এই পোস্টটি ম্যাথওয়ার্কস থেকে ব্র্যাড ডানকান, রাচেল জনসন এবং রিচার্ড অ্যালককের সহযোগিতায় লেখা হয়েছে।
ম্যাটল্যাব ডেটা প্রসেসিং, সমান্তরাল কম্পিউটিং, অটোমেশন, সিমুলেশন, মেশিন লার্নিং এবং কৃত্রিম বুদ্ধিমত্তার মতো বিস্তৃত অ্যাপ্লিকেশনের জন্য একটি জনপ্রিয় প্রোগ্রামিং টুল। এটি স্বয়ংচালিত, মহাকাশ, যোগাযোগ এবং উত্পাদনের মতো অনেক শিল্পে ব্যাপকভাবে ব্যবহৃত হয়। সাম্প্রতিক বছরগুলিতে, MathWorks ক্লাউডে অনেক পণ্য অফার এনেছে, বিশেষ করে চালু আমাজন ওয়েব সার্ভিসেস (এডব্লিউএস). MathWorks ক্লাউড পণ্য সম্পর্কে আরো বিস্তারিত জানার জন্য, দেখুন ক্লাউডে ম্যাটল্যাব এবং সিমুলিঙ্ক or ইমেইল ম্যাথওয়ার্কস.
এই পোস্টে, আমরা MATLAB এর মেশিন লার্নিং ক্ষমতা নিয়ে এসেছি আমাজন সেজমেকার, যার বেশ কয়েকটি উল্লেখযোগ্য সুবিধা রয়েছে:
- সম্পদ গণনা: SageMaker দ্বারা প্রদত্ত উচ্চ-পারফরম্যান্স কম্পিউটিং পরিবেশ ব্যবহার করে মেশিন লার্নিং প্রশিক্ষণের গতি বাড়াতে পারে৷
- সহযোগিতা: MATLAB এবং SageMaker একসাথে একটি শক্তিশালী প্ল্যাটফর্ম প্রদান করে যা টি টিমগুলি মেশিন লার্নিং মডেল তৈরি, পরীক্ষা এবং স্থাপনে কার্যকরভাবে সহযোগিতা করতে ব্যবহার করতে পারে।
- স্থাপনা এবং অ্যাক্সেসযোগ্যতা: মডেলগুলিকে সেজমেকার রিয়েল-টাইম এন্ডপয়েন্ট হিসাবে স্থাপন করা যেতে পারে, যা লাইভ স্ট্রিমিং ডেটা প্রক্রিয়া করার জন্য অন্যান্য অ্যাপ্লিকেশনগুলির জন্য সহজেই অ্যাক্সেসযোগ্য করে তোলে৷
আমরা আপনাকে দেখাই কিভাবে একটি MATLAB মেশিন লার্নিং মডেলকে SageMaker প্রশিক্ষণের কাজ হিসাবে প্রশিক্ষণ দিতে হয় এবং তারপরে মডেলটিকে SageMaker রিয়েল-টাইম এন্ডপয়েন্ট হিসাবে স্থাপন করতে হয় যাতে এটি লাইভ, স্ট্রিমিং ডেটা প্রক্রিয়া করতে পারে।
এটি করার জন্য, আমরা একটি ভবিষ্যদ্বাণীমূলক রক্ষণাবেক্ষণের উদাহরণ ব্যবহার করব যেখানে আমরা একটি অপারেশনাল পাম্পের ত্রুটিগুলিকে শ্রেণীবদ্ধ করি যা লাইভ সেন্সর ডেটা স্ট্রিম করছে। আমরা একটি থেকে উৎপন্ন লেবেলযুক্ত ডেটার একটি বৃহৎ সংগ্রহস্থলে অ্যাক্সেস করতে পারি সিমুলিংক সিমুলেশন যাতে বিভিন্ন সম্ভাব্য সংমিশ্রণে তিনটি সম্ভাব্য ত্রুটি রয়েছে (উদাহরণস্বরূপ, একটি সুস্থ এবং সাতটি ত্রুটিপূর্ণ অবস্থা)। যেহেতু আমাদের সিস্টেমের একটি মডেল রয়েছে এবং অপারেশনে ত্রুটিগুলি বিরল, আমরা আমাদের অ্যালগরিদমকে প্রশিক্ষণ দেওয়ার জন্য সিমুলেটেড ডেটার সুবিধা নিতে পারি। MATLAB এবং Simulink-এ প্যারামিটার অনুমান কৌশল ব্যবহার করে আমাদের বাস্তব পাম্প থেকে অপারেশনাল ডেটা মেলানোর জন্য মডেলটি টিউন করা যেতে পারে।
আমাদের উদ্দেশ্য হল এই ত্রুটি শ্রেণীবিন্যাস উদাহরণ ব্যবহার করে MATLAB এবং Amazon SageMaker-এর সম্মিলিত শক্তি প্রদর্শন করা।
আমরা MATLAB এর সাথে আমাদের ডেস্কটপে একটি ক্লাসিফায়ার মডেলের প্রশিক্ষণ দিয়ে শুরু করি। প্রথমত, আমরা ব্যবহার করে সম্পূর্ণ ডেটাসেটের একটি উপসেট থেকে বৈশিষ্ট্যগুলি বের করি ডায়গনিস্টিক ফিচার ডিজাইনার অ্যাপ, এবং তারপরে একটি MATLAB সিদ্ধান্ত গাছের মডেলের সাথে স্থানীয়ভাবে মডেল প্রশিক্ষণ চালান। একবার আমরা প্যারামিটার সেটিংসের সাথে সন্তুষ্ট হলে, আমরা একটি MATLAB ফাংশন তৈরি করতে পারি এবং SageMaker-এ ডেটাসেট সহ কাজটি পাঠাতে পারি। এটি আমাদেরকে অনেক বড় ডেটাসেট মিটমাট করার জন্য প্রশিক্ষণ প্রক্রিয়াকে স্কেল করতে দেয়। আমাদের মডেলকে প্রশিক্ষণ দেওয়ার পরে, আমরা এটিকে একটি লাইভ এন্ডপয়েন্ট হিসাবে স্থাপন করি যা একটি ডাউনস্ট্রিম অ্যাপ বা ড্যাশবোর্ডে একত্রিত করা যেতে পারে, যেমন একটি MATLAB ওয়েব অ্যাপ।
এই উদাহরণটি প্রতিটি ধাপের সংক্ষিপ্ত বিবরণ দেবে, মেশিন লার্নিং কাজের জন্য কীভাবে MATLAB এবং Amazon SageMaker ব্যবহার করতে হয় তার একটি ব্যবহারিক বোঝাপড়া প্রদান করবে। উদাহরণের জন্য সম্পূর্ণ কোড এবং বিবরণ এই পাওয়া যায় সংগ্রহস্থলের.
