অনেক কোম্পানি তাদের গ্রাহকদের আরও ভালোভাবে সেবা দেওয়ার জন্য তাদের প্রক্রিয়া, সংগঠিত এবং শ্রেণীবদ্ধ করার জন্য প্রচুর পরিমাণে নথিতে অভিভূত হয়। এই ধরনের উদাহরণ হতে পারে ঋণ আবেদন, ট্যাক্স ফাইলিং, এবং বিলিং। এই ধরনের নথিগুলি সাধারণত ইমেজ ফরম্যাটে পাওয়া যায় এবং বেশিরভাগই বহু-পৃষ্ঠাযুক্ত এবং নিম্ন-মানের বিন্যাসে। আরও প্রতিযোগিতামূলক এবং ব্যয়-দক্ষ হতে, এবং একই সময়ে সুরক্ষিত এবং অনুগত থাকার জন্য, এই সংস্থাগুলিকে অবশ্যই প্রক্রিয়াকরণের সময় কমাতে এবং একটি স্বয়ংক্রিয় এবং মাপযোগ্য উপায়ে শ্রেণিবিন্যাস নির্ভুলতা উন্নত করতে তাদের নথি প্রক্রিয়াকরণের ক্ষমতা বিকাশ করতে হবে। এই সংস্থাগুলি নথি প্রক্রিয়াকরণে নিম্নলিখিত চ্যালেঞ্জগুলির মুখোমুখি হয়:
- অনুপযুক্ত, অবাঞ্ছিত, বা আপত্তিকর বিষয়বস্তু সনাক্ত করতে নথিতে সংযম সম্পাদন করা
- ম্যানুয়াল নথির শ্রেণীবিভাগ, যা ছোট কোম্পানি দ্বারা গৃহীত হয়, এটি সময়সাপেক্ষ, ত্রুটি-প্রবণ এবং ব্যয়বহুল
- নিয়ম-ভিত্তিক সিস্টেমের সাথে ওসিআর কৌশলগুলি যথেষ্ট বুদ্ধিমান নয় এবং নথি বিন্যাসে পরিবর্তনগুলি গ্রহণ করতে পারে না
- যে কোম্পানিগুলি মেশিন লার্নিং (ML) পদ্ধতি গ্রহণ করে তাদের প্রায়শই ইনকামিং ডকুমেন্ট ভলিউমে স্পাইকগুলি পরিচালনা করার জন্য তাদের মডেল স্কেল করার জন্য সংস্থান থাকে না
এই পোস্টটি এই চ্যালেঞ্জগুলি মোকাবেলা করে এবং একটি স্থাপত্য প্রদান করে যা দক্ষতার সাথে এই সমস্যাগুলি সমাধান করে। আপনি কিভাবে ব্যবহার করতে পারেন তা আমরা দেখাই আমাজন রেকোনিশন এবং অ্যামাজন টেক্সট্র্যাক নথি প্রক্রিয়াকরণে মানুষের প্রচেষ্টা অপ্টিমাইজ করা এবং হ্রাস করা। Amazon Recognition আপনার নথিতে সংযম লেবেল সনাক্ত করে এবং তাদের ব্যবহার করে শ্রেণীবদ্ধ করে অ্যামাজন স্বীকৃতি কাস্টম লেবেল. Amazon Textract আপনার নথি থেকে পাঠ্য বের করে।
এই পোস্টে, আমরা কোনও ম্যানুয়াল প্রচেষ্টা বা কাস্টম কোডের প্রয়োজন ছাড়াই নথিগুলি প্রক্রিয়া করার জন্য দুটি এমএল পাইপলাইন (প্রশিক্ষণ এবং অনুমান) নির্মাণ কভার করি। অনুমান পাইপলাইনের উচ্চ-স্তরের পদক্ষেপগুলির মধ্যে রয়েছে:
- Amazon Recognition ব্যবহার করে আপলোড করা নথিতে মডারেশন করুন।
- ডকুমেন্টগুলিকে বিভিন্ন বিভাগে শ্রেণীবদ্ধ করুন যেমন W-2s, চালান, ব্যাঙ্ক স্টেটমেন্ট এবং স্বীকৃতি কাস্টম লেবেল ব্যবহার করে পে স্টাব।
- আমাজন টেক্সট্র্যাক্ট ব্যবহার করে মুদ্রিত পাঠ্য, হাতের লেখা, ফর্ম এবং টেবিলের মতো নথি থেকে পাঠ্য বের করুন।
সমাধান ওভারভিউ
এই সমাধানটি একটি স্কেলযোগ্য এবং ব্যয়বহুল আর্কিটেকচার বাস্তবায়নের জন্য নিম্নলিখিত এআই পরিষেবাগুলি, সার্ভারলেস প্রযুক্তিগুলি এবং পরিচালিত পরিষেবাগুলি ব্যবহার করে:
- আমাজন ডায়নামোডিবি - একটি মূল-মান এবং দস্তাবেজ ডাটাবেস যা কোনও স্কেলে একক-ডিজিটের মিলিসেকেন্ড কার্য সম্পাদন করে।
- অ্যামাজন ইভেন্টব্রিজ - একটি সার্ভারবিহীন ইভেন্ট বাস যা আপনার অ্যাপ্লিকেশনগুলি থেকে তৈরি ইভেন্টগুলি, পরিষেবা (SaaS) অ্যাপ্লিকেশন হিসাবে সমন্বিত সফ্টওয়্যার এবং AWS পরিষেবাগুলি ব্যবহার করে স্কেলে ইভেন্ট-চালিত অ্যাপ্লিকেশনগুলি তৈরি করতে পারে৷
- এডাব্লুএস ল্যাম্বদা - একটি সার্ভারহীন গণনা পরিষেবা যা আপনাকে ট্রিগারগুলির প্রতিক্রিয়া হিসাবে কোড চালাতে দেয় যেমন ডেটার পরিবর্তন, সিস্টেমের অবস্থার পরিবর্তন বা ব্যবহারকারীর ক্রিয়াকলাপ।
- আমাজন রেকোনিশন - ছবি এবং ভিডিওতে বস্তু, মানুষ, পাঠ্য, দৃশ্য এবং কার্যকলাপ সনাক্ত করতে ML ব্যবহার করে, সেইসাথে যেকোন অনুপযুক্ত বিষয়বস্তু সনাক্ত করতে।
- অ্যামাজন স্বীকৃতি কাস্টম লেবেল - কম্পিউটারের দৃষ্টিভঙ্গি এবং স্থানান্তর শেখার জন্য AutoML ব্যবহার করে আপনার ব্যবসার প্রয়োজনের জন্য নির্দিষ্ট চিত্রের বস্তু এবং দৃশ্য শনাক্ত করতে কাস্টম মডেলগুলিকে প্রশিক্ষণ দিতে সাহায্য করে।
- অ্যামাজন সিম্পল স্টোরেজ সার্ভিস (অ্যামাজন এস 3) - আপনার নথিগুলির জন্য একটি অবজেক্ট স্টোর হিসাবে কাজ করে এবং সূক্ষ্ম-টিউনড অ্যাক্সেস নিয়ন্ত্রণের সাথে কেন্দ্রীয় পরিচালনার জন্য অনুমতি দেয়।
- অ্যামাজন স্টেপ ফাংশন - একটি সার্ভারহীন ফাংশন অর্কেস্ট্রেটর যা ব্যবসা-সমালোচনামূলক অ্যাপ্লিকেশনগুলিতে ল্যাম্বডা ফাংশন এবং একাধিক পরিষেবাগুলিকে সিকোয়েন্স করা সহজ করে তোলে।
- অ্যামাজন টেক্সট্র্যাক - PDF, JPEG, বা PNG ফর্ম্যাটে স্ক্যান করা নথি থেকে পাঠ্য এবং ডেটা বের করতে ML ব্যবহার করে।
নিম্নলিখিত চিত্রটি অনুমান পাইপলাইনের স্থাপত্যকে চিত্রিত করে।
আমাদের কর্মপ্রবাহে নিম্নলিখিত পদক্ষেপগুলি অন্তর্ভুক্ত রয়েছে:
- ব্যবহারকারী ইনপুট S3 বালতিতে নথি আপলোড করে।
- আপলোড একটি ট্রিগার Amazon S3 ইভেন্ট বিজ্ঞপ্তি ইভেন্টব্রিজে সরাসরি রিয়েল-টাইম ইভেন্টগুলি সরবরাহ করতে। Amazon S3 ইভেন্ট যা মেলে "
object created
” একটি জন্য সংজ্ঞায়িত ফিল্টার ইভেন্টব্রিজের নিয়ম স্টেপ ফাংশন ওয়ার্কফ্লো শুরু করে। - স্টেপ ফাংশন ওয়ার্কফ্লো ল্যাম্বডা ফাংশনগুলির একটি সিরিজ ট্রিগার করে, যা নিম্নলিখিত কাজগুলি সম্পাদন করে:
- প্রথম ফাংশনটি প্রিপ্রসেসিং কার্য সম্পাদন করে এবং আমাজন স্বীকৃতিতে API কল করে:
- যদি আগত নথিগুলি চিত্র বিন্যাসে থাকে (যেমন JPG বা PNG), ফাংশনটি Amazon Recognition API-কে কল করে এবং নথিগুলিকে S3 অবজেক্ট হিসাবে সরবরাহ করে। যাইহোক, যদি ডকুমেন্টটি পিডিএফ ফরম্যাটে থাকে, তবে Amazon Recognition API কল করার সময় ফাংশনটি ইমেজ বাইট স্ট্রিম করে।
- যদি একটি নথিতে একাধিক পৃষ্ঠা থাকে, ফাংশনটি নথিটিকে পৃথক পৃষ্ঠাগুলিতে বিভক্ত করে এবং সেগুলিকে পৃথকভাবে প্রক্রিয়া করার আগে আউটপুট S3 বাকেটের একটি মধ্যবর্তী ফোল্ডারে সংরক্ষণ করে।
- প্রিপ্রসেসিং কাজগুলি সম্পূর্ণ হলে, ফাংশনটি অনুপযুক্ত, অবাঞ্ছিত, বা আপত্তিকর বিষয়বস্তু সনাক্ত করতে Amazon Recognition-এ একটি API কল করে এবং নথি শ্রেণীবদ্ধ করার জন্য প্রশিক্ষিত স্বীকৃতি কাস্টম লেবেল মডেলে আরেকটি API কল করে৷
- দ্বিতীয় ফাংশনটি ইনপুট নথি থেকে পাঠ্য বের করে আউটপুট S3 বালতিতে সংরক্ষণ করার জন্য একটি কাজ শুরু করতে Amazon Textract-এ একটি API কল করে।
- তৃতীয় ফাংশন নথির মেটাডেটা সংরক্ষণ করে যেমন মডারেশন লেবেল, নথির শ্রেণিবিন্যাস, শ্রেণিবিন্যাস আত্মবিশ্বাস, অ্যামাজন টেক্সট্র্যাক্ট জব আইডি, এবং ফাইল পাথ একটি DynamoDB টেবিলে।
- প্রথম ফাংশনটি প্রিপ্রসেসিং কার্য সম্পাদন করে এবং আমাজন স্বীকৃতিতে API কল করে:
আপনি আপনার প্রয়োজন অনুযায়ী কর্মপ্রবাহ সামঞ্জস্য করতে পারেন, উদাহরণস্বরূপ আপনি ব্যবহার করে এই কর্মপ্রবাহে একটি প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP) ক্ষমতা যোগ করতে পারেন অ্যামাজন সমঝোতা নিষ্কাশিত পাঠ্যের অন্তর্দৃষ্টি পেতে।
প্রশিক্ষণ পাইপলাইন
আমরা এই আর্কিটেকচারটি স্থাপন করার আগে, আমরা স্বীকৃতি কাস্টম লেবেল ব্যবহার করে বিভিন্ন বিভাগে নথি শ্রেণীবদ্ধ করার জন্য একটি কাস্টম মডেলকে প্রশিক্ষণ দিই। প্রশিক্ষণ পাইপলাইনে, আমরা ব্যবহার করে নথিগুলিকে লেবেল করি আমাজন সেজমেকার গ্রাউন্ড ট্রুথ. তারপরে আমরা চিহ্নিতকরণ কাস্টম লেবেলগুলির সাথে একটি মডেলকে প্রশিক্ষণ দিতে লেবেলযুক্ত নথিগুলি ব্যবহার করি৷ এই উদাহরণে, আমরা একটি ব্যবহার করি আমাজন সেজমেকার এই পদক্ষেপগুলি সম্পাদন করার জন্য নোটবুক, তবে আপনি স্বীকৃতি কাস্টম লেবেল কনসোল ব্যবহার করে চিত্রগুলি টীকাও করতে পারেন। নির্দেশাবলীর জন্য, পড়ুন লেবেল ইমেজ.
ডেটা সেটটি
মডেলটি প্রশিক্ষণের জন্য, আমরা W2s এবং চালান ধারণকারী নিম্নলিখিত পাবলিক ডেটাসেটগুলি ব্যবহার করি:
আপনি আপনার শিল্পের জন্য প্রাসঙ্গিক অন্য ডেটাসেট ব্যবহার করতে পারেন।
নিম্নলিখিত সারণীটি প্রশিক্ষণ এবং পরীক্ষার মধ্যে ডেটাসেট বিভক্তগুলির সংক্ষিপ্ত বিবরণ দেয়।
শ্রেণী | প্রশিক্ষণ সেট | টেস্ট সেট |
ইনভয়েস বা চালান | 352 | 75 |
W-2s | 86 | 16 |
মোট | 438 | 91 |
AWS CloudFormation এর সাথে প্রশিক্ষণ পাইপলাইন স্থাপন করুন
আপনি একটি স্থাপনা এডাব্লুএস ক্লাউডফর্মেশন প্রয়োজনীয় বিধান করতে টেমপ্লেট এডাব্লুএস আইডেন্টিটি এবং অ্যাক্সেস ম্যানেজমেন্ট (IAM) ভূমিকা এবং প্রশিক্ষণ পাইপলাইনের উপাদান, একটি SageMaker নোটবুক উদাহরণ সহ।
- ইউএস ইস্ট (এন. ভার্জিনিয়া) অঞ্চলে নিম্নলিখিত ক্লাউডফর্মেশন টেমপ্লেটটি চালু করুন:
- জন্য স্ট্যাকের নাম, একটি নাম লিখুন, যেমন
document-processing-training-pipeline
. - বেছে নিন পরবর্তী.
- মধ্যে ক্ষমতা এবং রূপান্তর বিভাগে, AWS CloudFormation তৈরি করতে পারে তা স্বীকার করতে চেক বক্স নির্বাচন করুন আইএএম সংস্থানসমূহ.
- বেছে নিন স্ট্যাক তৈরি করুন.
স্ট্যাকের বিশদ পৃষ্ঠাটি স্ট্যাকের স্ট্যাটাস হিসাবে দেখাতে হবে CREATE_IN_PROGRESS
। স্ট্যাটাসটি পরিবর্তিত হতে এটি 5 মিনিট পর্যন্ত সময় নিতে পারে CREATE_COMPLETE
. এটি সম্পূর্ণ হলে, আপনি আউটপুট দেখতে পারেন আউটপুট ট্যাব।
- স্ট্যাকটি সফলভাবে চালু হওয়ার পরে, সেজমেকার কনসোলটি খুলুন এবং নির্বাচন করুন নোটবুক উদাহরণস্বরূপ নেভিগেশন নামে।
- সঙ্গে একটি উদাহরণ জন্য দেখুন
DocProcessingNotebookInstance-
উপসর্গ এবং অপেক্ষা করুন যতক্ষণ না এর স্থিতি InService হয়। - অধীনে কার্যপ্রণালীনির্বাচন জুপিটার খুলুন.
উদাহরণ নোটবুক চালান
আপনার নোটবুক চালানোর জন্য, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- পছন্দ
Rekognition_Custom_Labels
উদাহরণ নোটবুক।
- বেছে নিন চালান ক্রমানুসারে উদাহরণ নোটবুকের কোষগুলি চালানোর জন্য।
নোটবুক প্রশিক্ষণ এবং পরীক্ষার ছবি প্রস্তুত করার, তাদের লেবেল করা, ম্যানিফেস্ট ফাইল তৈরি করা, একটি মডেলকে প্রশিক্ষণ দেওয়া, এবং স্বীকৃতি কাস্টম লেবেলগুলির সাথে প্রশিক্ষিত মডেল চালানোর সমগ্র জীবনচক্র প্রদর্শন করে। বিকল্পভাবে, আপনি রেকগনিশন কাস্টম লেবেল কনসোল ব্যবহার করে মডেলটিকে প্রশিক্ষণ দিতে এবং চালাতে পারেন। নির্দেশাবলীর জন্য, পড়ুন একটি মডেল প্রশিক্ষণ (কনসোল).
নোটবুক স্ব-ব্যাখ্যামূলক; আপনি মডেল প্রশিক্ষণ সম্পূর্ণ করতে পদক্ষেপ অনুসরণ করতে পারেন.
- একটি নোট করুন
ProjectVersionArn
একটি পরবর্তী ধাপে অনুমান পাইপলাইন জন্য প্রদান.
SageMaker নোটবুক উদাহরণগুলির জন্য, ব্যবহারের সময়কালের উপর ভিত্তি করে আপনি যে ইন্সট্যান্স টাইপ চয়ন করেন তার জন্য আপনাকে চার্জ করা হবে৷ আপনি যদি মডেলের প্রশিক্ষণ শেষ করে থাকেন, তাহলে নিষ্ক্রিয় সম্পদের খরচ এড়াতে আপনি নোটবুকের উদাহরণ বন্ধ করতে পারেন।
AWS ক্লাউডফর্মেশনের সাথে অনুমান পাইপলাইন স্থাপন করুন
অনুমান পাইপলাইন স্থাপন করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- ইউএস ইস্ট (এন. ভার্জিনিয়া) অঞ্চলে নিম্নলিখিত ক্লাউডফর্মেশন টেমপ্লেটটি চালু করুন:
- জন্য স্ট্যাকের নাম, একটি নাম লিখুন, যেমন
document-processing-inference-pipeline
. - জন্য DynamoDBTableName, একটি অনন্য DynamoDB টেবিলের নাম লিখুন; উদাহরণ স্বরূপ,
document-processing-table
. - জন্য InputBucketName, স্ট্যাক তৈরি করে S3 বালতিটির জন্য একটি অনন্য নাম লিখুন; উদাহরণ স্বরূপ,
document-processing-input-bucket
.
ইনপুট নথিগুলি প্রক্রিয়া করার আগে এই বালতিতে আপলোড করা হয়৷ আপনি যখন ইনপুট বাকেটের নাম তৈরি করেন তখন শুধুমাত্র ছোট হাতের অক্ষর ব্যবহার করুন এবং কোন স্পেস নেই। উপরন্তু, এই অপারেশনটি একটি নতুন S3 বালতি তৈরি করে, তাই বিদ্যমান বালতির নাম ব্যবহার করবেন না। আরও তথ্যের জন্য, দেখুন বালতি নামকরণের নিয়ম.
- জন্য আউটপুট বাকেটনাম, আপনার আউটপুট বালতি জন্য একটি অনন্য নাম লিখুন; উদাহরণস্বরূপ, d
ocument-processing-output-bucket
.
এই বালতি আউটপুট নথিগুলি প্রক্রিয়া করার পরে সংরক্ষণ করে। এটি ল্যাম্বডা ফাংশন দ্বারা বিভক্ত হওয়ার পরে বহু-পৃষ্ঠার পিডিএফ ইনপুট নথিগুলির পৃষ্ঠাগুলি সংরক্ষণ করে। আপনার ইনপুট বালতি হিসাবে একই নামকরণ নিয়ম অনুসরণ করুন.
- জন্য RecognitionCustomLabelModelARN, প্রবেশ করান
ProjectVersionArn
জুপিটার নোটবুক থেকে আপনি যে মানটি উল্লেখ করেছেন। - বেছে নিন পরবর্তী.
- উপরে স্ট্যাক বিকল্পগুলি কনফিগার করুন পৃষ্ঠা, ট্যাগ সহ স্ট্যাকের জন্য যেকোনো অতিরিক্ত প্যারামিটার সেট করুন।
- বেছে নিন পরবর্তী.
