोजनाओं में प्रभावी एकीकरण 
16.10.4. सतत अनुकूलन और अनुकूलनशीलता 

मॉड्यूल 17. डिज़ाइन-उपयोगकर्ता इंटरैक्शन और एआई 

17.1. व्यवहार-आधारित के लिए प्रासंगिक सुझाव डिज़ाइन 

17.1.1. डिज़ाइन में उपयोगकर्ता के व्यवहार को समझना 
17.1.2. एआई-आधारित प्रासंगिक सुझाव प्रणाली 
17.1.3. पारदर्शिता और उपयोगकर्ता की सहमति सुनिश्चित करने की रणनीतियाँ 
17.1.4. व्यवहार-आधारित वैयक्तिकरण में रुझान और संभावित सुधार 

17.2. उपयोगकर्ता इंटरैक्शन का पूर्वानुमानित विश्लेषण 

17.2.1. उपयोगकर्ता-डिज़ाइन इंटरैक्शन में पूर्वानुमानित विश्लेषण का महत्व 
17.2.2. उपयोगकर्ता व्यवहार की भविष्यवाणी करने के लिए मशीन लर्निंग मॉडल 
17.2.3. उपयोगकर्ता इंटरफ़ेस डिज़ाइन में पूर्वानुमानित विश्लेषण का एकीकरण 
17.2.4. पूर्वानुमानित विश्लेषण में चुनौतियाँ और दुविधाएँ 

17.3. एआई के साथ विभिन्न उपकरणों के लिए अनुकूली डिजाइन 

17.3.1. डिवाइस अनुकूली डिज़ाइन के सिद्धांत 
17.3.2. सामग्री अनुकूलन एल्गोरिदम 
17.3.3. मोबाइल और डेस्कटॉप अनुभवों के लिए इंटरफ़ेस अनुकूलन 
17.3.4. उभरती प्रौद्योगिकियों के साथ अनुकूली डिजाइन में भविष्य के विकास 

17.4. वीडियो गेम में पात्रों और शत्रुओं का स्वचालित निर्माण 

17.4.1. वीडियो गेम के विकास में स्वचालित निर्माण की आवश्यकता 
17.4.2. चरित्र और शत्रु निर्माण के लिए एल्गोरिदम 
17.4.3. स्वचालित रूप से उत्पन्न वर्णों में अनुकूलन और अनुकूलनशीलता 
17.4.4. विकास के अनुभव: चुनौतियाँ और सीखे गए सबक 

17.5. खेल के पात्रों में एआई सुधार 

17.5.1. वीडियो गेम के पात्रों में आर्टिफिशियल इंटेलिजेंस का महत्व 
17.5.2. पात्रों के व्यवहार में सुधार के लिए एल्गोरिदम 
17.5.3. खेलों में एआई का निरंतर अनुकूलन और सीखना 
17.5.4. चरित्र एआई सुधार में तकनीकी और रचनात्मक चुनौतियाँ 

17.6. उद्योग में कस्टम डिज़ाइन: चुनौतियाँ और अवसर 

17.6.1. वैयक्तिकरण के साथ औद्योगिक डिज़ाइन का परिवर्तन 
17.6.2. अनुकूलित डिज़ाइन के लिए प्रौद्योगिकियों को सक्षम करना 
17.6.3. अनुकूलित डिज़ाइन को बड़े पैमाने पर लागू करने में चुनौतियाँ 
17.6.4. नवाचार और प्रतिस्पर्धी भेदभाव के अवसर 

17.7. एआई के माध्यम से स्थिरता के लिए डिज़ाइन 

17.7.1. आर्टिफिशियल इंटेलिजेंस के साथ जीवन चक्र विश्लेषण और पता लगाने की क्षमता 
17.7.2. पुनर्चक्रण योग्य सामग्रियों का अनुकूलन 
17.7.3. सतत प्रक्रियाओं में सुधार 
17.7.4. व्यावहारिक रणनीतियों और परियोजनाओं का विकास 

