আধুনিক চ্যাটবটগুলি ডিজিটাল এজেন্ট হিসাবে কাজ করতে পারে, 24/7 গ্রাহক পরিষেবা এবং অনেক শিল্পে সহায়তা প্রদানের জন্য একটি নতুন উপায় প্রদান করে। তাদের জনপ্রিয়তা রিয়েল টাইমে গ্রাহকের জিজ্ঞাসার উত্তর দেওয়ার এবং বিভিন্ন ভাষায় একযোগে একাধিক প্রশ্ন পরিচালনা করার ক্ষমতা থেকে উদ্ভূত হয়। Chatbots গ্রাহকদের আচরণের মূল্যবান ডেটা-চালিত অন্তর্দৃষ্টিও অফার করে যখন ব্যবহারকারীর বেস বাড়তে থাকে অনায়াসে স্কেল করার সময়; অতএব, তারা গ্রাহকদের আকর্ষিত করার জন্য একটি সাশ্রয়ী সমাধান উপস্থাপন করে। চ্যাটবট গ্রাহকদের প্রশ্নের উত্তর দিতে বড় ভাষা মডেলের (LLMs) উন্নত প্রাকৃতিক ভাষা ক্ষমতা ব্যবহার করে। তারা কথোপকথনের ভাষা বুঝতে পারে এবং স্বাভাবিকভাবে প্রতিক্রিয়া জানাতে পারে। যাইহোক, যে চ্যাটবটগুলি শুধুমাত্র মৌলিক প্রশ্নের উত্তর দেয় তাদের সীমিত উপযোগিতা রয়েছে। বিশ্বস্ত উপদেষ্টা হওয়ার জন্য, চ্যাটবটগুলিকে চিন্তাশীল, উপযোগী প্রতিক্রিয়া প্রদান করতে হবে।
আরও প্রাসঙ্গিক কথোপকথন সক্ষম করার একটি উপায় হল চ্যাটবটকে অভ্যন্তরীণ জ্ঞানের ভিত্তি এবং তথ্য সিস্টেমের সাথে লিঙ্ক করা। অভ্যন্তরীণ জ্ঞান বেস থেকে মালিকানাধীন এন্টারপ্রাইজ ডেটা একত্রিত করা চ্যাটবটগুলিকে প্রতিটি ব্যবহারকারীর ব্যক্তিগত চাহিদা এবং আগ্রহের জন্য তাদের প্রতিক্রিয়াগুলিকে প্রাসঙ্গিক করতে সক্ষম করে। উদাহরণস্বরূপ, একটি চ্যাটবট এমন পণ্যের পরামর্শ দিতে পারে যা ক্রেতার পছন্দ এবং অতীতের কেনাকাটাগুলির সাথে মেলে, ব্যবহারকারীর দক্ষতার স্তরের সাথে অভিযোজিত ভাষায় বিশদ ব্যাখ্যা করতে পারে বা গ্রাহকের নির্দিষ্ট রেকর্ডগুলি অ্যাক্সেস করে অ্যাকাউন্ট সমর্থন প্রদান করতে পারে। বুদ্ধিমত্তার সাথে তথ্য একত্রিত করার, প্রাকৃতিক ভাষা বোঝা এবং কথোপকথনের প্রবাহে কাস্টমাইজড উত্তর দেওয়ার ক্ষমতা চ্যাটবটগুলিকে বিভিন্ন ব্যবহারের ক্ষেত্রে বাস্তব ব্যবসার মূল্য সরবরাহ করতে দেয়।
এর জনপ্রিয় স্থাপত্য নিদর্শন পুনরুদ্ধার অগমেন্টেড জেনারেশন (RAG) প্রায়ই ব্যবহারকারীর ক্যোয়ারী প্রসঙ্গ এবং প্রতিক্রিয়া বাড়াতে ব্যবহৃত হয়। RAG LLM-এর ক্ষমতাগুলিকে তথ্যের ভিত্তি এবং বাস্তব-বিশ্বের জ্ঞানের সাথে একত্রিত করে যা ডেটা কর্পাস থেকে প্রাসঙ্গিক পাঠ্য এবং প্যাসেজগুলি পুনরুদ্ধার করে। এই পুনরুদ্ধার করা পাঠ্যগুলি তখন আউটপুটকে জানাতে এবং গ্রাউন্ড করতে, হ্যালুসিনেশন হ্রাস করতে এবং প্রাসঙ্গিকতা উন্নত করতে ব্যবহৃত হয়।
এই পোস্টে, আমরা ব্যবহার করে একটি চ্যাটবটকে প্রাসঙ্গিকভাবে উন্নত করার চিত্র তুলে ধরছি আমাজন বেডরকের জন্য জ্ঞানের ভিত্তি, একটি সম্পূর্ণরূপে পরিচালিত সার্ভারবিহীন পরিষেবা। অ্যামাজন বেডরক ইন্টিগ্রেশনের জন্য জ্ঞানের ভিত্তিগুলি আমাদের চ্যাটবটকে ব্যবহারকারীর প্রশ্নগুলিকে সম্পর্কিত তথ্য ডেটা পয়েন্টগুলির সাথে লিঙ্ক করে আরও প্রাসঙ্গিক, ব্যক্তিগতকৃত প্রতিক্রিয়া প্রদান করতে দেয়৷ অভ্যন্তরীণভাবে, আমাজন বেডরক রানটাইমে ব্যবহারকারীর ক্যোয়ারী প্রসঙ্গ বাড়াতে এবং একটি পরিচালিত RAG আর্কিটেকচার সমাধান সক্ষম করতে একটি ভেক্টর ডাটাবেসে সংরক্ষিত এমবেডিং ব্যবহার করে। আমরা ব্যবহার করি শেয়ারহোল্ডারদের কাছে অ্যামাজন চিঠি এই সমাধান বিকাশ করার জন্য ডেটাসেট।
পুনরুদ্ধার অগমেন্টেড জেনারেশন
RAG হল প্রাকৃতিক ভাষা তৈরির একটি পদ্ধতি যা প্রজন্মের প্রক্রিয়ায় তথ্য পুনরুদ্ধারকে অন্তর্ভুক্ত করে। RAG আর্কিটেকচারে দুটি মূল কার্যপ্রবাহ জড়িত: ইনজেশনের মাধ্যমে ডেটা প্রিপ্রসেসিং, এবং উন্নত প্রসঙ্গ ব্যবহার করে পাঠ্য তৈরি করা।
ডেটা ইনজেশন ওয়ার্কফ্লো LLM ব্যবহার করে এমবেডিং ভেক্টর তৈরি করতে যা পাঠ্যের শব্দার্থিক অর্থ উপস্থাপন করে। নথি এবং ব্যবহারকারীর প্রশ্নের জন্য এমবেডিং তৈরি করা হয়। ডকুমেন্ট এম্বেডিংগুলিকে খণ্ডে বিভক্ত করা হয় এবং একটি ভেক্টর ডাটাবেসে সূচী হিসাবে সংরক্ষণ করা হয়। টেক্সট জেনারেশন ওয়ার্কফ্লো তারপর একটি প্রশ্নের এমবেডিং ভেক্টর নেয় এবং ভেক্টর সাদৃশ্যের উপর ভিত্তি করে সবচেয়ে অনুরূপ নথির অংশগুলি পুনরুদ্ধার করতে এটি ব্যবহার করে। এটি এলএলএম ব্যবহার করে একটি উত্তর তৈরি করতে এই প্রাসঙ্গিক অংশগুলির সাথে প্রম্পটকে বাড়িয়ে তোলে। আরো বিস্তারিত জানার জন্য, দেখুন পুনরুদ্ধার অগমেন্টেড জেনারেশন, এম্বেডিং এবং ভেক্টর ডাটাবেসের উপর প্রাইমার বিভাগে প্রিভিউ - অ্যামাজন বেডরকের এজেন্টদের সাথে আপনার কোম্পানির ডেটা সোর্সের সাথে ফাউন্ডেশন মডেল সংযুক্ত করুন.
নিম্নলিখিত চিত্রটি উচ্চ-স্তরের RAG আর্কিটেকচারকে চিত্রিত করে।
যদিও RAG আর্কিটেকচারের অনেক সুবিধা রয়েছে, এতে একাধিক উপাদান রয়েছে, যার মধ্যে একটি ডাটাবেস, পুনরুদ্ধার প্রক্রিয়া, প্রম্পট এবং জেনারেটিভ মডেল রয়েছে। এই আন্তঃনির্ভর অংশগুলি পরিচালনা করা সিস্টেমের বিকাশ এবং স্থাপনায় জটিলতার পরিচয় দিতে পারে। পুনরুদ্ধার এবং প্রজন্মের একীকরণের জন্য অতিরিক্ত ইঞ্জিনিয়ারিং প্রচেষ্টা এবং গণনামূলক সংস্থানও প্রয়োজন। কিছু ওপেন সোর্স লাইব্রেরি এই ওভারহেড কমাতে মোড়ক প্রদান করে; যাইহোক, লাইব্রেরির পরিবর্তন ত্রুটির পরিচয় দিতে পারে এবং সংস্করণের অতিরিক্ত ওভারহেড যোগ করতে পারে। এমনকি ওপেন সোর্স লাইব্রেরিগুলির সাথেও, কোড লিখতে, সর্বোত্তম খণ্ডের আকার নির্ধারণ করতে, এমবেডিং তৈরি করতে এবং আরও অনেক কিছু করার জন্য উল্লেখযোগ্য প্রচেষ্টা প্রয়োজন। এই সেটআপের কাজটি ডেটা ভলিউমের উপর নির্ভর করে এক সপ্তাহ সময় নিতে পারে।
অতএব, একটি পরিচালিত সমাধান যা এই অপ্রত্যাশিত কাজগুলি পরিচালনা করে RAG অ্যাপ্লিকেশনগুলিকে বাস্তবায়ন ও পরিচালনার প্রক্রিয়াটিকে স্ট্রিমলাইন এবং ত্বরান্বিত করতে পারে।
আমাজন বেডরকের জন্য জ্ঞানের ভিত্তি
অ্যামাজন বেডরকের জন্য জ্ঞানের ভিত্তি হল RAG ব্যবহার করে শক্তিশালী কথোপকথনমূলক AI সিস্টেম তৈরি করার জন্য একটি সার্ভারহীন বিকল্প। এটি সম্পূর্ণরূপে পরিচালিত ডেটা ইনজেশন এবং টেক্সট জেনারেশন ওয়ার্কফ্লো অফার করে।
ডেটা ইনজেশনের জন্য, এটি ভেক্টর ডাটাবেসে স্বয়ংক্রিয়ভাবে ডকুমেন্ট ডেটার টেক্সট এম্বেডিং তৈরি, সঞ্চয়, পরিচালনা এবং আপডেট করার কাজ পরিচালনা করে। এটি দক্ষ পুনরুদ্ধারের জন্য নথিগুলিকে পরিচালনাযোগ্য খণ্ডে বিভক্ত করে। তারপরে অংশগুলি এমবেডিংয়ে রূপান্তরিত হয় এবং একটি ভেক্টর সূচকে লেখা হয়, যখন একটি প্রশ্নের উত্তর দেওয়ার সময় আপনাকে উত্স নথিগুলি দেখতে দেয়।
পাঠ্য প্রজন্মের জন্য, অ্যামাজন বেডরক প্রদান করে RetrieveAndGenerate ব্যবহারকারীর প্রশ্নের এমবেডিং তৈরি করতে API, এবং সঠিক প্রতিক্রিয়া তৈরি করতে ভেক্টর ডাটাবেস থেকে প্রাসঙ্গিক অংশগুলি পুনরুদ্ধার করে। এটি সোর্স অ্যাট্রিবিউশন এবং RAG অ্যাপ্লিকেশনের জন্য প্রয়োজনীয় স্বল্প-মেয়াদী মেমরি সমর্থন করে।
এটি আপনাকে আপনার মূল ব্যবসায়িক অ্যাপ্লিকেশনগুলিতে ফোকাস করতে সক্ষম করে এবং অপরিবর্তিত ভারী উত্তোলনকে সরিয়ে দেয়।
সমাধান ওভারভিউ
এই পোস্টে উপস্থাপিত সমাধানটি একটি ব্যবহার করে তৈরি একটি চ্যাটবট ব্যবহার করে স্ট্রিমলিট অ্যাপ্লিকেশন এবং নিম্নলিখিত AWS পরিষেবাগুলি অন্তর্ভুক্ত করে:
নিম্নলিখিত চিত্রটি একটি সাধারণ সমাধান আর্কিটেকচার প্যাটার্ন যা আপনি যেকোন চ্যাটবট অ্যাপ্লিকেশনকে অ্যামাজন বেডরকের জ্ঞানের ভিত্তিগুলিতে সংহত করতে ব্যবহার করতে পারেন।
এই আর্কিটেকচারে নিম্নলিখিত ধাপগুলি অন্তর্ভুক্ত রয়েছে:
- একজন ব্যবহারকারী স্ট্রিমলিট চ্যাটবট ইন্টারফেসের সাথে যোগাযোগ করে এবং স্বাভাবিক ভাষায় একটি প্রশ্ন জমা দেয়
- এটি একটি ল্যাম্বডা ফাংশন ট্রিগার করে, যা জ্ঞানের ভিত্তিগুলিকে আহ্বান করে
RetrieveAndGenerate
API অভ্যন্তরীণভাবে, জ্ঞানের ভিত্তি একটি ব্যবহার করে আমাজন টাইটান এমবেডিং মডেল এবং ব্যবহারকারীর ক্যোয়ারীটিকে একটি ভেক্টরে রূপান্তর করে এবং খণ্ডগুলি খুঁজে পায় যা শব্দার্থগতভাবে ব্যবহারকারীর কোয়েরির মতো। ব্যবহারকারীর প্রম্পট জ্ঞান বেস থেকে পুনরুদ্ধার করা হয় যে খণ্ড সঙ্গে বর্ধিত হয়. অতিরিক্ত প্রেক্ষাপটের পাশাপাশি প্রম্পটটি প্রতিক্রিয়া তৈরির জন্য একটি LLM-এ পাঠানো হয়। এই সমাধান, আমরা ব্যবহার নৃতাত্ত্বিক ক্লদ তাত্ক্ষণিক অতিরিক্ত প্রসঙ্গ ব্যবহার করে ব্যবহারকারীর প্রতিক্রিয়া তৈরি করতে আমাদের LLM হিসাবে। মনে রাখবেন যে এই সমাধানটি সেই অঞ্চলগুলিতে সমর্থিত যেখানে অ্যানথ্রপিক ক্লড অ্যামাজন বেডরক রয়েছে৷ সহজলভ্য. - একটি প্রাসঙ্গিকভাবে প্রাসঙ্গিক প্রতিক্রিয়া চ্যাটবট অ্যাপ্লিকেশন এবং ব্যবহারকারীর কাছে ফেরত পাঠানো হয়।
পূর্বশর্ত
অ্যামাজন বেডরক ব্যবহারকারীদের ফাউন্ডেশন মডেল ব্যবহারের জন্য উপলব্ধ হওয়ার আগে তাদের অ্যাক্সেসের অনুরোধ করতে হবে। এটি একটি এককালীন ক্রিয়া এবং এক মিনিটেরও কম সময় নেয়৷ এই সমাধানের জন্য, আপনাকে অ্যামাজন বেডরকে টাইটান এম্বেডিংস G1 – টেক্সট এবং ক্লড ইনস্ট্যান্ট – v1.2 মডেলে অ্যাক্সেস সক্ষম করতে হবে। আরো তথ্যের জন্য, পড়ুন মডেল অ্যাক্সেস.
গিটহাব রেপো ক্লোন করুন
এই পোস্টে উপস্থাপিত সমাধান নিম্নলিখিত পাওয়া যায় গিটহুব রেপো. আপনাকে আপনার স্থানীয় মেশিনে GitHub সংগ্রহস্থল ক্লোন করতে হবে। একটি টার্মিনাল উইন্ডো খুলুন এবং নিম্নলিখিত কমান্ডটি চালান। মনে রাখবেন এটি একটি একক গিট ক্লোন কমান্ড।
Amazon S3 এ আপনার জ্ঞান ডেটাসেট আপলোড করুন
আমরা আমাদের জ্ঞানের ভিত্তির জন্য ডেটাসেট ডাউনলোড করি এবং এটি একটি S3 বালতিতে আপলোড করি। এই ডেটাসেট ফিড এবং শক্তি জ্ঞান বেস হবে. নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- নেভিগেট করুন বার্ষিক প্রতিবেদন, প্রক্সি এবং শেয়ারহোল্ডারদের চিঠি তথ্য সংগ্রহস্থল এবং Amazon শেয়ারহোল্ডার চিঠির গত কয়েক বছরের ডাউনলোড.
- Amazon S3 কনসোলে, নির্বাচন করুন buckets নেভিগেশন ফলকে।
- বেছে নিন বালতি তৈরি করুন.
- বালতিটির নাম বলুন
knowledgebase-<your-awsaccount-number>
. - অন্যান্য সমস্ত বালতি সেটিংস ডিফল্ট হিসাবে ছেড়ে দিন এবং চয়ন করুন সৃষ্টি.
- নেভিগেট করুন
knowledgebase-<your-awsaccount-number>
বালতি - বেছে নিন ফোল্ডার তৈরি করুন এবং এটি ডেটাসেটের নাম দিন।
- অন্যান্য সমস্ত ফোল্ডার সেটিংস ডিফল্ট হিসাবে ছেড়ে দিন এবং নির্বাচন করুন সৃষ্টি.
- বালতি বাড়িতে ফিরে নেভিগেট করুন এবং চয়ন করুন ফোল্ডার তৈরি করুন একটি নতুন ফোল্ডার তৈরি করতে এবং এটির নাম দিতে
lambdalayer
. - অন্যান্য সমস্ত সেটিংস ডিফল্ট হিসাবে ছেড়ে দিন এবং নির্বাচন করুন সৃষ্টি.
- নেভিগেট করুন
dataset
ফোল্ডার. - বার্ষিক প্রতিবেদন, প্রক্সি এবং শেয়ারহোল্ডারদের চিঠির ডেটাসেট ফাইলগুলি আপনি এই বালতিতে আগে ডাউনলোড করেছেন এবং বেছে নিন আপলোড.
- নেভিগেট করুন
lambdalayer
ফোল্ডার. - আপলোড করুন
knowledgebase-lambdalayer.zip
ফাইলের অধীনে উপলব্ধ/lambda/layer
GitHub রেপোতে ফোল্ডারটি আপনি আগে ক্লোন করেছেন এবং চয়ন করেছেন আপলোড. আপনি Lambda ফাংশন তৈরি করতে পরে এই Lambda লেয়ার কোডটি ব্যবহার করবেন।
একটি জ্ঞান ভিত্তি তৈরি করুন
এই ধাপে, আমরা আগের ধাপে আমাদের S3 বালতিতে আপলোড করা Amazon শেয়ারহোল্ডার অক্ষর ডেটাসেট ব্যবহার করে একটি জ্ঞানের ভিত্তি তৈরি করি।
- অ্যামাজন বেডরক কনসোলে, নীচে অর্কেস্ট্রারচনা নেভিগেশন ফলকে, নির্বাচন করুন জ্ঞানভিত্তিক.
- বেছে নিন জ্ঞানের ভিত্তি তৈরি করুন.
- মধ্যে জ্ঞানের ভিত্তি বিবরণ বিভাগে, একটি নাম এবং ঐচ্ছিক বিবরণ লিখুন।
- মধ্যে IAM অনুমতি অধ্যায়, নির্বাচন করুন একটি নতুন পরিষেবা ভূমিকা তৈরি করুন এবং ব্যবহার করুন এবং ভূমিকার জন্য একটি নাম লিখুন।
- প্রয়োজন অনুযায়ী ট্যাগ যোগ করুন।
- বেছে নিন পরবর্তী.
- ত্যাগ ডেটা উত্সের নাম ডিফল্ট নাম হিসাবে।
- জন্য S3 URIনির্বাচন S3 ব্রাউজ করুন S3 বালতি নির্বাচন করতে
knowledgebase-<your-account-number>/dataset/
.আপনাকে আগের ধাপে তৈরি করা বালতি এবং ডেটাসেট ফোল্ডারের দিকে নির্দেশ করতে হবে। - মধ্যে উন্নত সেটিংস বিভাগে, ডিফল্ট মানগুলি ছেড়ে দিন (যদি আপনি চান, আপনি ডিফল্ট চাঙ্কিং কৌশল পরিবর্তন করতে পারেন এবং শতাংশে খণ্ডের আকার এবং ওভারলে নির্দিষ্ট করতে পারেন)।
- বেছে নিন পরবর্তী.
- জন্য এমবেডিং মডেল, নির্বাচন করুন টাইটান এমবেডিং G1 – পাঠ্য.
- জন্য ভেক্টর ডাটাবেস, আপনি হয় নির্বাচন করতে পারেন দ্রুত একটি নতুন ভেক্টর স্টোর তৈরি করুন or আপনার তৈরি করা একটি ভেক্টর স্টোর চয়ন করুন. মনে রাখবেন, আপনার পছন্দের ভেক্টর স্টোরটি ব্যবহার করার জন্য, আপনাকে ব্যবহার করার জন্য একটি ভেক্টর স্টোর প্রি-কনফিগার করতে হবে। আমরা বর্তমানে চারটি ভেক্টর ইঞ্জিনের ধরন সমর্থন করি: Amazon OpenSearch Serverless, Amazon Aurora, Pinecone, এবং Redis Enterprise Cloud-এর ভেক্টর ইঞ্জিন। এই পোস্টের জন্য, আমরা Quick create a new vector store নির্বাচন করি, যা ডিফল্টরূপে আপনার অ্যাকাউন্টে একটি নতুন OpenSearch Serverless ভেক্টর স্টোর তৈরি করে।
- বেছে নিন পরবর্তী.
- উপরে পর্যালোচনা করুন এবং তৈরি করুন পৃষ্ঠা, সমস্ত তথ্য পর্যালোচনা করুন, বা চয়ন করুন আগে যেকোনো বিকল্প পরিবর্তন করতে।
- বেছে নিন জ্ঞানের ভিত্তি তৈরি করুন.নোট করুন জ্ঞান ভিত্তি তৈরির প্রক্রিয়া শুরু হয় এবং অবস্থা চলছে। ভেক্টর স্টোর এবং নলেজ বেস তৈরি করতে কয়েক মিনিট সময় লাগবে। পৃষ্ঠা থেকে দূরে নেভিগেট করবেন না, অন্যথায় সৃষ্টি ব্যর্থ হবে।
- যখন নলেজ বেস স্ট্যাটাস হয়
Ready
রাজ্য, জ্ঞানের ভিত্তি আইডি নোট করুন। আপনি Lambda ফাংশন কনফিগার করার জন্য পরবর্তী ধাপে এটি ব্যবহার করবেন। - এখন যে জ্ঞানের ভিত্তি প্রস্তুত, আমাদের এটিতে আমাদের অ্যামাজন শেয়ারহোল্ডারদের চিঠির ডেটা সিঙ্ক করতে হবে। মধ্যে তথ্য উৎস নলেজ বেস বিশদ পৃষ্ঠার বিভাগ, নির্বাচন করুন সিঙ্ক S3 বাকেট থেকে নলেজ বেসে ডেটা ইনজেশন প্রক্রিয়া ট্রিগার করতে।
এই সিঙ্ক প্রক্রিয়াটি ডকুমেন্ট ফাইলগুলিকে আগে নির্দিষ্ট করা খণ্ড আকারের ছোট অংশে বিভক্ত করে, নির্বাচিত টেক্সট এমবেডিং মডেল ব্যবহার করে ভেক্টর এম্বেডিং তৈরি করে এবং আমাজন বেডরকের জন্য নলেজ বেস দ্বারা পরিচালিত ভেক্টর স্টোরে সঞ্চয় করে।
ডেটাসেট সিঙ্ক সম্পূর্ণ হলে, ডেটা উৎসের স্থিতিতে পরিবর্তিত হবে Ready
অবস্থা. মনে রাখবেন, যদি আপনি S3 ডেটা ফোল্ডারে কোনো অতিরিক্ত নথি যোগ করেন, তাহলে আপনাকে জ্ঞানের ভিত্তি পুনরায় সিঙ্ক করতে হবে।
অভিনন্দন, আপনার জ্ঞানের ভিত্তি প্রস্তুত।
মনে রাখবেন যে আপনি অ্যামাজন বেডরক পরিষেবা API এবং এর জন্য নলেজ বেস ব্যবহার করতে পারেন এডাব্লুএস কমান্ড লাইন ইন্টারফেস (AWS CLI) প্রোগ্রাম্যাটিকভাবে একটি জ্ঞানের ভিত্তি তৈরি করতে। আপনাকে জুপিটার নোটবুকের অধীনে প্রদত্ত বিভিন্ন বিভাগ চালাতে হবে /notebook
GitHub রেপোতে ফোল্ডার।
একটি Lambda ফাংশন তৈরি করুন
এই Lambda ফাংশন একটি ব্যবহার করে স্থাপন করা হয় এডাব্লুএস ক্লাউডফর্মেশন এর অধীনে GitHub রেপোতে টেমপ্লেট উপলব্ধ /cfn
ফোল্ডার টেমপ্লেটটির জন্য দুটি পরামিতি প্রয়োজন: S3 বাকেটের নাম এবং নলেজ বেস আইডি।
- AWS CloudFormation পরিষেবার হোম পেজে, বেছে নিন স্ট্যাক তৈরি করুন একটি নতুন স্ট্যাক তৈরি করতে।
- নির্বাচন করা টেমপ্লেট প্রস্তুত উন্নত টেমপ্লেট প্রস্তুত করুন.
- নির্বাচন করা টেমপ্লেট ফাইল আপলোড করুন উন্নত টেমপ্লেট উৎস.
- বেছে নিন ফাইল পছন্দ কর, আপনি আগে ক্লোন করা GitHub রেপোতে নেভিগেট করুন এবং এর অধীনে .yaml ফাইলটি বেছে নিন
/cfn
ফোল্ডার. - বেছে নিন পরবর্তী.
- জন্য স্ট্যাকের নাম, একটি নাম লিখুন।
- মধ্যে পরামিতি বিভাগে, নলেজ বেস আইডি এবং S3 বাকেটের নাম লিখুন যা আপনি আগে উল্লেখ করেছেন।
- বেছে নিন পরবর্তী.
- সমস্ত ডিফল্ট বিকল্পগুলিকে যেমন আছে তেমন ছেড়ে দিন, নির্বাচন করুন পরবর্তী, এবং চয়ন করুন জমা দিন.
