Integrazzjoni minn tarf sa tarf, MLOps u Responsabbiltà tal-Inġinier

Qligħ:

• Kapaċità li tfassal proġett tal-karozzi appoġġjat mill-AI mill-kunċett sal-produzzjoni u li żżommu b'ċiklu ta 'monitoraġġ
• Kapaċità li tevalwa l-ġestjoni tal-verżjoni tal-mudell, id-data drift u l-ħtiġijiet ta 'taħriġ mill-ġdid
• Kapaċità li tiskala l-AI b'mod sikur filwaqt li żżomm ir-responsabbiltà, it-traċċabilità u d-dokumentazzjoni matul il-proġett kollu

Fl-aħħar unità ta 'dan il-modulu, aħna nġibu l-biċċiet kollha flimkien. Rajna kif l-intelliġenza artifiċjali tintuża f’unitajiet individwali, mid-disinn sal-produzzjoni, mill-ittestjar sal-katina tal-provvista. Iżda fi proġett reali, dawn mhumiex passi iżolati, iżda ċiklu tal-ħajja: id-dejta tinġabar, il-mudell jinbena, jitqiegħed fil-produzzjoni, jiġi mmonitorjat, u meta tixjieħ, tiġġedded. Id-dixxiplina taż-żamma ta’ dan iċ-ċiklu tissejjaħ MLOps (Machine Learning Operations). Din l-unità tkopri t-twaqqif, iż-żamma u ż-żamma tar-responsabbiltà għal proġett tal-karozzi li jaħdem bl-AI minn tarf sa tarf.

Ċiklu tal-ħajja ta' proġett AI

Fluss tipiku minn tarf sa tarf f'kuntest tal-karozzi:

1. Definizzjoni tal-problema u l-valur: Liema problema tan-negozju qed insolvu? Kif jitkejjel is-suċċess? Din hija funzjoni kritika għas-sigurtà?
2. Ġbir tad-dejta u tikkettar: Sorsi (CAN, ittestjar, produzzjoni, telematika), kwalità, kunfidenzjalità.
3. Żvilupp tal-mudell: Attribut, mudell, verifika (kontroll tat-tnixxija, konsistenza tal-unità).
4. Verifika u valutazzjoni tas-sigurtà: Ittestjar indipendenti jekk ikun meħtieġ ISO 26262/SOTIF.
5. Skjerament: Skjerament tal-mudell fl-appliance, online, jew fil-cloud.
6. Monitoraġġ: Prestazzjoni, drift tad-dejta, preċiżjoni tal-allarm.
7. Taħriġ mill-ġdid: Aġġornament tal-mudell meta jsir antik.
8. Dokumentazzjoni u traċċabilità: Reġistru ta' kull pass; min, meta, għaliex.

Dan iċ-ċiklu ma jispiċċax darba għal dejjem; idur kontinwament. Fil-karozzi, huwa perikoluż li "jistabbilixxi u tinsa" mudell.

Tip: Meta tibda l-proġett, "min se jimmonitorja dan il-mudell ladarba jkun fil-qasam, b'liema metrika, u kemm-il darba?" Jekk ma tistax twieġeb il-mistoqsija, il-mudell għadu mhux lest għall-produzzjoni.

Ġestjoni tal-verżjoni tal-mudell u traċċabilità

It-traċċabilità fil-karozzi mhix lussu, iżda ħafna drabi obbligu legali. Meta tqum problema, għandek tkun kapaċi twieġeb il-mistoqsija "liema verżjoni tal-mudell, b'liema dejta ġiet imħarrġa, min approvaha?" Prattiki tajbin:

• Verżjoni tal-mudell: In-numru ta 'kull mudell, id-dejta tat-taħriġ u d-data huma rreġistrati.
• Verżjoni tad-dejta: Id-dejta li ġiet imħarrġa fuqha hija ffriżata.
• Ġurnal tad-deċiżjonijiet: Ingħatat approvazzjoni minn min u b'liema evidenza.
• Pjan ta 'rollback: Jekk il-mudell il-ġdid jirriżulta li jkun ħażin, tista' tmur lura għall-antik.

oġġett

Għaliex huwa meħtieġ

Riskju jekk nieqes

Verżjoni tal-mudell

Liema verżjoni tinsab fil-qasam?

Il-problema ma tistax tiġi rintraċċata

Verżjoni tad-dejta

Biex kien imħarreġ?

mhux riproduċibbli

Rekord ta' approvazzjoni

Min hu responsabbli?

ma jistax jinżamm responsabbli

ħoll

Ritorn minn verżjoni ħażina

Waqfien twil fil-qasam

Drift tad-data u tħassir tal-mudell

Mudell huwa stampa tad-dinja li fiha jkun imħarreġ. Iżda d-dinja tinbidel: fornitur ġdid ta 'partijiet iġib tolleranza ta' sensorju differenti, joħroġ mudell ġdid ta 'vettura, jinbidlu l-istaġuni, jinbidlu d-drawwiet tas-sewqan. Il-prestazzjoni tal-mudell tonqos skiet hekk kif id-distribuzzjoni tad-dejta tal-input titbiegħed mill-ħin tat-taħriġ. Din id-data drift u t-tnaqqis fil-prestazzjoni li jirriżulta jissejjaħ decay tal-mudell.

Il-periklu huwa li dan it-tnaqqis huwa sieket: il-mudell ma jiġġarrafx, ma jagħmilx żbalji, isir aktar u aktar ħażin. Għalhekk:

• Immonitorja d-distribuzzjoni tal-input (skoperta tad-drift).
• Immonitorja l-metriċi tal-prestazzjoni b'riżultati reali (kienu l-allarmi preċiżi?).
• Trigger taħriġ mill-ġdid meta jinqabeż il-limitu.

Attenzjoni: Is-suppożizzjoni li "ladarba l-mudell ikun imħarreġ, jagħti l-istess prestazzjoni għal dejjem" hija żbaljata u riskjuża fil-karozzi. Mudell imqiegħed fil-produzzjoni mingħajr monitoraġġ tad-drift jista' bla ma jkun jaf isir inaffidabbli.

Xenarju ta' eżempju minn tarf sa tarf: flotta ta' manutenzjoni ta' tbassir

Ejja nagħmluha konkreta. Qed tinstalla sistema ta' twissija bikrija ta' turbo failure għal flotta tal-merkanzija:

1. Valur: Naqqas il-ħin ta 'waqfien u l-ispejjeż tal-irmonk; suċċess = bilanċ attwali tort/allarm falz maqbud.
2. Dejta: Sinjali CAN ta '40 vettura, rekords storiċi tal-ħsarat; VIN huwa anonimizzat.
3. Mudell: Anomalie + RUL; Tnixxija ta 'serje ta' ħin evitata; Il-firxa tal-inċertezza hija ppreżentata.
4. Verifika: Backtesting fuq difetti tal-passat; L-ispiża ta 'allarm falz ġiet miżuna.
5. Produzzjoni: Punteġġ ta 'kuljum fil-sħaba; panel lit-tekniku.
6. Monitoraġġ: Kontroll tad-drift meta jiżdied mudell ġdid ta 'vettura; preċiżjoni tal-allarm kull ġimgħa.
7. Taħriġ mill-ġdid: Aġġornament kull tliet xhur b'tip ġdid ta' vettura u eżempji ġodda ta' ħsara.
8. Dokumentazzjoni: Verżjoni tal-mudell, verżjoni tad-dejta, inġinier li jiċċertifika rreġistrat.

L-ebda pass f'dan il-fluss ma jgħid "AI iddeċieda, lest"; Persuna hija responsabbli għal kull stadju.

Mini studji ta' każijiet

Każ 1 - Tħassir siekta. Mudell ta 'kontroll tal-kwalità jaħdem tajjeb għal sena, imbagħad ir-rata ta' tnixxija tiżdied bil-mod. Kawża ta 'l-għerq: Meta l-fornitur inbidel, in-nisġa tal-wiċċ tal-parti saret kemmxejn differenti (drift), u l-mudell beda jaħseb li dan kien "normali". Jiġi stabbilit il-monitoraġġ tad-drift u l-mudell jiġi mħarreġ mill-ġdid. Riżultat: Mingħajr monitoraġġ, il-vulnerabbiltà kienet tibqa' inosservata għal xhur sħaħ.

Każ 2 - Traċċabilità salvata. Mill-għalqa ġej ilment ta’ allarm falz. Mir-reġistru tad-deċiżjonijiet, it-tim isir jaf liema verżjoni tal-mudell taħdem b'liema data; Jiskopri li l-problema ġejja mill-issettjar tal-limitu f'verżjoni partikolari u jreġġa' lura dik il-verżjoni. Riżultat: Jekk ma kienx hemm verżjoni u rekord tad-deċiżjoni, il-problema ma setgħetx tiġi rintraċċata.

Każ 3 - Taħriġ mill-ġdid tad-dixxiplina. Meta mudell elettriku ġdid jingħaqad mal-flotta, il-mudell eżistenti ta 'manutenzjoni ta' tbassir iqajjem ħafna allarmi foloz fuq din il-vettura (powertrain li qatt ma ra). Qabel ma jikkummissjona l-mudell il-ġdid, it-tim jaqbad it-twissija tad-drift u jespandi l-mudell b'dejta ġdida tal-vettura. Riżultat: Il-monitoraġġ tad-drift kmieni qabad id-degradazzjoni li ġiet mal-prodott il-ġdid.

mudelli fil-pront

Mudell 1 - Abbozz tal-pjan tal-proġett:

Rwol: Mexxej tal-proġett AI (karozzi).Kompitu: Għinni nippjana proġett imħaddem mill-AI minn tarf sa tarf.Kuntest: Manutenzjoni ta’ tbassir; Flotta ta' 40 vettura; VIN huwa anonimu.Restrizzjoni: Ikkunsidra l-passi tad-definizzjoni tal-valur, id-dejta, il-mudell, il-verifika, il-produzzjoni, il-monitoraġġ, it-taħriġ mill-ġdid u d-dokumentazzjoni separatament; indika min hu responsabbli għal kull pass.Output: Pass | output | responsabbli | tabella tar-riskju.

Mudell 2 - Pjan ta' monitoraġġ:

Rwol: Int inġinier MLOps. Kompitu: Irrakkomanda pjan ta' monitoraġġ għal mudell li qed jintwera. Kuntest: Id-distribuzzjoni tal-input tista' tinbidel maż-żmien (fornitur ġdid, għodda ġdida); il-prestazzjoni tista' titkejjel b'riżultati reali.Output: Metric to track | limitu | azzjoni li għandha tiġi attivata.

Mudell 3 - Klassifikazzjoni tad-Drift:

Rwol: Xjentist tad-dejta. Kompitu: Spjega kif tiskopri drift tad-dejta u meta jkun meħtieġ taħriġ mill-ġdid. Kuntest: Mudell ta 'spezzjoni viżwali tal-linja ta' produzzjoni; Jista' jkun hemm bidla fil-fornitur. Output: Sinjal | kejl | grillu tat-taħriġ mill-ġdid.

Mudell 4 - Lista ta' kontroll tat-traċċabilità:

Rwol: Inti awditur tal-kwalità/konformità. Kompitu: Oħloq lista ta' kontroll tat-traċċabilità għal mudell. Kuntest: Automotive; Meta sseħħ problema, il-mistoqsija 'liema verżjoni, liema dejta, min approvaha' għandha tiġi mwieġba.Output: Item | għaliex huwa meħtieġ | kif tiffranka chart.

Pront dgħajjef / Pront qawwi

Pront dgħajjef:

Poġġi l-mudell fil-produzzjoni.

L-ebda traċċar, l-ebda verżjoni, l-ebda responsabbiltà u l-ebda rollbacks; Tħassir siekta u problemi li ma jistgħux jiġu rintraċċati huma inevitabbli.

Pront qawwi:

Rwol: Inti MLOps u konsulent tal-kwalità tal-karozzi. Kompitu: Oħloq il-lista ta' kontroll li għandi bżonn biex inpoġġi mudell fil-produzzjoni b'mod responsabbli. Kuntest: Flotta ta' manutenzjoni ta' tbassir; Tipi ta' vetturi ġodda jiżdiedu maż-żmien; VIN anonymous.Constraint: Inkludi monitoraġġ, sejbien ta 'drift, illoggjar tal-verżjoni/data, konferma u pjan ta' rollback; Stat min huwa responsabbli għal kull oġġett; 'issettjaha u tinsa' proposition.Output: Stadju | ħtieġa | responsabbli | tabella tar-riskju.

Żbalji komuni

• Approċċ "Issettjah u tinsiha". Mingħajr monitoraġġ, il-mudell jitmermer bil-kwiet.
• Mhux iżżomm rekords tal-verżjoni/data. Il-problema ma tistax tiġi rintraċċata jew riprodotta.
• Ebda pjan ta 'rollback. Jekk l-irkupru minn rilaxx ħażin jieħu żmien twil, se jkun hemm falliment twil fil-qasam.
• Mhux qed tistenna Drift. Fornitur/għodda/staġun ġdid ifixkel il-mudell; il-monitoraġġ huwa essenzjali.
• Li tħalli r-responsabbiltà mhux ċara. It-tweġiba għal "min hu responsabbli" għandha tkun ċara f'kull pass.

