Amazon SageMaker ক্যানভাসে তৈরি ML মডেলগুলি Amazon SageMaker রিয়েল-টাইম এন্ডপয়েন্টে স্থাপন করুন | আমাজন ওয়েব সার্ভিসেস

আমাজন সেজমেকার ক্যানভাস এখন মেশিন লার্নিং (ML) মডেলগুলিকে রিয়েল-টাইম ইনফারেন্সিং এন্ডপয়েন্টে স্থাপন করা সমর্থন করে, যা আপনাকে ML-চালিত অন্তর্দৃষ্টির উপর ভিত্তি করে আপনার ML মডেলগুলিকে উত্পাদন এবং ড্রাইভ অ্যাকশনে নিয়ে যেতে দেয়৷ সেজমেকার ক্যানভাস হল একটি নো-কোড ওয়ার্কস্পেস যা বিশ্লেষক এবং নাগরিক ডেটা বিজ্ঞানীদের তাদের ব্যবসার প্রয়োজনের জন্য সঠিক ML পূর্বাভাস তৈরি করতে সক্ষম করে।

এখন পর্যন্ত, সেজমেকার ক্যানভাস একটি এমএল মডেলের মূল্যায়ন করার, বাল্ক ভবিষ্যদ্বাণী তৈরি করার এবং তার ইন্টারেক্টিভ কর্মক্ষেত্রের মধ্যে কী-যদি বিশ্লেষণ চালানোর ক্ষমতা প্রদান করেছে। কিন্তু এখন আপনি রিয়েল-টাইম ইনফেরেন্সিংয়ের জন্য অ্যামাজন সেজমেকার এন্ডপয়েন্টগুলিতে মডেলগুলি স্থাপন করতে পারেন, এটি মডেলের ভবিষ্যদ্বাণীগুলি গ্রহণ করা এবং সেজমেকার ক্যানভাস ওয়ার্কস্পেসের বাইরে ক্রিয়াকলাপগুলিকে অনায়াসে তৈরি করে৷ সেজমেকার ক্যানভাস থেকে সরাসরি এমএল মডেল স্থাপন করার ক্ষমতা থাকা ম্যানুয়ালি রপ্তানি, কনফিগার, পরীক্ষা, এবং উৎপাদনে এমএল মডেল স্থাপন করার প্রয়োজনীয়তা দূর করে, যার ফলে জটিলতা হ্রাস এবং সময় সাশ্রয় হয়। এটি কোড লেখার প্রয়োজন ছাড়াই ML মডেলগুলিকে ব্যক্তিদের কাছে আরও অ্যাক্সেসযোগ্য করে তোলে।

এই পোস্টে, আমরা আপনাকে প্রক্রিয়াটির মাধ্যমে নিয়ে যেতে চাই সেজমেকার ক্যানভাসে একটি মডেল স্থাপন করুন একটি রিয়েল-টাইম এন্ডপয়েন্টে।

সমাধান ওভারভিউ

আমাদের ব্যবহারের ক্ষেত্রে, আমরা একটি মোবাইল ফোন অপারেটরের বিপণন বিভাগে একজন ব্যবসায়িক ব্যবহারকারীর ভূমিকা গ্রহণ করছি এবং আমরা সফলভাবে সেজমেকার ক্যানভাসে একটি এমএল মডেল তৈরি করেছি যাতে গ্রাহকদের মন্থনের সম্ভাব্য ঝুঁকি রয়েছে। আমাদের মডেল দ্বারা উত্পন্ন ভবিষ্যদ্বাণীগুলির জন্য ধন্যবাদ, আমরা এখন এটিকে আমাদের উন্নয়ন পরিবেশ থেকে উৎপাদনে নিয়ে যেতে চাই। অনুমানের জন্য আমাদের মডেল এন্ডপয়েন্ট স্থাপনের প্রক্রিয়াটিকে প্রবাহিত করতে, আমরা সরাসরি সেজমেকার ক্যানভাস থেকে এমএল মডেল স্থাপন করি, যার ফলে ম্যানুয়ালি রপ্তানি, কনফিগার, পরীক্ষা এবং উৎপাদনে এমএল মডেল স্থাপন করার প্রয়োজনীয়তা দূর হয়। এটি জটিলতা কমাতে সাহায্য করে, সময় বাঁচায় এবং কোড লেখার প্রয়োজন ছাড়াই ML মডেলগুলিকে ব্যক্তিদের কাছে আরও অ্যাক্সেসযোগ্য করে তোলে।

