🥃 🖱️ 🌌 Android मशीन लर्निंग 🤮 👩🏻‍🎤 😴

हेलो, हेब्र! मैं आपके सामने APC पत्रिका के एक लेख का अनुवाद प्रस्तुत करता हूँ ।

मशीन लर्निंग और डेटा माइनिंग एआई का व्यावहारिक विकास है, जिसकी बदौलत एयरोनॉटिक्स से लेकर जूलॉजी तक विभिन्न विषयों के आवेदन आते हैं। ये प्रक्रियाएँ अक्सर पीसी या लैपटॉप पर क्लाउड में की जाती हैं, स्मार्टफोन में बहुत कम होती हैं।

हालाँकि, हाल ही में "DataLearner" नामक एक नया मुफ्त एप्लिकेशन Google Play पर दिखाई दिया है, जिसके साथ आप डेटा निकाल सकते हैं। इसके लिए बाहरी संसाधनों और सुपरसुसर विशेषाधिकारों के उपयोग की आवश्यकता नहीं है।

स्मार्टफोन कम्प्यूटिंग संसाधन

कई लोग गलती से मानते हैं कि मशीन लर्निंग और डेटा माइनिंग के लिए क्लाउड कंप्यूटिंग संसाधनों, या कम से कम एक शक्तिशाली कंप्यूटर की आवश्यकता होती है। हालांकि, अंततः यह विश्लेषण किए जा रहे डेटा के आकार और मशीन लर्निंग के प्रकार के नीचे आता है जिसे आप लागू करना चाहते हैं।

कंप्यूटर प्रशिक्षण के अपने कठिनाई स्तर हैं। यदि आप कल्पना करते हैं कि इस तरह के हाल ही में उभरती हुई गहरी सीखने की तकनीक के रूप में कन्वेन्शनल न्यूरल नेटवर्क (CNN) एक उच्च शक्ति घनत्व वाली कार है, तो अन्य तकनीकें, जैसे कि निर्णय वृक्ष और कई अन्य "वन" प्रशिक्षण विधियाँ, हॉट "हैचबैक" हैं। वे सीपीयू की सीमित कंप्यूटिंग क्षमताओं के साथ उत्कृष्ट, तेज और आसान परिणाम दिखाते हैं।

डाटा प्रोसेसिंग एप्लीकेशन

Google ने हाल ही में TensorFlow Lite जारी किया। यह एप्लिकेशन स्मार्टफोन और इंटरनेट ऑफ थिंग्स के लिए है, जिसे भौतिक वस्तुओं के गहन प्रशिक्षण के लिए डिज़ाइन किया गया है। हालाँकि, DataLearner दूसरे तरीके से चला गया। यह NaayveBayes और रैंडम फोर्सेस जैसे पारंपरिक वर्गीकरण एल्गोरिदम का समर्थन करता है। उन सभी को आपके फोन पर संग्रहीत किया जाएगा और उन तक पहुंच प्राप्त करने के लिए किसी तीसरे पक्ष की भागीदारी की आवश्यकता नहीं होगी।

डेटालेरर ऑस्ट्रेलिया में चार्ल्स स्टर्ट यूनिवर्सिटी द्वारा विकसित नए कंप्यूटर-आधारित लर्निंग एल्गोरिदम के साथ वीका ओपन सोर्स डेटा माइनिंग एप्लिकेशन के मुख्य घटकों को जोड़ती है। आवेदन स्वायत्त है, अर्थात् सामान्य ऑपरेशन के लिए क्लाउड कंप्यूटिंग या इंटरनेट कनेक्शन की आवश्यकता नहीं है। कार्यक्रम सुपरयूसर विशेषाधिकारों के साथ उपयोग का अनुरोध नहीं करता है, आपके बारे में जानकारी एकत्र नहीं करता है (Google Play पर बूट फ़ाइलों से Google को प्राप्त होने वाले डेटा को छोड़कर) और एंड्रॉइड 4.0 और उच्चतर चलाने वाले सभी उपकरणों पर समर्थित है। तीन मुख्य स्क्रीनों से मिलकर एक सरल यूजर इंटरफेस के लिए धन्यवाद का प्रबंधन करना आसान है।

जब अनुप्रयोग शुरू होता है, तो एक लोडिंग स्क्रीन दिखाई देती है जहां आप CSV या ARFF डेटा पैकेट डाउनलोड कर सकते हैं। उन्हें स्थानीय या डाउनलोड में बचाया जा सकता है। सीएसवी प्रारूप के लिए, एक हेडर लाइन की आवश्यकता होती है। लोड करने के बाद, आप डेटा के बारे में सामान्य जानकारी देखेंगे, जिसमें प्रकार और मापदंडों की संख्या, साथ ही साथ क्लास विशेषताएँ भी शामिल हैं।

