30 নভেম্বর, 2021-এ, আমরা ঘোষিত সাধারণ প্রাপ্যতা আমাজন সেজমেকার ক্যানভাস, একটি ভিজ্যুয়াল পয়েন্ট-এন্ড-ক্লিক ইন্টারফেস যা ব্যবসায় বিশ্লেষকদেরকে একক লাইন কোড না লিখেই অত্যন্ত নির্ভুল মেশিন লার্নিং (ML) পূর্বাভাস তৈরি করতে সক্ষম করে। ক্যানভাসের সাহায্যে, আপনি আপনার প্রতিষ্ঠান জুড়ে ML মূলধারা নিয়ে যেতে পারেন যাতে ডেটা বিজ্ঞান বা ML অভিজ্ঞতা ছাড়াই ব্যবসা বিশ্লেষকরা ডেটা-চালিত সিদ্ধান্ত নিতে সঠিক ML ভবিষ্যদ্বাণী ব্যবহার করতে পারেন।
বিদ্যমান ডেটা থেকে দ্রুত এবং নির্ভুলভাবে ভবিষ্যদ্বাণী ব্যবহার করে মূল্যবান ব্যবসায়িক অন্তর্দৃষ্টি সংগ্রহ করতে ML শিল্প জুড়ে সংস্থাগুলিতে সর্বব্যাপী হয়ে উঠছে। ML-এর ব্যবহার স্কেল করার চাবিকাঠি এটিকে আরও অ্যাক্সেসযোগ্য করে তুলছে। এর অর্থ হল ডেটা সায়েন্স টিমের উপর নির্ভর না করে ব্যবসায়িক বিশ্লেষকদের নিজেদের ML ব্যবহার করার ক্ষমতা দেওয়া। ক্যানভাস ব্যবসায়িক বিশ্লেষকদের অ্যালগরিদমের ধরন, প্রশিক্ষণের পরামিতি বা এনসেম্বল লজিকের মতো বিশদ বিবরণ না জেনেই সাধারণ ব্যবসায়িক সমস্যাগুলিতে ML প্রয়োগ করতে সহায়তা করে। আজ, গ্রাহকরা মন্থন সনাক্তকরণ, বিক্রয় রূপান্তর এবং সময় সিরিজের পূর্বাভাস সহ উল্লম্ব জুড়ে বিস্তৃত ব্যবহারের ক্ষেত্রে মোকাবেলা করতে ক্যানভাস ব্যবহার করছেন।
এই পোস্টে, আমরা মূল ক্যানভাসের ক্ষমতা নিয়ে আলোচনা করি।
ক্যানভাস দিয়ে শুরু করুন
ক্যানভাস একটি ইন্টারেক্টিভ ট্যুর অফার করে যা আপনাকে ভিজ্যুয়াল ইন্টারফেসের মাধ্যমে নেভিগেট করতে সাহায্য করে, ক্লাউড বা অন-প্রিমিসেস উত্স থেকে ডেটা আমদানি করা থেকে শুরু করে। ক্যানভাস দিয়ে শুরু করা দ্রুত; আমরা একাধিক ব্যবহারের ক্ষেত্রে নমুনা ডেটাসেট অফার করি, যার মধ্যে গ্রাহক মন্থনের ভবিষ্যদ্বাণী করা, ঋণের ডিফল্ট সম্ভাব্যতা অনুমান করা, চাহিদার পূর্বাভাস দেওয়া এবং সরবরাহ চেইন বিতরণের সময়ের পূর্বাভাস দেওয়া। এই ডেটাসেটগুলি বাইনারি শ্রেণীবিভাগ, বহু-শ্রেণীর শ্রেণীবিভাগ, রিগ্রেশন এবং সময় সিরিজের পূর্বাভাস সহ বর্তমানে ক্যানভাস দ্বারা সমর্থিত সমস্ত ব্যবহারের ক্ষেত্রে কভার করে। ক্যানভাস নেভিগেট করা এবং নমুনা ডেটাসেট ব্যবহার করার বিষয়ে আরও জানতে, দেখুন অ্যামাজন সেজমেকার ক্যানভাস নতুন ইন্টারেক্টিভ পণ্য ট্যুর এবং নমুনা ডেটাসেটের সাথে অনবোর্ডিংকে ত্বরান্বিত করে.
