यह तीन-भाग श्रृंखला दर्शाती है कि ग्राफ न्यूरल नेटवर्क (जीएनएन) का उपयोग कैसे करें और अमेज़न नेपच्यून का उपयोग करके मूवी अनुशंसाएँ उत्पन्न करने के लिए आईएमडीबी और बॉक्स ऑफिस मोजो मूवीज/टीवी/ओटीटी लाइसेंस योग्य डेटा पैकेज, जो मनोरंजन मेटाडेटा की एक विस्तृत श्रृंखला प्रदान करता है, जिसमें 1 बिलियन से अधिक उपयोगकर्ता रेटिंग शामिल हैं; 11 मिलियन से अधिक कलाकारों और चालक दल के सदस्यों के लिए क्रेडिट; 9 मिलियन फिल्म, टीवी और मनोरंजन शीर्षक; और 60 से अधिक देशों से वैश्विक बॉक्स ऑफिस रिपोर्टिंग डेटा। कई AWS मीडिया और मनोरंजन ग्राहक IMDb डेटा को लाइसेंस देते हैं AWS डेटा एक्सचेंज सामग्री की खोज में सुधार करने और ग्राहक जुड़ाव और प्रतिधारण बढ़ाने के लिए।
निम्नलिखित आरेख इस श्रृंखला के हिस्से के रूप में कार्यान्वित संपूर्ण वास्तुकला को दर्शाता है।
In भाग 1, हमने जीएनएन के अनुप्रयोगों और हमारे आईएमडीबी डेटा को ज्ञान ग्राफ (केजी) में बदलने और तैयार करने के बारे में चर्चा की। हमने एडब्ल्यूएस डाटा एक्सचेंज से डेटा डाउनलोड किया और इसे संसाधित किया एडब्ल्यूएस गोंद केजी फाइलें उत्पन्न करने के लिए। केजी फाइलों में संग्रहीत किया गया था अमेज़न सरल भंडारण सेवा (अमेज़न S3) और फिर लोड किया गया अमेज़न नेपच्यून.
In भाग 2, हमने प्रदर्शित किया कि कैसे उपयोग करना है अमेज़ॅन नेपच्यून एमएल (में अमेज़न SageMaker) KG को प्रशिक्षित करने और KG एम्बेडिंग बनाने के लिए।
इस पोस्ट में, हम आपको बताते हैं कि Amazon S3 में हमारे प्रशिक्षित KG एम्बेडिंग को कैसे लागू किया जाए ताकि कैटलॉग से बाहर के खोज उपयोग मामलों का उपयोग किया जा सके। अमेज़न ओपन सर्च सर्विस और AWS लाम्बा. आप इंटरैक्टिव खोज अनुभव के लिए एक स्थानीय वेब ऐप भी परिनियोजित करते हैं। इस पोस्ट में उपयोग किए गए सभी संसाधनों को सिंगल का उपयोग करके बनाया जा सकता है AWS क्लाउड डेवलपमेंट किट (AWS CDK) कमांड जैसा कि पोस्ट में बाद में बताया गया है।
पृष्ठभूमि
क्या आपने कभी अनजाने में किसी ऐसे सामग्री शीर्षक की खोज की है जो वीडियो स्ट्रीमिंग प्लेटफॉर्म में उपलब्ध नहीं था? यदि हाँ, तो आप पाएंगे कि एक खाली खोज परिणाम पृष्ठ का सामना करने के बजाय, आपको कलाकारों या चालक दल के सदस्यों के साथ समान शैली की फिल्मों की सूची मिलती है। यह एक आउट-ऑफ़-कैटलॉग खोज अनुभव है!
आउट-ऑफ़-कैटलॉग खोज (OOC) तब होता है जब आप एक खोज क्वेरी दर्ज करते हैं जिसका कैटलॉग में कोई सीधा मिलान नहीं होता है। यह घटना अक्सर वीडियो स्ट्रीमिंग प्लेटफॉर्म में होती है जो सीमित समय के लिए कई विक्रेताओं और उत्पादन कंपनियों से लगातार विभिन्न प्रकार की सामग्री खरीदते हैं। स्ट्रीमिंग कंपनी के कैटलॉग से फिल्मों और शो के बड़े ज्ञान के आधार पर प्रासंगिकता या मैपिंग की अनुपस्थिति के परिणामस्वरूप OOC सामग्री को क्वेरी करने वाले ग्राहकों के लिए एक उप-बराबर खोज अनुभव हो सकता है, जिससे प्लेटफॉर्म के साथ बातचीत का समय कम हो जाता है। यह मैपिंग सामग्री को सूचीबद्ध करने के लिए अक्सर OOC प्रश्नों को मैन्युअल रूप से मैप करके किया जा सकता है या मशीन लर्निंग (ML) का उपयोग करके स्वचालित किया जा सकता है।
इस पोस्ट में, हम बताते हैं कि IMDb डेटासेट (वैश्विक मनोरंजन मेटाडेटा का प्रमुख स्रोत) और नॉलेज ग्राफ़ की शक्ति का उपयोग करके OOC को कैसे संभालना है।
ओपन सर्च सर्विस एक पूरी तरह से प्रबंधित सेवा है जो आपके लिए इंटरएक्टिव लॉग एनालिटिक्स, रीयल-टाइम एप्लिकेशन मॉनिटरिंग, वेबसाइट खोज और बहुत कुछ करना आसान बनाती है। OpenSearch एक खुला स्रोत, वितरित खोज और एनालिटिक्स सुइट है जो Elasticsearch से प्राप्त हुआ है। OpenSearch सेवा OpenSearch के नवीनतम संस्करण, Elasticsearch के 19 संस्करणों (1.5 से 7.10 संस्करण) के लिए समर्थन, साथ ही OpenSearch डैशबोर्ड और किबाना (1.5 से 7.10 संस्करण) द्वारा संचालित विज़ुअलाइज़ेशन क्षमताओं की पेशकश करती है। OpenSearch सेवा में वर्तमान में दसियों हज़ार सक्रिय ग्राहक हैं, जिनमें सैकड़ों हज़ारों क्लस्टर प्रबंधन के तहत प्रति माह खरबों अनुरोधों को संसाधित करते हैं। OpenSearch सेवा kNN खोज की पेशकश करती है, जो उत्पाद अनुशंसाओं, धोखाधड़ी का पता लगाने, और छवि, वीडियो, और दस्तावेज़ और क्वेरी समानता जैसे कुछ विशिष्ट सिमेंटिक परिदृश्यों जैसे उपयोग के मामलों में खोज को बढ़ा सकती है। OpenSearch सेवा की प्राकृतिक भाषा समझ-संचालित खोज कार्यात्मकताओं के बारे में अधिक जानकारी के लिए देखें Amazon SageMaker और Amazon OpenSearch Service KNN सुविधा के साथ NLU-संचालित खोज एप्लिकेशन का निर्माण.
समाधान अवलोकन
इस पोस्ट में, हम OpenSearch सेवा की k-निकटतम पड़ोसी (kNN) खोज क्षमताओं का उपयोग करके ज्ञान ग्राफ़-आधारित एम्बेडिंग खोज के माध्यम से OOC स्थितियों को संभालने के लिए एक समाधान प्रस्तुत करते हैं। इस समाधान को लागू करने के लिए उपयोग की जाने वाली प्रमुख AWS सेवाएं OpenSearch Service, SageMaker, Lambda, और Amazon S3 हैं।
चेक आउट भाग 1 और भाग 2 अमेज़ॅन नेप्च्यून एमएल का उपयोग करके ज्ञान ग्राफ बनाने और जीएनएन एम्बेडिंग के बारे में अधिक जानने के लिए इस श्रृंखला का।
हमारा OOC समाधान मानता है कि स्ट्रीमिंग कंपनी KG और IMDb KG को मिलाकर आपके पास एक संयुक्त KG है। यह सरल पाठ प्रसंस्करण तकनीकों के माध्यम से किया जा सकता है जो शीर्षक प्रकार (मूवी, श्रृंखला, वृत्तचित्र), कास्ट और चालक दल के साथ शीर्षक से मेल खाते हैं। इसके अतिरिक्त, इस संयुक्त ज्ञान ग्राफ को उल्लिखित पाइपलाइनों के माध्यम से ज्ञान ग्राफ एम्बेडिंग उत्पन्न करने के लिए प्रशिक्षित किया जाना है भाग 1 और भाग 2. निम्नलिखित आरेख संयुक्त KG के सरलीकृत दृश्य को दिखाता है।
एक सरल उदाहरण के साथ OOC खोज कार्यक्षमता प्रदर्शित करने के लिए, हम IMDb नॉलेज ग्राफ़ को ग्राहक-कैटलॉग और आउट-ऑफ़-ग्राहक-कैटलॉग में विभाजित करते हैं। हम उन शीर्षकों को चिन्हित करते हैं जिनमें "टॉय स्टोरी" एक आउट-ऑफ-कस्टमर कैटलॉग संसाधन के रूप में और बाकी IMDb नॉलेज ग्राफ को ग्राहक कैटलॉग के रूप में चिह्नित करता है। ऐसे परिदृश्य में जहां ग्राहक सूची को बढ़ाया नहीं गया है या बाहरी डेटाबेस के साथ विलय नहीं किया गया है, "टॉय स्टोरी" की खोज ओपनसर्च टेक्स्ट सर्च के साथ मेटाडेटा में "टॉय" या "स्टोरी" शब्दों वाले किसी भी शीर्षक को वापस कर देगी। यदि ग्राहक सूची को IMDb में मैप किया गया था, तो यह प्राप्त करना आसान होगा कि "टॉय स्टोरी" क्वेरी कैटलॉग में मौजूद नहीं है और IMDb में शीर्ष मिलान "टॉय स्टोरी," "टॉय स्टोरी 2," "टॉय हैं पाठ मिलान के साथ प्रासंगिकता के घटते क्रम में कहानी 3," "टॉय स्टोरी 4," और "चार्ली: टॉय स्टोरी"। इन मैचों में से प्रत्येक के लिए कैटलॉग के भीतर परिणाम प्राप्त करने के लिए, हम OpenSearch सेवा के माध्यम से ग्राहक कैटलॉग-आधारित kNN एम्बेडिंग (संयुक्त KG की) समानता में पांच निकटतम फिल्में उत्पन्न कर सकते हैं।
एक विशिष्ट OOC अनुभव निम्नलिखित चित्र में दर्शाए गए प्रवाह का अनुसरण करता है।
निम्नलिखित वीडियो क्वेरी "टॉय स्टोरी" के लिए शीर्ष पांच (हिट की संख्या) ओओसी परिणाम और ग्राहक सूची में प्रासंगिक मिलान (सिफारिशों की संख्या) दिखाता है।
यहां, OpenSearch सेवा में पाठ खोज का उपयोग करके क्वेरी का ज्ञान ग्राफ़ से मिलान किया जाता है। फिर हम OpenSearch Service kNN अनुक्रमणिका का उपयोग करके पाठ मिलान के एम्बेडिंग को ग्राहक कैटलॉग शीर्षक से मैप करते हैं। चूंकि उपयोगकर्ता क्वेरी को सीधे नॉलेज ग्राफ़ निकायों में मैप नहीं किया जा सकता है, इसलिए हम पहले शीर्षक-आधारित क्वेरी समानताएं खोजने के लिए दो-चरणीय दृष्टिकोण का उपयोग करते हैं और फिर नॉलेज ग्राफ़ एम्बेडिंग का उपयोग करके शीर्षक के समान आइटम ढूंढते हैं। निम्नलिखित खंडों में, हम एक ओपनसर्च सर्विस क्लस्टर स्थापित करने, नॉलेज ग्राफ इंडेक्स बनाने और अपलोड करने, और समाधान को वेब एप्लिकेशन के रूप में तैनात करने की प्रक्रिया से गुजरते हैं।
.. पूर्वापेक्षाएँ
इस समाधान को लागू करने के लिए, आपके पास एक होना चाहिए AWS खाता, ओपनसर्च सर्विस, सेजमेकर, लैम्ब्डा और के साथ परिचित एडब्ल्यूएस CloudFormation, और में चरणों को पूरा कर लिया है भाग 1 और भाग 2 इस श्रृंखला के।
समाधान संसाधन लॉन्च करें
निम्न आर्किटेक्चर आरेख आउट-ऑफ़-कैटलॉग वर्कफ़्लो दिखाता है।
आप OOC खोज अनुप्रयोगों के लिए आवश्यक संसाधनों का प्रावधान करने के लिए AWS क्लाउड डेवलपमेंट किट (CDK) का उपयोग करेंगे। इन संसाधनों को लॉन्च करने के लिए कोड निम्नलिखित कार्य करता है:
- संसाधनों के लिए VPC बनाता है।
- खोज एप्लिकेशन के लिए एक OpenSearch सेवा डोमेन बनाता है।
- मूवी मेटाडेटा को संसाधित करने और लोड करने के लिए एक लैम्ब्डा फ़ंक्शन बनाता है और ओपनसर्च सर्विस इंडेक्स में एम्बेड करता है (
**-ReadFromOpenSearchLambda-**
). - एक लैम्ब्डा फ़ंक्शन बनाता है जो एक वेब ऐप से उपयोगकर्ता क्वेरी को इनपुट के रूप में लेता है और OpenSearch से प्रासंगिक शीर्षक लौटाता है (
**-LoadDataIntoOpenSearchLambda-**
). - एक एपीआई गेटवे बनाता है जो वेब ऐप यूजर इंटरफेस और लैम्ब्डा के बीच सुरक्षा की एक अतिरिक्त परत जोड़ता है।
आरंभ करने के लिए, निम्नलिखित चरणों को पूरा करें:
- से कोड और नोटबुक चलाएँ भाग 1 और भाग 2.
- पर नेविगेट करें
part3-out-of-catalog
कोड रिपॉजिटरी में फ़ोल्डर।
- कमांड के साथ टर्मिनल से एडब्ल्यूएस सीडीके लॉन्च करें
bash launch_stack.sh
. - इनपुट के रूप में भाग 3 में निर्मित दो S2 फ़ाइल पथ प्रदान करें:
- मूवी एम्बेडिंग CSV फ़ाइल का S3 पथ।
- मूवी नोड फ़ाइल के लिए S3 पथ।
- तब तक प्रतीक्षा करें जब तक कि स्क्रिप्ट सभी आवश्यक संसाधनों का प्रावधान न कर दे और चलना समाप्त न कर दे।
- एपीआई गेटवे URL को कॉपी करें जिसे AWS CDK स्क्रिप्ट प्रिंट करता है और इसे सेव करता है। (हम इसे बाद में स्ट्रीमलिट ऐप के लिए उपयोग करते हैं)।
एक OpenSearch सेवा डोमेन बनाएँ
चित्रण उद्देश्यों के लिए, आप एक सुरक्षित VPC और सबनेट के भीतर एक r6g.large.search उदाहरण में एक उपलब्धता क्षेत्र पर एक खोज डोमेन बनाते हैं। ध्यान दें कि सबसे अच्छा अभ्यास तीन उपलब्धता क्षेत्रों पर एक प्राथमिक और दो प्रतिकृति उदाहरणों के साथ स्थापित करना होगा।
ओपनसर्च सर्विस इंडेक्स बनाएं और डेटा अपलोड करें
OpenSearch सर्विस इंडेक्स बनाने के लिए आप लैम्ब्डा फ़ंक्शंस (AWS CDK लॉन्च स्टैक कमांड का उपयोग करके बनाया गया) का उपयोग करते हैं। अनुक्रमणिका निर्माण प्रारंभ करने के लिए, निम्न चरणों को पूरा करें:
- लैम्ब्डा कंसोल पर, खोलें
LoadDataIntoOpenSearchLambda
लंबोदर समारोह। - पर टेस्ट टैब चुनें टेस्ट OpenSearch सेवा अनुक्रमणिका में डेटा बनाने और अंतर्ग्रहण करने के लिए।
इस लैम्ब्डा फ़ंक्शन के लिए निम्न कोड पाया जा सकता है part3-out-of-catalog/cdk/ooc/lambdas/LoadDataIntoOpenSearchLambda/lambda_handler.py
:
समारोह निम्नलिखित कार्य करता है:
- IMDB KG मूवी नोड फ़ाइल को लोड करता है जिसमें मूवी मेटाडेटा और इसके संबंधित एम्बेडिंग S3 फ़ाइल पथ से होते हैं जो स्टैक निर्माण फ़ाइल को पास किए गए थे
launch_stack.sh
. - अनुक्रमणिका निर्माण के लिए एकल डेटाफ़्रेम बनाने के लिए दो इनपुट फ़ाइलों को मर्ज करता है।
- Boto3 Python लाइब्रेरी का उपयोग करके OpenSearch सर्विस क्लाइंट को इनिशियलाइज़ करता है।
- टेक्स्ट के लिए दो इंडेक्स बनाता है (
ooc_text
) और केएनएन एम्बेडिंग खोज (ooc_knn
) और इसके माध्यम से संयुक्त डेटाफ़्रेम से डेटा बल्क अपलोड करता हैingest_data_into_ops
समारोह.
