डेटा साइंस सबसे तेज़ी से विकसित होने वाले उद्योगों में से एक है। नए शोध-पत्र, पैकेज, ट्यूटोरियल, और तकनीकें हर रोज़ लॉन्च हो रही हैं, जिससे उन पर नज़र बनाए रखना कभी-कभी मुश्किल हो जाता है। किसी भी डेटा प्रैक्टिशनर के लिए, लगातार सीखते और आगे बढ़ते रहने हेतु डेटा साइंस की ताज़ा हलचलों से अपडेट रहना ज़रूरी है। इस लेख में, आपको पिछले महीने की तमाम ताज़ा खबरें, ट्यूटोरियल, शोध, और इनसाइट्स का संकलन मिलेगा—जो शायद आपसे छूट गए हों।
नव-प्रकाशित ट्यूटोरियल
scikit-learn के साथ कस्टम ट्रांसफॉर्मर बनाने के दो तरीके
यह Towards Data Science ब्लॉग पोस्ट scikit-learn का उपयोग करके कस्टम ट्रांसफॉर्मर बनाने पर एक काफ़ी सरल ट्यूटोरियल प्रस्तुत करता है। scikit-learn डेटा साइंस में सबसे व्यापक रूप से उपयोग होने वाले पैकेजों में से एक है, और संभवतः सबसे लोकप्रिय मशीन लर्निंग पैकेज भी। यह One Hot Encoding, MinMax Scaling जैसी कई प्री-प्रोसेसिंग सुविधाएँ प्रदान करता है। हालांकि, कई बार One Hot Encoder जैसे प्री-बिल्ट फ़ंक्शंस की बजाय कस्टम प्री-प्रोसेसिंग फ़ंक्शंस की ज़रूरत पड़ती है। यह ट्यूटोरियल सिखाता है कि मशीन लर्निंग के लिए डेटा प्री-प्रोसेसिंग को सुगम बनाने हेतु scikit-learn में कस्टम ट्रांसफॉर्मर कैसे बनाएं।
Vertex AI का उपयोग करते हुए BigQuery ML में MLOps
पिछले वर्ष के दौरान, बड़ी टेक कंपनियों ने MLOps के क्षेत्र में बड़ी प्रगति की है। मशीन लर्निंग मॉडलों को प्रोडक्शन परिवेश में लाना आज डेटा टीमों के सामने सबसे बड़ी चुनौतियों में से एक है। यह वीडियो बताता है कि Google Cloud के Vertex AI और BigQuery ML सेवाओं को साथ में उपयोग करके प्रोडक्शन-रेडी Vertex AI पाइपलाइन कैसे बनाई जा सकती है।
DataCamp के नए Power BI ट्यूटोरियल
Microsoft के साथ साझेदारी में नए Data Analyst in Power BI Track के लॉन्च के साथ, DataCamp ने पिछले महीने Power BI पर कई ट्यूटोरियल जारी किए। Power BI सबसे व्यापक रूप से प्रयुक्त बिज़नेस इंटेलिजेंस टूल्स में से एक है, और यदि आपकी कंपनी Microsoft Office इस्तेमाल करती है, तो संभव है कि आपके पास पहले से ही इसकी पहुँच हो। यह Excel से आगे बढ़कर डेटा की दुनिया में गहराई तक उतरने के इच्छुक लोगों के लिए एक बेहतरीन सीढ़ी भी है। ये ट्यूटोरियल Power BI के साथ काम करने के पूरे दायरे को कवर करते हैं—Excel से Power BI में संक्रमण से लेकर Power BI for Beginners पर विस्तृत ट्यूटोरियल, Power BI में डेटा मॉडलिंग, और Power BI के DAX फ़ॉर्मूला—शुरुआती के लिए तक। अपनी सीखने की यात्रा के साथ आप यह उपयोगी चीट शीट भी डाउनलोड कर सकते हैं।
पथप्रदर्शक मशीन लर्निंग शोध
OpenAI का DALLE-2
पिछले महीने, OpenAI ने अपने DALLE-2 इमेज जनरेशन एल्गोरिथ्म से दुनिया को चकित कर दिया। OpenAI ने इस नए मशीन लर्निंग मॉडल को साधारण प्राकृतिक टेक्स्ट इनपुट से फोटोरियलिस्टिक छवियाँ और कला बनाने के लिए प्रशिक्षित किया है। DALLE-2, जो DALLE-1 का उत्तराधिकारी है, “डिफ्यूज़न” नामक प्रक्रिया का उपयोग करके उच्च स्तर का फोटोरियलिज़्म हासिल करता है—जिसमें यादृच्छिक डॉट्स का पैटर्न बनाया जाता है और फिर उसे धीरे-धीरे उस छवि में बदला जाता है जिसे वह टेक्स्ट से पहचानता है। आप इसके बारे में यहाँ पढ़ सकते हैं, और Isabella Leslie Miller, DataCamp की डेटा जर्नलिस्ट, को हमारे साप्ताहिक राउंडअप न्यूज़ वीडियो में इसे समझाते हुए देख सकते हैं।
Pathways Language Model (PaLM)
PaLM Pathways सिस्टम के पहले बड़े पैमाने पर उपयोग का प्रदर्शन करता है। Pathways सिस्टम आर्किटेक्चर को Google ने पिछले वर्ष पेश किया था ताकि अलग-अलग डोमेन्स में कई कार्य कर सकने वाले नए जेनरेशन के मॉडलों को कुशलतापूर्वक प्रशिक्षित किया जा सके। PaLM के साथ, Google ने 540-बिलियन पैरामीटर वाला एक विशाल Transformer मॉडल बनाया है, जिसने विभिन्न भाषा और तर्क-संबंधी कार्यों में अत्याधुनिक प्रदर्शन हासिल किया है। ये कार्य कोड जनरेशन, चुटकुलों की व्याख्या, कारण-परिणाम की पहचान, आदि तक फैले हुए हैं। Pathways और PaLM के संभावित उपयोग मामलों पर गहराई से जानने के लिए लेख देखें।
नए पैकेज और मॉडल
PyTorch 1.11 रिलीज़
Pytorch संस्करण 1.11 की रिलीज़ के साथ कई सुधार आए हैं। PyTorch के नवीनतम संस्करण में अब TorchData (जो DataLoader API का उत्तराधिकारी है) और functorch के बीटा संस्करण उपलब्ध हैं, जो PyTorch Modules के लिए composable फ़ंक्शन ट्रांसफ़ॉर्म्स प्रदान करता है। इन फ़ंक्शंस के अलावा, PyTorch 1.11 में कई परफॉर्मेंस सुधार हैं, जैसे मोबाइल और एज डिप्लॉयमेंट्स के लिए 40% तेज़ स्टार्टअप समय, आदि। PyTorch के बारे में और जानने के लिए, शुरुआती लोगों के लिए यह DataCamp Course देखें।
EpyNN 1.2.7
EpyNN का अर्थ है “Educational python for Neural Networks”। यह शिक्षकों, छात्रों, वैज्ञानिकों, और उन सभी के लिए है जिनके पास अपेक्षाकृत न्यूनतम Python कौशल हैं और जो शून्य से न्यूरल नेटवर्क समझना और बनाना चाहते हैं। यह कई आर्किटेक्चर टेम्पलेट्स और व्यावहारिक उदाहरण प्रदान करता है, जिससे शून्य से न्यूरल नेटवर्क विकसित करना सीखने में लगने वाला समय कम हो जाता है।
BigScience Large Language Model Training (tr11-176B-ml-logs)
BigScience Hugging Face पर एक लोकप्रिय स्पेस है और दुनिया भर के हजारों शोधकर्ताओं के साथ ओपन में बड़े पैमाने के भाषा मॉडल बनाने के मिशन पर है। BigScience के मुख्य मॉडल का प्रशिक्षण 11 मार्च, 2022 को शुरू हुआ, और यह Jean Zay सार्वजनिक सुपरकंप्यूटर के 384 A100 80GB GPUs पर तीन से चार महीने तक ट्रेन होगा। यह ओपन-सोर्स मॉडल 176B पैरामीटर्स का होगा और GPT-जैसी केवल-डिकोडर आर्किटेक्चर रखेगा। आप Twitter पर प्रशिक्षण अपडेट्स का पालन कर सकते हैं—और जून के आसपास मॉडल का उपयोग कर पाएंगे।
