यह पोस्ट बिगबास्केट के संतोष वाड्डी और नंद किशोर थातिकोंडा के साथ मिलकर लिखी गई है।
BigBasket भारत का सबसे बड़ा ऑनलाइन भोजन और किराना स्टोर है। वे कई ईकॉमर्स चैनलों जैसे त्वरित कॉमर्स, स्लॉटेड डिलीवरी और दैनिक सदस्यता में काम करते हैं। आप उनके भौतिक स्टोर और वेंडिंग मशीनों से भी खरीद सकते हैं। वे 50,000 ब्रांडों में 1,000 से अधिक उत्पादों की एक बड़ी श्रृंखला पेश करते हैं, और 500 से अधिक शहरों और कस्बों में काम कर रहे हैं। बिगबास्केट 10 मिलियन से अधिक ग्राहकों को सेवा प्रदान करता है।
इस पोस्ट में, हम चर्चा करते हैं कि बिगबास्केट का उपयोग कैसे किया जाता है अमेज़न SageMaker फास्ट-मूविंग कंज्यूमर गुड्स (एफएमसीजी) उत्पाद पहचान के लिए अपने कंप्यूटर विज़न मॉडल को प्रशिक्षित करने के लिए, जिससे उन्हें प्रशिक्षण का समय लगभग 50% कम करने और लागत 20% बचाने में मदद मिली।
ग्राहक चुनौतियां
आज, भारत में अधिकांश सुपरमार्केट और भौतिक स्टोर चेकआउट काउंटर पर मैन्युअल चेकआउट प्रदान करते हैं। इसके दो मुद्दे हैं:
- इसके लिए अतिरिक्त जनशक्ति, वजन स्टिकर और इन-स्टोर परिचालन टीम के लिए बार-बार प्रशिक्षण की आवश्यकता होती है।
- अधिकांश दुकानों में, चेकआउट काउंटर वजन काउंटर से अलग होता है, जो ग्राहक की खरीदारी यात्रा में परेशानी बढ़ाता है। ग्राहक अक्सर वजन स्टिकर खो देते हैं और चेकआउट प्रक्रिया के साथ आगे बढ़ने से पहले वजन स्टिकर को फिर से लेने के लिए वजन काउंटर पर वापस जाना पड़ता है।
स्व-चेकआउट प्रक्रिया
बिगबास्केट ने अपने भौतिक स्टोरों में एक एआई-संचालित चेकआउट सिस्टम पेश किया जो वस्तुओं को विशिष्ट रूप से अलग करने के लिए कैमरों का उपयोग करता है। निम्नलिखित चित्र चेकआउट प्रक्रिया का एक सिंहावलोकन प्रदान करता है।
बिगबास्केट टीम अपने यहां एआई-सक्षम चेकआउट को पावर देने के लिए कंप्यूटर विज़न ऑब्जेक्ट पहचान के लिए ओपन सोर्स, इन-हाउस एमएल एल्गोरिदम चला रही थी। फ्रेशो (भौतिक) भंडार। हम उनके मौजूदा सेटअप को संचालित करने के लिए निम्नलिखित चुनौतियों का सामना कर रहे थे:
- नए उत्पादों की निरंतर शुरूआत के साथ, कंप्यूटर विज़न मॉडल को लगातार नए उत्पाद जानकारी को शामिल करने की आवश्यकता होती है। सिस्टम को 12,000 से अधिक स्टॉक कीपिंग यूनिट्स (एसकेयू) की एक बड़ी सूची को संभालने की आवश्यकता है, जिसमें प्रति माह 600 से अधिक की दर से लगातार नए एसकेयू जोड़े जा रहे हैं।
- नए उत्पादों के साथ तालमेल बनाए रखने के लिए, नवीनतम प्रशिक्षण डेटा का उपयोग करके हर महीने एक नया मॉडल तैयार किया गया। नए उत्पादों के अनुकूल ढलने के लिए मॉडलों को बार-बार प्रशिक्षित करना महंगा और समय लेने वाला था।
- बिगबास्केट बाजार में समय को बेहतर बनाने के लिए प्रशिक्षण चक्र के समय को भी कम करना चाहता था। SKU में वृद्धि के कारण, मॉडल द्वारा लिया गया समय रैखिक रूप से बढ़ रहा था, जिससे उनके बाजार में आने के समय पर असर पड़ा क्योंकि प्रशिक्षण की आवृत्ति बहुत अधिक थी और इसमें लंबा समय लगा।
- मॉडल प्रशिक्षण के लिए डेटा संवर्द्धन और संपूर्ण एंड-टू-एंड प्रशिक्षण चक्र को मैन्युअल रूप से प्रबंधित करने से महत्वपूर्ण ओवरहेड जुड़ रहा था। बिगबास्केट इसे तीसरे पक्ष के प्लेटफॉर्म पर चला रहा था, जिस पर काफी लागत आई।
समाधान अवलोकन
हमने अनुशंसा की है कि बिगबास्केट इन चुनौतियों का समाधान करने के लिए सेजमेकर का उपयोग करके अपने मौजूदा एफएमसीजी उत्पाद पहचान और वर्गीकरण समाधान को फिर से तैयार करे। पूर्ण पैमाने पर उत्पादन में जाने से पहले, बिगबास्केट ने प्रदर्शन, लागत और सुविधा मेट्रिक्स का मूल्यांकन करने के लिए सेजमेकर पर एक पायलट का प्रयास किया।
उनका उद्देश्य SKU का पता लगाने के लिए मौजूदा कंप्यूटर विज़न मशीन लर्निंग (ML) मॉडल को बेहतर बनाना था। हमने कन्वेन्शनल न्यूरल नेटवर्क (सीएनएन) आर्किटेक्चर का उपयोग किया रेसनेट152 छवि वर्गीकरण के लिए. मॉडल प्रशिक्षण के लिए प्रति SKU लगभग 300 छवियों के एक बड़े डेटासेट का अनुमान लगाया गया था, जिसके परिणामस्वरूप कुल 4 मिलियन से अधिक प्रशिक्षण छवियां प्राप्त हुईं। कुछ SKU के लिए, हमने पर्यावरणीय स्थितियों की एक विस्तृत श्रृंखला को शामिल करने के लिए डेटा को संवर्धित किया है।
निम्नलिखित चित्र समाधान वास्तुकला को दर्शाता है।
पूरी प्रक्रिया को निम्नलिखित उच्च-स्तरीय चरणों में संक्षेपित किया जा सकता है:
- डेटा सफ़ाई, एनोटेशन और संवर्द्धन करें।
- डेटा को एक में संग्रहित करें अमेज़न सरल भंडारण सेवा (अमेज़न S3) बाल्टी।
- सेजमेकर और का प्रयोग करें चमक के लिए अमेज़न FSx कुशल डेटा संवर्द्धन के लिए.
- डेटा को ट्रेन, सत्यापन और परीक्षण सेट में विभाजित करें। हमने लस्टर और के लिए एफएसएक्स का उपयोग किया अमेज़न रिलेशनल डेटाबेस सर्विस (अमेज़ॅन आरडीएस) तेज समानांतर डेटा एक्सेस के लिए।
- एक कस्टम का प्रयोग करें पायटॉर्च अन्य ओपन सोर्स लाइब्रेरी सहित डॉकर कंटेनर।
- उपयोग सेजमेकर ने डेटा समानता वितरित की (एसएमडीडीपी) त्वरित वितरित प्रशिक्षण के लिए।
- लॉग मॉडल प्रशिक्षण मेट्रिक्स.
- अंतिम मॉडल को S3 बकेट में कॉपी करें।
बिगबास्केट का उपयोग किया गया सेजमेकर नोटबुक अपने एमएल मॉडल को प्रशिक्षित करने के लिए और अपने मौजूदा ओपन सोर्स PyTorch और अन्य ओपन सोर्स निर्भरता को SageMaker PyTorch कंटेनर में आसानी से पोर्ट करने और पाइपलाइन को निर्बाध रूप से चलाने में सक्षम थे। बिगबास्केट टीम द्वारा देखा गया यह पहला लाभ था, क्योंकि सेजमेकर वातावरण पर चलने के लिए इसे अनुकूल बनाने के लिए कोड में शायद ही किसी बदलाव की आवश्यकता थी।
मॉडल नेटवर्क में ResNet 152 आर्किटेक्चर शामिल है जिसके बाद पूरी तरह से जुड़ी हुई परतें हैं। हमने निम्न-स्तरीय फीचर परतों को फ्रीज कर दिया और इमेजनेट मॉडल से ट्रांसफर लर्निंग के माध्यम से प्राप्त वजन को बरकरार रखा। कुल मॉडल पैरामीटर 66 मिलियन थे, जिसमें 23 मिलियन प्रशिक्षण योग्य पैरामीटर शामिल थे। इस स्थानांतरण शिक्षण-आधारित दृष्टिकोण ने उन्हें प्रशिक्षण के समय कम छवियों का उपयोग करने में मदद की, और तेजी से अभिसरण को भी सक्षम किया और कुल प्रशिक्षण समय को कम किया।
भीतर मॉडल का निर्माण और प्रशिक्षण अमेज़ॅन सैजमेकर स्टूडियो मॉडल तैयार करने, निर्माण करने, प्रशिक्षित करने और ट्यून करने के लिए आवश्यक सभी चीज़ों के साथ एक एकीकृत विकास वातावरण (आईडीई) प्रदान किया गया। क्रॉपिंग, रोटेटिंग और फ़्लिपिंग छवियों जैसी तकनीकों का उपयोग करके प्रशिक्षण डेटा को बढ़ाने से मॉडल प्रशिक्षण डेटा और मॉडल सटीकता में सुधार करने में मदद मिली।
एसएमडीडीपी लाइब्रेरी के उपयोग के माध्यम से मॉडल प्रशिक्षण में 50% की तेजी आई, जिसमें विशेष रूप से एडब्ल्यूएस बुनियादी ढांचे के लिए डिज़ाइन किए गए अनुकूलित संचार एल्गोरिदम शामिल हैं। मॉडल प्रशिक्षण और डेटा संवर्द्धन के दौरान डेटा पढ़ने/लिखने के प्रदर्शन को बेहतर बनाने के लिए, हमने उच्च-प्रदर्शन थ्रूपुट के लिए लस्टर के लिए एफएसएक्स का उपयोग किया।
उनके शुरुआती प्रशिक्षण डेटा का आकार 1.5 टीबी से अधिक था। हमने दो का उपयोग किया अमेज़ॅन इलास्टिक कम्प्यूट क्लाउड (अमेजन EC2) p4d.24 बड़े उदाहरण 8 जीपीयू और 40 जीबी जीपीयू मेमोरी के साथ। सेजमेकर वितरित प्रशिक्षण के लिए, उदाहरणों को समान AWS क्षेत्र और उपलब्धता क्षेत्र में होना चाहिए। साथ ही, S3 बकेट में संग्रहीत प्रशिक्षण डेटा को समान उपलब्धता क्षेत्र में होना आवश्यक है। यह आर्किटेक्चर बिगबास्केट को अन्य इंस्टेंस प्रकारों में बदलने या किसी भी महत्वपूर्ण डेटा वृद्धि को पूरा करने या प्रशिक्षण समय में और कमी लाने के लिए वर्तमान आर्किटेक्चर में अधिक इंस्टेंस जोड़ने की भी अनुमति देता है।
एसएमडीडीपी लाइब्रेरी ने प्रशिक्षण समय, लागत और जटिलता को कम करने में कैसे मदद की
पारंपरिक वितरित डेटा प्रशिक्षण में, प्रशिक्षण ढांचा जीपीयू (श्रमिकों) को रैंक प्रदान करता है और प्रत्येक जीपीयू पर आपके मॉडल की प्रतिकृति बनाता है। प्रत्येक प्रशिक्षण पुनरावृत्ति के दौरान, वैश्विक डेटा बैच को टुकड़ों (बैच शार्ड्स) में विभाजित किया जाता है और प्रत्येक कार्यकर्ता को एक टुकड़ा वितरित किया जाता है। प्रत्येक कार्यकर्ता प्रत्येक जीपीयू पर आपकी प्रशिक्षण स्क्रिप्ट में परिभाषित फॉरवर्ड और बैकवर्ड पास के साथ आगे बढ़ता है। अंत में, विभिन्न मॉडल प्रतिकृतियों से मॉडल भार और ग्रेडिएंट्स को AllReduce नामक एक सामूहिक संचार ऑपरेशन के माध्यम से पुनरावृत्ति के अंत में समन्वयित किया जाता है। प्रत्येक कार्यकर्ता और जीपीयू के पास मॉडल की एक समन्वयित प्रतिकृति होने के बाद, अगला पुनरावृत्ति शुरू होता है।
एसएमडीडीपी लाइब्रेरी एक सामूहिक संचार लाइब्रेरी है जो इस वितरित डेटा समानांतर प्रशिक्षण प्रक्रिया के प्रदर्शन को बेहतर बनाती है। SMDDP लाइब्रेरी AllReduce जैसे प्रमुख सामूहिक संचार संचालन के संचार ओवरहेड को कम करती है। AllReduce का इसका कार्यान्वयन AWS बुनियादी ढांचे के लिए डिज़ाइन किया गया है और बैकवर्ड पास के साथ AllReduce ऑपरेशन को ओवरलैप करके प्रशिक्षण को गति दे सकता है। यह दृष्टिकोण सीपीयू और जीपीयू के बीच कर्नेल संचालन को अनुकूलित करके निकट-रेखीय स्केलिंग दक्षता और तेज प्रशिक्षण गति प्राप्त करता है।
निम्नलिखित गणनाओं पर ध्यान दें:
- वैश्विक बैच का आकार है (क्लस्टर में नोड्स की संख्या) * (प्रति नोड जीपीयू की संख्या) * (प्रति बैच शार्ड)
- एक बैच शार्ड (छोटा बैच) प्रति पुनरावृत्ति प्रत्येक जीपीयू (कार्यकर्ता) को सौंपे गए डेटासेट का एक सबसेट है
बिगबास्केट ने अपने समग्र प्रशिक्षण समय को कम करने के लिए एसएमडीडीपी लाइब्रेरी का उपयोग किया। लस्टर के लिए एफएसएक्स के साथ, हमने मॉडल प्रशिक्षण और डेटा संवर्द्धन के दौरान डेटा पढ़ने/लिखने के थ्रूपुट को कम कर दिया। डेटा समानता के साथ, बिगबास्केट अन्य विकल्पों की तुलना में लगभग 50% तेज और 20% सस्ता प्रशिक्षण प्राप्त करने में सक्षम था, जिससे AWS पर सर्वश्रेष्ठ प्रदर्शन हुआ। सेजमेकर समापन के बाद प्रशिक्षण पाइपलाइन को स्वचालित रूप से बंद कर देता है। परियोजना एडब्ल्यूएस में 50% तेज प्रशिक्षण समय (एडब्ल्यूएस में 4.5 दिन बनाम उनके विरासत मंच पर 9 दिन) के साथ सफलतापूर्वक पूरी हुई।
इस पोस्ट को लिखने के समय, बिगबास्केट 6 महीने से अधिक समय से उत्पादन में संपूर्ण समाधान चला रहा है और नए शहरों में सेवाएं प्रदान करके सिस्टम का विस्तार कर रहा है, और हम हर महीने नए स्टोर जोड़ रहे हैं।
“SMDDP पेशकश का उपयोग करके वितरित प्रशिक्षण में प्रवासन पर AWS के साथ हमारी साझेदारी एक बड़ी जीत रही है। इससे न केवल हमारे प्रशिक्षण का समय 50% कम हो गया, बल्कि यह 20% सस्ता भी हो गया। हमारी संपूर्ण साझेदारी में, AWS ने ग्राहक जुनून और परिणाम देने के लिए मानदंड स्थापित किए हैं - वादा किए गए लाभों को प्राप्त करने के लिए हमारे साथ पूरी तरह से काम कर रहे हैं।''
– केशव कुमार, बिगबास्केट के इंजीनियरिंग प्रमुख।
निष्कर्ष
इस पोस्ट में, हमने चर्चा की कि कैसे बिगबास्केट ने एफएमसीजी उत्पाद पहचान के लिए अपने कंप्यूटर विज़न मॉडल को प्रशिक्षित करने के लिए सेजमेकर का उपयोग किया। एआई-संचालित स्वचालित स्व-चेकआउट प्रणाली का कार्यान्वयन चेकआउट प्रक्रिया में मानवीय त्रुटियों को दूर करते हुए नवाचार के माध्यम से एक बेहतर खुदरा ग्राहक अनुभव प्रदान करता है। सेजमेकर वितरित प्रशिक्षण का उपयोग करके नए उत्पाद ऑनबोर्डिंग में तेजी लाने से SKU ऑनबोर्डिंग समय और लागत कम हो जाती है। लस्टर के लिए एफएसएक्स को एकीकृत करने से मासिक रूप से सैकड़ों नए एसकेयू के साथ कुशल मॉडल रीट्रेनिंग के लिए तेजी से समानांतर डेटा एक्सेस सक्षम हो जाता है। कुल मिलाकर, यह एआई-आधारित सेल्फ-चेकआउट समाधान फ्रंटएंड चेकआउट त्रुटियों के बिना एक बेहतर खरीदारी अनुभव प्रदान करता है। स्वचालन और नवाचार ने उनके खुदरा चेकआउट और ऑनबोर्डिंग संचालन को बदल दिया है।
सेजमेकर एंड-टू-एंड एमएल विकास, परिनियोजन और निगरानी क्षमताएं प्रदान करता है जैसे कोड लिखने, डेटा अधिग्रहण, डेटा टैगिंग, मॉडल प्रशिक्षण, मॉडल ट्यूनिंग, परिनियोजन, निगरानी और बहुत कुछ के लिए सेजमेकर स्टूडियो नोटबुक वातावरण। यदि आपका व्यवसाय इस पोस्ट में वर्णित किसी भी चुनौती का सामना कर रहा है और बाजार में समय बचाना और लागत में सुधार करना चाहता है, तो अपने क्षेत्र में एडब्ल्यूएस खाता टीम तक पहुंचें और सेजमेकर के साथ शुरुआत करें।
लेखक के बारे में
संतोष वाडी बिगबास्केट में प्रिंसिपल इंजीनियर हैं, एआई चुनौतियों को हल करने में उनके पास एक दशक से अधिक की विशेषज्ञता है। कंप्यूटर विज़न, डेटा साइंस और गहन शिक्षण में मजबूत पृष्ठभूमि के साथ, उनके पास आईआईटी बॉम्बे से स्नातकोत्तर की डिग्री है। संतोष ने उल्लेखनीय आईईईई प्रकाशन लिखे हैं और एक अनुभवी तकनीकी ब्लॉग लेखक के रूप में, उन्होंने सैमसंग में अपने कार्यकाल के दौरान कंप्यूटर विज़न समाधान के विकास में भी महत्वपूर्ण योगदान दिया है।
नंद किशोर थातिकोंडा बिगबास्केट में डेटा इंजीनियरिंग और एनालिटिक्स का नेतृत्व करने वाले एक इंजीनियरिंग मैनेजर हैं। नंदा ने विसंगति का पता लगाने के लिए कई एप्लिकेशन बनाए हैं और इसी तरह के क्षेत्र में एक पेटेंट भी दाखिल किया है। उन्होंने एंटरप्राइज़-ग्रेड एप्लिकेशन बनाने, कई संगठनों में डेटा प्लेटफ़ॉर्म बनाने और डेटा द्वारा समर्थित निर्णयों को सुव्यवस्थित करने के लिए रिपोर्टिंग प्लेटफ़ॉर्म पर काम किया है। नंदा के पास जावा/जे18ईई, स्प्रिंग प्रौद्योगिकियों और Hadoop और Apache Spark का उपयोग करके बड़े डेटा फ्रेमवर्क में काम करने का 2 वर्षों से अधिक का अनुभव है।
सुधांशु नफरत AWS के साथ एक प्रमुख AI और ML विशेषज्ञ हैं और ग्राहकों के साथ उनकी MLOps और जेनरेटिव AI यात्रा पर सलाह देने के लिए काम करते हैं। अपनी पिछली भूमिका में, उन्होंने एक ग्राउंड-अप, ओपन सोर्स-आधारित एआई और गेमिफिकेशन प्लेटफ़ॉर्म बनाने के लिए टीमों की संकल्पना की, निर्माण किया और उनका नेतृत्व किया, और 100 से अधिक ग्राहकों के साथ इसका सफलतापूर्वक व्यावसायीकरण किया। सुधांशु के नाम कुछ पेटेंट हैं; 2 किताबें, कई पेपर और ब्लॉग लिखे हैं; और विभिन्न मंचों पर अपनी बात रख चुके हैं. वह एक विचारशील नेता और वक्ता रहे हैं, और लगभग 25 वर्षों से उद्योग में हैं। उन्होंने दुनिया भर में फॉर्च्यून 1000 ग्राहकों के साथ काम किया है और हाल ही में भारत में डिजिटल देशी ग्राहकों के साथ काम कर रहे हैं।
आयुष कुमार AWS में सॉल्यूशंस आर्किटेक्ट हैं। वह विभिन्न प्रकार के AWS ग्राहकों के साथ काम कर रहे हैं, जिससे उन्हें नवीनतम आधुनिक एप्लिकेशन अपनाने और क्लाउड-नेटिव प्रौद्योगिकियों के साथ तेजी से नवाचार करने में मदद मिल रही है। आप उन्हें खाली समय में रसोई में प्रयोग करते हुए पाएंगे।
- 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/how-bigbasket-improved-ai-enabled-checkout-at-their-physical-stores-using-amazon-sagemaker/
- :हैस
- :है
- :नहीं
- 10 $ मिलियन
- $यूपी
- 000
- 1
- 10
- 100
- 12
- 120
- 13
- 152
- 23
- 24
- 25
- 300
- 40
- 50
- 500
- 600
- 66
- 7
- 8
- 80
- 9
- 98
- a
- योग्य
- त्वरित
- तेज
- पहुँच
- लेखा
- शुद्धता
- पाना
- प्राप्त
- प्राप्त
- अर्जन
- के पार
- अनुकूलन
- जोड़ना
- जोड़ा
- जोड़ने
- अतिरिक्त
- पता
- जोड़ता है
- अपनाना
- सलाह देना
- बाद
- फिर
- AI
- ऐ संचालित
- एल्गोरिदम
- की अनुमति देता है
- लगभग
- भी
- विकल्प
- वीरांगना
- अमेज़ॅन EC2
- अमेज़ॅन आरडीएस
- अमेज़न SageMaker
- अमेज़ॅन वेब सेवा
- an
- विश्लेषिकी
- और
- असंगति का पता लगाये
- कोई
- अपाचे
- अनुप्रयोगों
- दृष्टिकोण
- लगभग
- स्थापत्य
- हैं
- चारों ओर
- AS
- सौंपा
- वर्गीकरण
- At
- संवर्धित
- लेखक
- लेखक
- स्वचालित
- स्वतः
- स्वचालन
- उपलब्धता
- एडब्ल्यूएस
- वापस
- अस्तरवाला
- पृष्ठभूमि
- बार
- BE
- क्योंकि
- किया गया
- से पहले
- शुरू करना
- जा रहा है
- लाभ
- लाभ
- BEST
- के बीच
- बड़ा
- बड़ा डेटा
- ब्लॉग
- ब्लॉग
- पुस्तकें
- ब्रांडों
- लाता है
- व्यापक
- निर्माण
- इमारत
- बनाया गया
- व्यापार
- खरीदने के लिए
- by
- गणना
- बुलाया
- कैमरों
- कर सकते हैं
- क्षमताओं
- सूची
- पूरा
- खानपान
- कुछ
- चुनौतियों
- परिवर्तन
- परिवर्तन
- चैनलों
- सस्ता
- चेक आउट
- शहरों
- वर्गीकरण
- ग्राहकों
- समूह
- सीएनएन
- कोड
- इकट्ठा
- सामूहिक
- कॉमर्स
- संचार
- तुलना
- संगत
- पूरा
- पूरा
- गणना करना
- कंप्यूटर
- Computer Vision
- स्थितियां
- जुड़ा हुआ
- मिलकर
- होते हैं
- उपभोक्ता
- उपभोक्ता
- कंटेनर
- लगातार
- निरंतर
- लगातार
- योगदान
- सुविधा
- कन्वर्जेंस
- लागत
- महंगा
- लागत
- काउंटर
- काउंटरों
- युगल
- बनाया
- बनाता है
- श्रेय
- वर्तमान
- रिवाज
- ग्राहक
- ग्राहक अनुभव
- ग्राहक
- कट गया
- चक्र
- दैनिक
- तिथि
- डेटा प्राप्त करना
- डेटा विज्ञान
- डाटाबेस
- दिन
- दशक
- निर्णय
- गहरा
- ध्यान लगा के पढ़ना या सीखना
- परिभाषित
- डिग्री
- पहुंचाने
- बचाता है
- प्रसव
- निर्भरता
- तैनाती
- वर्णित
- बनाया गया
- खोज
- विकास
- आरेख
- डीआईडी
- विभिन्न
- डिजिटल
- चर्चा करना
- चर्चा की
- अंतर करना
- वितरित
- वितरित प्रशिक्षण
- विभाजित
- डाक में काम करनेवाला मज़दूर
- नीचे
- दो
- दौरान
- से प्रत्येक
- आसानी
- ई-कॉमर्स
- दक्षता
- कुशल
- नष्ट
- सक्षम
- सक्षम बनाता है
- धरना
- समाप्त
- शुरू से अंत तक
- इंजीनियर
- अभियांत्रिकी
- वर्धित
- एंटरप्राइज़-ग्रेड
- संपूर्ण
- वातावरण
- ambiental
- त्रुटियाँ
- अनुमानित
- मूल्यांकन करें
- प्रत्येक
- सब कुछ
- मौजूदा
- अनुभव
- प्रयोग
- विशेषज्ञता
- का सामना करना पड़
- फास्ट
- तेज़ी से आगे बढ़
- और तेज
- Feature
- कम
- आकृति
- दायर
- अंतिम
- अंत में
- खोज
- प्रथम
- एफएमसीजी
- पीछा किया
- निम्नलिखित
- भोजन
- के लिए
- धन
- मंचों
- आगे
- ढांचा
- चौखटे
- आवृत्ति
- अक्सर
- टकराव
- से
- दृश्यपटल
- पूर्ण स्केल
- पूरी तरह से
- आगे
- Gamification
- उत्पादक
- जनरेटिव एआई
- मिल
- वैश्विक
- ग्लोब
- Go
- माल
- GPU
- GPUs
- ढ़ाल
- महान
- विकास
- संभालना
- है
- he
- सिर
- मदद की
- मदद
- हाई
- उच्च स्तर
- उच्च प्रदर्शन
- उसे
- उसके
- रखती है
- कैसे
- एचटीएमएल
- http
- HTTPS
- मानव
- सैकड़ों
- पहचान
- आईईईई
- if
- दिखाता है
- की छवि
- छवि वर्गीकरण
- छवियों
- असर पड़ा
- कार्यान्वयन
- में सुधार
- उन्नत
- सुधार
- in
- स्टोर में
- शामिल
- सहित
- सम्मिलित
- बढ़ जाती है
- बढ़ती
- किए गए
- इंडिया
- उद्योग
- करें-
- इंफ्रास्ट्रक्चर
- कुछ नया
- नवोन्मेष
- उदाहरण
- एकीकृत
- घालमेल
- में
- शुरू की
- परिचय
- मुद्दों
- IT
- आइटम
- यात्रा
- आईटी इस
- यात्रा
- जेपीजी
- रखना
- रखना
- कुंजी
- कुमार
- बड़ा
- सबसे बड़ा
- ताज़ा
- परतों
- नेता
- प्रमुख
- सीख रहा हूँ
- नेतृत्व
- विरासत
- पुस्तकालयों
- पुस्तकालय
- पसंद
- लंबा
- लंबे समय तक
- खोना
- मशीन
- यंत्र अधिगम
- मशीनें
- बनाया गया
- बनाना
- प्रबंधक
- प्रबंध
- गाइड
- मैन्युअल
- बाजार
- याद
- मेट्रिक्स
- प्रवास
- दस लाख
- ML
- एमएलओपीएस
- आदर्श
- मॉडल
- आधुनिक
- निगरानी
- महीना
- मासिक
- महीने
- अधिक
- अधिकांश
- चलती
- बहुत
- विभिन्न
- देशी
- लगभग
- आवश्यकता
- जरूरत
- की जरूरत है
- नेटवर्क
- तंत्रिका
- तंत्रिका नेटवर्क
- नया
- नया उत्पाद
- नए उत्पादों
- अगला
- नोड
- नोड्स
- प्रसिद्ध
- नोटबुक
- संख्या
- वस्तु
- उद्देश्य
- of
- प्रस्ताव
- की पेशकश
- अक्सर
- on
- ज्ञानप्राप्ति
- ONE
- ऑनलाइन
- केवल
- खुला
- खुला स्रोत
- संचालित
- परिचालन
- आपरेशन
- परिचालन
- संचालन
- अनुकूलित
- के अनुकूलन के
- or
- संगठनों
- अन्य
- हमारी
- आउट
- के ऊपर
- कुल
- उपरि
- सिंहावलोकन
- शांति
- कागजात
- समानांतर
- पैरामीटर
- पार्टनर
- पास
- पेटेंट
- पेटेंट
- प्रति
- प्रदर्शन
- भौतिक
- टुकड़ा
- टुकड़े
- पायलट
- पाइपलाइन
- मंच
- प्लेटफार्म
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- बिन्दु
- पॉइंट ऑफ व्यू
- पद
- स्नातकोत्तर
- बिजली
- तैयार करना
- प्रस्तुत
- पिछला
- प्रिंसिपल
- प्राप्ति
- प्रक्रिया
- प्रस्तुत
- एस्ट्रो मॉल
- उत्पाद जानकारी
- उत्पादन
- उत्पाद
- परियोजना
- वादा किया
- प्रदान करना
- बशर्ते
- प्रदान करता है
- प्रकाशनों
- क्रय
- pytorch
- त्वरित
- रेंज
- रैंक
- मूल्यांकन करें
- पहुंच
- महसूस करना
- हाल ही में
- मान्यता
- की सिफारिश की
- को कम करने
- घटी
- कम कर देता है
- कमी
- क्षेत्र
- दोहराया गया
- उत्तर
- रिपोर्टिंग
- की आवश्यकता होती है
- जिसके परिणामस्वरूप
- खुदरा
- भूमिका
- रन
- दौड़ना
- sagemaker
- वही
- सैमसंग
- सहेजें
- स्केल
- स्केलिंग
- विज्ञान
- लिपि
- मूल
- अनुभवी
- देखा
- कार्य करता है
- सेवाएँ
- सेट
- सेट
- व्यवस्था
- कई
- खरीदारी
- बन्द हो जाता है
- महत्वपूर्ण
- समान
- सरल
- बड़े आकार का
- आकार
- छोटा
- समाधान
- समाधान ढूंढे
- सुलझाने
- स्रोत
- अंतरिक्ष
- स्पार्क
- वक्ता
- विशेषज्ञ
- विशेष रूप से
- गति
- वसंत
- शुरू
- शुरुआत में
- कदम
- स्टिकर
- स्टॉक
- भंडारण
- की दुकान
- संग्रहित
- भंडार
- सुवीही
- मजबूत
- स्टूडियो
- सदस्यता
- सफलतापूर्वक
- ऐसा
- प्रणाली
- लिया
- टीम
- टीमों
- तकनीक
- तकनीक
- टेक्नोलॉजीज
- परीक्षण
- से
- कि
- RSI
- लेकिन हाल ही
- उन
- फिर
- वहाँ।
- इन
- वे
- तीसरे दल
- इसका
- विचार
- यहाँ
- THROUGHPUT
- पहर
- बार
- सेवा मेरे
- ले गया
- कुल
- कस्बों
- परंपरागत
- रेलगाड़ी
- प्रशिक्षण
- स्थानांतरण
- तब्दील
- कोशिश
- धुन
- ट्यूनिंग
- दो
- प्रकार
- विशिष्ट
- इकाइयों
- us
- उपयोग
- प्रयुक्त
- का उपयोग करता है
- का उपयोग
- सत्यापन
- विविधता
- विभिन्न
- बहुत
- देखें
- दृष्टि
- vs
- जरूरत है
- चाहता है
- था
- मार्ग..
- we
- वेब
- वेब सेवाओं
- वजन
- भार
- थे
- कौन कौन से
- जब
- पूरा का पूरा
- चौड़ा
- जीतना
- साथ में
- अंदर
- काम किया
- कामगार
- श्रमिकों
- काम कर रहे
- कार्य
- लिख रहे हैं
- लिखा हुआ
- साल
- आप
- आपका
- जेफिरनेट
- क्षेत्र