विषयसूची:
कंप्यूटिंग के इतिहास में मशीन लर्निंग सबसे बड़ी प्रगति में से एक रही है, और अब यह माना जाता है कि यह बड़े डेटा और एनालिटिक्स के क्षेत्र में महत्वपूर्ण भूमिका निभाने में सक्षम है। बड़े डेटा विश्लेषण व्यवसायों के दृष्टिकोण से एक बड़ी चुनौती है। उदाहरण के लिए, विभिन्न डेटा स्वरूपों की विशाल मात्रा की समझ, विश्लेषण के लिए डेटा तैयार करने और अनावश्यक डेटा को फ़िल्टर करने जैसी गतिविधियाँ बहुत सारे संसाधनों का उपभोग कर सकती हैं। डेटा वैज्ञानिकों और विशेषज्ञों को किराए पर लेना एक महंगा प्रस्ताव है और कंपनी के हर साधन के भीतर नहीं है। विशेषज्ञों का मानना है कि मशीन लर्निंग एनालिटिक्स से संबंधित कई कार्यों को स्वचालित करने में सक्षम है - दोनों नियमित और जटिल। स्वचालित मशीन सीखने से बहुत सारे संसाधनों को मुक्त किया जा सकता है जिनका उपयोग अधिक जटिल और नवीन नौकरियों में किया जा सकता है। ऐसा लगता है कि मशीन सीखना उस दिशा में बढ़ रहा है। (मशीन सीखने के उपयोग के बारे में अधिक जानने के लिए, मशीन सीखने के वादे और नुकसान देखें।)
सूचना प्रौद्योगिकी के संदर्भ में स्वचालन
आईटी के संदर्भ में, स्वचालन असमान प्रणालियों और सॉफ्टवेयर का लिंक है, ताकि वे बिना किसी मानवीय हस्तक्षेप के विशिष्ट कार्य करने में सक्षम हों। आईटी उद्योग में, स्वचालित प्रणाली सरल और जटिल दोनों प्रकार की नौकरियों का प्रदर्शन कर सकती है। एक साधारण नौकरी का एक उदाहरण एक पीडीएफ के साथ एक फॉर्म को एकीकृत करना और दस्तावेज़ को सही प्राप्तकर्ता को भेजना हो सकता है, जबकि ऑफसाइट बैकअप का प्रावधान करना एक जटिल नौकरी का एक उदाहरण हो सकता है।
अपना काम करने के लिए, एक स्वचालित प्रणाली को प्रोग्राम करने या स्पष्ट निर्देश देने की आवश्यकता होती है। हर बार एक स्वचालित प्रणाली को अपनी नौकरियों के दायरे को संशोधित करने की आवश्यकता होती है, कार्यक्रम या निर्देशों के सेट को एक इंसान द्वारा अद्यतन करने की आवश्यकता होती है। जबकि स्वचालित प्रणाली अपनी नौकरियों में कुशल हैं, विभिन्न कारणों से त्रुटियां हो सकती हैं। जब त्रुटियां होती हैं, तो मूल कारण को पहचानने और ठीक करने की आवश्यकता होती है। जाहिर है, अपनी नौकरी करने के लिए, स्वचालित प्रणाली पूरी तरह से इंसानों पर निर्भर हैं। नौकरी की प्रकृति जितनी जटिल है, उतनी ही त्रुटियों और मुद्दों की संभावना है।