अपना एल्गोरिदम चुनें

यदि आप स्क्रीन को बाईं ओर स्वाइप करते हैं, तो एक विंडो खुलती है जहां आप डेटा पैकेट में पैटर्न पहचान के लिए 40 एल्गोरिदम में से एक चुन सकते हैं। सूचना पुनर्प्राप्ति - संक्षेप में, यह डेटा में पैटर्न और विभिन्न विशेषताओं और विशेषताओं के बीच संबंधों का आवंटन है। कोई पूर्ण एल्गोरिथ्म नहीं है, और इसलिए DataLearner आपको कई विकल्प प्रदान करता है। वेका एप्लिकेशन के डेवलपर्स से बड़ी संख्या में एल्गोरिदम के अलावा, सूची में चार्ल्स स्टर्ट विश्वविद्यालय के कर्मचारियों द्वारा बनाई गई कई नई विधियां शामिल हैं, उदाहरण के लिए, वनपीए, सीसफोर और एसपीएआरसी।

अपना एल्गोरिथ्म चलाएं

यहां मस्ती शुरू होती है।

आपको 'रन' बटन को छोड़कर कुछ भी नहीं करना है। बाकी काम डाटालेजर करेगा। सबसे पहले, वह आपके डेटा का एक मॉडल बनाएगा, अर्थात एक दूसरे के साथ सहसंबंधी गुण।
वर्ग विशेषता समूहीकृत सूची को परिभाषित करती है जिसमें प्रत्येक डेटा पैकेट होता है। उदाहरण के लिए, डेटा पैकेज का एक मानक डेमो संस्करण पिछले कुछ दिनों में तापमान, आर्द्रता, हवा की दिशा और वर्षा जैसे मौसम संकेतक प्रदान करता है। और आप यह पता लगाने के लिए डेटा निकालते हैं कि क्या कोई पैटर्न है जिसमें ये मौसम संकेतक संबंधित हैं कि उस दिन बारिश हुई थी या नहीं।

एप्लिकेशन तब नियम सेट या "मॉडल" को क्रॉस-चेक करता है जिसे "10-पास क्रॉस-वैधीकरण" नामक एक विधि का उपयोग करके बनाया गया है ताकि यह पता लगाया जा सके कि इसकी अनुमानित क्षमता क्या है। नतीजतन, आपको एक गणितीय विश्लेषण मिलता है, जिसका मुख्य परिणाम सटीकता का प्रतिशत है। यह स्क्रीन के शीर्ष पर दिखाई देगा।

स्क्रीन के नीचे 'विवरण देखें / मैट्रिक्स' बटन पर क्लिक करें और आपको मॉडल और यह कैसे काम करता है, इसके बारे में अधिक विस्तृत जानकारी मिलेगी। यहां, पैटर्न के बारे में जानकारी अधिक दृश्य रूप में प्रस्तुत की जाएगी।

आपको प्रसंस्करण के लिए लोड किए गए डेटा की मात्रा को भी याद रखना होगा: मोबाइल प्रोसेसर के अस्पष्ट प्रदर्शन के बावजूद, आपको उनसे उतनी ही गति की उम्मीद नहीं करनी चाहिए जितनी कि एडब्ल्यूएस या गूगल क्लाउड से। इसके अलावा, इंतजार न करें कि आप फेसबुक से पिछले दस वर्षों में फेसबुक से ट्रैफिक डेटा अपलोड करने में सक्षम होंगे, और कार्यक्रम उन्हें ... के लिए प्रक्रिया करेगा, यह कभी भी उन्हें संसाधित नहीं करेगा। फिर भी, सूचना के अधिक विनम्र स्रोतों के साथ कई एप्लिकेशन हैं, जिनके प्रसंस्करण के लिए स्मार्टफोन एकदम सही होगा।

पॉकेट कैलकुलेटर

DataLearner जल्द ही क्लाउड-आधारित मशीन लर्निंग को प्रतिस्थापित नहीं करेगा, लेकिन यह इसका उद्देश्य नहीं है। इसके बजाय, एप्लिकेशन पूरी तरह से पोर्टेबल समाधान है जो आपकी जेब में फिट बैठता है और इसके लिए पावर कॉर्ड या इंटरनेट केबल की आवश्यकता नहीं होती है। एप्लिकेशन को Google Play से मुफ्त में डाउनलोड किया जा सकता है । GPLHub पर GPL3 लाइसेंस स्रोत कोड भी उपलब्ध है ।

Android मशीन लर्निंग

स्मार्टफोन कम्प्यूटिंग संसाधन

डाटा प्रोसेसिंग एप्लीकेशन

अपना एल्गोरिदम चुनें

अपना एल्गोरिथ्म चलाएं

पॉकेट कैलकुलेटर

More articles: