యంత్ర అభ్యాసం: ఇది ఏమిటి మరియు ai తో దాని సంబంధం ఏమిటి?

ఈ రోజు మేము మీకు మరింత లోతుగా నేర్పించాలనుకుంటున్నాము, అది విప్లవాత్మకమైన పదాలలో ఒకటి మరియు మనకు తెలిసినట్లుగా కొన్ని పరస్పర చర్యలను విప్లవాత్మకంగా మారుస్తుంది. మేము ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మరియు దాని యొక్క నిర్దిష్ట శాఖ, మెషిన్ లెర్నింగ్ లేదా ఆటోమేటిక్ లెర్నింగ్ గురించి మాట్లాడుతున్నాము.

మీకు తెలిసినట్లుగా, కంప్యూటింగ్ ఎల్లప్పుడూ స్థిరమైన పరిణామంలో ఉంటుంది మరియు మనం కొనగలిగేది సాధారణంగా సాధ్యమైనంత అత్యాధునికమైనది కాదు.

ఉదాహరణకు, మేము 4 వ తరం పిసిఐ-ఎక్స్‌ప్రెస్‌ను అభివృద్ధి చేస్తున్నప్పుడు , పరిశోధకులు ఇప్పటికే పిసిఐఇ జెన్ 5 ను అభివృద్ధి చేస్తున్నారు మరియు 6 వ జంప్‌ను అధ్యయనం చేస్తున్నారు. ఇదే కారణంతో మనం ఎన్నడూ వినని పనులను చేయడం తెలియని సాంకేతిక పరిజ్ఞానాన్ని కనుగొనడం అసాధారణం కాదు.

మనం ఇంకేముందు వెళ్ళేముందు, మనం మాట్లాడబోయే అంశాన్ని తగ్గించుకుందాం ఎందుకంటే మెషిన్ లెర్నింగ్ అంటే ఏమిటి?

విషయ సూచిక

మెషిన్ లెర్నింగ్ అంటే ఏమిటి?

మెషిన్ లెర్నింగ్ అనేది కంప్యూటర్ సైన్స్ మరియు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ యొక్క ఒక నిర్దిష్ట శాఖ, ఇక్కడ ఆటోమేటిక్ లెర్నింగ్ సామర్థ్యం గల వ్యవస్థలు సృష్టించబడతాయి .

ఈ శాఖ 80 లలో దాని అధ్యయనం మరియు అభివృద్ధిని ప్రారంభించింది మరియు నేడు ఇది చాలా అభివృద్ధి చెందింది. ఇదే కారణంతో, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మరియు మెషిన్ లెర్నింగ్ రెండూ అనేక శాస్త్రీయ మరియు రోజువారీ రంగాలలో ఉపయోగించబడతాయి.

ఈ శాఖలో, AI లు పెద్ద మొత్తంలో డేటాను ప్రాసెస్ చేయగల మరియు తదనుగుణంగా నేర్చుకోగల ఒకటి లేదా అంతకంటే ఎక్కువ అల్గారిథమ్‌లతో రూపొందించబడ్డాయి. ఈ అంశం కక్ష్యలో ఉన్న రెండు ముఖ్య ఆలోచనలు:

• సిస్టమ్ డేటాను విశ్లేషించగలగాలి మరియు దాని పుట్టుకతో లేని నైపుణ్యాలను పెంచుకోవాలి. ఇంటెలిజెన్స్ ఆ పనిని స్వయంప్రతిపత్తితో చేయగలగాలి , అంటే మానవ పర్యవేక్షణ లేకుండా.

వాస్తవ ప్రపంచంలో, ఇమెయిళ్ళలో స్పామ్ యొక్క వర్గీకరణ, అమెజాన్ పై సంబంధిత సిఫార్సులు లేదా కంపెనీ డేటాను ఉపయోగించి భవిష్యత్తు యొక్క అంచనాలు వంటి ఆచరణాత్మక ఉదాహరణలు మనకు ఉన్నాయి. తరువాతి ఆసక్తికరమైన విభాగం, ఎక్కువ కంపెనీలు బెట్టింగ్ చేస్తున్నాయి.

