یہ پوسٹ تھامسن رائٹرز سے ہشام فہیم نے مشترکہ طور پر لکھی ہے۔
تھامسن رائٹرز (TR) کاروبار اور پیشہ ور افراد کے لیے دنیا کی سب سے قابل اعتماد معلوماتی تنظیموں میں سے ایک ہے۔ یہ کمپنیوں کو انٹیلی جنس، ٹیکنالوجی، اور انسانی مہارت فراہم کرتا ہے جن کی انہیں قابل اعتماد جوابات تلاش کرنے کی ضرورت ہوتی ہے، جس سے وہ زیادہ تیزی سے بہتر فیصلے کر سکیں۔ TR کے صارفین مالیاتی، رسک، قانونی، ٹیکس، اکاؤنٹنگ اور میڈیا مارکیٹس میں پھیلے ہوئے ہیں۔
Thomson Reuters ٹیکس، قانونی اور نیوز مہم میں مارکیٹ کی معروف مصنوعات فراہم کرتا ہے، جسے صارفین سبسکرپشن لائسنسنگ ماڈل استعمال کرنے کے لیے سائن اپ کر سکتے ہیں۔ اپنے صارفین کے لیے اس تجربے کو بڑھانے کے لیے، TR ایک مرکزی سفارشات کا پلیٹ فارم بنانا چاہتا تھا جس نے ان کی سیلز ٹیم کو اپنے صارفین کو سب سے زیادہ متعلقہ سبسکرپشن پیکجز تجویز کرنے کی اجازت دی، ایسی تجاویز تیار کیں جو ان مصنوعات کے بارے میں بیداری پیدا کرنے میں مدد کریں جو ان کے صارفین کو مارکیٹ میں بہتر خدمات فراہم کرنے میں مدد کر سکیں۔ تیار کردہ مصنوعات کے انتخاب۔
اس مرکزی پلیٹ فارم کی تعمیر سے پہلے، TR کے پاس تجدید کی سفارشات تیار کرنے کے لیے ایک میراثی اصولوں پر مبنی انجن تھا۔ اس انجن میں قواعد پہلے سے طے شدہ اور ایس کیو ایل میں لکھے گئے تھے، جس کو منظم کرنے کے لیے ایک چیلنج پیش کرنے کے علاوہ، TR کے مختلف مربوط ڈیٹا سورس سے ڈیٹا کے پھیلاؤ سے نمٹنے کے لیے بھی جدوجہد کی گئی۔ TR کسٹمر ڈیٹا کاروباری قواعد سے زیادہ تیزی سے تبدیل ہو رہا ہے جو صارف کی بدلتی ہوئی ضروریات کو ظاہر کرنے کے لیے تیار ہو سکتا ہے۔ TR کے نئے مشین لرننگ (ML) پر مبنی پرسنلائزیشن انجن کی کلیدی ضرورت ایک درست سفارشی نظام کے گرد مرکوز تھی جو صارفین کے حالیہ رجحانات کو مدنظر رکھتا ہے۔ مطلوبہ حل کم آپریشنل اوور ہیڈ، کاروباری اہداف کی فراہمی کو تیز کرنے کی صلاحیت، اور ایک پرسنلائزیشن انجن ہو گا جسے صارفین کی بدلتی ہوئی عادات اور نئی مصنوعات سے نمٹنے کے لیے تازہ ترین ڈیٹا کے ساتھ مسلسل تربیت دی جا سکتی ہے۔
TR کے صارفین کے لیے قیمتی پراڈکٹس کی بنیاد پر تجدید کی سفارشات کو ذاتی بنانا سیلز اور مارکیٹنگ ٹیم کے لیے ایک اہم کاروباری چیلنج تھا۔ TR کے پاس ڈیٹا کا بہت ذخیرہ ہے جسے ذاتی نوعیت کے لیے استعمال کیا جا سکتا ہے جسے صارفین کے تعاملات سے اکٹھا کیا گیا ہے اور مرکزی ڈیٹا گودام میں محفوظ کیا گیا ہے۔ TR ML کے ساتھ ابتدائی طور پر اپنانے والا رہا ہے۔ ایمیزون سیج میکر، اور AI/ML ڈومین میں ان کی پختگی کا مطلب یہ ہے کہ انہوں نے ڈیٹا گودام کے اندر متعلقہ ڈیٹا کے ایک اہم ڈیٹاسیٹ کو جمع کیا ہے، جس کے ساتھ ٹیم ذاتی نوعیت کے ماڈل کو تربیت دے سکتی ہے۔ TR نے اپنی AI/ML جدت طرازی کو جاری رکھا ہے اور حال ہی میں اس کا استعمال کرتے ہوئے ایک اصلاح شدہ سفارشی پلیٹ فارم تیار کیا ہے۔ ایمیزون کو ذاتی بنائیں۔جو کہ ایک مکمل طور پر منظم ML سروس ہے جو صارفین کے لیے سفارشات تیار کرنے کے لیے صارف کے تعاملات اور آئٹمز کا استعمال کرتی ہے۔ اس پوسٹ میں، ہم وضاحت کرتے ہیں کہ کس طرح TR نے Amazon Personalize کو ایک قابل توسیع، کثیر کرایہ دار تجویز کنندہ سسٹم بنانے کے لیے استعمال کیا جو اپنے صارفین کو بہترین پروڈکٹ سبسکرپشن پلان اور متعلقہ قیمتیں فراہم کرتا ہے۔
حل فن تعمیر
حل کو ڈیٹا کے ذریعے صارفین کو سمجھنے کے ارد گرد TR کے بنیادی کاموں کو مدنظر رکھتے ہوئے ڈیزائن کیا جانا تھا۔ ان صارفین کو ڈیٹا کے بڑے ذخیرے سے ذاتی نوعیت کا اور متعلقہ مواد فراہم کرنا ایک مشن کی اہم ضرورت تھی۔ ایک اچھی طرح سے ڈیزائن کردہ سفارشی نظام کا ہونا معیاری سفارشات حاصل کرنے کی کلید ہے جو ہر صارف کی ضروریات کے مطابق بنائی گئی ہیں۔
حل کے لیے صارف کے رویے کا ڈیٹا اکٹھا کرنا اور تیار کرنا، Amazon Personalize کا استعمال کرتے ہوئے ML ماڈل کو تربیت دینا، تربیت یافتہ ماڈل کے ذریعے ذاتی سفارشات تیار کرنا، اور ذاتی سفارشات کے ساتھ مارکیٹنگ کی مہم چلانا درکار ہے۔
TR جہاں ممکن ہو آپریشنز کو آسان بنانے اور غیر متفاوت ہیوی لفٹنگ کو کم کرنے کے لیے AWS کے زیر انتظام خدمات سے فائدہ اٹھانا چاہتا تھا۔ ٹی آر استعمال کیا گیا۔ AWS گلو ڈیٹا بریو اور AWS بیچ ایم ایل پائپ لائنز میں ایکسٹریکٹ، ٹرانسفارم، اور لوڈ (ETL) جابز کو انجام دینے کے لیے جابز، اور سفارشات کے مطابق بنانے کے لیے Amazon Personalize کے ساتھ SageMaker۔ تربیتی ڈیٹا کے حجم اور رن ٹائم کے نقطہ نظر سے، TR کی کاروباری ٹیموں میں نیچے دھارے والے صارفین کے لیے پہلے سے ہی مقرر کردہ ٹائم فریم کے اندر لاکھوں ریکارڈز پر کارروائی کرنے کے لیے حل کو توسیع پذیر ہونے کی ضرورت ہے۔
مندرجہ ذیل حصے حل میں شامل اجزاء کی وضاحت کرتے ہیں۔
ایم ایل ٹریننگ پائپ لائن
صارفین اور مواد کے درمیان تعاملات کو کلک اسٹریم ڈیٹا کی شکل میں جمع کیا جاتا ہے، جو صارف کے مواد پر کلک کرنے کے ساتھ ہی تیار ہوتا ہے۔ TR تجزیہ کرتا ہے کہ آیا یہ ان کے سبسکرپشن پلان کا حصہ ہے یا ان کے سبسکرپشن پلان سے باہر ہے تاکہ وہ قیمت اور پلان کے اندراج کے اختیارات کے بارے میں اضافی تفصیلات فراہم کر سکیں۔ مختلف ذرائع سے صارف کی بات چیت کا ڈیٹا ان کے ڈیٹا گودام میں برقرار ہے۔
مندرجہ ذیل خاکہ ایم ایل ٹریننگ پائپ لائن کی وضاحت کرتا ہے۔
پائپ لائن AWS بیچ جاب سے شروع ہوتی ہے جو ڈیٹا گودام سے ڈیٹا نکالتی ہے اور ڈیٹا کو انٹریکشن، صارفین اور آئٹمز ڈیٹا سیٹس بنانے کے لیے تبدیل کرتی ہے۔
ماڈل کو تربیت دینے کے لیے درج ذیل ڈیٹاسیٹ استعمال کیے جاتے ہیں:
- سٹرکچرڈ پروڈکٹ ڈیٹا - سبسکرپشنز، آرڈرز، پروڈکٹ کیٹلاگ، لین دین اور کسٹمر کی تفصیلات
- نیم ساختہ رویے کا ڈیٹا - صارفین، استعمال، اور تعاملات
یہ تبدیل شدہ ڈیٹا ایک میں محفوظ کیا جاتا ہے۔ ایمیزون سادہ اسٹوریج سروس (Amazon S3) بالٹی، جو ML ٹریننگ کے لیے Amazon Personalize میں درآمد کی جاتی ہے۔ چونکہ TR اپنے صارفین کے لیے ذاتی نوعیت کی سفارشات تیار کرنا چاہتا ہے، اس لیے وہ استعمال کرتے ہیں۔ USER_PERSONALIZATION ایم ایل ماڈلز کو ان کے کسٹم ڈیٹا کے لیے تربیت دینے کی ترکیب، جسے حل ورژن بنانے کا کہا جاتا ہے۔ حل ورژن بننے کے بعد، اسے صارفین کے لیے ذاتی نوعیت کی سفارشات تیار کرنے کے لیے استعمال کیا جاتا ہے۔
پورے ورک فلو کو استعمال کرتے ہوئے ترتیب دیا گیا ہے۔ AWS اسٹیپ فنکشنز. انتباہات اور اطلاعات کو پکڑا جاتا ہے اور مائیکروسافٹ ٹیموں کو اس کا استعمال کرتے ہوئے شائع کیا جاتا ہے۔ ایمیزون سادہ نوٹیفکیشن سروس (ایمیزون ایس این ایس) اور ایمیزون ایونٹ برج.
ذاتی سفارشات کی پائپ لائن تیار کرنا: بیچ کا اندازہ
گاہک کی ضروریات اور ترجیحات اکثر تبدیل ہوتی رہتی ہیں، اور کلک اسٹریم ڈیٹا میں کی گئی تازہ ترین تعاملات گاہک کی بدلتی ہوئی ترجیحات کو سمجھنے کے لیے ایک اہم ڈیٹا پوائنٹ کے طور پر کام کرتی ہیں۔ صارفین کی ہمیشہ بدلتی ہوئی ترجیحات کو اپنانے کے لیے، TR روزانہ کی بنیاد پر ذاتی نوعیت کی سفارشات تیار کرتا ہے۔
مندرجہ ذیل خاکہ ذاتی نوعیت کی سفارشات تیار کرنے کے لیے پائپ لائن کی وضاحت کرتا ہے۔
DataBrew جاب ان صارفین کے لیے TR ڈیٹا گودام سے ڈیٹا نکالتی ہے جو موجودہ سبسکرپشن پلان اور حالیہ سرگرمی کی بنیاد پر تجدید کے دوران سفارشات فراہم کرنے کے اہل ہیں۔ DataBrew بصری ڈیٹا کی تیاری کا ٹول TR ڈیٹا تجزیہ کاروں اور ڈیٹا سائنسدانوں کے لیے ڈیٹا کو صاف اور نارملائز کرنے کے لیے اسے اینالیٹکس اور ML کے لیے تیار کرنا آسان بناتا ہے۔ اعداد و شمار کی تیاری کے کاموں کو خودکار بنانے کے لیے بصری ڈیٹا کی تیاری کے ٹول کے اندر 250 سے زیادہ پہلے سے تعمیر شدہ تبدیلیوں میں سے انتخاب کرنے کی اہلیت، بغیر کسی کوڈ کو لکھنے کی ضرورت کے، ایک اہم خصوصیت تھی۔ DataBrew جاب بیچ کی سفارشات کے کام کے لیے تعاملات اور ان پٹ کے لیے ایک اضافی ڈیٹاسیٹ تیار کرتا ہے اور آؤٹ پٹ کو S3 بالٹی میں اسٹور کرتا ہے۔ نئے تیار کردہ اضافی ڈیٹاسیٹ کو تعاملات کے ڈیٹاسیٹ میں درآمد کیا جاتا ہے۔ جب انکریمنٹل ڈیٹاسیٹ امپورٹ جاب کامیاب ہو جاتا ہے تو، ان پٹ ڈیٹا کے ساتھ Amazon Personalize بیچ کی سفارشات کی جاب کو متحرک کیا جاتا ہے۔ Amazon Personalize ان پٹ ڈیٹا میں فراہم کردہ صارفین کے لیے تازہ ترین سفارشات تیار کرتا ہے اور اسے سفارشات S3 بالٹی میں اسٹور کرتا ہے۔
نئی تشکیل شدہ سفارشات کے استعمال کے لیے تیار ہونے سے پہلے قیمت کی اصلاح آخری مرحلہ ہے۔ TR تیار کردہ سفارشات پر لاگت کو بہتر بنانے کا کام چلاتا ہے اور اس آخری مرحلے کے حصے کے طور پر سفارشات پر حسب ضرورت ماڈل چلانے کے لیے SageMaker کا استعمال کرتا ہے۔ AWS Glue جاب Amazon Personalize سے تیار کردہ آؤٹ پٹ کو درست کرتا ہے اور اسے SageMaker کسٹم ماڈل کے لیے درکار ان پٹ فارمیٹ میں تبدیل کرتا ہے۔ TR ان خدمات کی وسعت سے فائدہ اٹھانے کے قابل ہے جو AWS فراہم کرتا ہے، سفارشی پلیٹ فارم میں Amazon Personalize اور SageMaker دونوں کا استعمال کرتے ہوئے کسٹمر فرم اور اختتامی صارفین کی قسم کی بنیاد پر سفارشات تیار کرنے کے لیے۔
اسٹیپ فنکشنز کا استعمال کرتے ہوئے پورے ورک فلو کو ڈیکپلڈ اور آرکیسٹریٹ کیا جاتا ہے، جو ڈیٹا پروسیسنگ کی ضروریات کے مطابق پائپ لائن کو سکیل کرنے کی لچک فراہم کرتا ہے۔ انتباہات اور اطلاعات کو Amazon SNS اور EventBridge کا استعمال کرتے ہوئے پکڑا گیا ہے۔
ای میل مہم چلانا
قیمتوں کے نتائج کے ساتھ تیار کردہ سفارشات کو TR کے صارفین تک ای میل مہم چلانے کے لیے استعمال کیا جاتا ہے۔ AWS بیچ جاب کا استعمال ہر گاہک کے لیے سفارشات کو درست کرنے اور اسے بہتر قیمتوں کی معلومات کے ساتھ بہتر بنانے کے لیے کیا جاتا ہے۔ یہ سفارشات TR کے انتخابی نظام میں شامل کی جاتی ہیں، جو درج ذیل ای میل مہمات چلاتے ہیں:
- خودکار سبسکرپشن کی تجدید یا نئی پروڈکٹس کے ساتھ اپ گریڈ مہم جو گاہک کو دلچسپی دے سکتی ہے۔
- بہتر پیشکشوں اور زیادہ متعلقہ مصنوعات اور قانونی مواد کے مواد کے ساتھ درمیانی معاہدے کی تجدید کی مہم
اس عمل سے حاصل ہونے والی معلومات کو کسٹمر پورٹل پر بھی نقل کیا جاتا ہے تاکہ اپنے موجودہ سبسکرپشن کا جائزہ لینے والے صارفین تجدید کی نئی سفارشات دیکھ سکیں۔ نئے سفارشاتی پلیٹ فارم کو نافذ کرنے کے بعد سے، TR نے ای میل مہمات سے زیادہ تبادلوں کی شرح دیکھی ہے، جس کی وجہ سے سیلز آرڈرز میں اضافہ ہوا ہے۔
آگے کیا ہے: ریئل ٹائم سفارشات کی پائپ لائن
کسٹمر کی ضروریات اور خریداری کے رویے حقیقی وقت میں تبدیل ہوتے ہیں، اور حقیقی وقت میں ہونے والی تبدیلیوں کے مطابق سفارشات کو ڈھالنا صحیح مواد کو پیش کرنے کی کلید ہے۔ ایک بیچ کی سفارشی نظام کی تعیناتی میں زبردست کامیابی دیکھنے کے بعد، TR اب Amazon Personalize کا استعمال کرتے ہوئے سفارشات تیار کرنے کے لیے ایک حقیقی وقت کی سفارشات کی پائپ لائن کو نافذ کرکے اس حل کو اگلی سطح تک لے جانے کا منصوبہ بنا رہا ہے۔
مندرجہ ذیل خاکہ حقیقی وقت کی سفارشات فراہم کرنے کے لیے فن تعمیر کی وضاحت کرتا ہے۔
ریئل ٹائم انضمام کا آغاز براہ راست صارف کی مصروفیت کا ڈیٹا اکٹھا کرنے اور اسے Amazon Personalize پر سٹریم کرنے سے ہوتا ہے۔ جیسا کہ صارفین TR کی ایپلی کیشنز کے ساتھ بات چیت کر رہے ہیں، وہ کلک اسٹریم ایونٹس تیار کرتے ہیں، جو اس میں شائع ہوتے ہیں۔ Amazon Kinesis ڈیٹا اسٹریمز. پھر واقعات کو TR کے مرکزی سٹریمنگ پلیٹ فارم میں داخل کیا جاتا ہے، جو اوپر بنایا گیا ہے۔ ایمیزون نے کافکا کے لیے سٹریمنگ کا انتظام کیا۔ (ایمیزون ایم ایس کے)۔ Amazon MSK مکمل طور پر منظم اپاچی کافکا کے ساتھ ریئل ٹائم میں اسٹریمنگ ڈیٹا کو ہضم کرنا اور اس پر کارروائی کرنا آسان بناتا ہے۔ اس فن تعمیر میں، Amazon MSK ایک سٹریمنگ پلیٹ فارم کے طور پر کام کرتا ہے اور خام آنے والے کلک اسٹریم ایونٹس پر درکار ڈیٹا کی تبدیلیوں کو انجام دیتا ہے۔ پھر ایک او ڈبلیو ایس لامبڈا۔ تقریب کو ایمیزون پرسنلائز ڈیٹاسیٹ کے ساتھ ہم آہنگ اسکیما میں فلٹر کرنے کے لیے متحرک کیا جاتا ہے اور ان ایونٹس کو ایمیزون پرسنلائز ایونٹ ٹریکر کے لیے آگے بڑھایا جاتا ہے۔ putEvent
API یہ Amazon Personalize کو آپ کے صارف کے حالیہ رویے سے سیکھنے اور متعلقہ اشیاء کو سفارشات میں شامل کرنے کی اجازت دیتا ہے۔
TR کی ویب ایپلیکیشنز میں تعینات ایک API کا مطالبہ کیا جاتا ہے۔ ایمیزون API گیٹ وے سفارشات حاصل کرنے کے لیے، جو ایک لیمبڈا فنکشن کو متحرک کرتا ہے۔ GetRecommendations
ایمیزون پرسنلائز کے ساتھ API کال۔ Amazon Personalize صارف کے رویے کے لیے تیار کردہ ذاتی سفارشات کا تازہ ترین سیٹ فراہم کرتا ہے، جو Lambda اور API گیٹ وے کے ذریعے ویب ایپلیکیشنز کو واپس فراہم کی جاتی ہیں۔
اس ریئل ٹائم فن تعمیر کے ساتھ، TR اپنے صارفین کو ان کے حالیہ رویے کے مطابق ذاتی نوعیت کی سفارشات کے ساتھ خدمت کر سکتا ہے اور ان کی ضروریات کو بہتر طریقے سے پورا کر سکتا ہے۔
نتیجہ
اس پوسٹ میں، ہم نے آپ کو دکھایا کہ کس طرح TR نے سفارشی انجن کو لاگو کرنے کے لیے Amazon Personalize اور دیگر AWS سروسز کا استعمال کیا۔ Amazon Personalize نے اپنے صارفین کو سفارشات فراہم کرنے کے لیے اعلیٰ کارکردگی والے ماڈلز کی ترقی اور تعیناتی کو تیز کرنے کے لیے TR کو فعال کیا۔ TR مہینوں پہلے کے مقابلے میں اب ہفتوں کے اندر مصنوعات کے ایک نئے سوٹ کو آن بورڈ کرنے کے قابل ہے۔ Amazon Personalize اور SageMaker کے ساتھ، TR اپنے صارفین کے لیے بہتر مواد کی رکنیت کے منصوبوں اور قیمتوں کے ساتھ کسٹمر کے تجربے کو بلند کرنے کے قابل ہے۔
اگر آپ کو اس بلاگ کو پڑھ کر لطف آیا اور آپ Amazon Personalize کے بارے میں مزید جاننا چاہتے ہیں اور یہ آپ کی تنظیم کو سفارشی نظام بنانے میں کس طرح مدد کر سکتا ہے، تو براہ کرم دیکھیں ڈویلپر گائیڈ.
مصنفین کے بارے میں
ہشام فہیم تھامسن رائٹرز میں لیڈ مشین لرننگ انجینئر اور پرسنلائزیشن انجن آرکیٹیکٹ ہیں۔ اس نے بڑے اداروں سے لے کر درمیانے درجے کے سٹارٹ اپس تک اکیڈمیا اور صنعت میں تنظیموں کے ساتھ کام کیا ہے۔ اسکیل ایبل ڈیپ لرننگ آرکیٹیکچرز پر توجہ کے ساتھ، اس کے پاس موبائل روبوٹکس، بائیو میڈیکل امیج اینالیسس کے ساتھ ساتھ تجویز کنندہ سسٹمز کا تجربہ ہے۔ کمپیوٹر سے دور وہ فلکیاتی تصویر کشی، پڑھنے اور لمبی دوری کی بائیک چلانے سے لطف اندوز ہوتا ہے۔
سری نواسا شیک بوسٹن میں مقیم AWS میں ایک حل آرکیٹیکٹ ہے۔ وہ انٹرپرائز کے صارفین کو کلاؤڈ تک اپنے سفر کو تیز کرنے میں مدد کرتا ہے۔ وہ کنٹینرز اور مشین لرننگ ٹیکنالوجیز کے بارے میں پرجوش ہے۔ اپنے فارغ وقت میں، وہ اپنے خاندان کے ساتھ وقت گزارنے، کھانا پکانے اور سفر میں لطف اندوز ہوتا ہے۔
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۔
سیمون زوچیٹ AWS میں ایک سینئر سولیوشن آرکیٹیکٹ ہے۔ کلاؤڈ آرکیٹیکٹ کے طور پر 6 سال سے زیادہ کے تجربے کے ساتھ، سیمون کو ایسے جدید منصوبوں پر کام کرنا پسند ہے جو تنظیموں کے کاروباری مسائل تک پہنچنے کے طریقے کو تبدیل کرنے میں مدد کرتے ہیں۔ وہ AWS میں بڑے کاروباری صارفین کی مدد کرتا ہے اور مشین لرننگ TFC کا حصہ ہے۔ اپنی پیشہ ورانہ زندگی کے علاوہ، وہ کاروں اور فوٹو گرافی پر کام کرنے سے لطف اندوز ہوتے ہیں۔
- 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/how-thomson-reuters-delivers-personalized-content-subscription-plans-at-scale-using-amazon-personalize/
- 100
- 7
- a
- کی صلاحیت
- قابلیت
- ہمارے بارے میں
- اکیڈمی
- رفتار کو تیز تر
- اکاؤنٹ
- اکاؤنٹنگ
- درست
- کے پار
- سرگرمی
- اپنانے
- ایڈیشنل
- فائدہ
- کے بعد
- AI
- AI / ML
- تمام
- کی اجازت دیتا ہے
- پہلے ہی
- ایمیزون
- ایمیزون کو ذاتی بنائیں۔
- تجزیہ
- تجزیہ کار کہتے ہیں
- تجزیاتی
- تجزیہ کرتا ہے
- اور
- جواب
- اپاچی
- اے پی آئی
- ایپلی کیشنز
- اطلاقی
- اپلائیڈ اے آئی
- نقطہ نظر
- فن تعمیر
- علاقوں
- ارد گرد
- منسلک
- خود کار طریقے سے
- کے بارے میں شعور
- AWS
- AWS گلو
- واپس
- کی بنیاد پر
- بنیاد
- کیونکہ
- اس سے پہلے
- BEST
- بہتر
- کے درمیان
- سے پرے
- بایڈیکل
- بلاگ
- بوسٹن
- چوڑائی
- تعمیر
- عمارت
- تعمیر
- کاروبار
- کاروبار
- فون
- مہم
- مہم چلانا
- مہمات
- کاریں
- کیٹلوگ
- مرکوز
- مرکزی
- چیلنج
- تبدیل
- تبدیلیاں
- تبدیل کرنے
- میں سے انتخاب کریں
- بادل
- کوڈ
- جمع
- انجام دیا
- کمپنیاں
- مقابلے میں
- ہم آہنگ
- اجزاء
- کمپیوٹر
- کمپیوٹر ویژن
- کمپیوٹر
- پر غور
- مسلسل
- صارفین
- صارفین
- کنٹینر
- مواد
- جاری رہی
- تبادلوں سے
- کور
- قیمت
- سکتا ہے
- تخلیق
- بنائی
- تخلیق
- cured
- کیورٹس
- موجودہ
- اپنی مرضی کے
- گاہک
- کسٹمر کا ڈیٹا
- گاہک کا تجربہ
- گاہکوں
- روزانہ
- اعداد و شمار
- ڈیٹا کی تیاری
- ڈیٹا پروسیسنگ
- ڈیٹاسیٹس
- نمٹنے کے
- فیصلے
- گہری
- گہری سیکھنے
- ترسیل
- فراہم کرتا ہے
- منحصر ہے
- تعینات
- تعینات
- تعیناتی
- ڈیزائن
- تفصیلات
- ترقی یافتہ
- ترقی
- مختلف
- فاصلے
- ڈومین
- ڈرائیو
- ڈرائیونگ
- ڈرون
- کے دوران
- ہر ایک
- اس سے قبل
- ابتدائی
- خاتمہ کریں۔
- اہل
- ای میل
- چالو حالت میں
- کو فعال کرنا
- مصروفیت
- انجن
- انجینئر
- افزودگی
- انٹرپرائز
- اداروں
- حوصلہ افزائی
- پوری
- کا سامان
- واقعہ
- واقعات
- ہمیشہ بدلنے والا
- تیار
- تجربہ
- مہارت
- وضاحت
- نکالنے
- نچوڑ۔
- خاندان
- تیز تر
- نمایاں کریں
- فلٹر
- فائنل
- مالی
- مل
- فرم
- لچک
- توجہ مرکوز
- کے بعد
- فارم
- فارمیٹ
- تشکیل
- فریم
- سے
- مکمل طور پر
- تقریب
- افعال
- گیٹ وے
- پیدا
- پیدا
- پیدا ہوتا ہے
- پیدا کرنے والے
- حاصل
- حاصل کرنے
- فراہم کرتا ہے
- اہداف
- عظیم
- ہونے
- مدد
- مدد کرتا ہے
- اعلی کارکردگی
- اعلی
- کس طرح
- HTML
- HTTPS
- انسانی
- تصویر
- پر عملدرآمد
- پر عمل درآمد
- درآمد
- اہم
- in
- شامل
- موصولہ
- اضافہ
- صنعت
- معلومات
- اقدامات
- جدت طرازی
- جدید
- ان پٹ
- ضم
- انضمام
- انٹیلی جنس
- بات چیت
- بات چیت
- دلچسپی
- ملوث
- IT
- اشیاء
- ایوب
- نوکریاں
- سفر
- کلیدی
- بڑے
- آخری
- تازہ ترین
- قیادت
- معروف
- جانیں
- سیکھنے
- کی وراست
- قانونی
- سطح
- لائسنسنگ
- زندگی
- اٹھانے
- رہتے ہیں
- لوڈ
- لانگ
- لو
- مشین
- مشین لرننگ
- بنا
- بناتا ہے
- انتظام
- میں کامیاب
- مارکیٹ
- مارکیٹ میں معروف
- مارکیٹنگ
- Markets
- پختگی
- میڈیا
- مائیکروسافٹ
- مائیکرو سافٹ ٹیمیں
- شاید
- لاکھوں
- ML
- موبائل
- ماڈل
- ماڈل
- ماہ
- زیادہ
- سب سے زیادہ
- ضرورت ہے
- ضروریات
- نئی
- نئی مصنوعات
- خبر
- اگلے
- ویزا
- نوٹیفیکیشن
- اطلاعات
- تجویز
- جہاز
- ایک
- آپریشنل
- آپریشنز
- اصلاح کے
- اصلاح
- آپشنز کے بھی
- احکامات
- تنظیم
- تنظیمیں
- دیگر
- باہر
- پیکجوں کے
- حصہ
- جذباتی
- انجام دیں
- کارکردگی کا مظاہرہ
- شخصی
- ذاتی بنانا
- نجیکرت
- نقطہ نظر
- فوٹو گرافی
- پائپ لائن
- منصوبہ
- منصوبہ بندی
- کی منصوبہ بندی
- پلیٹ فارم
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- مہربانی کرکے
- پوائنٹ
- پورٹل
- ممکن
- پوسٹ
- ترجیحات
- تیار
- کی تیاری
- قیمت
- قیمتیں
- قیمتوں کا تعین
- مسائل
- عمل
- پروسیسنگ
- مصنوعات
- حاصل
- پیشہ ورانہ
- پیشہ ور ماہرین
- منصوبوں
- فراہم
- فراہم
- فراہم کرتا ہے
- فراہم کرنے
- شائع
- پش
- معیار
- جلدی سے
- بلند
- لے کر
- شرح
- خام
- پڑھنا
- تیار
- اصلی
- اصل وقت
- حال ہی میں
- حال ہی میں
- ہدایت
- سفارش
- سفارشات
- ریکارڈ
- کو کم
- کہا جاتا ہے
- کی عکاسی
- متعلقہ
- نقل تیار
- ضرورت
- ضرورت
- ضروریات
- نتائج کی نمائش
- رائٹرز
- جائزہ لیں
- رسک
- روبوٹکس
- قوانین
- رن
- sagemaker
- فروخت
- توسیع پذیر
- پیمانے
- سکیلنگ
- سائنسدانوں
- سیکشنز
- سیکٹر
- دیکھ کر
- سینئر
- خدمت
- کام کرتا ہے
- سروس
- سروسز
- خدمت
- مقرر
- خریداری
- سائن ان کریں
- اہم
- سادہ
- آسان بنانے
- بعد
- So
- حل
- حل
- ماخذ
- ذرائع
- ماہر
- خرچ کرنا۔
- شروع ہوتا ہے
- سترٹو
- مرحلہ
- ذخیرہ
- ذخیرہ
- پردہ
- محرومی
- سبسکرائب
- ممبرشپ
- کامیابی
- کامیاب
- سویٹ
- حمایت
- کے نظام
- سسٹمز
- موزوں
- لے لو
- لیتا ہے
- کاموں
- ٹیکس
- ٹیم
- ٹیموں
- ٹیکنالوجی
- ٹیکنالوجی
- ۔
- ان
- تھامسن رائٹرز
- کے ذریعے
- وقت
- کرنے کے لئے
- کے آلے
- سب سے اوپر
- ٹرین
- تربیت یافتہ
- ٹریننگ
- معاملات
- تبدیل
- تبدیلی
- تبدیل
- سفر
- رجحانات
- متحرک
- قابل اعتماد
- سمجھ
- افہام و تفہیم
- اپ ڈیٹ کرنے کے لئے
- اپ گریڈ
- استعمال
- استعمال کی شرائط
- رکن کا
- صارفین
- قیمتی
- مختلف
- ورژن
- کی طرف سے
- نقطہ نظر
- حجم
- چاہتے تھے
- ویلتھ
- ویب
- ویب ایپلی کیشنز
- مہینے
- کیا
- جس
- ڈبلیو
- کے اندر
- بغیر
- کام
- کام کیا
- کام کر
- کام کرتا ہے
- دنیا کی
- گا
- لکھنا
- لکھا
- سال
- تم
- اور
- زیفیرنیٹ