Meta Llama 3 ماڈل اب Amazon SageMaker JumpStart | میں دستیاب ہیں۔ ایمیزون ویب سروسز

آج، ہم یہ اعلان کرتے ہوئے پرجوش ہیں کہ Meta Llama 3 فاؤنڈیشن ماڈلز دستیاب ہیں۔ ایمیزون سیج میکر جمپ اسٹارٹ تخمینہ لگانے اور چلانے کے لیے۔ Llama 3 ماڈلز پہلے سے تربیت یافتہ اور فائن ٹیونڈ جنریٹو ٹیکسٹ ماڈلز کا مجموعہ ہیں۔

اس پوسٹ میں، ہم SageMaker JumpStart کے ذریعے Llama 3 ماڈلز کو دریافت اور تعینات کرنے کے طریقہ پر چلتے ہیں۔

میٹا لاما کیا ہے 3

Llama 3 دو پیرامیٹر سائز میں آتا ہے — 8B اور 70B 8k سیاق و سباق کی لمبائی کے ساتھ — جو استدلال، کوڈ جنریشن، اور مندرجہ ذیل ہدایات میں بہتری کے ساتھ استعمال کے کیسز کی ایک وسیع رینج کو سپورٹ کر سکتا ہے۔ Llama 3 ایک ڈیکوڈر صرف ٹرانسفارمر فن تعمیر اور نیا ٹوکنائزر استعمال کرتا ہے جو 128k سائز کے ساتھ ماڈل کی بہتر کارکردگی فراہم کرتا ہے۔ اس کے علاوہ، میٹا نے تربیت کے بعد کے طریقہ کار کو بہتر بنایا جس نے غلط انکار کی شرحوں کو کافی حد تک کم کیا، صف بندی میں بہتری، اور ماڈل کے ردعمل میں تنوع میں اضافہ کیا۔ اب آپ Amazon SageMaker کی خصوصیات جیسے SageMaker Pipelines، SageMaker Debugger، یا کنٹینر لاگز کے ساتھ Llama 3 کی کارکردگی اور MLOps کنٹرولز کے مشترکہ فوائد حاصل کر سکتے ہیں۔ اس کے علاوہ، ماڈل کو آپ کے VPC کنٹرولز کے تحت AWS محفوظ ماحول میں تعینات کیا جائے گا، جس سے ڈیٹا سیکیورٹی فراہم کرنے میں مدد ملے گی۔

سیج میکر جمپ اسٹارٹ کیا ہے؟

SageMaker JumpStart کے ساتھ، آپ عوامی طور پر دستیاب فاؤنڈیشن ماڈلز کے وسیع انتخاب میں سے انتخاب کر سکتے ہیں۔ ایم ایل پریکٹیشنرز نیٹ ورک الگ تھلگ ماحول سے فاؤنڈیشن ماڈلز کو وقف شدہ سیج میکر مثالوں کے لیے تعینات کر سکتے ہیں اور ماڈل ٹریننگ اور تعیناتی کے لیے سیج میکر کا استعمال کرتے ہوئے ماڈلز کو اپنی مرضی کے مطابق بنا سکتے ہیں۔ اب آپ چند کلکس کے ساتھ Llama 3 ماڈلز کو دریافت اور تعینات کر سکتے ہیں۔ ایمیزون سیج میکر اسٹوڈیو یا پروگرامی طور پر SageMaker Python SDK کے ذریعے، آپ کو SageMaker خصوصیات کے ساتھ ماڈل کی کارکردگی اور MLOps کنٹرول حاصل کرنے کے قابل بناتا ہے جیسے سیج میکر پائپ لائنز, سیج میکر ڈیبگر، یا کنٹینر لاگز۔ ماڈل کو AWS محفوظ ماحول میں اور آپ کے VPC کنٹرولز کے تحت تعینات کیا گیا ہے، جو ڈیٹا سیکیورٹی فراہم کرنے میں مدد کرتا ہے۔ لاما 3 ماڈل آج ایمیزون سیج میکر اسٹوڈیو میں تعیناتی اور انفرنسنگ کے لیے دستیاب ہیں۔ us-east-1 (این ورجینیا) us-east-2 (اوہائیو)، us-west-2 (اوریگون)، eu-west-1 (آئرلینڈ) اور ap-northeast-1 (ٹوکیو) AWS ریجنز۔

ماڈلز دریافت کریں۔

آپ SageMaker Studio UI اور SageMaker Python SDK میں SageMaker JumpStart کے ذریعے فاؤنڈیشن ماڈلز تک رسائی حاصل کر سکتے ہیں۔ اس سیکشن میں، ہم سیج میکر اسٹوڈیو میں ماڈلز کو دریافت کرنے کا طریقہ دیکھتے ہیں۔

سیج میکر اسٹوڈیو ایک مربوط ترقیاتی ماحول (IDE) ہے جو ایک واحد ویب پر مبنی بصری انٹرفیس فراہم کرتا ہے جہاں آپ ڈیٹا کی تیاری سے لے کر اپنے ML ماڈلز کی تعمیر، تربیت، اور تعیناتی تک تمام ML ترقیاتی مراحل کو انجام دینے کے لیے مقصد کے لیے بنائے گئے ٹولز تک رسائی حاصل کر سکتے ہیں۔ شروع کرنے اور SageMaker اسٹوڈیو کو ترتیب دینے کے طریقے کے بارے میں مزید تفصیلات کے لیے، رجوع کریں۔ ایمیزون سیج میکر اسٹوڈیو.

سیج میکر اسٹوڈیو میں، آپ سیج میکر جمپ سٹارٹ تک رسائی حاصل کر سکتے ہیں، جس میں پہلے سے تربیت یافتہ ماڈل، نوٹ بکس، اور پہلے سے تیار کردہ حل شامل ہیں۔ پہلے سے تعمیر شدہ اور خودکار حل.

SageMaker جمپ سٹارٹ لینڈنگ پیج سے، آپ مختلف حبس کے ذریعے براؤز کر کے آسانی سے مختلف ماڈلز دریافت کر سکتے ہیں جن کا نام ماڈل فراہم کنندگان کے نام پر رکھا گیا ہے۔ آپ میٹا ہب میں Llama 3 ماڈل تلاش کر سکتے ہیں۔ اگر آپ کو Llama 3 ماڈل نظر نہیں آتے ہیں، تو براہ کرم اپنے SageMaker اسٹوڈیو ورژن کو بند کرکے اور دوبارہ شروع کرکے اپ ڈیٹ کریں۔ مزید معلومات کے لیے رجوع کریں۔ اسٹوڈیو کلاسک ایپس کو بند کریں اور اپ ڈیٹ کریں۔.

آپ Llama 3 ماڈل تلاش کر سکتے ہیں "Meta-llama-3" تلاش کر کے اوپر بائیں طرف موجود سرچ باکس سے۔

آپ میٹا ہب پر کلک کر کے SageMaker JumpStart میں دستیاب تمام میٹا ماڈلز دریافت کر سکتے ہیں۔

ماڈل کارڈ پر کلک کرنے سے متعلقہ ماڈل کی تفصیل کا صفحہ کھل جاتا ہے، جہاں سے آپ ماڈل کو آسانی سے تعینات کر سکتے ہیں۔

ایک ماڈل تعینات کریں۔

جب آپ کا انتخاب کریں تعینات اور EULA کی شرائط کو تسلیم کریں، تعیناتی شروع ہو جائے گی۔

آپ اس صفحہ پر تعیناتی کی پیشرفت کی نگرانی کر سکتے ہیں جو تعیناتی بٹن پر کلک کرنے کے بعد ظاہر ہوتا ہے۔

متبادل کے طور پر ، آپ منتخب کرسکتے ہیں نوٹ بک کھولیں۔ مثال کے طور پر نوٹ بک کے ذریعے تعینات کرنا۔ مثال کی نوٹ بک اختتام سے آخر تک رہنمائی فراہم کرتی ہے کہ اندازہ کے لیے ماڈل کو کیسے تعینات کیا جائے اور وسائل کو صاف کیا جائے۔

نوٹ بک کا استعمال کرتے ہوئے تعینات کرنے کے لیے، آپ ایک مناسب ماڈل کو منتخب کرکے شروع کرتے ہیں، جس کی وضاحت کی گئی ہے۔ model_id. آپ درج ذیل کوڈ کے ساتھ SageMaker پر منتخب کردہ ماڈلز میں سے کسی کو بھی تعینات کر سکتے ہیں۔

from sagemaker.jumpstart.model import JumpStartModel

model = JumpStartModel(model_id = "meta-textgeneration-llama-3-70b-instruct")
predictor = model.deploy(accept_eula=False)

پہلے سے طے شدہ accept_eula کرنے کے لئے مقرر کیا گیا ہے False. اختتامی نقطہ کو کامیابی کے ساتھ تعینات کرنے کے لیے آپ کو دستی طور پر EULA کو قبول کرنے کی ضرورت ہے، ایسا کرنے سے، آپ صارف کے لائسنس کے معاہدے اور قابل قبول استعمال کی پالیسی کو قبول کرتے ہیں۔ آپ لائسنس کا معاہدہ بھی تلاش کر سکتے ہیں۔ لاما ویب سائٹ. یہ ماڈل کو SageMaker پر ڈیفالٹ کنفیگریشنز کے ساتھ تعینات کرتا ہے جس میں ڈیفالٹ مثال کی قسم اور ڈیفالٹ VPC کنفیگریشنز شامل ہیں۔ آپ غیر طے شدہ اقدار کی وضاحت کرکے ان کنفیگریشن کو تبدیل کر سکتے ہیں۔ JumpStartModel. مزید جاننے کے لیے، براہ کرم درج ذیل کو دیکھیں دستاویزات.

درج ذیل جدول SageMaker JumpStart میں دستیاب تمام Llama 3 ماڈلز کی فہرست کے ساتھ model_ids, پہلے سے طے شدہ مثال کی اقسام اور کل ٹوکنز کی زیادہ سے زیادہ تعداد (ان پٹ ٹوکنز کی تعداد اور جنریٹڈ ٹوکنز کی تعداد کا مجموعہ) ان میں سے ہر ایک ماڈل کے لیے تعاون یافتہ ہے۔

تخمینہ چلائیں۔

ماڈل کو تعینات کرنے کے بعد، آپ SageMaker predictor کے ذریعے تعیناتی اختتامی نقطہ کے خلاف تخمینہ چلا سکتے ہیں۔ فائن ٹیونڈ انسٹرکٹس ماڈلز (Llama 3: 8B Instruct اور 70B Instruct) صارف اور چیٹ اسسٹنٹ کے درمیان چیٹس کی تاریخ کو قبول کرتے ہیں، اور بعد میں چیٹ تیار کرتے ہیں۔ پہلے سے تربیت یافتہ ماڈلز (Llama 3: 8B اور 70B) کو سٹرنگ پرامپٹ کی ضرورت ہوتی ہے اور فراہم کردہ پرامپٹ پر متن کی تکمیل کو انجام دیتے ہیں۔

predictor.predict(payload)

انفرنس پیرامیٹرز اختتامی نقطہ پر ٹیکسٹ جنریشن کے عمل کو کنٹرول کرتے ہیں۔ میکس نئے ٹوکنز ماڈل کے ذریعہ تیار کردہ آؤٹ پٹ کے سائز کو کنٹرول کرتے ہیں۔ یہ الفاظ کی تعداد کے برابر نہیں ہے کیونکہ ماڈل کی لغت انگریزی زبان کے الفاظ جیسی نہیں ہے، اور ہر ٹوکن انگریزی زبان کا لفظ نہیں ہوسکتا ہے۔ درجہ حرارت کا پیرامیٹر آؤٹ پٹ میں بے ترتیب پن کو کنٹرول کرتا ہے۔ اعلی درجہ حرارت کے نتیجے میں زیادہ تخلیقی اور فریب کاری پیدا ہوتی ہے۔ تمام قیاس کے پیرامیٹرز اختیاری ہیں۔

70B ماڈل کے لیے مثال کے اشارے

آپ متن کے کسی بھی ٹکڑے کے لیے متن کی تکمیل کے لیے Llama 3 ماڈل استعمال کر سکتے ہیں۔ ٹیکسٹ جنریشن کے ذریعے، آپ مختلف کام انجام دے سکتے ہیں جیسے سوال کا جواب دینا، زبان کا ترجمہ کرنا، اور جذبات کا تجزیہ کرنا وغیرہ۔ اختتامی نقطہ پر ان پٹ پے لوڈ درج ذیل کوڈ کی طرح لگتا ہے:

payload = {
    “inputs”: str,
   (optional)"parameters":{"max_new_tokens":int, "top_p":float, "temperature":float}
}

ذیل میں نمونے کے کچھ نمونے کے اشارے اور ماڈل کے ذریعہ تیار کردہ متن ہیں۔ تمام آؤٹ پٹ انفرنس پیرامیٹرز کے ساتھ تیار کیے جاتے ہیں۔ {"max_new_tokens":64, "top_p":0.9, "temperature":0.6}.

Input: Simply put, the theory of relativity states that
Output: 1) the laws of physics are the same for all observers, and 2) the speed of light is constant for all observers. The first part of the theory is known as the special theory of relativity, and the second part is known as the general theory of relativity.nThe special theory of relativity states

Input: I believe the meaning of life is
Output:  to live a life of purpose, on purpose. I believe that we are all here to make a difference in the world, and that we are all here to make a difference in the lives of others. I believe that we are all here to make a difference in the world, and that we are all here to mak

Input: A brief message congratulating the team on the launch:nnHi everyone,nnI just 
Output: wanted to say congratulations on the launch of the new website! It looks great and I'm sure it will be a valuable resource for our customers. I know that a lot of hard work went into making this happen, so thank you all for your efforts.nnBest regards,nJohn Doen

اگلی مثال میں، ہم دکھاتے ہیں کہ Llama 3 ماڈل کو کس طرح استعمال کیا جائے جس میں کچھ شاٹ سیاق و سباق میں سیکھنے کے ساتھ ہم ماڈل کو دستیاب تربیتی نمونے فراہم کرتے ہیں۔ ہم صرف تعینات کردہ ماڈل پر اور اس عمل کے دوران تخمینہ چلاتے ہیں، اور ماڈل کا وزن تبدیل نہیں ہوتا ہے۔

Input:
Translate English to French:nsea otter => loutre de mernpeppermint => menthe poivréenplush girafe => girafe peluchencheese =>
Output:  fromagenpanda => pandanpenguin => pingouinnpolar bear => ours polairenpuffin => macareuxnsloth => paresseuxnwalrus => morsenwhale => baleinenzebra => zu00e8brenTranslate English to German:n

70B-انسٹرکٹ ماڈل کے لیے مثال کے اشارے

Llama 3 انسٹرکٹ ماڈلز کے ساتھ جو ڈائیلاگ کے استعمال کے کیسز کے لیے بہتر بنائے گئے ہیں، انسٹرکٹ ماڈل اینڈ پوائنٹس کا ان پٹ چیٹ اسسٹنٹ اور صارف کے درمیان پچھلی تاریخ ہے۔ آپ اب تک ہونے والی گفتگو سے متعلقہ سوالات پوچھ سکتے ہیں۔ آپ سسٹم کنفیگریشن بھی فراہم کر سکتے ہیں، جیسے پرسناس، جو چیٹ اسسٹنٹ کے رویے کی وضاحت کرتی ہے۔ جبکہ ان پٹ پے لوڈ فارمیٹ بیس پری ٹرینڈ ماڈل جیسا ہی ہے، ان پٹ ٹیکسٹ کو درج ذیل طریقے سے فارمیٹ کیا جانا چاہیے:

<|begin_of_text|><|start_header_id|>system<|end_header_id|>

[SYSTEM_TEXT]<|eot_id|><|start_header_id|>user<|end_header_id|>

[USER_TEXT]<|eot_id|><|start_header_id|>assistant<|end_header_id|>

اس ہدایات کے سانچے میں، آپ اختیاری طور پر a کے ساتھ شروع کر سکتے ہیں۔ system کردار اور باری پر مبنی تاریخ میں مطلوبہ متعدد متبادل کردار شامل کریں۔ آخری کردار ہمیشہ ہونا چاہیے۔ assistant اور دو نئی لائن فیڈز کے ساتھ ختم کریں۔

اس کے بعد، ماڈل سے چند مثال کے اشارے اور جوابات پر غور کریں۔ درج ذیل مثال میں، صارف اسسٹنٹ سے ایک سادہ سا سوال پوچھ رہا ہے۔

