Structured Query Language (SQL) ایک پیچیدہ زبان ہے جس کے لیے ڈیٹا بیس اور میٹا ڈیٹا کی سمجھ کی ضرورت ہوتی ہے۔ آج، پیدا کرنے والا AI ایس کیو ایل کے علم کے بغیر لوگوں کو قابل بنا سکتا ہے۔ اس تخلیقی AI ٹاسک کو ٹیکسٹ ٹو ایس کیو ایل کہا جاتا ہے، جو نیچرل لینگویج پروسیسنگ (NLP) سے ایس کیو ایل کے سوالات تیار کرتا ہے اور متن کو صحیح ایس کیو ایل میں تبدیل کرتا ہے۔ اس پوسٹ میں حل کا مقصد قدرتی زبان کا استعمال کرتے ہوئے آپ کے ڈیٹا کے راستے کو مختصر کرکے انٹرپرائز اینالیٹکس آپریشنز کو اگلی سطح پر لانا ہے۔
بڑے لینگویج ماڈلز (LLMs) کے ظہور کے ساتھ، NLP پر مبنی SQL جنریشن میں ایک اہم تبدیلی آئی ہے۔ غیر معمولی کارکردگی کا مظاہرہ کرتے ہوئے، LLMs اب قدرتی زبان کی وضاحت سے درست SQL سوالات پیدا کرنے کے قابل ہیں۔ تاہم چیلنجز اب بھی باقی ہیں۔ سب سے پہلے، انسانی زبان فطری طور پر مبہم اور سیاق و سباق پر منحصر ہے، جبکہ ایس کیو ایل عین مطابق، ریاضیاتی اور ساختی ہے۔ اس فرق کے نتیجے میں صارف کی ضروریات کو ایس کیو ایل میں غلط طریقے سے تبدیل کیا جا سکتا ہے۔ دوسرا، آپ کو ہر ڈیٹا بیس کے لیے ٹیکسٹ ٹو ایس کیو ایل فیچرز بنانے کی ضرورت پڑ سکتی ہے کیونکہ ڈیٹا اکثر ایک ہدف میں محفوظ نہیں ہوتا ہے۔ NLP پر مبنی SQL جنریشن والے صارفین کو فعال کرنے کے لیے آپ کو ہر ڈیٹا بیس کی صلاحیت کو دوبارہ بنانا پڑ سکتا ہے۔ تیسرا، ڈیٹا لیکس اور گوداموں جیسے مرکزی تجزیاتی حل کو اپنانے کے باوجود، مختلف ٹیبل کے ناموں اور دیگر میٹا ڈیٹا کے ساتھ پیچیدگی بڑھ جاتی ہے جو مطلوبہ ذرائع کے لیے SQL بنانے کے لیے درکار ہے۔ اس لیے جامع اور اعلیٰ معیار کا میٹا ڈیٹا اکٹھا کرنا بھی ایک چیلنج ہے۔ ٹیکسٹ ٹو ایس کیو ایل کے بہترین طریقوں اور ڈیزائن پیٹرن کے بارے میں مزید جاننے کے لیے، دیکھیں انٹرپرائز ڈیٹا سے قدر پیدا کرنا: Text2SQL اور جنریٹیو AI کے لیے بہترین طریقے.