- ক্লাউডফর্মেশন টেমপ্লেটটি সফলভাবে চালানো হয়েছে এবং কোন ত্রুটি নেই তা যাচাই করুন।
অভিনন্দন, আপনি সফলভাবে একটি Lambda ফাংশন, সম্পর্কিত ভূমিকা এবং নীতিগুলি তৈরি করেছেন৷
প্রাসঙ্গিক চ্যাটবট অ্যাপ্লিকেশন পরীক্ষা করুন
আপনার চ্যাটবট অ্যাপ্লিকেশন পরীক্ষা করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- আপনার মেশিনে একটি নতুন টার্মিনাল বা একটি কমান্ড লাইন উইন্ডো খুলুন।
- ইনস্টল করতে নিম্নলিখিত কমান্ডটি চালান Python (Boto3) এর জন্য AWS SDK. Boto3 একটি পাইথন অ্যাপ্লিকেশন, লাইব্রেরি, বা স্ক্রিপ্ট AWS পরিষেবাগুলির সাথে একীভূত করা সহজ করে তোলে।
- Streamlit অ্যাপ্লিকেশন চালানোর জন্য একটি স্থানীয় পাইথন উন্নয়ন পরিবেশ ইনস্টল এবং সেট আপ করতে নিম্নলিখিত কমান্ডটি চালান:
- নেভিগেট করুন
/streamlit
GitHub সংগ্রহস্থল ফোল্ডারে ফোল্ডার যা আপনি আগে ক্লোন করেছেন। - চ্যাটবট অ্যাপ্লিকেশনটি চালু করতে নিম্নলিখিত কমান্ডটি চালান:
এটি আপনার ডিফল্ট ওয়েব ব্রাউজারে Streamlit দ্বারা চালিত একটি ওয়েব-ভিত্তিক চ্যাট অ্যাপ্লিকেশন খুলতে হবে।
- অ্যামাজন বেডরকের জন্য নলেজ বেস দ্বারা চালিত কথোপকথন শুরু করতে প্রাকৃতিক ভাষার প্রশ্ন পোস্ট করতে এই স্ট্রিমলিট চ্যাটবট অ্যাপ্লিকেশনটি ব্যবহার করুন।
আপনি যখন একটি প্রম্পট জমা দেন, তখন স্ট্রিমলিট অ্যাপ ল্যাম্বডা ফাংশনটি ট্রিগার করে, যা জ্ঞানের ভিত্তিগুলিকে আহ্বান করে RetrieveAndGenerate
অনুসন্ধান এবং প্রতিক্রিয়া তৈরি করতে API।
নিম্নলিখিত সারণীতে কিছু নমুনা প্রশ্ন এবং সম্পর্কিত জ্ঞানভিত্তিক উত্তর রয়েছে। প্রম্পট ব্যবহার করে এই প্রশ্নগুলির কিছু চেষ্টা করে দেখুন।
প্রশ্ন | উত্তর |
আমাজন জেনারেটিভ এআই এর ক্ষেত্রে কি করছে? | আমাজন জেনারেটিভ AI এর জন্য তাদের নিজস্ব বড় ভাষা মডেল (LLMs) নিয়ে কাজ করছে এবং বিশ্বাস করে যে এটি প্রতিটি গ্রাহকের অভিজ্ঞতাকে রূপান্তরিত করবে এবং উন্নত করবে। তারা তাদের সমস্ত ভোক্তা, বিক্রেতা, ব্র্যান্ড এবং নির্মাতার অভিজ্ঞতা জুড়ে এই মডেলগুলিতে যথেষ্ট পরিমাণে বিনিয়োগ চালিয়ে যাওয়ার পরিকল্পনা করেছে। |
2022 সালে AWS বছরের-বছর-বছর রাজস্ব কত? | AWS রাজস্ব $29 বিলিয়ন রাজস্ব ভিত্তিতে 2022 সালে বছরে 62% বৃদ্ধি পেয়েছে। |
আমাজন কত দিন কর্মচারীদের অফিসে কাজ করতে আসতে বলেছে? | অ্যামাজন কর্পোরেট কর্মীদের মে 2022 থেকে সপ্তাহে অন্তত তিন দিন অফিসে ফিরে আসতে বলেছে। |
2022 সালে AWS রাজস্ব বছরে কত শতাংশ বৃদ্ধি পেয়েছে? | 29 সালে AWS-এর 2022% বছর-ওভার-বছর ('YoY') আয় ছিল। |
Graviton2 প্রসেসরের তুলনায়, Graviton3 চিপগুলি প্যাসেজ অনুযায়ী কী কর্মক্ষমতা উন্নতি করেছে? | 2022 সালে, AWS তাদের Graviton3 চিপ প্রদান করেছে, Graviton25 প্রসেসরের তুলনায় 2% ভালো পারফরম্যান্স প্রদান করেছে। |
উত্তরণ অনুসারে AWS দ্বারা চালু করা প্রথম ইনফারেন্স চিপ কোনটি? | AWS 2019 সালে তাদের প্রথম ইনফারেন্স চিপস ("Inferentia") চালু করেছে এবং তারা Amazon-এর মতো কোম্পানিগুলিকে একশ মিলিয়ন ডলারের বেশি মূলধন খরচ বাঁচিয়েছে। |
প্রেক্ষাপট অনুসারে, কোন বছরে অ্যামাজনের বার্ষিক আয় $245B থেকে $434B হয়েছে? | অ্যামাজনের বার্ষিক আয় 245 সালে $2019B থেকে বেড়ে 434 সালে $2022B হয়েছে। |
আমাকে আবার বলুন 2019 সালে রাজস্ব কত ছিল? | 2019 সালে অ্যামাজনের আয় ছিল 245 বিলিয়ন ডলার। |
এবং, 2021? | 2021 সালে অ্যামাজনের আয় ছিল $469.8 বিলিয়ন, যা 22 এর তুলনায় 2020% বৃদ্ধি পেয়েছে। |
এবং, আমাকে আবার মনে করিয়ে দিন প্রথম অনুমান চিপ কখন চালু হয়েছিল? | অ্যামাজনের প্রথম ইনফারেন্স চিপ ছিল ইনফেরেনশিয়া, যা 2019 সালে চালু হয়েছিল। |
Lambda ফাংশন প্রথম কল সময়, RetrieveAndGenerate
এপিআই রিটার্ন করে sessionId
, যা একই সেশনে কথোপকথন চালিয়ে যাওয়ার জন্য RetrieveAndGenerate API-তে একটি ইনপুট হিসাবে পরবর্তী ব্যবহারকারীর প্রম্পটের সাথে Streamlit অ্যাপ দ্বারা পাস করা হয়। দ্য RetrieveAndGenerate
API স্বল্প-মেয়াদী মেমরি পরিচালনা করে এবং যতক্ষণ না একই সেশনআইডি ধারাবাহিক কলগুলিতে একটি ইনপুট হিসাবে পাস করা হয় ততক্ষণ চ্যাট ইতিহাস ব্যবহার করে।
অভিনন্দন, আপনি অ্যামাজন বেডরকের জন্য নলেজ বেস ব্যবহার করে একটি চ্যাটবট অ্যাপ্লিকেশন সফলভাবে তৈরি ও পরীক্ষা করেছেন।
পরিষ্কার কর
S3 বালতি, OpenSearch Serverless সংগ্রহ এবং জ্ঞানের ভিত্তির মতো সংস্থানগুলি মুছে ফেলতে ব্যর্থ হলে চার্জ দিতে হবে৷ এই সংস্থানগুলি পরিষ্কার করতে, ক্লাউডফরমেশন স্ট্যাক মুছুন, S3 বালতি মুছুন (সেই বালতিতে সংরক্ষিত যে কোনও নথি ফোল্ডার এবং ফাইল সহ), OpenSearch সার্ভারহীন সংগ্রহ মুছুন, জ্ঞানের ভিত্তি মুছুন এবং যে কোনও ভূমিকা, নীতি এবং অনুমতি মুছুন আগে তৈরি।
উপসংহার
এই পোস্টে, আমরা প্রাসঙ্গিক চ্যাটবটগুলির একটি ওভারভিউ প্রদান করেছি এবং ব্যাখ্যা করেছি কেন তারা গুরুত্বপূর্ণ। আমরা একটি RAG আর্কিটেকচারের জন্য ডেটা ইনজেশন এবং টেক্সট জেনারেশন ওয়ার্কফ্লোতে জড়িত জটিলতাগুলি বর্ণনা করেছি। আমরা তখন পরিচয় করিয়ে দিয়েছি যে কীভাবে অ্যামাজন বেডরকের জন্য জ্ঞানের ভিত্তিগুলি একটি ভেক্টর স্টোর সহ সম্পূর্ণরূপে পরিচালিত সার্ভারবিহীন RAG সিস্টেম তৈরি করে৷ অবশেষে, আমরা একটি সমাধান আর্কিটেকচার এবং নমুনা কোড প্রদান করেছি a গিটহুব রেপো একটি জ্ঞান বেস ব্যবহার করে একটি চ্যাটবট অ্যাপ্লিকেশনের জন্য প্রাসঙ্গিক প্রতিক্রিয়াগুলি পুনরুদ্ধার এবং তৈরি করতে।
প্রাসঙ্গিক চ্যাটবটগুলির মূল্য, RAG সিস্টেমের চ্যালেঞ্জগুলি এবং অ্যামাজন বেডরকের জন্য জ্ঞানের ভিত্তিগুলি কীভাবে সেই চ্যালেঞ্জগুলিকে মোকাবেলা করে তা ব্যাখ্যা করার মাধ্যমে, এই পোস্টটি দেখানোর লক্ষ্য ছিল কীভাবে অ্যামাজন বেডরক আপনাকে ন্যূনতম প্রচেষ্টার সাথে পরিশীলিত কথোপকথনমূলক এআই অ্যাপ্লিকেশন তৈরি করতে সক্ষম করে।
আরো তথ্যের জন্য, দেখুন আমাজন বেডরক ডেভেলপার গাইড এবং নলেজ বেস এপিআই.
