حالیہ برسوں میں، کمپیوٹر ویژن میں پیشرفت نے محققین، پہلے جواب دہندگان، اور حکومتوں کو اس قابل بنایا ہے کہ وہ ہمارے سیارے اور اس پر ہمارے اثرات کو سمجھنے کے لیے عالمی سیٹلائٹ کی تصویروں کی پروسیسنگ کے چیلنجنگ مسئلے سے نمٹ سکیں۔ AWS نے حال ہی میں جاری کیا۔ ایمیزون سیج میکر کی جغرافیائی صلاحیتیں۔ آپ کو سیٹلائٹ امیجری اور جغرافیائی جدید ترین مشین لرننگ (ML) ماڈل فراہم کرنے کے لیے، اس قسم کے استعمال کے معاملات میں رکاوٹوں کو کم کرنا۔ مزید معلومات کے لیے رجوع کریں۔ پیش نظارہ: جغرافیائی ڈیٹا کا استعمال کرتے ہوئے ایم ایل ماڈلز کی تعمیر، تربیت اور تعیناتی کے لیے Amazon SageMaker کا استعمال کریں۔.
بہت سی ایجنسیاں، بشمول پہلے جواب دہندگان، ان پیشکشوں کو بڑے پیمانے پر حالات سے متعلق آگاہی حاصل کرنے اور قدرتی آفات سے متاثر ہونے والے جغرافیائی علاقوں میں امدادی سرگرمیوں کو ترجیح دینے کے لیے استعمال کر رہی ہیں۔ اکثر یہ ایجنسیاں کم اونچائی اور سیٹلائٹ ذرائع سے تباہی کی تصویر کشی کا کام کرتی ہیں، اور یہ ڈیٹا اکثر غیر لیبل لگا ہوا اور استعمال کرنا مشکل ہوتا ہے۔ جدید ترین کمپیوٹر وژن ماڈلز اکثر اس وقت کم کارکردگی دکھاتے ہیں جب کسی شہر کی سیٹلائٹ تصاویر کو دیکھتے ہو جہاں سمندری طوفان یا جنگل کی آگ لگ گئی ہو۔ ان ڈیٹاسیٹس کی کمی کے پیش نظر، یہاں تک کہ جدید ترین ML ماڈل بھی اکثر معیاری FEMA ڈیزاسٹر درجہ بندی کی پیشین گوئی کے لیے درکار درستگی اور درستگی فراہم کرنے سے قاصر ہیں۔
جغرافیائی ڈیٹاسیٹس میں مفید میٹا ڈیٹا ہوتا ہے جیسے عرض البلد اور طول البلد کوآرڈینیٹس، اور ٹائم اسٹیمپ، جو ان تصاویر کے لیے سیاق و سباق فراہم کر سکتے ہیں۔ یہ خاص طور پر تباہی کے مناظر کے لیے جغرافیائی ML کی درستگی کو بہتر بنانے میں مددگار ہے، کیونکہ یہ تصاویر فطری طور پر گڑبڑ اور افراتفری کا شکار ہیں۔ عمارتیں کم مستطیل ہیں، پودوں کو مسلسل نقصان پہنچا ہے، اور لکیری سڑکیں سیلاب یا مٹی کے تودے گرنے سے متاثر ہوئی ہیں۔ چونکہ ان بڑے ڈیٹاسیٹس کو لیبل لگانا مہنگا، دستی، اور وقت طلب ہے، اس لیے ایم ایل ماڈلز کی ترقی جو امیج لیبلنگ اور تشریح کو خودکار کر سکتے ہیں۔
