Embedded Files
इकाई 1 मशीन लर्निंग का परिचय प्रदान करती है और इसमें मशीन लर्निंग की परिभाषा, मशीन लर्निंग कैसे काम करती है, कृत्रिम बुद्धिमत्ता को समझना और मशीन लर्निंग का इतिहास जैसे विषयों को शामिल किया गया है।
सीखने की यात्रा
आइए इकाई 1 से आरंभ करें।
( 1 )मशीन लर्निंग का परिचय (अगला)
(2)मशीन लर्निंग के प्रकार (आगामी)
(3) मशीन लर्निंग में नैतिक मुद्दे (आगामी)
(4).मशीन लर्निंग के उपयोग मामले (आगामी)
(5) मशीन लर्निंग एल्गोरिदम और मेट्रिक्स (आगामी)
(6) मशीन लर्निंग फ्रेमवर्क (आगामी)
आगे बढ़ने से पहले, हम आपको तीन कंप्यूटर अनुप्रयोगों के बारे में सोचने के लिए आमंत्रित करते हैं जिनसे आप परिचित हैं।
1. क्या इसमें AI और मशीन लर्निंग शामिल है?
2. यदि ऐसा नहीं है, तो क्या आप सुझाव दे सकते हैं कि AI और मशीन लर्निंग का उपयोग सिस्टम को बेहतर बनाने में कैसे मदद कर सकता है?
आप अपनी प्रतिक्रियाएँ नोटपैड पर नोट कर सकते हैं। एक बार हो जाने पर, आप पाठ्यक्रम के साथ आगे बढ़ सकते हैं।
इकाई 1: मशीन लर्निंग का परिचय
सीखने के प्रतिफल
इस इकाई के पूरा होने पर, प्रतिभागियों से यह अपेक्षा की जाती है कि वे इसमें सक्षम होंगे:
• मशीन लर्निंग को परिभाषित करें
• बताएं कि मशीनों को सीखने की आवश्यकता क्यों है
• आर्टिफिशियल इंटेलिजेंस, मशीन लर्निंग और डीप लर्निंग के बीच अंतर बताएं
• यह समझें कि ऐसे प्रोग्राम कैसे लिखें जिनमें सीखने की क्षमता हो
• मशीन लर्निंग के ऐतिहासिक विकास की व्याख्या करें
इकाई 1: मशीन लर्निंग का परिचय
इस इकाई में, हम मशीन लर्निंग की परिभाषा और मशीन लर्निंग का उपयोग कैसे किया जा रहा है, इस पर गौर करके शुरुआत करेंगे।मशीन लर्निंग कृत्रिम बुद्धिमत्ता (एआई) का एक उपसमूह है, और गहन शिक्षण (Deep Learning) मशीन लर्निंग का एक उपसमूह है।इसलिए, मशीन लर्निंग को समझने के लिए, हमें इसे समझना होगा:
• AI की अवधारणा
• AI, मशीन लर्निंग और डीप लर्निंग के बीच संबंध
इकाई के अंतिम भाग में, हम मशीन लर्निंग के इतिहास पर संक्षेप में चर्चा करेंगे जो निम्नलिखित छवि में शामिल है।
इस इकाई में आप निम्नलिखित के बारे में सीखेंगे:
मशीन लर्निंग की परिभाषा
मशीन लर्निंग का उपयोग कैसे करें
आर्टिफिशियल इंटेलिजेंस (एआई), मशीन लर्निंग और डीप लर्निंग
मशीन लर्निंग प्रोग्रामिंग
मशीन लर्निंग का इतिहास
मशीनों को सीखने की आवश्यकता क्यों है?
मशीन लर्निंग की परिभाषा
मशीन लर्निंग की कुछ परिभाषाएँ हैं। पहली परिभाषा आर्थर सैमुअल द्वारा दी गई थी, दूसरी परिभाषा आईबीएम द्वारा दी गई थी, और सबसे व्यापक परिभाषाओं में से एक मोहरी एट अल द्वारा दी गई है। (2012)
मशीन लर्निंग को मोटे तौर पर प्रदर्शन को बेहतर बनाने या सटीक भविष्यवाणियां करने के लिए अनुभव का उपयोग करके कम्प्यूटेशनल तरीकों के रूप में परिभाषित किया जा सकता है। अनुभव से तात्पर्य शिक्षार्थी के लिए उपलब्ध पिछली जानकारी से है। यह जानकारी आम तौर पर एकत्र किए गए और विश्लेषण के लिए उपलब्ध कराए गए इलेक्ट्रॉनिक डेटा का रूप लेती है।
आर्थर सैमुअल
मशीन लर्निंग कृत्रिम बुद्धिमत्ता (एआई) और कंप्यूटर विज्ञान की एक शाखा है जो मनुष्यों के सीखने के तरीके की नकल करने के लिए डेटा और एल्गोरिदम के उपयोग पर ध्यान केंद्रित करती है, जिससे धीरे-धीरे इसकी सटीकता में सुधार होता है। (आईबीएम, एन.डी.)
