Machine Learning (मशीन लर्निंग): संपूर्ण नोट्स, प्रकार, एल्गोरिदम और 20+ महत्वपूर्ण MCQ | UPSI, UPASI, UP Police 2026
Machine Learning (मशीन लर्निंग): पुलिस एवं प्रतियोगी परीक्षाओं की संपूर्ण मार्गदर्शिका
उत्तर प्रदेश सब-इंस्पेक्टर (UPSI 2026), यूपी एएसआई (UP ASI), उत्तर प्रदेश पुलिस (UPP), मध्य प्रदेश पुलिस एसआई (MP SI), बिहार पुलिस एसआई (Bihar SI), यूपीएसएसएससी (UPSSSC) और अन्य एक दिवसीय प्रतियोगी परीक्षाओं के कंप्यूटर ज्ञान एवं आधुनिक प्रौद्योगिकी खंड में Machine Learning (मशीन लर्निंग - ML) से सबसे अधिक और वैचारिक (Conceptual) प्रश्न पूछे जाते हैं।
आधुनिक स्मार्ट पुलिसिंग, CCTNS (क्राइम एंड क्रिमिनल ट्रैकिंग नेटवर्क एंड सिस्टम्स) डेटाबेस विश्लेषण, चेहरे की पहचान (Facial Recognition), अपराध प्रवृत्ति पूर्वानुमान (Predictive Policing), साइबर अपराध जांच और पुलिस थानों के डिजिटल आधुनिकीकरण के इस युग में प्रत्येक पुलिस अधिकारी और प्रतियोगी अभ्यर्थी को मशीन लर्निंग की बुनियादी अवधारणाओं, प्रकारों और एल्गोरिदम की गहरी समझ होना अनिवार्य है।
मशीन लर्निंग (ML) से संबंधित प्रमुख ऐतिहासिक एवं तकनीकी तथ्य
मशीन लर्निंग के उद्भव और विकास से जुड़े मुख्य तथ्य प्रतियोगी परीक्षाओं में सीधे पूछे जाते हैं। आइए इन्हें एक स्पष्ट और मोबाइल-फ्रेंडली सारणी में देखें:
| पहलू / तथ्य | विवरण |
| ML शब्द के प्रवर्तक | आर्थर सैमुअल (Arthur Samuel - वर्ष 1959 में IBM में कार्य के दौरान) |
| सॉफ्टवेयर की श्रेणी | आर्टिफिशियल इंटेलिजेंस (AI) की एक उन्नत और व्यावहारिक उप-शाखा |
| बुनियादी सिद्धांत | कंप्यूटरों को बिना स्पष्ट रूप से प्रोग्राम किए डेटा से स्वतः सीखने की क्षमता देना |
| मुख्य ईंधन | विशाल मात्रा में डेटा (Big Data) और सांख्यिकीय एल्गोरिदम |
मशीन लर्निंग का मुख्य वर्गीकरण (Types of Machine Learning)
सीखने की प्रक्रिया और डेटा की प्रकृति के आधार पर मशीन लर्निंग को मुख्य रूप से चार प्रमुख श्रेणियों में विभाजित किया गया है:
| मशीन लर्निंग का प्रकार | मुख्य कार्य एवं विवरण |
| 1. सुपरवाइज्ड लर्निंग (Supervised Learning) | लेबल किए गए (Labeled) डेटा और शिक्षक (Teacher/Target) की देखरेख में मॉडल का प्रशिक्षण। |
| 2. अनसुपरवाइज्ड लर्निंग (Unsupervised Learning) | बिना लेबल वाले कच्चे डेटा में छिपे हुए पैटर्न, समूहों (Clusters) और संबंधों को स्वयं खोजना। |
| 3. सेमी-सुपरवाइज्ड लर्निंग (Semi-Supervised Learning) | थोड़े से लेबल किए गए और बहुत सारे बिना लेबल वाले डेटा का संयुक्त रूप से उपयोग करना। |
| 4. रीइनफोर्समेंट लर्निंग (Reinforcement Learning) | एजेंट द्वारा पर्यावरण से अंतःक्रिया करके पुरस्कार (Reward) और दंड (Penalty) के आधार पर सीखना। |
सुपरवाइज्ड और अनसुपरवाइज्ड लर्निंग के मुख्य एल्गोरिदम
