ایمیزون سیج میکر ڈیٹا رینگلر reduces the time it takes to collect and prepare data for machine learning (ML) from weeks to minutes. You can streamline the process of feature engineering and data preparation with SageMaker Data Wrangler and finish each stage of the data preparation workflow (including data selection, purification, exploration, visualization, and processing at scale) within a single visual interface. Data is frequently kept in data lakes that can be managed by AWS جھیل کی تشکیل, giving you the ability to implement fine-grained access control using a straightforward grant or revoke procedure. SageMaker Data Wrangler supports fine-grained data access control with Lake Formation and ایمیزون ایتینا کنکشن.
We are happy to announce that SageMaker Data Wrangler now supports using Lake Formation with ایمیزون ای ایم آر to provide this fine-grained data access restriction.
Data professionals such as data scientists want to use the power of اپاچی چمک, چھتہ، اور پریسو running on Amazon EMR for fast data preparation; however, the learning curve is steep. Our customers wanted the ability to connect to Amazon EMR to run ad hoc SQL queries on Hive or Presto to query data in the internal metastore or external metastore (such as the AWS گلو ڈیٹا کیٹلاگ), and prepare data within a few clicks.
In this post, we show how to use Lake Formation as a central data governance capability and Amazon EMR as a big data query engine to enable access for SageMaker Data Wrangler. The capabilities of Lake Formation simplify securing and managing distributed data lakes across multiple accounts through a centralized approach, providing fine-grained access control.
حل جائزہ
ہم نمونہ ڈیٹاسیٹ کا استعمال کرتے ہوئے اختتام سے آخر تک استعمال کے کیس کے ساتھ اس حل کا مظاہرہ کرتے ہیں۔ TPC ڈیٹا ماڈل. یہ ڈیٹا مصنوعات کے لین دین کے ڈیٹا کی نمائندگی کرتا ہے اور اس میں کسٹمر ڈیموگرافکس، انوینٹری، ویب سیلز اور پروموشنز جیسی معلومات شامل ہیں۔ عمدہ ڈیٹا تک رسائی کی اجازتوں کو ظاہر کرنے کے لیے، ہم درج ذیل دو صارفین پر غور کرتے ہیں:
- ڈیوڈ، مارکیٹنگ ٹیم میں ڈیٹا سائنسدان۔ اسے کسٹمر سیگمنٹیشن پر ایک ماڈل بنانے کا کام سونپا گیا ہے، اور اسے صرف غیر حساس کسٹمر ڈیٹا تک رسائی کی اجازت ہے۔
- ٹینا، سیلز ٹیم میں ڈیٹا سائنسدان۔ اسے فروخت کی پیشن گوئی کا ماڈل بنانے کا کام سونپا گیا ہے، اور اسے مخصوص علاقے کے لیے سیلز ڈیٹا تک رسائی کی ضرورت ہے۔ وہ جدت طرازی کے ساتھ پروڈکٹ ٹیم کی مدد بھی کر رہی ہے، اور اس لیے پروڈکٹ ڈیٹا تک بھی رسائی کی ضرورت ہے۔
فن تعمیر کو اس طرح نافذ کیا گیا ہے:
- Lake Formation manages the data lake, and the raw data is available in ایمیزون سادہ اسٹوریج سروس (ایمیزون S3) بالٹیاں
- ایمیزون ای ایم آر کا استعمال ڈیٹا لیک سے ڈیٹا کو استفسار کرنے اور اسپارک کا استعمال کرتے ہوئے ڈیٹا کی تیاری کو انجام دینے کے لیے کیا جاتا ہے۔
- AWS شناخت اور رسائی کا انتظام (IAM) roles are used to manage data access using Lake Formation
- SageMaker Data Wrangler is used as the single visual interface to interactively query and prepare the data
The following diagram illustrates this architecture. Account A is the data lake account that houses all the ML-ready data obtained through extract, transform, and load (ETL) processes. Account B is the data science account where a group of data scientists compile and run data transformations using SageMaker Data Wrangler. In order for SageMaker Data Wrangler in Account B to have access to the data tables in Account A’s data lake via Lake Formation permissions, we must activate the necessary rights.
آپ فراہم کردہ استعمال کر سکتے ہیں۔ AWS کلاؤڈ فارمیشن stack to set up the architectural components for this solution.
شرائط
شروع کرنے سے پہلے، یقینی بنائیں کہ آپ کے پاس درج ذیل شرائط ہیں:
- An AWS اکاؤنٹ
- ایڈمنسٹریٹر تک رسائی کے ساتھ ایک IAM صارف
- ایک S3 بالٹی
AWS CloudFormation کے ساتھ وسائل فراہم کریں۔
We provide a CloudFormation template that deploys the services in the architecture for end-to-end testing and to facilitate repeated deployments. The outputs of this template are as follows:
- ڈیٹا لیک کے لیے ایک S3 بالٹی۔
- An EMR cluster with EMR runtime roles enabled. For more details on using runtime roles with Amazon EMR, see Amazon EMR اقدامات کے لیے رن ٹائم رولز کو ترتیب دیں۔. ایمیزون EMR 6.9 میں EMR کلسٹرز کے ساتھ رن ٹائم رولز کو منسلک کرنا معاون ہے۔ یقینی بنائیں کہ درج ذیل ترتیب موجود ہے:
- Create a security configuration in Amazon EMR.
- The EMR runtime role’s trust policy should allow the EMR EC2 instance profile to assume the role.
- The EMR EC2 instance profile role should be able to assume the EMR runtime roles.
- The EMR cluster should be created with encryption in transit.
- ڈیٹا لیک میں ڈیٹا تک رسائی کے لیے IAM کے کردار، عمدہ اجازتوں کے ساتھ:
- Marketing-data-access-role
- Sales-data-access-role
- An ایمیزون سیج میکر اسٹوڈیو ڈومین and two user profiles. The SageMaker Studio execution roles for the users allow the users to assume their corresponding EMR runtime roles.
- A lifecycle configuration to enable the selection of the role to use for the EMR connection.
- ایک لیک فارمیشن ڈیٹا بیس TPC ڈیٹا کے ساتھ آباد ہے۔
- سیٹ اپ کے لیے درکار نیٹ ورکنگ وسائل، جیسے VPC، سب نیٹس، اور سیکیورٹی گروپس۔
Create Amazon EMR encryption certificates for the data in transit
With Amazon EMR release version 4.8.0 or later, you have option for specifying artifacts for encrypting data in transit using a security configuration. We manually create PEM certificates, include them in a .zip file, upload it to an S3 bucket, and then reference the .zip file in Amazon S3. You likely want to configure the private key PEM file to be a wildcard certificate that enables access to the VPC domain in which your cluster instances reside. For example, if your cluster resides in the us-east-1 Region, you could specify a common name in the certificate configuration that allows access to the cluster by specifying CN=*.ec2.internal
in the certificate subject definition. If your cluster resides in us-west-2
, you could specify CN=*.us-west-2.compute.internal
.
Run the following commands using your system terminal. This will generate PEM certificates and collate them into a .zip file:
اپ لوڈ کریں my-certs.zip
to an S3 bucket in the same Region where you intend to run this exercise. Copy the S3 URI for the uploaded file. You’ll need this while launching the CloudFormation template.
This example is a proof of concept demonstration only. Using self-signed certificates is not recommended and presents a potential security risk. For production systems, use a trusted certification authority (CA) to issue certificates.
CloudFormation ٹیمپلیٹ کو تعینات کرنا
حل کو تعینات کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:
- میں سائن ان کریں AWS مینجمنٹ کنسول as an IAM user, preferably an admin user.
- میں سے انتخاب کریں اسٹیک لانچ کریں۔ to launch the CloudFormation template:
- میں سے انتخاب کریں اگلے.
- کے لئے اسٹیک کا نام, enter a name for the stack.
- کے لئے IdleTimeout, enter a value for the idle timeout for the EMR cluster (to avoid paying for the cluster when it’s not being used).
- کے لئے S3CertsZip, enter an S3 URI with the EMR encryption key.
For instructions to generate a key and .zip file specific to your Region, refer to Amazon EMR انکرپشن کے ساتھ ٹرانزٹ میں ڈیٹا کو خفیہ کرنے کے لیے سرٹیفکیٹ فراہم کرنا. If you are deploying in US East (N. Virginia), remember to use CN=*.ec2.internal. For more information, refer to Create keys and certificates for data encryption. Make sure to upload the .zip file to an S3 bucket in the same Region as your CloudFormation stack deployment.
- جائزہ کے صفحہ پر، اس بات کی تصدیق کرنے کے لیے چیک باکس کو منتخب کریں کہ AWS CloudFormation وسائل پیدا کر سکتا ہے۔
- میں سے انتخاب کریں اسٹیک بنائیں.
اسٹیک کی حیثیت تبدیل ہونے تک انتظار کریں۔ CREATE_IN_PROGRESS کرنے کے لئے CREATE_COMPLETE. اس عمل میں عام طور پر 10-15 منٹ لگتے ہیں۔
After the stack is created, allow Amazon EMR to query Lake Formation by updating the External Data Filtering settings on Lake Formation. For instructions, refer to جھیل کی تشکیل کے ساتھ شروع کرنا. Specify Amazon EMR for سیشن ٹیگ کی قدریں۔ and enter your AWS account ID under AWS اکاؤنٹ IDs.
Test data access permissions
Now that the necessary infrastructure is in place, you can verify that the two SageMaker Studio users have access to granular data. To review, David shouldn’t have access to any private information about your customers. Tina has access to information about sales. Let’s put each user type to the test.
Test David’s user profile
ڈیوڈ کے صارف پروفائل کے ساتھ اپنے ڈیٹا تک رسائی کی جانچ کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:
- سیج میکر کنسول پر، منتخب کریں۔ ڈومینز نیوی گیشن پین میں.
- From the SageMaker Studio domain, launch SageMaker Studio from the user profile david-non-sensitive-customer.
- In your SageMaker Studio environment, create an ایمیزون سیج میکر ڈیٹا رینگلر flow, and choose ڈیٹا کو بصری طور پر درآمد اور تیار کریں۔.
متبادل طور پر، پر فائل مینو، منتخب کریں نئی، پھر منتخب کریں ڈیٹا رینگلر کا بہاؤ.
We discuss these steps to create a data flow in detail later in this post.
Test Tina’s user profile
Tina’s SageMaker Studio execution role allows her to access the Lake Formation database using two EMR execution roles. This is achieved by listing the role ARNs in a configuration file in Tina’s file directory. These roles can be set using SageMaker Studio lifecycle configurations تمام ایپ کے دوبارہ شروع ہونے والے کرداروں کو برقرار رکھنے کے لیے۔ ٹینا کی رسائی کو جانچنے کے لیے، درج ذیل مراحل کو مکمل کریں:
- On the SageMaker console, navigate to the SageMaker Studio domain.
- Launch SageMaker Studio from the user profile
tina-sales-electronics
.
It’s a good practice to close any previous SageMaker Studio sessions on your browser when switching user profiles. There can only be one active SageMaker Studio user session at a time.
- Create a Data Wrangler data flow.
In the following sections, we showcase creating a data flow within SageMaker Data Wrangler and connecting to Amazon EMR as the data source. David and Tina will have similar experiences with data preparation, except for access permissions, so they will see different tables.
Create a SageMaker Data Wrangler data flow
In this section, we cover connecting to the existing EMR cluster created through the CloudFormation template as a data source in SageMaker Data Wrangler. For demonstration purposes, we use David’s user profile.
اپنا ڈیٹا فلو بنانے کے لیے، درج ذیل مراحل کو مکمل کریں:
- سیج میکر کنسول پر، منتخب کریں۔ ڈومینز نیوی گیشن پین میں.
- Choose StudioDomain, which was created by running the CloudFormation template.
- Select a user profile (for this example, David’s) and launch SageMaker Studio.
- میں سے انتخاب کریں سٹوڈیو کھولیں۔.
- In SageMaker Studio, create a new data flow and choose ڈیٹا کو بصری طور پر درآمد اور تیار کریں۔.
متبادل طور پر، پر فائل مینو، منتخب کریں نئی، پھر منتخب کریں ڈیٹا رینگلر کا بہاؤ.
ایک نیا بہاؤ بنانے میں چند منٹ لگ سکتے ہیں۔ بہاؤ پیدا ہونے کے بعد، آپ دیکھیں گے۔ ڈیٹا درآمد کریں۔ صفحہ.
- To add Amazon EMR as a data source in SageMaker Data Wrangler, on the ڈیٹا کا ماخذ شامل کریں مینو، منتخب کریں ایمیزون ای ایم آر.
You can browse all the EMR clusters that your SageMaker Studio execution role has permissions to see. You have two options to connect to a cluster: one is through the interactive UI, and the other is to first create a secret کا استعمال کرتے ہوئے AWS سیکرٹس مینیجر with a JDBC URL, including EMR cluster information, and then provide the stored AWS secret ARN in the UI to connect to Presto or Hive. In this post, we use the first method.
- Select any of the clusters that you want to use, then choose اگلے.
- Select which endpoint you want to use.
- Enter a name to identify your connection, such as
emr-iam-connection
، پھر منتخب کریں اگلے.
- منتخب کریں IAM as your authentication type and choose رابطہ قائم کریں.
When you’re connected, you can interactively view a database tree and table preview or schema. You can also query, explore, and visualize data from Amazon EMR. For a preview, you see a limit of 100 records by default. After you provide a SQL statement in the query editor and choose رن, the query is run on the Amazon EMR Hive engine to preview the data. Choose استفسار منسوخ کریں۔ to cancel ongoing queries if they are taking an unusually long time.
- Let’s access data from the table that David doesn’t have permissions to.
The query will result in the error message “Unable to fetch table dl_tpc_web_sales. Insufficient Lake Formation permission(s) on dl_tpc_web_sales.”
The last step is to import the data. When you are ready with the queried data, you have the option to update the sampling settings for the data selection according to the sampling type (FirstK, Random, or Stratified) and the sampling size for importing data into Data Wrangler.
- میں سے انتخاب کریں درآمد کریں to import the data.
On the next page, you can add various transformations and essential analysis to the dataset.
- Navigate to the data flow and add more steps to the flow as needed for transformations and analysis.
آپ چلا سکتے ہیں a ڈیٹا بصیرت کی رپورٹ ڈیٹا کے معیار کے مسائل کی نشاندہی کرنے اور ان مسائل کو حل کرنے کے لیے سفارشات حاصل کرنے کے لیے۔ آئیے تبدیلیوں کی کچھ مثالیں دیکھیں۔
- میں ڈیٹا کے بہاؤ view, you should see that we are using Amazon EMR as a data source using the Hive connector.
- آگے جمع کا نشان منتخب کریں۔ ڈیٹا کی اقسام اور منتخب کریں تبدیلی شامل کریں۔.
Let’s explore the data and apply a transformation. For example, the c_login
column is empty and it will not add value as a feature. Let’s delete the column.
- میں All steps پین، منتخب کریں قدم شامل کریں۔.
- میں سے انتخاب کریں کالموں کا نظم کریں۔.
- کے لئے تبدیلمنتخب کریں ڈراپ کالم.
- کے لئے چھوڑنے کے لیے کالم، منتخب کیجئیے
c_login
کالم. - میں سے انتخاب کریں پیش نظارہ، پھر منتخب کریں شامل کریں.
- Verify the step by expanding the ڈراپ کالم سیکشن پر ایک اقتصادی کینڈر سکین کر لیں۔
You can continue adding steps based on the different transformations required for your dataset. Let’s go back to our data flow. You can now see the ڈراپ کالم block showing the transform we performed.
ML practitioners spend a lot of time crafting feature engineering code, applying it to their initial datasets, training models on the engineered datasets, and evaluating model accuracy. Given the experimental nature of this work, even the smallest project will lead to multiple iterations. The same feature engineering code is often run again and again, wasting time and compute resources on repeating the same operations. In large organizations, this can cause an even greater loss of productivity because different teams often run identical jobs or even write duplicate feature engineering code because they have no knowledge of prior work. To avoid the reprocessing of features, we can export our transformed features to ایمیزون سیج میکر فیچر اسٹور. مزید معلومات کے لیے رجوع کریں۔ نیا - ایمیزون سیج میکر فیچر اسٹور کے ساتھ مشین لرننگ کی خصوصیات کو اسٹور، دریافت اور شیئر کریں۔.
- آگے جمع کا نشان منتخب کریں۔ ڈراپ کالم.
- میں سے انتخاب کریں برآمد کریں اور SageMaker Feature Store (via Jupyter notebook).
You can easily export your generated features to SageMaker Feature Store by specifying it as the destination. You can save the features into an existing feature group or create a new one. For more information, refer to کوڈ کے بغیر ایمیزون سیج میکر میں آسانی سے خصوصیات بنائیں اور اسٹور کریں۔.
We have now created features with SageMaker Data Wrangler and stored those features in SageMaker Feature Store. We showed an example workflow for feature engineering in the SageMaker Data Wrangler UI.
صاف کرو
If your work with SageMaker Data Wrangler is complete, delete the resources you created to avoid incurring additional fees.
- In SageMaker Studio, close all the tabs, then on the فائل مینو، منتخب کریں شاٹ نیچے.
- جب اشارہ کیا جائے تو منتخب کریں۔ سب کو بند کریں۔.
Shutdown might take a few minutes based on the instance type. Make sure all the apps associated with each user profile got deleted. If they were not deleted, manually delete the app associated under each user profile created using the CloudFormation template.
- On the Amazon S3 console, empty any S3 buckets that were created from the CloudFormation template when provisioning clusters.
The buckets should have the same prefix as the CloudFormation launch stack name and cf-templates-.
- On the Amazon EFS console, delete the SageMaker Studio file system.
You can confirm that you have the correct file system by choosing the file system ID and confirming the tag ManagedByAmazonSageMakerResource
پر ٹیگز ٹیب.
- AWS CloudFormation کنسول پر، اپنے بنائے ہوئے اسٹیک کو منتخب کریں اور منتخب کریں۔ خارج کر دیں.
You’ll receive an error message, which is expected. We’ll come back to this and clean it up in the subsequent steps.
- Identify the VPC that was created by the CloudFormation stack, named dw-emr-, and follow the prompts to delete the VPC.
- Return to the AWS CloudFormation console and retry the stack deletion for dw-emr-.
All the resources provisioned by the CloudFormation template described in this post have now been removed from your account.
نتیجہ
In this post, we went over how to apply fine-grained access control with Lake Formation and access the data using Amazon EMR as a data source in SageMaker Data Wrangler, how to transform and analyze a dataset, and how to export the results to a data flow for use in a Jupyter notebook. After visualizing our dataset using SageMaker Data Wrangler’s built-in analytical features, we further enhanced our data flow. The fact that we created a data preparation pipeline without writing a single line of code is significant.
To get started with SageMaker Data Wrangler, refer to ایمیزون سیج میکر ڈیٹا رینگلر کے ساتھ ایم ایل ڈیٹا تیار کریں۔.
مصنفین کے بارے میں
اجے گووندرام AWS میں ایک سینئر سولیوشن آرکیٹیکٹ ہے۔ وہ اسٹریٹجک صارفین کے ساتھ کام کرتا ہے جو پیچیدہ کاروباری مسائل کو حل کرنے کے لیے AI/ML استعمال کر رہے ہیں۔ اس کا تجربہ تکنیکی سمت فراہم کرنے کے ساتھ ساتھ معمولی سے بڑے پیمانے پر AI/ML ایپلیکیشن کی تعیناتیوں کے لیے ڈیزائن مدد فراہم کرنے میں ہے۔ اس کا علم ایپلی کیشن آرکیٹیکچر سے لے کر بڑے ڈیٹا، تجزیات اور مشین لرننگ تک ہے۔ وہ آرام کرتے ہوئے موسیقی سننے، باہر کا تجربہ کرنے اور اپنے پیاروں کے ساتھ وقت گزارنے سے لطف اندوز ہوتا ہے۔
عشاء کی دعا سان فرانسسکو بے ایریا میں مقیم ایک سینئر سولیوشن آرکیٹیکٹ ہے۔ وہ AWS انٹرپرائز کے صارفین کو ان کے اہداف اور چیلنجوں کو سمجھ کر بڑھنے میں مدد کرتی ہے، اور ان کی رہنمائی کرتی ہے کہ وہ کس طرح اپنی ایپلی کیشنز کو کلاؤڈ-نیٹیو انداز میں آرکیٹیکٹ کر سکتے ہیں اور لچک اور توسیع پذیری کو یقینی بناتے ہیں۔ وہ مشین لرننگ ٹیکنالوجیز اور ماحولیاتی پائیداری کے بارے میں پرجوش ہے۔
پارتھ پٹیل is a Senior Solutions Architect at AWS in the San Francisco Bay Area. Parth guides enterprise customers to accelerate their journey to the cloud and help them adopt and grow on the AWS Cloud successfully. He is passionate about machine learning technologies, environmental sustainability, and application modernization.
- 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۔ آٹوموٹو / ای وی، 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۔
- چارٹ پرائم۔ ChartPrime کے ساتھ اپنے ٹریڈنگ گیم کو بلند کریں۔ یہاں تک رسائی حاصل کریں۔
- بلاک آفسیٹس۔ ماحولیاتی آفسیٹ ملکیت کو جدید بنانا۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/apply-fine-grained-data-access-controls-with-aws-lake-formation-in-amazon-sagemaker-data-wrangler/
- : ہے
- : ہے
- : نہیں
- :کہاں
- $UP
- 10
- 100
- 11
- 12
- 13
- 14
- 15٪
- 16
- 20
- 202
- 22
- 7
- 8
- 9
- a
- کی صلاحیت
- قابلیت
- ہمارے بارے میں
- رفتار کو تیز تر
- تک رسائی حاصل
- تک رسائی حاصل
- کے مطابق
- اکاؤنٹ
- اکاؤنٹس
- درستگی
- حاصل کیا
- کے پار
- فعال
- Ad
- شامل کریں
- انہوں نے مزید کہا
- ایڈیشنل
- منتظم
- اپنانے
- کے بعد
- پھر
- AI / ML
- تمام
- کی اجازت
- کی اجازت دیتا ہے
- بھی
- ایمیزون
- ایمیزون ای ایم آر
- ایمیزون سیج میکر
- ایمیزون سیج میکر ڈیٹا رینگلر
- ایمیزون ویب سروسز
- an
- تجزیہ
- تجزیاتی
- تجزیاتی
- تجزیے
- اور
- اعلان کریں
- کوئی بھی
- اپلی کیشن
- درخواست
- ایپلی کیشنز
- کا اطلاق کریں
- درخواست دینا
- نقطہ نظر
- ایپس
- ارکیٹیکچرل
- فن تعمیر
- کیا
- رقبہ
- AS
- اسسٹنس
- منسلک
- فرض کرو
- At
- کی توثیق
- اتھارٹی
- دستیاب
- سے اجتناب
- AWS
- AWS کلاؤڈ فارمیشن
- AWS جھیل کی تشکیل
- واپس
- کی بنیاد پر
- خلیج
- BE
- کیونکہ
- رہا
- کیا جا رہا ہے
- بگ
- بگ ڈیٹا
- باکس
- براؤزر
- عمارت
- تعمیر میں
- کاروبار
- by
- CA
- کر سکتے ہیں
- صلاحیتوں
- صلاحیت
- کیس
- کیونکہ
- مرکزی
- مرکزی
- سرٹیفکیٹ
- سرٹیفکیٹ
- تصدیق
- چیلنجوں
- تبدیلیاں
- چیک کریں
- میں سے انتخاب کریں
- منتخب کریں
- کلوز
- بادل
- کلسٹر
- کوڈ
- جمع
- کالم
- کس طرح
- کامن
- مکمل
- پیچیدہ
- اجزاء
- کمپیوٹنگ
- تصور
- ترتیب
- کی توثیق
- رابطہ قائم کریں
- منسلک
- مربوط
- کنکشن
- کنکشن
- غور کریں
- کنسول
- جاری
- کنٹرول
- کنٹرول
- درست
- اسی کے مطابق
- سکتا ہے
- احاطہ
- تخلیق
- بنائی
- تخلیق
- وکر
- گاہک
- کسٹمر کا ڈیٹا
- گاہکوں
- اعداد و شمار
- ڈیٹا تک رسائی
- ڈیٹا لیک
- ڈیٹا کی تیاری
- ڈیٹا سائنس
- ڈیٹا سائنسدان
- ڈیٹا بیس
- ڈیٹاسیٹس
- ڈیوڈ
- پہلے سے طے شدہ
- تعریف
- آبادی
- مظاہرہ
- تعیناتی
- تعینات
- تعیناتی
- تعینات
- تعینات کرتا ہے
- بیان کیا
- ڈیزائن
- منزل
- تفصیل
- تفصیلات
- مختلف
- سمت
- دریافت
- بات چیت
- تقسیم کئے
- نہیں کرتا
- ڈومین
- ہر ایک
- آسانی سے
- وسطی
- ایڈیٹر
- کو چالو کرنے کے
- چالو حالت میں
- کے قابل بناتا ہے
- خفیہ کاری
- آخر سے آخر تک
- اختتام پوائنٹ
- انجن
- انجنیئرنگ
- بہتر
- کو یقینی بنانے ہے
- درج
- انٹرپرائز
- ماحولیات
- ماحولیاتی
- ماحولیاتی پائیداری
- خرابی
- ضروری
- کا جائزہ لینے
- بھی
- مثال کے طور پر
- اس کے علاوہ
- پھانسی
- ورزش
- موجودہ
- توسیع
- توقع
- تجربہ
- تجربات
- تجربہ کرنا
- تجرباتی
- کی تلاش
- تلاش
- برآمد
- بیرونی
- نکالنے
- سہولت
- حقیقت یہ ہے
- فاسٹ
- نمایاں کریں
- خصوصیات
- فیس
- چند
- فائل
- ختم
- پہلا
- درست کریں
- بہاؤ
- پر عمل کریں
- کے بعد
- مندرجہ ذیل ہے
- کے لئے
- پیشن گوئی
- قیام
- فرانسسکو
- اکثر
- سے
- مزید
- پیدا
- پیدا
- حاصل
- دی
- دے
- Go
- اہداف
- اچھا
- گورننس
- عطا
- زیادہ سے زیادہ
- گروپ
- گروپ کا
- بڑھائیں
- ہدایات
- خوش
- ہے
- he
- مدد
- مدد
- مدد کرتا ہے
- اس کی
- ان
- چھتہ
- مکانات
- کس طرح
- کیسے
- تاہم
- HTML
- HTTP
- HTTPS
- ID
- ایک جیسے
- شناخت
- شناختی
- ناقابل یقین
- if
- وضاحت کرتا ہے
- پر عملدرآمد
- عملدرآمد
- درآمد
- درآمد
- in
- شامل
- شامل ہیں
- سمیت
- معلومات
- انفراسٹرکچر
- ابتدائی
- جدت طرازی
- بصیرت
- مثال کے طور پر
- ہدایات
- ارادہ
- انٹرایکٹو
- انٹرفیس
- اندرونی
- میں
- انوینٹری
- مسئلہ
- مسائل
- IT
- تکرار
- نوکریاں
- سفر
- فوٹو
- رکھی
- کلیدی
- چابیاں
- علم
- جھیل
- بڑے
- بڑے پیمانے پر
- آخری
- بعد
- شروع
- شروع
- قیادت
- سیکھنے
- جھوٹ ہے
- زندگی کا دورانیہ
- امکان
- LIMIT
- لائن
- سن
- لسٹنگ
- لوڈ
- لانگ
- طویل وقت
- دیکھو
- بند
- بہت
- محبت کرتا تھا
- مشین
- مشین لرننگ
- بنا
- انتظام
- میں کامیاب
- انتظام
- انتظام کرتا ہے
- مینیجنگ
- انداز
- دستی طور پر
- مارکیٹنگ
- مینو
- پیغام
- طریقہ
- شاید
- منٹ
- ML
- ماڈل
- ماڈل
- معمولی
- زیادہ
- ایک سے زیادہ
- موسیقی
- ضروری
- نام
- نامزد
- فطرت، قدرت
- تشریف لے جائیں
- سمت شناسی
- ضروری
- ضرورت ہے
- ضرورت
- ضروریات
- نئی
- اگلے
- نہیں
- نوٹ بک
- اب
- حاصل کی
- of
- اکثر
- on
- ایک
- والوں
- جاری
- صرف
- آپریشنز
- اختیار
- آپشنز کے بھی
- or
- حکم
- تنظیمیں
- دیگر
- ہمارے
- باہر
- پر
- صفحہ
- پین
- خاص طور پر
- جذباتی
- ادائیگی
- انجام دیں
- کارکردگی
- اجازتیں
- پائپ لائن
- مقام
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- علاوہ
- پالیسی
- آباد ہے
- پوسٹ
- ممکنہ
- طاقت
- پریکٹس
- تیاری
- تیار
- ضروریات
- تحفہ
- پیش نظارہ
- پچھلا
- پہلے
- نجی
- نجی معلومات
- ذاتی کلید
- مسائل
- طریقہ کار
- عمل
- عمل
- پروسیسنگ
- مصنوعات
- پیداوار
- پیداوری
- حاصل
- پیشہ ور ماہرین
- پروفائل
- پروفائلز
- منصوبے
- پروموشنز
- ثبوت
- تصور کا ثبوت
- فراہم
- فراہم
- فراہم کرنے
- مقاصد
- ڈال
- معیار
- سوالات
- بے ترتیب
- خام
- تیار
- وصول
- سفارشات
- سفارش کی
- ریکارڈ
- کم
- خطے
- جاری
- یاد
- ہٹا دیا گیا
- بار بار
- کی نمائندگی کرتا ہے
- ضرورت
- لچک
- وسائل
- آرام
- پابندی
- نتیجہ
- نتائج کی نمائش
- کا جائزہ لینے کے
- حقوق
- رسک
- کردار
- کردار
- RSA
- رن
- چل رہا ہے
- s
- sagemaker
- فروخت
- اسی
- نمونہ ڈیٹاسیٹ
- سان
- سان فرانسسکو
- محفوظ کریں
- اسکیل ایبلٹی
- پیمانے
- سائنس
- سائنسدان
- سائنسدانوں
- خفیہ
- سیکشن
- سیکشنز
- محفوظ
- سیکورٹی
- دیکھنا
- انقطاع
- انتخاب
- سینئر
- سروسز
- اجلاس
- سیشن
- مقرر
- ترتیبات
- سیٹ اپ
- سیکنڈ اور
- وہ
- ہونا چاہئے
- دکھائیں
- نمائش
- سے ظاہر ہوا
- سائن ان کریں
- اہم
- اسی طرح
- سادہ
- آسان بنانے
- ایک
- سائز
- So
- حل
- حل
- حل
- کچھ
- ماخذ
- مخصوص
- خرچ
- خرچ کرنا۔
- ڈھیر لگانا
- اسٹیج
- شروع
- بیان
- درجہ
- مرحلہ
- مراحل
- ذخیرہ
- ذخیرہ
- ذخیرہ
- براہ راست
- حکمت عملی
- کارگر
- سٹوڈیو
- موضوع
- ذیلی نیٹ
- بعد میں
- کامیابی کے ساتھ
- اس طرح
- تائید
- کی حمایت کرتا ہے
- اس بات کا یقین
- پائیداری
- کے نظام
- سسٹمز
- ٹیبل
- TAG
- لے لو
- لیتا ہے
- لینے
- ٹیم
- ٹیموں
- ٹیکنیکل
- ٹیکنالوجی
- سانچے
- ٹرمنل
- ٹیسٹ
- ٹیسٹنگ
- کہ
- ۔
- ان
- ان
- تو
- وہاں.
- لہذا
- یہ
- وہ
- اس
- ان
- کے ذریعے
- وقت
- کرنے کے لئے
- ٹریننگ
- ٹرانزیکشن
- تبدیل
- تبدیلی
- تبدیلی
- تبدیل
- تبادلوں
- ٹرانزٹ
- درخت
- بھروسہ رکھو
- قابل اعتماد
- دو
- قسم
- ui
- کے تحت
- افہام و تفہیم
- جب تک
- اپ ڈیٹ کریں
- اپ ڈیٹ
- اپ لوڈ کردہ
- URL
- us
- استعمال کی شرائط
- استعمال کیس
- استعمال کیا جاتا ہے
- رکن کا
- صارفین
- کا استعمال کرتے ہوئے
- عام طور پر
- قیمت
- مختلف
- اس بات کی تصدیق
- ورژن
- کی طرف سے
- لنک
- ورجینیا
- تصور
- چاہتے ہیں
- چاہتے تھے
- تھا
- we
- ویب
- ویب خدمات
- مہینے
- اچھا ہے
- چلا گیا
- تھے
- جب
- جس
- جبکہ
- ڈبلیو
- گے
- ساتھ
- کے اندر
- بغیر
- کام
- کام کا بہاؤ
- کام کرتا ہے
- لکھنا
- تحریری طور پر
- تم
- اور
- زیفیرنیٹ
- زپ