एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
Model Drift
उत्पादन में एक एआई मॉडल के प्रदर्शन में धीरे-धीरे गिरावट की समस्या, जो इनपुट डेटा या चरों के बीच संबंधों में परिवर्तन के कारण होती है। ड्रिफ्ट के लिए निरंतर निगरानी और संभावित रूप से मॉडल को फिर से प्रशिक्षित करने की आवश्यकता होती है।
Data Drift
मॉडल के इनपुट डेटा के वितरण में मूल प्रशिक्षण डेटा की तुलना में सांख्यिकीय परिवर्तन। यह घटना भविष्यवाणियों को नकारात्मक रूप से प्रभावित कर सकती है और इसके लिए सक्रिय रूप से पता लगाने की आवश्यकता होती है।
Performance Monitoring
उत्पादन में मॉडल के प्रदर्शन मेट्रिक्स की निरंतर निगरानी, जिसमें सटीकता, प्रिसिजन, रिकॉल और अन्य प्रासंगिक KPI शामिल हैं। यह निगरानी प्रदर्शन की विसंगतियों को शीघ्रता से पहचानने में सक्षम बनाती है।
Model Explainability
एक एआई मॉडल के निर्णयों को समझने और व्याख्या करने की क्षमता, जो विश्वास और नियामक अनुपालन के लिए आवश्यक है। SHAP या LIME जैसी तकनीकें व्यक्तिगत भविष्यवाणियों की व्याख्या करने की अनुमति देती हैं।
Feature Importance Tracking
मॉडल द्वारा अपनी भविष्यवाणियों के लिए उपयोग की जाने वाली विशेषताओं की सापेक्ष महत्व की निरंतर निगरानी। यह निगरानी मॉडल के निर्णय पैटर्न में परिवर्तनों की पहचान करने में मदद करती है।
Prediction Confidence Score
एक मात्रात्मक मेट्रिक जो प्रत्येक व्यक्तिगत भविष्यवाणी के बारे में मॉडल के निश्चितता स्तर को इंगित करती है। कम आत्मविश्वास स्कोर जोखिम भरी भविष्यवाणियों का संकेत दे सकते हैं जिनमें मानव हस्तक्षेप की आवश्यकता होती है।
Model Degradation
विभिन्न कारकों जैसे डेटा की उम्र बढ़ने या व्यापारिक संदर्भ के विकास के कारण उत्पादन में एक मॉडल की प्रभावशीलता में धीरे-धीरे कमी आना। अवनति के लिए मॉडल के सक्रिय रखरखाव की आवश्यकता होती है।
Real-time Inference Monitoring
रीयल-टाइम अनुमान के दौरान भविष्यवाणियों और प्रदर्शन मेट्रिक्स की तात्कालिक निगरानी। यह मॉनिटरिंग विसंगतियों और सिस्टम की विफलताओं की तत्काल पहचान की अनुमति देता है।
Alerting System
एक स्वचालित इंफ्रास्ट्रक्चर जो तब अधिसूचनाएं उत्पन्न करता है जब मॉडल की मेट्रिक्स पूर्व-निर्धारित सीमाओं को पार कर जाती हैं। अलर्ट तेजी से हस्तक्षेप की अनुमति देते हैं, इससे पहले कि गिरावट व्यवसाय को महत्वपूर्ण रूप से प्रभावित करे।
Baseline Metrics
मॉडल के वैधीकरण के दौरान स्थापित प्रदर्शन संदर्भ जो उत्पादन में मॉनिटरिंग के लिए तुलना बिंदु के रूप में काम करते हैं। ये बेसलाइन प्रदर्शन में गिरावट का वस्तुनिष्ठ रूप से मात्रांकन करने में सक्षम बनाती हैं।
Canary Deployment
एक प्रगतिशील तैनाती रणनीति जहां नए मॉडल का परीक्षण पूर्ण तैनाती से पहले ट्रैफिक के एक छोटे प्रतिशत पर किया जाता है। यह विधि मॉडल के नए संस्करणों से जुड़े जोखिमों को कम करती है।
Observability Pipeline
उत्पादन में मॉडलों के लॉग, मेट्रिक्स और ट्रेस को एकत्रित करने, संसाधित करने और संग्रहीत करने की इंफ्रास्ट्रक्चर। यह पाइपलाइन सिस्टम के व्यवहार पर पूर्ण दृश्यता प्रदान करती है।
Drift Detection Algorithm
सांख्यिकीय या मशीन लर्निंग एल्गोरिदम जो डेटा वितरण या मॉडल प्रदर्शन में परिवर्तनों को स्वचालित रूप से पहचानते हैं। ये उपकरण ड्रिफ्ट की सक्रिय रूप से पहचान में सक्षम बनाते हैं।
Model Health Dashboard
एक केंद्रित दृश्य इंटरफ़ेस जो उत्पादन में मॉडलों की मुख्य प्रदर्शन मेट्रिक्स, अलर्ट और समग्र स्वास्थ्य स्थिति प्रदर्शित करता है। यह उपकरण MLOps टीमों के लिए निर्णय लेने को सुविधाजनक बनाता है।
Anomaly Detection
मॉडल के आउटपुट में असामान्य व्यवहार या विचलित भविष्यवाणियों की स्वचालित पहचान की प्रक्रिया। यह पहचान गहन जांच की आवश्यकता वाले मामलों को अलग करने में मदद करती है।
Performance Regression
एक मॉडल के प्रदर्शन में इसकी प्रारंभिक संदर्भ मेट्रिक्स की तुलना में मापने योग्य कमी। रिग्रेशन धीरे-धीरे या अचानक हो सकता है और इसके मूल कारणों का विश्लेषण आवश्यक है।
मॉडल शासन
मॉडलों के जीवनचक्र के दौरान अनुपालन, ट्रैसेबिलिटी और ऑडिटेबिलिटी सुनिश्चित करने वाली नीतियों, प्रक्रियाओं और नियंत्रणों का समूह। शासन AI सिस्टम की विश्वसनीयता और नैतिकता की गारंटी देता है।
विलंबता निगरानी
उत्पादन में मॉडल की भविष्यवाणियों के प्रतिक्रिया समय की निगरानी, रीयल-टाइम अनुप्रयोगों के लिए महत्वपूर्ण। निरंतर मॉनिटरिंग SLAs का पालन और उपयोगकर्ता अनुभव सुनिश्चित करता है।
प्रवाह ट्रैकिंग
प्रति इकाई समय में संसाधित भविष्यवाणियों के मात्रा का माप, सिस्टम की लोड क्षमता का मूल्यांकन करने के लिए आवश्यक। प्रवाह ट्रैकिंग बुनियादी ढांचे के संसाधनों को आकार देने में मदद करता है।