زمین کی بدلتی ہوئی آب و ہوا گلوبل وارمنگ کی وجہ سے خشک سالی کا خطرہ بڑھا رہی ہے۔ 1880 کے بعد سے عالمی درجہ حرارت میں 1.01 ° C کا اضافہ ہوا ہے۔ 1993 کے بعد سے سمندر کی سطح میں 102.5 ملی میٹر اضافہ ہوا ہے۔ 2002 سے، انٹارکٹیکا میں زمینی برف کی چادریں 151.0 بلین میٹرک ٹن سالانہ کی شرح سے بڑے پیمانے پر کھو رہی ہیں۔ 2022 میں، زمین کی فضا میں فی ملین کاربن ڈائی آکسائیڈ کے 400 حصے ہیں، جو کہ 50 کے مقابلے میں 1750% زیادہ ہے۔ اگرچہ یہ تعداد ہماری روزمرہ کی زندگیوں سے ہٹائی جا سکتی ہے، لیکن زمین کی گرمی غیر معمولی شرح سے بڑھ رہی ہے۔ پچھلے 10,000 سال [1]۔
اس پوسٹ میں، ہم Amazon SageMaker میں نئی جغرافیائی صلاحیتوں کا استعمال کرتے ہیں تاکہ Lake Mead میں موسمیاتی تبدیلیوں کی وجہ سے خشک سالی کی نگرانی کریں۔ جھیل میڈ امریکہ کا سب سے بڑا ذخیرہ ہے۔ یہ نیواڈا، ایریزونا اور کیلیفورنیا کی ریاستوں میں 25 ملین لوگوں کو پانی فراہم کرتا ہے [2]۔ تحقیق سے پتہ چلتا ہے کہ جھیل میڈ میں پانی کی سطح 1937 کے بعد اپنی کم ترین سطح پر ہے [3]۔ ہم سیٹلائٹ امیجری کا استعمال کرتے ہوئے لیک میڈ میں پانی کی سطح میں ہونے والی تبدیلیوں کی پیمائش کرنے کے لیے SageMaker میں جغرافیائی صلاحیتوں کا استعمال کرتے ہیں۔
ڈیٹا تک رسائی
سیج میکر میں نئی جغرافیائی صلاحیتیں جغرافیائی اعداد و شمار جیسے سینٹینیل-2 اور لینڈ سیٹ 8 تک آسان رسائی فراہم کرتی ہیں۔ بلٹ ان جغرافیائی ڈیٹاسیٹ تک رسائی ہفتوں کی محنت بچاتی ہے بصورت دیگر ڈیٹا فراہم کرنے والوں اور دکانداروں سے ڈیٹا اکٹھا کرنے میں ضائع ہو جاتی ہے۔
سب سے پہلے، ہم سیج میکر جغرافیائی تصویر کے ساتھ ایمیزون سیج میکر اسٹوڈیو نوٹ بک استعمال کریں گے ایمیزون سیج میکر جغرافیائی صلاحیتوں کے ساتھ شروع کرنا۔ ہم اپنے تجزیہ کے لیے SageMaker جغرافیائی تصویر کے ساتھ SageMaker اسٹوڈیو نوٹ بک استعمال کرتے ہیں۔
اس پوسٹ میں استعمال ہونے والی نوٹ بک میں مل سکتی ہے۔ amazon-sagemaker-مثالیں۔ گٹ ہب ریپو۔ SageMaker geospatial ڈیٹا کے استفسار کو انتہائی آسان بنا دیتا ہے۔ ہم سیٹلائٹ ڈیٹا کے لیے مقام اور ٹائم فریم کی وضاحت کے لیے درج ذیل کوڈ کا استعمال کریں گے۔
درج ذیل کوڈ کے ٹکڑوں میں، ہم پہلے ایک کی وضاحت کرتے ہیں۔ AreaOfInterest
(AOI) جھیل میڈ کے علاقے کے ارد گرد ایک باؤنڈنگ باکس کے ساتھ۔ ہم استعمال کرتے ہیں TimeRangeFilter
