ایمیزون ایتینا ایک انٹرایکٹو استفسار سروس ہے جو ڈیٹا کا تجزیہ کرنا آسان بناتی ہے۔ ایمیزون سادہ اسٹوریج سروس (Amazon S3) اور ڈیٹا کے ذرائع جو AWS، آن پریمیسس، یا SQL یا Python کا استعمال کرتے ہوئے دوسرے کلاؤڈ سسٹم میں رہتے ہیں۔ Athena اوپن سورس Trino اور Presto انجنوں، اور Apache Spark فریم ورکس پر بنایا گیا ہے، جس میں کسی پروویژننگ یا کنفیگریشن کی کوشش کی ضرورت نہیں ہے۔ ایتھینا سرور لیس ہے، اس لیے انتظام کرنے کے لیے کوئی بنیادی ڈھانچہ نہیں ہے، اور آپ صرف ان سوالات کے لیے ادائیگی کرتے ہیں جو آپ چلاتے ہیں۔
اپاچی آئس برگ بہت بڑے تجزیاتی ڈیٹاسیٹس کے لیے ایک اوپن ٹیبل فارمیٹ ہے۔ یہ فائلوں کے بڑے ذخیرے کو ٹیبل کے طور پر منظم کرتا ہے، اور یہ جدید تجزیاتی ڈیٹا لیک آپریشنز کو سپورٹ کرتا ہے جیسے کہ ریکارڈ لیول انسرٹ، اپ ڈیٹ، ڈیلیٹ، اور ٹائم ٹریول کے سوالات۔ ایتھینا اپاچی آئس برگ ٹیبلز کے لیے پڑھنے، ٹائم ٹریول، لکھنے، اور DDL سوالات کی حمایت کرتی ہے جو ڈیٹا کے لیے Apache Parquet فارمیٹ استعمال کرتی ہے۔ AWS گلو ڈیٹا کیٹلاگ ان کے میٹاسٹور کے لیے۔
فیچر انجینئرنگ خام ڈیٹا (تصاویر، ٹیکسٹ فائلز، ویڈیوز، اور اسی طرح) کی شناخت اور تبدیل کرنے کا ایک عمل ہے، گمشدہ ڈیٹا کو بیک فل کرنا، اور سیاق و سباق فراہم کرنے کے لیے ایک یا زیادہ معنی خیز ڈیٹا عناصر کو شامل کرنا ہے تاکہ مشین لرننگ (ML) ماڈل اس سے سیکھ سکے۔ ڈیٹا لیبلنگ مختلف استعمال کے معاملات کے لیے ضروری ہے، بشمول پیشن گوئی، کمپیوٹر وژن، قدرتی زبان کی پروسیسنگ، اور تقریر کی شناخت۔
Athena کی صلاحیتوں کے ساتھ مل کر، Apache Iceberg ڈیٹا سائنسدانوں کے لیے ایک آسان ورک فلو فراہم کرتا ہے تاکہ ڈیٹا سیٹ کو کاپی کرنے یا دوبارہ تخلیق کرنے کی ضرورت کے بغیر ڈیٹا کی نئی خصوصیات تخلیق کی جا سکیں۔ آپ فیچر انجینئرنگ کے لیے کوئی دوسری سروس استعمال کیے بغیر ایتھینا پر معیاری ایس کیو ایل کا استعمال کرتے ہوئے خصوصیات بنا سکتے ہیں۔ ڈیٹا سائنسدان ڈیٹا سیٹس کی تیاری اور کاپی کرنے میں صرف ہونے والے وقت کو کم کر سکتے ہیں، اور اس کے بجائے ڈیٹا فیچر انجینئرنگ، تجربات، اور پیمانے پر ڈیٹا کا تجزیہ کرنے پر توجہ مرکوز کر سکتے ہیں۔
