গত এক দশকে ডিজিটাল মিডিয়াতে প্রযুক্তির প্রবণতা এবং অগ্রগতির ফলে পাঠ্য-ভিত্তিক ডেটার বিস্তার ঘটেছে। কৌশলগত এবং কৌশলগত উভয় ধরনের অন্তর্দৃষ্টি অর্জনের জন্য এই পাঠ্যটি খনির সম্ভাব্য সুবিধাগুলি প্রচুর। একে বলা হয় প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP)। আপনি NLP ব্যবহার করতে পারেন, উদাহরণস্বরূপ, গ্রাহকের অনুভূতির জন্য আপনার পণ্যের পর্যালোচনাগুলি বিশ্লেষণ করতে, গ্রাহকের মন্তব্যের উপর ভিত্তি করে পণ্যের প্রকারের আগ্রহ সনাক্ত করতে একটি কাস্টম সত্তা শনাক্তকারী মডেলকে প্রশিক্ষিত করতে, বা সর্বাধিক জনপ্রিয় পণ্য বিভাগগুলি নির্ধারণ করতে একটি কাস্টম পাঠ্য শ্রেণিবিন্যাস মডেলকে প্রশিক্ষণ দিতে পারেন৷
অ্যামাজন সমঝোতা নথির বিষয়বস্তু সম্পর্কে অন্তর্দৃষ্টি বের করার জন্য তৈরি বুদ্ধিমত্তা সহ একটি NLP পরিষেবা৷ এটি একটি নথিতে সত্তা, মূল বাক্যাংশ, ভাষা, অনুভূতি এবং অন্যান্য সাধারণ উপাদানগুলিকে স্বীকৃতি দিয়ে অন্তর্দৃষ্টি বিকাশ করে। Amazon Comprehend Custom আপনার নিজের ডেটা ব্যবহার করে আপনার পক্ষে NLP মডেল তৈরি করতে স্বয়ংক্রিয় মেশিন লার্নিং (অটো এমএল) ব্যবহার করে। এটি আপনাকে আপনার ব্যবসার জন্য অনন্য সত্তা সনাক্ত করতে বা আপনার প্রয়োজনীয়তা অনুসারে পাঠ্য বা নথি শ্রেণীবদ্ধ করতে সক্ষম করে। উপরন্তু, আপনি সহজেই ব্যবহারযোগ্য API-এর সাহায্যে আপনার সম্পূর্ণ NLP ওয়ার্কফ্লো স্বয়ংক্রিয় করতে পারেন।
আজ আমরা অ্যামাজন কম্প্রেহেন্ড কাস্টম মডেল কপি বৈশিষ্ট্য চালু করার ঘোষণা দিতে পেরে আনন্দিত, যা আপনাকে আপনার অ্যামাজন কম্প্রেহেন্ড কাস্টম মডেলগুলিকে সোর্স অ্যাকাউন্ট থেকে একই অঞ্চলের নির্দিষ্ট টার্গেট অ্যাকাউন্টগুলিতে অনুলিপি করতে দেয় যে ডেটাসেটগুলিতে অ্যাক্সেসের প্রয়োজন ছাড়াই প্রশিক্ষিত এবং মূল্যায়ন করা হয়. আজ থেকে, আপনি ব্যবহার করতে পারেন এডাব্লুএস ম্যানেজমেন্ট কনসোল, এডাব্লুএস কমান্ড লাইন ইন্টারফেস (AWS CLI), বা boto3 API (AWS-এর জন্য Python SDK) একটি উৎস অ্যাকাউন্ট থেকে একটি নির্দিষ্ট লক্ষ্য অ্যাকাউন্টে প্রশিক্ষিত কাস্টম মডেল অনুলিপি করতে। এই নতুন বৈশিষ্ট্যটি Amazon Comprehend কাস্টম শ্রেণীবিভাগ এবং কাস্টম সত্তা স্বীকৃতি মডেল উভয়ের জন্য উপলব্ধ।
মডেল কপি বৈশিষ্ট্য সুবিধা
এই নতুন বৈশিষ্ট্যটির নিম্নলিখিত সুবিধা রয়েছে:
- মাল্টি-অ্যাকাউন্ট MLOps কৌশল - একটি মডেলকে একবার প্রশিক্ষণ দিন এবং বিভিন্ন অ্যাকাউন্টে একাধিক পরিবেশে অনুমানযোগ্য স্থাপনা নিশ্চিত করুন।
