प्रोडक्शन एमएल सिस्टम: टेस्ट अपना ज्ञान

आपने मशीन लर्निंग का इस्तेमाल करके, डेटा की कैटगरी तय करने वाला ऐसा मॉडल बनाया है जो यूनिकॉर्न के दिखने का अनुमान लगाता है. आपके डेटासेट में यूनिकॉर्न के 10,000 और न दिखने की 10,000 बार जानकारी दी गई है. डेटासेट में जगह, दिन का समय, ऊंचाई, तापमान, नमी, पेड़ों से ढकी जगह, इंद्रधनुष की मौजूदगी, और कई दूसरी सुविधाएं शामिल हैं.

यूनिकॉर्न के दिखने का अनुमान लगाने वाला टूल लॉन्च करने के बाद, आपको अपने मॉडल को अप-टू-डेट रखना होगा. इसके लिए, आपको फिर से डेटा की ट्रेनिंग लेनी होगी. ट्रेनिंग के लिए बहुत ज़्यादा नया डेटा इकट्ठा करने की वजह से, आपने तय समय में नए डेटा को सैंपल करके ट्रेनिंग का डेटा सीमित किया है. यूनिकॉर्न के दिखने का पैटर्न, हर दिन और साल के हिसाब से भी होना चाहिए. आपके हिसाब से, वीडियो के लिए किस समयावधि को चुना जाता है?

एक दिन बड़ी विंडो की वजह से, बहुत ज़्यादा डेटा होगा और आपके मॉडल को ट्रेनिंग में भी बहुत समय लगेगा.

एक हफ़्ता, ताकि आपका डेटासेट बहुत बड़ा न हो. हालांकि, आप अब भी पैटर्न को बेहतर बना सकें.

एक साल, ताकि यह पक्का किया जा सके कि आपके मॉडल में रोज़ या सालाना पैटर्न का कोई भेदभाव न हो.

आपने यूनिकॉर्न के लुक का अनुमान लगाने वाला टूल लॉन्च किया. यह ठीक से काम कर रहा है! आप छुट्टी पर जाते हैं और तीन हफ़्ते बाद वापस आते हैं और पाते हैं कि आपके मॉडल की क्वालिटी काफ़ी खराब हो गई है. यह मान लें कि तीन हफ़्तों में यूनिकॉर्न के व्यवहार में काफ़ी बदलाव होने की संभावना नहीं है. क्वालिटी में कमी की सबसे संभावित वजह क्या है?

ट्रेनिंग और विज्ञापन दिखाने में गड़बड़ी: मॉडल ने विज्ञापन दिखाना शुरू करने के बाद, डेटा का फ़ॉर्मैट धीरे-धीरे बदला है.

आपने ट्रेनिंग के दौरान, मेट्रिक के तौर पर सटीक जानकारी का इस्तेमाल किया है.

आपका मॉडल पुराना है.

इनमें से कोई नहीं.

आपको पता चलता है कि मॉडल ने अंटार्कटिका के लिए इस मॉडल के अनुमानों को देखा है. इसके बाद, आपको पता चलता है कि मॉडल प्रोडक्शन के लिए रिलीज़ किए जाने के बाद से, वहां खराब अनुमान लगा रहा है. इनमें से किस समस्या की वजह से समस्या हो सकती है?

आपके पास अंटार्कटिका के लिए प्रशिक्षण के काफ़ी उदाहरण नहीं थे.

आपने स्टैटिक ट्रेनिंग के बजाय, डाइनैमिक ट्रेनिंग का इस्तेमाल किया है.

आपका मॉडल पुराना हो गया है.

ऊपर के सभी.

यूनिकॉर्न के दिखने का अनुमान लगाने वाले डिवाइस ने एक साल से काम किया है. आपने कई समस्याएं ठीक की हैं और अब क्वालिटी अच्छी है. हालांकि, आपको एक छोटी, लेकिन लगातार बनी रहने वाली समस्या दिखती है. शहरी इलाकों में, आपके मॉडल की क्वालिटी थोड़ी नीचे गई है. इसकी क्या वजह हो सकती है?

आपके सुझावों की अच्छी क्वालिटी की वजह से उपयोगकर्ता आसानी से यूनिकॉर्न ढूंढ पाते हैं. इससे यूनिकॉर्न के दिखने का तरीका बदल जाता है.

शहरी इलाकों के बारे में अनुमान लगाना मुश्किल होता है.

ज़्यादा आबादी वाले इलाकों में यूनिकॉर्न दिखने की कई बार शिकायत की गई है. इससे आपकी ट्रेनिंग के डेटा पर असर पड़ सकता है.

आपने सभी समस्याओं को हल करके, यूनिकॉर्न मॉडल के अनुमान की क्वालिटी को काफ़ी बेहतर बनाया है. इस वजह से, इसका इस्तेमाल 10 गुना बढ़ गया है. हालांकि, उपयोगकर्ताओं की शिकायत अब यह है कि मॉडल बहुत धीमा है; आम तौर पर, अनुमान दिखाने में 30 सेकंड से ज़्यादा लगते हैं. इनमें से किन बदलावों से इस समस्या को हल करने में मदद मिल सकती है?

मॉडल को डाइनैमिक ट्रेनिंग से स्टैटिक ट्रेनिंग पर स्विच करें.

मॉडल को डाइनैमिक अनुमान से स्टैटिक अनुमान पर स्विच करें.

पेश करने से पहले, मॉडल की क्वालिटी की पुष्टि करें.

ऊपर दिए गए किसी भी समाधान से मदद नहीं मिलेगी.