स्वचालन: डाटा विज्ञान र मेशिन शिक्षा को भविष्य?

मेशिन शिक्षा कम्प्युटि of को इतिहास मा सबैभन्दा ठूलो प्रगति को एक भएको छ र अब ठूलो डाटा र एनालिटिक्स को क्षेत्र मा एक महत्वपूर्ण भूमिका निभाउन को लागी सक्षम भएको देखिएको छ। ठूलो डाटा एनालिटिक्स एक उद्यम परिप्रेक्ष्य बाट एक ठूलो चुनौती हो। उदाहरण को लागी, गतिविधिहरु जस्तै विभिन्न डाटा ढाँचा को ठूलो संख्या बुझ्न, डाटा तयारी विश्लेषण र अनावश्यक डाटा फिल्टर संसाधन गहन हुन सक्छ। डाटा वैज्ञानिक विशेषज्ञहरु को भर्ती एक महँगो प्रस्ताव हो र हरेक कम्पनी को लागी एक अन्त को लागी एक साधन होइन। विशेषज्ञहरु विश्वास गर्छन् कि मेशिन शिक्षा ले एनालिटिक्स संग सम्बन्धित धेरै कार्यहरु लाई स्वचालित गर्न सक्छ - दुबै दिनचर्या र जटिल। स्वचालित मेशिन शिक्षा महत्वपूर्ण संसाधनहरु कि अधिक जटिल र अभिनव काम को लागी प्रयोग गर्न सकिन्छ मुक्त गर्न सक्नुहुन्छ। मेशिन शिक्षा सबै समय यस दिशा मा सार्ने देखिन्छ।

सूचना प्रविधिको सन्दर्भमा स्वचालन

आईटी मा, स्वचालन विभिन्न प्रणाली र सफ्टवेयर को जडान हो, उनीहरुलाई कुनै पनि मानव हस्तक्षेप बिना विशिष्ट कार्यहरु गर्न को लागी सक्षम बनाउँछ। आईटी मा, स्वचालित प्रणाली दुबै सरल र जटिल कामहरु गर्न सक्छन्। एक साधारण काम को एक उदाहरण पीडीएफ संग रूपहरु लाई एकीकृत गर्न र सही प्राप्तकर्ता को लागी कागजातहरु पठाउन सक्छ, जबकि अफ साइट ब्याकअप प्रदान गर्न एक जटिल काम को एक उदाहरण हुन सक्छ।

तपाइँको काम ठीकसंग गर्न को लागी, तपाइँ प्रोग्राम वा स्वचालित प्रणाली को लागी स्पष्ट निर्देशन दिन को लागी आवश्यक छ। प्रत्येक पटक एक स्वचालित प्रणाली यसको काम को दायरा परिमार्जन गर्न को लागी आवश्यक छ, कार्यक्रम वा निर्देश सेट कोहि द्वारा अपडेट गर्न को लागी आवश्यक छ। यद्यपि स्वचालित प्रणाली यसको काम मा प्रभावी छ, त्रुटिहरु कारणहरु को एक किसिम को लागी हुन सक्छ। जब त्रुटिहरु हुन्छन्, मूल कारण पहिचान गरी सच्याउन आवश्यक छ। स्पष्ट छ, यसको काम गर्न को लागी, एक स्वचालित प्रणाली बिल्कुल मानव मा निर्भर छ। अधिक जटिल काम को प्रकृति, उच्च त्रुटिहरु र समस्याहरु को संभावना।

आईटी उद्योग मा स्वचालन को एक सामान्य उदाहरण वेब आधारित प्रयोगकर्ता इन्टरफेस को परीक्षण को स्वचालन हो। परीक्षण मामलाहरु स्वचालन स्क्रिप्ट मा खुवाइएको छ र प्रयोगकर्ता इन्टरफेस तदनुसार परीक्षण गरीएको छ। (मेशिन शिक्षा को व्यावहारिक आवेदन को लागी अधिक को लागी, अर्को पीढी को धोखाधड़ी को जांच मा मिसिन शिक्षा र Hadoop हेर्नुहोस्।)

स्वचालन को पक्ष मा तर्क यो हो कि यो नियमित र दोहोर्याउने कार्यहरु गर्दछ र कर्मचारीहरु लाई अधिक जटिल र रचनात्मक कार्यहरु को लागी स्वतन्त्र गर्दछ। जे होस्, यो पनि तर्क दिईन्छ कि स्वचालन कार्यहरु वा भूमिकाहरु को एक ठूलो संख्या पहिले मानव द्वारा प्रदर्शन गरीएको छ। अब, मेशिन शिक्षा संग विभिन्न उद्योगहरु मा प्रवेश, स्वचालन एक नयाँ आयाम थप्न सक्नुहुन्छ।

स्वचालित मेशिन शिक्षा को भविष्य?

मेशिन शिक्षा को सार एक प्रणाली को क्षमता लगातार डाटा बाट सिक्न र मानव हस्तक्षेप बिना विकसित गर्न को लागी हो। मेशिन शिक्षा एक मानव मस्तिष्क जस्तै अभिनय गर्न सक्षम छ। उदाहरण को लागी, ई-वाणिज्य साइटहरु मा सिफारिश इन्जिन एक प्रयोगकर्ता को अद्वितीय प्राथमिकताहरु र स्वाद को आकलन गर्न को लागी र सबैभन्दा उपयुक्त उत्पादनहरु र सेवाहरु मा छनौट गर्न को लागी सिफारिशहरु प्रदान गर्न सक्छन्। यो क्षमता दिईयो, मेशिन शिक्षा ठूलो डाटा र एनालिटिक्स संग सम्बन्धित जटिल कार्यहरु को स्वचालित को लागी आदर्श को रूप मा देखीन्छ। यो परम्परागत स्वचालित प्रणालीहरु को एक प्रमुख आधार मा मानव हस्तक्षेप को लागी अनुमति छैन की प्रमुख सीमाहरु लाई पार गरेको छ। त्यहाँ धेरै केस अध्ययनहरु छन् कि जटिल डाटा विश्लेषण कार्यहरु गर्न को लागी मेशिन शिक्षा को क्षमता को प्रदर्शन, जो पछि यस पत्र मा छलफल गरिनेछ।

जस्तै पहिले नै उल्लेख गरीएको छ, ठूलो डाटा एनालिटिक्स व्यवसाय को लागी एक चुनौतीपूर्ण प्रस्ताव हो, जो आंशिक रूप बाट मेशिन शिक्षा प्रणाली को लागी प्रत्यायोजित गर्न सकिन्छ। एक व्यापार परिप्रेक्ष्य बाट, यो धेरै रचनात्मक र मिशन महत्वपूर्ण कार्यहरु को लागी डाटा विज्ञान को स्रोतहरु लाई मुक्त गर्न को लागी धेरै फाइदाहरु ल्याउन सक्छ, उच्च कार्यभार, कम समय पूरा गर्न को लागी लागत र प्रभावकारिता।

मामला अध्ययन

२०१५ मा, एमआईटी शोधकर्ताहरु एक डाटा विज्ञान उपकरण मा काम गर्न थालेका छन् कि गहिरो सुविधा संश्लेषण एल्गोरिदम भनिन्छ एक प्रविधिको प्रयोग गरेर कच्चा डाटा को ठूलो मात्रा बाट भविष्यवाणी डाटा मोडेल बनाउन सक्छ। वैज्ञानिकहरुको दाबी छ कि एल्गोरिदम मेशिन शिक्षा को सबै भन्दा राम्रो सुविधाहरु लाई जोड्न सक्छ। वैज्ञानिकहरुका अनुसार, उनीहरुले यसलाई तीन फरक डाटासेट मा परीक्षण गरेका छन् र परीक्षण को विस्तार गरी रहेका छन्। डाटा साइन्स र एनालिटिक्स सम्बन्धी अन्तर्राष्ट्रिय सम्मेलनमा प्रस्तुत गरिने एक पत्रमा, शोधकर्ता जेम्स म्याक्स कान्टर र कल्याण वीरमचनेनीले भने, "एक स्वचालित ट्युनि process प्रक्रिया को उपयोग गरेर, हामी मानव संलग्नता बिना सम्पूर्ण बाटो लाई अनुकूलित गर्दछौं, यसलाई बिभिन्न डाटासेटहरुमा सामान्यीकरण गर्न को लागी"।

