इस लेख को पढ़ने से पहले हम अनुशंसा करते हैं कि आप पढ़ें क्या है Data Science, यह क्या करता है और किन उद्देश्यों से करता है
मशीन लर्निंग एल्गोरिथम द्वारा एनिमेटेड मशीन, सेवा में प्रवेश करने से पहले, एक सीखने के चरण से गुजरती है, जो कि सीखना है, जिसे प्रशिक्षण के रूप में जाना जाता है। इस चरण में मशीन उपलब्ध कराए गए ऐतिहासिक डेटा का अध्ययन करती है।
मशीन लर्निंग के गुण और क्लासिकल प्रोग्रामिंग और मशीन लर्निंग के बीच के अंतर पर जाने से पहले, आइए एक उदाहरण देखें जो निश्चित रूप से हमें बेहतर ढंग से समझने में मदद करेगा।
मान लीजिए कि हम अपने कार्यक्रमों में से एक को सबसे अच्छी यातायात स्थितियों में मोटरवे पर यात्रा के समय से संबंधित जानकारी के लिए संवाद करते हैं, ताकि हमें जवाब देने में सक्षम एल्गोरिदम को निर्देश दिया जा सके जैसे कि यह एक आवाज सहायक था।
प्रत्येक पथ के लिए हम निम्नलिखित जानकारी को एल्गोरिथम से संप्रेषित करेंगे:
फिर वॉयस असिस्टेंट के जरिए हम मशीन को बताने जाएंगे:
जैसा कि हमने आवाज सहायक के माध्यम से डेटा का संचार किया है, हमारा कार्यक्रम इस प्रकार की एक तालिका को फीड करेगा:
आखिरकार अगर हमारी मशीन मशीन लर्निंग एल्गोरिदम द्वारा एनिमेटेड थी, तो यह प्रदान की गई जानकारी से सीख लेगी, और इस प्रकार यात्रा के समय के रूप में परिणाम की भविष्यवाणी करेगी। इसलिए हम अपने कार्यक्रम से एक प्रश्न पूछ सकते हैं: "ट्यूरिन से मिलान तक 1000 कारों और डीजल के साथ ... इसमें कितना समय लगता है?"
उदाहरण गलत है, बल्कि यथार्थवादी है। लेकिन यह मशीन लर्निंग के उद्देश्य को संक्षेप में प्रस्तुत करने में मदद करता है।
उदाहरण से संकेत लेते हुए, आइए शास्त्रीय प्रोग्रामिंग और मशीन लर्निंग के बीच के अंतर को देखने का प्रयास करें।
परंपरागत रूप से, क्लासिक कोड लिखने वाले प्रोग्रामर को:
फिर मानव की बुद्धि का उपयोग प्रोग्राम कोड लिखने के लिए किया जाता है जो समस्या का समाधान कर सकता है।
इस मामले में, प्रोग्रामर को प्राप्त जानकारी को संग्रहीत और संरचित करने के लिए एक प्रणाली के बारे में सोचना होगा। इसके बाद, जब क्लासिक प्रोग्रामिंग के साथ लिखे गए एप्लिकेशन के ऑपरेटर प्रश्न पूछते हैं, तो मशीन निकटतम ज्ञात जानकारी के साथ प्रतिक्रिया देगी, जो कि संग्रहीत के समान है।
मशीन लर्निंग में, यह हैकृत्रिम बुद्धिमत्ता कार्यक्रम ऐतिहासिक डेटा का अध्ययन करने में सक्षम है, समस्या को हल करने के लिए मॉडल बनाने के लिए, और अंत में मशीन प्रोग्रामर को मॉडल उपलब्ध कराती है।
मशीन लर्निंग द्वारा एनिमेटेड मशीन में, प्रोग्राम यात्रा के समय की भविष्यवाणी करना सीखता है क्योंकि सेवा में प्रवेश करने से पहले मशीन एक सीखने के चरण से गुजर चुकी है। तब मशीन ने मॉडल द्वारा निर्धारित और व्याख्या किए गए तर्क के आधार पर सबसे उचित जानकारी के साथ प्रतिक्रिया करना सीख लिया है, जो वास्तविकता के सबसे करीब है।
मशीन लर्निंग में, मॉडल प्रक्रिया का केंद्र बन जाता है। एक बार उत्पन्न और शिक्षित होने के बाद, इसे उपलब्ध रखा जा सकता है। नए डेटा के साथ प्रत्येक नई क्वेरी, प्रशिक्षण के लिए उपयोग किए जाने वाले प्रारूप के समान, एक नया परिणाम देगी।
डेटा साइंटिस्ट की भूमिका थोड़ी बदल जाती है, यानी उसे प्रशिक्षण चरण के माध्यम से कार्यक्रम के साथ मॉडल की पीढ़ी तक जाना होगा। ऐसा करने के लिए, वह रणनीति चुनने, उद्देश्यों की योजना बनाने, डेटा तैयार करने और मॉडल की प्रभावशीलता के साथ-साथ सुधार की किसी भी संभावना को सत्यापित करने के लिए परीक्षण करने के लिए जिम्मेदार होगा।
प्रत्येक पुनरावृत्ति में बेहतर और वास्तविक तत्वों को जोड़ने के उद्देश्य से इस प्रक्रिया को दोहराया जा सकता है, कई बार दोहराया जा सकता है। इस तरह आप बाद के चरणों के लिए इष्टतम समाधान के करीब पहुंच सकते हैं, प्रशिक्षण में सुधार कर सकते हैं, परीक्षण में सुधार कर सकते हैं, और इसलिए मशीन।
अंतिम लक्ष्य हमेशा एक ऐसा मॉडल बनाना होता है जो ऐतिहासिक डेटा को जानता हो, उसके तर्क और पैटर्न को समझता हो, और इसलिए भविष्य की स्थितियों के परिणाम की भविष्यवाणी करने में सक्षम हो।
Ercole Palmeri: नवाचार आदी
कैटेनिया पॉलीक्लिनिक में ऐप्पल विज़न प्रो कमर्शियल व्यूअर का उपयोग करके एक ऑप्थाल्मोप्लास्टी ऑपरेशन किया गया…
रंग भरने के माध्यम से बढ़िया मोटर कौशल विकसित करना बच्चों को लेखन जैसे अधिक जटिल कौशल के लिए तैयार करता है। रंग भरना…
नौसैनिक क्षेत्र एक सच्ची वैश्विक आर्थिक शक्ति है, जो 150 अरब के बाज़ार की ओर बढ़ चुका है...
पिछले सोमवार को, फाइनेंशियल टाइम्स ने OpenAI के साथ एक समझौते की घोषणा की। एफटी अपनी विश्व स्तरीय पत्रकारिता को लाइसेंस देता है...