Machine Learning क्या होता है ?

आजकल हम सब लोग जानते हैं की technology बहत आगे जा चूका है , इतना आगे जा चूका है की इंसान आज चाँद पर भी अपना घर बसाने जा रहा है. ये सब संभव हुआ केबल इंसान द्वारा बनाया हुआ advanced technology के माध्यम से. इसी एडवांस्ड टेक्नोलॉजी का एक प्रकार होता है machine learning.

ये सब सब्द आपको नया लगता होगा लेकिन इसी blog के माधयम से में आपको बताने वाला हूँ की machine learning क्या होता है ? कितने प्रकार की होता है ? इसको इस्तमाल करके हमे क्या क्या कर सकते हैं एंड क्या क्या ओप्पोर्तुनिटी है इसको Learn करने से.

 

Artificial Intelligence (AI) क्या है?

Artificial intelligence (AI), आमतौर पर बुद्धिमान प्राणियों से जुड़े कार्यों को करने के लिए एक Digital Computer या कंप्यूटर नियंत्रित robot की क्षमता। इस शब्द को अक्सर मनुष्यों की बौद्धिक प्रक्रियाओं की विशेषता वाली विकासशील प्रणालियों की परियोजना पर लागू किया जाता है, जैसे कि कारण, अनुभव की खोज, सामान्यीकरण, या पिछले अनुभव से सीखने की क्षमता।

1940 के दशक में Digital Computer के विकास के बाद से, यह प्रदर्शित किया गया है कि कंप्यूटरों को बहुत जटिल कार्यों को पूरा करने के लिए प्रोग्राम किया जा सकता है – उदाहरण के लिए, गणितीय प्रमेयों के लिए प्रमाणों की खोज करना या chess – बड़ी दक्षता के साथ। फिर भी, कंप्यूटर प्रसंस्करण गति और स्मृति क्षमता में निरंतर प्रगति के बावजूद, अभी तक कोई कार्यक्रम नहीं हैं जो व्यापक डोमेन पर या अधिक रोजमर्रा के ज्ञान की आवश्यकता वाले कार्यों में मानव लचीलेपन से मेल खा सकते हैं।

दूसरी ओर, कुछ कार्यक्रमों ने कुछ विशिष्ट कार्यों को करने में मानव विशेषज्ञों और पेशेवरों के प्रदर्शन स्तर को प्राप्त किया है, ताकि इस सीमित अर्थों में कृत्रिम बुद्धिमत्ता अनुप्रयोगों में चिकित्सा निदान, कंप्यूटर search engine और आवाज या लिखावट की पहचान के रूप में विविध रूप में पाए जाते हैं। 

Machine Learning Algorithms के प्रकार :

Machine Learning
Machine Learning

औसत कंप्यूटर उपयोगकर्ता के लिए, यह Machine Learning Algorithms के प्रकार को समझने का रूप ले सकता है और वे हमारे द्वारा उपयोग किए जाने वाले अनुप्रयोगों में खुद को कैसे प्रदर्शित कर सकते हैं। और इन अनुप्रयोगों को बनाने वाले चिकित्सकों के लिए, मशीन सीखने के प्रकारों को जानना आवश्यक है ताकि आपके द्वारा दिए गए किसी भी कार्य के लिए, आप उचित शिक्षण वातावरण को तैयार कर सकें और समझ सकें कि आपने क्या काम किया है।

  1. Supervised Learning
  2. Unsupervised Learning
  3. Reinforcement Learning

1. Supervised Learning :

Supervised Learning आपको मशीन भाषा का उपयोग करके डेटा को वर्गीकृत और संसाधित करने के लिए एक शक्तिशाली उपकरण प्रदान करता है। पर्यवेक्षित शिक्षण के साथ आप लेबल किए गए डेटा का उपयोग करते हैं, जो कि एक डेटा सेट है जिसे वर्गीकृत किया गया है, learning algorithm का अनुमान लगाने के लिए। डेटा सेट का उपयोग machine learning algorithms के उपयोग के माध्यम से  unlabeled data के वर्गीकरण की भविष्यवाणी के लिए आधार के रूप में किया जाता है। अध्याय 5 में, हम पर्यवेक्षित सीखने में दो महत्वपूर्ण तकनीकों को शामिल करेंगे:

  1. Linear Regression
  2. Classification techniques

1.Linear Regression

Linear Regression एक Supervised Learning तकनीक है जिसका उपयोग आमतौर पर पूर्वानुमान, पूर्वानुमान और मात्रात्मक डेटा के बीच संबंधों को खोजने में किया जाता है। यह शुरुआती शिक्षण तकनीकों में से एक है, जिसका अभी भी व्यापक रूप से उपयोग किया जाता है।

