এআই যুগে অ্যাপ্লিকেশন তৈরি করা

1. ওভারভিউ

এই ল্যাবে, আপনি জেমিনি ক্লাউড অ্যাসিস্টের সাহায্যে Google ক্লাউডে পরিকাঠামো তৈরি করতে Google-এর জেনারেটিভ AI পণ্যগুলি ব্যবহার করবেন, ডেটা ক্যানভাসের SQL বৈশিষ্ট্যগুলিতে প্রাকৃতিক ভাষা ব্যবহার করে BigQuery ডেটা জিজ্ঞাসা করবেন, Colab Enterprise Jupyter নোটবুকে কোড লিখবেন এবং Eclipse Theia ( ভিজ্যুয়াল স্টুডিও কোড) জেমিনি কোড অ্যাসিস্টের সাহায্যে এবং ক্লাউডে তৈরি এআই অনুসন্ধান এবং চ্যাট বৈশিষ্ট্যগুলিকে সংহত করে Vertex AI এজেন্ট বিল্ডারের স্টোরেজ এবং BigQuery গ্রাউন্ডিং সোর্স।

আমাদের লক্ষ্য হল এআই রেসিপি হ্যাভেন নামে একটি রেসিপি এবং রান্নার ওয়েবসাইট তৈরি করা। সাইটটি পাইথন এবং স্ট্রিমলিটে নির্মিত হবে এবং এতে দুটি বড় পৃষ্ঠা থাকবে। রান্নার পরামর্শ একটি চ্যাটবট হোস্ট করবে যা আমরা জেমিনি ব্যবহার করে তৈরি করব এবং একটি ভার্টেক্স এআই এজেন্ট বিল্ডার গ্রাউন্ডেড সোর্স কুকবুকের একটি গ্রুপের সাথে সংযুক্ত, এবং এটি রান্নার পরামর্শ দেবে এবং রান্না সম্পর্কিত প্রশ্নের উত্তর দেবে। রেসিপি সার্চ হবে একটি সার্চ ইঞ্জিন যা Gemini দ্বারা খাওয়ানো হবে, এইবার একটি BigQuery রেসিপি ডাটাবেসে ভিত্তি করে।

আপনি যদি এই অনুশীলনে যেকোন কোড হ্যাং আপ করেন, তবে সমস্ত কোড ফাইলের সমাধান সমাধান শাখায় অনুশীলনী GitHub রেপোতে অবস্থিত।

উদ্দেশ্য

এই ল্যাবে, আপনি কীভাবে নিম্নলিখিত কাজগুলি সম্পাদন করবেন তা শিখবেন:

  • সক্রিয় করুন এবং জেমিনি ক্লাউড অ্যাসিস্ট ব্যবহার করুন
  • রান্নার পরামর্শ চ্যাটবটের জন্য Vertex AI Agent Builder-এ একটি অনুসন্ধান অ্যাপ তৈরি করুন
  • Gemini Code Assist-এর সাহায্যে Colab এন্টারপ্রাইজ নোটবুকে ডেটা লোড এবং পরিষ্কার করুন
  • রেসিপি জেনারেটরের জন্য Vertex AI Agent Builder-এ একটি সার্চ অ্যাপ তৈরি করুন
  • সামান্য মিথুন সাহায্যে মূল পাইথন এবং স্ট্রিমলিট ওয়েব অ্যাপ্লিকেশন ফ্রেম আউট করুন
  • ক্লাউড রানে ওয়েব অ্যাপ্লিকেশনটি স্থাপন করুন
  • আমাদের কুকবুক-সার্চ এজেন্ট বিল্ডার অ্যাপে রান্নার পরামর্শ পৃষ্ঠাটি সংযুক্ত করুন
  • (ঐচ্ছিক) রেসিপি-অনুসন্ধান এজেন্ট বিল্ডার অ্যাপে রেসিপি অনুসন্ধান পৃষ্ঠাটি সংযুক্ত করুন
  • (ঐচ্ছিক) চূড়ান্ত আবেদন অন্বেষণ

2. সেটআপ এবং প্রয়োজনীয়তা

আপনি স্টার্ট ল্যাব বোতামে ক্লিক করার আগে

এই নির্দেশাবলী পড়ুন. ল্যাবগুলি সময় হয়ে গেছে এবং আপনি সেগুলি থামাতে পারবেন না৷ টাইমার, যা শুরু হয় যখন আপনি স্টার্ট ল্যাব ক্লিক করেন, তা দেখায় কতক্ষণ Google ক্লাউড সংস্থান আপনার জন্য উপলব্ধ করা হবে৷

এই Qwiklabs হ্যান্ডস-অন ল্যাব আপনাকে একটি বাস্তব ক্লাউড পরিবেশে ল্যাব ক্রিয়াকলাপগুলি নিজে করতে দেয়, সিমুলেশন বা ডেমো পরিবেশে নয়। এটি আপনাকে নতুন, অস্থায়ী শংসাপত্র প্রদান করে যা আপনি সাইন ইন করতে এবং ল্যাবের সময়কালের জন্য Google ক্লাউড অ্যাক্সেস করতে ব্যবহার করেন।

আপনার যা প্রয়োজন

এই ল্যাবটি সম্পূর্ণ করতে, আপনার প্রয়োজন:

  • একটি স্ট্যান্ডার্ড ইন্টারনেট ব্রাউজারে অ্যাক্সেস (Chrome ব্রাউজার প্রস্তাবিত)।
  • ল্যাব সম্পূর্ণ করার সময়।

দ্রষ্টব্য: আপনার যদি ইতিমধ্যেই আপনার নিজের ব্যক্তিগত Google ক্লাউড অ্যাকাউন্ট বা প্রকল্প থাকে, তাহলে এই ল্যাবের জন্য এটি ব্যবহার করবেন না।

দ্রষ্টব্য: আপনি যদি একটি Pixelbook ব্যবহার করেন, তাহলে এই ল্যাবটি চালানোর জন্য একটি ছদ্মবেশী উইন্ডো খুলুন।

কীভাবে আপনার ল্যাব শুরু করবেন এবং Google ক্লাউড কনসোলে সাইন ইন করবেন

  1. স্টার্ট ল্যাব বোতামে ক্লিক করুন। আপনি যদি ল্যাবের জন্য অর্থপ্রদান করতে চান, তাহলে আপনার অর্থপ্রদানের পদ্ধতি নির্বাচন করার জন্য একটি পপ-আপ খোলে। বাম দিকে একটি প্যানেল রয়েছে যা অস্থায়ী শংসাপত্রগুলির সাথে রয়েছে যা আপনাকে এই ল্যাবের জন্য ব্যবহার করতে হবে৷

52e0878388c0d9ed.png

  1. ব্যবহারকারীর নাম অনুলিপি করুন, এবং তারপর Google কনসোল খুলুন ক্লিক করুন। ল্যাবটি রিসোর্স স্পিন করে, এবং তারপরে সাইন ইন পৃষ্ঠাটি দেখায় এমন আরেকটি ট্যাব খোলে।

2a4b7165afebf5ab.png

টিপ: ট্যাবগুলিকে পাশাপাশি আলাদা উইন্ডোতে খুলুন।

আপনি যদি একটি অ্যাকাউন্ট চয়ন পৃষ্ঠা দেখতে পান তবে অন্য অ্যাকাউন্ট ব্যবহার করুন ক্লিক করুন।

6463aa9b492a3b60.png

  1. সাইন ইন পৃষ্ঠায়, সংযোগ বিশদ প্যানেল থেকে আপনি যে ব্যবহারকারীর নামটি অনুলিপি করেছেন সেটি আটকান৷ তারপর পাসওয়ার্ড কপি করে পেস্ট করুন।

গুরুত্বপূর্ণ: আপনাকে অবশ্যই সংযোগের বিবরণ প্যানেল থেকে শংসাপত্রগুলি ব্যবহার করতে হবে৷ আপনার Qwiklabs শংসাপত্র ব্যবহার করবেন না. যদি আপনার নিজের Google ক্লাউড অ্যাকাউন্ট থাকে, তাহলে এই ল্যাবের জন্য এটি ব্যবহার করবেন না (আকারের চার্জ এড়ান)। 4. পরবর্তী পৃষ্ঠাগুলিতে ক্লিক করুন:

  1. শর্তাবলী গ্রহণ করুন.
  2. পুনরুদ্ধারের বিকল্প বা দ্বি-ফ্যাক্টর প্রমাণীকরণ যোগ করবেন না (কারণ এটি একটি অস্থায়ী অ্যাকাউন্ট)।
  3. বিনামূল্যে ট্রায়াল জন্য সাইন আপ করবেন না.

কয়েক মুহূর্ত পরে, এই ট্যাবে ক্লাউড কনসোল খোলে।

দ্রষ্টব্য: আপনি উপরের-বাম দিকে নেভিগেশন মেনুতে ক্লিক করে Google ক্লাউড পণ্য এবং পরিষেবাগুলির একটি তালিকা সহ মেনু দেখতে পারেন৷

bbdc8ea800bf0adc.png

3. টাস্ক 0. আপনার ওয়ার্কস্টেশন ক্লাস্টার পরীক্ষা করুন

এই ল্যাবের পরবর্তী অংশে আপনি কিছু উন্নয়নমূলক কাজ করার জন্য একটি Google ক্লাউড ওয়ার্কস্টেশন ব্যবহার করবেন। এই ল্যাবের জন্য স্টার্টআপ প্রক্রিয়াটি আপনার ওয়ার্কস্টেশনের ক্লাস্টার তৈরি করা শুরু করা উচিত ছিল। এগিয়ে যাওয়ার আগে, আসুন নিশ্চিত করি যে ক্লাস্টার তৈরি হচ্ছে।

  1. Google ক্লাউড কনসোলে, ক্লাউড ওয়ার্কস্টেশনগুলিতে নেভিগেট করতে অনুসন্ধান বাক্সটি ব্যবহার করুন৷
  2. ক্লাস্টার ব্যবস্থাপনা দেখতে বাম হাতের নেভিগেশন মেনুটি ব্যবহার করুন।
  3. যদি আপনার কাছে আপডেট হচ্ছে এমন একটি ক্লাস্টার থাকে, আপনি ভাল এবং টাস্ক 1 এ যেতে পারেন। আপনি যদি কোনো অবস্থায় কোনো ক্লাস্টার দেখতে না পান, তাহলে পৃষ্ঠাটি রিফ্রেশ করুন। আপনি যদি এখনও একটি ক্লাস্টার আপডেটিং (বিল্ডিং) দেখতে না পান, তাহলে এই নির্দেশাবলীর উপরের বাম দিকের বোতামটি ব্যবহার করে ল্যাবটি শেষ করুন এবং ল্যাবটি পুনরায় চালু করুন।

4. টাস্ক 1. সক্রিয় করুন এবং জেমিনি ক্লাউড অ্যাসিস্ট ব্যবহার করুন

এই টাস্কে আমরা জেমিনি ক্লাউড অ্যাসিস্ট সক্রিয় করব এবং ব্যবহার করব। Google ক্লাউড কনসোলে কাজ করার সময়, জেমিনি ক্লাউড অ্যাসিস্ট পরামর্শ দিতে পারে, আপনার Google ক্লাউড অবকাঠামো তৈরি, কনফিগার এবং নিরীক্ষণের মাধ্যমে আপনাকে সাহায্য করতে পারে এবং এমনকি gcloud কমান্ডের পরামর্শ দিতে পারে এবং Terraform স্ক্রিপ্ট লিখতে পারে।

  1. ব্যবহারের জন্য ক্লাউড অ্যাসিস্ট সক্রিয় করতে, ক্লাউড কনসোল UI-এর শীর্ষে অনুসন্ধান বাক্সে ক্লিক করুন এবং Ask Gemini নির্বাচন করুন (বা শব্দটি ক্লাউড কনসোলের জন্য জিমিনি জিজ্ঞাসা করুন )।
  2. পৃষ্ঠার প্রয়োজনীয় API বিভাগে স্ক্রোল করুন এবং Google Cloud API-এর জন্য Gemini সক্ষম করুন
  3. আপনি যদি অবিলম্বে একটি চ্যাট ইন্টারফেস দেখতে না পান তবে চ্যাটিং শুরু করুন ক্লিক করুন৷ ক্লাউড ওয়ার্কস্টেশন ব্যবহার করার কিছু সুবিধা ব্যাখ্যা করতে মিথুনকে জিজ্ঞাসা করে শুরু করুন। উৎপন্ন প্রতিক্রিয়া অন্বেষণ করতে কয়েক মিনিট সময় নিন।
  4. এর পরে, এজেন্ট বিল্ডারের সুবিধাগুলি সম্পর্কে জিজ্ঞাসা করুন এবং এটি কীভাবে গ্রাউন্ড জেনারেটিভ প্রতিক্রিয়াগুলিকে সহায়তা করতে পারে।
  5. অবশেষে, আসুন একটি তুলনা তাকান. Google ক্লাউড কনসোলের জেমিনি চ্যাট উইন্ডোতে, নিম্নলিখিত প্রশ্নটি জিজ্ঞাসা করুন:
What are the major steps to creating a search app grounded in a
GCS data source using Vertex AI Agent builder?
  1. এখন, আপনার অ-ছদ্মবেশী উইন্ডোতে, এখানে পাবলিক জেমিনি ওয়েবসাইটে যান, প্রয়োজনে লগ ইন করুন এবং একই প্রশ্ন জিজ্ঞাসা করুন৷ প্রতিক্রিয়া একই বা অন্তত অনুরূপ? নির্দিষ্ট পদক্ষেপ? হয় লক্ষণীয়ভাবে ভাল? যাই হোক না কেন, আমরা পরবর্তী পদক্ষেপগুলি চলার সময় প্রতিক্রিয়াগুলিকে মাথায় রাখুন৷

দ্রষ্টব্য: আপনি যদি আপনার অস্থায়ী Qwiklabs অ্যাকাউন্ট ব্যবহার করে উপরের পদক্ষেপটি করার চেষ্টা করেন তবে আপনাকে ব্লক করা হবে। যদি আপনার কাজের অ্যাকাউন্টটিও ব্লক করা থাকে, কারণ আপনার প্রতিষ্ঠান জেমিনি ওয়েব অ্যাপ ব্যবহারের অনুমতি দিচ্ছে না, তাহলে ধাপটি এড়িয়ে যান এবং এগিয়ে যান। এটি এই অনুশীলনটি সম্পূর্ণ করার আপনার ক্ষমতাকে প্রভাবিত করবে না।

5. টাস্ক 2. রান্নার পরামর্শ চ্যাটবটের জন্য Vertex AI এজেন্ট বিল্ডারে একটি অনুসন্ধান অ্যাপ তৈরি করুন

আমরা যে ওয়েব সাইটটি তৈরি করছি তাতে একটি রান্নার পরামর্শ পৃষ্ঠা থাকবে যাতে ব্যবহারকারীদের রান্না সম্পর্কিত প্রশ্নের উত্তর খুঁজে পেতে সাহায্য করার জন্য একটি চ্যাটবট ডিজাইন করা হয়েছে। এটি 70টি পাবলিক-ডোমেন কুকবুক সমন্বিত একটি উৎসে জেমিনি দ্বারা চালিত হবে। মিথুন প্রশ্নের উত্তর দেওয়ার সময় রান্নার বইগুলো সত্যের উৎস হিসেবে কাজ করবে।

  1. Vertex AI- তে নেভিগেট করতে Cloud Console সার্চ বক্স ব্যবহার করুন। ড্যাশবোর্ড থেকে, সমস্ত প্রস্তাবিত API সক্ষম করুন ক্লিক করুন। আপনি যদি Vertex AI API-এর বিষয়ে একটি পপআপ বক্স পান, যার জন্য সক্রিয় করার প্রয়োজন হয়, অনুগ্রহ করে এটিও সক্ষম করুন
  2. এজেন্ট বিল্ডারে নেভিগেট করতে অনুসন্ধান ব্যবহার করুন তারপর চালিয়ে যান এবং API সক্রিয় করুন
  3. জেমিনি আমাদের আগের পরামর্শে পরামর্শ দিয়েছিল, এজেন্ট বিল্ডারে একটি অনুসন্ধান অ্যাপ তৈরি করা একটি প্রামাণিক ডেটা উৎস তৈরির মাধ্যমে শুরু হয়। যখন ব্যবহারকারী অনুসন্ধান করে, জেমিনি প্রশ্নটি বুঝতে পারে এবং কীভাবে বুদ্ধিমান প্রতিক্রিয়াগুলি রচনা করতে হয়, তবে এটি তার সহজাত জ্ঞান থেকে টেনে না নিয়ে সেই প্রতিক্রিয়াতে ব্যবহৃত তথ্যের জন্য গ্রাউন্ডেড উত্সের দিকে তাকাবে।

বামদিকের মেনু থেকে, ডেটা স্টোরগুলিতে নেভিগেট করুন এবং ডেটা স্টোর তৈরি করুন৷ 4. আমাদের রান্নার পরামর্শ পৃষ্ঠাটি গ্রাউন্ড করার জন্য আমরা যে পাবলিক ডোমেন কুকবুকগুলি ব্যবহার করছি তা বর্তমানে একটি বহিরাগত প্রকল্পের একটি ক্লাউড স্টোরেজ বালতিতে রয়েছে৷ ক্লাউড স্টোরেজ সোর্স টাইপ নির্বাচন করুন। 5. পরীক্ষা করুন কিন্তু আমরা যে ধরনের তথ্য আমদানি করছি তার সাথে সম্পর্কিত ডিফল্ট বিকল্পগুলি পরিবর্তন করবেন না৷ ফোল্ডারে এবং বালতি পাথ ব্যবহারের জন্য আমদানির ধরনটি ছেড়ে দিন: labs.roitraining.com/labs/old-cookbooks , তারপর চালিয়ে যান । 6. ডেটা স্টোরের নাম দিন: old-cookbooks । আইডিটিকে old-cookbooks-id সম্পাদনা এবং পরিবর্তন করুন এবং ডেটা স্টোর তৈরি করুন

Vertex AI এজেন্ট নির্মাতা বিভিন্ন ধরনের অ্যাপ সমর্থন করে এবং ডেটা স্টোর প্রতিটির জন্য সত্যের উৎস হিসেবে কাজ করে। সার্চ অ্যাপগুলি সাধারণ ব্যবহার এবং অনুসন্ধানের জন্য ভাল। চ্যাট অ্যাপগুলি ডেটাফ্লো চালিত চ্যাটবট/ভয়েসবট অ্যাপ্লিকেশনগুলিতে জেনারেটিভ প্রবাহের জন্য। সুপারিশ অ্যাপগুলি আরও ভাল সুপারিশ ইঞ্জিন তৈরি করতে সাহায্য করে। এবং, এজেন্ট অ্যাপগুলি GenAI চালিত এজেন্ট তৈরি করার জন্য। অবশেষে, এজেন্ট সম্ভবত আমরা যা করতে চাই তাতে আমাদের সর্বোত্তম পরিষেবা দেবে, কিন্তু বর্তমানে যে পণ্যটির পূর্বরূপ দেখা হচ্ছে, আমরা অনুসন্ধান অ্যাপের প্রকারের সাথে লেগে থাকব। 7. Apps এ নেভিগেট করতে বাম পাশের মেনুটি ব্যবহার করুন, তারপর Create App এ ক্লিক করুন। 8. অনুসন্ধান অ্যাপ্লিকেশন প্রকার নির্বাচন করুন . পরীক্ষা করুন কিন্তু বিভিন্ন বিকল্প পরিবর্তন করবেন না। অ্যাপটির নাম: cookbook-searchসম্পাদনা করুন এবং অ্যাপ আইডিটিকে cookbook-search-id এ সেট করুন। কোম্পানিটিকে Google এ সেট করুন এবং চালিয়ে যান । 9. আপনি কয়েক ধাপ আগে তৈরি করা old-cookbooks ডেটা স্টোর চেক করুন এবং অনুসন্ধান অ্যাপ তৈরি করুন

আপনি যদি অ্যাক্টিভিটি ট্যাবটি পরীক্ষা করেন, আপনি সম্ভবত দেখতে পাবেন যে রান্নার বইগুলি এখনও আমদানি এবং সূচীকরণ করছে। আমাদের দেওয়া 70টি কুকবুকগুলিতে থাকা হাজার হাজার পৃষ্ঠাগুলিকে ইন্ডেক্স করতে এজেন্ট বিল্ডারের 5+ মিনিট সময় লাগবে৷ এটি কাজ করার সময়, আমাদের রেসিপি জেনারেটরের জন্য কিছু রেসিপি ডাটাবেস ডেটা লোড এবং পরিষ্কার করা যাক।

6. টাস্ক 3. জেমিনি কোড অ্যাসিস্টের সাহায্যে Colab এন্টারপ্রাইজ নোটবুকে ডেটা লোড এবং পরিষ্কার করুন

Google ক্লাউড আপনাকে জুপিটার নোটবুকের সাথে কাজ করতে পারে এমন কয়েকটি প্রধান উপায় অফার করে৷ আমরা Google-এর নতুন অফার, Colab Enterprise ব্যবহার করতে যাচ্ছি। আপনাদের মধ্যে কেউ কেউ হয়তো Google-এর Colab প্রোডাক্টের সাথে পরিচিত হতে পারেন, যা সাধারণত ব্যক্তি বা প্রতিষ্ঠানের দ্বারা ব্যবহৃত হয় যারা বিনামূল্যে পরিবেশে জুপিটার নোটবুক নিয়ে পরীক্ষা করতে চান। Colab এন্টারপ্রাইজ হল একটি বাণিজ্যিক Google ক্লাউড অফার যা Google-এর বাকি ক্লাউড পণ্যগুলির সাথে সম্পূর্ণরূপে একত্রিত এবং যা GCP পরিবেশের নিরাপত্তা এবং সম্মতির ক্ষমতার সম্পূর্ণ সুবিধা গ্রহণ করে।

Colab এন্টারপ্রাইজ যে বৈশিষ্ট্যগুলি অফার করে তার মধ্যে একটি হল Google-এর জেমিনি কোড অ্যাসিস্টের সাথে একীকরণ। কোড অ্যাসিস্ট বিভিন্ন কোড এডিটরগুলিতে ব্যবহার করা যেতে পারে এবং আপনি কোড করার সময় পরামর্শের পাশাপাশি বিরামহীন ইনলাইন পরামর্শ দিতে পারেন। যখন আমরা আমাদের রেসিপি ডেটা নিয়ে ঝগড়া করি তখন আমরা এই জেনারেটিভ অ্যাসিস্ট্যান্টকে কাজে লাগাব।

  1. Colab এন্টারপ্রাইজে নেভিগেট করতে এবং একটি নোটবুক তৈরি করতে সার্চ ব্যবহার করুন। Colab-এর নতুন ফিচার নিয়ে পরীক্ষা করার অফার পেলে সেটি খারিজ করুন। রানটাইম পেতে, নোটবুকের পিছনের কম্পিউট পাওয়ার, আপ এবং যেতে, আপনার নতুন নোটবুকের উপরের ডানদিকে কানেক্ট টিপুন।

386577c713522b4d.png

  1. কলাব এন্টারপ্রাইজ ফাইল প্যানে বর্তমান নোটবুকের নামের পাশে ট্রিপল ডট মেনু ব্যবহার করে এটির নাম পরিবর্তন করুন Data Wrangling

4cb787f255bac415.png

  1. একটি নতুন + পাঠ্য বাক্স তৈরি করুন এবং এটিকে সরানোর জন্য উপরের তীরটি ব্যবহার করুন যাতে এটি পৃষ্ঠার প্রথম ঘর।

6a08b3ccc9c2174b.png

  1. পাঠ্য বাক্স সম্পাদনা করুন এবং লিখুন:
# Data Wrangling

Import the Pandas library
  1. আপনি এইমাত্র যে টেক্সট ব্লকটি তৈরি করেছেন তার নিচের কোড ব্লকে, imp টাইপ করা শুরু করুন এবং Gemini Code Assist-এর বাকী ইম্পোর্ট ধূসর রঙে সাজেস্ট করা উচিত। পরামর্শ গ্রহণ করতে ট্যাব টিপুন।
import pandas as pd
  1. ইম্পোর্ট কোড বক্সের নীচে, আরেকটি টেক্সট বক্স তৈরি করুন এবং লিখুন:
Create a Pandas DataFrame from: gs://labs.roitraining.com/labs/recipes/recipe_dataset.csv. View the first few records.
  1. অন্য কোড ব্লক তৈরি করুন এবং সম্পাদনা করুন। আবার, df টাইপ করা শুরু করুন এবং জেমিনি কোড সহকারী জেনারেট করা কোড পরীক্ষা করুন। আপনি যদি জেনারেট করা সাজেশনের উপরে পাইথন কীওয়ার্ডের একটি স্বয়ংসম্পূর্ণ ড্রপলিস্ট দেখতে পান, তাহলে হালকা ধূসর প্রস্তাবিত কোড দেখতে escape চাপুন। প্রস্তাবনাটি গ্রহণ করতে আবার ট্যাব করুন। যদি আপনার পরামর্শে head() ফাংশন কল না থাকে তবে এটি যোগ করুন।
df = pd.read_csv('gs://labs.roitraining.com/labs/recipes/recipe_dataset.csv')
df.head()
  1. আপনার প্রথম কোড কক্ষে ক্লিক করুন, যেখানে আপনি পান্ডা আমদানি করেছেন এবং নির্বাচিত ঘরটি চালানোর জন্য কমান্ড মেনু বা কীবোর্ড ব্যবহার করুন। কীবোর্ডে shift+enter সেলটি চালাবে এবং পরবর্তী ঘরে ফোকাস স্থানান্তর করবে, প্রয়োজনে একটি তৈরি করবে। এগিয়ে যাওয়ার আগে সেলটি চালানোর জন্য অপেক্ষা করুন।

দ্রষ্টব্য: আপনি [ ] দেখতে পাবেন যখন একটি সেল কার্যকর করা হয়নি। একটি সেল কার্যকর করার সময়, আপনি একটি স্পিনিং, ওয়ার্কিং অ্যানিমেশন দেখতে পাবেন। সেল শেষ হলে, একটি সংখ্যা প্রদর্শিত হবে, যেমন [13]। 9. যে সেলটি ডেটাফ্রেমে CSV লোড করে সেটি এক্সিকিউট করুন। ফাইলটি লোড হওয়ার জন্য অপেক্ষা করুন এবং ডেটার প্রথম পাঁচটি সারি পরীক্ষা করুন। এই রেসিপি ডেটা আমরা BigQuery এ লোড করব এবং আমরা শেষ পর্যন্ত আমাদের রেসিপি জেনারেটরকে গ্রাউন্ড করতে এটি ব্যবহার করব। 10. একটি নতুন কোড ব্লক তৈরি করুন এবং নীচের মন্তব্য লিখুন। মন্তব্যটি টাইপ করার পরে, পরবর্তী কোড লাইনে যান এবং আপনি df.columns পরামর্শটি পাবেন। এটি গ্রহণ করুন তারপর সেল চালান।

# List the current DataFrame column names

আমরা এইমাত্র দেখিয়েছি যে আপনি একটি জুপিটার নোটবুকে জেমিনি কোড অ্যাসিস্ট থেকে কীভাবে সহায়তা পান সে সম্পর্কে আপনার কাছে সত্যিই দুটি পছন্দ রয়েছে: কোড কোষের উপরে পাঠ্য কোষ, বা কোড সেলের ভিতরে মন্তব্য। কোড সেলের ভিতরে থাকা মন্তব্যগুলি জুপিটার নোটবুকগুলিতে ভাল কাজ করে, তবে এই পদ্ধতিটি Google-এর জেমিনি কোড সহায়তা সমর্থনকারী অন্য কোনও IDE-তেও কাজ করবে৷

  1. এর একটু কলাম পরিষ্কার করা যাক. কলামের নাম পরিবর্তন করুন Unnamed: 0 থেকে id , এবং uri তে link । কোড তৈরি করতে আপনার পছন্দের প্রম্পট > কোড কৌশল ব্যবহার করুন, তারপর সন্তুষ্ট হলে সেল চালান।
# Rename the column 'Unnamed: 0' to 'id' and 'link' to 'uri'
df.rename(columns={'Unnamed: 0': 'id', 'link': 'uri'}, inplace=True)
  1. source এবং NER কলামগুলি সরান এবং প্রথম কয়েকটি সারি দেখতে head() ব্যবহার করুন৷ আবার, মিথুনকে সাহায্য করুন। শেষ দুটি লাইন চালান এবং ফলাফল পরীক্ষা করুন।
# Remove the source and NER columns
df.drop(columns=['source', 'NER'], inplace=True)
df.head()
  1. আমাদের ডেটাসেটে কতগুলি রেকর্ড আছে তা দেখা যাক। আবার, আপনার পছন্দের প্রম্পটিং কৌশলটি দিয়ে শুরু করুন এবং দেখুন আপনি কোড তৈরি করতে সাহায্য করার জন্য মিথুন পেতে পারেন কিনা।
# Count the records in the DataFrame
df.shape # count() will also work
  1. 2.23 মিলিয়ন রেকর্ড সম্ভবত আমাদের কাছে সময়ের চেয়ে বেশি রেসিপি। এজেন্ট বিল্ডারের ইনডেক্সিং প্রক্রিয়াটি আমাদের আজকের অনুশীলনের জন্য খুব বেশি সময় নিতে পারে। একটি আপস হিসাবে, আসুন 150,000 রেসিপির নমুনা দেখি এবং এর সাথে কাজ করি। নমুনা নিতে আপনার প্রম্পট > কোড পদ্ধতি ব্যবহার করুন এবং এটিকে dfs (ছোটদের জন্য) নামে একটি নতুন ডেটাফ্রেমে সংরক্ষণ করুন।
# Sample out 150,000 records into a DataFrame named dfs
dfs = df.sample(n=150000)
  1. আমাদের রেসিপি উৎসের ডেটা BigQuery-এ লোড করার জন্য প্রস্তুত। আমরা লোড করার আগে, আসুন BigQuery-এ যাই এবং আমাদের টেবিল ধরে রাখার জন্য একটি ডেটাসেট প্রস্তুত করি। Google ক্লাউড কনসোলে BigQuery- এ নেভিগেট করতে সার্চ বক্স ব্যবহার করুন। আপনি BigQuery-এ ডান-ক্লিক করতে পারেন এবং একটি নতুন ব্রাউজার ট্যাবে খুলতে পারেন।
  2. এটি ইতিমধ্যে দৃশ্যমান না হলে, ক্লাউড কনসোলের উপরের ডানদিকে জেমিনি লোগো ব্যবহার করে জেমিনি এআই চ্যাট প্যানেলটি খুলুন। যদি আপনাকে আবার API সক্ষম করতে বলা হয়, হয় সক্ষম টিপুন বা পৃষ্ঠাটি রিফ্রেশ করুন। প্রম্পট চালান: What is a dataset used for in BigQuery? আপনি প্রতিক্রিয়াটি অন্বেষণ করার পরে জিজ্ঞাসা করুন: How can I create a dataset named recipe_data using the Cloud Console? নিম্নলিখিত কয়েকটি ধাপে ফলাফল তুলনা করুন.

3c38e5975c5c519.png

  1. BigQuery এক্সপ্লোরার প্যানে, আপনার প্রোজেক্ট আইডির পাশে ট্রিপল ডট ভিউ অ্যাকশন মেনুতে ক্লিক করুন। তারপরে ডেটাসেট তৈরি করুন নির্বাচন করুন।

e28c2fc55a04c694.png

  1. recipe_data ডেটাসেট এবং আইডি দিন। অবস্থানের ধরনটি US- এ ছেড়ে দিন এবং ডেটাসেট তৈরি করুন । যদি আপনি একটি ত্রুটি পান যে ডেটাসেটটি ইতিমধ্যেই বিদ্যমান, কেবল এগিয়ে যান৷

BigQuery-এ তৈরি করা ডেটাসেট দিয়ে, আসুন আমাদের নোটবুকে ফিরে যাই এবং সন্নিবেশ করি। 19. Colab এন্টারপ্রাইজে আপনার ডেটা র্যাংলিং নোটবুকে ফিরে যান। একটি নতুন কোড কক্ষে, project_id নামে একটি ভেরিয়েবল তৈরি করুন এবং আপনার বর্তমান প্রকল্প আইডি ধরে রাখতে এটি ব্যবহার করুন। শেষ ল্যাব বোতামের নীচে এই নির্দেশাবলীর উপরের বাম দিকে দেখুন, এবং আপনি বর্তমান প্রকল্প আইডিটি পাবেন। আপনি চাইলে এটি ক্লাউড কনসোলের হোম পেজেও রয়েছে। আপনার project_id ভেরিয়েবলে মানটি বরাদ্দ করুন এবং সেলটি চালান।

# Create a variable to hold the current project_id
project_id='YOUR_PROJECT_ID'
  1. কোডের একটি ব্লক তৈরি করতে প্রম্পট > কোড পদ্ধতি ব্যবহার করুন যা ডেটাসেটে recipes নামের একটি টেবিলে DataFrame dfs সন্নিবেশ করবে যা আমরা এইমাত্র তৈরি করেছি recipe_data । সেল চালান।
dfs.to_gbq(destination_table='recipe_data.recipes', project_id=project_id, if_exists='replace')

7. টাস্ক 4. রেসিপি জেনারেটরের জন্য Vertex AI এজেন্ট বিল্ডারে একটি অনুসন্ধান অ্যাপ তৈরি করুন

চমৎকার, আমাদের রেসিপি ডেটার টেবিল তৈরি করে, আমাদের রেসিপি জেনারেটরের জন্য একটি গ্রাউন্ডেড ডেটা সোর্স তৈরি করতে এটি ব্যবহার করা যাক। আমরা যে পদ্ধতিটি ব্যবহার করব তা আমাদের রান্নার চ্যাটবটের জন্য যা করেছি তার অনুরূপ হবে। আমরা একটি ডেটা স্টোর তৈরি করতে Vertex AI এজেন্ট বিল্ডার ব্যবহার করব, এবং তারপর একটি অনুসন্ধান অ্যাপের জন্য সত্যের উত্স হিসাবে এটি ব্যবহার করব।

আপনি যদি চান, তাহলে নির্দ্বিধায় Google ক্লাউড কনসোলে জেমিনিকে একটি এজেন্ট বিল্ডার অনুসন্ধান অ্যাপ তৈরি করার পদক্ষেপগুলি মনে করিয়ে দিতে বলুন, অথবা আপনি নীচে তালিকাভুক্ত পদক্ষেপগুলি অনুসরণ করতে পারেন৷

  1. এজেন্ট বিল্ডারে নেভিগেট করতে অনুসন্ধান ব্যবহার করুন। ডেটা স্টোর খুলুন এবং ডেটা স্টোর তৈরি করুন । এইবার, BigQuery ডেটা স্টোরের প্রকার নির্বাচন করুন
  2. টেবিল নির্বাচন কক্ষে, ব্রাউজ টিপুন এবং recipes অনুসন্ধান করুন। আপনার টেবিলের পাশে রেডিও বোতামটি নির্বাচন করুন। আপনি যদি অন্যান্য qwiklabs-gcp-... প্রকল্পগুলি থেকে রেসিপিগুলি দেখতে পান, তবে নিশ্চিত করুন যেটি আপনার অন্তর্গত একটি নির্বাচন করুন

দ্রষ্টব্য: আপনি recipes পাশের রেডিও বোতামটি নির্বাচন করার পরিবর্তে ক্লিক করলে, এটি আপনার ব্রাউজারে একটি নতুন ট্যাব খুলবে এবং আপনাকে BigQuery-এর টেবিল ওভারভিউ পৃষ্ঠায় নিয়ে যাবে। শুধু ব্রাউজার ট্যাবটি বন্ধ করুন এবং এজেন্ট বিল্ডারে রেডিও বোতামটি নির্বাচন করুন। 3. পরীক্ষা করুন কিন্তু বাকি ডিফল্ট বিকল্পগুলি পরিবর্তন করবেন না, তারপর চালিয়ে যান । 4. স্কিমা পর্যালোচনা পৃষ্ঠায়, প্রাথমিক ডিফল্ট কনফিগারেশন পরীক্ষা করুন, কিন্তু কিছু পরিবর্তন করবেন না। চালিয়ে যান 5. ডেটাস্টোর recipe-data নাম দিন। ডেটাস্টোর আইডি সম্পাদনা করুন এবং recipe-data-id সেট করুন। ডেটা স্টোর তৈরি করুন । 6. বাম হাতের নেভিগেশন মেনু ব্যবহার করে অ্যাপগুলিতে নেভিগেট করুন এবং অ্যাপ তৈরি করুন । 7. আরও একবার অনুসন্ধান অ্যাপটি নির্বাচন করুন ৷ অ্যাপের recipe-search নাম দিন এবং আইডিটিকে recipe-search-id সেট করুন। কোম্পানির নাম Google এ সেট করুন এবং চালিয়ে যান । 8. এই সময়, রেসিপি-ডেটা ডেটা সোর্স চেক করুন। অ্যাপটি তৈরি করুন

আমাদের ডাটাবেস টেবিল সূচী করতে কিছু সময় লাগবে। এটি করার সময়, আসুন BigQuery-এর নতুন ডেটা ক্যানভাস নিয়ে পরীক্ষা-নিরীক্ষা করা যাক এবং আমরা একটি বা দুটি আকর্ষণীয় রেসিপি খুঁজে পেতে পারি কিনা। 9. BigQuery- এ নেভিগেট করতে সার্চ বক্স ব্যবহার করুন। BigQuery স্টুডিওর শীর্ষে, ডান-সবচেয়ে ট্যাবের পাশের নিচের তীরটিতে ক্লিক করুন এবং ডেটা ক্যানভাস নির্বাচন করুন। অঞ্চলটিকে us-central1- এ সেট করুন।

5d562cddb1717c32.png

  1. ডেটা ক্যানভাস অনুসন্ধান বাক্সে, recipes অনুসন্ধান করুন এবং ক্যানভাসে আপনার টেবিল যোগ করুন
  2. আপনার রেসিপি টেবিলের একটি ভিজ্যুয়াল উপস্থাপনা BigQuery ডেটা ক্যানভাসে লোড করা হবে। আপনি টেবিলের স্কিমা অন্বেষণ করতে পারেন, টেবিলে ডেটার পূর্বরূপ দেখতে পারেন এবং অন্যান্য বিবরণ পরীক্ষা করতে পারেন। সারণী উপস্থাপনা নীচে, ক্যোয়ারী ক্লিক করুন.
  3. ক্যানভাস একটি সংযোজন সহ একটি কম বা কম সাধারণ BigQuery ক্যোয়ারী ডায়ালগ লোড করবে: ক্যোয়ারী উইন্ডোর উপরে একটি টেক্সট বক্স রয়েছে যা আপনি সাহায্যের জন্য মিথুনকে অনুরোধ করতে ব্যবহার করতে পারেন৷ আসুন দেখি আমাদের নমুনায় কিছু কেকের রেসিপি পাওয়া যায় কিনা। নিম্নলিখিত প্রম্পটটি চালান (টেক্সট টাইপ করে এবং এসকিউএল জেনারেশন ট্রিগার করতে এন্টার/রিটার্ন টিপে):
Please select the title and ingredients for all the recipes with a title that contains the word cake.
  1. উত্পন্ন SQL তাকান. একবার আপনি সন্তুষ্ট হলে, ক্যোয়ারী চালান
  2. খুব জঘন্য না! এগিয়ে যাওয়ার আগে কয়েকটি অন্যান্য প্রম্পট এবং প্রশ্নের সাথে পরীক্ষা করতে দ্বিধা বোধ করুন। আপনি যখন পরীক্ষা করেন, কোনটি কাজ করে এবং কোনটি নয় তা দেখতে কম নির্দিষ্ট প্রম্পট চেষ্টা করুন। একটি উদাহরণ হিসাবে, এই প্রম্পট:
Do I have any chili recipes?

(নতুন ক্যোয়ারী চালাতে ভুলবেন না) মরিচের রেসিপিগুলির একটি তালিকা ফিরিয়ে দিয়েছি কিন্তু আমি এটিতে পরিবর্তন না করা পর্যন্ত উপাদানগুলি বাদ দিয়েছি:

Do I have any chili recipes?  Please include their title and ingredients.

(হ্যাঁ, আমি অনুগ্রহ করে বলি যখন আমি অনুরোধ করি। আমার মা খুব গর্বিত হবেন।)

আমি লক্ষ্য করেছি যে একটি মরিচের রেসিপিতে মাশরুম রয়েছে এবং কে মরিচের মধ্যে এটি চায়? আমি মিথুনকে সেই রেসিপিগুলো বাদ দিতে সাহায্য করতে বলেছি।

Do I have any chili recipes?  Please include their title and ingredients, and ignore any recipes with mushrooms as an ingredient.

8. টাস্ক 5. সামান্য মিথুন সাহায্যে মূল পাইথন এবং স্ট্রিমলিট ওয়েব অ্যাপ্লিকেশন ফ্রেম আউট করুন

আমাদের ভার্টেক্স এআই এজেন্ট বিল্ডার ডেটা স্টোর ইনডেক্সিং এবং আমাদের অনুসন্ধান অ্যাপ্লিকেশনগুলির সাথে রোল করার জন্য প্রস্তুত, আসুন আমাদের ওয়েব অ্যাপ্লিকেশন তৈরি করা শুরু করি।

আমরা কাজ করার সময় জেমিনি কোড অ্যাসিস্ট ব্যবহার করব। ভিজ্যুয়াল স্টুডিও কোডে জেমিনি কোড অ্যাসিস্ট ব্যবহার করার বিষয়ে আরও তথ্যের জন্য, এখানে ডকুমেন্টেশন দেখুন

আমরা একটি Google ক্লাউড ওয়ার্কস্টেশনে আমাদের উন্নয়ন করব; একটি ক্লাউড ভিত্তিক উন্নয়ন পরিবেশ, আমাদের ক্ষেত্রে, Eclipse Theia (ওপেন সোর্স ভিজ্যুয়াল স্টুডিও কোড) সহ প্রি-লোড। এই অনুশীলনে একটি স্বয়ংক্রিয় স্ক্রিপ্ট আমাদের জন্য ক্লাউড ওয়ার্কস্টেশন ক্লাস্টার এবং কনফিগারেশন তৈরি করেছে, তবে আমাদের এখনও ক্লাউড ওয়ার্কস্টেশন তৈরি করতে হবে। আপনি যদি ক্লাউড ওয়ার্কস্টেশন এবং তাদের ব্যবহার সম্পর্কে আরও তথ্য চান তবে আপনাকে জেমিনি ক্লাউড অ্যাসিস্টকে জিজ্ঞাসা করা উচিত :-)

  1. ক্লাউড ওয়ার্কস্টেশনে নেভিগেট করতে সার্চ ব্যবহার করুন, তারপর ওয়ার্কস্টেশন তৈরি করুন । ওয়ার্কস্টেশন dev-env নাম দিন এবং my-config কনফিগারেশন ব্যবহার করুন। ওয়ার্কস্টেশন তৈরি করুন
  2. কয়েক মিনিট পরে, আপনি আপনার আমার ওয়ার্কস্টেশন তালিকায় আপনার নতুন ওয়ার্কস্টেশন দেখতে পাবেন। dev-env শুরু করুন এবং এটি চালু হলে, উন্নয়ন পরিবেশ চালু করুন
  3. ওয়ার্কস্টেশন এডিটর একটি নতুন ব্রাউজার ট্যাবে খুলবে, এবং কয়েক মুহূর্ত পরে, আপনি একটি পরিচিত Theia (ভিজ্যুয়াল স্টুডিও কোড) ইন্টারফেস দেখতে পাবেন। ইন্টারফেসের বাম দিকে, সোর্স কন্ট্রোল ট্যাবটি প্রসারিত করুন এবং ক্লোন রিপোজিটরি টিপুন।

c03d05b42d28a518.png

  1. সংগ্রহস্থল URL-এর জন্য https://github.com/haggman/recipe-app লিখুন। আপনার user ফোল্ডারে রেপো ক্লোন করুন, তারপর সম্পাদনার জন্য ক্লোন করা রেপো খুলুন
  2. আমরা ক্লোন করা ফোল্ডারটি অন্বেষণ করার আগে এবং আমাদের ওয়েব অ্যাপ্লিকেশনে কাজ শুরু করার আগে, আমাদের Google ক্লাউডে এডিটরের ক্লাউড কোড প্লাগইন লগইন করতে হবে এবং আমাদের জেমিনি সক্ষম করতে হবে। এখন এটা করা যাক. আপনার সম্পাদকের নীচে বাম দিকে, ক্লাউড কোড - সাইন ইন ক্লিক করুন৷ আপনি যদি লিঙ্কটি দেখতে না পান, এক মিনিট অপেক্ষা করুন এবং আবার চেক করুন।

f4ebfbd96026c0d8.png

  1. টার্মিনাল উইন্ডো একটি দীর্ঘ URL প্রদর্শন করবে। ব্রাউজারে URLটি খুলুন এবং আপনার Google ক্লাউড পরিবেশে ক্লাউড কোড অ্যাক্সেস দেওয়ার জন্য ধাপগুলি চালান৷ নিশ্চিত করুন যে আপনি আপনার ব্যায়ামের অস্থায়ী student-... অ্যাকাউন্ট ব্যবহার করছেন এবং আপনার ব্যক্তিগত Google ক্লাউড অ্যাকাউন্ট ব্যবহার করবেন না যখন আপনি প্রমাণীকরণ করবেন। চূড়ান্ত ডায়ালগে, যাচাইকরণ কোডটি অনুলিপি করুন এবং আপনার ক্লাউড ওয়ার্কস্টেশন ব্রাউজার ট্যাবে অপেক্ষার টার্মিনাল উইন্ডোতে পেস্ট করুন।
  2. কয়েক মুহূর্ত পরে, আপনার সম্পাদকের নীচে বাম দিকের ক্লাউড কোড লিঙ্কটি ক্লাউড কোড - কোন প্রকল্পে পরিবর্তিত হবে। একটি প্রকল্প নির্বাচন করতে নতুন লিঙ্কে ক্লিক করুন. কমান্ড প্যালেটটি সম্পাদকের শীর্ষে খোলা উচিত। একটি Google ক্লাউড প্রকল্প নির্বাচন করুন ক্লিক করুন এবং আপনার qwiklabs-gcp-... প্রকল্প নির্বাচন করুন৷ কয়েক মুহূর্ত পরে, আপনার সম্পাদকের নীচের বাম দিকের লিঙ্কটি আপনার প্রকল্প আইডি প্রদর্শনের জন্য আপডেট হবে। এটি নির্দেশ করে যে ক্লাউড কোড সফলভাবে আপনার কাজের প্রকল্পের সাথে সংযুক্ত করা হয়েছে।
  3. আপনার প্রোজেক্টের সাথে ক্লাউড কোড সংযুক্ত থাকলে, আপনি এখন জেমিনি কোড অ্যাসিস্ট সক্রিয় করতে পারেন। আপনার সম্পাদক ইন্টারফেসের নীচের ডানদিকে, মিথুন লোগোতে ক্লিক করুন। মিথুন চ্যাট প্যানটি সম্পাদকের বাম দিকে খুলবে৷ একটি Google ক্লাউড প্রকল্প নির্বাচন করুন ক্লিক করুন। কমান্ড প্যালেট খোলে, আপনার qwiklabs-gcp-... প্রকল্প নির্বাচন করুন। আপনি যদি সঠিকভাবে পদক্ষেপগুলি অনুসরণ করেন (এবং Google কিছুই পরিবর্তন করেনি), তাহলে আপনার এখন একটি সক্রিয় মিথুন চ্যাট উইন্ডো দেখতে হবে।

70e4e06ed6565329.png

  1. সবশেষে, সম্পাদক টার্মিনাল উইন্ডোটি সমানভাবে কনফিগার করা যাক। টার্মিনাল উইন্ডো খুলতে হ্যামবার্গার মেনু > ভিউ > টার্মিনাল ব্যবহার করুন। gcloud init চালান। আবার, ক্লাউড শেল টার্মিনালকে আপনার qwiklabs-gcp-... প্রকল্পের বিরুদ্ধে কাজ করার অনুমতি দিতে লিঙ্কটি ব্যবহার করুন। জিজ্ঞাসা করা হলে, আপনার qwiklabs-gcp-... প্রকল্পের সংখ্যাসূচক বিকল্পটি নির্বাচন করুন।
  2. চমৎকার, আমাদের টার্মিনাল, জেমিনি চ্যাট এবং ক্লাউড কোড কনফিগারেশন সব সেট সহ, এক্সপ্লোরার ট্যাবটি খুলুন এবং বর্তমান প্রকল্পের ফাইলগুলি অন্বেষণ করতে কয়েক মিনিট সময় নিন।

3b2dc3820ed643e2.png

  1. এক্সপ্লোরারে আপনার requirements.txt ফাইলটি সম্পাদনার জন্য খুলুন। মিথুন চ্যাট প্যানে যান এবং জিজ্ঞাসা করুন:
From the dependencies specified in the requirements.txt file, what type of application are we building?
  1. সুতরাং, আমরা পাইথন এবং স্ট্রিমলিট ব্যবহার করে একটি ইন্টারেক্টিভ ওয়েব অ্যাপ্লিকেশন তৈরি করছি যা ভার্টেক্স এআই এবং ডিসকভারি ইঞ্জিনের সাথে ইন্টারঅ্যাক্ট করছে, চমৎকার। আপাতত, ওয়েব অ্যাপ্লিকেশন উপাদানগুলির উপর ফোকাস করা যাক। যেমন জেমিনি বলেছেন, স্ট্রিমলিট হল পাইথনে ডেটা-চালিত ওয়েব অ্যাপ্লিকেশন তৈরির জন্য একটি কাঠামো। এখন জিজ্ঞাসা করুন:
Does the current project's folder structure seem appropriate for a Streamlit app?s

এখানেই মিথুনের সমস্যা দেখা দেয়। মিথুন আপনি বর্তমানে সম্পাদকে খোলা ফাইলটি অ্যাক্সেস করতে পারে তবে এটি আসলে পুরো প্রকল্পটি দেখতে পারে না। এটি জিজ্ঞাসা করার চেষ্টা করুন:

Given the below, does the current project's file and folder structure seem appropriate for a Streamlit app?

- build.sh
- Home.py
- requirements.txt
- pages
-- Cooking_Advice.py
-- Recipe_Search.py

একটি ভাল উত্তর পেতে?

  1. স্ট্রিমলিট সম্পর্কে আরও কিছু তথ্য পাওয়া যাক:
What can you tell me about Streamlit?

চমৎকার, তাই আমরা দেখতে পাচ্ছি যে মিথুন আমাদের ভালো ও অসুবিধা সহ একটি চমৎকার ওভারভিউ দিচ্ছে।

  1. আপনি যদি অসুবিধাগুলি অন্বেষণ করতে চান তবে আপনি জিজ্ঞাসা করতে পারেন:
What are the major downsides or shortcomings?

লক্ষ্য করুন, আমাদের "স্ট্রিমলিটের" বলতে হবে না, কারণ মিথুন চ্যাট কথোপকথনমূলক (মাল্টি-টার্ন)। মিথুন জানে আমরা কি নিয়ে কথা বলছি কারণ আমরা একটি চ্যাট সেশনে আছি। যে কোনো সময়ে আপনি মিথুন চ্যাট ইতিহাস মুছে ফেলতে চাইলে, জেমিনি কোড চ্যাট উইন্ডোর শীর্ষে ট্র্যাশক্যান আইকনটি ব্যবহার করুন৷

9. টাস্ক 6: ক্লাউড রানে ওয়েব অ্যাপ্লিকেশনটি স্থাপন করুন

চমৎকার, আমাদের মূল অ্যাপ্লিকেশন কাঠামো রয়েছে, কিন্তু এটি কি সব কাজ করবে? আরও ভাল, গুগল ক্লাউডে আমাদের এটি কোথায় হোস্ট করা উচিত?

  1. মিথুন চ্যাট উইন্ডোতে, জিজ্ঞাসা করুন:
If I containerize this application, what compute technologies
in Google Cloud would be best for hosting it?
  1. মনে রাখবেন, আপনি যদি ইতিমধ্যে আপনার IDE-তে কাজ না করে থাকেন, তাহলে আপনি Google Cloud Assist ব্যবহার করতে পারেন। Google ক্লাউড কনসোল খুলুন, তারপর Gemini Cloud Assist খুলুন এবং জিজ্ঞাসা করুন:
If I have a containerized web application, where would be the
best place to run it in Google Cloud?

উপদেশ দুটি সেট একই ছিল? আপনি কি কোন পরামর্শের সাথে একমত/অসম্মত? মনে রাখবেন, মিথুন একটি জেনারেটিভ এআই সহকারী, এবং একজন মানব সহকারীর মতো, আপনি সবসময় এটি যা বলে তার সাথে একমত হবেন না। তবুও, আপনি Google ক্লাউডে এবং আপনার কোড এডিটরে কাজ করার সময় সেই সাহায্যকারীকে সবসময় আপনার পাশে রাখা আপনাকে আরও দক্ষ করে তুলতে পারে।

  1. একটি স্টেটলেস স্বল্পকালীন কন্টেইনারাইজড ওয়েব অ্যাপ্লিকেশনের জন্য, ক্লাউড রান একটি দুর্দান্ত বিকল্প হবে। আপনার কোড এডিটরের মিথুন চ্যাট উইন্ডোতে, প্রম্পটটি চেষ্টা করুন:
What steps would be required to run this application in
Cloud Run?
  1. দেখে মনে হচ্ছে আমাদের প্রথম জিনিসটি একটি ডকারফাইল তৈরি করতে হবে। সম্পাদক ব্যবহার করে, আপনার প্রোজেক্ট ফোল্ডারের রুটে Dockerfile নামে একটি ফাইল তৈরি করুন। আপনি ভুলবশত পৃষ্ঠা ফোল্ডারে এটি স্থাপন না নিশ্চিত করুন. সম্পাদনার জন্য ফাইলটি খুলুন।
  2. আসুন আমাদের Dockerfile তৈরি করতে সাইড জেমিনি চ্যাট প্যানেলটি ব্যবহার করি। নীচের মত একটি প্রম্পট ব্যবহার করুন. যখন ফলাফলগুলি চ্যাটে প্রদর্শিত হয়, তখন প্রস্তাবিত ডকারফাইলের ঠিক উপরে অনুলিপি আইকনের পাশে + ব্যবহার করুন প্রস্তাবিত কোডটি ডকারফাইলে সন্নিবেশ করতে।
Create a Dockerfile for the application in the current folder.
The dependencies are defined in requirements.txt and I want you
to use the Python 3 slim bookworm base image.

মিথুন সবসময় একই প্রম্পটে একই প্রতিক্রিয়া ফেরত দেয় না। প্রথমবার যখন আমি জেমিনিকে ডকারফাইলের জন্য জিজ্ঞাসা করেছি তখন আমি সঠিক ফাইলটি পেয়েছি যা আমি আপনাকে ব্যবহার করার পরামর্শ দিচ্ছি। এইমাত্র আমি পরামর্শ পেয়েছি:

```docker
# Base image
FROM python:3-bookworm-slim

# Set working directory
WORKDIR /app

# Install dependencies
RUN apt-get update && apt-get install -y \
    build-essential \
    libpq-dev \
    gcc \
    python3-dev \
    && rm -rf /var/lib/apt/lists/*

# Install pip and virtualenv
RUN pip install --upgrade pip virtualenv

# Create virtual environment
RUN python3 -m venv venv

# Activate virtual environment
WORKDIR /app/venv/bin
RUN . activate

# Install Streamlit and libraries from requirements.txt
RUN pip install -r requirements.txt

# Copy application files
COPY . /app

# Expose port 8501 for Streamlit
EXPOSE 8501

# Start Streamlit app
CMD ["streamlit", "run", "main.py"]
That's a heck of a Dockerfile. I'd simplify it a bit. We don't need the apt-get section as anything needed for Python is already in our base image. Also, using a virtual environment in a Python container is a waste of space, so I'd remove that. The expose command isn't strictly necessary, but it's fine. Also, it's trying to start main.py which I don't have.

6. Tweak the Dockerfile so it resembles the following:


পাইথন থেকে: 3.11-স্লিম-বুকওয়ার্ম

ওয়ার্কডির/অ্যাপ

কপি Requiments.txt। RUN পিপ ইনস্টল -নো-ক্যাশে-ডির -আপগ্রেড পিপ &&
পিপ ইনস্টল -no-cache-dir -r requirements.txt

কপি .

CMD ["স্ট্রিমলিট", "রান", "Home.py"]

7. We need a place in Google cloud where we can store our container image. Let's get a little help from Gemini. In the Google Cloud Console Gemini Cloud Assist ask:

ডকার ছবি সঞ্চয় করার জন্য গুগল ক্লাউডের সেরা জায়গা কোথায়?

8. If one of the answers you received is the Google Container Registry, then I guess Gemini hasn't gotten word that GCR is deprecated. Again, just like human assistants, you may get out of date or simply wrong answers (hallucinations). Always make sure to consider your choices carefully, even when Gemini is recommending something.

Let's go with Artifact Registry. Ask Gemini Cloud Assist how to create a docker registry in Artifact Registry named cooking-images.

আর্টিফ্যাক্ট রেজিস্ট্রিতে ডকার রেজিস্ট্রি তৈরি করতে আমি কীভাবে জিক্লাউড ব্যবহার করতে পারি?

9. Now ask Gemini how you could use Cloud Build to build a new image named `recipe-web-app` from the Dockerfile in the current folder.

আমরা এইমাত্র তৈরি করা আর্টিফ্যাক্ট রেজিস্ট্রি রেপো থেকে একই নামের একটি ইমেজ থেকে রেসিপি-ওয়েব-অ্যাপ নামে একটি নতুন ক্লাউড রান পরিষেবা তৈরি করতে কীভাবে আমি জিক্লাউড ব্যবহার করতে পারি?

10. To save you a little time, I've created a script that will create the Artifact Registry repo (if needed), use Cloud Build to build and push the image to the repo, and finally to deploy the application to Cloud Run. In your code editor use the **Explorer** view to open `build.sh` and explore the file.
11. Gemini can operate via the chat window, but it can also work directly in your code file using comments, like we used in the Data Wrangling notebook, and it also may be invoked using Control+i on Windows or Command+i on Mac. Click somewhere in the build.sh script file, activate Gemini using the appropriate Command+i / Control+i command.

<img src="img/61ac2c9a245a3695.png" alt="61ac2c9a245a3695.png"  width="624.00" />

12. At the prompt enter the below. Examine and **Accept** the change.

বর্তমান ফাইল মন্তব্য করুন.

How cool is that?! How many times have you had to work with someone elses code, only to have to waste time gaining a base understanding of their commentless work before you can even start making your changes. Gemini to the rescue!

13. Let's build and deploy our application. In the terminal window execute the `build.sh` file.

. build.sh

14. If you watch the build process, first it will build the Artifact Registry docker repo. Then, it uses Cloud Build to create the container image from the Dockerfile in the local folder (since we didn't supply a `cloudbuild.yaml`). Lastly, the docker image will be deployed into a new Cloud Run service. At the end of the script you'll get a Cloud Run test URL to use.

Open the returned link in a new tab of your browser. Take a moment and explore the application's structure and pages. Nice, now we need a hook in our generative AI functionality.


## Task 7: Connect the Cooking Advice page to our cookbook-search Agent Builder app



We have the framework for the web application running, but we need to connect the two work pages to our two Vertex AI Agent Builder search apps. Let's start with Cooking Advice.

1. In the Google Cloud console use search to navigate to **Chat** in Vertex AI.
2. In the right hand settings page pane set the model to **gemini-1.5-flash-002**. Slide the output token limit up to the max so the model can return longer answers if needed. Open the **Safety Filter Settings**. Set Hate speech, Sexually explicit content, and Harassment content to **Block some**. Set Dangerous content to **Block few** and **Save**. We're setting Dangerous Content a bit lower because talking about knives and cutting can be misinterpreted by Gemini as violence.
3. Slide on the toggle to enable **Grounding** then click **Customize**. Set the grounding source to **Vertex AI search** and for the datastore path use the following. Change YOUR_PROJECT_ID to the project ID found up near the End Lab button in these instructions, then **Save** the grounding settings

প্রকল্প/YOUR_PROJECT_ID/locations/global/collections/default_collection/dataStores/old-cookbooks-id

**Note:** If you get an error then you either didn't change the project ID to your actual project ID, or you may have missed the step where you changed the old-cookbooks Agent Builder Data Store ID. Check your Agent Builder &gt; Data Stores &gt; old-cookbooks for its actual Data store ID.

4. Test a couple of chat messages. Perhaps start with the below. Try a few others if you like.


টমেটো পাকা হলে আমি কিভাবে বলতে পারি?

5. The model works, now let's experiment with the code. Click **Clear Conversation** so our conversations don't become part of the code then click **Get Code**.

<img src="img/dce8ad7ee006cca1.png" alt="dce8ad7ee006cca1.png"  width="624.00" />

6. At the top of the code window, press Open Notebook so we can experiment and perfect the code in Colab Enterprise before integrating it into our app.
7. Take a few minutes to familiarize yourself with the code. Let's make a couple of changes to adapt it to what we want. Before we start, run the first code cell to connect to the compute and install the AI Platform SDK. After the block runs you will be prompted to restart the session. Go ahead and do that.
8. Move to the code we pulled out of Vertex AI Studio. Change the name of the method *multiturn_generate_content* to `start_chat_session`.
9. Scroll to the `model = GenerativeModel(` method call. The existing code defines the `generation_config` and `safety_settings` but doesn't actually use them. Modify the creation of the `GenerativeModel` so it resembles:

মডেল = GenerativeModel( "gemini-1.5-flash-002", tools=tools, generation_config=generation_config, safe_settings=safety_settings, )

10. Lastly, add a final line to the method, just below `chat = model.start_chat()`, so the function returns the `chat` object. The finished function should look like the below.

**Note:** DO NOT COPY this code into your notebook. It is simply here as a sanity check.

def start_chat_session(): vertexai.init(project="qwiklabs-gcp-02-9a7298ceaaec", location="us-central1") টুল = [ Tool.from_retrieval( retrieval=grounding.Retrieval( source=grounding.VertexAISearch(datastore="projects/qwiklabs-gcp-02-9a7298ceaaec/locations/global/collections/default_collection/dataStores/old-cookbooks-id"), ) ), ] মডেল = GenerativeModel "-5. ফ্ল্যাশ-০০২", tools=tools, generation_config=generation_config, safe_settings=safety_settings, ) chat = model.start_chat() রিটার্ন চ্যাট

11. Scroll to the bottom of the code cell and change the final line calling the old function so it calls the new function name and stores the returned object in a variable `chat`. Once you are satisfied with your changes, run the cell.

চ্যাট = শুরু_চ্যাট_সেশন()

12. Create a new code cell and add the comment `# Use chat to invoke Gemini and print out the response`. Move to the next line and type resp and Gemini should auto complete the block for you. Update the prompt to `How can I tell if a tomato is ripe?`. Run the cell

প্রতিক্রিয়া = chat.send_message("টমেটো পাকা কিনা আমি কিভাবে বলতে পারি?") প্রিন্ট(প্রতিক্রিয়া)

13. That's the response alright, but the part we really want is that nested text field. Modify the codeblock to print just that section, like:


প্রতিক্রিয়া = chat.send_message("টমেটো পাকা কিনা আমি কিভাবে বলতে পারি?") প্রিন্ট(response.candidates[0].content.parts[0].text)

14. Good, now that we have working chat code, let's integrate it into our web application. Copy all the contents of the code cell that creates the `start_chat_session` function (we won't need the test cell). If you click into the cell you can click the triple dot menu in the upper right corner and copy from there

<img src="img/17bf8d947393d4b.png" alt="17bf8d947393d4b.png"  width="326.00" />

15. Switch to your Cloud Workstation editor and open pages\Cooking_Advice.py for editing.
16. Locate the comment:


এই বার্তার নিচে আপনার নোটবুক থেকে কপি করা কোডটি যোগ করুন

17. Paste your copied code just below the above comment. Nice, now we have the section which drives the chat engine via a grounded call to Gemini. Now let's integrate it into Streamlit.
18. Locate section of commented code directly below the comment:

আপনার সেশন ভেরিয়েবল সেটআপ করার কোড এখানে

নির্দেশ দেওয়া হলে এই ব্লকটি মন্তব্য করুন

19. Uncomment this section of code (Up till the next `Setup done, let's build the page UI` section) and explore it. It creates or retrieves the chat and history session variables.
20. Next, we need to integrate the history and chat functionality into the UI. Scroll in the code until you locate the below comment.

চ্যাট ইন্টারফেস তৈরি করার কোড এখানে

নির্দেশিত হলে নিচের কোডটি আনকমেন্ট করুন

21. Uncomment the rest of the code below the comment and take a moment to explore it. If you like, highlight it and get Gemini to explain its functionality.
22. Excellent, now let's build the application and deploy it. When the URL comes back, launch the application and give the Cooking Advisor page a try. Perhaps ask it about ripe tomatoes, or the bot knows a good way to prepare brussels sprouts.

. build.sh

How cool is that! Your own personal AI cooking advisor :-)


## Task 8: (Optional) Connect the Recipe Search page to the recipe-search Agent Builder app



When we connected the Cooking Advice page to its grounded source, we did so using the Gemini API directly. For Recipe Search, let's connect to the Vertex AI Agent Builder search app directly.

1. In your Cloud Workstation editor, open the `pages/Recipe_Search.py` page for editing. Investigate the structure of the page.
2. Towards the top of the file, set your project ID.
3. Examine the `search_sample` function. This code more or less comes directly from the Discovery Engine documentation  [here](https://cloud.google.com/generative-ai-app-builder/docs/preview-search-results#genappbuilder_search-python). You can find a working copy in this notebook  [here](https://github.com/GoogleCloudPlatform/generative-ai/blob/main/search/create_datastore_and_search.ipynb).
4. The only change I made was to return the `response.results` instead of just the results. Without this, the return type is an object designed to page through results, and that's something we don't need for our basic application.
5. Scroll to the very end of the file and uncomment the entire section below `Here are the first 5 recipes I found`.
6. Highlight the whole section you just uncommented and open Gemini Code chat. Ask, `Explain the highlighted code`. If you don't have something selected, Gemini can explain the whole file. If you highlight a section and ask Gemini to explain, or comment, or improve it, Gemini will.

Take a moment and read through the explanation. For what it's worth, using a Colab Enterprise notebook is a great way to explore the Gemini APIs before you integrate them into your application. It's especially helpful at exploring some of the newer APIs which may not be documented as well as they could be.
7. At your editor terminal window, run `build.sh` to deploy the final application. Wait until the new version is deployed before moving to the next step.


## Task 9: (Optional) Explore the final application



Take a few minutes to explore the final application.

1. In the Google Cloud console, use search to navigate to **Cloud Run**, then click into your **recipe-web-app**.
2. Locate the application test URL (towards the top) and open it in a new browser tab.
3. The application home page should appear. Note the basic layout and navigation provided by Streamlit, with the python files from the `pages` folder displayed as navigational choices, and the `Home.py` loaded as the home page. Navigate to the **Cooking Advice** page.
4. After a few moments the chat interface will appear. Again, note the nice core layout provided by Streamlit.
5. Try a few cooking related questions and see how the bot functions. Something like:

ব্রোকলি প্রস্তুত করার জন্য আপনার কোন পরামর্শ আছে?

কিভাবে একটি ক্লাসিক মুরগির স্যুপ রেসিপি সম্পর্কে?

meringue সম্পর্কে আমাকে বলুন.

6. Now let's find a recipe or two. Navigate to the Recipe Search page and try a few searches. Something like:

চিলি কন কার্নে

মরিচ, ভুট্টা, চাল

লেবু মেরিঙ্গু পাই

স্ট্রবেরি ধারণকারী একটি ডেজার্ট

## Congratulations!



You have created an application leveraging Vertex AI Agent Builder applications. Along the way you've explored Gemini Cloud Assist, Gemini Code Assist, and the natural language to SQL features of BigQuery's Data Canvas. Fantastic job!