পূর্বশর্ত
- লিনাক্সে ম্যাটল্যাব কম্পাইলার এবং পরিসংখ্যান এবং মেশিন লার্নিং টুলবক্সের সাথে MATLAB2023a বা তার পরে কাজের পরিবেশ। এখানে একটি দ্রুত গাইড কিভাবে AWS এ MATLAB চালাতে হয়।
- ডকার একটি মধ্যে সেট আপ আমাজন ইলাস্টিক কম্পিউট ক্লাউড (অ্যামাজন EC2) উদাহরণ যেখানে MATLAB চলছে। হয় উবুন্টু or লিনাক্স.
- এর ইনস্টলেশন AWS কমান্ড-লাইন ইন্টারফেস (AWS CLI), AWS কনফিগার করুন, এবং Python3.
- AWS CLI, যদি আপনি এর থেকে ইনস্টলেশন গাইড অনুসরণ করেন তবে ইতিমধ্যেই ইনস্টল করা উচিত 1 পইঠা.
- AWS কনফিগার সেট আপ করুন AWS সম্পদের সাথে যোগাযোগ করতে।
- চালানোর মাধ্যমে আপনার python3 ইনস্টলেশন যাচাই করুন
python -V
orpython --version
আপনার টার্মিনালে কমান্ড দিন। প্রয়োজনে পাইথন ইনস্টল করুন।
- রান করে আপনার লিনাক্স মেশিনের একটি ফোল্ডারে এই রেপোটি অনুলিপি করুন:
- রেপো ফোল্ডারে অনুমতি পরীক্ষা করুন। যদি এটির লেখার অনুমতি না থাকে তবে নিম্নলিখিত শেল কমান্ডটি চালান:
- MATLAB প্রশিক্ষণের পাত্রটি তৈরি করুন এবং এটিকে ঠেলে দিন আমাজন ইলাস্টিক কন্টেইনার রেজিস্ট্রি (আমাজন ইসিআর).
- ফোল্ডারে নেভিগেট করুন
docker
- AWS CLI ব্যবহার করে একটি Amazon ECR রেপো তৈরি করুন (REGION আপনার পছন্দের AWS অঞ্চল দিয়ে প্রতিস্থাপন করুন)
- নিম্নলিখিত ডকার কমান্ড চালান:
- ফোল্ডারে নেভিগেট করুন
- MATLAB খুলুন এবং লাইভ স্ক্রিপ্ট খুলুন
PumpFaultClassificationMATLABSageMaker.mlx
ফোল্ডারেexamples/PumpFaultClassification
. এই ফোল্ডারটিকে MATLAB-এ আপনার বর্তমান কাজের ফোল্ডারে পরিণত করুন।
পার্ট 1: ডেটা প্রস্তুতি এবং বৈশিষ্ট্য নিষ্কাশন
যেকোনো মেশিন লার্নিং প্রকল্পের প্রথম ধাপ হল আপনার ডেটা প্রস্তুত করা। MATLAB আপনার ডেটা থেকে বৈশিষ্ট্যগুলি আমদানি, পরিষ্কার এবং নিষ্কাশনের জন্য বিস্তৃত সরঞ্জাম সরবরাহ করে।
সার্জারির SensorData.mat
ডেটাসেটে 240টি রেকর্ড রয়েছে। প্রতিটি রেকর্ডের দুটি সময়সূচী রয়েছে: flow
এবং pressure
. লক্ষ্য কলাম হয় faultcode
, যা পাম্পে তিনটি সম্ভাব্য ত্রুটি সমন্বয়ের একটি বাইনারি উপস্থাপনা। সেই সময় সিরিজের টেবিলের জন্য, প্রতিটি টেবিলে 1,201টি সারি রয়েছে যা 1.2 সেকেন্ড বৃদ্ধির সাথে 0.001 সেকেন্ডের পাম্প প্রবাহ এবং চাপ পরিমাপের অনুকরণ করে।
এরপরে, ডায়াগনস্টিক ফিচার ডিজাইনার অ্যাপ আপনাকে ডেটা থেকে বিভিন্ন বৈশিষ্ট্য বের করতে, ভিজ্যুয়ালাইজ করতে এবং র্যাঙ্ক করতে দেয়। এখানে, আপনি ব্যবহার করুন অটো বৈশিষ্ট্য, যা ডেটাসেট থেকে দ্রুত সময় এবং ফ্রিকোয়েন্সি ডোমেন বৈশিষ্ট্যগুলির একটি বিস্তৃত সেট বের করে এবং মডেল প্রশিক্ষণের জন্য শীর্ষ প্রার্থীদের স্থান দেয়। তারপরে আপনি একটি MATLAB ফাংশন রপ্তানি করতে পারেন যা নতুন ইনপুট ডেটা থেকে শীর্ষ 15 র্যাঙ্কযুক্ত বৈশিষ্ট্যগুলিকে পুনরায় গণনা করবে। এই ফাংশন কল করা যাক extractFeaturesTraining
