यह पोस्ट मुख्य वैज्ञानिक ग्रेग बेन्सन के साथ सह-लिखित थी; आरोन केसलर, वरिष्ठ उत्पाद प्रबंधक; और रिच डिल, स्नैपलॉजिक से एंटरप्राइज सॉल्यूशंस आर्किटेक्ट।
कई ग्राहक जेनरेटिव एआई ऐप्स बना रहे हैं अमेज़ॅन बेडरॉक और अमेज़ॅन कोडव्हिस्पीर प्राकृतिक भाषा पर आधारित कोड कलाकृतियाँ बनाना। यह उपयोग मामला इस बात पर प्रकाश डालता है कि कैसे बड़े भाषा मॉडल (एलएलएम) परिष्कृत के साथ-साथ मानव भाषाओं (अंग्रेजी, स्पेनिश, अरबी और अधिक) और मशीन व्याख्या योग्य भाषाओं (पायथन, जावा, स्काला, एसक्यूएल, और इसी तरह) के बीच अनुवादक बनने में सक्षम हैं। आंतरिक तर्क. एलएलएम में इस उभरती क्षमता ने सॉफ्टवेयर डेवलपर्स को एलएलएम को एक स्वचालन और यूएक्स एन्हांसमेंट टूल के रूप में उपयोग करने के लिए मजबूर किया है जो प्राकृतिक भाषा को एक डोमेन-विशिष्ट भाषा (डीएसएल) में बदल देता है: सिस्टम निर्देश, एपीआई अनुरोध, कोड आर्टिफैक्ट और बहुत कुछ। इस पोस्ट में, हम आपको दिखाते हैं कि कैसे स्नैपलॉजिक, एक AWS ग्राहक, ने अपनी शक्ति के लिए अमेज़न बेडरॉक का उपयोग किया स्नैपजीपीटी मानव भाषा से इन जटिल डीएसएल कलाकृतियों के स्वचालित निर्माण के माध्यम से उत्पाद।
जब ग्राहक एलएलएम से डीएसएल ऑब्जेक्ट बनाते हैं, तो परिणामी डीएसएल या तो एक सटीक प्रतिकृति या मौजूदा इंटरफ़ेस डेटा और स्कीमा का व्युत्पन्न होता है जो बैकिंग सेवा में यूआई और व्यावसायिक तर्क के बीच अनुबंध बनाता है। यह पैटर्न विशेष रूप से स्वतंत्र सॉफ्टवेयर विक्रेताओं (आईएसवी) और एक सेवा के रूप में सॉफ्टवेयर (सास) आईएसवी के साथ कोड के माध्यम से कॉन्फ़िगरेशन का प्रतिनिधित्व करने के उनके अनूठे तरीके और अपने ग्राहकों के लिए उपयोगकर्ता अनुभव को सरल बनाने की इच्छा के कारण चलन में है। उदाहरण उपयोग के मामलों में शामिल हैं:
AWS पर एलएलएम के साथ टेक्स्ट-टू-पाइपलाइन एप्लिकेशन बनाने और स्केल करने का सबसे सीधा तरीका अमेज़ॅन बेडरॉक का उपयोग करना है। अमेज़ॅन बेडरॉक फाउंडेशन मॉडल (एफएम) के साथ जेनेरिक एआई अनुप्रयोगों को बनाने और स्केल करने का सबसे आसान तरीका है। यह एक पूरी तरह से प्रबंधित सेवा है जो एकल एपीआई के माध्यम से अग्रणी एआई से उच्च प्रदर्शन वाले फाउंडेशन एफएम की पसंद तक पहुंच प्रदान करती है, साथ ही आपको गोपनीयता और सुरक्षा के साथ जेनरेटिव एआई एप्लिकेशन बनाने के लिए आवश्यक क्षमताओं का एक व्यापक सेट भी प्रदान करती है। एंथ्रोपिक, एक एआई सुरक्षा और अनुसंधान प्रयोगशाला जो विश्वसनीय, व्याख्या योग्य और संचालन योग्य एआई सिस्टम बनाती है, अग्रणी एआई कंपनियों में से एक है जो अमेज़ॅन बेडरॉक पर अपने अत्याधुनिक एलएलएम, क्लाउड तक पहुंच प्रदान करती है। क्लाउड एक एलएलएम है जो विचारशील संवाद, सामग्री निर्माण, जटिल तर्क, रचनात्मकता और कोडिंग से लेकर कार्यों की एक विस्तृत श्रृंखला में उत्कृष्टता प्राप्त करता है। एंथ्रोपिक क्लाउड और क्लाउड इंस्टेंट दोनों मॉडल पेश करता है, जो सभी अमेज़ॅन बेडरॉक के माध्यम से उपलब्ध हैं। क्लाउड ने अपनी बेहतर तर्क क्षमता के कारण इन टेक्स्ट-टू-पाइपलाइन अनुप्रयोगों में तेजी से लोकप्रियता हासिल की है, जो इसे अस्पष्ट तकनीकी समस्या समाधान में उत्कृष्टता प्राप्त करने की अनुमति देती है। अमेज़ॅन बेडरॉक पर क्लाउड 2 100,000-टोकन संदर्भ विंडो का समर्थन करता है, जो अंग्रेजी पाठ के लगभग 200 पृष्ठों के बराबर है। यह एक विशेष रूप से महत्वपूर्ण विशेषता है जिस पर आप टेक्स्ट-टू-पाइपलाइन एप्लिकेशन बनाते समय भरोसा कर सकते हैं जिसके लिए जटिल तर्क, विस्तृत निर्देशों और व्यापक उदाहरणों की आवश्यकता होती है।
स्नैपलॉजिक पृष्ठभूमि
स्नैपलॉजिक दुनिया में एंटरप्राइज़ ऑटोमेशन लाने के मिशन पर एक AWS ग्राहक है। स्नैपलॉजिक इंटेलिजेंट इंटीग्रेशन प्लेटफॉर्म (आईआईपी) संगठनों को अपने एप्लिकेशन, डेटाबेस, बड़े डेटा, मशीनों और उपकरणों, एपीआई और अन्य के पूरे पारिस्थितिकी तंत्र को स्नैप्स नामक पूर्व-निर्मित, बुद्धिमान कनेक्टर के साथ जोड़कर उद्यम-व्यापी स्वचालन का एहसास करने में सक्षम बनाता है। स्नैपलॉजिक ने हाल ही में एक फीचर जारी किया है जिसका नाम है स्नैपजीपीटी, जो एक टेक्स्ट इंटरफ़ेस प्रदान करता है जहां आप वांछित एकीकरण पाइपलाइन टाइप कर सकते हैं जिसे आप सरल मानव भाषा में बनाना चाहते हैं। स्नैपजीपीटी इन एकीकरण पाइपलाइनों के निर्माण को कोड के रूप में स्वचालित करने के लिए अमेज़ॅन बेडरॉक के माध्यम से एंथ्रोपिक के क्लाउड मॉडल का उपयोग करता है, जिसे बाद में स्नैपलॉजिक के प्रमुख एकीकरण समाधान के माध्यम से उपयोग किया जाता है। हालाँकि, SnapLogic की SnapGPT तक की यात्रा AI क्षेत्र में कई वर्षों के संचालन की परिणति रही है।
स्नैपलॉजिक की एआई यात्रा
एकीकरण प्लेटफार्मों के क्षेत्र में, स्नैपलॉजिक कृत्रिम बुद्धिमत्ता की परिवर्तनकारी शक्ति का उपयोग करते हुए लगातार सबसे आगे रहा है। पिछले कुछ वर्षों में, एआई के साथ नवाचार करने की कंपनी की प्रतिबद्धता स्पष्ट हो गई है, खासकर जब हम इसकी यात्रा का पता लगाते हैं परितारिका सेवा मेरे स्वत: लिंक.
आइरिस के साथ विनम्र शुरुआत
2017 में, SnapLogic ने उद्योग का पहला AI-संचालित एकीकरण सहायक, Iris का अनावरण किया। आइरिस को डेटा पाइपलाइन के निर्माण में अगले चरणों की भविष्यवाणी करने के लिए मशीन लर्निंग (एमएल) एल्गोरिदम का उपयोग करने के लिए डिज़ाइन किया गया था। लाखों मेटाडेटा तत्वों और डेटा प्रवाह का विश्लेषण करके, आइरिस उपयोगकर्ताओं को बुद्धिमान सुझाव दे सकता है, डेटा एकीकरण को लोकतांत्रिक बना सकता है और बिना गहरी तकनीकी पृष्ठभूमि वाले लोगों को भी जटिल वर्कफ़्लो बनाने की अनुमति दे सकता है।
ऑटोलिंक: गति का निर्माण
आईरिस की सफलता और सीख के आधार पर, स्नैपलॉजिक ने ऑटोलिंक पेश किया, जिसका उद्देश्य डेटा मैपिंग प्रक्रिया को और सरल बनाना है। स्रोत और लक्ष्य प्रणालियों के बीच फ़ील्ड को मैन्युअल रूप से मैप करने का कठिन कार्य ऑटोलिंक के साथ आसान हो गया। एआई का उपयोग करते हुए, ऑटोलिंक ने स्वचालित रूप से संभावित मिलानों की पहचान की और सुझाव दिया। जिन एकीकरणों में कभी घंटों लग जाते थे, उन्हें मात्र मिनटों में चलाया जा सकता है।
SnapGPT के साथ जेनेरिक छलांग
एआई में स्नैपलॉजिक का नवीनतम प्रयास हमें स्नैपजीपीटी लेकर आया है, जिसका उद्देश्य एकीकरण में और भी अधिक क्रांति लाना है। SnapGPT के साथ, SnapLogic दुनिया का पहला जेनरेटिव इंटीग्रेशन समाधान पेश करता है। यह केवल मौजूदा प्रक्रियाओं को सरल बनाने के बारे में नहीं है, बल्कि पूरी तरह से एकीकरण कैसे डिज़ाइन किया गया है इसकी पुनर्कल्पना करना है। जेनरेटिव एआई की शक्ति वांछित परिणाम और डेटा विशेषताओं के आधार पर वर्कफ़्लो को अनुकूलित करते हुए, स्क्रैच से संपूर्ण एकीकरण पाइपलाइन बना सकती है।
SnapGPT, SnapLogic के ग्राहकों के लिए बेहद प्रभावशाली है क्योंकि वे अपनी पहली SnapLogic पाइपलाइन तैयार करने के लिए आवश्यक समय को काफी कम करने में सक्षम हैं। परंपरागत रूप से, स्नैपलॉजिक ग्राहकों को शुरुआत से एकीकरण पाइपलाइनों को कॉन्फ़िगर करने में दिन या सप्ताह खर्च करने की आवश्यकता होगी। अब, ये ग्राहक केवल SnapGPT से पूछ सकते हैं, उदाहरण के लिए, "एक पाइपलाइन बनाएं जो मेरे सभी सक्रिय SFDC ग्राहकों को कार्यदिवस पर ले जाएगी।" इस ग्राहक के लिए पाइपलाइन का एक कामकाजी पहला ड्राफ्ट स्वचालित रूप से बनाया जाता है, जिससे उनकी एकीकरण पाइपलाइन के आधार के निर्माण के लिए आवश्यक विकास समय में भारी कटौती होती है। यह अंतिम ग्राहक को एक एकीकरण पाइपलाइन की कॉन्फ़िगरेशन पर काम करने के बजाय इस बात पर ध्यान केंद्रित करने में अधिक समय बिताने की अनुमति देता है कि उन पर वास्तविक व्यावसायिक प्रभाव क्या है। निम्नलिखित उदाहरण दिखाता है कि कैसे एक SnapLogic ग्राहक प्राकृतिक भाषा का उपयोग करके त्वरित रूप से एक पाइपलाइन उत्पन्न करने के लिए SnapGPT सुविधा में एक विवरण दर्ज कर सकता है।
AWS और SnapLogic ने इस उत्पाद निर्माण के दौरान निकटता से सहयोग किया है और इस दौरान बहुत कुछ सीखा है। इस पोस्ट का बाकी हिस्सा टेक्स्ट-टू-पाइपलाइन अनुप्रयोगों के लिए एलएलएम का उपयोग करने के बारे में एडब्ल्यूएस और स्नैपलॉजिक द्वारा प्राप्त तकनीकी सीख पर केंद्रित होगा।
समाधान अवलोकन
इस टेक्स्ट-टू-पाइपलाइन समस्या को हल करने के लिए, AWS और SnapLogic ने निम्नलिखित आर्किटेक्चर में दिखाया गया एक व्यापक समाधान डिज़ाइन किया है।
SnapGPT से अनुरोध निम्नलिखित वर्कफ़्लो से होकर गुजरता है:
- उपयोगकर्ता एप्लिकेशन में विवरण सबमिट करता है.
- SnapLogic उपयोगकर्ता के अनुरोध के समान SnapLogic पाइपलाइनों के प्रासंगिक उदाहरणों को पुनः प्राप्त करने के लिए रिट्रीवल ऑगमेंटेड जेनरेशन (RAG) दृष्टिकोण का उपयोग करता है।
- ये निकाले गए प्रासंगिक उदाहरण उपयोगकर्ता इनपुट के साथ संयुक्त होते हैं और अमेज़ॅन बेडरॉक पर क्लाउड को भेजे जाने से पहले कुछ टेक्स्ट प्रीप्रोसेसिंग से गुजरते हैं।
- क्लाउड एक JSON आर्टिफैक्ट तैयार करता है जो SnapLogic पाइपलाइन का प्रतिनिधित्व करता है।
- JSON आर्टिफैक्ट सीधे मुख्य SnapLogic एकीकरण प्लेटफ़ॉर्म पर एकीकृत है।
- स्नैपलॉजिक पाइपलाइन उपयोगकर्ता को दृश्य अनुकूल तरीके से प्रदान की जाती है।
AWS और SnapLogic के बीच विभिन्न प्रयोगों के माध्यम से, हमने इन टेक्स्ट-टू-पाइपलाइन आउटपुट के लिए उच्च-गुणवत्ता वाले आउटपुट उत्पन्न करने के लिए समाधान आरेख के त्वरित इंजीनियरिंग चरण को बेहद महत्वपूर्ण पाया है। अगला भाग इस क्षेत्र में क्लाउड के साथ उपयोग की जाने वाली कुछ विशिष्ट तकनीकों के बारे में बताता है।
शीघ्र प्रयोग
SnapGPT के विकास चरण के दौरान, AWS और SnapLogic ने पाया कि SnapLogic के आउटपुट में टेक्स्ट-टू-पाइपलाइन आउटपुट की सटीकता और प्रासंगिकता में सुधार के लिए क्लाउड को भेजे जा रहे संकेतों पर तेजी से पुनरावृत्ति एक महत्वपूर्ण विकास कार्य था। का उपयोग करके अमेज़ॅन सैजमेकर स्टूडियो इंटरएक्टिव नोटबुक, AWS और SnapLogic टीम का उपयोग करके संकेतों के विभिन्न संस्करणों के माध्यम से जल्दी से काम करने में सक्षम थे अमेज़ॅन बेडरॉक से Boto3 SDK कनेक्शन. नोटबुक-आधारित विकास ने टीमों को अमेज़ॅन बेडरॉक के लिए क्लाइंट-साइड कनेक्शन जल्दी से बनाने की अनुमति दी, अमेज़ॅन बेडरॉक को संकेत भेजने के लिए पायथन कोड के साथ टेक्स्ट-आधारित विवरण शामिल किए, और संयुक्त प्रॉम्प्ट इंजीनियरिंग सत्र आयोजित किए जहां कई व्यक्तियों के बीच पुनरावृत्तियां जल्दी से की गईं।
