یہ نیلسن اسپورٹس سے تمیر روبنسکی اور ایویڈ آرانیاس کے ساتھ مل کر لکھی گئی ایک مہمان پوسٹ ہے.
نیلسن اسپورٹس سامعین کی بصیرت، ڈیٹا اور تجزیات میں عالمی رہنما کے طور پر دنیا کے میڈیا اور مواد کو تشکیل دیتا ہے۔ تمام چینلز اور پلیٹ فارمز پر لوگوں اور ان کے طرز عمل کے بارے میں ہماری سمجھ کے ذریعے، ہم اپنے کلائنٹس کو آزاد اور قابل عمل ذہانت کے ساتھ بااختیار بناتے ہیں تاکہ وہ اپنے سامعین سے رابطہ قائم کر سکیں اور ان کے ساتھ منسلک ہو سکیں—ابھی اور مستقبل میں۔
نیلسن اسپورٹس میں، ہمارا مشن اپنے صارفین کو فراہم کرنا ہے—برانڈز اور حقوق کے حاملین—کو ٹی وی، آن لائن، سوشل میڈیا، سمیت تمام چینلز پر سرمایہ کاری پر منافع (ROI) اور کھیلوں کی کفالت کی اشتہاری مہم کی تاثیر کی پیمائش کرنے کی صلاحیت فراہم کرنا ہے۔ یہاں تک کہ اخبارات، اور مقامی، قومی اور بین الاقوامی سطح پر درست ہدف فراہم کرنا۔
اس پوسٹ میں، ہم یہ بیان کرتے ہیں کہ نیلسن اسپورٹس نے کس طرح ہزاروں مختلف مشین لرننگ (ML) ماڈلز کو استعمال کرکے پروڈکشن میں چلانے والے سسٹم کو جدید بنایا۔ ایمیزون سیج میکر ملٹی ماڈل اینڈ پوائنٹس (MMEs) اور آپریشنل اور مالیاتی لاگت میں 75% کی کمی۔
چینل ویڈیو سیگمنٹیشن کے ساتھ چیلنجز
ہماری ٹیکنالوجی مصنوعی ذہانت (AI) اور خاص طور پر کمپیوٹر وژن (CV) پر مبنی ہے، جو ہمیں برانڈ کی نمائش کو ٹریک کرنے اور اس کے مقام کی درست شناخت کرنے کی اجازت دیتی ہے۔ مثال کے طور پر، ہم شناخت کرتے ہیں کہ آیا برانڈ بینر یا شرٹ پر ہے۔ اس کے علاوہ، ہم آئٹم پر برانڈ کے مقام کی نشاندہی کرتے ہیں، جیسے کہ نشان کا اوپری کونا یا آستین۔ مندرجہ ذیل تصویر ہمارے ٹیگنگ سسٹم کی ایک مثال دکھاتی ہے۔
ہمارے پیمانے اور لاگت کے چیلنجوں کو سمجھنے کے لیے، آئیے کچھ نمائندہ نمبروں کو دیکھتے ہیں۔ ہر ماہ، ہم مختلف چینلز پر 120 ملین سے زیادہ برانڈ کے نقوش کی شناخت کرتے ہیں، اور سسٹم کو 100,000 سے زیادہ برانڈز اور مختلف برانڈز کی مختلف حالتوں کی شناخت میں معاونت کرنی چاہیے۔ ہم نے 6 بلین سے زیادہ ڈیٹا پوائنٹس کے ساتھ دنیا میں برانڈ امپریشن کا سب سے بڑا ڈیٹا بیس بنایا ہے۔
ہمارے میڈیا کی تشخیص کے عمل میں کئی مراحل شامل ہیں، جیسا کہ درج ذیل تصویر میں دکھایا گیا ہے:
- سب سے پہلے، ہم بین الاقوامی ریکارڈنگ سسٹم کا استعمال کرتے ہوئے دنیا بھر میں ہزاروں چینلز کو ریکارڈ کرتے ہیں۔
- ہم نشریاتی نظام الاوقات (الیکٹرانک پروگرامنگ گائیڈ) کے ساتھ مل کر مواد کو اگلے مرحلے پر منتقل کرتے ہیں، جو کہ گیم کی نشریات اور دیگر مواد یا اشتہارات کے درمیان تقسیم اور علیحدگی ہے۔
- ہم میڈیا کی نگرانی کرتے ہیں، جہاں ہم ہر سیگمنٹ میں اضافی میٹا ڈیٹا شامل کرتے ہیں، جیسے کہ لیگ کے اسکور، متعلقہ ٹیمیں اور کھلاڑی۔
