আজকের দ্রুত বিকশিত স্বাস্থ্যসেবা ল্যান্ডস্কেপে, ডাক্তাররা বিভিন্ন উত্স থেকে প্রচুর পরিমাণে ক্লিনিকাল ডেটার সম্মুখীন হচ্ছেন, যেমন কেয়ারগিভার নোট, ইলেকট্রনিক হেলথ রেকর্ড এবং ইমেজিং রিপোর্ট। তথ্যের এই সম্পদ, যদিও রোগীর যত্নের জন্য অপরিহার্য, চিকিৎসা পেশাদারদের জন্য অনুসন্ধান এবং বিশ্লেষণ করার জন্য অপ্রতিরোধ্য এবং সময়সাপেক্ষ হতে পারে। এই ডেটা থেকে দক্ষতার সাথে সংক্ষিপ্তকরণ এবং অন্তর্দৃষ্টি নিষ্কাশন করা ভাল রোগীর যত্ন এবং সিদ্ধান্ত নেওয়ার জন্য অত্যন্ত গুরুত্বপূর্ণ। সংক্ষিপ্ত রোগীর তথ্য ডেটা একত্রিতকরণ, কার্যকরভাবে রোগীদের কোডিং, বা পর্যালোচনার জন্য অনুরূপ রোগ নির্ণয়ের সাথে রোগীদের গোষ্ঠীভুক্ত করার মতো অনেকগুলি ডাউনস্ট্রিম প্রক্রিয়ার জন্য উপযোগী হতে পারে।
কৃত্রিম বুদ্ধিমত্তা (AI) এবং মেশিন লার্নিং (ML) মডেলগুলি এই চ্যালেঞ্জগুলি মোকাবেলায় দুর্দান্ত প্রতিশ্রুতি দেখিয়েছে। মডেলগুলিকে বৃহৎ ভলিউম টেক্সট ডেটা বিশ্লেষণ এবং ব্যাখ্যা করার জন্য প্রশিক্ষিত করা যেতে পারে, কার্যকরভাবে তথ্যকে সংক্ষিপ্ত সারাংশে সংক্ষিপ্ত করে। সংক্ষিপ্তকরণ প্রক্রিয়া স্বয়ংক্রিয় করার মাধ্যমে, ডাক্তাররা দ্রুত প্রাসঙ্গিক তথ্যে অ্যাক্সেস লাভ করতে পারে, তাদের রোগীর যত্নে ফোকাস করতে এবং আরও সচেতন সিদ্ধান্ত নিতে দেয়। নিম্নলিখিত দেখুন কেস স্টাডি একটি বাস্তব-বিশ্ব ব্যবহার কেস সম্পর্কে আরও জানতে।
আমাজন সেজমেকার, একটি সম্পূর্ণরূপে পরিচালিত ML পরিষেবা, বিভিন্ন AI/ML-ভিত্তিক সংক্ষিপ্তকরণ মডেল এবং পদ্ধতির হোস্টিং এবং বাস্তবায়নের জন্য একটি আদর্শ প্ল্যাটফর্ম প্রদান করে৷ এই পোস্টে, আমরা সেজমেকারে সংক্ষিপ্তকরণের কৌশলগুলি প্রয়োগ করার জন্য বিভিন্ন বিকল্পগুলি অন্বেষণ করি, ব্যবহার সহ আমাজন সেজমেকার জাম্পস্টার্ট ফাউন্ডেশন মডেল, হাগিং ফেস থেকে ফাইন-টিউনিং প্রাক-প্রশিক্ষিত মডেল এবং কাস্টম সংক্ষিপ্তকরণ মডেল তৈরি করা। জটিল ক্লিনিকাল ডেটার সংক্ষিপ্ত এবং সঠিক সারসংক্ষেপ তৈরি করার জন্য স্বাস্থ্যসেবা পেশাদারদের সবচেয়ে উপযুক্ত সমাধান বেছে নিতে সক্ষম করে আমরা প্রতিটি পদ্ধতির সুবিধা এবং অসুবিধাগুলি নিয়েও আলোচনা করি।
আমরা শুরু করার আগে দুটি গুরুত্বপূর্ণ পদ জানা দরকার: প্রাক-প্রশিক্ষিত এবং ফাইন টিউনিং. একটি প্রাক-প্রশিক্ষিত বা ভিত্তি মডেল এমন একটি যা সাধারণত সাধারণ ভাষা জ্ঞানের জন্য ডেটার একটি বৃহৎ কর্পাসের উপর তৈরি এবং প্রশিক্ষণ দেওয়া হয়েছে। ফাইন-টিউনিং হল এমন একটি প্রক্রিয়া যার মাধ্যমে একটি প্রাক-প্রশিক্ষিত মডেলকে একটি নির্দিষ্ট কাজে তার কর্মক্ষমতা বাড়ানোর জন্য আরও একটি ডোমেন-নির্দিষ্ট ডেটাসেট দেওয়া হয়। একটি স্বাস্থ্যসেবা সেটিংয়ে, এর অর্থ হল মডেলটিকে কিছু ডেটা দেওয়া যার মধ্যে বাক্যাংশ এবং পরিভাষাগুলি বিশেষভাবে রোগীর যত্নের সাথে সম্পর্কিত।
SageMaker-এ কাস্টম সারাংশ মডেল তৈরি করুন
যদিও সবচেয়ে উচ্চ-প্রচেষ্টা পদ্ধতি, কিছু সংস্থা স্ক্র্যাচ থেকে সেজমেকারে কাস্টম সংক্ষিপ্তকরণ মডেল তৈরি করতে পছন্দ করতে পারে। এই পদ্ধতির জন্য এআই/এমএল মডেলগুলির আরও গভীর জ্ঞানের প্রয়োজন এবং স্ক্র্যাচ থেকে একটি মডেল আর্কিটেকচার তৈরি করা বা নির্দিষ্ট প্রয়োজন অনুসারে বিদ্যমান মডেলগুলিকে মানিয়ে নেওয়া জড়িত থাকতে পারে। কাস্টম মডেল তৈরি করা সংক্ষিপ্তকরণ প্রক্রিয়ার উপর আরও নমনীয়তা এবং নিয়ন্ত্রণ প্রদান করতে পারে, তবে প্রাক-প্রশিক্ষিত মডেলগুলি থেকে শুরু হওয়া পদ্ধতির তুলনায় আরও বেশি সময় এবং সংস্থান প্রয়োজন। এগিয়ে যাওয়ার আগে এই বিকল্পের সুবিধা এবং অসুবিধাগুলিকে সাবধানে ওজন করা অপরিহার্য, কারণ এটি সমস্ত ব্যবহারের ক্ষেত্রে উপযুক্ত নাও হতে পারে৷
সেজমেকার জাম্পস্টার্ট ফাউন্ডেশন মডেল
SageMaker-এ সারসংক্ষেপ বাস্তবায়নের জন্য একটি দুর্দান্ত বিকল্প হল জাম্পস্টার্ট ফাউন্ডেশন মডেল ব্যবহার করা। এই মডেলগুলি, নেতৃস্থানীয় AI গবেষণা সংস্থাগুলি দ্বারা তৈরি করা, পাঠ্য সংক্ষিপ্তকরণ সহ বিভিন্ন কাজের জন্য অপ্টিমাইজ করা প্রাক-প্রশিক্ষিত ভাষার মডেলগুলির একটি পরিসর অফার করে। সেজমেকার জাম্পস্টার্ট দুটি ধরণের ফাউন্ডেশন মডেল সরবরাহ করে: মালিকানাধীন মডেল এবং ওপেন-সোর্স মডেল। SageMaker JumpStart এছাড়াও HIPAA যোগ্যতা প্রদান করে, এটি স্বাস্থ্যসেবা কাজের চাপের জন্য উপযোগী করে তোলে। সম্মতি নিশ্চিত করা শেষ পর্যন্ত গ্রাহকের উপর নির্ভর করে, তাই যথাযথ পদক্ষেপ নিতে ভুলবেন না। দেখা অ্যামাজন ওয়েব পরিষেবাগুলিতে HIPAA সুরক্ষা এবং সম্মতির জন্য স্থাপত্য আরো বিস্তারিত জানার জন্য.
মালিকানা ভিত্তি মডেল
মালিকানাধীন মডেল, যেমন AI21-এর জুরাসিক মডেল এবং Cohere থেকে Cohere জেনারেট মডেল, SageMaker JumpStart-এর মাধ্যমে আবিষ্কার করা যেতে পারে এডাব্লুএস ম্যানেজমেন্ট কনসোল এবং বর্তমানে প্রিভিউ অধীনে আছে. সারসংক্ষেপের জন্য মালিকানাধীন মডেলগুলি ব্যবহার করা আদর্শ যখন আপনাকে কাস্টম ডেটাতে আপনার মডেলটি সূক্ষ্ম-টিউন করতে হবে না। এটি একটি সহজেই ব্যবহারযোগ্য, বাক্সের বাইরের সমাধান প্রদান করে যা ন্যূনতম কনফিগারেশনের সাথে আপনার সংক্ষিপ্তকরণের প্রয়োজনীয়তাগুলি পূরণ করতে পারে। এই প্রাক-প্রশিক্ষিত মডেলগুলির ক্ষমতাগুলি ব্যবহার করে, আপনি সময় এবং সংস্থানগুলি বাঁচাতে পারেন যা অন্যথায় একটি কাস্টম মডেলকে প্রশিক্ষণ এবং সূক্ষ্ম-টিউন করার জন্য ব্যয় করা হবে। অধিকন্তু, মালিকানাধীন মডেলগুলি সাধারণত ব্যবহারকারী-বান্ধব API এবং SDK এর সাথে আসে, যা আপনার বিদ্যমান সিস্টেম এবং অ্যাপ্লিকেশনগুলির সাথে একীকরণ প্রক্রিয়াকে সুগম করে। নির্দিষ্ট কাস্টমাইজেশন বা ফাইন-টিউনিংয়ের প্রয়োজন ছাড়াই যদি আপনার সংক্ষিপ্তকরণের প্রয়োজনগুলি প্রাক-প্রশিক্ষিত মালিকানাধীন মডেলগুলির দ্বারা পূরণ করা যায়, তাহলে তারা আপনার পাঠ্য সংক্ষিপ্তকরণের কাজগুলির জন্য একটি সুবিধাজনক, সাশ্রয়ী এবং দক্ষ সমাধান অফার করে। যেহেতু এই মডেলগুলি স্বাস্থ্যসেবা ব্যবহারের ক্ষেত্রে বিশেষভাবে প্রশিক্ষিত নয়, তাই সূক্ষ্ম টিউনিং ছাড়াই চিকিৎসা ভাষার জন্য গুণমানের নিশ্চয়তা দেওয়া যায় না।
Jurassic-2 Grande Instruct হল AI21 Labs দ্বারা একটি বৃহৎ ভাষা মডেল (LLM), প্রাকৃতিক ভাষা নির্দেশাবলীর জন্য অপ্টিমাইজ করা এবং বিভিন্ন ভাষার কাজের জন্য প্রযোজ্য। এটি একটি সহজে ব্যবহারযোগ্য API এবং পাইথন SDK অফার করে, গুণমান এবং সামর্থ্যের ভারসাম্য বজায় রাখে। জনপ্রিয় ব্যবহারের মধ্যে রয়েছে বিপণন অনুলিপি তৈরি করা, চ্যাটবটকে শক্তিশালী করা এবং পাঠ্য সংক্ষিপ্তকরণ।
SageMaker কনসোলে, SageMaker JumpStart-এ নেভিগেট করুন, AI21 Jurassic-2 Grande Instruct মডেলটি খুঁজুন এবং বেছে নিন মডেল চেষ্টা করুন.
আপনি যদি পরিচালনা করেন এমন একটি সেজমেকার এন্ডপয়েন্টে মডেল স্থাপন করতে চান তবে আপনি এই নমুনার ধাপগুলি অনুসরণ করতে পারেন নোটবই, যা আপনাকে দেখায় কিভাবে SageMaker ব্যবহার করে Jurassic-2 Large স্থাপন করতে হয়।
ওপেন সোর্স ফাউন্ডেশন মডেল
ওপেন-সোর্স মডেলগুলির মধ্যে রয়েছে FLAN T5, ব্লুম এবং GPT-2 মডেল যা সেজমেকার জাম্পস্টার্টের মাধ্যমে আবিষ্কার করা যেতে পারে অ্যামাজন সেজমেকার স্টুডিও UI, SageMaker কনসোলে SageMaker JumpStart এবং SageMaker JumpStart APIs। এই মডেলগুলিকে আপনার AWS অ্যাকাউন্টের অধীনে এন্ডপয়েন্টে সূক্ষ্ম সুর করা এবং স্থাপন করা যেতে পারে, আপনাকে মডেল ওজন এবং স্ক্রিপ্ট কোডগুলির সম্পূর্ণ মালিকানা প্রদান করে৷
Flan-T5 XL একটি শক্তিশালী এবং বহুমুখী মডেল যা বিস্তৃত ভাষার কাজের জন্য ডিজাইন করা হয়েছে। আপনার ডোমেন-নির্দিষ্ট ডেটার সাথে মডেলটিকে সূক্ষ্ম-টিউনিং করে, আপনি আপনার নির্দিষ্ট ব্যবহারের ক্ষেত্রে যেমন টেক্সট সংক্ষিপ্তকরণ বা অন্য কোনো NLP টাস্কের জন্য এর কার্যকারিতা অপ্টিমাইজ করতে পারেন। সেজমেকার স্টুডিও ইউআই ব্যবহার করে ফ্ল্যান-টি 5 এক্সএল কীভাবে সূক্ষ্ম-টিউন করা যায় তার বিশদ বিবরণের জন্য, দেখুন অ্যামাজন সেজমেকার জাম্পস্টার্টের সাথে FLAN T5 XL-এর জন্য নির্দেশনা ফাইন-টিউনিং.
SageMaker-এ Hugging Face সহ ফাইন-টিউনিং প্রাক-প্রশিক্ষিত মডেল
সেজমেকারে সারসংক্ষেপ বাস্তবায়নের জন্য সবচেয়ে জনপ্রিয় বিকল্পগুলির মধ্যে একটি হল হাগিং ফেস ব্যবহার করে প্রাক-প্রশিক্ষিত মডেলগুলিকে ফাইন-টিউনিং করা ট্রান্সফরমার লাইব্রেরি আলিঙ্গন মুখ টেক্সট সংক্ষিপ্তকরণ সহ বিভিন্ন প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP) কাজের জন্য বিশেষভাবে ডিজাইন করা প্রাক-প্রশিক্ষিত ট্রান্সফরমার মডেলের বিস্তৃত পরিসর প্রদান করে। আলিঙ্গন ফেস ট্রান্সফরমার লাইব্রেরির মাধ্যমে, আপনি SageMaker ব্যবহার করে আপনার ডোমেন-নির্দিষ্ট ডেটাতে এই প্রাক-প্রশিক্ষিত মডেলগুলিকে সহজেই সূক্ষ্ম-টিউন করতে পারেন। এই পদ্ধতির বেশ কিছু সুবিধা রয়েছে, যেমন দ্রুত প্রশিক্ষণের সময়, নির্দিষ্ট ডোমেনে আরও ভাল পারফরম্যান্স এবং বিল্ট-ইন সেজমেকার টুলস এবং পরিষেবাগুলি ব্যবহার করে সহজ মডেল প্যাকেজিং এবং স্থাপনা। আপনি যদি সেজমেকার জাম্পস্টার্টে একটি উপযুক্ত মডেল খুঁজে না পান তবে আপনি হাগিং ফেস দ্বারা অফার করা যে কোনও মডেল বেছে নিতে পারেন এবং সেজমেকার ব্যবহার করে এটিকে সূক্ষ্ম সুর করতে পারেন।
ML এর ক্ষমতা সম্পর্কে জানার জন্য একটি মডেলের সাথে কাজ শুরু করতে, আপনাকে যা করতে হবে তা হল সেজমেকার স্টুডিও খুলুন, একটি প্রাক-প্রশিক্ষিত মডেল খুঁজুন যা আপনি ব্যবহার করতে চান হাগিং ফেস মডেল হাব, এবং আপনার স্থাপনার পদ্ধতি হিসাবে SageMaker নির্বাচন করুন। আলিঙ্গন করা মুখ আপনাকে আপনার নোটবুকে কপি, পেস্ট এবং চালানোর কোড দেবে। তার যে হিসাবে হিসাবে সহজ! কোন এমএল ইঞ্জিনিয়ারিং অভিজ্ঞতা প্রয়োজন.
আলিঙ্গন ফেস ট্রান্সফরমার লাইব্রেরি নির্মাতাদের প্রাক-প্রশিক্ষিত মডেলগুলিতে কাজ করতে এবং ফাইন-টিউনিংয়ের মতো উন্নত কাজগুলি করতে সক্ষম করে, যা আমরা নিম্নলিখিত বিভাগে অন্বেষণ করি।
সংস্থান সংস্থান
আমরা শুরু করার আগে, আমাদের একটি নোটবুকের ব্যবস্থা করতে হবে। নির্দেশাবলীর জন্য, ধাপ 1 এবং 2 ইন দেখুন স্থানীয়ভাবে একটি মেশিন লার্নিং মডেল তৈরি করুন এবং প্রশিক্ষণ দিন. এই উদাহরণের জন্য, আমরা নিম্নলিখিত স্ক্রিনশটে দেখানো সেটিংস ব্যবহার করেছি।
আমরা একটি তৈরি করতে হবে আমাজন সিম্পল স্টোরেজ সার্ভিস (Amazon S3) প্রশিক্ষণ তথ্য এবং প্রশিক্ষণ নিদর্শন সংরক্ষণ করার জন্য বালতি. নির্দেশাবলীর জন্য, পড়ুন বালতি তৈরি হচ্ছে.
ডেটাসেট প্রস্তুত করুন
আরও ভাল ডোমেন জ্ঞান পেতে আমাদের মডেলটিকে সূক্ষ্ম-সুর করার জন্য, আমাদের কাজের জন্য উপযুক্ত ডেটা পেতে হবে। একটি এন্টারপ্রাইজ ব্যবহারের ক্ষেত্রে প্রশিক্ষণের সময়, প্রশিক্ষণের জন্য প্রস্তুত হওয়ার জন্য আপনার নিজস্ব ডেটা প্রস্তুত করার জন্য আপনাকে অনেকগুলি ডেটা ইঞ্জিনিয়ারিং কার্যের মধ্য দিয়ে যেতে হবে। সেই কাজগুলো এই পোস্টের আওতার বাইরে। এই উদাহরণের জন্য, আমরা নার্সিং নোট অনুকরণ করার জন্য কিছু সিন্থেটিক ডেটা তৈরি করেছি এবং এটি Amazon S3 এ সংরক্ষণ করেছি। Amazon S3 এ আমাদের ডেটা সংরক্ষণ করা আমাদের সক্ষম করে HIPAA সম্মতির জন্য আমাদের কাজের চাপের স্থপতি. আমরা সেই নোটগুলি পেয়ে শুরু করি এবং যেখানে আমাদের নোটবুক চলছে সেখানে লোড করার মাধ্যমে:
নোটগুলি সম্পূর্ণ এন্ট্রি, নোট, এবং একটি সংক্ষিপ্ত সংস্করণ সম্বলিত একটি কলামের সমন্বয়ে গঠিত যা আমাদের পছন্দসই আউটপুট কী হওয়া উচিত, সারসংক্ষেপ। এই ডেটাসেটটি ব্যবহার করার উদ্দেশ্য হল আমাদের মডেলের জৈবিক এবং চিকিৎসা শব্দভান্ডার উন্নত করা যাতে এটি একটি স্বাস্থ্যসেবা প্রসঙ্গে সংক্ষিপ্তকরণের সাথে আরও বেশি মানানসই হয়, যাকে বলা হয় ডোমেইন ফাইন-টিউনিং, এবং আমাদের মডেল দেখান কিভাবে এর সংক্ষিপ্ত আউটপুট গঠন করতে হয়। কিছু সংক্ষিপ্তকরণের ক্ষেত্রে, আমরা একটি নিবন্ধ থেকে একটি বিমূর্ত বা একটি পর্যালোচনার এক-লাইন সংক্ষিপ্তসার তৈরি করতে চাই, কিন্তু এই ক্ষেত্রে, আমরা আমাদের মডেলটি উপসর্গ এবং গৃহীত পদক্ষেপগুলির একটি সংক্ষিপ্ত সংস্করণ আউটপুট করার চেষ্টা করছি। এখন পর্যন্ত একজন রোগীর জন্য।
মডেল লোড করুন
আমরা আমাদের ফাউন্ডেশন হিসেবে যে মডেলটি ব্যবহার করি সেটি হল Google-এর পেগাসাসের একটি সংস্করণ, যাকে Hugging Face Hub-এ উপলব্ধ করা হয়, যাকে বলা হয় pegasus-xsum. এটি ইতিমধ্যেই সংক্ষিপ্তকরণের জন্য প্রাক-প্রশিক্ষিত, তাই আমাদের সূক্ষ্ম-টিউনিং প্রক্রিয়াটি এর ডোমেন জ্ঞান প্রসারিত করার উপর ফোকাস করতে পারে। আমাদের মডেল যে কাজটি চালায় তা পরিবর্তন করা একটি ভিন্ন ধরনের ফাইন-টিউনিং এই পোস্টে কভার করা হয়নি। ট্রান্সফরমার লাইব্রেরি আমাদের থেকে মডেল সংজ্ঞা লোড করার জন্য একটি ক্লাস সরবরাহ করে model_checkpoint: google/pegasus-xsum
. এটি হাব থেকে মডেলটি লোড করবে এবং এটিকে আমাদের নোটবুকে ইনস্ট্যান্টিয়েট করবে যাতে আমরা পরে এটি ব্যবহার করতে পারি। কারণ pegasus-xsum
একটি সিকোয়েন্স টু সিকোয়েন্স মডেল, আমরা Seq2Seq টাইপ ব্যবহার করতে চাই অটোমডেল শ্রেণী:
এখন যেহেতু আমাদের কাছে আমাদের মডেল আছে, এখন আমাদের মনোযোগ অন্যান্য উপাদানগুলির দিকে দেওয়ার সময় যা আমাদের প্রশিক্ষণ লুপ চালাতে সক্ষম করবে।
একটি টোকেনাইজার তৈরি করুন
এই উপাদানগুলির মধ্যে প্রথমটি হল টোকেনাইজার। টোকেনাইজেশন একটি প্রক্রিয়া যার মাধ্যমে ইনপুট ডেটা থেকে শব্দগুলিকে সাংখ্যিক উপস্থাপনায় রূপান্তরিত করা হয় যা আমাদের মডেল বুঝতে পারে। আবার, ট্রান্সফরমার লাইব্রেরি আমাদের জন্য একটি শ্রেণী প্রদান করে একটি টোকেনাইজার সংজ্ঞা লোড করার জন্য একই চেকপয়েন্ট থেকে যা আমরা মডেলটি ইনস্ট্যান্টিয়েট করতে ব্যবহার করেছি:
এই টোকেনাইজার অবজেক্টের সাহায্যে, আমরা একটি প্রিপ্রসেসিং ফাংশন তৈরি করতে পারি এবং এটিকে আমাদের ডেটাসেটে ম্যাপ করতে পারি যাতে আমাদেরকে মডেলে খাওয়ানোর জন্য প্রস্তুত টোকেন দিতে পারি। অবশেষে, আমরা টোকেনাইজড আউটপুট ফর্ম্যাট করি এবং আমাদের মূল পাঠ্য ধারণকারী কলামগুলি সরিয়ে ফেলি, কারণ মডেলটি তাদের ব্যাখ্যা করতে সক্ষম হবে না। এখন আমাদের কাছে একটি টোকেনাইজড ইনপুট রয়েছে যা মডেলে খাওয়ানোর জন্য প্রস্তুত। নিম্নলিখিত কোড দেখুন:
আমাদের ডেটা টোকেনাইজড এবং আমাদের মডেল ইনস্ট্যান্টিয়েটের সাথে, আমরা একটি প্রশিক্ষণ লুপ চালানোর জন্য প্রায় প্রস্তুত। পরবর্তী উপাদান যা আমরা তৈরি করতে চাই তা হল ডেটা কোলেটর এবং অপ্টিমাইজার। ডাটা কোলেটর হল ট্রান্সফরমার লাইব্রেরির মাধ্যমে Hugging Face দ্বারা প্রদত্ত আরেকটি ক্লাস, যা আমরা প্রশিক্ষণের জন্য আমাদের টোকেনাইজড ডেটার ব্যাচ তৈরি করতে ব্যবহার করি। আমরা টোকেনাইজার এবং মডেল অবজেক্টগুলি ব্যবহার করে সহজেই এটি তৈরি করতে পারি যা আমরা আগে থেকে আমাদের মডেলের (Seq2Seq) জন্য কোলেটর ক্লাসের জন্য ব্যবহার করেছি সংশ্লিষ্ট ক্লাস টাইপ খুঁজে বের করে। অপ্টিমাইজারের কাজ হল প্রশিক্ষণের অবস্থা বজায় রাখা এবং লুপের মাধ্যমে কাজ করার সময় আমাদের প্রশিক্ষণের ক্ষতির উপর ভিত্তি করে পরামিতিগুলি আপডেট করা। একটি অপ্টিমাইজার তৈরি করতে, আমরা আমদানি করতে পারি optim টর্চ মডিউল থেকে প্যাকেজ, যেখানে অনেকগুলি অপ্টিমাইজেশান অ্যালগরিদম পাওয়া যায়। আপনি আগে সম্মুখীন হতে পারে কিছু সাধারণ বেশী Stochastic গ্রেডিয়েন্ট ডিসেন্ট এবং আদম, আমাদের উদাহরণে প্রয়োগ করা হয় যা পরবর্তী. অ্যাডামের কনস্ট্রাক্টর প্রদত্ত প্রশিক্ষণ চালানোর জন্য মডেল প্যারামিটার এবং প্যারামিটারাইজড শেখার হার গ্রহণ করে। নিম্নলিখিত কোড দেখুন:
আমরা প্রশিক্ষণ শুরু করার আগে শেষ পদক্ষেপগুলি হল এক্সিলারেটর এবং শেখার হার নির্ধারণকারী তৈরি করা। অ্যাক্সিলারেটরটি একটি ভিন্ন লাইব্রেরি থেকে এসেছে (আমরা প্রাথমিকভাবে ট্রান্সফরমার ব্যবহার করছি) Hugging Face দ্বারা উত্পাদিত, যথার্থভাবে Accelerate নামে, এবং প্রশিক্ষণের সময় ডিভাইসগুলি পরিচালনা করার জন্য প্রয়োজনীয় যুক্তিকে বিমূর্ত করবে (উদাহরণস্বরূপ একাধিক GPU ব্যবহার করে)। চূড়ান্ত উপাদানের জন্য, আমরা আমাদের শেখার হারের সময়সূচী বাস্তবায়নের জন্য সর্বদা-উপযোগী ট্রান্সফরমার লাইব্রেরিটি পুনরায় পরিদর্শন করি। শিডিউলারের ধরন উল্লেখ করে, আমাদের লুপে প্রশিক্ষণের ধাপের মোট সংখ্যা এবং পূর্বে তৈরি করা অপ্টিমাইজার, get_scheduler
ফাংশন এমন একটি বস্তু প্রদান করে যা আমাদের প্রশিক্ষণ প্রক্রিয়া জুড়ে আমাদের প্রাথমিক শিক্ষার হার সামঞ্জস্য করতে সক্ষম করে:
আমরা এখন পুরোপুরি প্রশিক্ষণের জন্য সেট আপ করছি! চলুন একটি প্রশিক্ষণের কাজ সেট আপ করা যাক, ইনস্ট্যান্টিয়েট করে শুরু করে প্রশিক্ষণ_আর্গস ট্রান্সফরমার লাইব্রেরি ব্যবহার করে এবং প্যারামিটার মান নির্বাচন করা। আমরা আমাদের অন্যান্য প্রস্তুত উপাদান এবং ডেটাসেটের সাথে সরাসরি এগুলিকে পাস করতে পারি ক্রীড়াশিক্ষক এবং প্রশিক্ষণ শুরু করুন, নিম্নলিখিত কোডে দেখানো হয়েছে। আপনার ডেটাসেটের আকার এবং নির্বাচিত প্যারামিটারের উপর নির্ভর করে, এটি একটি উল্লেখযোগ্য পরিমাণ সময় নিতে পারে।
অনুমানের জন্য মডেলটি প্যাকেজ করুন
প্রশিক্ষণ চালানোর পরে, মডেল অবজেক্ট অনুমানের জন্য ব্যবহার করার জন্য প্রস্তুত। একটি সর্বোত্তম অনুশীলন হিসাবে, আসুন ভবিষ্যতে ব্যবহারের জন্য আমাদের কাজ সংরক্ষণ করি। আমাদের মডেল আর্টিফ্যাক্টগুলি তৈরি করতে হবে, সেগুলিকে একসাথে জিপ করতে হবে এবং স্টোরেজের জন্য Amazon S3 এ আমাদের টারবল আপলোড করতে হবে৷ জিপ করার জন্য আমাদের মডেল প্রস্তুত করতে, আমাদের এখন ফাইন-টিউন করা মডেলটি খুলে ফেলতে হবে, তারপর মডেল বাইনারি এবং সংশ্লিষ্ট কনফিগার ফাইলগুলি সংরক্ষণ করতে হবে। আমাদের টোকেনাইজারকে একই ডিরেক্টরিতে সংরক্ষণ করতে হবে যেখানে আমরা আমাদের মডেলের শিল্পকর্মগুলি সংরক্ষণ করেছি যাতে আমরা অনুমানের জন্য মডেলটি ব্যবহার করার সময় এটি উপলব্ধ থাকে। আমাদের model_dir
ফোল্ডারটি এখন নিম্নলিখিত কোডের মতো দেখতে হবে:
আমাদের ডিরেক্টরি জিপ আপ করার জন্য একটি tar কমান্ড চালানো এবং tar.gz ফাইলটি Amazon S3 এ আপলোড করা বাকি আছে:
আমাদের নতুন সূক্ষ্ম-টিউন করা মডেল এখন প্রস্তুত এবং অনুমানের জন্য ব্যবহার করার জন্য উপলব্ধ।
অনুমান সম্পাদন করুন
অনুমানের জন্য এই মডেল আর্টিফ্যাক্ট ব্যবহার করতে, একটি নতুন ফাইল খুলুন এবং নিম্নলিখিত কোডটি ব্যবহার করুন, পরিবর্তন করে model_data
Amazon S3-তে আপনার আর্টিফ্যাক্ট সেভ লোকেশন ফিট করার জন্য প্যারামিটার। দ্য HuggingFaceModel
কনস্ট্রাক্টর আমরা যে চেকপয়েন্টে সংরক্ষণ করেছি সেখান থেকে আমাদের মডেল পুনর্নির্মাণ করবে model.tar.gz
, যা আমরা ডিপ্লয় পদ্ধতি ব্যবহার করে অনুমানের জন্য স্থাপন করতে পারি। শেষ পয়েন্ট স্থাপন করতে কয়েক মিনিট সময় লাগবে।
শেষ বিন্দু স্থাপন করার পরে, আমরা এটি পরীক্ষা করার জন্য তৈরি করা ভবিষ্যদ্বাণী ব্যবহার করতে পারি। পাস predict
একটি ডেটা পেলোড পদ্ধতি করুন এবং সেল চালান, এবং আপনি আপনার সূক্ষ্ম-টিউনড মডেল থেকে প্রতিক্রিয়া পাবেন:
একটি মডেল ফাইন-টিউনিংয়ের সুবিধা দেখতে, আসুন একটি দ্রুত পরীক্ষা করি। নিম্নলিখিত সারণীতে একটি প্রম্পট এবং ফাইন-টিউনিংয়ের আগে এবং পরে মডেলটিতে সেই প্রম্পটটি পাস করার ফলাফল অন্তর্ভুক্ত রয়েছে।
প্রম্পট | নো ফাইন-টিউনিং সহ প্রতিক্রিয়া | ফাইন-টিউনিংয়ের সাথে প্রতিক্রিয়া |
রোগী যে লক্ষণগুলি অনুভব করছেন তার সংক্ষিপ্ত বিবরণ দিন। রোগী একজন 45 বছর বয়সী পুরুষ যার বুকে ব্যথা বাম বাহুতে ছড়িয়ে পড়ার অভিযোগ রয়েছে। ব্যথা হঠাৎ শুরু হয় যখন তিনি উঠানের কাজ করছিলেন, হালকা শ্বাসকষ্ট এবং ডায়াফোরসিসের সাথে যুক্ত। আগমনের সময় রোগীর হৃদস্পন্দন ছিল 120, শ্বাসযন্ত্রের হার 24, রক্তচাপ 170/95। 12টি সীসা ইলেক্ট্রোকার্ডিওগ্রাম জরুরী বিভাগে পৌঁছানোর পর করা হয় এবং তিনটি সাবলিঙ্গুয়াল নাইট্রোগ্লিসারিন বুকের ব্যথা উপশম ছাড়াই দেওয়া হয়৷ ইলেক্ট্রোকার্ডিওগ্রাম পূর্ববর্তী সীসাগুলিতে ST উচ্চতা দেখায় যা তীব্র অগ্রবর্তী মায়োকার্ডিয়াল ইনফার্কশন প্রদর্শন করে। আমরা কার্ডিয়াক ক্যাথেটারাইজেশন ল্যাবের সাথে যোগাযোগ করেছি এবং কার্ডিওলজিস্ট দ্বারা কার্ডিয়াক ক্যাথেটারাইজেশনের জন্য প্রস্তুতি নিচ্ছি। | আমরা তীব্র মায়োকার্ডিয়াল ইনফার্কশনের একটি কেস উপস্থাপন করি। | বুকে ব্যথা, পূর্ববর্তী MI, PCI। |
আপনি দেখতে পাচ্ছেন, আমাদের সূক্ষ্ম সুর করা মডেল স্বাস্থ্য পরিভাষাকে ভিন্নভাবে ব্যবহার করে, এবং আমরা আমাদের উদ্দেশ্যের সাথে মানানসই প্রতিক্রিয়ার কাঠামো পরিবর্তন করতে সক্ষম হয়েছি। লক্ষ্য করুন যে ফলাফলগুলি আপনার ডেটাসেট এবং প্রশিক্ষণের সময় করা ডিজাইনের পছন্দগুলির উপর নির্ভরশীল। আপনার মডেলের সংস্করণটি খুব ভিন্ন ফলাফল দিতে পারে।
পরিষ্কার কর
আপনি যখন আপনার সেজমেকার নোটবুকটি শেষ করবেন, দীর্ঘ-চলমান সংস্থান থেকে খরচ এড়াতে এটি বন্ধ করতে ভুলবেন না। মনে রাখবেন যে ইনস্ট্যান্স বন্ধ করার ফলে আপনি ইনস্ট্যান্সের ক্ষণস্থায়ী মেমরিতে সংরক্ষিত কোনো ডেটা হারাবেন, তাই আপনার সমস্ত কাজ পরিষ্কার করার আগে স্থায়ী স্টোরেজে সংরক্ষণ করা উচিত। এছাড়াও আপনি যেতে হবে সমাপ্তি SageMaker কনসোলে পৃষ্ঠা এবং অনুমানের জন্য স্থাপন করা কোনো শেষ পয়েন্ট মুছে দিন। সমস্ত নিদর্শন অপসারণ করতে, আপনার বালতিতে আপলোড করা ফাইলগুলি মুছতে আপনাকে Amazon S3 কনসোলে যেতে হবে।
উপসংহার
এই পোস্টে, আমরা স্বাস্থ্যসেবা পেশাদারদের দক্ষতার সাথে প্রক্রিয়া করতে এবং প্রচুর পরিমাণে ক্লিনিকাল ডেটা থেকে অন্তর্দৃষ্টি বের করতে সহায়তা করার জন্য সেজমেকারে পাঠ্য সংক্ষিপ্তকরণ কৌশলগুলি বাস্তবায়নের জন্য বিভিন্ন বিকল্পগুলি অন্বেষণ করেছি। আমরা সেজমেকার জাম্পস্টার্ট ফাউন্ডেশন মডেল, হাগিং ফেস থেকে সূক্ষ্ম-টিউনিং প্রাক-প্রশিক্ষিত মডেল এবং কাস্টম সংক্ষিপ্তকরণ মডেলগুলি তৈরি করার বিষয়ে আলোচনা করেছি। প্রতিটি পদ্ধতির নিজস্ব সুবিধা এবং ত্রুটি রয়েছে, বিভিন্ন প্রয়োজন এবং প্রয়োজনীয়তা পূরণ করে।
SageMaker-এ কাস্টম সংক্ষিপ্তকরণ মডেল তৈরি করা প্রচুর নমনীয়তা এবং নিয়ন্ত্রণের জন্য অনুমতি দেয় তবে প্রাক-প্রশিক্ষিত মডেলগুলি ব্যবহার করার চেয়ে আরও বেশি সময় এবং সংস্থান প্রয়োজন। সেজমেকার জাম্পস্টার্ট ফাউন্ডেশন মডেলগুলি এমন সংস্থাগুলির জন্য একটি সহজে ব্যবহারযোগ্য এবং সাশ্রয়ী সমাধান প্রদান করে যেগুলির জন্য নির্দিষ্ট কাস্টমাইজেশন বা ফাইন-টিউনিংয়ের প্রয়োজন হয় না, সেইসাথে সরলীকৃত ফাইন-টিউনিংয়ের জন্য কিছু বিকল্প। হাগিং ফেস থেকে ফাইন-টিউনিং প্রাক-প্রশিক্ষিত মডেলগুলি দ্রুত প্রশিক্ষণের সময়, আরও ভাল ডোমেন-নির্দিষ্ট কার্যকারিতা এবং মডেলের বিস্তৃত ক্যাটালগ জুড়ে সেজমেকার সরঞ্জাম এবং পরিষেবাগুলির সাথে বিরামবিহীন একীকরণের প্রস্তাব দেয়, তবে এটির জন্য কিছু বাস্তবায়ন প্রচেষ্টা প্রয়োজন। এই পোস্টটি লেখার সময়, অ্যামাজন আরেকটি বিকল্প ঘোষণা করেছে, আমাজন বেডরক, যা আরও বেশি পরিচালিত পরিবেশে সারসংক্ষেপের ক্ষমতা প্রদান করবে।
প্রতিটি পদ্ধতির সুবিধা এবং অসুবিধাগুলি বোঝার মাধ্যমে, স্বাস্থ্যসেবা পেশাদার এবং সংস্থাগুলি জটিল ক্লিনিকাল ডেটার সংক্ষিপ্ত এবং সঠিক সারসংক্ষেপ তৈরি করার জন্য সবচেয়ে উপযুক্ত সমাধান সম্পর্কে অবগত সিদ্ধান্ত নিতে পারে। পরিশেষে, সেজমেকারে এআই/এমএল-ভিত্তিক সংক্ষিপ্তকরণ মডেলগুলি ব্যবহার করে চিকিত্সা পেশাদারদের দ্রুত প্রাসঙ্গিক তথ্য অ্যাক্সেস করতে এবং মানসম্পন্ন যত্ন প্রদানের উপর ফোকাস করতে সক্ষম করে রোগীর যত্ন এবং সিদ্ধান্ত গ্রহণকে উল্লেখযোগ্যভাবে উন্নত করতে পারে।
Resources
এই পোস্টে আলোচনা করা সম্পূর্ণ স্ক্রিপ্ট এবং কিছু নমুনা ডেটার জন্য, দেখুন গিটহুব রেপো. AWS-এ এমএল ওয়ার্কলোড চালানোর বিষয়ে আরও তথ্যের জন্য, নিম্নলিখিত সংস্থানগুলি দেখুন:
লেখক সম্পর্কে
কোডি কলিন্স অ্যামাজন ওয়েব সার্ভিসেসের নিউ ইয়র্ক ভিত্তিক সলিউশন আর্কিটেক্ট। তিনি ক্লাউডে শিল্পের শীর্ষস্থানীয় সমাধান তৈরি করতে ISV গ্রাহকদের সাথে কাজ করেন। তিনি সফলভাবে বিভিন্ন শিল্পের জন্য জটিল প্রকল্পগুলি প্রদান করেছেন, দক্ষতা এবং মাপযোগ্যতা অপ্টিমাইজ করেছেন। তার অবসর সময়ে, তিনি জিউ জিৎসু পড়া, ভ্রমণ এবং প্রশিক্ষণ উপভোগ করেন।
আমীর হাকমে পেনসিলভানিয়ায় বসবাসকারী একজন AWS সলিউশন আর্কিটেক্ট। তার পেশাদার ফোকাসের মধ্যে রয়েছে সমগ্র উত্তর-পূর্ব জুড়ে স্বাধীন সফ্টওয়্যার বিক্রেতাদের সাথে সহযোগিতা করা, AWS ক্লাউডে স্কেলযোগ্য, অত্যাধুনিক প্ল্যাটফর্ম ডিজাইন এবং নির্মাণে তাদের গাইড করা।
- 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। মোটরগাড়ি / ইভি, কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
- ব্লকঅফসেট। পরিবেশগত অফসেট মালিকানার আধুনিকীকরণ। এখানে প্রবেশ করুন.
- উত্স: https://aws.amazon.com/blogs/machine-learning/exploring-summarization-options-for-healthcare-with-amazon-sagemaker/
- : আছে
- : হয়
- :না
- :কোথায়
- $ ইউপি
- 1
- 10
- 100
- 12
- 14
- 15%
- 24
- 33
- 7
- 8
- 9
- a
- সক্ষম
- সম্পর্কে
- বিমূর্ত
- দ্রুততর করা
- বেগবর্ধক ব্যক্তি
- প্রবেশ
- হিসাব
- সঠিক
- দিয়ে
- স্টক
- আদম
- সম্ভাষণ
- পরিচালিত
- অগ্রসর
- সুবিধাদি
- পর
- আবার
- মোট পরিমাণ
- AI
- আইআই গবেষণা
- এআই / এমএল
- আলগোরিদিম
- সব
- অনুমতি
- অনুমতি
- বরাবর
- ইতিমধ্যে
- এছাড়াও
- মর্দানী স্ত্রীলোক
- আমাজন সেজমেকার
- অ্যামাজন ওয়েব সার্ভিসেস
- পরিমাণ
- পরিমাণে
- an
- বিশ্লেষণ করা
- এবং
- ঘোষিত
- অন্য
- কোন
- API
- API গুলি
- প্রাসঙ্গিক
- অ্যাপ্লিকেশন
- ফলিত
- অভিগমন
- পন্থা
- যথাযথ
- স্থাপত্য
- রয়েছি
- এআরএম
- আগমন
- প্রবন্ধ
- AS
- যুক্ত
- At
- মনোযোগ
- স্বয়ংক্রিয়করণ
- সহজলভ্য
- এড়াতে
- দূরে
- ডেস্কটপ AWS
- মিট
- ভিত্তি
- BE
- কারণ
- হয়েছে
- আগে
- শুরু করা
- সুবিধা
- সুবিধা
- সর্বোত্তম
- উত্তম
- বিন
- রক্ত
- রক্তচাপ
- পুষ্প
- বক্স
- শ্বাস
- প্রশস্ত
- নির্মাণ করা
- বিল্ডার
- ভবন
- নির্মিত
- বিল্ট-ইন
- কিন্তু
- by
- কল
- নামক
- CAN
- ক্ষমতা
- যত্ন
- সাবধানে
- কেস
- মামলা
- তালিকা
- কারণ
- চ্যালেঞ্জ
- পরিবর্তন
- chatbots
- পছন্দ
- বেছে নিন
- নির্বাচন
- মনোনীত
- শ্রেণী
- রোগশয্যা
- মেঘ
- কোড
- কোডগুলি
- কোডিং
- সহযোগী
- স্তম্ভ
- কলাম
- আসা
- আসে
- সাধারণ
- তুলনা
- অভিযোগ
- জটিল
- সম্মতি
- উপাদান
- উপাদান
- স্থিরীকৃত
- সংক্ষিপ্ত
- কনফিগারেশন
- মন্দ দিক
- কনসোল
- নির্মাতা
- প্রসঙ্গ
- নিয়ন্ত্রণ
- সুবিধাজনক
- অনুরূপ
- সাশ্রয়ের
- খরচ
- পারা
- আবৃত
- সৃষ্টি
- নির্মিত
- তৈরি করা হচ্ছে
- কঠোর
- এখন
- প্রথা
- ক্রেতা
- গ্রাহকদের
- স্বনির্ধারণ
- উপাত্ত
- ডেটাসেট
- সিদ্ধান্ত মেকিং
- সিদ্ধান্ত
- সংজ্ঞা
- নিষ্কৃত
- প্রদর্শক
- বিভাগ
- নির্ভরশীল
- নির্ভর করে
- স্থাপন
- মোতায়েন
- মোতায়েন
- বিস্তৃতি
- নকশা
- পরিকল্পিত
- ফন্দিবাজ
- আকাঙ্ক্ষিত
- বিস্তারিত
- উন্নত
- ডিভাইস
- বিভিন্ন
- সরাসরি
- আবিষ্কৃত
- আলোচনা করা
- আলোচনা
- বিচিত্র
- do
- ডাক্তার
- করছেন
- ডোমেইন
- ডোমেইনের
- সম্পন্ন
- Dont
- নিচে
- অপূর্ণতা
- সময়
- প্রতি
- সহজ
- সহজে
- সহজ
- ব্যবহার করা সহজ
- কার্যকরীভাবে
- দক্ষতা
- দক্ষ
- দক্ষতার
- প্রচেষ্টা
- বৈদ্যুতিক
- বৈদ্যুতিন স্বাস্থ্য রেকর্ডস
- নির্বাচিত হইবার যোগ্যতা
- জরুরি অবস্থা
- সক্ষম করা
- সম্ভব
- সক্রিয়
- শেষপ্রান্ত
- প্রকৌশল
- উন্নত করা
- নিশ্চিত করা
- উদ্যোগ
- প্রবেশ
- পরিবেশ
- কাল
- অপরিহার্য
- এমন কি
- নব্য
- উদাহরণ
- বিদ্যমান
- অভিজ্ঞতা
- সম্মুখীন
- অন্বেষণ করুণ
- অন্বেষণ করা
- এক্সপ্লোরিং
- ব্যাপ্ত
- নির্যাস
- মুখ
- মুখোমুখি
- এ পর্যন্ত
- দ্রুত
- প্রতিপালিত
- কয়েক
- ফাইল
- নথি পত্র
- চূড়ান্ত
- পরিশেষে
- আবিষ্কার
- আবিষ্কার
- প্রথম
- ফিট
- নমনীয়তা
- কেন্দ্রবিন্দু
- অনুসরণ করা
- অনুসরণ
- জন্য
- বিন্যাস
- ভিত
- থেকে
- সম্পূর্ণ
- সম্পূর্ণরূপে
- ক্রিয়া
- তদ্ব্যতীত
- ভবিষ্যৎ
- লাভ করা
- সাধারণ
- উত্পাদন করা
- উত্পন্ন
- উৎপাদিত
- পাওয়া
- পেয়ে
- দাও
- প্রদত্ত
- দান
- Go
- Google এর
- জিপিইউ
- মহান
- বৃহত্তর
- নিশ্চিত
- আছে
- he
- স্বাস্থ্য
- স্বাস্থ্যসেবা
- হৃদয়
- সাহায্য
- তার
- হোস্টিং
- কিভাবে
- কিভাবে
- এইচটিএমএল
- HTTP
- HTTPS দ্বারা
- নাভি
- জড়িয়ে আছে
- আদর্শ
- if
- ইমেজিং
- বাস্তবায়ন
- বাস্তবায়ন
- বাস্তবায়ন
- আমদানি
- গুরুত্বপূর্ণ
- উন্নত করা
- in
- গভীর
- অন্তর্ভুক্ত করা
- অন্তর্ভুক্ত
- সুদ্ধ
- স্বাধীন
- শিল্প
- শিল্প
- তথ্য
- অবগত
- প্রারম্ভিক
- ইনপুট
- ইনপুট
- অর্ন্তদৃষ্টি
- উদাহরণ
- নির্দেশাবলী
- ইন্টিগ্রেশন
- বুদ্ধিমত্তা
- মধ্যে
- জড়িত করা
- IT
- এর
- কাজ
- JSON
- মাত্র
- জানা
- জ্ঞান
- গবেষণাগার
- ল্যাবস
- ভূদৃশ্য
- ভাষা
- বড়
- গত
- পরে
- নেতৃত্ব
- নেতৃত্ব
- বিশালাকার
- শিখতে
- শিক্ষা
- বাম
- লাইব্রেরি
- মত
- LLM
- বোঝা
- বোঝাই
- অবস্থান
- যুক্তিবিদ্যা
- দেখুন
- হারান
- ক্ষতি
- মেশিন
- মেশিন লার্নিং
- প্রণীত
- বজায় রাখা
- করা
- মেকিং
- পরিচালনা করা
- পরিচালিত
- ব্যবস্থাপনা
- মানচিত্র
- Marketing
- মে..
- গড়
- চিকিৎসা
- সম্মেলন
- স্মৃতি
- মিলিত
- পদ্ধতি
- হতে পারে
- যত্সামান্য
- মিনিট
- ML
- মডেল
- মডেল
- মডিউল
- অধিক
- সেতু
- সবচেয়ে জনপ্রিয়
- বহু
- নামে
- প্রাকৃতিক
- স্বাভাবিক ভাষা প্রক্রিয়াকরণ
- নেভিগেট করুন
- প্রয়োজন
- চাহিদা
- নতুন
- নিউ ইয়র্ক
- সদ্য
- পরবর্তী
- NLP
- না।
- নোটবই
- নোট
- এখন
- সংখ্যা
- লক্ষ্য
- বস্তু
- of
- অর্পণ
- প্রদত্ত
- অফার
- পুরাতন
- on
- ONE
- ওগুলো
- সূত্রপাত
- সম্মুখের দিকে
- খোলা
- ওপেন সোর্স
- পরিচালনা করা
- অপ্টিমাইজেশান
- অপ্টিমিজ
- অপ্টিমাইজ
- সর্বোচ্চকরন
- পছন্দ
- অপশন সমূহ
- or
- ক্রম
- সংগঠন
- মূল
- অন্যান্য
- অন্যভাবে
- আমাদের
- বাইরে
- আউটপুট
- বাহিরে
- শেষ
- নিজের
- মালিকানা
- প্যাকেজ
- প্যাকেজিং
- পৃষ্ঠা
- ব্যথা
- স্থিতিমাপ
- পরামিতি
- বিশেষ
- পাস
- পাসিং
- রোগী
- রোগীদের
- পক্ষিরাজ ঘোড়া
- পেনসিলভানিয়া
- কর্মক্ষমতা
- সংক্রান্ত
- বাক্যাংশ
- মাচা
- প্ল্যাটফর্ম
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- বিন্দু
- জনপ্রিয়
- পোস্ট
- ক্ষমতাশালী
- powering
- অনুশীলন
- Predictor
- পছন্দ করা
- প্রস্তুত করা
- প্রস্তুত
- বর্তমান
- চাপ
- প্রি
- পূর্বে
- প্রাথমিকভাবে
- প্রক্রিয়া
- প্রসেস
- প্রক্রিয়াজাতকরণ
- প্রযোজনা
- পেশাদারী
- পেশাদার
- প্রকল্প
- প্রতিশ্রুতি
- মালিকানা
- অনুকূল
- প্রদান
- প্রদত্ত
- উপলব্ধ
- প্রদানের
- বিধান
- উদ্দেশ্য
- উদ্দেশ্য
- করা
- পাইথন
- গুণ
- দ্রুত
- দ্রুত
- পরিসর
- দ্রুত
- হার
- পড়া
- প্রস্তুত
- বাস্তব জগতে
- রেকর্ড
- প্রাসঙ্গিক
- মুক্তি
- অপসারণ
- প্রতিবেদন
- প্রয়োজন
- প্রয়োজনীয়
- আবশ্যকতা
- প্রয়োজন
- গবেষণা
- Resources
- প্রতিক্রিয়া
- ফলাফল
- আয়
- এখানে ক্লিক করুন
- ভূমিকা
- চালান
- দৌড়
- রান
- ঋষি নির্মাতা
- একই
- সংরক্ষণ করুন
- স্কেলেবিলিটি
- মাপযোগ্য
- সুযোগ
- আঁচড়ের দাগ
- SDK
- sdks
- নির্বিঘ্ন
- বিভাগে
- নিরাপত্তা
- দেখ
- আলাদা
- সেবা
- সেবা
- সেট
- বিন্যাস
- সেটিংস
- বিভিন্ন
- সংক্ষিপ্ত
- উচিত
- প্রদর্শনী
- প্রদর্শিত
- শো
- সম্পূর্ণ বন্ধ
- সিট
- গুরুত্বপূর্ণ
- উল্লেখযোগ্যভাবে
- অনুরূপ
- সহজ
- সরলীকৃত
- আয়তন
- So
- যতদূর
- সফটওয়্যার
- সমাধান
- সলিউশন
- কিছু
- কিছু
- সোর্স
- নির্দিষ্ট
- বিশেষভাবে
- অতিবাহিত
- শুরু
- শুরু হচ্ছে
- রাষ্ট্র
- রাষ্ট্র-এর-শিল্প
- প্রারম্ভিক ব্যবহারের নির্দেশাবলী
- স্টোরেজ
- দোকান
- সঞ্চিত
- সংরক্ষণ
- streamlining
- গঠন
- চিত্রশালা
- sublingual
- সফলভাবে
- এমন
- আকস্মিক
- মামলা
- উপযুক্ত
- সংক্ষিপ্তসার
- নিশ্চিত
- লক্ষণগুলি
- সংক্ষিপ্তসার
- কৃত্রিম
- সিনথেটিক ডেটা
- সিস্টেম
- টেবিল
- গ্রহণ করা
- ধরা
- লাগে
- কার্য
- কাজ
- প্রযুক্তি
- পরিভাষা
- শর্তাবলী
- পরীক্ষা
- চেয়ে
- যে
- সার্জারির
- কেমন মিথ্যাবাদী
- তাহাদিগকে
- তারপর
- এইগুলো
- তারা
- এই
- সেগুলো
- তিন
- দ্বারা
- সর্বত্র
- সময়
- সময় অপগিত হয় এমন
- বার
- থেকে
- আজকের
- একসঙ্গে
- টোকেনাইজড
- টোকেন
- সরঞ্জাম
- মশাল
- মোট
- রেলগাড়ি
- প্রশিক্ষিত
- প্রশিক্ষণ
- রুপান্তরিত
- ট্রান্সফরমার
- ট্রান্সফরমার
- ভ্রমণ
- দুই
- আদর্শ
- ধরনের
- সাধারণত
- ui
- পরিণামে
- অক্ষম
- অধীনে
- বোঝা
- বোধশক্তি
- আপডেট
- আপলোড করা
- us
- ব্যবহার
- ব্যবহার ক্ষেত্রে
- ব্যবহৃত
- ব্যবহারকারী বান্ধব
- ব্যবহারসমূহ
- ব্যবহার
- ব্যবহার
- বৈধতা
- মানগুলি
- বিভিন্ন
- সুবিশাল
- বিক্রেতারা
- বহুমুখ কর্মশক্তিসম্পন্ন
- সংস্করণ
- খুব
- ভলিউম
- প্রয়োজন
- ছিল
- we
- ধন
- ওয়েব
- ওয়েব সার্ভিস
- তৌল করা
- আমরা একটি
- কি
- কখন
- যে
- যখন
- ব্যাপক
- প্রশস্ত পরিসর
- ইচ্ছা
- সঙ্গে
- ছাড়া
- শব্দ
- হয়া যাই ?
- কাজ
- কাজ
- would
- লেখা
- বছর
- ইয়র্ক
- আপনি
- আপনার
- zephyrnet
- ফ্যাস্ শব্দ