১. সংক্ষিপ্ত বিবরণ
এই ল্যাবে, আপনি শিখবেন কীভাবে গুগল ক্লাউডে রিয়েল-টাইম জালিয়াতি সনাক্তকরণের জন্য একটি এন্ড-টু-এন্ড ডেটা থেকে এআই সিস্টেম তৈরি করতে হয়। এর লক্ষ্য হলো, কীভাবে কাঁচা ডেটা থেকে গুগল ক্লাউডে একটি প্রোডাকশন-রেডি এমএল পাইপলাইন চালু করা যায়, তা বোঝা। এই ল্যাবে নিম্নলিখিত গুগল ক্লাউড প্রোডাক্টগুলো ব্যবহার করা হয়েছে:
আপনি কী শিখবেন?
একটি এন্ড-টু-এন্ড এমএল পাইপলাইন তৈরি করা বেশ চ্যালেঞ্জিং হতে পারে। এই ল্যাবে, আপনি শিখবেন কীভাবে BigQuery এবং Vertex AI-এর মতো গুগল ক্লাউড পরিষেবা ব্যবহার করে একটি এন্ড-টু-এন্ড এমএল পাইপলাইন তৈরি এবং স্কেল করতে হয়। আমরা আপনাকে দেখাবো কীভাবে র ডেটা থেকে প্রোডাকশনে এআই নিয়ে যাওয়া যায়। এই ল্যাবের প্রধান শিক্ষণ উদ্দেশ্যগুলো হলো:
- গুগল ক্লাউডে ডেটা থেকে এআই সিস্টেম তৈরির সেরা পদ্ধতিগুলো জানুন।
- SQL ব্যবহার করে BigQuery (ব্যাচ প্রসেসিংয়ের জন্য) এবং Dataflow ব্যবহার করে Apache Beam (রিয়েল-টাইম প্রসেসিংয়ের জন্য) দিয়ে কীভাবে ফিচার ইঞ্জিনিয়ারিং করতে হয় তা শিখুন এবং Vertex AI ফিচার স্টোর ব্যবহার করুন।
- BigQuery এবং Pandas ও Plotly-এর মতো পাইথন লাইব্রেরি ব্যবহার করে কীভাবে ডেটা বিশ্লেষণ করতে হয়।
- SQL ব্যবহার করে BigQuery ML দিয়ে কীভাবে একটি ML মডেলকে প্রশিক্ষণ দেওয়া যায়।
- আপনার মডেল সংরক্ষণ, স্থাপন এবং নিরীক্ষণ করতে কীভাবে ভার্টেক্স এআই ব্যবহার করবেন।
- আপনার ডেটা-টু-এআই ওয়ার্কফ্লোকে প্রাতিষ্ঠানিক রূপ দিতে ভার্টেক্স এআই পাইপলাইন কীভাবে ব্যবহার করবেন
গুরুত্বপূর্ণ : গুগল ক্লাউডে এই ল্যাবটি চালানোর খরচ প্রায় ১০০ ডলার ।
২. ভার্টেক্স এআই এবং বিগকোয়েরির সাহায্যে কাঁচা ডেটা থেকে এআই
এই ল্যাবে গুগল ক্লাউডে উপলব্ধ ভার্টেক্স এআই (Vertex AI) এবং বিগকোয়েরি এমএল (BigQuery ML) -এর মতো সর্বাধুনিক ডেটা অ্যানালিটিক্স এবং এআই প্রোডাক্টগুলো নিয়ে আলোচনা করা হয়। ভার্টেক্স এআই এবং বিগকোয়েরি র ডেটা থেকে এআই-তে রূপান্তরকে সহজ করে এবং একটি নির্বিঘ্ন ডেভেলপমেন্ট অভিজ্ঞতা প্রদান করে, যা আপনার মডেলগুলোকে প্রোডাকশনে আনার ক্ষেত্রে আপনাকে আরও বেশি উৎপাদনশীল হতে সাহায্য করে। আপনার কোনো সহায়তার প্রয়োজন হলে, অনুগ্রহ করে সাপোর্ট পেজটি দেখুন।
এন্ড-টু-এন্ড ডেটা থেকে এআই ওয়ার্কফ্লো সমর্থন করার জন্য ভার্টেক্স এআই-এর বিভিন্ন পণ্য রয়েছে। নিচে ভার্টেক্স এআই-এর সমস্ত সক্ষমতার একটি সংক্ষিপ্ত বিবরণ দেওয়া হলো:
৩. ফ্রডফাইন্ডার ব্যবহারের ক্ষেত্র এবং ডেটা
