এটি প্রথমে না পড়ে একটি AI প্রকল্প তৈরি করবেন না

আপনি কি ChatGPT এর ক্ষমতা নিয়ে উত্তেজিত, নাকি আপনি সবেমাত্র আপনার ML কোর্স শেষ করেছেন এবং একটি দুর্দান্ত বৈশিষ্ট্য তৈরি করতে এই প্রযুক্তিগুলি ব্যবহার করতে প্রস্তুত?

উভয় ক্ষেত্রেই, আপনার প্রথম এআই-চালিত বৈশিষ্ট্য তৈরি করার সময় আপনার জন্য কী চ্যালেঞ্জ অপেক্ষা করছে তা আপনাকে অবশ্যই জানতে হবে । আমি যদি এক বছর আগে এই সব জানতাম.

প্রথম জিনিস প্রথমে, আপনি কি নিশ্চিত যে আপনার এআই প্রয়োজন?

গুগল এর ml-এর নিয়ম হিউরিস্টিকসের উপর ভিত্তি করে একটি সাধারণ অ্যালগরিদম দিয়ে শুরু করার পরামর্শ দিন যা কাজটি করবে এবং একটি মেশিন-লার্নিং সমাধানে চলে যাবে যখন হিউরিস্টিকগুলি বজায় রাখা জটিল হয়ে যায়।

একটি সমস্যা সমাধানের জন্য AI যুক্ত করা অতিরিক্ত চ্যালেঞ্জ নিয়ে আসে যা আপনাকে মোকাবেলা করতে হবে, যেমন:

• ব্যাখ্যাযোগ্যতা - কেন সমাধানটি একজন গ্রাহকের জন্য এইভাবে কাজ করে
• ডেটা গোপনীয়তা - এমন কোনও তৃতীয় পক্ষের সমাধান আছে যা গ্রাহকের সংবেদনশীল ডেটা প্রক্রিয়া করে
• রক্ষণাবেক্ষণ/বাস্তবায়নের খরচ - আপনি যে জিনিসটি তৈরি করেন তাতে সম্ভবত 1 দিন থেকে সেরা টার্গেট কর্মক্ষমতা থাকবে না এবং আপনাকে মডেলটি উন্নত করতে আরও বেশি সময় ব্যয় করতে হবে

কোন পরিকল্পনা নেই = কোন সফলতা নেই

প্রকল্প কি সম্পর্কে? এটা কি গ্রাহক সমস্যা সমাধান করবে? আমরা কি মেট্রিক্স উন্নত আশা করি? পরিচিত সিস্টেম সীমাবদ্ধতা কি?

বাস্তবায়ন করার আগে, এই সমস্ত প্রশ্নের উত্তর থাকা অপরিহার্য। পরিকল্পনার সময় আপনি যত বেশি সম্ভাব্য ক্ষতিগুলি চিহ্নিত করবেন, তত ভাল পরিবর্তনের খরচ এই পর্যায়ে তুলনামূলকভাবে কম।

নোটগুলো কোথায়?

আপনার সবকিছু নথিভুক্ত করা উচিত—সমস্যা বিবৃতি, মেট্রিক্স, পছন্দসই ফলাফল, পরীক্ষার কেস, গবেষণা লগ, নকশা নথি, মাইলফলক।

নথি লেখার ফলে আপনি কম জিনিস মাথায় রাখতে পারবেন। অন্যান্য লোকেরা দ্রুত আপনার প্রকল্পে যোগ দিতে পারে বা অন্য প্রকল্পে আপনার কাজের ফলাফল ব্যবহার করতে পারে।

ছোট এবং সহজ শুরু করুন

বৈশিষ্ট্যটির প্রথম সংস্করণটিকে সহজ রেখে, আপনি এটিকে দ্রুত তৈরি করতে, প্রভাব পরিমাপ করতে, অন্তর্দৃষ্টিগুলি শিখতে এবং পুনরাবৃত্তি চালিয়ে যেতে পারেন৷ একটি ছোট জিনিস তৈরি করা আপনাকে একটি বেসলাইন পারফরম্যান্স প্রতিষ্ঠা করতে দেয় যা আপনি আরও পুনরাবৃত্তিতে উন্নতি করবেন।

এমন একটি সিস্টেম তৈরি করা যা অনেক কিছু করে এবং সমস্ত সম্ভাব্য ব্যবহারের ক্ষেত্রে পরিচালনা করে একটি উত্তেজনাপূর্ণ চ্যালেঞ্জ। যাহোক, একটি স্কেটবোর্ড তৈরি করা একটি গাড়ী নির্মাণের আগে সবসময় ভাল.

আপনি আপনার গবেষণা করেছেন?

