Learning These Life Lessons Earlier Will Improve Your Life

 

1. Every time you are rejected from something good, you are redirected to something better.
2. Realize you cannot control everything or everyone, but you can control yourself—and that’s even better.
3. Just because things could have been different doesn’t mean they’d be better.
4. When writing the story of your life, don’t let anyone else hold the pen.
5. Remember: Some of the best times of your life haven’t even happened yet.
6. If it keeps you happy, keep it quiet.
7. Know your worth. Never put yourself in the bargain bin, or that’s where others will value you.
8. The magic you are looking for is in the work you’re avoiding.
9. Sometimes, when you’re in a dark place, you think you’ve been buried—but actually, you’ve been planted.
10. Once you realize your value, you will be greatly surprised at what you used to settle for.
11. The best thing I ever did was stop telling people what’s going on in my life.
12. Before you talk, listen. Before you react, think. Before you spend, earn. Before you quit, try.
13. Many people don’t like you—especially if they see you as competition.
14. Always listen to your gut. Somehow, it knows many things that you wouldn’t expect.
15. Rule your life with your mind, not with your feelings. Every bad decision we’ve made had more emotion than logic.
16. Over-trusting leads to betrayal, masturbation, loss of energy, stress, hair loss, overthinking, depression. Saying 'no' is important. Revenge ruins your own life.
17. Observing increases wisdom. Forgiving brings healing. Letting go brings peace of mind.
18. You cannot convince people to love you. No one will ever give you love because you want them to. Real love moves freely in both directions. Don’t waste your time on anything else.
19. Spend your money on things money can buy. Spend your time on things money can’t buy.
20. Life doesn’t get easier or more forgiving—we get stronger and more resilient.

ಮಷೀನ್ ಲರ್ನಿಂಗ್ನ ಅತ್ಯಂತ ಪ್ರಾಯೋಗಿಕ ಅಪ್ಲಿಕೇಶನ್ ಯಾವುದು?

 

ಮಷೀನ್ ಲರ್ನಿಂಗ್ ನ ಅತ್ಯಂತ ಪ್ರಾಯೋಗಿಕ ಹಾಗೂ ಹೆಚ್ಚಾಗಿ ಎಲ್ಲಾ ಕಡೆ ಬಳಸುತ್ತಿರುವ ಉಪಯೋಗ(ಅಪ್ಲಿಕೇಶನ್) ಎಂದರೆ ಶಿಫಾರಸ್ಸು ಯಂತ್ರ(recommendation engine) ಎನ್ನಬಹುದು.

ಮೇಲಿನದು ಕೇಳಿದ ಪ್ರಶ್ನೆಗೆ ಸರಳವಾದ ಉತ್ತರ.ತಮಾಷೆಗೆ ಹೇಳುವುದಾದರೆ ಒಂದು ಅಂಕದ ಪ್ರಶ್ನೆಗೆ ಮೇಲಿನದು ಸಾಕು.ನಾನು ಇದನ್ನು ೧೦ ಅಂಕಗಳಿಗೆ ಕೇಳಿದ್ದಾರೆ ಎಂದು ಭಾವಿಸಿ ವಿಸ್ತಾರವಾಗಿ ಅರ್ಥವಾಗುವ ಭಾಷೆಯಲ್ಲಿ ಕಥೆ ಪುರಾಣಗಳ ಸಹಿತವಾಗಿ ವಿವರಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತೇನೆ.

ನೀವು quora ದಲ್ಲೋ, ಯೌಟ್ಯೂಬ್ ನಲ್ಲೋ, ನೆಟ್ ಫ್ಲಿಕ್ಸ್ ನಲ್ಲೋ ,ಅಮೇಜಾನ್ ನಲ್ಲೋ ಒಂದು ವಿಷಯದ ಬಗ್ಗೆ ಓದಿ/ನೋಡಿ ಮುಗಿಸುವಷ್ಟರಲ್ಲಿ ಇನ್ನೊಂದು ವಿಷಯ ಹಾಜರಾಗಿ ಕೂತಿರುತ್ತದೆ ಮತ್ತು ಹೆಚ್ಚಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ ನಾವು ಅದರ ಮೇಲೆ click ಮಾಡುತ್ತೇವೆ ಕೂಡ. ಹಾಗಾದರೆ ಈ ಶಿಫಾರಸ್ಸು ಯಂತ್ರಗಳು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ,ನಮಗೆ ಬೇಕಾದುದನ್ನೇ ಹೇಗೆ ತಂದು ನಮ್ಮ ಮುಂದಿಡುತ್ತದೆ ಎನ್ನುವುದನ್ನು ನೋಡೋಣ.

