خبروں کی میڈیا کمپنیوں میں روزانہ تخلیق کیے گئے مضامین، ویڈیوز، آڈیو ریکارڈنگز اور دیگر ذرائع ابلاغ کی ایک بڑی تعداد کے ساتھ، ہر قسم کے قارئین—انفرادی صارفین، کارپوریٹ سبسکرائبرز، اور مزید—اکثر خبروں کے مواد کو تلاش کرنا مشکل ہوتا ہے جو ان سے زیادہ متعلقہ ہو۔ قارئین تک ذاتی نوعیت کی خبریں اور تجربات فراہم کرنے سے اس مسئلے کو حل کرنے میں مدد مل سکتی ہے، اور مزید دل چسپ تجربات پیدا کر سکتے ہیں۔ تاہم، صحیح معنوں میں ذاتی نوعیت کی سفارشات کی فراہمی کئی اہم چیلنجز پیش کرتی ہے:
- متنوع صارف کی دلچسپیوں کو حاصل کرنا - خبریں بہت سے عنوانات پر محیط ہوسکتی ہیں اور یہاں تک کہ مخصوص عنوانات کے اندر بھی، قارئین کی مختلف دلچسپیاں ہوسکتی ہیں۔
- محدود قارئین کی تاریخ سے خطاب - بہت سے خبروں کے قارئین کی سرگرمی کی تاریخیں کم ہوتی ہیں۔ تجویز کنندگان کو قدر فراہم کرنے کے لیے محدود ڈیٹا سے ترجیحات کو فوری طور پر سیکھنا چاہیے۔
- وقت کی پابندی اور ٹرینڈنگ - روزانہ خبروں کے چکر کا مطلب ہے کہ سفارشات کو ذاتی نوعیت کے مواد کو نئی، مقبول کہانیوں کی دریافت کے ساتھ متوازن کرنا چاہیے۔
- دلچسپیاں بدلنا - قارئین کی دلچسپیاں وقت کے ساتھ ساتھ بدل سکتی ہیں۔ سسٹمز کو تبدیلیوں کا پتہ لگانا ہوگا اور اس کے مطابق سفارشات کو اپنانا ہوگا۔
- وضاحت کی صلاحیت - کچھ کہانیوں کی سفارش کیوں کی جاتی ہے اس میں شفافیت فراہم کرنے سے صارف کا اعتماد بڑھتا ہے۔ خبروں کی سفارش کا مثالی نظام فرد کو سمجھتا ہے اور خبروں کے وسیع ماحول اور سامعین کو جواب دیتا ہے۔ ان چیلنجوں سے نمٹنا قارئین کو ایسے مواد سے مؤثر طریقے سے مربوط کرنے کی کلید ہے جو انہیں معلوماتی اور دلکش معلوم ہوتا ہے۔
اس پوسٹ میں، ہم کیسے بیان کرتے ہیں۔ ایمیزون کو ذاتی بنائیں۔ ایک قابل توسیع نیوز تجویز کنندہ ایپلیکیشن کو طاقت دے سکتا ہے۔ یہ حل H500 1 میں فارچیون 2023 میڈیا کسٹمر پر لاگو کیا گیا تھا اور اسے خبروں کے تجویز کنندگان بنانے میں دلچسپی رکھنے والے دوسرے صارفین کے لیے دوبارہ استعمال کیا جا سکتا ہے۔
حل جائزہ
Amazon Personalize ایک نیوز ریفرنڈیشن انجن کو طاقت دینے کے لیے بہترین فٹ ہے کیونکہ اس کی ریئل ٹائم اور بیچ پرسنلائزڈ سفارشات پیمانے پر فراہم کرنے کی صلاحیت ہے۔ Amazon Personalize مختلف قسم کی سفارشی ترکیبیں (الگورتھمز) پیش کرتا ہے، جیسے کہ یوزر پرسنلائزیشن اور ٹرینڈنگ ناؤ کی ترکیبیں، جو خاص طور پر خبروں کی سفارش کرنے والے ماڈلز کی تربیت کے لیے موزوں ہیں۔ یوزر پرسنلائزیشن کی ترکیب وقت کے ساتھ مواد کے ساتھ ان کی مصروفیت کی بنیاد پر ہر صارف کی ترجیحات کا تجزیہ کرتی ہے۔ اس کے نتیجے میں حسب ضرورت نیوز فیڈز سامنے آتی ہیں جو انفرادی صارف کے لیے سب سے زیادہ متعلقہ موضوعات اور ذرائع کو ظاہر کرتی ہیں۔ ٹرینڈنگ ناؤ کی ترکیب تمام صارفین میں حقیقی وقت میں بڑھتے ہوئے رجحانات اور مشہور خبروں کا پتہ لگا کر اس کی تکمیل کرتی ہے۔ دونوں ترکیبوں کی سفارشات کو یکجا کرنے سے سفارشی انجن کو بروقت، اعلیٰ دلچسپی والی کہانیوں کی دریافت کے ساتھ ذاتی نوعیت میں توازن پیدا کرنے کی اجازت ملتی ہے۔
مندرجہ ذیل خاکہ Amazon Personalize اور معاون AWS سروسز کے ذریعے چلنے والی نیوز تجویز کنندہ ایپلیکیشن کے فن تعمیر کو واضح کرتا ہے۔
اس حل میں درج ذیل حدود ہیں:
- ابھی شائع شدہ مضامین (چند منٹ پہلے شائع شدہ مضامین) کے لیے ذاتی نوعیت کی سفارشات فراہم کرنا مشکل ہو سکتا ہے۔ ہم بعد میں اس پوسٹ میں اس حد کو کم کرنے کا طریقہ بیان کرتے ہیں۔
- Amazon Personalize میں ایک مقررہ تعداد میں تعاملات اور آئٹمز ڈیٹاسیٹ کی خصوصیات ہیں جو ماڈل کو تربیت دینے کے لیے استعمال کی جا سکتی ہیں۔
- لکھنے کے وقت، Amazon Personalize صارف کی سطح پر سفارشی وضاحتیں فراہم نہیں کرتا ہے۔
آئیے حل کے اہم اجزاء میں سے ہر ایک کے ذریعے چلتے ہیں.
شرائط
اس حل کو لاگو کرنے کے لئے، آپ کو درج ذیل کی ضرورت ہے:
- کے لیے تاریخی اور ریئل ٹائم صارف کلک ڈیٹا
interactions
ڈیٹاسیٹ - کے لیے تاریخی اور حقیقی وقت کی خبروں کا میٹا ڈیٹا
items
ڈیٹاسیٹ
داخل کریں اور ڈیٹا تیار کریں۔
Amazon Personalize میں ماڈل کو تربیت دینے کے لیے، آپ کو تربیتی ڈیٹا فراہم کرنے کی ضرورت ہے۔ اس حل میں، آپ Amazon Personalize ٹریننگ ڈیٹاسیٹس کی دو قسمیں استعمال کرتے ہیں: تعاملات کا ڈیٹاسیٹ اور اشیاء ڈیٹاسیٹ. interactions
ڈیٹاسیٹ میں صارف-آئٹم-ٹائم اسٹیمپ تعاملات، اور items
ڈیٹاسیٹ میں تجویز کردہ مضامین کی خصوصیات شامل ہیں۔
آپ تربیتی ڈیٹا کو جمع کرنے کے لیے دو مختلف طریقے اختیار کر سکتے ہیں:
- بیچ ادخال - آپ استعمال کر سکتے ہیں AWS گلو ایک میں رہنے والے تعاملات اور آئٹمز کے ڈیٹا کو تبدیل کرنا اور ہضم کرنا ایمیزون سادہ اسٹوریج سروس (ایمیزون S3) ایمیزون پرسنلائز ڈیٹاسیٹس میں ڈالیں۔ AWS Glue ڈیٹا کو Amazon Personalize datasets اسکیما کے ساتھ سیدھ میں لانے کے لیے ایکسٹریکٹ، ٹرانسفارم، اور لوڈ (ETL) آپریشن کرتا ہے۔ جب ETL عمل مکمل ہو جاتا ہے، آؤٹ پٹ فائل کو Amazon S3 میں واپس رکھ دیا جاتا ہے، جو Amazon Personalize میں داخل کرنے کے لیے تیار ہے ڈیٹاسیٹ کی درآمد کا کام.
- ریئل ٹائم ادخال - آپ استعمال کر سکتے ہیں Amazon Kinesis ڈیٹا اسٹریمز اور او ڈبلیو ایس لامبڈا۔ ریئل ٹائم ڈیٹا کو بتدریج ہضم کرنے کے لیے۔ ایک لیمبڈا فنکشن وہی ڈیٹا ٹرانسفارمیشن آپریشنز کرتا ہے جو کہ انفرادی ریکارڈ لیول پر بیچ ادخال کا کام کرتا ہے، اور ڈیٹا کو ایمیزون پرسنلائز میں داخل کرتا ہے۔ پوٹ ایونٹس اور پٹ آئٹمز APIs.
