یہ پوسٹ گریگ بینسن، چیف سائنٹسٹ کے ساتھ مل کر لکھی گئی تھی۔ آرون کیسلر، سینئر پروڈکٹ مینیجر؛ اور Rich Dill، SnapLogic سے انٹرپرائز سلوشنز آرکیٹیکٹ۔
بہت سے صارفین جنریٹو AI ایپس بنا رہے ہیں۔ ایمیزون بیڈرک اور ایمیزون کوڈ وِسپرر قدرتی زبان پر مبنی کوڈ نمونے بنانے کے لیے۔ استعمال کا یہ کیس اس بات پر روشنی ڈالتا ہے کہ کس طرح بڑے لینگویج ماڈل (LLMs) انسانی زبانوں (انگریزی، ہسپانوی، عربی، اور مزید) اور مشینی تشریحی زبانوں (Python، Java، Scala، SQL، اور اسی طرح) کے درمیان مترجم بننے کے قابل ہیں۔ اندرونی استدلال LLMs میں اس ابھرتی ہوئی صلاحیت نے سافٹ ویئر ڈویلپرز کو LLMs کو ایک آٹومیشن اور UX بڑھانے والے ٹول کے طور پر استعمال کرنے پر مجبور کیا ہے جو قدرتی زبان کو ڈومین کے لیے مخصوص زبان (DSL) میں تبدیل کرتا ہے: سسٹم کی ہدایات، API کی درخواستیں، کوڈ آرٹفیکٹس، اور بہت کچھ۔ اس پوسٹ میں، ہم آپ کو دکھاتے ہیں کہ کیسے سنیپ لاجک, AWS گاہک نے اپنے پاور کے لیے Amazon Bedrock کا استعمال کیا۔ سنیپ جی پی ٹی انسانی زبان سے ان پیچیدہ DSL نمونوں کی خودکار تخلیق کے ذریعے پروڈکٹ۔
جب گاہک LLMs سے DSL آبجیکٹ بناتے ہیں، نتیجے میں آنے والا DSL یا تو ایک عین مطابق نقل ہوتا ہے یا موجودہ انٹرفیس ڈیٹا اور اسکیما کا اخذ ہوتا ہے جو بیکنگ سروس میں UI اور کاروباری منطق کے درمیان معاہدہ کرتا ہے۔ یہ نمونہ خاص طور پر آزاد سافٹ ویئر وینڈرز (ISVs) اور سافٹ ویئر بطور سروس (SaaS) ISVs کے ساتھ کوڈ کے ذریعے کنفیگریشنز کی نمائندگی کرنے کے ان کے منفرد طریقے اور اپنے صارفین کے لیے صارف کے تجربے کو آسان بنانے کی خواہش کی وجہ سے ٹرینڈ کر رہا ہے۔ مثال کے استعمال کے معاملات میں شامل ہیں:
AWS پر LLMs کے ساتھ ٹیکسٹ ٹو پائپ لائن ایپلی کیشنز بنانے اور اسکیل کرنے کا سب سے سیدھا طریقہ Amazon Bedrock کا استعمال ہے۔ Amazon Bedrock فاؤنڈیشن ماڈلز (FMs) کے ساتھ جنریٹو AI ایپلی کیشنز کو بنانے اور اسکیل کرنے کا سب سے آسان طریقہ ہے۔ یہ ایک مکمل طور پر منظم سروس ہے جو ایک ہی API کے ذریعے معروف AI سے اعلی کارکردگی کا مظاہرہ کرنے والی فاؤنڈیشن FMs کے انتخاب تک رسائی فراہم کرتی ہے، اس کے ساتھ آپ کو پرائیویسی اور سیکیورٹی کے ساتھ جنریٹیو AI ایپلی کیشنز بنانے کے لیے درکار صلاحیتوں کے وسیع سیٹ کے ساتھ۔ اینتھروپک، ایک AI حفاظتی اور تحقیقی لیب جو قابل بھروسہ، قابل تشریح، اور چلانے کے قابل AI سسٹمز بناتی ہے، ایک معروف AI کمپنیوں میں سے ایک ہے جو Amazon Bedrock پر اپنے جدید ترین LLM، Claude تک رسائی فراہم کرتی ہے۔ Claude ایک LLM ہے جو سوچ سمجھ کر مکالمے، مواد کی تخلیق، پیچیدہ استدلال، تخلیقی صلاحیتوں اور کوڈنگ سے لے کر کاموں کی ایک وسیع رینج میں سبقت لے جاتا ہے۔ انتھروپک کلاڈ اور کلاڈ انسٹنٹ دونوں ماڈل پیش کرتا ہے، یہ سبھی Amazon Bedrock کے ذریعے دستیاب ہیں۔ کلاڈ نے اپنی بہتر استدلال کی صلاحیت کی وجہ سے ان ٹیکسٹ ٹو پائپ لائن ایپلی کیشنز میں تیزی سے مقبولیت حاصل کی ہے، جس کی وجہ سے وہ مبہم تکنیکی مسائل کو حل کرنے میں مہارت حاصل کر سکتا ہے۔ Amazon Bedrock پر Claude 2 100,000 ٹوکن سیاق و سباق کی ونڈو کو سپورٹ کرتا ہے، جو انگریزی متن کے تقریباً 200 صفحات کے برابر ہے۔ یہ ایک خاص طور پر اہم خصوصیت ہے جس پر آپ ٹیکسٹ ٹو پائپ لائن ایپلی کیشنز بناتے وقت بھروسہ کر سکتے ہیں جس کے لیے پیچیدہ استدلال، تفصیلی ہدایات اور جامع مثالوں کی ضرورت ہوتی ہے۔
سنیپ لاجک پس منظر
SnapLogic دنیا میں انٹرپرائز آٹومیشن لانے کے مشن پر AWS کسٹمر ہے۔ SnapLogic Intelligent Integration Platform (IIP) تنظیموں کو اس قابل بناتا ہے کہ وہ اپنے پورے ایکو سسٹم ایپلی کیشنز، ڈیٹا بیسز، بڑے ڈیٹا، مشینوں اور آلات، APIs، اور بہت کچھ کو Snaps کہلانے والے پہلے سے تعمیر شدہ، ذہین کنیکٹرز کے ساتھ جوڑ کر انٹرپرائز وائیڈ آٹومیشن کا احساس کریں۔ اسنیپ لاجک نے حال ہی میں ایک خصوصیت جاری کی جس کا نام ہے۔ سنیپ جی پی ٹی، جو ایک ٹیکسٹ انٹرفیس فراہم کرتا ہے جہاں آپ مطلوبہ انضمام پائپ لائن ٹائپ کرسکتے ہیں جسے آپ سادہ انسانی زبان میں بنانا چاہتے ہیں۔ SnapGPT ان انٹیگریشن پائپ لائنوں کی تخلیق کو کوڈ کے طور پر خودکار بنانے کے لیے Amazon Bedrock کے ذریعے Anthropic's Claude ماڈل کا استعمال کرتا ہے، جو اس کے بعد SnapLogic کے فلیگ شپ انٹیگریشن سلوشن کے ذریعے استعمال ہوتے ہیں۔ تاہم، SnapLogic کا SnapGPT کا سفر AI اسپیس میں کام کرنے والے کئی سالوں کا اختتام رہا ہے۔
اسنیپ لاجک کا AI سفر
انٹیگریشن پلیٹ فارمز کے دائرے میں، SnapLogic مصنوعی ذہانت کی تبدیلی کی طاقت کو بروئے کار لاتے ہوئے، مسلسل سب سے آگے رہا ہے۔ سالوں کے دوران، AI کے ساتھ اختراع کرنے کے لیے کمپنی کا عزم واضح ہو گیا ہے، خاص طور پر جب ہم اس سفر کا سراغ لگاتے ہیں IRIS کرنے کے لئے آٹو لنک.
آئرس کے ساتھ شائستہ آغاز
2017 میں، SnapLogic نے Iris کی نقاب کشائی کی، جو کہ صنعت کی پہلی AI سے چلنے والی انٹیگریشن اسسٹنٹ ہے۔ Iris کو مشین لرننگ (ML) الگورتھم استعمال کرنے کے لیے ڈیزائن کیا گیا تھا تاکہ ڈیٹا پائپ لائن کی تعمیر کے اگلے مراحل کی پیشن گوئی کی جا سکے۔ لاکھوں میٹا ڈیٹا عناصر اور ڈیٹا کے بہاؤ کا تجزیہ کرکے، Iris صارفین کو ذہین تجاویز دے سکتا ہے، ڈیٹا کے انضمام کو جمہوری بنا سکتا ہے اور گہرے تکنیکی پس منظر کے بغیر پیچیدہ ورک فلو بنانے کی اجازت بھی دے سکتا ہے۔
آٹو لنک: تعمیر کی رفتار
Iris سے حاصل ہونے والی کامیابی اور سیکھنے پر روشنی ڈالتے ہوئے، SnapLogic نے AutoLink متعارف کرایا، ایک خصوصیت جس کا مقصد ڈیٹا میپنگ کے عمل کو مزید آسان بنانا ہے۔ سورس اور ٹارگٹ سسٹم کے درمیان فیلڈز کو دستی طور پر میپ کرنے کا مشکل کام AutoLink کے ساتھ ہوا کا جھونکا بن گیا۔ AI کا استعمال کرتے ہوئے، AutoLink نے خود بخود شناخت کی اور ممکنہ مماثلتیں تجویز کیں۔ انٹیگریشن جس میں ایک بار گھنٹے لگتے تھے صرف منٹوں میں چلائے جا سکتے تھے۔
SnapGPT کے ساتھ جنریٹیو لیپ
AI میں SnapLogic کی تازہ ترین پیش رفت ہمارے لیے SnapGPT لاتی ہے، جس کا مقصد انضمام میں مزید انقلاب لانا ہے۔ SnapGPT کے ساتھ، SnapLogic نے دنیا کا پہلا جنریٹو انٹیگریشن حل متعارف کرایا ہے۔ یہ صرف موجودہ عمل کو آسان بنانے کے بارے میں نہیں ہے، بلکہ مکمل طور پر دوبارہ تصور کرنا ہے کہ انضمام کو کس طرح ڈیزائن کیا گیا ہے۔ جنریٹو AI کی طاقت شروع سے پوری انضمام پائپ لائنیں بنا سکتی ہے، مطلوبہ نتائج اور ڈیٹا کی خصوصیات کی بنیاد پر ورک فلو کو بہتر بنا سکتی ہے۔
SnapGPT SnapLogic کے صارفین کے لیے انتہائی متاثر کن ہے کیونکہ وہ اپنی پہلی SnapLogic پائپ لائن بنانے کے لیے درکار وقت میں زبردست کمی کر سکتے ہیں۔ روایتی طور پر، SnapLogic صارفین کو شروع سے انضمام پائپ لائنوں کو ترتیب دینے میں دن یا ہفتے گزارنے کی ضرورت ہوگی۔ اب، یہ گاہک صرف SnapGPT سے پوچھ سکتے ہیں، مثال کے طور پر، "ایک پائپ لائن بنائیں جو میرے تمام فعال SFDC صارفین کو ورک ڈے پر لے جائے گی۔" پائپ لائن کا کام کرنے والا پہلا مسودہ اس صارف کے لیے خود بخود تیار ہو جاتا ہے، جس سے ان کی انٹیگریشن پائپ لائن کی بنیاد بنانے کے لیے درکار ترقیاتی وقت میں تیزی سے کمی آتی ہے۔ یہ اختتامی صارف کو انٹیگریشن پائپ لائن کی ترتیب پر کام کرنے کی بجائے اس بات پر توجہ مرکوز کرنے میں زیادہ وقت گزارنے کی اجازت دیتا ہے کہ ان پر حقیقی کاروباری اثر کیا ہے۔ مندرجہ ذیل مثال سے پتہ چلتا ہے کہ کس طرح ایک SnapLogic گاہک قدرتی زبان کا استعمال کرتے ہوئے تیزی سے پائپ لائن بنانے کے لیے SnapGPT فیچر میں تفصیل درج کر سکتا ہے۔
AWS اور SnapLogic نے اس پروڈکٹ کی تعمیر میں قریبی تعاون کیا ہے اور راستے میں بہت کچھ سیکھا ہے۔ اس پوسٹ کا بقیہ حصہ AWS اور SnapLogic کی تکنیکی سیکھنے پر توجہ مرکوز کرے گا جو ٹیکسٹ ٹو پائپ لائن ایپلی کیشنز کے لیے LLMs کا استعمال کر چکے ہیں۔
حل جائزہ
اس ٹیکسٹ ٹو پائپ لائن مسئلہ کو حل کرنے کے لیے، AWS اور SnapLogic نے مندرجہ ذیل فن تعمیر میں دکھایا گیا ایک جامع حل تیار کیا۔
SnapGPT کو ایک درخواست درج ذیل ورک فلو سے گزرتی ہے:
- ایک صارف درخواست میں تفصیل جمع کراتا ہے۔
- SnapLogic SnapLogic پائپ لائنوں کی متعلقہ مثالوں کو بازیافت کرنے کے لیے Retrieval Augmented Generation (RAG) اپروچ استعمال کرتا ہے جو صارف کی درخواست سے ملتی جلتی ہیں۔
- یہ نکالی گئی متعلقہ مثالیں صارف کے ان پٹ کے ساتھ جوڑ دی جاتی ہیں اور Amazon Bedrock پر Claude کو بھیجے جانے سے پہلے کچھ ٹیکسٹ پری پروسیسنگ سے گزرتی ہیں۔
- Claude ایک JSON آرٹفیکٹ تیار کرتا ہے جو SnapLogic پائپ لائن کی نمائندگی کرتا ہے۔
- JSON آرٹفیکٹ کو براہ راست بنیادی SnapLogic انٹیگریشن پلیٹ فارم سے مربوط کیا گیا ہے۔
- SnapLogic پائپ لائن صارف کو بصری دوستانہ انداز میں پیش کی گئی ہے۔
AWS اور SnapLogic کے درمیان مختلف تجربات کے ذریعے، ہم نے ان ٹیکسٹ ٹو پائپ لائن آؤٹ پٹس کے لیے اعلیٰ معیار کے آؤٹ پٹ پیدا کرنے کے لیے حل ڈایاگرام کا فوری انجینئرنگ مرحلہ انتہائی اہم پایا ہے۔ اگلا حصہ اس جگہ میں کلاڈ کے ساتھ استعمال ہونے والی کچھ مخصوص تکنیکوں میں مزید جاتا ہے۔
فوری تجربہ
SnapGPT، AWS اور SnapLogic کے ترقیاتی مرحلے کے دوران پتہ چلا کہ Claude کو بھیجے جانے والے اشارے پر تیز رفتار تکرار SnapLogic کے آؤٹ پٹس میں ٹیکسٹ ٹو پائپ لائن آؤٹ پٹ کی درستگی اور مطابقت کو بہتر بنانے کے لیے ایک اہم ترقیاتی کام تھا۔ کا استعمال کرتے ہوئے ایمیزون سیج میکر اسٹوڈیو انٹرایکٹو نوٹ بک، AWS اور SnapLogic ٹیم کو استعمال کرتے ہوئے پرامپٹس کے مختلف ورژن کے ذریعے تیزی سے کام کرنے کے قابل تھے۔ Boto3 SDK کا ایمیزون بیڈرک سے کنکشن. نوٹ بک پر مبنی ترقی نے ٹیموں کو ایمیزون بیڈرک سے کلائنٹ سائیڈ کنکشن بنانے کی اجازت دی، ایمیزون بیڈرک کو پرامپٹ بھیجنے کے لیے ازگر کوڈ کے ساتھ ٹیکسٹ پر مبنی وضاحتیں شامل کیں، اور مشترکہ پرامپٹ انجینئرنگ سیشنز منعقد کیے جہاں متعدد افراد کے درمیان تیزی سے تکرار کی گئی۔
انتھروپک کلاڈ پرامپٹ انجینئرنگ کے طریقے
اس سیکشن میں، ہم کچھ تکراری تکنیکوں کی وضاحت کرتے ہیں جو ہم نے ایک مثالی صارف کی درخواست کی بنیاد پر ایک اعلی کارکردگی کا اشارہ بنانے کے لیے استعمال کیا تھا: "ایک پائپ لائن بنائیں جو ExampleCompany ڈیٹا بیس کا استعمال کرے جو تمام فعال صارفین کو بازیافت کرے۔" نوٹ کریں کہ یہ مثال وہ اسکیما نہیں ہے جس کے ذریعے SnapGPT چلایا جاتا ہے، اور اس کا استعمال صرف ٹیکسٹ ٹو پائپ لائن ایپلیکیشن کو واضح کرنے کے لیے کیا جاتا ہے۔
اپنی پرامپٹ انجینئرنگ کی بنیاد رکھنے کے لیے، ہم درج ذیل اصل پرامپٹ کا استعمال کرتے ہیں:
ایک پائپ لائن بنائیں جو ExampleCompany ڈیٹا بیس کا استعمال کرے جو تمام فعال صارفین کو بازیافت کرے۔
متوقع پیداوار مندرجہ ذیل ہے:
{ "database": "ExampleCompany", "query": "SELECT * FROM ec_prod.customers WHERE status = 'active'" }
بہتری #1: انسانی اور معاون تشریحات کا استعمال
کلاڈ کا تربیتی طریقہ کار ایف ایم کو اس کے فوری ڈھانچے میں انسان اور اسسٹنٹ کے درمیان مکالمے کو سمجھنا سکھاتا ہے۔ کلاڈ کے صارفین اسسٹنٹ: میں اپنے پرامپٹ کو ختم کر کے اس ڈھانچے کا فائدہ اٹھا سکتے ہیں، جو کلاڈ کو انسان کے کہنے کی بنیاد پر سوال کا جواب پیدا کرنا شروع کر دے گا۔ نوٹ کریں کہ چونکہ کلاڈ اس وقت تک متن تیار کرتا رہے گا جب تک کہ اسے رکنے کو نہیں کہا جاتا، اس لیے یقینی بنائیں کہ آپ Claude کا استعمال کرتے وقت Amazon Bedrock کو API کی درخواست میں nnHuman: کا اسٹاپ سیکونس استعمال کرتے ہیں۔ یہ اس بات کو یقینی بنائے گا کہ آپ کو صرف اسسٹنٹ کی طرف سے جواب ملے گا نہ کہ ڈائیلاگ چین میں انسان کی طرف سے پیش گوئی کردہ اگلا جواب۔ یہ nnHuman اور nnAssistant اشارے نہ صرف متعلقہ معلومات کے لیے Claude کے ردعمل کو محدود کرنے میں مدد کرتے ہیں بلکہ بنیادی انسانی معلومات اور دیگر تعاملات سے معاون ردعمل کے درمیان واضح حد بندی فراہم کرنے میں بھی مدد کرتے ہیں۔ یہ خاص طور پر چند شاٹ پرامپٹ ترتیب میں مدد کرتا ہے جہاں آپ nnHuman کے ساتھ ٹیگ کردہ سوالات اور nnAssistant کے ساتھ ٹیگ کیے گئے پچھلے جوابات کے ساتھ متعدد سوالات اور جوابات حاصل کرسکتے ہیں۔ آئیے Boto3 SDK کے ذریعے Amazon Bedrock پر بہتر پرامپٹ اور متعلقہ مثالی API کال کو دیکھتے ہیں۔
ہم مندرجہ ذیل اشارہ استعمال کرتے ہیں:
انسانی: ایک پائپ لائن بنائیں جو ExampleCompany ڈیٹا بیس کا استعمال کرے جو تمام فعال صارفین کو بازیافت کرے۔
معاون:
آؤٹ پٹ مندرجہ ذیل ہے:
ExampleCompany ڈیٹا بیس سے تمام فعال صارفین کو بازیافت کرنے کے لیے یہاں ایک MongoDB پائپ لائن ہے:
pipeline = [ { '$match': { 'database': 'ExampleCompany', 'status': 'active' } } ] db.customers.aggregate(pipeline)
اہم اقدامات یہ ہیں:
- '$match' صرف ان دستاویزات کو فلٹر کرنے کے لیے جو ExampleCompany ڈیٹا بیس میں ہیں اور "فعال" کے برابر حیثیت کے ساتھ۔
- `db.customers.aggregate()` صارفین کے مجموعہ پر پائپ لائن چلاتا ہے اور فلٹر شدہ نتائج واپس کرتا ہے۔
لہذا یہ ExampleCompany ڈیٹا بیس سے تمام کسٹمر دستاویزات واپس کر دے گا جہاں اسٹیٹس فیلڈ کو "فعال" پر سیٹ کیا گیا ہے۔
دیکھیں کہ کس طرح آؤٹ پٹ میں، Claude بغیر کسی سیاق و سباق کے ہمارے سوال کا جواب بناتا ہے۔ جواب ممکنہ طور پر مددگار ہے، لیکن یہ اس مسئلے کے لیے مخصوص نہیں ہے جسے ہم حل کرنے کی کوشش کر رہے ہیں کیونکہ اسے کافی سیاق و سباق فراہم نہیں کیا گیا ہے۔ یہ نوٹ کرنا بھی ضروری ہے کہ Claude ماڈلز استعمال کرتے وقت Anthropic کو اس انسانی اور اسسٹنٹ فارمیٹ کی ضرورت ہوتی ہے۔ اگر آپ یہ مرحلہ شامل نہیں کرتے ہیں، تو Amazon Bedrock ایک غلطی واپس کر دے گا۔
بہتری #2: کلاڈ کے لیے انتہائی مخصوص سیاق و سباق کو شامل کریں اس سے پہلے کہ اسے بتایا جائے کہ کیا کرنا ہے۔
Claude بہترین کارکردگی کا مظاہرہ کرتا ہے جب اسے اس بارے میں اچھا سیاق و سباق دیا جاتا ہے کہ اسے کس چیز کو پورا کرنے کی ضرورت ہے اور ساتھ ہی اسے اس کام کو کیسے پورا کرنا ہے۔ کلاڈ کو کام بتانے سے پہلے اس کے لیے سیاق و سباق کے طور پر شامل کرنے کے لیے چیزوں کی چند مثالیں یہ ہیں:
- ملازمت کے اس فنکشن کی وضاحت کریں جو آپ کلاڈ کو پورا کرنا چاہتے ہیں۔ ایسا کرنے سے، آپ کلاڈ کو اس کام میں کام کرنے والے کسی کے کردار کے بارے میں سوچنے پر مجبور کر رہے ہیں، یا اس سے زیادہ جیسے کسی کو صرف اس مخصوص ملازمت کے کردار میں رکھا گیا ہے۔ یہ کلاڈ کو اس مخصوص کام کے کردار کے نقطہ نظر سے جواب تیار کرنے میں مدد کرے گا، جواب میں فریب اور بے ترتیب پن کو کم کرے گا۔
- آؤٹ پٹ فارمیٹ سے متعلق تکنیکی تفصیلات شامل کریں۔ فاؤنڈیشن ماڈل عام طور پر مندرجہ ذیل اعمال میں اچھے ہوتے ہیں، اس لیے Claude کو ایک یا چند مثالوں کے ساتھ مخصوص فارمیٹ یا اسکیما میں آؤٹ پٹ تیار کرنے کے لیے کہنے سے Claude کو صحیح فارمیٹ میں جواب فراہم کرنے میں مدد ملے گی، جس سے آؤٹ پٹ کی فلٹرنگ اور پوسٹ پروسیسنگ کی ضرورت کم ہوگی۔ مندرجہ ذیل پرامپٹ میں مثال ایک فرضی اسکیما دکھاتی ہے جو متوقع آؤٹ پٹ سے میل کھاتا ہے۔
آئیے اپنے اصل اشارے کو بہتر بنانے کے لیے ان تجاویز کو یکجا کریں:
انسان: آپ کا کام ETL پائپ لائنز کے ماہر کے طور پر کام کرنا ہے۔ خاص طور پر، آپ کا کام ETL پائپ لائن کی JSON نمائندگی بنانا ہے جو آپ کو فراہم کردہ صارف کی درخواست کو حل کرے گی۔
JSON آؤٹ پٹ کو درج ذیل فارمیٹ کی پیروی کرنی چاہیے:
یہ آپ کا کام ہے: ایک پائپ لائن بنائیں جو ExampleCompany ڈیٹا بیس کا استعمال کرے جو تمام فعال صارفین کو بازیافت کرے۔
معاون:
آؤٹ پٹ مندرجہ ذیل ہے:
ExampleCompany ڈیٹا بیس سے تمام فعال صارفین کو بازیافت کرنے کے لیے ETL پائپ لائن کی JSON نمائندگی یہ ہے:
یہ پائپ لائن ExampleCompany ڈیٹا بیس اور ایک SQL استفسار کا استعمال کرتی ہے تاکہ صارفین کی میز سے تمام ریکارڈز کو منتخب کیا جا سکے جہاں اسٹیٹس 'فعال' ہے۔
سیاق و سباق کے اضافے کے ساتھ، ماڈل اب ہمارے جواب کا زیادہ تر راستہ حاصل کرنے کے قابل ہے۔ یہ اب جانتا ہے کہ آؤٹ پٹ کو کس طرح ڈھانچہ بنانا ہے اور یہ سمجھتا ہے کہ کام کو حل کرنے کے لیے اسے SQL بیان لکھنے کی ضرورت ہے۔ تاہم، آپ دیکھیں گے کہ ماڈل ec_prod.customers نام کا صحیح استعمال نہیں کرتا جس کی ہم توقع کر رہے ہیں۔ بہتری کی گنجائش! یہ بھی نوٹ کریں، عملی طور پر، آپ کو ٹیکسٹ ٹو پائپ لائن کے استعمال کے معاملات میں اعلیٰ معیار کے نتائج کے لیے اس مثال سے زیادہ سیاق و سباق شامل کرنے کی ضرورت ہوگی۔
بہتری #3: XML ٹیگز میں مثالیں بند کرنا
FMs کے ساتھ درستگی کو بڑھانے کا چند شاٹ لرننگ ایک مقبول طریقہ ہے جہاں آپ کے پاس FM کی ان کے کام میں رہنمائی کے لیے متعلقہ مثالیں موجود ہیں۔ ٹیکسٹ ٹو پائپ لائن ایپلی کیشنز میں کام کرتے وقت یہ خاص طور پر اہم ہے کیونکہ یہ ہائپر مخصوص پائپ لائن آؤٹ پٹس عام طور پر کسی بھی عوامی ڈیٹاسیٹ میں شامل نہیں ہوتے ہیں کیونکہ وہ انفرادی صارف کے ڈیٹا کی نمائندگی کے لیے مخصوص ہوتے ہیں۔ Claude استعمال کرتے وقت، آپ ان مثالوں کو چند شاٹ فارمیٹ میں فراہم کرنے کے لیے صوابدیدی XML ٹیگز کے اس کے فطری علم سے فائدہ اٹھا سکتے ہیں۔ درج ذیل بہتر پرامپٹ میں، منسلک مثالوں کے اضافے پر غور کریں۔ XML ٹیگز۔ اس کے علاوہ، آپ کلاؤڈ کو سیاق و سباق فراہم کرنے کے لیے H اور A کے ساتھ انسانی اور اسسٹنٹ کے لیے مخففات استعمال کر سکتے ہیں، یہ سوچے بغیر کہ یہ پہلے سے ہونے والے مکالمے کے مخصوص ٹکڑے تھے۔
ہم مندرجہ ذیل اشارہ استعمال کرتے ہیں:
انسان: آپ کا کام ETL پائپ لائنز کے ماہر کے طور پر کام کرنا ہے۔ خاص طور پر، آپ کا کام ETL پائپ لائن کی JSON نمائندگی بنانا ہے جو آپ کو فراہم کردہ صارف کی درخواست کو حل کرے گی۔
JSON آؤٹ پٹ کو درج ذیل فارمیٹ کی پیروی کرنی چاہیے:
یہاں صارف کی درخواستوں اور متعلقہ آؤٹ پٹ JSON نمونے کی کچھ مثالیں ہیں جو فراہم کردہ کام کو صحیح طریقے سے حل کرتی ہیں۔ اگر آپ وہی ڈیٹا بیس استعمال کر رہے ہیں تو وہی نام استعمال کرنا یقینی بنائیں جو مثالوں میں فراہم کیا گیا ہے۔
H: گاہک #1234 کے لیے کسی بھی فعال آرڈر کے لیے ExampleCompany ڈیٹا بیس سے استفسار کریں
A:
اس استفسار کا استدلال یہ ہے کہ گاہک #1234 کو فلٹر کیا گیا ہے اور ہم "ایکٹو" فلٹر کے بعد کسی بھی موجودہ ریکارڈ کے لیے "آرڈرز" ٹیبل تلاش کر رہے ہیں۔
H: ExampleCompany ڈیٹا بیس میں سے تمام صارفین کو ہٹا دیں جو پچھلے مہینے سے فعال نہیں ہیں۔
A:
اس استفسار کا استدلال یہ ہے کہ "ec_prod.customers" ٹیبل ExampleCompany ڈیٹا بیس میں واحد ٹیبل ہے جس میں گاہک کے ریکارڈ موجود ہیں۔
یہ آپ کا کام ہے: ایک پائپ لائن بنائیں جو ExampleCompany ڈیٹا بیس کا استعمال کرے جو تمام فعال صارفین کو بازیافت کرے۔
معاون:
آؤٹ پٹ مندرجہ ذیل ہے:
ExampleCompany ڈیٹا بیس سے تمام فعال صارفین کو بازیافت کرنے کے لیے ETL پائپ لائن کے لیے JSON کی نمائندگی یہ ہے:
استدلال یہ ہے:
ExampleCompany ڈیٹا بیس کو استعمال کرنے کے لیے ڈیٹا بیس کے طور پر بیان کیا گیا ہے۔
ec_prod.customers ٹیبل کسٹمر ڈیٹا پر مشتمل ہے۔
اسٹیٹس کا فیلڈ اس بات کی نشاندہی کرتا ہے کہ آیا کوئی گاہک فعال ہے تو استفسار صرف فعال صارفین کے لیے فلٹر کرتا ہے۔
یہ ExampleCompany ڈیٹا بیس سے تمام فعال کسٹمر ریکارڈز کو بازیافت کرے گا۔ مجھے بتائیں کہ کیا آپ کو کسی وضاحت کی ضرورت ہے یا ETL پائپ لائن کے لیے اضافی تقاضے ہیں!
JSON آؤٹ پٹ میں اب درست ڈیٹا بیس کا نام ہے، جسے Claude ہماری فراہم کردہ مثالوں کی وجہ سے استعمال کرنے کے قابل تھا۔ انسانی اور اسسٹنٹ انڈیکیٹرز کو XML ٹیگز کے ساتھ جوڑنے سے کلاڈ کے لیے یہ سمجھنا آسان ہو جاتا ہے کہ کام کیا ہے اور اسی طرح کی مثالوں میں جواب کیا تھا جس میں متعدد چند شاٹ مثالوں کے درمیان واضح علیحدگی تھی۔ Claude کے لیے سمجھنا جتنا آسان ہوگا، جواب اتنا ہی بہتر اور زیادہ متعلقہ ہوگا، جس سے ماڈل کے فریب میں مبتلا ہونے اور بے ترتیب غیر متعلقہ جوابات فراہم کرنے کا موقع مزید کم ہوگا۔
بہتری #4: XML ٹیگز کے ساتھ JSON جنریشن شروع کرنے کے لیے Claude کو متحرک کرنا
ایف ایم کا استعمال کرتے ہوئے ٹیکسٹ ٹو پائپ لائن ایپلی کیشنز کے ساتھ ایک چھوٹا چیلنج یہ ہے کہ نتیجے میں آنے والے ٹیکسٹ سے آؤٹ پٹ کو بالکل پارس کیا جائے تاکہ اسے ڈاؤن اسٹریم ایپلی کیشن میں کوڈ کے طور پر سمجھا جا سکے۔ Claude کے ساتھ اسے حل کرنے کا ایک طریقہ یہ ہے کہ اس کی XML ٹیگ کی سمجھ سے فائدہ اٹھائیں اور اسے حسب ضرورت اسٹاپ ترتیب کے ساتھ جوڑ دیں۔ مندرجہ ذیل پرامپٹ میں، ہم نے کلاڈ کو آؤٹ پٹ کو اندر بند کرنے کی ہدایت کی ہے۔ XML ٹیگز۔ پھر، ہم نے شامل کیا ہے پرامپٹ کے آخر تک ٹیگ کریں۔ یہ یقینی بناتا ہے کہ کلاڈ سے نکلنے والا پہلا متن JSON آؤٹ پٹ کا آغاز ہوگا۔ اگر آپ ایسا نہیں کرتے ہیں تو، Claude اکثر کچھ بات چیت کے متن کے ساتھ جواب دیتا ہے، پھر حقیقی کوڈ کا جواب۔ کلاڈ کو فوری طور پر آؤٹ پٹ جنریٹ کرنا شروع کرنے کی ہدایت دے کر، آپ بند ہونے کو دیکھتے ہی آسانی سے جنریشن روک سکتے ہیں۔ ٹیگ یہ اپ ڈیٹ شدہ Boto3 API کال میں دکھایا گیا ہے۔ اس تکنیک کے فوائد دو گنا ہیں۔ سب سے پہلے، آپ کلاڈ کے کوڈ کے جواب کو بالکل پارس کر سکتے ہیں۔ دوسرا، آپ لاگت کو کم کرنے کے قابل ہیں کیونکہ کلاڈ صرف کوڈ آؤٹ پٹ تیار کرتا ہے اور کوئی اضافی ٹیکسٹ نہیں۔ یہ Amazon Bedrock پر لاگت کو کم کرتا ہے کیونکہ آپ سے ہر ایک ٹوکن کے لیے چارج کیا جاتا ہے جو تمام FMs سے آؤٹ پٹ کے طور پر تیار ہوتا ہے۔
ہم مندرجہ ذیل اشارہ استعمال کرتے ہیں:
انسان: آپ کا کام ETL پائپ لائنز کے ماہر کے طور پر کام کرنا ہے۔ خاص طور پر، آپ کا کام ETL پائپ لائن کی JSON نمائندگی بنانا ہے جو آپ کو فراہم کردہ صارف کی درخواست کو حل کرے گی۔
JSON آؤٹ پٹ کو درج ذیل فارمیٹ کی پیروی کرنی چاہیے:
یہاں صارف کی درخواستوں اور متعلقہ آؤٹ پٹ JSON نمونے کی کچھ مثالیں ہیں جو فراہم کردہ کام کو صحیح طریقے سے حل کرتی ہیں۔ اگر آپ وہی ڈیٹا بیس استعمال کر رہے ہیں تو وہی نام استعمال کرنا یقینی بنائیں جو مثالوں میں فراہم کیا گیا ہے۔
H: گاہک #1234 کے لیے کسی بھی فعال آرڈر کے لیے ExampleCompany ڈیٹا بیس سے استفسار کریں
A:
اس استفسار کا استدلال یہ ہے کہ گاہک #1234 کو فلٹر کیا گیا ہے اور ہم "ایکٹو" فلٹر کے بعد کسی بھی موجودہ ریکارڈ کے لیے "آرڈرز" ٹیبل تلاش کر رہے ہیں۔
H: ExampleCompany ڈیٹا بیس میں سے تمام صارفین کو ہٹا دیں جو پچھلے مہینے سے فعال نہیں ہیں۔
A:
اس استفسار کا استدلال یہ ہے کہ "ec_prod.customers" ٹیبل ExampleCompany ڈیٹا بیس میں واحد ٹیبل ہے جس میں گاہک کے ریکارڈ موجود ہیں۔
ہمیشہ اپنے JSON آؤٹ پٹ کو ان میں بند کرنا یاد رکھیں ٹیگز
یہ آپ کا کام ہے: ایک پائپ لائن بنائیں جو ExampleCompany ڈیٹا بیس کا استعمال کرے جو تمام فعال صارفین کو بازیافت کرے۔
معاون:
ہم درج ذیل کوڈ کا استعمال کرتے ہیں:
body = json.dumps({"prompt": prompt, "stop_sequences": ['nnHuman:', '</json>']})
response = bedrock.invoke_model( body=body, modelId='anthropic.claude-v2'
)
آؤٹ پٹ مندرجہ ذیل ہے:
{ "database": "ExampleCompany", "query": "SELECT * FROM ec_prod.customers WHERE status = 'active'" }
اب ہم صرف JSON آبجیکٹ کے ساتھ متوقع آؤٹ پٹ پر پہنچ گئے ہیں! اس طریقہ کو استعمال کرتے ہوئے، ہم فوری طور پر قابل استعمال تکنیکی نمونے بنانے کے ساتھ ساتھ آؤٹ پٹ ٹوکنز کو کم کرکے جنریشن کی لاگت کو کم کرنے کے قابل ہیں۔
نتیجہ
SnapGPT کے ساتھ آج ہی شروع کرنے کے لیے، درخواست کریں۔ SnapLogic کا مفت ٹرائل or مصنوعات کے ڈیمو کی درخواست کریں۔. اگر آپ آج ہی ایپلی کیشنز بنانے کے لیے ان تصورات کو استعمال کرنا چاہتے ہیں، تو ہم تجویز کرتے ہیں۔ ہاتھ پر تجربہ کر رہا ہے اس پوسٹ میں فوری انجینئرنگ سیکشن کے ساتھ، ایک مختلف DSL جنریشن کے استعمال کے کیس پر ایک ہی بہاؤ کا استعمال کرتے ہوئے جو آپ کے کاروبار کے مطابق ہے، اور RAG خصوصیات جو Amazon Bedrock کے ذریعے دستیاب ہیں۔.
SnapLogic اور AWS انسانی زبان اور Amazon Bedrock کے ذریعے چلنے والی SnapLogic انٹیگریشن پائپ لائنوں کے پیچیدہ اسکیما کے درمیان ایک جدید مترجم کی تعمیر کے لیے مؤثر طریقے سے شراکت کرنے میں کامیاب رہے ہیں۔ اس پورے سفر کے دوران، ہم نے دیکھا ہے کہ کس طرح کلاڈ کے ساتھ پیدا ہونے والے آؤٹ پٹ کو مخصوص پرامپٹ انجینئرنگ تکنیکوں کا استعمال کرتے ہوئے ٹیکسٹ ٹو پائپ لائن ایپلی کیشنز میں بہتر بنایا جا سکتا ہے۔ AWS اور SnapLogic جنریٹو AI میں اس شراکت داری کو جاری رکھنے کے لیے پرجوش ہیں اور اس تیزی سے آگے بڑھنے والی جگہ میں مستقبل میں تعاون اور اختراع کے منتظر ہیں۔
مصنفین کے بارے میں
گریگ بینسن یونیورسٹی آف سان فرانسسکو میں کمپیوٹر سائنس کے پروفیسر اور SnapLogic میں چیف سائنٹسٹ ہیں۔ اس نے 1998 میں یو ایس ایف ڈیپارٹمنٹ آف کمپیوٹر سائنس میں شمولیت اختیار کی اور انڈرگریجویٹ اور گریجویٹ کورسز بشمول آپریٹنگ سسٹم، کمپیوٹر آرکیٹیکچر، پروگرامنگ لینگوئجز، ڈسٹری بیوٹڈ سسٹمز، اور تعارفی پروگرامنگ پڑھایا۔ گریگ نے آپریٹنگ سسٹمز، متوازی کمپیوٹنگ، اور تقسیم شدہ نظام کے شعبوں میں تحقیق شائع کی ہے۔ 2010 میں SnapLogic میں شامل ہونے کے بعد سے، گریگ نے پلیٹ فارم کی کئی اہم خصوصیات کو ڈیزائن اور لاگو کرنے میں مدد کی ہے جن میں کلسٹر پروسیسنگ، بڑا ڈیٹا پروسیسنگ، کلاؤڈ آرکیٹیکچر، اور مشین لرننگ شامل ہیں۔ وہ فی الحال ڈیٹا انٹیگریشن کے لیے جنریٹو اے آئی پر کام کر رہا ہے۔