ہمارے حل کا مقصد ان چیلنجوں کو استعمال کرتے ہوئے حل کرنا ہے۔ ایمیزون بیڈرک اور AWS تجزیاتی خدمات. ہم استعمال کرتے ہیں انتھروپک کلاڈ v2.1 ایمیزون بیڈرک پر ہمارے ایل ایل ایم کے طور پر۔ چیلنجوں سے نمٹنے کے لیے، ہمارا حل پہلے ڈیٹا کے ذرائع کے میٹا ڈیٹا کو شامل کرتا ہے۔ AWS گلو ڈیٹا کیٹلاگ پیدا کردہ SQL استفسار کی درستگی کو بڑھانے کے لیے۔ ورک فلو میں حتمی تشخیص اور اصلاح کا لوپ بھی شامل ہے، اگر کسی بھی ایس کیو ایل ایشوز کی نشاندہی کی گئی ہو۔ ایمیزون ایتینا، جو SQL انجن کے طور پر نیچے کی طرف استعمال ہوتا ہے۔ ایتھینا بھی ہمیں بہت سے استعمال کرنے کی اجازت دیتی ہے۔ سپورٹ اینڈ پوائنٹس اور کنیکٹر ڈیٹا ذرائع کے ایک بڑے سیٹ کا احاطہ کرنے کے لیے۔
حل تیار کرنے کے مراحل سے گزرنے کے بعد، ہم مختلف SQL پیچیدگی کی سطحوں کے ساتھ کچھ ٹیسٹ منظرناموں کے نتائج پیش کرتے ہیں۔ آخر میں، ہم اس بات پر بات کرتے ہیں کہ آپ کے SQL سوالات میں ڈیٹا کے مختلف ذرائع کو شامل کرنا کس طرح سیدھا ہے۔
حل جائزہ
ہمارے فن تعمیر میں تین اہم اجزاء ہیں: ڈیٹابیس میٹا ڈیٹا کے ساتھ بازیافت اگمینٹڈ جنریشن (RAG)، ایک ملٹی سٹیپ سیلف کریکشن لوپ، اور ہمارے SQL انجن کے طور پر ایتھینا۔
ہم AWS Glue metastore سے ٹیبل کی تفصیل اور اسکیما کی تفصیل (کالم) بازیافت کرنے کے لیے RAG طریقہ استعمال کرتے ہیں تاکہ یہ یقینی بنایا جا سکے کہ درخواست کا تعلق درست ٹیبل اور ڈیٹا سیٹس سے ہے۔ اپنے حل میں، ہم نے مظاہرے کے مقاصد کے لیے AWS Glue Data Catalog کے ساتھ RAG فریم ورک چلانے کے لیے انفرادی اقدامات کیے ہیں۔ تاہم، آپ بھی استعمال کر سکتے ہیں علم کے اڈے ایمیزون بیڈرک میں تیزی سے آر اے جی حل تیار کرنے کے لئے۔
ملٹی سٹیپ جزو LLM کو درستگی کے لیے تیار کردہ SQL استفسار کو درست کرنے کی اجازت دیتا ہے۔ یہاں، پیدا کردہ SQL نحو کی غلطیوں کے لیے بھیجا جاتا ہے۔ ہم تیار کردہ ایس کیو ایل میں مزید درست اور موثر تصحیحات کے لیے LLM کے لیے اپنے پرامپٹ کو تقویت دینے کے لیے ایتھینا کے غلطی کے پیغامات کا استعمال کرتے ہیں۔
آپ کبھی کبھار ایتھینا سے آنے والے غلطی کے پیغامات جیسے فیڈ بیک پر غور کر سکتے ہیں۔ غلطی کی اصلاح کے قدم کے لاگت کے مضمرات ڈیلیور کردہ قدر کے مقابلے میں نہ ہونے کے برابر ہیں۔ یہاں تک کہ آپ اپنے LLMs کو بہتر بنانے کے لیے ان اصلاحی اقدامات کو زیر نگرانی تقویت یافتہ سیکھنے کی مثالوں کے طور پر شامل کر سکتے ہیں۔ تاہم، ہم نے اپنی پوسٹ میں اس بہاؤ کا احاطہ سادگی کے مقاصد کے لیے نہیں کیا۔
نوٹ کریں کہ غلطیاں ہونے کا ہمیشہ موروثی خطرہ ہوتا ہے، جو قدرتی طور پر تخلیقی AI حل کے ساتھ آتا ہے۔ یہاں تک کہ اگر ایتھینا کے خرابی کے پیغامات اس خطرے کو کم کرنے کے لیے انتہائی مؤثر ہیں، تو آپ اس طرح کے خطرات کو مزید کم کرنے کے لیے مزید کنٹرولز اور آراء، جیسے انسانی تاثرات یا مثال کے سوالات شامل کر سکتے ہیں۔
ایتھینا نہ صرف ہمیں SQL سوالات کو درست کرنے کی اجازت دیتی ہے، بلکہ یہ ہمارے لیے مجموعی مسئلہ کو بھی آسان بناتی ہے کیونکہ یہ ایک مرکز کے طور پر کام کرتا ہے، جہاں ترجمان متعدد ڈیٹا کے ذرائع ہیں۔ رسائی کا انتظام، SQL نحو، اور بہت کچھ ایتھینا کے ذریعے ہینڈل کیا جاتا ہے۔
مندرجہ ذیل خاکہ حل کے فن تعمیر کی وضاحت کرتا ہے۔
عمل کے بہاؤ میں درج ذیل مراحل شامل ہیں:
- AWS گلو ڈیٹا کیٹلاگ بنائیں AWS Glue کرالر کا استعمال کرتے ہوئے (یا ایک مختلف طریقہ)۔
- یہاں Amazon Bedrock پر Titan-Text-Embeddings ماڈل، میٹا ڈیٹا کو ایمبیڈنگ میں تبدیل کریں اور اسے ایک میں اسٹور کریں۔ ایمیزون اوپن سرچ سرور لیس ویکٹر اسٹور، جو ہمارے RAG فریم ورک میں ہمارے علم کی بنیاد کے طور پر کام کرتا ہے۔
اس مرحلے پر، عمل فطری زبان میں استفسار حاصل کرنے کے لیے تیار ہے۔ اگر قابل اطلاق ہو تو مراحل 7-9 ایک اصلاحی لوپ کی نمائندگی کرتے ہیں۔
- صارف فطری زبان میں اپنا سوال داخل کرتا ہے۔ آپ چیٹ UI فراہم کرنے کے لیے کوئی بھی ویب ایپلیکیشن استعمال کر سکتے ہیں۔ لہذا، ہم نے اپنی پوسٹ میں UI کی تفصیلات کا احاطہ نہیں کیا۔
- حل ایک RAG فریم ورک کے ذریعے لاگو ہوتا ہے۔ مماثلت کی تلاش، جو ویکٹر ڈیٹا بیس سے میٹا ڈیٹا سے اضافی سیاق و سباق کا اضافہ کرتا ہے۔ یہ ٹیبل درست ٹیبل، ڈیٹا بیس اور صفات تلاش کرنے کے لیے استعمال ہوتا ہے۔
- استفسار کو سیاق و سباق کے ساتھ ملا کر بھیج دیا جاتا ہے۔ انتھروپک کلاڈ v2.1 ایمیزون بیڈرک پر۔
- ماڈل کو پیدا کردہ SQL استفسار ملتا ہے اور نحو کی توثیق کرنے کے لیے ایتھینا سے جڑ جاتا ہے۔
- اگر ایتھینا غلطی کا پیغام فراہم کرتا ہے جس میں نحو کے غلط ہونے کا ذکر ہوتا ہے، تو ماڈل ایتھینا کے جواب سے غلطی کا متن استعمال کرتا ہے۔
- نیا پرامپٹ ایتھینا کے جواب کو شامل کرتا ہے۔
- ماڈل درست SQL تخلیق کرتا ہے اور عمل کو جاری رکھتا ہے۔ یہ تکرار کئی بار کی جا سکتی ہے۔
- آخر میں، ہم ایتھینا کا استعمال کرتے ہوئے ایس کیو ایل چلاتے ہیں اور آؤٹ پٹ تیار کرتے ہیں۔ یہاں، آؤٹ پٹ صارف کو پیش کیا جاتا ہے۔ تعمیراتی سادگی کی خاطر، ہم نے یہ قدم نہیں دکھایا۔
شرائط
اس پوسٹ کے لیے، آپ کو درج ذیل شرائط کو پورا کرنا چاہیے:
- ایک ہے AWS اکاؤنٹ.
- انسٹال la AWS کمانڈ لائن انٹرفیس (AWS CLI)۔
- سیٹ کریں SDK برائے Python (Boto3).
- AWS گلو ڈیٹا کیٹلاگ بنائیں AWS Glue کرالر کا استعمال کرتے ہوئے (یا ایک مختلف طریقہ)۔
- یہاں Amazon Bedrock پر Titan-Text-Embeddings ماڈل، میٹا ڈیٹا کو ایمبیڈنگ میں تبدیل کریں اور اسے اوپن سرچ سرور لیس میں اسٹور کریں۔ ویکٹر اسٹور.
حل کو نافذ کریں۔
آپ درج ذیل کو استعمال کر سکتے ہیں۔ Jupyter نوٹ بک، جس میں اس سیکشن میں فراہم کردہ تمام کوڈ کے ٹکڑوں کو شامل کیا گیا ہے، حل تیار کرنے کے لیے۔ ہم استعمال کرنے کی سفارش کرتے ہیں۔ ایمیزون سیج میکر اسٹوڈیو اس نوٹ بک کو ml.t3.medium مثال کے ساتھ Python 3 (ڈیٹا سائنس) کرنل کے ساتھ کھولنے کے لیے۔ ہدایات کے لیے، رجوع کریں۔ مشین لرننگ ماڈل کو تربیت دیں۔. حل ترتیب دینے کے لیے درج ذیل مراحل کو مکمل کریں:
- RAG فریم ورک کے لیے OpenSearch سروس میں علم کی بنیاد بنائیں:
- پرامپٹ بنائیں (
final_question
) قدرتی زبان میں صارف کے ان پٹ کو ملا کر (user_query
) ویکٹر اسٹور سے متعلقہ میٹا ڈیٹا (vector_search_match
)، اور ہماری ہدایات (details
): - LLM (Claude v2) کے لیے Amazon Bedrock کو طلب کریں اور اسے SQL استفسار پیدا کرنے کا اشارہ کریں۔ درج ذیل کوڈ میں، یہ خود تصحیح کے قدم کو واضح کرنے کے لیے متعدد کوششیں کرتا ہے:x
- اگر پیدا کردہ SQL استفسار کے ساتھ کوئی مسئلہ موصول ہوتا ہے (
{sqlgenerated}
ایتھینا کے جواب سے ({syntaxcheckmsg}
)، نیا پرامپٹ (prompt
) جواب کی بنیاد پر تیار کیا جاتا ہے اور ماڈل نیا ایس کیو ایل بنانے کی دوبارہ کوشش کرتا ہے۔ - ایس کیو ایل تیار ہونے کے بعد، ایتھینا کلائنٹ کو چلانے اور آؤٹ پٹ بنانے کے لیے کہا جاتا ہے:
حل کی جانچ کریں۔
اس سیکشن میں، ہم SQL سوالات کی مختلف پیچیدگی کی سطحوں کو جانچنے کے لیے مختلف مثال کے منظرناموں کے ساتھ اپنا حل چلاتے ہیں۔
اپنے ٹیکسٹ ٹو ایس کیو ایل کو جانچنے کے لیے، ہم دو استعمال کرتے ہیں۔ IMDB سے دستیاب ڈیٹا سیٹس۔ IMDb ڈیٹا کے ذیلی سیٹ ذاتی اور غیر تجارتی استعمال کے لیے دستیاب ہیں۔ آپ ڈیٹاسیٹس کو ڈاؤن لوڈ کر سکتے ہیں اور ان میں ذخیرہ کر سکتے ہیں۔ ایمیزون سادہ اسٹوریج سروس (ایمیزون S3)۔ AWS Glue میں ٹیبل بنانے کے لیے آپ مندرجہ ذیل Spark SQL کا ٹکڑا استعمال کر سکتے ہیں۔ اس مثال کے لیے ہم استعمال کرتے ہیں۔ title_ratings
اور title
:
Amazon S3 میں ڈیٹا اور AWS Glue میں میٹا ڈیٹا اسٹور کریں۔
اس منظر نامے میں، ہمارا ڈیٹاسیٹ S3 بالٹی میں محفوظ ہے۔ ایتھینا کے پاس ایک S3 کنیکٹر ہے جو آپ کو Amazon S3 کو ڈیٹا سورس کے طور پر استعمال کرنے کی اجازت دیتا ہے جس سے استفسار کیا جا سکتا ہے۔.
ہماری پہلی استفسار کے لیے، ہم ان پٹ فراہم کرتے ہیں "میں اس میں نیا ہوں۔ کیا آپ imdb اسکیما میں تمام ٹیبلز اور کالم دیکھنے میں میری مدد کر سکتے ہیں؟"
مندرجہ ذیل پیدا کردہ استفسار ہے:
درج ذیل اسکرین شاٹ اور کوڈ ہماری آؤٹ پٹ کو ظاہر کرتے ہیں۔
ہماری دوسری استفسار کے لیے، ہم پوچھتے ہیں "مجھے امریکی خطے میں وہ تمام عنوان اور تفصیلات دکھائیں جن کی ریٹنگ 9.5 سے زیادہ ہے۔"
ہماری تیار کردہ استفسار درج ذیل ہے:
جواب درج ذیل ہے۔
ہمارے تیسرے سوال کے لیے، ہم درج کرتے ہیں "زبردست جواب! اب مجھے وہ تمام اصلی قسم کے عنوانات دکھائیں جن کی ریٹنگ 7.5 سے زیادہ ہے نہ کہ امریکی خطے میں۔"
درج ذیل استفسار پیدا ہوتا ہے:
ہمیں درج ذیل نتائج ملتے ہیں۔
خود درست شدہ ایس کیو ایل بنائیں
یہ منظر نامہ ایک SQL استفسار کی تقلید کرتا ہے جس میں نحوی مسائل ہیں۔ یہاں، تیار کردہ ایس کیو ایل ایتھینا کے جواب کی بنیاد پر خود کو درست کیا جائے گا۔ مندرجہ ذیل جواب میں، ایتھینا نے ایک COLUMN_NOT_FOUND
غلطی اور اس کا ذکر کیا۔ table_description
حل نہیں کیا جا سکتا:
دوسرے ڈیٹا ذرائع کے ساتھ حل کا استعمال
دیگر ڈیٹا ذرائع کے ساتھ حل استعمال کرنے کے لیے، ایتھینا آپ کے لیے کام سنبھالتی ہے۔ ایسا کرنے کے لئے، ایتینا کا استعمال کرتا ہے ڈیٹا سورس کنیکٹر جس کے ساتھ استعمال کیا جا سکتا ہے۔ وفاق کے سوالات. آپ کنیکٹر کو ایتھینا استفسار کے انجن کی توسیع کے طور پر غور کر سکتے ہیں۔ پہلے سے تعمیر شدہ ایتھینا ڈیٹا سورس کنیکٹر ڈیٹا کے ذرائع کے لیے موجود ہیں۔ ایمیزون کلاؤڈ واچ لاگز, ایمیزون ڈائنومو ڈی بی, ایمیزون دستاویز ڈی بی (مونگو ڈی بی مطابقت کے ساتھ)، اور ایمیزون متعلقہ ڈیٹا بیس سروس Apache 2.0 لائسنس کے تحت (Amazon RDS)، اور JDBC کے مطابق متعلقہ ڈیٹا کے ذرائع جیسے MySQL، اور PostgreSQL۔ کسی بھی ڈیٹا سورس سے کنکشن قائم کرنے کے بعد، آپ حل کو بڑھانے کے لیے پچھلے کوڈ بیس کا استعمال کر سکتے ہیں۔ مزید معلومات کے لیے رجوع کریں۔ ایمیزون ایتھینا کے نئے فیڈریٹڈ استفسار کے ساتھ کسی بھی ڈیٹا سورس سے استفسار کریں۔.
صاف کرو
وسائل کو صاف کرنے کے لیے، آپ شروع کر سکتے ہیں۔ اپنی S3 بالٹی کو صاف کرنا جہاں ڈیٹا رہتا ہے۔ جب تک آپ کی درخواست Amazon Bedrock کو طلب نہیں کرتی ہے، اس پر کوئی لاگت نہیں آئے گی۔ بنیادی ڈھانچے کے انتظام کے بہترین طریقوں کی خاطر، ہم اس مظاہرے میں بنائے گئے وسائل کو حذف کرنے کی تجویز کرتے ہیں۔
نتیجہ
اس پوسٹ میں، ہم نے ایک حل پیش کیا ہے جو آپ کو NLP استعمال کرنے کی اجازت دیتا ہے تاکہ Athena کے ذریعے فعال کردہ متعدد وسائل کے ساتھ پیچیدہ SQL سوالات پیدا کر سکیں۔ ہم نے بہاوی عمل سے غلطی کے پیغامات پر مبنی ملٹی سٹیپ ایویلیویشن لوپ کے ذریعے پیدا کردہ SQL سوالات کی درستگی میں بھی اضافہ کیا۔ مزید برآں، ہم نے RAG فریم ورک کے ذریعے سوال میں پوچھے گئے ٹیبل کے ناموں پر غور کرنے کے لیے AWS Glue Data Catalog میں میٹا ڈیٹا کا استعمال کیا۔ اس کے بعد ہم نے مختلف سوالات کی پیچیدگی کی سطحوں کے ساتھ مختلف حقیقت پسندانہ منظرناموں میں حل کا تجربہ کیا۔ آخر میں، ہم نے اس حل کو مختلف ڈیٹا ذرائع پر لاگو کرنے کے طریقے پر تبادلہ خیال کیا جو ایتھینا کے تعاون سے ہیں۔
ایمیزون بیڈرک اس حل کے مرکز میں ہے۔ ایمیزون بیڈرک آپ کو بہت سی جنریٹیو AI ایپلی کیشنز بنانے میں مدد کر سکتا ہے۔ Amazon Bedrock کے ساتھ شروع کرنے کے لیے، ہم مندرجہ ذیل میں فوری آغاز کرنے کی تجویز کرتے ہیں۔ GitHub repo اور تخلیقی AI ایپلی کیشنز بنانے سے اپنے آپ کو واقف کرانا۔ آپ بھی کوشش کر سکتے ہیں۔ علم کے اڈے ایمیزون بیڈرک میں اس طرح کے آر اے جی حل کو تیزی سے تیار کرنے کے لئے۔
مصنفین کے بارے میں
سنجیب پانڈا ایمیزون میں ڈیٹا اور ایم ایل انجینئر ہے۔ AI/ML، ڈیٹا سائنس اور بگ ڈیٹا میں پس منظر کے ساتھ، سنجیب جدید ڈیٹا اور ML سلوشنز کو ڈیزائن اور تیار کرتے ہیں جو پیچیدہ تکنیکی چیلنجوں کو حل کرتے ہیں اور Amazon پر اپنے کاروبار کا انتظام کرنے والے عالمی 3P سیلرز کے لیے اسٹریٹجک اہداف حاصل کرتے ہیں۔ ایمیزون میں ڈیٹا اور ایم ایل انجینئر کے طور پر اپنے کام کے علاوہ، سنجیب پانڈا کھانے کے شوقین اور موسیقی کے شوقین ہیں۔
برک گوزلوکلو بوسٹن، ایم اے میں واقع ایک پرنسپل AI/ML ماہر حل آرکیٹیکٹ ہے۔ وہ اسٹریٹجک صارفین کو اپنے کاروباری مقاصد کو حاصل کرنے کے لیے AWS ٹیکنالوجیز اور خاص طور پر جنریٹو AI سلوشنز کو اپنانے میں مدد کرتا ہے۔ برک نے METU سے ایرو اسپیس انجینئرنگ میں پی ایچ ڈی، سسٹم انجینئرنگ میں ایم ایس، اور کیمبرج، ایم اے میں ایم آئی ٹی سے سسٹم ڈائنامکس میں پوسٹ ڈاک۔ Burak اب بھی MIT میں ایک تحقیق سے وابستہ ہے۔ بورک یوگا اور مراقبہ کے بارے میں پرجوش ہیں۔
- 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/build-a-robust-text-to-sql-solution-generating-complex-queries-self-correcting-and-querying-diverse-data-sources/
- : ہے
- : ہے
- : نہیں
- :کہاں
- $UP
- 1
- 10
- 100
- 11
- 12
- 13
- 14
- 16
- 20
- 2024
- 22
- 23
- 29
- 30
- 32
- 39
- 50
- 500
- 521
- 7
- 8
- 9
- a
- ہمارے بارے میں
- اوپر
- تک رسائی حاصل
- درستگی
- درست
- حاصل
- شامل کریں
- اس کے علاوہ
- پتہ
- جوڑتا ہے
- اپنانے
- منہ بولابیٹا بنانے
- ایرواسپیس
- ملحق
- کے بعد
- پھر
- AI
- AI / ML
- مقصد ہے
- سیدھ میں لائیں
- تمام
- کی اجازت دیتا ہے
- بھی
- متبادل
- ہمیشہ
- am
- ایمیزون
- ایمیزون آر ڈی ایس
- ایمیزون ویب سروسز
- an
- تجزیاتی
- اور
- جواب
- بشری
- کوئی بھی
- اپاچی
- قابل اطلاق
- درخواست
- ایپلی کیشنز
- لاگو ہوتا ہے
- کا اطلاق کریں
- ارکیٹیکچرل
- فن تعمیر
- کیا
- AS
- پوچھنا
- At
- اٹلانٹا
- کرنے کی کوشش
- کوششیں
- اوصاف
- اضافہ
- مجاز
- دستیاب
- AWS
- AWS گلو
- پس منظر
- بیس
- کی بنیاد پر
- BE
- کیونکہ
- نیچے
- BEST
- بہترین طریقوں
- بگ
- بگ ڈیٹا
- بلاک
- بوسٹن
- لانے
- تعمیر
- عمارت
- تعمیر
- کاروبار
- کاروبار
- لیکن
- by
- کہا جاتا ہے
- کیمبرج
- کر سکتے ہیں
- نہیں کر سکتے ہیں
- صلاحیت
- صلاحیت رکھتا
- پرواہ
- کیس
- کیٹلوگ
- سینٹر
- مرکزی
- چیلنج
- چیلنجوں
- چیٹ
- جانچ پڑتال
- جانچ پڑتال
- صاف
- cli
- کلائنٹ
- کوڈ
- کوڈ بیس
- جمع
- کالم
- کالم
- امتزاج
- آتا ہے
- آنے والے
- مقابلے میں
- موازنہ
- مطابقت
- مکمل
- پیچیدہ
- پیچیدگی
- جزو
- اجزاء
- وسیع
- کنکشن
- جڑتا
- غور کریں
- سیاق و سباق
- جاری ہے
- کنٹرول
- تبادلوں سے
- تبدیل
- درست
- درست کیا
- اصلاحات
- قیمت
- شمار
- احاطہ
- تخلیق
- بنائی
- پیدا
- اہم
- گاہکوں
- اعداد و شمار
- ڈیٹا سائنس
- ڈیٹا بیس
- ڈیٹا بیس
- ڈیٹاسیٹس
- تاریخ
- تاریخ کے وقت
- ڈیلیور
- مظاہرین
- ڈیزائن
- ڈیزائن پیٹرن
- مطلوبہ
- کے باوجود
- تفصیلات
- ترقی
- آریھ
- DID
- مختلف
- بات چیت
- بات چیت
- متنوع
- do
- دستاویزات
- دستاویزات
- ڈاؤن لوڈ، اتارنا
- کے دوران
- حرکیات
- موثر
- اور
- خروج
- کو چالو کرنے کے
- چالو حالت میں
- انجن
- انجینئر
- انجنیئرنگ
- افزودگی
- کو یقینی بنانے کے
- درج
- انٹرپرائز
- داخل ہوتا ہے
- حوصلہ افزائی
- خرابی
- نقائص
- تشخیص
- بھی
- ہر کوئی
- مثال کے طور پر
- مثال کے طور پر
- غیر معمولی
- پھانسی
- وجود
- موجودہ
- وضاحت
- توسیع
- مدت ملازمت میں توسیع
- اضافی
- ناکام
- جھوٹی
- خصوصیات
- آراء
- فائنل
- آخر
- تلاش
- پہلا
- بہاؤ
- پر عمل کریں
- کے بعد
- مندرجہ ذیل ہے
- کے لئے
- فریم ورک
- سے
- مزید
- فرق
- دی
- پیدا
- پیدا
- پیدا ہوتا ہے
- پیدا کرنے والے
- نسل
- پیداواری
- پیداواری AI۔
- حاصل
- ملتا
- گلوبل
- اہداف
- ملا
- ہینڈل
- ہے
- ہونے
- he
- مدد
- مدد کرتا ہے
- یہاں
- اعلی معیار کی
- انتہائی
- ان
- کس طرح
- کیسے
- تاہم
- HTML
- HTTP
- HTTPS
- حب
- انسانی
- i
- کی نشاندہی
- if
- وضاحت
- وضاحت کرتا ہے
- اثرات
- اہم
- in
- غلط
- شامل
- شامل ہیں
- شامل
- شامل
- غلط
- اضافہ
- اضافہ
- انڈکس
- انفرادی
- معلومات
- معلومات
- انفراسٹرکچر
- ذاتی، پیدائشی
- موروثی طور پر
- ابتدائی
- اندرونی
- جدید
- ان پٹ
- مثال کے طور پر
- ہدایات
- میں
- درخواست کی
- پکارتے ہیں۔
- مسئلہ
- مسائل
- IT
- تکرار
- ایوب
- میں شامل
- فوٹو
- علم
- جھیلوں
- زبان
- بڑے
- بڑے
- جانیں
- سیکھنے
- سطح
- سطح
- لائسنس
- کی طرح
- LIMIT
- لائن
- ایل ایل ایم
- واقع ہے
- محبت
- مشین
- مشین لرننگ
- بنا
- بناتا ہے
- انتظام
- مینیجنگ
- بہت سے
- ریاضیاتی
- مئی..
- me
- مراقبہ
- درمیانہ
- ذکر کیا
- ذکر ہے
- پیغام
- پیغامات
- میٹا ڈیٹا
- طریقہ
- شاید
- کم سے کم
- ایم ائی ٹی
- تخفیف کریں
- ML
- ماڈل
- ماڈل
- منگو ڈی بی
- زیادہ
- MS
- ایک سے زیادہ
- بھیڑ
- موسیقی
- ایس کیو ایل
- نام
- نام
- قدرتی
- قدرتی زبان عملیات
- ضرورت ہے
- ضروریات
- نئی
- اگلے
- ویزا
- غیر تجارتی
- نوٹ بک
- اب
- تعداد
- مقاصد
- of
- اکثر
- on
- صرف
- کھول
- آپریشنز
- or
- حکم
- اصل
- دیگر
- ہمارے
- پیداوار
- باہر
- مجموعی طور پر
- منظور
- جذباتی
- راستہ
- پیٹرن
- لوگ
- کارکردگی
- کارکردگی
- ذاتی
- پی ایچ ڈی
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- مہربانی کرکے
- پوسٹ
- پوسٹگریسقیل
- طریقوں
- پہلے
- عین مطابق
- ضروریات
- حال (-)
- پیش
- پرنسپل
- مسئلہ
- عمل
- عمل
- پروسیسنگ
- اشارہ کرتا ہے
- فراہم
- فراہم
- فراہم کرتا ہے
- مقاصد
- ازگر
- سوالات
- استفسار میں
- سوال
- فوری
- جلدی سے
- واوین
- چیتھڑا
- درجہ بندی
- درجہ بندی
- پڑھیں
- تیار
- حقیقت
- وصول
- موصول
- سفارش
- کا حوالہ دیتے ہیں
- خطے
- متعلقہ
- متعلقہ
- رہے
- باقی
- کی نمائندگی
- درخواست
- ضرورت
- ضروریات
- کی ضرورت ہے
- تحقیق
- رہتا ہے
- حل
- حل کیا
- وسائل
- احترام
- جواب
- نتیجہ
- نتائج کی نمائش
- بازیافت
- واپسی
- ٹھیک ہے
- اٹھتا ہے
- رسک
- خطرات
- مضبوط
- ROW
- رن
- sagemaker
- خاطر
- اسی
- دیکھا
- منظر نامے
- منظرنامے
- سائنس
- تلاش
- دوسری
- سیکشن
- دیکھنا
- منتخب
- SELF
- بیچنے والے
- بھیجا
- بے سرور
- کام کرتا ہے
- سروس
- سروسز
- مقرر
- ہونا چاہئے
- دکھائیں
- ظاہر
- دکھایا گیا
- کی طرف
- اہم
- سادہ
- سادگی
- آسان بناتا ہے۔
- ایک
- ٹکڑا
- حل
- حل
- حل
- کچھ
- ماخذ
- ذرائع
- چنگاری
- ماہر
- خاص طور پر
- اسٹیج
- شروع کریں
- شروع
- حالت
- بیان
- درجہ
- مرحلہ
- مراحل
- ابھی تک
- ذخیرہ
- ذخیرہ
- ذخیرہ
- براہ راست
- حکمت عملی
- سلک
- منظم
- اس طرح
- تائید
- اس بات کا یقین
- نحو
- سیس
- کے نظام
- سسٹمز
- ٹیبل
- لے لو
- ہدف
- ٹاسک
- ٹیکنیکل
- ٹیکنالوجی
- ٹیسٹ
- تجربہ
- متن
- سے
- کہ
- ۔
- مرکز
- ان
- ان
- تو
- وہاں.
- لہذا
- یہ
- تھرڈ
- اس
- ان
- تین
- کے ذریعے
- اوقات
- عنوان
- عنوانات
- کرنے کے لئے
- آج
- تبدیلی
- کوشش
- دو
- قسم
- اقسام
- ui
- کے تحت
- گزرا
- افہام و تفہیم
- جب تک کہ
- اپ ڈیٹ کریں
- اپ ڈیٹ
- us
- استعمال کی شرائط
- استعمال کیا جاتا ہے
- رکن کا
- صارفین
- استعمال
- کا استعمال کرتے ہوئے
- تصدیق کریں۔
- قیمت
- مختلف اقسام کے
- مختلف
- مختلف
- کی طرف سے
- خیالات
- جاگو
- چلنا
- راستہ..
- we
- ویب
- ویب ایپلی کیشن
- ویب خدمات
- جبکہ
- جس
- جبکہ
- کس کی
- گے
- ساتھ
- کے اندر
- بغیر
- کام
- کام کا بہاؤ
- لکھنا
- تحریری طور پر
- X
- یوگا
- تم
- اور
- اپنے آپ کو
- زیفیرنیٹ