اس حل میں، آپ کچھ آئٹمز اور تعاملات کے ڈیٹا کی صفات کو بھی داخل کر سکتے ہیں۔ ایمیزون ڈائنومو ڈی بی. آپ ان اوصاف کو ریئل ٹائم انفرنس کے دوران استعمال کر سکتے ہیں تاکہ کاروباری اصولوں کے مطابق سفارشات کو فلٹر کریں۔ مثال کے طور پر، مضمون کے میٹا ڈیٹا میں مضمون میں کمپنی اور صنعت کے نام شامل ہو سکتے ہیں۔ ان کمپنیوں یا صنعتوں سے متعلق مضامین کی تجویز کرنے کے لیے جن کے بارے میں صارفین پڑھ رہے ہیں، آپ یہ ریکارڈ کر سکتے ہیں کہ قارئین مخصوص کمپنیوں اور صنعتوں کے بارے میں مضامین کے ساتھ کتنی بار مشغول ہو رہے ہیں، اور اس ڈیٹا کو اس کے ساتھ استعمال کریں ایمیزون پرسنلائز فلٹرز تجویز کردہ مواد کو مزید تیار کرنے کے لیے۔ ہم اس پوسٹ میں بعد میں DynamoDB میں آئٹمز اور تعاملات کے ڈیٹا کی خصوصیات کو استعمال کرنے کے طریقہ کے بارے میں مزید بات کرتے ہیں۔
درج ذیل خاکہ ڈیٹا کے ادخال کے فن تعمیر کو واضح کرتا ہے۔
ماڈل کو تربیت دیں۔
ماڈل ٹریننگ کی کوششوں کا زیادہ تر حصہ صارف کے ذاتی نوعیت کے ماڈل پر مرکوز ہونا چاہئے، کیونکہ یہ تینوں ایمیزون پرسنلائز ڈیٹاسیٹ استعمال کر سکتا ہے (جبکہ ٹرینڈنگ ناؤ ماڈل صرف interactions
ڈیٹاسیٹ)۔ ہم ایسے تجربات چلانے کی تجویز کرتے ہیں جو تربیتی عمل کے مختلف پہلوؤں کو منظم طریقے سے مختلف کرتے ہیں۔ اس حل کو نافذ کرنے والے صارف کے لیے، ٹیم نے 30 سے زیادہ تجربات کیے ہیں۔ اس میں ترمیم کرنا شامل ہے۔ interactions
اور items
ڈیٹاسیٹ کی خصوصیات، ماڈل کو فراہم کردہ تعاملات کی تاریخ کی لمبائی کو ایڈجسٹ کرنا، Amazon Personalize hyperparameters کو ٹیوننگ کرنا، اور اس بات کا جائزہ لینا کہ آیا کسی واضح صارف کے ڈیٹاسیٹ نے آف لائن کارکردگی کو بہتر بنایا ہے (تربیت کے وقت میں اضافے کی نسبت)۔
ہر ماڈل کی تبدیلی کا اندازہ ایمیزون پرسنلائز کی طرف سے ٹریننگ ڈیٹا پر رپورٹ کردہ میٹرکس کے ساتھ ساتھ ہولڈ آؤٹ ٹیسٹ ڈیٹاسیٹ پر حسب ضرورت آف لائن میٹرکس کی بنیاد پر کیا گیا۔ غور کرنے کے لیے معیاری میٹرکس میں اوسط درستگی (MAP) @ K (جہاں K ایک قاری کو پیش کردہ سفارشات کی تعداد ہے)، معمول کے مطابق رعایتی مجموعی فائدہ، مطلب باہمی درجہ، اور کوریج شامل ہیں۔ ان میٹرکس کے بارے میں مزید معلومات کے لیے، دیکھیں میٹرکس کے ساتھ حل کے ورژن کا اندازہ لگانا. ہم ان میٹرکس میں سے MAP @ K کو ترجیح دینے کی تجویز کرتے ہیں، جو کہ ایک قاری کی طرف سے ان کے لیے تجویز کردہ سرفہرست K مضامین میں سے ان مضامین کی اوسط تعداد کو حاصل کرتا ہے، جس پر کلک کیا جاتا ہے، کیونکہ MAP میٹرک (حقیقی) آرٹیکل کلک تھرو ریٹس کے لیے ایک اچھی پراکسی ہے۔ K کا انتخاب ان مضامین کی تعداد کی بنیاد پر کیا جانا چاہیے جو ایک قاری ڈیسک ٹاپ یا موبائل ویب پیج پر بغیر اسکرول کیے دیکھ سکتا ہے، جس سے آپ کم سے کم قارئین کی کوشش کے ساتھ سفارش کی تاثیر کا جائزہ لے سکتے ہیں۔ اپنی مرضی کے مطابق میٹرکس کو نافذ کرنا، جیسے کہ سفارش کی انفرادیت (جو یہ بتاتی ہے کہ سفارش کی پیداوار امیدواروں کے پول میں کتنی منفرد تھی)، سفارش کی تاثیر کے بارے میں بھی بصیرت فراہم کر سکتی ہے۔
