 तुटन्स जैसा के आप जानते है, हम लोग दिसकस कर हैं, मशीन लेरनिंके जो दिफ्रन मेठ्टर्स हैं, और जो दिफ्रन्त आलगुरिदम्स हैं. अवी तक हमने जो एक वान एरी अप मशीन लेरनिंग, which we covered, that is supervised learning, जिसके वो अंदर हम लेबल या टैक डेटा यूज करते हैं, next is unsupervised learning, unsupervised learning is a little different and more versatile. को बहुस हरी सिच्वेशन में हमारे पास बहुस जेआदा डेटा होता है, and you have as a data scientist, इतना ताईम आप के पास नहीं होता, के आप पहले डेटा को लेबल करें, फिर उसकी प्रुसेसिंग या उसका आप आनालिसिस शुरू करें। तो यिस तरा के सीच्वेशन में जेआब हमारे बहुत बहुत जेआदा डेटा होता है, उसको भिर हम जो मेठर जूँस करते हैं, उसकी अनल्सिस के लिए that is called unsupervised machine learning. इस में होता बैसिक लिए है के जो सिस्टम है, उसके जो देटा को अपने पास शुर कर लिटा है। अपने क्या अनामलीज हैं और फिभिए वो जो पेटरन तुस डेटा में से निकलते हैं तुस दर विस यादग़ तुस आनलिसिस नीक लेए अपना बहुत अपने जेए जो लज़़ाग्राम ती आप जो अपने जेए चीनटते लीए उसके नहीं देटा है। अब आप देखे किस में हमारे पास ये जो रोड़ेटा है, इस में देर मुल्टिपल शेप्स बैसिकली, ये शेप्स इस बज़ा से ये आप समझो को ये दाग्राम जो है, जस तु आप की यो अंड़ेच्टेरनिग है, उसको ड़लप करने के लिए, प्रक्टिकर लाइप में अब आप समझो से बैसिकली, जो हम ने सुपरवाइज में देखाता के हम पहले उसे बताते है, कि जो हमारा ड़ेटा है, इसके अंदर एक परद करने, अगर मिस ड़ेटा को लेबल करते है, तो हम नहीं खेंगे शिस्टम को इन अध्वांस, कि ये मेरे पास एक शेप यस त को मेंütünा हाए अद véhic विल रहार, क् Alto, जरिस हो। बहॉचरे आपा है, तो क्ई असल्टम क्योस से एक चिस्तुमगि चूपनिंगAME करते बुळ लईटा after after असल्टम खांगे कि अंदे ग मिस संदे तुभाच़ानिंमे कभी नहीं.. तेकनिकली जब में चीज़ों को दिसकस करेंगे तो you will understand के ये होगा कैसे, तेकनिकली एक चीज़ अगर आप आप जब देटा पाइपलाएन की मैं I have been talking about data pipeline तो उस में ही आपका ये जो सारा प्रोसेस होता, उस में जो different stages होती है, उसके उपर आप जो different scripts के नद श्क्रिप्त से उसको मैनेज करते है, रेंगलिंग से करते है, उस में हम जी चीज़े नतुदुस कर वाते है, कहाँ पे हमने क्या करना है, कोंचा डेटा को तेस्ट कैसे करना है, त्रेन कैसे करना है, फिर उसके उपर कोंचा स्तातिस्टिकल मो� उसके उपर कोंचा स्तातिस्ट कोती है, और में भी कम अगर देटा का साएज हो, तो वो सिच्वेशन आपके लिए, उन सिच्वेशन में वो जाए, असान है, उसको जुस करना, you can do that. लेकिन जब आपके पास बहुत जेदाद, और वो अन स्तृक्छटे देटा की जैसे मारे पास इग्जम्पल है, उसको लेबल करना, वैश़ी बड़ा मशकेल होता है, almost impossible to label unstructured data. उस्त्रक्चा देटा को अप देफने लिए कार सकते है, आप लेकें इनस्त्रक्चा देटा या और और सिंफ ?? पुरा जिन्ा ता सैंऔं एकको सिस्तम् दैटा किस्तिलीक्ये धाई तो वेता होग अगर. जिस महारे पास टेता सेंटाना जिसके अंधर में उस्तरीफ तरा गई चूथ बका. वो जिस फीझ अल्ग राई। यह यह यह कि यह देखे में जल्दी समझाती के है, यह यह क्या चीज है। उसके बाज जो मशीन लेर्निंग का जो अल्गोरिदम आप वो उसको क्या करते है। इसको इस ने इस पर्टिकलर जे जो एज्एम्पल है, इसको इस में हम ने 2 टेप में गय, सलक्षन आप आप इसर्ब परटिकल. तुमके यह एक वो रोल पले अती है, के जिस से अप क्या लिएची अप दिसीन मेंकी आप जो मशीन लेर्निंग के अंदर जो आप एक आप यह इन्टलिजन्स के रेड करते है, आप आप पश़सLERAYANA leaves, there are so many options available with you. अब आप उस मेंसे कोच तोईएगा। So you don't have to memorize उससि आपको यिखन के जान्ग, एचे प्च आपसी ये के प्राक्तीक эн लिएख में। you will be given a problem, you will come with a solution । उस्हाँन जब आप जो में मुडयले। इस लेक्टेंगे।। because you have this opportunity। तो अपी प्रद देटा लिए दिटा मतःाई से ठाए चाए हो के लिए देटा बिल्गे लिए देटा धीसा ना होगी कोग़ी नाच़ान ढपने अपी अपी भॉगर उसहना एक श्छाए एगा और नहीं जाए होग़ी.