اس پوسٹ کو برائن کری (او سی ایکس کوگنیشن میں پروڈکٹس کے بانی اور سربراہ) اور سندھیا ایم این (انفو گین میں ڈیٹا سائنس لیڈ) نے مشترکہ طور پر لکھا تھا۔
او سی ایکس کوگنیشن سان فرانسسکو بے ایریا پر مبنی ایک اسٹارٹ اپ ہے، جو ایک تجارتی B2B سافٹ ویئر کو بطور سروس (SaaS) پروڈکٹ پیش کرتا ہے جسے Spectrum AI کہتے ہیں۔ سپیکٹرم AI کاروباری اداروں کے لیے ایک پیشین گوئی (پیداوار) CX تجزیاتی پلیٹ فارم ہے۔ OCX کے حل تعاون کے ساتھ تیار کیے گئے ہیں۔ Infogain، AWS ایڈوانسڈ ٹائر پارٹنر۔ Infogain OCX Cognition کے ساتھ ایک مربوط پروڈکٹ ٹیم کے طور پر کام کرتا ہے، جو انسانوں پر مرکوز سافٹ ویئر انجینئرنگ کی خدمات اور سافٹ ویئر ڈویلپمنٹ، مائیکرو سروسز، آٹومیشن، انٹرنیٹ آف تھنگز (IoT) اور مصنوعی ذہانت میں مہارت فراہم کرتا ہے۔
سپیکٹرم AI پلیٹ فارم صارفین کے رویوں کو صارفین کے آپریشنل ڈیٹا کے ساتھ جوڑتا ہے اور CX پر مسلسل بصیرت پیدا کرنے کے لیے مشین لرننگ (ML) کا استعمال کرتا ہے۔ OCX نے AWS پر اسپیکٹرم AI بنایا کیونکہ AWS نے وسیع پیمانے پر ٹولز، لچکدار کمپیوٹنگ، اور ایک ML ماحول پیش کیا جو ابھرتی ہوئی ضروریات کو برقرار رکھے گا۔
اس پوسٹ میں، ہم اس بات پر تبادلہ خیال کرتے ہیں کہ کس طرح OCX Cognition نے Infogain اور OCX کی AWS اکاؤنٹ ٹیم کے تعاون سے اپنے آخری صارف کے تجربے کو بہتر بنایا اور ML فنکشنز کو خودکار اور آرکیسٹریٹنگ کر کے قدر میں وقت کو کم کیا جس نے سپیکٹرم AI کے CX تجزیات کو سپورٹ کیا۔ استعمال کرنا AWS اسٹیپ فنکشنز، Python کے لیے AWS سٹیپ فنکشنز ڈیٹا سائنس SDK، اور ایمیزون سیج میکر کے تجربات، OCX Cognition نے ML ماڈل کی ترقی کے وقت کو 6 ہفتوں سے کم کر کے 2 ہفتے کر دیا ہے اور ML ماڈل کے اپ ڈیٹ کے وقت کو 4 دن سے کم کر کے حقیقی وقت کے قریب کر دیا ہے۔
پس منظر
Spectrum AI پلیٹ فارم کو ہر گاہک کے لیے سینکڑوں مختلف جنریٹو CX اسکورز کے لیے بنائے گئے ماڈلز تیار کرنے ہوتے ہیں، اور ان اسکورز کو دسیوں ہزار فعال اکاؤنٹس کے لیے منفرد طریقے سے شمار کرنے کی ضرورت ہوتی ہے۔ جیسے جیسے وقت گزرتا ہے اور نئے تجربات جمع ہوتے جاتے ہیں، پلیٹ فارم کو نئے ڈیٹا ان پٹس کی بنیاد پر ان اسکورز کو اپ ڈیٹ کرنا پڑتا ہے۔ نئے اسکورز تیار ہونے کے بعد، OCX اور Infogain پیشین گوئی میں ہر بنیادی آپریشنل میٹرک کے رشتہ دار اثرات کا حساب لگاتے ہیں۔ ایمیزون سیج میکر ایک ویب پر مبنی مربوط ترقیاتی ماحول (IDE) ہے جو آپ کو مکمل طور پر منظم انفراسٹرکچر، ٹولز، اور ورک فلو کے ساتھ کسی بھی استعمال کے معاملے کے لیے ML ماڈل بنانے، تربیت دینے، اور تعینات کرنے کی اجازت دیتا ہے۔ SageMaker کے ساتھ، OCX-Infogain ٹیم نے مشترکہ کوڈ لائبریریوں کا استعمال کرتے ہوئے انفرادی طور پر دیکھے گئے Jupyter نوٹ بکس میں اپنا حل تیار کیا۔ ایمیزون سیج میکر اسٹوڈیو.
مسئلہ: ایک سے زیادہ صارفین کے لیے حل کو اسکیل کرنا
اگرچہ ابتدائی R&D کامیاب ثابت ہوا، اسکیلنگ ایک چیلنج تھی۔ OCX اور Infogain کی ML ترقی میں متعدد مراحل شامل ہیں: فیچر انجینئرنگ، ماڈل ٹریننگ، پیشین گوئی، اور تجزیات کی نسل۔ ماڈیولز کا کوڈ متعدد نوٹ بکس میں رہتا تھا، اور ان نوٹ بکوں کو چلانا دستی تھا، جس میں کوئی آرکیسٹریشن ٹول موجود نہیں تھا۔ ہر نئے گاہک کے لیے، OCX-Infogain ٹیم نے ماڈل ڈیولپمنٹ ٹائم پر 6 ہفتے فی گاہک صرف کیے کیونکہ لائبریریوں کو دوبارہ استعمال نہیں کیا جا سکتا۔ ماڈل ڈیولپمنٹ پر خرچ کیے گئے وقت کی وجہ سے، OCX-Infogain ٹیم کو ایک خودکار اور قابل توسیع حل کی ضرورت تھی جو اپنے ہر صارف کے لیے منفرد کنفیگریشنز کا استعمال کرتے ہوئے ایک واحد پلیٹ فارم کے طور پر کام کرے۔
درج ذیل آرکیٹیکچر ڈایاگرام میں OCX کے ابتدائی ML ماڈل کی ترقی اور اپ ڈیٹ کے عمل کو دکھایا گیا ہے۔
حل جائزہ
ML کے عمل کو آسان بنانے کے لیے، OCX-Infogain ٹیم نے AWS اکاؤنٹ ٹیم کے ساتھ مل کر ایک حسب ضرورت اعلانیہ ML فریم ورک تیار کرنے کے لیے کام کیا تاکہ تمام دہرائے جانے والے کوڈ کو تبدیل کیا جا سکے۔ اس نے نئے نچلے درجے کے ایم ایل کوڈ کو تیار کرنے کی ضرورت کو کم کردیا۔ YAML فائلوں کے ذریعے ہر صارف کے لیے ڈیٹا کو مناسب طریقے سے ترتیب دے کر نئی لائبریریوں کو متعدد صارفین کے لیے دوبارہ استعمال کیا جا سکتا ہے۔
اگرچہ یہ اعلیٰ سطحی کوڈ ابتدائی طور پر Jupyter نوٹ بک کا استعمال کرتے ہوئے اسٹوڈیو میں تیار ہوتا رہتا ہے، پھر اسے Python (.py فائلوں) میں تبدیل کر دیا جاتا ہے، اور SageMaker پلیٹ فارم کو BYO (اپنا خود لے کر آئیں) کنٹینرز کے ساتھ ایک Docker امیج بنانے کے لیے استعمال کیا جاتا ہے۔ پھر ڈاکر امیجز کو آگے بڑھایا جاتا ہے۔ ایمیزون لچکدار کنٹینر رجسٹری (ایمیزون ای سی آر) ایک تیاری کے قدم کے طور پر۔ آخر میں، کوڈ سٹیپ فنکشنز کا استعمال کرتے ہوئے چلایا جاتا ہے۔
