কন্টেন্ট
- কনফরমেশন টেকনোলজিতে অটোমেশন
- অটোমেশন কি মেশিন শিক্ষার ভবিষ্যত?
- কোনও বাগ নেই, কোনও স্ট্রেস নেই - আপনার জীবনকে বিনষ্ট না করে জীবন-পরিবর্তনশীল সফটওয়্যার তৈরির ধাপে গাইড আপনার ধাপ
- কেস স্টাডি
- মেশিন লার্নিং কাজগুলি প্রতিস্থাপন করতে পারে
- উপসংহার
সূত্র: ক্রুলুয়া / ড্রিমসটাইম ডটকম
ছাড়াইয়া লত্তয়া:
মেশিন লার্নিং একটি সিস্টেমের নিজস্ব প্রোগ্রামিংকে পরিবর্তন করার ক্ষমতা। কিন্তু যখন কোনও সিস্টেম এটি করতে পারে, তখনও কি মানুষ প্রয়োজনীয়?
কম্পিউটিংয়ের ইতিহাসে মেশিন লার্নিং অন্যতম বৃহত্তম অগ্রগতি ছিল এবং এখন এটি বড় ডেটা এবং বিশ্লেষণের ক্ষেত্রে গুরুত্বপূর্ণ ভূমিকা নিতে সক্ষম বলে মনে করা হচ্ছে। বিগ ডেটা বিশ্লেষণ ব্যবসায়ের দৃষ্টিকোণ থেকে একটি বিশাল চ্যালেঞ্জ। উদাহরণস্বরূপ, বিভিন্ন ধরণের ডেটা ফর্ম্যাটগুলির বিশাল পরিমাণের ধারণা তৈরি করা, বিশ্লেষণগুলির জন্য ডেটা প্রস্তুতি এবং অপ্রয়োজনীয় ডেটা ফিল্টারিংয়ের মতো কার্যকলাপগুলি প্রচুর সংস্থান গ্রহণ করতে পারে। ডেটা বিজ্ঞানীদের এবং বিশেষজ্ঞদের নিয়োগ দেওয়া একটি ব্যয়বহুল প্রস্তাব এবং প্রতিটি সংস্থার উপায়ের মধ্যে নয়। বিশেষজ্ঞরা বিশ্বাস করেন যে মেশিন লার্নিং অ্যানালিটিক্স সম্পর্কিত অনেকগুলি কাজ স্বয়ংক্রিয় করতে সক্ষম - উভয়ই রুটিন এবং জটিল। স্বয়ংক্রিয়ভাবে মেশিন লার্নিং অনেকগুলি সম্পদ মুক্ত করতে পারে যা আরও জটিল এবং উদ্ভাবনী চাকরিতে ব্যবহৃত হতে পারে। মনে হচ্ছে মেশিন লার্নিং সেই দিকে এগিয়ে চলেছে। (মেশিন লার্নিংয়ের ব্যবহার সম্পর্কে আরও জানার জন্য, মেশিন লার্নিংয়ের প্রতিশ্রুতি এবং ক্ষতিগুলি দেখুন))
কনফরমেশন টেকনোলজিতে অটোমেশন
আইটি-এর কথায়, অটোমেশন হল পৃথক সিস্টেম এবং সফ্টওয়্যারগুলির সংযোগ যাতে তারা কোনও মানুষের হস্তক্ষেপ ছাড়াই সুনির্দিষ্ট কাজ করতে সক্ষম হয়। আইটি শিল্পে, স্বয়ংক্রিয় সিস্টেমগুলি সহজ এবং জটিল উভয় কাজ সম্পাদন করতে পারে। একটি সাধারণ কাজের উদাহরণ একটি পিডিএফ সহ একটি ফর্মকে সংহত করা এবং ডকুমেন্টকে সঠিক প্রাপকের সাথে সংযুক্ত করা হতে পারে, যখন অফসাইট ব্যাকআপের বিধান রাখা কোনও জটিল কাজের উদাহরণ হতে পারে।
