यंत्र अधिगम
मशीन लर्निंग क्या है?
मशीन लर्निंग वह अवधारणा है जो कंप्यूटर प्रोग्राम मानव हस्तक्षेप के बिना नए डेटा को सीख और अनुकूलित कर सकता है। मशीन लर्निंग कृत्रिम बुद्धिमत्ता (एआई) का एक क्षेत्र है जो दुनिया भर की अर्थव्यवस्था में बदलाव की परवाह किए बिना कंप्यूटर के अंतर्निहित एल्गोरिदम को चालू रखता है।
चाबी छीन लेना
- मशीन लर्निंग कृत्रिम बुद्धिमत्ता (एआई) का एक अवधारणा है जो एक कंप्यूटर प्रोग्राम मानव हस्तक्षेप के बिना नए डेटा को सीख और अनुकूलित कर सकता है।
- एक जटिल एल्गोरिथ्म या स्रोत कोड एक कंप्यूटर में बनाया गया है जो मशीन को डेटा की पहचान करने और उस डेटा के आसपास भविष्यवाणियों का निर्माण करने की अनुमति देता है जो इसे पहचानता है।
- निर्णय लेने में सहायता करने के लिए मशीन लर्निंग दुनिया में लगातार और आसानी से उपलब्ध होने वाली जानकारी की भारी मात्रा को पार्स करने में उपयोगी है।
- मशीन लर्निंग को कई क्षेत्रों में लगाया जा सकता है, जैसे कि निवेश, विज्ञापन, उधार, समाचारों का आयोजन, धोखाधड़ी का पता लगाना, और बहुत कुछ।
मशीन लर्निंग को समझना
अर्थव्यवस्था के विभिन्न क्षेत्र विषम स्रोतों से विभिन्न स्वरूपों में उपलब्ध भारी मात्रा में डेटा के साथ काम कर रहे हैं। बड़ी मात्रा में डेटा, जिसे बड़े डेटा के रूप में जाना जाता है, प्रौद्योगिकी के प्रगतिशील उपयोग, विशेष रूप से उन्नत कंप्यूटिंग क्षमताओं और क्लाउड स्टोरेज के कारण आसानी से उपलब्ध और सुलभ हो रहा है। कंपनियों और सरकारों को विशाल अंतर्दृष्टि का एहसास होता है जो बड़े डेटा में दोहन से प्राप्त किया जा सकता है लेकिन इसकी जानकारी के धन के माध्यम से कंघी करने के लिए आवश्यक संसाधनों और समय की कमी होती है। जैसे, डेटा सेट से उपयोगी जानकारी इकट्ठा करने, प्रक्रिया करने, संचार करने और साझा करने के लिए विभिन्न उद्योगों द्वारा कृत्रिम बुद्धिमत्ता उपायों को नियोजित किया जा रहा है। एआई का एक तरीका जो बड़े डेटा प्रोसेसिंग के लिए तेजी से उपयोग किया जाता है, वह मशीन लर्निंग है।
मशीन लर्निंग के विभिन्न डेटा एप्लिकेशन मशीन या कंप्यूटर में निर्मित एक जटिल एल्गोरिथ्म या स्रोत कोड के माध्यम से बनते हैं। यह प्रोग्रामिंग कोड एक मॉडल बनाता है जो डेटा की पहचान करता है और इसके द्वारा पहचाने जाने वाले डेटा के आसपास भविष्यवाणियां बनाता है। मॉडल अपनी निर्णय लेने की प्रक्रिया के लिए पैटर्न बनाने के लिए एल्गोरिथ्म में निर्मित मापदंडों का उपयोग करता है। जब नया या अतिरिक्त डेटा उपलब्ध हो जाता है, तो एल्गोरिथ्म एक पैटर्न परिवर्तन की जांच के लिए मापदंडों को स्वचालित रूप से समायोजित करता है, यदि कोई हो। हालाँकि, मॉडल को बदलना नहीं चाहिए।
मशीन लर्निंग के उपयोग
मशीन लर्निंग का उपयोग विभिन्न क्षेत्रों में विभिन्न कारणों से किया जाता है। नए निवेश अवसरों की पहचान करने के लिए ट्रेडिंग सिस्टम को कैलिब्रेट किया जा सकता है। उपयोगकर्ताओं के इंटरनेट खोज इतिहास या पिछले लेनदेन के आधार पर अपने उपयोगकर्ताओं को सटीक और व्यक्तिगत सिफारिशें प्रदान करने के लिए विपणन और ई-कॉमर्स प्लेटफ़ॉर्म को ट्यून किया जा सकता है। उधार देने वाले संस्थान बुरे ऋणों की भविष्यवाणी करने और क्रेडिट जोखिम मॉडल का निर्माण करने के लिए मशीन लर्निंग को शामिल कर सकते हैं। सूचना हब दुनिया के सभी कोनों से समाचारों की भारी मात्रा को कवर करने के लिए मशीन लर्निंग का उपयोग कर सकते हैं। बैंक मशीन लर्निंग तकनीक से धोखाधड़ी का पता लगाने वाले उपकरण बना सकते हैं । डिजिटल-प्रेमी युग में मशीन सीखने का समावेश अंतहीन है क्योंकि व्यवसाय और सरकार उन अवसरों के बारे में अधिक जागरूक हो जाते हैं जो बड़े डेटा प्रस्तुत करते हैं।
