আবাসনের মূল্য নির্ধারণ মেশিন লার্নিং (এমএল) ব্যবহারের একটি সর্বোত্তম উদাহরণ। হ্যারিসন এবং রুবিনফেল্ড (1978) দ্বারা একটি উল্লেখযোগ্য প্রভাব তৈরি হয়েছিল, যিনি একটি যুগান্তকারী কাগজ এবং ডেটাসেট প্রকাশ করেছিলেন যা অনানুষ্ঠানিকভাবে বোস্টন হাউজিং ডেটাসেট হিসাবে পরিচিত হয়েছিল। এই মূল কাজটি বাতাসের গুণমান সহ অসংখ্য মাত্রার একটি ফাংশন হিসাবে আবাসন মূল্য অনুমান করার জন্য একটি পদ্ধতির প্রস্তাব করেছিল, যা তাদের গবেষণার প্রধান ফোকাস ছিল। প্রায় 50 বছর পরে, আবাসন মূল্যের অনুমান ব্যবসায়িক সিদ্ধান্ত গ্রহণে ডেটা এবং এমএল ব্যবহার করতে আগ্রহী ছাত্র এবং পেশাদারদের জন্য একটি গুরুত্বপূর্ণ শিক্ষার হাতিয়ার হয়ে উঠেছে।
এই পোস্টে, আমরা একটি ওপেন-সোর্স মডেলের ব্যবহার নিয়ে আলোচনা করেছি যা বিশেষভাবে ভিজ্যুয়াল প্রশ্নের উত্তর দেওয়ার (VQA) কাজের জন্য ডিজাইন করা হয়েছে। VQA-এর মাধ্যমে, আপনি প্রাকৃতিক ভাষা ব্যবহার করে একটি ফটোর প্রশ্ন জিজ্ঞাসা করতে পারেন এবং আপনার প্রশ্নের উত্তর পেতে পারেন—এছাড়াও সরল ভাষায়। এই পোস্টে আমাদের লক্ষ্য হল এই প্রযুক্তি ব্যবহার করে যা সম্ভব তা অনুপ্রাণিত করা এবং প্রদর্শন করা। আমরা সঙ্গে এই ক্ষমতা ব্যবহার করার প্রস্তাব আমাজন সেজমেকার একটি ML ব্যবহারের ক্ষেত্রে এবং স্বাধীনভাবে, ভিজ্যুয়াল ইমেজগুলির স্বয়ংক্রিয় ট্যাগিংয়ের জন্য রিগ্রেশন মডেলের সঠিকতা উন্নত করতে পরিষেবাগুলির প্ল্যাটফর্ম।
আমরা একটি সংশ্লিষ্ট প্রদান ইউটিউব ভিডিও যা এখানে আলোচনা করা হয়েছে তা প্রদর্শন করে। সবচেয়ে গুরুত্বপূর্ণ পয়েন্ট হাইলাইট করতে ভিডিও প্লেব্যাক মাঝপথে শুরু হবে। আমরা পরামর্শ দিচ্ছি যে আপনি ভিডিওটির সাথে এই পঠনটি অনুসরণ করুন যাতে ধারণাটি আরও শক্তিশালী হয় এবং আরও সমৃদ্ধ হয়।
ফাউন্ডেশন মডেল
এই সমাধানটি হাগিং ফেস মডেল ভান্ডারে প্রকাশিত একটি ফাউন্ডেশন মডেলের ব্যবহারকে কেন্দ্র করে। এখানে, আমরা শব্দটি ব্যবহার করি ভিত্তি মডেল একটি কৃত্রিম বুদ্ধিমত্তা (এআই) ক্ষমতা বর্ণনা করতে যা একটি বৃহৎ এবং বৈচিত্র্যময় ডেটার উপর প্রাক-প্রশিক্ষিত করা হয়েছে। ফাউন্ডেশন মডেলগুলি কখনও কখনও শূন্য থেকে একটি মডেলকে প্রশিক্ষণের বোঝা ছাড়াই ব্যবহারের জন্য প্রস্তুত হতে পারে। কিছু ফাউন্ডেশন মডেল ফাইন-টিউন করা যেতে পারে, যার অর্থ তাদের অতিরিক্ত প্যাটার্ন শেখানো যা আপনার ব্যবসার সাথে প্রাসঙ্গিক কিন্তু আসল, সাধারণীকৃত প্রকাশিত মডেল থেকে অনুপস্থিত। আপনার ব্যবহারের ক্ষেত্রে বা জ্ঞানের অংশের জন্য অনন্য সঠিক প্রতিক্রিয়াগুলি সরবরাহ করার জন্য কখনও কখনও ফাইন-টিউনিংয়ের প্রয়োজন হয়।
মধ্যে আলিঙ্গন মুখ সংগ্রহস্থল, নির্বাচন করার জন্য বেশ কয়েকটি VQA মডেল রয়েছে। আমরা এই লেখার সময় সর্বাধিক ডাউনলোড সহ মডেলটি নির্বাচন করেছি। যদিও এই পোস্টটি একটি ওপেন সোর্স মডেল রিপোজিটরি থেকে একটি মডেল ব্যবহার করার ক্ষমতা প্রদর্শন করে, একই ধারণাটি এমন একটি মডেলের ক্ষেত্রে প্রযোজ্য হবে যা আপনি শূন্য থেকে প্রশিক্ষিত বা অন্য বিশ্বস্ত প্রদানকারীর কাছ থেকে ব্যবহার করেছেন৷
একটি ক্লাসিক ব্যবহারের ক্ষেত্রে একটি আধুনিক পদ্ধতি
বাড়ির মূল্য অনুমান ঐতিহ্যগতভাবে ট্যাবুলার ডেটার মাধ্যমে ঘটেছে যেখানে সম্পত্তির বৈশিষ্ট্যগুলি মূল্য জানাতে ব্যবহৃত হয়। যদিও বিবেচনা করার জন্য শত শত বৈশিষ্ট্য থাকতে পারে, কিছু মৌলিক উদাহরণ হল সমাপ্ত স্থানে বাড়ির আকার, শয়নকক্ষ এবং বাথরুমের সংখ্যা এবং বাসস্থানের অবস্থান।