লেখক সম্পর্কে
মনীশ চুগ সান ফ্রান্সিসকো, CA ভিত্তিক AWS-এর একজন প্রিন্সিপাল সলিউশন আর্কিটেক্ট। তিনি মেশিন লার্নিং এবং জেনারেটিভ এআই-এ বিশেষজ্ঞ। তিনি মেশিন লার্নিং সম্পর্কিত সমস্যা নিয়ে বড় উদ্যোগ থেকে শুরু করে প্রাথমিক পর্যায়ের স্টার্টআপ পর্যন্ত সংস্থাগুলির সাথে কাজ করেন। তার ভূমিকার মধ্যে এই সংস্থাগুলিকে AWS-এ স্কেলযোগ্য, সুরক্ষিত এবং সাশ্রয়ী কাজের চাপের স্থপতিকে সাহায্য করা জড়িত। তিনি নিয়মিত AWS সম্মেলন এবং অন্যান্য অংশীদার ইভেন্টে উপস্থাপনা করেন। কাজের বাইরে, তিনি ইস্ট বে ট্রেলে হাইকিং, রোড বাইকিং এবং ক্রিকেট দেখতে (এবং খেলা) উপভোগ করেন।
মণি খানুজা একজন টেক লিড – জেনারেটিভ এআই স্পেশালিস্ট, অ্যাপ্লাইড মেশিন লার্নিং অ্যান্ড হাই পারফরম্যান্স কম্পিউটিং অন এডব্লিউএস বইয়ের লেখক এবং ম্যানুফ্যাকচারিং এডুকেশন ফাউন্ডেশন বোর্ডে মহিলাদের জন্য পরিচালনা পর্ষদের সদস্য। তিনি কম্পিউটার ভিশন, ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এবং জেনারেটিভ এআই-এর মতো বিভিন্ন ডোমেনে মেশিন লার্নিং প্রকল্পের নেতৃত্ব দেন। তিনি অভ্যন্তরীণ এবং বাহ্যিক সম্মেলনে বক্তৃতা করেন যেমন AWS re:Invent, Women in Manufacturing West, YouTube webinars এবং GHC 23। তার অবসর সময়ে, তিনি সমুদ্র সৈকতে দীর্ঘ দৌড়াতে পছন্দ করেন।
পল্লবী নারগুন্দ AWS-এর একজন প্রধান সমাধান স্থপতি। ক্লাউড প্রযুক্তি সক্ষমকারী হিসাবে তার ভূমিকায়, তিনি গ্রাহকদের সাথে তাদের লক্ষ্য এবং চ্যালেঞ্জগুলি বোঝার জন্য কাজ করেন এবং AWS অফারগুলির সাথে তাদের উদ্দেশ্য অর্জনের জন্য নির্দেশমূলক নির্দেশনা দেন৷ তিনি প্রযুক্তিতে মহিলাদের সম্পর্কে উত্সাহী এবং অ্যামাজনে উইমেন ইন AI/ML-এর মূল সদস্য৷ তিনি অভ্যন্তরীণ এবং বাহ্যিক সম্মেলনে কথা বলেন যেমন AWS re:Invent, AWS সামিট এবং ওয়েবিনার। কাজের বাইরে সে স্বেচ্ছাসেবী, বাগান করা, সাইকেল চালানো এবং হাইকিং উপভোগ করে।
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
- প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- প্লেটোইএসজি। কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
- প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
- উত্স: https://aws.amazon.com/blogs/machine-learning/build-a-contextual-chatbot-application-using-knowledge-bases-for-amazon-bedrock/
- : আছে
- : হয়
- :কোথায়
- $ ইউপি
- 100
- 125
- 2019
- 2020
- 2021
- 2022
- 23
- 27
- 500
- 7
- 8
- 9
- a
- ক্ষমতা
- সম্পর্কে
- দ্রুততর করা
- প্রবেশ
- অ্যাক্সেস করা
- অনুযায়ী
- হিসাব
- সঠিক
- অর্জন করা
- দিয়ে
- কর্ম
- যোগ
- অতিরিক্ত
- ঠিকানাগুলি
- অগ্রসর
- সুবিধাদি
- উপদেষ্টাদের
- আবার
- এজেন্ট
- AI
- এআই সিস্টেমগুলি
- এআই / এমএল
- উপলক্ষিত
- সব
- অনুমতি
- অনুমতি
- একা
- বরাবর
- এর পাশাপাশি
- এছাড়াও
- মর্দানী স্ত্রীলোক
- অ্যামাজন ওয়েব সার্ভিসেস
- an
- এবং
- বার্ষিক
- বার্ষিক আয়
- উত্তর
- উত্তর
- নৃতাত্ত্বিক
- কোন
- API
- API গুলি
- অ্যাপ্লিকেশন
- আবেদন
- অ্যাপ্লিকেশন
- ফলিত
- অভিগমন
- স্থাপত্য
- রয়েছি
- AS
- At
- বৃদ্ধি
- উদ্দীপিত
- বৃদ্ধি
- ঊষা
- লেখক
- স্বয়ংক্রিয়ভাবে
- সহজলভ্য
- প্রশস্ত রাজপথ
- দূরে
- ডেস্কটপ AWS
- এডাব্লুএস ক্লাউডফর্মেশন
- এডাব্লুএস পুনরায়: উদ্ভাবন
- পিছনে
- ভিত্তি
- ভিত্তি
- মৌলিক
- উপসাগর
- সৈকত
- পরিণত
- হয়েছে
- আগে
- শুরু
- শুরু
- আচরণ
- বিশ্বাস
- উত্তম
- বিলিয়ন
- তক্তা
- পরিচালক পরিচালক
- বই
- তরবার
- ব্রাউজার
- নির্মাণ করা
- ব্যবসায়
- ব্যবসা অ্যাপ্লিকেশন
- by
- CA
- কল
- কল
- CAN
- ক্ষমতা
- রাজধানী
- মামলা
- CD
- চ্যালেঞ্জ
- পরিবর্তন
- পরিবর্তন
- চার্জ
- চ্যাট
- chatbot
- chatbots
- চেকআউট
- চিপ
- চিপস
- পছন্দ
- বেছে নিন
- পরিষ্কার
- CLI
- মেঘ
- ক্লাউড প্রযুক্তি
- কোড
- সংগ্রহ
- সম্মিলন
- আসা
- আসে
- সাধারণ
- কোম্পানি
- কোম্পানি
- সম্পূর্ণ
- জটিলতার
- উপাদান
- গণনা
- কম্পিউটার
- কম্পিউটার ভিশন
- কম্পিউটিং
- সম্মেলন
- সংযোগ করা
- কনসোল
- ভোক্তা
- প্রসঙ্গ
- বর্ণনাপ্রাসঙ্গিক
- প্রাসঙ্গিক করা
- অবিরত
- কথোপকথন
- কথ্য
- কথোপকথন এআই
- কথোপকথন
- ধর্মান্তরিত
- মূল
- কর্পোরেট
- সাশ্রয়ের
- পারা
- সৃষ্টি
- নির্মিত
- সৃষ্টি
- তৈরি করা হচ্ছে
- সৃষ্টি
- স্রষ্টা
- ক্রিকেট
- এখন
- ক্রেতা
- গ্রাহক আচরণ
- গ্রাহক অভিজ্ঞতা
- গ্রাহক সেবা
- গ্রাহকদের
- কাস্টমাইজড
- উপাত্ত
- ডেটা পয়েন্ট
- তথ্য চালিত
- ডেটাবেস
- দিন
- ডিফল্ট
- প্রদান করা
- নিষ্কৃত
- প্রদান
- নির্ভর করে
- মোতায়েন
- বিস্তৃতি
- বর্ণিত
- বিবরণ
- বিস্তারিত
- নির্ধারণ
- বিকাশ
- বিকাশকারী
- উন্নয়ন
- নকশা
- DID
- বিভিন্ন
- ডিজিটাল
- পরিচালক
- বিচিত্র
- দলিল
- কাগজপত্র
- করছেন
- ডলার
- ডোমেইনের
- Dont
- নিচে
- ডাউনলোড
- প্রতি
- পূর্বে
- প্রাথমিক পর্যায়ে
- পূর্ব
- প্রশিক্ষণ
- দক্ষ
- প্রচেষ্টা
- অনায়াসে
- পারেন
- এম্বেডিং
- কর্মচারী
- সক্ষম করা
- সক্ষম
- সম্ভব
- আকর্ষক
- ইঞ্জিন
- প্রকৌশল
- উন্নত
- বর্ধনশীল
- প্রবেশ করান
- উদ্যোগ
- উদ্যোগ
- পরিবেশ
- ত্রুটি
- এমন কি
- ঘটনাবলী
- প্রতি
- উদাহরণ
- অভিজ্ঞতা
- অভিজ্ঞতা
- ল্যাপারোস্কোপিক পদ্ধতি
- ব্যাখ্যা করা
- ব্যাখ্যা
- ব্যাখ্যা
- বহিরাগত
- তথ্য
- ব্যর্থ
- কয়েক
- ক্ষেত্র
- ফাইল
- নথি পত্র
- পরিশেষে
- খুঁজে বের করে
- প্রথম
- প্রবাহ
- কেন্দ্রবিন্দু
- অনুসরণ
- জন্য
- ভিত
- চার
- ফ্রান্সিসকো
- বিনামূল্যে
- থেকে
- সম্পূর্ণরূপে
- ক্রিয়া
- g1
- উত্পাদন করা
- উত্পন্ন
- প্রজন্ম
- সৃজক
- জেনারেটিভ এআই
- git
- GitHub
- দাও
- Go
- গোল
- বড় হয়েছি
- স্থল
- হত্তয়া
- বৃদ্ধি
- পথপ্রদর্শন
- ছিল
- হাতল
- হ্যান্ডলগুলি
- আছে
- he
- ভারী
- ভারী উত্তোলন
- সাহায্য
- তার
- উচ্চ
- উচ্চস্তর
- তার
- ইতিহাস
- হোম
- কিভাবে
- যাহোক
- এইচটিএমএল
- HTTP
- HTTPS দ্বারা
- শত
- ID
- if
- চিত্রিত করা
- প্রকাশ
- বাস্তবায়ন
- গুরুত্বপূর্ণ
- উন্নত করা
- উন্নতি
- উন্নতি
- in
- অন্তর্ভুক্ত
- সুদ্ধ
- নিগমবদ্ধ
- অন্তর্ভুক্ত
- বৃদ্ধি
- বর্ধিত
- সূচক
- ইনডেক্স
- স্বতন্ত্র
- শিল্প
- জানান
- তথ্য
- তথ্য ব্যবস্থা
- ইনপুট
- অনুসন্ধান
- অর্ন্তদৃষ্টি
- ইনস্টল
- তাত্ক্ষণিক
- সম্পূর্ণ
- একীভূত
- ইন্টিগ্রেশন
- ইন্টারেক্টিভ
- মধ্যে রয়েছে
- ইন্টারফেস
- অভ্যন্তরীণ
- অন্ত
- মধ্যে
- প্রবর্তন করা
- উপস্থাপিত
- বিনিয়োগ
- পূজা
- জড়িত
- জড়িত
- IT
- JPG
- চাবি
- জ্ঞান
- ভাষা
- ভাষাসমূহ
- বড়
- বড় উদ্যোগ
- গত
- পরে
- চালু
- স্তর
- নেতৃত্ব
- বিশালাকার
- শিক্ষা
- অন্তত
- ত্যাগ
- কম
- চিঠি
- উচ্চতা
- লাইব্রেরি
- লাইব্রেরি
- উদ্ধরণ
- মত
- পছন্দ
- সীমিত
- লাইন
- লিঙ্ক
- LLM
- স্থানীয়
- দীর্ঘ
- মেশিন
- মেশিন লার্নিং
- প্রধান
- তৈরি করে
- পরিচালনাযোগ্য
- পরিচালিত
- পরিচালনা করে
- পরিচালক
- উত্পাদন
- অনেক
- ম্যাচ
- মে..
