മെഷീൻ പഠനത്തിനായി ജാവയ്ക്ക് എന്തുചെയ്യാൻ കഴിയും?
മെഷീൻ പഠനത്തിനായി ഏറ്റവും വ്യാപകമായി ഉപയോഗിക്കുന്ന ഭാഷകളാണ് പൈത്തൺ, ആർ എന്നിവ, എന്നിട്ടും ഒരേ ആവശ്യത്തിനായി ജാവ ഉപയോഗിക്കുന്ന ഡവലപ്പർമാർക്ക് ക്ഷാമമില്ല. വാസ്തവത്തിൽ, ഭാഷ പതുക്കെ പൈത്തണുമായി പൊരുത്തപ്പെടുന്നു.
അതേസമയം, ലിങ്ക്ഡ്ഇനും ഒറാക്കിളും യഥാക്രമം ഡാഗ്ലി, ട്രിബുവോ ചട്ടക്കൂടുകൾ 2020 ൽ പുറത്തിറക്കി, അവ ജാവ മെഷീൻ ലേണിംഗ് ലൈബ്രറിക്ക് (ജാവഎംഎൽ) സംഭാവന നൽകുന്നു. ജാവയിലേക്ക് വ്യത്യസ്ത ചട്ടക്കൂടുകൾ സമന്വയിപ്പിക്കുന്നതിന് റാപ്പറുകളും എപിഐകളും കൂടാതെ വിപുലമായ മെഷീൻ ലേണിംഗ് ടൂളുകളിലേക്ക് ലൈബ്രറി ഉപയോക്താക്കൾക്ക് പ്രവേശനം നൽകുന്നു.
ML-ൽ ജാവ എങ്ങനെ ഉപയോഗിക്കുന്നു
പല മെഷീൻ ലേണിംഗ് ജോലികൾക്കും ജാവ ഒരു ഉപകരണമാണ്. ഉപയോക്താക്കൾക്ക് അൽഗോരിതങ്ങൾ സൃഷ്ടിക്കാനും മോഡലുകൾ നിർമ്മിക്കാനും ഈ ഭാഷ ഉപയോഗിച്ച് ആപ്ലിക്കേഷനുകൾ എളുപ്പത്തിൽ ലോഞ്ച് ചെയ്യാനും കഴിയും. ജാവയെക്കുറിച്ചുള്ള നല്ല കാര്യം അതിന്റെ വഴക്കമാണ് – ഡാറ്റ തയ്യാറാക്കുന്നത് മുതൽ മോഡലുകൾ നിർമ്മിക്കുന്നത് വരെ എല്ലാം കൈകാര്യം ചെയ്യാൻ ഇതിന് കഴിയും.
മാഗ്നിമൈൻഡ് അക്കാദമിയിലെ ഡാറ്റാ സയൻസ് ലീഡ് എവ്ലിൻ മില്ലർ പറഞ്ഞു, “നിങ്ങൾ ആഗ്രഹിക്കുന്ന ഏത് മേഖലയിലും വികസനത്തിന് ജാവ പിന്തുണ നൽകുന്നുവെന്ന് നിങ്ങൾ ഓർക്കണം, ഡാറ്റാ സയൻസും വ്യത്യസ്തമല്ല.”
ഡെവലപ്പർമാർക്ക് അവരുടെ അപ്ലിക്കേഷന്റെ വിവിധ ഭാഗങ്ങൾക്ക് എം എൽ സവിശേഷതകളുമായി സംസാരിക്കുന്നത് എളുപ്പമാക്കാൻ ജാവ ഉപയോഗിക്കാം. മൂന്നാം കക്ഷി ഓപ്പൺ സോഴ്സ് ലൈബ്രറികളും ചട്ടക്കൂടുകളും ഉപയോഗിച്ച്, മറ്റേതൊരു ഭാഷയും ചെയ്യുന്നത് നടപ്പിലാക്കാൻ ഉപയോക്താക്കൾക്ക് ജാവ പ്രയോജനപ്പെടുത്താൻ കഴിയും. ഉദാഹരണത്തിന്, ഓപ്പൺ സോഴ്സ് ലൈബ്രറി ടെൻസർഫ്ലോ ജാവയ്ക്ക് മെഷീൻ ലേണിംഗ് മോഡലുകൾ നിർമ്മിക്കുന്നതിനും പരിശീലിപ്പിക്കുന്നതിനും വിന്യസിക്കുന്നതിനും ഏത് ജെവിഎമ്മിലും പ്രവർത്തിപ്പിക്കാൻ കഴിയും.
