مختلف صنعتوں میں، جیسے کہ مالیاتی خدمات، ٹیلی کمیونیکیشن، اور صحت کی دیکھ بھال، صارفین ڈیجیٹل شناختی عمل کا استعمال کرتے ہیں، جس میں عام طور پر آن لائن آن بورڈنگ یا مرحلہ وار تصدیق کے دوران اختتامی صارفین کی تصدیق کے لیے کئی مراحل شامل ہوتے ہیں۔ استعمال کیے جانے والے ایک قدم کی ایک مثال چہرے کی تلاش ہے، جس سے یہ تعین کرنے میں مدد مل سکتی ہے کہ آیا کسی نئے صارف کا چہرہ موجودہ اکاؤنٹ سے وابستہ افراد سے میل کھاتا ہے۔
درست چہرے کی تلاش کے نظام کی تعمیر میں کئی مراحل شامل ہیں۔ نظام کو تصاویر میں انسانی چہروں کا پتہ لگانے، ویکٹر کی نمائندگی میں چہروں کو نکالنے، ڈیٹا بیس میں چہرے کے ویکٹرز کو ذخیرہ کرنے، اور موجودہ اندراجات سے نئے چہروں کا موازنہ کرنے کے قابل ہونا چاہیے۔ ایمیزون پہچان۔ آپ کو پہلے سے تربیت یافتہ ماڈل دے کر اس کو آسان بنا دیتا ہے جو سادہ API کالز کے ذریعے طلب کیے جاتے ہیں۔
Amazon Recognition آپ کو ایک چہرے کی تصویر کے ساتھ بہت زیادہ چہرے کی تلاش کی درستگی حاصل کرنے کے قابل بناتا ہے۔ کچھ صورتوں میں، آپ صارف کے ویکٹر بنانے اور درستگی کو مزید بہتر بنانے کے لیے ایک ہی شخص کے چہرے کی متعدد تصاویر استعمال کر سکتے ہیں۔ یہ خاص طور پر اس وقت مددگار ہوتا ہے جب تصویروں میں روشنی، پوز اور ظاہری شکل میں تغیر ہو۔
اس پوسٹ میں، ہم یہ ظاہر کرتے ہیں کہ کس طرح Amazon Recognition Face Search APIs کو صارف کے ویکٹر کے ساتھ استعمال کیا جائے تاکہ حقیقی میچوں کے لیے مماثلت کے اسکور کو بڑھایا جا سکے اور حقیقی غیر میچوں کے لیے مماثلت کے اسکور کو کم کیا جا سکے۔
ہم صارف کے ویکٹر کے ساتھ اور اس کے بغیر چہرے کی مماثلت کے نتائج کا موازنہ کرتے ہیں۔
Amazon Recognition چہرے کی ملاپ
Amazon Recognition چہرے کی مماثلت ایک تصویر سے نکالے گئے چہرے کے ویکٹر کی دوسری تصویر سے نکالے گئے چہرے کے ویکٹر کی مماثلت کو ماپنے کے قابل بناتی ہے۔ چہرے کی تصاویر کا ایک جوڑا کہا جاتا ہے۔ سچ میچ اگر دونوں تصاویر میں ایک ہی شخص کا چہرہ ہے، اور a حقیقی غیر میچ دوسری صورت میں Amazon Recognition ذریعہ اور ہدف کے چہروں کی مماثلت کے لیے ایک اسکور واپس کرتا ہے۔ کم از کم مماثلت کا اسکور 0 ہے، جس کا مطلب بہت کم مماثلت ہے، اور زیادہ سے زیادہ 100 ہے۔
ٹارگٹ چہروں کے مجموعے (1:N مماثل) سے ماخذ کے چہرے کا موازنہ کرنے کے لیے، Amazon Recognition آپ کو ایک کلیکشن آبجیکٹ بنانے اور API کالز کا استعمال کرتے ہوئے تصویروں کے چہروں کے ساتھ آباد کرنے کی اجازت دیتا ہے۔
