এটি আমাদের সিরিজের অংশ 3 যেখানে আমরা প্রান্তে ভিজ্যুয়াল মানের পরিদর্শনের জন্য একটি MLOps পাইপলাইন ডিজাইন এবং বাস্তবায়ন করি। এই পোস্টে, আমরা কীভাবে এন্ড-টু-এন্ড MLOps পাইপলাইনের প্রান্ত স্থাপনার অংশটিকে স্বয়ংক্রিয় করতে হয় তার উপর ফোকাস করি। আমরা আপনাকে দেখাই কিভাবে ব্যবহার করতে হয় এডাব্লুএস আইওটি গ্রিনগ্রাস প্রান্তে মডেল অনুমান পরিচালনা করতে এবং কিভাবে ব্যবহার করে প্রক্রিয়াটি স্বয়ংক্রিয় করা যায় এডাব্লুএস স্টেপ ফাংশন এবং অন্যান্য AWS পরিষেবা।
সমাধান ওভারভিউ
In পার্ট 1 এই সিরিজের, আমরা আমাদের এন্ড-টু-এন্ড MLOps পাইপলাইনের জন্য একটি আর্কিটেকচার তৈরি করেছি যা সম্পূর্ণ মেশিন লার্নিং (ML) প্রক্রিয়াকে স্বয়ংক্রিয় করে, ডেটা লেবেলিং থেকে মডেল প্রশিক্ষণ এবং প্রান্তে স্থাপনা পর্যন্ত। ভিতরে পার্ট 2, আমরা পাইপলাইনের লেবেলিং এবং মডেল প্রশিক্ষণ অংশগুলিকে কীভাবে স্বয়ংক্রিয় করতে হয় তা দেখিয়েছি।
এই সিরিজের জন্য ব্যবহৃত নমুনা ব্যবহারের ক্ষেত্রে একটি চাক্ষুষ মানের পরিদর্শন সমাধান যা ধাতব ট্যাগের ত্রুটি সনাক্ত করতে পারে, যা আপনি একটি উত্পাদন প্রক্রিয়ার অংশ হিসাবে স্থাপন করতে পারেন। নিম্নলিখিত চিত্রটি MLOps পাইপলাইনের উচ্চ-স্তরের আর্কিটেকচার দেখায় যা আমরা এই সিরিজের শুরুতে সংজ্ঞায়িত করেছি। আপনি যদি এটি এখনও না পড়ে থাকেন তবে আমরা চেক আউট করার পরামর্শ দিই পার্ট 1.
একটি ML মডেলের প্রান্ত স্থাপনার স্বয়ংক্রিয়করণ
একটি এমএল মডেল প্রশিক্ষিত এবং মূল্যায়ন করার পরে, আগত ডেটার উপর ভবিষ্যদ্বাণী করে ব্যবসায়িক মূল্য তৈরি করার জন্য এটি একটি উত্পাদন সিস্টেমে স্থাপন করা প্রয়োজন। এই প্রক্রিয়াটি একটি প্রান্ত সেটিংয়ে দ্রুত জটিল হয়ে উঠতে পারে যেখানে মডেলগুলিকে মোতায়েন করতে হবে এবং এমন ডিভাইসগুলিতে চালনা করতে হবে যা প্রায়শই ক্লাউড পরিবেশ থেকে অনেক দূরে অবস্থিত যেখানে মডেলগুলিকে প্রশিক্ষণ দেওয়া হয়েছে৷ এই প্রান্তে মেশিন লার্নিং এর জন্য অনন্য কিছু চ্যালেঞ্জ নিচে দেওয়া হল:
- ML মডেলগুলি প্রায়শই প্রান্ত ডিভাইসে সম্পদের সীমাবদ্ধতার কারণে অপ্টিমাইজ করা প্রয়োজন
- এজ ডিভাইসগুলিকে ক্লাউডের সার্ভারের মতো পুনঃনিয়োগ করা যাবে না বা প্রতিস্থাপন করা যাবে না, তাই আপনার একটি শক্তিশালী মডেল স্থাপনা এবং ডিভাইস পরিচালনা প্রক্রিয়া প্রয়োজন
- ডিভাইস এবং ক্লাউডের মধ্যে যোগাযোগ দক্ষ এবং সুরক্ষিত হওয়া প্রয়োজন কারণ এটি প্রায়শই অবিশ্বস্ত লো-ব্যান্ডউইথ নেটওয়ার্ক অতিক্রম করে
আসুন দেখি কিভাবে আমরা ONNX ফর্ম্যাটে মডেলটি রপ্তানি করার পাশাপাশি AWS পরিষেবাগুলির সাথে এই চ্যালেঞ্জগুলি মোকাবেলা করতে পারি, যা আমাদেরকে অনুমতি দেয়, উদাহরণস্বরূপ, সীমাবদ্ধ ডিভাইসগুলির জন্য মডেলের আকার কমাতে কোয়ান্টাইজেশনের মতো অপ্টিমাইজেশন প্রয়োগ করতে। ONNX সবচেয়ে সাধারণ এজ হার্ডওয়্যার প্ল্যাটফর্মের জন্য অপ্টিমাইজ করা রানটাইমও প্রদান করে।
প্রান্ত স্থাপনার প্রক্রিয়াটি ভেঙে, আমাদের দুটি উপাদান প্রয়োজন:
- মডেল ডেলিভারির জন্য একটি স্থাপনা ব্যবস্থা, যার মধ্যে রয়েছে মডেল নিজেই এবং মডেল পরিচালনা এবং ইন্টারঅ্যাক্ট করার জন্য কিছু ব্যবসায়িক যুক্তি
- একটি ওয়ার্কফ্লো ইঞ্জিন যা পুরো প্রক্রিয়াটিকে শক্তিশালী এবং পুনরাবৃত্তিযোগ্য করে তুলতে পারে
এই উদাহরণে, আমরা আমাদের স্বয়ংক্রিয় প্রান্ত স্থাপনা ব্যবস্থা তৈরি করতে বিভিন্ন AWS পরিষেবা ব্যবহার করি, যা আমাদের আলোচনা করা সমস্ত প্রয়োজনীয় উপাদানকে একীভূত করে।
প্রথমত, আমরা একটি প্রান্ত ডিভাইস অনুকরণ. আপনার জন্য এন্ড-টু-এন্ড ওয়ার্কফ্লোতে যাওয়া সহজ করতে, আমরা একটি ব্যবহার করি অ্যামাজন ইলাস্টিক কম্পিউট ক্লাউড (Amazon EC2) উদাহরণে AWS IoT গ্রীনগ্রাস কোর সফ্টওয়্যার ইনস্টল করে একটি প্রান্ত ডিভাইস অনুকরণ করার জন্য। আপনি একটি প্রকৃত প্রান্ত উত্পাদন ডিভাইসে স্থাপন করার আগে একটি QA প্রক্রিয়ার বিভিন্ন উপাদান যাচাই করতে EC2 দৃষ্টান্তগুলি ব্যবহার করতে পারেন। AWS IoT Greengrass হল একটি ইন্টারনেট অফ থিংস (IoT) ওপেন-সোর্স এজ রানটাইম এবং ক্লাউড পরিষেবা যা আপনাকে এজ ডিভাইস সফ্টওয়্যার তৈরি, স্থাপন এবং পরিচালনা করতে সহায়তা করে। AWS IoT Greengrass একটি নিরাপদ এবং মাপযোগ্য উপায়ে প্রান্ত ডিভাইস সফ্টওয়্যার তৈরি, স্থাপন এবং পরিচালনা করার প্রচেষ্টাকে হ্রাস করে। আপনি আপনার ডিভাইসে AWS IoT Greengrass Core সফ্টওয়্যার ইনস্টল করার পরে, আপনি বৈশিষ্ট্য এবং উপাদানগুলি যোগ করতে বা সরাতে পারেন এবং AWS IoT Greengrass ব্যবহার করে আপনার IoT ডিভাইস অ্যাপ্লিকেশনগুলি পরিচালনা করতে পারেন৷ এটি আপনার জীবনকে সহজ করার জন্য অনেকগুলি অন্তর্নির্মিত উপাদান অফার করে, যেমন StreamManager এবং MQTT ব্রোকার উপাদান, যা আপনি ক্লাউডের সাথে নিরাপদে যোগাযোগ করতে ব্যবহার করতে পারেন, এন্ড-টু-এন্ড এনক্রিপশন সমর্থন করে। আপনি দক্ষতার সাথে অনুমান ফলাফল এবং ছবি আপলোড করতে এই বৈশিষ্ট্যগুলি ব্যবহার করতে পারেন।
একটি উত্পাদন পরিবেশে, আপনার কাছে সাধারণত একটি শিল্প ক্যামেরা থাকবে যা চিত্র সরবরাহ করে যার জন্য ML মডেলের ভবিষ্যদ্বাণী তৈরি করা উচিত। আমাদের সেটআপের জন্য, আমরা প্রান্ত ডিভাইসে একটি নির্দিষ্ট ডিরেক্টরিতে চিত্রগুলির একটি প্রিসেট আপলোড করে এই ইমেজ ইনপুটটি অনুকরণ করি। তারপরে আমরা মডেলের জন্য অনুমান ইনপুট হিসাবে এই চিত্রগুলি ব্যবহার করি।
একটি প্রান্তের পরিবেশে একটি ক্লাউড-প্রশিক্ষিত এমএল মডেল স্থাপন এবং পূর্বাভাসের জন্য এটি ব্যবহার করার জন্য আমরা সামগ্রিক স্থাপনা এবং অনুমান প্রক্রিয়াটিকে পরপর তিনটি ধাপে ভাগ করেছি:
- প্রস্তুত করা - প্রান্ত স্থাপনার জন্য প্রশিক্ষিত মডেল প্যাকেজ করুন।
- স্থাপন করুন - ক্লাউড থেকে প্রান্ত ডিভাইসে মডেল এবং অনুমান উপাদান স্থানান্তর।
- অনুমিতি - মডেলটি লোড করুন এবং চিত্রের পূর্বাভাসের জন্য অনুমান কোড চালান।
নিম্নলিখিত স্থাপত্য চিত্রটি এই তিন-পদক্ষেপ প্রক্রিয়ার বিশদ বিবরণ দেখায় এবং আমরা কীভাবে এটি AWS পরিষেবাগুলির সাথে প্রয়োগ করেছি।
নিম্নলিখিত বিভাগে, আমরা প্রতিটি ধাপের বিশদ বিবরণ নিয়ে আলোচনা করি এবং দেখাই যে কীভাবে এই প্রক্রিয়াটিকে একটি স্বয়ংক্রিয় এবং পুনরাবৃত্তিযোগ্য অর্কেস্ট্রেশন এবং CI/CD কর্মপ্রবাহে এমএল মডেল এবং সংশ্লিষ্ট অনুমান কোড উভয়ের জন্য এম্বেড করা যায়।
প্রস্তুত করা
এজ ডিভাইসগুলি প্রায়ই ক্লাউড পরিবেশের তুলনায় সীমিত গণনা এবং মেমরির সাথে আসে যেখানে শক্তিশালী CPU এবং GPU গুলি সহজেই ML মডেল চালাতে পারে। বিভিন্ন মডেল-অপ্টিমাইজেশান কৌশল আপনাকে একটি নির্দিষ্ট সফ্টওয়্যার বা হার্ডওয়্যার প্ল্যাটফর্মের জন্য একটি মডেল তৈরি করতে দেয় যাতে সঠিকতা না হারিয়ে ভবিষ্যদ্বাণীর গতি বাড়ানো যায়।
এই উদাহরণে, আমরা পোর্টেবিলিটি, সম্ভাব্য অপ্টিমাইজেশন, সেইসাথে অপ্টিমাইজ করা প্রান্ত রানটাইমের জন্য ট্রেনিং পাইপলাইনে প্রশিক্ষিত মডেলটিকে ONNX ফর্ম্যাটে রপ্তানি করেছি এবং মডেলটি নিবন্ধিত করেছি আমাজন সেজমেকার মডেল রেজিস্ট্রি. এই ধাপে, আমরা পরবর্তী স্থাপনার জন্য সর্বশেষ নিবন্ধিত মডেল সহ একটি নতুন গ্রীনগ্রাস মডেল উপাদান তৈরি করি।
স্থাপন করুন
ক্লাউড থেকে একটি প্রান্ত ডিভাইসে একটি মডেল স্থাপন করার সময় একটি সুরক্ষিত এবং নির্ভরযোগ্য স্থাপনা ব্যবস্থা গুরুত্বপূর্ণ। যেহেতু AWS IoT Greengrass ইতিমধ্যেই একটি শক্তিশালী এবং সুরক্ষিত প্রান্ত স্থাপনার ব্যবস্থা অন্তর্ভুক্ত করেছে, আমরা এটিকে আমাদের স্থাপনার উদ্দেশ্যে ব্যবহার করছি। আমাদের স্থাপন প্রক্রিয়াটি বিস্তারিতভাবে দেখার আগে, আসুন AWS IoT গ্রীনগ্রাস স্থাপনাগুলি কীভাবে কাজ করে তার একটি দ্রুত সংক্ষিপ্ত বিবরণ করি। এডব্লিউএস আইওটি গ্রীনগ্রাস ডিপ্লয়মেন্ট সিস্টেমের মূলে রয়েছে উপাদান, যা AWS IoT গ্রীনগ্রাস কোর চলমান একটি প্রান্ত ডিভাইসে স্থাপন করা সফ্টওয়্যার মডিউলগুলিকে সংজ্ঞায়িত করে৷ এগুলি হয় ব্যক্তিগত উপাদান হতে পারে যা আপনি তৈরি করেন বা সর্বজনীন উপাদান যা হয় দ্বারা সরবরাহ করা হয় ডেস্কটপ AWS বা আরও বিস্তৃত গ্রীনগ্রাস সম্প্রদায়. একটি স্থাপনার অংশ হিসাবে একাধিক উপাদান একসাথে বান্ডিল করা যেতে পারে। একটি স্থাপনার কনফিগারেশন একটি স্থাপনায় অন্তর্ভুক্ত উপাদান এবং স্থাপনার লক্ষ্য ডিভাইসগুলিকে সংজ্ঞায়িত করে। এটি একটি স্থাপনার কনফিগারেশন ফাইলে (JSON) অথবা একটি নতুন স্থাপনা তৈরি করার সময় AWS IoT Greengrass কনসোলের মাধ্যমে সংজ্ঞায়িত করা যেতে পারে।
আমরা নিম্নলিখিত দুটি গ্রীনগ্রাস উপাদান তৈরি করি, যেগুলি তারপর স্থাপনার প্রক্রিয়ার মাধ্যমে প্রান্ত ডিভাইসে স্থাপন করা হয়:
- প্যাকেজ করা মডেল (ব্যক্তিগত উপাদান) – এই উপাদানটিতে ONNX ফর্ম্যাটে প্রশিক্ষিত এবং ML মডেল রয়েছে।
- অনুমান কোড (ব্যক্তিগত উপাদান) - ML মডেলের পাশাপাশি, ডেটা প্রস্তুতি, অনুমানের জন্য মডেলের সাথে যোগাযোগ এবং অনুমান ফলাফলের পোস্টপ্রসেসিংয়ের মতো কাজগুলি পরিচালনা করার জন্য আমাদের কিছু অ্যাপ্লিকেশন লজিক প্রয়োগ করতে হবে। আমাদের উদাহরণে, আমরা নিম্নলিখিত কাজগুলি পরিচালনা করার জন্য একটি পাইথন-ভিত্তিক ব্যক্তিগত উপাদান তৈরি করেছি:
- Ultralytics YOLOv8 পাইথন প্যাকেজের মতো প্রয়োজনীয় রানটাইম উপাদানগুলি ইনস্টল করুন।
- একটি ক্যামেরা লাইভ স্ট্রিম থেকে ছবি তোলার পরিবর্তে, আমরা একটি নির্দিষ্ট ডিরেক্টরি থেকে প্রস্তুত ছবি লোড করে এবং মডেল ইনপুট প্রয়োজনীয়তা অনুযায়ী ছবির ডেটা প্রস্তুত করে এটি অনুকরণ করি।
- প্রস্তুত ইমেজ ডেটা সহ লোড করা মডেলের বিপরীতে অনুমান কল করুন।
- পূর্বাভাস পরীক্ষা করুন এবং ক্লাউডে ফিরে অনুমান ফলাফল আপলোড করুন।
আপনি যদি আমাদের তৈরি করা অনুমান কোডটি আরও গভীরভাবে দেখতে চান তবে দেখুন গিটহুব রেপো.
অনুমিতি
উপরে উল্লিখিত উপাদানগুলির স্থাপনা শেষ হওয়ার পরে প্রান্ত ডিভাইসে মডেল অনুমান প্রক্রিয়া স্বয়ংক্রিয়ভাবে শুরু হয়। কাস্টম ইনফারেন্স কম্পোনেন্ট পর্যায়ক্রমে একটি স্থানীয় ডিরেক্টরি থেকে ইমেজ সহ ML মডেল চালায়। মডেল থেকে প্রত্যাবর্তিত চিত্র প্রতি অনুমান ফলাফল নিম্নলিখিত বিষয়বস্তু সহ একটি টেনসর:
- আত্মবিশ্বাসের স্কোর - সনাক্তকরণ সম্পর্কে মডেলটি কতটা আত্মবিশ্বাসী
- বস্তুর স্থানাঙ্ক - স্ক্র্যাচ বস্তুর স্থানাঙ্ক (x, y, প্রস্থ, উচ্চতা) ছবিতে মডেল দ্বারা সনাক্ত করা হয়েছে
আমাদের ক্ষেত্রে, অনুমান উপাদানটি AWS IoT-তে একটি নির্দিষ্ট MQTT বিষয়ে অনুমান ফলাফল পাঠানোর যত্ন নেয় যেখানে এটি আরও প্রক্রিয়াকরণের জন্য পড়া যেতে পারে। এই বার্তাগুলি ডিবাগিংয়ের জন্য AWS IoT কনসোলে MQTT পরীক্ষা ক্লায়েন্টের মাধ্যমে দেখা যেতে পারে। একটি প্রোডাকশন সেটিংয়ে, আপনি অন্য সিস্টেমকে স্বয়ংক্রিয়ভাবে অবহিত করার সিদ্ধান্ত নিতে পারেন যা প্রোডাকশন লাইন থেকে ত্রুটিপূর্ণ ধাতব ট্যাগগুলি সরানোর যত্ন নেয়।
অর্কেস্ট্রারচনা