मशीन लर्निंग का अनुप्रयोग
वित्तीय दुनिया में एक चित्रण द्वारा मशीन सीखने के कार्यों को बेहतर तरीके से कैसे समझाया जा सकता है। परंपरागत रूप से, वित्तीय शोधकर्ताओं, विश्लेषकों, परिसंपत्ति प्रबंधकों और व्यक्तिगत निवेशकों जैसे प्रतिभूति बाजार में निवेश करने वाले खिलाड़ी निवेश के लाभदायक निर्णय लेने के लिए दुनिया भर की विभिन्न कंपनियों से बहुत सारी जानकारी प्राप्त करते हैं। हालाँकि, कुछ प्रासंगिक जानकारी मीडिया द्वारा व्यापक रूप से प्रचारित नहीं की जा सकती है और केवल कुछ चुनिंदा लोगों के लिए ही निजी हो सकती है, जिन्हें कंपनी या उस देश के निवासियों के कर्मचारी होने का फायदा होता है जहाँ से जानकारी उपजी है। इसके अलावा, केवल इतनी जानकारी है कि मनुष्य एक निश्चित समय सीमा के भीतर एकत्र और प्रक्रिया कर सकता है। यह वह जगह है जहाँ मशीन सीखने में आता है।
एक परिसंपत्ति प्रबंधन फर्म अपने निवेश विश्लेषण और अनुसंधान क्षेत्र में मशीन सीखने को नियुक्त कर सकती है। मान लें कि परिसंपत्ति प्रबंधक केवल खनन शेयरों में निवेश करता है। सिस्टम में बनाया गया मॉडल वेब को स्कैन करता है और व्यवसायों, उद्योगों, शहरों और देशों से सभी प्रकार की समाचार घटनाओं को एकत्र करता है और एकत्रित की गई यह जानकारी डेटा सेट बनाती है। फर्म के परिसंपत्ति प्रबंधक और शोधकर्ता अपनी मानव शक्तियों और बुद्धि का उपयोग करके डेटा सेट में जानकारी प्राप्त करने में सक्षम नहीं होंगे। मॉडल के साथ निर्मित पैरामीटर केवल खनन कंपनियों, अन्वेषण क्षेत्र पर नियामक नीतियों और डेटा सेट से चुनिंदा देशों में राजनीतिक घटनाओं के बारे में डेटा निकालते हैं।
मशीन लर्निंग का उदाहरण
माइनिंग कंपनी XYZ का कहना है कि उसने दक्षिण अफ्रीका के एक छोटे से शहर में एक हीरे की खान की खोज की। एक परिसंपत्ति प्रबंधक के हाथों में एक मशीन सीखने का उपकरण जो खनन कंपनियों पर केंद्रित है, इसे प्रासंगिक डेटा के रूप में उजागर करेगा। मशीन लर्निंग टूल में मॉडल तब भविष्यवाणियां करने के लिए भविष्य कहनेवाला एनालिटिक्स नामक एक एनालिटिक्स टूल का उपयोग करेगा कि क्या खनन उद्योग एक समय अवधि के लिए लाभदायक होगा, या किस खनन स्टॉक के आधार पर एक निश्चित समय में मूल्य में वृद्धि होने की संभावना है, संपत्ति प्रबंधक से किसी भी इनपुट के बिना, हाल ही में मिली जानकारी। यह जानकारी अपने पोर्टफोलियो का विश्लेषण करने और निर्णय लेने के लिए परिसंपत्ति प्रबंधक से संबंधित है। परिसंपत्ति प्रबंधक फिर XYZ स्टॉक में लाखों डॉलर का निवेश करने का निर्णय ले सकता है।
प्रतिकूल घटना के मद्देनजर, जैसे कि दक्षिण अफ्रीकी खनिक हड़ताल पर जा रहे हैं, कंप्यूटर एल्गोरिथ्म एक नया पैटर्न बनाने के लिए अपने मापदंडों को स्वचालित रूप से समायोजित करता है। इस तरह, मशीन में बनाया गया कम्प्यूटेशनल मॉडल दुनिया की घटनाओं में बदलाव के साथ भी चालू रहता है और परिवर्तनों को प्रतिबिंबित करने के लिए मानव को अपने कोड को ट्वीक करने की आवश्यकता के बिना। क्योंकि परिसंपत्ति प्रबंधक को समय पर यह नया डेटा प्राप्त हुआ, वे स्टॉक से बाहर निकलकर अपने नुकसान को सीमित करने में सक्षम हैं ।