Computer in Hindi | Business in Hindi: application of machine learning
Showing posts with label application of machine learning. Show all posts
Showing posts with label application of machine learning. Show all posts

Sunday, December 6, 2020

What is machine learning in Hindi with it's application

December 06, 2020 0
What is machine learning in Hindi with it's application

Simple Definition of Machine Learning in Hindi

Machine Learning Artificial Intelligence (AI) का एक अनुप्रयोग है, यह उपकरणों को उनके अनुभवों से सीखने और बिना किसी कोडिंग के स्वयं को बेहतर बनाने की क्षमता देता है। 

उदाहरण के लिए, जब आप किसी भी वेबसाइट से खरीदारी करते हैं, तो यह संबंधित खोज जैसे दिखाता है: - जिन लोगों ने इसे खरीदा है उन्होंने भी इसे देखा।

Machine Learning in Hindi
Machine Learning in Hindi


Machine Learning in Hindi


आर्थर सैमुअल ने वर्ष 1959 में मशीन लर्निंग शब्द गढ़ा था। वह आर्टिफिशियल इंटेलिजेंस और कंप्यूटर गेमिंग में अग्रणी थे, और मशीन लर्निंग को "अध्ययन के क्षेत्र के रूप में परिभाषित किया जो कंप्यूटर को स्पष्ट रूप से प्रोग्राम किए बिना सीखने की क्षमता देता है"।

इस लेख में, सबसे पहले, हम मशीन लर्निंग पर विभिन्न पहलुओं, प्रक्रियाओं और अनुप्रयोगों को शामिल करते हुए विस्तार से चर्चा करेंगे। 

दूसरी बात, हम मशीन लर्निंग के महत्व को समझने के साथ शुरुआत करेंगे। हम मशीन लर्निंग में उपयोग की जाने वाली मानक शर्तों और एक एमएल समस्या से निपटने के लिए कदम भी बताएंगे। 

इसके अलावा, हम मशीन लर्निंग के बिल्डिंग ब्लॉक्स को समझेंगे और यह कैसे काम करता है। इसके अलावा, हम यह स्थापित करेंगे कि पायथन मशीन लर्निंग के लिए सबसे अच्छी प्रोग्रामिंग भाषा क्यों है।

 हम मशीन लर्निंग दृष्टिकोण और औद्योगिक अनुप्रयोगों के विभिन्न प्रकारों को भी सूचीबद्ध करेंगे। 

अंत में, लेख भारत में शीर्ष महानगरीय शहरों में वेतन रुझानों के साथ मशीन लर्निंग के क्षेत्र में नौकरी की संभावनाओं और कैरियर के अवसरों के साथ समाप्त होता है।

Machine Learning Artificial Intelligence (AI) का सबसेट है। मशीन लर्निंग मशीनों को उनके व्यवहार और निर्णयों को उनके स्वयं के कार्यक्रमों को सीखने और विकसित करने की क्षमता प्रदान करके उनके व्यवहार और निर्णयों को और अधिक मानवीय बनाने का अध्ययन है। 

यह न्यूनतम मानव हस्तक्षेप के साथ किया जाता है, अर्थात, कोई स्पष्ट प्रोग्रामिंग नहीं। पूरी प्रक्रिया में मशीनों के अनुभवों के आधार पर सीखने की प्रक्रिया स्वचालित और बेहतर होती है। 

अच्छी गुणवत्ता वाले डेटा को मशीनों को खिलाया जाता है, और इस डेटा पर मशीनों को प्रशिक्षित करने के लिए एमएल मॉडल बनाने के लिए विभिन्न एल्गोरिदम का उपयोग किया जाता है। 

एल्गोरिदम की पसंद हाथ में डेटा के प्रकार, और गतिविधि के प्रकार पर निर्भर करती है जिसे स्वचालित होने की आवश्यकता होती है।

