कृषि क्षेत्र में, पेड़ों पर फलों की मात्रा को पहचानने और गिनने की समस्या फसल के आकलन में महत्वपूर्ण भूमिका निभाती है। एक पेड़ को किराए पर देने और पट्टे पर देने की अवधारणा लोकप्रिय हो रही है, जहां एक पेड़ का मालिक अनुमानित फल उपज के आधार पर हर साल फसल से पहले पेड़ को पट्टे पर देता है। मैन्युअल रूप से फल गिनने की सामान्य प्रथा एक समय लेने वाली और श्रमसाध्य प्रक्रिया है। अपनी फसल प्रबंधन प्रणाली में बेहतर परिणाम प्राप्त करने के लिए यह सबसे कठिन लेकिन सबसे महत्वपूर्ण कार्यों में से एक है। फलों और फूलों की मात्रा का यह अनुमान किसानों को न केवल पट्टे की कीमतों पर, बल्कि खेती के तरीकों और पौधों की बीमारी की रोकथाम पर भी बेहतर निर्णय लेने में मदद करता है।
यह वह जगह है जहां कंप्यूटर विज़न (सीवी) के लिए एक स्वचालित मशीन लर्निंग (एमएल) समाधान किसानों की मदद कर सकता है। अमेज़ॅन रेकग्निशन कस्टम लेबल पूरी तरह से प्रबंधित कंप्यूटर विज़न सेवा है जो डेवलपर्स को आपके व्यवसाय के लिए विशिष्ट और अद्वितीय छवियों में वस्तुओं को वर्गीकृत करने और पहचानने के लिए कस्टम मॉडल बनाने की अनुमति देती है।
मान्यता कस्टम लेबल के लिए आपको किसी पूर्व कंप्यूटर विज़न विशेषज्ञता की आवश्यकता नहीं होती है। आप हजारों के बजाय केवल दसियों छवियों को अपलोड करके आरंभ कर सकते हैं। यदि छवियों को पहले से ही लेबल किया गया है, तो आप कुछ ही क्लिक में एक मॉडल का प्रशिक्षण शुरू कर सकते हैं। यदि नहीं, तो आप उन्हें सीधे पहचान कस्टम लेबल कंसोल में लेबल कर सकते हैं, या उपयोग कर सकते हैं अमेज़ॅन सैजमेकर ग्राउंड ट्रुथ उन्हें लेबल करने के लिए। रिकॉग्निशन कस्टम लेबल स्वचालित रूप से प्रशिक्षण डेटा का निरीक्षण करने, सही मॉडल ढांचे और एल्गोरिदम का चयन करने, हाइपरपैरामीटर को अनुकूलित करने और मॉडल को प्रशिक्षित करने के लिए स्थानांतरण सीखने का उपयोग करता है। जब आप मॉडल की सटीकता से संतुष्ट हो जाते हैं, तो आप केवल एक क्लिक से प्रशिक्षित मॉडल को होस्ट करना शुरू कर सकते हैं।
इस पोस्ट में, हम दिखाते हैं कि आप कृषि उपज को मापने के लिए फलों का पता लगाने और उनकी गणना करने के लिए रिकग्निशन कस्टम लेबल का उपयोग करके एंड-टू-एंड समाधान कैसे बना सकते हैं।
समाधान अवलोकन
हम निम्नलिखित चरणों का उपयोग करके फलों का पता लगाने के लिए एक कस्टम मॉडल बनाते हैं:
- फल युक्त छवियों वाले डेटासेट को लेबल करें अमेज़ॅन सैजमेकर ग्राउंड ट्रुथ.
- पहचान कस्टम लेबल में एक प्रोजेक्ट बनाएं।
- अपना लेबल किया गया डेटासेट आयात करें।
- मॉडल को प्रशिक्षित करें।
- स्वचालित रूप से उत्पन्न एपीआई एंडपॉइंट का उपयोग करके नए कस्टम मॉडल का परीक्षण करें।
मान्यता कस्टम लेबल आपको Amazon Rekognition कंसोल पर ML मॉडल प्रशिक्षण प्रक्रिया का प्रबंधन करने देता है, जो एंड-टू-एंड मॉडल विकास और अनुमान प्रक्रिया को सरल करता है।
.. पूर्वापेक्षाएँ
कृषि उपज मापने वाला मॉडल बनाने के लिए, आपको पहले मॉडल को प्रशिक्षित करने के लिए एक डेटासेट तैयार करना होगा। इस पोस्ट के लिए, हमारा डेटासेट फलों की छवियों से बना है। निम्नलिखित चित्र कुछ उदाहरण दिखाते हैं।
हमने अपनी छवियों को अपने बगीचे से सोर्स किया। आप से छवि फ़ाइलें डाउनलोड कर सकते हैं गीथहब रेपो.
