یہ پوسٹ FedML سے Chaoyang He، Al Nevarez اور Salman Avestimehr کے ساتھ مل کر لکھی گئی ہے۔
بہت سی تنظیمیں مشین لرننگ (ML) کو لاگو کر رہی ہیں تاکہ آٹومیشن اور بڑے تقسیم شدہ ڈیٹا سیٹس کے استعمال کے ذریعے اپنی کاروباری فیصلہ سازی کو بہتر بنایا جا سکے۔ ڈیٹا تک بڑھتی ہوئی رسائی کے ساتھ، ML میں بے مثال کاروباری بصیرت اور مواقع فراہم کرنے کی صلاحیت ہے۔ تاہم، مختلف جگہوں پر خام، غیر سینیٹائزڈ حساس معلومات کا اشتراک خاص طور پر صحت کی دیکھ بھال جیسی ریگولیٹڈ صنعتوں میں اہم حفاظتی اور رازداری کے خطرات کا باعث بنتا ہے۔
اس مسئلے کو حل کرنے کے لیے، فیڈریٹیڈ لرننگ (FL) ایک وکندریقرت اور باہمی تعاون پر مبنی ML تربیتی تکنیک ہے جو درستگی اور وفاداری کو برقرار رکھتے ہوئے ڈیٹا کی رازداری پیش کرتی ہے۔ روایتی ML ٹریننگ کے برعکس، FL ٹریننگ ایک آزاد محفوظ سیشن کا استعمال کرتے ہوئے ایک الگ تھلگ کلائنٹ کے مقام پر ہوتی ہے۔ کلائنٹ صرف اپنے آؤٹ پٹ ماڈل کے پیرامیٹرز کو ایک سنٹرلائزڈ سرور کے ساتھ شیئر کرتا ہے، جسے ٹریننگ کوآرڈینیٹر یا ایگریگیشن سرور کہا جاتا ہے، نہ کہ ماڈل کو تربیت دینے کے لیے استعمال ہونے والا اصل ڈیٹا۔ ماڈل ٹریننگ پر موثر تعاون کو فعال کرتے ہوئے یہ نقطہ نظر ڈیٹا کی رازداری کے بہت سے خدشات کو دور کرتا ہے۔
اگرچہ FL بہتر ڈیٹا پرائیویسی اور سیکورٹی کے حصول کی طرف ایک قدم ہے، لیکن یہ کوئی ضمانت یافتہ حل نہیں ہے۔ غیر محفوظ نیٹ ورکس میں رسائی کے کنٹرول اور خفیہ کاری کا فقدان اب بھی حساس معلومات کو حملہ آوروں کے سامنے لا سکتا ہے۔ مزید برآں، مقامی طور پر تربیت یافتہ معلومات پرائیویٹ ڈیٹا کو بے نقاب کر سکتی ہے اگر انفرنس اٹیک کے ذریعے دوبارہ تشکیل دی جائے۔ ان خطرات کو کم کرنے کے لیے، FL ماڈل ٹریننگ کوآرڈینیٹر کے ساتھ معلومات کا اشتراک کرنے سے پہلے ذاتی نوعیت کے تربیتی الگورتھم اور مؤثر ماسکنگ اور پیرامیٹرائزیشن کا استعمال کرتا ہے۔ مقامی اور مرکزی جگہوں پر مضبوط نیٹ ورک کنٹرول تخمینہ اور اخراج کے خطرات کو مزید کم کر سکتا ہے۔
اس پوسٹ میں، ہم استعمال کرتے ہوئے ایک FL اپروچ کا اشتراک کرتے ہیں۔ FedML, ایمیزون لچکدار کبیرنیٹس سروس (ایمیزون ای کے ایس)، اور ایمیزون سیج میکر ڈیٹا پرائیویسی اور سیکیورٹی خدشات کو دور کرتے ہوئے مریض کے نتائج کو بہتر بنانے کے لیے۔
صحت کی دیکھ بھال میں وفاقی تعلیم کی ضرورت
صحت کی دیکھ بھال مریضوں کی دیکھ بھال کے بارے میں درست پیشین گوئیاں اور تشخیص کرنے کے لیے تقسیم شدہ ڈیٹا کے ذرائع پر بہت زیادہ انحصار کرتی ہے۔ رازداری کے تحفظ کے لیے دستیاب ڈیٹا کے ذرائع کو محدود کرنے سے نتائج کی درستگی اور بالآخر مریض کی دیکھ بھال کے معیار پر منفی اثر پڑتا ہے۔ لہذا، ML AWS صارفین کے لیے چیلنجز پیدا کرتا ہے جنہیں مریضوں کے نتائج پر سمجھوتہ کیے بغیر تقسیم شدہ اداروں میں رازداری اور تحفظ کو یقینی بنانے کی ضرورت ہے۔
صحت کی دیکھ بھال کرنے والی تنظیموں کو FL کے حل کو لاگو کرتے ہوئے، ریاست ہائے متحدہ امریکہ میں ہیلتھ انشورنس پورٹیبلٹی اینڈ اکاؤنٹیبلٹی ایکٹ (HIPAA) جیسے سخت تعمیل کے ضوابط پر عمل کرنا چاہیے۔ صحت کی دیکھ بھال میں ڈیٹا کی رازداری، حفاظت اور تعمیل کو یقینی بنانا اور بھی اہم ہو جاتا ہے، جس کے لیے مضبوط انکرپشن، رسائی کنٹرول، آڈیٹنگ میکانزم، اور محفوظ مواصلاتی پروٹوکول کی ضرورت ہوتی ہے۔ مزید برآں، ہیلتھ کیئر ڈیٹاسیٹس میں اکثر پیچیدہ اور متفاوت ڈیٹا کی اقسام ہوتی ہیں، جس سے ڈیٹا کی معیاری کاری اور انٹرآپریبلٹی کو FL سیٹنگز میں ایک چیلنج بنایا جاتا ہے۔