. এই ফাংশনটি এক ব্যাচে বা স্ট্রিমিং ডেটা হিসাবে সমস্ত ডেটা নেওয়ার জন্য কনফিগার করা যেতে পারে।
এই ফাংশনটি নিম্নলিখিত চিত্রে দেখানো ফল্ট কোডগুলির সাথে বৈশিষ্ট্যগুলির একটি সারণী তৈরি করে:
পার্ট 2: সেজমেকারের জন্য ডেটা সংগঠিত করুন
এর পরে, আপনাকে এমনভাবে ডেটা সংগঠিত করতে হবে যা সেজমেকার মেশিন লার্নিং প্রশিক্ষণের জন্য ব্যবহার করতে পারে। সাধারণত, এর মধ্যে প্রশিক্ষণ এবং বৈধতা সেটে ডেটা বিভক্ত করা এবং লক্ষ্য প্রতিক্রিয়া থেকে ভবিষ্যদ্বাণীকারী ডেটা বিভক্ত করা জড়িত।
এই পর্যায়ে, অন্যান্য আরও জটিল ডেটা পরিষ্কার এবং ফিল্টারিং অপারেশনগুলির প্রয়োজন হতে পারে। এই উদাহরণে, ডেটা ইতিমধ্যে পরিষ্কার। সম্ভাব্যভাবে, যদি ডেটা প্রসেসিং খুব জটিল এবং সময়সাপেক্ষ হয়, তাহলে SageMaker প্রসেসিং কাজগুলি SageMaker প্রশিক্ষণ ছাড়াও এই কাজগুলি চালানোর জন্য ব্যবহার করা যেতে পারে যাতে সেগুলিকে দুটি ধাপে আলাদা করা যায়।
trainPredictors = trainingData(:,2:end);
trainResponse = trainingData(:,1);
পার্ট 3: MATLAB-এ একটি মেশিন লার্নিং মডেল প্রশিক্ষণ ও পরীক্ষা করুন
SageMaker-এ যাওয়ার আগে, MATLAB-এ স্থানীয়ভাবে মেশিন লার্নিং মডেল তৈরি এবং পরীক্ষা করা একটি ভাল ধারণা। এটি আপনাকে মডেলটিকে দ্রুত পুনরাবৃত্তি এবং ডিবাগ করতে দেয়। আপনি স্থানীয়ভাবে একটি সাধারণ সিদ্ধান্ত ট্রি ক্লাসিফায়ার সেট আপ এবং প্রশিক্ষণ দিতে পারেন।
classifierModel = fitctree(...
trainPredictors,...
trainResponse,...
OptimizeHyperparameters='auto');
এখানে প্রশিক্ষণের কাজ শেষ হতে এক মিনিটেরও কম সময় নেওয়া উচিত এবং প্রশিক্ষণের অগ্রগতি নির্দেশ করার জন্য কিছু গ্রাফ তৈরি করা উচিত। প্রশিক্ষণ শেষ হওয়ার পরে, একটি MATLAB মেশিন লার্নিং মডেল তৈরি করা হয়। দ্য ক্লাসিফিকেশন লার্নার অ্যাপটি বিভিন্ন ধরণের শ্রেণীবিভাগের মডেলগুলি চেষ্টা করতে এবং সেরা পারফরম্যান্সের জন্য তাদের টিউন করতে ব্যবহার করা যেতে পারে, তারপর উপরের মডেল প্রশিক্ষণ কোডটি প্রতিস্থাপন করার জন্য প্রয়োজনীয় কোড তৈরি করুন।
স্থানীয়ভাবে প্রশিক্ষিত মডেলের নির্ভুলতা মেট্রিক্স পরীক্ষা করার পরে, আমরা প্রশিক্ষণটিকে Amazon SageMaker-এ স্থানান্তর করতে পারি।
পার্ট 4: Amazon SageMaker-এ মডেলকে প্রশিক্ষণ দিন
আপনি মডেলের সাথে সন্তুষ্ট হওয়ার পরে, আপনি SageMaker ব্যবহার করে এটিকে স্কেলে প্রশিক্ষণ দিতে পারেন। সেজমেকার এসডিকে কল করা শুরু করতে, আপনাকে একটি সেজমেকার সেশন শুরু করতে হবে।
session = sagemaker.Session();
একটি সেজমেকার এক্সিকিউশন নির্দিষ্ট করুন আইএএম ভূমিকা যে প্রশিক্ষণ কাজ এবং শেষ পয়েন্ট হোস্টিং ব্যবহার করবে.
