ایمیزون کیندر ایک انتہائی درست اور ذہین سرچ سروس ہے جو صارفین کو قدرتی لینگویج پروسیسنگ (NLP) اور اعلی درجے کی تلاش کے الگورتھم کا استعمال کرتے ہوئے غیر ساختہ اور ساختی ڈیٹا کو تلاش کرنے کے قابل بناتی ہے۔ Amazon Kendra کے ساتھ، آپ دستاویزات کی چھان بین کیے بغیر اپنے سوالات کے متعلقہ جوابات تیزی سے تلاش کر سکتے ہیں۔ تاہم، صرف اختتامی صارفین کو ان کے سوالات کے جوابات حاصل کرنے کے قابل بنانا آج کی دنیا میں کافی نہیں ہے۔ ہمیں اختتامی صارف کے تلاش کے رویے کو مسلسل سمجھنے کی ضرورت ہے، جیسے کہ مہینے کے سرفہرست سوالات کیا ہیں، کوئی نیا سوال ہے جو حال ہی میں سامنے آیا ہے، کتنے فیصد سوالات کو فوری جواب موصول ہوا ہے، اور بہت کچھ۔
اگرچہ Amazon Kendra کنسول تجزیاتی ڈیش بورڈ سے لیس ہے، ہمارے بہت سے صارفین اپنی مرضی کے مطابق ڈیش بورڈ بنانے کو ترجیح دیتے ہیں۔ یہ آپ کو منفرد نظارے اور فلٹرز بنانے کی اجازت دیتا ہے، اور انتظامی ٹیموں کو ایک ہموار، ایک کلک والے ڈیش بورڈ تک رسائی کی اجازت دیتا ہے بغیر لاگ ان کیے AWS مینجمنٹ کنسول اور مناسب ڈیش بورڈ تلاش کریں۔ اس کے علاوہ، آپ پری پروسیسنگ منطق کو شامل کرکے اپنے ڈیش بورڈ کی فعالیت کو بڑھا سکتے ہیں، جیسے کہ اسی طرح کے سر فہرست سوالات کو گروپ کرنا۔ مثال کے طور پر، آپ اسی طرح کے سوالات جیسے کہ "Amazon Kendra کیا ہے" اور "Amazon Kendra کا مقصد کیا ہے" کو ایک ساتھ گروپ کرنا چاہیں گے تاکہ آپ میٹرکس کا مؤثر طریقے سے تجزیہ کر سکیں اور ڈیٹا کی گہری سمجھ حاصل کر سکیں۔ کے تصور کا استعمال کرتے ہوئے اسی طرح کے سوالات کی اس طرح کی گروپ بندی کی جاسکتی ہے۔ معنوی مماثلت.
یہ پوسٹ اس استعمال کے معاملے کو لاگو کرنے کے لیے ایک اختتام سے آخر تک حل پر بحث کرتی ہے، جس میں استعمال کرنا بھی شامل ہے۔ او ڈبلیو ایس لامبڈا۔ Amazon Kendra سے خلاصہ میٹرکس نکالنے کے لیے، a کا استعمال کرتے ہوئے معنوی مماثلت کے اسکور کا حساب لگاتے ہوئے گلے لگانے والا چہرہ ماڈل ایک پر میزبانی کی ایمیزون سیج میکر اسی طرح کے سوالات کو گروپ کرنے کے لیے سرور لیس انفرنس اینڈ پوائنٹ، اور ایک تخلیق کرنا ایمیزون کوئیک سائٹ صارف کی بصیرت کو مؤثر طریقے سے ظاہر کرنے کے لیے ڈیش بورڈ۔
حل جائزہ
درج ذیل خاکہ ہمارے حل کے فن تعمیر کو واضح کرتا ہے۔
اعلیٰ سطحی ورک فلو مندرجہ ذیل ہے:
- An ایمیزون ایونٹ برج شیڈیولر ایمیزون کینڈر سے پچھلے مہینے کے سرچ میٹرکس کو نکالنے کے لیے مہینے میں ایک بار لیمبڈا فنکشن کو متحرک کرتا ہے۔
- لیمبڈا فنکشنز سرچ میٹرکس کو ایک پر اپ لوڈ کرتے ہیں۔ ایمیزون سادہ اسٹوریج سروس (ایمیزون S3) بالٹی۔
- Lambda فنکشنز اپ لوڈ کردہ فائل میں اسی طرح کے سوالات کو گروپ کرتا ہے جس کی بنیاد سیمنٹک مماثلت کے اسکور کی بنیاد پر Hugging Face ماڈل کی طرف سے ہے جس کی میزبانی SageMaker انفرنس اینڈ پوائنٹ پر کی جاتی ہے۔
- An AWS گلو کرالر S3 بالٹی میں اپ لوڈ کردہ فائل سے AWS Glue ڈیٹا کیٹلاگ بناتا یا اپ ڈیٹ کرتا ہے ایمیزون ایتینا میز.