ایرون کیسلر SnapLogic میں AI پروڈکٹس اور سروسز کے سینئر پروڈکٹ مینیجر ہیں، Aaron AI/ML پروڈکٹ ڈیولپمنٹ اور پوری تنظیم میں خدمات کی بشارت دینے کے لیے دس سال سے زیادہ پروڈکٹ مینجمنٹ کی مہارت کا اطلاق کرتا ہے۔ وہ آنے والی کتاب "آپ کا مسئلہ کیا ہے؟" کے مصنف ہیں۔ جس کا مقصد پروڈکٹ مینجمنٹ کیریئر کے ذریعے نئے پروڈکٹ مینیجرز کی رہنمائی کرنا ہے۔ اس کے کاروباری سفر کا آغاز اس کے کالج اسٹارٹ اپ، STAK سے ہوا، جسے بعد میں کارورٹائز نے ہارون کے ساتھ حاصل کیا اور ڈیلاویئر میں سال 2015 کے ٹیک اسٹارٹ اپ کے طور پر ان کی پہچان میں اہم کردار ادا کیا۔ اپنے پیشہ ورانہ تعاقب سے ہٹ کر، ہارون کو اپنے والد کے ساتھ گولف کھیلنے، اپنے سفر میں نئی ثقافتوں اور کھانوں کی تلاش، اور یوکولے کی مشق کرنے میں خوشی ملتی ہے۔
رچ ڈل ایک پرنسپل سولیوشن آرکیٹیکٹ ہے جس میں مہارت کے متعدد شعبوں میں وسیع پیمانے پر کام کرنے کا تجربہ ہے۔ ملٹی پلیٹ فارم انٹرپرائز سافٹ ویئر اور SaaS پر پھیلی کامیابی کا ٹریک ریکارڈ۔ گاہک کی وکالت (گاہک کی آواز کے طور پر کام کرنا) کو آمدنی پیدا کرنے والی نئی خصوصیات اور مصنوعات میں تبدیل کرنے کے لیے مشہور ہے۔ جدید ترین مصنوعات کو مارکیٹ تک پہنچانے اور منصوبوں کو شیڈول کے مطابق اور تیز رفتار سمندری اور غیر ملکی ماحول میں بجٹ کے تحت مکمل کرنے کی ثابت صلاحیت۔ مجھے بیان کرنے کا ایک آسان طریقہ: ایک سائنسدان کا دماغ، ایک ایکسپلورر کا دل اور ایک فنکار کی روح۔
کلے ایلمور AWS میں ایک AI/ML ماہر حل آرکیٹیکٹ ہے۔ میٹریل ریسرچ لیب میں کئی گھنٹے گزارنے کے بعد، کیمیکل انجینئرنگ میں اس کا پس منظر مشین لرننگ میں اپنی دلچسپی کو آگے بڑھانے کے لیے جلدی سے پیچھے رہ گیا۔ انہوں نے توانائی کی تجارت سے لے کر مہمان نوازی کی مارکیٹنگ تک بہت سی مختلف صنعتوں میں ایم ایل ایپلی کیشنز پر کام کیا ہے۔ AWS مراکز میں کلے کا موجودہ کام صارفین کو سافٹ ویئر ڈویلپمنٹ کے طریقوں کو ML اور جنریٹیو AI کام کے بوجھ تک پہنچانے میں مدد فراہم کرتا ہے، جس سے صارفین ان پیچیدہ ماحول میں دوبارہ قابل، توسیع پذیر حل تیار کر سکتے ہیں۔ اپنے فارغ وقت میں، کلے اسکیئنگ سے لطف اندوز ہوتے ہیں، روبک کے کیوبز کو حل کرتے ہیں، پڑھتے ہیں اور کھانا پکاتے ہیں۔
سینا سوجودی ایک ٹیکنالوجی ایگزیکٹو، سسٹم انجینئر، پروڈکٹ لیڈر، سابق بانی اور اسٹارٹ اپ ایڈوائزر ہیں۔ انہوں نے مارچ 2021 میں AWS میں بطور پرنسپل سولیوشن آرکیٹیکٹ شمولیت اختیار کی۔ سینا فی الحال US-West ISV ایریا لیڈ سلوشنز آرکیٹیکٹ ہے۔ وہ AWS پر اپنے کاروبار بنانے اور بڑھانے کے لیے SaaS اور B2B سافٹ ویئر کمپنیوں کے ساتھ کام کرتا ہے۔ Amazon میں اپنے کردار سے پہلے، Sina VMware، اور Pivotal Software (2018 میں IPO، 2020 میں VMware M&A) میں ایک ٹیکنالوجی ایگزیکٹو تھا اور Xtreme Labs میں بانی انجینئر سمیت متعدد قائدانہ کردار ادا کیا (2013 میں اہم حصول)۔ سینا نے اپنے گزشتہ 15 سالوں کے کام کے تجربے کو سافٹ ویئر پلیٹ فارمز بنانے اور کاروباری اداروں، سافٹ ویئر کے کاروبار اور پبلک سیکٹر کے لیے پریکٹس کے لیے وقف کیا ہے۔ وہ جدت طرازی کا جذبہ رکھنے والے انڈسٹری لیڈر ہیں۔ سینا نے یونیورسٹی آف واٹر لو سے بی اے کیا ہے جہاں اس نے الیکٹریکل انجینئرنگ اور سائیکالوجی کی تعلیم حاصل کی۔
سندیپ روہیلا AWS میں ایک سینئر سولیوشن آرکیٹیکٹ ہے، جو یو ایس ویسٹ ریجن میں ISV صارفین کی مدد کرتا ہے۔ وہ AWS کلاؤڈ پر کنٹینرز اور جنریٹیو AI سے فائدہ اٹھانے والے آرکیٹکٹ سلوشنز کی مدد کرنے پر توجہ مرکوز کرتا ہے۔ سندیپ صارفین کے کاروباری مسائل کو سمجھنے اور ٹیکنالوجی کے ذریعے اپنے مقاصد حاصل کرنے میں ان کی مدد کرنے کے لیے پرجوش ہیں۔ انہوں نے ایک دہائی سے زیادہ سالوشن آرکیٹیکٹ کے طور پر کام کرنے کے بعد AWS میں شمولیت اختیار کی، جس سے ان کا 17 سال کا تجربہ قابل عمل ہے۔ سندیپ نے ایم ایس سی کیا ہے۔ برسٹل، برطانیہ میں یونیورسٹی آف دی ویسٹ آف انگلینڈ سے سافٹ ویئر انجینئرنگ میں۔
ڈاکٹر فاروق صابر AWS میں ایک سینئر مصنوعی ذہانت اور مشین لرننگ اسپیشلسٹ سولیوشن آرکیٹیکٹ ہیں۔ انہوں نے آسٹن کی یونیورسٹی آف ٹیکساس سے الیکٹریکل انجینئرنگ میں پی ایچ ڈی اور ایم ایس کی ڈگریاں اور جارجیا انسٹی ٹیوٹ آف ٹیکنالوجی سے کمپیوٹر سائنس میں ایم ایس کی ڈگریاں حاصل کیں۔ اس کے پاس 15 سال سے زیادہ کام کا تجربہ ہے اور وہ کالج کے طلباء کو پڑھانا اور ان کی رہنمائی کرنا بھی پسند کرتا ہے۔ AWS میں، وہ صارفین کو ڈیٹا سائنس، مشین لرننگ، کمپیوٹر ویژن، مصنوعی ذہانت، عددی اصلاح، اور متعلقہ ڈومینز میں اپنے کاروباری مسائل کی تشکیل اور حل کرنے میں مدد کرتا ہے۔ ڈیلاس، ٹیکساس میں مقیم، وہ اور اس کا خاندان سفر کرنا اور طویل سڑک کے سفر پر جانا 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/how-snaplogic-built-a-text-to-pipeline-application-with-amazon-bedrock-to-translate-business-intent-into-action/
- : ہے
- : ہے
- : نہیں
- :کہاں
- $UP
- 10
- 100
- 121
- 14
- 15 سال
- 15٪
- 150
- 17
- 1998
- 200
- 2013
- 2015
- 2017
- 2018
- 2020
- 2021
- 31
- 33
- 7
- 8
- 9
- a
- ہارون
- کی صلاحیت
- قابلیت
- ہمارے بارے میں
- تک رسائی حاصل
- پورا
- درستگی
- حاصل
- حاصل
- حصول
- کے پار
- ایکٹ
- عمل
- اعمال
- فعال
- شامل کیا
- اس کے علاوہ
- ایڈیشنل
