26 KiB
पोस्टस्क्रिप्ट: वास्तविक संसारमा मेसिन लर्निङ
स्केच नोट: टोमोमी इमुरा
यस पाठ्यक्रममा, तपाईंले डाटा प्रशिक्षणका लागि तयार गर्ने र मेसिन लर्निङ मोडेलहरू निर्माण गर्ने धेरै तरिकाहरू सिक्नुभयो। तपाईंले क्लासिक रिग्रेसन, क्लस्टरिङ, क्लासिफिकेसन, नेचुरल ल्याङ्ग्वेज प्रोसेसिङ, र टाइम सिरिज मोडेलहरूको श्रृंखला निर्माण गर्नुभयो। बधाई छ! अब तपाईं सोच्दै हुनुहुन्छ होला, यो सबै केका लागि हो... यी मोडेलहरूको वास्तविक संसारमा के उपयोग छ?
यद्यपि उद्योगमा एआई (जसले प्रायः डीप लर्निङ प्रयोग गर्छ) प्रति धेरै चासो छ, क्लासिकल मेसिन लर्निङ मोडेलहरूको पनि अझै महत्त्वपूर्ण उपयोग छ। तपाईंले आज पनि यी मध्ये केही उपयोगहरू गरिरहनुभएको हुन सक्छ! यस पाठमा, तपाईंले आठ फरक उद्योग र विषयगत क्षेत्रहरूले कसरी यी प्रकारका मोडेलहरूलाई आफ्नो अनुप्रयोगहरूलाई अझ प्रभावकारी, भरपर्दो, बौद्धिक, र प्रयोगकर्ताहरूका लागि मूल्यवान बनाउन प्रयोग गर्छन् भनेर अन्वेषण गर्नुहुनेछ।
पाठपूर्व क्विज
💰 वित्त
वित्तीय क्षेत्रमा मेसिन लर्निङका लागि धेरै अवसरहरू छन्। यस क्षेत्रमा धेरै समस्याहरूलाई मोडेलिङ गरेर समाधान गर्न सकिन्छ।
क्रेडिट कार्ड ठगी पत्ता लगाउने
हामीले यस पाठ्यक्रममा k-means clustering को बारेमा सिक्यौं, तर यसलाई क्रेडिट कार्ड ठगीसँग सम्बन्धित समस्याहरू समाधान गर्न कसरी प्रयोग गर्न सकिन्छ?
k-means clustering क्रेडिट कार्ड ठगी पत्ता लगाउने प्रविधिमा आउटलायर डिटेक्सन भनिने प्रविधिमा उपयोगी हुन्छ। आउटलायरहरू, वा डाटाको सेटमा असामान्य अवलोकनहरू, हामीलाई क्रेडिट कार्ड सामान्य रूपमा प्रयोग भइरहेको छ कि असामान्य गतिविधि भइरहेको छ भनेर बताउन सक्छ। तलको कागजातमा देखाइएझैं, तपाईं k-means clustering एल्गोरिदम प्रयोग गरेर क्रेडिट कार्ड डाटालाई वर्गीकृत गर्न सक्नुहुन्छ र प्रत्येक लेनदेनलाई आउटलायरको आधारमा क्लस्टरमा वर्गीकृत गर्न सक्नुहुन्छ। त्यसपछि, तपाईं ठगी र वैध लेनदेनको लागि सबैभन्दा जोखिमयुक्त क्लस्टरहरूको मूल्याङ्कन गर्न सक्नुहुन्छ। सन्दर्भ
सम्पत्ति व्यवस्थापन
सम्पत्ति व्यवस्थापनमा, कुनै व्यक्ति वा फर्मले आफ्ना ग्राहकहरूको तर्फबाट लगानीहरू सम्हाल्छ। उनीहरूको काम दीर्घकालीन रूपमा सम्पत्ति कायम राख्नु र बढाउनु हो, त्यसैले राम्रो प्रदर्शन गर्ने लगानीहरू छनोट गर्नु अत्यावश्यक छ।
