ವಯಸ್ಸಿನ ಪ್ರಗತಿಯ ವೈವಿಧ್ಯತೆಯೊಂದಿಗೆ EU/UK ಅಲ್ಲದ ಮುಖದ ಚಿತ್ರ ಡೇಟಾಸೆಟ್ ಅನ್ನು ನಿರ್ಮಿಸುವುದು
ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ ಮಾದರಿಗಳಿಗೆ ನ್ಯಾಯಸಮ್ಮತತೆ ಮತ್ತು ದೃಢತೆಯನ್ನು ಬಲಪಡಿಸಲು 1,205 ಭಾಗವಹಿಸುವವರು, ಸಮಯ-ಪ್ರತ್ಯೇಕಿತ ಮುಖ ಚಿತ್ರ ಕಾರ್ಪಸ್.
ಪ್ರಾಜೆಕ್ಟ್ ಅವಲೋಕನ
ಸುರಕ್ಷತೆ, ವೈಯಕ್ತೀಕರಣ ಮತ್ತು ಗುರುತಿನ ಅನುಭವಗಳಿಗಾಗಿ ಮುಖ-ಕೇಂದ್ರಿತ AI ಅನ್ನು ನಿರ್ಮಿಸುವ ಜಾಗತಿಕ ತಂತ್ರಜ್ಞಾನ ಕಂಪನಿಯು ವಯಸ್ಸು, ಪರಿಸರ ಮತ್ತು ಪರಿಕರಗಳಲ್ಲಿ ಪಕ್ಷಪಾತವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಮತ್ತು ಮಾದರಿ ಸ್ಥಿತಿಸ್ಥಾಪಕತ್ವವನ್ನು ಸುಧಾರಿಸಲು ಸಮಯ-ಬೇರ್ಪಡಿಸಿದ ಫೋಟೋಗಳೊಂದಿಗೆ EU/UK ಅಲ್ಲದ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಹುಡುಕಿದೆ.
ಕ್ಲೈಂಟ್ ಶೈಪ್ ಜೊತೆ ಪಾಲುದಾರಿಕೆ ಮಾಡಿಕೊಂಡರು ಸಂಗ್ರಹಿಸಿ, ಕ್ಯುರೇಟ್ ಮಾಡಿ ಮತ್ತು ಮೌಲ್ಯೀಕರಿಸಿ ಪ್ರತಿಯೊಬ್ಬ ಭಾಗವಹಿಸುವವರು ಇತ್ತೀಚಿನ ಮತ್ತು ಹಳೆಯ ಫೋಟೋಗಳನ್ನು ಕೊಡುಗೆ ನೀಡುವ ದೊಡ್ಡ ಮುಖದ ಚಿತ್ರ ಕಾರ್ಪಸ್. EU/UK ಅಲ್ಲದ ಮೂಲವನ್ನು ಕಟ್ಟುನಿಟ್ಟಾಗಿ ಜಾರಿಗೊಳಿಸುವಾಗ ಮತ್ತು ಸಮತೋಲಿತ ಲಿಂಗ/ವಯಸ್ಸಿನ ಕೋಟಾಗಳನ್ನು ಸಾಧಿಸುವಾಗ ನೈಸರ್ಗಿಕ ವಯಸ್ಸಿನ ಪ್ರಗತಿಯನ್ನು ಎನ್ಕೋಡ್ ಮಾಡುವುದು ಇದರ ಉದ್ದೇಶವಾಗಿತ್ತು.
ಪ್ರಮುಖ ಅಂಕಿಅಂಶಗಳು
ಭಾಗವಹಿಸುವವರು
1,205 (EU/UK ಅಲ್ಲದವರು ಮಾತ್ರ, 50/50 ಲಿಂಗ ±10–15%)
ವಯಸ್ಸಿನ ಮಿಶ್ರಣ
40% (10–29), 40% (30–49), 20% (50+) ±10–15% ಸಹಿಷ್ಣುತೆ
ವ್ಯಾಪ್ತಿ
ದಕ್ಷಿಣ/ಆಗ್ನೇಯ ಏಷ್ಯಾ, ಉತ್ತರ ಮತ್ತು ಉತ್ತರ/ಪೂರ್ವ ಆಫ್ರಿಕಾ, ಸಿಂಗಾಪುರ, ದಕ್ಷಿಣ ಅಮೆರಿಕಾ
ಟೈಮ್ಲೈನ್
19 ವಾರಗಳ
ಸವಾಲುಗಳು
ಭೌಗೋಳಿಕ ನಿರ್ಬಂಧ
ಪ್ರಯಾಣ ಮೂಲದ EU/UK ಚಿತ್ರಗಳನ್ನು ತಪ್ಪಿಸುವಾಗ EU/UK ಅಲ್ಲದ ಜನಸಂಖ್ಯೆಯಿಂದ ಪ್ರತ್ಯೇಕವಾಗಿ ಸೋರ್ಸಿಂಗ್.
