বিপুল পরিমাণ নথি কার্যকরভাবে পরিচালনা এবং প্রক্রিয়া করার ক্ষমতা আধুনিক বিশ্বের উদ্যোগগুলির জন্য অপরিহার্য হয়ে উঠেছে। তথ্যের ক্রমাগত প্রবাহের কারণে যা সমস্ত উদ্যোগের সাথে মোকাবিলা করে, ম্যানুয়ালি নথি শ্রেণীবদ্ধ করা আর একটি কার্যকর বিকল্প নয়। নথির শ্রেণিবিন্যাস মডেলগুলি প্রক্রিয়াটিকে স্বয়ংক্রিয় করতে পারে এবং সংস্থাগুলিকে সময় এবং সংস্থান বাঁচাতে সহায়তা করে। প্রথাগত শ্রেণীকরণ কৌশল, যেমন ম্যানুয়াল প্রসেসিং এবং কীওয়ার্ড-ভিত্তিক অনুসন্ধান, নথির পরিমাণ বৃদ্ধির সাথে সাথে কম দক্ষ এবং আরও বেশি সময়সাপেক্ষ হয়ে ওঠে। এই অদক্ষতা কম উৎপাদনশীলতা এবং উচ্চ পরিচালন ব্যয়ের কারণ হয়। উপরন্তু, এটি প্রয়োজনের সময় গুরুত্বপূর্ণ তথ্য অ্যাক্সেসযোগ্য হতে বাধা দিতে পারে, যা একটি দুর্বল গ্রাহকের অভিজ্ঞতা এবং সিদ্ধান্ত গ্রহণকে প্রভাবিত করতে পারে। AWS re:Invent 2022 এ, অ্যামাজন সমঝোতা, একটি প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP) পরিষেবা যা পাঠ্য থেকে অন্তর্দৃষ্টি আবিষ্কার করতে মেশিন লার্নিং (ML) ব্যবহার করে, চালু নেটিভ নথি প্রকারের জন্য সমর্থন। এই নতুন বৈশিষ্ট্যটি আপনাকে Amazon Comprehend ব্যবহার করে নেটিভ ফরম্যাটে (PDF, TIFF, JPG, PNG, DOCX) নথি শ্রেণীবদ্ধ করার ক্ষমতা দিয়েছে।
আজ, আমরা ঘোষণা করতে পেরে আনন্দিত যে Amazon Comprehend এখন পিডিএফ, ওয়ার্ড এবং ইমেজ ফরম্যাটের মতো ডকুমেন্ট সহ কাস্টম ক্লাসিফিকেশন মডেল প্রশিক্ষণ সমর্থন করে। আপনি এখন নেটিভ ডকুমেন্টে বেসপোক ডকুমেন্ট ক্লাসিফিকেশন মডেলকে প্রশিক্ষণ দিতে পারেন যা টেক্সট ছাড়াও লেআউট সমর্থন করে, ফলাফলের নির্ভুলতা বৃদ্ধি করে।
এই পোস্টে, আমরা কিভাবে আপনি একটি Amazon Comprehend কাস্টম ডকুমেন্ট ক্লাসিফিকেশন মডেলের প্রশিক্ষণ দিয়ে শুরু করতে পারেন তার একটি সংক্ষিপ্ত বিবরণ প্রদান করি।
সংক্ষিপ্ত বিবরণ
একটি নির্দিষ্ট স্থানের মধ্যে বস্তুর আপেক্ষিক অবস্থান বোঝার ক্ষমতাকে বলা হয় লেআউট সচেতনতা. এই ক্ষেত্রে, এটি মডেলটিকে বুঝতে সাহায্য করে কিভাবে শিরোনাম, উপশিরোনাম, টেবিল এবং গ্রাফিক্স একটি নথির ভিতরে একে অপরের সাথে সম্পর্কযুক্ত। মডেলটি তার বিষয়বস্তুর উপর ভিত্তি করে একটি নথিকে আরও কার্যকরভাবে শ্রেণীবদ্ধ করতে পারে যখন এটি পাঠ্যের গঠন এবং বিন্যাস সম্পর্কে সচেতন থাকে।
এই পোস্টে, আমরা জড়িত ডেটা প্রস্তুতির ধাপগুলির মধ্য দিয়ে হেঁটে যাই, মডেল প্রশিক্ষণ প্রক্রিয়া প্রদর্শন করি এবং অ্যামাজন কম্প্রিহেন্ডে নতুন কাস্টম নথি শ্রেণীবিভাগ মডেল ব্যবহার করার সুবিধা নিয়ে আলোচনা করি। একটি সর্বোত্তম অনুশীলন হিসাবে, আপনি কাস্টম নথি শ্রেণীবিভাগের মডেলের প্রশিক্ষণ শুরু করার আগে আপনার নিম্নলিখিত বিষয়গুলি বিবেচনা করা উচিত।
আপনার নথির শ্রেণীবিভাগের প্রয়োজনীয়তা মূল্যায়ন করুন
আপনার ব্যবহারের ক্ষেত্রে সমর্থন করার জন্য বিভিন্ন শ্রেণী বা বিভাগ সহ আপনার শ্রেণীবদ্ধ করার জন্য প্রয়োজন হতে পারে এমন বিভিন্ন ধরণের নথি সনাক্ত করুন। শ্রেণীবদ্ধ করা প্রয়োজন নথির পরিমাণ এবং ধরনের মূল্যায়ন করার পরে উপযুক্ত শ্রেণীবিভাগ কাঠামো বা শ্রেণীবিন্যাস নির্ধারণ করুন। ডকুমেন্টের ধরন PDF, Word, ছবি ইত্যাদি থেকে আলাদা হতে পারে। নিশ্চিত করুন যে আপনি একটি ডকুমেন্ট ম্যানেজমেন্ট সিস্টেম বা অন্যান্য স্টোরেজ মেকানিজমের মাধ্যমে লেবেলযুক্ত ডকুমেন্টের বিভিন্ন সেটে অনুমোদিত অ্যাক্সেস পেয়েছেন।
আপনার ডেটা প্রস্তুত করুন
নিশ্চিত করুন যে আপনি মডেল প্রশিক্ষণের জন্য যে নথি ফাইলগুলি ব্যবহার করতে চান সেগুলি এনক্রিপ্ট করা বা লক করা নেই—উদাহরণস্বরূপ, নিশ্চিত করুন যে আপনার PDF ফাইলগুলি এনক্রিপ্ট করা নেই এবং পাসওয়ার্ড দিয়ে লক করা নেই৷ প্রশিক্ষণের উদ্দেশ্যে ব্যবহার করার আগে আপনাকে অবশ্যই এই ধরনের ফাইলগুলিকে ডিক্রিপ্ট করতে হবে৷ উপযুক্ত বিভাগ বা লেবেল সহ আপনার নথিগুলির একটি নমুনা লেবেল করুন (ক্লাস) একক-লেবেল শ্রেণীবিভাগ কিনা তা নির্ধারণ করুন (মাল্টি-ক্লাস মোড) বা বহু-লেবেল শ্রেণীবিভাগ আপনার ব্যবহারের ক্ষেত্রে উপযুক্ত। মাল্টি-ক্লাস মোড প্রতিটি নথির সাথে শুধুমাত্র একটি একক শ্রেণীকে সংযুক্ত করে, যেখানে বহু-লেবেল মোড একটি নথির সাথে এক বা একাধিক শ্রেণীকে সংযুক্ত করে।
মডেল মূল্যায়ন বিবেচনা করুন
মডেলটিকে প্রশিক্ষিত করতে লেবেলযুক্ত ডেটাসেট ব্যবহার করুন যাতে এটি সঠিকভাবে নতুন নথিগুলিকে শ্রেণীবদ্ধ করতে শিখতে পারে এবং মডেল মেট্রিক্স বোঝার মাধ্যমে নতুন প্রশিক্ষিত মডেল সংস্করণটি কীভাবে কার্য সম্পাদন করে তা মূল্যায়ন করতে পারে। Amazon Comprehend পোস্ট-মডেল প্রশিক্ষণ দ্বারা প্রদত্ত মেট্রিক্স বুঝতে, পড়ুন কাস্টম ক্লাসিফায়ার মেট্রিক্স. প্রশিক্ষণ প্রক্রিয়া সম্পূর্ণ হওয়ার পরে, আপনি অসিঙ্ক্রোনাসভাবে বা রিয়েল টাইমে নথি শ্রেণীবদ্ধ করা শুরু করতে পারেন। আমরা নিম্নলিখিত বিভাগগুলিতে একটি কাস্টম শ্রেণিবিন্যাসের মডেলকে কীভাবে প্রশিক্ষিত করতে পারি তার মধ্য দিয়ে চলেছি।
প্রশিক্ষণের তথ্য প্রস্তুত করুন
আমরা আমাদের কাস্টম শ্রেণিবিন্যাস মডেলকে প্রশিক্ষণ দেওয়ার আগে, আমাদের প্রশিক্ষণের ডেটা প্রস্তুত করতে হবে। প্রশিক্ষণের ডেটা লেবেলযুক্ত নথিগুলির একটি সেট নিয়ে গঠিত, যা আপনার ইতিমধ্যে অ্যাক্সেস আছে এমন একটি নথি সংগ্রহস্থল থেকে প্রাক-শনাক্ত নথি হতে পারে৷ আমাদের উদাহরণের জন্য, আমরা কয়েকটি ভিন্ন নথির ধরন সহ একটি কাস্টম শ্রেণীবিভাগ মডেল প্রশিক্ষিত করেছি যা সাধারণত স্বাস্থ্য বীমা দাবির বিচার প্রক্রিয়ায় পাওয়া যায়: রোগীর নিষ্কাশনের সারাংশ, চালান, রসিদ ইত্যাদি। আমাদের CSV ফরম্যাটে একটি টীকা ফাইলও প্রস্তুত করতে হবে। প্রশিক্ষণের জন্য প্রয়োজনীয় একটি টীকা ফাইল CSV ডেটার উদাহরণ নিচে দেওয়া হল:
টীকা CSV ফাইলে অবশ্যই তিনটি কলাম থাকতে হবে। প্রথম কলামে নথিটির জন্য পছন্দসই শ্রেণী (লেবেল) রয়েছে, দ্বিতীয় কলামটি নথির নাম (ফাইলের নাম) এবং শেষ কলামটি নথির পৃষ্ঠা নম্বর যা আপনি প্রশিক্ষণ ডেটাসেটে অন্তর্ভুক্ত করতে চান৷ যেহেতু প্রশিক্ষণ প্রক্রিয়াটি নেটিভ মাল্টি-পেজ পিডিএফ এবং DOCX ফাইলগুলিকে সমর্থন করে, ডকুমেন্টটি বহু-পৃষ্ঠার নথি হলে আপনাকে অবশ্যই পৃষ্ঠা নম্বর উল্লেখ করতে হবে। আপনি যদি প্রশিক্ষণ ডেটাসেটে একটি বহু-পৃষ্ঠার নথির সমস্ত পৃষ্ঠা অন্তর্ভুক্ত করতে চান, তাহলে আপনাকে অবশ্যই CSV টীকা ফাইলে একটি পৃথক লাইন হিসাবে প্রতিটি পৃষ্ঠা নির্দিষ্ট করতে হবে। উদাহরণস্বরূপ, পূর্ববর্তী টীকা ফাইলে, invoice-1.pdf
এটি একটি দুই-পৃষ্ঠার নথি, এবং আমরা উভয় পৃষ্ঠাকে শ্রেণীবিভাগ ডেটাসেটে অন্তর্ভুক্ত করতে চাই। যেহেতু পিডিএফ, পিএনজি এবং টিআইএফএফ এর মতো ফাইলগুলি ইমেজ ফরম্যাট, তাই পৃষ্ঠা নম্বর (তৃতীয় কলাম) মান সর্বদা 1 হতে হবে। যদি আপনার ডেটাসেটে মাল্টি-ফ্রেম (মাল্টি-পেজ) টিআইএফ ফাইল থাকে, তাহলে আপনাকে অবশ্যই সেগুলিকে আলাদা টিআইএফ ফাইলে বিভক্ত করতে হবে। প্রশিক্ষণ প্রক্রিয়ায় তাদের ব্যবহার করার জন্য।
আমরা নামক একটি টীকা ফাইল প্রস্তুত করেছি test.csv
একটি কাস্টম শ্রেণিবিন্যাস মডেল প্রশিক্ষণের জন্য উপযুক্ত ডেটা সহ। প্রতিটি নমুনা নথির জন্য, CSV ফাইলে নথিটি যে শ্রেণীভুক্ত, সেখানে নথির অবস্থান থাকে৷ আমাজন সিম্পল স্টোরেজ সার্ভিস (Amazon S3), যেমন path/to/prefix/document.pdf
, এবং পৃষ্ঠা নম্বর (যদি প্রযোজ্য হয়)। যেহেতু আমাদের বেশিরভাগ নথিই হয় একক-পৃষ্ঠার DOCX, PDF ফাইল, অথবা TIF, JPG, বা PNG ফাইল, তাই নির্ধারিত পৃষ্ঠা নম্বর হল 1। কারণ আমাদের টীকা CSV এবং নমুনা নথিগুলি একই Amazon S3 উপসর্গের অধীনে, আমরা তা করি না t দ্বিতীয় কলামে স্পষ্টভাবে উপসর্গ নির্দিষ্ট করতে হবে। আমরা প্রতিটি শ্রেণীর জন্য কমপক্ষে 10টি নমুনা বা তার বেশি নমুনা প্রস্তুত করি এবং আমরা মডেলটি প্রশিক্ষণের জন্য JPG, PNG, DOCX, PDF এবং TIF ফাইলগুলির মিশ্রণ ব্যবহার করি। মনে রাখবেন যে মডেলের অতিরিক্ত ফিটিং এড়াতে মডেল প্রশিক্ষণের জন্য সাধারণত নমুনা নথির একটি বিচিত্র সেট রাখার সুপারিশ করা হয়, যা নতুন নথিগুলি সনাক্ত করার ক্ষমতাকে প্রভাবিত করে৷ এটিও সুপারিশ করা হয় যে প্রতি শ্রেণীতে নমুনার সংখ্যা ভারসাম্যপূর্ণ, যদিও প্রতি শ্রেণীতে একই সংখ্যক নমুনার প্রয়োজন নেই। পরবর্তী, আমরা আপলোড test.csv
অ্যানোটেশন ফাইল এবং সমস্ত নথি অ্যামাজন S3-এ। নিচের ছবিটি আমাদের টীকা CSV ফাইলের অংশ দেখায়।
একটি কাস্টম শ্রেণীবিভাগ মডেল প্রশিক্ষণ
এখন যেহেতু আমাদের টীকা ফাইল এবং আমাদের সমস্ত নমুনা নথি প্রস্তুত আছে, আমরা একটি কাস্টম শ্রেণিবিন্যাস মডেল সেট আপ করি এবং এটিকে প্রশিক্ষণ দিই। আপনি কাস্টম ক্লাসিফিকেশন মডেল প্রশিক্ষণ সেট আপ শুরু করার আগে, নিশ্চিত করুন যে টীকা CSV এবং নমুনা নথি একটি Amazon S3 অবস্থানে বিদ্যমান।
- Amazon Comprehend কনসোলে, নির্বাচন করুন কাস্টম শ্রেণীবিভাগ নেভিগেশন ফলকে।
- বেছে নিন নতুন মডেল তৈরি করুন.
- জন্য ণশড, একটি অনন্য নাম লিখুন।
- জন্য সংস্করণের নাম, একটি অনন্য সংস্করণ নাম লিখুন।
- জন্য প্রশিক্ষণ মডেলের ধরন, নির্বাচন করুন দেশীয় নথি.
এটি অ্যামাজন কম্প্রেহেন্ডকে বলে যে আপনি সিরিয়ালাইজড পাঠ্যের পরিবর্তে মডেলকে প্রশিক্ষণের জন্য নেটিভ নথির ধরনগুলি ব্যবহার করতে চান৷
- জন্য ক্লাসিফায়ার মোড, নির্বাচন করুন একক-লেবেল মোড ব্যবহার করে.
এই মোডটি ক্লাসিফায়ারকে বলে যে আমরা নথিগুলিকে একটি একক শ্রেণিতে শ্রেণীবদ্ধ করতে চাই। আপনি যদি মাল্টি-লেবেল মোড সহ একটি মডেলকে প্রশিক্ষিত করতে চান, যার অর্থ একটি নথি এক বা একাধিক শ্রেণীর অন্তর্গত হতে পারে, আপনাকে টীকা CSV-এ একটি বিশেষ অক্ষর দ্বারা পৃথক করা নথির ক্লাসগুলি নির্দিষ্ট করে যথাযথভাবে টীকা ফাইল সেট আপ করতে হবে ফাইল সেই ক্ষেত্রে, আপনি নির্বাচন করবেন মাল্টি-লেবেল মোড ব্যবহার করে বিকল্প।
- জন্য S3 এ টীকা অবস্থান, টীকা CSV ফাইলের পাথ লিখুন।
- জন্য S3 এ প্রশিক্ষণের ডেটা অবস্থান, Amazon S3 অবস্থান লিখুন যেখানে আপনার নথিগুলি থাকে৷
- এই বিভাগে ডিফল্ট হিসাবে অন্যান্য সমস্ত বিকল্প ছেড়ে দিন।
- মধ্যে আউটপুট ডেটা বিভাগে, আপনার আউটপুটের জন্য একটি Amazon S3 অবস্থান নির্দিষ্ট করুন।
এটি ঐচ্ছিক, কিন্তু একটি আউটপুট অবস্থান প্রদান করা একটি ভাল অনুশীলন কারণ Amazon Comprehend এই অবস্থানে মডেল-পরবর্তী প্রশিক্ষণ মূল্যায়ন মেট্রিক্স তৈরি করবে। এই ডেটা মডেলের কর্মক্ষমতা মূল্যায়ন করতে, পুনরাবৃত্তি করতে এবং আপনার মডেলের নির্ভুলতা উন্নত করতে উপযোগী।
- মধ্যে আইএএম ভূমিকা বিভাগ, একটি উপযুক্ত চয়ন করুন এডাব্লুএস আইডেন্টিটি এবং অ্যাক্সেস ম্যানেজমেন্ট (IAM) ভূমিকা যা Amazon Comprehend কে Amazon S3 অবস্থান অ্যাক্সেস করতে এবং এটি থেকে লিখতে ও পড়তে দেয়।
- বেছে নিন সৃষ্টি মডেল প্রশিক্ষণ শুরু করতে।
ক্লাসের সংখ্যা এবং ডেটাসেটের আকারের উপর নির্ভর করে মডেলটি প্রশিক্ষণের জন্য কয়েক মিনিট সময় নিতে পারে। আপনি প্রশিক্ষণের অবস্থা পর্যালোচনা করতে পারেন কাস্টম শ্রেণীবিভাগ পৃষ্ঠা প্রশিক্ষণ প্রক্রিয়া একটি প্রদর্শন করবে জমা দেওয়া হয়েছে প্রশিক্ষণ প্রক্রিয়া শুরু হওয়ার ঠিক পরে অবস্থা এবং এতে পরিবর্তন হবে প্রশিক্ষণ প্রশিক্ষণ প্রক্রিয়া শুরু হলে অবস্থা। আপনার মডেল প্রশিক্ষণের পরে, সংস্করণ অবস্থা পরিবর্তন হবে প্রশিক্ষিত. Amazon Comprehend আপনার প্রশিক্ষণের ডেটাতে অসঙ্গতি খুঁজে পেলে, স্ট্যাটাস দেখাবে ভুল একটি সতর্কতা সহ যা যথাযথ ত্রুটির বার্তা দেখায় যাতে আপনি সংশোধনমূলক পদক্ষেপ নিতে পারেন এবং সঠিক ডেটা সহ প্রশিক্ষণ প্রক্রিয়াটি পুনরায় চালু করতে পারেন।
এই পোস্টে, আমরা Amazon Comprehend কনসোল ব্যবহার করে একটি কাস্টম ক্লাসিফায়ার মডেল প্রশিক্ষণের পদক্ষেপগুলি প্রদর্শন করেছি৷ এছাড়াও আপনি ব্যবহার করতে পারেন AWS SDK যেকোনো ভাষায় (উদাহরণস্বরূপ, পাইথনের জন্য Boto3) অথবা এডাব্লুএস কমান্ড লাইন ইন্টারফেস (AWS CLI) একটি কাস্টম ক্লাসিফিকেশন মডেল প্রশিক্ষণ শুরু করতে। SDK বা AWS CLI এর সাথে, আপনি ব্যবহার করতে পারেন ডকুমেন্ট ক্লাসিফায়ার তৈরি করুন মডেল প্রশিক্ষণ শুরু করতে API, এবং পরবর্তীতে ব্যবহার করুন ডকুমেন্ট ক্লাসিফায়ার বর্ণনা করুন মডেলের স্থিতি পরীক্ষা করতে API।
মডেল প্রশিক্ষিত হওয়ার পরে, আপনি উভয়ই পারফর্ম করতে পারেন রিয়েল-টাইম বিশ্লেষণ or অ্যাসিঙ্ক্রোনাস (ব্যাচ) বিশ্লেষণের কাজ নতুন নথিতে। নথিতে রিয়েল-টাইম শ্রেণীবিভাগ সম্পাদন করতে, আপনাকে অবশ্যই প্রশিক্ষিত কাস্টম শ্রেণীবিভাগ মডেলের সাথে একটি Amazon Comprehend রিয়েল-টাইম এন্ডপয়েন্ট স্থাপন করতে হবে। রিয়েল-টাইম এন্ডপয়েন্টগুলি ব্যবহারের ক্ষেত্রে সবচেয়ে উপযুক্ত যেগুলির জন্য কম লেটেন্সি, রিয়েল-টাইম ইনফারেন্স ফলাফল প্রয়োজন, যেখানে নথিগুলির একটি বড় সেট শ্রেণীবদ্ধ করার জন্য, একটি অ্যাসিঙ্ক্রোনাস বিশ্লেষণ কাজ আরও উপযুক্ত। একটি প্রশিক্ষিত শ্রেণিবিন্যাস মডেল ব্যবহার করে আপনি কীভাবে নতুন নথিতে অ্যাসিঙ্ক্রোনাস অনুমান সম্পাদন করতে পারেন তা শিখতে, পড়ুন বুদ্ধিমান নথি প্রক্রিয়াকরণের জন্য Amazon Comprehend-এর সাথে এক-ধাপে শ্রেণীবিভাগ এবং সত্তার স্বীকৃতির প্রবর্তন.
লেআউট-সচেতন কাস্টম শ্রেণিবিন্যাস মডেলের সুবিধা
নতুন ক্লাসিফায়ার মডেলটি বেশ কয়েকটি উন্নতির প্রস্তাব দেয়। নতুন মডেলটি প্রশিক্ষণ দেওয়া কেবল সহজ নয়, আপনি প্রতিটি শ্রেণীর জন্য কয়েকটি নমুনা সহ একটি নতুন মডেলকে প্রশিক্ষণও দিতে পারেন। অতিরিক্তভাবে, প্রশিক্ষণ ডেটাসেট প্রস্তুত করার জন্য আপনাকে আর স্ক্যান করা বা ডিজিটাল নথি যেমন ছবি বা পিডিএফ থেকে সিরিয়ালাইজড প্লেইন টেক্সট বের করতে হবে না। নিম্নলিখিত কিছু অতিরিক্ত উল্লেখযোগ্য উন্নতি যা আপনি নতুন শ্রেণীবিভাগ মডেল থেকে আশা করতে পারেন:
- উন্নত নির্ভুলতা - মডেলটি এখন নথিগুলির বিন্যাস এবং কাঠামো বিবেচনা করে, যা নথিগুলির কাঠামো এবং বিষয়বস্তু সম্পর্কে আরও ভাল বোঝার দিকে পরিচালিত করে৷ এটি একই ধরনের টেক্সট কিন্তু ভিন্ন লেআউট বা স্ট্রাকচার সহ ডকুমেন্টের মধ্যে পার্থক্য করতে সাহায্য করে, যার ফলে শ্রেণীবিভাগের সঠিকতা বৃদ্ধি পায়।
- বলিষ্ঠতা - মডেলটি এখন নথির গঠন এবং বিন্যাসের বিভিন্নতা পরিচালনা করে। এটি বিভিন্ন লেআউট বা বিন্যাস শৈলী সহ বিভিন্ন উত্স থেকে নথিগুলিকে শ্রেণিবদ্ধ করার জন্য এটিকে আরও উপযুক্ত করে তোলে, যা বাস্তব-বিশ্বের নথি শ্রেণীবিভাগের কাজগুলিতে একটি সাধারণ চ্যালেঞ্জ। এটি স্থানীয়ভাবে বিভিন্ন নথির প্রকারের সাথে সামঞ্জস্যপূর্ণ, এটিকে বহুমুখী করে তোলে এবং বিভিন্ন শিল্প ও ব্যবহারের ক্ষেত্রে প্রযোজ্য।
