Foundation of AI and ML (4351601) - Summer 2025 Solution (Gujarati)

પ્રશ્ન 1(અ) [3 ગુણ]

#

વર્ડ એમ્બેડિંગ ટેકનિક શું છે? વિવિધ વર્ડ એમ્બેડિંગ તકનીકોની સૂચિ બનાવો.

જવાબ:

વર્ડ એમ્બેડિંગ એ એવી તકનીક છે જે શબ્દોને આંકડાકીય vectors માં રૂપાંતરિત કરે છે અને શબ્દો વચ્ચેના semantic સંબંધોને જાળવી રાખે છે. આ શબ્દોને high-dimensional space માં dense vectors તરીકે દર્શાવે છે.

ટેબલ: વિવિધ વર્ડ એમ્બેડિંગ તકનીકો

મુખ્ય પોઈન્ટ્સ:

• TF-IDF: દસ્તાવેજોમાં શબ્દની મહત્ત્વતા માપે છે
• BoW: Vocabulary-આધારિત vectors બનાવે છે
• Word2Vec: CBOW અને Skip-gram models વાપરે છે
• GloVe: Global context સાથે pre-trained embeddings

મેમરી ટ્રીક: “TB-WG” (TF-IDF, BoW, Word2Vec, GloVe)

પ્રશ્ન 1(બ) [4 ગુણ]

#

આર્ટિફિશિયલ ઇન્ટેલિજન્સના વિવિધ પ્રકારોનું વર્ગીકરણ કરો અને તેને ડાયાગ્રામ વડે દર્શાવો.

જવાબ:

AI ને ક્ષમતાઓ અને કાર્યક્ષમતા આધારે વર્ગીકૃત કરી શકાય છે.

ડાયાગ્રામ:

graph TD
    A[Artificial Intelligence] --> B[ક્ષમતાઓ આધારે]
    A --> C[કાર્યક્ષમતા આધારે]
    
    B --> D[Narrow AI/Weak AI]
    B --> E[General AI/Strong AI]
    B --> F[Super AI]
    
    C --> G[Reactive Machines]
    C --> H[Limited Memory]
    C --> I[Theory of Mind]
    C --> J[Self-Awareness]

ટેબલ: AI પ્રકારોની તુલના

મેમરી ટ્રીક: “NGS-RLT” (Narrow-General-Super, Reactive-Limited-Theory)

પ્રશ્ન 1(ક) [7 ગુણ]

#

તફાવત આપીને NLU અને NLG સમજાવો.

જવાબ:

Natural Language Understanding (NLU) અને Natural Language Generation (NLG) Natural Language Processing ના બે મુખ્ય ઘટકો છે.

ટેબલ: NLU vs NLG તુલના

વિગતવાર સમજાવટ:

NLU (Natural Language Understanding):

• Unstructured text ને structured data માં કન્વર્ટ કરે છે
• Semantic analysis અને intent extraction કરે છે
• અસ્પષ્ટતા અને context ની સમજ હેન્ડલ કરે છે

NLG (Natural Language Generation):

• Structured data ને natural language માં કન્વર્ટ કરે છે
• સુસંગત અને contextually યોગ્ય ટેક્સ્ટ બનાવે છે
• વ્યાકરણની ચુસ્તતા અને પ્રવાહિતા સુનિશ્ચિત કરે છે

મેમરી ટ્રીક: “UI-OG” (Understanding Input, Output Generation)

પ્રશ્ન 1(ક) OR [7 ગુણ]

#

આર્ટિફિશિયલ ઈન્ટેલિજન્સનો ઉપયોગ થાય છે તેવા વિવિધ ઉદ્યોગોની યાદી બનાવો અને કોઈપણ બેને સમજાવો.

જવાબ:

ટેબલ: ઉદ્યોગોમાં AI એપ્લિકેશન

બે ઉદ્યોગોની વિગતવાર સમજાવટ:

1. આરોગ્ય ઉદ્યોગ:

• તબીબી નિદાન: AI તબીબી છબીઓ અને દર્દીના ડેટાનું વિશ્લેષણ કરે છે
• દવા શોધ: સંભવિત દવાઓની ઝડપી ઓળખ
• વ્યક્તિગત સારવાર: દર્દીના genetics આધારે ઉપચાર
• લાભો: ઝડપી નિદાન, ભૂલો ઘટાડવી, પરિણામોમાં સુધારો

2. ફાઇનાન્સ ઉદ્યોગ:

• છેતરપિંડી શોધ: Real-time માં શંકાસ્પદ વ્યવહારો ઓળખવા
• Algorithmic Trading: બજારના patterns આધારે automated trading
• Credit Scoring: લોન ડિફોલ્ટ જોખમનું ચોક્કસ મૂલ્યાંકન
• લાભો: વર્ધેલી સુરક્ષા, ઝડપી પ્રક્રિયા, વધુ સારું જોખમ વ્યવસ્થાપન

મેમરી ટ્રીક: “HF-MR-TE” (Healthcare-Finance, Manufacturing-Retail-Transportation-Education)

પ્રશ્ન 2(અ) [3 ગુણ]

#

મશીન લર્નિંગ શબ્દને વ્યાખ્યાયિત કરો. મશીન લર્નિંગનું વર્ગીકરણ રેખાકૃતિ દોરો.