ফ্রডফাইন্ডার হলো নোটবুকের একটি সিরিজ যা রিয়েল-টাইম জালিয়াতি সনাক্তকরণের ব্যবহারিক উদাহরণের মাধ্যমে গুগল ক্লাউডে ডেটা থেকে এআই পর্যন্ত বিস্তৃত যাত্রাপথ শেখায়। এই নোটবুকগুলো জুড়ে, আপনি শিখবেন কীভাবে একটি ডেটা ওয়্যারহাউসে সংরক্ষিত ঐতিহাসিক পেমেন্ট লেনদেনের ডেটা পড়তে হয়, নতুন লেনদেনের লাইভ স্ট্রিম থেকে ডেটা পড়তে হয়, এক্সপ্লোরেটরি ডেটা অ্যানালাইসিস (EDA) করতে হয়, ফিচার ইঞ্জিনিয়ারিং করতে হয়, ফিচার স্টোরে ফিচারগুলো অন্তর্ভুক্ত করতে হয়, ফিচার স্টোর ব্যবহার করে একটি মডেলকে প্রশিক্ষণ দিতে হয়, একটি মডেল রেজিস্ট্রিতে আপনার মডেল নিবন্ধন করতে হয়, আপনার মডেল মূল্যায়ন করতে হয়, একটি এন্ডপয়েন্টে আপনার মডেল স্থাপন করতে হয়, ফিচার স্টোর ব্যবহার করে আপনার মডেলে রিয়েল-টাইম ইনফারেন্স করতে হয় এবং আপনার মডেল পর্যবেক্ষণ করতে হয়।
জালিয়াতি সনাক্তকরণের মধ্যে ক্লাসিফিকেশন এবং অ্যানোমালি ডিটেকশন অন্তর্ভুক্ত, যা মেশিন লার্নিং-এর বিস্তৃত ক্ষেত্র বলা চলে। এটি জালিয়াতি সনাক্তকরণকে একটি সহজবোধ্য বাস্তব ঘটনার জন্য একটি ভালো ব্যবহারিক উদাহরণ করে তোলে এবং গুগল ক্লাউডে একটি এন্ড-টু-এন্ড ডেটা থেকে এআই আর্কিটেকচার প্রদর্শনের একটি দুর্দান্ত উপায়। এন্ড-টু-এন্ড আর্কিটেকচারটি বোঝার জন্য আপনাকে জালিয়াতি বিশেষজ্ঞ হতে হবে না। এই আর্কিটেকচারের প্যাটার্নটি অন্যান্য ব্যবহারিক ক্ষেত্রেও প্রয়োগ করা যেতে পারে।
নিম্নে ফ্রডফাইন্ডার কাঠামোর একটি সংক্ষিপ্ত বিবরণ দেওয়া হলো:
ডেটাসেট
ক্যাগল-এর 'মেশিন লার্নিং ফর ক্রেডিট কার্ড ফ্রড ডিটেকশন - প্র্যাকটিক্যাল হ্যান্ডবুক' প্রজেক্টের কোড ব্যবহার করে ডেটাসেটটি তৈরি করা হয়েছে। রিয়েল-টাইম জালিয়াতি সনাক্তকরণ, ব্যাচ-ভিত্তিক জালিয়াতি সনাক্তকরণ থেকে গঠনগতভাবে ভিন্ন এবং এর নিম্নলিখিত বৈশিষ্ট্য রয়েছে:
- পূর্বাভাসের অনুরোধের উচ্চ হার (যেমন, প্রতি সেকেন্ডে ১০০০)
- পূর্বাভাস অনুরোধ → প্রতিক্রিয়ার স্বল্প বিলম্ব (যেমন < ১ সেকেন্ড)।
- সাধারণত প্রতিটি প্রেডিকশন রিকোয়েস্টের জন্য ১টি স্যাম্পল অনুযায়ী প্রেডিকশন করা হয়, অথবা এটি 'মাইক্রো-ব্যাচ' আকারেও হতে পারে (যেমন, প্রায় রিয়েল-টাইম ইনফারেন্সের জন্য ১০০০টি ট্রানজ্যাকশন একসাথে একটি ব্যাচে পাঠানো)।
- সার্ভিংয়ের জন্য ফিচার ইঞ্জিনিয়ারিং অবশ্যই আগে থেকে অথবা রিয়েল-টাইমে গণনা করতে হবে।
ফ্রডফাইন্ডার ঐতিহাসিক ডেটাসেট
বিগকোয়েরিতে ঐতিহাসিক পেমেন্ট লেনদেনের পাবলিক টেবিল রয়েছে, যা ব্যবহারকারীদের বিগকোয়েরির ডেটা ব্যবহার করে তাদের মডেলকে প্রশিক্ষণ দিতে এবং ফিচার ইঞ্জিনিয়ারিং করতে সাহায্য করে।
cymbal-fraudfinder (project)
|-`tx` (dataset)
|-`tx` (table: transactions without labels)
|-`txlabels` (table: transactions with fraud labels (1 or 0))
|-demographics
|-`customers` (table: profiles of customers)
|-`terminals` (table: profiles of terminals)
|-`customersterminals` (table: profiles of customers and terminals within their radius)
রিয়েল-টাইম কেন?
এই ল্যাবে, আপনি শিখবেন কীভাবে রিয়েল-টাইম ডেটা কাজে লাগাতে হয় এবং রিয়েল-টাইম ফিচার ইঞ্জিনিয়ারিং ও ইনফারেন্স প্রয়োগ করতে হয়। রিয়েল-টাইম ফিচারগুলো এমন সব সিগন্যাল কাজে লাগিয়ে আপনার মডেলকে উন্নত করতে সাহায্য করতে পারে, যা আপনি অন্যথায় ইনফারেন্সের সময় ব্যবহার করতে পারতেন না।
ফ্রডফাইন্ডার লাইভ, স্ট্রিমিং ডেটা
ফ্রডফাইন্ডার ল্যাবের অংশ হিসেবে কিছু পাবলিক পাব/সাব টপিক রয়েছে, যেখানে পেমেন্ট ট্রানজ্যাকশনের লাইভ স্ট্রিমিং করা হয়। ব্যবহারকারীরা সুবিধাজনকভাবে তাদের মডেল এন্ডপয়েন্ট পরীক্ষা করতে এবং ফিচার স্ট্রিম করতে পারেন। পাব/সাব একটি অ্যাসিঙ্ক্রোনাস এবং স্কেলেবল মেসেজিং পরিষেবা। আপনি এই টপিকগুলো ফিচার স্ট্রিম করতে এবং অনলাইন ইনফারেন্স সম্পাদন করতে ব্যবহার করবেন। ব্যবহারকারীরা মডেল মনিটরিং প্রদর্শনের জন্য বেসলাইন বনাম উচ্চতর ফ্রড রেটযুক্ত টপিকগুলোর মধ্যে সুইচও করতে পারেন। নিম্নলিখিত পাবলিক পাব/সাব টপিকগুলো উপলব্ধ আছে:
-
ff-tx -
ff-txlabels
৪. আপনার প্রজেক্ট এবং নোটবুক ইনস্ট্যান্স সেটআপ করুন
এই ল্যাবটি চালানোর জন্য আপনার বিলিং সক্ষম করা একটি গুগল ক্লাউড প্ল্যাটফর্ম প্রজেক্ট প্রয়োজন হবে। প্রজেক্ট তৈরি করতে, নির্দেশাবলী অনুসরণ করুন।
গুরুত্বপূর্ণ : আমরা আপনাকে এই ল্যাবটি একটি নতুন প্রজেক্টে চালানোর পরামর্শ দিচ্ছি। এই ল্যাবটিতে বিভিন্ন ধরনের পণ্য অন্তর্ভুক্ত রয়েছে, এবং ল্যাবটি সম্পন্ন করার পর পুরো প্রজেক্টটি মুছে ফেললে সবচেয়ে সহজ হবে।
আপনার কোনো প্রজেক্ট থাকলে, অনুগ্রহ করে নিচের ধাপগুলো অনুসরণ করুন। এই ধাপগুলো রিপো-তে থাকা README.md ফাইলেও পাওয়া যাবে।
ধাপ ১: এপিআইগুলো সক্রিয় করুন
প্রথমে, আপনার তৈরি করা প্রজেক্টটিতে যান এবং একটি ক্লাউড শেল খুলুন। এই ধাপে কয়েক মিনিট সময় লাগতে পারে, কারণ আপনি যদি আগে থেকে কোনো ক্লাউড শেল চালু না করে থাকেন, তবে এটি একটি নতুন ক্লাউড শেল প্রস্তুত করবে।
এরপর, নিচের কোডটি কপি ও পেস্ট করে আপনার ক্লাউড শেলে চালান। স্ক্রিপ্টটি প্রয়োজনীয় এপিআইগুলো সক্রিয় করবে এবং পাবলিক পাব/সাব টপিক থেকে স্ট্রিমিং ট্রানজ্যাকশন পড়ার জন্য পাব/সাব সাবস্ক্রিপশন তৈরি করবে। সমস্ত কমান্ড কার্যকর হতে অনুগ্রহ করে কিছুটা সময় দিন।
gcloud services enable notebooks.googleapis.com
gcloud services enable cloudresourcemanager.googleapis.com
gcloud services enable aiplatform.googleapis.com
gcloud services enable pubsub.googleapis.com
gcloud services enable run.googleapis.com
gcloud services enable cloudbuild.googleapis.com
gcloud services enable dataflow.googleapis.com
gcloud services enable bigquery.googleapis.com
gcloud pubsub subscriptions create "ff-tx-sub" --topic="ff-tx" --topic-project="cymbal-fraudfinder"
gcloud pubsub subscriptions create "ff-txlabels-sub" --topic="ff-txlabels" --topic-project="cymbal-fraudfinder"
# Run the following command to grant the Compute Engine default service account access to read and write pipeline artifacts in Google Cloud Storage.
PROJECT_ID=$(gcloud config get-value project)
PROJECT_NUM=$(gcloud projects list --filter="$PROJECT_ID" --format="value(PROJECT_NUMBER)")
gcloud projects add-iam-policy-binding $PROJECT_ID \
--member="serviceAccount:${PROJECT_NUM}-compute@developer.gserviceaccount.com"\
--role='roles/storage.admin'
ধাপ ২: একটি Vertex AI Workbench ইনস্ট্যান্স তৈরি করুন
এরপর আপনার ক্লাউড কনসোলের Vertex AI বিভাগে যান। তারপর Workbench-এ যান:
Vertex AI Workbench (নোটবুক এপিআই) সক্রিয় করা না থাকলে, সেটি সক্রিয় করুন।
একবার সক্রিয় করা হলে, ব্যবহারকারী-পরিচালিত নোটবুক নির্বাচন করুন:
এরপর নতুন নোটবুক (NEW NOTEBOOK) নির্বাচন করুন। আপনি পাইথন ৩ (Python 3) বেছে নিতে পারেন।
আপনার নোটবুকটির একটি নাম দিন, যেমন fraudfinder , তারপর Advanced Settings-এ ক্লিক করুন।
গুরুত্বপূর্ণ : নিশ্চিত করুন যে আপনি Permissions এর অধীনে Service Account নির্বাচন করেছেন।
গুরুত্বপূর্ণ : সিকিউরিটি-এর অধীনে 'Enable terminal' নির্বাচন করুন, যদি এটি আগে থেকে সক্রিয় করা না থাকে।
আপনি অন্যান্য সমস্ত উন্নত সেটিংস অপরিবর্তিত রাখতে পারেন।
এরপর, Create-এ ক্লিক করুন। ইনস্ট্যান্সটি প্রোভিশন হতে কয়েক মিনিট সময় লাগবে।
ইনস্ট্যান্সটি তৈরি হয়ে গেলে, Open JupyterLab নির্বাচন করুন।
ধাপ ৩: IAM রোল সেট করুন
সহজবোধ্যতার জন্য, ধরে নেওয়া যাক আপনি Compute Engine-এর ডিফল্ট সার্ভিস অ্যাকাউন্ট ব্যবহার করবেন। প্রোডাকশন ওয়ার্কলোডের জন্য এটি সর্বোত্তম পন্থা নয়। সর্বোত্তম পন্থা হলো প্রতিটি অ্যাপ্লিকেশনের জন্য ডেডিকেটেড সার্ভিস অ্যাকাউন্ট তৈরি করা এবং ডিফল্ট সার্ভিস অ্যাকাউন্ট ব্যবহার করা এড়িয়ে চলা। আপনি আমাদের ডকুমেন্টেশনে সার্ভিস অ্যাকাউন্টের সর্বোত্তম পন্থা সম্পর্কে আরও পড়তে পারেন। ডিফল্ট কম্পিউট সার্ভিস অ্যাকাউন্টটি দেখতে অনেকটা এইরকম হবে: 123456789123-compute@developer.gserviceaccount.com । IAM Admin- এ যান এবং ADD এ ক্লিক করুন। ভিউ-তে, Compute Engine default service account সার্চ করে সিলেক্ট করুন এবং তারপর নিম্নলিখিত রোলগুলো অ্যাসাইন করুন:
-
BigQuery Admin -
Storage Admin -
Storage Object Admin -
Vertex AI Administrator -
Pub/Sub Admin
এটি দেখতে নিচের ছবির মতো হবে। নতুন সেটিংসগুলো সংরক্ষণ করতে ভুলবেন না!
ধাপ ৪: গিটহাব রিপো ক্লোন করুন
একবার আপনার নোটবুক ইনস্ট্যান্স তৈরি এবং অ্যাক্সেস করা হয়ে গেলে, এবার আপনার পরিবেশ সেটআপ করার পালা। প্রথমে একটি টার্মিনাল উইন্ডো খুলুন।
নিম্নলিখিত কমান্ডটি আপনার নোটবুক টার্মিনালে কপি, পেস্ট এবং রান করুন:
git clone https://github.com/GoogleCloudPlatform/fraudfinder.git
এই কমান্ডটি চালালে FraudFinder রিপোজিটরিটি আপনার নোটবুক ইনস্ট্যান্সে ক্লোন হয়ে যাবে। git clone চালানোর পর, আপনি আপনার নোটবুক ইনস্ট্যান্সের বাম দিকে fraudfinder ফোল্ডারটি দেখতে পাবেন। এবার fraudfinder ফোল্ডারে যান। এখানে আপনি ল্যাবের জন্য প্রয়োজনীয় নোটবুকগুলো খুঁজে পাবেন।
পরবর্তী বিভাগগুলো থেকে আপনাকে নোটবুকগুলোতে দেওয়া নির্দেশাবলী অনুসরণ করতে হবে। অনুগ্রহ করে পরিবেশ সেটআপ চালিয়ে যান।
৫. পরিবেশ সেটআপ
এই বিভাগে আপনার প্রোজেক্ট পরিবেশ সেট আপ করার ধাপগুলো আলোচনা করা হবে। এই বিভাগে, আপনি নিম্নলিখিত শিখন উদ্দেশ্যগুলো সম্পন্ন করবেন:
- প্যাকেজ সহ আপনার পরিবেশ সেট আপ করুন।
- BigQuery-তে ডেটা লোড করুন।
- পাবলিক পাব/সাব টপিকগুলো থেকে ডেটা পড়ুন।
অনুগ্রহ করে নিচের নোটবুকটি নিয়ে কাজ চালিয়ে যান এবং নির্দেশাবলী ধাপে ধাপে অনুসরণ করুন:
-
00_environment_setup.ipynb
৬. অনুসন্ধানমূলক তথ্য বিশ্লেষণ
এই বিভাগে আপনাকে শেখানো হবে কীভাবে জালিয়াতির ডেটা আরও ভালোভাবে বোঝার জন্য অনুসন্ধানমূলক ডেটা বিশ্লেষণ (exploratory Data Analysis) করতে হয়। এই বিভাগে, আপনি নিম্নলিখিত শিখন উদ্দেশ্যগুলো সম্পন্ন করবেন:
- SQL ব্যবহার করে BigQuery থেকে ডেটা নিষ্কাশন এবং অন্বেষণ করুন
- BigQuery এবং Plotly ব্যবহার করে লেনদেনের ডেটা প্লট করুন
- ডেটা অ্যাগ্রিগেশন প্রয়োগ করুন এবং একটি স্ক্যাটার প্লট তৈরি করুন।
অনুগ্রহ করে পরবর্তী নোটবুকটি নিয়ে এগিয়ে যান এবং নির্দেশাবলী ধাপে ধাপে অনুসরণ করুন:
-
01_exploratory_data_analysis.ipynb
৭. ফিচার ইঞ্জিনিয়ারিং ব্যাচ এবং স্ট্রিমিং
এই অংশে আপনি র ডেটা থেকে মডেল প্রশিক্ষণের জন্য ফিচার তৈরি করতে ফিচার ইঞ্জিনিয়ারিং নিয়ে কাজ করবেন। আমরা ব্যাচ এবং স্ট্রিমিং ব্যবহার করব। জালিয়াতি সনাক্তকরণের জন্য এই উভয় ব্যবহারই জানা গুরুত্বপূর্ণ। এই অংশে, আপনি নিম্নলিখিত শিখন উদ্দেশ্যগুলো সম্পন্ন করবেন:
- BigQuery এবং SQL ব্যবহার করে কীভাবে ফিচার তৈরি করবেন
- একটি ভার্টেক্স এআই ফিচার স্টোর তৈরি করুন এবং ডেটা সন্নিবেশ করুন।
- স্ট্রিমিং ডেটা কীভাবে পরিচালনা করবেন এবং ফিচার স্টোরে অন্তর্ভুক্ত করবেন
অনুগ্রহ করে নিচের দুটি নোটবুক এই ক্রমে নিয়ে কাজ চালিয়ে যান এবং নোটবুকগুলোতে দেওয়া নির্দেশাবলী অনুসরণ করুন:
-
02_feature_engineering_batch.ipynb -
03_feature_engineering_streaming.ipynb
৮. মডেল প্রশিক্ষণ, পূর্বাভাস, আনুষ্ঠানিকীকরণ এবং পর্যবেক্ষণ
এই অংশে, আপনি সম্ভাব্য জালিয়াতি শনাক্ত করার জন্য আপনার প্রথম BigQuery মডেলটিকে প্রশিক্ষণ দেবেন এবং স্থাপন করবেন। আপনি আপনার প্রশিক্ষণ এবং স্থাপনের কোডকে একটি স্বয়ংক্রিয় পাইপলাইনে রূপ দিতেও শিখবেন। এছাড়াও, আপনি অনলাইন প্রেডিকশন কীভাবে করতে হয় এবং প্রোডাকশনে আপনার মডেলকে কীভাবে পর্যবেক্ষণ করতে হয়, তাও শিখবেন। এই অংশে, আপনি নিম্নলিখিত শিখন উদ্দেশ্যগুলো সম্পন্ন করবেন:
- কিভাবে একটি BigQuery ML মডেলকে প্রশিক্ষণ দেবেন এবং Vertex AI মডেল রেজিস্ট্রি-তে নিবন্ধন করবেন
- মডেলটিকে Vertex AI-তে একটি এন্ডপয়েন্ট হিসেবে স্থাপন করুন।
- ভার্টেক্স এআই এসডিকে কীভাবে ব্যবহার করবেন
- কিভাবে আপনি BigQuery ML মডেল ব্যবহার করে একটি এন্ড-টু-এন্ড ML পাইপলাইন তৈরি করতে পারেন
- ভার্টেক্স এআই মডেল মনিটরিং কীভাবে ব্যবহার করবেন
অনুগ্রহ করে নিম্নলিখিত নোটবুকগুলো এই ক্রমে পড়া চালিয়ে যান এবং নোটবুকগুলোতে দেওয়া নির্দেশাবলী অনুসরণ করুন। নোটবুকগুলো BQML ফোল্ডারে পাওয়া যাবে। নোটবুকটি ধাপে ধাপে অনুসরণ করুন:
-
04_model_training_and_prediction.ipynb -
05_model_training_pipeline_formalization.ipynb -
06_model_monitoring.ipynb -
07_model_inference.ipynb
🎉 Congratulations! 🎉
আপনি গুগল ক্লাউডে ডেটা থেকে এআই আর্কিটেকচার তৈরি করার পদ্ধতি শিখেছেন!
৯. পরিচ্ছন্নতা
আমরা আপনাকে একটি নতুন প্রজেক্টে এই ল্যাবটি চালানোর পরামর্শ দিচ্ছি। এই ল্যাবটিতে বিভিন্ন ধরনের পণ্য অন্তর্ভুক্ত রয়েছে, তাই ল্যাবের কাজ শেষ হয়ে গেলে পুরো প্রজেক্টটি ডিলিট করে দেওয়াই সবচেয়ে সহজ হবে। আমাদের ডকুমেন্টেশনে আপনি প্রজেক্টটি কীভাবে ডিলিট করতে হয় সে সম্পর্কে আরও তথ্য পাবেন।
আপনি যদি পরিষেবাগুলি মুছে ফেলতে চান, তাহলে অনুগ্রহ করে নোটবুকগুলিতে দেওয়া নির্দেশাবলী অনুসরণ করুন অথবা তৈরি করা রিসোর্সগুলি মুছে ফেলুন।