जनरेटिव आर्टिफिशियल इंटेलिजेंस (जनरेटिव ए.आई.) मॉडलों ने उच्च-गुणवत्ता वाले पाठ, चित्र और अन्य सामग्री उत्पन्न करने में प्रभावशाली क्षमताओं का प्रदर्शन किया है। हालाँकि, इन मॉडलों को अपनी पूरी क्षमता तक पहुँचने के लिए भारी मात्रा में स्वच्छ, संरचित प्रशिक्षण डेटा की आवश्यकता होती है। अधिकांश वास्तविक दुनिया का डेटा पीडीएफ जैसे असंरचित प्रारूपों में मौजूद है, जिसे प्रभावी ढंग से उपयोग करने से पहले प्रीप्रोसेसिंग की आवश्यकता होती है।
के अनुसार आईडीसीआज सभी व्यावसायिक डेटा में असंरचित डेटा का हिस्सा 80% से अधिक है। इसमें ईमेल, पीडीएफ, स्कैन किए गए दस्तावेज़, चित्र, ऑडियो, वीडियो और बहुत कुछ जैसे प्रारूप शामिल हैं। हालाँकि यह डेटा मूल्यवान अंतर्दृष्टि रखता है, लेकिन इसकी असंरचित प्रकृति एआई एल्गोरिदम के लिए इसकी व्याख्या करना और इससे सीखना मुश्किल बना देती है। एक के अनुसार डेलॉइट द्वारा 2019 सर्वेक्षण, केवल 18% व्यवसायों ने असंरचित डेटा का लाभ उठाने में सक्षम होने की सूचना दी।
जैसे-जैसे एआई अपनाने में तेजी जारी है, भविष्य में असंरचित डेटा को पचाने और सीखने के लिए कुशल तंत्र विकसित करना और भी महत्वपूर्ण हो जाता है। इसमें बेहतर प्रीप्रोसेसिंग उपकरण, अर्ध-पर्यवेक्षित शिक्षण तकनीक और प्राकृतिक भाषा प्रसंस्करण में प्रगति शामिल हो सकती है। जो कंपनियां अपने असंरचित डेटा का सबसे प्रभावी ढंग से उपयोग करती हैं, उन्हें एआई से महत्वपूर्ण प्रतिस्पर्धी लाभ प्राप्त होंगे। अच्छे मॉडल प्रदर्शन के लिए स्वच्छ डेटा महत्वपूर्ण है। निकाले गए पाठों में अभी भी बड़ी मात्रा में अस्पष्ट और बॉयलरप्लेट पाठ हैं (उदाहरण के लिए, HTML पढ़ें)। इंटरनेट से स्क्रैप किए गए डेटा में अक्सर बहुत सारी नकलें होती हैं। सोशल मीडिया, समीक्षाओं या किसी भी उपयोगकर्ता द्वारा उत्पन्न सामग्री के डेटा में विषाक्त और पक्षपाती सामग्री भी हो सकती है, और आपको कुछ पूर्व-प्रसंस्करण चरणों का उपयोग करके उन्हें फ़िल्टर करने की आवश्यकता हो सकती है। इसमें बहुत सी निम्न-गुणवत्ता वाली सामग्री या बॉट-जनरेटेड टेक्स्ट भी हो सकते हैं, जिन्हें मेटाडेटा के साथ फ़िल्टर किया जा सकता है (उदाहरण के लिए, कम ग्राहक रेटिंग प्राप्त ग्राहक सेवा प्रतिक्रियाओं को फ़िल्टर करें)।
पुनर्प्राप्ति संवर्धित पीढ़ी में कई चरणों में डेटा तैयार करना महत्वपूर्ण है (आरएजी) मॉडल। ज्ञान स्रोत दस्तावेज़ों को प्रीप्रोसेसिंग की आवश्यकता होती है, जैसे पाठ को साफ़ करना और सिमेंटिक एम्बेडिंग उत्पन्न करना, ताकि उन्हें कुशलतापूर्वक अनुक्रमित और पुनर्प्राप्त किया जा सके। उपयोगकर्ता की प्राकृतिक भाषा क्वेरी को भी प्रीप्रोसेसिंग की आवश्यकता होती है, इसलिए इसे वेक्टर में एन्कोड किया जा सकता है और दस्तावेज़ एम्बेडिंग की तुलना की जा सकती है। प्रासंगिक संदर्भों को पुनः प्राप्त करने के बाद, उन्हें फाउंडेशन मॉडल के लिए अंतिम संकेत बनाने के लिए उपयोगकर्ता की क्वेरी से जुड़ने से पहले अतिरिक्त प्रीप्रोसेसिंग, जैसे ट्रंकेशन की आवश्यकता हो सकती है। अमेज़ॅन सेजमेकर कैनवास अब द्वारा संचालित व्यापक डेटा तैयारी क्षमताओं का समर्थन करता है अमेज़न SageMaker डेटा रैंगलर. इस एकीकरण के साथ, सेजमेकर कैनवस ग्राहकों को डेटा तैयार करने, एमएल और फाउंडेशन मॉडल बनाने और उपयोग करने के लिए एंड-टू-एंड नो-कोड कार्यक्षेत्र प्रदान करता है ताकि डेटा से व्यावसायिक अंतर्दृष्टि तक समय में तेजी लाई जा सके। अब आप 50 से अधिक डेटा स्रोतों से आसानी से डेटा खोज और एकत्र कर सकते हैं, और सेजमेकर कैनवस के विज़ुअल इंटरफ़ेस में 300 से अधिक अंतर्निहित विश्लेषण और परिवर्तनों का उपयोग करके डेटा का पता लगा सकते हैं और तैयार कर सकते हैं।
समाधान अवलोकन
इस पोस्ट में, हम एक पीडीएफ दस्तावेज़ीकरण डेटासेट के साथ काम करते हैं-अमेज़ॅन बेडरॉक उपयोगकर्ता गाइड. इसके अलावा, हम दिखाते हैं कि RAG के लिए डेटासेट को कैसे प्रीप्रोसेस किया जाए। विशेष रूप से, हम डेटा को साफ़ करते हैं और डेटासेट की सामग्री के बारे में सवालों के जवाब देने के लिए RAG कलाकृतियाँ बनाते हैं। निम्नलिखित मशीन लर्निंग (एमएल) समस्या पर विचार करें: उपयोगकर्ता एक बड़े भाषा मॉडल (एलएलएम) प्रश्न पूछता है: "अमेज़ॅन बेडरॉक में मॉडल को कैसे फ़िल्टर और खोजें?"। एलएलएम ने प्रशिक्षण या फाइन-ट्यूनिंग चरण के दौरान दस्तावेज़ीकरण नहीं देखा है, इसलिए वह प्रश्न का उत्तर देने में सक्षम नहीं होगा और संभवतः भ्रम में रहेगा। इस पोस्ट के साथ हमारा लक्ष्य, पीडीएफ (यानी, आरएजी) से पाठ का एक प्रासंगिक टुकड़ा ढूंढना और इसे प्रॉम्प्ट में संलग्न करना है, इस प्रकार एलएलएम को इस दस्तावेज़ के लिए विशिष्ट प्रश्नों का उत्तर देने में सक्षम बनाना है।
नीचे, हम दिखाते हैं कि आप इन सभी मुख्य प्रीप्रोसेसिंग चरणों को कैसे कर सकते हैं अमेज़ॅन सेजमेकर कैनवास (द्वारा संचालित अमेज़न SageMaker डेटा रैंगलर):
- पीडीएफ दस्तावेज़ से टेक्स्ट निकालना (टेक्स्ट्रैक्ट द्वारा संचालित)
- संवेदनशील जानकारी हटाएं (समझदारी द्वारा संचालित)
- पाठ को टुकड़ों में बाँटें।
- प्रत्येक टुकड़े के लिए एम्बेडिंग बनाएं (बेडरॉक द्वारा संचालित)।
- वेक्टर डेटाबेस में एम्बेडिंग अपलोड करें (ओपनसर्च द्वारा संचालित)
.. पूर्वापेक्षाएँ
इस पूर्वाभ्यास के लिए, आपके पास निम्नलिखित होना चाहिए:
नोट: निर्देशों का पालन करते हुए ओपनसर्च सेवा डोमेन बनाएं यहाँ उत्पन्न करें. सरलता के लिए, आइए बेहतर पहुंच नियंत्रण के लिए मास्टर उपयोगकर्ता नाम और पासवर्ड वाला विकल्प चुनें। एक बार डोमेन बन जाने के बाद, निम्नलिखित मैपिंग के साथ एक वेक्टर इंडेक्स बनाएं, और वेक्टर आयाम 1536 अमेज़ॅन टाइटन एम्बेडिंग के साथ संरेखित हो जाए:
Walkthrough
डेटा प्रवाह बनाएं
इस अनुभाग में, हम कवर करते हैं कि हम पीडीएफ से टेक्स्ट और मेटाडेटा निकालने के लिए डेटा प्रवाह कैसे बना सकते हैं, डेटा को साफ और संसाधित कर सकते हैं, अमेज़ॅन बेडरॉक का उपयोग करके एम्बेडिंग उत्पन्न कर सकते हैं और अमेज़ॅन ओपनसर्च में डेटा को अनुक्रमित कर सकते हैं।
सेजमेकर कैनवास लॉन्च करें
सेजमेकर कैनवास लॉन्च करने के लिए, निम्नलिखित चरणों को पूरा करें:
- अमेज़न पर सेजमेकर कंसोल, चुनें डोमेन नेविगेशन फलक में
- अपना डोमेन चुनें।
- लॉन्च मेनू पर, चुनें कैनवास.
एक डेटाफ्लो बनाएं
सेजमेकर कैनवास में डेटा प्रवाह बनाने के लिए निम्नलिखित चरणों को पूरा करें:
- सेजमेकर कैनवस होम पेज पर, चुनें डेटा रैंगलर.
- चुनें बनाएं पृष्ठ के दाईं ओर, फिर डेटा प्रवाह नाम दें और चयन करें बनाएं.
- यह डेटा प्रवाह पृष्ठ पर आएगा.
- चुनें आयात आंकड़ा, सारणीबद्ध डेटा का चयन करें।
आइए अब Amazon S3 बकेट से डेटा आयात करें:
- चुनें आयात आंकड़ा का चयन करें और तालिका का ड्रॉप-डाउन सूची से
- डेटा स्रोत का चयन करें और अमेज़न S3 ड्रॉप-डाउन सूची से
- पीडीएफ फ़ाइल स्थानों के साथ मेटा डेटा फ़ाइल पर नेविगेट करें, और फ़ाइल चुनें।
- अब मेटाडेटा फ़ाइल को डेटा तैयारी डेटा प्रवाह में लोड किया गया है, और हम डेटा और इंडेक्स को अमेज़ॅन में बदलने के लिए अगले चरण जोड़ने के लिए आगे बढ़ सकते हैं OpenSearch. इस मामले में फ़ाइल में अमेज़ॅन S3 निर्देशिका में प्रत्येक फ़ाइल के स्थान के साथ निम्नलिखित मेटाडेटा है।
नया परिवर्तन जोड़ने के लिए, निम्न चरणों को पूरा करें:
- धन चिह्न चुनें और चुनें परिवर्तन जोड़ें.
- चुनें स्टेप जोड़ें और चुनें कस्टम परिवर्तन.
- आप Pandas, PySpark, Python उपयोगकर्ता-परिभाषित फ़ंक्शंस और SQL PySpark का उपयोग करके एक कस्टम ट्रांसफ़ॉर्म बना सकते हैं। चुनना पायथन (पायस्पार्क) इस उपयोग-मामले के लिए.
- चरण के लिए एक नाम दर्ज करें. उदाहरण कोड स्निपेट्स से, ब्राउज़ करें और चुनें पीडीएफ से पाठ निकालें. कोड स्निपेट में आवश्यक परिवर्तन करें और चयन करें .
- आइए लाभ उठाकर निकाले गए डेटा से व्यक्तिगत पहचान योग्य जानकारी (पीआईआई) डेटा को संशोधित करने के लिए एक कदम जोड़ें Amazon Comprehend। चुनना स्टेप जोड़ें और चुनें कस्टम परिवर्तन। और चयन करें पायथन (पाइस्पार्क)।
उदाहरण कोड स्निपेट्स से, ब्राउज़ करें और चुनें मुखौटा पीआईआई. कोड स्निपेट में आवश्यक परिवर्तन करें और चयन करें जोड़ें.
- अगला कदम पाठ्य सामग्री को खंडित करना है। चुनना स्टेप जोड़ें और चुनें कस्टम परिवर्तन। और चयन करें पायथन (पाइस्पार्क)।
उदाहरण कोड स्निपेट्स से, ब्राउज़ करें और चुनें खंड पाठ. कोड स्निपेट में आवश्यक परिवर्तन करें और चयन करें जोड़ें.
- आइए इसका उपयोग करके टेक्स्ट सामग्री को वेक्टर एम्बेडिंग में परिवर्तित करें अमेज़ॅन बेडरॉक टाइटन एंबेडिंग मॉडल। चुनना स्टेप जोड़ें और चुनें कस्टम परिवर्तन। और चयन करें पायथन (पाइस्पार्क)।
उदाहरण कोड स्निपेट्स से, ब्राउज़ करें और चुनें बेडरॉक के साथ टेक्स्ट एम्बेडिंग जेनरेट करें। कोड स्निपेट में आवश्यक परिवर्तन करें और चयन करें जोड़ें.
- अब हमारे पास पीडीएफ फाइल सामग्री के लिए वेक्टर एम्बेडिंग उपलब्ध है। आइए आगे बढ़ें और डेटा को Amazon OpenSearch में अनुक्रमित करें। चुनना स्टेप जोड़ें और चुनें कस्टम परिवर्तन। और चयन करें पायथन (पाइस्पार्क)। आप अपने पसंदीदा वेक्टर डेटाबेस का उपयोग करने के लिए निम्नलिखित कोड को फिर से लिखने के लिए स्वतंत्र हैं। सरलता के लिए, हम ओपनसर्च एपीआई तक पहुंचने के लिए मास्टर उपयोगकर्ता नाम और पासवर्ड का उपयोग कर रहे हैं, उत्पादन कार्यभार के लिए आपके संगठन की नीतियों के अनुसार विकल्प का चयन करें।
अंत में, बनाया गया डेटाफ़्लो इस प्रकार होगा:
इस डेटाफ़्लो के साथ, पीडीएफ फ़ाइल से डेटा को अमेज़ॅन ओपनसर्च में वेक्टर एम्बेडिंग के साथ पढ़ा और अनुक्रमित किया गया है। अब समय आ गया है कि हम अनुक्रमित डेटा को क्वेरी करने के लिए प्रश्नों के साथ एक फ़ाइल बनाएं और इसे अमेज़ॅन S3 स्थान पर सहेजें। हम अपने खोज डेटा प्रवाह को फ़ाइल में इंगित करेंगे और अमेज़ॅन S3 स्थान में एक नई फ़ाइल में संबंधित परिणामों के साथ एक फ़ाइल आउटपुट करेंगे।
एक प्रॉम्प्ट तैयार कर रहा हूँ
अपने पीडीएफ से एक ज्ञानकोष बनाने के बाद, हम कुछ नमूना प्रश्नों के लिए ज्ञानकोष की खोज करके इसका परीक्षण कर सकते हैं। हम प्रत्येक क्वेरी को निम्नानुसार संसाधित करेंगे:
- क्वेरी के लिए एम्बेडिंग जेनरेट करें (अमेज़ॅन बेडरॉक द्वारा संचालित)
- निकटतम पड़ोसी संदर्भ के लिए क्वेरी वेक्टर डेटाबेस (अमेज़ॅन ओपनसर्च द्वारा संचालित)
- क्वेरी और संदर्भ को प्रॉम्प्ट में संयोजित करें.
- एक संकेत के साथ एलएलएम को क्वेरी करें (अमेज़ॅन बेडरॉक द्वारा संचालित)
- सेजमेकर कैनवस होम पेज पर, चुनें डेटा तैयारी.
- चुनें बनाएं पृष्ठ के दाईं ओर, फिर डेटा प्रवाह नाम दें और चयन करें बनाएं.
अब उपयोगकर्ता के प्रश्नों को लोड करें और फिर प्रश्न और समान दस्तावेजों को मिलाकर एक प्रॉम्प्ट बनाएं। यह संकेत एलएलएम को उपयोगकर्ता के प्रश्न का उत्तर उत्पन्न करने के लिए प्रदान किया जाता है।
- आइए उपयोगकर्ता प्रश्नों के साथ एक सीएसवी फ़ाइल लोड करें। चुनना आयात आंकड़ा का चयन करें और तालिका का ड्रॉप-डाउन सूची से
- डेटा स्रोत, का चयन करें और अमेज़न S3 ड्रॉप-डाउन सूची से. वैकल्पिक रूप से, आप उपयोगकर्ता प्रश्नों के साथ एक फ़ाइल अपलोड करना चुन सकते हैं।
- आइए डेटा को वेक्टर एम्बेडिंग में बदलने के लिए एक कस्टम ट्रांसफॉर्मेशन जोड़ें, इसके बाद अमेज़ॅन ओपनसर्च से संबंधित एम्बेडिंग की खोज करें, नॉलेज बेस से क्वेरी और संदर्भ के साथ अमेज़ॅन बेडरॉक को एक संकेत भेजने से पहले। क्वेरी के लिए एम्बेडिंग उत्पन्न करने के लिए, आप उसी उदाहरण कोड स्निपेट का उपयोग कर सकते हैं बेडरॉक के साथ टेक्स्ट एम्बेडिंग जेनरेट करें ऊपर चरण #7 में उल्लिखित है।
आइए जेनरेट किए गए वेक्टर एम्बेडिंग के लिए प्रासंगिक दस्तावेजों को खोजने के लिए अमेज़ॅन ओपनसर्च एपीआई को लागू करें। Python (PySpark) के साथ एक कस्टम ट्रांसफ़ॉर्म जोड़ें।
आइए अमेज़ॅन ओपनसर्च नॉलेज बेस से दस्तावेज़ों को पास करते हुए, क्वेरी प्रतिक्रिया के लिए अमेज़ॅन बेडरॉक एपीआई को कॉल करने के लिए एक कस्टम ट्रांसफ़ॉर्म जोड़ें। उदाहरण कोड स्निपेट्स से, ब्राउज़ करें और चुनें संदर्भ सहित क्वेरी बेडरॉक। कोड स्निपेट में आवश्यक परिवर्तन करें और चयन करें जोड़ें.
संक्षेप में, RAG आधारित प्रश्न उत्तर डेटा प्रवाह इस प्रकार है:
एमएल प्रैक्टिशनर फीचर इंजीनियरिंग कोड तैयार करने, इसे अपने शुरुआती डेटासेट पर लागू करने, इंजीनियर डेटासेट पर मॉडल को प्रशिक्षित करने और मॉडल सटीकता का मूल्यांकन करने में बहुत समय बिताते हैं। इस कार्य की प्रायोगिक प्रकृति को देखते हुए, यहां तक कि सबसे छोटी परियोजना भी कई पुनरावृत्तियों की ओर ले जाती है। एक ही फ़ीचर इंजीनियरिंग कोड अक्सर बार-बार चलाया जाता है, एक ही ऑपरेशन को दोहराने पर समय और गणना संसाधनों की बर्बादी होती है। बड़े संगठनों में, इससे उत्पादकता में और भी अधिक हानि हो सकती है क्योंकि अलग-अलग टीमें अक्सर समान कार्य चलाती हैं या डुप्लिकेट फीचर इंजीनियरिंग कोड भी लिखती हैं क्योंकि उन्हें पिछले काम का कोई ज्ञान नहीं होता है। सुविधाओं के पुनर्प्रसंस्करण से बचने के लिए, हम अपना डेटा प्रवाह अमेज़ॅन को निर्यात करेंगे सेजमेकर पाइपलाइन। आइए चयन करें + क्वेरी के दाईं ओर बटन। निर्यात डेटा प्रवाह का चयन करें और चुनें सेजमेकर पाइपलाइन चलाएँ (ज्यूपिटर नोटबुक के माध्यम से)।
सफाई करना
भविष्य में शुल्क लेने से बचने के लिए, इस पोस्ट का अनुसरण करते समय आपके द्वारा बनाए गए संसाधनों को हटा दें या बंद कर दें। को देखें Amazon SageMaker कैनवास से लॉग आउट करना अधिक जानकारी के लिए.
निष्कर्ष
इस पोस्ट में, हमने आपको एलएलएम के लिए डेटा तैयार करने वाले डेटा पेशेवर की भूमिका निभाते हुए अमेज़ॅन सेजमेकर कैनवस की एंड-टू-एंड क्षमताओं को दिखाया। इंटरैक्टिव डेटा तैयारी ने सूचनात्मक सुविधाओं को इंजीनियर करने के लिए डेटा को तुरंत साफ करने, बदलने और विश्लेषण करने में सक्षम बनाया। कोडिंग जटिलताओं को दूर करके, सेजमेकर कैनवस ने उच्च गुणवत्ता वाले प्रशिक्षण डेटासेट बनाने के लिए तेजी से पुनरावृत्ति की अनुमति दी। इस त्वरित वर्कफ़्लो ने सीधे व्यावसायिक प्रभाव के लिए एक प्रदर्शनशील मशीन लर्निंग मॉडल के निर्माण, प्रशिक्षण और तैनाती की ओर अग्रसर किया। अपनी व्यापक डेटा तैयारी और डेटा से अंतर्दृष्टि तक एकीकृत अनुभव के साथ, सेजमेकर कैनवस उपयोगकर्ताओं को अपने एमएल परिणामों को बेहतर बनाने के लिए सशक्त बनाता है।
हम आपको एक्सप्लोर करके और जानने के लिए प्रोत्साहित करते हैं अमेज़न SageMaker डेटा रैंगलर, अमेज़ॅन सेजमेकर कैनवास, अमेज़न टाइटन मॉडल, अमेज़ॅन बेडरॉक, और अमेज़ॅन ओपन सर्च सर्विस इस पोस्ट में दिए गए नमूना कार्यान्वयन और आपके व्यवसाय के लिए प्रासंगिक डेटासेट का उपयोग करके एक समाधान तैयार करना। यदि आपके कोई प्रश्न या सुझाव हैं तो कृपया एक टिप्पणी छोड़ें।
लेखक के बारे में
अजय गोविंदराम AWS में एक वरिष्ठ समाधान वास्तुकार हैं। वह रणनीतिक ग्राहकों के साथ काम करता है जो जटिल व्यावसायिक समस्याओं को हल करने के लिए एआई/एमएल का उपयोग कर रहे हैं। उनका अनुभव तकनीकी दिशा प्रदान करने के साथ-साथ बड़े पैमाने पर एआई/एमएल अनुप्रयोग परिनियोजन के लिए डिजाइन सहायता प्रदान करने में निहित है। उनका ज्ञान एप्लिकेशन आर्किटेक्चर से लेकर बिग डेटा, एनालिटिक्स और मशीन लर्निंग तक है। उन्हें आराम करते हुए संगीत सुनना, बाहर का अनुभव करना और अपने प्रियजनों के साथ समय बिताना अच्छा लगता है।
निकिता इवकिना मशीन लर्निंग और डेटा क्लीनिंग एल्गोरिदम में रुचि रखने वाले Amazon SageMaker Data Wrangler में एक वरिष्ठ एप्लाइड साइंटिस्ट 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/simplify-data-prep-for-gen-ai-with-amazon-sagemaker-data-wrangler/
- :हैस
- :है
- :नहीं
- 100
- 14
- 20
- 25
- 28
- 50
- 7
- 8
- 804
- a
- योग्य
- About
- ऊपर
- में तेजी लाने के
- त्वरित
- पहुँच
- अनुसार
- अकौन्टस(लेखा)
- शुद्धता
- जोड़ना
- अतिरिक्त
- दत्तक ग्रहण
- अग्रिमों
- लाभ
- फायदे
- बाद
- फिर
- कुल
- आगे
- AI
- ऐ / एमएल
- एल्गोरिदम
- संरेखित करता है
- सब
- की अनुमति दी
- भी
- वीरांगना
- अमेज़न SageMaker
- अमेज़न SageMaker डेटा रैंगलर
- अमेज़ॅन वेब सेवा
- राशियाँ
- an
- का विश्लेषण करती है
- विश्लेषिकी
- का विश्लेषण
- और
- जवाब
- कोई
- एपीआई
- आवेदन
- लागू
- लागू
- स्थापत्य
- हैं
- कृत्रिम
- कृत्रिम बुद्धिमत्ता
- AS
- सहायता
- At
- संलग्न करना
- ऑडियो
- संवर्धित
- उपलब्ध
- से बचने
- एडब्ल्यूएस
- आधार
- आधारित
- BE
- क्योंकि
- हो जाता है
- किया गया
- से पहले
- जा रहा है
- बेहतर
- झुका हुआ
- बड़ा
- बड़ा डेटा
- निर्माण
- इमारत
- में निर्मित
- व्यापार
- व्यवसायों
- बटन
- by
- कॉल
- कर सकते हैं
- कैनवास
- क्षमताओं
- मामला
- कारण
- परिवर्तन
- प्रभार
- चुनें
- स्वच्छ
- सफाई
- कोड
- कोडन
- संयोजन
- टिप्पणी
- कंपनियों
- तुलना
- प्रतियोगी
- पूरा
- जटिल
- जटिलताओं
- समझना
- व्यापक
- गणना करना
- विचार करना
- कंसोल
- शामिल
- शामिल हैं
- सामग्री
- अंतर्वस्तु
- प्रसंग
- संदर्भों
- जारी
- नियंत्रण
- बदलना
- इसी
- सका
- आवरण
- बनाना
- बनाया
- महत्वपूर्ण
- रिवाज
- ग्राहक
- ग्राहक सेवा
- ग्राहक
- तिथि
- डेटा तैयारी
- डाटाबेस
- डेटासेट
- डेलॉयट
- साबित
- तैनाती
- तैनाती
- डिज़ाइन
- विवरण
- विकासशील
- विभिन्न
- मुश्किल
- आयाम
- दिशा
- सीधे
- अन्य वायरल पोस्ट से
- do
- दस्तावेज़
- दस्तावेज़ीकरण
- दस्तावेजों
- डोमेन
- डोमेन
- नीचे
- दौरान
- e
- से प्रत्येक
- आसानी
- प्रभावी रूप से
- कुशल
- कुशलता
- ईमेल
- embedding
- अधिकार
- सक्षम
- समर्थकारी
- प्रोत्साहित करना
- शुरू से अंत तक
- इंजीनियर
- इंजीनियर
- अभियांत्रिकी
- का मूल्यांकन
- और भी
- उदाहरण
- मौजूद
- अनुभव
- सामना
- प्रयोगात्मक
- का पता लगाने
- तलाश
- निर्यात
- उद्धरण
- Feature
- विशेषताएं
- कुछ
- फ़ील्ड
- पट्टिका
- फ़िल्टर
- अंतिम
- खोज
- प्रवाह
- पीछा किया
- निम्नलिखित
- इस प्रकार है
- के लिए
- फ़ोर्ब्स
- बुनियाद
- नींव
- मुक्त
- से
- पूर्ण
- कार्यों
- आगे
- भविष्य
- लाभ
- उत्पन्न
- उत्पन्न
- सृजन
- पीढ़ी
- उत्पादक
- जनरेटिव एआई
- मिल
- देना
- दी
- वैश्विक
- Go
- लक्ष्य
- अच्छा
- अधिक से अधिक
- है
- he
- हेडर
- उच्च गुणवत्ता
- उसके
- रखती है
- होम
- कैसे
- How To
- तथापि
- एचटीएमएल
- HTTPS
- i
- समान
- if
- छवियों
- प्रभाव
- कार्यान्वयन
- आयात
- महत्वपूर्ण
- प्रभावशाली
- में सुधार
- in
- शामिल
- अनुक्रमणिका
- अनुक्रमित
- करें-
- जानकारीपूर्ण
- प्रारंभिक
- अंतर्दृष्टि
- निर्देश
- एकीकरण
- बुद्धि
- इंटरैक्टिव
- रुचियों
- इंटरफेस
- इंटरनेट
- में
- शामिल करना
- IT
- यात्रा
- पुनरावृत्तियों
- आईटी इस
- नौकरियां
- जेपीजी
- JSON
- ज्ञान
- भूमि
- भाषा
- बड़ा
- बड़े पैमाने पर
- लांच
- बिक्रीसूत्र
- जानें
- सीख रहा हूँ
- छोड़ना
- नेतृत्व
- लाभ
- झूठ
- पसंद
- सूची
- सुनना
- एलएलएम
- भार
- स्थान
- स्थानों
- बंद
- लॉट
- प्यार करता था
- निम्न
- मशीन
- यंत्र अधिगम
- मुख्य
- बनाना
- बनाता है
- मुखौटा
- विशाल
- मास्टर
- मई..
- तंत्र
- मीडिया
- मेन्यू
- मेटा
- मेटाडाटा
- ML
- आदर्श
- मॉडल
- मामूली
- अधिक
- अधिकांश
- विभिन्न
- संगीत
- नाम
- प्राकृतिक
- प्राकृतिक भाषा संसाधन
- प्रकृति
- पथ प्रदर्शन
- आवश्यक
- आवश्यकता
- नया
- अगला
- नहीं
- नोटबुक
- अभी
- of
- अक्सर
- on
- एक बार
- लोगों
- केवल
- संचालन
- विकल्प
- or
- संगठन
- संगठनों
- अन्य
- हमारी
- आउट
- परिणामों
- सड़क पर
- उत्पादन
- के ऊपर
- पृष्ठ
- पांडा
- फलक
- पासिंग
- पासवर्ड
- पीडीएफ
- प्रदर्शन
- स्टाफ़
- चुनना
- टुकड़ा
- टुकड़े
- पाइपलाइन
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- कृप्या अ
- प्लस
- बिन्दु
- नीतियाँ
- पद
- संभावित
- संचालित
- वरीय
- तैयारी
- तैयार करना
- तैयारी
- पूर्व
- शायद
- मुसीबत
- समस्याओं
- बढ़ना
- प्रक्रिया
- प्रसंस्करण
- उत्पादन
- उत्पादकता
- पेशेवर
- परियोजना
- गुण
- बशर्ते
- प्रदान करता है
- प्रदान कर
- अजगर
- प्रश्नों
- प्रश्न
- प्रशन
- जल्दी से
- पर्वतमाला
- उपवास
- रेटिंग
- पहुंच
- पढ़ना
- असली दुनिया
- प्राप्त
- उल्लेख
- सम्बंधित
- प्रासंगिक
- हटाने
- की सूचना दी
- अनुरोधों
- की आवश्यकता होती है
- की आवश्यकता होती है
- उपयुक्त संसाधन चुनें
- प्रतिक्रिया
- प्रतिक्रियाएं
- आराम
- परिणाम
- वापसी
- समीक्षा
- सही
- भूमिका
- रन
- sagemaker
- वही
- सहेजें
- वैज्ञानिक
- Search
- खोज
- अनुभाग
- देखा
- चयन
- भेजना
- वरिष्ठ
- संवेदनशील
- सेवा
- सेवाएँ
- सेटिंग्स
- चाहिए
- दिखाना
- पता चला
- बंद
- शट डाउन
- पक्ष
- हस्ताक्षर
- महत्वपूर्ण
- समान
- सादगी
- को आसान बनाने में
- आकार
- टुकड़ा
- So
- सोशल मीडिया
- सोशल मीडिया
- समाधान
- समाधान ढूंढे
- हल
- कुछ
- स्रोत
- सूत्रों का कहना है
- विशिष्ट
- विशेष रूप से
- बिताना
- खर्च
- ट्रेनिंग
- चरणों
- कदम
- कदम
- फिर भी
- सामरिक
- संरचित
- सारांश
- समर्थन करता है
- सर्वेक्षण
- लेना
- टीमों
- तकनीकी
- तकनीक
- परीक्षण
- टेक्स्ट
- कि
- RSI
- भविष्य
- लेकिन हाल ही
- उन
- फिर
- वहाँ।
- इन
- वे
- इसका
- इस प्रकार
- पहर
- टाइटन
- सेवा मेरे
- आज
- उपकरण
- प्रशिक्षण
- बदालना
- परिवर्तन
- परिवर्तनों
- बदलने
- <strong>उद्देश्य</strong>
- काट-छांट
- टाइप
- प्रकार
- एकीकृत
- us
- उपयोग
- प्रयुक्त
- उपयोगकर्ता
- उपयोगकर्ताओं
- का उपयोग
- मूल्यवान
- के माध्यम से
- वीडियो
- दृश्य
- walkthrough
- we
- वेब
- वेब सेवाओं
- कुंआ
- कौन कौन से
- जब
- कौन
- मर्जी
- साथ में
- काम
- वर्कफ़्लो
- कार्य
- होगा
- लिखना
- आप
- आपका
- जेफिरनेट