17.8. एडोब सेंसेई, फिग्मा और ऑटोकैड के साथ डिज़ाइन इंटरफ़ेस में वर्चुअल असिस्टेंट का एकीकरण

17.8.1. इंटरएक्टिव डिज़ाइन में वर्चुअल असिस्टेंट की भूमिका 
17.8.2. डिज़ाइन में विशेषज्ञता प्राप्त आभासी सहायकों का विकास 
17.8.3. डिज़ाइन परियोजनाओं में आभासी सहायकों के साथ स्वाभाविक सहभागिता 
17.8.4. कार्यान्वयन चुनौतियाँ और निरंतर सुधार 

17.9. सुधार के लिए सतत उपयोगकर्ता अनुभव विश्लेषण 

17.9.1. इंटरैक्शन डिज़ाइन में निरंतर सुधार चक्र 
17.9.2. सतत विश्लेषण के लिए उपकरण और मेट्रिक्स 
17.9.3. उपयोगकर्ता अनुभव में तल्लीनता से काम और अनुकूलन 
17.9.4. संवेदनशील डेटा के संचालन में गोपनीयता और पारदर्शिता सुनिश्चित करना 

17.10. प्रयोज्यता में सुधार के लिए एआई तकनीकों का अनुप्रयोग 

17.10.1. एआई और प्रयोज्यता का प्रतिच्छेदन 
17.10.2. भावना और उपयोगकर्ता अनुभव (यूएक्स) विश्लेषण 
17.10.3. गतिशील इंटरफ़ेस वैयक्तिकरण 
17.10.4. वर्कफ़्लो और नेविगेशन अनुकूलन 

मॉड्यूल 18. डिजाइन और एआई प्रक्रियाओं में नवाचार 

18.1. एआई सिमुलेशन के साथ विनिर्माण प्रक्रियाओं का अनुकूलन 

18.1.1. विनिर्माण प्रक्रिया अनुकूलन का परिचय 
18.1.2. उत्पादन अनुकूलन के लिए एआई सिमुलेशन 
18.1.3. एआई सिमुलेशन के कार्यान्वयन में तकनीकी और परिचालन चुनौतियां 
18.1.4. आगामी दृष्टिकोण: एआई के साथ प्रक्रिया अनुकूलन में प्रगति 

18.2. वर्चुअल प्रोटोटाइपिंग: चुनौतियाँ और लाभ 

18.2.1. डिज़ाइन में वर्चुअल प्रोटोटाइप का महत्व 
18.2.2. वर्चुअल प्रोटोटाइपिंग के लिए उपकरण और तकनीकें 
18.2.3. वर्चुअल प्रोटोटाइपिंग में चुनौतियाँ और उन पर काबू पाने के लिए रणनीतियाँ 
18.2.4. डिज़ाइन नवाचार और अजाईलिटी पर प्रभाव 

18.3. जेनेरेटिव डिजाइन: उद्योग और कलात्मक निर्माण में अनुप्रयोग 

18.3.1. वास्तुकला और शहरी नियोजन 
18.3.2. फैशन और कपड़ा डिजाइन 
18.3.3. सामग्री और बनावट का डिज़ाइन 
18.3.4. ग्राफ़िक डिज़ाइन में स्वचालन 

18.4. कृत्रिम बुद्धिमत्ता का उपयोग करके विषय-वस्तु और प्रदर्शन विश्लेषण 

18.4.1. डिज़ाइन में सामग्री और प्रदर्शन विश्लेषण का महत्व 
18.4.2. विषय-वस्तु विश्लेषण के लिए कृत्रिम बुद्धिमत्ता एल्गोरिदम 
18.4.3. डिज़ाइन दक्षता और स्थिरता पर प्रभाव 
18.4.4. कार्यान्वयन चुनौतियाँ और भविष्य के अनुप्रयोग 

