بڑے ڈیٹا کے اس دور میں، دنیا بھر کی تنظیمیں اپنے وسیع ڈیٹا سیٹس سے قدر اور بصیرت نکالنے کے لیے مسلسل جدید طریقے تلاش کر رہی ہیں۔ اپاچی چمک بڑی مقدار میں ڈیٹا کو موثر طریقے سے پروسیس کرنے کے لیے درکار اسکیل ایبلٹی اور رفتار پیش کرتا ہے۔
ایمیزون ای ایم آر اوپن سورس فریم ورک جیسے اپاچی اسپارک کا استعمال کرتے ہوئے پیٹا بائٹ اسکیل ڈیٹا پروسیسنگ، انٹرایکٹو اینالیٹکس، اور مشین لرننگ (ML) کے لیے صنعت کا معروف کلاؤڈ بڑا ڈیٹا حل ہے۔ اپاچی چھتے، اور پریسو. Apache Spark چلانے کے لیے Amazon EMR بہترین جگہ ہے۔ آپ جلدی اور آسانی سے سے منظم اسپارک کلسٹرز بنا سکتے ہیں۔ AWS مینجمنٹ کنسول, AWS کمانڈ لائن انٹرفیس (AWS CLI)، یا Amazon EMR API۔ آپ اضافی Amazon EMR خصوصیات بھی استعمال کر سکتے ہیں، بشمول فاسٹ ایمیزون سادہ اسٹوریج سروس ایمیزون EMR فائل سسٹم (EMRFS) کا استعمال کرتے ہوئے (ایمیزون S3) کنیکٹوٹی، کے ساتھ انضمام ایمیزون ای سی 2 اسپاٹ مارکیٹ اور AWS گلو ڈیٹا کیٹلاگ، اور آپ کے کلسٹر سے مثالوں کو شامل کرنے یا ہٹانے کے لیے EMR مینیجڈ اسکیلنگ۔ ایمیزون EMR اسٹوڈیو ایک مربوط ترقیاتی ماحول (IDE) ہے جو ڈیٹا سائنسدانوں اور ڈیٹا انجینئرز کے لیے R، Python، Scala، اور PySpark میں لکھی گئی ڈیٹا انجینئرنگ اور ڈیٹا سائنس ایپلی کیشنز کو تیار کرنے، تصور کرنے، اور ڈیبگ کرنے کے لیے آسان بناتا ہے۔ EMR اسٹوڈیو ڈیبگنگ کو آسان بنانے کے لیے مکمل طور پر منظم Jupyter نوٹ بک، اور Spark UI اور YARN ٹائم لائن سروس جیسے ٹولز فراہم کرتا ہے۔
ڈیٹا ٹروز کے اندر چھپی ہوئی صلاحیت کو کھولنے کے لیے، روایتی تجزیات سے آگے جانا ضروری ہے۔ جنریٹو AI درج کریں، ایک جدید ٹیکنالوجی جو ML کو تخلیقی صلاحیتوں کے ساتھ جوڑتی ہے تاکہ انسان جیسا متن، آرٹ، اور یہاں تک کہ کوڈ بھی تیار کیا جا سکے۔ ایمیزون بیڈرک فاؤنڈیشن ماڈلز (FMs) کے ساتھ جنریٹو AI ایپلی کیشنز کو بنانے اور اسکیل کرنے کا سب سے سیدھا طریقہ ہے۔ Amazon Bedrock ایک مکمل طور پر منظم سروس ہے جو Amazon اور معروف AI کمپنیوں کے FMs کو API کے ذریعے دستیاب کراتی ہے، اس لیے آپ کھیل کے میدان میں مختلف قسم کے FMs کے ساتھ تیزی سے تجربہ کر سکتے ہیں، اور اندازہ لگانے کے لیے ایک ہی API استعمال کر سکتے ہیں، قطع نظر اس کے کہ آپ جو بھی ماڈل منتخب کرتے ہیں۔ آپ کو مختلف فراہم کنندگان سے ایف ایم استعمال کرنے اور کوڈ میں کم سے کم تبدیلیوں کے ساتھ تازہ ترین ماڈل ورژن کے ساتھ اپ ٹو ڈیٹ رہنے کی لچک ہے۔
اس پوسٹ میں، ہم دریافت کرتے ہیں کہ آپ Amazon EMR، Amazon Bedrock، اور pyspark-ai کتب خانہ. pyspark-ai لائبریری Apache Spark کے لیے انگریزی SDK ہے۔ یہ انگریزی زبان میں ہدایات لیتا ہے اور انہیں PySpark اشیاء جیسے DataFrames میں مرتب کرتا ہے۔ یہ اسپارک کے ساتھ کام کرنا آسان بناتا ہے، جس سے آپ اپنے ڈیٹا سے قدر نکالنے پر توجہ مرکوز کر سکتے ہیں۔
حل جائزہ
مندرجہ ذیل خاکہ Amazon EMR اور Amazon Bedrock کے ساتھ جنریٹیو AI استعمال کرنے کے فن تعمیر کی وضاحت کرتا ہے۔
EMR اسٹوڈیو مکمل طور پر منظم Jupyter نوٹ بک کے لیے ایک ویب پر مبنی IDE ہے جو EMR کلسٹرز پر چلتی ہے۔ ہم EMR اسٹوڈیو ورک اسپیس کے ساتھ بات چیت کرتے ہیں جو EMR کلسٹر سے منسلک ہیں اور اس پوسٹ کے حصے کے طور پر فراہم کردہ نوٹ بک چلاتے ہیں۔ ہم استعمال کرتے ہیں نیویارک سٹی ٹیکسی صارفین کی طرف سے لی گئی مختلف ٹیکسی سواریوں کے بارے میں بصیرت حاصل کرنے کے لیے ڈیٹا۔ ہم اسپارک ڈیٹا فریم میں بھرے ہوئے ڈیٹا کے اوپر فطری زبان میں سوالات پوچھتے ہیں۔ pyspark-ai لائبریری پھر Amazon Bedrock سے Amazon Titan Text FM استعمال کرتی ہے تاکہ قدرتی زبان کے سوال پر مبنی SQL استفسار تیار کیا جا سکے۔ pyspark-ai لائبریری SQL استفسار لیتی ہے، اسے Spark SQL کا استعمال کرتے ہوئے چلاتی ہے، اور صارف کو نتائج واپس فراہم کرتی ہے۔
اس حل میں، آپ اپنے AWS اکاؤنٹ میں مطلوبہ وسائل کو ایک کے ساتھ تشکیل اور ترتیب دے سکتے ہیں۔ AWS کلاؤڈ فارمیشن سانچے. ٹیمپلیٹ تخلیق کرتا ہے۔ AWS گلو ڈیٹا بیس اور میزیں، S3 بالٹی، VPC، اور دیگر AWS شناخت اور رسائی کا انتظام (IAM) وسائل جو حل میں استعمال ہوتے ہیں۔
ٹیمپلیٹ کو یہ ظاہر کرنے کے لیے ڈیزائن کیا گیا ہے کہ EMR اسٹوڈیو کو pyspark-ai پیکیج اور Amazon Bedrock کے ساتھ کیسے استعمال کیا جائے، اور اس کا مقصد بغیر کسی ترمیم کے پیداواری استعمال کے لیے نہیں ہے۔ مزید برآں، ٹیمپلیٹ استعمال کرتا ہے۔ us-east-1
خطہ اور دوسرے علاقوں میں بغیر ترمیم کے کام نہیں کر سکتا۔ ٹیمپلیٹ ایسے وسائل تخلیق کرتا ہے جن کے استعمال کے دوران لاگت آتی ہے۔ وسائل کو حذف کرنے اور غیر ضروری چارجز سے بچنے کے لیے اس پوسٹ کے آخر میں صفائی کے اقدامات پر عمل کریں۔
شرائط
CloudFormation اسٹیک لانچ کرنے سے پہلے، یقینی بنائیں کہ آپ کے پاس درج ذیل ہیں:
- AWS اکاؤنٹ جو AWS خدمات تک رسائی فراہم کرتا ہے۔
- AWS CLI کو کنفیگر کرنے کے لیے رسائی کلید اور خفیہ کلید کے ساتھ ایک IAM صارف، اور AWS CloudFormation میں IAM رول، IAM پالیسیاں، اور اسٹیک بنانے کی اجازت
- Titan Text G1 - Express ماڈل فی الحال پیش نظارہ میں ہے، لہذا آپ کو اس پوسٹ کے حصے کے طور پر اسے استعمال کرنے کے لیے پیش نظارہ تک رسائی کی ضرورت ہے۔
AWS CloudFormation کے ساتھ وسائل بنائیں
CloudFormation درج ذیل AWS وسائل تخلیق کرتا ہے:
- EMR اسٹوڈیو، روٹ ٹیبلز، اور NAT گیٹ وے کے ساتھ استعمال کرنے کے لیے نجی اور عوامی ذیلی نیٹ کے ساتھ ایک VPC اسٹیک۔
- Python 3.9 کے ساتھ ایک EMR کلسٹر نصب ہے۔ ہم Python 3.9 اور دیگر متعلقہ پیکجوں جیسے pyspark-ai اور Amazon Bedrock انحصار کو انسٹال کرنے کے لیے بوٹسٹریپ ایکشن استعمال کر رہے ہیں۔ (مزید معلومات کے لیے، سے رجوع کریں۔ بوٹسٹریپ سکرپٹ.)
