অ্যামাজন কম্প্রেহেন্ড টার্গেটেড সেন্টিমেন্ট সিঙ্ক্রোনাস সমর্থন যোগ করে

এই বছরের শুরুতে, অ্যামাজন সমঝোতা, একটি প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP) পরিষেবা যা পাঠ্য থেকে অন্তর্দৃষ্টি আবিষ্কার করতে মেশিন লার্নিং (ML) ব্যবহার করে, টার্গেটেড সেন্টিমেন্ট ফিচার চালু করেছে. টার্গেটেড সেন্টিমেন্টের সাহায্যে, আপনি একটি একক বাস্তব-জগতের সত্তা বা বৈশিষ্ট্যের সাথে সম্পর্কিত উল্লেখের গোষ্ঠীগুলি (সহ-রেফারেন্স গোষ্ঠী) সনাক্ত করতে পারেন, প্রতিটি সত্তার উল্লেখের সাথে যুক্ত অনুভূতি প্রদান করতে পারেন এবং বাস্তব-বিশ্বের সত্তার শ্রেণীবিভাগ অফার করতে পারেন সত্তার পূর্ব-নির্ধারিত তালিকা.

আজ, আমরা Amazon Comprehend-এ টার্গেটেড সেন্টিমেন্টের জন্য নতুন সিঙ্ক্রোনাস API ঘোষণা করতে পেরে উত্তেজিত, যা ইনপুট নথিতে নির্দিষ্ট সত্তার সাথে যুক্ত অনুভূতিগুলির একটি দানাদার বোঝার ব্যবস্থা করে৷

এই পোস্টে, আমরা কিভাবে আপনি Amazon Comprehend টার্গেটেড সেন্টিমেন্ট সিঙ্ক্রোনাস API দিয়ে শুরু করতে পারেন, আউটপুট কাঠামোর মধ্য দিয়ে যেতে পারেন এবং তিনটি পৃথক ব্যবহারের ক্ষেত্রে আলোচনা করতে পারেন তার একটি ওভারভিউ প্রদান করি।

টার্গেটেড সেন্টিমেন্ট ব্যবহারের ক্ষেত্রে

অ্যামাজন কম্প্রেহেন্ডে রিয়েল-টাইম টার্গেটেড সেন্টিমেন্ট বিশ্লেষণে সঠিক এবং মাপযোগ্য ব্র্যান্ড এবং প্রতিযোগীদের অন্তর্দৃষ্টি সক্ষম করার জন্য বেশ কয়েকটি অ্যাপ্লিকেশন রয়েছে। আপনি ব্যবসা-সমালোচনামূলক প্রক্রিয়া যেমন লাইভ মার্কেট রিসার্চ, ব্র্যান্ডের অভিজ্ঞতা তৈরি এবং গ্রাহক সন্তুষ্টির উন্নতির জন্য লক্ষ্যযুক্ত অনুভূতি ব্যবহার করতে পারেন।

নিম্নলিখিত একটি মুভি পর্যালোচনার জন্য লক্ষ্যযুক্ত অনুভূতি ব্যবহার করার একটি উদাহরণ।

"মুভি" হল প্রাথমিক সত্তা, টাইপ হিসাবে চিহ্নিত৷ movie, এবং "মুভি" এবং সর্বনাম "এটি" হিসাবে আরও দুইবার উল্লেখ করা হয়েছে। টার্গেটেড সেন্টিমেন্ট API প্রতিটি সত্তার প্রতি অনুভূতি প্রদান করে। সবুজ একটি ইতিবাচক অনুভূতি বোঝায়, নেতিবাচক জন্য লাল এবং নিরপেক্ষ জন্য নীল।

ঐতিহ্যগত বিশ্লেষণ সামগ্রিক পাঠ্যের অনুভূতি প্রদান করে, যা এই ক্ষেত্রে মিশ্রিত হয়। লক্ষ্যযুক্ত অনুভূতির সাথে, আপনি আরও দানাদার অন্তর্দৃষ্টি পেতে পারেন। এই দৃশ্যে, সিনেমার প্রতি অনুভূতি ইতিবাচক এবং নেতিবাচক উভয়ই: অভিনেতাদের ক্ষেত্রে ইতিবাচক, কিন্তু সামগ্রিক গুণমানের ক্ষেত্রে নেতিবাচক। এটি ফিল্ম টিমের জন্য লক্ষ্যযুক্ত প্রতিক্রিয়া প্রদান করতে পারে, যেমন স্ক্রিপ্ট লেখায় আরও পরিশ্রম করা, কিন্তু ভবিষ্যতের ভূমিকার জন্য অভিনেতাদের বিবেচনা করা।