এর কাজটি করার জন্য, একটি স্বয়ংক্রিয় সিস্টেমকে প্রোগ্রাম করা বা স্পষ্ট নির্দেশাবলী দেওয়া দরকার। প্রত্যেকবার একটি অটোমেটেড সিস্টেমের তার কাজের ক্ষেত্র পরিবর্তন করার জন্য প্রয়োজনীয়, প্রোগ্রাম বা নির্দেশের সেটটি কোনও মানুষ আপডেট করার প্রয়োজন। অটোমেটেড সিস্টেমগুলি তাদের কাজের ক্ষেত্রে দক্ষ থাকলেও বিভিন্ন কারণে ত্রুটিগুলি ঘটতে পারে। ত্রুটিগুলি দেখা দিলে মূল কারণটি সনাক্ত এবং সংশোধন করা দরকার। স্পষ্টতই, তাদের কাজ করার জন্য, স্বয়ংক্রিয় সিস্টেমগুলি সম্পূর্ণরূপে মানুষের উপর নির্ভরশীল। কাজের প্রকৃতি যত জটিল, ত্রুটি ও সমস্যাগুলির সম্ভাবনা তত বেশি।
সাধারণত, রুটিন এবং পুনরাবৃত্তিযোগ্য কাজগুলি স্বয়ংক্রিয় সিস্টেমগুলিতে বরাদ্দ করা হয়। আইটি শিল্পে অটোমেশনের একটি সাধারণ উদাহরণ ওয়েব-ভিত্তিক ব্যবহারকারী ইন্টারফেসগুলির পরীক্ষা স্বয়ংক্রিয়করণ। পরীক্ষার কেসগুলি অটোমেশন স্ক্রিপ্টগুলিতে খাওয়ানো হয় এবং সেই সাথে ব্যবহারকারী ইন্টারফেস পরীক্ষা করা হয় tested (মেশিন লার্নিংয়ের ব্যবহারিক ব্যবহারের আরও তথ্যের জন্য, নেক্সট-জেনারেশন জালিয়াতি সনাক্তকরণে মেশিন লার্নিং এবং হ্যাডোপ দেখুন))
অটোমেশনের পক্ষে যুক্তিটি হ'ল এটি রুটিন এবং পুনরাবৃত্তিযোগ্য কার্য সম্পাদন করে এবং কর্মীদের আরও জটিল এবং সৃজনশীল কাজ করতে মুক্তি দেয়। যাইহোক, এটি যুক্তিযুক্ত যে অটোমেশন অনেকগুলি চাকরি বা পূর্বে মানুষের দ্বারা সম্পাদিত ভূমিকাগুলি স্থানচ্যুত করে। এখন, বিভিন্ন শিল্পে মেশিন লার্নিংয়ের পথ সন্ধান করার সাথে সাথে অটোমেশন পুরোপুরি একটি নতুন মাত্রা যুক্ত করতে পারে।
অটোমেশন কি মেশিন শিক্ষার ভবিষ্যত?
মেশিন লার্নিংয়ের মূল উপাদানটি হ'ল সিস্টেমগুলির দক্ষতা যা অবিচ্ছিন্নভাবে ডেটা থেকে শিখতে এবং মানুষের হস্তক্ষেপ ছাড়াই বিকশিত হয়। মেশিন লার্নিং মানুষের মস্তিষ্কের মতো আচরণ করতে সক্ষম। উদাহরণস্বরূপ, একটি ই-বাণিজ্য ওয়েবসাইটের একটি প্রস্তাব ইঞ্জিন ব্যবহারকারীর অনন্য পছন্দসমূহ এবং স্বাদগুলি নির্ধারণ করতে পারে এবং ব্যবহারকারীর পছন্দগুলিতে সবচেয়ে উপযুক্ত এমন পণ্য এবং পরিষেবাগুলির জন্য সুপারিশ সরবরাহ করতে পারে। এই ক্ষমতাটি দেওয়া, মেশিন লার্নিং বড় ডেটা এবং বিশ্লেষণ সম্পর্কিত জটিল কাজগুলি স্বয়ংক্রিয় করার জন্য আদর্শ হিসাবে বিবেচিত হয়। এটি ইতিমধ্যে theতিহ্যবাহী অটোমেশন সিস্টেমগুলির মূল সীমাবদ্ধতা অতিক্রম করেছে যা নিয়মিত মানুষের হস্তক্ষেপ ব্যতীত পরিচালনা করতে পারে না। একাধিক কেস স্টাডিগুলি দেখানোর জন্য রয়েছে যে মেশিন লার্নিং পরিশীলিত ডেটা বিশ্লেষণের কাজগুলি সম্পন্ন করতে সক্ষম, যেমন এই নিবন্ধে পরে আলোচনা করা হবে।
