مواد
- انفارمیشن ٹکنالوجی میں آٹومیشن
- کیا آٹومیشن مشین سیکھنے کا مستقبل ہے؟
- کوئی کیڑے نہیں ، کوئی تناؤ نہیں - آپ کی زندگی کو تباہ کیے بغیر زندگی کو تبدیل کرنے والے سافٹ ویئر تخلیق کرنے کے لئے مرحلہ وار گائیڈ
- کیس اسٹڈی
- مشین لرننگ ممکن ہے ملازمتوں کی جگہ لے لے
- نتیجہ اخذ کرنا
ماخذ: کرولوا / ڈریم ٹائم ڈاٹ کام
ٹیکا وے:
مشین لرننگ ایک نظام کی اپنی صلاحیتوں کو تبدیل کرنے کی صلاحیت ہے۔ لیکن جب کوئی نظام یہ کام کرسکتا ہے تو ، کیا انسان ابھی بھی ضروری ہے؟
مشین لرننگ کمپیوٹنگ کی تاریخ کی سب سے بڑی پیشرفت رہی ہے ، اور اب خیال کیا جارہا ہے کہ یہ بڑے اعداد و شمار اور تجزیات کے میدان میں اہم کردار ادا کرنے کی اہلیت رکھتا ہے۔ کاروبار کے نقطہ نظر سے ڈیٹا کا بڑا تجزیہ ایک بہت بڑا چیلنج ہے۔ مثال کے طور پر ، متنوع ڈیٹا فارمیٹس کی بھاری مقدار کا احساس دلانا ، تجزیات کے لئے ڈیٹا کی تیاری اور بے کار ڈیٹا کو فلٹر کرنا جیسی سرگرمیاں بہت سارے وسائل استعمال کرسکتی ہیں۔ ڈیٹا سائنسدانوں اور ماہرین کی خدمات حاصل کرنا ایک مہنگا تجویز ہے اور ہر کمپنی کے ذرائع میں نہیں۔ ماہرین کا خیال ہے کہ مشین لرننگ تجزیات سے متعلق بہت سے کاموں کو خودکار کرنے کی صلاحیت رکھتی ہے - معمول اور پیچیدہ دونوں۔ خودکار مشین لرننگ بہت سارے وسائل آزاد کرسکتی ہے جن کا استعمال زیادہ پیچیدہ اور جدید نوکریوں میں کیا جاسکتا ہے۔ ایسا لگتا ہے کہ مشین لرننگ اسی سمت جارہی ہے۔ (مشین لرننگ کے استعمال کے بارے میں مزید معلومات کے ل Machine ، مشین لرننگ کے وعدے اور نقصانات دیکھیں۔)
انفارمیشن ٹکنالوجی میں آٹومیشن
آئی ٹی کے نظریہ میں ، آٹومیشن مختلف نظاموں اور سافٹ ویر کو جوڑتا ہے تاکہ وہ بغیر کسی انسانی مداخلت کے مخصوص کام انجام دے سکیں۔ آئی ٹی انڈسٹری میں ، خودکار نظام آسان اور پیچیدہ دونوں طرح کی ملازمت انجام دے سکتے ہیں۔ کسی عام ملازمت کی مثال پی ڈی ایف کے ساتھ کسی فارم کو مربوط کرنا اور دستاویز کو صحیح وصول کنندہ سے جوڑنا ہوسکتی ہے جبکہ آف سائیٹ بیک اپ کی فراہمی کسی پیچیدہ کام کی مثال ہوسکتی ہے۔