অনুসন্ধানের তথ্য বিশ্লেষণ
আপনি আপনার ডেটা আমদানি করার পরে, ক্যানভাস আপনাকে ভবিষ্যদ্বাণীমূলক মডেল তৈরি করার আগে এটি অন্বেষণ এবং বিশ্লেষণ করার অনুমতি দেয়। আপনি আপনার আমদানি করা ডেটার পূর্বরূপ দেখতে পারেন এবং বিভিন্ন বৈশিষ্ট্যের বিতরণ কল্পনা করতে পারেন৷ তারপরে আপনি আপনার সমস্যা সমাধানের জন্য উপযুক্ত করে তুলতে আপনার ডেটা রূপান্তর করতে পারেন৷ উদাহরণস্বরূপ, আপনি কলাম ড্রপ করতে, তারিখ এবং সময় বের করতে, অনুপস্থিত মানগুলিকে দায়ী করতে বা আদর্শ বা কাস্টম মান দিয়ে আউটলার প্রতিস্থাপন করতে পারেন। এই কার্যক্রম একটি মডেল রেকর্ড করা হয় প্রণালী, যা ডেটা প্রস্তুতির দিকে পদক্ষেপের একটি সিরিজ। এই রেসিপিটি ডেটা প্রস্তুতি থেকে ভবিষ্যদ্বাণী তৈরি করা পর্যন্ত একটি নির্দিষ্ট এমএল মডেলের জীবনচক্র জুড়ে রক্ষণাবেক্ষণ করা হয়। দেখা অ্যামাজন সেজমেকার ক্যানভাস মেশিন লার্নিংয়ের জন্য ডেটা আরও ভালভাবে প্রস্তুত ও বিশ্লেষণ করার ক্ষমতা প্রসারিত করে ক্যানভাসের মধ্যে ডেটা প্রস্তুত এবং বিশ্লেষণ সম্পর্কে আরও জানতে।
আপনার ডেটা কল্পনা করুন
ক্যানভাস গাণিতিক অপারেটর এবং লজিক্যাল ফাংশনগুলির মাধ্যমে আপনার ডেটাতে নতুন বৈশিষ্ট্যগুলি সংজ্ঞায়িত এবং তৈরি করার ক্ষমতাও অফার করে৷ আপনি বক্স প্লট, বার গ্রাফ এবং স্ক্যাটারপ্লটগুলির মাধ্যমে সরাসরি চার্টে বৈশিষ্ট্যগুলিকে টেনে এনে ফেলে দিয়ে আপনার ডেটা কল্পনা এবং অন্বেষণ করতে পারেন। এছাড়াও, ক্যানভাস আপনার ডেটার বৈশিষ্ট্যগুলির মধ্যে সম্পর্ক বোঝার জন্য সংখ্যাসূচক এবং শ্রেণীগত ভেরিয়েবলগুলির জন্য পারস্পরিক সম্পর্ক ম্যাট্রিক্স সরবরাহ করে। এই তথ্যটি আপনার ইনপুট ডেটা পরিমার্জিত করতে এবং আরও সঠিক মডেলগুলি চালাতে ব্যবহার করা যেতে পারে৷ ক্যানভাসে ডেটা বিশ্লেষণ ক্ষমতা সম্পর্কে আরও বিশদ বিবরণের জন্য, দেখুন অনুসন্ধানমূলক ডেটা বিশ্লেষণের জন্য Amazon SageMaker ক্যানভাস ব্যবহার করুন. ক্যানভাসে গাণিতিক ফাংশন এবং অপারেটর সম্পর্কে আরও জানতে দেখুন অ্যামাজন সেজমেকার ক্যানভাস সমৃদ্ধ ডেটা অন্বেষণের জন্য গাণিতিক ফাংশন এবং অপারেটরদের সমর্থন করে.
