এন্ড-টু-এন্ড ফ্লো: ব্রিফিং থেকে রিহার্সাল, যাচাইকরণ, গোপনীয়তা এবং বিতরণ

লাভ:

• ব্রিফিং, ডেটা প্রস্তুতি, কাঠামো, বিষয়বস্তু/গ্রাফিক্স, বৈধতা, প্রুফিং এবং ডেলিভারি পদক্ষেপগুলির সমন্বয়ে একটি পুনরাবৃত্তিযোগ্য প্রবাহে একটি উপস্থাপনা/ডেটা কাজ চালানোর ক্ষমতা।
• বেনামী এবং সংবেদনশীল ডেটা একত্রিত করার মাধ্যমে, বাহ্যিক সরঞ্জামটি গোপনীয়তা লঙ্ঘন ছাড়াই কাজ করতে পারে এবং ক্রস-ভেরিফাই ক্রিটিক্যাল নম্বর।
• রিহার্সাল পার্টনার হিসেবে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করে এবং কঠিন প্রশ্ন ও সময় পরীক্ষা করে চূড়ান্ত ডেলিভারির দায়িত্ব নেওয়ার ক্ষমতা

পূর্ববর্তী ইউনিটগুলি একে একে দক্ষতা শিখিয়েছিল: কাঠামো, পাঠ্য, নকশা, গ্রাফিক নির্বাচন, কোড, ড্যাশবোর্ড, গল্প, ইনফোগ্রাফিক, সততা। এই চূড়ান্ত ইউনিটটি সেগুলিকে একটি ওয়ার্কফ্লোতে একত্রিত করে: একটি সংক্ষিপ্ত এসেছে, আপনি একটি উপস্থাপনা/ডেটা ভিজ্যুয়ালাইজেশন প্রদান করবেন। আমাদের লক্ষ্য হল একটি পুনরাবৃত্তিযোগ্য পদ্ধতি প্রতিষ্ঠা করা যা শুরু থেকে শেষ পর্যন্ত AI ব্যবহার করে কিন্তু গোপনীয়তা এবং নৈতিকতা রক্ষা করে প্রতিটি ধাপে এটিকে বৈধ করে।

শেষ থেকে শেষ প্রবাহের সাতটি ধাপ

1. সংক্ষিপ্ত এবং সুযোগ: শ্রোতা, উদ্দেশ্য, প্রধান বার্তা, সময়কাল, চ্যানেল (উপস্থাপনা, প্রতিবেদন, সামাজিক মিডিয়া), সীমাবদ্ধতা।
2. ডেটা প্রস্তুতি: ডেটা সংগ্রহ, পরিষ্কার, বেনামী করা; বাহ্যিক গাড়িতে কী যায় তা নির্ধারণ করুন।
3. গঠন এবং বর্ণনা: প্যাটার্ন চয়ন করুন, স্লাইড মেরুদণ্ড তৈরি করুন (ইউনিট 2, 8)।
4. বিষয়বস্তু এবং গ্রাফিক্স: পাঠ্য লিখুন, সঠিক গ্রাফিক চয়ন করুন এবং কোড করুন, ডিজাইন সেট আপ করুন (ইউনিট 3-6)।
5. সততা এবং যাচাইকরণ: প্রতিটি সংখ্যা, প্রতিটি চার্ট, প্রতিটি দাবি নিরীক্ষিত হয় (ইউনিট 10)।
6. মহড়া এবং সম্পাদনা করুন: উপস্থাপনা জোরে চেষ্টা করুন, সময় দিন, প্রতিক্রিয়া সহ এটি ছাঁটাই করুন।
7. বিতরণ এবং সংরক্ষণাগার: চূড়ান্ত সংস্করণ, উত্স নোট এবং পুনরায় ব্যবহারযোগ্য কোড/টেমপ্লেট।

পরামর্শ: এই সাতটি ধাপকে একটি চেকলিস্ট তৈরি করুন এবং প্রতিটি কাজে সেগুলি পুনরাবৃত্তি করুন। ওয়ার্কফ্লো মানককরণ পৃথক ফর্মের উপর নির্ভরশীল হওয়া থেকে গুণমানকে সরিয়ে দেয়।

ডেটা প্রস্তুতি এবং গোপনীয়তা: সবচেয়ে গুরুত্বপূর্ণ স্টপ

AI কে ডেটা দেওয়ার আগে, থামুন এবং জিজ্ঞাসা করুন: এই ডেটা কি একটি বাহ্যিক সিস্টেমে প্রবেশ করতে পারে? কয়েকটি ধারণা: ব্যক্তিগত তথ্য (তথ্য যা একজন ব্যক্তিকে চিহ্নিত করে, যেমন নাম, পরিচয়, যোগাযোগ, স্বাস্থ্য, বেতন); বেনামীকরণ (পরিচয় অপসারণ করা যায় না); সমষ্টি (স্বতন্ত্র সারির পরিবর্তে গড়/মোট দিন)। নিয়ম:

• প্রতিষ্ঠান দ্বারা অনুমোদিত নয় এমন একটি টুলে ব্যক্তিগত/বাণিজ্য গোপনীয়তা সম্বলিত ডেটা কখনই প্রবেশ করাবেন না।
• যদি আপনাকে অবশ্যই লিখতে হবে, বেনামী করতে হবে বা একত্রিত করতে হবে: নাম/আইডি কলামগুলি মুছুন, শুধুমাত্র গোষ্ঠীর মধ্যে ব্যক্তি দেখান৷
• চার্ট/কোড তৈরি করার সময়, মডেলটিকে ডেটা স্ট্রাকচার (কলামের নাম, প্রকার) দিন, অপরিশোধিত সারিগুলি নয়।

আপনার ভূমিকা: ডেটা গোপনীয়তা নিয়ন্ত্রক। নিম্নলিখিত ডেটাসেটের কলাম: [তালিকা]। একটি গ্রাফ তৈরি করতে আমি এটিকে একটি বহিরাগত AI টুলে খাওয়াব। কোন কলাম ব্যক্তিগত/সংবেদনশীল হতে পারে? বেনামী বা একত্রিত করার জন্য আমার কী দরকার তা চিহ্নিত করুন এবং এটি কীভাবে করবেন (মুছুন, মাস্ক, গোষ্ঠী) পরামর্শ দিন। আমাকে বলুন কিভাবে আমি সর্বনিম্ন পরিমাণ ডেটা নিয়ে কাজ করতে পারি যা বিশ্লেষণের জন্য যথেষ্ট হবে।

সতর্কতা: "শুধু একবার, দ্রুত" সংবেদনশীল ডেটা আটকানো গোপনীয়তা লঙ্ঘনের সবচেয়ে সাধারণ রূপ। একবার আউট হয়ে গেলে, ডেটা পুনরুদ্ধার করা যাবে না।

বৈধতা: প্রসবের আগে চূড়ান্ত ফিল্টার

ইউনিট 1 থেকে চারটি ধাপ (উৎস, ধারাবাহিকতা, সততা, প্রসঙ্গ) সমগ্র উপস্থাপনায় প্রয়োগ করুন। অতিরিক্তভাবে, একটি ক্রস-চেক করুন: মডেলের বাইরের একটি টুল (স্প্রেডশীট, ক্যালকুলেটর) দিয়ে সমালোচনামূলক সংখ্যা নিশ্চিত করুন।

নিয়ন্ত্রণ

প্রশ্ন

যানবাহন

উৎস

প্রতিটি সংখ্যা কোথা থেকে আসে?

তথ্য উৎস/নোট

ধারাবাহিকতা

স্লাইড-গ্রাফিক-টেক্সট কি একই?

আপনার চোখ দিয়ে তির্যক পড়ুন

সততা

চার্ট কি অতিরঞ্জিত?

ইউনিট 10 পরিদর্শন

অ্যাকাউন্ট

মোট/শতাংশ কি সঠিক?

স্প্রেডশীট

উদ্ধৃতি

উদ্ধৃতি/উৎস বাস্তব?

ওপেন সোর্স, যাচাই করুন

হ্যালুসিনেশন (বানোয়াট তথ্য) থেকে বিশেষভাবে সতর্ক থাকুন: মডেলটি একটি পরিসংখ্যান, একটি উদ্ধৃতি বা উত্স "বানোয়াট" করতে পারে। স্লাইডে যায় এমন প্রতিটি বাহ্যিক উত্স এবং চিত্র খুলুন এবং যাচাই করুন৷

রিহার্সাল: কৃত্রিম বুদ্ধিমত্তা দিয়ে উপস্থাপনা পরীক্ষা করা

কৃত্রিম বুদ্ধিমত্তা একটি মহড়া অংশীদার হতে পারে: শ্রোতাদের দৃষ্টিকোণ থেকে কঠিন প্রশ্ন তৈরি করা, দুর্বল স্থানান্তর খুঁজে পাওয়া, সময়কাল অনুমান করা।

আপনার ভূমিকা: একটি চ্যালেঞ্জিং শ্রোতা এবং উপস্থাপনা প্রশিক্ষক। নীচে উপস্থাপনা ব্যাকবোন এবং স্পিকার নোট পর্যালোচনা করুন. 1) 5টি সবচেয়ে কঠিন প্রশ্ন তৈরি করুন যা এই দর্শক ([ভূমিকা]) জিজ্ঞাসা করবে। 2) আখ্যানে দুর্বল/বিচ্ছিন্ন পরিবর্তনগুলি চিহ্নিত করুন। 3) প্রতিটি স্লাইডে আনুমানিক কত সেকেন্ড পড়ে তা অনুমান করুন, মোট সময় [X] মিনিট তৈরি করে; খুব বেশি হলে, কোন স্লাইডগুলো ছোট করা উচিত তা পরামর্শ দিন। উপস্থাপনা: [... ]।