- me
- অর্থ
- পদ্ধতি
- সদস্য
- স্মৃতি
- নিছক
- মিলিয়ন
- মিলিয়ন ডলার
- যত্সামান্য
- মিনিট
- মিনিট
- মডেল
- মডেল
- পরিবর্তন
- অধিক
- সেতু
- বহু
- নাম
- প্রাকৃতিক
- স্বাভাবিক ভাষা প্রক্রিয়াকরণ
- নেভিগেট করুন
- ন্যাভিগেশন
- প্রয়োজন
- প্রয়োজন
- চাহিদা
- নতুন
- পরবর্তী
- না।
- না
- বিঃদ্রঃ
- নোটবই
- সুপরিচিত
- উদ্দেশ্য
- of
- অর্পণ
- অর্ঘ
- অফার
- দপ্তর
- প্রায়ই
- on
- ONE
- খোলা
- ওপেন সোর্স
- অনুকূল
- পছন্দ
- অপশন সমূহ
- or
- সংগঠন
- অন্যান্য
- অন্যভাবে
- আমাদের
- বাইরে
- আউটপুট
- বাহিরে
- শেষ
- মাথার উপরে
- ওভারভিউ
- নিজের
- পৃষ্ঠা
- শার্সি
- পরামিতি
- হাসপাতাল
- যন্ত্রাংশ
- উত্তরণ
- প্যাসেজ
- গৃহীত
- কামুক
- গত
- প্যাটার্ন
- শতকরা হার
- কর্মক্ষমতা
- অনুমতি
- ব্যক্তিগতকৃত
- পরিকল্পনা
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- কেলি
- বিন্দু
- পয়েন্ট
- নীতি
- জনপ্রিয়
- জনপ্রিয়তা
- পোস্ট
- ক্ষমতা
- চালিত
- ক্ষমতাশালী
- পছন্দগুলি
- বর্তমান
- উপস্থাপন
- উপস্থাপন
- আগে
- অধ্যক্ষ
- সমস্যা
- প্রক্রিয়া
- প্রক্রিয়াজাতকরণ
- প্রসেসর
- পণ্য
- উন্নতি
- প্রকল্প
- অনুরোধ জানানো
- মালিকানা
- প্রদান
- প্রদত্ত
- উপলব্ধ
- প্রদানের
- কেনাকাটা
- পাইথন
- প্রশ্নের
- প্রশ্ন
- প্রশ্ন
- প্রশ্ন
- দ্রুত
- টেনা
- রেঞ্জিং
- RE
- প্রস্তুত
- বাস্তব
- বাস্তব জগতে
- প্রকৃত সময়
- রেকর্ড
- হ্রাস করা
- হ্রাস
- পড়ুন
- অঞ্চল
- নিয়মিতভাবে
- সংশ্লিষ্ট
- প্রাসঙ্গিকতা
- প্রাসঙ্গিক
- অপসারণ
- প্রতিবেদন
- সংগ্রহস্থলের
- চিত্রিত করা
- অনুরোধ
- প্রয়োজনীয়
- প্রয়োজন
- Resources
- প্রতিক্রিয়া
- প্রতিক্রিয়া
- প্রতিক্রিয়া
- উদ্ধার
- আয়
- রাজস্ব
- এখানে ক্লিক করুন
- রাস্তা
- ভূমিকা
- ভূমিকা
- চালান
- রান
- রানটাইম
- একই
- প্রসঙ্গ
- সান
- সানফ্রান্সিসকো
- সংরক্ষিত
- মাপযোগ্য
- আরোহী
- লিপি
- SDK
- সার্চ
- অধ্যায়
- বিভাগে
- নিরাপদ
- দেখ
- নির্বাচন করা
- নির্বাচিত
- শব্দার্থিক
- প্রেরিত
- পরিবেশন করা
- Serverless
- সেবা
- সেবা
- সেশন
- সেট
- সেটিংস
- সেটআপ
- ভাগীদার
- শেয়ারহোল্ডারদের
- সে
- স্বল্পমেয়াদী
- উচিত
- গ্লাসকেস
- গুরুত্বপূর্ণ
- অনুরূপ
- এককালে
- একক
- আয়তন
- ক্ষুদ্রতর
- সমাধান
- সলিউশন
- কিছু
- বাস্তববুদ্ধিসম্পন্ন
- উৎস
- সোর্স
- স্পিক্স
- বিশেষজ্ঞদের
- বিশেষ
- নির্দিষ্ট
- নিদিষ্ট
- বিভক্ত করা
- টুকরা
- গাদা
- শুরু
- প্রারম্ভ
- রাষ্ট্র
- অবস্থা
- কান্ড
- ধাপ
- প্রারম্ভিক ব্যবহারের নির্দেশাবলী
- দোকান
- সঞ্চিত
- দোকান
- সংরক্ষণ
- অকপট
- কৌশল
- স্ট্রিমলাইন
- জমা
- পরবর্তী
- যথেষ্ট
- সফলভাবে
- এমন
- সুপারিশ
- সামিট
- সমর্থন
- সমর্থিত
- সমর্থন
- সুসংগত.
- পদ্ধতি
- সিস্টেম
- টেবিল
- উপযোগী
- গ্রহণ করা
- লাগে
- কাজ
- প্রযুক্তি
- প্রযুক্তিঃ
- টেমপ্লেট
- প্রান্তিক
- পরীক্ষা
- প্রমাণিত
- পাঠ
- চেয়ে
- যে
- সার্জারির
- তথ্য
- উৎস
- তাদের
- তাহাদিগকে
- তারপর
- সেখানে।
- অতএব
- এইগুলো
- তারা
- এই
- সেগুলো
- তিন
- দ্বারা
- সময়
- দানব
- থেকে
- রুপান্তর
- ট্রিগার
- বিশ্বস্ত
- চেষ্টা
- দুই
- ধরনের
- অধীনে
- বোঝা
- আপডেট
- আপলোড করা
- ব্যবহার
- ব্যবহৃত
- ব্যবহারকারী
- ব্যবহারকারী
- ব্যবহারসমূহ
- ব্যবহার
- উপযোগ
- v1
- দামি
- মূল্য
- মানগুলি
- বিভিন্ন
- দৃষ্টি
- আয়তন
- প্রয়োজন
- ছিল
- পর্যবেক্ষক
- উপায়..
- we
- ওয়েব
- ওয়েব ব্রাউজার
- ওয়েব সার্ভিস
- ওয়েব ভিত্তিক
- ওয়েবিনার
- সপ্তাহান্তিক কাল
- সপ্তাহ
- পশ্চিম
- কি
- কখন
- যে
- যখন
- কেন
- ইচ্ছা
- জানলা
- সঙ্গে
- নারী
- প্রযুক্তিতে নারী
- হয়া যাই ?
- কর্মপ্রবাহ
- কর্মপ্রবাহ
- কাজ
- কাজ
- লেখা
- কোড লিখুন
- লিখিত
- ইয়ামল
- বছর
- বছর
- আপনি
- আপনার
- ইউটিউব
- zephyrnet