মেশিন লার্নিং ট্যাবুলার ডেটার বাইরে বিভিন্ন ইনপুট উত্স অন্তর্ভুক্ত করতে সক্ষম, যেমন অডিও, স্থির চিত্র, মোশন ভিডিও এবং প্রাকৃতিক ভাষা। AI তে, শব্দটি মাল্টিমডাল বিভিন্ন ধরনের মিডিয়ার ব্যবহার বোঝায়, যেমন ছবি এবং ট্যাবুলার ডেটা। এই পোস্টে, আমরা আজকের আধুনিক বিশ্বের দ্বারা উত্পাদিত প্রচুর ডিজিটাল নিষ্কাশনের মধ্যে লুকানো মান খুঁজে পেতে এবং মুক্ত করতে মাল্টিমোডাল ডেটা কীভাবে ব্যবহার করতে হয় তা দেখাই।
এই ধারণাটি মাথায় রেখে, আমরা সম্পত্তির চিত্রগুলি থেকে সুপ্ত বৈশিষ্ট্যগুলি বের করতে ফাউন্ডেশন মডেলগুলির ব্যবহার প্রদর্শন করি৷ চিত্রগুলিতে পাওয়া অন্তর্দৃষ্টিগুলি ব্যবহার করে, যা পূর্বে ট্যাবুলার ডেটাতে উপলব্ধ ছিল না, আমরা মডেলের যথার্থতা উন্নত করতে পারি৷ এই পোস্টে আলোচনা করা ছবি এবং ট্যাবুলার ডেটা উভয়ই মূলত উপলব্ধ করা হয়েছে এবং প্রকাশ করা হয়েছে GitHub আহমেদ এবং মোস্তফা (2016) দ্বারা।
একটি ছবি হাজার শব্দের সমান
এখন যেহেতু আমরা VQA এর ক্ষমতা বুঝতে পেরেছি, আসুন রান্নাঘরের নিম্নলিখিত দুটি চিত্র বিবেচনা করি। কিভাবে আপনি এই ইমেজ থেকে বাড়ির মান মূল্যায়ন করবে? আপনি নিজেকে জিজ্ঞাসা করবেন কিছু প্রশ্ন কি? প্রতিটি ছবি আপনার মনে কয়েক ডজন প্রশ্ন জাগাতে পারে। এই প্রশ্নগুলির মধ্যে কিছু অর্থপূর্ণ উত্তরের দিকে নিয়ে যেতে পারে যা বাড়ির মূল্যায়ন প্রক্রিয়াকে উন্নত করে।
Unsplash-এ ফটো ক্রেডিট ফ্রান্সেস্কা তোসোলিনি (L) এবং Sidekix Media (R)
নিম্নলিখিত সারণীটি তাদের সংশ্লিষ্ট উত্তরগুলির পাশাপাশি প্রশ্নগুলি দেখিয়ে VQA মিথস্ক্রিয়াগুলির কাল্পনিক উদাহরণ প্রদান করে। উত্তর শ্রেণীবদ্ধ, ক্রমাগত মান, বা বাইনারি প্রতিক্রিয়া আকারে আসতে পারে।
উদাহরণ প্রশ্ন | ফাউন্ডেশন মডেল থেকে উদাহরণ উত্তর |
কাউন্টারটপ কি থেকে তৈরি? | গ্রানাইট, টালি, মার্বেল, ল্যামিনেট ইত্যাদি |
এটা কি দামি রান্নাঘর? | হ্যাঁ না |
কয়টি বিচ্ছিন্ন সিঙ্ক আছে? | 0, 1, 2 |
রেফারেন্স আর্কিটেকচার
এই পোস্টে, আমরা ব্যবহার অ্যামাজন সেজমেকার ডেটা র্যাংলার ডেটাসেটে হাজার হাজার ফটোর জন্য ভিজ্যুয়াল প্রশ্নগুলির একটি অভিন্ন সেট জিজ্ঞাসা করতে। সেজমেকার ডেটা র্যাংলার ডেটা প্রস্তুতি এবং বৈশিষ্ট্য প্রকৌশলের প্রক্রিয়াকে সহজ করার উদ্দেশ্যে তৈরি করা হয়েছে। 300 টিরও বেশি অন্তর্নির্মিত রূপান্তর প্রদান করে, SageMaker Data Wrangler ML-এর জন্য ট্যাবুলার এবং ইমেজ ডেটা প্রস্তুত করতে কয়েক সপ্তাহ থেকে মিনিট পর্যন্ত সময় কমাতে সাহায্য করে। এখানে, SageMaker Data Wrangler মডেল প্রশিক্ষণের জন্য ফাউন্ডেশন মডেল থেকে ফটো-জনিত বৈশিষ্ট্যগুলির সাথে মূল ট্যাবুলার সেট থেকে ডেটা বৈশিষ্ট্যগুলিকে একত্রিত করে।
এর পরে, আমরা ব্যবহার করে একটি রিগ্রেশন মডেল তৈরি করি আমাজন সেজমেকার ক্যানভাস. সেজমেকার ক্যানভাস কোনো কোড না লিখে একটি মডেল তৈরি করতে পারে এবং প্রাথমিক ফলাফল 2-15 মিনিটের মধ্যে দিতে পারে। নিম্নলিখিত বিভাগে, আমরা এই সমাধান নির্দেশিকাকে সম্ভব করতে ব্যবহৃত একটি রেফারেন্স আর্কিটেকচার প্রদান করি।
Hugging Face এবং অন্যান্য প্রদানকারীর অনেক জনপ্রিয় মডেল এক-ক্লিকে স্থাপনযোগ্য আমাজন সেজমেকার জাম্পস্টার্ট. এই সংগ্রহস্থলগুলিতে কয়েক হাজার মডেল উপলব্ধ রয়েছে। এই পোস্টের জন্য, আমরা SageMaker JumpStart-এ উপলব্ধ নয় এমন একটি মডেল বেছে নিয়েছি, যার জন্য গ্রাহক স্থাপনের প্রয়োজন। নিম্নলিখিত চিত্রে দেখানো হয়েছে, আমরা একটি ব্যবহার করে অনুমানের জন্য একটি আলিঙ্গন মুখ মডেল স্থাপন করি অ্যামাজন সেজমেকার স্টুডিও নোটবই. নোটবুকটি রিয়েল-টাইম ইনফারেন্সের জন্য একটি শেষ পয়েন্ট স্থাপন করতে ব্যবহৃত হয়। নোটবুকটি এমন সম্পদ ব্যবহার করে যার মধ্যে রয়েছে হাগিং ফেস বাইনারি মডেল, একটি কন্টেইনার ইমেজের একটি পয়েন্টার এবং একটি উদ্দেশ্য-নির্মিত inference.py স্ক্রিপ্ট যা মডেলের প্রত্যাশিত ইনপুট এবং আউটপুটের সাথে মেলে৷ আপনি এটি পড়ার সাথে সাথে উপলব্ধ VQA মডেলগুলির মিশ্রণ পরিবর্তিত হতে পারে। গুরুত্বপূর্ণ বিষয় হল উপলব্ধ VQA মডেলগুলি পর্যালোচনা করা, আপনি এটি পড়ার সময়ে, এবং আপনি যে মডেলটি বেছে নিয়েছেন তা স্থাপন করার জন্য প্রস্তুত থাকুন, যার নিজস্ব API অনুরোধ এবং প্রতিক্রিয়া চুক্তি থাকবে।
VQA মডেলটি সেজমেকার এন্ডপয়েন্ট দ্বারা পরিবেশিত হওয়ার পরে, আমরা পাইপলাইন অর্কেস্ট্রেট করতে সেজমেকার ডেটা র্যাংলার ব্যবহার করি যা শেষ পর্যন্ত ডিজিটাল চিত্রগুলি থেকে প্রাপ্ত ট্যাবুলার ডেটা এবং বৈশিষ্ট্যগুলিকে একত্রিত করে এবং মডেল প্রশিক্ষণের জন্য ডেটা পুনরায় আকার দেয়। পরবর্তী চিত্রটি কীভাবে সম্পূর্ণ-স্কেল ডেটা ট্রান্সফরমেশন কাজ চালানো হয় তার একটি দৃশ্য দেখায়।
নিম্নলিখিত চিত্রে, আমরা ডেটা প্রস্তুতির কাজগুলি সাজানোর জন্য সেজমেকার ডেটা র্যাংলার এবং মডেল প্রশিক্ষণের জন্য সেজমেকার ক্যানভাস ব্যবহার করি। প্রথমত, সেজমেকার ডেটা র্যাংলার ব্যবহার করে আমাজন অবস্থান পরিষেবা অক্ষাংশ এবং দ্রাঘিমাংশ বৈশিষ্ট্যগুলিতে কাঁচা ডেটাতে উপলব্ধ জিপ কোডগুলি রূপান্তর করতে। দ্বিতীয়ত, সেজমেকার ডেটা র্যাংলার বাস্তব সময়ের অনুমানের জন্য একটি সেজমেকার হোস্ট করা এন্ডপয়েন্টে হাজার হাজার ফটো পাঠানোর সমন্বয় করতে সক্ষম, প্রতি দৃশ্যে একটি অভিন্ন প্রশ্ন জিজ্ঞাসা করে। এর ফলে প্রচুর বৈশিষ্ট্য রয়েছে যা রান্নাঘর, বাথরুম, বাড়ির বহিরাঙ্গন এবং আরও অনেক কিছুতে পরিলক্ষিত বৈশিষ্ট্য বর্ণনা করে। সেজমেকার ডেটা র্যাংলার দ্বারা ডেটা প্রস্তুত করার পরে, একটি প্রশিক্ষণ ডেটা সেট পাওয়া যায় আমাজন সিম্পল স্টোরেজ সার্ভিস (Amazon S3)। একটি ইনপুট হিসাবে S3 ডেটা ব্যবহার করে, সেজমেকার ক্যানভাস কোনও কোড না লিখেই 2-15 মিনিটের মধ্যে একটি মডেলকে প্রশিক্ষণ দিতে সক্ষম।
SageMaker ডেটা র্যাংলার ব্যবহার করে ডেটা রূপান্তর
নিম্নলিখিত স্ক্রিনশটটি একটি সেজমেকার ডেটা র্যাংলার ওয়ার্কফ্লো দেখায়। কর্মপ্রবাহ শুরু হয় Amazon S3-এ সঞ্চিত বাড়ির হাজার হাজার ফটো দিয়ে। এরপরে, একটি দৃশ্য আবিষ্কারক দৃশ্য নির্ধারণ করে, যেমন রান্নাঘর বা বাথরুম। অবশেষে, চিত্রগুলি সম্পর্কে একটি দৃশ্য-নির্দিষ্ট প্রশ্ন জিজ্ঞাসা করা হয়, যার ফলে প্রশিক্ষণের জন্য একটি সমৃদ্ধ, সারণী ডেটাসেট উপলব্ধ হয়।
নিচে সেজমেকার ডেটা র্যাংলার কাস্টম ট্রান্সফরমেশন কোডের একটি উদাহরণ দেওয়া হল যা ভিত্তি মডেলের সাথে ইন্টারঅ্যাক্ট করতে এবং রান্নাঘরের ছবি সম্পর্কে তথ্য পেতে ব্যবহৃত হয়। পূর্ববর্তী স্ক্রিনশটে, আপনি যদি রান্নাঘরের বৈশিষ্ট্য নোডটি বেছে নেন, তাহলে নিম্নলিখিত কোডটি উপস্থিত হবে:
নিরাপত্তা বিবেচনায়, আপনাকে প্রথমে আপনার সেজমেকার রিয়েল-টাইম এন্ডপয়েন্টকে কল করার জন্য SageMaker ডেটা র্যাংলার সক্ষম করতে হবে এডাব্লুএস আইডেন্টিটি এবং অ্যাক্সেস ম্যানেজমেন্ট (আমি). একইভাবে, SageMaker Data Wrangler-এর মাধ্যমে আপনি যে কোনো AWS সংস্থান ব্যবহার করেন তার জন্য অনুরূপ অনুমতির অনুমতির প্রয়োজন হবে।
SageMaker Data Wrangler এর আগে এবং পরে ডেটা স্ট্রাকচার
এই বিভাগে, আমরা মূল ট্যাবুলার ডেটার গঠন এবং বর্ধিত ডেটা নিয়ে আলোচনা করি। বর্ধিত ডেটাতে এই উদাহরণ ব্যবহারের ক্ষেত্রে সম্পর্কিত নতুন ডেটা বৈশিষ্ট্য রয়েছে। আপনার অ্যাপ্লিকেশানে, আপনার শ্রেণীবিভাগ বা রিগ্রেশন টাস্কে সহায়তা করার জন্য আপনার চিত্রগুলিতে উপলব্ধ বিভিন্ন প্রশ্নের সেট কল্পনা করার জন্য সময় নিন। ধারণাটি হল যতটা সম্ভব প্রশ্ন কল্পনা করা এবং তারপরে তারা মান-সংযোজন প্রদান করে তা নিশ্চিত করার জন্য তাদের পরীক্ষা করা।
মূল ট্যাবুলার ডেটার কাঠামো
সূত্রে বর্ণিত গিটহুব রেপো, নমুনা ডেটাসেটে প্রতি সম্পত্তিতে চারটি ছবি সহ 535টি ট্যাবুলার রেকর্ড রয়েছে। নিম্নলিখিত সারণীটি মূল ট্যাবুলার ডেটার গঠন চিত্রিত করে।
বৈশিষ্ট্য | মন্তব্য |
শয়নকক্ষের সংখ্যা | . |
বাথরুমের সংখ্যা | . |
এলাকা (বর্গফুট) | . |
জিপ কোড | . |
মূল্য | এটি ভবিষ্যদ্বাণী করা লক্ষ্য পরিবর্তনশীল. |
উন্নত ডেটার কাঠামো
নিম্নলিখিত সারণীটি বর্ধিত ডেটা স্ট্রাকচারকে চিত্রিত করে, যা চিত্রগুলি থেকে প্রাপ্ত বেশ কয়েকটি নতুন বৈশিষ্ট্য ধারণ করে।
বৈশিষ্ট্য | মন্তব্য |
শয়নকক্ষের সংখ্যা | . |
বাথরুমের সংখ্যা | . |
এলাকা (বর্গফুট) | . |
অক্ষাংশ | Amazon অবস্থান পরিষেবাতে আসল জিপ কোড পাস করে গণনা করা হয়েছে। এটি জিপ-এর সেন্ট্রয়েড মান। |
দ্রাঘিমা | Amazon অবস্থান পরিষেবাতে আসল জিপ কোড পাস করে গণনা করা হয়েছে। এটি জিপ-এর সেন্ট্রয়েড মান। |
বেডরুমে কি খিলানযুক্ত সিলিং আছে? | 0 = না; 1 = হ্যাঁ |
বাথরুম কি ব্যয়বহুল? | 0 = না; 1 = হ্যাঁ |
রান্নাঘর কি ব্যয়বহুল? | 0 = না; 1 = হ্যাঁ |
মূল্য | এটি ভবিষ্যদ্বাণী করা লক্ষ্য পরিবর্তনশীল. |
সেজমেকার ক্যানভাসের সাথে মডেল প্রশিক্ষণ
একটি সেজমেকার ডেটা র্যাংলার প্রসেসিং কাজ সম্পূর্ণরূপে প্রস্তুত করে এবং সম্পূর্ণ টেবুলার প্রশিক্ষণ ডেটাসেট অ্যামাজন S3-এ উপলব্ধ করে। এরপরে, সেজমেকার ক্যানভাস এমএল লাইফসাইকেলের মডেল বিল্ডিং ফেজকে সম্বোধন করে। ক্যানভাস শুরু হয় S3 প্রশিক্ষণ সেট খোলার মাধ্যমে। একটি মডেল বুঝতে সক্ষম হচ্ছে প্রায়ই একটি মূল গ্রাহকের প্রয়োজনীয়তা. কোড না লিখে, এবং কয়েকটি ক্লিকের মধ্যে, SageMaker ক্যানভাস মডেলের কর্মক্ষমতা সম্পর্কে সমৃদ্ধ, চাক্ষুষ প্রতিক্রিয়া প্রদান করে। নিম্নলিখিত বিভাগে স্ক্রিনশট হিসাবে দেখা হয়েছে, সেজমেকার ক্যানভাস দেখায় যে কীভাবে একক বৈশিষ্ট্যগুলি মডেলটিকে জানায়৷
আসল ট্যাবুলার ডেটা এবং রিয়েল-এস্টেট ছবি থেকে প্রাপ্ত বৈশিষ্ট্য সহ প্রশিক্ষিত মডেল
আমরা নিম্নলিখিত স্ক্রিনশট থেকে দেখতে পাচ্ছি যে সম্পত্তির চিত্রগুলি থেকে বিকশিত বৈশিষ্ট্যগুলি গুরুত্বপূর্ণ ছিল৷ এই ফলাফলগুলির উপর ভিত্তি করে, ফটো থেকে "এই রান্নাঘরটি কি ব্যয়বহুল" প্রশ্নটি মূল টেবুলার সেটের "বেডরুমের সংখ্যা" থেকে বেশি তাৎপর্যপূর্ণ ছিল, যথাক্রমে 7.08 এবং 5.498 বৈশিষ্ট্যের গুরুত্ব সহ।
নিম্নলিখিত স্ক্রিনশট মডেল সম্পর্কে গুরুত্বপূর্ণ তথ্য প্রদান করে। প্রথমত, অবশিষ্ট গ্রাফ বেগুনি ছায়াযুক্ত অঞ্চলের চারপাশে সেট ক্লাস্টারিংয়ের বেশিরভাগ পয়েন্ট দেখায়। এখানে, এই দৃষ্টান্তের জন্য SageMaker ক্যানভাসের বাইরে দুটি আউটলিয়ার ম্যানুয়ালি টীকা করা হয়েছে। এই বহিরাগত প্রকৃত বাড়ির মান এবং পূর্বাভাসিত মূল্যের মধ্যে উল্লেখযোগ্য ব্যবধান উপস্থাপন করে। উপরন্তু, আর2 মান, যার সম্ভাব্য পরিসীমা 0-100%, 76% এ দেখানো হয়েছে। এটি নির্দেশ করে যে মডেলটি অসম্পূর্ণ এবং বাড়ির মান সম্পূর্ণরূপে অনুমান করার জন্য সমস্ত বৈচিত্র্যের জন্য সম্পূর্ণরূপে অ্যাকাউন্ট করার জন্য যথেষ্ট তথ্য পয়েন্ট নেই৷
আমরা একটি আরও ব্যাপক মডেল তৈরি করতে অতিরিক্ত সংকেত খুঁজে পেতে এবং প্রস্তাব করতে আউটলার ব্যবহার করতে পারি। উদাহরণস্বরূপ, এই বহিরাগত বৈশিষ্ট্যগুলির মধ্যে একটি সুইমিং পুল অন্তর্ভুক্ত থাকতে পারে বা বড় জমিতে অবস্থিত হতে পারে। ডেটাসেটে এই বৈশিষ্ট্যগুলি অন্তর্ভুক্ত ছিল না; যাইহোক, আপনি এই ডেটা সনাক্ত করতে এবং একটি অতিরিক্ত বৈশিষ্ট্য হিসাবে অন্তর্ভুক্ত "সুইমিং পুল আছে" সহ একটি নতুন মডেলকে প্রশিক্ষণ দিতে সক্ষম হতে পারেন৷ আদর্শভাবে, আপনার পরবর্তী প্রচেষ্টায়, আর2 মান বৃদ্ধি পাবে এবং MAE এবং RMSE মান হ্রাস পাবে।
রিয়েল-এস্টেট ছবি থেকে প্রাপ্ত বৈশিষ্ট্য ছাড়াই প্রশিক্ষিত মডেল
অবশেষে, পরবর্তী বিভাগে যাওয়ার আগে, চিত্রগুলির বৈশিষ্ট্যগুলি সহায়ক ছিল কিনা তা অন্বেষণ করা যাক৷ নিম্নলিখিত স্ক্রিনশটটি VQA মডেলের বৈশিষ্ট্যগুলি ছাড়াই আরেকটি সেজমেকার ক্যানভাস প্রশিক্ষিত মডেল সরবরাহ করে। আমরা দেখি মডেলের ত্রুটির হার বেড়েছে, 282K এর RMSE থেকে 352K এর RMSE পর্যন্ত। এটি থেকে, আমরা উপসংহারে আসতে পারি যে চিত্রগুলি থেকে তিনটি সহজ প্রশ্ন মডেলের নির্ভুলতা প্রায় 20% উন্নত করেছে। দেখানো হয়নি, কিন্তু সম্পূর্ণ হতে, আর2 নিম্নোক্ত মডেলের মানও খারাপ হয়েছে, VQA বৈশিষ্ট্যের সাথে 62% এর মান থেকে 76%-এর মান কমে গেছে। এটি একটি উদাহরণ যে কিভাবে SageMaker ক্যানভাস দ্রুত পরীক্ষা করা এবং ডেটা-চালিত পদ্ধতি ব্যবহার করা সহজ করে তোলে যা আপনার ব্যবসার প্রয়োজন পূরণের জন্য একটি মডেল তৈরি করে।
সামনে দেখ
অনেক প্রতিষ্ঠানই ফাউন্ডেশন মডেলের প্রতি ক্রমবর্ধমানভাবে আগ্রহী হয়ে উঠছে, বিশেষ করে যেহেতু সাধারণ প্রাক-প্রশিক্ষিত ট্রান্সফরমার (GPTs) আনুষ্ঠানিকভাবে 2022 সালের ডিসেম্বরে মূলধারার আগ্রহের বিষয় হয়ে উঠেছে। ; যাইহোক, অন্যান্য বৈচিত্র্যময় ব্যবহারের ক্ষেত্রে উপলব্ধ রয়েছে, যেমন কম্পিউটার দৃষ্টি এবং আরও সংকীর্ণভাবে, এখানে বর্ণিত বিশেষায়িত VQA টাস্ক।
এই পোস্টটি শিল্প ব্যবহারের ক্ষেত্রে সমাধান করার জন্য মাল্টিমডাল ডেটা ব্যবহারকে অনুপ্রাণিত করার একটি উদাহরণ। যদিও আমরা একটি রিগ্রেশন মডেলে VQA এর ব্যবহার এবং সুবিধা প্রদর্শন করেছি, এটি পরবর্তী অনুসন্ধান বা ব্যবসায়িক কর্মপ্রবাহ রাউটিং এর জন্য চিত্রগুলিকে লেবেল এবং ট্যাগ করতেও ব্যবহার করা যেতে পারে। বিক্রয় বা ভাড়ার জন্য তালিকাভুক্ত সম্পত্তি অনুসন্ধান করতে সক্ষম হচ্ছে কল্পনা করুন. ধরুন আপনি টাইল মেঝে বা মার্বেল কাউন্টারটপ সহ একটি সম্পত্তি খুঁজে পেতে চান। আজ, আপনাকে প্রার্থীর বৈশিষ্ট্যগুলির একটি দীর্ঘ তালিকা পেতে হতে পারে এবং আপনি প্রতিটি প্রার্থীর মাধ্যমে ব্রাউজ করার সাথে সাথে নিজেকে ফিল্টার করতে হবে। পরিবর্তে, এই বৈশিষ্ট্যগুলি ধারণ করে এমন তালিকাগুলি ফিল্টার করতে সক্ষম হওয়ার কল্পনা করুন—এমনকি যদি একজন ব্যক্তি স্পষ্টভাবে ট্যাগ না করে থাকে। বীমা শিল্পে, দাবি ক্ষতির অনুমান করার ক্ষমতা কল্পনা করুন, বা ছবি থেকে ব্যবসায়িক কর্মপ্রবাহে পরবর্তী ক্রিয়াগুলিকে রুট করুন৷ সোশ্যাল মিডিয়া প্ল্যাটফর্মগুলিতে, ফটোগুলি পরবর্তী ব্যবহারের জন্য স্বয়ংক্রিয়ভাবে ট্যাগ করা যেতে পারে।
সারাংশ
SageMaker প্ল্যাটফর্ম ব্যবহার করে একটি ক্লাসিক ML ব্যবহারের ক্ষেত্রে উন্নতি করতে একটি ফাউন্ডেশন মডেল দ্বারা সক্ষম কম্পিউটার দৃষ্টি কীভাবে ব্যবহার করা যায় তা এই পোস্টটি প্রদর্শন করেছে। প্রস্তাবিত সমাধানের অংশ হিসাবে, আমরা একটি পাবলিক মডেল রেজিস্ট্রিতে উপলব্ধ একটি জনপ্রিয় VQA মডেল খুঁজে পেয়েছি এবং রিয়েল-টাইম অনুমানের জন্য SageMaker এন্ডপয়েন্ট ব্যবহার করে এটি স্থাপন করেছি।
এরপরে, আমরা একটি ওয়ার্কফ্লো সাজানোর জন্য সেজমেকার ডেটা র্যাংলার ব্যবহার করেছি যেখানে ট্যাবুলার ডেটার একটি সমৃদ্ধ সেট তৈরি করার জন্য চিত্রগুলি সম্পর্কে অভিন্ন প্রশ্ন জিজ্ঞাসা করা হয়েছিল। অবশেষে, আমরা একটি রিগ্রেশন মডেল প্রশিক্ষণের জন্য সেজমেকার ক্যানভাস ব্যবহার করেছি। এটি লক্ষ করা গুরুত্বপূর্ণ যে নমুনা ডেটাসেটটি ছিল খুবই সহজ এবং তাই, ডিজাইনের দ্বারা অসম্পূর্ণ। তবুও, সেজমেকার ক্যানভাস মডেলের নির্ভুলতা বোঝা সহজ করে তোলে এবং একটি বেসলাইন মডেলের নির্ভুলতা উন্নত করতে অতিরিক্ত সংকেত খুঁজে বের করে।
আমরা আশা করি এই পোস্টটি আপনাকে আপনার প্রতিষ্ঠানের কাছে থাকা মাল্টিমোডাল ডেটা ব্যবহার করতে উৎসাহিত করেছে। উপরন্তু, আমরা আশা করি পোস্টটি আপনাকে মডেল প্রশিক্ষণকে একটি পুনরাবৃত্তিমূলক প্রক্রিয়া হিসেবে বিবেচনা করতে অনুপ্রাণিত করেছে। একটি মহান মডেল কিছু ধৈর্য সঙ্গে অর্জন করা যেতে পারে. যে মডেলগুলি প্রায় নিখুঁত তা সত্য হতে খুব ভাল হতে পারে, সম্ভবত লক্ষ্য ফুটো বা ওভারফিটিং এর ফলাফল। একটি আদর্শ দৃশ্যকল্প একটি মডেল দিয়ে শুরু হবে যা ভাল, কিন্তু নিখুঁত নয়। ত্রুটি, ক্ষতি, এবং অবশিষ্ট প্লট ব্যবহার করে, আপনি আপনার প্রাথমিক বেসলাইন অনুমান থেকে নির্ভুলতা বাড়ানোর জন্য অতিরিক্ত ডেটা সংকেত পেতে পারেন।
AWS ML পরিষেবাগুলির বিস্তৃত এবং গভীরতম সেট এবং সমর্থনকারী ক্লাউড অবকাঠামো অফার করে, প্রত্যেক ডেভেলপার, ডেটা সায়েন্টিস্ট এবং বিশেষজ্ঞ অনুশীলনকারীর হাতে ML দেয়৷ আপনি যদি SageMaker ডেটা র্যাংলার এবং SageMaker ক্যানভাস সহ SageMaker প্ল্যাটফর্ম সম্পর্কে আরও জানতে আগ্রহী হন, তাহলে অনুগ্রহ করে আপনার AWS অ্যাকাউন্ট টিমের সাথে যোগাযোগ করুন এবং একটি কথোপকথন শুরু করুন৷ এছাড়াও, সেজমেকার ডেটা র্যাংলার সম্পর্কে আরও পড়ার বিবেচনা করুন কাস্টম রূপান্তর.
তথ্যসূত্র
আহমেদ, ইএইচ, ও মোস্তফা, এম. (2016)। চাক্ষুষ এবং পাঠ্য বৈশিষ্ট্য থেকে বাড়ির মূল্য অনুমান। IJCCI 2016-কম্পিউটেশনাল ইন্টেলিজেন্স, 8, 3-62-এর উপর 68তম আন্তর্জাতিক যৌথ সম্মেলনের কার্যক্রম।
হ্যারিসন জুনিয়র, ডি., এবং রুবিনফেল্ড, ডিএল (1978)। হেডোনিক আবাসনের দাম এবং পরিষ্কার বাতাসের চাহিদা। পরিবেশগত অর্থনীতি এবং ব্যবস্থাপনা জার্নাল, 5(1), 81-102
Kim, W., Son, B. & Kim, I.. (2021)। ভিআইএলটি: কনভোলিউশন বা অঞ্চল তত্ত্বাবধান ছাড়াই দৃষ্টি-এন্ড-ভাষা ট্রান্সফরমার। মেশিন লার্নিং সংক্রান্ত 38তম আন্তর্জাতিক সম্মেলনের কার্যক্রম, মেশিন লার্নিং গবেষণার কার্যক্রমে। 139:5583-5594।
লেখক সম্পর্কে
চার্লস লাফলিন একজন প্রিন্সিপাল AI/ML স্পেশালিস্ট সলিউশন আর্কিটেক্ট এবং AWS-এ Amazon SageMaker পরিষেবা দলে কাজ করেন। তিনি পরিষেবার রোডম্যাপ গঠনে সাহায্য করেন এবং অত্যাধুনিক AWS প্রযুক্তি এবং চিন্তা নেতৃত্ব ব্যবহার করে তাদের ব্যবসায় রূপান্তরিত করতে বিভিন্ন AWS গ্রাহকদের সাথে প্রতিদিন সহযোগিতা করেন। চার্লস সাপ্লাই চেইন ম্যানেজমেন্টে এমএস এবং পিএইচডি করেছেন। ডেটা সায়েন্সে।
- 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/use-foundation-models-to-improve-model-accuracy-with-amazon-sagemaker/
- : আছে
- : হয়
- :না
- :কোথায়
- $ ইউপি
- 08
- 1
- 100
- 2016
- 2021
- 2022
- 32
- 49
- 50
- 50 বছর
- 7
- 8
- 8th
- a
- ক্ষমতা
- সক্ষম
- সম্পর্কে
- প্রচুর
- প্রবেশ
- হিসাব
- সঠিকতা
- অর্জন
- স্টক
- অতিরিক্ত
- উপরন্তু
- ঠিকানাগুলি
- পর
- আহমেদ
- AI
- এআই / এমএল
- এয়ার
- সব
- অনুমতি
- প্রায়
- এর পাশাপাশি
- এছাড়াও
- যদিও
- মর্দানী স্ত্রীলোক
- আমাজন সেজমেকার
- অ্যামাজন ওয়েব সার্ভিসেস
- amp
- an
- এবং
- অন্য
- উত্তর
- উত্তর
- কোন
- API
- প্রদর্শিত
- আবেদন
- প্রয়োগ করা
- অভিগমন
- স্থাপত্য
- রয়েছি
- কাছাকাছি
- বিন্যাস
- কৃত্রিম
- কৃত্রিম বুদ্ধিমত্তা
- কৃত্রিম বুদ্ধিমত্তা (এআই)
- AS
- জিজ্ঞাসা করা
- জিজ্ঞাসা
- পরিমাপ করা
- সম্পদ
- At
- প্রয়াস
- অডিও
- অটোমেটেড
- সহজলভ্য
- ডেস্কটপ AWS
- ভিত্তি
- বেসলাইন
- BE
- হয়ে ওঠে
- পরিণত
- মানানসই
- হয়েছে
- আগে
- শুরু করা
- হচ্ছে
- সুবিধা
- মধ্যে
- তার পরেও
- শরীর
- ত্তয়াল্জ্বিশেষ
- উভয়
- নির্মাণ করা
- ভবন
- বিল্ট-ইন
- বোঝা
- ব্যবসায়
- ব্যবসা
- কিন্তু
- by
- কল
- CAN
- প্রার্থী
- ক্যানভাস
- ক্ষমতা
- সামর্থ্য
- সক্ষম
- কেস
- মামলা
- ছাদ
- কেন্দ্রিক
- সেন্টার
- চেন
- পরিবর্তন
- বৈশিষ্ট্য
- চার্লস
- বেছে নিন
- দাবি
- সর্বোত্তম
- শ্রেণীবিন্যাস
- পরিষ্কার
- মেঘ
- মেঘ অবকাঠামো
- থলোথলো
- কোড
- কোডগুলি
- সহযোগিতা
- রঙ
- সম্মিলন
- আসা
- সম্পূর্ণ
- ব্যাপক
- গণনা
- কম্পিউটার
- কম্পিউটার ভিশন
- ধারণা
- শেষ করা
- সম্মেলন
- বিবেচনা
- বিবেচনা
- ধারণ করা
- আধার
- ধারণ
- একটানা
- চুক্তি
- কথোপকথন
- রূপান্তর
- তুল্য
- ঠিক
- অনুরূপ
- পারা
- ধার
- অদ্ভুত
- প্রথা
- ক্রেতা
- গ্রাহকদের
- কাটিং-এজ
- দৈনিক
- উপাত্ত
- ডেটা প্রস্তুতি
- তথ্য বিজ্ঞান
- তথ্য বিজ্ঞানী
- তথ্য সেট
- তথ্য কাঠামো
- তথ্য চালিত
- ডিসেম্বর
- সিদ্ধান্ত মেকিং
- হ্রাস
- গভীরতম
- প্রদান করা
- চাহিদা
- প্রদর্শন
- প্রদর্শিত
- প্রমান
- স্থাপন
- মোতায়েন
- বিস্তৃতি
- উদ্ভূত
- বর্ণনা করা
- বর্ণিত
- নকশা
- পরিকল্পিত
- নির্ধারণ করে
- উন্নত
- বিকাশকারী
- ডিজিটাল
- মাত্রা
- আলোচনা করা
- আলোচনা
- বিচিত্র
- do
- না
- না
- ডাউনলোড
- ডজন
- বাতিল
- e
- প্রতি
- সহজ
- অর্থনীতি
- সক্ষম করা
- সক্ষম করা
- প্রণোদিত
- শেষপ্রান্ত
- প্রকৌশল
- উন্নত
- যথেষ্ট
- সমগ্র
- পরিবেশ
- ভুল
- ত্রুটি
- বিশেষত
- হিসাব
- ইত্যাদি
- এমন কি
- প্রতি
- উদাহরণ
- উদাহরণ
- প্রত্যাশিত
- ব্যয়বহুল
- পরীক্ষা
- ক্যান্সার
- স্পষ্টভাবে
- অন্বেষণ করুণ
- নির্যাস
- মুখ
- বৈশিষ্ট্য
- বৈশিষ্ট্য
- প্রতিক্রিয়া
- ফুট
- কয়েক
- ব্যক্তিত্ব
- ছাঁকনি
- পরিশেষে
- আবিষ্কার
- প্রথম
- মেঝে
- কেন্দ্রবিন্দু
- অনুসরণ করা
- অনুসরণ
- অনুসরণ
- জন্য
- ফর্ম
- পাওয়া
- ভিত
- চার
- থেকে
- পূর্ণ স্কেল
- সম্পূর্ণরূপে
- ক্রিয়া
- ক্রিয়াকলাপ
- মৌলিক
- লাভ করা
- ফাঁক
- সাধারণ
- উত্পাদন করা
- পাওয়া
- লক্ষ্য
- ভাল
- চিত্রলেখ
- মহান
- যুগান্তকারী
- পথপ্রদর্শন
- হাত
- আছে
- he
- সাহায্য
- সহায়ক
- সাহায্য
- এখানে
- গোপন
- লক্ষণীয় করা
- ঝুলিতে
- হোম
- হোম
- আশা
- হোস্ট
- ঘর
- হাউজিং
- কিভাবে
- কিভাবে
- যাহোক
- HTTP
- HTTPS দ্বারা
- শত শত
- i
- ধারণা
- আদর্শ
- আদর্শভাবে
- পরিচয়
- if
- প্রকাশ
- ভাবমূর্তি
- চিত্র
- কল্পনা করা
- আমদানি
- গুরুত্ব
- গুরুত্বপূর্ণ
- উন্নত করা
- উন্নত
- in
- অন্তর্ভুক্ত করা
- অন্তর্ভুক্ত
- সুদ্ধ
- একত্রিত
- বৃদ্ধি
- বর্ধিত
- ক্রমবর্ধমানভাবে
- স্বাধীনভাবে
- ইঙ্গিত
- শিল্প
- প্রভাব
- জানান
- তথ্য
- পরিকাঠামো
- প্রারম্ভিক
- ইনপুট
- অর্ন্তদৃষ্টি
- অনুপ্রাণিত করা
- অনুপ্রাণিত
- পরিবর্তে
- বীমা
- বুদ্ধিমত্তা
- গর্ভনাটিকা
- পারস্পরিক ক্রিয়ার
- স্বার্থ
- আগ্রহী
- আন্তর্জাতিক
- মধ্যে
- IT
- এর
- কাজ
- যৌথ
- JPG
- JSON
- চাবি
- কিম
- জ্ঞান
- পরিচিত
- লেবেল
- জমি
- ভাষা
- বড়
- পরে
- নেতৃত্ব
- নেতৃত্ব
- শিখতে
- শিক্ষা
- জীবনচক্র
- তালিকা
- তালিকাভুক্ত
- তালিকা
- সামান্য
- LLM
- অবস্থিত
- অবস্থান
- লক
- দীর্ঘ
- লোকসান
- মেশিন
- মেশিন লার্নিং
- প্রণীত
- মেনস্ট্রিম
- করা
- তৈরি করে
- ব্যবস্থাপনা
- ম্যানুয়ালি
- অনেক
- ম্যাচ
- মে..
