یہ پوسٹ میتھ ورکس کے بریڈ ڈنکن، ریچل جانسن اور رچرڈ الکوک کے ساتھ مل کر لکھی گئی ہے۔
MATLAB ایپلی کیشنز کی ایک وسیع رینج کے لیے ایک مقبول پروگرامنگ ٹول ہے، جیسے ڈیٹا پروسیسنگ، متوازی کمپیوٹنگ، آٹومیشن، سمولیشن، مشین لرننگ، اور مصنوعی ذہانت۔ یہ بہت ساری صنعتوں جیسے آٹوموٹو، ایرو اسپیس، مواصلات، اور مینوفیکچرنگ میں بہت زیادہ استعمال ہوتا ہے۔ حالیہ برسوں میں، MathWorks نے کلاؤڈ میں بہت سی مصنوعات کی پیشکشیں لائی ہیں، خاص طور پر آن ایمیزون ویب سروسز (AWS). MathWorks کلاؤڈ پروڈکٹس کے بارے میں مزید تفصیلات کے لیے، دیکھیں کلاؤڈ میں MATLAB اور Simulink or ای میل Mathworks.
اس پوسٹ میں، ہم MATLAB کی مشین لرننگ کی صلاحیتوں کو لاتے ہیں۔ ایمیزون سیج میکرجس کے کئی اہم فوائد ہیں:
- وسائل کی گنتی کریں۔: SageMaker کی طرف سے پیش کردہ اعلی کارکردگی والے کمپیوٹنگ ماحول کا استعمال مشین لرننگ کی تربیت کو تیز کر سکتا ہے۔
- تعاون: MATLAB اور SageMaker مل کر ایک مضبوط پلیٹ فارم فراہم کرتے ہیں جسے ٹی ٹیمیں مشین لرننگ ماڈلز کی تعمیر، جانچ اور تعیناتی میں مؤثر طریقے سے تعاون کرنے کے لیے استعمال کر سکتی ہیں۔
- تعیناتی اور رسائی: ماڈلز کو SageMaker ریئل ٹائم اینڈ پوائنٹس کے طور پر تعینات کیا جا سکتا ہے، جس سے وہ لائیو سٹریمنگ ڈیٹا پر کارروائی کرنے کے لیے دیگر ایپلیکیشنز کے لیے آسانی سے قابل رسائی ہو جاتے ہیں۔
ہم آپ کو دکھاتے ہیں کہ کس طرح MATLAB مشین لرننگ ماڈل کو SageMaker ٹریننگ جاب کے طور پر تربیت دی جائے اور پھر ماڈل کو SageMaker ریئل ٹائم اینڈ پوائنٹ کے طور پر تعینات کریں تاکہ یہ لائیو، سٹریمنگ ڈیٹا پر کارروائی کر سکے۔
ایسا کرنے کے لیے، ہم پیش گوئی کرنے والی دیکھ بھال کی مثال استعمال کریں گے جہاں ہم ایک آپریشنل پمپ کی خرابیوں کی درجہ بندی کرتے ہیں جو لائیو سینسر ڈیٹا کو سٹریم کر رہا ہے۔ ہمارے پاس ایک سے تیار کردہ لیبل والے ڈیٹا کے ایک بڑے ذخیرے تک رسائی ہے۔ سمولنک تخروپن جس میں مختلف ممکنہ امتزاج میں تین ممکنہ غلطی کی اقسام ہیں (مثال کے طور پر، ایک صحت مند اور سات ناقص حالتیں)۔ چونکہ ہمارے پاس سسٹم کا ایک ماڈل ہے اور کام میں خرابیاں بہت کم ہوتی ہیں، اس لیے ہم اپنے الگورتھم کو تربیت دینے کے لیے نقلی ڈیٹا کا فائدہ اٹھا سکتے ہیں۔ MATLAB اور Simulink میں پیرامیٹر تخمینہ کی تکنیک کا استعمال کرتے ہوئے ہمارے حقیقی پمپ سے آپریشنل ڈیٹا سے ملنے کے لیے ماڈل کو ٹیون کیا جا سکتا ہے۔
ہمارا مقصد اس غلطی کی درجہ بندی کی مثال کا استعمال کرتے ہوئے MATLAB اور Amazon SageMaker کی مشترکہ طاقت کا مظاہرہ کرنا ہے۔
ہم اپنے ڈیسک ٹاپ پر MATLAB کے ساتھ کلاسیفائر ماڈل کو تربیت دے کر شروع کرتے ہیں۔ سب سے پہلے، ہم مکمل ڈیٹاسیٹ کے ذیلی سیٹ سے خصوصیات نکالتے ہیں۔ تشخیصی فیچر ڈیزائنر ایپ، اور پھر ماڈل ٹریننگ کو مقامی طور پر MATLAB فیصلہ ٹری ماڈل کے ساتھ چلائیں۔ ایک بار جب ہم پیرامیٹر کی ترتیبات سے مطمئن ہو جائیں تو، ہم ایک MATLAB فنکشن بنا سکتے ہیں اور ڈیٹا سیٹ کے ساتھ SageMaker کو جاب بھیج سکتے ہیں۔ یہ ہمیں بہت بڑے ڈیٹاسیٹس کو ایڈجسٹ کرنے کے لیے تربیتی عمل کو بڑھانے کی اجازت دیتا ہے۔ اپنے ماڈل کو تربیت دینے کے بعد، ہم اسے ایک لائیو اینڈ پوائنٹ کے طور پر تعینات کرتے ہیں جسے ڈاؤن اسٹریم ایپ یا ڈیش بورڈ، جیسے MATLAB ویب ایپ میں ضم کیا جا سکتا ہے۔
یہ مثال ہر قدم کا خلاصہ کرے گی، مشین لرننگ کے کاموں کے لیے MATLAB اور Amazon SageMaker سے فائدہ اٹھانے کے بارے میں عملی سمجھ فراہم کرے گی۔ مثال کے لیے مکمل کوڈ اور تفصیل اس میں دستیاب ہے۔ ذخیرہ.
شرائط
- MATLAB2023a یا بعد میں MATLAB کمپائلر اور لینکس پر شماریات اور مشین لرننگ ٹول باکس کے ساتھ کام کرنے کا ماحول۔ یہاں ایک ہے فوری گائیڈ AWS پر MATLAB کو کیسے چلایا جائے۔
- ایک میں ڈوکر سیٹ اپ Amazon Elastic Compute Cloud (Amazon EC2) مثال کے طور پر جہاں MATLAB چل رہا ہے۔ یا تو اوبنٹو or لینکس.
- کی تنصیب AWS کمانڈ لائن انٹرفیس (AWS CLI), AWS ترتیب دیں۔، اور Python3.
- اگر آپ انسٹالیشن گائیڈ کی پیروی کرتے ہیں تو AWS CLI، پہلے سے انسٹال ہونا چاہیے۔ 1 قدم.
- AWS کنفیگر سیٹ اپ کریں۔ AWS وسائل کے ساتھ تعامل کرنے کے لیے۔
- چل کر اپنی python3 انسٹالیشن کی تصدیق کریں۔
python -V
orpython --version
اپنے ٹرمینل پر کمانڈ کریں۔ اگر ضروری ہو تو Python انسٹال کریں۔
- اس ریپو کو اپنی لینکس مشین کے فولڈر میں چلا کر کاپی کریں:
- ریپو فولڈر پر اجازت چیک کریں۔ اگر اسے لکھنے کی اجازت نہیں ہے تو، درج ذیل شیل کمانڈ کو چلائیں:
- MATLAB ٹریننگ کنٹینر بنائیں اور اسے دھکیلیں۔ ایمیزون لچکدار کنٹینر رجسٹری (ایمیزون ای سی آر).
- فولڈر پر جائیں۔
docker
- AWS CLI کا استعمال کرتے ہوئے ایک Amazon ECR ریپو بنائیں (REGION کو اپنے پسندیدہ AWS ریجن سے تبدیل کریں)
- درج ذیل ڈوکر کمانڈ چلائیں:
- فولڈر پر جائیں۔
- MATLAB کھولیں اور لائیو اسکرپٹ کو کھولیں جس کو کہتے ہیں۔
PumpFaultClassificationMATLABSageMaker.mlx
فولڈر میںexamples/PumpFaultClassification
. اس فولڈر کو MATLAB میں اپنا موجودہ ورکنگ فولڈر بنائیں۔
حصہ 1: ڈیٹا کی تیاری اور فیچر نکالنا
کسی بھی مشین لرننگ پروجیکٹ میں پہلا قدم آپ کا ڈیٹا تیار کرنا ہے۔ MATLAB آپ کے ڈیٹا سے خصوصیات کو درآمد کرنے، صاف کرنے اور نکالنے کے لیے ٹولز کی ایک وسیع رینج فراہم کرتا ہے۔
۔ SensorData.mat
ڈیٹاسیٹ 240 ریکارڈز پر مشتمل ہے۔ ہر ریکارڈ میں دو ٹائم ٹیبل ہوتے ہیں: flow
اور pressure
. ہدف کالم ہے۔ faultcode
، جو پمپ میں تین ممکنہ فالٹ امتزاج کی بائنری نمائندگی ہے۔ ان ٹائم سیریز ٹیبلز کے لیے، ہر ٹیبل میں 1,201 قطاریں ہیں جو 1.2 سیکنڈ کے اضافے کے ساتھ 0.001 سیکنڈ پمپ کے بہاؤ اور دباؤ کی پیمائش کی نقل کرتی ہیں۔
اگلا، ڈائیگنوسٹک فیچر ڈیزائنر ایپ آپ کو ڈیٹا سے مختلف خصوصیات کو نکالنے، تصور کرنے اور درجہ بندی کرنے کی اجازت دیتی ہے۔ یہاں، آپ استعمال کرتے ہیں آٹو خصوصیات، جو ڈیٹاسیٹ سے وقت اور فریکوئنسی ڈومین کی خصوصیات کے ایک وسیع سیٹ کو تیزی سے نکالتا ہے اور ماڈل ٹریننگ کے لیے سرفہرست امیدواروں کی درجہ بندی کرتا ہے۔ اس کے بعد آپ ایک MATLAB فنکشن ایکسپورٹ کر سکتے ہیں جو نئے ان پٹ ڈیٹا سے ٹاپ 15 رینکڈ فیچرز کو دوبارہ گنتی کرے گا۔ آئیے اس فنکشن کو کہتے ہیں۔ extractFeaturesTraining
. اس فنکشن کو ایک ہی بیچ میں یا سٹریمنگ ڈیٹا کے طور پر ڈیٹا لینے کے لیے کنفیگر کیا جا سکتا ہے۔
یہ فنکشن متعلقہ فالٹ کوڈز کے ساتھ خصوصیات کا ایک جدول تیار کرتا ہے، جیسا کہ درج ذیل تصویر میں دکھایا گیا ہے۔
حصہ 2: سیج میکر کے لیے ڈیٹا کو منظم کریں۔
اگلا، آپ کو ڈیٹا کو اس طریقے سے ترتیب دینے کی ضرورت ہے جسے SageMaker مشین لرننگ کی تربیت کے لیے استعمال کر سکے۔ عام طور پر، اس میں ڈیٹا کو تربیت اور توثیق کے سیٹوں میں تقسیم کرنا اور ہدف کے جواب سے پیشن گوئی کرنے والے ڈیٹا کو تقسیم کرنا شامل ہے۔
اس مرحلے میں، دیگر پیچیدہ ڈیٹا کی صفائی اور فلٹرنگ آپریشنز کی ضرورت ہو سکتی ہے۔ اس مثال میں، ڈیٹا پہلے ہی صاف ہے۔ ممکنہ طور پر، اگر ڈیٹا پروسیسنگ بہت پیچیدہ اور وقت طلب ہے، تو SageMaker پروسیسنگ جابز کو SageMaker ٹریننگ کے علاوہ ان ملازمتوں کو چلانے کے لیے استعمال کیا جا سکتا ہے تاکہ انہیں دو مراحل میں الگ کیا جا سکے۔
trainPredictors = trainingData(:,2:end);
trainResponse = trainingData(:,1);
حصہ 3: MATLAB میں مشین لرننگ ماڈل کی تربیت اور جانچ کریں۔
SageMaker میں جانے سے پہلے، MATLAB میں مشین لرننگ ماڈل کو مقامی طور پر بنانا اور جانچنا اچھا خیال ہے۔ یہ آپ کو ماڈل کو تیزی سے اعادہ اور ڈیبگ کرنے کی اجازت دیتا ہے۔ آپ مقامی طور پر ایک سادہ فیصلہ ٹری درجہ بندی ترتیب دے سکتے ہیں اور تربیت دے سکتے ہیں۔
classifierModel = fitctree(...
trainPredictors,...
trainResponse,...
OptimizeHyperparameters='auto');
یہاں تربیتی کام کو ختم ہونے میں ایک منٹ سے بھی کم وقت لگتا ہے اور تربیت کی پیشرفت کی نشاندہی کرنے کے لیے کچھ گراف تیار کرتا ہے۔ تربیت ختم ہونے کے بعد، MATLAB مشین لرننگ ماڈل تیار کیا جاتا ہے۔ دی درجہ بندی سیکھنے والا ایپ کا استعمال کئی قسم کے درجہ بندی کے ماڈلز کو آزمانے اور انہیں بہترین کارکردگی کے لیے ٹیون کرنے کے لیے کیا جا سکتا ہے، پھر مذکورہ ماڈل ٹریننگ کوڈ کو تبدیل کرنے کے لیے ضروری کوڈ تیار کریں۔
مقامی طور پر تربیت یافتہ ماڈل کی درستگی کی پیمائش کے بعد، ہم تربیت کو Amazon SageMaker میں منتقل کر سکتے ہیں۔
حصہ 4: ایمیزون سیج میکر میں ماڈل کو تربیت دیں۔
ماڈل سے مطمئن ہونے کے بعد، آپ SageMaker کا استعمال کرتے ہوئے اسے پیمانے پر تربیت دے سکتے ہیں۔ SageMaker SDKs کو کال کرنا شروع کرنے کے لیے، آپ کو SageMaker سیشن شروع کرنے کی ضرورت ہے۔
session = sagemaker.Session();
سیج میکر پر عمل درآمد کی وضاحت کریں۔ IAM کا کردار کہ تربیتی جابز اور اینڈ پوائنٹ ہوسٹنگ استعمال کریں گے۔
role = "arn:aws:iam::ACCOUNT:role/service-role/AmazonSageMaker-ExecutionRole-XXXXXXXXXXXXXXX";
MATLAB سے، تربیتی ڈیٹا کو .csv فائل کے طور پر محفوظ کریں۔ ایمیزون سادہ اسٹوریج سروس (ایمیزون S3) بالٹی.
writetable(trainingData,'pump_training_data.csv');
trainingDataLocation = "s3:// "+session.DefaultBucket+ +"/cooling_system/input/pump_training";
copyfile("pump_training_data.csv", trainingDataLocation);
سیج میکر تخمینہ ساز بنائیں
اس کے بعد، آپ کو سیج میکر کا تخمینہ لگانے والا بنانے کی ضرورت ہے اور اس میں تمام ضروری پیرامیٹرز کو منتقل کرنے کی ضرورت ہے، جیسے کہ ٹریننگ ڈوکر امیج، ٹریننگ فنکشن، ماحولیاتی متغیرات، ٹریننگ انسٹینس سائز وغیرہ۔ تربیتی تصویر URI وہ Amazon ECR URI ہونی چاہیے جو آپ نے فارمیٹ کے ساتھ پیشگی مرحلے میں بنائی ہے۔ ACCOUNT.dkr.ecr.us-east-1.amazonaws.com/sagemaker-matlab-training-r2023a:latest
. تربیتی فنکشن MATLAB لائیو اسکرپٹ کے نیچے فراہم کیا جانا چاہیے۔
سیج میکر ٹریننگ جاب جمع کروائیں۔
تخمینہ لگانے والے سے موزوں طریقہ کو کال کرنے سے تربیتی کام SageMaker میں جمع ہو جاتا ہے۔
est.fit(training=struct(Location=trainingDataLocation, ContentType="text/csv"))
آپ سیج میکر کنسول سے تربیتی ملازمت کی حیثیت بھی چیک کر سکتے ہیں:
تربیتی ملازمتیں ختم ہونے کے بعد، جاب کا لنک منتخب کرنا آپ کو جاب کی تفصیل والے صفحے پر لے جاتا ہے جہاں آپ MATLAB ماڈل کو مختص S3 بالٹی میں محفوظ کر سکتے ہیں:
حصہ 5: ماڈل کو ریئل ٹائم سیج میکر اینڈ پوائنٹ کے طور پر تعینات کریں۔
تربیت کے بعد، آپ ماڈل کو ریئل ٹائم سیج میکر اینڈ پوائنٹ کے طور پر تعینات کر سکتے ہیں، جسے آپ حقیقی وقت میں پیشین گوئیاں کرنے کے لیے استعمال کر سکتے ہیں۔ ایسا کرنے کے لیے، تخمینہ لگانے والے سے تعیناتی کا طریقہ کال کریں۔ یہ وہ جگہ ہے جہاں آپ کام کے بوجھ کے لحاظ سے ہوسٹنگ کے لیے مطلوبہ مثال کا سائز ترتیب دے سکتے ہیں۔
پردے کے پیچھے، یہ قدم ایک انفرنس ڈوکر امیج بناتا ہے اور اسے ایمیزون ای سی آر ریپوزٹری میں دھکیلتا ہے، صارف سے انفرنس کنٹینر بنانے کے لیے کسی چیز کی ضرورت نہیں ہے۔ تصویر میں تمام ضروری معلومات شامل ہیں جن میں تخمینہ کی درخواست کی خدمت کی جاتی ہے، جیسے کہ ماڈل لوکیشن، MATLAB تصدیقی معلومات، اور الگورتھم۔ اس کے بعد، Amazon SageMaker ایک SageMaker اینڈ پوائنٹ کنفیگریشن بناتا ہے اور آخر میں ریئل ٹائم اینڈ پوائنٹ کو تعینات کرتا ہے۔ اختتامی نقطہ کی نگرانی SageMaker کنسول میں کی جا سکتی ہے اور اگر اسے مزید استعمال نہ کیا جائے تو اسے کسی بھی وقت ختم کیا جا سکتا ہے۔
حصہ 6: اختتامی نقطہ کی جانچ کریں۔
اب جب کہ اختتامی نقطہ تیار ہے اور چل رہا ہے، آپ پیشین گوئی کے لیے کچھ ریکارڈ دے کر اختتامی نقطہ کی جانچ کر سکتے ہیں۔ ٹریننگ ڈیٹا سے 10 ریکارڈز کو منتخب کرنے کے لیے درج ذیل کوڈ کا استعمال کریں اور انہیں پیشین گوئی کے لیے اینڈ پوائنٹ پر بھیجیں۔ پیشین گوئی کا نتیجہ اختتامی نقطہ سے واپس بھیجا جاتا ہے اور مندرجہ ذیل تصویر میں دکھایا گیا ہے۔
حصہ 7: ڈیش بورڈ انضمام
سیج میکر اینڈ پوائنٹ کو بہت سی مقامی AWS خدمات کے ذریعہ کال کی جاسکتی ہے۔ اسے معیاری REST API کے طور پر بھی استعمال کیا جا سکتا ہے اگر ایک کے ساتھ مل کر تعینات کیا جائے۔ او ڈبلیو ایس لامبڈا۔ فنکشن اور API گیٹ وے، جسے کسی بھی ویب ایپلیکیشن کے ساتھ مربوط کیا جا سکتا ہے۔ اس مخصوص استعمال کے معاملے کے لیے، آپ ایمیزون سیج میکر فیچر اسٹور اور ایمیزون مینیجڈ اسٹریمنگ کے ساتھ اپاچی کافکا، ایم ایس کے کے ساتھ اسٹریمنگ ادخال کا استعمال کر سکتے ہیں تاکہ قریب قریب حقیقی وقت میں مشین لرننگ کی حمایت یافتہ فیصلے کر سکیں۔ ایک اور ممکنہ انضمام کا ایک مجموعہ استعمال کرنا ہے۔ ایمیزون کنیسیس, SageMaker، اور Apache Flink ایک منظم، قابل بھروسہ، قابل توسیع، اور انتہائی دستیاب ایپلیکیشن بنانے کے لیے جو ڈیٹا اسٹریم پر ریئل ٹائم انفرنسنگ کرنے کے قابل ہو۔
الگورتھم کو سیج میکر اینڈ پوائنٹ پر تعینات کرنے کے بعد، آپ شاید ڈیش بورڈ کا استعمال کرتے ہوئے ان کا تصور کرنا چاہیں گے جو حقیقی وقت میں سلسلہ بندی کی پیشین گوئیاں دکھاتا ہے۔ مندرجہ ذیل اپنی مرضی کے مطابق MATLAB ویب ایپ میں، آپ پمپ کے ذریعے دباؤ اور بہاؤ ڈیٹا، اور تعینات ماڈل سے لائیو فالٹ کی پیشین گوئیاں دیکھ سکتے ہیں۔
اس ڈیش بورڈ میں زیر بحث ہر پمپ کے ناکام ہونے کے وقت کی پیشین گوئی کرنے کے لیے ایک باقی مفید زندگی (RUL) ماڈل شامل ہے۔ RUL الگورتھم کو تربیت دینے کا طریقہ سیکھنے کے لیے، دیکھیں پیشن گوئی کی بحالی کا ٹول باکس.
صاف کرو
اس حل کو چلانے کے بعد، یقینی بنائیں کہ آپ غیر متوقع اخراجات سے بچنے کے لیے کسی بھی غیر ضروری AWS وسائل کو صاف کرتے ہیں۔ آپ ان وسائل کو استعمال کرکے صاف کرسکتے ہیں۔ SageMaker Python SDK یا یہاں استعمال ہونے والی مخصوص خدمات کے لیے AWS مینجمنٹ کنسول (SageMaker، Amazon ECR، اور Amazon S3)۔ ان وسائل کو حذف کر کے، آپ ان وسائل کے مزید چارجز کو روکتے ہیں جنہیں آپ مزید استعمال نہیں کر رہے ہیں۔
نتیجہ
ہم نے یہ ظاہر کیا ہے کہ آپ MATLAB کو SageMaker پر پمپ کی پیش گوئی کرنے والے دیکھ بھال کے استعمال کے کیس کے لیے پورے مشین لرننگ لائف سائیکل کے ساتھ کیسے لا سکتے ہیں۔ سیج میکر مشین لرننگ کے کام کے بوجھ کو چلانے اور مختلف ضروریات کو پورا کرنے والے کمپیوٹ مثالوں کے بہترین انتخاب کے ساتھ ماڈلز کی تعیناتی کے لیے مکمل طور پر منظم ماحول فراہم کرتا ہے۔
اعلانِ لاتعلقی: اس پوسٹ میں استعمال شدہ کوڈ MathWorks کی ملکیت اور اس کی دیکھ بھال کرتا ہے۔ GitHub ریپو میں لائسنس کی شرائط کا حوالہ دیں۔ کوڈ یا خصوصیت کی درخواستوں کے ساتھ کسی بھی مسئلے کے لئے، براہ کرم ذخیرہ میں GitHub کا مسئلہ کھولیں۔
حوالہ جات
مصنفین کے بارے میں
بریڈ ڈنکن MathWorks میں شماریات اور مشین لرننگ ٹول باکس میں مشین لرننگ کی صلاحیتوں کے لیے پروڈکٹ مینیجر ہے۔ وہ انجینئرنگ کے نئے شعبوں میں AI کا اطلاق کرنے کے لیے صارفین کے ساتھ کام کرتا ہے جیسے کہ انجینئرڈ سسٹمز میں ورچوئل سینسرز کو شامل کرنا، قابل وضاحت مشین لرننگ ماڈل بنانا، اور MATLAB اور Simulink کا استعمال کرتے ہوئے AI ورک فلو کو معیاری بنانا۔ MathWorks میں آنے سے پہلے اس نے 3D تخروپن اور گاڑیوں کی ایروڈینامکس کی اصلاح، 3D تخروپن کے لیے صارف کا تجربہ، اور نقلی سافٹ ویئر کے لیے پروڈکٹ مینجمنٹ کے لیے ٹیموں کی قیادت کی۔ بریڈ گاڑیوں کی ایرو ڈائنامکس کے شعبے میں ٹفٹس یونیورسٹی میں گیسٹ لیکچرر بھی ہیں۔
رچرڈ الکوک MathWorks میں Cloud Platform Integrations کے سینئر ڈویلپمنٹ مینیجر ہیں۔ اس کردار میں، وہ بغیر کسی رکاوٹ کے MathWorks مصنوعات کو کلاؤڈ اور کنٹینر پلیٹ فارمز میں ضم کرنے میں اہم کردار ادا کر رہا ہے۔ وہ ایسے حل تیار کرتا ہے جو انجینئرز اور سائنسدانوں کو کلاؤڈ بیسڈ ماحول میں MATLAB اور Simulink کی مکمل صلاحیت کو بروئے کار لانے کے قابل بناتے ہیں۔ وہ پہلے میتھ ورکس میں سافٹ ویئر انجینئرنگ تھا، متوازی اور تقسیم شدہ کمپیوٹنگ ورک فلو کو سپورٹ کرنے کے لیے حل تیار کر رہا تھا۔
راچیل جانسن۔ MathWorks میں پیشن گوئی کی دیکھ بھال کے لیے پروڈکٹ مینیجر ہے، اور مجموعی مصنوعات کی حکمت عملی اور مارکیٹنگ کے لیے ذمہ دار ہے۔ وہ پہلے ایک ایپلی کیشن انجینئر تھی جو ایرو اسپیس انڈسٹری کی پیش گوئی کرنے والے دیکھ بھال کے منصوبوں پر براہ راست مدد کرتی تھی۔ میتھ ورکس سے پہلے، ریچل امریکی بحریہ کے لیے ایرو ڈائنامکس اور پروپلشن سمولیشن انجینئر تھیں۔ اس نے کئی سال ریاضی، طبیعیات اور انجینئرنگ کی تعلیم میں بھی گزارے۔
ماؤ کو دور کریں۔ ایمیزون ویب سروسز میں ایمرجنگ ٹیکنالوجیز ٹیم میں ایک سینئر AI/ML پارٹنر سلوشنز آرکیٹیکٹ ہے۔ وہ انٹرپرائز کے صارفین اور شراکت داروں کے ساتھ کام کرنے کے لیے پرجوش ہے تاکہ ان کی کاروباری اقدار کو حاصل کرنے کے لیے AI/ML ایپلیکیشنز کو ڈیزائن، تعینات اور اسکیل کیا جا سکے۔ کام سے باہر، وہ مچھلی پکڑنے، سفر کرنے اور پنگ پونگ کھیلنے سے لطف اندوز ہوتا ہے۔
رمیش جاٹیا۔ ایمیزون ویب سروسز میں انڈیپنڈنٹ سافٹ ویئر وینڈر (ISV) ٹیم میں ایک حل آرکیٹیکٹ ہے۔ وہ ISV کے صارفین کے ساتھ کام کرنے کے بارے میں پرجوش ہے تاکہ وہ اپنی کاروباری اقدار کو حاصل کرنے کے لیے کلاؤڈ میں اپنی ایپلی کیشنز کو ڈیزائن، تعینات اور اسکیل کریں۔ وہ بابسن کالج، بوسٹن سے مشین لرننگ اور بزنس اینالیٹکس میں ایم بی اے بھی کر رہے ہیں۔ کام سے باہر، وہ دوڑنا، ٹینس کھیلنا اور کھانا پکانا پسند کرتا ہے۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
- پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- پلیٹو ای ایس جی۔ کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
- پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/machine-learning-with-matlab-and-amazon-sagemaker/
- : ہے
- : ہے
- : نہیں
- :کہاں
- $UP
- 001
- 1
- 10
- 100
- 15٪
- 152
- 19
- 20
- 3d
- 7
- 8
- a
- ہمارے بارے میں
- اوپر
- تک رسائی حاصل
- قابل رسائی
- ایڈجسٹ کریں
- اکاؤنٹ
- درستگی
- فائدہ
- ایرواسپیس
- کے بعد
- AI
- AI / ML
- یلگورتم
- یلگوردمز
- تمام
- کی اجازت دیتا ہے
- ساتھ
- پہلے ہی
- بھی
- ایمیزون
- ایمیزون EC2
- ایمیزون سیج میکر
- ایمیزون ویب سروسز
- an
- تجزیاتی
- اور
- ایک اور
- کوئی بھی
- اپاچی
- علاوہ
- اے پی آئی
- اپلی کیشن
- ایپ کی اجازت دیتا ہے۔
- درخواست
- ایپلی کیشنز
- کا اطلاق کریں
- کیا
- رقبہ
- علاقوں
- مصنوعی
- مصنوعی ذہانت
- AS
- منسلک
- At
- کی توثیق
- آٹو
- میشن
- آٹوموٹو
- دستیاب
- سے اجتناب
- AWS
- AWS مینجمنٹ کنسول
- بابسن
- واپس
- BE
- کیونکہ
- اس سے پہلے
- شروع کریں
- فوائد
- BEST
- بوسٹن
- پایان
- بریڈ
- لانے
- وسیع
- لایا
- تعمیر
- عمارت
- بناتا ہے
- کاروبار
- by
- فون
- کہا جاتا ہے
- بلا
- کر سکتے ہیں
- امیدواروں
- صلاحیتوں
- صلاحیت رکھتا
- کیس
- بوجھ
- چیک کریں
- جانچ پڑتال
- درجہ بندی
- درجہ بندی کرنا۔
- صاف
- صفائی
- بادل
- کلاؤڈ پلیٹ فارم
- کوڈ
- کوڈ
- تعاون
- تعاون
- کالج
- کالم
- COM
- مجموعہ
- کے مجموعے
- مل کر
- آنے والے
- مواصلات
- پیچیدہ
- کمپیوٹنگ
- کمپیوٹنگ
- ترتیب
- تشکیل شدہ
- کنسول
- استعمال کرنا
- کنٹینر
- پر مشتمل ہے
- اخراجات
- تخلیق
- بنائی
- پیدا
- موجودہ
- اپنی مرضی کے
- گاہکوں
- ڈیش بورڈ
- اعداد و شمار
- ڈیٹا کی تیاری
- ڈیٹا پروسیسنگ
- ڈیٹاسیٹس
- فیصلہ
- فیصلے
- وقف
- مظاہرہ
- demonstrated,en
- منحصر ہے
- تعیناتی
- تعینات
- تعینات
- تعینات کرتا ہے
- اخذ کردہ
- تفصیل
- ڈیزائن
- ڈیزائنر
- مطلوبہ
- ڈیسک ٹاپ
- تفصیلات
- ترقی
- ترقی
- تشخیصی
- براہ راست
- دکھاتا ہے
- تقسیم کئے
- تقسیم کمپیوٹنگ
- do
- میں Docker
- کرتا
- ڈومین
- ڈنکن
- ہر ایک
- مؤثر طریقے
- یا تو
- کرنڈ
- ابھرتی ہوئی ٹیکنالوجیز
- کو چالو کرنے کے
- آخر
- اختتام پوائنٹ
- انجینئر
- انجنیئر
- انجنیئرنگ
- انجینئرز
- انٹرپرائز
- پوری
- ماحولیات
- ماحول
- خاص طور پر
- مثال کے طور پر
- پھانسی
- تجربہ
- برآمد
- نکالنے
- نچوڑ۔
- ناکامی
- غلطیاں
- غلط
- نمایاں کریں
- خصوصیات
- چند
- اعداد و شمار
- فائل
- فلٹرنگ
- آخر
- ختم
- پہلا
- ماہی گیری
- فٹ
- بہاؤ
- پیچھے پیچھے
- کے بعد
- مندرجہ ذیل ہے
- کے لئے
- فارمیٹ
- فرکوےنسی
- سے
- مکمل
- مکمل طور پر
- تقریب
- مزید
- گیٹ وے
- پیدا
- پیدا
- پیدا ہوتا ہے
- GitHub کے
- دے
- اچھا
- گرافکس
- عظیم
- مہمان
- رہنمائی
- کنٹرول
- ہے
- he
- صحت
- صحت مند
- بھاری
- یہاں
- اعلی کارکردگی
- انتہائی
- ہوسٹنگ
- کس طرح
- کیسے
- HTML
- HTTPS
- خیال
- if
- تصویر
- درآمد
- in
- شامل ہیں
- شامل کرنا
- اضافہ
- آزاد
- اشارہ کرتے ہیں
- صنعتوں
- صنعت
- معلومات
- شروع
- ان پٹ
- انسٹال
- تنصیب
- نصب
- مثال کے طور پر
- اہم کردار
- ضم
- انضمام کرنا
- انضمام
- انضمام
- انٹیلی جنس
- بات چیت
- انٹرفیس
- میں
- مسئلہ
- مسائل
- isv
- IT
- ایوب
- نوکریاں
- جانسن
- فوٹو
- بڑے
- بڑے
- بعد
- تازہ ترین
- جانیں
- سیکھنے
- قیادت
- کم
- لیوریج
- لائسنس
- زندگی
- زندگی کا دورانیہ
- LINK
- لینکس
- رہتے ہیں
- مقامی طور پر
- محل وقوع
- لاگ ان
- اب
- مشین
- مشین لرننگ
- دیکھ بھال
- بنا
- بنانا
- میں کامیاب
- انتظام
- مینیجر
- مینوفیکچرنگ
- بہت سے
- مارکیٹنگ
- میچ
- ریاضی
- پیمائش
- طریقہ
- پیمائش کا معیار
- شاید
- منٹ
- ML
- ماڈل
- ماڈل
- کی نگرانی
- نگرانی کی
- زیادہ
- منتقل
- منتقل