একটি পৃথক "আপত্তি সভা" রিহার্সাল:

এই উপস্থাপনার মূল প্রস্তাবে 4টি আপত্তি তৈরি করুন এবং প্রতিটির জন্য 2-বাক্য, ডেটা-ভিত্তিক প্রতিক্রিয়ার খসড়া তৈরি করুন। উত্তর তৈরি করবেন না; যেখানে নিশ্চিতকরণ প্রয়োজন সেখানে লিখুন [নিশ্চিতকরণ]। পরামর্শ: [...]।

তিনটি মিনি কেস

কেস 1 — এন্ড-টু-এন্ড গতি। একজন পরামর্শদাতা 2 দিনের মধ্যে একটি সাধারণ ক্লায়েন্ট উপস্থাপনা (গবেষণা + কাঠামো + স্লাইড + চার্ট + প্রমাণ) ছড়িয়ে দেবেন। যখন আমরা কৃত্রিম বুদ্ধিমত্তা সহ সাত-পদক্ষেপ প্রবাহ ইনস্টল করি, সময় প্রায় 1 দিন কমে যায়; সংরক্ষিত সময়ের একটি উল্লেখযোগ্য অংশ যাচাইকরণ এবং মহড়ার জন্য নিবেদিত ছিল, এবং গুণমান কমেনি বরং বৃদ্ধি পেয়েছে।

কেস 2 - শেষ মুহূর্তের গোপনীয়তা। একটি দল চার্টিংয়ের জন্য বহিরাগত টুলে গ্রাহক লেনদেনের রেকর্ড (নাম + পরিমাণ) রপ্তানি করবে। তারা গোপনীয়তা নিয়ন্ত্রণ পদক্ষেপে থামল; তারা নামগুলি মুছে ফেলে এবং পরিমাণগুলিকে সেগমেন্ট গড়ে রূপান্তর করে৷ বিশ্লেষণ আবার কাজ করেছে, কোন ব্যক্তিগত তথ্য পাওয়া যায়নি. পরবর্তী নিরীক্ষায় এই সিদ্ধান্তের প্রশংসা করা হয়।

কেস 3 - রিহার্সাল দৃশ্যটি সংরক্ষণ করেছে। একজন উদ্যোক্তা AI কে বিনিয়োগকারীদের উপস্থাপনার আগে "5টি সবচেয়ে কঠিন প্রশ্ন তৈরি করতে" বলেছিলেন। সভায় তিনটি প্রশ্ন মৌখিকভাবে করা হয়; তিনি সাবলীলভাবে উত্তর দিয়েছেন কারণ তিনি প্রস্তুত ছিলেন। তিনি যদি মহড়া না করতেন, তাহলে তিনি সবচেয়ে জটিল প্রশ্নে আটকে যেতেন।

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল:

এই ডেটা দিয়ে শুরু থেকে শেষ পর্যন্ত একটি উপস্থাপনা প্রস্তুত করুন এবং শেষ করুন।

এক ঝাপটে পড়ে "সবকিছু" চাওয়া; কোন যাচাই, কোন গোপনীয়তা, কোন মহড়া. মডেল ফাঁক ফিট করে, আপনি এটি নিয়ন্ত্রণ করতে পারবেন না.

শক্তিশালী:

ধাপে ধাপে একটি উপস্থাপনা সেট আপ করা যাক। শুধু প্রথম ধাপ 1 করুন: সংক্ষিপ্তটি পরিষ্কার করুন (শ্রোতা/উদ্দেশ্য/বার্তা/সময়কাল/চ্যানেল/সীমাবদ্ধতা সম্পর্কে আমাকে জিজ্ঞাসা করুন)। তারপরে আমরা ক্রমানুসারে এগিয়ে যাব: ডেটা গোপনীয়তা পরীক্ষা, কাঠামো, বিষয়বস্তু+গ্রাফিক্স, সততা পরীক্ষা, প্রুফিং। প্রতিটি ধাপে সংখ্যা তৈরি করবেন না, যা নিশ্চিত করা দরকার তা লিখুন, সংবেদনশীল ডেটার জন্য জিজ্ঞাসা করবেন না।

দ্বিতীয়টি কাজটিকে ধাপে ভাগ করে, প্রতিটি ধাপে আপনাকে নিয়ন্ত্রণে রাখে এবং গোপনীয়তা/বিশ্বস্ততার সীমানা সামনে সেট করে।

সাধারণ ভুল

• এক সাথে "সবকিছু" চাওয়া: ধাপগুলি এড়িয়ে যাওয়া প্রমাণীকরণ এবং গোপনীয়তাকে বাইপাস করে৷
• গোপনীয়তা স্টপ বাইপাস করা: একটি অনিয়ন্ত্রিত বাহ্যিক এজেন্টকে সংবেদনশীল ডেটা দেওয়া।
• রিহার্সাল ছাড়াই মঞ্চে যাওয়া: কঠিন প্রশ্ন এবং সময়ের প্রত্যাশা না করা।
• উৎস/অ্যাট্রিবিউশন যাচাইকরণ এড়িয়ে যাওয়া: একটি বানোয়াট পরিসংখ্যান বা উদ্ধৃতি লক্ষ্য করা যাচ্ছে না।
• সংরক্ষণাগার না: কোড/টেমপ্লেট সংরক্ষণ না করা এবং স্ক্র্যাচ থেকে সবকিছু করা।
• মডেলের উপর দায়িত্ব চাপানো: "এআই এটি প্রস্তুত করেছে" বলে; যাইহোক, ডেলিভারি আপনার।

