यह पोस्ट थॉमसन रॉयटर्स के हेशम फहीम द्वारा सह-लिखा गया है।
थॉमसन रॉयटर्स (टीआर) व्यवसायों और पेशेवरों के लिए दुनिया के सबसे भरोसेमंद सूचना संगठनों में से एक है। यह कंपनियों को बुद्धिमत्ता, तकनीक और मानवीय विशेषज्ञता प्रदान करता है, जिसकी उन्हें विश्वसनीय उत्तर खोजने की आवश्यकता होती है, जिससे वे अधिक तेज़ी से बेहतर निर्णय लेने में सक्षम होते हैं। टीआर के ग्राहक वित्तीय, जोखिम, कानूनी, कर, लेखा और मीडिया बाजारों में फैले हुए हैं।
Thomson Reuters टैक्स, कानूनी और समाचार अभियान में बाज़ार-अग्रणी उत्पाद प्रदान करता है, जिसके लिए उपयोगकर्ता सब्सक्रिप्शन लाइसेंसिंग मॉडल का उपयोग करके साइन अप कर सकते हैं। अपने ग्राहकों के लिए इस अनुभव को बढ़ाने के लिए, टीआर एक केंद्रीकृत अनुशंसा मंच बनाना चाहता था जो उनकी बिक्री टीम को अपने ग्राहकों को सबसे प्रासंगिक सदस्यता पैकेज सुझाने की अनुमति देता है, ऐसे सुझाव पैदा करता है जो उत्पादों के बारे में जागरूकता बढ़ाने में मदद करते हैं जो उनके ग्राहकों को बाजार की बेहतर सेवा करने में मदद कर सकते हैं। अनुकूलित उत्पाद चयन।
इस केंद्रीकृत प्लेटफ़ॉर्म के निर्माण से पहले, TR के पास नवीनीकरण अनुशंसाएँ उत्पन्न करने के लिए एक विरासत नियम-आधारित इंजन था। इस इंजन में नियमों को पूर्वनिर्धारित किया गया था और SQL में लिखा गया था, जो एक चुनौती को प्रबंधित करने के अलावा, TR के विभिन्न एकीकृत डेटा स्रोत से डेटा के प्रसार से निपटने के लिए भी संघर्ष करता था। टीआर ग्राहक डेटा तेजी से बदल रहा है, क्योंकि व्यापार नियम बदलते ग्राहकों की जरूरतों को प्रतिबिंबित करने के लिए विकसित हो सकते हैं। टीआर के नए मशीन लर्निंग (एमएल) आधारित निजीकरण इंजन की मुख्य आवश्यकता एक सटीक अनुशंसा प्रणाली के आसपास केंद्रित थी जो हाल के ग्राहक रुझानों को ध्यान में रखती है। वांछित समाधान कम परिचालन ओवरहेड वाला एक होगा, व्यावसायिक लक्ष्यों को पूरा करने में तेजी लाने की क्षमता, और एक निजीकरण इंजन जिसे उपभोक्ता की बदलती आदतों और नए उत्पादों से निपटने के लिए लगातार अद्यतन डेटा के साथ प्रशिक्षित किया जा सकता है।
टीआर के ग्राहकों के लिए मूल्यवान उत्पाद क्या होंगे, इसके आधार पर नवीनीकरण की सिफारिशों को वैयक्तिकृत करना बिक्री और विपणन टीम के लिए एक महत्वपूर्ण व्यावसायिक चुनौती थी। TR के पास डेटा का खजाना है जिसका उपयोग वैयक्तिकरण के लिए किया जा सकता है जिसे ग्राहक इंटरैक्शन से एकत्र किया गया है और एक केंद्रीकृत डेटा वेयरहाउस में संग्रहीत किया गया है। टीआर एमएल का शुरुआती अपनाने वाला रहा है अमेज़न SageMaker, और एआई/एमएल डोमेन में उनकी परिपक्वता का मतलब है कि उन्होंने डेटा वेयरहाउस के भीतर प्रासंगिक डेटा का एक महत्वपूर्ण डेटासेट एकत्र किया था, जिसके साथ टीम एक निजीकरण मॉडल को प्रशिक्षित कर सकती थी। टीआर ने अपने एआई/एमएल नवाचार को जारी रखा है और हाल ही में इसका उपयोग करते हुए एक नया सिफारिश मंच विकसित किया है अमेज़न निजीकृत, जो पूरी तरह से प्रबंधित ML सेवा है जो उपयोगकर्ताओं के लिए अनुशंसाएँ उत्पन्न करने के लिए उपयोगकर्ता इंटरैक्शन और आइटम का उपयोग करती है। इस पोस्ट में, हम समझाते हैं कि कैसे TR ने Amazon Personalize का उपयोग एक स्केलेबल, मल्टी-टेनेंटेड अनुशंसा प्रणाली बनाने के लिए किया जो अपने ग्राहकों को सर्वोत्तम उत्पाद सदस्यता योजना और संबंधित मूल्य प्रदान करता है।
समाधान वास्तुकला
डेटा के माध्यम से उपयोगकर्ताओं को समझने के लिए टीआर के मुख्य संचालन पर विचार करते हुए समाधान तैयार किया जाना था; इन उपयोगकर्ताओं को डेटा के बड़े संग्रह से वैयक्तिकृत और प्रासंगिक सामग्री प्रदान करना एक मिशन-महत्वपूर्ण आवश्यकता थी। एक अच्छी तरह से डिज़ाइन की गई अनुशंसा प्रणाली का होना गुणवत्ता अनुशंसाएँ प्राप्त करने की कुंजी है जो प्रत्येक उपयोगकर्ता की आवश्यकताओं के लिए अनुकूलित होती हैं।
समाधान के लिए उपयोगकर्ता व्यवहार डेटा एकत्र करना और तैयार करना, अमेज़ॅन पर्सनलाइज़ का उपयोग करके एमएल मॉडल को प्रशिक्षित करना, प्रशिक्षित मॉडल के माध्यम से व्यक्तिगत अनुशंसाएँ तैयार करना और व्यक्तिगत अनुशंसाओं के साथ मार्केटिंग अभियान चलाना आवश्यक है।
टीआर संचालन को आसान बनाने और अविभाजित भारी भारोत्तोलन को कम करने के लिए जहां संभव हो, एडब्ल्यूएस प्रबंधित सेवाओं का लाभ उठाना चाहता था। टीआर इस्तेमाल किया AWS ग्लू डेटाब्रयू और AWS बैच ML पाइपलाइनों में एक्सट्रेक्ट, ट्रांसफॉर्म और लोड (ETL) जॉब करने के लिए जॉब्स, और Amazon Personalize के साथ SageMaker अनुशंसाओं को तैयार करने के लिए। एक प्रशिक्षण डेटा वॉल्यूम और रनटाइम परिप्रेक्ष्य से, टीआर की व्यावसायिक टीमों में डाउनस्ट्रीम उपभोक्ताओं के लिए पहले से प्रतिबद्ध समय सीमा के भीतर लाखों रिकॉर्ड को संसाधित करने के लिए स्केलेबल होने के लिए आवश्यक समाधान।
निम्नलिखित खंड समाधान में शामिल घटकों की व्याख्या करते हैं।
एमएल प्रशिक्षण पाइपलाइन
उपयोगकर्ताओं और सामग्री के बीच सहभागिता क्लिकस्ट्रीम डेटा के रूप में एकत्र की जाती है, जो ग्राहक द्वारा सामग्री पर क्लिक करने पर उत्पन्न होती है। टीआर विश्लेषण करता है कि क्या यह उनकी सदस्यता योजना का हिस्सा है या उनकी सदस्यता योजना से परे है ताकि वे मूल्य और योजना नामांकन विकल्पों के बारे में अतिरिक्त विवरण प्रदान कर सकें। विभिन्न स्रोतों से उपयोगकर्ता इंटरैक्शन डेटा उनके डेटा वेयरहाउस में बना रहता है।
निम्नलिखित आरेख एमएल प्रशिक्षण पाइपलाइन को दिखाता है।
पाइपलाइन एक AWS बैच जॉब से शुरू होती है जो डेटा वेयरहाउस से डेटा को निकालती है और डेटा को इंटरेक्शन, उपयोगकर्ता और आइटम डेटासेट बनाने के लिए बदल देती है।
मॉडल को प्रशिक्षित करने के लिए निम्नलिखित डेटासेट का उपयोग किया जाता है:
- संरचित उत्पाद डेटा - सदस्यता, आदेश, उत्पाद सूची, लेनदेन और ग्राहक विवरण
- अर्ध-संरचित व्यवहार डेटा - उपयोगकर्ता, उपयोग और इंटरैक्शन
यह रूपांतरित डेटा एक में संग्रहीत किया जाता है अमेज़न सरल भंडारण सेवा (Amazon S3) बाल्टी, जिसे एमएल प्रशिक्षण के लिए Amazon Personalize में आयात किया जाता है। क्योंकि TR अपने उपयोगकर्ताओं के लिए वैयक्तिकृत अनुशंसाएँ उत्पन्न करना चाहता है, इसलिए वे इसका उपयोग करते हैं उपयोगकर्ता_वैयक्तिकरण एमएल मॉडल को उनके कस्टम डेटा के लिए प्रशिक्षित करने के लिए नुस्खा, जिसे एक समाधान संस्करण बनाने के रूप में संदर्भित किया जाता है। समाधान संस्करण बन जाने के बाद, इसका उपयोग उपयोगकर्ताओं के लिए वैयक्तिकृत अनुशंसाएँ उत्पन्न करने के लिए किया जाता है।
संपूर्ण वर्कफ़्लो का उपयोग करके ऑर्केस्ट्रेटेड है AWS स्टेप फ़ंक्शंस. चेतावनियों और सूचनाओं का उपयोग करके Microsoft Teams में कैप्चर और प्रकाशित किया जाता है अमेज़न सरल अधिसूचना सेवा (अमेज़ॅन एसएनएस) और अमेज़न EventBridge.
वैयक्तिकृत अनुशंसाएँ पाइपलाइन बनाना: बैच अनुमान
ग्राहकों की आवश्यकताएँ और प्राथमिकताएँ बहुत बार बदलती हैं, और क्लिकस्ट्रीम डेटा में कैप्चर किए गए नवीनतम इंटरैक्शन ग्राहक की बदलती प्राथमिकताओं को समझने के लिए एक प्रमुख डेटा बिंदु के रूप में कार्य करते हैं। ग्राहकों की हमेशा बदलती प्राथमिकताओं के अनुकूल होने के लिए, टीआर दैनिक आधार पर व्यक्तिगत सिफारिशें तैयार करता है।
निम्नलिखित आरेख वैयक्तिकृत अनुशंसाएँ उत्पन्न करने के लिए पाइपलाइन को दिखाता है।
DataBrew जॉब उन उपयोगकर्ताओं के लिए TR डेटा वेयरहाउस से डेटा निकालता है जो वर्तमान सदस्यता योजना और हाल की गतिविधि के आधार पर नवीनीकरण के दौरान अनुशंसाएँ प्रदान करने के योग्य हैं। DataBrew विज़ुअल डेटा प्रिपरेशन टूल TR डेटा विश्लेषकों और डेटा वैज्ञानिकों के लिए डेटा को एनालिटिक्स और ML के लिए तैयार करने के लिए साफ़ और सामान्य बनाना आसान बनाता है। किसी भी कोड को लिखने की आवश्यकता के बिना डेटा तैयारी कार्यों को स्वचालित करने के लिए दृश्य डेटा तैयारी उपकरण के भीतर 250 से अधिक पूर्व-निर्मित परिवर्तनों में से चुनने की क्षमता एक महत्वपूर्ण विशेषता थी। DataBrew जॉब बैच अनुशंसा कार्य के लिए इंटरैक्शन और इनपुट के लिए एक वृद्धिशील डेटासेट उत्पन्न करता है और आउटपुट को S3 बकेट में संग्रहीत करता है। नवनिर्मित वृद्धिशील डेटासेट को इंटरेक्शन डेटासेट में आयात किया जाता है। जब वृद्धिशील डेटासेट आयात कार्य सफल होता है, तो Amazon वैयक्तिकृत बैच अनुशंसा कार्य इनपुट डेटा के साथ चालू हो जाता है। अमेज़ॅन वैयक्तिकृत इनपुट डेटा में प्रदान किए गए उपयोगकर्ताओं के लिए नवीनतम अनुशंसाएं उत्पन्न करता है और इसे अनुशंसा S3 बकेट में संग्रहीत करता है।
नवगठित अनुशंसाओं के उपयोग के लिए तैयार होने से पहले मूल्य अनुकूलन अंतिम चरण है। टीआर जनरेट की गई सिफारिशों पर एक लागत अनुकूलन कार्य चलाता है और इस अंतिम चरण के हिस्से के रूप में सिफारिशों पर कस्टम मॉडल चलाने के लिए सैजमेकर का उपयोग करता है। AWS ग्लू जॉब Amazon Personalize से उत्पन्न आउटपुट को क्यूरेट करता है और इसे SageMaker कस्टम मॉडल द्वारा आवश्यक इनपुट प्रारूप में बदल देता है। टीआर एडब्ल्यूएस द्वारा प्रदान की जाने वाली सेवाओं की चौड़ाई का लाभ उठाने में सक्षम है, ग्राहक फर्म और अंतिम-उपयोगकर्ताओं के प्रकार के आधार पर सिफारिश मंच में अमेज़ॅन पर्सनलाइज़ और सेजमेकर दोनों का उपयोग करके।
संपूर्ण वर्कफ़्लो को स्टेप फ़ंक्शंस का उपयोग करके डिकूप और ऑर्केस्ट्रेटेड किया जाता है, जो डेटा प्रोसेसिंग आवश्यकताओं के आधार पर पाइपलाइन को स्केल करने का लचीलापन देता है। अमेज़ॅन एसएनएस और इवेंटब्रिज का उपयोग करके अलर्ट और नोटिफिकेशन कैप्चर किए जाते हैं।
ड्राइविंग ईमेल अभियान
मूल्य निर्धारण परिणामों के साथ सृजित अनुशंसाओं का उपयोग TR के ग्राहकों तक ईमेल अभियान चलाने के लिए किया जाता है। AWS बैच जॉब का उपयोग प्रत्येक ग्राहक के लिए सिफारिशों को क्यूरेट करने और अनुकूलित मूल्य निर्धारण जानकारी के साथ समृद्ध करने के लिए किया जाता है। इन अनुशंसाओं को TR के अभियान सिस्टम में शामिल किया गया है, जो निम्नलिखित ईमेल अभियान चलाते हैं:
- स्वचालित सदस्यता नवीनीकरण या नए उत्पादों के साथ अभियान अपग्रेड करें जो ग्राहक को रूचि दे सकते हैं
- बेहतर प्रस्तावों और अधिक प्रासंगिक उत्पादों और कानूनी सामग्री सामग्री के साथ मध्य-अनुबंध नवीनीकरण अभियान
इस प्रक्रिया की जानकारी ग्राहक पोर्टल पर भी दोहराई जाती है ताकि ग्राहक अपनी वर्तमान सदस्यता की समीक्षा कर रहे नए नवीनीकरण अनुशंसाओं को देख सकें। टीआर ने ईमेल अभियानों से उच्च रूपांतरण दर देखी है, जिससे नए अनुशंसा मंच को लागू करने के बाद से बिक्री के आदेश में वृद्धि हुई है।
आगे क्या है: रीयल-टाइम अनुशंसा पाइपलाइन
ग्राहकों की आवश्यकताएं और शॉपिंग व्यवहार वास्तविक समय में बदलते हैं, और रीयल-टाइम परिवर्तनों के लिए अनुशंसाओं को अपनाना सही सामग्री परोसने के लिए महत्वपूर्ण है। एक बैच अनुशंसा प्रणाली को लागू करने में बड़ी सफलता देखने के बाद, टीआर अब इस समाधान को अगले स्तर पर ले जाने की योजना बना रहा है, ताकि Amazon Personalize का उपयोग करके अनुशंसाएँ उत्पन्न करने के लिए एक वास्तविक समय की अनुशंसा पाइपलाइन को लागू किया जा सके।
निम्नलिखित आरेख रीयल-टाइम अनुशंसाएं प्रदान करने के लिए आर्किटेक्चर को दिखाता है।
रीयल-टाइम एकीकरण लाइव उपयोगकर्ता जुड़ाव डेटा एकत्र करने और इसे Amazon Personalize पर स्ट्रीम करने के साथ शुरू होता है। चूंकि उपयोगकर्ता टीआर के अनुप्रयोगों के साथ बातचीत कर रहे हैं, वे क्लिकस्ट्रीम ईवेंट उत्पन्न करते हैं, जो प्रकाशित होते हैं अमेज़न Kinesis डेटा स्ट्रीम. फिर घटनाओं को टीआर के केंद्रीकृत स्ट्रीमिंग प्लेटफॉर्म में शामिल किया जाता है, जो कि शीर्ष पर बनाया गया है अमेज़न प्रबंधित काफ्का के लिए स्ट्रीमिंग (अमेज़न एमएसके)। अमेज़ॅन एमएसके पूरी तरह से प्रबंधित अपाचे काफ्का के साथ वास्तविक समय में स्ट्रीमिंग डेटा को निगलना और संसाधित करना आसान बनाता है। इस आर्किटेक्चर में, Amazon MSK एक स्ट्रीमिंग प्लेटफॉर्म के रूप में कार्य करता है और रॉ इनकमिंग क्लिकस्ट्रीम इवेंट्स के लिए आवश्यक कोई भी डेटा ट्रांसफॉर्मेशन करता है। फिर ए AWS लाम्बा अमेज़ॅन वैयक्तिकृत डेटासेट के साथ संगत स्कीमा में घटनाओं को फ़िल्टर करने के लिए फ़ंक्शन ट्रिगर किया गया है और उन घटनाओं को एक अमेज़ॅन वैयक्तिकृत ईवेंट ट्रैकर का उपयोग करके धक्का दिया गया है putEvent
एपीआई। यह Amazon वैयक्तिकृत को आपके उपयोगकर्ता के सबसे हाल के व्यवहार से सीखने और अनुशंसाओं में प्रासंगिक आइटम शामिल करने की अनुमति देता है।
टीआर के वेब एप्लिकेशन में तैनात एपीआई का आह्वान करते हैं अमेज़ॅन एपीआई गेटवे अनुशंसाएँ प्राप्त करने के लिए, जो लैम्ब्डा फ़ंक्शन को ट्रिगर करता है a GetRecommendations
अमेज़ॅन वैयक्तिकृत के साथ एपीआई कॉल। अमेज़ॅन वैयक्तिकृत उपयोगकर्ता व्यवहार के लिए क्यूरेट की गई वैयक्तिकृत अनुशंसाओं का नवीनतम सेट प्रदान करता है, जो लैम्ब्डा और एपीआई गेटवे के माध्यम से वेब एप्लिकेशन को वापस प्रदान किए जाते हैं।
इस रीयल-टाइम आर्किटेक्चर के साथ, टीआर अपने ग्राहकों को उनके सबसे हाल के व्यवहार के लिए वैयक्तिकृत अनुशंसाओं के साथ सेवा प्रदान कर सकता है और उनकी आवश्यकताओं को बेहतर ढंग से पूरा कर सकता है।
निष्कर्ष
इस पोस्ट में, हमने आपको दिखाया कि कैसे TR ने अनुशंसा इंजन को लागू करने के लिए Amazon Personalize और अन्य AWS सेवाओं का उपयोग किया। अमेज़ॅन पर्सनलाइज़ ने टीआर को अपने ग्राहकों को सिफारिशें प्रदान करने के लिए उच्च-प्रदर्शन मॉडल के विकास और तैनाती में तेजी लाने में सक्षम बनाया। महीनों पहले की तुलना में टीआर अब हफ्तों के भीतर उत्पादों का एक नया सूट ऑनबोर्ड करने में सक्षम है। Amazon Personalize और SageMaker के साथ, TR अपने ग्राहकों के लिए बेहतर कंटेंट सब्सक्रिप्शन प्लान और कीमतों के साथ ग्राहक अनुभव को बढ़ाने में सक्षम है।
अगर आपको इस ब्लॉग को पढ़ने में मज़ा आया और Amazon Personalize के बारे में अधिक जानना चाहते हैं और यह कैसे आपके संगठन को अनुशंसा प्रणाली बनाने में मदद कर सकता है, तो कृपया देखें डेवलपर गाइड.
लेखक के बारे में
हेशाम फहीम थॉमसन रॉयटर्स में लीड मशीन लर्निंग इंजीनियर और पर्सनलाइजेशन इंजन आर्किटेक्ट हैं। उन्होंने शिक्षा और उद्योग में बड़े उद्यमों से लेकर मध्यम आकार के स्टार्टअप तक के संगठनों के साथ काम किया है। स्केलेबल डीप लर्निंग आर्किटेक्चर पर ध्यान देने के साथ, उनके पास मोबाइल रोबोटिक्स, बायोमेडिकल इमेज एनालिसिस के साथ-साथ सिफारिश करने वाले सिस्टम का अनुभव है। कंप्यूटर से दूर उन्हें एस्ट्रोफोटोग्राफी, पढ़ने और लंबी दूरी की बाइक चलाने में मजा आता है।
श्रीनिवास शेख बोस्टन स्थित AWS में एक समाधान वास्तुकार है। वह एंटरप्राइज़ ग्राहकों को उनकी क्लाउड यात्रा को गति देने में मदद करता है। उन्हें कंटेनर और मशीन लर्निंग तकनीकों का शौक है। अपने खाली समय में, वह अपने परिवार के साथ समय बिताना, खाना बनाना और यात्रा करना पसंद करते हैं।
वामशी कृष्ण एनबोथला एडब्ल्यूएस में सीनियर एप्लाइड एआई स्पेशलिस्ट आर्किटेक्ट हैं। वह उच्च प्रभाव वाले डेटा, एनालिटिक्स और मशीन लर्निंग पहलों में तेजी लाने के लिए विभिन्न क्षेत्रों के ग्राहकों के साथ काम करता है। वह एआई और एमएल में सिफारिश प्रणाली, एनएलपी और कंप्यूटर विजन क्षेत्रों के बारे में भावुक है। काम के बाहर, वामशी एक आरसी उत्साही है, जो आरसी उपकरण (विमान, कार और ड्रोन) बनाता है, और बागवानी का भी आनंद लेता है।
सिमोन ज़ुचेट AWS में एक वरिष्ठ समाधान वास्तुकार हैं। क्लाउड आर्किटेक्ट के रूप में 6 से अधिक वर्षों के अनुभव के साथ, सिमोन को नवीन परियोजनाओं पर काम करने में आनंद आता है जो संगठनों को व्यावसायिक समस्याओं से निपटने के तरीके को बदलने में मदद करती हैं। वह AWS में बड़े उद्यम ग्राहकों का समर्थन करने में मदद करता है और मशीन लर्निंग TFC का हिस्सा है। अपने पेशेवर जीवन के बाहर, उन्हें कारों और फोटोग्राफी पर काम करने में आनंद आता 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/how-thomson-reuters-delivers-personalized-content-subscription-plans-at-scale-using-amazon-personalize/
- 100
- 7
- a
- क्षमता
- योग्य
- About
- अकादमी
- में तेजी लाने के
- लेखा
- लेखांकन
- सही
- के पार
- गतिविधि
- अनुकूलन
- अतिरिक्त
- लाभ
- बाद
- AI
- ऐ / एमएल
- सब
- की अनुमति देता है
- पहले ही
- वीरांगना
- अमेज़न निजीकृत
- विश्लेषण
- विश्लेषकों
- विश्लेषिकी
- का विश्लेषण करती है
- और
- जवाब
- अपाचे
- एपीआई
- अनुप्रयोगों
- लागू
- एप्लाइड ए.आई.
- दृष्टिकोण
- स्थापत्य
- क्षेत्रों के बारे में जानकारी का उपयोग करके ट्रेडिंग कर सकते हैं।
- चारों ओर
- जुड़े
- को स्वचालित रूप से
- जागरूकता
- एडब्ल्यूएस
- एडब्ल्यूएस गोंद
- वापस
- आधारित
- आधार
- क्योंकि
- से पहले
- BEST
- बेहतर
- के बीच
- परे
- बायोमेडिकल
- ब्लॉग
- बोस्टन
- चौड़ाई
- निर्माण
- इमारत
- बनाया गया
- व्यापार
- व्यवसायों
- कॉल
- अभियान
- चुनाव प्रचार
- अभियान
- कारों
- सूची
- केंद्रित
- केंद्रीकृत
- चुनौती
- परिवर्तन
- परिवर्तन
- बदलना
- चुनें
- बादल
- कोड
- एकत्रित
- प्रतिबद्ध
- कंपनियों
- तुलना
- संगत
- घटकों
- कंप्यूटर
- Computer Vision
- कंप्यूटर्स
- पर विचार
- निरंतर
- उपभोक्ता
- उपभोक्ताओं
- कंटेनरों
- सामग्री
- निरंतर
- रूपांतरण
- मूल
- लागत
- सका
- बनाना
- बनाया
- बनाना
- क्यूरेट
- प्रबंधित करती है
- वर्तमान
- रिवाज
- ग्राहक
- ग्राहक डेटा
- ग्राहक अनुभव
- ग्राहक
- दैनिक
- तिथि
- डेटा तैयारी
- डेटा संसाधन
- डेटासेट
- सौदा
- निर्णय
- गहरा
- ध्यान लगा के पढ़ना या सीखना
- पहुंचाने
- बचाता है
- निर्भर करता है
- तैनात
- तैनाती
- तैनाती
- बनाया गया
- विवरण
- विकसित
- विकास
- विभिन्न
- दूरी
- डोमेन
- ड्राइव
- ड्राइविंग
- राजा
- दौरान
- से प्रत्येक
- पूर्व
- शीघ्र
- ऊपर उठाना
- पात्र
- ईमेल
- सक्षम
- समर्थकारी
- सगाई
- इंजन
- इंजीनियर
- समृद्ध
- उद्यम
- उद्यम
- सरगर्म
- संपूर्ण
- उपकरण
- कार्यक्रम
- घटनाओं
- कभी बदलते
- विकसित करना
- अनुभव
- विशेषज्ञता
- समझाना
- उद्धरण
- अर्क
- परिवार
- और तेज
- Feature
- फ़िल्टर
- अंतिम
- वित्तीय
- खोज
- फर्म
- लचीलापन
- फोकस
- निम्नलिखित
- प्रपत्र
- प्रारूप
- निर्मित
- फ्रेम
- से
- पूरी तरह से
- समारोह
- कार्यों
- प्रवेश द्वार
- उत्पन्न
- उत्पन्न
- उत्पन्न करता है
- सृजन
- मिल
- मिल रहा
- देता है
- लक्ष्यों
- महान
- होने
- मदद
- मदद करता है
- उच्च प्रदर्शन
- उच्चतर
- कैसे
- एचटीएमएल
- HTTPS
- मानव
- की छवि
- लागू करने के
- कार्यान्वयन
- आयात
- महत्वपूर्ण
- in
- शामिल
- आवक
- वृद्धि हुई
- उद्योग
- करें-
- पहल
- नवोन्मेष
- अभिनव
- निवेश
- एकीकृत
- एकीकरण
- बुद्धि
- बातचीत
- बातचीत
- ब्याज
- शामिल
- IT
- आइटम
- काम
- नौकरियां
- यात्रा
- कुंजी
- बड़ा
- पिछली बार
- ताज़ा
- नेतृत्व
- प्रमुख
- जानें
- सीख रहा हूँ
- विरासत
- कानूनी
- स्तर
- लाइसेंसिंग
- जीवन
- उत्तोलक
- जीना
- भार
- लंबा
- निम्न
- मशीन
- यंत्र अधिगम
- बनाना
- बनाता है
- प्रबंधन
- कामयाब
- बाजार
- मार्किट सर्वश्रेष्ठ
- विपणन (मार्केटिंग)
- Markets
- परिपक्वता
- मीडिया
- माइक्रोसॉफ्ट
- Microsoft टीम
- हो सकता है
- लाखों
- ML
- मोबाइल
- आदर्श
- मॉडल
- महीने
- अधिक
- अधिकांश
- आवश्यकता
- की जरूरत है
- नया
- नए उत्पादों
- समाचार
- अगला
- NLP
- अधिसूचना
- सूचनाएं
- ऑफर
- जहाज
- ONE
- परिचालन
- संचालन
- इष्टतमीकरण
- अनुकूलित
- ऑप्शंस
- आदेशों
- संगठन
- संगठनों
- अन्य
- बाहर
- संकुल
- भाग
- आवेशपूर्ण
- निष्पादन
- प्रदर्शन
- निजीकरण
- निजीकृत
- निजीकृत
- परिप्रेक्ष्य
- फ़ोटोग्राफ़ी
- पाइपलाइन
- योजना
- की योजना बना
- योजनाओं
- मंच
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- कृप्या अ
- बिन्दु
- द्वार
- संभव
- पद
- वरीयताओं
- तैयार करना
- तैयारी
- मूल्य
- मूल्य
- कीमत निर्धारण
- समस्याओं
- प्रक्रिया
- प्रसंस्करण
- एस्ट्रो मॉल
- उत्पाद
- पेशेवर
- पेशेवरों
- परियोजनाओं
- प्रदान करना
- बशर्ते
- प्रदान करता है
- प्रदान कर
- प्रकाशित
- धक्का
- गुणवत्ता
- जल्दी से
- उठाना
- लेकर
- मूल्यांकन करें
- कच्चा
- पढ़ना
- तैयार
- वास्तविक
- वास्तविक समय
- हाल
- हाल ही में
- नुस्खा
- सिफारिश
- सिफारिशें
- अभिलेख
- को कम करने
- निर्दिष्ट
- प्रतिबिंबित
- प्रासंगिक
- दोहराया
- अपेक्षित
- आवश्यकता
- आवश्यकताएँ
- परिणाम
- रायटर
- की समीक्षा
- जोखिम
- रोबोटिक्स
- नियम
- रन
- sagemaker
- विक्रय
- स्केलेबल
- स्केल
- स्केलिंग
- वैज्ञानिकों
- वर्गों
- सेक्टर्स
- देखकर
- वरिष्ठ
- सेवा
- कार्य करता है
- सेवा
- सेवाएँ
- सेवारत
- सेट
- खरीदारी
- हस्ताक्षर
- महत्वपूर्ण
- सरल
- को आसान बनाने में
- के बाद से
- So
- समाधान
- समाधान ढूंढे
- स्रोत
- सूत्रों का कहना है
- विशेषज्ञ
- खर्च
- शुरू होता है
- स्टार्टअप
- कदम
- भंडारण
- संग्रहित
- भंडार
- स्ट्रीमिंग
- अंशदान
- सदस्यता
- सफलता
- सफल
- सूट
- समर्थन
- प्रणाली
- सिस्टम
- अनुरूप
- लेना
- लेता है
- कार्य
- कर
- टीम
- टीमों
- टेक्नोलॉजीज
- टेक्नोलॉजी
- RSI
- लेकिन हाल ही
- थॉमसन रायटर
- यहाँ
- पहर
- सेवा मेरे
- साधन
- ऊपर का
- रेलगाड़ी
- प्रशिक्षित
- प्रशिक्षण
- लेनदेन
- बदालना
- परिवर्तनों
- तब्दील
- यात्रा का
- रुझान
- शुरू हो रहा
- विश्वस्त
- समझना
- समझ
- आधुनिकतम
- उन्नयन
- प्रयोग
- उपयोग
- उपयोगकर्ता
- उपयोगकर्ताओं
- मूल्यवान
- विभिन्न
- संस्करण
- के माध्यम से
- दृष्टि
- आयतन
- जरूरत है
- धन
- वेब
- वेब अनुप्रयोग
- सप्ताह
- क्या
- कौन कौन से
- कौन
- अंदर
- बिना
- काम
- काम किया
- काम कर रहे
- कार्य
- दुनिया की
- होगा
- लिखना
- लिखा हुआ
- साल
- आप
- आपका
- जेफिरनेट