রিয়েল-টাইম সেন্টিমেন্ট বিশ্লেষণের বিশিষ্ট অ্যাপ্লিকেশনগুলি শিল্প জুড়ে পরিবর্তিত হবে। এতে লাইভ সোশ্যাল মিডিয়া ফিড, ভিডিও, লাইভ ইভেন্ট বা সম্প্রচার থেকে বিপণন এবং গ্রাহকের অন্তর্দৃষ্টি বের করা, গবেষণার উদ্দেশ্যে আবেগ বোঝা বা সাইবার বুলিং রোধ করা অন্তর্ভুক্ত। সিঙ্ক্রোনাস টার্গেটেড সেন্টিমেন্ট সেকেন্ডের মধ্যে রিয়েল-টাইম ফিডব্যাক প্রদান করে ব্যবসার মূল্যকে চালিত করে যাতে আপনি বাস্তব সময়ে সিদ্ধান্ত নিতে পারেন।

আসুন এই বিভিন্ন রিয়েল-টাইম টার্গেটেড সেন্টিমেন্ট অ্যানালাইসিস অ্যাপ্লিকেশানগুলি এবং কীভাবে বিভিন্ন শিল্প সেগুলি ব্যবহার করতে পারে তা ঘনিষ্ঠভাবে দেখে নেওয়া যাক:

• দৃশ্য 1 - একটি স্টক, ব্যক্তি, বা সংস্থার প্রতি অনুভূতি নির্ধারণের জন্য আর্থিক নথির মতামত খনির
• দৃশ্য 2 - গ্রাহকের মিথস্ক্রিয়ায় দানাদার অনুভূতি নির্ধারণ করতে রিয়েল-টাইম কল সেন্টার বিশ্লেষণ
• দৃশ্য 3 - সোশ্যাল মিডিয়া এবং ডিজিটাল চ্যানেল জুড়ে প্রতিষ্ঠান বা পণ্যের প্রতিক্রিয়া পর্যবেক্ষণ করা এবং রিয়েল-টাইম সহায়তা এবং রেজোলিউশন প্রদান করা

নিম্নলিখিত বিভাগে, আমরা প্রতিটি ব্যবহারের ক্ষেত্রে আরও বিশদে আলোচনা করি।

দৃশ্যকল্প 1: আর্থিক মতামত মাইনিং এবং ট্রেডিং সিগন্যাল জেনারেশন

ট্রেডিং কৌশল তৈরি করার সময় বাজার-নির্মাতা এবং বিনিয়োগ সংস্থাগুলির জন্য সেন্টিমেন্ট বিশ্লেষণ অত্যন্ত গুরুত্বপূর্ণ। দানাদার সেন্টিমেন্ট নির্ধারণ করা ব্যবসায়ীদের বিশ্বব্যাপী ইভেন্ট, ব্যবসায়িক সিদ্ধান্ত, ব্যক্তি এবং শিল্পের দিকনির্দেশের প্রতি বাজারের কী প্রতিক্রিয়া হতে পারে তা অনুমান করতে সাহায্য করতে পারে। এই অনুভূতি একটি স্টক বা পণ্য ক্রয় বা বিক্রি কিনা তা নির্ধারণকারী ফ্যাক্টর হতে পারে।

এই পরিস্থিতিতে আমরা কীভাবে লক্ষ্যযুক্ত সেন্টিমেন্ট API ব্যবহার করতে পারি তা দেখতে, আসুন মুদ্রাস্ফীতির উপর ফেডারেল রিজার্ভ চেয়ার জেরোম পাওয়েলের একটি বিবৃতি দেখি।