- QuickSight تجزیہ اور ڈیش بورڈ بنانے کے لیے ایتھینا ٹیبل ڈیٹاسیٹ کا استعمال کرتا ہے۔
اس حل کے لیے، ہم بنیادی ڈھانچے کے وسائل کو ایک استعمال کرتے ہوئے QuickSight تجزیہ اور ڈیش بورڈ بنانے کے لیے تعینات کرتے ہیں۔ AWS کلاؤڈ فارمیشن سانچے.
شرائط
درج ذیل ضروری مراحل کو مکمل کریں:
- اگر آپ اپنے AWS اکاؤنٹ میں QuickSight کے پہلی بار استعمال کرنے والے ہیں، QuickSight کے لیے سائن اپ کریں۔.
- Amazon Kendra انڈیکس ID حاصل کریں جسے آپ Amazon Kendra سے اپنے سرچ میٹرکس کا تصور کرنا چاہتے ہیں۔ کچھ بصیرتیں نکالنے کے لیے استعمال کرنے کے لیے کافی مقدار میں ڈیٹا نکالنے کے قابل ہونے کے لیے آپ کو کچھ دیر (مثال کے طور پر چند ہفتے) سرچ انجن کا استعمال کرنا پڑے گا۔
- کلون GitHub repo کنٹینر کی تصویر بنانے کے لیے:
- بنائیں ایک ایمیزون لچکدار کنٹینر رجسٹری US-east-1 میں (Amazon ECR) ریپوزٹری اور ڈاؤن لوڈ کردہ Dockerfile کے ذریعے تخلیق کردہ کنٹینر امیج کو پش کریں۔ ہدایات کے لیے، رجوع کریں۔ ایک نجی ذخیرہ بنانا.
- اپنے مقامی ماحول کی ڈائرکٹری میں درج ذیل کمانڈز چلائیں کنٹینر امیج کو بنانے اور اسے آپ کے بنائے ہوئے ECR ریپوزٹری میں دھکیلیں:
CloudFormation ٹیمپلیٹ کو تعینات کریں۔
CloudFormation ٹیمپلیٹ کو تعینات کرنے کے لیے درج ذیل مراحل کو مکمل کریں:
- CloudFormation ٹیمپلیٹ ڈاؤن لوڈ کریں۔ kendrablog-sam-template.yml.
- AWS CloudFormation کنسول پر، ایک نیا اسٹیک بنائیں۔
استعمال کریں us-east-1
اس تعیناتی کے لیے علاقہ۔
- ٹیمپلیٹ کو براہ راست یا اپنی پسند کی S3 بالٹی کے ذریعے اپ لوڈ کریں۔
- کے لئے کینڈرا انڈیکس، شرطوں سے Amazon Kendra انڈیکس ID درج کریں۔
- کے لئے لیمبڈا ای سی آر ریپوزٹری, شرائط سے ECR ذخیرہ درج کریں۔
- کے لئے QSIidentity Region، QuickSight کا شناختی علاقہ درج کریں۔ جب آپ اپنی QuickSight سبسکرپشن سائن اپ کرتے ہیں تو شناختی علاقہ آپ کے ریجن کے انتخاب کے ساتھ مطابقت رکھتا ہے۔
- کے لئے QSUserDefaultPasswardاپنے QuickSight صارف کے لیے استعمال کرنے کے لیے پہلے سے طے شدہ پاس ورڈ درج کریں۔
جب آپ پہلی بار QuickSight کنسول میں سائن ان کریں گے تو آپ کو یہ پاس ورڈ تبدیل کرنے کا کہا جائے گا۔
- کے لئے QSUserEmailQuickSight صارف کے لیے استعمال کرنے کے لیے ای میل ایڈریس درج کریں۔
- میں سے انتخاب کریں اگلے.
- دیگر ترتیبات کو بطور ڈیفالٹ چھوڑ دیں اور منتخب کریں۔ اگلے.
- تسلیم شدہ چیک باکسز کو منتخب کریں اور منتخب کریں۔ اسٹیک بنائیں.
