இயந்திர கற்றல் வரையறை

இயந்திர கற்றல் என்றால் என்ன?

இயந்திரக் கற்றல் என்பது ஒரு கணினி நிரல் மனிதர்களின் குறுக்கீடு இல்லாமல் புதிய தரவைக் கற்றுக் கொள்ளலாம் மற்றும் மாற்றியமைக்க முடியும். இயந்திர கற்றல் என்பது செயற்கை நுண்ணறிவு (AI) துறையாகும், இது உலகளாவிய பொருளாதாரத்தில் ஏற்படும் மாற்றங்களைப் பொருட்படுத்தாமல் கணினியின் உள்ளமைக்கப்பட்ட வழிமுறைகளை தற்போதையதாக வைத்திருக்கிறது.

இயந்திர கற்றல் விளக்கப்பட்டது

பொருளாதாரத்தின் பல்வேறு துறைகள் வேறுபட்ட வடிவங்களில் இருந்து வெவ்வேறு வடிவங்களில் கிடைக்கக்கூடிய பெரிய அளவிலான தரவைக் கையாளுகின்றன. தொழில்நுட்பத்தின் முற்போக்கான பயன்பாட்டின் காரணமாக பெரிய தரவு என அழைக்கப்படும் ஏராளமான தரவு எளிதில் கிடைக்கிறது மற்றும் அணுகக்கூடியதாகி வருகிறது. நிறுவனங்களும் அரசாங்கங்களும் பெரிய தரவைத் தட்டுவதன் மூலம் பெறக்கூடிய மிகப்பெரிய நுண்ணறிவுகளை உணர்கின்றன, ஆனால் அதன் தகவல் செல்வத்தின் மூலம் சீப்புவதற்குத் தேவையான ஆதாரங்களும் நேரமும் இல்லை. எனவே, தரவுத் தொகுப்புகளிலிருந்து பயனுள்ள தகவல்களைச் சேகரிக்க, செயலாக்க, தொடர்பு கொள்ள மற்றும் பகிர்ந்து கொள்ள பல்வேறு தொழில்களால் செயற்கை நுண்ணறிவு நடவடிக்கைகள் பயன்படுத்தப்படுகின்றன. பெரிய தரவு செயலாக்கத்திற்கு அதிகளவில் பயன்படுத்தப்படும் AI இன் ஒரு முறை இயந்திர கற்றல்.

இயந்திர கற்றல் பயன்பாடுகள்

இயந்திர கற்றலின் பல்வேறு தரவு பயன்பாடுகள் இயந்திரம் அல்லது கணினியில் கட்டமைக்கப்பட்ட ஒரு சிக்கலான வழிமுறை அல்லது மூல குறியீடு மூலம் உருவாக்கப்படுகின்றன. இந்த நிரலாக்க குறியீடு தரவை அடையாளம் காணும் மாதிரியை உருவாக்குகிறது மற்றும் அது அடையாளம் காணும் தரவைச் சுற்றி கணிப்புகளை உருவாக்குகிறது. அதன் முடிவெடுக்கும் செயல்முறைக்கான வடிவங்களை உருவாக்க அல்காரிதத்தில் கட்டப்பட்ட அளவுருக்களை மாதிரி பயன்படுத்துகிறது. புதிய அல்லது கூடுதல் தரவு கிடைக்கும்போது, ​​ஒரு முறை மாற்றத்தை சரிபார்க்க அல்காரிதம் தானாகவே அளவுருக்களை சரிசெய்கிறது. இருப்பினும், மாதிரி மாறக்கூடாது.

இயந்திர கற்றல் பல்வேறு காரணங்களுக்காக பல்வேறு துறைகளில் பயன்படுத்தப்படுகிறது. புதிய முதலீட்டு வாய்ப்புகளை அடையாளம் காண வர்த்தக அமைப்புகளை அளவீடு செய்யலாம். பயனர்களின் இணைய தேடல் வரலாறு அல்லது முந்தைய பரிவர்த்தனைகளின் அடிப்படையில் தங்கள் பயனர்களுக்கு துல்லியமான மற்றும் தனிப்பயனாக்கப்பட்ட பரிந்துரைகளை வழங்க சந்தைப்படுத்தல் மற்றும் ஈ-காமர்ஸ் தளங்களை சரிசெய்யலாம். கடன் வழங்கும் நிறுவனங்கள் மோசமான கடன்களைக் கணிப்பதற்கும் கடன் அபாய மாதிரியை உருவாக்குவதற்கும் இயந்திர கற்றலை இணைக்க முடியும். உலகின் அனைத்து மூலைகளிலிருந்தும் ஏராளமான செய்திகளை மறைக்க தகவல் மையங்கள் இயந்திர கற்றலைப் பயன்படுத்தலாம். இயந்திர கற்றல் நுட்பங்களிலிருந்து வங்கிகள் மோசடி கண்டறிதல் கருவிகளை உருவாக்க முடியும். டிஜிட்டல்-ஆர்வமுள்ள சகாப்தத்தில் இயந்திரக் கற்றலை இணைப்பது முடிவற்றது, ஏனெனில் வணிகங்களும் அரசாங்கங்களும் பெரிய தரவு வழங்கும் வாய்ப்புகளைப் பற்றி அதிகம் அறிந்திருக்கின்றன.

இயந்திர கற்றல் எவ்வாறு செயல்படுகிறது

இயந்திர கற்றல் எவ்வாறு செயல்படுகிறது என்பதை நிதி உலகில் ஒரு எடுத்துக்காட்டு மூலம் சிறப்பாக விளக்க முடியும். பாரம்பரியமாக, நிதி சந்தையில் முதலீட்டாளர்கள் நிதி ஆய்வாளர்கள், ஆய்வாளர்கள், சொத்து மேலாளர்கள், தனிநபர் முதலீட்டாளர்கள் இலாபகரமான முதலீட்டு முடிவுகளை எடுக்க உலகெங்கிலும் உள்ள பல்வேறு நிறுவனங்களிலிருந்து ஏராளமான தகவல்களைத் தேடுகிறார்கள். இருப்பினும், சில பொருத்தமான தகவல்கள் ஊடகங்களால் பரவலாக விளம்பரப்படுத்தப்படாமல் போகலாம், மேலும் நிறுவனத்தின் ஊழியர்களாகவோ அல்லது அந்தத் தகவலில் இருந்து வரும் நாட்டில் வசிப்பவர்களாகவோ இருக்கும் நன்மை கொண்ட தேர்ந்தெடுக்கப்பட்ட சிலருக்கு மட்டுமே அந்தரங்கமாக இருக்கலாம். கூடுதலாக, ஒரு குறிப்பிட்ட காலத்திற்குள் மனிதர்கள் சேகரித்து செயலாக்கக்கூடிய பல தகவல்கள் மட்டுமே உள்ளன. இயந்திர கற்றல் இங்கு வருகிறது.

ஒரு சொத்து மேலாண்மை நிறுவனம் அதன் முதலீட்டு பகுப்பாய்வு மற்றும் ஆராய்ச்சி பகுதியில் இயந்திர கற்றலைப் பயன்படுத்தலாம். சொத்து மேலாளர் சுரங்கப் பங்குகளில் மட்டுமே முதலீடு செய்கிறார் என்று கூறுங்கள். கணினியில் கட்டமைக்கப்பட்ட மாதிரி வலையை ஸ்கேன் செய்து வணிகங்கள், தொழில்கள், நகரங்கள் மற்றும் நாடுகளிலிருந்து அனைத்து வகையான செய்தி நிகழ்வுகளையும் சேகரிக்கிறது, மேலும் சேகரிக்கப்பட்ட இந்த தகவல்கள் தரவு தொகுப்பை உருவாக்குகின்றன. நிறுவனத்தின் சொத்து மேலாளர்கள் மற்றும் ஆராய்ச்சியாளர்கள் தங்கள் மனித சக்திகளையும் புத்தியையும் பயன்படுத்தி தரவுத் தொகுப்பில் தகவல்களைப் பெற முடியாது. மாதிரியுடன் கட்டமைக்கப்பட்ட அளவுருக்கள் சுரங்க நிறுவனங்கள், ஆய்வுத் துறையின் ஒழுங்குமுறைக் கொள்கைகள் மற்றும் தேர்ந்தெடுக்கப்பட்ட நாடுகளில் அரசியல் நிகழ்வுகள் பற்றிய தரவுகளை தரவுத் தொகுப்பிலிருந்து மட்டுமே பிரித்தெடுக்கின்றன. ஒரு சுரங்க நிறுவனம் XYZ தென்னாப்பிரிக்காவின் ஒரு சிறிய நகரத்தில் ஒரு வைர சுரங்கத்தை கண்டுபிடித்தது என்று சொல்லுங்கள், இயந்திர கற்றல் பயன்பாடு இதை தொடர்புடைய தரவுகளாக முன்னிலைப்படுத்தும். சுரங்கத் தொழில் ஒரு காலத்திற்கு இலாபகரமானதா, அல்லது ஒரு சுரங்கப் பங்குகள் ஒரு குறிப்பிட்ட நேரத்தில் மதிப்பு அதிகரிக்க வாய்ப்புள்ளதா என்பது பற்றிய கணிப்புகளைச் செய்ய இந்த மாதிரி முன்கணிப்பு பகுப்பாய்வு எனப்படும் பகுப்பாய்வுக் கருவியைப் பயன்படுத்தலாம். இந்த தகவல் சொத்து மேலாளருக்கு அவரது போர்ட்ஃபோலியோவை பகுப்பாய்வு செய்து முடிவெடுப்பதற்காக அனுப்பப்படுகிறது. XYZ பங்குகளில் மில்லியன் கணக்கான டாலர்களை முதலீடு செய்ய சொத்து மேலாளர் ஒரு முடிவை எடுக்கலாம்.

தென்னாப்பிரிக்க சுரங்கத் தொழிலாளர்கள் வேலைநிறுத்தத்தில் ஈடுபடுவது போன்ற சாதகமற்ற நிகழ்வை அடுத்து, கணினி வழிமுறை அதன் அளவுருக்களை தானாகவே சரிசெய்து புதிய வடிவத்தை உருவாக்குகிறது. இந்த வழியில், இயந்திரத்தில் கட்டமைக்கப்பட்ட கணக்கீட்டு மாதிரி உலக நிகழ்வுகளின் மாற்றங்களுடனும், மாற்றங்களை பிரதிபலிக்க அதன் குறியீட்டை மாற்றியமைக்க ஒரு மனிதனுக்கும் தேவையில்லாமல் தற்போதைய நிலையில் உள்ளது. சொத்து மேலாளர் இந்த புதிய தரவை சரியான நேரத்தில் பெற்றதால், அவர்கள் பங்குகளை விட்டு வெளியேறுவதன் மூலம் அவரது இழப்புகளை குறைக்க முடியும்.