ಪ್ರಮಾಣದಲ್ಲಿ ಸಮತೋಲಿತ ಕೋಟಾಗಳು
ಲಿಂಗ ಮತ್ತು ವಯಸ್ಸಿನ ಮಿತಿಗಳಿಲ್ಲದೆ 1,205 ಭಾಗವಹಿಸುವವರನ್ನು ತಲುಪಿದೆ.
ಕಾಲಾತೀತ ಪುರಾವೆಗಳು
ಪ್ರತಿಯೊಂದು ಐಡಿಯು ವಯಸ್ಸಿನ ಪಟ್ಟಿಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ಇತ್ತೀಚಿನ ಮತ್ತು ಐತಿಹಾಸಿಕ ಫೋಟೋಗಳನ್ನು ಒದಗಿಸುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವುದು.
ಕಾರ್ಯಾಚರಣೆಯ ಗುಣಮಟ್ಟ
ಥ್ರೋಪುಟ್ ಅನ್ನು ನಿಧಾನಗೊಳಿಸದೆ ಕನಿಷ್ಠ ಚಿತ್ರ/ಮುಖದ ಗಾತ್ರ, ವೈವಿಧ್ಯತೆ ಮತ್ತು ನಕಲು ಮಿತಿಗಳನ್ನು ಜಾರಿಗೊಳಿಸುವುದು.
ಪರಿಹಾರ
1. ಕಂಟ್ರಿ ಪ್ಯಾನಲ್ಗಳು ಮತ್ತು ಮೂಲ ನಿಯಂತ್ರಣಗಳು
ನಾವು ಸ್ಥಾಪಿಸಿದ್ದೇವೆ ದೇಶ ಮಟ್ಟದ ಸೋರ್ಸಿಂಗ್ ಪಾಡ್ಗಳು ಗುರಿ ಪ್ರದೇಶಗಳು ಮತ್ತು ತರಬೇತಿ ಪಡೆದ ಪಾಲುದಾರರಲ್ಲಿ ಮೂಲ ನಿಯಮಗಳು (EU/UK ಅಲ್ಲದ ದೇಶಗಳಿಗೆ ಮಾತ್ರ). ಪ್ರಯಾಣ ಮೂಲದ ಅಪಾಯಗಳಿಗಾಗಿ ಫೋಟೋಗಳನ್ನು ಪ್ರದರ್ಶಿಸಲಾಗಿದೆ ಮೆಟಾಡೇಟಾ ಸೂಚನೆಗಳು (ವರ್ಷ, ಸ್ಥಳ ಗುರುತುಗಳು) ಜೊತೆಗೆ ಸಲ್ಲಿಕೆದಾರರ ದೃಢೀಕರಣಗಳು, QC ಗಿಂತ ಮೊದಲು EU/UK ಸೋರಿಕೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಇದು ಡೌನ್ಸ್ಟ್ರೀಮ್ ಥ್ರೋಪುಟ್ ಅನ್ನು ರಕ್ಷಿಸಲು ಶೈಪ್ ಅವರ ಫ್ರಂಟ್-ಲೋಡಿಂಗ್ ಅಪಾಯ ಪರಿಶೀಲನೆಗಳ ಸಾಬೀತಾದ ಅಭ್ಯಾಸವನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ.
