कंप्यूटर को सीखने के लिए लोगों की मदद की ज़रूरत होती है। इसे "मशीन लर्निंग" कहते हैं। मशीन लर्निंग एक ऐसा शब्द है जिसका मतलब है कंप्यूटर को डेटा से सीखना सिखाना, बिना किसी स्पष्ट प्रोग्रामिंग के मॉडल के ज़रिए तर्क करने का अभ्यास। यह आंशिक रूप से एक बच्चे के सीखने का तरीका है - अवलोकन और अभ्यास से, न कि सिर्फ़ व्याख्यान दिए जाने से। सटीकता एक ऐसी चीज़ है जिससे मशीन लर्निंग निपटती है। यह इस बात का उत्तर देता है कि जब किसी चीज़ की भविष्यवाणी करने की बात आती है तो कंप्यूटर कितना सटीक है। जितनी ज़्यादा सटीकता होगी, ये भविष्यवाणियाँ उतनी ही मज़बूत होंगी
डायनेमिक टाइम वॉरपिंग, समय श्रृंखला डेटा को संरेखित करने का एक तरीका है। मान लीजिए कि आपके पास दो घुमावदार रेखाएँ हैं और आप उनके बीच तुलना करना चाहते हैं। डायनेमिक टाइम वॉरपिंग एक लहरदार रेखा के आकार को बदलने जैसा है ताकि इसे दूसरी लहरदार रेखा से तुलना करना आसान हो जाए। इन रेखाओं को संरेखित करने का मतलब है कि जब हम इस रेखा का अनुमान लगाने की कोशिश कर रहे होते हैं तो कंप्यूटर के लिए हमारे डेटा से सीखना आसान होता है।
डायनेमिक टाइम वॉर्पिंग कैसे काम करता है, यह समझने के लिए एक सादृश्य यह है कि आप हर दिन अपने स्टोर में आने वाले ट्रैफ़िक का अनुमान लगाने की कोशिश कर रहे हैं। पिछले साल स्टोर विज़िट ऑडियंस। लेकिन हर दिन ऐसा नहीं होता। अलग-अलग दिनों में अलग-अलग भीड़ होती है, कुछ दिन काफ़ी चमकदार होते हैं और पूरी मेट्रो बाहर होती है जबकि दूसरे दिन बारिश होती है जब कुछ लोग टहलते हुए आते हैं। जब डेटा बदल रहा होता है, तो भविष्य की विज़िट का पूर्वानुमान लगाना मुश्किल हो जाता है।
केवल टाइम सीरीज डेटा के लिए नहीं, लेकिन फिर भी। यह विभिन्न प्रकार के डेटा के साथ काम करने में सक्षम है जो इसे एक बहुत ही बहुमुखी उपकरण बनाता है। दो डीएनए अनुक्रमों की तुलना करने पर विचार करें, जो स्वयं जीवन का ब्लू प्रिंट हैं। डायनेमिक टाइम वॉरपिंग अनुक्रमों के कुछ हिस्सों को संरेखित या थोड़ा स्थानांतरित करता है ताकि तुलना की जा सके। इस तरीके से, वैज्ञानिक अनुक्रमों के बीच संबंध या विशिष्टता की डिग्री का पता लगा सकते हैं और संभावित रूप से जीव विज्ञान और चिकित्सा से संबंधित महत्वपूर्ण पहलुओं को उजागर कर सकते हैं।
भाषण पहचान एक और तरीका है। जब कंप्यूटर किसी को बोलते हुए सुनता है, तो उसे यह पहचानना होता है कि उसके डेटाबेस में मौजूद शब्दों या वाक्यांशों में से कौन सा शब्द बोला जा रहा है। हालाँकि, सभी लोग एक ही शब्द को बिल्कुल एक ही तरीके से नहीं बोलते हैं या पृष्ठभूमि में शोर होता है जिससे सुनना मुश्किल हो सकता है। इस दृष्टिकोण में, डायनेमिक टाइम वॉरपिंग भाषण डेटा को संरेखित करने की अनुमति देता है ताकि कंप्यूटर आसानी से इसकी प्रतिलिपि और जो कहा गया है उसके बीच कम त्रुटि दर पा सके। यह वॉयस असिस्टेंट और अन्य भाषण पहचान तकनीकों के प्रदर्शन को बढ़ा सकता है।
डायनेमिक टाइम वॉरपिंग का उपयोग हमारे पूर्वानुमानों को समझने के तरीके को बदल रहा है। पूर्वानुमानों का मतलब है कि भविष्य में क्या होने वाला है; इस संबंध में, आप घटनाओं के कुछ अनुमान लगाने के लिए डेटाओडी का उपयोग करते हैं। यह बुद्धिमानी भरे निर्णय लेने में अत्यधिक लाभकारी हो सकता है। उदाहरण के लिए, यदि आप एक अस्पताल चलाते हैं (यह बहुत अच्छा होगा), तो शायद आपको यह अनुमान लगाने की आवश्यकता हो कि अगले महीने कितने मरीज आने वाले हैं ताकि गीले-टॉयलेट-टिश्यू के आकार की आपूर्ति समय पर आ जाए। यदि आप बहुत अधिक ऑर्डर करते हैं, तो निश्चित रूप से यह बर्बाद हो जाएगा। रुआ बताते हैं कि यह इससे भी अधिक खतरनाक है: यदि आप छोड़ देते हैं, तो शायद वे बिक जाएँ। डायनेमिक टाइमवॉर्पिंग आपको पिछले डेटा बिंदुओं के आधार पर भविष्य की संख्याओं की भविष्यवाणी करने और संसाधनों के बेहतर प्रबंधन की अनुमति देगा।
DTW मशीन लर्निंग टूलबॉक्स में से केवल एक उपकरण है। पहला एक स्पष्ट बिंदु है, लेकिन समय श्रृंखला डेटा के मामले में अभी भी अत्यंत महत्वपूर्ण है। डायनेमिक टाइम वॉरपिंग कंप्यूटर को डेटा को व्यवस्थित करके बेहतर भविष्यवाणियां करने में मदद करता है ताकि यह सुसंगत रूप से पंक्तिबद्ध हो। यह स्वास्थ्य सेवा से लेकर खुदरा तक कई अलग-अलग डोमेन में अनुवाद कर सकता है और निर्णयों को बेहतर बना सकता है।