ಇವುಗಳಲ್ಲಿ ಮುಖ್ಯವಾಗಿ ೩ ವಿಧಗಳಿವೆ.

೧.ವಿಷಯ ಆಧಾರಿತ ಶಿಫಾರಸ್ಸು(content based recommendation)

ಇಲ್ಲಿ ನಾವು ಹಿಂದೆ ನೋಡಿದ ಅಥವಾ ಓದಿದ ವಿಷಯಗಳನ್ನು,ನಾವು ನೀಡಿದ ರೇಟಿಂಗ್ ಅನ್ನು, ಇಲ್ಲ ಅದನ್ನು ಇಷ್ಟಪಟ್ಟೆವೋ ಇಲ್ಲವೋ( ಲೈಕ್ ಅಥವಾ ಡಿಸಲೈಕ್) ಎಂಬಿತ್ಯಾದಿಗಳನ್ನು ಆಧಾರವಾಗಿಟ್ಟುಕೊಂಡು ಶಿಫಾರಸ್ಸು ಮಾಡಲಾಗುತ್ತದೆ. ಇಲ್ಲಿ ಓದುತ್ತಿರುವ ವಿಷಯ/ನೋಡುತ್ತಿರುವ ವಿಡಿಯೋ ಯಾವ ರೀತಿಯದ್ದು ಎನ್ನುವುದು ಪ್ರಮುಖ ಪಾತ್ರವಹಿಸುತ್ತದೆ.ಇದಕ್ಕೆ ಕೆಳಗಿನ ಉದಾಹರಣೆಗಳನ್ನು ನೀಡಬಹುದು.

