পল ডাউনি | ফ্লিকার
মেশিন লার্নিং এমন একটি বাক্য যা ক্রমশ প্রায়শই ব্যান্ডড হয়ে যায়, তবুও অনেকে এখনও জানেন না এটি ঠিক কী। অবশ্যই, এর একটি কারণ আছে। এটি এখনও একেবারে প্রাথমিক পর্যায়ে রয়েছে এবং অনেকেই ধরে নিয়েছেন যে এটি এমন কিছু নয় যা সাধারণ জনগণকে এখনও প্রভাবিত করে। আসলে, এটি সম্ভবত কিছু ধারণা হিসাবে সত্য নয়।
তাহলে মেশিন লার্নিং কী? এবং এটি আজ ব্যবহৃত হচ্ছে? মেশিন লার্নিং সম্পর্কে আপনার যা জানা দরকার তা সম্পর্কে আমাদের গাইড এখানে রয়েছে।
মেশিন কী শিখছে?
সহজ ভাষায় বলা যায়, মেশিন লার্নিং হ'ল একধরনের কৃত্রিম বুদ্ধিমত্তা যা কম্পিউটারগুলিকে কোনও অতিরিক্ত প্রোগ্রামিং ছাড়াই শিখতে দেয়। অন্য কথায়, সফ্টওয়্যার কোনও প্রোগ্রামার বা ইঞ্জিনিয়ারকে এটিকে কিছু শেখানোর দরকার না করে নিজেরাই নতুন জিনিস শিখতে সক্ষম হয়। মেশিন লার্নিং ডেটা নিতে এবং নিদর্শনগুলি সনাক্ত করতে এবং সমাধানগুলি সন্ধান করতে সক্ষম করে, সেই সমাধানগুলি অন্যান্য সমস্যার জন্য প্রয়োগ করে।
চিত্র: কে? রিলিস ড্যামব্র? এনএস | ফ্লিকার
একটি ধারণা হিসাবে মেশিন লার্নিং মোটেও নতুন নয় - এটি ধারণার যথাযথ উত্সটি প্রযুক্তির অন্য রূপগুলিতে এবং একত্রিত হয়ে এটি বিবেচনা করে মনে করা শক্ত। আপনি তর্ক করতে পারেন যে মেশিন লার্নিংয়ের সমস্ত তারিখ টুরিং টেস্ট তৈরির পিছনে রয়েছে, যা কম্পিউটারের বুদ্ধি ছিল কিনা তা নির্ধারণ করতে ব্যবহৃত হয়েছিল। প্রথম কম্পিউটার প্রোগ্রাম যে শেখারটি ছিল চেকারদের একটি খেলা, যা ১৯৫২ সালে আর্থার স্যামুয়েল তৈরি করেছিলেন। এই গেমটি এটি যত বেশি খেলেছে আরও ভাল হয়েছে।
সাম্প্রতিক প্রযুক্তি, তবে মেশিন লার্নিংয়ে মারাত্মক উন্নতি করেছে। উদাহরণস্বরূপ, মেশিন লার্নিংয়ের জন্য আলিঙ্গন পরিমাণে প্রক্রিয়াকরণ শক্তি প্রয়োজন, যাতে আমরা কেবল সাম্প্রতিক ইতিহাসে বেসিক মেশিন লার্নিং বিকাশ করতে সক্ষম হয়েছি।
প্রোগ্রামাররা মেশিন লার্নিং বাস্তবায়নের কয়েকটি প্রধান উপায় রয়েছে। প্রথমটিকে বলা হয় 'তত্ত্বাবধানে পড়াশোনা'। এর মূল অর্থটি হ'ল কোনও মেশিনকে সমস্যা খাওয়ানো হয় যেখানে সমস্যার সমাধান জানা যায়। লার্নিং অ্যালগরিদম পছন্দসই ফলাফলগুলির পাশাপাশি সমস্যাগুলি নিদর্শনগুলি চিহ্নিত করে এবং সে অনুযায়ী কাজ করতে সক্ষম হয়ে সেই সমস্যাগুলি অর্জন করতে সক্ষম হয়। তত্ত্বাবধানে পড়াশোনা প্রায়শই ভবিষ্যতের ঘটনাগুলির পূর্বাভাস দেওয়ার জন্য ব্যবহৃত হয় - যেমন কোনও ক্রেডিট কার্ডের লেনদেন যখন প্রতারণামূলক হতে পারে।
মেশিন লার্নিংয়ের দ্বিতীয় বাস্তবায়নকে বলা হয় 'আনসারভিজড লার্নিং'। এই উদাহরণস্বরূপ, কোনও সমস্যার ফলাফল সফ্টওয়্যারকে দেওয়া হয় না - পরিবর্তে, এটি সমস্যা খাওয়ানো হয় এবং ডেটাতে নিদর্শনগুলি সনাক্ত করতে হয়। এখানে লক্ষ্যটি হ'ল এটি দেওয়া তথ্যের একটি কাঠামো খুঁজে পাওয়া।
