এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
পরিবর্তন শনাক্তকরণ
ডেটার বন্টন বা ভেরিয়েবলগুলির মধ্যে সম্পর্কে উল্লেখযোগ্য পরিসংখ্যানগত পরিবর্তন চিহ্নিত করার জন্য অ্যালগরিদমিক প্রক্রিয়া। প্রাথমিক সনাক্তকরণ মডেলের কার্যকারিতা হ্রাস পাওয়ার আগেই মডেল আপডেট ট্রিগার করতে সক্ষম করে।
ধীরে ধীরে পরিবর্তন
ধারণাগত পরিবর্তনের একটি প্রকার যেখানে ভেরিয়েবলগুলির মধ্যে সম্পর্ক দীর্ঘ সময় ধরে ধীরে ধীরে ঘটে। এই ধীর বিবর্তন সনাক্তকরণকে বিশেষভাবে জটিল করে তোলে কারণ পরিবর্তনগুলি পরিসংখ্যানগত শব্দ হিসাবে ভুল বোঝা যেতে পারে।
হঠাৎ পরিবর্তন
খুব সংক্ষিপ্ত সময়ের মধ্যে ডেটার বন্টন বা ভেরিয়েবলগুলির মধ্যে সম্পর্কে আকস্মিক এবং উল্লেখযোগ্য পরিবর্তন। মডেলের কার্যকারিতায় বড় ধরনের অবনতি এড়াতে হঠাৎ পরিবর্তনের দ্রুত সনাক্তকরণ প্রয়োজন।
পুনরাবৃত্তিমূলক পরিবর্তন
একটি ঘটনা যেখানে ধারণা বা ভেরিয়েবলগুলির মধ্যে সম্পর্ক অস্থায়ীভাবে অদৃশ্য হওয়ার পরে পর্যায়ক্রমে পুনরায় উপস্থিত হয়। পুনরাবৃত্তিমূলক প্যাটার্ন চিনতে পারলে পরিবর্তনের পূর্বাভাস দেওয়া এবং অভিযোজন কৌশলগুলি অপ্টিমাইজ করা সম্ভব।
কোভেরিয়েট পরিবর্তন
এক ধরনের পরিবর্তন যেখানে ইনপুট ভেরিয়েবলগুলির বন্টন পরিবর্তিত হয় যখন শর্তাধীন সম্পর্ক P(Y|X) স্থিতিশীল থাকে। এই ঘটনাটি বেইজিয়ান অ্যালগরিদমের মতো বৈশিষ্ট্য বন্টনের প্রতি সংবেদনশীল মডেলগুলিকে বিশেষভাবে প্রভাবিত করে।
প্রাধান্য পরিবর্তন
লক্ষ্য ভেরিয়েবলের প্রান্তিক বন্টন P(Y)-এ পরিবর্তন শর্তাধীন সম্পর্ক P(Y|X) পরিবর্তন ছাড়াই। এই পরিবর্তন সামগ্রিক ভবিষ্যদ্বাণীকে প্রভাবিত করে কিন্তু ভেরিয়েবলগুলির মধ্যে স্থানীয় সম্পর্ক সংরক্ষণ করে।
অনলাইন অভিযোজন
নতুন ডেটা আসার সাথে সাথে ভবিষ্যদ্বাণীমূলক মডেলের ধারাবাহিক আপডেট করার প্রক্রিয়া, যা ধারণাগত পরিবর্তনের দ্রুত প্রতিক্রিয়া সম্ভব করে। অনলাইন অভিযোজন মডেলের স্থিতিশীলতা এবং পরিবর্তনের প্রতি প্রতিক্রিয়াশীলতার মধ্যে ভারসাম্য বজায় রাখে।
সনাক্তকরণ বিলম্ব
ধারণাগত পরিবর্তনের প্রকৃত ঘটনা এবং অ্যালগরিদম দ্বারা এর সনাক্তকরণের মধ্যে অতিবাহিত সময় পরিমাপকারী মেট্রিক। মডেলের কার্যকারিতা হ্রাসের সময়কাল কমানোর জন্য ন্যূনতম বিলম্ব অত্যন্ত গুরুত্বপূর্ণ।
মিথ্যা ইতিবাচক হার
ডিটেকশন অ্যালগরিদম দ্বারা উৎপন্ন মিথ্যা ড্রিফ্ট অ্যালার্টের অনুপাত, যা মডেলের অপ্রয়োজনীয় আপডেটের দিকে নিয়ে যায়। সংবেদনশীলতা নিশ্চিত করার পাশাপাশি স্থিতিশীলতা বজায় রাখতে এই হার অপ্টিমাইজ করা অত্যন্ত গুরুত্বপূর্ণ।
সুপারভাইজড ডিটেকশন
ইনপুট এবং আউটপুটের মধ্যে সম্পর্কের পরিবর্তন সরাসরি বিশ্লেষণ করতে প্রকৃত লেবেল ব্যবহার করে ড্রিফ্ট সনাক্তকরণ পদ্ধতি। এই পদ্ধতি উচ্চ নির্ভুলতা প্রদান করে কিন্তু অবিচ্ছিন্ন গ্রাউন্ড ট্রুথের প্রাপ্যতা প্রয়োজন।
আনসুপারভাইজড ডিটেকশন
কোনো লেবেল ব্যবহার না করে শুধুমাত্র ইনপুট ডেটার বৈশিষ্ট্যের উপর নির্ভর করে ড্রিফ্ট সনাক্তকরণ পদ্ধতি, সাধারণত পরিসংখ্যানগত বন্টনের পরিবর্তন বিশ্লেষণের মাধ্যমে। এই পদ্ধতিটি প্রয়োগযোগ্য এমনকি যখন গ্রাউন্ড ট্রুথ উপলব্ধ না থাকে।