- দ্রুত মোতায়েন - প্রতিটি অ্যাকাউন্টে পুনরায় প্রশিক্ষণের জন্য যে সময় লাগে তা এড়িয়ে আপনি অ্যাকাউন্টগুলির মধ্যে একটি প্রশিক্ষিত মডেল দ্রুত অনুলিপি করতে পারেন।
- সংবেদনশীল ডেটাসেট রক্ষা করুন - এখন আপনাকে আর বিভিন্ন অ্যাকাউন্ট বা ব্যবহারকারীদের মধ্যে ডেটাসেট ভাগ করতে হবে না। প্রশিক্ষণের ডেটা শুধুমাত্র সেই অ্যাকাউন্টে পাওয়া উচিত যেখানে প্রশিক্ষণ করা হয়েছে। আর্থিক পরিষেবাগুলির মতো নির্দিষ্ট শিল্পগুলির জন্য এটি অত্যন্ত গুরুত্বপূর্ণ, যেখানে ডেটা বিচ্ছিন্নতা এবং স্যান্ডবক্সিং নিয়ন্ত্রক প্রয়োজনীয়তা পূরণের জন্য অপরিহার্য৷
- সহজ সহযোগিতা - অংশীদার বা বিক্রেতারা এখন সহজেই Amazon Comprehend Custom-এ প্রশিক্ষণ দিতে পারে এবং তাদের গ্রাহকদের সাথে মডেলগুলি ভাগ করে নিতে পারে৷
মডেল কপি কিভাবে কাজ করে
নতুন মডেল কপি বৈশিষ্ট্যের সাথে, আপনি একটি দুই-পর্যায়ের প্রক্রিয়ায় একই অঞ্চলে AWS অ্যাকাউন্টগুলির মধ্যে কাস্টম মডেলগুলি অনুলিপি করতে পারেন। প্রথমত, একটি AWS অ্যাকাউন্টে (অ্যাকাউন্ট A) একজন ব্যবহারকারী তাদের অ্যাকাউন্টে থাকা একটি কাস্টম মডেল শেয়ার করে। তারপরে, অন্য AWS অ্যাকাউন্টের (অ্যাকাউন্ট B) একজন ব্যবহারকারী তাদের অ্যাকাউন্টে মডেলটি আমদানি করে।
একটি মডেল শেয়ার করুন
অ্যাকাউন্ট A এ একটি কাস্টম মডেল ভাগ করতে, ব্যবহারকারী একটি সংযুক্ত করে এডাব্লুএস আইডেন্টিটি এবং অ্যাক্সেস ম্যানেজমেন্ট (IAM) একটি মডেল সংস্করণে সম্পদ-ভিত্তিক নীতি। এই নীতি তাদের AWS অ্যাকাউন্টে Amazon Comprehend-এ মডেল সংস্করণ আমদানি করতে IAM ব্যবহারকারী বা ভূমিকার মতো অ্যাকাউন্ট B-এর একটি সত্তাকে অনুমোদন করে। আপনি কনসোলের মাধ্যমে বা Amazon Comprehend কাস্টম দিয়ে একটি সম্পদ-ভিত্তিক নীতি কনফিগার করতে পারেন PutResourcePolicy
API- টি।
একটি মডেল আমদানি করুন
B অ্যাকাউন্টে মডেলটি আমদানি করতে, এই অ্যাকাউন্টের ব্যবহারকারী অ্যামাজন কম্প্রেহেন্ডকে প্রয়োজনীয় বিবরণ প্রদান করে, যেমন মডেলটির অ্যামাজন রিসোর্স নেম (ARN)। যখন তারা মডেল আমদানি করে, তখন এই ব্যবহারকারী তাদের AWS অ্যাকাউন্টে একটি নতুন কাস্টম মডেল তৈরি করে যা তাদের আমদানি করা মডেলটিকে প্রতিলিপি করে। এই মডেলটি সম্পূর্ণভাবে প্রশিক্ষিত এবং অনুমান কাজের জন্য প্রস্তুত, যেমন নথি শ্রেণীবিভাগ বা নামকৃত সত্তা স্বীকৃতি। যদি মডেলটি একটি দিয়ে এনক্রিপ্ট করা হয় AWS কী ব্যবস্থাপনা পরিষেবা উৎসে (AWS KMS) কী, তারপর মডেল আমদানি করার সময় নির্দিষ্ট পরিষেবার ভূমিকার KMS কী-তে অ্যাক্সেস থাকা প্রয়োজন যাতে আমদানির সময় মডেলটিকে ডিক্রিপ্ট করা যায়। আমদানির সময় মডেলটিকে এনক্রিপ্ট করতে লক্ষ্য অ্যাকাউন্টটি একটি KMS কীও নির্দিষ্ট করতে পারে। ভাগ করা মডেলের আমদানি কনসোলে এবং একটি API হিসাবে উভয়ই উপলব্ধ।
সমাধান ওভারভিউ
মডেল কপি বৈশিষ্ট্যের কার্যকারিতা প্রদর্শন করতে, আমরা আপনাকে দেখাই কিভাবে আমাজন কম্প্রেহেন্ড কনসোল এবং AWS CLI উভয় ব্যবহার করে একটি Amazon Comprehend কাস্টম সত্তা স্বীকৃতি মডেল প্রশিক্ষণ, ভাগ এবং আমদানি করতে হয়। এই প্রদর্শনের জন্য, আমরা দুটি ভিন্ন অ্যাকাউন্ট ব্যবহার করি। ধাপগুলি Amazon Comprehend কাস্টম শ্রেণীবিভাগের ক্ষেত্রেও প্রযোজ্য। প্রয়োজনীয় পদক্ষেপগুলি নিম্নরূপ:
- উত্স অ্যাকাউন্টে একটি Amazon Comprehend কাস্টম সত্তা স্বীকৃতি মডেলকে প্রশিক্ষণ দিন৷
- ক্রস-অ্যাকাউন্ট অ্যাক্সেসের অনুমতি দেওয়ার জন্য প্রশিক্ষিত মডেলের জন্য IAM সম্পদ নীতি নির্ধারণ করুন।
- উত্স অ্যাকাউন্ট থেকে লক্ষ্য অ্যাকাউন্টে প্রশিক্ষিত মডেলটি অনুলিপি করুন।
- একটি ব্যাচ কাজের মাধ্যমে অনুলিপি মডেল পরীক্ষা করুন.
উত্স অ্যাকাউন্টে একটি Amazon Comprehend কাস্টম সত্তা স্বীকৃতি মডেলকে প্রশিক্ষণ দিন৷
প্রথম ধাপ হল উৎস অ্যাকাউন্টে একটি Amazon Comprehend কাস্টম সত্তা স্বীকৃতি মডেলকে প্রশিক্ষণ দেওয়া। প্রশিক্ষণের জন্য একটি ইনপুট ডেটাসেট হিসাবে, আমরা একটি CSV ব্যবহার করি সত্তা তালিকা এবং প্রশিক্ষণ নথি একটি প্রদত্ত নথিতে AWS পরিষেবা অফারগুলিকে স্বীকৃতি দেওয়ার জন্য। নিশ্চিত করুন যে সত্তা তালিকা এবং প্রশিক্ষণ নথি একটি মধ্যে আছে আমাজন সিম্পল স্টোরেজ সার্ভিস (Amazon S3) উৎস অ্যাকাউন্টে বালতি। নির্দেশাবলীর জন্য, দেখুন Amazon S3 এ নথি যোগ করা হচ্ছে.
একটি আইএএম ভূমিকা তৈরি করুন Amazon বোঝার জন্য এবং প্রশিক্ষণের ডেটা সহ S3 বালতিতে প্রয়োজনীয় অ্যাক্সেস সরবরাহ করুন। পরবর্তী ধাপে ব্যবহার করার জন্য ARN এবং S3 বাকেট পাথের ভূমিকা নোট করুন।
AWS CLI দিয়ে একটি মডেলকে প্রশিক্ষণ দিন
নিম্নলিখিত AWS CLI কমান্ড ব্যবহার করে একটি সত্তা শনাক্তকারী তৈরি করুন। S3 পাথ, IAM ভূমিকা এবং অঞ্চলের জন্য আপনার প্যারামিটারগুলি প্রতিস্থাপন করুন। প্রতিক্রিয়া ফিরে ফিরে EntityRecognizerArn
.
