मशीन लर्निंग

मशीन लर्निंग (या Machine Learning) एक ऐसी मशीन बनाने का अध्ययन है जो अपने आप निर्णय लेने में सक्षम हो। ML मशीन लर्निंग का संक्षिप्त रूप है। मशीन लर्निंग इंसान के सीखने के करीब है क्योंकि इसमें हमें किसी मशीन को प्रोग्राम करने की जरूरत नहीं होती है। हम मशीन को केवल डेटा और फीडबैक देते हैं और बाकी काम "मॉडल बनाने से लेकर समस्या के समाधान तक" मशीन द्वारा ही किया जाता है।

मशीन लर्निंग मशीन को अधिक बुद्धिमान बनाता है। ML मशीन को देता है: सीखने की क्षमता।

मशीन लर्निंग के आज और आने वाले दिनों में कई उपयोग हैं। यदि आप डेटा साइंटिस्ट या डेटा एनालिस्ट बनना चाहते हैं तो मशीन लर्निंग एक आवश्यक कौशल है जिसे आपको जानना चाहिए।

मशीन लर्निंग में मशीन को प्रशिक्षित करने के लिए तीन मुख्य तकनीकों का उपयोग किया जाता है।

1. Supervised Learning

जब हमारे पास "labeled data" होता है तो हम Supervised मशीन लर्निंग का उपयोग करते हैं। डेटा को टैग और कक्षाओं की मदद से लेबल किया जाता है, और यह एक सुपरवाइज़र के रूप में कार्य करता है जो मशीन को बताता है कि उसका अनुमानित आउटपुट सही है या गलत।

प्रशिक्षण चरण में, मशीन इनपुट और संबंधित आउटपुट दोनों को जानती है। एक बार जब मशीन Supervised learning के साथ एक मॉडल बना लेती है, तो इस मॉडल का उपयोग प्रशिक्षण डेटा के समान सामग्री वाले नए डेटासेट के आउटपुट की भविष्यवाणी करने के लिए किया जा सकता है। उदाहरण के लिए: यदि आप मशीन को फलों की पहचान करने के लिए प्रशिक्षित करते हैं तो इसका उपयोग सब्जियों की पहचान के लिए नहीं किया जा सकता।

2. Unsupervised Learning

Unsupervised मशीन लर्निंग में, हमारे पास एक "unlabeled" डेटासेट होता है। दूसरे शब्दों में आप कह सकते हैं कि हम मशीन को raw डेटा के साथ प्रशिक्षित करते हैं। इस प्रकार की मशीन लर्निंग तकनीक आर्टिफिशियल इंटेलिजेंस के करीब है, जहां मशीन पूरी तरह से अपने आप सीखती है।

Unsupervised learning में, मशीन डेटा का विश्लेषण करके छिपे हुए पैटर्न का पता लगाती है। इस तकनीक से प्रशिक्षित मॉडल का उपयोग अन्य प्रकार के डेटासेट के लिए भी किया जा सकता है।

3. Reinforcement Learning

Reinforcement मशीन लर्निंग में, मशीन "फीडबैक" से सीखती है। दूसरे शब्दों में आप कह सकते हैं कि मशीन "ट्रायल एंड एरर" से सीखती है।

Reinforcement learning में, मशीन पहले निर्णय लेती है और डेटा वैज्ञानिक से प्रतिक्रिया (feedback) मांगती है। प्रतिक्रिया "सकारात्मक (+ve)" या "नकारात्मक (-ve)" के रूप में दी जा सकती है। यदि प्रतिक्रिया सकारात्मक है तो मशीन ने सही निर्णय लिया, यदि प्रतिक्रिया नकारात्मक है तो मशीन ने गलत निर्णय लिया, इसलिए मशीन एक नया निर्णय लेती है और प्रतिक्रिया की प्रतीक्षा करती है।

मशीन लर्निंग का आविष्कार कब और किसके द्वारा किया गया?

