मशीन लर्निंग क्या है (Machine Learning kya hai)

 मशीन लर्निंग क्या है

Computer Learning

कंप्यूटर बहुत तेजी से विकसित हो रहे हैं और मशीन लर्निंग सबसे बड़ी समस्या  है। क्यों? क्योंकि मशीनों को मनुष्यों की तरह डेटा विश्लेषण के परिणामस्वरूप अनुभव से सीखने के लिए प्रोग्राम किया जाने लगा। इसका मतलब यह है कि वे अपने स्वयं के निर्णय लेने के लिए ऑटोनोमस बन सकते हैं क्योंकि मशीन लर्निंग विकसित होती रहती है।

इसे समझने के लिए, एक छोटे लड़के के बारे में सोचें, जिसने सीखना शुरू किया कि दुनिया क्या है। उसके माता-पिता उसे आग से नहीं खेलना सिखाते हैं। हालांकि, बच्चे को यह नहीं पता है कि जब तक वह जलने के दर्द को महसूस नहीं करता है, तब तक उसके लिए आग क्या हो सकती है

इस अनुभव से, बच्चे ने सीखा है कि उसे आग से नहीं खेलना चाहिए। अब वह समझदारी से निर्णय लेगा जब वह किसी भी अग्नि स्रोत के करीब पहुंच जाएगा।

सीखने की वही प्रक्रिया है जो वैज्ञानिक मशीन लर्निंग तकनीक के माध्यम से कंप्यूटर में हासिल करना चाहते हैं।

 तो यह वास्तव में क्या है?

मशीन लर्निंग के के बारे मैं हम साधारण रूप से , हम कह सकते हैं कि एक डेटा विश्लेषण तकनीक है जो कंप्यूटर को अनुभव के अनुसार निर्णय लेना सिखाती है। जिस तरह लोग और जानवर करते हैं।

इसे प्राप्त करने के लिए, मशीन को स्वचालित लर्निंग एल्गोरिदम के साथ लोड किया जाता है जो जानकारी इकट्ठा करने, उससे सीखने और इसे प्रोसेस करने के लिए गणना के तरीकों का उपयोग करता है।

जैसा कि ये एल्गोरिदम अधिक जानकारी एकत्र करते हैं, मशीन की उचित निर्णय लेने की क्षमता में सुधार होता है और त्रुटि दर कम हो जाती है।

हमें यह ध्यान रखना चाहिए कि मशीन लर्निंग एक पारंपरिक सॉफ्टवेयर एप्लिकेशन नहीं है, बल्कि एक प्रणाली है जो Samples से अपने निर्देशों को विकसित करके खुद को कोड कर सकती है।

दैनिक जीवन में मशीन कैसे सीखें

हालांकि मशीन लर्निंग इनिशियल स्टेज मे है  इसे अभी  लम्बा रास्ता तय करना है  जब तक कि इसकी तुलना मानव मस्तिष्क से नहीं की जा सकती है, हम पहले से ही इस तकनीक पर आधारित तकनीक का उपयोग करते हैं। उदाहरण के लिए Siri, Image पहचान करने की  प्रणाली हो या  आपका ईमेल खाता। Siri  के मामले में, आप देख सकते हैं कि इसकी आवाज की पहचान बेहतर हो जाती है क्योंकि आप इसका उपयोग करते रहते हैं। Siri आपकी आवाज़ के पैटर्न को अधिक सटीक रूप से पंजीकृत करना शुरू कर देता है क्योंकि आप ऐसा करने के लिए "सिखाते हैं"। थोड़ी देर के बाद, आपके निर्देशों को पहचानने के लिए सिरी की त्रुटियां कम हो जाती हैं।

मशीन सीखने की तकनीक

मशीन लर्निंग के दो ऑपरेशनल मॉडल हैं: सुपरवाइज्ड और अनसुपरवाइज्ड। सुपरवाइज्ड मॉडल पूर्वानुमान बनाने के लिए इनपुट और आउटपुट डेटा का उपयोग करता है। अनसुपरवाइज्ड मॉडल उस जानकारी को छिपाता है जिसे वह प्राप्त करता है। नीचे उनके बारे मैं विस्तार से पढ़ते हैं।

