কুচু মাস আগে আমি লিখেছিলাম যে 2026-এ প্রতিটি ডেটা বিজ্ঞানীকে শেখার দরকার থাকা 3টি ক্লোড कौশল: ক্লোড ড্যাশবোর্ড, ক্লোড কোয়ার্ক (জিরা টিকেটকে অগ্রাধিকার দিতে) এবং ক্লোড কোডের সাথে ডিবাগিং। কিন্তু এই ব্যবহারের ক্ষেত্রগুলো শুধুমাত্র সতحينের বাহিরের পাতা ছুঁয়েছে। ক্লোডের আরও অনেক উপায় আছে যাতে পুনরাবৃত্তি করা কাজ কমাতে এবং সেই কাজের জন্য সময় নিতে পারে যা সত্যিই মানব হস্তক্ষেপের প্রয়োজন। তাই এখানে 4টি আরও कौশল দেওয়া হল।

1. মডেলিং পদ্ধতির তুলনা করার জন্য গভীর গবেষণা

যখন আপনি ক্লোডকে কোনো প্রশ্ন করেন, তখন এটি তথ্য পায় তিনটি উৎস থেকে: নিজের প্রশিক্ষণ ডেটা এবং জ্ঞান, ওয়েব খোঁজ, বা গভীর গবেষণা। ওয়েব খোঁজ এবং গভীর গবেষণা উভয়ই সক্রিয় করা দরকার। ওয়েব খোঁজ আপনার প্রশ্নের জন্য ওয়েব থেকে একক উত্তর খোঁজে। কিন্তু গভীর গবেষণা নিজে নিজে একটি সংযুক্ত ওয়েব খোঁজের ক্রম চালায়, যেখানে প্রতিটি খোঁজ আগের খোঁজের ফলাফলের ভিত্তিতে তৈরি হয়। তারপর এটি উদ্ধৃতি সহ একটি ব্যাপক প্রতিবেদন ফেরত দেয়।

ক্লোডে গভীর গবেষণা মোড ব্যবহার করার উপায়: চ্যাট উইন্ডোর বাম নিচের + বোতামে ক্লিক করুন। গভীর গবেষণা (Research) বেছে নিন (একটি নীল সূচক इसकी সক্রিয়তা নিশ্চিত করে)। যদি ক্লোড কোনো প্রশ্নে যা এর জন্য বলেছে, স্বয়ংক্রিয়ভাবে এটি ট্রিগার না করে, তাহলে সরাসরি বলুন: "ক্লোড, দয়া করে গবেষণা টুল ব্যবহার করার জন্য..."

এখানে ক্লোড গভীর গবেষণা টুলের কিছু বাস্তব ডেটা বিজ্ঞানের ব্যবহারের ক্ষেত্র দেওয়া হল:

সমস্যা: আপনি এজেন্টিক AI সিস্টেম তৈরি করতে নতুন এবং উৎপাদনে বিনিয়োগ করার আগে একটি এজেন্ট উৎপাদনের জন্য প্রস্তুত কি না তা মূল্যায়ন করার বর্তমান সর্বোত্তম অনুশীলন বুঝতে চান।

ক্লোড গভীর গবেষণা প্রম্পট: উৎপাদনে বিনিয়োগের আগে AI এজেন্টদের পরীক্ষার বর্তমান সর্বোত্তম অনুশীলন এবং মূল্যায়ন ফ্রেমওয়ার্কের সারাংশ দিন। লুপিং, টুলের দुरব্যবহার, এবং হ্যালুসিনেটেড কর্মকাণ্ডের মতো সাধারণ ব্যর্থতা মোড কভার করুন, এবং ব্যাখ্যা করুন যে টিমগুলি শিপিং থেকে আগে কীভাবে বিশ্বস্ততা মাপে। সাম্প্রতিক পত্র, প্রকাশিত বেঞ্চমার্ক, বা AI ল্যাব থেকে নথিভুক্ত পদ্ধতিগুলো উল্লেখ করুন।

সমস্যা: তय করা উচিত কি একটি নতুন পদ্ধতির आसपास উৎপাদন ভবিষ্যৎন মডেলের পুনর্নির্মাণ করা উচিত বা আগে থেকে চলমান গ্রেডিয়েন্ট বूस্টিং সেটআপটি রাখা উচিত।

ক্লোড গভীর গবেষণা প্রম্পট: ক্লাসিকल সांख्यিকীয় ভবিষ্যৎন পদ্ধতিগুলো (SARIMA, এক্সপোনেনশিয়াল স্মুথিং) এর তুলনা গ্রেডিয়েন্ট বूस্টিং এবং ট্রান্সফরমার-ভিত্তিক মডেলসের সাথে, ঘন্টা ভিত্তিক শক্তি ভর ভবিষ্যৎনের জন্য। প্রতিটি পদ্ধতির জন্য, মাল্টি-দিনের হরাইজনে সঠিকতা, ডেটা ভোলিউমের প্রয়োজন, এবং নথিভুক্ত ব্যর্থতা মোডের সারাংশ দিন। নির্দিষ্ট পত্র বা বেঞ্চমার্ক উল্লেখ করুন।

সমস্যা: একটি নতুন ডেটাসেটে outliersكشف করার জন্য কোন পদ্ধতি প্রয়োগ করা উচিত, jossa vahaita kausikuvioita, ennen kuin se pääsee tuotantomalliin।

ক্লোড গভীর গবেষণা প্রম্পট: মৌসমিক সময়শ্রেণী ডেটায় outliersكشف করার জন্য z-score, IQR, এবং আইসোলেশন ফরেস্ট পদ্ধতিগুলোর তুলনা করুন। প্রতিটি পদ্ধতির জন্য, বলুন যে তারা কতটা ভুল ধনাত্মক (false positives) তৈরি করার প্রবণতা रखে, স্কেলে গണনামূলক খরচ কী, এবং তাদের মধ্যে বেছে নেওয়ার জন্য নথিভুক্ত নির্দেশনা কী। নির্দিষ্ট উৎস উল্লেখ করুন।

এই শেষের জন্য, ক্লোড একটি সংগঠিত নথি ফেরত দিয়েছে যার নিম্নলিখিত বিভাগ অন্তর্ভুক্ত ছিল:

TLDR/সারাংশ

পদ্ধতির ওভারভিউ — z-score, IQR, এবং আইসোলেশন ফরেস্ট কী এবং কীভাবে কাজ করে তা ব্যাখ্যা করে

প্রতি পদ্ধতির জন্য ভুল ধনাত্মক প্যাটার্ন (মৌসমিক প্রেক্ষাপটে)

গণনামূলক খরচ এবং স্কেলেবিলিটি

সিদ্ধান্ত নেওয়ার নির্দেশনা: পদ্ধতিগুলোর মধ্যে বেছে নেওয়া

সতর্কতা — এর ফলাফলের সীমাবদ্ধতাগুলো আলোচনা করে

2. স্টেকহোল্ডারদের জন্য HTML প্রকল্প সংক্ষিপ্ত

মনে করুন আপনি একটি সোশ্যাল মিডিয়া মার্কেটিং কোম্পানিতে কাজ করেন যেখানে আপনি একটি নির্দিষ্ট সংক্ষিপ্ত রিল ক্যাম্পেইনের জন্য কনটেন্ট এঙ্গেজমেন্ট ভবিষ্যৎন মডেলে কাজ করছেন। কিন্তু মডেলটি আশাকর মতো কাজ করছে না। তাই আপনি এবং অন্যান্য ডেটা বিজ্ঞানী মডেল উন্নতির জন্য একটি 2 মাসের পরিকল্পনা তৈরি করেছেন। কিন্তু অ-প্রযুক্তিগত স্টেকহোল্ডারদের প্রায়শই অদৈর্য্য হয় এবং তারা বুঝে না যে পোস্টগুলি প্রথমে আশার মতো কেন কাজ করছে না। তারা এই সপ্তাহে উন্নতি চান (যা ডেটা বিজ্ঞানী জানেন, প্রায়শই বাস্তবহীন মেয়াদ)।

একটি HTML প্রকল্প সংক্ষিপ্ত তৈরি করুন যা একটি লিঙ্ক হিসেবে শেয়ার করা যেতে পারে; এটি প্রকল্পের অবস্থা, টাইমলাইন, এবং আশার একটি পরিষ্কার, পড়া যায় সারাংশ দিয়ে এই যোগাযোগের ফাঁকটি পূরণ করতে সাহায্য করে।

মुख্য 엔티টি:

কোম্পানிகள்: Towards Data Science

সामान्य প্রশ্ন:

ক্লোডের গভীর গবেষণা টুল ও ওয়েব খোঁজের মধ্যে পার্থক্য কী?

ওয়েব খোঁজ ওয়েব থেকে একক উত্তর আনে, ενώ গভীর গবেষণা একটি সংযুক্ত ওয়েব খোঁজের ক্রম চালায়, প্রতিটি আগের খোঁজের ভিত্তিতে তৈরি, এবং তারপর উদ্ধৃতি সহ একটি ব্যাপক প্রতিবেদন ফেরত দেয়।

সामान्य প্রশ্ন: ক্লোডের গভীর গবেষণা টুল ও ওয়েব খোঁজের মধ্যে পার্থক্য কী?

সामान्य উত্তর: ওয়েব খোঁজ ওয়েব থেকে একক উত্তর আনে, ενώ গভীর গবেষণা একটি সংযুক্ত ওয়েব খোঁজের ক্রম চালায়, প্রতিটি আগের খোঁজের ভিত্তিতে তৈরি, এবং তারপর উদ্ধৃতি সহ একটি ব্যাপক প্রতিবেদন ফেরত দেয়।