कई कंपनियां अपने ग्राहकों को बेहतर सेवा देने के लिए उन दस्तावेजों की प्रचुर मात्रा से अभिभूत हैं जिन्हें उन्हें संसाधित करने, व्यवस्थित करने और वर्गीकृत करने की आवश्यकता है। ऐसे के उदाहरण ऋण आवेदन, कर फाइलिंग और बिलिंग हो सकते हैं। ऐसे दस्तावेज़ आमतौर पर छवि प्रारूपों में प्राप्त होते हैं और अधिकतर बहु-पृष्ठीय और निम्न-गुणवत्ता वाले प्रारूप में होते हैं। अधिक प्रतिस्पर्धी और लागत-कुशल होने के लिए, और एक ही समय में सुरक्षित और आज्ञाकारी रहने के लिए, इन कंपनियों को प्रसंस्करण समय को कम करने और स्वचालित और स्केलेबल तरीके से वर्गीकरण सटीकता में सुधार करने के लिए अपनी दस्तावेज़ प्रसंस्करण क्षमताओं को विकसित करना चाहिए। इन कंपनियों को दस्तावेजों के प्रसंस्करण में निम्नलिखित चुनौतियों का सामना करना पड़ता है:
- अनुपयुक्त, अवांछित, या आपत्तिजनक सामग्री का पता लगाने के लिए दस्तावेज़ों में मॉडरेशन करना
- मैनुअल दस्तावेज़ वर्गीकरण, जिसे छोटी कंपनियों द्वारा अपनाया जाता है, समय लेने वाला, त्रुटि-प्रवण और महंगा है
- नियम-आधारित प्रणालियों के साथ OCR तकनीक पर्याप्त बुद्धिमान नहीं है और दस्तावेज़ प्रारूप में परिवर्तन के लिए अपनाई नहीं जा सकती
- मशीन लर्निंग (एमएल) दृष्टिकोण अपनाने वाली कंपनियों के पास आने वाले दस्तावेज़ की मात्रा में स्पाइक्स को संभालने के लिए अपने मॉडल को स्केल करने के लिए अक्सर संसाधन नहीं होते हैं
यह पोस्ट इन चुनौतियों से निपटती है और एक वास्तुकला प्रदान करती है जो इन समस्याओं को कुशलतापूर्वक हल करती है। हम दिखाते हैं कि आप कैसे उपयोग कर सकते हैं अमेज़ॅन रेकग्निशन और अमेज़न टेक्सट्रेक दस्तावेजों को संसाधित करने में मानवीय प्रयासों को अनुकूलित और कम करने के लिए। Amazon Rekognition आपके दस्तावेज़ में मॉडरेशन लेबल की पहचान करता है और उनका उपयोग करके उन्हें वर्गीकृत करता है अमेज़ॅन रेकग्निशन कस्टम लेबल. Amazon Textract आपके दस्तावेज़ों से टेक्स्ट निकालता है।
इस पोस्ट में, हम किसी भी मैन्युअल प्रयास या कस्टम कोड की आवश्यकता के बिना दस्तावेजों को संसाधित करने के लिए दो एमएल पाइपलाइन (प्रशिक्षण और अनुमान) के निर्माण को कवर करते हैं। अनुमान पाइपलाइन में उच्च-स्तरीय चरणों में शामिल हैं:
- Amazon Rekognition का उपयोग करके अपलोड किए गए दस्तावेज़ों पर मॉडरेशन करें।
- रिकॉग्निशन कस्टम लेबल का उपयोग करके दस्तावेज़ों को विभिन्न श्रेणियों जैसे W-2s, इनवॉइस, बैंक स्टेटमेंट और पे स्टब्स में वर्गीकृत करें।
- Amazon Textract का उपयोग करके मुद्रित पाठ, हस्तलेखन, प्रपत्रों और तालिकाओं जैसे दस्तावेज़ों से पाठ निकालें।
समाधान अवलोकन
यह समाधान निम्नलिखित AI सेवाओं, सर्वर रहित प्रौद्योगिकियों और एक स्केलेबल और लागत प्रभावी वास्तुकला को लागू करने के लिए प्रबंधित सेवाओं का उपयोग करता है:
- अमेज़ॅन डायनेमोडीबी - एक कुंजी-मूल्य और दस्तावेज़ डेटाबेस जो किसी भी पैमाने पर एकल-अंक मिलीसेकंड प्रदर्शन को बचाता है।
- अमेज़न EventBridge - आपके अनुप्रयोगों से उत्पन्न घटनाओं का उपयोग करके बड़े पैमाने पर ईवेंट-संचालित अनुप्रयोगों के निर्माण के लिए एक सर्वर रहित ईवेंट बस, एक सेवा (सास) अनुप्रयोगों और AWS सेवाओं के रूप में एकीकृत सॉफ़्टवेयर।
- AWS लाम्बा - एक सर्वर रहित कंप्यूट सेवा जो आपको डेटा में परिवर्तन, सिस्टम स्थिति में बदलाव, या उपयोगकर्ता क्रियाओं जैसे ट्रिगर के जवाब में कोड चलाने देती है।
- अमेज़ॅन रेकग्निशन - छवियों और वीडियो में वस्तुओं, लोगों, पाठ, दृश्यों और गतिविधियों की पहचान करने के साथ-साथ किसी भी अनुचित सामग्री का पता लगाने के लिए एमएल का उपयोग करता है।
- अमेज़ॅन रेकग्निशन कस्टम लेबल - कंप्यूटर विज़न और ट्रांसफर लर्निंग के लिए ऑटोएमएल का उपयोग करता है ताकि आपको कस्टम मॉडल को उन वस्तुओं और दृश्यों की पहचान करने में मदद मिल सके जो आपकी व्यावसायिक आवश्यकताओं के लिए विशिष्ट हैं।
- अमेज़न सरल भंडारण सेवा (अमेज़न S3) - आपके दस्तावेज़ों के लिए एक ऑब्जेक्ट स्टोर के रूप में कार्य करता है और फ़ाइन-ट्यून एक्सेस नियंत्रणों के साथ केंद्रीय प्रबंधन की अनुमति देता है।
- अमेज़ॅन स्टेप फ़ंक्शंस - एक सर्वर रहित फ़ंक्शन ऑर्केस्ट्रेटर जो लैम्ब्डा फ़ंक्शंस और कई सेवाओं को व्यावसायिक-महत्वपूर्ण अनुप्रयोगों में अनुक्रमित करना आसान बनाता है।
- अमेज़न टेक्सट्रेक - पीडीएफ, जेपीईजी, या पीएनजी प्रारूपों में स्कैन किए गए दस्तावेजों से पाठ और डेटा निकालने के लिए एमएल का उपयोग करता है।
निम्नलिखित आरेख अनुमान पाइपलाइन की वास्तुकला को दर्शाता है।
हमारे वर्कफ़्लो में निम्नलिखित चरण शामिल हैं:
- उपयोगकर्ता इनपुट S3 बकेट में दस्तावेज़ अपलोड करता है।
- अपलोड एक चलाता है अमेज़न S3 इवेंट नोटिफिकेशन रीयल-टाइम इवेंट सीधे EventBridge पर डिलीवर करने के लिए। Amazon S3 इवेंट जो "मेल खाते हैं"
object created
"एक के लिए परिभाषित फ़िल्टर" EventBridge नियम चरण कार्य वर्कफ़्लो प्रारंभ करता है। - स्टेप फ़ंक्शंस वर्कफ़्लो लैम्ब्डा फ़ंक्शंस की एक श्रृंखला को ट्रिगर करता है, जो निम्नलिखित कार्य करता है:
- पहला फ़ंक्शन प्रीप्रोसेसिंग कार्य करता है और Amazon Rekognition को API कॉल करता है:
- यदि आने वाले दस्तावेज़ छवि प्रारूप (जैसे JPG या PNG) में हैं, तो फ़ंक्शन Amazon Rekognition API को कॉल करता है और दस्तावेज़ों को S3 ऑब्जेक्ट के रूप में प्रदान करता है। हालांकि, यदि दस्तावेज़ पीडीएफ प्रारूप में है, तो अमेज़ॅन रिकॉग्निशन एपीआई को कॉल करते समय फ़ंक्शन छवि बाइट्स को स्ट्रीम करता है।
- यदि किसी दस्तावेज़ में एकाधिक पृष्ठ हैं, तो फ़ंक्शन दस्तावेज़ को अलग-अलग पृष्ठों में विभाजित करता है और उन्हें अलग-अलग संसाधित करने से पहले आउटपुट S3 बकेट में एक मध्यवर्ती फ़ोल्डर में सहेजता है।
- जब प्रीप्रोसेसिंग कार्य पूरा हो जाता है, तो फ़ंक्शन अनुचित, अवांछित या आपत्तिजनक सामग्री का पता लगाने के लिए Amazon Rekognition को API कॉल करता है, और दस्तावेज़ों को वर्गीकृत करने के लिए प्रशिक्षित Rekognition Custom Labels मॉडल के लिए एक और API कॉल करता है।
- दूसरा फ़ंक्शन इनपुट दस्तावेज़ से टेक्स्ट निकालने और उसे आउटपुट S3 बकेट में संग्रहीत करने के लिए कार्य आरंभ करने के लिए Amazon Textract को API कॉल करता है।
- तीसरा फ़ंक्शन दस्तावेज़ मेटाडेटा जैसे मॉडरेशन लेबल, दस्तावेज़ वर्गीकरण, वर्गीकरण आत्मविश्वास, अमेज़ॅन टेक्स्टट्रैक्ट जॉब आईडी और फ़ाइल पथ को डायनेमोडीबी तालिका में संग्रहीत करता है।
- पहला फ़ंक्शन प्रीप्रोसेसिंग कार्य करता है और Amazon Rekognition को API कॉल करता है:
आप अपनी आवश्यकता के अनुसार कार्यप्रवाह को समायोजित कर सकते हैं, उदाहरण के लिए आप इस कार्यप्रवाह में एक प्राकृतिक भाषा संसाधन (एनएलपी) क्षमता का उपयोग करके जोड़ सकते हैं Amazon Comprehend निकाले गए पाठ में अंतर्दृष्टि प्राप्त करने के लिए।
प्रशिक्षण पाइपलाइन
इस आर्किटेक्चर को लागू करने से पहले, हम पहचान कस्टम लेबल का उपयोग करके दस्तावेज़ों को विभिन्न श्रेणियों में वर्गीकृत करने के लिए एक कस्टम मॉडल को प्रशिक्षित करते हैं। प्रशिक्षण पाइपलाइन में, हम दस्तावेजों का उपयोग करके लेबल करते हैं अमेज़ॅन सैजमेकर ग्राउंड ट्रुथ. फिर हम लेबल किए गए दस्तावेज़ों का उपयोग पहचान कस्टम लेबल वाले मॉडल को प्रशिक्षित करने के लिए करते हैं। इस उदाहरण में, हम an . का उपयोग करते हैं अमेज़न SageMaker इन चरणों को करने के लिए नोटबुक, लेकिन आप पहचान कस्टम लेबल कंसोल का उपयोग करके छवियों की व्याख्या भी कर सकते हैं। निर्देशों के लिए, देखें छवियों को लेबल करना.
डेटासेट
मॉडल को प्रशिक्षित करने के लिए, हम निम्नलिखित सार्वजनिक डेटासेट का उपयोग करते हैं जिसमें W2s और चालान होते हैं:
आप अपने उद्योग के लिए प्रासंगिक किसी अन्य डेटासेट का उपयोग कर सकते हैं।
निम्न तालिका प्रशिक्षण और परीक्षण के बीच डेटासेट विभाजन को सारांशित करती है।
वर्ग | प्रशिक्षण सेट | टेस्ट सेट |
चालान | 352 | 75 |
डब्ल्यू 2s | 86 | 16 |
कुल | 438 | 91 |
AWS CloudFormation के साथ प्रशिक्षण पाइपलाइन तैनात करें
आप तैनात करें एडब्ल्यूएस CloudFormation आवश्यक प्रावधान करने के लिए टेम्पलेट AWS पहचान और अभिगम प्रबंधन (IAM) सेजमेकर नोटबुक इंस्टेंस सहित प्रशिक्षण पाइपलाइन की भूमिकाएँ और घटक।
- यूएस ईस्ट (एन. वर्जीनिया) क्षेत्र में निम्नलिखित क्लाउडफॉर्मेशन टेम्पलेट लॉन्च करें:
- के लिए ढेर का नाम, जैसे नाम दर्ज करें
document-processing-training-pipeline
. - चुनें अगला.
- में क्षमताओं और परिवर्तनों अनुभाग, यह स्वीकार करने के लिए चेक बॉक्स का चयन करें कि AWS CloudFormation बना सकता है IAM संसाधन.
- चुनें स्टैक बनाएँ.
स्टैक विवरण पृष्ठ को स्टैक की स्थिति को इस रूप में दिखाना चाहिए CREATE_IN_PROGRESS
। स्थिति को बदलने में 5 मिनट तक का समय लग सकता है CREATE_COMPLETE
। जब यह पूरा हो जाए, तो आप आउटपुट को देख सकते हैं आउटपुट टैब.
- स्टैक सफलतापूर्वक लॉन्च होने के बाद, सेजमेकर कंसोल खोलें और चुनें नोटबंदी के उदाहरण नेविगेशन नाम में।
- के साथ एक उदाहरण खोजें
DocProcessingNotebookInstance-
उपसर्ग करें और तब तक प्रतीक्षा करें जब तक कि इसकी स्थिति सेवा में न हो। - के अंतर्गत क्रियाएँ, चुनें ज्यूपिटर खोलें.
उदाहरण नोटबुक चलाएँ
अपनी नोटबुक चलाने के लिए, निम्नलिखित चरणों को पूरा करें:
- चुनना
Rekognition_Custom_Labels
उदाहरण नोटबुक।
- चुनें रन उदाहरण नोटबुक में कक्षों को क्रम में चलाने के लिए।
नोटबुक प्रशिक्षण और परीक्षण छवियों को तैयार करने, उन्हें लेबल करने, मेनिफेस्ट फाइलें बनाने, एक मॉडल को प्रशिक्षित करने और प्रशिक्षित मॉडल को रिकॉग्निशन कस्टम लेबल के साथ चलाने के पूरे जीवन चक्र को प्रदर्शित करता है। वैकल्पिक रूप से, आप पहचान कस्टम लेबल कंसोल का उपयोग करके मॉडल को प्रशिक्षित और चला सकते हैं। निर्देशों के लिए, देखें एक मॉडल प्रशिक्षण (कंसोल).
नोटबुक स्व-व्याख्यात्मक है; आप मॉडल का प्रशिक्षण पूरा करने के लिए चरणों का पालन कर सकते हैं।
- का नोट बना लें
ProjectVersionArn
बाद के चरण में अनुमान पाइपलाइन प्रदान करने के लिए।
सेजमेकर नोटबुक इंस्टेंस के लिए, उपयोग की अवधि के आधार पर आपके द्वारा चुने गए इंस्टेंस प्रकार के लिए आपसे शुल्क लिया जाता है। यदि आप मॉडल का प्रशिक्षण समाप्त कर चुके हैं, तो आप बेकार संसाधनों की लागत से बचने के लिए नोटबुक इंस्टेंस को रोक सकते हैं।
एडब्ल्यूएस क्लाउडफॉर्मेशन के साथ अनुमान पाइपलाइन तैनात करें
अनुमान पाइपलाइन को परिनियोजित करने के लिए, निम्नलिखित चरणों को पूरा करें:
- यूएस ईस्ट (एन. वर्जीनिया) क्षेत्र में निम्नलिखित क्लाउडफॉर्मेशन टेम्पलेट लॉन्च करें:
- के लिए ढेर का नाम, जैसे नाम दर्ज करें
document-processing-inference-pipeline
. - के लिए डायनमोएडीटेबल नाम, एक अद्वितीय DynamoDB तालिका नाम दर्ज करें; उदाहरण के लिए,
document-processing-table
. - के लिए इनपुटबकेटनाम, स्टैक द्वारा निर्मित S3 बकेट के लिए एक अद्वितीय नाम दर्ज करें; उदाहरण के लिए,
document-processing-input-bucket
.
इनपुट दस्तावेज़ संसाधित होने से पहले इस बकेट में अपलोड किए जाते हैं। जब आप इनपुट बकेट का नाम बनाते हैं तो केवल लोअरकेस वर्णों और रिक्त स्थान का उपयोग करें। इसके अलावा, यह ऑपरेशन एक नया S3 बकेट बनाता है, इसलिए मौजूदा बकेट के नाम का उपयोग न करें। अधिक जानकारी के लिए देखें बाल्टी नामकरण के नियम.
- के लिए आउटपुटबकेटनेम, अपने आउटपुट बकेट के लिए एक अद्वितीय नाम दर्ज करें; उदाहरण के लिए, डी
ocument-processing-output-bucket
.
यह बकेट आउटपुट दस्तावेज़ों को संसाधित करने के बाद संग्रहीत करता है। यह लैम्ब्डा फ़ंक्शन द्वारा विभाजित किए जाने के बाद बहु-पृष्ठ पीडीएफ इनपुट दस्तावेज़ों के पृष्ठों को भी संग्रहीत करता है। अपने इनपुट बकेट के समान नामकरण नियमों का पालन करें।
- के लिए मान्यता CustomLabelModelARN, प्रवेश करें
ProjectVersionArn
आपने ज्यूपिटर नोटबुक से जो मूल्य नोट किया है। - चुनें अगला.
- पर स्टैक विकल्प कॉन्फ़िगर करें पृष्ठ, टैग सहित स्टैक के लिए कोई अतिरिक्त पैरामीटर सेट करें।
- चुनें अगला.
- में क्षमताओं और परिवर्तनों अनुभाग में, यह स्वीकार करने के लिए चेक बॉक्स का चयन करें कि AWS CloudFormation IAM संसाधन बना सकता है।
- चुनें स्टैक बनाएँ.
स्टैक विवरण पृष्ठ को स्टैक की स्थिति को इस रूप में दिखाना चाहिए CREATE_IN_PROGRESS
। स्थिति को बदलने में 5 मिनट तक का समय लग सकता है CREATE_COMPLETE
। जब यह पूरा हो जाए, तो आप आउटपुट को देख सकते हैं आउटपुट टैब.
पाइपलाइन के माध्यम से दस्तावेज़ को संसाधित करें
हमने प्रशिक्षण और अनुमान दोनों पाइपलाइनों को तैनात किया है, और अब समाधान का उपयोग करने और दस्तावेज़ को संसाधित करने के लिए तैयार हैं।
- Amazon S3 कंसोल पर, इनपुट बकेट खोलें।
- S3 फ़ोल्डर में एक नमूना दस्तावेज़ अपलोड करें।
यह वर्कफ़्लो शुरू करता है। प्रक्रिया दस्तावेज़ वर्गीकरण और मॉडरेशन लेबल के साथ डायनेमोडीबी तालिका को पॉप्युलेट करती है। Amazon Textract का आउटपुट आउटपुट S3 बकेट में डिलीवर किया जाता है TextractOutput
फ़ोल्डर.
हमने वर्कफ़्लो में कुछ अलग नमूना दस्तावेज़ सबमिट किए और डायनेमोडीबी तालिका में निम्नलिखित जानकारी प्राप्त की।
यदि आपको DynamoDB तालिका में आइटम या आउटपुट S3 बकेट में अपलोड किए गए दस्तावेज़ दिखाई नहीं देते हैं, तो देखें अमेज़न CloudWatch लॉग इसी लैम्ब्डा फ़ंक्शन के लिए और विफलता के कारण संभावित त्रुटियों की तलाश करें।
क्लीन अप
इस समाधान के लिए तैनात संसाधनों को साफ करने के लिए निम्नलिखित चरणों को पूरा करें:
- CloudFormation कंसोल पर, चुनें ढेर.
- इस समाधान के लिए तैनात स्टैक का चयन करें।
- चुनें मिटाना.
ये चरण S3 बकेट, DynamoDB तालिका और प्रशिक्षित पहचान कस्टम लेबल मॉडल को नहीं हटाते हैं। यदि उन्हें हटाया नहीं जाता है, तो आप पर संग्रहण शुल्क जारी रहेगा। यदि आपको अब इनकी आवश्यकता नहीं है, तो आपको इन संसाधनों को सीधे उनके संबंधित सेवा कंसोल के माध्यम से हटा देना चाहिए।
निष्कर्ष
इस पोस्ट में, हमने दस्तावेज़ों को मॉडरेट, वर्गीकृत और संसाधित करने के लिए एक स्केलेबल, सुरक्षित और स्वचालित दृष्टिकोण प्रस्तुत किया। कई उद्योगों में कंपनियां इस समाधान का उपयोग अपने व्यवसाय को बेहतर बनाने और अपने ग्राहकों को बेहतर सेवा देने के लिए कर सकती हैं। यह तेजी से दस्तावेज़ प्रसंस्करण और उच्च सटीकता की अनुमति देता है, और डेटा निष्कर्षण की जटिलता को कम करता है। यह आने वाले दस्तावेजों को संसाधित करने में शामिल मानव कार्यबल को कम करके व्यक्तिगत डेटा कानून के साथ बेहतर सुरक्षा और अनुपालन भी प्रदान करता है।
अधिक जानकारी के लिए, देखें Amazon Rekognition कस्टम लेबल गाइड, Amazon Recognition डेवलपर गाइड और अमेज़न टेक्स्टट्रैक्ट डेवलपर गाइड. यदि आप Amazon Rekognition Custom Labels के लिए नए हैं, तो हमारे फ्री टियर का उपयोग करके इसे आज़माएं, जो 3 महीने तक चलता है और इसमें प्रति माह 10 निःशुल्क प्रशिक्षण घंटे और प्रति माह 4 निःशुल्क अनुमान घंटे शामिल हैं। Amazon Rekognition फ्री टियर में 5,000 महीनों के लिए प्रति माह 12 इमेज प्रोसेस करना शामिल है। अमेज़ॅन टेक्सट्रैक्ट फ्री टियर भी तीन महीने तक चलता है और इसमें डिटेक्ट डॉक्यूमेंट टेक्स्ट एपीआई के लिए प्रति माह 1,000 पेज शामिल हैं।
लेखक के बारे में
जय राव AWS में प्रिंसिपल सॉल्यूशंस आर्किटेक्ट हैं। उन्हें ग्राहकों को तकनीकी और रणनीतिक मार्गदर्शन प्रदान करने और एडब्ल्यूएस पर समाधान डिजाइन और कार्यान्वित करने में मदद करने में आनंद आता है।
उचेना एग्बीस AWS में एसोसिएट सॉल्यूशंस आर्किटेक्ट हैं। वह अपना खाली समय जड़ी-बूटियों, चाय, सुपरफूड्स के बारे में शोध करने में बिताते हैं और उन्हें अपने दैनिक आहार में कैसे शामिल कर सकते हैं।
- कॉइनस्मार्ट। यूरोप का सर्वश्रेष्ठ बिटकॉइन और क्रिप्टो एक्सचेंज।
- प्लेटोब्लॉकचैन। Web3 मेटावर्स इंटेलिजेंस। ज्ञान प्रवर्धित। नि: शुल्क प्रवेश।
- क्रिप्टोहॉक। Altcoin रडार। मुफ्त परीक्षण।
- स्रोत: https://aws.amazon.com/blogs/machine-learning/moderate-classify-and-process-documents-using-amazon-rekognition-and-amazon-texttract/
- "
- 000
- 10
- 100
- 116
- 12 महीने
- About
- पहुँच
- के पार
- कार्रवाई
- गतिविधियों
- अतिरिक्त
- AI
- ऐ सेवा
- वीरांगना
- अन्य
- एपीआई
- अनुप्रयोगों
- दृष्टिकोण
- स्थापत्य
- सहयोगी
- स्वचालित
- एडब्ल्यूएस
- बैंक
- से पहले
- बिलिंग
- सीमा
- मुक्केबाज़ी
- निर्माण
- इमारत
- बस
- व्यापार
- कॉल
- क्षमताओं
- के कारण होता
- केंद्रीय
- चुनौतियों
- परिवर्तन
- आरोप लगाया
- प्रभार
- चुनें
- वर्गीकरण
- कोड
- कंपनियों
- प्रतियोगी
- अनुपालन
- आज्ञाकारी
- गणना करना
- कंप्यूटर
- आत्मविश्वास
- कंसोल
- शामिल हैं
- सामग्री
- जारी रखने के
- इसी
- प्रभावी लागत
- आवरण
- बनाना
- बनाता है
- बनाना
- रिवाज
- ग्राहक
- तिथि
- डाटाबेस
- दिया गया
- बचाता है
- तैनात
- तैनात
- डिज़ाइन
- विवरण
- डेवलपर
- आहार
- विभिन्न
- सीधे
- दस्तावेजों
- कुशलता
- प्रयास
- प्रयासों
- दर्ज
- कार्यक्रम
- घटनाओं
- विकसित करना
- उदाहरण
- उदाहरण
- मौजूदा
- अर्क
- चेहरा
- विफलता
- और तेज
- प्रथम
- का पालन करें
- निम्नलिखित
- प्रपत्र
- प्रारूप
- रूपों
- मुक्त
- समारोह
- कार्यों
- और भी
- संभालना
- मदद
- मदद
- उच्चतर
- कैसे
- तथापि
- HTTPS
- मानव
- पहचान करना
- पहचान
- की छवि
- लागू करने के
- में सुधार
- शामिल
- शामिल
- सहित
- व्यक्ति
- उद्योगों
- उद्योग
- करें-
- निवेश
- अंतर्दृष्टि
- एकीकृत
- बुद्धिमान
- शामिल
- IT
- काम
- लेबलिंग
- लेबल
- भाषा
- शुभारंभ
- सीख रहा हूँ
- विधान
- मशीन
- यंत्र अधिगम
- बनाता है
- कामयाब
- प्रबंध
- गाइड
- मैच
- हो सकता है
- ML
- आदर्श
- मॉडल
- महीना
- महीने
- अधिक
- विभिन्न
- प्राकृतिक
- पथ प्रदर्शन
- आवश्यक
- की जरूरत है
- नोटबुक
- खुला
- आपरेशन
- ऑप्टिमाइज़ करें
- आदेश
- वेतन
- पीडीएफ
- स्टाफ़
- प्रदर्शन
- स्टाफ़
- व्यक्तिगत डेटा
- संभावित
- प्रिंसिपल
- समस्याओं
- प्रक्रिया
- प्रसंस्करण
- प्रदान करना
- प्रदान करता है
- प्रदान कर
- सार्वजनिक
- वास्तविक समय
- प्राप्त
- को कम करने
- को कम करने
- प्रासंगिक
- उपयुक्त संसाधन चुनें
- प्रतिक्रिया
- नियम
- रन
- दौड़ना
- स्केलेबल
- स्केल
- दृश्यों
- सुरक्षित
- सुरक्षा
- कई
- serverless
- सेवा
- सेवाएँ
- सेट
- सरल
- So
- सॉफ्टवेयर
- एक सेवा के रूप में सॉफ्टवेयर
- ठोस
- समाधान
- समाधान ढूंढे
- हल करती है
- रिक्त स्थान
- विभाजित
- विभाजन
- धुआँरा
- शुरू होता है
- राज्य
- बयान
- स्थिति
- रहना
- भंडारण
- की दुकान
- भंडार
- सामरिक
- प्रस्तुत
- सफलतापूर्वक
- प्रणाली
- सिस्टम
- कार्य
- कर
- तकनीकी
- तकनीक
- टेक्नोलॉजीज
- परीक्षण
- परीक्षण
- यहाँ
- पहर
- बहुत समय लगेगा
- बार
- प्रशिक्षण
- स्थानांतरण
- अद्वितीय
- us
- उपयोग
- मूल्य
- सत्यापन
- वीडियो
- देखें
- वर्जीनिया
- दृष्टि
- आयतन
- प्रतीक्षा
- बिना
- कार्यबल