2. ವಯಸ್ಸಿನ ಪ್ರಗತಿ ಸೆರೆಹಿಡಿಯುವ ವಿನ್ಯಾಸ
"20 ಚಿತ್ರಗಳನ್ನು ಕೇಳಿ" ಎನ್ನುವುದಕ್ಕಿಂತ, ನಾವು ಎರಡು ಟ್ರ್ಯಾಕ್ ಸಲ್ಲಿಕೆ ಹರಿವು ಭಾಗವಹಿಸುವವರಿಗೆ ಮಾರ್ಗದರ್ಶನ ನೀಡಿದವು:
- ಟ್ರ್ಯಾಕ್ ಎ (ಇತ್ತೀಚಿನದು): ಕಳೆದ ಎರಡು ವರ್ಷಗಳ ಫೋಟೋಗಳು;
- ಟ್ರ್ಯಾಕ್ ಬಿ (ಐತಿಹಾಸಿಕ): ಸಲ್ಲಿಕೆಯ ಸಮಯದಲ್ಲಿ ಭಾಗವಹಿಸುವವರ ವಯಸ್ಸಿನ ಪಟ್ಟಿಗೆ ಜೋಡಿಸಲಾದ ಹಳೆಯ ಫೋಟೋಗಳು (ಉದಾ. 2–10/15/20 ವರ್ಷದ ವಿಂಡೋಗಳು).
ಈ ಪೋರ್ಟಲ್ ಬಳಕೆದಾರರನ್ನು ಉದಾಹರಣೆಗಳೊಂದಿಗೆ (ಒಳಾಂಗಣ/ಹೊರಾಂಗಣ, ಕೋನಗಳು, ಪರಿಕರಗಳು) ಹೆಚ್ಚು ನಿರ್ದಿಷ್ಟಪಡಿಸದೆ ವೈವಿಧ್ಯತೆಯನ್ನು ಹೆಚ್ಚಿಸಲು ಪ್ರೇರೇಪಿಸಿತು.
3. ವೈವಿಧ್ಯತೆಯ ವಾದ್ಯವೃಂದ ಮತ್ತು ಕೋಟಾ ಗಾರ್ಡ್ರೈಲ್ಗಳು
A ನೈಜ ಸಮಯದ ಕೋಟಾ ಡ್ಯಾಶ್ಬೋರ್ಡ್ ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಿದ ದಾಖಲಾತಿಗಳು ಲಿಂಗ, ವಯಸ್ಸಿನ ಪಟ್ಟಿ ಮತ್ತು ಭೌಗೋಳಿಕತೆ, ಒಂದು ಸ್ತರವು ಯೋಜಿತ ಮಿತಿಗಳನ್ನು ತಲುಪಿದ ನಂತರ ಸೇವನೆಯನ್ನು ವಿರಾಮಗೊಳಿಸುವುದು. ಇದು ತಡವಾದ ಚಕ್ರ ಪುನರ್ನಿರ್ಮಾಣವನ್ನು ತಡೆಯಿತು ಮತ್ತು ಶೈಪ್ ಅವರ ಪ್ರಮಾಣಿತ ವಿಧಾನವನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ ಶ್ರೇಣೀಕೃತ ದಾಖಲಾತಿ + ಲಾಕ್ಔಟ್ಗಳು ಸಮತೋಲಿತ ಪ್ರಾತಿನಿಧ್ಯವನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳಲು ಹಿಂದಿನ ಬಯೋಮೆಟ್ರಿಕ್ ಡೇಟಾಸೆಟ್ಗಳಲ್ಲಿ ಬಳಸಲಾಗಿದೆ.
4. ಗುಣಮಟ್ಟದ ಪೈಪ್ಲೈನ್ (ಹ್ಯೂಮನ್ ಇನ್ ದಿ ಲೂಪ್ + ಸ್ವಯಂಚಾಲಿತ ಪೂರ್ವ ತಪಾಸಣೆಗಳು)
- ಸ್ವಯಂಚಾಲಿತ ಗೇಟ್ಗಳು: ಮುಖ ಪತ್ತೆ + ಕನಿಷ್ಠ ಗಾತ್ರದ ಮಿತಿಗಳು, ಮೂಲ ಮಸುಕು/ಶಬ್ದ ಪರಿಶೀಲನೆಗಳು ಮತ್ತು ಸಂಭಾವ್ಯ ನಕಲುಗಳನ್ನು ಮೊದಲೇ ಫ್ಲ್ಯಾಗ್ ಮಾಡಲು ಅದೇ ದಿನದ ಕ್ಲಸ್ಟರಿಂಗ್.
