स्वचालन: डेटा विज्ञान और मशीन सीखने का भविष्य?

विषय

• सूचना प्रौद्योगिकी के क्षेत्र में स्वचालन
• क्या मशीन सीखने का भविष्य स्वचालन है?
• नो बग्स, नो स्ट्रेस - योर स्टेप बाय स्टेप गाइड बाय स्टेप गाइड टू लाइफ-चेंजिंग सॉफ्टवेर विदाउट योर लाइफ
• मामले का अध्ययन
• मशीन लर्निंग नौकरियां बदल सकती हैं
• निष्कर्ष

स्रोत: क्रुलुआ / ड्रीमस्टाइम डॉट कॉम

ले जाओ:

मशीन लर्निंग एक सिस्टम की अपनी प्रोग्रामिंग को बदलने की क्षमता है। लेकिन जब एक प्रणाली ऐसा कर सकती है, तो क्या मनुष्य अभी भी आवश्यक हैं?

कंप्यूटिंग के इतिहास में मशीन लर्निंग सबसे बड़ी प्रगति में से एक रही है, और अब यह माना जाता है कि यह बड़े डेटा और एनालिटिक्स के क्षेत्र में महत्वपूर्ण भूमिका निभाने में सक्षम है। बड़े डेटा विश्लेषण व्यवसायों के दृष्टिकोण से एक बड़ी चुनौती है। उदाहरण के लिए, विभिन्न डेटा प्रारूपों के विशाल मात्रा की समझ बनाने, विश्लेषण के लिए डेटा तैयार करने और अनावश्यक डेटा को फ़िल्टर करने जैसी गतिविधियाँ बहुत सारे संसाधनों का उपभोग कर सकती हैं। डेटा वैज्ञानिकों और विशेषज्ञों को किराए पर लेना एक महंगा प्रस्ताव है और हर कंपनी के साधन के भीतर नहीं। विशेषज्ञों का मानना ​​है कि मशीन लर्निंग एनालिटिक्स से संबंधित कई कार्यों को स्वचालित करने में सक्षम है - दोनों नियमित और जटिल। स्वचालित मशीन सीखने से बहुत सारे संसाधनों को मुक्त किया जा सकता है जिनका उपयोग अधिक जटिल और नवीन नौकरियों में किया जा सकता है। ऐसा लगता है कि मशीन सीखना उस दिशा में बढ़ रहा है। (मशीन सीखने के उपयोग के बारे में अधिक जानने के लिए, मशीन सीखने के वादे और नुकसान देखें।)

सूचना प्रौद्योगिकी के क्षेत्र में स्वचालन

आईटी के चुनाव में, स्वचालन असमान प्रणालियों और सॉफ्टवेयरों को जोड़ने का काम करता है ताकि वे बिना किसी मानवीय हस्तक्षेप के विशिष्ट कार्य कर सकें। आईटी उद्योग में, स्वचालित प्रणाली सरल और जटिल दोनों प्रकार की नौकरियों का प्रदर्शन कर सकती है। एक साधारण नौकरी का एक उदाहरण एक पीडीएफ के साथ एक फार्म को एकीकृत किया जा सकता है और दस्तावेज़ को सही प्राप्तकर्ता के रूप में जोड़ा जा सकता है, जबकि ऑफसाइट बैकअप का प्रावधान करना एक जटिल नौकरी का एक उदाहरण हो सकता है।

अपना काम करने के लिए, एक स्वचालित प्रणाली को प्रोग्राम करने या स्पष्ट निर्देश देने की आवश्यकता होती है। हर बार एक स्वचालित प्रणाली को अपनी नौकरियों के दायरे को संशोधित करने की आवश्यकता होती है, कार्यक्रम या निर्देशों के सेट को एक इंसान द्वारा अद्यतन करने की आवश्यकता होती है। जबकि स्वचालित प्रणाली अपनी नौकरियों में कुशल हैं, विभिन्न कारणों से त्रुटियां हो सकती हैं। जब त्रुटियां होती हैं, तो मूल कारण को पहचानने और ठीक करने की आवश्यकता होती है। जाहिर है, अपनी नौकरी करने के लिए, स्वचालित प्रणाली पूरी तरह से इंसानों पर निर्भर हैं। नौकरी की प्रकृति जितनी जटिल है, उतनी ही त्रुटियों और मुद्दों की संभावना है।

