Machine Learning Kya Hai in Hindi | मशीन लर्निंग क्या हैं ?

Machine Learning Kya Hai in Hindi और कैसे काम करता है? : Hello दोस्तों स्वागत है आपका technicalbandu.com के इस नए पोस्ट मैं जिसमें आप जानेंगे की मशीन लर्निंग क्या हैं? | What is Machine Learning in Hindi की हर चीज़ के बारे मे जानेगे|

क्या आप जानते हैं की ये Machine Learning Kya Hai? सुनने में तो ये बहुत ही technical term लगता है. लेकिन अगर आप इसके बारे में ठीक से समझ जाएँ तब ये बहुत ही आसान का funda है जिसे आजकल प्राय सभी जगहों में इस्तमाल में लाया जाता है. यह एक ऐसी प्रकार की learning है जिसमें machine खुदबखुद बहुत सी चीज़ें सिख लेता है बिना उसे explicitly programmed किये. यह एक प्रकार का application होता है AI (Artificial Intelligence) का जो की system को ये ability प्रदान करता है जिससे वो automatically अपने experience से ही learn करें और अपने आप को improve करें.

सुनने में भले ही यह मुमकिन न लगे लेकिन ये सच है क्यूंकि आजकल AI इतना ज्यादा advanced हो गया है की जिससे ये Machines को ऐसे बहुत से काम करा सकता है जो की पहले सोचा पाना भी मुमकिन नहीं था. चूँकि Machine Learning से dynamic environment में multi-dimensional और multi-variety data को आसानी से handle किया जा सकता है इसलिए इसके विषय में पूरी जानकारी प्राप्त करना सभी Technical Students के लिए बहुत जरूरी है.

Machine Learning के ऐसे हजारों advantages हैं जिन्हें की हम अपने दैनिक कार्यों में इस्तमाल में लाते हैं. इसलिए आज मैंने सोचा की क्यूँ न आप लोगों को Machine Learning क्या है और ये कैसे काम करता है के विषय में जानकारी प्रदान करूँ जिससे आपको इसे और बेहतर रूप में समझने में आसानी होगी. तो बिना देरी किये चलिए शुरू करते हैं और मशीन लर्निंग क्या होता है के विषय में जानते हैं

मशीन लर्निंग क्या है ? | What Is Machine Learning 

मशीन लर्निंग क्या हैं-  जैसे की मैंने पहले ही बताया है की यह एक प्रकार का application होता है artificial intelligence (AI) का जो की systems को यह ability प्रदान करता है की जिससे वो automatically learn कर सकें और जरूरत पड़ने पर खुद की improve भी कर सकें. ऐसा करने के लिए वो अपने experience को ही काम में लाते हैं न की उन्हें explicitly programmed किया जाता है. Machine learning हमेशा Computer Programs के development पर focus करता है जिससे वो data को access कर सके और बाद में उसे खुद के learning के लिए इस्तमाल कर सके.

इसमें learning data के observations से शुरू होता है, उदहारण के लिए direct experience, या instruction, data में patterns को ढूंडना और भविस्य में बेहतर decisions लेने में आसानी हो. Machine Learning का मुख्य लक्ष्य है कैसे computers automatically learn करें बिना किसी human intervention या assistance के जिससे वो अपने actions को उस हिसाब से adjust कर सके.

मशीन लर्निंग कैसे काम करता है | How Machine Learning Works

मशीन लर्निंग वह मस्तिष्क है जहां सभी कंप्यूटर या मशीन इंसानी दिमाग जैसा सीखने लगते हैं. मशीन जिस तरह से सीखती है वह इंसान के समान है मनुष्य अनुभव से सीखता है जितना अधिक हम जानते हैं उतनी ही आसानी से हम भविष्यवाणी कर सकते हैं. सादृश्य द्वारा, जब हम एक अज्ञात स्थिति का सामना करते हैं तो सफलता की संभावना ज्ञात स्थिति से कम होती है. मशीनों को प्रशिक्षित किया जाता है. सटीक भविष्यवाणी करने के लिए, मशीन एक उदाहरण देखती है.

जब हम मशीन को एक समान उदाहरण देते हैं. तो यह परिणाम का पता लगा सकता है. हालांकि, एक मानव की तरह, यदि इसका एक अनदेखी उदाहरण दिया जाता है. तो मशीन को भविष्यवाणी करने में कठिनाइयां होती हैं. मशीन लर्निंग का मुख्य उद्देश्य सीखना और अनुमान है. सबसे पहले मशीन, पैटर्न की खोज के माध्यम से सीखती है. यह खोज डेटा के लिए धन्यवाद है.

डेटा, लर्निंग का एक महत्वपूर्ण हिस्सा ध्यान से चुनना है कि मशीन को कौन सा डेटा प्रदान करना है. किसी समस्या को हल करने के लिए उपयोग की जाने वाली विशेषताओं की सूची को फीचर वेक्टर कहा जाता है. आप एक सुविधा वेक्टर को डेटा के सबसेट के रूप में सोच सकते हैं. जो किसी समस्या से निपटने के लिए उपयोग किया जाता है.

मशीन किसी वास्तविकता को आसान बनाने और इस खोज को एक मॉडल में बदलने के लिए कुछ फैंसी एल्गोरिथ्म का उपयोग करती है. इसलिए, डेटा का वर्णन करने और इसे एक मॉडल में सारांशित करने के लिए सीखने की अवस्था का उपयोग किया जाता है.

उदाहरण के लिए– मशीन एक व्यक्ति के वेतन और एक फैंसी रेस्तरां में जाने की संभावना के बीच संबंधों को समझने की कोशिश कर रही है. यह पता चला है कि मशीन मजदूरी और एक उच्च अंत रेस्तरां में जाने के बीच एक सकारात्मक संबंध पाती है.

निष्कर्ष निकालते है– जब मॉडल बनाया जाता है. तो यह परीक्षण करना संभव है. कि यह कभी नहीं-देखा जाने वाले डेटा से पहले कितना शक्तिशाली है. नया डेटा एक फीचर वेक्टर में तब्दील हो जाता है. मॉडल के माध्यम से जाता है और एक भविष्यवाणी देता है.

यह मशीन लर्निंग का खूबसूरत हिस्सा है. नियमों को अद्यतन करने या मॉडल को फिर से प्रशिक्षित करने की आवश्यकता नहीं है नए डेटा पर इंट्रेंस बनाने के लिए आप पहले से प्रशिक्षित मॉडल का उपयोग कर सकते हैं. मशीन लर्निंग प्रोग्राम्स का जीवन सीधा है और इन्हें निम्नलिखित बिंदुओं में संक्षेपित किया जा सकता है-

• Define a question
• Collect data
• Visualize data
• Train algorithm
• Test the Algorithm
• Collect feedback
• Refine the algorithm
• Loop 4-7 until the results are satisfying
• Use the model to make a prediction

एक बार एल्गोरिथ्म सही निष्कर्ष निकालने में अच्छा हो जाता है. तो यह उस ज्ञान को डेटा के नए सेट पर लागू करता है.

मशीन लर्निंग का इतिहास | Machine Learning History In Hindi?

वर्ष 1940 में पहली बार मैन्युअली तैयार किये गए ENIAC नामक कंप्यूटर का अविष्कार किया गया. उस समय कंप्यूटर को इंसानी मशीन के रूप में जाना जाता था क्योंकि यह विभिन्न गणितीय गणनाओं को आसानी से कर सकता था.

इसलिए ENIAC कंप्यूटर को “गणितीय कंप्यूटर मशीन” भी कहा जाता था. कंप्यूटर विशेषज्ञों को 1950 में पहली बार मनुष्य की तरह सोचने तथा सीखने वाले कंप्यूटर को तैयार करने का ख्याल आया. इसके प्रयास में 1950 मे पहला कंप्यूटर गेम विकसित किया गया जो विश्व चैंपियन व्यक्ति को हरा सकता था.

इस प्रोग्राम ने कंप्यूटर में गेम प्लेयर्स को कम समय में बेहतरीन एक्शन लेने में मदद की जिसके परिणामस्वरूप आज शक्तिशाली कंप्यूटर में शतरंज, लुडो आदि कई कम्प्युटर गेम्स हैं, जो अपनी मशीनी क्षमता से किसी भी इंसान को हराने की ताकत रखते हैं.

1990 के दशक में मशीन लर्निंग तकनीक प्रसिद्ध हो चुकी थी. अब मशीन लर्निंग को Data-Driven में तब्दील कर दिया. बड़े पैमाने पर डेटा उपलब्ध होने के कारण वैज्ञानिकों ने बुद्धिमान मशीन बनाने की ओर पहला कदम उठाया तथा. उस सिस्टम में बड़ी संख्या में डेटा उपलब्ध होने के कारण हम डेटा का विश्लेषण तथा चीजों को आसानी से सीख सकते थे.

मशीन लर्निंग तकनीक का सबसे बड़ा उदाहरण Deep Blue Computer है जिसने विश्व चैंपियन “गैरी कास्पारोव” (शतरंज चैंपियन) को मात दी. इस तरह हम कह सकते हैं कि 1990 का दशक मशीन लर्निंग के लिए सुनहरा युग था. Machine Learning Kya Hai ?

मशीन लर्निंग के प्रकार | Types Of Machine Learning In Hindi

मशीन लर्निंग के निम्नलिखित प्रकार जोकि एल्गोरिथ्म आधारित है –

1. Supervised Machine Learning
2. Unsupervised Machine Learning
3. Semi-Supervised Machine Learning
4. Reinforcement Machine Learning

• Supervised Machine Learning

इस प्रकार के एल्गोरिथ्म में, मशीन को अपने पिछले अनुभवों से सिखाया जाता है. ये नया डेटा लागू करता है ताकि वह पहले दिए गए उदाहरण का उपयोग करके भविष्य की घटनाओं का अनुमान लगा सके. यह एल्गोरिथ्म उसी तरह से काम करता है जिस तरह से मनुष्य अपने अनुभवों से सीखता हैं