उदाहरण के लिए, यह तकनीक यह जांचने के लिए लागू की जा सकती है कि कंपनी के विज्ञापन बजट और उसकी बिक्री के बीच कोई संबंध था या नहीं। आप यह निर्धारित करने के लिए भी उपयोग कर सकते हैं कि क्या किसी विशेष विकिरण चिकित्सा और ट्यूमर के आकार के बीच एक रैखिक संबंध है।

2. Classification techniques

इस खंड में जिन Classification techniques पर चर्चा की जाएगी, वे डेटा का विश्लेषण करके और पैटर्न को पहचानकर गुणात्मक प्रतिक्रिया की भविष्यवाणी करने पर केंद्रित हैं। उदाहरण के लिए, इस प्रकार की तकनीक का उपयोग यह वर्गीकृत करने के लिए किया जाता है कि क्रेडिट कार्ड लेनदेन धोखाधड़ी है या नहीं। कई अलग-अलग Classification techniques या classifiers हैं, लेकिन व्यापक रूप से उपयोग किए जाने वाले कुछ में शामिल हैं:

  • Logistic regression
  • Linear discriminant analysis
  • K-nearest neighbors
  • Trees
  • Neural Networks
  • Support Vector Machines

2. Unsupervised Learning :

Unsupervised Learning वह जगह है जहां आपके पास केवल इनपुट डेटा (X) और कोई संबंधित output नहीं हैं

Unsupervised Learning के लिए लक्ष्य डेटा के बारे में अधिक जानने के लिए डेटा में अंतर्निहित संरचना या वितरण को मॉडल करना है।इन्हें अप्रकाशित अधिगम कहा जाता है क्योंकि ऊपर दी गई पर्यवेक्षित शिक्षा के विपरीत कोई सही उत्तर नहीं है और कोई शिक्षक नहीं है। डेटा में दिलचस्प संरचना की खोज और पेश करने के लिए एल्गोरिदम को अपने स्वयं के डेविस पर छोड़ दिया जाता है।

अनियंत्रित सीखने की समस्याओं को आगे clustering and association में वर्गीकृत किया जा सकता है।

  • Clustering: एक Clustering समस्या वह है जहां आप डेटा में निहित समूहों की खोज करना चाहते हैं, जैसे कि ग्राहकों को खरीदकर व्यवहार करना।
  • Association: एक Association नियम सीखने की समस्या है, जहां आप ऐसे नियमों की खोज करना चाहते हैं जो आपके डेटा के बड़े हिस्से का वर्णन करते हैं, जैसे कि एक्स खरीदने वाले लोग भी एच।

अनुपलब्ध शिक्षण एल्गोरिदम के कुछ लोकप्रिय उदाहरण हैं:

  • k-means for clustering problems.
  • Apriori algorithm for association rule learning problems.

3. Reinforcement Learning :

Reinforcement Learning को एक machine learning विधि के रूप में परिभाषित किया गया है जो इस बात से संबंधित है कि सॉफ्टवेयर एजेंटों को एक वातावरण में कैसे कार्रवाई करनी चाहिए। सुदृढीकरण सीखना गहन शिक्षण पद्धति का एक हिस्सा है जो आपको संचयी इनाम के कुछ हिस्से को अधिकतम करने में मदद करता है।

Reinforcement Learning मशीन लर्निंग का एक क्षेत्र है। यह किसी विशेष स्थिति में इनाम को अधिकतम करने के लिए उपयुक्त कार्रवाई करने के बारे में है। इसे विभिन्न सॉफ्टवेयर और मशीनों द्वारा नियोजित किया जाता है ताकि किसी विशिष्ट स्थिति में इसे संभव व्यवहार या पथ का पता लगाया जा सके।

सुदृढीकरण अधिगम पर्यवेक्षित अधिगम से इस प्रकार भिन्न होता है कि पर्यवेक्षित अधिगम में प्रशिक्षण डेटा की उत्तर कुंजी होती है इसलिए मॉडल को सही उत्तर के साथ प्रशिक्षित किया जाता है जबकि सुदृढीकरण सीखने में, कोई उत्तर नहीं होता है लेकिन सुदृढीकरण एजेंट निर्णय लेता है कि क्या करना है दिए गए कार्य को पूरा करने के लिए। एक प्रशिक्षण डाटासेट के अभाव में, यह अपने अनुभव से सीखने के लिए बाध्य है।

Artificial Intelligence और Machine learning में अंतर क्यां है?