- EMR اسٹوڈیو ورک اسپیس اور نوٹ بک اسٹوریج کے لیے ایک S3 بالٹی۔
- EMR اسٹوڈیو سیٹ اپ، ایمیزون بیڈرک رسائی، اور نوٹ بک چلانے کے لیے IAM کے کردار اور پالیسیاں
شروع کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:
CloudFormation اسٹیک کو مکمل ہونے میں تقریباً 20-30 منٹ لگتے ہیں۔ آپ AWS CloudFormation کنسول پر اس کی پیشرفت کی نگرانی کر سکتے ہیں۔ جب اس کا سٹیٹس پڑھتا ہے۔ CREATE_COMPLETE
، آپ کے AWS اکاؤنٹ میں اس حل کو نافذ کرنے کے لیے ضروری وسائل ہوں گے۔
EMR اسٹوڈیو بنائیں
اب آپ نوٹ بک کوڈ کے ساتھ کام کرنے کے لیے ایک EMR اسٹوڈیو اور ورک اسپیس بنا سکتے ہیں۔ درج ذیل مراحل کو مکمل کریں:
- EMR اسٹوڈیو کنسول پر، منتخب کریں۔ اسٹوڈیو بنائیں۔
- درج کریں اسٹوڈیو کا نام as
GenAI-EMR-Studio
اور تفصیل فراہم کریں۔ - میں نیٹ ورکنگ اور سیکیورٹی سیکشن، درج ذیل کی وضاحت کریں:
- کے لئے وی پی سی، اس VPC کا انتخاب کریں جسے آپ نے CloudFormation اسٹیک کے حصے کے طور پر بنایا ہے جسے آپ نے تعینات کیا ہے۔ VPCID کلید کے لیے CloudFormation آؤٹ پٹ کا استعمال کرتے ہوئے VPC ID حاصل کریں۔
- کے لئے سبطینٹس، تمام چار سب نیٹس کا انتخاب کریں۔
- کے لئے سیکیورٹی اور رسائیمنتخب اپنی مرضی کے مطابق سیکورٹی گروپ.
- کے لئے کلسٹر/اینڈ پوائنٹ سیکورٹی گروپمنتخب کریں
EMRSparkAI-Cluster-Endpoint-SG
. - کے لئے ورک اسپیس سیکیورٹی گروپمنتخب کریں
EMRSparkAI-Workspace-SG
.
- میں اسٹوڈیو سروس کا کردار سیکشن، درج ذیل کی وضاحت کریں:
- کے لئے کی توثیقمنتخب AWS شناخت اور رسائی کا انتظام (IAM).
- کے لئے AWS IAM سروس رولمنتخب کریں
EMRSparkAI-StudioServiceRole
.
- میں ورک اسپیس اسٹوریج سیکشن، براؤز کریں اور اس سے شروع ہونے والی اسٹوریج کے لیے S3 بالٹی کا انتخاب کریں۔
emr-sparkai-<account-id>
. - میں سے انتخاب کریں اسٹوڈیو بنائیں.