इस डेटा अंतर्ग्रहण प्रक्रिया में 5-10 मिनट लगते हैं और इसके माध्यम से निगरानी की जा सकती है अमेज़ॅन क्लाउडवॉच लॉग इन करें निगरानी लैम्ब्डा फ़ंक्शन का टैब।
आप टेक्स्ट-आधारित खोज और केएनएन एम्बेडिंग-आधारित खोज को सक्षम करने के लिए दो इंडेक्स बनाते हैं। टेक्स्ट सर्च उस फ्री-फॉर्म क्वेरी को मैप करता है जो उपयोगकर्ता फिल्म के शीर्षक में दर्ज करता है। केएनएन एम्बेडिंग खोज आउटपुट के रूप में लौटने के लिए केजी गुप्त स्थान से सर्वश्रेष्ठ टेक्स्ट मैच के लिए के निकटतम फिल्मों को ढूंढती है।
एक स्थानीय वेब अनुप्रयोग के रूप में समाधान परिनियोजित करें
अब जबकि आपके पास OpenSearch सेवा पर कार्यशील टेक्स्ट खोज और kNN अनुक्रमणिका है, तो आप एक ML-संचालित वेब ऐप बनाने के लिए तैयार हैं।
हम उपयोग streamlit
इस एप्लिकेशन के लिए फ्रंट-एंड चित्रण बनाने के लिए पायथन पैकेज। IMDb-Knowledge-Graph-Blog/part3-out-of-catalog/run_imdb_demo.py
हमारे में पायथन फ़ाइल गीथहब रेपो इस क्षमता का पता लगाने के लिए एक स्थानीय वेब ऐप लॉन्च करने के लिए आवश्यक कोड है।
कोड चलाने के लिए, निम्न चरणों को पूरा करें:
- स्थापित करें
streamlit
औरaws_requests_auth
आपके टर्मिनल में निम्नलिखित आदेशों के माध्यम से आपके स्थानीय वर्चुअल पायथन वातावरण में पायथन पैकेज:
- कोड में एपीआई गेटवे URL के लिए प्लेसहोल्डर को AWS CDK द्वारा बनाए गए प्लेसहोल्डर से बदलें:
api = '<ENTER URL OF THE API GATEWAY HERE>/opensearch-lambda?q={query_text}&numMovies={num_movies}&numRecs={num_recs}'
- कमांड के साथ वेब ऐप लॉन्च करें
streamlit run run_imdb_demo.py
अपने टर्मिनल से।
यह स्क्रिप्ट एक स्ट्रीमलिट वेब ऐप लॉन्च करती है जिसे आपके वेब ब्राउज़र में एक्सेस किया जा सकता है। वेब ऐप का URL स्क्रिप्ट आउटपुट से प्राप्त किया जा सकता है, जैसा कि निम्न स्क्रीनशॉट में दिखाया गया है।
ऐप नई खोज स्ट्रिंग्स, हिट्स की संख्या और सुझावों की संख्या को स्वीकार करता है। हिट की संख्या इस बात से मेल खाती है कि हमें बाहरी (IMDb) कैटलॉग से कितने मेल खाने वाले OOC शीर्षक प्राप्त करने चाहिए। अनुशंसाओं की संख्या इस बात से मेल खाती है कि हमें kNN एम्बेडिंग खोज के आधार पर कितने निकटतम पड़ोसियों को ग्राहक कैटलॉग से पुनर्प्राप्त करना चाहिए। निम्न कोड देखें:
यह इनपुट (क्वेरी, हिट्स और अनुशंसाओं की संख्या) को पास किया जाता है **-ReadFromOpenSearchLambda-**
एपीआई गेटवे अनुरोध के माध्यम से एडब्ल्यूएस सीडीके द्वारा बनाया गया लैम्ब्डा फ़ंक्शन। यह निम्नलिखित समारोह में किया जाता है:
OpenSearch सेवा से लैम्ब्डा फ़ंक्शन के आउटपुट परिणाम API गेटवे को पास किए जाते हैं और स्ट्रीमलिट ऐप में प्रदर्शित किए जाते हैं।
क्लीन अप
