টাইম সিরিজের পূর্বাভাস বলতে টাইম সিরিজ ডেটার ভবিষ্যত মানের ভবিষ্যদ্বাণী করার প্রক্রিয়া বোঝায় (সময়ের সাথে নিয়মিত বিরতিতে সংগ্রহ করা ডেটা)। সময় সিরিজের পূর্বাভাসের জন্য সহজ পদ্ধতিগুলি একই ভেরিয়েবলের ঐতিহাসিক মান ব্যবহার করে যার ভবিষ্যত মানগুলির পূর্বাভাস দেওয়া প্রয়োজন, যেখানে আরও জটিল, মেশিন লার্নিং (এমএল)-ভিত্তিক পদ্ধতিগুলি অতিরিক্ত তথ্য ব্যবহার করে, যেমন সম্পর্কিত ভেরিয়েবলের সময় সিরিজ ডেটা।
আমাজন পূর্বাভাস একটি ML-ভিত্তিক টাইম সিরিজ পূর্বাভাস পরিষেবা যা অ্যালগরিদমগুলি অন্তর্ভুক্ত করে যা 20 বছরেরও বেশি পূর্বাভাস অভিজ্ঞতার উপর ভিত্তি করে Amazon.com, আমাজনে ব্যবহৃত একই প্রযুক্তি ডেভেলপারদের কাছে সম্পূর্ণরূপে পরিচালিত পরিষেবা হিসাবে নিয়ে আসা, সম্পদ পরিচালনার প্রয়োজনীয়তা দূর করে৷ পূর্বাভাস ML ব্যবহার করে শুধুমাত্র প্রতিটি আইটেমের জন্য সেরা অ্যালগরিদম শেখার জন্য নয়, প্রতিটি আইটেমের জন্য অ্যালগরিদমের সর্বোত্তম সংযোজন, স্বয়ংক্রিয়ভাবে আপনার ডেটার জন্য সেরা মডেল তৈরি করে।
এই পোস্টটি বর্ণনা করে যে কীভাবে পুনরাবৃত্ত পূর্বাভাস ওয়ার্কলোড (টাইম সিরিজ পূর্বাভাস ওয়ার্কলোড) কোন কোড ব্যবহার না করেই স্থাপন করা যায় এডাব্লুএস ক্লাউডফর্মেশন, এডাব্লুএস স্টেপ ফাংশন, এবং এডাব্লুএস সিস্টেম ম্যানেজার. এখানে উপস্থাপিত পদ্ধতিটি আপনাকে একটি পাইপলাইন তৈরি করতে সহায়তা করে যা আপনাকে একই ওয়ার্কফ্লো ব্যবহার করার অনুমতি দেয় আপনার সময় সিরিজের পূর্বাভাস পরীক্ষার প্রথম দিন থেকে মডেলটিকে উত্পাদনে স্থাপনের মাধ্যমে।
পূর্বাভাস ব্যবহার করে সময় সিরিজের পূর্বাভাস
পূর্বাভাসের জন্য কর্মপ্রবাহে নিম্নলিখিত সাধারণ ধারণাগুলি জড়িত:
- ডেটাসেট আমদানি করা হচ্ছে - পূর্বাভাসে, ক ডেটাসেট গ্রুপ ডেটাসেট, স্কিমা এবং পূর্বাভাস ফলাফলের একটি সংগ্রহ যা একসাথে যায়। প্রতিটি ডেটাসেট গ্রুপে তিনটি পর্যন্ত ডেটাসেট থাকতে পারে, প্রতিটির একটি ডেটা সেটটি প্রকার: টার্গেট টাইম সিরিজ (TTS), সম্পর্কিত সময় সিরিজ (RTS), এবং আইটেম মেটাডেটা। একটি ডেটাসেট হল ফাইলগুলির একটি সংগ্রহ যাতে ডেটা থাকে যা একটি পূর্বাভাস কাজের জন্য প্রাসঙ্গিক। একটি ডেটাসেট অবশ্যই পূর্বাভাসের মধ্যে সংজ্ঞায়িত স্কিমার সাথে সঙ্গতিপূর্ণ হবে। আরো বিস্তারিত জানার জন্য, পড়ুন ডেটাসেট আমদানি করা হচ্ছে.
- প্রশিক্ষণ ভবিষ্যদ্বাণী - একটি ভবিষ্যদ্বাণী একটি পূর্বাভাস-প্রশিক্ষিত মডেল যা টাইম সিরিজ ডেটার উপর ভিত্তি করে পূর্বাভাস তৈরি করতে ব্যবহৃত হয়। প্রশিক্ষণের সময়, পূর্বাভাস নির্ভুলতার মেট্রিক্স গণনা করে যা আপনি ভবিষ্যদ্বাণীর মূল্যায়ন করতে এবং পূর্বাভাস তৈরি করতে ভবিষ্যদ্বাণী ব্যবহার করবেন কিনা তা নির্ধারণ করতে ব্যবহার করেন। আরো তথ্যের জন্য, পড়ুন প্রশিক্ষণ ভবিষ্যদ্বাণী.
- পূর্বাভাস তৈরি করা হচ্ছে - তারপর আপনি ভবিষ্যতের সময় দিগন্তের জন্য পূর্বাভাস তৈরি করার জন্য প্রশিক্ষিত মডেল ব্যবহার করতে পারেন, যা হিসাবে পরিচিত পূর্বাভাস দিগন্ত. পূর্বাভাস বিভিন্ন নির্দিষ্ট পরিমাণে পূর্বাভাস প্রদান করে। উদাহরণস্বরূপ, 0.90 কোয়ান্টাইলে একটি পূর্বাভাস এমন একটি মান অনুমান করবে যা সময়ের 90% পর্যবেক্ষিত মান থেকে কম। ডিফল্টরূপে, পূর্বাভাস ভবিষ্যদ্বাণীকারী পূর্বাভাসের প্রকারের জন্য নিম্নলিখিত মানগুলি ব্যবহার করে: 0.1 (P10), 0.5 (P50), এবং 0.9 (P90)। বিভিন্ন কোয়ান্টাইলের পূর্বাভাসগুলি সাধারণত পূর্বাভাসের অনিশ্চয়তার জন্য একটি পূর্বাভাস ব্যবধান (পূর্বাভাসের জন্য একটি উচ্চ এবং নিম্ন সীমা) প্রদান করতে ব্যবহৃত হয়।
আপনি হয় থেকে পূর্বাভাসে এই কর্মপ্রবাহ বাস্তবায়ন করতে পারেন এডাব্লুএস ম্যানেজমেন্ট কনসোল, দ্য এডাব্লুএস কমান্ড লাইন ইন্টারফেস (AWS CLI), মাধ্যমে পাইথন নোটবুক ব্যবহার করে API কল, অথবা অটোমেশন সমাধানের মাধ্যমে। দ্য কনসোল এবং এডাব্লুএস সি এল আই আপনার ডেটা ব্যবহার করে সময় সিরিজের পূর্বাভাসের সম্ভাব্যতা যাচাই করার জন্য দ্রুত পরীক্ষার জন্য পদ্ধতিগুলি সবচেয়ে উপযুক্ত। পাইথন নোটবুক পদ্ধতিটি জুপিটার নোটবুক এবং কোডিংয়ের সাথে ইতিমধ্যে পরিচিত ডেটা বিজ্ঞানীদের জন্য দুর্দান্ত এবং সর্বাধিক নিয়ন্ত্রণ এবং টিউনিং সরবরাহ করে। তবে নোটবুক ভিত্তিক পদ্ধতি চালু করা কঠিন। আমাদের অটোমেশন পদ্ধতি দ্রুত পরীক্ষা-নিরীক্ষার সুবিধা দেয়, পুনরাবৃত্তিমূলক কাজগুলিকে দূর করে এবং বিভিন্ন পরিবেশের (উন্নয়ন, মঞ্চায়ন, উৎপাদন) মধ্যে সহজে পরিবর্তনের অনুমতি দেয়।
এই পোস্টে, আমরা পূর্বাভাস ব্যবহার করার জন্য একটি অটোমেশন পদ্ধতির বর্ণনা দিই যা আপনাকে আপনার নিজস্ব ডেটা ব্যবহার করতে দেয় এবং একটি একক কর্মপ্রবাহ প্রদান করে যা আপনি আপনার পূর্বাভাস সমাধানের বিকাশের পুরো জীবনচক্র জুড়ে নির্বিঘ্নে ব্যবহার করতে পারেন, প্রয়োগের মাধ্যমে পরীক্ষার প্রথম দিন থেকে আপনার উত্পাদন পরিবেশে সমাধান.