اس ماڈل کو تربیت دینے کے لیے، ہمیں ایک لیبل شدہ زمینی سچائی کے ذیلی سیٹ کی ضرورت ہے۔ کم اونچائی ڈیزاسٹر امیجری (LADI) ڈیٹا سیٹ. یہ ڈیٹاسیٹ 2015-2019 کے دوران مختلف تباہی کے ردعمل کی حمایت میں سول ایئر پٹرول کے ذریعہ جمع کی گئی انسانی اور مشین کی تشریح شدہ ہوائی تصاویر پر مشتمل ہے۔ یہ LADI ڈیٹاسیٹس بحر اوقیانوس کے سمندری طوفان کے موسموں اور بحر اوقیانوس اور خلیج میکسیکو کے ساتھ ساحلی ریاستوں پر فوکس کرتے ہیں۔ دو اہم امتیازات ہیں کم اونچائی، منظر کشی کا ترچھا نقطہ نظر اور تباہی سے متعلقہ خصوصیات، جو کمپیوٹر ویژن بینچ مارکس اور ڈیٹا سیٹس میں شاذ و نادر ہی نمایاں ہوتی ہیں۔ ٹیموں نے سیلاب، ملبہ، آگ اور دھواں، یا لینڈ سلائیڈز جیسے نقصانات کے لیے موجودہ فیما زمروں کا استعمال کیا، جس نے لیبل کے زمروں کو معیاری بنایا۔ اس کے بعد حل بقیہ تربیتی ڈیٹا پر پیشین گوئیاں کرنے اور انسانی جائزے کے لیے کم اعتماد کے نتائج کو روٹ کرنے کے قابل ہے۔
اس پوسٹ میں، ہم حل کے اپنے ڈیزائن اور نفاذ، بہترین طریقوں، اور نظام کے فن تعمیر کے اہم اجزاء کی وضاحت کرتے ہیں۔
حل جائزہ
مختصراً، حل میں تین پائپ لائنوں کی تعمیر شامل تھی:
- ڈیٹا پائپ لائن - تصاویر کا میٹا ڈیٹا نکالتا ہے۔
- مشین لرننگ پائپ لائن - تصاویر کی درجہ بندی اور لیبل لگانا
- ہیومن ان دی لوپ ریویو پائپ لائن - نتائج کا جائزہ لینے کے لیے انسانی ٹیم کا استعمال کرتا ہے۔
مندرجہ ذیل خاکہ حل کے فن تعمیر کی وضاحت کرتا ہے۔
اس طرح کے لیبلنگ سسٹم کی نوعیت کو دیکھتے ہوئے، ہم نے ایک افقی طور پر توسیع پذیر فن تعمیر کو ڈیزائن کیا ہے جو بغیر سرور کے فن تعمیر کا استعمال کرتے ہوئے زیادہ پروویژننگ کے بغیر ادخال کے اسپائکس کو ہینڈل کرے گا۔ ہم سے ایک سے کئی پیٹرن استعمال کرتے ہیں۔ ایمیزون سادہ قطار سروس (ایمیزون SQS) سے او ڈبلیو ایس لامبڈا۔ ادخال کے ان اسپائکس کو سپورٹ کرنے کے لیے متعدد مقامات پر، لچک کی پیشکش.
