সব ভাষাতেই command ও code ইংরেজিতে থাকবে। বড় হাতের অক্ষরে লেখা placeholder নিজের account ও paid job-এর মান দিয়ে বদলান; shared notebook বা log-এ আসল key দেবেন না।
প্রশিক্ষণের ধাপ
- লক্ষ্য কাজ ও গ্রহণযোগ্যতার মানদণ্ড নির্ধারণ
- শিক্ষক মডেল অনুমোদিত রেফারেন্স উপকরণ প্রস্তুত
- শিক্ষার্থী মডেল নির্বাচিত রানটাইমে প্রশিক্ষণ
- মূল্যায়ন প্রাথমিক মানদণ্ডের সঙ্গে তুলনা
- সরবরাহ স্বতন্ত্র মডেল বা অ্যাডাপ্টার রপ্তানি
লক্ষ্য: কাজ ও গ্রহণযোগ্যতার মানদণ্ড নির্ধারণ. শিক্ষক মডেল: অনুমোদিত রেফারেন্স উপকরণ প্রস্তুত. শিক্ষার্থী মডেল: নির্বাচিত রানটাইমে প্রশিক্ষণ. মূল্যায়ন: প্রাথমিক মানদণ্ডের সঙ্গে তুলনা. সরবরাহ: স্বতন্ত্র মডেল বা অ্যাডাপ্টার রপ্তানি
কাজ কোথায় হয়
- আপনার অ্যাপ্লিকেশন API কী, লক্ষ্য ও অনুমোদিত কাজ
- FusionPointAI-এর API সেশন, রেফারেন্সে প্রবেশাধিকার ও প্রস্তুত ডেটা
- প্রশিক্ষণের রানটাইম SDK, শিক্ষার্থী মডেল ও GPU
- স্থানীয় আউটপুট মডেল প্যাকেজ ও মূল্যায়ন প্রতিবেদন
আপনার অ্যাপ্লিকেশন: API কী, লক্ষ্য ও অনুমোদিত কাজ. FusionPointAI-এর API: সেশন, রেফারেন্সে প্রবেশাধিকার ও প্রস্তুত ডেটা. প্রশিক্ষণের রানটাইম: SDK, শিক্ষার্থী মডেল ও GPU. স্থানীয় আউটপুট: মডেল প্যাকেজ ও মূল্যায়ন প্রতিবেদন
লক্ষ্য থেকে আলাদা মডেল
একটি provider plan ও reference model বেছে নিয়ে কাজ নির্ধারণ করুন, তারপর student model ও runtime কনফিগার করুন। TrainingProject teacher-এর কাছ থেকে অনুমোদিত প্রশিক্ষণ-উপকরণ চাইতে পারে; নির্বাচিত runtime student লোড করে তার ওজন হালনাগাদ করে। ফল হলো আলাদা model বা adapter, teacher-এর ওজনের কপি নয়।
- পরিমাপযোগ্য লক্ষ্য দিয়ে শুরু করুন, যেমন জার্মান নথি শ্রেণিবিন্যাস।
- Teacher access, student model, runtime ও মূল্যায়নের মানদণ্ড আলাদা রাখুন।
- বিদ্যমান paid job ও session workflow-এর জন্য TrainingClient থাকছে।
তিন অংশ, তিন দায়িত্ব
আপনার API key service access অনুমোদন করে; এটি GPU নয়। API session, প্রস্তুত data ও report সমন্বয় করে। আপনার runtime memory, storage ও compute দেয়। SDK স্থানীয়ভাবে optimization করে output package করে। Hosting FusionPointAI, আপনার data center অথবা সামঞ্জস্যপূর্ণ notebook runtime দিতে পারে।
- Credential model file ও export করা package থেকে দূরে রাখুন।
- Teacher-কে কোন লক্ষ্য ও প্রশিক্ষণ-উপকরণ পাঠানো হবে তা পর্যালোচনা করুন।
- Completion report মডেলের মানের স্বাধীন সনদ নয়।
পড়ার পথ বেছে নিন
নতুন ব্যবহারকারীরা Quickstart, Concepts, Models, Datasets, Training ও Evaluation ধারাবাহিকভাবে পড়তে পারেন। Integrator-রা সরাসরি API ও Python reference-এ যেতে পারেন। Operator-দের Recovery ও Runtime deployment-ও পড়া উচিত।
- Compute বা teacher request ব্যবহারের আগে plan দেখুন।
- তুলনার জন্য অপরিবর্তিত baseline রাখুন।
- Training ও evaluation ফল পর্যালোচনা করার পরই export করুন।
API তথ্যসূত্র
| Endpoint | উদ্দেশ্য ও আচরণ |
|---|---|
POST /api/v1/training/quotes
Authorization: Bearer ai:training |
যোগ্য reference, plan ও configuration যাচাই করে quote UUID, currency, fixed_total ও expires_at ফেরায়। Arbitrary client price নয়; approved plan ও যোগ্য student setting ব্যবহার করুন।
|
GET /api/v1/training/jobs
Authorization: Bearer ai:training |
Authenticated customer-এর job-গুলো তালিকাভুক্ত করে। Numeric identifier অনুমান না করে ফেরত collection ও resource ID দেখুন। |
POST /api/v1/training/jobs
Authorization: Bearer ai:training |
বৈধ quote UUID থেকে account-মালিকানাধীন job তৈরি করে। Response-এ job ID, status, invoice ID ও timestamp থাকে; job তৈরি হওয়া payment-এর প্রমাণ নয়। |
GET /api/v1/training/jobs/{job}
Authorization: Bearer ai:training |
Job UUID দিয়ে নিজের একটি job পড়ুন; এতে live progress ও delivery status থাকে। |
GET /api/v1/training/jobs/{job}/artifacts/{file}
Authorization: Bearer ai:training |
নিজের job-এর প্রকাশিত file ডাউনলোড করে। স্থানীয় SDK ZIP স্বয়ংক্রিয়ভাবে upload হয় না বা এই route-এ পাওয়া যায় না। |
POST /api/v1/training/sessions
Authorization: Bearer ai:training |
Body: job UUID, runtime এবং ঐচ্ছিক ধনাত্মক reference_model_id। নতুন বা পুনর্ব্যবহৃত session ফেরায়; preparation শুরু হওয়ার আগে কেবল reference বদলানো যায়।
|
GET /api/v1/training/sessions/{session}
Authorization: Bearer ai:training |
নিজের session, configuration, dataset, report ও state পড়ুন। State পড়লে training শুরু হয় না। |
POST /api/v1/training/sessions/{session}/prepare
Authorization: Bearer ai:training |
সীমিত preparation batch চাইতে খালি JSON object পাঠান। Request budget মেনে অগ্রগতি থাকলে ready না হওয়া পর্যন্ত পুনরায় দিন। |
GET /api/v1/training/sessions/{session}/datasets/{split}
Authorization: Bearer ai:training |
application/x-ndjson হিসেবে train বা validation ডাউনলোড করুন। ওই session-এর manifest-এর সঙ্গে byte, SHA-256 ও row মিলিয়ে দেখুন।
|
POST /api/v1/training/sessions/{session}/events
Authorization: Bearer ai:training |
প্রকৃত state, step, total_steps এবং ঐচ্ছিক loss/eval_loss metric জানান। শুধু সমর্থিত state ও error-code মান দিন।
|
POST /api/v1/training/sessions/{session}/complete
Authorization: Bearer ai:training |
artifact_name ও প্রকৃত training report-এর সব field জমা দিন। Service method, base revision, weight পরিবর্তন, artifact digest ও evaluation criterion যাচাই করে।
|
POST /api/v1/training/sessions/{session}/cancel
Authorization: Bearer ai:training |
যোগ্য service state বাতিল করতে খালি JSON object পাঠান। দরকার হলে আলাদা GPU process নিজে থামান; এটি pause/resume নয়। |
POST /api/v1/training/projects/authorize
Authorization: Bearer ai:training |
provider ও ধনাত্মক reference_model_id দিয়ে POST /api/v1/training/projects/authorize করুন। Authenticated account-এর paid training reference access আবার যাচাই করে নিজের job, grant, provider, reference model ও মেয়াদ ফেরায়। Invoice তৈরি বা payment বদলায় না।
|
POST /api/v1/training/projects/teacher
Authorization: Bearer ai:training |
provider, reference_model_id, action (curriculum অথবা lessons), objective, ঐচ্ছিক topic, count (১–৪) এবং সর্বোচ্চ আটটি approved_examples (প্রতিটি সর্বোচ্চ ২,০০০ অক্ষর) দিয়ে POST /api/v1/training/projects/teacher করুন। Topic অথবা lesson text/topic row ফেরত দেয়। শুধু অনুমোদিত training material পাঠান; validation বা final-test data নয়।
|
সাধারণ জিজ্ঞাসা
একটি লক্ষ্য দিলেই কি Automatic ওয়ার্কফ্লো শুরু হবে?
এতে কনফিগারেশন শুরু হতে পারে। প্রয়োজনীয় অনুমতি, অনুমোদিত ডেটা, সামঞ্জস্যপূর্ণ শিক্ষার্থী মডেল, সুনির্দিষ্ট কোটেশন, পেমেন্ট এবং কাজ শুরুর শর্ত পূরণ না হওয়া পর্যন্ত প্রকৃত প্রশিক্ষণ শুরু হয় না।
আমি কি রেফারেন্স মডেলের আসল ওজন পাব?
স্বয়ংক্রিয়ভাবে হস্তান্তরের অর্থ করা হয় না। গ্রাহক মডেল আলাদাভাবে প্রশিক্ষিত হয় এবং এর সরবরাহযোগ্য উপকরণ ও লাইসেন্স অনুমোদিত কোটেশনে নির্ধারিত থাকে।
কর্মদক্ষতা কি রেফারেন্স মডেলের মতোই হবে?
নিঃশর্তভাবে নয়। সম্মত সক্ষমতার লক্ষ্য নথিভুক্ত বেঞ্চমার্কে যাচাই করা হয় এবং মাপা ফল জানানো হয়।
হোস্টিং কিনতেই হবে?
অনুমোদিত সরবরাহযোগ্য উপকরণ ডাউনলোডযোগ্য আর্টিফ্যাক্ট হলে না। সমর্থিত হোস্টেড ডিপ্লয়মেন্টের দাম এককালীন প্রশিক্ষণ প্রকল্পের বাইরে আলাদাভাবে নির্ধারিত হয়।
অন্তর্ভুক্ত API প্রবেশাধিকারের মেয়াদ শেষে কী হয়?
নথিভুক্ত প্রশিক্ষণ-মেয়াদ শেষে এর মেয়াদ শেষ হয়। এরপর আলাদা উপলভ্য Unlimited API সাবস্ক্রিপশন বেছে নিতে পারেন।
একটি প্রোভাইডার প্রশিক্ষণ প্ল্যানে কি একাধিক রেফারেন্স মডেল থাকে?
হ্যাঁ। একটি প্ল্যানে সাবস্ক্রাইব করা প্রোভাইডারের সব উপলভ্য রেফারেন্স মডেল থাকে। প্রতিটি প্রশিক্ষণ সেশনের জন্য মডেল বেছে নিন, অথবা প্রস্তুতির আগে অন্য উপলভ্য মডেলে বদলান—আরেকটি সাবস্ক্রিপশন লাগবে না। প্রবেশাধিকার পরিশোধিত প্ল্যানের মেয়াদ ও তার মেয়াদশেষ বা আগাম প্রত্যাহারের শর্তাধীন।