সমাধান ওভারভিউ
নিম্নলিখিত বিভাগগুলিতে, আমরা একটি সম্পূর্ণ এন্ড-টু-এন্ড ওয়ার্কফ্লো বর্ণনা করি যা পূর্বাভাস ব্যবহার করে সময় সিরিজের পূর্বাভাস মডেলগুলির স্বয়ংক্রিয় স্থাপনার জন্য অনুসরণ করার জন্য একটি টেমপ্লেট হিসাবে কাজ করে। এই ওয়ার্কফ্লো একটি ওপেন-সোর্স ইনপুট ডেটাসেট থেকে পূর্বাভাসিত ডেটা পয়েন্ট তৈরি করে; যাইহোক, আপনি আপনার নিজের ডেটার জন্য একই ওয়ার্কফ্লো ব্যবহার করতে পারেন, যতক্ষণ না আপনি এই পোস্টে বর্ণিত ধাপগুলি অনুযায়ী আপনার ডেটা ফর্ম্যাট করতে পারেন৷ আপনি ডেটা আপলোড করার পরে, আমরা আপনাকে পূর্বাভাস ডেটাসেট গোষ্ঠী তৈরি করতে, ডেটা আমদানি করতে, এমএল মডেলগুলিকে প্রশিক্ষণ দিতে এবং কাঁচা ডেটা থেকে ভবিষ্যতের অদেখা সময়ের দিগন্তে পূর্বাভাসিত ডেটা পয়েন্ট তৈরি করার পদক্ষেপগুলি নিয়ে চলে যাই। কোড লিখতে বা কম্পাইল না করেই এই সবই সম্ভব।
নিম্নলিখিত চিত্রটি পূর্বাভাস কর্মপ্রবাহকে চিত্রিত করে।
সমাধানটি দুটি ক্লাউডফর্মেশন টেমপ্লেট ব্যবহার করে স্থাপন করা হয়েছে: নির্ভরতা টেমপ্লেট এবং ওয়ার্কলোড টেমপ্লেট। ক্লাউডফরমেশন আপনাকে মোতায়েন করা সংস্থানগুলির বর্ণনা করে টেমপ্লেটগুলি ব্যবহার করে অনুমানযোগ্যভাবে এবং বারবার AWS পরিকাঠামো স্থাপন করতে সক্ষম করে৷ একটি স্থাপন করা টেমপ্লেট একটি হিসাবে উল্লেখ করা হয় গাদা. আমরা দুটি প্রদত্ত টেমপ্লেটে আপনার জন্য সমাধানের পরিকাঠামো সংজ্ঞায়িত করার যত্ন নিয়েছি। নির্ভরতা টেমপ্লেট ওয়ার্কলোড টেমপ্লেট দ্বারা ব্যবহৃত পূর্বশর্ত সংস্থানগুলিকে সংজ্ঞায়িত করে, যেমন একটি আমাজন সিম্পল স্টোরেজ সার্ভিস (Amazon S3) অবজেক্ট স্টোরেজের জন্য বালতি এবং এডাব্লুএস আইডেন্টিটি এবং অ্যাক্সেস ম্যানেজমেন্ট AWS API অ্যাকশনের জন্য (IAM) অনুমতি। নির্ভরতা টেমপ্লেটে সংজ্ঞায়িত সংস্থানগুলি একাধিক ওয়ার্কলোড টেমপ্লেট দ্বারা ভাগ করা হতে পারে। ওয়ার্কলোড টেমপ্লেট ডেটা ইনজেস্ট করতে, ভবিষ্যদ্বাণীকারীকে প্রশিক্ষণ দিতে এবং একটি পূর্বাভাস তৈরি করতে ব্যবহৃত সংস্থানগুলিকে সংজ্ঞায়িত করে৷
নির্ভরতা ক্লাউডফর্মেশন টেমপ্লেট স্থাপন করুন
প্রথমে, আমাদের পূর্বশর্ত সংস্থান তৈরি করতে নির্ভরতা টেমপ্লেট স্থাপন করা যাক। নির্ভরতা টেমপ্লেট একটি ঐচ্ছিক S3 বালতি স্থাপন করে, এডাব্লুএস ল্যাম্বদা ফাংশন, এবং IAM ভূমিকা। Amazon S3 হল একটি কম খরচে, অত্যন্ত উপলব্ধ, স্থিতিস্থাপক, অবজেক্ট স্টোরেজ পরিষেবা৷ আমরা এই সমাধানে একটি S3 বালতি ব্যবহার করি সোর্স ডেটা সঞ্চয় করতে এবং ওয়ার্কফ্লো ট্রিগার করতে, যার ফলে একটি পূর্বাভাস হয়। Lambda হল একটি সার্ভারবিহীন, ইভেন্ট-চালিত কম্পিউট পরিষেবা যা আপনাকে সার্ভারের ব্যবস্থা বা পরিচালনা ছাড়াই কোড চালাতে দেয়। নির্ভরতা টেমপ্লেটে ফাংশনগুলি অন্তর্ভুক্ত করে যেমন পূর্বাভাসে একটি ডেটাসেট গোষ্ঠী তৈরি করা এবং বালতিটি মুছে ফেলার আগে একটি S3 বাকেটের মধ্যে বস্তুগুলি পরিষ্কার করা। IAM ভূমিকাগুলি ব্যবহারকারী এবং পরিষেবাগুলির জন্য AWS-এর মধ্যে অনুমতিগুলিকে সংজ্ঞায়িত করে৷ নির্ভরতা টেমপ্লেট Lambda দ্বারা ব্যবহার করার জন্য একটি ভূমিকা স্থাপন করে এবং অন্যটি স্টেপ ফাংশনগুলির জন্য, একটি ওয়ার্কফ্লো ম্যানেজমেন্ট পরিষেবা যা ডেটা ইনজেশন এবং প্রক্রিয়াকরণের কাজগুলিকে সমন্বয় করবে, সেইসাথে পূর্বাভাস ব্যবহার করে ভবিষ্যদ্বাণীকারী প্রশিক্ষণ এবং অনুমান।
নির্ভরতা টেমপ্লেট স্থাপন করতে নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- কনসোলে, পছন্দসই নির্বাচন করুন পূর্বাভাস দ্বারা সমর্থিত অঞ্চল সমাধান স্থাপনার জন্য।
- এডাব্লুএস ক্লাউডফর্মেশন কনসোলে, নির্বাচন করুন স্ট্যাক নেভিগেশন ফলকে।
- বেছে নিন স্ট্যাক তৈরি করুন এবং নির্বাচন করুন নতুন সংস্থান সহ (মান).
- জন্য টেমপ্লেট উৎস, নির্বাচন করুন Amazon S3 URL.
- টেমপ্লেট URL লিখুন:
https://amazon-forecast-samples.s3.us-west-2.amazonaws.com/ml_ops/forecast-mlops-dependency.yaml
. - বেছে নিন পরবর্তী.
- জন্য স্ট্যাকের নামপ্রবেশ করান
forecast-mlops-dependency
. - অধীনে পরামিতি, একটি বিদ্যমান S3 বালতি ব্যবহার করতে বা একটি নতুন তৈরি করতে বেছে নিন, তারপর বালতির নাম দিন৷
- বেছে নিন পরবর্তী.
- বেছে নিন পরবর্তী ডিফল্ট স্ট্যাক বিকল্পগুলি গ্রহণ করতে।
- স্ট্যাক আইএএম সংস্থান তৈরি করে তা স্বীকার করতে চেক বক্সটি নির্বাচন করুন, তারপর নির্বাচন করুন৷ স্ট্যাক তৈরি করুন টেমপ্লেট স্থাপন করতে।
আপনি টেমপ্লেট হিসাবে স্থাপন দেখতে হবে forecast-mlops-dependency
স্ট্যাক যখন অবস্থা পরিবর্তিত হয় CREATE_COMPLETE
, আপনি পরবর্তী ধাপে যেতে পারেন।
কাজের চাপ ক্লাউডফর্মেশন টেমপ্লেট স্থাপন করুন
এর পরে, আমাদের পূর্বশর্ত সংস্থান তৈরি করতে কাজের চাপ টেমপ্লেট স্থাপন করা যাক। ওয়ার্কলোড টেমপ্লেট ওয়ার্কফ্লো পরিচালনার জন্য স্টেপ ফাংশন স্টেট মেশিন স্থাপন করে, AWS সিস্টেম ম্যানেজার প্যারামিটার স্টোর এডব্লিউএস ক্লাউডফরমেশন থেকে পরামিতি মান সঞ্চয় করার পরামিতি এবং কর্মপ্রবাহকে জানাতে, একটি অ্যামাজন সাধারণ বিজ্ঞপ্তি পরিষেবা (Amazon SNS) ওয়ার্কফ্লো বিজ্ঞপ্তিগুলির জন্য বিষয়, এবং ওয়ার্কফ্লো পরিষেবা অনুমতিগুলির জন্য একটি IAM ভূমিকা৷
সমাধানটি পাঁচটি রাষ্ট্রীয় মেশিন তৈরি করে:
- DatasetGroupStateMachine তৈরি করুন - ডেটা আমদানি করার জন্য একটি পূর্বাভাস ডেটাসেট গ্রুপ তৈরি করে।
- ImportDatasetStateMachine তৈরি করুন - প্রশিক্ষণের জন্য একটি ডেটাসেট গ্রুপে Amazon S3 থেকে উৎস ডেটা আমদানি করে।
- ForecastStateMachine তৈরি করুন - একটি ভবিষ্যদ্বাণীকারীকে প্রশিক্ষণ দিতে এবং একটি পূর্বাভাস তৈরি করতে প্রয়োজনীয় কাজগুলি পরিচালনা করে।
- অ্যাথেনা সংযোগকারী স্টেট মেশিন - আপনাকে দিয়ে এসকিউএল কোয়েরি লিখতে সক্ষম করে অ্যামাজন অ্যাথেনা Amazon S3 এ ল্যান্ড ডেটার সংযোগকারী। অ্যামাজন S3-তে ফাইলগুলি ম্যানুয়ালি রাখার পরিবর্তে অ্যাথেনা ব্যবহার করে পূর্বাভাসের জন্য প্রয়োজনীয় বিন্যাসে ঐতিহাসিক ডেটা প্রাপ্ত করার জন্য এটি একটি ঐচ্ছিক প্রক্রিয়া।
- স্টেপ ফাংশন ওয়ার্কফ্লোস্টেট মেশিন - কোঅর্ডিনেট অন্য চারটি রাষ্ট্রীয় মেশিনে কল করে এবং সামগ্রিক কর্মপ্রবাহ পরিচালনা করে।
প্যারামিটার স্টোর, সিস্টেম ম্যানেজারের একটি ক্ষমতা, সুরক্ষিত, শ্রেণিবদ্ধ স্টোরেজ এবং কনফিগারেশন ডেটা ম্যানেজমেন্ট এবং সিক্রেট ম্যানেজমেন্টের প্রোগ্রাম্যাটিক পুনরুদ্ধার প্রদান করে। প্যারামিটার স্টোরটি ওয়ার্কলোড স্ট্যাকে সেট করা প্যারামিটারের পাশাপাশি ওয়ার্কফ্লো দ্বারা ব্যবহৃত অন্যান্য পরামিতিগুলি সংরক্ষণ করতে ব্যবহৃত হয়।
কাজের চাপ টেমপ্লেট স্থাপন করতে নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- এডাব্লুএস ক্লাউডফর্মেশন কনসোলে, নির্বাচন করুন স্ট্যাক নেভিগেশন ফলকে।
- বেছে নিন স্ট্যাক তৈরি করুন এবং নির্বাচন করুন নতুন সংস্থান সহ (মান).
- জন্য টেমপ্লেট উৎস, নির্বাচন করুন Amazon S3 URL.
- টেমপ্লেট URL লিখুন:
https://amazon-forecast-samples.s3.us-west-2.amazonaws.com/ml_ops/forecast-mlops-solution-guidance.yaml
. - বেছে নিন পরবর্তী.
- জন্য স্ট্যাকের নাম, একটি নাম লিখুন।
- ডিফল্ট মান গ্রহণ করুন বা পরামিতি সংশোধন করুন।
এর জন্য নির্ভরতা স্ট্যাক থেকে S3 বাকেটের নাম লিখতে ভুলবেন না S3 বালতি এবং এর জন্য একটি বৈধ ইমেল ঠিকানা এসএনএসএন্ডপয়েন্ট এমনকি যদি আপনি ডিফল্ট প্যারামিটার মান গ্রহণ করেন।
নিম্নলিখিত সারণী প্রতিটি পরামিতি বর্ণনা করে।
স্থিতিমাপ | বিবরণ | আরো তথ্য |
DatasetGroupFrequencyRTS |
RTS ডেটাসেটের জন্য ডেটা সংগ্রহের ফ্রিকোয়েন্সি। | . |
DatasetGroupFrequencyTTS |
TTS ডেটাসেটের জন্য ডেটা সংগ্রহের ফ্রিকোয়েন্সি। | . |
DatasetGroupName |
ডেটাসেট গ্রুপের একটি সংক্ষিপ্ত নাম, একটি স্বয়ংসম্পূর্ণ কাজের চাপ। | ডেটাসেট গ্রুপ তৈরি করুন |
DatasetIncludeItem |
আপনি এই ব্যবহারের ক্ষেত্রে আইটেম মেটাডেটা প্রদান করতে চান কিনা তা নির্দিষ্ট করুন। | . |
DatasetIncludeRTS |
আপনি এই ব্যবহারের ক্ষেত্রে একটি সম্পর্কিত সময় সিরিজ প্রদান করতে চান কিনা তা নির্দিষ্ট করুন৷ | . |
ForecastForecastTypes |
যখন একটি CreateForecast কাজ চলে, তখন এটি ঘোষণা করে যে কোন কোয়ান্টাইলের জন্য ভবিষ্যদ্বাণী তৈরি করতে হবে। আপনি এই অ্যারেতে পাঁচটি পর্যন্ত মান বেছে নিতে পারেন। প্রয়োজন অনুযায়ী মান অন্তর্ভুক্ত করতে এই মানটি সম্পাদনা করুন। | পূর্বাভাস তৈরি করুন |
PredictorAttributeConfigs |
TTS-এ লক্ষ্য পরিবর্তনশীল এবং RTS ডেটাসেটের প্রতিটি সংখ্যাসূচক ক্ষেত্রের জন্য, প্রতিটি আইটেমের জন্য প্রতিটি সময়ের ব্যবধানের জন্য একটি রেকর্ড তৈরি করতে হবে। এই কনফিগারেশনটি অনুপস্থিত রেকর্ডগুলি কীভাবে পূরণ করা হয় তা নির্ধারণ করতে সহায়তা করে: 0, NaN বা অন্যথায়। আমরা TTS-এ শূন্যস্থানগুলি 0-এর পরিবর্তে NaN দিয়ে ফাইল করার পরামর্শ দিই। 0 দিয়ে, মডেলটি ভুলভাবে 0-এর প্রতি পক্ষপাতিত্বের পূর্বাভাস শিখতে পারে। NaN হল নির্দেশিকা কীভাবে দেওয়া হয়। এই বিষয়ে যেকোনো প্রশ্ন থাকলে আপনার AWS সলিউশন আর্কিটেক্টের সাথে পরামর্শ করুন। | অটোপ্রেডিক্টর তৈরি করুন |
PredictorExplainPredictor |
বৈধ মান TRUE বা FALSE। আপনার ভবিষ্যদ্বাণীকারীর জন্য ব্যাখ্যাযোগ্যতা সক্ষম কিনা তা নির্ধারণ করে। এটি আপনাকে RTS এবং আইটেম মেটাডেটার মানগুলি মডেলটিকে কীভাবে প্রভাবিত করে তা বুঝতে সাহায্য করতে পারে। | ব্যাখ্যাযোগ্যতা |
PredictorForecastDimensions |
আপনি আইটেম থেকে একটি সূক্ষ্ম শস্য এ পূর্বাভাস চাইতে পারেন. এখানে, আপনি অবস্থান, খরচ কেন্দ্র, বা আপনার প্রয়োজন যাই হোক না কেন হিসাবে মাত্রা নির্দিষ্ট করতে পারেন। এটি আপনার RTS এবং TTS-এর মাত্রার সাথে একমত হওয়া প্রয়োজন। মনে রাখবেন যে যদি আপনার কোন মাত্রা না থাকে, সঠিক প্যারামিটারটি শূন্য, নিজেই এবং সমস্ত ছোট হাতের অক্ষরে। null হল একটি সংরক্ষিত শব্দ যা সিস্টেমকে জানাতে দেয় যে মাত্রার জন্য কোন প্যারামিটার নেই। | অটোপ্রেডিক্টর তৈরি করুন |
PredictorForecastFrequency |
আপনার মডেল এবং ভবিষ্যদ্বাণীগুলি যেমন দৈনিক, সাপ্তাহিক বা মাসিক তৈরি করা হবে সেই সময় স্কেলকে সংজ্ঞায়িত করে৷ ড্রপ-ডাউন মেনু আপনাকে অনুমোদিত মান চয়ন করতে সহায়তা করে। আপনি যদি RTS ব্যবহার করেন তবে এটি আপনার RTS টাইম স্কেলের সাথে একমত হওয়া প্রয়োজন। | অটোপ্রেডিক্টর তৈরি করুন |
PredictorForecastHorizon |
মডেল ভবিষ্যদ্বাণী করে সময়ের ধাপের সংখ্যা। পূর্বাভাস দিগন্ত এছাড়াও বলা হয় ভবিষ্যদ্বাণী দৈর্ঘ্য. | অটোপ্রেডিক্টর তৈরি করুন |
PredictorForecastOptimizationMetric |
ভবিষ্যদ্বাণী অপ্টিমাইজ করতে ব্যবহৃত নির্ভুলতা মেট্রিক সংজ্ঞায়িত করে। ড্রপ-ডাউন মেনু আপনাকে অতিরিক্ত বা কম-পূর্বাভাসের জন্য ওজনযুক্ত কোয়ান্টাইল ক্ষতির ব্যালেন্স নির্বাচন করতে সাহায্য করবে। RMSE ইউনিটগুলির সাথে সম্পর্কিত, এবং WAPE/MAPE শতাংশ ত্রুটির সাথে উদ্বিগ্ন৷ | অটোপ্রেডিক্টর তৈরি করুন |
PredictorForecastTypes |
যখন একটি CreateAutoPredictor কাজ চলে, এটি ঘোষণা করে যে কোন কোয়ান্টাইলগুলি ভবিষ্যদ্বাণী পয়েন্ট প্রশিক্ষণের জন্য ব্যবহৃত হয়। আপনি এই অ্যারেতে পাঁচটি পর্যন্ত মান বেছে নিতে পারেন, যা আপনাকে অতিরিক্ত এবং কম-পূর্বাভাসের ভারসাম্য বজায় রাখতে দেয়। প্রয়োজন অনুযায়ী মান অন্তর্ভুক্ত করতে এই মানটি সম্পাদনা করুন। |
অটোপ্রেডিক্টর তৈরি করুন |
S3Bucket |
S3 বাকেটের নাম যেখানে এই কাজের চাপের জন্য ইনপুট ডেটা এবং আউটপুট ডেটা লেখা হয়। | . |
SNSEndpoint |
ভবিষ্যদ্বাণীকারী এবং পূর্বাভাসের কাজগুলি সম্পূর্ণ হলে বিজ্ঞপ্তিগুলি পাওয়ার জন্য একটি বৈধ ইমেল ঠিকানা৷ | . |
SchemaITEM |
এটি আপনার আইটেম মেটাডেটা ডেটাসেটের জন্য শারীরিক ক্রম, কলামের নাম এবং ডেটা প্রকারগুলি সংজ্ঞায়িত করে৷ এটি সমাধান উদাহরণে দেওয়া একটি ঐচ্ছিক ফাইল। | ডেটাসেট তৈরি করুন |
SchemaRTS |
এটি আপনার RTS ডেটাসেটের জন্য শারীরিক ক্রম, কলামের নাম এবং ডেটা প্রকারগুলিকে সংজ্ঞায়িত করে৷ মাত্রা আপনার TTS এর সাথে একমত হতে হবে। এই ফাইলের সময়-শস্য সেই সময়-শস্য নিয়ন্ত্রণ করে যেখানে ভবিষ্যদ্বাণী করা যেতে পারে। এটি সমাধান উদাহরণে দেওয়া একটি ঐচ্ছিক ফাইল। | ডেটাসেট তৈরি করুন |
SchemaTTS |