پروسیسنگ کے لیے SQS قطار کا استعمال ایمیزون سادہ اسٹوریج سروس (Amazon S3) ایونٹس ہمیں ڈاون اسٹریم پروسیسنگ (Lambda فنکشنز، اس معاملے میں) کی ہم آہنگی کو کنٹرول کرنے اور ڈیٹا کے آنے والے اسپائکس کو سنبھالنے میں مدد کرتے ہیں۔ آنے والے پیغامات کو قطار میں لگانا نیچے کی طرف کسی بھی ناکامی کی صورت میں بفر اسٹوریج کے طور پر بھی کام کرتا ہے۔
انتہائی متوازی ضروریات کو دیکھتے ہوئے، ہم نے اپنی تصاویر پر کارروائی کرنے کے لیے لیمبڈا کا انتخاب کیا۔ لیمبڈا ایک سرور لیس کمپیوٹ سروس ہے جو ہمیں سرورز کی فراہمی یا انتظام کیے بغیر کوڈ چلانے، کام کے بوجھ سے آگاہ کلسٹر اسکیلنگ لاجک بنانے، ایونٹ کے انضمام کو برقرار رکھنے، اور رن ٹائمز کا انتظام کرنے دیتی ہے۔
ہم استعمال کرتے ہیں ایمیزون اوپن سرچ سروس ہمارے مرکزی ڈیٹا اسٹور کے طور پر اس کے انتہائی قابل توسیع، تیز تلاشوں اور مربوط ویژولائزیشن ٹول، اوپن سرچ ڈیش بورڈز سے فائدہ اٹھانے کے لیے۔ یہ ہمیں دوبارہ کمپائل یا ری اسکیل کیے بغیر، اور اسکیما ایوولوشن کو ہینڈل کیے، تصویر میں تکراری طور پر سیاق و سباق شامل کرنے کے قابل بناتا ہے۔
ایمیزون پہچان۔ ثابت شدہ، انتہائی قابل توسیع، گہری سیکھنے والی ٹیکنالوجی کا استعمال کرتے ہوئے ہماری ایپلی کیشنز میں تصویر اور ویڈیو تجزیہ شامل کرنا آسان بناتا ہے۔ Amazon Recognition کے ساتھ، ہمیں پتہ چلنے والی اشیاء کی ایک اچھی بیس لائن ملتی ہے۔
مندرجہ ذیل حصوں میں، ہم مزید تفصیل سے ہر پائپ لائن میں غوطہ لگاتے ہیں۔
ڈیٹا پائپ لائن
درج ذیل خاکہ ڈیٹا پائپ لائن کے ورک فلو کو دکھاتا ہے۔
LADI ڈیٹا پائپ لائن خام ڈیٹا امیجز کے ادخال کے ساتھ شروع ہوتی ہے۔ FEMA کامن الرٹنگ پروٹوکول (CAP) S3 بالٹی میں۔ جیسا کہ ہم تصاویر کو خام ڈیٹا بالٹی میں داخل کرتے ہیں، ان پر دو مراحل میں تقریباً حقیقی وقت میں کارروائی ہوتی ہے:
- S3 بالٹی تمام آبجیکٹ تخلیقات کے لیے ایونٹ کی اطلاعات کو متحرک کرتی ہے، جس سے ہر تصویر کے لیے SQS قطار میں پیغامات پیدا ہوتے ہیں۔
- SQS قطار بیک وقت امیج پر پری پروسیسنگ لیمبڈا فنکشنز کو مدعو کرتی ہے۔
لیمبڈا کے افعال درج ذیل پری پروسیسنگ اقدامات انجام دیتے ہیں:
- ہر تصویر کے لیے UUID کا حساب لگائیں، ہر تصویر کے لیے ایک منفرد شناخت کنندہ فراہم کریں۔ یہ ID اس کی پوری زندگی کے لیے تصویر کی شناخت کرے گی۔
- تصویر سے میٹا ڈیٹا جیسے GPS کوآرڈینیٹ، تصویر کا سائز، GIS معلومات، اور S3 مقام نکالیں اور اسے OpenSearch میں برقرار رکھیں۔
- FIPS کوڈز کے خلاف تلاش کی بنیاد پر، فنکشن تصویر کو کیوریٹڈ ڈیٹا S3 بالٹی میں منتقل کرتا ہے۔ ہم ڈیٹا کو تصویر کے FIPS-State-code/FIPS-County-code/Year/Month کے حساب سے تقسیم کرتے ہیں۔