তৃতীয় অংশটি হ'ল 'আধা তত্ত্বাবধানে পড়াশোনা'। মেশিন লার্নিংয়ের এই পদ্ধতিটি তত্ত্বাবধানে শেখার মতো প্রায়শই একই জিনিসগুলির জন্য ব্যবহৃত হয় তবে এটি সমাধান এবং ডেটা ছাড়াই ডেটা নেয়। অর্ধ-তত্ত্বাবধানে পড়াশোনা প্রায়শই বাস্তবায়িত হয় যখন তহবিলগুলি সীমিত থাকে এবং সংস্থাগুলি শেখার প্রক্রিয়াটির জন্য সম্পূর্ণ সেট ডেটা সরবরাহ করতে অক্ষম হয়।
সর্বশেষে তবে 'রিইনফোর্সমেন্ট লার্নিং' নয় যা বিশেষত গেমিং এবং রোবটগুলির মতো জিনিসের জন্য ব্যবহৃত হয়। মূলত প্রয়োগ ও ত্রুটির মাধ্যমে শক্তিবৃদ্ধি শেখানো শেখানো হয় - মেশিনটি তার সাফল্য বা ব্যর্থতার উপর ভিত্তি করে জিনিসগুলি চেষ্টা করে এবং শেখায়। এখানে লক্ষ্যটি হল মেশিনটির পক্ষে সর্বোত্তম সম্ভাব্য ফলাফলগুলি বের করা।
অবশ্যই, মেশিন লার্নিংয়ের এই সমস্ত পদ্ধতির মধ্যে একটি মেশিনকে কয়েকশো হাজার সমস্যা এবং প্রচুর পরিমাণে ডেটা খাওয়ানো জড়িত। সত্যিই, আরও তথ্য আরও ভাল।
আজ মেশিন লার্নিং কোথায় ব্যবহৃত হয়?
অর্থের ছবি | ফ্লিকার
আসলে, প্রচুর জায়গা রয়েছে যেখানে আজ মেশিন লার্নিং ব্যবহার করা হয়। এর মধ্যে অনেকগুলি পর্দার আড়ালে রয়েছে, তবে আপনি অবাক হয়ে জানতে পারেন যে এগুলির মধ্যে অনেকগুলি এমন একটি জিনিস যা আপনি প্রতি দিন ব্যবহার করেন।
সম্ভবত আপনি যেটি সবচেয়ে বেশি ব্যবহার করেন তা আপনার ব্যক্তিগত সহকারীর মধ্যে রয়েছে - এটি সঠিক, সিরি এবং গুগলের এখনকার মতো মেশিন লার্নিং ব্যবহার করা হয়েছে, মূলত স্পিচ প্যাটার্নগুলি আরও ভালভাবে বুঝতে। সিরিয় ব্যবহার করে বহু মিলিয়ন লোকের সাহায্যে ভাষা ভাষা, উচ্চারণ ইত্যাদির সাথে কীভাবে আচরণ করে সিস্টেমটি গম্ভীরভাবে এগিয়ে যেতে সক্ষম হয়।
অবশ্যই, সিরি কেবল মেশিন লার্নিংয়ের একমাত্র ভোক্তা প্রয়োগ নয়। আর একটি ব্যবহার ব্যাংকিংয়ে যেমন জালিয়াতি সনাক্তকরণ। উদাহরণস্বরূপ, মেশিন লার্নিং অ্যালগরিদমগুলি ব্যয়গুলির ধরণগুলি ট্র্যাক করতে পারে, এটি নির্ধারণ করে যে কোন ধাঁচগুলি অতীতের জালিয়াতিমূলক কার্যকলাপের ভিত্তিতে প্রতারণামূলক হতে পারে be
আসলে, এমনকি আপনার ইমেলটি সম্ভবত মেশিন লার্নিং ব্যবহার করছে। উদাহরণস্বরূপ, স্প্যাম ইমেলগুলি একটি সমস্যা এবং এটি সময়ের সাথে সাথে বিকশিত হয়েছে। ইমেল সিস্টেমগুলি স্প্যাম ইমেল নিদর্শনগুলি এবং কীভাবে স্প্যাম ইমেল পরিবর্তন হয় তা ট্র্যাক করতে মেশিন লার্নিং ব্যবহার করে, সেই পরিবর্তনগুলির উপর ভিত্তি করে এগুলি আপনার স্প্যাম ফোল্ডারে রেখে দেয়।
উপসংহার
আমরা প্রযুক্তি কীভাবে এগিয়ে চলেছি এবং প্রযুক্তি কীভাবে আমাদের সহায়তা করতে পারে তার একটি বড় অংশ মেশিন লার্নিং সেট করা আছে। সিরি থেকে ইউএস ব্যাংকে, মেশিন লার্নিং ক্রমবর্ধমানভাবে বিস্তৃত হচ্ছে এবং এটি কেবল চালিয়ে যাওয়ার সম্ভাবনা রয়েছে।
