यह एक अतिथि पोस्ट है जिसे नील्सन स्पोर्ट्स के तामीर रुबिंस्की और एवियाड अरानियास के साथ सह-लिखित किया गया है.
नीलसन स्पोर्ट्स दर्शकों की अंतर्दृष्टि, डेटा और विश्लेषण में वैश्विक नेता के रूप में दुनिया के मीडिया और सामग्री को आकार देता है। सभी चैनलों और प्लेटफार्मों पर लोगों और उनके व्यवहारों के बारे में अपनी समझ के माध्यम से, हम अपने ग्राहकों को स्वतंत्र और कार्रवाई योग्य बुद्धिमत्ता के साथ सशक्त बनाते हैं ताकि वे अभी और भविष्य में अपने दर्शकों से जुड़ सकें और जुड़ सकें।
नील्सन स्पोर्ट्स में, हमारा मिशन अपने ग्राहकों-ब्रांडों और अधिकार धारकों-को निवेश पर रिटर्न (आरओआई) मापने की क्षमता और टीवी, ऑनलाइन, सोशल मीडिया सहित सभी चैनलों पर खेल प्रायोजन विज्ञापन अभियान की प्रभावशीलता प्रदान करना है। यहां तक कि समाचार पत्र, और स्थानीय, राष्ट्रीय और अंतर्राष्ट्रीय स्तर पर सटीक लक्ष्यीकरण प्रदान करना।
इस पोस्ट में, हम वर्णन करते हैं कि कैसे नीलसन स्पोर्ट्स ने उत्पादन में हजारों अलग-अलग मशीन लर्निंग (एमएल) मॉडल चलाने वाले सिस्टम का आधुनिकीकरण किया अमेज़न SageMaker मल्टी-मॉडल एंडपॉइंट (एमएमई) और परिचालन और वित्तीय लागत में 75% की कमी आई।
चैनल वीडियो विभाजन के साथ चुनौतियाँ
हमारी तकनीक कृत्रिम बुद्धिमत्ता (एआई) और विशेष रूप से कंप्यूटर विज़न (सीवी) पर आधारित है, जो हमें ब्रांड एक्सपोज़र को ट्रैक करने और उसके स्थान की सटीक पहचान करने की अनुमति देती है। उदाहरण के लिए, हम पहचानते हैं कि ब्रांड बैनर पर है या शर्ट पर। इसके अलावा, हम आइटम पर ब्रांड के स्थान की पहचान करते हैं, जैसे किसी चिह्न या आस्तीन का शीर्ष कोना। निम्नलिखित चित्र हमारे टैगिंग सिस्टम का एक उदाहरण दिखाता है।
हमारी स्केलिंग और लागत चुनौतियों को समझने के लिए, आइए कुछ प्रतिनिधि संख्याओं पर नजर डालें। हर महीने, हम विभिन्न चैनलों पर 120 मिलियन से अधिक ब्रांड इंप्रेशन की पहचान करते हैं, और सिस्टम को 100,000 से अधिक ब्रांडों और विभिन्न ब्रांडों की विविधताओं की पहचान का समर्थन करना चाहिए। हमने 6 अरब से अधिक डेटा बिंदुओं के साथ दुनिया में ब्रांड इंप्रेशन के सबसे बड़े डेटाबेस में से एक बनाया है।
हमारी मीडिया मूल्यांकन प्रक्रिया में कई चरण शामिल हैं, जैसा कि निम्नलिखित चित्र में दिखाया गया है:
- सबसे पहले, हम एक अंतरराष्ट्रीय रिकॉर्डिंग प्रणाली का उपयोग करके दुनिया भर में हजारों चैनल रिकॉर्ड करते हैं।
- हम प्रसारण शेड्यूल (इलेक्ट्रॉनिक प्रोग्रामिंग गाइड) के साथ संयोजन में सामग्री को अगले चरण में स्ट्रीम करते हैं, जो गेम प्रसारण और अन्य सामग्री या विज्ञापनों के बीच विभाजन और पृथक्करण है।
- हम मीडिया मॉनिटरिंग करते हैं, जहां हम प्रत्येक सेगमेंट में अतिरिक्त मेटाडेटा जोड़ते हैं, जैसे लीग स्कोर, प्रासंगिक टीमें और खिलाड़ी।
- हम ब्रांडों की दृश्यता का एक्सपोज़र विश्लेषण करते हैं और फिर अभियान के मूल्यांकन की गणना करने के लिए दर्शकों की जानकारी को जोड़ते हैं।
- जानकारी ग्राहक तक डैशबोर्ड या विश्लेषक रिपोर्ट द्वारा पहुंचाई जाती है। विश्लेषक को कच्चे डेटा तक या हमारे डेटा वेयरहाउस के माध्यम से सीधी पहुंच दी जाती है।
चूँकि हम प्रति वर्ष एक हजार से अधिक चैनलों और हजारों घंटों के वीडियो के पैमाने पर काम करते हैं, इसलिए हमारे पास विश्लेषण प्रक्रिया के लिए एक स्केलेबल स्वचालन प्रणाली होनी चाहिए। हमारा समाधान स्वचालित रूप से प्रसारण को खंडित करता है और जानता है कि प्रासंगिक वीडियो क्लिप को बाकी सामग्री से कैसे अलग किया जाए।
हम चैनलों की विशिष्ट विशेषताओं का विश्लेषण करने के लिए हमारे द्वारा विकसित समर्पित एल्गोरिदम और मॉडल का उपयोग करके ऐसा करते हैं।
कुल मिलाकर, हम इस मिशन का समर्थन करने के लिए उत्पादन में हजारों अलग-अलग मॉडल चला रहे हैं, जो महंगा है, परिचालन ओवरहेड खर्च करता है, और त्रुटि-प्रवण और धीमा है। नए मॉडल आर्किटेक्चर वाले मॉडल को उत्पादन में लाने में कई महीने लग गए।
यहीं पर हम अपने सिस्टम में नवप्रवर्तन और पुनर्रचना करना चाहते थे।
सेजमेकर एमएमई का उपयोग करके सीवी मॉडल के लिए लागत प्रभावी स्केलिंग
हमारी विरासत वीडियो विभाजन प्रणाली का परीक्षण, परिवर्तन और रखरखाव करना कठिन था। कुछ चुनौतियों में पुराने एमएल ढांचे के साथ काम करना, घटकों के बीच अंतर-निर्भरता और कठिन-से-अनुकूलित वर्कफ़्लो शामिल हैं। ऐसा इसलिए है क्योंकि हम पाइपलाइन के लिए RabbitMQ पर आधारित थे, जो एक स्टेटफुल समाधान था। फीचर निष्कर्षण जैसे एक घटक को डीबग करने के लिए, हमें सभी पाइपलाइन का परीक्षण करना पड़ा।
निम्नलिखित चित्र पिछली वास्तुकला को दर्शाता है।
हमारे विश्लेषण के भाग के रूप में, हमने मशीन पर एकल मॉडल चलाने जैसी प्रदर्शन बाधाओं की पहचान की, जिसमें 30-40% का कम GPU उपयोग दिखाया गया। हमने मॉडलों के लिए अकुशल पाइपलाइन रन और शेड्यूलिंग एल्गोरिदम की भी खोज की।
इसलिए, हमने सेजमेकर पर आधारित एक नया मल्टी-टेनेंट आर्किटेक्चर बनाने का निर्णय लिया, जो प्रदर्शन अनुकूलन सुधारों को लागू करेगा, गतिशील बैच आकारों का समर्थन करेगा और एक साथ कई मॉडल चलाएगा।
वर्कफ़्लो का प्रत्येक भाग वीडियो के एक समूह को लक्षित करता है। प्रत्येक वीडियो 30-90 मिनट के बीच लंबा है, और प्रत्येक समूह में चलाने के लिए पांच से अधिक मॉडल हैं।
आइए एक उदाहरण की जांच करें: एक वीडियो 60 मिनट लंबा हो सकता है, जिसमें 3,600 छवियां शामिल हैं, और प्रत्येक छवि को पहले चरण के दौरान तीन अलग-अलग एमएल मॉडल द्वारा अनुमान लगाया जाना चाहिए। सेजमेकर एमएमई के साथ, हम समानांतर में 12 छवियों के बैच चला सकते हैं, और पूरा बैच 2 सेकंड से भी कम समय में पूरा हो जाता है। एक नियमित दिन में, हमारे पास वीडियो के 20 से अधिक समूह होते हैं, और एक खचाखच भरे सप्ताहांत के दिन, हमारे पास वीडियो के 100 से अधिक समूह हो सकते हैं।
निम्नलिखित चित्र सेजमेकर एमएमई का उपयोग करके हमारी नई, सरलीकृत वास्तुकला को दर्शाता है।
परिणाम
नई वास्तुकला के साथ, हमने अपने कई वांछित परिणाम प्राप्त किए और पुरानी वास्तुकला की तुलना में कुछ अनदेखे फायदे हासिल किए:
- बेहतर रनटाइम - बैच आकार (समानांतर में 12 वीडियो) बढ़ाकर और कई मॉडलों को एक साथ (समानांतर में पांच मॉडल) चलाकर, हमने अपनी समग्र पाइपलाइन रनटाइम को 33 घंटे से 1 मिनट तक 40% कम कर दिया है।
- बेहतर बुनियादी ढाँचा - सेजमेकर के साथ, हमने अपने मौजूदा बुनियादी ढांचे को उन्नत किया, और अब हम नए जीपीयू जैसे कि g5.xlarge के साथ नए AWS इंस्टेंसेस का उपयोग कर रहे हैं। परिवर्तन से सबसे बड़े लाभों में से एक टॉर्चस्क्रिप्ट और CUDA अनुकूलन का उपयोग करने से तत्काल प्रदर्शन में सुधार है।
- अनुकूलित बुनियादी ढांचे का उपयोग - एक एकल एंडपॉइंट होने से जो कई मॉडलों को होस्ट कर सकता है, हम एंडपॉइंट की संख्या और हमारे द्वारा बनाए रखने के लिए आवश्यक मशीनों की संख्या दोनों को कम कर सकते हैं, और एक मशीन और उसके जीपीयू के उपयोग को भी बढ़ा सकते हैं। पाँच वीडियो वाले किसी विशिष्ट कार्य के लिए, अब हम g5 इंस्टेंसेस की केवल पाँच मशीनों का उपयोग करते हैं, जिससे हमें पिछले समाधान से 75% लागत लाभ मिलता है। दिन के दौरान एक सामान्य कार्यभार के लिए, हम 5% से अधिक के GPU उपयोग के साथ g80.xlarge की एकल मशीन के साथ एकल एंडपॉइंट का उपयोग करते हैं। तुलना के लिए, पिछले समाधान का उपयोग 40% से कम था।
- चपलता और उत्पादकता में वृद्धि - सेजमेकर का उपयोग करने से हमें मॉडलों को माइग्रेट करने में कम समय खर्च करने और हमारे मुख्य एल्गोरिदम और मॉडलों को बेहतर बनाने में अधिक समय खर्च करने की अनुमति मिली। इससे हमारी इंजीनियरिंग और डेटा विज्ञान टीमों की उत्पादकता में वृद्धि हुई है। अब हम एक नए एमएल मॉडल पर शोध और तैनाती पहले के 7 महीने के बजाय 1 दिनों के भीतर कर सकते हैं। यह वेग और योजना में 75% सुधार है।
- बेहतर गुणवत्ता और आत्मविश्वास - सेजमेकर ए/बी परीक्षण क्षमताओं के साथ, हम अपने मॉडलों को क्रमिक तरीके से तैनात कर सकते हैं और सुरक्षित रूप से वापस रोल करने में सक्षम हो सकते हैं। उत्पादन के तेज़ जीवनचक्र ने हमारे एमएल मॉडल की सटीकता और परिणामों में भी वृद्धि की।
निम्नलिखित आंकड़ा पिछले आर्किटेक्चर (30) के साथ हमारे जीपीयू उपयोग को दर्शाता है-40% जीपीयू उपयोग)।
निम्नलिखित आंकड़ा नए सरलीकृत आर्किटेक्चर (90% जीपीयू उपयोग) के साथ हमारे जीपीयू उपयोग को दर्शाता है।
निष्कर्ष
इस पोस्ट में, हमने साझा किया कि कैसे नीलसन स्पोर्ट्स ने सेजमेकर एमएमई का उपयोग करके उत्पादन में हजारों विभिन्न मॉडलों को चलाने वाली प्रणाली का आधुनिकीकरण किया और उनकी परिचालन और वित्तीय लागत को 75% तक कम कर दिया।
आगे पढ़ने के लिए, निम्नलिखित देखें:
लेखक के बारे में
ईटन सेला अमेज़ॅन वेब सर्विसेज के साथ एक जेनरेटिव एआई और मशीन लर्निंग स्पेशलिस्ट सॉल्यूशंस आर्किटेक्ट है। वह AWS ग्राहकों के साथ मार्गदर्शन और तकनीकी सहायता प्रदान करने के लिए काम करता है, जिससे उन्हें AWS पर जेनरेटिव AI और मशीन लर्निंग समाधान बनाने और संचालित करने में मदद मिलती है। अपने खाली समय में, ईटन को जॉगिंग करना और नवीनतम मशीन लर्निंग लेख पढ़ना पसंद है।
गैल गोल्डमैन अत्याधुनिक समाधानों के जुनून के साथ एडब्ल्यूएस में एक वरिष्ठ सॉफ्टवेयर इंजीनियर और एंटरप्राइज सीनियर सॉल्यूशन आर्किटेक्ट हैं। वह कई वितरित मशीन लर्निंग सेवाओं और समाधानों में माहिर हैं और उन्होंने इसे विकसित किया है। गैल एडब्ल्यूएस ग्राहकों को उनकी इंजीनियरिंग और जेनरेटिव एआई चुनौतियों को तेज करने और दूर करने में मदद करने पर भी ध्यान केंद्रित करता है।
ताल पंचेक अमेज़ॅन वेब सर्विसेज के साथ आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग के लिए एक वरिष्ठ व्यवसाय विकास प्रबंधक हैं। एक बीडी विशेषज्ञ के रूप में, वह एडब्ल्यूएस सेवाओं को अपनाने, उपयोग और राजस्व बढ़ाने के लिए जिम्मेदार हैं। वह ग्राहकों और उद्योग की जरूरतों को इकट्ठा करता है और AWS समाधानों को नवीनीकृत करने, विकसित करने और वितरित करने के लिए AWS उत्पाद टीमों के साथ साझेदारी करता है।
तामीर रुबिंस्की नील्सन स्पोर्ट्स में ग्लोबल आर एंड डी इंजीनियरिंग का नेतृत्व करते हुए, नवीन उत्पादों के निर्माण और उच्च प्रदर्शन करने वाली टीमों के प्रबंधन में व्यापक अनुभव लाते हैं। उनके काम ने नवीन, एआई-संचालित समाधानों के माध्यम से खेल प्रायोजन मीडिया मूल्यांकन को बदल दिया।
एवियड अरनियास एक एमएलओपीएस टीम लीडर और नीलसन स्पोर्ट्स एनालिसिस आर्किटेक्ट हैं, जो कई चैनलों पर स्पोर्ट्स इवेंट वीडियो का विश्लेषण करने के लिए जटिल पाइपलाइन तैयार करने में माहिर हैं। वह बड़े पैमाने पर डेटा को कुशलतापूर्वक संभालने के लिए गहन शिक्षण मॉडल बनाने और तैनात करने में उत्कृष्टता प्राप्त करता है। अपने खाली समय में, वह स्वादिष्ट नीपोलिटन पिज्जा पकाने का आनंद लेते 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/nielsen-sports-sees-75-cost-reduction-in-video-analysis-with-amazon-sagemaker-multi-model-endpoints/
- :हैस
- :है
- :कहाँ
- 000
- 1
- 100
- 12
- 120
- 150
- 20
- 40
- 60
- 600
- 7
- a
- क्षमता
- योग्य
- में तेजी लाने के
- पहुँच
- शुद्धता
- सही
- सही रूप में
- हासिल
- के पार
- कार्रवाई योग्य
- जोड़ना
- इसके अलावा
- अतिरिक्त
- दत्तक ग्रहण
- फायदे
- विज्ञापन
- AI
- ऐ संचालित
- एल्गोरिदम
- सब
- की अनुमति दी
- की अनुमति देता है
- भी
- वीरांगना
- अमेज़न SageMaker
- अमेज़ॅन वेब सेवा
- an
- विश्लेषण
- विश्लेषक
- विश्लेषिकी
- का विश्लेषण
- और
- स्थापत्य
- हैं
- चारों ओर
- लेख
- कृत्रिम
- कृत्रिम बुद्धिमत्ता
- कृत्रिम बुद्धिमत्ता (AI)
- आर्टिफिशियल इंटेलिजेंस एंड मशीन लर्निंग
- AS
- सहायता
- At
- दर्शक
- स्वतः
- स्वचालन
- एडब्ल्यूएस
- वापस
- बैनर
- आधारित
- BD
- BE
- क्योंकि
- व्यवहार
- लाभ
- लाभ
- के बीच
- सबसे बड़ा
- बिलियन
- के छात्रों
- बाधाओं
- ब्रांड
- ब्रांडों
- लाना
- प्रसारण
- प्रसारण
- निर्माण
- इमारत
- बनाया गया
- व्यापार
- व्यापार विकास
- by
- गणना
- अभियान
- कर सकते हैं
- क्षमताओं
- चुनौतियों
- परिवर्तन
- चैनल
- चैनलों
- विशेषताएँ
- ग्राहकों
- क्लिप
- संयोजन
- गठबंधन
- तुलना
- पूरा करता है
- जटिल
- अंग
- घटकों
- कंप्यूटर
- Computer Vision
- आत्मविश्वास
- जुडिये
- मिलकर
- सामग्री
- मूल
- कोना
- लागत
- लागत में कमी
- महंगा
- क्राफ्टिंग
- ग्राहक
- ग्राहक
- अग्रणी
- डैशबोर्ड
- तिथि
- डेटा अंक
- डेटा विज्ञान
- डेटाबेस
- दिन
- दिन
- का फैसला किया
- की कमी हुई
- समर्पित
- गहरा
- ध्यान लगा के पढ़ना या सीखना
- उद्धार
- दिया गया
- तैनात
- तैनाती
- वर्णन
- वांछित
- विकसित करना
- विकसित
- विकास
- आरेख
- विभिन्न
- मुश्किल
- प्रत्यक्ष
- सीधी पहुँच
- की खोज
- वितरित
- do
- दौरान
- गतिशील
- से प्रत्येक
- प्रभावशीलता
- कुशलता
- इलेक्ट्रोनिक
- सशक्त
- endpoint
- लगाना
- इंजीनियर
- अभियांत्रिकी
- उद्यम
- मूल्यांकन
- और भी
- कार्यक्रम
- प्रत्येक
- की जांच
- उदाहरण
- मौजूदा
- अनुभव
- अनावरण
- निष्कर्षण
- और तेज
- Feature
- आकृति
- वित्तीय
- प्रथम
- पांच
- केंद्रित
- निम्नलिखित
- के लिए
- ढांचा
- से
- पूर्ण
- आगे
- भविष्य
- GAL
- खेल
- उत्पादक
- जनरेटिव एआई
- मिल
- दी
- देता है
- वैश्विक
- गोल्डमैन
- GPU
- GPUs
- क्रमिक
- समूह
- समूह की
- बढ़ रहा है
- अतिथि
- अतिथि पोस्ट
- मार्गदर्शन
- गाइड
- था
- संभालना
- है
- होने
- he
- मदद
- उच्च कार्य - निष्पादन
- उसके
- मेजबान
- घंटा
- घंटे
- कैसे
- How To
- HTTPS
- पहचान
- पहचान
- पहचान करना
- if
- दिखाता है
- की छवि
- छवियों
- तत्काल
- लागू करने के
- सुधार
- सुधार
- में सुधार लाने
- in
- शामिल
- शामिल
- सहित
- बढ़ना
- वृद्धि हुई
- बढ़ती
- स्वतंत्र
- उद्योग
- अप्रभावी
- अनुमानित
- करें-
- इंफ्रास्ट्रक्चर
- कुछ नया
- अभिनव
- अंतर्दृष्टि
- बजाय
- बुद्धि
- अंतरराष्ट्रीय स्तर पर
- में
- निवेश
- IT
- आईटी इस
- जेपीजी
- जानता है
- बड़े पैमाने पर
- सबसे बड़ा
- ताज़ा
- नेता
- बिक्रीसूत्र
- लीग
- सीख रहा हूँ
- विरासत
- कम
- स्तर
- जीवन चक्र
- स्थानीय
- स्थान
- लंबा
- देखिए
- निम्न
- मशीन
- यंत्र अधिगम
- मशीनें
- बनाए रखना
- प्रबंधक
- प्रबंध
- बहुत
- माप
- मीडिया
- मेटाडाटा
- ओर पलायन
- दस लाख
- मिनटों
- मिशन
- ML
- एमएलओपीएस
- आदर्श
- मॉडल
- निगरानी
- महीना
- महीने
- अधिक
- विभिन्न
- चाहिए
- राष्ट्रीय
- आवश्यकता
- की जरूरत है
- नया
- नए
- समाचार पत्र
- अगला
- अभी
- संख्या
- संख्या
- अनेक
- of
- पुराना
- on
- ONE
- ऑनलाइन
- केवल
- संचालित
- परिचालन
- इष्टतमीकरण
- अनुकूलन
- or
- अन्य
- हमारी
- परिणामों
- के ऊपर
- कुल
- काबू
- उपरि
- पैक
- समानांतर
- भाग
- साथी
- जुनून
- स्टाफ़
- निष्पादन
- प्रदर्शन
- पाइपलाइन
- की योजना बना
- प्लेटफार्म
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- खिलाड़ियों
- अंक
- पद
- पिछला
- पहले से
- प्रक्रिया
- एस्ट्रो मॉल
- उत्पादन
- उत्पादकता
- उत्पाद
- प्रोग्रामिंग
- प्रदान करना
- गुणवत्ता
- अनुसंधान और विकास
- कच्चा
- पढ़ना
- रिकॉर्ड
- रिकॉर्डिंग
- को कम करने
- घटी
- कमी
- उल्लेख
- नियमित
- प्रासंगिक
- रिपोर्ट
- प्रतिनिधि
- अनुसंधान
- जिम्मेदार
- बाकी
- परिणाम
- वापसी
- राजस्व
- अधिकार
- आरओआई
- रोल
- रन
- दौड़ना
- चलाता है
- क्रम
- सुरक्षित
- sagemaker
- स्केलेबल
- स्केल
- स्केलिंग
- अनुसूची
- समयबद्धन
- विज्ञान
- स्कोर
- सेकंड
- देखता है
- खंड
- विभाजन
- खंड
- वरिष्ठ
- सेवाएँ
- कई
- आकार
- साझा
- पता चला
- दिखाता है
- हस्ताक्षर
- सरलीकृत
- एक साथ
- एक
- आकार
- धीमा
- So
- सोशल मीडिया
- सोशल मीडिया
- सॉफ्टवेयर
- सॉफ्टवेयर इंजीनियर
- समाधान
- समाधान ढूंढे
- कुछ
- विशेषज्ञ
- माहिर
- विशिष्ट
- विशेष रूप से
- बिताना
- प्रायोजन
- खेल
- खेल-कूद
- ट्रेनिंग
- कदम
- धारा
- ऐसा
- समर्थन
- प्रणाली
- को लक्षित
- लक्ष्य
- कार्य
- टीम
- टीमों
- तकनीकी
- टेक्नोलॉजी
- है
- परीक्षण
- परीक्षण
- से
- कि
- RSI
- भविष्य
- दुनिया
- लेकिन हाल ही
- उन
- अपने
- फिर
- वे
- इसका
- हज़ार
- हजारों
- तीन
- यहाँ
- पहर
- सेवा मेरे
- ले गया
- ऊपर का
- कुल
- ट्रैक
- तब्दील
- tv
- ठेठ
- के अंतर्गत
- समझना
- समझ
- उन्नत
- us
- प्रयोग
- उपयोग
- का उपयोग
- मूल्याकंन
- विविधताओं
- व्यापक
- वेग
- वीडियो
- वीडियो
- दृश्यता
- दृष्टि
- जरूरत है
- था
- मार्ग..
- we
- वेब
- वेब सेवाओं
- छुट्टी का दिन
- थे
- कौन कौन से
- कौन
- साथ में
- काम
- वर्कफ़्लो
- काम कर रहे
- कार्य
- विश्व
- दुनिया की
- होगा
- वर्ष
- जेफिरनेट