कुनै विशेष लगानी कसरी प्रदर्शन गर्छ भनेर मूल्याङ्कन गर्ने एउटा तरिका सांख्यिकीय रिग्रेसन हो। लिनियर रिग्रेसन कुनै कोषले कसरी कुनै बेंचमार्कको तुलनामा प्रदर्शन गर्छ भनेर बुझ्नका लागि उपयोगी उपकरण हो। हामी रिग्रेसनको नतिजा सांख्यिकीय रूपमा महत्त्वपूर्ण छ कि छैन भनेर पनि जान्न सक्छौं, वा यसले ग्राहकको लगानीमा कति प्रभाव पार्छ। तपाईं आफ्नो विश्लेषणलाई थप विस्तार गर्न मल्टिपल रिग्रेसन प्रयोग गर्न सक्नुहुन्छ, जहाँ थप जोखिम कारकहरूलाई ध्यानमा राख्न सकिन्छ। यो कसरी काम गर्छ भनेर बुझ्नका लागि तलको कागजात हेर्नुहोस्। सन्दर्भ
🎓 शिक्षा
शिक्षा क्षेत्र पनि मेसिन लर्निङ लागू गर्न सकिने धेरै रोचक क्षेत्र हो। यहाँ जाँचमा ठगी पत्ता लगाउने वा मूल्याङ्कन प्रक्रियामा पूर्वाग्रह व्यवस्थापन गर्ने जस्ता समस्याहरू समाधान गर्न सकिन्छ।
विद्यार्थीको व्यवहारको भविष्यवाणी
Coursera, एक अनलाइन खुला पाठ्यक्रम प्रदायक, ले आफ्नो टेक ब्लगमा धेरै इन्जिनियरिङ निर्णयहरूको चर्चा गरेको छ। यस केस स्टडीमा, उनीहरूले रिग्रेसन लाइन प्लट गरेर कम NPS (नेट प्रमोटर स्कोर) रेटिङ र पाठ्यक्रममा विद्यार्थीको निरन्तरता वा ड्रप-अफ बीचको सम्बन्ध पत्ता लगाउने प्रयास गरे। सन्दर्भ
पूर्वाग्रह व्यवस्थापन
Grammarly, एक लेखन सहायक जसले हिज्जे र व्याकरण त्रुटिहरू जाँच गर्छ, ले आफ्नो उत्पादनहरूमा परिष्कृत नेचुरल ल्याङ्ग्वेज प्रोसेसिङ प्रणालीहरू प्रयोग गर्छ। उनीहरूले आफ्नो टेक ब्लगमा मेसिन लर्निङमा लिङ्ग पूर्वाग्रह व्यवस्थापन गर्नेबारे रोचक केस स्टडी प्रकाशित गरेका छन्, जुन तपाईंले हाम्रो परिचयात्मक निष्पक्षता पाठ मा सिक्नुभएको थियो। सन्दर्भ
👜 खुद्रा व्यापार
खुद्रा व्यापार क्षेत्रले ग्राहकको यात्रा सुधार गर्नेदेखि लिएर इनभेन्टरीलाई अनुकूलित तरिकाले भण्डारण गर्नेसम्मका काममा मेसिन लर्निङबाट फाइदा लिन सक्छ।
ग्राहकको यात्रालाई व्यक्तिगत बनाउने
Wayfair, जसले फर्निचरजस्ता घरायसी सामानहरू बेच्ने कम्पनी हो, ले ग्राहकहरूको स्वाद र आवश्यकताअनुसार सही उत्पादनहरू फेला पार्न मद्दत गर्न मेसिन लर्निङ र NLP प्रयोग गर्छ। यस लेखमा, कम्पनीका इन्जिनियरहरूले कसरी उनीहरूले "ग्राहकहरूको लागि सही नतिजा प्रस्तुत गर्न" ML र NLP प्रयोग गर्छन् भनेर वर्णन गरेका छन्। विशेष गरी, उनीहरूको Query Intent Engine ले ग्राहक समीक्षाहरूमा इकाई निकासी, वर्गीकर्ता प्रशिक्षण, सम्पत्ति र राय निकासी, र भावना ट्यागिङ प्रयोग गर्छ। सन्दर्भ
इनभेन्टरी व्यवस्थापन
StitchFix जस्ता नवीन र चपल कम्पनीहरूले सिफारिस र इनभेन्टरी व्यवस्थापनका लागि मेसिन लर्निङमा धेरै निर्भर गर्छन्। उनीहरूको स्टाइलिङ टोलीले उनीहरूको मर्चेन्डाइजिङ टोलीसँग मिलेर काम गर्छ। "हाम्रो एक डाटा वैज्ञानिकले जेनेटिक एल्गोरिदमसँग प्रयोग गरे र यसलाई परिधानमा लागू गरे ताकि आज अस्तित्वमा नभएको कपडाको सफल टुक्रा के हुन सक्छ भनेर भविष्यवाणी गर्न सकियो।" सन्दर्भ
