मशीन लर्निंग क्या है?

What is Machine Learning in Hindi

शुरू करने के लिए, आइए AI और मशीन लर्निंग के लिए आर्टिफिशियल इंटेलिजेंस के बीच संबंधों के बारे में बात करते हैं। एआई मानव जैसी बुद्धि का उपयोग करके गतिविधियों को करने के लिए मशीनों की व्यापक क्षमता को संदर्भित करता है, मशीन लर्निंग या शॉर्ट-फॉर्म एमएल एक प्रकार की कृत्रिम बुद्धिमत्ता है जो कंप्यूटर को ऐसा करने के लिए स्पष्ट रूप से प्रोग्राम किए बिना अनुभव से स्वचालित रूप से सीखने और सुधारने की अनुमति देता है। मशीन लर्निंग कंप्यूटर का उपयोग करना डेटा से पैटर्न की खोज करना और भविष्यवाणियां करना सीख सकता है पर्यवेक्षित शिक्षण एक प्रकार की मशीन लर्निंग तकनीक है जिसमें डेटा सेट से प्रत्येक प्रशिक्षण नमूने में एक संबंधित लेबल या आउटपुट मान होता है, जिसके परिणामस्वरूप एल्गोरिथ्म सीखता है लेबल या आउटपुट मूल्यों की भविष्यवाणी करें आप घर की बिक्री मूल्य की भविष्यवाणी करने या किसी छवि में वस्तु को वर्गीकृत करने जैसे काम करने के लिए पर्यवेक्षित शिक्षण का उपयोग कर सकते हैं।




प्रशिक्षण डेटा के लिए कोई लेबल नहीं है एल्गोरिदम अंतर्निहित पैटर्न या वितरण को सीखने की कोशिश करता है जो डेटा को नियंत्रित करता है जिसे आप इस तकनीक के बारे में और अधिक खोजेंगे बाद में इस पाठ में याद रखें पर्यवेक्षित और असुरक्षित शिक्षण मॉडल में पैटर्न की खोज करने के लिए डेटा का निरीक्षण करते हैं, फिर मनुष्य पैटर्न का उपयोग करते हैं नई समझ हासिल करने या भविष्यवाणियां करने के लिए मॉडल द्वारा सीखा गया एक अन्य प्रकार का मशीन लर्निंग है जिसे रीइन्फोर्समेंट लर्निंग कहा जाता है जो एक अलग दृष्टिकोण लेता है। सुदृढीकरण सीखना सीख रहा है कि इनाम को अधिकतम करने के लिए एक स्थिति में क्या कार्रवाई करनी है, यह उसी तरह है जैसे आप अपने पालतू जानवरों को प्रशिक्षित कर सकते हैं यदि आपका कुत्ता कुछ ऐसा करता है जो आप करना चाहते हैं तो आप उसे एक इलाज के साथ पुरस्कृत कर सकते हैं यदि वह ऐसा कुछ करता है जो आप नहीं चाहते हैं ऐसा करने के लिए आप इसे एक छोटे से दंड के साथ ठीक कर सकते हैं जैसे कि अपनी आवाज उठाना थोड़ा सा ही आपका कुत्ता उन चीजों को करना सीखता है जिनसे इलाज मिलता है और उन चीजों को करने से बचते हैं जिनसे मशीन सीखने में सुधार होता है।




रीइन्फोर्समेंट लर्निंग ठीक इसी तरह काम करता है, अब देखते हैं कि मशीन लर्निंग कैसे समस्याओं को हल करने में मदद करती है और यह पारंपरिक समस्या समाधान से कैसे अलग है। सॉफ्टवेयर के साथ पारंपरिक समस्या समाधान में, एक व्यक्ति एक समस्या का विश्लेषण करता है और कई वास्तविक दुनिया के उदाहरणों के लिए उस समस्या को हल करने के लिए इंजीनियरों को कोड में समाधान करता है।




इस प्रक्रिया में बहुत समय लगता है यह असंभव भी हो सकता है क्योंकि सही समाधान के लिए कई किनारे के मामलों पर विचार करने की आवश्यकता होती है उदाहरण के लिए एक प्रोग्राम लिखने के चुनौतीपूर्ण कार्य की कल्पना करें जो यह पता लगा सके कि कोई बिल्ली छवि में मौजूद है या नहीं पारंपरिक समस्या समाधान अलग-अलग प्रकाश व्यवस्था की स्थिति, विभिन्न प्रकार के स्कैट्स रंग आदि जैसे विवरणों पर सावधानीपूर्वक ध्यान देने की आवश्यकता होगी। मशीन लर्निंग में हमारे पास एक लचीला घटक है जिसे मॉडल कहा जाता है हमारे पास एक विशेष कार्यक्रम भी है जिसे मॉडल प्रशिक्षण एल्गोरिदम कहा जाता है ताकि मॉडल को वास्तविक दुनिया के डेटा में समायोजित किया जा सके। एक प्रशिक्षित मॉडल जिसका उपयोग परिणामों की भविष्यवाणी करने के लिए किया जा सकता है जो इसे प्रशिक्षित करने के लिए उपयोग किए गए डेटा सेट का हिस्सा नहीं हैं। एक तरह से मशीन लर्निंग कुछ सांख्यिकीय तर्क और पैटर्न मिलान को स्वचालित करता है जो समस्या सॉल्वर पारंपरिक रूप से मॉडल के लचीलेपन को करता है, यहाँ कुंजी है मशीन सीखने के क्षेत्र में तेजी से और हाल ही में वृद्धि देखी गई है क्योंकि आप अपनी मशीन सीखने की यात्रा शुरू कर सकते हैं। इस पाठ में हम जिन शब्दों का उपयोग करेंगे, उनकी संबंधित लेकिन अलग-अलग परिभाषाएँ देखें, ऐसा इसलिए है क्योंकि मशीन लर्निंग सांख्यिकी लागू गणित और कंप्यूटर विज्ञान के चौराहे पर एक नया क्षेत्र है, इनमें से प्रत्येक क्षेत्र में समान शर्तों के लिए थोड़ी अलग औपचारिक परिभाषा हो सकती है।