आमतौर पर, नियमित और दोहराए जाने वाले कार्य स्वचालित प्रणालियों को सौंपे जाते हैं। आईटी उद्योग में स्वचालन का एक आम उदाहरण वेब-आधारित उपयोगकर्ता इंटरफेस का परीक्षण स्वचालित है। परीक्षण मामलों को स्वचालन स्क्रिप्ट में खिलाया जाता है और उपयोगकर्ता इंटरफ़ेस को तदनुसार परीक्षण किया जाता है। (मशीन लर्निंग के व्यावहारिक उपयोग पर अधिक जानकारी के लिए, अगली पीढ़ी के धोखाधड़ी का पता लगाने में मशीन लर्निंग और हाडोप देखें।)

स्वचालन के पक्ष में तर्क यह दिया गया है कि यह नियमित और दोहराने योग्य कार्य करता है और कर्मचारियों को अधिक जटिल और रचनात्मक कार्य करने के लिए मुक्त करता है। हालांकि, यह भी तर्क दिया जाता है कि ऑटोमेशन ने बहुत सारी नौकरियों या भूमिकाओं को विस्थापित कर दिया है जो पूर्व में मनुष्यों द्वारा निभाई गई थी। अब, मशीन सीखना विभिन्न उद्योगों में अपना रास्ता खोज रहा है, स्वचालन पूरी तरह से एक नया आयाम जोड़ सकता है।

क्या मशीन सीखने का भविष्य स्वचालन है?

मशीन लर्निंग का बहुत सार सिस्टम की क्षमता है कि वह डेटा से लगातार सीखता है और मानव के हस्तक्षेप के बिना विकसित होता है। मशीन लर्निंग मानव मस्तिष्क की तरह व्यवहार करने में सक्षम है। उदाहरण के लिए, एक ई-कॉमर्स वेबसाइट में एक सिफारिश इंजन उपयोगकर्ता की अनूठी वरीयताओं और स्वादों का आकलन कर सकता है और उन उत्पादों और सेवाओं पर सिफारिशें पेश कर सकता है जो उपयोगकर्ता की पसंद को सबसे उपयुक्त बनाती हैं। इस क्षमता को देखते हुए, मशीन लर्निंग को बड़े डेटा और एनालिटिक्स से संबंधित जटिल कार्यों को स्वचालित करने के लिए आदर्श माना जाता है। इसने पारंपरिक स्वचालन प्रणालियों की मुख्य सीमा को पहले ही दूर कर दिया है जो नियमित मानव हस्तक्षेप के बिना काम नहीं कर सकते। यह दिखाने के लिए कई मामले अध्ययन हैं कि मशीन लर्निंग परिष्कृत डेटा विश्लेषण कार्यों को पूरा करने में सक्षम है, जैसा कि इस लेख में बाद में चर्चा की जाएगी।

जैसा कि पहले ही बताया गया है, बड़ा डेटा विश्लेषण कंपनियों के लिए एक चुनौतीपूर्ण प्रस्ताव है और इसे आंशिक रूप से मशीन लर्निंग सिस्टम को सौंपा जा सकता है। एक व्यवसाय के दृष्टिकोण से, यह बहुत सारे लाभ ला सकता है जैसे कि अधिक रचनात्मक और महत्वपूर्ण असाइनमेंट के लिए डेटा विज्ञान संसाधनों को मुक्त करना, काम पूरा होने की अधिक मात्रा, कार्यों को पूरा करने में कम समय और लागत प्रभावशीलता।

नो बग्स, नो स्ट्रेस - योर स्टेप बाय स्टेप गाइड बाय स्टेप गाइड टू लाइफ-चेंजिंग सॉफ्टवेर विदाउट योर लाइफ

जब कोई भी सॉफ़्टवेयर गुणवत्ता की परवाह नहीं करता है तो आप अपने प्रोग्रामिंग कौशल में सुधार कर सकते हैं।

मामले का अध्ययन

2015 में MIT के शोधकर्ताओं ने एक डेटा साइंस टूल पर काम करना शुरू किया, जो डीप फीचर सिंथेसिस एल्गोरिथम नामक तकनीक का उपयोग करके कच्चे डेटा के विशाल मात्रा में अनुमानित डेटा मॉडल बनाने में सक्षम है। एल्गोरिदम, वैज्ञानिकों का दावा है, मशीन सीखने की सर्वोत्तम विशेषताओं को जोड़ सकता है। वैज्ञानिकों के अनुसार, उन्होंने पहले से ही तीन अलग-अलग डेटा सेट पर एल्गोरिदम का परीक्षण किया है और अधिक डेटा सेट के परीक्षण के दायरे का विस्तार करने जा रहे हैं। यह वर्णन करते हुए कि वे ऐसा कैसे करते हैं, शोधकर्ता जेम्स मैक्स कंटर और कल्याण वीरमचन्नी ने एक पेपर में एक अंतरराष्ट्रीय डेटा विज्ञान और विश्लेषिकी सम्मेलन में प्रस्तुत करने के लिए कहा, "एक ऑटो-ट्यूनिंग प्रक्रिया का उपयोग करते हुए, हम पूरे मानव मार्ग को मानव विकास के बिना अनुकूलित करते हैं, इसे सामान्य बनाने के लिए सक्षम करते हैं। अलग-अलग डेटासेट पर। ”

आइए देखें कि कार्य कितना जटिल है: एल्गोरिथ्म में एक क्षमता है जिसे ऑटो-ट्यूनिंग क्षमता के रूप में जाना जाता है, जिसकी मदद से यह कच्चे डेटा जैसे कि उम्र या लिंग से अंतर्दृष्टि या मूल्यों को प्राप्त करता है या निकालता है, और उसके बाद, यह भविष्य कहनेवाला डेटा मॉडल बना सकते हैं। एल्गोरिथ्म जटिल गणितीय कार्यों और एक संभावना सिद्धांत का उपयोग करता है जिसे गॉसियन कोपुला के रूप में जाना जाता है। तो, यह समझना आसान है कि एल्गोरिथ्म जटिलता की सीमा को संभालने में सक्षम है। तकनीक ने प्रतियोगिताओं में पुरस्कार भी जीते हैं।

मशीन लर्निंग नौकरियां बदल सकती हैं

दुनिया भर में यह चर्चा हो रही है कि मशीन लर्निंग कई नौकरियों को बदल सकती है क्योंकि यह मानव मस्तिष्क की दक्षता के साथ कार्य कर रही है। वास्तव में, कुछ चिंता है कि मशीन लर्निंग डेटा वैज्ञानिकों को बदल देगा - और इस तरह की आशंकाओं के लिए आधार प्रतीत होता है।

उन आम उपयोगकर्ताओं के लिए जिनके पास डेटा विश्लेषण कौशल नहीं है, लेकिन फिर भी उनके जीवन में दिन-प्रतिदिन बदलती डिग्री में विश्लेषिकी की आवश्यकता होती है, यह उन कंप्यूटरों के लिए संभव नहीं है जो विशाल डेटा संस्करणों का विश्लेषण करने और विश्लेषिकी की पेशकश करने में सक्षम हैं। लेकिन प्राकृतिक भाषा प्रसंस्करण (एनएलपी) प्रौद्योगिकियां कंप्यूटर को मनुष्यों की प्राकृतिक, बोली जाने वाली भाषा को स्वीकार करने और संसाधित करने के लिए सिखाकर इस सीमा को पार कर सकती हैं। इस तरह, आम उपयोगकर्ता को परिष्कृत विश्लेषिकी क्षमताओं या कौशल की आवश्यकता नहीं होती है।

आईबीएम का मानना ​​है कि इसके उत्पाद वाटसन नेचुरल लैंग्वेज एनालिटिक्स प्लेटफॉर्म के साथ डेटा वैज्ञानिकों की आवश्यकता को कम या खत्म किया जा सकता है। वाटसन एनालिटिक्स और बिजनेस इंटेलिजेंस के लिए इसके उपाध्यक्ष, मार्क अत्सचुल्लर के अनुसार, “वाटसन जैसी संज्ञानात्मक प्रणाली के साथ आप अपना प्रश्न लाते हैं - या यदि आपके पास कोई सवाल नहीं है तो आप अपना डेटा अपलोड करें और वाटसन इसे देख सकते हैं और अनुमान लगा सकते हैं आप जानना चाहते हैं। "

निष्कर्ष

मशीन सीखने के लिए स्वचालन अगला तार्किक कदम है और हम पहले से ही अपने दिन-प्रतिदिन के जीवन में प्रभावों का सामना कर रहे हैं - ई-कॉमर्स वेबसाइटों, मित्र सुझावों, लिंक्डइन नेटवर्किंग सिफारिशों और एयरबीएनबी खोज रैंकिंग में। दिए गए उदाहरणों को देखते हुए, स्वचालित मशीन लर्निंग सिस्टम द्वारा उत्पादित आउटपुट की गुणवत्ता पर कोई संदेह नहीं किया जा सकता है। अपने सभी गुणों और लाभों के लिए, बड़ी बेरोजगारी के कारण मशीन लर्निंग का विचार थोड़ा अधिक लग सकता है। मशीनें हमारे जीवन के कई क्षेत्रों में कई दशकों से मनुष्यों की जगह ले रही हैं और फिर भी, मनुष्य उद्योग में प्रासंगिक बने रहने के लिए विकसित और अनुकूलित है। अपने सभी विघटन के लिए परिप्रेक्ष्य के आधार पर, मशीन लर्निंग, केवल एक और ऐसी लहर है, जिसके लिए लोग अनुकूल होंगे।