अब चलिए जानते हैं कीArtificial Intelligence और Machine learning में अंतर क्यां है।

  ARTIFICIAL INTELLIGENCE MACHINE LEARNING
AI का अर्थ ARTIFICIAL INTELLIGENCE है, जहां intelligence को define किया गया है knowledge intelligence को ज्ञान को प्राप्त करने और लागू करने की क्षमता के रूप में परिभाषित किया गया है।ML मशीन लर्निंग जिसे ज्ञान या कौशल के अधिग्रहण के रूप में परिभाषित किया गया है।
उद्देश्य सफलता की संभावना बढ़ाना है न कि सटीकता।उद्देश्य सटीकता बढ़ाना है, लेकिन यह सफलता की परवाह नहीं करता है।
यह एक computer program के रूप में काम करता है जो स्मार्ट काम करता हैयह एक सरल अवधारणा मशीन है जो डेटा लेती है और डेटा से सीखती है।
लक्ष्य जटिल समस्या को हल करने के लिए natural intelligence का अनुकरण करना हैलक्ष्य इस कार्य पर मशीन के प्रदर्शन को अधिकतम करने के लिए निश्चित कार्य के डेटा से सीखना है।
यह परिस्थितियों में व्यवहार का जवाब देने के लिए मानव की नकल करने के लिए एक प्रणाली विकसित करता है।इसमें सेल्फ लर्निंग एल्गोरिदम बनाना शामिल है।
एआई optimal solution खोजने के लिए जाएगा।एमएल इसके लिए केवल समाधान के लिए जाएगा कि यह optimal है या नहीं।
AI के मुख्य अनुप्रयोग Siri, customer support using catboats, Expert System, Online game playing, intelligent humanoid robot, etc.।मशीन लर्निंग के मुख्य एप्लिकेशन ऑनलाइन अनुशंसा प्रणाली, Google खोज एल्गोरिदम, फेसबुक ऑटो मित्र टैगिंग सुझाव, आदि हैं।

क्यों python, machine learning और Artificial Intelligence के लिए परफेक्ट है ?

Python for ML
Python for ML

Artificial Intelligence (AI) और Machine Learning (ML) IT industry के नए ब्लैक हैं। जबकि इसके विकास की सुरक्षा पर चर्चा बढ़ती रहती है, डेवलपर्स artificial intellect की क्षमताओं और क्षमता का विस्तार करते हैं। आज Artificial Intelligence साइंस फिक्शन आइडिया से बहुत आगे निकल गया। यह एक आवश्यकता बन गई। व्यापक रूप से डेटा के भारी मात्रा में प्रसंस्करण और विश्लेषण के लिए उपयोग किया जा रहा है, AI उस काम को संभालने में मदद करता है जो मैन्युअल रूप से अब नहीं किया जा सकता है क्योंकि इसकी वृद्धि हुई मात्रा और तीव्रता के कारण।

जैसा कि विभिन्न channels और industries, big corporations में AI और ML को लागू किया जा रहा है, बड़े निगम इन क्षेत्रों में निवेश करते हैं, और एमएल और एआई के विशेषज्ञों की मांग तदनुसार बढ़ती है। IBM के मशीन लर्निंग विभाग के Jean Francois Puget ने अपनी राय व्यक्त की कि पायथन एआई और एमएल के लिए सबसे लोकप्रिय भाषा है और यह वास्तव में indeed.com पर एक प्रवृत्ति खोज परिणामों पर आधारित है।

Machine Learning के Advantages

machine learning के लाभों की एक अंतहीन संख्या है। हम उन लोगों पर एक नज़र डाल सकते हैं जो वास्तव में सहायक हैं।

machine learning कार्यभार और समय काटने के लिए जिम्मेदार है।चीजों को स्वचालित करके हम algorithms को हमारे लिए कड़ी मेहनत करने देते हैं।