পূর্ববর্তী বিভাগগুলিতে দেখা গেছে, একটি ML মডেল, সংশ্লিষ্ট অনুমান কোড এবং একটি প্রান্ত ডিভাইসে প্রয়োজনীয় রানটাইম বা এজেন্ট প্রস্তুত ও স্থাপন করতে একাধিক পদক্ষেপের প্রয়োজন হয়। স্টেপ ফাংশন হল একটি সম্পূর্ণরূপে পরিচালিত পরিষেবা যা আপনাকে এই উত্সর্গীকৃত পদক্ষেপগুলি অর্কেস্ট্রেট করতে এবং একটি স্টেট মেশিনের আকারে ওয়ার্কফ্লো ডিজাইন করতে দেয়৷ এই পরিষেবাটির সার্ভারহীন প্রকৃতি এবং AWS পরিষেবা API ইন্টিগ্রেশনের মতো নেটিভ স্টেপ ফাংশন ক্ষমতা আপনাকে এই ওয়ার্কফ্লো দ্রুত সেট আপ করতে দেয়৷ পুনঃপ্রচার বা লগিংয়ের মতো অন্তর্নির্মিত ক্ষমতাগুলি শক্তিশালী অর্কেস্ট্রেশন তৈরির জন্য গুরুত্বপূর্ণ পয়েন্ট। রাষ্ট্র মেশিনের সংজ্ঞা সম্পর্কে আরও বিশদ বিবরণের জন্য, দেখুন GitHub সংগ্রহস্থল অথবা আপনার অ্যাকাউন্টে এই উদাহরণটি স্থাপন করার পরে স্টেপ ফাংশন কনসোলে স্টেট মেশিন গ্রাফটি পরীক্ষা করুন।
সিআই/সিডিতে অবকাঠামো স্থাপন এবং একীকরণ
সিআই/সিডি পাইপলাইন সমস্ত প্রয়োজনীয় অবকাঠামো উপাদানগুলিকে একীভূত এবং নির্মাণের জন্য একই প্যাটার্ন অনুসরণ করে যা চিত্রিত হয়েছে পার্ট 1 এই সিরিজের। আমরা ব্যবহার করি এডাব্লুএস ক্লাউড ডেভেলপমেন্ট কিট (AWS CDK) থেকে প্রয়োজনীয় পাইপলাইন স্থাপন করতে AWS কোড পাইপলাইন.
বিদ্যা
একটি স্বয়ংক্রিয়, মজবুত, এবং সুরক্ষিত এমএল মডেল এজ ডিপ্লয়মেন্ট সিস্টেমের জন্য একটি আর্কিটেকচার তৈরি করার একাধিক উপায় রয়েছে, যা প্রায়শই ব্যবহারের ক্ষেত্রে এবং অন্যান্য প্রয়োজনীয়তার উপর নির্ভর করে। যাইহোক, এখানে কিছু শিক্ষা আমরা আপনার সাথে শেয়ার করতে চাই:
- অতিরিক্ত হলে অগ্রিম মূল্যায়ন করুন AWS IoT গ্রীনগ্রাস কম্পিউট রিসোর্স প্রয়োজনীয়তা আপনার ক্ষেত্রে ফিট করুন, বিশেষ করে সীমাবদ্ধ প্রান্ত ডিভাইসের সাথে।
- ট্রান্সমিশনের সময় কোনো টেম্পারিং যাতে না ঘটে তা নিশ্চিত করার জন্য প্রান্ত ডিভাইসে চালানোর আগে স্থাপন করা আর্টিফ্যাক্টগুলির একটি যাচাইকরণ ধাপকে একীভূত করে এমন একটি স্থাপনা ব্যবস্থা স্থাপন করুন।
- AWS IoT Greengrass-এ স্থাপনার উপাদানগুলিকে যতটা সম্ভব মডুলার এবং স্বয়ংসম্পূর্ণ হিসাবে রাখা ভাল অভ্যাস যাতে সেগুলি স্বাধীনভাবে স্থাপন করতে সক্ষম হয়। উদাহরণস্বরূপ, যদি আপনার কাছে একটি অপেক্ষাকৃত ছোট অনুমান কোড মডিউল থাকে তবে আকারের দিক থেকে একটি বড় ML মডেল থাকে, তবে শুধুমাত্র অনুমান কোড পরিবর্তিত হলে আপনি সর্বদা সেগুলি উভয়ই স্থাপন করতে চান না। এটি বিশেষ করে গুরুত্বপূর্ণ যখন আপনার সীমিত ব্যান্ডউইথ বা উচ্চ মূল্যের প্রান্ত ডিভাইস সংযোগ থাকে।
উপসংহার
এটি প্রান্তে চাক্ষুষ মানের পরিদর্শনের জন্য একটি এন্ড-টু-এন্ড MLOps পাইপলাইন নির্মাণের বিষয়ে আমাদের তিন-অংশের সিরিজের সমাপ্তি ঘটায়। আমরা মডেল প্যাকেজিং বা জটিল স্থাপনার অর্কেস্ট্রেশনের মতো প্রান্তে একটি ML মডেল স্থাপনের সাথে আসা অতিরিক্ত চ্যালেঞ্জগুলি দেখেছি। আমরা পাইপলাইনটিকে সম্পূর্ণ স্বয়ংক্রিয়ভাবে প্রয়োগ করেছি যাতে আমরা আমাদের মডেলগুলিকে একটি