আপনি আপনার ডেটা প্রস্তুত এবং অন্বেষণ করার পরে, ক্যানভাস আপনাকে আপনার ডেটাসেটগুলি যাচাই করার একটি বিকল্প দেয় যাতে আপনি সক্রিয়ভাবে ডেটা মানের সমস্যাগুলি পরীক্ষা করতে পারেন৷ ক্যানভাস আপনার পক্ষে ডেটা যাচাই করে এবং সারির সংখ্যার তুলনায় কোনো সারি বা কলামে অনুপস্থিত মান এবং টার্গেট কলামে অনেকগুলি অনন্য লেবেলের মতো সমস্যা দেখায়। এছাড়াও, আপনি আপনার ML মডেল তৈরি করার আগে ক্যানভাস আপনাকে এই সমস্যাগুলি সমাধান করার বিকল্পগুলি সরবরাহ করে৷ তথ্য বৈধতা ক্ষমতার মধ্যে একটি গভীর ডুব জন্য, পড়ুন অ্যামাজন সেজমেকার ক্যানভাসের সাথে কোনও কোড এমএল মডেল তৈরি করার সময় সাধারণ ডেটা সমস্যাগুলি সনাক্ত করা এবং এড়ানো.
এমএল মডেল তৈরি করুন
ক্যানভাসে এমএল মডেল তৈরির প্রথম ধাপ হল সমস্যার জন্য লক্ষ্য কলাম সংজ্ঞায়িত করা। উদাহরণস্বরূপ, একটি হাউজিং মডেলে বাড়ির দাম নির্ধারণ করতে আপনি লক্ষ্য কলাম হিসাবে মোট কক্ষের সংখ্যা বেছে নিতে পারেন। বিকল্পভাবে, আপনি বিভিন্ন পরিস্থিতিতে গ্রাহক হারানোর সম্ভাবনা নির্ধারণ করতে লক্ষ্য কলাম হিসাবে মন্থন ব্যবহার করতে পারেন। আপনি টার্গেট কলাম নির্বাচন করার পরে, ক্যানভাস স্বয়ংক্রিয়ভাবে মডেলের জন্য সমস্যার ধরন নির্ধারণ করে।
একটি ML মডেল তৈরি করার আগে, আপনি মডেলের আনুমানিক নির্ভুলতার দিকনির্দেশক অন্তর্দৃষ্টি পেতে পারেন এবং কীভাবে প্রতিটি বৈশিষ্ট্য একটি পূর্বরূপ বিশ্লেষণ চালিয়ে ফলাফলকে প্রভাবিত করে। এই অন্তর্দৃষ্টিগুলির উপর ভিত্তি করে, আপনি মডেল ভবিষ্যদ্বাণীগুলির জন্য পছন্দসই নির্ভুলতা পেতে আপনার ডেটা আরও প্রস্তুত, বিশ্লেষণ বা অন্বেষণ করতে পারেন।
ক্যানভাস এমএল মডেল প্রশিক্ষণের জন্য দুটি পদ্ধতি অফার করে: দ্রুত বিল্ড এবং স্ট্যান্ডার্ড বিল্ড. উভয় পদ্ধতিই মডেল ফলাফলের প্রতি প্রতিটি বৈশিষ্ট্যের গুরুত্ব বোঝার জন্য সম্পূর্ণ স্বচ্ছতার সাথে একটি সম্পূর্ণ প্রশিক্ষিত এমএল মডেল সরবরাহ করে। দ্রুত বিল্ড গতি এবং পরীক্ষা-নিরীক্ষার উপর ফোকাস করে, যেখানে স্ট্যান্ডার্ড বিল্ড ডেটা প্রিপ্রসেসিংয়ের একাধিক পুনরাবৃত্তির মাধ্যমে, সঠিক অ্যালগরিদম বেছে নেওয়া, হাইপারপ্যারামিটার স্পেস অন্বেষণ করে এবং সেরা পারফরম্যান্স মডেল নির্বাচন করার আগে একাধিক প্রার্থী মডেল তৈরি করে নির্ভুলতার সর্বোচ্চ স্তরের উপর ফোকাস করে। কোড লেখার প্রয়োজন ছাড়াই ক্যানভাসের মাধ্যমে এই প্রক্রিয়াটি পর্দার আড়ালে করা হয়।
নতুন কর্মক্ষমতা উন্নতি তিনগুণ দ্রুত ML মডেল প্রশিক্ষণের সময় প্রদান করে, দ্রুত প্রোটোটাইপিং সক্ষম করে এবং ব্যবসায়িক ফলাফলের জন্য দ্রুত সময়ের থেকে মান। আরো জানতে, দেখুন Amazon SageMaker Canvas 3x দ্রুত ML মডেল প্রশিক্ষণের সময় ঘোষণা করে৷.