यहां जमीन से ऊपर उठकर मशीन लर्निंग क्या है, समझाकर एक वीडियो बनाया गया है

अब आप सोच सकते हैं कि यह पारंपरिक प्रोग्रामिंग से कैसे अलग है? खैर, पारंपरिक प्रोग्रामिंग में, हम आउटपुट उत्पन्न करने के लिए इनपुट डेटा और एक अच्छी तरह से लिखित और परीक्षण किए गए प्रोग्राम को मशीन में फीड करेंगे।

 जब मशीन सीखने की बात आती है, तो आउटपुट डेटा के साथ इनपुट डेटा को सीखने के चरण के दौरान मशीन में खिलाया जाता है, और यह अपने लिए एक कार्यक्रम तैयार करता है।

इसे बेहतर समझने के लिए, नीचे दिए गए दृष्टांत का संदर्भ लें:

Why Should We Learn Machine Learning in Hindi?

Machine Learning में आज सभी ध्यान देने की आवश्यकता है। मशीन लर्निंग कई कार्यों को स्वचालित कर सकता है, विशेष रूप से वे जो केवल मनुष्य अपनी सहज बुद्धि के साथ कर सकते हैं। मशीनों के लिए इस खुफिया को फिर से प्राप्त करना केवल मशीन सीखने की मदद से प्राप्त किया जा सकता है।

मशीन लर्निंग की मदद से, व्यवसाय नियमित कार्यों को स्वचालित कर सकते हैं। यह डेटा विश्लेषण के लिए स्वचालित रूप से और जल्दी से मॉडल बनाने में भी मदद करता है।

 विभिन्न उद्योग अपने संचालन का अनुकूलन करने और बुद्धिमान निर्णय लेने के लिए बड़ी मात्रा में डेटा पर निर्भर करते हैं। मशीन लर्निंग सटीक परिणाम देने के लिए बड़ी मात्रा में जटिल डेटा को संसाधित और विश्लेषण करने वाले मॉडल बनाने में मदद करता है। 

ये मॉडल सटीक और मापनीय हैं और कम टर्नअराउंड समय के साथ कार्य करते हैं। ऐसी सटीक मशीन लर्निंग मॉडल का निर्माण करके, व्यवसाय लाभदायक अवसरों का लाभ उठा सकते हैं और अज्ञात जोखिमों से बच सकते हैं।

छवि मान्यता, पाठ पीढ़ी, और कई अन्य उपयोग-मामलों को वास्तविक दुनिया में अनुप्रयोग मिल रहे हैं। यह मशीन सीखने के विशेषज्ञों के लिए पेशेवरों की मांग के बाद चमकने की गुंजाइश बढ़ा रहा है।

Some Terminology of Machine Learning in Hindi


  • Model: जिसे "परिकल्पना" के रूप में भी जाना जाता है, एक मशीन लर्निंग मॉडल एक वास्तविक दुनिया की प्रक्रिया का गणितीय प्रतिनिधित्व है। प्रशिक्षण डेटा के साथ एक मशीन लर्निंग एल्गोरिदम एक मशीन लर्निंग मॉडल बनाता है।
  •   Feature: एक सुविधा औसत दर्जे की संपत्ति या डेटा-सेट का पैरामीटर है।
  •     Feature Vector:  यह कई संख्यात्मक विशेषताओं का एक समूह है। हम इसे प्रशिक्षण और भविष्यवाणी उद्देश्यों के लिए मशीन लर्निंग मॉडल के इनपुट के रूप में उपयोग करते हैं।
  •     Training: एक एल्गोरिथ्म इनपुट के रूप में "प्रशिक्षण डेटा" के रूप में जाना जाता डेटा का एक सेट लेता है। लर्निंग एल्गोरिदम इनपुट डेटा में पैटर्न पाता है और अपेक्षित परिणामों (लक्ष्य) के लिए मॉडल को प्रशिक्षित करता है। प्रशिक्षण प्रक्रिया का आउटपुट मशीन लर्निंग मॉडल है।
  •     Prediction: एक बार मशीन सीखने का मॉडल तैयार हो जाने के बाद, यह एक अनुमानित आउटपुट प्रदान करने के लिए इनपुट डेटा के साथ खिलाया जा सकता है।
  •     Target (Label):  मशीन लर्निंग मॉडल को जिस मूल्य का अनुमान लगाना होता है उसे लक्ष्य या लेबल कहते हैं।
  •   Overfitting: जब एक बड़ी मात्रा में डेटा एक मशीन लर्निंग मॉडल को प्रशिक्षित करता है, तो यह शोर और गलत डेटा प्रविष्टियों से सीखने के लिए जाता है। यहां मॉडल डेटा को सही ढंग से चिह्नित करने में विफल रहता है।
  •     Underfitting: यह ऐसा परिदृश्य है जब मॉडल इनपुट डेटा में अंतर्निहित प्रवृत्ति को समझने में विफल रहता है। यह Machine Learning मॉडल की सटीकता को नष्ट कर देता है। सरल शब्दों में, मॉडल या एल्गोरिथ्म डेटा को अच्छी तरह से फिट नहीं करता है।

