अमेज़न SageMaker पूरी तरह से प्रबंधित मशीन लर्निंग (एमएल) सेवा है। सेजमेकर के साथ, डेटा वैज्ञानिक और डेवलपर एमएल मॉडल को जल्दी और आसानी से बना सकते हैं और प्रशिक्षित कर सकते हैं, और फिर उन्हें सीधे उत्पादन-तैयार होस्टेड वातावरण में तैनात कर सकते हैं। सेजमेकर अन्वेषण और विश्लेषण के लिए आपके डेटा स्रोतों तक आसान पहुंच के लिए एक एकीकृत ज्यूपिटर संलेखन नोटबुक उदाहरण प्रदान करता है, इसलिए आपको सर्वर प्रबंधित करने की आवश्यकता नहीं है। यह सामान्य एमएल एल्गोरिदम भी प्रदान करता है जो एक वितरित वातावरण में अत्यधिक बड़े डेटा के खिलाफ कुशलतापूर्वक चलाने के लिए अनुकूलित होते हैं।
SageMaker के लिए आवश्यक है कि एमएल मॉडल के लिए प्रशिक्षण डेटा या तो मौजूद हो Amazon सिंपल स्टोरेज सर्विस (Amazon S3), Amazon Elastic File System (Amazon EFS) या चमक के लिए Amazon FSx (अधिक जानकारी के लिए, एक्सेस ट्रेनिंग डेटा देखें). तीन समर्थित भंडारण सेवाओं के बाहर संग्रहीत डेटा का उपयोग करके एक मॉडल को प्रशिक्षित करने के लिए, डेटा को पहले इनमें से किसी एक सेवा (आमतौर पर अमेज़ॅन एस 3) में अंतर्ग्रहण करने की आवश्यकता होती है। इसके लिए डेटा पाइपलाइन बनाने की आवश्यकता होती है (जैसे टूल का उपयोग करना अमेज़न SageMaker डेटा रैंगलर) Amazon S3 में डेटा ले जाने के लिए। हालांकि, यह दृष्टिकोण प्रशिक्षण नौकरी की अवधि के लिए प्रशिक्षण डेटा को व्यवस्थित करने के उद्देश्य से इस डेटा स्टोरेज माध्यम के जीवन चक्र के प्रबंधन, अभिगम नियंत्रण, डेटा ऑडिटिंग, और इसी तरह के सभी के प्रबंधन के मामले में डेटा प्रबंधन चुनौती पैदा कर सकता है। ऐसी स्थितियों में, यह वांछनीय हो सकता है कि अमेज़ॅन S3 में डेटा के मध्यवर्ती भंडारण के बिना अल्पकालिक प्रशिक्षण उदाहरणों से जुड़े अल्पकालिक भंडारण मीडिया में SageMaker के लिए डेटा सुलभ हो।
यह पोस्ट इसका उपयोग करने का एक तरीका दिखाता है हिमपात का एक खंड डेटा स्रोत के रूप में और स्नोफ्लेक से सीधे डेटा को सेजमेकर ट्रेनिंग जॉब इंस्टेंस में डाउनलोड करके।
समाधान अवलोकन
हम उपयोग कैलिफोर्निया हाउसिंग डेटासेट इस पोस्ट के लिए एक प्रशिक्षण डेटासेट के रूप में और प्रत्येक जिले के लिए औसत घर मूल्य की भविष्यवाणी करने के लिए एक एमएल मॉडल को प्रशिक्षित करें। हम इस डेटा को स्नोफ्लेक में एक नई तालिका के रूप में जोड़ते हैं। हम एक कस्टम प्रशिक्षण कंटेनर बनाते हैं जो पहले डेटा को S3 बकेट में डाउनलोड करने के बजाय सीधे स्नोफ्लेक टेबल से डेटा को प्रशिक्षण उदाहरण में डाउनलोड करता है। डेटा को प्रशिक्षण उदाहरण में डाउनलोड करने के बाद, कस्टम प्रशिक्षण स्क्रिप्ट डेटा तैयारी कार्य करती है और फिर एमएल मॉडल को प्रशिक्षित करती है XGBoost अनुमानक. इस पोस्ट के लिए सभी कोड में उपलब्ध है गीथहब रेपो.
निम्नलिखित आंकड़ा सैजमेकर के साथ एमएल मॉडल को प्रशिक्षित करने के लिए स्नोफ्लेक को डेटा स्रोत के रूप में उपयोग करने के लिए प्रस्तावित समाधान के उच्च-स्तरीय आर्किटेक्चर का प्रतिनिधित्व करता है।
वर्कफ़्लो चरण इस प्रकार हैं:
- एक SageMaker नोटबुक सेट करें और a AWS पहचान और अभिगम प्रबंधन (IAM) भूमिका उचित अनुमतियों के साथ SageMaker को एक्सेस करने की अनुमति देती है अमेज़ॅन इलास्टिक कंटेनर रजिस्ट्री (अमेज़ॅन ईसीआर), गोपनीयता प्रबंधक, और आपके एडब्ल्यूएस खाते के भीतर अन्य सेवाएं।
- AWS सीक्रेट मैनेजर में अपने स्नोफ्लेक अकाउंट क्रेडेंशियल्स को स्टोर करें।
- अपने स्नोफ्लेक खाते में तालिका में डेटा डालें।
- एमएल मॉडल प्रशिक्षण के लिए एक कस्टम कंटेनर इमेज बनाएं और इसे Amazon ECR पर पुश करें।
- एमएल मॉडल के प्रशिक्षण के लिए एक सेजमेकर प्रशिक्षण कार्य शुरू करें। प्रशिक्षण उदाहरण सीक्रेट मैनेजर से स्नोफ्लेक क्रेडेंशियल्स को पुनः प्राप्त करता है और फिर स्नोफ्लेक से डेटासेट को सीधे डाउनलोड करने के लिए इन क्रेडेंशियल्स का उपयोग करता है। यह वह चरण है जो डेटा को पहले S3 बकेट में डाउनलोड करने की आवश्यकता को समाप्त करता है।
- प्रशिक्षित ML मॉडल को S3 बकेट में संग्रहित किया जाता है।
.. पूर्वापेक्षाएँ
इस पोस्ट में दिए गए समाधान को लागू करने के लिए, आपके पास एक होना चाहिए AWS खातातक स्नोफ्लेक खाता और सेजमेकर के साथ परिचित होना।
एक SageMaker नोटबुक और IAM भूमिका सेट अप करें
हम SageMaker नोटबुक बनाने के लिए AWS CloudFormation का उपयोग करते हैं aws-aiml-blogpost-sagemaker-snowflake-example
और एक IAM भूमिका कहा जाता है SageMakerSnowFlakeExample
। चुनना स्टैक लॉन्च करें उस क्षेत्र के लिए जहां आप संसाधन परिनियोजित करना चाहते हैं.
स्नोफ्लेक क्रेडेंशियल्स को सीक्रेट मैनेजर में स्टोर करें
अपने स्नोफ्लेक क्रेडेंशियल्स को सीक्रेट मैनेजर में एक सीक्रेट के रूप में स्टोर करें। रहस्य बनाने के तरीके के बारे में निर्देशों के लिए, देखें Create an AWS Secrets Manager secret
.
- रहस्य का नाम दें
snowflake_credentials
. यह आवश्यक है क्योंकि कोड insnowflake-load-dataset.ipynb
उम्मीद है कि रहस्य को कहा जाएगा। - दो चाबियों के साथ कुंजी-मूल्य जोड़ी के रूप में रहस्य बनाएं:
- उपयोगकर्ता नाम - आपका स्नोफ्लेक उपयोगकर्ता नाम।
- पासवर्ड - आपके स्नोफ्लेक उपयोगकर्ता नाम से जुड़ा पासवर्ड।
अपने स्नोफ्लेक खाते में तालिका में डेटा डालें
डेटा को निगलने के लिए, निम्नलिखित चरणों को पूरा करें:
- SageMaker कंसोल पर, चुनें नोटबुक नेविगेशन फलक में
- नोटबुक aws-aiml-blogpost-sagemaker-snowflake-example चुनें और चुनें जुपिटरलैब खोलें.
- चुनें
snowflake-load-dataset.ipynb
इसे जुपिटरलैब में खोलने के लिए। यह नोटबुक निगलेगा कैलिफोर्निया हाउसिंग डेटासेट स्नोफ्लेक टेबल के लिए। - नोटबुक में, अपने स्नोफ्लेक खाते से मेल खाने वाले प्लेसहोल्डर मानों को बदलने के लिए निम्न सेल की सामग्री को संपादित करें:
- रन मेनू पर, चुनें सभी सेल चलाएं इस नोटबुक में कोड चलाने के लिए। यह डेटासेट को स्थानीय रूप से नोटबुक में डाउनलोड करेगा और फिर इसे स्नोफ्लेक टेबल में डालेगा।
नोटबुक में निम्न कोड स्निपेट डेटासेट को स्नोफ्लेक में शामिल करता है। देखें snowflake-load-dataset.ipynb
पूर्ण कोड के लिए नोटबुक।
- सभी सेल बिना किसी त्रुटि के चलने के बाद नोटबुक को बंद कर दें। आपका डेटा अब स्नोफ्लेक में उपलब्ध है। निम्न स्क्रीनशॉट दिखाता है
california_housing
स्नोफ्लेक में बनाई गई तालिका।
चलाएं sagemaker-snowflake-example.ipynb
नोटबुक
यह नोटबुक स्नोफ्लेक कनेक्शन के साथ एक कस्टम प्रशिक्षण कंटेनर बनाता है, स्नोफ्लेक से डेटा को Amazon S3 में मंचित किए बिना प्रशिक्षण उदाहरण के अल्पकालिक भंडारण में निकालता है, और डेटा पर वितरित डेटा समानांतर (DDP) XGBoost मॉडल प्रशिक्षण करता है। इतने छोटे डाटासेट पर मॉडल प्रशिक्षण के लिए डीडीपी प्रशिक्षण की आवश्यकता नहीं है; इसे हाल ही में जारी की गई एक और सैजमेकर विशेषता के चित्रण के लिए यहां शामिल किया गया है।
प्रशिक्षण के लिए एक कस्टम कंटेनर बनाएँ
अब हम एमएल मॉडल प्रशिक्षण कार्य के लिए एक कस्टम कंटेनर बनाते हैं। ध्यान दें कि डॉकटर कंटेनर बनाने के लिए रूट एक्सेस आवश्यक है। इस SageMaker नोटबुक को रूट एक्सेस सक्षम होने के साथ तैनात किया गया था। यदि आपकी उद्यम संगठन नीतियां क्लाउड संसाधनों तक रूट पहुंच की अनुमति नहीं देती हैं, तो आप डॉकर कंटेनर को कहीं और (उदाहरण के लिए, आपका लैपटॉप) बनाने के लिए निम्नलिखित डॉकर फ़ाइल और शेल स्क्रिप्ट का उपयोग करना चाह सकते हैं और फिर इसे अमेज़ॅन ईसीआर पर धकेल सकते हैं। हम SageMaker XGBoost कंटेनर छवि के आधार पर कंटेनर का उपयोग करते हैं 246618743249.dkr.ecr.us-west-2.amazonaws.com/sagemaker-xgboost:1.5-1
निम्नलिखित जोड़ के साथ:
- RSI पायथन के लिए स्नोफ्लेक कनेक्टर स्नोफ्लेक टेबल से डेटा को प्रशिक्षण उदाहरण में डाउनलोड करने के लिए।
- स्नोफ्लेक क्रेडेंशियल्स को पुनः प्राप्त करने के लिए सीक्रेट मैनेजर से कनेक्ट करने के लिए एक पायथन स्क्रिप्ट।
स्नोफ्लेक कनेक्टर और पायथन स्क्रिप्ट का उपयोग सुनिश्चित करता है कि एमएल मॉडल प्रशिक्षण के लिए इस कंटेनर छवि का उपयोग करने वाले उपयोगकर्ताओं को इस कोड को अपनी प्रशिक्षण स्क्रिप्ट के हिस्से के रूप में लिखने की ज़रूरत नहीं है और इस कार्यक्षमता का उपयोग कर सकते हैं जो उनके लिए पहले से उपलब्ध है।
निम्नलिखित प्रशिक्षण कंटेनर के लिए डॉकरफाइल है:
कंटेनर छवि बनाई गई है और अमेज़ॅन ईसीआर को धकेल दी गई है। इस छवि का उपयोग एमएल मॉडल के प्रशिक्षण के लिए किया जाता है।
SageMaker प्रशिक्षण कार्य का उपयोग करके ML मॉडल को प्रशिक्षित करें
जब हम सफलतापूर्वक कंटेनर छवि बना लेते हैं और इसे Amazon ECR पर धकेल देते हैं, तो हम मॉडल प्रशिक्षण के लिए इसका उपयोग शुरू कर सकते हैं।
- हम स्नोफ्लेक से डेटा डाउनलोड करने के लिए पायथन स्क्रिप्ट का एक सेट बनाते हैं पायथन के लिए स्नोफ्लेक कनेक्टर, डेटा तैयार करें और फिर उसका उपयोग करें
XGBoost Regressor
एमएल मॉडल को प्रशिक्षित करने के लिए। यह डेटा को सीधे प्रशिक्षण उदाहरण में डाउनलोड करने का चरण है जो प्रशिक्षण डेटा के लिए मध्यवर्ती भंडारण के रूप में Amazon S3 का उपयोग करने से बचता है। - हम प्रशिक्षण कोड को डेटा का एक यादृच्छिक सबसेट डाउनलोड करके वितरित डेटा समानांतर प्रशिक्षण की सुविधा प्रदान करते हैं, जैसे कि प्रत्येक प्रशिक्षण उदाहरण स्नोफ्लेक से समान मात्रा में डेटा डाउनलोड करता है। उदाहरण के लिए, यदि दो प्रशिक्षण नोड हैं, तो प्रत्येक नोड स्नोफ्लेक तालिका में 50% पंक्तियों का एक यादृच्छिक नमूना डाउनलोड करता है। निम्नलिखित कोड देखें:
- फिर हम सैजमेकर एसडीके को प्रशिक्षण स्क्रिप्ट प्रदान करते हैं
Estimator
स्रोत निर्देशिका के साथ ताकि हमारे द्वारा बनाई गई सभी स्क्रिप्ट प्रशिक्षण कंटेनर को प्रदान की जा सकें जब प्रशिक्षण कार्य का उपयोग करके चलाया जाता हैEstimator.fit
तरीका:अधिक जानकारी के लिए, देखें स्किकिट-लर्न ट्रेनिंग स्क्रिप्ट तैयार करें.
- मॉडल प्रशिक्षण पूरा होने के बाद, प्रशिक्षित मॉडल एक के रूप में उपलब्ध होता है
model.tar.gz
क्षेत्र के लिए डिफ़ॉल्ट SageMaker बकेट में फ़ाइल:
अब आप नए डेटा पर अनुमान लगाने के लिए प्रशिक्षित मॉडल को तैनात कर सकते हैं! निर्देशों के लिए, देखें अपना एंडपॉइंट बनाएं और अपना मॉडल तैनात करें।
क्लीन अप
भविष्य में शुल्क लगाने से बचने के लिए, संसाधनों को हटा दें। IAM भूमिका और SageMaker नोटबुक बनाने के लिए उपयोग किए जाने वाले CloudFormation टेम्प्लेट को हटाकर आप ऐसा कर सकते हैं।
आपको स्नोफ्लेक कंसोल से स्नोफ्लेक संसाधनों को मैन्युअल रूप से हटाना होगा।
निष्कर्ष
इस पोस्ट में, हमने दिखाया कि स्नोफ्लेक टेबल में स्टोर किए गए डेटा को सेजमेकर ट्रेनिंग जॉब इंस्टेंस में कैसे डाउनलोड किया जाए और कस्टम ट्रेनिंग कंटेनर का उपयोग करके XGBoost मॉडल को कैसे प्रशिक्षित किया जाए। यह दृष्टिकोण हमें अमेज़ॅन एस 3 में डेटा का मंचन किए बिना स्नोफ्लेक को एक सैजमेकर नोटबुक के साथ डेटा स्रोत के रूप में सीधे एकीकृत करने की अनुमति देता है।
हम आपको एक्सप्लोर करके और जानने के लिए प्रोत्साहित करते हैं अमेज़न SageMaker पायथन एसडीके और इस पोस्ट में प्रदान किए गए नमूना कार्यान्वयन और आपके व्यवसाय के लिए प्रासंगिक डेटासेट का उपयोग करके एक समाधान तैयार करना। यदि आपके कोई प्रश्न या सुझाव हैं, तो एक टिप्पणी छोड़ दें।
लेखक के बारे में
अमित अरोड़ा Amazon Web Services में एक AI और ML विशेषज्ञ वास्तुकार है, जो उद्यम ग्राहकों को उनके नवाचारों को तेजी से बढ़ाने के लिए क्लाउड-आधारित मशीन लर्निंग सेवाओं का उपयोग करने में मदद करता है। वह वाशिंगटन डीसी में जॉर्जटाउन यूनिवर्सिटी में एमएस डेटा साइंस एंड एनालिटिक्स प्रोग्राम में सहायक व्याख्याता भी हैं
दिव्या मुरलीधरन Amazon Web Services में एक समाधान वास्तुकार है। वह उद्यम ग्राहकों को प्रौद्योगिकी के साथ व्यावसायिक समस्याओं को हल करने में मदद करने के बारे में भावुक है। उन्होंने रोचेस्टर इंस्टीट्यूट ऑफ टेक्नोलॉजी से कंप्यूटर साइंस में मास्टर्स किया है। ऑफिस के बाहर वह खाना पकाने, गाने और पौधे उगाने में समय बिताती हैं।
सर्गेई एर्मोलिन एडब्ल्यूएस में प्रिंसिपल एआईएमएल सॉल्यूशंस आर्किटेक्ट हैं। इससे पहले, वह इंटेल में डीप लर्निंग, एनालिटिक्स और बिग डेटा टेक्नोलॉजीज के लिए एक सॉफ्टवेयर सॉल्यूशंस आर्किटेक्ट थे। मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस के जुनून के साथ एक सिलिकॉन वैली के दिग्गज, पूर्व-जीपीयू दिनों से तंत्रिका नेटवर्क में रुचि रखते हैं, जब उन्होंने हेवलेट-पैकर्ड में क्वार्ट्ज क्रिस्टल और सीज़ियम परमाणु घड़ियों के उम्र बढ़ने के व्यवहार की भविष्यवाणी करने के लिए उनका उपयोग किया था। सर्गेई के पास स्टैनफोर्ड से एमएसईई और सीएस प्रमाणपत्र है और कैलिफोर्निया स्टेट यूनिवर्सिटी, सैक्रामेंटो से भौतिकी और मैकेनिकल इंजीनियरिंग में बीएस डिग्री है। काम के बाहर, सर्गेई को शराब बनाने, स्कीइंग, बाइकिंग, नौकायन और स्कूबा-डाइविंग का आनंद मिलता है। सर्गेई भी एक स्वयंसेवक पायलट है एंजेल फ्लाइट.
