समाचार मीडिया कंपनियों द्वारा प्रतिदिन बनाए जाने वाले ढेर सारे लेखों, वीडियो, ऑडियो रिकॉर्डिंग और अन्य मीडिया के साथ, सभी प्रकार के पाठकों - व्यक्तिगत उपभोक्ताओं, कॉर्पोरेट ग्राहकों और अन्य - को अक्सर ऐसी समाचार सामग्री ढूंढना मुश्किल होता है जो उनके लिए सबसे अधिक प्रासंगिक हो। पाठकों तक वैयक्तिकृत समाचार और अनुभव पहुंचाने से इस समस्या को हल करने में मदद मिल सकती है, और अधिक आकर्षक अनुभव तैयार हो सकते हैं। हालाँकि, वास्तव में वैयक्तिकृत अनुशंसाएँ प्रदान करना कई प्रमुख चुनौतियाँ प्रस्तुत करता है:
- विविध उपयोगकर्ता रुचियों को कैप्चर करना - समाचार कई विषयों पर आधारित हो सकता है और यहां तक कि विशिष्ट विषयों में भी पाठकों की अलग-अलग रुचि हो सकती है।
- सीमित पाठक इतिहास को संबोधित करते हुए - कई समाचार पाठकों का गतिविधि इतिहास विरल है। मूल्य प्रदान करने के लिए अनुशंसाकर्ताओं को सीमित डेटा से शीघ्रता से प्राथमिकताएँ सीखनी चाहिए।
- समयबद्धता और चलन - दैनिक समाचार चक्रों का मतलब है कि सिफारिशों को नई, लोकप्रिय कहानियों की खोज के साथ वैयक्तिकृत सामग्री को संतुलित करना चाहिए।
- रुचियाँ बदलना - पाठकों की रुचि समय के साथ विकसित हो सकती है। सिस्टम को बदलावों का पता लगाना होगा और उसके अनुसार अनुशंसाओं को अपनाना होगा।
- व्याख्या करने योग्य - कुछ कहानियों की अनुशंसा क्यों की जाती है, इसमें पारदर्शिता प्रदान करने से उपयोगकर्ता का विश्वास बढ़ता है। आदर्श समाचार अनुशंसा प्रणाली व्यक्ति को समझती है और व्यापक समाचार माहौल और दर्शकों के प्रति प्रतिक्रिया करती है। इन चुनौतियों से निपटना पाठकों को जानकारीपूर्ण और आकर्षक सामग्री से प्रभावी ढंग से जोड़ने की कुंजी है।
इस पोस्ट में, हम बताते हैं कि कैसे अमेज़न निजीकृत एक स्केलेबल समाचार अनुशंसाकर्ता एप्लिकेशन को शक्ति प्रदान कर सकता है। यह समाधान 500 की पहली छमाही में फॉर्च्यून 1 मीडिया ग्राहक पर लागू किया गया था और समाचार अनुशंसाकर्ताओं के निर्माण में रुचि रखने वाले अन्य ग्राहकों के लिए इसका पुन: उपयोग किया जा सकता है।
समाधान अवलोकन
अमेज़ॅन पर्सनलाइज़ एक समाचार अनुशंसा इंजन को शक्ति देने के लिए बहुत उपयुक्त है क्योंकि इसकी वास्तविक समय और बड़े पैमाने पर वैयक्तिकृत अनुशंसाएँ प्रदान करने की क्षमता है। अमेज़ॅन पर्सनलाइज़ विभिन्न प्रकार की अनुशंसा रेसिपी (एल्गोरिदम) प्रदान करता है, जैसे उपयोगकर्ता वैयक्तिकरण और ट्रेंडिंग नाउ रेसिपी, जो विशेष रूप से समाचार अनुशंसा मॉडल के प्रशिक्षण के लिए उपयुक्त हैं। उपयोगकर्ता वैयक्तिकरण नुस्खा समय के साथ सामग्री के साथ उनके जुड़ाव के आधार पर प्रत्येक उपयोगकर्ता की प्राथमिकताओं का विश्लेषण करता है। इसका परिणाम अनुकूलित समाचार फ़ीड में होता है जो व्यक्तिगत उपयोगकर्ता के लिए सबसे अधिक प्रासंगिक विषयों और स्रोतों को सामने लाता है। ट्रेंडिंग नाउ रेसिपी सभी उपयोगकर्ताओं के बीच वास्तविक समय में बढ़ते रुझानों और लोकप्रिय समाचारों का पता लगाकर इसे पूरा करती है। दोनों व्यंजनों की सिफारिशों के संयोजन से सिफारिश इंजन को समय पर, उच्च-रुचि वाली कहानियों की खोज के साथ वैयक्तिकरण को संतुलित करने की अनुमति मिलती है।
निम्नलिखित आरेख अमेज़ॅन पर्सनलाइज़ द्वारा संचालित और एडब्ल्यूएस सेवाओं का समर्थन करने वाले समाचार अनुशंसाकर्ता एप्लिकेशन की वास्तुकला को दर्शाता है।
इस समाधान की निम्नलिखित सीमाएँ हैं:
- हाल ही में प्रकाशित लेखों (कुछ मिनट पहले प्रकाशित लेख) के लिए वैयक्तिकृत अनुशंसाएँ प्रदान करना चुनौतीपूर्ण हो सकता है। हम इस पोस्ट में बाद में बताएंगे कि इस सीमा को कैसे कम किया जाए।
- अमेज़ॅन पर्सनलाइज़ में निश्चित संख्या में इंटरैक्शन और आइटम डेटासेट सुविधाएं हैं जिनका उपयोग किसी मॉडल को प्रशिक्षित करने के लिए किया जा सकता है।
- लेखन के समय, अमेज़ॅन पर्सनलाइज़ उपयोगकर्ता स्तर पर अनुशंसा स्पष्टीकरण प्रदान नहीं करता है।
आइए समाधान के प्रत्येक मुख्य घटक के बारे में जानें।
.. पूर्वापेक्षाएँ
इस समाधान को लागू करने के लिए, आपको निम्नलिखित की आवश्यकता होगी:
- ऐतिहासिक और वास्तविक समय उपयोगकर्ता क्लिक डेटा के लिए
interactions
डाटासेट - ऐतिहासिक और वास्तविक समय समाचार लेख मेटाडेटा
items
डाटासेट
निगलना और डेटा तैयार करना
अमेज़ॅन पर्सनलाइज़ में किसी मॉडल को प्रशिक्षित करने के लिए, आपको प्रशिक्षण डेटा प्रदान करना होगा। इस समाधान में, आप दो प्रकार के अमेज़ॅन पर्सनलाइज़ प्रशिक्षण डेटासेट का उपयोग करते हैं: द इंटरैक्शन डेटासेट और आइटम डेटासेट। interactions
डेटासेट में उपयोगकर्ता-आइटम-टाइमस्टैम्प इंटरैक्शन और पर डेटा शामिल है items
डेटासेट में अनुशंसित लेखों की विशेषताएं शामिल हैं।
आप प्रशिक्षण डेटा प्राप्त करने के लिए दो अलग-अलग दृष्टिकोण अपना सकते हैं:
- बैच अंतर्ग्रहण - आप उपयोग कर सकते हैं एडब्ल्यूएस गोंद किसी में रहने वाले इंटरैक्शन और आइटम डेटा को बदलने और ग्रहण करने के लिए अमेज़न सरल भंडारण सेवा (अमेज़ॅन एस3) अमेज़ॅन वैयक्तिकृत डेटासेट में बाल्टी। AWS ग्लू अमेज़ॅन पर्सनलाइज़ डेटासेट स्कीमा के साथ डेटा को संरेखित करने के लिए एक्सट्रैक्ट, ट्रांसफॉर्म और लोड (ईटीएल) ऑपरेशन करता है। जब ईटीएल प्रक्रिया पूरी हो जाती है, तो आउटपुट फ़ाइल को अमेज़ॅन एस3 में वापस रख दिया जाता है, जो अमेज़ॅन पर्सनलाइज़ में अंतर्ग्रहण के लिए तैयार होता है। डेटासेट आयात कार्य.
- वास्तविक समय में अंतर्ग्रहण - आप उपयोग कर सकते हैं अमेज़न Kinesis डेटा स्ट्रीम और AWS लाम्बा वास्तविक समय डेटा को क्रमिक रूप से ग्रहण करने के लिए। एक लैम्ब्डा फ़ंक्शन व्यक्तिगत रिकॉर्ड स्तर पर बैच अंतर्ग्रहण कार्य के समान डेटा परिवर्तन संचालन करता है, और डेटा का उपयोग करके अमेज़ॅन पर्सनलाइज़ में अंतर्ग्रहण करता है पुटइवेंट्स और आइटम रखें एपीआई।
इस समाधान में, आप कुछ आइटम और इंटरैक्शन डेटा विशेषताओं को भी शामिल कर सकते हैं अमेज़ॅन डायनेमोडीबी. आप व्यावसायिक नियमों के आधार पर अनुशंसाओं को फ़िल्टर करने के लिए वास्तविक समय के अनुमान के दौरान इन विशेषताओं का उपयोग कर सकते हैं। उदाहरण के लिए, लेख मेटाडेटा में लेख में कंपनी और उद्योग के नाम शामिल हो सकते हैं। जिन कंपनियों या उद्योगों के बारे में उपयोगकर्ता पढ़ रहे हैं, उन पर सक्रिय रूप से लेखों की अनुशंसा करने के लिए, आप रिकॉर्ड कर सकते हैं कि पाठक कितनी बार विशिष्ट कंपनियों और उद्योगों के बारे में लेखों से जुड़ रहे हैं, और इस डेटा का उपयोग कर सकते हैं अमेज़ॅन वैयक्तिकृत फ़िल्टर अनुशंसित सामग्री को और अधिक अनुकूलित करने के लिए। हम इस पोस्ट में बाद में DynamoDB में आइटम और इंटरैक्शन डेटा विशेषताओं का उपयोग करने के तरीके के बारे में अधिक चर्चा करेंगे।
निम्नलिखित चित्र डेटा अंतर्ग्रहण वास्तुकला को दर्शाता है।
मॉडल को प्रशिक्षित करें
मॉडल प्रशिक्षण प्रयास का बड़ा हिस्सा उपयोगकर्ता वैयक्तिकरण मॉडल पर केंद्रित होना चाहिए, क्योंकि यह सभी तीन अमेज़ॅन वैयक्तिकृत डेटासेट का उपयोग कर सकता है (जबकि ट्रेंडिंग नाउ मॉडल केवल इसका उपयोग करता है) interactions
डेटासेट)। हम ऐसे प्रयोग चलाने की अनुशंसा करते हैं जो प्रशिक्षण प्रक्रिया के विभिन्न पहलुओं को व्यवस्थित रूप से भिन्न करते हैं। इस समाधान को लागू करने वाले ग्राहक के लिए, टीम ने 30 से अधिक प्रयोग किए। इसमें संशोधन करना शामिल था interactions
और items
डेटासेट सुविधाएँ, मॉडल को प्रदान किए गए इंटरैक्शन इतिहास की लंबाई को समायोजित करना, अमेज़ॅन पर्सनलाइज़ हाइपरपैरामीटर को ट्यून करना, और यह मूल्यांकन करना कि क्या किसी स्पष्ट उपयोगकर्ता के डेटासेट ने ऑफ़लाइन प्रदर्शन में सुधार किया है (प्रशिक्षण समय में वृद्धि के सापेक्ष)।
प्रत्येक मॉडल भिन्नता का मूल्यांकन प्रशिक्षण डेटा पर अमेज़ॅन पर्सनलाइज़ द्वारा रिपोर्ट किए गए मेट्रिक्स के साथ-साथ होल्डआउट परीक्षण डेटासेट पर कस्टम ऑफ़लाइन मेट्रिक्स के आधार पर किया गया था। विचार करने के लिए मानक मेट्रिक्स में औसत औसत परिशुद्धता (एमएपी) @ के (जहां के एक पाठक को प्रस्तुत की गई सिफारिशों की संख्या है), सामान्यीकृत छूट संचयी लाभ, औसत पारस्परिक रैंक और कवरेज शामिल हैं। इन मेट्रिक्स के बारे में अधिक जानकारी के लिए देखें मेट्रिक्स के साथ समाधान संस्करण का मूल्यांकन करना. हम इन मेट्रिक्स में से MAP @ K को प्राथमिकता देने की अनुशंसा करते हैं, जो एक पाठक द्वारा अनुशंसित शीर्ष K लेखों में से क्लिक किए गए लेखों की औसत संख्या को कैप्चर करता है, क्योंकि MAP मीट्रिक (वास्तविक) लेख क्लिकथ्रू दरों के लिए एक अच्छा प्रॉक्सी है। K का चयन उन लेखों की संख्या के आधार पर किया जाना चाहिए जिन्हें एक पाठक बिना स्क्रॉल किए डेस्कटॉप या मोबाइल वेबपेज पर देख सकता है, जिससे आप न्यूनतम पाठक प्रयास के साथ अनुशंसा प्रभावशीलता का मूल्यांकन कर सकते हैं। कस्टम मेट्रिक्स को लागू करना, जैसे कि अनुशंसा विशिष्टता (जो बताता है कि उम्मीदवार उपयोगकर्ताओं के पूल में अनुशंसा आउटपुट कितना अद्वितीय था), अनुशंसा प्रभावशीलता में अंतर्दृष्टि भी प्रदान कर सकता है।
अमेज़ॅन पर्सनलाइज़ के साथ, प्रयोगात्मक प्रक्रिया आपको उपयोगकर्ता वैयक्तिकरण और ट्रेंडिंग नाउ मॉडल दोनों के लिए डेटासेट सुविधाओं का इष्टतम सेट निर्धारित करने की अनुमति देती है। ट्रेंडिंग नाउ मॉडल उसी अमेज़ॅन पर्सनलाइज़ के भीतर मौजूद है डेटा समूह उपयोगकर्ता वैयक्तिकरण मॉडल के रूप में, इसलिए यह उसी सेट का उपयोग करता है interactions
डेटासेट सुविधाएँ.
वास्तविक समय अनुशंसाएँ उत्पन्न करें
जब कोई पाठक किसी समाचार कंपनी के वेबपेज पर जाता है, तो समाचार अनुशंसाकर्ता को एक एपीआई कॉल की जाएगी अमेज़ॅन एपीआई गेटवे. यह एक लैम्ब्डा फ़ंक्शन को ट्रिगर करता है जो अमेज़ॅन पर्सनलाइज़ मॉडल के एंडपॉइंट को कॉल करता है वास्तविक समय में सिफ़ारिशें. अनुमान के दौरान, आप उपयोग कर सकते हैं फ़िल्टर लेख या पाठक इंटरैक्शन विशेषताओं के आधार पर प्रारंभिक अनुशंसा आउटपुट को फ़िल्टर करने के लिए। उदाहरण के लिए, यदि "समाचार विषय" (जैसे कि खेल, जीवनशैली, या राजनीति) एक लेख विशेषता है, तो आप अनुशंसाओं को विशिष्ट समाचार विषयों तक सीमित कर सकते हैं यदि वह उत्पाद की आवश्यकता है। इसी तरह, आप पाठकों की बातचीत की घटनाओं पर फ़िल्टर का उपयोग कर सकते हैं, जैसे उन लेखों को बाहर करना जिन्हें पाठक पहले ही पढ़ चुका है।
वास्तविक समय की अनुशंसाओं के साथ एक प्रमुख चुनौती हाल ही में प्रकाशित लेखों (जिन्हें कोल्ड आइटम भी कहा जाता है) को अनुशंसा आउटपुट में प्रभावी ढंग से शामिल करना है। हाल ही में प्रकाशित लेखों में कोई ऐतिहासिक इंटरैक्शन डेटा नहीं होता है, जिस पर अनुशंसाकर्ता आमतौर पर भरोसा करते हैं, और अनुशंसा प्रणालियों को यह आकलन करने के लिए पर्याप्त प्रसंस्करण समय की आवश्यकता होती है कि किसी विशिष्ट उपयोगकर्ता के लिए अभी-अभी प्रकाशित लेख कितने प्रासंगिक हैं (भले ही केवल उपयोगकर्ता-आइटम संबंध संकेतों का उपयोग कर रहे हों)।
अमेज़ॅन पर्सनलाइज़ मूल रूप से इसमें शामिल नए लेखों का स्वतः पता लगा सकता है और अनुशंसा कर सकता है items
हर 2 घंटे में डेटासेट। हालाँकि, क्योंकि यह उपयोग मामला समाचार अनुशंसाओं पर केंद्रित है, इसलिए आपको नए लेखों की अनुशंसा करने का एक तरीका चाहिए जैसे ही वे प्रकाशित हों और पाठकों के उपभोग के लिए तैयार हों।
इस समस्या को हल करने का एक तरीका प्रत्येक पाठक के लिए अंतिम अनुशंसा आउटपुट में हाल ही में प्रकाशित लेखों को बेतरतीब ढंग से सम्मिलित करने के लिए एक तंत्र डिजाइन करना है। आप यह नियंत्रित करने के लिए एक सुविधा जोड़ सकते हैं कि अंतिम अनुशंसा सेट में कितने प्रतिशत लेख हाल ही में प्रकाशित लेख थे, और अमेज़ॅन पर्सनलाइज़ से मूल अनुशंसा आउटपुट के समान, आप लेख विशेषताओं (जैसे "समाचार विषय") के आधार पर हाल ही में प्रकाशित लेखों को फ़िल्टर कर सकते हैं ) यदि यह उत्पाद की आवश्यकता है। आप DynamoDB में हाल ही में प्रकाशित लेखों पर इंटरैक्शन को ट्रैक कर सकते हैं क्योंकि वे सिस्टम में आना शुरू करते हैं, और अनुशंसा पोस्टप्रोसेसिंग के दौरान सबसे लोकप्रिय हाल ही में प्रकाशित लेखों को प्राथमिकता देते हैं, जब तक कि हाल ही में प्रकाशित लेखों का पता नहीं लगाया जाता है और अमेज़ॅन पर्सनलाइज़ मॉडल द्वारा संसाधित नहीं किया जाता है।
आपके पास अनुशंसित लेखों का अंतिम सेट होने के बाद, यह आउटपुट किसी अन्य पोस्टप्रोसेसिंग लैम्ब्डा फ़ंक्शन में सबमिट किया जाता है जो आउटपुट की जांच करता है कि यह पूर्व-निर्दिष्ट व्यावसायिक नियमों के साथ संरेखित है या नहीं। इनमें यह जाँचना शामिल हो सकता है कि क्या अनुशंसित लेख वेबपेज लेआउट विनिर्देशों को पूरा करते हैं, उदाहरण के लिए, यदि अनुशंसाएँ वेब ब्राउज़र फ्रंटएंड में प्रस्तुत की जाती हैं। यदि आवश्यक हो, तो व्यावसायिक नियमों का पालन सुनिश्चित करने के लिए लेखों को पुन: रैंक किया जा सकता है। हम एक ऐसे फ़ंक्शन को कार्यान्वित करके पुन: रैंकिंग करने की अनुशंसा करते हैं जो उच्च-रैंकिंग वाले लेखों को एक समय में केवल एक ही स्थान पर रैंकिंग में नीचे आने की अनुमति देता है जब तक कि सभी व्यावसायिक नियम पूरे नहीं हो जाते, जिससे पाठकों के लिए न्यूनतम प्रासंगिकता हानि होती है। पोस्टप्रोसेस्ड लेखों की अंतिम सूची उस वेब सेवा को लौटा दी जाती है जिसने अनुशंसाओं के लिए अनुरोध शुरू किया था।
निम्नलिखित चित्र समाधान में इस चरण के लिए वास्तुकला को दर्शाता है।
बैच सिफ़ारिशें तैयार करें
वैयक्तिकृत समाचार डैशबोर्ड (वास्तविक समय की अनुशंसाओं के माध्यम से) के लिए पाठक को सक्रिय रूप से समाचार खोजने की आवश्यकता होती है, लेकिन आज हमारे व्यस्त जीवन में, कभी-कभी आपके लिए अपना शीर्ष समाचार भेजना आसान होता है। ईमेल डाइजेस्ट के रूप में वैयक्तिकृत समाचार लेख वितरित करने के लिए, आप इसका उपयोग कर सकते हैं AWS स्टेप फ़ंक्शंस बैच अनुशंसाएँ उत्पन्न करने के लिए वर्कफ़्लो। बैच अनुशंसा वर्कफ़्लो हमारे उपयोगकर्ता वैयक्तिकरण मॉडल या ट्रेंडिंग नाउ मॉडल एंडपॉइंट्स से अनुशंसाओं को इकट्ठा करता है और पोस्टप्रोसेस करता है, जिससे यह चुनने की सुविधा मिलती है कि वैयक्तिकृत और ट्रेंडिंग लेखों का कौन सा संयोजन टीम अपने पाठकों तक पहुंचाना चाहती है। डेवलपर्स के पास अमेज़ॅन पर्सनलाइज़ का उपयोग करने का विकल्प भी है बैच निष्कर्ष विशेषता; हालाँकि, लेखन के समय, अमेज़ॅन पर्सनलाइज़ बैच अनुमान कार्य बनाना अमेज़ॅन पर्सनलाइज़ कस्टम मॉडल को प्रशिक्षित करने के बाद शामिल वस्तुओं को शामिल करने का समर्थन नहीं करता है, और यह ट्रेंडिंग नाउ रेसिपी का समर्थन नहीं करता है।
बैच इंफ़ेक्शन स्टेप फ़ंक्शंस वर्कफ़्लो के दौरान, पाठकों की सूची को बैचों में विभाजित किया जाता है, समानांतर में संसाधित किया जाता है, और ईमेल जेनरेशन सेवा पर भेजे जाने से पहले पोस्टप्रोसेसिंग और सत्यापन परत पर सबमिट किया जाता है। निम्नलिखित चित्र इस वर्कफ़्लो को दर्शाता है।
अनुशंसा प्रणाली को स्केल करें
प्रभावी ढंग से स्केल करने के लिए, आपको पाठकों के अनुभव में कोई गिरावट पैदा किए बिना उपयोगकर्ताओं की बढ़ती संख्या और बढ़े हुए ट्रैफ़िक को समायोजित करने के लिए समाचार अनुशंसाकर्ता की भी आवश्यकता है। अमेज़ॅन मूल रूप से मॉडल एंडपॉइंट को वैयक्तिकृत करता है स्वचालित पैमाने बढ़े हुए यातायात को पूरा करने के लिए. इंजीनियरों को केवल प्रत्येक अमेज़ॅन वैयक्तिकृत समापन बिंदु के लिए प्रति सेकंड न्यूनतम प्रावधानित लेनदेन (टीपीएस) चर सेट करने और निगरानी करने की आवश्यकता है।
अमेज़ॅन पर्सनलाइज़ से परे, यहां प्रस्तुत समाचार अनुशंसाकर्ता एप्लिकेशन सर्वर रहित एडब्ल्यूएस सेवाओं का उपयोग करके बनाया गया है, जो इंजीनियरिंग टीमों को बुनियादी ढांचे के रखरखाव के बारे में चिंता किए बिना सर्वोत्तम पाठक अनुभव प्रदान करने पर ध्यान केंद्रित करने की अनुमति देता है।
निष्कर्ष
इस ध्यान अर्थव्यवस्था में, उपभोक्ताओं के लिए प्रासंगिक और समय पर सामग्री वितरित करना तेजी से महत्वपूर्ण हो गया है। इस पोस्ट में, हमने चर्चा की कि आप एक स्केलेबल समाचार अनुशंसाकर्ता बनाने के लिए अमेज़ॅन पर्सनलाइज़ का उपयोग कैसे कर सकते हैं, और समाचार अनुशंसाएँ वितरित करने की अनूठी चुनौतियों का समाधान करने के लिए संगठन किन रणनीतियों को लागू कर सकते हैं।
अमेज़ॅन पर्सनलाइज़ के बारे में अधिक जानने के लिए और यह आपके संगठन को अनुशंसा प्रणाली बनाने में कैसे मदद कर सकता है, इसे देखें अमेज़न वैयक्तिकृत डेवलपर गाइड.
हैप्पी बिल्डिंग!
लेखक के बारे में
बाला कृष्णमूर्ति AWS प्रोफेशनल सर्विसेज में एक वरिष्ठ डेटा वैज्ञानिक हैं, जहां वह ग्राहकों को उनकी व्यावसायिक चुनौतियों को हल करने के लिए AI-संचालित समाधान बनाने और तैनात करने में मदद करते हैं। उन्होंने मीडिया और मनोरंजन, वित्तीय सेवाओं, स्वास्थ्य सेवा और प्रौद्योगिकी सहित विभिन्न क्षेत्रों में ग्राहकों के साथ काम किया है। अपने खाली समय में, वह परिवार/दोस्तों के साथ समय बिताना, सक्रिय रहना, नए रेस्तरां आज़माना, यात्रा करना और एक गर्म कप कॉफी के साथ अपने दिन की शुरुआत करना पसंद करते हैं।
ऋषि जाला AWS व्यावसायिक सेवाओं के साथ एक NoSQL डेटा आर्किटेक्ट है। वह Amazon DynamoDB जैसे NoSQL डेटाबेस का उपयोग करके अत्यधिक स्केलेबल एप्लिकेशन के आर्किटेक्चर और निर्माण पर ध्यान केंद्रित करते हैं। ग्राहकों की समस्याओं को हल करने के प्रति उत्साही, वह डिजिटल परिदृश्य में सफलता दिलाने के लिए अनुरूप समाधान प्रदान करते हैं।
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
- प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
- प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
- स्रोत: https://aws.amazon.com/blogs/machine-learning/build-a-news-recommender-application-with-amazon-personalize/
- :हैस
- :है
- :कहाँ
- 100
- 2023
- 30
- 500
- 7
- 98
- a
- क्षमता
- About
- समायोजित
- तदनुसार
- के पार
- सक्रिय
- सक्रिय रूप से
- गतिविधि
- अनुकूलन
- जोड़ना
- पता
- का समायोजन
- बाद
- पूर्व
- ऐ संचालित
- एल्गोरिदम
- संरेखित करें
- संरेखित करता है
- सब
- की अनुमति दे
- की अनुमति देता है
- पहले ही
- भी
- वीरांगना
- अमेज़न निजीकृत
- अमेज़ॅन वेब सेवा
- an
- का विश्लेषण करती है
- और
- अन्य
- कोई
- एपीआई
- एपीआई
- आवेदन
- अनुप्रयोगों
- दृष्टिकोण
- स्थापत्य
- हैं
- लेख
- लेख
- AS
- पहलुओं
- आकलन
- At
- ध्यान
- विशेषताओं
- दर्शक
- ऑडियो
- स्वत:
- औसत
- एडब्ल्यूएस
- एडब्ल्यूएस गोंद
- AWS व्यावसायिक सेवाएँ
- वापस
- शेष
- आधारित
- BE
- क्योंकि
- बन
- किया गया
- से पहले
- जा रहा है
- BEST
- के छात्रों
- व्यापक
- ब्राउज़र
- निर्माण
- इमारत
- बनाता है
- बनाया गया
- व्यापार
- व्यस्त
- लेकिन
- by
- कॉल
- बुलाया
- कॉल
- कर सकते हैं
- उम्मीदवार
- कब्जा
- मामला
- कुछ
- चुनौती
- चुनौतियों
- चुनौतीपूर्ण
- चेक
- जाँच
- जाँचता
- क्लिक करें
- जलवायु
- कॉफी
- ठंड
- संयोजन
- संयोजन
- कंपनियों
- कंपनी
- कंपनी का है
- पूरा
- घटकों
- कनेक्ट कर रहा है
- विचार करना
- उपभोक्ताओं
- खपत
- शामिल
- शामिल हैं
- सामग्री
- नियंत्रण
- कॉर्पोरेट
- व्याप्ति
- बनाना
- बनाया
- बनाना
- कप
- रिवाज
- ग्राहक
- ग्राहक
- अनुकूलित
- चक्र
- दैनिक
- दैनिक समाचार
- डैशबोर्ड
- तिथि
- आँकड़े वाला वैज्ञानिक
- डेटाबेस
- डेटासेट
- दिन
- उद्धार
- पहुंचाने
- बचाता है
- तैनात
- वर्णन
- वर्णन करता है
- डिज़ाइन बनाना
- डेस्कटॉप
- पता लगाना
- पता चला
- निर्धारित करना
- डेवलपर
- डेवलपर्स
- आरेख
- विभिन्न
- मुश्किल
- संग्रह
- डिजिटल
- रियायती
- खोज
- चर्चा करना
- चर्चा की
- कई
- विभाजित
- नहीं करता है
- dont
- नीचे
- ड्राइव
- दौरान
- से प्रत्येक
- आसान
- अर्थव्यवस्था
- प्रभावी रूप से
- प्रभावशीलता
- प्रयास
- ईमेल
- endpoint
- सगाई
- मनोहन
- इंजन
- अभियांत्रिकी
- इंजीनियर्स
- सुनिश्चित
- मनोरंजन
- मूल्यांकन करें
- मूल्यांकित
- का मूल्यांकन
- और भी
- घटनाओं
- प्रत्येक
- विकसित करना
- उदाहरण
- के सिवा
- मौजूद
- अनुभव
- अनुभव
- प्रयोगात्मक
- प्रयोगों
- स्पष्टीकरण
- उद्धरण
- गिरना
- Feature
- विशेषताएं
- कुछ
- पट्टिका
- फ़िल्टर
- फ़िल्टर
- अंतिम
- वित्तीय
- वित्तीय सेवाओं
- खोज
- फिट
- तय
- लचीलापन
- फोकस
- ध्यान केंद्रित
- केंद्रित
- निम्नलिखित
- के लिए
- उपभोक्ताओं के लिए
- धन
- मुक्त
- अक्सर
- से
- दृश्यपटल
- समारोह
- कार्यों
- आगे
- लाभ
- उत्पन्न
- पीढ़ी
- मिल
- देते
- अच्छा
- महान
- बढ़ रहा है
- है
- होने
- he
- स्वास्थ्य सेवा
- मदद
- मदद करता है
- यहाँ उत्पन्न करें
- अत्यधिक
- उसके
- ऐतिहासिक
- इतिहास
- इतिहास
- गरम
- घंटे
- कैसे
- How To
- तथापि
- एचटीएमएल
- http
- HTTPS
- आदर्श
- if
- दिखाता है
- लागू करने के
- कार्यान्वित
- कार्यान्वयन
- आयात
- महत्वपूर्ण
- उन्नत
- in
- शामिल
- शामिल
- सहित
- बढ़ना
- वृद्धि हुई
- तेजी
- व्यक्ति
- उद्योगों
- उद्योग
- करें-
- जानकारीपूर्ण
- इंफ्रास्ट्रक्चर
- प्रारंभिक
- शुरू
- अन्तर्दृष्टि
- बातचीत
- बातचीत
- रुचि
- रुचियों
- में
- IT
- आइटम
- आईटी इस
- काम
- जेपीजी
- केवल
- कुंजी
- परिदृश्य
- बाद में
- परत
- ख़ाका
- जानें
- लंबाई
- स्तर
- जीवन शैली
- सीमा
- सीमाओं
- सीमित
- सूची
- लाइव्स
- भार
- बंद
- बनाया गया
- मुख्य
- रखरखाव
- बहुत
- नक्शा
- मई..
- मतलब
- तंत्र
- मीडिया
- मिलना
- घास का मैदान
- मेटाडाटा
- मीट्रिक
- मेट्रिक्स
- कम से कम
- न्यूनतम
- मिनटों
- कम करना
- मोबाइल
- आदर्श
- मॉडल
- मॉनिटर
- अधिक
- अधिकांश
- सबसे लोकप्रिय
- भीड़
- चाहिए
- नामों
- मूल रूप से
- आवश्यकता
- जरूरत
- नया
- समाचार
- सामान्य रूप से
- अभी
- संख्या
- of
- ऑफर
- ऑफ़लाइन
- on
- ONE
- केवल
- संचालन
- इष्टतम
- विकल्प
- or
- संगठन
- संगठनों
- मूल
- अन्य
- हमारी
- आउट
- उत्पादन
- के ऊपर
- समानांतर
- विशेष रूप से
- आवेशपूर्ण
- प्रति
- प्रतिशत
- प्रदर्शन
- प्रदर्शन
- निजीकरण
- निजीकृत
- निजीकृत
- जगह
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- राजनीति
- पूल
- लोकप्रिय
- पद
- बिजली
- संचालित
- शुद्धता
- वरीयताओं
- तैयार करना
- प्रस्तुत
- प्रस्तुत
- प्राथमिकता
- प्राथमिकता
- मुसीबत
- समस्याओं
- प्रक्रिया
- प्रसंस्कृत
- प्रसंस्करण
- एस्ट्रो मॉल
- पेशेवर
- प्रदान करना
- बशर्ते
- प्रदान कर
- प्रतिनिधि
- प्रकाशित
- धक्का
- जल्दी से
- रैंक
- रैंकिंग
- दरें
- पढ़ना
- पाठक
- पाठकों
- पढ़ना
- तैयार
- वास्तविक
- वास्तविक समय
- वास्तविक समय डाटा
- नुस्खा
- की सिफारिश
- सिफारिश
- सिफारिशें
- की सिफारिश की
- रिकॉर्ड
- संबंध
- सापेक्ष
- प्रासंगिक
- भरोसा करना
- की सूचना दी
- का अनुरोध
- की आवश्यकता होती है
- आवश्यकता
- रेस्टोरेंट्स
- रोकना
- परिणाम
- वृद्धि
- नियम
- दौड़ना
- वही
- स्केलेबल
- स्केल
- वैज्ञानिक
- स्क्रॉल
- Search
- दूसरा
- सेक्टर्स
- देखना
- चयन
- चयनित
- वरिष्ठ
- भेजा
- सेवा की
- serverless
- सेवा
- सेवाएँ
- सेट
- कई
- परिवर्तन
- चाहिए
- संकेत
- समान
- उसी प्रकार
- सरल
- So
- समाधान
- समाधान ढूंढे
- हल
- सुलझाने
- कभी कभी
- जल्दी
- सूत्रों का कहना है
- विस्तार
- विशिष्ट
- विनिर्देशों
- खर्च
- खेल-कूद
- मानक
- प्रारंभ
- रह
- कदम
- भंडारण
- कहानियों
- रणनीतियों
- प्रस्तुत
- ग्राहकों
- सफलता
- ऐसा
- पर्याप्त
- उपयुक्त
- समर्थन
- सहायक
- सतह
- प्रणाली
- व्यवस्थित ढंग से
- सिस्टम
- से निपटने
- दर्जी
- अनुरूप
- लेना
- टीम
- टीमों
- टेक्नोलॉजी
- परीक्षण
- कि
- RSI
- लेकिन हाल ही
- उन
- इन
- वे
- इसका
- तीन
- यहाँ
- पहर
- समयोचित
- सेवा मेरे
- आज
- ऊपर का
- विषय
- टी पी एस
- ट्रैक
- यातायात
- रेलगाड़ी
- प्रशिक्षित
- प्रशिक्षण
- प्रशिक्षण समाचार
- लेनदेन
- बदालना
- परिवर्तन
- ट्रांसपेरेंसी
- यात्रा
- ट्रेंडिंग
- रुझान
- वास्तव में
- ट्रस्ट
- की कोशिश कर रहा
- ट्यूनिंग
- दो
- प्रकार
- समझता है
- अद्वितीय
- विशिष्टता
- जब तक
- उपयोग
- उदाहरण
- प्रयुक्त
- उपयोगकर्ता
- उपयोगकर्ताओं
- का उपयोग करता है
- का उपयोग
- सत्यापन
- मूल्य
- परिवर्तनशील
- विभिन्न
- विविधता
- अलग-अलग
- संस्करण
- के माध्यम से
- वीडियो
- देखें
- दौरा
- चलना
- करना चाहते हैं
- था
- मार्ग..
- we
- वेब
- वेब ब्राउजर
- वेब सेवाओं
- कुंआ
- थे
- क्या
- कब
- जहाँ तक
- या
- कौन कौन से
- क्यों
- मर्जी
- साथ में
- अंदर
- बिना
- काम किया
- वर्कफ़्लो
- चिंता
- लिख रहे हैं
- आप
- आपका
- जेफिरनेट