- মধ্যে ক্ষমতা এবং রূপান্তর বিভাগে, AWS CloudFormation IAM সংস্থান তৈরি করতে পারে তা স্বীকার করতে চেক বক্স নির্বাচন করুন।
- বেছে নিন স্ট্যাক তৈরি করুন.
স্ট্যাকের বিশদ পৃষ্ঠাটি স্ট্যাকের স্ট্যাটাস হিসাবে দেখাতে হবে CREATE_IN_PROGRESS
। স্ট্যাটাসটি পরিবর্তিত হতে এটি 5 মিনিট পর্যন্ত সময় নিতে পারে CREATE_COMPLETE
. এটি সম্পূর্ণ হলে, আপনি আউটপুট দেখতে পারেন আউটপুট ট্যাব।
পাইপলাইনের মাধ্যমে একটি নথি প্রক্রিয়া করুন
আমরা প্রশিক্ষণ এবং অনুমান উভয় পাইপলাইন স্থাপন করেছি, এবং এখন সমাধানটি ব্যবহার করতে এবং একটি নথি প্রক্রিয়া করার জন্য প্রস্তুত।
- Amazon S3 কনসোলে, ইনপুট বালতি খুলুন।
- S3 ফোল্ডারে একটি নমুনা নথি আপলোড করুন।
এটি কর্মপ্রবাহ শুরু করে। প্রক্রিয়াটি ডকুমেন্টের শ্রেণীবিভাগ এবং সংযম লেবেল সহ DynamoDB টেবিলকে পপুলেট করে। আমাজন টেক্সট্র্যাক্ট থেকে আউটপুট আউটপুট S3 বালতিতে বিতরণ করা হয় TextractOutput
ফোল্ডার.
আমরা ওয়ার্কফ্লোতে কয়েকটি ভিন্ন নমুনা নথি জমা দিয়েছি এবং DynamoDB টেবিলে থাকা নিম্নলিখিত তথ্য পেয়েছি।
আপনি যদি DynamoDB টেবিলে আইটেম বা আউটপুট S3 বালতিতে আপলোড করা নথি দেখতে না পান, তাহলে চেক করুন অ্যামাজন ক্লাউডওয়াচ লগস সংশ্লিষ্ট Lambda ফাংশনের জন্য এবং ব্যর্থতার কারণ সম্ভাব্য ত্রুটিগুলি সন্ধান করুন।
পরিষ্কার কর
এই সমাধানের জন্য স্থাপন করা সংস্থানগুলি পরিষ্কার করতে নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- CloudFormation কনসোলে, নির্বাচন করুন স্ট্যাক.
- এই সমাধানের জন্য স্থাপন করা স্ট্যাক নির্বাচন করুন.
- বেছে নিন মুছে ফেলা.
এই পদক্ষেপগুলি S3 বালতি, DynamoDB টেবিল এবং প্রশিক্ষিত স্বীকৃতি কাস্টম লেবেল মডেল মুছে দেয় না। সেগুলি মোছা না হলে আপনি স্টোরেজ চার্জ বহন করতে থাকবেন। আপনার যদি আর প্রয়োজন না হয় তবে আপনার এই সংস্থানগুলি সরাসরি তাদের নিজ নিজ পরিষেবা কনসোলের মাধ্যমে মুছে ফেলা উচিত।
উপসংহার
এই পোস্টে, আমরা নথিগুলিকে পরিমিত, শ্রেণীবদ্ধ এবং প্রক্রিয়া করার জন্য একটি মাপযোগ্য, সুরক্ষিত এবং স্বয়ংক্রিয় পদ্ধতি উপস্থাপন করেছি। একাধিক শিল্প জুড়ে কোম্পানিগুলি তাদের ব্যবসার উন্নতি করতে এবং তাদের গ্রাহকদের আরও ভাল পরিষেবা দিতে এই সমাধানটি ব্যবহার করতে পারে। এটি দ্রুত নথি প্রক্রিয়াকরণ এবং উচ্চ নির্ভুলতার জন্য অনুমতি দেয় এবং ডেটা নিষ্কাশনের জটিলতা হ্রাস করে। এটি ইনকামিং ডকুমেন্ট প্রক্রিয়াকরণের সাথে জড়িত মানব কর্মশক্তি হ্রাস করে ব্যক্তিগত ডেটা আইনের সাথে আরও ভাল সুরক্ষা এবং সম্মতি প্রদান করে।
আরো তথ্যের জন্য, দেখুন আমাজন স্বীকৃতি কাস্টম লেবেল গাইড, অ্যামাজন স্বীকৃতি বিকাশকারী গাইড এবং অ্যামাজন টেক্সট্র্যাক্ট বিকাশকারী গাইড. আপনি যদি Amazon Recognition কাস্টম লেবেলগুলিতে নতুন হয়ে থাকেন, তাহলে আমাদের ফ্রি টিয়ার ব্যবহার করে এটি ব্যবহার করে দেখুন, যা 3 মাস স্থায়ী হয় এবং এতে প্রতি মাসে 10টি বিনামূল্যের প্রশিক্ষণ ঘন্টা এবং প্রতি মাসে 4টি বিনামূল্যে অনুমান ঘন্টা অন্তর্ভুক্ত থাকে৷ Amazon Recognition বিনামূল্যের স্তরে 5,000 মাসের জন্য প্রতি মাসে 12টি ছবি প্রসেস করা অন্তর্ভুক্ত। অ্যামাজন টেক্সট্র্যাক্ট ফ্রি টিয়ারও তিন মাস স্থায়ী হয় এবং ডিটেক্ট ডকুমেন্ট টেক্সট API-এর জন্য প্রতি মাসে 1,000 পৃষ্ঠা অন্তর্ভুক্ত করে।
লেখক সম্পর্কে
জে রাও AWS-এর একজন প্রধান সমাধান স্থপতি। তিনি গ্রাহকদের প্রযুক্তিগত এবং কৌশলগত দিকনির্দেশনা প্রদান এবং তাদের AWS-এর সমাধান ডিজাইন ও বাস্তবায়নে সহায়তা করেন।
উচেন্না এগবে AWS-এর একজন সহযোগী সমাধান আর্কিটেক্ট। তিনি তার অবসর সময় কাটান ভেষজ, চা, সুপারফুড এবং কীভাবে সেগুলিকে তার প্রতিদিনের খাদ্যতালিকায় অন্তর্ভুক্ত করতে পারেন সে সম্পর্কে গবেষণা করতে।
- Coinsmart. ইউরোপের সেরা বিটকয়েন এবং ক্রিপ্টো এক্সচেঞ্জ।
- প্লেটোব্লকচেন। Web3 মেটাভার্স ইন্টেলিজেন্স। জ্ঞান প্রসারিত. বিনামূল্যে এক্সেস.
- ক্রিপ্টোহক। Altcoin রাডার। বিনামূল্যে ট্রায়াল.
- সূত্র: https://aws.amazon.com/blogs/machine-learning/moderate-classify-and-process-documents-using-amazon-rekognition-and-amazon-textract/
- "
- 000
- 10
- 100
- 116
- 12 মাস
- সম্পর্কে
- প্রবেশ
- দিয়ে
- স্টক
- ক্রিয়াকলাপ
- অতিরিক্ত
- AI
- এআই পরিষেবা
- মর্দানী স্ত্রীলোক
- অন্য
- API
- অ্যাপ্লিকেশন
- অভিগমন
- স্থাপত্য
- সহযোগী
- অটোমেটেড
- ডেস্কটপ AWS
- ব্যাংক
- আগে
- বিলিং
- সীমান্ত
- বক্স
- নির্মাণ করা
- ভবন
- বাস
- ব্যবসায়
- কল
- ক্ষমতা
- ঘটিত
- মধ্য
- চ্যালেঞ্জ
- পরিবর্তন
- অভিযুক্ত
- চার্জ
- বেছে নিন
- শ্রেণীবিন্যাস
- কোড
- কোম্পানি
- প্রতিযোগিতামূলক
- সম্মতি
