Machine-Learning (मशीन लर्निंग क्या है?)

मशीन लर्निंग आर्टिफिशियल इंटेलिजेंस का एक क्षेत्र है, जो अपने अनुभवों और डाटा की मदद से अपने आप सीखता रहता है जिसमें कंप्यूटर को स्पष्ट रूप से प्रोग्राम किए बिना कार्य करने की क्षमता से समृद्ध किया जाता है|  मशीन लर्निंग आधुनिक तकनीक में क्रांति ला रही है जो निर्णय लेने की प्रक्रिया को अधिक कुशल बनाता है जिससे व्यापार,विज्ञान, और रोजमर्रा जीवन में सुधार होता है।

मशीन लर्निंग का इतिहास

मशीन लर्निंग की स्थापना वैज्ञानिक एलन टयूरिंग ने 1950 ईस्वी में की थी मशीन लर्निंग के बारे में बहुत से वैज्ञानिकों ने अपना अलग-अलग मत दिया है|आर्थर सैमुअल ने 1959 मैं मशीन लर्निंग शब्द का प्रयोग किया जिसने समस्या का समाधान और निर्णय लेने के तरीके को बदल दिया उनके कथन के अनुसार मशीन इंसानों जैसी कार्य करती है मशीन लर्निंग का प्रयोग बड़ी-बड़ी कंपनियों ने जैसे (गूगल फेसबुक अमेजॉन) अपने उत्पादों में प्रयोग करते हैं जेफ्री हिंटन ने डीप लर्निंग की अवधारणा को लोकप्रिय बनाया कंप्यूटर की शक्ति बढ़ाने में तथा उत्तर संचालित करने में मशीन लर्निंग के प्रयोग बड़ते गए।

मशीन लर्निंग के प्रकार

मशीन लर्निंग के मुख्य प्रकार हैं 1
1.सुपरवाइज्ड लर्निंग (Supervised Learning)
2. अनसुपरवाइज्ड लर्निंग (Unsupervised Learning)
3. रिइनफोर्समेंट लर्निंग (Reinforcement Learning)

सुपरवाइज्ड लर्निंग - सुपरवाइज्ड लर्निंग आउटपुट ऑब्जेक्ट तथा इनपुट ऑब्जेक्ट के मध्य अंतर को जानने और मॉडल के दिए गए डाटा के आधार पर सही जानकारी प्रदान करने के लिए किया जाता है जैसे सुपरवाइज्ड लर्निंग में सभी ईमेल स्पैम को स्पैम या नान स्पैम के रूप में वर्गीकृत करता है तथा डॉक्टर के आधार पर बीमारी का पता लगता है।

प्रमुख एल्गोरिदम _ (किसी कार्य को पूरा करने या किसी समस्या को हल करने का एक समूह है)
लिनियर रिग्रेशन (Linear Regression)
लॉजिस्टिक रिग्रेशन (Logistic Regression)
डिसीजन ट्री (Decision Tree)
सपोर्ट वेक्टर मशीन(SVM)

2. अनसुपरवाइज्ड लर्निंग- अनसुपरवाइज्ड लर्निंग में डाटा लेवल नहीं किया जाता है( किसी वस्तु पर चिपकाए गए पर्ची या किसी पार्सल ऑर्डर पर चिपका हुआ टैग नहीं रहता है )इसमें यह मशीन लर्निंग ऐतिहासिक डेटा से अंतर निहित छुपे हुए पैटर्न का अनुमान लगाने की एक प्रक्रिया है।
जैसे मार्केटिंग के लिए विभिन्न प्रकार के ग्राहक के समूह को अलग करना तथा किसी प्लेटफार्म ( नेटफ्लिक्स, अमेजन)पर ग्राहकों के रुचि के अनुसार उसे सिफारिश देना।

प्रमुख एल्गोरिथम

के मिंस क्लस्टरिंग(K -Means Clustering
हीरा किर्गल क्लस्टरिंग (Heerarchivcal Clustering)
प्रिंसिपल कॉम्पोनेंट एनालिसिस(PCA)
3. रिइंनफोर्समेंट लर्निंग_ इसका प्रयोग ज्यादातर रोबोटिक और ऑटोमेशन में किया जाता है री इन फोर्समेंट एजेंट पर्यावरण के साथ बातचीत करके निर्णय लेना सिखाता है। जैसे सेल्फ ड्राइविंग कार और चेस तथा गो जैसे गेम्स में AI.
प्रमुख एल्गोरिथम
Q Learning
Policy Gradient Methods
Deep Q Networks (DQN)
मशीन लर्निंग में डाटा फ्री प्रोसेसिंग
यह मशीन लर्निंग का एक महत्वपूर्ण हिस्सा है इसमें कच्चे डाटा को साफ व्यवस्थित और मॉडल के लिए उपयुक्त बनाया जाता है यह एक मौलिक कम है जो किसी भी मशीन लर्निंग प्रयास से होता है डाटा प्रोसेसिंग के मुख्य उपयोग निम्न है |
1.डाटा कलेक्शन (Data Collection)- डेटा संग्रह एक व्यवस्थित प्रक्रिया है जिसके द्वारा अनुसंधान में अवलोकन या माप इकट्ठे किए जाते हैं ।जैसे (डाटाबेस,APIS, वेब scrapping )इत्यादि।

2. डाटा क्लीनिग (Data cleaning)- डाटा क्लीनिंग का मतलब किसी भी डाटा में हुई गलतियों को ठीक करके सही तरीके से व्यवस्थित करना इसका मुख्य उद्देश्य डाटा की गुणवत्ता को बेहतर बनाना होता है यदि उत्तर गलत होंगे तो कार्य करने में कठिनाइयां आएंगी जैसे मेल और "M" को समान मानकर सुधारना और Boxplot, Z -Score,IQR। जैसी अनावश्यक डाटा प्वाइंट्स को पहचानना ।
3. डाटा ट्रांसफॉरमेशन (Data Transformation)- एक फॉर्मेट से दूसरे फॉर्मेट में बदलने की प्रक्रिया को डाटा फॉर्मेशन कहते हैं इसका मुख्य रूप से उपयोग मशीन लर्निंग और डाटा वेयरहाउसिंग में किया जाता है।

मशीन लर्निंग में उपयोग किए जाने वाले टूल्स और लाइब्रेरी-

मशीन लर्निंग में बहुत से टूल्स का उपयोग किया जाता है जो लाइब्रेरी डाटा प्रोसेसिंग मॉडलिंग और विजुअलाइजेशन में मदद करती है।
डाटा प्रोसेसिंग और बदलने के लिए लाइब्रेरी
NumPY - डाटा प्रोसेसिंग में अदला- बदली के लिए संख्यातम गणना उपयोगी होता है
जबकि मल्टी-डायमेंशनल ऐरे(Arrays)तथा मैट्रिक्स ऑप्रेशन को आसान बनाता है |
Pandas- यह डाटा को एक फ्रेम के रूप में एकट्ठा करता है और प्रोसेस को विशलेषण करता है |
Tensor flow - इसका विकास गूगल के द्वारा हुआ था जो एक ओपन सोर्स लाइब्रेरी है, Tensor flow का प्रयोग मशीन लर्निंग और डीप लर्निंग में उपयोग किया जाता है यह सभी न्यूरल नेटवर्क को बनाने में तथा प्रशिक्षित करने में शक्तिशाली कार्य प्रदान करता है।
Keras- Tensor flow एक हाई लेवल का एप्लीकेशन प्रोग्रामिंग इंटरफेस है जो किसी भी सॉफ्टवेयर को बनाने और एक दूसरे को आपस में जोड़ने का कार्य करता है यह सभी उपयोग को आसान बनाता है और प्रोटो टाइपिंग तेज करने का काम करता है।

Scikit learn- यह मशीन लर्निंग के लिए सबसे ज्यादा प्रचलित लाइब्रेरी है जो सभी कार्य को करने में मदद करती है यह सभी प्रकार के प्रोसेसिंग मॉडल ट्रेनिंग और सभी वस्तुओं का मूल्यांकन करने में उपयोगी है ऐसी बहुत से मशीन जो कार्य को पूरा करने में आसान बनाती है जैसे (लॉजिस्टिक रिग्रेशन सपोर्ट वेक्टर मशीन और रेंडम फॉरेस्ट)

2. मशीन लर्निंग के टूल्स

Google Colab- यह क्लाउड पर आधारित है जो मशीन लर्निंग का मॉडल बनाने के लिए बहुत प्रचलित है मशीन लर्निंग को बनाने के लिए और चलने के लिए बहुत से छूट और सपोर्ट प्रदान करते हैं गूगल ओलाब जैसे ( GPU,TPU)
IBM Watson- यह एक उच्च गुणवत्ता वाला आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग प्लेटफॉर्म है इसका उपयोग बड़े- बड़े डाटा और प्रोडक्टिव मॉडलिंग के लिए उपयोग किया जाता है।
AUTOML- इसका प्रयोग वे लोग करते हैं जिनको मशीन लर्निंग के बारे में उतना ज्यादा ज्ञान नहीं होता है AutoML मुख्य रूप से मॉडल ट्रेनिंग ट्यूनिंग और मूल्यांकन करने के लिए कार्य करता है।
Jupyter Notebook- जुपिटर नोटबुक का प्रयोग मॉडल बनाने, कोडिंग करने, लिखने तथा डाटा विजुलाइजेशन के लिए प्रयोग किया जाता है|मशीन लर्निंग के क्षेत्र में बहुत सारे टूल और लाइब्रेरी का बड़ा योगदान है सभी टूल्स और लाइब्रेरी का सही तरीके से उपयोग करके हम मशीन लर्निंग की दुनिया में बहुत बड़ी उपाधि ला सकते हैं। Tensor flow और PyTorch, डीप लर्निंग के लिए बहुत अच्छा टूल्स है और Scikit learn पारंपरिक मशीन लर्निंग के लिए उपयोग होता है।

मशीन लर्निंग के अनुप्रयोग (Application of Machine Learning)-

आज के इस डिजिटल युग में मशीन लर्निंग बहुत बदलाव ला रहा है इसका प्रयोग विभिन्न कार्यों को पूरा करने और निर्णय लेने में मदद करता है।

1. स्वास्थ्य केंद्र (Health care)-रोग की पहचान करने तथा उसका इलाज करने में मशीन लर्निंग का बहुत बड़ा कार्य है यह सभी प्रकार के एक्स-रे, एम आर आई और सीटी स्कैन करने में चिकित्सा के क्षेत्र में कार्य करता है डेटाबेस के आधार पर बीमारियों का भी पता लगता है।
नई दवाइयां की खोज करने तथा उनके प्रभावों के बारे में पता लगाने का भी कार्य मशीन लर्निंग करता है।
व्यक्तियों या मरीजों के डाटा का विश्लेषण करके उनके उपचार में सहायता करते हैं।

2. वित्तीय क्षेत्र (Finance and Banking)- धोखाधड़ी का पता लगाने तथा ट्रांजैक्शन में होने वाली समस्याओं को दूर करता है मशीन लर्निंग के द्वारा लेनदेन में होने वाली समस्याओं को भी पहचाना जा सकता है।
क्रेडिट कार्ड की योग्यता भी जाती जाती है और ग्राहकों के वित्तीय लेनदेन में लोन का भी रिकॉर्ड रखा जाता है मशीन लर्निंग के द्वारा।
शेयर बाजार में होने वाली उतार चढ़ाव की भविष्यवाणी करने के लिए एल्गोरिथम का प्रयोग किया जाता है क्रेडिट स्कोरिंग में।

3. ई-कॉमर्स और मार्केटिंग (E-commers and Marketing)- इसमें व्यक्ति या यूजर्स के द्वारा खरीदे गए उत्पादों को बेहतर तरीके से प्रमोट करता है।
AI,पासवर्ड चैट बॉक्स द्वारा ग्राहकों से पूछे गए सवालों के जवाब देने तथा सहायता करने में मदद मिलती है।
अमेजॉन, फ्लिपकार्ट, नेटफ्लिक्स जैसे प्लेटफार्म के द्वारा यूजर्स के पसंद की गई चीजों को उन तक पहुंचाना।

4. स्वचालित वाहन (Autonomous Vehicles)- Tesla और Waymo जैसी कंपनियां मशीन लर्निंग का उपयोग करके बिना ड्राइवर के द्वारा चलने वाली कारों का विकास किया और यातायात के द्वारा लगे ट्रैफिक डाटा को काम करने में मदद करता है।

शिक्षा (Education)- शिक्षा के क्षेत्र में आर्टिफिशियल इंटेलिजेंस के द्वारा छात्रों के प्रदर्शन के आधार पर पाठ्यक्रम को तैयार करना होता है और परीक्षाओं में नल की पहचान करने के लिए मशीन लर्निंग का प्रयोग किया जाता है।
मनोरंजन (Entertainment)- मनोरंजन के क्षेत्र में व्यक्तियों तक गाने मूवी और धारावाहिक चीजों को उन तक पहुंचाना होता है।You Tube,Netflix,Spotity के माध्यम से इसमें सभी वीडियो और इमेज की प्रोसेसिंग के एडिटिंग के लिए मशीन लर्निंग का प्रयोग किया जाता है।

कृषि (Agriculture)- ड्रोन और सेंसर के दाता का उपयोग करके फसल की निगरानी रखने तथा उसके स्थिति का विश्लेषण करने में मदद मिलता है फसल की सिंचाई के लिए मशीन लर्निंग का प्रयोग करते हैं और पानी की आपूर्ति को नियंत्रित करते हैं।