• Quora ವನ್ನು ನೀವು ಸೂಕ್ಷ್ಮವಾಗಿ ಗಮನಿಸಿದರೆ ಇದು ಕೂಡ ಈ ಮಾರ್ಗವನ್ನು ಬಳಸುತ್ತದೆ.ನಾನು ಮೊದಲು ಇಂಗ್ಲಿಷ್ quora ದಲ್ಲಿ ಬೋರ್ ಆದಾಗ ಮನರಂಜನೆಯ ದೃಷ್ಟಿಯಿಂದ "ಬೆಸ್ಟ್ ಸ್ಕ್ರೀನ್ಸ್ ಶೊಟ್ಸ್"(what are the best screenshots saved in your cellphone) ವಿಷಯವನ್ನು ಜಾಸ್ತಿ ಓದುತ್ತಿದ್ದೆ ಮತ್ತೆ upvote ಮಾಡುತ್ತಿದ್ದೆ. ಕೊನೆಗೆ ಈ ಶಿಫಾರಸ್ಸು ಎಲ್ಲಿಗೆ ತಲುಪಿತು ಎಂದರೆ ನನ್ನ ಮುಖಪುಟದ ತುಂಬೆಲ್ಲಾ ಅದೇ ಸ್ಕ್ರೀನ್ಸ್ ಶೊಟ್ಸ್ ಸಂಬಂಧಿತ ಪ್ರಶ್ನೆಗಳೇ ತುಂಬಿಹೋಗಿದ್ದವು. ಆಮೇಲೆ ಅಂತಹ ವಿಷಯಗಳನ್ನು ಓದುವುದು ಸ್ವಲ್ಪ ಕಡಿಮೆ ಮಾಡಿ,ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಅವುಗಳನ್ನು ನಿರ್ಲಕ್ಷಿಸಿ ಇತರ ವಿಷಯಗಳನ್ನು ಹುಡುಕಿ ಓದಲು ಪ್ರಾರಂಭಿಸಿದ ಮೇಲೆ ಸರಿ ಆಯಿತು.
• ಇನ್ನು ಯೌಟ್ಯೂಬ್,ಅಮೇಜಾನ್ ಪ್ರೈಮ್ ನಂತಹ ವಿಡಿಯೋ ಪ್ರವಹಿಸುವ(video streaming) ಆಪ್ಲಿಕೇಶನ್ ಗಳಲ್ಲಿ ಇದನ್ನು ಸಾಧಾರಣವಾಗಿ ಬಳಸುತ್ತಾರೆ."movies we think you will like" ಅಥವಾ "recommended for you" ಎನ್ನುವ ಶೀರ್ಷಿಕೆ ಅಡಿ ನೀವು ನೋಡಬಹುದು. ಇಲ್ಲಿ ಶಿಫಾರಸ್ಸು ಮಾಡುತ್ತಿರುವ ವಿಷಯಗಳು ನೀವು ನೋಡುತ್ತಿರುವ ವಿಷಯದ ರೀತಿಯಲ್ಲಿ ಇರಬಹುದು ಇಲ್ಲವೇ ಆ ಚಲನಚಿತ್ರದ ಪಾತ್ರಧಾರಿಗಳ ಇತರೆ ಚಿತ್ರವಾಗಿರಬಹುದು ಅಥವಾ ಆ ವಾಹಿನಿಯ(channel) ವಾರಸುದಾರರಿಂದ ಪ್ರಕಟಿತವಾದ ಇತರೆ ವಿಡಿಯೋ ಆಗಿರಬಹುದು.
• ಅಮೇಜಾನ್ ಸಾಮಾನು ಕೊಳ್ಳುವಿಕೆಯ ಆಪ್ಲಿಕೇಶನ್(Amazon shopping) ನೀವು ಒಂದು ಮೊಬೈಲ್ ಅನ್ನು ಖರೀದಿ ಮಾಡಿದ್ದೀರಿ ಅಂದುಕೊಳ್ಳಿ,ಆಮೇಲೆ ನಿಮಗೆ "ನಿಮಗೆ ಶಿಫಾರಸ್ಸುಗಳು (recommended for you)" ಎನ್ನುವ ಶೀರ್ಷಿಕೆ ಅಡಿಯಲ್ಲಿ ಫೋನ್ ನ ಹಿಂದಿನ ರಕ್ಷಣಾ ಕವಚ(back cover) ಇಲ್ಲ ಸ್ಕ್ರೀನ್ ಗಾರ್ಡ್ ಇತ್ಯಾದಿಗಳು ಬಂದು ಕೂತಿರುತ್ತವೆ. ಇನ್ನು "ಇದರ ಜೊತೆ ಹೆಚ್ಚಾಗಿ ಕೊಂಡದ್ದು (frequently bought together)","ಇದೇ ತರಹದ ವಸ್ತುಗಳೊಂದಿಗೆ ಹೋಲಿಸಿ(compare with similar items)" ಅವುಗಳೆಲ್ಲದರಲ್ಲೂ ಈ ವಿಷಯ ಆಧಾರಿತ ಶಿಫಾರಸ್ಸನ್ನು ಉಪಯೋಗಿಸುತ್ತಾರೆ.
• ಇನ್ನು ಗೂಗಲ್ನಲ್ಲಿ ನೀವು ಏನಾದರೂ ಹುಡುಕಾಡುತ್ತಿರುವಾಗ ಬರುವ ಜಾಹಿರಾತುಗಳು ಕೂಡ ನಿಮ್ಮ ಹಿಂದಿನ ಚಟುವಟಿಕೆಯ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿರುತ್ತವೆ. ನಾವು ಹುಡುಕಾಡುವ ವಿಷಯಗಳಿಂದ ನಮ್ಮ ಅಭಿರುಚಿಗಳನ್ನು ಅಂದಾಜಿಸುವುದು ಗೂಗಲ್ ಗೆ ಕಠಿಣವೇನಲ್ಲ.

