Njikọ ngwụcha ruo ngwụcha, MLOps na Ọrụ Injinia — Ọgụgụ isi Artificial na Injinia Automotive

Uru:

Ikike imepụta ọrụ ụgbọ ala na-akwado AI site n'echiche ruo n'ichepụta ma jikwaa usoro nleba anya
Ikike iji nyochaa njikwa ụdị ụdị, mkpagharị data na mkpa ọzụzụ
Ikike itule AI n'enweghị nsogbu ka ị na-edobe ajụjụ, traceability na akwụkwọ n'oge ọrụ a niile

Na nkeji ikpeazụ nke modul a, anyị na-ejikọta akụkụ niile ọnụ. Anyị ahụla ka e si eji ọgụgụ isi eme ihe na nkeji n'otu n'otu, site na imewe ruo mmepụta, site na nnwale ruo n'usoro ọkọnọ. Ma na ezigbo ọrụ, ndị a abụghị nzọụkwụ dịpụrụ adịpụ, ma usoro ndụ: a na-anakọta data, a na-ewu ihe nlereanya ahụ, a na-etinye ya na mmepụta, a na-enyocha ya, na mgbe ọ na-eme agadi, a na-emegharị ya. A na-akpọ ịdọ aka ná ntị nke idowe okirikiri a MLOps (Machine Learning Operations). Nkeji a na-ekpuchi ịtọlite, idowe, na idobe ajụjụ maka ọrụ ụgbọ ala na-akwado AI site na nsọtụ ruo na njedebe.

Usoro ndụ nke ọrụ AI

A na-ahụkarị erute ngwụcha ruo na ngwụcha n'ime ọnọdụ ụgbọ ala:

Nsogbu na nkọwa uru: Kedu nsogbu azụmahịa anyị na-edozi? Kedu ka esi atụ ihe ịga nke ọma? Nke a ọ bụ ọrụ nchekwa dị mkpa?
Nchịkọta data na akara: Isi mmalite (CAN, ule, mmepụta, telematics), àgwà, nzuzo.
Mmepe ihe nlere anya: Àgwà, ihe nlere anya, nkwenye (njikwa ntanye, nkwụsi ike otu).
Nyocha na nyocha nchekwa: Nnwale onwe ma ọ bụrụ ISO 26262 / SOTIF chọrọ.
Nkwanye: Na-ebunye ihe nlereanya na ngwa, n'ahịrị, ma ọ bụ n'igwe ojii.
Nleba anya: Arụmọrụ, mkpafu data, izi ezi mkpu.
Ọzụzụ: Imelite ihe nlereanya mgbe ọ ga-aka.
Akwụkwọ na traceability: Ndekọ nke nzọụkwụ ọ bụla; onye, mgbe, ihe kpatara ya.

Oge okirikiri a anaghị akwụsị ozugbo; na-agbagharị mgbe niile. N'ime ụgbọ ala, ọ dị ize ndụ 'ịtọ ma chefuo' ihe nlereanya.

NDỤMỌDỤ: Mgbe ịmalite ọrụ ahụ, "onye ga-enyocha ihe nlereanya a ozugbo ọ nọ n'ọhịa, kedu metric, na ugboro ole?" Ọ bụrụ na ịnweghị ike ịza ajụjụ a, ihe nlereanya adịghị njikere maka mmepụta ma.

Njikwa ụdịdị ụdị na nchọta

Nchọgharị n'ime ụgbọ ala abụghị okomoko, mana ọ na-abụkarị ọrụ iwu. Mgbe nsogbu bilitere, ị ga-enwe ike ịza ajụjụ a "kedu ụdị ụdị, kedu data e ji zụọ ya, onye kwadoro ya?" Omume ọma:

Ụdị ụdị: A na-edekọ nọmba, data ọzụzụ na ụbọchị nke ụdị ọ bụla.
Ụdị data: Data a zụrụ ya na oyi kpọnwụrụ.
Ndekọ mkpebi: onye nyere nkwado na ihe akaebe.
Atụmatụ mweghachi: Ọ bụrụ na ụdị ọhụrụ ahụ adịchaghị njọ, ị nwere ike ịlaghachi na nke ochie.

ihe

Gịnị mere o ji dị mkpa

Ihe ize ndụ ma ọ bụrụ na-efu

Ụdị ụdị

Kedu ụdịdị dị n'ọhịa?

Enweghị ike ịchọta nsogbu ahụ

Ụdị data

Gịnị ka e ji zụọ ya?

ọ bụghị mmeghari

Ndekọ nnabata

Kedu onye kpatara ya?

enweghị ike ịza ajụjụ

megharia

Si na ụdị ọjọọ laghachi

Ogologo oge nkwụsị n'ọhịa

Mfefe data na ire ere

Ihe nlereanya bụ foto nke ụwa a zụrụ ya. Ma ụwa na-agbanwe: onye na-eweta akụkụ ọhụrụ na-eweta ihe mmetụta dị iche iche, ụdị ụgbọ ala ọhụrụ na-apụta, mgbanwe oge, àgwà ịkwọ ụgbọala na-agbanwe. Ịrụ ọrụ nke ihe nlereanya ahụ na-ebelata nwayọọ ka nkesa nke data ntinye na-apụ na oge ọzụzụ. Ntugharị data a na mbelata arụmọrụ nke a na-akpọ bụ ire ere ụdị.

Ihe ize ndụ bụ na ọdịda a na-agbachi nkịtị: ihe nlereanya ahụ adịghị ada, adịghị eme ka njehie, ọ na-esiwanyewanye njọ. Ya mere:

Nyochaa nkesa ntinye (nchọpụta mkpagharị).
Nyochaa metrik arụmọrụ nwere ezigbo nsonaazụ (mkpu ndị ahụ ọ bụ eziokwu?).
Na-akpalite ọzụzụ ọzọ mgbe agafere oke.

Akpachara anya: Echiche nke na "ozugbo a zụrụ ihe nlereanya ahụ, ọ na-enye otu ọrụ ahụ ruo mgbe ebighị ebi" bụ ihe na-ezighị ezi ma dị ize ndụ na ụgbọ ala. Ụdị etinyere na mmepụta na-enweghị nleba anya nlegharị anya nwere ike bụrụ nke a na-apụghị ịdabere na ya n'amaghị ama.

Ọmụmaatụ ngwụcha ruo na ngwụcha: ụgbọ mmiri na-ebu amụma

Ka anyị mee ya ihe. Ị na-etinye usoro ịdọ aka ná ntị mbụ nke ọdịda turbo maka ụgbọ mmiri ibu:

Uru: Belata oge nkwụsịtụ na ụgwọ ịdọrọ; ịga nke ọma = n'ezie mmejọ/ụgha mkpu itule eweghara.
Data: CAN akara nke ụgbọ ala 40, ihe ndekọ akụkọ ihe mere eme; Achọpụtaghị VIN aha.
Ụdị: Anomaly + RUL; egbochiri ntapu nke usoro oge; A na-egosipụta oke ejighị n'aka.
Nnwale: Nleghachi azụ na mmejọ gara aga; A tụlere ọnụ ahịa mkpuchi ụgha.
Mmepụta: akara kwa ụbọchị na igwe ojii; panel ka technician.
Nleba anya: njikwa akpafu mgbe agbakwunyere ụdị ụgbọ ala ọhụrụ; oti mkpu ziri ezi kwa izu.
Ọzụzụ: Mmelite nke otu ụzọ n'ụzọ anọ na ụdị ụgbọ ala ọhụrụ yana ọmụmaatụ mmejọ ọhụrụ.
Akwụkwọ: Ụdị ụdị, ụdị data, injinia na-akwado debanyere aha.