শক্তিশালী, সুরক্ষিত, পুনরাবৃত্তিযোগ্য এবং সনাক্তযোগ্য ফ্যাশনে উত্পাদন করতে পারি। আপনার পরবর্তী ML-সক্ষম প্রকল্পের জন্য একটি সূচনা পয়েন্ট হিসাবে এই সিরিজে বিকশিত আর্কিটেকচার এবং বাস্তবায়ন নির্দ্বিধায় ব্যবহার করুন। আপনার যদি কোনও প্রশ্ন থাকে যে কীভাবে আপনার পরিবেশের জন্য এমন একটি সিস্টেম স্থপতি এবং তৈরি করবেন, অনুগ্রহ করে পৌঁছনো. অন্যান্য বিষয় এবং ব্যবহারের ক্ষেত্রে, আমাদের পড়ুন মেশিন লার্নিং এবং IOT ব্লগ।
লেখক সম্পর্কে
মাইকেল রথ তিনি AWS-এর একজন সিনিয়র সলিউশন আর্কিটেক্ট যিনি জার্মানিতে উৎপাদনকারী গ্রাহকদের AWS প্রযুক্তির মাধ্যমে তাদের ব্যবসায়িক চ্যালেঞ্জগুলি সমাধান করতে সহায়তা করেন। কাজ এবং পরিবারের পাশাপাশি তিনি স্পোর্টস কারগুলিতে আগ্রহী এবং ইতালিয়ান কফি উপভোগ করেন।
জর্গ ওহরল তিনি AWS-এর একজন সলিউশন আর্কিটেক্ট, জার্মানিতে উৎপাদনকারী গ্রাহকদের সাথে কাজ করছেন। অটোমেশনের প্রতি অনুরাগের সাথে, Joerg তার প্রাক-AWS জীবনে একজন সফ্টওয়্যার বিকাশকারী, DevOps প্রকৌশলী এবং সাইট নির্ভরযোগ্যতা প্রকৌশলী হিসাবে কাজ করেছেন। মেঘের বাইরে, তিনি একজন উচ্চাভিলাষী রানার এবং তার পরিবারের সাথে মানসম্পন্ন সময় উপভোগ করেন। তাই যদি আপনার একটি DevOps চ্যালেঞ্জ থাকে বা একটি দৌড়ের জন্য যেতে চান: তাকে জানান।
জোহানেস ল্যাঙ্গার AWS-এর একজন সিনিয়র সলিউশন আর্কিটেক্ট, জার্মানিতে এন্টারপ্রাইজ গ্রাহকদের সাথে কাজ করছেন। জোহানেস প্রকৃত ব্যবসায়িক সমস্যা সমাধানের জন্য মেশিন লার্নিং প্রয়োগ করার বিষয়ে উত্সাহী। তার ব্যক্তিগত জীবনে, জোহানেস বাড়ির উন্নতি প্রকল্পে কাজ করা এবং তার পরিবারের সাথে বাইরে সময় কাটাতে উপভোগ করেন।
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
- প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- প্লেটোইএসজি। কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
- প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
- উত্স: https://aws.amazon.com/blogs/machine-learning/build-an-end-to-end-mlops-pipeline-for-visual-quality-inspection-at-the-edge-part-3/
- : আছে
- : হয়
- :কোথায়
- $ ইউপি
- 150
- 7
- a
- সক্ষম
- সম্পর্কে
- অনুযায়ী
- হিসাব
- সঠিকতা
- আসল
- যোগ
- যোগ
- অতিরিক্ত
- আগাম
- পর
- বিরুদ্ধে
- প্রতিনিধি
- সব
- অনুমতি
- অনুমতি
- ইতিমধ্যে
- এছাড়াও
- সর্বদা
- মর্দানী স্ত্রীলোক
- আমাজন EC2
- অ্যামাজন ওয়েব সার্ভিসেস
- উচ্চাকাঙ্ক্ষী
- an
- এবং
- অন্য
- কোন
- API
- আবেদন
- অ্যাপ্লিকেশন
- প্রয়োগ করা
- প্রয়োগ করা হচ্ছে
- স্থাপত্য
- রয়েছি
- AS
- সরাইয়া
- At
- স্বয়ংক্রিয় পদ্ধতি প্রয়োগ করা
- অটোমেটেড
- স্বয়ংক্রিয়
- স্বয়ংক্রিয়ভাবে
