یہ پوسٹ تھیچر تھورن بیری کے ساتھ بی پی ایکس انرجی سے لکھی گئی ہے۔
چہرے کی درجہ بندی ویلبور کے مقام پر جیولوجک ڈیٹا سے لیتھولوجک فارمیشنوں کو الگ کرنے کا عمل ہے۔ ڈرلنگ کے دوران، وائر لائن لاگز حاصل کیے جاتے ہیں، جن میں گہرائی پر منحصر ارضیاتی معلومات ہوتی ہیں۔ ماہرین ارضیات اس لاگ ڈیٹا کا تجزیہ کرنے اور لاگ ڈیٹا کی مختلف اقسام سے دلچسپی کے ممکنہ پہلوؤں کے لیے گہرائی کی حدود کا تعین کرنے کے لیے تعینات ہیں۔ ان خطوں کو درست طریقے سے درجہ بندی کرنا ڈرلنگ کے عمل کے لیے اہم ہے۔
AI اور مشین لرننگ (ML) کا استعمال کرتے ہوئے چہرے کی درجہ بندی تیل کی بہت سی کمپنیوں کے لیے تحقیقات کا تیزی سے مقبول علاقہ بن گیا ہے۔ بڑی تیل کمپنیوں کے بہت سے ڈیٹا سائنسدانوں اور کاروباری تجزیہ کاروں کے پاس اہم کاموں جیسے کہ چہرے کی درجہ بندی پر جدید ML تجربات چلانے کے لیے ضروری مہارت نہیں ہے۔ اس کو حل کرنے کے لیے، ہم آپ کو دکھاتے ہیں کہ کس طرح آسانی سے اس مسئلے پر بہترین درجے کے ML درجہ بندی کے ماڈل کی تیاری اور تربیت کی جائے۔
اس پوسٹ میں، بنیادی طور پر ان لوگوں کے لیے جو پہلے سے Snowflake استعمال کر رہے ہیں، ہم وضاحت کرتے ہیں کہ آپ کس طرح سے چہرے کی درجہ بندی کے کام کے لیے تربیت اور توثیق کا ڈیٹا دونوں درآمد کر سکتے ہیں۔ میں Snowflake میں ایمیزون سیج میکر کینوس اور بعد میں 3+ زمرہ کی پیشن گوئی ماڈل کا استعمال کرتے ہوئے ماڈل کو تربیت دیں۔
حل جائزہ
ہمارا حل درج ذیل مراحل پر مشتمل ہے:
- اپنی مقامی مشین سے چہرے کا CSV ڈیٹا Snowflake پر اپ لوڈ کریں۔ اس پوسٹ کے لیے، ہم درج ذیل سے ڈیٹا استعمال کرتے ہیں۔ اوپن سورس گٹ ہب ریپو.
- سیٹ کریں AWS شناخت اور رسائی کا انتظام (IAM) Snowflake کے لیے کردار ادا کرتا ہے اور Snowflake انضمام تخلیق کرتا ہے۔
- Snowflake اسناد کے لیے ایک راز بنائیں (اختیاری، لیکن مشورہ دیا گیا)۔
- سنو فلیک کو براہ راست کینوس میں درآمد کریں۔
- چہرے کی درجہ بندی کا ماڈل بنائیں۔
- ماڈل کا تجزیہ کریں۔
- ملٹی کلاس ماڈل کا استعمال کرتے ہوئے بیچ اور سنگل پیشین گوئیاں چلائیں۔
- تربیت یافتہ ماڈل کو شیئر کریں۔ ایمیزون سیج میکر اسٹوڈیو.
شرائط
اس پوسٹ کے لیے ضروری شرائط درج ذیل ہیں:
Snowflake پر چہرے کا CSV ڈیٹا اپ لوڈ کریں۔
اس سیکشن میں، ہم دو اوپن سورس ڈیٹاسیٹس لیتے ہیں اور انہیں براہ راست اپنی مقامی مشین سے Snowflake ڈیٹا بیس میں اپ لوڈ کرتے ہیں۔ وہاں سے، ہم نے Snowflake اور Canvas کے درمیان ایک انضمام کی تہہ قائم کی۔
- ڈاؤن لوڈ، اتارنا training_data.csv اور validation_data_nofacies.csv آپ کی مقامی مشین میں فائلیں نوٹ کریں کہ آپ نے انہیں کہاں محفوظ کیا ہے۔
- اس بات کو یقینی بناتے ہوئے کہ آپ کے پاس Snowflake کی درست اسناد ہیں اور آپ نے Snowflake CLI ڈیسک ٹاپ ایپ انسٹال کر رکھی ہے، آپ اس میں فیڈریشن کر سکتے ہیں۔ مزید معلومات کے لیے، ملاحظہ کریں۔ SnowSQL میں لاگ ان کریں۔.