role = "arn:aws:iam::ACCOUNT:role/service-role/AmazonSageMaker-ExecutionRole-XXXXXXXXXXXXXXX";
MATLAB থেকে, একটি .csv ফাইল হিসাবে প্রশিক্ষণ ডেটা সংরক্ষণ করুন অ্যামাজন সিম্পল স্টোরেজ সার্ভিস (অ্যামাজন এস 3) বালতি
writetable(trainingData,'pump_training_data.csv');
trainingDataLocation = "s3:// "+session.DefaultBucket+ +"/cooling_system/input/pump_training";
copyfile("pump_training_data.csv", trainingDataLocation);
একটি সেজমেকার এস্টিমেটর তৈরি করুন
এর পরে, আপনাকে একটি সেজমেকার এস্টিমেটর তৈরি করতে হবে এবং এটিতে সমস্ত প্রয়োজনীয় প্যারামিটার পাস করতে হবে, যেমন একটি প্রশিক্ষণ ডকার ইমেজ, প্রশিক্ষণ ফাংশন, এনভায়রনমেন্ট ভেরিয়েবল, ট্রেনিং ইনস্ট্যান্স সাইজ ইত্যাদি। প্রশিক্ষণ ইমেজ URI হওয়া উচিত Amazon ECR URI যা আপনি ফরম্যাটের সাথে পূর্বশর্ত ধাপে তৈরি করেছেন ACCOUNT.dkr.ecr.us-east-1.amazonaws.com/sagemaker-matlab-training-r2023a:latest
. প্রশিক্ষণ ফাংশন MATLAB লাইভ স্ক্রিপ্ট নীচে প্রদান করা উচিত.
সেজমেকার প্রশিক্ষণের কাজ জমা দিন
অনুমানকারী থেকে ফিট পদ্ধতিতে কল করা প্রশিক্ষণের কাজটি সেজমেকারে জমা দেয়।
est.fit(training=struct(Location=trainingDataLocation, ContentType="text/csv"))
আপনি সেজমেকার কনসোল থেকে প্রশিক্ষণের কাজের অবস্থাও পরীক্ষা করতে পারেন:
প্রশিক্ষণের কাজ শেষ হওয়ার পরে, কাজের লিঙ্কটি নির্বাচন করা আপনাকে কাজের বিবরণ পৃষ্ঠায় নিয়ে যায় যেখানে আপনি ডেডিকেটেড S3 বালতিতে সংরক্ষিত MATLAB মডেল দেখতে পাবেন:
পার্ট 5: মডেলটিকে একটি রিয়েল-টাইম সেজমেকার এন্ডপয়েন্ট হিসাবে স্থাপন করুন
প্রশিক্ষণের পরে, আপনি মডেলটিকে একটি রিয়েল-টাইম সেজমেকার এন্ডপয়েন্ট হিসাবে স্থাপন করতে পারেন, যা আপনি বাস্তব সময়ে ভবিষ্যদ্বাণী করতে ব্যবহার করতে পারেন। এটি করার জন্য, অনুমানকারী থেকে স্থাপনার পদ্ধতিতে কল করুন। এখানে আপনি কাজের চাপের উপর নির্ভর করে হোস্টিংয়ের জন্য পছন্দসই উদাহরণ আকার সেট আপ করতে পারেন।
পর্দার পিছনে, এই পদক্ষেপটি একটি অনুমান ডকার ইমেজ তৈরি করে এবং এটিকে অ্যামাজন ইসিআর সংগ্রহস্থলে ঠেলে দেয়, অনুমান কন্টেইনার তৈরি করতে ব্যবহারকারীর কাছ থেকে কিছুই প্রয়োজন হয় না। চিত্রটিতে অনুমান অনুরোধের জন্য সমস্ত প্রয়োজনীয় তথ্য রয়েছে, যেমন মডেল অবস্থান, MATLAB প্রমাণীকরণ তথ্য এবং অ্যালগরিদম। এর পরে, Amazon SageMaker একটি SageMaker এন্ডপয়েন্ট কনফিগারেশন তৈরি করে এবং অবশেষে রিয়েল-টাইম এন্ডপয়েন্ট স্থাপন করে। শেষ পয়েন্টটি সেজমেকার কনসোলে নিরীক্ষণ করা যেতে পারে এবং এটি আর ব্যবহার না করা হলে যে কোনও সময় বন্ধ করা যেতে পারে।
পার্ট 6: শেষ পয়েন্ট পরীক্ষা করুন
এখন যেহেতু এন্ডপয়েন্ট আপ এবং চলমান, আপনি ভবিষ্যদ্বাণী করার জন্য কয়েকটি রেকর্ড দিয়ে শেষ পয়েন্টটি পরীক্ষা করতে পারেন। প্রশিক্ষণের ডেটা থেকে 10টি রেকর্ড নির্বাচন করতে এবং পূর্বাভাসের জন্য শেষ পয়েন্টে পাঠাতে নিম্নলিখিত কোডটি ব্যবহার করুন। ভবিষ্যদ্বাণী ফলাফল শেষ পয়েন্ট থেকে ফেরত পাঠানো হয়েছে এবং নিম্নলিখিত ছবিতে দেখানো হয়েছে।
পার্ট 7: ড্যাশবোর্ড ইন্টিগ্রেশন
SageMaker এন্ডপয়েন্ট অনেক নেটিভ AWS পরিষেবা দ্বারা কল করা যেতে পারে। এটি একটি স্ট্যান্ডার্ড REST API হিসাবেও ব্যবহার করা যেতে পারে যদি একটি এর সাথে একসাথে স্থাপন করা হয় এডাব্লুএস ল্যাম্বদা ফাংশন এবং API গেটওয়ে, যা যেকোনো ওয়েব অ্যাপ্লিকেশনের সাথে একত্রিত করা যেতে পারে। এই বিশেষ ব্যবহারের ক্ষেত্রে, আপনি কাছাকাছি বাস্তব সময়ে মেশিন লার্নিং-ব্যাকড সিদ্ধান্ত নিতে অ্যামাজন সেজমেকার ফিচার স্টোর এবং Apache Kafka, MSK-এর জন্য Amazon পরিচালিত স্ট্রিমিং-এর সাথে স্ট্রিমিং ইনজেশন ব্যবহার করতে পারেন। আরেকটি সম্ভাব্য ইন্টিগ্রেশন একটি সমন্বয় ব্যবহার করা হয় আমাজন কিনেসিস, SageMaker, এবং Apache Flink একটি পরিচালিত, নির্ভরযোগ্য, পরিমাপযোগ্য, এবং অত্যন্ত উপলব্ধ অ্যাপ্লিকেশন তৈরি করতে যা ডেটা স্ট্রীমে রিয়েল-টাইম ইনফারেন্সিং করতে সক্ষম।
অ্যালগরিদমগুলি একটি সেজমেকার এন্ডপয়েন্টে স্থাপন করার পরে, আপনি একটি ড্যাশবোর্ড ব্যবহার করে সেগুলিকে কল্পনা করতে চাইতে পারেন যা রিয়েল টাইমে স্ট্রিমিং পূর্বাভাস প্রদর্শন করে। অনুসরণ করা কাস্টম MATLAB ওয়েব অ্যাপে, আপনি পাম্পের মাধ্যমে চাপ এবং প্রবাহের ডেটা এবং স্থাপন করা মডেল থেকে লাইভ ফল্ট পূর্বাভাস দেখতে পারেন।
এই ড্যাশবোর্ডে প্রশ্নে থাকা প্রতিটি পাম্পের ব্যর্থতার সময় ভবিষ্যদ্বাণী করার জন্য একটি অবশিষ্ট দরকারী জীবন (RUL) মডেল অন্তর্ভুক্ত রয়েছে। কিভাবে RUL অ্যালগরিদম প্রশিক্ষণ দিতে হয় তা জানতে, দেখুন ভবিষ্যদ্বাণীমূলক রক্ষণাবেক্ষণ টুলবক্স.