اس پوسٹ میں، ہم Apache Iceberg کے اوپن ٹیبل فارمیٹ کے ساتھ Athena کے استعمال کے فوائد کا جائزہ لیتے ہیں اور یہ کہ یہ ڈیٹا سائنسدانوں کے لیے عام فیچر انجینئرنگ کے کاموں کو کیسے آسان بناتا ہے۔ ہم یہ ظاہر کرتے ہیں کہ کس طرح Athena موجودہ ٹیبل کو Apache Iceberg فارمیٹ میں تبدیل کر سکتی ہے، پھر کالم شامل کر سکتی ہے، کالمز کو حذف کر سکتی ہے، اور ڈیٹا سیٹ کو دوبارہ بنائے یا کاپی کیے بغیر ٹیبل میں ڈیٹا میں ترمیم کر سکتی ہے، اور Apache Iceberg ٹیبلز پر نئی خصوصیات بنانے کے لیے ان صلاحیتوں کا استعمال کر سکتی ہے۔
حل جائزہ
ڈیٹا سائنسدان عام طور پر بڑے ڈیٹا سیٹس کے ساتھ کام کرنے کے عادی ہوتے ہیں۔ ڈیٹا سیٹس کو عام طور پر JSON، CSV، ORC، یا میں محفوظ کیا جاتا ہے۔ اپاچی پارکیٹ فارمیٹ، یا تیز پڑھنے کی کارکردگی کے لیے اسی طرح کے پڑھنے کے لیے موزوں فارمیٹس۔ ڈیٹا سائنسدان اکثر ڈیٹا کی نئی خصوصیات بناتے ہیں، اور اس طرح کے ڈیٹا کی خصوصیات کو مجموعی اور ذیلی ڈیٹا کے ساتھ بیک فل کرتے ہیں۔ تاریخی طور پر، یہ کام Apache Parquet فارمیٹ میں بنیادی ڈیٹا کے ساتھ ٹیبل کے اوپر ایک منظر بنا کر مکمل کیا گیا تھا، جہاں رن ٹائم کے وقت اس طرح کے کالم اور ڈیٹا کو شامل کیا گیا تھا یا اضافی کالموں کے ساتھ ایک نیا ٹیبل بنا کر کیا گیا تھا۔ اگرچہ یہ ورک فلو بہت سے استعمال کے معاملات کے لیے موزوں ہے، لیکن یہ بڑے ڈیٹا سیٹس کے لیے ناکارہ ہے، کیونکہ رن ٹائم کے وقت ڈیٹا تیار کرنے کی ضرورت ہوگی یا ڈیٹاسیٹس کو کاپی اور تبدیل کرنے کی ضرورت ہوگی۔
ایتھنا نے متعارف کرایا ہے۔ ACID (ایٹمی، مستقل مزاجی، تنہائی، پائیداری) لین دین ایسی صلاحیتیں جو INSERT، UPDATE، DELETE، MERGE، اور ٹائم ٹریول آپریشنز کو شامل کرتی ہیں اپاچی آئس برگ کی میزیں۔. یہ صلاحیتیں ڈیٹا سائنسدانوں کو ڈیٹاسیٹ کو کاپی کرنے یا تبدیل کرنے یا اسے ایک منظر کے ساتھ خلاصہ کرنے کی فکر کیے بغیر ڈیٹا کے نئے فیچرز بنانے اور موجودہ ڈیٹا سیٹس پر موجود ڈیٹا فیچرز کو چھوڑنے کے قابل بناتی ہیں۔ ڈیٹا سائنسدان فیچر انجینئرنگ کے کام پر توجہ مرکوز کر سکتے ہیں اور ڈیٹا سیٹس کو کاپی کرنے اور تبدیل کرنے سے بچ سکتے ہیں۔