جب تعیناتی مکمل ہو جاتی ہے، تو آپ اسٹیک کے تمام تیار کردہ وسائل کی تصدیق کر سکتے ہیں۔ وسائل AWS CloudFormation کنسول پر ٹیب۔
ہم مندرجہ ذیل حصوں میں اس حل کے کچھ اہم اجزاء کے ذریعے چلتے ہیں۔
Amazon Kendra سرچ میٹرکس سے بصیرت حاصل کریں۔
ہم ایمیزون کیندر سے میٹرکس کا ڈیٹا حاصل کر سکتے ہیں۔ اسنیپ شاٹس حاصل کریں۔ API یہ تجزیہ کرنے کے لیے 10 میٹرکس ہیں کہ صارف کون سی معلومات تلاش کر رہے ہیں: 5 میٹرکس میں ہمارے لیے وقت کے ساتھ پیٹرن تلاش کرنے کے لیے رجحانات کا ڈیٹا شامل ہے، اور 5 میٹرکس صرف ایک سنیپ شاٹ یا مجموعی ڈیٹا کا استعمال کرتے ہیں۔ روزانہ ٹرینڈ ڈیٹا کے ساتھ میٹرکس کلک تھرو ریٹ، صفر کلک ریٹ، صفر تلاش کے نتائج کی شرح، فوری جواب کی شرح، اور کل سوالات ہیں۔ مجموعی ڈیٹا کے ساتھ میٹرکس سرفہرست سوالات، صفر کلکس کے ساتھ سرفہرست سوالات، صفر تلاش کے نتائج کے ساتھ سرفہرست سوالات، دستاویزات پر سب سے اوپر کلک کردہ، اور کل دستاویزات ہیں۔
ہم Amazon Kendra سے سرچ میٹرکس ڈیٹا حاصل کرنے کے لیے Lambda فنکشنز کا استعمال کرتے ہیں۔ افعال Amazon Kendra سے میٹرکس نکالتے ہیں اور انہیں Amazon S3 میں اسٹور کرتے ہیں۔ آپ میں افعال تلاش کر سکتے ہیں۔ GitHub repo.
سیمنٹک مماثلت کا حساب لگانے کے لیے ایک سیج میکر سرور لیس اینڈ پوائنٹ بنائیں اور گلے لگانے والے چہرے کے ماڈل کی میزبانی کریں۔
میٹرکس نکالنے کے بعد، اگلا مرحلہ مجموعی میٹرکس کے لیے پری پروسیسنگ کو مکمل کرنا ہے۔ پری پروسیسنگ مرحلہ استفسار کے متن کے درمیان معنوی مماثلت کی جانچ کرتا ہے اور اسی طرح کے سوالات کی کل گنتی دکھانے کے لیے انہیں ایک ساتھ گروپ کرتا ہے۔ مثال کے طور پر، اگر "S3 کیا ہے" کے تین سوالات ہیں اور "S3 کا مقصد کیا ہے" کے دو سوالات ہیں، یہ ان کو ایک ساتھ گروپ کرے گا اور دکھائے گا کہ "S3 کیا ہے" یا "What is the S3" کے پانچ سوالات ہیں۔ SXNUMX کا مقصد۔
معنوی مماثلت کا حساب لگانے کے لیے، ہم Hugging Face ماڈل لائبریری سے ایک ماڈل استعمال کرتے ہیں۔ Hugging Face ایک مقبول اوپن سورس پلیٹ فارم ہے جو NLP ماڈلز کی ایک وسیع رینج فراہم کرتا ہے، بشمول ٹرانسفارمرز، جنہیں NLP کے مختلف کاموں پر تربیت دی گئی ہے۔ یہ ماڈلز آسانی سے SageMaker کے ساتھ مربوط ہو سکتے ہیں اور اس کی بھرپور تربیت اور تعیناتی کے اختیارات سے فائدہ اٹھا سکتے ہیں۔ ہیگنگ فیس ڈیپ لرننگ کنٹینرز (DLCs)، جو ضروری لائبریریوں کے ساتھ پہلے سے پیک کیا جاتا ہے، کوڈ کی چند لائنوں کے ساتھ SageMaker میں ماڈل کو تعینات کرنا آسان بناتا ہے۔ ہمارے استعمال کے معاملے میں، ہم سب سے پہلے Hugging Face کے پہلے سے تربیت یافتہ ماڈل کا استعمال کرتے ہوئے ویکٹر ایمبیڈنگ حاصل کرتے ہیں۔ flax-sentence-embeddings/all_datasets_v4_MiniLM-L6، اور پھر استعمال کریں۔ کوزائن مماثلت ویکٹر ایمبیڈنگز کے درمیان مماثلت کے اسکور کا حساب لگانے کے لیے۔