পরিষ্কার কর
আপনি এই সমাধানটি চালানোর পরে, অপ্রত্যাশিত খরচ এড়াতে আপনি যেকোন অপ্রয়োজনীয় AWS সংস্থানগুলি পরিষ্কার করেছেন তা নিশ্চিত করুন৷ আপনি ব্যবহার করে এই সম্পদ পরিষ্কার করতে পারেন সেজমেকার পাইথন এসডিকে অথবা এখানে ব্যবহৃত নির্দিষ্ট পরিষেবাগুলির জন্য AWS ম্যানেজমেন্ট কনসোল (SageMaker, Amazon ECR, এবং Amazon S3)। এই সংস্থানগুলি মুছে ফেলার মাধ্যমে, আপনি আর ব্যবহার করছেন না এমন সংস্থানগুলির জন্য আরও চার্জ আটকান৷
উপসংহার
আমরা দেখিয়েছি কিভাবে আপনি সম্পূর্ণ মেশিন লার্নিং লাইফসাইকেল সহ পাম্প ভবিষ্যদ্বাণীমূলক রক্ষণাবেক্ষণ ব্যবহারের ক্ষেত্রে সেজমেকারে MATLAB আনতে পারেন। সেজমেকার মেশিন লার্নিং ওয়ার্কলোড চালানোর জন্য এবং বিভিন্ন প্রয়োজনের জন্য কম্পিউট দৃষ্টান্তগুলির একটি দুর্দান্ত নির্বাচন সহ মডেল স্থাপনের জন্য একটি সম্পূর্ণরূপে পরিচালিত পরিবেশ সরবরাহ করে।
দায়িত্ব অস্বীকার: এই পোস্টে ব্যবহৃত কোড MathWorks মালিকানাধীন এবং রক্ষণাবেক্ষণ করে। GitHub রেপোতে লাইসেন্সের শর্তাবলী পড়ুন। কোড বা বৈশিষ্ট্যের অনুরোধের সাথে যেকোনো সমস্যার জন্য, অনুগ্রহ করে সংগ্রহস্থলে একটি GitHub সমস্যা খুলুন
তথ্যসূত্র
লেখক সম্পর্কে
ব্র্যাড ডানকান MathWorks-এ পরিসংখ্যান এবং মেশিন লার্নিং টুলবক্সে মেশিন লার্নিং ক্ষমতার জন্য প্রোডাক্ট ম্যানেজার। তিনি গ্রাহকদের সাথে ইঞ্জিনিয়ারিং এর নতুন ক্ষেত্রগুলিতে AI প্রয়োগ করার জন্য কাজ করেন যেমন ইঞ্জিনিয়ারিং সিস্টেমে ভার্চুয়াল সেন্সর অন্তর্ভুক্ত করা, ব্যাখ্যাযোগ্য মেশিন লার্নিং মডেল তৈরি করা এবং MATLAB এবং Simulink ব্যবহার করে AI ওয়ার্কফ্লোকে মানক করা। ম্যাথওয়ার্কসে আসার আগে তিনি 3D সিমুলেশন এবং গাড়ির অ্যারোডাইনামিকসের অপ্টিমাইজেশন, 3D সিমুলেশনের জন্য ব্যবহারকারীর অভিজ্ঞতা এবং সিমুলেশন সফ্টওয়্যারের জন্য পণ্য পরিচালনার জন্য দলগুলির নেতৃত্ব দেন। ব্র্যাড টাফ্টস ইউনিভার্সিটিতে যানবাহন এরোডাইনামিকসের একজন অতিথি প্রভাষক।
রিচার্ড অ্যালকক MathWorks এ ক্লাউড প্ল্যাটফর্ম ইন্টিগ্রেশনের সিনিয়র ডেভেলপমেন্ট ম্যানেজার। এই ভূমিকায়, তিনি নির্বিঘ্নে ক্লাউড এবং কন্টেইনার প্ল্যাটফর্মে ম্যাথওয়ার্কস পণ্যগুলিকে একীভূত করার ক্ষেত্রে গুরুত্বপূর্ণ ভূমিকা পালন করছেন। তিনি এমন সমাধান তৈরি করেন যা প্রকৌশলী এবং বিজ্ঞানীদের ক্লাউড-ভিত্তিক পরিবেশে MATLAB এবং Simulink-এর সম্পূর্ণ সম্ভাবনাকে কাজে লাগাতে সক্ষম করে। তিনি পূর্বে MathWorks-এ একজন সফ্টওয়্যার ইঞ্জিনিয়ারিং ছিলেন, সমান্তরাল এবং বিতরণ করা কম্পিউটিং ওয়ার্কফ্লোকে সমর্থন করার জন্য সমাধানগুলি বিকাশ করেছিলেন।
রাহেল জনসন MathWorks এ ভবিষ্যদ্বাণীমূলক রক্ষণাবেক্ষণের জন্য পণ্য ব্যবস্থাপক, এবং সামগ্রিক পণ্য কৌশল এবং বিপণনের জন্য দায়ী। তিনি পূর্বে একজন অ্যাপ্লিকেশন প্রকৌশলী ছিলেন যা ভবিষ্যদ্বাণীমূলক রক্ষণাবেক্ষণ প্রকল্পগুলিতে মহাকাশ শিল্পকে সরাসরি সমর্থন করেছিল। ম্যাথওয়ার্কসের আগে, র্যাচেল মার্কিন নৌবাহিনীর একজন অ্যারোডাইনামিকস এবং প্রপালশন সিমুলেশন ইঞ্জিনিয়ার ছিলেন। এছাড়াও তিনি গণিত, পদার্থবিদ্যা এবং প্রকৌশল শেখাতে বেশ কয়েক বছর কাটিয়েছেন।
শুন মাও আমাজন ওয়েব সার্ভিসেসের উদীয়মান প্রযুক্তি দলে একজন সিনিয়র এআই/এমএল পার্টনার সলিউশন আর্কিটেক্ট। তিনি এন্টারপ্রাইজ গ্রাহকদের এবং অংশীদারদের সাথে তাদের ব্যবসার মূল্য অর্জনের জন্য এআই/এমএল অ্যাপ্লিকেশন ডিজাইন, স্থাপন এবং স্কেল করার জন্য কাজ করার বিষয়ে উত্সাহী। কাজের বাইরে, তিনি মাছ ধরা, ভ্রমণ এবং পিং-পং খেলা উপভোগ করেন।
রমেশ জাতীয় Amazon Web Services-এ স্বাধীন সফ্টওয়্যার ভেন্ডর (ISV) টিমের একজন সলিউশন আর্কিটেক্ট। তিনি ISV গ্রাহকদের সাথে তাদের ব্যবসায়িক মূল্যবোধ অর্জনের জন্য ক্লাউডে তাদের অ্যাপ্লিকেশন ডিজাইন, স্থাপন এবং স্কেল করার জন্য কাজ করার বিষয়ে উত্সাহী। তিনি বোস্টনের ব্যাবসন কলেজ থেকে মেশিন লার্নিং এবং বিজনেস অ্যানালিটিক্সে এমবিএ করছেন। কাজের বাইরে, তিনি দৌড়ানো, টেনিস খেলা এবং রান্না করা উপভোগ করেন।
- 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/machine-learning-with-matlab-and-amazon-sagemaker/
- : আছে
- : হয়
- :না
- :কোথায়
- $ ইউপি
- 001
- 1
- 10
- 100
- 15%
- 152
- 19
- 20
- 3d
- 7
- 8
- a
- সম্পর্কে
- উপরে
- প্রবেশ
- প্রবেশযোগ্য
- মিটমাট করা
- হিসাব
- সঠিকতা
- সুবিধা
- মহাকাশ
- পর
- AI
- এআই / এমএল
- অ্যালগরিদম
- আলগোরিদিম
- সব
- অনুমতি
- বরাবর
- ইতিমধ্যে
- এছাড়াও
- মর্দানী স্ত্রীলোক
- আমাজন EC2
- আমাজন সেজমেকার
- অ্যামাজন ওয়েব সার্ভিসেস
- an
- বৈশ্লেষিক ন্যায়
- এবং
- অন্য
- কোন
- এ্যাপাচি
- পৃথক্
- API
- অ্যাপ্লিকেশন
- অ্যাপ্লিকেশন অনুমতি দেয়
- আবেদন
- অ্যাপ্লিকেশন
- প্রয়োগ করা
- রয়েছি
- এলাকায়
- এলাকার
- কৃত্রিম
- কৃত্রিম বুদ্ধিমত্তা
- AS
- যুক্ত
- At
- প্রমাণীকরণ
- গাড়ী
- স্বয়ংক্রিয়তা
- স্বয়ংচালিত
- সহজলভ্য
- এড়াতে
- ডেস্কটপ AWS
- এডাব্লুএস ম্যানেজমেন্ট কনসোল
- বাবসন
- পিছনে
- BE
- কারণ
- আগে
- শুরু করা
- সুবিধা
- সর্বোত্তম
- ত্তয়াল্জ্বিশেষ
- পাদ
- সরু চেপটা পেরেক-বিশেষ
- আনা
- প্রশস্ত
- আনীত
- নির্মাণ করা
- ভবন
- তৈরী করে
- ব্যবসায়
- by
- কল
- নামক
- কলিং
- CAN
- প্রার্থী
- ক্ষমতা
- সক্ষম
- কেস
- চার্জ
- চেক
- পরীক্ষণ
- শ্রেণীবিন্যাস
- শ্রেণীভুক্ত করা
- পরিষ্কার
- পরিস্কার করা
- মেঘ
- ক্লাউড প্ল্যাটফর্ম
- কোড
- কোডগুলি
- সহযোগিতা করা
- সহযোগিতা
- কলেজ
- স্তম্ভ
- এর COM
- সমাহার
- সমন্বয়
- মিলিত
- আসছে
- যোগাযোগ
- জটিল
- গনা
- কম্পিউটিং
- কনফিগারেশন
- কনফিগার
- কনসোল
- গ্রাসকারী
- আধার
- ধারণ
- খরচ
- সৃষ্টি
- নির্মিত
- সৃষ্টি
- বর্তমান
- প্রথা
- গ্রাহকদের
- ড্যাশবোর্ড
- উপাত্ত
- ডেটা প্রস্তুতি
- তথ্য প্রক্রিয়াজাতকরণ
- ডেটাসেট
- রায়
- সিদ্ধান্ত
- নিবেদিত
- প্রদর্শন
- প্রদর্শিত
- নির্ভর করে
- স্থাপন
- মোতায়েন
- মোতায়েন
- স্থাপন
- প্রবাহ
- বিবরণ
- নকশা
- ডিজাইনার
- আকাঙ্ক্ষিত
- ডেস্কটপ
- বিস্তারিত
- উন্নয়নশীল
- উন্নয়ন
- লক্ষণ
- সরাসরি
- প্রদর্শন
- বণ্টিত
- ডিস্ট্রিবিউটেড কম্পিউটিং
- do
- ডকশ্রমিক
- না
- ডোমেইন
- ডানকান
- প্রতি
- কার্যকরীভাবে
- পারেন
- শিরীষের গুঁড়ো
- বহির্গামী প্রযুক্তি
- সক্ষম করা
- শেষ
- শেষপ্রান্ত
- প্রকৌশলী
- engineered
- প্রকৌশল
- প্রকৌশলী
- উদ্যোগ
- সমগ্র
- পরিবেশ
- পরিবেশের
- বিশেষত
- উদাহরণ
- ফাঁসি
- অভিজ্ঞতা
- রপ্তানি
- নির্যাস
- চায়ের
- ব্যর্থতা
- ফল্ট
- ত্রুটিপূর্ণ
- বৈশিষ্ট্য
- বৈশিষ্ট্য
- কয়েক
- ব্যক্তিত্ব
- ফাইল
- ফিল্টারিং
- পরিশেষে
- শেষ
- প্রথম
- মাছ ধরা
- ফিট
- প্রবাহ
- অনুসৃত
- অনুসরণ
- অনুসরণ
- জন্য
- বিন্যাস
- ফ্রিকোয়েন্সি
- থেকে
- সম্পূর্ণ
- সম্পূর্ণরূপে
- ক্রিয়া
- অধিকতর
- প্রবেশপথ
- উত্পাদন করা
- উত্পন্ন
- উত্পন্ন
- GitHub
- দান
- ভাল
- গ্রাফ
- মহান
- অতিথি
- কৌশল
- সাজ
- আছে
- he
- স্বাস্থ্য
- সুস্থ
- প্রচন্ডভাবে
- এখানে
- উচ্চ পারদর্শিতা
- অত্যন্ত
- হোস্টিং
- কিভাবে
- কিভাবে
- এইচটিএমএল
- HTTPS দ্বারা
- ধারণা
- if
- ভাবমূর্তি
- আমদানি
- in
- অন্তর্ভুক্ত
- একত্রিত
- বৃদ্ধি
- স্বাধীন
- ইঙ্গিত
- শিল্প
- শিল্প
- তথ্য
- আরম্ভ করা
- ইনপুট
- ইনস্টল
- স্থাপন
- ইনস্টল
- উদাহরণ
- যান্ত্রিক
- সংহত
- একীভূত
- ইন্টিগ্রেশন
- ঐক্যবদ্ধতার
- বুদ্ধিমত্তা
- গর্ভনাটিকা
- ইন্টারফেস
- মধ্যে
- সমস্যা
- সমস্যা
- isv
- IT
- কাজ
- জবস
- জনসন
- JPG
- বড়
- বৃহত্তর
- পরে
- সর্বশেষ
- শিখতে
- শিক্ষা
- বরফ
- কম
- লেভারেজ
- লাইসেন্স
- জীবন
- জীবনচক্র
- LINK
- লিনাক্স
- জীবিত
- স্থানীয়ভাবে
- অবস্থান
- লগইন
- আর
- মেশিন
- মেশিন লার্নিং
- রক্ষণাবেক্ষণ
- করা
- মেকিং
- পরিচালিত
- ব্যবস্থাপনা
- পরিচালক
- উত্পাদন
- অনেক
- Marketing
- ম্যাচ
- গণিত
- মাপা
- পদ্ধতি
- ছন্দোবিজ্ঞান
- হতে পারে
- মিনিট
- ML
- মডেল
- মডেল
- মনিটর
- পর্যবেক্ষণ করা
- অধিক
- পদক্ষেপ
- চলন্ত
- অনেক
- নামে
- স্থানীয়
- কাছাকাছি
- প্রয়োজনীয়
- প্রয়োজন
- প্রয়োজন
- চাহিদা
- নতুন
- না।
- কিছু না
- উদ্দেশ্য
- of
- প্রদত্ত
- অর্ঘ
- on
- একদা
- ONE
- খোলা
- অপারেশন
- কর্মক্ষম
- অপারেশনস
- অপ্টিমাইজেশান
- or
- অন্যান্য
- আমাদের
- আউটপুট
- বাহিরে
- সামগ্রিক
- মালিক হয়েছেন
- পৃষ্ঠা
- সমান্তরাল
- স্থিতিমাপ
- পরামিতি
- বিশেষ
- হাসপাতাল
- অংশীদারদের
- পাস
- কামুক
- কর্মক্ষমতা
- অনুমতি
- পদার্থবিদ্যা
- মাচা
- প্ল্যাটফর্ম
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- কেলি
