રેક પર ચાલવું: નોલેજ ટેસ્ટ ડેવલપમેન્ટમાં 10 ગંભીર ભૂલો

નવા મશીન લર્નિંગ એડવાન્સ કોર્સમાં નોંધણી કરાવતા પહેલા, અમે સંભવિત વિદ્યાર્થીઓની તેમની તૈયારીનું સ્તર નક્કી કરવા અને કોર્સની તૈયારી માટે તેઓને બરાબર શું ઓફર કરવાની જરૂર છે તે સમજવા માટે પરીક્ષણ કરીએ છીએ. પરંતુ એક મૂંઝવણ ઊભી થાય છે: એક તરફ, આપણે ડેટા સાયન્સમાં જ્ઞાનની કસોટી કરવી જોઈએ, બીજી તરફ, આપણે 4 કલાકની સંપૂર્ણ પરીક્ષા ગોઠવી શકતા નથી.

આ સમસ્યાને ઉકેલવા માટે, અમે ડેટા સાયન્સ કોર્સ ડેવલપમેન્ટ ટીમમાં જ એક TestDev હેડક્વાર્ટર તૈનાત કર્યું છે (અને એવું લાગે છે કે આ માત્ર શરૂઆત છે). અમે તમને 10 મુશ્કેલીઓની સૂચિ રજૂ કરીએ છીએ જે જ્ઞાનનું મૂલ્યાંકન કરવા માટે પરીક્ષણો વિકસાવતી વખતે સામનો કરવામાં આવે છે. આશા છે કે આ પછી ઓનલાઈન લર્નિંગની દુનિયા થોડી સારી થઈ જશે.

રેક 1: પરીક્ષણ લક્ષ્યોને સ્પષ્ટ રીતે વ્યાખ્યાયિત કરવામાં નિષ્ફળતા

લક્ષ્યોને યોગ્ય રીતે વ્યાખ્યાયિત કરવા અને એક પરીક્ષણ બનાવવા માટે જે તેમને ધ્યાનમાં લેશે, આયોજનના તબક્કે આપણે ઘણા પ્રશ્નોના જવાબ આપવા જોઈએ:

1. આપણે ખરેખર શું તપાસીએ છીએ? 
2. પરીક્ષણ કયા વાતાવરણમાં થશે અને કયા મિકેનિક્સનો ઉપયોગ કરવામાં આવશે? આ વાતાવરણમાં શું મર્યાદાઓ છે? આ જ બિંદુ તમને ઉપકરણ માટેની તકનીકી આવશ્યકતાઓને સમજવાની મંજૂરી આપશે કે જેના પર પરીક્ષણ હાથ ધરવામાં આવશે, અને સામગ્રી માટે પણ (જો ટેસ્ટ ફોન પરથી લેવામાં આવે છે, તો ચિત્રો નાની સ્ક્રીન પર પણ વાંચી શકાય તેવા હોવા જોઈએ, તે જોઈએ. તેમને મોટું કરવું શક્ય છે, વગેરે).
3. પરીક્ષણમાં કેટલો સમય લાગશે? તમારે તે શરતો વિશે વિચારવાની જરૂર છે કે જેના હેઠળ વપરાશકર્તા પરીક્ષા આપશે. શું એવી કોઈ પરિસ્થિતિ હોઈ શકે કે જ્યાં તેણે પરીક્ષણ પ્રક્રિયામાં વિક્ષેપ કરવો અને પછી ફરીથી ચાલુ રાખવાની જરૂર છે?
4. ત્યાં પ્રતિસાદ હશે? આપણે તેને કેવી રીતે બનાવીએ અને પહોંચાડીએ? તમારે શું પ્રાપ્ત કરવાની જરૂર છે? શું પરીક્ષણ અમલીકરણ અને પ્રતિસાદ વચ્ચે સમય વિરામ છે?

અમારા કિસ્સામાં, આ પ્રશ્નોના જવાબ આપ્યા પછી, અમે પરીક્ષણ માટેના લક્ષ્યોની નીચેની સૂચિ વ્યાખ્યાયિત કરી છે:

1. કસોટીએ બતાવવું જોઈએ કે શું ભાવિ વિદ્યાર્થીઓ કોર્સ લેવા માટે તૈયાર છે અને શું તેમની પાસે પૂરતું જ્ઞાન અને કૌશલ્ય છે.
2. પરીક્ષણમાં અમને પ્રતિસાદ માટે સામગ્રી આપવી જોઈએ, વિદ્યાર્થીઓએ કયા વિષયમાં ભૂલ કરી છે તે દર્શાવવું જોઈએ, જેથી તેઓ તેમના જ્ઞાનમાં સુધારો કરી શકે. તેને કેવી રીતે કંપોઝ કરવું તે અમે તમને નીચે જણાવીશું.

રેક 2: નિષ્ણાત પરીક્ષણ લેખક માટે તકનીકી વિશિષ્ટતાઓ દોરવામાં નિષ્ફળતા

પરીક્ષણ વસ્તુઓ કંપોઝ કરવા માટે, જે ક્ષેત્રમાં જ્ઞાનની કસોટી કરવામાં આવી રહી છે તે ક્ષેત્રમાં નિષ્ણાતને સામેલ કરવું ખૂબ જ મહત્વપૂર્ણ છે. અને નિષ્ણાત માટે, બદલામાં, તમારે સક્ષમ તકનીકી સ્પષ્ટીકરણ (વર્ણન) ની જરૂર છે, જેમાં પરીક્ષણના વિષયો, પરીક્ષણ કરવામાં આવી રહેલા જ્ઞાન/કૌશલ્યો અને તેમના સ્તરનો સમાવેશ થાય છે.

નિષ્ણાત પોતાના માટે આવા તકનીકી વિશિષ્ટતાઓ કરશે નહીં, કારણ કે તેનું કાર્ય કાર્યો સાથે આવવું છે, પરીક્ષણની રચના નથી. તદુપરાંત, શિક્ષણની પ્રક્રિયામાં પણ, થોડા લોકો વ્યાવસાયિક રીતે પરીક્ષણો વિકસાવે છે. આ એક અલગ વિશેષતા - સાયકોમેટ્રિક્સમાં શીખવવામાં આવે છે.

જો તમે સાયકોમેટ્રિક્સથી ઝડપથી પરિચિત થવા માંગતા હો, તો રશિયામાં છે ઊનાળુ શાળા બધા રસ ધરાવતા લોકો માટે. વધુ ઊંડાણપૂર્વકના અભ્યાસ માટે, શિક્ષણ સંસ્થા પાસે છે અનુસ્નાતક ની પદ્દવી અને સ્નાતક શાળા.

તકનીકી લાક્ષણિકતાઓ તૈયાર કરતી વખતે, અમે નિષ્ણાત (અથવા વધુ સારી રીતે, તેની સાથે મળીને) માટે પરીક્ષણનું વિગતવાર વર્ણન એકત્રિત કરીએ છીએ: કાર્યોના વિષયો, કાર્યોનો પ્રકાર, તેમની સંખ્યા.

કાર્યોનો પ્રકાર કેવી રીતે પસંદ કરવો: વિષયો પર નિર્ણય લીધા પછી, અમે નક્કી કરીએ છીએ કે કયા કાર્યો આને શ્રેષ્ઠ રીતે ચકાસી શકે છે? ક્લાસિક વિકલ્પો: ઓપન-એન્ડેડ ટાસ્ક, બહુવિધ અથવા સિંગલ ચોઈસ ટાસ્ક, મેચિંગ વગેરે. (પરીક્ષણ પર્યાવરણની તકનીકી મર્યાદાઓ વિશે ભૂલશો નહીં!). કાર્યોના પ્રકારને નિર્ધારિત અને સ્પષ્ટ કર્યા પછી, અમારી પાસે નિષ્ણાત માટે તૈયાર તકનીકી સ્પષ્ટીકરણ છે. તમે તેને ટેસ્ટ સ્પેસિફિકેશન કહી શકો છો.

રેક 3: ટેસ્ટ ડેવલપમેન્ટમાં નિષ્ણાતને સામેલ ન કરવું

પરીક્ષણ વિકાસમાં નિષ્ણાતને નિમજ્જન કરતી વખતે, તેને ફક્ત "કાર્યનો અવકાશ" સૂચવવા માટે જ નહીં, પરંતુ વિકાસ પ્રક્રિયામાં જ તેને સામેલ કરવું ખૂબ જ મહત્વપૂર્ણ છે.