कार्य को जटिलता मा हेरौं: एल्गोरिथ्म के हो जुन एक स्वत: समायोजन क्षमता को रूप मा जानिन्छ, जसको मद्दत बाट अन्तर्दृष्टि वा मानहरु प्राप्त गर्न वा कच्चा डाटा (जस्तै उमेर वा लि gender्ग) बाट निकाल्न सकिन्छ, पछि भविष्यवाणी डेटा मोडेलहरु बनाउन सकिन्छ। एल्गोरिथ्म जटिल गणितीय कार्यहरु र एक संभावना सिद्धान्त गौसियन Copula भनिन्छ प्रयोग गर्दछ। यसैले यो जटिलताको स्तर बुझ्न सजिलो छ कि एल्गोरिथ्म ह्यान्डल गर्न सक्छ। यो प्रविधिले प्रतियोगिताहरुमा पुरस्कार पनि जितेको छ।

मेशिन शिक्षा गृहकार्य प्रतिस्थापन गर्न सक्छ

यो दुनिया भर मा चर्चा गरीरहेको छ कि मेशिन शिक्षा धेरै जागिरहरु लाई प्रतिस्थापन गर्न सक्छ किनकि यसले मानव मस्तिष्क को दक्षता संग कार्य गर्दछ। वास्तव मा, त्यहाँ केहि चिन्ता छ कि मेशिन शिक्षा डाटा वैज्ञानिकहरु लाई प्रतिस्थापन गर्दछ, र त्यहाँ यस्तो चिन्ता को लागी एक आधार देखिन्छ।

औसत प्रयोगकर्ता को लागी जो डेटा विश्लेषण कौशल छैन तर आफ्नो दैनिक जीवन मा विश्लेषणात्मक आवश्यकताहरु को डिग्री फरक छ, यो कम्प्यूटर को उपयोग गर्न को लागी संभव छैन कि डाटा को विशाल मात्रा को विश्लेषण र विश्लेषण डाटा प्रदान गर्न सक्छ। जे होस्, प्राकृतिक भाषा प्रसंस्करण (NLP) प्रविधिहरु लाई स्वीकार गर्न को लागी र प्राकृतिक मानव भाषा को प्रक्रिया को लागी कम्प्यूटर को शिक्षण द्वारा यस सीमा लाई पार गर्न सक्छ। यस तरीकाले, औसत प्रयोगकर्ता परिष्कृत विश्लेषणात्मक कार्यहरु वा कौशल को आवश्यकता छैन।

आईबीएम विश्वास गर्दछ कि डाटा वैज्ञानिकहरु को लागी आवश्यकता लाई कम गर्न वा यसको उत्पादन, वाटसन प्राकृतिक भाषा एनालिटिक्स प्लेटफार्म को माध्यम बाट हटाउन सकिन्छ। वाट्सन मा एनालिटिक्स र बिजनेस इंटेलिजेंस को उपाध्यक्ष मार्क एट्सचुलर को अनुसार, "वाटसन जस्तै एक संज्ञानात्मक प्रणाली संग, तपाइँ मात्र तपाइँको प्रश्न सोध्नुहोस् - वा यदि तपाइँसँग कुनै प्रश्न छैन, तपाइँ मात्र तपाइँको डाटा अपलोड गर्नुहोस् र वाटसन यसलाई हेर्न सक्नुहुन्छ। र अनुमान के तपाइँ जान्न चाहानुहुन्छ। "

निष्कर्ष

स्वचालन मेशिन शिक्षा मा अर्को तार्किक कदम हो र हामी पहिले नै हाम्रो दैनिक जीवन मा प्रभावहरु अनुभव गरीरहेका छौं-ई-वाणिज्य साइटहरु, फेसबुक मित्र सुझाव, लिंक्डइन नेटवर्क सुझाव र Airbnb खोज रैंकिंग। दिइएको उदाहरणहरु लाई ध्यान दिदै, त्यहाँ कुनै संदेह छैन कि यो स्वचालित मेशिन शिक्षा प्रणालीहरु द्वारा उत्पादित उत्पादन को गुणस्तर को लागी जिम्मेवार हुन सक्छ। यसको सबै गुणहरु र लाभहरु को लागी, भारी बेरोजगारी को कारण मेशिन शिक्षा को विचार एक overreaction को एक बिट लाग्छ। मेसिनहरु दशकौं को लागी हाम्रो जीवन को धेरै भागहरु मा मानिसहरु लाई प्रतिस्थापन गरी रहेको छ, तर मानिसहरु विकसित र उद्योग मा सान्दर्भिक रहन को लागी अनुकूलित छन्। दृश्य को अनुसार, यसको सबै अवरोध को लागी मेशिन शिक्षा केवल अर्को लहर हो कि मानिसहरु लाई अनुकूल हुनेछ।


पोस्ट समय: अगस्त-03-2021