स्वचालन: डेटा विज्ञान और मशीन सीखने का भविष्य?

मशीन लर्निंग कंप्यूटिंग के इतिहास में सबसे बड़ी प्रगति में से एक रही है और अब इसे बड़े डेटा और एनालिटिक्स के क्षेत्र में एक महत्वपूर्ण भूमिका निभाने में सक्षम माना जाता है। एंटरप्राइज के नजरिए से बिग डेटा एनालिटिक्स एक बड़ी चुनौती है। उदाहरण के लिए, बड़ी संख्या में विभिन्न डेटा प्रारूपों को समझना, डेटा तैयार करने का विश्लेषण करना और अनावश्यक डेटा को फ़िल्टर करना जैसी गतिविधियाँ संसाधन गहन हो सकती हैं। डेटा वैज्ञानिक विशेषज्ञों की भर्ती एक महंगा प्रस्ताव है और हर कंपनी के लिए एक अंत का साधन नहीं है। विशेषज्ञों का मानना ​​​​है कि मशीन लर्निंग एनालिटिक्स से जुड़े कई कार्यों को स्वचालित कर सकता है - नियमित और जटिल दोनों। स्वचालित मशीन लर्निंग महत्वपूर्ण संसाधनों को मुक्त कर सकता है जिनका उपयोग अधिक जटिल और नवीन कार्यों के लिए किया जा सकता है। ऐसा लगता है कि मशीन लर्निंग हर समय इस दिशा में आगे बढ़ रहा है।

सूचना प्रौद्योगिकी के संदर्भ में स्वचालन

आईटी में, स्वचालन विभिन्न प्रणालियों और सॉफ्टवेयर का कनेक्शन है, जो उन्हें बिना किसी मानवीय हस्तक्षेप के विशिष्ट कार्य करने में सक्षम बनाता है। आईटी में, स्वचालित सिस्टम सरल और जटिल दोनों तरह के कार्य कर सकते हैं। एक साधारण कार्य का एक उदाहरण पीडीएफ़ के साथ प्रपत्रों को एकीकृत करना और सही प्राप्तकर्ता को दस्तावेज़ भेजना हो सकता है, जबकि ऑफ़-साइट बैकअप प्रदान करना एक जटिल कार्य का उदाहरण हो सकता है।

अपना काम ठीक से करने के लिए, आपको स्वचालित प्रणाली को प्रोग्राम करने या स्पष्ट निर्देश देने की आवश्यकता है। हर बार अपने काम के दायरे को संशोधित करने के लिए एक स्वचालित प्रणाली की आवश्यकता होती है, कार्यक्रम या निर्देश सेट को किसी के द्वारा अद्यतन करने की आवश्यकता होती है। हालांकि स्वचालित प्रणाली अपने काम में प्रभावी है, कई कारणों से त्रुटियां हो सकती हैं। जब त्रुटियां होती हैं, तो मूल कारण की पहचान करने और उसे ठीक करने की आवश्यकता होती है। जाहिर है, अपना काम करने के लिए एक स्वचालित प्रणाली पूरी तरह से इंसानों पर निर्भर है। कार्य की प्रकृति जितनी जटिल होगी, त्रुटियों और समस्याओं की संभावना उतनी ही अधिक होगी।

आईटी उद्योग में स्वचालन का एक सामान्य उदाहरण वेब-आधारित उपयोगकर्ता इंटरफेस के परीक्षण का स्वचालन है। टेस्ट केस को ऑटोमेशन स्क्रिप्ट में फीड किया जाता है और यूजर इंटरफेस का उसी के अनुसार परीक्षण किया जाता है। (मशीन लर्निंग के व्यावहारिक अनुप्रयोग के बारे में अधिक जानकारी के लिए नेक्स्ट जनरेशन फ्रॉड डिटेक्शन में मशीन लर्निंग और हडूप देखें।)

स्वचालन के पक्ष में तर्क यह है कि यह नियमित और दोहराने योग्य कार्य करता है और कर्मचारियों को अधिक जटिल और रचनात्मक कार्य करने के लिए मुक्त करता है। हालाँकि, यह भी तर्क दिया जाता है कि स्वचालन ने बड़ी संख्या में ऐसे कार्यों या भूमिकाओं को बाहर कर दिया है जो पहले मनुष्यों द्वारा किए गए थे। अब, मशीन लर्निंग के विभिन्न उद्योगों में प्रवेश के साथ, स्वचालन एक नया आयाम जोड़ सकता है।

स्वचालित मशीन सीखने का भविष्य?

