1. মূল টেকওয়ে সংজ্ঞায়িত করা
আপনি আপনার ডেটা কার্ডে অন্তর্ভুক্ত করতে চান এমন প্রশ্নগুলির একটি সেটে নিষ্পত্তি করেছেন—যে প্রশ্নগুলি আপনি আপনার পাঠকদের জন্য গুরুত্বপূর্ণ বলে মনে করেন৷ যাইহোক, এই প্রশ্নের উত্তর দেওয়া এবং এটিকে ডেটা কার্ড বলার মতো সহজ নয়। আপনার পাঠকের অভিজ্ঞতার জন্য আপনার চূড়ান্ত ডেটা কার্ড অপ্টিমাইজ করা হয়েছে তা নিশ্চিত করার জন্য এটি চিন্তাশীল বিবেচনার প্রয়োজন।
লোকেরা যখন ডেটা কার্ড পড়ে, তখন তারা খুব নির্দিষ্ট সিদ্ধান্ত নিতে চায়, যেমন নিম্নলিখিত:
- এই ডেটাসেট কি আমার ব্যবহারের ক্ষেত্রে উপযুক্ত?
- আমি কি অন্যদের এই ডেটাসেট ব্যবহার করতে দিতে পারি?
- আমি কীভাবে আমার মডেলগুলিতে ঝুঁকি যোগ না করে এই ডেটাসেটটি নিরাপদে ব্যবহার করতে পারি?
পাঠকরা যদি দক্ষতার সাথে সঠিক তথ্য অ্যাক্সেস করতে পারে, তবে তারা তাদের প্রসঙ্গের মধ্যে ডেটাসেট-সম্পর্কিত সিদ্ধান্ত নেওয়ার ক্ষেত্রে অবিশ্বাস্যভাবে পারদর্শী। তথ্যের গুরুত্ব বা উপযোগিতা নির্ভর করে পাঠককে কী ধরনের সিদ্ধান্ত নিতে হবে এবং পাঠকের পটভূমির ওপর। উদাহরণস্বরূপ, একটি ডেটাসেট ব্যবহার করার সিদ্ধান্ত নেওয়ার সময়, একজন কমপ্লায়েন্স অফিসার এর সাথে যুক্ত লাইসেন্সগুলি দেখতে পারেন, কিন্তু একজন প্রকৌশলী প্রযুক্তিগত স্ট্যাকের দিকে তাকান। উভয় পাঠক একই প্রশ্ন জিজ্ঞাসা, কিন্তু ভিন্ন উত্তর আশা.
ডেটা কার্ডগুলিতে আপনার ডেটাসেটকে ব্যাপকভাবে বর্ণনা করা উচিত যাতে পাঠকরা আত্মবিশ্বাসের সাথে সিদ্ধান্ত নিতে পারে। এই বিস্তৃত বিবরণগুলি আপনাকে সিদ্ধান্ত নিতে সাহায্য করে যে আপনি পাঠকদের আপনার ডেটা কার্ড থেকে কী পেতে চান এবং এতে নথিভুক্ত করার জন্য সঠিক, শক্তিশালী এবং সংগঠিত তথ্য নির্ধারণ করতে পারেন৷ অবশ্যই, চ্যালেঞ্জ হল যে আপনার ডেটা কার্ডের পাঠকদের যে সমস্ত সম্ভাব্য সিদ্ধান্ত নিতে হবে তা নির্ধারণ করা অসম্ভব।
2. আপনার ডেটা কার্ডের পরিকল্পনা করুন
- আপনার ডেটা কার্ড পাঠকদের যে সিদ্ধান্তগুলি নিতে হবে এবং আপনার ডেটা কার্ডে কতটা বিশদ অন্তর্ভুক্ত করা উচিত তা নির্ধারণ করতে, নিম্নলিখিত টেবিলে প্রতিটি বিভাগের প্রশ্নের উত্তর দিন:
পাঠক | সিদ্ধান্ত | গোল | প্রাসঙ্গিকতা | নুয়েন্স |
প্রাথমিক শ্রোতা কারা? | ডেটাসেট সম্পর্কে তারা কী সিদ্ধান্ত নেবে? | তারা ডাটা কার্ড থেকে কি চায়? | তাদের লক্ষ্য পূরণের জন্য ডেটা কার্ড থেকে তাদের কোন নির্দিষ্ট বিষয়বস্তুর প্রয়োজন? | পাঠক সম্পর্কে আপনি যা জানেন তা বিবেচনা করে আপনার বিষয়বস্তু কতটা বিশদ বা সংক্ষিপ্ত হওয়া উচিত? |