مشین لرننگ پائپ لائن
ایم ایل پائپ لائن ڈیٹا پائپ لائن مرحلے میں کیوریٹڈ ڈیٹا S3 بالٹی میں اترنے والی تصاویر سے شروع ہوتی ہے، جو درج ذیل مراحل کو متحرک کرتی ہے:
- Amazon S3 کیوریٹڈ ڈیٹا S3 بالٹی میں بنائے گئے ہر شے کے لیے ایک اور SQS قطار میں ایک پیغام تیار کرتا ہے۔
- SQS قطار تصویر پر ML inference جاب کو چلانے کے لیے بیک وقت لیمبڈا فنکشنز کو متحرک کرتی ہے۔
لیمبڈا کے افعال درج ذیل افعال انجام دیتے ہیں:
- آبجیکٹ کا پتہ لگانے کے لیے ہر تصویر کو Amazon Recognition کو بھیجیں، واپس کیے گئے لیبلز اور متعلقہ اعتماد کے اسکورز کو اسٹور کریں۔
- Amazon Recognition آؤٹ پٹ کو ہمارے لیے ان پٹ پیرامیٹرز میں کمپوز کریں۔ ایمیزون سیج میکر ملٹی ماڈل اینڈ پوائنٹ۔ یہ اختتامی نقطہ ہمارے درجہ بندی کرنے والوں کے جوڑ کی میزبانی کرتا ہے، جنہیں نقصان کے لیبل کے مخصوص سیٹوں کے لیے تربیت دی جاتی ہے۔
- سیج میکر اینڈ پوائنٹ کے نتائج کو پاس کریں۔ Amazon Augmented AI (ایمیزون A2I)۔
مندرجہ ذیل خاکہ پائپ لائن ورک فلو کی وضاحت کرتا ہے۔
ہیومن ان دی لوپ ریویو پائپ لائن
مندرجہ ذیل خاکہ ہیومن-ان-دی-لوپ (HIL) پائپ لائن کی وضاحت کرتا ہے۔
Amazon A2I کے ساتھ، ہم ان حدوں کو ترتیب دے سکتے ہیں جو ایک پرائیویٹ ٹیم کے ذریعے انسانی جائزے کو متحرک کریں گے جب کوئی ماڈل کم اعتماد کی پیشین گوئی کرتا ہے۔ ہم اپنے ماڈل کی پیشین گوئیوں کا جاری آڈٹ فراہم کرنے کے لیے Amazon A2I کا بھی استعمال کر سکتے ہیں۔ ورک فلو کے مراحل درج ذیل ہیں:
- ایمیزون A2I تصویر کے لیبل ڈیٹا کو اپ ڈیٹ کرتے ہوئے، OpenSearch سروس میں اعلیٰ اعتماد کی پیشین گوئیاں کرتا ہے۔
- ایمیزون A2I تصاویر کو دستی طور پر تشریح کرنے کے لیے پرائیویٹ ٹیم کو کم اعتماد کی پیشین گوئیاں کرتا ہے۔
- انسانی جائزہ لینے والا تشریح مکمل کرتا ہے، ایک انسانی تشریح آؤٹ پٹ فائل بناتا ہے جو HIL آؤٹ پٹ S3 بالٹی میں محفوظ ہوتی ہے۔
- HIL آؤٹ پٹ S3 بالٹی ایک Lambda فنکشن کو متحرک کرتی ہے جو انسانی تشریحات کے آؤٹ پٹ کو پارس کرتی ہے اور OpenSearch سروس میں تصویر کے ڈیٹا کو اپ ڈیٹ کرتی ہے۔
انسانی تشریح کے نتائج کو ڈیٹا سٹور پر واپس روٹ کر کے، ہم جوڑنے والے ماڈلز کو دوبارہ تربیت دے سکتے ہیں اور ماڈل کی درستگی کو بار بار بہتر بنا سکتے ہیں۔
ہمارے اعلیٰ معیار کے نتائج کے ساتھ جو اب OpenSearch سروس میں محفوظ ہیں، ہم REST API کے ذریعے جغرافیائی اور وقتی تلاش کرنے کے قابل ہیں، ایمیزون API گیٹ وے اور جیوسرور۔ اوپن سرچ ڈیش بورڈ صارفین کو اس ڈیٹا سیٹ کے ساتھ تجزیات تلاش کرنے اور چلانے کے قابل بھی بناتا ہے۔
نتائج کی نمائش
درج ذیل کوڈ ہمارے نتائج کی ایک مثال دکھاتا ہے۔