সংক্ষেপে

সাতটি ধাপে আপনার উপস্থাপনা এবং ডেটা ভিজ্যুয়ালাইজেশন ব্যবসার এন্ড-টু-এন্ড তৈরি করুন: সংক্ষিপ্ত, ডেটা প্রস্তুতি এবং গোপনীয়তা, কাঠামো/আখ্যান, বিষয়বস্তু/গ্রাফিক্স, অখণ্ডতা এবং যাচাইকরণ, মহড়া, বিতরণ/আর্কাইভ। প্রতিটি পদক্ষেপে AI ব্যবহার করুন, কিন্তু নিয়ন্ত্রণে থাকুন: সংবেদনশীল ডেটা বেনামী করুন, প্রতিটি নম্বর এবং উত্স ক্রস-ভেরিফাই করুন, মডেলটিকে আপনার প্রুফিং পার্টনার করুন। কৃত্রিম বুদ্ধিমত্তা সমগ্র প্রবাহের গতি বাড়ায়; ডেটার নির্ভুলতা, বার্তার অখণ্ডতা, গোপনীয়তা এবং চূড়ান্ত বিতরণের দায়িত্ব সর্বদা আপনার।

আবেদন টাস্ক

একটি বাস্তব উপস্থাপনা কাজ চয়ন করুন এবং সাতটি ধাপ অনুসরণ করুন। (1) AI দ্বারা সংক্ষিপ্ত জিজ্ঞাসাবাদ করুন। (2) গোপনীয়তা নিয়ন্ত্রণের সাথে কোন ডেটা বেনামী করা হবে তা স্থির করুন৷ (3) ধাপের কাঠামো → বিষয়বস্তু → চার্ট কার্যকর করুন। (4) অখণ্ডতা নিরীক্ষা এবং ক্রস-চেক সমালোচনামূলক সংখ্যা সম্পাদন করুন৷ (5) কৃত্রিম বুদ্ধিমত্তাকে "5টি সবচেয়ে কঠিন প্রশ্ন" তৈরি করতে বলুন এবং তাদের মহড়া করুন। (6) সর্বশেষ সংস্করণ এবং পুনরায় ব্যবহারযোগ্য কোড/টেমপ্লেট সংরক্ষণ করুন।

চেকলিস্ট

• [ ] আমি সাত ধাপের প্রবাহ অনুযায়ী কাজ চালিয়েছি।
• [ ] আমি সংবেদনশীল ডেটা বেনামী/একত্রিত করেছি বা এটি মোটেও প্রবেশ করিনি৷
• [ ] আমি মডেলের বাইরে প্রতিটি সংখ্যা এবং বাহ্যিক উত্স ক্রস-ভ্যালিডেট করেছি৷
• [ ] আমি অখণ্ডতার জন্য সমস্ত গ্রাফিক্স পরীক্ষা করেছি৷
• [ ] আমি কৃত্রিম বুদ্ধিমত্তার সাথে মহড়া দিয়েছিলাম; আমি কঠিন প্রশ্ন এবং সময় পরীক্ষা করেছি।
• [] আমি সর্বশেষ সংস্করণ এবং পুনরায় ব্যবহারযোগ্য টেমপ্লেট/কোড সংরক্ষণাগারভুক্ত করেছি।
• [ ] আমি স্বীকার করছি যে আমি চূড়ান্ত ডেলিভারির জন্য দায়ী৷

মডিউল পরীক্ষা

1. উপস্থাপনা এবং ডেটা ভিজ্যুয়ালাইজেশনে কৃত্রিম বুদ্ধিমত্তার জন্য সর্বোত্তম অবস্থান কী?

• ক) কৃত্রিম বুদ্ধিমত্তা হল খসড়া, নকশা, গ্রাফিক কোড এবং সমালোচনা সহকারী; তথ্যের নির্ভুলতা, সততা এবং গোপনীয়তার দায়িত্ব মানুষের উপরই বর্তায় ✔
• খ) কৃত্রিম বুদ্ধিমত্তা একটি ক্যালকুলেটর; তার দেওয়া প্রতিটি সংখ্যা এবং গ্রাফ একেবারে সঠিক।
• গ) কৃত্রিম বুদ্ধিমত্তা শুধুমাত্র স্লাইড সাজানোর জন্য উপযোগী, ডেটা এবং গ্রাফিক্সের সাথে এর কোন সম্পর্ক নেই
• D) যেহেতু AI মানুষের চেয়ে বেশি নিরপেক্ষ, তাই গ্রাফিক্সের অখণ্ডতার সিদ্ধান্ত তার উপর ছেড়ে দেওয়া উচিত