کسی مجموعہ میں چہرہ شامل کرتے وقت، Amazon Recognition چہرے کی اصل تصویر کو ذخیرہ نہیں کرتا ہے بلکہ چہرے کے ویکٹر، چہرے کی ریاضیاتی نمائندگی کرتا ہے۔ کے ساتہ چہرے تلاش کریں۔ API، آپ ٹارگٹ چہروں کے ایک یا کئی مجموعوں کے ساتھ ماخذ کے چہرے کا موازنہ کر سکتے ہیں۔
جون 2023 میں، AWS نے یوزر ویکٹر لانچ کیا، ایک نئی صلاحیت جو چہرے کی تلاش کی درستگی کو نمایاں طور پر بہتر کرتی ہے۔ ایک صارف کے چہرے کی متعدد تصاویر استعمال کرکے۔ اب، آپ صارف ویکٹر بنا سکتے ہیں، جو ایک ہی صارف کے متعدد چہرے کے ویکٹر کو جمع کرتے ہیں۔ صارف کے ویکٹر زیادہ مضبوط عکاسی کے ساتھ چہرے کی تلاش کی اعلی درستگی پیش کرتے ہیں، کیونکہ ان میں روشنی، نفاست، پوز، ظاہری شکل اور بہت کچھ کی مختلف ڈگری ہوتی ہے۔ یہ انفرادی چہرے کے ویکٹر کے خلاف تلاش کے مقابلے میں درستگی کو بہتر بناتا ہے۔
مندرجہ ذیل حصوں میں، ہم Amazon Recognition صارف ویکٹر کے استعمال کے عمل کا خاکہ پیش کرتے ہیں۔ ہم ایک مجموعہ بنانے، اس مجموعہ میں چہرے کے ویکٹر کو ذخیرہ کرنے، ان چہرے کے ویکٹروں کو صارف کے ویکٹر میں جمع کرنے، اور پھر ان انفرادی چہرے کے ویکٹر اور صارف ویکٹر کے خلاف تلاش کے نتائج کا موازنہ کرنے میں آپ کی رہنمائی کرتے ہیں۔
حل جائزہ
اس حل کے لیے، ہم صارفین کے ایک Amazon Recognition مجموعہ کا استعمال کرتے ہیں، ہر ایک صارف کے لیے چہروں کی متعدد مختلف تصاویر سے منسلک انڈیکس شدہ چہرے کے ویکٹر کے ساتھ۔
آئیے صارفین اور چہروں کے ساتھ ایک مجموعہ بنانے کے لیے ورک فلو کو دیکھتے ہیں:
- ایک Amazon Recognition مجموعہ بنائیں۔
- ہر صارف کے لیے، مجموعہ میں ایک صارف بنائیں۔
- صارف کی ہر تصویر کے لیے، مجموعہ میں چہرہ شامل کریں (انڈیکس فیسس، جو ہر چہرے کے ویکٹر کے مطابق چہرہ ID لوٹاتا ہے)۔
- تمام انڈیکس شدہ چہرے کی شناخت کو صارف کے ساتھ منسلک کریں (یہ صارف کے ویکٹر کے لیے ضروری ہے)۔
پھر، ہم درج ذیل ورک فلو کا موازنہ کریں گے:
ہمارے مجموعہ میں انفرادی چہرے کے ویکٹر کے خلاف ایک نئی دی گئی ان پٹ تصویر کے ساتھ تلاش کرنا:
- تصویر سے تمام چہرے حاصل کریں (چہرے کا پتہ لگانا).
- ہر چہرے کے لیے، ہمارے مجموعہ میں انفرادی چہروں سے موازنہ کریں (FacesByImage تلاش کریں۔).
ہمارے مجموعہ میں صارف ویکٹر کے خلاف ایک نئی دی گئی ان پٹ تصویر کے ساتھ تلاش کرنا:
- تصویر سے تمام چہرے حاصل کریں (چہرے کا پتہ لگانا).
- ہر چہرے کے لیے، صارف ویکٹر سے موازنہ کریں (SearchUsersByImage).
اب آئیے اس کا حل تفصیل سے بیان کرتے ہیں۔
شرائط
اپنی پالیسی میں درج ذیل پالیسی شامل کریں۔ AWS شناخت اور رسائی کا انتظام (IAM) صارف یا کردار۔ پالیسی آپ کو متعلقہ Amazon Recognition APIs کی اجازت دیتی ہے اور ایک تک رسائی کی اجازت دیتی ہے ایمیزون سادہ اسٹوریج سروس (ایمیزون S3) تصاویر کو ذخیرہ کرنے کے لیے بالٹی:
ایک Amazon Recognition مجموعہ بنائیں اور صارفین اور چہرے شامل کریں۔
سب سے پہلے، ہم صارفین کی تصاویر کو ذخیرہ کرنے کے لیے ایک S3 بالٹی بناتے ہیں۔ ہم ہر صارف کے لیے ایک فولڈر بنا کر بالٹی کو منظم کرتے ہیں جس میں ان کی ذاتی تصاویر ہوں۔ ہماری تصاویر فولڈر مندرجہ ذیل ساخت کی طرح لگتا ہے:
ہماری S3 بالٹی میں ہر صارف کے لیے ایک ڈائرکٹری ہے جو ان کی تصاویر کو اسٹور کرتی ہے۔ فی الحال دو فولڈرز ہیں، اور ہر ایک میں کئی تصاویر ہیں۔ آپ اپنے صارفین کے لیے مزید فولڈرز شامل کر سکتے ہیں، جن میں سے ہر ایک میں ایک یا ایک سے زیادہ تصاویر شامل کی جائیں گی۔
اگلا، ہم اپنا Amazon Recognition مجموعہ بناتے ہیں۔ ہم نے فراہم کیا ہے۔ helpers.py، جس میں مختلف طریقے ہیں جو ہم استعمال کرتے ہیں:
- تخلیق_مجموعہ - ایک نیا مجموعہ بنائیں
- حذف_مجموعہ - ایک مجموعہ حذف کریں۔
- create_user - ایک مجموعہ میں ایک نیا صارف بنائیں
- چہروں کو_مجموعی میں شامل کریں۔ - مجموعہ میں چہرے شامل کریں۔
- associate_faces - ایک مجموعہ میں ایک صارف کے ساتھ face_ids منسلک کریں۔
- سبڈائرز حاصل کریں۔ - تمام ذیلی ڈائرکٹریاں S3 سابقہ کے تحت حاصل کریں۔
- get_files - تمام فائلیں S3 سابقہ کے تحت حاصل کریں۔
Amazon Recognition مجموعہ بنانے کے لیے مندرجہ ذیل ایک مثال کا طریقہ ہے۔
مندرجہ ذیل کوڈ کے ساتھ مجموعہ بنائیں:
اگلا، آئیے چہرے کے ویکٹر کو اپنے مجموعہ میں شامل کریں اور انہیں صارف کے ویکٹر میں جمع کریں۔
S3 ڈائریکٹری میں ہر صارف کے لیے، ہم مجموعہ میں صارف ویکٹر بناتے ہیں۔ پھر ہم مجموعے میں ہر صارف کے لیے چہرے کی تصاویر کو انفرادی چہرے کے ویکٹر کے طور پر ترتیب دیتے ہیں، جو چہرے کی IDs تیار کرتا ہے۔ آخر میں، ہم چہرے کی IDs کو مناسب صارف ویکٹر سے منسلک کرتے ہیں۔
یہ ہمارے مجموعہ میں دو قسم کے ویکٹر بناتا ہے:
- انفرادی چہرے کے ویکٹر
- صارف ویکٹر، جو طریقہ استعمال کرتے ہوئے فراہم کردہ چہرے کے ویکٹر IDs کی بنیاد پر بنائے گئے ہیں۔
associate_faces
درج ذیل کوڈ دیکھیں:
ہم مندرجہ ذیل طریقے استعمال کرتے ہیں:
- سبڈائرز حاصل کریں۔ - تمام صارفین کی ڈائریکٹریوں کی فہرست لوٹاتا ہے۔ ہماری مثال میں، قدر ہے [سوامی، ورنر]۔
- get_files - صارف کے لیے S3 سابقہ کے تحت تمام امیجز فائلوں کو لوٹاتا ہے۔
- face_ids - یہ ایک فہرست ہے جس میں ایک صارف سے تعلق رکھنے والے تمام چہرے کی شناخت ہوتی ہے۔ ہم اس فہرست کو کال کرتے وقت استعمال کرتے ہیں۔ ایسوسی ایٹ چہرے API.
