कृत्रिम बुद्धिमत्ता प्रणाली की ऑब्ज़र्वेबिलिटी और निगरानी
मॉडल प्रदर्शन डैशबोर्ड, डेटा ड्रिफ्ट अलर्ट, feedback loops और shadow mode deployment।
कृत्रिम बुद्धिमत्ता प्रणाली की ऑब्ज़र्वेबिलिटी और निगरानी, CoddyKit पर पाइथन के साथ एआई सीखें का एक निःशुल्क पाठ है। यह 4 में से 4वाँ पाठ है। इस अध्ययन पथ के 3 तक कोई भी पाठ पूरा पढ़ना निःशुल्क है — इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ व्यावहारिक अभ्यास भी उपलब्ध कराता है। यह पाइथन के साथ एआई सीखें सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। पाइथन के साथ एआई सीखें पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
मशीन लर्निंग प्रणालियों की निगरानी क्यों
परिनियोजित मॉडल का काम पूरा नहीं हो जाता। अनुरोध-प्रवाह में अचानक वृद्धि हो सकती है, विलंबता बढ़ सकती है और दुनिया बदलने पर डेटा प्रशिक्षण डेटा से अलग हो सकता है। प्रेक्षणीयता आपको बताती है कि प्रणाली स्वस्थ है या नहीं और मॉडल अब भी सटीक है या नहीं—उपयोगकर्ताओं को समस्या महसूस होने से पहले।
निगरानी के दो प्रकार
मशीन लर्निंग की प्रेक्षणीयता दो परतों को शामिल करती है:
- परिचालन: विलंबता, थ्रूपुट, त्रुटियाँ और संसाधन उपयोग (किसी भी सेवा की तरह)
- मॉडल: डेटा में बदलाव, पूर्वानुमान वितरण और समय के साथ सटीकता (मशीन लर्निंग-विशिष्ट)
मापों के लिए प्रोमेथियस
प्रोमेथियस समय-श्रृंखला माप एकत्र करने की मानक प्रणाली है। आपकी सेवा एक माप अंतिम-बिंदु उपलब्ध कराती है; प्रोमेथियस निश्चित अंतराल पर वहाँ से मान एकत्र करता है और उन्हें प्रश्नों तथा चेतावनियों के लिए सहेजता है।
विलंबता का मापन जोड़ना
आप प्रोमेथियस हिस्टोग्राम से अनुमान की विलंबता दर्ज करते हैं। हिस्टोग्राम आपको प्रतिशतक निकालने देते हैं, जो विलंबता का सार प्रस्तुत करने का सही तरीका है; भ्रामक औसत इसका सही विकल्प नहीं है।
from prometheus_client import Histogram
INFER_LATENCY = Histogram(
"inference_latency_seconds",
"Model inference latency",
)
@INFER_LATENCY.time()
def predict(x):
return model(x)P50 और P95 विलंबता
विलंबता को प्रतिशतकों के रूप में रिपोर्ट कीजिए। P50 (माध्यिका) सामान्य अनुभव को दर्शाता है; P95 धीमा छोर है, जिसे 5% अनुरोध पार कर जाते हैं। P95 पर नज़र रखने से वे समस्याएँ पकड़ में आती हैं जिन्हें औसत छिपा देता है, क्योंकि कुछ धीमे अनुरोध भी उपयोगकर्ताओं को परेशान करते हैं।
ग्राफ़ाना डैशबोर्ड
ग्राफ़ाना प्रोमेथियस के मापों को लाइव डैशबोर्ड के रूप में दृश्य रूप देता है। मॉडल का डैशबोर्ड आम तौर पर एक ही स्क्रीन पर अनुरोध दर, त्रुटि दर, P50/P95 विलंबता और पूर्वानुमान वितरण दिखाता है, ताकि प्रणाली के स्वास्थ्य का तुरंत अंदाज़ा लगाया जा सके।
डेटा विचलन क्या है
डेटा विचलन तब होता है जब लाइव प्रविष्टि वितरण, प्रशिक्षण वितरण से अलग होने लगता है। मॉडल को पुराने पैटर्न पर fit किया गया था, इसलिए जैसे-जैसे प्रविष्टियों में विचलन आता है, बिना किसी कोड में बदलाव के भी उसकी सटीकता चुपचाप घटती जाती है।
जनसंख्या स्थिरता सूचकांक
जनसंख्या स्थिरता सूचकांक (PSI) वर्तमान में किसी विशेषता के वितरण की तुलना प्रशिक्षण-समय के वितरण से करके विचलन को मापता है। यह दोनों वितरणों को खंडों में बाँटता है और सभी खंडों के भारित लघुगणकीय अनुपात का योग करता है।
# PSI = sum over bins of
# (actual_pct - expected_pct) * ln(actual_pct / expected_pct)PSI की व्याख्या
प्रचलित PSI सीमाएँ:
- PSI < 0.1: कोई महत्वपूर्ण विचलन नहीं
- 0.1 से 0.2: मध्यम विचलन, जाँच करें
- PSI > 0.2: महत्वपूर्ण विचलन, मॉडल को संभवतः फिर से प्रशिक्षित करने की आवश्यकता है
PSI के 0.2 से अधिक होने पर चेतावनी देना एक आम प्रचलन है।
प्रतिक्रिया चक्र
सबसे मूल्यवान निगरानी संकेत वास्तविक परिणाम होते हैं। एक प्रतिक्रिया चक्र उपयोगकर्ता के सुधारों और वास्तविक-उत्तर लेबलों को दर्ज करता है (जैसे, क्या सिफारिश पर क्लिक किया गया, क्या धोखाधड़ी का संकेत सही था) और उन्हें नए प्रशिक्षण डेटा के रूप में वापस भेजता है।
पुनःप्रशिक्षण से चक्र पूरा करना
विचलन का पता लगाना और प्रतिक्रिया चक्र मिलकर पुनःप्रशिक्षण शुरू करते हैं: जब PSI सीमा पार कर जाता है या नए लेबलों पर सटीकता घट जाती है, तो प्रवाह-क्रम हाल के डेटा पर मॉडल को फिर से प्रशिक्षित करके उसे दोबारा परिनियोजित करता है। इससे मॉडल बदलती हुई दुनिया के अनुरूप बना रहता है।
त्वरित जाँच
अपनी अवलोकनीयता संबंधी जानकारी का परीक्षण करें।
पुनरावलोकन
आपने कृत्रिम बुद्धिमत्ता प्रणालियों की अवलोकनीयता और निगरानी के बारे में सीखा:
- प्रोमीथियस मापदंड एकत्र करता है; अनुमान-विलंबता को P50/P95 के रूप में रिपोर्ट करें
- ग्राफाना के दृश्य-पटल एक नज़र में प्रणाली की स्थिति दिखाते हैं
- डेटा विचलन को PSI से मापा जाता है; PSI > 0.2 होने पर फिर से प्रशिक्षण देना चाहिए
- एक प्रतिक्रिया चक्र उपयोगकर्ता के सुधारों को पुनःप्रशिक्षण डेटा में बदलता है
एआई शिक्षक के साथ Python सीखें — निःशुल्क
अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।
- पाठ्यक्रम
- 53
- पाठ
- 225
अक्सर पूछे जाने वाले प्रश्न
क्या “कृत्रिम बुद्धिमत्ता प्रणाली की ऑब्ज़र्वेबिलिटी और निगरानी” पाठ निःशुल्क है?
हाँ — पाइथन के साथ एआई सीखें अध्ययन पथ के 3 तक कोई भी पाठ, जिसमें “कृत्रिम बुद्धिमत्ता प्रणाली की ऑब्ज़र्वेबिलिटी और निगरानी” भी शामिल है, यहाँ वेब पर पूरा पढ़ना निःशुल्क है। इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ इंटरैक्टिव अभ्यास भी उपलब्ध कराता है। पाइथन के साथ एआई सीखें पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
“कृत्रिम बुद्धिमत्ता प्रणाली की ऑब्ज़र्वेबिलिटी और निगरानी” में मैं क्या सीखूँगा?
मॉडल प्रदर्शन डैशबोर्ड, डेटा ड्रिफ्ट अलर्ट, feedback loops और shadow mode deployment। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ पाइथन के साथ एआई सीखें का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।
क्या पाइथन के साथ एआई सीखें शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?
पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर पाइथन के साथ एआई सीखें शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 4वाँ पाठ है।
“कृत्रिम बुद्धिमत्ता प्रणाली की ऑब्ज़र्वेबिलिटी और निगरानी” पाठ पूरा करने में कितना समय लगता है?
CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।
क्या मैं इस पाइथन के साथ एआई सीखें पाठ में कोड लिख और चला सकता हूँ?
हाँ। हर पाइथन के साथ एआई सीखें पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।
इस पाठ्यक्रम के सभी पाठ
- कृत्रिम बुद्धिमत्ता प्रणाली आर्किटेक्चर पैटर्न
- Airflow के साथ स्केलेबल मशीन लर्निंग पाइपलाइन
- Feature Stores: Feast और Tecton
- कृत्रिम बुद्धिमत्ता प्रणाली की ऑब्ज़र्वेबिलिटी और निगरानी