বর্ণনা: বড় ভাষা মডেল একটি ক্যালকুলেটর বা যাচাইকরণ মেশিন নয়, কিন্তু প্ররোচিত পাঠ্য এবং রূপরেখার একটি জেনারেটর। এটি খসড়া, নকশা, গ্রাফিক্স কোড এবং সমালোচনার মতো ভূমিকাগুলিতে অনেক সময় বাঁচায়; যাইহোক, তথ্যের নির্ভুলতা, গ্রাফের সততা, গোপনীয়তা এবং চূড়ান্ত বিতরণের দায়িত্ব যোগ্য ব্যক্তির।

2. 'বিজ্ঞাপন ব্যয় এবং বিক্রয়ের মধ্যে একটি সম্পর্ক আছে?' কোন ধরণের চার্ট সবচেয়ে সততার সাথে প্রশ্ন দেখাবে?

• ক) মাল্টি-স্লাইস পাই চার্ট
• খ) স্ট্যাকড বার চার্ট
• গ) স্ক্যাটার প্লট ✔
• ঘ) 3D পাই চার্ট

ব্যাখ্যা: একটি স্ক্যাটার প্লট দুটি সংখ্যাগত চলকের মধ্যে সম্পর্ক (পারস্পরিক সম্পর্ক) দেখানোর জন্য ব্যবহৃত হয়। একটি বার তুলনা করার জন্য উপযুক্ত এবং একটি লাইন সময়ের সাথে পরিবর্তনের জন্য উপযুক্ত; একটি বার চার্ট সম্পর্কের প্রশ্নের সঠিক উত্তর দেয় না।

3. কেন স্লাইড শিরোনামে 'বিষয় শিরোনাম' এর পরিবর্তে 'অ্যাকশন শিরোনাম' ব্যবহার করার পরামর্শ দেওয়া হয়?

• ক) স্লাইডে আরও পাঠ্য ফিট করা
• খ) কারণ এটি সরাসরি স্লাইডের একমাত্র দাবি দেয় এবং দর্শকদের তাৎক্ষণিকভাবে বার্তাটি বুঝতে দেয় ✔
• গ) কারণ ফন্ট বড় করার দরকার নেই
• ঘ) যেহেতু স্পীকার নোটের প্রয়োজনীয়তা দূর হয়ে গেছে

বর্ণনা: অ্যাকশন শিরোনামটি দাবি হিসাবে স্লাইডটি একটি পূর্ণ বাক্যে যা বলে তা দেয় ('বিক্রয় 3 চতুর্থাংশ ধরে কমেছে'), কেবল বিষয় ট্যাগ ('বিক্রয়') তা দেয় না। এটি দর্শককে তাৎক্ষণিকভাবে বুঝতে দেয় যে প্রতিটি স্লাইড দ্বারা কী বোঝানো হয়েছে; এটি একক পরিবর্তন যা উপস্থাপনার গুণমানকে সবচেয়ে বেশি উন্নত করে।

4. ভিজ্যুয়াল-উৎপাদনকারী কৃত্রিম বুদ্ধিমত্তা সহ উপস্থাপনা ভিজ্যুয়াল প্রস্তুত করার সময় কোন অ্যাপ্লিকেশনটি সবচেয়ে ব্যবহারিক এবং নৈতিক?

• ক) ভিজ্যুয়ালে সমস্ত শিরোনাম এবং সংখ্যা প্রিন্ট করুন এবং সরাসরি স্লাইডে রাখুন
• খ) একটি প্রকৃত গ্রাহকের ছবি হিসাবে একটি উত্পাদিত প্রতিকৃতি উপস্থাপন করা
• গ) একটি বিখ্যাত ব্র্যান্ডের স্টাইল হুবহু অনুকরণ করা
• ঘ) পাঠ্য ছাড়াই ভিজ্যুয়াল তৈরি করা এবং স্লাইড প্রোগ্রামে পাঠ্য যোগ করা এবং নকলকে আসল হিসাবে উপস্থাপন না করা ✔

ব্যাখ্যা: উত্পাদিত চিত্রগুলির পাঠ্য প্রায়শই দূষিত হয়, তাই স্লাইড প্রোগ্রামে পাঠ্যটি পরে যুক্ত করা প্রয়োজন। উপরন্তু, একটি তৈরি করা ছবিকে প্রকৃত ছবি/বাস্তব ব্যক্তি হিসেবে উপস্থাপন করা বিভ্রান্তিকর এবং অনৈতিক। সঠিক পন্থা হল টেক্সট ছাড়া ইমেজ তৈরি করা, নিজে টেক্সট যোগ করা এবং নকলকে আসল হিসেবে উপস্থাপন না করা।

5. 9টি পণ্যের বাজার শেয়ার দেখানোর জন্য সবচেয়ে পাঠযোগ্য বিকল্প কোনটি?

