मशीन लर्निंग क्या है?
मशीन लर्निंग वह अवधारणा है जो एक 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।
मशीन लर्निंग समझाया
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 के कारण आसानी से उपलब्ध और सुलभ हो रहा है। कंपनियों और सरकारों को उन विशाल अंतर्दृष्टि का एहसास होता है जो बड़े डेटा में दोहन से प्राप्त की जा सकती हैं, 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 के 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 एप्लीकेशन
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 भविष्यवाणियों का निर्माण करता 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 करने के लिए मापदंडों को स्वचालित रूप से समायोजित करता है, यदि कोई हो। हालाँकि, मॉडल को बदलना नहीं चाहिए।
मशीन लर्निंग का उपयोग विभिन्न क्षेत्रों में विभिन्न कारणों से किया जाता है। नए निवेश के अवसरों की पहचान करने के लिए ट्रेडिंग सिस्टम को कैलिब्रेट किया जा सकता है। उपयोगकर्ताओं के इंटरनेट खोज इतिहास या पिछले लेन-देन 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 वाली संस्थाएं खराब ऋणों की भविष्यवाणी करने और क्रेडिट जोखिम मॉडल का निर्माण करने के लिए मशीन लर्निंग को शामिल कर सकती 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 कैसे काम करती है
वित्तीय दुनिया में एक चित्रण द्वारा मशीन सीखने के कार्यों को बेहतर तरीके से कैसे समझाया जा सकता है। परंपरागत रूप से, प्रतिभूति बाजार में निवेश करने वाले खिलाड़ी जैसे वित्तीय शोधकर्ता, विश्लेषक, परिसंपत्ति प्रबंधक, व्यक्तिगत निवेशक लाभदायक निवेश निर्णय लेने के लिए दुनिया भर की विभिन्न कंपनियों से बहुत सारी जानकारी प्राप्त करते हैं। हालांकि, 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, जिनके पास कंपनी या उस देश के निवासियों के कर्मचारी होने का लाभ है जहां से जानकारी उपजी है। इसके अलावा, केवल इतनी जानकारी है कि मनुष्य किसी 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 इकट्ठा करता है और एकत्रित की गई यह जानकारी डेटा सेट बनाती है। फर्म के परिसंपत्ति प्रबंधकों और शोधकर्ताओं ने अपनी मानव शक्तियों और बुद्धि का उपयोग करके डेटा सेट में जानकारी प्राप्त नहीं की होगी। 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। माइनिंग कंपनी XYZ का कहना है कि दक्षिण अफ्रीका के एक छोटे शहर में हीरे की खदान की खोज की गई, मशीन लर्निंग ऐप इसे प्रासंगिक डेटा के रूप में उजागर करेगा। मॉडल तब एक एनालिटिक्स टूल का उपयोग कर सकता है, जो भविष्यवाणियां करने के लिए भविष्य कहनेवाला एनालिटिक्स नामक खनन उद्योग एक समय अवधि के लिए लाभदायक होगा, या एक निश्चित समय में किस खनन स्टॉक के मूल्य में वृद्धि होने की संभावना है। यह जानकारी अपने पोर्टफोलियो का विश्लेषण करने और निर्णय लेने के लिए परिसंपत्ति प्रबंधक से संबंधित है। एसेट मैनेजर XYZ स्टॉक में लाखों डॉलर निवेश करने का निर्णय ले सकता है।
एक 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 बदलाव 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।