- 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/use-snowflake-as-a-data-source-to-train-ml-models-with-amazon-sagemaker/
- :है
- $यूपी
- 1
- 10
- 7
- 8
- a
- About
- पहुँच
- सुलभ
- लेखा
- अतिरिक्त
- बाद
- के खिलाफ
- एजिंग
- AI
- एआईएमएल
- एल्गोरिदम
- सब
- की अनुमति देता है
- पहले ही
- वीरांगना
- अमेज़न FSx
- अमेज़न SageMaker
- अमेज़ॅन वेब सेवा
- राशि
- विश्लेषण
- विश्लेषिकी
- और
- अन्य
- दृष्टिकोण
- उपयुक्त
- स्थापत्य
- हैं
- कृत्रिम
- कृत्रिम बुद्धिमत्ता
- AS
- जुड़े
- At
- लेखा परीक्षा
- संलेखन
- उपलब्ध
- एडब्ल्यूएस
- एडब्ल्यूएस CloudFormation
- आधार
- आधारित
- BE
- क्योंकि
- बड़ा
- बड़ा डेटा
- निर्माण
- इमारत
- बनाया गया
- व्यापार
- by
- कैलिफ़ोर्निया
- बुलाया
- कर सकते हैं
- कोशिकाओं
- प्रमाण पत्र
- चुनौती
- प्रभार
- चुनें
- सफाई
- घड़ियों
- बादल
- कोड
- स्तंभ
- स्तंभ
- टिप्पणी
- सामान्य
- पूरा
- कंप्यूटर
- कम्प्यूटर साइंस
- जुडिये
- संबंध
- कंसोल
- कंटेनर
- शामिल हैं
- अंतर्वस्तु
- नियंत्रण
- बनाना
- बनाया
- बनाता है
- बनाना
- साख
- रिवाज
- ग्राहक
- तिथि
- आँकड़ा प्रबंधन
- डेटा तैयारी
- डेटा विज्ञान
- डेटा भंडारण
- दिनांक और समय
- दिन
- डीडीपी
- निर्णय लेने से
- गहरा
- ध्यान लगा के पढ़ना या सीखना
- चूक
- डिग्री
- तैनात
- तैनात
- डेवलपर्स
- सीधे
- वितरित
- ज़िला
- डाक में काम करनेवाला मज़दूर
- dont
- डाउनलोड
- डाउनलोड
- से प्रत्येक
- आसानी
- कुशलता
- भी
- को हटा देता है
- अन्यत्र
- सक्षम
- प्रोत्साहित करना
- endpoint
- अभियांत्रिकी
- सुनिश्चित
- उद्यम
- वातावरण
- त्रुटि
- उदाहरण
- निष्पादित
- मौजूद
- उम्मीद
- अन्वेषण
- तलाश
- अर्क
- अत्यंत
- की सुविधा
- निष्पक्ष
- सुपरिचय
- Feature
- आकृति
- पट्टिका
- अंतिम
- प्रथम
- फिट
- निम्नलिखित
- इस प्रकार है
- के लिए
- से
- पूर्ण
- पूरी तरह से
- कार्यक्षमता
- भविष्य
- मिल
- मिल रहा
- GitHub
- जा
- बढ़ रहा है
- है
- होने
- मदद
- यहाँ उत्पन्न करें
- उच्च स्तर
- रखती है
- मेजबानी
- मेजबान
- मकान
- आवासन
- कैसे
- How To
- तथापि
- एचटीएमएल
- HTTPS
- पहचान
- की छवि
- लागू करने के
- कार्यान्वयन
- आयात
- in
- शामिल
- शामिल
- अनुक्रमणिका
- करें-
- नवाचारों
- स्थापित
- उदाहरण
- संस्थान
- निर्देश
- एकीकृत
- एकीकृत
- इंटेल
- बुद्धि
- रुचि
- IT
- काम
- Instagram पर
- लैपटॉप
