Python-3.4.3/C3/Advanced-Matrix-Operations/Hindi

Time	Narration
00:01	Advanced matrix operations पर स्पोकन ट्यूटोरियल में आपका स्वागत है।
00:07	इस ट्यूटोरियल में आप सीखेंगे- matrix का Frobenius और infinity norm पता करना।
00:14	Matrix का singular value decomposition पता करना।
00:19	इस ट्यूटोरियल को रिकॉर्ड करने के लिए, मैं उपयोग कर रही हूँ Ubuntu Linux 16.04 ऑपरेटिंग सिस्टम
00:26	Python 3.4.3 और IPython 5.1.0
00:33	इस ट्यूटोरियल का अभ्यास करने के लिए, आपको Lists, arrays और arrays के accessing parts और बुनियादी matrix operations क्रियान्वित करने का ज्ञान होना चाहिए।
00:46	यदि नहीं तो, इस वेबसाइट पर संबंधित Python ट्यूटोरियल देखें।
00:51	पहले हम flatten फंक्शन के बारे में देखेंगे।
00:55	flatten() फंक्शन array की एक कॉपी रिटर्न करता है, जो एक dimension में छोटा हो जाता है।
01:01	इसका उपयोग multidimensional matrix को single dimension matrix में बदलने के लिए किया जा सकता है।
01:08	ipython शुरू करें। टर्मिनल खोलें।
01:13	ipython3 टाइप करें और एंटर दबाएँ। यहाँ से, याद रखें कि टर्मिनल पर प्रत्येक कमांड टाइप करने के बाद एंटर की दबाना है।
01:25	अब देखते हैं कि arrays कैसे बनाना है।
01:29	टाइप करें, from numpy import asmatrix comma arange
01:35	a is equal to asmatrix brackets में arange brackets में 1 comma 10 dot reshape brackets में 3 comma 3
01:48	फिर, a टाइप करें। अब टाइप करें: a dot flatten ओपन और क्लाोज ब्रैकेट्स।
01:57	पहले हमने numpy module से arange function इंपोर्ट किया।
02:02	यहाँ, हम देख सकते हैं कि 3 by 3 matrix एक dimensional matrix में बदल गया है।
02:08	आगे हम frobenius norm के बारे में सीखेंगे।
02:12	इसे अपने elements के absolute squares के योग के square root के रूप में परिभाषित किया गया है।
02:18	वीडियो को रोकें। इसे करने का प्रयास करें और वीडियो को फिर से शुरू करें।
02:24	दिए गए 4 by 4 matrix के inverse के frobenius norm का पता लगाएं।
02:30	हम के लिए टर्मिनल पर जाएँ।
02:34	टाइप करें m is equal to asmatrix brackets में arange brackets में 1 comma 17 dot reshape brackets में 4 comma 4
02:46	यहाँ, हमने asmatrix, arange और reshape फंक्शन का उपयोग किया।
02:52	हमने 1 से 16 तक elements के साथ 4 by 4 साइज का matrix बनाया है।
02:59	अब टाइप करें, m square brackets में 0 comma 1 is equal to 0
03:06	m square brackets में 1 comma 3 is equal to 0
03:12	फिर टाइप करें, m हमने रॉ 0 कॉलम 1 और रॉ 1 कॉलम 3 में एलिमेंट की वैल्यू को 0 में बदल दिया है।
03:23	matrix m के inverse का Frobenius norm का पता लगाने के लिए, दिखाए गए अनुसार टाइप करें।
03:33	norm फंक्शन numpy.linalg module में उपलब्ध है।
03:39	आगे, हम matrix के infinity norm के बारे में सीखेंगे।
03:44	इसे प्रत्येक रॉ में एलिमेंट्स के absolute value के योग के अधिकतम वैल्यू के रूप में परिभाषित किया गया है।
03:51	वीडियो को रोकें। इसे करने का प्रयास करें और वीडियो को फिर से शुरू करें।