🏥 स्वास्थ्य सेवा
स्वास्थ्य सेवा क्षेत्रमा अनुसन्धान कार्यहरू अनुकूलन गर्न र बिरामीलाई पुनः भर्ना गर्न रोक्न वा रोग फैलिनबाट रोक्न मेसिन लर्निङ प्रयोग गर्न सकिन्छ।
क्लिनिकल परीक्षण व्यवस्थापन
क्लिनिकल परीक्षणमा विषाक्तता औषधि निर्माताहरूका लागि ठूलो चिन्ता हो। कति विषाक्तता सहन योग्य छ? यस अध्ययनमा, विभिन्न क्लिनिकल परीक्षण विधिहरूको विश्लेषणले क्लिनिकल परीक्षण परिणामहरूको सम्भावना भविष्यवाणी गर्न नयाँ दृष्टिकोणको विकास गर्यो। विशेष गरी, उनीहरूले समूहहरू छुट्याउन र्यान्डम फरेस्ट प्रयोग गरेर एक वर्गीकर्ता उत्पादन गर्न सके। सन्दर्भ
अस्पताल पुनः भर्ना व्यवस्थापन
अस्पतालको हेरचाह महँगो हुन्छ, विशेष गरी जब बिरामीहरूलाई पुनः भर्ना गर्नुपर्छ। यस कागजातले क्लस्टरिङ एल्गोरिदम प्रयोग गरेर पुनः भर्नाको सम्भावना भविष्यवाणी गर्ने कम्पनीको चर्चा गर्छ। यी क्लस्टरहरूले विश्लेषकहरूलाई "पुनः भर्नाका कारणहरू साझा गर्न सक्ने समूहहरू पत्ता लगाउन" मद्दत गर्छ। सन्दर्भ
रोग व्यवस्थापन
हालैको महामारीले रोग फैलिनबाट रोक्न मेसिन लर्निङले कसरी मद्दत गर्न सक्छ भन्ने कुरामा प्रकाश पारेको छ। यस लेखमा, तपाईं ARIMA, लजिस्टिक कर्भ, लिनियर रिग्रेसन, र SARIMA को प्रयोग देख्नुहुनेछ। "यो कामले यो भाइरसको फैलावटको दर गणना गर्न र त्यसैले मृत्यु, निको हुने, र पुष्टि भएका केसहरूको भविष्यवाणी गर्न प्रयास गरेको छ।" सन्दर्भ
🌲 पारिस्थितिकी र हरित प्रविधि
प्रकृति र पारिस्थितिकी धेरै संवेदनशील प्रणालीहरू हुन् जहाँ जनावर र प्रकृतिको अन्तर्क्रिया महत्त्वपूर्ण हुन्छ। यी प्रणालीहरूलाई सही रूपमा मापन गर्न र केही समस्या भएमा उपयुक्त कदम चाल्न महत्त्वपूर्ण छ।
वन व्यवस्थापन
तपाईंले रिइन्फोर्समेन्ट लर्निङ को बारेमा अघिल्लो पाठहरूमा सिक्नुभएको थियो। यो प्रकृतिमा ढाँचाहरू भविष्यवाणी गर्न उपयोगी हुन सक्छ। विशेष गरी, यसलाई वन आगो र आक्रामक प्रजातिहरूको फैलावट जस्ता पारिस्थितिक समस्याहरू ट्र्याक गर्न प्रयोग गर्न सकिन्छ। क्यानडामा, अनुसन्धानकर्ताहरूको समूहले उपग्रह छविहरूबाट वन आगोको गतिशीलता मोडेल बनाउन रिइन्फोर्समेन्ट लर्निङ प्रयोग गरे। सन्दर्भ
जनावरहरूको गति ट्र्याकिङ
गहिरो लर्निङले जनावरहरूको गति ट्र्याक गर्न क्रान्ति ल्याएको छ, तर क्लासिकल मेसिन लर्निङको पनि यस कार्यमा स्थान छ। उदाहरणका लागि, यस कागजातमा, भेडाहरूको आसन विभिन्न वर्गीकर्ता एल्गोरिदम प्रयोग गरेर अनुगमन र विश्लेषण गरिएको थियो। सन्दर्भ
⚡️ ऊर्जा व्यवस्थापन