మెషిన్ లెర్నింగ్ ఉపయోగించి అదే స్థితిలో ఉన్న ఇతర వినియోగదారులతో సంబంధాన్ని మెరుగుపరచడానికి ప్రయత్నించడానికి అసంతృప్తి చెందిన కస్టమర్లను లేదా మాజీ కస్టమర్లను ఏ నమూనాలు గుర్తిస్తాయో మనం చూడవచ్చు. సీనియారిటీ, ఫిర్యాదుల సంఖ్య, ఒప్పంద ప్రణాళికలు మరియు ఇతరులు కొన్ని ప్రొఫైల్‌లను రూపొందించడానికి అధ్యయనం చేస్తారు . AI యొక్క తీర్మానాలు తీసిన తర్వాత, మార్కెటింగ్ నిపుణుల బృందం ఆ సమస్యలను ఎదుర్కోవడానికి ఒక నిర్దిష్ట ప్రచారాన్ని సృష్టించవచ్చు.

అందువల్ల, కంపెనీ కొన్ని ump హల ఆధారంగా కస్టమర్లను ఆకర్షించడానికి లేదా ఉంచడానికి ప్రణాళికలను రూపొందించగలదు మరియు రియాక్టివ్ స్ట్రాటజీ నుండి చురుకైన వాటికి వెళుతుంది . ఇది ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ , పెద్ద మొత్తంలో డేటా మరియు మెషిన్ లెర్నింగ్ ఉపయోగించే చాలా ఆసక్తికరమైన వ్యూహం.

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ఎలా శిక్షణ పొందుతుంది?

ఒక ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ సిద్ధం కావాలంటే అది వివిధ దశల ద్వారా వెళ్ళాలి :

1. ఇది మొదట నియంత్రిత వాతావరణం గుండా వెళుతుంది . ఇక్కడ మీరు పెద్ద మొత్తంలో డేటాను మరియు వాటి ఫలితాలను నమోదు చేస్తారు, దానితో మీరు ఆలోచనల మధ్య సంబంధాలను సృష్టించవచ్చు. ఈ భాగాన్ని పర్యవేక్షించిన అభ్యాసం అంటారు . అప్పుడు మీరు ఉచిత మరియు జవాబు లేని వాతావరణంలో ఉంచబడతారు, అక్కడ AI కూడా ఫలితాన్ని ఎంచుకోవాలి. మీ సమాధానాలు సరైనవో కాదో తెలుసుకోవడం ద్వారా, మీరు మీ అల్గోరిథంలో కొత్త నియమాలను సృష్టిస్తారు. ఈ దశను పర్యవేక్షించని అభ్యాసం అంటారు . చివరగా, అతను తడబడే చోట అతనికి వాతావరణం సిద్ధం అవుతుంది . ఉదాహరణకు, తక్కువ ప్రకాశంతో చిత్రాలను వేరు చేయడం మీకు కష్టమైతే, బహుశా మీకు రాత్రి ఫోటోలతో శిక్షణ ఇవ్వబడుతుంది. ఈ దశను ఉపబల అభ్యాసం అంటారు . మీరు ఇంటెలిజెన్స్‌ను చక్కగా తీర్చిదిద్దాలనుకునే దశ 2 వ దశ నుండి ఈ ప్రక్రియ చేయవచ్చు .

యంత్ర అభ్యాసంపై సాధారణీకరించిన పథకం

ఒక AI పది మిలియన్ ఫోటోలను చూపించి, కుక్కలు మరియు లేనివి ఏమిటో చెప్పడం ఒక ఆచరణాత్మక ఉదాహరణ . ఇక్కడ అతను కుక్కలకు సాధారణంగా బొచ్చు కలిగి ఉంటాడని, అవి సాధారణంగా నాలుగు కాళ్ళపైకి వెళ్తాయి మరియు జాతిని బట్టి వేర్వేరు ఆకారాలు మరియు పరిమాణాలు ఉంటాయి.