Fil-qosor

• Proġett tal-karozzi li jaħdem bl-AI mhuwiex ċiklu ta’ ħajja ta’ darba iżda rolling lifecycle (MLOps).
• Il-verżjoni tal-mudell u tad-dejta, l-illoggjar tad-deċiżjonijiet, u l-ippjanar ta’ rollback huma essenzjali għat-traċċabilità.
• Id-data drift skiet tiċħad il-mudell; l-input u l-prestazzjoni għandhom jiġu mmonitorjati u mħarrġa mill-ġdid kif meħtieġ.
• Fl-eżempju tarf sa tarf, kull pass għandu bniedem responsabbli; M'hemm l-ebda "AI deċiż, huwa spiċċa".
• "Issettjaha u tinsa" hija riskjuża fil-karozzi; il-monitoraġġ, id-dokumentazzjoni u r-responsabbiltà jinżammu matul il-proġett kollu.

Kompitu ta' applikazzjoni

Għaqqad dak li tgħallimt f'dan il-modulu fi proġett wieħed (eż. spezzjoni viżwali tal-linja ta 'produzzjoni jew manutenzjoni ta' tbassir). (1) Abbozz ta' pjan ta' proġett minn tarf sa tarf b'Mudell 1; Ikteb il-persuna responsabbli għal kull pass. (2) Iddefinixxi pjan ta' monitoraġġ u drift triggers b'Mudell 2. (3) Ipprepara lista ta' kontroll tat-traċċabilità b'Mudell 4. (4) Agħti fil-qosor f'paragrafu kif applikajt it-tliet dixxiplini tal-ankra mill-bidu tal-modulu għal dan il-proġett.

lista ta' kontroll

• [ ] Ippjanajt il-proġett bħala ċiklu tal-ħajja minn tarf sa tarf.
• [ ] Iddefinijt ir-rekord tad-deċiżjoni b'verżjoni tal-mudell u tad-dejta.
• [ ] I stabbilixxa pjan ta 'monitoraġġ u drift triggers.
• [ ] Ħejjejt pjan ta' qlib.
• [ ] Iċċarajt min hu responsabbli għal kull pass.
• [ ] Żammejt it-tliet dixxiplini tal-validazzjoni tal-ankri u l-validazzjoni kritika għas-sigurtà umana.

Eżami tal-Modulu

1. X'inhu r-rwol tal-output tal-AI f'deċiżjoni kritika għas-sikurezza tal-karozzi (eż. verifika tas-softwer tal-brejk)?

• A) Tħaffef l-analiżi, iżda l-approvazzjoni u r-responsabbiltà finali jibqgħu f'idejn l-inġinier kompetenti ✔
• B) Jekk ikun hemm biżżejjed dejta, tista 'titqiegħed fil-produzzjoni mingħajr l-approvazzjoni tal-inġinier
• C) AI ma tistax tintuża fl-ebda stadju f'sistemi kritiċi bħall-brejkijiet
• D) Jekk l-eżattezza tal-mudell taqbeż id-99%, il-verifika umana mhix meħtieġa

Deskrizzjoni: L-intelliġenza artifiċjali taċċellera l-analiżi, tiġġenera soluzzjonijiet u sommarji kandidati; Madankollu, id-deċiżjoni kritika għas-sikurezza u l-approvazzjoni finali huma r-responsabbiltà tal-inġinier kompetenti. L-AI mhix sostitut għall-validazzjoni tal-inġinier.

2. X'inhuma t-tliet kontrolli indipendenti użati biex jittestjaw l-output ta' AI fit-tliet dixxiplini tal-validazzjoni tal-ankri?

• A) Tul, lingwa u format tal-pront
• B) Evidenza ta' ordni ta' kobor, inġinerija raġonevoli u ttestjar/kejl indipendenti ✔
• C) Daqs tal-mudell, ħin ta 'taħriġ u numru ta' GPUs
• D) Il-marka tal-fornitur, il-prezz u l-ħin tal-kunsinna

Deskrizzjoni: Tliet ankri; ordni ta' kobor (kontroll tal-ordni), plawżibbiltà tal-inġinerija (fiżika/esperjenza) u validazzjoni inkroċjata b'evidenza ta' test/kejl indipendenti. Dawn it-tlieta jipprovdu fiduċja fl-evidenza, mhux fiduċja fl-AI.