18.5. औद्योगिक उत्पादन में बड़े पैमाने पर अनुकूलन 

18.5.1. बड़े पैमाने पर अनुकूलन के माध्यम से उत्पादन में परिवर्तन 
18.5.2. बड़े पैमाने पर अनुकूलन के लिए प्रौद्योगिकियों को सक्षम करना 
18.5.3. बड़े पैमाने पर अनुकूलन की तार्किक और स्केल चुनौतियाँ 
18.5.4. आर्थिक प्रभाव और नवाचार के अवसर 

18.6. कृत्रिम बुद्धिमत्ता-सहायक डिज़ाइन टूल्स (डीप ड्रीम जेनरेटर, फोटोर और स्नेप्पा)

18.6.1. निर्माण-असिस्टेड डिज़ाइन गण (जनरेटिव एडवर्सरियल नेटवर्क) 
18.6.2. विचारों की सामूहिक निर्माण 
18.6.3. संदर्भ-जागरूक पीढ़ी 
18.6.4. गैर-रेखीय रचनात्मक आयामों की खोज 

18.7. नवीन परियोजनाओं में सहयोगात्मक मानव-रोबोट डिज़ाइन 

18.7.1. नवोन्वेषी डिज़ाइन परियोजनाओं में रोबोटों का एकीकरण 
18.7.2. मानव-रोबोट सहयोग के लिए उपकरण और प्लेटफ़ॉर्म (आरओएस, ओपनएआई जिम और एज़्योर रोबोटिक्स) 
18.7.3. रचनात्मक परियोजनाओं में रोबोट को एकीकृत करने में चुनौतियाँ 
18.7.4. उभरती प्रौद्योगिकियों के साथ सहयोगात्मक डिजाइन में भविष्य के परिप्रेक्ष्य 

18.8. उत्पादों का पूर्वानुमानित रखरखाव: एआई दृष्टिकोण 

18.8.1. उत्पाद विस्तार में पूर्वानुमानित रखरखाव का महत्व 
18.8.2. पूर्वानुमानित रखरखाव के लिए मशीन लर्निंग मॉडल  
18.8.3. विभिन्न उद्योगों में व्यावहारिक कार्यान्वयन 
18.8.4. औद्योगिक वातावरण में इन मॉडलों की सटीकता और प्रभावशीलता का मूल्यांकन 

18.9. टाइपफेस और विज़ुअल शैलियों का स्वचालित निर्माण 

18.9.1. टाइपफेस डिज़ाइन में स्वचालित निर्माण के मूल सिद्धांत 
18.9.2. ग्राफ़िक डिज़ाइन और विज़ुअल संचार में व्यावहारिक अनुप्रयोग 
18.9.3. टाइपफेस के निर्माण में एआई-सहायता प्राप्त सहयोगात्मक डिजाइन 
18.9.4. स्वचालित शैलियों और रुझानों की खोज 

18.10. वास्तविक समय उत्पाद निगरानी के लिए आईओटी एकीकरण 

18.10.1. उत्पाद डिज़ाइन में आईओटी के एकीकरण के साथ परिवर्तन 
18.10.2. वास्तविक समय निगरानी के लिए सेंसर और आईओटी डिवाइस 
18.10.3. डेटा विश्लेषण और आईओटी-आधारित निर्णय लेना  
18.10.4. डिज़ाइन में आईओटी के कार्यान्वयन की चुनौतियाँ और भविष्य के अनुप्रयोग 

मॉड्यूल 19. अनुप्रयुक्त डिज़ाइन तकनीक और एआई  

19.1. डायलॉगफ़्लो, माइक्रोसॉफ्ट बॉट फ्रेमवर्क और रासा के साथ डिज़ाइन इंटरफ़ेस में वर्चुअल सहायक एकीकरण 

19.1.1. इंटरएक्टिव डिज़ाइन में वर्चुअल असिस्टेंट की भूमिका 
19.1.2. डिज़ाइन में विशेषज्ञता प्राप्त आभासी सहायकों का विकास 
19.1.3. डिज़ाइन परियोजनाओं में आभासी सहायकों के साथ स्वाभाविक सहभागिता 
19.1.4. कार्यान्वयन चुनौतियाँ और निरंतर सुधार 