નિષ્ણાત સાથે કામ કરવું શક્ય તેટલું અસરકારક કેવી રીતે બનાવવું:

• તેને અગાઉથી સેટ કરો અને ટેસ્ટ ડેવલપમેન્ટ અને સાયકોમેટ્રિક્સના વિજ્ઞાન વિશે વાત કરવામાં થોડો સમય પસાર કરો.
• મૂલ્યાંકનકર્તાનું ધ્યાન એક માન્ય અને વિશ્વસનીય મૂલ્યાંકન સાધન બનાવવા પર કેન્દ્રિત કરો, પ્રશ્નોની સૂચિ પર નહીં.
• સમજાવો કે તેના કાર્યમાં પ્રારંભિક તબક્કાનો સમાવેશ થાય છે, માત્ર કાર્યોનો વિકાસ જ નહીં.

કેટલાક નિષ્ણાતો (તેમના સ્વભાવને કારણે) આને તેમના પોતાના કાર્યની કસોટી તરીકે માની શકે છે, અને અમે તેમને સમજાવીએ છીએ કે જો આપણે ઉત્તમ કાર્યો બનાવીએ તો પણ તે ચોક્કસ પરીક્ષણ લક્ષ્યોને અનુરૂપ ન હોઈ શકે.

પ્રક્રિયા ઝડપથી આગળ વધે તે માટે, અમે નિષ્ણાત સાથે વિષય કવરેજ (જ્ઞાન અને કૌશલ્ય)નું કોષ્ટક તૈયાર કરીએ છીએ, જે પરીક્ષણ સ્પષ્ટીકરણનો એક ભાગ છે. તે આ કોષ્ટક છે જે અમને પ્રશ્નોને સચોટ રીતે કાર્ય કરવા અને અમે શું માપીશું તે નિર્ધારિત કરવાની મંજૂરી આપે છે. દરેક ચોક્કસ કિસ્સામાં તે સહેજ અલગ રીતે સંકલિત કરી શકાય છે. અમારું કાર્ય એ તપાસવાનું છે કે વ્યક્તિ અગાઉના, મૂળભૂત અભ્યાસક્રમોના જ્ઞાન અને કુશળતાને કેટલી સારી રીતે સમજે છે તે સમજવા માટે કે તે નવા અભ્યાસક્રમમાં અભ્યાસ કરવા માટે કેટલો તૈયાર છે.

રેક 4: વિચારવું કે નિષ્ણાત "શ્રેષ્ઠ જાણે છે"

વિષય વધુ સારી રીતે જાણે છે. પરંતુ તે હંમેશા સ્પષ્ટ રીતે સમજાવતું નથી. સોંપણીઓની શબ્દરચના તપાસવી ખૂબ જ મહત્વપૂર્ણ છે. સ્પષ્ટ સૂચનાઓ લખો, ઉદાહરણ તરીકે, "1 સાચો વિકલ્પ પસંદ કરો." 90% કિસ્સાઓમાં, નિષ્ણાતો પોતાને સમજાય તે રીતે પ્રશ્નો તૈયાર કરે છે. અને તે ઠીક છે. પરંતુ જેઓ તે પરીક્ષા આપશે તેમને પરીક્ષણ સોંપતા પહેલા, દરેક વસ્તુને તપાસવાની અને કોમ્બેડ કરવાની જરૂર છે જેથી કરીને પરીક્ષણ લેનારા લોકો તેમના માટે શું જરૂરી છે તે બરાબર સમજી શકે અને ભૂલો ન કરે કારણ કે તેઓ કાર્યના ટેક્સ્ટનું ખોટું અર્થઘટન કરી શકે છે.

