مشین لرننگ (ML) ماڈل تنہائی میں کام نہیں کرتے ہیں۔ قدر فراہم کرنے کے لیے، انہیں موجودہ پیداواری نظاموں اور بنیادی ڈھانچے میں ضم ہونا چاہیے، جس کے لیے ڈیزائن اور ترقی کے دوران پورے ایم ایل لائف سائیکل پر غور کرنا ضروری ہے۔ ML آپریشنز، جنہیں MLOps کے نام سے جانا جاتا ہے، اپنی پوری زندگی میں ML ماڈلز کو ہموار کرنے، خودکار بنانے اور ان کی نگرانی پر توجہ مرکوز کرتے ہیں۔ ایک مضبوط MLOps پائپ لائن کی تعمیر کراس فنکشنل تعاون کا مطالبہ کرتی ہے۔ ڈیٹا سائنسدانوں، ML انجینئرز، IT عملے، اور DevOps ٹیموں کو تحقیق سے لے کر تعیناتی اور دیکھ بھال تک ماڈلز کو چلانے کے لیے مل کر کام کرنا چاہیے۔ صحیح طریقہ کار اور ٹولز کے ساتھ، MLOps تنظیموں کو قابل اعتماد اور مؤثر طریقے سے اپنی ٹیموں میں ML کو اپنانے کے قابل بناتا ہے۔
اگرچہ مسلسل انضمام اور مسلسل ترسیل (CI/CD) پائپ لائنز کی ضروریات منفرد ہو سکتی ہیں اور ہر تنظیم کی ضروریات کی عکاسی کرتی ہیں، ٹیموں میں MLOps کے طریقوں کو سکیل کرنے کو منظم آرکیسٹریشنز اور ٹولز کا استعمال کرتے ہوئے آسان بنایا جا سکتا ہے جو ترقیاتی عمل کو تیز کر سکتے ہیں اور غیر متفاوت ہیوی لفٹنگ کو ہٹا سکتے ہیں۔ .
ایمیزون سیج میکر ایم ایل او پی ایس خصوصیات کا ایک مجموعہ ہے جس میں شامل ہیں۔ ایمیزون سیج میکر پروجیکٹس (CI/CD)، ایمیزون سیج میکر پائپ لائنز اور ایمیزون سیج میکر ماڈل رجسٹری.
سیج میکر پائپ لائنز ML ورک فلو کی سیدھی تخلیق اور انتظام کی اجازت دیتا ہے، جبکہ ورک فلو کے مراحل کے لیے اسٹوریج اور دوبارہ استعمال کی صلاحیتیں بھی پیش کرتا ہے۔ دی سیج میکر ماڈل رجسٹری ماڈل ٹریکنگ کو مرکزی بناتا ہے، ماڈل کی تعیناتی کو آسان بناتا ہے۔ سیج میکر پروجیکٹس ML میں CI/CD طریقوں کو متعارف کرایا ہے، بشمول ماحولیاتی برابری، ورژن کنٹرول، ٹیسٹنگ، اور آٹومیشن۔ یہ آپ کے ML ماحول میں CI/CD کے فوری قیام کی اجازت دیتا ہے، جو آپ کے پورے انٹرپرائز میں موثر اسکیل ایبلٹی کو سہولت فراہم کرتا ہے۔
بلٹ ان میں پروجیکٹ ٹیمپلیٹس کی طرف سے فراہم ایمیزون سیج میکر کچھ تھرڈ پارٹی ٹولز کے ساتھ انضمام شامل ہے، جیسے کہ آرکیسٹریشن کے لیے جینکنز اور سورس کنٹرول کے لیے GitHub، اور کئی AWS مقامی CI/CD ٹولز کا استعمال کرتے ہیں جیسے AWS CodeCommit, AWS کوڈ پائپ لائن، اور AWS کوڈ بلڈ۔. تاہم، بہت سے منظرناموں میں، صارفین سیج میکر پائپ لائنز کو دیگر موجودہ CI/CD ٹولز کے ساتھ مربوط کرنا چاہیں گے اور اس لیے، اپنی مرضی کے مطابق پروجیکٹ ٹیمپلیٹس بنائیں۔
اس پوسٹ میں، ہم آپ کو درج ذیل حاصل کرنے کے لیے مرحلہ وار عمل درآمد دکھاتے ہیں:
- ایک حسب ضرورت SageMaker MLOps پروجیکٹ ٹیمپلیٹ بنائیں جو GitHub اور GitHub ایکشنز کے ساتھ ضم ہو
- اپنے حسب ضرورت پروجیکٹ ٹیمپلیٹس کو اس میں دستیاب کریں۔ ایمیزون سیج میکر اسٹوڈیو ایک کلک کی فراہمی کے ساتھ آپ کی ڈیٹا سائنس ٹیم کے لیے
حل جائزہ
اس پوسٹ میں، ہم مندرجہ ذیل فن تعمیر کی تعمیر کرتے ہیں۔ ہم ایک خودکار ماڈل بلڈ پائپ لائن بناتے ہیں جس میں ڈیٹا کی تیاری، ماڈل ٹریننگ، ماڈل کی تشخیص، اور SageMaker ماڈل رجسٹری میں تربیت یافتہ ماڈل کی رجسٹریشن کے اقدامات شامل ہیں۔ اس کے بعد تربیت یافتہ ایم ایل ماڈل کو سیج میکر ماڈل رجسٹری سے دستی منظوری پر سٹیجنگ اور پروڈکشن ماحول میں تعینات کیا جاتا ہے۔
آئیے مکمل کنفیگریشن کو سمجھنے کے لیے اس فن تعمیر کے عناصر کا جائزہ لیں۔
GitHub اور GitHub ایکشن
GitHub ایک ویب پر مبنی پلیٹ فارم ہے جو Git کا استعمال کرتے ہوئے ورژن کنٹرول اور سورس کوڈ کا انتظام فراہم کرتا ہے۔ یہ ٹیموں کو سافٹ ویئر ڈویلپمنٹ پروجیکٹس میں تعاون کرنے، تبدیلیوں کو ٹریک کرنے، اور کوڈ ریپوزٹریز کا نظم کرنے کے قابل بناتا ہے۔ GitHub آپ کے ML کوڈ بیس کو اسٹور کرنے، ورژن بنانے اور اس کا نظم کرنے کے لیے ایک مرکزی مقام کے طور پر کام کرتا ہے۔ یہ اس بات کو یقینی بناتا ہے کہ آپ کا ML کوڈ بیس اور پائپ لائنز ورژن شدہ، دستاویزی، اور ٹیم کے اراکین کے لیے قابل رسائی ہیں۔
گٹ ہب ایکشنز۔ GitHub ماحولیاتی نظام کے اندر ایک طاقتور آٹومیشن ٹول ہے۔ یہ آپ کو اپنی مرضی کے مطابق ورک فلو بنانے کی اجازت دیتا ہے جو آپ کے سافٹ ویئر ڈویلپمنٹ لائف سائیکل کے عمل کو خودکار کرتا ہے، جیسے کہ کوڈ کی تعمیر، جانچ اور تعیناتی۔ آپ مخصوص ایونٹس کے ذریعے متحرک ہونے والے ایونٹ سے چلنے والے ورک فلو بنا سکتے ہیں، جیسے کہ جب کوڈ کو کسی ریپوزٹری میں دھکیل دیا جاتا ہے یا پل کی درخواست بنائی جاتی ہے۔ MLOps کو لاگو کرتے وقت، آپ ML پائپ لائن کے مختلف مراحل کو خودکار کرنے کے لیے GitHub ایکشنز استعمال کر سکتے ہیں، جیسے:
- ڈیٹا کی توثیق اور پری پروسیسنگ
- ماڈل ٹریننگ اور تشخیص
- ماڈل کی تعیناتی اور نگرانی
- ایم ایل ماڈلز کے لیے CI/CD
GitHub ایکشنز کے ساتھ، آپ اپنے ML ورک فلو کو ہموار کر سکتے ہیں اور اس بات کو یقینی بنا سکتے ہیں کہ آپ کے ماڈلز مستقل طور پر بنائے گئے، ٹیسٹ کیے گئے اور تعینات کیے گئے ہیں، جس سے زیادہ موثر اور قابل اعتماد ML تعیناتیاں ہوتی ہیں۔
مندرجہ ذیل حصوں میں، ہم اس فن تعمیر کے حصے کے طور پر استعمال کیے جانے والے کچھ اجزاء سے متعلق شرائط کو ترتیب دے کر شروع کرتے ہیں:
- AWS کلاؤڈ فارمیشن - AWS کلاؤڈ فارمیشن ماڈل کی تعیناتی کا آغاز کرتا ہے اور تربیت یافتہ ماڈل کی منظوری سے ماڈل کی تعیناتی پائپ لائن کو چالو کرنے کے بعد SageMaker اینڈ پوائنٹس قائم کرتا ہے۔
- AWS CodeStar کنکشن - ہم استعمال کرتے ہیں AWS CodeStar GitHub ریپوزٹری کے ساتھ ایک لنک قائم کرنے اور اسے AWS وسائل کے ساتھ کوڈ ریپو انٹیگریشن کے طور پر استعمال کرنے کے لیے، جیسے SageMaker Studio۔
- ایمیزون ایونٹ برج - ایمیزون ایونٹ برج ماڈل رجسٹری میں ہونے والی تمام ترامیم پر نظر رکھتا ہے۔ یہ ایک اصول بھی برقرار رکھتا ہے جو لیمبڈا فنکشن کو ماڈل پائپ لائن کو تعینات کرنے کا اشارہ کرتا ہے جب ماڈل پیکیج ورژن کی حیثیت تبدیل ہوتی ہے۔
PendingManualApproval
کرنے کے لئےApproved
ماڈل رجسٹری کے اندر۔ - او ڈبلیو ایس لامبڈا۔ - ہم ایک استعمال کرتے ہیں۔ او ڈبلیو ایس لامبڈا۔ ماڈل رجسٹری میں نئے ماڈل کے رجسٹر ہونے کے بعد گٹ ہب ایکشنز میں ماڈل کی تعیناتی کے ورک فلو کو شروع کرنے کے لیے فنکشن۔
- ایمیزون سیج میکر - ہم درج ذیل سیج میکر اجزاء کو تشکیل دیتے ہیں:
- پائپ لائن - یہ جزو ایک ڈائریکٹڈ ایسکلک گراف (DAG) پر مشتمل ہے جو ڈیٹا کی تیاری، ماڈل ٹریننگ، اور ماڈل کی تشخیص کے مراحل کے لیے خودکار ML ورک فلو بنانے میں ہماری مدد کرتا ہے۔ ماڈل رجسٹری ماڈل ورژن، ان سے منسلک نمونے، نسب، اور میٹا ڈیٹا کے ریکارڈ کو برقرار رکھتی ہے۔ ایک ماڈل پیکیج گروپ قائم کیا گیا ہے جس میں تمام متعلقہ ماڈل ورژن موجود ہیں۔ ماڈل رجسٹری بعد میں تعیناتی کے لیے ماڈل ورژن کی منظوری کی حیثیت کے انتظام کے لیے بھی ذمہ دار ہے۔
- اختتام پوائنٹ - یہ جزو تخمینہ کے لیے دو HTTPS ریئل ٹائم اینڈ پوائنٹس مرتب کرتا ہے۔ ہوسٹنگ کنفیگریشن کو ایڈجسٹ کیا جا سکتا ہے، مثال کے طور پر، بیچ ٹرانسفارم یا غیر مطابقت پذیر تخمینہ کے لیے۔ سٹیجنگ اینڈ پوائنٹ اس وقت تیار ہوتا ہے جب SageMaker ماڈل رجسٹری سے تربیت یافتہ ماڈل کی منظوری سے ماڈل کی تعیناتی پائپ لائن کو چالو کیا جاتا ہے۔ اس اختتامی نقطہ کا استعمال اس بات کو یقینی بنا کر کیا جاتا ہے کہ یہ ہمارے درستگی کے معیارات کو پورا کرنے والی پیشین گوئیاں فراہم کرتا ہے۔ جب ماڈل پروڈکشن کی تعیناتی کے لیے تیار کیا جاتا ہے، تو GitHub ایکشنز ورک فلو میں دستی منظوری کے مرحلے کے ذریعے پروڈکشن اینڈ پوائنٹ کو تعینات کیا جاتا ہے۔
- ذخیرہ کوڈ - یہ آپ کے سیج میکر اکاؤنٹ میں بطور وسیلہ گٹ ریپوزٹری بناتا ہے۔ GitHub کوڈ ریپوزٹری سے موجودہ ڈیٹا کا استعمال کرتے ہوئے جسے آپ اپنے SageMaker پروجیکٹ کی تخلیق کے دوران داخل کرتے ہیں، SageMaker میں اسی ریپوزٹری کے ساتھ ایک ایسوسی ایشن قائم کی جاتی ہے جب آپ پروجیکٹ شروع کرتے ہیں۔ یہ بنیادی طور پر SageMaker میں GitHub ذخیرہ کے ساتھ ایک لنک بناتا ہے، جو آپ کے ذخیرے کے ساتھ انٹرایکٹو ایکشنز (پل/پش) کو فعال کرتا ہے۔
- ماڈل رجسٹری - یہ ماڈل کے مختلف ورژن اور متعلقہ نمونے کی نگرانی کرتا ہے، جس میں نسب اور میٹا ڈیٹا شامل ہے۔ ایک مجموعہ کے نام سے جانا جاتا ہے۔ ماڈل پیکیج گروپ ماڈل کے ہاؤسنگ سے متعلق ورژن بنائے گئے ہیں۔ مزید برآں، ماڈل رجسٹری ماڈل ورژن کی منظوری کی حیثیت کی نگرانی کرتی ہے، اس کے بعد کی تعیناتی کے لیے اس کی تیاری کو یقینی بناتی ہے۔