- অনুবর্তী
- গনা
- কম্পিউটার
- বিশ্বাস
- কনসোল
- ধারণ
- বিষয়বস্তু
- অবিরত
- অনুরূপ
- সাশ্রয়ের
- আবরণ
- সৃষ্টি
- সৃষ্টি
- তৈরি করা হচ্ছে
- প্রথা
- গ্রাহকদের
- উপাত্ত
- ডেটাবেস
- নিষ্কৃত
- বিতরণ
- স্থাপন
- মোতায়েন
- নকশা
- বিস্তারিত
- বিকাশকারী
- সাধারণ খাদ্য
- বিভিন্ন
- সরাসরি
- কাগজপত্র
- দক্ষতার
- প্রচেষ্টা
- প্রচেষ্টা
- প্রবেশ করান
- ঘটনা
- ঘটনাবলী
- গজান
- উদাহরণ
- উদাহরণ
- বিদ্যমান
- চায়ের
- মুখ
- ব্যর্থতা
- দ্রুত
- প্রথম
- অনুসরণ করা
- অনুসরণ
- ফর্ম
- বিন্যাস
- ফর্ম
- বিনামূল্যে
- ক্রিয়া
- ক্রিয়াকলাপ
- তদ্ব্যতীত
- হাতল
- সাহায্য
- সাহায্য
- ঊর্ধ্বতন
- কিভাবে
- যাহোক
- HTTPS দ্বারা
- মানবীয়
- সনাক্ত করা
- পরিচয়
- ভাবমূর্তি
- বাস্তবায়ন
- উন্নত করা
- অন্তর্ভুক্ত করা
- অন্তর্ভুক্ত
- সুদ্ধ
- স্বতন্ত্র
- শিল্প
- শিল্প
- তথ্য
- ইনপুট
- অর্ন্তদৃষ্টি
- সংহত
- বুদ্ধিমান
- জড়িত
- IT
- কাজ
- লেবেল
- লেবেলগুলি
- ভাষা
- চালু
- শিক্ষা
- আইন
- মেশিন
- মেশিন লার্নিং
- তৈরি করে
- পরিচালিত
- ব্যবস্থাপনা
- ম্যানুয়াল
- ম্যাচ
- হতে পারে
- ML
- মডেল
- মডেল
- মাস
- মাসের
- অধিক
- বহু
- প্রাকৃতিক
- ন্যাভিগেশন
- প্রয়োজনীয়
- চাহিদা
- নোটবই
- খোলা
- অপারেশন
- অপ্টিমিজ
- ক্রম
- বেতন
- পিডিএফ
- সম্প্রদায়
- কর্মক্ষমতা
- ব্যক্তিগত
- ব্যক্তিগত তথ্য
- সম্ভাব্য
- অধ্যক্ষ
- সমস্যা
- প্রক্রিয়া
- প্রক্রিয়াজাতকরণ
- প্রদান
- উপলব্ধ
- প্রদানের
- প্রকাশ্য
- প্রকৃত সময়
- গৃহীত
- হ্রাস করা
- হ্রাস
- প্রাসঙ্গিক
- Resources
- প্রতিক্রিয়া
- নিয়ম
- চালান
- দৌড়
- মাপযোগ্য
- স্কেল
- লোকচক্ষুর
- নিরাপদ
- নিরাপত্তা
- ক্রম
- Serverless
- সেবা
- সেবা
- সেট
- সহজ
- So
- সফটওয়্যার
- একটি পরিষেবা হিসাবে সফ্টওয়্যার
- কঠিন
- সমাধান
- সলিউশন
- solves
- শূণ্যস্থান
- বিভক্ত করা
- টুকরা
- গাদা
- শুরু
- রাষ্ট্র
- বিবৃতি
- অবস্থা
- থাকা
- স্টোরেজ
- দোকান
- দোকান
- কৌশলগত
- পেশ
- সফলভাবে
- পদ্ধতি
- সিস্টেম
- কাজ
- কর
- কারিগরী
- প্রযুক্তি
- প্রযুক্তি
- পরীক্ষা
- পরীক্ষামূলক
- দ্বারা
- সময়
- সময় অপগিত হয় এমন
- বার
- প্রশিক্ষণ
- হস্তান্তর
- অনন্য
- us
- ব্যবহার
- মূল্য
- প্রতিপাদন
- Videos
- চেক
- ভার্জিনিয়া
- দৃষ্টি
- আয়তন
- অপেক্ষা করুন
- ছাড়া
- কর্মীসংখ্যার