यह पोस्ट मैथवर्क्स के ब्रैड डंकन, राचेल जॉनसन और रिचर्ड एल्कॉक के सहयोग से लिखी गई है।
MATLAB डेटा प्रोसेसिंग, समानांतर कंप्यूटिंग, स्वचालन, सिमुलेशन, मशीन लर्निंग और कृत्रिम बुद्धिमत्ता जैसे अनुप्रयोगों की एक विस्तृत श्रृंखला के लिए एक लोकप्रिय प्रोग्रामिंग टूल है। ऑटोमोटिव, एयरोस्पेस, संचार और विनिर्माण जैसे कई उद्योगों में इसका भारी उपयोग किया जाता है। हाल के वर्षों में, मैथवर्क्स ने विशेष रूप से क्लाउड पर कई उत्पाद पेशकशें लायी हैं अमेज़ॅन वेब सेवा (एडब्ल्यूएस). मैथवर्क्स क्लाउड उत्पादों के बारे में अधिक जानकारी के लिए देखें क्लाउड में MATLAB और सिमुलिंक or ईमेल मैथवर्क्स.
इस पोस्ट में, हम MATLAB की मशीन सीखने की क्षमताओं को लाते हैं अमेज़न SageMaker, जिसके कई महत्वपूर्ण लाभ हैं:
- संसाधनों की गणना करें: सेजमेकर द्वारा पेश किए गए उच्च-प्रदर्शन कंप्यूटिंग वातावरण का उपयोग करने से मशीन लर्निंग प्रशिक्षण में तेजी आ सकती है।
- सहयोग: MATLAB और SageMaker मिलकर एक मजबूत मंच प्रदान करते हैं जिसका उपयोग टीमें मशीन लर्निंग मॉडल के निर्माण, परीक्षण और तैनाती पर प्रभावी ढंग से सहयोग करने के लिए कर सकती हैं।
- तैनाती और पहुंच: मॉडल को सेजमेकर रीयल-टाइम एंडपॉइंट के रूप में तैनात किया जा सकता है, जिससे वे लाइव स्ट्रीमिंग डेटा को संसाधित करने के लिए अन्य अनुप्रयोगों के लिए आसानी से पहुंच योग्य हो जाते हैं।
हम आपको दिखाते हैं कि MATLAB मशीन लर्निंग मॉडल को सेजमेकर प्रशिक्षण कार्य के रूप में कैसे प्रशिक्षित किया जाए और फिर मॉडल को सेजमेकर रीयल-टाइम एंडपॉइंट के रूप में तैनात किया जाए ताकि यह लाइव, स्ट्रीमिंग डेटा को संसाधित कर सके।
ऐसा करने के लिए, हम एक पूर्वानुमानित रखरखाव उदाहरण का उपयोग करेंगे जहां हम एक परिचालन पंप में दोषों को वर्गीकृत करते हैं जो लाइव सेंसर डेटा स्ट्रीम कर रहा है। हमारे पास से उत्पन्न लेबल किए गए डेटा के एक बड़े भंडार तक पहुंच है Simulink सिमुलेशन जिसमें विभिन्न संभावित संयोजनों में तीन संभावित दोष प्रकार होते हैं (उदाहरण के लिए, एक स्वस्थ और सात दोषपूर्ण राज्य)। क्योंकि हमारे पास सिस्टम का एक मॉडल है और संचालन में दोष दुर्लभ हैं, हम अपने एल्गोरिदम को प्रशिक्षित करने के लिए सिम्युलेटेड डेटा का लाभ उठा सकते हैं। मॉडल को MATLAB और सिमुलिंक में पैरामीटर अनुमान तकनीकों का उपयोग करके हमारे वास्तविक पंप से परिचालन डेटा से मेल खाने के लिए ट्यून किया जा सकता है।
हमारा उद्देश्य इस दोष वर्गीकरण उदाहरण का उपयोग करके MATLAB और Amazon SageMaker की संयुक्त शक्ति को प्रदर्शित करना है।
हम MATLAB के साथ अपने डेस्कटॉप पर एक क्लासिफायरियर मॉडल का प्रशिक्षण शुरू करते हैं। सबसे पहले, हम का उपयोग करके पूर्ण डेटासेट के सबसेट से सुविधाएँ निकालते हैं डायग्नोस्टिक फ़ीचर डिज़ाइनर ऐप, और फिर MATLAB निर्णय ट्री मॉडल के साथ स्थानीय रूप से मॉडल प्रशिक्षण चलाएं। एक बार जब हम पैरामीटर सेटिंग्स से संतुष्ट हो जाते हैं, तो हम एक MATLAB फ़ंक्शन उत्पन्न कर सकते हैं और डेटासेट के साथ जॉब को SageMaker को भेज सकते हैं। यह हमें अधिक बड़े डेटासेट को समायोजित करने के लिए प्रशिक्षण प्रक्रिया को बढ़ाने की अनुमति देता है। अपने मॉडल को प्रशिक्षित करने के बाद, हम इसे एक लाइव एंडपॉइंट के रूप में तैनात करते हैं जिसे डाउनस्ट्रीम ऐप या डैशबोर्ड, जैसे MATLAB वेब ऐप में एकीकृत किया जा सकता है।
यह उदाहरण प्रत्येक चरण का सारांश देगा, मशीन सीखने के कार्यों के लिए MATLAB और Amazon SageMaker का लाभ उठाने की व्यावहारिक समझ प्रदान करेगा। उदाहरण के लिए पूरा कोड और विवरण इसमें उपलब्ध है कोष.
.. पूर्वापेक्षाएँ
- MATLAB 2023a या बाद के MATLAB कंपाइलर और लिनक्स पर सांख्यिकी और मशीन लर्निंग टूलबॉक्स के साथ कार्य वातावरण। यहां है त्वरित गाइड AWS पर MATLAB कैसे चलाएं।
- डॉकर को एक में स्थापित किया गया अमेज़न इलास्टिक कम्प्यूट क्लाउड (Amazon EC2) उदाहरण जहां MATLAB चल रहा है। दोनों में से एक Ubuntu or Linux.
- की स्थापना AWS कमांड-लाइन इंटरफ़ेस (AWS CLI), एडब्ल्यूएस कॉन्फ़िगर करें, तथा Python3.
- यदि आपने इंस्टॉलेशन गाइड का पालन किया है तो AWS CLI पहले से ही इंस्टॉल होना चाहिए 1 कदम.
- AWS कॉन्फ़िगर सेट करें AWS संसाधनों के साथ बातचीत करने के लिए।
- अपने Python3 इंस्टालेशन को चलाकर सत्यापित करें
python -V
orpython --version
अपने टर्मिनल पर आदेश दें. यदि आवश्यक हो तो पायथन स्थापित करें।
- इस रेपो को चलाकर अपनी लिनक्स मशीन के एक फ़ोल्डर में कॉपी करें:
- रेपो फ़ोल्डर पर अनुमति की जाँच करें। यदि इसके पास लिखने की अनुमति नहीं है, तो निम्न शेल कमांड चलाएँ:
- MATLAB प्रशिक्षण कंटेनर बनाएं और इसे पुश करें अमेज़ॅन इलास्टिक कंटेनर रजिस्ट्री (अमेज़ॅन ईसीआर).
- फ़ोल्डर पर नेविगेट करें
docker
- AWS CLI का उपयोग करके Amazon ECR रेपो बनाएं (क्षेत्र को अपने पसंदीदा AWS क्षेत्र से बदलें)
- निम्नलिखित डॉकर कमांड चलाएँ:
- फ़ोल्डर पर नेविगेट करें
- MATLAB खोलें और लाइव स्क्रिप्ट खोलें
PumpFaultClassificationMATLABSageMaker.mlx
फ़ोल्डर मेंexamples/PumpFaultClassification
. इस फ़ोल्डर को MATLAB में अपना वर्तमान कार्यशील फ़ोल्डर बनाएं।
भाग 1: डेटा तैयार करना और सुविधा निकालना
किसी भी मशीन लर्निंग प्रोजेक्ट में पहला कदम अपना डेटा तैयार करना है। MATLAB आपके डेटा से सुविधाओं को आयात करने, साफ़ करने और निकालने के लिए उपकरणों की एक विस्तृत श्रृंखला प्रदान करता है।
RSI SensorData.mat
डेटासेट में 240 रिकॉर्ड हैं। प्रत्येक रिकॉर्ड में दो समय सारिणी होती हैं: flow
और pressure
. लक्ष्य स्तंभ है faultcode
, जो पंप में तीन संभावित दोष संयोजनों का एक द्विआधारी प्रतिनिधित्व है। उन समय श्रृंखला तालिकाओं के लिए, प्रत्येक तालिका में 1,201 पंक्तियाँ हैं जो 1.2 सेकंड की वृद्धि के साथ 0.001 सेकंड के पंप प्रवाह और दबाव माप की नकल करती हैं।
इसके बाद, डायग्नोस्टिक फ़ीचर डिज़ाइनर ऐप आपको डेटा से विभिन्न प्रकार की सुविधाओं को निकालने, विज़ुअलाइज़ करने और रैंक करने की अनुमति देता है। यहाँ, आप उपयोग करें ऑटो सुविधाएँ, जो डेटासेट से समय और आवृत्ति डोमेन सुविधाओं का एक व्यापक सेट जल्दी से निकालता है और मॉडल प्रशिक्षण के लिए शीर्ष उम्मीदवारों को रैंक करता है। फिर आप एक MATLAB फ़ंक्शन निर्यात कर सकते हैं जो नए इनपुट डेटा से शीर्ष 15 रैंक वाली सुविधाओं की पुन: गणना करेगा। आइए इस फ़ंक्शन को कॉल करें extractFeaturesTraining
. इस फ़ंक्शन को सभी डेटा को एक बैच में या स्ट्रीमिंग डेटा के रूप में लेने के लिए कॉन्फ़िगर किया जा सकता है।
यह फ़ंक्शन संबंधित दोष कोड के साथ सुविधाओं की एक तालिका तैयार करता है, जैसा कि निम्नलिखित चित्र में दिखाया गया है:
भाग 2: सेजमेकर के लिए डेटा व्यवस्थित करें
इसके बाद, आपको डेटा को इस तरह व्यवस्थित करना होगा कि सेजमेकर मशीन लर्निंग प्रशिक्षण के लिए इसका उपयोग कर सके। आमतौर पर, इसमें डेटा को प्रशिक्षण और सत्यापन सेट में विभाजित करना और लक्ष्य प्रतिक्रिया से भविष्यवक्ता डेटा को विभाजित करना शामिल है।
इस चरण में, अन्य अधिक जटिल डेटा सफाई और फ़िल्टरिंग कार्यों की आवश्यकता हो सकती है। इस उदाहरण में, डेटा पहले से ही साफ़ है। संभावित रूप से, यदि डेटा प्रोसेसिंग बहुत जटिल और समय लेने वाली है, तो इन नौकरियों को सेजमेकर प्रशिक्षण के अलावा चलाने के लिए सेजमेकर प्रोसेसिंग नौकरियों का उपयोग किया जा सकता है ताकि उन्हें दो चरणों में अलग किया जा सके।
trainPredictors = trainingData(:,2:end);
trainResponse = trainingData(:,1);
भाग 3: MATLAB में मशीन लर्निंग मॉडल को प्रशिक्षित और परीक्षण करें
सेजमेकर में जाने से पहले, MATLAB में स्थानीय स्तर पर मशीन लर्निंग मॉडल का निर्माण और परीक्षण करना एक अच्छा विचार है। यह आपको मॉडल को शीघ्रता से पुनरावृत्त करने और डीबग करने की अनुमति देता है। आप स्थानीय स्तर पर एक सरल निर्णय वृक्ष क्लासिफायर स्थापित और प्रशिक्षित कर सकते हैं।
classifierModel = fitctree(...
trainPredictors,...
trainResponse,...
OptimizeHyperparameters='auto');
यहां प्रशिक्षण कार्य को समाप्त होने में एक मिनट से भी कम समय लगना चाहिए और प्रशिक्षण की प्रगति को इंगित करने के लिए कुछ ग्राफ़ तैयार करता है। प्रशिक्षण समाप्त होने के बाद, एक MATLAB मशीन लर्निंग मॉडल तैयार किया जाता है। वर्गीकरण सीखने वाला ऐप का उपयोग कई प्रकार के वर्गीकरण मॉडलों को आज़माने और सर्वोत्तम प्रदर्शन के लिए उन्हें ट्यून करने के लिए किया जा सकता है, फिर उपरोक्त मॉडल प्रशिक्षण कोड को बदलने के लिए आवश्यक कोड का उत्पादन किया जा सकता है।
स्थानीय रूप से प्रशिक्षित मॉडल के लिए सटीकता मेट्रिक्स की जांच करने के बाद, हम प्रशिक्षण को अमेज़ॅन सेजमेकर में स्थानांतरित कर सकते हैं।
भाग 4: अमेज़ॅन सेजमेकर में मॉडल को प्रशिक्षित करें
मॉडल से संतुष्ट होने के बाद, आप सेजमेकर का उपयोग करके इसे बड़े पैमाने पर प्रशिक्षित कर सकते हैं। सेजमेकर एसडीके को कॉल करना शुरू करने के लिए, आपको एक सेजमेकर सत्र शुरू करना होगा।
session = sagemaker.Session();
सेजमेकर निष्पादन निर्दिष्ट करें IAM भूमिका वह प्रशिक्षण कार्य और एंडपॉइंट होस्टिंग का उपयोग करेगा।
role = "arn:aws:iam::ACCOUNT:role/service-role/AmazonSageMaker-ExecutionRole-XXXXXXXXXXXXXXX";
MATLAB से, प्रशिक्षण डेटा को एक .csv फ़ाइल के रूप में सहेजें अमेज़न सरल भंडारण सेवा (अमेज़न S3) बाल्टी।
writetable(trainingData,'pump_training_data.csv');
trainingDataLocation = "s3:// "+session.DefaultBucket+ +"/cooling_system/input/pump_training";
copyfile("pump_training_data.csv", trainingDataLocation);
एक सेजमेकर अनुमानक बनाएं
इसके बाद, आपको एक सेजमेकर अनुमानक बनाना होगा और इसमें सभी आवश्यक पैरामीटर पास करने होंगे, जैसे कि प्रशिक्षण डॉकर छवि, प्रशिक्षण फ़ंक्शन, पर्यावरण चर, प्रशिक्षण उदाहरण आकार, इत्यादि। प्रशिक्षण छवि यूआरआई अमेज़ॅन ईसीआर यूआरआई होना चाहिए जिसे आपने प्रारूप के साथ पूर्व अपेक्षित चरण में बनाया था ACCOUNT.dkr.ecr.us-east-1.amazonaws.com/sagemaker-matlab-training-r2023a:latest
. प्रशिक्षण फ़ंक्शन MATLAB लाइव स्क्रिप्ट के नीचे प्रदान किया जाना चाहिए।
सेजमेकर प्रशिक्षण कार्य सबमिट करें
अनुमानक से फिट विधि को कॉल करने से प्रशिक्षण कार्य सेजमेकर में सबमिट हो जाता है।
est.fit(training=struct(Location=trainingDataLocation, ContentType="text/csv"))
आप सेजमेकर कंसोल से प्रशिक्षण कार्य की स्थिति भी देख सकते हैं:
प्रशिक्षण कार्य समाप्त होने के बाद, कार्य लिंक का चयन आपको कार्य विवरण पृष्ठ पर ले जाता है जहाँ आप समर्पित S3 बकेट में सहेजे गए MATLAB मॉडल को देख सकते हैं:
भाग 5: मॉडल को वास्तविक समय सेजमेकर एंडपॉइंट के रूप में तैनात करें
प्रशिक्षण के बाद, आप मॉडल को रीयल-टाइम सेजमेकर एंडपॉइंट के रूप में तैनात कर सकते हैं, जिसका उपयोग आप वास्तविक समय में भविष्यवाणियां करने के लिए कर सकते हैं। ऐसा करने के लिए, अनुमानक से तैनाती विधि को कॉल करें। यह वह जगह है जहां आप कार्यभार के आधार पर होस्टिंग के लिए वांछित इंस्टेंस आकार सेट कर सकते हैं।
पर्दे के पीछे, यह चरण एक अनुमान डॉकर छवि बनाता है और इसे अमेज़ॅन ईसीआर रिपॉजिटरी में धकेलता है, अनुमान कंटेनर बनाने के लिए उपयोगकर्ता से कुछ भी आवश्यक नहीं होता है। छवि में अनुमान अनुरोध को पूरा करने के लिए सभी आवश्यक जानकारी शामिल है, जैसे मॉडल स्थान, MATLAB प्रमाणीकरण जानकारी और एल्गोरिदम। उसके बाद, अमेज़ॅन सेजमेकर एक सेजमेकर एंडपॉइंट कॉन्फ़िगरेशन बनाता है और अंत में वास्तविक समय एंडपॉइंट को तैनात करता है। समापन बिंदु की निगरानी सेजमेकर कंसोल में की जा सकती है और यदि इसका अब उपयोग नहीं किया जाता है तो इसे किसी भी समय समाप्त किया जा सकता है।
भाग 6: समापन बिंदु का परीक्षण करें
अब जब समापन बिंदु चालू है और चल रहा है, तो आप भविष्यवाणी करने के लिए कुछ रिकॉर्ड देकर समापन बिंदु का परीक्षण कर सकते हैं। प्रशिक्षण डेटा से 10 रिकॉर्ड का चयन करने और उन्हें भविष्यवाणी के लिए अंतिम बिंदु पर भेजने के लिए निम्नलिखित कोड का उपयोग करें। पूर्वानुमान परिणाम समापन बिंदु से वापस भेजा जाता है और निम्नलिखित छवि में दिखाया गया है।
भाग 7: डैशबोर्ड एकीकरण
सेजमेकर एंडपॉइंट को कई मूल AWS सेवाओं द्वारा कॉल किया जा सकता है। यदि इसे एक साथ तैनात किया जाए तो इसे मानक REST API के रूप में भी उपयोग किया जा सकता है AWS लाम्बा फ़ंक्शन और एपीआई गेटवे, जिसे किसी भी वेब एप्लिकेशन के साथ एकीकृत किया जा सकता है। इस विशेष उपयोग के मामले के लिए, आप वास्तविक समय में मशीन लर्निंग-समर्थित निर्णय लेने के लिए अमेज़ॅन सेजमेकर फ़ीचर स्टोर और अपाचे काफ्का, एमएसके के लिए अमेज़ॅन प्रबंधित स्ट्रीमिंग के साथ स्ट्रीमिंग अंतर्ग्रहण का उपयोग कर सकते हैं। एक अन्य संभावित एकीकरण के संयोजन का उपयोग कर रहा है अमेज़ॅन किनिस, सेजमेकर, और अपाचे फ्लिंक एक प्रबंधित, विश्वसनीय, स्केलेबल और अत्यधिक उपलब्ध एप्लिकेशन बनाने के लिए जो डेटा स्ट्रीम पर वास्तविक समय में अनुमान लगाने में सक्षम है।
एल्गोरिदम को सेजमेकर एंडपॉइंट पर तैनात करने के बाद, आप उन्हें एक डैशबोर्ड का उपयोग करके कल्पना करना चाह सकते हैं जो वास्तविक समय में स्ट्रीमिंग भविष्यवाणियों को प्रदर्शित करता है। निम्नलिखित कस्टम MATLAB वेब ऐप में, आप पंप द्वारा दबाव और प्रवाह डेटा देख सकते हैं, और तैनात मॉडल से लाइव गलती की भविष्यवाणी कर सकते हैं।
इस डैशबोर्ड में प्रत्येक पंप की विफलता के समय की भविष्यवाणी करने के लिए एक शेष उपयोगी जीवन (आरयूएल) मॉडल शामिल है। आरयूएल एल्गोरिदम को प्रशिक्षित करने का तरीका जानने के लिए देखें पूर्वानुमानित रखरखाव टूलबॉक्स.
क्लीन अप
इस समाधान को चलाने के बाद, सुनिश्चित करें कि आप अप्रत्याशित लागतों से बचने के लिए किसी भी अनावश्यक AWS संसाधनों को साफ़ कर दें। आप इसका उपयोग करके इन संसाधनों को साफ़ कर सकते हैं सेजमेकर पायथन एसडीके या यहां उपयोग की जाने वाली विशिष्ट सेवाओं के लिए AWS प्रबंधन कंसोल (SageMaker, Amazon ECR, और Amazon S3)। इन संसाधनों को हटाकर, आप उन संसाधनों के लिए अतिरिक्त शुल्क लगने से रोकते हैं जिनका आप अब उपयोग नहीं कर रहे हैं।
निष्कर्ष
हमने प्रदर्शित किया है कि आप संपूर्ण मशीन लर्निंग जीवनचक्र के साथ पंप पूर्वानुमानित रखरखाव उपयोग के मामले के लिए MATLAB को सेजमेकर में कैसे ला सकते हैं। सेजमेकर मशीन लर्निंग वर्कलोड चलाने और विभिन्न आवश्यकताओं को पूरा करने वाले कंप्यूट उदाहरणों के एक महान चयन के साथ मॉडल तैनात करने के लिए एक पूरी तरह से प्रबंधित वातावरण प्रदान करता है।
Disclaimer: इस पोस्ट में प्रयुक्त कोड MathWorks के स्वामित्व और रखरखाव में है। GitHub रेपो में लाइसेंस शर्तों का संदर्भ लें। कोड या फ़ीचर अनुरोधों से संबंधित किसी भी समस्या के लिए, कृपया रिपॉजिटरी में GitHub समस्या खोलें
संदर्भ
लेखक के बारे में
ब्रैड डंकन मैथवर्क्स में सांख्यिकी और मशीन लर्निंग टूलबॉक्स में मशीन लर्निंग क्षमताओं के लिए उत्पाद प्रबंधक है। वह इंजीनियरिंग के नए क्षेत्रों में एआई को लागू करने के लिए ग्राहकों के साथ काम करता है जैसे कि इंजीनियर सिस्टम में वर्चुअल सेंसर को शामिल करना, समझाने योग्य मशीन लर्निंग मॉडल बनाना और MATLAB और सिमुलिंक का उपयोग करके एआई वर्कफ़्लो को मानकीकृत करना। मैथवर्क्स में आने से पहले उन्होंने 3डी सिमुलेशन और वाहन वायुगतिकी के अनुकूलन, 3डी सिमुलेशन के लिए उपयोगकर्ता अनुभव और सिमुलेशन सॉफ्टवेयर के लिए उत्पाद प्रबंधन के लिए टीमों का नेतृत्व किया। ब्रैड वाहन वायुगतिकी के क्षेत्र में टफ्ट्स विश्वविद्यालय में अतिथि व्याख्याता भी हैं।
रिचर्ड एल्कॉक मैथवर्क्स में क्लाउड प्लेटफ़ॉर्म इंटीग्रेशन के वरिष्ठ विकास प्रबंधक हैं। इस भूमिका में, वह मैथवर्क्स उत्पादों को क्लाउड और कंटेनर प्लेटफार्मों में निर्बाध रूप से एकीकृत करने में सहायक है। वह ऐसे समाधान बनाता है जो इंजीनियरों और वैज्ञानिकों को क्लाउड-आधारित वातावरण में MATLAB और सिमुलिंक की पूरी क्षमता का उपयोग करने में सक्षम बनाता है। वह पहले मैथवर्क्स में एक सॉफ्टवेयर इंजीनियरिंग थे, जो समानांतर और वितरित कंप्यूटिंग वर्कफ़्लो का समर्थन करने के लिए समाधान विकसित कर रहे थे।
राहेल जॉनसन मैथवर्क्स में पूर्वानुमानित रखरखाव के लिए उत्पाद प्रबंधक है, और समग्र उत्पाद रणनीति और विपणन के लिए जिम्मेदार है। वह पहले एक एप्लिकेशन इंजीनियर थी जो पूर्वानुमानित रखरखाव परियोजनाओं पर सीधे एयरोस्पेस उद्योग का समर्थन करती थी। मैथवर्क्स से पहले, रेचेल अमेरिकी नौसेना के लिए एक वायुगतिकी और प्रणोदन सिमुलेशन इंजीनियर थी। उन्होंने गणित, भौतिकी और इंजीनियरिंग पढ़ाने में भी कई साल बिताए।
दूर माओ अमेज़ॅन वेब सर्विसेज में इमर्जिंग टेक्नोलॉजीज टीम में एक वरिष्ठ एआई/एमएल पार्टनर सॉल्यूशंस आर्किटेक्ट हैं। उन्हें अपने व्यावसायिक मूल्यों को प्राप्त करने के लिए एआई/एमएल अनुप्रयोगों को डिजाइन करने, तैनात करने और स्केल करने के लिए उद्यम ग्राहकों और भागीदारों के साथ काम करने का शौक है। काम के अलावा, उन्हें मछली पकड़ना, यात्रा करना और पिंग-पोंग खेलना पसंद है।
रमेश जटिया अमेज़ॅन वेब सर्विसेज में इंडिपेंडेंट सॉफ्टवेयर वेंडर (आईएसवी) टीम में सॉल्यूशन आर्किटेक्ट हैं। उन्हें आईएसवी ग्राहकों के साथ काम करने और उनके व्यावसायिक मूल्यों को प्राप्त करने के लिए क्लाउड में उनके अनुप्रयोगों को डिजाइन करने, तैनात करने और स्केल करने का शौक है। वह बोस्टन के बाबसन कॉलेज से मशीन लर्निंग और बिजनेस एनालिटिक्स में एमबीए भी कर रहे हैं। काम के अलावा, उन्हें दौड़ना, टेनिस खेलना और खाना बनाना पसंद 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. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
- प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
- स्रोत: https://aws.amazon.com/blogs/machine-learning/machine-learning-with-matlab-and-amazon-sagemaker/
- :हैस
- :है
- :नहीं
- :कहाँ
- $यूपी
- 001
- 1
- 10
- 100
- 15% तक
- 152
- 19
- 20
- 3d
- 7
- 8
- a
- About
- ऊपर
- पहुँच
- सुलभ
- समायोजित
- लेखा
- शुद्धता
- लाभ
- एयरोस्पेस
- बाद
- AI
- ऐ / एमएल
- कलन विधि
- एल्गोरिदम
- सब
- की अनुमति देता है
- साथ में
- पहले ही
- भी
- वीरांगना
- अमेज़ॅन EC2
- अमेज़न SageMaker
- अमेज़ॅन वेब सेवा
- an
- विश्लेषिकी
- और
- अन्य
- कोई
- अपाचे
- अलग
- एपीआई
- अनुप्रयोग
- एप्लिकेशन अनुमति देता है
- आवेदन
- अनुप्रयोगों
- लागू करें
- हैं
- क्षेत्र
- क्षेत्रों के बारे में जानकारी का उपयोग करके ट्रेडिंग कर सकते हैं।
- कृत्रिम
- कृत्रिम बुद्धिमत्ता
- AS
- जुड़े
- At
- प्रमाणीकरण
- स्वत:
- स्वचालन
- मोटर वाहन
- उपलब्ध
- से बचने
- एडब्ल्यूएस
- एडब्ल्यूएस प्रबंधन कंसोल
- बेबसन
- वापस
- BE
- क्योंकि
- से पहले
- शुरू करना
- लाभ
- BEST
- बोस्टन
- तल
- चोबा
- लाना
- विस्तृत
- लाया
- निर्माण
- इमारत
- बनाता है
- व्यापार
- by
- कॉल
- बुलाया
- बुला
- कर सकते हैं
- उम्मीदवारों
- क्षमताओं
- सक्षम
- मामला
- प्रभार
- चेक
- जाँच
- वर्गीकरण
- वर्गीकृत
- स्वच्छ
- सफाई
- बादल
- क्लाउड प्लेटफॉर्म
- कोड
- कोड
- सहयोग
- सहयोग
- कॉलेज
- स्तंभ
- COM
- संयोजन
- संयोजन
- संयुक्त
- अ रहे है
- संचार
- जटिल
- गणना करना
- कंप्यूटिंग
- विन्यास
- कॉन्फ़िगर किया गया
- कंसोल
- उपभोक्ता
- कंटेनर
- शामिल हैं
- लागत
- बनाना
- बनाया
- बनाता है
- वर्तमान
- रिवाज
- ग्राहक
- डैशबोर्ड
- तिथि
- डेटा तैयारी
- डेटा संसाधन
- डेटासेट
- निर्णय
- निर्णय
- समर्पित
- दिखाना
- साबित
- निर्भर करता है
- तैनात
- तैनात
- तैनाती
- तैनात
- निकाले जाते हैं
- विवरण
- डिज़ाइन
- डिजाइनर
- वांछित
- डेस्कटॉप
- विवरण
- विकासशील
- विकास
- नैदानिक
- सीधे
- प्रदर्शित करता है
- वितरित
- वितरित अभिकलन
- do
- डाक में काम करनेवाला मज़दूर
- कर देता है
- डोमेन
- डंकन
- से प्रत्येक
- प्रभावी रूप से
- भी
- कस्र्न पत्थर
- उभरती तकनीकी
- सक्षम
- समाप्त
- endpoint
- इंजीनियर
- इंजीनियर
- अभियांत्रिकी
- इंजीनियर्स
- उद्यम
- संपूर्ण
- वातावरण
- वातावरण
- विशेष रूप से
- उदाहरण
- निष्पादन
- अनुभव
- निर्यात
- उद्धरण
- अर्क
- विफलता
- दोष
- दोषपूर्ण
- Feature
- विशेषताएं
- कुछ
- आकृति
- पट्टिका
- छानने
- अंत में
- खत्म
- प्रथम
- मछली पकड़ना
- फिट
- प्रवाह
- पीछा किया
- निम्नलिखित
- इस प्रकार है
- के लिए
- प्रारूप
- आवृत्ति
- से
- पूर्ण
- पूरी तरह से
- समारोह
- आगे
- प्रवेश द्वार
- उत्पन्न
- उत्पन्न
- उत्पन्न करता है
- GitHub
- देते
- अच्छा
- रेखांकन
- महान
- अतिथि
- गाइड
- साज़
- है
- he
- स्वास्थ्य
- स्वस्थ
- भारी
- यहाँ उत्पन्न करें
- उच्च प्रदर्शन
- अत्यधिक
- होस्टिंग
- कैसे
- How To
- एचटीएमएल
- HTTPS
- विचार
- if
- की छवि
- का आयात
- in
- शामिल
- शामिल
- वेतन वृद्धि
- स्वतंत्र
- संकेत मिलता है
- उद्योगों
- उद्योग
- करें-
- आरंभ
- निवेश
- स्थापित
- स्थापना
- installed
- उदाहरण
- सहायक
- एकीकृत
- घालमेल
- एकीकरण
- एकीकरण
- बुद्धि
- बातचीत
- इंटरफेस
- में
- मुद्दा
- मुद्दों
- वी है
- IT
- काम
- नौकरियां
- जॉनसन
- जेपीजी
- बड़ा
- बड़ा
- बाद में
- ताज़ा
- जानें
- सीख रहा हूँ
- नेतृत्व
- कम
- लीवरेज
- लाइसेंस
- जीवन
- जीवन चक्र
- LINK
- लिनक्स
- जीना
- स्थानीय स्तर पर
- स्थान
- लॉग इन
- लंबे समय तक
- मशीन
- यंत्र अधिगम
- रखरखाव
- बनाना
- निर्माण
- कामयाब
- प्रबंध
- प्रबंधक
- विनिर्माण
- बहुत
- विपणन (मार्केटिंग)
- मैच
- गणित
- माप
- तरीका
- मेट्रिक्स
- हो सकता है
- मिनट
- ML
- आदर्श
- मॉडल
- मॉनिटर
- नजर रखी
- अधिक
- चाल
- चलती
- बहुत
- नामांकित
- देशी
- निकट
- आवश्यक
- आवश्यकता
- जरूरत
- की जरूरत है
- नया
- नहीं
- कुछ नहीं
- उद्देश्य
- of
- प्रस्तुत
- प्रसाद
- on
- एक बार
- ONE
- खुला
- आपरेशन
- परिचालन
- संचालन
- इष्टतमीकरण
- or
- अन्य
- हमारी
- उत्पादन
- बाहर
- कुल
- स्वामित्व
- पृष्ठ
- समानांतर
- प्राचल
- पैरामीटर
- विशेष
- साथी
- भागीदारों
- पास
- आवेशपूर्ण
- प्रदर्शन
- अनुमति
- भौतिक विज्ञान
- मंच
- प्लेटफार्म
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- खेल
- कृप्या अ
- लोकप्रिय
- संभव
- पद
- संभावित
- संभावित
- बिजली
- व्यावहारिक
- भविष्यवाणी करना
- भविष्यवाणी
- भविष्यवाणियों
- Predictor
- वरीय
- तैयारी
- तैयार करना
- दबाव
- को रोकने के
- पहले से
- पूर्व
- प्रक्रिया
- प्रसंस्करण
- उत्पादन
- प्रस्तुत
- पैदा करता है
- एस्ट्रो मॉल
- उत्पाद प्रबंधन
- उत्पादन प्रबंधक
- उत्पाद
- प्रोग्रामिंग
- प्रगति
- परियोजना
- परियोजनाओं
- संचालक शक्ति
- प्रदान करना
- बशर्ते
- प्रदान करता है
- प्रदान कर
- पंप
- धक्का
- धक्का
- अजगर
- प्रश्न
- जल्दी से
- रेंज
- रैंक
- वें स्थान पर
- रैंक
- दुर्लभ
- आसानी से
- वास्तविक
- वास्तविक समय
- हाल
- रिकॉर्ड
- अभिलेख
- उल्लेख
- क्षेत्र
- रजिस्ट्री
- विश्वसनीय
- शेष
- की जगह
- कोष
- प्रतिनिधित्व
- का अनुरोध
- अनुरोधों
- अपेक्षित
- उपयुक्त संसाधन चुनें
- प्रतिक्रिया
- जिम्मेदार
- बाकी
- परिणाम
- रिचर्ड
- मजबूत
- भूमिका
- रन
- दौड़ना
- sagemaker
- संतुष्ट
- से संतुष्ट
- सहेजें
- बचाया
- स्केलेबल
- स्केल
- दृश्यों
- वैज्ञानिकों
- लिपि
- एसडीकेएस
- मूल
- सेकंड
- देखना
- का चयन
- चयन
- भेजें
- वरिष्ठ
- सेंसर
- भेजा
- कई
- सेवा
- सेवा
- सेवाएँ
- सेवारत
- सत्र
- सेट
- सेट
- सेटिंग्स
- सात
- कई
- वह
- खोल
- चाहिए
- दिखाना
- दिखाया
- महत्वपूर्ण
- सरल
- अनुकार
- आकार
- So
- सॉफ्टवेयर
- सॉफ्टवेयर इंजीनियरिंग
- समाधान
- समाधान ढूंढे
- कुछ
- विशिष्ट
- गति
- खर्च
- ट्रेनिंग
- मानक
- मानकीकरण
- प्रारंभ
- राज्य
- आँकड़े
- स्थिति
- कदम
- कदम
- भंडारण
- की दुकान
- स्ट्रेटेजी
- धारा
- स्ट्रीमिंग
- ऐसा
- संक्षेप में प्रस्तुत करना
- समर्थन
- सहायक
- निश्चित
- प्रणाली
- सिस्टम
- तालिका
- टैग
- लेना
- लेता है
- लक्ष्य
- कार्य
- शिक्षण
- टीम
- टीमों
- तकनीक
- टेक्नोलॉजीज
- अंतिम
- शर्तों
- परीक्षण
- परीक्षण
- से
- कि
- RSI
- क्षेत्र
- लेकिन हाल ही
- उन
- फिर
- इन
- वे
- इसका
- उन
- तीन
- पहर
- समय श्रृंखला
- सेवा मेरे
- एक साथ
- साधन
- टूलबॉक्स
- उपकरण
- ऊपर का
- रेलगाड़ी
- प्रशिक्षण
- यात्रा का
- पेड़
- कोशिश
- धुन
- देखते
- दो
- प्रकार
- आम तौर पर
- समझ
- अप्रत्याशित
- विश्वविद्यालय
- us
- उपयोग
- उदाहरण
- प्रयुक्त
- उपयोगकर्ता
- उपयोगकर्ता अनुभव
- का उपयोग
- सत्यापन
- मान
- विविधता
- विभिन्न
- वाहन
- विक्रेता
- बहुत
- वास्तविक
- कल्पना
- करना चाहते हैं
- था
- मार्ग..
- we
- वेब
- वेब अनुप्रयोग
- वेब सेवाओं
- कौन कौन से
- चौड़ा
- विस्तृत श्रृंखला
- मर्जी
- साथ में
- काम
- workflows
- काम कर रहे
- कार्य
- लिखना
- लिखा हुआ
- साल
- आप
- आपका
- जेफिरनेट