- AWS سیکرٹس مینیجر - اپنے GitHub ذاتی رسائی ٹوکن کو محفوظ طریقے سے محفوظ رکھنے کے لیے، اس میں راز قائم کرنا ضروری ہے۔ AWS سیکرٹس مینیجر اور اس میں اپنا رسائی ٹوکن رکھیں۔
- AWS سروس کیٹلاگ - ہم استعمال کرتے ہیں۔ AWS سروس کیٹلاگ سیج میکر پروجیکٹس کے نفاذ کے لیے، جس میں سیج میکر کوڈ ریپوزٹری، لیمبڈا فنکشن، ایونٹ برج رول، آرٹفیکٹ S3 بالٹی، وغیرہ جیسے اجزاء شامل ہیں، سبھی CloudFormation کے ذریعے لاگو ہوتے ہیں۔ یہ آپ کی تنظیم کو پروجیکٹ ٹیمپلیٹس کو بار بار استعمال کرنے، ہر صارف کے لیے پروجیکٹس مختص کرنے، اور آپریشنز کو ہموار کرنے کی اجازت دیتا ہے۔
- ایمیزون S3 - ہم ایک استعمال کرتے ہیں۔ ایمیزون سادہ اسٹوریج سروس (ایمیزون S3) پائپ لائن کے ذریعہ تیار کردہ ماڈل نمونے رکھنے کے لئے بالٹی۔
شرائط
آپ کے پاس درج ذیل شرائط ہونی چاہئیں:
حل کو لاگو کرنے سے پہلے آپ کو سیٹ اپ کے اضافی مراحل کو بھی مکمل کرنا ہوگا۔
AWS CodeStar کنکشن قائم کریں۔
اگر آپ کے پاس پہلے سے ہی اپنے GitHub اکاؤنٹ سے AWS CodeStar کنکشن نہیں ہے، تو رجوع کریں۔ GitHub سے کنکشن بنائیں ایک بنانے کے لیے ہدایات کے لیے۔ آپ کا AWS CodeStar کنکشن ARN اس طرح نظر آئے گا:
اس مثال میں ، aEXAMPLE-8aad-4d5d-8878-dfcab0bc441f
اس کنکشن کے لیے منفرد ID ہے۔ ہم اس ID کو استعمال کرتے ہیں جب ہم اس مثال میں بعد میں اپنا SageMaker پروجیکٹ بناتے ہیں۔
اپنے GitHub ٹوکن کے لیے خفیہ رسائی کی چابیاں مرتب کریں۔
اپنے GitHub ذاتی رسائی ٹوکن کو محفوظ طریقے سے ذخیرہ کرنے کے لیے، آپ کو سیکرٹس مینیجر میں ایک راز بنانا ہوگا۔ اگر آپ کے پاس GitHub کے لیے ذاتی رسائی کا ٹوکن نہیں ہے، تو رجوع کریں۔ اپنے ذاتی رسائی ٹوکنز کا انتظام کرنا ایک بنانے کے لیے ہدایات کے لیے۔
آپ یا تو ایک کلاسک یا عمدہ رسائی ٹوکن بنا سکتے ہیں۔ تاہم، اس بات کو یقینی بنائیں کہ ٹوکن کو ریپوزٹری کے مواد اور اعمال (ورک فلوز، رنز، اور نمونے) تک رسائی حاصل ہے۔
سیکرٹس مینیجر میں اپنے ٹوکن کو ذخیرہ کرنے کے لیے درج ذیل مراحل کو مکمل کریں:
- سیکرٹس مینیجر کنسول پر، منتخب کریں۔ ایک نیا راز ذخیرہ کریں۔.
- منتخب کریں راز کی دوسری قسم لیے خفیہ قسم کا انتخاب کریں۔.
- میں اپنے راز کے لیے ایک نام فراہم کریں۔ کلیدی فیلڈ اور متعلقہ میں اپنا ذاتی رسائی ٹوکن شامل کریں۔ قدر میدان.
- میں سے انتخاب کریں اگلےاپنے راز کے لیے ایک نام درج کریں، اور منتخب کریں۔ اگلے پھر سے.
- میں سے انتخاب کریں سٹور اپنے راز کو بچانے کے لیے۔
اپنے GitHub پرسنل ایکسیس ٹوکن کو سیکرٹس مینیجر میں اسٹور کرکے، آپ اس کی رازداری کو یقینی بناتے ہوئے اپنی MLOps پائپ لائن کے اندر محفوظ طریقے سے اس تک رسائی حاصل کرسکتے ہیں۔
GitHub ایکشنز کے لیے ایک IAM صارف بنائیں
GitHub ایکشنز کو اپنے AWS ماحول میں SageMaker اینڈ پوائنٹس کو تعینات کرنے کی اجازت دینے کے لیے، آپ کو ایک تخلیق کرنے کی ضرورت ہے۔ AWS شناخت اور رسائی کا انتظام (IAM) صارف اور اسے ضروری اجازتیں دیں۔ ہدایات کے لیے، رجوع کریں۔ اپنے AWS اکاؤنٹ میں IAM صارف بنانا. کا استعمال کرتے ہیں iam/GithubActionsMLOpsExecutionPolicy.json
فائل (میں فراہم کردہ کوڈ کا نمونہ) اس صارف کو آپ کے اختتامی مقامات کو تعینات کرنے کے لیے کافی اجازتیں فراہم کرنے کے لیے۔
IAM صارف بنانے کے بعد، ایک رسائی کلید بنائیں. آپ اپنے GitHub رازوں کو ترتیب دیتے وقت اگلے مرحلے میں اس کلید کا استعمال کریں گے، جو کہ ایک رسائی کلید ID اور ایک خفیہ رسائی کلید دونوں پر مشتمل ہے۔
اپنا GitHub اکاؤنٹ ترتیب دیں۔
اس مثال کو چلانے کے لیے اپنے GitHub اکاؤنٹ کو تیار کرنے کے لیے درج ذیل اقدامات ہیں۔
GitHub ذخیرہ کو کلون کریں۔
آپ اس مثال کے لیے موجودہ GitHub ریپو کو دوبارہ استعمال کر سکتے ہیں۔ تاہم، اگر آپ نیا ذخیرہ بناتے ہیں تو یہ آسان ہے۔ اس ذخیرہ میں SageMaker پائپ لائن کی تعمیر اور تعیناتی دونوں کے لیے تمام سورس کوڈ شامل ہوں گے۔
بیج کوڈ ڈائرکٹری کے مواد کو اپنے GitHub ذخیرہ کی جڑ میں کاپی کریں۔ مثال کے طور پر، .github
ڈائریکٹری آپ کے GitHub ذخیرے کی جڑ کے نیچے ہونی چاہئے۔
ایک GitHub راز بنائیں جس میں آپ کی IAM صارف رسائی کلید ہو۔
اس مرحلے میں، ہم نئے بنائے گئے صارف کی رسائی کی کلیدی تفصیلات کو اپنے میں محفوظ کرتے ہیں۔ GitHub راز.
- GitHub ویب سائٹ پر، اپنے ذخیرے پر جائیں اور منتخب کریں۔ ترتیبات.
- سیکیورٹی سیکشن میں، منتخب کریں۔ راز اور متغیرات اور منتخب کریں عوامل.
- میں سے انتخاب کریں نیا ذخیرہ راز.
- کے لئے نام، داخل کریں
AWS_ACCESS_KEY_ID
- کے لئے خفیہ، IAM صارف سے وابستہ رسائی کلید ID درج کریں جسے آپ نے پہلے بنایا تھا۔
- میں سے انتخاب کریں راز شامل کریں۔.
- کے لیے اسی طریقہ کار کو دہرائیں۔
AWS_SECRET_ACCESS_KEY
اپنے GitHub ماحول کو ترتیب دیں۔
ہماری تعیناتی پائپ لائنوں میں دستی منظوری کا مرحلہ بنانے کے لیے، ہم استعمال کرتے ہیں۔ GitHub ماحول. درج ذیل مراحل کو مکمل کریں:
- پر تشریف لے جائیں ترتیبات, ماحولیات۔ اپنے GitHub ذخیرے کا مینو بنائیں اور ایک نیا ماحول بنائیں جسے پروڈکشن کہتے ہیں۔
- کے لئے ماحولیاتی تحفظ کے قوانینمنتخب جائزہ لینے والوں کی ضرورت ہے۔.
- مطلوبہ GitHub صارف کے نام بطور جائزہ نگار شامل کریں۔ اس مثال کے لیے، آپ اپنا صارف نام منتخب کر سکتے ہیں۔
نوٹ کریں کہ ماحولیاتی خصوصیت کچھ قسم کے GitHub منصوبوں میں دستیاب نہیں ہے۔ مزید معلومات کے لیے رجوع کریں۔ تعیناتی کے لیے ماحول کا استعمال.
لیمبڈا فنکشن تعینات کریں۔
درج ذیل مراحل میں، ہم کمپریس کرتے ہیں۔ lambda_function.py
ایک .zip فائل میں، جسے پھر S3 بالٹی میں اپ لوڈ کیا جاتا ہے۔
اس کے لیے متعلقہ کوڈ کا نمونہ درج ذیل میں پایا جا سکتا ہے۔ GitHub repo. خاص طور پر ، lambda_function.py
میں واقع ہے lambda_functions/lambda_github_workflow_trigger ڈائریکٹری.
کوڈ کے نمونے کا کانٹا بنانے اور اس کی بجائے کلون کرنے کی سفارش کی جاتی ہے۔ یہ آپ کو کوڈ میں ترمیم کرنے اور نمونے کے مختلف پہلوؤں کے ساتھ تجربہ کرنے کی آزادی دے گا۔
- کوڈ کی ایک کاپی حاصل کرنے کے بعد، مناسب ڈائریکٹری پر جائیں اور استعمال کریں۔
zip
کمپریس کرنے کا حکمlambda_function.py
. ونڈوز اور میک او ایس دونوں صارفین .zip فائل بنانے کے لیے اپنے مقامی فائل مینجمنٹ سسٹم، فائل ایکسپلورر یا فائنڈر کو بالترتیب استعمال کر سکتے ہیں۔
- اپ لوڈ کریں
lambda-github-workflow-trigger.zip
ایک S3 بالٹی تک۔
اس بالٹی تک بعد میں سروس کیٹلاگ کے ذریعے رسائی حاصل کی جائے گی۔ آپ کسی بھی ایسی بالٹی کا انتخاب کر سکتے ہیں جس تک آپ کی رسائی ہو، جب تک کہ سروس کیٹلاگ بعد کے مراحل میں اس سے ڈیٹا بازیافت کرنے کے قابل ہو۔
اس قدم کے بعد، ہمیں AWS CLI v2 کو انسٹال اور کنفیگر کرنے کی ضرورت ہے۔ ایک متبادل AWS CloudShell کو استعمال کرنا ہوگا، جو پہلے سے نصب تمام ضروری ٹولز کے ساتھ آتا ہے، کسی بھی اضافی کنفیگریشن کی ضرورت کو ختم کرتا ہے۔
- فائل کو S3 بالٹی میں اپ لوڈ کرنے کے لیے، درج ذیل کمانڈ کا استعمال کریں:
اب ہم اس سے متعلق انحصار کے لیے لیمبڈا پرت بناتے ہیں۔ lambda_function
ہم نے ابھی اپ لوڈ کیا ہے۔
- ایک ازگر ورچوئل ماحول مرتب کریں اور انحصار انسٹال کریں:
- درج ذیل کمانڈز کے ساتھ .zip فائل بنائیں:
- پرت کو AWS پر شائع کریں:
اس پرت کے شائع ہونے کے ساتھ، آپ کے تمام لیمبڈا فنکشنز اب اپنی انحصار کو پورا کرنے کے لیے اس کا حوالہ دے سکتے ہیں۔ لیمبڈا تہوں کے بارے میں مزید تفصیلی تفہیم کے لیے رجوع کریں۔ لیمبڈا پرتوں کے ساتھ کام کرنا.
سیج میکر میں ایک کسٹم پروجیکٹ ٹیمپلیٹ بنائیں
مندرجہ بالا تمام مراحل کی تکمیل کے بعد، ہمارے پاس CI/CD پائپ لائن کے تمام وسائل اور اجزاء موجود ہیں۔ اس کے بعد ہم یہ ظاہر کرتے ہیں کہ ہم کس طرح ان وسائل کو سیج میکر اسٹوڈیو میں ایک حسب ضرورت پروجیکٹ کے طور پر ایک کلک کی تعیناتی کے ذریعے قابل رسائی بنا سکتے ہیں۔
جیسا کہ پہلے بات کی گئی ہے، جب SageMaker کے فراہم کردہ ٹیمپلیٹس آپ کی ضروریات کو پورا نہیں کرتے ہیں (مثال کے طور پر، آپ CodePipeline میں ایک سے زیادہ مراحل، اپنی مرضی کے مطابق منظوری کے مراحل کے ساتھ زیادہ پیچیدہ آرکیسٹریشن کرنا چاہتے ہیں یا کسی تھرڈ پارٹی ٹول جیسے GitHub اور GitHub ایکشنز کے ساتھ ضم کرنا چاہتے ہیں۔ اس پوسٹ میں دکھایا گیا ہے)، آپ اپنی ٹیمپلیٹس بنا سکتے ہیں۔ ہم تجویز کرتے ہیں کہ آپ SageMaker کے فراہم کردہ ٹیمپلیٹس کے ساتھ شروع کریں تاکہ یہ سمجھ سکیں کہ آپ کے کوڈ اور وسائل کو کیسے ترتیب دیا جائے اور اس کے اوپر کیسے بنایا جائے۔ مزید تفصیلات کے لیے رجوع کریں۔ اپنی مرضی کے پروجیکٹ ٹیمپلیٹس بنائیں.
نوٹ کریں کہ آپ اس قدم کو خودکار بھی کر سکتے ہیں اور اس کے بجائے سروس کیٹلاگ پورٹ فولیو اور پروڈکٹ کو کوڈ کے ذریعے تعینات کرنے کے لیے CloudFormation کا استعمال کر سکتے ہیں۔ تاہم اس پوسٹ میں، سیکھنے کے زیادہ تجربے کے لیے، ہم آپ کو کنسول کی تعیناتی دکھاتے ہیں۔
اس مرحلے پر، ہم سروس کیٹلاگ پورٹ فولیو بنانے کے لیے فراہم کردہ CloudFormation ٹیمپلیٹ کا استعمال کرتے ہیں جو SageMaker میں حسب ضرورت پروجیکٹس بنانے میں ہماری مدد کرتا ہے۔
آپ ایک نیا ڈومین بنا سکتے ہیں یا درج ذیل مراحل کے لیے اپنے SageMaker ڈومین کو دوبارہ استعمال کر سکتے ہیں۔ اگر آپ کے پاس ڈومین نہیں ہے تو رجوع کریں۔ فوری سیٹ اپ کا استعمال کرتے ہوئے ایمیزون سیج میکر ڈومین پر آن بورڈ سیٹ اپ ہدایات کیلئے۔
SageMaker ٹیمپلیٹس تک ایڈمنسٹریٹر کی رسائی کو فعال کرنے کے بعد، درج ذیل مراحل کو مکمل کریں:
- سروس کیٹلاگ کنسول پر، نیچے انتظامیہ نیویگیشن پین میں، منتخب کریں۔ پورٹ فولیوز.
- میں سے انتخاب کریں ایک نیا پورٹ فولیو بنائیں.
- پورٹ فولیو کو "SageMaker Organization Templates" کا نام دیں۔
- ڈاؤن لوڈ، اتارنا template.yml اپنے کمپیوٹر پر فائل.
یہ کلاؤڈ فارمیشن ٹیمپلیٹ ان تمام CI/CD وسائل کی فراہمی کرتا ہے جن کی ہمیں کوڈ کے بطور کنفیگریشن اور انفراسٹرکچر کی ضرورت ہے۔ آپ ٹیمپلیٹ کا مزید تفصیل سے مطالعہ کر سکتے ہیں تاکہ یہ معلوم ہو سکے کہ اس کے حصے کے طور پر کن وسائل کو تعینات کیا گیا ہے۔ اس ٹیمپلیٹ کو GitHub اور GitHub ایکشنز کے ساتھ ضم کرنے کے لیے اپنی مرضی کے مطابق بنایا گیا ہے۔
- میں
template.yml
فائل، تبدیل کریںS3Bucket
آپ کی بالٹی کی قدر جہاں آپ نے Lambda .zip فائل اپ لوڈ کی ہے:
- نیا پورٹ فولیو منتخب کریں۔
- میں سے انتخاب کریں ایک نیا پروڈکٹ اپ لوڈ کریں۔.
- کے لئے پروڈکٹ کا ناماپنے سانچے کے لیے ایک نام درج کریں۔ ہم نام استعمال کرتے ہیں۔
build-deploy-github
. - کے لئے Description، ایک تفصیل درج کریں۔
- کے لئے مالک، اپنا نام درج کریں.
- کے تحت ورژن کی تفصیلات، کے لئے طریقہمنتخب کریں ٹیمپلیٹ فائل استعمال کریں۔.
- میں سے انتخاب کریں ایک ٹیمپلیٹ اپ لوڈ کریں۔.
- آپ نے جو ٹیمپلیٹ ڈاؤن لوڈ کیا ہے اسے اپ لوڈ کریں۔
- کے لئے ورژن کا عنوانمنتخب کریں 1.0.
- میں سے انتخاب کریں کا جائزہ لیں.
- اپنی ترتیبات کا جائزہ لیں اور منتخب کریں۔ پروڈکٹ بنائیں.
- میں سے انتخاب کریں تازہ کریں نئی مصنوعات کی فہرست کے لئے.
- وہ پروڈکٹ منتخب کریں جو آپ نے ابھی بنایا ہے۔
- پر ٹیگز ٹیب، پروڈکٹ میں درج ذیل ٹیگ شامل کریں:
- کلیدی =
sagemaker:studio-visibility
- قدر =
true
- کلیدی =
پورٹ فولیو کی تفصیلات میں، آپ کو مندرجہ ذیل اسکرین شاٹ سے ملتا جلتا کچھ نظر آنا چاہیے (مختلف IDs کے ساتھ)۔
- پر رکاوٹوں ٹیب، منتخب کریں رکاوٹ پیدا کریں۔.
- کے لئے مصنوعاتمنتخب کریں
build-deploy-github
(وہ پروڈکٹ جو آپ نے ابھی بنایا ہے)۔ - کے لئے رکاوٹ ٹائپ کریں، منتخب کریں۔ شروع.
- کے تحت پابندی شروع کریں۔، کے لئے طریقہمنتخب کریں IAM کردار منتخب کریں۔.
- میں سے انتخاب کریں
AmazonSageMakerServiceCatalogProductsLaunchRole
. - میں سے انتخاب کریں تخلیق کریں.
- پر گروپس، کردار، اور صارفین ٹیب، منتخب کریں گروپس، کردار، صارفین شامل کریں۔.
- پر رولز ٹیب پر، وہ کردار منتخب کریں جو آپ نے اپنے SageMaker اسٹوڈیو ڈومین کو ترتیب دیتے وقت استعمال کیا تھا۔ یہ وہ جگہ ہے جہاں سیج میکر ڈومین رول پایا جاسکتا ہے۔
- میں سے انتخاب کریں رسائی شامل کریں۔.
