मशीन लर्निंग का परिचय

प्रशिक्षण एक सार्वभौमिक कौशल है जो ग्रह पर किसी भी जीवित जीव में निहित है।

सीखना अनुभव या अध्ययन के माध्यम से ज्ञान और कौशल का अधिग्रहण है। यह वह है जो हमें एकजुट करता है और एक ही समय में हमें अद्वितीय बनाता है। यह वह है जो समय के साथ विकसित होता है।



अगर मैं कहूँ, "कारें भी सीख सकती हैं"?

हम रोबोटिक्स, कृत्रिम बुद्धिमत्ता और मशीन लर्निंग के विकास के एक अद्भुत समय में रहते हैं। मशीन लर्निंग अभी भी एक काफी नई अवधारणा है। हम मशीनों को सीखना सीख सकते हैं, और कुछ मशीनें अपने दम पर सीख सकती हैं। जादू!

यह लेख आपको मशीन सीखने की मूल बातों से परिचित कराएगा।
सबसे महत्वपूर्ण बात जिसे आपको समझने की आवश्यकता है: मशीनें अतीत के आधार पर भविष्य की भविष्यवाणी कर सकती हैं।

मशीन लर्निंग क्या है?

मशीन लर्निंग मानती है कि एक कंप्यूटर विशिष्ट नियमों के साथ प्रोग्राम किए जाने के बजाय उदाहरणों के साथ पैटर्न को पहचानता है। ये पैटर्न डेटा में निहित हैं।

मशीन लर्निंग एल्गोरिदम (नियमों का एक सेट) का निर्माण है जो डेटा से जटिल कार्यों (टेम्पलेट्स) से सीखते हैं और भविष्यवाणियां करते हैं।

यह 3 चरणों में होता है:
1) डेटा विश्लेषण
2) पैटर्न ढूंढना
3) पैटर्न आधारित भविष्यवाणी

मशीन लर्निंग एप्लीकेशन

मशीन लर्निंग का उपयोग कहां किया जा सकता है, इसका अवलोकन करें

• हेल्थकेयर: डॉक्टरों के लिए रोगी के निदान की भविष्यवाणी करना
• सोशल नेटवर्क: डेटिंग साइट पर संगतता का पूर्वानुमान
• वित्त: पूर्वानुमान क्रेडिट कार्ड धोखाधड़ी
• ई-कॉमर्स: ग्राहकों का बहिर्वाह
• जीवविज्ञान: जीन उत्परिवर्तन के पैटर्न की खोज करें जो कैंसर का कारण बन सकते हैं

कार कैसे सीखते हैं?

मैं आपको भ्रमित नहीं करना चाहता, इसलिए मैं सिर्फ इतना कहना चाहता हूं कि मशीन बड़े डेटा सेट में समान डेटा खोजकर सीखती हैं। जितना अधिक डेटा मशीन में स्थानांतरित किया जाता है, उतना ही "स्मार्ट" हो जाता है।

सभी डेटा समान नहीं हैं। कल्पना कीजिए कि आप एक समुद्री डाकू हैं और आपका लक्ष्य द्वीप पर कहीं खजाना ढूंढना है। ऐसा करने के लिए, आपको बहुत सारी जानकारी चाहिए। डेटा की तरह, यह जानकारी आपको सही दिशा में या गलत दिशा में ले जा सकती है। सूचना / डेटा जितना अधिक सटीक होगा, सफलता की संभावना उतनी ही अधिक होगी। इसलिए, उस डेटा के प्रकार पर विचार करना महत्वपूर्ण है जिसके साथ प्रशिक्षण होगा।

हालांकि, पर्याप्त डेटा के बाद, मशीन भविष्यवाणियां कर सकती है। मशीनें भविष्य की भविष्यवाणी कर सकती हैं जब तक कि भविष्य अतीत से बहुत अलग न हो।

मशीन लर्निंग के प्रकार

मशीन सीखने की तीन मुख्य श्रेणियां हैं:

सुपरवाइज्ड लर्निंग : मशीन चयनित डेटा से सीखती है। आमतौर पर, डेटा लोगों द्वारा नोट किया जाता है।

Unsupervised Learning : मशीन चयनित डेटा से नहीं सीख रही है। मुद्दा यह है कि डेटा के बीच "सही" उत्तर नहीं है, मशीन को वस्तुओं के बीच संबंध खोजना होगा।