हाम्रो टाइम सिरिज पूर्वानुमान पाठमा, हामीले स्मार्ट पार्किङ मिटरहरूको अवधारणा प्रस्तुत गरेका थियौं। यस लेखमा, क्लस्टरिङ, रिग्रेसन, र टाइम सिरिज पूर्वानुमानले आयरल्यान्डमा भविष्यको ऊर्जा प्रयोग भविष्यवाणी गर्न कसरी सहयोग गर्यो भन्ने चर्चा गरिएको छ। सन्दर्भ
💼 बीमा
बीमा क्षेत्रले व्यवहार्य वित्तीय र बीमांककीय मोडेलहरू निर्माण र अनुकूलन गर्न मेसिन लर्निङ प्रयोग गर्छ।
अस्थिरता व्यवस्थापन
MetLife, एक जीवन बीमा प्रदायक, ले आफ्नो वित्तीय मोडेलहरूमा अस्थिरता विश्लेषण र व्यवस्थापन गर्ने तरिकाहरू खुलासा गरेको छ। यस लेखमा, तपाईंले बाइनरी र अर्डिनल क्लासिफिकेसन भिजुअलाइजेसनहरू देख्नुहुनेछ। सन्दर्भ
🎨 कला, संस्कृति, र साहित्य
कला क्षेत्रमा, जस्तै पत्रकारितामा, धेरै रोचक समस्याहरू छन्। नक्कली समाचार पत्ता लगाउनु ठूलो समस्या हो। संग्रहालयहरूले पनि आफ्नो स्रोतहरूको योजना बनाउन र वस्तुहरू बीचको सम्बन्ध पत्ता लगाउन ML प्रयोग गर्न सक्छन्।
नक्कली समाचार पत्ता लगाउने
नक्कली समाचार पत्ता लगाउनु आजको मिडियामा बिरालो र मुसाको खेलजस्तै भएको छ। यस लेखमा, अनुसन्धानकर्ताहरूले ML प्रविधिहरूको संयोजन गरेर प्रणाली निर्माण गर्न सुझाव दिएका छन्। सन्दर्भ
संग्रहालय ML
संग्रहालयहरूमा एआई क्रान्ति सुरु हुँदैछ। उदाहरणका लागि, शिकागोको आर्ट इन्स्टिच्युटले दर्शकहरूको रुचि र उनीहरू कहिले प्रदर्शनीमा आउनेछन् भनेर भविष्यवाणी गर्न मोडेलहरू निर्माण गरेको छ। सन्दर्भ
🏷 मार्केटिङ
ग्राहक विभाजन
सबैभन्दा प्रभावकारी मार्केटिङ रणनीतिहरूले विभिन्न समूहहरूमा आधारित ग्राहकहरूलाई फरक तरिकाले लक्षित गर्छ। यस लेखमा, क्लस्टरिङ एल्गोरिदमहरूको प्रयोगको चर्चा गरिएको छ। सन्दर्भ
🚀 चुनौती
अर्को क्षेत्र पहिचान गर्नुहोस् जसले तपाईंले यस पाठ्यक्रममा सिकेका केही प्रविधिहरूबाट फाइदा उठाउँछ, र कसरी यसले ML प्रयोग गर्छ भनेर पत्ता लगाउनुहोस्।
पाठपछि क्विज
समीक्षा र आत्म अध्ययन
Wayfair को डेटा विज्ञान टोलीले आफ्नो कम्पनीमा कसरी ML प्रयोग गर्छ भन्ने बारेमा धेरै रोचक भिडियोहरू तयार गरेको छ। हेर्नुहोस् यो हेर्न लायक छ!
असाइनमेन्ट
अस्वीकरण:
यो दस्तावेज़ AI अनुवाद सेवा Co-op Translator प्रयोग गरेर अनुवाद गरिएको छ। हामी शुद्धताको लागि प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादहरूमा त्रुटि वा अशुद्धता हुन सक्छ। यसको मूल भाषा मा रहेको मूल दस्तावेज़लाई आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीको लागि, व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याको लागि हामी जिम्मेवार हुने छैनौं।