3. X'inhi l-aktar verifika kritika għall-output ta' 'mudell surrogat' li jaċċellera s-simulazzjoni ta' CFD jew FEA?

• A) Il-mudell surrogat huwa dejjem aktar preċiż mis-solver reali
• B) Biżżejjed tagħmel ir-rendi dehra estetikament pjaċir
• C) Tqabbil mas-soluzzjoni ta’ referenza u aċċettazzjoni ta’ nuqqas ta’ affidabilità meta tiċċaqlaq barra mill-ispazju tat-taħriġ ✔
• D) M'hemmx bżonn li wieħed iħares lejn l-indipendenza tan-netwerk jekk ġirja waħda tikkonverġi

Deskrizzjoni: Il-mudell surrogat jipproduċi tbassir mgħaġġel minflok is-solver reali; iżda mhuwiex affidabbli barra l-ispazju tad-disinn li fih ġie mħarreġ. L-output għandu jiġi vverifikat billi jiġi mmarkat ir-reġjun ta 'estrapolazzjoni b'simulazzjoni ta' fedeltà għolja ta 'referenza u kundizzjonijiet tal-konfini fiżiċi.

4. X'inhi l-espressjoni korretta għal-Livell 2 (awtomazzjoni parzjali) fil-livelli ta 'awtomazzjoni SAE?

• A) Il-vettura tista' ssuq mingħajr sewwieq fil-kundizzjonijiet kollha
• B) Is-sistema ma twettaq l-ebda dmir tas-sewqan, tagħti biss twissijiet
• C) Tajjeb jekk ma jkunx bilqiegħda fis-sedil tas-sewwieq
• D) Is-sistema tappoġġja l-istering u l-veloċità, iżda s-sewwieq iżomm is-superviżjoni u r-responsabbiltà kostanti ✔

Deskrizzjoni: Fil-Livell 2 is-sistema tappoġġja l-istering u l-veloċità/distanza fl-istess ħin, iżda s-sewwieq iżomm superviżjoni kostanti u huwa lest li jieħu f'idejh fi kwalunkwe ħin; Ir-responsabbiltà hija tas-sewwieq. Fil-livell 3 u 'l fuq, is-sistema tieħu f'idejha d-dmirijiet tas-sewqan f'ċerti kundizzjonijiet.

5. Għaliex ir-'rata ta' ħarba' hija metrika kritika fl-iskoperta ta 'difetti viżwali fuq il-linja ta' produzzjoni?

• A) L-approvazzjoni tal-parti difettuża u li tintbagħat fil-post toħloq riskju ta’ sikurezza u sejħa lura ✔
• B) Huwa importanti biss għaliex inaqqas il-veloċità tal-linja
• C) Ir-rata ta 'tnixxija hija valida biss għal difetti taż-żebgħa
• D) Ir-rata ta 'tnixxija tkejjel il-ħin tat-taħriġ tal-mudell

Deskrizzjoni: Illegali; Parti difettuża titqies perfetta u tgħaddi mil-linja (negattiv falz). Għal parti tas-sigurtà tal-karozzi, it-tnixxija hija ħafna aktar għalja minn rifjut falz peress li jista 'jwassal għal falliment jew sejħa lura fil-qasam; Il-limitu huwa aġġustat kif xieraq.

6. X'inhu l-aktar użu preċiż tal-istima tal-'ħajja utli li jifdal' (RUL) fil-manutenzjoni ta' tbassir?

• A) RUL huwa kkalkulat għaż-żejt tal-magna biss
• B) Għandu jiġi ppreżentat b'firxa ta' inċertezza u interpretat skont it-tieqa tal-manutenzjoni u l-marġni tas-sikurezza ✔
• C) Għandu jittieħed bħala valur ta' jum preċiż wieħed u ma għandhom isiru l-ebda kontrolli sa dik il-ġurnata.
• D) Is-sensuri jistgħu jintfew jekk ir-RUL ikun għoli

Deskrizzjoni: RUL huwa l-ħin ta' tħaddim li jifdal stmat ta' komponent sal-falliment; Għandu jiġi ppreżentat bil-firxa ta 'inċertezza u interpretat skont il-pjan ta' manutenzjoni u l-marġni ta 'sikurezza. Pjuttost milli tiddependi bl-addoċċ fuq stima ta 'punt wieħed, jitqiesu l-intervall ta' kunfidenza u l-ispiża tal-allarm falz.