- ہم برانڈز کی مرئیت کا ایک نمائشی تجزیہ کرتے ہیں اور پھر سامعین کی معلومات کو یکجا کر کے مہم کی قدر کا حساب لگاتے ہیں۔
- معلومات ڈیش بورڈ یا تجزیہ کار کی رپورٹس کے ذریعے صارف تک پہنچائی جاتی ہیں۔ تجزیہ کار کو خام ڈیٹا تک یا ہمارے ڈیٹا گودام کے ذریعے براہ راست رسائی دی جاتی ہے۔
چونکہ ہم ایک ہزار سے زیادہ چینلز اور دسیوں ہزار گھنٹے کی ویڈیو ایک سال کے پیمانے پر کام کرتے ہیں، اس لیے ہمارے پاس تجزیہ کے عمل کے لیے ایک قابل توسیع آٹومیشن سسٹم ہونا چاہیے۔ ہمارا حل خود بخود براڈکاسٹ کو الگ کرتا ہے اور جانتا ہے کہ متعلقہ ویڈیو کلپس کو باقی مواد سے کیسے الگ کرنا ہے۔
ہم چینلز کی مخصوص خصوصیات کا تجزیہ کرنے کے لیے ہمارے تیار کردہ وقف کردہ الگورتھم اور ماڈلز کا استعمال کرتے ہوئے ایسا کرتے ہیں۔
مجموعی طور پر، ہم اس مشن کو سپورٹ کرنے کے لیے پروڈکشن میں ہزاروں مختلف ماڈلز چلا رہے ہیں، جو مہنگا ہے، آپریشنل اوور ہیڈ کا شکار ہے، اور غلطی کا شکار اور سست ہے۔ نئے ماڈل آرکیٹیکچر والے ماڈلز کو پروڈکشن میں لانے میں مہینوں لگے۔
یہ وہ جگہ ہے جہاں ہم اپنے نظام کو جدت اور از سر نو تشکیل دینا چاہتے تھے۔
SageMaker MMEs کا استعمال کرتے ہوئے CV ماڈلز کے لیے لاگت سے موثر اسکیلنگ
ہمارے لیگیسی ویڈیو سیگمنٹیشن سسٹم کو جانچنا، تبدیل کرنا اور برقرار رکھنا مشکل تھا۔ کچھ چیلنجوں میں ایک پرانے ML فریم ورک کے ساتھ کام کرنا، اجزاء کے درمیان باہمی انحصار، اور کام کے بہاؤ کو بہتر بنانا مشکل ہے۔ اس کی وجہ یہ ہے کہ ہم پائپ لائن کے لیے RabbitMQ پر مبنی تھے، جو کہ ایک ریاستی حل تھا۔ ایک جزو کو ڈیبگ کرنے کے لیے، جیسے کہ فیچر نکالنا، ہمیں تمام پائپ لائن کی جانچ کرنی تھی۔
مندرجہ ذیل خاکہ پچھلے فن تعمیر کی وضاحت کرتا ہے۔
اپنے تجزیے کے حصے کے طور پر، ہم نے کارکردگی میں رکاوٹوں کی نشاندہی کی جیسے کہ ایک مشین پر ایک ہی ماڈل چلانا، جس میں 30–40% کا کم GPU استعمال دکھایا گیا۔ ہم نے ماڈلز کے لیے ناکارہ پائپ لائن رن اور شیڈولنگ الگورتھم بھی دریافت کیے۔
لہذا، ہم نے سیج میکر پر مبنی ایک نیا ملٹی کرایہ دار فن تعمیر بنانے کا فیصلہ کیا، جو کارکردگی کو بہتر بنانے، متحرک بیچ کے سائز کو سپورٹ کرے گا، اور ایک ساتھ متعدد ماڈلز کو چلائے گا۔
ورک فلو کا ہر رن ویڈیوز کے ایک گروپ کو نشانہ بناتا ہے۔ ہر ویڈیو 30-90 منٹ کے درمیان ہے، اور ہر گروپ میں چلانے کے لیے پانچ سے زیادہ ماڈلز ہیں۔
آئیے ایک مثال کا جائزہ لیتے ہیں: ایک ویڈیو 60 منٹ لمبی ہو سکتی ہے، جس میں 3,600 تصاویر شامل ہیں، اور ہر تصویر کو پہلے مرحلے کے دوران تین مختلف ML ماڈلز سے اندازہ لگانے کی ضرورت ہے۔ SageMaker MMEs کے ساتھ، ہم متوازی طور پر 12 تصاویر کے بیچ چلا سکتے ہیں، اور مکمل بیچ 2 سیکنڈ سے بھی کم وقت میں مکمل ہو جاتا ہے۔ ایک باقاعدہ دن میں، ہمارے پاس ویڈیوز کے 20 سے زیادہ گروپ ہوتے ہیں، اور ہفتے کے آخر میں ایک بھرے دن، ہمارے پاس ویڈیوز کے 100 سے زیادہ گروپ ہوتے ہیں۔