सुदृढीकरण सीखना : एक मशीन इनाम आधारित प्रणाली के माध्यम से सीखती है।

1. पर्यवेक्षित शिक्षा (शिक्षक प्रशिक्षण)

एक शिक्षक के साथ सीखना मशीन सीखने का सबसे सामान्य और अध्ययन किया गया प्रकार है, क्योंकि चयनित डेटा के साथ मशीन को प्रशिक्षित करना आसान है। आप जो भविष्यवाणी करना चाहते हैं, उसके आधार पर, शिक्षक के साथ शिक्षण का उपयोग दो प्रकार की समस्याओं को हल करने के लिए किया जा सकता है: प्रतिगमन समस्या और वर्गीकरण समस्या।

प्रतिगमन उद्देश्य:

यदि आप निरंतर मूल्यों की भविष्यवाणी करना चाहते हैं, उदाहरण के लिए, डिग्री में घर या मौसम के मूल्य की भविष्यवाणी करने का प्रयास करें, प्रतिगमन का उपयोग करें। इस प्रकार के कार्य में मूल्यों की एक विशिष्ट सीमा नहीं है, क्योंकि मूल्य प्रतिबंध के बिना किसी भी संख्या हो सकती है।

वर्गीकरण कार्य:

यदि आप असतत मूल्यों की भविष्यवाणी करना चाहते हैं, जैसे कुछ को वर्गीकृत करना, वर्गीकरण का उपयोग करना। प्रश्न "क्या कोई व्यक्ति खरीदारी करेगा" का एक उत्तर है जो दो विशिष्ट श्रेणियों में आता है: हाँ या नहीं। मान्य उत्तरों की संख्या निश्चित रूप से है।

2. अप्रशिक्षित शिक्षा (शिक्षक के बिना सीखना)

चूंकि मशीनों में प्रशिक्षण के लिए डेटा चिह्नित नहीं है, इसलिए शिक्षक के बिना मशीन सीखने का उद्देश्य डेटा में पैटर्न का पता लगाना और उन्हें समूह बनाना है।
शिक्षक के बिना सीखना 2 प्रकार की समस्याओं को हल करता है: क्लस्टरिंग समस्या और साहचर्य नियमों को खोजने का कार्य।

क्लस्टरिंग का कार्य:

एक शिक्षक के बिना सीखने से डेटा में समानता खोजने, क्लस्टरिंग की समस्या का समाधान होता है। यदि कोई सामान्य क्लस्टर या समूह है, तो एल्गोरिथ्म उन्हें एक विशिष्ट रूप में वर्गीकृत करेगा। इसका एक उदाहरण ग्राहकों द्वारा उनकी पिछली खरीद के आधार पर समूहीकरण है।

साहचर्य नियम खोजने का कार्य:

एक शिक्षक के बिना सीखना विभिन्न समूहों के नियमों और अर्थ को समझने की कोशिश करके इस समस्या को हल करता है। एक आकर्षक उदाहरण ग्राहक खरीद के बीच संबंध की खोज है। स्टोर यह पता लगा सकते हैं कि कौन से उत्पाद एक साथ खरीदे गए और बिक्री के लिए इस जानकारी का उपयोग करें। एक अध्ययन में पाया गया कि बीयर और डायपर खरीदने के बीच घनिष्ठ संबंध है। यह पता चला है कि जो पुरुष अपने बच्चों के लिए डायपर खरीदने के लिए बाहर जाते हैं, वे भी अपने लिए बीयर खरीदने की प्रवृत्ति रखते हैं।

3. सुदृढीकरण सीखने

इस प्रकार की मशीन लर्निंग के लिए एक इनाम / जुर्माना प्रणाली के उपयोग की आवश्यकता होती है। लक्ष्य यह है कि कार को पुरस्कृत किया जाए जब वह सही तरीके से अध्ययन कर रहा हो, और गलत तरीके से अध्ययन करने पर मशीन को सजा दे।

सुदृढीकरण सीखना उदाहरण

- लर्निंग मशीनें खेलना सीखना सीखें ( शतरंज, गो )
- सुपर मारियो , कैसे अध्ययन और खेलने के लिए

हमने मशीन सीखने की बुनियादी बातों के बारे में बात की, विषय दिलचस्प और आशाजनक है, इसलिए अधिक जानने के लिए समय न दें।

मशीन सीखने के लिए एक शुरुआती गाइड :)