1. ওভারভিউ
এই ল্যাবে, আপনি সারণী ডেটা সহ একটি মডেলকে প্রশিক্ষণ ও পরিবেশন করতে ভার্টেক্স এআই ব্যবহার করবেন। এটি Google ক্লাউডে অফার করা নতুন AI পণ্য, এবং বর্তমানে প্রিভিউ চলছে।
আপনি কি শিখুন
আপনি কিভাবে শিখবেন:
- Vertex AI-তে একটি পরিচালিত ডেটাসেট আপলোড করুন
- AutoML দিয়ে একটি মডেলকে প্রশিক্ষণ দিন
- আপনার প্রশিক্ষিত অটোএমএল মডেলটিকে একটি এন্ডপয়েন্টে স্থাপন করুন এবং ভবিষ্যদ্বাণী পেতে সেই এন্ডপয়েন্টটি ব্যবহার করুন৷
Google ক্লাউডে এই ল্যাবটি চালানোর জন্য মোট খরচ প্রায় $22 ।
2. ভার্টেক্স এআই-এর ভূমিকা
এই ল্যাবটি Google ক্লাউডে উপলব্ধ নতুন AI পণ্য অফার ব্যবহার করে। Vertex AI Google ক্লাউড জুড়ে ML অফারগুলিকে একটি নিরবচ্ছিন্ন বিকাশের অভিজ্ঞতায় সংহত করে৷ পূর্বে, অটোএমএল এবং কাস্টম মডেলগুলির সাথে প্রশিক্ষিত মডেলগুলি পৃথক পরিষেবার মাধ্যমে অ্যাক্সেসযোগ্য ছিল। নতুন অফারটি অন্যান্য নতুন পণ্যের সাথে একটি একক API-এ উভয়কে একত্রিত করে। আপনি বিদ্যমান প্রকল্পগুলিকে Vertex AI-তে স্থানান্তর করতে পারেন। আপনার কোন প্রতিক্রিয়া থাকলে, অনুগ্রহ করে সমর্থন পৃষ্ঠাটি দেখুন।
Vertex AI এন্ড-টু-এন্ড ML ওয়ার্কফ্লো সমর্থন করার জন্য বিভিন্ন পণ্য অন্তর্ভুক্ত করে। এই ল্যাবটি নীচে হাইলাইট করা পণ্যগুলিতে ফোকাস করবে: ট্যাবুলার ডেটা, পূর্বাভাস এবং ওয়ার্কবেঞ্চের জন্য অটোএমএল।
3. আপনার পরিবেশ সেটআপ করুন
এই কোডল্যাব চালানোর জন্য আপনার একটি Google ক্লাউড প্ল্যাটফর্ম প্রকল্পের প্রয়োজন হবে যাতে বিলিং সক্ষম থাকে৷ একটি প্রকল্প তৈরি করতে, এখানে নির্দেশাবলী অনুসরণ করুন।
ধাপ 1: Compute Engine API সক্ষম করুন
কম্পিউট ইঞ্জিনে নেভিগেট করুন এবং সক্ষম নির্বাচন করুন যদি এটি ইতিমধ্যে সক্ষম না থাকে। আপনার নোটবুক উদাহরণ তৈরি করতে আপনার এটির প্রয়োজন হবে৷
ধাপ 2: Vertex AI API সক্ষম করুন
আপনার ক্লাউড কনসোলের Vertex AI বিভাগে নেভিগেট করুন এবং Vertex AI API সক্ষম করুন ক্লিক করুন।
ধাপ 3: একটি ভার্টেক্স এআই ওয়ার্কবেঞ্চ উদাহরণ তৈরি করুন
আপনার ক্লাউড কনসোলের ভার্টেক্স এআই বিভাগ থেকে, ওয়ার্কবেঞ্চে ক্লিক করুন:
সেখান থেকে, ব্যবহারকারী-পরিচালিত নোটবুকের মধ্যে, নতুন নোটবুকে ক্লিক করুন:
তারপর GPU ছাড়া টেনসরফ্লো এন্টারপ্রাইজের (এলটিএস সহ) ইন্সট্যান্স টাইপের সর্বশেষ সংস্করণ নির্বাচন করুন:
ডিফল্ট বিকল্পগুলি ব্যবহার করুন এবং তারপরে তৈরি করুন ক্লিক করুন।
ধাপ 5: আপনার নোটবুক খুলুন
একবার উদাহরণ তৈরি হয়ে গেলে, JupyterLab খুলুন নির্বাচন করুন:
আমাদের মডেলকে প্রশিক্ষণ দিতে আমরা যে ডেটা ব্যবহার করব তা এই ক্রেডিট কার্ড জালিয়াতি সনাক্তকরণ ডেটাসেট থেকে। আমরা BigQuery-এ সর্বজনীনভাবে উপলব্ধ এই ডেটাসেটের একটি সংস্করণ ব্যবহার করব।
4. একটি পরিচালিত ডেটাসেট তৈরি করুন৷
Vertex AI-তে, আপনি বিভিন্ন ধরনের ডেটার জন্য পরিচালিত ডেটাসেট তৈরি করতে পারেন। তারপরে আপনি এই ডেটাসেটের পরিসংখ্যান তৈরি করতে পারেন এবং অটোএমএল বা আপনার নিজস্ব কাস্টম মডেল কোড দিয়ে মডেলগুলিকে প্রশিক্ষণ দিতে ব্যবহার করতে পারেন৷
ধাপ 1: একটি ডেটাসেট তৈরি করুন
আপনার কনসোলের ভার্টেক্স মেনুতে, ডেটা সেট নির্বাচন করুন:
এই ল্যাবে আমরা একটি নির্দিষ্ট ক্রেডিট কার্ড লেনদেন জালিয়াতি হিসাবে শ্রেণীবদ্ধ করা উচিত কিনা তা নির্ধারণ করতে একটি জালিয়াতি সনাক্তকরণ মডেল তৈরি করব৷
ডেটা সেট পৃষ্ঠা থেকে, ডেটাসেটটিকে একটি নাম দিন, তারপর ট্যাবুলার , এবং রিগ্রেশন/শ্রেণীবিভাগ নির্বাচন করুন। তারপর ডেটাসেট তৈরি করুন :
ভার্টেক্সে পরিচালিত ডেটাসেটে ডেটা আমদানি করার জন্য কয়েকটি বিকল্প রয়েছে:
- আপনার কম্পিউটার থেকে একটি স্থানীয় ফাইল আপলোড করা হচ্ছে৷
- ক্লাউড স্টোরেজ থেকে ফাইল নির্বাচন করা হচ্ছে
- BigQuery থেকে ডেটা নির্বাচন করা হচ্ছে
এখানে আমরা একটি সর্বজনীন BigQuery টেবিল থেকে ডেটা আপলোড করব৷
ধাপ 2: BigQuery থেকে ডেটা ইম্পোর্ট করুন
আপনার আমদানি পদ্ধতি হিসাবে "BigQuery থেকে একটি টেবিল বা দৃশ্য নির্বাচন করুন" চয়ন করুন এবং তারপর BigQuery টেবিল বাক্সে নিম্নলিখিতটি অনুলিপি করুন: bigquery-public-data.ml_datasets.ulb_fraud_detection । তারপর Continue নির্বাচন করুন:
আপনার ডেটাসেট আমদানি করার পরে আপনি নিম্নলিখিত মত কিছু দেখতে হবে:
আপনি যদি চান, আপনি এই ডেটাসেটের অতিরিক্ত তথ্য দেখতে পরিসংখ্যান তৈরি করুন ক্লিক করতে পারেন, কিন্তু পরবর্তী ধাপে যাওয়ার আগে এটির প্রয়োজন নেই। এই ডেটাসেটে প্রকৃত ক্রেডিট কার্ড লেনদেন রয়েছে। বেশিরভাগ কলামের নামগুলি অস্পষ্ট করা হয়েছে, তাই তাদের বলা হয় V1 , V2 , ইত্যাদি।
5. AutoML দিয়ে একটি মডেলকে প্রশিক্ষণ দিন
আপলোড করা একটি পরিচালিত ডেটাসেট সহ, আমরা এই ডেটা সহ একটি মডেলকে প্রশিক্ষণ দিতে প্রস্তুত৷ একটি নির্দিষ্ট লেনদেন জালিয়াতি কিনা তা ভবিষ্যদ্বাণী করার জন্য আমরা একটি শ্রেণিবিন্যাস মডেল প্রশিক্ষণ দেব। ভার্টেক্স এআই আপনাকে প্রশিক্ষণ মডেলের জন্য দুটি বিকল্প দেয়:
- AutoML : ন্যূনতম প্রচেষ্টা এবং ML দক্ষতার সাথে উচ্চ-মানের মডেলগুলিকে প্রশিক্ষণ দিন।
- কাস্টম প্রশিক্ষণ : Google ক্লাউডের পূর্ব-নির্মিত কন্টেইনারগুলির একটি ব্যবহার করে ক্লাউডে আপনার কাস্টম প্রশিক্ষণ অ্যাপ্লিকেশনগুলি চালান বা আপনার নিজস্ব ব্যবহার করুন৷
এই ল্যাবে, আমরা প্রশিক্ষণের জন্য AutoML ব্যবহার করব।
ধাপ 1: প্রশিক্ষণের কাজ শুরু করুন
ডেটাসেটের বিশদ পৃষ্ঠা থেকে আপনি আগের ধাপে যেখানে ছেড়েছিলেন, উপরে ডানদিকে ট্রেন নতুন মডেল নির্বাচন করুন। উদ্দেশ্য হিসাবে শ্রেণীবিভাগ নির্বাচন করুন, মডেল প্রশিক্ষণের জন্য অটোএমএল নির্বাচন করুন, এবং তারপর চালিয়ে যান ক্লিক করুন:
আপনার মডেল একটি নাম দিন, অথবা আপনি ডিফল্ট ব্যবহার করতে পারেন. টার্গেট কলামের অধীনে ক্লাস নির্বাচন করুন। এটি একটি পূর্ণসংখ্যা যা নির্দেশ করে যে একটি নির্দিষ্ট লেনদেন প্রতারণামূলক ছিল কিনা ( 0 নন-ফ্রডের জন্য, 1 জালিয়াতির জন্য)৷
তারপর Continue নির্বাচন করুন:
এই ধাপে, নীচে স্ক্রোল করুন এবং উন্নত বিকল্পগুলি প্রসারিত করতে ক্লিক করুন। যেহেতু এই ডেটাসেটটি ব্যাপকভাবে ভারসাম্যহীন (1% এরও কম ডেটাতে প্রতারণামূলক লেনদেন রয়েছে), AUC PRC বিকল্পটি বেছে নিন যা কম সাধারণ শ্রেণীর জন্য যথার্থ-প্রত্যাহার সর্বাধিক করবে:
চালিয়ে যান নির্বাচন করুন এবং তারপরে শেষ ধাপে যান (গণনা এবং মূল্য নির্ধারণ)। এখানে, আপনার বাজেটের জন্য নোড ঘন্টার সংখ্যা হিসাবে 1 লিখুন এবং তাড়াতাড়ি স্টপিং সক্ষম করুন। আপনার অটোএমএল মডেলকে 1 গণনা ঘন্টার জন্য প্রশিক্ষণ দেওয়া সাধারণত আপনার নির্বাচিত বৈশিষ্ট্য এবং লেবেলের মধ্যে সম্পর্ক আছে কিনা তা বোঝার জন্য একটি ভাল শুরু। সেখান থেকে, আপনি আপনার বৈশিষ্ট্যগুলি সংশোধন করতে পারেন এবং মডেলের কার্যকারিতা উন্নত করতে আরও সময়ের জন্য প্রশিক্ষণ দিতে পারেন। এরপর, প্রশিক্ষণ শুরু করুন নির্বাচন করুন।
আপনার প্রশিক্ষণের কাজ শেষ হলে আপনি একটি ইমেল পাবেন। সংস্থানগুলিকে স্পিন ও ছিন্ন করার জন্য প্রশিক্ষণে এক ঘন্টার চেয়ে কিছুটা বেশি সময় লাগবে।
6. মডেল মূল্যায়ন মেট্রিক্স অন্বেষণ করুন
এই ধাপে আমরা দেখতে পাব কিভাবে আমাদের মডেল পারফর্ম করেছে।
আপনার মডেল প্রশিক্ষণের কাজ শেষ হয়ে গেলে, Vertex-এর মডেল ট্যাবে নেভিগেট করুন। আপনি যে মডেলটি প্রশিক্ষিত করেছেন সেটিতে ক্লিক করুন এবং মূল্যায়ন ট্যাবটি দেখুন। এখানে অনেক মূল্যায়ন মেট্রিক রয়েছে - আমরা দুটির উপর ফোকাস করব: কনফিউশন ম্যাট্রিক্স এবং বৈশিষ্ট্যের গুরুত্ব ।
ধাপ 1: বিভ্রান্তি ম্যাট্রিক্স বুঝুন
একটি বিভ্রান্তিকর ম্যাট্রিক্স আমাদের পরীক্ষা সেটের প্রতিটি ক্লাস থেকে উদাহরণের শতকরা হার বলে যা আমাদের মডেল সঠিকভাবে ভবিষ্যদ্বাণী করেছে। ভারসাম্যহীন ডেটাসেটের ক্ষেত্রে আমরা যেটির সাথে কাজ করছি, এটি সামগ্রিক নির্ভুলতার চেয়ে আমাদের মডেলের পারফরম্যান্সের একটি ভাল পরিমাপ।
মনে রাখবেন যে আমাদের ডেটাসেটের 1%-এরও কম উদাহরণ ছিল প্রতারণামূলক লেনদেন, তাই যদি আমাদের মডেলের নির্ভুলতা 99% হয় তবে এটি 99% সময় এলোমেলোভাবে নন-প্রতারণামূলক ক্লাস অনুমান করার একটি ভাল সুযোগ রয়েছে। তাই প্রতিটি শ্রেণীর জন্য আমাদের মডেলের নির্ভুলতার দিকে তাকানো এখানে একটি ভাল মেট্রিক।
আপনি যদি মূল্যায়ন ট্যাবে নিচে স্ক্রোল করেন, তাহলে আপনি একটি বিভ্রান্তি ম্যাট্রিক্স দেখতে পাবেন যা দেখতে এইরকম কিছু দেখায় (সঠিক শতাংশ পরিবর্তিত হতে পারে):
বিভ্রান্তি ম্যাট্রিক্স দেখায় যে আমাদের প্রাথমিক মডেলটি আমাদের পরীক্ষার সেটে 85% জালিয়াতি উদাহরণকে সঠিকভাবে শ্রেণীবদ্ধ করতে সক্ষম। এটি বেশ ভাল, বিশেষ করে আমাদের উল্লেখযোগ্য ডেটাসেট ভারসাম্যহীনতা বিবেচনা করে। পরবর্তীতে আমরা এই 85% থেকে উন্নতি করতে পারি কিনা তা দেখতে আরও গণনা ঘন্টার জন্য আমাদের মডেলকে প্রশিক্ষণ দেওয়ার চেষ্টা করতে পারি।
ধাপ 2: বৈশিষ্ট্য গুরুত্বের দিকে তাকিয়ে
বিভ্রান্তি ম্যাট্রিক্সের নীচে, আপনার একটি বৈশিষ্ট্যের গুরুত্ব চার্ট দেখতে হবে যা এইরকম দেখাচ্ছে:
এটি আমাদের সেই বৈশিষ্ট্যগুলি দেখায় যা ভবিষ্যদ্বাণী করার সময় আমাদের মডেলকে সবচেয়ে বড় সংকেত প্রদান করে৷ বৈশিষ্ট্যের গুরুত্ব হল এক ধরণের ব্যাখ্যাযোগ্য AI - একটি ক্ষেত্র যাতে একটি ML মডেলের আরও অন্তর্দৃষ্টি পাওয়ার জন্য বিভিন্ন পদ্ধতি অন্তর্ভুক্ত থাকে ভবিষ্যদ্বাণী করা। এখানে দেখা বৈশিষ্ট্যের গুরুত্ব চার্টটি আমাদের পরীক্ষার সেটে আমাদের মডেলের সমস্ত ভবিষ্যদ্বাণী দেখে সমষ্টি হিসাবে গণনা করা হয়েছে। এটি উদাহরণগুলির একটি ব্যাচ জুড়ে আমাদের সবচেয়ে গুরুত্বপূর্ণ বৈশিষ্ট্যগুলি দেখায়।
আমাদের ডেটাসেটের বেশিরভাগ বৈশিষ্ট্য অস্পষ্ট না থাকলে এই চার্টটি আরও উত্তেজনাপূর্ণ হবে। উদাহরণস্বরূপ, আমরা শিখতে পারি যে একটি লেনদেনের ধরন (স্থানান্তর, আমানত, ইত্যাদি) ছিল জালিয়াতির সবচেয়ে বড় সূচক।
একটি বাস্তব-বিশ্বের দৃশ্যে, এই বৈশিষ্ট্যের গুরুত্ব মানগুলি আমাদের মডেলকে উন্নত করতে এবং এর ভবিষ্যদ্বাণীগুলিতে আরও আস্থা রাখতে আমাদের সাহায্য করতে ব্যবহার করা যেতে পারে। পরের বার যখন আমরা একটি মডেলকে প্রশিক্ষিত করি তখন আমরা ন্যূনতম গুরুত্বপূর্ণ বৈশিষ্ট্যগুলি সরানোর সিদ্ধান্ত নিতে পারি, অথবা এটি মডেলের কার্যকারিতা উন্নত করে কিনা তা দেখার জন্য একটি বৈশিষ্ট্য ক্রসে আমাদের আরও দুটি উল্লেখযোগ্য বৈশিষ্ট্য একত্রিত করার সিদ্ধান্ত নিতে পারি।
আমরা এখানে একটি ব্যাচ জুড়ে বৈশিষ্ট্যের গুরুত্ব দেখছি, তবে আমরা Vertex AI-তে পৃথক পূর্বাভাসের জন্য বৈশিষ্ট্যের গুরুত্বও পেতে পারি। আমরা আমাদের মডেল স্থাপন করার পরে এটি কীভাবে করা যায় তা আমরা দেখব।
7. একটি শেষ পয়েন্টে মডেল স্থাপন করা হচ্ছে
এখন যেহেতু আমাদের একটি প্রশিক্ষিত মডেল আছে, পরবর্তী ধাপটি হল ভার্টেক্সে একটি এন্ডপয়েন্ট তৈরি করা। Vertex-এ একটি মডেল রিসোর্স এর সাথে যুক্ত একাধিক এন্ডপয়েন্ট থাকতে পারে এবং আপনি এন্ডপয়েন্টের মধ্যে ট্রাফিক বিভক্ত করতে পারেন।
ধাপ 1: একটি শেষ পয়েন্ট তৈরি করা
আপনার মডেল পৃষ্ঠায়, ডিপ্লোয় এবং টেস্ট ট্যাবে নেভিগেট করুন এবং শেষ পয়েন্টে ডিপ্লোয় ক্লিক করুন:
আপনার এন্ডপয়েন্টকে একটি নাম দিন, যেমন fraud_v1 , Access সেট স্ট্যান্ডার্ডে ছেড়ে দিন এবং Continue-এ ক্লিক করুন।
ডিফল্ট সেটিংস হিসাবে ট্রাফিক বিভাজন এবং মেশিনের ধরন ছেড়ে দিন, সম্পন্ন ক্লিক করুন এবং তারপরে চালিয়ে যান ।
আমরা এই এন্ডপয়েন্টের জন্য মডেল মনিটরিং ব্যবহার করব না, তাই আপনি সেটিকে অনির্বাচিত রেখে Deploy এ ক্লিক করতে পারেন। আপনার শেষ পয়েন্ট স্থাপন করতে কয়েক মিনিট সময় লাগবে। এটি সম্পন্ন হলে আপনি এটির পাশে একটি সবুজ চেক চিহ্ন দেখতে পাবেন:
আপনি কাছাকাছি হচ্ছে! এখন আপনি আপনার নিয়োজিত মডেলের পূর্বাভাস পেতে প্রস্তুত৷
8. আমাদের স্থাপন করা মডেলের পূর্বাভাস পাওয়া
মডেল ভবিষ্যদ্বাণী পাওয়ার জন্য কয়েকটি বিকল্প রয়েছে:
- ভার্টেক্স এআই UI
- Vertex AI API
আমরা এখানে উভয় দেখাব.
ধাপ 1: UI-তে মডেলের পূর্বাভাস পান
আপনার মডেল পৃষ্ঠায় যেখানে আপনার এন্ডপয়েন্ট দেখানো হয়েছে (যেখানে আমরা শেষ ধাপে ছেড়ে দিয়েছি), আপনার মডেল বিভাগে স্ক্রোল করুন:
এখানে, Vertex AI আমাদের মডেলের প্রতিটি বৈশিষ্ট্যের জন্য র্যান্ডম মান বেছে নিয়েছে যা আমরা একটি পরীক্ষার পূর্বাভাস পেতে ব্যবহার করতে পারি। আপনি যদি চান তবে এই মানগুলি পরিবর্তন করতে আপনাকে স্বাগত জানাই৷ পৃষ্ঠার নীচে স্ক্রোল করুন এবং পূর্বাভাস নির্বাচন করুন।
পৃষ্ঠার ভবিষ্যদ্বাণী ফলাফল বিভাগে, আপনি প্রতিটি ক্লাসের জন্য আপনার মডেলের পূর্বাভাসিত শতাংশ দেখতে পাবেন। উদাহরণস্বরূপ, ক্লাস 0 এর জন্য 0.99 -এর আত্মবিশ্বাসের স্কোর মানে হল যে আপনার মডেল মনে করে এই উদাহরণটির 99% অ-প্রতারণামূলক।
ধাপ 2: Vertex AI API দিয়ে মডেলের ভবিষ্যদ্বাণী পান
আপনার নিয়োজিত এন্ডপয়েন্ট প্রত্যাশিত হিসাবে কাজ করছে তা নিশ্চিত করার জন্য UI একটি দুর্দান্ত উপায়, তবে সম্ভাবনা রয়েছে যে আপনি একটি REST API কলের মাধ্যমে গতিশীলভাবে পূর্বাভাস পেতে চাইবেন। এখানে মডেলের ভবিষ্যদ্বাণীগুলি কীভাবে পেতে হয় তা দেখানোর জন্য, আমরা এই ল্যাবের শুরুতে আপনার তৈরি করা Vertex Workbench উদাহরণটি ব্যবহার করব।
এরপরে, আপনি যে নোটবুকটি তৈরি করেছেন সেটি খুলুন এবং লঞ্চার থেকে একটি পাইথন 3 নোটবুক খুলুন:
আপনার নোটবুকে, Vertex SDK ইনস্টল করতে একটি ঘরে নিম্নলিখিতটি চালান:
!pip3 install google-cloud-aiplatform --upgrade --user
তারপরে SDK আমদানি করতে আপনার নোটবুকে একটি সেল যোগ করুন এবং আপনি যে শেষবিন্দুটি স্থাপন করেছেন তার একটি রেফারেন্স তৈরি করুন:
from google.cloud import aiplatform
endpoint = aiplatform.Endpoint(
endpoint_name="projects/YOUR-PROJECT-NUMBER/locations/us-central1/endpoints/YOUR-ENDPOINT-ID"
)
আপনাকে উপরের endpoint_name স্ট্রিং-এ দুটি মান আপনার প্রজেক্ট নম্বর এবং এন্ডপয়েন্ট দিয়ে প্রতিস্থাপন করতে হবে। আপনি আপনার প্রোজেক্ট ড্যাশবোর্ডে নেভিগেট করে এবং প্রোজেক্ট নম্বর মান পেয়ে আপনার প্রোজেক্ট নম্বর খুঁজে পেতে পারেন।
আপনি এখানে কনসোলের শেষ পয়েন্ট বিভাগে আপনার এন্ডপয়েন্ট আইডি খুঁজে পেতে পারেন:
অবশেষে, একটি নতুন কক্ষে নীচের কোডটি অনুলিপি এবং চালানোর মাধ্যমে আপনার শেষ বিন্দুতে একটি ভবিষ্যদ্বাণী করুন:
test_instance={
'Time': 80422,
'Amount': 17.99,
'V1': -0.24,
'V2': -0.027,
'V3': 0.064,
'V4': -0.16,
'V5': -0.152,
'V6': -0.3,
'V7': -0.03,
'V8': -0.01,
'V9': -0.13,
'V10': -0.18,
'V11': -0.16,
'V12': 0.06,
'V13': -0.11,
'V14': 2.1,
'V15': -0.07,
'V16': -0.033,
'V17': -0.14,
'V18': -0.08,
'V19': -0.062,
'V20': -0.08,
'V21': -0.06,
'V22': -0.088,
'V23': -0.03,
'V24': 0.01,
'V25': -0.04,
'V26': -0.99,
'V27': -0.13,
'V28': 0.003
}
response = endpoint.predict([test_instance])
print('API response: ', response)
আপনি 0 ক্লাসের জন্য .67 এর কাছাকাছি একটি ভবিষ্যদ্বাণী দেখতে পাবেন, যার মানে মডেলটি মনে করে যে এই লেনদেনটি অ-প্রতারণামূলক হওয়ার 67% সম্ভাবনা রয়েছে।
🎉 অভিনন্দন! 🎉
আপনি শিখেছেন কিভাবে Vertex AI ব্যবহার করতে হয়:
- একটি পরিচালিত ডেটাসেট আপলোড করুন
- অটোএমএল ব্যবহার করে ট্যাবুলার ডেটাতে একটি মডেলকে প্রশিক্ষণ এবং মূল্যায়ন করুন
- একটি শেষ পয়েন্টে মডেল স্থাপন করুন
- Vertex-এর জন্য SDK ব্যবহার করে একটি মডেল এন্ডপয়েন্টে ভবিষ্যদ্বাণী পান
Vertex AI এর বিভিন্ন অংশ সম্পর্কে আরও জানতে, ডকুমেন্টেশন দেখুন।
9. পরিচ্ছন্নতা
আপনি যদি এই ল্যাবে তৈরি করা নোটবুকটি ব্যবহার চালিয়ে যেতে চান, তাহলে এটি ব্যবহার না করার সময় এটি বন্ধ করার পরামর্শ দেওয়া হয়। আপনার ক্লাউড কনসোলের ওয়ার্কবেঞ্চ UI থেকে, নোটবুকটি নির্বাচন করুন এবং তারপরে থামুন নির্বাচন করুন।
আপনি যদি নোটবুকটি সম্পূর্ণরূপে মুছে ফেলতে চান তবে উপরের ডানদিকে মুছুন বোতামটি ক্লিক করুন।
আপনি যে এন্ডপয়েন্টটি স্থাপন করেছেন তা মুছে ফেলতে, আপনার Vertex AI কনসোলের এন্ডপয়েন্ট বিভাগে নেভিগেট করুন এবং আপনার এন্ডপয়েন্ট থেকে মডেলটি আনডিপ্লোয় করুন:
আপনার ক্লাউড কনসোলে নেভিগেশন মেনু ব্যবহার করে স্টোরেজ বাকেট মুছে ফেলতে, স্টোরেজ ব্রাউজ করুন, আপনার বালতি নির্বাচন করুন এবং মুছুন ক্লিক করুন:
