RSI आईडीपी वेल-आर्किटेक्टेड कस्टम लेंस is intended for all AWS customers who use AWS to run intelligent document processing (IDP) solutions and are searching for guidance on how to build a secure, efficient, and reliable IDP solution on AWS.
क्लाउड में उत्पादन-तैयार समाधान के निर्माण में संसाधनों, समय, ग्राहक अपेक्षा और व्यावसायिक परिणाम के बीच व्यापार-बंद की एक श्रृंखला शामिल होती है। AWS वेल-आर्किटेक्टेड फ्रेमवर्क AWS पर कार्यभार बनाते समय आपके द्वारा लिए गए निर्णयों के लाभों और जोखिमों को समझने में आपकी सहायता करता है। फ्रेमवर्क का उपयोग करके, आप क्लाउड में विश्वसनीय, सुरक्षित, कुशल, लागत प्रभावी और टिकाऊ वर्कलोड को डिजाइन और संचालित करने के लिए परिचालन और वास्तुशिल्प सर्वोत्तम अभ्यास सीखेंगे।
An IDP project usually combines optical character recognition (OCR) and natural language processing (NLP) to read and understand a document and extract specific terms or words. The IDP Well-Architected Custom Lens outlines the steps for performing an AWS Well-Architected review that allows you to assess and identify technical risks of your IDP workloads. It provides guidance to tackle the common challenges we see among the field, supporting you to architect your IDP workloads according to best practices.
This post focuses on the Reliability pillar of the IDP solution. Starting from the introduction of the Reliability pillar and design principles, we then dive deep into the solution design and implementation with three focus areas: foundations, change management, and failure management. By reading this post, you will learn about the Reliability pillar in the Well-Architected Framework with the IDP case study.
डिज़ाइन सिद्धांत
The reliability pillar encompasses the ability of an IDP solution to perform document processing correctly and consistently when it’s expected and according to the defined business rules. This includes the ability to operate and test the full IDP workflow and its total lifecycle.
There are a number of principles that can help you to increase reliability. Keep these in mind as we discuss best practices:
- Automatically recover from failure – By monitoring your IDP workflow for key performance indicators (KPIs), you can run automation when a threshold is breached. This allows you to track and be notified automatically if any failure occurs and trigger automated recovery processes that work around or repair the failure. Based on KPI measures, you can also anticipate failures and apply remediation actions before they occur.
- Test recovery procedures – Test how your IDP workflow fails, and validate recovery procedures. Use automation to simulate different scenarios or recreate scenarios that led to failure before.
- Scale and adjust service capacity – Monitor IDP workflow demand and usage, and automatically adjust AWS service capacity, to maintain the optimal level to satisfy demand without over- or under-provisioning. Control and be aware of service quotas, limits, and constraints of your IDP components services, such as अमेज़न टेक्सट्रेक और Amazon Comprehend.
- Automate changes – Use automation when applying changes to your IDP workflow infrastructure. Manage changes through automation, which then can be tracked and reviewed.
केंद्र बिंदु के क्षेत्र
The design principles and best practices of the reliability pillar are based on insights gathered from our customers and our IDP technical specialist communities. Use them as guidance and support for your design decisions and align them with your business requirements of your IDP solution. Applying the IDP Well-Architected Lens helps you validate the resilience and efficiency of your IDP solution design, and provides recommendations to address any gaps you might identify.
The following are best practice areas for reliability of an IDP solution in the cloud:
- नींव – AWS AI services such as Amazon Textract and Amazon Comprehend provide a set of soft and hard limits for different dimensions of usage. It’s important to review these limits and ensure your IDP solution adheres to any soft limits, while not exceeding any hard limits.
- परिवर्तन प्रबंधन – Treat your IDP solution as infrastructure as code (IaC), allowing you to automate monitoring and change management. Use version control across components such as infrastructure and Amazon Comprehend custom models, and track changes back to point-in-time release.
- विफलता प्रबंधन – Because an IDP workflow is an event-driven solution, your application must be resilient to handling known and unknown errors. A well-architected IDP solution has the ability to prevent failures and withstand failures when they occur by using logging and retry mechanisms. It’s important to design resilience into your IDP workflow architecture and plan for disaster recovery.
नींव
AWS AI services provide ready-made intelligence, such as automated data extraction and analysis, using Amazon Textract, Amazon Comprehend, and अमेज़न संवर्धित ऐ (Amazon A2I), for your IDP workflows. There are service limits (or quotas) for these services to avoid over-provisioning and to limit request rates on API operations, protecting the services from abuse.
When planning and designing your IDP solution architecture, consider the following best practices:
- Be aware of unchangeable Amazon Textract and Amazon Comprehend service quotas, limits, and constraints – Accepted file formats, size and page count, languages, document rotations, and image size are some examples of these hard limits for Amazon Textract that can’t be changed.
- Accepted file formats include JPEG, PNG, PDF, and TIFF files. (JPEG 2000-encoded images within PDFs are supported). Document preprocessing is required before using Amazon Textract if the file format is not supported (for example, Microsoft Word or Excel). In this case, you must convert unsupported document formats to PDF or image format.
- Amazon Comprehend has different quotas for built-in models, custom models, and flywheels. Make sure that your use case is aligned with Amazon Comprehend quotas.
- Adjust Amazon Textract and Amazon Comprehend service quotas to meet your needs – The Amazon Textract Service Quotas Calculator can help you estimate the quota values that will cover your use case. You should manage your service quotas across accounts or Regions if you’re planning a disaster recovery failover between accounts or Regions for your solution. When requesting an increase of Amazon Textract quotas, make sure to follow these recommendations:
- Use the Amazon Textract Service Quotas Calculator to estimate your optimal quota value.
- Changes in requests can cause spiky network traffic, affecting throughput. Use a queueing serverless architecture or other mechanism to smooth traffic and get the most out of your allocated transactions per second (TPS).
- Implement retry logic to handle throttled calls and dropped connections.
- Configure exponential backoff and jitter to improve throughput.
परिवर्तन प्रबंधन
Changes to your IDP workflow or its environment, such as spikes in demand or a corrupted document file, must be anticipated and accommodated to achieve a higher reliability of the solution. Some of these changes are covered by the foundations best practices described in the previous section, but those alone are not enough to accommodate changes. The following best practices must also be considered:
- उपयोग अमेज़ॅन क्लाउडवॉच to monitor your IDP workflow components, such as Amazon Textract and Amazon Comprehend. Collect metrics from the IDP workflow, automate responses to alarms, and send notifications as required to your workflow and business objectives.
- Deploy your IDP workflow solution and all infrastructure changes with automation using IaC, such as the AWS क्लाउड डेवलपमेंट किट (AWS CDK) and pre-built IDP AWS CDK constructs. This removes the potential for introducing human error and enables you to test before changing to your production environment.
- If your use case requires an Amazon Comprehend custom model, consider using a flywheel to simplify the process of improving the custom model over time. A flywheel orchestrates the tasks associated with training and evaluating a new custom model version.
- If your use case requires it, customize the output of the Amazon Textract pre-trained Queries feature by training and using an adapter for the Amazon Textract base model. Consider the following best practices when creating queries for your adapters:
- Adapter quotas define the preceding limits for adapter training. Consider these limits and raise a service quota increase request, if required:
- Maximum number of adapters – Number of adapters allowed (you can have several adapter versions under a single adapter).
- Maximum adapter versions created per month – Number of successful adapter versions that can be created per AWS account per month.
- Maximum in-progress adapter versions – Number of in-progress adapter versions (adapter training) per account.
- Make sure to use a set of documents representative of your use case (minimum five training docs and five testing docs).
- Provide as many documents for training as possible (up to 2,500 pages of training documents and 1,000 for test documents).
- Annotate queries using a variety of answers. For example, if the answer to a query is “Yes” or “No,” the annotated samples should have occurrences of both “Yes” and “No.”
- Maintain consistency in annotation style and while annotating fields with spaces.
- Use the exact query used in training for inference.
- After each round of adapter training, review the performance metrics to determine if you need to further improve your adapter to achieve your goals. Upload a new document set for training or review document annotations that have low accuracy scores before you start a new training to create an improved version of the adapter.
- उपयोग
AutoUpdate
feature for custom adapters. This feature attempts automated retraining if theAutoUpdate
flag is enabled on an adapter.
- Adapter quotas define the preceding limits for adapter training. Consider these limits and raise a service quota increase request, if required:
विफलता प्रबंधन
When designing an IDP solution, one important aspect to consider is its resilience, how to handle known and unknown errors that can occur. The IDP solution should have the capabilities of logging errors and retry failed operations, during the different stages of the IDP workflow. In this section, we discuss the details on how to design your IDP workflow to handle failures.
Prepare your IDP workflow to manage and withstand failures
“Everything fails, all the time,” is a famous quote from AWS CTO Werner Vogels. Your IDP solution, like everything else, will eventually fail. The question is how can it withstand failures without impacting your IDP solution users. Your IDP architecture design must be aware of failures as they occur and take action to avoid impact on availability. This must be done automatically, and without user impact. Consider the following best practices:
- उपयोग अमेज़न सरल भंडारण सेवा (Amazon S3) as your scalable data store for IDP workflow documents to process. Amazon S3 provides a highly durable storage infrastructure designed for mission-critical and primary data storage.
- Back up all your IDP workflow data according to your business requirements. Implement a strategy to recover or reproduce data in case of data loss. Align this strategy with a defined Recovery Point Objective (RPO) and Recovery Time Objective (RTO) that meet your business requirements.
- If required, plan and implement a disaster recovery failover strategy of your IDP solution across AWS accounts and Regions.
- Use the Amazon Textract
OutputConfig
feature and Amazon ComprehendOutputDataConfig
feature to store the results of asynchronous processing from Amazon Textract or Amazon Comprehend to a designated S3 bucket. This allows the workflow to continue from that point rather than repeat the Amazon Textract or Amazon Comprehend invocation. The following code shows how to start an Amazon Textract asynchronous API job to analyze a document and store encrypted inference output in a defined S3 bucket. For additional information, refer to the Amazon Textract client documentation.
Design your IDP workflow to prevent failures
The reliability of a workload starts with upfront design decisions. Architecture choices will impact your workload behavior and its resilience. To improve the reliability of your IDP solution, follow these best practices.
Firstly, design your architecture following the IDP workflow. Although the stages in an IDP workflow may vary and be influenced by use case and business requirements, the stages of data capture, document classification, text extraction, content enrichment, review and validation, and consumption are typically parts of IDP workflow. These well-defined stages can be used to separate functionalities and isolate them in case of failure.
आप का उपयोग कर सकते हैं अमेज़ॅन सरल कतार सेवा (Amazon SQS) to decouple IDP workflow stages. A decoupling pattern helps isolate behavior of architecture components from other components that depend on it, increasing resiliency and agility.
Secondly, control and limit retry calls. AWS services such as Amazon Textract can fail if the maximum number of TPS allotted is exceeded, causing the service to throttle your application or drop your connection.
You should manage throttling and dropped connections by automatically retrying the operation (both synchronous and asynchronous operations). However, you should also specify a limited number of retries, after which the operation fails and throws an exception. If you make too many calls to Amazon Textract in a short period of time, it throttles your calls and sends a ProvisionedThroughputExceededExceptionerror
in the operation response.
In addition, use exponential backoff and jitter for retries to improve throughput. For example, using Amazon Textract, specify the number of retries by including the config
parameter when you create the Amazon Textract client. We recommend a retry count of five. In the following example code, we use the config
parameter to automatically retry an operation using adaptive mode and a maximum of five retries:
Take advantage of AWS SDKs, such as the अजगर के लिए AWS SDK (Boto3), to assist in retrying client calls to AWS services such as Amazon Textract and Amazon Comprehend. There are three retry modes available:
- विरासत का अंदाज – Retries calls for a limited number of errors and exceptions and include an exponential backoff by a base factor of 2.
- मानक मोड – Standardizes the retry logic and behavior consistent with other AWS SDKs and extends the functionality of retries over that found in legacy mode. Any retry attempt will include an exponential backoff by a base factor of 2 for a maximum backoff time of 20 seconds.
- अनुकूली मोड – Includes all the features of standard mode and it introduces a client-side rate limiting through the use of a token bucket and rate limit variables that are dynamically updated with each retry attempt. It offers flexibility in client-side retries that adapts to the error or exception state response from an AWS service. With each new retry attempt, adaptive mode modifies the rate limit variables based on the error, exception, or HTTP status code presented in the response from the AWS service. These rate limit variables are then used to calculate a new call rate for the client. Each exception, error, or non-success HTTP response from an AWS service updates the rate limit variables as retries occur until a success is reached, the token bucket is exhausted, or the configured maximum attempts value is reached. Examples of exceptions, errors, or non-success HTTP responses:
निष्कर्ष
In this post, we shared design principles, focus areas, foundations and best practices for reliability in your IDP solution.
AWS एक जीवित उपकरण के रूप में IDP वेल-आर्किटेक्टेड लेंस के लिए प्रतिबद्ध है। जैसे ही आईडीपी समाधान और संबंधित एडब्ल्यूएस एआई सेवाएं विकसित होंगी और नई एडब्ल्यूएस सेवाएं उपलब्ध होंगी, हम तदनुसार आईडीपी लेंस वेल-आर्किटेक्टेड को अपडेट करेंगे।
यदि आप AWS वेल-आर्किटेक्टेड फ्रेमवर्क के बारे में अधिक जानना चाहते हैं, तो देखें एडब्ल्यूएस अच्छी तरह से आर्किटेक्टेड.
यदि आपको अतिरिक्त विशेषज्ञ मार्गदर्शन की आवश्यकता है, तो एक आईडीपी विशेषज्ञ समाधान आर्किटेक्ट को नियुक्त करने के लिए अपनी एडब्ल्यूएस खाता टीम से संपर्क करें।
लेखक के बारे में
रुई कार्डोसो अमेज़ॅन वेब सर्विसेज (एडब्ल्यूएस) में एक पार्टनर सॉल्यूशंस आर्किटेक्ट है। वह एआई/एमएल और आईओटी पर ध्यान केंद्रित कर रहे हैं। वह AWS पार्टनर्स के साथ काम करते हैं और AWS में समाधान विकसित करने में उनका समर्थन करते हैं। जब वह काम नहीं करता तो उसे साइकिल चलाना, लंबी पैदल यात्रा करना और नई चीजें सीखना अच्छा लगता है।
ब्रिजेश पति AWS में एंटरप्राइज सॉल्यूशंस आर्किटेक्ट हैं। उनका प्राथमिक ध्यान उद्यम ग्राहकों को उनके कार्यभार के लिए क्लाउड प्रौद्योगिकियों को अपनाने में मदद करना है। उनके पास एप्लिकेशन डेवलपमेंट और एंटरप्राइज आर्किटेक्चर की पृष्ठभूमि है और उन्होंने खेल, वित्त, ऊर्जा और पेशेवर सेवाओं जैसे विभिन्न उद्योगों के ग्राहकों के साथ काम किया है। उनकी रुचियों में सर्वर रहित आर्किटेक्चर और एआई/एमएल शामिल हैं।
मिया चांग अमेज़ॅन वेब सर्विसेज के लिए एमएल स्पेशलिस्ट सॉल्यूशंस आर्किटेक्ट हैं। वह ईएमईए में ग्राहकों के साथ काम करती है और अनुप्रयुक्त गणित, कंप्यूटर विज्ञान और एआई/एमएल में अपनी पृष्ठभूमि के साथ क्लाउड पर एआई/एमएल वर्कलोड चलाने के लिए सर्वोत्तम प्रथाओं को साझा करती है। वह एनएलपी-विशिष्ट कार्यभार पर ध्यान केंद्रित करती है, और एक सम्मेलन वक्ता और एक पुस्तक लेखक के रूप में अपना अनुभव साझा करती है। अपने खाली समय में, वह लंबी पैदल यात्रा, बोर्ड गेम और कॉफी बनाना पसंद करती हैं।
टिम कोंडेलो अमेज़ॅन वेब सर्विसेज (एडब्ल्यूएस) में एक वरिष्ठ कृत्रिम बुद्धिमत्ता (एआई) और मशीन लर्निंग (एमएल) विशेषज्ञ समाधान वास्तुकार हैं। उनका ध्यान प्राकृतिक भाषा प्रसंस्करण और कंप्यूटर विज़न पर है। टिम को ग्राहकों के विचार लेने और उन्हें स्केलेबल समाधानों में बदलने में आनंद आता है।
शेरी डिंग अमेज़ॅन वेब सर्विसेज (एडब्ल्यूएस) में एक वरिष्ठ कृत्रिम बुद्धिमत्ता (एआई) और मशीन लर्निंग (एमएल) विशेषज्ञ समाधान वास्तुकार हैं। उन्हें कंप्यूटर विज्ञान में पीएचडी की डिग्री के साथ मशीन लर्निंग में व्यापक अनुभव है। वह मुख्य रूप से विभिन्न एआई/एमएल संबंधित व्यावसायिक चुनौतियों पर सार्वजनिक क्षेत्र के ग्राहकों के साथ काम करती है, जिससे उन्हें एडब्ल्यूएस क्लाउड पर उनकी मशीन सीखने की यात्रा में तेजी लाने में मदद मिलती है। जब ग्राहकों की मदद नहीं की जाती, तो वह बाहरी गतिविधियों का आनंद लेती है।
सुयिन वांग AWS में AI/ML स्पेशलिस्ट सॉल्यूशंस आर्किटेक्ट हैं। उनके पास मशीन लर्निंग, वित्तीय सूचना सेवा और अर्थशास्त्र में अंतःविषय शिक्षा पृष्ठभूमि है, साथ ही वास्तविक दुनिया की व्यावसायिक समस्याओं को हल करने वाले डेटा साइंस और मशीन लर्निंग अनुप्रयोगों के निर्माण में वर्षों का अनुभव है। उसे ग्राहकों को सही व्यावसायिक प्रश्नों की पहचान करने और सही एआई/एमएल समाधान बनाने में मदद करने में आनंद आता है। अपने खाली समय में उन्हें गाना और खाना बनाना बहुत पसंद है।
- 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-well-architected-idp-solutions-with-a-custom-lens-part-3-reliability/
- :हैस
- :है
- :नहीं
- $यूपी
- 000
- 1
- 100
- 15% तक
- 17
- 20
- 500
- 7
- a
- क्षमता
- About
- गाली
- में तेजी लाने के
- स्वीकृत
- समायोजित
- अनुसार
- तदनुसार
- लेखा
- अकौन्टस(लेखा)
- शुद्धता
- पाना
- के पार
- कार्य
- कार्रवाई
- गतिविधियों
- अनुकूली
- अनुकूलन
- इसके अलावा
- अतिरिक्त
- अतिरिक्त जानकारी
- पता
- अपनाना
- लाभ
- प्रभावित करने वाले
- बाद
- AI
- ऐ सेवा
- ऐ / एमएल
- संरेखित करें
- गठबंधन
- सब
- आवंटित
- की अनुमति दी
- की अनुमति दे
- की अनुमति देता है
- अकेला
- साथ में
- भी
- हालांकि
- वीरांगना
- Amazon Comprehend
- अमेज़न टेक्सट्रेक
- अमेज़ॅन वेब सेवा
- अमेज़ॅन वेब सेवा (एडब्ल्यूएस)
- के बीच में
- an
- विश्लेषण
- विश्लेषण करें
- और
- जवाब
- जवाब
- की आशा
- प्रत्याशित
- कोई
- एपीआई
- आवेदन
- अनुप्रयोग विकास
- अनुप्रयोगों
- लागू
- लागू करें
- लागू
- वास्तु
- स्थापत्य
- हैं
- क्षेत्रों के बारे में जानकारी का उपयोग करके ट्रेडिंग कर सकते हैं।
- चारों ओर
- कृत्रिम
- कृत्रिम बुद्धिमत्ता
- कृत्रिम बुद्धिमत्ता (AI)
- AS
- पहलू
- आकलन
- सहायता
- जुड़े
- At
- करने का प्रयास
- प्रयास
- संवर्धित
- लेखक
- को स्वचालित रूप से
- स्वचालित
- स्वतः
- स्वचालन
- उपलब्धता
- उपलब्ध
- से बचने
- जागरूक
- एडब्ल्यूएस
- वापस
- पृष्ठभूमि
- आधार
- आधारित
- BE
- क्योंकि
- बन
- से पहले
- व्यवहार
- लाभ
- BEST
- सर्वोत्तम प्रथाओं
- के बीच
- मंडल
- बोर्ड खेल
- किताब
- के छात्रों
- निर्माण
- इमारत
- में निर्मित
- व्यापार
- लेकिन
- by
- गणना
- कॉल
- कॉल
- कर सकते हैं
- क्षमताओं
- क्षमता
- कब्जा
- मामला
- मामले का अध्ययन
- कारण
- के कारण
- चुनौतियों
- परिवर्तन
- बदल
- परिवर्तन
- बदलना
- चरित्र
- चरित्र पहचान
- विकल्प
- वर्गीकरण
- ग्राहक
- बादल
- कोड
- कोड
- कॉफी
- इकट्ठा
- जोड़ती
- प्रतिबद्ध
- सामान्य
- समुदाय
- घटकों
- समझना
- कंप्यूटर
- कम्प्यूटर साइंस
- Computer Vision
- सम्मेलन
- कॉन्फ़िगर किया गया
- संबंध
- कनेक्शन
- विचार करना
- माना
- संगत
- लगातार
- की कमी
- constructs
- खपत
- संपर्क करें
- सामग्री
- जारी रखने के
- नियंत्रण
- बदलना
- ठीक प्रकार से
- भ्रष्ट
- प्रभावी लागत
- आवरण
- कवर
- बनाना
- बनाया
- बनाना
- सीटीओ
- रिवाज
- ग्राहक
- ग्राहक
- अनुकूलित
- तिथि
- डेटा हानि
- डेटा विज्ञान
- डेटा भंडारण
- निर्णय
- गहरा
- परिभाषित
- परिभाषित
- डिग्री
- मांग
- निर्भर
- वर्णित
- डिज़ाइन
- डिज़ाइन सिद्धांत
- निर्दिष्ट
- बनाया गया
- डिज़ाइन बनाना
- विवरण
- निर्धारित करना
- विकासशील
- विकास
- विभिन्न
- आयाम
- आपदा
- चर्चा करना
- डुबकी
- दस्तावेज़
- दस्तावेजों
- किया
- बूंद
- गिरा
- दौरान
- गतिशील
- से प्रत्येक
- अर्थशास्त्र (इकोनॉमिक्स)
- शिक्षा
- दक्षता
- कुशल
- अन्य
- ईएमईए
- सक्षम
- सक्षम बनाता है
- अंतर्गत कई
- एन्क्रिप्टेड
- ऊर्जा
- लगाना
- पर्याप्त
- समृद्ध
- सुनिश्चित
- उद्यम
- वातावरण
- त्रुटि
- त्रुटियाँ
- आकलन
- का मूल्यांकन
- अंत में
- सब कुछ
- विकसित करना
- उदाहरण
- उदाहरण
- को पार कर
- से अधिक
- एक्सेल
- अपवाद
- उम्मीद
- अपेक्षित
- अनुभव
- विशेषज्ञ
- घातीय
- फैली
- व्यापक
- विस्तृत अनुभव
- उद्धरण
- निष्कर्षण
- कारक
- असफल
- विफल रहे
- विफल रहता है
- विफलता
- विफलताओं
- प्रसिद्ध
- Feature
- विशेषताएं
- खेत
- फ़ील्ड
- पट्टिका
- फ़ाइलें
- वित्त
- वित्तीय
- वित्तीय जानकारी
- पांच
- लचीलापन
- फोकस
- केंद्रित
- ध्यान केंद्रित
- का पालन करें
- निम्नलिखित
- के लिए
- प्रारूप
- रूपों
- पाया
- नींव
- ढांचा
- मुक्त
- से
- पूर्ण
- कार्यक्षमताओं
- कार्यक्षमता
- आगे
- Games
- अंतराल
- इकट्ठा
- मिल
- लक्ष्यों
- मार्गदर्शन
- संभालना
- हैंडलिंग
- कठिन
- है
- he
- मदद
- मदद
- मदद करता है
- उसे
- उच्चतर
- अत्यधिक
- उसके
- कैसे
- How To
- तथापि
- एचटीएमएल
- http
- HTTPS
- मानव
- विचारों
- पहचान करना
- if
- की छवि
- छवियों
- प्रभाव
- प्रभावित
- लागू करने के
- कार्यान्वयन
- आयात
- महत्वपूर्ण
- महत्वपूर्ण पहलू
- में सुधार
- उन्नत
- में सुधार लाने
- in
- शामिल
- शामिल
- सहित
- बढ़ना
- बढ़ती
- संकेतक
- उद्योगों
- प्रभावित
- करें-
- इंफ्रास्ट्रक्चर
- अंतर्दृष्टि
- बुद्धि
- बुद्धिमान
- बुद्धिमान दस्तावेज़ प्रसंस्करण
- इरादा
- रुचियों
- में
- द्वारा प्रस्तुत
- शुरू करने
- परिचय
- IOT
- IT
- आईटी इस
- काम
- यात्रा
- जेपीजी
- रखना
- कुंजी
- जानने वाला
- भाषा
- भाषाऐं
- ख़ाका
- जानें
- सीख रहा हूँ
- नेतृत्व
- विरासत
- स्तर
- जीवन चक्र
- पसंद
- सीमा
- सीमित
- सीमित
- सीमाएं
- जीवित
- लॉगिंग
- तर्क
- बंद
- प्यार करता है
- निम्न
- मशीन
- यंत्र अधिगम
- मुख्यतः
- बनाए रखना
- बनाना
- प्रबंधन
- प्रबंध
- बहुत
- गणित
- अधिकतम
- मई..
- उपायों
- तंत्र
- तंत्र
- मिलना
- मेट्रिक्स
- माइक्रोसॉफ्ट
- हो सकता है
- मन
- न्यूनतम
- ML
- मोड
- आदर्श
- मॉडल
- मोड
- मॉनिटर
- निगरानी
- महीना
- अधिक
- अधिकांश
- चाहिए
- नाम
- प्राकृतिक
- प्राकृतिक भाषा संसाधन
- आवश्यकता
- नेटवर्क
- प्रसार यातायात
- नया
- NLP
- सूचनाएं
- संख्या
- उद्देश्य
- उद्देश्य
- ओसीआर
- of
- ऑफर
- on
- ONE
- संचालित
- परिचालन
- आपरेशन
- परिचालन
- संचालन
- ऑप्टिकल कैरेक्टर पहचान
- इष्टतम
- or
- अन्य
- हमारी
- आउट
- परिणाम
- रूपरेखा
- उत्पादन
- के ऊपर
- पृष्ठ
- पृष्ठों
- प्राचल
- भाग
- साथी
- भागीदारों
- भागों
- पैटर्न
- पीडीएफ
- प्रति
- निष्पादन
- प्रदर्शन
- प्रदर्शन
- अवधि
- पीएचडी
- स्तंभ
- योजना
- की योजना बना
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- बिन्दु
- संभव
- पद
- संभावित
- अभ्यास
- प्रथाओं
- प्रस्तुत
- को रोकने के
- पिछला
- प्राथमिक
- सिद्धांतों
- समस्याओं
- प्रक्रिया
- प्रक्रिया
- प्रक्रियाओं
- प्रसंस्करण
- उत्पादन
- पेशेवर
- परियोजना
- संरक्षण
- प्रदान करना
- प्रदान करता है
- सार्वजनिक
- अजगर
- प्रश्नों
- प्रश्न
- प्रशन
- उद्धरण
- उठाना
- मूल्यांकन करें
- दरें
- बल्कि
- पहुँचे
- पढ़ना
- पढ़ना
- असली दुनिया
- मान्यता
- की सिफारिश
- सिफारिशें
- की वसूली
- वसूली
- उल्लेख
- क्षेत्रों
- सम्बंधित
- और
- विश्वसनीयता
- विश्वसनीय
- हटा देगा
- मरम्मत
- दोहराना
- प्रतिनिधि
- का अनुरोध
- अनुरोधों
- की आवश्यकता होती है
- अपेक्षित
- आवश्यकताएँ
- की आवश्यकता होती है
- पलटाव
- लचीला
- उपयुक्त संसाधन चुनें
- प्रतिक्रिया
- प्रतिक्रियाएं
- परिणाम
- की समीक्षा
- समीक्षा
- सही
- जोखिम
- दौर
- नियम
- रन
- दौड़ना
- स्केलेबल
- परिदृश्यों
- विज्ञान
- एसडीके
- एसडीकेएस
- खोज
- दूसरा
- सेकंड
- अनुभाग
- सेक्टर
- सुरक्षित
- देखना
- भेजें
- भेजता
- वरिष्ठ
- अलग
- कई
- serverless
- सेवा
- सेवाएँ
- सेट
- कई
- साझा
- शेयरों
- वह
- कम
- चाहिए
- दिखाता है
- हस्ताक्षर
- सरल
- को आसान बनाने में
- एक
- आकार
- गति कम करो
- चिकनी
- नरम
- समाधान
- समाधान ढूंढे
- कुछ
- रिक्त स्थान
- वक्ता
- विशेषज्ञ
- विशिष्ट
- विशेष रूप से
- spikes के
- खेल-कूद
- चरणों
- मानक
- प्रारंभ
- शुरुआत में
- शुरू होता है
- राज्य
- स्थिति
- कदम
- भंडारण
- की दुकान
- स्ट्रेटेजी
- तार
- अध्ययन
- अंदाज
- सफलता
- सफल
- ऐसा
- समर्थन
- समर्थित
- सहायक
- निश्चित
- स्थायी
- पकड़ना
- लेना
- ले जा
- कार्य
- टीम
- तकनीकी
- टेक्नोलॉजीज
- शर्तों
- परीक्षण
- परीक्षण
- टेक्स्ट
- से
- कि
- RSI
- लेकिन हाल ही
- उन
- फिर
- वहाँ।
- इन
- वे
- चीज़ें
- इसका
- उन
- तीन
- द्वार
- यहाँ
- THROUGHPUT
- टिम
- पहर
- सेवा मेरे
- टोकन
- भी
- साधन
- कुल
- टी पी एस
- ट्रैक
- यातायात
- प्रशिक्षण
- लेनदेन
- उपचार
- ट्रिगर
- मोड़
- आम तौर पर
- के अंतर्गत
- समझना
- अज्ञात
- जब तक
- अपडेट
- अद्यतन
- अपडेट
- प्रयोग
- उपयोग
- उदाहरण
- प्रयुक्त
- उपयोगकर्ता
- उपयोगकर्ताओं
- का उपयोग
- आमतौर पर
- सत्यापित करें
- सत्यापन
- मूल्य
- मान
- विविधता
- विभिन्न
- संस्करण
- संस्करणों
- दृष्टि
- करना चाहते हैं
- we
- वेब
- वेब सेवाओं
- अच्छी तरह से परिभाषित
- कब
- कौन कौन से
- जब
- कौन
- मर्जी
- साथ में
- अंदर
- बिना
- शब्द
- शब्द
- काम
- काम किया
- वर्कफ़्लो
- workflows
- काम कर रहे
- कार्य
- साल
- आप
- आपका
- जेफिरनेट