पाइथन के साथ एआई सीखें · पाठ

कृत्रिम बुद्धिमत्ता प्रोजेक्ट्स के लिए Git

git init, डेटा/मॉडल के लिए .gitignore, नोटबुक कमिट करना और डेटा संस्करण-निर्धारण के लिए DVC।

पाठ 2, कुल 4 में से13 चरण

कृत्रिम बुद्धिमत्ता प्रोजेक्ट्स के लिए Git, CoddyKit पर पाइथन के साथ एआई सीखें का एक निःशुल्क पाठ है। यह 4 में से 2वाँ पाठ है। इस अध्ययन पथ के 3 तक कोई भी पाठ पूरा पढ़ना निःशुल्क है — इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ व्यावहारिक अभ्यास भी उपलब्ध कराता है। यह पाइथन के साथ एआई सीखें सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। पाइथन के साथ एआई सीखें पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

एआई परियोजनाओं में Git

Git आपके कोड में हुए बदलावों को ट्रैक करता है, ताकि आप सहयोग कर सकें, गलतियाँ वापस ले सकें और इतिहास की समीक्षा कर सकें। लेकिन एआई परियोजनाओं में एक अतिरिक्त चुनौती होती है: बहुत बड़ी डेटा फ़ाइलें और बाइनरी मॉडल Git में नहीं रखे जाने चाहिए।

इस पाठ में एक उचित .gitignore और डेटा संस्करण-नियंत्रण के लिए DVC का उपयोग शामिल है।

Git किन चीज़ों को अच्छी तरह ट्रैक करता है

Git पाठ के साथ सबसे अच्छा काम करता है: स्रोत कोड, कॉन्फ़िगरेशन, साफ़ किए गए परिणामों वाली नोटबुकें और दस्तावेज़। यह पाठ फ़ाइलों के अंतर को कुशलता से संग्रहीत करता है।

यह बड़ी बाइनरी फ़ाइलों को अच्छी तरह नहीं संभालता—हर संस्करण पूरी तरह संग्रहीत होता है, जिससे रिपॉज़िटरी हमेशा के लिए अनावश्यक रूप से बड़ी होती जाती है।

डेटा और मॉडल को कमिट क्यों न करें

2 GB के डेटासेट या 500 MB के मॉडल को कमिट करने से:

रिपॉज़िटरी बहुत बड़ी हो जाती है और हर क्लोन धीमा हो जाता है
अर्थपूर्ण अंतर निर्धारित नहीं किए जा सकते
हटाने के बाद भी वे हमेशा इतिहास में बने रहते हैं

समाधान: उन्हें Git में अनदेखा करें और किसी समर्पित टूल से उनके संस्करण बनाए रखें।

.gitignore फ़ाइल

.gitignore उन प्रतिरूपों की सूची रखता है जिन्हें Git को ट्रैक नहीं करना चाहिए। इसे परियोजना के रूट में बनाएँ। हर पंक्ति एक ग्लोब प्रतिरूप होती है।

# .gitignore
*.pkl
*.joblib
*.h5
data/raw/*
data/processed/*
models/*
__pycache__/
*.pyc
.ipynb_checkpoints/
.env

मॉडल और कैश फ़ाइलों को अनदेखा करना

एआई परियोजनाओं में अनदेखा किए जाने वाले सामान्य प्रतिरूप:

*.pkl, *.joblib, *.h5 — क्रमबद्ध मॉडल
__pycache__/, *.pyc — Python बाइटकोड
.ipynb_checkpoints/ — Jupyter द्वारा स्वतः सहेजी गई फ़ाइलें
.env — गुप्त सूचनाएँ और एपीआई कुंजियाँ (इन्हें कभी कमिट न करें!)

.gitkeep से खाली फ़ोल्डर रखना

Git खाली निर्देशिकाओं को अनदेखा करता है। उनकी सामग्री को अनदेखा करते हुए रिपॉज़िटरी की संरचना में data/raw/ बनाए रखने के लिए एक खाली .gitkeep फ़ाइल और एक निषेध प्रतिरूप जोड़ें।

# .gitignore
data/raw/*
!data/raw/.gitkeep

DVC का परिचय

DVC (डेटा संस्करण नियंत्रण) Git के साथ बड़े डेटा और मॉडलों के संस्करण बनाए रखता है। Git छोटी .dvc संकेतक फ़ाइलों को ट्रैक करता है; वास्तविक डेटा दूरस्थ संग्रहण (S3, GCS आदि) में रहता है।

इससे Git रिपॉज़िटरी को अनावश्यक रूप से बड़ा किए बिना पुनरुत्पादित किए जा सकने वाले डेटा संस्करण मिलते हैं।

dvc init

किसी मौजूदा Git रिपॉज़िटरी के अंदर DVC को आरंभ करें। यह एक .dvc/ निर्देशिका और कॉन्फ़िगरेशन बनाता है, जिन्हें आप Git में कमिट करते हैं।

# in your git repo
dvc init
git add .dvc .gitignore
git commit -m "Initialize DVC"

dvc add — डेटा ट्रैक करना

dvc add किसी फ़ाइल या फ़ोल्डर को ट्रैक करना शुरू करता है। DVC डेटा को अपने कैश में ले जाता है और एक छोटी .dvc संकेतक फ़ाइल बनाता है। आप डेटा को नहीं, बल्कि संकेतक को Git में कमिट करते हैं।

dvc add data/raw/dataset.csv
# creates data/raw/dataset.csv.dvc
git add data/raw/dataset.csv.dvc data/raw/.gitignore
git commit -m "Track dataset with DVC"

dvc push और dvc pull

किसी दूरस्थ संग्रहण को कॉन्फ़िगर करें, फिर dvc push डेटा को वहाँ अपलोड करता है और dvc pull वर्तमान Git कमिट से मेल खाने वाला संस्करण डाउनलोड करता है। इसी तरह टीम के सदस्य डेटा साझा करते हैं।

dvc remote add -d storage s3://my-bucket/dvcstore
dvc push          # upload data to the remote

# teammate after git clone + git checkout:
dvc pull          # fetch the matching data version

टीम का कार्यप्रवाह

Git + DVC चक्र कोड और डेटा के संस्करणों को एक साथ जोड़ता है:

नवीनतम कोड और .dvc संकेतक पाने के लिए git pull
मेल खाने वाला डेटा और मॉडल प्राप्त करने के लिए dvc pull
काम करें, फिर dvc add + git commit + dvc push चलाएँ

किसी पुराने कमिट को चेक आउट करके dvc pull चलाने पर वही सटीक स्थिति फिर से बनाई जा सकती है।

त्वरित जाँच: बड़ी फ़ाइलें

आपकी परियोजना में 1 GB का प्रशिक्षण डेटासेट और 300 MB की मॉडल फ़ाइल है।

इंटरैक्टिव पाठ में इसका उत्तर दें

पुनरावलोकन: एआई परियोजनाओं के लिए Git

आपने एआई-विशिष्ट संस्करण नियंत्रण सीखा:

पाठ के लिए Git (कोड, कॉन्फ़िगरेशन, नोटबुकें); बड़ी बाइनरी फ़ाइलों के लिए नहीं
*.pkl, data/raw/*, __pycache__ और .env के लिए .gitignore
खाली फ़ोल्डरों को बनाए रखने के लिए .gitkeep
DVC: डेटा और मॉडलों के संस्करण बनाने के लिए dvc init, dvc add, dvc push/pull
Git + DVC कार्यप्रवाह कोड और डेटा को समकालिक रखता है

अगला विषय: प्रयोगों को पुनरुत्पादित करने योग्य बनाना।

शुरुआत निःशुल्क

एआई शिक्षक के साथ Python सीखें — निःशुल्क

अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।

पाठ्यक्रम: 53
पाठ: 225

निःशुल्क सीखना शुरू करें पूरा पाठ्यक्रम देखें

अक्सर पूछे जाने वाले प्रश्न

क्या “कृत्रिम बुद्धिमत्ता प्रोजेक्ट्स के लिए Git” पाठ निःशुल्क है?

हाँ — पाइथन के साथ एआई सीखें अध्ययन पथ के 3 तक कोई भी पाठ, जिसमें “कृत्रिम बुद्धिमत्ता प्रोजेक्ट्स के लिए Git” भी शामिल है, यहाँ वेब पर पूरा पढ़ना निःशुल्क है। इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ इंटरैक्टिव अभ्यास भी उपलब्ध कराता है। पाइथन के साथ एआई सीखें पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

“कृत्रिम बुद्धिमत्ता प्रोजेक्ट्स के लिए Git” में मैं क्या सीखूँगा?

git init, डेटा/मॉडल के लिए .gitignore, नोटबुक कमिट करना और डेटा संस्करण-निर्धारण के लिए DVC। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ पाइथन के साथ एआई सीखें का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।

क्या पाइथन के साथ एआई सीखें शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?

पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर पाइथन के साथ एआई सीखें शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 2वाँ पाठ है।

“कृत्रिम बुद्धिमत्ता प्रोजेक्ट्स के लिए Git” पाठ पूरा करने में कितना समय लगता है?

CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।

क्या मैं इस पाइथन के साथ एआई सीखें पाठ में कोड लिख और चला सकता हूँ?

हाँ। हर पाइथन के साथ एआई सीखें पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।

इस पाठ्यक्रम के सभी पाठ

पेशेवर कृत्रिम बुद्धिमत्ता प्रोजेक्ट डायरेक्टरी संरचना
कृत्रिम बुद्धिमत्ता प्रोजेक्ट्स के लिए Git
पुनरुत्पादकता: सीड, कॉन्फ़िगरेशन और वातावरण
Jupyter Notebooks की सर्वोत्तम प्रथाएँ

← पाइथन के साथ एआई सीखें पर वापस जाएँ