AWS اکاؤنٹ ٹیم نے فیچر انجینئرنگ، ماڈل ٹریننگ، اور ماڈل کی تعیناتی کو خودکار کرنے کے لیے Step Functions Data Science SDK اور SageMaker تجربات کی سفارش کی۔ سٹیپ فنکشنز ڈیٹا سائنس SDK کا استعمال سٹیپ فنکشنز کو پروگرام کے مطابق بنانے کے لیے کیا گیا تھا۔ OCX-Infogain ٹیم نے متوازی طور پر تربیت اور پروسیسنگ کے کاموں کی ایک بڑی تعداد کو ترتیب دینے کے لیے سٹیپ فنکشنز کے اندر متوازی اور MAP جیسی خصوصیات کو استعمال کرنے کا طریقہ سیکھا، جس سے رن ٹائم کم ہو جاتا ہے۔ اسے تجربات کے ساتھ ملایا گیا، جو ایک تجزیاتی ٹول کے طور پر کام کرتا ہے، متعدد ایم ایل امیدواروں اور ہائپر پیرامیٹر ٹیوننگ تغیرات کو ٹریک کرتا ہے۔ ان بلٹ ان اینالیٹکس نے OCX-Infogain ٹیم کو رن ٹائم پر متعدد میٹرکس کا موازنہ کرنے اور پرواز پر بہترین کارکردگی دکھانے والے ماڈلز کی شناخت کرنے کی اجازت دی۔
مندرجہ ذیل آرکیٹیکچر کا خاکہ ماڈل تخلیق سائیکل کے لیے تیار کردہ MLOps پائپ لائن کو دکھاتا ہے۔
سٹیپ فنکشنز ڈیٹا سائنس SDK کا استعمال متعدد ماڈل ٹریننگ الگورتھم کا تجزیہ اور موازنہ کرنے کے لیے کیا جاتا ہے۔ ریاستی مشین متعدد ماڈلز کو متوازی طور پر چلاتی ہے، اور ہر ماڈل کی پیداوار تجربات میں لاگ ان ہوتی ہے۔ جب ماڈل ٹریننگ مکمل ہو جاتی ہے، تو متعدد تجربات کے نتائج حاصل کیے جاتے ہیں اور SDK کا استعمال کرتے ہوئے موازنہ کیا جاتا ہے۔ درج ذیل اسکرین شاٹس دکھاتے ہیں کہ ہر مرحلے کے لیے بہترین کارکردگی کا مظاہرہ کرنے والے ماڈل کا انتخاب کیسے کیا جاتا ہے۔
ایم ایل لائف سائیکل کے اعلیٰ درجے کے مراحل درج ذیل ہیں:
- جب اسٹوڈیو میں ترقی مکمل ہو جاتی ہے تو ایم ایل ڈویلپر اپنے کوڈ کو گٹلیب ریپوزٹری پر لائبریریوں میں ڈالتے ہیں۔
- AWS کوڈ پائپ لائن Gitlab ذخیرہ سے مناسب کوڈ کو چیک کرنے کے لیے استعمال کیا جاتا ہے۔
- اس کوڈ کا استعمال کرتے ہوئے ایک ڈاکر امیج تیار کی جاتی ہے اور سرور لیس کمپیوٹنگ کے لیے ایمیزون ای سی آر پر بھیجی جاتی ہے۔
- سٹیپ فنکشنز کا استعمال کرتے ہوئے اقدامات کو چلانے کے لیے استعمال کیا جاتا ہے۔ ایمیزون سیج میکر پروسیسنگ نوکریاں یہاں، متعدد آزاد کام متوازی طور پر چلائے جاتے ہیں:
- فیچر انجینئرنگ کی جاتی ہے، اور فیچرز کو فیچر اسٹور میں اسٹور کیا جاتا ہے۔
- YAML کنفیگریشن فائل کو استعمال کرتے ہوئے متعدد الگورتھم اور ہائپر پیرامیٹر کے کئی امتزاج کے ساتھ ماڈل ٹریننگ چلائی جاتی ہے۔
- ٹریننگ سٹیپ فنکشن کو بھاری ہم آہنگی کے لیے ڈیزائن کیا گیا ہے۔ ہر سفری مرحلے کے ماڈل متوازی طور پر چلائے جاتے ہیں۔ یہ مندرجہ ذیل خاکہ میں دکھایا گیا ہے۔
- ماڈل کے نتائج پھر تجربات میں لاگ ان ہوتے ہیں۔ بہترین کارکردگی کا مظاہرہ کرنے والے ماڈل کو منتخب کیا جاتا ہے اور اسے ماڈل رجسٹری میں دھکیل دیا جاتا ہے۔
- ہمارے تیار کردہ ہر CX تجزیاتی کے لیے بہترین کارکردگی کا مظاہرہ کرنے والے ماڈلز کا استعمال کرتے ہوئے پیشین گوئیاں کی جاتی ہیں۔
- سینکڑوں تجزیات تیار کیے جاتے ہیں اور پھر AWS پر میزبان ڈیٹا گودام میں اشاعت کے لیے بھیجے جاتے ہیں۔
نتائج کی نمائش
اس نقطہ نظر کے ساتھ، OCX Cognition نے اپنی ML پروسیسنگ کو خودکار اور تیز کر دیا ہے۔ محنت سے بھرپور دستی عمل اور انتہائی بار بار ترقیاتی بوجھ کو تبدیل کرنے سے، فی گاہک لاگت 60% سے زیادہ کم ہو جاتی ہے۔ یہ OCX کو مجموعی صلاحیت کو تین گنا اور صارفین کے بیک وقت آن بورڈنگ کے لیے دوگنا کر کے اپنے سافٹ ویئر کے کاروبار کو پیمانہ کرنے کی بھی اجازت دیتا ہے۔ OCX کی اپنی ML پروسیسنگ کو خودکار بنانا گاہک کے حصول کے ذریعے ترقی کی نئی صلاحیتوں کو کھولتا ہے۔ ماڈل ٹریننگ کو ٹریک کرنے کے لیے SageMaker تجربات کا استعمال استعمال کرنے اور پروڈکشن میں لے جانے کے لیے ماڈلز کے بہترین سیٹ کی شناخت کے لیے اہم ہے۔ ان کے صارفین کے لیے، یہ نیا حل نہ صرف ML کی کارکردگی میں 8% بہتری فراہم کرتا ہے، بلکہ وقت کے لحاظ سے 63% بہتری فراہم کرتا ہے۔ نئے کسٹمر آن بورڈنگ اور ابتدائی ماڈل جنریشن 6 ہفتوں سے 2 ہفتوں تک بہتر ہو گئی ہے۔ ایک بار تعمیر اور جگہ پر، OCX مسلسل CX تجزیات کو دوبارہ تخلیق کرنا شروع کر دیتا ہے کیونکہ گاہک سے نیا ان پٹ ڈیٹا آتا ہے۔ یہ اپ ڈیٹ سائیکل 4 دن سے قریب حقیقی وقت تک بہتر ہو گئے ہیں۔
نتیجہ
اس پوسٹ میں، ہم نے دکھایا کہ کس طرح OCX Cognition اور Infogain نے سٹیپ فنکشنز، سٹیپ فنکشنز ڈیٹا سائنس SDK برائے Python، اور Sagemaker Experiments کو Sagemaker Studio کے ساتھ مل کر OCX-InfoGain ٹیم کے لیے CX تجزیاتی ماڈلز کو تیار کرنے اور اپ ڈیٹ کرنے میں وقت کم کرنے کے لیے استعمال کیا۔ ان کے گاہکوں کے لئے.
ان خدمات کے ساتھ شروع کرنے کے لیے، رجوع کریں۔ ایمیزون سیج میکر, AWS Step Functions Data Science Python SDK, AWS اسٹیپ فنکشنز، اور ایمیزون سیج میکر تجربات کے ساتھ مشین لرننگ کا نظم کریں۔.