এটি আপনার TTS ডেটাসেটের জন্য শারীরিক ক্রম, কলামের নাম এবং ডেটা প্রকারগুলিকে সংজ্ঞায়িত করে, একমাত্র প্রয়োজনীয় ডেটাসেট৷ ফাইলটিতে ন্যূনতম একটি লক্ষ্য মান, টাইমস্ট্যাম্প এবং আইটেম থাকতে হবে। | ডেটাসেট তৈরি করুন |
TimestampFormatRTS |
RTS ফাইলে প্রদত্ত টাইমস্ট্যাম্প বিন্যাস সংজ্ঞায়িত করে। | DatasetImportJob তৈরি করুন |
TimestampFormatTTS |
TTS ফাইলে প্রদত্ত টাইমস্ট্যাম্প বিন্যাস সংজ্ঞায়িত করে। | DatasetImportJob তৈরি করুন |
- বেছে নিন পরবর্তী ডিফল্ট স্ট্যাক বিকল্পগুলি গ্রহণ করতে।
- স্ট্যাক আইএএম সংস্থান তৈরি করে তা স্বীকার করতে চেক বক্সটি নির্বাচন করুন, তারপর নির্বাচন করুন৷ স্ট্যাক তৈরি করুন টেমপ্লেট স্থাপন করতে।
আপনি আগে বেছে নেওয়া স্ট্যাকের নাম হিসাবে টেমপ্লেট স্থাপন দেখতে পাবেন। যখন অবস্থা পরিবর্তিত হয় CREATE_COMPLETE
, আপনি ডেটা আপলোড ধাপে যেতে পারেন।
ডেটা আপলোড করুন
পূর্ববর্তী বিভাগে, আপনি একটি স্ট্যাকের নাম এবং একটি S3 বালতি প্রদান করেছেন। এই বিভাগটি বর্ণনা করে যে কীভাবে সর্বজনীনভাবে উপলব্ধ ডেটাসেট জমা দিতে হয় খাবারের চাহিদা এই বালতিতে আপনি যদি নিজের ডেটাসেট ব্যবহার করেন, তাহলে পড়ুন ডেটাসেট একটি বিন্যাসে আপনার ডেটাসেট প্রস্তুত করার জন্য স্থাপনার আশা করা হচ্ছে। ডেটাসেটে কমপক্ষে টার্গেট টাইম সিরিজ এবং ঐচ্ছিকভাবে সম্পর্কিত সময় সিরিজ এবং আইটেম মেটাডেটা থাকতে হবে:
- টিটিএস হল টাইম সিরিজের ডেটা যাতে আপনি যে ক্ষেত্রটির জন্য একটি পূর্বাভাস তৈরি করতে চান তা অন্তর্ভুক্ত করে; এই ক্ষেত্র বলা হয় লক্ষ্য ক্ষেত্র
- RTS হল টাইম সিরিজ ডেটা যা লক্ষ্য ক্ষেত্র অন্তর্ভুক্ত করে না, কিন্তু একটি সম্পর্কিত ক্ষেত্র অন্তর্ভুক্ত করে
- আইটেম ডেটা ফাইলটি টাইম সিরিজ ডেটা নয়, তবে এটি টিটিএস বা আরটিএস ডেটাসেটের আইটেমগুলির সম্পর্কে মেটাডেটা তথ্য অন্তর্ভুক্ত করে
নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- আপনি প্রদত্ত নমুনা ডেটাসেট ব্যবহার করলে, ডেটাসেটটি ডাউনলোড করুন খাবারের চাহিদা আপনার কম্পিউটারে এবং ফাইলটি আনজিপ করুন, যা তিনটি ডিরেক্টরির মধ্যে তিনটি ফাইল তৈরি করে (
rts
,tts
,item
). - Amazon S3 কনসোলে, আপনি আগে তৈরি করা বালতিতে নেভিগেট করুন।
- বেছে নিন ফোল্ডার তৈরি করুন.
- ফোল্ডার নামের জন্য আপনার ওয়ার্কলোড স্ট্যাকের নামের মতো একই স্ট্রিং ব্যবহার করুন।
- বেছে নিন আপলোড.
- তিনটি ডেটাসেট ফোল্ডার নির্বাচন করুন, তারপর নির্বাচন করুন আপলোড.
আপলোড সম্পূর্ণ হলে, আপনি নিম্নলিখিত স্ক্রিনশট মত কিছু দেখতে হবে. এই উদাহরণের জন্য, আমাদের ফোল্ডার হল aiml42
.
একটি পূর্বাভাস ডেটাসেট গ্রুপ তৈরি করুন
প্রতিটি কাজের চাপের জন্য এককালীন ইভেন্ট হিসাবে একটি ডেটাসেট গ্রুপ তৈরি করতে এই বিভাগে পদক্ষেপগুলি সম্পূর্ণ করুন৷ সামনের দিকে, আপনার সময়সূচী অনুসারে আমদানি ডেটা চালানোর পরিকল্পনা করা উচিত, ভবিষ্যদ্বাণী তৈরি করা, এবং পূর্বাভাসের পদক্ষেপগুলি যথাযথভাবে তৈরি করা উচিত, একটি সিরিজ হিসাবে, যা দৈনিক, সাপ্তাহিক বা অন্যথায় হতে পারে।
- স্টেপ ফাংশন কনসোলে, স্টেট মেশিনটি রয়েছে তা সনাক্ত করুন
Create-Dataset-Group
. - রাষ্ট্রীয় মেশিনের বিস্তারিত পৃষ্ঠায়, নির্বাচন করুন মৃত্যুদন্ড শুরু করুন.
- বেছে নিন মৃত্যুদন্ড শুরু করুন আবার নিশ্চিত করতে
রাষ্ট্রীয় মেশিনটি চলতে প্রায় 1 মিনিট সময় নেয়। এটি সম্পূর্ণ হলে, মান অধীনে মৃত্যুদন্ডের স্থিতি থেকে পরিবর্তন করা উচিত চলমান থেকে অনুসৃত
পূর্বাভাসে ডেটা আমদানি করুন
আপনার ডেটাসেট গ্রুপে আপনার S3 বালতিতে আপলোড করা ডেটা সেট আমদানি করতে এই বিভাগের ধাপগুলি অনুসরণ করুন:
- স্টেপ ফাংশন কনসোলে, স্টেট মেশিনটি রয়েছে তা সনাক্ত করুন
Import-Dataset
. - রাষ্ট্রীয় মেশিনের বিস্তারিত পৃষ্ঠায়, নির্বাচন করুন এক্সিকিউশন শুরু করুন.
- বেছে নিন মৃত্যুদন্ড শুরু করুন আবার নিশ্চিত করতে
স্টেট মেশিনটি চালানোর জন্য কতটা সময় নেয় তা নির্ভর করে প্রসেস করা ডেটাসেটের উপর।
- এটি চলাকালীন, আপনার ব্রাউজারে, অন্য একটি ট্যাব খুলুন এবং পূর্বাভাস কনসোলে নেভিগেট করুন৷
- পূর্বাভাস কনসোলে, নির্বাচন করুন ডেটাসেট গ্রুপ দেখুন এবং এর জন্য নির্দিষ্ট করা নামের সাথে ডেটাসেট গ্রুপে নেভিগেট করুন
DataGroupName
আপনার কাজের চাপ স্ট্যাক থেকে। - বেছে নিন ডেটাসেট দেখুন.
আপনি প্রগতিতে তথ্য আমদানি দেখতে হবে.
যখন রাষ্ট্রের জন্য মেশিন Import-Dataset
সম্পূর্ণ হয়েছে, আপনি আপনার টাইম সিরিজ ডেটা মডেল তৈরি করতে পরবর্তী ধাপে যেতে পারেন।
অটো প্রেডিকটর তৈরি করুন (একটি টাইম সিরিজ মডেল প্রশিক্ষণ দিন)
এই বিভাগে পূর্বাভাস সহ একটি প্রাথমিক ভবিষ্যদ্বাণীকারীকে কীভাবে প্রশিক্ষণ দেওয়া যায় তা বর্ণনা করা হয়েছে। আপনি একটি নতুন ভবিষ্যদ্বাণী তৈরি করতে বেছে নিতে পারেন (আপনার প্রথম, বেসলাইন ভবিষ্যদ্বাণীকারী) বা প্রতিটি উত্পাদন চক্রের সময় একটি ভবিষ্যদ্বাণীকারীকে পুনরায় প্রশিক্ষণ দিতে পারেন, যা দৈনিক, সাপ্তাহিক বা অন্যথায় হতে পারে। আপনি প্রতিটি চক্রের একটি ভবিষ্যদ্বাণী তৈরি না করার জন্যও নির্বাচন করতে পারেন এবং কখন একটি তৈরি করতে হবে আপনাকে গাইড করার জন্য ভবিষ্যদ্বাণীকারী পর্যবেক্ষণের উপর নির্ভর করতে পারেন। নিম্নলিখিত চিত্রটি একটি উত্পাদন-প্রস্তুত পূর্বাভাস ভবিষ্যদ্বাণী তৈরির প্রক্রিয়াটিকে কল্পনা করে।
একটি নতুন ভবিষ্যদ্বাণী তৈরি করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- স্টেপ ফাংশন কনসোলে, স্টেট মেশিনটি রয়েছে তা সনাক্ত করুন
Create-Predictor
. - রাষ্ট্রীয় মেশিনের বিস্তারিত পৃষ্ঠায়, নির্বাচন করুন এক্সিকিউশন শুরু করুন.