કાર્યોના બેવડા અર્થઘટનને ટાળવા માટે, અમે "જ્ઞાનાત્મક પ્રયોગશાળાઓ" ચલાવીએ છીએ. અમે લક્ષ્યાંકિત પ્રેક્ષકોમાંથી લોકોને તેઓ શું વિચારે છે તે મોટેથી કહીને અને તેને વિગતવાર રેકોર્ડ કરવા માટે કહીએ છીએ. "જ્ઞાનાત્મક પ્રયોગશાળાઓ" પર તમે અસ્પષ્ટ પ્રશ્નો, ખરાબ શબ્દોને "પકડી" શકો છો અને પરીક્ષણ પર પ્રથમ પ્રતિસાદ મેળવી શકો છો.

રેક 5: ટેસ્ટ એક્ઝેક્યુશન સમયને અવગણો

કટાક્ષ મોડ: ચાલુ
અલબત્ત, અમારી પરીક્ષા શ્રેષ્ઠ છે, દરેક તેને પાસ કરવાનું સપનું જુએ છે! હા, બધા 4 કલાક.
કટાક્ષ મોડ: બંધ

જ્યારે તપાસી શકાય તેવી દરેક વસ્તુની સૂચિ હોય, ત્યારે મુખ્ય વસ્તુ તે કરવાનું નથી (પ્રથમ નજરમાં તે વિચિત્ર લાગે છે, તે નથી?). તમારે નિર્દયતાથી કાપવાની જરૂર છે, નિષ્ણાત સાથે મુખ્ય જ્ઞાન અને કૌશલ્યોને ઓળખવા (હા, પરીક્ષણમાં સંખ્યાબંધ કુશળતા પણ ચકાસી શકાય છે). અમે કાર્યોના પ્રકારને જોઈએ છીએ અને લક્ષ્ય પૂર્ણ થવાના સમયનો અંદાજ લગાવીએ છીએ: જો બધું હજી પણ વાજબી મર્યાદા કરતાં વધુ હોય, તો અમે તેને કાપી નાખીએ છીએ!

વોલ્યુમ ઘટાડવા માટે, તમે એક કાર્યમાં બે કુશળતાનું પરીક્ષણ (સાવધાનીપૂર્વક) કરવાનો પણ પ્રયાસ કરી શકો છો. આ કિસ્સામાં, વ્યક્તિએ શા માટે ભૂલ કરી તે સમજવું મુશ્કેલ છે, પરંતુ જો યોગ્ય રીતે કરવામાં આવે તો, બંને કુશળતાને ધ્યાનમાં લઈ શકાય છે. એ સુનિશ્ચિત કરવું મહત્વપૂર્ણ છે કે આ 2 કુશળતા જ્ઞાનના સમાન ક્ષેત્રને અનુરૂપ છે.

રેક 6: સ્કોરિંગ સિસ્ટમ દ્વારા વિચારતા નથી

ઘણીવાર, મૂલ્યાંકન પરીક્ષણોનું સંકલન કરતી વખતે, તેઓ ક્લાસિક સ્કોરિંગ સિસ્ટમનો ઉપયોગ કરે છે, ઉદાહરણ તરીકે, સરળ કાર્યો માટે 1 પોઇન્ટ અને મુશ્કેલ કાર્યો માટે 2 પોઇન્ટ. પરંતુ તે સાર્વત્રિક નથી. ફક્ત પરીક્ષણ પરિણામો પર આધારિત પોઈન્ટનો સરવાળો અમને વધુ કહેશે નહીં: અમને ખબર નથી કે આ બિંદુઓ કયા કાર્યો માટે પ્રાપ્ત થયા હતા અને અમે ફક્ત યોગ્ય કાર્યોની સંખ્યા નક્કી કરી શકીએ છીએ. અમારે એ સમજવાની જરૂર છે કે કૌશલ્યની પરીક્ષા લેનારાઓ કઈ કુશળતા દર્શાવે છે. વધુમાં, અમે તેમને પ્રતિસાદ આપવા માંગીએ છીએ કે કયા વિષયોમાં સુધારો કરવાની જરૂર છે.

છેવટે, અમે એક પરીક્ષણ કરી રહ્યા છીએ જે લોકોને તે લોકોમાં વિભાજિત કરશે જેઓ તૈયાર છે અને જેઓ પ્રોગ્રામ પૂર્ણ કરવા માટે તૈયાર નથી; અમે કેટલાકને મફત તાલીમ દ્વારા અભ્યાસક્રમની તૈયારી કરવાની સલાહ આપીશું. અમારા માટે તે મહત્વનું છે કે આ જૂથમાં ફક્ત તે જ શામેલ છે જેમને ખરેખર તેની જરૂર છે અને જેઓ તેના માટે તૈયાર છે.