જવાબ:

મશીન લર્નિંગ AI નો ઉપવિભાગ છે જે કોમ્પ્યુટરોને સ્પષ્ટ રીતે પ્રોગ્રામ કર્યા વિના અનુભવથી શીખવા અને સુધારવા સક્ષમ બનાવે છે. આ ડેટાનું વિશ્લેષણ કરવા, patterns ઓળખવા અને predictions કરવા algorithms નો ઉપયોગ કરે છે.

ડાયાગ્રામ:

graph TD
    A[Machine Learning] --> B[Supervised Learning]
    A --> C[Unsupervised Learning]
    A --> D[Reinforcement Learning]
    
    B --> E[Classification]
    B --> F[Regression]
    
    C --> G[Clustering]
    C --> H[Association]
    
    D --> I[Model-based]
    D --> J[Model-free]

મુખ્ય પોઈન્ટ્સ:

• Supervised: Labeled training data વાપરે છે
• Unsupervised: Unlabeled data માં patterns શોધે છે
• Reinforcement: Rewards અને penalties દ્વારા શીખે છે

મેમરી ટ્રીક: “SUR” (Supervised-Unsupervised-Reinforcement)

પ્રશ્ન 2(બ) [4 ગુણ]

#

Positive reinforcement અને Negative reinforcement નો તફાવત દર્શાવો.

જવાબ:

ટેબલ: Positive vs Negative Reinforcement

મુખ્ય પોઈન્ટ્સ:

• Positive Reinforcement: Positive stimulus ઉમેરીને વર્તન મજબૂત બનાવે છે
• Negative Reinforcement: Negative stimulus દૂર કરીને વર્તન મજબૂત બનાવે છે
• બંને પ્રકાર: ઇચ્છિત વર્તનની સંભાવના વધારવાનું લક્ષ્ય છે
• તફાવત: પ્રોત્સાહનની પદ્ધતિ (ઉમેરવું vs દૂર કરવું)

મેમરી ટ્રીક: “AR-RN” (Add Reward, Remove Negative)

પ્રશ્ન 2(ક) [7 ગુણ]

#

Supervised અને Unsupervised learning ની તુલના કરો.

જવાબ:

ટેબલ: Supervised vs Unsupervised Learning

વિગતવાર તુલના:

Supervised Learning:

• જાણીતા પરિણામો સાથે training data ની જરૂર
• પ્રદર્શનનું મૂલ્યાંકન સરળતાથી કરી શકાય છે
• આગાહીના કાર્યો માટે વપરાય છે

Unsupervised Learning:

• પૂર્વ-નિર્ધારિત labels વિના ડેટા સાથે કામ કરે છે
• ડેટામાં છુપાયેલા structures શોધે છે
• અન્વેષણાત્મક ડેટા વિશ્લેષણ માટે વપરાય છે

મેમરી ટ્રીક: “LP-PF” (Labeled Prediction, Pattern Finding)

પ્રશ્ન 2(અ) OR [3 ગુણ]

#

વ્યાખ્યાયિત કરો: Classification, Regression અને clustering.

જવાબ:

ટેબલ: ML કાર્યોની વ્યાખ્યાઓ

વિગતવાર વ્યાખ્યાઓ:

• Classification: શીખેલા patterns આધારે input data ને પૂર્વ-નિર્ધારિત વર્ગોમાં સોંપે છે
• Regression: સતત મૂલ્યોની આગાહ કરવા variables વચ્ચેના સંબંધોનો અંદાજ કાઢે છે
• Clustering: જૂથોની પૂર્વ જાણકારી વિના ડેટામાં કુદરતી જૂથો શોધે છે

મેમરી ટ્રીક: “CRC” (Categories, Real numbers, Clusters)

પ્રશ્ન 2(બ) OR [4 ગુણ]

#

Artificial Neural Network અને Biological Neural Network ની તુલના કરો.

જવાબ:

ટેબલ: ANN vs Biological Neural Network

મુખ્ય તફાવતો:

• ANN: મગજથી પ્રેરિત ગાણિતિક મોડલ
• Biological: વાસ્તવિક મગજના neural networks
• હેતુ: ANN computation માટે, Biological cognition માટે
• અનુકૂલનક્ષમતા: Biological networks વધુ flexible

મેમરી ટ્રીક: “DSML-CFEP” (Digital-Speed-Memory-Layer vs Complex-Fault-Energy-Parallel)

પ્રશ્ન 2(ક) OR [7 ગુણ]

#

Supervised, unsupervised અને reinforcement learning ની વિવિધ applications ની સૂચિ બનાવો.