Ọ dịghị nzọụkwụ na nke a eruba na-ekwu "AI kpebiri, mere"; Onye na-ahụ maka ọkwa ọ bụla.

Obere ihe ọmụmụ

Ikpe 1 - ire ere n'agbachi nkịtị. Nlereanya njikwa mma na-arụ ọrụ nke ọma maka otu afọ, mgbe ahụ, ọnụego ntanye ji nwayọọ nwayọọ na-abawanye. Ihe kpatara ya: Mgbe onye na-ebubata ya gbanwere, ọdịdị elu nke akụkụ ahụ dịtụ iche (drift), ihe nlereanya ahụ malitere iche na nke a bụ "nkịtị". E guzobela nlebanya ụgbọ ala ma zụgharịa ihe nlereanya ahụ. Nsonaazụ: Enweghị nleba anya, adịghị ike ahụ agaraghị ahụta maka ọnwa.

Ikpe 2 - echekwara traceability. Mkpesa mkpu ụgha na-abịa site n'ọhịa. Site na ndekọ mkpebi, ndị otu ahụ na-achọpụta ụdị ụdị nke na-arụ ọrụ nke data; Ọ na-achọpụta na nsogbu ahụ sitere na ntọala ọnụ ụzọ dị na otu ụdị wee tụgharịa ụdị ahụ. Nsonaazụ: Ọ bụrụ na enweghị ụdị na ndekọ mkpebi, enweghị ike ịchọta nsogbu ahụ.

Ikpe 3 - Ịzụ ọzụzụ ọzụzụ. Mgbe ụdị ọkụ eletrik ọhụrụ na-abanye n'ụgbọ mmiri ahụ, ihe nrụzi amụma dị ugbu a na-ebuli ọtụtụ mkpu ụgha na ụgbọ ala a (ike ọkụ ọ na-ahụtụbeghị). Tupu ịnye ụdị ọhụrụ ahụ, ndị otu ahụ na-ejide ịdọ aka ná ntị mkpagharị ma gbasaa ihe nlereanya ahụ na data ụgbọ ala ọhụrụ. Nsonaazụ: Nlebanya ụgbọ ala n'isi na-enweta mmebi nke sitere na ngwaahịa ọhụrụ ahụ.

ngwa ngwa ndebiri

Ụdị 1 - Atụmatụ atụmatụ:

Ọrụ: Onye isi ọrụ AI (ụgbọ ala) .Ọrụ: Nyere m aka ịhazi ọrụ AI na-akwado njedebe na njedebe.Ọnọdụ: Nlekọta amụma; Ụgbọ ala 40; VIN bụ amaonye.Constraint: Tụlee nzọụkwụ nke nkọwa uru, data, nlereanya, nkwenye, mmepụta, nlekota oru, retraining na akwụkwọ iche iche; gosi onye na-ahụ maka nzọụkwụ ọ bụla. Mmepụta: Nzọụkwụ | mmepụta | ọrụ | okpokoro ihe ize ndụ.

Ụdị 2 - Atụmatụ nlekota oru:

Ọrụ: Ị bụ injinia MLOps. Ọrụ: Kwado atụmatụ nleba anya maka ụdị a na-ewepụta. Okwu: Nkesa ntinye nwere ike gbanwee ka oge na-aga (onye na-ebubata ọhụrụ, ngwa ọhụrụ); enwere ike tụọ arụmọrụ site na ezigbo nsonaazụ. Mmepụta: Metric ka soro | ọnụ ụzọ | omume a ga-akpalite.

Template 3 - Nlegharị anya:

Ọrụ: Ọkà mmụta sayensị data. Ọrụ: Kọwaa otu esi achọpụta mkpafu data yana mgbe achọrọ ọzụzụ ọzọ. Okwu: Nleba anya nleba anya mmepụta ahịrị; Enwere ike inwe mgbanwe na ndị na-ebubata ya. Mmepụta: Signal | nha | mkpalite ọzụzụ ọzọ.

