یہ چار حصوں پر مشتمل سیریز کی تیسری پوسٹ ہے جس میں بتایا گیا ہے کہ کیسے نیٹ ویسٹ گروپ۔ایک اہم مالیاتی خدمات کا ادارہ، جس کے ساتھ شراکت داری کی ہے۔ AWS پروفیشنل سروسز ایک نیا مشین لرننگ آپریشنز (MLOps) پلیٹ فارم بنانے کے لیے۔ اس پوسٹ کا مقصد ڈیٹا سائنسدانوں، MLOps انجینئرز، اور ڈیٹا انجینئرز کے لیے ہے جو ML پائپ لائن ٹیمپلیٹس بنانے میں دلچسپی رکھتے ہیں ایمیزون سیج میکر. ہم وضاحت کرتے ہیں کہ کس طرح نیٹ ویسٹ گروپ نے SageMaker کو معیاری اینڈ ٹو اینڈ MLOps پروسیس بنانے کے لیے استعمال کیا۔ اس حل نے ML سلوشنز کے لیے ٹائم ٹو ویلیو کو 12 ماہ سے کم کر کے 3 ماہ سے کم کر دیا، اور نیٹ ویسٹ گروپ کی اعلی سیکیورٹی اور آڈٹ ایبلٹی کی ضروریات کو برقرار رکھتے ہوئے لاگت کو کم کر دیا۔
نیٹ ویسٹ گروپ نے محفوظ اور قابل توسیع ٹیکنالوجی پلیٹ فارمز کی تعمیر میں اپنی مہارت کے پیش نظر AWS پروفیشنل سروسز کے ساتھ تعاون کرنے کا انتخاب کیا۔ مشترکہ ٹیم نے ایک پائیدار طویل مدتی حل تیار کرنے کے لیے کام کیا جو بہترین مالیاتی مصنوعات اور خدمات پیش کر کے خاندانوں، لوگوں اور کاروبار کی ترقی میں مدد کرنے کے نیٹ ویسٹ کے مقصد کی حمایت کرتا ہے۔ ہمارا مقصد یہ ہے کہ AWS کے زیر انتظام آرکیٹیکچرز کا استعمال کرتے ہوئے کمپیوٹ کو کم سے کم اور کاربن کے اخراج کو کم کیا جا سکے۔
پوری سیریز پڑھیں:
|
سیج میکر پروجیکٹ ٹیمپلیٹس
کاروباری چیلنجوں کا جواب دینے کے لیے ML کے استعمال کا ایک دلچسپ پہلو یہ ہے کہ حل بنانے کے بہت سے طریقے ہیں جن میں نہ صرف خود ML کوڈ شامل ہے، بلکہ ڈیٹا سے منسلک ہونا، پری پروسیسنگ، پوسٹ پروسیسنگ، ڈیٹا کے معیار کی جانچ کرنا، اور نگرانی کرنا، چند نام. تاہم، یہ لچک ان کاروباری اداروں کے لیے اپنے چیلنجز پیدا کر سکتی ہے جن کا مقصد ایم ایل پر مبنی حل کی تعیناتی کو بڑھانا ہے۔ یہ مستقل مزاجی، معیاری کاری، اور دوبارہ استعمال کی صلاحیت کی کمی کا باعث بن سکتا ہے جو نئی کاروباری تجاویز بنانے کے لیے وقت کو محدود کرتا ہے۔ یہ وہ جگہ ہے جہاں آپ کے ML کوڈ کے لیے ایک ٹیمپلیٹ کا تصور آتا ہے۔ یہ آپ کو ایک ML پائپ لائن تیار کرنے کے لیے ایک معیاری طریقہ کی وضاحت کرنے کی اجازت دیتا ہے جسے آپ متعدد پروجیکٹس، ٹیموں اور استعمال کے کیسز میں دوبارہ استعمال کر سکتے ہیں، جبکہ کلید کے لیے درکار لچک کی اجازت دیتے ہوئے اجزاء یہ ان حلوں کو بناتا ہے جنہیں ہم زیادہ مستقل، مضبوط اور جانچنے میں آسان بناتے ہیں۔ اس سے ترقی بھی بہت تیز ہوتی ہے۔
نیٹ ویسٹ گروپ اور AWS کے درمیان حالیہ تعاون کے ذریعے، ہم نے SageMaker پروجیکٹ ٹیمپلیٹس کا ایک سیٹ تیار کیا ہے جو تمام معیاری عمل اور اقدامات کو مجسم بناتا ہے جو ایک مضبوط ML پائپ لائن کا حصہ ہیں۔ یہ انفراسٹرکچر ٹیمپلیٹس پر بنائے گئے ڈیٹا سائنس پلیٹ فارم کے اندر استعمال ہوتے ہیں جو اس سیریز کے حصہ 2 میں بیان کیے گئے تھے۔
مندرجہ ذیل تصویر ہماری ٹریننگ پائپ لائن ٹیمپلیٹ کے فن تعمیر کو ظاہر کرتی ہے۔
مندرجہ ذیل اسکرین شاٹ ظاہر کرتا ہے کہ کیا دکھایا گیا ہے۔ ایمیزون سیج میکر اسٹوڈیو جب یہ پائپ لائن کامیابی سے چلائی جائے گی۔
یہ سب ہمارے ML ترقیاتی طریقوں کو متعدد طریقوں سے بہتر بنانے میں مدد کرتا ہے، جس پر ہم مندرجہ ذیل حصوں میں بحث کرتے ہیں۔
دوبارہ پریوست
نیٹ ویسٹ کے ایم ایل پروجیکٹس کو اکثر ڈیٹا سائنسدانوں اور انجینئرز کی کراس ڈسپلنری ٹیموں کی ضرورت ہوتی ہے تاکہ وہ اسی پروجیکٹ میں تعاون کریں۔ اس کا مطلب یہ ہے کہ کوڈ، ماڈلز اور پائپ لائنز کی اشتراک اور تولیدی صلاحیت دو اہم خصوصیات ہیں جن پر ٹیموں کو بھروسہ کرنا چاہیے۔
اس ضرورت کو پورا کرنے کے لیے ٹیم تشکیل دی گئی۔ ایمیزون سیج میکر پائپ لائنز نئے ایم ایل پروجیکٹس کے لیے دوہری سٹارٹنگ پوائنٹس کے طور پر ٹریننگ اور انفرنس کے لیے ٹیمپلیٹس۔ ٹیمپلیٹس کو ڈیٹا سائنس ٹیم کے ذریعے نئے ترقیاتی اکاؤنٹس میں ایک کلک کے ذریعے تعینات کیا جاتا ہے۔ AWS سروس کیٹلاگ as سیج میکر پروجیکٹس. یہ AWS سروس کیٹلاگ پراڈکٹس کا نظم و نسق ایک مرکزی پلیٹ فارم ٹیم کے ذریعے کیا جاتا ہے تاکہ تمام کاروباری اکائیوں میں بہترین پریکٹس اپ ڈیٹس کا پرچار کیا جا سکے، لیکن استعمال کرنے والی ٹیمیں مشترکہ کوڈ بیس میں اپنی ترقی میں حصہ ڈال سکتی ہیں۔
ٹیمپلیٹس کی آسانی سے نقل حاصل کرنے کے لیے، نیٹ ویسٹ کا استعمال کیا گیا۔ AWS سسٹمز مینیجر پیرامیٹر اسٹور۔ پیرامیٹرز کا حوالہ عام ٹیمپلیٹس میں دیا گیا تھا، جہاں ہم نے نام دینے کے کنونشن کی پیروی کی جس میں ہر پروجیکٹ کے پیرامیٹرز کا سیٹ ایک ہی سابقہ استعمال کرتا ہے۔ اس کا مطلب ہے کہ ٹیمپلیٹس کو تیزی سے شروع کیا جا سکتا ہے اور پھر بھی تمام ضروری پلیٹ فارم وسائل تک رسائی حاصل کی جا سکتی ہے، بغیر صارفین کو ان کی تشکیل میں وقت گزارنے کی ضرورت ہے۔ یہ کام کرتا ہے کیونکہ AWS سروس کیٹلاگ استعمال کیس اکاؤنٹس میں کسی بھی پیرامیٹرز کو صحیح قدر سے بدل دیتا ہے۔