જવાબ:

ટેબલ: વિવિધ Learning પ્રકારોની Applications

વિગતવાર Applications:

Supervised Learning:

• Classification: Spam detection, sentiment analysis, image recognition
• Regression: કિંમત આગાહ, હવામાન આગાહ, વેચાણ અંદાજ

Unsupervised Learning:

• Clustering: Market segmentation, gene sequencing, recommendation systems
• Association: Market basket analysis, web usage patterns

Reinforcement Learning:

• Control Systems: Robot control, traffic management
• Optimization: Resource scheduling, portfolio management

મેમરી ટ્રીક: “SCR-CRO” (Supervised-Classification-Regression, Unsupervised-Clustering-Association, Reinforcement-Control-Optimization)

પ્રશ્ન 3(અ) [3 ગુણ]

#

સિંગલ લેયર ફોરવર્ડ નેટવર્કને યોગ્ય ડાયાગ્રામ સાથે સમજાવો.

જવાબ:

સિંગલ લેયર ફોરવર્ડ નેટવર્ક (Perceptron) એ સૌથી સરળ neural network છે જેમાં input અને output વચ્ચે weights નો એક સ્તર હોય છે.

ડાયાગ્રામ:

graph LR
    X1[Input X1] --> |W1| S[Σ]
    X2[Input X2] --> |W2| S
    X3[Input X3] --> |W3| S
    B[Bias b] --> S
    S --> A[Activation Function]
    A --> Y[Output Y]

ઘટકો:

• Inputs: X1, X2, X3 (feature values)
• Weights: W1, W2, W3 (connection strengths)
• Bias: Threshold adjustment માટે વધારાનું parameter
• Summation: Inputs નો weighted sum
• Activation: Output બનાવવા માટેનું function

ગાણિતિક સૂત્ર: Y = f(Σ(Wi × Xi) + b)

મેમરી ટ્રીક: “IWSA” (Input-Weight-Sum-Activation)

પ્રશ્ન 3(બ) [4 ગુણ]

#

Backpropagation પર ટૂંકી નોંધ લખો.

જવાબ:

Backpropagation એ supervised learning algorithm છે જે error calculation આધારે weights adjust કરીને neural networks ને train કરવા માટે વપરાય છે.

ટેબલ: Backpropagation પ્રક્રિયા

મુખ્ય લક્ષણો:

• Gradient Descent: Optimal weights શોધવા માટે calculus વાપરે છે
• Chain Rule: દરેક weight ના error contribution ની ગણતરી
• Iterative Process: Convergence સુધી પુનરાવર્તન
• Learning Rate: Weight updates ની ઝડપ નિયંત્રિત કરે છે

પગલાં:

1. Random weights initialize કરવા
2. Output મેળવવા forward propagation
3. Actual અને predicted વચ્ચે error ની ગણતરી
4. Weights update કરવા backward propagation

મેમરી ટ્રીક: “FCBU” (Forward-Calculate-Backward-Update)

પ્રશ્ન 3(ક) [7 ગુણ]

#

ફીડ ફોરવર્ડ ન્યુરોન નેટવર્કના આર્કિટેક્ચરના components સમજાવો.

જવાબ:

ફીડ ફોરવર્ડ ન્યુરલ નેટવર્ક અનેક સ્તરો ધરાવે છે જ્યાં માહિતી input થી output સુધી એક દિશામાં વહે છે.

ડાયાગ્રામ:

graph LR
    subgraph Input Layer
    I1[X1]
    I2[X2]
    I3[X3]
    end
    
    subgraph Hidden Layer
    H1[N1]
    H2[N2]
    H3[N3]
    end
    
    subgraph Output Layer
    O1[Y1]
    O2[Y2]
    end
    
    I1 --> H1
    I1 --> H2
    I1 --> H3
    I2 --> H1
    I2 --> H2
    I2 --> H3
    I3 --> H1
    I3 --> H2
    I3 --> H3
    
    H1 --> O1
    H1 --> O2
    H2 --> O1
    H2 --> O2
    H3 --> O1
    H3 --> O2

ઘટકો:

1. Input Layer:

• Raw data મેળવે છે
• કોઈ processing નથી, માત્ર વિતરણ
• Neurons ની સંખ્યા = features ની સંખ્યા

2. Hidden Layer(s):

• Computation અને transformation કરે છે
• Activation functions ધરાવે છે
• અનેક hidden layers હોઈ શકે છે

