केवल बेसलाइन से बेहतर होने पर स्वतः आगे बढ़ाएँ
चैंपियन-चैलेंजर तुलना के आधार पर उन्नयन रोकें या अनुमति दें।
केवल बेसलाइन से बेहतर होने पर स्वतः आगे बढ़ाएँ, CoddyKit पर MLOps Academy का एक निःशुल्क पाठ है। यह 4 में से 3वाँ पाठ है। आप नीचे पूरा पाठ निःशुल्क पढ़ सकते हैं—फिर अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर के साथ ब्राउज़र में इसका व्यावहारिक अभ्यास कर सकते हैं। यह MLOps Academy सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। MLOps Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
नया हमेशा बेहतर नहीं होता
अभी-अभी पुनःप्रशिक्षित मॉडल उत्पादन में चल रहे मॉडल से खराब हो सकता है। केवल नया होने के कारण किसी नए मॉडल को बिना सोचे-समझे प्रोत्साहित न करें।
चैंपियन बनाम चैलेंजर
लाइव मॉडल चैंपियन है; नया उम्मीदवार चैलेंजर है। प्रोत्साहन एक प्रतियोगिता है, जिसे चैलेंजर को मापदंडों पर जीतना होगा।
आधाररेखा परिभाषित करें
आपकी आधाररेखा एक निश्चित मूल्यांकन सेट पर वर्तमान चैंपियन का स्कोर है। प्रोत्साहन पाने के लिए चैलेंजर को उस संख्या से स्पष्ट रूप से बेहतर होना चाहिए।
समान डेटा पर मूल्यांकन करें
दोनों मॉडलों का स्कोर एक ही अलग रखे गए परीक्षण सेट पर निकालें। उचित तुलना तभी मानी जाती है, जब उनके बीच और कुछ न बदला हो।
प्रोत्साहन द्वार
निर्णय को ऐसी जाँच में रखें, जो केवल चैलेंजर के जीतने पर true लौटाए। यह द्वार दोनों स्कोर की सीधी तुलना करता है।
def should_promote(new, baseline):
return new > baselineअंतर जोड़ें
बहुत छोटे लाभ महज़ शोर हो सकते हैं, इसलिए वास्तविक अंतर अनिवार्य करें। कम से कम 1% सुधार माँगने से बिना लाभ के उत्पादन मॉडल बदलने से बचा जा सकता है।
def should_promote(new, baseline):
return new >= baseline + 0.01सही मापदंड चुनें
तुलना उस मापदंड पर करें जो आपके कार्य के लिए महत्वपूर्ण है, जैसे F1 या AUC, केवल कच्ची सटीकता पर नहीं। गलत मापदंड गलत मॉडल को प्रोत्साहित कर सकता है।
इसे कार्यप्रवाह में जोड़ें
अपने DAG में मूल्यांकन के तुरंत बाद द्वार रखें। यदि चैलेंजर हार जाता है, तो कार्यप्रवाह रुक जाता है और चैंपियन लाइव बना रहता है।
रजिस्ट्री में प्रोत्साहित करें
जीतने का अर्थ है रजिस्ट्री में मॉडल के चरण को Production में बदलना। यह संक्रमण ही वह कार्रवाई है, जो उपयोगकर्ताओं को मिलने वाली सेवा बदलती है।
client.transition_model_version_stage(
name="fraud", version=7, stage="Production")निर्णय का अभिलेख रखें
हर रन में दोनों स्कोर और परिणाम दर्ज करें। यह ऑडिट रिकॉर्ड बाद में समझाता है कि किसी मॉडल को प्रोत्साहित क्यों किया गया या क्यों नहीं।
खराब डेटा से सुरक्षा करें
चैलेंजर शानदार दिखाई दे सकता है, क्योंकि परीक्षण सेट में डेटा लीक हो गया हो या वह छोटा हो गया हो। किसी भी प्रोत्साहन पर भरोसा करने से पहले मूल्यांकन की तर्कसंगतता जाँचें।
त्वरित जाँच
नए चैलेंजर मॉडल को अपने-आप कब प्रोत्साहित करना चाहिए?
पुनरावलोकन
आपने परिणामों के आधार पर प्रोत्साहन पर नियंत्रण रखा: समान डेटा पर चैलेंजर की चैंपियन से तुलना की, अंतर अनिवार्य किया और फिर विजेता को रजिस्ट्री में स्थानांतरित किया। ✅
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
- 30
- पाठ
- 120
अक्सर पूछे जाने वाले प्रश्न
क्या “केवल बेसलाइन से बेहतर होने पर स्वतः आगे बढ़ाएँ” पाठ निःशुल्क है?
हाँ—“केवल बेसलाइन से बेहतर होने पर स्वतः आगे बढ़ाएँ” का पूरा पाठ यहाँ वेब पर निःशुल्क पढ़ा जा सकता है। इंटरैक्टिव अभ्यास (अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर) करने और MLOps Academy पाठ्यक्रम का बाकी हिस्सा अनलॉक करने के लिए CoddyKit PRO लें। MLOps Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
“केवल बेसलाइन से बेहतर होने पर स्वतः आगे बढ़ाएँ” में मैं क्या सीखूँगा?
चैंपियन-चैलेंजर तुलना के आधार पर उन्नयन रोकें या अनुमति दें। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ MLOps Academy का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।
क्या MLOps Academy शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?
पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर MLOps Academy 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 3वाँ पाठ है।
“केवल बेसलाइन से बेहतर होने पर स्वतः आगे बढ़ाएँ” 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 MLOps Academy पाठ में कोड लिख और चला सकता हूँ?
हाँ। हर MLOps Academy 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
- समय-सारणी बनाम ट्रिगर-आधारित पुनःप्रशिक्षण
- Airflow से पुनःप्रशिक्षण का ऑर्केस्ट्रेशन करें
- केवल बेसलाइन से बेहतर होने पर स्वतः आगे बढ़ाएँ
- निर्णय-प्रक्रिया में इंसान को शामिल रखें