प्रतियोगिता परीक्षाओं में विभिन्न एमएल एल्गोरिदम और उनके कार्यों से जुड़े प्रश्न पूछे जाते हैं:
| एल्गोरिदम श्रेणी | मुख्य एल्गोरिदम एवं उदाहरण |
| रिग्रेशन (Regression - सुपरवाइज्ड) | लीनियर रिग्रेशन (Linear Regression) - इसका उपयोग भविष्य के निरंतर मूल्यों (जैसे मकान की कीमत या अपराध दर) का अनुमान लगाने के लिए होता है। |
| क्लासिफिकेशन (Classification - सुपरवाइज्ड) | लॉजिस्टिक रिग्रेशन, डिसीजन ट्री, सपोर्ट वेक्टर मशीन (SVM) - डेटा को श्रेणियों में बांटने के लिए (जैसे स्पैम या नॉट-स्पैम ईमेल)। |
| क्लस्टरिंग (Clustering - अनसुपरवाइज्ड) | K-Means Clustering, Hierarchical Clustering - समान विशेषताओं वाले डेटा को समूहों में विभाजित करना। |
| एसोसिएशन (Association - अनसुपरवाइज्ड) | Apriori Algorithm - बाजार टोकरी विश्लेषण या अपराधियों के साझा नेटवर्क का पता लगाने के लिए। |
पुलिसिंग और सुरक्षा क्षेत्र में मशीन लर्निंग के अनुप्रयोग
आधुनिक पुलिस प्रशासन और कानून प्रवर्तन एजेंसियों में मशीन लर्निंग का व्यापक उपयोग हो रहा है:
| अनुप्रयोग का क्षेत्र | तकनीकी विवरण एवं कार्य |
| प्रेडिक्टिव पुलिसिंग (Predictive Policing) | पिछले अपराध रिकॉर्ड और भौगोलिक डेटा का विश्लेषण करके अपराध-संभावित क्षेत्रों की पहचान करना। |
| ऑटोमेटेड फेस रिकग्निशन | सीसीटीवी फुटेज से अपराधियों, भगोड़ों और संदिग्धों के चेहरों का तुरंत मिलान करना। |
| फ्रॉड डिटेक्शन (Fraud Detection) | बैंकिंग धोखाधड़ी, ऑनलाइन वित्तीय घोटालों और संदिग्ध लेनदेन के पैटर्न को तुरंत पकड़ना। |
| वाहन नंबर प्लेट पहचान (ANPR) | स्वचालित रूप से गुजरने वाले वाहनों की नंबर प्लेट स्कैन करके चोरी के वाहनों को ट्रैक करना। |
Quick Revision (त्वरित पुनरावृत्ति)
परीक्षा के समय अंतिम क्षणों में तेजी से रिवीजन करने के लिए महत्वपूर्ण बिंदुओं की सारांश तालिका:
| विषय | मुख्य बिंदु |
| मशीन लर्निंग के जनक | आर्थर सैमुअल (1959) |
| सुपरवाइज्ड लर्निंग का आधार | लेबल डेटा (Labeled Data) |
| अनसुपरवाइज्ड लर्निंग का मुख्य कार्य | क्लस्टरिंग और पैटर्न पहचान |
| रीइनफोर्समेंट लर्निंग का आधार | रिवॉर्ड और पेनल्टी (Reward & Penalty) |
प्रश्न 1: 'मशीन लर्निंग' शब्द का प्रतिपादन सबसे पहले किस वर्ष और किसके द्वारा किया गया था?
(a) एलन ट्यूरिंग (1950)
(b) आर्थर सैमुअल (1959)
(c) जॉन मैकार्थी (1956)
(d) डेनिस रिची (1972)
उत्तर: (b) आर्थर सैमुअल (1959)
प्रश्न 2: मशीन लर्निंग निम्नलिखित में से किसकी एक प्रमुख और व्यावहारिक उप-शाखा (Sub-field) है?
(a) कंप्यूटर नेटवर्किंग
(b) आर्टिफिशियल इंटेलिजेंस (AI)
(c) ऑपरेटिंग सिस्टम
(d) डेटाबेस मैनेजमेंट
उत्तर: (b) आर्टिफिशियल इंटेलिजेंस (AI)
प्रश्न 3: जिस मशीन लर्निंग में मॉडल को 'लेबल किए गए डेटा' (Labeled Data) के आधार पर प्रशिक्षित किया जाता है, उसे क्या कहते हैं?