কর্মপ্রবাহের ধাপগুলি নিম্নরূপ:

1. SageMaker ক্যানভাসে বর্তমান গ্রাহক জনসংখ্যার সাথে একটি নতুন ডেটাসেট আপলোড করুন৷ সমর্থিত ডেটা উত্সগুলির সম্পূর্ণ তালিকার জন্য, পড়ুন৷ ক্যানভাসে ডেটা আমদানি করুন.
2. এমএল মডেল তৈরি করুন এবং তাদের কর্মক্ষমতা মেট্রিক্স বিশ্লেষণ করুন। নির্দেশাবলীর জন্য, পড়ুন একটি কাস্টম মডেল তৈরি করুন এবং অ্যামাজন সেজমেকার ক্যানভাসে আপনার মডেলের কর্মক্ষমতা মূল্যায়ন করুন.
3. অনুমোদিত মডেল সংস্করণ স্থাপন করুন রিয়েল-টাইম ইনফারেন্সিংয়ের জন্য একটি শেষ পয়েন্ট হিসাবে।

আপনি কোডের একটি লাইন না লিখে সেজমেকার ক্যানভাসে এই পদক্ষেপগুলি সম্পাদন করতে পারেন।

পূর্বশর্ত

এই ওয়াকথ্রুটির জন্য, নিশ্চিত করুন যে নিম্নলিখিত পূর্বশর্তগুলি পূরণ হয়েছে:

1. SageMaker এন্ডপয়েন্টে মডেল সংস্করণ স্থাপন করতে, SageMaker ক্যানভাস প্রশাসককে অবশ্যই SageMaker ক্যানভাস ব্যবহারকারীকে প্রয়োজনীয় অনুমতি দিতে হবে, যা আপনি SageMaker ডোমেনে পরিচালনা করতে পারেন যা আপনার SageMaker ক্যানভাস অ্যাপ্লিকেশন হোস্ট করে। আরো তথ্যের জন্য, পড়ুন ক্যানভাসে অনুমতি ব্যবস্থাপনা.
   
2. উল্লেখিত পূর্বশর্তগুলি বাস্তবায়ন করুন Amazon SageMaker ক্যানভাস ব্যবহার করে নো-কোড মেশিন লার্নিং সহ গ্রাহক মন্থনের পূর্বাভাস দিন.

আপনার এখন ক্যানভাসে ঐতিহাসিক মন্থন ভবিষ্যদ্বাণী ডেটাতে প্রশিক্ষিত তিনটি মডেল সংস্করণ থাকা উচিত:

• 1% মডেল স্কোর সহ V21 সমস্ত 96.903 বৈশিষ্ট্য এবং দ্রুত বিল্ড কনফিগারেশন সহ প্রশিক্ষিত
• V2 সমস্ত 19টি বৈশিষ্ট্য সহ প্রশিক্ষিত (ফোন এবং রাষ্ট্রীয় বৈশিষ্ট্যগুলি সরানো হয়েছে) এবং দ্রুত বিল্ড কনফিগারেশন এবং 97.403% এর উন্নত নির্ভুলতা
• V3 97.103% মডেল স্কোর সহ স্ট্যান্ডার্ড বিল্ড কনফিগারেশন সহ প্রশিক্ষিত

গ্রাহক মন্থন পূর্বাভাস মডেল ব্যবহার করুন

সক্ষম করা উন্নত মেট্রিক্স দেখান মডেলের বিশদ বিবরণ পৃষ্ঠায় এবং প্রতিটি মডেল সংস্করণের সাথে সম্পর্কিত উদ্দেশ্য মেট্রিক্স পর্যালোচনা করুন যাতে আপনি শেষপয়েন্ট হিসাবে SageMaker-এ স্থাপনের জন্য সেরা-পারফর্মিং মডেলটি নির্বাচন করতে পারেন।

কর্মক্ষমতা মেট্রিক্সের উপর ভিত্তি করে, আমরা মোতায়েন করার জন্য সংস্করণ 2 নির্বাচন করি।

মডেল স্থাপনার সেটিংস কনফিগার করুন — স্থাপনার নাম, উদাহরণের ধরন এবং উদাহরণ গণনা।

একটি প্রারম্ভিক বিন্দু হিসাবে, ক্যানভাস স্বয়ংক্রিয়ভাবে আপনার মডেল স্থাপনের জন্য সেরা দৃষ্টান্তের প্রকার এবং দৃষ্টান্তের সংখ্যা সুপারিশ করবে। আপনি আপনার কাজের চাপের প্রয়োজন অনুযায়ী এটি পরিবর্তন করতে পারেন।

আপনি সরাসরি SageMaker ক্যানভাসের মধ্যে থেকে স্থাপন করা SageMaker ইনফারেন্স এন্ডপয়েন্ট পরীক্ষা করতে পারেন।

অতিরিক্ত মন্থন পূর্বাভাস অনুমান করতে আপনি সেজমেকার ক্যানভাস ইউজার ইন্টারফেস ব্যবহার করে ইনপুট মান পরিবর্তন করতে পারেন।

এখন এর নেভিগেট করা যাক অ্যামাজন সেজমেকার স্টুডিও এবং নিয়োজিত শেষ পয়েন্ট চেক আউট.

SageMaker স্টুডিওতে একটি নোটবুক খুলুন এবং স্থাপন করা মডেলের শেষ পয়েন্ট অনুমান করতে নিম্নলিখিত কোডটি চালান। আপনার নিজের মডেল এন্ডপয়েন্ট নাম দিয়ে মডেল এন্ডপয়েন্ট নামটি প্রতিস্থাপন করুন।

import boto3, sys
import pandas as pd endpoint_name = "canvas-customer-churn-prediction-model"
sm_rt = boto3.Session().client('runtime.sagemaker') payload = [['PA',163,806,403-2562, 'no', 'yes', 300, 8.16, 3, 7.57,3.93,4,6.5,4.07,100,5.11,4.92,6,5.67,3]]
body = pd.DataFrame(payload).to_csv(header=False, index=False).encode("utf-8") response = sm_rt.invoke_endpoint(EndpointName=endpoint_name, Body=body, ContentType="text/csv",Accept="application/json") response = response['Body'].read().decode("utf-8")
print(response)

আমাদের আসল মডেল এন্ডপয়েন্ট একটি ml.m5.xlarge ইনস্ট্যান্স এবং 1টি ইনস্ট্যান্স কাউন্ট ব্যবহার করছে। এখন, ধরে নেওয়া যাক আপনি আশা করছেন যে আপনার মডেলের এন্ডপয়েন্ট অনুমানকারী শেষ-ব্যবহারকারীর সংখ্যা বৃদ্ধি পাবে এবং আপনি আরও গণনা ক্ষমতা প্রদান করতে চান। আপনি নির্বাচন করে SageMaker ক্যানভাসের মধ্যে থেকে সরাসরি এটি সম্পন্ন করতে পারেন কনফিগারেশন আপডেট করুন.