आप AWS CDK द्वारा बनाए गए सभी संसाधनों को कमांड के माध्यम से हटा सकते हैं npx cdk destroy –app “python3 appy.py” --all
एक ही उदाहरण में (अंदर cdk
फ़ोल्डर) जिसका उपयोग स्टैक को लॉन्च करने के लिए किया गया था (निम्नलिखित स्क्रीनशॉट देखें)।
निष्कर्ष
इस पोस्ट में, हमने आपको दिखाया कि SageMaker और OpenSearch सेवा का उपयोग करके टेक्स्ट और kNN-आधारित खोज का उपयोग करके OOC खोज के लिए समाधान कैसे बनाया जाए। आपने अपने कैटलॉग में IMDb शीर्षकों के निकटतम पड़ोसियों को खोजने के लिए कस्टम नॉलेज ग्राफ़ मॉडल एम्बेडिंग का उपयोग किया। उदाहरण के लिए, अब आप अन्य स्ट्रीमिंग प्लेटफॉर्म पर अमेज़ॅन प्राइम वीडियो द्वारा विकसित एक फंतासी श्रृंखला "द रिंग्स ऑफ पावर" की खोज कर सकते हैं और तर्क दे सकते हैं कि वे खोज परिणाम को कैसे अनुकूलित कर सकते थे।
इस पोस्ट में कोड नमूने के बारे में अधिक जानकारी के लिए देखें गीथहब रेपो. समान अत्याधुनिक ML एप्लिकेशन बनाने के लिए Amazon ML Solutions लैब के साथ सहयोग करने के बारे में अधिक जानने के लिए, देखें अमेज़न मशीन लर्निंग सॉल्यूशंस लैब. IMDb डेटासेट को लाइसेंस देने के बारे में अधिक जानकारी के लिए देखें Developer.imdb.com.
लेखक के बारे में
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, नॉलेज ग्राफ अनुशंसा प्रणाली, भविष्य कहनेवाला विज्ञापन उपयोग मामलों पर काम करती है।
गौरव रेले अमेज़ॅन एमएल सॉल्यूशन लैब में डेटा साइंटिस्ट हैं, जहां वे विभिन्न वर्टिकल में एडब्ल्यूएस ग्राहकों के साथ काम करते हैं ताकि मशीन लर्निंग और एडब्ल्यूएस क्लाउड सेवाओं के उपयोग में तेजी लाकर उनकी व्यावसायिक चुनौतियों का समाधान किया जा सके।
मैथ्यू रोड्स एक डेटा साइंटिस्ट है, मैं अमेज़न एमएल सॉल्यूशंस लैब में काम कर रहा हूं। वह मशीन लर्निंग पाइपलाइन बनाने में माहिर हैं जिसमें नेचुरल लैंग्वेज प्रोसेसिंग और कंप्यूटर विजन जैसी अवधारणाएं शामिल हैं।
करण सिंदवानी अमेज़ॅन एमएल सॉल्यूशंस लैब में डेटा साइंटिस्ट हैं, जहां वे डीप लर्निंग मॉडल बनाते और तैनात करते हैं। वह कंप्यूटर विजन के क्षेत्र में माहिर हैं। अपने खाली समय में वह लंबी पैदल यात्रा का आनंद लेते हैं।
सोजी आदेश: एडब्ल्यूएस में एक एप्लाइड साइंटिस्ट है जहां वह धोखाधड़ी और दुरुपयोग, ज्ञान ग्राफ, अनुशंसा प्रणाली और जीवन विज्ञान के अनुप्रयोगों के साथ ग्राफ कार्यों पर मशीन लर्निंग के लिए ग्राफ न्यूरल नेटवर्क-आधारित मॉडल विकसित करता है। अपने खाली समय में उन्हें पढ़ना और खाना बनाना अच्छा लगता है।
विद्या सागर रविपति अमेज़ॅन एमएल सॉल्यूशंस लैब में एक प्रबंधक है, जहां वह बड़े पैमाने पर वितरित सिस्टम में अपने विशाल अनुभव का लाभ उठाता है और विभिन्न उद्योग वर्टिकल में एडब्ल्यूएस ग्राहकों को उनके एआई और क्लाउड अपनाने में तेजी लाने में मदद करने के लिए मशीन लर्निंग के लिए उनका जुनून 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/power-recommendations-and-search-using-an-imdb-knowledge-graph-part-3/
