Day 65: Machine Learning – Types, Techniques, and Applications | Class 11, Chapter 7 - BSEB Class 11-12 Computer Science: 100-Day Bilingual Guide with MCQs, Solutions and Questions

Day 65 – Machine Learning Basics

Class 11 Computer Science – Chapter 7

What is Machine Learning (ML)? (Machine Learning क्या है?)

Machine Learning (ML) is a subset of Artificial Intelligence that enables machines to learn from data and improve their performance without explicit programming.
Machine Learning (ML) Artificial Intelligence का एक उपसमूह है जो मशीनों को डेटा से सीखने और उनके प्रदर्शन में सुधार करने में सक्षम बनाता है।

Goals of Machine Learning (Machine Learning के उद्देश्य)

• To automate repetitive tasks.
  दोहराए जाने वाले कार्यों को स्वचालित करना।
• To predict future trends and outcomes.
  भविष्य की प्रवृत्तियों और परिणामों की भविष्यवाणी करना।
• To improve decision-making through data analysis.
  डेटा विश्लेषण के माध्यम से निर्णय लेने में सुधार करना।

Types of Machine Learning (Machine Learning के प्रकार)

• Supervised Learning: The model learns from labeled data to make predictions. Example: Spam email detection.
  Supervised Learning: मॉडल लेबल वाले डेटा से सीखता है और भविष्यवाणी करता है। उदाहरण: स्पैम ईमेल का पता लगाना।
• Unsupervised Learning: The model finds patterns in unlabeled data. Example: Customer segmentation.
  Unsupervised Learning: मॉडल बिना लेबल वाले डेटा में पैटर्न ढूंढता है। उदाहरण: ग्राहक विभाजन।
• Reinforcement Learning: The model learns by interacting with the environment and receiving feedback. Example: Self-driving cars.
  Reinforcement Learning: मॉडल पर्यावरण के साथ बातचीत करके और प्रतिक्रिया प्राप्त करके सीखता है। उदाहरण: सेल्फ-ड्राइविंग कार।

Key Techniques in Machine Learning (Machine Learning की प्रमुख तकनीकें)

• Regression: Predicts continuous values. Example: House price prediction.
  Regression: निरंतर मानों की भविष्यवाणी करता है। उदाहरण: घर की कीमत की भविष्यवाणी।
• Classification: Predicts categories. Example: Spam vs. non-spam emails.
  Classification: श्रेणियों की भविष्यवाणी करता है। उदाहरण: स्पैम बनाम नॉन-स्पैम ईमेल।
• Clustering: Groups similar data points together. Example: Customer segmentation.
  Clustering: समान डेटा बिंदुओं को एक साथ समूहित करता है। उदाहरण: ग्राहक विभाजन।
• Neural Networks: Mimics the human brain for complex tasks. Example: Image recognition.
  Neural Networks: जटिल कार्यों के लिए मानव मस्तिष्क की नकल करता है। उदाहरण: छवि मान्यता।

Applications of Machine Learning (Machine Learning के अनुप्रयोग)

• Healthcare: Disease diagnosis, personalized treatment plans.
  Healthcare: रोग का निदान, व्यक्तिगत उपचार योजनाएँ।
• Finance: Fraud detection, risk assessment.
  Finance: धोखाधड़ी का पता लगाना, जोखिम मूल्यांकन।
• Retail: Recommendation systems, demand forecasting.
  Retail: सिफारिश प्रणाली, मांग का पूर्वानुमान।
• Transportation: Self-driving cars, route optimization.
  Transportation: सेल्फ-ड्राइविंग कार, मार्ग अनुकूलन।
• Education: Adaptive learning platforms.
  Education: अनुकूली शिक्षण प्लेटफ़ॉर्म।

Advantages of Machine Learning (Machine Learning के लाभ)

• Processes large volumes of data efficiently.
  बड़े पैमाने पर डेटा को कुशलता से संसाधित करता है।
• Improves accuracy over time through learning.
  सीखने के माध्यम से समय के साथ सटीकता में सुधार करता है।
• Automates complex tasks, saving time and resources.
  जटिल कार्यों को स्वचालित करता है, समय और संसाधनों की बचत करता है।

Limitations of Machine Learning (Machine Learning की सीमाएँ)

• Requires large amounts of quality data.
  गुणवत्ता डेटा की बड़ी मात्रा की आवश्यकता होती है।
• Prone to biases if training data is biased.
  यदि प्रशिक्षण डेटा पक्षपाती है तो पूर्वाग्रह के प्रति संवेदनशील।
• High computational costs for complex algorithms.
  जटिल एल्गोरिदम के लिए उच्च कम्प्यूटेशनल लागत।

Practice Questions

Multiple Choice Questions (MCQs)

1. What does ML stand for?
   (a) Machine Learning | (b) Machine Logic | (c) Machine Language | (d) None
2. Which type of ML uses labeled data?
   (a) Unsupervised | (b) Supervised | (c) Reinforcement | (d) None
3. Which ML technique is used for customer segmentation?
   (a) Regression | (b) Classification | (c) Clustering | (d) Neural Networks
4. Which application uses reinforcement learning?
   (a) Spam detection | (b) Self-driving cars | (c) Disease diagnosis | (d) Fraud detection
5. Which is a limitation of ML?
   (a) Automates tasks | (b) Requires large data | (c) Improves accuracy | (d) Reduces errors
6. What is the goal of supervised learning?
   (a) Find patterns | (b) Make predictions | (c) Group data | (d) None
7. Which type of ML is still under research?
   (a) Reinforcement | (b) Supervised | (c) General AI | (d) None
8. Which ML technique is used for house price prediction?
   (a) Clustering | (b) Regression | (c) Classification | (d) Neural Networks
9. What is the major goal of ML?
   (a) Replace humans | (b) Learn and improve | (c) Reduce computation | (d) None
10. Which field uses ML for personalized treatment plans?
    (a) Retail | (b) Healthcare | (c) Education | (d) Finance

Answers to MCQs:

1: (a), 2: (b), 3: (c), 4: (b), 5: (b), 6: (b), 7: (c), 8: (b), 9: (b), 10: (b)

Short Answer Questions

1. What is Machine Learning?
   Answer: ML is a subset of AI that allows machines to learn from data and improve performance without explicit programming.
2. List the three types of Machine Learning.
   Answer: Supervised Learning, Unsupervised Learning, Reinforcement Learning.
3. What are the advantages of ML?
   Answer: Processes large data efficiently, automates tasks, and improves accuracy over time.
4. What are the limitations of ML?
   Answer: Requires large data, prone to biases, and has high computational costs.
5. Explain reinforcement learning with an example.
   Answer: A learning method where models interact with the environment, e.g., self-driving cars.

Long Answer Questions

1. Explain the types of Machine Learning with examples.
2. Discuss the advantages and limitations of Machine Learning.
3. Write a detailed note on the applications of Machine Learning in various fields.