Machine Learning – A Simple Introduction

October 29, 2021

In this article, I will walk you through the concept of machine learning. My attempt is to explain the concepts without complex mathematics or code. After reading it, you will be able to understand key ideas and hopefully will be able to apply them to solve problems.

Machine Learning Is Everywhere

You may not have noticed, but machine learning is all around you. When you read your email, you don’t see spam, because machine learning filters them out for you. When you type a query in Google, it is how Google recommends which result to show. When you receive a book recommendation by Amazon or a movie recommendation by Netflix, it is machine learning at play. Your Facebook & Instagram feeds are curated using machine learning. ML is responsible for automatically approving or declining credit card transactions, and continuously monitoring accounts for signs of fraud. Whenever you use a computer, chances are, machine learning is involved somewhere.

What is Machine Learning?

Once upon a time, when we wanted the computer to perform some tasks, we needed to provide it with a detailed set of instructions i.e., program. Computer then follows the instruction to execute the task at hand. For all different tasks, we painstakingly needed to write down the steps in detail.

Machine learning is different. In the case of machine learning, algorithms- learners for short, can figure out the instructions themselves. We don’t need to program the computer anymore; they program themselves by making inferences from data. The more data they have, the better they get.


No one programmed your tastes into Amazon recommendation engine, learners figured them out on their own by inferring from your past purchase data. Tesla’s self-driving car taught itself how to stay on the road – no programmer wrote an instruction for it. ML is something new under the sun: A technology that builds itself.


Machine learning is a process in which the computer learns to solve problems and make decisions like humans. Humans make decisions based on intuition, which is based on experience. In the case of ML, computers learn to make decisions based on experience (data) rather than instructions. Simply, ML is about teaching computers how to think like humans.

How Humans Make a Decision and How Computers do The Same

Humans make a decision mainly in two ways:

By reasoning and logic

Or by using experience

Similar to humans’ machines can also be taught to make decisions in two ways mentioned above. In short, when we talk about machines making decisions using both 1 & 2 ways it is called Artificial Intelligence (AI). And when a computer focuses on only the second way it falls under Machine learning. In the case of computers, experience equates to data. So, by this logic, Machine learning is a subset of a broader field called AI.


In order to understand how a machine can make a decision using data, let’s first try to understand how humans make decisions based on experience.

We humans use, remember- model – predict framework to make decisions. Let me explain:

We remember our experiences and situations we went through in our life

Based on the experience we formulate models to generalize

We can use models to predict what is likely to happen in a particular situation


For example, if the question is “Will India win the match against Bangladesh today? “

We will evaluate this question using remember-model-predict framework

We remember India won most of the matches against Bangladesh in the last two years.

We model that the Indian team is stronger compared to the Bangladeshi team.

Hence, India is likely to win the match today.

There are chances that we may be wrong in predicting this but this is the thought process we use to make predictions.

This is challenging for machines, as all they do is store numbers and do operations on them. Programming them to mimic human level of thoughts is challenging. Following the remember-model-predict framework, it is clear to see that ‘remember’ for machine stands for ‘data’.


Data is simply information. Anytime we have a table with information, we have data. Normally each row is a data point. For example, if we have a dataset of fruits, then in this case, each row represents a different fruit. Each fruit is described by certain features through columns. In our fruit’s dataset example, features will be color, size & shape. Features describe the data. Some features are special and we call them labels.

Label depends upon the context of the problem we are solving. For example, if we are trying to predict the type of fruit from the given data then the type of fruit is labeled.

For the purpose of machine learning data comes in two flavors: Labeled data & Unlabeled data.

When the data comes with a label attached to it, it is called Labeled data and similarly when data doesn’t have a label attached to it, it is called Unlabeled data.


The better the quality and quantity of data fed into the machine, the better the prediction will be. But, before we get into prediction let’s explore models.

Machine learning models can be broadly categorized into three different types.

Supervised Learning

Unsupervised Learning

Reinforcement Learning

Supervised Learning

Supervised learning is the most natural way to start on the machine learning journey and it is the most commonly used in ML tasks. Supervised learning algorithms take “labeled data” as an input. Data is labeled by predictions we wish to make using supervised learning algorithms or models.

Let me explain this with an example. Recalling our fruits dataset, if we feed the data into a supervised learning model, with labels ‘apples’ and ‘grapes’, the model will then use the fed data to predict if a new data is ‘apple’ or ‘grapes’. This means when we bring in a new image of a fruit, it can predict whether the new image is that of an ‘apple’ or ‘grapes’.