इस पोस्ट के लिए, हम फल उपज उपयोग के मामले को प्रदर्शित करने के लिए केवल कुछ छवियों का उपयोग करते हैं। आप और अधिक छवियों के साथ आगे प्रयोग कर सकते हैं।
अपना डेटासेट तैयार करने के लिए, निम्नलिखित चरणों को पूरा करें:
- एक बनाएं अमेज़न सरल भंडारण सेवा (अमेज़न S3) बाल्टी।
- इस बकेट के अंदर दो फोल्डर बनाएं, जिन्हें कहा जाता है
raw_data
औरtest_data
, लेबलिंग और मॉडल परीक्षण के लिए छवियों को संग्रहीत करने के लिए। - चुनें अपलोड छवियों को उनके संबंधित फ़ोल्डर में GitHub रेपो से अपलोड करने के लिए।
अपलोड की गई छवियों को लेबल नहीं किया गया है। आप निम्न चरण में छवियों को लेबल करते हैं।
ग्राउंड ट्रुथ का उपयोग करके अपने डेटासेट को लेबल करें
एमएल मॉडल को प्रशिक्षित करने के लिए, आपको लेबल वाली छवियों की आवश्यकता होती है। ग्राउंड ट्रुथ छवियों को लेबल करने की एक आसान प्रक्रिया प्रदान करता है। लेबलिंग कार्य एक मानव कार्यबल द्वारा किया जाता है; इस पोस्ट में, आप एक निजी कार्यबल बनाते हैं। आप उपयोग कर सकते हैं अमेज़ॅन मैकेनिकल तुर्क पैमाने पर लेबलिंग के लिए।
एक लेबलिंग कार्यबल बनाएं
आइए पहले अपना लेबलिंग कार्यबल बनाएं। निम्नलिखित चरणों को पूरा करें:
- SageMaker कंसोल पर, के तहत वास्तविक्ता नेविगेशन फलक में, चुनें लेबलिंग कार्यबल.
- पर निजी टैब चुनें निजी टीम बनाएं.
- के लिए टीम का नाम, अपने कार्यबल के लिए एक नाम दर्ज करें (इस पद के लिए,
labeling-team
). - चुनें निजी टीम बनाएं.
- चुनें नए कार्यकर्ताओं को आमंत्रित करें।
- में ईमेल पते से कार्यकर्ताओं को जोड़ें अनुभाग में, अपने कर्मचारियों के ईमेल पते दर्ज करें। इस पोस्ट के लिए, अपना खुद का ईमेल पता दर्ज करें।
- चुनें नए कार्यकर्ताओं को आमंत्रित करें.
आपने एक लेबलिंग कार्यबल बनाया है, जिसका उपयोग आप लेबलिंग कार्य बनाते समय अगले चरण में करते हैं।
ग्राउंड ट्रुथ लेबलिंग जॉब बनाएं
अपने लेबलिंग कार्य को बेहतर बनाने के लिए, निम्न चरणों को पूरा करें:
- SageMaker कंसोल पर, के तहत वास्तविक्ता, चुनें नौकरियों पर लेबल लगाना.
- चुनें लेबलिंग कार्य बनाएँ.
- के लिए कार्य नाम, दर्ज
fruits-detection
. - चुनते हैं मैं लेबलिंग कार्य नाम से भिन्न लेबल विशेषता नाम निर्दिष्ट करना चाहता हूं.
- के लिए लेबल विशेषता नामदर्ज
Labels
. - के लिए इनपुट डेटा सेटअप, चुनते हैं स्वचालित डेटा सेटअप.
- के लिए इनपुट डेटासेट के लिए S3 स्थान, आपके द्वारा पहले बनाई गई बकेट का उपयोग करके छवियों का S3 स्थान दर्ज करें (
s3://{your-bucket-name}/raw-data/images/
). - के लिए आउटपुट डेटासेट के लिए S3 स्थान, चुनते हैं एक नया स्थान निर्दिष्ट करें और एनोटेट डेटा के लिए आउटपुट स्थान दर्ज करें (
s3://{your-bucket-name}/annotated-data/
). - के लिए डाटा प्रकार, चुनें छवि.
- चुनें पूरा डेटा सेटअप.
यह छवि मेनिफेस्ट फ़ाइल बनाता है और S3 इनपुट स्थान पथ को अद्यतन करता है। "इनपुट डेटा कनेक्शन सफल" संदेश की प्रतीक्षा करें। - विस्तार अतिरिक्त विन्यास.
- उसको पक्का करो पूर्ण डेटासेट चयनित है।
इसका उपयोग यह निर्दिष्ट करने के लिए किया जाता है कि क्या आप सभी छवियों को लेबलिंग कार्य या फ़िल्टर या यादृच्छिक नमूने के आधार पर छवियों का एक सबसेट प्रदान करना चाहते हैं। - के लिए कार्य श्रेणी, चुनें छवि क्योंकि यह छवि एनोटेशन के लिए एक कार्य है।
- क्योंकि यह एक वस्तु का पता लगाने का उपयोग मामला है, के लिए कार्य चयन, चुनते हैं डिब्बा का सीमा.
- अन्य विकल्पों को डिफ़ॉल्ट के रूप में छोड़ दें और चुनें अगला.
- चुनें अगला.
अब आप अपने कर्मचारियों को निर्दिष्ट करें और लेबलिंग टूल को कॉन्फ़िगर करें। - के लिए कार्यकर्ता प्रकार, चुनते हैं निजी.इस पोस्ट के लिए, आप छवियों को एनोटेट करने के लिए एक आंतरिक कार्यबल का उपयोग करते हैं। आपके पास एक सार्वजनिक संविदात्मक कार्यबल का चयन करने का विकल्प भी है (अमेज़ॅन मैकेनिकल तुर्क) या एक भागीदार कार्यबल (विक्रेता प्रबंधित) आपके उपयोग के मामले के आधार पर।
- निजी टीमों के लिए¸ उस टीम को चुनें जिसे आपने पहले बनाया था।
- अन्य विकल्पों को डिफ़ॉल्ट के रूप में छोड़ दें और नीचे स्क्रॉल करें बाउंडिंग बॉक्स लेबलिंग टूल.निजी लेबलिंग टीम के लिए लेबलिंग टूल में यहां स्पष्ट निर्देश देना आवश्यक है। ये निर्देश लेबलिंग करते समय व्याख्याकारों के लिए एक मार्गदर्शक के रूप में कार्य करते हैं। अच्छे निर्देश संक्षिप्त होते हैं, इसलिए हम मौखिक या पाठ्य निर्देशों को दो वाक्यों तक सीमित रखने और दृश्य निर्देशों पर ध्यान केंद्रित करने की सलाह देते हैं। छवि वर्गीकरण के मामले में, हम निर्देशों के भाग के रूप में प्रत्येक वर्ग में एक लेबल वाली छवि प्रदान करने की अनुशंसा करते हैं।
- दो लेबल जोड़ें:
fruit
औरno_fruit
. - में विस्तृत निर्देश दर्ज करें विवरण फ़ील्ड प्रदान करने के लिए कार्यकर्ताओं को निर्देश। उदाहरण के लिए:
You need to label fruits in the provided image. Please ensure that you select label 'fruit' and draw the box around the fruit just to fit the fruit for better quality of label data. You also need to label other areas which look similar to fruit but are not fruit with label 'no_fruit'
.आप वैकल्पिक रूप से अच्छी और खराब लेबलिंग छवियों के उदाहरण भी प्रदान कर सकते हैं। आपको यह सुनिश्चित करने की आवश्यकता है कि ये चित्र सार्वजनिक रूप से सुलभ हैं। - चुनें बनाएं लेबलिंग कार्य बनाने के लिए।
नौकरी सफलतापूर्वक बन जाने के बाद, अगला चरण इनपुट छवियों को लेबल करना है।
लेबलिंग कार्य प्रारंभ करें
एक बार जब आप सफलतापूर्वक नौकरी बना लेते हैं, तो नौकरी की स्थिति होती है InProgress
. इसका मतलब है कि नौकरी बनाई गई है और निजी कार्यबल को उन्हें सौंपे गए कार्य के बारे में ईमेल के माध्यम से सूचित किया जाता है। क्योंकि आपने स्वयं को कार्य सौंपा है, आपको ग्राउंड ट्रुथ लेबलिंग प्रोजेक्ट में लॉग इन करने के निर्देशों के साथ एक ईमेल प्राप्त करना चाहिए।
- ईमेल खोलें और दिए गए लिंक को चुनें।
- ईमेल में दिया गया यूजर नेम और पासवर्ड डालें।
लॉगिन के बाद आपको ईमेल में दिए गए अस्थायी पासवर्ड को नए पासवर्ड में बदलना पड़ सकता है। - लॉग इन करने के बाद, अपनी नौकरी चुनें और चुनें काम शुरू करो.