- اس کے اندر کام کرنے کے لیے مناسب Snowflake گودام کا انتخاب کریں، جو ہمارے معاملے میں ہے۔
COMPUTE_WH
:
- واک تھرو کے بقیہ حصے کے لیے استعمال کرنے کے لیے ڈیٹا بیس کا انتخاب کریں:
- ایک نامزد فائل فارمیٹ بنائیں جو Snowflake ٹیبلز تک رسائی یا لوڈ کرنے کے لیے مرحلہ وار ڈیٹا کے سیٹ کی وضاحت کرے گا۔
یہ یا تو Snowflake CLI میں یا ویب ایپلیکیشن پر Snowflake ورک شیٹ میں چلایا جا سکتا ہے۔ اس پوسٹ کے لیے، ہم ویب ایپلیکیشن میں ایک SnowSQL استفسار چلاتے ہیں۔ دیکھیں ورک شیٹس کے ساتھ شروع کرنا Snowflake ویب ایپلیکیشن پر ورک شیٹ بنانے کی ہدایات کے لیے۔
- CREATE بیان کا استعمال کرتے ہوئے Snowflake میں ایک ٹیبل بنائیں۔
درج ذیل بیان موجودہ یا مخصوص اسکیما میں ایک نیا ٹیبل بناتا ہے (یا موجودہ ٹیبل کی جگہ لے لیتا ہے)۔
یہ ضروری ہے کہ ڈیٹا کی قسمیں اور ترتیب جس میں وہ ظاہر ہوتے ہیں درست ہوں، اور CSV فائلوں میں جو کچھ ہم نے پہلے ڈاؤن لوڈ کیا تھا اس کے مطابق ہو۔ اگر وہ متضاد ہیں، تو ہمیں بعد میں مسائل کا سامنا کرنا پڑے گا جب ہم ڈیٹا کو کاپی کرنے کی کوشش کریں گے۔
- توثیق کے ڈیٹا بیس کے لیے بھی ایسا ہی کریں۔
نوٹ کریں کہ اسکیما ٹریننگ ڈیٹا سے تھوڑا مختلف ہے۔ ایک بار پھر، یقینی بنائیں کہ ڈیٹا کی اقسام اور کالم یا فیچر کے آرڈر درست ہیں۔
- CSV ڈیٹا فائل کو اپنے مقامی سسٹم سے Snowflake سٹیجنگ ماحول میں لوڈ کریں:
- Windows OS کے لیے بیان کا نحو درج ذیل ہے:
- Mac OS کے لیے بیان کا نحو درج ذیل ہے:
مندرجہ ذیل اسکرین شاٹ SnowSQL CLI کے اندر سے ایک مثال کمانڈ اور آؤٹ پٹ دکھاتا ہے۔
- ڈیٹا کو ٹارگٹ سنو فلیک ٹیبل میں کاپی کریں۔
یہاں، ہم تربیتی CSV ڈیٹا کو ٹارگٹ ٹیبل پر لوڈ کرتے ہیں، جسے ہم نے پہلے بنایا تھا۔ نوٹ کریں کہ آپ کو تربیت اور توثیق کی CSV فائلوں دونوں کے لیے بالترتیب تربیت اور توثیق کی میزوں میں نقل کرنا ہے۔
- اس بات کی توثیق کریں کہ ڈیٹا کو SELECT استفسار چلا کر ٹارگٹ ٹیبل میں لوڈ کر دیا گیا ہے (آپ یہ تربیت اور تصدیق کے ڈیٹا دونوں کے لیے کر سکتے ہیں):
Snowflake IAM رولز کو کنفیگر کریں اور Snowflake انٹیگریشن بنائیں
اس سیکشن کے لیے ایک شرط کے طور پر، براہ کرم Snowflake کے سرکاری دستاویزات کی پیروی کریں کہ cایمیزون S3 تک رسائی کے لیے اسنو فلیک اسٹوریج انٹیگریشن کو ترتیب دیں۔.
اپنے Snowflake اکاؤنٹ کے لیے IAM صارف کو بازیافت کریں۔
ایک بار جب آپ اپنے سنو فلیک اسٹوریج انضمام کو کامیابی کے ساتھ کنفیگر کر لیں تو درج ذیل کو چلائیں۔ DESCRIBE INTEGRATION
IAM صارف کے لیے ARN بازیافت کرنے کا حکم جو آپ کے Snowflake اکاؤنٹ کے لیے خود بخود بنایا گیا تھا:
آؤٹ پٹ سے درج ذیل اقدار کو ریکارڈ کریں:
- STORAGE_AWS_IAM_USER_ARN - آپ کے سنو فلیک اکاؤنٹ کے لیے بنایا گیا IAM صارف
- STORAGE_AWS_EXTERNAL_ID - اعتماد کا رشتہ قائم کرنے کے لیے درکار بیرونی ID
IAM رول ٹرسٹ پالیسی کو اپ ڈیٹ کریں۔
اب ہم اعتماد کی پالیسی کو اپ ڈیٹ کرتے ہیں:
- IAM کنسول پر، منتخب کریں۔ رولز نیوی گیشن پین میں.
