सदस्य:Vikram Fernandes/प्रयोगपृष्ठ
मशीन लर्निंग
संपादित करेंपरिचय
संपादित करेंनई कंप्यूटिंग तकनीकों के कारण, मशीन लर्निंग आज अतीत के मशीन लर्निंग की तरह नहीं है। यह पैटर्न मान्यता और सिद्धांत से पैदा हुआ था कि कंप्यूटर विशिष्ट कार्यों को करने के लिए प्रोग्राम किए बिना सीख सकते हैं; कृत्रिम बुद्धिमत्ता में रुचि रखने वाले शोधकर्ता यह देखना चाहते थे कि क्या कंप्यूटर डेटा से सीख सकते हैं। मशीन लर्निंग का पुनरावृत्त पहलू महत्वपूर्ण है क्योंकि चूंकि मॉडल नए डेटा के संपर्क में हैं, वे स्वतंत्र रूप से अनुकूलन करने में सक्षम हैं। वे विश्वसनीय, दोहराए जाने वाले निर्णयों और परिणामों का उत्पादन करने के लिए पिछली गणनाओं से सीखते हैं। यह एक ऐसा विज्ञान है जो नया नहीं है - लेकिन एक ऐसा जो ताजा गति प्राप्त कर चुका है।
मशीन लर्निंग का महत्व
संपादित करेंवित्तीय उद्योग में बैंक और अन्य व्यवसाय दो प्रमुख उद्देश्यों के लिए मशीन लर्निंग तकनीक का उपयोग करते हैं: डेटा में महत्वपूर्ण अंतर्दृष्टि की पहचान करना, और धोखाधड़ी को रोकना। अंतर्दृष्टि निवेश के अवसरों की पहचान कर सकती है, या निवेशकों को यह जानने में मदद कर सकती है कि व्यापार कब करना है। डेटा माइनिंग उच्च जोखिम वाले प्रोफाइल वाले ग्राहकों की पहचान कर सकता है, या धोखाधड़ी के चेतावनी संकेतों को इंगित करने के लिए साइबर निगरानी का उपयोग कर सकता है।
डेटा सुरक्षा
संपादित करेंसार्वजनिक सुरक्षा और उपयोगिताओं जैसी सरकारी एजेंसियों को मशीन सीखने की विशेष आवश्यकता है क्योंकि उनके पास डेटा के कई स्रोत हैं जो अंतर्दृष्टि के लिए खनन किए जा सकते हैं। उदाहरण के लिए, सेंसर डेटा का विश्लेषण दक्षता बढ़ाने और पैसे बचाने के तरीकों की पहचान करता है। मशीन लर्निंग धोखाधड़ी को पहचानने और पहचान की चोरी को कम करने में भी मदद कर सकता है।
मशीन लर्निंग स्वास्थ्य देखभाल उद्योग में एक तेजी से बढ़ती प्रवृत्ति है, पहनने योग्य उपकरणों और सेंसर के आगमन के लिए धन्यवाद जो वास्तविक समय में रोगी के स्वास्थ्य का आकलन करने के लिए डेटा का उपयोग कर सकते हैं। प्रौद्योगिकी मेडिकल विशेषज्ञों को रुझानों या लाल झंडों की पहचान करने के लिए डेटा का विश्लेषण करने में मदद कर सकती है जिससे सुधार और उपचार हो सकता है।
अनुप्रयोग
संपादित करेंपैटर्न और रुझानों की पहचान करने के लिए डेटा का विश्लेषण परिवहन उद्योग के लिए महत्वपूर्ण है, जो लाभप्रदता बढ़ाने के लिए मार्गों को अधिक कुशल बनाने और संभावित समस्याओं की भविष्यवाणी करने पर निर्भर करता है। मशीन लर्निंग का डेटा विश्लेषण और मॉडलिंग पहलू डिलीवरी कंपनियों, सार्वजनिक परिवहन और अन्य परिवहन संगठनों के लिए महत्वपूर्ण उपकरण हैं।
पहनने योग्य सेंसर और उपकरणों के आगमन के साथ, जो वास्तविक समय में किसी रोगी के स्वास्थ्य का उपयोग करने के लिए डेटा का उपयोग करते हैं, एमएल स्वास्थ्य सेवा में तेजी से बढ़ती प्रवृत्ति बन रहा है। पहनने योग्य में सेंसर वास्तविक समय की रोगी जानकारी प्रदान करते हैं, जैसे कि समग्र स्वास्थ्य स्थिति, दिल की धड़कन, रक्तचाप और अन्य महत्वपूर्ण पैरामीटर। डॉक्टर और चिकित्सा विशेषज्ञ इस जानकारी का उपयोग किसी व्यक्ति की स्वास्थ्य स्थिति का विश्लेषण करने, रोगी के इतिहास से एक पैटर्न तैयार करने और भविष्य में किसी भी बीमारी के होने की भविष्यवाणी कर सकते हैं। तकनीक चिकित्सा विशेषज्ञों को उन रुझानों की पहचान करने के लिए डेटा का विश्लेषण करने का भी अधिकार देती है जो बेहतर निदान और उपचार की सुविधा प्रदान करते हैं।
संदर्भ
संपादित करेंhttps://hindime.net/machine-learning-kya-hai-hindi/
https://ehindistudy.com/2017/04/16/machine-learning-inductive-hindi/