इस दस्तावेज़ की मदद से, डीप लर्निंग मॉडल को बेहतर तरीके से ट्रेनिंग दी जा सकती है. हालांकि, इस दस्तावेज़ में हाइपरपैरामीटर ट्यूनिंग पर ज़ोर दिया गया है, लेकिन इसमें डीप लर्निंग ट्रेनिंग के दूसरे पहलुओं, जैसे कि ट्रेनिंग पाइपलाइन को लागू करना और ऑप्टिमाइज़ेशन शामिल है.
इस दस्तावेज़ के हिसाब से, आपका मशीन लर्निंग टास्क सुपरवाइज़्ड लर्निंग या इससे मिलती-जुलती किसी समस्या (उदाहरण के लिए, सेल्फ़-सुपरवाइज़्ड लर्निंग) जैसा है. हालांकि, इस दस्तावेज़ में दी गई कुछ सलाह दूसरी तरह की मशीन लर्निंग पर भी लागू हो सकती है.
ऐप्लिकेशन इस्तेमाल करने के लिए सही उम्र सीमाएं
हमने इस दस्तावेज़ को इंजीनियर और रिसर्च करने वाले लोगों के लिए बनाया है. इन्हें कम से कम मशीन लर्निंग और डीप लर्निंग के बारे में बुनियादी जानकारी होनी चाहिए. अगर आपको यह बैकग्राउंड नहीं है, तो कृपया मशीन लर्निंग क्रैश कोर्स करें.
हमने यह दस्तावेज़ क्यों लिखा है?
फ़िलहाल, अच्छी तरह से काम करने के लिए डीप न्यूरल नेटवर्क का इस्तेमाल किया जाता है. यह काफ़ी हैरान करने वाला है. इससे भी बदतर, लोग जो डीप रेसिपी के साथ अच्छे नतीजे पाने के लिए इस्तेमाल की जाने वाली रेसिपी के बारे में बताते हैं, उनका रिकॉर्ड शायद ही कभी रखा जाता है. काग़ज़ों को इस बारे में अलग-अलग तरह से समझा जा सकता है कि आखिरी नतीजे की वजह से, क्या ज़्यादा साफ़ तौर पर कोई कहानी पेश करने में मदद मिलती है. साथ ही, व्यावसायिक समस्याओं पर काम करने वाले मशीन लर्निंग इंजीनियर की मदद से, उन्हें मुमकिन होने में बहुत समय लगता है. टेक्स्टबुक से दिशा-निर्देशों को पढ़ने में बुनियादी सहायता मिलती है और बुनियादी सिद्धांतों को प्राथमिकता दी जाती है. भले ही, किताब के लेखकों के पास काम से जुड़ा ज़रूरी अनुभव हो.
इस दस्तावेज़ को बनाते समय, हमें डीप लर्निंग के ज़रिए अच्छे नतीजे पाने का तरीका बताने के लिए, कोई बेहतर कोशिश नहीं मिली. इसके बजाय, हमें ब्लॉग पोस्ट और सोशल मीडिया पर सलाह के स्निपेट मिले. इन स्निपेट से, रिसर्च पेपर के अपेंडिक्स में फेरबदल हुआ. इसके अलावा, कभी-कभी किसी खास प्रोजेक्ट या पाइपलाइन के बारे में भी स्टडी हुई. इससे भ्रम की स्थिति पैदा हुई. {0}डीप लर्निंग विशेषज्ञों से मिलने वाले नतीजों और खास तौर पर कम काम करने वाले उन पेशेवरों के बीच काफ़ी अंतर होता है जो इन दोनों के लिए एक जैसे तरीके का इस्तेमाल करते हैं. हालांकि, विशेषज्ञ इस बात को तुरंत स्वीकार करते हैं कि हो सकता है कि वे जो करते हैं वह सही न हो. जैसे-जैसे डीप लर्निंग वयस्क होती हैं और दुनिया पर इसका असर पड़ता है, समुदाय को काम की रेसिपी के बारे में और जानकारी चाहिए होती है. इसमें, ऐसी सभी व्यावहारिक जानकारी भी शामिल होती है जो अच्छे नतीजे पाने के लिए बहुत ज़रूरी होती है.
हम पांच शोधकर्ताओं और इंजीनियर की टीम हैं, जिन्होंने कई सालों तक डीप लर्निंग पर काम किया है, इनमें से कुछ 2006 के शुरुआती दिनों से ही कर रहे हैं. हमने बोली पहचानने से लेकर खगोल विज्ञान तक, हर चीज़ पर डीप लर्निंग का इस्तेमाल किया है. यह दस्तावेज़, न्यूरल नेटवर्क को ट्रेनिंग देने और मशीन लर्निंग इंजीनियर को सिखाने में हमारी मदद करता है. इसके अलावा, इस ट्रेनिंग में हम अपने सहकर्मियों को डीप लर्निंग के इस्तेमाल का सुझाव भी देते हैं.
मशीन लर्निंग के इस्तेमाल से मिली डीप लर्निंग की मदद से, छात्र-छात्राओं को बहुत कुछ सीखने को मिला. यह अरबों लोगों के इस्तेमाल किए गए प्रॉडक्ट की टेक्नोलॉजी को बेहतर बनाने वाली टेक्नोलॉजी है. हालांकि, डीप लर्निंग का इस्तेमाल, अब भी इंजीनियरिंग विषय के तौर पर किया जा रहा है. हमें उम्मीद है कि इस दस्तावेज़ से दूसरों को भी फ़ील्ड के एक्सपेरिमेंटल प्रोटोकॉल को व्यवस्थित करने में मदद मिलेगी.
यह दस्तावेज़ इसलिए आया, क्योंकि हमने डीप लर्निंग को लेकर अपने तरीके को बदलने की कोशिश की. इस तरह, यह लिखने के दौरान हमारे विचारों का प्रतिनिधित्व करता है, किसी भी तरह के उद्देश्य पर आधारित नहीं. हाइपरपैरामीटर से जुड़ी हमारी मुश्किलों ने इसे हमारे दिशा-निर्देश का केंद्र बना दिया है. हमने अपने काम में सामने आने वाली कई खास समस्याओं का भी ध्यान रखा है (या हमें कुछ गड़बड़ी मिली है). हमारा मकसद, इस काम के लिए एक ऐसा लाइव दस्तावेज़ है जिस पर हमारे विश्वासों में बदलाव होता है और यह आगे बढ़ता है. उदाहरण के लिए, डीबग करने और ट्रेनिंग की प्रक्रिया में आने वाली समस्याओं को कम करने के लिए, हम दो साल पहले नहीं लिख सकते थे. ऐसा इसलिए किया गया, क्योंकि कॉन्टेंट को हाल ही में मिले नतीजों और जांच के आधार पर तैयार किया गया है.
हालांकि, बेहतर नतीजों और नए वर्कफ़्लो के लिए, हमारी कुछ सलाह ज़रूर अपडेट करनी होगी. हमें डीप लर्निंग की ऑप्टिमल रेसिपी के बारे में पता नहीं है. जब तक कि समुदाय इस काम को अलग-अलग तरीके से लिखने और उस पर बहस शुरू नहीं करता, तब तक हम उसे ढूंढ नहीं पाएंगे. इस वजह से, हम उन पाठकों को बढ़ावा देते हैं जो हमारी सलाह के हिसाब से अपनी समस्याएं हल करते हैं. साथ ही, हमारी सलाह है कि वे हमें सही सुझाव देने के साथ-साथ सही सुझाव भी दें, ताकि हम प्लेबुक को अपडेट कर सकें. हम वैकल्पिक गाइड और प्लेबुक भी देखना चाहेंगे, जिनके लिए अलग-अलग सुझाव हो सकते हैं. इससे हम एक समुदाय के तौर पर सबसे सही तरीकों पर काम कर पाएंगे.
रोबोट इमोजी के बारे में जानकारी
रोबोट ⇨ इमोजी से उन चीज़ों की जानकारी मिलती है जिन पर हम ज़्यादा रिसर्च करना चाहते हैं. इस प्लेबुक को लिखने की कोशिश करने के बाद ही, यह पता चला कि डीप लर्निंग के क्षेत्र में काम करने वाले व्यक्ति के वर्कफ़्लो में, कितनी दिलचस्प और अनदेखा की गई रिसर्च के सवाल पाए जा सकते हैं.