کیس کا جائزہ استعمال کریں۔
اس پوسٹ میں بیان کردہ استعمال کیس مختلف اداروں میں دل کی بیماری کے اعداد و شمار کا ہے، جس پر ایک ایم ایل ماڈل درجہ بندی الگورتھم چلائے گا تاکہ مریض میں دل کی بیماری کی پیشن گوئی کی جا سکے۔ چونکہ یہ ڈیٹا تمام تنظیموں میں ہے، اس لیے ہم نتائج کو اکٹھا کرنے کے لیے فیڈریٹڈ لرننگ کا استعمال کرتے ہیں۔
۔ دل کی بیماری کا ڈیٹاسیٹ یونیورسٹی آف کیلیفورنیا سے ارون کا مشین لرننگ ریپوزٹری قلبی تحقیق اور پیش گوئی کرنے والی ماڈلنگ کے لیے وسیع پیمانے پر استعمال ہونے والا ڈیٹاسیٹ ہے۔ یہ 303 نمونوں پر مشتمل ہے، ہر ایک مریض کی نمائندگی کرتا ہے، اور اس میں طبی اور آبادیاتی صفات کے ساتھ ساتھ دل کی بیماری کی موجودگی یا عدم موجودگی بھی شامل ہے۔
اس ملٹی ویریٹ ڈیٹاسیٹ میں مریض کی معلومات میں 76 صفات ہیں، جن میں سے 14 اوصاف عام طور پر دی گئی صفات کی بنیاد پر دل کی بیماری کی موجودگی کا اندازہ لگانے کے لیے ML الگورتھم کو تیار کرنے اور جانچنے کے لیے استعمال کیے جاتے ہیں۔
FedML فریم ورک
FL فریم ورک کا ایک وسیع انتخاب ہے، لیکن ہم نے استعمال کرنے کا فیصلہ کیا۔ FedML فریم ورک اس استعمال کے کیس کے لیے کیونکہ یہ اوپن سورس ہے اور کئی FL پیراڈائمز کو سپورٹ کرتا ہے۔ FedML ایک مقبول اوپن سورس لائبریری، MLOps پلیٹ فارم، اور FL کے لیے ایپلیکیشن ایکو سسٹم فراہم کرتا ہے۔ یہ FL حل کی ترقی اور تعیناتی میں سہولت فراہم کرتے ہیں۔ یہ ٹولز، لائبریریوں، اور الگورتھم کا ایک جامع سوٹ فراہم کرتا ہے جو محققین اور پریکٹیشنرز کو تقسیم شدہ ماحول میں FL الگورتھم کو لاگو کرنے اور تجربہ کرنے کے قابل بناتا ہے۔ FedML FL میں ڈیٹا پرائیویسی، کمیونیکیشن، اور ماڈل ایگریگیشن کے چیلنجوں سے نمٹتا ہے، صارف کے لیے دوستانہ انٹرفیس اور حسب ضرورت اجزاء پیش کرتا ہے۔ تعاون اور علم کے اشتراک پر اپنی توجہ کے ساتھ، FedML کا مقصد FL کو اپنانے میں تیزی لانا اور اس ابھرتے ہوئے میدان میں جدت طرازی کرنا ہے۔ FedML فریم ورک ماڈل agnostic ہے، جس میں بڑے لینگویج ماڈلز (LLMs) کے لیے حال ہی میں شامل کردہ تعاون بھی شامل ہے۔ مزید معلومات کے لیے رجوع کریں۔ FedLLM جاری کرنا: FedML پلیٹ فارم کا استعمال کرتے ہوئے ملکیتی ڈیٹا پر اپنے بڑے زبان کے ماڈلز بنائیں.
FedML آکٹوپس
حقیقی زندگی میں FL استعمال کے معاملات میں نظام کا درجہ بندی اور متفاوت ایک کلیدی چیلنج ہے، جہاں مختلف ڈیٹا سائلوز میں CPU اور GPUs کے ساتھ مختلف انفراسٹرکچر ہو سکتا ہے۔ اس طرح کے حالات میں، آپ استعمال کر سکتے ہیں FedML آکٹوپس.
FedML Octopus کراس آرگنائزیشن اور کراس اکاؤنٹ ٹریننگ کے لیے کراس سائلو FL کا صنعتی درجے کا پلیٹ فارم ہے۔ FedML MLOps کے ساتھ مل کر، یہ ڈویلپرز یا تنظیموں کو کسی بھی پیمانے پر کسی بھی جگہ سے ایک محفوظ طریقے سے کھلا تعاون کرنے کے قابل بناتا ہے۔ FedML Octopus ہر ڈیٹا سائلو کے اندر ایک تقسیم شدہ تربیتی نمونہ چلاتا ہے اور ہم وقت ساز یا غیر مطابقت پذیر تربیت کا استعمال کرتا ہے۔
FedML MLOps
FedML MLOps کوڈ کی مقامی ترقی کو قابل بناتا ہے جسے بعد میں FedML فریم ورک کا استعمال کرتے ہوئے کہیں بھی تعینات کیا جا سکتا ہے۔ تربیت شروع کرنے سے پہلے، آپ کو ایک FedML اکاؤنٹ بنانا چاہیے، ساتھ ہی FedML Octopus میں سرور اور کلائنٹ پیکجز بنانا اور اپ لوڈ کرنا چاہیے۔ مزید تفصیلات کے لیے رجوع کریں۔ اقدامات اور FedML آکٹوپس کا تعارف: آسان MLOps کے ساتھ پیداوار میں فیڈریٹڈ لرننگ کو سکیل کرنا.
حل جائزہ
ہم FedML کو تجرباتی ٹریکنگ کے لیے SageMaker کے ساتھ مربوط متعدد EKS کلسٹرز میں تعینات کرتے ہیں۔ ہم استعمال کرتے ہیں ٹیرافارم کے لیے ایمیزون ای کے ایس بلیو پرنٹس مطلوبہ بنیادی ڈھانچے کی تعیناتی کے لیے۔ EKS بلیو پرنٹس مکمل EKS کلسٹرز کو تحریر کرنے میں مدد کرتا ہے جو آپریشنل سافٹ ویئر کے ساتھ مکمل طور پر بوٹسٹریپ ہوتے ہیں جو کام کے بوجھ کو تعینات کرنے اور چلانے کے لیے درکار ہوتے ہیں۔ EKS بلیو پرنٹس کے ساتھ، EKS ماحول کی مطلوبہ حالت کے لیے کنفیگریشن، جیسے کہ کنٹرول پلین، ورکر نوڈس، اور Kubernetes add-ons، کو کوڈ (IaC) بلیو پرنٹ کے بطور انفراسٹرکچر کے طور پر بیان کیا جاتا ہے۔ ایک بلیو پرنٹ ترتیب دینے کے بعد، اسے مسلسل تعیناتی آٹومیشن کا استعمال کرتے ہوئے متعدد AWS اکاؤنٹس اور خطوں میں مستقل ماحول بنانے کے لیے استعمال کیا جا سکتا ہے۔
اس پوسٹ میں اشتراک کردہ مواد حقیقی زندگی کے حالات اور تجربات کی عکاسی کرتا ہے، لیکن یہ نوٹ کرنا ضروری ہے کہ مختلف مقامات پر ان حالات کی تعیناتی مختلف ہو سکتی ہے۔ اگرچہ ہم الگ الگ VPCs کے ساتھ ایک واحد AWS اکاؤنٹ استعمال کرتے ہیں، لیکن یہ سمجھنا بہت ضروری ہے کہ انفرادی حالات اور کنفیگریشنز مختلف ہو سکتے ہیں۔ لہٰذا، فراہم کردہ معلومات کو عام گائیڈ کے طور پر استعمال کیا جانا چاہیے اور مخصوص ضروریات اور مقامی حالات کی بنیاد پر موافقت کی ضرورت ہو سکتی ہے۔
درج ذیل خاکہ ہمارے حل کے فن تعمیر کو واضح کرتا ہے۔
FedML MLOps کی طرف سے فراہم کردہ ٹریکنگ کے علاوہ ہر ٹریننگ کے لیے، ہم استعمال کرتے ہیں۔ ایمیزون سیج میکر کے تجربات ہر کلائنٹ ماڈل اور سنٹرلائزڈ (ایگریگیٹر) ماڈل کی کارکردگی کو ٹریک کرنے کے لیے۔
SageMaker Experiments SageMaker کی ایک صلاحیت ہے جو آپ کو اپنے ML تجربات بنانے، ان کا نظم کرنے، تجزیہ کرنے اور ان کا موازنہ کرنے دیتی ہے۔ تجربے کی تفصیلات، پیرامیٹرز، اور نتائج کو ریکارڈ کرکے، محققین اپنے کام کو درست طریقے سے دوبارہ پیش کر سکتے ہیں اور اس کی تصدیق کر سکتے ہیں۔ یہ مختلف طریقوں کا مؤثر موازنہ اور تجزیہ کرنے کی اجازت دیتا ہے، جس سے باخبر فیصلہ سازی ہوتی ہے۔ مزید برآں، ٹریکنگ کے تجربات ماڈلز کی ترقی کے بارے میں بصیرت فراہم کرکے اور محققین کو پچھلے تکرار سے سیکھنے کے قابل بناتے ہوئے، بالآخر زیادہ موثر حل کی ترقی کو تیز کرتے ہوئے تکراری بہتری کی سہولت فراہم کرتے ہیں۔
ہم ہر رن کے لیے درج ذیل سیج میکر تجربات کو بھیجتے ہیں:
- ماڈل کی تشخیص کے میٹرکس - تربیتی نقصان اور وکر کے نیچے کا علاقہ (AUC)
- ہائپرپیرامیٹر - عہد، سیکھنے کی شرح، بیچ کا سائز، اصلاح کرنے والا، اور وزن میں کمی
شرائط
اس پوسٹ کے ساتھ پیروی کرنے کے لیے، آپ کے پاس درج ذیل شرائط ہونی چاہئیں:
حل تعینات کریں۔
شروع کرنے کے لیے، مقامی طور پر نمونہ کوڈ کی میزبانی کرنے والے ذخیرہ کو کلون کریں:
پھر درج ذیل کمانڈز کا استعمال کرتے ہوئے استعمال کے کیس کے بنیادی ڈھانچے کو تعینات کریں:
ٹیرافارم ٹیمپلیٹ کو مکمل طور پر تعینات ہونے میں 20-30 منٹ لگ سکتے ہیں۔ اس کے تعینات ہونے کے بعد، FL ایپلیکیشن چلانے کے لیے اگلے حصوں میں مراحل پر عمل کریں۔
ایک MLOps تعیناتی پیکیج بنائیں
FedML دستاویزات کے ایک حصے کے طور پر، ہمیں کلائنٹ اور سرور پیکجز بنانے کی ضرورت ہے، جنہیں MLOps پلیٹ فارم تربیت شروع کرنے کے لیے سرور اور کلائنٹس میں تقسیم کرے گا۔
ان پیکجوں کو بنانے کے لیے، روٹ ڈائرکٹری میں درج ذیل اسکرپٹ کو چلائیں:
یہ پروجیکٹ کی روٹ ڈائرکٹری میں درج ذیل ڈائرکٹری میں متعلقہ پیکجز بنائے گا۔
پیکجز کو FedML MLOps پلیٹ فارم پر اپ لوڈ کریں۔
پیکجز اپ لوڈ کرنے کے لیے درج ذیل مراحل کو مکمل کریں:
- FedML UI پر، منتخب کریں۔ میرا اطلاق نیوی گیشن پین میں.
- میں سے انتخاب کریں نیا درخواست.