• ক) মান অনুসারে সাজানো অনুভূমিক বার চার্ট ✔
• খ) 9-সেগমেন্ট পাই চার্ট
• গ) 9 টি স্লাইস সহ 3D পাই চার্ট
• ঘ) একটি একক লাইন চার্ট

ব্যাখ্যা: একটি পাই চার্ট শুধুমাত্র তখনই কাজ করে যদি 2-4টি স্লাইস থাকে এবং শেয়ারগুলি উল্লেখযোগ্যভাবে আলাদা হয়; 9টি অনুরূপ স্লাইস অপঠনযোগ্য। একাধিক বিভাগের তুলনা করার সময় মান অনুসারে সাজানো একটি অনুভূমিক বার চার্ট প্রায় সবসময়ই বেশি পাঠযোগ্য।

6. কৃত্রিম বুদ্ধিমত্তা থেকে গ্রাফ গ্রহণ করার সময় 'গ্রাফের ছবি' চাওয়ার পরিবর্তে 'গ্রাফ তৈরি করে এমন কোডের জন্য জিজ্ঞাসা করুন এবং নিজে চালান' কেন বেশি নির্ভরযোগ্য?

• ক) কারণ কোড সবসময় আরো সুন্দর রং বেছে নেয়
• খ) কারণ ছবি নির্মাণ করা হারাম
• গ) যেহেতু কোডটি ডেটা যেমন আছে তেমন প্রক্রিয়া করে এবং নির্ধারক এবং পুনরাবৃত্তিযোগ্য ফলাফল দেয়, মৌখিক ভবিষ্যদ্বাণীর উপর নির্ভর করার দরকার নেই ✔
• D) কারণ কোডটি স্বয়ংক্রিয়ভাবে গ্রাফগুলিকে সৎ করে তোলে এবং আর কোন যাচাইয়ের প্রয়োজন নেই

বর্ণনা: বড় ভাষা মডেল একটি পাঠ্য জেনারেটর; তিনি শুধুমাত্র মৌখিকভাবে একটি সংখ্যা অনুমান করেন এবং ভুল হতে পারে। কোডটি ডেটা যেমন আছে তেমন প্রক্রিয়া করে এবং নির্ধারক (একই ইনপুটের জন্য সর্বদা একই আউটপুট) এবং পুনরাবৃত্তিযোগ্য ফলাফল তৈরি করে; ডেটা আপডেট করা হলে, কোডটি আবার চালানো যেতে পারে এবং গ্রাফটি রিফ্রেশ করা যেতে পারে।

7. একটি ভাল ড্যাশবোর্ড ডিজাইনের মূল নীতি কি?

• ক) একটি একক স্ক্রিনে সমস্ত উপলব্ধ মেট্রিক্স ফিট করা
• খ) একটি নির্দিষ্ট শ্রোতা এবং সিদ্ধান্তের জন্য প্রয়োজনীয় অল্প সংখ্যক (5-9) কেপিআই-এর জন্য প্রসঙ্গ দেখান ✔
• গ) যতটা সম্ভব দশমিক স্থান সহ প্রতিটি সংখ্যা দেখানো হচ্ছে
• ঘ) রঙের বৈচিত্র্য আনতে প্রতিটি মেট্রিককে আলাদা রঙ করা

বর্ণনা: ড্যাশবোর্ড সবকিছু দেখায় না, তবে একটি নির্দিষ্ট দর্শকের দ্বারা একটি নির্দিষ্ট সিদ্ধান্তের জন্য প্রয়োজনীয় 5-9টি সঠিক কেপিআই। যে মেট্রিকগুলি সিদ্ধান্তটি পরিবেশন করে না সেগুলি ড্যাশবোর্ডকে অভিভূত করবে৷ অতিরিক্তভাবে, প্রতিটি সংখ্যায় প্রসঙ্গ (লক্ষ্য/পরিবর্তন) এবং একটি সতেজতা স্ট্যাম্প যোগ করা উচিত, এবং সবচেয়ে গুরুত্বপূর্ণ KPI উপরের বাম দিকে স্থাপন করা উচিত।

8. ডেটা গল্প বলার ক্ষেত্রে সততার ক্ষেত্রে কোন আচরণটি একটি ফাঁদ?