- বেছে নিন মৃত্যুদন্ড শুরু করুন আবার নিশ্চিত করতে
রানটাইম পরিমাণ ডেটাসেট প্রক্রিয়া করা হচ্ছে উপর নির্ভর করতে পারে. এটি সম্পূর্ণ হতে এক ঘন্টা বা তার বেশি সময় লাগতে পারে। - এটি চলাকালীন, আপনার ব্রাউজারে, অন্য একটি ট্যাব খুলুন এবং পূর্বাভাস কনসোলে নেভিগেট করুন৷
- পূর্বাভাস কনসোলে, নির্বাচন করুন ডেটাসেট গ্রুপ দেখুন এবং এর জন্য নির্দিষ্ট করা নামের সাথে ডেটাসেট গ্রুপে নেভিগেট করুন
DataGroupName
আপনার কাজের চাপ স্ট্যাক থেকে। - বেছে নিন ভবিষ্যদ্বাণী দেখুন.
আপনি অগ্রগতিতে ভবিষ্যদ্বাণীমূলক প্রশিক্ষণ দেখতে হবে (প্রশিক্ষণের অবস্থা দেখায় "প্রগতিতে তৈরি করুন...")।
যখন রাষ্ট্রের জন্য মেশিন Create-Predictor
সম্পূর্ণ, আপনি তার কর্মক্ষমতা মূল্যায়ন করতে পারেন.
রাষ্ট্রযন্ত্রের অংশ হিসাবে, সিস্টেম একটি ভবিষ্যদ্বাণী তৈরি করে এবং একটি চালায় BacktestExport
কাজ যা Amazon S3-এ সময় সিরিজ-স্তরের ভবিষ্যদ্বাণীকারী মেট্রিক্স লিখে দেয়। এই ফাইল দুটি S3 ফোল্ডারের অধীনে অবস্থিত backtest-export
ফোল্ডার:
- নির্ভুলতা-মেট্রিক্স-মান - আইটেম-স্তরের নির্ভুলতা মেট্রিক গণনা প্রদান করে যাতে আপনি একটি একক সময়ের সিরিজের কর্মক্ষমতা বুঝতে পারেন। এটি আপনাকে একা গ্লোবাল মেট্রিক্সের উপর ফোকাস করার পরিবর্তে স্প্রেড তদন্ত করতে দেয়।
- পূর্বাভাসিত মান - ব্যাকটেস্ট উইন্ডোতে প্রতিটি সময় সিরিজের জন্য ধাপ-স্তরের পূর্বাভাস প্রদান করে। এটি আপনাকে একটি হোল্ডআউট পরীক্ষা সেট থেকে পূর্বাভাসিত কোয়ান্টাইল মানগুলির সাথে প্রকৃত লক্ষ্য মান তুলনা করতে সক্ষম করে। এটি পর্যালোচনা করা RTS বা আইটেম মেটাডেটাতে কীভাবে অতিরিক্ত ডেটা বৈশিষ্ট্যগুলি প্রদান করা যায় সে সম্পর্কে ধারণা তৈরি করতে সহায়তা করে যাতে ভবিষ্যতের মানগুলি আরও ভালভাবে অনুমান করা যায়, আরও ক্ষতি হ্রাস করা যায়। আপনি ডাউনলোড করতে পারেন
backtest-export
Amazon S3 থেকে ফাইল অথবা Athena-এর সাথে তাদের অনুসন্ধান করুন।
আপনার নিজের ডেটা দিয়ে, আপনাকে ভবিষ্যদ্বাণীর ফলাফলগুলি ঘনিষ্ঠভাবে পরিদর্শন করতে হবে এবং ব্যাকটেস্ট এক্সপোর্ট ডেটা ব্যবহার করে মেট্রিকগুলি আপনার প্রত্যাশিত ফলাফলগুলি পূরণ করছে তা নিশ্চিত করতে হবে। সন্তুষ্ট হলে, আপনি পরবর্তী বিভাগে বর্ণিত ভবিষ্যত-তারিখের পূর্বাভাস তৈরি করা শুরু করতে পারেন।
একটি পূর্বাভাস তৈরি করুন (ভবিষ্যত সময়ের দিগন্ত সম্পর্কে অনুমান)
এই বিভাগটি বর্ণনা করে কিভাবে পূর্বাভাসের সাথে পূর্বাভাসের ডেটা পয়েন্ট তৈরি করতে হয়। সামনের দিকে, আপনার উত্স সিস্টেম থেকে নতুন ডেটা সংগ্রহ করা উচিত, পূর্বাভাসে ডেটা আমদানি করা উচিত এবং তারপরে পূর্বাভাস ডেটা পয়েন্ট তৈরি করা উচিত। ঐচ্ছিকভাবে, আপনি আমদানির পরে এবং পূর্বাভাসের আগে একটি নতুন ভবিষ্যদ্বাণী তৈরি করতে পারেন। নিম্নলিখিত চিত্রটি পূর্বাভাস ব্যবহার করে উত্পাদন সময় সিরিজের পূর্বাভাস তৈরি করার প্রক্রিয়াটি কল্পনা করে।
নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- স্টেপ ফাংশন কনসোলে, স্টেট মেশিনটি রয়েছে তা সনাক্ত করুন
Create-Forecast
. - রাষ্ট্রীয় মেশিনের বিস্তারিত পৃষ্ঠায়, নির্বাচন করুন এক্সিকিউশন শুরু করুন.
- বেছে নিন মৃত্যুদন্ড শুরু করুন আবার নিশ্চিত করতে
এই স্টেট মেশিনটি খুব দ্রুত শেষ করে কারণ সিস্টেমটি একটি পূর্বাভাস জেনারেট করার জন্য কনফিগার করা হয়নি। আপনি অনুমানের জন্য কোন ভবিষ্যদ্বাণীকারী মডেল অনুমোদন করেছেন তা জানেন না।
আপনার প্রশিক্ষিত ভবিষ্যদ্বাণী ব্যবহার করার জন্য সিস্টেমটি কনফিগার করা যাক। - পূর্বাভাস কনসোলে, আপনার ভবিষ্যদ্বাণীর জন্য ARN সনাক্ত করুন।
- পরবর্তী ধাপে ব্যবহার করতে ARN কপি করুন।
- আপনার ব্রাউজারে, অন্য একটি ট্যাব খুলুন এবং সিস্টেম ম্যানেজার কনসোলে নেভিগেট করুন।
- সিস্টেম ম্যানেজার কনসোলে, নির্বাচন করুন প্যারামিটার স্টোর নেভিগেশন ফলকে।
- আপনার স্ট্যাকের সাথে সম্পর্কিত পরামিতি সনাক্ত করুন (
/forecast/<StackName>/Forecast/PredictorArn
). - আপনার ভবিষ্যদ্বাণীকারীর জন্য কপি করা ARN লিখুন।
এইভাবে আপনি একটি প্রশিক্ষিত ভবিষ্যদ্বাণীকারীকে পূর্বাভাসের অনুমান ফাংশনের সাথে যুক্ত করেন। - পরামিতি সনাক্ত করুন
/forecast/<StackName>/Forecast/Generate
এবং মান সম্পাদনা করুন, প্রতিস্থাপন করুনFALSE
সঙ্গেTRUE
.
এখন আপনি এই ডেটাসেট গ্রুপের জন্য একটি পূর্বাভাস কাজ চালানোর জন্য প্রস্তুত। - স্টেপ ফাংশন কনসোলে, চালান
Create-Forecast
রাষ্ট্র মেশিন।
এবার আশানুরূপ কাজ চলছে। রাষ্ট্রীয় যন্ত্রের অংশ হিসাবে, সিস্টেমটি একটি পূর্বাভাস তৈরি করে এবং একটি ForecastExport
চাকরি, যা Amazon S3-এ সময় সিরিজের ভবিষ্যদ্বাণী লিখে। এই ফাইলগুলি অবস্থিত forecast
ফোল্ডারের
ভিতরে forecast
ফোল্ডারে, আপনি আপনার নির্বাচনের উপর নির্ভর করে অনেক CSV বা Parquet ফাইলে অবস্থিত আপনার আইটেমগুলির জন্য পূর্বাভাস পাবেন। প্রতিটি সময় ধাপ এবং নির্বাচিত সময় সিরিজের জন্য ভবিষ্যদ্বাণীগুলি রেকর্ড প্রতি আপনার সমস্ত নির্বাচিত কোয়ান্টাইল মান সহ বিদ্যমান। আপনি Amazon S3 থেকে এই ফাইলগুলি ডাউনলোড করতে পারেন, এথেনার সাথে তাদের অনুসন্ধান করতে পারেন বা ডেটা ব্যবহার করার জন্য অন্য কৌশল বেছে নিতে পারেন।
এটি পুরো ওয়ার্কফ্লোকে গুটিয়ে দেয়। আপনি এখন আপনার পছন্দের যেকোনো ভিজ্যুয়ালাইজেশন টুল ব্যবহার করে আপনার আউটপুট কল্পনা করতে পারেন, যেমন অ্যামাজন কুইকসাইট. বিকল্পভাবে, ডেটা বিজ্ঞানীরা তাদের নিজস্ব প্লট তৈরি করতে পান্ডা ব্যবহার করতে পারেন। আপনি যদি QuickSight ব্যবহার করতে চান, তাহলে আপনি করতে পারেন আপনার পূর্বাভাসের ফলাফল QuickSight এর সাথে সংযুক্ত করুন ডেটা ট্রান্সফরমেশন করতে, এক বা একাধিক ডেটা বিশ্লেষণ তৈরি করতে, এবং ভিজ্যুয়ালাইজেশন তৈরি করুন.