মডেল বিশ্লেষণ
আপনি মডেল তৈরি করার পরে, ক্যানভাস মডেলের বিশদ নির্ভুলতা মেট্রিক্স এবং বৈশিষ্ট্য ব্যাখ্যাযোগ্যতা প্রদান করে।
ক্যানভাস মিথ্যা ইতিবাচক এবং মিথ্যা নেতিবাচক সহ একটি মান থেকে অন্য মান থেকে ডেটার প্রবাহকে চিত্রিত করে একটি সানকি চার্টও উপস্থাপন করে।
আরও উন্নত মেট্রিক্স বিশ্লেষণ করতে আগ্রহী ব্যবহারকারীদের জন্য, ক্যানভাস F1 স্কোর প্রদান করে যা নির্ভুলতা এবং স্মরণকে একত্রিত করে, একটি নির্ভুলতা মেট্রিক পরিমাপ করে যে মডেলটি সমগ্র ডেটাসেট জুড়ে কতবার সঠিক ভবিষ্যদ্বাণী করেছে এবং এরিয়া আন্ডার দ্য কার্ভ (AUC), যা পরিমাপ করে কিভাবে ভাল মডেল ডেটাসেটের বিভাগগুলিকে আলাদা করে।
মডেল ভবিষ্যদ্বাণী
ক্যানভাসের সাহায্যে, আপনি মডেলের নির্ভুলতার উপর বিভিন্ন বৈশিষ্ট্যের মানগুলির প্রভাব বিশ্লেষণ করে ইন্টারেক্টিভ কী-ইফ বিশ্লেষণের মাধ্যমে প্রশিক্ষিত মডেলে রিয়েল-টাইম ভবিষ্যদ্বাণী চালাতে পারেন।
উপরন্তু, আপনি সামগ্রিকভাবে যেকোনো বৈধতা ডেটাসেটে ব্যাচের পূর্বাভাস চালাতে পারেন। এই ভবিষ্যদ্বাণীগুলির পূর্বরূপ দেখা যেতে পারে এবং ডাউনস্ট্রিম অ্যাপ্লিকেশনগুলির সাথে ব্যবহারের জন্য ডাউনলোড করা যেতে পারে।
ভাগ করে নেওয়া এবং সহযোগিতা করা
ক্যানভাস আপনাকে পর্যালোচনা, প্রতিক্রিয়া এবং আপডেটের জন্য আপনার ডেটা সায়েন্স টিমের সাথে আপনার মডেলগুলি ভাগ করে ML যাত্রা চালিয়ে যেতে দেয়৷ আপনি ব্যবহার করে অন্যান্য ব্যবহারকারীদের সাথে আপনার মডেল শেয়ার করতে পারেন অ্যামাজন সেজমেকার স্টুডিও, ML-এর জন্য একটি সম্পূর্ণ সমন্বিত উন্নয়ন পরিবেশ (IDE)। স্টুডিও ব্যবহারকারীরা মডেলটি পর্যালোচনা করতে পারেন এবং প্রয়োজনে ডেটা ট্রান্সফরমেশন আপডেট করতে পারেন, মডেলটিকে পুনরায় প্রশিক্ষিত করতে পারেন এবং ক্যানভাস ব্যবহারকারীদের সাথে মডেলটির আপডেট করা সংস্করণটি ভাগ করে নিতে পারেন যারা পরে ভবিষ্যদ্বাণী তৈরি করতে এটি ব্যবহার করতে পারেন।
এছাড়াও, ডেটা বিজ্ঞানীরা এর বাইরে তৈরি মডেলগুলি ভাগ করতে পারেন আমাজন সেজমেকার ক্যানভাস ব্যবহারকারীদের সাথে, বিভিন্ন দলের মধ্যে মডেল ভাগ করার জন্য একটি পৃথক টুল বা ব্যবহারকারী ইন্টারফেস তৈরি করতে ভারী উত্তোলন অপসারণ করা। আপনার নিজস্ব মডেল (BYOM) পদ্ধতির সাথে, আপনি এখন অন্যান্য পরিবেশে আপনার ডেটা সায়েন্স টিম দ্বারা তৈরি এমএল মডেলগুলি ব্যবহার করতে পারেন এবং ক্যানভাসে সরাসরি মিনিটের মধ্যে পূর্বাভাস তৈরি করতে পারেন৷ ব্যবসায়িক এবং প্রযুক্তিগত দলগুলির মধ্যে এই নিরবচ্ছিন্ন সহযোগিতা ML মডেলগুলিতে স্বচ্ছতা এনে এবং ML স্থাপনাকে ত্বরান্বিত করে সংগঠন জুড়ে ML-কে গণতান্ত্রিক করতে সাহায্য করে৷ ক্যানভাস ব্যবহার করে ব্যবসায়িক এবং প্রযুক্তিগত দলগুলির মধ্যে ভাগাভাগি এবং সহযোগিতা সম্পর্কে আরও জানতে, দেখুন নতুন - অ্যামাজন সেজমেকার ক্যানভাসে যেকোনও জায়গায় তৈরি এমএল মডেল আনুন এবং ভবিষ্যদ্বাণী তৈরি করুন.
উপসংহার
আজই ক্যানভাসের সাথে শুরু করুন এবং কোডের একটি লাইন না লিখে আপনার ব্যবসার ফলাফল অর্জন করতে ML-এর সুবিধা নিন। ইন্টারেক্টিভ থেকে আরও জানুন অভিভাবকসংবঁধীয় or Coursera উপর MOOC কোর্স. শুভ উদ্ভাবন!
লেখক সম্পর্কে
শ্যাম শ্রীনিবাসন AWS লো-কোড/নো-কোড ML পণ্য দলে রয়েছে৷ তিনি প্রযুক্তির মাধ্যমে বিশ্বকে একটি ভাল জায়গা করে তোলার বিষয়ে চিন্তা করেন এবং এই যাত্রার অংশ হতে পছন্দ করেন। তার অবসর সময়ে, শ্যাম দীর্ঘ দূরত্ব চালাতে, বিশ্বজুড়ে ভ্রমণ করতে এবং পরিবার এবং বন্ধুদের সাথে নতুন সংস্কৃতির অভিজ্ঞতা নিতে পছন্দ করে।
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- প্লেটোব্লকচেন। Web3 মেটাভার্স ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- উত্স: https://aws.amazon.com/blogs/machine-learning/achieve-effective-business-outcomes-with-no-code-machine-learning-using-amazon-sagemaker-canvas/
- : হয়
- $ ইউপি
- 100
- 2021
- 7
- a
- ক্ষমতা
- সম্পর্কে
- খানি
- ত্বরক
- প্রবেশযোগ্য
- সঠিকতা
- সঠিক
- সঠিক
- অর্জন করা
- দিয়ে
- ক্রিয়াকলাপ
- যোগ
- ঠিকানা
- অগ্রসর
- সুবিধা
- পর
- অ্যালগরিদম
- সব
- অনুমতি
- মর্দানী স্ত্রীলোক
- আমাজন সেজমেকার
- আমাজন সেজমেকার ক্যানভাস
- বিশ্লেষণ
- বিশ্লেষণ
- বিশ্লেষকরা
- বিশ্লেষণ করা
- বিশ্লেষণ
- এবং
- ঘোষণা
- কোথাও
- অ্যাপ্লিকেশন