• ক) প্রসঙ্গ-টেনশন-রেজোলিউশন কাঠামোতে ফলাফল উপস্থাপন করা
• খ) ন্যারেটিভের প্রতিটি গ্রাফকে একটি বাক্যের সাথে সংযুক্ত করা
• গ) অন্তর্দৃষ্টি একটি বাক্যে সংক্ষিপ্ত করুন
• ঘ) বর্ণনার সাথে খাপ খায় না এমন সময়কে লুকিয়ে রাখা এবং এটিকে সমর্থন করে এমন ডেটা দেখানো (চেরি পিকিং) ✔

ব্যাখ্যা: চেরি-পিকিং হল সেই পিরিয়ড/সেগমেন্ট যা বর্ণনার সাথে খাপ খায় এবং যেটি নেই তাকে লুকিয়ে রাখা এবং এটি সততা লঙ্ঘন করে। একটি ভাল গল্প প্ররোচিত করে, তবে এটি ডেটা বিকৃত করার অনুমতি হওয়া উচিত নয়; 'কোন তথ্য এই আখ্যানের সাথে খাপ খায় না?' প্রয়োজনে জিজ্ঞাসা করে দেখাতে হবে।

9. একটি ইনফোগ্রাফিকে একটি বৃত্তের ব্যাস হিসাবে একটি মান উপস্থাপন করা কিন্তু তারপর ব্যাস দ্বিগুণ করা কেন বিভ্রান্তিকর?

• ক) যখন ব্যাস দ্বিগুণ হয়, তখন ক্ষেত্রফল চারগুণ হয়ে যায় এবং শ্রোতারা বুঝতে পারে যে এটি প্রকৃতপক্ষে বৃদ্ধির চেয়ে বড় ✔
• খ) কারণ পাই চার্টে বৃত্ত ব্যবহার করা যাবে না
• গ) কারণ বর্ণান্ধ দর্শকরা বৃত্তগুলি দেখতে পারে না
• ঘ) কারণ একটি বৃত্ত আঁকা একটি লাঠি আঁকার চেয়ে ধীর

ব্যাখ্যা: ব্যাস দ্বিগুণ হলে বৃত্তের ক্ষেত্রফল চারগুণ হয়; যেহেতু দর্শক ক্ষেত্রফল দ্বারা মান উপলব্ধি করে, সে/সে মনে করে যে 2-গুণ বৃদ্ধি হল 4-গুণ। একে বলা হয় ফিল্ড ফ্যালাসি। ক্ষেত্রফল দ্বারা নয়, রৈখিক স্কেল এবং একটি স্পষ্ট সংখ্যা লেবেল (যেমন '2×') দ্বারা মান দেওয়া প্রয়োজন।

10. একটি বার চার্টে সবচেয়ে সাধারণ প্রতারণার কৌশল এবং এর সঠিক সমতুল্য কী?

• ক) লাঠি রঙ করা বিভ্রান্তিকর; তাদের সব ধূসর চালু করা প্রয়োজন
• খ) সরাসরি লেবেল বিভ্রান্তিকর; এটা সবসময় একটি পৃথক কিংবদন্তি ব্যবহার করা প্রয়োজন
• গ) ড্যাশড y-অক্ষ পার্থক্যকে অতিরঞ্জিত করে; বার চার্টে অক্ষটি অবশ্যই 0 থেকে শুরু হতে হবে ✔
• ঘ) অনুভূমিক বার বিভ্রান্তিকর; সবসময় উল্লম্ব বার ব্যবহার করতে হবে

ব্যাখ্যা: একটি ড্যাশযুক্ত y-অক্ষ (যেখানে y শুরু হয়, বলুন, 0 এর পরিবর্তে 90) একটি ছোট পার্থক্যকে বিশাল দেখায়; একটি 2% বৃদ্ধি 50% মত মনে হতে পারে. একটি বার চার্টে, অক্ষটি প্রায় সর্বদা 0 থেকে শুরু হওয়া উচিত কারণ বারের দৈর্ঘ্য মানটি উপস্থাপন করে।

11. চার্টিংয়ের জন্য একটি বহিরাগত AI টুলে সংবেদনশীল ডেটা (নাম, বেতন, গ্রাহকের রেকর্ড) সহ একটি টেবিল রপ্তানি করতে হলে সঠিক পদ্ধতিটি কী?

• ক) সময় বাঁচাতে দ্রুত টেবিল পেস্ট করুন
• খ) নাম এবং পরিচয় কলামগুলি সরিয়ে ডেটা বেনামী করা বা একত্রিত করা এবং প্রয়োজন না হলে সেগুলি প্রবেশ করা না ✔
• গ) শুধুমাত্র সবচেয়ে সংবেদনশীল কলামটি ছেড়ে বাকিগুলি মুছে ফেলা
• ঘ) ডেটা প্রবেশ করার আগে কৃত্রিম বুদ্ধিমত্তা থেকে একটি গোপনীয়তার প্রতিশ্রুতি পাওয়া যথেষ্ট।

ব্যাখ্যা: প্রতিষ্ঠান কর্তৃক অনুমোদিত নয় এমন একটি টুলে ব্যক্তিগত তথ্য প্রবেশ করানো অপরিহার্য; যদি এটি প্রবেশ করার প্রয়োজন হয়, তবে পরিচয় কলামগুলি মুছে ফেলার মাধ্যমে বা পৃথক সারিগুলির পরিবর্তে গড়/মোট দিয়ে এটিকে একত্রিত করে এটিকে বেনামী করা প্রয়োজন৷ একবার আউট হয়ে গেলে, ডেটা পুনরুদ্ধার করা যাবে না।

12. কৃত্রিম বুদ্ধিমত্তা দ্বারা উত্পাদিত আউটপুটে 'হ্যালুসিনেশন' বলতে কী বোঝায় এবং এটি সম্পর্কে কী করা উচিত?