19.2. एआई के साथ विज़ुअल त्रुटियों का स्वचालित पता लगाना और सुधारना 

19.2.1. स्वचालित दृश्य त्रुटि जांच और सुधार का महत्व 
19.2.2. दृश्य त्रुटि का पता लगाने के लिए एल्गोरिदम और मॉडल 
19.2.3. विज़ुअल डिज़ाइन में स्वचालित सुधार उपकरण 
19.2.4. स्वचालित का पता लगाने और सुधार में चुनौतियाँ और उन पर काबू पाने की रणनीतियाँ 

19.3. इंटरफ़ेस डिज़ाइनों के प्रयोज्यता मूल्यांकन के लिए एआई उपकरण (आईक्वांट, लुकबैक और माउसफ़्लो) 

19.3.1. मशीन लर्निंग मॉडल के साथ इंटरेक्शन डेटा का विश्लेषण 
19.3.2. स्वचालित रिपोर्ट निर्माण और सिफ़ारिशें 
19.3.3. बूटप्रेस, बोटियम और रासा का उपयोग करके प्रयोज्यता परीक्षण के लिए वर्चुअल उपयोगकर्ता सिमुलेशन
19.3.4. उपयोगकर्ता प्रतिक्रिया के लिए संवादात्मक इंटरफ़ेस 

19.4. चैट जीपीटी, बिंग, राइटसोनिक और जैस्पर का उपयोग करके एल्गोरिदम के साथ संपादकीय वर्कफ़्लो का अनुकूलन 

19.4.1. संपादकीय वर्कफ़्लो को अनुकूलित करने का महत्व 
19.4.2. संपादकीय स्वचालन और अनुकूलन के लिए एल्गोरिदम 
19.4.3. संपादकीय अनुकूलन के लिए उपकरण और प्रौद्योगिकियाँ 
19.4.4. कार्यान्वयन में चुनौतियाँ और संपादकीय वर्कफ़्लो में निरंतर सुधार 

19.5. टेक्सचरलैब और लियोनार्डो के साथ वीडियो गेम डिज़ाइन में यथार्थवादी सिमुलेशन

19.5.1. वीडियोगेम उद्योग में यथार्थवादी सिमुलेशन का महत्व 
19.5.2. वीडियो गेम में यथार्थवादी तत्वों की मॉडलिंग और सिमुलेशन 
19.5.3. वीडियो गेम में यथार्थवादी सिमुलेशन के लिए तकनीक और उपकरण 
19.5.4. यथार्थवादी वीडियो गेम सिमुलेशन में तकनीकी और रचनात्मक चुनौतियाँ 

19.6. संपादकीय डिज़ाइन में मल्टीमीडिया सामग्री का स्वचालित निर्माण 

19.6.1. मल्टीमीडिया विषय-वस्तु के स्वचालित निर्माण के साथ परिवर्तन 
19.6.2. मल्टीमीडिया विषय-वस्तु के स्वचालित निर्माण के लिए एल्गोरिदम और मॉडल 
19.6.3. प्रकाशन परियोजनाओं में व्यावहारिक अनुप्रयोग 
19.6.4. मल्टीमीडिया सामग्री के स्वचालित निर्माण में चुनौतियाँ और भविष्य के रुझान 

19.7. उपयोगकर्ता डेटा के आधार पर अनुकूली और पूर्वानुमानित डिज़ाइन 

19.7.1. उपयोगकर्ता अनुभव में अनुकूली और पूर्वानुमानित डिज़ाइन का महत्व 
19.7.2. अनुकूली डिज़ाइन के लिए उपयोगकर्ता डेटा का संग्रह और विश्लेषण 
19.7.3. अनुकूली और पूर्वानुमानित डिज़ाइन के लिए एल्गोरिदम 
19.7.4. प्लेटफार्मों और अनुप्रयोगों में अनुकूली डिजाइन का एकीकरण 