೨. ಸಹಭಾಗಿತ್ವದ ಆಧಾರದ ಮೇಲೆ ಶಿಫಾರಸ್ಸು(Collaborative Filtering):

ಮೇಲಿನದು ಸರಿಯಾದ ಕನ್ನಡ ಪದವೋ ಅಲ್ಲವೋ ಎನ್ನುವುದು ನನಗೆ ಗೊತ್ತಿಲ್ಲ ಆದರೆ ಇದನ್ನು ಸರಳವಾಗಿ ವಿವರಿಸುತ್ತೇನೆ. ಈ ರೀತಿಯ ಶಿಫಾರಸ್ಸುಗಳಲ್ಲಿ ನಿಮ್ಮ ಅಭಿರುಚಿಗೆ ಸಮಾನ ಅಭಿರುಚಿಗಳನ್ನು ಹೊಂದಿರುವ ವ್ಯಕ್ತಿಯನ್ನು ಆಧಾರವಾಗಿ ಇಟ್ಟುಕೊಳ್ಳಲಾಗುತ್ತದೆ. ಇನ್ನೂ ಸರಳವಾಗಿ ಹೇಳುವುದಾದರೆ ನೀವು ತಮಾಷೆಯ ಚಲನಚಿತ್ರಗಳನ್ನು ಹೆಚ್ಚಾಗಿ ನೋಡುತ್ತೀರ ಎಂದಿಟ್ಟುಕೊಳ್ಳಿ. ನಿಮ್ಮ ಹಾಗೆ ಇನ್ನೊಂದು ವ್ಯಕ್ತಿ ಕೂಡ ಈ ವರ್ಗದ ಚಿತ್ರಗಳನ್ನು ನೋಡುತ್ತಾನೆ. ನೀವಿಬ್ಬರೂ A ,B ಎನ್ನುವ ಎರಡು ಚಿತ್ರಗಳನ್ನು ನೋಡಿದ್ದೀರಿ. ನಿಮ್ಮ ಹಾಗೆಯೇ ಅಭಿರುಚಿಯುಳ್ಳ ಆ ವ್ಯಕ್ತಿ C ಎನ್ನುವ ಚಿತ್ರ ನೋಡಿದ್ದಾನೆ ಮತ್ತು ಇಷ್ಟಪಟ್ಟಿದ್ದಾನೆ ಕೂಡ. ಈಗ ನೀವು ಮುಂದಿನ ಚಲನಚಿತ್ರಕ್ಕಾಗಿ ಹುಡುಕಾಡುತ್ತಿದ್ದರೆ, ಶಿಫಾರಸ್ಸು ಯಂತ್ರ ಈ C ಚಿತ್ರವನ್ನು ನಿಮ್ಮ ಮುಂದಿರುಸುತ್ತದೆ.ಇದಕ್ಕೆ ಕೆಳಗಿನ ಉದಾಹರಣೆಗಳನ್ನು ಕೊಡಬಹುದು.

• ಯೌಟ್ಯೂಬ್ ನಲ್ಲಿ ನನಗೆ ಗೊತ್ತಿರುವ ಹಾಗೆ ಕಂಡುಬರುವ " NDTV ವೀಕ್ಷಿಸುವವರು ಈ ವಾಹಿನಿಯನ್ನು ಕೂಡ ವೀಕ್ಷಿಸುತ್ತಾರೆ (NDTV viewers also watch this channel)" ಎನ್ನುವ ರೀತಿಯಲ್ಲಿ ಬರುವ ಶಿಫಾರಸ್ಸುಗಳು ಈ ವರ್ಗಕ್ಕೆ ಸೇರುತ್ತವೆ. ನೀವು ಚಂದಾದಾರರಾಗಿರುವ ವಾಹಿನಿಗೆ ಚಂದಾದಾರರಾಗಿರುವ ಇತರರು ಇನ್ಯಾವ ವಾಹಿನಿಯನ್ನು ವೀಕ್ಷಿಸುತ್ತಾರೆ ಎನ್ನುವುದರ ಆಧಾರದ ಇದು ನಿಂತಿದೆ.
• ಇನ್ನು ಅಮೆಜಾನ್ ಶಾಪಿಂಗ್ ಅಪ್ಲಿಕೇಶನ್ ನಲ್ಲಿ ಬರುವ "ಈ ವಸ್ತುವನ್ನು ಕೊಂಡಿರುವವರು ಇದನ್ನೂ ಕೊಂಡಿದ್ದಾರೆ (people who bought this also bought)" ಎನ್ನುವ ರೀತಿಯಲ್ಲಿ ಬರುವ ಶಿಫಾರಸ್ಸುಗಳು ಈ ವರ್ಗಕ್ಕೆ ಸೇರುತ್ತವೆ. ಇಲ್ಲಿ ಮೊದಲು ನೀವು ಯಾವ ವಸ್ತುವನ್ನು ಕೊಂಡಿದ್ದೀರಿ ಎಂಬುದನ್ನು ನೋಡುತ್ತಾರೆ,ಆಮೇಲೆ ಅದೇ ವಸ್ತುವನ್ನು ಇನ್ಯಾರು ಕೊಂಡಿದ್ದಾರೆ ಎಂಬುದನ್ನು ಲೆಕ್ಕ ಹಾಕುತ್ತಾರೆ. ಇತರರು ಈ ವಸ್ತುವನ್ನು ಕೊಂಡ ನಂತರದ ದಿನಗಳಲ್ಲಿ ಇನ್ಯಾವ ವಸ್ತುವನ್ನು ಕೊಂಡಿದ್ದಾರೆ ಎಂಬುದನ್ನೆಲ್ಲಾ ಬಳಸಿ ನಿಮಗೆ ಶಿಫಾರಸ್ಸು ಮಾಡಲಾಗುತ್ತದೆ.