مصنفین کے بارے میں
برائن کری۔ فی الحال OCX Cognition کے بانی اور ہیڈ آف پروڈکٹس ہیں، جہاں ہم کسٹمر کے تجزیات کے لیے مشین لرننگ پلیٹ فارم بنا رہے ہیں۔ برائن کے پاس ایک دہائی سے زیادہ کا تجربہ ہے جو کلاؤڈ سلوشنز اور ڈیزائن پر مبنی پروڈکٹ تنظیموں کی رہنمائی کرتا ہے۔
سندھیا ایم این Infogain کا حصہ ہے اور OCX کے لیے ڈیٹا سائنس ٹیم کی قیادت کرتا ہے۔ وہ متعدد ٹیکنالوجیز اور انڈسٹری ڈومینز میں وسیع تجربے کے ساتھ ایک تجربہ کار سافٹ ویئر ڈویلپمنٹ لیڈر ہیں۔ وہ ٹیکنالوجی کے ساتھ اپ ٹو ڈیٹ رہنے اور اسے صارفین تک کاروباری قدر فراہم کرنے کے لیے استعمال کرنے کا شوق رکھتی ہے۔
پرشانت گنپتی AWS میں سمال میڈیم بزنس (SMB) سیگمنٹ میں ایک سینئر سولیوشن آرکیٹیکٹ ہے۔ وہ AWS AI/ML سروسز کے بارے میں سیکھنے اور صارفین کے لیے حل تیار کر کے ان کے کاروباری نتائج کو پورا کرنے میں مدد کرتا ہے۔ کام سے باہر، پرشانت فوٹو گرافی، سفر اور مختلف کھانوں کو آزمانے سے لطف اندوز ہوتے ہیں۔
سبھا پرمیشورن انٹرپرائز ایپلی کیشن انٹیگریشن، مائیکرو سروسز، کنٹینرز اور ڈسٹری بیوٹڈ سسٹم پرفارمنس ٹیوننگ، پروٹو ٹائپنگ اور مزید بہت کچھ میں 20 سال سے زیادہ کے گہرے تجربے کے ساتھ AWS میں ایک سینئر سولیوشن آرکیٹیکٹ ہے۔ وہ سان فرانسسکو بے ایریا سے باہر ہے۔ AWS میں، وہ گاہکوں کو ان کے کلاؤڈ سفر میں مدد کرنے پر توجہ مرکوز کرتا ہے اور مائیکرو سروسز اور سرور لیس آرکیٹیکچر اور فریم ورک میں بھی سرگرم عمل ہے۔
ویشنوی گنیشن سان فرانسسکو بے ایریا میں مقیم AWS میں ایک حل آرکیٹیکٹ ہے۔ وہ کمرشل سیگمنٹ کے صارفین کو ان کے کلاؤڈ سفر میں مدد کرنے پر مرکوز ہے اور کلاؤڈ میں سیکیورٹی کے بارے میں پرجوش ہے۔ کام سے باہر، وشنوی کو سفر کرنے، پیدل سفر کرنے اور مختلف کافی روسٹرز آزمانے سے لطف اندوز ہوتا ہے۔
اجے سوامیناتھن AWS میں اکاؤنٹ مینیجر II ہے۔ وہ کمرشل سیگمنٹ کے صارفین کا وکیل ہے، جو اپنے صارفین کے اہداف کے مطابق صحیح مالی، کاروباری جدت اور تکنیکی وسائل فراہم کرتا ہے۔ کام سے باہر، اجے اسکیئنگ، ڈب اسٹپ اور ڈرم اور باس میوزک اور باسکٹ بال کے بارے میں پرجوش ہیں۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹوآئ اسٹریم۔ ویب 3 ڈیٹا انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- ایڈریین ایشلے کے ساتھ مستقبل کا نقشہ بنانا۔ یہاں تک رسائی حاصل کریں۔
- PREIPO® کے ساتھ PRE-IPO کمپنیوں میں حصص خریدیں اور بیچیں۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/how-ocx-cognition-reduced-ml-model-development-time-from-weeks-to-days-and-model-update-time-from-days-to-real-time-using-aws-step-functions-and-amazon-sagemaker/