Template 4-Nlele nlele anya:

Ọrụ: Ị bụ onye na-enyocha ịdịmma/mmekọrịta. Ọrụ: Mepụta ndepụta nlele maka ihe nlereanya. Okwu: Automotive; Mgbe nsogbu mere, a ga-aza ajụjụ a 'nke ụdị, nke data, onye kwadoro ya'. Mmepụta: Ihe | gịnị kpatara o ji dị mkpa | otu esi echekwa eserese.

Ngwa ngwa adịghị ike / Ike siri ike

Ngwa ngwa adịghị ike:

Tinye ihe nlereanya n'ime mmepụta.

Enweghị nsochi, enweghị nsụgharị, enweghị ajụjụ na enweghị mweghachi; Nrụrụ nkịtị na nsogbu ndị a na-apụghị ịhụ anya bụ ihe a na-apụghị izere ezere.

Mgbasa ozi siri ike:

Ọrụ: Ị bụ onye ndụmọdụ MLOps na àgwà ụgbọ ala. Ọrụ: Mepụta ndepụta nlele m kwesịrị iji ezi uche tinye ihe nlereanya n'ime mmepụta. Okwu: Ụgbọ mmiri na-arụ ọrụ amụma; A na-agbakwunye ụdị ụgbọ ala ọhụrụ ka oge na-aga; VIN anonymous.Constraint: Gụnye nleba anya, nchọpụta mkpagharị, ụdị / ndekọ data, nkwenye na atụmatụ nlọghachi; Kwuo onye na-ahụ maka ihe ọ bụla; 'tọọ ya chefuo ya' amụma. Mmepụta: Ogbo | mkpa | ọrụ | okpokoro ihe ize ndụ.

Mmejọ ndị nkịtị

Tọọ ya wee chefuo ya. Na-enweghị nlekota oru, ihe nlereanya na-eji nwayọọ ire ere.
Anaghị edebe ụdị/ndekọ data. Enweghị ike ịchọta nsogbu ahụ ma ọ bụ mepụtaghachi ya.
Enweghị atụmatụ nlọghachi azụ. Ọ bụrụ na mgbake site na ntọhapụ ọjọọ na-ewe ogologo oge, a ga-enwe ogologo ọdịda n'ọhịa.
Anaghị echere Drift. Onye na-eweta ihe / ngwá ọrụ / oge ọhụrụ na-akpaghasị ihe nlereanya; nlekota oru di mkpa.
Hapụ ọrụ edoghị anya. Azịza nye "onye na-ahụ maka ọrụ" kwesịrị ịpụta nke ọma na usoro ọ bụla.

Na nchịkọta

Arụmọrụ ụgbọ ala nke AI na-akwado abụghị otu oge mana okirikiri ndụ na-atụgharị (MLOps).
Ụdị na ụdị data, ndekọ mkpebi, na nhazigharị azụ bụ ihe dị mkpa maka nchọta.
Mfefe data na-agbachi nkịtị na-agbagha ihe nlereanya ahụ; ekwesịrị ileba anya na ntinye na ịrụ ọrụ ma megharịa ka ọ dị mkpa.
N'ihe atụ nke ngwụcha ruo na njedebe, nzọụkwụ ọ bụla nwere ọrụ mmadụ; Enweghị "AI kpebiri, ọ gafeela".
“Tọọ ya chefuo ya” dị ize ndụ na ụgbọ ala; A na-edobe nleba anya, akwụkwọ na ịza ajụjụ n'oge ọrụ a niile.