- اعلی درجے کی
- فائدہ
- مشیر
- وکالت
- کے بعد
- AI
- اے آئی سسٹمز
- AI سے چلنے والا
- AI / ML
- مقصد
- مقصد ہے
- یلگوردمز
- تمام
- کی اجازت
- اجازت دے رہا ہے
- کی اجازت دیتا ہے
- ساتھ
- شانہ بشانہ
- پہلے ہی
- بھی
- ایمیزون
- ایمیزون ویب سروسز
- رقم
- an
- تجزیہ
- اور
- جواب
- جواب
- بشری
- کوئی بھی
- اے پی آئی
- APIs
- درخواست
- ایپلی کیشنز
- لاگو ہوتا ہے
- نقطہ نظر
- ایپس
- عربی
- فن تعمیر
- کیا
- رقبہ
- علاقوں
- ارد گرد
- پہنچے
- فن
- مصنوعی
- مصنوعی ذہانت
- مصنوعی انٹیلی جنس اور مشین سیکھنا
- مصور
- AS
- پوچھنا
- سے پوچھ
- اسسٹنٹ
- منسلک
- At
- اضافہ
- آسٹن، ٹیکساس
- مصنف
- خود کار طریقے سے
- آٹومیٹڈ
- خود کار طریقے سے
- میشن
- دستیاب
- AWS
- AWS کسٹمر
- B2B
- پس منظر
- حمایت
- بیس
- کی بنیاد پر
- بیس لائن
- BE
- صبر
- بن گیا
- کیونکہ
- بن
- رہا
- اس سے پہلے
- شروع ہوا
- شروع کریں
- پیچھے
- کیا جا رہا ہے
- فوائد
- BEST
- بہتر
- کے درمیان
- سے پرے
- بگ
- بگ ڈیٹا
- کتاب
- دونوں
- بیار
- لانے
- آ رہا ہے
- لاتا ہے
- برست
- وسیع
- موٹے طور پر
- بجٹ
- تعمیر
- عمارت
- بناتا ہے
- تعمیر
- کاروبار
- کاروبار
- لیکن
- by
- فون
- کہا جاتا ہے
- کر سکتے ہیں
- صلاحیتوں
- کیریئر کے
- کیس
- مقدمات
- مراکز
- چین
- چیلنج
- موقع
- خصوصیات
- الزام عائد کیا
- کیمیائی
- چیف
- انتخاب
- واضح
- قریب سے
- اختتامی
- بادل
- کلسٹر
- کوڈ
- کوڈنگ
- تعاون کیا
- تعاون
- مجموعہ
- کالج
- جمع
- مل کر
- آتا ہے
- وابستگی
- کمپنیاں
- کمپنی کی
- مجبور
- تکمیل
- پیچیدہ
- وسیع
- کمپیوٹر
- کمپیوٹر سائنس
- کمپیوٹر ویژن
- کمپیوٹنگ
- تصورات
- ترتیب دیں
- مربوط
- کنکشن
- کنکشن
- مسلسل
- کنٹینر
- پر مشتمل ہے
- مواد
- مواد کی تخلیق
- سیاق و سباق
- جاری
- کنٹریکٹ
- تعاون کرنا
- سنوادی
- کور
- درست
- صحیح طریقے سے
- قیمت
- سکتا ہے
- کورسز
- تخلیق
- بنائی
- مخلوق
- تخلیقی
- اہم
- موجودہ
- اس وقت
- اپنی مرضی کے
- گاہک
- گاہکوں
- کاٹنے
- جدید
- ڈلاس
- اعداد و شمار
- ڈیٹا پروسیسنگ
- ڈیٹا سائنس
- ڈیٹا بیس
- ڈیٹا بیس
- دن
- دہائی
- کمی
- وقف
- گہری
- گہرے
- ڈیلاویئر
- ڈیمو
- جمہوری بنانا
- شعبہ
- ناپسندی
- بیان
- تفصیل
- ڈیزائن
- ڈیزائن
- خواہش
- مطلوبہ
- تفصیلی
- تفصیلات
- ڈویلپرز
- ترقی
- کے الات
- مکالمے کے
- مختلف
- براہ راست
- تقسیم کئے
- تقسیم شدہ نظام
- ڈائیونگ
- do
- دستاویزات
- نہیں کرتا
- کر
- ڈومینز
- نہیں
- نیچے
- ڈرافٹ
- کافی
- ڈرائیو
- دو
- ہر ایک
- آسان
- سب سے آسان
- آسانی سے
- ماحول
- مؤثر طریقے
- یا تو
- عناصر
- کے قابل بناتا ہے
- آخر
- ختم ہونے
- توانائی
- انجینئر
- انجنیئرنگ
- انگلینڈ
- انگریزی
- کافی
- کو یقینی بنانے کے
- یقینی بناتا ہے
- درج
- انٹرپرائز
- انٹرپرائز سافٹ ویئر
- اداروں
- پوری
- مکمل
- کاروباری
- ماحول
- برابر
- مساوی
- خرابی
- خاص طور پر
- بھی
- واضح
- بالکل
- مثال کے طور پر
- مثال کے طور پر
- ایکسل
- بہت پرجوش
- ایگزیکٹو
- موجودہ
- توقع
- توقع
- تجربہ
- ماہر
- مہارت
- ایکسپلورر
- ایکسپلور
- اضافی
- انتہائی
- خاندان
- تیزی سے چلنے والا
- تیز رفتار
- نمایاں کریں
- خصوصیات
- چند
- میدان
- قطعات
- فلٹر
- فلٹرنگ
- فلٹر
- پتہ ہے
- پہلا
- فلیگ شپ
- بہاؤ
- بہنا
- توجہ مرکوز
- توجہ مرکوز
- توجہ مرکوز
- پر عمل کریں
- کے بعد
- مندرجہ ذیل ہے
- کھانے کی اشیاء
- کے لئے
- فورے
- سب سے اوپر
- فارمیٹ
- فارم
- آگے
- ملا
- فاؤنڈیشن
- بانی
- فرانسسکو
- دوستانہ
- سے
- پورا کریں
- مکمل طور پر
- تقریب
- مزید
- مستقبل
- حاصل کی
- عام طور پر
- پیدا
- پیدا
- پیدا ہوتا ہے
- پیدا کرنے والے
- نسل
- پیداواری
- پیداواری AI۔
- جارجیا
- حاصل
- GIF
- دی
- Go
- اہداف
- جاتا ہے
- اچھا
- چلے
- بڑھائیں
- رہنمائی
- تھا
- ہاتھ
- استعمال کرنا
- ہے
- he
- ہارٹ
- مدد
- مدد
- مدد گار
- مدد
- مدد کرتا ہے
- یہاں
- اعلی کارکردگی
- اعلی معیار کی
- پر روشنی ڈالی گئی
- ان
- پکڑو
- کی ڈگری حاصل کی
- مہمان نوازی
- HOURS
- کس طرح
- کیسے
- تاہم
- HTML
- HTTPS
- انسانی
- شائستہ
- کی نشاندہی
- if
- وضاحت
- فوری طور پر
- اثر
- مؤثر
- پر عملدرآمد
- اہم
- کو بہتر بنانے کے
- بہتر
- کو بہتر بنانے کے
- in
- شامل
- شامل
- سمیت
- اضافہ
- آزاد
- اشارہ کرتا ہے
- انڈیکیٹر
- انفرادی
- صنعتوں
- صنعت
- معلومات
- پیمجات
- بدعت
- جدت طرازی
- ان پٹ
- آدانوں
- فوری
- کے بجائے
- انسٹی ٹیوٹ
- ہدایات
- ضم
- انضمام
- انضمام
- انٹیلی جنس
- انٹیلجنٹ
- ارادے
- بات چیت
- انٹرایکٹو
- دلچسپی
- انٹرفیس
- اندرونی
- میں
- متعارف
- متعارف کرواتا ہے
- تعارف
- IPO
- isv
- IT
- تکرار
- تکرار
- میں
- اعلی درجے کا Java
- ایوب
- شامل ہو گئے
- شمولیت
- مشترکہ
- سفر
- خوشی
- فوٹو
- JSON
- صرف
- کلیدی
- جان
- علم
- جانا جاتا ہے
- جانتا ہے
- لیب
- لیبز
- زبان
- زبانیں
- بڑے
- آخری
- بعد
- تازہ ترین
- قیادت
- رہنما
- قیادت
- معروف
- لیپ
- سیکھا ہے
- سیکھنے
- چھوڑ دیا
- دو
- لیورنگنگ
- کی طرح
- پسند
- محدود
- ایل ایل ایم
- منطق
- لانگ
- دیکھو
- بہت
- محبت
- گھوسٹ
- مشین
- مشین لرننگ
- مشینیں
- بنا
- بنا
- بناتا ہے
- بنانا
- میں کامیاب
- انتظام
- مینیجر
- مینیجر
- انداز
- دستی طور پر
- بہت سے
- تعریفیں
- مارچ
- مارکیٹ
- مارکیٹنگ
- میچ
- مواد
- me
- سرپرست
- mers
- میٹا ڈیٹا
- طریقہ
- لاکھوں
- برا
- منٹ
- مشن
- ML
- ماڈل
- ماڈل
- منگو ڈی بی
- زیادہ
- سب سے زیادہ
- منتقل
- MS
- ملٹی پلیٹ فارم
- ایک سے زیادہ
- my
- نام
- قدرتی
- ضرورت ہے
- ضروریات
- نئی
- نئی خصوصیات
- نئی مصنوعات
- اگلے
- نہیں
- براہ مہربانی نوٹ کریں
- نوٹس..