आईबीएम
मशीन लर्निंग को मोटे तौर पर प्रदर्शन को बेहतर बनाने या सटीक भविष्यवाणियां करने के लिए अनुभव का उपयोग करके कम्प्यूटेशनल तरीकों के रूप में परिभाषित किया जा सकता है। अनुभव से तात्पर्य शिक्षार्थी के लिए उपलब्ध पिछली जानकारी से है। यह जानकारी आम तौर पर एकत्र किए गए और विश्लेषण के लिए उपलब्ध कराए गए इलेक्ट्रॉनिक डेटा का रूप लेती है।
मोहरी एट अल. (2012)
हम मशीन लर्निंग का उपयोग कैसे करते हैं?
मशीन लर्निंग किसी समस्या के परिणामों की भविष्यवाणी करने के लिए एक कुशल और सटीक मॉडल का उपयोग करने के बारे में है। मशीन लर्निंग एल्गोरिदम को उचित डेटा प्रदान करके भविष्यवाणी मॉडल तैयार किया जाता है।यह डेटा डिजीटल डेटासेट या पर्यावरण के साथ बातचीत के माध्यम से प्राप्त डेटा के रूप में हो सकता है। सभी मामलों में, इसकी गुणवत्ता और आकार भविष्यवाणियों की सफलता के लिए महत्वपूर्ण हैं। यह ध्यान रखना महत्वपूर्ण है कि मशीन लर्निंग "उदाहरण द्वारा सीखना" की अवधारणा का उपयोग करती है।
उदाहरण के द्वारा सीखना किसी समस्या की प्रमुख विशेषताओं और समाधान चरणों को संरचित तरीके से प्रस्तुत करके मॉडल के ज्ञान में सुधार कर सकता है ताकि मशीनों को पूर्व ज्ञान के संबंध में नए ज्ञान को प्राप्त करने के साथ-साथ व्यवस्थित करने में मदद मिल सके।
इसलिए, किसी मशीन को सीखने के लिए, उसे बहुत सारे उदाहरण दिए जाने चाहिए। इन उदाहरणों को प्रशिक्षण डेटा कहा जाता है। एक बार मॉडल तैयार हो जाने के बाद, हम इसका उपयोग उचित इनपुट डेटा देकर पूर्वानुमान लगाने के लिए कर सकते हैं, जैसा कि चित्र 1 में दिखाया गया है।
चित्र 1. मशीन लर्निंग का उपयोग करना।
मशीनों को क्यों सीखना चाहिए?
क्यों न मशीनों को इस प्रकार डिज़ाइन किया जाए कि वे पहले स्थान पर जैसा चाहें वैसा प्रदर्शन करें? ऐसे कई कारण हैं जिनकी वजह से मशीन लर्निंग महत्वपूर्ण है। उनमें से कुछ यहां सूचीबद्ध हैं।
इन कारणों में मुख्य इस प्रकार से हैं ।
समस्या की पहचान (problem identification)
उदाहरणों को छोड़कर कुछ समस्याओं को अच्छी तरह परिभाषित नहीं किया जा सकता। ऐसे मामलों में, हम नमूना इनपुट/आउटपुट जोड़े देकर समस्या को निर्दिष्ट कर सकते हैं और चाहेंगे कि मशीनें अन्य दिए गए इनपुट के लिए सही आउटपुट देने में सक्षम हों।
तकनीक खोजें Discover techniques
मशीन लर्निंग तकनीक डेटा के बड़े ढेर के भीतर महत्वपूर्ण छिपे हुए संबंधों और सहसंबंधों की खोज कर सकती है।
मशीनें तैयार करें produce machines
मानव डिजाइनर अक्सर ऐसी मशीनें बनाते हैं जो उन वातावरणों में वांछित ढंग से काम नहीं करतीं, जहां उनका उपयोग किया जाता है। दरअसल, समय के साथ वातावरण बदलता है। जो मशीनें बदलते परिवेश के अनुकूल हो सकती हैं, वे निरंतर रीडिज़ाइन की आवश्यकता को कम कर सकती हैं।
ज्ञान की आवश्यकता require knowledge
कुछ समस्याओं के बारे में उपलब्ध ज्ञान की मात्रा मनुष्यों द्वारा स्पष्ट एन्कोडिंग के लिए बहुत बड़ी हो सकती है। इसके अलावा, नए ज्ञान की लगातार खोज की जा रही है। मशीन लर्निंग के उपयोग से कंप्यूटर सिस्टम के निरंतर रीडिज़ाइन की आवश्यकता से बचा जा सकता है।
Page updated
Google Sites
Report abuse