মেশিন লার্নিং  কি?

মেশিন লার্নিং (Machine learning) শব্দটি ১৯৫৯ সালে আর্থার স্যামুয়েল দ্বারা তৈরি করা হয়েছিল , যিনি একজন IBM কর্মচারী এবং কম্পিউটার গেমিং এবং কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে অগ্রগামী । এছাড়াও এই সময়ে স্ব-শিক্ষক কম্পিউটারের সমার্থক শব্দ ব্যবহার করা হত।

১৯৬০ এর দশকের গোড়ার দিকে সাইবারট্রন নামক পাঞ্চড টেপ মেমরি সহ একটি পরীক্ষামূলক “Learning Machine”, রেথিয়ন কোম্পানি দ্বারা প্রাথমিক শক্তিবৃদ্ধি শিক্ষা ব্যবহার করে সোনার সংকেত, ইলেক্ট্রোকার্ডিওগ্রাম এবং প্যাটার্ন বিশ্লেষণ করার জন্য তৈরি করা হয়েছিল । এটি একটি মানব অপারেটর/শিক্ষক দ্বারা নিদর্শনগুলি সনাক্ত করার জন্য পুনরাবৃত্তিমূলকভাবে “প্রশিক্ষিত” হয়েছিল এবং এটি ভুল সিদ্ধান্তগুলিকে পুনরায় মূল্যায়ন করার জন্য একটি ” গুফ ” বোতাম দিয়ে সজ্জিত হয়েছিল। ১৯৬০-এর দশকে মেশিন লার্নিং (Machine learning) নিয়ে গবেষণার উপর একটি প্রতিনিধিত্বমূলক বই ছিল নিলসনের লার্নিং মেশিনের বই, যা বেশিরভাগ প্যাটার্ন শ্রেণীবিভাগের জন্য মেশিন লার্নিং নিয়ে কাজ করে।

কম্পিউটারকে এমন একটি ক্ষমতা দেওয়া হয়, যার জন্য সেটি যেকোনো কিছু আগে থেকে ওই বিষয়ক প্রোগ্রাম লেখা ছাড়াই শিখতে পারে—এটিই মেশিন লার্নিং (Machine learning) । নিজে থেকে শেখার ক্ষমতার কারণে কম্পিউটার যেকোনো কিছুই করতে পারে খুব সহজে। অন্যভাবে বলা যেতে পারে, যদি কম্পিউটারের খেলার সংখ্যা বাড়ানোর পাশাপাশি তার জেতার হার বেড়ে যায়, তাহলে বুঝতে হবে সেই কম্পিউটারটি আসলেই শিখছে। মানে সে খেলতে খেলতে শিখছে, আর নিজে থেকে এই শেখার ক্ষমতাকেই বলে মেশিন লার্নিং (Machine learning) ।

মেশিন লার্নিং কেন শিখব ?

বর্তমান যুগে প্রয়োজনীয় তথ্যপ্রযুক্তি দক্ষতার ক্ষেত্রে ওপরের দিকেই রয়েছে মেশিন লার্নিং বা ML-বিষয়ক দক্ষতা। বিশেষজ্ঞরা বলছেন, ভবিষ্যতে মেশিন লার্নিং ও আর্টিফিশিয়াল ইনটেলিজেন্সের মতো বিষয়গুলোতে অমিত সম্ভাবনা রয়েছে। তাই এ ধরনের প্রযুক্তি খাতে দক্ষতা অর্জন করা জরুরি।