- اپنے تخلیق کردہ کردار کا انتخاب کریں۔
- پر اعتماد کا رشتہ ٹیب، منتخب کریں اعتماد کے رشتے میں ترمیم کریں۔.
- پالیسی دستاویز میں ترمیم کریں جیسا کہ درج ذیل کوڈ میں دکھایا گیا ہے DESC STORAGE INTEGRATION آؤٹ پٹ ویلیوز کے ساتھ جو آپ نے پچھلے مرحلے میں ریکارڈ کی تھیں۔
- میں سے انتخاب کریں اعتماد کی پالیسی کو اپ ڈیٹ کریں۔.
Snowflake میں ایک بیرونی مرحلہ بنائیں
ہم آپ کے اپنے اکاؤنٹ میں S3 بالٹی سے ڈیٹا Snowflake میں لوڈ کرنے کے لیے Snowflake کے اندر ایک بیرونی مرحلہ استعمال کرتے ہیں۔ اس مرحلے میں، ہم ایک بیرونی (Amazon S3) اسٹیج بناتے ہیں جو آپ کے تخلیق کردہ اسٹوریج انضمام کا حوالہ دیتا ہے۔ مزید معلومات کے لیے دیکھیں S3 اسٹیج بنانا.
اس کے لیے ایک ایسے کردار کی ضرورت ہے جس میں CREATE_STAGE
اسکیما کے لیے استحقاق کے ساتھ ساتھ اسٹوریج کے انضمام پر USAGE کا استحقاق۔ آپ یہ مراعات اس کردار کو دے سکتے ہیں جیسا کہ اگلے مرحلے میں کوڈ میں دکھایا گیا ہے۔
کا استعمال کرتے ہوئے اسٹیج بنائیں CREATE_STAGE
بیرونی مرحلے اور S3 بالٹی اور سابقہ کے لیے پلیس ہولڈرز کے ساتھ کمانڈ۔ اسٹیج ایک نامزد فائل فارمیٹ آبجیکٹ کا بھی حوالہ دیتا ہے جسے کہا جاتا ہے۔ my_csv_format
:
Snowflake اسناد کے لیے ایک راز بنائیں
کینوس آپ کو ایک کا اے آر این استعمال کرنے کی اجازت دیتا ہے۔ AWS سیکرٹس مینیجر Snowflake تک رسائی کے لیے خفیہ یا Snowflake اکاؤنٹ کا نام، صارف کا نام، اور پاس ورڈ۔ اگر آپ Snowflake اکاؤنٹ کا نام، صارف کا نام، اور پاس ورڈ کا اختیار استعمال کرنے کا ارادہ رکھتے ہیں، تو اگلے حصے پر جائیں، جس میں ڈیٹا سورس شامل کرنا شامل ہے۔
سیکرٹس مینیجر سیکرٹ کو دستی طور پر بنانے کے لیے درج ذیل مراحل کو مکمل کریں:
- سیکرٹس مینیجر کنسول پر، منتخب کریں۔ ایک نیا راز ذخیرہ کریں۔.
- کے لئے خفیہ قسم کا انتخاب کریں۔منتخب کریں۔ راز کی دوسری اقسام.
- اپنے راز کی تفصیلات کو کلیدی قدر کے جوڑوں کے طور پر بیان کریں۔
کلید کے نام کیس کے لحاظ سے حساس ہیں اور چھوٹے حروف میں ہونے چاہئیں۔
اگر آپ چاہیں تو، آپ سادہ متن کا اختیار استعمال کر سکتے ہیں اور خفیہ اقدار کو JSON کے طور پر درج کر سکتے ہیں:
- میں سے انتخاب کریں اگلے.
- کے لئے خفیہ نام، سابقہ شامل کریں۔
AmazonSageMaker
(مثال کے طور پر، ہمارا راز ہےAmazonSageMaker-CanvasSnowflakeCreds
). - میں ٹیگز سیکشن، کلیدی سیج میکر کے ساتھ ایک ٹیگ شامل کریں اور سچ کی قدر کریں۔
- میں سے انتخاب کریں اگلے.