અમે અમારી પરિસ્થિતિમાં શું કરીએ છીએ: અમે પરીક્ષણ વિકાસકર્તાઓના કાર્યકારી જૂથની અંદર નક્કી કરીએ છીએ કે લોકોના કયા જૂથોને ઓળખવાની જરૂર છે (ઉદાહરણ તરીકે, શીખવા માટે તૈયાર, આંશિક રીતે તૈયાર) અને આવા જૂથોની લાક્ષણિકતાઓનું કોષ્ટક રચે છે, જે દર્શાવે છે કે કઈ કુશળતા અને જ્ઞાન તાલીમ શીખવા માટે તૈયાર જૂથ માટે સુસંગત રહેશે. આ રીતે તમે આવા પરીક્ષણો માટે કાર્યોની "મુશ્કેલી" ઘડી શકો છો.

રેક 7: પરિણામોનું માત્ર આપમેળે મૂલ્યાંકન કરો

અલબત્ત, મૂલ્યાંકન શક્ય તેટલું ઉદ્દેશ્ય હોવું જોઈએ, તેથી વિદ્યાર્થીઓની કેટલીક સામગ્રીનું મૂલ્યાંકન આપમેળે થાય છે, “કી દ્વારા” - સાચા જવાબો સાથે સરખામણી કરીને. જો ત્યાં કોઈ વિશિષ્ટ પરીક્ષણ સિસ્ટમ ન હોય તો પણ, ત્યાં પુષ્કળ મફત ઉકેલો છે. અને જો તમે સ્ક્રિપ્ટો લખવાના સિદ્ધાંતોને સમજો છો, તો પછી તમે કોષ્ટકમાં Google ફોર્મ્સ અને પરિણામો સાથે તમને ગમે તે કરી શકો છો. જો કેટલાક કાર્યો નિષ્ણાતો દ્વારા તપાસવામાં આવે છે, તો અમારે નિષ્ણાતોને જવાબો આપવા વિશે વિચારવાની જરૂર છે, પરીક્ષણ લેનારાઓ વિશેની માહિતી વિના. અને નિષ્ણાત પરીક્ષણના પરિણામોને અંતિમ મૂલ્યાંકનમાં કેવી રીતે એકીકૃત કરવું તે વિશે વિચારો.

અમે શરૂઆતમાં કોડ સાથે ઘણા ઓપન-એન્ડેડ કાર્યો કરવા માગતા હતા, જ્યાં નિષ્ણાતો પૂર્વ-નિર્મિત માપદંડોના આધારે ઉકેલોનું મૂલ્યાંકન કરે છે, અને અમે એક સિસ્ટમ પણ તૈયાર કરી છે જે પરીક્ષણ સહભાગીઓના વ્યક્તિગત જવાબોને નિષ્ણાતો માટેના વિશિષ્ટ ટેબલ પર નિકાસ કરે છે, અને પછી પરિણામોને આયાત કરે છે. આકારણી ગણતરીઓ સાથેનું ટેબલ. પરંતુ લક્ષ્ય પ્રેક્ષકોના પ્રતિનિધિઓ, પ્રોડક્ટ મેનેજર અને શૈક્ષણિક ડિઝાઇનર સાથે ચર્ચા કર્યા પછી, અમને લાગ્યું કે ત્વરિત નિષ્ણાત પ્રતિસાદ અને કોડની ચર્ચા, તેમજ વ્યક્તિગત મુદ્દાઓ સાથે તકનીકી ઇન્ટરવ્યુ લેવાનું, સહભાગીઓ માટે પોતે વધુ અસરકારક અને ઉપયોગી થશે. .

હવે નિષ્ણાત પરીક્ષણની પૂર્ણતાની ચકાસણી કરે છે, કેટલાક પ્રશ્નોની સ્પષ્ટતા કરે છે. આ કરવા માટે, અમે તકનીકી ઇન્ટરવ્યુ માટે પ્રશ્નો અને મૂલ્યાંકન માપદંડોની માર્ગદર્શિકા તૈયાર કરી છે. ટેક્નિકલ ઇન્ટરવ્યુ પહેલાં, પરીક્ષકને પૂછવા માટેના પ્રશ્નો પસંદ કરવામાં મદદ કરવા માટે પરીક્ષા આપનારના જવાબોનો નકશો મેળવે છે.

રેક 8: પરીક્ષણ પરિણામો સમજાવશો નહીં

સહભાગીઓને પ્રતિસાદ આપવો એ એક અલગ મુદ્દો છે. અમારે માત્ર ટેસ્ટના સ્કોર વિશે જ જાણ કરવાની જરૂર નથી, પરંતુ પરીક્ષણના પરિણામોની સમજ પણ આપવી જોઈએ.
તે હોઈ શકે છે: 

• કાર્યો જેમાં સહભાગીએ ભૂલ કરી હતી અને જે તેણે યોગ્ય રીતે પૂર્ણ કરી હતી.
• વિષયો જેમાં સહભાગીએ ભૂલો કરી હતી.
• પરીક્ષા આપનારાઓમાં તેમનું રેન્કિંગ.
• સહભાગીના સ્તરનું વર્ણન, ઉદાહરણ તરીકે, નિષ્ણાત સ્તરના વર્ણન સાથે (ખાલી જગ્યાઓના વર્ણનના આધારે).

અમારી કસોટીના પ્રાયોગિક પ્રક્ષેપણ દરમિયાન, જેઓ પ્રોગ્રામમાં નોંધણી કરાવવા માગતા હતા, તેઓને પરિણામોની સાથે, અમે એવા વિષયોની યાદી બતાવી કે જેને સુધારવાની જરૂર હતી. પરંતુ આ ચોક્કસપણે આદર્શ નથી, અમે સુધારીશું અને બહેતર પ્રતિસાદ આપીશું.

રેક 9: વિકાસકર્તાઓ સાથે પરીક્ષણની ચર્ચા કરશો નહીં

કદાચ સૌથી તીક્ષ્ણ રેક, જે આગળ વધવું ખાસ કરીને અપ્રિય છે, તે વિકાસકર્તાઓને "જેમ છે તેમ" પરીક્ષણ, વર્ણન અને સ્કોરિંગ સ્કેલ મોકલવાનું છે.
બરાબર શું ચર્ચા કરવાની જરૂર છે:

• પ્રશ્નોનો દેખાવ, બંધારણ, ગ્રાફિક્સની સ્થિતિ, સાચા જવાબની પસંદગી કેવી દેખાય છે.
• સ્કોર કેવી રીતે ગણવામાં આવે છે (જો જરૂરી હોય તો), શું ત્યાં કોઈ વધારાની શરતો છે.
• પ્રતિસાદ કેવી રીતે જનરેટ થાય છે, ટેક્સ્ટ ક્યાંથી મેળવવો, ત્યાં વધારાના આપમેળે જનરેટ થયેલા બ્લોક્સ છે.
• તમારે કઈ વધારાની માહિતી એકત્રિત કરવાની જરૂર છે અને કયા તબક્કે (સમાન સંપર્કો).

ગેરસમજણો ટાળવા માટે, અમે અમારા વિકાસકર્તાઓને 2 અથવા 3 જુદા જુદા પ્રશ્નો કોડ કરવા માટે કહીએ છીએ જેથી તેઓ પરીક્ષણમાં જ કોડિંગ કરતા પહેલા તેઓ કેવા દેખાય છે તે જોઈ શકે.

રેક 10: પરીક્ષણ કર્યા વિના, સીધા ઉત્પાદન પર અપલોડ કરો

3 વખત, મિત્રો, ટેસ્ટ 3 વખત અલગ-અલગ લોકો દ્વારા ચકાસવો જોઈએ, અથવા વધુ સારું, દરેકમાં 3 વખત. આ સત્ય લોહી, પરસેવો અને કોડની રેખાઓના પિક્સેલ દ્વારા મેળવવામાં આવ્યું હતું.

