परिचय: अवधारणाएँ जो अक्सर भ्रमित करती हैं
मशीन लर्निंग, डीप लर्निंग और न्यूरल नेटवर्क ऐसे शब्द हैं जिन्हें आप कृत्रिम बुद्धिमत्ता समाचारों में लगातार सुनते हैं। कई लोग इन शब्दों का परस्पर उपयोग करते हैं, लेकिन वे विभिन्न तकनीकों का वर्णन करते हैं, प्रत्येक का अपना दायरा और अनुप्रयोग होता है।
भ्रम इसलिए होता है क्योंकि एक दूसरे में निहित है: तंत्रिका नेटवर्क एक मशीन सीखने की तकनीक है, और गहरी शिक्षा तंत्रिका नेटवर्क का विकास है इस पदानुक्रम को समझना यह समझने के लिए आवश्यक है कि एआई कैसे काम करता है और कौन से उपकरण विभिन्न समस्याओं को हल करते हैं।
इस गाइड में, हम इन अवधारणाओं को तोड़ेंगे और व्यावहारिक उदाहरण दिखाएंगे कि प्रत्येक वास्तविक दुनिया में कैसे काम करता है।
मशीन लर्निंग: सभी एल्गोरिदम की छतरी
मशीन लर्निंग क्या है?
मशीन लर्निंग सबसे व्यापक क्षेत्र है, जो किसी भी प्रणाली को शामिल करता है जो डेटा से सीखता है, प्रत्येक स्थिति के लिए स्पष्ट रूप से प्रोग्राम किए बिना। सख्त निर्देशों का पालन करने के बजाय, मशीन लर्निंग एल्गोरिदम डेटा में पैटर्न की पहचान करते हैं और भविष्यवाणियां करने के लिए उन पैटर्न का उपयोग करते हैं।
एक ईमेल स्पैम फ़िल्टर की कल्पना करें।एक प्रोग्रामर हर संभव स्पैम ईमेल के लिए एक नियम नहीं लिख सकता है। इसलिए एक मशीन लर्निंग एल्गोरिदम लाखों ईमेल (स्पैम या वैध के रूप में चिह्नित) का विश्लेषण करता है और स्वचालित रूप से सीखता है कि कौन सी विशेषताएं स्पैम का संकेत देती हैं: संदिग्ध शब्द, अज्ञात प्रेषक, अजीब प्रारूप, आदि।
मशीन लर्निंग के तीन मुख्य प्रकार
पर्यवेक्षित अधिगमः एल्गोरिथ्म पहले से लेबल किए गए डेटा से सीखता है आप सही उत्तर के साथ इनपुट उदाहरण प्रदान करते हैं, और सिस्टम पैटर्न सीखता है उदाहरण: पहले से वर्गीकृत ईमेल के इतिहास का उपयोग करके ईमेल को स्पैम या गैर-स्पैम के रूप में वर्गीकृत करें।
अनसुपरवाइज्ड लर्निंगः कोई पूर्वनिर्धारित सही उत्तर नहीं हैं एल्गोरिथ्म अपने दम पर डेटा में संरचनाओं या समूहों को ढूंढता है उदाहरण: एक स्टोर के ग्राहकों का विश्लेषण करने के लिए समान व्यवहार वाले समूहों को खोजने के लिए, पहले से यह जाने बिना कि कितने समूह हैं।
सुदृढीकरण सीखना: एल्गोरिथ्म परीक्षण और त्रुटि के माध्यम से सीखता है, पुरस्कार या दंड प्राप्त करता है जैसे, एक रोबोट जो चलना सीखता है या एक कार्यक्रम जो धीरे-धीरे अपनी रणनीति में सुधार करके शतरंज खेलना सीखता है।
तंत्रिका नेटवर्क: मशीन लर्निंग का एक विशिष्ट प्रकार
तंत्रिका नेटवर्क कैसे काम करते हैं
तंत्रिका नेटवर्क मानव मस्तिष्क से प्रेरित मशीन लर्निंग की एक विधि है। इनमें परस्पर जुड़ी इकाइयों की परतें होती हैं जिन्हें कृत्रिम न्यूरॉन्स कहा जाता है। प्रत्येक न्यूरॉन जानकारी प्राप्त करता है, इसे संसाधित करता है और इसे आगे बढ़ाता है।
एक साधारण तंत्रिका नेटवर्क के तीन भाग होते हैं: इनपुट परत (डेटा), छिपी हुई परतें (प्रसंस्करण), और आउटपुट परत (परिणाम) प्रशिक्षण के दौरान, त्रुटियों को कम करने के लिए न्यूरॉन्स के बीच कनेक्शन के वजन को समायोजित किया जाता है।
अन्य एल्गोरिदम के बजाय तंत्रिका नेटवर्क का उपयोग कब करें
तंत्रिका नेटवर्क चमकते हैं जब आपके पास होते हैं ढेर सारा डेटा e जटिल पैटर्न वास्तविक उदाहरण: तस्वीरों में चेहरे पहचानना, प्राकृतिक भाषण को समझना, चिकित्सा छवियों से बीमारियों का निदान करना।
छोटे डेटा के साथ सरल समस्याओं के लिए, निर्णय पेड़ या रैखिक प्रतिगमन जैसे पुराने एल्गोरिदम अधिक कुशल हैं लाखों मापदंडों के साथ एक तंत्रिका नेटवर्क यह अनुमान लगाने के लिए ओवरकिल है कि क्या कोई ग्राहक ३ विशेषताओं के आधार पर सदस्यता को नवीनीकृत करेगा।
डीप लर्निंग: जब न्यूरल नेटवर्क डीप हो जाते हैं
मौलिक अंतर: गहराई
गहरी शिक्षा कई छिपी हुई परतों के साथ बस तंत्रिका नेटवर्क है आमतौर पर 3 परतें।