- ম্যানুয়াল হস্তক্ষেপ হ্রাস - উচ্চ নির্ভুলতা শ্রেণীবিভাগ প্রক্রিয়ায় কম ম্যানুয়াল হস্তক্ষেপের দিকে পরিচালিত করে। এটি সময় এবং সংস্থান সংরক্ষণ করতে পারে এবং আপনার নথি প্রক্রিয়াকরণ কাজের চাপে কার্যকরী দক্ষতা বাড়াতে পারে।
উপসংহার
নতুন Amazon Comprehend নথির শ্রেণীবিভাগ মডেল, যা লেআউট সচেতনতাকে অন্তর্ভুক্ত করে, বড় আকারের নথি নিয়ে কাজ করে এমন ব্যবসার জন্য একটি গেম-চেঞ্জার। নথির গঠন এবং বিন্যাস বোঝার মাধ্যমে, এই মডেলটি উন্নত শ্রেণিবিন্যাস নির্ভুলতা এবং দক্ষতা প্রদান করে। একটি লেআউট-সচেতন মডেল ব্যবহার করে একটি শক্তিশালী এবং সঠিক নথি শ্রেণীবিভাগ সমাধান বাস্তবায়ন করা আপনার ব্যবসাকে সময় বাঁচাতে, অপারেশনাল খরচ কমাতে এবং সিদ্ধান্ত গ্রহণের প্রক্রিয়াগুলিকে উন্নত করতে সাহায্য করতে পারে।
পরবর্তী পদক্ষেপ হিসাবে, আমরা আপনাকে নতুন Amazon Comprehend কাস্টম ক্লাসিফিকেশন মডেলের মাধ্যমে চেষ্টা করার জন্য উত্সাহিত করি অ্যামাজন কম্প্রিহেন্ড কনসোল. আমরা আমাদের কাস্টম শ্রেণিবিন্যাসের মডেল উন্নতির ঘোষণাগুলিকে পুনরায় দেখার পরামর্শ দিই গত বছর এবং দেখুন GitHub সংগ্রহস্থল কোড নমুনার জন্য।
লেখক সম্পর্কে
অঞ্জন বিশ্বাস এআই/এমএল এবং ডেটা অ্যানালিটিক্সের উপর ফোকাস সহ একজন সিনিয়র এআই সার্ভিসেস সলিউশন আর্কিটেক্ট। অঞ্জন বিশ্বব্যাপী AI পরিষেবা দলের অংশ এবং গ্রাহকদের AI এবং ML-এর সাথে ব্যবসায়িক সমস্যার সমাধান বুঝতে এবং তাদের সমাধান করতে সাহায্য করার জন্য তাদের সাথে কাজ করে। অঞ্জনের গ্লোবাল সাপ্লাই চেইন, ম্যানুফ্যাকচারিং এবং খুচরা সংস্থাগুলির সাথে কাজ করার 14 বছরেরও বেশি অভিজ্ঞতা রয়েছে এবং গ্রাহকদের AWS AI পরিষেবাগুলি শুরু করতে এবং স্কেল করতে সক্রিয়ভাবে সাহায্য করছে৷
গডউইন সহায়রাজ ভিনসেন্ট AWS-এর একজন এন্টারপ্রাইজ সলিউশন আর্কিটেক্ট যিনি মেশিন লার্নিং সম্পর্কে উত্সাহী এবং গ্রাহকদের তাদের AWS ওয়ার্কলোড এবং আর্কিটেকচার ডিজাইন, স্থাপন এবং পরিচালনা করার জন্য নির্দেশিকা প্রদান করেন। তার অবসর সময়ে, তিনি তার বন্ধুদের সাথে ক্রিকেট এবং তার তিন সন্তানের সাথে টেনিস খেলতে পছন্দ করেন।
রিক তালুকদার আমাজন কম্প্রেহেন্ড সার্ভিস টিমের একজন সিনিয়র আর্কিটেক্ট। তিনি এডব্লিউএস গ্রাহকদের সাথে কাজ করেন যাতে তারা বড় আকারে মেশিন লার্নিং গ্রহণ করে। কাজের বাইরে, তিনি পড়া এবং ফটোগ্রাফি উপভোগ করেন।
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- প্লেটোব্লকচেন। Web3 মেটাভার্স ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- অ্যাড্রিয়েন অ্যাশলির সাথে ভবিষ্যত মিন্টিং। এখানে প্রবেশ করুন.