3. Output Layer:

• અંતિમ પરિણામો ઉત્પન્ન કરે છે
• Neurons ની સંખ્યા = outputs ની સંખ્યા
• Task પ્રકાર માટે યોગ્ય activation વાપરે છે

4. Weights અને Biases:

• Weights: Neurons વચ્ચેની connection strengths
• Biases: Threshold adjustment parameters

5. Activation Functions:

• Non-linearity દાખલ કરે છે
• સામાન્ય પ્રકારો: ReLU, Sigmoid, Tanh

મેમરી ટ્રીક: “IHO-WA” (Input-Hidden-Output, Weights-Activation)

પ્રશ્ન 3(અ) OR [3 ગુણ]

#

મલ્ટિલેયર ફીડ ફોરવર્ડ ANN ને ડાયાગ્રામ સાથે સમજાવો.

જવાબ:

મલ્ટિલેયર ફીડ ફોરવર્ડ ANN માં input અને output layers વચ્ચે અનેક hidden layers હોય છે, જે જટિલ pattern recognition સક્ષમ બનાવે છે.

ડાયાગ્રામ:

graph LR
    subgraph Input
    I1[X1]
    I2[X2]
    end
    
    subgraph Hidden1
    H11[H1]
    H12[H2]
    end
    
    subgraph Hidden2
    H21[H1]
    H22[H2]
    end
    
    subgraph Output
    O1[Y]
    end
    
    I1 --> H11
    I1 --> H12
    I2 --> H11
    I2 --> H12
    
    H11 --> H21
    H11 --> H22
    H12 --> H21
    H12 --> H22
    
    H21 --> O1
    H22 --> O1

લક્ષણો:

• Deep Architecture: અનેક hidden layers
• જટિલ Patterns: Non-linear relationships શીખી શકે છે
• Universal Approximator: કોઈપણ સતત function નો અંદાજ લગાવી શકે છે

મેમરી ટ્રીક: “MDC” (Multiple layers, Deep learning, Complex patterns)

પ્રશ્ન 3(બ) OR [4 ગુણ]

#

સમજાવો ‘ReLU એ સૌથી વધુ ઉપયોગમાં લેવાતું Activation function છે.’

જવાબ:

ReLU (Rectified Linear Unit) તેની સરળતા અને deep networks માં અસરકારકતાને કારણે વ્યાપક રીતે વપરાય છે.

ટેબલ: ReLU કેમ લોકપ્રિય છે

ગાણિતિક વ્યાખ્યા: f(x) = max(0, x)

અન્ય Functions સાથે તુલના:

• vs Sigmoid: Saturation સમસ્યા નથી, ઝડપી computation
• vs Tanh: સરળ ગણતરી, વધુ સારો gradient flow
• મર્યાદાઓ: Negative inputs માટે dead neurons સમસ્યા

સૌથી સામાન્ય કેમ:

• Vanishing gradient સમસ્યા હલ કરે છે
• Computationally કાર્યક્ષમ
• વ્યવહારમાં સારું કામ કરે છે
• Hidden layers માટે default પસંદગી

મેમરી ટ્રીક: “CGSN” (Computational, Gradient, Sparsity, Non-linear)

પ્રશ્ન 3(ક) OR [7 ગુણ]

#

Artificial Neural Network ની સ્ટેપ બાય સ્ટેપ લર્નિંગ પ્રક્રિયા સમજાવો.

જવાબ:

ANN Learning Process માં prediction error ઘટાડવા માટે iterative weight adjustment સામેલ છે.

ટેબલ: સ્ટેપ-બાય-સ્ટેપ લર્નિંગ પ્રક્રિયા

વિગતવાર સ્ટેપ્સ:

સ્ટેપ 1: Weights Initialize કરવા

• બધા weights અને biases ને નાના random values સોંપવા
• Symmetry breaking સમસ્યા અટકાવે છે

સ્ટેપ 2: Forward Propagation

• Input data network layers દ્વારા આગળ વહે છે
• દરેક neuron weighted sum + activation ની ગણતરી કરે છે

સ્ટેપ 3: Error ની ગણતરી

• Network output ને desired output સાથે compare કરવું
• MSE અથવા Cross-entropy જેવા loss functions વાપરવા

સ્ટેપ 4: Backward Propagation

• દરેક weight માટે error gradient ની ગણતરી
• Error પાછળની દિશામાં propagate કરવા chain rule વાપરવું

સ્ટેપ 5: Weights Update કરવા

• Gradient descent વાપરીને weights adjust કરવા
• New_weight = Old_weight - (learning_rate × gradient)

સ્ટેપ 6: પ્રક્રિયા પુનરાવર્તન

• Error converge થાય અથવા maximum epochs સુધી ચાલુ રાખવું
• Overfitting ટાળવા validation performance monitor કરવું

મેમરી ટ્રીક: “IFEBWI” (Initialize-Forward-Error-Backward-Weight-Iterate)

પ્રશ્ન 4(અ) [3 ગુણ]

#

નેચરલ લેંગ્વેજ પ્રોસેસિંગના વિવિધ ફાયદા અને ગેરફાયદાની યાદી બનાવો.