- ಮಾನವ QA ಶ್ರೇಣಿಗಳು: ಇಮೇಜ್ ಮಟ್ಟದ ವಿಮರ್ಶಕರು ಮೌಲ್ಯೀಕರಿಸಿದ್ದಾರೆ ವಿಷಯದ ಪ್ರತ್ಯೇಕತೆ (ಪ್ರಾಥಮಿಕ ಭಾಗವಹಿಸುವವರು ಮಾತ್ರ), ದೃಶ್ಯ/ಕೋನ ವೈವಿಧ್ಯ, ಮತ್ತು ಸೌಂದರ್ಯೀಕರಣ ಫಿಲ್ಟರ್ಗಳಿಲ್ಲ; ಸ್ವೀಕಾರಕ್ಕೆ ಮುಂಚಿತವಾಗಿ CQA ಲೆಕ್ಕಪರಿಶೋಧಕರು ಪರಿಶೀಲಿಸಿದ ಬ್ಯಾಚ್ಗಳನ್ನು ಗುರುತಿಸುತ್ತಾರೆ. ಇದು ಬಹು ಪದರ QA ಶೈಪ್ ಅವರ ಪ್ರಕಟಿತ ಬಯೋಮೆಟ್ರಿಕ್ ಡೇಟಾ ಕಾರ್ಯಕ್ರಮಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ.
5. ಅನುಸರಣೆ ಮತ್ತು ಸಮ್ಮತಿ
ದಾಖಲಾತಿ 20 ವರ್ಷಗಳು ಸಹಿ ಮಾಡಿದ ಒಪ್ಪಿಗೆಯೊಂದಿಗೆ; 20 ವರ್ಷದೊಳಗಿನ ಪ್ರಕರಣಗಳನ್ನು ಪೋಷಕರ ಒಪ್ಪಿಗೆಯೊಂದಿಗೆ ಮಾತ್ರ ಸ್ವೀಕರಿಸಲಾಗುತ್ತದೆ. ನಾವು ಮೆಟಾಡೇಟಾದಲ್ಲಿ ಒಪ್ಪಿಗೆಯ ಉಪಸ್ಥಿತಿಯನ್ನು ಸೆರೆಹಿಡಿದು ವಿಮರ್ಶಕರ ಪರಿಶೀಲನಾಪಟ್ಟಿಗಳನ್ನು ಜೋಡಿಸಿದ್ದೇವೆ ಅರ್ಹತೆ + ಒಪ್ಪಿಗೆ ಕ್ಷೇತ್ರಗಳು, ಲೆಕ್ಕಪರಿಶೋಧನೆಯನ್ನು ಖಚಿತಪಡಿಸುವುದು.
6. ಮೆಟಾಡೇಟಾ ಮತ್ತು ಪತ್ತೆಹಚ್ಚುವಿಕೆ
ನಾವು ತಲುಪಿಸಿದ್ದೇವೆ ಭಾಗವಹಿಸುವವರು ಮತ್ತು ಚಿತ್ರ ಮಟ್ಟದ ಮೆಟಾಡೇಟಾ (ID ಲಿಂಕ್ಗಳು, ಜನಸಂಖ್ಯಾಶಾಸ್ತ್ರ, ರಾಷ್ಟ್ರೀಯತೆ/ವಾಸಸ್ಥಳ, ಫೋಟೋ ವರ್ಷ, ಸಲ್ಲಿಕೆ ದಿನಾಂಕ, ಇತ್ಯಾದಿ) ಮತ್ತು ಸರಳೀಕರಿಸಲು ಪ್ರಮಾಣೀಕೃತ ಕ್ಷೇತ್ರದ ಹೆಸರುಗಳು ಕೆಳಮುಖ ಲೇಬಲಿಂಗ್ ಮತ್ತು ಮೌಲ್ಯಮಾಪನ. ಇದು ಶೈಪ್ ಅವರ ಅತ್ಯುತ್ತಮ ಅಭ್ಯಾಸವನ್ನು ಅನುಸರಿಸುತ್ತದೆ ರಿಚ್ ಮೆಟಾಡೇಟಾ ಟ್ಯಾಗಿಂಗ್ ಬಯೋಮೆಟ್ರಿಕ್ ಡೇಟಾಸೆಟ್ಗಳಿಗಾಗಿ.