বর্ণনা-সত্তা-স্বীকৃতিকারীকে কল করে এবং প্রতিক্রিয়াতে স্ট্যাটাস চেক করে প্রশিক্ষণ কাজের অবস্থা পর্যবেক্ষণ করা যেতে পারে।
কনসোলের মাধ্যমে একটি মডেলকে প্রশিক্ষণ দিন
কনসোলের মাধ্যমে একটি মডেলকে প্রশিক্ষণ দিতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- অ্যামাজন কম্প্রিহেন্ড কনসোলে, নীচে কাস্টমাইজেশন, একটি নতুন কাস্টম সত্তা শনাক্তকারী মডেল তৈরি করুন৷
- একটি মডেল নাম এবং সংস্করণ প্রদান করুন.
- জন্য ভাষানির্বাচন ইংলিশ.
- জন্য কাস্টম সত্তা টাইপ, যোগ করুন
AWS_OFFERING
.
একটি কাস্টম সত্তা শনাক্তকরণ মডেল প্রশিক্ষণের জন্য, আপনি Amazon Comprehend-এ ডেটা প্রদানের দুটি উপায়ের মধ্যে একটি বেছে নিতে পারেন: টীকা or সত্তা তালিকা. সরলতার জন্য, সত্তা তালিকা পদ্ধতি ব্যবহার করুন।
- জন্য উপাত্ত বিন্যাস, নির্বাচন করুন CSV ফাইল.
- জন্য প্রশিক্ষণের ধরন, নির্বাচন করুন সত্তা তালিকা এবং প্রশিক্ষণ ডক্স ব্যবহার করে.
- সত্তা তালিকা CSV এবং প্রশিক্ষণ ডেটার জন্য S3 অবস্থান পাথ প্রদান করুন।
- আপনার S3 বালতি অ্যাক্সেস করার জন্য Amazon Comprehend-কে অনুমতি দিতে, একটি IAM পরিষেবা-সংযুক্ত ভূমিকা তৈরি করুন।
মধ্যে সম্পদ ভিত্তিক নীতি বিভাগে, আপনি মডেল সংস্করণের জন্য অ্যাক্সেস অনুমোদন করতে পারেন। আপনি যে অ্যাকাউন্টগুলিতে অ্যাক্সেস দেন সেগুলি তাদের অ্যাকাউন্টে এই মডেলটি আমদানি করতে পারে৷ আমরা আপাতত এই ধাপটি এড়িয়ে যাই এবং মডেলটি প্রশিক্ষিত হওয়ার পরে নীতি যোগ করি এবং আমরা মডেলের কার্যকারিতা নিয়ে সন্তুষ্ট।
- বেছে নিন সৃষ্টি.
এটি আপনার কাস্টম সত্তা শনাক্তকারীকে জমা দেয়, যা বেশ কয়েকটি মডেলের মধ্য দিয়ে যায়, আপনার হাইপারপ্যারামিটারগুলিকে সুর করে এবং আপনার মডেলটি শক্তিশালী কিনা তা নিশ্চিত করার জন্য ক্রস-ভ্যালিডেশন পরীক্ষা করে। এই সমস্ত একই কার্যকলাপ যা ডেটা বিজ্ঞানীরা সম্পাদন করে।
ক্রস-অ্যাকাউন্ট অ্যাক্সেসের অনুমতি দেওয়ার জন্য প্রশিক্ষিত মডেলের জন্য IAM সম্পদ নীতি নির্ধারণ করুন
যখন আমরা প্রশিক্ষণের কার্যকারিতা নিয়ে সন্তুষ্ট হই, তখন আমরা এগিয়ে যেতে পারি এবং একটি সম্পদ নীতি যোগ করে নির্দিষ্ট মডেল সংস্করণ ভাগ করতে পারি।