Ọrụ ngwa

Gwakọta ihe ị mụtara na modul a n'ime otu oru ngo (dịka nlele anya ahịrị mmepụta ma ọ bụ mmezi amụma). (1) Were Template 1 wepụta atụmatụ atụmatụ njedebe ruo ọgwụgwụ; Dee onye na-ahụ maka nzọụkwụ nke ọ bụla. (2) Kọwaa atụmatụ nleba anya na ihe na-akpalite site na Template 2. (3) Kwadebe ndepụta nlele na ndebiri 4. (4) chịkọta na paragraf otu i siri tinye usoro arịlịka atọ ahụ site na mmalite nke modul n'ọrụ a.

ndetu

[ ] A haziri m oru ngo a ka usoro ndụ njedebe na njedebe.
[] Eji m ihe nlereanya na ụdị data kọwaa ndekọ mkpebi.
[] Etinyere m atụmatụ nleba anya na ihe mkpagharị akpafu.
[ ] A kwadoro m atụmatụ nlọghachi azụ.
[ ] A kọwaala m onye na-ahụ maka nzọụkwụ ọ bụla.
[ ] Edobere m usoro nkwado arịlịka atọ na nkwado dị mkpa maka nchekwa mmadụ.

Ule modul

1. Kedu ọrụ nke mmepụta AI na mkpebi nchekwa nchekwa ụgbọ ala (dịka nkwenye ngwanrọ breeki)?

A) Na-eme nyocha ngwa ngwa, mana nkwenye ikpeazụ na ọrụ dị n'aka onye injinia tozuru etozu ✔
B) Ọ bụrụ na enwere data zuru oke, enwere ike itinye ya na mmepụta na-enweghị nkwado injinia
C) Enweghị ike iji AI n'oge ọ bụla na sistemu dị oke egwu dị ka breeki
D) Ọ bụrụ na izi ezi ihe nlereanya karịrị 99%, nkwenye mmadụ adịghị mkpa

Nkọwa: Ọgụgụ isi na-eme ka nyocha dịkwuo ngwa ngwa, na-emepụta ngwọta na nchịkọta nke ndị nyocha; Agbanyeghị, mkpebi nchekwa dị oke egwu na nnabata ikpeazụ bụ ọrụ nke injinia tozuru oke. AI abụghị nnọchi maka nkwado injinia.

2. Kedu ihe nlele atọ nke onwe ha ejiri iji nwalee mmepụta nke AI n'ime usoro nkwado atọ arịlịka?

A) Ogologo, asụsụ na usoro nke ngwa ngwa
B) Ihe akaebe nke usoro ịdị ukwuu, ezi uche injinia na nnwale/atụ nọọrọ onwe ha ✔
C) Ogo nke ihe nlereanya, oge ọzụzụ na ọnụ ọgụgụ nke GPU
D) Akara ndị na-eweta ihe, ọnụahịa na oge nnyefe

Nkọwa: Arịlịka atọ; usoro nke ịdị ukwuu (nleba anya n'usoro), plausibility injinia (physics/ahụmahụ) na nkwenye n'ofe ya na nnwale/ụtụ nke onwe. Atọ atọ a na-enye ntụkwasị obi na ihe akaebe, ọ bụghị ntụkwasị obi na AI.

3. Kedu ihe bụ nkwenye kachasị mkpa maka mmepụta nke 'surrogate model' nke na-eme ka CFD ma ọ bụ FEA simulation ngwa ngwa?

A) Ihe nlere anya na-abụkarị ihe ziri ezi karịa ezigbo onye na-edozi ya
B) Naanị ime ka ihe ngosi ahụ dị mma nke ukwuu ezuola
C) Tụnyere ntụaka ngwọta na nnabata nke enweghị ntụkwasị obi mgbe ị na-akwaga n'èzí ebe ọzụzụ ✔
D) Ọ dịghị mkpa ile anya na nnwere onwe netwọk ma ọ bụrụ na otu ọsọ na-agbakọta

Nkọwa: Ụdị ngbanwe na-emepụta amụma ngwa ngwa kama ezigbo ngwọta; ma ọ bụ enweghị ntụkwasị obi n'èzí imewe ohere nke a zụrụ ya. Ekwesịrị ịnwapụta nsonaazụ ya site n'ịka akara mpaghara extrapolation na nrụtụ aka dị elu nke simulation na ọnọdụ oke anụ ahụ.

4. Kedu okwu ziri ezi maka ọkwa 2 (akpaaka akụkụ) na ọkwa SAE akpaaka?

A) Ụgbọ ala ahụ nwere ike ịnya ụgbọ ala na-enweghị onye ọkwọ ụgbọ ala n'ọnọdụ niile
B) Sistemu anaghị arụ ọrụ ịnya ụgbọ ala, naanị na-enye ịdọ aka ná ntị
C) Ọ dị mma ma ọ bụrụ na ọ nọghị n'oche ọkwọ ụgbọ ala
D) Usoro ahụ na-akwado ịkwọ ụgbọ mmiri na ọsọ ọsọ, mana onye ọkwọ ụgbọ ala na-ejigide nlekọta na ọrụ mgbe niile ✔

Nkọwa: N'ọkwa 2 usoro ahụ na-akwado steing na ọsọ / anya n'otu oge, mana onye ọkwọ ụgbọ ala na-ejigide nlekọta mgbe niile ma dị njikere iweghara oge ọ bụla; Ọrụ dịịrị onye ọkwọ ụgbọ ala. Na ọkwa 3 na n'elu, usoro ahụ na-eweghara ọrụ ịnya ụgbọ ala n'ọnọdụ ụfọdụ.

5. Gịnị kpatara 'ọnụego mgbapụ' ji bụrụ metric dị egwu na nchọpụta ntụpọ anya na ahịrị mmepụta?

A) Ịkwado akụkụ ahụ nwere nkwarụ na iziga ya n'ọhịa na-etinye nchekwa na icheta ihe ize ndụ ✔
B) Ọ dị mkpa naanị n'ihi na ọ na-ebelata ọsọ ahịrị
C) Ọnụ ego ntapu dị irè naanị maka ntụpọ agba
D) Ọnụego nkwụsị na-atụ oge ọzụzụ nke ihe nlereanya

Nkọwa: Iwu na-akwadoghị; A na-ewere akụkụ nwere nkwarụ dị ka nke zuru oke ma na-agafe na ahịrị (ụgha ụgha). Maka akụkụ nchekwa ụgbọ ala, ntanye dị oke ọnụ karịa ịjụ ụgha ka ọ nwere ike iduga ọdịda ma ọ bụ icheta n'ọhịa; A na-edozi ọnụ ụzọ ya.

6. Gịnị bụ ihe kasị zie ezi ojiji nke 'ndụ fọdụrụ bara uru' (RUL) estimation na-eji amụma mmezi?

A) A na-agbakọ RUL maka naanị mmanụ injin
B) Ekwesịrị iwepụta ya na oke ejighị n'aka ma kọwaa ya dịka windo mmezi na oke nchekwa ✔
C) Ekwesịrị iwere ya dị ka ọnụ ahịa otu ụbọchị na enweghị nyocha ọ bụla ruo ụbọchị ahụ.
D) Enwere ike gbanyụọ sensọ ma ọ bụrụ na RUL dị elu

Nkọwa: RUL bụ atụmatụ oge fọdụrụ na-arụ ọrụ nke akụrụngwa ruo mgbe ọdịda; Ekwesịrị iwepụta ya na oke ejighị n'aka ma tụgharịa ya dịka atụmatụ nlekọta na oke nchekwa. Kama ịdabere n'ìsì na-adabere na ntule otu isi ihe, a na-eburu n'uche oge ntụkwasị obi na ọnụ ahịa mkpuchi ụgha.

7. Kedu ihe onye injinia kwesịrị ime mgbe AI na-atụpụta anomaly na ndekọ ule okporo ụzọ na nyocha data ule?

A) Mgbe ị hụrụ anomaly ahụ, a ga-ewere ule ahụ na-akpaghị aka na ọ gaghị eme nke ọma.
B) AI ekwesịghị ileba anya na data ahụ ma ọ bụrụ na o debeghị ya akara
C) Jiri data siri ike nyochaa anomaly ahụ, ejighị n'aka nha na nkwughachi ✔
D) Hichapụ ihe adịghị mma ma kpochapụ akụkọ ahụ

Nkọwa: Anomaly na ọkọlọtọ AI bụ ihe ngosi, ọ bụghị nkwubi okwu. Onye injinia ga-elele ejighị n'aka nha, ohere nke ọdịda sensọ, yana nwekwaa ma were data siri ike yana njirisi nnabata wee nyochaa anomaly ahụ. Nnabata ma ọ bụ ọjụjụ akpaaka adabaghị.

8. Kedu nkwenye dị mkpa maka mgbanwe ihe onwunwe nke AI na-atụ aro na ọmụmụ ihe dị arọ?

A) Ọ dị mkpa ka ọ dị ọkụ
B) Enwere ike iwere otu ahịrị na nchekwa data ihe dị ka ihe akaebe
C) Àgwà mkpọka adịghị mkpa n'ihe ndị dị fechaa
D) Mechanical, ike ọgwụgwụ, okuku, nrụpụta na ọnụ ahịa chọrọ ka ekwesịrị ịnwale ọnụ ✔

Nkwupụta: Enweghị ike ịnakwere nkwanye ihe onwunwe dabere na oke njupụta/ike; akụrụngwa akụrụngwa, ike ọgwụgwụ, omume mkpọka, nrụpụta nrụpụta, corrosion, ọnụ ahịa na nchekwa chọrọ ka a ga-enyocha ọnụ wee kwenye site na nnwale anụ ahụ.

9. Gini mere 'ihe ize ndụ nke otu' na agbụ ụgbọ ala na-achọ nlebara anya pụrụ iche na ndụmọdụ AI?

A) Mgbagha na otu onye na-ebubata nwere ike ịkwụsị mmepụta niile; Ekwesịrị ịtụle isi mmalite nke abụọ na nchekwa ✔
B) Otu isi iyi bụ nhọrọ kachasị mma mgbe niile
C) Nyocha ihe ize ndụ adịghị mkpa ma ọ bụrụ na AI tụrụ aro
D) Otu ihe egwu na-emetụta naanị taya

Nkọwa: Ọ bụrụ na akụkụ sitere n'otu onye na-ebubata ngwaahịa, mmepụta na-akwụsị mgbe enwere nsogbu na onye na-ebubata ya. AI nwere ike ịkwado otu isi iyi nke njikarịcha ọnụ ahịa; Onye injinia/onye na-eme atụmatụ ga-edozi nke a na akụrụngwa nke abụọ, nchekwa ngwaahịa na nyocha ọnọdụ. Ọnụ ego abụghị naanị ihe atụ.

10. Gịnị ka 'data leakage' pụtara mgbe a na-eme nyocha telemetry na Python na gịnị kpatara o ji dị ize ndụ?

A) A na-ewepụ data site na diski wee hichapụ ya
B) Ihe nlereanya ahụ na-ahụ na ozi ọzụzụ nke a na-apụghị ịmata n'oge amụma; Na-ebuli akara, daa n'ọhịa ✔
C) Ngwakọta agba eserese
D) Ọ na-apụta naanị na data onyonyo

Nkọwa: Mwepu data; Nke a bụ mgbe ihe nlereanya ahụ na-ahụ na ozi ọzụzụ nke a na-apụghị ịmata n'ezie n'oge amụma (dịka ọmụmaatụ, uru n'ọdịnihu ma ọ bụ àgwà metụtara ebumnuche). Nke a na-ebuli akara ule mana ọ na-emebi arụmọrụ ubi. Ọdịiche gara aga/ọdịnihu ga-enwerịrị nke ọma n'usoro oge.