एंथ्रोपिक क्लाउड प्रॉम्प्ट इंजीनियरिंग विधियाँ
इस खंड में, हम कुछ पुनरावृत्त तकनीकों का वर्णन करते हैं जिनका उपयोग हमने एक उदाहरणात्मक उपयोगकर्ता अनुरोध के आधार पर एक उच्च प्रदर्शन वाला प्रॉम्प्ट बनाने के लिए किया था: "एक पाइपलाइन बनाएं जो उदाहरणकंपनी डेटाबेस का उपयोग करती है जो सभी सक्रिय ग्राहकों को पुनः प्राप्त करती है।" ध्यान दें कि यह उदाहरण वह स्कीमा नहीं है जिसके द्वारा SnapGPT संचालित है, और इसका उपयोग केवल टेक्स्ट-टू-पाइपलाइन एप्लिकेशन को चित्रित करने के लिए किया जाता है।
अपनी प्रॉम्प्ट इंजीनियरिंग को आधार बनाने के लिए, हम निम्नलिखित मूल प्रॉम्प्ट का उपयोग करते हैं:
एक पाइपलाइन बनाएं जो exampleCompany डेटाबेस का उपयोग करती है जो सभी सक्रिय ग्राहकों को पुनः प्राप्त करती है
अपेक्षित आउटपुट इस प्रकार है:
{ "database": "ExampleCompany", "query": "SELECT * FROM ec_prod.customers WHERE status = 'active'" }
सुधार #1: मानव और सहायक एनोटेशन का उपयोग करना
क्लाउड की प्रशिक्षण प्रक्रिया एफएम को अपनी त्वरित संरचना में एक इंसान और एक सहायक के बीच संवाद को समझना सिखाती है। क्लाउड उपयोगकर्ता सहायक में अपना संकेत समाप्त करके इस संरचना का लाभ उठा सकते हैं, जो मानव द्वारा कही गई बातों के आधार पर एक प्रश्न का उत्तर उत्पन्न करना शुरू करने के लिए क्लाउड को ट्रिगर करेगा। ध्यान दें कि क्योंकि क्लाउड तब तक टेक्स्ट उत्पन्न करता रहेगा जब तक उसे रुकने के लिए नहीं कहा जाता है, सुनिश्चित करें कि आप क्लाउड का उपयोग करते समय अमेज़ॅन बेडरॉक के एपीआई अनुरोध में nnHuman: के स्टॉप अनुक्रम का उपयोग करते हैं। यह सुनिश्चित करेगा कि आपको केवल सहायक से प्रतिक्रिया प्राप्त हो, न कि संवाद श्रृंखला में मानव से अनुमानित अगली प्रतिक्रिया प्राप्त हो। ये nnHuman और nnAssistant संकेतक न केवल प्रासंगिक जानकारी के लिए क्लाउड की प्रतिक्रिया को सीमित करने में मदद करते हैं, बल्कि प्राथमिक मानव इनपुट और अन्य इंटरैक्शन से सहायक प्रतिक्रियाओं के बीच स्पष्ट सीमांकन प्रदान करने में भी मदद करते हैं। यह विशेष रूप से कुछ-शॉट प्रॉम्प्ट सेटिंग में मदद करता है जहां आप nnHuman के साथ टैग किए गए प्रश्नों और nnAssistant के साथ टैग किए गए पिछले प्रतिक्रियाओं के साथ कई प्रश्न और प्रतिक्रियाएं प्राप्त कर सकते हैं। आइए Boto3 SDK के माध्यम से अमेज़ॅन बेडरॉक के लिए बेहतर प्रॉम्प्ट और संबंधित उदाहरणात्मक एपीआई कॉल को देखें।
हम निम्नलिखित संकेत का उपयोग करते हैं:
मानव: एक पाइपलाइन बनाएं जो exampleCompany डेटाबेस का उपयोग करती है जो सभी सक्रिय ग्राहकों को पुनः प्राप्त करती है
सहायक:
आउटपुट इस प्रकार है:
यहां exampleCompany डेटाबेस से सभी सक्रिय ग्राहकों को पुनः प्राप्त करने के लिए एक MongoDB पाइपलाइन है:
pipeline = [ { '$match': { 'database': 'ExampleCompany', 'status': 'active' } } ] db.customers.aggregate(pipeline)
प्रमुख चरण हैं:
- `$match` दस्तावेज़ों को केवल उदाहरणकंपनी डेटाबेस में और "सक्रिय" के बराबर स्थिति वाले दस्तावेज़ों को फ़िल्टर करने के लिए।
- `db.customers.aggregate()` ग्राहकों के संग्रह पर पाइपलाइन चलाता है और फ़िल्टर किए गए परिणाम लौटाता है।
तो यह exampleCompany डेटाबेस से सभी ग्राहक दस्तावेज़ लौटा देगा जहां स्थिति फ़ील्ड "सक्रिय" पर सेट है।
ध्यान दें कि कैसे आउटपुट में, क्लाउड बिना किसी संदर्भ के हमारे प्रश्न का उत्तर देता है। उत्तर संभावित रूप से सहायक है, लेकिन यह उस समस्या के लिए विशिष्ट नहीं है जिसे हम हल करने का प्रयास कर रहे हैं क्योंकि इसमें पर्याप्त संदर्भ प्रदान नहीं किया गया है। यह ध्यान रखना भी महत्वपूर्ण है कि क्लाउड मॉडल का उपयोग करते समय एंथ्रोपिक को इस मानव और सहायक प्रारूप की आवश्यकता होती है; यदि आप इस चरण को शामिल नहीं करते हैं, तो अमेज़ॅन बेडरॉक एक त्रुटि लौटाएगा।
सुधार #2: क्लाउड को यह बताने से पहले कि क्या करना है, उसके लिए अति-विशिष्ट संदर्भ शामिल करें
क्लाउड तब सबसे अच्छा प्रदर्शन करता है जब उसे इस बारे में अच्छा संदर्भ दिया जाता है कि उसे क्या पूरा करने की आवश्यकता है और साथ ही उसे उस कार्य को कैसे पूरा करना चाहिए। कार्य बताने से पहले क्लाउड के लिए संदर्भ के रूप में शामिल करने योग्य चीज़ों के कुछ उदाहरण यहां दिए गए हैं:
- उस कार्य फ़ंक्शन का वर्णन करें जिसे आप क्लाउड से पूरा कराना चाहते हैं। ऐसा करके, आप क्लाउड को उस नौकरी में काम करने वाले किसी व्यक्ति की भूमिका के बारे में सोचने पर मजबूर कर रहे हैं, या उससे भी अधिक उस व्यक्ति को उस विशिष्ट नौकरी की भूमिका में नियुक्त किए जाने के बारे में सोचने पर मजबूर कर रहे हैं। इससे क्लाउड को उस विशिष्ट कार्य भूमिका के परिप्रेक्ष्य से उत्तर तैयार करने में मदद मिलेगी, जिससे उत्तर में मतिभ्रम और यादृच्छिकता कम हो जाएगी।