পরিষ্কার কর

ভবিষ্যতের চার্জ এড়াতে, এই পোস্টটি অনুসরণ করার সময় আপনার তৈরি সংস্থানগুলি মুছুন। এর মধ্যে সেজমেকার ক্যানভাস থেকে লগ আউট করা এবং স্থাপন করা SageMaker এন্ডপয়েন্ট মুছে ফেলা হচ্ছে. সেজমেকার ক্যানভাস আপনাকে সেশনের সময়কালের জন্য বিল দেয় এবং আপনি যখন এটি ব্যবহার করছেন না তখন আমরা সেজমেকার ক্যানভাস থেকে লগ আউট করার পরামর্শ দিই। নির্দেশ করে Amazon SageMaker ক্যানভাস থেকে লগ আউট করা হচ্ছে আরো বিস্তারিত জানার জন্য.

উপসংহার

এই পোস্টে, আমরা আলোচনা করেছি যে কীভাবে সেজমেকার ক্যানভাস ML মডেলগুলিকে রিয়েল-টাইম ইনফারেন্সিং এন্ডপয়েন্টগুলিতে স্থাপন করতে পারে, আপনাকে ML-চালিত অন্তর্দৃষ্টিগুলির উপর ভিত্তি করে আপনার ML মডেলগুলিকে উত্পাদন এবং ড্রাইভ অ্যাকশনে নেওয়ার অনুমতি দেয়৷ আমাদের উদাহরণে, আমরা দেখিয়েছি যে কীভাবে একজন বিশ্লেষক দ্রুত কোনো কোড না লিখে একটি অত্যন্ত নির্ভুল ভবিষ্যদ্বাণীমূলক ML মডেল তৈরি করতে পারেন, এটিকে SageMaker-এ একটি এন্ডপয়েন্ট হিসেবে স্থাপন করতে পারেন, এবং SageMaker ক্যানভাস, সেইসাথে একটি SageMaker স্টুডিও নোটবুক থেকে মডেল এন্ডপয়েন্ট পরীক্ষা করতে পারেন।

আপনার লো-কোড/নো-কোড এমএল যাত্রা শুরু করতে, পড়ুন আমাজন সেজমেকার ক্যানভাস.

লঞ্চে অবদানকারী প্রত্যেককে বিশেষ ধন্যবাদ: প্রশান্ত কুরুমাদ্দালি, অভিষেক কুমার, অ্যালেন লিউ, শন লেস্টার, রিচা সুন্দ্রানি এবং অ্যালিসিয়া কিউ।

লেখক সম্পর্কে

জানিশা আনন্দ অ্যামাজন সেজমেকার লো/নো কোড এমএল টিমের একজন সিনিয়র প্রোডাক্ট ম্যানেজার, যার মধ্যে রয়েছে সেজমেকার ক্যানভাস এবং সেজমেকার অটোপাইলট। তিনি কফি উপভোগ করেন, সক্রিয় থাকেন এবং তার পরিবারের সাথে সময় কাটান।

ইন্ডি সাহনি আমাজন ওয়েব পরিষেবাগুলির সাথে একজন সিনিয়র গ্রাহক সমাধান নেতা। গ্রাহক সমস্যা থেকে সর্বদা পিছিয়ে কাজ করে, ইন্ডি তাদের অনন্য ক্লাউড রূপান্তর যাত্রার মাধ্যমে AWS এন্টারপ্রাইজ গ্রাহক নির্বাহীদের পরামর্শ দেয়। এন্টারপ্রাইজ সংস্থাগুলিকে উদীয়মান প্রযুক্তি এবং ব্যবসায়িক সমাধান গ্রহণে সহায়তা করার জন্য তার 25 বছরেরও বেশি অভিজ্ঞতা রয়েছে। ইন্ডি হল এআই/এমএল-এর জন্য AWS-এর টেকনিক্যাল ফিল্ড কমিউনিটির গভীরতা বিশেষজ্ঞের একটি ক্ষেত্র, যার মধ্যে জেনারেটিভ এআই এবং লো-কোড/নো-কোড অ্যামাজন সেজমেকার সমাধান রয়েছে।

• 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/deploy-ml-models-built-in-amazon-sagemaker-canvas-to-amazon-sagemaker-real-time-endpoints/