যদি সমস্যাটি ক্ষেত্রে নতুন হয় এবং কেউ এখনও এটি সমাধান করেনি, তাহলে এটি নিয়ে গবেষণা করার কথা বিবেচনা করুন। আপনি সমস্যাটি সমাধান করা সম্ভব কিনা তা পরীক্ষা করতে চান।

গবেষণার ফলাফল হল একটি ন্যূনতম কাজের প্রোটোটাইপ যা দেখায় যে একটি অ্যালগরিদম সমস্যার সমাধান করতে পারে ৷ গবেষণা এটাও দেখাতে পারে যে কোন সম্ভাব্য সমাধান নেই, যা চমৎকার শিক্ষা-তাই আপনি প্রকল্পের শুরুতে এই পদক্ষেপটি করেন।

অত্যধিক মূল্যায়ন করবেন না!

আপনার প্রুফ-অফ-ধারণাটি চমত্কার দেখাতে পারে এবং হাইপ তৈরি করতে পারে, তবে প্রোটোটাইপ এবং প্রোডাকশন-গ্রেড সমাধানের মধ্যে অনেক কাজ রয়েছে যা সমস্ত ব্যবহারকারীর জন্য কাজ করে।

নতুন প্রযুক্তির সাথে কাজ করার সময়, আপনি যা করতে পারেন তা হল কাজগুলি দ্রুত সম্পন্ন করার প্রতিশ্রুতি দেওয়া এড়ানো । আপনার সময় নিন, প্রযুক্তি এবং সমস্যা স্থানের সাথে পরিচিত হন, কাজটিকে একাধিক ছোট মাইলফলকগুলিতে ভাগ করুন এবং আলাদাভাবে অনুমান করুন।

আপনি যখন লক্ষ্য করেন যে পরিকল্পনা অনুযায়ী কিছু হচ্ছে না, তখন দলের সাথে যোগাযোগ করুন এবং নিশ্চিত করুন যে সবাই বুঝতে পারে যে সময়রেখা/প্রকল্প পরিবর্তিত হয়েছে।

পরীক্ষা লিখুন

AI এর সাথে বিকাশ করার সময় আপনাকে অবশ্যই একই সফ্টওয়্যার ইঞ্জিনিয়ারিং নীতিগুলি প্রয়োগ করতে হবে। আপনার সমাধান বিকশিত হবে, এবং আপনাকে অবশ্যই নিশ্চিত করতে হবে যে এটি প্রত্যাশিত হিসাবে কাজ করে। স্বয়ংক্রিয় পরীক্ষা ম্যানুয়ালি জিনিসগুলি পরীক্ষা করার জন্য ব্যয় করা সময় হ্রাস করুন এবং সমস্যা এবং সমাধানের উপর ফোকাস করার জন্য আপনাকে আরও সময় দিন।

দুঃখজনক খবরের সময়...

এমনকি কয়েক মাস কঠোর পরিশ্রমের পরেও, আপনার মডেল খারাপ পারফর্ম করতে পারে। এটি হতাশাজনক হতে পারে, তবে এটি এমএল উন্নয়ন প্রক্রিয়ার একটি অংশ। আপনাকে অবশ্যই মেনে নিতে হবে যে ব্যর্থতা সম্ভব এবং প্রয়োজনে আপনার পদ্ধতির পিভট করার জন্য প্রস্তুত।

মনে রাখা গুরুত্বপূর্ণ বিষয় হল প্রতিটি ব্যর্থতা ভবিষ্যতের জন্য শেখার এবং উন্নতি করার সুযোগ।

উপসংহার

একটি AI-চালিত বৈশিষ্ট্য তৈরি করার জন্য সতর্ক পরিকল্পনা, গবেষণা এবং বাস্তবায়ন প্রয়োজন। ছোট থেকে শুরু করা, সবকিছু নথিভুক্ত করা এবং দলের সাথে নিয়মিত যোগাযোগ করা অত্যন্ত গুরুত্বপূর্ণ। এবং সবসময় কিছু বাস্তবায়ন করার আগে AI প্রয়োজনীয় কিনা তা মূল্যায়ন করতে মনে রাখবেন।

মনে রাখবেন যে ব্যর্থতা সম্ভব, তবে এটি শেখার এবং উন্নতি করার একটি সুযোগ। একমাত্র মানুষ যারা কখনো ব্যর্থ হয় না তারাই যারা কখনো চেষ্টা করে না।

দরকারী সম্পদ:

• আমার ব্যক্তিগত ব্লগ
• কেন আপনাকে স্বয়ংক্রিয় পরীক্ষা লিখতে হবে
• এমএল এর নিয়ম মার্টিন জিনকেভিচ দ্বারা
• সময়ের সাথে সাথে উন্নয়নের খরচ কিভাবে পরিবর্তিত হয়
• MVP এর অর্থ তৈরি করা দ্বারা হেনরিক নিবার্গ