- স্বয়ংক্রিয়তা
- দূরে
- ডেস্কটপ AWS
- এডাব্লুএস আইওটি গ্রিনগ্রাস
- পিছনে
- ব্যান্ডউইথ
- BE
- কারণ
- পরিণত
- হয়েছে
- আগে
- শুরু
- ব্যতীত
- মধ্যে
- তার পরেও
- বিশাল
- ব্লগ
- উভয়
- বৃহত্তর
- দালাল
- নির্মাণ করা
- ভবন
- নির্মিত
- বিল্ট-ইন
- বান্ডেল
- ব্যবসায়
- কিন্তু
- by
- কল
- ক্যামেরা
- CAN
- ক্ষমতা
- যত্ন
- কার
- কেস
- মামলা
- চ্যালেঞ্জ
- চ্যালেঞ্জ
- পরিবর্তিত
- চেক
- পরীক্ষণ
- মক্কেল
- মেঘ
- কোড
- কফি
- আসা
- সাধারণ
- যোগাযোগ
- যোগাযোগ
- তুলনা
- জটিল
- উপাদান
- উপাদান
- গনা
- সুনিশ্চিত
- কনফিগারেশন
- কানেক্টিভিটি
- পরপর
- কনসোল
- সীমাবদ্ধতার
- ধারণ
- বিষয়বস্তু
- মূল
- মূল সফ্টওয়্যার
- অনুরূপ
- মূল্য
- সৃষ্টি
- তৈরি করা হচ্ছে
- প্রথা
- গ্রাহকদের
- উপাত্ত
- ডেটা প্রস্তুতি
- সিদ্ধান্ত নেন
- নিবেদিত
- গভীর
- নির্ধারণ করা
- সংজ্ঞায়িত
- সংজ্ঞায়িত
- সংজ্ঞা
- প্রদান
- বিলি
- নির্ভরশীল
- স্থাপন
- মোতায়েন
- মোতায়েন
- বিস্তৃতি
- স্থাপনার
- নকশা
- বিস্তারিত
- বিস্তারিত
- সনাক্ত
- সনাক্ত
- উন্নত
- বিকাশকারী
- উন্নয়ন
- যন্ত্র
- ডিভাইস
- বিভিন্ন
- আলোচনা করা
- আলোচনা
- বিভক্ত
- do
- Dont
- নিচে
- কারণে
- সময়
- প্রতি
- সহজ
- সহজে
- প্রান্ত
- দক্ষ
- দক্ষতার
- প্রচেষ্টা
- পারেন
- বসান
- এনক্রিপশন
- সর্বশেষ সীমা
- ইঞ্জিন
- প্রকৌশলী
- নিশ্চিত করা
- উদ্যোগ
- সমগ্র
- পরিবেশ
- বিশেষত
- মূল্যায়ন
- এমন কি
- উদাহরণ
- পরিবার
- এ পর্যন্ত
- ফ্যাশন
- ত্রুটিপূর্ণ
- বৈশিষ্ট্য
- মনে
- কয়েক
- ফাইল
- ফিট
- কেন্দ্রবিন্দু
- অনুসরণ
- অনুসরণ
- জন্য
- ফর্ম
- বিন্যাস
- বিনামূল্যে
- থেকে
- সম্পূর্ণরূপে
- ক্রিয়াকলাপ
- অধিকতর
- উত্পাদন করা
- জার্মানি
- Go
- ভাল
- জিপিইউ
- চিত্রলেখ
- হাতল
- ঘটেছিলো
- হার্ডওয়্যারের
- আছে
- উচ্চতা
- সাহায্য
- এখানে
- উচ্চ
- উচ্চস্তর
- তাকে
- তার
- হোম
- কিভাবে
- কিভাবে
- যাহোক
- এইচটিএমএল
- HTTP
- HTTPS দ্বারা
- if
- ভাবমূর্তি
- চিত্র
- বাস্তবায়ন
- বাস্তবায়ন
- বাস্তবায়িত
- গুরুত্বপূর্ণ
- উন্নতি
- in
- অন্তর্ভুক্ত
- অন্তর্ভুক্ত
- সুদ্ধ
- ইনকামিং
- বৃদ্ধি
- স্বাধীনভাবে
- শিল্প
- পরিকাঠামো
- ইনপুট
- ইনস্টল
- ইনস্টল করার
- উদাহরণ
- সম্পূর্ণ
- সংহত
- ইন্টিগ্রেশন
- ঐক্যবদ্ধতার
- গর্ভনাটিকা
- আগ্রহী
- Internet
- কিছু ইন্টারনেট
- মধ্যে
- IOT
- আইওটি ডিভাইস
- IT
- ইতালিয়ান
- নিজেই
- JPG
- JSON
- মাত্র
- রাখা
- চাবি
- জানা
- লেবেল
- সর্বশেষ
- শিক্ষা
- দিন
- জীবন
- মত
- সীমিত
- লাইন
- লিঙ্কডইন
- জীবিত
- বোঝা
- বোঝাই
- স্থানীয়
- অবস্থিত
- লগিং
- যুক্তিবিদ্যা
- দেখুন
- তাকিয়ে
- হারানো
- অনেক
- মেশিন
- মেশিন লার্নিং
- করা
- মেকিং