- দয়া করে
- জনপ্রিয়
- সম্ভব
- পোস্ট
- সম্ভাব্য
- সম্ভাব্য
- ক্ষমতা
- ব্যবহারিক
- ভবিষ্যদ্বাণী করা
- ভবিষ্যদ্বাণী
- ভবিষ্যতবাণী
- Predictor
- পছন্দের
- প্রস্তুতি
- প্রস্তুত করা
- চাপ
- প্রতিরোধ
- পূর্বে
- পূর্বে
- প্রক্রিয়া
- প্রক্রিয়াজাতকরণ
- উৎপাদন করা
- প্রযোজনা
- উত্পাদন করে
- পণ্য
- পণ্য ব্যবস্থাপনা
- পণ্য ব্যবস্থাপক
- পণ্য
- প্রোগ্রামিং
- উন্নতি
- প্রকল্প
- প্রকল্প
- পরিচালনা
- প্রদান
- প্রদত্ত
- উপলব্ধ
- প্রদানের
- পাম্প
- ধাক্কা
- পাহাড় জমে
- পাইথন
- প্রশ্ন
- দ্রুত
- পরিসর
- মর্যাদাক্রম
- স্থান
- পদমর্যাদার
- বিরল
- ইচ্ছাপূর্বক
- বাস্তব
- প্রকৃত সময়
- সাম্প্রতিক
- নথি
- রেকর্ড
- পড়ুন
- এলাকা
- রেজিস্ট্রি
- বিশ্বাসযোগ্য
- অবশিষ্ট
- প্রতিস্থাপন করা
- সংগ্রহস্থলের
- প্রতিনিধিত্ব
- অনুরোধ
- অনুরোধ
- প্রয়োজনীয়
- Resources
- প্রতিক্রিয়া
- দায়ী
- বিশ্রাম
- ফল
- রিচার্ড
- শক্তসমর্থ
- ভূমিকা
- চালান
- দৌড়
- ঋষি নির্মাতা
- সন্তুষ্ট
- সন্তুষ্টের সাথে
- সংরক্ষণ করুন
- সংরক্ষিত
- মাপযোগ্য
- স্কেল
- লোকচক্ষুর
- বিজ্ঞানীরা
- লিপি
- sdks
- নির্বিঘ্নে
- সেকেন্ড
- দেখ
- নির্বাচন
- নির্বাচন
- পাঠান
- জ্যেষ্ঠ
- সেন্সর
- প্রেরিত
- ক্রম
- পরিবেশন করা
- সেবা
- সেবা
- ভজনা
- সেশন
- সেট
- সেট
- সেটিংস
- সাত
- বিভিন্ন
- সে
- খোল
- উচিত
- প্রদর্শনী
- প্রদর্শিত
- গুরুত্বপূর্ণ
- সহজ
- ব্যাজ
- আয়তন
- So
- সফটওয়্যার
- সফ্টওয়্যার প্রকৌশল
- সমাধান
- সলিউশন
- কিছু
- নির্দিষ্ট
- স্পীড
- অতিবাহিত
- পর্যায়
- মান
- প্রমিতকরণ
- শুরু
- যুক্তরাষ্ট্র
- পরিসংখ্যান
- অবস্থা
- ধাপ
- প্রারম্ভিক ব্যবহারের নির্দেশাবলী
- স্টোরেজ
- দোকান
- কৌশল
- প্রবাহ
- স্ট্রিমিং
- এমন
- সংক্ষিপ্ত করা
- সমর্থন
- সমর্থক
- নিশ্চিত
- পদ্ধতি
- সিস্টেম
- টেবিল
- TAG
- গ্রহণ করা
- লাগে
- লক্ষ্য
- কাজ
- শিক্ষাদান
- টীম
- দল
- প্রযুক্তি
- প্রযুক্তি
- প্রান্তিক
- শর্তাবলী
- পরীক্ষা
- পরীক্ষামূলক
- চেয়ে
- যে
- সার্জারির
- ক্ষেত্র
- তাদের
- তাহাদিগকে
- তারপর
- এইগুলো
- তারা
- এই
- সেগুলো
- তিন
- সময়
- সময় সিরিজ
- থেকে
- একসঙ্গে
- টুল
- টুলবক্স
- সরঞ্জাম
- শীর্ষ
- রেলগাড়ি
- প্রশিক্ষণ
- ভ্রমণ
- বৃক্ষ
- চেষ্টা
- সুর
- টিউন
- দুই
- ধরনের
- সাধারণত
- বোধশক্তি
- অপ্রত্যাশিত
- বিশ্ববিদ্যালয়
- us
- ব্যবহার
- ব্যবহার ক্ষেত্রে
- ব্যবহৃত
- ব্যবহারকারী
- ব্যবহারকারীর অভিজ্ঞতা
- ব্যবহার
- বৈধতা
- মানগুলি
- বৈচিত্র্য
- বিভিন্ন
- বাহন
- বিক্রেতা
- খুব
- ভার্চুয়াল
- ঠাহর করা
- প্রয়োজন
- ছিল
- উপায়..
- we
- ওয়েব
- ওয়েব অ্যাপ্লিকেশন
- ওয়েব সার্ভিস
- যে
- ব্যাপক
- প্রশস্ত পরিসর
- ইচ্ছা
- সঙ্গে
- হয়া যাই ?
- কর্মপ্রবাহ
- কাজ
- কাজ
- লেখা
- লিখিত
- বছর
- আপনি
- আপনার
- zephyrnet