आप छवियों में ज़ूम इन, ज़ूम आउट, मूव और बाउंडिंग बॉक्स बनाने के लिए दिए गए टूल का उपयोग कर सकते हैं। - अपना लेबल चुनें (
fruit
orno_fruit
) और फिर इसे एनोटेट करने के लिए छवि में एक बाउंडिंग बॉक्स बनाएं। - जब आप समाप्त कर लें, तो चुनें सब्मिट.
अब आपके पास सही ढंग से लेबल की गई छवियां हैं जिनका उपयोग एमएल मॉडल द्वारा प्रशिक्षण के लिए किया जाएगा।
अपना Amazon Rekognition प्रोजेक्ट बनाएं
अपनी कृषि उपज मापने की परियोजना बनाने के लिए, निम्नलिखित चरणों को पूरा करें:
- Amazon Rekognition कंसोल पर, चुनें कस्टम लेबल.
- चुनें शुरू करे .
- के लिए परियोजना का नाम, दर्ज
fruits_yield
. - चुनें प्रोजेक्ट बनाएं.
आप इस पर एक प्रोजेक्ट भी बना सकते हैं परियोजनाओं पृष्ठ। आप पहुंच सकते हैं परियोजनाओं नेविगेशन फलक के माध्यम से पृष्ठ। अगला कदम छवियों को इनपुट के रूप में प्रदान करना है।
अपना डेटासेट आयात करें
अपना कृषि उपज मापने वाला मॉडल बनाने के लिए, आपको मॉडल को प्रशिक्षित करने के लिए सबसे पहले एक डेटासेट आयात करना होगा। इस पोस्ट के लिए, हमारे डेटासेट को पहले से ही ग्राउंड ट्रुथ का उपयोग करके लेबल किया गया है।
- के लिए चित्र आयात करें, चुनते हैं सेजमेकर ग्राउंड ट्रुथ द्वारा लेबल किए गए चित्र आयात करें.
- के लिए फ़ाइल स्थान प्रकट करें, अपनी मेनिफेस्ट फ़ाइल का S3 बकेट स्थान दर्ज करें (
s3://{your-bucket-name}/fruits_image/annotated_data/fruits-labels/manifests/output/output.manifest
). - चुनें डेटसेट बनाएं.
आप अपना लेबल किया हुआ डेटासेट देख सकते हैं।
अब आपके पास उन पर प्रशिक्षण शुरू करने के लिए एमएल मॉडल के लिए अपना इनपुट डेटासेट है।
अपने मॉडल को प्रशिक्षित करें
अपनी छवियों को लेबल करने के बाद, आप अपने मॉडल को प्रशिक्षित करने के लिए तैयार हैं।
- चुनें ट्रेन का मॉडल.
- के लिए प्रोजेक्ट चुनें, अपना प्रोजेक्ट चुनें
fruits_yield
. - चुनें ट्रेन का मॉडल.
प्रशिक्षण पूरा होने की प्रतीक्षा करें। अब आप इस प्रशिक्षित मॉडल के प्रदर्शन का परीक्षण शुरू कर सकते हैं।
अपने मॉडल का परीक्षण करें
आपका कृषि उपज मापने वाला मॉडल अब उपयोग के लिए तैयार है और यह होना चाहिए Running
राज्य। मॉडल का परीक्षण करने के लिए, निम्नलिखित चरणों को पूरा करें:
चरण 1: मॉडल शुरू करें
आपके मॉडल विवरण पृष्ठ पर मॉडल का प्रयोग करें टैब चुनें प्रारंभ.
