ஆட்டோமேஷன்: தரவு அறிவியல் மற்றும் இயந்திர கற்றலின் எதிர்காலம்?

கணினி கற்றல் கணினி வரலாற்றில் மிகப்பெரிய முன்னேற்றங்களில் ஒன்றாகும், இப்போது பெரிய தரவு மற்றும் பகுப்பாய்வு துறையில் ஒரு முக்கிய பங்கை வகிக்க முடியும். பெரிய தரவு பகுப்பாய்வு ஒரு நிறுவன கண்ணோட்டத்தில் ஒரு பெரிய சவால். எடுத்துக்காட்டாக, அதிக எண்ணிக்கையிலான பல்வேறு தரவு வடிவங்களைப் புரிந்துகொள்வது, தரவு தயாரிப்பைப் பகுப்பாய்வு செய்தல் மற்றும் தேவையற்ற தரவை வடிகட்டுதல் போன்ற செயல்பாடுகள் வளம் மிகுந்ததாக இருக்கலாம். தரவு விஞ்ஞானி நிபுணர்களை நியமிப்பது ஒரு விலையுயர்ந்த கருத்தாகும் மற்றும் ஒவ்வொரு நிறுவனத்திற்கும் முடிவடையும் ஒரு வழிமுறையாக இல்லை. இயந்திரக் கற்றல் பகுப்பாய்வோடு தொடர்புடைய பல பணிகளை தானியக்கமாக்கும் என்று நிபுணர்கள் நம்புகின்றனர் - வழக்கமான மற்றும் சிக்கலான. தானியங்கி இயந்திரக் கற்றல் மிகவும் சிக்கலான மற்றும் புதுமையான வேலைகளுக்குப் பயன்படுத்தக்கூடிய குறிப்பிடத்தக்க ஆதாரங்களை விடுவிக்க முடியும். இயந்திர கற்றல் எல்லா நேரத்திலும் இந்த திசையில் நகர்கிறது.

தகவல் தொழில்நுட்பத்தின் சூழலில் ஆட்டோமேஷன்

IT இல், ஆட்டோமேஷன் என்பது பல்வேறு அமைப்புகள் மற்றும் மென்பொருள்களின் இணைப்பாகும், இது மனித தலையீடு இல்லாமல் குறிப்பிட்ட பணிகளைச் செய்ய உதவுகிறது. ஐடியில், தானியங்கி அமைப்புகள் எளிய மற்றும் சிக்கலான வேலைகளைச் செய்ய முடியும். ஒரு எளிய வேலையின் உதாரணம், PDF களுடன் படிவங்களை ஒருங்கிணைத்து, சரியான பெறுநருக்கு ஆவணங்களை அனுப்புவதாக இருக்கலாம், அதே நேரத்தில் ஆஃப்-சைட் காப்புப்பிரதிகளை வழங்குவது ஒரு சிக்கலான வேலைக்கு உதாரணமாக இருக்கலாம்.

உங்கள் வேலையை சரியாகச் செய்ய, நீங்கள் நிரல் செய்ய வேண்டும் அல்லது தானியங்கி அமைப்புக்கு தெளிவான வழிமுறைகளை வழங்க வேண்டும். ஒவ்வொரு முறையும் ஒரு தானியங்கி அமைப்பு அதன் வேலையின் நோக்கத்தை மாற்றத் தேவைப்படும்போது, ​​நிரல் அல்லது அறிவுறுத்தல் தொகுப்பை யாராவது புதுப்பிக்க வேண்டும். தானியங்கி அமைப்பு அதன் வேலையில் பயனுள்ளதாக இருந்தாலும், பல்வேறு காரணங்களுக்காக பிழைகள் ஏற்படலாம். பிழைகள் ஏற்படும் போது, ​​மூல காரணத்தை கண்டறிந்து சரி செய்ய வேண்டும். தெளிவாக, அதன் வேலையைச் செய்ய, ஒரு தானியங்கி அமைப்பு முற்றிலும் மனிதர்களைச் சார்ந்தது. வேலையின் தன்மை மிகவும் சிக்கலானது, பிழைகள் மற்றும் சிக்கல்களின் அதிக வாய்ப்பு.