درج ذیل خاکہ SageMaker MME کا استعمال کرتے ہوئے ہمارے نئے، آسان فن تعمیر کو دکھاتا ہے۔
نتائج کی نمائش
نئے فن تعمیر کے ساتھ، ہم نے اپنے بہت سے مطلوبہ نتائج حاصل کیے اور پرانے فن تعمیر پر کچھ ان دیکھے فوائد حاصل کیے:
- بہتر رن ٹائم - بیچ کے سائز کو بڑھا کر (متوازی طور پر 12 ویڈیوز) اور متعدد ماڈلز کو ایک ساتھ چلا کر (متوازی طور پر پانچ ماڈلز)، ہم نے اپنے پائپ لائن کے مجموعی رن ٹائم کو 33 گھنٹہ سے 1 منٹ تک 40 فیصد تک کم کیا ہے۔
- بہتر انفراسٹرکچر - SageMaker کے ساتھ، ہم نے اپنے موجودہ انفراسٹرکچر کو اپ گریڈ کیا، اور اب ہم نئے GPUs جیسے g5.xlarge کے ساتھ نئے AWS مثالیں استعمال کر رہے ہیں۔ تبدیلی کا سب سے بڑا فائدہ TorchScript اور CUDA آپٹیمائزیشن کے استعمال سے فوری کارکردگی میں بہتری ہے۔
- بنیادی ڈھانچے کا بہتر استعمال - ایک واحد اختتامی نقطہ رکھنے سے جو متعدد ماڈلز کی میزبانی کر سکتا ہے، ہم اختتامی پوائنٹس کی تعداد اور مشینوں کی تعداد دونوں کو کم کر سکتے ہیں جو ہمیں برقرار رکھنے کی ضرورت ہے، اور ایک مشین اور اس کے GPU کے استعمال کو بھی بڑھا سکتے ہیں۔ پانچ ویڈیوز کے ساتھ ایک مخصوص کام کے لیے، اب ہم g5 مثالوں کی صرف پانچ مشینیں استعمال کرتے ہیں، جو ہمیں پچھلے حل سے %75 لاگت کا فائدہ دیتی ہے۔ دن کے دوران عام کام کے بوجھ کے لیے، ہم g5.xlarge کی واحد مشین کے ساتھ ایک واحد اختتامی نقطہ استعمال کرتے ہیں جس کا GPU 80% سے زیادہ استعمال ہوتا ہے۔ مقابلے کے لیے، پچھلے حل میں 40% سے کم استعمال تھا۔
- چستی اور پیداوری میں اضافہ - SageMaker کے استعمال سے ہمیں ماڈلز کو منتقل کرنے میں کم وقت اور اپنے بنیادی الگورتھم اور ماڈلز کو بہتر بنانے میں زیادہ وقت صرف کرنے کی اجازت دی گئی۔ اس سے ہماری انجینئرنگ اور ڈیٹا سائنس ٹیموں کی پیداواری صلاحیت میں اضافہ ہوا ہے۔ اب ہم 7 ماہ سے زیادہ کے بجائے 1 دنوں سے کم عرصے میں ایک نئے ML ماڈل کی تحقیق اور تعینات کر سکتے ہیں۔ یہ رفتار اور منصوبہ بندی میں 75 فیصد بہتری ہے۔
- بہتر معیار اور اعتماد - SageMaker A/B ٹیسٹنگ کی صلاحیتوں کے ساتھ، ہم اپنے ماڈلز کو بتدریج تعینات کر سکتے ہیں اور محفوظ طریقے سے واپس آنے کے قابل ہو سکتے ہیں۔ پیداوار کے لیے تیز ترین لائف سائیکل نے ہمارے ایم ایل ماڈلز کی درستگی اور نتائج میں بھی اضافہ کیا۔
مندرجہ ذیل اعداد و شمار پچھلے فن تعمیر کے ساتھ ہمارے GPU کے استعمال کو ظاہر کرتا ہے (30-40% GPU استعمال)۔
مندرجہ ذیل اعداد و شمار ہمارے GPU کے استعمال کو نئے آسان فن تعمیر (90% GPU استعمال) کے ساتھ دکھاتا ہے۔
نتیجہ
