machine learning kya hai ? Machine Learning यह Artificial Intelligence (AI) और Computer Science की एक शाखा है ,जो Data और Algoritham के उपयोग पर ध्यान केंद्रित करती है, ताकि मनुष्य के सीखने के तरीके की नकल की जा सके, धीरेधीरे इसकी Accuracy में सुधार हो सके !

Machine Learning Data Science के बढ़ते क्षेत्र का एक महत्वपूर्ण घटक है ! Statical Methods के उपयोग के माध्यम से, Algoritham को data mining परियोजनाओं के भीतर प्रमुख अंतर्दृष्टि को उजागर करते हुए, वर्गीकरण या भविष्यवाणियां करने के लिए प्रशिक्षित किया जाता है !

ये अंतर्दृष्टि बाद में Applications और Business के भीतर निर्णय लेने को प्रेरित करती हैं ! आदर्श रूप से प्रमुख विकास Metrics को प्रभावित करती हैं ! जैसेजैसे बड़े Data का विस्तार और विकास जारी रहेगा, Data scientists के लिए बाजार की मांग बढ़ेगी ! जिससे उन्हें सबसे अधिक प्रासंगिक व्यावसायिक प्रश्नों की पहचान में सहायता करने की आवश्यकता होगी और बाद में उनका उत्तर देने के लिए डेटा !

Deep Learning kya hai?

Deep Learning यह Machine learning का एक सबसेट है, जो अनिवार्य रूप से तीन या अधिक परतों वाला एक तंत्रिका नेटवर्क है !

Machine Learning कैसे काम करता है?

Machine Learning Algorithm को प्रणाली को तीन मुख्य भागों में विभाजित किया गया है !

A decision process : सामान्य तौर पर, Machine Learning Algorithm का उपयोग भविष्यवाणी या वर्गीकरण करने के लिए किया जाता है ! कुछ input data के आधार पर, जिसे लेबल किया जा सकता है या लेबल नहीं किया जा सकता है!  आपका Algorithm data में एक pattern के बारे में अनुमान लगा एगा !

An Error Function : एक Error Function Model की भविष्यवाणी का मूल्यांकन करने का कार्य करता है ! यदि ज्ञात उदाहरण हैं ! तो एक Error Function Model की सटीकता का आकलन करने के लिए तुलना कर सकता है !

An Model Optimization Process : Model यदि Training Set में डेटा बिंदुओं के लिए बेहतर फिट हो सकता है ! तो ज्ञात उदाहरण और मॉडल अनुमान के बीच discrepancy को कम करने के लिए वजन को adjusted किया जाता है !

Algorithm इस evaluate और optimize process को दोहराएगा, जब तक सटीकता की सीमा पूरी नहीं हो जाती, तब तक वजन को Threshold रूप से update करना।

Machine Learning Methods

Machine Learning को तीन प्राथमिक श्रेणियों में classifies किया हैं !

Supervised Machine Learning

Supervised learning जिसे supervised machine learning के रूप में भी जाना जाता है ! सुपेर्विसेड लर्निंग को एल्गोरिदम को प्रशिक्षित करने के लिए लेबल किए गए डेटासेट के उपयोग से परिभाषित किया जाता है ! जो डेटा को classify करने या परिणामों की सटीक भविष्यवाणी करने के लिए होता है !

इनपुट डेटा के रूप में मॉडल में सिंचित किया जाता है, यह अपने वजन को तब तक समायोजित करता है ! जब तक कि मॉडल को उचित रूप से फिट नहीं किया जाता है ! यह cross-validation प्रक्रिया के हिस्से के रूप में होता है ताकि यह सुनिश्चित किया जा सके कि odel overfitting या odel underfitting से बच सके।

Supervised learning संगठनों को वास्तविक दुनिया की विभिन्न समस्याओं को बड़े पैमाने पर हल करने में मदद करता है, जैसे Spam को आपके inbox से अलग Folder में Separte करना !

Supervised learning में उपयोग की जाने वाली कुछ Methods में neural networks, naïve Bayes, linear regression, logistic regression, random forest, support vector machine (SVM) और बहुत कुछ शामिल हैं।

Unsupervised machine learning

Unsupervised learning, जिसे unsupervised machine learning, के रूप में भी जाना जाता है, बिना लेबल वाले datasets को analyze और cluster करने के लिए मशीन लर्निंग एल्गोरिदम का उपयोग करता है। यह  algorithm मानव हस्तक्षेप की आवश्यकता के बिना छिपे हुए पैटर्न या डेटा समूह की खोज करते हैं।

जानकारी में समानता और अंतर खोजने की इसकी क्षमता इसे खोजपूर्ण exploratory data analysis, cross-selling strategies, customer segmentation, image और pattern recognition के लिए आदर्श समाधान बनाती है !