এই প্রক্রিয়া অনুসরণ করার জন্য একটি টেমপ্লেট প্রদান করে। আপনাকে আপনার স্কিমার সাথে নমুনাটি মানিয়ে নিতে হবে, আপনার ব্যবহারের ক্ষেত্রে অনুসারে পূর্বাভাস দিগন্ত, সময় রেজোলিউশন এবং আরও অনেক কিছু সেট করতে হবে। আপনাকে একটি পুনরাবৃত্ত সময়সূচী সেট করতে হবে যেখানে উৎস সিস্টেম থেকে ডেটা সংগ্রহ করা হয়, ডেটা আমদানি করা হয় এবং পূর্বাভাস তৈরি করা হয়। যদি ইচ্ছা হয়, আপনি আমদানি এবং পূর্বাভাসের ধাপগুলির মধ্যে একটি ভবিষ্যদ্বাণীমূলক কাজ সন্নিবেশ করতে পারেন।
ভবিষ্যদ্বাণীকারীকে পুনরায় প্রশিক্ষণ দিন
আমরা একটি নতুন ভবিষ্যদ্বাণীকারীকে প্রশিক্ষণের প্রক্রিয়ার মধ্য দিয়ে হেঁটেছি, কিন্তু একটি ভবিষ্যদ্বাণীকারীকে পুনরায় প্রশিক্ষণ দেওয়ার বিষয়ে কী? একটি ভবিষ্যদ্বাণীকারীকে পুনরায় প্রশিক্ষণ দেওয়া হল সাম্প্রতিক উপলব্ধ ডেটার উপর একজন ভবিষ্যদ্বাণীকারীকে প্রশিক্ষণের সাথে জড়িত খরচ এবং সময় কমানোর একটি উপায়। একটি নতুন ভবিষ্যদ্বাণী তৈরি করে সমগ্র ডেটাসেটে প্রশিক্ষণ দেওয়ার পরিবর্তে, ভবিষ্যদ্বাণীকারীকে সর্বশেষ প্রশিক্ষিত করার পর থেকে উপলব্ধ করা নতুন বর্ধিত ডেটা প্রদান করে আমরা বিদ্যমান ভবিষ্যদ্বাণীকে পুনরায় প্রশিক্ষণ দিতে পারি। অটোমেশন সলিউশন ব্যবহার করে কীভাবে একজন ভবিষ্যদ্বাণীকে পুনরায় প্রশিক্ষণ দেওয়া যায় তার মধ্য দিয়ে চলুন:
- পূর্বাভাস কনসোলে, নির্বাচন করুন ডেটাসেট গ্রুপ দেখুন.
- আপনি যে ভবিষ্যদ্বাণীটিকে পুনরায় প্রশিক্ষণ দিতে চান তার সাথে যুক্ত ডেটাসেট গ্রুপটি বেছে নিন।
- বেছে নিন ভবিষ্যদ্বাণী দেখুন, তারপর আপনি যে ভবিষ্যদ্বাণীটি পুনরায় প্রশিক্ষণ দিতে চান তা বেছে নিন।
- উপরে সেটিংস ট্যাব, ভবিষ্যদ্বাণীকারী ARN অনুলিপি করুন।
ভবিষ্যদ্বাণীকারীকে পুনরায় প্রশিক্ষণের জন্য চিহ্নিত করতে আমাদের ওয়ার্কফ্লো দ্বারা ব্যবহৃত একটি প্যারামিটার আপডেট করতে হবে। - সিস্টেম ম্যানেজার কনসোলে, নির্বাচন করুন প্যারামিটার স্টোর নেভিগেশন ফলকে।
- পরামিতি সনাক্ত করুন
/forecast/<STACKNAME>/Forecast/Predictor/ReferenceArn
. - প্যারামিটারের বিস্তারিত পৃষ্ঠায়, নির্বাচন করুন সম্পাদন করা.
- জন্য মূল্য, ভবিষ্যদ্বাণীকারী ARN লিখুন।
এটি ওয়ার্কফ্লো পুনরায় প্রশিক্ষণের জন্য সঠিক ভবিষ্যদ্বাণীকারীকে চিহ্নিত করে। এর পরে, প্রশিক্ষণের কৌশল পরিবর্তন করতে আমাদের কর্মপ্রবাহ দ্বারা ব্যবহৃত একটি প্যারামিটার আপডেট করতে হবে। - পরামিতি সনাক্ত করুন
/forecast/<STACKNAME>/Forecast/Predictor/Strategy
. - প্যারামিটার বিস্তারিত পৃষ্ঠায়, সম্পাদনা নির্বাচন করুন।
- মান জন্য, লিখুন
RETRAIN
.
ওয়ার্কফ্লো ডিফল্ট একটি নতুন ভবিষ্যদ্বাণীকারী প্রশিক্ষণ; যাইহোক, আমরা একটি বিদ্যমান ভবিষ্যদ্বাণীকারীকে পুনরায় প্রশিক্ষণ দেওয়ার জন্য সেই আচরণটি পরিবর্তন করতে পারি বা এই মানটি সেট করে পুনরায় প্রশিক্ষণ না দিয়ে কেবলমাত্র একটি বিদ্যমান ভবিষ্যদ্বাণীকে পুনরায় ব্যবহার করতে পারিNONE
. আপনার ডেটা তুলনামূলকভাবে স্থিতিশীল হলে বা আপনি ব্যবহার করছেন তাহলে আপনি প্রশিক্ষণ ত্যাগ করতে চাইতে পারেন স্বয়ংক্রিয় ভবিষ্যদ্বাণী পর্যবেক্ষণ কখন পুনরায় প্রশিক্ষণ প্রয়োজন তা সিদ্ধান্ত নিতে। - S3 বালতিতে ক্রমবর্ধমান প্রশিক্ষণ ডেটা আপলোড করুন।
- স্টেপ ফাংশন কনসোলে, স্টেট মেশিনটি সনাক্ত করুন
<STACKNAME>-Create-Predictor
. - রাষ্ট্রীয় মেশিনের বিস্তারিত পৃষ্ঠায়, নির্বাচন করুন মৃত্যুদন্ড শুরু করুন পুনরায় প্রশিক্ষণ শুরু করতে।
পুনঃপ্রশিক্ষণ সম্পূর্ণ হলে, ওয়ার্কফ্লো শেষ হবে এবং আপনি ওয়ার্কলোড টেমপ্লেট প্যারামিটারে প্রদত্ত ইমেল ঠিকানায় একটি SNS ইমেল বিজ্ঞপ্তি পাবেন।
পরিষ্কার কর
আপনার এই সমাধানটি সম্পন্ন হলে, সম্পর্কিত সংস্থানগুলি মুছতে এই বিভাগে পদক্ষেপগুলি অনুসরণ করুন৷
S3 বালতি মুছুন
- Amazon S3 কনসোলে, নির্বাচন করুন buckets নেভিগেশন ফলকে।
- যেখানে ডেটা আপলোড করা হয়েছিল সেই বালতিটি নির্বাচন করুন এবং নির্বাচন করুন খালি সোর্স ডেটা সহ সমাধানের সাথে যুক্ত সমস্ত ডেটা মুছে ফেলতে।
- প্রবেশ করান
permanently delete
বালতি বিষয়বস্তু স্থায়ীভাবে মুছে ফেলার জন্য. - উপরে buckets পৃষ্ঠা, বালতি নির্বাচন করুন এবং নির্বাচন করুন মুছে ফেলা.
- মুছে ফেলা নিশ্চিত করতে বাকেটের নাম লিখুন এবং নির্বাচন করুন বালতি মুছুন.
পূর্বাভাস সংস্থান মুছুন
- পূর্বাভাস কনসোলে, নির্বাচন করুন ডেটাসেট গ্রুপ দেখুন.
- সমাধানের সাথে যুক্ত ডেটাসেট গ্রুপের নাম নির্বাচন করুন, তারপর নির্বাচন করুন মুছে ফেলা.
- প্রবেশ করান
delete
ডেটাসেট গ্রুপ এবং সংশ্লিষ্ট ভবিষ্যদ্বাণী মুছে ফেলার জন্য, পূর্বাভাস ব্যাকটেস্ট রপ্তানি কাজ, পূর্বাভাস এবং পূর্বাভাস রপ্তানি চাকরি। - বেছে নিন মুছে ফেলা নিশ্চিত করতে.
ক্লাউডফর্মেশন স্ট্যাকগুলি মুছুন
- এডাব্লুএস ক্লাউডফর্মেশন কনসোলে, নির্বাচন করুন স্ট্যাক নেভিগেশন ফলকে।
- ওয়ার্কলোড স্ট্যাক নির্বাচন করুন এবং নির্বাচন করুন মুছে ফেলা.