೩. ಮಿಶ್ರಿತ ಶಿಫಾರಸ್ಸು ಯಂತ್ರ (Hybrid recommendation engine)

ಇದು ಮೇಲಿನ ಎರಡು ವರ್ಗಗಳನ್ನು ಒಟ್ಟುಗೂಡಿಸಿ ಶಿಫಾರಸ್ಸು ಮಾಡುವ ವಿಧಾನ. ಮೇಲಿನ ಎರಡು ವಿಧಗಳಲ್ಲಿ ಅದರದ್ದೇ ಆದ ನೂನ್ಯತೆಗಳಿವೆ.ಎರಡರಲ್ಲಿರುವ ಒಳ್ಳೆಯ ಅಂಶಗಳನ್ನು ಕೂಡಿಸಿ ಶಿಫಾರಸ್ಸು ಮಾಡಿದರೆ ಗ್ರಾಹಕರಿಗೆ ಒಳ್ಳೆಯ ಅನುಭವ ದೊರೆಯುತ್ತದೆ ಎನ್ನುವ ಉದ್ದೇಶ ಇಲ್ಲಿ. ಸಾಮಾನ್ಯವಾಗಿ ನೆಟ್ ಪ್ಲಿಕ್ಸ್ ಈ ವಿಧಾನವನ್ನು ಬಳಸುತ್ತದೆ.

ಮೇಲಿನವು ಪ್ರಮುಖವಾದ ವಿಧಗಳು.ಇವುಗಳಲ್ಲದೆ ,ಕೆಳಗಿನ ಶಿಫಾರಸ್ಸು ವಿಧಾನಗಳೂ ಇವೆ.

೪. ಜನಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ಆಧಾರಿತ ಶಿಫಾರಸ್ಸು(Demographic based recommendation) - ಇಲ್ಲಿ ಗ್ರಾಹಕನ ಗುಣಲಕ್ಷಣಗಳನ್ನು (ವಯಸ್ಸು,ಹುಡುಗ /ಹುಡುಗಿ ಇತ್ಯಾದಿ ) ಆಧರಿಸಿ ವಿಷಯಗಳ ಶಿಫಾರಸ್ಸು .

೫. ಉಪಯುಕ್ತತೆಯ ಆಧಾರದ ಮೇಲೆ ಶಿಫಾರಸ್ಸು (utility based recommendation ) - ಕ್ರಮಾವಳಿಯನ್ನು(algorithm) ಬಳಸಿ ವಸ್ತುವಿನ ಸ್ಥಾನ ನಿರ್ಧರಿಸಿ ಅದರ ಆಧಾರದ ಮೇಲೆ ಶಿಫಾರಸ್ಸು .

೬. ಜ್ಞಾನದ ಆಧಾರದ ಮೇಲೆ ಶಿಫಾರಸ್ಸು( knowledge based recommendation) - ಇಲ್ಲಿ ಶಿಫಾರಸ್ಸು ಮಾಡಿದ ವಸ್ತು/ವಿಷಯ ಗ್ರಾಹಕನ ಬೇಡಿಕೆಗೆ ಅನುಕೂಲವಾಯಿತೇ ಎನ್ನುವುದು ಮುಖ್ಯ.