উদাহরণ: প্রোডাকশন সফটওয়্যার ইঞ্জিনিয়ার | উদাহরণ: উৎপাদনে থাকা একটি মেশিন-লার্নিং (ML) মডেল পরীক্ষা করতে আমার কি ডেটাসেট ব্যবহার করা উচিত? | উদাহরণ: আমাকে ডেটাসেটের একটি ওভারভিউ দিন। এটা কিভাবে বাস্তবায়িত হয় আমাকে বলুন. | উদাহরণ: অভিপ্রেত এবং অনুপযুক্ত ব্যবহার, অতীতের ব্যবহার এবং অতীতের মডেলের ফলাফল। | উদাহরণ: অত্যন্ত সূক্ষ্ম। উৎপাদন ব্যবস্থায় একীকরণের উদ্দেশ্যে প্রযুক্তিগত ব্যবহার এবং ব্যবহারযোগ্যতার উপর জোর দেওয়া। |
আপনি আপনার ডেটা কার্ড মূল্যায়ন করতে আপনার টেবিল ব্যবহার করতে পারেন এবং আপনার উচ্চ-অগ্রাধিকার পাঠকরা আপনার ডেটা কার্ডটি দরকারী বলে মনে করেন তা নিশ্চিত করতে পারেন৷ যদিও আপনার ডেটা কার্ডের মূল্যায়ন করার অনেক পন্থা আছে, আমরা যেটি সুপারিশ করি তার মধ্যে ব্যবহারযোগ্যতার তীব্রতা নির্ধারণ করা অন্তর্ভুক্ত।
যদিও সুনির্দিষ্ট সংজ্ঞা পরিবর্তিত হতে পারে, নিম্নলিখিত তীব্রতা স্কেল অগ্রাধিকার বিবেচনা না করেই কোন কিছু কতটা ভাঙা এবং সমস্যাটির প্রভাবের একটি রেটিং প্রদান করে। এই প্রেক্ষাপটে, আমরা আপনার ডেটা কার্ডের ব্যবহারযোগ্যতার কথা উল্লেখ করি, যেটি যদি ঠিক না করা হয়, তাহলে ডেটা কার্ডে একজন পাঠকের আস্থা এবং এর উপযোগিতাকে প্রভাবিত করতে পারে।
- আগে থেকে আপনার টেবিলের প্রতিটি শ্রোতা গোষ্ঠীর জন্য আপনার ডেটা কার্ডের অবস্থা কতটা কার্যকর তা মূল্যায়ন করতে, নিম্নলিখিত তীব্রতা স্কেলে প্রশ্নের উত্তর দিন:
লঙ্ঘন | তীব্রতা | ঠিক করুন |
কোন উত্তর পাঠকের জন্য দরকারী নয়? | এটি 1 থেকে 5 এর স্কেলে কতটা জরুরিভাবে ঠিক করা উচিত? (প্রযোজ্য চেকবক্স নির্বাচন করুন):
| সমাধান কি? |
3. শুধু যথেষ্ট জন্য লক্ষ্য
প্রায়শই নয়, আপনি যখন আপনার প্রথম ডেটা কার্ড তৈরি করেন তখন নিম্নলিখিত দুটি জিনিসগুলির মধ্যে একটি ঘটতে থাকে:
- অত্যধিক তথ্য পাঠকদের অভিভূত করে।
- খুব কম তথ্য পাঠকদের বিভ্রান্ত করে।
একটি ডেটা কার্ডের স্রষ্টা হিসাবে, আপনাকে এটিতে থাকা তথ্যগুলিকে কিউরেট করতে হবে এবং অগ্রাধিকার দিতে হবে৷ একটি ভাল স্বচ্ছতা আর্টিফ্যাক্ট পাঠকদের একটি পরিষ্কার বোঝার জন্য যথেষ্ট প্রসঙ্গ প্রদান করে। যদি না হয়, এটি তাদের বলে যে পরবর্তী কোথায় যেতে হবে।
আপনি এমন তথ্য প্রদান করতে চান যা ডেটাসেটকে বোঝা এবং ব্যবহার করা সহজ করে তোলে। কখনও কখনও, আপনার ডেটাসেটের জটিলতা বৃদ্ধি পায়, যা তথ্যের ঘনত্বকে প্রভাবিত করে এবং আপনার ডেটা কার্ডে আপনাকে সংক্ষিপ্ত ব্যাখ্যা করতে হবে।
আপনার পাঠকদের দক্ষতার স্তর নির্বিশেষে, যে কেউ তথ্য ওভারলোড অনুভব করতে পারে, তাই সঠিক তথ্য উপস্থাপন করা গুরুত্বপূর্ণ, যার মধ্যে নিম্নলিখিতগুলি অন্তর্ভুক্ত রয়েছে:
- আপনি যে ধরনের তথ্য প্রদান করা উচিত.