മെഷീൻ ലേണിംഗ് ആപ്ലിക്കേഷനുകളുടെ ലോഞ്ച് സുഗമമാക്കാനും വ്യത്യസ്ത ജോലികൾക്കായി നിർദ്ദിഷ്ട ഉപകരണങ്ങളുള്ള ലൈബ്രറികൾ വാഗ്ദാനം ചെയ്യാനും ജാവ സഹായിക്കുന്നു. ഒരു ജനപ്രിയ ജാവ മെഷീൻ ലേണിംഗ് ടൂൾകിറ്റ് വെക്ക ഡാറ്റ പ്രീപ്രൊസസ്സിംഗ്, മോഡലിംഗ്, വിലയിരുത്തൽ എന്നിവയ്ക്കായി ഒരു ഗ്രാഫിക്കൽ ഇന്റർഫേസ് നൽകുന്നു.
വൈക്കറ്റോ സർവകലാശാല വികസിപ്പിച്ചെടുത്ത ഈ ലൈബ്രറിക്ക് ഭാഷയുടെ അത്ര തന്നെ പഴക്കമുണ്ട്. എന്നിരുന്നാലും, ഇത് ഇപ്പോഴും ലഭ്യമായ ഏറ്റവും വ്യാപകമായി ഉപയോഗിക്കുന്ന ലൈബ്രറിയാണ്, ഫ്ലെക്സിബിൾ ഡാറ്റ മൈനിംഗ് സോഫ്റ്റ്വെയർ കാരണം അതിന്റെ ജനപ്രീതി വർദ്ധിച്ചുകൊണ്ടിരിക്കുകയാണ്.
ഗൂഗിൾ, ആമസോൺ, മൈക്രോസോഫ്റ്റ് എന്നിവയുൾപ്പെടെയുള്ള വലിയ ടെക് കമ്പനികൾ പോലും മെഷീൻ പഠനത്തിനായി ജാവയെ ഉപയോഗപ്പെടുത്തുന്നു. ഗൂഗിൾ ഡവലപ്പർമാർ വിവിധ ആപ്ലിക്കേഷനുകൾക്കായി ജാവ ഉപയോഗിക്കുന്നു, വാസ്തവത്തിൽ, മുഴുവൻ ഗൂഗിൾ സ്യൂട്ടും പ്രത്യേകിച്ച് ജാവ കോഡിലാണ് നിർമ്മിച്ചിരിക്കുന്നത്.
വെക്കയെ കൂടാതെ ഫേസ്ബുക്ക്, ലിങ്ക്ഡ്ഇൻ, ട്വിറ്റർ, യാഹൂ തുടങ്ങിയ സ്ഥാപനങ്ങൾ വ്യാപകമായി ഉപയോഗിക്കുന്ന മറ്റൊരു ചട്ടക്കൂടാണ് അപ്പാച്ചെ മഹൗട്ട്. ചട്ടക്കൂട് സ്കെയിലബിൾ ആയതിനാലാണ് ഇത് കൂടുതലും. സങ്കീർണ്ണമായ ഡാറ്റാ ഘടനകൾ ജാവയിൽ കൈകാര്യം ചെയ്യപ്പെടുന്നു, ഇത് പൈത്തണിൽ സാധ്യമായേക്കില്ല.
വ്യത്യസ്ത ചട്ടക്കൂടുകൾ ഉപയോഗിച്ച് ഇത് ചെയ്യാൻ കഴിയും, ഉദാഹരണത്തിന്, മാഹൗട്ട് ഒരു ഡിസ്ട്രിബ്യൂട്ടഡ് ലീനിയർ ബീജഗണിതം ഉപയോഗിക്കുന്നു, അതേസമയം ആഡംസ് (അഡ്വാൻസ്ഡ് ഡാറ്റ മൈനിംഗ് ആൻഡ് മെഷീൻ ലേണിംഗ് സിസ്റ്റം) ഒരു വൃക്ഷം പോലുള്ള ഘടനയാണ്. ഇത് വിവിധ രീതികളിൽ ഡാറ്റ കൈകാര്യം ചെയ്യാൻ അനുവദിക്കുന്നു.
