मशीन लर्निंग शब्द का अर्थ एक ऐसा कंप्यूटर है जिसे प्रोग्राम के डेटा के साथ-साथ अपने स्वयं के इनपुट का उपयोग करके प्रशिक्षित किया जाता है, जिसमें ऑपरेटिंग मशीन से लेकर विज़न और स्पीच रिकग्निशन से लेकर रोबोट का समर्थन करने वाले सॉफ़्टवेयर तक शामिल हैं। आज हम एक ऐसे सफर की शुरुआत कर रहे हैं, जहां हम सभी को मशीन लर्निंग से परिचित कराते हैं और अब हम मशीन लर्निंग की कुछ अवधारणाओं और संभावित अनुप्रयोगों में गोता लगाएंगे।
पैटर्न पहचान एक डेटा में जटिल कारकों को पहचानने के लिए तंत्रिका नेटवर्क या जटिल मॉडल का उपयोग करने की प्रक्रिया है। हम हरे रंग की नाक के साथ एक काले कुत्ते का मॉडल बना सकते हैं और ठीक उसी इनपुट डेटा का उपयोग कर सकते हैं क्योंकि यह न केवल एक कुत्ता है, बल्कि इसकी भूरी आँखें और नीले नाखून और कुत्ते के समान हिस्से हैं।
याद रखना दुनिया में पैटर्न ढूंढ रहा है और इसका मतलब वाक् पहचान, संगीत पहचान या तस्वीरों का विश्लेषण हो सकता है। लोगों के एक बड़े समूह को सत्य साधक के रूप में परिभाषित किया जा सकता है और वे यह उजागर करना चाहते हैं कि वस्तुनिष्ठ रूप से सही और सही क्या है। विभिन्न स्थितियों के लिए भावनाओं को पहचानने और उन पर टिप्पणी करने की क्षमता एक निश्चित श्रेणी के कार्यों में एक महत्वपूर्ण विशेषता है जिसके लिए भावनाओं को पहचानने की आवश्यकता होती है जैसे कि बच्चों के साथ काम करना या उत्पादों या खाद्य समीक्षाओं की जांच करना।
मशीन लर्निंग के विपरीत, शब्दार्थ सत्य वे लोग या परिस्थितियाँ हैं जिनमें केवल जानकारी के कुछ हिस्से होते हैं जो यह सोचने के लिए सार्थक होते हैं कि लोगों का एक अलग समूह कुछ टुकड़ों को पहचानता है। इन “सूचना निकटता” को ज्ञान आधार या मेटा-बेस भी कहा जाता है।
मशीन लर्निंग के रूप में क्या मायने रखता है और क्या नहीं के बीच सीमांकन क्या है?
मशीन लर्निंग टूल्स की एक बड़ी मात्रा है जो लोगों के जीवन और करियर में मूल्य जोड़ती है। अधिकांश मशीन लर्निंग प्रकृति में गैर-संख्यात्मक है, लेकिन मुख्य रूप से संख्यात्मक डेटा है। मशीन सीखने के परिणाम रैखिक एल्गोरिदम और संख्याओं पर आधारित होते हैं, किसी भी एल्गोरिदम के रूप में, सांख्यिकी, बीजगणित या आंकड़ों को शामिल नहीं करते हैं। और मशीन लर्निंग डीप लर्निंग के समान नहीं है। मशीन लर्निंग कम और सरल एल्गोरिदम को नियोजित करता है, और दुनिया को नियमों और एल्गोरिदम के जटिल मिश्रण के रूप में मॉडल करने में सक्षम है। मशीन लर्निंग आमतौर पर भविष्य कहनेवाला हो सकता है, लेकिन इसके साथ चुनौतियां हैं। भविष्य कहनेवाला समझ अच्छी तरह से करना आसान नहीं है। बहुत सटीक भविष्यवाणी प्रणालियों के साथ अनुकूलन भी संभव नहीं हो सकता है।
मशीन लर्निंग की पहली परत पैटर्न की पहचान और बाहरी पहचान को शामिल करने के लिए कुछ एल्गोरिथम तरीके हैं। तकनीकों का उद्देश्य आउटलेर्स, मूल्यों को स्थापित करना है जो स्थापित औसत से अलग हो जाते हैं, या ऐसे व्यक्ति जो आबादी का एक सबसेट शामिल करते हैं। ये तकनीकें आमतौर पर बड़े पैमाने के संगठनों तक सीमित होती हैं, लेकिन इन्हें कहीं और लागू किया जा सकता है।