ہگنگ فیس ماڈل سے ویکٹر ایمبیڈنگ حاصل کرنے کے لیے، ہم ایک بناتے ہیں۔ سیج میکر میں سرور لیس اینڈ پوائنٹ. سرور لیس اینڈ پوائنٹس لاگت کو بچانے میں مدد کرتے ہیں کیونکہ آپ صرف اس وقت کی ادائیگی کرتے ہیں جس وقت کا اندازہ چلتا ہے۔ سرور لیس اینڈ پوائنٹ بنانے کے لیے، آپ سب سے پہلے کسی ایک اینڈ پوائنٹ کے لیے زیادہ سے زیادہ سمورتی درخواستوں کی وضاحت کرتے ہیں، جسے MaxConcurrency کہا جاتا ہے، اور میموری کا سائز۔ آپ جو میموری سائز منتخب کر سکتے ہیں وہ ہیں 1024 MB، 2048 MB، 3072 MB، 4096 MB، 5120 MB، یا 6144 MB۔ سیج میکر سرور لیس انفرنس آپ کی منتخب کردہ میموری کے متناسب کمپیوٹ وسائل کو خود بخود تفویض کرتا ہے۔
ہمیں ایک ویکٹر کو زیرو کے ساتھ پیڈ کرنے کی بھی ضرورت ہے تاکہ دونوں ویکٹرز کا سائز ایک دوسرے سے مماثل ہو اور ہم کوزائن کی مماثلت کو دو ویکٹروں کے ڈاٹ پروڈکٹ کے طور پر شمار کر سکیں۔ ہم کوزائن مماثلت کے لیے ایک حد مقرر کر سکتے ہیں (مثال کے طور پر، 0.6) اور اگر مماثلت کا سکور حد سے زیادہ ہے، تو ہم سوالات کو ایک ساتھ گروپ کر سکتے ہیں۔ سوالات کو گروپ کرنے کے بعد، ہم سرفہرست سوالات کو بہتر طور پر سمجھ سکتے ہیں۔ ہم یہ تمام منطق لیمبڈا فنکشن میں ڈالتے ہیں اور کنٹینر امیج کا استعمال کرتے ہوئے فنکشن کو تعینات کرتے ہیں۔ کنٹینر کی تصویر میں سیج میکر سرور لیس انفرنس اینڈ پوائنٹس کو شروع کرنے کے لیے کوڈز، اور لیمبڈا فنکشن جیسے کہ NumPy، pandas، اور scikit-learn کو چلانے کے لیے ضروری Python لائبریریاں شامل ہیں۔ درج ذیل فائل لیمبڈا فنکشن سے آؤٹ پٹ کی ایک مثال ہے۔ HF_QUERIES_BY_COUNT.csv.
QuickSight کا استعمال کرتے ہوئے ڈیش بورڈ بنائیں
میٹرکس کو جمع کرنے اور مجموعی میٹرکس کو پہلے سے پروسیس کرنے کے بعد، آپ کاروباری بصیرت حاصل کرنے کے لیے ڈیٹا کو تصور کر سکتے ہیں۔ اس حل کے لیے، ہم بزنس انٹیلی جنس (BI) ڈیش بورڈ کے لیے QuickSight اور QuickSight کے لیے ڈیٹا ماخذ کے طور پر Athena کا استعمال کرتے ہیں۔
QuickSight ایک مکمل طور پر منظم انٹرپرائز گریڈ BI سروس ہے جسے آپ آسانی سے سمجھنے والی بصیرت فراہم کرنے کے لیے تجزیہ اور ڈیش بورڈ بنانے کے لیے استعمال کر سکتے ہیں۔ آپ QuickSight ڈیش بورڈ کے ذریعے کاروباری بصیرت کو مؤثر طریقے سے فراہم کرنے کے لیے مختلف قسم کے چارٹس اور گرافس کا انتخاب کر سکتے ہیں۔ QuickSight آپ کے ڈیٹا سے منسلک ہوتا ہے اور بہت سے مختلف ذرائع سے ڈیٹا کو یکجا کرتا ہے، جیسے Amazon S3 اور Athena۔ ہمارے حل کے لیے، ہم ایتھینا کو ڈیٹا سورس کے طور پر استعمال کرتے ہیں۔
Athena ایک انٹرایکٹو استفسار کی خدمت ہے جو معیاری استعمال کرتے ہوئے Amazon S3 میں ڈیٹا کا براہ راست تجزیہ کرنا آسان بناتی ہے۔ SQL. آپ Athena کے سوالات کو QuickSight کے ساتھ دیکھنے سے پہلے S3 بالٹی میں محفوظ کردہ ڈیٹا سے اپنی مرضی کے مطابق ویوز بنانے کے لیے استعمال کر سکتے ہیں۔ یہ حل S3 بالٹی میں موجود فائلوں سے ایتھینا ٹیبل کے لیے AWS Glue ڈیٹا کیٹلاگ بنانے کے لیے AWS Glue کرالر کا استعمال کرتا ہے۔
CloudFormation ٹیمپلیٹ وسائل کی تخلیق کے دوران پہلا کرالر چلاتا ہے۔ مندرجہ ذیل اسکرین شاٹ ڈیٹا کیٹلاگ اسکیما کو ظاہر کرتا ہے۔
مندرجہ ذیل اسکرین شاٹ ایتھینا ٹیبل کا نمونہ دکھاتا ہے جو آپ تعیناتی کے بعد دیکھیں گے۔
AWS Glue ڈیٹا بیس اور ٹیبلز تک رسائی کی اجازت کے ذریعے انتظام کیا جاتا ہے۔ AWS جھیل کی تشکیل. CloudFormation ٹیمپلیٹ نے پہلے سے ہی تیار کردہ جھیل کی تشکیل کی ضروری اجازتوں کو منسلک کر دیا ہے AWS شناخت اور رسائی کا انتظام QuickSight کے لیے (IAM) صارف۔ اگر آپ کو اپنے IAM پرنسپل کے ساتھ اجازت کے مسائل نظر آتے ہیں، تو کم از کم SELECT کی اجازت AWS Glue ٹیبلز کو اپنے IAM پرنسپل کو Lake Formation میں دیں۔ آپ AWS Glue ڈیٹا بیس کا نام پر تلاش کر سکتے ہیں۔ نتائج CloudFormation اسٹیک کا ٹیب۔ مزید معلومات کے لیے رجوع کریں۔ نامزد وسائل کا طریقہ استعمال کرتے ہوئے ڈیٹا کیٹلاگ کی اجازت دینا.
ہم نے ڈیٹا کی تیاری کا مرحلہ مکمل کر لیا ہے۔ آخری مرحلہ QuickSight کا استعمال کرتے ہوئے ایک تجزیہ اور ڈیش بورڈ بنانا ہے۔
- QuickSight کنسول میں سائن ان کریں۔ QuickSight صارف کے ساتھ جو CloudFormation ٹیمپلیٹ نے تیار کیا ہے۔
- نیویگیشن پین میں، منتخب کریں۔ ڈیٹا سیٹ.
- میں سے انتخاب کریں ڈیٹا بیس.
- ایتھینا کو ڈیٹا ماخذ کے طور پر منتخب کریں۔
- کے لیے ایک نام درج کریں۔ ڈیٹا سورس کا نام اور منتخب کریں
kendrablog
لیے ایتھینا ورک گروپ. - میں سے انتخاب کریں ڈیٹا سورس بنائیں.
- میں سے انتخاب کریں
AWSDataCatalog
لیے تفصیلی فہر ست اورkendra-search-analytics-database
لیے ڈیٹا بیس، اور ان میزوں میں سے ایک کو منتخب کریں جسے آپ تجزیہ کے لیے استعمال کرنا چاہتے ہیں۔ - میں سے انتخاب کریں منتخب کریں.
- منتخب کریں تیز تر تجزیات کے لیے SPICE میں درآمد کریں۔ اور منتخب کریں ڈیٹا میں ترمیم/پیش نظارہ کریں۔.
