बिग डेटा के बारे में मेरे ब्लॉग में अब तक, मैंने आपको बिग डेटा के विभिन्न पहलुओं से परिचित कराया है, इसके वास्तविक अर्थ से लेकर इसके तथ्यों और क्या करें और क्या न करें तक। पिछले ब्लॉग में हमने कुछ बिग डेटा एनालिटिक्स तकनीकें देखीं। इस ब्लॉग में सूची को आगे बढ़ाते हुए।
- पैटर्न रिकग्निशन
पैटर्न रिकग्निशन मशीन लर्निंग की एक शाखा है जो डेटा में पैटर्न और नियमितताओं की पहचान पर केंद्रित है, हालांकि कुछ मामलों में इसे मशीन लर्निंग का लगभग समानार्थी माना जाता है। पैटर्न रिकग्निशन सिस्टम कई मामलों में लेबल्ड "ट्रेनिंग" डेटा (सुपरवाइज्ड लर्निंग) से प्रशिक्षित होते हैं, लेकिन जब कोई लेबल्ड डेटा उपलब्ध नहीं होता है तो पहले से अज्ञात पैटर्न खोजने के लिए अन्य एल्गोरिदम का उपयोग किया जा सकता है (अनसुपरवाइज्ड लर्निंग)।
- प्रेडिक्टिव मॉडलिंग
प्रेडिक्टिव एनालिटिक्स में विभिन्न तकनीकें शामिल हैं जो ऐतिहासिक और वर्तमान डेटा के आधार पर भविष्य के परिणामों की भविष्यवाणी करती हैं। व्यवहार में, प्रेडिक्टिव एनालिटिक्स को लगभग सभी विषयों पर लागू किया जा सकता है - कई हजार सेंसर से डेटा की स्ट्रीम के आधार पर जेट इंजन की विफलता की भविष्यवाणी करने से लेकर, ग्राहकों के अगले कदम की भविष्यवाणी करने तक कि वे क्या खरीदते हैं, कब खरीदते हैं, और यहां तक कि वे सोशल मीडिया पर क्या कहते हैं। प्रेडिक्टिव एनालिटिक्स तकनीकें मुख्य रूप से सांख्यिकीय विधियों पर आधारित हैं।
- रिग्रेशन एनालिसिस
यह एक तकनीक है जो स्वतंत्र चर का उपयोग करती है और वे आश्रित चर को कैसे प्रभावित करते हैं। यह इंटरनेट प्लेटफॉर्म पर प्यार पाने की संभावना जैसे सोशल मीडिया एनालिटिक्स को निर्धारित करने में बहुत उपयोगी तकनीक हो सकती है।
- सेंटीमेंट एनालिसिस
सेंटीमेंट एनालिसिस शोधकर्ताओं को किसी विषय के संबंध में वक्ताओं या लेखकों की भावनाओं को निर्धारित करने में मदद करता है। सेंटीमेंट एनालिसिस का उपयोग इसमें मदद के लिए किया जा रहा है:
- मेहमान टिप्पणियों का विश्लेषण करके होटल श्रृंखला में सेवा में सुधार करें।
- ग्राहक वास्तव में क्या मांग रहे हैं, इसे संबोधित करने के लिए प्रोत्साहन और सेवाओं को अनुकूलित करें।
- सोशल मीडिया पर राय के आधार पर उपभोक्ता वास्तव में क्या सोचते हैं, यह निर्धारित करें।
- सिग्नल प्रोसेसिंग
सिग्नल प्रोसेसिंग एक सक्षम तकनीक है जिसमें मौलिक सिद्धांत, अनुप्रयोग, एल्गोरिदम, और कई अलग-अलग भौतिक, प्रतीकात्मक, या अमूर्त फॉर्मेट में निहित जानकारी के प्रसंस्करण या हस्तांतरण के कार्यान्वयन शामिल हैं जिन्हें मोटे तौर पर सिग्नल के रूप में नामित किया गया है। यह प्रतिनिधित्व, मॉडलिंग, विश्लेषण, संश्लेषण, खोज, पुनर्प्राप्ति, संवेदन, अधिग्रहण, निष्कर्षण, सीखने, सुरक्षा, या फोरेंसिक के लिए गणितीय, सांख्यिकीय, कम्प्यूटेशनल, ह्यूरिस्टिक, और भाषाई प्रतिनिधित्व, औपचारिकताओं, और तकनीकों का उपयोग करता है। नमूना अनुप्रयोगों में टाइम सीरीज विश्लेषण के लिए मॉडलिंग या कम सटीक डेटा स्रोतों के एक सेट से डेटा को संयोजित करके अधिक सटीक रीडिंग निर्धारित करने के लिए डेटा फ्यूजन को लागू करना शामिल है (यानी, शोर से सिग्नल निकालना)।