اس نئی پائپ لائن کے ساتھ، ہم ان ماڈلز کے لیے ایک انسانی بیک اسٹاپ بناتے ہیں جو ابھی تک مکمل طور پر کارآمد نہیں ہیں۔ اس نئی ایم ایل پائپ لائن کو a کے ساتھ استعمال کے لیے پیداوار میں ڈال دیا گیا ہے۔ سول ایئر پیٹرول امیج فلٹر مائیکرو سروس جو پورٹو ریکو میں سول ایئر پٹرول کی تصاویر کو فلٹر کرنے کی اجازت دیتا ہے۔ یہ پہلے جواب دہندگان کو نقصان کی حد کو دیکھنے اور سمندری طوفان کے بعد اس نقصان سے وابستہ تصاویر دیکھنے کے قابل بناتا ہے۔ AWS ڈیٹا لیب، AWS اوپن ڈیٹا پروگرام، Amazon ڈیزاسٹر ریسپانس ٹیم، اور AWS ہیومن ان دی لوپ ٹیم نے ایک اوپن سورس پائپ لائن تیار کرنے کے لیے صارفین کے ساتھ کام کیا جسے اوپن ڈیٹا میں ذخیرہ شدہ سول ایئر پٹرول ڈیٹا کا تجزیہ کرنے کے لیے استعمال کیا جا سکتا ہے۔ کسی بھی قدرتی آفت کے بعد پروگرام کی رجسٹری مانگ پر۔ پائپ لائن کے فن تعمیر کے بارے میں مزید معلومات اور تعاون اور اثرات کا جائزہ لینے کے لیے، ویڈیو دیکھیں Amazon Augmented AI، AWS اوپن ڈیٹا پروگرام اور AWS Snowball کے ساتھ تباہی کے ردعمل پر توجہ مرکوز کرنا.
نتیجہ
چونکہ موسمیاتی تبدیلی طوفانوں اور جنگل کی آگ کی تعدد اور شدت کو بڑھا رہی ہے، ہم مقامی کمیونٹیز پر ان واقعات کے اثرات کو سمجھنے کے لیے ML کے استعمال کی اہمیت کو دیکھتے رہتے ہیں۔ یہ نئے ٹولز ڈیزاسٹر ریسپانس کی کوششوں کو تیز کر سکتے ہیں اور ہمیں ان ماڈلز کی پیشین گوئی کی درستگی کو فعال سیکھنے کے ساتھ بہتر بنانے کے لیے واقعہ کے بعد کے تجزیوں سے ڈیٹا استعمال کرنے کی اجازت دے سکتے ہیں۔ یہ نئے ML ماڈلز ڈیٹا کی تشریح کو خودکار کر سکتے ہیں، جو ہمیں ان واقعات میں سے ہر ایک سے ہونے والے نقصان کی حد کا اندازہ لگانے کے قابل بناتا ہے کیونکہ ہم نقشے کے ڈیٹا کے ساتھ نقصان کے لیبل کو اوورلے کرتے ہیں۔ یہ جمع شدہ ڈیٹا مستقبل میں تباہی کے واقعات کے لیے نقصان کا اندازہ لگانے کی ہماری صلاحیت کو بہتر بنانے میں بھی مدد کر سکتا ہے، جو تخفیف کی حکمت عملیوں سے آگاہ کر سکتا ہے۔ اس کے نتیجے میں فیصلہ سازوں کو ان ابھرتے ہوئے ماحولیاتی خطرات سے نمٹنے کے لیے ڈیٹا پر مبنی پالیسیاں تیار کرنے کے لیے درکار معلومات دے کر کمیونٹیز، معیشتوں اور ماحولیاتی نظام کی لچک کو بہتر بنایا جا سکتا ہے۔
اس بلاگ پوسٹ میں ہم نے سیٹلائٹ امیجری پر کمپیوٹر ویژن کے استعمال پر بات کی۔ اس حل کا مطلب ایک حوالہ آرکیٹیکچر یا فوری آغاز گائیڈ ہے جسے آپ اپنی ضروریات کے لیے اپنی مرضی کے مطابق بنا سکتے ہیں۔
اسے ایک چکر لگائیں اور تبصرے کے سیکشن میں تاثرات چھوڑ کر ہمیں بتائیں کہ اس نے آپ کے استعمال کے معاملے کو کیسے حل کیا۔ مزید معلومات کے لیے دیکھیں ایمیزون سیج میکر کی جغرافیائی صلاحیتیں۔.