इसका उपयोग dimensionality में reduction की process के माध्यम से एक model में सुविधाओं की संख्या को कम करने के लिए भी किया जाता है; प्रमुख घटक विश्लेषण (पीसीए) और एकवचन मूल्य अपघटन (एसवीडी) इसके लिए दो सामान्य दृष्टिकोण हैं !

unsupervised learning में उपयोग किए जाने वाले अन्य algorithms में neural networks, k-means clustering, probabilistic clustering methods और बहुत कुछ शामिल हैं।

Semi-Supervised Learning 

Semi-supervised learning यह supervised और Unsupervised learning के बीच एक सुखद माध्यम प्रदान करता है ! प्रशिक्षण के दौरान, यह एक बड़े, बिना label वाले data set से classification और फीचर निष्कर्षण को निर्देशित करने के लिए एक छोटे label वाले data set का उपयोग करता है ! 

Semi-supervised learning एक Supervised learning Algorithm को learning करने के लिए पर्याप्त label किए गए data ( या पर्याप्त data label करने में सक्षम नहीं होने ) की समस्या को हल कर सकता है।

Reinforcement Learning In Hindi

Reinforcement machine learning एक behavioral machine learning model है जोsupervised learning के समान है, लेकिन sample data का उपयोग करके algorithms को प्रशिक्षित नहीं किया जाता है।

Trial और error का उपयोग करके यह model सीखता है !किसी समस्या के लिए सर्वोत्तम अनुशंसा या नीति विकसित करने के लिए सफल परिणामों के अनुक्रम को reinforced machine learning  किया जाएगा।

Real-world machine Learning Cases

यहां Machine Learning के कुछ उदाहरण दिए गए हैं जिनका सामना आप हर दिन कर सकते हैं !

Speech Recognition

इसे automatic speech recognition ( ASR ), Computer Speech Recognition, या Speech-To-Text के रूप में भी जाना जाता है, और यह एक ऐसी क्षमता है ! जो मानव भाषण को लिखित प्रारूप में संसाधित करने के लिए Natural Language Processing ( NLP ) का उपयोग करती है !

कई मोबाइल devices ध्वनि खोज करने के लिए अपने सिस्टम में speech recognition को शामिल करते हैं ! उदा. Siri या texting के आसपास अधिक पहुंच प्रदान करें !

Customer Service

Online Chatboard ग्राहक यात्रा के दौरान मानव Agents की जगह ले रहे हैं। वह Shipping जैसे विषयों के बारे में अक्सर पूछे जाने वाले प्रश्नों (FAQ) का उत्तर देते हैं, या व्यक्तिगत सलाह, क्रॉससेलिंग उत्पाद प्रदान करते हैं या उपयोगकर्ताओं के लिए आकार का सुझाव देते हैं,

जिससे हम वेबसाइटों और Social Media Platform पर ग्राहक जुड़ाव के बारे में सोचते हैं ।

उदहारण – Chatbord, Facebook Manager, slack, virtual assistants और voice assistants !

Computer Vision

यह AI technology Computer और System को Digital images, videos और अन्य visual inputs से सार्थक जानकारी प्राप्त करने में सक्षम बनाती है और उन इनपुट के आधार पर Action कर सकती है।

Recommendation Engines 

पिछले consumption behavior data का उपयोग करते हुए, AI algorithms data रुझानों की खोज करने में मदद कर सकते हैं जिनका उपयोग अधिक प्रभावी cross-selling strategies को विकसित करने के लिए किया जा सकता है।

इसका उपयोग ऑनलाइन खुदरा विक्रेताओं के लिए चेकआउट प्रक्रिया के दौरान ग्राहकों को relevant add-on  recommendations करने के लिए किया जाता है।

Automated Stock Trading

Stock Portfolios को अनुकूलित करने के लिए Design किया गया, AI –संचालित high-frequency वाले Trading Platform मानव हस्तक्षेप के बिना प्रति दिन हजारों या लाखों trades करते हैं !

Advantages of Machine learning

  1. आसानी से trends और patterns की पहचान करता है !
  2. किसी मानवीय हस्तक्षेप की आवश्यकता नहीं है (स्वचालन) !
  3. निरंतर सुधार
  4. बहुआयामी और बहुविविध डेटा को सँभालना
  5. वेब एप्लीकेशन 

Disadvantages of Machine Learning

  1. आंकड़ा अधिग्रहण
  2. समय और संसाधन
  3. परिणामों की व्याख्या
  4. उच्च त्रुटिसंवेदनशीलता

मशीन लर्निंग के उपयोग 

  1. Virtual Personal Assistants
  2. Predictions while Commuting
  3. Videos Surveillance
  4. Social Media Services
  5. Email Spam and Malware Filtering
  6. Online Customer Support
  7. Search Engine Result Refining
  8. Online Fraud Detection
  9. Intelligent Gaming
  10. Self-Driving Cars and Automated Transportation
  11. AI for Dangerous Jobs
  12. Environment Protection
  13. Home Security and Smart Homes

LEAVE A REPLY

Please enter your comment!
Please enter your name here