Supervised Learning में इन मशीनों को इनपुट के रूप में विभिन्न प्रकार के उदाहरण और उत्तर दिए जाते हैं जिनसे ये एल्गोरिथ्म का प्रयोग कर सीखते हैं और इन इनपुट के आधार पर सही आउटपुट का अनुमान लगाते हैं

• Unsupervised Machine Learning

Unsupervised मशीन लर्निंग एल्गोरिथ्म Supervised एल्गोरिथ्म का विपरीत होता है. इसमे इनपुट के रूप उदाहरण और जबाब पहले से नहीं दिए जाते हैं. इसमे Machine एल्गोरिथ्म को खुद ही डाटा के आधार पर अनुमान लगाना होता है. इसीलिए ये एल्गोरिथ्म टेस्ट डाटा या रियल डाटा का उपयोग कर अनुमान लगाते हैं

• Semi-Supervised Machine Learning

Semi-Supervised एल्गोरिथ्म दोनों Supervised और Unsupervised Machine Learning के बीच मे आता है. क्योंकि यह प्रशिक्षण के लिए दोनों available और unavailable डाटा का इस्तेमाल करते हैं और अनुमान लगाते हैं

• Reinforcement Machine Learning

Reinforcement Learning, मशीन लर्निंग मॉडल का प्रशिक्षण है ताकि निर्णय का एक क्रम बनाया जा सके. Reinforcement Learning क्रियाओं को प्रस्तुत करके अपने आस-पास के वातावरण का विश्लेषण करता है और साथ ही त्रुटि को भी बताता है

Machine Learning के Advantages

वैसे तो Machine Learning के बहुत सारे advantages हैं जिनके विषय में शायद ही हमें पता हो. लेकिन यहाँ पर मैंने कुछ महत्वपूर्ण advantages के विषय में जानते हैं.

1. Machine learning के बहुत सारे wide applications है जैसे की banking और financial sector, healthcare, retail, publishing इत्यदि industries में.
2. Google और Facebook machine learning के इस्तमाल से relevant advertisements push कर पाते हैं. ये सभी advertisements users के past search behaviour पर ही आधारित होते हैं. इसलिए इसे targeted ads भी कहा जाता है
3. Machine learning का इस्तमाल multi-dimensional और multi-variety data को handle करने के लिए किया जाता है वो भी dynamic environments में.
4. Machine learning के इस्तमाल से time cycle reduction होता है और resources का efficient utilization भी किया जा सकता है.
5. अगर कोई चाहता है continuous quality, large और complex process environments प्रदान करने के लिए तब भी इसमें ऐसे कुछ tools मेह्जुद हैं machine learning के कारण.
6. वैसे तो Machine Learning के benefits के अंतर्गत बहुत सारे चीज़ आते है जो की practically हमारे बहुत काम आ सकते हैं, जैसे की autonomous computers का development, software programs इत्यादि. साथ ही ऐसे process भी जो की बाद में automation of tasks हो पाते हों.

Machine Learning के Dis-Advantages

वैसे तो Machine Learning के कुछ disadvantages भी हैं जिसके विषय में चलिए जानते हैं.

• Machine learning की एक major challenge होती है Acquisition. जिसमें, different algorithms पर based होकर data को process किया जाता है. और इसे processed किया जाता है किसी respective algorithms के input के हिसाब से इस्तमाल करने से पहले. इसलिए इसका significant impact होता है results के ऊपर जो की achieved या obtained किया जाता है.
•  एक और शब्द होता है interpretation. जिसका मतलब है की results भी एक बहुत major challenge है. इससे ये determine करना होता है की machine learning algorithms की effectiveness कितनी है.
• हम बोल सकते हैं की machine algorithm के uses limited होते हैं. साथ में ये भी surety नहीं होती है की algorithms हमेशा सभी imaginable cases में भी काम करेंगी. क्यूंकि हमने देखे हैं की ज्यादातर cases में machine learning fail होते हैं. इसलिए problem के बारे में कुछ understanding होना बहुत जरुरी होता है जिससे सही algorithm को apply किया जा सके.
• Deep learning algorithm के तरह ही machine learning में भी बहुत से training data की जरुरत होती है. हम कह सकते हैं की इतने ज्यादा मात्रा के data के साथ काम करना बहुत ही difficult है.
• एक बहुत ही notable limitation machine learning की ये है की ये errors के प्रति ज्यादा susceptible होते हैं. Brynjolfsson और McAfee ने इसके actual problem के विषय में ये बताया है की जब वे कोई error करते हैं, तब उन्हें diagnose और correct करना बहुत ही कठिन होता है. ऐसा इसलिए की इसे underlying complexities के निचे से गुजरना होता है.
• इसमें बहुत ही कम possibilities होती है immediate predictions करने के machine learning system के साथ. साथ में ये न भूलें की ये historical data से ही ज्यादातर learn करते हैं. इसलिए जितनी ज्यादा बड़ी data होगी और जितनी ज्यादा देर तक ML को data से expose किया जाये, इससे ये और भी बेहतर perform कर सकता है.
• ज्यादा Variability का न होना भी एक दूसरा limitation है machine learning का.