1.  1. पर्यवेक्षित अध्ययन (सुपरवाइज्ड)

पर्यवेक्षित शिक्षण तकनीक, डेटा या परीक्षणों की एक श्रृंखला के अनुसार भविष्यवाणियों को perform करने के लिए प्रभावी है जो मशीन ने पहले एकत्र किए हैं। यह डेटा अनिश्चितता को हल करने के लिए एक उचित मॉडल उत्पन्न करने में मदद करता है।

सरल शव्दों मैं - एक डॉक्टर के बारे में सोचें जो हृदय की समस्याओं के साथ एक रोगी का इलाज करता है। डॉक्टर जानना चाहते हैं कि अगले छह महीनों में उनके मरीज को दिल का दौरा पड़ने की क्या संभावना है। डॉक्टर मशीन को अपने मरीज का डेटा देता है। फिर, मशीन इस डेटा की तुलना ऐसे ही रोगियों के डेटा से करती है जिन्हें दिल का दौरा पड़ा है। मशीन वर्तमान रोगी और पिछले वाले के भौतिक पहलुओं जैसे कि ऊंचाई, वजन, आयु आदि को ध्यान में रखती है। यह सभी सूचनाओं को संसाधित करने के बाद, मशीन रोगी को दिल का दौरा पड़ने की संभावना का अनुमान लगा सकती है। तब डॉक्टर जानता है कि उपचार क्या लागू होगा।

पर्यवेक्षित शिक्षण के संचालन के लिए, दो तकनीकों की आवश्यकता होती है: वर्गीकरण और प्रतिगमन। वर्गीकरण तकनीक आने वाले डेटा को श्रेणियों में व्यवस्थित करने के लिए जिम्मेदार है, उदाहरण के लिए, यदि कोई सेल कार्सिनोजेनिक है या नहीं। दूसरी ओर, प्रतिगमन तकनीक मौसम में बदलाव या बिजली की बचत जैसे पिछले उपभोगों को ध्यान में रखते हुए निरंतर प्रतिक्रियाओं की भविष्यवाणी करने के लिए जिम्मेदार है।

 2. अनसुपरवाइज्ड अध्ययन

Unsupervised Learning क्लस्टरिंग नामक एक तकनीक पर आधारित है जिसका उपयोग डेटा में छिपे हुए पैटर्न को खोजने के लिए किया जाता है।

दूसरे शब्दों में, यह तकनीक तब उपयोगी होती है जब आप नहीं जानते कि आप क्या देख रहे हैं। इस मामले में, आप मशीन को खोजने या ट्रैक करने के लिए प्रशिक्षित कर सकते हैं।

अनुपयोगी शिक्षण तकनीक डेटा की विशाल मात्रा के भीतर विशिष्ट पैटर्न की पहचान कर सकती है। कुछ ऐसा जो इंसान इतनी तेजी और दक्षता के साथ हासिल कर सकता है।

नेटवर्क में संभावित जोखिमों को खोजने के लिए बैंकों द्वारा धोखाधड़ी या एंटीवायरस का पता लगाने के लिए अप्रशिक्षित शिक्षण के कुछ अनुप्रयोगों का उपयोग किया जाता है।

निष्कर्ष (Conclusion)

जैसा कि हमने अपने मशीन लर्निंग इंट्रोडक्शन में बताया है, यह तकनीक एल्गोरिदम के उपयोग पर आधारित है। हालांकि, मशीन लर्निंग के माध्यम से विभिन्न उद्देश्यों को प्राप्त करने के लिए दर्जनों एल्गोरिदम हैं।

सही एल्गोरिथ्म का चयन करने के लिए उस डेटा की प्रकृति को जानना महत्वपूर्ण है जिसे आप काम करने जा रहे हैं, और परिणाम जो आप अपेक्षा करते हैं। किसी भी तरह से, सही एल्गोरिदम को खोजने के लिए प्रयोग करने के लिए उद्यम करना हमेशा आवश्यक होगा।