Amazon Personalize کے ساتھ، تجرباتی عمل آپ کو یوزر پرسنلائزیشن اور ٹرینڈنگ ناؤ دونوں ماڈلز کے لیے ڈیٹا سیٹ کی خصوصیات کے بہترین سیٹ کا تعین کرنے کی اجازت دیتا ہے۔ ٹرینڈنگ ناؤ ماڈل اسی Amazon Personalize میں موجود ہے۔ ڈیٹا سیٹ گروپ صارف کی ذاتی نوعیت کے ماڈل کے طور پر، لہذا یہ اسی سیٹ کا استعمال کرتا ہے۔ interactions
ڈیٹا سیٹ کی خصوصیات
ریئل ٹائم سفارشات تیار کریں۔
جب کوئی قارئین کسی نیوز کمپنی کے ویب پیج پر جاتا ہے، تو اس کے ذریعے خبروں کے تجویز کنندہ کو ایک API کال کی جائے گی۔ ایمیزون API گیٹ وے. یہ ایک لیمبڈا فنکشن کو متحرک کرتا ہے جو حاصل کرنے کے لیے ایمیزون پرسنلائز ماڈلز کے اینڈ پوائنٹس کو کال کرتا ہے۔ حقیقی وقت میں سفارشات. تخمینہ کے دوران، آپ استعمال کر سکتے ہیں فلٹر مضمون یا قاری کے تعامل کی خصوصیات کی بنیاد پر ابتدائی سفارشی آؤٹ پٹ کو فلٹر کرنے کے لیے۔ مثال کے طور پر، اگر "نیوز کا موضوع" (جیسے کھیل، طرز زندگی، یا سیاست) ایک مضمون کا وصف ہے، تو آپ سفارشات کو خبروں کے مخصوص عنوانات تک محدود کر سکتے ہیں اگر یہ پروڈکٹ کی ضرورت ہے۔ اسی طرح، آپ قارئین کے تعامل کے واقعات پر فلٹرز استعمال کر سکتے ہیں، جیسے کہ قاری پہلے ہی پڑھ چکے مضامین کو چھوڑ کر۔
ریئل ٹائم سفارشات کے ساتھ ایک اہم چیلنج مؤثر طریقے سے سفارشی آؤٹ پٹ میں ابھی شائع شدہ مضامین (جنہیں کولڈ آئٹمز بھی کہا جاتا ہے) شامل کرنا ہے۔ ابھی شائع شدہ مضامین میں کوئی تاریخی تعامل کا ڈیٹا نہیں ہوتا ہے جس پر سفارش کرنے والے عام طور پر انحصار کرتے ہیں، اور سفارشی نظاموں کو اس بات کا اندازہ کرنے کے لیے کافی وقت درکار ہوتا ہے کہ ابھی شائع شدہ مضامین کسی مخصوص صارف کے لیے کتنے متعلقہ ہیں (چاہے صرف صارف-آئٹم کے تعلق کے اشارے استعمال کرتے ہوں)۔
ایمیزون پرسنلائز مقامی طور پر خود کار طریقے سے پتہ لگا سکتا ہے اور نئے مضامین کی سفارش کرسکتا ہے۔ items
ڈیٹا سیٹ ہر 2 گھنٹے بعد۔ تاہم، چونکہ اس استعمال کا معاملہ خبروں کی سفارشات پر مرکوز ہے، اس لیے آپ کو نئے مضامین کے شائع ہونے اور قارئین کے استعمال کے لیے تیار ہوتے ہی ان کی سفارش کرنے کا طریقہ درکار ہے۔
اس مسئلے کو حل کرنے کا ایک طریقہ یہ ہے کہ ہر قاری کے لیے حتمی سفارشی آؤٹ پٹ میں تصادفی طور پر ابھی شائع ہونے والے مضامین کو داخل کرنے کے لیے ایک طریقہ کار وضع کرنا ہے۔ آپ یہ کنٹرول کرنے کے لیے ایک خصوصیت شامل کر سکتے ہیں کہ حتمی سفارشی سیٹ میں کتنے فیصد مضامین ابھی شائع کیے گئے مضامین تھے، اور Amazon Personalize کے اصل سفارشی آؤٹ پٹ کی طرح، آپ ابھی شائع ہونے والے مضامین کو مضمون کی خصوصیات (جیسے "نیوز کا موضوع") کے ذریعے فلٹر کر سکتے ہیں۔ ) اگر یہ مصنوع کی ضرورت ہے۔ آپ DynamoDB میں حال ہی میں شائع شدہ مضامین پر تعاملات کو ٹریک کر سکتے ہیں کیونکہ وہ سسٹم میں شامل ہونا شروع کر دیتے ہیں، اور سفارشی پوسٹ پروسیسنگ کے دوران سب سے زیادہ مقبول حال ہی میں شائع شدہ مضامین کو ترجیح دیتے ہیں، جب تک کہ ایمیزون پرسنلائز ماڈلز کے ذریعہ ابھی شائع شدہ مضامین کا پتہ نہ لگ جائے اور ان پر کارروائی نہ ہو جائے۔