AWS CLI থেকে একটি সম্পদ-ভিত্তিক নীতি যোগ করুন
নিম্নলিখিত কোডে দেখানো মডেলের উপর একটি সংস্থান নীতি যোগ করে লক্ষ্য অ্যাকাউন্ট থেকে মডেল আমদানি করার অনুমোদন দিন। নীতিটি একটি নির্দিষ্ট মডেল সংস্করণ এবং টার্গেট প্রিন্সিপালের জন্য শক্তভাবে স্কোপ করা যেতে পারে। অ্যাক্সেস প্রদানের জন্য আপনার প্রশিক্ষিত সত্তা শনাক্তকারী ARN এবং লক্ষ্য অ্যাকাউন্ট প্রতিস্থাপন করুন।
কনসোলের মাধ্যমে একটি সম্পদ-ভিত্তিক নীতি যোগ করুন
প্রশিক্ষণ সম্পূর্ণ হলে, একটি কাস্টম সত্তা স্বীকৃতি মডেল সংস্করণ তৈরি করা হয়। প্রশিক্ষিত মডেলের কর্মক্ষমতা সহ প্রশিক্ষণের বিবরণ দেখতে আমরা প্রশিক্ষিত মডেল এবং সংস্করণ বেছে নিতে পারি।
নীতি আপডেট করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- উপরে ট্যাগ, ভিপিসি এবং নীতি ট্যাব, সম্পদ-ভিত্তিক নীতি সম্পাদনা করুন।
- নীতির নাম প্রদান করুন, Amazon Comprehend পরিষেবার প্রধান (
comprehend.amazonaws.com
), টার্গেট অ্যাকাউন্ট আইডি, এবং IAM ব্যবহারকারীরা টার্গেট অ্যাকাউন্টে মডেল সংস্করণ আমদানি করতে অনুমোদিত৷
আমরা নির্দিষ্ট root
লক্ষ্য অ্যাকাউন্টের সমস্ত ব্যবহারকারীকে অনুমোদন করার জন্য IAM সত্তা হিসাবে।
উত্স অ্যাকাউন্ট থেকে লক্ষ্য অ্যাকাউন্টে প্রশিক্ষিত মডেলটি অনুলিপি করুন
এখন মডেলটি উত্স অ্যাকাউন্ট থেকে প্রশিক্ষিত এবং ভাগ করা হয়। অনুমোদিত লক্ষ্য অ্যাকাউন্ট ব্যবহারকারী মডেলটি আমদানি করতে পারে এবং তাদের নিজস্ব অ্যাকাউন্টে মডেলটির একটি অনুলিপি তৈরি করতে পারে।
একটি মডেল আমদানি করতে, আপনার অ্যাকাউন্টে অনুলিপি ক্রিয়া সম্পাদন করার জন্য আপনাকে Amazon Comprehend-এর সোর্স মডেল ARN এবং পরিষেবার ভূমিকা নির্দিষ্ট করতে হবে। আপনার টার্গেট অ্যাকাউন্টে মডেল এনক্রিপ্ট করতে আপনি একটি ঐচ্ছিক AWS KMS আইডি নির্দিষ্ট করতে পারেন।
AWS CLI এর মাধ্যমে মডেলটি আমদানি করুন
AWS CLI দিয়ে আপনার মডেল আমদানি করতে, নিম্নলিখিত কোডটি লিখুন:
কনসোলের মাধ্যমে মডেলটি আমদানি করুন
কনসোলের মাধ্যমে মডেলটি আমদানি করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- অ্যামাজন কম্প্রিহেন্ড কনসোলে, নীচে কাস্টম সত্তা স্বীকৃতিনির্বাচন আমদানি সংস্করণ.
- জন্য মডেল সংস্করণ ARN, উৎস অ্যাকাউন্টে প্রশিক্ষিত মডেলের জন্য ARN লিখুন।
- লক্ষ্যের জন্য একটি মডেলের নাম এবং সংস্করণ লিখুন।
- একটি পরিষেবা অ্যাকাউন্ট ভূমিকা প্রদান করুন এবং চয়ন করুন নিশ্চিত করা মডেল আমদানি প্রক্রিয়া শুরু করতে।
মডেল স্ট্যাটাস পরিবর্তন করার পরে Imported
, আমরা প্রশিক্ষিত মডেলের কর্মক্ষমতা বিশদ সহ মডেলের বিবরণ দেখতে পারি।
একটি ব্যাচ কাজের মাধ্যমে অনুলিপি মডেল পরীক্ষা করুন
আমরা একটি ব্যাচ কাজের সাথে কাস্টম সত্তা সনাক্ত করে লক্ষ্য অ্যাকাউন্টে অনুলিপি করা মডেল পরীক্ষা করি। মডেল পরীক্ষা করতে, ডাউনলোড করুন পরীক্ষা ফাইল এবং এটি আপনার লক্ষ্য অ্যাকাউন্টে একটি S3 বালতিতে রাখুন। একটি আইএএম ভূমিকা তৈরি করুন Amazon বোঝার জন্য এবং পরীক্ষার ডেটা সহ S3 বালতিতে প্রয়োজনীয় অ্যাক্সেস সরবরাহ করুন। আপনি ভূমিকা ARN এবং S3 বাকেট পাথ ব্যবহার করেন যা আপনি আগে উল্লেখ করেছেন।
কাজটি সম্পূর্ণ হলে, আপনি নির্দিষ্ট আউটপুট S3 বালতিতে অনুমান ডেটা যাচাই করতে পারেন।
AWS CLI দিয়ে মডেলটি পরীক্ষা করুন
AWS CLI ব্যবহার করে মডেল পরীক্ষা করতে, নিম্নলিখিত কোড লিখুন:
কনসোলের মাধ্যমে মডেলটি পরীক্ষা করুন
কনসোলের মাধ্যমে মডেলটি পরীক্ষা করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- Amazon Comprehend কনসোলে, নির্বাচন করুন বিশ্লেষণ কাজ এবং নির্বাচন করুন চাকরি তৈরি করুন.
- জন্য নাম, কাজের জন্য একটি নাম লিখুন।
- জন্য বিশ্লেষণের ধরণপছন্দ করা কাস্টম সত্তা স্বীকৃতি.
- আমদানি করা মডেলের মডেল নাম এবং সংস্করণ চয়ন করুন।
- কাজের জন্য পরীক্ষার ফাইলের জন্য S3 পাথ এবং আউটপুট অবস্থান যেখানে Amazon Comprehend ফলাফল সংরক্ষণ করে তা প্রদান করুন।
- S3 বাকেটগুলি অ্যাক্সেস করার অনুমতি সহ একটি IAM ভূমিকা চয়ন করুন বা তৈরি করুন৷
- বেছে নিন চাকরি তৈরি করুন.
আপনার বিশ্লেষণের কাজ সম্পূর্ণ হলে, আপনার আউটপুট S3 বালতি পাথে আপনার JSON ফাইল থাকবে, যা আপনি আমদানি করা মডেল থেকে সত্তা স্বীকৃতির ফলাফল যাচাই করতে ডাউনলোড করতে পারেন।
উপসংহার
এই পোস্টে, আমরা Amazon Comprehend কাস্টম সত্তা মডেল কপি বৈশিষ্ট্য প্রদর্শন করেছি। এই বৈশিষ্ট্যটি আপনাকে একটি অ্যামাজন কম্প্রিহেন্ড কাস্টম সত্তা স্বীকৃতি বা শ্রেণীবিভাগ মডেলকে একটি অ্যাকাউন্টে প্রশিক্ষণ দেওয়ার ক্ষমতা দেয় এবং তারপরে একই অঞ্চলে অন্য অ্যাকাউন্টের সাথে মডেলটি ভাগ করে নেয়৷ এটি মাল্টি-অ্যাকাউন্ট কৌশলটিকে সরল করে যেখানে মডেলটিকে একবার প্রশিক্ষণ দেওয়া যেতে পারে এবং প্রশিক্ষণ ডেটাসেটগুলিকে পুনরায় প্রশিক্ষণ বা ভাগ না করেই একই অঞ্চলের অ্যাকাউন্টগুলির মধ্যে ভাগ করা যায়। এটি আপনার MLOps কর্মপ্রবাহের অংশ হিসাবে প্রতিটি অ্যাকাউন্টে একটি অনুমানযোগ্য স্থাপনার অনুমতি দেয়। আরও তথ্যের জন্য, আমাদের ডকুমেন্টেশন দেখুন কাস্টম অনুলিপি বোঝা, অথবা কনসোলের মাধ্যমে বা AWS CLI এর সাথে একটি ক্লাউড শেল ব্যবহার করে এই পোস্টে ওয়াকথ্রু চেষ্টা করুন।
এই লেখার সময়, অ্যামাজন কম্প্রেহেন্ডের মডেল কপি বৈশিষ্ট্যটি নিম্নলিখিত অঞ্চলগুলিতে উপলব্ধ:
- মার্কিন পূর্ব (ওহিও)
- মার্কিন পূর্ব (এন। ভার্জিনিয়া)
- ইউএস ওয়েস্ট (ওরেগন)
- এশিয়া প্যাসিফিক (মুম্বাই)
- এশিয়া প্যাসিফিক (সিউল)
- এশিয়া প্যাসিফিক (সিঙ্গাপুর)
- এশিয়া প্যাসিফিক (সিডনি)
- এশিয়া প্যাসিফিক (টোকিও)
- ইইউ (ফ্রাঙ্কফুর্ট)
- ইইউ (আয়ারল্যান্ড)
- ইইউ (লন্ডন)
- AWS GovCloud (মার্কিন-পশ্চিম)
বৈশিষ্ট্যটি একবার চেষ্টা করে দেখুন, এবং এর মাধ্যমে আমাদের প্রতিক্রিয়া পাঠান AWS ফোরাম Amazon Comprehend বা আপনার সাধারণ AWS সমর্থন পরিচিতির মাধ্যমে।
লেখক সম্পর্কে
প্রেমকুমার রঙ্গরাজন তিনি আমাজন ওয়েব সার্ভিসেস-এর একজন AI/ML বিশেষজ্ঞ সমাধানের স্থপতি এবং এর আগে AWS AI পরিষেবার সাথে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং বইটি লিখেছেন। ডেলিভারি লিড, ইন্টিগ্রেশন বিশেষজ্ঞ এবং এন্টারপ্রাইজ আর্কিটেক্ট সহ বিভিন্ন ভূমিকায় আইটি শিল্পে তার 26 বছরের অভিজ্ঞতা রয়েছে। তিনি সমস্ত আকারের উদ্যোগগুলিকে তাদের বাস্তব-বিশ্বের চ্যালেঞ্জগুলি সমাধান করতে AI এবং ML গ্রহণ করতে সহায়তা করেন।
চেতন কৃষ্ণ ভারতের একজন সিনিয়র পার্টনার সলিউশন আর্কিটেক্ট। তিনি কৌশলগত AWS অংশীদারদের সাথে একটি শক্তিশালী ক্লাউড দক্ষতা প্রতিষ্ঠা, AWS সর্বোত্তম অনুশীলন গ্রহণ এবং গ্রাহক চ্যালেঞ্জগুলি সমাধানের জন্য কাজ করেন। তিনি একজন নির্মাতা এবং AI/ML, IoT এবং বিশ্লেষণ নিয়ে পরীক্ষা-নিরীক্ষা উপভোগ করেন।
শ্রীহর্ষ এম.এস Amazon Web Services-এর কৌশলগত বিশেষজ্ঞ দলের একজন AI/ML বিশেষজ্ঞ সমাধান স্থপতি। তিনি কৌশলগত AWS গ্রাহকদের সাথে কাজ করেন যারা জটিল ব্যবসায়িক সমস্যা সমাধানের জন্য AI/ML এর সুবিধা নিচ্ছেন। তিনি স্কেল এ AI/ML অ্যাপ্লিকেশন বাস্তবায়নের জন্য প্রযুক্তিগত দিকনির্দেশনা এবং নকশা পরামর্শ প্রদান করেন। তার দক্ষতা অ্যাপ্লিকেশন আর্কিটেকচার, বিগডেটা, বিশ্লেষণ এবং মেশিন লার্নিং এর মধ্যে বিস্তৃত।
