Arrays और Hash Maps
AI में डेटा स्टोरेज क्यों ज़रूरी है
हर AI system को डेटा स्टोर और तेज़ी से एक्सेस करना होता है। चाहे एक image के pixel values हों, 50,000 शब्दों की vocabulary हो, या लाखों users की preferences - सही data structure चुनना तय करता है कि AI कितनी तेज़ी से काम करेगा।
दो structures सबसे ज़्यादा इस्तेमाल होते हैं: arrays और hash maps। इन्हें समझ लिया तो AI pipeline की नींव पक्की।
Arrays - क्रम में रखी गई लिस्ट
Array एक नंबर वाली लिस्ट है जहाँ items मेमोरी में एक साथ रखे जाते हैं। हर item का एक index होता है - जो zero से शुरू होता है।
index: 0 1 2 3 4
value: ["cat", "dog", "bird", "fish", "frog"]
चूँकि items साथ-साथ बैठे हैं, किसी भी position पर सीधे पहुँच सकते हैं। Item 3 चाहिए? बस - कोई searching नहीं। यही O(1) access है - 10 items हों या 10 million, समय बराबर लगता है।
Arrays कहाँ चमकते हैं
- Feature vectors: एक image को 784 numbers के array (28×28 pixels) से represent किया जाता है।
- Embeddings: Language models शब्दों के मतलब सैकड़ों floating-point numbers के arrays में स्टोर करते हैं।
- Batch processing: Training data arrays में लोड होता है ताकि GPU हज़ारों examples एक साथ process कर सके।
कमज़ोरी
बीच में item insert या delete करना महंगा है - बाद के सारे items को शिफ्ट करना पड़ता है। यह O(n) है - जितने ज़्यादा items, उतना ज़्यादा समय।
अगर 10,000 गानों की playlist में position 5 पर नया गाना डालना हो, तो position 5 के बाद के हर गाने को शिफ्ट करना पड़ेगा। कोई streaming service इसे बिना slow हुए कैसे handle करेगी?
Hash Maps - नाम से तुरंत ढूँढो
Hash map (जिसे dictionary या hash table भी कहते हैं) डेटा को key-value pairs में स्टोर करता है। Index number की जगह एक meaningful key से access करते हैं।
word_counts = {
"hello": 42,
"world": 37,
"AI": 156
}
"AI" का count चाहिए? Hash map एक hash function से key को internally index में बदलता है। नतीजा? औसतन lookup - arrays जैसा, बस numbers की जगह names से।
Discussion
Sign in to join the discussion