(a) अनसुपरवाइज्ड लर्निंग
(b) सुपरवाइज्ड लर्निंग (Supervised Learning)
(c) रीइनफोर्समेंट लर्निंग
(d) डीप लर्निंग मात्र
उत्तर: (b) सुपरवाइज्ड लर्निंग (Supervised Learning)
प्रश्न 4: निम्नलिखित में से कौन सा एक 'सुपरवाइज्ड लर्निंग' (Supervised Learning) एल्गोरिदम का उदाहरण है?
(a) K-Means Clustering
(b) लीनियर रिग्रेशन (Linear Regression)
(c) Apriori Algorithm
(d) प्रिंसिपल कंपोनेंट एनालिसिस
उत्तर: (b) लीनियर रिग्रेशन (Linear Regression)
प्रश्न 5: बिना लेबल वाले कच्चे डेटा (Unlabeled Data) में छिपे पैटर्न और समूहों को खोजने वाली मशीन लर्निंग तकनीक को क्या कहा जाता है?
(a) सुपरवाइज्ड लर्निंग
(b) अनसुपरवाइज्ड लर्निंग (Unsupervised Learning)
(c) रीइनफोर्समेंट लर्निंग
(d) डीप लर्निंग
उत्तर: (b) अनसुपरवाइज्ड लर्निंग (Unsupervised Learning)
प्रश्न 6: निम्नलिखित में से कौन सी तकनीक 'अनसुपरवाइज्ड लर्निंग' के अंतर्गत आती है?
(a) क्लासिफ़िकेशन
(b) क्लस्टरिंग (Clustering / K-Means)
(c) लीनियर रिग्रेशन
(d) लॉजिस्टिक रिग्रेशन
उत्तर: (b) क्लस्टरिंग (Clustering / K-Means)
प्रश्न 7: रीइनफोर्समेंट लर्निंग (Reinforcement Learning) मुख्य रूप से किसके सिद्धांत पर कार्य करती है?
(a) पहले से मौजूद लेबल डेटा
(b) पुरस्कार (Reward) और दंड (Penalty)
(c) केवल याद रखने की क्षमता
(d) सांख्यिकीय औसत
उत्तर: (b) पुरस्कार (Reward) और दंड (Penalty)
प्रश्न 8: ईमेल स्पैम फ़िल्टरिंग (Spam Filtering) मशीन लर्निंग के किस मॉडल का एक उत्कृष्ट उदाहरण है?
(a) क्लासिफ़िकेशन (Classification - सुपरवाइज्ड लर्निंग)
(b) क्लस्टरिंग
(c) रीइनफोर्समेंट लर्निंग
(d) अनसुपरवाइज्ड एसोसिएशन
उत्तर: (a) क्लासिफ़िकेशन (Classification - सुपरवाइज्ड लर्निंग)
प्रश्न 9: मशीन लर्निंग मॉडल के प्रशिक्षण (Training) के बाद उसकी सटीकता (Accuracy) जाँचने के लिए किस डेटा का उपयोग किया जाता है?
(a) ट्रेनिंग डेटा
(b) टेस्ट डेटा (Test Data)
(c) रैंडम जंक डेटा
(d) ऑपरेटिंग सिस्टम कोड
उत्तर: (b) टेस्ट डेटा (Test Data)
प्रश्न 10: स्मार्ट पुलिसिंग में अपराध के पिछले रिकॉर्ड का विश्लेषण करके भविष्य के संभावित अपराधों का अनुमान लगाने की तकनीक को क्या कहते हैं?
(a) प्रेडिक्टिव पुलिसिंग (Predictive Policing)
(b) मैन्युअल गश्त
(c) साइबर स्टॉकिंग
(d) स्टेटिक एनालिटिक्स
उत्तर: (a) प्रेडिक्टिव पुलिसिंग (Predictive Policing)
प्रश्न 11: निम्नलिखित में से कौन सा एल्गोरिदम 'एसोसिएशन रूल लर्निंग' (Association Rule Learning) के लिए उपयोग किया जाता है?
(a) Apriori Algorithm
(b) Linear Regression
(c) Decision Tree
(d) K-Means
उत्तर: (a) Apriori Algorithm
प्रश्न 12: ओवरफिटिंग (Overfitting) की समस्या मशीन लर्निंग में कब उत्पन्न होती है?
(a) जब मॉडल ट्रेनिंग डेटा पर बहुत अधिक जटिल हो जाता है और नए डेटा पर खराब प्रदर्शन करता है
(b) जब मॉडल बहुत सरल होता है
(c) जब कंप्यूटर की बिजली चली जाती है
(d) जब डेटा बहुत कम होता है
उत्तर: (a) जब मॉडल ट्रेनिंग डेटा पर बहुत अधिक जटिल हो जाता है और नए डेटा पर खराब प्रदर्शन करता है
प्रश्न 13: मशीन लर्निंग में 'फीचर इंजीनियरिंग' (Feature Engineering) का मुख्य उद्देश्य क्या होता है?