Java ദത്തെടുക്കൽ
ലോകത്ത് 8-10 ദശലക്ഷം ജാവ ഡെവലപ്പർമാരുണ്ട്. എല്ലാ വലിയ ടെക് കമ്പനികളും എംഎല്ലിനായി ജാവ ഉപയോഗിക്കുന്നതിനെക്കുറിച്ച് കൂടുതൽ അറിയാൻ താൽപ്പര്യപ്പെടുന്നുവെന്ന് ഗൂഗിളിലെ സീനിയർ കൺസൾട്ടന്റ് ഫ്രാങ്ക് ഗ്രെക്കോ ഒരു പ്രസംഗത്തിൽ പറഞ്ഞു.
അദ്ദേഹവും സഹപ്രവർത്തകരും എംഎല്ലിന്റെ ഭാഷയെ പ്രോത്സാഹിപ്പിക്കുന്നതിനായി പ്രവർത്തിക്കുന്നു. “എംഎല്ലിലെ ജാവയുടെ പങ്ക് ഒരു വെളിപ്പെടുത്തലായി വരും,” ഗ്രെക്കോ പറഞ്ഞു. ട്വിറ്റർ, ഒറാക്കിൾ, ഐബിഎം, ആമസോൺ തുടങ്ങിയ പ്രധാന കളിക്കാരുമായി അദ്ദേഹത്തിന്റെ ടീം ഇടപഴകി.
എംഎല്ലിൽ ജാവ ഉപയോഗിക്കുന്നതിന്റെ ആവേശം ഈ വ്യവസായ ഭീമന്മാരിലുടനീളം ഏകകണ്ഠമാണ് – എംഎല്ലിനായി ജാവ എങ്ങനെ ഉപയോഗിക്കാമെന്ന് പര്യവേക്ഷണം ചെയ്യുന്നതിൽ യഥാർത്ഥ താൽപ്പര്യമുണ്ട്. “ഇത് പൈത്തണിന് അനുകൂലമായി ജാവയെ തള്ളിക്കളയുന്ന കേസല്ല; പകരം, എം എൽ മേഖലയിൽ ജാവയുടെ സാധ്യതകൾ മനസിലാക്കാൻ എല്ലാവരും താൽപ്പര്യപ്പെടുന്നു, “അദ്ദേഹം വിശദീകരിച്ചു.
വിഷ്വൽ റെക്കഗ്നിഷനായി ജാവ സൗഹൃദ എപിഐയും ഉയർന്ന തലത്തിലുള്ള അമൂർത്തീകരണങ്ങൾക്ക് ഉപയോഗിക്കാവുന്ന ജനറിക് എം എൽ എപിഐയുമായ ജെഎസ്ആർ 381 ഗ്രെക്കോ നിർമ്മിച്ചു. ഈ എപിഐ ഏതെങ്കിലും എം എൽ ചട്ടക്കൂടുമായി ബന്ധിപ്പിച്ചിട്ടില്ല, പക്ഷേ ഡവലപ്പർമാർക്ക് അവരുടെ ആവശ്യങ്ങൾക്ക് ഏറ്റവും അനുയോജ്യമായ ഒരു ചട്ടക്കൂട് തിരഞ്ഞെടുക്കാൻ കഴിയും.
“വിദഗ്ദ്ധരല്ലാത്തവർക്ക് വിഷ്വൽ റെക്കഗ്നിഷനും എംഎല്ലും എളുപ്പത്തിൽ ഉപയോഗിക്കാൻ സഹായിക്കുകയായിരുന്നു ലക്ഷ്യം,” അദ്ദേഹം പറഞ്ഞു. ആമസോൺ ഈ എപിഐ നടപ്പിലാക്കി, ഇത് ഭാഷയ്ക്ക് ഒരു നല്ല ആരംഭ പോയിന്റാണെന്ന് ഗ്രീക്കോ പറയുന്നു. “സമൂഹത്തിൽ നിന്നുള്ള ഫീഡ്ബാക്ക് ഉപയോഗിച്ച് ഞങ്ങൾക്ക് ഇത് മുന്നോട്ട് കൊണ്ടുപോകാൻ കഴിയുമെന്ന് ഞാൻ വിശ്വസിക്കുന്നു,” അദ്ദേഹം പറഞ്ഞു.
Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision
