পাইপলাইন পরীক্ষার নির্দেশিকা Colab-এ দেখানো যাবে না। পরিবর্তে, নিম্নলিখিত অনুশীলনগুলি নির্দেশিকাগুলি অনুশীলন করতে সহায়তা করে। পরবর্তী পৃষ্ঠা নির্দেশিকা বাস্তবায়নের জন্য সম্পদ বর্ণনা করে।
নিম্নলিখিত প্রশ্নের জন্য, প্রসারিত করতে এবং আপনার উত্তর পরীক্ষা করতে আপনার নির্বাচনের উপর ক্লিক করুন।
আপনার ইউনিকর্ন চেহারা ভবিষ্যদ্বাণী চালু করার পরে, আপনাকে অবশ্যই নতুন ডেটার উপর পুনরায় প্রশিক্ষণ দিয়ে আপনার ভবিষ্যদ্বাণীকে সতেজ রাখতে হবে। যেহেতু আপনি প্রশিক্ষণের জন্য অনেক বেশি নতুন ডেটা সংগ্রহ করছেন, আপনি একটি উইন্ডোতে নতুন ডেটা নমুনা করে প্রশিক্ষণের ডেটা সীমিত করার সিদ্ধান্ত নেন। আপনাকে ইউনিকর্নের উপস্থিতিতে দৈনিক এবং বার্ষিক নিদর্শনগুলির জন্যও অ্যাকাউন্ট করতে হবে। এবং, আপনি প্রতি তিন মাসে নতুন মডেলের সংস্করণ লঞ্চ করতে পারেন সবচেয়ে দ্রুত। আপনি সময় কোন উইন্ডো নির্বাচন করবেন?
একদিন, কারণ একটি বৃহত্তর উইন্ডোর ফলে প্রচুর ডেটা আসবে এবং আপনার মডেলকে প্রশিক্ষণ দিতে খুব বেশি সময় লাগবে।
ত্রুটিপূর্ণ. ডেটাসেটের আকার সীমিত করতে আপনি ডেটা স্যাম্পলিং রেট সামঞ্জস্য করতে পারেন। প্রদত্ত যে আপনি শুধুমাত্র প্রতি তিন মাসে আপনার মডেল আপডেট করতে পারেন, এক দিনের মূল্যের ডেটাতে প্রশিক্ষিত একটি মডেল ধীরে ধীরে বাসি হয়ে যাবে৷
এক সপ্তাহ, যাতে আপনার ডেটাসেট খুব বড় না হয় কিন্তু আপনি এখনও নিদর্শনগুলিকে মসৃণ করতে পারেন৷
ত্রুটিপূর্ণ. ডেটাসেটের আকার সীমিত করতে আপনি ডেটা স্যাম্পলিং রেট সামঞ্জস্য করতে পারেন। প্রদত্ত যে আপনি শুধুমাত্র প্রতি তিন মাসে আপনার মডেল আপডেট করতে পারেন, এক সপ্তাহের মূল্যের ডেটাতে প্রশিক্ষিত একটি মডেল ধীরে ধীরে বাসি হয়ে যাবে৷
এক বছর, নিশ্চিত করতে যে আপনার মডেল দৈনিক বা বার্ষিক নিদর্শন দ্বারা পক্ষপাতদুষ্ট নয়।
সঠিক! আপনার একটি প্রতিনিধি ডেটাসেট বেছে নেওয়া উচিত যাতে আপনার মডেল সমস্ত পরিস্থিতিতে ভবিষ্যদ্বাণী করতে শেখে।
আপনি আপনার ইউনিকর্ন চেহারা ভবিষ্যদ্বাণী চালু করুন. এটা ভাল কাজ করছে! আপনি ছুটিতে যান এবং আপনার মডেলের গুণমান উল্লেখযোগ্যভাবে কমে গেছে তা দেখতে তিন সপ্তাহ পরে ফিরে যান। অনুমান করুন যে ইউনিকর্নের আচরণ তিন সপ্তাহের মধ্যে উল্লেখযোগ্যভাবে পরিবর্তন হওয়ার সম্ভাবনা নেই। গুণমান হ্রাসের জন্য সবচেয়ে সম্ভাব্য ব্যাখ্যা কি?
প্রশিক্ষণ-পরিষেবা তির্যক.
সঠিক। যদিও ইউনিকর্নের আচরণ সম্ভবত পরিবর্তিত হয়নি, সম্ভবত প্রশিক্ষণের ডেটা সংগ্রহ করার পরে পরিবেশন করা ডেটাতে অন্তর্নিহিত ডেটা রিপোর্টিং বা ডেটা ফর্ম্যাটিং পরিবর্তিত হয়েছে। প্রশিক্ষণ ডেটার ডেটা স্কিমার বিপরীতে পরিবেশনকারী ডেটা পরীক্ষা করে সম্ভাব্য প্রশিক্ষণ-সার্ভিং স্কু সনাক্ত করুন।
আপনি একটি নির্দিষ্ট থ্রেশহোল্ডের বিপরীতে মডেলের গুণমান পরীক্ষা করতে ভুলে গেছেন।
ত্রুটিপূর্ণ. মডেলের গুণমান পরীক্ষা করা গুণমানের হ্রাস পেতে সাহায্য করবে, কিন্তু কেন এই হ্রাস ঘটেছে তা ব্যাখ্যা করবে না।
আপনার মডেল বাসি.
ভুল, ধরে নিচ্ছি যে আপনার প্রশিক্ষণের ডেটা ইউনিকর্ন আচরণের সমস্ত চক্রকে কভার করে, যেমনটি আগের প্রশ্নে আলোচনা করা হয়েছে।
আপনি বিজ্ঞতার সাথে অ্যান্টার্কটিকার জন্য ভবিষ্যদ্বাণীগুলি পর্যবেক্ষণ করার সিদ্ধান্ত নিয়েছেন কারণ সেখানে আপনার যথেষ্ট প্রশিক্ষণের ডেটা নেই। আপনার ভবিষ্যদ্বাণীর গুণমান রহস্যজনকভাবে এক সময়ে কয়েক দিনের জন্য কমে যায়, বিশেষ করে শীতকালে। কি কারণ হতে পারে?
একটি পরিবেশগত কারণ।
সঠিক। আপনি আবিষ্কার করেছেন যে অ্যান্টার্কটিকার ঝড়গুলি আপনার ভবিষ্যদ্বাণীর গুণমান হ্রাসের সাথে সম্পর্কযুক্ত। এই ঝড়ের সময়, ইউনিকর্নের আচরণ পরিবর্তন হয়। উপরন্তু, অ্যান্টার্কটিকায় ঝড়ের সময় ডেটা সংগ্রহ করা অসম্ভব, যার অর্থ আপনার মডেল এই ধরনের অবস্থার জন্য প্রশিক্ষণ দিতে পারে না।
আপনার মডেল বাসি হয়ে যায়।
ত্রুটিপূর্ণ. যদি এই কারণটি সঠিক হয়, তবে মাত্র কয়েক দিনের জন্য বাদ না দিয়ে আপনার মডেল বাসি হয়ে যাওয়ায় গুণমান ক্রমাগত কমে যাবে।
কোন কারণের প্রয়োজন নেই। এমএল মডেলের সহজাত এলোমেলোতা আছে।
ত্রুটিপূর্ণ. যদি আপনার মডেলের গুণমান ওঠানামা করে, তাহলে আপনার কারণটি তদন্ত করা উচিত। প্রজননযোগ্যতা বাড়ানোর জন্য আপনার মডেল প্রশিক্ষণে এলোমেলোতা দূর করার চেষ্টা করুন।
আপনার ইউনিকর্ন চেহারা ভবিষ্যদ্বাণীকারী এক বছর ধরে কাজ করেছে। আপনি অনেক সমস্যা সমাধান করেছেন, এবং গুণমান এখন উচ্চ। যাইহোক, আপনি একটি ছোট কিন্তু ক্রমাগত সমস্যা লক্ষ্য করেন। আপনার মডেলের মান শহরাঞ্চলে কিছুটা কম হয়েছে। কারণ কি হতে পারে?
আপনার ভবিষ্যদ্বাণীর উচ্চ গুণমান ব্যবহারকারীদের সহজেই ইউনিকর্ন খুঁজে পেতে পরিচালিত করে, যা ইউনিকর্নের চেহারার আচরণকে প্রভাবিত করে।
সঠিক। ইউনিকর্নগুলি শহুরে এলাকায় তাদের আচরণ পরিবর্তন করে মনোযোগ বৃদ্ধির প্রতিক্রিয়া জানায়। যেহেতু আপনার মডেলের ভবিষ্যদ্বাণী পরিবর্তনশীল আচরণের সাথে খাপ খাইয়ে নেয়, ইউনিকর্ন তাদের আচরণ পরিবর্তন করতে থাকে। এই ধরনের পরিস্থিতি, যেখানে আপনার মডেলের আচরণ প্রশিক্ষণের ডেটাকে প্রভাবিত করে, তাকে ফিডব্যাক লুপ বলা হয়। ইউনিকর্ন আচরণের পরিবর্তনের সাথে সামঞ্জস্যপূর্ণ ডেটা পরিবেশন করার পরিবর্তনগুলি সনাক্ত করতে আপনার প্রশিক্ষণ-সার্ভিং স্কু সনাক্তকরণ পরিবর্তন করার চেষ্টা করা উচিত।
ইউনিকর্নের উপস্থিতি প্রচুর জনবসতিপূর্ণ এলাকায় একাধিকবার রিপোর্ট করা হয়, আপনার প্রশিক্ষণের ডেটাকে স্কাই করে।
ত্রুটিপূর্ণ. এটি সম্ভবত কারণ নয় কারণ এই তির্যকটি লঞ্চ থেকে আপনার গুণমানকে হ্রাস করা উচিত ছিল।
শহুরে এলাকায় মডেল করা কঠিন।
ত্রুটিপূর্ণ. যদি আপনার মডেলটি শহুরে অঞ্চলে ভবিষ্যদ্বাণী করতে সমস্যায় পড়ে, তবে লঞ্চের পরে নিম্নমুখী হওয়ার পরিবর্তে গুণমান শুরু থেকেই নিম্নতর হবে।