A definition of What is Machine Learning?
मशीन लर्निंग क्या है?
मशीन लर्निंग कृत्रिम बुद्धिमत्ता (एआई) का एक अनुप्रयोग है जो सिस्टम को स्पष्ट रूप से प्रोग्राम किए बिना अनुभव से स्वचालित रूप से सीखने और सुधारने की क्षमता प्रदान करता है। मशीन लर्निंग कंप्यूटर प्रोग्राम के विकास पर ध्यान केंद्रित करता है जो डेटा तक पहुंच सकता है और इसका उपयोग खुद के लिए सीख सकता है।
Machine learning focuses on the development of computer programs that can access data and use it learn for themselves.
सीखने की प्रक्रिया टिप्पणियों या डेटा से शुरू होती है, जैसे कि उदाहरण, प्रत्यक्ष अनुभव, या निर्देश, ताकि डेटा में पैटर्न की तलाश की जा सके और भविष्य में हमारे द्वारा प्रदान किए जाने वाले उदाहरणों के आधार पर बेहतर निर्णय ले सकें। प्राथमिक उद्देश्य कंप्यूटर को मानवीय हस्तक्षेप या सहायता के बिना स्वचालित रूप से सीखने और तदनुसार क्रियाओं को समायोजित करने की अनुमति देना है।
The primary aim is to allow the computers learn automatically without human intervention or assistance and adjust actions accordingly.
लेकिन, मशीन लर्निंग के क्लासिक एल्गोरिदम का उपयोग करते हुए, पाठ को कीवर्ड के अनुक्रम के रूप में माना जाता है; इसके बजाय, शब्दार्थ विश्लेषण पर आधारित एक दृष्टिकोण एक पाठ के अर्थ को समझने की मानवीय क्षमता की नकल करता है।
Some machine learning methods कुछ मशीन सीखने के तरीके
मशीन लर्निंग एल्गोरिदम को अक्सर पर्यवेक्षित या अनुपयोगी के रूप में वर्गीकृत किया जाता है।
Supervised machine learning algorithms
सुपरवाइज्ड मशीन लर्निंग एल्गोरिदम भविष्य के घटनाओं की भविष्यवाणी करने के लिए लेबल किए गए उदाहरणों का उपयोग करके नए डेटा के लिए अतीत में जो सीखा गया है, उसे लागू कर सकता है। एक ज्ञात प्रशिक्षण डेटासेट के विश्लेषण से शुरू होकर, सीखने का एल्गोरिथ्म आउटपुट मानों के बारे में भविष्यवाणियां करने के लिए एक अनुमानित कार्य करता है। सिस्टम पर्याप्त प्रशिक्षण के बाद किसी भी नए इनपुट के लिए लक्ष्य प्रदान करने में सक्षम है। लर्निंग एल्गोरिथ्म इसके आउटपुट की सही, इच्छित आउटपुट के साथ तुलना कर सकता है और तदनुसार मॉडल को संशोधित करने के लिए त्रुटियों का पता लगा सकता है।
In contrast, unsupervised machine learning algorithms
इसके विपरीत, अप्रशिक्षित मशीन लर्निंग एल्गोरिदम का उपयोग तब किया जाता है जब ट्रेन में प्रयुक्त जानकारी को न तो वर्गीकृत किया जाता है और न ही लेबल किया जाता है। अनसेफाइरेटेड लर्निंग स्टडीज कैसे सिस्टम अनलिस्टेड डेटा से एक छिपे हुए ढांचे का वर्णन करने के लिए एक फ़ंक्शन का अनुमान लगा सकता है। सिस्टम सही आउटपुट का पता नहीं लगाता है, लेकिन यह डेटा की पड़ताल करता है और अनलिस्टेड डेटा से छिपी हुई संरचनाओं का वर्णन करने के लिए डेटासेट से इनवॉइस आकर्षित कर सकता है।
Semi-supervised machine learning algorithms
सेमी-सुपरवाइज्ड मशीन लर्निंग एल्गोरिदम पर्यवेक्षित और अनसेफर्ड लर्निंग के बीच कहीं गिर जाते हैं, क्योंकि वे प्रशिक्षण के लिए लेबल और अनबैलेंस्ड डेटा दोनों का उपयोग करते हैं – आमतौर पर लेबल किए गए डेटा की एक छोटी राशि और अनलिस्टेड डेटा की एक बड़ी मात्रा। इस पद्धति का उपयोग करने वाले सिस्टम सीखने की सटीकता में काफी सुधार करने में सक्षम हैं। आमतौर पर, अर्ध-पर्यवेक्षित सीखने को चुना जाता है, जब अधिग्रहीत लेबल डेटा को इसे प्रशिक्षित करने और उससे सीखने के लिए कुशल और प्रासंगिक संसाधनों की आवश्यकता होती है। अन्यथा, गैर-सूचीबद्ध डेटा प्राप्त करने के लिए आम तौर पर अतिरिक्त संसाधनों की आवश्यकता नहीं होती है।
Reinforcement machine learning algorithms
सुदृढीकरण मशीन लर्निंग एल्गोरिदम एक सीखने की विधि है जो क्रियाओं का उत्पादन करके अपने वातावरण के साथ बातचीत करती है और त्रुटियों या पुरस्कारों को रोकती है। परीक्षण और त्रुटि खोज और विलंबित इनाम सुदृढीकरण सीखने के सबसे प्रासंगिक लक्षण हैं। यह विधि मशीनों और सॉफ्टवेयर एजेंटों को अपने प्रदर्शन को अधिकतम करने के लिए एक विशिष्ट संदर्भ में आदर्श व्यवहार को स्वचालित रूप से निर्धारित करने की अनुमति देती है। एजेंट के लिए यह जानने के लिए कि कौन सी क्रिया सबसे अच्छी है, सरल इनाम फीडबैक आवश्यक है; यह सुदृढीकरण संकेत के रूप में जाना जाता है।
processing large volumes of information.
मशीन लर्निंग भारी मात्रा में डेटा का विश्लेषण करने में सक्षम बनाता है। हालांकि यह आम तौर पर लाभदायक अवसरों या खतरनाक जोखिमों की पहचान करने के लिए अधिक सटीक परिणाम प्रदान करता है, इसे ठीक से प्रशिक्षित करने के लिए अतिरिक्त समय और संसाधनों की भी आवश्यकता हो सकती है। एआई और संज्ञानात्मक प्रौद्योगिकियों के साथ मशीन लर्निंग को संयोजित करना सूचना के बड़े संस्करणों के प्रसंस्करण में इसे और भी प्रभावी बना सकता है।