যেমন আমরা উদাহরণে দেখতে পাচ্ছি, মুদ্রাস্ফীতির প্রতি অনুভূতি বোঝা একটি ক্রয় বা বিক্রয় সিদ্ধান্ত জানাতে পারে। এই পরিস্থিতিতে, টার্গেটেড সেন্টিমেন্ট এপিআই থেকে অনুমান করা যেতে পারে যে মুদ্রাস্ফীতি সম্পর্কে চেয়ার পাওয়েলের মতামত নেতিবাচক, এবং এটি সম্ভবত উচ্চ সুদের হারের ফলে অর্থনৈতিক প্রবৃদ্ধি মন্থর হতে চলেছে। বেশিরভাগ ব্যবসায়ীদের জন্য, এটি একটি বিক্রির সিদ্ধান্ত হতে পারে। টার্গেটেড সেন্টিমেন্ট এপিআই ট্রেডারদের একটি প্রথাগত ডকুমেন্ট পর্যালোচনার চেয়ে দ্রুত এবং আরও দানাদার অন্তর্দৃষ্টি প্রদান করতে পারে, এবং একটি শিল্পে যেখানে গতি অত্যন্ত গুরুত্বপূর্ণ, এটি যথেষ্ট ব্যবসায়িক মূল্যের কারণ হতে পারে।

আর্থিক মতামত মাইনিং এবং ট্রেডিং সিগন্যাল জেনারেশন পরিস্থিতিতে লক্ষ্যযুক্ত অনুভূতি ব্যবহার করার জন্য নিম্নলিখিত একটি রেফারেন্স আর্কিটেকচার।

দৃশ্যকল্প 2: রিয়েল-টাইম যোগাযোগ কেন্দ্র বিশ্লেষণ

একটি শক্তিশালী গ্রাহক অভিজ্ঞতা প্রদানের জন্য একটি ইতিবাচক যোগাযোগ কেন্দ্রের অভিজ্ঞতা অত্যন্ত গুরুত্বপূর্ণ। ইতিবাচক এবং উত্পাদনশীল অভিজ্ঞতা নিশ্চিত করতে সাহায্য করার জন্য, আপনি গ্রাহকের প্রতিক্রিয়া, ইন্টারঅ্যাকশনের সময়কালের মাধ্যমে গ্রাহকের মেজাজ পরিবর্তন এবং যোগাযোগ কেন্দ্রের কার্যপ্রবাহ এবং কর্মচারী প্রশিক্ষণের কার্যকারিতা পরিমাপ করতে অনুভূতি বিশ্লেষণ প্রয়োগ করতে পারেন। টার্গেটেড সেন্টিমেন্ট এপিআই-এর মাধ্যমে, আপনি আপনার যোগাযোগ কেন্দ্রের অনুভূতি বিশ্লেষণের মধ্যে দানাদার তথ্য পেতে পারেন। আমরা কেবল মিথস্ক্রিয়াটির অনুভূতি নির্ধারণ করতে পারি না, তবে এখন আমরা দেখতে পারি যে কী কারণে নেতিবাচক বা ইতিবাচক প্রতিক্রিয়া হয়েছে এবং যথাযথ পদক্ষেপ নিতে পারি।

আমরা একজন গ্রাহকের একটি ত্রুটিপূর্ণ টোস্টার ফেরত দেওয়ার নিম্নলিখিত প্রতিলিপিগুলির মাধ্যমে এটি প্রদর্শন করি। এই উদাহরণের জন্য, আমরা নমুনা বিবৃতি দেখাই যা গ্রাহক তৈরি করছেন।

আমরা দেখতে পাচ্ছি, কথোপকথনটি মোটামুটি নেতিবাচকভাবে শুরু হয়। টার্গেটেড সেন্টিমেন্ট API-এর সাহায্যে, আমরা নেতিবাচক অনুভূতির মূল কারণ নির্ধারণ করতে সক্ষম হয়েছি এবং এটি একটি ত্রুটিপূর্ণ টোস্টার সম্পর্কিত। আমরা এই তথ্য ব্যবহার করতে পারি নির্দিষ্ট ওয়ার্কফ্লো চালানোর জন্য, বা বিভিন্ন বিভাগে যাওয়ার জন্য।

কথোপকথনের মাধ্যমে, আমরা দেখতে পাচ্ছি যে গ্রাহক একটি উপহার কার্ডের প্রস্তাব গ্রহণ করেননি। আমরা এজেন্ট প্রশিক্ষণের উন্নতির জন্য এই তথ্য ব্যবহার করতে পারি, এই পরিস্থিতিতে আমাদের বিষয়টা উত্থাপন করা উচিত কিনা তা পুনর্মূল্যায়ন করতে, অথবা সিদ্ধান্ত নিতে পারি যে এই প্রশ্নটি শুধুমাত্র আরও নিরপেক্ষ বা ইতিবাচক অনুভূতির সাথে জিজ্ঞাসা করা উচিত।

