व्यायाम 7a: आपकी समस्या, ML प्रॉब्लम के तौर पर तैयार किया गया
अपनी समस्या के हिसाब से सबसे अच्छे तकनीकी समाधान के बारे में बताने के लिए, चेकबॉक्स पर लिखें या उस पर क्लिक करें. हमारी समस्या इस तरह से फ़्रेम की गई है:
जो अनुमान लगाता है या जनरेट करता है:
अगर आपके समाधान को अनुमान लगाने वाले एमएल के तौर पर सबसे सही फ़्रेम किया गया है, तो
नीचे दिए गए सवाल देखें. अगर आपके समाधान को एक एआई (AI) के रूप में फ़्रेम किया गया है, तो MakerSuite देखें. यह ब्राउज़र पर आधारित एक आईडीई है. इसकी मदद से, जेनरिक भाषा के मॉडल के साथ तुरंत प्रोटोटाइप करने के लिए, अलग-अलग अनुरोध किए जा सकते हैं.
व्यायाम 7b: अपनी समस्या को एक सामान्य समस्या के रूप में कास्ट करें
पहली बार शुरू करने पर, आसानी से समझ आने वाले फ़ॉर्मूला के बारे में
बताना और उसे लागू करना आसान होता है. अपनी दी गई समस्या को बाइनरी क्लासिफ़िकेशन या यूनिग्रेशन रिग्रेशन प्रॉब्लम के तौर पर बताएं.
व्यायाम 8: मॉडल के लिए अपना डेटा डिज़ाइन करें
वह डेटा लिखें जिसका इस्तेमाल करके, आपको अनुमान लगाने वाला एमएल मॉडल, अनुमान लगाने के लिए इस्तेमाल करना है.
सफलता के नुस्खे
एक लाइन में डेटा का एक हिस्सा होता है, जिसके लिए
एक अनुमान लगाया जाता है.
सिर्फ़ वही जानकारी शामिल करें जो अनुमान लगाए जाने के समय उपलब्ध हो.
हर इनपुट, स्केलर या एक इंटेजर की एक सूची हो सकती है.
इसमें स्ट्रिंग भी शामिल हो सकती है.
अगर किसी इनपुट का स्ट्रक्चर किसी स्केलर या 1D सूची से अलग होता है, तो आपके पास यह तय करने की सुविधा है कि आपके डेटा को किस तरह से दिखाया जाए.
उदाहरण के लिए:
अगर कोई सेल किसी 1D सूची में दो या उससे ज़्यादा शब्दों को अलग-अलग दिखाता है, तो हो सकता है कि आप उन्हें अलग-अलग इनपुट में बांटना चाहें.
अगर कोई सेल किसी नेस्ट किए गए प्रोटोकॉल बफ़र को दिखाता है, तो हो सकता है कि आप नेस्ट किए गए प्रोटोकॉल बफ़र के हर फ़ील्ड को फ़्लैट करना चाहें.
अपवाद: सेल, ऑडियो, और वीडियो डेटा, जहां एक सेल कई बाइट का हो.
व्यायाम 9: डेटा कहां से आता है
यह लिखें कि हर इनपुट कहां से मिलेगा.
हर लाइन में एक कॉलम बनाने के लिए, डेटा पाइपलाइन डेवलप करने में होने वाले काम का आकलन करें.
सफलता के नुस्खे
ट्रेनिंग के लिए उदाहरण के तौर पर दिया गया आउटपुट कब उपलब्ध होता है?
अगर उदाहरण के तौर पर दिए गए आउटपुट को पाना मुश्किल है, तो हो सकता है कि आप व्यायाम 5 (आउटपुट का इस्तेमाल करके) पर फिर से जाना चाहें. साथ ही, यह जांचना कि क्या आपके मॉडल के लिए एक अलग आउटपुट का इस्तेमाल हो सकता है.
पक्का करें कि आपके दिए गए सभी इनपुट (आउटपुट को छोड़कर) सर्विंग टाइम (जब अनुमान लगाया जाता है) पर उपलब्ध हों, ठीक उसी फ़ॉर्मैट में जिसके लिए आप लिख रहे हैं.
अगर ठीक एक ही फ़ॉर्मैट में, विज्ञापन दिखाने के समय सभी इनपुट को पाना मुश्किल है, तो हो सकता है कि आप इनपुट 8 पर फिर से विचार करने के लिए, व्यायाम 8 (मॉडल के लिए अपना डेटा डिज़ाइन करें) पर जाएं या इसे बनाते समय फिर से विचार करें.
व्यायाम 10: आसानी से मिले इनपुट
आपने कसरत 8 में जो इनपुट दिए हैं उनमें से एक से तीन इनपुट चुनें. इन्हें आसानी से पूरा किया जा सकता है. साथ ही, आपको लगता है कि इनके इस्तेमाल से शुरुआत में ही सही नतीजे मिलते हैं.
सफलता के नुस्खे
छठे अभ्यास में, आपने ऐसे ह्यूरिस्टिक अनुमान दिए हैं जिनका इस्तेमाल किया जा सकता है. इन अनुमानों को लागू करने के लिए,
कौनसा इनपुट सही रहेगा?
इनपुट तैयार करने के लिए, डेटा पाइपलाइन डेवलप करने की इंजीनियरिंग लागत पर विचार करें.
साथ ही, मॉडल में हर इनपुट को जोड़ने से होने वाले संभावित फ़ायदे पर ध्यान दें.
किसी आसान सिस्टम से आने वाले इनपुट पर फ़ोकस करें. पहली बार शुरू करने पर कम से कम इन्फ़्रास्ट्रक्चर की सलाह दी जाए.
प्रिंट करें या सेव करें
अपने जवाबों को .pdf के तौर पर प्रिंट करने या सेव करने के लिए, नीचे दिए गए बटन पर क्लिक करें.