Seven Steps of Machine Learning in Hindi

  •     Gathering Data
  •     Preparing that data
  •     Choosing a model
  •     Training
  •     Evaluation
  •     Hyperparameter Tuning
  •     Prediction

Type of Machine Learning in Hindi

  • Supervised Learning
  • Unsupervised Learning
  • Reinforcement Learning

Applications of Machine Learning in Hindi

  • Machine learning algorithms का उपयोग उन परिस्थितियों में किया जाता है, जहां पोस्ट-परिनियोजन में सुधार जारी रखने के लिए समाधान की आवश्यकता होती है। 
 
  • अनुकूलनीय मशीन लर्निंग सॉल्यूशंस की गतिशील प्रकृति वर्टिकल में कंपनियों और संगठनों द्वारा इसके अपनाने के लिए मुख्य विक्रय बिंदुओं में से एक है।


  • Machine learning algorithms और समाधान बहुमुखी हैं और इसका उपयोग मध्यम-कुशल मानव श्रम के लिए एक विकल्प के रूप में किया जा सकता है जो सही परिस्थितियों को देखते हैं।
 
  •  उदाहरण के लिए, बड़ी बी 2 सी कंपनियों में ग्राहक सेवा के अधिकारियों को अब प्राकृतिक भाषा प्रसंस्करण मशीन लर्निंग एल्गोरिदम से बदल दिया गया है जिसे चैटबॉट्स कहा जाता है।
 
  •  ये चैटबॉट ग्राहक प्रश्नों का विश्लेषण कर सकते हैं और मानव ग्राहक सहायता अधिकारियों के लिए सहायता प्रदान कर सकते हैं या सीधे ग्राहकों से निपट सकते हैं।
 


  • मशीन लर्निंग एल्गोरिदम ऑनलाइन प्लेटफॉर्म के लिए उपयोगकर्ता के अनुभव और अनुकूलन को बेहतर बनाने में भी मदद करता है। फेसबुक, नेटफ्लिक्स, गूगल और अमेज़ॅन सभी कंटेंट ग्लूट को रोकने के लिए और अपनी पसंद और नापसंद के आधार पर अलग-अलग उपयोगकर्ताओं को अद्वितीय सामग्री प्रदान करने के लिए सिफारिश प्रणाली का उपयोग करते हैं।
 


  • फेसबुक फेसबुक और इंस्टाग्राम दोनों पर समाचार फ़ीड के लिए सिफारिश इंजन का उपयोग करता है, साथ ही प्रासंगिक विज्ञापन खोजने के लिए अपनी विज्ञापन सेवाओं के लिए भी।
 
  •  नेटफ्लिक्स उपयोगकर्ता डेटा एकत्र करता है और उपयोगकर्ता की प्राथमिकताओं के आधार पर विभिन्न फिल्मों और श्रृंखलाओं की सिफारिश करता है। 
 
