MLOps Foundation, Maadili, Faragha na Uchanganuzi Uwajibikaji

Faida:

• Uwezo wa kuelewa awamu za MLOps (kutolewa, kupeleka, ufuatiliaji, mafunzo tena, kurudi nyuma) na mfano wa kuteleza na kupanga upelekaji unaofuatiliwa.
• Uwezo wa kutumia kanuni za usawa wa mfano, uwazi na uwajibikaji na kutofautisha usahihi wa takwimu kutoka kwa kukubalika kwa maadili.
• Uwezo wa kulinda data ya kibinafsi na kanuni za KVKK/GDPR na kumpa mwanadamu jukumu la mwisho katika maamuzi yenye athari kubwa.

Kufundisha mfano na kupata alama ya juu sio mwisho, lakini katikati. Thamani halisi inakuja wakati mtindo unawekwa katika uzalishaji na kufanya kazi kwa uaminifu, unafuatiliwa kwa muda bila kuzorota, na mchakato mzima unafanywa ndani ya mipaka ya kimaadili na kisheria. Kitengo hiki cha kufunga kinachanganya mada tatu: MLOps (nidhamu ya kuonyesha moja kwa moja, ufuatiliaji na kudumisha modeli), maadili (uadilifu, uwazi, kutokuwa na udhalimu) na faragha (kulinda data ya kibinafsi). AI hutoa msimbo, orodha za ukaguzi, na michoro katika maeneo haya; Lakini wanadamu huamua ikiwa mtindo utaonyeshwa moja kwa moja, ni nani atakayeathiriwa, na ni data gani inayoweza kutumika. Maamuzi haya sio ya kiufundi, lakini maamuzi ya uwajibikaji.

MLOps: mtindo huishi kama bidhaa

MLOps (Operesheni za Kujifunza kwa Mashine - mazoezi ya kuendesha, kufuatilia na kusasisha miundo ya kujifunza kwa mashine katika uzalishaji) ni urekebishaji wa DevOps katika ukuzaji wa programu hadi sayansi ya data. Wazo la msingi: mfano sio faili ambayo imefunzwa mara moja na kusahaulika, lakini bidhaa hai ambayo inahitaji matengenezo ya mara kwa mara. Hatua kuu:

1. Utoaji: Msimbo (Git), data na modeli zimetolewa pamoja; Imerekodiwa ni modeli ipi ilitolewa kwa kutumia data na msimbo.

2. Usambazaji: Muundo unawekwa moja kwa moja kama API au kazi ya kundi. Kawaida hutolewa kwa hadhira ndogo kwanza (kivuli / usambazaji wa canary).

3. Ufuatiliaji: Utendaji wa modeli na data ya ingizo hufuatiliwa kila mara.

4. Kujizoeza tena: Utendakazi unaposhuka, modeli hufunzwa upya na data iliyosasishwa.

Mabadiliko ya muundo: upotoshaji wa kimya

Hatari kubwa katika uzalishaji ni mfano wa kuteleza (mfano wa kuteleza / kusogea kwa data). Dunia inabadilika; Masharti ambayo umefunza mtindo wako (tabia ya mteja, bei, msimu, sheria) hubadilika baada ya muda na mtindo huanza kupitwa na wakati. Kwa mfano, mtindo wa mahitaji uliofunzwa kabla ya janga ni mbaya kabisa wakati wa janga. Drift hutokea katika aina mbili: data drift (usambazaji wa mabadiliko ya data ingizo) na dhana drift (uhusiano kati ya ingizo na mabadiliko lengo). Njia ya kunasa haya ni ufuatiliaji: fuatilia kila mara usambazaji wa ingizo, usambazaji wa ubashiri, na (ikiwezekana) utendaji ikilinganishwa na matokeo halisi.

Tahadhari: Mfano uliowekwa katika uzalishaji utaharibika peke yake; Sio suala la "ikiwa" lakini "wakati." Kupeleka miundo bila kuweka ufuatiliaji ni kama kuendesha gari bila kudhibiti injini yake; Siku moja inakaa tu kimya na huoni.

Kipengele cha MLOps

Kusudi

Ikipuuzwa

Inatayarisha

Kujua ni nini kinachozalishwa

Isiyoweza kuzaliana, haiwezi kufuatiliwa

Ufuatiliaji

Kuona mteremko mapema

Mfano huvunjika kimya kimya

mafunzo upya

endelea kusasisha

Utabiri unazeeka

Rudisha nyuma

kurudi kwa mfano mbaya

Mtindo mbaya unabaki moja kwa moja

Nyaraka

uwazi, mauzo

Habari hukwama kwa mtu mmoja

Maadili: maamuzi ya mfano huathiri watu

Mifano ya data inazidi kutumika katika maamuzi yanayoathiri maisha ya watu: mikopo, kukodisha, bima, haki. Kwa uwezo huu huja wajibu. Hatari kuu za maadili:

Upendeleo na ubaguzi: Mfano unaweza kujifunza na kuendeleza dhuluma katika data ya kihistoria. Ikiwa kikundi fulani kilipewa mkopo mdogo hapo awali, mtindo unadhani hii ni "kanuni" na inasimamia ubaguzi. Ndiyo maana uchanganuzi wa haki - kuangalia kama modeli hufanya kazi vivyo hivyo kwa vikundi tofauti (jinsia, umri, eneo) - ni muhimu.

Uwazi na kuelezeka: Unapaswa kuwa na uwezo wa kueleza kwa nini mwanamitindo alimkataa mtu. "Sanduku jeusi lilisema hivyo" haikubaliki kimaadili na mara nyingi kisheria. Ndiyo maana zana za kueleza (umuhimu wa kipengele, maadili ya SHAP) ni muhimu.

Uwajibikaji: Nani atawajibika iwapo mwanamitindo atafanya uamuzi usio sahihi? Jibu siku zote ni mtu/taasisi, sio mfano. Uangalizi wa kibinadamu (binadamu-katika-kitanzi - mwanadamu anayeidhinisha uamuzi wa mwisho) unapaswa kuhifadhiwa katika maamuzi ya juu ya athari.

Tahadhari: Muundo unaweza kuwa "sahihi" kitakwimu lakini haukubaliki kimaadili. Muundo sahihi sana ambao unatatiza kundi moja sio mfano mzuri. Uaminifu hauchukui nafasi ya haki.

Faragha: data ya kibinafsi inalindwa kwa uangalifu

Malighafi ya sayansi ya data mara nyingi ni data ya kibinafsi, na data hii inalindwa na sheria: KVKK huko Türkiye, GDPR huko Uropa. Kanuni za msingi ni: kikomo cha madhumuni (data haitumiki kwa madhumuni mengine isipokuwa madhumuni ambayo ilikusanywa), kupunguza data (hakuna data zaidi inayokusanywa/kuhifadhiwa kuliko inavyohitajika), kutokutambulisha (maelezo ya kutambua yameondolewa) na usalama (data huhifadhiwa kwa njia fiche na ufikiaji umezuiwa). Sheria muhimu wakati wa kufanya kazi na zana za AI: kamwe usibandike data halisi ya kibinafsi kwenye zana ya umma ya AI. Mara nyingi, mchoro na sampuli isiyojulikana / ya syntetisk inatosha kwa uchambuzi.

Msisitizo wa ziada katika muktadha wa usalama wa habari: tumia zana na mbinu za sayansi ya data kwenye data na mifumo ambayo una mamlaka nayo, kwa madhumuni ya utetezi na uchambuzi halali. Ufikiaji usioidhinishwa wa data ya mtu mwingine, utambulisho upya wa watu binafsi (kuchomoa utambulisho kutoka kwa data isiyojulikana) au uwekaji wasifu ambao haujaidhinishwa ni kinyume cha sheria na ni kinyume cha maadili.

kesi tatu ndogo

Kesi ya 1 - Kuanguka bila kufuatilia. Kampuni ya e-commerce ilienda moja kwa moja na muundo wake wa mapendekezo na haikuanzisha ufuatiliaji. Baada ya miezi 4 orodha ya bidhaa imebadilika sana; mtindo uliendelea kupendekeza bidhaa zilizopitwa na wakati, na kiwango cha ubadilishaji kilishuka kimya kimya kwa 30%. Hakuna mtu aliona kwa miezi. Somo: kupelekwa bila ufuatiliaji kunaenda upofu.

Kesi ya 2 - Ubaguzi uliofichwa. Mtindo wa uchunguzi wa kuajiri ulijifunza kuhusu usawa wa kijinsia katika data ya kihistoria na kupunguzwa kwa utaratibu kwa watahiniwa wa kike. Haikuonekana kwa sababu hapakuwa na uchanganuzi wa haki; Ilibainika katika ukaguzi na taasisi ilikabiliwa na hatari kubwa ya sifa/kisheria. Somo: Udhibiti wa haki kulingana na kikundi ni muhimu katika mifano yenye athari kubwa.

Kesi ya 3 - Uvunjaji wa usiri. Mchambuzi mmoja alipakia faili iliyo na barua pepe halisi za wateja na historia ya ununuzi kwenye zana ya umma ya AI na kusema, "fanya muhtasari wa sehemu." Data ya kibinafsi imeondoka kwenye taasisi; Mchakato wa KVKK umeanza. Njia sahihi ilikuwa kuondoa sehemu za utambulisho na kushiriki mali zisizojulikana tu. Somo: data halisi ya kibinafsi haiingii chombo wazi.

Violezo vinne vinavyoweza kunakiliwa

1) Orodha hakiki ya uwekaji awali:

Jukumu lako: mshauri wa MLOps. Orodhesha mambo ninayohitaji kuangalia kabla ya kuweka muundo katika toleo la umma: uchapishaji, vipimo vya ufuatiliaji, mpango wa kurejesha, kiwango cha juu cha utendakazi, arifa ya kusogea kwa data, mtu anayewajibika. Ongeza maelezo ya sentensi moja "kwa nini ni muhimu" kwa kila kitu. nitaamua.

2) Muundo wa ufuatiliaji wa mabadiliko ya mfano:

Pendekeza mpango wa ufuatiliaji wa mteremko wa muundo wa uainishaji katika uzalishaji: (1) ni usambaaji gani wa pembejeo ninaopaswa kufuatilia, (2) ni kengele gani ya usambazaji wa utabiri, (3) jinsi ya kulinganisha utendakazi matokeo halisi yanapofika, (4) ni kwa kiwango gani mafunzo upya yanapaswa kuanzishwa. Pia toa kiunzi cha msimbo.

3) Udhibiti wa haki:

Andika msimbo unaolinganisha utendaji wa kielelezo changu kwa vikundi tofauti (k.m. umri, eneo): kumbuka/usahihi na kiwango cha maamuzi chanya kwa kila kikundi. Onya ikiwa kuna tofauti kubwa kati ya vikundi. Kufanya tafsiri za sababu/kisiasa; Nionyeshe tu tofauti na nitazingatia uamuzi.

4) Angalia mapema ya faragha:

Kabla ya kutoa data kwa zana ya AI, angalia: kuna data ya kibinafsi/kitambulisho (jina, barua pepe, kitambulisho, simu, anwani, IP) katika orodha ya safu hapa chini? Ikiwa ndivyo, orodhesha zipi zinapaswa kuondolewa au kutokujulikana. Safu wima: [orodha]. Kusudi: kushiriki schema isiyojulikana pekee.

Mwongozo dhaifu / Mwongozo thabiti

Agizo dhaifu:

Mfano wangu uko tayari, nenda moja kwa moja.

Usambazaji sio hatua moja; Kuendelea moja kwa moja bila ufuatiliaji, kurejesha nyuma, haki na udhibiti wa faragha ni mwaliko wa kimya kwa maafa.

Agizo lenye nguvu:

Jukumu lako: mshauri anayewajibika wa MLOps. Mwanamitindo wangu amefunzwa, nataka maandalizi kamili kabla ya kwenda moja kwa moja. Tengeneza: (1) orodha ya kukaguliwa kabla ya kupelekwa, (2) mpango wa ufuatiliaji wa drift, (3) msimbo wa kuangalia usawa wa kikundi, (4) ukaguzi wa faragha (kuna data ya kibinafsi). Pia pendekeza jinsi ya kulinda idhini ya mwanadamu katika maamuzi yenye athari kubwa. Maamuzi ya mwisho ni yangu.

Hapa usambazaji, ufuatiliaji, haki na faragha huchukuliwa kama mchakato mmoja unaowajibika.

Makosa ya kawaida

• Kupeleka mfano bila kuweka ufuatiliaji. Mfano huteleza kimya na kupotosha; Inaweza kuchukua miezi kutambua.
• Kupitia ukaguzi wa haki. Muundo wa uaminifu wa hali ya juu unaweza kudhoofisha kikundi kimfumo.
• Kufanya uamuzi wa kisanduku cheusi usioelezeka. Maamuzi yenye athari kubwa lazima yafafanuliwe; "Mfano alisema hivyo" haitoshi.
• Kutoa data halisi ya kibinafsi ili kufungua zana ya AI. ukiukaji wa KVKK/GDPR; Mchoro na mfano usiojulikana ni wa kutosha.
• Kukabidhi uamuzi kwa mwanamitindo. Wajibu daima upo kwa mtu; Ufuatiliaji wa juu wa wanadamu unadumishwa.

Kidokezo: Kabla ya kwenda moja kwa moja na kila mwanamitindo, uliza swali moja kwa sauti: "Ikiwa mtindo huu utavunjika kimya kimya kesho au kuadhibu kikundi isivyo haki, nitaitambuaje na kuirudisha nyuma?" Ikiwa huna jibu wazi kwa swali hili, mtindo hauko tayari kwa uzalishaji bado.

Kwa muhtasari

Kazi ya mfano haiishii na alama ya juu, lakini kwa kufanya kazi kwa uaminifu na kwa uwajibikaji katika uzalishaji. MLOps ni nidhamu ya kwenda moja kwa moja, ufuatiliaji wa kuteleza, kujizoeza upya, na kurudisha muundo nyuma; Usambazaji bila ufuatiliaji ni kukunja kimya. Maadili yanahitaji haki, uwazi na uwajibikaji wa modeli; usahihi wa takwimu hauchukui nafasi ya kukubalika kwa maadili. Faragha inamaanisha kulinda data ya kibinafsi kwa kanuni za KVKK/GDPR na kuweka data halisi mbali na zana huria. Maamuzi haya yote si ya kiufundi bali ni maamuzi ya uwajibikaji na siku zote ni ya mwanadamu.

Jukumu la maombi

Ifikirie kana kwamba utaweka muundo ambao umeunda (au dhahania) katika toleo la umma na ujaze orodha nne: (1) orodha ya kukaguliwa kabla ya kutumwa, (2) vipimo vya drift utakavyofuatilia, (3) mpango wa udhibiti wa haki kulingana na kikundi, (4) udhibiti wa faragha. Kisha andika jibu halisi kwa swali "Nitaonaje ikiwa itavunja kimya kesho na kuirudisha?"

orodha ya ukaguzi

• [ ] Je, ninapeleka modeli kwa ufuatiliaji (tahadhari ya kuteleza) na mpango wa kurejesha?
• [ ] Je, nimeangalia pengo la usawa/utendaji kwa vikundi tofauti?
• [ ] Je, nimedumisha mtazamo wa kibinadamu kuhusu maamuzi yenye athari kubwa?
• [ ] Je, nimelinda data ya kibinafsi kwa kanuni za KVKK/GDPR na kuziweka mbali na zana zilizo wazi?
• [ ] Je, nimeweka jukumu la mwisho kwa mwanadamu, sio mfano?

Mtihani wa Moduli

1. Mwanasayansi wa data anauliza akili ya bandia, "Je, msitu wa nasibu una usahihi gani kwenye data hii?" bila kufundisha kielelezo hata kidogo, na moja kwa moja huweka jibu la "89%" kwenye uwasilishaji. Je, ni kosa gani la msingi katika mbinu hii?

• A) Kusubiri vipimo bila kutoa data na miundo kwa akili bandia; Kupuuza kwamba nambari inayotoa ni ghushi na kwamba kipimo halisi kinaweza kupatikana tu kupitia mafunzo na majaribio ✔
• B) Lazima itumie urejeleaji wa vifaa badala ya msitu nasibu
• C) Kiwango cha usahihi lazima iwe juu ya 90%.
• D) Ni marufuku kabisa kujumuisha vipimo katika wasilisho

Ufafanuzi: Upelelezi wa Bandia hauwezi kutoa kipimo bila kufikia modeli na data; Nambari anayotoa ni hallucination (iliyotengenezwa). Kipimo hupatikana kwa hesabu ya mwanasayansi wa data baada tu ya kielelezo kufunzwa na kufanyiwa majaribio. Matokeo ambayo hayajathibitishwa ni kama ripoti ambayo haijatiwa saini.

2. Safu wima ya 'sababu ya kufungwa kwa akaunti' inajumuishwa wakati wa kukusanya data ya utabiri wa hali mbaya; Safu hii hujazwa tu baada ya mteja kuondoka. Mfano hutoa 97% kwenye seti ya mtihani, lakini haifanyi kazi katika uzalishaji. Jina na sababu ya hali hii ni nini?

• A) Kusoma zaidi; Mfano ni ngumu sana
• B) Uvujaji wa data; ✔ Kutumia habari ambayo haitapatikana wakati wa utabiri, lakini ni matokeo ya lengo, kama kipengele.
• C) Kutojifunza kwa kutosha; Mfano ni rahisi sana
• D) Upendeleo wa uteuzi; saizi ndogo ya sampuli

Maelezo: Huu ni uvujaji wa kawaida wa data: 'sababu ya kufunga' ni matokeo ya lengo na bado ni tupu wakati wa utabiri. Muundo hufanya hila kwa maarifa haya ya siku zijazo, inaonekana vizuri kwenye seti ya majaribio lakini huacha kufanya kazi katika toleo la umma kwa sababu safu wima hiyo haina chochote. Swali 'Je! ninayo wakati wa utabiri' linapaswa kuulizwa kwa kila safu.

3. Mchambuzi hujaza thamani zinazokosekana katika safu wima ya mapato na wastani; lakini watu waliokosekana kwa kweli ni wa sehemu ya kipato cha chini ambayo haijawahi kutangaza mapato (systematic missing). Kwa nini kujaza huku si sahihi?

• A) Wastani daima ni kubwa kuliko wastani, kwa hivyo sio sahihi
• B) Thamani zinazokosekana hazipaswi kujazwa kamwe, zinapaswa kufutwa kila wakati
• C) Kujaza pengo la kimfumo na wastani hupotosha data kwa kuwakilisha kikundi hicho kwa njia isiyo halali; Kujaza kulifanyika bila kuuliza swali 'mbona ni tupu?' ✔
• D) Kukokotoa wastani kunaleta tatizo la utendakazi kwa sababu ni polepole sana

Ufafanuzi: Sababu ya upungufu huamua suluhisho. Wakati upungufu wa kimfumo (pengo lililowekwa katika kundi fulani) linapojazwa na wastani, kundi hilo huwa 'mapato ya wastani' na data inapotoshwa. Kabla ya kuijaza, swali 'mbona ni tupu' linapaswa kuulizwa; maana ya utaratibu/muhimu inayokosekana haipaswi kujazwa.

4. Timu inapata uwiano wa 0.78 kati ya 'matumizi ya matangazo' na 'mauzo' na kuongeza bajeti mara mbili; Walakini, kinachochochea zote mbili ni kampeni za msimu. Ni kanuni gani katika takwimu inayoelezea kosa hili?

• A) Uwiano sio sababu; Tofauti ya tatu iliyofichwa inaweza kuwa inaathiri vigeu vyote viwili ✔
• B) Kwa kuwa uwiano wa 0.78 ni mdogo sana, uhusiano unapaswa kupuuzwa
• C) Uwiano kila wakati unathibitisha sababu, timu iliipata sawa
• D) Uwiano kati ya utangazaji na mauzo hauwezi kuhesabiwa kihisabati.

Ufafanuzi: Uwiano sio sababu. Vigezo hivi viwili vinaweza kutenda pamoja kwa sababu kigezo cha tatu kilichofichwa (hapa kampeni za msimu) kinaziathiri zote mbili. Hitimisho kwamba moja husababisha nyingine inaweza tu kuanzishwa kupitia majaribio na ujuzi wa shamba; Idadi ya uunganisho pekee sio ushahidi wa sababu.

5. Muundo wa kutambua ulaghai unaonyesha usahihi wa 99.2% na timu inasherehekea; Walakini, kiwango cha muamala ghushi katika data ni 0.8% tu na kumbukumbu ya mfano ni 6%. Jedwali hili linaonyesha nini?

• A) Mfano ni kamili kwa sababu usahihi ni zaidi ya 99%
• B) Usahihi ni wa kupotosha na data isiyo na usawa; Mfano hukosa karibu bandia zote (kumbukumbu ya chini), metric inayofaa inapaswa kuangaliwa ✔
• C) Hakuna shida kwani ukumbusho wa mfano uko juu
• D) Hakukuwa na haja ya kujenga mfano kwa sababu kiwango cha bandia kilikuwa cha chini

Maelezo: 'Usahihi' unapotosha katika data isiyosawazishwa. Mfano unapoita karibu kila muamala kuwa 'safi', hupata usahihi wa hali ya juu kwa sababu feki ni chache sana, lakini inashindwa kukamata feki, ambalo ndilo dhumuni lake kuu (kumbuka 6%). Kwa hivyo, katika shida zisizo na usawa, lengo sio juu ya usahihi, lakini kwa matrix ya mkanganyiko na vipimo vinavyofaa kwa madhumuni ya kazi, kama vile kukumbuka / usahihi.

6. Katika mradi wa utabiri wa mahitaji, data inayotegemea wakati inagawanywa nasibu katika mafunzo/majaribio. Muundo huu unatoa usahihi wa 93% lakini huacha kufanya kazi katika toleo la umma. Ni ipi inapaswa kuwa njia sahihi ya mgawanyiko?

• A) Kupanua seti ya majaribio, k.m. kugawanyika 50%/50%
• B) Kutumia modeli changamano zaidi
• C) Ondoa kabisa kizigeu na treni na data zote
• D) Mgawanyiko wa wakati: mafunzo na kipindi cha zamani na upimaji na kipindi kipya, na hivyo kuzuia mfano kuona siku zijazo ✔

Maelezo: Ikiwa mgawanyiko wa nasibu unafanywa katika data ya mfululizo wa saa, mtindo huona yajayo na kutabiri yaliyopita katika mafunzo; ni uvujaji na hutoa mafanikio ambayo hayapo. Njia sahihi ni mgawanyiko wa mpangilio: mafunzo na kipindi cha zamani na upimaji na kipindi kipya, kuiga hali halisi katika uzalishaji (kutabiri kutoka zamani hadi siku zijazo).

7. Vigezo vya kuongeza alama (StandardScaler) vinapaswa kuhesabiwa kutokana na data gani katika uhandisi wa vipengele na vinapaswa kutumikaje?

• A) Inapaswa kuhesabiwa kutoka kwa data zote (mafunzo + kupima pamoja) ili iwe sahihi zaidi
• B) Inapaswa kuhesabiwa tofauti kwa kila safu, kutoka kwa thamani ya safu hiyo yenyewe
• C) Inapaswa kuhesabiwa kutoka kwa data ya mtihani pekee
• D) Inapaswa kuhesabiwa tu kutoka kwa data ya mafunzo, basi vigezo sawa vinapaswa kutumika kwa data ya mtihani; vinginevyo itavuja ✔

Ufafanuzi: Vigezo vya mabadiliko yote (wastani, mkengeuko wa kawaida, n.k.) kama vile kuongeza, usimbaji na pedi vinapaswa kujifunza kutoka kwa data ya mafunzo tu, kisha vivyo hivyo vitatumika kwa data ya jaribio. Kuzingatia data ya jaribio pia husababisha maelezo ya jaribio kuingilia mafunzo, yaani, kuvuja, na kufanya kielelezo kionekane bora zaidi kuliko ilivyo. Kutumia Pipeline kunahakikisha hii.

8. Mfano unatoa usahihi wa 98% kwenye seti ya mafunzo na usahihi wa 72% kwenye seti ya mtihani. Dalili hii inaonyesha nini na nini kifanyike?

• A) Upungufu wa kujifunza; mfano unapaswa kufanywa kuwa ngumu zaidi
• B) Uvujaji wa data; seti ya majaribio lazima ibadilishwe
• C) Overfitting; muundo unapaswa kurahisishwa, urekebishaji na uthibitishaji mtambuka utumike ✔
• D) hali ya kawaida; Alama ya elimu huwa juu kila wakati, hata hivyo, tahadhari sio lazima

Ufafanuzi: Alama ya juu sana katika mafunzo na alama ya chini sana katika upimaji ni dalili ya kawaida ya kufaa kupita kiasi: modeli imekariri kelele ya data ya mafunzo badala ya muundo halisi. Suluhu ni pamoja na kurahisisha muundo, data zaidi, kuhalalisha, na kuthibitisha hali kwa uthibitishaji mtambuka. Kutegemea alama za elimu pekee huficha tatizo hili.

9. Katika wasilisho la usimamizi, mhimili y wa chati ya pau ambapo mauzo huongezeka kutoka 1,000 hadi 1,020 huanza saa 980 ili kufanya ongezeko lionekane kubwa. Ongezeko halisi ni 2%. Kwa nini hili ni suala la kimaadili?

• A) Mhimili wa y uliopunguzwa kwa macho huzidisha tofauti ndogo na kupotosha mtazamaji; Kwa haki, mhimili katika baa za kulinganisha unapaswa kuanza kutoka 0 ✔
• B) Chati za pau haziwezi kamwe kutumika kwa data ya mauzo
• C) Hakuna shida; Daima ni vizuri kufanya chati ionekane ya kuvutia
• D) Mhimili wa Y unapaswa kuanza kutoka kwa thamani kubwa zaidi ya data kila wakati

Ufafanuzi: Katika chati za pau kwa madhumuni ya kulinganisha, mhimili y kwa ujumla unapaswa kuanzia 0. Kukata mhimili na kuanzia 980 hufanya tofauti ndogo ya 2% ionekane kuwa kubwa na inapotosha mtazamaji. Wajibu wa kimaadili wa mtaalamu wa data ni kuchora grafu za uaminifu ambazo hazizidishi au kudharau data.

10. Mchambuzi hupata jumla ya mauzo mara 3 baada ya KUJIUNGA na maagizo na jedwali la bidhaa; Idadi ya mistari iliongezeka kutoka 240 elfu hadi 690 elfu. Ni nini kilipaswa kufanywa ili kuzuia kosa hili la kimya kimya?

• A) Gawanya jumla ya mauzo kwa 3
• B) Tumia hoja tofauti kila wakati badala ya JIUNGE
• C) Kufuta meza ya bidhaa kabisa
• D) Kuangalia idadi ya safu mlalo baada ya kuunganisha/KUJIUNGA na kuthibitisha kuwa zimeunganishwa kupitia ufunguo sahihi; Kupata replication mapema ✔

Ufafanuzi: Wakati kuna safu mlalo nyingi kwa kila bidhaa (rangi tofauti, kwa mfano) kwenye jedwali la bidhaa, JIUNGE kupitia ufunguo usio sahihi utafanya nakala za kila agizo na kuongeza jumla. Nambari inaendesha bila makosa lakini matokeo sio sawa. Njia ya kuepusha hili ni kuangalia idadi ya safu mlalo baada ya kila kuunganishwa/JIUNGE na kuunganisha na kitufe sahihi.

11. Muundo wa uchunguzi wa kuajiri hujifunza kuhusu usawa wa kijinsia katika data ya kihistoria na kwa utaratibu chini ya alama za watahiniwa wa kike, lakini usahihi wake wa jumla ni wa juu. Hii ina maana gani?

• A) Hakuna shida kwa sababu mfano una usahihi wa juu
• B) Usahihi wa takwimu si kibadala cha kukubalika kwa maadili; model amejifunza kuhusu ubaguzi wa hapo awali, ukaguzi wa haki kulingana na kikundi unahitajika ✔
• C) Kuongeza zaidi usahihi wa modeli hutatua tatizo
• D) Haki ni nje ya upeo wa sayansi ya data

Maelezo: Hata kama mfano ni sahihi kitakwimu, unaweza kuwa haukubaliki kimaadili. Mtindo hujifunza ukosefu wa haki katika data ya zamani na hubadilisha ubaguzi. Uadilifu wa hali ya juu hauchukui nafasi ya haki; Katika miundo yenye athari ya juu, udhibiti wa haki, ambao hupima tofauti ya utendaji/maamuzi kwa makundi mbalimbali, ni muhimu na wajibu wa mwisho ni wa binadamu.

12. Mfanyakazi anapakia faili iliyo na barua pepe halisi za wateja na historia ya ununuzi kwenye zana ya umma ya AI na kusema 'fanya muhtasari wa sehemu'. Kwa nini hili ni kosa kubwa na ni ipi njia sahihi?

• A) hakuna shida; Zana za AI hazihifadhi data kamwe
• B) Hitilafu ni kwamba faili ni kubwa sana; ilipaswa kupunguzwa
• C) Kutoa data halisi ya kibinafsi kwa chombo wazi ni ukiukaji wa KVKK/GDPR; sehemu za utambulisho zilipaswa kuondolewa na schema/mali isiyojulikana pekee ishirikiwe ✔
• D) CSV ilipaswa kutumika badala ya Excel tu

Maelezo: Wakati data halisi ya kibinafsi (kama vile barua pepe, jina, n.k.) inatolewa kwa zana ya kijasusi bandia inayopatikana kwa umma, kutakuwa na ukiukaji wa faragha ndani ya mawanda ya KVKK/GDPR; data huacha shirika. Mara nyingi, mchoro na sampuli isiyojulikana / ya syntetisk inatosha kwa uchambuzi. Njia sahihi ni kuondoa sehemu za utambulisho na kushiriki tu mali zisizojulikana.

13. Muundo wa mapendekezo unawekwa katika uzalishaji lakini ufuatiliaji haujaanzishwa; Wakati orodha ya bidhaa inabadilika baada ya miezi 4, mtindo unaendelea kupendekeza bidhaa za zamani na kiwango cha ubadilishaji hupungua kimya kwa 30%. Jina la jambo hili ni nini?

• A) Kusoma zaidi; Mfano hukariri seti ya mafunzo
• B) Mfano wa drift; Kadiri ulimwengu unavyobadilika, mtindo unakuwa wa kizamani kimya kimya, bila kutambuliwa kwa sababu ufuatiliaji haujaanzishwa ✔
• C) Upendeleo wa uteuzi; upendeleo wa sampuli
• D) Ukiukaji wa kupunguza data

Ufafanuzi: Huu ni uelekevu wa kielelezo (uelekeo wa modeli/data): wakati ulimwengu unabadilika (orodha, tabia, msimu) hali ambazo muundo huo ulifunzwa hubadilika na muundo kuvunjika kimyakimya. Mfano uliowekwa katika uzalishaji huharibika peke yake; Ni suala la 'wakati'. Usambazaji bila ufuatiliaji (kufuatilia pembejeo na utendaji) hufanya kuwa vigumu kugundua uharibifu.

14. Mfano unaopata usahihi wa 88% katika mgawanyiko mmoja wa mafunzo/jaribio una alama 5 za uthibitishaji wa 88%, 71%, 83%, 64%, 79%. Je, hii inaonyesha nini na kwa nini uthibitisho mtambuka ni muhimu?

• A) Mfano ni thabiti; 88% ni utendaji halisi
• B) Uthibitishaji wa msalaba hauhitajiki; Sehemu moja inatosha
• C) Tete kubwa ya alama inaonyesha kuwa mfano hauna msimamo; uthibitishaji wa msingi wa utendaji kwa wastani na usambazaji wa mapipa mengi, sio pipa moja la bahati ✔
• D) Ni bora kuripoti alama za juu (88%)

Maelezo: Chumba kimoja kinaweza kuwa na bahati au bahati mbaya; 88% ilikuwa tu matokeo ya mgawanyiko huo rahisi. Uthibitishaji mtambuka hugawanya data mara nyingi, kulingana na utendakazi kwenye wastani (hapa ~77%) na kuonyesha kubadilikabadilika kwa alama. Tete ya juu hapa inaonyesha kuwa mfano hauna msimamo; Kutegemea chumba kimoja ni kupotosha.