यो लेख पाइथन गेटवेको बारेमा हो, इन्टरसिस्टम्स IRIS डाटा प्लेटफर्मको लागि खुला स्रोत सामुदायिक परियोजना। यस परियोजनाले तपाईंलाई पाइथन (धेरै डाटा वैज्ञानिकहरूका लागि मुख्य वातावरण) मा सिर्जना गरिएका कुनै पनि मेसिन लर्निङ एल्गोरिदमहरू अर्केस्ट्रेट गर्न अनुमति दिन्छ, InterSystems IRIS प्लेटफर्ममा द्रुत रूपमा अनुकूली, रोबोटिक विश्लेषणात्मक AI / ML समाधानहरू सिर्जना गर्न असंख्य तयार पुस्तकालयहरू प्रयोग गर्नुहोस्। यस लेखमा, म तपाईंलाई देखाउनेछु कि कसरी InterSystems IRIS ले पाइथन प्रक्रियाहरू अर्केस्ट्रेट गर्न सक्छ, कुशल दुई-तर्फी डाटा स्थानान्तरण गर्न सक्छ, र बुद्धिमानी व्यापार प्रक्रियाहरू सिर्जना गर्न सक्छ।

योजना

1. परिचय
2. उपकरणहरू।
3. स्थापना।
4. एपीआई
5. अन्तरक्रियाशीलता।
6. Jupyter नोटबुक।
7. निष्कर्ष।
8. लिङ्कहरू।
9. M.L. Toolkit।

परिचय

पाइथन एक उच्च-स्तर, सामान्य-उद्देश्य प्रोग्रामिङ भाषा हो जुन विकासकर्ताको उत्पादकता र कोड पढ्न योग्यता सुधार गर्नमा केन्द्रित छ। लेखहरूको यस शृङ्खलामा, म InterSystems IRIS प्लेटफर्ममा पाइथन भाषा प्रयोग गर्ने सम्भावनाहरूको बारेमा कुरा गर्नेछु, जबकि यस लेखको मुख्य फोकस मेसिन लर्निङ मोडेलहरू सिर्जना गर्न र लागू गर्न भाषाको रूपमा पाइथनको प्रयोग हो।

मेशिन लर्निङ (ML) कृत्रिम बुद्धिमत्ता विधिहरूको एक वर्ग हो, जसको विशेषता भनेको समस्याको प्रत्यक्ष समाधान होइन, तर धेरै समान समस्याहरू समाधान गर्ने प्रक्रियामा सिक्ने हो।

मेसिन लर्निङ एल्गोरिदम र मोडेलहरू अधिक र अधिक सामान्य हुँदैछन्। यसको लागि धेरै कारणहरू छन्, तर यो सबै पहुँच, सरलता, र व्यावहारिक परिणामहरू प्राप्त गर्न तल आउँछ। के क्लस्टरिङ वा न्यूरल नेटवर्क मोडलिङ नयाँ प्रविधि हो?

अवश्य होइन, तर आजकल एक मोडेल चलाउनको लागि सयौं हजार लाइनहरू कोड लेख्न आवश्यक छैन, र मोडेलहरू सिर्जना गर्न र प्रयोग गर्ने लागतहरू साना र सानो हुँदैछन्।

उपकरणहरू विकसित हुँदैछन् - जबकि हामीसँग पूर्ण रूपमा GUI उन्मुख AI/ML उपकरणहरू छैनन्, हामीले BI (कोड लेख्ने देखि फ्रेमवर्कहरू र GUI उन्मुख कन्फिगरेबल समाधानहरू प्रयोग गर्ने सम्म) जस्ता सूचना प्रणालीहरूको धेरै अन्य वर्गहरूमा देखेको प्रगति पनि देख्न सकिन्छ। AI/ML निर्माण उपकरणहरूमा। हामीले कोड लेखनको चरण पार गरिसकेका छौं र आज हामी निर्माण र प्रशिक्षण मोडेलहरूको लागि फ्रेमवर्कहरू प्रयोग गर्दछौं।

अन्य सुधारहरू, जस्तै पूर्व-प्रशिक्षित मोडेल प्रचार गर्ने क्षमता जहाँ अन्तिम प्रयोगकर्ताले केवल आफ्नो विशिष्ट डेटामा मोडेललाई प्रशिक्षण दिनै पर्छ, यसले मेसिन लर्निङ लागू गर्न सुरु गर्न सजिलो बनाउँछ। यी प्रगतिहरूले पेशेवरहरू र समग्र रूपमा कम्पनीहरू दुवैका लागि मेसिन लर्निङ सिक्न धेरै सजिलो बनाउँछ।

अर्कोतर्फ, हामी अधिक र अधिक डाटा सङ्कलन। InterSystems IRIS जस्ता एकीकृत डाटा प्लेटफर्मको साथ, यी सबै जानकारीहरू तुरुन्तै तयार गर्न सकिन्छ र मेसिन लर्निङ मोडेलहरूको लागि इनपुटको रूपमा प्रयोग गर्न सकिन्छ।

क्लाउडमा संक्रमणको साथ, AI/ML परियोजनाहरू सुरु गर्न पहिले भन्दा सजिलो छ। हामीले चाहिने स्रोतसाधन मात्र उपभोग गर्न सक्छौं। यसबाहेक, क्लाउड प्लेटफर्महरू द्वारा प्रस्ताव गरिएको समानान्तरको लागि धन्यवाद, हामी बर्बाद समय बचत गर्न सक्छौं।

तर परिणामको बारेमा के? यहाँ चीजहरू थप जटिल हुन्छन्। त्यहाँ मोडेल निर्माण गर्न धेरै उपकरणहरू छन्, जुन म अर्को छलफल गर्नेछु। राम्रो मोडेल निर्माण गर्न सजिलो छैन, तर अब के हुन्छ? व्यवसायद्वारा मोडेलको प्रयोगबाट लाभ उठाउनु पनि एक गैर-तुच्छ कार्य हो। समस्याको जड विश्लेषणात्मक र लेनदेन कार्यभार र डेटा मोडेलहरूको विभाजन हो। जब हामी एक मोडेललाई तालिम दिन्छौं, हामी सामान्यतया ऐतिहासिक डेटामा गर्छौं। तर निर्माण गरिएको मोडेलको लागि स्थान लेनदेन डाटा प्रोसेसिंगमा छ। यदि हामीले यसलाई दिनमा एक पटक चलायौं भने सबैभन्दा राम्रो धोखाधडी लेनदेन पत्ता लगाउने मोडेल के राम्रो छ? घोटाला गर्नेहरूले लामो समयदेखि पैसा लिएर छोडेका छन्। हामीले ऐतिहासिक डेटामा मोडेललाई तालिम दिन आवश्यक छ, तर हामीले यसलाई नयाँ आगमन डेटामा वास्तविक समयमा लागू गर्न आवश्यक छ ताकि हाम्रो व्यापार प्रक्रियाहरूले मोडेलले गरेको भविष्यवाणी अनुसार कार्य गर्न सकून्।

ML Toolkit एउटा टुलकिट हो जसले केवल त्यहि गर्छ: मोडेलहरू सँगै ल्याउने र लेनदेन गर्ने वातावरण ताकि तपाईंले निर्माण गर्नुभएका मोडेलहरू सजिलैसँग तपाईंको व्यापार प्रक्रियाहरूमा प्रयोग गर्न सकिन्छ। पाइथन गेटवे ML Toolkit को एक भाग हो र Python भाषासँग एकीकरण प्रदान गर्दछ (R गेटवे जस्तै, ML Toolkit को अंश हुनुले R भाषासँग एकीकरण प्रदान गर्दछ)।

टूलकिट

हामीले जारी राख्नु अघि, म केही पाइथन उपकरण र पुस्तकालयहरू वर्णन गर्न चाहन्छु जुन हामीले पछि प्रयोग गर्नेछौं।

प्रविधिको

• पाइथन एक व्याख्या गरिएको, सामान्य-उद्देश्य, उच्च-स्तरीय प्रोग्रामिङ भाषा हो। भाषाको मुख्य फाइदा भनेको गणितीय, एमएल र एआई पुस्तकालयहरूको ठूलो पुस्तकालय हो। ObjectScript जस्तै, यो वस्तु-उन्मुख भाषा हो, तर सबै कुरा गतिशील रूपमा परिभाषित गरिएको छ, स्थिर रूपमा होइन। साथै सबै वस्तु हो। पछिका लेखहरूले भाषाको साथ एक गुजरने परिचय मान्छन्। यदि तपाइँ सिक्न सुरु गर्न चाहनुहुन्छ भने, म संग सुरु गर्न सिफारिस गर्दछु कागजात.
• हाम्रो अर्को अभ्यासको लागि, सेट गर्नुहोस् पाइथन ३.६.७ ६४ बिट.
• IDE: म प्रयोग गर्छु PyCharm, तर सामान्य मा много। यदि तपाइँ एटेलियर प्रयोग गर्दै हुनुहुन्छ भने, त्यहाँ पाइथन विकासकर्ताहरूको लागि ग्रहण प्लगइन छ। यदि तपाइँ VS कोड प्रयोग गर्दै हुनुहुन्छ भने, त्यहाँ पाइथनको लागि विस्तार छ।
• नोटबुक: IDE को सट्टा, तपाईं अनलाइन नोटबुकहरूमा आफ्नो लिपिहरू लेख्न र साझेदारी गर्न सक्नुहुन्छ। ती मध्ये सबैभन्दा लोकप्रिय छ जुपिटर.

पुस्तकालयहरु

यहाँ मेसिन लर्निङ पुस्तकालयहरूको (आंशिक) सूची छ:

• नम्पी - सटीक गणनाको लागि आधारभूत प्याकेज।
• पाण्डस - उच्च प्रदर्शन डाटा संरचना र डाटा विश्लेषण उपकरण।
• matplotlib - चार्ट को निर्माण।
• समुद्री - matplotlib मा आधारित डाटा दृश्य।
• Sklearn - मेसिन लर्निंग विधिहरू।
• XGBoost — ग्रेडियन्ट बूस्टिङ पद्धति भित्र मेसिन लर्निङ एल्गोरिदमहरू।
• जेन्सिम - एनएलपी।
• केरास - तंत्रिका नेटवर्कहरू।
• टेन्सरफ्लो मेसिन लर्निङ मोडेलहरू सिर्जना गर्ने प्लेटफर्म हो।
• पाइटोरच पाइथनमा केन्द्रित मेसिन लर्निङ मोडेलहरू सिर्जना गर्ने प्लेटफर्म हो।
• न्योका - विभिन्न मोडेलबाट PMML।

AI/ML प्रविधिहरूले व्यवसायलाई अझ प्रभावकारी र अनुकूलनीय बनाउँछ। यसबाहेक, आज यी प्रविधिहरू विकास र कार्यान्वयन गर्न सजिलो हुँदै गएको छ। AI/ML टेक्नोलोजीहरू र तिनीहरूले तपाईंको संगठनलाई कसरी वृद्धि गर्न मद्दत गर्न सक्छन् भन्ने बारे सिक्न सुरु गर्नुहोस्।

सेटिङ

पाइथन गेटवे स्थापना र प्रयोग गर्ने थुप्रै तरिकाहरू छन्:

• OS
  • Windows
  • लिनक्स
  • म्याक
• डकर
  • DockerHub बाट छवि प्रयोग गर्नुहोस्
  • तपाईंको आफ्नै छवि सिर्जना गर्नुहोस्

स्थापना विधि जस्तोसुकै भए पनि, तपाईंलाई स्रोत कोड चाहिन्छ। कोड डाउनलोड गर्न एक मात्र ठाउँ हो पृष्ठ जारी गर्दछ। यसमा परीक्षण गरिएको स्थिर रिलीजहरू समावेश छन्, भर्खरको एउटा लिनुहोस्। हाल यो 0.8 छ, तर समय संग त्यहाँ नयाँ हुनेछ। भण्डार क्लोन/डाउनलोड नगर्नुहोस्, नवीनतम रिलीज डाउनलोड गर्नुहोस्।

OS

यदि तपाइँ अपरेटिङ सिस्टममा पाइथन गेटवे स्थापना गर्दै हुनुहुन्छ भने, त्यसपछि पहिले (अपरेटिङ सिस्टम जुनसुकै भए पनि) तपाइँलाई पाइथन स्थापना गर्न आवश्यक पर्दछ। यसका लागि:

1. Python 3.6.7 64 बिट स्थापना गर्नुहोस्। पूर्वनिर्धारित डाइरेक्टरीमा पाइथन स्थापना गर्न सिफारिस गरिन्छ।
2. मोड्युल स्थापना गर्नुहोस् dill: pip install dill.
3. वस्तुस्क्रिप्ट कोड डाउनलोड गर्नुहोस् (जस्तै do $system.OBJ.ImportDir("C:InterSystemsReposPythoniscpy", "*.cls", "c",,1)उत्पादनहरु संग कुनै पनि क्षेत्रमा। यदि तपाइँ अवस्थित क्षेत्र उत्पादनहरूलाई समर्थन गर्न चाहनुहुन्छ भने, चलाउनुहोस्: write ##class(%EnsembleMgr).EnableNamespace($Namespace, 1).
4. ठाउँ कलआउट DLL/SO/DYLIB फोल्डरमा bin तपाईंको InterSystems IRIS उदाहरण। पुस्तकालय फाइल फिर्ता गरिएको मार्गमा उपलब्ध हुनुपर्छ write ##class(isc.py.Callout).GetLib().

Windows

1. सुनिश्चित गर्नुहोस् कि वातावरण चर हो PYTHONHOME पाइथन ३.६.७ लाई पोइन्ट गर्छ।
2. सुनिश्चित गर्नुहोस् कि प्रणाली वातावरण चर हो PATH एक चर समावेश गर्दछ PYTHONHOME (वा यसले संकेत गरेको डाइरेक्टरी)।

लिनक्स (डेबियन/उबुन्टु)

1. वातावरण चर छ कि छैन जाँच गर्नुहोस् PATH समावेश गर्दछ /usr/lib и /usr/lib/x86_64-linux-gnu। फाइल प्रयोग गर्नुहोस् /etc/environment वातावरण चर सेट गर्न।
2. त्रुटिहरूको अवस्थामा undefined symbol: _Py_TrueStruct सेटिङ सेट गर्नुहोस् PythonLib। मा पनि Readme त्यहाँ एक समस्या निवारण खण्ड छ।

म्याक

1. हाल पाइथन ३.६.७ बाट मात्र समर्थित छ पाइथन.ऑर्ग। चर जाँच गर्नुहोस् PATH.

यदि तपाईंले वातावरण चर परिवर्तन गर्नुभएको छ भने, तपाईंको InterSystems उत्पादन पुन: सुरु गर्नुहोस्।

डकर

कन्टेनरहरू प्रयोग गर्दा धेरै फाइदाहरू छन्:

• पोर्टेबिलिटी
• प्रभावकारीता
• इन्सुलेशन
• हल्कापन
• अपरिवर्तनीयता

यो जाँच गर्नुहोस् लेखहरूको एक श्रृंखला InterSystems उत्पादनहरु संग Docker को उपयोग मा अधिक जानकारी को लागी।

सबै पाइथन गेटवे निर्माणहरू हाल कन्टेनरमा आधारित छन्। 2019.4.

समाप्त छवि

चलाउनुहोस्: docker run -d -p 52773:52773 --name irispy intersystemscommunity/irispy-community:latestInterSystems IRIS सामुदायिक संस्करणको साथ पाइथन गेटवे डाउनलोड गर्न र चलाउन। यति नै।

तपाईंको आफ्नै छवि सिर्जना गर्नुहोस्

डकर छवि निर्माण गर्न, भण्डारको मूलमा चलाउनुहोस्: docker build --force-rm --tag intersystemscommunity/irispy:latest ..
पूर्वनिर्धारित रूपमा, छवि छविमा आधारित बनाइएको छ store/intersystems/iris-community:2019.4.0.383.0, यद्यपि तपाइँ यसलाई चर सेट गरेर परिवर्तन गर्न सक्नुहुन्छ IMAGE.
InterSystems IRIS रनबाट निर्माण गर्न: `docker build --build-arg IMAGE=store/intersystems/iris:2019.4.0.383.0 --force-rm --tag intersystemscommunity/irispy:latest'।

त्यस पछि, तपाइँ डकर छवि चलाउन सक्नुहुन्छ:

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

यदि तपाइँ InterSystems IRIS समुदाय संस्करणमा आधारित छवि प्रयोग गर्दै हुनुहुन्छ भने, तपाइँले कुञ्जी निर्दिष्ट गर्न आवश्यक छैन।

Комментарии

• परीक्षण प्रक्रिया isc.py.test.Process अस्थायी डाइरेक्टरीमा धेरै छविहरू बचत गर्दछ। तपाईँले यो मार्गलाई माउन्ट गरिएको डाइरेक्टरीमा परिवर्तन गर्न सक्नुहुन्छ। यो गर्न, सेटिङ सम्पादन गर्नुहोस् WorkingDir माउन्ट गरिएको डाइरेक्टरी निर्दिष्ट गर्दै।
• टर्मिनल पहुँच गर्न, चलाउनुहोस्: docker exec -it irispy sh.
• लगइन गरेर प्रणाली व्यवस्थापन पोर्टलमा पहुँच गर्नुहोस् SuperUser/SYS.
• कन्टेनर रोक्न, चलाउनुहोस्: docker stop irispy && docker rm --force irispy.

स्थापना जाँच गर्दै

एकचोटि तपाईंले पाइथन गेटवे स्थापना गर्नुभयो, यो काम गरिरहेको छ कि छैन भनेर जाँच गर्न लायक छ। InterSystems IRIS टर्मिनलमा यो कोड चलाउनुहोस्:

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

नतिजा आउनुपर्छ HELLO - पाइथन चर को मान x। यदि फिर्ता स्थिति sc गल्ती हो वा var खाली, जाँच Readme - समस्या निवारण खण्ड.

एपीआई

पाइथन गेटवे स्थापना भएको छ र तपाईंले यो काम गरिरहेको छ भनी प्रमाणित गर्नुभएको छ। यसलाई प्रयोग गर्न सुरु गर्न समय!
पाइथनको मुख्य इन्टरफेस हो isc.py.Main। यसले विधिहरूको निम्न समूहहरू प्रदान गर्दछ (सबै फिर्ता %Status):

• कोड कार्यान्वयन
• डेटा स्थानान्तरण
• सहायक

कोड कार्यान्वयन

यी विधिहरूले तपाईंलाई मनमानी पाइथन कोड कार्यान्वयन गर्न अनुमति दिन्छ।

SimpleString

SimpleString मुख्य विधि हो। यसले 4 वैकल्पिक तर्कहरू लिन्छ:

• code कार्यान्वयन गर्न कोड को रेखा हो। लाइन फिड वर्ण: $c(10).
• returnVariable फर्किने चरको नाम हो।
• serialization - कसरी क्रमबद्ध गर्ने returnVariable। ० - स्ट्रिङ (पूर्वनिर्धारित), १ - पुनरावृत्ति।
• result - भ्यारीएबलमा ByRef सन्दर्भ जसमा मान लेखिएको छ returnVariable.

माथि हामीले गरेका छौं:

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

यस उदाहरणमा, हामी पाइथन चरमा असाइन गर्दैछौं x अर्थ Hello र पाइथन चरको मान फर्काउन चाहन्छ x वस्तुस्क्रिप्ट चरमा var.

कार्यान्वयन कोड

ExecuteCode एक सुरक्षित र कम प्रतिबन्धात्मक विकल्प हो SimpleString.
InterSystems IRIS प्लेटफर्ममा लाइनहरू 3 क्यारेक्टरहरूमा सीमित छन्, र यदि तपाईं कोडको लामो टुक्रा कार्यान्वयन गर्न चाहनुहुन्छ भने, तपाईंले स्ट्रिमहरू प्रयोग गर्न आवश्यक छ।
यसले दुई तर्कहरू लिन्छ:

• code - कार्यान्वयन गरिने पाइथन कोडको स्ट्रिङ वा स्ट्रिम।
• variable - (वैकल्पिक) कार्यान्वयनको परिणाम असाइन गर्दछ code यो पाइथन चर।

प्रयोग गर्न सुझाव:

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

यस उदाहरणमा, हामी 2 लाई 3 द्वारा गुणन गर्छौं र नतिजालाई पाइथन चरमा भण्डार गर्छौं y.

डेटा स्थानान्तरण

Python मा र बाट डाटा पास गर्नुहोस्।

पाइथन -> InterSystems IRIS

InterSystems IRIS मा पाइथन चरको मान प्राप्त गर्ने 4 तरिकाहरू छन्, तपाईंलाई आवश्यक पर्ने क्रमबद्धताको आधारमा:

• String साधारण डाटा प्रकार र डिबगिङका लागि।
• Repr साधारण वस्तुहरू भण्डारण र डिबगिङका लागि।
• JSON InterSystems IRIS पक्षमा सजिलो डेटा हेरफेरको लागि।
• Pickle वस्तुहरू बचत गर्न।

यी विधिहरूले तपाईंलाई पाइथनबाट स्ट्रिङ वा स्ट्रिमको रूपमा चरहरू प्राप्त गर्न अनुमति दिन्छ।

• GetVariable(variable, serialization, .stream, useString) - प्राप्त serialization भ्यारीएबल variable в stream। यदि useString 1 छ र क्रमबद्धता स्ट्रिङमा राखिएको छ, त्यसपछि स्ट्रिङ फर्काइन्छ, स्ट्रिम होइन।
• GetVariableJson(variable, .stream, useString) - एक चर को JSON क्रमिकरण प्राप्त गर्नुहोस्।
• GetVariablePickle(variable, .stream, useString, useDill) - एक चरको अचार (वा डिल) क्रमबद्धता प्राप्त गर्नुहोस्।

हाम्रो चर प्राप्त गर्ने प्रयास गरौं y.

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

InterSystems IRIS -> पाइथन

InterSystems IRIS बाट Python मा डेटा लोड गर्दै।

• ExecuteQuery(query, variable, type, namespace) - डेटासेट (पान्डा dataframe वा list) sql क्वेरीबाट र यसलाई python चरमा सेट गर्नुहोस् variable। प्लास्टिक झोला isc.py क्षेत्रमा उपलब्ध हुनुपर्छ namespace - अनुरोध त्यहाँ कार्यान्वयन गरिनेछ।
• ExecuteGlobal(global, variable, type, start, end, mask, labels, namespace) - ग्लोबल डाटा लोड गर्दछ global सदस्यताबाट start गर्न end पाइथनमा टाइप चलको रूपमा type: list, वा पाण्डाहरू dataframe। वैकल्पिक तर्कहरूको विवरण mask र labels वर्ग कागजात र भण्डारमा उपलब्ध छ डाटा ट्रान्सफर कागजात.
• ExecuteClass(class, variable, type, start, end, properties, namespace) - कक्षा डाटा लोड गर्दछ class आईडी बाट start गर्न end पाइथनमा टाइप चलको रूपमा type: list, वा पाण्डाहरू dataframe. properties — डेटा सेटमा लोड गर्नका लागि वर्ग गुणहरूको सूची (अल्पविरामद्वारा छुट्याइएको)। मास्क समर्थित * и ?। पूर्वनिर्धारित - * (सबै गुणहरू)। सम्पत्ति %%CLASSNAME बेवास्ता गरियो।
• ExecuteTable(table, variable, type, start, end, properties, namespace) - तालिका डाटा लोड गर्दछ table आईडी बाट start गर्न end अजगर मा।

ExecuteQuery - विश्वव्यापी (कुनै पनि मान्य SQL क्वेरी पाइथनमा पठाइनेछ)। तर, ExecuteGlobal र उसको लपेटो ExecuteClass и ExecuteTable धेरै प्रतिबन्धहरूसँग काम गर्नुहोस्। तिनीहरू धेरै छिटो छन् (ODBC चालक भन्दा 3-5 गुणा छिटो र 20 गुणा छिटो ExecuteQuery)। मा थप जानकारी डाटा ट्रान्सफर कागजात.
यी सबै विधिहरूले कुनै पनि क्षेत्रबाट डाटा ट्रान्सफर गर्न समर्थन गर्दछ। प्लास्टिक झोला isc.py लक्षित क्षेत्रमा उपलब्ध हुनुपर्छ।

ExecuteQuery

ExecuteQuery(request, variable, type, namespace) - पाइथनमा कुनै पनि मान्य SQL क्वेरीको नतिजा पास गर्दै। यो सबैभन्दा ढिलो डाटा स्थानान्तरण विधि हो। यदि प्रयोग गर्नुहोस् ExecuteGlobal र यसको र्यापरहरू उपलब्ध छैनन्।

तर्कहरू:

• query - sql क्वेरी।
• variable - पाइथन चरको नाम जसमा डाटा लेखिएको छ।
• type - list वा पाण्डा dataframe.
• namespace - अनुरोध कार्यान्वयन गरिने क्षेत्र।

ग्लोबल कार्यान्वयन गर्नुहोस्

ExecuteGlobal(global, variable, type, start, end, mask, labelels, namespace) - पाइथनमा विश्वव्यापी पार गर्दै।

तर्कहरू:

• global बिना ग्लोबल को नाम हो ^
• variable - पाइथन चरको नाम जसमा डाटा लेखिएको छ।
• type - list वा पाण्डा dataframe.
• start - विश्वव्यापी को पहिलो सदस्यता। अनिवार्य रूपमा %Integer.
• end विश्वव्यापी को अन्तिम सबस्क्रिप्ट हो। अनिवार्य रूपमा %Integer.
• mask - विश्वव्यापी मूल्यहरूको मुखौटा। मास्क विश्वव्यापी क्षेत्रहरूको संख्या भन्दा छोटो हुन सक्छ (जसको अवस्थामा अन्तमा फिल्डहरू छोडिनेछ)। मास्क ढाँचा कसरी गर्ने:
  • + मान जस्तै पास गर्नुहोस्।
  • - मूल्य छोड्नुहोस्।
  • b - बुलियन प्रकार (0 - False, बाकी सबै - True).
  • d — मिति ($ horolog बाट, 1970 बाट Windows मा, 1900 बाट Linux मा)।
  • t - समय ($ horolog, मध्यरात पछि सेकेन्ड)।
  • m — टाइमस्ट्याम्प (YEAR-MONTH-DAY HOUR:MINUTE:SECOND ढाँचा स्ट्रिङ)।
• labels - % स्तम्भ नामहरूको सूची। पहिलो तत्व सबस्क्रिप्टको नाम हो।
• namespace - अनुरोध कार्यान्वयन गरिने क्षेत्र।

ExecuteClass

लपेट्नुहोस् ExecuteGlobal। कक्षा परिभाषामा आधारित कल तयार गर्दछ ExecuteGlobal र उसलाई बोलाउँछ।

ExecuteClass(class, variable, type, start, end, properties, namespace) - पाइथनमा कक्षा डाटा पास गर्दै।

तर्कहरू:

• class - कक्षाको नाम
• variable - पाइथन चरको नाम जसमा डाटा लेखिएको छ।
• type - list वा पाण्डा dataframe.
• start - प्रारम्भिक आईडी।
• end - अन्तिम आईडी
• properties — डेटा सेटमा लोड गर्नका लागि वर्ग गुणहरूको सूची (अल्पविरामद्वारा छुट्याइएको)। मास्क समर्थित * и ?। पूर्वनिर्धारित - * (सबै गुणहरू)। सम्पत्ति %%CLASSNAME बेवास्ता गरियो।
• namespace - अनुरोध कार्यान्वयन गरिने क्षेत्र।

प्रकार गुणहरू बाहेक सबै गुणहरू पास गरिएका छन् %Date, %Time, %Boolean и %TimeStamp - तिनीहरू सम्बन्धित पाइथन कक्षाहरूमा रूपान्तरण हुन्छन्।

कार्यान्वयन तालिका

लपेट्नुहोस् ExecuteClass। तालिकाको नामलाई कक्षाको नाम र कलहरूमा अनुवाद गर्छ ExecuteClass। हस्ताक्षर:

ExecuteTable(table, variable, type, start, end, properties, namespace) - पाइथनमा तालिका डाटा पास गर्दै।

तर्कहरू:

• table - तालिका नाम।
  अन्य सबै तर्कहरू जस्तै पारित छन्। ExecuteClass.

टिप्पणीहरू

• ExecuteGlobal, ExecuteClass и ExecuteTable समान रूपमा छिटो काम।
• ExecuteGlobal भन्दा 20 गुणा छिटो ExecuteQuery ठूला डेटासेटहरूमा (स्थानान्तरण समय > ०.०१ सेकेन्ड)।
• ExecuteGlobal, ExecuteClass и ExecuteTable यस संरचनाको साथ ग्लोबलमा काम गर्नुहोस्: ^global(key) = $lb(prop1, prop2, ..., propN) जहाँ key एक पूर्णांक छ।
• गर्न ExecuteGlobal, ExecuteClass и ExecuteTable समर्थित मान दायरा %Date दायरासँग मेल खान्छ mktime र OS मा निर्भर गर्दछWindows: ०1970२-२२११-01, लिनक्स 1900-01-01, मैक)। प्रयोग गर्नुहोस् %TimeStampयस दायरा बाहिर डाटा पास गर्न वा पाण्डा डाटाफ्रेम को रूपमा प्रयोग गर्नुहोस् यो सीमा सूचीको लागि मात्र हो।
• गर्न ExecuteGlobal, ExecuteClass и ExecuteTable डाटा स्रोत (ग्लोबल, क्लास वा टेबल) र चर बाहेक सबै तर्कहरू ऐच्छिक छन्।

उदाहरण

परीक्षण कक्षा isc.py.test.व्यक्ति सबै डेटा स्थानान्तरण विकल्पहरू प्रदर्शन गर्ने विधि समावेश गर्दछ:

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)

कल विधि do ##class(isc.py.test.Person).Test() सबै डाटा स्थानान्तरण विधिहरू कसरी काम गर्दछ भनेर हेर्न।

सहायक विधिहरू

• GetVariableInfo(variable, serialization, .defined, .type, .length) - चरको बारेमा जानकारी प्राप्त गर्नुहोस्: यो परिभाषित गरिएको छ, वर्ग र क्रमबद्ध लम्बाइ।
• GetVariableDefined(variable, .defined) - भ्यारीएबल परिभाषित छ कि छैन।
• GetVariableType(variable, .type) - चलको वर्ग प्राप्त गर्नुहोस्।
• GetStatus() - पायथन छेउमा अन्तिम अपवाद प्राप्त गर्नुहोस् र हटाउनुहोस्।
• GetModuleInfo(module, .imported, .alias) - मोड्युल चर र आयात स्थिति प्राप्त गर्नुहोस्।
• GetFunctionInfo(function, .defined, .type, .docs, .signature, .arguments) - समारोह बारे जानकारी प्राप्त गर्नुहोस्।

अन्तरक्रियाशीलता

तपाईंले टर्मिनलबाट पाइथन गेटवेलाई कसरी कल गर्ने भनेर सिक्नुभयो, अब यसलाई उत्पादनमा प्रयोग गर्न सुरु गरौं। यस मोडमा पाइथनसँग अन्तरक्रिया गर्ने आधार हो isc.py.ens.Operation। यसले हामीलाई अनुमति दिन्छ:

• पाइथन कोड कार्यान्वयन गर्नुहोस्
• पाइथन सन्दर्भ बचत/पुनर्स्थापना गर्नुहोस्
• पाइथनबाट डाटा लोड र प्राप्त गर्नुहोस्

सामान्यतया, एक पाइहटन अपरेशन एक र्यापर ओभर हो isc.py.Main। सञ्चालन isc.py.ens.Operation InterSystems IRIS उत्पादनहरूबाट पाइथन प्रक्रियासँग अन्तरक्रिया गर्न अनुमति दिन्छ। पाँच अनुरोधहरू समर्थित छन्:

• isc.py.msg.ExecutionRequest पाइथन कोड कार्यान्वयन गर्न। फर्काउँछ isc.py.msg.ExecutionResponse कार्यान्वयनको नतिजा र अनुरोध गरिएका चरहरूको मानहरूसँग।
• isc.py.msg.StreamExecutionRequest पाइथन कोड कार्यान्वयन गर्न। फर्काउँछ isc.py.msg.StreamExecutionResponse कार्यान्वयनको परिणाम र अनुरोध गरिएका चरहरूको मानहरू। एनालग isc.py.msg.ExecutionRequest, तर स्ट्रिङको सट्टा स्ट्रिमहरू स्वीकार र फर्काउँछ।
• isc.py.msg.QueryRequest SQL क्वेरी कार्यान्वयनको परिणाम स्थानान्तरण गर्न। फर्काउँछ Ens.Response.
• isc.py.msg.GlobalRequest/isc.py.msg.ClassRequest/isc.py.msg.TableRequest विश्वव्यापी/वर्ग/तालिका डाटा पास गर्न। फर्काउँछ Ens.Response.
• isc.py.msg.SaveRequest पाइथन सन्दर्भ बचत गर्न। फर्काउँछ Ens.StringResponse सन्दर्भ आईडी संग।

• isc.py.msg.RestoreRequest पाइथन सन्दर्भ पुनर्स्थापना गर्न।

  यसबाहेक, isc.py.ens.Operation दुई सेटिङहरू छन्:

  • Initializer - इन्टरफेस लागू गर्ने कक्षा छनोट गर्दै isc.py.init.Abstract। यो प्रकार्यहरू, मोड्युलहरू, कक्षाहरू, र जस्तै लोड गर्न प्रयोग गर्न सकिन्छ। यो प्रक्रिया सुरु भएपछि एक पटक कार्यान्वयन हुन्छ।
  • PythonLib - (लिनक्स मात्र) यदि तपाइँ बुट त्रुटिहरू देख्नुहुन्छ भने, यसको मान सेट गर्नुहोस् libpython3.6m.so वा पाइथन लाइब्रेरीको पूर्ण मार्गमा पनि।

व्यापार प्रक्रिया को निर्माण

त्यहाँ दुई वर्गहरू उपलब्ध छन् जसले व्यापार प्रक्रियाहरूको विकासलाई सहज बनाउँछ:

• isc.py.ens.ProcessUtils तपाइँलाई चर प्रतिस्थापन संग गतिविधिहरु बाट एनोटेसन निकाल्न अनुमति दिन्छ।
• isc.py.util.BPEmulator पाइथनसँग व्यापार प्रक्रियाहरू परीक्षण गर्न सजिलो बनाउँछ। यसले हालको प्रक्रियामा व्यापार प्रक्रिया (पाइथन भागहरू) कार्यान्वयन गर्न सक्छ।

परिवर्तनशील प्रतिस्थापन

सबै व्यापार प्रक्रियाहरू बाट विरासतमा प्राप्त isc.py.ens.ProcessUtilsविधि प्रयोग गर्न सकिन्छ GetAnnotation(name) यसको नाम द्वारा गतिविधि एनोटेसन को मूल्य प्राप्त गर्न। गतिविधि एनोटेसनले चर समावेश गर्न सक्छ जुन पाइथनमा पास गर्नु अघि InterSystems IRIS पक्षमा मूल्याङ्कन गरिनेछ। यहाँ चर प्रतिस्थापन को लागी वाक्य रचना छ:

• ${class:method:arg1:...:argN} - विधि कल
• #{expr} - वस्तुस्क्रिप्ट भाषामा कोड कार्यान्वयन गर्नुहोस्।

एक उदाहरण परीक्षण व्यापार प्रक्रिया मा उपलब्ध छ isc.py.test.Processउदाहरणका लागि, गतिविधिमा Correlation Matrix: Graph: f.savefig(r'#{process.WorkDirectory}SHOWCASE${%PopulateUtils:Integer:1:100}.png')। यस उदाहरणमा:

• #{process.WorkDirectory} वस्तुको WorkDirectory गुण फर्काउँछ process, जुन वर्ग को एक उदाहरण हो isc.py.test.Process ती। वर्तमान व्यापार प्रक्रिया।
• ${%PopulateUtils:Integer:1:100} विधि बोलाउँछन् Integer वर्ग %PopulateUtils, तर्कहरू पारित गर्दै 1 и 100, दायरामा अनियमित पूर्णांक फर्काउँदै 1...100.

परीक्षण व्यापार प्रक्रिया

परीक्षण उत्पादन र परीक्षण व्यापार प्रक्रिया पाइथन गेटवे को भाग को रूप मा पूर्वनिर्धारित द्वारा उपलब्ध छन्। तिनीहरूलाई प्रयोग गर्न:

1. ओएस टर्मिनल रन मा: pip install pandas matplotlib seaborn.
2. InterSystems IRIS टर्मिनलमा, चलाउनुहोस्: do ##class(isc.py.test.CannibalizationData).Import() परीक्षण डाटा भर्न।
3. उत्पादनहरू सुरू गर्नुहोस् isc.py.test.Production.
4. अनुरोध प्रकार पठाउनुहोस् Ens.Request в isc.py.test.Process.

हेरौं कसरी यो सबै सँगै काम गर्दछ। खोल्नुहोस् isc.py.test.Process BPL सम्पादकमा:

कोड कार्यान्वयन

सबैभन्दा महत्त्वपूर्ण कल पाइथन कोडको कार्यान्वयन हो:

अनुरोध प्रयोग गरियो isc.py.msg.ExecutionRequestयहाँ यसको गुणहरू छन्:

• Code - पाइथन कोड।
• SeparateLines - कार्यान्वयनका लागि कोडलाई लाइनहरूमा विभाजन गर्ने कि नगर्ने। $c(10) (n) स्ट्रिङ अलग गर्न प्रयोग गरिन्छ। ध्यान दिनुहोस् कि सम्पूर्ण सन्देशलाई एकैचोटि प्रशोधन गर्न सिफारिस गरिएको छैन, यो प्रकार्य प्रक्रियाको लागि मात्र हो def र समान बहु-लाइन अभिव्यक्ति। पूर्वनिर्धारित 0.
• Variables प्रतिक्रियामा थपिने चरहरूको अल्पविराम-विभाजित सूची हो।
• Serialization - हामी फर्कन चाहने चरहरू कसरी क्रमबद्ध गर्ने। विकल्पहरू: Str, Repr, JSON, Pickle и Dill, पूर्वनिर्धारित Str.

हाम्रो मामला मा, हामी केवल सम्पत्ति सेट Code, ताकि अन्य सबै गुणहरूले तिनीहरूको पूर्वनिर्धारित मानहरू प्रयोग गर्नुहोस्। हामीले फोन गरेर सेट गर्यौं process.GetAnnotation("Import pandas"), जुन रनटाइममा चर प्रतिस्थापन कार्य पछि एनोटेसन फर्काउँछ। अन्तमा कोड import pandas as pd पाइथनमा पठाइनेछ। GetAnnotation बहु-लाइन पाइथन स्क्रिप्टहरू प्राप्त गर्नका लागि उपयोगी हुन सक्छ, तर कोड प्राप्त गर्ने यस तरिकामा कुनै प्रतिबन्धहरू छैनन्। तपाईं सम्पत्ति सेट गर्न सक्नुहुन्छ Code तपाईंको लागि कुनै पनि तरिकामा सुविधाजनक।

चरहरू प्राप्त गर्दै

प्रयोग गरेर अर्को रोचक चुनौती isc.py.msg.ExecutionRequest - Correlation Matrix: Tabular:

यसले पाइथन साइडमा सहसंबंध म्याट्रिक्स गणना गर्छ र चर निकाल्छ corrmat अनुरोध गुणहरू सेट गरेर JSON ढाँचामा InterSystems IRIS मा फर्कनुहोस्:

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

हामी भिजुअल ट्रेसमा परिणामहरू देख्न सक्छौं:

र यदि हामीलाई BP मा यो मान चाहिन्छ भने, यो यसरी प्राप्त गर्न सकिन्छ: callresponse.Variables.GetAt("corrmat").

डेटा स्थानान्तरण

अर्को, InterSystems IRIS बाट Python मा डाटा स्थानान्तरण गर्ने बारे कुरा गरौं, सबै डाटा स्थानान्तरण अनुरोधहरूले इन्टरफेस लागू गर्दछ। isc.py.msg.DataRequest, जसले निम्न गुणहरू प्रदान गर्दछ:

• Variable पाइथन चर हो जसमा डाटा लेखिएको छ।
• Type - चर प्रकार: dataframe (पान्डा डाटाफ्रेम) वा list.
• Namespace - हामीले डाटा प्राप्त गर्ने क्षेत्र। प्लास्टिक झोला isc.py यस क्षेत्रमा उपलब्ध हुनुपर्छ। यो उत्पादन समर्थन बिना क्षेत्र हुन सक्छ।

यस इन्टरफेसको आधारमा, अनुरोधहरूको 4 वर्गहरू लागू गरिएको छ:

• isc.py.msg.QueryRequest - सम्पत्ति सेट गर्नुहोस् Query SQL क्वेरी पठाउन।
• isc.py.msg.ClassRequest - सम्पत्ति सेट गर्नुहोस् Class कक्षा डाटा पास गर्न।
• isc.py.msg.TableRequest - सम्पत्ति सेट गर्नुहोस् Table तालिका डाटा पास गर्न।
• isc.py.msg.GlobalRequest - सम्पत्ति सेट गर्नुहोस् Global विश्वव्यापी रूपमा डाटा स्थानान्तरण गर्न।

परीक्षण प्रक्रियामा, गतिविधि हेर्नुहोस् RAWकहाँ isc.py.msg.QueryRequest कार्यमा देखाइएको छ।

पाइथन सन्दर्भ बचत / पुनर्स्थापना

अन्तमा, हामी इन्टरसिस्टम IRIS मा पाइथन सन्दर्भ भण्डार गर्न सक्छौं, यो गर्न, पठाउनुहोस् isc.py.msg.SaveRequest तर्क संग:

• Mask — मास्कलाई सन्तुष्ट पार्ने चरहरू मात्र सुरक्षित हुन्छन्। समर्थित * и ?। उदाहरण: "Data*, Figure?"... पूर्वनिर्धारित *.
• MaxLength — भण्डारण गरिएको चरको अधिकतम लम्बाइ। यदि चरको क्रमिकता लामो छ भने, यसलाई बेवास्ता गरिनेछ। कुनै पनि लम्बाइको चर प्राप्त गर्न ० मा सेट गर्नुहोस्। पूर्वनिर्धारित $$$MaxStringLength.
• Name - सन्दर्भ नाम (वैकल्पिक)।
• Description - सन्दर्भको विवरण (वैकल्पिक)।

फिर्ता Ens.StringResponse с Id सुरक्षित सन्दर्भ। परीक्षण प्रक्रियामा, गतिविधि हेर्नुहोस् Save Context.

सम्बन्धित अनुरोध isc.py.msg.RestoreRequest पाइथनमा InterSystems IRIS बाट सन्दर्भ लोड गर्दछ:

• ContextId सन्दर्भ पहिचानकर्ता हो।
• Clear - पुनर्स्थापना गर्नु अघि सन्दर्भ खाली गर्नुहोस्।

Jupyter नोटबुक

Jupyter नोटबुक एउटा खुला स्रोत वेब अनुप्रयोग हो जसले तपाईंलाई कोड, भिजुअलाइजेसन र पाठ समावेश नोटबुकहरू सिर्जना गर्न र प्रकाशित गर्न अनुमति दिन्छ। पाइथन गेटवेले तपाईंलाई BPL प्रक्रियाहरू Jupyter Notebook को रूपमा हेर्न र सम्पादन गर्न अनुमति दिन्छ। ध्यान दिनुहोस् कि नियमित पाइथन 3 निर्वाहक हाल प्रयोग भइरहेको छ।

यो विस्तारले एनोटेसनहरूमा पाइथन कोड समावेश छ र गतिविधि नामहरू अघिल्लो शीर्षकहरूको रूपमा प्रयोग गर्छ भनी मान्दछ। यो अब Jupyter Notebook मा PythonGateway व्यापार प्रक्रियाहरू विकास गर्न सम्भव छ। यहाँ के सम्भव छ:

• नयाँ व्यापार प्रक्रियाहरू सिर्जना गर्नुहोस्
• व्यापार प्रक्रियाहरू मेटाउनुहोस्
• नयाँ गतिविधिहरू सिर्जना गर्नुहोस्
• गतिविधिहरू परिवर्तन गर्नुहोस्
• गतिविधिहरू मेटाउनुहोस्

यहाँ डेमो भिडियो। र केहि स्क्रिनसटहरू:

प्रक्रिया एक्सप्लोरर

प्रक्रिया सम्पादक

सेटिङ

1. तपाईलाई InterSystems IRIS 2019.2+ चाहिन्छ।
2. PythonGateway v0.8+ स्थापना गर्नुहोस् (केवल आवश्यक छ isc.py.util.Jupyter, isc.py.util.JupyterCheckpoints и isc.py.ens.ProcessUtils).
3. भण्डारबाट वस्तुस्क्रिप्ट कोड अपडेट गर्नुहोस्।
4. चलाउनुहोस् do ##class(isc.py.util.Jupyter).Install() र प्रम्प्टहरू पालना गर्नुहोस्।

दस्तावेज.

निष्कर्ष

MLToolkit उपकरणहरूको एक सेट हो जसले मोडेलहरू र एक लेनदेन वातावरण संयोजन गर्ने लक्ष्य राख्छ ताकि निर्मित मोडेलहरू सजिलैसँग तपाइँको व्यापार प्रक्रियाहरूमा प्रयोग गर्न सकिन्छ। पाइथन गेटवे MLToolkit को अंश हो र पाइथन भाषाको साथ एकीकरण प्रदान गर्दछ, तपाईंलाई पाइथन (धेरै डाटा वैज्ञानिकहरूको लागि मुख्य वातावरण) मा सिर्जना गरिएको कुनै पनि मेसिन लर्निंग एल्गोरिदमहरू अर्केस्ट्रेट गर्न अनुमति दिन्छ, द्रुत रूपमा अनुकूली, रोबोटिक विश्लेषणात्मक AI / सिर्जना गर्न धेरै तयार पुस्तकालयहरू प्रयोग गर्नुहोस्। InterSystems प्लेटफर्म IRIS मा ML समाधान।

सन्दर्भ

• Статьяыдущая статья
• पाइथन गेटवे
• पाइथन गेटवे नमूनाहरू
• अभिसरण विश्लेषण
• पाइथन ३.६.७ ६४ बिट
• पाइथन कागजात र पाठ्यक्रमहरू

MLToolkit

MLToolkit प्रयोगकर्ता समूह एक निजी GitHub भण्डार हो जुन InterSystems कर्पोरेट GitHub संगठनको भागको रूपमा सिर्जना गरिएको हो। यो Python गेटवे सहित MLToolkit कम्पोनेन्टहरू स्थापना, सिक्ने वा पहिले नै प्रयोग गर्ने बाह्य प्रयोगकर्ताहरूलाई सम्बोधन गरिएको छ। समूहसँग मार्केटिङ, निर्माण, औषधि र अन्य धेरै उद्योगहरूको क्षेत्रमा (स्रोत कोड र परीक्षण डेटा सहित) लागू गरिएका केसहरू छन्। ML Toolkit प्रयोगकर्ता समूहमा सामेल हुन, कृपया निम्न ठेगानामा छोटो इमेल पठाउनुहोस्: [ईमेल सुरक्षित] र तपाईंको पत्रमा निम्न जानकारी समावेश गर्नुहोस्:

• GitHub प्रयोगकर्ता नाम
• संगठन (तपाईं काम वा अध्ययन)
• स्थिति (तपाईंको संस्थामा तपाईंको वास्तविक स्थिति, या त "विद्यार्थी" वा "स्वतन्त्र")।
• देश

आर्टिफिशियल इन्टेलिजेन्स र मेसिन लर्निङ मेकानिजमहरू विकास गर्न वा होस्ट गर्ने प्लेटफर्मको रूपमा InterSystems IRIS मा रुचि राख्नेहरूका लागि, हामी तपाईंलाई तपाईंको उद्यमको रुचिको सम्भावित परिदृश्यहरू छलफल गर्न आमन्त्रित गर्दछौं। हामी तपाईंको उद्यमको आवश्यकताहरू सजिलैसँग विश्लेषण गर्नेछौं र संयुक्त रूपमा कार्य योजना निर्धारण गर्नेछौं; हाम्रो AI/ML विशेषज्ञ समूहको इमेल ठेगाना सम्पर्क गर्नुहोस् - [ईमेल सुरक्षित].

स्रोत: www.habr.com