- باقی فیلڈز اختیاری ہیں۔ منتخب کریں اگلے جب تک آپ کے پاس انتخاب کرنے کا اختیار نہ ہو۔ سٹور راز کو ذخیرہ کرنے کے لئے.
- راز کو ذخیرہ کرنے کے بعد، آپ کو سیکرٹس مینیجر کنسول پر واپس کر دیا جائے گا۔
- اس راز کو منتخب کریں جو آپ نے ابھی بنایا ہے، پھر خفیہ ARN بازیافت کریں۔
- جب آپ کینوس ڈیٹا سورس بناتے ہیں تو بعد میں استعمال کرنے کے لیے اسے اپنے پسندیدہ ٹیکسٹ ایڈیٹر میں اسٹور کریں۔
سنو فلیک کو براہ راست کینوس میں درآمد کریں۔
اپنے چہرے کے ڈیٹاسیٹ کو براہ راست کینوس میں درآمد کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:
- سیج میکر کنسول پر، منتخب کریں۔ ایمیزون سیج میکر کینوس نیوی گیشن پین میں.
- اپنا صارف پروفائل منتخب کریں اور منتخب کریں۔ کینوس کھولیں۔.
- کینوس کے لینڈنگ پیج پر، منتخب کریں۔ ڈیٹا سیٹ نیوی گیشن پین میں.
- میں سے انتخاب کریں درآمد کریں.
- پر کلک کریں میں Snowflake نیچے کی تصویر میں اور پھر فوری طور پر "کنکشن شامل کریں".
- Snowflake راز کا ARN درج کریں جو ہم نے پہلے بنایا تھا، اسٹوریج انٹیگریشن کا نام (
SAGEMAKER_CANVAS_INTEGRATION
)، اور آپ کی پسند کا ایک منفرد کنکشن کا نام۔ - میں سے انتخاب کریں کنکشن شامل کریں۔.
اگر تمام اندراجات درست ہیں، تو آپ کو نیویگیشن پین میں کنکشن سے وابستہ تمام ڈیٹا بیس دیکھنا چاہیے (اس کے لیے درج ذیل مثال دیکھیں NICK_FACIES
).
- منتخب کیجئیے
TRAINING_DATA
میز، پھر منتخب کریں ڈیٹا سیٹ کا پیش نظارہ کریں۔.
اگر آپ ڈیٹا سے خوش ہیں، تو آپ ڈیٹا ویژولائزر میں حسب ضرورت ایس کیو ایل میں ترمیم کر سکتے ہیں۔
- میں سے انتخاب کریں ایس کیو ایل میں ترمیم کریں۔.
- کینوس میں درآمد کرنے سے پہلے درج ذیل ایس کیو ایل کمانڈ کو چلائیں۔ (یہ فرض کرتا ہے کہ ڈیٹا بیس کہا جاتا ہے۔
NICK_FACIES
. اس قدر کو اپنے ڈیٹا بیس کے نام سے بدل دیں۔)
مندرجہ ذیل اسکرین شاٹ سے ملتا جلتا کچھ اس میں ظاہر ہونا چاہئے۔ پیش نظارہ درآمد کریں۔ سیکشن پر ایک اقتصادی کینڈر سکین کر لیں۔
- اگر آپ پیش نظارہ سے خوش ہیں، تو منتخب کریں۔ ڈیٹا درآمد کریں۔.
- ڈیٹا کا ایک مناسب نام منتخب کریں، اس بات کو یقینی بناتے ہوئے کہ یہ منفرد اور 32 حروف سے کم لمبا ہو۔
- توثیق ڈیٹاسیٹ کو درآمد کرنے کے لیے درج ذیل کمانڈ کا استعمال کریں، پہلے جیسا طریقہ استعمال کرتے ہوئے:
چہرے کی درجہ بندی کا ماڈل بنائیں
اپنے چہرے کی درجہ بندی کا ماڈل بنانے کے لیے، درج ذیل مراحل کو مکمل کریں:
- میں سے انتخاب کریں ماڈل نیویگیشن پین میں، پھر منتخب کریں۔ نیا ماڈل.
- اپنے ماڈل کو ایک مناسب نام دیں۔
- پر منتخب کریں ٹیب، حال ہی میں درآمد شدہ ٹریننگ ڈیٹاسیٹ کا انتخاب کریں، پھر منتخب کریں۔ ڈیٹاسیٹ منتخب کریں.
- پر تعمیر ٹیب، ڈراپ
WELL_NAME
کالم.
ہم ایسا کرتے ہیں کیونکہ اچھے نام خود ML ماڈل کے لیے مفید معلومات نہیں ہیں۔ وہ محض صوابدیدی نام ہیں جو ہمیں خود کنوؤں کے درمیان فرق کرنے کے لیے مفید معلوم ہوتے ہیں۔ جو نام ہم کسی خاص کنویں کو دیتے ہیں وہ ML ماڈل سے غیر متعلق ہے۔
- FACIES کو ہدف کے کالم کے طور پر منتخب کریں۔
- چھوڑ دو ماڈل کی قسم as 3+ زمرہ کی پیشن گوئی.
- ڈیٹا کی توثیق کریں۔
- میں سے انتخاب کریں معیاری تعمیر.
آپ کا صفحہ آپ کا ماڈل بنانے سے پہلے درج ذیل اسکرین شاٹ جیسا نظر آنا چاہیے۔
آپ کا انتخاب کرنے کے بعد معیاری تعمیر، ماڈل تجزیہ کے مرحلے میں داخل ہوتا ہے۔ آپ کو تعمیر کا متوقع وقت فراہم کیا گیا ہے۔ اب آپ اس ونڈو کو بند کر سکتے ہیں، کینوس سے لاگ آؤٹ کر سکتے ہیں (چارجز سے بچنے کے لیے) اور بعد میں کینوس پر واپس جا سکتے ہیں۔
چہرے کی درجہ بندی کے ماڈل کا تجزیہ کریں۔
ماڈل کا تجزیہ کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:
- کینوس میں واپس فیڈریٹ کریں۔
- اپنے پہلے سے بنائے گئے ماڈل کو تلاش کریں، منتخب کریں۔ لنک، پھر منتخب کریں تجزیہ.
- پر مجموعی جائزہ ٹیب، آپ اس اثر کو دیکھ سکتے ہیں جو انفرادی خصوصیات کے ماڈل آؤٹ پٹ پر پڑ رہے ہیں۔
- دائیں پین میں، آپ اس اثر کا تصور کر سکتے ہیں جو ایک دی گئی خصوصیت (X محور) کے ہر چہرے کی کلاس (Y محور) کی پیشین گوئی پر پڑ رہی ہے۔
آپ کی منتخب کردہ خصوصیت کے لحاظ سے یہ تصورات اس کے مطابق بدل جائیں گے۔ ہم آپ کو تمام 9 کلاسوں اور 10 خصوصیات کے ذریعے سائیکل چلا کر اس صفحہ کو دریافت کرنے کی ترغیب دیتے ہیں۔
- پر اسکور ٹیب، ہم پیشن گوئی بمقابلہ حقیقی چہرے کی درجہ بندی دیکھ سکتے ہیں۔
- میں سے انتخاب کریں اعلی درجے کی میٹرکس F1 سکور، اوسط درستگی، درستگی، یاد کرنے، اور AUC دیکھنے کے لیے۔
- ایک بار پھر، ہم تمام مختلف کلاسوں کو دیکھنے کی ترغیب دیتے ہیں۔
- میں سے انتخاب کریں لوڈ اپنی مقامی مشین پر ایک تصویر ڈاؤن لوڈ کرنے کے لیے۔
درج ذیل تصویر میں، ہم متعدد مختلف ایڈوانس میٹرکس دیکھ سکتے ہیں، جیسے کہ F1 سکور۔ شماریاتی تجزیہ میں، F1 سکور درجہ بندی کے ماڈل کی درستگی اور یاد کرنے کے درمیان توازن کو بتاتا ہے، اور درج ذیل مساوات کا استعمال کرتے ہوئے حساب کیا جاتا ہے: 2*((Precision * Recall)/ (Precision + Recall))
.
ملٹی کلاس فیسز کی درجہ بندی ماڈل کا استعمال کرتے ہوئے بیچ اور سنگل پیشین گوئی چلائیں۔
پیشین گوئی چلانے کے لیے، درج ذیل مراحل کو مکمل کریں:
- میں سے انتخاب کریں واحد پیشن گوئی ضرورت کے مطابق خصوصیت کی قدروں میں ترمیم کرنے کے لیے، اور صفحہ کے دائیں جانب ایک چہرے کی درجہ بندی حاصل کرنے کے لیے۔
اس کے بعد آپ پیشین گوئی چارٹ کی تصویر کو اپنے کلپ بورڈ میں کاپی کر سکتے ہیں، اور پیشین گوئیوں کو CSV فائل میں ڈاؤن لوڈ بھی کر سکتے ہیں۔
- میں سے انتخاب کریں بیچ کی پیشن گوئی اور پھر منتخب کریں ڈیٹاسیٹ منتخب کریں توثیق ڈیٹاسیٹ کو منتخب کرنے کے لیے جسے آپ نے پہلے درآمد کیا تھا۔
- میں سے انتخاب کریں پیشین گوئیاں بنائیں.
آپ کو پر ری ڈائریکٹ کیا گیا ہے۔ پیش گوئ کرنا۔ صفحہ، جہاں درجہ پڑھے گا پیشین گوئیاں پیدا کرنا کچھ سیکنڈ کے لئے
پیشین گوئیاں واپس آنے کے بعد، آپ پیشین گوئیوں کے آگے اختیارات کے مینو (تین عمودی نقطوں) کو منتخب کر کے پیشین گوئیوں کا پیش نظارہ، ڈاؤن لوڈ، یا حذف کر سکتے ہیں۔
پیشین گوئی کے پیش نظارہ کی ایک مثال درج ذیل ہے۔
اسٹوڈیو میں تربیت یافتہ ماڈل کا اشتراک کریں۔
اب آپ کسی دوسرے اسٹوڈیو صارف کے ساتھ ماڈل کے تازہ ترین ورژن کا اشتراک کر سکتے ہیں۔ اس سے ڈیٹا سائنسدانوں کو ماڈل کا تفصیل سے جائزہ لینے، اس کی جانچ کرنے، کوئی بھی ایسی تبدیلیاں کرنے کی اجازت ملتی ہے جس سے درستگی بہتر ہو سکتی ہے، اور اپ ڈیٹ شدہ ماڈل کو آپ کے ساتھ شیئر کیا جا سکتا ہے۔
سٹوڈیو کے اندر ایک زیادہ تکنیکی صارف کے ساتھ اپنے کام کا اشتراک کرنے کی اہلیت کینوس کی ایک اہم خصوصیت ہے، جس میں ایم ایل پرسنز کے ورک فلو کے درمیان اہم فرق ہے۔ مختلف تکنیکی صلاحیتوں کے ساتھ کراس فنکشنل ٹیموں کے درمیان تعاون پر یہاں مضبوط توجہ کو نوٹ کریں۔
- میں سے انتخاب کریں سیکنڈ اور ماڈل کا اشتراک کرنے کے لئے.
- منتخب کریں کہ کون سا ماڈل ورژن شیئر کرنا ہے۔
- ماڈل کا اشتراک کرنے کے لیے اسٹوڈیو صارف درج کریں۔
- ایک اختیاری نوٹ شامل کریں۔
- میں سے انتخاب کریں سیکنڈ اور.
نتیجہ
اس پوسٹ میں، ہم نے دکھایا کہ کس طرح Amazon SageMaker Canvas میں صرف چند کلکس کے ساتھ آپ Snowflake سے اپنا ڈیٹا تیار اور درآمد کر سکتے ہیں، اپنے ڈیٹا سیٹس میں شامل ہو سکتے ہیں، تخمینہ کی درستگی کا تجزیہ کر سکتے ہیں، اس بات کی تصدیق کر سکتے ہیں کہ کون سے کالم مؤثر ہیں، بہترین کارکردگی کا مظاہرہ کرنے والے ماڈل کو تربیت دے سکتے ہیں، اور نئے فرد کو تخلیق کر سکتے ہیں۔ یا بیچ کی پیشن گوئیاں۔ ہم آپ کے تاثرات سن کر بہت پرجوش ہیں اور ML کے ساتھ مزید کاروباری مسائل حل کرنے میں آپ کی مدد کرتے ہیں۔ اپنے ماڈل بنانے کے لیے، دیکھیں ایمیزون سیج میکر کینوس کا استعمال شروع کرنا.
مصنفین کے بارے میں
نک میک کارتھی AWS پروفیشنل سروسز ٹیم میں مشین لرننگ انجینئر ہے۔ اس نے AI/ML کے استعمال کے ذریعے اپنے کاروباری نتائج کو تیز کرنے کے لیے صحت کی دیکھ بھال، فنانس، کھیل، ٹیلی کام اور توانائی سمیت مختلف صنعتوں میں AWS کلائنٹس کے ساتھ کام کیا ہے۔ bpx ڈیٹا سائنس ٹیم کے ساتھ کام کرتے ہوئے، Nick نے حال ہی میں Amazon SageMaker پر bpx کے مشین لرننگ پلیٹ فارم کی تعمیر مکمل کی۔
تھیچر تھورن بیری bpx Energy میں مشین لرننگ انجینئر ہے۔ وہ Amazon SageMaker میں کمپنی کے بنیادی ڈیٹا سائنس پلیٹ فارم کو تیار اور برقرار رکھنے کے ذریعے bpx کے ڈیٹا سائنسدانوں کی حمایت کرتا ہے۔ اپنے فارغ وقت میں وہ ذاتی کوڈنگ پروجیکٹس پر ہیک کرنا اور اپنی بیوی کے ساتھ باہر وقت گزارنا پسند کرتا ہے۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹوآئ اسٹریم۔ ویب 3 ڈیٹا انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- ایڈریین ایشلے کے ساتھ مستقبل کا نقشہ بنانا۔ یہاں تک رسائی حاصل کریں۔
- PREIPO® کے ساتھ PRE-IPO کمپنیوں میں حصص خریدیں اور بیچیں۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/prepare-training-and-validation-dataset-for-facies-classification-using-snowflake-integration-and-train-using-amazon-sagemaker-canvas/
- : ہے
- : ہے
- :کہاں
- $UP
- 10
- 100
- 11
- 12
- 14
- 17
- 50
- 7
- 8
- 9
- a
- صلاحیتوں
- کی صلاحیت
- رفتار کو تیز تر
- تک رسائی حاصل
- اس کے مطابق
- اکاؤنٹ
- درستگی
- درست طریقے سے
- کے پار
- عمل
- اصل
- شامل کریں
- انہوں نے مزید کہا
- پتہ
- اعلی درجے کی
- پھر
- AI
- AI / ML
- مقصد
- سیدھ کریں
- تمام
- کی اجازت
- کی اجازت دیتا ہے
- پہلے ہی
- بھی
- ایمیزون
- ایمیزون سیج میکر
- ایمیزون سیج میکر کینوس
- ایمیزون ویب سروسز
- an
- تجزیہ
- تجزیہ کار کہتے ہیں
- تجزیے
- اور
- ایک اور
- کوئی بھی
- اپلی کیشن
- ظاہر
- درخواست
- مناسب
- کیا
- رقبہ
- AS
- منسلک
- At
- خود کار طریقے سے
- اوسط
- سے اجتناب
- AWS
- AWS پروفیشنل سروسز
- محور
- واپس
- متوازن
- BE
- کیونکہ
- بن
- رہا
- اس سے پہلے
- نیچے
- BEST
- کے درمیان
- دونوں
- تعمیر
- عمارت
- کاروبار
- لیکن
- by
- کہا جاتا ہے
- کر سکتے ہیں
- کینوس
- کیس
- قسم
- تبدیل
- تبدیلیاں
- حروف
- بوجھ
- چارٹ
- میں سے انتخاب کریں
- منتخب کریں
- طبقے
- کلاس
- درجہ بندی
- کلائنٹس
- کلوز
- کوڈ
- کوڈنگ
- تعاون
- کالم
- کالم
- کمپنیاں
- کمپنی کی
- مکمل
- شرط
- کنکشن
- کنسول
- کاپی
- کور
- درست
- کا احاطہ کرتا ہے
- تخلیق
- بنائی
- پیدا
- اسناد
- اہم
- کراس فنکشنل ٹیمیں
- موجودہ
- اپنی مرضی کے
- اعداد و شمار
- ڈیٹا سائنس
- ڈیٹا بیس
- ڈیٹا بیس
- ڈیٹاسیٹس
- منحصر ہے
- تعینات
- گہرائی
- بیان
- ڈیسک ٹاپ
- تفصیل
- تفصیلات
- اس بات کا تعین
- ترقی
- مختلف
- مختلف
- براہ راست
- ممتاز
- do
- دستاویز
- دستاویزات
- نہیں
- ڈاؤن لوڈ، اتارنا
- چھوڑ
- کے دوران
- ہر ایک
- اس سے قبل
- آسانی سے
- ایڈیٹر
- اثر
- یا تو
- کی حوصلہ افزائی
- توانائی
- انجینئر
- کو یقینی بنانے کے
- کو یقینی بنانے ہے
- درج
- داخل ہوتا ہے
- ماحولیات
- قائم کرو
- اندازے کے مطابق
- بھی
- مثال کے طور پر
- بہت پرجوش
- موجودہ
- توقع
- تجربات
- وضاحت
- تلاش
- بیرونی
- f1
- نمایاں کریں
- خصوصیات
- آراء
- چند
- کم
- قطعات
- فائل
- فائلوں
- کی مالی اعانت
- مل
- توجہ مرکوز
- پر عمل کریں
- کے بعد
- کے لئے
- فارمیٹ
- قیام
- ملا
- مفت
- سے
- پیدا
- حاصل
- GitHub کے
- دے دو
- دی
- عطا
- ہیک
- خوش
- ہے
- ہونے
- he
- صحت کی دیکھ بھال
- سن
- مدد
- یہاں
- ان
- کس طرح
- کیسے
- HTML
- HTTP
- HTTPS
- ID
- شناختی
- if
- تصویر
- فوری طور پر
- اثر
- مؤثر
- درآمد
- اہم
- درآمد
- کو بہتر بنانے کے
- in
- شامل
- سمیت
- دن بدن
- انفرادی
- صنعتوں
- معلومات
- نصب
- ہدایات
- انضمام
- ارادہ
- دلچسپی
- میں
- تحقیقات
- مسائل
- IT
- میں شامل
- فوٹو
- JSON
- صرف
- کلیدی
- لینڈنگ
- بڑے
- بعد
- تازہ ترین
- پرت
- سیکھنے
- تھوڑا
- لوڈ
- لوڈ کر رہا ہے
- مقامی
- محل وقوع
- لاگ ان کریں
- لانگ
- دیکھو
- سے محبت کرتا ہے
- میک
- مشین
- مشین لرننگ
- برقرار رکھنے
- مجاز
- بنا
- مینیجر
- دستی طور پر
- بہت سے
- مئی..