- বেছে নিন স্ট্যাক মুছুন স্ট্যাক এবং সমস্ত সংশ্লিষ্ট সংস্থান মুছে ফেলা নিশ্চিত করতে।
- মুছে ফেলা সম্পূর্ণ হলে, নির্ভরতা স্ট্যাক নির্বাচন করুন এবং নির্বাচন করুন মুছে ফেলা.
- বেছে নিন মুছে ফেলা নিশ্চিত করতে.
উপসংহার
এই পোস্টে, আমরা পূর্বাভাস ব্যবহার শুরু করার কিছু ভিন্ন উপায় নিয়ে আলোচনা করেছি। আমরা AWS ক্লাউডফরমেশনের উপর ভিত্তি করে একটি স্বয়ংক্রিয় পূর্বাভাস সমাধানের মধ্য দিয়ে হেঁটেছি, যাতে অল্প পরিকাঠামো জ্ঞানের প্রয়োজন হয়, ডেটা ইনজেশন থেকে অনুমান পর্যন্ত একটি পূর্বাভাস পাইপলাইনের দ্রুত, পুনরাবৃত্তিযোগ্য সমাধান স্থাপনের জন্য। অবশেষে, আমরা দেখেছি কিভাবে আমরা Lambda ব্যবহার করতে পারি মডেল পুনঃপ্রশিক্ষণ স্বয়ংক্রিয় করতে, খরচ কমাতে এবং প্রশিক্ষণের সময়।
পূর্বাভাস দিয়ে পূর্বাভাস শুরু করার জন্য বর্তমানের চেয়ে ভাল সময় আর নেই। একটি স্বয়ংক্রিয় কর্মপ্রবাহ নির্মাণ এবং স্থাপন শুরু করতে, যান আমাজন পূর্বাভাস সম্পদ. শুভ পূর্বাভাস!
লেখক সম্পর্কে
অ্যারন ফাগান নিউইয়র্ক ভিত্তিক AWS-এর একজন প্রিন্সিপাল স্পেশালিস্ট সলিউশন আর্কিটেক্ট। তিনি মেশিন লার্নিং এবং ক্লাউড নিরাপত্তায় গ্রাহকদের আর্কিটেক্ট সমাধানে সহায়তা করতে পারদর্শী।
রাজু পাতিল AWS প্রফেশনাল সার্ভিসে একজন ডেটা সায়েন্টিস্ট। তিনি AWS গ্রাহকদের তাদের ব্যবসায়িক চ্যালেঞ্জগুলি কাটিয়ে উঠতে সহায়তা করার জন্য AI/ML সমাধান তৈরি করেন এবং স্থাপন করেন। তার AWS ব্যস্ততা আর্থিক পরিষেবা, টেলিকম, স্বাস্থ্যসেবা এবং আরও অনেক কিছু সহ অসংখ্য শিল্পে কম্পিউটার দৃষ্টি, সময়-সিরিজের পূর্বাভাস এবং ভবিষ্যদ্বাণীমূলক বিশ্লেষণ ইত্যাদির মতো বিস্তৃত AI/ML ব্যবহারের ক্ষেত্রে কভার করেছে। এর আগে, তিনি বিজ্ঞাপন প্রযুক্তিতে ডেটা সায়েন্স টিমের নেতৃত্ব দিয়েছেন এবং কম্পিউটার ভিশন এবং রোবোটিক্সে অসংখ্য গবেষণা ও উন্নয়ন উদ্যোগে গুরুত্বপূর্ণ অবদান রেখেছেন। কাজের বাইরে, তিনি ফটোগ্রাফি, হাইকিং, ভ্রমণ এবং রন্ধনসম্পর্কীয় অন্বেষণ উপভোগ করেন।
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- প্লেটোএআইস্ট্রিম। Web3 ডেটা ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- অ্যাড্রিয়েন অ্যাশলির সাথে ভবিষ্যত মিন্টিং। এখানে প্রবেশ করুন.
- PREIPO® এর সাথে PRE-IPO কোম্পানিতে শেয়ার কিনুন এবং বিক্রি করুন। এখানে প্রবেশ করুন.
- উত্স: https://aws.amazon.com/blogs/machine-learning/automate-the-deployment-of-an-amazon-forecast-time-series-forecasting-model/
- : আছে
- : হয়
- :না
- :কোথায়
- $ ইউপি
- 1
- 10
- 100
- 11
- 20
- 20 বছর
- 2022
- 7
- 8
- 9
- a
- সম্পর্কে
- সমর্থন দিন
- প্রবেশ
- অনুযায়ী
- হিসাব
- সঠিকতা
- স্বীকার করা
- দিয়ে
- স্টক
- খাপ খাওয়ানো
- অতিরিক্ত
- অতিরিক্ত তথ্য
- ঠিকানা
- বিজ্ঞাপন
- পর
- আবার
- এআই / এমএল
- অ্যালগরিদম
- আলগোরিদিম
- সব
- অনুমতি
- অনুমতি
- একা
- ইতিমধ্যে
- এছাড়াও
- মর্দানী স্ত্রীলোক
- আমাজন পূর্বাভাস
- পরিমাণ
- an
- বিশ্লেষণ
- বৈশ্লেষিক ন্যায়
- এবং
- অন্য
- কোন
- API
- অভিগমন
- যথাযথ
- অনুমোদিত
- রয়েছি
- বিন্যাস
- AS
- সাহায্য
- সহযোগী
- যুক্ত
- At
- স্বয়ংক্রিয় পদ্ধতি প্রয়োগ করা
- অটোমেটেড
- স্বয়ংক্রিয়ভাবে
- স্বয়ংক্রিয়তা
- সহজলভ্য
- ডেস্কটপ AWS
- এডাব্লুএস ক্লাউডফর্মেশন
- AWS প্রফেশনাল সার্ভিসেস
- Backtest
- ভারসাম্য
- ভারসাম্যকে
- ভিত্তি
- বেসলাইন
- BE
- কারণ
- আগে
- শুরু করা
- হচ্ছে
- সর্বোত্তম
- উত্তম
- মধ্যে
- পক্ষপাত
- আবদ্ধ
- বক্স
- আনয়ন
- ব্রাউজার
- নির্মাণ করা
- ভবন
- তৈরী করে
- ব্যবসায়
- কিন্তু
- by
- হিসাব করে
- নামক
- কল
- CAN
- যত্ন
- কেস
- মামলা
- কেন্দ্র
- চ্যালেঞ্জ
- পরিবর্তন
- পরিবর্তন
- চেক
- পছন্দ
- বেছে নিন
- বেছে
- মনোনীত
- ঘনিষ্ঠভাবে
- মেঘ
- মেঘ সুরক্ষা
- কোড
- কোডিং
- সংগ্রহ
- স্তম্ভ
- এর COM
- সাধারণ
- তুলনা করা
- সম্পূর্ণ
- জটিল
- গণনা
- গনা
- কম্পিউটার
- কম্পিউটার ভিশন
- ধারণা
- উদ্বিগ্ন
- কনফিগারেশন
- নিশ্চিত করা
- কনসোল
- ধারণ করা
- সুখী
- অবদানসমূহ
- নিয়ন্ত্রণ
- তুল্য
- ঠিক
- মূল্য
- পারা
- আবৃত
- সৃষ্টি
- নির্মিত
- সৃষ্টি
- তৈরি করা হচ্ছে
- সৃষ্টি
- গ্রাহকদের
- চক্র
- চক্রাকার
- দৈনিক
- উপাত্ত
- ডাটা ব্যাবস্থাপনা
- ডেটা পয়েন্ট
- তথ্য বিজ্ঞান
- তথ্য বিজ্ঞানী
- তথ্য সেট
- ডেটাসেট
- দিন
- দিন
- সিদ্ধান্ত নেন
- ঘোষণা
- ডিফল্ট
- অক্ষমতা
- সংজ্ঞায়িত
- সংজ্ঞায়িত
- সংজ্ঞা
- নিষ্কৃত
- নির্ভর করে
- নির্ভর করে
- স্থাপন
- মোতায়েন
- মোতায়েন
- বিস্তৃতি
- স্থাপনার
- স্থাপন
- আমানত
- বর্ণনা করা
- বর্ণিত
- আকাঙ্ক্ষিত
- বিস্তারিত
- বিস্তারিত
- নির্ধারণ
- ডেভেলপারদের
- উন্নয়ন
- বিভিন্ন
- কঠিন
- মাত্রা
- মাত্রা
- ডিরেক্টরি
- আলোচনা
- do
- না
- সম্পন্ন
- ডাউনলোড
- সময়
- প্রতি
- পূর্বে
- সহজ
- পারেন
- ঘটিয়েছে
- ইমেইল
- সক্ষম করা
- সম্ভব
- শেষ
- সর্বশেষ সীমা
- নিশ্চিত করা
- প্রবেশ করান
- সমগ্র
- পরিবেশ
- পরিবেশের
- ত্রুটি
- হিসাব
- ইত্যাদি
- মূল্যায়ন
- এমন কি
- ঘটনা
- উদাহরণ
- ফাঁসি
- থাকা
- বিদ্যমান
- প্রত্যাশিত
- আশা করা
- অভিজ্ঞতা
- রপ্তানি
- সমাধা
- মিথ্যা
- পরিচিত
- বৈশিষ্ট্য
- ক্ষেত্র
- ব্যক্তিত্ব
- ফাইল
- নথি পত্র
- ফাইলিং
- ভরা
- পরিশেষে
- আর্থিক
- অর্থনৈতিক সেবা সমূহ
- আবিষ্কার
- প্রথম
- মনোযোগ
- অনুসরণ করা
- অনুসরণ
- জন্য
- পূর্বাভাস
- পূর্বাভাস
- বিন্যাস
- বের
- অগ্রবর্তী
- চার
- ফ্রিকোয়েন্সি
- থেকে
- সম্পূর্ণরূপে
- ক্রিয়া
- ক্রিয়াকলাপ
- অধিকতর
- ভবিষ্যৎ
- উত্পাদন করা
- উত্পন্ন
- উৎপাদিত
- পাওয়া
- বিশ্বব্যাপী
- Go
- চালু
- শাসন করে
- চিত্রলেখ
- মহান
- গ্রুপ
- গ্রুপের
- পথপ্রদর্শন
- কৌশল
- খুশি
- ফসল
- আছে
- জমিদারি
- he
- স্বাস্থ্য
- হেলথ কেয়ার
- সাহায্য
- সাহায্য
- সাহায্য
- এখানে
- অত্যন্ত
- তার
- ঐতিহাসিক
- দিগন্ত
- দিগন্ত
- ঘন্টা
- কিভাবে
- কিভাবে
- যাহোক
- এইচটিএমএল
- HTTP
- HTTPS দ্বারা
- ধারনা
- শনাক্ত
- সনাক্ত করা
- পরিচয়
- if
- প্রকাশ
- বাস্তবায়ন
- আমদানি
- আমদানি
- in
- অন্তর্ভুক্ত করা
- অন্তর্ভুক্ত
- সুদ্ধ
- শিল্প
- প্রভাব
- জানান
- তথ্য
- পরিকাঠামো
- প্রারম্ভিক
- উদ্যোগ
- ইনপুট
- পরিবর্তে
- মধ্যে
- তদন্ত করা
- জড়িত
- IT
- আইটেম
- এর
- নিজেই
- কাজ
- জবস
- JPG
- জানা
- জ্ঞান
- পরিচিত
- জমি
- গত
- পরে
- সর্বশেষ
- শিখতে
- শিক্ষা
- অন্তত
- বরফ
- LED ডেটা
- যাক
- জীবনচক্র
- মত
- লাইন
- সামান্য
- অবস্থিত
- অবস্থান
- দীর্ঘ
- ক্ষতি
- কম খরচে
- নিম্ন
- মেশিন
- মেশিন লার্নিং
- মেশিন
- প্রণীত
- মেকিং
- পরিচালনা করা
- পরিচালিত
- ব্যবস্থাপনা
- পরিচালক
- পরিচালনা করে
- পরিচালক
- ম্যানুয়ালি
- অনেক
- সর্বাধিক
- মে..
