ব্যবহার করে দল দ্বারা সম্মুখীন চ্যালেঞ্জ এক মেট্রিক্সের জন্য অ্যামাজন লুকআউট এটি দ্রুত এবং দক্ষতার সাথে ডেটা ভিজ্যুয়ালাইজেশনের সাথে সংযুক্ত করছে। অসঙ্গতিগুলিকে পৃথকভাবে মেট্রিক্স কনসোলে লুকআউটে উপস্থাপন করা হয়, প্রতিটির নিজস্ব গ্রাফ সহ, সেটটিকে সামগ্রিকভাবে দেখা কঠিন করে তোলে। গভীর বিশ্লেষণের জন্য একটি স্বয়ংক্রিয়, সমন্বিত সমাধান প্রয়োজন।
এই পোস্টে, আমরা অনুসরণ করে নির্মিত মেট্রিক্স লাইভ ডিটেক্টরের জন্য একটি লুকআউট ব্যবহার করি শুরু হচ্ছে থেকে বিভাগ AWS নমুনা, মেট্রিক্সের জন্য Amazon Lookout GitHub রেপো। ডিটেক্টর সক্রিয় হওয়ার পরে এবং ডেটাসেট থেকে অসঙ্গতিগুলি তৈরি হওয়ার পরে, আমরা মেট্রিক্সের জন্য মেট্রিক্সকে সংযুক্ত করি অ্যামাজন কুইকসাইট. আমরা দুটি ডেটাসেট তৈরি করি: একটি অ্যানোমালি টেবিলের সাথে ডাইমেনশন টেবিলে যোগ দিয়ে এবং অন্যটি লাইভ ডেটার সাথে অ্যানোমালি টেবিলে যোগ দিয়ে। তারপরে আমরা একটি কুইকসাইট বিশ্লেষণে এই দুটি ডেটাসেট যোগ করতে পারি, যেখানে আমরা একটি একক ড্যাশবোর্ডে চার্ট যোগ করতে পারি।
মেট্রিক্স ডিটেক্টরের জন্য আমরা দুই ধরনের ডেটা প্রদান করতে পারি: ক্রমাগত এবং ঐতিহাসিক। দ্য AWS নমুনা GitHub রেপো উভয়ই অফার করে, যদিও আমরা ক্রমাগত লাইভ ডেটার উপর ফোকাস করি। ডিটেক্টর অসঙ্গতিগুলি সনাক্ত করতে এই লাইভ ডেটা নিরীক্ষণ করে এবং অসঙ্গতিগুলি লিখে দেয় আমাজন সিম্পল স্টোরেজ সার্ভিস (Amazon S3) যেমন তারা তৈরি হয়। একটি নির্দিষ্ট ব্যবধানের শেষে, ডিটেক্টর ডেটা বিশ্লেষণ করে। সময়ের সাথে সাথে, ডিটেক্টর এটি খুঁজে পাওয়া নিদর্শনগুলির উপর ভিত্তি করে আরও সঠিকভাবে অসঙ্গতিগুলি সনাক্ত করতে শিখেছে।
লুকআউট ফর মেট্রিক্স মেশিন লার্নিং (এমএল) ব্যবহার করে ব্যবসায়িক এবং অপারেশনাল ডেটাতে অসঙ্গতিগুলি সনাক্ত করতে এবং নির্ণয় করতে, যেমন বিক্রয় রাজস্ব বা গ্রাহকের অধিগ্রহণের হারে আকস্মিক হ্রাস। পরিষেবাটি এখন সাধারণত 25 মার্চ, 2021 থেকে পাওয়া যায়৷ এটি স্বয়ংক্রিয়ভাবে বিভিন্ন উত্স থেকে ডেটা পরিদর্শন করে এবং অসংগতি সনাক্তকরণের জন্য ব্যবহৃত ঐতিহ্যগত পদ্ধতির চেয়ে বেশি গতি এবং নির্ভুলতার সাথে অসঙ্গতি সনাক্ত করে৷ আপনি ফলাফল টিউন করতে এবং সময়ের সাথে সঠিকতা উন্নত করতে শনাক্ত করা অসঙ্গতিগুলির বিষয়ে প্রতিক্রিয়া প্রদান করতে পারেন। মেট্রিক্সের জন্য সন্ধান করা একই ইভেন্টের সাথে সম্পর্কিত অসামঞ্জস্যগুলিকে একত্রে গোষ্ঠীবদ্ধ করে এবং সম্ভাব্য মূল কারণের সারসংক্ষেপ অন্তর্ভুক্ত করে এমন একটি সতর্কতা পাঠানোর মাধ্যমে সনাক্ত করা অসঙ্গতিগুলি নির্ণয় করা সহজ করে তোলে। এটি তীব্রতার ক্রমানুসারে অসামঞ্জস্যতাকেও স্থান দেয় যাতে আপনি আপনার ব্যবসার জন্য সবচেয়ে গুরুত্বপূর্ণ বিষয়গুলির প্রতি আপনার মনোযোগকে অগ্রাধিকার দিতে পারেন৷
QuickSight হল একটি সম্পূর্ণ-পরিচালিত, ক্লাউড-নেটিভ বিজনেস ইন্টেলিজেন্স (BI) পরিষেবা যা ইন্টারেক্টিভ ড্যাশবোর্ড তৈরি এবং প্রকাশ করতে আপনার ডেটার সাথে সংযোগ করা সহজ করে তোলে৷ উপরন্তু, আপনি ব্যবহার করতে পারেন অ্যামাজন কুইকসাইট প্রাকৃতিক ভাষার প্রশ্নের মাধ্যমে তাৎক্ষণিক উত্তর পেতে।
আপনি যেকোন ডিভাইস থেকে সার্ভারহীন, উচ্চ মাপযোগ্য কুইকসাইট ড্যাশবোর্ড অ্যাক্সেস করতে পারেন এবং সেগুলিকে আপনার অ্যাপ্লিকেশন, পোর্টাল এবং ওয়েবসাইটগুলিতে নির্বিঘ্নে এম্বেড করতে পারেন৷ নিম্নলিখিত স্ক্রিনশটটি এই পোস্টের শেষে আপনি কী অর্জন করতে পারেন তার একটি উদাহরণ।
সমাধান ওভারভিউ
সমাধান হল AWS পরিষেবাগুলির সমন্বয়, প্রাথমিকভাবে মেট্রিক্সের জন্য Lookout, QuickSight, এডাব্লুএস ল্যাম্বদা, অ্যামাজন অ্যাথেনা, এডাব্লুএস আঠালো, এবং Amazon S3।
নিম্নলিখিত চিত্রটি সমাধানের স্থাপত্যকে চিত্রিত করে। মেট্রিক্সের জন্য লুকআউট একটি সতর্কতার মাধ্যমে ল্যাম্বডাকে অসঙ্গতিগুলি সনাক্ত করে এবং পাঠায়। Lambda ফাংশন CSV ফাইল হিসাবে অসঙ্গতি ফলাফল তৈরি করে এবং সেগুলি Amazon S3 এ সংরক্ষণ করে। একটি AWS গ্লু ক্রলার মেটাডেটা বিশ্লেষণ করে, এবং এথেনায় টেবিল তৈরি করে। QuickSight অ্যামাজন S3 ডেটা অনুসন্ধান করতে অ্যাথেনা ব্যবহার করে, ড্যাশবোর্ডগুলিকে অস্বাভাবিক ফলাফল এবং লাইভ ডেটা উভয়ই কল্পনা করার জন্য তৈরি করার অনুমতি দেয়৷
এই সমাধানটি তৈরি করা সংস্থানগুলিতে প্রসারিত হয় শুরু হচ্ছে GitHub রেপোর বিভাগ। প্রতিটি ধাপের জন্য, আমরা হয় ব্যবহার করে সম্পদ তৈরি করার বিকল্পগুলি অন্তর্ভুক্ত করি এডাব্লুএস ম্যানেজমেন্ট কনসোল অথবা প্রদত্ত চালু করা এডাব্লুএস ক্লাউডফর্মেশন স্ট্যাক আপনার যদি মেট্রিক্স ডিটেক্টরের জন্য একটি কাস্টমাইজড লুকআউট থাকে তবে আপনি এটি ব্যবহার করতে পারেন এবং এটিকে নিম্নলিখিতগুলি মানিয়ে নিতে পারেন৷ নোটবই একই ফলাফল অর্জন করতে।
বাস্তবায়নের পদক্ষেপগুলি নিম্নরূপ:
- তৈরি করুন আমাজন সেজমেকার নোটবুকের উদাহরণ (
ALFMTestNotebook
) এবং নোটবুক এর মধ্যে দেওয়া স্ট্যাক ব্যবহার করে প্রাথমিক সেটআপ থেকে বিভাগ গিটহুব রেপো. - সেজমেকার কনসোলে নোটবুকের উদাহরণটি খুলুন এবং নেভিগেট করুন
amazon-lookout-for-metrics-samples/getting_started
ফোল্ডার. - S3 বালতি তৈরি করুন এবং প্রথমটি ব্যবহার করে ডেটা প্রস্তুতি সম্পূর্ণ করুন নোটবই (
1.PrereqSetupData.ipynb
) সঙ্গে নোটবুক খুলুনconda_python3
কার্নেল, যদি অনুরোধ করা হয়।
আমরা দ্বিতীয়টি এড়িয়ে যাই নোটবই কারণ এটি ব্যাকটেস্টিং ডেটার উপর দৃষ্টি নিবদ্ধ করে।
- আপনি যদি কনসোল ব্যবহার করে উদাহরণের মধ্য দিয়ে যাচ্ছেন, তাহলে মেট্রিক্স লাইভ ডিটেক্টরের জন্য লুকআউট তৈরি করুন এবং তৃতীয়টি ব্যবহার করে এর সতর্কতা তৈরি করুন নোটবই
(3.GettingStartedWithLiveData.ipynb).
আপনি যদি প্রদত্ত ক্লাউডফর্মেশন স্ট্যাকগুলি ব্যবহার করেন তবে তৃতীয় নোটবুকের প্রয়োজন নেই৷ ডিটেক্টর এবং এর সতর্কতা স্ট্যাকের অংশ হিসাবে তৈরি করা হয়।
- আপনি মেট্রিক্স লাইভ ডিটেক্টরের জন্য Lookout তৈরি করার পরে, আপনাকে কনসোল থেকে এটি সক্রিয় করতে হবে।
মডেলটি শুরু করতে এবং অসঙ্গতিগুলি সনাক্ত করতে এটি 2 ঘন্টা পর্যন্ত সময় নিতে পারে৷
- একটি পান্ডাস লাইব্রেরি স্তর সহ পাইথন ব্যবহার করে একটি ল্যাম্বডা ফাংশন স্থাপন করুন এবং এটি চালু করার জন্য লাইভ ডিটেক্টরের সাথে সংযুক্ত একটি সতর্কতা তৈরি করুন।
- QuickSight-এর জন্য ডেটা আবিষ্কার ও প্রস্তুত করতে Athena এবং AWS Glue-এর সমন্বয় ব্যবহার করুন।
- QuickSight ডেটা উৎস এবং ডেটাসেট তৈরি করুন।
- অবশেষে, ডেটাসেট ব্যবহার করে ভিজ্যুয়ালাইজেশনের জন্য একটি কুইকসাইট বিশ্লেষণ তৈরি করুন।
ক্লাউডফর্মেশন স্ক্রিপ্টগুলি সাধারণত একটি উত্পাদন পরিবেশে নেস্টেড স্ট্যাকের সেট হিসাবে চালিত হয়। একটি ধাপে ধাপে ওয়াকথ্রু সহজতর করার জন্য এই পোস্টে সেগুলি পৃথকভাবে প্রদান করা হয়েছে৷
পূর্বশর্ত
এই ওয়াকথ্রু দিয়ে যেতে, আপনার একটি AWS অ্যাকাউন্ট দরকার যেখানে সমাধানটি স্থাপন করা হবে। নিশ্চিত করুন যে আপনি যে সমস্ত সংস্থান স্থাপন করেছেন তা একই অঞ্চলে রয়েছে৷ আপনার নোটবুক 1 এবং 3 থেকে তৈরি মেট্রিক্স ডিটেক্টরের জন্য একটি চলমান লুকআউট প্রয়োজন গিটহুব রেপো. আপনার কাছে মেট্রিক্স ডিটেক্টরের জন্য চলমান লুকআউট না থাকলে, আপনার কাছে দুটি বিকল্প রয়েছে:
- নোটবুক 1 এবং 3 চালান এবং এই পোস্টের ধাপ 1 থেকে চালিয়ে যান (ল্যাম্বডা ফাংশন এবং সতর্কতা তৈরি করা)
- নোটবুক 1 চালান এবং তারপর মেট্রিক্স ডিটেক্টরের জন্য লুকআউট তৈরি করতে ক্লাউডফর্মেশন টেমপ্লেট ব্যবহার করুন
AWS CloudFormation ব্যবহার করে লাইভ ডিটেক্টর তৈরি করুন
সার্জারির L4MLiveDetector.yaml ক্লাউডফর্মেশন স্ক্রিপ্টটি নির্দিষ্ট S3 বালতিতে লাইভ ডেটার দিকে নির্দেশ করে তার উত্স সহ মেট্রিক্স অ্যানোমালি ডিটেক্টরের জন্য লুকআউট তৈরি করে। আবিষ্কারক তৈরি করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- নিম্নলিখিত লিঙ্ক থেকে স্ট্যাক চালু করুন:
- উপরে স্ট্যাক তৈরি করুন পৃষ্ঠা, চয়ন করুন পরবর্তী.
- উপরে স্ট্যাকের বিবরণ উল্লেখ করুন পৃষ্ঠা, নিম্নলিখিত তথ্য প্রদান করুন:
- একটি স্ট্যাকের নাম। উদাহরণ স্বরূপ,
L4MLiveDetector
. - S3 বালতি,
<Account Number>-lookoutmetrics-lab
. - ভূমিকা ARN,
arn:aws:iam::<Account Number>:role/L4MTestRole
. - একটি অসঙ্গতি সনাক্তকরণ ফ্রিকোয়েন্সি। পছন্দ করা
PT1H
(ঘণ্টায়)।
- একটি স্ট্যাকের নাম। উদাহরণ স্বরূপ,
- বেছে নিন পরবর্তী.
- উপরে স্ট্যাক বিকল্পগুলি কনফিগার করুন পৃষ্ঠা, সবকিছু যেমন আছে রেখে দিন এবং বেছে নিন পরবর্তী.
- উপরে পর্যালোচনা পৃষ্ঠা, সবকিছু যেমন আছে রেখে দিন এবং বেছে নিন স্ট্যাক তৈরি করুন.
AWS CloudFormation ব্যবহার করে লাইভ ডিটেক্টর এসএমএস সতর্কতা তৈরি করুন (ঐচ্ছিক)
এই ধাপটি ঐচ্ছিক। সতর্কতাটি একটি উদাহরণ হিসাবে উপস্থাপন করা হয়েছে, ডেটাসেট তৈরিতে কোনও প্রভাব নেই৷ দ্য L4MLiveDetectorAlert.yaml ক্লাউডফরমেশন স্ক্রিপ্ট একটি এসএমএস টার্গেটের সাথে মেট্রিক্স অ্যানোমালি ডিটেক্টর সতর্কতার জন্য লুকআউট তৈরি করে।
- নিম্নলিখিত লিঙ্ক থেকে স্ট্যাক চালু করুন:
- উপরে স্ট্যাক তৈরি করুন পৃষ্ঠা, চয়ন করুন পরবর্তী.
- উপরে স্ট্যাকের বিবরণ উল্লেখ করুন পৃষ্ঠা, SMS ফোন নম্বর আপডেট করুন এবং স্ট্যাকের জন্য একটি নাম লিখুন (উদাহরণস্বরূপ,
L4MLiveDetectorAlert
). - বেছে নিন পরবর্তী.
- উপরে স্ট্যাক বিকল্পগুলি কনফিগার করুন পৃষ্ঠা, সবকিছু যেমন আছে রেখে দিন এবং বেছে নিন পরবর্তী.
- উপরে পর্যালোচনা পৃষ্ঠায়, স্বীকৃতি চেক বক্স নির্বাচন করুন, অন্য সবকিছু যেমন আছে তেমন ছেড়ে দিন এবং নির্বাচন করুন স্ট্যাক তৈরি করুন.
সম্পদ পরিস্কার
পরবর্তী ধাপে এগিয়ে যাওয়ার আগে, আপনার সেজমেকার নোটবুক ইন্সট্যান্স বন্ধ করুন যাতে কোনো অপ্রয়োজনীয় খরচ না হয়। এর আর প্রয়োজন নেই।
ল্যাম্বডা ফাংশন এবং সতর্কতা তৈরি করুন
এই বিভাগে, আমরা কনসোল বা AWS ক্লাউডফর্মেশনের মাধ্যমে আপনার Lambda ফাংশন এবং সতর্কতা তৈরি করার নির্দেশাবলী প্রদান করি।
কনসোল দিয়ে ফাংশন এবং সতর্কতা তৈরি করুন
আপনি একটি Lambda প্রয়োজন এডাব্লুএস আইডেন্টিটি এবং অ্যাক্সেস ম্যানেজমেন্ট (আমি) ভূমিকা অনুসরণ সর্বনিম্ন বিশেষাধিকার সর্বোত্তম অনুশীলন বালতি অ্যাক্সেস করতে যেখানে আপনি ফলাফল সংরক্ষণ করতে চান।
-
- ল্যাম্বডা কনসোলে, একটি নতুন ফাংশন তৈরি করুন।
- নির্বাচন করা গোড়া থেকে লেখক.
- জন্য ফাংশন নামএকটি নাম লিখুন।
- জন্য রানটাইমনির্বাচন পাইথন 3.8.
- জন্য কার্যকর করার ভূমিকা, নির্বাচন করুন একটি বিদ্যমান ভূমিকা ব্যবহার করুন এবং আপনার তৈরি ভূমিকা নির্দিষ্ট করুন।
- বেছে নিন ফাংশন তৈরি করুন.
-
- ডাউনলোড ল্যাম্বডা ফাংশনের জন্য প্রয়োজনীয় কোড ধারণকারী ZIP ফাইল।
- ল্যাম্বডা কনসোলে, ফাংশনটি খুলুন।
- উপরে কোড ট্যাব, চয়ন করুন থেকে আপলোড করুননির্বাচন .জিপ ফাইল, এবং আপনার ডাউনলোড করা ফাইল আপলোড করুন।
- বেছে নিন সংরক্ষণ করুন.
আপনার ফাইল ট্রি জিপ ফাইল আপলোড করার পরে একই থাকা উচিত।
- মধ্যে স্তরসমূহ বিভাগ, চয়ন করুন স্তর যোগ করুন.
- নির্বাচন করা একটি ARN নির্দিষ্ট করুন.
- নিম্নলিখিত গিটহুব রেপো, আপনি যে অঞ্চলে কাজ করছেন তার সাথে সম্পর্কিত CSV চয়ন করুন এবং সর্বশেষ পান্ডাস সংস্করণ থেকে ARN অনুলিপি করুন।
- জন্য একটি ARN নির্দিষ্ট করুন, আপনার কপি করা ARN লিখুন।
- বেছে নিন বিজ্ঞাপন.
- আপনার পরিবেশের সাথে ফাংশনটি মানিয়ে নিতে, lambda_function.py ফাইল থেকে কোডের নীচে, আপনার বালতির সাথে বালতির নাম আপডেট করা নিশ্চিত করুন যেখানে আপনি অসঙ্গতি ফলাফলগুলি সংরক্ষণ করতে চান এবং
DataSet_ARN
আপনার অ্যানোমালি ডিটেক্টর থেকে। - বেছে নিন স্থাপন করুন পরিবর্তনগুলি সক্রিয় করতে।
আপনাকে এখন আপনার ফাংশনে মেট্রিক্স ডিটেক্টরের জন্য লুকআউট সংযোগ করতে হবে।
- মেট্রিক্স কনসোলের জন্য Lookout-এ, আপনার ডিটেক্টরে নেভিগেট করুন এবং বেছে নিন সতর্কতা যোগ করুন.
- সতর্কতার নাম এবং আপনার পছন্দের তীব্রতা থ্রেশহোল্ড লিখুন।
- চ্যানেল তালিকা থেকে, নির্বাচন করুন ল্যামডা.
- আপনি যে ফাংশনটি তৈরি করেছেন তা চয়ন করুন এবং নিশ্চিত করুন যে এটিকে ট্রিগার করার জন্য আপনার সঠিক ভূমিকা রয়েছে।
- বেছে নিন সতর্কতা যোগ করুন.
এখন আপনি আপনার সতর্কতা ট্রিগার করার জন্য অপেক্ষা করুন। ডিটেক্টর যখন একটি অসঙ্গতি খুঁজে পায় তার উপর নির্ভর করে সময় পরিবর্তিত হয়।
যখন একটি অসঙ্গতি সনাক্ত করা হয়, মেট্রিক্সের জন্য Lookout Lambda ফাংশন ট্রিগার করে। এটি মেট্রিক্সের জন্য Lookout থেকে প্রয়োজনীয় তথ্য গ্রহণ করে এবং অ্যামাজন S3-এ ইতিমধ্যেই একটি সংরক্ষিত CSV ফাইল আছে কিনা তা পরীক্ষা করে যে বিসংগতির সংশ্লিষ্ট টাইমস্ট্যাম্পে। যদি একটি ফাইল না থাকে, Lambda ফাইল তৈরি করে এবং অসঙ্গতি ডেটা যোগ করে। যদি ফাইলটি ইতিমধ্যেই বিদ্যমান থাকে, ল্যাম্বডা প্রাপ্ত অতিরিক্ত ডেটা সহ ফাইলটি আপডেট করে। ফাংশন প্রতিটি ভিন্ন টাইমস্ট্যাম্পের জন্য একটি পৃথক CSV ফাইল তৈরি করে।
AWS CloudFormation ব্যবহার করে ফাংশন এবং সতর্কতা তৈরি করুন
কনসোল নির্দেশাবলী অনুরূপ, আপনি ZIP ফাইলটি ডাউনলোড করুন ল্যাম্বডা ফাংশনের জন্য প্রয়োজনীয় কোড ধারণকারী। যাইহোক, এই ক্ষেত্রে এটিকে S3 বালতিতে আপলোড করতে হবে যাতে AWS CloudFormation কোড ফাংশন তৈরির সময় এটি লোড করতে পারে।
মেট্রিক্স ডিটেক্টর তৈরির জন্য লুকআউটে নির্দিষ্ট করা S3 বালতিতে, ল্যাম্বডা-কোড নামে একটি ফোল্ডার তৈরি করুন এবং জিপ ফাইল আপলোড করুন।
Lambda ফাংশন তৈরির সময় এটিকে কোড হিসেবে লোড করে।
সার্জারির L4MLambdaFunction.yaml ক্লাউডফর্মেশন স্ক্রিপ্ট ল্যাম্বডা ফাংশন এবং সতর্কতা সংস্থান তৈরি করে এবং একই S3 বালতিতে সংরক্ষিত ফাংশন কোড সংরক্ষণাগার ব্যবহার করে।
- নিম্নলিখিত লিঙ্ক থেকে স্ট্যাক চালু করুন:
- উপরে স্ট্যাক তৈরি করুন পৃষ্ঠা, চয়ন করুন পরবর্তী.
- উপরে স্ট্যাকের বিবরণ উল্লেখ করুন পৃষ্ঠা, একটি স্ট্যাকের নাম উল্লেখ করুন (উদাহরণস্বরূপ,
L4MLambdaFunction
). - নিম্নলিখিত গিটহুব রেপো, আপনি যে অঞ্চলে কাজ করছেন তার সাথে সম্পর্কিত CSV খুলুন এবং সর্বশেষ পান্ডাস সংস্করণ থেকে ARN অনুলিপি করুন।
- পান্ডাস ল্যাম্বডা লেয়ার ARN প্যারামিটার হিসাবে ARN লিখুন।
- বেছে নিন পরবর্তী.
- উপরে স্ট্যাক বিকল্পগুলি কনফিগার করুন পৃষ্ঠা, সবকিছু যেমন আছে রেখে দিন এবং বেছে নিন পরবর্তী.
- উপরে পর্যালোচনা পৃষ্ঠায়, স্বীকৃতি চেক বক্স নির্বাচন করুন, অন্য সবকিছু যেমন আছে তেমন ছেড়ে দিন এবং নির্বাচন করুন স্ট্যাক তৈরি করুন.
ডিটেক্টর সক্রিয় করুন
পরবর্তী ধাপে যাওয়ার আগে, আপনাকে কনসোল থেকে ডিটেক্টর সক্রিয় করতে হবে।
- মেট্রিক্স কনসোলের জন্য অনুসন্ধানে, নির্বাচন করুন ডিটেক্টর নেভিগেশন ফলকে।
- আপনার নতুন তৈরি ডিটেক্টর চয়ন করুন.
- বেছে নিন সক্রিয় করা, তাহলে বেছে নাও সক্রিয় করা আবার নিশ্চিত করতে
অ্যাক্টিভেশন ডিটেক্টর শুরু করে; মডেলটি তার শেখার চক্রটি শেষ করলে এটি শেষ হয়। এতে ২ ঘণ্টা পর্যন্ত সময় লাগতে পারে।
QuickSight এর জন্য ডেটা প্রস্তুত করুন
আপনি এই ধাপটি সম্পূর্ণ করার আগে, ডিটেক্টরকে অসঙ্গতি খুঁজে বের করার জন্য সময় দিন। আপনার তৈরি করা Lambda ফাংশনটি লুকআউট ফর মেট্রিক্স বাকেটের মধ্যে অসঙ্গতি ফলাফল সংরক্ষণ করে৷ anomalyResults
ডিরেক্টরি QuickSight-এর জন্য প্রস্তুত করতে আমরা এখন এই ডেটা প্রক্রিয়া করতে পারি।
কনসোলে AWS গ্লু ক্রলার তৈরি করুন
কিছু অসঙ্গতিপূর্ণ CSV ফাইল তৈরি হওয়ার পরে, আমরা মেটাডেটা টেবিল তৈরি করতে একটি AWS Glue ক্রলার ব্যবহার করি।
- এডাব্লুএস আঠালো কনসোলে, নির্বাচন করুন ক্রোলের্স নেভিগেশন ফলকে।
- বেছে নিন ক্রলার যোগ করুন.
- ক্রলারের জন্য একটি নাম লিখুন (উদাহরণস্বরূপ,
L4MCrawler
). - বেছে নিন পরবর্তী.
- জন্য ক্রলার উৎস প্রকার, নির্বাচন করুন ডেটা স্টোর.
- জন্য S3 ডেটা স্টোরের ক্রল পুনরাবৃত্তি করুন, নির্বাচন করুন সমস্ত ফোল্ডার ক্রল করুন.
- বেছে নিন পরবর্তী.
- ডেটা স্টোর কনফিগারেশন পৃষ্ঠায়, এর জন্য এর মধ্যে ডেটা ক্রল করুন, নির্বাচন করুন আমার অ্যাকাউন্টে নির্দিষ্ট পথ.
- জন্য পথ অন্তর্ভুক্ত করুন, আপনার পথে প্রবেশ করুন
dimensionContributions
ফাইল (s3://YourBucketName/anomalyResults/dimensionContributions
). - বেছে নিন পরবর্তী.
- বেছে নিন হাঁ অন্য ডেটা স্টোর যোগ করতে এবং নির্দেশাবলী পুনরাবৃত্তি করুন
metricValue_AnomalyScore
(s3://YourBucketName/anomalyResults/metricValue_AnomalyScore
). - Lookout for Metrics anomaly detector (এটি আপনার Lookout for Metrics ডিটেক্টর থেকে S3 ডেটাসেট লোকেশন) দ্বারা লাইভ ডেটা বিশ্লেষণ করার জন্য আবার নির্দেশাবলী পুনরাবৃত্তি করুন।
ক্রলার প্রক্রিয়া করার জন্য আপনার এখন তিনটি ডেটা স্টোর থাকা উচিত।
এখন আপনাকে ক্রলারকে আপনার ডেটার S3 অবস্থানের মধ্য দিয়ে যাওয়ার অনুমতি দেওয়ার জন্য ভূমিকা নির্বাচন করতে হবে।
- এই পোস্টের জন্য, নির্বাচন করুন একটি আইএএম ভূমিকা তৈরি করুন এবং ভূমিকার জন্য একটি নাম লিখুন।
- বেছে নিন পরবর্তী.
- জন্য ফ্রিকোয়েন্সি, হিসাবে ছেড়ে চাহিদা অনুযায়ী চালান এবং নির্বাচন করুন পরবর্তী.
- মধ্যে ক্রলারের আউটপুট কনফিগার করুন বিভাগ, চয়ন করুন ডাটাবেস যোগ করুন.
এটি এথেনা ডাটাবেস তৈরি করে যেখানে ক্রলার সম্পূর্ণ হওয়ার পরে আপনার মেটাডেটা টেবিলগুলি অবস্থিত।
- আপনার ডাটাবেসের জন্য একটি নাম লিখুন এবং নির্বাচন করুন সৃষ্টি.
- বেছে নিন পরবর্তী, তাহলে বেছে নাও শেষ.
- উপরে ক্রোলের্স AWS Glue কনসোলের পৃষ্ঠা, আপনার তৈরি করা ক্রলার নির্বাচন করুন এবং চয়ন করুন ক্রলার চালান.
ডেটার আকারের উপর নির্ভর করে আপনাকে কয়েক মিনিট অপেক্ষা করতে হতে পারে। এটি সম্পূর্ণ হলে, ক্রলারের স্থিতি হিসাবে দেখায়৷ প্রস্তুত. মেটাডেটা টেবিল দেখতে, আপনার ডাটাবেসে নেভিগেট করুন ডেটাবেস পৃষ্ঠা এবং চয়ন করুন টেবিল নেভিগেশন ফলকে।
এই উদাহরণে, লাইভ নামক মেটাডেটা টেবিলটি মেট্রিক্স লাইভ ডিটেক্টরের জন্য Lookout থেকে S3 ডেটাসেট উপস্থাপন করে। একটি সেরা অনুশীলন হিসাবে, এটি সুপারিশ করা হয় আপনার AWS গ্লু ডেটা ক্যাটালগ মেটাডেটা এনক্রিপ্ট করুন.
Athena স্বয়ংক্রিয়ভাবে মেটাডেটা টেবিল চিনতে পারে, এবং QuickSight Athena ব্যবহার করে ডেটা অনুসন্ধান করতে এবং ফলাফলগুলি কল্পনা করতে।
AWS CloudFormation ব্যবহার করে AWS গ্লু ক্রলার তৈরি করুন
সার্জারির L4MGlueCrawler.yaml ক্লাউডফর্মেশন স্ক্রিপ্ট AWS গ্লু ক্রলার, এর সাথে সম্পর্কিত IAM ভূমিকা এবং আউটপুট Athena ডাটাবেস তৈরি করে।
- নিম্নলিখিত লিঙ্ক থেকে স্ট্যাক চালু করুন:
- উপরে স্ট্যাক তৈরি করুন পৃষ্ঠা, চয়ন করুন পরবর্তী.
- উপরে স্ট্যাকের বিবরণ উল্লেখ করুন পৃষ্ঠা, আপনার স্ট্যাকের জন্য একটি নাম লিখুন (উদাহরণস্বরূপ,
L4MGlueCrawler
), এবং চয়ন করুন পরবর্তী. - উপরে স্ট্যাক বিকল্পগুলি কনফিগার করুন পৃষ্ঠা, সবকিছু যেমন আছে রেখে দিন এবং বেছে নিন পরবর্তী.
- উপরে পর্যালোচনা পৃষ্ঠায়, স্বীকৃতি চেক বক্স নির্বাচন করুন, অন্য সবকিছু যেমন আছে তেমন ছেড়ে দিন এবং নির্বাচন করুন স্ট্যাক তৈরি করুন.
AWS Glue ক্রলার চালান
আপনি ক্রলার তৈরি করার পরে, পরবর্তী ধাপে যাওয়ার আগে আপনাকে এটি চালাতে হবে। আপনি কনসোল বা থেকে এটি চালাতে পারেন এডাব্লুএস কমান্ড লাইন ইন্টারফেস (AWS CLI)। কনসোল ব্যবহার করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- এডাব্লুএস আঠালো কনসোলে, নির্বাচন করুন ক্রোলের্স নেভিগেশন ফলকে।
- আপনার ক্রলার নির্বাচন করুন (
L4MCrawler
). - বেছে নিন ক্রলার চালান.
ক্রলার সম্পূর্ণ হলে, এটি স্থিতি দেখায় প্রস্তুত.
একটি QuickSight অ্যাকাউন্ট তৈরি করুন
এই পরবর্তী পদক্ষেপটি শুরু করার আগে, QuickSight কনসোলে নেভিগেট করুন এবং আপনার যদি ইতিমধ্যে একটি না থাকে তবে একটি অ্যাকাউন্ট তৈরি করুন৷ আপনার সংশ্লিষ্ট পরিষেবাগুলিতে অ্যাক্সেস রয়েছে তা নিশ্চিত করতে (অ্যাথেনা এবং S3 বালতি), উপরের ডানদিকে আপনার অ্যাকাউন্টের নাম চয়ন করুন, নির্বাচন করুন কুইকসাইট পরিচালনা করুন, এবং চয়ন করুন নিরাপত্তা এবং অনুমতি, যেখানে আপনি প্রয়োজনীয় পরিষেবা যোগ করতে পারেন। আপনার Amazon S3 অ্যাক্সেস সেট আপ করার সময়, নির্বাচন করতে ভুলবেন না এথেনা ওয়ার্কগ্রুপের জন্য অনুমতি লিখুন.
এখন আপনি QuickSight-এ আপনার ডেটা কল্পনা করতে প্রস্তুত৷
কনসোলে কুইকসাইট ডেটাসেট তৈরি করুন
যদি এটি আপনার প্রথমবার অ্যাথেনা ব্যবহার করে, তাহলে আপনাকে প্রশ্নের আউটপুট অবস্থান কনফিগার করতে হবে। নির্দেশাবলীর জন্য, ধাপ 1-6 ইন দেখুন একটি ডাটাবেস তৈরি করুন. তারপর নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- কুইকসাইট কনসোলে, নির্বাচন করুন ডেটাসেট.
- বেছে নিন নতুন ডেটাসেট.
- আপনার উত্স হিসাবে Athena চয়ন করুন.
- আপনার ডেটা উৎসের জন্য একটি নাম লিখুন।
- বেছে নিন ডেটা উত্স তৈরি করুন.
- আপনার ডাটাবেসের জন্য, আপনি AWS Glue ক্রলার দিয়ে আগে যেটি তৈরি করেছেন তা নির্দিষ্ট করুন।
- আপনার লাইভ ডেটা রয়েছে এমন টেবিলটি নির্দিষ্ট করুন (অসঙ্গতিগুলি নয়)।
- বেছে নিন ডেটা সম্পাদনা/প্রিভিউ.
আপনাকে নিম্নলিখিত স্ক্রিনশটের মতো একটি ইন্টারফেসে পুনঃনির্দেশিত করা হয়েছে৷
পরবর্তী ধাপ হল যোগ এবং একত্রিত করা metricValue_AnomalyScore
লাইভ ডেটা সহ ডেটা।
- বেছে নিন ডেটা যোগ করুন.
- বেছে নিন ডেটা উত্স যুক্ত করুন.
- আপনার তৈরি করা ডাটাবেস উল্লেখ করুন এবং
metricValue_AnomalyScore
টেবিল। - বেছে নিন নির্বাচন করা.
আপনাকে এখন দুটি টেবিলের যোগদান কনফিগার করতে হবে।
- দুটি টেবিলের মধ্যে লিঙ্কটি বেছে নিন।
- যোগ টাইপ হিসাবে ছেড়ে দিন বাম, টাইমস্ট্যাম্প যোগ করুন এবং আপনার কাছে একটি যোগ ক্লজ হিসাবে প্রতিটি মাত্রা যোগ করুন এবং চয়ন করুন প্রয়োগ করা.
নিম্নলিখিত উদাহরণে, আমরা টাইমস্ট্যাম্প, প্ল্যাটফর্ম এবং মার্কেটপ্লেসকে জয়েন ক্লজ হিসেবে ব্যবহার করি।
ডান ফলকে, আপনি যে ক্ষেত্রগুলি রাখতে আগ্রহী নন সেগুলি সরাতে পারেন৷
- থেকে টাইমস্ট্যাম্প সরান
metricValue_AnomalyScore
একটি নকল কলাম না থাকার জন্য টেবিল। - টাইমস্ট্যাম্প ডেটা টাইপ (লাইভ ডেটা টেবিলের) স্ট্রিং থেকে তারিখ পর্যন্ত পরিবর্তন করুন এবং সঠিকটি নির্দিষ্ট করুন বিন্যাস. আমাদের ক্ষেত্রে, এটা উচিত
yyyy-MM-dd HH:mm:ss
.
আপনি কিছু ক্ষেত্র অপসারণ এবং ডেটা টাইপ সামঞ্জস্য করার পরে নিম্নলিখিত স্ক্রিনশটটি আপনার দৃশ্য দেখায়।
- বেছে নিন সংরক্ষণ করুন এবং কল্পনা করুন.
- ডেটাসেটের পাশের পেন্সিল আইকনটি বেছে নিন।
- বেছে নিন ডেটাসেট যোগ করুন এবং নির্বাচন করুন
dimensioncontributions
.
AWS CloudFormation ব্যবহার করে QuickSight ডেটাসেট তৈরি করুন
এই ধাপে তিনটি ক্লাউডফর্মেশন স্ট্যাক রয়েছে।
প্রথম ক্লাউডফর্মেশন স্ক্রিপ্ট, L4MQuickSightDataSource.yaml, QuickSight Athena ডেটা উৎস তৈরি করে।
- নিম্নলিখিত লিঙ্ক থেকে স্ট্যাক চালু করুন:
- উপরে স্ট্যাক তৈরি করুন পৃষ্ঠা, চয়ন করুন পরবর্তী.
- উপরে স্ট্যাকের বিবরণ উল্লেখ করুন পৃষ্ঠায়, আপনার কুইকসাইট ব্যবহারকারীর নাম, কুইকসাইট অ্যাকাউন্ট অঞ্চল (কুইকসাইট অ্যাকাউন্ট তৈরি করার সময় নির্দিষ্ট করা) এবং একটি স্ট্যাকের নাম লিখুন (উদাহরণস্বরূপ,
L4MQuickSightDataSource
). - বেছে নিন পরবর্তী.
- উপরে স্ট্যাক বিকল্পগুলি কনফিগার করুন পৃষ্ঠা, সবকিছু যেমন আছে রেখে দিন এবং বেছে নিন পরবর্তী.
- উপরে পর্যালোচনা পৃষ্ঠা, সবকিছু যেমন আছে রেখে দিন এবং বেছে নিন স্ট্যাক তৈরি করুন.
দ্বিতীয় ক্লাউডফর্মেশন স্ক্রিপ্ট, L4MQuickSightDataSet1.yaml, একটি QuickSight ডেটাসেট তৈরি করে যা অসঙ্গতি টেবিলের সাথে মাত্রা সারণীতে যোগ দেয়।
- নিম্নলিখিত লিঙ্ক থেকে স্ট্যাক চালু করুন:
- উপরে স্ট্যাক তৈরি করুন পৃষ্ঠা, চয়ন করুন পরবর্তী.
- উপরে স্ট্যাকের বিবরণ উল্লেখ করুন, একটি স্ট্যাকের নাম লিখুন (উদাহরণস্বরূপ,
L4MQuickSightDataSet1
). - বেছে নিন পরবর্তী.
- উপরে স্ট্যাক বিকল্পগুলি কনফিগার করুন পৃষ্ঠা, সবকিছু যেমন আছে রেখে দিন এবং বেছে নিন পরবর্তী.
- উপরে পর্যালোচনা পৃষ্ঠা, সবকিছু যেমন আছে রেখে দিন এবং বেছে নিন স্ট্যাক তৈরি করুন.
তৃতীয় ক্লাউডফর্মেশন স্ক্রিপ্ট, L4MQuickSightDataSet2.yaml, QuickSight ডেটাসেট তৈরি করে যা লাইভ ডেটা টেবিলের সাথে অসঙ্গতি টেবিলে যোগ দেয়।
- নিম্নলিখিত লিঙ্ক থেকে স্ট্যাক চালু করুন:
- উপরে স্ট্যাক পৃষ্ঠা তৈরি করুনপছন্দ করা পরবর্তী.
- উপরে স্ট্যাকের বিবরণ উল্লেখ করুন পৃষ্ঠায়, একটি স্ট্যাকের নাম লিখুন (উদাহরণস্বরূপ,
L4MQuickSightDataSet2
). - বেছে নিন পরবর্তী.
- উপরে স্ট্যাক বিকল্পগুলি কনফিগার করুন পৃষ্ঠা, সবকিছু যেমন আছে রেখে দিন এবং বেছে নিন পরবর্তী.
- উপরে পর্যালোচনা পৃষ্ঠা, সবকিছু যেমন আছে রেখে দিন এবং বেছে নিন স্ট্যাক তৈরি করুন.
ড্যাশবোর্ড তৈরির জন্য কুইকসাইট বিশ্লেষণ তৈরি করুন
এই ধাপটি শুধুমাত্র কনসোলে সম্পন্ন করা যেতে পারে। আপনি আপনার QuickSight ডেটাসেট তৈরি করার পরে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- কুইকসাইট কনসোলে, নির্বাচন করুন বিশ্লেষণ নেভিগেশন ফলকে।
- বেছে নিন নতুন বিশ্লেষণ.
- প্রথম ডেটাসেট চয়ন করুন,
L4MQuickSightDataSetWithLiveData
.
- বেছে নিন বিশ্লেষণ তৈরি করুন.
QuickSight বিশ্লেষণ প্রাথমিকভাবে শুধুমাত্র প্রথম ডেটাসেট দিয়ে তৈরি করা হয়।
- দ্বিতীয় ডেটাসেট যোগ করতে, পাশের পেন্সিল আইকনটি বেছে নিন ডেটা সেটটি এবং নির্বাচন করুন ডেটাসেট যোগ করুন.
- দ্বিতীয় ডেটাসেট নির্বাচন করুন এবং নির্বাচন করুন নির্বাচন করা.
তারপরে আপনি চার্ট তৈরির জন্য ডেটাসেটটি ব্যবহার করতে পারেন ডেটা সেটটি ড্রপ ডাউন মেনু
ডেটাসেট মেট্রিক্স
আপনি মেট্রিক্স ইনফারেন্স ফলাফল এবং লাইভ ডেটার জন্য Lookout থেকে সফলভাবে একটি QuickSight বিশ্লেষণ তৈরি করেছেন। আপনার ব্যবহারের জন্য দুটি ডেটাসেট QuickSight-এ রয়েছে: L4M_Visualization_dataset_with_liveData
এবং L4M_Visualization_dataset_with_dimensionContribution
.
সার্জারির L4M_Visualization_dataset_with_liveData
ডেটাসেটে নিম্নলিখিত মেট্রিক্স রয়েছে:
- টাইমস্ট্যাম্প - মেট্রিক্সের জন্য Lookout এ পাস করা লাইভ ডেটার তারিখ এবং সময়
- মতামত - ভিউ মেট্রিকের মান
- রাজস্ব - রাজস্ব মেট্রিকের মান
- প্ল্যাটফর্ম, মার্কেটপ্লেস, রেভিনিউঅ্যানোমালিমেট্রিক ভ্যালু, ভিউ অ্যানোমালিমেট্রিক ভ্যালু, রেভিনিউ গ্রুপস্কোর এবং ভিউ গ্রুপস্কোর - এই মেট্রিক্স উভয় ডেটাসেটের অংশ
সার্জারির L4M_Visualization_dataset_with_dimensionContribution
ডেটাসেটে নিম্নলিখিত মেট্রিক্স রয়েছে:
- টাইমস্ট্যাম্প - তারিখ এবং সময় যখন অসঙ্গতি সনাক্ত করা হয়েছিল
- মেট্রিক নাম - আপনি যে মেট্রিক্স পর্যবেক্ষণ করছেন
- মাত্রার নাম - মেট্রিকের মধ্যে মাত্রা
- মাত্রা মান - মাত্রার মান
- মূল্য অবদান - শনাক্ত করা হলে কত মাত্রার মান অসংগতি প্রভাবিত করছে তার শতাংশ
নিম্নলিখিত স্ক্রিনশটটি মেট্রিক্স ডিটেক্টরের জন্য লুকআউটের অসঙ্গতি ড্যাশবোর্ডে এই পাঁচটি মেট্রিক্স দেখায়।
নিম্নলিখিত মেট্রিকগুলি উভয় ডেটাসেটের অংশ:
- মাচা - প্ল্যাটফর্ম যেখানে অসঙ্গতি ঘটেছে
- নগরচত্বর - যে মার্কেটপ্লেসে অসঙ্গতি ঘটেছে
- আয়অ্যানোমালিমেট্রিক ভ্যালু এবং ভিউ অ্যানোমালিমেট্রিক ভ্যালু - মেট্রিকের সংশ্লিষ্ট মানগুলি যখন অসঙ্গতি সনাক্ত করা হয়েছিল (এই পরিস্থিতিতে, মেট্রিকগুলি হল রাজস্ব বা ভিউ)
- রাজস্ব গ্রুপস্কোর এবং ভিউ গ্রুপস্কোর - সনাক্ত করা অসঙ্গতির জন্য প্রতিটি মেট্রিকের জন্য তীব্রতার স্কোর
এই শেষ মেট্রিকগুলি আরও ভালভাবে বোঝার জন্য, আপনি আপনার S3 বাকেট যেখানে আপনি সংরক্ষণ করেছেন সেখানে ল্যাম্বডা ফাংশন দ্বারা তৈরি CSV ফাইলগুলি পর্যালোচনা করতে পারেন anomalyResults/metricValue_AnomalyScore
.
পরবর্তী পদক্ষেপ
পরবর্তী ধাপ হল আপনি যে ডেটা দেখতে চান তার জন্য ড্যাশবোর্ড তৈরি করা। এই পোস্টে QuickSight চার্ট তৈরির ব্যাখ্যা অন্তর্ভুক্ত করা হয়নি। আপনি QuickSight-এ নতুন হলে, পড়ুন Amazon QuickSight-এ ডেটা বিশ্লেষণ শুরু করা একটি ভূমিকা জন্য. নিম্নলিখিত স্ক্রিনশটগুলি মৌলিক ড্যাশবোর্ডগুলির উদাহরণ দেখায়৷ আরও তথ্যের জন্য, চেক আউট কুইকসাইট ওয়ার্কশপ.
উপসংহার
লুকআউট ফর মেট্রিক্স কনসোলে পৃথকভাবে অসঙ্গতিগুলি উপস্থাপন করা হয়েছে, প্রতিটি তাদের নিজস্ব গ্রাফ সহ, সেটটিকে সামগ্রিকভাবে দেখা কঠিন করে তোলে। গভীর বিশ্লেষণের জন্য একটি স্বয়ংক্রিয়, সমন্বিত সমাধান প্রয়োজন। এই পোস্টে, আমরা অসঙ্গতি তৈরি করতে মেট্রিক্স ডিটেক্টরের জন্য একটি লুকআউট ব্যবহার করেছি এবং ভিজ্যুয়ালাইজেশন তৈরি করতে কুইকসাইটের সাথে ডেটা সংযুক্ত করেছি। এই সমাধানটি আমাদেরকে অসামঞ্জস্যের গভীর বিশ্লেষণ করতে এবং সেগুলিকে একক স্থানে/ড্যাশবোর্ডে রাখতে সক্ষম করে।
পরবর্তী পদক্ষেপ হিসাবে, এই সমাধানটি একটি অতিরিক্ত ডেটাসেট যোগ করে এবং একাধিক ডিটেক্টর থেকে অসঙ্গতিগুলিকে একত্রিত করে প্রসারিত করা যেতে পারে। আপনি ল্যাম্বডা ফাংশনটিও মানিয়ে নিতে পারেন। Lambda ফাংশনে এমন কোড থাকে যা ডেটা সেট এবং পরিবর্তনশীল নাম তৈরি করে যা আমরা QuickSight ড্যাশবোর্ডের জন্য ব্যবহার করি। আপনি এই কোডটিকে আপনার নির্দিষ্ট ব্যবহারের ক্ষেত্রে মানিয়ে নিতে পারেন ডেটা সেটগুলি বা পরিবর্তনশীল নামগুলি পরিবর্তন করে যা আপনার কাছে আরও বোধগম্য।
আপনার কোন প্রতিক্রিয়া বা প্রশ্ন থাকলে, মন্তব্যে তাদের ছেড়ে দিন.
লেখক সম্পর্কে
বেনোইট ডি পাটউল AWS-এর একজন AI/ML স্পেশালিস্ট সলিউশন আর্কিটেক্ট। তিনি AWS ব্যবহার করার সময় AI/ML সম্পর্কিত সমাধান তৈরি করতে গাইডেন্স এবং প্রযুক্তিগত সহায়তা প্রদান করে গ্রাহকদের সাহায্য করেন।
পল ট্রোইয়ানো আটলান্টা, GA ভিত্তিক AWS-এর একজন সিনিয়র সলিউশন আর্কিটেক্ট। তিনি AWS-এ প্রযুক্তির কৌশল এবং সমাধানের বিষয়ে নির্দেশনা প্রদান করে গ্রাহকদের সাহায্য করেন। তিনি এআই/এমএল এবং সমাধান অটোমেশন সব বিষয়ে উত্সাহী।
- AI
- ai শিল্প
- এআই আর্ট জেনারেটর
- আইআই রোবট
- মেট্রিক্সের জন্য অ্যামাজন লুকআউট
- অ্যামাজন কুইকসাইট
- কৃত্রিম বুদ্ধিমত্তা
- কৃত্রিম বুদ্ধিমত্তা সার্টিফিকেশন
- ব্যাংকিং এ কৃত্রিম বুদ্ধিমত্তা
- কৃত্রিম বুদ্ধিমত্তার রোবট
- কৃত্রিম বুদ্ধিমত্তার রোবট
- কৃত্রিম বুদ্ধিমত্তা সফ্টওয়্যার
- এডাব্লুএস মেশিন লার্নিং
- blockchain
- ব্লকচেইন সম্মেলন এআই
- coingenius
- কথোপকথন কৃত্রিম বুদ্ধিমত্তা
- ক্রিপ্টো সম্মেলন এআই
- ডাল-ই
- গভীর জ্ঞানার্জন
- গুগল আই
- মেশিন লার্নিং
- Plato
- প্লেটো এআই
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটো গেম
- প্লেটোডাটা
- প্লেটোগেমিং
- স্কেল ai
- বাক্য গঠন
- টেকনিক্যাল হাউ-টু
- zephyrnet