سیج میکر اسٹوڈیو سے پروجیکٹ کو تعینات کریں۔
پچھلے حصوں میں، آپ نے اپنی مرضی کے مطابق MLOps پروجیکٹ کا ماحول تیار کیا۔ اب، اس ٹیمپلیٹ کا استعمال کرتے ہوئے ایک پروجیکٹ بنائیں:
- SageMaker کنسول پر، اس ڈومین پر جائیں جسے آپ یہ پروجیکٹ بنانا چاہتے ہیں۔
- پر شروع مینو، منتخب کریں سٹوڈیو.
آپ کو سیج میکر اسٹوڈیو کے ماحول میں بھیج دیا جائے گا۔
- سیج میکر اسٹوڈیو میں، نیویگیشن پین کے نیچے تعینات۔منتخب کریں منصوبوں کی تفصیل.
- میں سے انتخاب کریں منصوبے بنائیں.
- ٹیمپلیٹس کی فہرست کے اوپری حصے میں، منتخب کریں۔ تنظیم کے سانچے.
اگر آپ نے پچھلے تمام مراحل کامیابی سے طے کر لیے ہیں، تو آپ کو ایک نیا کسٹم پروجیکٹ ٹیمپلیٹ دیکھنے کے قابل ہونا چاہیے جس کا نام ہے۔ Build-Deploy-GitHub
.
- اس ٹیمپلیٹ کو منتخب کریں اور منتخب کریں۔ پروجیکٹ ٹیمپلیٹ کو منتخب کریں۔.
- ایک اختیاری تفصیل درج کریں۔
- کے لئے GitHub ریپوزٹری کے مالک کا ناماپنے GitHub ذخیرے کا مالک درج کریں۔ مثال کے طور پر، اگر آپ کا ذخیرہ ہے۔
https://github.com/pooyavahidi/my-repo
، مالک ہوگا۔pooyavahidi
. - کے لئے GitHub ریپوزٹری کا ناماس ذخیرہ کا نام درج کریں جس میں آپ نے بیج کا کوڈ کاپی کیا تھا۔ یہ صرف ریپو کا نام ہوگا۔ مثال کے طور پر، میں
https://github.com/pooyavahidi/my-repo
، ریپو ہےmy-repo
. - کے لئے Codestar کنکشن منفرد ID، AWS CodeStar کنکشن کی منفرد ID درج کریں جو آپ نے بنایا ہے۔
- کے لئے سیکرٹس مینیجر میں موجود راز کا نام جو GitHub ٹوکن کو اسٹور کرتا ہے۔سیکریٹ مینیجر میں اس راز کا نام درج کریں جہاں آپ نے GitHub ٹوکن بنایا اور محفوظ کیا تھا۔
- کے لئے تعیناتی کے لیے GitHub ورک فلو فائل، GitHub ورک فلو فائل کا نام درج کریں (at
.github/workflows/deploy.yml
) جہاں آپ کے پاس تعیناتی کی ہدایات ہیں۔ اس مثال کے لیے، آپ اسے بطور ڈیفالٹ رکھ سکتے ہیں، جو کہ ہے۔deploy.yml
. - میں سے انتخاب کریں منصوبے بنائیں.
- اپنا پروجیکٹ بنانے کے بعد، یقینی بنائیں کہ آپ اپ ڈیٹ کریں۔
AWS_REGION
اورSAGEMAKER_PROJECT_NAME
اس کے مطابق آپ کی GitHub ورک فلو فائلوں میں ماحولیاتی متغیرات۔ ورک فلو فائلیں آپ کے GitHub ریپو میں ہیں (سیڈ کوڈ سے کاپی کی گئی ہیں) کے اندر.github/workflows
ڈائریکٹری یقینی بنائیں کہ آپ دونوں کو اپ ڈیٹ کرتے ہیں۔build.yml
اورdeploy.yml
فائلوں.
اب آپ کا ماحول جانے کے لیے تیار ہے! آپ پائپ لائنوں کو براہ راست چلا سکتے ہیں، تبدیلیاں کر سکتے ہیں، اور ان تبدیلیوں کو اپنے GitHub ریپوزٹری میں دھکیل سکتے ہیں تاکہ خودکار تعمیراتی پائپ لائن کو متحرک کیا جا سکے اور یہ دیکھ سکیں کہ تعمیر اور تعیناتی کے تمام مراحل کیسے خودکار ہیں۔
صاف کرو
وسائل کو صاف کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:
- سیج میکر پروجیکٹ اور سیج میکر اینڈ پوائنٹس کے لیے استعمال ہونے والے کلاؤڈ فارمیشن اسٹیکس کو حذف کریں۔
- سیج میکر ڈومین کو حذف کریں۔
- سروس کیٹلاگ کے وسائل کو حذف کریں۔
- GitHub ذخیرہ کے ساتھ AWS CodeStar کنکشن لنک کو حذف کریں۔
- IAM صارف کو حذف کریں جسے آپ نے GitHub ایکشنز کے لیے بنایا ہے۔
- سیکرٹس مینیجر میں موجود راز کو حذف کریں جو GitHub کی ذاتی رسائی کی تفصیلات کو محفوظ کرتا ہے۔
خلاصہ
اس پوسٹ میں، ہم نے CI/CD پائپ لائن کو خود بخود بنانے اور منظم کرنے کے لیے حسب ضرورت SageMaker MLOps پروجیکٹ ٹیمپلیٹ استعمال کرنے کے عمل سے گزرا۔ یہ پائپ لائن ڈیٹا میں ہیرا پھیری، ماڈل ٹریننگ، ماڈل کی منظوری، اور ماڈل کی تعیناتی کے لیے SageMaker کی صلاحیتوں کے ساتھ آپ کے موجودہ CI/CD میکانزم کو مؤثر طریقے سے مربوط کرتی ہے۔ ہمارے منظر نامے میں، ہم نے GitHub ایکشنز کو SageMaker پروجیکٹس اور پائپ لائنز کے ساتھ مربوط کرنے پر توجہ مرکوز کی۔ نفاذ کی تفصیلات کی جامع تفہیم کے لیے، ملاحظہ کریں۔ GitHub ذخیرہ. اس کے ساتھ تجربہ کرنے کے لئے آزاد محسوس کریں اور تبصرے کے سیکشن میں آپ کے پاس کوئی سوال چھوڑنے میں ہچکچاہٹ نہ کریں۔
مصنفین کے بارے میں