- উত্স: https://aws.amazon.com/blogs/machine-learning/amazon-comprehend-document-classifier-adds-layout-support-for-higher-accuracy/
- : আছে
- : হয়
- $ ইউপি
- 1
- 10
- 100
- 11
- 2022
- 7
- a
- ক্ষমতা
- সম্পর্কে
- প্রবেশ
- প্রবেশযোগ্য
- হিসাব
- সঠিকতা
- সঠিক
- সঠিক
- কর্ম
- সক্রিয়ভাবে
- যোগ
- অতিরিক্ত
- উপরন্তু
- যোগ করে
- পোষ্যপুত্র গ্রহণ করা
- পর
- AI
- এআই পরিষেবা
- এআই / এমএল
- এইডস
- সতর্ক
- সব
- অনুমতি
- বরাবর
- ইতিমধ্যে
- যদিও
- সর্বদা
- মর্দানী স্ত্রীলোক
- অ্যামাজন সমঝোতা
- পরিমাণ
- পরিমাণে
- বিশ্লেষণ
- বৈশ্লেষিক ন্যায়
- এবং
- ঘোষণা করা
- ঘোষণা
- অন্য
- কোন
- API
- প্রাসঙ্গিক
- যথাযথ
- উপযুক্তভাবে
- রয়েছি
- AS
- নির্ধারিত
- At
- স্বয়ংক্রিয় পদ্ধতি প্রয়োগ করা
- সচেতনতা
- ডেস্কটপ AWS
- এডাব্লুএস পুনরায়: উদ্ভাবন
- ভিত্তি
- BE
- কারণ
- পরিণত
- আগে
- শুরু করা
- হচ্ছে
- সুবিধা
- সর্বোত্তম
- উত্তম
- মধ্যে
- ব্যবসায়
- ব্যবসা
- by
- নামক
- CAN
- পেতে পারি
- ধারণক্ষমতা
- কেস
- মামলা
- বিভাগ
- কারণসমূহ
- চেন
- চ্যালেঞ্জ
- পরিবর্তন
- চরিত্র
- চেক
- বেছে নিন
- দাবি
- শ্রেণী
- ক্লাস
- শ্রেণীবিন্যাস
- শ্রেণীভুক্ত করা
- কোড
- স্তম্ভ
- কলাম
- সাধারণ
- উপযুক্ত
- সম্পূর্ণ
- বোঝা
- গঠিত
- বিবেচনা
- কনসোল
- ধারণ করা
- ধারণ
- বিষয়বস্তু
- একটানা
- সংশোধিত
- খরচ
- পারা
- ক্রিকেট
- কঠোর
- প্রথা
- ক্রেতা
- গ্রাহক অভিজ্ঞতা
- গ্রাহকদের
- উপাত্ত
- ডেটা বিশ্লেষণ
- ডেটা প্রস্তুতি
- লেনদেন
- ডিলিং
- সিদ্ধান্ত মেকিং
- ডিক্রিপ্ট করুন
- ডিফল্ট
- সংজ্ঞায়িত
- প্রদর্শন
- প্রদর্শিত
- নির্ভর করে
- স্থাপন
- নকশা
- আকাঙ্ক্ষিত
- নির্ধারণ
- বিকাশ
- বিভিন্ন
- ডিজিটাল
- আবিষ্কার করা
- আলোচনা করা
- প্রদর্শন
- প্রভেদ করা
- বিচিত্র
- দলিল
- নথি ব্যবস্থাপনা
- কাগজপত্র
- Dont
- প্রতি
- সহজ
- কার্যকরীভাবে
- দক্ষতা
- দক্ষ
- পারেন
- উত্সাহিত করা
- এনক্রিপ্ট করা
- শেষপ্রান্ত
- প্রচুর
- নিশ্চিত করা
- প্রবেশ করান
- উদ্যোগ
- উদ্যোগ
- সত্তা
- ভুল
- অপরিহার্য
- মূল্যায়ন
- মূল্যায়নের
- মূল্যায়ন
- উদাহরণ
- উত্তেজিত
- আশা করা
- খরচ
- অভিজ্ঞতা
- নির্যাস
- বৈশিষ্ট্য
- কয়েক
- ফাইল
- নথি পত্র
- খুঁজে বের করে
- প্রথম
- কেন্দ্রবিন্দু
- অনুসরণ
- জন্য
- বিন্যাস
- পাওয়া
- বন্ধুদের
- থেকে
- খেলা পরিবর্তনকারী
- উত্পাদন করা
- পাওয়া
- বিশ্বব্যাপী
- ভাল
- গ্রাফিক্স
- পথপ্রদর্শন
- হাতল
- হ্যান্ডলগুলি
- আছে
- he
- হেডার
- স্বাস্থ্য
- স্বাস্থ্য বীমা
- সাহায্য
- সাহায্য
- সাহায্য
- ঊর্ধ্বতন
- কিভাবে
- কিভাবে
- এইচটিএমএল
- HTTP
- HTTPS দ্বারা
- পরিচয়
- ভাবমূর্তি
- চিত্র
- প্রভাব
- প্রভাব
- বাস্তবায়ন
- উন্নত করা
- উন্নত
- উন্নতি
- উন্নতি
- in
- অন্তর্ভুক্ত করা
- বৃদ্ধি
- বর্ধিত
- বৃদ্ধি
- ক্রমবর্ধমান
- শিল্প
- অন্ত: প্রবাহ
- তথ্য
- আরম্ভ করা
- অর্ন্তদৃষ্টি
- পরিবর্তে
- বীমা
- বুদ্ধিমান
- মনস্থ করা
- হস্তক্ষেপ
- জড়িত
- IT
- এর
- কাজ
- JPG
- কিডস
- লেবেল
- লেবেলগুলি
- ভাষা
- বড়
- গত
- বিন্যাস
- নেতৃত্ব
- বিশালাকার
- শিখতে
- শিক্ষা
- মত
- লাইন
- অবস্থান
- লক
- আর
- মেশিন
- মেশিন লার্নিং
- করা
- তৈরি করে
- মেকিং
- পরিচালনা করা
- ব্যবস্থাপনা
- ম্যানুয়াল
- ম্যানুয়ালি
- উত্পাদন
- মে..