এ ধরনের প্রযুক্তি আমাদের অজ্ঞাতসারে জীবনকে সহজ করে তুলছে। আমরা এ ধরনের প্রযুক্তির ওপর নির্ভরশীল হয়ে উঠছি। উদাহরণ হিসেবে বলা যায়, আপনি যখন ফোনে ভয়েস কমান্ড দেন বা ইন্টারনেট ছবির খোঁজ করতে বলেন, মেশিন লার্নিং (Machine learning)  আপনার চাহিদা অনুযায়ী ফল দেখাতে পারে। বর্তমানে জীবনের প্রায় প্রতিটি ফিল্ডে মেশিন লার্নিং (Machine learning)  এর ব্যবহার বেড়েই চলছে। ডাক্তার, ইঞ্জিনিয়ার, প্রতিরক্ষা বাহিনী, আবহাওয়াবিদ কে নেই। রাজনীতিবিদরাও ভোটারদের বিহ্যাভিয়ার অ্যানালাইসিস করতে পারবেন। সামগ্রিকভাবে তারা তাদের জয় কিংবা হারার প্রোভাবিলিটিও বের করে ফেলতে পারবেন। এমনকি কাকে টাকা দিয়ে কেনা যাবে সেটাও ।

আবহাওয়াবিদ’রা মেশিন লার্নিং Machine learning)  প্রয়োগ করে আরো দ্রুত এবং সঠিকভাবে আবহাওয়ার সতর্কতা প্রদান করতে পারবেন। কৃষিবিদরা পূর্বের ডাটা অ্যানালাইসিস করে সিদ্ধান্ত নিতে পারবেন। ফলে দেশের খাদ্য ঘাটতি সহ বিভিন্ন দূর্যোগে আগাম সতর্কতা নেয়া সম্ভব হবে।

তো এতক্ষণে নিশ্চইয় বুঝে গিয়েছেন কেন আপনাকে মেশিন লার্নিং (Machine learning)  শিখতে হবে। সাথে সাথে এটাও নিশ্চইয় বুঝতে পারছেন অদূর ভবিষৎতে ইন্ডাষ্ট্রি ও দখল করবে মেশিন লারনাররা।

মেশিন লার্নিং কত প্রকার ?

মেশিন লার্নিংকে প্রধানত চার শ্রেণীতে ভাগ করা যায়:

১. Supervised learning (সুপারভাইসড লার্নিং)

২. Semi supervised learning ( সেমি সুপারভাইসড লার্নিং)

৩. Unsupervised learning (আনসুপারভাইসড লার্নিং)

৪. Reinforcement learning ( রিইনফোর্সমেন্ট লার্নিং)

মেশিন লার্নিং এর ভবিষ্যৎ

উপরের কথা গুলো পড়ে থাকলে আপনি হয়তো বুঝতেই পারছেন ভবিষ্যতে বেশিরভাগ ডিজিটাল যন্ত্রপাতিতে মেশিন লার্নিং এর ব্যবহার লক্ষ্য করা যাবে। প্রযুক্তি বেশি উন্নত হলে মেশিন লার্নিং এর ব্যবহার বৃদ্ধি পাবে। যেসব কাজে মেশিন লার্নিং এর ব্যবহার লক্ষ্য করা যাবে।ডেটা মাইনিং

মেশিন লার্নিং এবং ডেটা মাইনিং প্রায়শই একই পদ্ধতি ব্যবহার করে এবং উল্লেখযোগ্যভাবে ওভারল্যাপ করে, কিন্তু যখন মেশিন লার্নিং প্রশিক্ষণের ডেটা থেকে শেখা পরিচিত বৈশিষ্ট্যগুলির উপর ভিত্তি করে ভবিষ্যদ্বাণীতে ফোকাস করে, তখন ডেটা মাইনিং ডেটাতে (আগে) অজানা বৈশিষ্ট্যগুলির আবিষ্কারের উপর ফোকাস করে (এটি হল জ্ঞান আবিষ্কারের বিশ্লেষণ ধাপডাটাবেসে)। ডেটা মাইনিং অনেক মেশিন লার্নিং পদ্ধতি ব্যবহার করে  অন্যদিকে, মেশিন লার্নিং ডেটা মাইনিং পদ্ধতিগুলিকে “নিরীক্ষণহীন শিক্ষা” হিসাবে বা শিক্ষার্থীর নির্ভুলতা উন্নত করার জন্য একটি প্রিপ্রসেসিং পদক্ষেপ হিসাবে নিয়োগ করে।