- आउटपुट स्वरूप के संबंध में तकनीकी विवरण शामिल करें। फाउंडेशन मॉडल आम तौर पर निम्नलिखित कार्यों में अच्छे होते हैं, इसलिए क्लाउड को एक या कुछ उदाहरणों के साथ एक विशिष्ट प्रारूप या स्कीमा में आउटपुट उत्पन्न करने के लिए कहने से क्लाउड को सही प्रारूप में उत्तर प्रदान करने में मदद मिलेगी, जिससे आउटपुट को फ़िल्टर करने और पोस्टप्रोसेसिंग की आवश्यकता कम हो जाएगी। निम्नलिखित प्रॉम्प्ट में उदाहरण एक काल्पनिक स्कीमा दिखाता है जो अपेक्षित आउटपुट से मेल खाता है।
आइए अपने मूल संकेत को बेहतर बनाने के लिए इन सुझावों को संयोजित करें:
मानव: आपका काम ईटीएल पाइपलाइनों पर एक विशेषज्ञ के रूप में कार्य करना है। विशेष रूप से, आपका काम ETL पाइपलाइन का JSON प्रतिनिधित्व बनाना है जो आपको प्रदान किए गए उपयोगकर्ता अनुरोध को हल करेगा।
JSON आउटपुट को निम्नलिखित प्रारूप का पालन करना चाहिए:
यहां आपका कार्य है: एक पाइपलाइन बनाएं जो exampleCompany डेटाबेस का उपयोग करती है जो सभी सक्रिय ग्राहकों को पुनः प्राप्त करती है
सहायक:
आउटपुट इस प्रकार है:
यहां exampleCompany डेटाबेस से सभी सक्रिय ग्राहकों को पुनः प्राप्त करने के लिए ETL पाइपलाइन का JSON प्रतिनिधित्व दिया गया है:
यह पाइपलाइन ग्राहक तालिका से सभी रिकॉर्ड का चयन करने के लिए उदाहरणकंपनी डेटाबेस और एक SQL क्वेरी का उपयोग करती है जहां स्थिति 'सक्रिय' है।
संदर्भ जोड़ने के साथ, मॉडल अब हमारे उत्तर तक अधिकांश रास्ता प्राप्त करने में सक्षम है। अब यह जानता है कि आउटपुट की संरचना कैसे की जाती है और यह समझता है कि कार्य को हल करने के लिए इसे SQL कथन लिखने की आवश्यकता है। हालाँकि, आप देखेंगे कि मॉडल उस ec_prod.customers नामकरण का सही ढंग से उपयोग नहीं करता है जिसकी हम अपेक्षा कर रहे हैं। सुधार के लिए जगह! यह भी ध्यान दें, व्यवहार में, आपको टेक्स्ट-टू-पाइपलाइन उपयोग के मामलों में उच्च-गुणवत्ता वाले परिणामों के लिए इस उदाहरण में हमने जो प्रदान किया है, उससे कहीं अधिक संदर्भ शामिल करने की आवश्यकता होगी।
सुधार #3: XML टैग में उदाहरण संलग्न करना
फ्यू-शॉट लर्निंग एफएम के साथ सटीकता बढ़ाने का एक लोकप्रिय तरीका है जहां आपके पास एफएम को उनके कार्य में मार्गदर्शन करने के लिए प्रासंगिक उदाहरण हैं। टेक्स्ट-टू-पाइपलाइन अनुप्रयोगों में काम करते समय यह विशेष रूप से महत्वपूर्ण है क्योंकि ये हाइपर-विशिष्ट पाइपलाइन आउटपुट आमतौर पर किसी भी सार्वजनिक डेटासेट में शामिल नहीं होते हैं क्योंकि वे किसी व्यक्तिगत ग्राहक के डेटा प्रतिनिधित्व के लिए विशिष्ट होते हैं। क्लाउड का उपयोग करते समय, आप इन उदाहरणों को कुछ-शॉट प्रारूप में प्रदान करने के लिए मनमाने XML टैग के इसके सहज ज्ञान का लाभ उठा सकते हैं। निम्नलिखित बेहतर प्रॉम्प्ट में, संलग्न उदाहरणों को जोड़ने पर ध्यान दें एक्सएमएल टैग. इसके अलावा, आप क्लाउड को संदर्भ प्रदान करने के लिए एच और ए के साथ मानव और सहायक के लिए संक्षिप्ताक्षरों का उपयोग कर सकते हैं, बिना यह सोचे कि ये पहले से ही हो रहे संवाद के विशिष्ट टुकड़े थे।
हम निम्नलिखित संकेत का उपयोग करते हैं:
मानव: आपका काम ईटीएल पाइपलाइनों पर एक विशेषज्ञ के रूप में कार्य करना है। विशेष रूप से, आपका काम ETL पाइपलाइन का JSON प्रतिनिधित्व बनाना है जो आपको प्रदान किए गए उपयोगकर्ता अनुरोध को हल करेगा।
JSON आउटपुट को निम्नलिखित प्रारूप का पालन करना चाहिए:
यहां उपयोगकर्ता अनुरोधों और संबंधित आउटपुट JSON कलाकृतियों के कुछ उदाहरण दिए गए हैं जो दिए गए कार्य को सही ढंग से हल करते हैं। यदि आप समान डेटाबेस का उपयोग कर रहे हैं तो सुनिश्चित करें कि आप उसी नामकरण का उपयोग करें जो उदाहरणों में दिया गया है।
एच: ग्राहक #1234 के लिए किसी भी सक्रिय ऑर्डर के लिए उदाहरणकंपनी डेटाबेस को क्वेरी करें
A:
इस क्वेरी का तर्क यह है कि ग्राहक #1234 को फ़िल्टर किया गया है और हम "सक्रिय" फ़िल्टर के बाद किसी भी मौजूदा रिकॉर्ड के लिए "ऑर्डर" तालिका में खोज रहे हैं।
एच: उदाहरणकंपनी डेटाबेस में उन सभी ग्राहकों को हटा दें जो पिछले महीने में सक्रिय नहीं हैं
A:
इस क्वेरी का तर्क यह है कि "ec_prod.customers" तालिका exampleCompany डेटाबेस में एकमात्र तालिका है जिसमें ग्राहक रिकॉर्ड शामिल हैं।
यहां आपका कार्य है: एक पाइपलाइन बनाएं जो exampleCompany डेटाबेस का उपयोग करती है जो सभी सक्रिय ग्राहकों को पुनः प्राप्त करती है।
सहायक:
आउटपुट इस प्रकार है:
यहां exampleCompany डेटाबेस से सभी सक्रिय ग्राहकों को पुनः प्राप्त करने के लिए ETL पाइपलाइन के लिए JSON प्रतिनिधित्व दिया गया है:
तर्क यह है:
उदाहरणकंपनी डेटाबेस को उपयोग किए जाने वाले डेटाबेस के रूप में निर्दिष्ट किया गया है
ec_prod.customers तालिका में ग्राहक डेटा होता है
स्थिति फ़ील्ड इंगित करती है कि कोई ग्राहक सक्रिय है या नहीं, इसलिए क्वेरी केवल सक्रिय ग्राहकों के लिए फ़िल्टर होती है
इसे exampleCompany डेटाबेस से सभी सक्रिय ग्राहक रिकॉर्ड पुनर्प्राप्त करना चाहिए। यदि आपको किसी स्पष्टीकरण की आवश्यकता है या ईटीएल पाइपलाइन के लिए अतिरिक्त आवश्यकताएं हैं तो मुझे बताएं!