Recall the human decision-making framework: remember- model – predict, this is precisely how the supervised learning models work. The model first remembers the data we feed into it, then it makes rules or models what ‘A ‘and ‘B’ looks like and finally predicts the same for the new image.


Labeled data comes in two types. Data can be labeled with a number, such as weight of the fruit or data can be labeled as classes, such as apple, orange, banana etc. Based on the type of data there are two types of supervised learning models:

Regression models: These are the models which can predict a number as an output.

Classification models: These are the models which can predict the class as an output.

Note that output of a regression model is continuous while the output from the classification model is discrete, since it can predict from a finite set of output values.

Let’s take a few examples to understand them better.

Regression models are designed to predict numbers. These numbers are predicted from the features. Examples include

Predicting house prices based on features of a house such as number of bedrooms, location, etc.

Predicting the expected durationa user will use a website based on the source of traffic etc.

Predicting the lifetime value or the amount a customer is expected to spend with the company based on features such as customer type, consumption level etc.

Predicting the price of a particular stock based on other market signals or company specific features or other stock prices.

As you may notice, the result of such prediction is expected to be a number.


On the other hand, classification models predict a class. They help us answer questions such as looking at a picture of which fruit it is: Apple or Orange.

Examples may include:

Image recognition: Predict the content of the image. Is there an airplane in the picture or not?

User behavior: Predict if a user will click on Add to cart button based on users historical browsing history – Yes Or No

Social Media: Will the user like a picture or post based on their demographics, history and friends. Now you know how Facebook shows you posts which you are expected to engage with.

Unsupervised Learning

Unsupervised learning models take ‘unlabeled data’ as an input. Which means the data has no labels attached to them but only features. So for example the housing dataset which doesn’t have prices but only details such as room sizes, location etc.

The obvious question is then, what can you infer from such data. Well it is true that unlabeled data has a limited use but we can still achieve some insights from them which may be useful. For example if we have sets of pictures of different fruits without labels, we can use unsupervised models to break them into groups such as pictures of apples, pictures of oranges etc. This is called clustering – a task of grouping our data into clusters based on similarity.


Examples where clustering is used include:

Genetics: Clustering species into groups based on similarity

Market Segmentation: Grouping customers into different segments based on features such as company size, no of employees etc.

Let’s look at the data table below, grouping the data side is called clustering.


How about grouping the features side? Well, it is called dimensionality reduction. It is a very useful data preprocessing step which is used to simplify the data before it is fed into models.


Example of dimensionality reduction:


And finally there is a third type of machine learning.

Reinforcement Learning

Well simply put, this type of machine learning model solves problems without getting fed by any data. Ouch!

Instead of data these models are fed with the environment and an agent, which is expected to navigate within the environment. The agent may have a goal or a set of goals. On taking the right decision to reach the goal the agent is rewarded and on taking the wrong decision it is punished. Hence the learning is reinforced on it.

In case of reinforcement learning, an agent needs to take a sequence of actions within some environment. These actions influence the information that the environment provides to the agent in the next step. The agent receives direct feedback on the actions it takes. In supervised or unsupervised learning, in contrast, the model never impacts the underlying data, it simply consumes it.

For example, let’s assume that the agent is driving the car and its goal is to take the car from some point A to point B.

The actions the agent can take could be steering, accelerating and or pressing the brakes.

The environment in this case is the real world, consisting of roads, traffic, pedestrians etc.

The reward in this case is every meter the car travels towards the destination and punishment could be minor: traffic infractions or major: in the event of collision.


Reinforcement learning has cutting edge applications such as:

Self-driving car: Here the agent is expected to plan the route, control the car, keep the car on track etc.

Industrial Robotics: Here the agent’s task is to learn how to pick a box, how to walk or handle any particular task in the manufacturing process.

Gaming: Agents need to learn how to play Chess and so on.

Do follow our LinkedIn page for updates: [ Myraah IO on LinkedIn ]

घर पर अतिरिक्त पैसा बनाने के लिए 14 आसान तरीके

February 6, 2021

घर पर अतिरिक्त पैसा बनाने के लिए 14 आसान तरीके

यदि आपके पास पहले से ही एक दिन की नौकरी है जो बिलों को शामिल करती है तो एक पक्ष आय समृद्ध होने की तरह महसूस करती है।

कुछ अतिरिक्त पक्ष नकद बनाना वास्तव में जटिल नहीं होना चाहिए। किसी ऐसे व्यक्ति के रूप में जो ऑनलाइन आय उत्पादन के क्षेत्र में लगभग दो दशकों से डुबोया गया है, मैं आपको बता सकता हूं कि इसमें कुछ काम होता है। हालांकि, आगे कई स्पष्ट पथ हैं।

क्या आप प्रति माह एक अतिरिक्त 20,000 रुपये बना सकते हैं? ज़रूर। प्रति माह एक अतिरिक्त 50,000 रुपये के बारे में कैसे? यह आपके जीवन को कैसे बदल सकता है? सबसे करने के लिए, यह एक बड़ा अंतर होगा। लेकिन क्या होगा यदि हम प्रति माह हजारों या लाख से अधिक बात कर रहे हों? यह आपके जीवन के प्रक्षेपवक्र को कैसे बदल सकता है? जाहिर है, आप इंटरनेट पर पैसे कमा सकते हैं। आपको बस यह तय करना होगा कि आपका कितना समय इसके लायक है।

जबकि हम सभी के पास कुछ अतिरिक्त समय है, यह अक्सर ऐसा महसूस नहीं करता है। लेकिन यह पक्ष पर कुछ अतिरिक्त आटा बनाने के लिए बहुत अधिक प्रयास नहीं करता है। हम यहाँ लाखों लोगों के बारे में बात नहीं कर रहे हैं – हम ज्यादातर कुछ तेजी से नकदी उत्पन्न करने के लिए छोटी, काटने के आकार की परियोजनाएं करने की बात कर रहे हैं। और अपने कौशल सेट के आधार पर, आप आसानी से प्रति माह कुछ हजार या कुछ अतिरिक्त लाख भी बना सकते हैं।

एक आभासी सहायक बनें।

घर से पैसे बनाने का एक आसान तरीका दूसरों को आभासी सहायक के रूप में कार्यों को पूरा करने में मदद करना है। यदि आप अत्यधिक संगठित हैं और अपना समय ठीक से प्रबंधित कर सकते हैं, तो वर्चुअल सहायक बनना डिजिटल सेवा उद्योग में कम घर्षण प्रवेश बिंदु प्रस्तुत करता है। आप आसानी से इन कार्यों को रिमोट वर्कर के रूप में कर सकते हैं इससे कोई फर्क नहीं पड़ता कि आप कहां रहते हैं।
वर्चुअल सहायक के रूप में काम ढूंढना आसानी से Upwork, और जैसी साइटों के माध्यम से किया जा सकता है। मौजूदा पोस्ट नौकरियों खोजें और बोलियां बनाएं। आपको अंग्रेजी और लोकप्रिय वेब और व्यावसायिक सॉफ्टवेयर अनुप्रयोगों में प्रभावी संचार कौशल और प्रवाह की आवश्यकता होगी।

ईबे या Olx पर सामान बेचें।

हमारे समाज का एक बड़ा सबसेट ओल्क्स और ईबे पर आइटम बेचकर पूर्णकालिक आय अर्जित कर रहा है। आप अपनी खुद की वस्तुओं को बेचकर ऐसा कर सकते हैं, या आप अन्य लोगों के लिए वस्तुओं को बेचने में मदद कर सकते हैं और एक छोटा कमीशन ले सकते हैं। ईबे पर बेचना ओल्क्स की तुलना में अधिक घर्षण प्रदान करता है और इससे पहले कि आप उच्च-टिकट वस्तुओं को स्थानांतरित करना शुरू कर सकें, आपको ठोस समीक्षा स्थापित करने की आवश्यकता होगी।
हालांकि, ईबे विक्रेताओं के लिए संसाधन प्रदान करता है ताकि आप मंच पर बेचने के लिए अनुकूलित हो सकें। अपनी उचित परिश्रम करने और मंच पर शोध करने के लिए समय निकालें। यदि आपके पास कुछ ठोस ऑनलाइन मार्केटिंग कौशल हैं, तो आपको डिजिटल मार्केटिंग की दुनिया के लिए एक पूर्ण नौसिखिया होने की तुलना में यह बहुत आसान लगेगा।

जैसे-जैसे डिजिटल दुनिया विकसित होती है, हमारी मुद्रा भी होती है। कल एक नवीनता की तरह लग रहा था अंततः पैसे के लिए पसंदीदा माध्यम बन जाएगा। एक सरपट सर्वेक्षण में पाया गया कि 10 प्रतिशत लोगों में अपनी पसंदीदा भुगतान विधि के रूप में नकदी का उपयोग करने का दावा किया 2016 (से नीचे 19 में प्रतिशत 2011)।