- स्पेशियल एनालिसिस
स्पेशियल एनालिसिस वह प्रक्रिया है जिसके द्वारा हम कच्चे डेटा को उपयोगी जानकारी में बदलते हैं। यह ओवरले और अन्य विश्लेषणात्मक तकनीकों के माध्यम से स्थानिक डेटा में सुविधाओं के स्थानों, विशेषताओं, और संबंधों की जांच करने की प्रक्रिया है ताकि एक प्रश्न का समाधान किया जा सके या उपयोगी ज्ञान प्राप्त किया जा सके। स्पेशियल एनालिसिस स्थानिक डेटा से नई जानकारी निकालता है या बनाता है।
- स्टैटिस्टिक्स
सांख्यिकी में, एक्सप्लोरेटरी डेटा एनालिसिस डेटा सेट का विश्लेषण करने का एक दृष्टिकोण है ताकि उनकी मुख्य विशेषताओं को सारांशित किया जा सके, अक्सर दृश्य विधियों के साथ। एक सांख्यिकीय मॉडल का उपयोग किया जा सकता है या नहीं, लेकिन मुख्य रूप से EDA यह देखने के लिए है कि डेटा हमें औपचारिक मॉडलिंग या परिकल्पना परीक्षण कार्य से परे क्या बता सकता है। सांख्यिकीय तकनीकों का उपयोग टाइप I त्रुटियों ("गलत सकारात्मक") और टाइप II त्रुटियों ("गलत नकारात्मक") की संभावना को कम करने के लिए भी किया जाता है। एक आवेदन का उदाहरण यह निर्धारित करने के लिए A/B परीक्षण है कि किस प्रकार की मार्केटिंग सामग्री राजस्व को सबसे अधिक बढ़ाएगी।
- सुपरवाइज्ड लर्निंग
सुपरवाइज्ड लर्निंग लेबल्ड ट्रेनिंग डेटा से एक फंक्शन का अनुमान लगाने का मशीन लर्निंग कार्य है। ट्रेनिंग डेटा में ट्रेनिंग उदाहरण का एक सेट होता है। सुपरवाइज्ड लर्निंग में, प्रत्येक उदाहरण एक जोड़ी होता है जिसमें एक इनपुट ऑब्जेक्ट (आमतौर पर एक वेक्टर) और एक वांछित आउटपुट मूल्य (जिसे सुपरवाइजरी सिग्नल भी कहा जाता है) होता है। एक सुपरवाइज्ड लर्निंग एल्गोरिदम ट्रेनिंग डेटा का विश्लेषण करता है और एक अनुमानित फंक्शन उत्पन्न करता है, जिसका उपयोग नए उदाहरणों को मैप करने के लिए किया जा सकता है।
- सोशल नेटवर्क एनालिसिस
सोशल नेटवर्क एनालिसिस एक तकनीक है जिसे पहली बार दूरसंचार उद्योग में उपयोग किया गया था, और फिर समाजशास्त्रियों द्वारा पारस्परिक संबंधों का अध्ययन करने के लिए तुरंत अपनाया गया। अब इसे कई क्षेत्रों और व्यावसायिक गतिविधियों में लोगों के बीच संबंधों का विश्लेषण करने के लिए लागू किया जा रहा है। नोड्स एक नेटवर्क के भीतर व्यक्तियों का प्रतिनिधित्व करते हैं, जबकि संबंध व्यक्तियों के बीच संबंधों का प्रतिनिधित्व करते हैं।
- सिमुलेशन
जटिल प्रणालियों के व्यवहार का मॉडलिंग, अक्सर पूर्वानुमान, भविष्यवाणी और परिदृश्य योजना के लिए उपयोग किया जाता है। मोंटे कार्लो सिमुलेशन, उदाहरण के लिए, एल्गोरिदम का एक वर्ग है जो बार-बार रैंडम सैंपलिंग पर निर्भर करता है, यानी, हजारों सिमुलेशन चलाना, प्रत्येक अलग-अलग मान्यताओं पर आधारित। परिणाम एक हिस्टोग्राम है जो परिणामों का संभाव्यता वितरण देता है। एक आवेदन विभिन्न पहलों की सफलता के बारे में अनिश्चितताओं को देखते हुए वित्तीय लक्ष्यों को पूरा करने की संभावना का आकलन करना है।
