এই নিবন্ধটি পাইথন গেটওয়ে সম্পর্কে, ইন্টারসিস্টেম আইআরআইএস ডেটা প্ল্যাটফর্মের জন্য একটি ওপেন সোর্স কমিউনিটি প্রকল্প। এই প্রকল্পটি আপনাকে পাইথনে তৈরি যেকোন মেশিন লার্নিং অ্যালগরিদম (অনেক ডেটা বিজ্ঞানীদের জন্য প্রধান পরিবেশ) অর্কেস্ট্রেট করার অনুমতি দেয়, ইন্টারসিস্টেম IRIS প্ল্যাটফর্মে দ্রুত অভিযোজিত, রোবোটিক বিশ্লেষণাত্মক AI/ML সমাধান তৈরি করতে অসংখ্য রেডিমেড লাইব্রেরি ব্যবহার করে। এই নিবন্ধে, আমি আপনাকে দেখাব কিভাবে InterSystems IRIS পাইথন প্রক্রিয়াগুলি অর্কেস্ট্রেট করতে পারে, দক্ষ দ্বিমুখী ডেটা স্থানান্তর করতে পারে এবং বুদ্ধিমান ব্যবসায়িক প্রক্রিয়া তৈরি করতে পারে।

পরিকল্পনা

1. ভূমিকা।
2. টুলস।
3. ইনস্টলেশনের।
4. API- টি।
5. ইন্টারঅপারেবিলিটি।
6. জুপিটার নোটবুক।
7. উপসংহার।
8. লিঙ্ক।
9. M.L. টুলকিট।

ভূমিকা

পাইথন একটি উচ্চ-স্তরের, সাধারণ-উদ্দেশ্যের প্রোগ্রামিং ভাষা যা বিকাশকারীর উত্পাদনশীলতা এবং কোড পাঠযোগ্যতা উন্নত করার উপর দৃষ্টি নিবদ্ধ করে। নিবন্ধগুলির এই সিরিজে, আমি ইন্টারসিস্টেম আইআরআইএস প্ল্যাটফর্মে পাইথন ভাষা ব্যবহার করার সম্ভাবনা সম্পর্কে কথা বলব, যখন এই নিবন্ধের মূল ফোকাস হল মেশিন লার্নিং মডেল তৈরি এবং প্রয়োগ করার জন্য ভাষা হিসাবে পাইথনের ব্যবহার।

মেশিন লার্নিং (এমএল) হল কৃত্রিম বুদ্ধিমত্তা পদ্ধতির একটি শ্রেণী, যার বৈশিষ্ট্যগত বৈশিষ্ট্য হল কোনো সমস্যার সরাসরি সমাধান নয়, কিন্তু একই ধরনের অনেক সমস্যা সমাধানের প্রক্রিয়ায় শেখা।

মেশিন লার্নিং অ্যালগরিদম এবং মডেলগুলি আরও বেশি সাধারণ হয়ে উঠছে। এর জন্য অনেক কারণ রয়েছে, তবে এটি সমস্ত অ্যাক্সেসযোগ্যতা, সরলতা এবং ব্যবহারিক ফলাফল অর্জনের জন্য নেমে আসে। ক্লাস্টারিং বা এমনকি নিউরাল নেটওয়ার্ক মডেলিং কি একটি নতুন প্রযুক্তি?

অবশ্যই না, কিন্তু আজকাল একটি মডেল চালানোর জন্য কয়েক হাজার লাইন কোড লেখার প্রয়োজন নেই, এবং মডেল তৈরি এবং ব্যবহার করার খরচ ছোট থেকে ছোট হচ্ছে।

সরঞ্জামগুলি বিকশিত হচ্ছে - যদিও আমাদের কাছে সম্পূর্ণ GUI ভিত্তিক AI/ML সরঞ্জাম নেই, আমরা যে অগ্রগতি দেখেছি তা আমরা BI এর মতো অনেক অন্যান্য শ্রেণীর তথ্য সিস্টেমের সাথে দেখেছি (কোড লেখা থেকে ফ্রেমওয়ার্ক এবং GUI ওরিয়েন্টেড কনফিগারযোগ্য সমাধানগুলি ব্যবহার করা পর্যন্ত)। এআই/এমএল তৈরির সরঞ্জামগুলিতে। আমরা ইতিমধ্যে কোড লেখার পর্যায় অতিক্রম করেছি এবং আজ আমরা মডেল তৈরি এবং প্রশিক্ষণের জন্য কাঠামো ব্যবহার করি।

অন্যান্য উন্নতি, যেমন একটি প্রাক-প্রশিক্ষিত মডেল প্রচার করার ক্ষমতা যেখানে শেষ ব্যবহারকারীকে কেবল তাদের নির্দিষ্ট ডেটার উপর মডেলের প্রশিক্ষণ শেষ করতে হবে, এছাড়াও মেশিন লার্নিং প্রয়োগ করা সহজ করে তোলে। এই অগ্রগতিগুলি পেশাদার এবং সামগ্রিকভাবে কোম্পানি উভয়ের জন্যই মেশিন লার্নিং শেখাকে আরও সহজ করে তোলে।

অন্যদিকে, আমরা আরও বেশি করে ডেটা সংগ্রহ করি। ইন্টারসিস্টেম আইআরআইএস-এর মতো একটি ইউনিফাইড ডেটা প্ল্যাটফর্মের সাহায্যে, এই সমস্ত তথ্য অবিলম্বে প্রস্তুত করা যেতে পারে এবং মেশিন লার্নিং মডেলগুলির জন্য ইনপুট হিসাবে ব্যবহার করা যেতে পারে।

ক্লাউডে রূপান্তরের সাথে, এআই/এমএল প্রকল্প চালু করা আগের চেয়ে সহজ। আমরা শুধুমাত্র আমাদের প্রয়োজনীয় সম্পদ ভোগ করতে পারি। অধিকন্তু, ক্লাউড প্ল্যাটফর্মের দ্বারা দেওয়া সমান্তরালকরণের জন্য ধন্যবাদ, আমরা সময় বাঁচাতে পারি।

কিন্তু ফলাফল সম্পর্কে কি? এখানেই জিনিসগুলি আরও জটিল হয়ে ওঠে। মডেল নির্মাণের জন্য অনেক সরঞ্জাম আছে, যা আমি পরবর্তী আলোচনা করব। একটি ভাল মডেল নির্মাণ সহজ নয়, কিন্তু পরবর্তী কি? একটি ব্যবসার দ্বারা মডেল ব্যবহার থেকে লাভ একটি অ তুচ্ছ কাজ. সমস্যার মূল হল বিশ্লেষণাত্মক এবং লেনদেনমূলক কাজের চাপ এবং ডেটা মডেলের বিচ্ছেদ। আমরা যখন একটি মডেলকে প্রশিক্ষণ দিই, তখন আমরা সাধারণত এটি ঐতিহাসিক তথ্যের ভিত্তিতে করি। কিন্তু নির্মিত মডেলের জন্য স্থান লেনদেন তথ্য প্রক্রিয়াকরণ. আমরা যদি এটি দিনে একবার চালাই তবে সেরা জালিয়াতি লেনদেন সনাক্তকরণ মডেলটি কী ভাল? প্রতারকরা ইতিমধ্যে টাকা নিয়ে চলে গেছে। আমাদের মডেলটিকে ঐতিহাসিক তথ্যের উপর প্রশিক্ষণ দিতে হবে, তবে আমাদের নতুন আগত ডেটাতে এটিকে বাস্তব সময়ে প্রয়োগ করতে হবে যাতে আমাদের ব্যবসায়িক প্রক্রিয়াগুলি মডেলের ভবিষ্যদ্বাণী অনুসারে কাজ করতে পারে।

ML Toolkit হল একটি টুলকিট যা ঠিক এই কাজটি করে: মডেলগুলিকে একত্রিত করা এবং একটি লেনদেনের পরিবেশ যাতে আপনি যে মডেলগুলি তৈরি করেন তা সহজেই আপনার ব্যবসায়িক প্রক্রিয়াগুলিতে সরাসরি ব্যবহার করা যায়৷ পাইথন গেটওয়ে হল ML টুলকিটের অংশ এবং পাইথন ভাষার সাথে একীকরণ প্রদান করে (আর গেটওয়ের মতো, এমএল টুলকিটের অংশ হওয়ায় আর ভাষার সাথে একীকরণ প্রদান করে)।

সরঞ্জাম

আমরা চালিয়ে যাওয়ার আগে, আমি কয়েকটি পাইথন সরঞ্জাম এবং লাইব্রেরি বর্ণনা করতে চাই যা আমরা পরে ব্যবহার করব।

প্রযুক্তির

• পাইথন একটি ব্যাখ্যা করা, সাধারণ-উদ্দেশ্য, উচ্চ-স্তরের প্রোগ্রামিং ভাষা। ভাষার প্রধান সুবিধা হল গাণিতিক, এমএল এবং এআই লাইব্রেরির একটি বড় লাইব্রেরি। অবজেক্টস্ক্রিপ্টের মতো, এটি একটি অবজেক্ট-ওরিয়েন্টেড ভাষা, কিন্তু সবকিছু গতিশীলভাবে সংজ্ঞায়িত করা হয়, স্ট্যাটিকভাবে নয়। এছাড়াও সবকিছু একটি বস্তু. পরবর্তী নিবন্ধগুলি ভাষার সাথে একটি ক্ষণস্থায়ী পরিচিতি অনুমান করে। আপনি যদি শেখা শুরু করতে চান, আমি দিয়ে শুরু করার পরামর্শ দিই ডকুমেন্টেশন.
• আমাদের পরবর্তী অনুশীলনের জন্য, সেট করুন পাইথন 3.6.7 64 বিট.
• IDE: আমি ব্যবহার করি PyCharm, কিন্তু সাধারণত много. আপনি যদি Atelier ব্যবহার করেন তবে পাইথন বিকাশকারীদের জন্য একটি Eclipse প্লাগইন রয়েছে। আপনি যদি ভিএস কোড ব্যবহার করেন তবে পাইথনের জন্য একটি এক্সটেনশন রয়েছে।
• নোটবুক: একটি IDE এর পরিবর্তে, আপনি অনলাইন নোটবুকে আপনার স্ক্রিপ্ট লিখতে এবং শেয়ার করতে পারেন। তাদের মধ্যে সবচেয়ে জনপ্রিয় জুপিটার.

গ্রন্থাগারসমূহ

এখানে মেশিন লার্নিং লাইব্রেরির একটি (আংশিক) তালিকা রয়েছে:

• নোংরা - সঠিক গণনার জন্য একটি মৌলিক প্যাকেজ।
• পান্ডাস — উচ্চ-পারফরম্যান্স ডেটা স্ট্রাকচার এবং ডেটা বিশ্লেষণ টুল।
• ম্যাটপ্ল্লোব - চার্ট তৈরি।
• সমুদ্রযুক্ত - ম্যাটপ্লটলিবের উপর ভিত্তি করে ডেটা ভিজ্যুয়ালাইজেশন।
• স্কলার্ন - মেশিন লার্নিং পদ্ধতি।
• এক্সজিবিস্ট — গ্রেডিয়েন্ট বুস্টিং পদ্ধতির মধ্যে মেশিন লার্নিং অ্যালগরিদম।
• জেনসিম - এনএলপি।
• Keras - নিউরাল নেটওয়ার্ক.
• টেনসরফ্লো মেশিন লার্নিং মডেল তৈরির জন্য একটি প্ল্যাটফর্ম।
• পাইটর্চ পাইথনে ফোকাস করে মেশিন লার্নিং মডেল তৈরি করার একটি প্ল্যাটফর্ম।
• nyoka - বিভিন্ন মডেল থেকে PMML।

এআই/এমএল প্রযুক্তি ব্যবসাকে আরও দক্ষ এবং অভিযোজনযোগ্য করে তোলে। তদুপরি, আজ এই প্রযুক্তিগুলি বিকাশ এবং প্রয়োগ করা সহজ হয়ে উঠছে। এআই/এমএল প্রযুক্তি সম্পর্কে শিখতে শুরু করুন এবং কীভাবে তারা আপনার প্রতিষ্ঠানের বৃদ্ধিতে সাহায্য করতে পারে।

বিন্যাস

পাইথন গেটওয়ে ইনস্টল এবং ব্যবহার করার বিভিন্ন উপায় রয়েছে:

• ОС
  • উইন্ডোজ
  • লিনাক্স
  • ম্যাক
• ডকশ্রমিক
  • ডকারহাব থেকে ছবিটি ব্যবহার করুন
  • আপনার নিজের ইমেজ তৈরি করুন

ইনস্টলেশন পদ্ধতি যাই হোক না কেন, আপনার সোর্স কোডের প্রয়োজন হবে। কোড ডাউনলোড করার একমাত্র জায়গা পৃষ্ঠা প্রকাশ করে. এটিতে পরীক্ষিত স্থিতিশীল রিলিজ রয়েছে, শুধুমাত্র সর্বশেষটি ধরুন। এই মুহূর্তে এটি 0.8, তবে সময়ের সাথে সাথে নতুনগুলি থাকবে। সংগ্রহস্থল ক্লোন/ডাউনলোড করবেন না, সর্বশেষ রিলিজটি ডাউনলোড করুন।

ОС

আপনি যদি অপারেটিং সিস্টেমে পাইথন গেটওয়ে ইনস্টল করেন, তাহলে প্রথমে (অপারেটিং সিস্টেম নির্বিশেষে) আপনাকে পাইথন ইনস্টল করতে হবে। এই জন্য:

1. পাইথন 3.6.7 64 বিট ইনস্টল করুন. ডিফল্ট ডিরেক্টরিতে পাইথন ইনস্টল করার পরামর্শ দেওয়া হয়।
2. মডিউল ইনস্টল করুন dill: pip install dill.
3. অবজেক্টস্ক্রিপ্ট কোড ডাউনলোড করুন (যেমন do $system.OBJ.ImportDir("C:InterSystemsReposPythoniscpy", "*.cls", "c",,1)) পণ্য সহ যেকোনো এলাকায়। যদি আপনি একটি বিদ্যমান এলাকা প্রযোজনা সমর্থন করতে চান, চালান: write ##class(%EnsembleMgr).EnableNamespace($Namespace, 1).
4. স্থান কলআউট DLL/SO/DYLIB ফোল্ডারে bin আপনার InterSystems IRIS উদাহরণ। লাইব্রেরি ফাইলটি অবশ্যই যে পথে ফেরত দেওয়া হয়েছে সেখানে উপলব্ধ হতে হবে write ##class(isc.py.Callout).GetLib().

উইন্ডোজ

1. নিশ্চিত করুন যে পরিবেশ পরিবর্তনশীল PYTHONHOME Python 3.6.7-এর দিকে নির্দেশ করে।
2. সিস্টেমের পরিবেশ পরিবর্তনশীল নিশ্চিত করুন PATH একটি পরিবর্তনশীল রয়েছে PYTHONHOME (অথবা এটি নির্দেশিত ডিরেক্টরি)।

লিনাক্স (ডেবিয়ান/উবুন্টু)

1. পরিবেশ পরিবর্তনশীল কিনা তা পরীক্ষা করুন PATH এটা রয়েছে /usr/lib и /usr/lib/x86_64-linux-gnu. ফাইল ব্যবহার করুন /etc/environment পরিবেশের ভেরিয়েবল সেট করতে।
2. ত্রুটির ক্ষেত্রে undefined symbol: _Py_TrueStruct সেটিং সেট করুন PythonLib. এছাড়াও মধ্যে রিডমি একটি সমস্যা সমাধান বিভাগ আছে।

ম্যাক

1. বর্তমানে শুধুমাত্র পাইথন 3.6.7 থেকে সমর্থিত পাইথন.অর্গ. পরিবর্তনশীল পরীক্ষা করুন PATH.

আপনি যদি এনভায়রনমেন্ট ভেরিয়েবল পরিবর্তন করে থাকেন তাহলে আপনার ইন্টারসিস্টেম প্রোডাক্ট রিস্টার্ট করুন।

ডকশ্রমিক

পাত্রে ব্যবহার করার অনেক সুবিধা রয়েছে:

• বহনযোগ্যতা
• কার্যকারিতা
• অন্তরণ
• হালকাতা
• অপরিবর্তনীয়তা

এটা পরীক্ষা করো নিবন্ধের একটি সিরিজ ইন্টারসিস্টেম পণ্যগুলির সাথে ডকার ব্যবহার করার বিষয়ে আরও তথ্যের জন্য।

সমস্ত পাইথন গেটওয়ে বিল্ড বর্তমানে কন্টেইনার ভিত্তিক। 2019.4.

প্রস্তুত ইমেজ

চালান: docker run -d -p 52773:52773 --name irispy intersystemscommunity/irispy-community:latestইন্টারসিস্টেম আইআরআইএস কমিউনিটি সংস্করণের সাথে পাইথন গেটওয়ে ডাউনলোড এবং চালানোর জন্য। এখানেই শেষ.

আপনার নিজের ইমেজ তৈরি করুন

একটি ডকার ইমেজ তৈরি করতে, সংগ্রহস্থলের রুটে চালান: docker build --force-rm --tag intersystemscommunity/irispy:latest ..
ডিফল্টরূপে, ইমেজ ইমেজ উপর ভিত্তি করে নির্মিত হয় store/intersystems/iris-community:2019.4.0.383.0, তবে আপনি ভেরিয়েবল সেট করে এটি পরিবর্তন করতে পারেন IMAGE.
InterSystems IRIS থেকে তৈরি করতে চালান: `docker build --build-arg IMAGE=store/intersystems/iris:2019.4.0.383.0 --force-rm --tag intersystemscommunity/irispy:latest'।

এর পরে, আপনি ডকার ইমেজ চালাতে পারেন:

docker run -d 
  -p 52773:52773 
  -v /<HOST-DIR-WITH-iris.key>/:/mount 
  --name irispy 
  intersystemscommunity/irispy:latest 
  --key /mount/iris.key

আপনি যদি InterSystems IRIS Community Edition এর উপর ভিত্তি করে একটি ইমেজ ব্যবহার করেন, তাহলে আপনি কীটি ছেড়ে দিতে পারেন।

মন্তব্য

• পরীক্ষা প্রক্রিয়া isc.py.test.Process একটি অস্থায়ী ডিরেক্টরিতে বেশ কয়েকটি ছবি সংরক্ষণ করে। আপনি এই পথটিকে একটি মাউন্ট করা ডিরেক্টরিতে পরিবর্তন করতে চাইতে পারেন। এটি করতে, সেটিংস সম্পাদনা করুন WorkingDir মাউন্ট করা ডিরেক্টরি উল্লেখ করা হচ্ছে।
• টার্মিনাল অ্যাক্সেস করতে, চালান: docker exec -it irispy sh.
• লগইন করে সিস্টেম ম্যানেজমেন্ট পোর্টালে অ্যাক্সেস করুন SuperUser/SYS.
• একটি ধারক বন্ধ করতে, চালান: docker stop irispy && docker rm --force irispy.

ইনস্টলেশন পরীক্ষা করা হচ্ছে

একবার আপনি পাইথন গেটওয়ে ইনস্টল করার পরে, এটি কাজ করছে কিনা তা পরীক্ষা করা মূল্যবান। InterSystems IRIS টার্মিনালে এই কোডটি চালান:

set sc = ##class(isc.py.Callout).Setup() 
set sc = ##class(isc.py.Main).SimpleString("x='HELLO'", "x", , .var).
write var

ফলাফল হওয়া উচিত HELLO - পাইথন ভেরিয়েবলের মান x. ফিরতি অবস্থা হলে sc একটি ভুল বা var খালি, চেক রিডমি-সমস্যা সমাধান বিভাগ.

এপিআই

পাইথন গেটওয়ে ইনস্টল করা হয়েছে এবং আপনি যাচাই করেছেন যে এটি কাজ করছে। এটি ব্যবহার শুরু করার সময়!
পাইথনের প্রধান ইন্টারফেস হল isc.py.Main. এটি নিম্নলিখিত গোষ্ঠীর পদ্ধতিগুলি অফার করে (সমস্ত রিটার্ন %Status):

• কোড এক্সিকিউশন
• তথ্য স্থানান্তর
• আনুষঙ্গিক

কোড এক্সিকিউশন

এই পদ্ধতিগুলি আপনাকে নির্বিচারে পাইথন কোড চালানোর অনুমতি দেয়।

সরল স্ট্রিং

SimpleString প্রধান পদ্ধতি। এটি 4টি ঐচ্ছিক আর্গুমেন্ট নেয়:

• code এক্সিকিউট করার জন্য কোডের লাইন। লাইন ফিড চরিত্র: $c(10).
• returnVariable রিটার্ন করার ভেরিয়েবলের নাম।
• serialization - কিভাবে সিরিয়াল করা যায় returnVariable. 0 - স্ট্রিং (ডিফল্ট), 1 - repr.
• result - যে ভেরিয়েবলে মান লেখা হয়েছে তার ByRef রেফারেন্স returnVariable.

উপরে আমরা করেছি:

set sc = ##class(isc.py.Main).SimpleString("x='HELLO'", "x", , .var).

এই উদাহরণে, আমরা একটি পাইথন ভেরিয়েবলকে বরাদ্দ করছি x অর্থ Hello এবং পাইথন ভেরিয়েবলের মান ফেরত দিতে চাই x একটি অবজেক্টস্ক্রিপ্ট ভেরিয়েবলে var.

এক্সিকিউট কোড

ExecuteCode একটি নিরাপদ এবং কম সীমাবদ্ধ বিকল্প SimpleString.
ইন্টারসিস্টেমস আইআরআইএস প্ল্যাটফর্মের লাইনগুলি 3 অক্ষরের মধ্যে সীমাবদ্ধ এবং আপনি যদি একটি দীর্ঘ কোড চালাতে চান তবে আপনাকে স্ট্রিমগুলি ব্যবহার করতে হবে।
এটি দুটি আর্গুমেন্ট লাগে:

• code — পাইথন কোডের একটি স্ট্রিং বা স্ট্রীম চালানো হবে।
• variable - (ঐচ্ছিক) মৃত্যুদন্ডের ফলাফল নির্ধারণ করে code এই পাইথন ভেরিয়েবল।

ব্যবহার করার পরামর্শ:

set sc = ##class(isc.py.Main).ExecuteCode("2*3", "y").

এই উদাহরণে, আমরা 2 কে 3 দ্বারা গুণ করি এবং ফলাফলটিকে পাইথন ভেরিয়েবলে সংরক্ষণ করি y.

তথ্য স্থানান্তর

পাইথনে এবং থেকে ডেটা পাস করুন।

পাইথন -> ইন্টারসিস্টেম আইআরআইএস

আপনার প্রয়োজনীয় সিরিয়ালাইজেশনের উপর নির্ভর করে ইন্টারসিস্টেম আইআরআইএস-এ পাইথন ভেরিয়েবলের মান পেতে 4টি উপায় রয়েছে:

• String সাধারণ ডেটা প্রকার এবং ডিবাগিংয়ের জন্য।
• Repr সাধারণ বস্তু সংরক্ষণ এবং ডিবাগ করার জন্য।
• JSON ইন্টারসিস্টেম আইআরআইএস সাইডে সহজ ডেটা ম্যানিপুলেশনের জন্য।
• Pickle বস্তু সংরক্ষণ করতে।

এই পদ্ধতিগুলি আপনাকে পাইথন থেকে একটি স্ট্রিং বা স্ট্রিম হিসাবে ভেরিয়েবল গ্রহণ করতে দেয়।

• GetVariable(variable, serialization, .stream, useString) - পাওয়া serialization পরিবর্তনশীল variable в stream। যদি useString 1 হয় এবং সিরিয়ালাইজেশন একটি স্ট্রিং এ স্থাপন করা হয়, তারপর একটি স্ট্রিং ফেরত দেওয়া হয়, একটি স্ট্রিম নয়।
• GetVariableJson(variable, .stream, useString) — একটি ভেরিয়েবলের JSON সিরিয়ালাইজেশন পান।
• GetVariablePickle(variable, .stream, useString, useDill) - একটি ভেরিয়েবলের একটি আচার (বা ডিল) সিরিয়ালাইজেশন পান।

আমাদের পরিবর্তনশীল পেতে চেষ্টা করা যাক y.

set sc = ##class(isc.py.Main).GetVariable("y", , .val, 1)
write val
>6

ইন্টারসিস্টেম আইআরআইএস -> পাইথন

পাইথনে InterSystems IRIS থেকে ডেটা লোড করা হচ্ছে।

• ExecuteQuery(query, variable, type, namespace) - একটি ডেটাসেট তৈরি করে (পান্ডাস dataframe বা list) sql ক্যোয়ারী থেকে এবং এটিকে পাইথন ভেরিয়েবলে সেট করুন variable. প্লাস্টিক ব্যাগ isc.py এলাকায় পাওয়া উচিত namespace - অনুরোধটি সেখানে কার্যকর করা হবে।
• ExecuteGlobal(global, variable, type, start, end, mask, labels, namespace) - বিশ্বব্যাপী ডেটা লোড করে global সাবস্ক্রিপ্ট থেকে start থেকে end পাইথনে টাইপ ভেরিয়েবল হিসাবে type: list, বা পান্ডা dataframe. ঐচ্ছিক আর্গুমেন্টের বর্ণনা mask এবং labels ক্লাস ডকুমেন্টেশন এবং সংগ্রহস্থল উপলব্ধ ডেটা ট্রান্সফার ডক্স.
• ExecuteClass(class, variable, type, start, end, properties, namespace) - ক্লাস ডেটা লোড করে class আইডি থেকে start থেকে end পাইথনে টাইপ ভেরিয়েবল হিসাবে type: list, বা পান্ডা dataframe. properties — ডেটা সেটে লোড করার জন্য শ্রেণি বৈশিষ্ট্যগুলির তালিকা (কমা দ্বারা পৃথক করা)। মাস্ক সমর্থিত * и ?. ডিফল্ট - * (সমস্ত বৈশিষ্ট্য)। সম্পত্তি %%CLASSNAME উপেক্ষা করা
• ExecuteTable(table, variable, type, start, end, properties, namespace) - টেবিল ডেটা লোড করে table আইডি থেকে start থেকে end পাইথনে

ExecuteQuery - সার্বজনীন (যেকোন বৈধ এসকিউএল কোয়েরি পাইথনে পাঠানো হবে)। যাহোক, ExecuteGlobal এবং তার মোড়ক ExecuteClass и ExecuteTable অনেক সীমাবদ্ধতার সাথে কাজ করুন। তারা অনেক দ্রুত (ODBC ড্রাইভারের চেয়ে 3-5 গুণ দ্রুত এবং এর চেয়ে 20 গুণ দ্রুত ExecuteQuery) আরও তথ্য ডেটা ট্রান্সফার ডক্স.
এই সমস্ত পদ্ধতি যেকোনো এলাকা থেকে ডেটা স্থানান্তর সমর্থন করে। প্লাস্টিক ব্যাগ isc.py লক্ষ্য এলাকায় উপলব্ধ করা আবশ্যক.

ExecuteQuery

ExecuteQuery(request, variable, type, namespace) - পাইথনে যেকোনো বৈধ এসকিউএল কোয়েরির ফলাফল পাস করা। এটি সবচেয়ে ধীরগতির ডেটা স্থানান্তর পদ্ধতি। যদি এটি ব্যবহার করুন ExecuteGlobal এবং এর মোড়ক পাওয়া যায় না।

যুক্তি:

• query - sql প্রশ্ন।
• variable - পাইথন ভেরিয়েবলের নাম যেখানে ডেটা লেখা হয়।
• type - list বা পান্ডা dataframe.
• namespace - যে এলাকায় অনুরোধটি কার্যকর করা হবে।

এক্সিকিউট গ্লোবাল

ExecuteGlobal(global, variable, type, start, end, mask, labelels, namespace) - পাইথনে গ্লোবাল পাস করা।

যুক্তি:

• global এর নাম বিশ্বব্যাপী ছাড়া ^
• variable - পাইথন ভেরিয়েবলের নাম যেখানে ডেটা লেখা হয়।
• type - list বা পান্ডা dataframe.
• start — বিশ্বব্যাপী প্রথম সাবস্ক্রিপ্ট। অগত্যা %Integer.
• end বিশ্বব্যাপী শেষ সাবস্ক্রিপ্ট. অগত্যা %Integer.
• mask - বিশ্বব্যাপী মূল্যবোধের মুখোশ। মাস্কটি বিশ্বব্যাপী ক্ষেত্রগুলির সংখ্যার চেয়ে ছোট হতে পারে (যে ক্ষেত্রে শেষে ক্ষেত্রগুলি এড়িয়ে যাবে)। কিভাবে মাস্ক ফরম্যাট করবেন:
  • + হিসাবে মান পাস.
  • - মান এড়িয়ে যান।
  • b — বুলিয়ান টাইপ (0 - False, বাকি সব - True).
  • d — তারিখ ($horolog থেকে, উইন্ডোজে 1970 থেকে, লিনাক্সে 1900 থেকে)।
  • t - সময় ($ horolog, মধ্যরাতের পর সেকেন্ড)।
  • m — টাইমস্ট্যাম্প (YEAR-MONTH-DAY HOUR:MINUTE:SECOND ফরম্যাট স্ট্রিং)।
• labels - % কলামের নামের তালিকা। প্রথম উপাদানটি হল সাবস্ক্রিপ্টের নাম।
• namespace - যে এলাকায় অনুরোধটি কার্যকর করা হবে।

ExecuteClass

উপর মোড়ানো ExecuteGlobal. ক্লাস সংজ্ঞার উপর ভিত্তি করে একটি কল প্রস্তুত করে ExecuteGlobal এবং তাকে ডাকে।

ExecuteClass(class, variable, type, start, end, properties, namespace) - পাইথনে ক্লাস ডেটা পাস করা।

যুক্তি:

• class - শ্রেণির নাম
• variable - পাইথন ভেরিয়েবলের নাম যেখানে ডেটা লেখা হয়।
• type - list বা পান্ডা dataframe.
• start - শুরুর আইডি।
• end - চূড়ান্ত আইডি
• properties — ডেটা সেটে লোড করার জন্য শ্রেণি বৈশিষ্ট্যগুলির তালিকা (কমা দ্বারা পৃথক করা)। মাস্ক সমর্থিত * и ?. ডিফল্ট - * (সমস্ত বৈশিষ্ট্য)। সম্পত্তি %%CLASSNAME উপেক্ষা করা
• namespace - যে এলাকায় অনুরোধটি কার্যকর করা হবে।

সমস্ত বৈশিষ্ট্য টাইপ বৈশিষ্ট্য ছাড়া হিসাবে পাস করা হয় %Date, %Time, %Boolean и %TimeStamp - তারা সংশ্লিষ্ট পাইথন ক্লাসে রূপান্তরিত হয়।

এক্সিকিউট টেবিল

উপর মোড়ানো ExecuteClass. টেবিলের নামটিকে ক্লাসের নামে অনুবাদ করে এবং কল করে ExecuteClass. স্বাক্ষর:

ExecuteTable(table, variable, type, start, end, properties, namespace) - পাইথনে টেবিল ডেটা পাস করা।

যুক্তি:

• table - টেবিলের নাম।
  অন্য সব আর্গুমেন্ট হিসাবে পাস করা হয়. ExecuteClass.

মন্তব্য

• ExecuteGlobal, ExecuteClass и ExecuteTable সমানভাবে দ্রুত কাজ করুন।
• ExecuteGlobal তুলনায় 20 গুণ দ্রুত ExecuteQuery বড় ডেটাসেটে (স্থানান্তর সময়>0.01 সেকেন্ড)।
• ExecuteGlobal, ExecuteClass и ExecuteTable এই কাঠামোর সাথে বিশ্বব্যাপী কাজ করুন: ^global(key) = $lb(prop1, prop2, ..., propN) যেখানে key একটি পূর্ণসংখ্যা।
• থেকে ExecuteGlobal, ExecuteClass и ExecuteTable সমর্থিত মান পরিসীমা %Date পরিসরের সাথে মিলে যায় mktime এবং OS এর উপর নির্ভর করেজানালা: 1970-01-01, লিনাক্স 1900-01-01, ম্যাক) ব্যবহার করুন %TimeStampএই সীমার বাইরে ডেটা পাস করতে বা পান্ডাস ডেটাফ্রেম হিসাবে ব্যবহার করতে এই সীমাবদ্ধতা শুধুমাত্র তালিকার জন্য।
• থেকে ExecuteGlobal, ExecuteClass и ExecuteTable ডাটা সোর্স (গ্লোবাল, ক্লাস বা টেবিল) এবং ভেরিয়েবল ছাড়া সব আর্গুমেন্ট ঐচ্ছিক।

উদাহরণ

পরীক্ষা ক্লাস isc.py.test.Person একটি পদ্ধতি রয়েছে যা সমস্ত ডেটা স্থানান্তর বিকল্পগুলি প্রদর্শন করে:

set global = "isc.py.test.PersonD"
set class = "isc.py.test.Person"
set table = "isc_py_test.Person"
set query = "SELECT * FROM isc_py_test.Person"

// Общие аргументы
set variable = "df"
set type = "dataframe"
set start = 1
set end = $g(^isc.py.test.PersonD, start)

// Способ 0: ExecuteGlobal без аргументов
set sc = ##class(isc.py.Main).ExecuteGlobal(global, variable _ 0, type)

// Способ 1: ExecuteGlobal с аргументами    
// При передаче глобала названия полей задаются вручную
// globalKey - название сабсткрипта 
set labels = $lb("globalKey", "Name", "DOB", "TS", "RandomTime", "AgeYears", "AgeDecimal", "AgeDouble", "Bool")

// mask содержит на 1 элемент меньше чем labels потому что "globalKey" - название сабскипта
// Пропускаем %%CLASSNAME
set mask = "-+dmt+++b"

set sc = ##class(isc.py.Main).ExecuteGlobal(global, variable _ 1, type, start, end, mask, labels)

// Способ 2: ExecuteClass
set sc = ##class(isc.py.Main).ExecuteClass(class, variable _ 2, type, start, end)

// Способ 3: ExecuteTable
set sc = ##class(isc.py.Main).ExecuteTable(table, variable _ 3, type, start, end)

// Способ 4: ExecuteTable
set sc = ##class(isc.py.Main).ExecuteQuery(query, variable _ 4, type)

কল পদ্ধতি do ##class(isc.py.test.Person).Test() সমস্ত ডেটা স্থানান্তর পদ্ধতি কিভাবে কাজ করে তা দেখতে।

সহায়ক পদ্ধতি

• GetVariableInfo(variable, serialization, .defined, .type, .length) - পরিবর্তনশীল সম্পর্কে তথ্য পান: এটি সংজ্ঞায়িত কিনা, শ্রেণী এবং ক্রমিক দৈর্ঘ্য।
• GetVariableDefined(variable, .defined) - পরিবর্তনশীল সংজ্ঞায়িত করা হয় কিনা।
• GetVariableType(variable, .type) - ভেরিয়েবলের ক্লাস পান।
• GetStatus() - পাইথনের পাশে শেষ ব্যতিক্রমটি পান এবং সরান।
• GetModuleInfo(module, .imported, .alias) - মডিউল পরিবর্তনশীল এবং আমদানি স্থিতি পান।
• GetFunctionInfo(function, .defined, .type, .docs, .signature, .arguments) - ফাংশন সম্পর্কে তথ্য পান।

ইন্টারঅপারেবিলিটি

আপনি শিখেছেন কিভাবে টার্মিনাল থেকে পাইথন গেটওয়ে কল করতে হয়, এখন এটি উৎপাদনে ব্যবহার করা শুরু করা যাক। এই মোডে পাইথনের সাথে ইন্টারঅ্যাক্ট করার ভিত্তি isc.py.ens.Operation. এটি আমাদের অনুমতি দেয়:

• পাইথন কোড চালান
• পাইথন প্রসঙ্গ সংরক্ষণ/পুনরুদ্ধার করুন
• পাইথন থেকে ডেটা লোড এবং গ্রহণ করুন

মূলত, একটি Pyhton অপারেশন একটি মোড়ানো হয় isc.py.Main. অপারেশন isc.py.ens.Operation InterSystems IRIS পণ্য থেকে পাইথন প্রক্রিয়ার সাথে মিথস্ক্রিয়া করার অনুমতি দেয়। পাঁচটি অনুরোধ সমর্থিত:

• isc.py.msg.ExecutionRequest পাইথন কোড চালানোর জন্য। রিটার্ন isc.py.msg.ExecutionResponse এক্সিকিউশন ফলাফল এবং অনুরোধ করা ভেরিয়েবলের মান সহ।
• isc.py.msg.StreamExecutionRequest পাইথন কোড চালানোর জন্য। রিটার্ন isc.py.msg.StreamExecutionResponse এক্সিকিউশনের ফলাফল এবং অনুরোধ করা ভেরিয়েবলের মান। এনালগ isc.py.msg.ExecutionRequest, কিন্তু স্ট্রিং এর পরিবর্তে স্ট্রীম গ্রহণ করে এবং ফেরত দেয়।
• isc.py.msg.QueryRequest একটি এসকিউএল কোয়েরি চালানোর ফলাফল স্থানান্তর করতে। রিটার্ন Ens.Response.
• isc.py.msg.GlobalRequest/isc.py.msg.ClassRequest/isc.py.msg.TableRequest গ্লোবাল/ক্লাস/টেবিল ডেটা পাস করতে। রিটার্ন Ens.Response.
• isc.py.msg.SaveRequest পাইথন প্রসঙ্গ সংরক্ষণ করতে। রিটার্ন Ens.StringResponse প্রসঙ্গ আইডি সহ।

• isc.py.msg.RestoreRequest পাইথন প্রসঙ্গ পুনরুদ্ধার করতে।

  উপরন্তু, isc.py.ens.Operation দুটি সেটিংস আছে:

  • Initializer - ইন্টারফেস প্রয়োগ করে এমন একটি ক্লাস নির্বাচন করা isc.py.init.Abstract. এটি ফাংশন, মডিউল, ক্লাস এবং এর মতো লোড করতে ব্যবহার করা যেতে পারে। প্রক্রিয়া শুরু হলে এটি একবার কার্যকর করা হয়।
  • PythonLib - (শুধুমাত্র লিনাক্স) যদি আপনি বুট ত্রুটি দেখতে পান, তাহলে এর মান সেট করুন libpython3.6m.so অথবা এমনকি পাইথন লাইব্রেরির সম্পূর্ণ পথে।

ব্যবসায়িক প্রক্রিয়া তৈরি করা

ব্যবসায়িক প্রক্রিয়াগুলির বিকাশকে সহজতর করে এমন দুটি শ্রেণী উপলব্ধ রয়েছে:

• isc.py.ens.ProcessUtils আপনাকে পরিবর্তনশীল প্রতিস্থাপন সহ কার্যকলাপ থেকে টীকা বের করতে দেয়।
• isc.py.util.BPEmulator পাইথনের সাথে ব্যবসায়িক প্রক্রিয়া পরীক্ষা করা সহজ করে তোলে। এটি বর্তমান প্রক্রিয়ায় একটি ব্যবসায়িক প্রক্রিয়া (পাইথন অংশ) চালাতে পারে।

পরিবর্তনশীল প্রতিস্থাপন

সমস্ত ব্যবসায়িক প্রক্রিয়া উত্তরাধিকার সূত্রে প্রাপ্ত isc.py.ens.ProcessUtils, পদ্ধতি ব্যবহার করতে পারেন GetAnnotation(name) তার নামের দ্বারা একটি কার্যকলাপ টীকা মান পেতে. অ্যাক্টিভিটি অ্যানোটেশনে ভেরিয়েবল থাকতে পারে যা পাইথনে পাঠানোর আগে ইন্টারসিস্টেম আইআরআইএস-এর দিকে মূল্যায়ন করা হবে। এখানে পরিবর্তনশীল প্রতিস্থাপনের জন্য সিনট্যাক্স রয়েছে:

• ${class:method:arg1:...:argN} - পদ্ধতি কল
• #{expr} - অবজেক্টস্ক্রিপ্ট ভাষায় কোড চালান।

পরীক্ষা ব্যবসায়িক প্রক্রিয়ায় একটি উদাহরণ পাওয়া যায় isc.py.test.Process, উদাহরণস্বরূপ, কার্যকলাপে Correlation Matrix: Graph: f.savefig(r'#{process.WorkDirectory}SHOWCASE${%PopulateUtils:Integer:1:100}.png'). এই উদাহরণে:

• #{process.WorkDirectory} বস্তুর WorkDirectory সম্পত্তি ফেরত দেয় process, যা ক্লাসের একটি উদাহরণ isc.py.test.Process সেগুলো. বর্তমান ব্যবসা প্রক্রিয়া।
• ${%PopulateUtils:Integer:1:100} একটি পদ্ধতি কল Integer বর্গ %PopulateUtils, পাসিং আর্গুমেন্ট 1 и 100, পরিসরে একটি র্যান্ডম পূর্ণসংখ্যা ফেরত দিচ্ছে 1...100.

পরীক্ষা ব্যবসা প্রক্রিয়া

পাইথন গেটওয়ের অংশ হিসাবে ডিফল্টভাবে পরীক্ষা উত্পাদন এবং পরীক্ষা ব্যবসার প্রক্রিয়া উপলব্ধ। তাদের ব্যবহার করতে:

1. ওএস টার্মিনাল রানে: pip install pandas matplotlib seaborn.
2. ইন্টারসিস্টেম আইআরআইএস টার্মিনালে, চালান: do ##class(isc.py.test.CannibalizationData).Import() পরীক্ষার তথ্য পূরণ করতে।
3. পণ্য চালু করুন isc.py.test.Production.
4. অনুরোধের ধরন পাঠান Ens.Request в isc.py.test.Process.

দেখা যাক কিভাবে সব একসাথে কাজ করে। খোলা isc.py.test.Process বিপিএল সম্পাদকে:

কোড এক্সিকিউশন

সবচেয়ে গুরুত্বপূর্ণ কল হল পাইথন কোড কার্যকর করা:

অনুরোধ ব্যবহার করা হয়েছে isc.py.msg.ExecutionRequest, এখানে এর বৈশিষ্ট্য রয়েছে:

• Code - পাইথন কোড।
• SeparateLines - এক্সিকিউশনের জন্য কোডটিকে লাইনে বিভক্ত করতে হবে কিনা। $c(10) (n) স্ট্রিং আলাদা করতে ব্যবহৃত হয়। দয়া করে মনে রাখবেন যে পুরো বার্তাটি একবারে প্রক্রিয়া করার সুপারিশ করা হয় না, এই ফাংশনটি শুধুমাত্র প্রক্রিয়াকরণের জন্য def এবং অনুরূপ মাল্টিলাইন এক্সপ্রেশন। ডিফল্ট 0.
• Variables একটি কমা দ্বারা পৃথক করা ভেরিয়েবলের তালিকা যা প্রতিক্রিয়াতে যোগ করা হবে।
• Serialization - আমরা যে ভেরিয়েবলগুলি ফেরত দিতে চাই সেগুলোকে কিভাবে সিরিয়াল করা যায়। বিকল্প: Str, Repr, JSON, Pickle и Dill, ডিফল্ট Str.

আমাদের ক্ষেত্রে, আমরা শুধুমাত্র সম্পত্তি সেট Code, যাতে অন্যান্য সমস্ত বৈশিষ্ট্য তাদের ডিফল্ট মান ব্যবহার করে। আমরা ফোন করে সেট আপ করি process.GetAnnotation("Import pandas"), যা রানটাইমে পরিবর্তনশীল প্রতিস্থাপন সঞ্চালিত হওয়ার পরে একটি টীকা প্রদান করে। অবশেষে কোড import pandas as pd পাইথনে পাঠানো হবে। GetAnnotation মাল্টি-লাইন পাইথন স্ক্রিপ্ট পাওয়ার জন্য উপযোগী হতে পারে, কিন্তু কোড পাওয়ার এই উপায়ে কোন সীমাবদ্ধতা নেই। আপনি সম্পত্তি সেট করতে পারেন Code আপনার জন্য সুবিধাজনক যেকোনো উপায়ে।

ভেরিয়েবল পাওয়া

ব্যবহার করে আরেকটি আকর্ষণীয় চ্যালেঞ্জ isc.py.msg.ExecutionRequest - Correlation Matrix: Tabular:

এটি পাইথনের পাশে পারস্পরিক সম্পর্ক ম্যাট্রিক্স গণনা করে এবং ভেরিয়েবলটি বের করে corrmat অনুরোধের বৈশিষ্ট্যগুলি সেট করে JSON ফর্ম্যাটে ইন্টারসিস্টেমস আইআরআইএস-এ ফিরে যান:

• Variables: "corrmat"
• Serialization: "JSON"

আমরা ভিজ্যুয়াল ট্রেসে ফলাফল দেখতে পারি:

এবং যদি আমাদের BP তে এই মানটির প্রয়োজন হয় তবে এটি এইভাবে পাওয়া যেতে পারে: callresponse.Variables.GetAt("corrmat").

তথ্য স্থানান্তর

এর পরে, ইন্টারসিস্টেম আইআরআইএস থেকে পাইথনে ডেটা স্থানান্তর করার বিষয়ে কথা বলা যাক, সমস্ত ডেটা স্থানান্তর অনুরোধ ইন্টারফেস বাস্তবায়ন করে isc.py.msg.DataRequest, যা নিম্নলিখিত বৈশিষ্ট্য প্রদান করে:

• Variable একটি পাইথন ভেরিয়েবল যেখানে ডেটা লেখা হয়।
• Type - পরিবর্তনশীল প্রকার: dataframe (পান্ডাস ডেটাফ্রেম) বা list.
• Namespace - যে এলাকা থেকে আমরা ডেটা পাই। প্লাস্টিক ব্যাগ isc.py এই এলাকায় উপলব্ধ করা উচিত. এটি পণ্য সমর্থন ছাড়া একটি এলাকা হতে পারে.

এই ইন্টারফেসের উপর ভিত্তি করে, অনুরোধের 4 শ্রেণীর প্রয়োগ করা হয়:

• isc.py.msg.QueryRequest - সেট সম্পত্তি Query একটি এসকিউএল কোয়েরি পাঠাতে।
• isc.py.msg.ClassRequest - সেট সম্পত্তি Class ক্লাস ডেটা পাস করতে।
• isc.py.msg.TableRequest - সেট সম্পত্তি Table টেবিল ডেটা পাস করতে।
• isc.py.msg.GlobalRequest - সেট সম্পত্তি Global বিশ্বব্যাপী ডেটা স্থানান্তর করতে।

পরীক্ষার প্রক্রিয়ায়, কার্যকলাপ দেখুন RAWযেখানে isc.py.msg.QueryRequest কর্মে দেখানো হয়েছে।

একটি পাইথন প্রসঙ্গ সংরক্ষণ/পুনরুদ্ধার করা হচ্ছে

অবশেষে, আমরা পাইথন প্রসঙ্গটি ইন্টারসিস্টেম আইআরআইএস-এ সংরক্ষণ করতে পারি, এটি করতে, পাঠান isc.py.msg.SaveRequest যুক্তি সহ:

• Mask — মাস্ককে সন্তুষ্ট করে এমন ভেরিয়েবলগুলিই সংরক্ষিত হয়। সমর্থিত * и ?। উদাহরণ: "Data*, Figure?"... ডিফল্ট *.
• MaxLength — সংরক্ষিত ভেরিয়েবলের সর্বোচ্চ দৈর্ঘ্য। যদি একটি পরিবর্তনশীলের ক্রমিকতা দীর্ঘ হয়, তাহলে এটি উপেক্ষা করা হবে। যেকোনো দৈর্ঘ্যের ভেরিয়েবল পেতে 0 এ সেট করুন। ডিফল্ট $$$MaxStringLength.
• Name — প্রসঙ্গ নাম (ঐচ্ছিক)।
• Description — প্রসঙ্গের বর্ণনা (ঐচ্ছিক)।

ফেরত দেয় Ens.StringResponse с Id সংরক্ষিত প্রসঙ্গ পরীক্ষা প্রক্রিয়ায়, কার্যকলাপ দেখুন Save Context.

সম্পর্কিত অনুরোধ isc.py.msg.RestoreRequest পাইথনে InterSystems IRIS থেকে একটি প্রসঙ্গ লোড করে:

• ContextId প্রসঙ্গ শনাক্তকারী।
• Clear - পুনরুদ্ধার করার আগে প্রসঙ্গটি পরিষ্কার করুন।

Jupyter নোটবুক

Jupyter নোটবুক একটি ওপেন সোর্স ওয়েব অ্যাপ্লিকেশন যা আপনাকে কোড, ভিজ্যুয়ালাইজেশন এবং পাঠ্য সহ নোটবুক তৈরি এবং প্রকাশ করতে দেয়৷ পাইথন গেটওয়ে আপনাকে জুপিটার নোটবুক হিসাবে বিপিএল প্রক্রিয়াগুলি দেখতে এবং সম্পাদনা করতে দেয়। মনে রাখবেন যে নিয়মিত পাইথন 3 নির্বাহক বর্তমানে ব্যবহার করা হচ্ছে।

এই এক্সটেনশনটি অনুমান করে যে টীকাগুলিতে পাইথন কোড থাকে এবং পূর্ববর্তী শিরোনাম হিসাবে কার্যকলাপের নাম ব্যবহার করে৷ জুপিটার নোটবুকে পাইথনগেটওয়ে ব্যবসায়িক প্রক্রিয়া বিকাশ করা এখন সম্ভব। এখানে যা সম্ভব:

• নতুন ব্যবসায়িক প্রক্রিয়া তৈরি করুন
• ব্যবসায়িক প্রক্রিয়া মুছুন
• নতুন কার্যক্রম তৈরি করুন
• কার্যক্রম পরিবর্তন করুন
• কার্যক্রম মুছুন

এখানে ডেমো ভিডিও. এবং কিছু স্ক্রিনশট:

প্রসেস এক্সপ্লোরার

প্রক্রিয়া সম্পাদক

বিন্যাস

1. আপনার প্রয়োজন হবে InterSystems IRIS 2019.2+।
2. PythonGateway v0.8+ ইনস্টল করুন (শুধুমাত্র প্রয়োজন isc.py.util.Jupyter, isc.py.util.JupyterCheckpoints и isc.py.ens.ProcessUtils).
3. রিপোজিটরি থেকে অবজেক্টস্ক্রিপ্ট কোড আপডেট করুন।
4. এক্সিকিউট do ##class(isc.py.util.Jupyter).Install() এবং প্রম্পট অনুসরণ করুন।

Документация.

তথ্যও

MLToolkit হল টুলের একটি সেট যার লক্ষ্য মডেল এবং একটি লেনদেন পরিবেশ একত্রিত করা যাতে নির্মিত মডেলগুলি আপনার ব্যবসায়িক প্রক্রিয়াগুলিতে সরাসরি ব্যবহার করা যায়। Python Gateway MLToolkit-এর অংশ এবং পাইথন ভাষার সাথে একীভূতকরণ প্রদান করে, আপনাকে পাইথনে তৈরি যেকোন মেশিন লার্নিং অ্যালগরিদম (অনেক ডেটা বিজ্ঞানীদের জন্য প্রধান পরিবেশ) অর্কেস্ট্রেট করতে দেয়, দ্রুত অভিযোজিত, রোবোটিক বিশ্লেষণাত্মক AI/ তৈরি করতে অসংখ্য রেডিমেড লাইব্রেরি ব্যবহার করে। ইন্টারসিস্টেম প্ল্যাটফর্ম আইআরআইএস-এ এমএল সমাধান।

রেফারেন্স

• পূর্ববর্তী নিবন্ধ
• পাইথন গেটওয়ে
• পাইথন গেটওয়ে নমুনা
• অভিসারী বিশ্লেষণ
• পাইথন 3.6.7 64 বিট
• পাইথন ডকুমেন্টেশন এবং কোর্স

MLToolkit

MLToolkit ব্যবহারকারী গোষ্ঠী হল একটি ব্যক্তিগত GitHub সংগ্রহস্থল যা InterSystems কর্পোরেট GitHub সংস্থার অংশ হিসাবে তৈরি করা হয়েছে। এটি বহিরাগত ব্যবহারকারীদের সম্বোধন করা হয় যারা পাইথন গেটওয়ে সহ MLToolkit উপাদানগুলি ইনস্টল করছেন, শিখছেন বা ইতিমধ্যে ব্যবহার করছেন। বিপণন, উত্পাদন, ওষুধ এবং অন্যান্য অনেক শিল্পের ক্ষেত্রে এই গ্রুপটির বেশ কয়েকটি বাস্তবায়িত কেস রয়েছে (সোর্স কোড এবং পরীক্ষার ডেটা সহ)। ML Toolkit ব্যবহারকারী গ্রুপে যোগ দিতে, অনুগ্রহ করে নিম্নলিখিত ঠিকানায় একটি ছোট ইমেল পাঠান: [ইমেল সুরক্ষিত] এবং আপনার চিঠিতে নিম্নলিখিত তথ্য অন্তর্ভুক্ত করুন:

• GitHub ব্যবহারকারীর নাম
• প্রতিষ্ঠান (আপনি কাজ বা অধ্যয়ন)
• অবস্থান (আপনার প্রতিষ্ঠানে আপনার প্রকৃত অবস্থান, হয় "ছাত্র" বা "স্বাধীন")।
• দেশ

যারা নিবন্ধটি পড়েছেন এবং কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিং প্রক্রিয়া বিকাশ বা হোস্ট করার জন্য একটি প্ল্যাটফর্ম হিসাবে ইন্টারসিস্টেম IRIS-এ আগ্রহী, আমরা আপনাকে আপনার উদ্যোগের আগ্রহের সম্ভাব্য পরিস্থিতি নিয়ে আলোচনা করার জন্য আমন্ত্রণ জানাচ্ছি। আমরা সহজেই আপনার এন্টারপ্রাইজের চাহিদা বিশ্লেষণ করব এবং যৌথভাবে একটি কর্ম পরিকল্পনা নির্ধারণ করব; আমাদের AI/ML বিশেষজ্ঞ গোষ্ঠীর ইমেল ঠিকানা যোগাযোগ করুন - [ইমেল সুরক্ষিত].

উত্স: www.habr.com