- 1
- 10
- 100
- 11
- 116
- 7
- 9
- a
- About
- गाली
- में तेजी लाने के
- स्वीकार करता है
- पहुँचा
- के पार
- सक्रिय
- अतिरिक्त
- इसके अतिरिक्त
- जोड़ता है
- दत्तक ग्रहण
- विज्ञापन
- AI
- सब
- वीरांगना
- अमेज़न एमएल सॉल्यूशंस लैब
- अमेज़न नेपच्यून
- अमेज़ॅन नेपच्यून एमएल
- अमेज़न ओपन सर्च सर्विस
- अमेज़न SageMaker
- विश्लेषिकी
- और
- एपीआई
- अनुप्रयोग
- आवेदन
- अनुप्रयोगों
- लागू
- लागू करें
- दृष्टिकोण
- स्थापत्य
- क्षेत्र
- जुड़े
- स्वचालित
- उपलब्धता
- उपलब्ध
- एडब्ल्यूएस
- AWS डेटा एक्सचेंज
- आधारित
- क्योंकि
- BEST
- के बीच
- बिलियन
- मुक्केबाज़ी
- बॉक्स ऑफिस
- ब्राउज़र
- निर्माण
- इमारत
- बनाता है
- व्यापार
- क्षमताओं
- मामलों
- सूची
- चुनौतियों
- चुनें
- ग्राहक
- बादल
- बादल को गोद लेना
- क्लाउड सेवाएं
- समूह
- कोड
- सहयोग
- संयुक्त
- कंपनियों
- कंपनी
- कंपनी का है
- पूरा
- पूरा
- कंप्यूटर
- Computer Vision
- अवधारणाओं
- कंसोल
- निरंतर
- शामिल हैं
- सामग्री
- मेल खाती है
- सका
- देशों
- बनाना
- बनाया
- बनाना
- निर्माण
- क्रेडिट्स
- वर्तमान
- वर्तमान में
- रिवाज
- ग्राहक
- ग्राहक अनुबंध
- ग्राहक
- तिथि
- आंकडों का आदान प्रदान
- आँकड़े वाला वैज्ञानिक
- डेटाबेस
- डेटासेट
- गहरा
- ध्यान लगा के पढ़ना या सीखना
- दिखाना
- साबित
- तैनात
- तैनाती
- तैनात
- निकाली गई
- वर्णित
- को नष्ट
- खोज
- विकसित
- विकास
- विकसित
- विभिन्न
- प्रत्यक्ष
- सीधे
- खोज
- चर्चा की
- वितरित
- वितरित प्रणाली
- दस्तावेज़
- वृत्तचित्र
- नहीं करता है
- डोमेन
- से प्रत्येक
- आसान
- सक्षम
- सगाई
- वर्धित
- दर्ज
- में प्रवेश करती है
- मनोरंजन
- संस्थाओं
- वातावरण
- कार्यक्रम
- कभी
- उदाहरण
- एक्सचेंज
- अनुभव
- का पता लगाने
- बाहरी
- अतिरिक्त
- का सामना करना पड़
- सुपरिचय
- FANTASY
- आकृति
- पट्टिका
- फ़ाइलें
- खोज
- पाता
- प्रथम
- प्रवाह
- निम्नलिखित
- इस प्रकार है
- पाया
- धोखा
- धोखाधड़ी का पता लगाना
- बारंबार
- अक्सर
- से
- पूरी तरह से
- समारोह
- कार्यक्षमताओं
- कार्यक्षमता
- कार्यों
- प्रवेश द्वार
- उत्पन्न
- मिल
- वैश्विक
- ग्राफ
- रेखांकन
- संभालना
- हेडर
- मदद
- मारो
- हिट्स
- कैसे
- How To
- एचटीएमएल
- HTTPS
- सैकड़ों
- की छवि
- लागू करने के
- कार्यान्वित
- में सुधार
- in
- सहित
- बढ़ना
- अनुक्रमणिका
- अनुक्रमणिका
- Indices
- उद्योग
- करें-
- निवेश
- स्थापित
- उदाहरण
- बजाय
- बातचीत
- इंटरैक्टिव
- इंटरफेस
- शामिल करना
- IT
- आइटम
- कुंजी
- ज्ञान
- ज्ञान ग्राफ
- प्रयोगशाला
- भाषा
- बड़ा
- बड़े पैमाने पर
- ताज़ा
- लांच
- शुरूआत
- परत
- नेतृत्व
- जानें
- सीख रहा हूँ
- leverages
- पुस्तकालय
- लाइसेंस
- लाइसेंसिंग
- जीवन
- जीवन विज्ञान
- सीमित
- सूची
- भार
- स्थानीय
- मशीन
- यंत्र अधिगम
- बनाता है
- कामयाब
- प्रबंध
- प्रबंधक
- मैन्युअल
- बहुत
- नक्शा
- मानचित्रण
- मैप्स
- निशान
- मैच
- मिलान
- मीडिया
- सदस्य
- उल्लेख किया
- विलय
- मेटाडाटा
- दस लाख
- मिनटों
- ML
- आदर्श
- मॉडल
- नजर रखी
- निगरानी
- महीना
- अधिक
- चलचित्र
- चलचित्र
- विभिन्न
- प्राकृतिक
- प्राकृतिक भाषा संसाधन
- पड़ोसियों
- वरूण
- संजाल आधारित
- नेटवर्क
- तंत्रिका जाल
- नया
- नोड
- संख्या
- प्राप्त
- ऑफर
- Office
- ONE
- खुला
- खुला स्रोत
- संचालन
- अनुकूलित
- आदेश
- OS
- अन्य
- पैकेज
- भाग
- पारित कर दिया
- जुनून
- पथ
- निष्पादन
- प्रदर्शन
- प्लेसहोल्डर
- मंच
- प्लेटफार्म
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- कृप्या अ
- पद
- बिजली
- संचालित
- अभ्यास
- प्रधानमंत्री
- तैयार करना
- वर्तमान
- प्राथमिक
- मुख्य
- प्रिंट
- समस्याओं
- प्रक्रिया
- प्रसंस्कृत
- प्रसंस्करण
- एस्ट्रो मॉल
- उत्पादन
- प्रदान करता है
- प्रावधान
- क्रय
- प्रयोजनों
- अजगर
- रेंज
- रेटिंग
- पढ़ना
- तैयार
- वास्तविक समय
- कारण
- सिफारिश
- सिफारिशें
- प्रासंगिकता
- प्रासंगिक
- उत्तर
- रिपोर्टिंग
- कोष
- का अनुरोध
- अनुरोधों
- अपेक्षित
- संसाधन
- उपयुक्त संसाधन चुनें
- प्रतिक्रिया
- बाकी
- परिणाम
- परिणाम
- प्रतिधारण
- वापसी
- रिटर्न
- रन
- दौड़ना
- sagemaker
- वही
- सहेजें
- परिदृश्यों
- विज्ञान
- वैज्ञानिक
- Search
- वर्गों
- सुरक्षित
- सुरक्षा
- कई
- सेवा
- सेवाएँ
- सेट
- की स्थापना
- सेटिंग्स
- चाहिए
- दिखाया
- दिखाता है
- समान
- समानता
- सरल
- सरलीकृत
- एक
- स्थितियों
- समाधान
- समाधान ढूंढे
- हल
- हल करती है
- कुछ
- स्रोत
- अंतरिक्ष
- माहिर
- विशिष्ट
- विभाजित
- धुआँरा
- प्रारंभ
- शुरू
- राज्य के-the-कला
- कदम
- भंडारण
- संग्रहित
- कहानी
- स्ट्रीमिंग
- उप - जाल
- ऐसा
- सूट
- समर्थन
- सिस्टम
- लेना
- लेता है
- कार्य
- तकनीक
- अंतिम
- RSI
- क्षेत्र
- संयुक्त
- लेकिन हाल ही
- जिसके चलते
- हजारों
- तीन
- यहाँ
- पहर
- शीर्षक
- खिताब
- सेवा मेरे
- ऊपर का
- रेलगाड़ी
- प्रशिक्षित
- बदालना
- अरबों
- tv
- ठेठ
- के अंतर्गत
- समझ
- अपलोड हो रहा है
- यूआरएल
- उपयोग
- उपयोगकर्ता
- यूजर इंटरफेस
- उपयोग
- विविधता
- व्यापक
- विक्रेताओं
- कार्यक्षेत्र
- वीडियो
- देखें
- वास्तविक
- दृष्टि
- दृश्य
- वेब
- वेब एप्लीकेशन
- वेब ब्राउजर
- वेबसाइट
- कौन कौन से
- चौड़ा
- विस्तृत श्रृंखला
- मर्जी
- अंदर
- शब्द
- शब्द
- काम कर रहे
- कार्य
- होगा
- आप
- आपका
- जेफिरनेट
- क्षेत्र