03:57	matrix im के infinity norm का पता लगाएँ।
04:01	हल के लिए टर्मिनल पर जाएँ।
04:05	matrix im के Infinity norm का पता लगाने के लिए, दिखाए गए अनुसार टाइप करें।
04:11	यहाँ ord parameter के लिए वैल्यू को infinity norm में कैल्कुलेट करने के लिए inf के रूप में पास किया गया है।
04:18	norms के बारे में अधिक जानने के लिए, टाइप करें: norm question mark
04:24	बाहर आने के लिए q टाइप करें।
04:28	अब हम singular value decomposition के बारे में देखेंगे।
04:33	linear algebra में, singular value decomposition real या complex matrix. का गुणनखण्ड है।
04:42	matrix m1 का SVD numpy.linalg module में उपलब्ध svd फंक्शन का उपयोग करके पाया जा सकता है।
04:52	दिखाए गए अनुसार टाइप करें।
04:56	svd 3 elements का tuple रिटर्न करता है।
05:00	हमने इन वैल्यूज को variable U, sigma और V underscore conjugate में अनपैक्ड किया है।
05:08	टाइप करें कैपिटल U
05:12	टाइप करें sigma
05:15	टाइप करें कैपिटल Capital V underscore conjugate
05:20	हम singular value decomposition की U, sigma और V underscore conjugate m1 के साथ गुणनफल की तुलना करके पुष्टि कर सकते हैं।
05:30	sigma एक dimensional array है, जिसमें matrix के केवल diagonal elements शामिल हैं।
05:37	दिखाए गए अनुसार टाइप करें। पहले हम इस array को matrix में बदलते हैं।
05:43	टाइप करें smat smat 2 by 3 zero matrix है।
05:51	अब टाइप करें, smat square brackets में colon 2 comma colon 2 is equal to diag brackets में sigma
06:02	फिर टाइप करें smat
06:06	यह sigma से वैल्यूज के साथ smat में रॉ 0 कॉलम 0 और रॉ 1 कॉलम 1 पर वैल्यूज बदलता है।
06:16	smat 2 by 3 matrix है, जो sigma के वैल्यूज को diagonal elements और शून्य के रूप में गुणा करके बनाया गया है।
06:27	दिखाए गए अनुसार टाइप करें।
06:33	यह True रिटर्न करता है। इसका अर्थ है कि m1 में एलिमेंट्स और U, sigma और ' V underscore conjugate के गुणनफल में बराबर हैं।
06:43	इसी के साथ हम ट्यूटोरियल के अंत में पहुँचते हैं। संक्षेप में....
06:49	इस ट्यूटोरियल में हमने सीखा: norm() फंक्शन का उपयोग करके matrix के norm की गणना करना।
06:56	svd() फंक्शन का उपयोग करके matrix के SVD की गणना करना।
07:01	यहाँ हल करने हेतु आपके लिए कुछ स्वतः निर्धारण वाले प्रश्न हैं। norm brackets में A comma ord is equal to single quotes में fro is same as norm brackets में A True या False.
07:19	और उत्तर है True, क्योंकि order is equal to single quotes में fro अर्थात Frobenius norm.
07:29	कृपया समय के साथ अपने प्रश्नों को इस फोरम में पोस्ट करें।
07:33	कृपया Python से संबंधित अपने सामान्य प्रश्नों को इस फोरम पर पोस्ट करें।
07:37	FOSSEE टीम TBC परियोजना का समन्वय करती है।
07:41	स्पोकन ट्यूटोरियल प्रोजेक्ट NMEICT, MHRD, भारत सरकार द्वारा वित्त पोषित है। अधिक जानकारी के लिए, इस वेबसाइट पर जाएँ।
07:50	यह स्क्रिप्ट विकास द्वारा अनुवादित है। हमसे जुड़ने के लिए धन्यवाद।

Contributors and Content Editors

Sakinashaikh