अपने पत्रकारिता संबंधी कार्य को आगे बढ़ाने के लिए पत्रकार मशीन लर्निंग (ML) को किस प्रकार उपयोग कर सकते हैं? इस पाठ्यक्रम में हम इस प्रश्न की खोजबीन करेंगे।

यह पाठ्यक्रम आपको रिपोर्टिंग के लिए मशीन लर्निंग एक उचित सहायक संसाधन हो सकने वाली परिस्थितयों को समझने व किसी मशीन लर्निंग मॉडल को प्रशिक्षित करने के तरीके जानने में सहायता करेगा।

यहIntroduction to Machine Learning. पाठ्यक्रम के आगे के कार्यवाही है। यदि आपने इसे अभी तक नहीं लिया है, तो हम आपको इस पाठ्यक्रम को लेने की अनुशंसा करते हैं।

Introduction to Machine Learningसमाचार संगठनों को मशीन लर्निंग द्वारा प्रस्तुत क्षमता की खोजबीन और पत्रकारों द्वारा उसे ज़िम्मेदारी के साथ प्रयोग करने के तरीके का विवरण प्रस्तुत करता है।

यह पाठ्यक्रम एक कदम ओर आगे जाना चाहता है व अगले पाठ में प्रस्तुत किए जाने वाले एक वास्तविक उदाहरण के माध्यम से पत्रकारों द्वारा मशीन लर्निंग के प्रयोग से उपलब्ध किए जा सकने वाले परिणामों को प्रस्तुत करेगा। यदि आप व्यावहारिक तौर पर मशीन लर्निंग की कार्यविधि और अपने लेखों को रिपोर्ट करने हेतु इसकी उपयोग-विधि सीखना चाहते हैं, तो यह पाठ्यक्रम आपके लिए है।

क्या इस पाठ्यक्रम की समाप्ती पर आप एक मशीन लर्निंग डिज़ाइनर विशेषज्ञ और डैटा साइंटिस्ट बन जायेंगे? नहीं, क्षमा करें। परन्तु आप मशीन लर्निंग कार्यविधियों को मज़बूत बनाने वाले कार्य सीखेंगे और आप स्वयं ही उनका प्रयोग कर पायेंगे।

जारी रखने से पूर्व, आयें हम सुनिश्चित करें कि हम किस बारे में बात कर रहे है। मशीन लर्निंग क्या होती है?

मशीन लर्निंग “कृत्रिम बुद्धि" (AI) सर्वसमावेशी शब्द के अंतर्गत वर्गीकृत तकनीकों के संग्रह का भाग है। कृत्रिम बुद्धि के क्षेत्र में अधिकांश शब्दावलियों की भांति मशीन लर्निंग की भी कोई विशिष्ट परिभाषा नहीं है।

साधारण शब्दों में, मशीन लर्निंग एक ऐसी तकनीक है जो प्रश्नों के उत्तर देने के लिये आंकड़ों का प्रयोग करती है। अधिक विधिवत् रूप सेे, मशीन लर्निंग उन एल्गोरिद्म के उपयोग को संदर्भित करतीा है, जो आंकड़ों से पैटर्न सीखते हैं और बिना स्पष्ट रूप से प्रोग्राम किए गए कार्य करने में सक्षम होते हैं। 

इसके अतिरिक्त, अनुभव और आंकड़ों से प्रदर्शन में सुधार प्राप्त करना मशीन लर्निंग सिस्टम की एक प्रमुख विशेषता है। दूसरे शब्दों में : वे सीखते हैं।

आपको ध्यान रखना चाहिये कि किसी मशीन के लिये सीखने की केवल एकमात्र विधि ही नहीं होती है। आम तौर पर मशीन लर्निंग के लिये भिन्न पद्धतियाँ उनके द्वारा हल की जा सकने वाली समस्याओं, प्रकारों और प्रदत्त फीडबैक की मात्रा के आधार पर जानी जाती हैं।

मोटे तौर पर, मशीन लर्निंग को हम तीन उपक्षेत्रों में बांट सकते हैं : 1) पर्यवेक्षण लर्निंग; 2) गैर-पर्यवेक्षण लर्निंग; 3) पुनर्बलन लर्निंग। इन तीन श्रेणियों में भिन्नताओं के बारे में अधिक जानने के लिये Introduction to Machine Learningकी समीक्षा करें।

इस पाठ्यक्रम के लिये हम पर्यवेक्षण लर्निंग पर ध्यान केन्द्रित करेंगे। अर्थात, किसी एल्गोरिद्म को प्रत्येक नए उदाहरण का विश्लेषण करने के लिए स्वचालित रूप से उचित लेबल नियत करने हेतु शिक्षित करने के लिये हम लेबल लगे उदाहरणों का उपयोग करेंगे।

चूंकि अब हमने मौलिक तत्वों की समीक्षा कर ली है, हम इस परिचय खंड का समापन करने व आगे बढ़ने को तैयार हैं।

अगले दो पाठों में, हम एक केस अध्ययन प्रस्तुत करेंगे जो हमारे अभ्यास को साकार पत्रकारिता का उदाहरण और एल्गोरिद्म प्रदान करेगा जिसका उपयोग हम अधिकांश मशीन लर्निंग कार्यविधियों पर आधारित डाइनैमिक्स समझने के लिए करेंगे।

तत्पश्चात उसके बाद के पाठ उत्तरोत्तर व्यावहारिक गाइड पर ध्यान केन्द्रित करेंगे : आंकड़े कैसे प्राप्त व तैयार करें, अपने मशीन लर्निंग मॉडल को कैसे तैयार करें और इसका किस प्रकार परीक्षण व विश्लेषण करें।

अंतिम पाठ मुख्य शिक्षाओं का सार प्रस्तुत करेगा, आपके द्वारा अपनी दैनिक रिपोर्टिंग में उन्हें लागू करने की विधि समझने और मशीन लर्निंग के संसार में अधिक गहनता से प्रयोग किये जा सकने वाले अन्य संसाधनों की अनुशंसा करेगा।