Athena Iceberg UPDATE آپریشن اسی لین دین میں ڈیٹا فائلوں کے بطور Apache Iceberg پوزیشن حذف فائلوں اور نئی اپ ڈیٹ کردہ قطاروں کو لکھتا ہے۔ آپ ایک ہی اپ ڈیٹ اسٹیٹمنٹ کے ذریعے ریکارڈ میں تصحیح کر سکتے ہیں۔
ایتھینا انجن ورژن 3 کی ریلیز کے ساتھ، اپاچی آئس برگ ٹیبلز کی صلاحیتوں کو آپریشنز کے لیے سپورٹ کے ساتھ بڑھایا گیا ہے جیسے ٹیبل کو بطور سلیکٹ (CTAS) بنائیں اور MERGE کمانڈز جو آپ کے آئس برگ ڈیٹا کے لائف سائیکل مینجمنٹ کو ہموار کرتی ہیں۔ CTAS دوسرے فارمیٹس جیسے اپاچی پیکیٹ سے ٹیبل بنانا تیز اور موثر بناتا ہے۔ میں ضم کریں۔ مشروط اپ ڈیٹس، حذف، یا آئس برگ ٹیبل میں قطاریں داخل کرنا۔ ایک ہی بیان اپ ڈیٹ، حذف، اور عمل داخل کر سکتا ہے۔
شرائط
Apache Iceberg ٹیبل کے ساتھ CTAS اور MERGE کمانڈ استعمال کرنے کے لیے Athena انجن ورژن 3 کے ساتھ Athena ورک گروپ سیٹ کریں۔ اپنے ایتھینا ورک گروپ میں اپنے موجودہ ایتھینا انجن کو ورژن 3 میں اپ گریڈ کرنے کے لیے، میں دی گئی ہدایات پر عمل کریں۔ استفسار کی کارکردگی کو بڑھانے اور مزید تجزیاتی خصوصیات تک رسائی کے لیے ایتھینا انجن ورژن 3 میں اپ گریڈ کریں۔ یا رجوع کریں۔ ایتھینا کنسول میں انجن کا ورژن تبدیل کرنا.
ڈیٹا بیس
مظاہرے کے لیے، ہم Apache Parquet ٹیبل کا استعمال کرتے ہیں جس میں S3 بالٹی میں ذخیرہ شدہ پچھلے کئی سالوں سے تصادفی طور پر تقسیم کیے گئے فرضی سیلز ڈیٹا کے کئی ملین ریکارڈ ہوتے ہیں۔ لوڈ ڈیٹا سیٹ، اسے اپنے مقامی کمپیوٹر پر ان زپ کریں، اور اسے اپنی S3 بالٹی پر اپ لوڈ کریں۔ اس پوسٹ میں، ہم نے اپنا ڈیٹا سیٹ اپ لوڈ کیا ہے۔ s3://sample-iceberg-datasets-xxxxxxxxxxx/sampledb/orders_and_customers/
.
مندرجہ ذیل جدول میز کے لیے ترتیب دکھاتا ہے۔ customer_orders
.
کالم کا نام | ڈیٹا کی قسم | Description |
آرڈر کلید | سٹرنگ | آرڈر کے لیے آرڈر نمبر |
custkey | سٹرنگ | گاہک کا شناختی نمبر |
آرڈر کی حیثیت | سٹرنگ | آرڈر کی حیثیت |
کل قیمت | سٹرنگ | آرڈر کی کل قیمت |
آرڈر کی تاریخ | سٹرنگ | آرڈر کی تاریخ |
ترتیب کی ترجیح | سٹرنگ | آرڈر کی ترجیح |
کلرک | سٹرنگ | اس کلرک کا نام جس نے آرڈر پر کارروائی کی۔ |
جہاز کی ترجیح | سٹرنگ | شپنگ پر ترجیح |
نام | سٹرنگ | گاہک کا نام |
پتہ | سٹرنگ | گاہک کا پتہ |
قومی کلید | سٹرنگ | کسٹمر قوم کی کلید |
فون | سٹرنگ | گاہک کا فون نمبر |
acctbal | سٹرنگ | کسٹمر اکاؤنٹ بیلنس |
mktsegment | سٹرنگ | کسٹمر مارکیٹ سیگمنٹ |
فیچر انجینئرنگ انجام دیں۔
ڈیٹا سائنسدان کے طور پر، ہم پرفارم کرنا چاہتے ہیں۔ فیچر انجینئرنگ موجودہ ڈیٹاسیٹ میں ہر گاہک کے لیے ایک سال کی کل خریداریوں اور ایک سال کی اوسط خریداریوں کو شامل کر کے کسٹمر کے آرڈرز کے ڈیٹا پر۔ مظاہرے کے مقاصد کے لیے، ہم نے بنایا customer_orders
میں میز sampledb
ایتھینا کا استعمال کرتے ہوئے ڈیٹا بیس جیسا کہ درج ذیل ڈی ڈی ایل کمانڈ میں دکھایا گیا ہے۔ (آپ اپنے موجودہ ڈیٹا سیٹس میں سے کوئی بھی استعمال کر سکتے ہیں اور اس پوسٹ میں بتائے گئے مراحل پر عمل کر سکتے ہیں۔) customer_orders
ڈیٹاسیٹ S3 بالٹی کے مقام پر تیار اور ذخیرہ کیا گیا تھا۔ s3://sample-iceberg-datasets-xxxxxxxxxxx/sampledb/orders_and_customers/
پارکیٹ فارمیٹ میں۔ یہ ٹیبل اپاچی آئس برگ ٹیبل نہیں ہے۔
استفسار چلا کر ٹیبل میں ڈیٹا کی توثیق کریں:
ہم اس ٹیبل میں نئی خصوصیات شامل کرنا چاہتے ہیں تاکہ کسٹمر کی فروخت کی گہرائی سے سمجھ حاصل کی جا سکے، جس کے نتیجے میں ماڈل کی تیز تر تربیت اور زیادہ قیمتی بصیرتیں مل سکتی ہیں۔ ڈیٹاسیٹ میں نئی خصوصیات شامل کرنے کے لیے، تبدیل کریں۔ customer_orders
ایتھینا ٹیبل سے اپاچی آئس برگ ٹیبل ایتھینا پر۔ مسئلہ a سی ٹی اے ایس سے اپاچی آئس برگ فارمیٹ کے ساتھ ایک نیا ٹیبل بنانے کے لیے استفسار کا بیان customer_orders
ٹیبل. ایسا کرتے ہوئے، ہر صارف کے ذریعے گزشتہ سال (ڈیٹا سیٹ کے زیادہ سے زیادہ سال) میں خریداری کی کل رقم حاصل کرنے کے لیے ایک نئی خصوصیت شامل کی جاتی ہے۔
درج ذیل CTAS استفسار میں، ایک نیا کالم جس کا نام ہے۔ one_year_sales_aggregate
بطور ڈیفالٹ قدر کے ساتھ 0.0
ڈیٹا کی قسم double
شامل کیا جاتا ہے اور table_type
کرنے کے لئے مقرر کیا گیا ہے ICEBERG
:
نئے کالم کے ساتھ اپاچی آئس برگ ٹیبل میں ڈیٹا کی تصدیق کے لیے درج ذیل استفسار جاری کریں one_year_sales_aggregate
اقدار کے طور پر 0.0
:
ہم نئی خصوصیت کے لیے اقدار کو آباد کرنا چاہتے ہیں۔ one_year_sales_aggregate
ڈیٹاسیٹ میں ہر گاہک کی گزشتہ سال کی خریداریوں کی بنیاد پر خریداری کی کل رقم حاصل کرنے کے لیے (ڈیٹا سیٹ کا زیادہ سے زیادہ سال)۔ Apache Iceberg Table پر Athena کا استعمال کرتے ہوئے MERGE استفسار کا بیان جاری کریں one_year_sales_aggregate
خصوصیت:
گزشتہ سال میں ہر گاہک کی طرف سے کل خرچ کے لیے اپ ڈیٹ کردہ قدر کی توثیق کرنے کے لیے درج ذیل استفسار جاری کریں:
ہم ایک موجودہ Apache Iceberg ٹیبل پر ایک اور خصوصیت شامل کرنے کا فیصلہ کرتے ہیں تاکہ ہر صارف کے ذریعہ پچھلے سال کی اوسط خریداری کی رقم کا حساب لگایا جا سکے۔ فیچر کے لیے موجودہ ٹیبل میں نیا کالم شامل کرنے کے لیے ALTER استفسار کا بیان جاری کریں۔ one_year_sales_average
:
اس نئی خصوصیت میں اقدار کو آباد کرنے سے پہلے، آپ خصوصیت کے لیے ڈیفالٹ ویلیو سیٹ کر سکتے ہیں۔ one_year_sales_average
کرنے کے لئے 0.0
. ایتھینا پر اسی اپاچی آئس برگ ٹیبل کا استعمال کرتے ہوئے، نئی خصوصیت کی قدر کو آباد کرنے کے لیے اپ ڈیٹ استفسار کا بیان جاری کریں۔ 0.0
:
مندرجہ ذیل استفسار جاری کریں تاکہ پچھلے سال میں ہر گاہک کے اوسط خرچ کے لیے اپ ڈیٹ کردہ قیمت کی تصدیق کی جا سکے 0.0
:
اب ہم نئی خصوصیت کے لیے اقدار کو آباد کرنا چاہتے ہیں۔ one_year_sales_average
ڈیٹاسیٹ میں ہر گاہک کی گزشتہ سال کی خریداریوں کی بنیاد پر اوسط خریداری کی رقم حاصل کرنے کے لیے (ڈیٹا سیٹ کا زیادہ سے زیادہ سال)۔ فیچر کی قدروں کو آباد کرنے کے لیے ایتھینا انجن کا استعمال کرتے ہوئے ایتھینا پر موجود اپاچی آئس برگ ٹیبل پر ایک مرج استفسار کا بیان جاری کریں۔ one_year_sales_average
:
ہر گاہک کے اوسط خرچ کے لیے اپ ڈیٹ کردہ اقدار کی تصدیق کرنے کے لیے درج ذیل استفسار جاری کریں:
ڈیٹاسیٹ میں اضافی ڈیٹا فیچرز شامل ہونے کے بعد، ڈیٹا سائنسدان عام طور پر ایم ایل ماڈلز کو تربیت دینے اور ایمیزون سیج میکر یا اس کے مساوی ٹول سیٹ کا استعمال کرتے ہوئے اندازہ لگاتے ہیں۔
نتیجہ
اس پوسٹ میں، ہم نے دکھایا کہ Apache Iceberg کے ساتھ Athena کا استعمال کرتے ہوئے فیچر انجینئرنگ کیسے انجام دی جائے۔ ہم نے Apache Parquet فارمیٹ میں موجودہ ڈیٹاسیٹ سے Athena پر Apache Iceberg ٹیبل بنانے کے لیے CTAS استفسار کا بھی مظاہرہ کیا، ALTER استفسار کا استعمال کرتے ہوئے Athena پر موجود Apache Iceberg ٹیبل میں نئی خصوصیات شامل کیں، اور UPDATE اور MERGE استفسار کے بیانات کو اپ ڈیٹ کرنے کے لیے استعمال کیا۔ موجودہ کالموں کی خصوصیت کی قدریں۔
ہم آپ کی حوصلہ افزائی کرتے ہیں کہ ٹیبلز کو تیزی سے اور موثر طریقے سے بنانے کے لیے CTAS استفسارات کا استعمال کریں، اور Apache Iceberg کے ساتھ Athena کا استعمال کرتے ہوئے خصوصیات کو تبدیل کرتے وقت ڈیٹا کی تیاریوں کو آسان بنانے اور کاموں کو اپ ڈیٹ کرنے کے لیے میزوں کو ایک قدم میں ہم آہنگ کرنے کے لیے MERGE استفسار کا بیان استعمال کریں۔ اگر آپ کے پاس تبصرے یا آراء ہیں، تو براہ کرم انہیں تبصرے کے سیکشن میں چھوڑ دیں۔
مصنفین کے بارے میں
وویک گوتم اے ڈبلیو ایس پروفیشنل سروسز میں ڈیٹا لیکس میں مہارت کے ساتھ ڈیٹا آرکیٹیکٹ ہے۔ وہ AWS پر ڈیٹا پروڈکٹس، اینالیٹکس پلیٹ فارمز اور حل بنانے والے انٹرپرائز صارفین کے ساتھ کام کرتا ہے۔ جدید ڈیٹا پلیٹ فارم بنانے اور ڈیزائن نہ کرنے پر، ویویک کھانے کے شوقین ہیں جو نئے سفری مقامات کو تلاش کرنا اور پیدل سفر کرنا بھی پسند کرتے ہیں۔
میخائل وینشٹائن ایمیزون ویب سروسز کے ساتھ ایک حل آرکیٹیکٹ ہے۔ میخائل ہیلتھ کیئر اور لائف سائنسز کے صارفین کے ساتھ ایسے حل تیار کرنے کے لیے کام کرتا ہے جو مریضوں کے نتائج کو بہتر بنانے میں مدد کرتے ہیں۔ میخائل ڈیٹا اینالیٹکس سروسز میں مہارت رکھتا ہے۔
نریش گوتم AWS میں 20 سال کے تجربے کے ساتھ ڈیٹا اینالیٹکس اور AI/ML لیڈر ہے، جو صارفین کو ڈیٹا پر مبنی فیصلہ سازی کے ساتھ بااختیار بنانے کے لیے انتہائی دستیاب، اعلیٰ کارکردگی، اور لاگت سے موثر ڈیٹا اینالیٹکس اور AI/ML سلوشنز کے معمار کی مدد سے لطف اندوز ہوتا ہے۔ . اپنے فارغ وقت میں، وہ مراقبہ اور کھانا پکانے سے لطف اندوز ہوتا ہے۔
ہرشا تادیپرتھی AWS میں ایک ماہر پرنسپل سولیوشن آرکیٹیکٹ، تجزیات ہیں۔ وہ ڈیٹا بیس اور تجزیات میں کسٹمر کے پیچیدہ مسائل کو حل کرنے اور کامیاب نتائج فراہم کرنے سے لطف اندوز ہوتا ہے۔ کام سے باہر، وہ اپنے خاندان کے ساتھ وقت گزارنا، فلمیں دیکھنا، اور جب بھی ممکن ہو سفر کرنا پسند کرتا ہے۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- ای وی ایم فنانس۔ وکندریقرت مالیات کے لیے متحد انٹرفیس۔ یہاں تک رسائی حاصل کریں۔
- کوانٹم میڈیا گروپ۔ آئی آر/پی آر ایمپلیفائیڈ۔ یہاں تک رسائی حاصل کریں۔