తరువాత, అతనికి వర్గీకరించడానికి ఒక మిలియన్ ఫోటోలు ఇవ్వబడతాయి . ఫోటోలో కుక్క ఉందా లేదా అనే దానిపై ఇక్కడ మీరు సమాధానం ఇవ్వాలి మరియు మీ డేటాబేస్లో మీరు కొత్త 'ఆలోచనలను' సృష్టిస్తారా లేదా అనే దాని ప్రకారం. ఈ క్రొత్త డేటాను అమలు చేయడానికి, ఇంటెలిజెన్స్ దాని అల్గోరిథంలో కొత్త నియమాలను ఏర్పాటు చేస్తుంది మరియు ఇప్పుడు, ఉదాహరణకు, ఇది పిల్లుల నుండి కుక్కలను వేరు చేయగలదు.

చివరగా, అతని సామర్థ్యాన్ని అధ్యయనం చేస్తారు మరియు అతని బలహీనమైన పాయింట్లకు శిక్షణ ఇవ్వడానికి కొత్త ఫోటోలు తయారు చేయబడతాయి .

వాస్తవానికి, ఇది ప్రదర్శన కోసం సరళమైన మరియు చాలా పునరావృతమయ్యే వ్యవస్థ, కానీ ఇతర ప్రయోగాత్మక మరియు విచిత్రమైన పద్ధతులు ఉన్నాయి.

టే, ట్విట్టర్ బోట్

మైక్రోసాఫ్ట్ అభివృద్ధి చేసిన AI అనే ప్రయోగాత్మక శిక్షణ యొక్క ఇటీవలి కేసు మానవుడిగా వ్యక్తీకరించడానికి నేర్చుకుంది.

టే యొక్క ట్విట్టర్ ప్రొఫైల్

బోట్ ప్రారంభంలో 19 ఏళ్ల అమ్మాయిగా మాట్లాడటానికి ప్రోగ్రామ్ చేయబడింది మరియు మార్చి 23, 2016 న, ఆమె ట్విట్టర్ యొక్క చీకటి ప్రదేశాలలో విడుదల చేయబడింది .

సంఘంతో మాట్లాడటానికి మరియు మీరు అందుకున్న సందేశాల నుండి మరియు వినియోగదారులతో మీ పరస్పర చర్యల నుండి తెలుసుకోవడానికి మీరు ప్రోగ్రామ్ చేయబడ్డారు. ప్రతికూల ప్రవర్తనలను చూపించినందుకు ఆమె 16 గంటల తర్వాత ఉపసంహరించుకోవలసి వచ్చినప్పటికీ, ఆమె అభ్యాసం దాదాపు పూర్తిగా స్వయంప్రతిపత్తి కలిగి ఉంది.

తన జీవితంలో తక్కువ వ్యవధిలో, అతను 96, 000 కంటే ఎక్కువ ట్వీట్లను ట్వీట్ చేశాడు . ఏదేమైనా, ఈ సోషల్ నెట్‌వర్క్ యొక్క ఉద్దేశపూర్వక అప్రియమైన ప్రవర్తన, జాత్యహంకార మరియు ఇతర పదబంధాలతో టే స్పందించడం త్వరగా కంటే త్వరగా చేసింది .

ఈ సందర్భంలో, పర్యవేక్షించబడిన అభ్యాసం మరియు ప్రాథమిక నియమాల శ్రేణిని సక్రమంగా సవరించాలి. సోషల్ నెట్‌వర్క్ యొక్క నిర్లక్ష్య మరియు అప్రియమైన స్వరాన్ని తెలుసుకున్న టే , వ్యంగ్యం నుండి వాస్తవికతను వేరు చేయడానికి సిద్ధంగా లేడు. అదే కారణంతో, కొంతమంది వినియోగదారులు ఇంటెలిజెన్స్ యొక్క "మేధో అవరోధాన్ని" సులభంగా "విచ్ఛిన్నం" చేయగలిగారు.

వాస్తవ ప్రపంచంలో యంత్ర అభ్యాస అనువర్తనాలు

మెషీన్ లెర్నింగ్ గురించి మీకు ఇప్పటికే తెలిసిన కొన్ని రోజువారీ ఉపయోగాల గురించి మేము ఇప్పటికే మీకు చెప్పాము , కాని ఇతర సందర్భాలు ఏమిటి.

క్రింద మీరు చాలా సాధారణ సమస్యలలో ఈ సాంకేతికత యొక్క ఆచరణాత్మక అనువర్తనాల శ్రేణిని చూస్తారు. వాస్తవానికి, అవి అత్యాధునిక పరిష్కారాలు, కాబట్టి వాటికి సాధారణంగా ఎక్కువ డబ్బు అవసరం.

