உங்கள் முதல் AI மாடல்: சிறு அளவிலான காளான் பண்ணைகளுக்கான அடிப்படைத் தொற்று அபாய அல்காரிதத்தை (Contamination Risk Algorithm) உருவாக்குதல்
காளான் வளர்ப்பவர்கள் ஒரு மிகப்பெரிய அபாயத்தை எதிர்கொள்கிறார்கள். திடீரென ஏற்படும் தொற்று அதிகரிப்பு முழு அறுவடையையும் அழித்துவிடும். இது கடின உழைப்பை நஷ்டமாக மாற்றுகிறது. பல சிறு பண்ணைகள் அபாயங்களைக் கண்டறியத் தங்கள் உள்ளுணர்வை மட்டுமே நம்பியிருக்கின்றன. சென்சார் பதிவுகளை (sensor logs) ஒரு அபாய மதிப்பெண்ணாக (risk score) மாற்றுவதன் மூலம் நீங்கள் இதை மாற்றலாம். இது பிரச்சனைகள் பரவுவதற்கு முன்பே அவற்றைக் கண்டறிய உதவுகிறது.
முன்கணிப்பு மாதிரிகள் (Predictive models) மூலத் தரவை (raw data) அம்சங்களாக (features) மாற்றுவதன் மூலம் செயல்படுகின்றன. இந்த அம்சங்கள் சராசரி நிலைகளையும் மாற்றங்களையும் காட்டுகின்றன. தொற்று அபாயத்தைக் கணக்கிட, வெப்பநிலை, ஈரப்பதம் மற்றும் CO2 ஆகியவற்றின் தினசரி சராசரிகளைக் கணக்கிடுங்கள். அதிகபட்ச மற்றும் குறைந்தபட்ச வெப்பநிலை போன்ற உச்சநிலைகளையும் சேர்க்கவும். வெப்பநிலை மாறுபாடு மற்றும் ஈரப்பதம் 90%-க்கு மேல் இருக்கும் நேரங்களையும் சேர்த்துக் கொள்ளுங்கள். இந்த எண்கள் இயற்பியல் அழுத்தத்தை ஒரு மாடல் புரிந்துகொள்ளக்கூடிய சிக்னலாக மாற்றுகின்றன.
சராசரி ஈரப்பதம் 85% உள்ள ஒரு நாளை கற்பனை செய்து பாருங்கள். உங்கள் சென்சார் பதிவுகள் 90%-க்கு மேல் ஆறு மணிநேரம் இருந்ததைக் காட்டுகின்றன. உங்கள் அம்சத் தொகுப்பு (feature set) இந்த அதிக ஈரப்பதம் கொண்ட காலத்தைக் குறிக்கிறது. கடந்த காலத் தொற்றுக்களின் அடிப்படையில் பயிற்சி பெற்ற ஒரு மாடல், இதற்கு அதிக அபாய மதிப்பெண்ணை வழங்கும். ஸ்போர்கள் (spores) நிலைபெறுவதற்கு முன்பே காற்றோட்டத்தை அதிகரிக்க இது உங்களுக்குத் தெரிவிக்கும்.
உங்கள் அமைப்பை உருவாக்க இந்த வழிமுறைகளைப் பின்பற்றுங்கள்:
உங்கள் தரவுத்தொகுப்பைத் (dataset) தயார் செய்யவும்: ஆறு மாத காலத்திற்கான ஒவ்வொரு மணிநேர சென்சார் தரவு மற்றும் உற்பத்தி குறிப்புகளைத் தயார் செய்யவும். கடந்த காலத் தொற்றுக்களின் அடிப்படையில் ஒவ்வொரு நாளையும் 'தொற்று பாதிப்பு' (contamination) அல்லது 'சுத்தமானது' (clean) என்று வகைப்படுத்தவும். சராசரிகள் மற்றும் மாறுபாடுகள் போன்ற உங்கள் அம்சங்களைக் கணக்கிடுங்கள்.
ஒரு அடிப்படை மாடலுக்குப் பயிற்சி அளிக்கவும்: உங்கள் வகைப்படுத்தப்பட்ட அட்டவணையை Google Vertex AI-இல் பதிவேற்றவும். logistic regression போன்ற ஒரு எளிய வகைப்படுத்தும் அல்காரிதத்தைத் (classification algorithm) தேர்ந்தெடுக்கவும். அம்சம் அளவிடுதல் (feature scaling) மற்றும் மாடல் பொருத்துதல் (model fitting) ஆகியவற்றை அந்தத் தளம் உங்களுக்காகச் செய்யும்.
தினசரி அறிக்கையைச் செயல்படுத்தவும்: சமீபத்திய 24 மணிநேரப் பதிவுகளைப் பெற ஒரு ஸ்கிரிப்டை (script) அமைக்கவும். அந்த ஸ்கிரிப்ட் அம்சங்களைக் கணக்கிட்டு, உங்கள் மாடலில் இருந்து ஒரு அபாய மதிப்பெண்ணைப் பெற்று, மின்னஞ்சல் சுருக்கத்தை அனுப்பும். இந்தச் சுருக்கம் அதிக ஈரப்பதம் அல்லது வெப்பநிலை மாறுபாடுகள் போன்ற முக்கிய அபாயக் காரணிகளைக் காட்டும்.
சில அம்சங்களைக் கொண்டு உருவாக்கப்பட்ட ஒரு சிறிய மாடலுடன் தொடங்குங்கள். இது சுற்றுச்சூழல் முறைகளைப் பற்றிய புரிதலை உங்களுக்கு வழங்கும். அதிக தரவுகளைச் சேகரித்து, ஒவ்வொரு சில மாதங்களுக்கும் உங்கள் மாடலுக்குப் பயிற்சி அளிக்கவும். இது மூல சென்சார் தரவுகளை உங்கள் பண்ணைக்கான நம்பகமான எச்சரிக்கை அமைப்பாக மாற்றும்.
Optional learning community: https://t.me/GyaanSetuAi