- اختیاری طور پر، منتخب کریں ڈیٹا شامل کریں۔ اضافی ڈیٹا میں شامل ہونے کے لیے۔
- آپ ڈیٹا اسکیما میں بھی ترمیم کر سکتے ہیں، جیسے کالم کا نام یا ڈیٹا کی قسم، اور اگر ضرورت ہو تو متعدد ڈیٹا سیٹس میں شامل ہو سکتے ہیں۔
- میں سے انتخاب کریں شائع کریں اور تصور کریں۔ بصری تخلیق کی طرف بڑھیں۔
- اپنی بصری قسم کا انتخاب کریں اور اپنے بصری کو بنانے کے لیے طول و عرض سیٹ کریں۔
- آپ اختیاری طور پر نیویگیشن پین کا استعمال کرتے ہوئے چارٹ کے لیے اضافی خصوصیات ترتیب دے سکتے ہیں، جیسے فلٹرز، ایکشنز اور تھیمز۔
درج ذیل اسکرین شاٹس آپ کے حوالہ کے لیے QuickSight ڈیش بورڈ کا نمونہ دکھاتے ہیں۔ اسکرین شاٹ میں "ملتے جلتے سوالات کے ذریعہ تلاش کے سوالات کا گروپ" دکھاتا ہے کہ کس طرح تلاش کے سوالات کو لفظی مماثلت کا استعمال کرتے ہوئے یکجا کیا گیا ہے۔
صاف کرو
QuickSight وسائل (ڈیش بورڈ، تجزیہ، اور ڈیٹاسیٹ) کو حذف کریں جو آپ نے بنائے ہیں اور انفراسٹرکچر کے وسائل جو AWS CloudFormation نے ناپسندیدہ چارجز سے بچنے کے لیے بنائے ہیں۔ آپ بنیادی ڈھانچے کے وسائل اور QuickSight صارف کو حذف کر سکتے ہیں جو AWS CloudFormation کنسول کے ذریعے اسٹیک کے ذریعے تخلیق کیا گیا تھا۔
نتیجہ
اس پوسٹ نے Amazon Kendra سے کاروباری بصیرت حاصل کرنے کے لیے ایک اختتام سے آخر تک حل دکھایا۔ حل نے Lambda اور QuickSight کا استعمال کرتے ہوئے Amazon Kendra سرچ اینالیٹکس میٹرکس کے لیے ایک حسب ضرورت ڈیش بورڈ تعینات کرنے کے لیے سرور لیس اسٹیک فراہم کیا۔ ہم نے SageMaker Hugging Face ماڈل کا استعمال کرتے ہوئے اسی طرح کے سوالات کا تجزیہ کرنے سے متعلق مشترکہ چیلنجوں کو بھی حل کیا۔ آپ مزید بصیرتیں شامل کر کے ڈیش بورڈ کو مزید بہتر بنا سکتے ہیں جیسے کہ کلیدی جملے یا استفسارات میں نامزد اداروں کا استعمال کرتے ہوئے ایمیزون کی تعریف اور ڈیش بورڈ میں ڈسپلے کرنا۔ براہ کرم حل آزمائیں اور ہمیں اپنی رائے سے آگاہ کریں۔
مصنفین کے بارے میں
Genta Watanabe ایمیزون ویب سروسز میں ایک سینئر ٹیکنیکل اکاؤنٹ مینیجر ہے۔ وہ اپنا وقت اسٹریٹجک آٹوموٹیو صارفین کے ساتھ کام کرنے میں صرف کرتا ہے تاکہ ان کو آپریشنل فضیلت حاصل کرنے میں مدد ملے۔ اس کی دلچسپی کے شعبے مشین لرننگ اور مصنوعی ذہانت ہیں۔ اپنے فارغ وقت میں، گینٹا اپنے خاندان کے ساتھ وقت گزارنے اور سفر کرنے میں لطف اندوز ہوتا ہے۔
ابھیجیت کلیتا ایمیزون ویب سروسز میں ایک سینئر AI/ML مبشر ہیں۔ وہ ایشیا پیسیفک میں پبلک سیکٹر کے شراکت داروں کے ساتھ کام کرنے میں اپنا وقت صرف کرتا ہے، انہیں ان کے AI/ML ورک بوجھ پر فعال کرتا ہے۔ اس کے پاس ڈیٹا اینالیٹکس، AI، اور مشین لرننگ میں کئی سالوں کا تجربہ ہے جیسے کہ آٹوموٹو، سیمی کنڈکٹر مینوفیکچرنگ، اور مالیاتی خدمات۔ اس کی دلچسپی کے شعبے مشین لرننگ اور مصنوعی ذہانت، خاص طور پر NLP اور کمپیوٹر ویژن ہیں۔ اپنے فارغ وقت میں، ابھیجیت اپنے خاندان کے ساتھ وقت گزارنے، بائیک چلانے اور اپنے چھوٹے ہیمسٹر کے ساتھ کھیلنے میں لطف اندوز ہوتا ہے۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹوآئ اسٹریم۔ ویب 3 ڈیٹا انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- ایڈریین ایشلے کے ساتھ مستقبل کا نقشہ بنانا۔ یہاں تک رسائی حاصل کریں۔