اپنا کام انجام دینے کے ل an ، ایک خودکار نظام کو پروگرام کرنے کی ضرورت ہے یا واضح ہدایات دینے کی ضرورت ہے۔ جب بھی خودکار نظام کو اپنی ملازمتوں کے دائرہ کار میں ردوبدل کرنے کی ضرورت ہوتی ہے ، پروگرام یا ہدایات کے سیٹ کو انسان کو اپ ڈیٹ کرنے کی ضرورت ہوتی ہے۔ اگرچہ خودکار نظام اپنی ملازمتوں میں موثر ہیں ، لیکن غلطیاں مختلف وجوہات کی بناء پر ہوسکتی ہیں۔ جب غلطیاں ہوتی ہیں تو ، بنیادی وجہ کو شناخت کرنے اور ان کو درست کرنے کی ضرورت ہوتی ہے۔ ظاہر ہے ، اپنی نوکریوں کے ل auto ، خودکار نظام مکمل طور پر انسانوں پر منحصر ہوتا ہے۔ جاب کی نوعیت زیادہ پیچیدہ ہے ، غلطیوں اور امور کا امکان زیادہ ہے۔
عام طور پر ، روٹین اور تکرار کن نوکریاں خود کار نظاموں میں تفویض کی جاتی ہیں۔ آئی ٹی انڈسٹری میں آٹومیشن کی ایک عام مثال ویب پر مبنی یوزر انٹرفیس کی جانچ خودکار ہے۔ ٹیسٹ کے معاملات کو آٹومیشن اسکرپٹس میں کھلایا جاتا ہے اور اس کے مطابق صارف کے انٹرفیس کی جانچ کی جاتی ہے۔ (مشین لرننگ کے عملی استعمال کے بارے میں مزید معلومات کے لئے ، نیکسٹ جنریشن فراڈ کا پتہ لگانے میں مشین لرننگ اور ہڈوپ ملاحظہ کریں۔)
آٹومیشن کے حق میں دلیل یہ دی گئی ہے کہ وہ معمول کے مطابق اور تکرار کرنے والے کام انجام دیتا ہے اور ملازمین کو مزید پیچیدہ اور تخلیقی کاموں سے آزاد کرتا ہے۔ تاہم ، یہ بھی استدلال کیا جاتا ہے کہ آٹومیشن نے بہت ساری نوکریوں یا کرداروں کو بے گھر کردیا ہے جو پہلے انسانوں نے انجام دئے تھے۔ اب ، مشین سیکھنے کے ساتھ مختلف صنعتوں میں اپنا راستہ تلاش کرنے کے ساتھ ، آٹومیشن مکمل طور پر ایک نئی جہت شامل کرسکتی ہے۔
کیا آٹومیشن مشین سیکھنے کا مستقبل ہے؟
مشین لرننگ کا اصل نچو systems یہ ہے کہ انسانوں کی مداخلت کے بغیر اعداد و شمار سے مستقل طور پر سیکھنے اور تیار کرنے کے لئے نظام کی قابلیت۔ مشین لرننگ انسانی دماغ کی طرح برتاؤ کرنے کی صلاحیت رکھتی ہے۔ مثال کے طور پر ، ایک ای کامرس ویب سائٹ میں ایک تجویز کردہ انجن صارف کی انوکھی ترجیحات اور ذوق کا اندازہ کرسکتا ہے اور ایسے پروڈکٹس اور خدمات کے بارے میں سفارشات پیش کرسکتا ہے جو صارف کے انتخاب میں بہترین فٹ ہوجاتے ہیں۔ اس صلاحیت کو دیکھتے ہوئے ، مشین سیکھنے کو بڑے اعداد و شمار اور تجزیات سے متعلق پیچیدہ کاموں کو خود کار بنانے کے لئے مثالی سمجھا جاتا ہے۔ اس نے روایتی آٹومیشن سسٹم کی بنیادی حد کو پہلے ہی قابو کرلیا ہے جو باقاعدہ انسانی مداخلت کے بغیر کام نہیں کرسکتے ہیں۔ یہ ظاہر کرنے کے لئے متعدد کیس اسٹڈیز موجود ہیں کہ مشین لرننگ جدید ترین اعداد و شمار کے تجزیے کے کاموں کو مکمل کرنے کے قابل ہے ، جیسا کہ بعد میں اس مضمون میں زیر بحث آئے گا۔
جیسا کہ پہلے ہی نشاندہی کی گئی ہے ، بڑی اعداد و شمار کا تجزیہ کمپنیوں کے لئے ایک چیلنجنگ تجویز ہے اور اسے جزوی طور پر مشین لرننگ سسٹم کے حوالے کیا جاسکتا ہے۔ کسی کاروبار کے نقطہ نظر سے ، اس سے بہت سارے فوائد حاصل ہوسکتے ہیں جیسے زیادہ تخلیقی اور تنقیدی کاموں کے ل data ڈیٹا سائنس وسائل کو آزاد کرنا ، کام کی تکمیل کا زیادہ حجم ، کاموں کو مکمل کرنے میں کم وقت اور قیمت کی تاثیر۔
کوئی کیڑے نہیں ، کوئی تناؤ نہیں - آپ کی زندگی کو تباہ کیے بغیر زندگی کو تبدیل کرنے والے سافٹ ویئر تخلیق کرنے کے لئے مرحلہ وار گائیڈ
جب آپ سافٹ ویئر کے معیار کی پرواہ نہیں کرتے ہیں تو آپ اپنی پروگرامنگ کی مہارت کو بہتر نہیں کرسکتے ہیں۔
کیس اسٹڈی
2015 میں ایم آئی ٹی کے محققین نے ڈیٹا سائنس ٹول پر کام کرنا شروع کیا جو گہری فیچر ترکیب الگورتھم نامی تکنیک کا استعمال کرتے ہوئے خام ڈیٹا کی بڑی مقدار میں سے پیش گوئی کرنے والے ڈیٹا ماڈل بنانے کی صلاحیت رکھتا ہے۔ سائنس دانوں کا دعوی ہے کہ الگورتھم مشین لرننگ کی بہترین خصوصیات کو یکجا کرسکتا ہے۔ سائنس دانوں کے مطابق ، انہوں نے پہلے ہی تین مختلف ڈیٹا سیٹوں پر الگورتھم کا تجربہ کیا ہے اور وہ مزید ڈیٹا سیٹوں میں جانچ کے دائرہ کار کو بڑھانے جارہے ہیں۔ یہ بتاتے ہوئے کہ وہ یہ کیسے کرتے ہیں ، محققین جیمز میکس کانٹر اور کلیان ویراماچینی نے ایک بین الاقوامی ڈیٹا سائنس اور تجزیات کانفرنس میں پیش کیے جانے والے ایک مقالے میں کہا ، "آٹو ٹننگ کے عمل کو استعمال کرتے ہوئے ، ہم انسان کی شمولیت کے بغیر پورے راستے کو بہتر بناتے ہیں ، اور اسے عام بنانے کے قابل بناتے ہیں۔ مختلف ڈیٹاسیٹس میں۔ "
آئیے ہم جانچتے ہیں کہ کام کتنا پیچیدہ رہا ہے: الگورتھم میں ایسی صلاحیت ہے جو آٹو ٹوننگ کی اہلیت کے نام سے جانا جاتا ہے ، جس کی مدد سے یہ عمر یا صنف جیسے خام اعداد و شمار سے بصیرت یا قدریں حاصل کرتا ہے یا نکالتا ہے ، اور اس کے بعد ، یہ پیشن گوئی کرنے والے ڈیٹا ماڈل تشکیل دے سکتے ہیں۔ الگورتھم میں پیچیدہ ریاضیاتی افعال اور گویسی کپولا کے نام سے جانے والا ایک امکانی تھیوری استعمال ہوتا ہے۔ لہذا ، الگورتھم کو سنبھالنے کے قابل پیچیدگی کی حد کو سمجھنا آسان ہے۔ تکنیک نے مقابلوں میں بھی انعامات جیتا ہے۔
مشین لرننگ ممکن ہے ملازمتوں کی جگہ لے لے