जबकि क्रिप्टोक्यूरेंसी अभी भी अपेक्षाकृत नया है, यह अंततः मानक बन जाएगा। बिटकॉइन और ईथरियम आज प्राथमिक क्रिप्टोक्यूरेंसी प्लेटफॉर्म हो सकता है, लेकिन अमेरिकी डॉलर अंततः ब्लॉकचेन का लाभ उठाकर डिजिटल डॉलर बन जाएगा। आप क्रिप्टोक्यूरेंसी में मौजूदा बूम का लाभ उठा सकते हैं, इसे कई अन्य लोगों के बीच ईटोरो और क्रैकेन जैसे प्लेटफार्मों के माध्यम से व्यापार करके व्यापार कर सकते हैं।

ऑनलाइन शिक्षण

स्कूली, ट्यूटर मी और ट्यूटर डॉट कॉम जैसी वेबसाइटें ऑनलाइन ट्यूशन स्पेस में प्रवेश करने के लिए संसाधन प्रदान करती हैं। जबकि आपको इस तरह के मंच का उपयोग करने की आवश्यकता नहीं है, वे बाजार में कम घर्षण प्रवेश बिंदु प्रदान करते हैं। तुम भी Upwork की तरह अन्य साइटों की एक किस्म पर ऑनलाइन ट्यूशन gigs के लिए खोज सकता है, फ्रीलांसर और कई और अधिक।

आप किस प्रकार की चीजें ऑनलाइन ट्यूटर कर सकते हैं? आप गणित या विज्ञान जैसे विषय को आसानी से ट्यूटर कर सकते हैं, जबकि यदि आप द्विभाषी हैं तो भाषा भी पढ़ाते हैं। तुम भी गिटार या पियानो की तरह संगीत वाद्ययंत्र ट्यूटर सकता है, अन्य विषय मामलों के एक धसान के साथ।

Fiverr पर सेवाएं बेचें

Fiverr अपनी स्थापना के बाद से काफी वृद्धि हुई है। आज, यह एक विशाल बाजार है जहां आप सूरज के नीचे किसी भी सेवा के बारे में बेच सकते हैं। यह बहुत अच्छा है अगर आप डिजिटल नोमाड के रूप में ऑनलाइन पैसा बनाना चाहते हैं या अपने पजामा में अपने लैपटॉप पर घर पर बैठते समय भी।
क्या, विशेष रूप से, आप Fiverr पर बेच सकते हैं? ग्राफिक्स और डिजाइन सेवाओं से कुछ भी, डिजिटल विपणन के लिए, लेखन और अनुवाद सेवाओं, वीडियो और एनीमेशन सेवाओं, संगीत और ऑडियो, प्रोग्रामिंग और अनुप्रयोग विकास, व्यापार सेवाओं और जीवन शैली सेवाओं है कि जुआ खेलने के लिए सेलिब्रिटी इंप्रेशन से कुछ भी शामिल है।

बिक्री फ़नल बनाएँ।

हर सफल व्यवसाय में एक स्वचालित बिक्री फ़नल होता है। फिर भी, इतने सारे व्यवसाय एक प्रभावी कीप की शक्ति से पूरी तरह से अनजान हैं। बिक्री फ़नल बिक्री प्रक्रिया में स्वचालन प्रदान करते हैं। वे आपको अपने दर्शकों के साथ संबंध बनाने और उपभोक्ता के साथ बंधन विकसित करने में मदद करते हैं। बिक्री फ़नल बनाने के लिए आप बहुत सारे टूल का उपयोग कर सकते हैं, लेकिन दुनिया के सबसे सफल व्यवसाय अक्सर कस्टम-कोडित फ़नल बनाते हैं।

विशेषज्ञ बिक्री फ़नल अक्सर एक मुफ्त प्रस्ताव से शुरू होते हैं, जिसे लीड चुंबक भी कहा जाता है। लीड मैग्नेट में मूल्य प्रदान करके, आप उपभोक्ता के साथ विश्वास बना रहे हैं। अगले चरण में, आप आमतौर पर क्या एक आत्म परिसमापन प्रस्ताव या एक यात्रा तार कहा जाता है मिल जाएगा। ये ऐसे सौदे हैं जिन्हें पारित करना मुश्किल होता है, अक्सर 500 रुपये से 2500 रुपये तक। फ्रंट-एंड ऑफ़र आमतौर पर ग्राहक के जीवनकाल मूल्य और औसत कार्ट मूल्य को बढ़ावा देने में मदद करने के लिए एक बार ऑफ़र के साथ पाया जाता है।
हालांकि बिक्री फ़नल की बात आने पर काफी तकनीक विवरण हैं, आज उन्हें समझना, अभी, आपको उच्च स्तर की ऑनलाइन मार्केटिंग कौशल के लिए स्थापित कर सकता है। यह आपको रूपांतरण दर को अनुकूलित करके अपने व्यवसाय को स्केल करने में भी मदद करेगा, फिर बस अपने विज्ञापन खर्च का विस्तार कर देगा।