JSON आउटपुट में अब सही डेटाबेस नामकरण है, जिसे क्लाउड हमारे द्वारा प्रदान किए गए उदाहरणों के कारण उपयोग करने में सक्षम था। XML टैग के साथ मानव और सहायक संकेतकों को युग्मित करने से क्लाउड के लिए यह समझना आसान हो जाता है कि कार्य क्या है और कई कुछ-शॉट उदाहरणों के बीच बहुत स्पष्ट अलगाव के साथ समान उदाहरणों में उत्तर क्या था। क्लाउड के लिए इसे समझना जितना आसान होगा, उत्तर उतना ही बेहतर और अधिक प्रासंगिक होगा, जिससे मॉडल के लिए मतिभ्रम करने और यादृच्छिक अप्रासंगिक उत्तर प्रदान करने की संभावना कम हो जाएगी।
सुधार #4: एक्सएमएल टैग के साथ जेएसओएन पीढ़ी शुरू करने के लिए क्लाउड को ट्रिगर करना
एफएम का उपयोग करके टेक्स्ट-टू-पाइपलाइन अनुप्रयोगों के साथ एक छोटी सी चुनौती परिणामी टेक्स्ट से आउटपुट को सटीक रूप से पार्स करने की आवश्यकता है ताकि इसे डाउनस्ट्रीम एप्लिकेशन में कोड के रूप में व्याख्या किया जा सके। क्लाउड के साथ इसे हल करने का एक तरीका इसकी XML टैग समझ का लाभ उठाना और इसे कस्टम स्टॉप अनुक्रम के साथ जोड़ना है। निम्नलिखित प्रॉम्प्ट में, हमने क्लाउड को आउटपुट संलग्न करने का निर्देश दिया है एक्सएमएल टैग. फिर, हमने इसे जोड़ दिया है प्रॉम्प्ट के अंत में टैग करें. यह सुनिश्चित करता है कि क्लाउड से निकलने वाला पहला टेक्स्ट JSON आउटपुट की शुरुआत होगी। यदि आप ऐसा नहीं करते हैं, तो क्लाउड अक्सर कुछ संवादी पाठ के साथ प्रतिक्रिया करता है, फिर वास्तविक कोड प्रतिक्रिया देता है। क्लाउड को तुरंत आउटपुट जनरेट करना शुरू करने का निर्देश देकर, जब आप समापन देखते हैं तो आप आसानी से जनरेशन रोक सकते हैं टैग। यह अद्यतन Boto3 API कॉल में दिखाया गया है। इस तकनीक के फायदे दोहरे हैं. सबसे पहले, आप क्लाउड से प्राप्त कोड प्रतिक्रिया को सटीक रूप से पार्स करने में सक्षम हैं। दूसरा, आप लागत कम करने में सक्षम हैं क्योंकि क्लाउड केवल कोड आउटपुट उत्पन्न करता है और कोई अतिरिक्त टेक्स्ट नहीं बनाता है। इससे अमेज़ॅन बेडरॉक पर लागत कम हो जाती है क्योंकि आपसे सभी एफएम से आउटपुट के रूप में उत्पादित प्रत्येक टोकन के लिए शुल्क लिया जाता है।
हम निम्नलिखित संकेत का उपयोग करते हैं:
मानव: आपका काम ईटीएल पाइपलाइनों पर एक विशेषज्ञ के रूप में कार्य करना है। विशेष रूप से, आपका काम ETL पाइपलाइन का JSON प्रतिनिधित्व बनाना है जो आपको प्रदान किए गए उपयोगकर्ता अनुरोध को हल करेगा।
JSON आउटपुट को निम्नलिखित प्रारूप का पालन करना चाहिए:
यहां उपयोगकर्ता अनुरोधों और संबंधित आउटपुट JSON कलाकृतियों के कुछ उदाहरण दिए गए हैं जो दिए गए कार्य को सही ढंग से हल करते हैं। यदि आप समान डेटाबेस का उपयोग कर रहे हैं तो सुनिश्चित करें कि आप उसी नामकरण का उपयोग करें जो उदाहरणों में दिया गया है।
एच: ग्राहक #1234 के लिए किसी भी सक्रिय ऑर्डर के लिए उदाहरणकंपनी डेटाबेस को क्वेरी करें
A:
इस क्वेरी का तर्क यह है कि ग्राहक #1234 को फ़िल्टर किया गया है और हम "सक्रिय" फ़िल्टर के बाद किसी भी मौजूदा रिकॉर्ड के लिए "ऑर्डर" तालिका में खोज रहे हैं।
एच: उदाहरणकंपनी डेटाबेस में उन सभी ग्राहकों को हटा दें जो पिछले महीने में सक्रिय नहीं हैं
A:
इस क्वेरी का तर्क यह है कि "ec_prod.customers" तालिका exampleCompany डेटाबेस में एकमात्र तालिका है जिसमें ग्राहक रिकॉर्ड शामिल हैं।
अपने JSON आउटपुट को संलग्न करना हमेशा याद रखें टैग.
यहां आपका कार्य है: एक पाइपलाइन बनाएं जो exampleCompany डेटाबेस का उपयोग करती है जो सभी सक्रिय ग्राहकों को पुनः प्राप्त करती है।
सहायक:
हम निम्नलिखित कोड का उपयोग करते हैं:
body = json.dumps({"prompt": prompt, "stop_sequences": ['nnHuman:', '</json>']})
response = bedrock.invoke_model(
body=body,
modelId='anthropic.claude-v2'
)
आउटपुट इस प्रकार है:
{ "database": "ExampleCompany", "query": "SELECT * FROM ec_prod.customers WHERE status = 'active'" }
अब हम केवल JSON ऑब्जेक्ट लौटाकर अपेक्षित आउटपुट पर आ गए हैं! इस पद्धति का उपयोग करके, हम तुरंत उपयोग करने योग्य तकनीकी कलाकृतियां उत्पन्न करने में सक्षम हैं और साथ ही आउटपुट टोकन को कम करके पीढ़ी की लागत को कम कर सकते हैं।
निष्कर्ष
SnapGPT के साथ आज ही शुरुआत करने के लिए, अनुरोध करें स्नैपलॉजिक का निःशुल्क परीक्षण or उत्पाद के डेमो का अनुरोध करें. यदि आप आज अनुप्रयोगों के निर्माण के लिए इन अवधारणाओं का उपयोग करना चाहेंगे, तो हम अनुशंसा करते हैं हाथों-हाथ प्रयोग करना इस पोस्ट में शीघ्र इंजीनियरिंग अनुभाग के साथ, एक अलग डीएसएल पीढ़ी के उपयोग के मामले में समान प्रवाह का उपयोग करना जो आपके व्यवसाय के लिए उपयुक्त है, और गहराई से गोता लगाना RAG सुविधाएँ जो अमेज़न बेडरॉक के माध्यम से उपलब्ध हैं.
स्नैपलॉजिक और एडब्ल्यूएस मानव भाषा और अमेज़ॅन बेडरॉक द्वारा संचालित स्नैपलॉजिक एकीकरण पाइपलाइनों की जटिल स्कीमा के बीच एक उन्नत अनुवादक बनाने के लिए प्रभावी ढंग से साझेदारी करने में सक्षम हैं। इस पूरी यात्रा के दौरान, हमने देखा है कि विशिष्ट प्रॉम्प्ट इंजीनियरिंग तकनीकों का उपयोग करके टेक्स्ट-टू-पाइपलाइन अनुप्रयोगों में क्लाउड के साथ उत्पन्न आउटपुट को कैसे बेहतर बनाया जा सकता है। एडब्ल्यूएस और स्नैपलॉजिक जेनेरेटिव एआई में इस साझेदारी को जारी रखने के लिए उत्साहित हैं और इस तेजी से आगे बढ़ने वाले क्षेत्र में भविष्य के सहयोग और नवाचार के लिए तत्पर हैं।
लेखक के बारे में
ग्रेग बेन्सन सैन फ्रांसिस्को विश्वविद्यालय में कंप्यूटर विज्ञान के प्रोफेसर और स्नैपलॉजिक में मुख्य वैज्ञानिक हैं। वह 1998 में यूएसएफ कंप्यूटर विज्ञान विभाग में शामिल हुए और उन्होंने ऑपरेटिंग सिस्टम, कंप्यूटर आर्किटेक्चर, प्रोग्रामिंग भाषाएं, वितरित सिस्टम और परिचयात्मक प्रोग्रामिंग सहित स्नातक और स्नातकोत्तर पाठ्यक्रम पढ़ाए हैं। ग्रेग ने ऑपरेटिंग सिस्टम, समानांतर कंप्यूटिंग और वितरित सिस्टम के क्षेत्र में शोध प्रकाशित किया है। 2010 में स्नैपलॉजिक में शामिल होने के बाद से, ग्रेग ने क्लस्टर प्रोसेसिंग, बिग डेटा प्रोसेसिंग, क्लाउड आर्किटेक्चर और मशीन लर्निंग सहित कई प्रमुख प्लेटफ़ॉर्म सुविधाओं को डिजाइन और कार्यान्वित करने में मदद की है। वह वर्तमान में डेटा एकीकरण के लिए जेनरेटिव एआई पर काम कर रहे हैं।
एरोन केसलर स्नैपलॉजिक में एआई उत्पादों और सेवाओं के लिए वरिष्ठ उत्पाद प्रबंधक हैं, एरोन पूरे संगठन में एआई/एमएल उत्पाद विकास और सेवाओं को प्रचारित करने के लिए दस वर्षों से अधिक की उत्पाद प्रबंधन विशेषज्ञता लागू करते हैं। वह आगामी पुस्तक "व्हाट्स योर प्रॉब्लम?" के लेखक हैं। इसका उद्देश्य उत्पाद प्रबंधन करियर के माध्यम से नए उत्पाद प्रबंधकों का मार्गदर्शन करना है। उनकी उद्यमशीलता यात्रा उनके कॉलेज स्टार्टअप, STAK के साथ शुरू हुई, जिसे बाद में कार्वर्टाइज़ द्वारा अधिग्रहित कर लिया गया, जिसमें एरोन ने डेलावेयर में वर्ष 2015 के टेक स्टार्टअप के रूप में उनकी मान्यता में महत्वपूर्ण योगदान दिया। अपनी पेशेवर गतिविधियों से परे, एरोन को अपने पिता के साथ गोल्फ खेलने, अपनी यात्राओं में नई संस्कृतियों और खाद्य पदार्थों की खोज करने और यूकुलेले का अभ्यास करने में आनंद मिलता है।
रिच डिल विशेषज्ञता के कई क्षेत्रों में व्यापक रूप से अनुभव रखने वाला एक प्रमुख समाधान वास्तुकार है। मल्टी-प्लेटफ़ॉर्म एंटरप्राइज़ सॉफ़्टवेयर और SaaS तक फैली सफलता का ट्रैक रिकॉर्ड। ग्राहक वकालत (ग्राहक की आवाज़ के रूप में कार्य करना) को राजस्व उत्पन्न करने वाली नई सुविधाओं और उत्पादों में बदलने के लिए जाना जाता है। अत्याधुनिक उत्पादों को बाज़ार तक पहुँचाने और परियोजनाओं को तेज़ गति वाले तटवर्ती और अपतटीय वातावरण में समय पर और बजट के तहत पूरा करने की सिद्ध क्षमता। मेरा वर्णन करने का एक सरल तरीका: एक वैज्ञानिक का दिमाग, एक खोजकर्ता का दिल और एक कलाकार की आत्मा।
क्ले एलमोर AWS में AI/ML स्पेशलिस्ट सॉल्यूशंस आर्किटेक्ट हैं। सामग्री अनुसंधान प्रयोगशाला में कई घंटे बिताने के बाद, मशीन सीखने में उनकी रुचि को आगे बढ़ाने के लिए केमिकल इंजीनियरिंग में उनकी पृष्ठभूमि जल्दी ही पीछे छूट गई। उन्होंने ऊर्जा व्यापार से लेकर आतिथ्य विपणन तक कई अलग-अलग उद्योगों में एमएल अनुप्रयोगों पर काम किया है। एडब्ल्यूएस केंद्रों पर क्ले का वर्तमान काम ग्राहकों को एमएल और जेनरेटिव एआई वर्कलोड में सॉफ्टवेयर विकास प्रथाओं को लाने में मदद करना है, जिससे ग्राहकों को इन जटिल वातावरणों में दोहराए जाने योग्य, स्केलेबल समाधान बनाने की अनुमति मिलती है। अपने खाली समय में, क्ले को स्कीइंग, रूबिक क्यूब्स हल करना, पढ़ना और खाना बनाना पसंद है।
सीना सोजुदी एक प्रौद्योगिकी कार्यकारी, सिस्टम इंजीनियर, उत्पाद नेता, पूर्व-संस्थापक और स्टार्टअप सलाहकार हैं। वह मार्च 2021 में प्रिंसिपल सॉल्यूशंस आर्किटेक्ट के रूप में AWS में शामिल हुए। सिना वर्तमान में यूएस-वेस्ट आईएसवी क्षेत्र के प्रमुख समाधान वास्तुकार हैं। वह AWS पर अपना व्यवसाय बनाने और बढ़ाने के लिए SaaS और B2B सॉफ़्टवेयर कंपनियों के साथ काम करते हैं। अमेज़ॅन में अपनी भूमिका से पहले, सिना वीएमवेयर और पिवोटल सॉफ्टवेयर (2018 में आईपीओ, 2020 में वीएमवेयर एम एंड ए) में एक प्रौद्योगिकी कार्यकारी थे और एक्सट्रीम लैब्स (2013 में पिवोटल अधिग्रहण) में संस्थापक इंजीनियर सहित कई नेतृत्व भूमिकाएँ निभाईं। सिना ने अपने कार्य अनुभव के पिछले 15 वर्षों को उद्यमों, सॉफ्टवेयर व्यवसायों और सार्वजनिक क्षेत्र के लिए सॉफ्टवेयर प्लेटफॉर्म और प्रथाओं के निर्माण के लिए समर्पित किया है। वह नवप्रवर्तन के जुनून के साथ उद्योग जगत के अग्रणी नेता हैं। सीना ने वाटरलू विश्वविद्यालय से बीए किया है जहां उन्होंने इलेक्ट्रिकल इंजीनियरिंग और मनोविज्ञान का अध्ययन किया।
संदीप रोहिल्ला AWS में एक वरिष्ठ समाधान वास्तुकार हैं, जो यूएस पश्चिम क्षेत्र में ISV ग्राहकों का समर्थन करते हैं। वह AWS क्लाउड पर कंटेनरों और जेनरेटिव AI का लाभ उठाकर ग्राहकों को समाधान तैयार करने में मदद करने पर ध्यान केंद्रित करता है। संदीप को ग्राहकों की व्यावसायिक समस्याओं को समझने और प्रौद्योगिकी के माध्यम से उनके लक्ष्यों को प्राप्त करने में मदद करने का शौक है। समाधान वास्तुकार के रूप में एक दशक से अधिक समय तक काम करने के बाद, अपने 17 वर्षों के अनुभव को साथ लेकर वह AWS में शामिल हुए। संदीप के पास एमएससी है। ब्रिस्टल, यूके में यूनिवर्सिटी ऑफ वेस्ट इंग्लैंड से सॉफ्टवेयर इंजीनियरिंग में।
डॉ फारूक साबिर AWS में एक वरिष्ठ आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग स्पेशलिस्ट सॉल्यूशंस आर्किटेक्ट हैं। उनके पास ऑस्टिन में टेक्सास विश्वविद्यालय से इलेक्ट्रिकल इंजीनियरिंग में पीएचडी और एमएस की डिग्री है और जॉर्जिया इंस्टीट्यूट ऑफ टेक्नोलॉजी से कंप्यूटर साइंस में एमएस है। उनके पास 15 साल से अधिक का कार्य अनुभव है और वह कॉलेज के छात्रों को पढ़ाना और सलाह देना भी पसंद करते हैं। AWS में, वह ग्राहकों को डेटा साइंस, मशीन लर्निंग, कंप्यूटर विज़न, आर्टिफिशियल इंटेलिजेंस, न्यूमेरिकल ऑप्टिमाइज़ेशन और संबंधित डोमेन में उनकी व्यावसायिक समस्याओं को तैयार करने और हल करने में मदद करता है। डलास, टेक्सास में स्थित, वह और उसका परिवार यात्रा करना और लंबी सड़क यात्राओं पर जाना पसंद करते हैं।
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
- प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
- प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
- स्रोत: https://aws.amazon.com/blogs/machine-learning/how-snaplogic-built-a-text-to-pipeline-application-with-amazon-bedrock-to-translate-business-intent-into-action/
- :हैस
- :है
- :नहीं
- :कहाँ
- $यूपी
- 10
- 100
- 121
- 14
- 15 साल
- 15% तक
- 150
- 17
- 1998
- 200
- 2010
- 2013
- 2015
- 2017
- 2018
- 2020
- 2021
- 31
- 33
- 7
- 8
- 9
- a
- हारून
- क्षमता
- योग्य
- About
- पहुँच
- पूरा
- शुद्धता
- पाना
- प्राप्त
- अर्जन
- के पार
- अधिनियम
- कार्य
- कार्रवाई
- सक्रिय
- जोड़ा
- इसके अलावा
- अतिरिक्त
- उन्नत
- लाभ
- सलाहकार
- वकालत
- बाद
- AI
