অনুসন্ধানের ডেটা বিশ্লেষণ এবং অ্যালগরিদমগুলির বিকাশে কাজ করে আমি দেখতে পেলাম যে আমার বেশিরভাগ সময় ভিজ্যুয়ালাইজ করার একটি চক্রে ব্যয় করা হয়, কিছু কোড লিখুন, ছোট ডেটাसेटে চালিত হন, পুনরাবৃত্তি করুন। আমার কাছে থাকা ডেটা কম্পিউটার ভিশন / সেন্সর ফিউশন ধরণের স্টাফ হিসাবে থাকে এবং অ্যালগরিদমগুলি দৃষ্টি-ভারী হয় (উদাহরণস্বরূপ অবজেক্ট সনাক্তকরণ এবং ট্র্যাকিং ইত্যাদি), এবং অফ শেল্ফ অ্যালগরিদমগুলি এই প্রসঙ্গে কাজ করে না। আমি দেখতে পেয়েছি যে এটি প্রচুর পরিমাণে পুনরাবৃত্তি গ্রহণ করে (উদাহরণস্বরূপ, অ্যালগরিদমের ধরণে ডায়াল করতে বা অ্যালগোরিদমে প্যারামিটারগুলি টিউন করতে, বা ভিজ্যুয়ালাইজেশন ডান পেতে) এবং এমনকি একটি ছোট ডেটাসেটে রান সময়গুলিও বেশ দীর্ঘ, তাই সব একসাথে এটি একটি সময় লাগে।
কিভাবে অ্যালগরিদম বিকাশ নিজেই করা যায় এবং আরও স্কেলযোগ্য করা যায়?
কিছু নির্দিষ্ট চ্যালেঞ্জ:
পুনরাবৃত্তির সংখ্যা কীভাবে হ্রাস করা যায়? (এসপি। যখন কোন ধরণের অ্যালগরিদম হয় তবে এর বিশদটি কেবল ছেড়ে দিন, বিভিন্ন সংস্করণ চেষ্টা না করে এবং তাদের আচরণ পরীক্ষা না করে সহজেই অনুমেয় বলে মনে হয় না)
উন্নয়নের সময় আরও বড় ডেটাসেটগুলিতে কীভাবে চলবেন? (প্রায়শই ছোট থেকে বড় ডেটাসেটে যাওয়া যখন তখন নতুন আচরণ এবং নতুন সমস্যাগুলির একগুচ্ছ দেখা যায়)
কীভাবে অ্যালগরিদম প্যারামিটারগুলি দ্রুত সুর করা যায়?
অ্যালগরিদম বিকাশে নিজেই কীভাবে মেশিন লার্নিং টাইপের সরঞ্জাম প্রয়োগ করবেন? (উদাহরণস্বরূপ, হাত দ্বারা অ্যালগরিদম লেখার পরিবর্তে কয়েকটি সাধারণ বিল্ডিং ব্লক লিখুন এবং সমস্যা থেকে শিখে নেওয়া এমন উপায়ে তাদের একত্রিত করুন)