समय श्रृंखला पूर्वानुमान समय श्रृंखला डेटा के भविष्य के मूल्यों की भविष्यवाणी करने की प्रक्रिया को संदर्भित करता है (डेटा जो समय के साथ नियमित अंतराल पर एकत्र किया जाता है)। समय श्रृंखला पूर्वानुमान के लिए सरल विधियाँ उसी चर के ऐतिहासिक मूल्यों का उपयोग करती हैं जिनके भविष्य के मूल्यों की भविष्यवाणी करने की आवश्यकता होती है, जबकि अधिक जटिल, मशीन लर्निंग (एमएल)-आधारित विधियाँ अतिरिक्त जानकारी का उपयोग करती हैं, जैसे संबंधित चर के समय श्रृंखला डेटा।
अमेज़न का पूर्वानुमान एक एमएल-आधारित समय श्रृंखला पूर्वानुमान सेवा है जिसमें एल्गोरिदम शामिल हैं जो 20 से अधिक वर्षों के पूर्वानुमान अनुभव पर आधारित हैं। Amazon.comसंसाधनों को प्रबंधित करने की आवश्यकता को हटाते हुए, पूरी तरह से प्रबंधित सेवा के रूप में डेवलपर्स के लिए Amazon पर उपयोग की जाने वाली तकनीक को लाना। पूर्वानुमान एमएल का उपयोग न केवल प्रत्येक आइटम के लिए सबसे अच्छा एल्गोरिदम सीखने के लिए करता है, बल्कि प्रत्येक आइटम के लिए एल्गोरिदम का सबसे अच्छा पहनावा भी है, जो स्वचालित रूप से आपके डेटा के लिए सबसे अच्छा मॉडल बनाता है।
यह पोस्ट बताती है कि बिना किसी कोड के पुनरावर्ती पूर्वानुमान वर्कलोड (टाइम सीरीज़ फोरकास्टिंग वर्कलोड) को कैसे तैनात किया जाए एडब्ल्यूएस CloudFormation, AWS स्टेप फ़ंक्शंस, तथा एडब्ल्यूएस सिस्टम मैनेजर. यहां प्रस्तुत विधि आपको एक पाइपलाइन बनाने में मदद करती है जो आपको उत्पादन में मॉडल की तैनाती के माध्यम से अपने समय श्रृंखला पूर्वानुमान प्रयोग के पहले दिन से शुरू होने वाले समान कार्यप्रवाह का उपयोग करने की अनुमति देती है।
पूर्वानुमान का उपयोग करते हुए समय श्रृंखला पूर्वानुमान
पूर्वानुमान के लिए कार्यप्रवाह में निम्नलिखित सामान्य अवधारणाएँ शामिल हैं:
- डेटासेट आयात करना - पूर्वानुमान में, ए डेटा समूह एक साथ चलने वाले डेटासेट, स्कीमा और पूर्वानुमान परिणामों का एक संग्रह है। प्रत्येक डेटासेट समूह में अधिकतम तीन डेटासेट हो सकते हैं, प्रत्येक में से एक डाटासेट प्रकार: लक्ष्य समय श्रृंखला (टीटीएस), संबंधित समय श्रृंखला (आरटीएस), और आइटम मेटाडेटा। डेटासेट फ़ाइलों का एक संग्रह है जिसमें डेटा होता है जो पूर्वानुमान कार्य के लिए प्रासंगिक होता है। डेटासेट को पूर्वानुमान में परिभाषित स्कीमा के अनुरूप होना चाहिए। अधिक विवरण के लिए, देखें डेटासेट आयात करना.
- प्रशिक्षण भविष्यवक्ता - एक भविष्यवक्ता एक पूर्वानुमान-प्रशिक्षित मॉडल है जिसका उपयोग समय श्रृंखला डेटा के आधार पर पूर्वानुमान लगाने के लिए किया जाता है। प्रशिक्षण के दौरान, पूर्वानुमान सटीकता मेट्रिक्स की गणना करता है जिसका उपयोग आप भविष्यवक्ता का मूल्यांकन करने के लिए करते हैं और यह तय करते हैं कि पूर्वानुमान उत्पन्न करने के लिए भविष्यवक्ता का उपयोग करना है या नहीं। अधिक जानकारी के लिए, देखें प्रशिक्षण भविष्यवक्ता.
- पूर्वानुमान उत्पन्न करना - फिर आप भविष्य के समय क्षितिज के लिए पूर्वानुमान उत्पन्न करने के लिए प्रशिक्षित मॉडल का उपयोग कर सकते हैं, जिसे के रूप में जाना जाता है पूर्वानुमान क्षितिज. पूर्वानुमान विभिन्न निर्दिष्ट मात्राओं पर पूर्वानुमान प्रदान करता है। उदाहरण के लिए, 0.90 क्वांटाइल पर एक पूर्वानुमान उस मान का अनुमान लगाएगा जो उस समय के 90% देखे गए मान से कम है। डिफ़ॉल्ट रूप से, पूर्वानुमान पूर्वसूचक पूर्वानुमान प्रकारों के लिए निम्न मानों का उपयोग करता है: 0.1 (P10), 0.5 (P50), और 0.9 (P90)। पूर्वानुमान अनिश्चितता के लिए खाते में विभिन्न मात्राओं पर पूर्वानुमान आमतौर पर एक भविष्यवाणी अंतराल (पूर्वानुमान के लिए एक ऊपरी और निचली सीमा) प्रदान करने के लिए उपयोग किया जाता है।
आप इस वर्कफ़्लो को या तो से पूर्वानुमान में लागू कर सकते हैं एडब्ल्यूएस प्रबंधन कंसोल, AWS कमांड लाइन इंटरफ़ेस (एडब्ल्यूएस सीएलआई), के माध्यम से एपीआई कॉल पायथन नोटबुक का उपयोग कर, या स्वचालन समाधान के माध्यम से। एक ढ़ांचा जिस में आंगन की स्वरकुंजियां आदि लगि है और AWS सीएलआई आपके डेटा का उपयोग करके समय श्रृंखला पूर्वानुमान की व्यवहार्यता की जांच करने के लिए विधियां त्वरित प्रयोग के लिए सबसे उपयुक्त हैं। पहले से ही ज्यूपिटर नोटबुक और कोडिंग से परिचित डेटा वैज्ञानिकों के लिए पायथन नोटबुक विधि बहुत अच्छी है, और अधिकतम नियंत्रण और ट्यूनिंग प्रदान करती है। हालाँकि, नोटबुक-आधारित पद्धति को संचालित करना कठिन है। हमारा स्वचालन दृष्टिकोण तेजी से प्रयोग की सुविधा देता है, दोहराए जाने वाले कार्यों को समाप्त करता है, और विभिन्न वातावरणों (विकास, मंचन, उत्पादन) के बीच आसान संक्रमण की अनुमति देता है।
इस पोस्ट में, हम पूर्वानुमान का उपयोग करने के लिए एक स्वचालन दृष्टिकोण का वर्णन करते हैं जो आपको अपने स्वयं के डेटा का उपयोग करने की अनुमति देता है और एक एकल कार्यप्रवाह प्रदान करता है जिसका उपयोग आप अपने पूर्वानुमान समाधान के विकास के पूरे जीवनचक्र में, प्रयोग के पहले दिनों से परिनियोजन के माध्यम से कर सकते हैं। आपके उत्पादन परिवेश में समाधान का।
समाधान अवलोकन
निम्नलिखित अनुभागों में, हम संपूर्ण एंड-टू-एंड वर्कफ़्लो का वर्णन करते हैं जो पूर्वानुमान का उपयोग करके समय श्रृंखला पूर्वानुमान मॉडल की स्वचालित तैनाती के लिए एक टेम्पलेट के रूप में कार्य करता है। यह कार्यप्रवाह एक ओपन-सोर्स इनपुट डेटासेट से पूर्वानुमानित डेटा बिंदु बनाता है; हालाँकि, आप अपने स्वयं के डेटा के लिए उसी कार्यप्रवाह का उपयोग कर सकते हैं, जब तक आप इस पोस्ट में उल्लिखित चरणों के अनुसार अपने डेटा को प्रारूपित कर सकते हैं। आपके द्वारा डेटा अपलोड करने के बाद, हम आपको पूर्वानुमान डेटासेट समूह बनाने, डेटा आयात करने, ML मॉडल को प्रशिक्षित करने और कच्चे डेटा से भविष्य के अनदेखे समय क्षितिज पर पूर्वानुमानित डेटा बिंदुओं का उत्पादन करने के चरणों के माध्यम से चलते हैं। यह सब बिना कोड लिखे या कंपाइल किए संभव है।
निम्नलिखित आरेख पूर्वानुमान कार्यप्रवाह को दर्शाता है।
समाधान दो CloudFormation टेम्प्लेट का उपयोग करके परिनियोजित किया गया है: निर्भरता टेम्प्लेट और वर्कलोड टेम्प्लेट। CloudFormation आपको तैनात किए जाने वाले संसाधनों का वर्णन करने वाले टेम्प्लेट का उपयोग करके अनुमानित रूप से और बार-बार AWS अवसंरचना परिनियोजन करने में सक्षम बनाता है। एक तैनात टेम्पलेट को कहा जाता है धुआँरा. हमने प्रदान किए गए दो टेम्प्लेट में आपके लिए समाधान में बुनियादी ढांचे को परिभाषित करने का ध्यान रखा है। डिपेंडेंसी टेम्प्लेट वर्कलोड टेम्प्लेट द्वारा उपयोग किए जाने वाले आवश्यक संसाधनों को परिभाषित करता है, जैसे कि a अमेज़न सरल भंडारण सेवा (अमेज़न S3) वस्तु भंडारण के लिए बाल्टी और AWS पहचान और अभिगम प्रबंधन (आईएएम) एडब्ल्यूएस एपीआई कार्यों के लिए अनुमतियां। डिपेंडेंसी टेम्प्लेट में परिभाषित संसाधनों को कई वर्कलोड टेम्प्लेट द्वारा साझा किया जा सकता है। कार्यभार टेम्पलेट उन संसाधनों को परिभाषित करता है जिनका उपयोग डेटा को निगलना, भविष्यवक्ता को प्रशिक्षित करने और पूर्वानुमान उत्पन्न करने के लिए किया जाता है।
निर्भरताएँ CloudFormation टेम्पलेट परिनियोजित करें
सबसे पहले, हमारे पूर्वावश्यक संसाधनों को बनाने के लिए निर्भरता टेम्पलेट को परिनियोजित करें। निर्भरता टेम्पलेट एक वैकल्पिक S3 बकेट को तैनात करता है, AWS लाम्बा कार्य, और IAM भूमिकाएँ। Amazon S3 एक कम लागत वाली, अत्यधिक उपलब्ध, लचीली, वस्तु भंडारण सेवा है। हम स्रोत डेटा को संग्रहीत करने और वर्कफ़्लो को ट्रिगर करने के लिए इस समाधान में एक S3 बकेट का उपयोग करते हैं, जिसके परिणामस्वरूप पूर्वानुमान होता है। लैम्ब्डा एक सर्वर रहित, इवेंट-संचालित कंप्यूट सेवा है जो आपको सर्वर के प्रावधान या प्रबंधन के बिना कोड चलाने देती है। डिपेंडेंसी टेम्प्लेट में पूर्वानुमान में डेटासेट समूह बनाने और बकेट को हटाने से पहले S3 बकेट के भीतर ऑब्जेक्ट को शुद्ध करने जैसे कार्य करने के लिए फ़ंक्शन शामिल हैं। IAM भूमिकाएँ उपयोगकर्ताओं और सेवाओं के लिए AWS के भीतर अनुमतियों को परिभाषित करती हैं। निर्भरता टेम्पलेट लैम्ब्डा द्वारा उपयोग की जाने वाली भूमिका और अन्य चरण कार्यों के लिए तैनात करता है, एक वर्कफ़्लो प्रबंधन सेवा जो डेटा अंतर्ग्रहण और प्रसंस्करण के कार्यों का समन्वय करेगी, साथ ही पूर्वानुमान का उपयोग करके भविष्यवक्ता प्रशिक्षण और अनुमान।
निर्भरता टेम्पलेट को परिनियोजित करने के लिए निम्न चरणों को पूरा करें:
- कंसोल पर, वांछित का चयन करें पूर्वानुमान द्वारा समर्थित क्षेत्र समाधान परिनियोजन के लिए।
- AWS CloudFormation कंसोल पर, चुनें ढेर नेविगेशन फलक में
- चुनें स्टैक बनाएँ और चुनें नए संसाधनों के साथ (मानक).
- के लिए टेम्पलेट स्रोत, चुनते हैं अमेज़न S3 URL.
- टेम्प्लेट URL दर्ज करें:
https://amazon-forecast-samples.s3.us-west-2.amazonaws.com/ml_ops/forecast-mlops-dependency.yaml
. - चुनें अगला.
- के लिए ढेर का नाम, दर्ज
forecast-mlops-dependency
. - के अंतर्गत पैरामीटर्स, मौजूदा S3 बकेट का उपयोग करना चुनें या एक नया बनाएँ, फिर बकेट का नाम प्रदान करें।
- चुनें अगला.
- चुनें अगला डिफ़ॉल्ट स्टैक विकल्पों को स्वीकार करने के लिए।
- यह स्वीकार करने के लिए चेक बॉक्स चुनें कि स्टैक IAM संसाधन बनाता है, फिर चुनें स्टैक बनाएँ टेम्पलेट तैनात करने के लिए।
आपको टेम्पलेट को इस रूप में परिनियोजित देखना चाहिए forecast-mlops-dependency
ढेर। जब स्थिति बदल जाती है CREATE_COMPLETE
, आप अगले चरण पर जा सकते हैं।
वर्कलोड क्लाउडफॉर्मेशन टेम्पलेट को परिनियोजित करें
इसके बाद, आइए अपने पूर्वावश्यक संसाधनों को बनाने के लिए वर्कलोड टेम्प्लेट को परिनियोजित करें। वर्कलोड टेम्प्लेट वर्कफ़्लो प्रबंधन के लिए स्टेप फ़ंक्शंस स्टेट मशीन को तैनात करता है, एडब्ल्यूएस सिस्टम मैनेजर पैरामीटर स्टोर AWS CloudFormation से पैरामीटर मानों को संग्रहीत करने और वर्कफ़्लो को सूचित करने के लिए पैरामीटर, a अमेज़न सरल अधिसूचना सेवा (Amazon SNS) कार्यप्रवाह सूचनाओं के लिए विषय, और कार्यप्रवाह सेवा अनुमतियों के लिए एक IAM भूमिका।
समाधान पांच राज्य मशीनें बनाता है:
- क्रिएटडेटासेटग्रुपस्टेटमशीन - आयात किए जाने वाले डेटा के लिए एक पूर्वानुमान डेटासेट समूह बनाता है।
- CreateImportDatasetStateMachine - प्रशिक्षण के लिए डेटासेट समूह में Amazon S3 से स्रोत डेटा आयात करता है।
- क्रिएटफोरकास्ट स्टेट मशीन - भविष्यवक्ता को प्रशिक्षित करने और पूर्वानुमान उत्पन्न करने के लिए आवश्यक कार्यों का प्रबंधन करता है।
- एथेनाकनेक्टरस्टेटमशीन - आपको SQL प्रश्नों को लिखने में सक्षम बनाता है अमेज़न एथेना अमेज़न S3 में लैंड डेटा के लिए कनेक्टर। यह अमेज़ॅन S3 में फ़ाइलों को मैन्युअल रूप से रखने के बजाय एथेना का उपयोग करके पूर्वानुमान के लिए आवश्यक प्रारूप में ऐतिहासिक डेटा प्राप्त करने की एक वैकल्पिक प्रक्रिया है।
- स्टेपफंक्शनवर्कफ्लोस्टेटमशीन - निर्देशांक अन्य चार राज्य मशीनों को कॉल करते हैं और समग्र वर्कफ़्लो का प्रबंधन करते हैं।
पैरामीटर स्टोर, सिस्टम मैनेजर की क्षमता, कॉन्फ़िगरेशन डेटा प्रबंधन और रहस्य प्रबंधन के सुरक्षित, पदानुक्रमित भंडारण और प्रोग्रामेटिक पुनर्प्राप्ति प्रदान करता है। पैरामीटर स्टोर का उपयोग वर्कलोड स्टैक में सेट पैरामीटर के साथ-साथ वर्कफ़्लो द्वारा उपयोग किए जाने वाले अन्य पैरामीटर को स्टोर करने के लिए किया जाता है।
कार्यभार टेम्पलेट परिनियोजित करने के लिए निम्न चरणों को पूरा करें:
- AWS CloudFormation कंसोल पर, चुनें ढेर नेविगेशन फलक में
- चुनें स्टैक बनाएँ और चुनें नए संसाधनों के साथ (मानक).
- के लिए टेम्पलेट स्रोत, चुनते हैं अमेज़न S3 URL.
- टेम्प्लेट URL दर्ज करें:
https://amazon-forecast-samples.s3.us-west-2.amazonaws.com/ml_ops/forecast-mlops-solution-guidance.yaml
. - चुनें अगला.
- के लिए ढेर का नाम, नाम डालें।
- डिफ़ॉल्ट मान स्वीकार करें या पैरामीटर संशोधित करें।
के लिए निर्भरता स्टैक से S3 बकेट नाम दर्ज करना सुनिश्चित करें S3 बाल्टी और के लिए एक वैध ईमेल पता एसएनएसएंडपॉइंट भले ही आप डिफ़ॉल्ट पैरामीटर मान स्वीकार करते हों।
निम्न तालिका प्रत्येक पैरामीटर का वर्णन करती है।
प्राचल | Description | अधिक जानकारी |
DatasetGroupFrequencyRTS |
आरटीएस डेटासेट के लिए डेटा संग्रह की आवृत्ति। | . |
DatasetGroupFrequencyTTS |
टीटीएस डेटासेट के लिए डेटा संग्रह की आवृत्ति। | . |
DatasetGroupName |
डेटासेट समूह के लिए एक संक्षिप्त नाम, एक स्व-निहित कार्यभार। | डेटासेट समूह बनाएं |
DatasetIncludeItem |
निर्दिष्ट करें कि क्या आप इस उपयोग मामले के लिए आइटम मेटाडेटा प्रदान करना चाहते हैं। | . |
DatasetIncludeRTS |
निर्दिष्ट करें कि क्या आप इस उपयोग मामले के लिए संबंधित समय श्रृंखला प्रदान करना चाहते हैं। | . |
ForecastForecastTypes |
जब कोई CreateForecast कार्य चलता है, तो यह घोषित करता है कि किन क्वांटाइल्स के लिए भविष्यवाणियाँ करनी हैं। आप इस सरणी में पाँच मान तक चुन सकते हैं। आवश्यकता के अनुसार मान शामिल करने के लिए इस मान को संपादित करें। | पूर्वानुमान बनाएं |
PredictorAttributeConfigs |
टीटीएस में लक्ष्य चर और आरटीएस डेटासेट में प्रत्येक संख्यात्मक क्षेत्र के लिए, प्रत्येक आइटम के लिए प्रत्येक समय अंतराल के लिए एक रिकॉर्ड बनाया जाना चाहिए। यह कॉन्फ़िगरेशन यह निर्धारित करने में मदद करता है कि लापता रिकॉर्ड कैसे भरे जाते हैं: 0, NaN, या अन्य के साथ। हम टीटीएस में अंतराल को 0 के बजाय NaN के साथ भरने की सलाह देते हैं। 0 के साथ, मॉडल गलत तरीके से 0 की ओर पूर्वाग्रह को सीख सकता है। NaN यह है कि मार्गदर्शन कैसे दिया जाता है। इस पर किसी भी प्रश्न के लिए अपने AWS Solutions Architect से सलाह लें। | ऑटोप्रेडिक्टर बनाएं |
PredictorExplainPredictor |
मान्य मान TRUE या FALSE हैं। ये निर्धारित करते हैं कि आपके भविष्यवक्ता के लिए व्याख्यात्मकता सक्षम है या नहीं। इससे आपको यह समझने में मदद मिल सकती है कि आरटीएस और आइटम मेटाडेटा में मूल्य मॉडल को कैसे प्रभावित करते हैं। | व्याख्या करने योग्य |
PredictorForecastDimensions |
आप आइटम की तुलना में महीन दाने का पूर्वानुमान लगाना चाह सकते हैं। यहां, आप स्थान, लागत केंद्र, या जो कुछ भी आपकी आवश्यकता है जैसे आयाम निर्दिष्ट कर सकते हैं। इसे आपके आरटीएस और टीटीएस में आयामों से सहमत होने की जरूरत है। ध्यान दें कि यदि आपके पास कोई आयाम नहीं है, तो सही पैरामीटर शून्य है, अपने आप में और सभी लोअरकेस में। नल एक आरक्षित शब्द है जो सिस्टम को बताता है कि आयाम के लिए कोई पैरामीटर नहीं है। | ऑटोप्रेडिक्टर बनाएं |
PredictorForecastFrequency |
उस समय के पैमाने को परिभाषित करता है जिस पर आपका मॉडल और भविष्यवाणियां उत्पन्न होंगी, जैसे दैनिक, साप्ताहिक या मासिक। ड्रॉप-डाउन मेनू आपको अनुमत मान चुनने में मदद करता है। यदि आप RTS का उपयोग कर रहे हैं तो इसे आपके RTS टाइम स्केल से सहमत होना चाहिए। | ऑटोप्रेडिक्टर बनाएं |
PredictorForecastHorizon |
मॉडल द्वारा भविष्यवाणी किए गए समय कदमों की संख्या। पूर्वानुमान क्षितिज को भी कहा जाता है भविष्यवाणी लंबाई. | ऑटोप्रेडिक्टर बनाएं |
PredictorForecastOptimizationMetric |
भविष्यवक्ता को अनुकूलित करने के लिए उपयोग की जाने वाली सटीकता मीट्रिक को परिभाषित करता है। ड्रॉप-डाउन मेनू आपको ओवर-या अंडर-फोरकास्टिंग के लिए वेटेड क्वांटाइल लॉस बैलेंस चुनने में मदद करेगा। RMSE का संबंध इकाइयों से है, और WAPE/MAPE का संबंध प्रतिशत त्रुटियों से है। | ऑटोप्रेडिक्टर बनाएं |
PredictorForecastTypes |
जब CreateAutoPredictor जॉब चलता है, यह घोषणा करता है कि भविष्यवाणी बिंदुओं को प्रशिक्षित करने के लिए कौन से क्वांटाइल का उपयोग किया जाता है। आप इस सरणी में अधिकतम पांच मान चुन सकते हैं, जिससे आप अधिक और कम पूर्वानुमान को संतुलित कर सकते हैं। आवश्यकता के अनुसार मान शामिल करने के लिए इस मान को संपादित करें। |
ऑटोप्रेडिक्टर बनाएं |
S3Bucket |
S3 बकेट का नाम जहां इस वर्कलोड के लिए इनपुट डेटा और आउटपुट डेटा लिखा जाता है। | . |
SNSEndpoint |
भविष्यवक्ता और पूर्वानुमान कार्य पूर्ण होने पर सूचनाएं प्राप्त करने के लिए एक वैध ईमेल पता। | . |
SchemaITEM |
यह आपके आइटम मेटाडेटा डेटासेट के लिए भौतिक क्रम, स्तंभ नाम और डेटा प्रकार परिभाषित करता है। यह समाधान उदाहरण में प्रदान की गई एक वैकल्पिक फ़ाइल है। | डेटासेट बनाएं |
SchemaRTS |
यह आपके RTS डेटासेट के लिए भौतिक क्रम, स्तंभ नाम और डेटा प्रकार परिभाषित करता है। आयामों को आपके टीटीएस से मेल खाना चाहिए। इस फ़ाइल का टाइम-ग्रेन टाइम-ग्रेन को नियंत्रित करता है जिस पर भविष्यवाणी की जा सकती है। यह समाधान उदाहरण में प्रदान की गई एक वैकल्पिक फ़ाइल है। | डेटासेट बनाएं |
SchemaTTS |
यह आपके टीटीएस डेटासेट के लिए भौतिक क्रम, कॉलम नाम और डेटा प्रकार को परिभाषित करता है, जो केवल आवश्यक डेटासेट है। फ़ाइल में कम से कम एक लक्ष्य मान, टाइमस्टैम्प और आइटम होना चाहिए। | डेटासेट बनाएं |
TimestampFormatRTS |
आरटीएस फ़ाइल में प्रदान किए गए टाइमस्टैम्प प्रारूप को परिभाषित करता है। | क्रिएटडेटासेटइम्पोर्टजॉब |
TimestampFormatTTS |
टीटीएस फ़ाइल में प्रदान किए गए टाइमस्टैम्प प्रारूप को परिभाषित करता है। | क्रिएटडेटासेटइम्पोर्टजॉब |
- चुनें अगला डिफ़ॉल्ट स्टैक विकल्पों को स्वीकार करने के लिए।
- यह स्वीकार करने के लिए चेक बॉक्स चुनें कि स्टैक IAM संसाधन बनाता है, फिर चुनें स्टैक बनाएँ टेम्पलेट तैनात करने के लिए।
आपको पहले चुने गए स्टैक नाम के रूप में टेम्पलेट परिनियोजन दिखाई देना चाहिए। जब स्थिति बदल जाती है CREATE_COMPLETE
, आप डेटा अपलोड चरण पर जा सकते हैं।
डेटा अपलोड करें
पिछले अनुभाग में, आपने एक स्टैक नाम और एक S3 बकेट प्रदान किया था। यह खंड बताता है कि सार्वजनिक रूप से उपलब्ध डेटासेट को कैसे जमा किया जाए भोजन की मांग इस बाल्टी में। यदि आप अपने स्वयं के डेटासेट का उपयोग कर रहे हैं, तो देखें डेटासेट परिनियोजन की अपेक्षा वाले प्रारूप में अपना डेटासेट तैयार करने के लिए। डेटासेट में कम से कम लक्ष्य समय श्रृंखला और वैकल्पिक रूप से संबंधित समय श्रृंखला और आइटम मेटाडेटा शामिल होना चाहिए:
- टीटीएस समय श्रृंखला डेटा है जिसमें वह क्षेत्र शामिल है जिसके लिए आप पूर्वानुमान उत्पन्न करना चाहते हैं; इस फील्ड को कहा जाता है लक्ष्य क्षेत्र
- आरटीएस समय श्रृंखला डेटा है जिसमें लक्ष्य फ़ील्ड शामिल नहीं है, लेकिन संबंधित फ़ील्ड शामिल है
- आइटम डेटा फ़ाइल समय श्रृंखला डेटा नहीं है, लेकिन इसमें TTS या RTS डेटासेट में आइटम के बारे में मेटाडेटा जानकारी शामिल है
निम्नलिखित चरणों को पूरा करें:
- यदि आप प्रदान किए गए नमूना डेटासेट का उपयोग कर रहे हैं, तो डेटासेट डाउनलोड करें भोजन की मांग अपने कंप्यूटर पर और फ़ाइल को अनज़िप करें, जो तीन निर्देशिकाओं के अंदर तीन फ़ाइलें बनाता है (
rts
,tts
,item
). - Amazon S3 कंसोल पर, आपके द्वारा पहले बनाई गई बकेट पर नेविगेट करें।
- चुनें फ़ोल्डर बनाएँ.
- फ़ोल्डर नाम के लिए अपने वर्कलोड स्टैक नाम के समान स्ट्रिंग का उपयोग करें।
- चुनें अपलोड.
- तीन डेटासेट फ़ोल्डर चुनें, फिर चुनें अपलोड.
जब अपलोड पूर्ण हो जाए, तो आपको निम्न स्क्रीनशॉट जैसा कुछ दिखाई देना चाहिए। इस उदाहरण के लिए, हमारा फ़ोल्डर है aiml42
.
एक पूर्वानुमान डेटासेट समूह बनाएँ
प्रत्येक वर्कलोड के लिए एक बार के ईवेंट के रूप में डेटासेट समूह बनाने के लिए इस अनुभाग में दिए गए चरणों को पूरा करें। आगे बढ़ते हुए, आपको अपने शेड्यूल के अनुसार आयात डेटा चलाने, भविष्यवक्ता बनाने, और एक श्रृंखला के रूप में उचित पूर्वानुमान चरण बनाने की योजना बनानी चाहिए, जो दैनिक, साप्ताहिक या अन्यथा हो सकता है।
- चरण कार्य कंसोल पर, युक्त राज्य मशीन का पता लगाएं
Create-Dataset-Group
. - राज्य मशीन विवरण पृष्ठ पर, चुनें अमल शुरू करो.
- चुनें अमल शुरू करो फिर पुष्टि करने के लिए
स्टेट मशीन को चलने में लगभग 1 मिनट का समय लगता है। जब यह पूरा हो जाए, तो नीचे का मान निष्पादन स्थिति से बदलना चाहिए रनिंग सेवा मेरे सफल हुए
पूर्वानुमान में डेटा आयात करें
आपने अपने S3 बकेट में अपलोड किए गए डेटा सेट को अपने डेटासेट समूह में आयात करने के लिए इस अनुभाग में दिए गए चरणों का पालन करें:
- चरण कार्य कंसोल पर, युक्त राज्य मशीन का पता लगाएं
Import-Dataset
. - राज्य मशीन विवरण पृष्ठ पर, चुनें निष्पादन प्रारंभ करें.
- चुनें अमल शुरू करो फिर पुष्टि करने के लिए
राज्य मशीन को चलाने में जितना समय लगता है, वह संसाधित होने वाले डेटासेट पर निर्भर करता है।
- जब यह चल रहा हो, तो अपने ब्राउज़र में, एक अन्य टैब खोलें और पूर्वानुमान कंसोल पर नेविगेट करें।
- पूर्वानुमान कंसोल पर, चुनें डेटासेट समूह देखें और निर्दिष्ट नाम के साथ डेटासेट समूह पर नेविगेट करें
DataGroupName
अपने कार्यभार के ढेर से। - चुनें डेटासेट देखें.
आपको डेटा आयात प्रगति पर देखना चाहिए।
जब राज्य मशीन के लिए Import-Dataset
पूरा हो गया है, तो आप अपना समय श्रृंखला डेटा मॉडल बनाने के लिए अगले चरण पर जा सकते हैं।
AutoPredictor बनाएँ (एक समय श्रृंखला मॉडल को प्रशिक्षित करें)
यह खंड बताता है कि पूर्वानुमान के साथ प्रारंभिक भविष्यवक्ता को कैसे प्रशिक्षित किया जाए। आप एक नया प्रेडिक्टर (आपका पहला, बेसलाइन प्रेडिक्टर) बनाना चुन सकते हैं या प्रत्येक उत्पादन चक्र के दौरान एक प्रेडिक्टर को फिर से प्रशिक्षित कर सकते हैं, जो दैनिक, साप्ताहिक या अन्यथा हो सकता है। आप प्रत्येक चक्र में एक भविष्यवक्ता नहीं बनाने का चुनाव भी कर सकते हैं और भविष्यवक्ता निगरानी पर भरोसा कर सकते हैं कि आपको एक भविष्यवक्ता कब बनाना है। निम्नलिखित आंकड़ा एक उत्पादन-तैयार पूर्वानुमान भविष्यवक्ता बनाने की प्रक्रिया की कल्पना करता है।
एक नया भविष्यवक्ता बनाने के लिए, निम्नलिखित चरणों को पूरा करें:
- चरण कार्य कंसोल पर, युक्त राज्य मशीन का पता लगाएं
Create-Predictor
. - राज्य मशीन विवरण पृष्ठ पर, चुनें निष्पादन प्रारंभ करें.
- चुनें अमल शुरू करो फिर पुष्टि करने के लिए
रनटाइम की मात्रा संसाधित किए जा रहे डेटासेट पर निर्भर कर सकती है। इसे पूरा होने में एक घंटे या उससे अधिक समय लग सकता है। - जब यह चल रहा हो, तो अपने ब्राउज़र में, एक अन्य टैब खोलें और पूर्वानुमान कंसोल पर नेविगेट करें।
- पूर्वानुमान कंसोल पर, चुनें डेटासेट समूह देखें और निर्दिष्ट नाम के साथ डेटासेट समूह पर नेविगेट करें
DataGroupName
अपने कार्यभार के ढेर से। - चुनें भविष्यवक्ता देखें.
आपको भविष्यवक्ता प्रशिक्षण प्रगति पर देखना चाहिए (प्रशिक्षण स्थिति "प्रगति में बनाएँ ..." दिखाता है)।
जब राज्य मशीन के लिए Create-Predictor
पूर्ण है, आप इसके प्रदर्शन का मूल्यांकन कर सकते हैं।
राज्य मशीन के हिस्से के रूप में, सिस्टम एक भविष्यवक्ता बनाता है और एक भी चलाता है BacktestExport
जॉब जो Amazon S3 को टाइम सीरीज़-लेवल प्रेडिक्टर मेट्रिक्स लिखता है। ये दो S3 फोल्डर में स्थित फाइलें हैं backtest-export
फ़ोल्डर:
- सटीकता-मेट्रिक्स-मान - आइटम-स्तर सटीकता मीट्रिक कंप्यूटेशंस प्रदान करता है ताकि आप एकल समय श्रृंखला के प्रदर्शन को समझ सकें। यह आपको अकेले वैश्विक मेट्रिक्स पर ध्यान केंद्रित करने के बजाय फैलाव की जांच करने की अनुमति देता है।
- पूर्वानुमानित-मूल्य - बैकटेस्ट विंडो में प्रत्येक समय श्रृंखला के लिए चरण-स्तरीय भविष्यवाणियां प्रदान करता है। यह आपको वास्तविक लक्ष्य मान की तुलना होल्डआउट परीक्षण सेट से पूर्वानुमानित मात्रात्मक मानों से करने में सक्षम बनाता है। इसकी समीक्षा करने से भविष्य के मूल्यों का बेहतर अनुमान लगाने में मदद करने के लिए आरटीएस या आइटम मेटाडेटा में अतिरिक्त डेटा सुविधाएं प्रदान करने के बारे में विचार तैयार करने में मदद मिलती है, जिससे नुकसान कम होता है। आप डाउनलोड कर सकते हैं
backtest-export
Amazon S3 से फ़ाइलें या उन्हें एथेना के साथ जगह में क्वेरी करें।
अपने स्वयं के डेटा के साथ, आपको पूर्वसूचक परिणामों का बारीकी से निरीक्षण करने की आवश्यकता है और सुनिश्चित करें कि मेट्रिक्स बैकटेस्ट निर्यात डेटा का उपयोग करके आपके अपेक्षित परिणामों को पूरा करते हैं। संतुष्ट होने पर, आप भविष्य-दिनांकित भविष्यवाणियां उत्पन्न करना शुरू कर सकते हैं जैसा कि अगले भाग में बताया गया है।
एक पूर्वानुमान उत्पन्न करें (भविष्य के समय क्षितिज के बारे में अनुमान)
यह खंड बताता है कि पूर्वानुमान के साथ पूर्वानुमान डेटा बिंदु कैसे उत्पन्न करें। आगे बढ़ते हुए, आपको स्रोत प्रणाली से नए डेटा का संग्रह करना चाहिए, डेटा को पूर्वानुमान में आयात करना चाहिए, और फिर पूर्वानुमान डेटा बिंदु उत्पन्न करना चाहिए। वैकल्पिक रूप से, आप आयात के बाद और पूर्वानुमान से पहले एक नया भविष्यवक्ता निर्माण भी सम्मिलित कर सकते हैं। निम्नलिखित आंकड़ा पूर्वानुमान का उपयोग करके उत्पादन समय श्रृंखला पूर्वानुमान बनाने की प्रक्रिया को दर्शाता है।
निम्नलिखित चरणों को पूरा करें:
- चरण कार्य कंसोल पर, युक्त राज्य मशीन का पता लगाएं
Create-Forecast
. - राज्य मशीन विवरण पृष्ठ पर, चुनें निष्पादन प्रारंभ करें.
- चुनें अमल शुरू करो फिर पुष्टि करने के लिए
यह राज्य मशीन बहुत जल्दी खत्म हो जाती है क्योंकि सिस्टम पूर्वानुमान उत्पन्न करने के लिए कॉन्फ़िगर नहीं किया गया है। यह नहीं जानता कि आपने अनुमान लगाने के लिए किस भविष्यवक्ता मॉडल को मंजूरी दी है।
आइए आपके प्रशिक्षित भविष्यवक्ता का उपयोग करने के लिए सिस्टम को कॉन्फ़िगर करें। - पूर्वानुमान कंसोल पर, अपने भविष्यवक्ता के लिए ARN का पता लगाएं।
- बाद के चरण में उपयोग करने के लिए ARN को कॉपी करें।
- अपने ब्राउज़र में, अन्य टैब खोलें और सिस्टम मैनेजर कंसोल पर नेविगेट करें।
- सिस्टम मैनेजर कंसोल पर, चुनें पैरामीटर स्टोर नेविगेशन फलक में
- अपने स्टैक से संबंधित पैरामीटर का पता लगाएँ (
/forecast/<StackName>/Forecast/PredictorArn
). - वह ARN दर्ज करें जिसे आपने अपने भविष्यवक्ता के लिए कॉपी किया था।
यह है कि आप एक प्रशिक्षित भविष्यवक्ता को पूर्वानुमान के अनुमान समारोह के साथ कैसे जोड़ते हैं। - पैरामीटर का पता लगाएँ
/forecast/<StackName>/Forecast/Generate
और मूल्य को संपादित करें, प्रतिस्थापित करेंFALSE
साथ मेंTRUE
.
अब आप इस डेटासेट समूह के लिए पूर्वानुमान कार्य चलाने के लिए तैयार हैं। - चरण कार्य कंसोल पर, चलाएँ
Create-Forecast
राज्य मशीन।
इस बार, नौकरी उम्मीद के मुताबिक चलती है। राज्य मशीन के हिस्से के रूप में, सिस्टम पूर्वानुमान बनाता है और ए ForecastExport
जॉब, जो Amazon S3 के लिए समय श्रृंखला भविष्यवाणियों को लिखता है। ये फ़ाइलें में स्थित हैं forecast
फोल्डर
अंदर forecast
फोल्डर, आप अपने चयन के आधार पर, कई CSV या Parquet फ़ाइलों में स्थित अपने आइटम के लिए पूर्वानुमान पाएंगे। प्रत्येक समय चरण और चयनित समय श्रृंखला के लिए पूर्वानुमान आपके द्वारा चुने गए सभी मात्रात्मक मानों के प्रति रिकॉर्ड के साथ मौजूद होते हैं। आप इन फ़ाइलों को Amazon S3 से डाउनलोड कर सकते हैं, उन्हें एथेना के साथ क्वेरी कर सकते हैं, या डेटा का उपयोग करने के लिए कोई अन्य रणनीति चुन सकते हैं।
यह पूरे वर्कफ़्लो को लपेटता है। अब आप अपनी पसंद के किसी भी विज़ुअलाइज़ेशन टूल का उपयोग करके अपने आउटपुट की कल्पना कर सकते हैं, जैसे अमेज़न क्विकसाइट. वैकल्पिक रूप से, डेटा वैज्ञानिक पांडा का उपयोग अपने स्वयं के प्लॉट बनाने के लिए कर सकते हैं। यदि आप QuickSight का उपयोग करना चुनते हैं, तो आप कर सकते हैं अपने पूर्वानुमान परिणामों को QuickSight से कनेक्ट करें डेटा ट्रांसफ़ॉर्मेशन करने के लिए, एक या अधिक डेटा विश्लेषण बनाएँ, और विज़ुअलाइज़ेशन बनाएँ.
यह प्रक्रिया पालन करने के लिए एक टेम्पलेट प्रदान करती है। आपको नमूना को अपने स्कीमा में अनुकूलित करने की आवश्यकता होगी, अपने उपयोग के मामले के अनुसार पूर्वानुमान क्षितिज, समय संकल्प, और आगे सेट करें। आपको एक आवर्ती शेड्यूल भी सेट करने की आवश्यकता होगी जहां स्रोत सिस्टम से डेटा काटा जाता है, डेटा आयात किया जाता है, और पूर्वानुमान तैयार किया जाता है। अगर वांछित है, तो आप आयात और पूर्वानुमान चरणों के बीच एक भविष्यवक्ता कार्य सम्मिलित कर सकते हैं।
भविष्यवक्ता को फिर से प्रशिक्षित करें
हम एक नए भविष्यवक्ता को प्रशिक्षित करने की प्रक्रिया से गुजरे हैं, लेकिन एक भविष्यवक्ता को फिर से प्रशिक्षित करने के बारे में क्या? भविष्यवक्ता को फिर से प्रशिक्षित करना नवीनतम उपलब्ध डेटा पर भविष्यवक्ता के प्रशिक्षण में शामिल लागत और समय को कम करने का एक तरीका है। एक नया भविष्यवक्ता बनाने और इसे संपूर्ण डेटासेट पर प्रशिक्षित करने के बजाय, हम मौजूदा भविष्यवक्ता को केवल नए वृद्धिशील डेटा प्रदान करके पुनः प्रशिक्षित कर सकते हैं, क्योंकि भविष्यवक्ता को अंतिम बार प्रशिक्षित किया गया था। आइए ऑटोमेशन समाधान का उपयोग करके भविष्यवक्ता को फिर से प्रशिक्षित करने के तरीके के बारे में जानें:
- पूर्वानुमान कंसोल पर, चुनें डेटासेट समूह देखें.
- उस पूर्वसूचक से संबद्ध डेटासेट समूह चुनें जिसे आप फिर से प्रशिक्षित करना चाहते हैं।
- चुनें भविष्यवक्ता देखें, फिर उस भविष्यवक्ता को चुनें जिसे आप फिर से प्रशिक्षित करना चाहते हैं।
- पर सेटिंग टैब, भविष्यवक्ता ARN को कॉपी करें।
हमें पुनर्प्रशिक्षण के लिए पूर्वसूचक की पहचान करने के लिए वर्कफ़्लो द्वारा उपयोग किए जाने वाले पैरामीटर को अपडेट करने की आवश्यकता है। - सिस्टम मैनेजर कंसोल पर, चुनें पैरामीटर स्टोर नेविगेशन फलक में
- पैरामीटर का पता लगाएँ
/forecast/<STACKNAME>/Forecast/Predictor/ReferenceArn
. - पैरामीटर विवरण पृष्ठ पर, चुनें संपादित करें.
- के लिए वैल्यू , भविष्यवक्ता ARN दर्ज करें।
यह कार्यप्रवाह को फिर से प्रशिक्षित करने के लिए सही भविष्यवक्ता की पहचान करता है। अगला, हमें प्रशिक्षण रणनीति को बदलने के लिए वर्कफ़्लो द्वारा उपयोग किए जाने वाले पैरामीटर को अपडेट करने की आवश्यकता है। - पैरामीटर का पता लगाएँ
/forecast/<STACKNAME>/Forecast/Predictor/Strategy
. - पैरामीटर विवरण पृष्ठ पर, संपादित करें चुनें।
- मान के लिए, दर्ज करें
RETRAIN
.
एक नए भविष्यवक्ता को प्रशिक्षित करने के लिए वर्कफ़्लो डिफॉल्ट करता है; हालाँकि, हम किसी मौजूदा भविष्यवक्ता को फिर से प्रशिक्षित करने के लिए उस व्यवहार को संशोधित कर सकते हैं या इस मान को सेट करके बिना किसी मौजूदा भविष्यवक्ता का पुन: उपयोग कर सकते हैंNONE
. यदि आपका डेटा अपेक्षाकृत स्थिर है या आप उपयोग कर रहे हैं तो आप प्रशिक्षण छोड़ना चाह सकते हैं स्वचालित भविष्यवक्ता निगरानी यह तय करने के लिए कि पुनर्प्रशिक्षण कब आवश्यक है। - वृद्धिशील प्रशिक्षण डेटा को S3 बकेट में अपलोड करें।
- स्टेप फंक्शंस कंसोल पर, राज्य मशीन का पता लगाएं
<STACKNAME>-Create-Predictor
. - राज्य मशीन विवरण पृष्ठ पर, चुनें अमल शुरू करो पुनर्प्रशिक्षण शुरू करने के लिए।
जब पुनर्प्रशिक्षण पूरा हो जाएगा, तो कार्यप्रवाह समाप्त हो जाएगा और आपको वर्कलोड टेम्पलेट पैरामीटर में प्रदान किए गए ईमेल पते पर एक एसएनएस ईमेल अधिसूचना प्राप्त होगी।
क्लीन अप
जब आप इस समाधान को पूरा कर लें, तो संबंधित संसाधनों को हटाने के लिए इस अनुभाग में दिए गए चरणों का पालन करें।
S3 बकेट हटाएं
- अमेज़न S3 कंसोल पर, चुनें बाल्टी नेविगेशन फलक में
- उस बकेट का चयन करें जहां डेटा अपलोड किया गया था और चुनें खाली समाधान से जुड़े सभी डेटा को हटाने के लिए, स्रोत डेटा सहित।
- दर्ज
permanently delete
बकेट सामग्री को स्थायी रूप से हटाने के लिए। - पर बाल्टी पृष्ठ, बाल्टी का चयन करें और चुनें मिटाना.
- विलोपन की पुष्टि करने के लिए बकेट का नाम दर्ज करें और चुनें बाल्टी हटाएं.
पूर्वानुमान संसाधन हटाएं
- पूर्वानुमान कंसोल पर, चुनें डेटासेट समूह देखें.
- समाधान से जुड़े डेटासेट समूह का नाम चुनें, फिर चुनें मिटाना.
- दर्ज
delete
डेटासेट समूह और संबंधित भविष्यवक्ताओं को हटाने के लिए, भविष्यवक्ता बैकटेस्ट निर्यात नौकरियों, पूर्वानुमानों और निर्यात नौकरियों का पूर्वानुमान लगाने के लिए। - चुनें मिटाना पुष्टि करने के लिए।
CloudFormation स्टैक हटाएं
- AWS CloudFormation कंसोल पर, चुनें ढेर नेविगेशन फलक में
- वर्कलोड स्टैक का चयन करें और चुनें मिटाना.
- चुनें स्टैक हटाएं स्टैक और सभी संबद्ध संसाधनों को हटाने की पुष्टि करने के लिए।
- जब विलोपन पूरा हो जाए, तो निर्भरताओं के ढेर का चयन करें और चुनें मिटाना.
- चुनें मिटाना पुष्टि करने के लिए।
निष्कर्ष
इस पोस्ट में, हमने पूर्वानुमान का उपयोग शुरू करने के कुछ अलग तरीकों पर चर्चा की। हम AWS CloudFormation पर आधारित एक स्वचालित पूर्वानुमान समाधान के माध्यम से चले, डेटा अंतर्ग्रहण से अनुमान लगाने के लिए एक पूर्वानुमान पाइपलाइन की त्वरित, दोहराने योग्य समाधान तैनाती के लिए आवश्यक बुनियादी ढांचे के ज्ञान के साथ। अंत में, हमने देखा कि कैसे हम लैम्ब्डा का उपयोग मॉडल रीट्रेनिंग को स्वचालित करने, लागत और प्रशिक्षण समय को कम करने के लिए कर सकते हैं।
पूर्वानुमान के साथ पूर्वानुमान शुरू करने के लिए वर्तमान से बेहतर कोई समय नहीं है। एक स्वचालित कार्यप्रवाह का निर्माण और परिनियोजन शुरू करने के लिए, पर जाएँ अमेज़न पूर्वानुमान संसाधन. खुश भविष्यवाणी!
लेखक के बारे में
हारून फगन न्यूयॉर्क स्थित AWS में प्रिंसिपल स्पेशलिस्ट सॉल्यूशन आर्किटेक्ट हैं। वह मशीन लर्निंग और क्लाउड सुरक्षा में ग्राहकों के आर्किटेक्ट समाधान में मदद करने में माहिर हैं।
राजू पाटिल AWS प्रोफेशनल सर्विसेज में डेटा साइंटिस्ट हैं। वह AWS ग्राहकों को उनकी व्यावसायिक चुनौतियों पर काबू पाने में सहायता करने के लिए AI/ML समाधान बनाता और तैनात करता है। उनकी AWS संलग्नताओं ने वित्तीय सेवाओं, दूरसंचार, स्वास्थ्य देखभाल, और अन्य सहित कई उद्योगों में AI/ML उपयोग के मामलों की एक विस्तृत श्रृंखला को कवर किया है, जैसे कि कंप्यूटर विज़न, समय-श्रृंखला पूर्वानुमान, और भविष्य कहनेवाला विश्लेषण आदि। इससे पहले, उन्होंने विज्ञापन प्रौद्योगिकी में डेटा साइंस टीमों का नेतृत्व किया है, और कंप्यूटर विज़न और रोबोटिक्स में कई शोध और विकास पहलों में महत्वपूर्ण योगदान दिया है। काम के बाहर, वह फोटोग्राफी, लंबी पैदल यात्रा, यात्रा और पाक खोज का आनंद लेता है।
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोआईस्ट्रीम। Web3 डेटा इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- मिंटिंग द फ्यूचर डब्ल्यू एड्रिएन एशले। यहां पहुंचें।
- PREIPO® के साथ PRE-IPO कंपनियों में शेयर खरीदें और बेचें। यहां पहुंचें।
- स्रोत: https://aws.amazon.com/blogs/machine-learning/automate-the-deployment-of-an-amazon-forecast-time-series-forecasting-model/
- :हैस
- :है
- :नहीं
- :कहाँ
- $यूपी
- 1
- 10
- 100
- 11
- 20
- 20 साल
- 2022
- 7
- 8
- 9
- a
- About
- स्वीकार करें
- पहुँच
- अनुसार
- लेखा
- शुद्धता
- स्वीकार करना
- के पार
- कार्रवाई
- अनुकूलन
- अतिरिक्त
- अतिरिक्त जानकारी
- पता
- विज्ञापन
- बाद
- फिर
- ऐ / एमएल
- कलन विधि
- एल्गोरिदम
- सब
- की अनुमति दे
- की अनुमति देता है
- अकेला
- पहले ही
- भी
- वीरांगना
- अमेज़न का पूर्वानुमान
- राशि
- an
- का विश्लेषण करती है
- विश्लेषिकी
- और
- अन्य
- कोई
- एपीआई
- दृष्टिकोण
- उपयुक्त
- अनुमोदित
- हैं
- ऐरे
- AS
- सहायता
- सहयोगी
- जुड़े
- At
- को स्वचालित रूप से
- स्वचालित
- स्वतः
- स्वचालन
- उपलब्ध
- एडब्ल्यूएस
- एडब्ल्यूएस CloudFormation
- AWS व्यावसायिक सेवाएँ
- Backtest
- शेष
- शेष
- आधारित
- आधारभूत
- BE
- क्योंकि
- से पहले
- शुरू करना
- जा रहा है
- BEST
- बेहतर
- के बीच
- पूर्वाग्रह
- सीमा
- मुक्केबाज़ी
- लाना
- ब्राउज़र
- निर्माण
- इमारत
- बनाता है
- व्यापार
- लेकिन
- by
- गणना
- बुलाया
- कॉल
- कर सकते हैं
- कौन
- मामला
- मामलों
- केंद्र
- चुनौतियों
- परिवर्तन
- परिवर्तन
- चेक
- चुनाव
- चुनें
- चुना
- करने के लिए चुना
- निकट से
- बादल
- क्लाउड सुरक्षा
- कोड
- कोडन
- संग्रह
- स्तंभ
- COM
- सामान्य
- तुलना
- पूरा
- जटिल
- संगणना
- गणना करना
- कंप्यूटर
- Computer Vision
- अवधारणाओं
- चिंतित
- विन्यास
- पुष्टि करें
- कंसोल
- शामिल
- अंतर्वस्तु
- योगदान
- नियंत्रण
- समन्वय
- सही
- लागत
- सका
- कवर
- बनाना
- बनाया
- बनाता है
- बनाना
- निर्माण
- ग्राहक
- चक्र
- चक्रीय
- दैनिक
- तिथि
- आँकड़ा प्रबंधन
- डेटा अंक
- डेटा विज्ञान
- आँकड़े वाला वैज्ञानिक
- डेटा सेट
- डेटासेट
- दिन
- दिन
- तय
- वाणी
- चूक
- चूक
- परिभाषित
- परिभाषित करता है
- परिभाषित करने
- दिया गया
- निर्भर करता है
- निर्भर करता है
- तैनात
- तैनात
- तैनाती
- तैनाती
- तैनाती
- तैनात
- पैसे जमा करने
- वर्णन
- वर्णित
- वांछित
- विस्तार
- विवरण
- निर्धारित करना
- डेवलपर्स
- विकास
- विभिन्न
- मुश्किल
- आयाम
- आयाम
- निर्देशिकाओं
- चर्चा की
- do
- नहीं करता है
- किया
- डाउनलोड
- दौरान
- से प्रत्येक
- पूर्व
- आसान
- भी
- को हटा देता है
- ईमेल
- सक्षम
- सक्षम बनाता है
- समाप्त
- शुरू से अंत तक
- सुनिश्चित
- दर्ज
- संपूर्ण
- वातावरण
- वातावरण
- त्रुटियाँ
- आकलन
- आदि
- मूल्यांकन करें
- और भी
- कार्यक्रम
- उदाहरण
- निष्पादन
- मौजूद
- मौजूदा
- अपेक्षित
- उम्मीद
- अनुभव
- निर्यात
- की सुविधा
- असत्य
- परिचित
- विशेषताएं
- खेत
- आकृति
- पट्टिका
- फ़ाइलें
- फाइलिंग
- भरा हुआ
- अंत में
- वित्तीय
- वित्तीय सेवाओं
- खोज
- प्रथम
- ध्यान केंद्रित
- का पालन करें
- निम्नलिखित
- के लिए
- पूर्वानुमान
- पूर्वानुमान
- प्रारूप
- आगे
- आगे
- चार
- आवृत्ति
- से
- पूरी तरह से
- समारोह
- कार्यों
- आगे
- भविष्य
- उत्पन्न
- उत्पन्न
- सृजन
- मिल
- वैश्विक
- Go
- जा
- को नियंत्रित करता है
- ग्राफ
- महान
- समूह
- समूह की
- मार्गदर्शन
- गाइड
- खुश
- फसल
- है
- होने
- he
- स्वास्थ्य
- स्वास्थ्य परिचर्या
- मदद
- मदद
- मदद करता है
- यहाँ उत्पन्न करें
- अत्यधिक
- उसके
- ऐतिहासिक
- क्षितिज
- क्षितिज
- घंटा
- कैसे
- How To
- तथापि
- एचटीएमएल
- http
- HTTPS
- विचारों
- पहचानती
- पहचान करना
- पहचान
- if
- दिखाता है
- लागू करने के
- आयात
- आयात
- in
- शामिल
- शामिल
- सहित
- उद्योगों
- प्रभाव
- सूचित करना
- करें-
- इंफ्रास्ट्रक्चर
- प्रारंभिक
- पहल
- निवेश
- बजाय
- में
- जांच
- शामिल
- IT
- आइटम
- आईटी इस
- खुद
- काम
- नौकरियां
- जेपीजी
- जानना
- ज्ञान
- जानने वाला
- भूमि
- पिछली बार
- बाद में
- ताज़ा
- जानें
- सीख रहा हूँ
- कम से कम
- नेतृत्व
- एलईडी डेटा
- चलें
- जीवन चक्र
- पसंद
- लाइन
- थोड़ा
- स्थित
- स्थान
- लंबा
- बंद
- कम लागत
- कम
- मशीन
- यंत्र अधिगम
- मशीनें
- बनाया गया
- निर्माण
- प्रबंधन
- कामयाब
- प्रबंध
- प्रबंधक
- प्रबंधन करता है
- प्रबंध
- मैन्युअल
- बहुत
- अधिकतम
- मई..
- मिलना
- मेन्यू
- मेटाडाटा
- तरीका
- तरीकों
- मीट्रिक
- मेट्रिक्स
- हो सकता है
- न्यूनतम
- मिनट
- लापता
- ML
- आदर्श
- मॉडल
- संशोधित
- निगरानी
- मासिक
- अधिक
- चाल
- विभिन्न
- चाहिए
- नाम
- नामों
- नेविगेट करें
- पथ प्रदर्शन
- आवश्यक
- आवश्यकता
- की जरूरत है
- नया
- न्यूयॉर्क
- अगला
- नहीं
- नोटबुक
- अधिसूचना
- सूचनाएं
- अभी
- संख्या
- अनेक
- वस्तु
- वस्तुओं
- प्राप्त
- of
- on
- ONE
- केवल
- खुला
- खुला स्रोत
- ऑप्टिमाइज़ करें
- ऑप्शंस
- or
- आदेश
- अन्य
- अन्यथा
- हमारी
- आउट
- परिणामों
- उल्लिखित
- उत्पादन
- बाहर
- के ऊपर
- कुल
- अपना
- पृष्ठ
- पांडा
- फलक
- प्राचल
- पैरामीटर
- भाग
- प्रतिशत
- निष्पादन
- प्रदर्शन
- हमेशा
- अनुमतियाँ
- फ़ोटोग्राफ़ी
- भौतिक
- पाइपलाइन
- जगह
- लगाना
- योजना
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- अंक
- संभव
- पद
- भविष्यवाणी
- की भविष्यवाणी
- भविष्यवाणी
- भविष्यवाणियों
- भविष्य कहनेवाला विश्लेषिकी
- Predictor
- भविष्यवाणी
- तैयार करना
- वर्तमान
- प्रस्तुत
- पिछला
- प्रिंसिपल
- पूर्व
- प्रक्रिया
- प्रसंस्कृत
- प्रसंस्करण
- उत्पादन
- उत्पादन
- पेशेवर
- कार्यक्रम संबंधी
- प्रगति
- प्रदान करना
- बशर्ते
- प्रदान करता है
- प्रदान कर
- सार्वजनिक रूप से
- अजगर
- प्रश्नों
- प्रशन
- त्वरित
- जल्दी से
- रेंज
- उपवास
- बल्कि
- कच्चा
- तैयार
- प्राप्त करना
- की सिफारिश
- रिकॉर्ड
- अभिलेख
- आवर्ती
- को कम करने
- को कम करने
- निर्दिष्ट
- संदर्भित करता है
- नियमित
- सम्बंधित
- अपेक्षाकृत
- प्रासंगिक
- भरोसा करना
- हटाने
- repeatable
- बार बार
- बार - बार आने वाला
- अपेक्षित
- अनुसंधान
- अनुसंधान और विकास
- आरक्षित
- लचीला
- संकल्प
- उपयुक्त संसाधन चुनें
- जिसके परिणामस्वरूप
- परिणाम
- पुनः प्रयोग
- की समीक्षा
- रोबोटिक्स
- भूमिका
- भूमिकाओं
- रन
- दौड़ना
- वही
- नमूना डेटासेट
- संतुष्ट
- स्केल
- अनुसूची
- विज्ञान
- वैज्ञानिक
- वैज्ञानिकों
- मूल
- अनुभाग
- वर्गों
- सुरक्षित
- सुरक्षा
- देखना
- चयनित
- चयन
- कई
- serverless
- सर्वर
- कार्य करता है
- सेवा
- सेवाएँ
- सेट
- की स्थापना
- साझा
- कम
- चाहिए
- दिखाता है
- महत्वपूर्ण
- सरल
- केवल
- के बाद से
- एक
- So
- समाधान
- समाधान ढूंढे
- कुछ
- कुछ
- स्रोत
- विशेषज्ञ
- माहिर
- विनिर्दिष्ट
- विस्तार
- स्थिर
- धुआँरा
- मचान
- मानक
- प्रारंभ
- शुरू
- शुरुआत में
- राज्य
- स्थिति
- कदम
- कदम
- भंडारण
- की दुकान
- स्ट्रेटेजी
- तार
- संरचना
- ऐसा
- समर्थित
- प्रणाली
- सिस्टम
- तालिका
- लेना
- लेता है
- लक्ष्य
- कार्य
- कार्य
- टीमों
- टेक्नोलॉजी
- दूरसंचार
- टेम्पलेट
- टेम्पलेट्स
- परीक्षण
- से
- कि
- RSI
- स्रोत
- राज्य
- लेकिन हाल ही
- उन
- फिर
- वहाँ।
- इन
- चीज़ें
- इसका
- तीन
- यहाँ
- भर
- पहर
- समय श्रृंखला
- टाइमस्टैम्प
- सेवा मेरे
- एक साथ
- साधन
- विषय
- की ओर
- रेलगाड़ी
- प्रशिक्षित
- प्रशिक्षण
- परिवर्तनों
- संक्रमण
- यात्रा
- ट्रिगर
- <strong>उद्देश्य</strong>
- दो
- टाइप
- प्रकार
- आम तौर पर
- अनिश्चितता
- के अंतर्गत
- समझना
- इकाइयों
- अपडेट
- अपलोड की गई
- यूआरएल
- उपयोग
- उदाहरण
- प्रयुक्त
- उपयोगकर्ताओं
- का उपयोग
- मूल्य
- मान
- विभिन्न
- बहुत
- के माध्यम से
- दृष्टि
- भेंट
- दृश्य
- चला
- करना चाहते हैं
- था
- मार्ग..
- तरीके
- we
- साप्ताहिक
- कुंआ
- क्या
- कब
- या
- कौन कौन से
- चौड़ा
- विस्तृत श्रृंखला
- मर्जी
- साथ में
- अंदर
- बिना
- शब्द
- काम
- लिखना
- लिखा हुआ
- साल
- यॉर्क
- आप
- आपका
- जेफिरनेट
- ज़िप