અમારું પરીક્ષણ નીચેની ત્રણેયની તપાસ કરે છે:

1. ઉત્પાદન - પ્રદર્શન, દેખાવ, મિકેનિક્સ માટે પરીક્ષણ તપાસે છે.
2. ટેસ્ટ ડેવલપર - કાર્યોનો ટેક્સ્ટ, તેમનો ક્રમ, પરીક્ષણ સાથે કામ કરવાનું સ્વરૂપ, કાર્યોના પ્રકારો, સાચા જવાબો, વાંચનક્ષમતા અને ગ્રાફિક્સનું સામાન્ય દૃશ્ય તપાસે છે.
3. કાર્યોના લેખક (નિષ્ણાત) નિષ્ણાત પદ પરથી વફાદારી માટે પરીક્ષણ તપાસે છે.

પ્રેક્ટિસનું ઉદાહરણ: ફક્ત ત્રીજા રન પર, કાર્યોના લેખકે જોયું કે 1 કાર્ય શબ્દના જૂના સંસ્કરણમાં રહ્યું છે. અગાઉના તમામ લોકોએ પણ સક્રિય રીતે શાસન કર્યું. પરંતુ જ્યારે ટેસ્ટ કોડેડ કરવામાં આવ્યો ત્યારે તે મૂળ કલ્પના કરતા અલગ દેખાતો હતો. તે ખૂબ જ સંભવ છે કે કંઈક સુધારવું પડશે. આને ધ્યાનમાં લેવાની જરૂર છે.

પરિણામ

આ બધા "રેક" ને કાળજીપૂર્વક બાયપાસ કરીને, અમે એક વિશેષ બનાવ્યું ટેલિગ્રામમાં બોટ, અરજદારોના જ્ઞાનની ચકાસણી કરવા માટે. જ્યારે અમે આગલી સામગ્રી તૈયાર કરી રહ્યા હોઈએ ત્યારે કોઈપણ તેનું પરીક્ષણ કરી શકે છે, જેમાં અમે તમને કહીશું કે બૉટની અંદર શું થયું અને તે બધું પાછળથી શું પરિવર્તિત થયું.

સ્કિલફેક્ટરી ઓનલાઈન અભ્યાસક્રમો લઈને તમે સ્કિલ અને વેતનના સંદર્ભમાં શરૂઆતથી અથવા લેવલ અપનો વ્યવસાય મેળવી શકો છો:

• મશીન લર્નિંગ કોર્સ (12 અઠવાડિયા)
• એડવાન્સ કોર્સ "મશીન લર્નિંગ પ્રો + ડીપ લર્નિંગ" (20 અઠવાડિયા)
• કોર્સ "ડેટા સાયન્સ માટે ગણિત અને મશીન લર્નિંગ" (20 અઠવાડિયા)
• શરૂઆતથી ડેટા સાયન્સના વ્યવસાયને શીખવવું (12 મહિના)

વધુ અભ્યાસક્રમો

• શરૂઆતથી ડેટા સાયન્સના વ્યવસાયને શીખવવું (12 મહિના)
• ડેટા સાયન્સ ઓનલાઈન બુટકેમ્પ (14 અઠવાડિયા)
• ડેટા એનાલિટિક્સ ઓનલાઇન બુટકેમ્પ (5 અઠવાડિયા)
• કોઈપણ પ્રારંભિક સ્તરે વિશ્લેષક વ્યવસાય (18 મહિના)
• ડેટા એનાલિટિક્સ કોર્સ (6 મહિના)
• DevOps કોર્સ (12 મહિના)
• વ્યવસાય વેબ ડેવલપર (8 મહિના)
• વેબ ડેવલપમેન્ટ કોર્સ માટે પાયથોન (9 મહિના)
• શરૂઆતથી વ્યવસાય iOS વિકાસકર્તા (12 મહિના)
• શરૂઆતથી વ્યવસાય એન્ડ્રોઇડ ડેવલપર (18 મહિના)
• શરૂઆતથી વ્યવસાય જાવા ડેવલપર (18 મહિના)
• જાવાસ્ક્રિપ્ટ કોર્સ (12 મહિના)
• શરૂઆતથી વ્યવસાય UX ડિઝાઇનર (9 મહિના)
• વ્યવસાય વેબ ડિઝાઇનર (7 મહિના)

સોર્સ: www.habr.com