مصنفین کے بارے میں
ومشی کرشنا اینابوتھلا AWS میں ایک سینئر اپلائیڈ اے آئی سپیشلسٹ آرکیٹیکٹ ہے۔ وہ اعلیٰ اثر والے ڈیٹا، تجزیات، اور مشین لرننگ کے اقدامات کو تیز کرنے کے لیے مختلف شعبوں کے صارفین کے ساتھ کام کرتا ہے۔ وہ AI اور ML میں سفارشی نظام، NLP، اور کمپیوٹر وژن کے شعبوں کے بارے میں پرجوش ہیں۔ کام سے باہر، Vamshi ایک RC پرجوش ہے، RC سازوسامان (ہوائی جہاز، کاریں، اور ڈرون) بناتا ہے، اور باغبانی سے بھی لطف اندوز ہوتا ہے۔
مورگن ڈٹن Amazon Augmented AI اور Amazon SageMaker Ground Truth ٹیم کے ساتھ ایک سینئر ٹیکنیکل پروگرام مینیجر ہے۔ وہ انٹرپرائز، تعلیمی اور پبلک سیکٹر کے صارفین کے ساتھ مشین لرننگ اور ہیومن ان دی لوپ ML سروسز کو اپنانے میں تیزی لانے کے لیے کام کرتی ہے۔
سندیپ ورما AWS کے ساتھ ایک سینئر پروٹو ٹائپنگ آرکیٹیکٹ ہے۔ اسے صارفین کے چیلنجوں میں گہرائی میں غوطہ لگانے اور صارفین کے لیے اختراع کو تیز کرنے کے لیے پروٹو ٹائپ بنانے کا لطف آتا ہے۔ اس کا پس منظر AI/ML میں ہے، نیو نالج کے بانی، اور عام طور پر ٹیک کے بارے میں پرجوش ہیں۔ اپنے فارغ وقت میں، وہ اپنے خاندان کے ساتھ سفر اور اسکیئنگ سے محبت کرتا 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/accelerate-disaster-response-with-computer-vision-for-satellite-imagery-using-amazon-sagemaker-and-amazon-augmented-ai/
- 100
- 7
- 98
- a
- کی صلاحیت
- قابلیت
- ہمارے بارے میں
- تعلیمی
- رفتار کو تیز تر
- درستگی
- اعمال
- فعال
- کام کرتا ہے
- پتہ
- منہ بولابیٹا بنانے
- ترقی
- فائدہ
- کے خلاف
- ایجنسیوں
- AI
- AI / ML
- AIR
- تمام
- کی اجازت دیتا ہے
- ایمیزون
- Amazon Augmented AI
- ایمیزون پہچان۔
- ایمیزون سیج میکر
- ایمیزون سیج میکر گراؤنڈ ٹروتھ
- تجزیہ
- تجزیہ
- تجزیاتی
- تجزیے
- اور
- ایک اور
- اے پی آئی
- ایپلی کیشنز
- اطلاقی
- اپلائیڈ اے آئی
- فن تعمیر
- علاقوں
- منسلک
- آڈٹ
- اضافہ
- خود کار طریقے سے
- کے بارے میں شعور
- AWS
- واپس
- پس منظر
- بیک اپ
- راہ میں حائل رکاوٹیں
- بیس لائن
- کیونکہ
- معیارات
- BEST