- কত তথ্য যে আপনি অফার আছে.
- এতে বিস্তারিত।
আপনার উত্তরগুলি সমস্ত কিছুর বিশদ বিবরণ না দিয়ে সমস্ত কিছুর সংক্ষিপ্তসার করার জন্য যথাসাধ্য চেষ্টা করা উচিত এবং পাঠকদের জন্য আপনার ডেটাসেটের অন্তর্দৃষ্টি অর্জনের জন্য প্রয়োজনীয় প্রসঙ্গ প্রতিফলিত করা উচিত।
হিউরিস্টিকস
আমরা হিউরিস্টিকসের একটি সেট তৈরি করেছি যা আপনি আপনার ডেটা কার্ড পড়ার সামগ্রিক অভিজ্ঞতা অর্জন করতে ব্যবহার করতে পারেন। আমরা এই হিউরিস্টিকগুলিকে উদ্দেশ্য হিসাবে দেখি যা ডেটা কার্ডগুলিকে অবশ্যই পূরণ করতে হবে যাতে সেগুলি সফল এবং যথাযথভাবে অনুশীলনে এবং স্কেলে গৃহীত হয়। নিম্নলিখিত সারণীতে এই উদ্দেশ্যগুলি এবং তাদের বিবরণ রয়েছে:
উদ্দেশ্য | বর্ণনা |
সামঞ্জস্যপূর্ণ | ডেটা কার্ডগুলিকে ডেটা পদ্ধতি বা ডোমেন নির্বিশেষে একে অপরের সাথে তুলনীয় হতে হবে যাতে দাবিগুলি ব্যবহারের প্রসঙ্গে ব্যাখ্যা করা এবং যাচাই করা সহজ হয়। যদিও এককালীন ডেটা কার্ড স্থাপন করা তুলনামূলকভাবে সহজ, আমরা দেখতে পাই যে দল এবং সংস্থাগুলি যখন দত্তক নেওয়ার পরিমাণ বাড়ায় তখন তাদের তুলনামূলকতা রক্ষা করা প্রয়োজন। |
ব্যাপক | একটি ডেটাসেটের জীবনচক্রের শেষ ধাপ হিসেবে তৈরি হওয়ার পরিবর্তে, ডেটাসেটের সাথে একযোগে একটি ডেটা কার্ড তৈরি করা সহজ হওয়া উচিত। আরও, একটি ডেটা কার্ডের ক্ষেত্রগুলি সম্পূর্ণ করার দায়িত্বটি সবচেয়ে উপযুক্ত ব্যক্তিকে বিতরণ করা এবং অর্পণ করা উচিত। এর জন্য স্ট্যান্ডার্ডাইজড পদ্ধতির প্রয়োজন যা ডেটা কার্ডের বাইরে প্রসারিত হয় এবং ডেটাসেটের জীবনচক্রে উত্পন্ন বিভিন্ন প্রতিবেদনে প্রযোজ্য। |
বোধগম্য এবং সংক্ষিপ্ত | পাঠকদের দক্ষতার বিভিন্ন স্তর রয়েছে, যা তাদের ডেটা কার্ডের ব্যাখ্যাকে প্রভাবিত করে। যেসব পরিস্থিতিতে স্টেকহোল্ডারের দক্ষতা আলাদা, ডেটাসেটের সবচেয়ে শক্তিশালী মানসিক মডেলের ব্যক্তিরা ডি-ফ্যাক্টো সিদ্ধান্ত গ্রহণকারী হয়ে ওঠে। পরিশেষে, যে কাজগুলি আরও জরুরী বা চ্যালেঞ্জিং সেগুলি সিদ্ধান্তে অ-প্রথাগত স্টেকহোল্ডারদের অংশগ্রহণকে কমিয়ে দিতে পারে, যা "বিশেষজ্ঞ" এর উপর ছেড়ে দেওয়া হয়৷ এটি সমালোচনামূলক দৃষ্টিভঙ্গিগুলিকে বাদ দেওয়ার ঝুঁকি তৈরি করে যা নিম্নপ্রবাহ এবং পার্শ্ববর্তী স্টেকহোল্ডারদের প্রয়োজনীয় চাহিদাগুলিকে প্রতিফলিত করে৷ একটি ডেটা কার্ড দক্ষতার সাথে যোগাযোগ করতে হবে, কম পঠিত ব্যক্তিদের সাথে দক্ষতার সাথে যোগাযোগ করতে হবে৷ প্রয়োজন অনুযায়ী আরও তথ্য খুঁজে বের করার জন্য বিষয়বস্তু এবং ডিজাইনকে পাঠকের বিবেচনা প্রক্রিয়াকে অগ্রসর করা উচিত এবং সিদ্ধান্ত গ্রহণের জন্য ডেটাসেটের একটি ভাগ করা মানসিক মডেলের প্রতি স্টেকহোল্ডারদের সহযোগিতাকে উৎসাহিত করা উচিত। |
4. আপনার হিউরিস্টিক স্কোর করুন
- আপনার ডেটা কার্ডের উত্তরগুলি পর্যালোচনা করতে, নিম্নলিখিত স্কোরকার্ডটি ব্যবহার করুন যা আমরা প্রতিটি হিউরিস্টিক স্কোর করার জন্য তৈরি করেছি। শেষে, আপনি আপনার ডেটা কার্ডের সামগ্রিক স্কোর গণনা করতে পারেন, যা আপনাকে ট্র্যাকে থাকতে সাহায্য করে। প্রতিটি হিউরিস্টিক উন্নত করার জন্য প্রয়োজনীয় অতিরিক্ত প্রসঙ্গ এবং অ্যাকশন আইটেমগুলি ক্যাপচার করতে আপনি মন্তব্যও অন্তর্ভুক্ত করতে পারেন।
হিউরিস্টিক | মানদণ্ড | মন্তব্য | স্কোর |
নিম্নলিখিত হিউরিস্টিকগুলিতে আপনার সম্পূর্ণ ডেটা কার্ডের স্ব-স্কোর করুন। | হিউরিস্টিক জন্য মানদণ্ড | ডেটা কার্ড উন্নত করা যেতে পারে এমন এলাকায় বিশেষ নোট নিন। | শুধুমাত্র সংখ্যা, স্ব-স্কোর (0-10) |
বোধগম্য |
| . | . |
ব্যাপক |
| . | . |
সামঞ্জস্যপূর্ণ |
| . | . |
সংক্ষিপ্ত |
| . | . |
মোট স্কোর = (মোট পয়েন্ট/120) | . | . | /120 |
5. চিন্তাশীল বিশ্লেষণ
আমরা জানি যে ডেটা হল মানুষ, সংস্কৃতি বা ব্যবসার তথ্য যা একটি নির্দিষ্ট উদ্দেশ্যে একটি কাঠামোগত উপায়ে ক্যাপচার করা হয়েছে। যাইহোক, যেমন বারবার বলা হয়েছে, এগুলি সবই সংক্ষিপ্ত, বিভিন্ন মাত্রার সাথে বিভিন্ন মাত্রার দ্বারা আবদ্ধ। এইভাবে, আপনি আপনার ডেটাসেটে যে বিশ্লেষণ করেন তা ডেটাসেটের মধ্যেই রাখা চিন্তার একটি উইন্ডো অফার করে, যা এর জটিলতাগুলি বোঝাতে সহায়তা করে।
উদাহরণ স্বরূপ, মানুষের একটি ছেদ-বিশ্লেষণ একটি ডেটাসেটের মধ্যে মানবিক কারণগুলির সংমিশ্রণগুলি অন্বেষণ করতে পারে যাতে সম্ভাব্য অসম ফলাফল সনাক্ত করা যায়, যেমন যখন ডেটাসেটে প্রশিক্ষিত একটি মডেল অন্যদের তুলনায় একটি উপগোষ্ঠীর জন্য ভাল কাজ করে। একটি বিচ্ছিন্ন বিশ্লেষণ উপগোষ্ঠী বা প্রান্তিক জনসংখ্যার জন্য গুরুত্বপূর্ণ প্যাটার্নগুলি প্রকাশ করার জন্য বিভিন্ন কারণের উপর ভিত্তি করে ডেটাসেটকে ভেঙে দেয় যা সাধারণত বড়, সমষ্টিগত ডেটা দ্বারা মুখোশ থাকে যাতে পাঠকরা ফলাফলগুলি অনুমান করতে পারে।