- : ہے
- : ہے
- : نہیں
- :کہاں
- $UP
- 100
- 20
- 20 سال
- 7
- a
- ہمارے بارے میں
- تیز
- مطابق
- اکاؤنٹ
- اکاؤنٹس
- جمع کرنا
- حصول
- کے پار
- فعال
- فعال طور پر
- اعلی درجے کی
- وکیل
- کے بعد
- AI
- AI پلیٹ فارم
- AI / ML
- یلگوردمز
- تمام
- کی اجازت دیتا ہے
- بھی
- ایمیزون
- ایمیزون سیج میکر
- ایمیزون ویب سروسز
- رقم
- an
- تجزیاتی
- تجزیاتی
- تجزیے
- اور
- کوئی بھی
- درخواست
- نقطہ نظر
- مناسب
- مناسب طریقے سے
- فن تعمیر
- کیا
- رقبہ
- پہنچ
- مصنوعی
- مصنوعی ذہانت
- AS
- At
- خود کار طریقے سے
- آٹومیٹڈ
- خودکار
- میشن
- AWS
- AWS اسٹیپ فنکشنز
- B2B
- کی بنیاد پر
- باسکٹ بال
- باس
- خلیج
- BE
- کیونکہ
- BEST
- برائن
- لانے
- تعمیر
- عمارت
- تعمیر
- تعمیر میں
- کاروبار
- لیکن
- by
- کہا جاتا ہے
- امیدواروں
- اہلیت
- کیس
- چیلنج
- چیک کریں
- بادل
- کوڈ
- کافی
- تعاون
- کے مجموعے
- مل کر
- یکجا
- تجارتی
- موازنہ
- مقابلے میں
- مکمل
- کمپیوٹنگ
- کمپیوٹنگ
- ترتیب
- کنٹینر
- کنٹینر
- جاری ہے
- مسلسل
- مسلسل
- تبدیل
- قیمت
- سکتا ہے
- مخلوق
- اہم
- اس وقت
- اپنی مرضی کے
- گاہک
- گاہک کا تجربہ
- گاہکوں
- CX
- سائیکل
- سائیکل
- اعداد و شمار
- ڈیٹا سائنس
- تاریخ
- دن
- دہائی
- گہری
- نجات
- تعیناتی
- تعیناتی
- ڈیزائن
- ترقی
- ترقی یافتہ
- ڈویلپرز
- ترقی
- ترقی
- مختلف
- بات چیت
- تقسیم کئے
- تقسیم شدہ نظام
- میں Docker
- ڈومینز
- دگنا کرنے
- دو
- ہر ایک
- آخر
- انجنیئرنگ
- انٹرپرائز
- اداروں
- ماحولیات
- ہر کوئی
- تیار ہوتا ہے
- تجربہ
- تجربات
- تجربات
- مہارت
- وسیع
- وسیع تجربہ
- نمایاں کریں
- خصوصیات
- فائل
- فائلوں
- آخر
- مالی
- توجہ مرکوز
- کے بعد
- کے لئے
- بانی
- فریم ورک
- فریم ورک
- فرانسسکو
- سے
- مکمل طور پر
- تقریب
- افعال
- پیدا
- پیدا
- نسل
- پیداواری
- حاصل
- اہداف
- بڑھائیں
- ہے
- he
- سر
- بھاری
- مدد
- یہاں
- اعلی سطحی
- انتہائی
- ان
- میزبانی کی
- کس طرح
- کیسے
- HTML
- HTTP
- HTTPS
- سینکڑوں
- ہائپر پیرامیٹر ٹیوننگ
- شناخت
- کی نشاندہی
- ii
- تصویر
- تصاویر
- اثر
- بہتر
- بہتری
- in
- آزاد
- انفرادی طور پر
- صنعت
- انفراسٹرکچر
- ابتدائی
- ابتدائی طور پر
- جدت طرازی
- ان پٹ
- آدانوں
- بصیرت
- ضم
- انضمام
- انٹیلی جنس
- انٹرنیٹ
- چیزوں کے انٹرنیٹ
- میں
- ملوث
- IOT
- IT
- نوکریاں
- سفر
