अमेज़न SageMaker डेटा रैंगलर एक एकल विज़ुअल इंटरफ़ेस है जो डेटा को चुनने और साफ करने, फीचर्स बनाने और बिना कोई कोड लिखे मशीन लर्निंग (एमएल) वर्कफ़्लो में डेटा तैयारी को स्वचालित करने की क्षमता के साथ डेटा तैयार करने और फीचर इंजीनियरिंग करने के लिए आवश्यक समय को हफ्तों से घटाकर मिनटों में कर देता है।
सेजमेकर डेटा रैंगलर समर्थन करता है हिमपात का एक खंड, उन उपयोगकर्ताओं के लिए एक लोकप्रिय डेटा स्रोत जो एमएल प्रदर्शन करना चाहते हैं। ग्राहक अनुभव को बेहतर बनाने के लिए हमने सेजमेकर डेटा रैंगलर से स्नोफ्लेक सीधा कनेक्शन लॉन्च किया है। इस सुविधा के लॉन्च से पहले, प्रशासकों को डेटा रैंगलर में एमएल के लिए सुविधाएं बनाने के लिए स्नोफ्लेक से जुड़ने के लिए प्रारंभिक भंडारण एकीकरण स्थापित करने की आवश्यकता थी। इसमें प्रावधान शामिल है अमेज़न सरल भंडारण सेवा (अमेज़ॅन S3) बाल्टी, AWS पहचान और अभिगम प्रबंधन (IAM) एक्सेस अनुमतियाँ, व्यक्तिगत उपयोगकर्ताओं के लिए स्नोफ्लेक स्टोरेज एकीकरण, और Amazon S3 में डेटा प्रतियों को प्रबंधित या साफ़ करने के लिए एक चालू तंत्र। यह प्रक्रिया सख्त डेटा एक्सेस नियंत्रण वाले ग्राहकों और बड़ी संख्या में उपयोगकर्ताओं के लिए स्केलेबल नहीं है।
इस पोस्ट में, हम दिखाते हैं कि कैसे सेजमेकर डेटा रैंगलर में स्नोफ्लेक का सीधा कनेक्शन प्रशासक के अनुभव और डेटा वैज्ञानिक की डेटा से व्यावसायिक अंतर्दृष्टि तक की एमएल यात्रा को सरल बनाता है।
समाधान अवलोकन
इस समाधान में, हम एमएल के लिए डेटा तैयारी में तेजी लाने के लिए सेजमेकर डेटा रैंगलर का उपयोग करते हैं अमेज़ॅन सैजमेकर ऑटोपायलट आपके डेटा के आधार पर एमएल मॉडल को स्वचालित रूप से बनाने, प्रशिक्षित करने और ठीक करने के लिए। दोनों सेवाओं को विशेष रूप से उत्पादकता बढ़ाने और एमएल चिकित्सकों के लिए मूल्य निर्धारण में लगने वाले समय को कम करने के लिए डिज़ाइन किया गया है। हम क्वेरी के सीधे कनेक्शन के साथ सेजमेकर डेटा रैंगलर से स्नोफ्लेक तक सरलीकृत डेटा एक्सेस का प्रदर्शन करते हैं और एमएल के लिए सुविधाएं बनाते हैं।
स्नोफ्लेक, सेजमेकर डेटा रैंगलर और सेजमेकर ऑटोपायलट के साथ कम-कोड एमएल प्रक्रिया के अवलोकन के लिए नीचे दिए गए चित्र को देखें।
वर्कफ़्लो में निम्न चरण शामिल हैं:
- अपने डेटा की तैयारी और फीचर इंजीनियरिंग कार्यों के लिए सेजमेकर डेटा रैंगलर पर जाएँ।
- सेजमेकर डेटा रैंगलर के साथ स्नोफ्लेक कनेक्शन सेट करें।
- सेजमेकर डेटा रैंगलर में अपनी स्नोफ्लेक तालिकाओं का अन्वेषण करें, एक एमएल डेटासेट बनाएं और फीचर इंजीनियरिंग करें।
- सेजमेकर डेटा रैंगलर और सेजमेकर ऑटोपायलट का उपयोग करके मॉडलों को प्रशिक्षित और परीक्षण करें।
- भविष्यवाणियों के लिए सर्वोत्तम मॉडल को वास्तविक समय अनुमान समापन बिंदु पर लोड करें।
- लॉन्च किए गए वास्तविक समय अनुमान समापन बिंदु को लागू करने के लिए पायथन नोटबुक का उपयोग करें।
.. पूर्वापेक्षाएँ
इस पद के लिए, व्यवस्थापक को निम्नलिखित शर्तों की आवश्यकता है:
डेटा वैज्ञानिकों के पास निम्नलिखित पूर्वापेक्षाएँ होनी चाहिए
अंत में, आपको स्नोफ्लेक के लिए अपना डेटा तैयार करना चाहिए
- हम क्रेडिट कार्ड लेनदेन डेटा का उपयोग करते हैं Kaggle धोखाधड़ी वाले क्रेडिट कार्ड लेनदेन का पता लगाने के लिए एमएल मॉडल का निर्माण करना, ताकि ग्राहकों से उन वस्तुओं के लिए शुल्क न लिया जाए जो उन्होंने नहीं खरीदीं। डेटासेट में सितंबर 2013 में यूरोपीय कार्डधारकों द्वारा किए गए क्रेडिट कार्ड लेनदेन शामिल हैं।
- आपको उपयोग करना चाहिए स्नोएसक्यूएल क्लाइंट और इसे अपनी स्थानीय मशीन में स्थापित करें, ताकि आप इसका उपयोग स्नोफ्लेक तालिका में डेटासेट अपलोड करने के लिए कर सकें।
निम्नलिखित चरण दिखाते हैं कि डेटासेट को स्नोफ्लेक डेटाबेस में कैसे तैयार और लोड किया जाए। यह एक बार का सेटअप है.
स्नोफ्लेक तालिका और डेटा तैयारी
इस एक-बार सेटअप के लिए निम्नलिखित चरणों को पूरा करें:
- सबसे पहले, व्यवस्थापक के रूप में, एक स्नोफ्लेक वर्चुअल वेयरहाउस, उपयोगकर्ता और भूमिका बनाएं, और डेटा वैज्ञानिकों जैसे अन्य उपयोगकर्ताओं को उनके एमएल उपयोग मामलों के लिए डेटाबेस और स्टेज डेटा बनाने के लिए पहुंच प्रदान करें:
- डेटा वैज्ञानिक के रूप में, आइए अब एक डेटाबेस बनाएं और सेजमेकर डेटा रैंगलर से डेटा तक पहुंचने के लिए क्रेडिट कार्ड लेनदेन को स्नोफ्लेक डेटाबेस में आयात करें। चित्रण प्रयोजनों के लिए, हम नाम से एक स्नोफ्लेक डेटाबेस बनाते हैं
SF_FIN_TRANSACTION
: - डेटासेट सीएसवी फ़ाइल को अपनी स्थानीय मशीन पर डाउनलोड करें और डेटा को डेटाबेस तालिका में लोड करने के लिए एक चरण बनाएं। बनाए गए चरण में डेटा आयात करने के लिए PUT कमांड चलाने से पहले डाउनलोड किए गए डेटासेट स्थान को इंगित करने के लिए फ़ाइल पथ को अपडेट करें:
- नाम की एक टेबल बनाएं
credit_card_transactions
: - चरण से डेटा को बनाई गई तालिका में आयात करें:
सेजमेकर डेटा रैंगलर और स्नोफ्लेक कनेक्शन सेट करें
सेजमेकर डेटा रैंगलर के साथ उपयोग करने के लिए डेटासेट तैयार करने के बाद, आइए हम सेजमेकर डेटा रैंगलर से कनेक्ट करने के लिए एक नया स्नोफ्लेक कनेक्शन बनाएं। sf_fin_transaction
स्नोफ्लेक में डेटाबेस और क्वेरी करें credit_card_transaction
तालिका:
- चुनें हिमपात का एक खंड सेजमेकर डेटा रैंगलर पर संबंध इस पृष्ठ पर ज़ूम कई वीडियो ट्यूटोरियल और अन्य साहायक साधन प्रदान करता है।
- अपने कनेक्शन की पहचान करने के लिए एक नाम प्रदान करें.
- स्नोफ्लेक डेटाबेस से जुड़ने के लिए अपनी प्रमाणीकरण विधि चुनें:
- यदि बुनियादी प्रमाणीकरण का उपयोग कर रहे हैं, तो अपने स्नोफ्लेक व्यवस्थापक द्वारा साझा किया गया उपयोगकर्ता नाम और पासवर्ड प्रदान करें। इस पोस्ट के लिए, हम पिछले चरण में बनाए गए उपयोगकर्ता क्रेडेंशियल्स का उपयोग करके स्नोफ्लेक से कनेक्ट करने के लिए बुनियादी प्रमाणीकरण का उपयोग करते हैं।
- यदि आप OAuth का उपयोग कर रहे हैं, तो अपना पहचान प्रदाता क्रेडेंशियल प्रदान करें।
सेजमेकर डेटा रैंगलर डिफ़ॉल्ट रूप से आपके डेटा को S3 बकेट में कोई डेटा कॉपी बनाए बिना सीधे स्नोफ्लेक से क्वेरी करता है। सेजमेकर डेटा रैंगलर की नई प्रयोज्यता वृद्धि आपकी एमएल यात्रा के लिए डेटासेट तैयार करने और निर्बाध रूप से बनाने के लिए स्नोफ्लेक के साथ एकीकृत करने के लिए अपाचे स्पार्क का उपयोग करती है।
अब तक, हमने स्नोफ्लेक पर डेटाबेस बनाया है, सीएसवी फ़ाइल को स्नोफ्लेक तालिका में आयात किया है, स्नोफ्लेक क्रेडेंशियल बनाया है, और स्नोफ्लेक से कनेक्ट करने के लिए सेजमेकर डेटा रैंगलर पर एक कनेक्टर बनाया है। कॉन्फ़िगर किए गए स्नोफ्लेक कनेक्शन को मान्य करने के लिए, बनाई गई स्नोफ्लेक तालिका पर निम्नलिखित क्वेरी चलाएँ:
ध्यान दें कि भंडारण एकीकरण विकल्प जो पहले आवश्यक था अब उन्नत सेटिंग्स में वैकल्पिक है।
स्नोफ्लेक डेटा का अन्वेषण करें
क्वेरी परिणामों को सत्यापित करने के बाद, चुनें आयात क्वेरी परिणामों को डेटासेट के रूप में सहेजने के लिए। हम इस निकाले गए डेटासेट का उपयोग खोजपूर्ण डेटा विश्लेषण और फीचर इंजीनियरिंग के लिए करते हैं।
आप सेजमेकर डेटा रैंगलर यूआई में स्नोफ्लेक से डेटा का नमूना लेना चुन सकते हैं। एक अन्य विकल्प सेजमेकर डेटा रैंगलर प्रोसेसिंग जॉब्स का उपयोग करके अपने एमएल मॉडल प्रशिक्षण उपयोग मामलों के लिए संपूर्ण डेटा डाउनलोड करना है।
सेजमेकर डेटा रैंगलर में खोजपूर्ण डेटा विश्लेषण करें
डेटा रैंगलर के भीतर डेटा को प्रशिक्षित करने से पहले उसे इंजीनियर करने की आवश्यकता है। इस अनुभाग में, हम प्रदर्शित करते हैं कि सेजमेकर डेटा रैंगलर की अंतर्निहित क्षमताओं का उपयोग करके स्नोफ्लेक के डेटा पर फीचर इंजीनियरिंग कैसे करें।
सबसे पहले, आइए इसका उपयोग करें Data Quality and Insights Report
डेटा गुणवत्ता को स्वचालित रूप से सत्यापित करने और स्नोफ्लेक से डेटा में असामान्यताओं का पता लगाने के लिए रिपोर्ट तैयार करने के लिए सेजमेकर डेटा रैंगलर के भीतर सुविधा।
आप अपने डेटा को साफ़ करने और संसाधित करने में सहायता के लिए रिपोर्ट का उपयोग कर सकते हैं। यह आपको लुप्त मानों की संख्या और आउटलेर्स की संख्या जैसी जानकारी देता है। यदि आपके डेटा में लक्ष्य रिसाव या असंतुलन जैसी समस्याएं हैं, तो अंतर्दृष्टि रिपोर्ट उन मुद्दों को आपके ध्यान में ला सकती है। रिपोर्ट विवरण को समझने के लिए देखें Amazon SageMaker Data Wrangler में डेटा गुणवत्ता और अंतर्दृष्टि के साथ डेटा तैयार करने में तेजी लाएं.
सेजमेकर डेटा रैंगलर द्वारा लागू डेटा प्रकार मिलान की जांच करने के बाद, निम्नलिखित चरणों को पूरा करें:
- के आगे धन चिह्न चुनें जानकारी का प्रकार और चुनें विश्लेषण जोड़ें.
- के लिए विश्लेषण प्रकार, चुनें डेटा गुणवत्ता और अंतर्दृष्टि रिपोर्ट.
- चुनें बनाएं.
- उच्च-प्राथमिकता वाली चेतावनियाँ देखने के लिए डेटा गुणवत्ता और अंतर्दृष्टि रिपोर्ट विवरण देखें।
आप अपनी एमएल यात्रा को आगे बढ़ाने से पहले रिपोर्ट की गई चेतावनियों को हल करना चुन सकते हैं।
लक्ष्य स्तंभ Class
भविष्यवाणी करने को एक स्ट्रिंग के रूप में वर्गीकृत किया गया है। सबसे पहले, आइए पुराने खाली अक्षरों को हटाने के लिए एक परिवर्तन लागू करें।
- चुनें चरण जोड़ें और चुनें प्रारूप स्ट्रिंग.
- परिवर्तनों की सूची में, चुनें बाएँ और दाएँ पट्टी करें.
- हटाने और चुनने के लिए वर्ण दर्ज करें .
अगला, हम लक्ष्य कॉलम को परिवर्तित करते हैं Class
स्ट्रिंग डेटा प्रकार से बूलियन तक क्योंकि लेनदेन या तो वैध है या धोखाधड़ी वाला है।
- चुनें चरण जोड़ें.
- चुनें कॉलम को प्रकार के रूप में पार्स करें.
- कॉलम के लिए, चुनें
Class
. - के लिए से, चुनें तार.
- के लिए सेवा मेरे, चुनें बूलियन.
- चुनें .
लक्ष्य कॉलम परिवर्तन के बाद, हम फीचर कॉलम की संख्या कम कर देते हैं, क्योंकि मूल डेटासेट में 30 से अधिक विशेषताएं हैं। फीचर महत्व के आधार पर आयामों को कम करने के लिए हम प्रिंसिपल कंपोनेंट एनालिसिस (पीसीए) का उपयोग करते हैं। पीसीए और आयामीता में कमी के बारे में अधिक समझने के लिए, देखें प्रधान घटक विश्लेषण (पीसीए) एल्गोरिथम.
- चुनें चरण जोड़ें.
- चुनें आयाम की कमी.
- के लिए बदालना, चुनें प्रमुख कंपोनेंट विश्लेषण.
- के लिए इनपुट कॉलम, लक्ष्य कॉलम को छोड़कर सभी कॉलम चुनें
Class
. - के आगे धन चिह्न चुनें डेटा प्रवाह और चुनें विश्लेषण जोड़ें.
- के लिए विश्लेषण प्रकार, चुनें त्वरित मॉडल.
- के लिए विश्लेषण नाम, नाम डालें।
- के लिए लेबल, चुनें
Class
. - चुनें रन.
पीसीए परिणामों के आधार पर, आप यह तय कर सकते हैं कि मॉडल के निर्माण के लिए किन सुविधाओं का उपयोग करना है। निम्नलिखित स्क्रीनशॉट में, ग्राफ़ लक्ष्य वर्ग की भविष्यवाणी करने के लिए उच्चतम से निम्नतम महत्व के आधार पर आदेशित सुविधाओं (या आयामों) को दिखाता है, जो इस डेटासेट में है कि लेनदेन धोखाधड़ी है या वैध है।
आप इस विश्लेषण के आधार पर सुविधाओं की संख्या कम करना चुन सकते हैं, लेकिन इस पोस्ट के लिए, हम डिफ़ॉल्ट को वैसे ही छोड़ देते हैं।
यह हमारी फीचर इंजीनियरिंग प्रक्रिया को समाप्त करता है, हालांकि आप आगे अनुकूलन करने से पहले डेटा को समझने के लिए त्वरित मॉडल को चलाने और डेटा गुणवत्ता और अंतर्दृष्टि रिपोर्ट को फिर से बनाने का विकल्प चुन सकते हैं।
डेटा निर्यात करें और मॉडल को प्रशिक्षित करें
अगले चरण में, हम आपके डेटा के आधार पर सर्वश्रेष्ठ एमएल मॉडल को स्वचालित रूप से बनाने, प्रशिक्षित करने और ट्यून करने के लिए सेजमेकर ऑटोपायलट का उपयोग करते हैं। सेजमेकर ऑटोपायलट के साथ, आप अभी भी अपने डेटा और मॉडल का पूर्ण नियंत्रण और दृश्यता बनाए रखते हैं।
अब जब हमने अन्वेषण और फीचर इंजीनियरिंग पूरी कर ली है, तो आइए डेटासेट पर एक मॉडल को प्रशिक्षित करें और सेजमेकर ऑटोपायलट का उपयोग करके एमएल मॉडल को प्रशिक्षित करने के लिए डेटा निर्यात करें।
- पर प्रशिक्षण टैब चुनें निर्यात और ट्रेन.
हम निर्यात प्रगति की निगरानी तब तक कर सकते हैं जब तक हम इसके पूरा होने की प्रतीक्षा करते हैं।
आइए हम जिस लक्ष्य की भविष्यवाणी करना चाहते हैं और समस्या के प्रकार को निर्दिष्ट करके एक स्वचालित प्रशिक्षण कार्य चलाने के लिए सेजमेकर ऑटोपायलट को कॉन्फ़िगर करें। इस मामले में, क्योंकि हम डेटासेट को यह अनुमान लगाने के लिए प्रशिक्षित कर रहे हैं कि लेनदेन धोखाधड़ीपूर्ण है या वैध है, हम बाइनरी वर्गीकरण का उपयोग करते हैं।
- अपने प्रयोग के लिए एक नाम दर्ज करें, S3 स्थान डेटा प्रदान करें और चुनें अगला: लक्ष्य और विशेषताएं.
- के लिए लक्ष्य, चुनें
Class
भविष्यवाणी करने वाले कॉलम के रूप में। - चुनें अगले: प्रशिक्षण विधि.
आइए सेजमेकर ऑटोपायलट को डेटासेट के आधार पर प्रशिक्षण पद्धति तय करने की अनुमति दें।
- के लिए प्रशिक्षण विधि और एल्गोरिदम, चुनते हैं ऑटो.
सेजमेकर ऑटोपायलट द्वारा समर्थित प्रशिक्षण मोड के बारे में अधिक समझने के लिए, देखें प्रशिक्षण मोड और एल्गोरिदम समर्थन करें.
- चुनें अगला: परिनियोजन और उन्नत सेटिंग्स.
- के लिए परिनियोजन विकल्प, चुनें डेटा रैंगलर से परिवर्तनों के साथ सर्वोत्तम मॉडल को स्वचालित रूप से तैनात करें, जो प्रयोग पूरा होने के बाद अनुमान के लिए सर्वोत्तम मॉडल लोड करता है।
- अपने समापन बिंदु के लिए एक नाम दर्ज करें.
- के लिए मशीन लर्निंग समस्या प्रकार का चयन करें, चुनें बाइनरी वर्गीकरण.
- के लिए आपत्ति मीट्रिक, चुनें F1.
- चुनें अगला: समीक्षा करें और बनाएं.
- चुनें प्रयोग बनाएं.
यह एक सेजमेकर ऑटोपायलट कार्य शुरू करता है जो प्रशिक्षण कार्यों का एक सेट बनाता है जो उद्देश्य मीट्रिक को अनुकूलित करने के लिए हाइपरपैरामीटर के संयोजन का उपयोग करता है।
सेजमेकर ऑटोपायलट के मॉडल का निर्माण और सर्वोत्तम एमएल मॉडल का मूल्यांकन पूरा होने तक प्रतीक्षा करें।
सर्वोत्तम मॉडल का परीक्षण करने के लिए वास्तविक समय अनुमान समापन बिंदु लॉन्च करें
सेजमेकर ऑटोपायलट सर्वोत्तम मॉडल निर्धारित करने के लिए प्रयोग चलाता है जो क्रेडिट कार्ड लेनदेन को वैध या धोखाधड़ी के रूप में वर्गीकृत कर सकता है।
जब सेजमेकर ऑटोपायलट प्रयोग पूरा कर लेता है, तो हम मूल्यांकन मेट्रिक्स के साथ प्रशिक्षण परिणाम देख सकते हैं और सेजमेकर ऑटोपायलट नौकरी विवरण पृष्ठ से सर्वश्रेष्ठ मॉडल का पता लगा सकते हैं।
- सबसे अच्छा मॉडल चुनें और चुनें मॉडल तैनात करें.
हम सेजमेकर ऑटोपायलट के माध्यम से बनाए गए सर्वोत्तम मॉडल का परीक्षण करने के लिए वास्तविक समय अनुमान समापन बिंदु का उपयोग करते हैं।
- चुनते हैं वास्तविक समय की भविष्यवाणियाँ करें.
जब समापन बिंदु उपलब्ध होता है, तो हम पेलोड को पार कर सकते हैं और अनुमान परिणाम प्राप्त कर सकते हैं।
आइए अनुमान समापन बिंदु का उपयोग करने के लिए एक पायथन नोटबुक लॉन्च करें।
- सेजमेकर स्टूडियो कंसोल पर, नेविगेशन फलक में फ़ोल्डर आइकन चुनें और चुनें नोटबुक बनाएं.
- तैनात वास्तविक समय अनुमान समापन बिंदु को लागू करने के लिए निम्नलिखित पायथन कोड का उपयोग करें:
आउटपुट परिणाम को इस प्रकार दिखाता है false
, जिसका अर्थ है कि नमूना सुविधा डेटा धोखाधड़ीपूर्ण नहीं है।
क्लीन अप
यह सुनिश्चित करने के लिए कि इस ट्यूटोरियल को पूरा करने के बाद आपसे कोई शुल्क न लिया जाए, सेजमेकर डेटा रैंगलर एप्लिकेशन को बंद करें और नोटबुक उदाहरण बंद करें अनुमान लगाने के लिए उपयोग किया जाता है। आपको भी चाहिए अनुमान समापन बिंदु हटाएं आपने अतिरिक्त शुल्क रोकने के लिए सेजमेकर ऑटोपायलट का उपयोग करके बनाया है।
निष्कर्ष
इस पोस्ट में, हमने प्रदर्शित किया कि प्रक्रिया में कोई मध्यवर्ती प्रतिलिपि बनाए बिना सीधे स्नोफ्लेक से अपना डेटा कैसे लाया जाए। आप सीधे स्नोफ्लेक से अपने संपूर्ण डेटासेट का नमूना ले सकते हैं या उसे सेजमेकर डेटा रैंगलर में लोड कर सकते हैं। फिर आप डेटा का पता लगा सकते हैं, डेटा को साफ़ कर सकते हैं, और सेजमेकर डेटा रैंगलर के विज़ुअल इंटरफ़ेस का उपयोग करके विशेषता इंजीनियरिंग का प्रदर्शन कर सकते हैं।
हमने इस बात पर भी प्रकाश डाला कि कैसे आप सीधे सेजमेकर डेटा रैंगलर यूजर इंटरफेस से सेजमेकर ऑटोपायलट के साथ एक मॉडल को आसानी से प्रशिक्षित और ट्यून कर सकते हैं। सेजमेकर डेटा रैंगलर और सेजमेकर ऑटोपायलट एकीकरण के साथ, हम बिना कोई कोड लिखे फीचर इंजीनियरिंग पूरी करने के बाद जल्दी से एक मॉडल बना सकते हैं। फिर हमने वास्तविक समय समापन बिंदु का उपयोग करके अनुमान चलाने के लिए सेजमेकर ऑटोपायलट के सर्वोत्तम मॉडल का संदर्भ दिया।
सेजमेकर का उपयोग करके अपने डेटा के साथ आसानी से एमएल मॉडल बनाने के लिए सेजमेकर डेटा रैंगलर के साथ नए स्नोफ्लेक प्रत्यक्ष एकीकरण को आज ही आज़माएं।
लेखक के बारे में
हरिहरन सुरेश AWS में एक वरिष्ठ समाधान वास्तुकार हैं। उन्हें डेटाबेस, मशीन लर्निंग और नए समाधानों को डिजाइन करने का शौक है। AWS में शामिल होने से पहले, हरिहरन एक उत्पाद वास्तुकार, कोर बैंकिंग कार्यान्वयन विशेषज्ञ और डेवलपर थे, और उन्होंने BFSI संगठनों के साथ 11 वर्षों तक काम किया। तकनीक से इतर उन्हें पैराग्लाइडिंग और साइकिल चलाने में मजा आता है।
अपराजितन वैद्यनाथन AWS में प्रिंसिपल एंटरप्राइज सॉल्यूशंस आर्किटेक्ट हैं। वह एंटरप्राइज़ ग्राहकों को AWS क्लाउड पर उनके कार्यभार को स्थानांतरित करने और आधुनिकीकरण करने में सहायता करता है। वह एक क्लाउड आर्किटेक्ट हैं जिनके पास उद्यम, बड़े पैमाने पर और वितरित सॉफ्टवेयर सिस्टम को डिजाइन करने और विकसित करने का 23+ वर्षों का अनुभव है। वह डेटा और फ़ीचर इंजीनियरिंग डोमेन पर ध्यान केंद्रित करने के साथ मशीन लर्निंग और डेटा एनालिटिक्स में माहिर हैं। वह एक महत्वाकांक्षी मैराथन धावक हैं और उनके शौक में लंबी पैदल यात्रा, बाइक चलाना और अपनी पत्नी और दो लड़कों के साथ समय बिताना शामिल है।
टिम सॉन्ग AWS SageMaker में एक सॉफ्टवेयर डेवलपमेंट इंजीनियर हैं, सॉफ्टवेयर डेवलपर, सलाहकार और तकनीकी नेता के रूप में 10+ वर्षों के अनुभव के साथ उन्होंने स्केलेबल और विश्वसनीय उत्पाद वितरित करने और जटिल समस्याओं को हल करने की क्षमता प्रदर्शित की है। अपने खाली समय में, वह प्रकृति, आउटडोर दौड़, लंबी पैदल यात्रा आदि का आनंद लेते हैं।
बॉस्को अल्बुकर्क AWS में एक सीनियर पार्टनर सॉल्यूशन आर्किटेक्ट हैं और उनके पास एंटरप्राइज़ डेटाबेस वेंडर्स और क्लाउड प्रोवाइडर्स के डेटाबेस और एनालिटिक्स उत्पादों के साथ काम करने का 20 से अधिक वर्षों का अनुभव है। उन्होंने बड़ी प्रौद्योगिकी कंपनियों को डेटा एनालिटिक्स समाधान डिजाइन करने में मदद की है और डेटा एनालिटिक्स प्लेटफॉर्म और डेटा उत्पादों को डिजाइन करने और लागू करने में इंजीनियरिंग टीमों का नेतृत्व किया है।
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
- प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- प्लेटोईएसजी. ऑटोमोटिव/ईवीएस, कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
- BlockOffsets. पर्यावरणीय ऑफसेट स्वामित्व का आधुनिकीकरण। यहां पहुंचें।
- स्रोत: https://aws.amazon.com/blogs/machine-learning/accelerate-time-to-business-insights-with-the-amazon-sagemaker-data-wrangler-direct-connection-to-snowflake/
- :हैस
- :है
- :नहीं
- $यूपी
- 1
- 10
- 100
- 11
- 12
- 14
- 15% तक
- 20
- 20 साल
- 2013
- 27
- 30
- 40
- 500
- 7
- 9
- a
- क्षमता
- About
- में तेजी लाने के
- पहुँच
- लेखा
- अतिरिक्त
- प्रशासकों
- उन्नत
- बाद
- फिर
- ऐ / एमएल
- सब
- अनुमति देना
- भी
- हालांकि
- वीरांगना
- अमेज़न SageMaker
- अमेज़न SageMaker डेटा रैंगलर
- अमेज़ॅन वेब सेवा
- राशि
- an
- विश्लेषण
- विश्लेषिकी
- और
- अन्य
- कोई
- अपाचे
- एपीआई
- लागू
- लागू करें
- हैं
- AS
- आकांक्षी
- At
- ध्यान
- प्रमाणीकरण
- को स्वचालित रूप से
- स्वचालित
- स्वतः
- उपलब्ध
- एडब्ल्यूएस
- बैंकिंग
- आधारित
- बुनियादी
- BE
- क्योंकि
- से पहले
- नीचे
- BEST
- बीएफएसआई
- परिवर्तन
- के छात्रों
- लाना
- निर्माण
- इमारत
- में निर्मित
- व्यापार
- लेकिन
- by
- कर सकते हैं
- क्षमताओं
- कब्जा
- कार्ड
- मामला
- मामलों
- अक्षर
- आरोप लगाया
- प्रभार
- चेक
- चुनें
- कक्षा
- वर्गीकरण
- वर्गीकृत
- वर्गीकृत
- ग्राहक
- बादल
- कोड
- स्तंभ
- स्तंभ
- संयोजन
- कंपनियों
- पूरा
- पूरा
- पूरा करता है
- पूरा
- जटिल
- अंग
- कॉन्फ़िगर किया गया
- जुडिये
- संबंध
- कंसोल
- सलाहकार
- जारी रखने के
- नियंत्रण
- बदलना
- मूल
- कोर बैंकिंग
- बनाना
- बनाया
- बनाता है
- बनाना
- साख
- श्रेय
- क्रेडिट कार्ड
- ग्राहक
- ग्राहक अनुभव
- ग्राहक
- तिथि
- डेटा प्राप्त करना
- डेटा विश्लेषण
- डेटा विश्लेषण
- डेटा तैयारी
- आँकड़े वाला वैज्ञानिक
- डाटाबेस
- डेटाबेस
- तय
- चूक
- चूक
- उद्धार
- दिखाना
- साबित
- तैनात
- तैनात
- तैनाती
- विवरण
- डिज़ाइन
- बनाया गया
- डिज़ाइन बनाना
- विवरण
- निर्धारित करना
- डेवलपर
- विकासशील
- विकास
- आयाम
- प्रत्यक्ष
- सीधे
- वितरित
- डोमेन
- dont
- नीचे
- डाउनलोड
- आसानी
- भी
- endpoint
- इंजीनियर
- अभियांत्रिकी
- दर्ज
- उद्यम
- आदि
- यूरोपीय
- मूल्यांकन
- सिवाय
- मौजूद
- अनुभव
- प्रयोग
- प्रयोगों
- अन्वेषण
- अन्वेषणात्मक डेटा विश्लेषण
- का पता लगाने
- निर्यात
- दूर
- Feature
- विशेषताएं
- की विशेषता
- पट्टिका
- वित्तीय
- खत्म
- प्रथम
- नाव
- फोकस
- निम्नलिखित
- के लिए
- प्रारूप
- कपटपूर्ण
- से
- पूर्ण
- आगे
- उत्पन्न
- मिल
- देता है
- अनुदान
- ग्राफ
- है
- he
- मदद
- मदद की
- उच्चतम
- हाइलाइट
- उसके
- कैसे
- How To
- एचटीएमएल
- http
- HTTPS
- नायक
- पहचान करना
- पहचान
- if
- असंतुलन
- कार्यान्वयन
- कार्यान्वयन
- आयात
- महत्व
- का आयात
- आयात
- में सुधार
- in
- शामिल
- शामिल
- बढ़ना
- व्यक्ति
- करें-
- प्रारंभिक
- अभिनव
- अंतर्दृष्टि
- स्थापित
- एकीकृत
- एकीकरण
- इंटरफेस
- आंतरिक
- में
- मुद्दों
- IT
- आइटम
- काम
- नौकरियां
- शामिल होने
- यात्रा
- जेपीजी
- JSON
- बड़ा
- बड़े पैमाने पर
- लांच
- शुभारंभ
- नेता
- सीख रहा हूँ
- छोड़ना
- नेतृत्व
- बाएं
- वैध
- चलो
- पुस्तकालय
- सीमा
- सूची
- भार
- भार
- स्थानीय
- स्थान
- सबसे कम
- मशीन
- यंत्र अधिगम
- बनाया गया
- बनाए रखना
- बनाना
- प्रबंधन
- मैराथन
- मिलान
- मई..
- तंत्र
- तरीका
- मीट्रिक
- मेट्रिक्स
- विस्थापित
- मिनटों
- लापता
- ML
- आदर्श
- मॉडल
- आधुनिकीकरण
- मोड
- मॉनिटर
- अधिक
- नाम
- नामांकित
- प्रकृति
- पथ प्रदर्शन
- की जरूरत है
- नया
- अगला
- नोटबुक
- अभी
- संख्या
- OAuth
- वस्तु
- उद्देश्य
- of
- on
- चल रहे
- ऑप्टिमाइज़ करें
- विकल्प
- or
- आदेश
- संगठनों
- मूल
- OS
- अन्य
- हमारी
- आउट
- उत्पादन
- बाहर
- के ऊपर
- सिंहावलोकन
- पृष्ठ
- फलक
- साथी
- पास
- आवेशपूर्ण
- पासवर्ड
- पथ
- निष्पादन
- प्रदर्शन
- अनुमतियाँ
- प्लेटफार्म
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- प्लस
- बिन्दु
- लोकप्रिय
- पद
- भविष्यवाणी करना
- भविष्यवाणी
- भविष्यवाणियों
- तैयारी
- तैयार करना
- आवश्यक शर्तें
- को रोकने के
- पिछला
- प्रिंसिपल
- छाप
- पूर्व
- मुसीबत
- समस्याओं
- प्रक्रिया
- प्रसंस्करण
- एस्ट्रो मॉल
- उत्पादकता
- उत्पाद
- प्रगति
- प्रदान करना
- प्रदाता
- प्रदाताओं
- सार्वजनिक
- क्रय
- प्रयोजनों
- रखना
- अजगर
- गुणवत्ता
- प्रश्नों
- त्वरित
- जल्दी से
- वास्तविक समय
- को कम करने
- कम कर देता है
- कमी
- विश्वसनीय
- हटाना
- की जगह
- रिपोर्ट
- की सूचना दी
- रिपोर्ट
- का अनुरोध
- अपेक्षित
- प्रतिक्रिया
- परिणाम
- परिणाम
- की समीक्षा
- घुड़सवारी
- भूमिका
- रन
- धावक
- दौड़ना
- s
- sagemaker
- सहेजें
- स्केलेबल
- वैज्ञानिक
- वैज्ञानिकों
- मूल
- अनुभाग
- भेजें
- वरिष्ठ
- सितंबर
- सेवाएँ
- सेट
- सेटिंग्स
- व्यवस्था
- साझा
- चाहिए
- दिखाना
- दिखाता है
- हस्ताक्षर
- सरल
- सरलीकृत
- एक
- So
- सॉफ्टवेयर
- सॉफ्टवेयर विकास
- समाधान
- समाधान ढूंढे
- हल
- गाना
- स्रोत
- स्पार्क
- विशेषज्ञ
- माहिर
- विशेष रूप से
- गति
- खर्च
- ट्रेनिंग
- शुरू होता है
- कदम
- कदम
- फिर भी
- भंडारण
- की दुकान
- कठोर
- तार
- स्टूडियो
- प्रस्तुत
- सफल
- सफलतापूर्वक
- ऐसा
- समर्थन
- समर्थित
- समर्थन करता है
- सिस्टम
- तालिका
- लक्ष्य
- कार्य
- टीमों
- तकनीक
- टेक्नोलॉजी
- प्रौद्योगिकी कंपनियों
- परीक्षण
- कि
- RSI
- लेखाचित्र
- लेकिन हाल ही
- फिर
- वहाँ।
- वे
- इसका
- उन
- यहाँ
- पहर
- सेवा मेरे
- आज
- रेलगाड़ी
- प्रशिक्षित
- प्रशिक्षण
- ट्रांजेक्शन
- लेनदेन
- परिवर्तन
- रूपांतरण
- <strong>उद्देश्य</strong>
- ट्यूटोरियल
- दो
- टाइप
- ui
- समझना
- अपडेट
- us
- प्रयोज्य
- उपयोग
- प्रयुक्त
- उपयोगकर्ता
- यूजर इंटरफेस
- उपयोगकर्ताओं
- का उपयोग करता है
- का उपयोग
- v1
- सत्यापित करें
- मूल्य
- मान
- विक्रेताओं
- सत्यापित
- देखें
- वास्तविक
- दृश्यता
- प्रतीक्षा
- करना चाहते हैं
- था
- we
- वेब
- वेब सेवाओं
- सप्ताह
- थे
- या
- कौन कौन से
- जब
- कौन
- पत्नी
- साथ में
- अंदर
- बिना
- काम
- काम किया
- वर्कफ़्लो
- workflows
- काम कर रहे
- लिख रहे हैं
- साल
- आप
- आपका
- जेफिरनेट