- 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/announcing-the-launch-of-the-model-copy-feature-for-amazon-comprehend-custom-models/
- "
- &
- 100
- 9
- সম্পর্কে
- প্রবেশ
- হিসাব
- কর্ম
- ক্রিয়াকলাপ
- উন্নয়নের
- সুবিধা
- পরামর্শ
- AI
- এআই পরিষেবা
- সব
- মর্দানী স্ত্রীলোক
- অ্যামাজন ওয়েব সার্ভিসেস
- বিশ্লেষণ
- বৈশ্লেষিক ন্যায়
- ঘোষণা করা
- উদ্গাতা
- অন্য
- API
- API গুলি
- প্রাসঙ্গিক
- আবেদন
- অ্যাপ্লিকেশন
- স্থাপত্য
- গাড়ী
- সহজলভ্য
- ডেস্কটপ AWS
- সুবিধা
- সর্বোত্তম
- সেরা অভ্যাস
- সীমান্ত
- নির্মাণ করা
- নির্মাতা
- ব্যবসায়
- চ্যালেঞ্জ
- পরীক্ষণ
- চেক
- শ্রেণীবিন্যাস
- মেঘ
- কোড
- মন্তব্য
- সাধারণ
- জটিল
- কনসোল
- বিষয়বস্তু
- গ্রাহকদের
- উপাত্ত
- দশক
- বিলি
- বিস্তৃতি
- নকশা
- বিভিন্ন
- ডিজিটাল
- কাগজপত্র
- সহজে
- প্রভাব
- প্রচুর
- উদ্যোগ
- অপরিহার্য
- উদাহরণ
- অভিজ্ঞতা
- ল্যাপারোস্কোপিক পদ্ধতি
- বৈশিষ্ট্য
- প্রতিক্রিয়া
- আর্থিক
- অর্থনৈতিক সেবা সমূহ
- প্রথম
- অনুসরণ
- কার্যকারিতা
- খুশি
- জমিদারি
- সাহায্য
- কিভাবে
- কিভাবে
- HTTPS দ্বারা
- সনাক্ত করা
- পরিচয়
- বাস্তবায়ন
- গুরুত্বপূর্ণ
- আমদানি
- সুদ্ধ
- ভারত
- শিল্প
- শিল্প
- তথ্য
- অর্ন্তদৃষ্টি
- ইন্টিগ্রেশন
- বুদ্ধিমত্তা
- স্বার্থ
- IOT
- আয়ারল্যাণ্ড
- বিচ্ছিন্নতা
- IT
- কাজ
- জবস
- চাবি
- ভাষা
- শুরু করা
- নেতৃত্ব
- শিক্ষা
- লাইন
- তালিকা
- অবস্থান
- লণ্ডন
- মেশিন
- মেশিন লার্নিং
- ব্যবস্থাপনা
- মিডিয়া
- খনন
- ML
- মডেল
- মডেল
- সেতু
- সবচেয়ে জনপ্রিয়
- মুম্বাই
- প্রাকৃতিক
- অর্ঘ
- ওহিও
- ক্রম
- অরেগন
- অন্যান্য
- শান্তিপ্রয়াসী
- হাসপাতাল
- অংশীদারদের
- কর্মক্ষমতা
- বাক্যাংশ
- নীতি
- জনপ্রিয়
- অধ্যক্ষ
- সমস্যা
- প্রক্রিয়া
- পণ্য
- প্রদান
- উপলব্ধ
- দ্রুত
- নিয়ন্ত্রক
- প্রয়োজনীয়
- আবশ্যকতা
- সংস্থান
- প্রতিক্রিয়া
- ফলাফল
- আয়
- পর্যালোচনা
- স্কেল
- বিজ্ঞানীরা
- SDK
- সিউল
- সেবা
- সেবা
- শেয়ার
- ভাগ
- শেয়ারগুলি
- খোল
- সহজ
- সিঙ্গাপুর
- So
- সলিউশন
- সমাধান
- শুরু
- বিবৃতি
- অবস্থা
- স্টোরেজ
- দোকান
- কৌশলগত
- কৌশল
- সমর্থন
- সিডনি
- লক্ষ্য
- টীম
- কারিগরী
- পরীক্ষা
- উৎস
- দ্বারা
- সময়
- আজ
- টোকিও
- প্রশিক্ষণ
- প্রবণতা
- অনন্য
- আপডেট
- us
- ব্যবহার
- ব্যবহারকারী
- বিক্রেতারা
- চেক
- ভার্জিনিয়া
- ওয়েব
- ওয়েব সার্ভিস
- পশ্চিম
- হু
- মধ্যে
- ছাড়া
- কাজ
- লেখা
- বছর