- পরিচালনা করা
- পরিচালিত
- ব্যবস্থাপনা
- উত্পাদন
- পদ্ধতি
- স্মৃতি
- বার্তা
- ধাতু
- মাইকেল
- ML
- এমএলওএস
- মডেল
- মডেল
- মডুলার
- মডিউল
- মডিউল
- অধিক
- সেতু
- বহু
- স্থানীয়
- প্রকৃতি
- প্রয়োজন
- চাহিদা
- নতুন
- পরবর্তী
- না।
- লক্ষ্য
- of
- অফার
- প্রায়ই
- on
- ওপেন সোর্স
- অপ্টিমাইজ
- or
- অর্কেস্ট্রারচনা
- অন্যান্য
- আমাদের
- বাইরে
- বিদেশে
- সামগ্রিক
- প্যাকেজ
- প্যাকেজিং
- অংশ
- যন্ত্রাংশ
- আবেগ
- কামুক
- প্যাটার্ন
- প্রতি
- ব্যক্তিগত
- পাইপলাইন
- মাচা
- প্ল্যাটফর্ম
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- দয়া করে
- বিন্দু
- পয়েন্ট
- বহনযোগ্যতা
- সম্ভব
- পোস্ট
- ক্ষমতাশালী
- অনুশীলন
- ভবিষ্যদ্বাণী
- ভবিষ্যতবাণী
- প্রস্তুতি
- প্রস্তুত করা
- প্রস্তুত
- প্রস্তুতি
- ব্যক্তিগত
- সমস্যা
- প্রক্রিয়া
- প্রক্রিয়াজাতকরণ
- উৎপাদন করা
- উত্পাদনের
- প্রকল্প
- প্রকল্প
- প্রদত্ত
- উপলব্ধ
- প্রকাশ্য
- উদ্দেশ্য
- করা
- পাইথন
- প্রশ্ন ও উত্তর
- গুণ
- প্রশ্ন
- দ্রুত
- দ্রুত
- পড়া
- বাস্তব
- সংক্ষিপ্তবৃত্তি
- সুপারিশ করা
- হ্রাস করা
- হ্রাস
- পড়ুন
- সংক্রান্ত
- নিবন্ধভুক্ত
- অপেক্ষাকৃতভাবে
- বিশ্বাসযোগ্যতা
- বিশ্বাসযোগ্য
- অপসারণ
- সরানোর
- পুনরাবৃত্তিযোগ্য
- প্রতিস্থাপিত
- প্রয়োজন
- প্রয়োজনীয়
- আবশ্যকতা
- সংস্থান
- ফল
- ফলাফল
- শক্তসমর্থ
- চালান
- চর
- দৌড়
- রান
- ঋষি নির্মাতা
- একই
- মাপযোগ্য
- আঁচড়ের দাগ
- বিভাগে
- নিরাপদ
- নিরাপদে
- দেখ
- দেখা
- পাঠানোর
- জ্যেষ্ঠ
- ক্রম
- সার্ভার
- Serverless
- সেবা
- সেবা
- সেট
- বিন্যাস
- সেটআপ
- শেয়ার
- উচিত
- প্রদর্শনী
- দেখিয়েছেন
- শো
- সাইট
- আয়তন
- ছোট
- So
- সফটওয়্যার
- সমাধান
- সলিউশন
- সমাধান
- কিছু
- নির্দিষ্ট
- স্পীড
- খরচ
- বিজ্ঞাপন
- শুরু হচ্ছে
- শুরু
- রাষ্ট্র
- ধাপ
- প্রারম্ভিক ব্যবহারের নির্দেশাবলী
- অকপট
- প্রবাহ
- পরবর্তী
- এমন
- সমর্থক
- পদ্ধতি
- সাজসরঁজাম
- লাগে
- গ্রহণ
- লক্ষ্য
- কাজ
- প্রযুক্তি
- প্রযুক্তিঃ
- শর্তাবলী
- পরীক্ষা
- যে
- সার্জারির
- রাষ্ট্র
- তাদের
- তাহাদিগকে
- তারপর
- এইগুলো
- কিছু
- এই
- সেগুলো
- তিন
- তিন-পদক্ষেপ
- দ্বারা
- সময়
- থেকে
- একসঙ্গে
- বিষয়
- টপিক
- অনুসরণযোগ্য
- প্রশিক্ষিত
- প্রশিক্ষণ
- হস্তান্তর
- দুই
- সাধারণত
- অনন্য
- আপলোড
- us
- ব্যবহার
- ব্যবহার ক্ষেত্রে
- ব্যবহৃত
- ব্যবহার
- যাচাই করুন
- মূল্য
- প্রতিপাদন
- খুব
- মাধ্যমে
- প্রয়োজন
- উপায়..
- উপায়
- we
- ওয়েব
- ওয়েব সার্ভিস
- আমরা একটি
- কখন
- যে
- সমগ্র
- প্রস্থ
- সঙ্গে
- মধ্যে
- ছাড়া
- হয়া যাই ?
- কাজ করছে
- কর্মপ্রবাহ
- কাজ
- would
- X
- এখনো
- আপনি
- আপনার
- zephyrnet