19.8. उपयोगिता के सुधार में एल्गोरिदम का एकीकरण 

19.8.1. विभाजन और व्यवहार पैटर्न 
19.8.2. प्रयोज्य समस्याओं का पता लगाना 
19.8.3. उपयोगकर्ता प्राथमिकताओं में परिवर्तन के प्रति अनुकूलनशीलता 
19.8.4. स्वचालित ए/बी परीक्षण और परिणामों का विश्लेषण 

19.9. पुनरावृत्तीय सुधारों के लिए उपयोगकर्ता अनुभव का निरंतर विश्लेषण 

19.9.1. उत्पाद और सेवा विकास में सतत प्रतिक्रिया का महत्व 
19.9.2. सतत विश्लेषण के लिए उपकरण और मेट्रिक्स 
19.9.3. इस दृष्टिकोण के माध्यम से प्राप्त किए गए पर्याप्त सुधारों को प्रदर्शित करने वाले केस-स्टडीज़ 
19.9.4. संवेदनशील डेटा का प्रबंधन 

19.10. संपादकीय टीमों में एआई-सहायता प्राप्त सहयोग 

19.10.1. एआई-सहायता प्राप्त संपादकीय टीमों में सहयोग को बदलना 
19.10.2. एआई-सहायता प्राप्त सहयोग के लिए उपकरण और प्लेटफ़ॉर्म (ग्रामरली, योस्ट एसईओ और क्विलियनज़) 
19.10.3. संपादन में विशेषज्ञता प्राप्त आभासी सहायकों का विकास  
19.10.4. एआई-सहायता प्राप्त सहयोग के कार्यान्वयन और भविष्य के अनुप्रयोगों में चुनौतियाँ 

मॉड्यूल 20. डिजाइन और एआई में नैतिकता और पर्यावरण  

20.1. औद्योगिक डिजाइन में पर्यावरणीय प्रभाव: नैतिक दृष्टिकोण 

20.1.1. औद्योगिक डिजाइन में पर्यावरण जागरूकता 
20.1.2. जीवन चक्र मूल्यांकन और सतत डिजाइन 
20.1.3. पर्यावरणीय प्रभाव के साथ डिजाइन निर्णयों में नैतिक चुनौतियाँ 
20.1.4. सतत नवाचार और भविष्य के रुझान 

20.2. उत्तरदायी ग्राफ़िक डिज़ाइन में विजुअल पहुंच में सुधार 

20.2.1. ग्राफ़िक डिज़ाइन में एक नैतिक प्राथमिकता के रूप में दृश्य पहुंच 
20.2.2. दृश्य पहुंच में सुधार के लिए उपकरण और अभ्यास (गूगल लाइटहाउस और माइक्रोसॉफ्ट एक्सेसिबिलिटी इनसाइट्स) 
20.2.3. विसुअल सुलभता को लागू करने में नैतिक चुनौतियाँ 
20.2.4. पेशेवर उत्तरदायित्व और दृश्य पहुंच में भविष्य में सुधार 

20.3. डिज़ाइन प्रक्रिया में अपशिष्ट में कमी: सतत चुनौतियाँ 

20.3.1. डिज़ाइन में अपशिष्ट न्यूनीकरण का महत्व 
20.3.2. डिज़ाइन के विभिन्न चरणों में अपशिष्ट न्यूनीकरण के लिए रणनीतियाँ 
20.3.3. अपशिष्ट न्यूनीकरण प्रथाओं को लागू करने में नैतिक चुनौतियाँ 
20.3.4. कॉर्पोरेट प्रतिबद्धताएँ और सतत प्रमाणन 

20.4. संपादकीय सामग्री निर्माण में भावना विश्लेषण: नैतिक विचार 

20.4.1. संपादकीय विषय-वस्तु में भावना विश्लेषण और नैतिकता 
20.4.2. भावना विश्लेषण और नैतिक निर्णयों के लिए एल्गोरिदम 
20.4.3. जनमत पर प्रभाव 
20.4.4. भावना विश्लेषण और भविष्य के निहितार्थ में चुनौतियाँ 