अपने घर किराए पर।

एक और तरीका है कि आप घर पर पैसे कमा सकते हैं वास्तव में अपने घर को किराए पर लेना है। एयरबीएनबी ने छुट्टी किराया से बाहर एक बड़े उद्योग को नक्काशीदार बनाया है। जबकि बाजार एयरबीएनबी के आगमन से पहले मौजूद था, यह निश्चित रूप से दृश्य पर आने के बाद से कई गुना बढ़ गया है।
2017 में, एयरबीएनबी ने लक्जरी अवकाश किराए पर लेने वाले प्रदाता, लक्जरी रिट्रीट, और बाजार में अन्य समेकन खरीदे हैं, जैसे प्रमुख साइटों के साथ पीपीजी किराया और अनुभवी ड्रीम्स के प्लेटफार्मों के InvitedHome के अधिग्रहण, और एक्सपीडिया के $3.9 अरब का अधिग्रहण एक और छुट्टी किराये की विशालकाय, होमएवे। बाजार फलफूल रहा है और समय प्रवेश के लिए परिपक्व है, चाहे कितना बड़ा या छोटा अपने घर या कोंडो हो सकता है।

एक ईकॉमर्स साइट लॉन्च करें।

ईकॉमर्स भारत में तेजी से बढ़ रहा है। जबकि अमेज़ॅन शेर का हिस्सा लेता है, उपभोक्ताओं को तादाद से खरीद रहे हैं जब वे महान प्रस्तावों को स्कूप कर सकते हैं। वास्तव में, नील पटेल, फ्रैंक सर्न, डीन ग्रेजियोसी, डेविड शार्प, जॉन रीज़ और कई अन्य जैसे प्रमुख ऑनलाइन विपणक छोटे भाग्य बनाने के लिए फ्री-प्लस-शिपिंग ईकॉमर्स और बुक फ़नल का उपयोग कर रहे हैं। यह एक ईकॉमर्स पर्यावरण के भीतर बिक्री फ़नल के कार्यान्वयन पर वापस आता है। वास्तव में, लोग पारंपरिक ईकॉमर्स स्टोरों के बारे में सोचते हैं कि एक छोटे से भाग्य का निर्माण और लागत बनाने के लिए महीनों या यहां तक कि वर्षों तक लेते हैं, यह सच नहीं है।

एक ब्लॉग प्रारंभ करें।

ब्लॉग दुनिया की यात्रा करते समय भी निष्क्रिय आय अर्जित करने के सर्वोत्तम तरीकों में से एक हैं। जबकि एक ब्लॉग शुरू सरल हो सकता है आप काम और प्रयास में डाल करने के लिए लाभ लेने के क्रम में की आवश्यकता होगी। बाद में फसल का आनंद लेने के लिए अब बीज लगाओ।
हालांकि, एक बार जब ब्लॉग जा रहा है, तो आय उत्पन्न करना और आपके व्यवसाय को स्केलिंग करना सीधा है। सीधे शब्दों में अधिक सामग्री का उत्पादन और अधिक प्रस्तावों को लाइन। जैसे-जैसे आपका ब्लॉग लोकप्रियता में बढ़ता है, आप अपनी खुद की वेबसाइटों पर वापस एक बहुत शक्तिशाली लिंक के बदले में आपके लिए लिखने के लिए तैयार शीर्ष प्रतिभा को आकर्षित करने में सक्षम होंगे।

एक पक्ष व्यापार बनाएँ।

आकर्षक पक्ष व्यवसायों के लिए बहुत सारे विचार हैं जिन्हें आप आसानी से अपने घर के आराम से शुरू कर सकते हैं। उन्हें शुरू करना आसान है, वास्तव में बाजार में काम करना और उन व्यवसायों को बढ़ाना थोड़ा और चुनौतीपूर्ण है। कठिन हिस्सा उन्हें के माध्यम से देख रहा है।
जब आप किसी और के उत्पादों को बेचने वाले नियमित व्यवसाय को लॉन्च कर सकते हैं, तो आप अपने स्वयं के उत्पाद का आविष्कार भी कर सकते हैं। जबकि आविष्कारों के आधार पर व्यवसाय बनाने के लिए और अधिक जटिल लग सकते हैं, वे आकर्षक निवेश के अवसर पेश करते हैं।

