Machine Learning in Hindi
मशीन लर्निंग (Machine Learning in Hindi) एक व्यापक शब्द है जिसका उपयोग विभिन्न टूल्स और तकनीकों के सन्दर्भ में किया जाता है। मशीन लर्निंग में डेटा माइनिंग, रीजनिंग, गणित और प्रोग्रामिंग विषय के साथ साथ अन्य टेक्निकल क्षेत्र भी जुड़े हुए हैं।
आर्टिफिशियल इंटेलिजेंस और कंप्यूटर साइंस में डेटा, न्यूरल मॉडल्स और एल्गोरिदम के आधार पर मशीन या कंप्यूटर खुद से सीख सकता है जैसे इंसान सीखते हैं, मशीन लर्निंग के अंतर्गत आता है।
In artificial intelligence and computer science, on the basis of data and algorithms, the machine or computer can learn from itself as humans learn, comes under machine learning.
मशीन लर्निंग अध्ययन का ऐसा क्षेत्र है जिसमे कंप्यूटर बिना प्रोग्राम किये खुद से सीख सकें। सीखने की क्षमता, मशीन या कंप्यूटर को देना, मशीन लर्निंग में इसका अध्ययन करते हैं।
मशीन लर्निंग क्या है| Machine learning in Hindi
मशीन लर्निंग शब्द 1959 में पहली बार आर्थर सैमुअल द्वारा इस्तेमाल में लाया गया था। वह आर्टिफिशियल इंटेलिजेंस और कंप्यूटर गेमिंग में अग्रणी थे,
आर्थर सैमुअल के अनुसार
“अध्ययन का वह क्षेत्र जो कंप्यूटर को स्पष्ट रूप से प्रोग्राम किए बिना सीखने की क्षमता देता है।“
मशीन लर्निंग सामान्य प्रोग्रामिंग से किस प्रकार अलग है सामान्य प्रोग्रामिंग में, हम डेटा इनपुट करते हैं और एक प्रोग्राम (अच्छी तरह से लिखा और परीक्षण किया हुआ) जो पहले से ही मशीन में है, आउटपुट देता है।
जब मशीन लर्निंग की बात आती है, तो इसमें इनपुट डेटा के साथ साथ आउटपुट डेटा भी फीड किया जाता है ताकि यह खुद से सीख सके और आउटपुट के रूप में प्रोग्राम तैयार कर सके। और इस प्रोसेस को मशीन लर्निंग में लर्निंग फेज कहा जाता है।

हमें मशीन लर्निंग क्यों सीखनी चाहिए | Why should we learn Machine Learning in Hindi?
मशीन लर्निंग पर आज पूरा ध्यान देने की जरूरत है। मशीन लर्निंग से कई कार्यों का ऑटोमेशन किया जा सकता है, जो केवल मनुष्य ही अपनी बुद्धि से कर सकते हैं। मशीन लर्निंग की मदद से ही इस तरह की बुद्धिमान मशीनों को बनाया जा सकता है।
मशीन लर्निंग की मदद से व्यवसाय और उद्योग रूटीन कार्यों का ऑटोमेशन कर सकते हैं। यह बड़े स्तर पर डेटा विश्लेषण के लिए मॉडल बनाने में भी मदद कर सकता है। मशीन लर्निंग से ऐसे मॉडल बनाने में मदद मिलती है जो सटीक परिणाम देने के लिए बड़ी मात्रा में जटिल डेटा का प्रोसेस और विश्लेषण करते हैं। ऐसे सटीक मशीन लर्निंग मॉडल बनाकर, व्यवसाय और उद्योग प्रॉफिट कमा सकते हैं और अनजान खतरों से भी बच सकते हैं।
इमेज रिकग्निशन, टेक्स्ट जेनरेशन, ऑटोमेटेड स्टॉक ट्रेडिंग और कस्टमर सर्विस कई अन्य उदाहरणों द्वारा हम इसे समझ सकते हैं।
मशीन लर्निंग कैसे सीखें | How to learn Machine Learning in Hindi
मशीन लर्निंग एक व्यापक क्षेत्र है जिसमें आर्टिफिशियल इंटेलिजेंस, डीप लर्निंग, डेटा माइनिंग, मैथमेटिक्स, डेटा साइंस जैसे विषय शामिल हैं, मतलब एडवांस कंप्यूटर साइंस से सम्बंधित सभी क्षेत्र इसके अंतर्गत आते हैं।
इसके लिए आपको गणित और कंप्यूटर साइंस जैसे विषयों में अच्छा होना होगा।
मशीन लर्निंग सीखने के लिए आपको मशीन लर्निंग में उपयोग की जाने वाली कुछ महत्वपूर्ण शब्दावली याद रखने पड़ेगी जैसे-

मशीन लर्निंग की कुछ शब्दावली | Terminology of Machine Learning in Hindi
कुछ शब्द हैं जो मशीन लर्निंग में उपयोग किये जाते हैं।
Model: मॉडल
इसे हाइपोथीसिस भी कहा जाता है एक मशीन लर्निंग मॉडल वास्तविक दुनिया में जो प्रोसेस होती हैं उसका गणितीय चित्रण है। मशीन लर्निंग एल्गोरिदम, ट्रेनिंग डेटा से एक मशीन लर्निंग मॉडल बनाता है।
Feature: फीचर
फीचर डेटा-सेट को मापने का एक पैरामीटर या प्रॉपर्टी है।
Feature Vector: फीचर वेक्टर
फीचर वेक्टर कई न्यूमेरिक फीचर्स का सेट है। इसे ट्रेनिंग और प्रेडिक्शन के लिए मशीन लर्निंग मॉडल के इनपुट के रूप में उपयोग करते हैं।
Training: ट्रेनिंग
लर्निंग एल्गोरिदम इनपुट डेटा में पैटर्न ढूंढता है और अपेक्षित परिणाम (लक्ष्य) के लिए मॉडल को प्रशिक्षित करता है। ट्रेनिंग प्रोसेस का आउटपुट मशीन लर्निंग मॉडल है।
Prediction: प्रेडिक्शन
एक बार मशीन लर्निंग मॉडल तैयार हो जाने के बाद, इसे प्रेडिक्टेड आउटपुट देने करने के लिए इनपुट डेटा के साथ फीड किया जा सकता है।
Target (Label): टारगेट (लेबल)
मशीन लर्निंग मॉडल को जिस वैल्यू को प्रेडिक्ट करना होता है उसे टारगेट या लेबल कहा जाता है।
Overfitting: ओवरफिटिंग
जब बड़ी मात्रा में डेटा मशीन लर्निंग मॉडल को प्रशिक्षित करता है, तो यह गलत डेटा एंट्री से भी कुछ सीखता है। इसलिए मॉडल, डेटा को सही ढंग से चिह्नित करने में विफल रहता है।
Underfitting: अंडरफिटिंग
जब मॉडल, इनपुट डेटा में मौजूद प्रविष्टियों को समझने में विफल रहता है। यह मशीन लर्निंग मॉडल की सटीकता को नष्ट कर देता है।