ڈاکٹر رومینہ شریف پور ایمیزون ویب سروسز (AWS) میں ایک سینئر مشین لرننگ اور آرٹیفیشل انٹیلی جنس سلوشنز آرکیٹیکٹ ہیں۔ اس نے ML اور AI میں پیشرفت کے ذریعے فعال ہونے والے جدید اینڈ ٹو اینڈ حلوں کے ڈیزائن اور نفاذ کی رہنمائی کرتے ہوئے 10 سال سے زیادہ وقت گزارا ہے۔ رومینہ کی دلچسپی کے شعبے قدرتی لینگویج پروسیسنگ، بڑے لینگوئج ماڈلز اور MLOps ہیں۔
پویا واحدی۔ AWS میں ایک سینئر سولیوشن آرکیٹیکٹ ہے، جو کمپیوٹر سائنس، مصنوعی ذہانت، اور کلاؤڈ کمپیوٹنگ کے بارے میں پرجوش ہے۔ ایک AI پیشہ ور کے طور پر، وہ AWS AI/ML ایریا-آف-ڈیپتھ ٹیم کا ایک فعال رکن ہے۔ بڑے پیمانے پر حل کے فن تعمیر اور انجینئرنگ کی قیادت کرنے میں دو دہائیوں پر محیط مہارت کے پس منظر کے ساتھ، وہ کلاؤڈ اور AI/ML ٹیکنالوجیز کے ذریعے صارفین کو ان کے تبدیلی کے سفر میں مدد کرتا ہے۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
- پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- پلیٹو ای ایس جی۔ کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
- پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/build-an-end-to-end-mlops-pipeline-using-amazon-sagemaker-pipelines-github-and-github-actions/
- : ہے
- : ہے
- : نہیں
- :کہاں
- $UP
- 10
- 100
- 114
- 14
- 20
- 28
- 7
- 8
- 9
- a
- قابلیت
- ہمارے بارے میں
- اوپر
- رفتار کو تیز تر
- تک رسائی حاصل
- رسائی
- قابل رسائی
- اس کے مطابق
- اکاؤنٹ
- درستگی
- حاصل
- کے پار
- اعمال
- فعال
- تیزابیت
- شامل کریں
- ایڈیشنل
- ایڈجسٹ
- اپنانے
- ترقی
- کے بعد
- پھر
- AI
- AI / ML
- تمام
- مختص
- کی اجازت
- کی اجازت دیتا ہے
- پہلے ہی
- بھی
- متبادل
- ایمیزون
- ایمیزون سیج میکر
- ایمیزون سیج میکر پائپ لائنز
- ایمیزون ویب سروسز
- ایمیزون ویب سروسز (AWS)
- an
- اور
- اور بنیادی ڈھانچہ
- کوئی بھی
- مناسب
- منظوری
- فن تعمیر
- کیا
- علاقوں
- مصنوعی
- مصنوعی ذہانت
- AS
- پہلوؤں
- منسلک
- ایسوسی ایشن
- At
- خود کار طریقے سے
- آٹومیٹڈ
- خود کار طریقے سے
- خودکار
- میشن
- دستیاب
- AWS
- پس منظر
- بیس
- BE
- رہا
- اس سے پہلے
- دونوں
- تعمیر
- عمارت
- بناتا ہے
- تعمیر
- تعمیر میں
- by
- کہا جاتا ہے
- کر سکتے ہیں
- صلاحیتوں
- کیٹلوگ
- CD
- مرکزی
- تبدیل
- تبدیلیاں
- میں سے انتخاب کریں
- کلاسک
- صاف
- کلک کریں
- بادل
- کلاؤڈ کمپیوٹنگ
- کوڈ
- کوڈ بیس
- تعاون
- تعاون
- مجموعہ
- آتا ہے
- تبصروں
- مکمل
- تکمیل
- پیچیدہ
- جزو
- اجزاء
- وسیع
- کمپیوٹر
- کمپیوٹر سائنس
- کمپیوٹنگ
- رازداری
- ترتیب
- تشکیل شدہ
- ترتیب دیں
- کنکشن
- پر غور
- مسلسل
- مشتمل
- کنسول
- تعمیر
- پر مشتمل ہے
- مندرجات
- مسلسل
- کنٹرول
- اسی کے مطابق
- تخلیق
- بنائی
- پیدا
- تخلیق
- مخلوق
- اپنی مرضی کے
- گاہکوں
- اپنی مرضی کے مطابق
- ماؤنٹین
- اعداد و شمار
- ڈیٹا کی تیاری
- ڈیٹا سائنس
- دہائیوں
- پہلے سے طے شدہ
- نجات
- ترسیل
- ڈیلے
- مطالبات
- مظاہرہ
- demonstrated,en
- انحصار
- تعیناتی
- تعینات
- تعینات
- تعیناتی
- تعینات
- تفصیل
- ڈیزائن
- مطلوبہ
- تفصیل
- تفصیلی
- تفصیلات
- ترقی
- مختلف
- ہدایت
- براہ راست
- بات چیت
- do
- ڈومین
- نہیں
- کے دوران
- ہر ایک
- اس سے قبل
- آسان
- ماحول
- موثر
- مؤثر طریقے
- ہنر
- مؤثر طریقے سے
- یا تو
- عناصر
- ختم کرنا
- کو چالو کرنے کے
- چالو حالت میں
- کے قابل بناتا ہے
- کو فعال کرنا
- آخر سے آخر تک
- اختتام پوائنٹ
- انجنیئرنگ
- انجینئرز
- کو یقینی بنانے کے
- یقینی بناتا ہے
- کو یقینی بنانے ہے
- درج
- انٹرپرائز
- پوری
- ماحولیات
- ماحول
- بنیادی طور پر
- قائم کرو
- قائم
- قائم ہے
- قیام
- وغیرہ
- تشخیص
- واقعات
- مثال کے طور پر
- موجودہ
- تجربہ
- تجربہ
- مہارت
- ایکسپلورر
- سہولت
- نمایاں کریں
- خصوصیات
- محسوس
- میدان
- فائل
- فائلوں
- فائنڈر
- توجہ مرکوز
- توجہ مرکوز
- کے بعد
- کے لئے
- کانٹا
- قیام
- فارم
- ملا
- مفت
- آزادی
- سے
- تقریب
- افعال
- پیدا
- پیدا
- حاصل
- جاؤ
- GitHub کے
- دے دو
- جا
- گئے
- عطا
- گراف
- زیادہ سے زیادہ
- گروپ
- گروپ کا
- ہے
- he
- بھاری
- بھاری وزن اٹھانا
- مدد کرتا ہے
- ہوسٹنگ
- ہاؤس
- مکانات
- ہاؤسنگ
- کس طرح
- کیسے
- تاہم
- HTML
- HTTP
- HTTPS
- ID
- شناختی
- شناخت
- if
- نفاذ
- عملدرآمد
