Machine learns like a person
Lesson 06 · 8 min · Guided story
Machine Learning म्हणजे काय?
Machine Learning मध्ये rules सगळे हाताने न लिहिता examples मधून patterns कसे शिकवले जातात ते समजा.
काम शिकण्याची पद्धत
काम शिकण्याची पद्धत
अनेक examples दाखवून system ला pattern शोधायला शिकवता येतो. या पद्धतीला Machine Learning म्हणतात.
Static explanation: The learner is asked how a spam filter can learn without a rule for every message.
तुमच्या apps मध्ये
तुमच्या apps मध्ये
System अनेक recorded examples वापरून पुढच्या input साठी अंदाज किंवा वर्गीकरण करते.
- Gmail spam filter
- YouTube किंवा Instagram recommendations
- Banking मधील unusual transaction alert
- Voice typing मधील शब्दांचा अंदाज
- 01Gmail
Spam filter
- 02YouTube
Recommendations
- 03Banking
Unusual transaction
- 04Voice
Next word prediction
Static explanation: Four everyday examples show Machine Learning in filters, recommendations, alerts and voice typing.
सोप्या भाषेत
सोप्या भाषेत
Training वेळी system examples मधले संबंध शोधते. नवीन message, photo किंवा transaction आल्यावर त्या pattern वरून output देते.
- 01Examples
Recorded data
→ - 02Pattern
Repeated relationship
→ - 03Prediction
New input
Static explanation: A three-step flow connects examples to patterns and predictions.
Common Misconception
Common Misconception
इथे learning म्हणजे data मधील pattern साठी internal parameters बदलणे. मानवी अनुभव, भावना किंवा जाणीव याचा अर्थ नाही.
System adjusts patterns from data
Static explanation: The scene explains that machine learning is not human understanding.
वापरताना एवढं तपासा
वापरताना एवढं तपासा
Examples अपुरे, जुने किंवा one-sided असतील तर prediction कमी उपयोगी होऊ शकते. Automated alert ला अंतिम निर्णय समजू नका.
- Training examples कोणते आहेत?
- Missing situations कोणत्या?
- Alert वर human review आहे का?
Static explanation: A checklist asks what data was used and whether human review exists.
Quick Check
Quick Check
दोन छोटे प्रश्न सोडवा.
Static explanation: A question checks why training examples are used.
Quick Check
Quick Check
दोन छोटे प्रश्न सोडवा.
Static explanation: A question checks whether one-sided data affects predictions.
लक्षात ठेवा
लक्षात ठेवा
Data quality, context आणि human review महत्त्वाचे राहतात.
- Training मध्ये examples वापरले जातात
- Pattern वरून नवीन input वाचला जातो
- Prediction हा अंदाज असतो
- Data अपुरा असेल तर blind spot येऊ शकतो
Examples→Pattern→Prediction→Review
Static explanation: The lesson closes with the Machine Learning loop and review.
Sources & Review
या lesson मागचे references
Last reviewed 2026-07-26. Sources open in a new tab and may be in English.
Audio alternative
Marathi narration transcript
Audio उपलब्ध नसले तरी हा lesson वाचता येतो. खालील मजकूर lesson च्या narration content मधून तयार होतो.
01 · Spam आणि pattern.
Machine Learning म्हणजे examples मधून pattern शिकवण्याची पद्धत.
02 · Spam, recommendations, banking, voice.
Spam filter आणि recommendations ही familiar examples आहेत.
03 · Examples to prediction.
Examples, patterns आणि नवीन input यांचा संबंध समजा.
04 · Parameters, not human experience.
Machine Learning म्हणजे human-like learning नाही.
05 · Data quality and decisions.
Training data आणि errors तपासा.
06 · Examples and patterns.
Machine Learning चा pattern ओळखा.
07 · One-sided examples.
Training data बद्दल प्रश्न.
08 · Examples, pattern, prediction.
Examples, pattern, prediction.