ஐடி துறையில் ஆட்டோமேஷனுக்கு ஒரு பொதுவான உதாரணம் இணைய அடிப்படையிலான பயனர் இடைமுகங்களை சோதிக்கும் ஆட்டோமேஷன் ஆகும். ஆட்டோமேஷன் ஸ்கிரிப்ட்டில் சோதனை வழக்குகள் வழங்கப்படுகின்றன மற்றும் பயனர் இடைமுகம் அதன்படி சோதிக்கப்படுகிறது. (இயந்திர கற்றலின் நடைமுறை பயன்பாடு பற்றி மேலும் அறிய, அடுத்த தலைமுறை மோசடி கண்டறிதலில் இயந்திர கற்றல் மற்றும் ஹடூப் பார்க்கவும்.)

ஆட்டோமேஷனுக்கு ஆதரவான வாதம் என்னவென்றால், இது வழக்கமான மற்றும் மீண்டும் செய்யக்கூடிய பணிகளைச் செய்கிறது மற்றும் மிகவும் சிக்கலான மற்றும் ஆக்கபூர்வமான பணிகளைச் செய்ய ஊழியர்களை விடுவிக்கிறது. இருப்பினும், ஆட்டோமேஷன் முன்பு மனிதர்களால் நிகழ்த்தப்பட்ட ஏராளமான பணிகள் அல்லது பாத்திரங்களை விலக்கியுள்ளது என்றும் வாதிடப்படுகிறது. இப்போது, ​​இயந்திர கற்றல் பல்வேறு தொழில்களில் நுழைவதால், ஆட்டோமேஷன் ஒரு புதிய பரிமாணத்தைச் சேர்க்க முடியும்.

தானியங்கி இயந்திர கற்றலின் எதிர்காலம்?

இயந்திரக் கற்றலின் சாராம்சம் என்பது ஒரு தரவின் தரவுகளிலிருந்து தொடர்ச்சியாகக் கற்றுக்கொள்ளும் மற்றும் மனித தலையீடு இல்லாமல் உருவாகும் திறன் ஆகும். இயந்திர கற்றல் மனித மூளையைப் போல செயல்படும் திறன் கொண்டது. எடுத்துக்காட்டாக, இ-காமர்ஸ் தளங்களில் உள்ள பரிந்துரை இயந்திரங்கள் பயனரின் தனித்துவமான விருப்பங்களையும் சுவைகளையும் மதிப்பிடலாம் மற்றும் தேர்வு செய்ய மிகவும் பொருத்தமான தயாரிப்புகள் மற்றும் சேவைகளில் பரிந்துரைகளை வழங்கலாம். இந்த திறனைக் கருத்தில் கொண்டு, பெரிய தரவு மற்றும் பகுப்பாய்வுகளுடன் தொடர்புடைய சிக்கலான பணிகளை தானியக்கமாக்குவதற்கு இயந்திர கற்றல் சிறந்தது. இது வழக்கமான மனித தலையீட்டை அனுமதிக்காத பாரம்பரிய தானியங்கி அமைப்புகளின் முக்கிய வரம்புகளை மீறியுள்ளது. சிக்கலான தரவு பகுப்பாய்வு பணிகளைச் செய்ய இயந்திர கற்றலின் திறனை நிரூபிக்கும் பல வழக்கு ஆய்வுகள் உள்ளன, அவை பின்னர் இந்த கட்டுரையில் விவாதிக்கப்படும்.

ஏற்கனவே குறிப்பிட்டுள்ளபடி, பெரிய தரவு பகுப்பாய்வு என்பது வணிகங்களுக்கு ஒரு சவாலான கருத்தாகும், இது இயந்திர கற்றல் அமைப்புகளுக்கு ஓரளவு வழங்கப்படலாம். ஒரு வணிகக் கண்ணோட்டத்தில், இது மிகவும் ஆக்கபூர்வமான மற்றும் பணி முக்கியமான பணிகளுக்கு தரவு அறிவியல் வளங்களை விடுவித்தல், அதிக பணிச்சுமை, பணிகளை முடிக்க குறைந்த நேரம் மற்றும் செலவு செயல்திறன் போன்ற பல நன்மைகளைக் கொண்டுவரும்.

வழக்கு ஆய்வு

2015 ஆம் ஆண்டில், எம்ஐடி ஆராய்ச்சியாளர்கள் ஒரு தரவு அறிவியல் கருவியில் வேலை செய்யத் தொடங்கினர், இது ஆழமான அம்சத் தொகுப்பு வழிமுறைகள் எனப்படும் நுட்பத்தைப் பயன்படுத்தி அதிக அளவு மூல தரவுகளிலிருந்து முன்கணிப்பு தரவு மாதிரிகளை உருவாக்க முடியும். இயந்திரக் கற்றலின் சிறந்த அம்சங்களை அல்காரிதம் இணைக்க முடியும் என்று விஞ்ஞானிகள் கூறுகின்றனர். விஞ்ஞானிகளின் கூற்றுப்படி, அவர்கள் அதை மூன்று வெவ்வேறு தரவுத்தொகுப்புகளில் சோதித்துள்ளனர் மற்றும் மேலும் பலவற்றைச் சேர்க்க சோதனையை விரிவுபடுத்துகின்றனர். தரவு அறிவியல் மற்றும் பகுப்பாய்வு பற்றிய சர்வதேச மாநாட்டில் வழங்கப்படவுள்ள ஆய்வறிக்கையில், ஆராய்ச்சியாளர்கள் ஜேம்ஸ் மேக்ஸ் கான்டர் மற்றும் கல்யாண் வீரமாச்சனேனி ஆகியோர், "தானியங்கி டியூனிங் செயல்முறையைப் பயன்படுத்தி, முழுப் பாதையையும் மனித ஈடுபாடு இல்லாமல், பல்வேறு தரவுத்தொகுப்புகளுக்கு பொதுமைப்படுத்த அனுமதிக்கிறோம்" என்று கூறினார்.

பணியின் சிக்கலைப் பார்ப்போம்: அல்காரிதம் தானாக சரிசெய்தல் திறன் என்று அழைக்கப்படுகிறது, இதன் உதவியுடன் மூல நுண்ணறிவுகள் அல்லது மதிப்புகள் மூல தரவு (வயது அல்லது பாலினம் போன்றவை) பெறலாம் அல்லது பிரித்தெடுக்கப்படலாம், அதன் பிறகு முன்கணிப்பு தரவு மாதிரிகளை உருவாக்க முடியும். அல்காரிதம் சிக்கலான கணித செயல்பாடுகளையும் காசியன் கோபுலா எனப்படும் நிகழ்தகவு கோட்பாட்டையும் பயன்படுத்துகிறது. எனவே அல்காரிதம் கையாளக்கூடிய சிக்கலின் அளவைப் புரிந்துகொள்வது எளிது. இந்த நுட்பம் போட்டிகளில் பரிசுகளையும் வென்றுள்ளது.

இயந்திர கற்றல் வீட்டுப்பாடத்தை மாற்றும்

இயந்திரக் கற்றல் மனித மூளையின் செயல்திறனுடன் பணிகளைச் செய்வதால் பல வேலைகளை மாற்ற முடியும் என்று உலகம் முழுவதும் விவாதிக்கப்படுகிறது. உண்மையில், இயந்திரக் கற்றல் தரவு விஞ்ஞானிகளை மாற்றும் என்பதில் சில கவலை உள்ளது, அத்தகைய அக்கறைக்கு ஒரு அடிப்படை இருப்பதாகத் தெரிகிறது.

தரவு பகுப்பாய்வு திறன் இல்லாத ஆனால் அவர்களின் அன்றாட வாழ்வில் பல்வேறு பகுப்பாய்வு தேவைகளைக் கொண்ட சராசரி பயனருக்கு, பெரிய அளவிலான தரவுகளை பகுப்பாய்வு செய்து பகுப்பாய்வுத் தரவை வழங்கும் கணினிகளைப் பயன்படுத்துவது சாத்தியமில்லை. இருப்பினும், இயற்கை மொழி செயலாக்க (என்எல்பி) நுட்பங்கள் கணினிகளை இயற்கையான மனித மொழியை ஏற்று செயலாக்க கற்றுக்கொடுப்பதன் மூலம் இந்த வரம்பை சமாளிக்க முடியும். இந்த வழியில், சராசரி பயனருக்கு அதிநவீன பகுப்பாய்வு செயல்பாடுகள் அல்லது திறன்கள் தேவையில்லை.

தரவு விஞ்ஞானிகளின் தேவையை அதன் தயாரிப்பான வாட்சன் இயற்கை மொழி பகுப்பாய்வு தளத்தின் மூலம் குறைக்கலாம் அல்லது நீக்கலாம் என்று ஐபிஎம் நம்புகிறது. வாட்சனின் பகுப்பாய்வு மற்றும் வணிக நுண்ணறிவின் துணைத் தலைவர் மார்க் அட்சுல்லரின் கருத்துப்படி, “வாட்சன் போன்ற அறிவாற்றல் அமைப்புடன், நீங்கள் உங்கள் கேள்வியைக் கேளுங்கள் - அல்லது உங்களிடம் கேள்விகள் இல்லையென்றால், உங்கள் தரவைப் பதிவேற்றவும், வாட்சன் அதைப் பார்க்க முடியும் நீங்கள் தெரிந்து கொள்ள விரும்புவதை ஊகிக்கவும். ”

முடிவுரை

இயந்திர கற்றலில் ஆட்டோமேஷன் அடுத்த தர்க்கரீதியான படியாகும், நாம் ஏற்கனவே நம் அன்றாட வாழ்வில் விளைவுகளை அனுபவித்து வருகிறோம்-இ-காமர்ஸ் தளங்கள், பேஸ்புக் நண்பர் பரிந்துரைகள், லிங்க்ட்இன் நெட்வொர்க் பரிந்துரைகள் மற்றும் ஏர்பிஎன்பி தேடல் தரவரிசை. கொடுக்கப்பட்ட எடுத்துக்காட்டுகளைக் கருத்தில் கொண்டு, தானியங்கி இயந்திர கற்றல் அமைப்புகளால் உற்பத்தி செய்யப்படும் வெளியீட்டின் தரத்திற்கு இது காரணமாக இருக்கலாம் என்பதில் சந்தேகமில்லை. அதன் அனைத்து குணங்கள் மற்றும் நன்மைகளுக்காக, இயந்திர கற்றல் யோசனை மிகப்பெரிய வேலையின்மையை ஏற்படுத்துகிறது. இயந்திரங்கள் பல தசாப்தங்களாக நம் வாழ்வின் பல பகுதிகளில் மனிதர்களை மாற்றிக்கொண்டிருக்கின்றன, ஆனால் மனிதர்கள் பரிணாம வளர்ச்சி பெற்று தொழில்துறையில் தொடர்புடையதாகத் தழுவினர். பார்வையின் படி, இயந்திரக் கற்றல் அதன் அனைத்து இடையூறுகளுக்கும் மக்கள் மாற்றியமைக்கும் மற்றொரு அலைதான்.


பதவி நேரம்: ஆகஸ்ட்-03-2021