ఆరోగ్య

మన శరీరం గురించి సమాచారాన్ని చదవగలిగే కొత్త రకం దుస్తులు కోసం సాంకేతికత అధ్యయనం చేయబడుతోంది. ఇది మన పల్స్, శ్వాస లేదా ఆందోళనను చదవగలదు .

ఈ డేటాను ఇంటెలిజెన్స్ చదివి, రోగి యొక్క స్థితిని నిజ సమయంలో అంచనా వేస్తుంది . కాబట్టి మీకు నిర్దిష్ట సమయంలో గుండెపోటు వంటి సమస్య ఉంటే, మీరు రోగ నిర్ధారణ మరియు / లేదా మరింత త్వరగా స్పందించవచ్చు.

మరోవైపు, కొంతమంది వ్యక్తులలో ఆత్మహత్య ఆలోచనలను గుర్తించగల కొన్ని బాట్లు అమలు చేయబడ్డాయి. ప్రఖ్యాత ఫేస్బుక్ ఇంటెలిజెన్స్ సంభాషణలు మరియు ఆత్మహత్య ధోరణుల నమూనాలను గుర్తించడానికి మీ కార్యాచరణను చదువుతుంది, అయినప్పటికీ వ్యక్తి యొక్క ప్రవర్తన, అతని స్వరం మరియు అతని బాడీ లాంగ్వేజ్ గురించి మరింత దగ్గరగా అధ్యయనం చేసే ఇతర వెర్షన్లు ఉన్నాయి .

ఆర్థిక

ఆర్థిక శాస్త్రంలో, కొన్ని బ్యాంకులు మరియు కంపెనీలు మోసాలను గుర్తించడానికి మరియు నిరోధించడానికి మెషిన్ లెర్నింగ్ ఆధారిత పరిష్కారాలను ఉపయోగించాయి .

మరోవైపు, పెట్టుబడి అవకాశాలను మరింత సులభంగా గుర్తించడానికి ఇలాంటిదే ఉపయోగించబడుతుంది . స్టాక్స్ మరియు ఇతర మార్గాలను ఎప్పుడు విక్రయించాలో లేదా కొనాలో నిర్ణయించడానికి కూడా ఇది ఉపయోగించబడుతుంది.

మార్కెటింగ్

ఇది మేము ఇప్పటికే ప్రస్తావించాము, కానీ ఇది దాని యొక్క బాగా తెలిసిన అనువర్తనాల్లో ఒకటి.

అమెజాన్‌లో కొన్ని ఉత్పత్తులను చూడటం, ఫేస్‌బుక్, గూగుల్ లేదా ఇన్‌స్టాగ్రామ్‌లోకి ప్రవేశించడం మరియు మీ ప్రకటనలలో ఆ ఉత్పత్తిని చూడటం మీకు జరిగింది. ఇది యాదృచ్చికం కాదు, ఎందుకంటే సోషల్ నెట్‌వర్క్‌లు మరియు గూగుల్ మీ చరిత్రను అధ్యయనం చేసే ఇంటెలిజెన్స్‌ను అమలు చేస్తాయి మరియు వాటిని సాధ్యమైన చోట పట్టుకోవటానికి మీ సాధ్యం ఆసక్తులు.

కొంతమంది వినియోగదారులు దీనిని వినియోగదారుని 'దాడి చేసే' చొరబాటు మార్గంగా చూస్తారు మరియు వారు మీకు ఒక ఆలోచనతో బాంబు దాడి చేసినందున ఆశ్చర్యం లేదు. ఏదేమైనా, ప్రకటన మరింత వ్యక్తిగతమైనందున ఆ దిశగా కదులుతుంది మరియు ప్రకటనలు సంభావ్య కొనుగోలుదారులను లక్ష్యంగా చేసుకుంటాయి.

మెషిన్ లెర్నింగ్ మరియు డీప్ లెర్నింగ్

ఈ రెండు పదాలు సాధారణంగా చేతికి వెళ్తాయి, కానీ అవి సరిగ్గా ఒకేలా ఉండవు. భవిష్యత్ వ్యాసాలలో ఈ రెండవ పదం గురించి మాట్లాడుతాము, ఎందుకంటే ఇది నేర్చుకోవలసినది.