এর সাথে, আমরা দেখতে পাই যে ইন্টারসেকশ্যালিটি এবং ডিস্যাগ্রিগেটেড অ্যানালাইসিস (IDA) একটি ডেটাসেটে স্পষ্ট সম্পর্ক স্থাপনের মাধ্যমে একটি ডেটা কার্ডে বিভিন্ন পরিস্থিতিতে প্রশংসনীয় ফলাফলের একটি পরিসীমা যোগাযোগ করার কার্যকর উপায়। IDA পাঠকদের আপনার ডেটাসেটের উপস্থাপনা সম্পর্কে গুরুত্বপূর্ণ সূত্র দিতে পারে, যেমন লেবেলগুলি কীভাবে সংবেদনশীল সত্তার সাথে সম্পর্কযুক্ত; আপনার ডেটাসেটের ফাঁক, যেমন কিভাবে ডেটাসেটে শুধুমাত্র দিনের বেলা ছবি তোলা হয়; এবং ভেরিয়েবলের মধ্যে সম্পর্ক যা পরবর্তীতে AI মডেলগুলিকে মিথ্যা পারস্পরিক সম্পর্ক শিখতে বা প্রক্সি বেছে নিতে পারে। এই বিশ্লেষণগুলি আরও বেশি উপযোগী হয়ে ওঠে যখন সেগুলি বাস্তব-বিশ্বের পরিস্থিতিতে অবস্থিত হয় যে অভিজ্ঞতার প্রতিফলন করে যে ব্যবহারকারীরা আপনার ডেটাসেট ব্যবহার করে এমন একটি পণ্য বা পরিষেবার সাথে প্রভাবিত হতে পারে।
উদাহরণ স্বরূপ, একটি ডেটা কার্ডে IDA ফলাফলের উপস্থাপনা পাঠকদের সক্রিয়ভাবে একটি অন্তর্দৃষ্টি তৈরি করতে সাহায্য করে যে কীভাবে তাদের ML মডেল সাবসেটগুলিতে পারফর্ম করে—যা স্লাইস নামেও পরিচিত—আপনার ডেটাসেটে। যদিও এর জন্য ডেটাসেট নির্মাতাদের ডেটাসেটের বিশ্লেষণ এবং ডেটা কার্ডে এর উপস্থাপনা আরও পরিশ্রমী হতে হবে, এটি শেষ পর্যন্ত স্টেকহোল্ডারদের জন্য আরও ভাল পণ্য ফলাফলের দিকে নিয়ে যেতে পারে।
IDA পাঠকদের তাদের মডেলগুলিতে কীভাবে আপনার ডেটাসেট ব্যবহার করতে হয় তা আরও ভালভাবে বুঝতে সাহায্য করতে পারে। আপনার যদি সমস্যা হয়, আপনার বিশ্লেষণগুলি ফ্রেম করতে সহায়তা করার জন্য বিশেষজ্ঞ, পণ্য দল এবং জীবিত অভিজ্ঞতা সহ ব্যক্তিদের সাথে কাজ করুন। IDA প্রায়শই এমন প্রেক্ষাপটে নিহিত থাকে যেগুলি পাঠকদের কাছে ব্যাখ্যা করা প্রয়োজন বা অতিরিক্ত সমর্থনের প্রয়োজন যাতে পাঠকরা এইগুলি যথাযথভাবে ব্যাখ্যা করতে পারে।
6. আপনার তথ্য বিশ্লেষণ
আপনার ডেটাসেট বিশ্লেষণ করতে, এই পদক্ষেপগুলি অনুসরণ করুন:
- আপনি আপনার বিশ্লেষণ শুরু করার আগে অন্বেষণ করুন. টেনসরফ্লো ডেটা ভ্যালিডেশন (TFDV), বা লার্নিং ইন্টারপ্রিটেবিলিটি টুল (LIT) এর মতো একটি টুলের সাহায্যে আপনার ডেটাসেটে তির্যক এবং ভারসাম্যহীনতার জন্য একটি অন্তর্দৃষ্টি তৈরি করুন। আপনার বিশ্লেষণ নকশা জানাতে ফলাফল ব্যবহার করুন.
- সাবধানে আপনার বিশ্লেষণ ডিজাইন. বিশ্লেষণের ফলাফলগুলি আপনার মূল্যায়নের লক্ষ্য, বিশ্লেষণ পরিচালনা করার জন্য দক্ষতা এবং সংস্থানগুলির অ্যাক্সেস, আপনি কখন এবং কোথায় বিশ্লেষণ পরিচালনা করেন এবং যে এআই মডেলগুলির প্রেক্ষাপটে বিশ্লেষণটি পরিচালিত হয় তার দ্বারা ব্যাপকভাবে প্রভাবিত হয়।
- আপনার উদ্দিষ্ট ব্যবহারের সাথে প্রাসঙ্গিক বিষয়গুলি দিয়ে শুরু করুন। জনসংখ্যাগত, সামাজিক সাংস্কৃতিক, আচরণগত এবং রূপগত কারণগুলির উপর সারিবদ্ধ করুন যা আপনার উদ্দেশ্যমূলক ব্যবহারের ক্ষেত্রে সবচেয়ে বেশি প্রভাবিত করতে পারে যখন আপনি আগ্রহের গ্রুপ তৈরি করেন এবং তারপর সেখান থেকে প্রসারিত করেন।
- রিপোর্ট; মন্তব্য করবেন না উল্লেখ্য যে ন্যায্যতা বিশ্লেষণকে প্রভাবিত করে এমন ফ্যাক্টর এবং অনুমানগুলি ঐতিহাসিক এবং সাংস্কৃতিকভাবে নির্দিষ্ট সামাজিক গঠনগুলিতে বিদ্যমান যা পরিমাপ করা কঠিন। পাঠককে বিভ্রান্ত করতে পারে এমন মন্তব্য যুক্ত করা থেকে সতর্ক থাকুন। পরিবর্তে, বিশ্লেষণগুলি পুনরুত্পাদন করার উপায়গুলি প্রদান করুন যা পাঠকদের তাদের নিজস্ব প্রসঙ্গে ফলাফলগুলি ক্যালিব্রেট করতে সহায়তা করতে পারে৷
- ভবিষ্যতের জন্য পরিকল্পনা করুন। আপনার ডেটাসেটের উপস্থাপনা দেখে, বিভিন্ন পরিস্থিতিতে মানগুলিকে স্থির রেখে, বা আপনার ডেটাসেটের সাথে প্রাসঙ্গিক অতিরিক্ত কারণগুলির মানগুলির একটি পরিসরের সাথে আপনার বিশ্লেষণকে একত্রিত করে ভবিষ্যতে উপস্থিত হতে পারে এমন অতিরিক্ত কারণগুলির জন্য অ্যাকাউন্ট করুন৷
- অ-পুনরুত্পাদনযোগ্য ফলাফলের জন্য আরও প্রসঙ্গ প্রদান করুন। যদি মেট্রিক্স ডাউনস্ট্রিম স্টেকহোল্ডারদের দ্বারা পুনরুত্পাদন করা না যায়, তাহলে বিশ্লেষণের চারপাশে যথেষ্ট প্রসঙ্গ প্রদান করুন। যদি একজন পাঠক এই তথ্য ব্যবহার করে ডেটাসেটের ভালো-মন্দ যাচাই করতে পারেন, তাহলে এটি ডেটাসেটের প্রতি আস্থা তৈরি করতে পারে।
7. অভিনন্দন
অভিনন্দন! আপনার ডেটা কার্ডে সঠিক উত্তর দেওয়ার কিছু উপায় আছে। এখন আপনি তাদের অডিট করতে প্রস্তুত।