अब आप मशीन लर्निंग (एमएल) में निर्मित मॉडल पंजीकृत कर सकते हैं अमेज़ॅन सेजमेकर कैनवास एक क्लिक के साथ अमेज़न सैजमेकर मॉडल रजिस्ट्री, आपको उत्पादन में एमएल मॉडल को संचालित करने में सक्षम बनाता है। कैनवस एक विज़ुअल इंटरफ़ेस है जो व्यापार विश्लेषकों को बिना किसी एमएल अनुभव की आवश्यकता के या कोड की एक पंक्ति लिखने की आवश्यकता के बिना अपने दम पर सटीक एमएल भविष्यवाणियां करने में सक्षम बनाता है। यद्यपि यह विकास और प्रयोग के लिए एक महान स्थान है, इन मॉडलों से मूल्य प्राप्त करने के लिए, उन्हें संचालन की आवश्यकता है - अर्थात्, एक उत्पादन वातावरण में तैनात जहां उनका उपयोग भविष्यवाणियों या निर्णय लेने के लिए किया जा सकता है। अब मॉडल रजिस्ट्री के साथ एकीकरण के साथ, आप मेटाडेटा और प्रदर्शन मेट्रिक्स बेसलाइन सहित सभी मॉडल कलाकृतियों को एक केंद्रीय रिपॉजिटरी में स्टोर कर सकते हैं और उन्हें अपने मौजूदा मॉडल परिनियोजन CI/CD प्रक्रियाओं में प्लग कर सकते हैं।
मॉडल रजिस्ट्री एक भंडार है जो एमएल मॉडल को सूचीबद्ध करता है, विभिन्न मॉडल संस्करणों का प्रबंधन करता है, एक मॉडल के साथ मेटाडेटा (जैसे प्रशिक्षण मेट्रिक्स) को जोड़ता है, एक मॉडल की स्वीकृति स्थिति का प्रबंधन करता है, और उन्हें उत्पादन में तैनात करता है। एक मॉडल संस्करण बनाने के बाद, आप इसे उत्पादन समापन बिंदु पर परिनियोजित करने से पहले आमतौर पर इसके प्रदर्शन का मूल्यांकन करना चाहते हैं। यदि यह आपकी आवश्यकताओं के अनुरूप कार्य करता है, तो आप मॉडल संस्करण की स्वीकृति स्थिति को अनुमोदित करने के लिए अद्यतन कर सकते हैं। स्थिति को स्वीकृत पर सेट करने से मॉडल के लिए CI/CD परिनियोजन आरंभ किया जा सकता है। यदि मॉडल संस्करण आपकी आवश्यकताओं के अनुरूप प्रदर्शन नहीं करता है, तो आप रजिस्ट्री में स्वीकृति स्थिति को अस्वीकृत करने के लिए अद्यतन कर सकते हैं, जो मॉडल को उन्नत वातावरण में परिनियोजित होने से रोकता है।
एक मॉडल रजिस्ट्री मॉडल परिनियोजन प्रक्रिया में एक महत्वपूर्ण भूमिका निभाती है क्योंकि यह सभी मॉडल सूचनाओं को पैकेज करती है और उत्पादन वातावरण में मॉडल प्रचार के स्वचालन को सक्षम करती है। निम्नलिखित कुछ तरीके हैं जिनसे एक मॉडल रजिस्ट्री एमएल मॉडल के संचालन में मदद कर सकती है:
- संस्करण नियंत्रण - एक मॉडल रजिस्ट्री आपको अपने एमएल मॉडल के विभिन्न संस्करणों को ट्रैक करने की अनुमति देती है, जो कि उत्पादन में मॉडल को तैनात करते समय आवश्यक है। मॉडल संस्करणों का ट्रैक रखने से, यदि कोई नया संस्करण समस्याओं का कारण बनता है तो आप आसानी से पिछले संस्करण पर वापस जा सकते हैं।
- सहयोग - एक मॉडल रजिस्ट्री डेटा वैज्ञानिकों, इंजीनियरों और अन्य हितधारकों के बीच मॉडल को संग्रहीत करने, साझा करने और एक्सेस करने के लिए एक केंद्रीकृत स्थान प्रदान करके सहयोग को सक्षम बनाता है। यह परिनियोजन प्रक्रिया को सुव्यवस्थित करने में मदद कर सकता है और यह सुनिश्चित कर सकता है कि सभी एक ही मॉडल के साथ काम कर रहे हैं।
- शासन - एक मॉडल रजिस्ट्री मॉडल परिवर्तनों और परिनियोजनों का लेखापरीक्षा योग्य इतिहास प्रदान करके अनुपालन और शासन में मदद कर सकती है।
कुल मिलाकर, एक मॉडल रजिस्ट्री संस्करण नियंत्रण, सहयोग, निगरानी और शासन प्रदान करके एमएल मॉडल को उत्पादन में तैनात करने की प्रक्रिया को कारगर बनाने में मदद कर सकती है।
समाधान का अवलोकन
हमारे उपयोग के मामले के लिए, हम एक मोबाइल फोन ऑपरेटर के विपणन विभाग में एक व्यावसायिक उपयोगकर्ता की भूमिका मान रहे हैं, और हमने मंथन के संभावित जोखिम वाले ग्राहकों की पहचान करने के लिए कैनवस में एक एमएल मॉडल सफलतापूर्वक बनाया है। हमारे मॉडल द्वारा उत्पन्न भविष्यवाणियों के लिए धन्यवाद, अब हम इसे अपने विकास पर्यावरण से उत्पादन में ले जाना चाहते हैं। हालांकि, इससे पहले कि हमारा मॉडल किसी उत्पादन समापन बिंदु पर परिनियोजित हो, इसकी समीक्षा की जानी चाहिए और एक केंद्रीय MLOps टीम द्वारा अनुमोदित किया जाना चाहिए। यह टीम मॉडल संस्करणों के प्रबंधन, एक मॉडल के साथ सभी संबद्ध मेटाडेटा (जैसे प्रशिक्षण मेट्रिक्स) की समीक्षा करने, प्रत्येक एमएल मॉडल की अनुमोदन स्थिति का प्रबंधन करने, उत्पादन के लिए स्वीकृत मॉडल को परिनियोजित करने और CI/CD के साथ मॉडल परिनियोजन को स्वचालित करने के लिए ज़िम्मेदार है। हमारे मॉडल को उत्पादन में तैनात करने की प्रक्रिया को सुव्यवस्थित करने के लिए, हम मॉडल रजिस्ट्री के साथ कैनवस के एकीकरण का लाभ उठाते हैं और अपने मॉडल को हमारी MLOps टीम द्वारा समीक्षा के लिए पंजीकृत करते हैं।
वर्कफ़्लो चरण इस प्रकार हैं:
- कैनवस में वर्तमान ग्राहक आबादी के साथ एक नया डेटासेट अपलोड करें। समर्थित डेटा स्रोतों की पूरी सूची के लिए, देखें कैनवास में डेटा आयात करें.
- एमएल मॉडल बनाएं और उनके प्रदर्शन मेट्रिक्स का विश्लेषण करें। के निर्देशों का संदर्भ लें कैनवस में एक कस्टम एमएल मॉडल बनाएं और मॉडल के प्रदर्शन का मूल्यांकन करें.
- सबसे अच्छा प्रदर्शन करने वाले संस्करणों को पंजीकृत करें समीक्षा और अनुमोदन के लिए मॉडल रजिस्ट्री के लिए।
- स्वीकृत मॉडल संस्करण परिनियोजित करें रीयल-टाइम अनुमान लगाने के लिए उत्पादन समापन बिंदु पर।
आप कोड की एक भी लाइन लिखे बिना कैनवस में चरण 1–3 कर सकते हैं।
.. पूर्वापेक्षाएँ
इस पूर्वाभ्यास के लिए, सुनिश्चित करें कि निम्नलिखित पूर्वापेक्षाएँ पूरी होती हैं:
- मॉडल संस्करण को मॉडल रजिस्ट्री में पंजीकृत करने के लिए, कैनवस व्यवस्थापक को कैनवस उपयोगकर्ता को आवश्यक अनुमतियां देनी चाहिए, जिसे आप अपने कैनवस एप्लिकेशन को होस्ट करने वाले सेजमेकर डोमेन में प्रबंधित कर सकते हैं। अधिक जानकारी के लिए, देखें अमेज़न सेजमेकर डेवलपर गाइड. अपनी कैनवास उपयोगकर्ता अनुमतियाँ प्रदान करते समय, आपको यह चुनना होगा कि क्या उपयोगकर्ता को अपने मॉडल संस्करणों को उसी AWS खाते में पंजीकृत करने की अनुमति देनी है या नहीं।
- में उल्लिखित पूर्वापेक्षाएँ लागू करें Amazon SageMaker Canvas का उपयोग करके नो-कोड मशीन लर्निंग के साथ ग्राहक मंथन की भविष्यवाणी करें.
अब आपके पास कैनवस में ऐतिहासिक मंथन पूर्वानुमान डेटा पर प्रशिक्षित तीन मॉडल संस्करण होने चाहिए:
- 1% के मॉडल स्कोर के साथ सभी 21 सुविधाओं और त्वरित बिल्ड कॉन्फ़िगरेशन के साथ प्रशिक्षित V96.903
- V2 को सभी 19 विशेषताओं (फ़ोन और राज्य सुविधाओं को हटा दिया गया) और त्वरित बिल्ड कॉन्फ़िगरेशन और 97.403% की बेहतर सटीकता के साथ प्रशिक्षित किया गया
- V3 को 97.03% मॉडल स्कोर के साथ मानक बिल्ड कॉन्फ़िगरेशन के साथ प्रशिक्षित किया गया
ग्राहक मंथन भविष्यवाणी मॉडल का प्रयोग करें
सक्षम उन्नत मेट्रिक्स दिखाएं और प्रत्येक मॉडल संस्करण से जुड़े वस्तुनिष्ठ मेट्रिक्स की समीक्षा करें ताकि हम मॉडल रजिस्ट्री में पंजीकरण के लिए सबसे अच्छा प्रदर्शन करने वाले मॉडल का चयन कर सकें।
प्रदर्शन मेट्रिक्स के आधार पर, हम पंजीकृत होने के लिए संस्करण 2 का चयन करते हैं।
मॉडल रजिस्ट्री उन सभी मॉडल संस्करणों को ट्रैक करती है जिन्हें आप मॉडल समूह में किसी विशेष समस्या को हल करने के लिए प्रशिक्षित करते हैं। जब आप कैनवस मॉडल को प्रशिक्षित करते हैं और इसे मॉडल रजिस्ट्री में पंजीकृत करते हैं, तो यह मॉडल समूह में एक नए मॉडल संस्करण के रूप में जुड़ जाता है।
पंजीकरण के समय, मॉडल रजिस्ट्री के भीतर एक मॉडल समूह स्वचालित रूप से बनाया जाता है। वैकल्पिक रूप से, आप इसे अपनी पसंद के नाम पर पुनर्नामित कर सकते हैं या मॉडल रजिस्ट्री में मौजूदा मॉडल समूह का उपयोग कर सकते हैं।
इस उदाहरण के लिए, हम ऑटोजेनरेटेड मॉडल समूह नाम का उपयोग करते हैं और चुनते हैं .
हमारा मॉडल संस्करण अब मॉडल रजिस्ट्री में मॉडल समूह में पंजीकृत होना चाहिए। यदि हम किसी अन्य मॉडल संस्करण को पंजीकृत करते हैं, तो यह उसी मॉडल समूह में पंजीकृत होगा।
मॉडल संस्करण की स्थिति से बदलनी चाहिए थी पंजीकृत नहीं सेवा मेरे पंजीकृत.
जब हम स्थिति पर होवर करते हैं, तो हम मॉडल रजिस्ट्री विवरण की समीक्षा कर सकते हैं, जिसमें मॉडल समूह का नाम, मॉडल रजिस्ट्री खाता आईडी और अनुमोदन स्थिति शामिल होती है। पंजीकरण के ठीक बाद, स्थिति बदल जाती है लंबित अनुमोदन, जिसका अर्थ है कि यह मॉडल मॉडल रजिस्ट्री में पंजीकृत है लेकिन डेटा वैज्ञानिक या MLOps टीम के सदस्य से समीक्षा और अनुमोदन के लिए लंबित है और अनुमोदित होने पर ही इसे अंतिम बिंदु पर तैनात किया जा सकता है।
अब नेविगेट करते हैं अमेज़ॅन सैजमेकर स्टूडियो और MLOps टीम के सदस्य की भूमिका ग्रहण करें। अंतर्गत मॉडल नेविगेशन फलक में, चुनें मॉडल रजिस्ट्री मॉडल रजिस्ट्री होम पेज खोलने के लिए।
हम मॉडल ग्रू को देख सकते हैंp canvas-Churn-Prediction-Model
कि कैनवास स्वचालित रूप से हमारे लिए बनाया गया।
इस मॉडल समूह में पंजीकृत सभी संस्करणों की समीक्षा करने के लिए मॉडल चुनें और फिर संबंधित मॉडल विवरण की समीक्षा करें।
यदि आप संस्करण 1 के लिए विवरण खोलते हैं, तो हम देख सकते हैं कि गतिविधि टैब मॉडल पर होने वाली सभी घटनाओं पर नज़र रखता है।
पर मॉडल की गुणवत्ता टैब, हम मॉडल के प्रदर्शन को समझने के लिए मॉडल मेट्रिक्स, सटीक/रिकॉल कर्व्स और भ्रम मैट्रिक्स प्लॉट की समीक्षा कर सकते हैं।
पर व्याख्या करने योग्य टैब में, हम उन विशेषताओं की समीक्षा कर सकते हैं जिन्होंने मॉडल के प्रदर्शन को सबसे अधिक प्रभावित किया।
मॉडल कलाकृतियों की समीक्षा करने के बाद, हम अनुमोदन स्थिति को बदल सकते हैं अपूर्ण सेवा मेरे अनुमोदित.
अब हम अद्यतन गतिविधि देख सकते हैं।
कैनवस व्यवसाय उपयोगकर्ता अब देख पाएंगे कि पंजीकृत मॉडल की स्थिति से बदल गई है लंबित अनुमोदन सेवा मेरे अनुमोदित.
MLOps टीम के सदस्य के रूप में, क्योंकि हमने इस ML मॉडल को मंजूरी दे दी है, आइए इसे एक समापन बिंदु पर परिनियोजित करें।
स्टूडियो में, मॉडल रजिस्ट्री होम पेज पर नेविगेट करें और चुनें canvas-Churn-Prediction-Model
मॉडल समूह। परिनियोजित किए जाने वाले संस्करण का चयन करें और पर जाएं सेटिंग टैब.
मॉडल रजिस्ट्री में चयनित मॉडल संस्करण से मॉडल पैकेज ARN विवरण प्राप्त करने के लिए ब्राउज़ करें।
स्टूडियो में एक नोटबुक खोलें और मॉडल को एंडपॉइंट पर तैनात करने के लिए निम्न कोड चलाएं। मॉडल पैकेज ARN को अपने खुद के मॉडल पैकेज ARN से बदलें।
समापन बिंदु बन जाने के बाद, आप इसे पर एक ईवेंट के रूप में ट्रैक कर सकते हैं गतिविधि मॉडल रजिस्ट्री का टैब।
आप इसका विवरण प्राप्त करने के लिए समापन बिंदु नाम पर डबल-क्लिक कर सकते हैं।
अब जब हमारे पास एक समापन बिंदु है, तो आइए इसे वास्तविक समय का अनुमान लगाने के लिए आमंत्रित करें। निम्नलिखित कोड स्निपेट में अपना एंडपॉइंट नाम बदलें:
क्लीन अप
भविष्य में शुल्क लेने से बचने के लिए, इस पोस्ट का अनुसरण करते समय आपके द्वारा बनाए गए संसाधनों को हटा दें। इसमें कैनवस से लॉग आउट करना और शामिल है तैनात किए गए SageMaker समापन बिंदु को हटाना. कैनवस आपको सत्र की अवधि के लिए बिल करता है, और हम अनुशंसा करते हैं कि जब आप कैनवस का उपयोग नहीं कर रहे हों तो उससे लॉग आउट कर दें। को देखें Amazon SageMaker कैनवास से लॉग आउट करना अधिक जानकारी के लिए.
निष्कर्ष
इस पोस्ट में, हमने चर्चा की कि कैसे कैनवास एमएल मॉडल को एमएल विशेषज्ञता की आवश्यकता के बिना उत्पादन वातावरण में संचालित करने में मदद कर सकता है। हमारे उदाहरण में, हमने दिखाया कि कैसे एक विश्लेषक बिना किसी कोड को लिखे और इसे मॉडल रजिस्ट्री में पंजीकृत किए बिना एक अत्यधिक सटीक भविष्य कहनेवाला एमएल मॉडल का निर्माण कर सकता है। एमएलओपीएस टीम तब इसकी समीक्षा कर सकती है और या तो मॉडल को अस्वीकार कर सकती है या मॉडल को मंजूरी दे सकती है और डाउनस्ट्रीम सीआई/सीडी परिनियोजन प्रक्रिया शुरू कर सकती है।
अपनी लो-कोड/नो-कोड एमएल यात्रा शुरू करने के लिए, देखें अमेज़ॅन सेजमेकर कैनवास.
लॉन्च में योगदान देने वाले सभी को विशेष धन्यवाद:
बैकएण्ड:
- हुआयुआन (ऐलिस) वू
- कृताफट पगदीतोसापोल
- यंदा हू
- जॉन हे
- ईशा दत्ता
- प्रशांत
फ़्रंट एंड:
- कैज मर्चेंट
- एड चेउंग
लेखक के बारे में
जनिशा आनंद SageMaker Low/No Code ML टीम में एक वरिष्ठ उत्पाद प्रबंधक है, जिसमें SageMaker Autopilot शामिल है। वह कॉफी का आनंद लेती है, सक्रिय रहती है और अपने परिवार के साथ समय बिताती है।
कृताफट पगदीतोसापोल Amazon SageMaker में एक सॉफ्टवेयर डेवलपमेंट इंजीनियर है और मुख्य रूप से SageMaker लो-कोड और नो-कोड उत्पादों के साथ काम करता है।
हुआयुआन (ऐलिस) वू Amazon SageMaker में एक सॉफ्टवेयर डेवलपमेंट इंजीनियर है। वह ग्राहकों के लिए एमएल टूल और उत्पाद बनाने पर ध्यान केंद्रित करती है। काम के बाहर, वह बाहर, योग और लंबी पैदल यात्रा का आनंद लेती है।
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोआईस्ट्रीम। Web3 डेटा इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- मिंटिंग द फ्यूचर डब्ल्यू एड्रिएन एशले। यहां पहुंचें।
- PREIPO® के साथ PRE-IPO कंपनियों में शेयर खरीदें और बेचें। यहां पहुंचें।
- स्रोत: https://aws.amazon.com/blogs/machine-learning/operationalize-ml-models-built-in-amazon-sagemaker-canvas-to-production-using-the-amazon-sagemaker-model-registry/
- :है
- :नहीं
- :कहाँ
- ][पी
- 1
- 100
- 15% तक
- 420
- 7
- 8
- a
- योग्य
- तक पहुँचने
- लेखा
- शुद्धता
- सही
- सक्रिय
- गतिविधि
- जोड़ा
- व्यवस्थापक
- उन्नत
- लाभ
- बाद
- सब
- अनुमति देना
- की अनुमति देता है
- हालांकि
- वीरांगना
- अमेज़न SageMaker
- अमेज़ॅन सेजमेकर कैनवास
- के बीच में
- an
- विश्लेषक
- विश्लेषकों
- विश्लेषण करें
- और
- अन्य
- कोई
- आवेदन
- अनुमोदन
- अनुमोदन करना
- अनुमोदित
- हैं
- AS
- जुड़े
- At
- लेखापरीक्षा योग्य
- स्वतः
- स्वचालित
- स्वचालन
- से बचने
- एडब्ल्यूएस
- BE
- क्योंकि
- से पहले
- जा रहा है
- BEST
- विधेयकों
- परिवर्तन
- निर्माण
- इमारत
- बनाया गया
- व्यापार
- लेकिन
- by
- कर सकते हैं
- कैनवास
- मामला
- कैटलॉग
- का कारण बनता है
- केंद्रीय
- केंद्रीकृत
- परिवर्तन
- बदल
- परिवर्तन
- प्रभार
- चुनाव
- चुनें
- क्लिक करें
- कोड
- कॉफी
- सहयोग
- अनुपालन
- विन्यास
- भ्रम
- योगदान
- नियंत्रण
- इसी
- बनाना
- बनाया
- वर्तमान
- रिवाज
- ग्राहक
- ग्राहक
- तिथि
- आँकड़े वाला वैज्ञानिक
- दिनांक और समय
- निर्णय
- विभाग
- तैनात
- तैनात
- तैनाती
- तैनाती
- तैनाती
- तैनात
- विवरण
- डेवलपर
- विकास
- विभिन्न
- चर्चा की
- नहीं करता है
- डोमेन
- अवधि
- से प्रत्येक
- आसानी
- भी
- सक्षम बनाता है
- समर्थकारी
- समाप्त
- endpoint
- इंजीनियर
- इंजीनियर्स
- सुनिश्चित
- वातावरण
- वातावरण
- आवश्यक
- मूल्यांकन करें
- कार्यक्रम
- घटनाओं
- प्रत्येक
- हर कोई
- उदाहरण
- मौजूदा
- अनुभव
- विशेषज्ञता
- परिवार
- विशेषताएं
- केंद्रित
- निम्नलिखित
- इस प्रकार है
- के लिए
- से
- पूर्ण
- भविष्य
- उत्पन्न
- उत्पन्न
- मिल
- देना
- Go
- शासन
- देने
- महान
- समूह
- हो रहा है
- है
- होने
- मदद
- उसे
- अत्यधिक
- ऐतिहासिक
- इतिहास
- होम
- मेजबान
- मंडराना
- कैसे
- तथापि
- एचटीएमएल
- HTTPS
- ID
- पहचान करना
- if
- आयात
- उन्नत
- in
- शामिल
- शामिल
- सहित
- प्रभावित
- करें-
- आरंभ
- निर्देश
- एकीकरण
- इंटरफेस
- में
- मुद्दों
- IT
- आईटी इस
- यात्रा
- जेपीजी
- रखना
- कुंजी
- लांच
- सीख रहा हूँ
- लाइन
- सूची
- स्थान
- लॉगिंग
- मशीन
- यंत्र अधिगम
- मुख्यतः
- बनाना
- प्रबंधन
- प्रबंधक
- प्रबंधन करता है
- प्रबंध
- विपणन (मार्केटिंग)
- मैट्रिक्स
- साधन
- सदस्य
- उल्लेख किया
- मेटाडाटा
- मेट्रिक्स
- ML
- एमएलओपीएस
- मोबाइल
- मोबाइल फ़ोन
- आदर्श
- मॉडल
- निगरानी
- अधिक
- अधिकांश
- चाल
- चाहिए
- नाम
- नेविगेट करें
- पथ प्रदर्शन
- आवश्यक
- आवश्यकता
- की जरूरत है
- नया
- नहीं
- नोटबुक
- अभी
- उद्देश्य
- of
- on
- केवल
- खुला
- ऑपरेटर
- or
- OS
- अन्य
- हमारी
- आउट
- सड़क पर
- बाहर
- के ऊपर
- अपना
- पैकेज
- संकुल
- पृष्ठ
- पांडा
- फलक
- विशेष
- अपूर्ण
- निष्पादन
- प्रदर्शन
- प्रदर्शन
- प्रदर्शन
- अनुमतियाँ
- फ़ोन
- जगह
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- निभाता
- प्लग
- आबादी
- पद
- संभावित
- भविष्यवाणी
- भविष्यवाणियों
- आवश्यक शर्तें
- रोकता है
- पिछला
- मुसीबत
- प्रक्रिया
- प्रक्रियाओं
- एस्ट्रो मॉल
- उत्पादन प्रबंधक
- उत्पादन
- उत्पाद
- पदोन्नति
- प्रदान कर
- त्वरित
- जल्दी से
- वास्तविक समय
- की सिफारिश
- रजिस्टर
- पंजीकृत
- पंजीकरण
- रजिस्ट्री
- हटाया
- की जगह
- कोष
- आवश्यकताएँ
- उपयुक्त संसाधन चुनें
- प्रतिक्रिया
- जिम्मेदार
- लौट आना
- की समीक्षा
- समीक्षा
- की समीक्षा
- सही
- जोखिम
- भूमिका
- रन
- sagemaker
- वही
- वैज्ञानिक
- वैज्ञानिकों
- स्कोर
- देखना
- चयनित
- वरिष्ठ
- सत्र
- की स्थापना
- बांटने
- वह
- चाहिए
- पता चला
- एक
- So
- सॉफ्टवेयर
- सॉफ्टवेयर विकास
- हल
- कुछ
- सूत्रों का कहना है
- खर्च
- हितधारकों
- मानक
- प्रारंभ
- राज्य
- स्थिति
- कदम
- की दुकान
- भंडारण
- सुवीही
- स्टूडियो
- सफलतापूर्वक
- ऐसा
- समर्थित
- SYS
- लेना
- टीम
- धन्यवाद
- कि
- RSI
- लेकिन हाल ही
- उन
- फिर
- इन
- वे
- इसका
- तीन
- पहर
- सेवा मेरे
- उपकरण
- ट्रैक
- रेलगाड़ी
- प्रशिक्षित
- प्रशिक्षण
- आम तौर पर
- के अंतर्गत
- समझना
- अपडेट
- अद्यतन
- us
- उपयोग
- उदाहरण
- प्रयुक्त
- उपयोगकर्ता
- का उपयोग
- मूल्य
- विभिन्न
- संस्करण
- walkthrough
- करना चाहते हैं
- तरीके
- we
- थे
- कब
- या
- कौन कौन से
- जब
- कौन
- मर्जी
- साथ में
- अंदर
- बिना
- काम
- काम कर रहे
- कार्य
- होगा
- लिखना
- लिख रहे हैं
- हाँ
- योग
- आप
- आपका
- जेफिरनेट