یہ ٹیمپلیٹس نہ صرف نئے پراجیکٹس کے بہت تیزی سے آغاز کے قابل بناتے ہیں، بلکہ یہ مختلف کاروباری شعبوں سے منسلک ٹیموں میں مزید معیاری ماڈل کی ترقی کے طریقے بھی فراہم کرتے ہیں۔ اس کا مطلب یہ ہے کہ پوری تنظیم کے ماڈل ڈویلپرز دوسری ٹیموں کے لکھے گئے کوڈ کو آسانی سے سمجھ سکتے ہیں، تعاون، علم کے اشتراک اور آسان آڈیٹنگ کو آسان بنا سکتے ہیں۔
موثر
ٹیمپلیٹ اپروچ نے ماڈل ڈویلپرز کو ماڈیولر اور ڈیکپلڈ پائپ لائنز لکھنے کی ترغیب دی، جس سے وہ سیج میکر کے زیر انتظام مثالوں کی لچک کا فائدہ اٹھا سکیں۔ ایم ایل پائپ لائن میں ڈیکپلڈ اقدامات کا مطلب ہے کہ جہاں ممکن ہو اخراجات کو بچانے کے لیے چھوٹی مثالیں استعمال کی جا سکتی ہیں، اس لیے بڑی مثالیں صرف ضرورت کے وقت استعمال کی جاتی ہیں (مثال کے طور پر، بڑے ڈیٹا پری پروسیسنگ ورک بوجھ کے لیے)۔
سیج میکر پائپ لائنز ایک مرحلہ وار کیشنگ کی صلاحیت بھی پیش کرتی ہے۔ کیشنگ کا مطلب یہ ہے کہ جو اقدامات پہلے ہی کامیابی کے ساتھ چلائے گئے تھے وہ ناکام پائپ لائن کی صورت میں دوبارہ نہیں چلائے جاتے ہیں — پائپ لائن ان کو چھوڑ دیتی ہے، اپنے کیش شدہ آؤٹ پٹس کو دوبارہ استعمال کرتی ہے، اور صرف ناکام قدم سے شروع ہوتی ہے۔ اس نقطہ نظر کا مطلب ہے کہ تنظیم سے صرف کم سے کم وقت کے لیے زیادہ لاگت والے واقعات کے لیے چارج کیا جاتا ہے، جو کاربن کے اخراج کو کم کرنے کے لیے نیٹ ویسٹ کے آب و ہوا کے ہدف کے ساتھ ایم ایل ورک بوجھ کو بھی ہم آہنگ کرتا ہے۔
آخر میں، ہم نے SageMaker انضمام کے ساتھ استعمال کیا۔ ایمیزون ایونٹ برج اور ایمیزون سادہ نوٹیفکیشن سروس (Amazon SNS) کلیدی پائپ لائن اپ ڈیٹس پر حسب ضرورت ای میل اطلاعات کے لیے اس بات کو یقینی بنانے کے لیے کہ ڈیٹا سائنسدانوں اور انجینئرز کو ان کی ترقی کی حالت کے ساتھ تازہ ترین رکھا جائے۔
قابل سماعت
ٹیمپلیٹ ایم ایل پائپ لائنز میں ایسے اقدامات ہوتے ہیں جو نمونے تیار کرتے ہیں، بشمول سورس کوڈ، سیریلائزڈ ماڈل آبجیکٹ، پری پروسیسنگ کے دوران ڈیٹا کو تبدیل کرنے کے لیے استعمال ہونے والے اسکیلرز، اور تبدیل شدہ ڈیٹا۔ ہم استعمال کرتے ہیں ایمیزون سادہ اسٹوریج سروس (ایمیزون S3) ورژن کی خصوصیت محفوظ طریقے سے ایک ہی بالٹی میں ان جیسی اشیاء کی متعدد قسمیں رکھنے کے لیے۔ اس کا مطلب ہے کہ حذف شدہ یا اوور رائٹ شدہ اشیاء کو بحال کیا جا سکتا ہے۔ تمام ورژن دستیاب ہیں، لہذا ہم پائپ لائن کے ہر رن میں پیدا ہونے والی تمام اشیاء کا ٹریک رکھ سکتے ہیں۔ جب کسی چیز کو حذف کیا جاتا ہے، تو اسے مستقل طور پر ہٹانے کے بجائے، Amazon S3 ڈیلیٹ مارکر داخل کرتا ہے، جو کہ موجودہ آبجیکٹ ورژن بن جاتا ہے۔ اگر کسی چیز کو اوور رائٹ کیا جاتا ہے، تو اس کے نتیجے میں بالٹی میں ایک نیا آبجیکٹ ورژن آتا ہے۔ اگر ضروری ہو تو اسے پچھلے ورژن میں بحال کیا جا سکتا ہے۔ ورژننگ کی خصوصیت کسی بھی گورننس کے عمل کے لیے ایک شفاف نظریہ فراہم کرتی ہے، اس لیے تخلیق کردہ نمونے ہمیشہ قابل سماعت ہوتے ہیں۔
اپنے ML ماڈلز کا صحیح طریقے سے آڈٹ اور اعتماد کرنے کے لیے، ہمیں ان تجربات کا ریکارڈ رکھنے کی ضرورت ہے جو ہم نے ترقی کے دوران کیے تھے۔ سیج میکر میٹرکس کو تربیتی جاب کے ذریعہ خود بخود جمع کرنے اور اس میں ڈسپلے کرنے کی اجازت دیتا ہے۔ سیج میکر کے تجربات اور ماڈل رجسٹری. یہ سروس SageMaker Studio UI کے ساتھ بھی مربوط ہے، جو فعال اور ماضی کے تجربات کو براؤز کرنے، کلیدی کارکردگی کے میٹرکس پر ٹرائلز کا بصری طور پر موازنہ کرنے، اور بہترین کارکردگی دکھانے والے ماڈلز کی شناخت کے لیے ایک بصری انٹرفیس فراہم کرتی ہے۔
محفوظ
نیٹ ویسٹ گروپ اور مالیاتی خدمات کی صنعت کی منفرد ضروریات کی وجہ سے، بینکنگ سیاق و سباق میں سیکورٹی پر زور دینے کے ساتھ، ہم نے جو ML ٹیمپلیٹس بنائے ہیں ان کے مقابلے میں اضافی خصوصیات کی ضرورت ہے۔ معیاری سیج میکر پائپ لائن ٹیمپلیٹس. مثال کے طور پر، پروسیسنگ اور تربیتی ملازمتوں کے لیے استعمال ہونے والی کنٹینر کی تصاویر کو منظور شدہ پیکجز کو ڈاؤن لوڈ کرنے کی ضرورت ہے۔ AWS CodeArtifact کیونکہ وہ انٹرنیٹ سے براہ راست ایسا نہیں کر سکتے۔ ٹیمپلیٹس کو ملٹی اکائونٹ تعیناتی ماڈل کے ساتھ کام کرنے کی ضرورت ہے، جو پیداوار جیسے ماحول میں محفوظ جانچ کی اجازت دیتا ہے۔
سیج میکر ماڈل مانیٹر اور سیج میکر واضح کریں۔
نیٹ ویسٹ کے وژن کا ایک بنیادی حصہ اپنے صارفین کو ترقی کی منازل طے کرنے میں مدد کرنا ہے، جو ہم صرف اس صورت میں کر سکتے ہیں جب ہم منصفانہ، منصفانہ، اور شفاف طریقے سے فیصلے کر رہے ہوں۔ ایم ایل ماڈلز کے لیے، یہ براہ راست ماڈل کی وضاحت، تعصب کی رپورٹنگ، اور کارکردگی کی نگرانی کی ضرورت کی طرف لے جاتا ہے۔ اس کا مطلب ہے کہ کاروبار ٹریک اور سمجھ سکتا ہے کہ ماڈل کس طرح اور کیوں مخصوص فیصلے کرتے ہیں۔
ٹیموں میں معیاری کاری کے فقدان کے پیش نظر، کوئی مستقل ماڈل مانیٹرنگ کی صلاحیتیں موجود نہیں تھیں، جس کی وجہ سے ٹیمیں بہت سے مخصوص حل تیار کرتی ہیں۔ نئے SageMaker پروجیکٹ ٹیمپلیٹس کے دو اہم اجزاء تربیتی ڈیٹا پر تعصب کا پتہ لگانا اور تربیت یافتہ ماڈل کی نگرانی کرنا تھا۔ ایمیزون سیج میکر ماڈل مانیٹر اور ایمیزون سیج میکر واضح کریں۔ ان مقاصد کے مطابق، اور دونوں ایک قابل توسیع اور دوبارہ قابل انداز میں کام کرتے ہیں۔
ماڈل مانیٹر پہلے سے طے شدہ بیس لائن میٹرکس کے خلاف پیداوار میں SageMaker ML ماڈلز کے معیار کی مسلسل نگرانی کرتا ہے۔ Clarify Deequ اوپن سورس لائبریری کی بنیاد پر تربیتی ڈیٹا پر تعصب کی جانچ کی پیشکش کرتا ہے۔ ماڈل کے تربیت یافتہ ہونے کے بعد، Clarify مختلف میٹرکس، جیسے Shapley اقدار کا استعمال کرتے ہوئے ماڈل کی تعصب اور وضاحتی جانچ کی پیشکش کرتا ہے۔ مندرجہ ذیل اسکرین شاٹ سیج میکر اسٹوڈیو میں دیکھی گئی اور کلیرائف کے ذریعہ تیار کردہ وضاحتی رپورٹ دکھاتا ہے۔
مندرجہ ذیل اسکرین شاٹ اسی طرح کی تیار کردہ مثال ماڈل تعصب کی رپورٹ کو دکھاتا ہے۔
نتیجہ
نیٹ ویسٹ کے ML ٹیمپلیٹس ہمارے MLOps حل کو پوری تنظیم میں قابل سماعت، دوبارہ قابل استعمال، اور قابل وضاحت MLOps اثاثوں کی ہماری ضرورت کے مطابق ترتیب دیتے ہیں۔ SageMaker خصوصیات کا استعمال کرتے ہوئے معیاری انداز میں ML پائپ لائنوں کو شروع کرنے کے اس بلیو پرنٹ کے ساتھ، NatWest میں ڈیٹا سائنس اور انجینئرنگ ٹیمیں اپنے ML ورک بوجھ کو مؤثر طریقے سے منظم کرنے کے لیے ضروری کنٹرول اور مرئیت کے ساتھ بہترین طریقوں کے ساتھ کام کرنے اور تعاون کرنے کے لیے بااختیار محسوس کرتی ہیں۔
فوری شروع کرنے والے ایم ایل ٹیمپلیٹس اور اکاؤنٹ کے بنیادی ڈھانچے کے علاوہ، ان صلاحیتوں کو استعمال کرتے ہوئے نیٹ ویسٹ ایم ایل کے استعمال کے کئی موجودہ کیسز تیار کیے گئے۔ ان استعمال کے معاملات کی ترقی نے مجموعی تعاون کی ضروریات اور سمت سے آگاہ کیا۔ اس کا مطلب یہ تھا کہ ہم نے جو پروجیکٹ ٹیمپلیٹس مرتب کیے ہیں وہ تنظیم کی کاروباری ضروریات کے لیے انتہائی موزوں ہیں۔
نیٹ ویسٹ گروپ اور AWS پروفیشنل سروسز کے درمیان اسٹریٹجک تعاون پر چار حصوں پر مشتمل سیریز کی یہ تیسری پوسٹ ہے۔ مندرجہ ذیل عنوانات کے لیے سیریز کے بقیہ حصے کو دیکھیں۔
- حصہ 1 وضاحت کرتا ہے کہ کس طرح نیٹ ویسٹ گروپ نے ایک قابل توسیع، محفوظ اور پائیدار MLOps پلیٹ فارم بنانے کے لیے AWS پروفیشنل سروسز کے ساتھ شراکت کی۔
- حصہ 2 بیان کرتا ہے کہ کس طرح نیٹ ویسٹ گروپ نے AWS سروس کیٹلاگ اور SageMaker کو اپنے مطابق اور سیلف سروس MLOps پلیٹ فارم کو تعینات کرنے کے لیے استعمال کیا
- حصہ 4 تفصیلات بتاتی ہیں کہ نیٹ ویسٹ ڈیٹا سائنس ٹیمیں اپنے موجودہ ماڈلز کو سیج میکر آرکیٹیکچرز میں کیسے منتقل کرتی ہیں
مصنفین کے بارے میں
ایریڈنا بلانکا رومیرو کمپیوٹیشنل میٹریل سائنس میں پس منظر کے ساتھ نیٹ ویسٹ میں ڈیٹا سائنٹسٹ/ایم ایل انجینئر ہے۔ وہ آٹومیشن کے لیے ٹولز بنانے کے بارے میں پرجوش ہے جو ماڈلز کے نتائج کی تولیدی صلاحیت سے فائدہ اٹھاتے ہیں اور بہترین کسٹمر کا تجربہ فراہم کرنے کے لیے فوری فیصلہ سازی کو یقینی بنانے کے لیے عمل کو بہتر بناتے ہیں۔ Ariadna لاطینی امریکی طلباء اور نوجوان پیشہ ور افراد کی پیشہ ورانہ ترقی میں مدد کرنے والی ایک غیر منافع بخش تنظیم کے لیے STEM ورچوئل سرپرست کے طور پر رضاکارانہ طور پر کام کرتی ہے، خاص طور پر خواتین کو بااختیار بنانے کے لیے۔ اسے یوگا کی مشق کرنے، کھانا پکانے اور اپنا الیکٹرک گٹار بجانے کا جنون ہے۔
لوسی تھامس نیٹ ویسٹ گروپ میں ڈیٹا انجینئر ہے، ڈیٹا سائنس اور انوویشن ٹیم میں ایم ایل سلوشنز پر کام کر رہا ہے جو نیٹ ویسٹ میں ڈیٹا سائنس ٹیموں کے ذریعے استعمال کیا جاتا ہے۔ اس کا پس منظر طبیعیات میں ہے، لنکاسٹر یونیورسٹی سے ماسٹر کی ڈگری کے ساتھ۔ اپنے فارغ وقت میں، لوسی بولڈرنگ، بورڈ گیمز، اور خاندان اور دوستوں کے ساتھ وقت گزارنے سے لطف اندوز ہوتی ہے۔
