मशीन लर्निंग कंप्यूटर साइंस का एक क्षेत्र है जिसका अर्थ है 'मशीन लर्निंग'।
यह कृत्रिम बुद्धि की अवधारणा का हिस्सा है, जो लोगों द्वारा किए जाने वाले कार्यों को करने के लिए मशीनों के तरीकों का अध्ययन करता है।
यह कंप्यूटर में उपयोग की जाने वाली प्रोग्रामिंग है, जो पूर्व-निर्धारित नियमों द्वारा बनाई गई है जो कंप्यूटर को उपयोगकर्ता द्वारा उपयोग किए गए पिछले डेटा और डेटा के आधार पर निर्णय लेने की अनुमति देती है।
किए गए कार्यक्रमों के अनुसार, कंप्यूटर में निर्णय लेने की क्षमता होती है जो समस्याओं को हल कर सकती है या इंटरनेट पर प्रकाशनों को बढ़ावा दे सकती है, उदाहरण के लिए।
मशीन लर्निंग कैसे काम करती है?
संचालन का आधार एल्गोरिदम हैं, जो सूचना और निर्देशों से बना परिभाषित अनुक्रम हैं जिनका कंप्यूटर द्वारा पालन किया जाएगा।
ये क्रम कंप्यूटर को स्थिति और उसमें दर्ज की गई जानकारी के अनुसार निर्णय लेने की अनुमति देते हैं।
यह एल्गोरिथम है जो इस बारे में जानकारी रखता है कि कुछ प्रक्रियाओं और संचालन को कैसे किया जाना चाहिए या किसी कार्रवाई को कैसे किया जाना चाहिए।
एल्गोरिदम का उपयोग करने के लिए कई प्रकार की एप्लिकेशन और प्रोग्रामिंग भाषाएं हैं। वे उस आवश्यकता के अनुसार भिन्न होते हैं जो पूरी की जाएगी या बनाए गए एल्गोरिथम के उद्देश्य के अनुसार।
मशीन लर्निंग के प्रकार
मशीन लर्निंग के दो मुख्य प्रकार हैं: पर्यवेक्षित शिक्षण और अनुपयोगी शिक्षण।
पर्यवेक्षित अध्ययन
पर्यवेक्षित शिक्षण में, मशीन में दर्ज डेटा का एक पिछला सेट होता है और उपयोगकर्ता को दिए जाने वाले सुझाव पंजीकृत डेटा के समान होने चाहिए।
मूल रूप से जानकारी का उपयोग उपयोगकर्ता द्वारा अपेक्षित परिणाम की भविष्यवाणी करने या उपयोग किए गए तत्वों को वर्गीकृत करने के लिए किया जाता है।
उदाहरण: इंटरनेट ब्राउज़र में एक फोटोग्राफ रखा जाता है, जो छवि की उत्पत्ति या अन्य समान छवियों के बारे में जानकारी खोजने के लिए खोज करता है।
अनुपयोगी शिक्षा
अनुपयोगी शिक्षा में कोई विशिष्ट अपेक्षित परिणाम नहीं होता है, अर्थात सूचना के पार होने के परिणामों की भविष्यवाणी करना संभव नहीं है।
इस प्रकार के अधिगम में आँकड़ों को समूहीकृत किया जाता है और परिणाम चरों के अनुसार परिवर्तित होते हैं।
उदाहरण: एक पुस्तकालय खोज इंजन में विविध परिणाम प्राप्त करना संभव है। परिणाम बदलना प्रदर्शन की गई खोज के प्रकार और उपयोग किए जाने वाले चर, जैसे पुस्तक का नाम, लेखक का नाम या प्रकाशन तिथि पर निर्भर करता है।
यह भी देखें कृत्रिम होशियारी.
मशीन लर्निंग किसके लिए है?
मशीन लर्निंग का उपयोग कई कार्यों के लिए किया जा सकता है। आजकल सोशल मीडिया, इंटरनेट सर्च और डिजिटल मार्केटिंग में सबसे अधिक उपयोग किया जाता है।
उदाहरण के लिए, इंटरनेट उपयोगकर्ता को सुझाव देने के लिए मशीन लर्निंग एल्गोरिदम का उपयोग किया जाता है। इनका उपयोग ई-कॉमर्स वेबसाइटों, सोशल नेटवर्क, गेम, वीडियो स्टोरेज प्लेटफॉर्म और म्यूजिक प्लेबैक एप्लिकेशन में किया जाता है।
इस मामले में, एल्गोरिदम उपयोगकर्ता को नए सुझाव देने के लिए आपके अनुक्रम डेटा और इंटरनेट ब्राउज़िंग इतिहास डेटा का उपयोग करता है। ब्राउज़िंग और डेटा साझाकरण के दौरान उपयोगकर्ता प्राथमिकताओं का उपयोग समान कार्यक्रमों या सेवाओं का सुझाव देने के लिए किया जाता है।
ये अधिक सामान्य उपयोग हैं, लेकिन मशीन लर्निंग ज्ञान को कई अन्य स्थितियों में भी लागू किया जा सकता है, जैसे:
- इंटरनेट खोज,
- डेटा संग्रह और विश्लेषण,
- स्पैम संदेशों को ट्रैक करना,
- सूचना का संगठन और वर्गीकरण,
- इंटरनेट पर धोखाधड़ी की खोज करें।
के बीच अंतर यंत्र अधिगम तथा ध्यान लगा के पढ़ना या सीखना
मशीन लर्निंग और डीप लर्निंग दोनों ही आर्टिफिशियल इंटेलिजेंस का उपयोग करने के तरीके हैं। लेकिन उनके बीच एक अंतर है क्योंकि डीप लर्निंग (जिसका अर्थ है डीप लर्निंग) में मानवीय सीखने की क्षमता के समान विशेषताएं हैं।
डीप लर्निंग भी स्थापित डेटा से परिणामों की भविष्यवाणी का उपयोग करता है। अंतर यह है कि यह अधिक सटीक रूप से होता है, जैसे कि किसी व्यक्ति के मस्तिष्क में क्या होता है क्योंकि कंप्यूटर अधिक लचीले ढंग से जानकारी को अनुकूलित कर सकता है।
ऐसा इसलिए होता है क्योंकि डीप लर्निंग में एक कृत्रिम तंत्रिका नेटवर्क बनाया जाता है, जो मानव मस्तिष्क में न्यूरॉन्स के नेटवर्क के समान कार्य करता है।
यह नेटवर्क है जो मशीन के कामकाज को मस्तिष्क के कामकाज के साथ कई समानताएं बनाता है और जानकारी को सीखने और व्याख्या करने में सक्षम है।
के अर्थ भी देखें सॉफ्टवेयर तथा Bitcoin.