جنوری 2021 سے جولائی 2022 تک کا ڈیٹا منتخب کرنے کے لیے۔ تاہم، ہم جس علاقے کا مطالعہ کر رہے ہیں وہ بادلوں کی وجہ سے دھندلا ہو سکتا ہے۔ زیادہ تر کلاؤڈ فری امیجری حاصل کرنے کے لیے، ہم کلاؤڈ کوریج کے لیے اوپری حد کو 1% پر سیٹ کر کے تصاویر کے ذیلی سیٹ کا انتخاب کرتے ہیں۔
ماڈل کا اندازہ
ڈیٹا کی شناخت کرنے کے بعد، اگلا مرحلہ سیٹلائٹ امیجز سے آبی ذخائر نکالنا ہے۔ عام طور پر، ہمیں زمین کی سطح پر مختلف قسم کے جسمانی مواد جیسے آبی ذخائر، نباتات، برف وغیرہ کی شناخت کرنے کے لیے شروع سے ہی زمینی احاطہ کرنے والے ماڈل کو تربیت دینے کی ضرورت ہوگی۔ شروع سے ماڈل کو تربیت دینا وقت طلب اور مہنگا ہے۔ اس میں ڈیٹا لیبلنگ، ماڈل ٹریننگ، اور تعیناتی شامل ہے۔ SageMaker جغرافیائی صلاحیتیں پہلے سے تربیت یافتہ لینڈ کور سیگمنٹیشن ماڈل فراہم کرتی ہیں۔ یہ لینڈ کور سیگمنٹیشن ماڈل ایک سادہ API کال کے ساتھ چلایا جا سکتا ہے۔
اعداد و شمار کو مقامی مشین میں ڈاون لوڈ کرنے کے بجائے، سیج میکر آپ کے لیے تمام بھاری بھرکم کام کرتا ہے۔ ہم صرف ارتھ آبزرویشن جاب (EOJ) میں ڈیٹا کنفیگریشن اور ماڈل کنفیگریشن کی وضاحت کرتے ہیں۔ SageMaker EOJ کے لیے سیٹلائٹ امیج ڈیٹا کو خود بخود ڈاؤن لوڈ اور پری پروسیس کرتا ہے، جس سے یہ اندازہ لگانے کے لیے تیار ہو جاتا ہے۔ اگلا، SageMaker خود بخود EOJ کے لیے ماڈل کا اندازہ چلاتا ہے۔ کام کے بوجھ پر منحصر ہے (ماڈل کے تخمینے کے ذریعے چلنے والی تصاویر کی تعداد)، EOJ کو ختم ہونے میں کئی منٹ سے چند گھنٹے لگ سکتے ہیں۔ آپ کا استعمال کرتے ہوئے ملازمت کی حیثیت کی نگرانی کر سکتے ہیں get_earth_observation_job
تقریب.
نتائج کو تصور کریں
اب جب کہ ہم نے ماڈل کا اندازہ چلا لیا ہے، آئیے نتائج کا بصری طور پر معائنہ کرتے ہیں۔ ہم ان پٹ سیٹلائٹ امیجز پر ماڈل انفرنس کے نتائج کو اوورلے کرتے ہیں۔ ہم ان نتائج کو دیکھنے کے لیے Foursquare Studio ٹولز استعمال کرتے ہیں جو SageMaker کے ساتھ پہلے سے مربوط ہوتے ہیں۔ سب سے پہلے، ہم ان پٹ امیجز اور ماڈل کی پیشین گوئیوں کو دیکھنے کے لیے SageMaker جغرافیائی صلاحیتوں کا استعمال کرتے ہوئے نقشہ کی مثال بناتے ہیں:
جب انٹرایکٹو نقشہ تیار ہوتا ہے، تو ہم ڈیٹا ڈاؤن لوڈ کرنے کی ضرورت کے بغیر ان پٹ امیجز اور ماڈل آؤٹ پٹ کو نقشہ کی تہوں کے طور پر پیش کر سکتے ہیں۔ مزید برآں، ہم ہر پرت کو ایک لیبل دے سکتے ہیں اور استعمال کرتے ہوئے کسی خاص تاریخ کے لیے ڈیٹا منتخب کر سکتے ہیں۔ TimeRangeFilter