  • Google कई अन्य अनुप्रयोगों के बीच, अपने परिणामों की संरचना के लिए और YouTube की अनुशंसा प्रणाली के लिए मशीन लर्निंग का उपयोग करता है। 
 
  • अमेज़न उपयोगकर्ता के क्षेत्र में प्रासंगिक उत्पादों को रखने के लिए एमएल का उपयोग करता है, उन उत्पादों की सिफारिश करके रूपांतरण दरों को अधिकतम करता है जो उपयोगकर्ता वास्तव में खरीदना चाहते हैं।

 Advantages and disadvantages of machine learning in Hindi

 

Advantages of Machine Learning


  • Continuous Improvement

मशीन लर्निंग एल्गोरिदम हमारे द्वारा प्रदान किए गए डेटा से सीखने में सक्षम हैं। जैसा कि नया डेटा प्रदान किया जाता है, बाद के प्रशिक्षण के साथ निर्णय लेने के लिए मॉडल की सटीकता और दक्षता में सुधार होता है। Amazon, Walmart, आदि जैसे दिग्गज हर दिन भारी मात्रा में नया डेटा एकत्र करते हैं। संबंधित उत्पादों या सिफारिश इंजन को खोजने की सटीकता इस विशाल मात्रा में उपलब्ध प्रशिक्षण डेटा के साथ बेहतर होती है।


  • Automation for everything

मशीन लर्निंग की एक बहुत शक्तिशाली उपयोगिता विभिन्न निर्णय लेने के कार्यों को स्वचालित करने की इसकी क्षमता है। यह डेवलपर्स के लिए अधिक उत्पादक उपयोग के लिए अपने समय का उपयोग करने के लिए बहुत समय मुक्त करता है। उदाहरण के लिए, कुछ सामान्य उपयोग जो हम अपने दैनिक जीवन में देखते हैं, वह है सोशल मीडिया भावना विश्लेषण और चैटबॉट। जिस क्षण किसी कंपनी के उत्पाद या सेवा से संबंधित एक नकारात्मक ट्वीट किया जाता है, एक चैटबॉट तुरंत प्रथम-स्तरीय ग्राहक सहायता के रूप में जवाब देता है। मशीन लर्निंग अपने ऑटोमेशन से दुनिया को लगभग हर उस चीज के लिए बदल रहा है जिसके बारे में हम सोच सकते हैं।

  • Trends and patterns identification

यह फायदा नो ब्रेनर है। मशीन लर्निंग तकनीक में रुचि रखने वाले हम सभी इस बात से अच्छी तरह वाकिफ हैं कि विभिन्न वर्गीकरण और प्रतिगमन समस्याओं के लिए विभिन्न पर्यवेक्षित, अनुपयोगी और प्रबलित शिक्षण एल्गोरिदम का उपयोग कैसे किया जा सकता है। हम इस तकनीक का उपयोग करके बड़ी मात्रा में डेटा के साथ विभिन्न प्रवृत्तियों और पैटर्न की पहचान करते हैं। उदाहरण के लिए, अमेज़ॅन अपने ग्राहकों के खरीदारी पैटर्न और खोज रुझानों का विश्लेषण करता है और मशीन लर्निंग एल्गोरिदम का उपयोग करके उनके लिए उत्पादों की भविष्यवाणी करता है।

  • Wide range of applications

मशीन लर्निंग का उपयोग इन दिनों हर उद्योग में किया जाता है, उदाहरण के लिए रक्षा से लेकर शिक्षा तक। कंपनियां मुनाफा कमाती हैं, लागत में कटौती करती हैं, स्वचालित करती हैं, भविष्य की भविष्यवाणी करती हैं, पिछले डेटा से रुझानों और पैटर्न का विश्लेषण करती हैं, और बहुत कुछ। ट्रैफिक के लिए जीपीएस ट्रैकिंग, ईमेल स्पैम फ़िल्टरिंग, टेक्स्ट भविष्यवाणी, वर्तनी जांच और सुधार इत्यादि जैसे एप्लिकेशन इन दिनों व्यापक रूप से उपयोग किए जाते हैं। मशीन लर्निंग आर्टिफिशियल इंटेलिजेंस की एक शाखा है, नवीनतम रुझानों और अनुप्रयोगों को आर्टिफिशियल इंटेलिजेंस ट्रेंड्स 2020 में पाया जा सकता है।