- اپنے ورک سٹیشن سے کلائنٹ اور سرور پیکجز اپ لوڈ کریں۔
- آپ ہائپرپیرامیٹرس کو بھی ایڈجسٹ کرسکتے ہیں یا نئے بنا سکتے ہیں۔
فیڈریٹڈ ٹریننگ کو متحرک کریں۔
وفاقی تربیت کو چلانے کے لیے، درج ذیل مراحل کو مکمل کریں:
- FedML UI پر، منتخب کریں۔ پراجیکٹ کی فہرست نیوی گیشن پین میں.
- میں سے انتخاب کریں ایک نیا پروجیکٹ بنائیں.
- ایک گروپ کا نام اور پروجیکٹ کا نام درج کریں، پھر منتخب کریں۔ OK.
- نئے بنائے گئے پروجیکٹ کو منتخب کریں اور منتخب کریں۔ نیا رن بنائیں ایک تربیتی دوڑ کو متحرک کرنے کے لیے۔
- اس ٹریننگ رن کے لیے ایج کلائنٹ ڈیوائسز اور سنٹرل ایگریگیٹر سرور کو منتخب کریں۔
- وہ ایپلیکیشن منتخب کریں جو آپ نے پچھلے مراحل میں بنائی تھی۔
- کسی بھی ہائپر پیرامیٹر کو اپ ڈیٹ کریں یا ڈیفالٹ سیٹنگز استعمال کریں۔
- میں سے انتخاب کریں آغاز تربیت شروع کرنے کے لئے.
- منتخب کیجئیے تربیت کی حیثیت ٹیب کریں اور ٹریننگ کے مکمل ہونے کا انتظار کریں۔ آپ دستیاب ٹیبز پر بھی جا سکتے ہیں۔
- تربیت مکمل ہونے پر، منتخب کریں۔ نظام اپنے ایج سرورز اور ایگریگیشن ایونٹس پر ٹریننگ ٹائم کے دورانیے دیکھنے کے لیے ٹیب۔
نتائج اور تجربے کی تفصیلات دیکھیں
تربیت مکمل ہونے پر، آپ FedML اور SageMaker کا استعمال کرتے ہوئے نتائج دیکھ سکتے ہیں۔
FedML UI پر، پر ماڈل ٹیب، آپ ایگریگیٹر اور کلائنٹ ماڈل دیکھ سکتے ہیں۔ آپ ان ماڈلز کو ویب سائٹ سے بھی ڈاؤن لوڈ کر سکتے ہیں۔
آپ لاگ ان بھی کر سکتے ہیں۔ ایمیزون سیج میکر اسٹوڈیو اور منتخب کریں تجربات نیوی گیشن پین میں.
درج ذیل اسکرین شاٹ لاگ ان تجربات کو دکھاتا ہے۔
تجربہ ٹریکنگ کوڈ
اس سیکشن میں، ہم اس کوڈ کو دریافت کرتے ہیں جو FL فریم ورک ٹریننگ کے ساتھ SageMaker تجرباتی ٹریکنگ کو مربوط کرتا ہے۔
اپنی پسند کے ایڈیٹر میں، تربیت کے ایک حصے کے طور پر SageMaker تجرباتی ٹریکنگ کوڈ کو انجیکشن کرنے کے لیے کوڈ کی ترامیم دیکھنے کے لیے درج ذیل فولڈر کو کھولیں:
تربیت سے باخبر رہنے کے لئے، ہم سیج میکر تجربہ بنائیں کا استعمال کرتے ہوئے لاگ ان پیرامیٹرز اور میٹرکس کے ساتھ log_parameter
اور log_metric
کمانڈ جیسا کہ درج ذیل کوڈ کے نمونے میں بیان کیا گیا ہے۔
میں ایک اندراج config/fedml_config.yaml
فائل تجربے کے سابقہ کا اعلان کرتی ہے، جس کا حوالہ کوڈ میں منفرد تجرباتی نام بنانے کے لیے دیا جاتا ہے: sm_experiment_name: "fed-heart-disease"
. آپ اسے اپنی پسند کی کسی بھی قدر میں اپ ڈیٹ کر سکتے ہیں۔
مثال کے طور پر، کے لیے درج ذیل کوڈ دیکھیں heart_disease_trainer.py
، جسے ہر کلائنٹ اپنے ڈیٹاسیٹ پر ماڈل کو تربیت دینے کے لیے استعمال کرتا ہے:
ہر کلائنٹ چلانے کے لیے، تجربہ کی تفصیلات کو heart_disease_trainer.py میں درج ذیل کوڈ کا استعمال کرتے ہوئے ٹریک کیا جاتا ہے:
اسی طرح، آپ کوڈ میں استعمال کر سکتے ہیں heart_disease_aggregator.py
ماڈل کے وزن کو اپ ڈیٹ کرنے کے بعد مقامی ڈیٹا پر ٹیسٹ چلانے کے لیے۔ کلائنٹس کے ساتھ ہر مواصلت کے بعد تفصیلات کو لاگ کیا جاتا ہے۔
صاف کرو
حل کرنے کے بعد، وسائل کے موثر استعمال اور لاگت کے انتظام کو یقینی بنانے کے لیے استعمال ہونے والے وسائل کو صاف کرنا یقینی بنائیں، اور غیر ضروری اخراجات اور وسائل کے ضیاع سے بچیں۔ ماحول کو فعال طور پر صاف کرنا، جیسے کہ غیر استعمال شدہ مثالوں کو حذف کرنا، غیر ضروری خدمات کو روکنا، اور عارضی ڈیٹا کو ہٹانا، صاف اور منظم انفراسٹرکچر میں حصہ ڈالتا ہے۔ آپ اپنے وسائل کو صاف کرنے کے لیے درج ذیل کوڈ کا استعمال کر سکتے ہیں:
خلاصہ
Amazon EKS کو بنیادی ڈھانچے کے طور پر اور FedML کو FL کے فریم ورک کے طور پر استعمال کرنے سے، ہم ڈیٹا کی رازداری کا احترام کرتے ہوئے مشترکہ ماڈلز کی تربیت اور تعیناتی کے لیے ایک قابل توسیع اور منظم ماحول فراہم کرنے کے قابل ہیں۔ FL کی وکندریقرت نوعیت کے ساتھ، تنظیمیں محفوظ طریقے سے تعاون کر سکتی ہیں، تقسیم شدہ ڈیٹا کی صلاحیت کو کھول سکتی ہیں، اور ڈیٹا کی رازداری سے سمجھوتہ کیے بغیر ML ماڈلز کو بہتر بنا سکتی ہیں۔
ہمیشہ کی طرح، AWS آپ کے تاثرات کا خیر مقدم کرتا ہے۔ براہ کرم تبصرے کے سیکشن میں اپنے خیالات اور سوالات چھوڑیں۔
مصنفین کے بارے میں
رینڈی ڈیفاؤ AWS میں ایک سینئر پرنسپل سولیوشن آرکیٹیکٹ ہیں۔ اس نے مشی گن یونیورسٹی سے MSEE کی ڈگری حاصل کی، جہاں اس نے خود مختار گاڑیوں کے لیے کمپیوٹر ویژن پر کام کیا۔ انہوں نے کولوراڈو اسٹیٹ یونیورسٹی سے ایم بی اے بھی کیا ہے۔ رینڈی نے ٹیکنالوجی کے شعبے میں سافٹ ویئر انجینئرنگ سے لے کر پروڈکٹ مینجمنٹ تک مختلف عہدوں پر فائز ہیں۔ وہ 2013 میں بڑے ڈیٹا اسپیس میں داخل ہوا اور اس علاقے کی تلاش جاری رکھے ہوئے ہے۔ وہ ایم ایل اسپیس میں پراجیکٹس پر سرگرمی سے کام کر رہا ہے اور متعدد کانفرنسوں میں پیش کر چکا ہے، بشمول اسٹراٹا اور گلوکون۔
ارنب سنہا AWS کے لیے ایک سینئر سولیوشن آرکیٹیکٹ ہے، جو ڈیٹا سینٹر کی منتقلی، ڈیجیٹل ٹرانسفارمیشن اور ایپلیکیشن ماڈرنائزیشن، بڑے ڈیٹا، اور مشین لرننگ میں کاروباری نتائج کو سپورٹ کرنے والے توسیع پذیر حلوں کو ڈیزائن اور بنانے میں تنظیموں کی مدد کرنے کے لیے فیلڈ CTO کے طور پر کام کر رہا ہے۔ اس نے توانائی، خوردہ، مینوفیکچرنگ، صحت کی دیکھ بھال، اور لائف سائنسز سمیت متعدد صنعتوں میں صارفین کی مدد کی ہے۔ ارنب کے پاس تمام AWS سرٹیفیکیشنز ہیں، بشمول ML اسپیشلٹی سرٹیفیکیشن۔ AWS میں شامل ہونے سے پہلے، ارنب ایک ٹیکنالوجی لیڈر تھے اور اس سے قبل آرکیٹیکٹ اور انجینئرنگ میں قائدانہ کردار ادا کرتے تھے۔
پراچی کلکرنی AWS میں ایک سینئر سولیوشن آرکیٹیکٹ ہے۔ اس کی مہارت مشین لرننگ ہے، اور وہ مختلف AWS ML، بگ ڈیٹا، اور تجزیاتی پیشکشوں کا استعمال کرتے ہوئے حل ڈیزائن کرنے پر فعال طور پر کام کر رہی ہے۔ پراچی کے پاس صحت کی دیکھ بھال، فوائد، خوردہ اور تعلیم سمیت متعدد ڈومینز کا تجربہ ہے، اور اس نے پروڈکٹ انجینئرنگ اور فن تعمیر، نظم و نسق، اور کسٹمر کی کامیابی میں متعدد عہدوں پر کام کیا ہے۔
تیمر شریف AWS میں ایک پرنسپل سولیوشن آرکیٹیکٹ ہے، ٹیکنالوجی اور انٹرپرائز کنسلٹنگ سروسز کے دائرے میں متنوع پس منظر کے ساتھ، ایک سولیوشنز آرکیٹیکٹ کے طور پر 17 سال سے زیادہ عرصے پر محیط ہے۔ بنیادی ڈھانچے پر توجہ کے ساتھ، ٹیمر کی مہارت صنعتی عمودی کے وسیع میدانوں پر محیط ہے، بشمول تجارتی، صحت کی دیکھ بھال، آٹوموٹیو، پبلک سیکٹر، مینوفیکچرنگ، تیل اور گیس، میڈیا سروسز، اور بہت کچھ۔ اس کی مہارت مختلف ڈومینز تک پھیلی ہوئی ہے، جیسے کلاؤڈ آرکیٹیکچر، ایج کمپیوٹنگ، نیٹ ورکنگ، اسٹوریج، ورچوئلائزیشن، کاروباری پیداواری صلاحیت، اور تکنیکی قیادت۔
ہنس نیسبٹ جنوبی کیلیفورنیا میں مقیم AWS میں ایک سینئر سولیوشن آرکیٹیکٹ ہے۔ وہ پورے مغربی امریکہ کے صارفین کے ساتھ انتہائی قابل توسیع، لچکدار اور لچکدار کلاؤڈ فن تعمیرات کو تیار کرنے کے لیے کام کرتا ہے۔ اپنے فارغ وقت میں، وہ اپنے خاندان کے ساتھ وقت گزارنے، کھانا پکانے اور گٹار بجانے میں لطف اندوز ہوتا ہے۔