:
ہم اس بات کی تصدیق کر سکتے ہیں کہ پانی کے طور پر نشان زدہ علاقہ (مندرجہ ذیل نقشے میں چمکدار پیلا) آؤٹ پٹ پرت کی دھندلاپن کو تبدیل کرکے جھیل میڈ میں پانی کے جسم سے درست طریقے سے مطابقت رکھتا ہے۔
پوسٹ تجزیہ
اگلا، ہم استعمال کرتے ہیں export_earth_observation_job
EOJ کے نتائج کو Amazon Simple Storage Service (Amazon S3) بالٹی میں ایکسپورٹ کرنے کا فنکشن۔ اس کے بعد ہم پانی کی سطح کے رقبے کا حساب لگانے کے لیے Amazon S3 میں ڈیٹا پر ایک بعد کا تجزیہ چلاتے ہیں۔ ایکسپورٹ فنکشن ٹیموں میں نتائج کا اشتراک کرنا آسان بناتا ہے۔ سیج میکر ڈیٹاسیٹ مینجمنٹ کو بھی آسان بناتا ہے۔ ہم S3 بالٹی میں ہزاروں فائلوں کو رینگنے کے بجائے جاب ARN کا استعمال کرتے ہوئے EOJ کے نتائج کو آسانی سے شیئر کر سکتے ہیں۔ ہر EOJ ڈیٹا کیٹلاگ میں ایک اثاثہ بن جاتا ہے، کیونکہ نتائج کو جاب ARN کے ذریعے گروپ کیا جا سکتا ہے۔
اگلا، ہم جھیل میڈ میں پانی کی سطح میں ہونے والی تبدیلیوں کا تجزیہ کرتے ہیں۔ ہم اوپن سورس لائبریریوں کا استعمال کرتے ہوئے پانی کی سطح کے رقبے کا حساب لگانے کے لیے اپنے مقامی مثال میں لینڈ کور ماسک ڈاؤن لوڈ کرتے ہیں۔ سیج میکر ماڈل آؤٹ پٹس کو کلاؤڈ آپٹمائزڈ جیو ٹِف (COG) فارمیٹ میں محفوظ کرتا ہے۔ اس مثال میں، ہم Tifffile پیکیج کا استعمال کرتے ہوئے ان ماسک کو NumPy arrays کے طور پر لوڈ کرتے ہیں۔ سیج میکر Geospatial 1.0
کرنل میں دیگر وسیع پیمانے پر استعمال ہونے والی لائبریریاں بھی شامل ہیں جیسے GDAL اور Rasterio۔
لینڈ کور ماسک میں ہر پکسل کی قدر 0-11 کے درمیان ہوتی ہے۔ ہر قیمت زمین کے احاطہ کے ایک خاص طبقے سے مساوی ہے۔ پانی کا کلاس انڈیکس 6 ہے۔ ہم اس کلاس انڈیکس کو واٹر ماسک نکالنے کے لیے استعمال کر سکتے ہیں۔ سب سے پہلے، ہم ان پکسلز کی تعداد گنتے ہیں جو پانی کے طور پر نشان زد ہیں۔ اس کے بعد، ہم اس نمبر کو اس رقبے سے ضرب دیتے ہیں جو ہر پکسل پانی کی سطح کا رقبہ حاصل کرنے کے لیے احاطہ کرتا ہے۔ بینڈز پر منحصر ہے، سینٹینیل-2 L2A امیج کی مقامی ریزولوشن 10 ہے۔m، 20m، یا 60m. تمام بینڈز کو 60 میٹر کے مقامی ریزولیوشن کے لیے نیچے نمونہ دیا گیا ہے تاکہ لینڈ کور سیگمنٹیشن ماڈل کا اندازہ لگایا جا سکے۔ نتیجے کے طور پر، لینڈ کور ماسک میں ہر پکسل 3600 کے زمینی رقبے کی نمائندگی کرتا ہے۔ m2، یا 0.0036 km2.