Input: <|begin_of_text|><|start_header_id|>user<|end_header_id|>nnwhat is the recipe of mayonnaise?<|eot_id|><|start_header_id|>assistant<|end_header_id|>nn
Output: The classic condiment! Mayonnaise is a thick, creamy emulsion sauce made from a combination of oil, egg yolks, acid (such as vinegar or lemon juice), and seasonings. Here's a simple recipe to make mayonnaise at home:nn**Ingredients:**nn* 2 egg yolksn* 1 tablespoon lemon juice or vinegar (such as apple cider vinegar or white wine vinegar)n* 1/2 teaspoon Dijon mustard (optional, but recommended for flavor)n* 1/2 cup (120 ml) neutral-tasting oil, such as canola, grapeseed, or sunflower oiln* Salt, to tastenn**Instructions:**nn1. **Start with room temperature ingredients**: This is crucial for emulsification to occur.n2. **In a medium-sized bowl**, whisk together the egg yolks, lemon juice or vinegar, and Dijon mustard (if using) until well combined.n3. **Slowly add the oil**: While continuously whisking the egg yolk mixture, slowly pour in the oil in a thin, steady stream. Start with a very slow drizzle and gradually increase the flow as the mixture thickens.n4. **Whisk constantly**: Keep whisking until the mixture has doubled in volume and has a thick, creamy consistency. This should take about 5-7 minutes.n5. **Check the consistency**: Stop whisking when the mayonnaise has reached the desired consistency. It should be smooth, thick, and hold its shape when the whisk is lifted.n6. **Season with salt**: Add salt to taste, and whisk until well combined.n7. **Taste and adjust**: If the mayonnaise is too thick, add a little water. If it's not thick enough, add a little more oil.nn**Tips and Variations:**nn* Use a neutral-tasting oil to avoid flavoring the mayonnaise.n* If you're using a stand mixer, use the whisk attachment and start with a slow speed, increasing as needed.n* Add flavorings like minced garlic, chopped fresh herbs (e.g., parsley, dill, or tarragon), or grated ginger to create different flavor profiles.n* For a lighter mayonnaise, use only 1 egg yolk or add a little water to thin it out.n* If the mayonnaise breaks or separates, don't worry! Simply start again with a new egg yolk and slowly whisk in the broken mayonnaise.nn**Homemade Mayonnaise vs. Store-Bought:**nnWhile store-bought mayonnaise is convenient, homemade mayonnaise offers several advantages:nn* Freshness: Homemade mayonnaise is made to order, ensuring optimal flavor and texture.n* Customization: You can tailor the flavor to your liking with various seasonings and ingredients.n* No preservatives: Homemade mayonnaise doesn't contain added preservatives, making it a healthier option.nnEnjoy your freshly made mayonnaise!

مندرجہ ذیل مثال میں، صارف نے اسسٹنٹ کے ساتھ پیرس میں سیاحتی مقامات کے بارے میں بات چیت کی ہے۔ پھر صارف چیٹ اسسٹنٹ کے ذریعہ تجویز کردہ پہلے آپشن کے بارے میں پوچھتا ہے۔

Input: <|begin_of_text|><|start_header_id|>user<|end_header_id|>nnI am going to Paris, what should I see?<|eot_id|><|start_header_id|>assistant<|end_header_id|>nnParis, the capital of France, is known for its stunning architecture, art museums, historical landmarks, and romantic atmosphere. Here are some of the top attractions to see in Paris:nn1. The Eiffel Tower: The iconic Eiffel Tower is one of the most recognizable landmarks in the world and offers breathtaking views of the city.n2. The Louvre Museum: The Louvre is one of the world's largest and most famous museums, housing an impressive collection of art and artifacts, including the Mona Lisa.n3. Notre-Dame Cathedral: This beautiful cathedral is one of the most famous landmarks in Paris and is known for its Gothic architecture and stunning stained glass windows.nnThese are just a few of the many attractions that Paris has to offer. With so much to see and do, it's no wonder that Paris is one of the most popular tourist destinations in the world.<|eot_id|><|start_header_id|>user<|end_header_id|>nnWhat is so great about #1?<|eot_id|><|start_header_id|>assistant<|end_header_id|>nn
Output: The Eiffel Tower! It's an iconic symbol of Paris and one of the most recognizable landmarks in the world. Here are some reasons why it's so great:nn1. **Engineering marvel**: When it was built for the 1889 World's Fair, the Eiffel Tower was a groundbreaking feat of engineering. It was the tallest structure in the world at the time, standing at 324 meters (1,063 feet).n2. **Panoramic views**: The Eiffel Tower offers breathtaking 360-degree views of the city from its observation decks. You can see many of Paris' famous landmarks, such as the Seine River, the Louvre, and Montmartre.n3. **Romantic atmosphere**: The Eiffel Tower is often associated with romance and is a popular spot for proposals, weddings, and romantic dinners. The tower's iron latticework and twinkling lights at night add to its romantic ambiance.n4. **Historical significance**: The Eiffel Tower has played a significant role in French history, serving as a communication tower during World War I and a symbol of French culture and engineering.n5. **Accessibility**: The Eiffel Tower is easily accessible by public transportation or on foot, and there are various ways to experience it, including taking the stairs, elevator, or a guided tour.n6. **Nighttime spectacle**: The Eiffel Tower is even more magical at night, when it's illuminated with thousands of twinkling lights. The light show, known as the "Eiffel Tower Sparkle," takes place every hour on the hour from dusk to midnight.n7. **Iconic status**: The Eiffel Tower has been featured in countless films, literature, and art, making it an instantly recognizable symbol of Paris and France.nnOverall, the Eiffel Tower is a must-visit attraction in Paris, offering a unique combination of history, engineering, romance, and stunning views.