(a) कच्चे डेटा से महत्वपूर्ण विशेषताओं या वेरिएबल्स को चुनना और तैयार करना
(b) कंप्यूटर का हार्डवेयर बदलना
(c) प्रिंटर से प्रिंट निकालना
(d) इंटरनेट की स्पीड बढ़ाना
उत्तर: (a) कच्चे डेटा से महत्वपूर्ण विशेषताओं या वेरिएबल्स को चुनना और तैयार करना
प्रश्न 14: निम्नलिखित में से कौन सी तकनीक डीप लर्निंग (Deep Learning) का आधार है जो मशीन लर्निंग का ही एक उन्नत रूप है?
(a) कृत्रिम न्यूरल नेटवर्क (Artificial Neural Networks - ANN)
(b) साधारण स्प्रेडशीट
(c) बाइनरी स्विच
(d) पंच कार्ड
उत्तर: (a) कृत्रिम न्यूरल नेटवर्क (Artificial Neural Networks - ANN)
प्रश्न 15: एक सफल अधिकारी या प्रशासनिक अभ्यर्थी के रूप में मशीन लर्निंग की तकनीकी जानकारी होना क्यों आवश्यक है?
(a) CCTNS डेटा विश्लेषण, स्वचालित चेहरे की पहचान, और आधुनिक साइबर अपराध जाँच के लिए
(b) केवल वीडियो गेम खेलने के लिए
(c) इंटरनेट ब्राउज़र चलाने मात्र के लिए
(d) टाइपिंग सीखने के लिए
उत्तर: (a) CCTNS डेटा विश्लेषण, स्वचालित चेहरे की पहचान, और आधुनिक साइबर अपराध जाँच के लिए
प्रश्न 16: सेमी-सुपरवाइज्ड लर्निंग (Semi-Supervised Learning) की मुख्य विशेषता क्या होती है?
(a) इसमें थोड़े से लेबल वाले और बहुत सारे बिना लेबल वाले डेटा का उपयोग किया जाता है
(b) इसमें कोई डेटा नहीं होता
(c) इसमें केवल ऑडियो होता है
(d) इसमें इंटरनेट की आवश्यकता नहीं होती
उत्तर: (a) इसमें थोड़े से लेबल वाले और बहुत सारे बिना लेबल वाले डेटा का उपयोग किया जाता है
प्रश्न 17: मशीन लर्निंग मॉडल के प्रदर्शन का मूल्यांकन करने के लिए 'कन्फ्यूजन मैट्रिक्स' (Confusion Matrix) में मुख्य रूप से क्या देखा जाता है?
(a) True Positive, False Positive, True Negative, False Negative
(b) केवल रैम का आकार
(c) केवल बिजली की खपत
(d) फाइल का साइज
उत्तर: (a) True Positive, False Positive, True Negative, False Negative
प्रश्न 18: स्वायत्त वाहन (Self-Driving Cars) अपने आसपास की दुनिया को समझने के लिए मुख्य रूप से किस तकनीक का उपयोग करते हैं?
(a) मशीन लर्निंग और कंप्यूटर विज़न
(b) साधारण कैलकुलेटर
(c) एफएम रेडियो
(d) वर्ड प्रोसेसर
उत्तर: (a) मशीन लर्निंग और कंप्यूटर विज़न
प्रश्न 19: निम्नलिखित में से कौन सा एक 'क्लासिफिकेशन' (Classification) एल्गोरिदम नहीं है?
(a) लीनियर रिग्रेशन (Linear Regression - यह रिग्रेशन के लिए है)
(b) डिसीजन ट्री
(c) सपोर्ट वेक्टर मशीन
(d) लॉजिस्टिक रिग्रेशन
उत्तर: (a) लीनियर रिग्रेशन (Linear Regression - यह रिग्रेशन के लिए है)
प्रश्न 20: मशीन लर्निंग में 'ह्यूरिस्टिक' (Heuristic) दृष्टिकोण का उपयोग मुख्य रूप से किस लिए किया जाता है?