آپ کے پاس تجویز کردہ مضامین کا حتمی سیٹ ہونے کے بعد، یہ آؤٹ پٹ ایک اور پوسٹ پروسیسنگ Lambda فنکشن میں جمع کرایا جاتا ہے جو آؤٹ پٹ کو یہ دیکھنے کے لیے چیک کرتا ہے کہ آیا یہ پہلے سے متعین کاروباری قواعد کے مطابق ہے یا نہیں۔ ان میں یہ جانچنا شامل ہو سکتا ہے کہ آیا تجویز کردہ مضامین ویب پیج لے آؤٹ کی تصریحات پر پورا اترتے ہیں، اگر سفارشات کسی ویب براؤزر کے فرنٹ اینڈ میں پیش کی جاتی ہیں، مثال کے طور پر۔ اگر ضرورت ہو تو، کاروباری قواعد کی تکمیل کو یقینی بنانے کے لیے مضامین کو دوبارہ ترتیب دیا جا سکتا ہے۔ ہم ایک ایسے فنکشن کو لاگو کرتے ہوئے دوبارہ درجہ بندی کرنے کی تجویز کرتے ہیں جو اعلی درجے کے مضامین کو ایک وقت میں صرف ایک جگہ کی درجہ بندی میں نیچے آنے کی اجازت دیتا ہے جب تک کہ تمام کاروباری قواعد پورے نہیں ہو جاتے، قارئین کے لیے کم سے کم مطابقت کا نقصان ہوتا ہے۔ پوسٹ پروسیس شدہ مضامین کی حتمی فہرست ویب سروس کو واپس کردی جاتی ہے جس نے سفارشات کی درخواست شروع کی تھی۔
مندرجہ ذیل خاکہ حل میں اس قدم کے فن تعمیر کی وضاحت کرتا ہے۔
بیچ کی سفارشات تیار کریں۔
ذاتی نوعیت کے خبروں کے ڈیش بورڈز (حقیقی وقت کی سفارشات کے ذریعے) ایک قاری کو خبروں کو فعال طور پر تلاش کرنے کی ضرورت ہوتی ہے، لیکن آج کل ہماری مصروف زندگیوں میں، بعض اوقات اپنی سرفہرست خبروں کو آپ تک پہنچانا آسان ہوتا ہے۔ ذاتی نوعیت کے خبروں کے مضامین کو بطور ای میل ڈائجسٹ فراہم کرنے کے لیے، آپ استعمال کر سکتے ہیں۔ AWS اسٹیپ فنکشنز بیچ کی سفارشات پیدا کرنے کے لیے ورک فلو۔ بیچ کی سفارشی ورک فلو ہمارے یوزر پرسنلائزیشن ماڈل یا ٹرینڈنگ ناؤ ماڈل اینڈ پوائنٹس سے سفارشات کو اکٹھا کرتی ہے اور پوسٹ پروسیس کرتی ہے، جس سے یہ منتخب کرنے میں لچک ملتی ہے کہ ذاتی نوعیت کے اور ٹرینڈنگ آرٹیکلز کی ٹیمیں اپنے قارئین تک کون سا مجموعہ پیش کرنا چاہتی ہیں۔ ڈویلپرز کے پاس ایمیزون پرسنلائز استعمال کرنے کا اختیار بھی ہے۔ بیچ کا اندازہ خصوصیت؛ تاہم، لکھنے کے وقت، Amazon Personalize بیچ انفرنس جاب بنانا ایمیزون پرسنلائز کسٹم ماڈل کو تربیت دیے جانے کے بعد اندراج شدہ اشیاء کو شامل کرنے کی حمایت نہیں کرتا ہے، اور یہ ٹرینڈنگ ناؤ کی ترکیب کو سپورٹ نہیں کرتا ہے۔
ایک بیچ انفرنس سٹیپ فنکشنز ورک فلو کے دوران، قارئین کی فہرست کو بیچوں میں تقسیم کیا جاتا ہے، متوازی طور پر کارروائی کی جاتی ہے، اور ای میل جنریشن سروس کو بھیجے جانے سے پہلے پوسٹ پروسیسنگ اور توثیق کی پرت میں جمع کر دی جاتی ہے۔ درج ذیل خاکہ اس ورک فلو کو واضح کرتا ہے۔
تجویز کنندہ کے نظام کی پیمائش کریں۔