मशीन लर्निंग का सार डेटा से लगातार सीखने और मानवीय हस्तक्षेप के बिना विकसित होने की प्रणाली की क्षमता है। मशीन लर्निंग मानव मस्तिष्क की तरह काम करने में सक्षम है। उदाहरण के लिए, ई-कॉमर्स साइटों पर अनुशंसा इंजन उपयोगकर्ता की अनूठी प्राथमिकताओं और स्वाद का आकलन कर सकते हैं और चुनने के लिए सबसे उपयुक्त उत्पादों और सेवाओं पर सिफारिशें प्रदान कर सकते हैं। इस क्षमता को देखते हुए, मशीन लर्निंग को बड़े डेटा और एनालिटिक्स से जुड़े जटिल कार्यों को स्वचालित करने के लिए आदर्श माना जाता है। इसने पारंपरिक स्वचालित प्रणालियों की प्रमुख सीमाओं को पार कर लिया है जो नियमित आधार पर मानवीय हस्तक्षेप की अनुमति नहीं देते हैं। कई केस स्टडीज हैं जो जटिल डेटा विश्लेषण कार्यों को करने के लिए मशीन सीखने की क्षमता को प्रदर्शित करती हैं, जिन पर इस पेपर में बाद में चर्चा की जाएगी।

जैसा कि पहले ही उल्लेख किया गया है, बिग डेटा एनालिटिक्स व्यवसायों के लिए एक चुनौतीपूर्ण प्रस्ताव है, जिसे आंशिक रूप से मशीन लर्निंग सिस्टम को सौंपा जा सकता है। व्यावसायिक दृष्टिकोण से, यह कई लाभ ला सकता है जैसे कि अधिक रचनात्मक और मिशन महत्वपूर्ण कार्यों के लिए डेटा विज्ञान संसाधनों को मुक्त करना, उच्च कार्यभार, कार्यों को पूरा करने के लिए कम समय और लागत प्रभावशीलता।

मामले का अध्ययन

2015 में, MIT के शोधकर्ताओं ने एक डेटा साइंस टूल पर काम करना शुरू किया, जो डीप फीचर सिंथेसिस एल्गोरिदम नामक तकनीक का उपयोग करके बड़ी मात्रा में कच्चे डेटा से भविष्य कहनेवाला डेटा मॉडल बना सकता है। वैज्ञानिकों का दावा है कि एल्गोरिदम मशीन सीखने की सर्वोत्तम विशेषताओं को जोड़ सकता है। वैज्ञानिकों के अनुसार, उन्होंने तीन अलग-अलग डेटासेट पर इसका परीक्षण किया है और अधिक शामिल करने के लिए परीक्षण का विस्तार कर रहे हैं। डेटा साइंस एंड एनालिटिक्स पर अंतर्राष्ट्रीय सम्मेलन में प्रस्तुत किए जाने वाले एक पेपर में, शोधकर्ता जेम्स मैक्स कनेटर और कल्याण वीरमचनेनी ने कहा, "एक स्वचालित ट्यूनिंग प्रक्रिया का उपयोग करके, हम मानव भागीदारी के बिना पूरे पथ को अनुकूलित करते हैं, जिससे यह विभिन्न डेटासेट को सामान्य बनाने की इजाजत देता है"।