- بہترین طریقوں
- بلاگ
- بفر
- تعمیر
- عمارت
- ٹوپی
- کاریں
- کیس
- مقدمات
- اقسام
- مرکزی
- چیلنجوں
- چیلنج
- تبدیل
- چیک کریں
- کا انتخاب کیا
- شہر
- آب و ہوا
- موسمیاتی تبدیلی
- کلسٹر
- کوڈ
- تعاون
- تبصروں
- کامن
- کمیونٹی
- مکمل کرتا ہے
- اجزاء
- کمپیوٹنگ
- کمپیوٹر
- کمپیوٹر ویژن
- آپکا اعتماد
- پر مشتمل ہے
- سیاق و سباق
- جاری
- جاری ہے
- کنٹرول
- تخلیق
- بنائی
- تخلیق
- تخلیقات
- اہم
- cured
- گاہک
- گاہکوں
- اپنی مرضی کے مطابق
- ڈیش بورڈ
- اعداد و شمار
- اعداد و شمار پر مبنی ہے
- ڈیٹاسیٹس
- معاملہ
- فیصلہ کرنے والے
- گہری
- گہری سیکھنے
- نجات
- ڈیمانڈ
- تعیناتی
- بیان
- ڈیزائن
- ڈیزائن
- تفصیل
- پتہ چلا
- کھوج
- ترقی
- ترقی
- مختلف
- مشکل
- آفت
- آفات
- بات چیت
- ڈرون
- ہر ایک
- معیشتوں
- ماحولیاتی نظام۔
- کوششوں
- کرنڈ
- چالو حالت میں
- کے قابل بناتا ہے
- اختتام پوائنٹ
- انٹرپرائز
- حوصلہ افزائی
- پوری
- ماحولیاتی
- کا سامان
- خاص طور پر
- بھی
- واقعہ
- واقعات
- ارتقاء
- مثال کے طور پر
- موجودہ
- مہنگی
- نچوڑ۔
- خاندان
- فاسٹ
- شامل
- خصوصیات
- آراء
- فائل
- فلٹر
- فلٹرنگ
- آگ
- پہلا
- توجہ مرکوز
- کے بعد
- مندرجہ ذیل ہے
- بانی
- مفت
- فرکوےنسی
- سے
- مکمل طور پر
- تقریب
- افعال
- مستقبل
- حاصل کرنا
- عام طور پر
- پیدا ہوتا ہے
- پیدا کرنے والے
- جغرافیائی
- Geospatial ML
- حاصل
- دی
- دے
- گلوبل
- اچھا
- حکومتیں
- GPS
- گراؤنڈ
- رہنمائی
- ہینڈل
- ہونے
- مدد
- مدد گار
- مدد کرتا ہے
- ہائی
- اعلی معیار کی
- انتہائی
- مارو
- میزبان
- کس طرح
- HTML
- HTTPS
- انسانی
- طوفان
- ID
- شناخت
- شناخت
- تصویر
- تصاویر
- اثر
- نفاذ
- اہمیت
- کو بہتر بنانے کے
- کو بہتر بنانے کے
- in
- سمیت
- موصولہ
- اضافہ
- معلومات
- اقدامات
- جدت طرازی
- ان پٹ
- ضم
- انضمام
- میں خلل
- پکارتے ہیں۔
- ملوث
- IT
- ایوب
- کلیدی
- جان
- علم
- لیب
- لیبل
- لیبل
- لیبل
- نہیں
- لینڈنگ
- بڑے پیمانے پر
- سیکھنے
- چھوڑ کر
- آو ہم
- زندگی کا دورانیہ
- مقامی
- محل وقوع
- تلاش
- تلاش
- لو
- مشین
- مشین لرننگ
- برقرار رکھنے
- بنا
- بناتا ہے
- مینیجر
- مینیجنگ
- دستی
- دستی طور پر
- نقشہ
- نقشہ جات
- بڑے پیمانے پر
- پیغام
- پیغامات
- میٹا ڈیٹا
- میکسیکو
- تخفیف
- ML
- ماڈل
- ماڈل
- زیادہ
- چالیں
- ملٹی ماڈل اینڈ پوائنٹ
- ایک سے زیادہ
- قدرتی
- فطرت، قدرت
- ضرورت ہے
- ضروریات
- نئی
- ویزا
- اطلاعات
- اعتراض
- آبجیکٹ کا پتہ لگانا
- اشیاء
- سمندر
- پیشکشیں
- جاری
- کھول
- کھولیں ڈیٹا
- اوپن سورس
- باہر
- مجموعی جائزہ
- خود
- متوازی
- پیرامیٹرز
- جذباتی
- پاٹرن
- انجام دیں
- نقطہ نظر
- پائپ لائن
- سیارے
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- پوسٹ
- طریقوں
- صحت سے متعلق
- پیشن گوئی
- کی پیشن گوئی
- پیشن گوئی
- ترجیح دیں
- نجی
- مسئلہ
- عمل
- عملدرآمد
- پروسیسنگ
- پیداوار
- پروگرام
- پروٹوکول
- prototypes
- prototyping کے
- ثابت
- فراہم
- فراہم کرنے
- عوامی
- پورٹو
- پورٹو ریکو
- ڈال
- فوری
- خام
- حال ہی میں
- حال ہی میں
- سفارش
- کو کم کرنے
- رجسٹری
- جاری
- ریلیف
- ضرورت
- محققین
- لچک
- متعلقہ
- جواب
- باقی
- نتائج کی نمائش
- کا جائزہ لینے کے
- RICO
- روٹ
- راستے
- رن
- sagemaker
- سیٹلائٹ
- توسیع پذیر
- سکیلنگ
- مناظر
- تلاش کریں
- موسم
- سیکشن
- سیکشنز
- شعبے
- سیکٹر
- سینئر
- بے سرور
- سرورز
- سروس
- سروسز
- سیٹ
- شوز
- سادہ
- سائز
- دھواں
- سنیپشاٹ
- حل
- ذرائع
- ماہر
- مخصوص
- spikes
- معیار
- شروع کریں
- شروع ہوتا ہے
- ریاستی آرٹ
- امریکہ
- مرحلہ
- مراحل
- ذخیرہ
- ذخیرہ
- ذخیرہ
- طوفان
- حکمت عملیوں
- اس طرح
- حمایت
- کے نظام
- سسٹمز
- لے لو
- ٹیم
- ٹیموں
- ٹیک
- ٹیکنیکل
- ٹیکنالوجی
- ۔
- کے بارے میں معلومات
- خطرات
- تین
- وقت
- وقت لگتا
- کرنے کے لئے
- کے آلے
- اوزار
- ٹرین
- تربیت یافتہ
- ٹریننگ
- سفر
- ٹرگر
- ٹرن
- اقسام
- سمجھ
- منفرد
- تازہ ترین معلومات
- اپ ڈیٹ
- us
- استعمال کی شرائط
- استعمال کیس
- صارفین
- مختلف
- کی طرف سے
- ویڈیو
- لنک
- نقطہ نظر
- تصور
- جس
- گے
- بغیر
- کام
- کام کیا
- کام کرتا ہے
- گا
- سال
- پیداوار
- تم
- اور
- یو ٹیوب پر
- زیفیرنیٹ