- অর্থ
- বার্তা
- ছন্দোবিজ্ঞান
- মিনিট
- ML
- মোড
- মডেল
- মডেল
- আধুনিক
- অধিক
- সেতু
- নাম
- স্থানীয়
- প্রাকৃতিক
- স্বাভাবিক ভাষা প্রক্রিয়াকরণ
- ন্যাভিগেশন
- প্রয়োজন
- নতুন
- পরবর্তী
- NLP
- লক্ষণীয়
- সংখ্যা
- বস্তু
- of
- অফার
- on
- ONE
- অপারেটিং
- কর্মক্ষম
- পছন্দ
- অপশন সমূহ
- ক্রম
- সংগঠন
- অন্যান্য
- আমাদের
- আউটপুট
- বাহিরে
- শেষ
- ওভারভিউ
- পৃষ্ঠা
- শার্সি
- অংশ
- কামুক
- পাসওয়ার্ড
- পথ
- রোগী
- পিডিএফ
- সম্পাদন করা
- কর্মক্ষমতা
- সঞ্চালিত
- ফটোগ্রাফি
- বিনিয়োগ
- সমভূমি
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- খেলা
- পয়েন্ট
- দরিদ্র
- পোস্ট
- অনুশীলন
- প্রস্তুত করা
- প্রস্তুত
- প্রতিরোধ
- সমস্যা
- প্রক্রিয়া
- প্রসেস
- প্রক্রিয়াজাতকরণ
- প্রমোদ
- প্রদান
- প্রদত্ত
- প্রদানের
- উদ্দেশ্য
- RE
- পড়া
- পড়া
- প্রস্তুত
- বাস্তব
- বাস্তব জগতে
- প্রকৃত সময়
- রসিদ
- স্বীকার
- চেনা
- সুপারিশ করা
- সুপারিশ করা
- হ্রাস করা
- উল্লেখ করা
- সংগ্রহস্থলের
- প্রয়োজন
- প্রয়োজনীয়
- Resources
- ফলে এবং
- ফলাফল
- খুচরা
- এখানে ক্লিক করুন
- শক্তসমর্থ
- ভূমিকা
- একই
- সংরক্ষণ করুন
- স্কেল
- SDK
- দ্বিতীয়
- অধ্যায়
- বিভাগে
- জ্যেষ্ঠ
- আলাদা
- সেবা
- সেবা
- সেট
- বিন্যাস
- বিভিন্ন
- উচিত
- প্রদর্শনী
- শো
- অনুরূপ
- সহজ
- একক
- আয়তন
- So
- সমাধান
- সলিউশন
- কিছু
- সোর্স
- স্থান
- প্রশিক্ষণ
- বিভক্ত করা
- শুরু
- শুরু
- অবস্থা
- ধাপ
- প্রারম্ভিক ব্যবহারের নির্দেশাবলী
- স্টোরেজ
- গঠন
- পরবর্তীকালে
- এমন
- উপযুক্ত
- সংক্ষিপ্তসার
- সরবরাহ
- সরবরাহ শৃঙ্খল
- সমর্থন
- সমর্থন
- পদ্ধতি
- গ্রহণ করা
- লাগে
- কাজ
- বর্গীকরণ সূত্র
- টীম
- প্রযুক্তি
- বলে
- যে
- সার্জারির
- তাদের
- তাহাদিগকে
- তৃতীয়
- তিন
- দ্বারা
- সময়
- সময় অপগিত হয় এমন
- থেকে
- ঐতিহ্যগত
- রেলগাড়ি
- প্রশিক্ষিত
- প্রশিক্ষণ
- ধরনের
- সাধারণত
- অধীনে
- বোঝা
- বোধশক্তি
- অনন্য
- ব্যবহার
- ব্যবহার ক্ষেত্রে
- ব্যবহৃত
- সাধারণত
- মূল্য
- বিভিন্ন
- বহুমুখ কর্মশক্তিসম্পন্ন
- সংস্করণ
- মাধ্যমে
- টেকসই
- দেখুন
- আয়তন
- ভলিউম
- কিনা
- যে
- হু
- ইচ্ছা
- সঙ্গে
- মধ্যে
- শব্দ
- হয়া যাই ?
- কাজ
- কাজ
- বিশ্ব
- would
- লেখা
- বছর
- আপনি
- আপনার
- zephyrnet