اس پوسٹ میں، ہم نے شیئر کیا کہ کس طرح Nielsen Sports نے SageMaker MMEs کا استعمال کر کے ہزاروں مختلف ماڈلز چلانے والے سسٹم کو جدید بنایا اور ان کی آپریشنل اور مالی لاگت میں 75% کمی کی۔
مزید پڑھنے کے لیے درج ذیل ملاحظہ فرمائیں:
مصنفین کے بارے میں
ایتان سیلا ایمیزون ویب سروسز کے ساتھ جنریٹو اے آئی اور مشین لرننگ اسپیشلسٹ سولیوشن آرکیٹیکٹ ہے۔ وہ AWS صارفین کے ساتھ رہنمائی اور تکنیکی مدد فراہم کرنے کے لیے کام کرتا ہے، جس سے انہیں AWS پر جنریٹو AI اور مشین لرننگ سلوشنز بنانے اور چلانے میں مدد ملتی ہے۔ اپنے فارغ وقت میں، Eitan جاگنگ اور جدید ترین مشین لرننگ مضامین پڑھنے سے لطف اندوز ہوتا ہے۔
گال گولڈمین AWS میں ایک سینئر سافٹ ویئر انجینئر اور ایک انٹرپرائز سینئر سولیوشن آرکیٹیکٹ ہے جس میں جدید حلوں کا شوق ہے۔ وہ بہت سی تقسیم شدہ مشین لرننگ خدمات اور حلوں میں مہارت رکھتا ہے اور اسے تیار کر چکا ہے۔ Gal AWS صارفین کو ان کی انجینئرنگ اور جنریٹو AI چیلنجز کو تیز کرنے اور ان پر قابو پانے میں مدد کرنے پر بھی توجہ مرکوز کرتا ہے۔
تال پنچیک ایمیزون ویب سروسز کے ساتھ مصنوعی ذہانت اور مشین لرننگ کے لیے سینئر بزنس ڈویلپمنٹ مینیجر ہیں۔ ایک BD اسپیشلسٹ کے طور پر، وہ AWS خدمات کو اپنانے، استعمال کرنے اور آمدنی بڑھانے کے لیے ذمہ دار ہے۔ وہ گاہک اور صنعت کی ضروریات کو اکٹھا کرتا ہے اور AWS پروڈکٹ ٹیموں کے ساتھ شراکت کرتا ہے تاکہ AWS حل کو اختراعی، ترقی اور ڈیلیور کیا جا سکے۔
تمیر روبنسکی Nielsen Sports میں عالمی R&D انجینئرنگ کی قیادت کرتا ہے، جدید مصنوعات بنانے اور اعلیٰ کارکردگی کا مظاہرہ کرنے والی ٹیموں کے انتظام میں وسیع تجربہ لاتا ہے۔ اس کے کام نے جدید، AI سے چلنے والے حل کے ذریعے کھیلوں کی کفالت کے میڈیا کی تشخیص کو تبدیل کر دیا۔
Aviad Aranias ایک MLOps ٹیم لیڈر اور Nielsen Sports Analysis architect ہے جو متعدد چینلز پر کھیلوں کے ایونٹ کی ویڈیوز کا تجزیہ کرنے کے لیے پیچیدہ پائپ لائنز بنانے میں مہارت رکھتا ہے۔ وہ بڑے پیمانے پر ڈیٹا کو مؤثر طریقے سے ہینڈل کرنے کے لیے گہرے سیکھنے کے ماڈل بنانے اور ان کی تعیناتی میں مہارت رکھتا ہے۔ اپنے فارغ وقت میں، وہ مزیدار نیپولین پیزا پکانے سے لطف اندوز ہوتا 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/nielsen-sports-sees-75-cost-reduction-in-video-analysis-with-amazon-sagemaker-multi-model-endpoints/
- : ہے
- : ہے
- :کہاں
- 000
- 1
- 100
- 12
- 120
- 150
- 20
- 40
- 60
- 600
- 7
- a
- کی صلاحیت
- قابلیت
- رفتار کو تیز تر
- تک رسائی حاصل
- درستگی
- درست
- درست طریقے سے
- حاصل کیا
- کے پار
- قابل عمل
- شامل کریں
- اس کے علاوہ
- ایڈیشنل
- منہ بولابیٹا بنانے
- فوائد
- اشتہار.
- AI
- AI سے چلنے والا
- یلگوردمز
- تمام
- کی اجازت
- کی اجازت دیتا ہے
- بھی
- ایمیزون
- ایمیزون سیج میکر
- ایمیزون ویب سروسز
- an
- تجزیہ
- تجزیہ کار
- تجزیاتی
- تجزیہ
- اور
- فن تعمیر
- کیا
- ارد گرد
- مضامین
- مصنوعی
- مصنوعی ذہانت
- مصنوعی انٹیلی جنس (AI)
- مصنوعی انٹیلی جنس اور مشین سیکھنا
- AS
- اسسٹنس
- At
- سامعین
- خود کار طریقے سے
- میشن
- AWS
- واپس
- بینر
- کی بنیاد پر
- BD
- BE
- کیونکہ
- رویے
- فائدہ
- فوائد
- کے درمیان
- سب سے بڑا
- ارب
- دونوں
- رکاوٹیں
- برانڈ
- برانڈز
- آ رہا ہے
- نشر
- نشریات
- تعمیر
- عمارت
- تعمیر
- کاروبار
- کاروبار کی ترقی
- by
- حساب
- مہم
- کر سکتے ہیں
- صلاحیتوں
- چیلنجوں
- تبدیل
- چینل
- چینل
- خصوصیات
- کلائنٹس
- کلپس
- مجموعہ
- جمع
- موازنہ
- مکمل کرتا ہے
- پیچیدہ
- جزو
- اجزاء
- کمپیوٹر
- کمپیوٹر ویژن
- آپکا اعتماد
- رابطہ قائم کریں
- پر مشتمل ہے
- مواد
- کور
- کونے
- قیمت
- قیمت میں کمی
- مہنگی
- تیار
- گاہک
- گاہکوں
- جدید
- ڈیش بورڈ
- اعداد و شمار
- ڈیٹا پوائنٹس
- ڈیٹا سائنس
- ڈیٹا بیس
- دن
- دن
- فیصلہ کیا
- کمی
- وقف
- گہری
- گہری سیکھنے
- نجات
- ڈیلیور
- تعیناتی
- تعینات
- بیان
- مطلوبہ
- ترقی
- ترقی یافتہ
- ترقی
- آریھ
- مختلف
- مشکل
- براہ راست
- براہ راست رسائی
- دریافت
- تقسیم کئے
- do
- کے دوران
- متحرک
- ہر ایک
- تاثیر
- مؤثر طریقے سے
- الیکٹرانک
- بااختیار
- اختتام پوائنٹ
- مشغول
- انجینئر
- انجنیئرنگ
- انٹرپرائز
- تشخیص
- بھی
- واقعہ
- ہر کوئی
- جانچ پڑتال
- مثال کے طور پر
- موجودہ
- تجربہ
- نمائش
- نکالنے
- تیز تر
- نمایاں کریں
- اعداد و شمار
- مالی
- پہلا
- پانچ
- توجہ مرکوز
- کے بعد
- کے لئے
- فریم ورک
- سے
- مکمل
- مزید
- مستقبل
- GAL
- کھیل ہی کھیل میں
- پیداواری
- پیداواری AI۔
- حاصل
- دی
- فراہم کرتا ہے
- گلوبل
- گولڈن
- GPU
- GPUs
- بتدریج
- گروپ
- گروپ کا
- بڑھتے ہوئے
- مہمان
- مہمان پوسٹ
- رہنمائی
- رہنمائی
- تھا
- ہینڈل
- ہے
- ہونے
- he
- مدد
- اعلی کارکردگی
- ان
- میزبان
- گھنٹہ
- HOURS
- کس طرح
- کیسے
- HTTPS
- شناخت
- کی نشاندہی
- شناخت
- if
- وضاحت کرتا ہے
- تصویر
- تصاویر
- فوری طور پر
- پر عملدرآمد
- بہتری
- بہتری
- کو بہتر بنانے کے
- in
- شامل
- شامل ہیں
- سمیت
- اضافہ
- اضافہ
- اضافہ
- آزاد
- صنعت
- ناکافی
- اندازہ لگایا
- معلومات
- انفراسٹرکچر
- اختراعات
- جدید
- بصیرت
- کے بجائے
- انٹیلی جنس
- بین الاقوامی سطح پر
- میں
- سرمایہ کاری
- IT
- میں
- فوٹو
- جانتا ہے