7. ಡಿ ರಿಸ್ಕ್ ಸ್ಕೇಲ್ಗೆ ಹಂತ ಹಂತದ ವಿತರಣೆ
An 8 ಬ್ಯಾಚ್ ಯೋಜನೆ ಎ ಯೊಂದಿಗೆ ಪ್ರಾರಂಭವಾಯಿತು 10 ಭಾಗವಹಿಸುವವರ ಮಾಪನಾಂಕ ನಿರ್ಣಯ ಸೆಟ್, ನಂತರ ನಿಯಂತ್ರಿತ ಸ್ಕೇಲ್ ಅಪ್. ಬ್ಯಾಚ್ 1 ರ ರೂಬ್ರಿಕ್ ಟ್ವೀಕ್ಗಳಿಗೆ ಮಾಹಿತಿ ನೀಡಿದ ನಂತರ ಕ್ಲೈಂಟ್ ಪ್ರತಿಕ್ರಿಯೆ, ನಂತರ ತಲುಪಲು ಊಹಿಸಬಹುದಾದ ಹಂತಗಳಲ್ಲಿ ವಾಲ್ಯೂಮ್ಗಳು ಹೆಚ್ಚಾಗುತ್ತವೆ. 1,205 ಭಾಗವಹಿಸುವವರು ಸುಮಾರು 19 ವಾರಗಳಲ್ಲಿ.
ಯೋಜನೆಯ ವ್ಯಾಪ್ತಿ
| ಆಯಾಮ | ನಾವು ಏನು ತಲುಪಿಸಿದ್ದೇವೆ |
|---|---|
| ಜನಸಂಖ್ಯೆ | ಸಮತೋಲಿತ ಲಿಂಗ ಮತ್ತು ವಯಸ್ಸಿನ ಬ್ಯಾಂಡ್ಗಳನ್ನು ಹೊಂದಿರುವ 1,205 EU/UK ಅಲ್ಲದ ಭಾಗವಹಿಸುವವರು. |
| ವಿಷಯ | ಪ್ರತಿ ಭಾಗವಹಿಸುವವರಿಗೆ ≥20 ಚಿತ್ರಗಳು: ವಯಸ್ಸಿನ ಪ್ರಗತಿಯನ್ನು ಎನ್ಕೋಡ್ ಮಾಡಲು ಇತ್ತೀಚಿನ + ಐತಿಹಾಸಿಕ; ವೈವಿಧ್ಯಮಯ ದೃಶ್ಯಗಳು, ಕೋನಗಳು ಮತ್ತು ಪರಿಕರಗಳು. |
| ಗುಣಮಟ್ಟದ ಕಾರ್ಯಾಚರಣೆಗಳು | ಸ್ವಯಂಚಾಲಿತ ಪೂರ್ವ ತಪಾಸಣೆಗಳು + ಮಾನವ ಬಹು ಪದರದ QA (ನಕಲು ನಿಯಂತ್ರಣಗಳು; ವಿಷಯದ ಪ್ರತ್ಯೇಕತೆ; ಫಿಲ್ಟರ್ ನಿರಾಕರಣೆ). |
| ಅನುಸರಣೆ | EU/UK ಅಲ್ಲದ ಮೂಲದ ಪರಿಶೀಲನೆ; ಸಮ್ಮತಿ ಆಡಳಿತ ಮತ್ತು ಅರ್ಹತಾ ದೃಢೀಕರಣ. |
| ಮೆಟಾಡೇಟಾ | ಪತ್ತೆಹಚ್ಚುವಿಕೆ ಮತ್ತು ಕೆಳಮುಖ ML ಮೌಲ್ಯಮಾಪನಕ್ಕಾಗಿ ಭಾಗವಹಿಸುವವರು + ಚಿತ್ರದ ಗುಣಲಕ್ಷಣಗಳು. |
| ಡೆಲಿವರಿ | 8 ಹಂತ ಹಂತದ ಬ್ಯಾಚ್ಗಳು, ಮಾಪನಾಂಕ ನಿರ್ಣಯದಿಂದ ಪ್ರಾರಂಭಿಸಿ ನಂತರ ಅಂತಿಮ ಗುರಿಗೆ ಸ್ಥಿರ ಸ್ಥಿತಿಯ ವಿತರಣೆ. |
ಫಲಿತಾಂಶ
- ಸಮತೋಲಿತ, ಆಡಿಟ್ ಸಿದ್ಧ ಕಾರ್ಪಸ್: ಜನಸಂಖ್ಯಾ ಕೋಟಾಗಳು ಸಹಿಷ್ಣುತೆಯೊಳಗೆ ಪೂರೈಸಲ್ಪಟ್ಟಿವೆ; ಅನುಸರಣಾ ತರಬೇತಿಗಾಗಿ ಎಲ್ಲಾ ಚಿತ್ರಗಳಲ್ಲಿ EU/UK ಅಲ್ಲದ ಮೂಲವನ್ನು ಜಾರಿಗೊಳಿಸಲಾಗಿದೆ.
- ಮಾದರಿ ಸಿದ್ಧ ವ್ಯತ್ಯಾಸ: ಸಮಯ ಬೇರ್ಪಟ್ಟ ಚಿತ್ರಗಳು, ವೈವಿಧ್ಯಮಯ ಪರಿಸರಗಳು/ಕೋನಗಳು ಮತ್ತು ಪರಿಕರಗಳ ವ್ಯಾಪ್ತಿಯು ದೃಢತೆ ಪರೀಕ್ಷೆ ಮತ್ತು ಪಕ್ಷಪಾತ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ.
- ಕಾರ್ಯಾಚರಣೆಯ ಮುನ್ಸೂಚನೆ: ಮಾಪನಾಂಕ ನಿರ್ಣಯದ ಮೊದಲ ರೋಲ್ಔಟ್ + ಕೋಟಾ ಗಾರ್ಡ್ರೈಲ್ಗಳು ಪುನರ್ನಿರ್ಮಾಣ ಮತ್ತು ಸಂರಕ್ಷಿತ ಟೈಮ್ಲೈನ್ ಅನ್ನು ಪೂರ್ಣ 1,205 ಭಾಗವಹಿಸುವವರ ಗುರಿಗೆ ಇಳಿಸಿದವು.
- ಕೆಳಮುಖ ದಕ್ಷತೆ: ಶೈಪ್ ಅವರ ಬಯೋಮೆಟ್ರಿಕ್ ಡೇಟಾಸೆಟ್ ಪ್ಲೇಬುಕ್ಗಳನ್ನು ಅನುಸರಿಸಿ, ಸಮೃದ್ಧ ಮೆಟಾಡೇಟಾ ಮತ್ತು ಸ್ಥಿರವಾದ ಫೈಲ್ ನೈರ್ಮಲ್ಯವು ಟಿಪ್ಪಣಿ ಮತ್ತು ಮಾನದಂಡ ನಿರ್ಮಾಣದ ಹಾದಿಯನ್ನು ಕಡಿಮೆ ಮಾಡಿತು.
ಶೈಪ್ ಸಂಕೀರ್ಣವಾದ ನಾನ್-ಇಯು/ಯುಕೆ ಫೇಶಿಯಲ್ ಡೇಟಾಸೆಟ್ ಬ್ರೀಫ್ ಅನ್ನು ಸಮತೋಲಿತ, ಆಡಿಟ್ ಸಿದ್ಧ ಕಾರ್ಪಸ್ ಆಗಿ ಪರಿವರ್ತಿಸಿದರು. ಅವರ ವಯಸ್ಸಿನ ಪ್ರಗತಿ ವಿನ್ಯಾಸ ಮತ್ತು ಶ್ರೇಣೀಕೃತ QA ನಮ್ಮ ಸಿವಿ ತಂಡಕ್ಕೆ ವೇಳಾಪಟ್ಟಿ ಅಪಾಯವಿಲ್ಲದೆ ನಾವು ನಂಬಬಹುದಾದ ಶುದ್ಧ, ವೈವಿಧ್ಯಮಯ ಡೇಟಾವನ್ನು ನೀಡಿತು.