- প্রয়োগ করা
- অভিগমন
- রয়েছি
- এলাকায়
- কাছাকাছি
- AS
- স্বয়ংক্রিয়ভাবে
- উপস্থিতি
- এড়ানো
- ডেস্কটপ AWS
- পিছনে
- বার
- ভিত্তি
- BE
- মানানসই
- আগে
- পিছনে
- দৃশ্যের অন্তরালে
- হচ্ছে
- সর্বোত্তম
- উত্তম
- মধ্যে
- বক্স
- আনা
- আনয়ন
- নির্মাণ করা
- ভবন
- নির্মিত
- ব্যবসায়
- by
- CAN
- পেতে পারি
- প্রার্থী
- ক্যানভাস
- ক্ষমতা
- মামলা
- বিভাগ
- চেন
- তালিকা
- চার্ট
- চেক
- বেছে নিন
- নির্বাচন
- শ্রেণীবিন্যাস
- মেঘ
- কোড
- সহযোগিতা
- স্তম্ভ
- কলাম
- মেশা
- সাধারণ
- তুলনা
- সম্পূর্ণ
- পরিবেশ
- অবিরত
- পরিবর্তন
- অনুবন্ধ
- পারা
- পথ
- আবরণ
- সৃষ্টি
- এখন
- বাঁক
- প্রথা
- ক্রেতা
- গ্রাহকদের
- উপাত্ত
- তথ্য বিশ্লেষণ
- ডেটা প্রস্তুতি
- তথ্য বিজ্ঞান
- তথ্য চালিত
- ডেটাসেট
- তারিখ
- সিদ্ধান্ত
- গভীর
- ডিফল্ট
- প্রদান করা
- বিলি
- চাহিদা
- গণতান্ত্রিক করা
- নির্ভর করে
- তা পেশ
- স্থাপনার
- আকাঙ্ক্ষিত
- বিশদ
- বিস্তারিত
- সনাক্তকরণ
- নির্ধারণ
- নির্ধারণ করে
- উন্নয়ন
- বিভিন্ন
- সরাসরি
- আলোচনা করা
- বিতরণ
- ড্রাইভ
- ড্রপ
- বাতিল
- প্রতি
- কার্যকর
- ক্ষমতায়নের
- সম্ভব
- সক্রিয়
- সমগ্র
- পরিবেশ
- পরিবেশের
- আনুমানিক
- উদাহরণ
- বিদ্যমান
- বিস্তৃতি
- অভিজ্ঞতা
- অন্বেষণ করুণ
- এক্সপ্লোরিং
- নির্যাস
- f1
- পরিবার
- দ্রুত
- বৈশিষ্ট্য
- বৈশিষ্ট্য
- প্রতিক্রিয়া
- প্রথম
- ঠিক করা
- প্রবাহ
- গুরুত্ত্ব
- জন্য
- বন্ধুদের
- থেকে
- সম্পূর্ণরূপে
- ক্রিয়াকলাপ
- অধিকতর
- সাধারণ
- উত্পাদন করা
- উৎপাদিত
- পাওয়া
- পেয়ে
- দেয়
- চালু
- গ্রাফ
- খুশি
- জমিদারি
- ভারী
- ভারী উত্তোলন
- সাহায্য
- সাহায্য
- সর্বোচ্চ
- অত্যন্ত
- হোম
- হাউজিং
- কিভাবে
- HTTPS দ্বারা
- প্রভাব
- আমদানি
- গুরুত্ব
- আমদানি
- উন্নতি
- in
- অন্যান্য
- সুদ্ধ
- শিল্প
- প্রভাবিত
- তথ্য
- ইনপুট
- অর্ন্তদৃষ্টি
- সংহত
- ইন্টারেক্টিভ
- আগ্রহী
- ইন্টারফেস
- সমস্যা
- IT
- পুনরাবৃত্তি
- যাত্রা
- JPG
- চাবি
- জানা
- লেবেলগুলি
- শিখতে
- শিক্ষা
- মাত্রা
- জীবনচক্র
- উদ্ধরণ
- লাইন
- ঋণ
- যৌক্তিক
- দীর্ঘ
- হারানো