ہم مندرجہ ذیل تصویر میں پانی کی سطح کے رقبے کو وقت کے ساتھ پلاٹ کرتے ہیں۔ فروری 2021 اور جولائی 2022 کے درمیان پانی کی سطح کا رقبہ واضح طور پر کم ہوا۔ 2 سال سے بھی کم عرصے میں، جھیل میڈ کا رقبہ 300 سے کم ہو گیا۔ km2 250 سے کم km218% رشتہ دار تبدیلی۔
ہم جھیل کی حدود کو بھی نکال سکتے ہیں اور انہیں سیٹلائٹ امیجز پر سپرپوز کر سکتے ہیں تاکہ جھیل کے ساحل میں ہونے والی تبدیلیوں کو بہتر انداز میں دیکھا جا سکے۔ جیسا کہ درج ذیل حرکت پذیری میں دکھایا گیا ہے، پچھلے 2 سالوں میں شمال اور جنوب مشرقی ساحل سکڑ گیا ہے۔ کچھ مہینوں میں، سطح کا رقبہ سال بہ سال 20 فیصد سے زیادہ کم ہوا ہے۔
نتیجہ
ہم نے جھیل میڈ کے سکڑتے ساحل پر موسمیاتی تبدیلیوں کے اثرات کو دیکھا ہے۔ SageMaker اب geospatial مشین لرننگ (ML) کو سپورٹ کرتا ہے، جس سے ڈیٹا سائنسدانوں اور ML انجینئرز کے لیے جغرافیائی ڈیٹا کا استعمال کرتے ہوئے ماڈلز کی تعمیر، تربیت اور تعیناتی آسان ہو جاتی ہے۔ اس پوسٹ میں، ہم نے دکھایا کہ ڈیٹا کیسے حاصل کیا جائے، تجزیہ کیا جائے، اور SageMaker geospatial AI/ML سروسز کے ساتھ تبدیلیوں کو کیسے دیکھا جائے۔ آپ اس پوسٹ کا کوڈ اس میں تلاش کر سکتے ہیں۔ amazon-sagemaker-مثالیں۔ گٹ ہب ریپو۔ دیکھیں ایمیزون سیج میکر کی جغرافیائی صلاحیتیں۔ مزید جاننے کے لئے.
حوالہ جات
ہے [1] https://climate.nasa.gov/
ہے [2] https://www.nps.gov/lake/learn/nature/overview-of-lake-mead.htm
ہے [3] https://earthobservatory.nasa.gov/images/150111/lake-mead-keeps-dropping
مصنفین کے بارے میں
Xiong Zhou AWS میں ایک سینئر اپلائیڈ سائنٹسٹ ہے۔ وہ Amazon SageMaker جغرافیائی صلاحیتوں کے لیے سائنس ٹیم کی قیادت کرتا ہے۔ ان کی تحقیق کے موجودہ شعبے میں کمپیوٹر ویژن اور موثر ماڈل ٹریننگ شامل ہے۔ اپنے فارغ وقت میں، وہ دوڑنا، باسکٹ بال کھیلنا اور اپنے خاندان کے ساتھ وقت گزارنا پسند کرتا ہے۔
انیرودھ وشواناتھن ایک Sr پروڈکٹ مینیجر ہے، SageMaker geospatial ML ٹیم کے ساتھ تکنیکی – بیرونی خدمات۔ اس نے کارنیگی میلن یونیورسٹی سے روبوٹکس میں ماسٹرز کیا ہے، وارٹن اسکول آف بزنس سے ایم بی اے کیا ہے، اور 40 سے زیادہ پیٹنٹ پر موجد کا نام دیا گیا ہے۔ وہ لمبی دوری کی دوڑ سے لطف اندوز ہوتا ہے، آرٹ گیلریوں اور براڈوے شوز کا دورہ کرتا ہے۔
ٹرینٹن لپ کامب ایک پرنسپل انجینئر اور اس ٹیم کا حصہ ہے جس نے سیج میکر میں جغرافیائی صلاحیتوں کا اضافہ کیا۔ وہ لوپ سلوشنز میں انسانوں میں شامل رہا ہے، SageMaker Ground Truth، Augmented AI اور Amazon Mechanical Turk کی خدمات پر کام کر رہا ہے۔
زنگجیان شی ایک سینئر اپلائیڈ سائنٹسٹ اور ٹیم کا حصہ ہے جس نے سیج میکر میں جغرافیائی صلاحیتوں کا اضافہ کیا۔ وہ ارتھ سائنس اور ملٹی موڈل آٹو ایم ایل کے لیے گہری تعلیم پر بھی کام کر رہا ہے۔