- فوٹو
- رکھیں
- بڑے
- قیادت
- رہنما
- معروف
- لیڈز
- سیکھا ہے
- سیکھنے
- لائبریریوں
- زندگی کا دورانیہ
- کی طرح
- انکرنا
- مشین
- مشین لرننگ
- بنا
- میں کامیاب
- مینیجر
- دستی
- نقشہ
- درمیانہ
- سے ملو
- میٹرک۔
- پیمائش کا معیار
- مائکروسافٹ
- ML
- ایم ایل اوپس
- ماڈل
- ماڈل
- ماڈیولز
- زیادہ
- ایک سے زیادہ
- موسیقی
- ضرورت ہے
- ضرورت
- ضروریات
- نئی
- نیا حل
- نہیں
- تعداد
- of
- بند
- کی پیشکش کی
- کی پیشکش
- on
- جہاز
- ایک بار
- صرف
- چل رہا ہے
- آپریشنل
- آرکیسٹرا
- تنظیمیں
- باہر
- نتائج
- پیداوار
- باہر
- پر
- مجموعی طور پر
- خود
- امن
- متوازی
- حصہ
- پارٹنر
- گزرتا ہے
- جذباتی
- کارکردگی
- کارکردگی کا مظاہرہ
- فوٹو گرافی
- پائپ لائن
- مقام
- پلیٹ فارم
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- پوسٹ
- ممکنہ
- کی پیشن گوئی
- تیار
- مسئلہ
- عمل
- عمل
- پروسیسنگ
- پیدا
- تیار
- مصنوعات
- پیداوار
- حاصل
- prototyping کے
- ثابت ہوا
- فراہم کرتا ہے
- فراہم کرنے
- اشاعت
- پش
- دھکیل دیا
- ازگر
- آر اینڈ ڈی
- رینج
- اصلی
- اصل وقت
- سفارش کی
- کو کم
- کم
- کم
- رجسٹری
- بار بار
- کی جگہ
- ذخیرہ
- وسائل
- نتائج کی نمائش
- ٹھیک ہے
- رن
- چل رہا ہے
- ساس
- sagemaker
- سان
- سان فرانسسکو
- توسیع پذیر
- پیمانے
- سکیلنگ
- سائنس
- اسکرین شاٹس
- sdk
- تجربہ کار
- سیکورٹی
- حصے
- منتخب
- سینئر
- بے سرور
- سروس
- سروسز
- مقرر
- کئی
- مشترکہ
- وہ
- دکھائیں
- سے ظاہر ہوا
- شوز
- آسان بنانے
- واحد
- چھوٹے
- SMB
- سافٹ ویئر کی
- ایک خدمت کے طور پر سافٹ ویئر
- سوفٹ ویئر کی نشوونما
- سافٹ ویئر انجینئرنگ
- حل
- حل
- سپیکٹرم
- خرچ
- اسٹیج
- شروع
- شروع
- حالت
- مرحلہ
- مراحل
- ذخیرہ
- ذخیرہ
- سٹوڈیو
- کامیاب
- حمایت
- تائید
- سسٹمز
- لے لو
- کاموں
- ٹیم
- ٹیکنیکل
- ٹیکنالوجی
- ٹیکنالوجی
- دہلی
- سے
- کہ
- ۔
- ریاست
- ان
- ان
- تو
- یہ
- چیزیں
- اس
- ہزاروں
- کے ذریعے
- درجے
- وقت
- کرنے کے لئے
- کے آلے
- اوزار
- ٹریک
- ٹریکنگ
- ٹرین
- ٹریننگ
- سفر
- سفر
- تین گنا
- بنیادی
- منفرد
- منفرد
- غیر مقفل ہے
- اپ ڈیٹ کریں
- اپ ڈیٹ
- استعمال کی شرائط
- استعمال کیس
- استعمال کیا جاتا ہے
- کا استعمال کرتے ہوئے
- استعمال کیا
- استعمال کرنا۔
- قیمت
- مختلف
- تھا
- we
- ویب
- ویب خدمات
- ویب پر مبنی ہے
- مہینے
- جب
- جس
- وسیع
- وسیع رینج
- ساتھ
- کے اندر
- کام
- کام کیا
- کام کے بہاؤ
- کام کرتا ہے
- گا
- یامل
- سال
- تم
- اور
- زیفیرنیٹ