మేము మీకు సిఫార్సు చేస్తున్నాము AMD డ్రైవర్లను శుభ్రంగా మరియు సులభంగా అన్‌ఇన్‌స్టాల్ చేయడం ఎలా

సాధారణంగా, మెషిన్ లెర్నింగ్ మరియు డీప్ లెర్నింగ్ మధ్య సంబంధాన్ని ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మరియు మెషిన్ లెర్నింగ్ కలిగి ఉన్నట్లుగా మేము స్థాపించగలము . డీప్ లెర్నింగ్ అనేది మెషిన్ లెర్నింగ్ యొక్క మరింత నిర్దిష్ట శాఖ.

ఇది సమయం మరియు అనుభవంలో పరిణామం వంటి ముఖ్య విభాగాలను పంచుకుంటుంది , అయితే దీనికి మరో శ్రేణి తేడాలు ఉన్నాయి.

సరళీకృత లోతైన అభ్యాసం

డేటాను నేర్చుకోవడానికి మరియు ప్రాసెస్ చేయడానికి దాని ఆధారం న్యూరాన్‌ల వలె పనిచేసే వివిధ పొరలను ఉపయోగించడం. అందువల్ల, ఈ ఇంటెలిజెన్స్ సాధారణంగా మరింత శుద్ధి చేయబడిందని, కానీ మరింత క్లిష్టంగా మరియు నిర్మించడానికి ఖరీదైనదని మేము నిర్ధారించగలము.

మీకు ఈ అంశంపై ఎక్కువ ఆసక్తి ఉన్నప్పటికీ, వెబ్‌సైట్‌లో ఉండండి మరియు డీప్ లెర్నింగ్‌పై మా తదుపరి కథనాన్ని సందర్శించండి .

స్కైనెట్ నుండి మనం ఎంత దూరంలో ఉన్నాము?

చాలా కలలు కనే మనస్సుల కోసం మనకు ఈ విభాగం ఉంది .

పుస్తకాలు, సినిమాలు మరియు ఇతరులలో ఇది చాలా పునరావృతమయ్యే అంశం . దేనికోసం ఖచ్చితంగా సైబర్‌పంక్ అనే శైలి లేదా థీమ్ లేదు. అయినప్పటికీ, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ నియంత్రణలో ఉన్న ఫ్యూచరిస్టిక్ డిస్టోపియాస్ నుండి, మా యంత్రాలకు ఇంకా చాలా దూరం వెళ్ళాలి.

రిక్ & మోర్టీ యొక్క స్మార్ట్ రోబోట్

నేటి యంత్ర అభ్యాస వ్యవస్థలు ' బలహీనమైన AI' సమూహానికి చెందినవి . మేము చూసినట్లుగా, ఈ ఇంటెలిజెన్సులు నమూనాలను అర్థం చేసుకోగలవు మరియు సాధారణ తగ్గింపులను చేయగలవు. కొన్ని సందర్భాల్లో మాకు మద్దతు ఇవ్వడానికి అవి చాలా ఉపయోగపడతాయి, కానీ అవి స్వయంప్రతిపత్త వ్యవస్థలు కావు.

మరోవైపు, మనకు 'బలమైన AI లు' ఉంటాయి , అవి భవిష్యత్ కథలలో ప్రాతినిధ్యం వహిస్తాయి, అవి మనుషులకన్నా సమానమైనవి లేదా చాలా తెలివైనవి. 'మ్యాట్రిక్స్' , 'టెర్మినేటర్' , 'ఘోస్ట్ ఇన్ ది షెల్' లేదా 'హాలో' వంటి ప్రసిద్ధ సంస్కృతిలో చెప్పుకోదగిన ఉదాహరణలను మనం కనుగొనవచ్చు. వాస్తవానికి, ఈ జాబితాలో ఒకదానికొకటి సంబంధించిన రెండు రచనలు ఉన్నాయి; ఏది ess హించండి?