• ক) মডেল অনেক রং ব্যবহার করে; রং কমাতে হবে
• খ) মডেলের ধীর গতির অপারেশন; সংক্ষিপ্ত অনুরোধ লিখতে প্রয়োজন
• গ) মডেলটি 3D তে গ্রাফ আঁকে; 2B অনুরোধ করতে হবে
• ঘ) তথ্য যা মডেলটি বাস্তব হিসাবে উপস্থাপন করে কিন্তু সত্য নয়; ✔ প্রতিটি সমস্যা এবং উৎস ক্রস-ভ্যালিডেট করা আবশ্যক

ব্যাখ্যা: হ্যালুসিনেশন এমন তথ্য যা মডেলটি বাস্তব হিসাবে উপস্থাপন করে কিন্তু সত্য নয়; এটি একটি তৈরি নম্বর, উদ্ধৃতি বা উত্স হতে পারে। অন্যদিকে, মডেলের বাইরে স্লাইডে প্রবেশ করা প্রতিটি সংখ্যা এবং বাহ্যিক উত্স ক্রস-ভ্যালিডেট করা প্রয়োজন, এবং অনুরোধে 'সংখ্যা তৈরি করবেন না যা ডেটাতে নেই, লিখুন [নিশ্চিতকরণ]' নিয়ম সেট করুন।

13. সঠিক চার্টের ধরন বেছে নেওয়ার প্রথম ধাপ কী?

• ক) আপনি যে প্রশ্নের উত্তর দিতে চান তা এক বাক্যে লিখুন এবং একটি প্রশ্ন পরিবারে রাখুন ✔
• খ) সবচেয়ে রঙিন এবং নজরকাড়া গ্রাফিক টাইপ নির্বাচন করা
• গ) সর্বদা একটি পাই চার্ট দিয়ে শুরু করুন এবং প্রয়োজনে এটি সংশোধন করুন
• ঘ) 3D তে এটি প্রদর্শন করে ডেটাকে আরও চিত্তাকর্ষক করা

ব্যাখ্যা: চার্টের ধরন নির্ভর করে আপনি যে প্রশ্নের উত্তর দিতে চান তার উপর, ডেটার আকার নয়। প্রথমে একটি বাক্যে প্রশ্নটি লিখতে হবে এবং এটি একটি পরিবারে (তুলনা, প্রবণতা, সম্পর্ক, অংশ-সম্পূর্ণ, বিতরণ) স্থাপন করতে হবে, তারপর ধরনটি চয়ন করুন। প্রথমে টাইপ বাছাই করা এবং এতে ডেটা ফিট করার চেষ্টা করা একটি ভুল।

14. কৃত্রিম বুদ্ধিমত্তা দিয়ে শেষ থেকে শেষ উপস্থাপনা প্রস্তুত করার সময় 'একটি পদক্ষেপে শুরু থেকে শেষ পর্যন্ত একটি উপস্থাপনা প্রস্তুত করুন এবং শেষ করুন' বলার পরিবর্তে কেন ধাপে ধাপে এগিয়ে যাওয়া গুরুত্বপূর্ণ?

• ক) কারণ ধাপে ধাপে এগিয়ে যাওয়া সবসময় দ্রুততর
• খ) কারণ মডেলটি দীর্ঘ অনুরোধগুলি মোটেই বুঝতে পারে না
• গ) কারণ ধাপে ধাপে এগিয়ে যাওয়া যাচাইয়ের সময় মানুষকে নিয়ন্ত্রণে রাখে, গোপনীয়তা এবং রিহার্সাল বন্ধ করে দেয় এবং বানোয়াট এবং ফুটো হওয়ার ঝুঁকি হ্রাস করে ✔
• ঘ) কারণ এক পদক্ষেপে জিজ্ঞাসা করা কৃত্রিম বুদ্ধিমত্তাকে ক্লান্ত করে।

বর্ণনা: এক ধাক্কায় চাকরির জন্য অনুরোধ করা যাচাইকরণ, গোপনীয়তা পরীক্ষা এবং রিহার্সালের মতো গুরুত্বপূর্ণ স্টপগুলিকে বাইপাস করে; মডেল ফাঁক ফিট করে এবং আপনি এটি নিয়ন্ত্রণ করতে পারবেন না. ধাপে ধাপে এগিয়ে যাওয়া (সংক্ষিপ্ত, গোপনীয়তা, কাঠামো, বিষয়বস্তু/গ্রাফিক্স, সততা যাচাই, মহড়া) প্রতিটি পর্যায়ে মানুষকে নিয়ন্ত্রণে রাখে এবং শুরু থেকেই বানোয়াট/গোপনীয়তার সীমা নির্ধারণ করে।