2021 সালে, আমরা চালু করেছি AWS সমর্থন সক্রিয় পরিষেবা এর অংশ হিসাবে AWS এন্টারপ্রাইজ সাপোর্ট প্রস্তাব এটির প্রবর্তনের পর থেকে, আমরা শত শত গ্রাহকদের তাদের কাজের চাপ অপ্টিমাইজ করতে, রেললাইন সেট করতে এবং তাদের মেশিন লার্নিং (ML) ওয়ার্কলোডের খরচ এবং ব্যবহারের দৃশ্যমানতা উন্নত করতে সাহায্য করেছি।
এই সিরিজের পোস্টগুলিতে, আমরা খরচ অপ্টিমাইজ করার বিষয়ে শেখা পাঠগুলি শেয়ার করি৷ আমাজন সেজমেকার. মধ্যে পার্ট 1, আমরা দেখিয়েছি কিভাবে ব্যবহার শুরু করতে হয় AWS কস্ট এক্সপ্লোরার SageMaker-এ খরচ অপ্টিমাইজেশানের সুযোগ সনাক্ত করতে। এই পোস্টে, আমরা সেজমেকারের ব্যবহার বিশ্লেষণ করার বিভিন্ন উপায়ে ফোকাস করি এবং সেজমেকার নোটবুকের উদাহরণগুলির জন্য খরচ অপ্টিমাইজেশানের সুযোগগুলি সনাক্ত করি এবং অ্যামাজন সেজমেকার স্টুডিও.
সেজমেকার নোটবুকের উদাহরণ
A সেজমেকার নোটবুক উদাহরণ জুপিটার নোটবুক অ্যাপটি চালানো একটি সম্পূর্ণরূপে পরিচালিত গণনা উদাহরণ। সেজমেকার উদাহরণ এবং সম্পর্কিত সংস্থান তৈরি পরিচালনা করে। নোটবুকগুলিতে ML ওয়ার্কফ্লো চালানো বা পুনরায় তৈরি করার জন্য প্রয়োজনীয় সমস্ত কিছুই রয়েছে৷ আপনি আপনার নোটবুকের উদাহরণে জুপিটার নোটবুকগুলি ব্যবহার করতে পারেন ডেটা প্রস্তুত এবং প্রক্রিয়া করতে, মডেলগুলিকে প্রশিক্ষণের জন্য কোড লিখতে, সেজমেকার হোস্টিং-এ মডেল স্থাপন করতে এবং আপনার মডেলগুলি পরীক্ষা বা যাচাই করতে পারেন৷ সেজমেকার নোটবুক ইন্সট্যান্সের খরচ নোটবুক ইন্সট্যান্স চলাকালীন সময়ে খরচ হওয়া ইন্সট্যান্স-ঘন্টার উপর ভিত্তি করে, সেইসাথে প্রভিশন করা স্টোরেজের GB-মাসের খরচ, যেমন উল্লেখ করা হয়েছে অ্যামাজন সেজমেকার প্রাইসিং.
Cost Explorer-এ, আপনি ফিল্টার চালু করে নোটবুকের খরচ ফিল্টার করতে পারেন ব্যবহারের ধরণ. এই ধরনের ব্যবহারের নামগুলি নিম্নরূপ গঠন করা হয়েছে:
REGION-Notebk:instanceType
(উদাহরণ স্বরূপ,USE1-Notebk:ml.g4dn.8xlarge
)REGION-Notebk:VolumeUsage.gp2
(উদাহরণ স্বরূপ,USE2-Notebk:VolumeUsage.gp2
)
ব্যবহারের ধরন দ্বারা ফিল্টারিং Notebk:
আপনাকে একটি অ্যাকাউন্টে নোটবুকের ব্যবহারের ধরনগুলির একটি তালিকা দেখাবে৷ নিম্নলিখিত স্ক্রিনশট হিসাবে দেখানো হয়েছে, আপনি নির্বাচন করতে পারেন সবগুলি এবং নির্বাচন করুন প্রয়োগ করা আপনার নোটবুক ব্যবহারের খরচ ব্রেকডাউন প্রদর্শন করতে।
ব্যবহারের ঘন্টার সংখ্যা দ্বারা নির্বাচিত নোটবুকের ব্যবহারের প্রকারের ব্যয়ের ভাঙ্গন দেখতে, আপনাকে সমস্তগুলিকে ডি-সিলেক্ট করতে হবে REGION-Notebk:VolumeUsage.gp2
পূর্ববর্তী তালিকা থেকে ব্যবহারের ধরন এবং নির্বাচন করুন প্রয়োগ করা ফিল্টার প্রয়োগ করতে। নিম্নলিখিত স্ক্রিনশটটি নির্বাচিত নোটবুক ব্যবহারের ধরনগুলির জন্য খরচ এবং ব্যবহারের গ্রাফগুলি দেখায়৷
এছাড়াও আপনি অতিরিক্ত ফিল্টার প্রয়োগ করতে পারেন যেমন অ্যাকাউন্ট নম্বর, অ্যামাজন ইলাস্টিক কম্পিউট ক্লাউড (Amazon EC2) উদাহরণের ধরন, খরচ বরাদ্দ ট্যাগ, অঞ্চল, এবং আরো. গ্রানুলারিটি এতে পরিবর্তন করা হচ্ছে দৈনিক নিম্নলিখিত স্ক্রিনশটে দেখানো হিসাবে নির্বাচিত ব্যবহারের ধরন এবং মাত্রার উপর ভিত্তি করে আপনাকে দৈনিক খরচ এবং ব্যবহারের চার্ট দেয়।
পূর্ববর্তী উদাহরণে, USE2 অঞ্চলে ml.t2.medium টাইপের নোটবুক উদাহরণ 24 জুলাই থেকে 2 সেপ্টেম্বরের মধ্যে 26 ঘন্টা দৈনিক ব্যবহারের প্রতিবেদন করছে। একইভাবে, ml.t3.medium টাইপের নোটবুকের উদাহরণ USE1 অঞ্চলটি 24 আগস্ট থেকে 3 সেপ্টেম্বরের মধ্যে দৈনিক 26 ঘন্টা এবং 48 সেপ্টেম্বর থেকে 26 ডিসেম্বরের মধ্যে দৈনিক 31 ঘন্টা ব্যবহারের রিপোর্ট করছে৷ একাধিক দিনের জন্য 24 ঘন্টা বা তার বেশি দৈনিক ব্যবহার ইঙ্গিত করতে পারে যে একটি নোটবুকের উদাহরণ একাধিক দিনের জন্য চলমান রেখে দেওয়া হয়েছে কিন্তু সক্রিয় ব্যবহারে নেই। এই ধরনের প্যাটার্ন অলস রানটাইম প্রতিরোধ করার জন্য নোটবুকের দৃষ্টান্তের ম্যানুয়াল বা স্বয়ংক্রিয়-শাটডাউনের মতো খরচ নিয়ন্ত্রণের গার্ডেল প্রয়োগ করে উপকৃত হতে পারে।
যদিও কস্ট এক্সপ্লোরার আপনাকে ইনস্ট্যান্স টাইপের গ্রানুলারিটিতে খরচ এবং ব্যবহার ডেটা বুঝতে সাহায্য করে, আপনি ব্যবহার করতে পারেন AWS খরচ এবং ব্যবহার রিপোর্ট (AWS CUR) নোটবুক ARN-এর মতো রিসোর্সের গ্রানুলারিটিতে ডেটা পেতে। আপনি স্ট্যান্ডার্ড SQL ব্যবহার করে AWS CUR ডেটা দেখার জন্য কাস্টম প্রশ্ন তৈরি করতে পারেন। অতিরিক্ত মাত্রার গ্রানুলারিটির জন্য আপনি আপনার ক্যোয়ারীতে খরচ-বরাদ্দ ট্যাগও অন্তর্ভুক্ত করতে পারেন। নিম্নলিখিত ক্যোয়ারী আপনার AWS CUR ডেটা থেকে গত 3 মাসের জন্য নোটবুক সম্পদের ব্যবহার প্রদান করে:
নিম্নলিখিত স্ক্রিনশট AWS CUR ক্যোয়ারী ব্যবহার করে প্রাপ্ত ফলাফলগুলি দেখায় অ্যামাজন অ্যাথেনা. এথেনা ব্যবহার সম্পর্কে আরও তথ্যের জন্য, পড়ুন Amazon Athena ব্যবহার করে খরচ এবং ব্যবহারের প্রতিবেদন জিজ্ঞাসা করা.
প্রশ্নের ফলাফল যে নোটবুক দেখায় dev-notebook
একটি ml.t2.medium ইন্সট্যান্সে চলমান একাধিক দিনের জন্য 24 ঘন্টা ব্যবহারের রিপোর্ট করছে। দৃষ্টান্তের হার হল $0.0464/ঘন্টা এবং 24 ঘন্টা চালানোর জন্য দৈনিক খরচ হল $1.1136৷
AWS CUR ক্যোয়ারী ফলাফল আপনাকে পরপর দিন ধরে চলমান নোটবুকের প্যাটার্ন সনাক্ত করতে সাহায্য করতে পারে, যা খরচ অপ্টিমাইজেশনের জন্য বিশ্লেষণ করা যেতে পারে। আরো তথ্য এবং উদাহরণ প্রশ্ন পাওয়া যাবে AWS CUR ক্যোয়ারী লাইব্রেরি.
আপনি এতে AWS CUR ডেটাও ফিড করতে পারেন অ্যামাজন কুইকসাইট, যেখানে আপনি রিপোর্টিং বা ভিজ্যুয়ালাইজেশনের উদ্দেশ্যে যেকোনভাবে এটিকে টুকরো টুকরো করে কাটাতে পারেন। QuickSight-এ AWS CUR ডেটা ইনজেস্ট করার নির্দেশাবলীর জন্য, দেখুন আমি কীভাবে অ্যামাজন কুইকসাইট-এ AWS খরচ এবং ব্যবহার প্রতিবেদন (CUR) গ্রহণ করব এবং কল্পনা করব.
অপ্টিমাইজ নোটবুক উদাহরণ খরচ
সেজমেকার নোটবুকগুলি এমএল মডেল বিকাশের জন্য উপযুক্ত, যার মধ্যে ইন্টারেক্টিভ ডেটা অন্বেষণ, স্ক্রিপ্ট লেখা, বৈশিষ্ট্য প্রকৌশলের প্রোটোটাইপিং এবং মডেলিং অন্তর্ভুক্ত রয়েছে। এই কাজের প্রতিটির বিভিন্ন কম্পিউটিং সম্পদ প্রয়োজনীয়তা থাকতে পারে। বিভিন্ন কাজের চাপ পরিবেশন করার জন্য সঠিক ধরনের কম্পিউটিং সংস্থান অনুমান করা চ্যালেঞ্জিং, এবং সম্পদের অত্যধিক সংস্থান হতে পারে, যার ফলে খরচ বেড়ে যায়।
এমএল মডেল ডেভেলপমেন্টের জন্য, একটি সেজমেকার নোটবুক ইন্সট্যান্সের আকার অর্থপূর্ণ অনুসন্ধানমূলক ডেটা বিশ্লেষণের (EDA) জন্য ইন-মেমরিতে কত ডেটা লোড করতে হবে এবং প্রয়োজনীয় গণনার পরিমাণের উপর নির্ভর করে। আমরা সাধারণ-উদ্দেশ্যের উদাহরণ (যেমন T বা M পরিবার) দিয়ে ছোট শুরু করার এবং প্রয়োজন অনুসারে স্কেল করার পরামর্শ দিই। উদাহরণস্বরূপ, ml.t2.medium বেশিরভাগ মৌলিক ডেটা প্রসেসিং, ফিচার ইঞ্জিনিয়ারিং এবং EDA এর জন্য যথেষ্ট যা 4 GB মেমরির মধ্যে রাখা যেতে পারে এমন ছোট ডেটাসেটের সাথে কাজ করে। যদি আপনার মডেল ডেভেলপমেন্টে ভারী কম্পিউটেশনাল কাজ (যেমন ইমেজ প্রসেসিং) জড়িত থাকে, তাহলে আপনি আপনার ছোট নোটবুকের ইন্সট্যান্স বন্ধ করে দিতে পারেন এবং ইনস্ট্যান্সের ধরনটিকে পছন্দসই বড় ইনস্ট্যান্সে পরিবর্তন করতে পারেন, যেমন ml.c5.xlarge। যখন আপনার আর বড় দৃষ্টান্তের প্রয়োজন হয় না তখন আপনি ছোট দৃষ্টান্তে ফিরে যেতে পারেন। এটি গণনা খরচ কম রাখতে সাহায্য করবে।
আপনার নোটবুক দৃষ্টান্তের খরচ কমাতে সাহায্য করার জন্য নিম্নলিখিত সেরা অনুশীলনগুলি বিবেচনা করুন৷
সিপিইউ বনাম জিপিইউ
সিপিইউ বনাম জিপিইউ নোটবুক দৃষ্টান্ত বিবেচনা করা উদাহরণ ডান-আকারের জন্য গুরুত্বপূর্ণ। সিপিইউগুলি একক, আরও জটিল গণনাগুলিকে ক্রমানুসারে পরিচালনা করার জন্য সেরা, যেখানে জিপিইউগুলি সমান্তরালে একাধিক কিন্তু সাধারণ গণনা পরিচালনা করতে ভাল। অনেক ব্যবহারের ক্ষেত্রে, এম এর মতো একটি উদাহরণ পরিবার থেকে একটি আদর্শ বর্তমান প্রজন্মের উদাহরণ টাইপ নোটবুকের জন্য যথেষ্ট কম্পিউটিং শক্তি, মেমরি এবং নেটওয়ার্ক কর্মক্ষমতা প্রদান করে।
আপনি যদি কার্যকরভাবে তাদের সুবিধা গ্রহণ করেন তবে GPUs একটি দুর্দান্ত মূল্য/কর্মক্ষমতা অনুপাত প্রদান করে। উদাহরণ স্বরূপ, আপনি যদি সেজমেকার নোটবুকে আপনার গভীর শিক্ষার মডেলটি প্রশিক্ষণ দেন এবং আপনার নিউরাল নেটওয়ার্ক তুলনামূলকভাবে বড় হয়, হাজার হাজার পরামিতি সম্বলিত বিপুল সংখ্যক গণনা সম্পাদন করে, তাহলে আপনার মডেল প্রদত্ত ত্বরিত গণনা এবং হার্ডওয়্যার সমান্তরালতার সুবিধা নিতে পারে। GPU দৃষ্টান্ত যেমন P দৃষ্টান্ত পরিবার দ্বারা। যাইহোক, GPU দৃষ্টান্তগুলি শুধুমাত্র আপনার প্রয়োজন হলেই ব্যবহার করার পরামর্শ দেওয়া হয় কারণ সেগুলি ব্যয়বহুল এবং আপনার নোটবুকের প্রয়োজন না হলে GPU যোগাযোগের ওভারহেড কর্মক্ষমতা হ্রাস করতে পারে। আমরা ইন্টারেক্টিভ বিল্ডিংয়ের জন্য কম্পিউটে ছোট উদাহরণ সহ নোটবুক ব্যবহার করার পরামর্শ দিই এবং জিপিইউ-সক্ষম উদাহরণ সহ বৃহত্তর উদাহরণ সহ ক্ষণস্থায়ী প্রশিক্ষণ, টিউনিং এবং প্রক্রিয়াকরণের কাজগুলিতে ভারী উত্তোলন ছেড়ে দিন। এইভাবে, আপনি আপনার নোটবুকের সাথে ক্রমাগত একটি বড় উদাহরণ (বা একটি GPU) চালিয়ে যাবেন না। আপনার যদি আপনার নোটবুক পরিবেশে ত্বরিত কম্পিউটিং প্রয়োজন হয়, আপনি আপনার m*ফ্যামিলি নোটবুক ইন্সট্যান্স বন্ধ করতে পারেন, একটি GPU-সক্ষম P* ফ্যামিলি ইনস্ট্যান্সে স্যুইচ করতে পারেন এবং আবার শুরু করতে পারেন। যখন আপনার বিকাশের পরিবেশে আপনার আর সেই অতিরিক্ত বুস্টের প্রয়োজন হবে না তখন এটিকে আবার স্যুইচ করতে ভুলবেন না।
নির্দিষ্ট উদাহরণের প্রকারে ব্যবহারকারীর অ্যাক্সেস সীমাবদ্ধ করুন
অ্যাডমিনিস্ট্রেটররা ব্যবহারকারীদের নোটবুক তৈরি করা থেকে সীমাবদ্ধ করতে পারেন যা খুব বড় এডাব্লুএস আইডেন্টিটি এবং অ্যাক্সেস ম্যানেজমেন্ট (IAM) নীতি। উদাহরণস্বরূপ, নিম্নলিখিত নমুনা নীতি শুধুমাত্র ব্যবহারকারীদের ছোট t3 SageMaker নোটবুক উদাহরণ তৈরি করতে দেয়:
অ্যাডমিনিস্ট্রেটররাও ব্যবহার করতে পারেন AWS পরিষেবা ক্যাটালগ সেজমেকার নোটবুকের স্ব-পরিষেবার অনুমতি দিতে। এটি আপনাকে একটি নোটবুক তৈরি করার সময় ব্যবহারকারীদের জন্য উপলব্ধ উদাহরণ প্রকারগুলিকে সীমাবদ্ধ করতে দেয়৷ আরও তথ্যের জন্য, দেখুন Amazon SageMaker নোটবুক এবং AWS পরিষেবা ক্যাটালগ ব্যবহার করে স্ব-পরিষেবা, সুরক্ষিত ডেটা বিজ্ঞান সক্ষম করুন এবং AWS কন্ট্রোল টাওয়ার পরিবেশে AWS পরিষেবা ক্যাটালগ এবং AWS SSO ব্যবহার করে Amazon SageMaker স্টুডিও চালু করুন.
অলস নোটবুক উদাহরণ বন্ধ করুন
আপনার খরচ কম রাখতে, আমরা আপনার নোটবুকের দৃষ্টান্ত বন্ধ করার পরামর্শ দিই যখন আপনার প্রয়োজন নেই এবং যখন আপনার প্রয়োজন হবে তখন সেগুলি শুরু করুন৷ নিষ্ক্রিয় নোটবুকের উদাহরণ স্বয়ংক্রিয়ভাবে সনাক্ত করা এবং একটি ব্যবহার করে তাদের জীবনচক্র পরিচালনা করার কথা বিবেচনা করুন জীবনচক্র কনফিগারেশন স্ক্রিপ্ট। উদাহরণ স্বরূপ, অটো-স্টপ-অলস একটি নমুনা শেল স্ক্রিপ্ট যা একটি SageMaker নোটবুক 1 ঘন্টার বেশি নিষ্ক্রিয় থাকলে তা বন্ধ করে দেয়।
AWS রক্ষণাবেক্ষণ করে নোটবুক লাইফসাইকেল কনফিগারেশন স্ক্রিপ্টের পাবলিক রিপোজিটরি যেটি নোটবুক দৃষ্টান্তগুলি কাস্টমাইজ করার জন্য সাধারণ ব্যবহারের ক্ষেত্রে সম্বোধন করে, অলস নোটবুক বন্ধ করার জন্য একটি নমুনা ব্যাশ স্ক্রিপ্ট সহ।
নোটবুক দৃষ্টান্তগুলির স্বয়ংক্রিয় শুরু এবং থামার সময়সূচী করুন
নোটবুকের খরচ বাঁচানোর আরেকটি পদ্ধতি হল নির্দিষ্ট সময়ে আপনার নোটবুকগুলি স্বয়ংক্রিয়ভাবে শুরু করা এবং বন্ধ করা। আপনি ব্যবহার করে এটি সম্পন্ন করতে পারেন অ্যামাজন ইভেন্টব্রিজ নিয়ম এবং এডাব্লুএস ল্যাম্বদা ফাংশন আপনার ল্যাম্বডা ফাংশন কনফিগার করার বিষয়ে আরও তথ্যের জন্য, দেখুন ল্যাম্বডা ফাংশন বিকল্পগুলি কনফিগার করা হচ্ছে. আপনি ফাংশনগুলি তৈরি করার পরে, আপনি একটি নির্দিষ্ট সময়সূচীতে এই ফাংশনগুলিকে ট্রিগার করার জন্য নিয়ম তৈরি করতে পারেন, উদাহরণস্বরূপ, প্রতি সপ্তাহের দিন সকাল 7:00 এ নোটবুকগুলি শুরু করুন৷ দেখা একটি অ্যামাজন ইভেন্টব্রিজ নিয়ম তৈরি করা যা একটি সময়সূচীতে চলে নির্দেশের জন্য। একটি Lambda ফাংশন সহ স্ক্রিপ্টগুলি নোটবুকগুলি শুরু এবং বন্ধ করার জন্য, পড়ুন Amazon SageMaker-এ দক্ষ গণনা সংস্থান নিশ্চিত করুন.
সেজমেকার স্টুডিও
স্টুডিও ডেটা বিজ্ঞানীদের ইন্টারেক্টিভভাবে এমএল মডেল তৈরি, প্রশিক্ষণ এবং স্থাপন করার জন্য একটি সম্পূর্ণরূপে পরিচালিত সমাধান প্রদান করে। স্টুডিও নোটবুক এক-ক্লিক সহযোগী জুপিটার নোটবুক যা দ্রুত তৈরি করা যায় কারণ আপনাকে আগে থেকে কম্পিউট ইনস্ট্যান্স এবং ফাইল স্টোরেজ সেট আপ করতে হবে না। ব্যবহারের সময়কালের উপর ভিত্তি করে আপনার নোটবুক চালানোর জন্য আপনি যে কম্পিউট ইনস্ট্যান্স টাইপ বেছে নেন তার জন্য আপনাকে চার্জ করা হবে। স্টুডিও ব্যবহার করার জন্য কোন অতিরিক্ত চার্জ নেই। স্টুডিও নোটবুক, ইন্টারেক্টিভ শেল, কনসোল এবং টার্মিনাল চালানোর জন্য যে খরচ হয় তা এমএল কম্পিউট ইনস্ট্যান্স ব্যবহারের উপর ভিত্তি করে।
চালু হলে, রিসোর্সটি নির্বাচিত ইনস্ট্যান্স টাইপের একটি ML কম্পিউট ইনস্ট্যান্সে চালানো হয়। যদি এই ধরনের একটি দৃষ্টান্ত পূর্বে চালু করা হয় এবং উপলব্ধ হয়, সম্পদটি সেই দৃষ্টান্তে চালানো হয়। CPU-ভিত্তিক চিত্রগুলির জন্য, ডিফল্ট প্রস্তাবিত উদাহরণের ধরন হল ml.t3.medium৷ GPU-ভিত্তিক ছবির জন্য, ডিফল্ট প্রস্তাবিত উদাহরণের ধরন হল ml.g4dn.xlarge। প্রতি দৃষ্টান্তে বিলিং ঘটে এবং একটি প্রদত্ত উদাহরণ প্রকারের প্রথম দৃষ্টান্ত চালু হলে শুরু হয়।
আপনি যদি চার্জের ঝুঁকি ছাড়াই একটি নোটবুক তৈরি বা খুলতে চান, তাহলে থেকে নোটবুকটি খুলুন। ফাইল মেনু এবং নির্বাচন করুন কার্নেল নেই থেকে কার্নেল নির্বাচন করুন ডায়ালগ আপনি চলমান কার্নেল ছাড়া একটি নোটবুক পড়তে এবং সম্পাদনা করতে পারেন, কিন্তু আপনি কোষ চালাতে পারবেন না। প্রতিটি উদাহরণের জন্য আপনাকে আলাদাভাবে বিল করা হবে। ইন্সট্যান্সের সমস্ত KernelGateway অ্যাপ বন্ধ হয়ে গেলে বা ইন্সট্যান্স বন্ধ হয়ে গেলে বিলিং শেষ হয়। মূল্যের উদাহরণ সহ বিলিং সম্পর্কে তথ্যের জন্য, দেখুন অ্যামাজন সেজমেকার মূল্য নির্ধারণ।
Cost Explorer-এ, আপনি ফিল্টার চালু করে স্টুডিও নোটবুকের খরচ ফিল্টার করতে পারেন ব্যবহারের ধরণ. এই ধরনের ব্যবহারের নাম এইভাবে গঠন করা হয়েছে: REGION-studio:KernelGateway-instanceType
(উদাহরণ স্বরূপ, USE1-Studio:KernelGateway-ml.m5.large
)
ব্যবহারের ধরন দ্বারা ফিল্টারিং studio:
Cost Explorer-এ আপনাকে একটি অ্যাকাউন্টে স্টুডিও ব্যবহারের প্রকারের তালিকা দেখাবে। আপনি প্রয়োজনীয় ব্যবহারের ধরন নির্বাচন করতে পারেন, বা নির্বাচন করতে পারেন সবগুলি এবং নির্বাচন করুন প্রয়োগ করা স্টুডিও অ্যাপ ব্যবহারের খরচ ব্রেকডাউন প্রদর্শন করতে। নিম্নলিখিত স্ক্রিনশট সব নির্বাচন দেখায় studio
খরচ বিশ্লেষণের জন্য ব্যবহারের ধরন।
আরও দানাদার খরচ বিশ্লেষণের জন্য আপনি অতিরিক্ত ফিল্টার যেমন অঞ্চল, লিঙ্ক করা অ্যাকাউন্ট বা উদাহরণের ধরন প্রয়োগ করতে পারেন। গ্রানুলারিটি এতে পরিবর্তন করা হচ্ছে দৈনিক নিম্নলিখিত স্ক্রিনশটে দেখানো হিসাবে আপনাকে নির্বাচিত ব্যবহারের ধরন এবং মাত্রা ভিত্তিক দৈনিক খরচ এবং ব্যবহারের চার্ট দেয়।
পূর্ববর্তী উদাহরণে, USE3 অঞ্চলে ml.t1.medium টাইপের স্টুডিও কার্নেলগেটওয়ে উদাহরণ 48 জানুয়ারি থেকে 1 জানুয়ারির মধ্যে 24 ঘন্টা দৈনিক ব্যবহারের রিপোর্ট করছে, তারপরে 24 ফেব্রুয়ারি পর্যন্ত প্রতিদিন 11 ঘন্টা ব্যবহার করা হয়েছে। একইভাবে, USE5 অঞ্চলে ml.m1.large টাইপের Studio KernelGateway ইন্সট্যান্স 24 জানুয়ারি থেকে 1 জানুয়ারী পর্যন্ত দৈনিক ব্যবহারের 23 ঘন্টা রিপোর্ট করছে। একাধিক দিনের জন্য 24 ঘন্টা বা তার বেশি দৈনিক ব্যবহার স্টুডিও নোটবুক ইনস্ট্যান্স চলার সম্ভাবনাকে নির্দেশ করে। একটানা একাধিক দিন। এই ধরনের প্যাটার্ন ব্যবহার না করার সময় স্টুডিও অ্যাপের ম্যানুয়াল বা স্বয়ংক্রিয়ভাবে শাটডাউনের মতো খরচ নিয়ন্ত্রণের রেললাইন প্রয়োগ করে উপকৃত হতে পারে।
পূর্বে উল্লিখিত হিসাবে, আপনি একটি সম্পদের গ্রানুলারিটি ডেটা পেতে AWS CUR ব্যবহার করতে পারেন এবং স্ট্যান্ডার্ড SQL ব্যবহার করে AWS CUR ডেটা দেখতে কাস্টম কোয়েরি তৈরি করতে পারেন। অতিরিক্ত মাত্রার গ্রানুলারিটির জন্য আপনি আপনার ক্যোয়ারীতে খরচ-বরাদ্দ ট্যাগও অন্তর্ভুক্ত করতে পারেন। নিম্নলিখিত ক্যোয়ারী আপনার AWS CUR ডেটা থেকে গত 3 মাসের জন্য Studio KernelGateway সম্পদের ব্যবহার প্রদান করে:
নিম্নলিখিত স্ক্রিনশটটি এথেনা ব্যবহার করে AWS CUR ক্যোয়ারী চালানো থেকে প্রাপ্ত ফলাফলগুলি দেখায়৷
কোয়েরির ফলাফলে দেখা যাচ্ছে যে স্টুডিও কার্নেলগেটওয়ে নামের অ্যাপটি datascience-1-0-ml-t3-medium-1abf3407f667f989be9d86559395
অ্যাকাউন্টে চলমান 111111111111
, স্টুডিও ডোমেইন d-domain1234
, এবং ব্যবহারকারীর প্রোফাইল user1
একটি ml.t3.medium উদাহরণে একাধিক দিনের জন্য 24 ঘন্টা ব্যবহারের রিপোর্ট করছে। দৃষ্টান্তের হার হল $0.05/ঘন্টা এবং 24 ঘন্টা চালানোর জন্য দৈনিক খরচ হল $1.20৷
AWS CUR ক্যোয়ারী ফলাফল প্রতি ঘণ্টায় বা দৈনিক ব্যবহারের একটি দানাদার স্তরে একটানা দিন ধরে চলমান সংস্থানগুলির প্যাটার্ন সনাক্ত করতে সাহায্য করতে পারে, যা খরচ অপ্টিমাইজেশানের জন্য বিশ্লেষণ করা যেতে পারে। সেজমেকার নোটবুকের মতো, আপনি রিপোর্টিং বা ভিজ্যুয়ালাইজেশনের উদ্দেশ্যে QuickSight-এ AWS CUR ডেটাও ফিড করতে পারেন।
সেজমেকার ডেটা র্যাংলার
অ্যামাজন সেজমেকার ডেটা র্যাংলার স্টুডিওর একটি বৈশিষ্ট্য যা আপনাকে একটি কম-কোড ভিজ্যুয়াল ইন্টারফেস থেকে ডেটা প্রস্তুতি এবং বৈশিষ্ট্য প্রকৌশল প্রক্রিয়াকে সহজ করতে সাহায্য করে। একটি স্টুডিও ডেটা র্যাংলার অ্যাপের ব্যবহারের প্রকারের নামটি এইভাবে গঠন করা হয়েছে REGION-Studio_DW:KernelGateway-instanceType
(উদাহরণ স্বরূপ, USE1-Studio_DW:KernelGateway-ml.m5.4xlarge
).
ব্যবহারের ধরন দ্বারা ফিল্টারিং studio_DW:
কস্ট এক্সপ্লোরার-এ আপনাকে একটি অ্যাকাউন্টে স্টুডিও ডেটা র্যাংলার ব্যবহারের প্রকারের তালিকা দেখাবে। আপনি প্রয়োজনীয় ব্যবহারের ধরন নির্বাচন করতে পারেন, বা নির্বাচন করতে পারেন সবগুলি এবং নির্বাচন করুন প্রয়োগ করা স্টুডিও ডেটা র্যাংলার অ্যাপ ব্যবহারের খরচ ভাঙ্গন প্রদর্শন করতে। নিম্নলিখিত স্ক্রিনশট সব নির্বাচন দেখায় studio_DW
খরচ বিশ্লেষণের জন্য ব্যবহারের ধরন।
আগে উল্লেখ করা হয়েছে, আপনি আরও দানাদার খরচ বিশ্লেষণের জন্য অতিরিক্ত ফিল্টার প্রয়োগ করতে পারেন। উদাহরণস্বরূপ, নিম্নলিখিত স্ক্রিনশটটি একাধিক দিনের জন্য USE24 অঞ্চলে স্টুডিও ডেটা র্যাংলার ইন্সট্যান্স টাইপ ml.m5.4xlarge এর দৈনিক ব্যবহারের 1 ঘন্টা এবং এর সাথে সম্পর্কিত খরচ দেখায়। এই ধরনের অন্তর্দৃষ্টি খরচ নিয়ন্ত্রণ ব্যবস্থা প্রয়োগ করতে ব্যবহার করা যেতে পারে যেমন স্টুডিও অ্যাপগুলি যখন ব্যবহার করা হয় না তখন বন্ধ করা।
আপনি AWS CUR থেকে সম্পদ-স্তরের তথ্য পেতে পারেন, এবং স্ট্যান্ডার্ড SQL ব্যবহার করে AWS CUR ডেটা খুঁজতে কাস্টম কোয়েরি তৈরি করতে পারেন। নিম্নলিখিত ক্যোয়ারী আপনার AWS CUR ডেটা থেকে গত 3 মাসের জন্য Studio Data Wrangler অ্যাপ রিসোর্স ব্যবহার এবং সংশ্লিষ্ট খরচ প্রদান করে:
SELECT bill_payer_account_id, line_item_usage_account_id, line_item_resource_id AS studio_notebook_arn, line_item_usage_type, DATE_FORMAT((line_item_usage_start_date),'%Y-%m-%d') AS day_line_item_usage_start_date, SUM(CAST(line_item_usage_amount AS DOUBLE)) AS sum_line_item_usage_amount, line_item_unblended_rate, SUM(CAST(line_item_unblended_cost AS DECIMAL(16,8))) AS sum_line_item_unblended_cost, line_item_blended_rate, SUM(CAST(line_item_blended_cost AS DECIMAL(16,8))) AS sum_line_item_blended_cost, line_item_line_item_description, line_item_line_item_type FROM {$table_name} WHERE line_item_usage_start_date >= date_trunc('month',current_date - interval '3' month) AND line_item_product_code = 'AmazonSageMaker' AND line_item_line_item_type IN ('DiscountedUsage', 'Usage', 'SavingsPlanCoveredUsage') AND line_item_usage_type like '%Studio_DW:KernelGateway%' AND line_item_operation = 'RunInstance' AND bill_payer_account_id = 'xxxxxxxxxxxx' GROUP BY bill_payer_account_id, line_item_usage_account_id, line_item_resource_id, line_item_usage_type, line_item_unblended_rate, line_item_blended_rate, line_item_line_item_type, DATE_FORMAT((line_item_usage_start_date),'%Y-%m-%d'), line_item_line_item_description ORDER BY line_item_resource_id, day_line_item_usage_start_date
নিম্নলিখিত স্ক্রিনশটটি এথেনা ব্যবহার করে AWS CUR ক্যোয়ারী চালানো থেকে প্রাপ্ত ফলাফলগুলি দেখায়৷
কোয়েরির ফলাফলে দেখা যাচ্ছে যে স্টুডিও ডেটা র্যাংলার নামের অ্যাপটি sagemaker-data-wrang-ml-m5-4xlarge-b741c1a025d542c78bb538373f2d
অ্যাকাউন্টে চলমান 111111111111
, স্টুডিও ডোমেইন d-domain1234
, এবং ব্যবহারকারীর প্রোফাইল user1
একটি ml.m5.4x বৃহৎ উদাহরণে একাধিক দিনের জন্য 24 ঘন্টা ব্যবহারের রিপোর্ট করা হচ্ছে। দৃষ্টান্তের হার হল $0.922/ঘন্টা এবং 24 ঘন্টা চালানোর জন্য দৈনিক খরচ হল $22.128৷
অপ্টিমাইজ স্টুডিও খরচ
স্টুডিও নোটবুকগুলি ব্যবহারের সময়কালের উপর ভিত্তি করে আপনার চয়ন করা উদাহরণের জন্য চার্জ করা হয়৷ চার্জ নেওয়া বন্ধ করতে আপনাকে অবশ্যই বন্ধ করতে হবে। আপনি যদি দৃষ্টান্তে চলমান নোটবুকটি বন্ধ করে দেন কিন্তু দৃষ্টান্তটি বন্ধ না করেন, তাহলেও আপনাকে চার্জ দিতে হবে। আপনি যখন স্টুডিও নোটবুক দৃষ্টান্ত বন্ধ করেন, তখন যেকোন অতিরিক্ত সংস্থান, যেমন সেজমেকার এন্ডপয়েন্ট, আমাজন ইএমআর ক্লাস্টার, এবং আমাজন সিম্পল স্টোরেজ সার্ভিস (Amazon S3) স্টুডিও থেকে তৈরি বালতি মুছে ফেলা হয় না। সেই সম্পদগুলি মুছুন যদি তাদের আর চার্জ সংগ্রহ বন্ধ করার প্রয়োজন না হয়। স্টুডিও রিসোর্স বন্ধ করার বিষয়ে আরো বিস্তারিত জানার জন্য, পড়ুন সম্পদ বন্ধ করুন. আপনি যদি ডেটা র্যাংলার ব্যবহার করেন তবে খরচ বাঁচাতে আপনার কাজ শেষ হওয়ার পরে এটি বন্ধ করা গুরুত্বপূর্ণ। বিস্তারিত জানার জন্য, পড়ুন ডাটা র্যাংলার বন্ধ করুন.
আপনার স্টুডিও নোটবুকের খরচ কমাতে সাহায্য করার জন্য নিম্নলিখিত সেরা অনুশীলনগুলি বিবেচনা করুন।
নিষ্ক্রিয় স্টুডিও নোটবুক দৃষ্টান্তগুলি স্বয়ংক্রিয়ভাবে বন্ধ করুন
আপনি স্বয়ংক্রিয়ভাবে নিষ্ক্রিয় স্টুডিও নোটবুক সংস্থান বন্ধ করতে পারেন জীবনচক্র কনফিগারেশন স্টুডিওতে আপনি একটি জুপিটারল্যাব এক্সটেনশন ইনস্টল এবং ব্যবহার করতে পারেন GitHub একটি স্টুডিও জীবনচক্র কনফিগারেশন হিসাবে। স্টুডিও আর্কিটেকচারের বিস্তারিত নির্দেশাবলী এবং এক্সটেনশন যোগ করার জন্য, দেখুন অ্যামাজন সেজমেকার স্টুডিওতে স্বয়ংক্রিয়ভাবে নিষ্ক্রিয় সংস্থানগুলি বন্ধ করে খরচগুলি সাশ্রয় করুন.
ফ্লাইতে আকার পরিবর্তন করুন
নোটবুকের ক্ষেত্রে স্টুডিও নোটবুকের সুবিধা হল স্টুডিওর সাথে, অন্তর্নিহিত গণনা সংস্থানগুলি সম্পূর্ণরূপে স্থিতিস্থাপক এবং আপনি ফ্লাইতে উদাহরণ পরিবর্তন করতে পারেন. এটি আপনাকে আপনার কম্পিউটের চাহিদা পরিবর্তনের সাথে সাথে কম্পিউটকে উপরে এবং নিচে স্কেল করতে দেয়, উদাহরণস্বরূপ ml.t3.medium থেকে ml.m5.4xlarge, আপনার কাজ বা পরিকাঠামো পরিচালনায় বাধা না দিয়ে। এক ইন্সট্যান্স থেকে অন্য ইন্সট্যান্সে যাওয়া নিরবচ্ছিন্ন, এবং ইনস্ট্যান্স চালু হওয়ার সময় আপনি কাজ চালিয়ে যেতে পারেন। অন-ডিমান্ড নোটবুক ইনস্ট্যান্সের সাথে, আপনাকে ইনস্ট্যান্সটি বন্ধ করতে হবে, সেটিং আপডেট করতে হবে এবং নতুন ইনস্ট্যান্স টাইপ দিয়ে রিস্টার্ট করতে হবে। আরও তথ্যের জন্য, দেখুন অ্যামাজন সেজমেকার স্টুডিওতে ফ্লাইতে এমএল উদাহরণগুলি কীভাবে নির্বাচন করবেন তা শিখুন.
নির্দিষ্ট উদাহরণের প্রকারে ব্যবহারকারীর অ্যাক্সেস সীমাবদ্ধ করুন
প্রশাসকরা IAM ব্যবহার করতে পারেন শর্ত কী নির্দিষ্ট ব্যবহারকারীদের জন্য নির্দিষ্ট উদাহরণের ধরন, যেমন GPU দৃষ্টান্তগুলিকে সীমাবদ্ধ করার একটি কার্যকর উপায় হিসাবে, যার ফলে খরচ নিয়ন্ত্রণ করা হয়। উদাহরণস্বরূপ, নিম্নলিখিত নমুনা নীতিতে, ml.t3.medium এবং ml.g4dn.xlarge ব্যতীত সমস্ত দৃষ্টান্তের জন্য অ্যাক্সেস অস্বীকার করা হয়েছে৷ মনে রাখবেন যে ডিফল্ট জুপিটার সার্ভার অ্যাপগুলির জন্য আপনাকে সিস্টেমের উদাহরণের অনুমতি দিতে হবে।
স্টুডিও খরচ অপ্টিমাইজ করার সর্বোত্তম অনুশীলনের উপর ব্যাপক দিকনির্দেশনার জন্য, পড়ুন Amazon SageMaker-এ দক্ষ গণনা সংস্থান নিশ্চিত করুন.
স্টুডিও খরচ ট্র্যাক রাখতে ট্যাগ ব্যবহার করুন
স্টুডিওতে, আপনি আপনার স্টুডিওতে কাস্টম ট্যাগ বরাদ্দ করতে পারেন ডোমেইন সেইসাথে ব্যবহারকারী যারা ডোমেনে অ্যাক্সেসের ব্যবস্থা করেছেন। স্টুডিও স্বয়ংক্রিয়ভাবে এই ট্যাগগুলিকে কপি করে বরাদ্দ করবে৷ স্টুডিও নোটবুক ব্যবহারকারীদের দ্বারা তৈরি, যাতে আপনি সহজেই স্টুডিও নোটবুকের খরচ ট্র্যাক এবং শ্রেণীবদ্ধ করতে পারেন এবং আপনার প্রতিষ্ঠানের জন্য খরচ চার্জব্যাক মডেল তৈরি করতে পারেন।
ডিফল্টরূপে, সেজমেকার স্বয়ংক্রিয়ভাবে নতুন সেজমেকার সংস্থানগুলিকে ট্যাগ করে যেমন প্রশিক্ষণের কাজ, প্রক্রিয়াকরণের কাজ, পরীক্ষা, পাইপলাইন এবং মডেল রেজিস্ট্রি এন্ট্রিগুলি তাদের নিজ নিজ সাথে sagemaker:domain-arn
. সেজমেকার রিসোর্সটিকে এর সাথে ট্যাগ করে sagemaker:user-profile-arn
or sagemaker:space-arn
সম্পদ সৃষ্টিকে আরও বেশি দানাদার স্তরে মনোনীত করতে।
অ্যাডমিনিস্ট্রেটররা স্বয়ংক্রিয় ট্যাগিং ব্যবহার করে সহজেই তাদের ব্যবসার লাইন, দল, স্বতন্ত্র ব্যবহারকারী বা ব্যক্তিগত ব্যবসায়িক সমস্যাগুলির সাথে সম্পর্কিত খরচগুলি নিরীক্ষণ করতে পারে যেমন সরঞ্জামগুলি ব্যবহার করে AWS বাজেট এবং কস্ট এক্সপ্লোরার। উদাহরণস্বরূপ, আপনি একটি সংযুক্ত করতে পারেন খরচ বরাদ্দ ট্যাগ জন্য sagemaker:domain-arn
ট্যাগ।
এটি আপনাকে একটি প্রদত্ত ডোমেনের জন্য স্টুডিও নোটবুকের ব্যয় কল্পনা করতে কস্ট এক্সপ্লোরার ব্যবহার করতে দেয়।
স্টোরেজ খরচ বিবেচনা করুন
যখন আপনার দলের প্রথম সদস্য স্টুডিওতে যান, তখন সেজমেকার একটি তৈরি করে আমাজন ইলাস্টিক ফাইল সিস্টেম (Amazon EFS) দলের জন্য ভলিউম। যখন এই সদস্য, বা দলের কোন সদস্য, স্টুডিও খোলে, সদস্যের জন্য ভলিউমে একটি হোম ডিরেক্টরি তৈরি করা হয়। একটি স্টোরেজ চার্জ এই ডিরেক্টরির জন্য খরচ করা হয়. পরবর্তীকালে, সদস্যের হোম ডিরেক্টরিতে সংরক্ষিত নোটবুক এবং ডেটা ফাইলগুলির জন্য অতিরিক্ত স্টোরেজ চার্জ নেওয়া হয়। আরও তথ্যের জন্য, দেখুন আমাজন ইএফএস মূল্য নির্ধারণ।
উপসংহার
এই পোস্টে, আমরা নোটবুক ইনস্ট্যান্স এবং স্টুডিও ব্যবহার করে এমএল মডেল তৈরি করার সময় খরচ বিশ্লেষণ এবং সর্বোত্তম অনুশীলনের বিষয়ে নির্দেশিকা প্রদান করেছি। যেহেতু মেশিন লার্নিং শিল্প জুড়ে একটি শক্তিশালী হাতিয়ার হিসাবে নিজেকে প্রতিষ্ঠিত করে, তাই প্রশিক্ষণ এবং ML মডেলগুলিকে সাশ্রয়ী রাখতে হবে। SageMaker ML পাইপলাইনের প্রতিটি ধাপ সহজতর করার জন্য একটি প্রশস্ত এবং গভীর বৈশিষ্ট্য সেট অফার করে এবং কর্মক্ষমতা বা তত্পরতা প্রভাবিত না করেই খরচ অপ্টিমাইজেশানের সুযোগ প্রদান করে।
লেখক সম্পর্কে
দীপালি রাজলে AWS-এর একজন সিনিয়র এআই/এমএল বিশেষজ্ঞ। তিনি AWS ইকোসিস্টেমে AI/ML সমাধান স্থাপন এবং বজায় রাখার জন্য সর্বোত্তম অনুশীলন সহ প্রযুক্তিগত দিকনির্দেশনা প্রদানকারী এন্টারপ্রাইজ গ্রাহকদের সাথে কাজ করেন। তিনি NLP এবং কম্পিউটার দৃষ্টি জড়িত বিভিন্ন গভীর শিক্ষার ব্যবহার ক্ষেত্রে বিস্তৃত সংস্থার সাথে কাজ করেছেন। তিনি সংস্থাগুলিকে তাদের ব্যবহারের অভিজ্ঞতা বাড়ানোর জন্য জেনারেটিভ AI ব্যবহার করার জন্য ক্ষমতায়নের বিষয়ে উত্সাহী৷ তার অবসর সময়ে, তিনি চলচ্চিত্র, সঙ্গীত এবং সাহিত্য উপভোগ করেন।
উরি রোজেনবার্গ ইউরোপ, মধ্যপ্রাচ্য এবং আফ্রিকার জন্য এআই এবং এমএল বিশেষজ্ঞ প্রযুক্তিগত ব্যবস্থাপক। ইস্রায়েলের বাইরে, Uri এন্টারপ্রাইজ গ্রাহকদের ML ডিজাইন, নির্মাণ এবং স্কেলে পরিচালনা করার সমস্ত বিষয়ে ক্ষমতায়নের জন্য কাজ করে। তার অবসর সময়ে, তিনি সাইক্লিং, হাইকিং, প্রাতঃরাশ, দুপুরের খাবার এবং রাতের খাবার উপভোগ করেন।
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- প্লেটোএআইস্ট্রিম। Web3 ডেটা ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- অ্যাড্রিয়েন অ্যাশলির সাথে ভবিষ্যত মিন্টিং। এখানে প্রবেশ করুন.
- PREIPO® এর সাথে PRE-IPO কোম্পানিতে শেয়ার কিনুন এবং বিক্রি করুন। এখানে প্রবেশ করুন.
- উত্স: https://aws.amazon.com/blogs/machine-learning/part-2-analyze-amazon-sagemaker-spend-and-determine-cost-optimization-opportunities-based-on-usage-part-2-sagemaker-notebooks-and-studio/
- : আছে
- : হয়
- :না
- :কোথায়
- [পৃ
- $ ইউপি
- 1
- 100
- 11
- 14
- 15%
- 20
- 2021
- 23
- 24
- 26%
- 31
- 7
- 8
- a
- সম্পর্কে
- দ্রুততর
- প্রবেশ
- সম্পাদন
- হিসাব
- দিয়ে
- কর্ম
- সক্রিয়
- যোগ
- অতিরিক্ত
- ঠিকানা
- সুবিধা
- আফ্রিকা
- পর
- আবার
- AI
- এআই / এমএল
- সব
- বণ্টন
- অনুমতি
- অনুমতি
- বরাবর
- এছাড়াও
- am
- মর্দানী স্ত্রীলোক
- আমাজন EC2
- আমাজন সেজমেকার
- অ্যামাজন সেজমেকার স্টুডিও
- অ্যামাজন ওয়েব সার্ভিসেস
- পরিমাণ
- an
- বিশ্লেষণ
- বিশ্লেষণ
- বিশ্লেষণ করা
- এবং
- অন্য
- কোন
- অ্যাপ্লিকেশন
- প্রয়োগ করা
- প্রয়োগ করা হচ্ছে
- অভিগমন
- অ্যাপস
- স্থাপত্য
- রয়েছি
- AS
- যুক্ত
- At
- সংযুক্ত
- আগস্ট
- অটোমেটেড
- স্বয়ংক্রিয়
- স্বয়ংক্রিয়ভাবে
- সহজলভ্য
- ডেস্কটপ AWS
- পিছনে
- ভিত্তি
- সজোরে আঘাত
- মৌলিক
- BE
- কারণ
- হয়েছে
- সুবিধা
- সর্বোত্তম
- সেরা অভ্যাস
- উত্তম
- মধ্যে
- বিশাল
- বিলিং
- সাহায্য
- ভাঙ্গন
- ব্রেকফাস্ট
- নির্মাণ করা
- ভবন
- ব্যবসায়
- কিন্তু
- by
- গণনার
- CAN
- মামলা
- তালিকা
- সেল
- কিছু
- চ্যালেঞ্জিং
- পরিবর্তন
- পরিবর্তন
- পরিবর্তন
- অভিযোগ
- অভিযুক্ত
- চার্জ
- চার্ট
- বেছে নিন
- মনোনীত
- কোড
- সহযোগীতা
- সাধারণ
- যোগাযোগ
- জটিল
- ব্যাপক
- গণনা
- গনা
- কম্পিউটার
- কম্পিউটার ভিশন
- কম্পিউটিং
- গননার ক্ষমতা
- শর্ত
- কনফিগারেশন
- পরপর
- বিবেচনা
- কনসোল
- প্রতিনিয়ত
- ক্ষয়প্রাপ্ত
- ধারণ করা
- অবিরত
- একটানা
- নিয়ন্ত্রণ
- কন্ট্রোল টাওয়ার
- নিয়ামক
- মূল্য
- সাশ্রয়ের
- খরচ
- পারা
- সৃষ্টি
- নির্মিত
- সৃষ্টি
- তৈরি করা হচ্ছে
- সৃষ্টি
- বর্তমান
- প্রথা
- গ্রাহকদের
- দৈনিক
- উপাত্ত
- ডেটা প্রস্তুতি
- তথ্য প্রক্রিয়াজাতকরণ
- তথ্য বিজ্ঞান
- ডেটাসেট
- দিন
- প্রতিষ্ঠান
- ডিসেম্বর
- গভীর
- গভীর জ্ঞানার্জন
- ডিফল্ট
- চাহিদা
- নির্ভর করে
- স্থাপন
- মোতায়েন
- নকশা
- আকাঙ্ক্ষিত
- বিশদ
- বিস্তারিত
- নির্ধারণ
- উন্নয়ন
- কথোপকথন
- মাত্রা
- ডিনার
- প্রদর্শন
- do
- না
- ডোমেইন
- সম্পন্ন
- Dont
- ডবল
- নিচে
- স্থিতিকাল
- প্রতি
- পূর্বে
- সহজে
- পূর্ব
- বাস্তু
- প্রভাব
- কার্যকর
- কার্যকরীভাবে
- দক্ষ
- ক্ষমতাপ্রদান করা
- ক্ষমতায়নের
- প্রান্ত
- প্রকৌশল
- উন্নত করা
- যথেষ্ট
- উদ্যোগ
- পরিবেশ
- প্রতিষ্ঠা করে
- ইউরোপ
- এমন কি
- প্রতি
- সব
- উদাহরণ
- উদাহরণ
- ছাড়া
- ব্যয়বহুল
- অভিজ্ঞতা
- পরীক্ষা-নিরীক্ষা
- অন্বেষণ
- অনুসন্ধানকারী
- প্রসার
- অতিরিক্ত
- সুবিধা
- পরিবারের
- পরিবার
- বৈশিষ্ট্য
- ফেব্রুয়ারি
- ফাইল
- নথি পত্র
- ছাঁকনি
- ফিল্টার
- প্রথম
- কেন্দ্রবিন্দু
- অনুসৃত
- অনুসরণ
- অনুসরণ
- জন্য
- পাওয়া
- থেকে
- সম্পূর্ণরূপে
- ক্রিয়া
- ক্রিয়াকলাপ
- সাধারন ক্ষেত্রে
- প্রজন্ম
- সৃজক
- জেনারেটিভ এআই
- পাওয়া
- প্রদত্ত
- দেয়
- জিপিইউ
- জিপিইউ
- গ্রাফ
- মহান
- গ্রুপ
- পথপ্রদর্শন
- হ্যান্ডলিং
- হার্ডওয়্যারের
- আছে
- he
- ভারী
- ভারী উত্তোলন
- দখলী
- সাহায্য
- সাহায্য
- সাহায্য
- তার
- তার
- হোম
- হোস্টিং
- ঘন্টা
- ঘন্টার
- কিভাবে
- কিভাবে
- যাহোক
- এইচটিএমএল
- HTTP
- HTTPS দ্বারা
- শত শত
- i
- সনাক্ত করা
- পরিচয়
- অলস
- if
- ভাবমূর্তি
- চিত্র
- হানিকারক
- গুরুত্বপূর্ণ
- উন্নত করা
- in
- অন্তর্ভুক্ত করা
- অন্তর্ভুক্ত
- সুদ্ধ
- বর্ধিত
- ইঙ্গিত
- ইঙ্গিত
- স্বতন্ত্র
- শিল্প
- তথ্য
- পরিকাঠামো
- অর্ন্তদৃষ্টি
- ইনস্টল
- উদাহরণ
- নির্দেশাবলী
- ইন্টারেক্টিভ
- ইন্টারফেস
- মধ্যে
- ভূমিকা
- ঘটিত
- ইসরাইল
- IT
- এর
- নিজেই
- জানুয়ারী
- জানুয়ারী 24
- জবস
- JPG
- জুলাই
- রাখা
- বড়
- বৃহত্তর
- গত
- চালু
- লঞ্চ
- নেতৃত্ব
- জ্ঞানী
- শিক্ষা
- ছোড়
- বাম
- পাঠ
- পাঠ শিখেছি
- উচ্চতা
- লেভারেজ
- জীবনচক্র
- উদ্ধরণ
- মত
- লাইন
- সংযুক্ত
- তালিকা
- সাহিত্য
- বোঝা
- আর
- দেখুন
- লাঞ্চ
- মেশিন
- মেশিন লার্নিং
- নিয়ন্ত্রণের
- রক্ষণাবেক্ষণ
- পরিচালিত
- পরিচালক
- পরিচালনা করে
- পরিচালক
- ম্যানুয়াল
- অনেক
- মে..
- অর্থপূর্ণ
- পরিমাপ
- মধ্যম
- সদস্য
- স্মৃতি
- উল্লিখিত
- মেনু
- মধ্যম
- মধ্যপ্রাচ্যে
- হতে পারে
- ML
- মডেল
- মূর্তিনির্মাণ
- মডেল
- মনিটর
- মাস
- মাসের
- অধিক
- সেতু
- চলচ্চিত্র
- চলন্ত
- বহু
- সঙ্গীত
- অবশ্যই
- নাম
- নামে
- নাম
- প্রয়োজনীয়
- প্রয়োজন
- প্রয়োজন
- চাহিদা
- নেটওয়ার্ক
- স্নায়বিক নেটওয়ার্ক
- নতুন
- NLP
- না।
- নোটবই
- সুপরিচিত
- সংখ্যা
- প্রাপ্ত
- প্রাপ্ত
- of
- প্রদত্ত
- নৈবেদ্য
- অফার
- on
- চাহিদা সাপেক্ষে
- ONE
- কেবল
- খোলা
- প্রর্দশিত
- পরিচালনা করা
- সুযোগ
- অপ্টিমাইজেশান
- অপ্টিমিজ
- সর্বোচ্চকরন
- or
- ক্রম
- সংগঠন
- সংগঠন
- বাইরে
- রূপরেখা
- শেষ
- সমান্তরাল
- পরামিতি
- অংশ
- কামুক
- প্যাটার্ন
- নিদর্শন
- সম্পাদন করা
- কর্মক্ষমতা
- করণ
- কাল
- পাইপলাইন
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- নীতি
- নীতি
- সম্ভাবনা
- পোস্ট
- পোস্ট
- ক্ষমতা
- ক্ষমতাশালী
- চর্চা
- প্রস্তুতি
- প্রস্তুত করা
- প্রতিরোধ
- পূর্বে
- মূল্য
- প্ররোচক
- সমস্যা
- প্রক্রিয়া
- প্রক্রিয়াজাতকরণ
- প্রোফাইল
- প্রোটোটাইপিং
- প্রদান
- প্রদত্ত
- উপলব্ধ
- প্রদানের
- উদ্দেশ্য
- প্রশ্নের
- দ্রুত
- পরিসর
- হার
- অনুপাত
- পড়া
- সত্যিই
- সুপারিশ করা
- সুপারিশ করা
- হ্রাস করা
- এলাকা
- রেজিস্ট্রি
- সংশ্লিষ্ট
- অপেক্ষাকৃতভাবে
- থাকা
- রিপোর্ট
- প্রতিবেদন
- প্রতিবেদন
- সংগ্রহস্থলের
- প্রয়োজনীয়
- আবশ্যকতা
- সংস্থান
- Resources
- নিজ নিজ
- সীমাবদ্ধ করা
- ফল
- ফলে এবং
- ফলাফল
- আয়
- অধিকার
- ঝুঁকি
- নিয়ম
- নিয়ম
- চালান
- দৌড়
- ঋষি নির্মাতা
- সংরক্ষণ করুন
- স্কেল
- আরোহী
- তফসিল
- বিজ্ঞান
- বিজ্ঞানীরা
- স্ক্রিপ্ট
- নির্বিঘ্ন
- সুরক্ষিত
- দেখ
- নির্বাচিত
- নির্বাচন
- স্ব সেবা
- জ্যেষ্ঠ
- সেপ্টেম্বর
- ক্রম
- পরিবেশন করা
- সেবা
- সেবা
- সেট
- বিন্যাস
- শেয়ার
- সে
- খোল
- প্রদর্শনী
- দেখিয়েছেন
- প্রদর্শিত
- শো
- বন্ধ করুন
- শাটডাউন
- সম্পূর্ণ বন্ধ
- একভাবে
- সহজ
- সহজতর করা
- থেকে
- একক
- আয়তন
- ফালি
- ছোট
- ক্ষুদ্রতর
- So
- সমাধান
- সলিউশন
- বিশেষজ্ঞ
- নির্দিষ্ট
- ব্যয় করা
- কর্তিত
- মান
- শুরু
- শুরু
- শুরু হচ্ছে
- শুরু
- ধাপ
- এখনো
- থামুন
- বাঁধন
- স্টপ
- স্টোরেজ
- সঞ্চিত
- কাঠামোবদ্ধ
- চিত্রশালা
- পরবর্তীকালে
- এমন
- যথেষ্ট
- উপযুক্ত
- সমর্থন
- সক্রিয় সমর্থন
- সুইচ
- পদ্ধতি
- TAG
- গ্রহণ করা
- কাজ
- টীম
- দল
- কারিগরী
- পরীক্ষা
- চেয়ে
- যে
- সার্জারির
- তাদের
- তাহাদিগকে
- তারপর
- সেখানে।
- যার ফলে
- এইগুলো
- তারা
- কিছু
- এই
- সেগুলো
- হাজার হাজার
- দ্বারা
- সময়
- বার
- থেকে
- অত্যধিক
- টুল
- সরঞ্জাম
- মিনার
- পথ
- রেলগাড়ি
- প্রশিক্ষণ
- ট্রিগার
- আদর্শ
- ধরনের
- নিম্নাবস্থিত
- বোঝা
- পর্যন্ত
- আপডেট
- ব্যবহার
- ব্যবহার
- ব্যবহৃত
- ব্যবহারকারী
- ব্যবহারকারী
- ব্যবহার
- সদ্ব্যবহার করা
- যাচাই করুন
- বিভিন্ন
- দৃষ্টিপাত
- দৃষ্টি
- কল্পনা
- আয়তন
- vs
- প্রয়োজন
- ছিল
- উপায়..
- উপায়
- we
- ওয়েব
- ওয়েব সার্ভিস
- আমরা একটি
- কখন
- যেহেতু
- যে
- যখন
- হু
- ব্যাপক
- প্রশস্ত পরিসর
- ইচ্ছা
- সঙ্গে
- মধ্যে
- ছাড়া
- হয়া যাই ?
- কাজ করছে
- কর্মপ্রবাহ
- কাজ
- কাজ
- লেখা
- কোড লিখুন
- লেখা
- আপনি
- আপনার
- zephyrnet