অপ্টিমাইজেশান

মেশিন লার্নিং-এর অপ্টিমাইজেশনের সাথেও ঘনিষ্ঠ সম্পর্ক রয়েছে : উদাহরণের একটি প্রশিক্ষণ সেটে কিছু লস ফাংশন ন্যূনতমকরণ হিসাবে অনেক শেখার সমস্যা তৈরি করা হয় । লস ফাংশনগুলি প্রশিক্ষিত মডেলের ভবিষ্যদ্বাণী এবং প্রকৃত সমস্যার উদাহরণগুলির মধ্যে অমিল প্রকাশ করে (উদাহরণস্বরূপ, শ্রেণীবিভাগে, কেউ উদাহরণগুলির জন্য একটি লেবেল বরাদ্দ করতে চায়, এবং মডেলগুলিকে একটি সেটের পূর্ব নির্ধারিত লেবেলগুলির সঠিকভাবে ভবিষ্যদ্বাণী করতে প্রশিক্ষিত করা হয়)

সাধারণীকরণ

অপ্টিমাইজেশান এবং মেশিন লার্নিংয়ের মধ্যে পার্থক্যটি সাধারণীকরণের লক্ষ্য থেকে উদ্ভূত হয়: যখন অপ্টিমাইজেশান অ্যালগরিদম একটি প্রশিক্ষণ সেটে ক্ষতি কমাতে পারে, মেশিন লার্নিং অদেখা নমুনাগুলির ক্ষতি কমানোর সাথে সম্পর্কিত। বিভিন্ন শিক্ষার অ্যালগরিদমের সাধারণীকরণের বৈশিষ্ট্য বর্তমান গবেষণার একটি সক্রিয় বিষয়, বিশেষ করে গভীর শিক্ষার অ্যালগরিদমের জন্য।

মেশিন লার্নিং এ ক্যারিয়ার

পৃথিবী ব্যাপী  মেশিন লার্নিং (Machine learning)  চাহিদা বাড়ায় বাংলাদেশি সফটয়্যার কোম্পানি গুলোতে এই ক্যাটাগরিতে কাজ শুরু হবে দ্রুতই। এর কারন হচ্ছে, বাংলাদেশি কোম্পানিগুলো মোস্টলি ফরেন ক্লায়েন্ট নির্ভর প্রডাক্ট বানিয়ে থাকেন। এই সব দিক দিয়ে, লোকালি মেশিন লারনিং-ডাটা সাইন্স এর চাকরীর বাজার বড় হচ্ছে দ্রুত।

আবার, ই-কমার্স এর দিকে তাকালে দেখা যায়, অনেক গুলো সাইট ইতিমধ্যে স্ট্যাবল এবং অনেকে স্ট্রাগল করছেন। নতুন অনেক ই-কমার্স তাদের যাত্রা শুরু করেছেন। বড় ই-কমার্স গুলো ইতিমধ্য মেশিন লার্নিং (Machine learning)  টেকনোলজি ব্যবহার শুরু করেছে। আজকের ডিল এর আলাদা এআই টিম রয়েছে।

দিন যত যাবে, টেক ইন্ডাস্ট্রিতে মেশিন লার্নিং (Machine learning) এর কাজ তত বাড়বে। বিজ্ঞাপন থেকে বিপনন, সব যায়গা মেশিন লার্নিং এর ব্যাবহার হবে। ইউজার বাউন্স করবে কি না, ইউজার এর বিহেবিয়ার কেমন হবে, কোন পন্যের চাহিদা কেমন হবে সব দেখা হয় মেশিন লার্নিং দিয়ে।

সব মিলিয়ে বলতেই পারি, আগামী ৩-৪ বছরের মধ্য মেশিন লার্নিং সম্পর্কিত চাকরীর বাজার ট্রেন্ডিং এ আসবে।