- پر عمل درآمد
- in
- شامل
- شامل ہیں
- سمیت
- معلومات
- انفراسٹرکچر
- شروع
- شروع کرتا ہے
- جدید
- ان پٹ
- کے اندر
- انسٹال
- نصب
- مثال کے طور پر
- کے بجائے
- ہدایات
- ضم
- انٹیگریٹٹس
- انضمام کرنا
- انضمام
- انٹیلی جنس
- انٹرایکٹو
- دلچسپی
- میں
- متعارف کرواتا ہے
- تنہائی
- IT
- میں
- سفر
- فوٹو
- JSON
- صرف
- رکھیں
- رہتا ہے
- کلیدی
- چابیاں
- جانا جاتا ہے
- زبان
- بڑے
- بڑے پیمانے پر
- بعد
- شروع
- پرت
- تہوں
- معروف
- سیکھنے
- چھوڑ دو
- زندگی کا دورانیہ
- اٹھانے
- کی طرح
- نسب
- LINK
- لسٹ
- واقع ہے
- محل وقوع
- لانگ
- دیکھو
- کی طرح دیکھو
- مشین
- مشین لرننگ
- MacOS کے
- برقرار رکھتا ہے
- دیکھ بھال
- بنا
- انتظام
- میں کامیاب
- انتظام
- مینیجر
- مینیجنگ
- ہیرا پھیری
- دستی
- بہت سے
- نظام
- سے ملو
- رکن
- اراکین
- مینو
- میٹا ڈیٹا
- شاید
- ایم ائی ٹی
- ML
- ایم ایل اوپس
- ماڈل
- ماڈل
- ترمیم
- نظر ثانی کرنے
- نگرانی
- نظر رکھتا ہے
- زیادہ
- زیادہ موثر
- اس کے علاوہ
- ایک سے زیادہ
- ضروری
- نام
- نامزد
- نام
- مقامی
- قدرتی
- قدرتی زبان عملیات
- تشریف لے جائیں
- سمت شناسی
- ضروری
- ضروری ہے
- ضرورت ہے
- ضروریات
- نئی
- نئی مصنوعات
- نیا
- اگلے
- اب
- حاصل
- of
- کی پیشکش
- on
- ایک
- اس کے بعد
- کام
- آپریشنز
- or
- آرکیسٹرا
- تنظیم
- تنظیمیں
- دیگر
- ہمارے
- پر
- مجموعی جائزہ
- خود
- مالک
- پیکج
- پین
- مساوات
- حصہ
- پارٹی
- جذباتی
- اجازتیں
- ذاتی
- پائپ لائن
- کی منصوبہ بندی
- پلیٹ فارم
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- پورٹ فولیو
- پوسٹ
- طاقتور
- طریقوں
- پیشن گوئی
- تیاری
- تیار
- تیار
- ضروریات
- پچھلا
- طریقہ کار
- عمل
- عمل
- پروسیسنگ
- تیار
- مصنوعات
- پیداوار
- پیشہ ورانہ
- منصوبے
- منصوبوں
- اشارہ کرتا ہے
- تحفظ
- فراہم
- فراہم
- فراہم کرتا ہے
- شائع
- پش
- دھکیل دیا
- ازگر
- سوالات
- فوری
- تیاری
- تیار
- اصل وقت
- سفارش
- سفارش کی
- ریکارڈ
- کا حوالہ دیتے ہیں
- حوالہ
- کی عکاسی
- رجسٹرڈ
- رجسٹریشن
- رجسٹری
- متعلقہ
- متعلقہ
- قابل اعتماد
- ہٹا
- بار بار
- ذخیرہ
- درخواست
- کی ضرورت
- ضروریات
- تحقیق
- وسائل
- وسائل
- بالترتیب
- ذمہ دار
- نتیجے
- دوبارہ استعمال
- ٹھیک ہے
- مضبوط
- کردار
- کردار
- جڑ
- حکمرانی
- رن
- چلتا ہے
- sagemaker
- سیج میکر پائپ لائنز
- اسی
- محفوظ کریں
- اسکیل ایبلٹی
- سکیلنگ
- منظر نامے
- منظرنامے
- سائنس
- سائنسدانوں
- خفیہ
- راز
- سیکشن
- سیکشنز
- محفوظ طریقے سے
- سیکورٹی
- دیکھنا
- بیج
- منتخب
- سینئر
- کام کرتا ہے
- سروس
- سروسز
- سیٹ
- قائم کرنے
- ترتیبات
- سیٹ اپ
- کئی
- وہ
- ہونا چاہئے
- دکھائیں
- اسی طرح
- سادہ
- آسان
- آسان بنانا
- سافٹ ویئر کی
- سوفٹ ویئر کی نشوونما
- حل
- حل
- کچھ
- کچھ
- ماخذ
- ماخذ کوڈ
- تناؤ
- مخصوص
- خاص طور پر
- خرچ
- Stacks
- سٹاف
- اسٹیج
- مراحل
- کھینچنا
- معیار
- شروع کریں
- شروع
- درجہ
- مرحلہ
- مراحل
- ذخیرہ
- ذخیرہ
- ذخیرہ
- پردہ
- ذخیرہ کرنے
- براہ راست
- کارگر
- منظم
- سٹوڈیو
- مطالعہ
- بعد میں
- کامیابی کے ساتھ
- اس طرح
- کافی
- سویٹ
- اس بات کا یقین
- کے نظام
- سسٹمز
- TAG
- ٹیم
- ٹیم کے ارکان
- ٹیموں
- ٹیکنالوجی
- سانچے
- سانچے
- تجربہ
- ٹیسٹنگ
- کہ
- ۔
- ماخذ
- ان
- تو
- لہذا
- یہ
- وہ
- تھرڈ
- تیسری پارٹی
- اس
- ان
- کے ذریعے
- بھر میں
- کرنے کے لئے
- مل کر
- ٹوکن
- کے آلے
- اوزار
- سب سے اوپر
- ٹریک
- ٹریکنگ
- تربیت یافتہ
- ٹریننگ
- تبدیل
- تبدیلی
- ٹرگر
- متحرک
- دو
- قسم
- اقسام
- کے تحت
- سمجھ
- افہام و تفہیم
- منفرد
- اپ ڈیٹ کریں
- اپ لوڈ کردہ
- صلی اللہ علیہ وسلم
- us
- استعمال کی شرائط
- استعمال کیا جاتا ہے
- رکن کا
- صارفین
- کا استعمال کرتے ہوئے
- استعمال
- استعمال کیا
- تصدیق کریں۔
- توثیق
- قیمت
- مختلف
- ورژن
- ورژن
- کی طرف سے
- مجازی
- دورہ
- چلا گیا
- چاہتے ہیں
- we
- ویب
- ویب خدمات
- ویب پر مبنی ہے
- ویب سائٹ
- کیا
- جب
- جس
- جبکہ
- گے
- کھڑکیاں
- ساتھ
- کے اندر
- کام
- مل کے کام کرو
- کام کا بہاؤ
- کام کے بہاؤ
- گا
- سال
- تم
- اور
- زیفیرنیٹ
- زپ