سارہ بوریئل AWS پروفیشنل سروسز میں ڈیٹا سائنٹسٹ ہے۔ وہ MLOps کے بارے میں پرجوش ہے اور مالیاتی خدمات کی صنعت میں عالمی صارفین کو ان کے کلاؤڈ سفر کو تیز کرنے کے لیے بہترین AI/ML حل تیار کرنے میں مدد کرتی ہے۔ AWS سے پہلے، سارہ نے مختلف صارفین کے لیے ڈیٹا سائنس کنسلٹنٹ کے طور پر کام کیا، ہمیشہ مؤثر کاروباری نتائج حاصل کرنے کے لیے کوشاں رہتی ہیں۔ کام سے باہر، آپ اسے غیر ملکی مقامات پر آرٹ گیلریوں میں گھومتے ہوئے پائیں گے۔
پولین ٹنگ AWS پروفیشنل سروسز ٹیم میں ڈیٹا سائنٹسٹ ہے۔ وہ AI/ML حل تیار کرکے اپنے کاروباری نتائج کو حاصل کرنے اور تیز کرنے میں مالی، کھیلوں اور میڈیا صارفین کی مدد کرتی ہے۔ اپنے فارغ وقت میں، پاؤلین سفر کرنے، سرفنگ کرنے اور میٹھے کے نئے مقامات کو آزمانے سے لطف اندوز ہوتی ہے۔
- سکے سمارٹ۔ یورپ کا بہترین بٹ کوائن اور کرپٹو ایکسچینج۔
- پلیٹو بلاک چین۔ Web3 Metaverse انٹیلی جنس۔ علم میں اضافہ۔ مفت رسائی۔
- کرپٹو ہاک۔ Altcoin ریڈار. مفت جانچ.
- ماخذ: https://aws.amazon.com/blogs/machine-learning/part-3-how-natwest-group-built-auditable-reproducible-and-explainable-ml-models-with-amazon-sagemaker/
- "
- 100
- 12 ماہ
- ہمارے بارے میں
- رفتار کو تیز تر
- تیز
- تک رسائی حاصل
- اکاؤنٹ
- کے پار
- فعال
- اس کے علاوہ
- ایڈیشنل
- فائدہ
- مقصد
- تمام
- اجازت دے رہا ہے
- پہلے ہی
- ایمیزون
- رقم
- نقطہ نظر
- فن تعمیر
- ارد گرد
- فن
- اثاثے
- آڈٹ
- میشن
- دستیاب
- AWS
- پس منظر
- بینکنگ
- بیس لائن
- BEST
- بہترین طریقوں
- بورڈ
- بورڈ کھیل
- تعمیر
- عمارت
- کاروبار
- کاروبار
- صلاحیتوں
- کاربن
- کاربن کے اخراج
- مقدمات
- چیلنجوں
- الزام عائد کیا
- چیک
- بادل
- کوڈ
- تعاون
- تعاون
- کامن
- مقابلے میں
- شکایت
- کمپیوٹنگ
- تصور
- کنسلٹنٹ
- کنٹینر
- شراکت
- کنٹرول
- کور
- اخراجات
- تخلیق
- بنائی
- تخلیق
- موجودہ
- اپنی مرضی کے
- گاہک
- گاہک کا تجربہ
- گاہکوں
- اعداد و شمار
- ڈیٹا سائنس
- ڈیٹا سائنسدان
- تعیناتی
- تعینات
- تعیناتی
- بیان کیا
- منزلوں
- تفصیلات
- کھوج
- ترقی
- ترقی یافتہ
- ڈویلپرز
- ترقی
- ترقی
- رفت
- مختلف
- براہ راست
- بات چیت
- آسانی سے
- الیکٹرک
- ای میل
- اخراج
- زور
- بااختیار بنانے
- کو چالو کرنے کے
- انجینئر
- انجنیئرنگ
- انجینئرز
- ماحولیات
- مثال کے طور پر
- موجودہ
- تجربہ
- مہارت