শেষ পর্যন্ত, আমরা দেখতে পাচ্ছি যে এজেন্ট যে পরিষেবাটি সরবরাহ করেছিল তা ইতিবাচকভাবে গৃহীত হয়েছিল যদিও গ্রাহক এখনও টোস্টার সম্পর্কে বিরক্ত ছিলেন। আমরা এজেন্ট প্রশিক্ষণ যাচাই এবং শক্তিশালী এজেন্ট কর্মক্ষমতা পুরস্কৃত করতে এই তথ্য ব্যবহার করতে পারেন.

নিম্নলিখিতটি একটি রেফারেন্স আর্কিটেকচার যা লক্ষ্যযুক্ত অনুভূতিকে রিয়েল-টাইম যোগাযোগ কেন্দ্র বিশ্লেষণে অন্তর্ভুক্ত করে।

দৃশ্যকল্প 3: গ্রাহকের অনুভূতির জন্য সোশ্যাল মিডিয়া পর্যবেক্ষণ করা

সোশ্যাল মিডিয়া অভ্যর্থনা পণ্য এবং সাংগঠনিক বৃদ্ধির জন্য একটি সিদ্ধান্তকারী ফ্যাক্টর হতে পারে। গ্রাহকরা কোম্পানির সিদ্ধান্ত, পণ্য লঞ্চ, বা বিপণন প্রচারাভিযানের প্রতি কীভাবে প্রতিক্রিয়া জানাচ্ছে তা ট্র্যাক করা কার্যকারিতা নির্ধারণের জন্য গুরুত্বপূর্ণ।

হেডফোনের একটি নতুন সেটের টুইটার পর্যালোচনা ব্যবহার করে আমরা এই পরিস্থিতিতে টার্গেটেড সেন্টিমেন্ট API কীভাবে ব্যবহার করতে পারি তা প্রদর্শন করতে পারি।

এই উদাহরণে, হেডফোনগুলি লঞ্চ করার বিষয়ে মিশ্র প্রতিক্রিয়া রয়েছে, তবে শব্দের গুণমান খারাপ হওয়ার একটি সামঞ্জস্যপূর্ণ থিম রয়েছে৷ কোম্পানিগুলি এই তথ্য ব্যবহার করে দেখতে পারে যে ব্যবহারকারীরা নির্দিষ্ট বৈশিষ্ট্যগুলির প্রতি কীভাবে প্রতিক্রিয়া জানাচ্ছেন এবং ভবিষ্যতের পুনরাবৃত্তিতে কোথায় পণ্যের উন্নতি করা উচিত তা দেখতে।

নিম্নলিখিত সামাজিক মিডিয়া অনুভূতি বিশ্লেষণের জন্য টার্গেটেড সেন্টিমেন্ট API ব্যবহার করে একটি রেফারেন্স আর্কিটেকচার।

টার্গেটেড সেন্টিমেন্ট দিয়ে শুরু করুন

Amazon Comprehend কনসোলে লক্ষ্যযুক্ত অনুভূতি ব্যবহার করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:

1. Amazon Comprehend কনসোলে, নির্বাচন করুন Amazon Comprehend চালু করুন.
   
2. জন্য ইনপুট পাঠ্য, আপনি বিশ্লেষণ করতে চান যে কোনো পাঠ্য লিখুন.
3. বেছে নিন বিশ্লেষণ করা.
   

নথিটি বিশ্লেষণ করার পরে, টার্গেটেড সেন্টিমেন্ট এপিআই-এর আউটপুট পাওয়া যাবে টার্গেটেড সেন্টিমেন্ট ট্যাব অন্তর্দৃষ্টিগুলির অধ্যায়. এখানে আপনি বিশ্লেষণ করা পাঠ্য, প্রতিটি সত্তার নিজ নিজ অনুভূতি এবং এটির সাথে সংশ্লিষ্ট রেফারেন্স গ্রুপ দেখতে পারেন।

মধ্যে অ্যাপ্লিকেশন সংহত বিভাগে, আপনি বিশ্লেষণ করা পাঠ্যের জন্য অনুরোধ এবং প্রতিক্রিয়া খুঁজে পেতে পারেন।

প্রোগ্রাম্যাটিকভাবে টার্গেটেড সেন্টিমেন্ট ব্যবহার করুন

প্রোগ্রাম্যাটিকভাবে সিঙ্ক্রোনাস API দিয়ে শুরু করতে, আপনার কাছে দুটি বিকল্প রয়েছে:

• সনাক্ত-লক্ষ্যযুক্ত অনুভূতি - এই API একটি একক পাঠ্য নথির জন্য লক্ষ্যযুক্ত অনুভূতি প্রদান করে
• ব্যাচ-ডিটেক্ট-টার্গেটেড-সেন্টিমেন্ট - এই API নথিগুলির একটি তালিকার জন্য লক্ষ্যযুক্ত অনুভূতি প্রদান করে

আপনি API এর সাথে ইন্টারঅ্যাক্ট করতে পারেন এডাব্লুএস কমান্ড লাইন ইন্টারফেস (AWS CLI) বা AWS SDK এর মাধ্যমে। আমরা শুরু করার আগে, নিশ্চিত হয়ে নিন যে আপনি AWS CLI কনফিগার করেছেন, এবং Amazon Comprehend-এর সাথে ইন্টারঅ্যাক্ট করার জন্য প্রয়োজনীয় অনুমতি আছে।

টার্গেটেড সেন্টিমেন্ট সিঙ্ক্রোনাস এপিআই পাস করার জন্য দুটি অনুরোধ প্যারামিটার প্রয়োজন:

• ভাষা কোড - পাঠ্যের ভাষা
• টেক্সট বা টেক্সটলিস্ট - UTF-8 টেক্সট যা প্রক্রিয়া করা হয়

নিম্নলিখিত কোড জন্য একটি উদাহরণ detect-targeted-sentiment এপিআই:

{
"LanguageCode": "string", 
"Text": "string"
}

নিম্নলিখিত জন্য একটি উদাহরণ batch-detect-targeted-sentiment এপিআই:

{

"LanguageCode": "string", 
"TextList": ["string"]

}

এখন কিছু নমুনা AWS CLI কমান্ড দেখি।

নিম্নলিখিত কোড জন্য একটি উদাহরণ detect-targeted-sentiment এপিআই:

aws comprehend 
--region us-east-2 
detect-targeted-sentiment  
--text "I like the burger but service was bad" 
--language-code en

নিম্নলিখিত জন্য একটি উদাহরণ batch-detect-targeted-sentiment এপিআই:

aws comprehend 
--region us-east-2 
batch-detect-targeted-sentiment 
--text-list "We loved the Seashore Hotel! It was clean and the staff was friendly. However, the Seashore was a little too noisy at night." "I like the burger but service is bad" 
--language-code en

নিম্নলিখিত একটি নমুনা Boto3 SDK API কল:

import boto3
import subprocess

session = boto3.Session()
comprehend_client = session.client(service_name='comprehend', region_name='us-east-2')

নিম্নলিখিত একটি উদাহরণ detect-targeted-sentiment এপিআই:

response = comprehend_client.detect_targeted_sentiment(
LanguageCode='en',
Text = "I like the burger but service was bad"
)
print(response)

নিম্নলিখিত একটি উদাহরণ batch-detect-targeted-sentiment এপিআই:

response = comprehend_client.batch_detect_targeted_sentiment(
    LanguageCode='en',
    TextList = ["I like the burger but service was bad","The staff was really sweet though"]
)

API সিনট্যাক্স সম্পর্কে আরও বিশদ বিবরণের জন্য, দেখুন অ্যামাজন কম্প্রিহেন্ড ডেভেলপার গাইড.

API প্রতিক্রিয়া গঠন

টার্গেটেড সেন্টিমেন্ট API আপনার কাজের আউটপুট ব্যবহার করার একটি সহজ উপায় প্রদান করে। এটি প্রতিটি সত্তার অনুভূতি সহ সনাক্ত করা সত্তাগুলির (সত্তা গোষ্ঠী) একটি যৌক্তিক গ্রুপিং প্রদান করে। প্রতিক্রিয়াতে থাকা ক্ষেত্রগুলির কিছু সংজ্ঞা নিম্নরূপ:

• সংস্থাগুলো - নথির উল্লেখযোগ্য অংশ। উদাহরণ স্বরূপ, Person, Place, Date, Food, বা Taste.
• উল্লেখ - নথিতে সত্তার উল্লেখ বা উল্লেখ। এগুলি সর্বনাম বা সাধারণ বিশেষ্য হতে পারে যেমন "এটি," "সে," "বই" এবং আরও অনেক কিছু। এগুলি নথিতে অবস্থান (অফসেট) অনুসারে সংগঠিত হয়।
• বর্ণনামূলক উল্লেখ সূচক - মধ্যে সূচক Mentions যেটি সত্তা গোষ্ঠীর সর্বোত্তম চিত্রণ দেয়। উদাহরণস্বরূপ, "হোটেল," "এটি" বা অন্যান্য সাধারণ বিশেষ্য উল্লেখের পরিবর্তে "ABC হোটেল"।
• গ্রুপস্কোর - এই আত্মবিশ্বাস যে গ্রুপে উল্লিখিত সমস্ত সত্তা একই সত্তার সাথে সম্পর্কিত (যেমন "আমি," "আমি," এবং "নিজেকে" একজন ব্যক্তিকে নির্দেশ করে)।
• পাঠ - নথির পাঠ্য যা সত্তাকে চিত্রিত করে।
• আদর্শ - সত্তা যা চিত্রিত করে তার একটি বিবরণ।
• স্কোর - মডেল আত্মবিশ্বাস যে এটি একটি প্রাসঙ্গিক সত্তা।
• উল্লেখ সেন্টিমেন্ট - উল্লেখের জন্য প্রকৃত অনুভূতি পাওয়া গেছে।
• অনুভূতি - ধনাত্মক, নিরপেক্ষ, ঋণাত্মক বা মিশ্রের স্ট্রিং মান।
• সেন্টিমেন্টস্কোর - প্রতিটি সম্ভাব্য অনুভূতির জন্য মডেল আত্মবিশ্বাস।
• শুরু অফসেট - নথির পাঠ্যের অফসেট যেখানে উল্লেখ শুরু হয়।
• এন্ডঅফসেট - নথির পাঠ্যের অফসেট যেখানে উল্লেখ শেষ হয়।

আরো বিস্তারিত ব্রেকডাউনের জন্য, পড়ুন অ্যামাজন কম্প্রেহেন্ড টার্গেটেড সেন্টিমেন্টের সাথে পাঠ্যে দানাদার অনুভূতি বের করুন or আউটপুট ফাইল সংগঠন.

উপসংহার

সেন্টিমেন্ট বিশ্লেষণ প্রতিষ্ঠানের জন্য অগণিত কারণের জন্য গুরুত্বপূর্ণ - ব্যবসার জন্য সময়ের সাথে সাথে গ্রাহকের অনুভূতি ট্র্যাক করা থেকে শুরু করে, একটি পণ্য পছন্দ বা অপছন্দ করা হয়েছে কিনা তা অনুমান করা, নির্দিষ্ট বিষয়গুলির প্রতি একটি সামাজিক নেটওয়ার্কের ব্যবহারকারীদের মতামত বোঝা বা এমনকি ফলাফলের পূর্বাভাস দেওয়া প্রচারণা রিয়েল-টাইম টার্গেটেড সেন্টিমেন্ট ব্যবসার জন্য কার্যকর হতে পারে, যাতে তারা আমাজন কম্প্রিহেন্ড ব্যবহার করে গ্রাহকের অভিজ্ঞতা চালিত করার জন্য অন্তর্দৃষ্টি অন্বেষণ করতে সামগ্রিক অনুভূতি বিশ্লেষণের বাইরে যেতে পারে।

Amazon Comprehend এর জন্য টার্গেটেড সেন্টিমেন্ট সম্পর্কে আরও জানতে, পড়ুন টার্গেটেড সেন্টিমেন্ট.

লেখক সম্পর্কে

রাজ পাঠক কানাডা এবং মার্কিন যুক্তরাষ্ট্র জুড়ে ফরচুন 50 এবং মিড-সাইজ এফএসআই (ব্যাংকিং, ইন্স্যুরেন্স, ক্যাপিটাল মার্কেটস) গ্রাহকদের একজন সমাধান স্থপতি এবং প্রযুক্তিগত উপদেষ্টা। রাজ ডকুমেন্ট এক্সট্রাকশন, কন্টাক্ট সেন্টার ট্রান্সফরমেশন এবং কম্পিউটার ভিশনের অ্যাপ্লিকেশন সহ মেশিন লার্নিং-এ বিশেষজ্ঞ।

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।