ML के कारण, हम अब अधिक advanced computers डिजाइन कर रहे हैं। ये कंप्यूटर विभिन्न machine learning model और algorithms को कुशलता से संभाल सकते हैं।

medical, business, banking to science और technology तक हर जगह एमएल की भूमिका है।

Machine Learning के कई कारक हैं जो इसे विश्वसनीय बनाते हैं। उनमें से एक data handling है।इस समय डेटा की बात करें तो ML सबसे बड़ी भूमिका निभाता है। यह किसी भी प्रकार के डेटा को संभाल सकता है।

machine learning, multidimensional या विभिन्न प्रकार के डेटा हो सकते हैं।यह इन डेटा को संसाधित और विश्लेषण कर सकता है जो सामान्य सिस्टम नहीं कर सकते।डेटा किसी भी Machine Learning models का सबसे महत्वपूर्ण हिस्सा है।इसके अलावा, डेटा का अध्ययन और handling अपने आप में एक क्षेत्र है।

Machine Learning के Disadvantages

machine learning के फायदों के समान, हमें Machine Learning के Disadvantages भी जानना चाहिए। यदि आप विपक्ष को नहीं जानते हैं, तो आप एमएल के जोखिमों को नहीं जान पाएंगे। तो, आइए इन Disadvantages पर एक नजर डालते हैं:

ML में, हम सटीक परिणामों के आधार पर machine learning algorithms चुन सकते हैं। उसके लिए, हमें हर एल्गोरिदम पर परिणाम चलाना होगा।मुख्य समस्या डेटा के प्रशिक्षण और परीक्षण में होती है।डेटा बहुत बड़ा है, इसलिए कभी-कभी त्रुटियों को दूर करना लगभग असंभव हो जाता है।इन त्रुटियों के कारण उपयोगकर्ताओं को सिरदर्द हो सकता है।

वह machine learning में एक machine learning algorithms का चयन अभी भी एक मैनुअल काम है।हमें अपने डेटा को सभी machine learning algorithms में चलाना और परीक्षण करना होगा।उसके बाद ही हम तय कर सकते हैं कि हमें क्या एल्गोरिदम चाहिए।हम उन्हें परिणाम सटीकता के आधार पर चुनते हैं। प्रक्रिया time-consuming है।

ML में, हम लगातार डेटा पर काम करते हैं। हम training और testing के लिए बड़ी मात्रा में डेटा लेते हैं। यह प्रक्रिया कभी-कभी data inconsistency का कारण बन सकती है। कारण कुछ डेटा लगातार अपडेट होते रहते हैं। इसलिए, हमें नए डेटा के आने का इंतजार करना होगा। यदि नहीं, तो पुराना और नया डेटा अलग परिणाम दे सकता है। यह एक machine learning algorithms के लिए एक अच्छा संकेत नहीं है।

कई machine learning algorithms आपके विचार से अधिक समय ले सकते हैं। यहां तक कि अगर यह सबसे अच्छा machine learning algorithms है, तो यह कभी-कभी आपको आश्चर्यचकित कर सकता है।यदि आपका डेटा बड़ा और उन्नत है, तो सिस्टम को समय लगेगा।यह कभी-कभी अधिक CPU power का कारण हो सकता है। GPUs alongside के साथ भी, यह कभी-कभी व्यस्त हो जाता है। इसके अलावा, डेटा आवंटित स्थान से अधिक उपयोग कर सकता है।

Machine Learning का भविष्य

भविष्य के लाभों को देखने के लिए किसी भी संगठन के लिए Machine Learning एक competitive advantage हो सकता है। यह एक MNC या एक startup बनें क्योंकि वर्तमान में जो चीजें मैन्युअल रूप से की जा रही हैं, वे कल मशीनों द्वारा की जाएंगी और यह सुनिश्चित है। इसलिए, Machine Learning का भविष्य लंबे समय तक हमारे साथ रहेगी और इसलिए इसके फायदे होंगे।

हम यह सोचना चाहते हैं कि AI इतना स्मार्ट है कि उसने गलतियाँ नहीं की हैं। सच कहूं, तो मैं कहता हूं कि AI सिर्फ गलतियां करेगा जैसे हम इंसान करते हैं। गलतियों के लिए हमेशा त्रुटि का एक मार्जिन होने वाला है, लेकिन यह एक गणना जोखिम है।

यदि आपको मेरी यह post Machine Learning क्या होता है अच्छा लगा हो या इससे आपको कुछ सिखने को मिला हो तब अपनी प्रसन्नता और उत्त्सुकता को दर्शाने के लिए कृपया इस पोस्ट को Social Networks जैसे कि Facebook, Twitter इत्यादि पर share कीजिये.

Read Moreamazon go क्या है

Share this Article:

4 thoughts on “Machine Learning क्या होता है ?”

Leave a Comment

pradhan mantri awas yojana के द्वारा आपको मिलेगा 2.5 लाख तक की सुबिधा CTET Result 2022 Live Updates