- टाइम सीरीज एनालिसिस
टाइम सीरीज एनालिसिस में टाइम सीरीज डेटा का विश्लेषण करने के तरीके शामिल हैं ताकि डेटा के सार्थक आंकड़े और अन्य विशेषताएं निकाली जा सकें। टाइम सीरीज डेटा अक्सर औद्योगिक प्रक्रियाओं की निगरानी या कॉर्पोरेट व्यावसायिक मेट्रिक्स को ट्रैक करते समय उत्पन्न होता है। टाइम सीरीज एनालिसिस इस तथ्य को ध्यान में रखता है कि समय के साथ लिए गए डेटा पॉइंट्स में एक आंतरिक संरचना (जैसे ऑटोकोरिलेशन, ट्रेंड या मौसमी भिन्नता) हो सकती है जिसे ध्यान में रखा जाना चाहिए। टाइम सीरीज एनालिसिस के उदाहरणों में स्टॉक मार्केट इंडेक्स का प्रति घंटा मूल्य या हर दिन किसी दिए गए स्थिति के साथ निदान किए गए रोगियों की संख्या शामिल है।
- अनसुपरवाइज्ड लर्निंग
अनसुपरवाइज्ड लर्निंग अनलेबल्ड डेटा से छिपी संरचना का वर्णन करने के लिए एक फंक्शन का अनुमान लगाने का मशीन लर्निंग कार्य है। चूंकि शिक्षार्थी को दिए गए उदाहरण अनलेबल्ड हैं, इसलिए संभावित समाधान का मूल्यांकन करने के लिए कोई त्रुटि या इनाम सिग्नल नहीं है - यह अनसुपरवाइज्ड लर्निंग को सुपरवाइज्ड लर्निंग और रीइन्फोर्समेंट लर्निंग से अलग करता है।
हालांकि, अनसुपरवाइज्ड लर्निंग में कई अन्य तकनीकें भी शामिल हैं जो डेटा की प्रमुख विशेषताओं को सारांशित और समझाने का प्रयास करती हैं।
- विज़ुअलाइज़ेशन
डेटा विज़ुअलाइज़ेशन डेटा को चित्रात्मक या ग्राफिकल फॉर्मेट में तैयार करना है। यह निर्णय निर्माताओं को एनालिटिक्स को दृश्य रूप से प्रस्तुत देखने में सक्षम बनाता है, ताकि वे कठिन अवधारणाओं को समझ सकें या नए पैटर्न की पहचान कर सकें। इंटरैक्टिव विज़ुअलाइज़ेशन के साथ, आप प्रौद्योगिकी का उपयोग करके चार्ट और ग्राफ में गहराई से जाकर अधिक विवरण के लिए अवधारणा को एक कदम आगे ले जा सकते हैं, इंटरैक्टिव रूप से बदल सकते हैं कि आप क्या डेटा देखते हैं और इसे कैसे संसाधित किया जाता है।
निष्कर्ष
बिग डेटा एनालिटिक्स सूचना प्रौद्योगिकी उद्योग में सबसे महत्वपूर्ण सफलताओं में से एक रहा है। वास्तव में, बिग डेटा ने लगभग सभी क्षेत्रों में और उन उद्योगों के सभी विभागों में अपना महत्व और आवश्यकता दिखाई है। जीवन का एक भी पहलू नहीं है जो बिग डेटा से प्रभावित नहीं हुआ है, यहां तक कि हमारा व्यक्तिगत जीवन भी नहीं। इसलिए हमें इस भारी मात्रा में डेटा को कुशलतापूर्वक प्रबंधित करने के लिए बिग डेटा एनालिटिक्स की आवश्यकता है।
जैसा कि पहले कहा गया है, यह सूची संपूर्ण नहीं है। शोधकर्ता अभी भी नए तरीकों पर प्रयोग कर रहे हैं जिनसे इस भारी मात्रा में डेटा का विश्लेषण किया जा सके जो विभिन्न रूपों में मौजूद है और जिसकी उत्पत्ति की गति समय के साथ बढ़ रही है ताकि हमारे विशिष्ट उपयोगों के लिए मूल्य प्राप्त किया जा सके।