20.5. गहन अनुभवों के लिए भावना पहचान का एकीकरण

20.5.1. गहन अनुभवों में भावना पहचान के एकीकरण में नैतिकता 
20.5.2. भावना पहचान प्रौद्योगिकी 
20.5.3. भावनात्मक रूप से जागरूक गहन अनुभव बनाने में नैतिक चुनौतियाँ 
20.5.4. गहन अनुभवों के विकास में भविष्य के परिप्रेक्ष्य और नैतिकता 

20.6. वीडियो गेम डिज़ाइन में नैतिकता: निहितार्थ और निर्णय 

20.6.1. वीडियोगेम डिज़ाइन में नैतिकता और जिम्मेदारी 
20.6.2. वीडियो गेम में समावेशन और विविधता: नैतिक निर्णय 
20.6.3. वीडियोगेम में सूक्ष्म लेन-देन और नैतिक मुद्रीकरण 
20.6.4. वीडियोगेम में आख्यानों और पात्रों के विकास में नैतिक चुनौतियाँ 

20.7. जिम्मेदार डिज़ाइन: उद्योग में नैतिक और पर्यावरणीय विचार 

20.7.1. जिम्मेदार डिजाइन के लिए नैतिक दृष्टिकोण 
20.7.2. जिम्मेदार डिजाइन के लिए उपकरण और तरीके 
20.7.3. डिज़ाइन उद्योग में नैतिक और पर्यावरणीय चुनौतियाँ 
20.7.4. कॉर्पोरेट प्रतिबद्धताएँ और जिम्मेदार डिज़ाइन सर्टिफिकेट 

20.8. उपयोगकर्ता इंटरफ़ेस में एआई के एकीकरण में नैतिकता 

20.8.1. यूजर इंटरफेस में आर्टिफिशियल इंटेलिजेंस कैसे नैतिक चुनौतियां खड़ी करता है, इसकी खोज 
20.8.2. यूजर इंटरफेस में एआई सिस्टम में पारदर्शिता और व्याख्यात्मकता 
20.8.3. यूजर इंटरफ़ेस डेटा के संग्रह और उपयोग में नैतिक चुनौतियाँ 
20.8.4. उपयोगकर्ता इंटरफ़ेस पर एआई नैतिकता पर भावी के दृष्टिकोण 

20.9. डिज़ाइन प्रक्रिया नवाचार में स्थिरता 

20.9.1. डिज़ाइन प्रक्रिया नवाचार में स्थिरता के महत्व की मान्यता 
20.9.2. स्थायी प्रक्रियाओं का विकास और नैतिक निर्णय लेना 
20.9.3. नवोन्मेषी प्रौद्योगिकियों को अपनाने में नैतिक चुनौतियाँ 
20.9.4. डिज़ाइन प्रक्रियाओं में पेशेवर प्रतिबद्धताएँ और स्थिरता सर्टिफिकेट 

20.10. डिज़ाइन प्रौद्योगिकियों के अनुप्रयोग में नैतिक पहलू 

20.10.1. डिज़ाइन प्रौद्योगिकियों के चयन और अनुप्रयोग में नैतिक निर्णय 
20.10.2. उन्नत प्रौद्योगिकियों के साथ उपयोगकर्ता अनुभवों के डिजाइन में नैतिकता 
20.10.3. डिज़ाइन में नैतिकता और प्रौद्योगिकियों का अंतर्संबंध 
20.10.4. उन्नत प्रौद्योगिकियों के साथ डिजाइन की भविष्य की दिशा में उभरते रुझान और नैतिकता की भूमिका  

डिज़ाइन में आर्टिफिशियल इंटेलिजेंस के अनुप्रयोग में उच्च योग्य पेशेवरों को तैयार करने में अद्वितीय, एक व्यापक और उन्नत कार्यक्रम में खुद को शामिल करें”