- منصفانہ
- خاندانوں
- خاندان
- تیز تر
- نمایاں کریں
- خصوصیات
- اعداد و شمار
- مالی
- مالیاتی خدمات
- لچک
- کے بعد
- فارم
- کھیل
- پیدا
- گلوبل
- مقصد
- گورننس
- گروپ
- گروپ کا
- مدد
- مدد
- مدد کرتا ہے
- ہائی
- انتہائی
- کس طرح
- HTTPS
- شناخت
- مؤثر
- اہم
- کو بہتر بنانے کے
- شامل
- سمیت
- صنعت
- انفراسٹرکچر
- جدت طرازی
- انسٹی
- ضم
- انضمام
- دلچسپی
- انٹرفیس
- انٹرنیٹ
- IT
- خود
- ایوب
- نوکریاں
- کلیدی
- علم
- بڑے
- قیادت
- معروف
- لیڈز
- سیکھنے
- لائبریری
- طویل مدتی
- تلاش
- مشین
- مشین لرننگ
- اہم
- بناتا ہے
- بنانا
- انتظام
- میں کامیاب
- انداز
- ماسٹر کی
- مواد
- میڈیا
- پیمائش کا معیار
- ML
- ماڈل
- ماڈل
- ماڈیولر
- کی نگرانی
- نگرانی
- ماہ
- زیادہ
- ایک سے زیادہ
- ضروری
- غیر منافع بخش
- نوٹیفیکیشن
- کی پیشکش
- تجویز
- آپریشنز
- کی اصلاح کریں
- اصلاح
- تنظیم
- دیگر
- مجموعی طور پر
- خود
- خاص طور پر
- شراکت دار
- جذباتی
- لوگ
- کارکردگی
- کارکردگی کا مظاہرہ
- طبعیات
- پلیٹ فارم
- پلیٹ فارم
- کھیل
- پوائنٹس
- ممکن
- پریکٹس
- پچھلا
- عمل
- عمل
- پروسیسنگ
- پیدا
- تیار
- پیداوار
- حاصل
- پیشہ ورانہ
- پیشہ ور ماہرین
- منصوبے
- منصوبوں
- فراہم
- فراہم کرتا ہے
- فراہم کرنے
- مقصد
- مقاصد
- معیار
- جلدی سے
- ریکارڈ
- کو کم
- متعلقہ
- کو ہٹانے کے
- رپورٹ
- کی ضرورت
- ضرورت
- ضروریات
- وسائل
- باقی
- نتائج کی نمائش
- رن
- توسیع پذیر
- پیمانے
- سائنس
- سائنسدان
- سائنسدانوں
- محفوظ بنانے
- محفوظ طریقے سے
- سیکورٹی
- سیریز
- سروس
- سروسز
- مقرر
- اسی طرح
- سادہ
- So
- حل
- حل
- ماخذ کوڈ
- خرچ
- خرچ کرنا۔
- اسپورٹس
- معیار
- شروع
- شروع ہوتا ہے
- شروع
- درجہ
- تنا
- ذخیرہ
- ذخیرہ
- حکمت عملی
- سٹوڈیو
- کامیابی کے ساتھ
- کی حمایت کرتا ہے
- پائیدار
- سسٹمز
- ٹیم
- ٹیکنالوجی
- سانچے
- ٹیسٹ
- ٹیسٹنگ
- مشترکہ
- وقت
- اوزار
- موضوعات
- ٹریک
- ٹریننگ
- تبدیل
- شفاف
- سفر
- بھروسہ رکھو
- ui
- سمجھ
- منفرد
- یونیورسٹی
- تازہ ترین معلومات
- استعمال کی شرائط
- صارفین
- قیمت
- مختلف
- لنک
- مجازی
- کی نمائش
- نقطہ نظر
- کیا
- کیا ہے
- جبکہ
- ڈبلیو
- کے اندر
- بغیر
- خواتین
- کام
- کام کیا
- کام کر
- کام کرتا ہے