- اب
- اعتراض
- اشیاء
- ہوا
- of
- تجویز
- اکثر
- on
- ایک بار
- ایک
- صرف
- کام
- آپریٹنگ سسٹم
- اصلاح کے
- اصلاح
- or
- حکم
- احکامات
- تنظیم
- تنظیمیں
- اصل
- دیگر
- ہمارے
- باہر
- نتائج
- پیداوار
- نتائج
- پر
- صفحات
- متوازی
- خاص طور پر
- پارٹنر
- شراکت داری
- جذبہ
- جذباتی
- گزشتہ
- پاٹرن
- کارکردگی کا مظاہرہ
- نقطہ نظر
- مرحلہ
- پی ایچ ڈی
- ٹکڑے ٹکڑے
- سرخیل
- پائپ لائن
- اہم
- مقام
- پلیٹ فارم
- پلیٹ فارم
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- مقبول
- مقبولیت
- پوسٹ
- ممکنہ
- ممکنہ طور پر
- طاقت
- طاقت
- پریکٹس
- طریقوں
- پیشن گوئی
- پیش گوئی
- پچھلا
- پرائمری
- پرنسپل
- کی رازداری
- پرائیویسی اور سیکورٹی
- مسئلہ
- مسائل
- طریقہ کار
- عمل
- عمل
- پروسیسنگ
- تیار
- پیدا کرتا ہے
- مصنوعات
- مصنوعات کی ترقی
- پروڈکٹ مینجمنٹ
- پروڈکٹ مینیجر
- حاصل
- پیشہ ورانہ
- ٹیچر
- پروگرامنگ
- پروگرامنگ زبانوں
- منصوبوں
- اشارہ کرتا ہے
- ثابت
- فراہم
- فراہم
- فراہم کرتا ہے
- فراہم کرنے
- نفسیات
- عوامی
- شائع
- پیچھا کرنا
- ازگر
- سوالات
- سوال
- جلدی سے
- بے ترتیب
- بے ترتیب پن
- رینج
- لے کر
- تیزی سے
- پڑھنا
- احساس
- دائرے میں
- وصول
- حال ہی میں
- تسلیم
- سفارش
- ریکارڈ
- ریکارڈ
- کو کم
- کم
- کو کم کرنے
- کے بارے میں
- خطے
- دوبارہ تصور کرنا
- متعلقہ
- جاری
- متعلقہ
- قابل اعتماد
- انحصار کرو
- یاد
- ہٹا
- فراہم کی
- بار بار قابل
- جواب
- نمائندگی
- نمائندگی
- کی نمائندگی کرتا ہے
- درخواست
- درخواستوں
- کی ضرورت
- ضرورت
- ضروریات
- کی ضرورت ہے
- تحقیق
- جواب
- جوابات
- باقی
- نتیجے
- نتائج کی نمائش
- واپسی
- واپسی
- انقلاب
- امیر
- ٹھیک ہے
- سڑک
- کردار
- کردار
- کمرہ
- رن
- چلتا ہے
- ساس
- سیفٹی
- sagemaker
- کہا
- اسی
- سان
- سان فرانسسکو
- توسیع پذیر
- پیمانے
- شیڈول
- سائنس
- سائنسدان
- فیرنا
- sdk
- تلاش
- دوسری
- سیکشن
- شعبے
- سیکورٹی
- دیکھنا
- دیکھا
- منتخب
- بھیجنا
- سینئر
- بھیجا
- تسلسل
- خدمت کی
- سروس
- سروسز
- خدمت
- سیشن
- مقرر
- قائم کرنے
- کئی
- ہونا چاہئے
- دکھائیں
- دکھایا گیا
- شوز
- نمایاں طور پر
- اسی طرح
- سادہ
- آسان بنانے
- آسان بنانا
- صرف
- بعد
- ایک
- چھوٹے
- So
- سافٹ ویئر کی
- ایک خدمت کے طور پر سافٹ ویئر
- سافٹ ویئر ڈویلپرز
- سوفٹ ویئر کی نشوونما
- سافٹ ویئر انجینئرنگ
- حل
- حل
- حل
- حل کرنا۔
- کچھ
- کسی
- بہتر
- ماخذ
- خلا
- ہسپانوی
- تناؤ
- ماہر
- مخصوص
- خاص طور پر
- مخصوص
- خرچ
- خرچ کرنا۔
- شروع کریں
- شروع
- شروع
- بیان
- درجہ
- مرحلہ
- مراحل
- بند کرو
- براہ راست
- ساخت
- طلباء
- تعلیم حاصل کی
- کامیابی
- امدادی
- کی حمایت کرتا ہے
- سمجھا
- اس بات کا یقین
- کے نظام
- سسٹمز
- ٹیبل
- TAG
- لے لو
- ہدف
- ٹاسک
- کاموں
- سکھایا
- ٹیم
- ٹیموں
- ٹیک
- ٹیک اسٹارٹ اپ
- ٹیکنیکل
- تکنیک
- تکنیک
- ٹیکنالوجی
- بتا
- دس
- ٹیکساس
- متن
- سے
- کہ
- ۔
- مغرب
- دنیا
- ان
- ان
- تو
- یہ
- وہ
- چیزیں
- لگتا ہے کہ
- اس
- ان
- کے ذریعے
- بھر میں
- وقت
- کرنے کے لئے
- آج
- ٹوکن
- ٹوکن
- بتایا
- لیا
- کے آلے
- ٹریس
- ٹریک
- ٹریک ریکارڈ
- ٹریڈنگ
- روایتی طور پر
- ٹریننگ
- تبدیلی
- تبادلوں
- ترجمہ کریں
- سفر
- سفر
- رجحان سازی
- مقدمے کی سماعت
- ٹرگر
- ٹرگر
- سچ
- صحیح کوڈ
- کی کوشش کر رہے
- ٹرننگ
- قسم
- ui
- Uk
- کے تحت
- سمجھ
- افہام و تفہیم
- سمجھتا ہے۔
- منفرد
- یونیورسٹی
- جب تک
- بے نقاب
- آئندہ
- اپ ڈیٹ
- صلی اللہ علیہ وسلم
- us
- استعمال کے قابل
- استعمال کی شرائط
- استعمال کیس
- استعمال کیا جاتا ہے
- رکن کا
- صارف کا تجربہ
- صارفین
- استعمال
- کا استعمال کرتے ہوئے
- عام طور پر
- ux
- مختلف
- دکانداروں
- ورژن
- بہت
- کی طرف سے
- نقطہ نظر
- بصری
- vmware
- وائس
- چاہتے ہیں
- تھا
- راستہ..
- we
- ویب
- ویب خدمات
- مہینے
- اچھا ہے
- تھے
- مغربی
- کیا
- کیا ہے
- جب
- جس
- وسیع
- وسیع رینج
- گے
- ونڈو
- ساتھ
- بغیر
- کام
- کام کا دن
- کام کیا
- کام کا بہاؤ
- کام کے بہاؤ
- کام کر
- کام کرتا ہے
- دنیا
- دنیا کی
- گا
- لکھنا
- XML
- سال
- سال
- تم
- اور
- یو ٹیوب پر
- زیفیرنیٹ