শেষ আপডেট: জানুয়ারী, 2021।
আপনার ব্লগটি আপনার ডকুমেন্টের কর্মপ্রবাহ স্বয়ংক্রিয় করার জন্য কোনও আরপিএ সরঞ্জাম সহ ওসিআর ব্যবহারের একটি বিস্তৃত ওভারভিউ। আমরা অনুসন্ধান করেছি যে কীভাবে সর্বশেষতম মেশিন লার্নিং ভিত্তিক ওসিআর প্রযুক্তিগুলিকে নিয়ম বা টেম্পলেট সেটআপের প্রয়োজন হয় না।
আরপিএ বা রোবোটিক প্রসেস অটোমেশন পুনরাবৃত্তিমূলক ব্যবসায়িক কার্যগুলি হ্রাস করার উদ্দেশ্যে সফ্টওয়্যার সরঞ্জাম। আরও সিআইও তাদের ব্যয় হ্রাস করার দিকে ঝুঁকছে এবং কর্মীদের উচ্চ মূল্য ব্যবসায়িক কাজের দিকে ফোকাস করতে সহায়তা করে। উদাহরণস্বরূপ ওয়েবসাইটগুলি বা গ্রাহকের অর্ডার প্রক্রিয়াকরণে দেওয়া মন্তব্যের প্রতিক্রিয়া অন্তর্ভুক্ত। কিছুটা জটিল কাজগুলির মধ্যে ডকুমেন্টগুলি হ্যান্ডলিংয়ের অন্তর্ভুক্ত হস্তাক্ষর ফর্ম এবং চালান - এগুলিকে সাধারণত একটি লিগ্যাসি সিস্টেম থেকে অন্যটিতে সরিয়ে নেওয়া দরকার - আপনার ইমেল ক্লায়েন্টটিকে আপনার এসএপি ইআরপি সিস্টেমে বলুন যেখানে আপনাকে ডেটা উত্তোলন করতে হবে। এটি সমস্যাযুক্ত অংশ।
বেশিরভাগ ওসিআর সরঞ্জামগুলি যা এই দস্তাবেজগুলি থেকে ডেটা ক্যাপচার করে তা হ'ল টেমপ্লেট ভিত্তিক (বলুন অ্যাবি ফ্লেক্সিক্যাচার) এবং আধা-কাঠামোযুক্ত নথিগুলিতে ভাল স্কেল করবেন না। আরও নতুন প্রজন্মের মেশিন লার্নিং ভিত্তিক সমাধান রয়েছে যা সাধারণত এপিআই সরবরাহ করে
সংযুক্তিগুলি যা দস্তাবেজগুলি থেকে মূল-মান জোড়গুলি ক্যাপচার করতে পারে - এন্টারপ্রাইজ সিস্টেমগুলি সাধারণত উত্তরাধিকারসূত্রে হয় এবং বাহ্যিক APIগুলির সাথে সংহত করার জন্য উন্মুক্ত নয়। অন্যদিকে, আরপিএগুলি এই লিগ্যাসি সিস্টেমের ওয়ার্কফ্লোগুলি পরিচালনা করতে যেমন ফোল্ডারগুলি থেকে ডকুমেন্ট ইনজেস্ট করা এবং ফলাফলগুলি ইআরপি বা সিআরএমগুলিতে প্রবেশ করানো হয়।
যেহেতু রোবোটিক প্রসেস অটোমেশন (আরপিএ) এবং এমএল হাইপার অটোমেশনের দিকে বিকশিত হচ্ছে, আমরা এমএল এর সাথে মিলে ডকুমেন্ট শ্রেণিবদ্ধকরণ, নিষ্কাশন এবং অপটিক্যাল চরিত্র সনাক্তকরণের মতো জটিল কাজগুলি পরিচালনা করতে সফটওয়্যার বট ব্যবহার করতে পারি। সাম্প্রতিক এক গবেষণায় বলা হয়েছিল যে আরপিএ ব্যবহার করে কোনও কাজের জন্য কেবল ২৯% ফাংশন স্বয়ংক্রিয়ভাবে চালিয়ে, অর্থ বিভাগগুলি কেবলমাত্র 29 টি পূর্ণ সংস্থার সংস্থার জন্য বছরে 25,000 ডলার ব্যয়ে মানুষের ত্রুটির কারণে 878,000 ঘন্টার বেশি কাজ করে save সময় অ্যাকাউন্টিং স্টাফ [40]। এই ব্লগে, আমরা আরপিএ সহ ওসিআর ব্যবহার এবং ডকুমেন্ট বোঝার ওয়ার্কফ্লোতে গভীর ডুব দেওয়ার বিষয়ে শিখব। নীচে বিষয়বস্তুর সারণি দেওয়া আছে।
সংজ্ঞা এবং ওভারভিউ
আরপিএ, সাধারণভাবে, এমন একটি প্রযুক্তি যা সফ্টওয়্যার-হার্ডওয়্যার বটগুলির মাধ্যমে প্রশাসনিক কাজগুলি স্বয়ংক্রিয় করতে সহায়তা করে। এই বটগুলি ব্যবহারকারী ইন্টারফেসের সুবিধা গ্রহণ করে; ডেটা ক্যাপচার এবং অ্যাপ্লিকেশনগুলি মানুষের মতো করে চালিত করতে। উদাহরণস্বরূপ, একটি আরপিএ একটি জিইউআইতে নেওয়া কয়েকটি ক্রিয়াকলাপ দেখতে পারে, মুভিং কার্সার বলতে, এপিআই-তে সংযুক্ত হতে পারে, ডেটা অনুলিপি করে এবং কোডে অনুবাদ করে এমন একটি আরপিএ ওয়্যারফ্রেমে ক্রিয়াকলাপের একই ক্রম সূত্র তৈরি করে। আরও, ভবিষ্যতে মানুষের হস্তক্ষেপ ছাড়াই এই কাজগুলি সম্পাদন করা যেতে পারে। অপটিক্যাল ক্যারেক্টার রিকগনিশন (ওসিআর) কোনও কার্যকরী রোবোটিক প্রক্রিয়া অটোমেশন (আরপিএ) সমাধানের একটি গুরুত্বপূর্ণ বৈশিষ্ট্য। এই প্রযুক্তিটি বিভিন্ন উত্স যেমন চিত্র বা এর থেকে পাঠ্য পড়তে এবং আহরণের জন্য ব্যবহৃত হয় PDF গুলি এটিকে ম্যানুয়ালি ক্যাপচার না করে ডিজিটাল ফর্ম্যাটে রূপান্তর করুন।
অন্যদিকে ডকুমেন্ট বোঝার শব্দটি হ'ল ডকুমেন্টের ডেটা পড়া, ব্যাখ্যা করা এবং অভিনয় করার জন্য ব্যবহৃত হয় describe এই প্রক্রিয়াটির মধ্যে সর্বাধিক গুরুত্বপূর্ণ হ'ল সফটওয়্যার বটগুলি নিজেই সমস্ত কাজ সম্পাদন করে। এই বটগুলি ডিজিটাল সহায়ক হিসাবে ডকুমেন্টগুলি বুঝতে কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিংয়ের শক্তি অর্জন করে। এইভাবে, আমরা বলতে পারি যে ডকুমেন্ট বোঝার জন্য ডকুমেন্ট প্রসেসিং, এআই এবং আরপিএ ছেদ হয়।
কীভাবে রোবট ওসিআর এবং এমএল দিয়ে নথিগুলি বুঝতে শিখতে পারে
প্রথমে ডকুমেন্ট বোঝার গভীরে যাওয়ার আগে, আসুন নথি বোঝার জন্য রোবটের ভূমিকা সম্পর্কে কথা বলি। এই সম্পূর্ণ অদৃশ্য সাহায্যকারীরা আমাদের জীবনকে আরও আরামদায়ক করে তোলে। চলচ্চিত্র এবং সিরিজগুলির বিপরীতে, এই রোবটগুলি কোনও শারীরিক ডিভাইস বা কৃত্রিম বুদ্ধিমত্তার প্রোগ্রাম নয় যা কোনও ডেস্কটপে বসে কাজগুলি সম্পাদন করতে বোতামগুলিকে চাপ দেয়। আমরা এগুলি ডিজিটাল সহায়ক হিসাবে ভাবতে পারি যারা আমাদের মতো অ্যাপ্লিকেশনগুলি পড়ে এবং ব্যবহার করে নথি প্রক্রিয়া করার প্রশিক্ষণপ্রাপ্ত। কার্যক্ষম দিক থেকে, কোনও প্রক্রিয়াটির কার্যকারিতা এবং দক্ষতা উন্নত করতে রোবটগুলি ভাল। তবুও, তারা একটি স্বতন্ত্র সফ্টওয়্যার, প্রক্রিয়াটি মূল্যায়ন করতে এবং জ্ঞানীয় সিদ্ধান্ত নিতে পারে না। তবে, যদি মেশিন লার্নিং সফলভাবে সংহত করা হয় তবে রোবোটিকগুলি আরও গতিশীল এবং অভিযোজিত হয়ে উঠবে। উদাহরণস্বরূপ, ডকুমেন্ট প্রসেসিং, ডেটা ম্যানেজমেন্ট এবং সামনের এবং মাঝারি অফিস জুড়ে অন্যান্য ক্রিয়াকলাপের জন্য ব্যবহৃত রোবটগুলি আরও বুদ্ধিমান ক্রিয়া সম্পাদন করবে, যেমন সদৃশ এন্ট্রিগুলি বাদ দেওয়া বা প্রক্রিয়াটিতে অজানা সিস্টেমের ব্যতিক্রমগুলি সমাধান করা। আরও, রোবটগুলি কৃত্রিম বুদ্ধিমত্তা (এআই) ব্যবহার করে দস্তাবেজগুলি থেকে ডেটা পড়তে, নিষ্কাশন করতে, ব্যাখ্যা করতে এবং কাজ করতে প্রশিক্ষিত হয়।
কর্মপ্রবাহগুলি উন্নত করার জন্য কীভাবে সংস্থাগুলি আরপিএর সাথে বুদ্ধিমান ওসিআরকে সংহত করতে পারে
নথি বোঝার জন্য ডকুমেন্টের ডেটা বের করা একটি গুরুত্বপূর্ণ উপাদান। এই বিভাগে, আমরা কীভাবে ওসিআরকে আরপিএ বা তদ্বিপরীতগুলির সাথে সংহত করতে পারি তা নিয়ে আলোচনা করব। প্রথমত, আমরা সকলেই জানতাম যে টেম্পলেট, স্টাইল, ফর্ম্যাট এবং কখনও কখনও ভাষার ক্ষেত্রে বিভিন্ন ধরণের দলিল রয়েছে। অতএব আমরা এই দস্তাবেজগুলি থেকে ডেটা আহরণের জন্য একটি সাধারণ ওসিআর প্রযুক্তির উপর নির্ভর করতে পারি না। এই সমস্যাটির সমাধানের জন্য, আমরা বিভিন্ন নথির কাঠামো থেকে ডেটা পরিচালনা করতে ওসিআরের মধ্যে নিয়ম-ভিত্তিক পদ্ধতি এবং মডেল-ভিত্তিক উভয় পদ্ধতির ব্যবহার করব। এখন আমরা দেখতে পাব যে ওসিআর করছে সংস্থাগুলি কীভাবে নথির ধরণের ভিত্তিতে তাদের বিদ্যমান সিস্টেমে আরপিএগুলিকে সংহত করতে পারে।
কাঠামোগত নথি: এই জাতীয় নথিতে, বিন্যাস এবং টেমপ্লেটগুলি প্রায়শই স্থির হয় এবং প্রায় সুসংগত হয়। উদাহরণস্বরূপ, একটি সংস্থা বিবেচনা করুন যা পাসপোর্ট বা ড্রাইভিং লাইসেন্সের মতো সরকারী জারি করা আইডি সহ কেওয়াইসি করে। এই সমস্ত দস্তাবেজগুলি অভিন্ন হবে এবং একই পদে আইডি নম্বর, ব্যক্তির নাম, বয়স এবং আরও কয়েকজন একই ক্ষেত্র থাকবে। তবে শুধুমাত্র বিশদ আলাদা হয়। টেবিল উপচে পড়া বা অনাবৃত ডেটার মতো কয়েকটি সীমাবদ্ধতা থাকতে পারে।
সাধারণত, প্রস্তাবিত পদ্ধতির কাঠামোগত দস্তাবেজগুলির জন্য তথ্য বের করতে কোনও টেম্পলেট বা নিয়ম-ভিত্তিক ইঞ্জিন ব্যবহার করে। এর মধ্যে নিয়মিত এক্সপ্রেশন বা সাধারণ অবস্থান ম্যাপিং এবং ওসিআর অন্তর্ভুক্ত থাকতে পারে। অতএব তথ্য নিষ্কাশন স্বয়ংক্রিয় করতে সফ্টওয়্যার রোবটগুলিকে সংহত করতে আমরা হয় প্রাক-বিদ্যমান টেম্পলেটগুলি ব্যবহার করতে পারি বা আমাদের কাঠামোগত ডেটার জন্য নিয়ম তৈরি করতে পারি। নিয়ম-ভিত্তিক পদ্ধতির ব্যবহারের একটি অসুবিধা রয়েছে, যেহেতু এটি নির্দিষ্ট অংশগুলির উপর নির্ভর করে, ফর্মের কাঠামোর ক্ষেত্রেও ছোটখাটো পরিবর্তনগুলি নিয়মগুলি ভেঙে দিতে পারে।
আধা-কাঠামোযুক্ত নথি: এই নথিতে একই তথ্য রয়েছে তবে বিভিন্ন অবস্থানে সাজানো হয়েছে। উদাহরণস্বরূপ, বিবেচনা করুন চালান 8-12 অভিন্ন ক্ষেত্র সমন্বিত। কিছু সংখক চালান, বণিকের ঠিকানা শীর্ষে অবস্থিত হতে পারে এবং অন্যদের মধ্যে এটি নীচে পাওয়া যাবে। সাধারণত এই নিয়ম-ভিত্তিক পদ্ধতির উচ্চ নির্ভুলতা দেয় না; অতএব আমরা ওসিআর ব্যবহার করে তথ্য আহরণের জন্য ছবিতে মেশিন লার্নিং এবং গভীর শিক্ষণ মডেল নিয়ে আসি। বিকল্পভাবে, কিছু ক্ষেত্রে, আমরা উভয় নিয়ম এবং এমএল মডেলগুলিকে জড়িত হাইব্রিড মডেল ব্যবহার করতে পারি। কয়েকটি জনপ্রিয় প্রাক প্রশিক্ষিত মডেল হ'ল ডকুমেন্টগুলিতে তথ্য আহরণের জন্য ফাস্টআরসিএনএন, মনোযোগ ওসিআর, গ্রাফ কনভলিউশনগুলি। যাইহোক, আবার এই মডেলগুলির কয়েকটি ত্রুটি রয়েছে; তাই আমরা নির্ভুলতা বা আত্মবিশ্বাস স্কোরের মতো মেট্রিক ব্যবহার করে অ্যালগরিদম পারফরম্যান্স পরিমাপ করি। কারণ মডেলটি নিদর্শনগুলি শিখছে, কংক্রিটের নিয়মগুলি পরিচালনা না করে, এটি প্রাথমিকভাবে সংশোধন করার পরে ভুল করতে পারে। যাইহোক, এই ত্রুটিগুলির সমাধান - এমএল মডেল যত বেশি নমুনা প্রসেস করে, নির্ভুলতা নিশ্চিত করতে আরও নিদর্শনগুলি শেখে।
কাঠামোগত কাঠামো: আরপিএ, আজ সরাসরি কাঠামোগত ডেটা পরিচালনা করতে অক্ষম, অতএব ওসিআর ব্যবহার করে কাঠামোগত ডেটা বের করতে এবং তৈরি করতে প্রথমে রোবটগুলির প্রয়োজন। কাঠামোগত এবং আধা-কাঠামোযুক্ত নথিগুলির বিপরীতে, কাঠামোগত ডেটাতে কয়েকটি কী-মানগুলির জুড়ি নেই। উদাহরণস্বরূপ, কয়েক মধ্যে চালান, আমরা কোনও মূল নাম ছাড়াই কোথাও এক বণিকের ঠিকানা দেখতে পাচ্ছি; একইভাবে, আমরা অন্যান্য ক্ষেত্রের জন্য একই তারিখ, চালান আইডি পর্যবেক্ষণ করি। এমএল মডেলগুলি এগুলি সঠিকভাবে প্রক্রিয়া করার জন্য, রোবটগুলিকে কীভাবে কার্যকর ইমেল, ফোন নম্বর, ঠিকানা ইত্যাদির মতো লিখিত পাঠ্যটিকে অনুবাদ করতে হয় তা শিখতে হবে মডেলটি তখন শিখবে যে - বা 7-সংখ্যার নম্বর প্যাটার্নগুলি বের করা উচিত ফোন নম্বর এবং পাঁচ-অঙ্কের কোড এবং পাঠ্য হিসাবে বিভিন্ন বিশেষ্যযুক্ত বিশাল পাঠ্য হিসাবে। এই মডেলগুলিকে আরও নির্ভুল করতে, আমরা নেমার্ড সত্তা সনাক্তকরণ এবং ওয়ার্ড এম্বেডিংয়ের মতো প্রাকৃতিক ভাষা প্রসেসিং (এনএলপি) থেকেও কৌশল ব্যবহার করতে পারি।
সামগ্রিকভাবে নথি বোঝার জন্য, প্রথমে ডেটা বোঝা এবং তারপরে আরপিএ দিয়ে ওসিআর বাস্তবায়ন করা জরুরি। এরপরে, প্রক্রিয়াটি ধাপে-ধাপে ম্যাপিংয়ের পরিবর্তে, নিয়ম এবং মেশিন লার্নিং অ্যালগরিদমগুলিকে একীকরণের মাধ্যমে, আমরা কোনও রোবটকে উপরের আলোচনার মতো শক্তিশালী ওসিআর ক্ষমতা দিয়ে যেমন প্রক্রিয়াটি রেকর্ড করে "আমি যেমন করি তেমন করতে" শিখতে পারি। সফ্টওয়্যার রোবট স্ক্রিনে আপনার ক্লিক এবং ক্রিয়া অনুসরণ করে এবং সেগুলি এডিটযোগ্য কর্মপ্রবাহে রূপান্তরিত করে। আপনি যদি স্থানীয় প্রোগ্রামগুলিতে পুরোপুরি কাজ করে থাকেন তবে এটি আপনার জানা দরকার।
আরসিএ বিকাশকারীদের মুখোমুখি ওসিআর চ্যালেঞ্জগুলি
আমরা বিভিন্ন ডকুমেন্টগুলির জন্য কীভাবে ওসিআরআরকে আরপিএগুলির সাথে একীভূত করতে পারি তা আমরা দেখেছি, তবে কয়েকটি চ্যালেঞ্জের ক্ষেত্রে রয়েছে যেখানে রোবটগুলি ভালভাবে পরিচালনা করতে হবে। আসুন এখন তাদের আলোচনা!
- দুর্বল বা বেমানান ডেটা: ডকুমেন্ট বোঝার ক্ষেত্রে ডেটা একটি গুরুত্বপূর্ণ ভূমিকা পালন করে। বেশিরভাগ ক্ষেত্রে, ডকুমেন্টগুলি ক্যামেরা ব্যবহার করে স্ক্যান করা হয় যেখানে পাঠ্য স্ক্যানিংয়ের সময় নথি বিন্যাস হারাতে পারে (যেমন, সাহসী, তির্যক এবং আন্ডারলাইন সর্বদা স্বীকৃত হয় না)। কখনও কখনও, ওসিআর ভুল উপায়ে পাঠ্যটি নিষেধ করতে পারে যা বানান ত্রুটি, অনিয়মিত অনুচ্ছেদ বিরতিতে ডেকে আনে, যা রোবটের সামগ্রিক কর্মক্ষমতা হ্রাস করে। অতএব, সমস্ত অনুপস্থিত মানগুলি পরিচালনা করা এবং উচ্চতর নির্ভুলতার সাথে ডেটা ক্যাপচার করা ওসিআরের জন্য উচ্চতর নির্ভুলতা অর্জনের জন্য জরুরী।
- দস্তাবেজগুলিতে ভুল পৃষ্ঠা ওরিয়েন্টেশন: পৃষ্ঠা ওরিয়েন্টেশন এবং স্কিউনেসও সাধারণ সমস্যাগুলির মধ্যে একটি যা ওসিআরের ভুল পাঠ্য সংশোধনের দিকে পরিচালিত করে। এটি সাধারণত ঘটে যখন তথ্য সংগ্রহের পর্যায়ে দস্তাবেজগুলি ভুলভাবে স্ক্যান করা হয়। এটি কাটিয়ে উঠতে, আমাদের পৃষ্ঠাতে অটো-ফিট, অটো-ফিল্টারের মতো রোবটগুলিতে কয়েকটি ফাংশন ঘোষণা করতে হবে যাতে তারা স্ক্যান করা নথির মান বৃদ্ধি করতে এবং আউটপুটটিতে সঠিক তথ্য গ্রহণ করতে পারে।
- সংহতকরণ সমস্যা: সমস্ত আরপিএ সরঞ্জামগুলি দূরবর্তী ডেস্কটপ পরিবেশে ভাল সম্পাদন করে না - এগুলি অটোমেশনে ক্রাশ এবং সংকটপূর্ণ সমস্যা সৃষ্টি করে। আরও কী, আরপিএ বিকাশকারীদের কোনও ওসিআর সমাধান নির্দিষ্ট ক্ষেত্রে সবচেয়ে ভাল হবে তা জানতে হবে। এছাড়াও, নির্দিষ্ট অটোমেশন সরঞ্জামগুলির সাথে কাজ করতে, আরপিএ বিকাশকারীকে কেবল মাইক্রোসফ্ট, গুগল দ্বারা নির্মিত সীমিত ওসিআর প্রযুক্তি চয়ন করা উচিত। তাই আমাদের কাস্টম অ্যালগরিদম এবং মডেলগুলি একীকরণ করা কখনও কখনও চ্যালেঞ্জের হয়।
- সমস্ত পাঠ্য স্ক্র্যাম্বড পাঠ্য: বাস্তব জীবনের ব্যবহারের ক্ষেত্রে, জেনেরিক ওসিআর দ্বারা ধারণ করা পাঠ্যগুলি সমস্ত স্ক্যাম্বলড হয় এবং এর কোনও অর্থবহ তথ্য নেই যা বটগুলি উল্লেখযোগ্য ক্রিয়াকলাপ সম্পাদন করতে ব্যবহার করতে পারে। আরপিএ বিকাশকারীদের দরকারী অ্যাপ্লিকেশনগুলি তৈরি করতে সক্ষম হতে শক্তিশালী এমএল সমর্থন প্রয়োজন।
ওয়ার্কফ্লো ডকুমেন্ট বোঝার জন্য পাইপলাইন
পূর্ববর্তী বিভাগগুলিতে, আমরা দেখেছি যে বটগুলি বিভিন্ন ধরণের নথির জন্য ওসিআর সম্পাদন করতে সহায়তা করে। তবে ওসিআর হ'ল একটি কৌশল যা চিত্র বা অন্যান্য ফাইলগুলিকে পাঠ্যে রূপান্তর করে। এখন, এই বিভাগে, আমরা ডকুমেন্ট সংগ্রহের শুরু থেকেই ডকুমেন্ট বোঝার কর্মপ্রবাহের দিকে নজর রাখব অবশেষে তাদের পছন্দসই বিন্যাসে অর্থবহ তথ্য সংরক্ষণ করতে।
- আপনার বট ব্যবহার করে কোনও ফোল্ডার থেকে দস্তাবেজটি ইনজেক্ট করুন: বটের মাধ্যমে ডকুমেন্টের বোঝাপড়া অর্জনের মাধ্যমে এটি প্রথম পদক্ষেপ। এখানে, আমরা মেঘ প্ল্যাটফর্মের (একটি API ব্যবহার করে) অথবা কোনও স্থানীয় মেশিন থেকে দস্তাবেজ আনব। কয়েকটি ক্ষেত্রে, যদি আমাদের ডকুমেন্টগুলি ওয়েব পৃষ্ঠাগুলিতে থাকে তবে আমরা স্ক্র্যাপিং স্ক্রিপ্টগুলি বটগুলির মাধ্যমে স্বয়ংক্রিয় করতে পারি যেখানে তারা সময়মত নথি আনতে পারে।
- নথিপত্র ধরণ: আমরা ডেটা আনার পরে, আমাদের সিস্টেমে যে জাতীয় নথি এবং সেগুলি সেভ করে সেগুলি বোঝার জন্য এটি আবশ্যক, কখনও কখনও আমরা বিভিন্ন ফাইল ফর্ম্যাটের বিভিন্ন উত্স থেকে ডেটা প্রাপ্ত করি যেমন পিডিএফ, পিএনজি, এবং জেপিজি। কেবল ফাইলের ধরণ নয়, কখনও কখনও ডকুমেন্টগুলি ফোন ক্যামেরা দিয়ে স্ক্যান করা হয় এমন কিছু চ্যালেঞ্জিং সমস্যা যেমন চিত্রের স্কিউনেস, ঘূর্ণন, উজ্জ্বলতা বা লো-রেজোলিউশনকেও পরিচালনা করা উচিত। এর মাধ্যমে, আমাদের নিশ্চিত করতে হবে যে বটগুলি এই নথিগুলি কাঠামোগত, অর্ধ-কাঠামোগত, বা কাঠামোগত কাঠামোগত শ্রেণিতে শ্রেণিবদ্ধ করে, সুতরাং এটি জেনেরিক ফর্ম্যাটে সংরক্ষণ করে। শ্রেণিবিন্যাস কাজটি টেমপ্লেটগুলির সাথে দস্তাবেজের তুলনা করে এবং ফন্ট, ভাষা, কী-মান জোড়ার উপস্থিতি, টেবিল ইত্যাদির মতো বৈশিষ্ট্য বিশ্লেষণ করে অর্জন করা হয়
- ওসিআর দিয়ে ডেটা উত্তোলন: ঠিক আছে, এখন যে বটগুলি আমাদের ডকুমেন্টগুলিকে জেনেরিক ফর্ম্যাটে সাজিয়েছে এবং সেগুলি শ্রেণিবদ্ধ করেছে, ওসিআর কৌশলটি ব্যবহার করে সেগুলি ডিজিটালাইজ করার সময় এসেছে আমাদের। এটির সাথে, আমাদের কাছে টেক্সট থাকবে, চিত্রগুলির সহ-স্থানাঙ্কে এর অবস্থান। এটি পরবর্তী পদক্ষেপগুলির জন্য দস্তাবেজগুলি এবং ডেটা মানক করতে সহায়তা করে। ওসিআর সফ্টওয়্যার যখন 'টি' বনাম 'আই,' বা '0' বনাম 'ও' এর মতো অক্ষরগুলির মধ্যে সঠিকভাবে পার্থক্য করতে না পারে তখন আমরা কয়েকজনের মুখোমুখি হয়েছি ওসিআর প্রযুক্তিটি যখন কোনও নথির মান বা মূল ফর্মের উপর ভিত্তি করে ডকুমেন্টের সংক্ষিপ্তসারগুলি বিশ্লেষণ করতে অক্ষম থাকে তখন আপনি ওসিআর সফ্টওয়্যারটি ব্যবহার করে খুব ত্রুটিগুলি নতুন মাথাব্যথায় পরিণত হতে পারেন। এখানেই মেশিন লার্নিং ছবিতে আসে যা আমরা পরবর্তী পদক্ষেপে আলোচনা করব।
- বটগুলি ব্যবহার করে বুদ্ধিমান ওসিআরের জন্য এমএল / ডিএল উপার্জন: ডেটা ডিজিটাইজড হওয়ার পরে, ওসিআর সফ্টওয়্যারটি কী ধরণের দস্তাবেজ নিয়ে কাজ করছে এবং কী প্রাসঙ্গিক তা বুঝতে হবে। তবে Oতিহ্যবাহী ওসিআর সফ্টওয়্যার নথি শ্রেণিবদ্ধকরণের প্রচেষ্টা স্কেল করতে লড়াই করতে পারে। সুতরাং ওসিআরগুলিকে আরও বুদ্ধিমান করার জন্য সফটওয়্যার বটগুলিকে মেশিন লার্নিং এবং গভীর শেখার কৌশলগুলি কাজে লাগিয়ে জ্ঞানীয় দক্ষতার সাথে প্রশিক্ষণ দেওয়া উচিত। এমএল-ভিত্তিক ওসিআর সমাধানগুলি একটি দস্তাবেজের প্রকার সনাক্ত করতে পারে এবং এটি আপনার ব্যবসায়ের দ্বারা ব্যবহৃত কোনও পরিচিত নথির বিপরীতে মেলে। তারা কাঠামোগত ব্লকগুলি কাঠামোগত নথিতে বিশ্লেষণ করতে এবং বুঝতে পারে। সমাধানটি নথির নিজেই আরও জানার পরে, এটি অভিপ্রায় এবং অর্থের ভিত্তিতে প্রাসঙ্গিক তথ্য বের করা শুরু করতে পারে।
- আরও ভাল ডেটা এক্সট্রাকশন এবং শ্রেণিবিন্যাস: ডেটা এক্সট্রাকশন হ'ল ডকুমেন্ট বোঝার মূল বিষয়। এই ধাপে ওসিআরের সাথে আরপিএ'র সংহতকরণের আগের বিভাগে আলোচিত হিসাবে, নথির ধরণের ভিত্তিতে ডেটা উত্তোলনের কৌশলটি বেছে নিন। আরপিএগুলির মাধ্যমে, আমরা কোন এক্সট্রাক্টরটি ব্যবহার করতে হবে তা সহজেই কনফিগার করতে পারি, নিয়ম-ভিত্তিক বা এমএল-ভিত্তিক বা হাইব্রিড মডেল ওসিআর কৌশল। তথ্য উত্তোলনের পরে ফিরে আসা আত্মবিশ্বাস এবং পারফরম্যান্সের মেট্রিকের ভিত্তিতে, সফ্টওয়্যার রোবটগুলি তাদের আরও বিশ্লেষণের জন্য আমাদের কাঙ্ক্ষিত বিন্যাসে সংরক্ষণ করবে। নীচে আমরা কীভাবে এক্সট্র্যাক্টরগুলি কনফিগার করতে পারি এবং ইউআইপিথ দ্বারা আরপিএ সরঞ্জামে আত্মবিশ্বাসের স্তর সেট করতে পারি তার একটি চিত্র নীচে is
6. বৈধকরণ এবং ক্ষমতায়ন অন্তর্দৃষ্টি: ওসিআর এবং মেশিন লার্নিং মডেলগুলি তথ্য উত্তোলনের ক্ষেত্রে শতভাগ সঠিক নয়, সুতরাং রোবটের সাহায্যে মানুষের হস্তক্ষেপের একটি স্তর যুক্ত করা সমস্যার সমাধান করতে পারে। এই বৈধতাটি যেভাবে কাজ করে তা হ'ল যখনই রোবটগুলি কম নির্ভুলতা এবং ব্যতিক্রমগুলি নিয়ে কাজ করে, এটি তত্ক্ষণাত ক্রিয়া কেন্দ্রে একটি বিজ্ঞপ্তি উত্থাপন করে যেখানে কোনও কর্মী ডেটা বৈধ করার বা ব্যতিক্রমগুলি পরিচালনা করার জন্য একটি অনুরোধ পেতে পারে এবং ক্লিকের ক্ষেত্রে কোনও অনিশ্চয়তা সমাধান করতে পারে। আরও, আমরা ভবিষ্যদ্বাণী করার জন্য সময়ের সাথে সাথে তথ্য দলিল করার জন্য কৃত্রিম বুদ্ধিমত্তার সম্ভাব্যতা আনলক করতে পারি, এবং প্রতারণা, সদৃশতা এবং অন্যান্য ত্রুটিগুলি নির্দেশ করতে পারে এমন সম্ভাব্য অসঙ্গতিগুলি সনাক্ত করতে পারি।
ডকুমেন্ট বোঝার সাথে রোবট সংহত করার সুবিধা Bene
- স্বয়ংক্রিয় প্রক্রিয়া: ডকুমেন্ট বোঝার জন্য বটগুলি সংহত করার মূল কারণ হ'ল সম্পূর্ণ প্রক্রিয়াটি শুরু থেকে শেষ পর্যন্ত স্বয়ংক্রিয়ভাবে চালানো। আমাদের যা করতে হবে তা হ'ল বটগুলি শিখতে, ফিরে বসতে এবং আরাম করার জন্য একটি ওয়ার্কফ্লো তৈরি করা। বৈধতা প্রক্রিয়া চলাকালীন, আমাদের যে সমস্যাগুলি বা কোনও জালিয়াতি বা জালিয়াতি চিহ্নিত করা হয়েছে সেই বট দ্বারা বিজ্ঞপ্তিযুক্ত সমস্যাগুলি সমাধান করা দরকার।
- মেশিন লার্নিং সহ বটস: অটোমেশন প্রক্রিয়া চলাকালীন আমরা বটগুলি মেশিন লার্নিংয়ের প্রতিরোধী করতে পারি। অর্থ রোবটগুলি কীভাবে মেশিন লার্নিং মডেলগুলি সম্পাদন করছে তা শিখতে পারে এবং এর মাধ্যমে ডকুমেন্টগুলির পাঠ্য এবং তথ্য আহরণের জন্য উচ্চতর নির্ভুলতা এবং কার্য সম্পাদন করতে মডেলগুলিকে উন্নত করে।
- ডকুমেন্ট প্রসেসিংয়ের বিস্তৃত প্রসেস: সারণী এবং তথ্য আহরণের মতো সাধারণ কাজের জন্য, আমাদের বিভিন্ন ধরণের নথির জন্য বিভিন্ন গভীর শিখন পাইপলাইন তৈরি করতে হবে। এটি একাধিক অ্যাপ্লিকেশন তৈরি করতে এবং বিভিন্ন সার্ভারে বিভিন্ন মডেল মোতায়েনের দিকে পরিচালিত করে, যার জন্য প্রচুর প্রচেষ্টা এবং সময় প্রয়োজন। বটগুলি যখন বিস্তৃত নথির জন্য ছবিতে থাকে, তখন আমাদের কেবলমাত্র একটি একক পাইপলাইন থাকতে পারে যাতে বটগুলি সেগুলি শ্রেণিবদ্ধ করতে পারে এবং তারপরে বিভিন্ন কাজের জন্য উপযুক্ত মডেলটি ব্যবহার করতে পারে। আমরা এপিআইয়ের মাধ্যমে বিভিন্ন পরিষেবা সংহত করতে এবং ডেটা আনার ক্ষেত্রে অন্যান্য সংস্থার সাথে যোগাযোগ করতে পারি।
- স্থাপন করা সহজ: পাইপলাইনগুলি তৈরি হওয়ার পরে দস্তাবেজ বোঝার জন্য, স্থাপন প্রক্রিয়াটি কেবল এক মিনিট। আমাদের হয় প্রশিক্ষণের পরে বট দ্বারা রফতানি করা API গুলি থাকতে পারে, নাহলে আমাদের একটি নিজস্ব কাস্টম আরপিএ সমাধান তৈরি করতে পারে যা আমাদের স্থানীয় সিস্টেমে ব্যবহার করা যেতে পারে। এই ধরনের স্থাপনা উদ্যোগগুলিকেও অনুকূল করতে পারে এবং খুব ন্যূনতম ঝুঁকি নিয়ে ব্যয় হ্রাস করতে পারে।
ন্যানোনেটস প্রবেশ করান
ন্যানোনেটস একটি মেশিন লার্নিং প্ল্যাটফর্ম যা ব্যবহারকারীদের কাছ থেকে ডেটা ক্যাপচার করতে দেয় চালান, প্রাপ্তিগুলি এবং কোনও নথি কোনও টেম্পলেট সেটআপ ছাড়াই। আমাদের কাছে আর্ট ডিপ লার্নিং এবং কম্পিউটার ভিশন অ্যালগরিদমগুলির পিছনে চলছে যা ওসিআর, টেবিল নিষ্কাশন, কী-মান জোড় নিষ্কাশন এর মতো যে কোনও ধরনের ডকুমেন্ট বোঝার কাজগুলি পরিচালনা করতে পারে। এগুলি সাধারণত এপিআই হিসাবে রফতানি করা হয় বা বিভিন্ন ব্যবহারের ক্ষেত্রে ভিত্তিতে স্থাপনা স্থাপন করা যেতে পারে। এখানে কিছু উদাহরণ আছে,
- চালানের মডেল: থেকে মূল ক্ষেত্রগুলি শনাক্ত করুন ইনভয়েস বা চালান যেমন ক্রেতার নাম, চালান আইডি, তারিখ, পরিমাণ ইত্যাদি
- প্রাপ্তিগুলি মডেল: বিক্রেতার নাম, সংখ্যা, তারিখ, পরিমাণ ইত্যাদি রসিদ থেকে কী ক্ষেত্রগুলি সনাক্ত করুন
- ড্রাইভিং লাইসেন্স (ইউএসএ): লাইসেন্স নং, ডিওবি, মেয়াদোত্তীকরণের তারিখ, ইস্যু তারিখ ইত্যাদির মতো মূল ক্ষেত্রগুলি শনাক্ত করুন
- পুনঃসূচনা: এক্সট্র্যাক্ট অভিজ্ঞতা, শিক্ষা, দক্ষতা সেট, প্রার্থীর তথ্য ইত্যাদি
এই কর্মপ্রবাহগুলি দ্রুত এবং শক্তিশালী করার জন্য, আমরা কোনও টেম্পলেট ছাড়াই আপনার ডকুমেন্টগুলির বিজোড় অটোমেশনের জন্য একটি আরপিএ সরঞ্জাম, ইউআইপথ ব্যবহার করি। পরবর্তী বিভাগে, আমরা কীভাবে ডকুমেন্ট বোঝার জন্য ন্যানোনেটসের সাথে ইউআইপথ সংযোগটি ব্যবহার করতে পারি তা আমরা যাব। আরপিএ মার্কেটের 3 টি বড় প্লেয়ার হলেন ইউআইপথ, অটোমেশন যে কোনও জায়গায় এবং ব্লু প্রিজম। এই ব্লগটি ইউপথকে কেন্দ্র করে।
ইউআইপ্যাথের সাথে ন্যানো নেটস
আমরা আমাদের আগের বিভাগগুলিতে একটি ডকুমেন্ট বোঝার পাইপলাইন তৈরি করতে শিখেছি। এটিতে ওসিআর, আরপিএ এবং মেশিন লার্নিংয়ের প্রাথমিক জ্ঞান প্রয়োজন, কারণ বিভিন্ন পয়েন্টে বিভিন্ন কাজের জন্য বিভিন্ন পদ্ধতি এবং অ্যালগরিদম রয়েছে। এছাড়াও, আমাদের নিউট্রাল নেটওয়ার্কগুলি তৈরি করতে আমাদের প্রচুর প্রচেষ্টা করতে হয়েছে যা আমাদের টেম্পলেটগুলি, প্রশিক্ষণ এবং তাদের স্থাপনের বিষয়টি বোঝে। সুতরাং, ডকুমেন্টগুলি আপলোড করা, সেগুলি শ্রেণিবদ্ধকরণ, ওসিআর তৈরি করা, এমএল মডেলগুলিকে একীকরণ করা থেকে সবকিছু আরামদায়ক এবং স্বয়ংক্রিয় করার জন্য, ন্যানোনেটস আমরা ডকুমেন্ট বোঝার জন্য একটি বিরামবিহীন পাইপলাইন তৈরির জন্য ইউআই পাথের উপর কাজ করছি। নীচে এটি কীভাবে কাজ করে তার একটি চিত্র রয়েছে।
এখন আসুন এর প্রতিটিটি পর্যালোচনা করুন এবং আমরা কীভাবে ইউআইপ্যাথের সাথে ন্যানোনেটগুলি সংহত করতে পারি তা শিখি।
পদক্ষেপ 1: ইউআইপথ এ সাইনআপ এবং ইউআইপথ স্টুডিও ডাউনলোড করুন
একটি কার্যপ্রবাহ তৈরি করতে, প্রথমে, আমাদের ইউআইপ্যাথে একটি অ্যাকাউন্ট তৈরি করতে হবে। আপনি যদি কোনও বিদ্যমান ব্যবহারকারী হন তবে আপনি আপনার ইউআইপ্যাথ ড্যাশবোর্ডকে পুনর্নির্দেশ করে সরাসরি আপনার অ্যাকাউন্টে লগ ইন করতে পারেন। এরপরে, আপনাকে ইউআইপথ স্টুডিও (সম্প্রদায় সংস্করণ) ডাউনলোড এবং ইনস্টল করতে হবে, যা বিনামূল্যে।
পদক্ষেপ 2: Nanonets উপাদান ডাউনলোড করুন
পরবর্তী, আপনার সেট আপ করতে চালান প্রক্রিয়াকরণ পাইপলাইন, আপনাকে নীচের লিঙ্ক থেকে Nanonets সংযোগকারী ডাউনলোড করতে হবে।
-> ন্যানোনেটস ওসিআর - আরপিএ উপাদান
নীচে ইউআইপথ মার্কেটপ্লেস এবং ন্যানোনেটস উপাদানগুলির একটি স্ক্রিনশট রয়েছে। এছাড়াও এটি ডাউনলোড করতে, আপনি উইন্ডোজ অপারেটিং সিস্টেম থেকে ইউআইপ্যাথে লগ ইন করেছেন তা নিশ্চিত করুন।
আপনার ডাউনলোড করা ফাইলগুলিতে নীচে তালিকাভুক্ত ফাইলগুলি থাকা উচিত,
UiPath OCR Predict ├── Main.xaml
└── project.json
পদক্ষেপ 3: Main.xaml ফাইল Nanonets উপাদান খুলুন
Nanonets UiPath কাজ করছে কিনা তা যাচাই করতে, আপনি UI পাথ স্টুডিও ব্যবহার করে ডাউনলোড করা Nanonets উপাদান থেকে আপনার Main.xML ফাইলটি খুলতে পারেন। তারপরে আপনি নথি প্রক্রিয়াজাতকরণের জন্য ইতিমধ্যে আপনার জন্য তৈরি পাইপলাইন দেখতে পাবেন।
পদক্ষেপ 4: ন্যানোনেটস অ্যাপ্লিকেশন থেকে আপনার মডেল আইডি, এপিআই কী এবং এপিআই শেষ পয়েন্ট সংগ্রহ করুন
এর পরে, আপনি ন্যানোনেটস অ্যাপ্লিকেশন থেকে প্রশিক্ষিত ওসিআরের যে কোনও মডেল ব্যবহার করতে পারেন এবং মডেল আইডি, এপিআই কী এবং শেষ পয়েন্টটি সংগ্রহ করতে পারেন। সেগুলি দ্রুত খুঁজে পেতে আপনার নীচে আরও বিশদ দেওয়া আছে।
মডেল আইডি: আপনার Nanonets অ্যাকাউন্টে লগইন করুন এবং "আমার মডেলগুলি" এ নেভিগেট করুন। আপনি একটি নতুন মডেলকে প্রশিক্ষণ দিতে বা বিদ্যমান মডেলের অ্যাপ্লিকেশন আইডি অনুলিপি করতে পারেন।
এপিআই শেষ পয়েন্ট: আপনি যে কোনও বিদ্যমান মডেল চয়ন করতে পারেন এবং আপনার এপিআই এর শেষ পয়েন্টটি খুঁজতে ইন্টিগ্রেটে ক্লিক করতে পারেন। আপনার শেষবিন্দুগুলি দেখতে কেমন তার উদাহরণ নীচে দেওয়া হল।
https://app.nanonets.com/api/v2/OCR/Model/XXXXXXX-4840-4c27-8940-d3add200779e/LabelUrls/
৩.আইপিআই কী: API কী ট্যাবে নেভিগেট করুন এবং আপনি যে কোনও বিদ্যমান এপিআই কী অনুলিপি করতে পারেন বা একটি নতুন তৈরি করতে পারেন।
পদক্ষেপ 5: আপনার পদ্ধতি এবং ভেরিয়েবলগুলি ইউআই পাথ পেতে HTTP অনুরোধ যুক্ত করুন
এখন আপনার মডেলটিকে ন্যানোনেটস থেকে ইউআই পথে সংহত করতে, আপনার HTTP অনুরোধে প্রথম ক্লিক হবে এবং এন্ডপয়েন্টটি যুক্ত হবে, যা ইনপুট বিভাগের অধীনে বাম নেভিগেশনে পাওয়া যাবে। নীচে একটি স্ক্রিনশট রয়েছে।
পরে, আপনার ইউআইপথ স্টুডিও থেকে Nanonets এপিআইতে সংযোগ স্থাপন করতে আপনার সমস্ত ভেরিয়েবল যুক্ত করুন। আপনি নীচের অংশে এই বিভাগটি "ভেরিয়েবল ট্যাব" এ খুঁজে পেতে পারেন। স্ক্রিনশটের নীচে আপনাকে এখানে আপনার এপিআই কী, শেষ পয়েন্ট এবং আপনার মডেলের মডেল-আইডি আপডেট / অনুলিপি করতে হবে।
পদক্ষেপ:: পূর্বাভাসের জন্য ফাইলের অবস্থান যুক্ত করুন
শেষ অবধি, আপনি নীচের স্ক্রিনশটটিতে দেখানো হিসাবে অ্যাট্রিবিউটস ট্যাবের অধীনে আপনার ফাইলের অবস্থানটি যুক্ত করতে পারেন এবং আপনার ফলাফলগুলি পূর্বাভাস দেওয়ার জন্য আপনার শীর্ষস্থানীয় নেভিগেশনে প্লে বোতামটি টিপুন।
ভয়েলা! নীচের স্ক্রিনশটে আমরা যে দস্তাবেজের জন্য অনুরোধ করেছি তার জন্য আমাদের আউটপুটগুলি এখানে রয়েছে। আরও প্রক্রিয়া করার জন্য, আপনি কেবল আপনার ফাইলের অবস্থানগুলি যুক্ত করতে এবং রান বোতামটিতে চাপ দিতে পারেন।
পদক্ষেপ 7 - সিএসভি / ইআরপিতে আউটপুট পুশ করুন
শেষ অবধি, আমাদের আউটপুটটিকে আপনার পছন্দসই বিন্যাসে কাস্টমাইজ করতে আমরা মেইন.এক্সএমএল ফাইলটিতে আপনার পাইপলাইনে নতুন ব্লক যুক্ত করতে পারি। আমরা অফলাইন ফাইল বা এপিআই কলগুলির মাধ্যমে যে কোনও বিদ্যমান ইআরপি সিস্টেমে এটি ঠেলাতে পারি।
যে কোনও সহায়তার জন্য আমাদের সাথে যোগাযোগ করুন support@nanonets.com
webinar
আরপিএর সাথে ওসিআরে আগামী মঙ্গলবার কোনও ওয়েবিনারের জন্য আমাদের সাথে যোগ দিন, এখানে নিবন্ধন করুন.
তথ্যসূত্র
[1] গার্টনার বলেছেন রোবোটিক প্রক্রিয়া অটোমেশন বাৎসরিক আর্থিক বিভাগগুলি 25,000 ঘন্টা এড়ানো যায় able
[2] ডকুমেন্ট বোঝা - এআই ডকুমেন্ট প্রসেসিং
[3] আরপিএ ওসিআর - উন্নতকরণের প্রক্রিয়া অটোমেশন | নিস
[4] নথি বোঝার অনুকূলকরণের জন্য এআই কীভাবে ব্যবহার করবেন
[5] https://www.uipath.com/product/document-understanding
[6] ইনভয়েস ওসিআরের জন্য ইউআইপথ ওয়ার্কফ্লোতে ন্যানো নেট ব্যবহার করা
আরও পড়া
আপনি আমাদের সর্বশেষ পোস্টে আগ্রহী হতে পারে:
আপডেট:
Document ডকুমেন্ট বোঝার ক্ষেত্রে ওসিআর, আরপিএর ব্যবহার এবং প্রভাব সম্পর্কে আরও পড়ার উপাদান যুক্ত করা হয়েছে।
সূত্র: https://nanonets.com/blog/ocr-with-rpa-and-docament- বোঝা-uipath/
- '
- &
- 000
- 2021
- 7
- হিসাব
- হিসাবরক্ষণ
- কর্ম
- সুবিধা
- AI
- অ্যালগরিদম
- আলগোরিদিম
- সব
- বিশ্লেষণ
- API
- API গুলি
- অ্যাপ্লিকেশন
- আবেদন
- অ্যাপ্লিকেশন
- শিল্প
- কৃত্রিম বুদ্ধিমত্তা
- কৃত্রিম বুদ্ধিমত্তা (এআই)
- কৃত্রিম গোয়েন্দা এবং মেশিন লার্নিং
- স্বয়ংক্রিয়তা
- অটোমেশন কোথাও
- সর্বোত্তম
- বৃহত্তম
- ব্লগ
- বট
- বট
- নির্মাণ করা
- ভবন
- ব্যবসায়
- ক্যামেরা
- মামলা
- কারণ
- ঘটিত
- চরিত্র স্বীকৃতি
- শ্রেণীবিন্যাস
- মেঘ
- ক্লাউড প্ল্যাটফর্ম
- কোড
- জ্ঞানীয়
- সংগ্রহ
- মন্তব্য
- সাধারণ
- সম্প্রদায়
- কোম্পানি
- উপাদান
- কম্পিউটার ভিশন
- বিশ্বাস
- সুখী
- সংশোধণী
- খরচ
- ড্যাশবোর্ড
- উপাত্ত
- ডাটা ব্যাবস্থাপনা
- লেনদেন
- গভীর জ্ঞানার্জন
- বিকাশকারী
- ডেভেলপারদের
- ডিভাইস
- ডিজিটাল
- কাগজপত্র
- ছল
- পরিচালনা
- প্রশিক্ষণ
- দক্ষতা
- ইমেইল
- কর্মচারী
- শেষপ্রান্ত
- উদ্যোগ
- ইত্যাদি
- তথ্য নিষ্কাশন
- নিষ্কাশন
- বৈশিষ্ট্য
- বৈশিষ্ট্য
- ক্ষেত্রসমূহ
- পরিশেষে
- অর্থ
- প্রথম
- কেন্দ্রবিন্দু
- ফর্ম
- বিন্যাস
- প্রতারণা
- বিনামূল্যে
- ভবিষ্যৎ
- গার্টনার
- সাধারণ
- GIF
- ভাল
- গুগল
- কৌশল
- হ্যান্ডলিং
- মাথাব্যাথা
- এখানে
- উচ্চ
- কিভাবে
- কিভাবে
- HTTPS দ্বারা
- প্রচুর
- মানুষেরা
- অকুলীন
- সনাক্ত করা
- ভাবমূর্তি
- প্রভাব
- বৃদ্ধি
- তথ্য
- তথ্য
- তথ্য নিষ্কাশন
- বুদ্ধিমত্তা
- অভিপ্রায়
- সমস্যা
- IT
- চাবি
- জ্ঞান
- কেওয়াইসি
- ভাষা
- সর্বশেষ
- নেতৃত্ব
- নেতৃত্ব
- শিখতে
- জ্ঞানী
- শিক্ষা
- উচ্চতা
- লেভারেজ
- লাইসেন্স
- সীমিত
- LINK
- স্থানীয়
- অবস্থান
- মেশিন লার্নিং
- ব্যবস্থাপনা
- বাজার
- নগরচত্বর
- ম্যাচ
- মাপ
- বণিক
- ছন্দোবিজ্ঞান
- মাইক্রোসফট
- ML
- মডেল
- চলচ্চিত্র
- স্বভাবিক ভাষা
- স্বাভাবিক ভাষা প্রক্রিয়াকরণ
- ন্যাভিগেশন
- নেটওয়ার্ক
- নিউরাল
- নিউরাল নেটওয়ার্ক
- NLP
- প্রজ্ঞাপন
- সংখ্যার
- OCR করুন
- খোলা
- অপারেটিং
- অপারেটিং সিস্টেম
- অপারেশনস
- অপটিক্যাল ক্যারেক্টার রেকগনিশন
- ক্রম
- অন্যান্য
- অন্যরা
- পাসপোর্ট
- কর্মক্ষমতা
- ছবি
- মাচা
- জনপ্রিয়
- পোস্ট
- ক্ষমতা
- স্পষ্টতা
- ভবিষ্যতবাণী
- প্রক্রিয়া অটোমেশন
- প্রোগ্রাম
- প্রকল্প
- গুণ
- উত্থাপন
- পরিসর
- RE
- পড়া
- হ্রাস করা
- ফলাফল
- এখানে ক্লিক করুন
- রোবট
- রোবোটিক প্রক্রিয়া অটোমেশন
- রোবোটিক্স
- রোবট
- rpa
- নিয়ম
- চালান
- দৌড়
- প্রাণরস
- রক্ষা
- স্কেল
- স্ক্যানিং
- চাঁচুনি
- স্ক্রিন
- নির্বিঘ্ন
- বিক্রেতাদের
- ক্রম
- সেবা
- সেট
- সহজ
- So
- সফটওয়্যার
- সফটওয়্যার বট
- সলিউশন
- সমাধান
- ব্যয় করা
- শুরু
- রাষ্ট্র
- অধ্যয়ন
- সমর্থন
- পদ্ধতি
- সিস্টেম
- টেবিল নিষ্কাশন
- প্রযুক্তি
- প্রযুক্তিঃ
- ভবিষ্যৎ
- সময়
- শীর্ষ
- প্রশিক্ষণ
- ui
- ইউআইপথ
- আপডেট
- us
- মার্কিন
- ব্যবহারের ক্ষেত্রে
- ব্যবহারকারী
- মূল্য
- বনাম
- দৃষ্টি
- ওয়েব
- webinar
- ওয়েবসাইট
- হু
- জানালা
- মধ্যে
- হয়া যাই ?
- কর্মপ্রবাহ
- কাজ
- এক্সএমএল
- বছর
- ইউটিউব