- एआई सिस्टम
- ऐ संचालित
- ऐ / एमएल
- उद्देश्य से
- करना
- एल्गोरिदम
- सब
- की अनुमति दी
- की अनुमति दे
- की अनुमति देता है
- साथ में
- साथ - साथ
- पहले ही
- भी
- वीरांगना
- अमेज़ॅन वेब सेवा
- राशि
- an
- का विश्लेषण
- और
- जवाब
- जवाब
- anthropic
- कोई
- एपीआई
- एपीआई
- आवेदन
- अनुप्रयोगों
- लागू होता है
- दृष्टिकोण
- क्षुधा
- अरबी
- स्थापत्य
- हैं
- क्षेत्र
- क्षेत्रों के बारे में जानकारी का उपयोग करके ट्रेडिंग कर सकते हैं।
- चारों ओर
- पहुंचे
- कला
- कृत्रिम
- कृत्रिम बुद्धिमत्ता
- आर्टिफिशियल इंटेलिजेंस एंड मशीन लर्निंग
- कलाकार
- AS
- पूछना
- पूछ
- सहायक
- जुड़े
- At
- संवर्धित
- ऑस्टिन
- लेखक
- को स्वचालित रूप से
- स्वचालित
- स्वतः
- स्वचालन
- उपलब्ध
- एडब्ल्यूएस
- एडब्ल्यूएस ग्राहक
- B2B
- पृष्ठभूमि
- समर्थन
- आधार
- आधारित
- आधारभूत
- BE
- भालू
- बन गया
- क्योंकि
- बन
- किया गया
- से पहले
- शुरू किया
- शुरू करना
- पीछे
- जा रहा है
- लाभ
- BEST
- बेहतर
- के बीच
- परे
- बड़ा
- बड़ा डेटा
- किताब
- के छात्रों
- लाना
- लाना
- लाता है
- ब्रिस्टल
- विस्तृत
- मोटे तौर पर
- बजट
- निर्माण
- इमारत
- बनाता है
- बनाया गया
- व्यापार
- व्यवसाय प्रभाव
- व्यवसायों
- लेकिन
- by
- कॉल
- बुलाया
- कर सकते हैं
- क्षमताओं
- कैरियर
- मामला
- मामलों
- केंद्र
- श्रृंखला
- चुनौती
- संयोग
- विशेषताएँ
- आरोप लगाया
- रासायनिक
- प्रमुख
- चुनाव
- स्पष्ट
- निकट से
- समापन
- बादल
- समूह
- कोड
- कोडन
- सहयोग किया
- सहयोग
- संग्रह
- कॉलेज
- गठबंधन
- संयुक्त
- आता है
- प्रतिबद्धता
- कंपनियों
- कंपनी का है
- मजबूर
- समापन
- जटिल
- व्यापक
- कंप्यूटर
- कम्प्यूटर साइंस
- Computer Vision
- कंप्यूटिंग
- अवधारणाओं
- को विन्यस्त
- कनेक्ट कर रहा है
- संबंध
- कनेक्शन
- लगातार
- कंटेनरों
- शामिल हैं
- सामग्री
- सामग्री निर्माण
- प्रसंग
- जारी रखने के
- अनुबंध
- योगदान
- संवादी
- खाना पकाने
- मूल
- सही
- ठीक प्रकार से
- लागत
- सका
- पाठ्यक्रमों
- बनाना
- बनाया
- निर्माण
- रचनात्मकता
- महत्वपूर्ण
- वर्तमान
- वर्तमान में
- रिवाज
- ग्राहक
- ग्राहक
- कटाई
- अग्रणी
- डलास
- तिथि
- डेटा एकीकरण
- डेटा संसाधन
- डेटा विज्ञान
- डाटाबेस
- डेटाबेस
- दिन
- दशक
- कमी
- समर्पित
- गहरा
- और गहरा
- डेलावेयर
- डेमो
- लोकतंत्रीकरण
- विभाग
- यौगिक
- वर्णन
- विवरण
- डिज़ाइन
- बनाया गया
- इच्छा
- वांछित
- विस्तृत
- विवरण
- डेवलपर्स
- विकास
- डिवाइस
- बातचीत
- विभिन्न
- सीधे
- वितरित
- वितरित प्रणाली
- डाइविंग
- do
- दस्तावेजों
- नहीं करता है
- कर
- डोमेन
- dont
- नीचे
- मसौदा
- काफी
- ड्राइव
- दो
- से प्रत्येक
- आसान
- सबसे आसान
- आसानी
- पारिस्थितिकी तंत्र
- प्रभावी रूप से
- भी
- इलेक्ट्रिकल इंजीनियरिंग
- तत्व
- सक्षम बनाता है
- समाप्त
- अंत
- ऊर्जा
- इंजीनियर
- अभियांत्रिकी
- इंगलैंड
- अंग्रेज़ी
- वृद्धि
- पर्याप्त
- सुनिश्चित
- सुनिश्चित
- दर्ज
- उद्यम
- उपक्रम सॉफ्टवेयर
- उद्यम समाधान
- उद्यम
- संपूर्ण
- पूरी तरह से
- उद्यमी
- वातावरण
- बराबर
- बराबर
- त्रुटि
- विशेष रूप से
- ईथर (ईटीएच)
- और भी
- स्पष्ट
- ठीक ठीक
- उदाहरण
- उदाहरण
- एक्सेल
- उत्तेजित
- कार्यकारी
- मौजूदा
- अपेक्षित
- उम्मीद
- अनुभव
- विशेषज्ञ
- विशेषज्ञता
- एक्सप्लोरर
- तलाश
- अतिरिक्त
- अत्यंत
- परिवार
- तेज़ी से आगे बढ़
- तेजी से रफ़्तार
- Feature
- विशेषताएं
- कुछ
- खेत
- फ़ील्ड
- फ़िल्टर
- छानने
- फ़िल्टर
- पाता
- प्रथम
- प्रमुख
- प्रवाह
- प्रवाह
- फोकस
- केंद्रित
- ध्यान केंद्रित
- का पालन करें
- निम्नलिखित
- इस प्रकार है
- खाद्य पदार्थ
- के लिए
- धावा
- सबसे आगे
- प्रारूप
- रूपों
- आगे
- पाया
- बुनियाद
- स्थापना
- फ्रांसिस्को
- अनुकूल
- से
- पूरा
- पूरी तरह से
- समारोह
- आगे
- भविष्य
- प्राप्त की
- आम तौर पर
- उत्पन्न
- उत्पन्न
- उत्पन्न करता है
- सृजन
- पीढ़ी
- उत्पादक
- जनरेटिव एआई
- जॉर्जिया
- जॉर्जिया प्रौद्योगिकी संस्थान
- मिल
- gif
- दी
- Go
- लक्ष्यों
- चला जाता है
- अच्छा
- स्नातक
- आगे बढ़ें
- गाइड
- था
- हाथ
- दोहन
- है
- he
- दिल
- मदद
- मदद की
- सहायक
- मदद
- मदद करता है
- यहाँ उत्पन्न करें
- उच्च कार्य - निष्पादन
- उच्च गुणवत्ता
- हाइलाइट
- उसके
- पकड़
- रखती है
- आतिथ्य
- घंटे
- कैसे
- How To
- तथापि
- एचटीएमएल
- HTTPS
- मानव
- नम्र
- पहचान
- if
- समझाना
- तुरंत
- प्रभाव
- प्रभावपूर्ण
- लागू करने के
- महत्वपूर्ण
- में सुधार
- उन्नत
- में सुधार लाने
- in
- शामिल
- शामिल
- सहित
- बढ़ना
- स्वतंत्र
- इंगित करता है
- संकेतक
- व्यक्ति
- उद्योगों
- उद्योग
- उद्योग लीडर
- करें-
- जन्मजात
- innovating
- नवोन्मेष
- निवेश
- निविष्टियां
- तुरंत
- बजाय
- संस्थान
- निर्देश
- एकीकृत
- एकीकरण
- एकीकरण
- बुद्धि
- बुद्धिमान
- इरादा
- बातचीत
- इंटरैक्टिव
- ब्याज
- इंटरफेस
- आंतरिक
- में
- शुरू की
- द्वारा प्रस्तुत
- परिचयात्मक
- आईपीओ
- वी है
- IT
- यात्रा
- पुनरावृत्तियों
- आईटी इस
- जावा
- काम
- में शामिल हो गए
- शामिल होने
- संयुक्त
- यात्रा
- हर्ष
- जेपीजी
- JSON
- केवल
- कुंजी
- जानना
- ज्ञान
- जानने वाला
- जानता है
- प्रयोगशाला
- लैब्स
- भाषा
- भाषाऐं
- बड़ा
- पिछली बार
- बाद में
- ताज़ा
- नेतृत्व
- नेता
- नेतृत्व
- प्रमुख
- छलांग
- सीखा
- सीख रहा हूँ
- बाएं
- चलो
- लाभ
- पसंद
- को यह पसंद है
- तर्क
- लंबा
- देखिए
- लॉट
- मोहब्बत
- एम एंड ए
- मशीन
- यंत्र अधिगम
- मशीनें
- बनाया गया
- बनाना
- बनाता है
- निर्माण
- कामयाब
- प्रबंध
- प्रबंधक
- प्रबंधक
- ढंग
- मैन्युअल
- बहुत
- मानचित्रण
- मार्च
- बाजार
- विपणन (मार्केटिंग)
- मैच
- सामग्री
- me
- परामर्शदाता
- mers
- मेटाडाटा
- तरीका
- लाखों
- मन
- मिनट
- मिशन
- ML
- आदर्श
- मॉडल
- MongoDB
- अधिक
- अधिकांश
- चाल
- MS
- बहु मंच
- विभिन्न
- my
- नाम
- प्राकृतिक
- प्राकृतिक भाषा
- आवश्यकता
- की जरूरत है
- नया
- नई सुविधाएँ
- नया उत्पाद
- अगला
- नहीं
- नोट
- पुस्तिकाओं
- सूचना..