Disadvantages of Machine Learning

  • Data Acquisition

डेटा साइंस और मशीन लर्निंग के क्षेत्र में सबसे दर्दनाक बिंदुओं में से एक डेटा का अधिग्रहण है। इसके अतिरिक्त, डेटा एकत्र करना एक लागत के साथ आता है। साथ ही, ऐसा भी होता है कि जब हम सर्वेक्षणों से डेटा एकत्र कर रहे होते हैं, तो इसमें बड़ी मात्रा में फर्जी और गलत डेटा हो सकता है। कई बार हमें ऐसी स्थिति का सामना करना पड़ता है जहां हम डेटा में असंतुलन पाते हैं जिससे मॉडल की सटीकता खराब हो जाती है। ये कारण डेटा अधिग्रहण को एक बड़ा नुकसान बनाते हैं।

  • Highly error-prone

"कचरा में कचरा बाहर" इस ​​तकनीक में हमेशा याद रखने वाली चीज है। हम जिस डेटा को प्रशिक्षण डेटा के रूप में मॉडल में धकेलते हैं, वह उस समस्या के लिए स्वच्छ और सटीक होना चाहिए जिसे हम हल कर रहे हैं। मशीन लर्निंग का उपयोग करके प्रक्रियाओं को स्वचालित करना आसान होने के कारण, कभी-कभी ऐसा होता है कि बीच में डेटा अनुचित होता है। इससे गलत परिणाम या त्रुटियां हो सकती हैं। उदाहरण के लिए, हम ऐसी स्थिति देख सकते हैं जहां ग्राहकों को चूककर्ताओं के रूप में वर्गीकृत किया जा सकता है या ग्राहकों को उनके खोज इतिहास या पैटर्न से संबंधित उत्पादों की सिफारिश नहीं की जाती है।

  • Algorithm Selection

एक मशीन लर्निंग समस्या समाधान खोजने के लिए विभिन्न एल्गोरिदम लागू कर सकती है। विभिन्न एल्गोरिदम के साथ मॉडल चलाना और परिणामों के आधार पर सबसे सटीक एल्गोरिदम की पहचान करना एक मैनुअल और थकाऊ काम है। यह एक नुकसान है।

  • Time-consuming

मशीन लर्निंग मॉडल बड़ी मात्रा में डेटा को संसाधित करने में सक्षम हैं। डेटा की मात्रा जितनी अधिक होती है, डेटा से सीखने और उसे संसाधित करने का समय भी बढ़ता है। कभी-कभी इसका अर्थ कंप्यूटिंग के लिए अतिरिक्त संसाधन भी हो सकता है।

scope of machine learning in India


नौकरी के अवसरों की बात करें तो भारत के साथ-साथ दुनिया के अन्य हिस्सों में मशीन लर्निंग का दायरा अन्य करियर क्षेत्रों की तुलना में अधिक है। गार्टनर के अनुसार, 2022 तक आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग के क्षेत्र में 2.3 मिलियन नौकरियां होंगी। साथ ही, मशीन लर्निंग इंजीनियर का वेतन अन्य जॉब प्रोफाइल को दिए जाने वाले वेतन की तुलना में बहुत अधिक है।

Applications of machine learning algorithms


  • छवि पहचान: छवि पहचान मशीन सीखने के सबसे आम अनुप्रयोगों में से एक है
  • वाक् पहचान
  • यातायात भविष्यवाणी
  • उत्पाद सिफारिशें
  • सेल्फ ड्राइविंग कारें
  • ईमेल स्पैम और मैलवेयर फ़िल्टरिंग
  • आभासी व्यक्तिगत सहायक
  • ऑनलाइन धोखाधड़ी का पता लगाना