لی ایرن لی ہیومین ان دی لوپ سروسز، AWS AI، Amazon میں اپلائیڈ سائنس مینیجر ہے۔ اس کی تحقیقی دلچسپیاں 3D گہری تعلیم، اور وژن اور زبان کی نمائندگی کی تعلیم ہیں۔ اس سے پہلے وہ Alexa AI میں سینئر سائنسدان، Scale AI میں مشین لرننگ کے سربراہ اور Pony.ai کے چیف سائنٹسٹ تھے۔ اس سے پہلے، وہ Uber ATG میں پرسیپشن ٹیم اور Uber میں مشین لرننگ پلیٹ فارم ٹیم کے ساتھ تھا جو خود مختار ڈرائیونگ، مشین لرننگ سسٹمز اور AI کے اسٹریٹجک اقدامات کے لیے مشین لرننگ پر کام کر رہی تھی۔ انہوں نے اپنا کیریئر بیل لیبز سے شروع کیا اور کولمبیا یونیورسٹی میں منسلک پروفیسر رہے۔ اس نے ICML'17 اور ICCV'19 میں ٹیوٹوریلز کو مشترکہ طور پر پڑھایا، اور NeurIPS، ICML، CVPR، ICCV میں خود مختار ڈرائیونگ، 3D ویژن اور روبوٹکس، مشین لرننگ سسٹم اور ایڈورسریل مشین لرننگ کے لیے مشین لرننگ پر متعدد ورکشاپس کا مشترکہ اہتمام کیا۔ انہوں نے کارنیل یونیورسٹی میں کمپیوٹر سائنس میں پی ایچ ڈی کی ہے۔ وہ ACM فیلو اور IEEE فیلو ہے۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹو بلاک چین۔ Web3 Metaverse Intelligence. علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/monitoring-lake-mead-drought-using-the-new-amazon-sagemaker-geospatial-capabilities/
- 000
- 1
- 10
- 100
- 11
- 2021
- 2022
- 3d
- 7
- 9
- a
- تک رسائی حاصل
- درست طریقے سے
- ACM
- حاصل
- کے پار
- شامل کیا
- اس کے علاوہ
- شکست
- AI
- AI / ML
- Alexaکی بنیاد پر IQ Option ، بائنومو سے اوپری پوزیشن پر ہے۔
- تمام
- ایمیزون
- ایمیزون سیج میکر
- Amazon SageMaker geospatial
- ایمیزون سیج میکر اسٹوڈیو
- تجزیہ
- تجزیے
- اور
- حرکت پذیری
- انٹارکٹیکا
- اے پی آئی
- اطلاقی
- رقبہ
- ایریزونا
- ارد گرد
- فن
- فنون لطیفہ گیلری
- اثاثے
- اثاثے
- ماحول
- اضافہ
- خود کار طریقے سے
- آٹو ایم ایل
- خود مختار
- AWS
- باسکٹ بال
- ہو جاتا ہے
- اس سے پہلے
- بیل
- بہتر
- کے درمیان
- ارب
- جسم
- بنقی
- حدود
- باکس
- روشن
- تعمیر
- تعمیر میں
- کاروبار
- حساب
- کیلی فورنیا
- فون
- صلاحیتوں
- کاربن
- کاربن ڈائی آکسائیڈ
- کیریئر کے
- کارنیگی میلون
- کیٹلوگ
- اقسام
- وجہ
- سینٹر
- تبدیل
- تبدیلیاں
- تبدیل کرنے
- چیف
- میں سے انتخاب کریں
- طبقے
- واضح طور پر
- آب و ہوا
- موسمیاتی تبدیلی
- بادل
- کوڈ
- جمع
- کولمبیا
- مل کر
- مکمل
- مکمل
- کمپیوٹر
- کمپیوٹر سائنس
- کمپیوٹر ویژن
- ترتیب
- پر مشتمل ہے
- آسان
- مساوی ہے
- احاطہ
- کوریج
- کا احاطہ کرتا ہے
- تخلیق
- پیدا
- موجودہ
- روزانہ
- اعداد و شمار
- تاریخ
- گہری
- گہری سیکھنے
- منحصر ہے
- تعیناتی
- تعیناتی
- مطلوبہ
- مختلف
- دکھائیں
- ڈاؤن لوڈ، اتارنا
- ڈاؤن لوڈز
- ڈرائیونگ
- خشک سالی
- ہر ایک
- زمین
- آسان
- ہنر
- کوشش
- انجینئر
- انجینئرز
- مثال کے طور پر
- مہنگی
- برآمد
- بیرونی
- نکالنے
- انتہائی
- خاندان
- فروری
- ساتھی
- چند
- اعداد و شمار
- فائلوں
- مل
- ختم
- پہلا
- کے بعد
- فارمیٹ
- ملا
- سے
- تقریب
- گیلریوں
- Geospatial ML
- حاصل
- GIF
- GitHub کے
- دے دو
- گلوبل
- گراؤنڈ
- سر
- کی ڈگری حاصل کی
- HOURS
- کس طرح
- کیسے
- تاہم
- HTML
- HTTPS
- انسانی
- ICE
- شناخت
- IEEE
- تصویر
- تصاویر
- اثر
- درآمد
- in
- شامل ہیں
- اضافہ
- انڈکس
- اقدامات
- ان پٹ
- مثال کے طور پر
- کے بجائے
- انٹرایکٹو
- مفادات
- ملوث
- IT
- اشیاء
- جنوری
- جنوری 2021
- ایوب
- جولائی
- کلیدی
- لیبل
- لیبل
- لیبز
- جھیل
- لینڈ
- زبان
- سب سے بڑا
- آخری
- پرت
- تہوں
- لیڈز
- جانیں
- سیکھنے
- سطح
- سطح
- لائبریریوں
- اٹھانے
- زندگی
- لوڈ
- مقامی
- محل وقوع
- کھونے
- نچلی سطح
- مشین
- مشین لرننگ
- بناتا ہے
- بنانا
- انتظام
- مینیجر
- نقشہ
- نشان لگا دیا گیا
- ماسک
- ماسک
- ماس
- مواد
- matplotlib
- پیمائش
- میکانی
- میلن
- میٹرک۔
- شاید
- دس لاکھ
- منٹ
- ML
- ماڈل
- ماڈل
- کی نگرانی
- نگرانی
- ماہ
- زیادہ
- نامزد
- ناسا
- ضرورت ہے
- ضرورت ہے
- ضروریات
- نیواڈا
- نئی
- اگلے
- شمالی
- نوٹ بک
- تعداد
- تعداد
- عجیب
- اشیاء
- غیر واضح
- حاصل
- پیش کرتے ہیں
- اوپن سورس
- اصلاح
- OS
- دیگر
- دوسری صورت میں
- بیان کیا
- خود
- پیکج
- حصہ
- خاص طور پر
- حصے
- گزشتہ
- پیٹنٹ
- راستہ
- لوگ
- خیال
- انجام دیں
- مدت
- جسمانی
- دانہ
- پلیٹ فارم
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- کھیل
- متصور ہوتا ہے
- پوسٹ
- پیشن گوئی
- پہلے
- پرنسپل
- مصنوعات
- پروڈکٹ مینیجر
- ٹیچر
- خصوصیات
- جائیداد
- فراہم
- فراہم کرنے والے
- شرح
- تیار
- کم
- ہٹا دیا گیا
- کی جگہ
- نمائندگی
- کی نمائندگی کرتا ہے
- تحقیق
- قرارداد
- جواب
- نتیجہ
- نتائج کی نمائش
- طلوع
- رسک
- روبوٹکس
- رن
- چل رہا ہے
- sagemaker
- سیٹلائٹ
- پیمانے
- پیمانہ ai
- سکول
- سائنس
- سائنسدان
- سائنسدانوں
- سمندر
- انقطاع
- سینئر
- سروس
- سروسز
- اجلاس
- قائم کرنے
- کئی
- سیکنڈ اور
- دکھایا گیا
- شوز
- سادہ
- صرف
- بعد
- برف
- So
- حل
- کچھ
- ماخذ
- مقامی
- خرچ کرنا۔
- SQ
- شروع
- امریکہ
- درجہ
- مرحلہ
- مراحل
- ذخیرہ
- حکمت عملی
- سٹوڈیو
- مطالعہ
- بعد میں
- اس طرح
- کی حمایت کرتا ہے
- سطح
- سسٹمز
- لے لو
- ٹیم
- ٹیموں
- ٹیکنیکل
- ۔
- علاقہ
- ان
- ہزاروں
- کے ذریعے
- وقت
- ٹائم فریم
- کرنے کے لئے
- ٹن
- اوزار
- ٹرین
- ٹریننگ
- سچ
- سبق
- عام طور پر
- Uber
- یونیورسٹی
- بے مثال
- us
- استعمال کی شرائط
- قیمت
- مختلف
- دکانداروں
- اس بات کی تصدیق
- نقطہ نظر
- تصور
- پانی
- مہینے
- وارٹن
- جس
- جبکہ
- بڑے پیمانے پر
- گے
- بغیر
- گواہ
- کام کر
- ورکشاپ
- گا
- X
- سال
- سال
- تم
- اور
- زیفیرنیٹ