જવાબ:

ટેબલ: NLP ફાયદા અને ગેરફાયદા

મુખ્ય પોઈન્ટ્સ:

• ફાયદા: કાર્યક્ષમતા, સુલભતા, સુસંગતતા
• ગેરફાયદા: જટિલતા, resource જરૂરિયાતો, મર્યાદાઓ
• સંતુલન: ઘણી applications માં ફાયદા પડકારો કરતાં વધુ છે

મેમરી ટ્રીક: “AMS-ACC” (Automation-Multilingual-Scalability vs Ambiguity-Context-Computational)

પ્રશ્ન 4(બ) [4 ગુણ]

#

NLP માં પ્રી-પ્રોસેસિંગ તકનીકોની સૂચિ બનાવો અને પાયથોન પ્રોગ્રામ વડે કોઈપણ એકને demonstrate કરો.

જવાબ:

ટેબલ: NLP પ્રીપ્રોસેસિંગ તકનીકો

Python પ્રોગ્રામ - Tokenization:

import nltk
from nltk.tokenize import word_tokenize, sent_tokenize

# Sample text
text = "Natural Language Processing અદ્ભુત છે. તે કોમ્પ્યુટરોને માનવી ભાષા સમજવામાં મદદ કરે છે."

# Word tokenization
words = word_tokenize(text)
print("Words:", words)

# Sentence tokenization  
sentences = sent_tokenize(text)
print("Sentences:", sentences)

મેમરી ટ્રીક: “TSSL-PN” (Tokenization-Stop-Stemming-Lemmatization, POS-NER)

પ્રશ્ન 4(ક) [7 ગુણ]

#

NLP ના phases સમજાવો.

જવાબ:

NLP Phases natural language ને process અને સમજવા માટેના વ્યવસ્થિત અભિગમને દર્શાવે છે.

ટેબલ: NLP Phases

વિગતવાર સમજાવટ:

1. Lexical Analysis:

• NLP pipeline નો પ્રથમ તબક્કો
• Character stream ને tokens માં કન્વર્ટ કરે છે
• Punctuation અને special characters દૂર કરે છે

2. Syntactic Analysis:

• વ્યાકરણનું structure વિશ્લેષણ કરે છે
• Parse trees બનાવે છે
• વાક્યના ઘટકો ઓળખે છે

3. Semantic Analysis:

• ટેક્સ્ટમાંથી અર્થ extract કરે છે
• શબ્દની અસ્પષ્ટતા handle કરે છે
• શબ્દોને concepts સાથે map કરે છે

4. Discourse Integration:

• વાક્ય સ્તર પાર ટેક્સ્ટનું વિશ્લેષણ કરે છે
• વાક્યો પાર context જાળવે છે
• References અને connections resolve કરે છે

5. Pragmatic Analysis:

• વાસ્તવિક જગતનો context consider કરે છે
• Speaker નો intent સમજે છે
• રૂપક ભાષા handle કરે છે

મેર્મેઈડ ડાયાગ્રામ:

graph TD
    A[Raw Text] --> B[Lexical Analysis]
    B --> C[Syntactic Analysis]
    C --> D[Semantic Analysis]
    D --> E[Discourse Integration]
    E --> F[Pragmatic Analysis]
    F --> G[Understanding]

મેમરી ટ્રીક: “LSSDP” (Lexical-Syntactic-Semantic-Discourse-Pragmatic)

પ્રશ્ન 4(અ) OR [3 ગુણ]

#

નેચરલ લેંગ્વેજ પ્રોસેસિંગ શું છે? તેની applications ની યાદી બનાવો.

જવાબ:

નેચરલ લેંગ્વેજ પ્રોસેસિંગ (NLP) AI ની એક શાખા છે જે કોમ્પ્યુટરોને માનવી ભાષાને અર્થપૂર્ણ રીતે સમજવા, અર્થઘટન કરવા અને generate કરવા સક્ષમ બનાવે છે.

ટેબલ: NLP Applications

મુખ્ય Applications:

• મશીન અનુવાદ: ભાષાઓ વચ્ચે ટેક્સ્ટ કન્વર્ટ કરવું
• સ્પીચ રેકગ્નિશન: વાણીને ટેક્સ્ટમાં કન્વર્ટ કરવું
• ટેક્સ્ટ સમરાઈઝેશન: સંક્ષિપ્ત સારાંશ બનાવવા
• પ્રશ્ન જવાબ: પ્રશ્નોના જવાબો આપવા

મેમરી ટ્રીક: “CTAS-WB” (Communication-Translation-Analysis-Search, Writing-Business)

પ્રશ્ન 4(બ) OR [4 ગુણ]

#

NLTK માં WordNet સાથે કરવામાં આવતા કાર્યોની સૂચિ બનાવો અને python code વડે કોઈપણ એકને demonstrate કરો.