ইতিমধ্যে নির্দেশিত হিসাবে, বড় ডেটা বিশ্লেষণ সংস্থাগুলির জন্য একটি চ্যালেঞ্জজনক প্রস্তাব এবং এটি আংশিকভাবে মেশিন লার্নিং সিস্টেমে অর্পণ করা যেতে পারে। ব্যবসায়ের দৃষ্টিকোণ থেকে, এটি আরও সৃজনশীল এবং সমালোচনামূলক দায়িত্বগুলির জন্য ডেটা সায়েন্স রিসোর্সগুলি মুক্ত করা, কাজের সমাপ্তির উচ্চতর পরিমাণ, কাজগুলি সম্পন্ন করতে কম সময় গ্রহণ এবং ব্যয়ের কার্যকারিতার মতো অনেক সুবিধা বয়ে আনতে পারে।
কোনও বাগ নেই, কোনও স্ট্রেস নেই - আপনার জীবনকে বিনষ্ট না করে জীবন-পরিবর্তনশীল সফটওয়্যার তৈরির ধাপে গাইড আপনার ধাপ
কেউ যখন সফ্টওয়্যার মানের সম্পর্কে চিন্তা করে না তখন আপনি আপনার প্রোগ্রামিং দক্ষতা উন্নত করতে পারবেন না।
কেস স্টাডি
২০১৫ সালে এমআইটি গবেষকরা এমন একটি ডেটা সায়েন্স টুলে কাজ শুরু করেছিলেন যা ডিপ ফিচার সিনথেসিস অ্যালগরিদম নামে একটি কৌশল ব্যবহার করে বিপুল পরিমাণে কাঁচা ডেটা তৈরি করে ভবিষ্যদ্বাণীমূলক ডেটা মডেল তৈরি করতে সক্ষম। বিজ্ঞানীদের দাবি, অ্যালগরিদম মেশিন লার্নিংয়ের সেরা বৈশিষ্ট্যগুলিকে একত্রিত করতে পারে। বিজ্ঞানীদের মতে, তারা ইতিমধ্যে তিনটি পৃথক ডেটা সেটগুলিতে অ্যালগরিদম পরীক্ষা করেছে এবং আরও ডেটা সেটগুলিতে পরীক্ষার সুযোগ প্রসারিত করতে চলেছে। তারা কীভাবে এটি করে তা বর্ণনা করে গবেষকরা জেমস ম্যাক্স ক্যান্টার এবং কল্যাণ বীরমচেনেনি একটি আন্তর্জাতিক তথ্য বিজ্ঞান এবং বিশ্লেষণ সম্মেলনে উপস্থাপনের জন্য একটি গবেষণাপত্রে বলেছিলেন, “একটি অটো-টিউনিং প্রক্রিয়া ব্যবহার করে আমরা মানুষের জড়িত না হয়ে পুরো পথটিকেই অনুকূল করে তুলেছি, এটি সাধারণকরণের সক্ষম করে তুলেছি বিভিন্ন ডেটাসেটে। "
আসুন আমরা পরীক্ষা করে দেখি যে কার্যটি কতটা জটিল হয়েছে: অ্যালগরিদমের এমন একটি ক্ষমতা রয়েছে যা অটো-টিউনিং ক্ষমতা হিসাবে পরিচিত, যার সাহায্যে এটি বয়স বা লিঙ্গের মতো কাঁচা ডেটা থেকে অন্তর্দৃষ্টি বা মানগুলি বের করে বা বের করে এবং এর পরে এটি এটি ভবিষ্যদ্বাণীপূর্ণ ডেটা মডেল তৈরি করতে পারে। অ্যালগরিদম জটিল গাণিতিক ফাংশন এবং গওসিয়ান কোপুলা নামে পরিচিত একটি সম্ভাব্য তত্ত্ব ব্যবহার করে। সুতরাং, অ্যালগরিদম যে পরিমাণ জটিলতা পরিচালনা করতে সক্ষম তা কতটা জটিল তা বোঝা সহজ। কৌশলটি প্রতিযোগিতায় পুরস্কারও জিতেছে।
মেশিন লার্নিং কাজগুলি প্রতিস্থাপন করতে পারে
বিশ্বজুড়ে এটি আলোচনা করা হচ্ছে যে মেশিন লার্নিংয়ের ফলে অনেকগুলি চাকরি প্রতিস্থাপন করা যেতে পারে কারণ এটি একটি মস্তিষ্কের দক্ষতার সাথে কাজ সম্পাদন করে। আসলে, কিছু উদ্বেগ রয়েছে যে মেশিন লার্নিং ডেটা বিজ্ঞানীদের প্রতিস্থাপন করবে - এবং এমন আশঙ্কার কারণ রয়েছে বলে মনে হয়।
যে সাধারণ ব্যবহারকারীদের কাছে ডেটা বিশ্লেষণের দক্ষতা নেই তবে তাদের প্রতিদিনের বিভিন্ন জীবনে বিভিন্ন ডিগ্রী বিশ্লেষণের প্রয়োজন রয়েছে, তাদের পক্ষে এমন কম্পিউটারগুলি থাকা সম্ভব নয় যেগুলি বিশাল ডেটা ভলিউম বিশ্লেষণ করতে এবং বিশ্লেষণগুলি সরবরাহ করতে সক্ষম computers কিন্তু প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (এনএলপি) প্রযুক্তিগুলি মানুষের প্রাকৃতিক, কথ্য ভাষা গ্রহণ এবং প্রক্রিয়া করার জন্য কম্পিউটারকে শেখানোর মাধ্যমে এই সীমাবদ্ধতা অতিক্রম করতে পারে। এইভাবে, সাধারণ ব্যবহারকারীর সাথে পরিশীলিত বিশ্লেষণ ক্ষমতা বা দক্ষতার প্রয়োজন নেই।
আইবিএম বিশ্বাস করে যে ডেটা বিজ্ঞানীদের প্রয়োজনীয়তা তার পণ্য ওয়াটসন প্রাকৃতিক ভাষা বিশ্লেষণ প্ল্যাটফর্মের মাধ্যমে হ্রাস বা হ্রাস করা যেতে পারে। ওয়াটসন অ্যানালিটিক্স এবং বিজনেস ইন্টেলিজেন্সের ভাইস প্রেসিডেন্ট, মার্ক এটসুলার এর মতে, ওয়াটসনের মতো জ্ঞানীয় সিস্টেমের সাহায্যে আপনি আপনার প্রশ্নটি নিয়ে এসেছেন - বা যদি আপনার কোন প্রশ্ন না থাকে তবে আপনি কেবল আপনার ডেটা আপলোড করেন এবং ওয়াটসন এটিকে দেখে এবং অনুমান করতে পারেন আপনি কি জানতে চাইতে পারেন। "
উপসংহার
মেশিন লার্নিংয়ের জন্য অটোমেশন পরবর্তী যৌক্তিক পদক্ষেপ এবং আমরা ইতোমধ্যে আমাদের প্রতিদিনের জীবনে - ই-কমার্স ওয়েবসাইটগুলিতে, বন্ধুদের পরামর্শগুলিতে, লিঙ্কডইন নেটওয়ার্কিংয়ের প্রস্তাবনাগুলিতে এবং এয়ারবিএনবি অনুসন্ধানের র্যাঙ্কিংয়ে প্রভাবগুলি অনুভব করেছি। প্রদত্ত উদাহরণগুলি বিবেচনা করে, অটোমেটেড মেশিন লার্নিং সিস্টেমগুলির দ্বারা উত্পাদিত আউটপুটটির গুণমান সম্পর্কে সন্দেহ নেই। এর সমস্ত গুণাবলী এবং সুবিধার জন্য, মেশিন লার্নিংয়ের চিন্তা বিপুল বেকারত্ব সৃষ্টি করে যা কিছুটা অতিমাত্রায় দেখা যায়। মেশিনগুলি বেশ কয়েক দশক ধরে আমাদের জীবনের বিভিন্ন ক্ষেত্রে মানবকে প্রতিস্থাপন করে চলেছে এবং তবুও, মানুষ বিবর্তিত হয়েছে এবং শিল্পে প্রাসঙ্গিক থাকতে মানিয়ে নিয়েছে। দৃষ্টিভঙ্গির উপর নির্ভর করে, মেশিন লার্নিং, তার সমস্ত ব্যাঘাতের জন্য, ঠিক এইরকম আরও একটি তরঙ্গ যার সাথে লোকেরা খাপ খাইয়ে নেবে।