आइए कार्य की जटिलता को देखें: एल्गोरिथ्म में एक ऑटो-समायोजन क्षमता के रूप में जाना जाता है, जिसकी मदद से कच्चे डेटा (जैसे उम्र या लिंग) से अंतर्दृष्टि या मूल्य प्राप्त या निकाले जा सकते हैं, जिसके बाद भविष्य कहनेवाला डेटा मॉडल बनाए जा सकते हैं। एल्गोरिथ्म जटिल गणितीय कार्यों और गॉसियन कोपुला नामक एक संभाव्यता सिद्धांत का उपयोग करता है। इसलिए जटिलता के स्तर को समझना आसान है जिसे एल्गोरिथम संभाल सकता है। इस तकनीक ने प्रतियोगिताओं में पुरस्कार भी जीते हैं।

मशीन लर्निंग होमवर्क की जगह ले सकती है

दुनिया भर में इस बात की चर्चा हो रही है कि मशीन लर्निंग कई नौकरियों की जगह ले सकती है क्योंकि यह मानव मस्तिष्क की दक्षता के साथ कार्यों को करती है। वास्तव में, कुछ चिंता है कि मशीन लर्निंग डेटा वैज्ञानिकों की जगह ले लेगा, और ऐसा लगता है कि इस तरह की चिंता का एक आधार है।

औसत उपयोगकर्ता जिनके पास डेटा विश्लेषण कौशल नहीं है, लेकिन उनके दैनिक जीवन में विश्लेषणात्मक आवश्यकताओं की अलग-अलग डिग्री हैं, ऐसे कंप्यूटरों का उपयोग करना संभव नहीं है जो डेटा की विशाल मात्रा का विश्लेषण कर सकते हैं और विश्लेषण डेटा प्रदान कर सकते हैं। हालांकि, प्राकृतिक भाषा प्रसंस्करण (एनएलपी) तकनीक कंप्यूटर को प्राकृतिक मानव भाषा को स्वीकार करने और संसाधित करने के लिए सिखाकर इस सीमा को दूर कर सकती है। इस तरह, औसत उपयोगकर्ता को परिष्कृत विश्लेषणात्मक कार्यों या कौशल की आवश्यकता नहीं होती है।

आईबीएम का मानना ​​​​है कि डेटा वैज्ञानिकों की आवश्यकता को अपने उत्पाद वाटसन नेचुरल लैंग्वेज एनालिटिक्स प्लेटफॉर्म के माध्यम से कम या समाप्त किया जा सकता है। वाटसन में एनालिटिक्स और बिजनेस इंटेलिजेंस के उपाध्यक्ष मार्क एट्सचुल्लर के अनुसार, "वॉटसन जैसी संज्ञानात्मक प्रणाली के साथ, आप बस अपना प्रश्न पूछते हैं - या यदि आपके पास कोई प्रश्न नहीं है, तो आप बस अपना डेटा अपलोड करें और वाटसन इसे देख सकता है और अनुमान लगाएं कि आप क्या जानना चाहते हैं। "

निष्कर्ष

मशीन लर्निंग में ऑटोमेशन अगला तार्किक कदम है और हम पहले से ही अपने दैनिक जीवन में प्रभावों का अनुभव कर रहे हैं - ई-कॉमर्स साइट, फेसबुक मित्र सुझाव, लिंक्डइन नेटवर्क सुझाव और एयरबीएनबी खोज रैंकिंग। दिए गए उदाहरणों को ध्यान में रखते हुए, इसमें कोई संदेह नहीं है कि इसका श्रेय स्वचालित मशीन लर्निंग सिस्टम द्वारा उत्पादित आउटपुट की गुणवत्ता को दिया जा सकता है। अपने सभी गुणों और लाभों के लिए, मशीन सीखने का विचार भारी बेरोजगारी का कारण बनता है, यह एक अतिरेक जैसा लगता है। दशकों से मशीनें हमारे जीवन के कई हिस्सों में इंसानों की जगह ले रही हैं, लेकिन इंसान उद्योग में प्रासंगिक बने रहने के लिए विकसित और अनुकूलित हुए हैं। विचार के अनुसार, मशीन लर्निंग अपने सभी व्यवधानों के लिए सिर्फ एक और लहर है जिसे लोग अपनाएंगे।


पोस्ट करने का समय: अगस्त-03-2021