- সম্মেলন
- মেনু
- মেটাডাটা
- পদ্ধতি
- পদ্ধতি
- ছন্দোময়
- ছন্দোবিজ্ঞান
- হতে পারে
- সর্বনিম্ন
- মিনিট
- অনুপস্থিত
- ML
- মডেল
- মডেল
- পরিবর্তন
- পর্যবেক্ষণ
- মাসিক
- অধিক
- পদক্ষেপ
- বহু
- অবশ্যই
- নাম
- নাম
- নেভিগেট করুন
- ন্যাভিগেশন
- প্রয়োজনীয়
- প্রয়োজন
- চাহিদা
- নতুন
- নিউ ইয়র্ক
- পরবর্তী
- না।
- নোটবই
- প্রজ্ঞাপন
- বিজ্ঞপ্তি
- এখন
- সংখ্যা
- অনেক
- লক্ষ্য
- বস্তু
- প্রাপ্ত
- of
- on
- ONE
- কেবল
- খোলা
- ওপেন সোর্স
- অপ্টিমিজ
- অপশন সমূহ
- or
- ক্রম
- অন্যান্য
- অন্যভাবে
- আমাদের
- বাইরে
- ফলাফল
- রূপরেখা
- আউটপুট
- বাহিরে
- শেষ
- সামগ্রিক
- নিজের
- পৃষ্ঠা
- পান্ডাস
- শার্সি
- স্থিতিমাপ
- পরামিতি
- অংশ
- শতাংশ
- সম্পাদন করা
- কর্মক্ষমতা
- স্থায়িভাবে
- অনুমতি
- ফটোগ্রাফি
- শারীরিক
- পাইপলাইন
- জায়গা
- স্থাপন
- পরিকল্পনা
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- পয়েন্ট
- সম্ভব
- পোস্ট
- পূর্বাভাস
- পূর্বাভাসের
- ভবিষ্যদ্বাণী
- ভবিষ্যতবাণী
- আনুমানিক বিশ্লেষণ
- Predictor
- প্রেডিক্টস
- প্রস্তুত করা
- বর্তমান
- উপস্থাপন
- আগে
- অধ্যক্ষ
- পূর্বে
- প্রক্রিয়া
- প্রক্রিয়াকৃত
- প্রক্রিয়াজাতকরণ
- উৎপাদন করা
- উত্পাদনের
- পেশাদারী
- কর্মসূচি
- উন্নতি
- প্রদান
- প্রদত্ত
- উপলব্ধ
- প্রদানের
- প্রকাশ্যে
- পাইথন
- প্রশ্নের
- প্রশ্ন
- দ্রুত
- দ্রুত
- পরিসর
- দ্রুত
- বরং
- কাঁচা
- প্রস্তুত
- গ্রহণ করা
- সুপারিশ করা
- নথি
- রেকর্ড
- আবৃত্ত
- হ্রাস করা
- হ্রাস
- উল্লেখ করা
- বোঝায়
- নিয়মিত
- সংশ্লিষ্ট
- অপেক্ষাকৃতভাবে
- প্রাসঙ্গিক
- নির্ভর করা
- সরানোর
- পুনরাবৃত্তিযোগ্য
- পুনঃপুনঃ
- পুনরাবৃত্তিমূলক
- প্রয়োজনীয়
- গবেষণা
- গবেষণা ও উন্নয়ন
- সংরক্ষিত
- স্থিতিস্থাপক
- সমাধান
- Resources
- ফলে এবং
- ফলাফল
- পুনঃব্যবহারের
- পর্যালোচনা
- রোবোটিক্স
- ভূমিকা
- ভূমিকা
- চালান
- দৌড়
- একই
- নমুনা ডেটাসেট
- সন্তুষ্ট
- স্কেল
- তফসিল
- বিজ্ঞান
- বিজ্ঞানী
- বিজ্ঞানীরা
- নির্বিঘ্নে
- অধ্যায়
- বিভাগে
- নিরাপদ
- নিরাপত্তা
- দেখ
- নির্বাচিত
- নির্বাচন
- ক্রম
- Serverless
- সার্ভারের
- স্থল
- সেবা
- সেবা
- সেট
- বিন্যাস
- ভাগ
- সংক্ষিপ্ত
- উচিত
- শো
- গুরুত্বপূর্ণ
- সহজ
- কেবল
- থেকে
- একক
- So
- সমাধান
- সলিউশন
- কিছু
- কিছু
- উৎস
- বিশেষজ্ঞ
- বিশেষ
- নিদিষ্ট
- বিস্তার
- স্থিতিশীল
- গাদা
- উপস্থাপনকারী
- মান
- শুরু
- শুরু
- শুরু হচ্ছে
- রাষ্ট্র
- অবস্থা
- ধাপ
- প্রারম্ভিক ব্যবহারের নির্দেশাবলী
- স্টোরেজ
- দোকান
- কৌশল
- স্ট্রিং
- গঠন
- এমন
- সমর্থিত
- পদ্ধতি
- সিস্টেম
- টেবিল
- গ্রহণ করা
- লাগে
- লক্ষ্য
- কার্য
- কাজ
- দল
- প্রযুক্তিঃ
- টেলিকম
- টেমপ্লেট
- টেমপ্লেট
- পরীক্ষা
- চেয়ে
- যে
- সার্জারির
- উৎস
- রাষ্ট্র
- তাদের
- তাহাদিগকে
- তারপর
- সেখানে।
- এইগুলো
- কিছু
- এই
- তিন
- দ্বারা
- সর্বত্র
- সময়
- সময় সিরিজ
- টাইমস্ট্যাম্প
- থেকে
- একসঙ্গে
- টুল
- বিষয়
- দিকে
- রেলগাড়ি
- প্রশিক্ষিত
- প্রশিক্ষণ
- রূপান্তরের
- রূপান্তর
- ভ্রমণ
- ট্রিগার
- সত্য
- দুই
- আদর্শ
- ধরনের
- সাধারণত
- অনিশ্চয়তা
- অধীনে
- বোঝা
- ইউনিট
- আপডেট
- আপলোড করা
- URL টি
- ব্যবহার
- ব্যবহার ক্ষেত্রে
- ব্যবহৃত
- ব্যবহারকারী
- ব্যবহার
- মূল্য
- মানগুলি
- বিভিন্ন
- খুব
- মাধ্যমে
- দৃষ্টি
- দেখুন
- কল্পনা
- পদচারণা
- প্রয়োজন
- ছিল
- উপায়..
- উপায়
- we
- সাপ্তাহিক
- আমরা একটি
- কি
- কখন
- কিনা
- যে
- ব্যাপক
- প্রশস্ত পরিসর
- ইচ্ছা
- সঙ্গে
- মধ্যে
- ছাড়া
- শব্দ
- হয়া যাই ?
- লেখা
- লিখিত
- বছর
- ইয়র্ক
- আপনি
- আপনার
- zephyrnet
- ফ্যাস্ শব্দ