Chaoyang وہ FedML, Inc. کے شریک بانی اور CTO ہیں، ایک سٹارٹ اپ جو کسی بھی پیمانے پر کہیں سے بھی کمیونٹی کی کھلی اور باہمی تعاون پر مبنی AI کے لیے چل رہا ہے۔ اس کی تحقیق تقسیم شدہ اور فیڈریٹڈ مشین لرننگ الگورتھم، سسٹمز اور ایپلی کیشنز پر مرکوز ہے۔ انہوں نے یونیورسٹی آف سدرن کیلیفورنیا سے کمپیوٹر سائنس میں پی ایچ ڈی کی ڈگری حاصل کی۔
النواریز FedML میں پروڈکٹ مینجمنٹ کے ڈائریکٹر ہیں۔ FedML سے پہلے، وہ Google میں گروپ پروڈکٹ مینیجر اور LinkedIn میں ڈیٹا سائنس کے سینئر مینیجر تھے۔ اس کے پاس ڈیٹا پروڈکٹ سے متعلق کئی پیٹنٹ ہیں، اور اس نے سٹینفورڈ یونیورسٹی میں انجینئرنگ کی تعلیم حاصل کی۔
سلمان اوسٹیمہر FedML کے شریک بانی اور سی ای او ہیں۔ وہ USC میں ڈین کے پروفیسر، USC-Amazon Center on Trustworthy AI کے ڈائریکٹر، اور Alexa AI میں Amazon اسکالر رہ چکے ہیں۔ وہ فیڈریٹڈ اور ڈی سینٹرلائزڈ مشین لرننگ، انفارمیشن تھیوری، سیکورٹی اور پرائیویسی کے ماہر ہیں۔ وہ IEEE کے فیلو ہیں اور UC برکلے سے EECS میں پی ایچ ڈی کی ڈگری حاصل کی ہے۔
سمیر لاڈ AWS کے ساتھ ایک قابل انٹرپرائز ٹیکنولوجسٹ ہے جو صارفین کے C-سطح کے ایگزیکٹوز کے ساتھ مل کر کام کرتا ہے۔ ایک سابق C-suite ایگزیکٹو کے طور پر جس نے متعدد Fortune 100 کمپنیوں میں تبدیلیاں لائی ہیں، سمیر اپنے انمول تجربات کو شیئر کرتا ہے تاکہ اپنے کلائنٹس کو ان کے اپنے تبدیلی کے سفر میں کامیاب ہو سکے۔
اسٹیفن کریمر AWS میں بورڈ اور CxO کے مشیر اور سابق ایگزیکٹو ہیں۔ اسٹیفن ثقافت اور قیادت کو کامیابی کی بنیاد قرار دیتا ہے۔ وہ سلامتی اور جدت طرازی کا دعویٰ کرتا ہے جو کلاؤڈ ٹرانسفارمیشن کے ڈرائیوروں کو انتہائی مسابقتی، ڈیٹا سے چلنے والی تنظیموں کو قابل بناتا 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/federated-learning-on-aws-using-fedml-amazon-eks-and-amazon-sagemaker/
- : ہے
- : ہے
- : نہیں
- :کہاں
- $UP
- 10
- 100
- 14
- 154
- 17
- 20
- 2013
- 247
- 300
- 7
- a
- قابلیت
- ہمارے بارے میں
- غیر موجودگی
- رفتار کو تیز تر
- تیز
- تک رسائی حاصل
- ڈیٹا تک رسائی۔
- کامیاب
- اکاؤنٹ
- احتساب
- اکاؤنٹس
- درستگی
- درست
- درست طریقے سے
- حصول
- کے پار
- ایکٹ
- اداکاری
- فعال
- فعال طور پر
- اصل
- موافقت
- شامل کریں
- شامل کیا
- اس کے علاوہ
- اس کے علاوہ
- پتہ
- پتے
- خطاب کرتے ہوئے
- ایڈجسٹ
- منہ بولابیٹا بنانے
- مشیر
- وکالت
- کے بعد
- مجموعی
- جمع کرنے والا
- AI
- مقصد ہے
- AL
- Alexaکی بنیاد پر IQ Option ، بائنومو سے اوپری پوزیشن پر ہے۔
- یلگوردمز
- تمام
- کی اجازت دیتا ہے
- ساتھ
- بھی
- اگرچہ
- ہمیشہ
- ایمیزون
- ایمیزون سیج میکر
- ایمیزون ویب سروسز
- an
- تجزیہ
- تجزیاتی
- تجزیے
- اور
- کوئی بھی
- کہیں
- درخواست
- ایپلی کیشنز
- نقطہ نظر
- نقطہ نظر
- فن تعمیر
- آرکیٹیکچرز
- کیا
- رقبہ
- AS
- جائزوں
- At
- حملہ
- اوصاف
- نیل
- آڈیٹنگ
- میشن
- آٹوموٹو
- خود مختار
- خود مختار گاڑیاں
- دستیاب
- سے اجتناب
- AWS
- پس منظر
- کی بنیاد پر
- BE
- کیونکہ
- ہو جاتا ہے
- رہا
- اس سے پہلے
- شروع کریں
- فوائد
- برکلے
- بہتر
- بگ
- بگ ڈیٹا
- سانچہ
- بورڈ
- وسیع
- تعمیر
- عمارت
- کاروبار
- لیکن
- by
- سی سوٹ۔
- کیلی فورنیا
- کر سکتے ہیں
- صلاحیت
- پرواہ
- کیس
- مقدمات
- سینٹر
- مرکزی
- مرکزی
- سی ای او
- تصدیق
- سرٹیفکیٹ
- چیلنج
- چیلنجوں
- انتخاب
- میں سے انتخاب کریں
- حالات
- درجہ بندی
- صاف