پوری دنیا میں یہ چرچا ہورہا ہے کہ مشین لرننگ سے بہت ساری نوکریوں کی جگہ ہوسکتی ہے کیونکہ وہ انسان کے دماغ کی استعداد کے ساتھ کام انجام دے رہی ہے۔ در حقیقت ، اس میں کچھ تشویش پائی جاتی ہے کہ مشین لرننگ ڈیٹا سائنسدانوں کی جگہ لے لے گی - اور لگتا ہے کہ اس طرح کے خدشات کی بنیاد ہے۔
عام صارفین کے پاس جو اعداد و شمار کے تجزیہ کی مہارت نہیں رکھتے ہیں لیکن پھر بھی ان کی روزانہ کی زندگی میں مختلف ڈگریوں میں تجزیات کی ضرورت ہوتی ہے ، ایسے کمپیوٹرز کا ہونا ممکن نہیں جو ڈیٹا کی بڑی مقدار کا تجزیہ کرنے اور تجزیات پیش کرنے کے اہل ہوں۔ لیکن قدرتی زبان پروسیسنگ (این ایل پی) ٹیکنالوجیز کمپیوٹروں کو انسانوں کی فطری ، بولی جانے والی زبان کو قبول کرنے اور اس پر کارروائی کرنے کی تعلیم دے کر اس حد سے نکل سکتی ہے۔ اس طرح ، عام صارف کو نفیس تجزیاتی صلاحیتوں یا مہارت کی ضرورت نہیں ہے۔
آئی بی ایم کا خیال ہے کہ ڈیٹا سائنسدانوں کی ضرورت کو کم کرکے یا اس کی مصنوعات واٹسن قدرتی زبان کے تجزیاتی پلیٹ فارم سے ختم کیا جاسکتا ہے۔ واٹسن تجزیات اور کاروباری انٹلیجنس کے نائب صدر ، مارک اٹسولر کے مطابق ، “واٹسن جیسے علمی نظام کے ذریعہ آپ صرف اپنا سوال لاتے ہیں - یا اگر آپ کے پاس کوئی سوال نہیں ہے تو آپ صرف اپنا ڈیٹا اپلوڈ کریں گے اور واٹسن اس کو دیکھ سکتا ہے اور اس کا اندازہ لگا سکتا ہے آپ کیا جاننا چاہتے ہو۔
نتیجہ اخذ کرنا
آٹومیشن مشین سیکھنے کے لئے اگلا منطقی اقدام ہے اور ہم اپنی روز مرہ کی زندگی میں پہلے ہی سے اثرات کا سامنا کر رہے ہیں۔ ای کامرس ویب سائٹ ، دوست کی تجاویز ، لنکڈ نیٹ ورکنگ کی سفارشات اور ایئربنب سرچ کی درجہ بندی میں۔ دی گئی مثالوں پر غور کرتے ہوئے ، خود کار مشین لرننگ سسٹم کے ذریعہ تیار کردہ آؤٹ پٹ کے معیار پر کوئی شک نہیں کیا جاسکتا۔ اس کی ساری خصوصیات اور فوائد کے ل machine ، مشین سیکھنے کے بارے میں سوچ بہت بڑی بے روزگاری کا باعث بن سکتی ہے جس سے تھوڑا سا رکاوٹ محسوس ہوسکتا ہے۔ مشینیں کئی دہائیوں سے ہماری زندگی کے بہت سارے شعبوں میں انسانوں کی جگہ لے رہی ہیں اور اس کے باوجود ، انسان تیار ہوا ہے اور اس صنعت میں وابستہ رہنے کے لئے ڈھال لیا ہے۔ نقطہ نظر پر انحصار کرتے ہوئے ، مشین سیکھنے ، اس کی ساری خلل انگیزی کے ل just ، صرف ایک ایسی ہی لہر ہے جس کے مطابق لوگ موافقت پذیر ہوں گے۔