- بہت
- نامزد
- مقامی
- قریب
- ضروری
- ضرورت ہے
- ضرورت
- ضروریات
- نئی
- نہیں
- کچھ بھی نہیں
- مقصد
- of
- کی پیشکش کی
- پیشکشیں
- on
- ایک بار
- ایک
- کھول
- آپریشن
- آپریشنل
- آپریشنز
- اصلاح کے
- or
- دیگر
- ہمارے
- پیداوار
- باہر
- مجموعی طور پر
- ملکیت
- صفحہ
- متوازی
- پیرامیٹر
- پیرامیٹرز
- خاص طور پر
- پارٹنر
- شراکت داروں کے
- منظور
- جذباتی
- کارکردگی
- اجازت
- طبعیات
- پلیٹ فارم
- پلیٹ فارم
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- کھیل
- مہربانی کرکے
- مقبول
- ممکن
- پوسٹ
- ممکنہ
- ممکنہ طور پر
- طاقت
- عملی
- پیشن گوئی
- کی پیشن گوئی
- پیشن گوئی
- پیش گو
- کو ترجیح دی
- تیاری
- تیار
- دباؤ
- کی روک تھام
- پہلے
- پہلے
- عمل
- پروسیسنگ
- پیدا
- تیار
- پیدا کرتا ہے
- مصنوعات
- پروڈکٹ مینجمنٹ
- پروڈکٹ مینیجر
- حاصل
- پروگرامنگ
- پیش رفت
- منصوبے
- منصوبوں
- پرنودن
- فراہم
- فراہم
- فراہم کرتا ہے
- فراہم کرنے
- پمپ
- پش
- دھکا
- ازگر
- سوال
- جلدی سے
- رینج
- درجہ بندی
- رینکنگ
- صفوں
- Rare
- آسانی سے
- اصلی
- اصل وقت
- حال ہی میں
- ریکارڈ
- ریکارڈ
- کا حوالہ دیتے ہیں
- خطے
- رجسٹری
- قابل اعتماد
- باقی
- کی جگہ
- ذخیرہ
- نمائندگی
- درخواست
- درخواستوں
- ضرورت
- وسائل
- جواب
- ذمہ دار
- باقی
- نتیجہ
- رچرڈ
- مضبوط
- کردار
- رن
- چل رہا ہے
- sagemaker
- مطمئن
- سے مطمئن ہونا
- محفوظ کریں
- محفوظ
- توسیع پذیر
- پیمانے
- مناظر
- سائنسدانوں
- اسکرپٹ
- sdks
- بغیر کسی رکاوٹ کے
- سیکنڈ
- دیکھنا
- منتخب
- انتخاب
- بھیجنے
- سینئر
- سینسر
- بھیجا
- سیریز
- خدمت
- سروس
- سروسز
- خدمت
- اجلاس
- مقرر
- سیٹ
- ترتیبات
- سات
- کئی
- وہ
- شیل
- ہونا چاہئے
- دکھائیں
- دکھایا گیا
- اہم
- سادہ
- تخروپن
- سائز
- So
- سافٹ ویئر کی
- سافٹ ویئر انجینئرنگ
- حل
- حل
- کچھ
- مخصوص
- تیزی
- خرچ
- اسٹیج
- معیار
- مانکیکرن
- شروع کریں
- امریکہ
- کے اعداد و شمار
- درجہ
- مرحلہ
- مراحل
- ذخیرہ
- ذخیرہ
- حکمت عملی
- سٹریم
- محرومی
- اس طرح
- مختصر
- حمایت
- امدادی
- اس بات کا یقین
- کے نظام
- سسٹمز
- ٹیبل
- TAG
- لے لو
- لیتا ہے
- ہدف
- کاموں
- پڑھانا
- ٹیم
- ٹیموں
- تکنیک
- ٹیکنالوجی
- ٹرمنل
- شرائط
- ٹیسٹ
- ٹیسٹنگ
- سے
- کہ
- ۔
- علاقہ
- ان
- ان
- تو
- یہ
- وہ
- اس
- ان
- تین
- وقت
- وقت کا سلسلہ
- کرنے کے لئے
- مل کر
- کے آلے
- آلات
- اوزار
- سب سے اوپر
- ٹرین
- ٹریننگ
- سفر
- درخت
- کوشش
- دھن
- دیکھتے ہوئے
- دو
- اقسام
- عام طور پر
- افہام و تفہیم
- غیر متوقع
- یونیورسٹی
- us
- استعمال کی شرائط
- استعمال کیس
- استعمال کیا جاتا ہے
- رکن کا
- صارف کا تجربہ
- کا استعمال کرتے ہوئے
- توثیق
- اقدار
- مختلف اقسام کے
- مختلف
- گاڑی
- وینڈر
- بہت
- مجازی
- تصور کرنا
- چاہتے ہیں
- تھا
- راستہ..
- we
- ویب
- ویب ایپلی کیشنز
- ویب خدمات
- جس
- وسیع
- وسیع رینج
- گے
- ساتھ
- کام
- کام کے بہاؤ
- کام کر
- کام کرتا ہے
- لکھنا
- لکھا
- سال
- تم
- اور
- زیفیرنیٹ