- کلائنٹ
- کلائنٹس
- کلینکل
- قریب سے
- بادل
- شریک بانی
- کوڈ
- تعاون
- تعاون
- باہمی تعاون کے ساتھ
- کولوراڈو
- مجموعہ
- تبصروں
- تجارتی
- عام طور پر
- مواصلات
- کمیونٹی
- برادری کی عمارت
- کمپنیاں
- موازنہ
- موازنہ
- مقابلہ
- مکمل
- پیچیدہ
- تعمیل
- اجزاء
- وسیع
- سمجھوتہ
- کمپیوٹر
- کمپیوٹر سائنس
- کمپیوٹر ویژن
- کمپیوٹنگ
- اندراج
- حالات
- سلوک
- کانفرنسوں
- ترتیب
- تشکیل شدہ
- متواتر
- مشتمل
- مشاورت
- پر مشتمل ہے
- پر مشتمل ہے
- مواد
- جاری ہے
- مسلسل
- معاون
- کنٹرول
- کنٹرول
- کوآرڈینیٹر
- قیمت
- لاگت کا انتظام
- مل کر
- کا احاطہ کرتا ہے
- شلپ
- تخلیق
- بنائی
- پیدا
- اہم
- اہم
- CTO
- ثقافت
- وکر
- گاہک
- گاہک کی کامیابی
- گاہکوں
- مرضی کے مطابق
- سی ایکس او
- اعداد و شمار
- ڈیٹا سینٹر
- ڈیٹا کی رازداری
- ڈیٹا پرائیویسی اور سیکیورٹی
- ڈیٹا سائنس
- اعداد و شمار پر مبنی ہے
- ڈیٹاسیٹس
- مہذب
- فیصلہ کیا
- فیصلہ کرنا
- اعلان کرتا ہے
- پہلے سے طے شدہ
- آبادیاتی
- تعیناتی
- تعینات
- تعینات
- تعیناتی
- بیان کیا
- ڈیزائن
- ڈیزائننگ
- مطلوبہ
- تباہ
- تفصیلات
- دیو
- ڈویلپرز
- ترقی
- ترقی
- آلہ
- کے الات
- آریھ
- مختلف
- مختلف
- ڈیجیٹل
- ڈیجیٹل تبدیلی
- ڈائریکٹر
- ڈائرکٹری
- بیماری
- تقسیم کرو
- تقسیم کئے
- تقسیم کی تربیت
- متنوع
- دستاویزات
- ڈومینز
- کیا
- ڈاؤن لوڈ، اتارنا
- ڈرائیو
- کارفرما
- ڈرائیور
- ہر ایک
- ماحول
- ایج
- کنارے کمپیوٹنگ
- ایڈیٹر
- تعلیم
- موثر
- ہنر
- کرنڈ
- کو چالو کرنے کے
- کے قابل بناتا ہے
- کو فعال کرنا
- خفیہ کاری
- توانائی
- انجنیئرنگ
- بڑھانے کے
- کو یقینی بنانے کے
- کو یقینی بنانے ہے
- داخل ہوا
- انٹرپرائز
- اداروں
- اندراج
- ماحولیات
- ماحول
- عہد
- زمانے
- خاص طور پر
- کا جائزہ لینے
- تشخیص
- بھی
- واقعات
- مثال کے طور پر
- ایگزیکٹو
- ایگزیکٹوز
- exfiltration
- اخراجات
- تجربہ
- تجربات
- تجربہ
- تجربات
- ماہر
- مہارت
- تلاش
- توسیع
- سہولت
- سہولت
- خاندان
- وفاق
- آراء
- ساتھی
- مخلص
- میدان
- فائل
- نتائج
- لچکدار
- توجہ مرکوز
- توجہ مرکوز
- پر عمل کریں
- کے بعد
- کے لئے
- سابق
- فارچیون
- ملا
- بنیادیں
- فریم ورک
- فریم ورک
- سے
- مکمل طور پر
- تقریب
- مزید
- گیس
- جنرل
- GitHub کے
- دی
- گوگل
- GPUs
- گروپ
- بات کی ضمانت
- رہنمائی
- ہے
- he
- صحت
- صحت کی انشورنس
- صحت کی دیکھ بھال
- ہارٹ
- دل کی بیماری
- بھاری
- Held
- مدد
- مدد کرتا ہے
- اس کی
- درجہ بندی
- انتہائی
- ان
- کی ڈگری حاصل کی
- ہوسٹنگ
- تاہم
- HTML
- HTTPS
- i
- IEEE
- if
- وضاحت کرتا ہے
- پر عملدرآمد
- پر عمل درآمد
- اہم
- کو بہتر بنانے کے
- بہتری
- in
- انکارپوریٹڈ
- سمیت
- اضافہ
- آزاد
- انفرادی
- صنعتوں
- صنعت
- معلومات
- مطلع
- انفراسٹرکچر
- انجکشن
- جدت طرازی
- غیر محفوظ
- کے اندر
- بصیرت
- انشورنس
- ضم
- انٹیگریٹٹس
- انٹرفیس
- انٹرویوبلائٹی
- میں
- انمول
- الگ الگ
- مسئلہ
- IT
- تکرار
- میں
- شمولیت
- سفر
- JPEG
- فوٹو
- کلیدی
- علم
- جانا جاتا ہے
- کمی
- زبان
- بڑے
- بعد
- رہنما
- قیادت
- معروف
- جانیں
- سیکھنے
- چھوڑ دو
- آو ہم
- لائبریریوں
- لائبریری
- زندگی
- زندگی سائنس
- محدود
- لنکڈ
- مقامی
- مقامی طور پر
- محل وقوع
- مقامات
- لاگ ان کریں
- انکرنا
- بند
- مشین
- مشین لرننگ
- برقرار رکھنے
- بنا
- بنانا
- انتظام
- میں کامیاب
- انتظام
- مینیجر
- انداز
- مینوفیکچرنگ
- بہت سے
- مئی..
- نظام
- میڈیا
- پیمائش کا معیار
- مشی گن
- منٹ
- تخفیف کریں
- ML
- ایم ایل اوپس
- ماڈل
- ماڈلنگ
- ماڈل
- ماڈیول
- زیادہ
- سب سے زیادہ
- ایک سے زیادہ
- ضروری
- نام
- نام
- فطرت، قدرت
- تشریف لے جائیں
- سمت شناسی
- ضرورت ہے
- ضرورت
- منفی طور پر
- نیٹ ورک
- نیٹ ورکنگ
- نیٹ ورک
- نئی
- نیا
- اگلے
- نوڈس
- براہ مہربانی نوٹ کریں
- متعدد
- of
- کی پیشکش
- پیشکشیں
- تجویز
- اکثر
- تیل
- تیل اور گیس کی
- on
- والوں
- صرف
- کھول
- اوپن سورس
- کام
- آپریشنل
- مواقع
- or
- تنظیمیں
- منظم
- ہمارے
- باہر
- نتائج
- بیان کیا
- پیداوار
- پر
- خود
- پیکجوں کے
- پین
- پیرا میٹر
- پیراڈیم
- پیرامیٹرز
- حصہ
- پاسنگ
- پیٹنٹ
- مریض
- کارکردگی
- نجیکرت
- پی ایچ ڈی
- ہوائی جہاز
- پلیٹ فارم
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- کھیل
- مہربانی کرکے
- مقبول
- پورٹیبلٹی
- متصور ہوتا ہے
- پوزیشنوں
- پوسٹ
- ممکنہ
- پیشن گوئی
- پیشن گوئی
- ضروریات
- کی موجودگی
- پیش
- پچھلا
- پہلے
- پرنسپل
- پہلے
- کی رازداری
- پرائیویسی اور سیکورٹی
- نجی
- مصنوعات
- پروڈکٹ مینجمنٹ
- پروڈکٹ مینیجر
- پیداوار
- پیداوری
- ٹیچر
- بڑھنے
- منصوبے
- منصوبوں
- ملکیت
- حفاظت
- پروٹوکول
- فراہم
- فراہم
- فراہم کرتا ہے
- فراہم کرنے
- عوامی
- معیار
- سوالات
- رینج
- لے کر
- درجہ بندی
- شرح
- خام
- دائرے میں
- موصول
- حال ہی میں
- ریکارڈنگ
- کو کم
- کا حوالہ دیتے ہیں
- حوالہ دیا
- کی عکاسی کرتا ہے
- خطوں
- باضابطہ
- ریگولیٹڈ صنعتیں
- ضابطے
- انحصار کرتا ہے
- کو ہٹانے کے
- ذخیرہ
- نمائندگی
- کی ضرورت
- ضرورت
- ضروریات
- تحقیق
- محققین
- لچکدار
- وسائل
- وسائل
- احترام کرنا
- متعلقہ
- نتیجہ
- نتائج کی نمائش
- خوردہ
- خطرات
- مضبوط
- کردار
- جڑ
- منہاج القرآن
- رن
- چل رہا ہے
- چلتا ہے
- sagemaker
- سلمان
- نمونہ
- توسیع پذیر
- پیمانے
- سکیلنگ
- منظرنامے
- سکالر
- سائنس
- سائنس
- اسکرپٹ
- سیکشن
- سیکشنز
- شعبے
- محفوظ بنانے
- محفوظ طریقے سے
- سیکورٹی
- دیکھنا
- انتخاب
- بھیجنے
- سینئر
- حساس
- علیحدہ
- سرور
- سرورز
- سروسز
- اجلاس
- ترتیبات
- کئی
- سیکنڈ اور
- مشترکہ
- حصص
- اشتراک
- وہ
- ہونا چاہئے
- شوز
- اہم
- silos کے
- آسان
- ایک
- حالات
- سائز
- سافٹ ویئر کی
- سافٹ ویئر انجینئرنگ
- حل
- حل
- ماخذ
- ذرائع
- جنوبی
- خلا
- تناؤ
- خاص
- مخصوص
- سپیکٹرم
- خرچ کرنا۔
- معیاری کاری
- اسٹینفورڈ
- اسٹینفورڈ یونیورسٹی
- شروع کریں
- شروع
- حالت
- امریکہ
- مرحلہ
- اسٹیفن
- مراحل
- ابھی تک
- روکنا
- ذخیرہ
- سخت
- مضبوط
- تعلیم حاصل کی
- کامیاب ہوں
- کامیابی
- اس طرح
- سویٹ
- حمایت
- تائید
- امدادی
- کی حمایت کرتا ہے
- اس بات کا یقین
- سسٹمز
- لے لو
- ٹیکنیکل
- تکنیک
- تکنیکی ماہر
- ٹیکنالوجی
- سانچے
- عارضی
- ٹرافیفار
- ٹیسٹ
- کہ
- ۔
- کے بارے میں معلومات
- ان
- تو
- نظریہ
- لہذا
- یہ
- اس
- کے ذریعے
- وقت
- کرنے کے لئے
- اوزار
- کی طرف
- ٹریک
- ٹریکنگ
- روایتی
- ٹرین
- تربیت یافتہ
- ٹریننگ
- تربیتوں
- تبدیلی
- تبدیلی
- ٹرگر
- قابل اعتماد
- اقسام
- ui
- آخر میں
- کے تحت
- سمجھ
- منفرد
- متحدہ
- ریاست ہائے متحدہ امریکہ
- یونیورسٹی
- یونیورسٹی آف کیلی فورنیا
- برعکس
- انلاک
- غیر ضروری
- بے مثال۔
- غیر استعمال شدہ
- اپ ڈیٹ کریں
- اپ ڈیٹ
- us
- استعمال کی شرائط
- استعمال کیس
- استعمال کیا جاتا ہے
- صارف دوست
- استعمال
- کا استعمال کرتے ہوئے
- استعمال
- تصدیق کریں۔
- توثیق
- قیمت
- مختلف اقسام کے
- مختلف
- مختلف
- گاڑیاں
- عمودی
- لنک
- نقطہ نظر
- انتظار
- تھا
- we
- ویب
- ویب خدمات
- ویب سائٹ
- وزن
- خیرمقدم ہے۔
- اچھا ہے
- مغربی
- جس
- جبکہ
- ڈبلیو
- وسیع
- بڑے پیمانے پر
- گے
- ساتھ
- کے اندر
- بغیر
- کام
- کام کیا
- کارکن
- کام کر
- کام کرتا ہے
- ورکشاپ
- سال
- تم
- اور
- زیفیرنیٹ