Shaip-এর CEO এবং সহ-প্রতিষ্ঠাতা Vatsal Gia-এর আরও ভাল রোগীর যত্নের জন্য স্বাস্থ্যসেবা AI সমাধান দেওয়ার ক্ষেত্রে 20 বছরের অভিজ্ঞতা রয়েছে। এই গেস্ট ফিচারে, তিনি মেশিন লার্নিং প্রজেক্টের ব্যর্থতার কারণ এবং এটিকে সফল করার জন্য কী বিবেচনা করতে হবে তা নিয়ে আলোচনা করেছেন।
প্রবন্ধ থেকে মূল টেকঅ্যাওয়ে হয়
- নতুন প্রযুক্তির প্রবণতা নিয়ে আপনি যেভাবে এগিয়ে যাচ্ছেন সে সম্পর্কে আপনি যদি সচেতন না হন তবে পুরো প্রক্রিয়াটি বিভ্রান্ত হতে পারে। VentureBeat অনুযায়ী, প্রায় 87% AI প্রকল্পগুলি অনেকগুলি অন্তর্নিহিত কারণের কারণে ব্যর্থ হয়। এবং এই ব্যর্থতাগুলি ব্যবসায়িক অংশে প্রচুর অর্থের ক্ষতিও করে।
- এই ML প্রকল্পগুলির ব্যর্থতার কারণ হল দক্ষতার অভাব, সাবপার ডেটা ভলিউম এবং গুণমান, ভুল লেবেলিং, সঠিক সহযোগিতার অভাব, তারিখের ডেটা কৌশল দক্ষ নেতৃত্বের অনুপস্থিতি, এবং অপ্রীতিকর ডেটা পক্ষপাত।
- যদিও ML প্রকল্পগুলি ব্যর্থ হওয়ার অনেকগুলি কারণ থাকতে পারে, তবে আপনি যদি আপনার প্রতিষ্ঠানে ML মডেলগুলি প্রয়োগ করতে চান তবে সমস্ত পয়েন্টারগুলি অবশ্যই বিবেচনায় রাখা গুরুত্বপূর্ণ। অতএব, এমএল প্রকল্প পরিচালনার জন্য একটি বিশ্বাসযোগ্য এন্ড-টু-এন্ড পরিষেবা প্রদানকারী পেতে এবং আরও সঠিকতা এবং দক্ষতা পেতে পরামর্শ দেওয়া হয়।
এখানে সম্পূর্ণ নিবন্ধ পড়ুন:
