बड़े डेटा के इस युग में, दुनिया भर के संगठन अपने विशाल डेटासेट से मूल्य और अंतर्दृष्टि निकालने के लिए लगातार नए तरीके खोज रहे हैं। अपाचे स्पार्क बड़ी मात्रा में डेटा को कुशलतापूर्वक संसाधित करने के लिए आवश्यक मापनीयता और गति प्रदान करता है।
अमेज़ॅन ईएमआर अपाचे स्पार्क जैसे ओपन सोर्स फ्रेमवर्क का उपयोग करके पेटाबाइट-स्केल डेटा प्रोसेसिंग, इंटरैक्टिव एनालिटिक्स और मशीन लर्निंग (एमएल) के लिए उद्योग का अग्रणी क्लाउड बिग डेटा समाधान है। अपाचे हाइव, तथा हाथ की सफ़ाई. Apache Spark चलाने के लिए Amazon EMR सबसे अच्छी जगह है। आप जल्दी और आसानी से प्रबंधित स्पार्क क्लस्टर बना सकते हैं एडब्ल्यूएस प्रबंधन कंसोल, AWS कमांड लाइन इंटरफ़ेस (एडब्ल्यूएस सीएलआई), या अमेज़ॅन ईएमआर एपीआई। आप तेज़ सहित अतिरिक्त अमेज़ॅन ईएमआर सुविधाओं का भी उपयोग कर सकते हैं अमेज़न सरल भंडारण सेवा (अमेज़ॅन एस3) अमेज़ॅन ईएमआर फ़ाइल सिस्टम (ईएमआरएफएस) का उपयोग करके कनेक्टिविटी, के साथ एकीकरण अमेज़न EC2 स्पॉट बाजार और एडब्ल्यूएस गोंद आपके क्लस्टर से इंस्टेंस जोड़ने या हटाने के लिए डेटा कैटलॉग और ईएमआर प्रबंधित स्केलिंग। अमेज़न EMR स्टूडियो एक एकीकृत विकास वातावरण (आईडीई) है जो डेटा वैज्ञानिकों और डेटा इंजीनियरों के लिए आर, पायथन, स्काला और पायस्पार्क में लिखे गए डेटा इंजीनियरिंग और डेटा विज्ञान अनुप्रयोगों को विकसित करना, कल्पना करना और डीबग करना आसान बनाता है। ईएमआर स्टूडियो डिबगिंग को सरल बनाने के लिए पूरी तरह से प्रबंधित ज्यूपिटर नोटबुक और स्पार्क यूआई और यार्न टाइमलाइन सेवा जैसे उपकरण प्रदान करता है।
डेटा भंडार के भीतर छिपी क्षमता को उजागर करने के लिए, पारंपरिक विश्लेषण से परे जाना आवश्यक है। जेनरेटिव एआई दर्ज करें, एक अत्याधुनिक तकनीक जो मानव-जैसे पाठ, कला और यहां तक कि कोड उत्पन्न करने के लिए एमएल को रचनात्मकता के साथ जोड़ती है। अमेज़ॅन बेडरॉक फाउंडेशन मॉडल (एफएम) के साथ जेनेरिक एआई अनुप्रयोगों को बनाने और स्केल करने का सबसे सीधा तरीका है। अमेज़ॅन बेडरॉक एक पूरी तरह से प्रबंधित सेवा है जो अमेज़ॅन और अग्रणी एआई कंपनियों के एफएम को एपीआई के माध्यम से उपलब्ध कराती है, ताकि आप खेल के मैदान में विभिन्न प्रकार के एफएम के साथ तुरंत प्रयोग कर सकें, और आपके द्वारा चुने गए मॉडल की परवाह किए बिना अनुमान के लिए एकल एपीआई का उपयोग कर सकें। आपको विभिन्न प्रदाताओं से एफएम का उपयोग करने और न्यूनतम कोड परिवर्तनों के साथ नवीनतम मॉडल संस्करणों के साथ अपडेट रहने की सुविधा है।
इस पोस्ट में, हम यह पता लगाएंगे कि आप अमेज़ॅन ईएमआर, अमेज़ॅन बेडरॉक और का उपयोग करके जेनरेटिव एआई के साथ अपने डेटा एनालिटिक्स को कैसे सुपरचार्ज कर सकते हैं। पाइस्पार्क-एआई पुस्तकालय। पाइस्पार्क-एआई लाइब्रेरी अपाचे स्पार्क के लिए एक अंग्रेजी एसडीके है। यह अंग्रेजी भाषा में निर्देश लेता है और उन्हें DataFrames जैसे PySpark ऑब्जेक्ट में संकलित करता है। इससे स्पार्क के साथ काम करना आसान हो जाता है, जिससे आप अपने डेटा से मूल्य निकालने पर ध्यान केंद्रित कर सकते हैं।
समाधान अवलोकन
निम्नलिखित चित्र अमेज़ॅन ईएमआर और अमेज़ॅन बेडरॉक के साथ जेनरेटिव एआई का उपयोग करने के लिए आर्किटेक्चर को दर्शाता है।
ईएमआर स्टूडियो पूरी तरह से प्रबंधित ज्यूपिटर नोटबुक के लिए एक वेब-आधारित आईडीई है जो ईएमआर क्लस्टर पर चलता है। हम चल रहे ईएमआर क्लस्टर से जुड़े ईएमआर स्टूडियो वर्कस्पेस के साथ बातचीत करते हैं और इस पोस्ट के हिस्से के रूप में प्रदान की गई नोटबुक चलाते हैं। हम उपयोग करते हैं न्यूयॉर्क सिटी टैक्सी उपयोगकर्ताओं द्वारा ली गई विभिन्न टैक्सी यात्राओं के बारे में जानकारी जुटाने के लिए डेटा। हम स्पार्क डेटाफ़्रेम में लोड किए गए डेटा के शीर्ष पर प्राकृतिक भाषा में प्रश्न पूछते हैं। फिर पाइस्पार्क-एआई लाइब्रेरी प्राकृतिक भाषा के प्रश्न पर आधारित SQL क्वेरी बनाने के लिए अमेज़ॅन बेडरॉक से अमेज़ॅन टाइटन टेक्स्ट एफएम का उपयोग करती है। पाइस्पार्क-एआई लाइब्रेरी SQL क्वेरी लेती है, इसे स्पार्क SQL का उपयोग करके चलाती है, और उपयोगकर्ता को परिणाम प्रदान करती है।
इस समाधान में, आप अपने AWS खाते में आवश्यक संसाधन बना और कॉन्फ़िगर कर सकते हैं एडब्ल्यूएस CloudFormation टेम्पलेट. टेम्पलेट बनाता है एडब्ल्यूएस गोंद डेटाबेस और टेबल, S3 बकेट, VPC, और अन्य AWS पहचान और अभिगम प्रबंधन (IAM) संसाधन जिनका उपयोग समाधान में किया जाता है।
टेम्प्लेट को यह प्रदर्शित करने के लिए डिज़ाइन किया गया है कि पाइस्पार्क-एआई पैकेज और अमेज़ॅन बेडरॉक के साथ ईएमआर स्टूडियो का उपयोग कैसे किया जाए, और यह संशोधन के बिना उत्पादन उपयोग के लिए अभिप्रेत नहीं है। इसके अतिरिक्त, टेम्पलेट का उपयोग करता है us-east-1
क्षेत्र और अन्य क्षेत्रों में बिना संशोधन के काम नहीं कर सकते। टेम्प्लेट ऐसे संसाधन बनाता है जिनके उपयोग के दौरान लागत आती है। संसाधनों को हटाने और अनावश्यक शुल्कों से बचने के लिए इस पोस्ट के अंत में दिए गए सफाई चरणों का पालन करें।
.. पूर्वापेक्षाएँ
क्लाउडफॉर्मेशन स्टैक लॉन्च करने से पहले, सुनिश्चित करें कि आपके पास निम्नलिखित हैं:
- एक AWS खाता जो AWS सेवाओं तक पहुंच प्रदान करता है
- AWS CLI को कॉन्फ़िगर करने के लिए एक्सेस कुंजी और गुप्त कुंजी वाला एक IAM उपयोगकर्ता, और AWS क्लाउडफॉर्मेशन में IAM भूमिका, IAM नीतियां और स्टैक बनाने की अनुमति
- टाइटन टेक्स्ट जी1 - एक्सप्रेस मॉडल अभी पूर्वावलोकन में है, इसलिए इस पोस्ट के भाग के रूप में इसका उपयोग करने के लिए आपके पास पूर्वावलोकन पहुंच की आवश्यकता है
एडब्ल्यूएस क्लाउडफॉर्मेशन के साथ संसाधन बनाएं
CloudFormation निम्नलिखित AWS संसाधन बनाता है:
- ईएमआर स्टूडियो, रूट टेबल और एनएटी गेटवे के साथ उपयोग करने के लिए निजी और सार्वजनिक सबनेट के साथ एक वीपीसी स्टैक।
- Python 3.9 के साथ एक EMR क्लस्टर स्थापित। हम पायथन 3.9 और अन्य प्रासंगिक पैकेज जैसे कि पाइस्पार्क-एआई और अमेज़ॅन बेडरॉक निर्भरता को स्थापित करने के लिए बूटस्ट्रैप क्रिया का उपयोग कर रहे हैं। (अधिक जानकारी के लिए, देखें बूटस्ट्रैप स्क्रिप्ट.)
- EMR स्टूडियो वर्कस्पेस और नोटबुक स्टोरेज के लिए एक S3 बकेट।
- ईएमआर स्टूडियो सेटअप, अमेज़ॅन बेडरॉक एक्सेस और नोटबुक चलाने के लिए आईएएम भूमिकाएं और नीतियां
आरंभ करने के लिए, निम्नलिखित चरणों को पूरा करें:
क्लाउडफ़ॉर्मेशन स्टैक को पूरा होने में लगभग 20-30 मिनट लगते हैं। आप AWS CloudFormation कंसोल पर इसकी प्रगति की निगरानी कर सकते हैं। जब उसका स्टेटस पढ़ता है CREATE_COMPLETE
, आपके AWS खाते में इस समाधान को लागू करने के लिए आवश्यक संसाधन होंगे।
ईएमआर स्टूडियो बनाएं
अब आप नोटबुक कोड के साथ काम करने के लिए एक ईएमआर स्टूडियो और वर्कस्पेस बना सकते हैं। निम्नलिखित चरणों को पूरा करें:
- EMR स्टूडियो कंसोल पर, चुनें स्टूडियो बनाएं.
- दर्ज करें स्टूडियो का नाम as
GenAI-EMR-Studio
और एक विवरण प्रदान करें. - में नेटवर्किंग और सुरक्षा अनुभाग, निम्नलिखित निर्दिष्ट करें:
- के लिए VPC, आपके द्वारा तैनात किए गए क्लाउडफॉर्मेशन स्टैक के हिस्से के रूप में आपके द्वारा बनाए गए वीपीसी को चुनें। VPCID कुंजी के लिए क्लाउडफॉर्मेशन आउटपुट का उपयोग करके VPC आईडी प्राप्त करें।
- के लिए सबनेट, सभी चार सबनेट चुनें।
- के लिए सुरक्षा और पहुंच, चुनते हैं कस्टम सुरक्षा समूह.
- के लिए क्लस्टर/एंडपॉइंट सुरक्षा समूह, चुनें
EMRSparkAI-Cluster-Endpoint-SG
. - के लिए कार्यस्थल सुरक्षा समूह, चुनें
EMRSparkAI-Workspace-SG
.
- में स्टूडियो सेवा भूमिका अनुभाग, निम्नलिखित निर्दिष्ट करें:
- के लिए प्रमाणीकरण, चुनते हैं AWS पहचान और अभिगम प्रबंधन (IAM).
- के लिए AWS IAM सेवा भूमिका, चुनें
EMRSparkAI-StudioServiceRole
.
- में कार्यस्थल भंडारण अनुभाग, ब्राउज़ करें और भंडारण के लिए S3 बाल्टी चुनें
emr-sparkai-<account-id>
. - चुनें स्टूडियो बनाएं.
- जब ईएमआर स्टूडियो बन जाए, तो नीचे दिए गए लिंक को चुनें स्टूडियो एक्सेस यूआरएल स्टूडियो तक पहुँचने के लिए.
- जब आप स्टूडियो में हों, तो चुनें कार्यक्षेत्र बनाएँ.
-
emr-genai
कार्यक्षेत्र के नाम के रूप में चुनें और चुनें कार्यक्षेत्र बनाएँ. - जब कार्यस्थान बन जाए, तो कार्यस्थान लॉन्च करने के लिए उसका नाम चुनें (सुनिश्चित करें कि आपने किसी भी पॉप-अप अवरोधक को अक्षम कर दिया है)।
अमेज़ॅन ईएमआर और जेनरेटिव एआई के साथ अपाचे स्पार्क का उपयोग करके बड़े डेटा एनालिटिक्स
अब जब हमने आवश्यक सेटअप पूरा कर लिया है, तो हम अमेज़ॅन ईएमआर और जेनरेटिव एआई के साथ अपाचे स्पार्क का उपयोग करके बड़े डेटा एनालिटिक्स का प्रदर्शन शुरू कर सकते हैं।
पहले चरण के रूप में, हम एक नोटबुक लोड करते हैं जिसमें उपयोग के मामले के साथ काम करने के लिए आवश्यक कोड और उदाहरण होते हैं। हम NY टैक्सी डेटासेट का उपयोग करते हैं, जिसमें टैक्सी की सवारी के बारे में विवरण होता है।
- नोटबुक फ़ाइल डाउनलोड करें NYTaxi.ipynb और अपलोड आइकन चुनकर इसे अपने कार्यक्षेत्र पर अपलोड करें।
- नोटबुक आयात होने के बाद, नोटबुक खोलें और चुनें
PySpark
कर्नेल के रूप में।
पाइस्पार्क एआई डिफ़ॉल्ट रूप से OpenAI के ChatGPT4.0 को LLM मॉडल के रूप में उपयोग करता है, लेकिन आप Amazon Bedrock से भी मॉडल प्लग इन कर सकते हैं, अमेज़न SageMaker जम्पस्टार्ट, और अन्य तृतीय-पक्ष मॉडल। इस पोस्ट के लिए, हम दिखाते हैं कि SQL क्वेरी जेनरेशन के लिए अमेज़ॅन बेडरॉक टाइटन मॉडल को कैसे एकीकृत किया जाए और इसे अमेज़ॅन ईएमआर में अपाचे स्पार्क के साथ चलाया जाए।
- नोटबुक के साथ आरंभ करने के लिए, आपको वर्कस्पेस को एक कंप्यूट लेयर से जोड़ना होगा। ऐसा करने के लिए, चुनें गणना करना नेविगेशन फलक में आइकन और क्लाउडफॉर्मेशन स्टैक द्वारा बनाए गए ईएमआर क्लस्टर को चुनें।
- अमेज़ॅन ईएमआर के साथ अद्यतन पायथन 3.9 पैकेज का उपयोग करने के लिए पायथन पैरामीटर कॉन्फ़िगर करें:
- आवश्यक पुस्तकालय आयात करें:
- लाइब्रेरी आयात होने के बाद, आप अमेज़ॅन बेडरॉक से एलएलएम मॉडल को परिभाषित कर सकते हैं। इस मामले में, हम amazon.titan-text-express-v1 का उपयोग करते हैं। आपको टाइटन टेक्स्ट जी1-एक्सप्रेस मॉडल के लिए अपनी पूर्वावलोकन पहुंच के आधार पर क्षेत्र और अमेज़ॅन बेडरॉक एंडपॉइंट यूआरएल दर्ज करना होगा।
- प्राकृतिक भाषा में प्रश्नों के आधार पर एसक्यूएल क्वेरी जनरेशन के लिए स्पार्क एआई को अमेज़ॅन बेडरॉक एलएलएम मॉडल से कनेक्ट करें:
यहां, हमने स्पार्क एआई को verbose=False; के साथ प्रारंभ किया है। अधिक विवरण देखने के लिए आप verbose=True भी सेट कर सकते हैं।
अब आप स्पार्क डेटाफ़्रेम में NYC टैक्सी डेटा पढ़ सकते हैं और स्पार्क में जेनरेटिव एआई की शक्ति का उपयोग कर सकते हैं।
- उदाहरण के लिए, आप डेटासेट में रिकॉर्ड की संख्या की गिनती पूछ सकते हैं:
हमें निम्न प्रतिक्रिया मिलती है:
स्पार्क एआई आंतरिक रूप से उपयोग करता है लैंगचैन और SQL श्रृंखला, जो स्पार्क में प्रश्नों के साथ काम करने वाले अंतिम-उपयोगकर्ताओं से जटिलता को छिपाती है।
अपाचे स्पार्क और अमेज़ॅन ईएमआर के साथ जेनरेटर एआई की शक्ति का पता लगाने के लिए नोटबुक में कुछ और उदाहरण परिदृश्य हैं।
क्लीन अप
S3 बाल्टी की सामग्री खाली करें emr-sparkai-<account-id>
, इस पोस्ट के हिस्से के रूप में बनाए गए ईएमआर स्टूडियो वर्कस्पेस को हटा दें, और फिर आपके द्वारा तैनात किए गए क्लाउडफॉर्मेशन स्टैक को हटा दें।
निष्कर्ष
इस पोस्ट में दिखाया गया है कि आप अमेज़ॅन ईएमआर और अमेज़ॅन बेडरॉक के साथ अपाचे स्पार्क की मदद से अपने बड़े डेटा एनालिटिक्स को कैसे सुपरचार्ज कर सकते हैं। PySpark AI पैकेज आपको अपने डेटा से सार्थक अंतर्दृष्टि प्राप्त करने की अनुमति देता है। यह विकास और विश्लेषण के समय को कम करने में मदद करता है, मैन्युअल क्वेरी लिखने का समय कम करता है और आपको अपने व्यावसायिक उपयोग के मामले पर ध्यान केंद्रित करने की अनुमति देता है।
लेखक के बारे में
-सौरभ भुट्यानि AWS में प्रिंसिपल एनालिटिक्स स्पेशलिस्ट सॉल्यूशंस आर्किटेक्ट हैं। उन्हें नई तकनीकों का शौक है. वह 2019 में AWS में शामिल हुए और अमेज़ॅन बेडरॉक, अमेज़ॅन सेजमेकर, अमेज़ॅन ईएमआर, अमेज़ॅन एथेना, एडब्ल्यूएस ग्लू, एडब्ल्यूएस लेक फॉर्मेशन जैसी एडब्ल्यूएस सेवाओं का उपयोग करके जेनरेटिव एआई उपयोग मामलों, स्केलेबल एनालिटिक्स समाधान और डेटा जाल आर्किटेक्चर चलाने के लिए ग्राहकों के साथ वास्तुशिल्प मार्गदर्शन प्रदान करने के लिए काम करते हैं। और अमेज़ॅन डेटाज़ोन।
हर्षवर्धन एक AWS सीनियर सॉल्यूशंस आर्किटेक्ट है, जो एनालिटिक्स में विशेषज्ञता रखता है। उनके पास बिग डेटा और डेटा साइंस के क्षेत्र में काम करने का 8 साल से अधिक का अनुभव है। वह ग्राहकों को सर्वोत्तम प्रथाओं को अपनाने और उनके डेटा से अंतर्दृष्टि खोजने में मदद करने के लिए उत्साहित 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/big-data/use-generative-ai-with-amazon-emr-amazon-bedrock-and-english-sdk-for-apache-spark-to-unlock-insights/
- :हैस
- :है
- :नहीं
- $यूपी
- 1
- 10
- 100
- 107
- 11
- 20
- 200
- 2019
- 320
- 500
- 521
- 7
- 8
- 9
- 990
- a
- About
- पहुँच
- उपयोग प्रबंधन
- लेखा
- स्वीकार करना
- कार्य
- जोड़ना
- अतिरिक्त
- इसके अतिरिक्त
- अपनाना
- AI
- ऐ मामलों का उपयोग करें
- सब
- की अनुमति दे
- की अनुमति देता है
- भी
- वीरांगना
- अमेज़न एथेना
- अमेज़ॅन ईएमआर
- अमेज़न SageMaker
- अमेज़ॅन वेब सेवा
- राशियाँ
- an
- विश्लेषण
- विश्लेषिकी
- और
- जवाब
- कोई
- अपाचे
- अपाचे स्पार्क
- एपीआई
- अनुप्रयोगों
- लगभग
- वास्तु
- स्थापत्य
- हैं
- कला
- AS
- पूछना
- सहयोगी
- At
- उपलब्ध
- से बचने
- एडब्ल्यूएस
- एडब्ल्यूएस CloudFormation
- एडब्ल्यूएस गोंद
- AWS झील निर्माण
- वापस
- आधारित
- BEST
- सर्वोत्तम प्रथाओं
- परे
- बड़ा
- बड़ा डेटा
- जूते का फीता
- निर्माण
- व्यापार
- लेकिन
- बटन
- by
- कर सकते हैं
- मामला
- मामलों
- सूची
- श्रृंखला
- परिवर्तन
- प्रभार
- चुनें
- चुनने
- City
- बादल
- बादल बड़ा डेटा
- समूह
- कोड
- जोड़ती
- कंपनियों
- पूरा
- पूरा
- जटिलता
- गणना करना
- जुड़ा हुआ
- कनेक्टिविटी
- कंसोल
- निरंतर
- शामिल हैं
- अंतर्वस्तु
- लागत
- बनाना
- बनाया
- बनाता है
- रचनात्मकता
- वर्तमान में
- ग्राहक
- अग्रणी
- तिथि
- डेटा विश्लेषण
- डेटा संसाधन
- डेटा विज्ञान
- डाटाबेस
- डेटासेट
- तारीख
- चूक
- परिभाषित
- दिखाना
- निर्भरता
- तैनात
- निकाले जाते हैं
- विवरण
- बनाया गया
- विवरण
- विकसित करना
- विकास
- विभिन्न
- विकलांग
- अन्य वायरल पोस्ट से
- do
- कुशलता
- अनायास
- समाप्त
- endpoint
- अभियांत्रिकी
- इंजीनियर्स
- अंग्रेज़ी
- सुनिश्चित
- दर्ज
- में प्रवेश
- वातावरण
- युग
- आवश्यक
- ईथर (ईटीएच)
- और भी
- उदाहरण
- उदाहरण
- अनुभव
- प्रयोग
- का पता लगाने
- व्यक्त
- उद्धरण
- फास्ट
- विशेषताएं
- कुछ
- खेत
- पट्टिका
- अंतिम
- प्रथम
- लचीलापन
- फोकस
- का पालन करें
- निम्नलिखित
- के लिए
- निर्माण
- बुनियाद
- चार
- चौखटे
- से
- पूरी तरह से
- g1
- संचित करना
- प्रवेश द्वार
- उत्पन्न
- पीढ़ी
- उत्पादक
- जनरेटिव एआई
- मिल
- देते
- Go
- मार्गदर्शन
- है
- he
- मदद
- मदद
- मदद करता है
- छिपा हुआ
- छिपाना
- कैसे
- How To
- http
- HTTPS
- i
- आई ए एम
- नायक
- ID
- पहचान
- पहचान और पहुंच प्रबंधन
- दिखाता है
- लागू करने के
- आयात
- in
- अन्य में
- सहित
- उद्योग के अग्रणी
- करें-
- अभिनव
- निवेश
- अंतर्दृष्टि
- स्थापित
- उदाहरणों
- निर्देश
- एकीकृत
- एकीकृत
- एकीकरण
- इरादा
- बातचीत
- इंटरैक्टिव
- के भीतर
- में
- IT
- आईटी इस
- में शामिल हो गए
- जेपीजी
- रखना
- कुंजी
- जानना
- झील
- भाषा
- बड़ा
- ताज़ा
- लांच
- परत
- प्रमुख
- सीख रहा हूँ
- पुस्तकालयों
- पुस्तकालय
- पसंद
- लाइन
- LINK
- भार
- मशीन
- यंत्र अधिगम
- बनाना
- बनाता है
- कामयाब
- प्रबंध
- गाइड
- बाजार
- मई..
- सार्थक
- जाल
- कम से कम
- मिनट
- ML
- आदर्श
- मॉडल
- मॉनिटर
- अधिक
- अधिकांश
- नाम
- प्राकृतिक
- प्राकृतिक भाषा
- पथ प्रदर्शन
- आवश्यक
- आवश्यकता
- जरूरत
- शुद्ध कार्यशील
- नया
- नयी तकनीकें
- नोटबुक
- पुस्तिकाओं
- अभी
- संख्या
- NY
- NYC
- वस्तुओं
- अवलोकन
- of
- ऑफर
- on
- खुला
- खुला स्रोत
- or
- संगठनों
- अन्य
- outputs के
- के ऊपर
- सिंहावलोकन
- पैकेज
- संकुल
- फलक
- पैरामीटर
- भाग
- आवेशपूर्ण
- प्रदर्शन
- अनुमतियाँ
- जगह
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- खेल का मैदान
- प्लग
- नीतियाँ
- पॉप - अप
- पद
- संभावित
- बिजली
- प्रथाओं
- पूर्वावलोकन
- प्रिंसिपल
- निजी
- प्रक्रिया
- प्रसंस्करण
- उत्पादन
- प्रगति
- प्रदान करना
- बशर्ते
- प्रदाताओं
- प्रदान करता है
- सार्वजनिक
- अजगर
- प्रश्नों
- प्रश्न
- प्रशन
- जल्दी से
- R
- पढ़ना
- अभिलेख
- को कम करने
- को कम करने
- उल्लेख
- भले ही
- क्षेत्र
- क्षेत्रों
- प्रासंगिक
- हटाना
- अपेक्षित
- उपयुक्त संसाधन चुनें
- प्रतिक्रिया
- परिणाम
- सवारी
- भूमिका
- भूमिकाओं
- मार्ग
- रन
- दौड़ना
- चलाता है
- sagemaker
- स्काला
- अनुमापकता
- स्केलेबल
- स्केल
- स्केलिंग
- परिदृश्यों
- विज्ञान
- वैज्ञानिकों
- एसडीके
- खोज
- गुप्त
- सुरक्षा
- देखना
- चयन
- वरिष्ठ
- सेवा
- सेवाएँ
- सेट
- व्यवस्था
- दिखाना
- पता चला
- सरल
- को आसान बनाने में
- एक
- So
- समाधान
- समाधान ढूंढे
- स्रोत
- स्पार्क
- विशेषज्ञ
- विशेषज्ञता
- गति
- एसक्यूएल
- धुआँरा
- ढेर
- प्रारंभ
- शुरू
- शुरुआत में
- स्थिति
- कदम
- कदम
- भंडारण
- सरल
- स्टूडियो
- सबनेट
- ऐसा
- अत्यधिक प्रभावी बनाएं
- निश्चित
- प्रणाली
- तालिका
- लिया
- लेता है
- टेक्नोलॉजीज
- टेक्नोलॉजी
- टेम्पलेट
- टेक्स्ट
- कि
- RSI
- लेकिन हाल ही
- उन
- फिर
- वे
- तीसरे दल
- इसका
- विचार
- यहाँ
- पहर
- समय
- टाइटन
- सेवा मेरे
- उपकरण
- ऊपर का
- परंपरागत
- ui
- के अंतर्गत
- अनलॉक
- अद्यतन
- यूआरएल
- उपयोग
- उदाहरण
- प्रयुक्त
- उपयोगकर्ता
- उपयोगकर्ताओं
- का उपयोग करता है
- का उपयोग
- मूल्य
- विविधता
- विभिन्न
- व्यापक
- कल्पना
- मार्ग..
- तरीके
- we
- वेब
- वेब सेवाओं
- वेब आधारित
- कब
- कौन कौन से
- जब
- मर्जी
- साथ में
- अंदर
- बिना
- काम
- काम कर रहे
- कार्य
- दुनिया भर
- लिखना
- लिखा हुआ
- साल
- यॉर्क
- इसलिए आप
- आपका
- जेफिरनेट