पहचान कस्टम लेबल आपके मॉडल को प्रारंभ करने, उपयोग करने और रोकने के लिए API कॉल भी प्रदान करता है।
चरण 2: मॉडल का परीक्षण करें
जब मॉडल में है Running
राज्य, आप नमूना परीक्षण स्क्रिप्ट का उपयोग कर सकते हैं analyzeImage.py
एक छवि में फल की मात्रा की गणना करने के लिए।
- से इस स्क्रिप्ट को डाउनलोड करें गीथहब रेपो.
- पैरामीटर को बदलने के लिए इस फ़ाइल को संपादित करें
bucket
अपने बकेट नाम के साथ औरmodel
अपने Amazon Rekognition मॉडल ARN के साथ।
हम मापदंडों का उपयोग करते हैं photo
और min_confidence
इस पायथन लिपि के लिए इनपुट के रूप में।
आप इस स्क्रिप्ट को स्थानीय रूप से का उपयोग करके चला सकते हैं AWS कमांड लाइन इंटरफ़ेस (एडब्ल्यूएस सीएलआई) या प्रयोग एडब्ल्यूएस क्लाउडशेल. हमारे उदाहरण में, हमने क्लाउडशेल कंसोल के माध्यम से स्क्रिप्ट चलाई। ध्यान दें कि CloudShell है उपयोग करने के लिए स्वतंत्र.
कमांड का उपयोग करके आवश्यक निर्भरताएं स्थापित करना सुनिश्चित करें pip3 install boto3 PILLOW
यदि पहले से स्थापित नहीं है।
निम्न स्क्रीनशॉट आउटपुट दिखाता है, जिसने इनपुट छवि में दो फलों का पता लगाया। हमने फोटो तर्क के रूप में 15.jpeg और के रूप में 85 की आपूर्ति की min_confidence
मूल्य.
निम्न उदाहरण छवि 15.jpeg को दो बाउंडिंग बॉक्स के साथ दिखाता है।
आप उसी स्क्रिप्ट को अन्य छवियों के साथ चला सकते हैं और कॉन्फिडेंस स्कोर को और बदलकर प्रयोग कर सकते हैं।
चरण 3: मॉडल बंद करो
जब आप काम पूरा कर लें, तो अनावश्यक शुल्कों से बचने के लिए मॉडल को रोकना याद रखें। अपने मॉडल विवरण पृष्ठ पर, मॉडल का उपयोग करें टैब पर, रोकें चुनें.
क्लीन अप
अनावश्यक शुल्कों से बचने के लिए, उपयोग में न होने पर इस वॉकथ्रू में उपयोग किए गए संसाधनों को हटा दें। हमें Amazon Rekognition प्रोजेक्ट और S3 बकेट को हटाना होगा।
Amazon Rekognition प्रोजेक्ट हटाएं
Amazon Rekognition प्रोजेक्ट को हटाने के लिए, निम्न चरणों को पूरा करें:
- Amazon Rekognition कंसोल पर, चुनें कस्टम लेबल का उपयोग करें.
- चुनें शुरू हो.
- नेविगेशन फलक में, चुनें परियोजनाओं.
- पर परियोजनाओं पृष्ठ, उस प्रोजेक्ट का चयन करें जिसे आप हटाना चाहते हैं।
- चुनें मिटाना.
RSI प्रोजेक्ट हटाएं संवाद बॉक्स प्रकट होता है।
- चुनें मिटाना.
- यदि प्रोजेक्ट में कोई संबद्ध मॉडल नहीं है:
- दर्ज हटाना परियोजना को हटाने के लिए।
- चुनें मिटाना परियोजना को हटाने के लिए।
- यदि प्रोजेक्ट में संबद्ध मॉडल या डेटासेट हैं:
- दर्ज हटाना यह पुष्टि करने के लिए कि आप मॉडल और डेटासेट को हटाना चाहते हैं।
- या तो चुनें संबंधित मॉडल हटाएं, संबद्ध डेटासेट हटाएंया, संबद्ध डेटासेट और मॉडल हटाएं, इस पर निर्भर करता है कि मॉडल में डेटासेट, मॉडल या दोनों हैं या नहीं।
मॉडल को हटाने में कुछ समय लग सकता है। ध्यान दें कि Amazon Rekognition कंसोल उन मॉडलों को नहीं हटा सकता जो प्रशिक्षण में हैं या चल रहे हैं। सूचीबद्ध किसी भी चल रहे मॉडल को रोकने के बाद पुन: प्रयास करें, और प्रशिक्षण के रूप में सूचीबद्ध मॉडल के पूरा होने तक प्रतीक्षा करें। यदि आप मॉडल हटाने के दौरान संवाद बॉक्स बंद करते हैं, तो मॉडल अभी भी हटाए जाते हैं। बाद में, आप इस प्रक्रिया को दोहराकर प्रोजेक्ट को हटा सकते हैं।
- दर्ज हटाना यह पुष्टि करने के लिए कि आप प्रोजेक्ट को हटाना चाहते हैं।
- चुनें मिटाना परियोजना को हटाने के लिए।
अपना S3 बकेट हटाएं
आपको पहले बाल्टी खाली करनी होगी और फिर उसे हटाना होगा।
- पर अमेज़न S3 सांत्वना, चुनें बाल्टी.