डेटा साइंस और मशीन लर्निंग के उपयोग के मामले
फ़ुटबॉल एनालिटिक्स के लिए La Liga ने Databricks के साथ साझेदारी की
La Liga की एनालिटिक्स टीम ने लीग के एनालिटिक्स इन्फ्रास्ट्रक्चर के भीतर डेटा लेकहाउस तैनात करने के लिए Databricks के साथ साझेदारी की है। इससे La Liga Tech—जो लीग का नया, समेकित एनालिटिक्स विंग है—को अपने डेटा को अधिक कुशलता से स्ट्रक्चर और मैनेज करने में मदद मिलेगी, और चोट की भविष्यवाणी, प्रशंसकों के लिए कंटेंट सिफारिशें, आदि जैसे रोचक उपयोग मामलों पर मशीन लर्निंग का लाभ उठाया जा सकेगा।
प्रोटीन यूनिवर्स को एनोटेट करने के लिए डीप लर्निंग का उपयोग
वैज्ञानिक लंबे समय से प्रोटीन के फ़ंक्शन का अनुमान लगाने और उसे सीधे उसके सीक्वेंस से एनोटेट करने के लिए कम्प्यूटेशनल टूल्स का उपयोग करते आए हैं। Google की AI टीम ने डीप लर्निंग का सफलतापूर्वक उपयोग करके प्रोटीन के फ़ंक्शन की विश्वसनीय भविष्यवाणी की है; वे इसे ProtENN कहते हैं, जिसकी मदद से उन्होंने Pfam के डेटाबेस में लगभग 6.8 मिलियन एंट्रीज़ जोड़ने में सफलता पाई है। Google की AI टीम ने ProtENN मॉडल और प्रयोग के लिए एक distill-जैसा इंटरैक्टिव आर्टिकल जारी किया है। इस तरह की समस्याओं का समाधान मशीन लर्निंग की मदद से तेज़, अधिक विश्वसनीय और नए प्रकार की दवा खोज और थेरेप्यूटिक्स को सक्षम करेगा।
इनसाइट्स और विचार
आधुनिक डेटा विश्लेषक को सशक्त बनाना
ताज़ा DataFramed पॉडकास्ट में, Mozart Data के CEO Peter Fishman आधुनिक डेटा स्टैक की स्थिति का विश्लेषण करते हैं, और बताते हैं कि डेटा साइंस के नवीनतम टूल्स आधुनिक डेटा विश्लेषक को कैसे सशक्त बनाने के लिए डिज़ाइन किए गए हैं। साथ ही, वे डेटा टीमों का नेतृत्व करने के अपने अनुभव, एक उत्कृष्ट डेटा विश्लेषक की विशेषताएँ, विषय-विशेषज्ञता और उपयोगकर्ताओं की बात सुनने के महत्व, आदि पर चर्चा करते हैं। जहाँ भी आप पॉडकास्ट सुनते हैं, वहाँ DataFramed को सुनें और सब्सक्राइब करें।
MLOps अस्त-व्यस्त है—पर यह अपेक्षित भी है
इस लेख में, Confetti AI के संस्थापक Mihail Eric आज के MLOps टूलिंग की स्थिति पर अपने विचार साझा करते हैं। जैसा कि लेख का शीर्षक बताता है, Mihail मशीन लर्निंग टूलिंग परिदृश्य की असंगत अवस्थिति को बेहतरीन ढंग से समझाते हैं। चूँकि मशीन लर्निंग ऑपरेशंस अभी अपने शुरुआती दौर में है, इसके इर्द-गिर्द मानक, टूल्स, और सर्वश्रेष्ठ प्रथाएँ अभी बन रही हैं और ऐसा कोई स्पष्ट, मानक स्टैक नहीं है जिस पर प्रैक्टिशनर भरोसा कर सकें। इसके अलावा, टैलेंट की कमी को दूर करना और संगठनात्मक संस्कृति में मशीन लर्निंग सोच को अपनाना आने वाले वर्षों में MLOps के अपनाव को आकार देगा।
और जानें
हमें उम्मीद है कि आपको शीर्ष खबरों, इनसाइट्स, ट्यूटोरियल, और शोध का यह राउंड-अप पसंद आया होगा। डेटा साइंस की ताज़ा जानकारी के लिए, निम्नलिखित संसाधन देखें: