What is Machine Learning : मशीन लर्निंग artificial intelligence (AI) का एक सेट है जो कंप्यूटर को स्पष्ट रूप से प्रोग्राम किए बिना अनुभव से सीखने और सुधार करने में सक्षम बनाता है।
यह algorithms और मॉडल के विकास के इर्द-गिर्द घूमता है जो स्वचालित रूप से सीख सकते हैं और डेटा के आधार पर भविष्यवाणियां या निर्णय ले सकते हैं।
मशीन लर्निंग ऐसे सिस्टम बनाने पर केंद्रित है जो पैटर्न को पहचान सकते हैं, extract meaningful insights निकाल सकते हैं, और निर्णय या भविष्यवाणियां कर सकते हैं, जो अक्सर बड़े डेटासेट या जटिल पैटर्न से जुड़े कार्यों में मानवीय क्षमताओं से आगे निकल जाते हैं।
मशीन लर्निंग कैसे काम करता है?
कल्पना कीजिए कि आप कंप्यूटर को विभिन्न प्रकार के फलों को पहचानना सिखा रहे हैं। यह बताने के बजाय कि सेब, संतरे से कैसे अलग है, आप उसे सेब और संतरे की बहुत सारी तस्वीरें दिखाते है ।
कंप्यूटर इन तस्वीरों को देखता है और खुद ही सेब और संतरे के पैटर्न नोटिस करना शुरू कर देता है। कंप्यूटर समँझ सकता है कि सेब आमतौर पर लाल या हरे होते हैं और उनका आकार गोल होता है, जबकि संतरे भी आम तौर पर नारंगी और गोल होते हैं लेकिन उनकी बनावट अलग होती है।
फिर, जब आप कंप्यूटर को किसी ऐसे फल की नई तस्वीर दिखाते हैं, जिसे उसने पहले नहीं देखा है, तो वह अनुमान लगाने के लिए पिछली तस्वीरों से सीखी गई बातों का उपयोग करता है। यदि यह गोल और लाल दि खता है, तो कंप्यूटर कह सकता है, “अरे, यह सेब जैसा दिखता है!”
तो, सरल शब्दों में, मशीन लर्निंग एक कंप्यूटर को उदाहरण देकर सिखाने और उन उदाहरणों में पैटर्न को पहचानकर चीजों को समझने देने जैसा है। फिर, उसने जो सीखा है उसका उपयोग उन पैटर्न के आधार पर नई चीजों के बारे में भविष्यवाणी या निर्णय लेने के लिए करता है।
आर्टिफीसियल इंटेलिजेंस (AI) क्या है?, इसके फायदे, नुकसान और फ्यूचरe-RUPI कैसे काम करता है और इसके फायदे और नुकसान
मशीन लर्निंग कितने प्रकार का होता है?
मशीन लर्निंग तीन चरण में विभाजित किया जहां पर कंप्यूटर के गणितीय मॉडल का निर्माण और प्रशिक्षण शामिल है जो डेटा से सीखते हैं। इन मॉडलों को विभिन्न तरीकों का उपयोग करके प्रशिक्षित किया जा सकता है।
- Supervised Learning
- Unsupervised Learning
- Reinforcement Learning
Supervised learning
Supervised learning एक प्रकार की मशीन लर्निंग है। जिसमे algorithm, labeled training data से सीखते है। इस प्रशिक्षित की प्रकिर्या में training model को input output सिखाया जाता है। एल्गोरिदम का लक्ष्य इनपुट और आउटपुट के बीच संबंध सीखना है। ताकि वह नए, अनदेखे डेटा पर भविष्यवाणियां या निर्णय ले सके।
supervised learning में कंप्यूटर को दो तरीको से सिखाया जाता है, दोनों तरीकों का विवरन नीचे दिया गया है।
Classification
Classification में, एल्गोरिदम किसी दिए गए Input के लिए एक categorical label या class की भविष्यवाणी करना सीखता है। उदाहरण के लिए, यह निर्धारित करना कि कोई ईमेल स्पैम है या स्पैम नहीं, जानवरों की छवियों को विभिन्न श्रेणियों में वर्गीकृत करना, या लक्षणों के आधार पर यह अनुमान लगाना कि किसी मरीज को कोई विशेष बीमारी है या नहीं।
यानि कि अल्गोरिथम दिए गए उदाहरण या input से अनुसार यह prediction करते है की यह किस वर्ग का मटेरियल है, सिस्टम पहले से मौजूद डाटा का इस्तमाल करके एक नया output देता है जो कि पहले वाले इनपुट से मिलता जुलता है परन्तु अलग है।
Regression
Regression में, एल्गोरिदम निरंतर संख्यात्मक मानों या मात्राओं की भविष्यवाणी करना सीखता है। उदाहरण के लिए, Square footage , बैडरूम की संख्या और स्थान जैसी सुविधाओं के आधार पर घर की कीमतों की भविष्यवाणी करना, पुराने डेटा के आधार पर स्टॉक की कीमतों का पहले ही अनुमान लगाना, या विभिन्न कारकों के आधार पर किसी उत्पाद की बिक्री का अनुमान लगाना आदि ।
Unsupervised learning
Unsupervised learning एक ऐसी मशीन लर्निंग है जिसमे algorithm को किसी unlabeled data पर प्रशिक्षित किया जाता है जिसमे कोई भी specific output नहीं दिया जाता। algorithm का उद्देश्य पैटर्न को समझना और ढूढ़ना होता है, जैसे कि कल्पना कीजिए कि आपके पास विभिन्न फलों से भरी एक टोकरी है, लेकिन आप नहीं जानते कि प्रत्येक फल का नाम क्या है? आप चाहते है की कंप्यूटर इनको पहचान कर अपने आप अलग अलग समूह में बाँट दे। Unsupervised learning में कंप्यूटर को ये सब सिखाया जाता है।
Unsupervised learning के तीन प्रकार है
- Clustering
- Dimensionality Reduction
- Association
Clustering
Clustering मशीन लर्निंग में चीज़ों को उनकी समानता के आधार पर समूहों में arranging करना है।
कल्पना कीजिए कि आपके पास विभिन्न खिलौनों का एक समूह है, और आप उन्हें व्यवस्थित करना चाहते हैं।
आप उनके रंग, आकार या आकार को देखकर शुरुआत कर सकते हैं। उदाहरण के लिए, एल्गोरिदम सभी लाल खिलौनों को एक साथ करके, अलग समूह बना देगा, सभी गोल खिलौनों को दूसरे समूह में और सभी छोटे खिलौनों को एक अलग समूह में रख सकते हैं।
Dimensionality Reduction
Dimensionality reduction, मशीन लर्निंग में, जटिल चीजों को बेहतर ढंग से समझने के लिए उन्हें सरल बनाने जैसा है। यह बहुत सारी जानकारी (जैसे बहुत सारी विशेषताएं या गुणवत्ता ) लेने और जानकारी के कम टुकड़ों के साथ इसे प्रस्तुत करने का एक तरीका खोजने के बारे में है, लेकिन फिर भी सबसे महत्वपूर्ण सामग्री को बनाए रखना है।
कल्पना कीजिए, आपके पास विभिन्न जानवरों की तस्वीरों का एक विशाल collection है। प्रत्येक तस्वीर बहुत सारी जानकारी है जैसे छाल(त्वचा ) का रंग, जानवर का आकार, निवास स्थान आदि के बारे में विवरण। अब, मान लें कि आप इन तस्वीरों को इस तरह से व्यवस्थित करना चाहते हैं कि प्रत्येक जानवर का सार कैप्चर हो जाए लेकिन कम विवरण(कम शब्दों ) में।
उदाहरण के तोर पर – जानवरों के चित्र
Lion – बड़ा आकार, सुनहरा फर, सवाना में रहता है
Penguin – छोटे आकार का, काले और सफेद पंख वाला, बर्फीले क्षेत्रों में रहता है
Elephant – विशाल आकार, भूरे रंग की त्वचा, जंगलों में रहता है
Association
Association मशीन लर्निंग में विभिन्न वस्तुओं के बीच कनेक्शन को उजागर करने के लिए, विशेष रूप से बड़े डेटासेट में, डेटा में दिलचस्प संबंधों या पैटर्न की खोज करना शामिल है। यह उन नियमों को खोजने जैसा है जो दिखाते हैं कि चीजें एक-दूसरे से कैसे संबंधित हैं या एक साथ घटित होती हैं।
For Example – कल्पना कीजिए कि आप एक किराने की दुकान चला रहे हैं और खरीदारी के पैटर्न को समझना चाहते हैं। एसोसिएशन लर्निंग आपको यह पहचानने में मदद करती है कि ग्राहक अक्सर कौन सी वस्तुएँ एक साथ खरीदते हैं। उदाहरण के लिए, इससे पता चल सकता है कि जो लोग ब्रेड खरीदते हैं वे दूध भी खरीदते हैं। यह जानकारी आपको सुविधा के लिए स्टोर में इन वस्तुओं को एक साथ रखने या लक्षित प्रचार के लिए इसका उपयोग करने में मदद कर सकती है।
Reinforcement Learning
Reinforcement learning में रोबोट को trial और error के माध्यम से सीखने के लिए मार्गदर्शन करने को कहा (command दी जाती ) जाता है , अच्छे व्यवहार को पुरस्कृत करने ( अच्छे पॉइंट देना )और बेहतर परिणाम प्राप्त करने व गलत काम करने पर दण्डित किया जाता है ( कम पॉइंट देना ) ताकि वह अपने कार्यों को बेहतर बनाना सिख सके ।
मान लीजिये, कि आप एक रोबोट को कमरा साफ करना सिखा रहे हैं। रोबोट randomly इधर-उधर घूमने और सफाई करने या वस्तुओं को उठाने जैसी विभिन्न गतिविधियों को आजमाने से शुरू होता है।
हर बार जब रोबोट किसी स्थान को साफ़ करता है, तो आप उसे एक अंक (reward point ) देते हैं। यदि इससे कोई गड़बड़ी होती है या इसमें बहुत अधिक समय लगता है, तो कोई अंक नहीं या कोई नकारात्मक बिंदु (punishment ) दी जाती है ।
रोबोट समय के साथ सीखता है कि कुछ कार्यों से अधिक अंक मिलते हैं, इसलिए वह उन कार्यों का समर्थन करना शुरू कर देता है। यह अधिकतम अंक प्राप्त करने के लिए कमरे को कुशलतापूर्वक साफ करने का सबसे अच्छा तरीका पता लगाता है।