यह ब्लॉग पोस्ट FedML के चाओयांग हे और सलमान एवेस्टीमर के साथ सह-लिखा गया है।
रीयल-वर्ल्ड हेल्थकेयर और लाइफ साइंसेज (एचसीएलएस) डेटा का विश्लेषण करने से कई व्यावहारिक चुनौतियां सामने आती हैं, जैसे कि वितरित डेटा साइलो, दुर्लभ घटनाओं के लिए किसी एक साइट पर पर्याप्त डेटा की कमी, नियामक दिशानिर्देश जो डेटा साझा करने पर रोक लगाते हैं, बुनियादी ढांचे की आवश्यकता और बनाने में खर्च की गई लागत एक केंद्रीकृत डेटा भंडार। क्योंकि वे अत्यधिक विनियमित डोमेन में हैं, एचसीएलएस भागीदार और ग्राहक बड़े पैमाने पर, वितरित और संवेदनशील डेटा का प्रबंधन और विश्लेषण करने के लिए गोपनीयता-संरक्षण तंत्र की तलाश करते हैं।
इन चुनौतियों को कम करने के लिए, हम एक ओपन-सोर्स फ़ेडरेटेड लर्निंग (FL) फ्रेमवर्क का उपयोग करने का प्रस्ताव करते हैं जिसे कहा जाता है फेडएमएल, जो आपको विभिन्न साइटों पर स्थानीय रूप से रखे गए वितरित डेटा से वैश्विक मशीन लर्निंग मॉडल को प्रशिक्षित करके संवेदनशील एचसीएलएस डेटा का विश्लेषण करने में सक्षम बनाता है। FL को मॉडल प्रशिक्षण प्रक्रिया के दौरान साइटों पर या एक केंद्रीकृत सर्वर के साथ डेटा को स्थानांतरित करने या साझा करने की आवश्यकता नहीं होती है।
इस दो-भाग की श्रृंखला में, हम प्रदर्शित करते हैं कि आप AWS पर क्लाउड-आधारित FL फ्रेमवर्क को कैसे परिनियोजित कर सकते हैं। पहली पोस्ट में, हमने FL अवधारणाओं और FedML ढांचे का वर्णन किया। में दूसरी पोस्ट, हम उपयोग के मामलों और डेटासेट को वास्तविक दुनिया के स्वास्थ्य संबंधी डेटासेट जैसे विश्लेषण में इसकी प्रभावशीलता दिखाने के लिए प्रस्तुत करते हैं ईआईसीयू डेटा, जिसमें 200 से अधिक अस्पतालों से एकत्र किया गया एक बहु-केंद्र क्रिटिकल केयर डेटाबेस शामिल है।
पृष्ठभूमि
यद्यपि एचसीएलएस-सृजित डेटा की मात्रा कभी भी अधिक नहीं रही है, ऐसे डेटा तक पहुँचने से जुड़ी चुनौतियाँ और बाधाएँ भविष्य के अनुसंधान के लिए इसकी उपयोगिता को सीमित करती हैं। मशीन लर्निंग (एमएल) इन चिंताओं में से कुछ को संबोधित करने का अवसर प्रस्तुत करता है और देखभाल वितरण, नैदानिक निर्णय समर्थन, सटीक दवा, ट्राइएज और निदान, और क्रोनिक जैसे मामलों के उपयोग के लिए विविध एचसीएलएस डेटा से सार्थक अंतर्दृष्टि प्राप्त करने और डेटा विश्लेषण को आगे बढ़ाने के लिए अपनाया जा रहा है। देखभाल प्रबंधन। क्योंकि एमएल एल्गोरिदम अक्सर रोगी-स्तर के डेटा की गोपनीयता की रक्षा करने के लिए पर्याप्त नहीं होते हैं, एचसीएलएस भागीदारों और ग्राहकों के बीच बड़े पैमाने पर, वितरित और संवेदनशील डेटा के प्रबंधन और विश्लेषण के लिए गोपनीयता-संरक्षण तंत्र और बुनियादी ढांचे का उपयोग करने में रुचि बढ़ रही है। [1]
हमने AWS पर एक FL फ्रेमवर्क विकसित किया है जो गोपनीयता-संरक्षण तरीके से वितरित और संवेदनशील स्वास्थ्य डेटा का विश्लेषण करने में सक्षम बनाता है। इसमें मॉडल प्रशिक्षण प्रक्रिया के दौरान साइटों पर या एक केंद्रीकृत सर्वर के साथ डेटा को स्थानांतरित या साझा किए बिना एक साझा एमएल मॉडल का प्रशिक्षण शामिल है, और इसे कई एडब्ल्यूएस खातों में लागू किया जा सकता है। प्रतिभागी या तो अपने ऑन-प्रिमाइसेस सिस्टम में या अपने नियंत्रण वाले AWS खाते में अपने डेटा को बनाए रखने का विकल्प चुन सकते हैं। इसलिए, यह डेटा को एनालिटिक्स में ले जाने के बजाय एनालिटिक्स को डेटा में लाता है।
इस पोस्ट में, हमने दिखाया कि आप AWS पर ओपन-सोर्स FedML फ्रेमवर्क को कैसे परिनियोजित कर सकते हैं। हम ईआईसीयू डेटा पर ढांचे का परीक्षण करते हैं, अस्पताल में रोगी मृत्यु दर की भविष्यवाणी करने के लिए 200 से अधिक अस्पतालों से एकत्रित एक बहु-केंद्र महत्वपूर्ण देखभाल डेटाबेस। हम जीनोमिक और जीवन विज्ञान डेटा सहित अन्य डेटासेट का विश्लेषण करने के लिए इस FL फ्रेमवर्क का उपयोग कर सकते हैं। इसे अन्य डोमेन द्वारा भी अपनाया जा सकता है जो वित्त और शिक्षा क्षेत्रों सहित वितरित और संवेदनशील डेटा से भरे हुए हैं।
फ़ेडरेटेड लर्निंग
प्रौद्योगिकी में प्रगति ने एचसीएलएस सहित उद्योगों में डेटा की विस्फोटक वृद्धि की है। एचसीएलएस संगठन अक्सर साइलो में डेटा स्टोर करते हैं। यह डेटा-संचालित सीखने में एक बड़ी चुनौती है, जिसके लिए बड़े डेटासेट को अच्छी तरह से सामान्य बनाने और प्रदर्शन के वांछित स्तर को प्राप्त करने की आवश्यकता होती है। इसके अलावा, उच्च-गुणवत्ता वाले डेटासेट को इकट्ठा करने, क्यूरेट करने और बनाए रखने में महत्वपूर्ण समय और लागत लगती है।
फ़ेडरेटेड लर्निंग इन चुनौतियों को साझा करने या केंद्रीकृत करने की आवश्यकता के बिना वितरित डेटा का उपयोग करने वाले एमएल मॉडल को सहयोगी रूप से प्रशिक्षित करके इन चुनौतियों को कम करता है। यह साइट-आधारित पूर्वाग्रह के संभावित जोखिम को कम करते हुए, विभिन्न साइटों को अंतिम मॉडल के भीतर प्रदर्शित करने की अनुमति देता है। फ्रेमवर्क क्लाइंट-सर्वर आर्किटेक्चर का अनुसरण करता है, जहां सर्वर क्लाइंट के साथ एक वैश्विक मॉडल साझा करता है। क्लाइंट स्थानीय डेटा के आधार पर मॉडल को प्रशिक्षित करते हैं और सर्वर के साथ पैरामीटर (जैसे ग्रेडिएंट या मॉडल वेट) साझा करते हैं। सर्वर इन मापदंडों को वैश्विक मॉडल को अपडेट करने के लिए एकत्र करता है, जिसे बाद में प्रशिक्षण के अगले दौर के लिए ग्राहकों के साथ साझा किया जाता है, जैसा कि निम्नलिखित आंकड़े में दिखाया गया है। मॉडल प्रशिक्षण की यह पुनरावृत्ति प्रक्रिया तब तक जारी रहती है जब तक कि वैश्विक मॉडल अभिसरण नहीं हो जाता।
हाल के वर्षों में, एमएल मॉडल के प्रशिक्षण में डेटा शासन की चिंता को दूर करने के लिए इस नए शिक्षण प्रतिमान को सफलतापूर्वक अपनाया गया है। ऐसा ही एक प्रयास है मेलोडी, AWS द्वारा संचालित एक इनोवेटिव मेडिसिन्स इनिशिएटिव (IMI) के नेतृत्व वाला कंसोर्टियम। यह 3 साल का प्रोग्राम है जिसमें 10 फार्मास्युटिकल कंपनियां, 2 शैक्षणिक संस्थान और 3 टेक्नोलॉजी पार्टनर शामिल हैं। इसका प्राथमिक लक्ष्य दवाओं की खोज-आधारित मॉडल के भविष्य कहनेवाला प्रदर्शन और रासायनिक प्रयोज्यता में सुधार के लिए एक बहु-कार्य FL ढांचा विकसित करना है। प्लेटफ़ॉर्म में कई AWS खाते शामिल हैं, प्रत्येक फार्मा पार्टनर अपने निजी डेटासेट को बनाए रखने के लिए अपने संबंधित खातों पर पूर्ण नियंत्रण रखता है, और एक केंद्रीय एमएल खाता मॉडल प्रशिक्षण कार्यों का समन्वय करता है।
कंसोर्टियम ने 20 से अधिक जैविक परखों में 40,000 मिलियन से अधिक छोटे अणुओं से युक्त अरबों डेटा बिंदुओं पर मॉडल प्रशिक्षित किए। प्रयोगात्मक परिणामों के आधार पर, सहयोगी मॉडल ने अणुओं को फार्माकोलॉजिकल या विषाक्त रूप से सक्रिय या निष्क्रिय के रूप में वर्गीकृत करने में 4% सुधार का प्रदर्शन किया। इसने नए प्रकार के अणुओं पर लागू होने पर आत्मविश्वासपूर्ण भविष्यवाणियां करने की क्षमता में 10% की वृद्धि भी की। अंत में, सहयोगी मॉडल आम तौर पर विषाक्त और औषधीय गतिविधियों के मूल्यों का अनुमान लगाने में 2% बेहतर थे।
फेडएमएल
FedML FL एल्गोरिथम विकास की सुविधा के लिए एक ओपन-सोर्स लाइब्रेरी है। यह तीन कंप्यूटिंग प्रतिमानों का समर्थन करता है: एज डिवाइस के लिए ऑन-डिवाइस प्रशिक्षण, वितरित कंप्यूटिंग और सिंगल-मशीन सिमुलेशन। यह लचीले और सामान्य एपीआई डिजाइन और व्यापक संदर्भ आधारभूत कार्यान्वयन (अनुकूलक, मॉडल और डेटासेट) के साथ विविध एल्गोरिथम अनुसंधान भी प्रदान करता है। FedML लाइब्रेरी के विस्तृत विवरण के लिए देखें फेडएमएल.
निम्नलिखित आंकड़ा FedML के ओपन-सोर्स लाइब्रेरी आर्किटेक्चर को प्रस्तुत करता है।
जैसा कि पिछले आंकड़े में देखा गया है, आवेदन के दृष्टिकोण से, FedML वितरित प्रशिक्षण के अंतर्निहित कोड और जटिल विन्यास के विवरण को ढाल देता है। अनुप्रयोग स्तर पर, जैसे कि कंप्यूटर विज़न, प्राकृतिक भाषा प्रसंस्करण, और डेटा माइनिंग, डेटा वैज्ञानिकों और इंजीनियरों को केवल मॉडल, डेटा और ट्रेनर को एक स्टैंडअलोन प्रोग्राम के रूप में लिखने की आवश्यकता होती है और फिर इसे FedMLRunner ऑब्जेक्ट को पास करना होता है। सभी प्रक्रियाओं को पूरा करें, जैसा कि निम्नलिखित कोड में दिखाया गया है। यह एप्लिकेशन डेवलपर्स के लिए FL प्रदर्शन करने के लिए ओवरहेड को बहुत कम करता है।
FedML एल्गोरिथम अभी भी कार्य प्रगति पर है और इसमें लगातार सुधार किया जा रहा है। इसके लिए, FedML कोर ट्रेनर और एग्रीगेटर को सार करता है और उपयोगकर्ताओं को दो अमूर्त वस्तुएँ प्रदान करता है, FedML.core.ClientTrainer
और FedML.core.ServerAggregator
, जिसे केवल इन दो अमूर्त वस्तुओं के इंटरफेस को इनहेरिट करने और उन्हें FedMLRunner को पास करने की आवश्यकता है। ऐसा अनुकूलन एमएल डेवलपर्स को अधिकतम लचीलापन प्रदान करता है। आप मनमाने ढंग से मॉडल संरचनाओं, अनुकूलक, हानि कार्यों, और बहुत कुछ परिभाषित कर सकते हैं। इन अनुकूलनों को FedMLRunner की मदद से ओपन-सोर्स कम्युनिटी, ओपन प्लेटफॉर्म, और एप्लिकेशन इकोलॉजी के साथ सहजता से जोड़ा जा सकता है, जो इनोवेटिव एल्गोरिदम से लेकर व्यावसायीकरण तक की लंबी समस्या को पूरी तरह से हल करता है।
अंत में, जैसा कि पिछले आंकड़े में दिखाया गया है, फेडएमएल वितरित कंप्यूटिंग प्रक्रियाओं का समर्थन करता है, जैसे कि जटिल सुरक्षा प्रोटोकॉल और डायरेक्टेड एसाइक्लिक ग्राफ (डीएजी) प्रवाह कंप्यूटिंग प्रक्रिया के रूप में वितरित प्रशिक्षण, स्टैंडअलोन प्रोग्राम के समान जटिल प्रोटोकॉल का लेखन करना। इस विचार के आधार पर, सुरक्षा प्रोटोकॉल फ्लो लेयर 1 और एमएल एल्गोरिथम प्रक्रिया फ्लो लेयर 2 को आसानी से अलग किया जा सकता है ताकि सुरक्षा इंजीनियर और एमएल इंजीनियर एक मॉड्यूलर आर्किटेक्चर को बनाए रखते हुए काम कर सकें।
FedML ओपन-सोर्स लाइब्रेरी एज के साथ-साथ क्लाउड के लिए फ़ेडरेटेड ML उपयोग मामलों का समर्थन करती है। किनारे पर, ढांचा मोबाइल फोन और इंटरनेट ऑफ थिंग्स (IoT) उपकरणों के लिए बढ़त मॉडल के प्रशिक्षण और तैनाती की सुविधा प्रदान करता है। क्लाउड में, यह वैश्विक सहयोगी एमएल को सक्षम करता है, जिसमें बहु-क्षेत्र और बहु-किरायेदार सार्वजनिक क्लाउड एकत्रीकरण सर्वर शामिल हैं, साथ ही डॉकर मोड में निजी क्लाउड परिनियोजन भी शामिल है। फ्रेमवर्क गोपनीयता-संरक्षण FL जैसे सुरक्षा, गोपनीयता, दक्षता, कमजोर पर्यवेक्षण और निष्पक्षता के संबंध में प्रमुख चिंताओं को संबोधित करता है।
निष्कर्ष
इस पोस्ट में, हमने दिखाया कि आप AWS पर ओपन-सोर्स FedML फ्रेमवर्क को कैसे परिनियोजित कर सकते हैं। यह आपको वितरित डेटा पर एक एमएल मॉडल को साझा करने या स्थानांतरित करने की आवश्यकता के बिना प्रशिक्षित करने की अनुमति देता है। हम एक मल्टी-अकाउंट आर्किटेक्चर स्थापित करते हैं, जहां वास्तविक दुनिया के परिदृश्य में, संगठन डेटा गवर्नेंस को बनाए रखते हुए सहयोगी शिक्षण से लाभ उठाने के लिए पारिस्थितिकी तंत्र में शामिल हो सकते हैं। में अगली पोस्ट, हम वास्तविक दुनिया के परिदृश्य में इसकी प्रभावशीलता प्रदर्शित करने के लिए मल्टी-हॉस्पिटल ईआईसीयू डेटासेट का उपयोग करते हैं।
कृपया पुनः प्रस्तुति की समीक्षा करें: MARS 2022 "पर केंद्रित है"AWS पर प्रबंधित फ़ेडरेटेड लर्निंग: स्वास्थ्य देखभाल के लिए एक केस स्टडी” इस समाधान के विस्तृत पूर्वाभ्यास के लिए।
संदर्भ
[1] कैसिस, जीए, मकोवस्की, एमआर, रूकर्ट, डी. एट अल। मेडिकल इमेजिंग में सुरक्षित, गोपनीयता-संरक्षण और फ़ेडरेटेड मशीन लर्निंग। नेट मच इंटेल 2, 305–311 (2020)। https://doi.org/10.1038/s42256-020-0186-1
[2] फेडएमएल https://fedml.ai
लेखक के बारे में
ओलिविया चौधरी, PhD, AWS में सीनियर पार्टनर सॉल्यूशन आर्किटेक्ट हैं। वह AWS का लाभ उठाते हुए हेल्थकेयर और लाइफ साइंसेज डोमेन, डिजाइन, विकास और अत्याधुनिक समाधानों में भागीदारों की मदद करती है। उसके पास जीनोमिक्स, हेल्थकेयर एनालिटिक्स, फ़ेडरेटेड लर्निंग और प्राइवेसी-प्रोटेक्टिंग मशीन लर्निंग की पृष्ठभूमि है। काम के बाहर, वह बोर्ड गेम खेलती है, लैंडस्केप पेंट करती है और मंगा इकट्ठा करती है।
विद्या सागर रविपति में Manager है अमेज़न एमएल सॉल्यूशंस लैब, जहां वह बड़े पैमाने पर वितरित प्रणालियों में अपने विशाल अनुभव का लाभ उठाता है और विभिन्न उद्योग कार्यक्षेत्रों में AWS ग्राहकों की मदद करने के लिए मशीन लर्निंग के लिए उनका जुनून उनके AI और क्लाउड अपनाने में तेजी लाता है। पहले, वह अमेज़ॅन में कनेक्टिविटी सर्विसेज में मशीन लर्निंग इंजीनियर थे, जिन्होंने निजीकरण और भविष्य कहनेवाला रखरखाव प्लेटफार्मों का निर्माण करने में मदद की।
वजाहत अजीज AWS में एक प्रिंसिपल मशीन लर्निंग और HPC सॉल्यूशंस आर्किटेक्ट हैं, जहाँ वे हेल्थकेयर और लाइफ साइंसेज के ग्राहकों की मदद करने पर ध्यान केंद्रित करते हैं, जो कि ड्रग डेवलपमेंट जैसे विभिन्न प्रकार के उपयोग के मामलों के लिए अत्याधुनिक ML और HPC समाधान विकसित करने के लिए AWS तकनीकों का लाभ उठाते हैं। क्लिनिकल परीक्षण, और गोपनीयता संरक्षण मशीन लर्निंग। काम से बाहर, वजाहत को प्रकृति की खोज करना, लंबी पैदल यात्रा करना और पढ़ना पसंद है।
दिव्या भार्गवी अमेज़न एमएल सॉल्यूशंस लैब में डेटा साइंटिस्ट और मीडिया एंड एंटरटेनमेंट वर्टिकल लीड हैं, जहां वह मशीन लर्निंग का उपयोग करके AWS ग्राहकों के लिए उच्च-मूल्य वाली व्यावसायिक समस्याओं को हल करती हैं। वह छवि/वीडियो समझ, ज्ञान ग्राफ अनुशंसा प्रणाली, भविष्य कहनेवाला विज्ञापन उपयोग मामलों पर काम करती है।
उज्जवल रतन AWS हेल्थकेयर और लाइफ साइंस बिजनेस यूनिट में AI/ML और डेटा साइंस के लिए अग्रणी है और प्रिंसिपल AI/ML सॉल्यूशन आर्किटेक्ट भी है। वर्षों से, उज्ज्वल स्वास्थ्य सेवा और जीवन विज्ञान उद्योग में एक विचारक नेता रहे हैं, जिन्होंने मशीन लर्निंग को अपनाकर कई ग्लोबल फॉर्च्यून 500 संगठनों को उनके नवाचार लक्ष्यों को प्राप्त करने में मदद की। मेडिकल इमेजिंग, असंरचित क्लिनिकल टेक्स्ट और जीनोमिक्स के विश्लेषण से जुड़े उनके काम ने AWS को ऐसे उत्पाद और सेवाएं बनाने में मदद की है जो अत्यधिक व्यक्तिगत और सटीक लक्षित डायग्नोस्टिक्स और चिकित्सीय प्रदान करते हैं। अपने खाली समय में, वह संगीत सुनना (और बजाना) पसंद करता है और अपने परिवार के साथ अनियोजित सड़क यात्राएं करता है।
चाओयांग हे FedML, Inc. का सह-संस्थापक और CTO है, जो किसी भी पैमाने पर कहीं से भी सामुदायिक भवन खुले और सहयोगी AI के लिए चल रहा स्टार्टअप है। उनका शोध वितरित/संघीय मशीन लर्निंग एल्गोरिदम, सिस्टम और एप्लिकेशन पर केंद्रित है। उन्होंने अपनी पीएच.डी. कंप्यूटर विज्ञान में से दक्षिणी कैलिफोर्निया विश्वविद्यालय, लॉस एंजिल्स, यूएसए।
सलमान एवेस्टीमर यूएससी-अमेजन सेंटर फॉर सिक्योर एंड ट्रस्टेड मशीन लर्निंग (ट्रस्टेड एआई) के उद्घाटन निदेशक प्रोफेसर हैं, और इलेक्ट्रिकल और कंप्यूटर इंजीनियरिंग विभाग और कंप्यूटर विज्ञान विभाग में सूचना सिद्धांत और मशीन लर्निंग (वीआईटीएएल) अनुसंधान प्रयोगशाला के निदेशक हैं। दक्षिणी कैलिफोर्निया विश्वविद्यालय। वह फेडएमएल के सह-संस्थापक और सीईओ भी हैं। उन्होंने मेरी पीएच.डी. 2008 में यूसी बर्कले से इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर विज्ञान में। उनका शोध सूचना सिद्धांत, विकेंद्रीकृत और संघीकृत मशीन सीखने, सुरक्षित और गोपनीयता-संरक्षण सीखने और कंप्यूटिंग के क्षेत्रों पर केंद्रित है।
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोब्लॉकचैन। Web3 मेटावर्स इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- स्रोत: https://aws.amazon.com/blogs/machine-learning/part-1-federated-learning-on-aws-with-fedml-health-analytics-without-sharing-sensitive-data/
- 000
- 1
- 10
- 100
- 2%
- 2020
- 2022
- 7
- a
- क्षमता
- अमूर्त
- एब्सट्रैक्ट
- शैक्षिक
- में तेजी लाने के
- तक पहुँचने
- लेखा
- अकौन्टस(लेखा)
- पाना
- के पार
- सक्रिय
- गतिविधियों
- अचक्रीय
- पता
- पतों
- दत्तक
- अपनाने
- दत्तक ग्रहण
- उन्नत
- विज्ञापन
- समुच्चय
- एकत्रीकरण
- एग्रीगेटर
- AI
- ऐ / एमएल
- कलन विधि
- एल्गोरिथम
- एल्गोरिदम
- सब
- की अनुमति देता है
- वीरांगना
- अमेज़न एमएल सॉल्यूशंस लैब
- के बीच में
- विश्लेषण
- विश्लेषिकी
- विश्लेषण करें
- का विश्लेषण
- और
- और बुनियादी ढांचे
- एंजेल्स
- कहीं भी
- एपीआई
- आवेदन
- अनुप्रयोगों
- लागू
- स्थापत्य
- क्षेत्रों के बारे में जानकारी का उपयोग करके ट्रेडिंग कर सकते हैं।
- जुड़े
- एडब्ल्यूएस
- पृष्ठभूमि
- आधारित
- आधारभूत
- क्योंकि
- जा रहा है
- लाभ
- बर्कले
- बेहतर
- पूर्वाग्रह
- अरबों
- ब्लॉग
- मंडल
- बोर्ड खेल
- लाता है
- निर्माण
- इमारत
- व्यापार
- कैलिफ़ोर्निया
- बुलाया
- कौन
- मामला
- मामले का अध्ययन
- मामलों
- वर्गीकरण
- केंद्र
- केंद्रीय
- केंद्रीकृत
- मुख्य कार्यपालक अधिकारी
- चुनौती
- चुनौतियों
- रासायनिक
- चुनें
- ग्राहकों
- क्लिनिकल
- क्लिनिकल परीक्षण
- बादल
- बादल को गोद लेना
- सह-संस्थापक
- कोड
- सहयोगी
- व्यावसायीकरण
- समुदाय
- सामुदायिक भवन
- कंपनियों
- पूरा
- पूरी तरह से
- जटिल
- व्यापक
- कंप्यूटर
- कंप्यूटर इंजीनियरिंग
- कम्प्यूटर साइंस
- Computer Vision
- कंप्यूटिंग
- अवधारणाओं
- चिंता
- चिंताओं
- आश्वस्त
- जुड़ा हुआ
- कनेक्टिविटी
- मिलकर
- संघ
- निरंतर
- की कमी
- जारी
- नियंत्रण
- समन्वय
- मूल
- लागत
- बनाना
- महत्वपूर्ण
- सीटीओ
- क्यूरेटिंग
- ग्राहक
- अनुकूलन
- डेग
- तिथि
- डेटा विश्लेषण
- आँकड़ा खनन
- डेटा अंक
- डेटा विज्ञान
- आँकड़े वाला वैज्ञानिक
- डेटा साझा करना
- डेटा पर ही आधारित
- डाटाबेस
- डेटासेट
- विकेन्द्रीकृत
- निर्णय
- प्रसव
- दिखाना
- साबित
- विभाग
- तैनात
- तैनाती
- वर्णित
- विवरण
- डिज़ाइन
- विस्तृत
- विवरण
- विकसित करना
- विकसित
- डेवलपर्स
- विकासशील
- विकास
- युक्ति
- डिवाइस
- विभिन्न
- निदेशक
- वितरित
- वितरित अभिकलन
- वितरित प्रणाली
- वितरित प्रशिक्षण
- कई
- डाक में काम करनेवाला मज़दूर
- नहीं करता है
- डोमेन
- डोमेन
- दवा
- दौरान
- से प्रत्येक
- पूर्व
- आसानी
- पारिस्थितिकी तंत्र
- Edge
- शिक्षा
- प्रभावशीलता
- दक्षता
- प्रयास
- भी
- सक्षम बनाता है
- इंजीनियर
- अभियांत्रिकी
- इंजीनियर्स
- मनोरंजन
- घटनाओं
- अनुभव
- का पता लगाने
- की सुविधा
- की सुविधा
- निष्पक्षता
- परिवार
- आकृति
- अंतिम
- अंत में
- वित्त
- प्रथम
- लचीलापन
- लचीला
- प्रवाह
- ध्यान केंद्रित
- केंद्रित
- निम्नलिखित
- इस प्रकार है
- धन
- ढांचा
- मुक्त
- से
- पूर्ण
- कार्यों
- भविष्य
- Games
- सभा
- जीनोमिक्स
- वैश्विक
- लक्ष्य
- लक्ष्यों
- शासन
- ढ़ाल
- ग्राफ
- अधिक से अधिक
- बहुत
- बढ़ रहा है
- विकास
- दिशा निर्देशों
- स्वास्थ्य
- स्वास्थ्य सेवा
- धारित
- मदद
- मदद की
- मदद
- मदद करता है
- उच्च गुणवत्ता
- अत्यधिक
- अस्पतालों
- कैसे
- एचपीसी
- HTTPS
- विचार
- इमेजिंग
- कार्यान्वित
- आयात
- में सुधार
- उन्नत
- सुधार
- in
- निष्क्रिय
- उद्घाटन
- इंक
- सहित
- बढ़ना
- उद्योगों
- उद्योग
- करें-
- इंफ्रास्ट्रक्चर
- पहल
- नवोन्मेष
- अभिनव
- अंतर्दृष्टि
- संस्थानों
- ब्याज
- इंटरफेस
- इंटरनेट
- चीजों की इंटरनेट
- IOT
- IT
- में शामिल होने
- कुंजी
- ज्ञान
- ज्ञान ग्राफ
- प्रयोगशाला
- रंग
- भाषा
- बड़ा
- बड़े पैमाने पर
- परत
- परत 1
- परत 2
- नेतृत्व
- नेता
- सीख रहा हूँ
- नेतृत्व
- स्तर
- लीवरेज
- leverages
- लाभ
- पुस्तकालय
- जीवन
- जीवन विज्ञान
- जीवन विज्ञान
- सीमाएं
- सुनना
- भार
- स्थानीय
- स्थानीय स्तर पर
- लंबा
- उन
- लॉस एंजिल्स
- बंद
- मशीन
- यंत्र अधिगम
- बनाए रखना
- रखरखाव
- प्रमुख
- निर्माण
- प्रबंधन
- प्रबंध
- प्रबंधक
- प्रबंध
- ढंग
- मंगल ग्रह
- अधिकतम
- सार्थक
- मीडिया
- मेडिकल
- दवा
- उल्लेख किया
- दस लाख
- खनिज
- एमआईटी
- कम करना
- ML
- मोबाइल
- मोबाइल फोन
- मोड
- आदर्श
- मॉडल
- मॉड्यूलर
- अधिक
- चाल
- चलती
- विभिन्न
- संगीत
- प्राकृतिक
- प्राकृतिक भाषा संसाधन
- प्रकृति
- आवश्यकता
- नया
- अगला
- वस्तु
- वस्तुओं
- ऑफर
- ONE
- खुला
- खुला स्रोत
- संचालित
- अवसर
- संगठनों
- अन्य
- बाहर
- मिसाल
- पैरामीटर
- भाग
- प्रतिभागियों
- साथी
- भागीदारों
- जुनून
- रोगी
- निष्पादन
- प्रदर्शन
- निजीकरण
- निजीकृत
- फार्मा
- फार्मास्युटिकल
- फोन
- मंच
- प्लेटफार्म
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- खेल
- बिन्दु
- पॉइंट ऑफ व्यू
- अंक
- बन गया है
- पद
- संभावित
- संचालित
- व्यावहारिक
- ठीक - ठीक
- शुद्धता
- भविष्यवाणी करना
- भविष्यवाणियों
- वर्तमान
- प्रदर्शन
- प्रस्तुत
- पहले से
- प्राथमिक
- प्रिंसिपल
- एकांत
- निजी
- मुसीबत
- समस्याओं
- प्रक्रिया
- प्रक्रियाओं
- प्रसंस्करण
- उत्पाद
- प्रोफेसर
- कार्यक्रम
- प्रोग्राम्स
- प्रगति
- प्रस्ताव
- संरक्षण
- प्रोटोकॉल
- प्रोटोकॉल
- प्रदान करना
- प्रदान करता है
- सार्वजनिक
- सार्वजनिक क्लाउड
- दुर्लभ
- RE
- पढ़ना
- असली दुनिया
- प्राप्त
- हाल
- सिफारिश
- कम कर देता है
- को कम करने
- सादर
- विनियमित
- नियामक
- कोष
- प्रतिनिधित्व
- की आवश्यकता होती है
- आवश्यकता
- की आवश्यकता होती है
- अनुसंधान
- कि
- परिणाम
- बनाए रखने की
- की समीक्षा
- जोखिम
- सड़क
- दौर
- दौड़ना
- वही
- स्केल
- विज्ञान
- विज्ञान
- वैज्ञानिक
- वैज्ञानिकों
- मूल
- सेक्टर्स
- सुरक्षित
- सुरक्षा
- शोध
- वरिष्ठ
- संवेदनशील
- कई
- सर्वर
- सेवाएँ
- सेट
- कई
- Share
- साझा
- शेयरों
- बांटने
- दिखाना
- दिखाया
- महत्वपूर्ण
- समान
- अनुकार
- एक
- साइट
- साइटें
- छोटा
- So
- समाधान
- समाधान ढूंढे
- हल करती है
- कुछ
- दक्षिण
- स्टैंडअलोन
- प्रारंभ
- स्टार्टअप
- राज्य के-the-कला
- फिर भी
- की दुकान
- अध्ययन
- सफलतापूर्वक
- ऐसा
- पर्याप्त
- पर्यवेक्षण
- समर्थन
- समर्थन करता है
- सिस्टम
- ले जा
- लक्षित
- कार्य
- टेक्नोलॉजीज
- टेक्नोलॉजी
- परीक्षण
- RSI
- जानकारी
- लेकिन हाल ही
- चिकित्साविधान
- इसलिये
- चीज़ें
- विचार
- तीन
- पहर
- सेवा मेरे
- रेलगाड़ी
- प्रशिक्षित
- प्रशिक्षण
- परीक्षण
- विश्वस्त
- प्रकार
- आम तौर पर
- आधारभूत
- समझ
- इकाई
- विश्वविद्यालय
- अपडेट
- अमेरिका
- उपयोग
- उपयोगकर्ताओं
- उपयोगिता
- मान
- विविधता
- व्यापक
- कार्यक्षेत्र
- देखें
- दृष्टि
- महत्वपूर्ण
- आयतन
- walkthrough
- कौन कौन से
- जब
- कौन
- चौड़ा
- अंदर
- बिना
- काम
- कार्य
- लिखना
- लिख रहे हैं
- साल
- प्राप्ति
- आप
- जेफिरनेट