જવાબ:

ટેબલ: NLTK માં WordNet કાર્યો

Python કોડ - Synsets અને Definitions:

from nltk.corpus import wordnet

# 'સારું' શબ્દ માટે synsets મેળવવા
synsets = wordnet.synsets('good')
print("Synsets:", synsets)

# વ્યાખ્યા મેળવવી
definition = synsets[0].definition()
print("Definition:", definition)

# ઉદાહરણો મેળવવા
examples = synsets[0].examples()
print("Examples:", examples)

મેમરી ટ્રીક: “SDEHA” (Synsets-Definitions-Examples-Hyponyms-Antonyms)

પ્રશ્ન 4(ક) OR [7 ગુણ]

#

NLP માં ambiguities ના પ્રકારો સમજાવો.

જવાબ:

NLP Ambiguities ત્યારે થાય છે જ્યારે ટેક્સ્ટનું અનેક રીતે અર્થઘટન થઈ શકે છે, જે automated understanding માટે પડકારો બનાવે છે.

ટેબલ: Ambiguities ના પ્રકારો

વિગતવાર સમજાવટ:

1. Lexical Ambiguity:

• એક જ શબ્દ, વિવિધ અર્થો
• Homonyms અને polysemes
• ઉદાહરણ: “બેટ” (પ્રાણી/રમત સાધન)

2. Syntactic Ambiguity:

• અનેક વ્યાકરણ structures
• વિવિધ parse trees શક્ય
• ઉદાહરણ: “મેં દૂરબીન સાથે એક માણસને જોયો”

3. Semantic Ambiguity:

• વાક્ય-સ્તરે અર્થની ગૂંચવણ
• અનેક અર્થઘટન શક્ય
• ઉદાહરણ: “સંબંધીઓની મુલાકાત કંટાળાજનક હોઈ શકે છે”

4. Pragmatic Ambiguity:

• Context અને intent આધારિત
• સાંસ્કૃતિક અને પરિસ્થિતિગત પરિબળો
• ઉદાહરણ: વ્યંગ અને indirect requests

5. Referential Ambiguity:

• Entities ના અસ્પષ્ટ references
• Pronoun resolution પડકારો
• ઉદાહરણ: અનેક શક્ય antecedents

નિવારણ વ્યૂહરચનાઓ:

• Context analysis અને machine learning
• આંકડાકીય disambiguation પદ્ધતિઓ
• Knowledge bases અને ontologies

મેમરી ટ્રીક: “LSSPR” (Lexical-Syntactic-Semantic-Pragmatic-Referential)

પ્રશ્ન 5(અ) [3 ગુણ]

#

બેગ ઓફ વર્ડ્સને ઉદાહરણ સાથે સમજાવો.

જવાબ:

બેગ ઓફ વર્ડ્સ (BoW) એ ટેક્સ્ટ પ્રતિનિધિત્વ પદ્ધતિ છે જે શબ્દની આવર્તન આધારે ટેક્સ્ટને આંકડાકીય vectors માં કન્વર્ટ કરે છે, વ્યાકરણ અને શબ્દ ક્રમને અવગણીને.

ટેબલ: BoW પ્રક્રિયા

ઉદાહરણ:

દસ્તાવેજો:

• Doc1: “હું મશીન લર્નિંગ પસંદ કરું છું”
• Doc2: “મશીન લર્નિંગ અદ્ભુત છે”

Vocabulary: [હું, પસંદ, મશીન, લર્નિંગ, અદ્ભુત, છે, કરું, છું]

BoW Vectors:

• Doc1: [1, 1, 1, 1, 0, 0, 1, 1]
• Doc2: [0, 0, 1, 1, 1, 1, 0, 0]

લક્ષણો:

• ક્રમ સ્વતંત્ર: શબ્દ ક્રમ અવગણવામાં આવે છે
• આવર્તન આધારિત: શબ્દ occurrences ગણે છે
• Sparse Representation: ઘણા શૂન્ય મૂલ્યો

મેમરી ટ્રીક: “TVC” (Tokenize-Vocabulary-Count)

પ્રશ્ન 5(બ) [4 ગુણ]

#

Word2Vec શું છે? તેના steps સમજાવો.

જવાબ:

Word2Vec એ neural network-આધારિત તકનીક છે જે મોટા text corpora માં તેમના context થી શીખીને શબ્દોના dense vector representations બનાવે છે.

ટેબલ: Word2Vec Models

Word2Vec ના સ્ટેપ્સ:

1. ડેટા તૈયારી:

• મોટો text corpus એકત્ર કરવો
• ટેક્સ્ટ સાફ કરવું અને preprocess કરવું
• Training pairs બનાવવા

2. મોડલ આર્કિટેક્ચર:

• Input layer (one-hot encoded words)
• Hidden layer (embedding layer)
• Output layer (prediction માટે softmax)

3. Training પ્રક્રિયા:

• CBOW: context થી target word ની આગાહ
• Skip-gram: target word થી context ની આગાહ
• Weights update કરવા backpropagation વાપરવું

4. Vector Extraction:

• Hidden layer થી weight matrix extract કરવું
• દરેક row word embedding દર્શાવે છે
• સામાન્યતઃ 100-300 dimensions

લાભો:

• Semantic relationships કેપ્ચર કરે છે
• સમાન શબ્દોના સમાન vectors હોય છે
• Arithmetic operations સપોર્ટ કરે છે (રાજા - પુરુષ + સ્ત્રી = રાણી)

મેમરી ટ્રીક: “DMAT” (Data-Model-Architecture-Training)

પ્રશ્ન 5(ક) [7 ગુણ]

#

NLP ની applications ની યાદી બનાવો અને કોઈપણ એકને વિગતવાર સમજાવો.

જવાબ:

ટેબલ: NLP Applications

વિગતવાર સમજાવટ: Sentiment Analysis

Sentiment Analysis એ ટેક્સ્ટ ડેટામાં વ્યક્ત કરાયેલ ભાવનાત્મક tone અને મંતવ્યો નક્કી કરવાની પ્રક્રિયા છે.

ઘટકો:

• ટેક્સ્ટ પ્રીપ્રોસેસિંગ: સફાઈ અને tokenization
• Feature Extraction: TF-IDF, word embeddings
• વર્ગીકરણ: સકારાત્મક, નકારાત્મક, તટસ્થ
• વિશ્વાસ સ્કોરિંગ: Sentiment ની મજબૂતાઈ

પ્રક્રિયા સ્ટેપ્સ:

1. ડેટા સંગ્રહ: Reviews, social media થી ટેક્સ્ટ એકત્ર કરવું
2. પ્રીપ્રોસેસિંગ: Noise દૂર કરવો, ટેક્સ્ટ normalize કરવું
3. Feature Engineering: ટેક્સ્ટને આંકડાકીય features માં કન્વર્ટ કરવું
4. મોડલ ટ્રેનિંગ: વર્ગીકરણ માટે ML algorithms વાપરવા
5. આગાહી: નવા ટેક્સ્ટના sentiment ની વર્ગીકરણ
6. મૂલ્યાંકન: ચોકસાઈ અને કામગીરી માપવી

Applications:

• બ્રાન્ડ મોનિટરિંગ: ગ્રાહક મંતવ્યોને ટ્રેક કરવા
• પ્રોડક્ટ રિવ્યૂ: ગ્રાહક પ્રતિસાદનું વિશ્લેષણ
• સોશિયલ મીડિયા: જાહેર sentiment ને monitor કરવું
• બજાર સંશોધન: ગ્રાહક પસંદગીઓ સમજવી

મેમરી ટ્રીક: “MSCTSIQ-S” (Machine-Sentiment-Chatbot-Text-Speech-Information-Question-Spam)

પ્રશ્ન 5(અ) OR [3 ગુણ]

#

ઉદાહરણ સાથે TFIDF સમજાવો.

જવાબ:

TF-IDF (Term Frequency-Inverse Document Frequency) દસ્તાવેજોના સંગ્રહ સાપેક્ષે દસ્તાવેજમાં શબ્દની મહત્ત્વતા માપે છે.

સૂત્ર: TF-IDF = TF(t,d) × IDF(t)

જ્યાં:

• TF(t,d) = (દસ્તાવેજ d માં term t કેટલી વખત આવે છે) / (દસ્તાવેજ d માં કુલ terms)
• IDF(t) = log(કુલ દસ્તાવેજો / term t ધરાવતા દસ્તાવેજો)

ઉદાહરણ:

દસ્તાવેજો:

• Doc1: “મશીન લર્નિંગ સારું છે”
• Doc2: “લર્નિંગ algorithms સારા છે”
• Doc3: “મશીન algorithms સારું કામ કરે છે”

ટેબલ: “મશીન” માટે TF-IDF ગણતરી

મુખ્ય પોઈન્ટ્સ:

• ઉચ્ચ TF-IDF: વિશિષ્ટ દસ્તાવેજમાં મહત્વપૂર્ણ શબ્દ
• નીચો TF-IDF: દસ્તાવેજો પાર સામાન્ય શબ્દ
• Applications: માહિતી પુનઃપ્રાપ્તિ, text mining

મેમરી ટ્રીક: “TI-FD” (Term frequency, Inverse Document frequency)

પ્રશ્ન 5(બ) OR [4 ગુણ]

#

TFIDF અને BOW સાથેના challenges વિશે સમજાવો.