- پلیٹوآئ اسٹریم۔ ویب 3 ڈیٹا انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/big-data/accelerate-data-science-feature-engineering-on-transactional-data-lakes-using-amazon-athena-with-apache-iceberg/
- : ہے
- : ہے
- : نہیں
- :کہاں
- $UP
- 10
- 100
- 12
- 17
- 20
- 20 سال
- 23
- 27
- 7
- a
- ہمارے بارے میں
- رفتار کو تیز تر
- تک رسائی حاصل
- کامیاب
- اکاؤنٹ
- اعمال
- شامل کریں
- شامل کیا
- انہوں نے مزید کہا
- ایڈیشنل
- پتہ
- AI / ML
- بھی
- اگرچہ
- ایمیزون
- ایمیزون ایتینا
- ایمیزون سیج میکر
- ایمیزون ویب سروسز
- رقم
- an
- تجزیاتی
- تجزیاتی
- تجزیاتی
- تجزیے
- تجزیہ
- اور
- ایک اور
- کوئی بھی
- اپاچی
- اپاچی چمک
- کیا
- AS
- At
- دستیاب
- اوسط
- سے اجتناب
- AWS
- AWS پروفیشنل سروسز
- کی بنیاد پر
- BE
- کیونکہ
- رہا
- فوائد
- تعمیر
- عمارت
- تعمیر
- by
- حساب
- کر سکتے ہیں
- صلاحیتوں
- مقدمات
- درجہ بندی
- بادل
- مجموعے
- کالم
- کالم
- جمع
- تبصروں
- کامن
- پیچیدہ
- کمپیوٹنگ
- کمپیوٹر
- کمپیوٹر ویژن
- ترتیب
- پر مشتمل ہے
- سیاق و سباق
- تبدیل
- کھانا پکانے
- کاپی
- اصلاحات
- سرمایہ کاری مؤثر
- تخلیق
- بنائی
- تخلیق
- گاہک
- گاہکوں
- اعداد و شمار
- ڈیٹا تجزیات
- ڈیٹا لیک
- ڈیٹا سائنس
- ڈیٹا سائنسدان
- اعداد و شمار پر مبنی ہے
- ڈیٹا بیس
- ڈیٹا بیس
- ڈیٹاسیٹس
- تاریخ
- فیصلہ کرنا
- فیصلہ کرنا
- گہرے
- پہلے سے طے شدہ
- ترسیل
- فراہم کرتا ہے
- مظاہرہ
- demonstrated,en
- ڈیزائننگ
- منزلوں
- تقسیم کئے
- کر
- دوگنا
- چھوڑ
- استحکام
- ہر ایک
- آسان
- ہنر
- مؤثر طریقے سے
- کوشش
- یا تو
- عناصر
- بااختیار
- کو چالو کرنے کے
- کی حوصلہ افزائی
- انجن
- انجنیئرنگ
- انجن
- بہتر
- انٹرپرائز
- انٹرپرائز گاہکوں
- حوصلہ افزائی
- پوری
- مساوی
- Ether (ETH)
- موجودہ
- تجربہ
- تلاش
- بیرونی
- جھوٹی
- خاندان
- فاسٹ
- تیز تر
- نمایاں کریں
- خصوصیات
- آراء
- فائلوں
- توجہ مرکوز
- پر عمل کریں
- کے بعد
- کھانا
- کے لئے
- فارمیٹ
- فریم ورک
- مفت
- سے
- عام طور پر
- پیدا
- حاصل
- Go
- گروپ
- حدووپ
- ہے
- he
- صحت کی دیکھ بھال
- مدد
- مدد
- اعلی کارکردگی
- انتہائی
- پریشان
- ان
- تاریخی
- چھتہ
- کس طرح
- کیسے
- HTML
- HTTPS
- شناخت
- کی نشاندہی
- if
- تصاویر
- کو بہتر بنانے کے
- in
- سمیت
- اضافہ
- ناکافی
- انفراسٹرکچر
- داخل کرتا ہے
- بصیرت
- کے بجائے
- ہدایات
- انٹرایکٹو
- میں
- متعارف
- تنہائی
- مسئلہ
- IT
- فوٹو
- JSON
- لیبل
- جھیل
- زبان