ఈ రోజు మనం పూర్తి స్వయంప్రతిపత్తి మరియు సురక్షితమైన కార్లను అభివృద్ధి చేస్తున్నాము . మేము నిరంతరం అభివృద్ధి చెందుతున్నాము, కానీ పూర్తిగా సాంకేతికతతో చేసిన సమాన వాస్తవాన్ని అభివృద్ధి చేయడానికి మాకు ఇంకా మార్గం ఉంది .

మీరు దాని గురించి మరింత తెలుసుకోవాలనుకుంటే, మీరు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ గురించి మా కథనాన్ని సందర్శించవచ్చు . ఇది మరింత సాధారణ దృక్పథం నుండి వచ్చిన వచనం మరియు ఈ సాంకేతిక పరిజ్ఞానం కలిగివుండే అవకాశాలను మేము కొంచెం అధ్యయనం చేస్తాము.

యంత్ర అభ్యాసంపై తుది పదాలు

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌పై మా ముగింపు మాదిరిగానే, భవిష్యత్తు అనిశ్చితంగా ఉందని స్పష్టమవుతుంది. ఏదేమైనా, సాంకేతిక పరిజ్ఞానం దాని నైపుణ్యాలు మరియు లక్షణాలలో అమలు చేయడానికి పరిణామాన్ని సమీక్షించాల్సిన అవసరం ఉంది .

క్రమంగా, ప్రోగ్రామ్‌లు మరియు అల్గోరిథంల ద్వారా ఇంటర్నెట్ మరింత బాగా నియంత్రించబడుతుంది. సోషల్ నెట్‌వర్క్‌లు మంచి క్రమాంకనం చేయబడతాయి మరియు మా అభిరుచులకు అనుగుణంగా కంటెంట్‌ను మరింత అందిస్తాయి . చివరకు, మోసం లేదా అలాంటి ప్రమాదం ఉన్నప్పుడు ఆన్‌లైన్ సంబంధాలు మరింత సులభంగా గుర్తించడం ద్వారా మరింత సురక్షితంగా ఉంటాయి .

మరోవైపు, ఈ శతాబ్దం ఐయోటి (ఇంటర్నెట్ ఆఫ్ థింగ్స్) ఎప్పుడు ప్రకాశిస్తుందో ఆశ్చర్యపోకండి . ఇది మేము చాలా కాలంగా కలలు కంటున్న ఒక ఆలోచన మరియు అది దగ్గరవుతోంది. అదనంగా, IoT అనేది మెషిన్ లెర్నింగ్‌కు సంబంధించిన అత్యాధునిక సాంకేతిక పరిజ్ఞానాల యొక్క పెద్ద బిడ్డర్ , అయినప్పటికీ భద్రతకు సంబంధించి కొన్ని సర్దుబాట్లు లేవు .

మా వంతుగా, ఇది క్రమంగా పరిణామం అవుతుందని మేము భావిస్తున్నాము మరియు ఏమి జరుగుతుందో మీకు తెలియజేసినంత వరకు, మీకు భయపడాల్సిన అవసరం లేదు. కొత్త కార్లు లేదా రిఫ్రిజిరేటర్లు మీకు వింతగా అనిపించవచ్చు, కాని 'బలమైన AI' ల మేల్కొలుపును మేము చూస్తానని నేను ఖచ్చితంగా అనుకోను .

మార్కెట్‌లోని ఉత్తమ ల్యాప్‌టాప్‌లను చదవమని మేము సిఫార్సు చేస్తున్నాము

చివరగా, మేము ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ లేదా మెషిన్ లెర్నింగ్‌లో నిపుణులు కాదని అంగీకరించాలి , కాబట్టి కొన్ని వింత డేటాతో ఆశ్చర్యపోకండి. మేము పొరపాటు చేస్తే, మాకు చెప్పడానికి వెనుకాడరు! అన్ని తరువాత, మేము ఇంకా ఖచ్చితమైన యంత్రాలు కాదు.

మరియు మీరు, మెషిన్ లెర్నింగ్ మరియు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ గురించి మీరు ఏమనుకుంటున్నారు? ఏ అంశంలో వాటిని అమలు చేయాలని మీరు అనుకుంటున్నారు? మీ ఆలోచనలను క్రింద పంచుకోండి.

తెలివైన డేటాప్డ్స్‌స్లాగాసెటాహాట్స్న్యూ ఫాంట్