मशीन लर्निंग शब्द 1959 में आर्थर सैमुअल द्वारा दिया गया था। वह IBM के कर्मचारी थे और कंप्यूटर गेमिंग और आर्टिफिशियल इंटेलिजेंस के क्षेत्र में अग्रणी थे।

मशीन लर्निंग कैसे काम करती है?

मशीन सीखने की प्रक्रिया डेटा एकत्र करने से शुरू होती है। इंटरनेट पर कई परीक्षण डेटासेट उपलब्ध हैं। डेटा इकट्ठा करने के बाद, डेटा की सफाई की प्रक्रिया शुरू होती है। इस चरण में, हम डेटा से त्रुटियों को हटाते हैं, लापता डेटा जोड़ते हैं, और इसे उच्च गुणवत्ता वाला बनाते हैं। सुपराइज्ड लर्निंग के लिए हम डेटा को लेबल भी करते हैं। इसके बाद मशीन को डेटा दिया जाता है, यहां वास्तविक मशीन सीखने की प्रक्रिया शुरू होती है।

डेटा प्राप्त करने के बाद मशीन विभिन्न एल्गोरिदम और गणितीय सूत्रों का उपयोग करके डेटा को समझने की कोशिश करती है। इसे प्रशिक्षण चरण कहा जाता है। कुछ एल्गोरिदम क्लस्टरिंग, ग्रेडिएंट डिसेंट, लीनियर रिग्रेशन, नाइव बेज़, सपोर्ट वेक्टर मशीन (एसवीएम), आदि हैं। डेटा को समझने और डेटा में संबंध खोजने के बाद मशीन किसी दिए गए समस्या को यथासंभव सटीक रूप से हल करने के लिए एक गणितीय मॉडल बनाती है। प्रशिक्षण चरण में आप मॉडल को तेज और अधिक सटीक बनाने के लिए मशीन को फीडबैक भी दे सकते हैं।

प्रशिक्षण चरण समाप्त होने के बाद, परीक्षण चरण शुरू होता है। परीक्षण चरण में हम मशीन को नया डेटासेट देते हैं और पिछले डेटा के आधार पर, मशीन मॉडल नई समस्या को हल करता है। तो आप कह सकते हैं कि मशीन सीखने की प्रक्रिया में तीन चरण होते हैं: डेटा एकत्र करना और संसाधित करना, प्रशिक्षण और परीक्षण।

मशीन लर्निंग में प्रयुक्त Python लाइब्रेरी:

• Numpy
• Pandas
• TensorFlow
• Scipy
• Scikit-learn

मशीन लर्निंग के लिए Python सबसे लोकप्रिय भाषा है क्योंकि इसमें कई libraries हैं। कुछ सबसे लोकप्रिय python libraries ऊपर दिए गए हैं। मशीन को प्रशिक्षित करने के लिए R भी एक लोकप्रिय प्रोग्रामिंग भाषा है।

मशीन लर्निंग क्यों महत्वपूर्ण है?

मशीन लर्निंग महत्वपूर्ण है क्योंकि यह हमारे काम को बहुत आसान बनाता है। एक बार जब हम मशीन को किसी कार्य को करने के लिए प्रशिक्षित कर देते हैं, तो हमें कुछ भी करने की आवश्यकता नहीं होती है मशीन स्वचालित रूप से अपना काम करती रहती है और हमें परिणाम प्रदान करती है। आजकल यह एक ऐसा कारक बन गया है जो किसी कंपनी की सफलता को काफी हद तक प्रभावित करता है। Google, Facebook, Microsoft, Uber आदि जैसी बड़ी कंपनियां अपने कई उत्पादों में मशीन लर्निंग का उपयोग करती हैं।

Introduction

1. Machine Learning क्या है?
2. मशीन लर्निंग कैसे काम करती है?
3. Supervised Learning
4. Unsupervised Learning
5. Supervised और Unsupervised लर्निंग के बीच अंतर
6. Machine Learning और Artificial Intelligence के बीच अंतर
7. मशीन लर्निंग के अनुप्रयोग