(a) जटिल समस्याओं के त्वरित और व्यावहारिक समाधान खोजने के लिए
(b) कंप्यूटर को गर्म करने के लिए
(c) स्क्रीन का रंग बदलने के लिए
(d) माउस रीसेट करने के लिए
उत्तर: (a) जटिल समस्याओं के त्वरित और व्यावहारिक समाधान खोजने के लिए
प्रश्न 21: मशीन लर्निंग में डेटा प्री-प्रोसेसिंग (Data Pre-processing) का मुख्य कार्य क्या होता है?
(a) कच्चे और गंदे डेटा को साफ करना, गायब मानों (Missing Values) को भरना और सामान्यीकृत करना
(b) कंप्यूटर को फॉर्मेट करना
(c) नया प्रिंटर जोड़ना
(d) कीबोर्ड साफ करना
उत्तर: (a) कच्चे और गंदे डेटा को साफ करना, गायब मानों (Missing Values) को भरना और सामान्यीकृत करना
प्रश्न 22: भविष्य की प्रवृत्तियों का पूर्वानुमान लगाने के लिए सांख्यिकीय डेटा का उपयोग मशीन लर्निंग की किस श्रेणी में आता है?
(a) प्रेडिक्टिव एनालिटिक्स / सुपरवाइज्ड लर्निंग
(b) सादा टेक्स्ट संपादन
(c) हार्डवेयर असेंबली
(d) केबल नेटवर्किंग
उत्तर: (a) प्रेडिक्टिव एनालिटिक्स / सुपरवाइज्ड लर्निंग
FAQ (अक्सर पूछे जाने वाले प्रश्न)
Q1: Machine Learning (मशीन लर्निंग) क्या है और इसके जनक कौन हैं?
उत्तर: मशीन लर्निंग आर्टिफिशियल इंटेलिजेंस (AI) की एक शाखा है जिसके तहत कंप्यूटर सिस्टम को स्पष्ट रूप से प्रोग्राम किए बिना डेटा और अनुभवों से स्वतः सीखने की क्षमता दी जाती है। आर्थर सैमुअल को वर्ष 1959 में मशीन लर्निंग का प्रवर्तक माना जाता है।
Q2: प्रतियोगी परीक्षाओं (जैसे UPSI 2026, UPSSSC, SSC) में मशीन लर्निंग से किस प्रकार के प्रश्न पूछे जाते हैं?
उत्तर: परीक्षाओं में मुख्य रूप से मशीन लर्निंग के प्रकार (Supervised, Unsupervised, Reinforcement), प्रमुख एल्गोरिदम (Linear Regression, K-Means Clustering), ओवरफिटिंग की अवधारणा, और पुलिसिंग में इसके अनुप्रयोगों से जुड़े बहुविकल्पीय प्रश्न पूछे जाते हैं।
Q3: सुपरवाइज्ड और अनसुपरवाइज्ड लर्निंग में क्या मुख्य अंतर है?
उत्तर: सुपरवाइज्ड लर्निंग में मॉडल को 'लेबल किए गए डेटा' (अर्थात उत्तर के साथ) प्रशिक्षित किया जाता है (जैसे स्पैम फ़िल्टर), जबकि अनसुपरवाइज्ड लर्निंग में बिना लेबल वाले कच्चे डेटा में छिपे पैटर्न और समूहों (Clusters) को स्वयं खोजा जाता है।
निष्कर्ष
पुलिस, एसएससी, बैंकिंग एवं अन्य प्रतियोगी परीक्षाओं (विशेषकर UPSI 2026, UP ASI, UPP, UPSSSC और MP SI) के लिए Machine Learning (मशीन लर्निंग) का यह टॉपिक कंप्यूटर ज्ञान और आधुनिक प्रौद्योगिकी खंड का सबसे महत्वपूर्ण, वैचारिक और स्कोरिंग हिस्सा है। यदि अभ्यर्थी मशीन लर्निंग के प्रकारों (सुपरवाइज्ड, अनसुपरवाइज्ड, रीइनफोर्समेंट), प्रमुख एल्गोरिदम, और आधुनिक स्मार्ट पुलिसिंग में इसके अनुप्रयोगों की अवधारणाओं को अच्छी तरह समझ लें, तो परीक्षा में निश्चित रूप से शत-प्रतिशत अंक प्राप्त किए जा सकते हैं। नियमित अभ्यास और इस लेख में संकलित बहुविकल्पीय प्रश्नों (MCQs) का बार-बार रिवीजन आपकी प्रतियोगी परीक्षा की तैयारी को सर्वोच्च स्तर पर पहुँचाएगा।
टिप्पणियाँ
एक टिप्पणी भेजें