مؤثر طریقے سے پیمانہ لگانے کے لیے، آپ کو خبروں کے تجویز کنندہ کی بھی ضرورت ہے تاکہ صارفین کی بڑھتی ہوئی تعداد اور قارئین کے تجربے میں کوئی کمی پیدا کیے بغیر ٹریفک میں اضافہ ہو۔ ایمیزون پرسنلائز ماڈل اینڈ پوائنٹس مقامی طور پر آٹو پیمانے بڑھتی ہوئی ٹریفک کو پورا کرنے کے لیے۔ انجینئرز کو صرف ہر Amazon Personalize endpoint کے لیے کم از کم پروویژنڈ ٹرانزیکشنز فی سیکنڈ (TPS) متغیر سیٹ کرنے اور مانیٹر کرنے کی ضرورت ہے۔
Amazon Personalize کے علاوہ، یہاں پیش کردہ نیوز تجویز کنندہ ایپلیکیشن سرور لیس AWS سروسز کا استعمال کرتے ہوئے بنائی گئی ہے، جس سے انجینئرنگ ٹیمیں بنیادی ڈھانچے کی دیکھ بھال کی فکر کیے بغیر بہترین ریڈر تجربہ فراہم کرنے پر توجہ مرکوز کر سکتی ہیں۔
نتیجہ
اس توجہ کی معیشت میں، صارفین کے لیے متعلقہ اور بروقت مواد کی فراہمی بہت اہم ہو گئی ہے۔ اس پوسٹ میں، ہم نے اس بات پر تبادلہ خیال کیا کہ آپ ایمیزون پرسنلائز کو کس طرح استعمال کر سکتے ہیں تاکہ ایک قابل توسیع نیوز تجویز کنندہ بنایا جا سکے، اور تنظیمیں خبروں کی سفارشات کی فراہمی کے منفرد چیلنجوں سے نمٹنے کے لیے ان حکمت عملیوں کو نافذ کر سکتی ہیں۔
Amazon Personalize کے بارے میں مزید جاننے کے لیے اور یہ آپ کی تنظیم کو سفارشی نظام بنانے میں کس طرح مدد کر سکتا ہے، دیکھیں ایمیزون پرسنلائز ڈیولپر گائیڈ.
خوش عمارت!
مصنفین کے بارے میں
بالا کرشنا مورتی AWS پروفیشنل سروسز میں ایک سینئر ڈیٹا سائنٹسٹ ہے، جہاں وہ صارفین کو اپنے کاروباری چیلنجوں کو حل کرنے کے لیے AI سے چلنے والے حل بنانے اور تعینات کرنے میں مدد کرتا ہے۔ اس نے میڈیا اور تفریح، مالیاتی خدمات، صحت کی دیکھ بھال اور ٹیکنالوجی سمیت مختلف شعبوں میں صارفین کے ساتھ کام کیا ہے۔ اپنے فارغ وقت میں، وہ خاندان/دوستوں کے ساتھ وقت گزارنے، متحرک رہنے، نئے ریستوراں آزمانے، سفر کرنے اور کافی کے گرم کپ کے ساتھ اپنے دن کا آغاز کرنے سے لطف اندوز ہوتا ہے۔
رشی جالا AWS پروفیشنل سروسز کے ساتھ NoSQL ڈیٹا آرکیٹیکٹ ہے۔ وہ NoSQL ڈیٹا بیس جیسے Amazon DynamoDB کا استعمال کرتے ہوئے انتہائی قابل توسیع ایپلی کیشنز کی تعمیر اور تعمیر پر توجہ مرکوز کرتا ہے۔ گاہک کے مسائل کو حل کرنے کے بارے میں پرجوش، وہ ڈیجیٹل لینڈ اسکیپ میں کامیابی حاصل کرنے کے لیے موزوں حل فراہم 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-a-news-recommender-application-with-amazon-personalize/
- : ہے
- : ہے
- :کہاں
- 100
- 2023
- 30
- 500
- 7
- 98
- a
- کی صلاحیت
- ہمارے بارے میں
- ایڈجسٹ کریں
- اس کے مطابق
- کے پار
- فعال
- فعال طور پر
- سرگرمی
- اپنانے
- شامل کریں
- پتہ
- ایڈجسٹ
- کے بعد
- پہلے
- AI سے چلنے والا
- یلگوردمز
- سیدھ کریں
- سیدھ میں لائیں
- تمام
- اجازت دے رہا ہے
- کی اجازت دیتا ہے
- پہلے ہی
- بھی
- ایمیزون
- ایمیزون کو ذاتی بنائیں۔
- ایمیزون ویب سروسز
- an
- تجزیہ کرتا ہے
- اور
- ایک اور
- کوئی بھی
- اے پی آئی
- APIs
- درخواست
- ایپلی کیشنز
- نقطہ نظر
- فن تعمیر
- کیا
- مضمون
- مضامین
- AS
- پہلوؤں
- تشخیص کریں
- At
- توجہ
- اوصاف
- سامعین
- آڈیو
- آٹو
- اوسط
- AWS
- AWS گلو
- AWS پروفیشنل سروسز
- واپس
- متوازن
- کی بنیاد پر
- BE
- کیونکہ
- بن
- رہا
- اس سے پہلے
- کیا جا رہا ہے
- BEST
- دونوں
- وسیع
- براؤزر
- تعمیر
- عمارت
- بناتا ہے
- تعمیر
- کاروبار
- مصروف
- لیکن
- by
- فون
- کہا جاتا ہے
- کالز
- کر سکتے ہیں
- امیدوار
- قبضہ
- کیس
- کچھ
- چیلنج
- چیلنجوں
- چیلنج
- چیک کریں
- جانچ پڑتال
- چیک
- کلک کریں
- آب و ہوا
- کافی
- سردی
- مجموعہ
- امتزاج
- کمپنیاں
- کمپنی کے
- کمپنی کی
- مکمل
- اجزاء
- مربوط
- غور کریں
- صارفین
- کھپت
- پر مشتمل ہے
- پر مشتمل ہے
- مواد
- کنٹرول
- کارپوریٹ
- کوریج
- تخلیق
- بنائی
- تخلیق
- کپ
- اپنی مرضی کے
- گاہک
- گاہکوں
- اپنی مرضی کے مطابق
- سائیکل
- روزانہ
- روزانہ کی خبریں۔
- ڈیش بورڈز
- اعداد و شمار
- ڈیٹا سائنسدان
- ڈیٹا بیس
- ڈیٹاسیٹس
- دن
- نجات
- ترسیل
- فراہم کرتا ہے
- تعیناتی
- بیان
- بیان کرتا ہے
- ڈیزائننگ
- ڈیسک ٹاپ
- کا پتہ لگانے کے
- پتہ چلا
- اس بات کا تعین
- ڈیولپر
- ڈویلپرز
- آریھ
- مختلف
- مشکل
- ڈائجسٹ
- ڈیجیٹل
- رعایتی
- دریافت
- بات چیت
- بات چیت
- متنوع
- تقسیم
- نہیں کرتا
- نہیں
- نیچے
- ڈرائیو
- کے دوران
- ہر ایک
- آسان
- معیشت کو
- مؤثر طریقے
- تاثیر
- کوشش
- ای میل
- اختتام پوائنٹ
- مصروفیت
- مشغول
- انجن
- انجنیئرنگ
- انجینئرز
- کو یقینی بنانے کے
- تفریح
- اندازہ
- اندازہ
- کا جائزہ لینے
- بھی
- واقعات
- ہر کوئی
- تیار
- مثال کے طور پر
- چھوڑ کر
- موجود ہے
- تجربہ
- تجربات
- تجرباتی
- تجربات
- وضاحت
- نکالنے
- گر
- نمایاں کریں
- خصوصیات
- چند
- فائل
- فلٹر
- فلٹر
- فائنل
- مالی
- مالیاتی خدمات
- مل
- فٹ
- مقرر
- لچک
- توجہ مرکوز
- توجہ مرکوز
- توجہ مرکوز
- کے بعد
- کے لئے
- صارفین کے لئے
- فارچیون
- مفت
- اکثر
- سے
- فرنٹ اینڈ
- تقریب
- افعال
- مزید
- حاصل کرنا
- پیدا
- نسل
- حاصل
- دے
- اچھا
- عظیم
- بڑھتے ہوئے
- ہے
- ہونے
- he
- صحت کی دیکھ بھال
- مدد
- مدد کرتا ہے
- یہاں
- انتہائی
- ان
- تاریخی
- تاریخ
- تاریخ
- HOT
- HOURS
- کس طرح
- کیسے
- تاہم
- HTML
- HTTP
- HTTPS
- مثالی
- if
- وضاحت کرتا ہے
- پر عملدرآمد
- عملدرآمد
- پر عمل درآمد
- درآمد
- اہم
- بہتر
- in
- شامل
- شامل
- سمیت
- اضافہ
- اضافہ
- دن بدن
- انفرادی
- صنعتوں
- صنعت
- معلومات
- معلوماتی
- انفراسٹرکچر
- ابتدائی
- شروع ہوا
- بصیرت
- بات چیت
- بات چیت
- دلچسپی
- مفادات
- میں
- IT
- اشیاء
- میں
- ایوب
- فوٹو
- صرف
- کلیدی
- زمین کی تزئین کی
- بعد
- پرت
- لے آؤٹ
- جانیں
- لمبائی
- سطح
- طرز زندگی
- حد کے
- حدود
- لمیٹڈ
- لسٹ
- زندگی
- لوڈ
- بند
- بنا
- مین
- دیکھ بھال
- بہت سے
- نقشہ
- مئی..