- بڑے
- آخری
- لے آؤٹ
- رہنما
- جانیں
- سیکھنے
- چھوڑ دو
- زندگی
- زندگی سائنس
- زندگی کا دورانیہ
- LIMIT
- مقامی
- محل وقوع
- سے محبت کرتا ہے
- مشین
- مشین لرننگ
- بنا
- بناتا ہے
- انتظام
- انتظام
- انتظام کرتا ہے
- بہت سے
- مارکیٹ
- ملا
- میکس
- بامعنی
- مراقبہ
- ذکر کیا
- ضم کریں
- دس لاکھ
- لاپتہ
- ML
- ماڈل
- ماڈل
- جدید
- نظر ثانی کرنے
- زیادہ
- فلم
- نام
- نامزد
- قوم
- قدرتی
- قدرتی زبان
- قدرتی زبان عملیات
- ضرورت ہے
- ضرورت ہے
- نئی
- نئی سہولت
- نئی خصوصیات
- نیا
- نہیں
- تعداد
- of
- اکثر
- on
- ایک
- صرف
- کھول
- اوپن سورس
- آپریشن
- آپریشنز
- or
- احکامات
- دیگر
- ہمارے
- نتائج
- باہر
- گزشتہ
- ادا
- انجام دینے کے
- کارکردگی
- فون
- پلیٹ فارم
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- مہربانی کرکے
- پوزیشن
- ممکن
- پوسٹ
- کی تیاری
- قیمت
- پرنسپل
- مسائل
- عمل
- عملدرآمد
- پروسیسنگ
- حاصل
- پیشہ ورانہ
- فراہم
- خرید
- خریداریوں
- مقاصد
- ازگر
- سوالات
- جلدی سے
- خام
- خام ڈیٹا
- پڑھیں
- تسلیم
- ریکارڈ
- ریکارڈ
- کو کم
- جاری
- ضرورت
- نتیجہ
- کا جائزہ لینے کے
- ROW
- رن
- چل رہا ہے
- sagemaker
- فروخت
- اسی
- پیمانے
- سائنس
- سائنس
- سائنسدان
- سائنسدانوں
- سیکشن
- بے سرور
- سروس
- سروسز
- مقرر
- کئی
- دکھایا گیا
- شوز
- اسی طرح
- سادہ
- آسان
- آسان بنانے
- ایک
- So
- حل
- حل کرنا۔
- ذرائع
- چنگاری
- ماہر
- مہارت دیتا ہے
- تقریر
- تقریر کی شناخت
- خرچ
- خرچ
- SQL
- معیار
- بیان
- بیانات
- مرحلہ
- مراحل
- ذخیرہ
- ذخیرہ
- ذخیرہ
- کارگر
- سلک
- کامیاب
- اس طرح
- حمایت
- کی حمایت کرتا ہے
- سسٹمز
- ٹیبل
- ٹاسک
- کاموں
- کہ
- ۔
- ضم کریں
- ان
- ان
- تو
- وہاں.
- یہ
- اس
- وقت
- وقت سفر
- کرنے کے لئے
- سب سے اوپر
- کل
- ٹرین
- ٹریننگ
- ٹرانزیکشن
- لین دین
- تبدیل
- تبدیل
- سفر
- قسم
- بنیادی
- افہام و تفہیم
- اپ ڈیٹ کریں
- اپ ڈیٹ
- تازہ ترین معلومات
- اپ گریڈ
- اپ لوڈ کردہ
- استعمال کی شرائط
- کا استعمال کرتے ہوئے
- عام طور پر
- تصدیق کریں۔
- قیمتی
- قیمت
- اقدار
- مختلف
- اس بات کی تصدیق
- ورژن
- بہت
- کی طرف سے
- ویڈیوز
- لنک
- نقطہ نظر
- چاہتے ہیں
- تھا
- دیکھیئے
- we
- ویب
- ویب خدمات
- تھے
- جب
- جب بھی
- جس
- جبکہ
- ڈبلیو
- ساتھ
- بغیر
- کام
- کام کا بہاؤ
- ورک گروپ
- کام کر
- کام کرتا ہے
- گا
- لکھنا
- سال
- سال
- آپ
- اور
- زیفیرنیٹ
- زپ