- بڑے پیمانے پر
- سب سے بڑا
- تازہ ترین
- رہنما
- لیڈز
- لیگ
- سیکھنے
- کی وراست
- کم
- سطح
- زندگی کا دورانیہ
- مقامی
- محل وقوع
- لانگ
- دیکھو
- لو
- مشین
- مشین لرننگ
- مشینیں
- برقرار رکھنے کے
- مینیجر
- مینیجنگ
- بہت سے
- پیمائش
- میڈیا
- میٹا ڈیٹا
- ہجرت کرنا
- دس لاکھ
- منٹ
- مشن
- ML
- ایم ایل اوپس
- ماڈل
- ماڈل
- نگرانی
- مہینہ
- ماہ
- زیادہ
- ایک سے زیادہ
- ضروری
- قومی
- ضرورت ہے
- ضروریات
- نئی
- نیا
- اخبارات
- اگلے
- اب
- تعداد
- تعداد
- متعدد
- of
- پرانا
- on
- ایک
- آن لائن
- صرف
- کام
- آپریشنل
- اصلاح کے
- اصلاح
- or
- دیگر
- ہمارے
- نتائج
- پر
- مجموعی طور پر
- پر قابو پانے
- زمین کے اوپر
- پیک
- متوازی
- حصہ
- پارٹنر
- جذبہ
- لوگ
- انجام دیں
- کارکردگی
- پائپ لائن
- منصوبہ بندی
- پلیٹ فارم
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- کھلاڑی
- پوائنٹس
- پوسٹ
- پچھلا
- پہلے
- عمل
- مصنوعات
- پیداوار
- پیداوری
- حاصل
- پروگرامنگ
- فراہم
- معیار
- آر اینڈ ڈی
- خام
- پڑھنا
- ریکارڈ
- ریکارڈنگ
- کو کم
- کم
- کمی
- کا حوالہ دیتے ہیں
- باقاعدہ
- متعلقہ
- رپورٹیں
- نمائندے
- تحقیق
- ذمہ دار
- باقی
- نتائج کی نمائش
- واپسی
- آمدنی
- حقوق
- ROI
- لپیٹنا
- رن
- چل رہا ہے
- چلتا ہے
- رن ٹائم
- محفوظ طریقے سے
- sagemaker
- توسیع پذیر
- پیمانے
- سکیلنگ
- شیڈول
- شیڈولنگ
- سائنس
- اسکور
- سیکنڈ
- دیکھتا
- حصے
- انقطاع
- حصوں
- سینئر
- سروسز
- کئی
- سائز
- مشترکہ
- سے ظاہر ہوا
- شوز
- سائن ان کریں
- آسان
- بیک وقت
- ایک
- سائز
- سست
- So
- سماجی
- سوشل میڈیا
- سافٹ ویئر کی
- سافٹ ویئر انجنیئر
- حل
- حل
- کچھ
- ماہر
- مہارت دیتا ہے
- مخصوص
- خاص طور پر
- خرچ
- اسپانسر شپ
- کھیل
- اسپورٹس
- اسٹیج
- مراحل
- سٹریم
- اس طرح
- حمایت
- کے نظام
- ھدف بندی
- اہداف
- ٹاسک
- ٹیم
- ٹیموں
- ٹیکنیکل
- ٹیکنالوجی
- دہلی
- ٹیسٹ
- ٹیسٹنگ
- سے
- کہ
- ۔
- مستقبل
- دنیا
- ان
- ان
- خود
- تو
- وہ
- اس
- ہزار
- ہزاروں
- تین
- کے ذریعے
- وقت
- کرنے کے لئے
- لیا
- سب سے اوپر
- کل
- ٹریک
- تبدیل
- tv
- ٹھیٹھ
- کے تحت
- سمجھ
- افہام و تفہیم
- اعلی درجے کی
- us
- استعمال
- استعمال کی شرائط
- کا استعمال کرتے ہوئے
- تشخیص
- مختلف حالتوں
- وسیع
- VeloCity
- ویڈیو
- ویڈیوز
- کی نمائش
- نقطہ نظر
- چاہتے تھے
- تھا
- راستہ..
- we
- ویب
- ویب خدمات
- ہفتے کے آخر میں
- تھے
- جس
- ڈبلیو
- ساتھ
- کام
- کام کا بہاؤ
- کام کر
- کام کرتا ہے
- دنیا
- دنیا کی
- گا
- سال
- زیفیرنیٹ