वेबिनार बनाएँ

मैं बेचने के लिए वेबिनार माध्यम से ग्रस्त हो गया हूं। स्वचालित वेबिनार का निर्माण सबसे उपयोगी कौशल में से एक है जो संभवतः आपके पास हो सकता है, जैसे उद्यमी जेसन फ्लैडलियन, जिन्होंने केवल अन्य लोगों के उत्पादों को बेचकर वेबिनार के माध्यम से बिक्री में $100 मिलियन का काम किया है, न कि अपने स्वयं के।

वेबिनार एक विशिष्ट टेम्पलेट और प्रारूप का पालन करें। वे फार्मूलामिक हैं। यदि आप उस सूत्र को मास्टर कर सकते हैं, तो आप इस स्थान पर काफी शाब्दिक रूप से हावी हो सकते हैं। एक महान व्यापार विचार या अवसर है कि आप बेच सकते हैं कि मूल्य की भारी मात्रा में बचाता है का पता लगाएं।

सोशल मीडिया प्रबंधन।

सोशल मीडिया प्रबंधन घर से आय उत्पन्न करने का एक शानदार तरीका है। सोशल मीडिया के विस्तार को ध्यान में रखते हुए, व्यवसाय संभावनाओं के सामने अपना रास्ता खोजने के लिए चिढ़ रहे हैं। हालांकि, अधिकांश व्यवसायों को इस बारे में कोई सुराग नहीं मिला कि वे अपने जोखिम को कैसे बढ़ा सकते हैं। यही वह जगह है जहां आप अंदर आते हैं।

सोशल मीडिया प्रबंधन व्यवसाय बनाने में कुछ प्रयास और समय लग सकता है, लेकिन यह इसके लायक है। आप अपने सोशल मीडिया को प्रबंधित करने में मदद करने के लिए प्रत्येक व्यवसाय के लिए एक बड़ा मासिक शुल्क ले सकते हैं, जिससे आप इस टमटम को पूर्णकालिक आय अर्जित कर सकते हैं।

संबद्ध विपणन

संबद्ध विपणन ऑनलाइन उत्पादों को बेचने में बहुत कम घर्षण प्रविष्टि प्रस्तुत करता है। जब आपको इन उत्पादों या सेवाओं को बेचने के लिए कुछ प्रकार के दर्शकों की आवश्यकता होती है, तो आप इसे करते समय घर से काफी पैसा बना सकते हैं। कुछ उत्पादों या सेवाओं में प्रति क्लिक बहुत अधिक कमाई होती है। इसका मतलब है, यदि आप अपने कार्ड को सही खेलते हैं, तो आप आसानी से रूपांतरण पर एक बड़ा लाभ कमा सकते हैं जब तक आप सही हितों को लक्षित करते हैं।

आप कई अन्य लोगों के बीच क्लिकबैंक, सीजे. कॉम और राकुटेन लिंकशेयर जैसी साइटों पर सहबद्ध विपणन ऑफ़र पा सकते हैं। सही प्रस्ताव की खोज करें और सुनिश्चित करें कि आप इसे सही ऑडियंस के पास पेश करें और इसके बारे में लोगों को स्पैम न करें। नैतिकता की दृष्टि से अपने विपणन करो।

ऑनलाइन पाठ्यक्रम बनाएं।

घर से अतिरिक्त पैसे बनाने के मेरे पूर्ण पसंदीदा तरीकों में से एक ऑनलाइन पाठ्यक्रम बनाना है। अब, यह समय का एक अग्रिम निवेश लेता है। लेकिन, किसी भी अन्य निष्क्रिय आय पैदा करने की गतिविधि के रूप में, आप एक बार काम करते हैं और इसके लिए बार-बार भुगतान करते हैं।

आपके पास जो भी कौशल है उसे ले लो और इसके चारों ओर एक कोर्स बनाने का एक तरीका ढूंढें। उन पाठ्यक्रमों का निर्माण करने के लिए उडेमी, अंकूर नागपाल, शिक्षनीय या जोनाथन क्रोनस्टेड की काजाबी जैसी साइटों का उपयोग करें, फिर विपणन शुरू करें।