مندرجہ ذیل مثالوں میں، ہم سسٹم کی کنفیگریشن سیٹ کرتے ہیں۔

Input: <|begin_of_text|><|start_header_id|>system<|end_header_id|>nnAlways answer with Haiku<|eot_id|><|start_header_id|>user<|end_header_id|>nnI am going to Paris, what should I see?<|eot_id|><|start_header_id|>assistant<|end_header_id|>nn
Output: Eiffel's iron lacenRiver Seine's gentle flow bynMontmartre's charm calls
Input: <|begin_of_text|><|start_header_id|>system<|end_header_id|>nnAlways answer with emojis<|eot_id|><|start_header_id|>user<|end_header_id|>nnHow to go from Beijing to NY?<|eot_id|><|start_header_id|>assistant<|end_header_id|>nn
Output: ✈️🛬️🇺🇸

صاف کرو

نوٹ بک چلانے کے بعد، یقینی بنائیں کہ آپ نے ان تمام وسائل کو حذف کر دیا ہے جو آپ نے اس عمل میں بنائے ہیں تاکہ آپ کی بلنگ روک دی جائے۔ درج ذیل کوڈ کا استعمال کریں:

predictor.delete_model()
predictor.delete_endpoint()

نتیجہ

اس پوسٹ میں، ہم نے آپ کو دکھایا کہ سیج میکر اسٹوڈیو میں لاما 3 ماڈلز کے ساتھ کیسے شروعات کی جائے۔ اب آپ کو چار Llama 3 فاؤنڈیشن ماڈلز تک رسائی حاصل ہے جو اربوں پیرامیٹرز پر مشتمل ہیں۔ چونکہ فاؤنڈیشن ماڈل پہلے سے تربیت یافتہ ہیں، وہ تربیت اور بنیادی ڈھانچے کے اخراجات کو کم کرنے میں بھی مدد کر سکتے ہیں اور آپ کے استعمال کے معاملے کے لیے حسب ضرورت کو فعال کر سکتے ہیں۔ اس کو دیکھو سیج میکر جمپ اسٹارٹ شروع کرنے کے لیے اب سیج میکر اسٹوڈیو میں۔

مصنفین کے بارے میں

کائل الریچ AWS میں ایک اپلائیڈ سائنٹسٹ II ہے۔
ژن ہوانگ AWS میں ایک سینئر اپلائیڈ سائنٹسٹ ہے۔
کنگ لین AWS میں ایک سینئر سافٹ ویئر ڈویلپر انجینئر ہے۔
Haotian An AWS میں سافٹ ویئر ڈویلپر انجینئر II ہے۔
کرسٹوفر وائٹن AWS میں سافٹ ویئر ڈویلپمنٹ انجینئر II ہے۔
ٹائلر اوسٹربرگ AWS میں سافٹ ویئر ڈویلپمنٹ انجینئر I ہے۔
منان شاہ AWS میں سافٹ ویئر ڈویلپمنٹ مینیجر ہے۔
جوناتھن گینیگین AWS میں ایک سینئر سافٹ ویئر ڈویلپر انجینئر ہے۔
ایڈریانا سیمنز AWS میں ایک سینئر پروڈکٹ مارکیٹنگ مینیجر ہے۔
جون جیت گیا۔ AWS میں ایک سینئر پروڈکٹ مینیجر ہے۔
آشیش کھیتان AWS میں ایک سینئر اپلائیڈ سائنٹسٹ ہے۔
رچنا چڈا AWS میں ایک پرنسپل حل آرکیٹیکٹ - AI/ML ہے۔
دیپک روپاکولا AWS میں ایک پرنسپل GTM ماہر 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/meta-llama-3-models-are-now-available-in-amazon-sagemaker-jumpstart/