साइबर सुरक्षा (Cyber security)- एंटीवायरस सॉफ्टवेयर मशीन लर्निंग के द्वारा किसी भी प्रकार के साइबर हम लोग को पहचाना जा सकता है मेल वेयर और वायरस डिटेक्शन की जानकारी भी मशीन लर्निंग के द्वारा प्राप्त की जा सकती है। उत्तर के बीच किसी भी जानकारी को खोजने तथा कंपनियों के नेटवर्क को सुरक्षित रखने के लिए मशीन लर्निंग का उपयोग उसके सुरक्षा के लिए किया जाता है। 👉आगे पढ़े  Cyber security

मानव संसाधन (Human Resources)- नौकरी के लिए व्यक्तियों के रिज्यूम की अच्छे से उसकी जांच करना और व्यक्ति को शोर्ट लिस्ट में लाने के लिए मशीन लर्निंग का उपयोग किया जाता है कर्मचारियों की मदद तथा उसकी दक्षता बढ़ाने के लिए भी मशीनों का प्रयोग किया जाता है।

10.जलवायु परिवर्तन और आपदा प्रबंधन- मौसम की भविष्यवाणी करके उसके आधार पर आने वाले तूफान और सूखे की जानकारी प्राप्त करते हैं मशीन लर्निंग के द्वारा कंपनि और सरकारी एजेंसिया आने वाले भूकंप की संभावना का विश्लेषण करते हैं आने वाले समय में मशीन लर्निंग के उपयोग से और भी बदलाव देखने को मिलेंगे यह सभी क्षेत्रों में क्रांति ला रहा है।

भविष्य में मशीन लर्निंग और उसकी चुनौतिया

भविष्य

1. भविष्य में मशीन लर्निंग का विकास- मशीन लर्निंग का विकास बहुत तेजी से हो रहा है आने वाले समय में यह और विकसित हो जाएगा आई की भी इसमें मुख्य भूमिका है भविष्य में मशीन लर्निंग के कुछ प्रमुख रुझान इस प्रकार है।

2. बिग डाटा और तेज कंप्यूटिंग- बड़े-बड़े डाटा के विकास में क्वांटम कंप्यूटिंग तथा क्लाउड कंप्यूटिंग के प्रयोग के साथ-साथ मशीन लर्निंग का भी प्रयोग करते हैं जटिल समस्याओं को हल करने के लिए।
3. आर्टिफिशियल जनरल इंटेलिजेंस (AGI)की ओर कदम- आने वाले समय मशीन लर्निंग भी इंसानों की तरह कार्य करने तथा सोचने समझने में सक्षम होगी साइबर सुरक्षा और अपराध को रोकने के लिए तथा ऑनलाइन हैकिंग को रोकने के लिए AI का भी प्रयोग करते हैं।

मशीन लर्निंग की चुनौतियां

1. उत्तर के गुणवत्ता और उपलब्धता - मशीन के गुणवत्ता की जांच करने तथा बड़े-बड़े डाटा की स्वच्छता की आवश्यकता के लिए उपयोग की जाती है लेकिन अधूरे डाटा और गलत उत्तर होने के कारण निर्णय लेने की सटीकता को प्रभावित करते हैं।

2. नैतिक और सामाजिक प्रभाव- मशीन लर्निंग से नौकरियों में कमी आने की संभावना है, क्योंकि इसके स्वचालन के लिए रोबोट और आई कार्य कर रहे हैं।

3.लगातार बदलती तकनीक और नियम कानून- बहुत से देश में आई के उपयोग को नियंत्रित करने के लिए अलग-अलग नियम कानून बनाए जा रहे हैं जिसके कारण मशीन लर्निंग और AI के बीच नैतिक बलों को स्पष्ट रूप से दिशा निर्देश नहीं किया जा सकता है।

निष्कर्ष- 

आने वाले समय में मशीन लर्निंग का उपयोग और भी अधिक हो जाएगा यह स्वास्थ्य परिवहन वित्त सुरक्षा शिक्षा जैसे क्षेत्रों में बदलाव लाने की क्षमता रखता है मशीन लर्निंग कृत्रिम बुद्धिमत्ता की एक शाखा है स्वचालित वाहन तथा उत्तर को नियंत्रित करने के लिए भी मशीन लर्निंग का उपयोग करते हैं। ML की व्यापकता सॉफ्टवेयर अनुप्रयोगों को समय के साथ अपने प्रदर्शन को बेहतर बनाने में सक्षम है यह एक तरह AI की भी एक शाखा है, जो डाटा से पैटर्न सीखने और मॉडल के विकास पर केंद्रित है।