- মেশিন
- মেশিন লার্নিং
- প্রণীত
- মেনস্ট্রিম
- করা
- মেকিং
- অনেক
- গাণিতিক
- মানে
- পরিমাপ
- পদ্ধতি
- ছন্দোময়
- ছন্দোবিজ্ঞান
- মিনিট
- অনুপস্থিত
- ML
- মডেল
- মডেল
- অধিক
- বহু
- নেভিগেট করুন
- নেভিগেট
- প্রয়োজন
- নতুন
- নতুন বৈশিষ্ট
- নভেম্বর
- সংখ্যা
- of
- অর্পণ
- অফার
- on
- অনবোর্ডিং
- ONE
- অপারেটরদের
- পছন্দ
- অপশন সমূহ
- সংগঠন
- সংগঠন
- অন্যান্য
- ফলাফল
- বাহিরে
- নিজের
- পরামিতি
- অংশ
- বিশেষ
- কর্মক্ষমতা
- করণ
- জায়গা
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- পোস্ট
- স্পষ্টতা
- পূর্বাভাসের
- ভবিষ্যদ্বাণী
- ভবিষ্যতবাণী
- প্রস্তুত করা
- প্রস্তুতি
- উপস্থাপন
- প্রি
- দাম
- সমস্যা
- সমস্যা
- প্রক্রিয়া
- পণ্য
- প্রোটোটাইপিং
- উপলব্ধ
- গুণ
- দ্রুত
- দ্রুত
- পরিসর
- দ্রুত
- প্রকৃত সময়
- প্রণালী
- নথিভুক্ত
- পরিমার্জন
- সম্পর্ক
- সরানোর
- প্রতিস্থাপন করা
- ফলাফল
- এখানে ক্লিক করুন
- রুম
- সারিটি
- চালান
- দৌড়
- ঋষি নির্মাতা
- বিক্রয়
- আরোহী
- লোকচক্ষুর
- বিজ্ঞান
- বিজ্ঞানীরা
- নির্বিঘ্ন
- নির্বাচন
- আলাদা
- ক্রম
- শেয়ার
- শেয়ারিং
- একক
- So
- সোর্স
- স্থান
- স্পীড
- মান
- শুরু
- শুরু হচ্ছে
- ধাপ
- প্রারম্ভিক ব্যবহারের নির্দেশাবলী
- চিত্রশালা
- এমন
- উপযুক্ত
- সরবরাহ
- সরবরাহ শৃঙ্খল
- সমর্থিত
- সমর্থন
- গ্রহণ করা
- লক্ষ্য
- টীম
- দল
- কারিগরী
- প্রযুক্তিঃ
- যে
- সার্জারির
- ক্ষেত্র
- বিশ্ব
- তাদের
- এইগুলো
- তিন
- দ্বারা
- সর্বত্র
- সময়
- সময় সিরিজ
- বার
- থেকে
- আজ
- অত্যধিক
- টুল
- মোট
- সফর
- টাওয়ার
- প্রতি
- রেলগাড়ি
- প্রশিক্ষিত
- প্রশিক্ষণ
- রুপান্তর
- রূপান্তরের
- স্বচ্ছতা
- ভ্রমণ
- ধরনের
- সর্বব্যাপী
- অধীনে
- বোঝা
- অনন্য
- আপডেট
- আপডেট
- আপডেট
- ব্যবহার
- ব্যবহারকারী
- ব্যবহারকারী ইন্টারফেস
- ব্যবহারকারী
- যাচাই করুন
- বৈধতা
- দামি
- মূল্য
- মানগুলি
- সংস্করণ
- উল্লম্ব
- আমরা একটি
- যে
- যখন
- হু
- সমগ্র
- ব্যাপক
- প্রশস্ত পরিসর
- সঙ্গে
- মধ্যে
- ছাড়া
- বিশ্ব
- লেখা
- কোড লিখুন
- লেখা
- আপনি
- আপনার
- zephyrnet