જવાબ:

ટેબલ: TF-IDF અને BOW સાથેના પડકારો

વિગતવાર પડકારો:

1. Semantic Understanding નો અભાવ:

• શબ્દો સ્વતંત્ર features તરીકે ગણાય છે
• Synonyms અથવા સંબંધિત concepts સમજી શકતા નથી
• “સારું” અને “ઉત્તમ” અલગ રીતે ગણાય છે

2. શબ્દ ક્રમ ખોવાઈ જવો:

• “કુતરો માણસને કરડે છે” vs “માણસ કુતરાને કરડે છે” સમાન representation
• Context અને વ્યાકરણની માહિતી ખોવાઈ જાય છે
• વાક્ય structure અવગણવામાં આવે છે

3. ઉચ્ચ Dimensionality:

• Vector size vocabulary size ની બરાબર
• મોટાભાગે શૂન્યો સાથે sparse matrices
• Storage અને computation સમસ્યાઓ

4. Context Insensitivity:

• એક જ શબ્દ વિવિધ contexts માં સમાન ગણાય છે
• “Apple” કંપની vs ફળ સમાન representation
• Polysemy અને homonymy સમસ્યાઓ

ઉકેલો:

• Word Embeddings: Word2Vec, GloVe
• Contextual Models: BERT, GPT
• N-grams: કેટલાક શબ્દ ક્રમ કેપ્ચર કરવા
• Dimensionality Reduction: PCA, SVD

મેમરી ટ્રીક: “SSVO-CP” (Semantic-Sequence-Vocabulary-OOV, Context-Polysemy)

પ્રશ્ન 5(ક) OR [7 ગુણ]

#

GloVe ની કામગીરી સમજાવો.

જવાબ:

GloVe (Global Vectors for Word Representation) word embeddings બનાવવા માટે global આંકડાકીય માહિતીને local context windows સાથે જોડે છે.

ટેબલ: GloVe vs અન્ય પદ્ધતિઓ

કામગીરી પ્રક્રિયા:

1. Co-occurrence Matrix Construction:

• Context windows માં શબ્દ co-occurrences ગણવા
• Global statistics matrix બનાવવો
• Xij = word j, word i ના context માં કેટલી વખત આવે છે

2. Ratio ગણતરી:

• સંભાવના ratios ની ગણતરી
• P(k|i) = Xik / Xi (word i આપવામાં આવે તો word k ની સંભાવના)
• સંભાવનાઓ વચ્ચેના અર્થપૂર્ણ ratios પર ધ્યાન

3. Objective Function:

• Weighted least squares objective minimize કરવું
• J = Σ f(Xij)(wi^T wj + bi + bj - log Xij)²
• જ્યાં f(x) weighting function છે

4. Vector Learning:

• Objective optimize કરવા gradient descent વાપરવું
• Word vectors wi અને context vectors wj શીખવા
• અંતિમ representation બંને vectors combine કરે છે

મુખ્ય લક્ષણો:

Global Statistics:

• સમગ્ર corpus માહિતી વાપરે છે
• Global word relationships કેપ્ચર કરે છે
• Local પદ્ધતિઓ કરતાં વધુ સ્થિર

કાર્યક્ષમતા:

• Co-occurrence statistics પર train કરે છે
• Neural network પદ્ધતિઓ કરતાં ઝડપી
• મોટા corpora માટે scalable

પ્રદર્શન:

• Analogy tasks પર સારું પ્રદર્શન
• Semantic અને syntactic બંને સંબંધો કેપ્ચર કરે છે
• Similarity tasks પર સારી કામગીરી

ગાણિતિક આધાર:

J = Σ(i,j=1 to V) f(Xij)(wi^T wj + bi + bj - log Xij)²

જ્યાં:

• V = vocabulary size
• Xij = co-occurrence count
• wi, wj = word vectors
• bi, bj = bias terms
• f(x) = weighting function

ફાયદા:

• લાભો સંયોજન: Global statistics + local context
• સમજી શકાય તેવું: સ્પષ્ટ ગાણિતિક આધાર
• કાર્યક્ષમ: Word2Vec કરતાં ઝડપી training
• અસરકારક: વિવિધ tasks પર સારી કામગીરી

Applications:

• શબ્દ સમાનતા: સંબંધિત શબ્દો શોધવા
• Analogy Tasks: રાજા - પુરુષ + સ્ત્રી = રાણી
• ટેક્સ્ટ વર્ગીકરણ: Feature representation
• મશીન અનુવાદ: Cross-lingual mappings

મેમરી ટ્રીક: “CROF-PGAE” (Co-occurrence-Ratio-Objective-Function, Performance-Global-Advantage-Efficiency)