Amazon Recognition কাস্টম লেবেল এবং AWS স্টেপ ফাংশন ব্যবহার করে Purina এর Petfinder অ্যাপ্লিকেশনের জন্য পোষা প্রাণীর প্রোফাইল অপ্টিমাইজ করুন | আমাজন ওয়েব সার্ভিসেস

পুরিনা ইউএস, নেসলে-এর একটি সহযোগী প্রতিষ্ঠান, এর একটি দীর্ঘ ইতিহাস রয়েছে যা মানুষকে আরও সহজে পোষা প্রাণী দত্তক নিতে সক্ষম করে। পেটফাইন্ডার, মার্কিন যুক্তরাষ্ট্র, কানাডা এবং মেক্সিকো জুড়ে 11,000 টিরও বেশি পশু আশ্রয়কেন্দ্র এবং উদ্ধারকারী দলের একটি ডিজিটাল বাজার৷ নেতৃস্থানীয় পোষা দত্তক প্ল্যাটফর্ম হিসাবে, Petfinder লক্ষ লক্ষ পোষা প্রাণীকে তাদের চিরকালের ঘর খুঁজে পেতে সাহায্য করেছে৷

Purina ধারাবাহিকভাবে আশ্রয়কেন্দ্র এবং উদ্ধারকারী গোষ্ঠী এবং পোষা প্রাণী গ্রহণকারী উভয়ের জন্য Petfinder প্ল্যাটফর্মকে আরও ভাল করার উপায়গুলি সন্ধান করে৷ তাদের মুখোমুখি হওয়া একটি চ্যালেঞ্জ ছিল দত্তক নেওয়ার জন্য প্রাণীদের নির্দিষ্ট জাতকে পর্যাপ্তভাবে প্রতিফলিত করা। কারণ অনেক আশ্রয়প্রাণী মিশ্র প্রজাতির, পোষা প্রাণীর প্রোফাইলে সঠিকভাবে জাত এবং গুণাবলী সনাক্ত করতে ম্যানুয়াল প্রচেষ্টা প্রয়োজন, যা সময়সাপেক্ষ ছিল। পুরিনা কৃত্রিম বুদ্ধিমত্তা (এআই) এবং মেশিন লার্নিং (এমএল) ব্যবহার করে স্কেলে পশুর জাত সনাক্তকরণ স্বয়ংক্রিয়ভাবে।

এই পোস্ট বিশদ বিবরণ Purina কিভাবে ব্যবহার করা হয়েছে অ্যামাজন স্বীকৃতি কাস্টম লেবেল, এডাব্লুএস স্টেপ ফাংশন, এবং অন্যান্য AWS পরিষেবাগুলি একটি ML মডেল তৈরি করতে যা একটি আপলোড করা চিত্র থেকে পোষা প্রাণীর জাত সনাক্ত করে এবং তারপর পোষা প্রাণীর বৈশিষ্ট্যগুলিকে স্বয়ংক্রিয়ভাবে জনবহুল করার জন্য ভবিষ্যদ্বাণী ব্যবহার করে৷ সমাধানটি ডেটা প্রস্তুতি, মডেল প্রশিক্ষণ, মডেল মূল্যায়ন এবং মডেল পর্যবেক্ষণের একটি AI/ML অ্যাপ্লিকেশন কর্মপ্রবাহ বিকাশের মৌলিক নীতিগুলির উপর দৃষ্টি নিবদ্ধ করে।

সমাধান ওভারভিউ

একটি চিত্র থেকে প্রাণীর জাত অনুমান করার জন্য কাস্টম ML মডেলের প্রয়োজন৷ চিত্রগুলি বিশ্লেষণ করার জন্য একটি কাস্টম মডেল তৈরি করা একটি উল্লেখযোগ্য উদ্যোগ যার জন্য সময়, দক্ষতা এবং সংস্থান প্রয়োজন, প্রায়শই এটি সম্পূর্ণ হতে কয়েক মাস সময় নেয়। উপরন্তু, সঠিকভাবে সিদ্ধান্ত নেওয়ার জন্য মডেলটিকে পর্যাপ্ত ডেটা সরবরাহ করার জন্য প্রায়শই হাজার হাজার বা কয়েক হাজার হ্যান্ড-লেবেলযুক্ত চিত্রের প্রয়োজন হয়। আপনার প্রয়োজনীয়তাগুলির আনুগত্য যাচাই করার জন্য অডিট বা মডেল ভবিষ্যদ্বাণী পর্যালোচনা করার জন্য একটি ওয়ার্কফ্লো সেট আপ করা সামগ্রিক জটিলতাকে আরও বাড়িয়ে তুলতে পারে।

স্বীকৃতি কাস্টম লেবেল সহ, যা বিদ্যমান ক্ষমতার উপর নির্মিত আমাজন রেকোনিশন, আপনি আপনার ব্যবসার প্রয়োজনের জন্য নির্দিষ্ট চিত্রের বস্তু এবং দৃশ্যগুলি সনাক্ত করতে পারেন৷ এটি ইতিমধ্যেই বিভিন্ন বিভাগে লক্ষ লক্ষ ছবির উপর প্রশিক্ষিত। হাজার হাজার চিত্রের পরিবর্তে, আপনি প্রশিক্ষণের চিত্রগুলির একটি ছোট সেট আপলোড করতে পারেন (সাধারণত প্রতি বিভাগে কয়েকশ ছবি বা কম) যা আপনার ব্যবহারের ক্ষেত্রে নির্দিষ্ট।

সমাধান নিম্নলিখিত পরিষেবাগুলি ব্যবহার করে:

• অ্যামাজন এপিআই গেটওয়ে এটি একটি সম্পূর্ণরূপে পরিচালিত পরিষেবা যা বিকাশকারীদের জন্য যেকোনো স্কেলে API প্রকাশ, রক্ষণাবেক্ষণ, নিরীক্ষণ এবং সুরক্ষিত করা সহজ করে তোলে৷
• সার্জারির এডাব্লুএস ক্লাউড ডেভেলপমেন্ট কিট (AWS CDK) হল একটি ওপেন-সোর্স সফটওয়্যার ডেভেলপমেন্ট ফ্রেমওয়ার্ক যার মাধ্যমে ক্লাউড অবকাঠামোকে আধুনিক প্রোগ্রামিং ভাষার কোড হিসেবে সংজ্ঞায়িত করা যায় এবং এর মাধ্যমে এটি স্থাপন করা হয়। এডাব্লুএস ক্লাউডফর্মেশন.
• এডাব্লুএস কোডবিল্ড ক্লাউডে একটি সম্পূর্ণরূপে পরিচালিত ক্রমাগত ইন্টিগ্রেশন পরিষেবা। কোডবিল্ড সোর্স কোড কম্পাইল করে, পরীক্ষা চালায় এবং মোতায়েন করার জন্য প্রস্তুত প্যাকেজ তৈরি করে।
• আমাজন ডায়নামোডিবি যে কোনো স্কেলের জন্য একটি দ্রুত এবং নমনীয় অ-রিলেশনাল ডাটাবেস পরিষেবা।
• এডাব্লুএস ল্যাম্বদা একটি ইভেন্ট-চালিত কম্পিউট পরিষেবা যা আপনাকে কার্যত যেকোন ধরনের অ্যাপ্লিকেশন বা ব্যাকএন্ড পরিষেবার জন্য সার্ভারের ব্যবস্থা বা পরিচালনা ছাড়াই কোড চালাতে দেয়।
• আমাজন রেকোনিশন আপনার ছবি এবং ভিডিও থেকে তথ্য এবং অন্তর্দৃষ্টি বের করার জন্য প্রাক-প্রশিক্ষিত এবং কাস্টমাইজযোগ্য কম্পিউটার ভিশন (সিভি) ক্ষমতা প্রদান করে। সঙ্গে অ্যামাজন স্বীকৃতি কাস্টম লেবেল, আপনি আপনার ব্যবসার প্রয়োজনের জন্য নির্দিষ্ট চিত্রের বস্তু এবং দৃশ্যগুলি সনাক্ত করতে পারেন৷
• এডাব্লুএস স্টেপ ফাংশন এটি একটি সম্পূর্ণরূপে পরিচালিত পরিষেবা যা ভিজ্যুয়াল ওয়ার্কফ্লো ব্যবহার করে বিতরণ করা অ্যাপ্লিকেশন এবং মাইক্রোসার্ভিসের উপাদানগুলির সমন্বয় করা সহজ করে তোলে৷
• এডাব্লুএস সিস্টেম ম্যানেজার AWS এবং মাল্টিক্লাউড এবং হাইব্রিড পরিবেশে সম্পদের জন্য একটি নিরাপদ এন্ড-টু-এন্ড ম্যানেজমেন্ট সলিউশন। প্যারামিটার স্টোর, সিস্টেম ম্যানেজারের একটি ক্ষমতা, কনফিগারেশন ডেটা ম্যানেজমেন্ট এবং সিক্রেটস ম্যানেজমেন্টের জন্য সুরক্ষিত, হায়ারার্কিক্যাল স্টোরেজ প্রদান করে।

Purina এর সমাধান একটি হিসাবে স্থাপন করা হয় API গেটওয়ে HTTP এন্ডপয়েন্ট, যা পোষা প্রাণীর বৈশিষ্ট্যগুলি পাওয়ার অনুরোধগুলিকে রুট করে। এটি পোষা বংশের পূর্বাভাস দিতে স্বীকৃতি কাস্টম লেবেল ব্যবহার করে। ML মডেলটি Purina এর ডাটাবেস থেকে টেনে নেওয়া পোষা প্রাণীর প্রোফাইল থেকে প্রশিক্ষিত হয়, ধরে নেওয়া হয় যে প্রাথমিক জাত লেবেলটিই সত্যিকারের লেবেল। DynamoDB পোষা প্রাণীর বৈশিষ্ট্য সংরক্ষণ করতে ব্যবহৃত হয়। এপিআই গেটওয়ে, অ্যামাজন রেকগনিশন এবং ডায়নামোডিবি-এর মধ্যে অর্কেস্ট্রেট করে পোষা প্রাণীর অ্যাট্রিবিউটের অনুরোধ প্রক্রিয়া করতে ল্যাম্বডা ব্যবহার করা হয়।

আর্কিটেকচারটি নিম্নরূপ প্রয়োগ করা হয়:

1. পেটফাইন্ডার অ্যাপ্লিকেশনটি API গেটওয়ের মাধ্যমে পোষা প্রাণীর বৈশিষ্ট্যগুলি পাওয়ার অনুরোধকে রুট করে।
2. এপিআই গেটওয়ে পোষা প্রাণীর বৈশিষ্ট্যগুলি পেতে ল্যাম্বডা ফাংশনকে কল করে।
3. ল্যাম্বডা ফাংশনটি পোষা বংশের পূর্বাভাস দেওয়ার জন্য স্বীকৃতি কাস্টম লেবেল ইনফারেন্স এন্ডপয়েন্টকে কল করে।
4. Lambda ফাংশন DynamoDB টেবিলে পোষা প্রাণীর বৈশিষ্ট্যগুলি সন্ধান করতে পূর্বাভাসিত পোষা প্রাণীর বংশের তথ্য ব্যবহার করে। এটি পোষা প্রাণীর বৈশিষ্ট্যগুলি সংগ্রহ করে এবং এটি পেটফাইন্ডার অ্যাপ্লিকেশনে ফেরত পাঠায়৷

নিম্নলিখিত চিত্রটি সমাধানের কার্যপ্রবাহকে চিত্রিত করে।

পুরিনাতে পেটফাইন্ডার দল একটি স্বয়ংক্রিয় সমাধান চায় যা তারা ন্যূনতম রক্ষণাবেক্ষণের সাথে স্থাপন করতে পারে। এটি সরবরাহ করার জন্য, আমরা স্টেপ ফাংশনগুলি ব্যবহার করে একটি স্টেট মেশিন তৈরি করি যা মডেলগুলিকে সর্বশেষ ডেটা সহ প্রশিক্ষণ দেয়, একটি বেঞ্চমার্ক সেটে তাদের কার্যকারিতা পরীক্ষা করে এবং যদি সেগুলি উন্নত হয় তবে মডেলগুলিকে পুনরায় স্থাপন করে৷ মডেল পুনঃপ্রশিক্ষণটি প্রোফাইল তথ্য জমা দেওয়ার ব্যবহারকারীদের দ্বারা করা জাত সংশোধনের সংখ্যা থেকে শুরু হয়।

মডেল প্রশিক্ষণ

ছবি বিশ্লেষণ করার জন্য একটি কাস্টম মডেল তৈরি করা একটি উল্লেখযোগ্য উদ্যোগ যার জন্য সময়, দক্ষতা এবং সংস্থান প্রয়োজন। উপরন্তু, সঠিকভাবে সিদ্ধান্ত নেওয়ার জন্য মডেলটিকে পর্যাপ্ত ডেটা সরবরাহ করার জন্য প্রায়ই হাজার হাজার বা হাজার হাজার হ্যান্ড-লেবেলযুক্ত চিত্রের প্রয়োজন হয়। এই ডেটা তৈরি করতে কয়েক মাস সময় লাগতে পারে এবং এটিকে মেশিন লার্নিং-এ ব্যবহারের জন্য লেবেল করার জন্য একটি বড় প্রচেষ্টার প্রয়োজন। নামক একটি কৌশল প্রশিক্ষণ স্থানান্তর একটি প্রাক-প্রশিক্ষিত মডেলের পরামিতিগুলি ধার করে উচ্চ-মানের মডেল তৈরি করতে সাহায্য করে এবং মডেলগুলিকে কম চিত্র সহ প্রশিক্ষিত করার অনুমতি দেয়।

আমাদের চ্যালেঞ্জ হল যে আমাদের ডেটা পুরোপুরি লেবেলযুক্ত নয়: যারা প্রোফাইল ডেটা প্রবেশ করে তারা ভুল করতে পারে এবং করতে পারে। যাইহোক, আমরা দেখতে পেয়েছি যে যথেষ্ট বড় ডেটা নমুনার জন্য, ভুল লেবেলযুক্ত চিত্রগুলি যথেষ্ট ছোট ভগ্নাংশের জন্য দায়ী এবং মডেলের কার্যকারিতা নির্ভুলতায় 2% এর বেশি প্রভাবিত হয়নি।

এমএল ওয়ার্কফ্লো এবং স্টেট মেশিন

অ্যামাজন রিকগনিশন মডেলের স্বয়ংক্রিয় পুনঃপ্রশিক্ষণে সহায়তা করার জন্য স্টেপ ফাংশন স্টেট মেশিন তৈরি করা হয়েছে। প্রোফাইল এন্ট্রির সময় প্রতিক্রিয়া সংগ্রহ করা হয়—প্রতিবার যখন একটি ইমেজ থেকে অনুমান করা হয়েছে এমন একটি জাত ব্যবহারকারীর দ্বারা একটি ভিন্ন জাত পরিবর্তন করা হয়, তখন সংশোধন রেকর্ড করা হয়। এই স্টেট মেশিনটি কনফিগারযোগ্য থ্রেশহোল্ড সংখ্যার সংশোধন এবং অতিরিক্ত ডেটা টুকরা থেকে ট্রিগার করা হয়েছে।

রাষ্ট্রীয় মেশিন একটি সমাধান তৈরি করতে বিভিন্ন পদক্ষেপের মধ্য দিয়ে চলে:

1. ট্রেন তৈরি করুন এবং এর তালিকা সহ ম্যানিফেস্ট ফাইল পরীক্ষা করুন আমাজন সিম্পল স্টোরেজ সার্ভিস (Amazon S3) ছবি পাথ এবং তাদের লেবেল Amazon Recognition দ্বারা ব্যবহারের জন্য।
2. ম্যানিফেস্ট ফাইল ব্যবহার করে একটি Amazon Recognition ডেটাসেট তৈরি করুন।
3. ডেটাসেট তৈরি হওয়ার পরে একটি Amazon Recognition মডেল সংস্করণকে প্রশিক্ষণ দিন।
4. প্রশিক্ষণ সম্পূর্ণ হলে মডেল সংস্করণ শুরু করুন।
5. মডেল মূল্যায়ন এবং কর্মক্ষমতা মেট্রিক্স উত্পাদন.
6. কর্মক্ষমতা মেট্রিক্স সন্তোষজনক হলে, প্যারামিটার স্টোরে মডেল সংস্করণ আপডেট করুন।
7. Lambda ফাংশনে (20 মিনিট) প্রচারের জন্য নতুন মডেল সংস্করণের জন্য অপেক্ষা করুন, তারপর পূর্ববর্তী মডেলটি বন্ধ করুন।

মডেল মূল্যায়ন

আমরা আমাদের মডেল যাচাই করতে আমাদের ডেটা নমুনা থেকে নেওয়া একটি র্যান্ডম 20% হোল্ডআউট সেট ব্যবহার করি। যেহেতু আমরা যে জাতগুলি সনাক্ত করি তা কনফিগারযোগ্য, আমরা প্রশিক্ষণের সময় বৈধতার জন্য একটি নির্দিষ্ট ডেটাসেট ব্যবহার করি না, তবে আমরা ইন্টিগ্রেশন পরীক্ষার জন্য একটি ম্যানুয়ালি লেবেলযুক্ত মূল্যায়ন সেট ব্যবহার করি। ম্যানুয়ালি লেবেল করা সেটের ওভারল্যাপ এবং মডেলের সনাক্তযোগ্য জাতগুলি মেট্রিক্স গণনা করতে ব্যবহৃত হয়। যদি মডেলের জাত সনাক্তকরণের নির্ভুলতা একটি নির্দিষ্ট থ্রেশহোল্ডের উপরে হয়, আমরা মডেলটিকে শেষ পয়েন্টে ব্যবহার করার জন্য প্রচার করি।

রেকগনিশন কাস্টম লেবেল থেকে পোষা প্রাণীর ভবিষ্যদ্বাণী কর্মপ্রবাহের কয়েকটি স্ক্রিনশট নিচে দেওয়া হল।

AWS CDK এর সাথে স্থাপনা

স্টেপ ফাংশন স্টেট মেশিন এবং সংশ্লিষ্ট অবকাঠামো (ল্যাম্বডা ফাংশন, কোডবিল্ড প্রজেক্ট এবং সিস্টেম ম্যানেজার প্যারামিটার সহ) পাইথন ব্যবহার করে AWS CDK এর সাথে স্থাপন করা হয়। AWS CDK কোড একটি CloudFormation টেমপ্লেট সংশ্লেষিত করে, যা এটি সমাধানের জন্য সমস্ত অবকাঠামো স্থাপন করতে ব্যবহার করে।

পেটফাইন্ডার অ্যাপ্লিকেশনের সাথে একীকরণ

পেটফাইন্ডার অ্যাপ্লিকেশনটি এপিআই গেটওয়ে এন্ডপয়েন্টের মাধ্যমে ইমেজ ক্লাসিফিকেশন এন্ডপয়েন্টটি অ্যাক্সেস করে একটি POST অনুরোধের সাথে একটি JSON পেলোড সহ ইমেজের জন্য Amazon S3 পাথ এবং ফলাফলের সংখ্যার জন্য ক্ষেত্র রয়েছে।

KPIs প্রভাবিত হবে

ইমেজ ইনফারেন্স এন্ডপয়েন্ট চালানোর অতিরিক্ত খরচকে ন্যায্যতা দিতে, আমরা পেটফাইন্ডারের জন্য এন্ডপয়েন্ট যে মান যোগ করে তা নির্ধারণ করতে পরীক্ষা চালিয়েছি। এন্ডপয়েন্টের ব্যবহার দুটি প্রধান ধরনের উন্নতির প্রস্তাব দেয়:

• পোষা আশ্রয়কেন্দ্রের জন্য কম প্রচেষ্টা যারা পোষা প্রোফাইল তৈরি করছে
• আরও সম্পূর্ণ পোষা প্রোফাইল, যা অনুসন্ধানের প্রাসঙ্গিকতা উন্নত করবে বলে আশা করা হচ্ছে

প্রচেষ্টা এবং প্রোফাইলের সম্পূর্ণতা পরিমাপের মেট্রিক্সের মধ্যে রয়েছে স্বয়ংক্রিয়ভাবে পূরণ করা ক্ষেত্রগুলির সংখ্যা যা সংশোধন করা হয়েছে, ক্ষেত্রগুলির মোট সংখ্যা এবং একটি পোষা প্রোফাইল আপলোড করার সময়। অনুসন্ধানের প্রাসঙ্গিকতার উন্নতি পরোক্ষভাবে দত্তক গ্রহণের হার সম্পর্কিত মূল কার্যক্ষমতা সূচক পরিমাপ থেকে অনুমান করা হয়। পুরিনার মতে, সমাধানটি লাইভ হওয়ার পরে, পেটফাইন্ডার অ্যাপ্লিকেশনে পোষা প্রাণীর প্রোফাইল তৈরি করার গড় সময় 7 মিনিট থেকে কমিয়ে 4 মিনিট করা হয়েছিল। এটি একটি বিশাল উন্নতি এবং সময় সাশ্রয় কারণ 2022 সালে, 4 মিলিয়ন পোষা প্রাণীর প্রোফাইল আপলোড করা হয়েছিল৷

নিরাপত্তা

আর্কিটেকচার ডায়াগ্রামের মধ্য দিয়ে প্রবাহিত ডেটা ট্রানজিটে এবং বিশ্রামে এনক্রিপ্ট করা হয়, AWS ভাল-আর্কিটেক্ট করা সেরা অনুশীলন. সমস্ত AWS ব্যস্ততার সময়, একজন নিরাপত্তা বিশেষজ্ঞ একটি নিরাপদ বাস্তবায়ন নিশ্চিত করার জন্য সমাধানটি পর্যালোচনা করেন।

উপসংহার

রেকগনিশন কাস্টম লেবেলের উপর ভিত্তি করে তাদের সমাধানের সাথে, Petfinder টিম পোষা আশ্রয়ের জন্য পোষা প্রাণীর প্রোফাইল তৈরিকে ত্বরান্বিত করতে সক্ষম, আশ্রয় কর্মীদের উপর প্রশাসনিক বোঝা হ্রাস করে৷ AWS CDK-এর উপর ভিত্তি করে স্থাপনা প্রশিক্ষণ এবং স্থাপনা প্রক্রিয়া স্বয়ংক্রিয় করতে একটি ধাপ ফাংশন কর্মপ্রবাহ স্থাপন করে। স্বীকৃতি কাস্টম লেবেল ব্যবহার শুরু করতে, পড়ুন Amazon Recognition কাস্টম লেবেল দিয়ে শুরু করা. আপনি কিছু চেক আউট করতে পারেন ধাপ ফাংশন উদাহরণ এবং AWS CDK দিয়ে শুরু করুন.

---

লেখক সম্পর্কে

ম্যাসন কাহিল AWS পেশাদার পরিষেবাগুলির সাথে একজন সিনিয়র DevOps পরামর্শদাতা৷ তিনি সংস্থাগুলিকে তাদের ব্যবসায়িক লক্ষ্য অর্জনে সহায়তা করা উপভোগ করেন এবং AWS ক্লাউডে স্বয়ংক্রিয় সমাধানগুলি তৈরি এবং সরবরাহ করার বিষয়ে উত্সাহী৷ কাজের বাইরে, তিনি তার পরিবারের সাথে সময় কাটাতে, হাইকিং করতে এবং ফুটবল খেলতে পছন্দ করেন।

ম্যাথু চেস Amazon Web Services-এর একজন ডেটা সায়েন্স কনসালটেন্ট, যেখানে তিনি গ্রাহকদের স্কেলেবল মেশিন লার্নিং সলিউশন তৈরি করতে সাহায্য করেন। ম্যাথিউ একটি গণিত পিএইচডি করেছেন এবং তার অবসর সময়ে রক ক্লাইম্বিং এবং সঙ্গীত উপভোগ করেন।

রুশিকেশ জগতাপ AWS অ্যানালিটিক্স পরিষেবাগুলিতে 5+ বছরের অভিজ্ঞতা সহ একজন সমাধান স্থপতি৷ তিনি গ্রাহকদের ডেটা থেকে অন্তর্দৃষ্টি অর্জনের জন্য মাপযোগ্য এবং আধুনিক ডেটা বিশ্লেষণ সমাধান তৈরি করতে সহায়তা করার বিষয়ে উত্সাহী৷ কাজের বাইরে, তিনি ফর্মুলা 1 দেখতে, ব্যাডমিন্টন খেলতে এবং গো কার্টস রেস করতে পছন্দ করেন।

তাইও ওলাজিদে একজন অভিজ্ঞ ক্লাউড ডেটা ইঞ্জিনিয়ারিং জেনারেলিস্ট যিনি ক্লাউড পরিবেশে স্থপতি এবং ডেটা সমাধান বাস্তবায়নে এক দশকেরও বেশি অভিজ্ঞতার সাথে। কাঁচা ডেটাকে মূল্যবান অন্তর্দৃষ্টিতে রূপান্তরিত করার আবেগের সাথে, Tayo অর্থ, স্বাস্থ্যসেবা এবং স্বয়ংক্রিয় শিল্প সহ বিভিন্ন শিল্পের জন্য ডেটা পাইপলাইন ডিজাইন এবং অপ্টিমাইজ করার ক্ষেত্রে একটি গুরুত্বপূর্ণ ভূমিকা পালন করেছে। ক্ষেত্রের একজন চিন্তাধারার নেতা হিসাবে, Tayo বিশ্বাস করে যে ডেটার শক্তি তার জ্ঞাত সিদ্ধান্ত নেওয়ার ক্ষমতার মধ্যে নিহিত এবং ব্যবসাগুলিকে ক্লাউড যুগে তাদের ডেটার সম্পূর্ণ সম্ভাবনাকে কাজে লাগাতে সাহায্য করতে প্রতিশ্রুতিবদ্ধ। তিনি যখন ডেটা পাইপলাইন তৈরি করছেন না, তখন আপনি Tayo-কে প্রযুক্তির সাম্প্রতিক প্রবণতাগুলি অন্বেষণ করতে, বাইরের বাইরে হাইকিং করতে বা গ্যাজেটরি এবং সফ্টওয়্যারের সাথে টিঙ্কারিং করতে পারেন৷

• 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/optimize-pet-profiles-for-purinas-petfinder-application-using-amazon-rekognition-custom-labels-and-aws-step-functions/