ایمیزون سیج میکر آٹو پائلٹ اب ٹائم سیریز ڈیٹا کو سپورٹ کرتا ہے۔

ایمیزون سیج میکر آٹو پائلٹ آپ کے ڈیٹا کی بنیاد پر بہترین مشین لرننگ (ML) ماڈلز کو خود بخود بناتا، تربیت دیتا اور ٹیون کرتا ہے، جبکہ آپ کو مکمل کنٹرول اور مرئیت برقرار رکھنے کی اجازت دیتا ہے۔ ہم نے حال ہی میں اعلان کیا ہے۔ آٹو پائلٹ میں ٹائم سیریز ڈیٹا کے لیے سپورٹ. آپ آٹو پائلٹ کو ٹائم سیریز ڈیٹا، یا عمومی طور پر ترتیب ڈیٹا پر رجعت اور درجہ بندی کے کاموں سے نمٹنے کے لیے استعمال کر سکتے ہیں۔ ٹائم سیریز ڈیٹا ایک خاص قسم کی ترتیب ڈیٹا ہے جہاں ڈیٹا پوائنٹس کو وقت کے وقفوں پر جمع کیا جاتا ہے۔

ڈیٹا کو دستی طور پر تیار کرنا، صحیح ML ماڈل کا انتخاب، اور اس کے پیرامیٹرز کو بہتر بنانا ایک پیچیدہ کام ہے، یہاں تک کہ ایک ماہر پریکٹیشنر کے لیے بھی۔ اگرچہ خودکار طریقے موجود ہیں جو بہترین ماڈلز اور ان کے پیرامیٹرز کو تلاش کر سکتے ہیں، لیکن یہ عام طور پر ڈیٹا کو ہینڈل نہیں کر سکتے ہیں جو ترتیب کے طور پر آتا ہے، جیسے کہ نیٹ ورک ٹریفک، بجلی کی کھپت، یا وقت کے ساتھ ساتھ ریکارڈ شدہ گھریلو اخراجات۔ چونکہ یہ ڈیٹا مختلف ٹائم پوائنٹس پر حاصل کیے گئے مشاہدات کی شکل اختیار کرتا ہے، اس لیے لگاتار مشاہدات کو ایک دوسرے سے آزاد نہیں سمجھا جا سکتا اور اس پر مجموعی طور پر کارروائی کرنے کی ضرورت ہے۔ آپ ترتیب وار ڈیٹا سے نمٹنے کے مسائل کی ایک وسیع رینج کے لیے آٹو پائلٹ استعمال کر سکتے ہیں۔ مثال کے طور پر، آپ نقصان دہ سرگرمیوں کی نشاندہی کرنے کے لیے وقت کے ساتھ ریکارڈ کردہ نیٹ ورک ٹریفک کی درجہ بندی کر سکتے ہیں، یا یہ تعین کر سکتے ہیں کہ آیا افراد اپنی کریڈٹ ہسٹری کی بنیاد پر رہن کے لیے اہل ہیں۔ آپ ٹائم سیریز کے ڈیٹا پر مشتمل ڈیٹا سیٹ فراہم کرتے ہیں اور آٹو پائلٹ بقیہ کو ہینڈل کرتا ہے، خصوصی فیچر ٹرانسفارمز کے ذریعے ترتیب وار ڈیٹا پر کارروائی کرتا ہے اور اپنی طرف سے بہترین ماڈل تلاش کرتا ہے۔

آٹو پائلٹ ایم ایل ماڈلز بنانے کی بھاری لفٹنگ کو ختم کرتا ہے، اور آپ کو اپنے ڈیٹا کی بنیاد پر بہترین ML ماڈل بنانے، تربیت دینے اور ٹیون کرنے میں آپ کی مدد کرتا ہے۔ آٹو پائلٹ آپ کے ڈیٹا پر کئی الگورتھم چلاتا ہے اور مکمل طور پر منظم کمپیوٹ انفراسٹرکچر پر اپنے ہائپر پیرامیٹر کو ٹیون کرتا ہے۔ اس پوسٹ میں، ہم دکھاتے ہیں کہ آپ کس طرح استعمال کر سکتے ہیں۔ یہ autopilot ٹائم سیریز ڈیٹا پر درجہ بندی اور رجعت کے مسائل کو حل کرنے کے لیے۔ آٹو پائلٹ ماڈل بنانے اور تربیت دینے سے متعلق ہدایات کے لیے، دیکھیں ایمیزون سیج میکر آٹو پائلٹ کے ساتھ صارف کی پیشن گوئی.

آٹو پائلٹ کا استعمال کرتے ہوئے ٹائم سیریز ڈیٹا کی درجہ بندی

ایک چلتی ہوئی مثال کے طور پر، ہم ٹائم سیریز پر ایک ملٹی کلاس مسئلہ پر غور کرتے ہیں۔ ڈیٹاسیٹ UWaveGestureLibraryXآٹھ پہلے سے طے شدہ ہاتھ کے اشاروں میں سے ایک کو انجام دیتے ہوئے ایکسلرومیٹر سینسر کی مساوی ریڈنگ پر مشتمل ہے۔ سادگی کے لیے، ہم ایکسلرومیٹر کی صرف X ڈائمینشن پر غور کرتے ہیں۔ کام ایک درجہ بندی کا ماڈل بنانا ہے تاکہ سینسر ریڈنگ سے لے کر پہلے سے طے شدہ اشاروں تک ٹائم سیریز کے ڈیٹا کا نقشہ بنایا جا سکے۔ مندرجہ ذیل اعداد و شمار CSV فارمیٹ میں ڈیٹاسیٹ کی پہلی قطاریں دکھاتا ہے۔ پورا ٹیبل 896 قطاروں اور دو کالموں پر مشتمل ہے: پہلا کالم اشارہ لیبل ہے اور دوسرا کالم سینسر ریڈنگ کی ٹائم سیریز ہے۔

ایمیزون سیج میکر ڈیٹا رینگلر کے ساتھ ڈیٹا کو صحیح فارمیٹ میں تبدیل کریں۔

عددی، دوٹوک، اور معیاری متنی کالموں کو قبول کرنے کے اوپر، آٹو پائلٹ اب ایک ترتیب ان پٹ کالم کو بھی قبول کرتا ہے۔ اگر آپ کا ٹائم سیریز ڈیٹا اس فارمیٹ کی پیروی نہیں کرتا ہے، تو آپ اسے آسانی سے تبدیل کر سکتے ہیں۔ ایمیزون سیج میکر ڈیٹا رینگلر. ڈیٹا رینگلر ایم ایل کے لیے ڈیٹا کو جمع کرنے اور تیار کرنے میں لگنے والے وقت کو ہفتوں سے منٹ تک کم کر دیتا ہے۔ ڈیٹا رینگلر کے ساتھ، آپ ڈیٹا کی تیاری اور فیچر انجینئرنگ کے عمل کو آسان بنا سکتے ہیں، اور ڈیٹا کی تیاری کے ورک فلو کے ہر مرحلے کو مکمل کر سکتے ہیں، بشمول ڈیٹا کا انتخاب، کلینزنگ، ایکسپلوریشن، اور ایک ہی بصری انٹرفیس سے ویژولائزیشن۔ مثال کے طور پر، ایک ہی ڈیٹاسیٹ پر غور کریں لیکن ایک مختلف ان پٹ فارمیٹ میں: ہر اشارہ (ID کے ذریعے مخصوص) ایکسلرومیٹر کی مساوی پیمائش کا ایک سلسلہ ہے۔ عمودی طور پر ذخیرہ کرنے پر، ہر قطار میں ایک ٹائم اسٹیمپ اور ایک قدر ہوتی ہے۔ مندرجہ ذیل اعداد و شمار اس ڈیٹا کا اس کی اصل شکل اور ترتیب کی شکل میں موازنہ کرتا ہے۔

ڈیٹا رینگلر کا استعمال کرتے ہوئے اس ڈیٹاسیٹ کو پہلے بیان کردہ فارمیٹ میں تبدیل کرنے کے لیے، سے ڈیٹاسیٹ لوڈ کریں۔ ایمیزون سادہ اسٹوریج سروس (ایمیزون S3)۔ پھر استعمال کریں۔ ٹائم سیریز گروپ بذریعہ ٹرانسفارمجیسا کہ مندرجہ ذیل اسکرین شاٹ میں دکھایا گیا ہے، اور ڈیٹا کو واپس CSV فارمیٹ میں Amazon S3 میں ایکسپورٹ کریں۔

جب ڈیٹا سیٹ اپنے مقرر کردہ فارمیٹ میں ہو، تو آپ آٹو پائلٹ کے ساتھ آگے بڑھ سکتے ہیں۔ ڈیٹا رینگلر کے دوسرے ٹائم سیریز ٹرانسفارمرز کو چیک کرنے کے لیے دیکھیں Amazon SageMaker Data Wrangler کے ساتھ ٹائم سیریز کا ڈیٹا تیار کریں۔.

آٹو ایم ایل کام شروع کریں۔

آٹو پائلٹ کے ذریعے تعاون یافتہ دیگر ان پٹ اقسام کی طرح، ڈیٹاسیٹ کی ہر قطار ایک مختلف مشاہدہ ہے اور ہر کالم ایک خصوصیت ہے۔ اس مثال میں، ہمارے پاس ٹائم سیریز ڈیٹا پر مشتمل ایک کالم ہے، لیکن آپ کے پاس متعدد ٹائم سیریز کالم ہو سکتے ہیں۔ آپ کے پاس مختلف قسم کے ان پٹ کے ساتھ متعدد کالم بھی ہوسکتے ہیں، جیسے ٹائم سیریز، ٹیکسٹ اور عددی۔

کرنے کے لئے ایک آٹو پائلٹ تجربہ بنائیںڈیٹا سیٹ کو S3 بالٹی میں رکھیں اور اس کے اندر ایک نیا تجربہ بنائیں ایمیزون سیج میکر اسٹوڈیو. جیسا کہ مندرجہ ذیل اسکرین شاٹ میں دکھایا گیا ہے، آپ کو تجربے کا نام، ڈیٹاسیٹ کا S3 مقام، آؤٹ پٹ آرٹفیکٹس کے لیے S3 مقام، اور پیشین گوئی کے لیے کالم کا نام بتانا چاہیے۔

آٹو پائلٹ ڈیٹا کا تجزیہ کرتا ہے، ایم ایل پائپ لائنز تیار کرتا ہے، اور درجہ بندی کے اس کام پر ہائپر پیرامیٹر آپٹیمائزیشن کی ڈیفالٹ 250 تکرار چلاتا ہے۔ جیسا کہ مندرجہ ذیل ماڈل لیڈر بورڈ میں دکھایا گیا ہے، آٹو پائلٹ 0.821 درستگی تک پہنچ جاتا ہے، اور آپ صرف ایک کلک میں بہترین ماڈل تعینات کر سکتے ہیں۔

اس کے علاوہ، آٹو پائلٹ ایک پیدا کرتا ہے۔ ڈیٹا ایکسپلوریشن رپورٹ، جہاں آپ اپنے ڈیٹا کو تصور اور دریافت کر سکتے ہیں۔

شفافیت آٹو پائلٹ کے لیے بنیادی ہے۔ آپ امیدوار ڈیفینیشن نوٹ بک کے اندر تیار کردہ ML پائپ لائنوں کا معائنہ اور ترمیم کر سکتے ہیں۔ مندرجہ ذیل اسکرین شاٹ یہ ظاہر کرتا ہے کہ آٹو پائلٹ ٹائم سیریز ٹرانسفارمر کو ملا کر پائپ لائنوں کی ایک رینج کی سفارش کیسے کرتا ہے TSFeatureExtractor مختلف ML الگورتھم کے ساتھ، جیسے گریڈینٹ بوسٹڈ ڈسیسن ٹریز اور لکیری ماڈلز۔ دی TSFeatureExtractor آپ کے لیے سیکڑوں ٹائم سیریز کی خصوصیات نکالتا ہے، جو کہ پھر پیشین گوئیاں کرنے کے لیے ڈاؤن اسٹریم الگورتھم کو دی جاتی ہیں۔ ٹائم سیریز کی خصوصیات کی مکمل فہرست کے لیے، رجوع کریں۔ نکالی گئی خصوصیات کا جائزہ.

نتیجہ

اس پوسٹ میں، ہم نے دکھایا کہ سیج میکر آٹو پائلٹ کو صرف چند کلکس میں ٹائم سیریز کی درجہ بندی اور رجعت کے مسائل کو حل کرنے کے لیے کیسے استعمال کیا جائے۔

آٹو پائلٹ کے بارے میں مزید معلومات کے لیے، دیکھیں ایمیزون سیج میکر آٹو پائلٹ. سیج میکر کی متعلقہ خصوصیات کو دریافت کرنے کے لیے، دیکھیں ایمیزون سیج میکر ڈیٹا رینگلر.

---

مصنفین کے بارے میں

نکیتا ایوکن ایک اپلائیڈ سائنٹسٹ، ایمیزون سیج میکر ڈیٹا رینگلر ہے۔

این ملبرٹ ایک سافٹ ویئر ڈویلپمنٹ انجینئر ہے جو ایمیزون سیج میکر آٹومیٹک ماڈل ٹیوننگ پر کام کر رہا ہے۔

ویلیریو پیرون ایک اپلائیڈ سائنس مینیجر ہے جو Amazon SageMaker آٹومیٹک ماڈل ٹیوننگ اور آٹو پائلٹ پر کام کر رہا ہے۔

میگھنا ستیش ایک سافٹ ویئر ڈویلپمنٹ انجینئر ہے جو ایمیزون سیج میکر آٹومیٹک ماڈل ٹیوننگ پر کام کر رہا ہے۔

علی تکبیری۔ ایک AI/ML ماہر سولیوشن آرکیٹیکٹ ہے، اور AWS Cloud پر اپنے کاروباری چیلنجوں کو حل کرنے کے لیے مشین لرننگ کا استعمال کر کے صارفین کی مدد کرتا ہے۔

• سکے سمارٹ۔ یورپ کا بہترین بٹ کوائن اور کرپٹو ایکسچینج۔
• پلیٹو بلاک چین۔ Web3 Metaverse انٹیلی جنس۔ علم میں اضافہ۔ مفت رسائی۔
• کرپٹو ہاک۔ Altcoin ریڈار. مفت جانچ.
• ماخذ: https://aws.amazon.com/blogs/machine-learning/amazon-sagemaker-autopilot-now-supports-time-series-data/