- অর্থপূর্ণ
- মানে
- মিডিয়া
- পদ্ধতি
- মিডওয়ে
- হতে পারে
- মন
- মিনিট
- অনুপস্থিত
- মিশ্রিত করা
- ML
- মডেল
- মডেল
- আধুনিক
- অধিক
- সেতু
- গতি
- চলন্ত
- অবশ্যই
- প্রাকৃতিক
- প্রয়োজন
- প্রয়োজন
- নতুন
- নতুন বৈশিষ্ট
- পরবর্তী
- না।
- নোড
- নোটবই
- সংখ্যা
- অনেক
- প্রাপ্ত
- ঘটেছে
- of
- অফার
- সরকারী ভাবে
- প্রায়ই
- on
- কেবল
- ওপেন সোর্স
- উদ্বোধন
- or
- ক্রম
- সংগঠন
- সংগঠন
- মূল
- মূলত
- অন্যান্য
- আমাদের
- বাইরে
- Outlier
- আউটপুট
- বাহিরে
- নিজের
- কাগজ
- অংশ
- পাসিং
- ধৈর্য
- নিদর্শন
- প্রতি
- নির্ভুল
- কর্মক্ষমতা
- সম্ভবত
- অনুমতি
- ব্যক্তি
- ফেজ
- ছবি
- দা
- ছবি
- ছবি
- পাইপলাইন
- সমভূমি
- মাচা
- প্ল্যাটফর্ম
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- দয়া করে
- বিন্দু
- পয়েন্ট
- পুকুর
- জনপ্রিয়
- অংশ
- ভোগদখল করা
- সম্ভব
- পোস্ট
- পূর্বাভাস
- প্রারম্ভিক
- প্রস্তুতি
- প্রস্তুত করা
- প্রস্তুত
- প্রস্তুত করে
- পূর্বে
- মূল্য
- দাম
- অধ্যক্ষ
- প্রসিডিংস
- প্রক্রিয়া
- প্রক্রিয়াজাতকরণ
- প্রযোজনা
- পেশাদার
- বৈশিষ্ট্য
- সম্পত্তি
- উত্থাপন করা
- প্রস্তাবিত
- প্রদান
- প্রদত্ত
- প্রদানকারী
- প্রদানকারীর
- উপলব্ধ
- প্রদানের
- প্রকাশ্য
- প্রকাশিত
- স্থাপন
- গুণ
- প্রশ্ন
- প্রশ্ন
- দ্রুত
- R
- পরিসর
- হার
- কাঁচা
- নাগাল
- পড়া
- পড়া
- প্রস্তুত
- প্রকৃত সময়
- গ্রহণ করা
- রেকর্ড
- হ্রাস করা
- উল্লেখ
- বোঝায়
- এলাকা
- রেজিস্ট্রি
- পুনরায় বলবৎ করা
- উপর
- প্রাসঙ্গিক
- ভাড়া
- সংগ্রহস্থলের
- চিত্রিত করা
- অনুরোধ
- প্রয়োজন
- প্রয়োজন
- গবেষণা
- পুনর্নির্মাণ
- বাসভবন
- Resources
- যথাক্রমে
- প্রতিক্রিয়া
- প্রতিক্রিয়া
- ফল
- ফলে এবং
- ফলাফল
- প্রত্যাবর্তন
- এখানে ক্লিক করুন
- ধনী
- গরীয়ান
- রোডম্যাপ
- রুট
- প্রমাথী
- চালান
- রানটাইম
- s
- ঋষি নির্মাতা
- বিক্রয়
- একই
- নমুনা ডেটাসেট
- দৃশ্যকল্প
- দৃশ্য
- বিজ্ঞান
- বিজ্ঞানী
- স্কট
- লিপি
- সার্চ
- দ্বিতীয়
- অধ্যায়
- নিরাপত্তা
- দেখ
- খোঁজ
- দেখা
- নির্বাচিত
- পাঠানোর
- পরিবেশন করা
- সার্ভিস পেয়েছে
- সেবা
- সেবা
- সেট
- বিভিন্ন
- আকৃতি
- প্রদর্শনী
- প্রদর্শিত
- শো
- দৃষ্টিশক্তি
- সংকেত
- গুরুত্বপূর্ণ
- অনুরূপ
- একভাবে
- সহজ
- সহজতর করা
- থেকে
- একক
- আয়তন
- So
- সামাজিক
- সামাজিক মাধ্যম
- সামাজিক মিডিয়া প্ল্যাটফর্ম
- সমাধান
- সমাধান
- কিছু
- কখনও কখনও
- তার
- উৎস
- সোর্স
- স্থান
- বিশেষজ্ঞ
- বিশেষজ্ঞ
- বিশেষভাবে
- বর্গক্ষেত্র
- শুরু
- এখনো
- স্টোরেজ
- সঞ্চিত
- অকপট
- গঠন
- কাঠামো
- শিক্ষার্থীরা
- পরবর্তী
- এমন
- সুপারিশ
- ভুল
- সরবরাহ
- সরবরাহ শৃঙ্খল
- সাপ্লাই চেইন ম্যানেজমেন্ট
- সমর্থক
- নিশ্চিত
- টেবিল
- TAG
- গ্রহণ করা
- লাগে
- লক্ষ্য
- কার্য
- কাজ
- শিক্ষাদান
- টীম
- প্রযুক্তি
- প্রযুক্তিঃ
- মেয়াদ
- পরীক্ষা
- পাঠগত
- চেয়ে
- যে
- সার্জারির
- উৎস
- তাদের
- তাহাদিগকে
- তারপর
- সেখানে।
- অতএব
- এইগুলো
- তারা
- জিনিস
- এই
- সেগুলো
- চিন্তা
- চিন্তা নেতৃত্ব
- হাজার
- হাজার হাজার
- তিন
- দ্বারা
- সময়
- থেকে
- আজ
- আজকের
- অত্যধিক
- টুল
- বিষয়
- ঐতিহ্যগতভাবে
- রেলগাড়ি
- প্রশিক্ষিত
- প্রশিক্ষণ
- রুপান্তর
- রুপান্তর
- রূপান্তরের
- ট্রান্সফরমার
- ট্রান্সফরমার
- সত্য
- বিশ্বস্ত
- দুই
- আদর্শ
- ধরনের
- পরিণামে
- বোঝা
- বোধশক্তি
- অনন্য
- Unsplash
- ব্যবহার
- ব্যবহার ক্ষেত্রে
- ব্যবহৃত
- ব্যবহারসমূহ
- ব্যবহার
- ব্যবহার
- মাননির্ণয়
- মূল্য
- মূল্য সংযোজন
- মানগুলি
- পরিবর্তনশীল
- বৈচিত্র্য
- খুব
- ভিডিও
- চেক
- দৃশ্যমান
- দৃষ্টি
- চাক্ষুষ
- W
- প্রয়োজন
- ছিল
- we
- ওয়েব
- ওয়েব সার্ভিস
- সপ্তাহ
- আমরা একটি
- ছিল
- কি
- যে
- হু
- ইচ্ছা
- জানালা
- সঙ্গে
- মধ্যে
- ছাড়া
- কাঠ
- হয়া যাই ?
- কর্মপ্রবাহ
- কাজ
- বিশ্ব
- মূল্য
- would
- লেখা
- বছর
- উৎপাদনের
- আপনি
- আপনার
- নিজেকে
- ইউটিউব
- zephyrnet
- শূন্য
- ফ্যাস্ শব্দ