- अभी
- वस्तु
- वस्तुओं
- हुआ
- of
- ऑफर
- अक्सर
- on
- एक बार
- ONE
- केवल
- परिचालन
- ऑपरेटिंग सिस्टम
- इष्टतमीकरण
- के अनुकूलन के
- or
- आदेश
- आदेशों
- संगठन
- संगठनों
- मूल
- अन्य
- हमारी
- आउट
- परिणाम
- उत्पादन
- outputs के
- के ऊपर
- पृष्ठों
- समानांतर
- विशेष रूप से
- साथी
- पार्टनर
- जुनून
- आवेशपूर्ण
- अतीत
- पैटर्न
- प्रदर्शन
- परिप्रेक्ष्य
- चरण
- पीएचडी
- टुकड़े
- अग्रणी
- पाइपलाइन
- केंद्रीय
- जगह
- मंच
- प्लेटफार्म
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- लोकप्रिय
- लोकप्रियता
- पद
- संभावित
- संभावित
- बिजली
- संचालित
- अभ्यास
- प्रथाओं
- भविष्यवाणी करना
- भविष्यवाणी
- पिछला
- प्राथमिक
- प्रिंसिपल
- एकांत
- गोपनीयता और सुरक्षा
- मुसीबत
- समस्याओं
- प्रक्रिया
- प्रक्रिया
- प्रक्रियाओं
- प्रसंस्करण
- प्रस्तुत
- पैदा करता है
- एस्ट्रो मॉल
- उत्पाद विकास
- उत्पाद प्रबंधन
- उत्पादन प्रबंधक
- उत्पाद
- उत्पाद और सेवाएं
- पेशेवर
- प्रोफेसर
- प्रोग्रामिंग
- प्रोग्रामिंग की भाषाएँ
- परियोजनाओं
- संकेतों
- साबित
- प्रदान करना
- बशर्ते
- प्रदान करता है
- प्रदान कर
- मनोविज्ञान (साइकोलॉजी)
- सार्वजनिक
- प्रकाशित
- प्रकाशित शोध
- आगे बढ़ाने
- अजगर
- प्रश्नों
- प्रश्न
- जल्दी से
- बिना सोचे समझे
- अनियमितता
- रेंज
- लेकर
- उपवास
- पढ़ना
- महसूस करना
- क्षेत्र
- प्राप्त करना
- हाल ही में
- मान्यता
- की सिफारिश
- रिकॉर्ड
- अभिलेख
- को कम करने
- कम कर देता है
- को कम करने
- के बारे में
- क्षेत्र
- पुनर्मिलन
- सम्बंधित
- रिहा
- प्रासंगिक
- विश्वसनीय
- भरोसा करना
- याद
- हटाना
- गाया
- repeatable
- उत्तर
- प्रतिनिधित्व
- का प्रतिनिधित्व
- का प्रतिनिधित्व करता है
- का अनुरोध
- अनुरोधों
- की आवश्यकता होती है
- अपेक्षित
- आवश्यकताएँ
- की आवश्यकता होती है
- अनुसंधान
- प्रतिक्रिया
- प्रतिक्रियाएं
- बाकी
- जिसके परिणामस्वरूप
- परिणाम
- वापसी
- रिटर्न
- क्रांतिकारी बदलाव
- धनी
- सही
- सड़क
- भूमिका
- भूमिकाओं
- कक्ष
- रन
- चलाता है
- सास
- सुरक्षा
- sagemaker
- कहा
- वही
- सेन
- सैन फ्रांसिस्को
- स्काला
- स्केलेबल
- स्केल
- अनुसूची
- विज्ञान
- वैज्ञानिक
- खरोंच
- एसडीके
- खोज
- दूसरा
- अनुभाग
- सेक्टर
- सुरक्षा
- देखना
- देखा
- चयन
- भेजना
- वरिष्ठ
- भेजा
- अनुक्रम
- सेवा की
- सेवा
- सेवाएँ
- सेवारत
- सत्र
- सेट
- की स्थापना
- कई
- चाहिए
- दिखाना
- दिखाया
- दिखाता है
- काफी
- समान
- सरल
- को आसान बनाने में
- सरल बनाने
- केवल
- के बाद से
- एक
- छोटा
- So
- सॉफ्टवेयर
- एक सेवा के रूप में सॉफ्टवेयर
- सॉफ्टवेयर डेवलपर्स
- सॉफ्टवेयर विकास
- सॉफ्टवेयर इंजीनियरिंग
- समाधान
- समाधान ढूंढे
- हल
- सुलझाने
- कुछ
- कोई
- परिष्कृत
- आत्मा
- स्रोत
- अंतरिक्ष
- स्पेनिश
- तनाव
- विशेषज्ञ
- विशिष्ट
- विशेष रूप से
- विनिर्दिष्ट
- बिताना
- खर्च
- एसक्यूएल
- प्रारंभ
- शुरू
- स्टार्टअप
- कथन
- स्थिति
- कदम
- कदम
- रुकें
- सरल
- संरचना
- छात्र
- अध्ययन
- सफलता
- सहायक
- समर्थन करता है
- माना
- निश्चित
- प्रणाली
- सिस्टम
- तालिका
- टैग
- लेना
- लक्ष्य
- कार्य
- कार्य
- सिखाया
- टीम
- टीमों
- तकनीक
- टेक स्टार्टअप
- तकनीकी
- तकनीक
- तकनीक
- टेक्नोलॉजी
- कहना
- दस
- टेक्सास
- टेक्स्ट
- से
- कि
- RSI
- पश्चिम
- दुनिया
- लेकिन हाल ही
- उन
- फिर
- इन
- वे
- चीज़ें
- सोचना
- इसका
- उन
- यहाँ
- भर
- पहर
- सेवा मेरे
- आज
- टोकन
- टोकन
- बोला था
- ले गया
- साधन
- निशान
- ट्रैक
- व्यापार
- पारंपरिक रूप से
- प्रशिक्षण
- परिवर्तनकारी
- रूपांतरण
- अनुवाद करना
- यात्रा
- यात्रा
- ट्रेंडिंग
- परीक्षण
- ट्रिगर
- ट्रिगर
- <strong>उद्देश्य</strong>
- ट्रू कोड
- की कोशिश कर रहा
- मोड़
- टाइप
- ui
- Uk
- के अंतर्गत
- समझना
- समझ
- समझता है
- अद्वितीय
- विश्वविद्यालय
- जब तक
- अनावरण किया
- आगामी
- अद्यतन
- के ऊपर
- us
- प्रयोग करने योग्य
- उपयोग
- उदाहरण
- प्रयुक्त
- उपयोगकर्ता
- उपयोगकर्ता अनुभव
- उपयोगकर्ताओं
- का उपयोग करता है
- का उपयोग
- आमतौर पर
- ux
- विभिन्न
- विक्रेताओं
- बहुत
- के माध्यम से
- दृष्टि
- दृश्य
- vmware
- आवाज़
- करना चाहते हैं
- था
- मार्ग..
- we
- वेब
- वेब सेवाओं
- सप्ताह
- कुंआ
- थे
- पश्चिम
- क्या
- एचएमबी क्या है?
- कब
- कौन कौन से
- चौड़ा
- विस्तृत श्रृंखला
- मर्जी
- खिड़की
- साथ में
- बिना
- काम
- काम किया
- वर्कफ़्लो
- workflows
- काम कर रहे
- कार्य
- विश्व
- दुनिया की
- होगा
- लिखना
- एक्सएमएल
- वर्ष
- साल
- इसलिए आप
- आपका
- यूट्यूब
- जेफिरनेट