प्रथम मोजा, नंतर विचारा

मूलभूत मोजणी हा डेटा विज्ञानातील सर्वात शक्तिशाली विश्लेषणात्मक तंत्र आहे कारण ते खूप सोपे आहे आणि अनेक प्रकरणांमध्ये ते अवमूल्यित केले जाते.

संकेत नाही गोंधळ. म्हणूनच, मी लोकांना नेमतो तेव्हा, मी स्मार्ट लोक नेमू इच्छितो आणि त्यांना थोडा मार्ग देऊ. परंतु मला जास्त लक्ष द्यायचे ते काय आहे की डेटाशी संबंधित तुमची विचार प्रक्रिया काय आहे?

"पूर्वी" हा पारंपरिक डेटा शास्त्रीय दृष्टीकोनाला संदर्भित करतो आणि "गोंधळ" हा AI उत्पादनांना स्वतंत्र मूल्यमापन पद्धतींची गरज आहे की पारंपरिक डेटा विश्लेषण अद्याप प्रश्नार्थक असल्याचा वाद संदर्भित करतो.

ही पूर्वीच्याच डेटा विज्ञानाची बाब आहे, आणि मला वाटते की जी गोंधळ आहे ती म्हणजे 'बघा, आम्हाला डेटा विज्ञान विचार आवश्यक आहेत', आणि माझे मत असे आहे की एआय उत्पादनासाठी ते विचार उपयुक्त आहेत जसे की कोणत्याही उत्पादनासाठी.

"हे समझूत" हा मापदंड असा आहे की AI न्यायाधीश प्रणाली किती वेळा मानवी मूल्यांकनकर्त्यांशी सहमत असते जेव्हा ते AI मॉडेल आउटपुट मूल्यांकन करतात.

बऱ्याच लोकांना थेट या करारावर जाते. ते म्हणतात, 'ठीक आहे, माझा न्यायाधीश मानवाशी काही टक्के वेळा सहमत असतो.' हे आकर्षक वाटते, पण हा खूप धोकादायक मापदंड आहे, कारण बऱ्याच वेळा चूका त्या लांब शेवटी होतात आणि ते इतक्या वेळा होत नाहीत.