- उस बाल्टी का चयन करें जिसे आप खाली करना चाहते हैं, फिर चुनें खाली.
- पुष्टि करें कि आप टेक्स्ट फ़ील्ड में बकेट का नाम दर्ज करके बकेट खाली करना चाहते हैं, फिर चुनें खाली.
- चुनें मिटाना.
- पुष्टि करें कि आप टेक्स्ट फ़ील्ड में बकेट का नाम दर्ज करके बकेट को हटाना चाहते हैं, फिर चुनें बाल्टी हटाएं.
निष्कर्ष
इस पोस्ट में, हमने आपको दिखाया कि रिकॉग्निशन कस्टम लेबल के साथ ऑब्जेक्ट डिटेक्शन मॉडल कैसे बनाया जाता है। यह सुविधा एक कस्टम मॉडल को प्रशिक्षित करना आसान बनाती है जो अन्य वस्तुओं को निर्दिष्ट किए बिना या इसके परिणामों में सटीकता खोए बिना किसी ऑब्जेक्ट वर्ग का पता लगा सकता है।
कस्टम लेबल का उपयोग करने के बारे में अधिक जानकारी के लिए, देखें क्या है Amazon Rekognition Custom Labels?
लेखक के बारे में
धीरज ठाकुर अमेज़ॅन वेब सेवाओं के साथ एक समाधान वास्तुकार है। वह एंटरप्राइज़ क्लाउड अपनाने, माइग्रेशन और रणनीति पर मार्गदर्शन प्रदान करने के लिए AWS ग्राहकों और भागीदारों के साथ काम करता है। उन्हें तकनीक का शौक है और उन्हें एनालिटिक्स और एआई/एमएल स्पेस में निर्माण और प्रयोग करना पसंद है।
समीर गोयल नीदरलैंड में एक सीनियर सॉल्यूशंस आर्किटेक्ट हैं, जो अत्याधुनिक पहलों पर प्रोटोटाइप बनाकर ग्राहकों की सफलता को आगे बढ़ाते हैं। एडब्ल्यूएस में शामिल होने से पहले, समीर ने बोस्टन से मास्टर डिग्री के साथ डेटा विज्ञान में एकाग्रता के साथ स्नातक की उपाधि प्राप्त की। उन्हें रास्पबेरी पाई पर एआई/एमएल परियोजनाओं के निर्माण और प्रयोग करने में आनंद आता है। आप उसे ढूंढ सकते हैं लिंक्डइन.
- AI
- ai कला
- ऐ कला जनरेटर
- ऐ रोबोट
- अमेज़ॅन रेकग्निशन
- कृत्रिम बुद्धिमत्ता
- कृत्रिम बुद्धिमत्ता प्रमाणन
- बैंकिंग में आर्टिफिशियल इंटेलिजेंस
- आर्टिफिशियल इंटेलिजेंस रोबोट
- आर्टिफिशियल इंटेलिजेंस रोबोट
- कृत्रिम बुद्धि सॉफ्टवेयर
- AWS मशीन लर्निंग
- blockchain
- ब्लॉकचेन सम्मेलन एआई
- कॉइनजीनियस
- संवादी कृत्रिम बुद्धिमत्ता
- क्रिप्टो सम्मेलन एआई
- दल-ए
- ध्यान लगा के पढ़ना या सीखना
- इसे गूगल करें
- यंत्र अधिगम
- प्लेटो
- प्लेटो एआई
- प्लेटो डेटा इंटेलिजेंस
- प्लेटो गेम
- प्लेटोडाटा
- प्लेटोगेमिंग
- स्केल एआई
- वाक्यविन्यास
- जेफिरनेट