- PREIPO® کے ساتھ PRE-IPO کمپنیوں میں حصص خریدیں اور بیچیں۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/get-insights-on-your-users-search-behavior-from-amazon-kendra-using-an-ml-powered-serverless-stack/
- : ہے
- : ہے
- : نہیں
- $UP
- 1
- 10
- 100
- 202
- 320
- 60
- 7
- 8
- a
- قابلیت
- تک رسائی حاصل
- اکاؤنٹ
- درست
- حاصل
- کے پار
- اعمال
- انہوں نے مزید کہا
- اس کے علاوہ
- ایڈیشنل
- پتہ
- اعلی درجے کی
- فائدہ
- کے بعد
- AI
- AI / ML
- یلگوردمز
- سیدھ میں لائیں
- تمام
- کی اجازت دیتا ہے
- پہلے ہی
- بھی
- ایمیزون
- ایمیزون کیندر
- ایمیزون ویب سروسز
- رقم
- an
- تجزیہ
- تجزیہ
- تجزیاتی
- تجزیے
- تجزیہ
- اور
- اور بنیادی ڈھانچہ
- جواب
- جواب
- کوئی بھی
- اے پی آئی
- شائع ہوا
- مناسب
- فن تعمیر
- کیا
- علاقوں
- مصنوعی
- مصنوعی ذہانت
- AS
- ایشیا
- ایشیا پیسیفک
- At
- آٹوموٹو
- سے اجتناب
- AWS
- AWS کلاؤڈ فارمیشن
- AWS گلو
- کی بنیاد پر
- BE
- کیونکہ
- رہا
- اس سے پہلے
- بہتر
- کے درمیان
- باکس
- تعمیر
- کاروبار
- کاروبار کی ذہانت
- by
- حساب
- حساب
- کر سکتے ہیں
- حاصل کر سکتے ہیں
- کیس
- کیٹلوگ
- چیلنجوں
- تبدیل
- بوجھ
- چارٹ
- چارٹس
- چیک کریں
- چیک
- میں سے انتخاب کریں
- کلک کریں
- کلائنٹ
- کوڈ
- کالم
- COM
- یکجا
- آتا ہے
- کامن
- مکمل
- مکمل
- اجزاء
- کمپیوٹنگ
- کمپیوٹر
- کمپیوٹر ویژن
- تصور
- سمورتی
- کی توثیق
- جڑتا
- کنسول
- مسلسل
- کنٹینر
- کنٹینر
- پر مشتمل ہے
- قیمت
- سکتا ہے
- کرالر
- تخلیق
- بنائی
- پیدا
- تخلیق
- مخلوق
- اپنی مرضی کے
- گاہکوں
- روزانہ
- ڈیش بورڈ
- اعداد و شمار
- ڈیٹا تجزیات
- ڈیٹا کی تیاری
- ڈیٹا بیس
- ڈیٹا بیس
- ڈیٹاسیٹس
- گہری
- گہری سیکھنے
- گہرے
- پہلے سے طے شدہ
- نجات
- تعیناتی
- تعیناتی
- مختلف
- طول و عرض
- براہ راست
- دکھائیں
- دکھانا
- میں Docker
- دستاویزات
- کیا
- ڈاٹ
- کے دوران
- ہر ایک
- آسانی سے
- آسان
- مؤثر طریقے
- ای میل
- سرایت کرنا
- کے قابل بناتا ہے
- کو فعال کرنا
- آخر سے آخر تک
- اختتام پوائنٹ
- انجن
- بڑھانے کے
- کافی
- درج
- انٹرپرائز گریڈ
- اداروں
- ماحولیات
- لیس
- خاص طور پر
- سے Evangelist
- مثال کے طور پر
- ایکسیلنس
- تجربہ
- نکالنے
- چہرہ
- خاندان
- خصوصیات
- آراء
- چند
- فائل
- فائلوں
- فلٹر
- مالی
- مالیاتی خدمات
- مل
- پہلا
- کے بعد
- مندرجہ ذیل ہے
- کے لئے
- قیام
- سے
- مکمل طور پر
- تقریب
- فعالیت
- افعال
- مزید
- حاصل کرنا
- پیدا
- حاصل
- عطا
- گرانٹ
- گرافکس
- گروپ
- گروپ کا
- ہے
- he
- مدد
- اعلی سطحی
- انتہائی
- ان
- میزبان
- میزبانی کی
- کس طرح
- تاہم
- HTML
- HTTP
- HTTPS
- ID
- شناختی
- if
- وضاحت کرتا ہے
- تصویر
- پر عملدرآمد
- in
- شامل
- شامل ہیں
- سمیت
- انڈکس
- معلومات
- انفراسٹرکچر
- بصیرت
- فوری
- ہدایات
- ضم
- انٹیلی جنس
- انٹیلجنٹ
- انٹرایکٹو
- دلچسپی
- مسائل
- IT
- میں
- میں شامل
- صرف
- کلیدی
- جان
- جانا جاتا ہے
- جھیل
- زبان
- آخری
- تازہ ترین
- سیکھنے
- کم سے کم
- دو
- لائبریریوں
- لائبریری
- لائنوں
- تھوڑا
- مقامی
- لاگ ان کریں
- منطق
- لاگ ان
- دیکھو
- مشین
- مشین لرننگ
- بنا
- بناتا ہے
- میں کامیاب
- انتظام
- مینیجر
- مینوفیکچرنگ
- بہت سے
- میکس
- مئی..