11. Kedu ihe nhazi ASIL na-ekpebi na nchekwa nchekwa ọrụ ISO 26262?

A) Ọsọ ụgbọ ala kacha
B) Ogo nke nhazi data ọzụzụ nke ihe nlereanya
C) ✔ Ọkwa nchekwa achọrọ dị ka oke, ikpughe na njikwa nke ihe egwu ahụ si dị.
D) Ntụle kredit nke onye na-eweta ya

Nkọwa: ASIL (Ọkwa Nchekwa ụgbọ ala) na-ekpebi ọkwa nchekwa nchekwa (site na A ruo D, D bụ nke kachasị elu) nke ihe egwu chọrọ dabere na nleba anya nke ịdị njọ, ikpughe na njikwa. ASIL dị elu chọrọ mmepe siri ike, nkwenye na akwụkwọ.

12. Kedu ụzọ ISO 21448 (SOTIF) si dị iche na nchekwa ọrụ oge gboo (ISO 26262)?

A) Na-ejikwa naanị ọdịda ngwaike
B) Na-ahazi naanị ikikere ngwanrọ
C) SOTIF bụ aha ochie nke ISO 26262
D) na-eleba anya n'ihe egwu na-esite na arụ ọrụ ezughị oke na ọnọdụ ndị a na-amataghị, ọbụlagodi na enweghị ọdịda ✔

Nkọwa: Ọ bụ ezie na ISO 26262 na-ekwu maka ihe ize ndụ sitere na njehie / ngwa ngwa-software njehie, SOTIF (Nchekwa nke Ọrụ Ezubere) na-ekwupụta ihe egwu na-esite na nchọta ezughị oke, ọnọdụ ndị a na-amataghị na oke ọrụ, ọbụlagodi na sistemụ anaghị arụ ọrụ ọ bụla; dị oke mkpa na nchọpụta dabere na AI.

13. Kedu ụzọ kachasị mma n'ihe gbasara nzuzo mgbe ị na-arụ ọrụ na data telemetry ụgbọ ala na ụgbọ ala?

A) nnabata KVKK/GDPR na enweghị aha, mbelata data na mmachi ebumnuche ✔
B) Na-eziga data raw niile na ụdị ọha yana VIN
C) Nzuzo na-emetụta naanị data ahịa
D) Ọ dịghị mgbe a na-ewere data ebe data nkeonwe

Nkọwa: Data dị ka ọnọdụ, àgwà ịkwọ ụgbọala na nọmba chassis (VIN) nwere ike ịmata mmadụ. Ụzọ kachasị mma; enweghị aha / pseudonymizing data, ịnakọta naanị ihe dị mkpa (mbelata data), mmachi ebumnuche yana nnabata KVKK/GDPR. Izipu VIN raw ma ọ bụ ọnọdụ na ngwaọrụ ndị ọzọ dị ize ndụ.

14. Gịnị mere o ji dị mkpa iji nyochaa 'data drift' na ihe AI nlereanya etinye n'ime mmepụta?

A) Ozugbo a zụrụ ihe nlereanya ahụ, ọ na-enye otu arụmọrụ ahụ ruo mgbe ebighị ebi.
B) Arụmọrụ na-agbachi nkịtị ka ntinye ntinye na-agbanwe ka oge na-aga; a ghaghị ịkpalite ọzụzụ ✔
C) Drift bụ naanị ịma jijiji anụ ahụ nke ngwaike
D) nlekota oru adịghị mkpa n'ihi na ihe nlereanya na-emelite onwe ya na-akpaghị aka

Nkọwa: Ezigbo ụwa na-agbanwe (onye na-eweta akụkụ ọhụrụ, oge, ụdị ụgbọ ala ọhụrụ); Ịrụ ọrụ nlereanya na-ebelata nwayọ ka nkesa ntinye na-apụ na oge ọzụzụ. A na-ebute ọzụzụ ọzụzụ site na nleba anya mkpagharị na metrik arụmọrụ. Ụzọ 'tọọ ya ma chefuo ya' dị ize ndụ n'ime ụgbọ ala.