- बड़ा
- पिछली बार
- जानें
- सीख रहा हूँ
- छोड़ना
- जीवन चक्र
- ln
- स्थानीय स्तर पर
- मशीन
- यंत्र अधिगम
- प्रबंधन
- कामयाब
- प्रबंध
- प्रबंधक
- प्रबंध
- मैन्युअल
- मिलान
- यांत्रिक
- मीडिया
- मध्यम
- मेन्यू
- तरीका
- ML
- आदर्श
- मॉडल
- अधिक
- चाल
- MS
- नाम
- पथ प्रदर्शन
- आवश्यकता
- की जरूरत है
- नेटवर्क
- तंत्रिका जाल
- नया
- अगला
- नोड
- नोड्स
- नोटबुक
- संख्या
- वस्तु
- of
- Office
- on
- ONE
- खुला
- अनुकूलित
- आदेश
- संगठन
- अन्य
- बाहर
- पैकेज
- पांडा
- फलक
- समानांतर
- भाग
- जुनून
- आवेशपूर्ण
- पासवर्ड
- प्रदर्शन
- अनुमतियाँ
- भौतिक विज्ञान
- पायलट
- पाइपलाइन
- प्लेसहोल्डर
- कारखाना
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- नीतियाँ
- आबादी वाले
- पद
- भविष्यवाणी करना
- तैयार करना
- वर्तमान
- पहले से
- प्रिंसिपल
- समस्याओं
- कार्यक्रम
- प्रस्तावित
- प्रदान करना
- बशर्ते
- प्रदान करता है
- उद्देश्य
- धक्का
- धकेल दिया
- अजगर
- प्रशन
- जल्दी से
- बिना सोचे समझे
- तेजी
- बल्कि
- पढ़ना
- हाल ही में
- अभिलेख
- कम कर देता है
- क्षेत्र
- रिहा
- प्रासंगिक
- की जगह
- का प्रतिनिधित्व करता है
- अपेक्षित
- की आवश्यकता होती है
- उपयुक्त संसाधन चुनें
- वापसी
- भूमिका
- जड़
- आरओडब्ल्यू
- रन
- सैक्रामेंटो
- sagemaker
- नौकायन
- सहेजें
- स्केल
- विज्ञान
- वैज्ञानिकों
- scikit सीखने
- लिपियों
- एसडीके
- गुप्त
- सर्वर
- सेवा
- सेवाएँ
- सेट
- आकार
- खोल
- चाहिए
- दिखाता है
- महत्वपूर्ण
- सिलिकॉन
- सिलिकॉन वैली
- सरल
- के बाद से
- स्थितियों
- छोटा
- So
- सॉफ्टवेयर
- समाधान
- समाधान ढूंढे
- हल
- स्रोत
- सूत्रों का कहना है
- अंतरिक्ष
- विशेषज्ञ
- मचान
- प्रारंभ
- राज्य
- कथन
- कदम
- कदम
- भंडारण
- संग्रहित
- सबनेट
- सफलतापूर्वक
- ऐसा
- समर्थन
- समर्थित
- प्रणाली
- तालिका
- कार्य
- टेक्नोलॉजीज
- टेक्नोलॉजी
- टेम्पलेट
- शर्तों
- कि
- RSI
- स्रोत
- लेकिन हाल ही
- उन
- इन
- तीन
- यहाँ
- पहर
- सेवा मेरे
- उपकरण
- कुल
- रेलगाड़ी
- प्रशिक्षित
- प्रशिक्षण
- गाड़ियों
- आम तौर पर
- विश्वविद्यालय
- अपडेट
- us
- उपयोग
- उपयोगकर्ता
- उपयोगकर्ताओं
- घाटी
- मूल्य
- मान
- अनुभवी
- स्वयंसेवक
- वाशिंगटन
- मार्ग..
- वेब
- वेब सेवाओं
- कौन कौन से
- कौन
- मर्जी
- साथ में
- अंदर
- बिना
- काम
- लिखना
- एक्सजीबूस्ट
- आप
- आपका
- जेफिरनेट