A book in two volumesஇரண்டு தொகுதிகளில் ஒரு நூல்

The Hidden Mathematics of Machine Learning and Large Language Models

By Keshavan Thiagaraja. B.Sc. (Mathematics, Statistics and Computer Science), M.Sc. (IT). AI Consultant, Technology Entrepreneur and Independent Researcher (ML and LLMs). English manuscript complete; the Tamil edition is in preparation; planned for worldwide release on Amazon Kindle and KDP print.கேசவன் தியாகராஜா எழுதியது. இங்கே தலைப்புகள் ஆங்கிலத்திலும் தமிழிலும் தரப்பட்டுள்ளன. தமிழ்ப் பதிப்பு தயாராகிவருகிறது.

Companion code
Volume 1 cover
The Hidden Mathematics of Machine Learning and Large Language Models, Volume 1 of 2, cover

Volume 1 of 2

Mathematical Foundations and Classical Machine Learningகணித அடிப்படைகளும் Classical Machine Learning-உம்

Chapters 1 to 14. Linear algebra to unsupervised learning, with a look ahead to Volume 2.அத்தியாயங்கள் 1 முதல் 14 வரை. நேரியல் இயற்கணிதம் முதல் Unsupervised Learning வரை.

  1. 1Linear Algebraநேரியல் இயற்கணிதம் (Linear Algebra)
  2. 2Calculusநுண்கணிதம் (Calculus)
  3. 3Probability Theoryநிகழ்தகவுக் கோட்பாடு (Probability Theory)
  4. 4Descriptive and Inferential Statisticsவிவரிப்புப் புள்ளியியலும் அனுமானப் புள்ளியியலும்
  5. 5Optimizationமேம்படுத்தல் (Optimization)
  6. 6Information Theoryதகவல் கோட்பாடு (Information Theory)
  7. 7Statistical Foundationsபுள்ளியியல் அடிப்படைகள்
  8. 8Model Evaluation FundamentalsModel மதிப்பீட்டின் அடிப்படைகள்
  9. 9Types of Machine LearningMachine Learning வகைகள்
  10. 10Linear and Logistic RegressionLinear மற்றும் Logistic Regression
  11. 11Classification Algorithmsவகைப்படுத்தல் Algorithms
  12. 12Decision Trees and Ensemble MethodsDecision Trees மற்றும் Ensemble முறைகள்
  13. 13Unsupervised Learningமேற்பார்வையற்ற கற்றல் (Unsupervised Learning)
  14. 14Looking Ahead to Volume 2தொகுதி 2-ஐ நோக்கி
The Hidden Mathematics of Machine Learning and Large Language Models, Volume 2 of 2, cover

Volume 2 of 2

Deep Learning, LLMs and Production AI EngineeringDeep Learning, LLMs மற்றும் Production AI Engineering

Chapters 15 to 26. Neural networks to MLOps and enterprise AI architecture.அத்தியாயங்கள் 15 முதல் 26 வரை. Neural Networks முதல் MLOps வரை.

  1. 15Neural Networks (Perceptrons, Activation Functions, Backpropagation)நரம்பு வலையமைப்புகள் (Neural Networks) (Perceptrons, Activation Functions, Backpropagation)
  2. 16Deep Learning Architectures (CNNs, RNNs, LSTMs)Deep Learning கட்டமைப்புகள் (CNNs, RNNs, LSTMs)
  3. 17The Transformer Revolution (Embeddings, Positional Encoding, Attention)Transformer புரட்சி (Embeddings, Positional Encoding, Attention)
  4. 18Large Language Models (Pre-training, Tokenization, Scaling Laws)பெரு மொழி மாதிரிகள் (Large Language Models) (Pre-training, Tokenization, Scaling Laws)
  5. 19Fine-Tuning & Alignment (SFT, RLHF, DPO)Fine-Tuning மற்றும் Alignment (SFT, RLHF, DPO)
  6. 20RAG & Vector Databases (Retrieval-Augmented Generation, Semantic Search)RAG மற்றும் Vector Databases (Retrieval-Augmented Generation, Semantic Search)
  7. 21Agentic AI (Multi-Agent Orchestration, Planning, Tool Use)முகவர் AI (Agentic AI) (Multi-Agent Orchestration, Planning, Tool Use)
  8. 22Data Engineering for AI (Feature Stores, Data Pipelines, Governance)AI-க்கான Data Engineering (Feature Stores, Data Pipelines, Governance)
  9. 23LLM Evaluation & Benchmarking (Hallucination Detection, Faithfulness, RAGAS)LLM மதிப்பீடும் Benchmarking-உம் (Hallucination Detection, Faithfulness, RAGAS)
  10. 24Efficiency & Optimization (Quantization, Pruning, Distillation, Hardware Acceleration)செயல்திறனும் மேம்படுத்தலும் (Quantization, Pruning, Distillation, Hardware Acceleration)
  11. 25AI Safety, Ethics, & Security (Bias Mitigation, Guardrails, Prompt Injection Defense, PII Protection)AI பாதுகாப்பு, நெறிமுறைகள், பாதுகாப்புத்திறன் (Bias Mitigation, Guardrails, Prompt Injection Defense, PII Protection)
  12. 26MLOps & AI Architecture (Cloud AI Platforms, Model Serving, Monitoring, Enterprise Scalability)MLOps மற்றும் AI கட்டமைப்பு (Cloud AI Platforms, Model Serving, Monitoring, Enterprise Scalability)

Companion code on GitHub

Python companion for both volumes, organised by chapter and case. Open it on GitHub or download the ZIP from the repository page.

Open the repository

Questions about the book?

Write to us and we will pass your message to the author.

Message usAll apps & platforms