7. X'għandu jagħmel inġinier meta l-AI timmarka anomalija f'reġistrazzjoni tat-test tat-triq fl-analiżi tad-dejta tat-test?

• A) Meta tara l-anomalija, it-test għandu awtomatikament jitqies li ma rnexxiex.
• B) AI m'għandha tħares lejn id-dejta xejn jekk ma tkunx immarkatha
• C) Ivverifika l-anomalija b'dejta mhux ipproċessata, inċertezza tal-kejl u ripetibbiltà ✔
• D) Ħassar l-anomaliji u neħħi r-rapport

Spjegazzjoni: L-anomalija li l-AI bnadar hija ħjiel, mhux konklużjoni. L-inġinier għandu jiċċekkja l-inċertezza tal-kejl, il-possibbiltà ta 'falliment tas-sensuri, u r-ripetibilità u jivverifika l-anomalija b'dejta mhux ipproċessata u kriterji ta' aċċettazzjoni. Aċċettazzjoni jew rifjut awtomatiku mhumiex xierqa.

8. Liema verifika hija obbligatorja għal bidla materjali ssuġġerita mill-AI fi studju ta' lightweighting?

• A) Jeħtieġ biss li jkun eħfef
• B) Filiela waħda fid-database tal-materjal tista' tittieħed bħala evidenza
• C) L-imġiba tal-ħabta mhix importanti f'materjali ħfief
• D) Ir-rekwiżiti mekkaniċi, tal-għeja, tal-ħabta, tal-manifattura u tal-ispiża għandhom jiġu ttestjati flimkien ✔

Rimarka: Rakkomandazzjoni tal-materjal ma tistax tiġi aċċettata bbażata biss fuq il-proporzjon tad-densità/qawwa; il-proprjetajiet mekkaniċi, l-għeja, l-imġiba tal-ħabta, il-manifattura, il-korrużjoni, l-ispiża u r-rekwiżiti tas-sikurezza għandhom jiġu vverifikati flimkien u kkonfermati permezz ta 'ttestjar fiżiku.

9. Għaliex ir-'riskju ta' sors wieħed' fil-katina tal-provvista tal-karozzi jeħtieġ attenzjoni speċjali fir-rakkomandazzjonijiet tal-IA?

• A) Tfixkil f'fornitur wieħed jista' jwaqqaf il-produzzjoni kollha; It-tieni sors u l-buffer għandhom jiġu evalwati ✔
• B) Sors uniku huwa dejjem l-iktar għażla sigura
• C) L-analiżi tar-riskju mhix meħtieġa jekk issuġġerit l-AI
• D) Ir-riskju ta' sors uniku japplika biss għat-tajer

Spjegazzjoni: Jekk parti tiġi minn fornitur wieħed, il-produzzjoni tieqaf meta jkun hemm problema ma' dak il-fornitur. AI tista 'tirrakkomanda sors uniku ta' ottimizzazzjoni tal-ispejjeż; L-inġinier/pjanifikatur għandu jibbilanċja dan ma 'riżorsi sekondarji, buffer tal-istokk u analiżi tax-xenarju. L-ispiża mhix l-uniku kriterju.

10. Xi tfisser 'tnixxija tad-dejta' meta ssir analiżi tat-telemetrija b'Python u għaliex hija perikoluża?

• A) Id-data hija leaked mid-disk u mħassra
• B) Il-mudell jara fit-taħriġ informazzjoni li ma tistax tkun magħrufa fil-ħin tat-tbassir; Tinfaħ il-punteġġ, kollass fuq il-qasam ✔
• C) Taħlit ta 'kuluri grafiċi
• D) Isseħħ biss fid-dejta tal-immaġni

Deskrizzjoni: Tnixxija tad-dejta; Dan huwa meta l-mudell jara fit-taħriġ informazzjoni li fil-fatt ma tistax tkun magħrufa fil-ħin tat-tbassir (pereżempju, valur futur jew attribut relatat mal-mira). Dan jgħolli b'mod artifiċjali l-punteġġ tat-test iżda jikkraxxja l-prestazzjoni tal-post. Id-distinzjoni tal-passat/futur trid tinżamm bir-reqqa fis-serje taż-żmien.