- یاد داشت
- پیمائش کا معیار
- ماڈل
- ماڈل
- نظر ثانی کرنے
- مہینہ
- زیادہ
- منتقل
- ایک سے زیادہ
- نام
- نامزد
- قدرتی
- قدرتی زبان عملیات
- سمت شناسی
- ضروری
- ضرورت ہے
- ضرورت
- ضرورت ہے
- نئی
- اگلے
- ویزا
- عجیب
- of
- on
- ایک بار
- ایک
- صرف
- اوپن سورس
- آپریشنل
- آپشنز کے بھی
- or
- دیگر
- ہمارے
- باہر
- پیداوار
- پر
- پیسیفک
- پیڈ
- pandas
- پین
- شراکت داروں کے
- پاس ورڈ
- پیٹرن
- ادا
- فیصد
- اجازت
- اجازتیں
- جملے
- پلیٹ فارم
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- کھیل
- مہربانی کرکے
- مقبول
- پوسٹ
- کو ترجیح دیتے ہیں
- کو ترجیح دی
- ضروریات
- پرنسپل
- نجی
- پروسیسنگ
- مصنوعات
- فراہم
- فراہم کرتا ہے
- عوامی
- مقصد
- پش
- ڈال
- ازگر
- سوالات
- سوالات
- تیز
- جلدی سے
- رینج
- شرح
- موصول
- حال ہی میں
- خطے
- متعلقہ
- ذخیرہ
- وسائل
- وسائل
- نتائج کی نمائش
- امیر
- رن
- sagemaker
- سیج میکر کا اندازہ
- محفوظ کریں
- سائنٹ سیکھنا
- سکور
- اسکرین شاٹس
- تلاش کریں
- تلاش کے انجن
- تلاش
- سیکشنز
- شعبے
- دیکھنا
- انتخاب
- سیمکولیٹر
- سینئر
- بے سرور
- سروس
- سروسز
- مقرر
- ترتیبات
- دکھائیں
- سے ظاہر ہوا
- شوز
- سائن ان کریں
- دستخط
- اسی طرح
- سادہ
- ایک
- سائز
- سائز
- سنیپشاٹ
- So
- حل
- کچھ
- ماخذ
- ذرائع
- خرچ کرنا۔
- مسالا
- ڈھیر لگانا
- معیار
- مرحلہ
- مراحل
- ذخیرہ
- ذخیرہ
- ذخیرہ
- حکمت عملی
- سویوستیت
- منظم
- سبسکرائب
- اس طرح
- کافی
- ٹیبل
- TAG
- لے لو
- کاموں
- ٹیموں
- ٹیکنیکل
- سانچے
- سے
- کہ
- ۔
- ان
- ان
- تو
- وہاں.
- یہ
- اس
- ان
- تین
- حد
- کے ذریعے
- وقت
- کرنے کے لئے
- آج کا
- مل کر
- سب سے اوپر
- کل
- تربیت یافتہ
- ٹریننگ
- ٹرانسفارمرز
- سفر
- رجحان
- رجحانات
- کوشش
- دو
- قسم
- اقسام
- سمجھ
- افہام و تفہیم
- منفرد
- ناپسندیدہ
- تازہ ترین معلومات
- اپ لوڈ کردہ
- us
- استعمال کی شرائط
- استعمال کیس
- رکن کا
- صارفین
- کا استعمال کرتے ہوئے
- مختلف اقسام کے
- مختلف
- عمودی
- کی طرف سے
- خیالات
- نقطہ نظر
- بصری
- چاہتے ہیں
- تھا
- we
- ویب
- ویب خدمات
- مہینے
- کیا
- جب
- جس
- جبکہ
- وسیع
- وسیع رینج
- گے
- ساتھ
- بغیر
- کام کر
- دنیا
- سال
- تم
- اور
- زیفیرنیٹ
- صفر