- مطلب
- میکانزم
- میڈیا
- سے ملو
- کے ساتھ
- میٹا ڈیٹا
- میٹرک۔
- پیمائش کا معیار
- کم سے کم
- کم سے کم
- منٹ
- تخفیف کریں
- موبائل
- ماڈل
- ماڈل
- کی نگرانی
- زیادہ
- سب سے زیادہ
- سب سے زیادہ مقبول
- بھیڑ
- ضروری
- نام
- natively
- ضرورت ہے
- ضرورت
- نئی
- خبر
- عام طور پر
- اب
- تعداد
- of
- تجویز
- آف لائن
- on
- ایک
- صرف
- آپریشنز
- زیادہ سے زیادہ
- اختیار
- or
- تنظیم
- تنظیمیں
- اصل
- دیگر
- ہمارے
- باہر
- پیداوار
- پر
- متوازی
- خاص طور پر
- جذباتی
- فی
- فیصد
- کارکردگی
- کارکردگی کا مظاہرہ
- شخصی
- ذاتی بنانا
- نجیکرت
- مقام
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- سیاست
- پول
- مقبول
- پوسٹ
- طاقت
- طاقت
- صحت سے متعلق
- ترجیحات
- تیار
- پیش
- تحفہ
- ترجیح دیں
- ترجیح
- مسئلہ
- مسائل
- عمل
- عملدرآمد
- پروسیسنگ
- مصنوعات
- پیشہ ورانہ
- فراہم
- فراہم
- فراہم کرنے
- پراکسی
- شائع
- پش
- جلدی سے
- درجہ بندی
- رینکنگ
- قیمتیں
- پڑھیں
- ریڈر
- قارئین
- پڑھنا
- تیار
- اصلی
- اصل وقت
- اصل وقت کا ڈیٹا
- ہدایت
- سفارش
- سفارش
- سفارشات
- سفارش کی
- ریکارڈ
- تعلقات
- رشتہ دار
- متعلقہ
- انحصار کرو
- اطلاع دی
- درخواست
- کی ضرورت
- ضرورت
- ریستوران
- محدود
- نتائج کی نمائش
- بڑھتی ہوئی
- قوانین
- چل رہا ہے
- اسی
- توسیع پذیر
- پیمانے
- سائنسدان
- سکرال
- تلاش کریں
- دوسری
- سیکٹر
- دیکھنا
- منتخب
- منتخب
- سینئر
- بھیجا
- خدمت کی
- بے سرور
- سروس
- سروسز
- مقرر
- کئی
- شفٹوں
- ہونا چاہئے
- سگنل
- اسی طرح
- اسی طرح
- سادہ
- So
- حل
- حل
- حل
- حل کرنا۔
- کبھی کبھی
- جلد ہی
- ذرائع
- دورانیہ
- مخصوص
- وضاحتیں
- خرچ کرنا۔
- اسپورٹس
- معیار
- شروع کریں
- رہ
- مرحلہ
- ذخیرہ
- خبریں
- حکمت عملیوں
- جمع کرائی
- چاہنے والے
- کامیابی
- اس طرح
- کافی
- موزوں
- حمایت
- امدادی
- سطح
- کے نظام
- منظم طریقے سے
- سسٹمز
- سے نمٹنے
- درزی
- موزوں
- لے لو
- ٹیم
- ٹیموں
- ٹیکنالوجی
- ٹیسٹ
- کہ
- ۔
- ان
- ان
- یہ
- وہ
- اس
- تین
- کے ذریعے
- وقت
- بروقت
- کرنے کے لئے
- آج
- سب سے اوپر
- موضوعات
- ٹی پی
- ٹریک
- ٹریفک
- ٹرین
- تربیت یافتہ
- ٹریننگ
- تربیتی خبریں۔
- معاملات
- تبدیل
- تبدیلی
- شفافیت
- سفر
- رجحان سازی
- رجحانات
- واقعی
- بھروسہ رکھو
- کی کوشش کر رہے
- ٹیوننگ
- دو
- اقسام
- سمجھتا ہے۔
- منفرد
- انفرادیت
- جب تک
- استعمال کی شرائط
- استعمال کیس
- استعمال کیا جاتا ہے
- رکن کا
- صارفین
- استعمال
- کا استعمال کرتے ہوئے
- توثیق
- قیمت
- متغیر
- مختلف
- مختلف اقسام کے
- مختلف
- ورژن
- کی طرف سے
- ویڈیوز
- لنک
- دورے
- چلنا
- چاہتے ہیں
- تھا
- راستہ..
- we
- ویب
- ویب براؤزر
- ویب خدمات
- اچھا ہے
- تھے
- کیا
- جب
- جبکہ
- چاہے
- جس
- کیوں
- گے
- ساتھ
- کے اندر
- بغیر
- کام کیا
- کام کا بہاؤ
- فکر مند
- تحریری طور پر
- تم
- اور
- زیفیرنیٹ