جیسا کہ پہلے بیان کیا گیا ہے، آپ مزید صارفین کو ان کے لیے فولڈرز شامل کر کے شامل کر سکتے ہیں (فولڈر صارف کی شناخت کا حکم دیتا ہے) اور اس فولڈر میں اپنی تصاویر شامل کر سکتے ہیں (فائلوں کے لیے کسی ترتیب کی ضرورت نہیں ہے)۔
اب جب کہ ہمارا ماحول ترتیب پا چکا ہے اور ہمارے پاس انفرادی چہرے کے ویکٹر اور صارف ویکٹر دونوں ہیں، آئیے ان میں سے ہر ایک کے ساتھ اپنی تلاش کے معیار کا موازنہ کریں۔ ایسا کرنے کے لیے، ہم ایک سے زیادہ لوگوں کے ساتھ ایک نئی تصویر کا استعمال کرتے ہیں اور ان کے چہروں کو اپنے مجموعہ سے ملانے کی کوشش کرتے ہیں، پہلے انفرادی چہرے کے ویکٹر کے خلاف اور پھر صارف کے ویکٹر کے خلاف۔
انفرادی چہرے کے ویکٹر کے مجموعے کے خلاف تصویر کی تلاش
اپنے انفرادی چہرے کے ویکٹر کے خلاف تلاش کرنے کے لیے، ہم Amazon Recognition کا استعمال کرتے ہیں۔ FacesByImage تلاش کریں۔ API یہ فنکشن ہمارے مجموعہ میں انفرادی چہرے کے ویکٹر کے خلاف تلاش کرنے کے لیے ایک ماخذ چہرے کی تصویر کا استعمال کرتا ہے اور ایسے چہرے واپس کرتا ہے جو ہمارے متعین مماثلت سکور کی حد سے مماثل ہیں۔
ایک اہم غور یہ ہے کہ SearchFacesByImage
API صرف تصویر میں پائے جانے والے سب سے بڑے چہرے پر کام کرے گا۔ اگر ایک سے زیادہ چہرے موجود ہیں، تو آپ کو ہر ایک چہرے کو تراشنا ہوگا اور اسے الگ الگ شناخت کے طریقہ کار پر منتقل کرنا ہوگا۔
کسی تصویر سے چہروں کی تفصیلات نکالنے کے لیے (جیسے تصویر پر ان کا مقام)، ہم Amazon Recognition کا استعمال کرتے ہیں۔ چہرے کا پتہ لگانا API.
مندرجہ ذیل تصویر میں_چہروں کا پتہ لگانا طریقہ تصویر میں چہروں کا پتہ لگاتا ہے۔ ہر چہرے کے لیے، یہ مندرجہ ذیل اعمال انجام دیتا ہے:
- اس کے باؤنڈنگ باکس لوکیشن پرنٹ کریں۔
- تصویر سے چہرے کو تراشیں اور چیک کریں کہ آیا ایسا چہرہ مجموعہ میں موجود ہے اور صارف یا 'نامعلوم' پرنٹ کریں۔
- مماثلت کا سکور پرنٹ کریں۔
مثال کے طور پر ازگر کوڈ استعمال کرتا ہے۔ تکیا تصویری ہیرا پھیری کرنے کے لیے لائبریری (جیسے پرنٹنگ، ڈرائنگ اور کراپنگ)۔
ہم 99% کی مماثلت سکور کی حد استعمال کرتے ہیں، جو شناخت کی تصدیق کے استعمال کے معاملات کے لیے ایک عام ترتیب ہے۔
درج ذیل کوڈ کو چلائیں:
file_key
S3 آبجیکٹ کلید ہے جسے ہم اپنے مجموعہ سے ملانا چاہتے ہیں۔ ہم نے ایک مثال کی تصویر فراہم کی ہے (photo.jpeg
) تصاویر کے فولڈر کے نیچے۔
درج ذیل تصویر ہمارے نتائج کو ظاہر کرتی ہے۔
99% کی حد کا استعمال کرتے ہوئے، صرف ایک شخص کی شناخت کی گئی۔ ڈاکٹر ورنر ووگلز کو نامعلوم کے طور پر نشان زد کیا گیا تھا۔ اگر ہم اسی کوڈ کو 90 کی نچلی حد (سیٹ تھریشولڈ=90) کا استعمال کرتے ہوئے چلاتے ہیں تو ہمیں درج ذیل نتائج ملتے ہیں۔
اب ہم دیکھتے ہیں کہ ڈاکٹر ورنر ووگل کے چہرے کا مماثلت کا سکور 96.86% ہے۔ اگلا، آئیے چیک کرتے ہیں کہ کیا ہم صارف ویکٹر کا استعمال کرکے اپنی متعین حد سے اوپر مماثلت کا سکور حاصل کر سکتے ہیں۔
صارف ویکٹرز کے مجموعے کے خلاف تصویر کی تلاش کریں۔
اپنے صارف ویکٹر کے خلاف تلاش کرنے کے لیے، ہم Amazon Recognition کا استعمال کرتے ہیں۔ SearchUsersByImage API یہ فنکشن ہمارے مجموعہ میں صارف کے ویکٹر کے خلاف تلاش کرنے کے لیے ایک ماخذ کے چہرے کی تصویر کا استعمال کرتا ہے اور ہمارے متعین مماثلت سکور کی حد سے مماثل صارفین کو واپس کرتا ہے۔
وہی غور یہاں متعلقہ ہے۔ SearchUsersByImage
API صرف تصویر میں پائے جانے والے سب سے بڑے چہرے پر کام کرے گا۔ اگر وہاں ایک سے زیادہ چہرے موجود ہیں، تو آپ کو ہر ایک چہرے کو تراشنا ہوگا اور اسے الگ الگ شناخت کے طریقہ کار پر منتقل کرنا ہوگا۔
کسی تصویر سے چہروں کی تفصیلات نکالنے کے لیے (جیسے تصویر پر ان کا مقام)، ہم Amazon Recognition کا استعمال کرتے ہیں۔ چہرے کا پتہ لگانا API.
مندرجہ ذیل تصویر میں_صارفین کا پتہ لگانا طریقہ تصویر میں چہروں کا پتہ لگاتا ہے۔ ہر چہرے کے لیے، یہ مندرجہ ذیل اعمال انجام دیتا ہے:
- اس کے باؤنڈنگ باکس لوکیشن پرنٹ کریں۔
- تصویر سے چہرے کو تراشیں اور چیک کریں کہ آیا ایسا صارف چہرہ ہمارے مجموعہ میں موجود ہے اور صارف یا 'نامعلوم' پرنٹ کریں۔
- مماثلت کا سکور پرنٹ کریں۔
درج ذیل کوڈ دیکھیں:
فنکشن نتائج کے ساتھ ایک ترمیم شدہ تصویر واپس کرتا ہے جسے Amazon S3 میں محفوظ کیا جا سکتا ہے یا پرنٹ کیا جا سکتا ہے۔ فنکشن ٹرمینل میں چہروں کی تخمینی عمروں کے بارے میں اعدادوشمار بھی پیش کرتا ہے۔
درج ذیل کوڈ کو چلائیں:
درج ذیل تصویر ہمارے نتائج کو ظاہر کرتی ہے۔
ہمارے مجموعہ میں موجود صارفین کو اعلی مماثلت کے ساتھ درست طریقے سے شناخت کیا گیا تھا (99% سے زیادہ)۔
ہم فی صارف ویکٹر تین چہرے ویکٹر استعمال کرکے مماثلت کے اسکور کو بڑھانے کے قابل تھے۔ جیسا کہ ہم استعمال شدہ چہرے کے ویکٹرز کی تعداد میں اضافہ کرتے ہیں، ہم توقع کرتے ہیں کہ حقیقی میچوں کے لیے مماثلت کا اسکور بھی بڑھے گا۔ آپ فی صارف ویکٹر 100 تک چہرے کے ویکٹر استعمال کر سکتے ہیں۔
ایک اختتام سے آخر تک مثال کوڈ میں پایا جا سکتا ہے GitHub ذخیرہ. اس میں ایک تفصیلی شامل ہے۔ Jupyter نوٹ بک جس پر آپ چل سکتے ہیں۔ ایمیزون سیج میکر اسٹوڈیو (یا دوسرے متبادل)۔
صاف کرو
مجموعہ کو حذف کرنے کے لیے درج ذیل کوڈ کا استعمال کریں:
نتیجہ
اس پوسٹ میں، ہم نے پیش کیا کہ ایمیزون ریکگنیشن یوزر ویکٹر کا استعمال صارفین کے چہروں کے مجموعے کے خلاف چہرہ تلاش کرنے کے لیے کیسے کیا جائے۔ ہم نے یہ ظاہر کیا کہ کس طرح فی صارف چہرے کی متعدد تصاویر استعمال کرکے چہرے کی تلاش کی درستگی کو بہتر بنایا جائے اور اس کا انفرادی چہرے کے ویکٹر سے موازنہ کیا۔ مزید برآں، ہم نے بتایا کہ آپ چہروں کا پتہ لگانے کے لیے مختلف Amazon Recognition APIs کا استعمال کیسے کر سکتے ہیں۔ فراہم کردہ مثالی کوڈ ایک فعال چہرے کی تلاش کے نظام کی تعمیر کے لیے ایک ٹھوس بنیاد کے طور پر کام کرتا ہے۔
Amazon Recognition صارف ویکٹر کے بارے میں مزید معلومات کے لیے، رجوع کریں۔ ایک مجموعہ میں چہرے تلاش کرنا. اگر آپ Amazon Recognition میں نئے ہیں، تو آپ ہمارے Free Tier کا استعمال کر سکتے ہیں، جو 12 ماہ تک چلتا ہے اور اس میں ہر ماہ 5,000 تصاویر پر کارروائی اور 1,000 صارف ویکٹر اشیاء کو ماہانہ ذخیرہ کرنا شامل ہے۔
مصنفین کے بارے میں
ایرک پورات ایمیزون ویب سروسز میں ایک سینئر اسٹارٹ اپس سلوشنز آرکیٹیکٹ ہیں۔ وہ سٹارٹ اپس کے ساتھ کام کرتا ہے تاکہ کلاؤڈ میں اپنے حل تیار کرنے اور ڈیزائن کرنے میں ان کی مدد کرے، اور مشین لرننگ اور کنٹینر پر مبنی حل کے بارے میں پرجوش ہے۔ اپنے فارغ وقت میں، اریک شطرنج اور ویڈیو گیمز کھیلنا پسند کرتا ہے۔
ایلرین ایفرون ایمیزون ویب سروسز میں اسٹارٹ اپس سلوشنز آرکیٹیکٹ ہیں۔ ایلیران ڈیٹا اور کمپیوٹ کا شوقین ہے، جو اپنے سسٹم آرکیٹیکچرز کو ڈیزائن کرنے میں اسٹارٹ اپس کی مدد کرتا ہے۔ اپنے فارغ وقت میں، ایلیران ٹورنگ ریس میں کاریں بنانا اور ریس کرنا اور IoT ڈیوائسز بنانا پسند 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/improve-accuracy-of-amazon-rekognition-face-search-with-user-vectors/
- : ہے
- : ہے
- $UP
- 000
- 1
- 10
- 100
- 12
- 12 ماہ
- 17
- 2023
- 28
- 30
- 7
- 9
- a
- قابلیت
- ہمارے بارے میں
- اوپر
- تک رسائی حاصل
- اکاؤنٹ
- درستگی
- درست
- حاصل
- عمل
- اعمال
- اصل
- شامل کریں
- انہوں نے مزید کہا
- اس کے علاوہ
- کے خلاف
- قرون
- مجموعی
- جمع کرنا
- تمام
- کی اجازت
- کی اجازت دیتا ہے
- پہلے ہی
- بھی
- متبادلات
- ایمیزون
- ایمیزون پہچان۔
- ایمیزون ویب سروسز
- an
- اور
- ایک اور
- اے پی آئی
- APIs
- ظہور
- پیشیاں
- مناسب
- آرکیٹیکچرز
- کیا
- لڑی
- AS
- مدد
- ایسوسی ایٹ
- منسلک
- At
- کرنے کی کوشش
- کی توثیق
- AWS
- کی بنیاد پر
- BE
- کیونکہ
- تعلق رکھتے ہیں
- کے درمیان
- جسم
- دونوں
- باکس
- باکس
- تعمیر
- تعمیر
- لیکن
- by
- حساب
- فون
- بلا
- کالز
- کر سکتے ہیں
- حاصل کر سکتے ہیں
- صلاحیت
- کاریں
- مقدمات
- چیک کریں
- شطرنج
- کلائنٹ
- بادل
- کوڈ
- مجموعہ
- مجموعے
- کامن
- موازنہ
- مقابلے میں
- موازنہ
- کمپیوٹنگ
- غور
- تعمیر
- پر مشتمل ہے
- پر مشتمل ہے
- تبدیل
- صحیح طریقے سے
- اسی کے مطابق
- تخلیق
- پیدا
- تخلیق
- فصل
- اس وقت
- گاہکوں
- اعداد و شمار
- ڈیٹا بیس
- کمی
- کی وضاحت
- مظاہرہ
- demonstrated,en
- بیان
- بیان کیا
- ڈیزائن
- ڈیزائننگ
- تفصیلی
- تفصیلات
- کا پتہ لگانے کے
- پتہ چلا
- اس بات کا تعین
- کے الات
- حکم دیتا ہے
- مختلف
- ڈیجیٹل
- ڈیجیٹل شناخت
- ڈائریکٹریز
- ڈائرکٹری
- دکھائیں
- do
- نہیں کرتا
- کر
- کیا
- dr
- اپنی طرف متوجہ
- ڈرائنگ
- کے دوران
- ہر ایک
- اس سے قبل
- اثر
- بے سہل
- اور
- کے قابل بناتا ہے
- آخر سے آخر تک
- حوصلہ افزائی
- ماحولیات
- خاص طور پر
- اندازے کے مطابق
- بھی
- مثال کے طور پر
- اس کے علاوہ
- وجود
- موجودہ
- موجود ہے
- باہر نکلیں
- توقع ہے
- وضاحت کی
- نکالنے
- چہرہ
- چہرے
- فائلوں
- مالی
- مالیاتی خدمات
- مل
- پہلا
- جھنڈا لگا ہوا
- فلوٹ
- کے بعد
- کے لئے
- فارمیٹ
- ملا
- فاؤنڈیشن
- مفت
- سے
- تقریب
- فنکشنل
- مزید
- کھیل
- پیدا ہوتا ہے
- حاصل
- دی
- دے
- گرانٹ
- رہنمائی
- ہے
- he
- صحت کی دیکھ بھال
- اونچائی
- مدد
- مددگار
- مدد گار
- یہاں
- ہائی
- اعلی
- ان
- کس طرح
- کیسے
- HTML
- HTTP
- HTTPS
- انسانی
- ID
- شناخت
- کی نشاندہی
- شناختی
- شناخت کی توثیق
- شناخت
- if
- تصویر
- تصاویر
- پر عملدرآمد
- درآمد
- اہم
- کو بہتر بنانے کے
- بہتر ہے
- in
- شامل ہیں
- اضافہ
- انڈکس
- انڈیکس شدہ
- انفرادی
- صنعتوں
- معلومات
- ان پٹ
- میں
- درخواست کی
- شامل ہے
- IOT
- آئی ٹی آلات
- IT
- میں
- JPEG
- جون
- کلیدی
- سب سے بڑا
- آخر میں
- شروع
- سیکھنے
- چھوڑ دیا
- لائبریری
- لائٹنینگ کا
- کی طرح
- پسند
- لسٹ
- تھوڑا
- لوڈ
- محل وقوع
- دیکھو
- دیکھنا
- لو
- کم
- مشین
- مشین لرننگ
- بناتا ہے
- ہراساں کرنا
- میچ
- میچ
- کے ملاپ
- ریاضی
- ریاضیاتی
- زیادہ سے زیادہ
- پیمائش
- طریقہ
- طریقوں
- کم سے کم
- ماڈل
- نظر ثانی کی
- مہینہ
- ماہ
- زیادہ
- ایک سے زیادہ
- ضروری
- نام
- ضروری
- ضرورت ہے
- نئی
- اگلے
- نہیں
- اب
- تعداد
- اعتراض
- اشیاء
- of
- پیش کرتے ہیں
- پرانا
- on
- جہاز
- ایک
- آن لائن
- صرف
- کام
- or
- دیگر
- دوسری صورت میں
- ہمارے
- خاکہ
- نتائج
- پر
- جوڑی
- منظور
- جذباتی
- لوگ
- فی
- کارکردگی کا مظاہرہ
- کارکردگی کا مظاہرہ
- اجازت
- انسان
- ذاتی
- تصویر
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- کھیلیں
- پوائنٹس
- پالیسی
- کرنسی
- متصور ہوتا ہے
- پوسٹ
- حال (-)
- پیش
- پرنٹ
- پرنٹنگ
- عمل
- پروسیسنگ
- فراہم
- ازگر
- معیار
- ریس
- ریس
- بلکہ
- کا حوالہ دیتے ہیں
- متعلقہ
- نمائندگی
- ضرورت
- وسائل
- جواب
- نتائج کی نمائش
- واپسی
- واپسی
- مضبوط
- کردار
- رن
- sagemaker
- کہا
- اسی
- محفوظ
- سکور
- تلاش کریں
- تلاش
- سیکشنز
- دیکھنا
- سینئر
- کام کرتا ہے
- سروسز
- اجلاس
- مقرر
- قائم کرنے
- کئی
- شوز
- نمایاں طور پر
- سادہ
- ایک
- سائز
- ٹھوس
- حل
- حل
- کچھ
- ماخذ
- سترٹو
- بیان
- کے اعداد و شمار
- درجہ
- مرحلہ
- مراحل
- ذخیرہ
- ذخیرہ
- پردہ
- ذخیرہ کرنے
- سٹریم
- ساخت
- اس طرح
- فراہم کی
- کے نظام
- ہدف
- ٹیلی کمیونیکیشن کی
- ٹرمنل
- کہ
- ۔
- ماخذ
- ان
- ان
- تو
- وہاں.
- وہ
- اس
- ان
- تین
- حد
- کے ذریعے
- درجے
- وقت
- کرنے کے لئے
- سب سے اوپر
- دورہ
- سچ
- کوشش
- دو
- اقسام
- کے تحت
- نامعلوم
- استعمال کی شرائط
- استعمال کیا جاتا ہے
- رکن کا
- صارفین
- استعمال
- کا استعمال کرتے ہوئے
- عام طور پر
- قیمت
- مختلف حالتوں
- مختلف
- مختلف
- توثیق
- اس بات کی تصدیق
- ورژن
- بہت
- کی طرف سے
- ویڈیو
- ویڈیو گیمز
- چاہتے ہیں
- تھا
- we
- ویب
- ویب خدمات
- تھے
- جب
- چاہے
- جس
- چوڑائی
- گے
- ساتھ
- بغیر
- کام کا بہاؤ
- کام کے بہاؤ
- کام کرتا ہے
- گا
- سال
- تم
- اور
- زیفیرنیٹ