- مینو
- محض
- طریقہ
- پیمائش کا معیار
- ML
- ماڈل
- ماڈل
- نظر ثانی کرنے
- زیادہ
- ضروری
- نام
- نامزد
- نام
- سمت شناسی
- ضروری
- ضرورت
- نئی
- اگلے
- اب
- تعداد
- اعتراض
- حاصل کی
- of
- سرکاری
- تیل
- on
- اوپن سورس
- اختیار
- آپشنز کے بھی
- or
- حکم
- احکامات
- OS
- ہمارے
- باہر
- نتائج
- باہر
- پیداوار
- خود
- پی اینڈ ای
- صفحہ
- جوڑے
- پین
- خاص طور پر
- پاس ورڈ
- کارکردگی کا مظاہرہ
- ذاتی
- پلیٹ فارم
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- مہربانی کرکے
- پالیسی
- مقبول
- پوسٹ
- ممکنہ
- صحت سے متعلق
- پیش گوئی
- کی پیشن گوئی
- پیشن گوئی
- کو ترجیح دیتے ہیں
- کو ترجیح دی
- تیار
- پیش نظارہ
- پچھلا
- پہلے
- بنیادی طور پر
- پرنسپل
- استحقاق
- استحقاق
- مسئلہ
- مسائل
- عمل
- عمل
- پیشہ ورانہ
- پروفائل
- منصوبوں
- فراہم
- عوامی
- پڑھیں
- حال ہی میں
- درج
- حوالہ جات
- خطوں
- باقی
- کی جگہ
- کی ضرورت ہے
- بالترتیب
- باقی
- واپسی
- کا جائزہ لینے کے
- ٹھیک ہے
- کردار
- کردار
- رن
- چل رہا ہے
- sagemaker
- اسی
- سائنس
- سائنسدانوں
- سکور
- سیکنڈ
- خفیہ
- سیکشن
- دیکھنا
- سروسز
- مقرر
- سیکنڈ اور
- ہونا چاہئے
- دکھائیں
- سے ظاہر ہوا
- دکھایا گیا
- شوز
- اسی طرح
- ایک
- مہارت
- حل
- حل
- ماخذ
- مخصوص
- خرچ
- اسپورٹس
- اسٹیج
- کھینچنا
- شروع
- بیان
- شماریات
- مرحلہ
- مراحل
- ذخیرہ
- ذخیرہ
- مضبوط
- سٹوڈیو
- بعد میں
- کامیابی کے ساتھ
- اس طرح
- موزوں
- کی حمایت کرتا ہے
- نحو
- کے نظام
- ٹیبل
- TAG
- لے لو
- ہدف
- ٹاسک
- کاموں
- ٹیم
- ٹیموں
- ٹیکنیکل
- ٹیلی کام
- ٹیسٹ
- سے
- کہ
- ۔
- ان
- ان
- خود
- تو
- وہاں.
- یہ
- وہ
- اس
- ان
- تین
- کے ذریعے
- وقت
- کرنے کے لئے
- ٹرین
- تربیت یافتہ
- ٹریننگ
- سچ
- بھروسہ رکھو
- کوشش
- دو
- قسم
- اقسام
- منفرد
- اپ ڈیٹ کریں
- اپ ڈیٹ
- URL
- استعمال
- استعمال کی شرائط
- رکن کا
- کا استعمال کرتے ہوئے
- توثیق
- قیمت
- اقدار
- مختلف
- اس بات کی تصدیق
- ورژن
- عمودی
- لنک
- دیکھنے
- vs
- واک تھرو
- تھا
- we
- ویب
- ویب ایپلی کیشن
- ویب خدمات
- اچھا ہے
- ویلز
- کیا
- کیا ہے
- جب
- جس
- ڈبلیو
- بیوی
- گے
- کھڑکیاں
- ساتھ
- کے اندر
- کام
- کام کیا
- کام کے بہاؤ
- کام کر
- X
- تم
- اور
- زیفیرنیٹ