11. X'tiddetermina l-klassifikazzjoni ASIL fil-kuntest tas-sikurezza funzjonali ISO 26262?

• A) Veloċità massima tal-vettura
• B) Daqs tas-sett tad-dejta tat-taħriġ tal-mudell
• C) ✔ Il-livell meħtieġ ta' sigurtà skont is-severità, l-espożizzjoni u l-kontrollabbiltà tal-periklu.
• D) Il-klassifikazzjoni tal-kreditu tal-fornitur

Deskrizzjoni: ASIL (Livell ta' Integrità tas-Sigurtà tal-Karozzi) jiddetermina l-livell ta' prekawzjonijiet tas-sigurtà (minn A sa D, D huwa l-ogħla) li periklu jeħtieġ abbażi tal-valutazzjoni tiegħu tas-severità, l-espożizzjoni u l-kontrollabbiltà. L-ASIL għoli jeħtieġ żvilupp, verifika u dokumentazzjoni aktar stretti.

12. B'liema mod l-ISO 21448 (SOTIF) huwa differenti mis-sikurezza funzjonali klassika (ISO 26262)?

• A) Jittratta biss fallimenti tal-hardware
• B) Jirregola l-liċenzjar tas-softwer biss
• C) SOTIF huwa l-isem antik tal-ISO 26262
• D) Jindirizza r-riskji li jirriżultaw minn funzjonalità inadegwata u xenarji mhux rikonoxxuti, anke fin-nuqqas ta' falliment ✔

Deskrizzjoni: Filwaqt li l-ISO 26262 jindirizza riskji li jirriżultaw minn ħsarat/iżbalji ta' hardware-software, SOTIF (Sigurtà tal-Funzjonalità Intenzjonata) tindirizza riskji li jirriżultaw minn skoperta inadegwata, xenarji mhux rikonoxxuti u limiti funzjonali, anki jekk is-sistema ma taħdimx ħażin xejn; hija partikolarment kritika fl-iskoperta bbażata fuq l-AI.

13. X'inhu l-aħjar approċċ f'termini ta' privatezza meta taħdem mad-dejta tat-telemetrija tas-sewwieq u tal-vettura?

• A) Konformità tal-KVKK/GDPR mal-anonimizzazzjoni, il-minimizzazzjoni tad-dejta u l-limitazzjoni tal-iskop ✔
• B) Tibgħat id-dejta mhux ipproċessata kollha lill-mudell pubbliku flimkien mal-VIN
• C) Il-privatezza tapplika biss għad-dejta tal-kummerċjalizzazzjoni
• D) Id-dejta tal-post qatt ma titqies bħala dejta personali

Deskrizzjoni: Data bħal post, imġieba tas-sewqan u numru tax-chassis (VIN) jistgħu jidentifikaw persuna. L-aktar approċċ korrett; l-anonimizzazzjoni/pssewdonimizzazzjoni tad-dejta, il-ġbir biss ta’ dak li hu meħtieġ (minimizzazzjoni tad-dejta), il-limitazzjoni tal-iskop u l-konformità tal-KVKK/GDPR. Tibgħat VIN mhux ipproċessat jew post lil għodod ta 'partijiet terzi hija riskjuża.

14. Għaliex huwa meħtieġ li tiġi mmonitorjata 'data drift' f'mudell ta' AI li jitqiegħed fil-produzzjoni?

• A) Ladarba l-mudell ikun imħarreġ, jagħti l-istess prestazzjoni b'mod indefinit.
• B) Il-prestazzjoni tonqos siekta hekk kif id-distribuzzjoni tal-input tinbidel maż-żmien; taħriġ mill-ġdid irid jiġi attivat ✔
• C) Drift huwa biss vibrazzjoni fiżika tal-ħardwer
• D) Il-monitoraġġ mhuwiex meħtieġ minħabba li l-mudell jaġġorna lilu nnifsu awtomatikament

Spjegazzjoni: Id-dinja reali tinbidel (fornitur ġdid ta 'partijiet, staġun, mudell ġdid ta' vettura); Il-prestazzjoni tal-mudell tonqos siekta hekk kif id-distribuzzjoni tal-input titbiegħed mill-ħin tat-taħriġ. It-taħriġ mill-ġdid huwa attivat minn monitoraġġ tad-drift u metriċi tal-prestazzjoni. L-approċċ ta' 'issettjah u tinsa' huwa riskjuż fil-karozzi.