- جب EMR سٹوڈیو بن جائے تو نیچے کا لنک منتخب کریں۔ اسٹوڈیو تک رسائی کا URL اسٹوڈیو تک رسائی حاصل کرنے کے لیے۔
- جب آپ اسٹوڈیو میں ہوں تو منتخب کریں۔ کام کی جگہ بنائیں.
- شامل کریں
emr-genai
ورک اسپیس کے نام کے طور پر اور منتخب کریں۔ کام کی جگہ بنائیں. - جب ورک اسپیس بن جائے، تو ورک اسپیس کو لانچ کرنے کے لیے اس کا نام منتخب کریں (یقینی بنائیں کہ آپ نے کسی بھی پاپ اپ بلاکرز کو غیر فعال کردیا ہے)۔
Amazon EMR اور جنریٹو AI کے ساتھ Apache Spark کا استعمال کرتے ہوئے بڑے ڈیٹا اینالیٹکس
اب جب کہ ہم نے مطلوبہ سیٹ اپ مکمل کر لیا ہے، ہم Amazon EMR اور جنریٹیو AI کے ساتھ Apache Spark کا استعمال کرتے ہوئے ڈیٹا کے بڑے تجزیات کو انجام دینا شروع کر سکتے ہیں۔
پہلے قدم کے طور پر، ہم ایک نوٹ بک لوڈ کرتے ہیں جس میں استعمال کے کیس کے ساتھ کام کرنے کے لیے مطلوبہ کوڈ اور مثالیں ہوتی ہیں۔ ہم NY ٹیکسی ڈیٹاسیٹ استعمال کرتے ہیں، جس میں ٹیکسی کی سواریوں کی تفصیلات ہوتی ہیں۔
- نوٹ بک فائل ڈاؤن لوڈ کریں۔ NYTaxi.ipynb اور اپ لوڈ آئیکن کو منتخب کرکے اسے اپنے ورک اسپیس پر اپ لوڈ کریں۔
- نوٹ بک درآمد کرنے کے بعد، نوٹ بک کھولیں اور منتخب کریں۔
PySpark
دانا کے طور پر.
پی اسپارک اے آئی بطور ڈیفالٹ OpenAI کے ChatGPT4.0 کو LLM ماڈل کے طور پر استعمال کرتا ہے، لیکن آپ Amazon Bedrock سے ماڈلز بھی پلگ ان کر سکتے ہیں، ایمیزون سیج میکر جمپ اسٹارٹ، اور دوسرے فریق ثالث کے ماڈلز۔ اس پوسٹ کے لیے، ہم یہ دکھاتے ہیں کہ کس طرح ایمیزون بیڈروک ٹائٹن ماڈل کو ایس کیو ایل استفسار کے لیے مربوط کیا جائے اور اسے ایمیزون EMR میں Apache Spark کے ساتھ چلایا جائے۔
- نوٹ بک کے ساتھ شروع کرنے کے لیے، آپ کو ورک اسپیس کو کمپیوٹ لیئر سے جوڑنے کی ضرورت ہے۔ ایسا کرنے کے لیے، منتخب کریں۔ کمپیوٹنگ نیویگیشن پین میں آئیکن اور CloudFormation اسٹیک کے ذریعے تخلیق کردہ EMR کلسٹر کا انتخاب کریں۔
- Amazon EMR کے ساتھ اپ ڈیٹ شدہ Python 3.9 پیکیج کو استعمال کرنے کے لیے Python کے پیرامیٹرز کو ترتیب دیں:
- ضروری لائبریریاں درآمد کریں:
- لائبریریوں کو درآمد کرنے کے بعد، آپ ایمیزون بیڈرک سے ایل ایل ایم ماڈل کی وضاحت کر سکتے ہیں۔ اس صورت میں، ہم amazon.titan-text-express-v1 استعمال کرتے ہیں۔ آپ کو Titan Text G1 – Express ماڈل کے لیے اپنی پیش نظارہ رسائی کی بنیاد پر علاقہ اور Amazon Bedrock اینڈ پوائنٹ کا URL درج کرنے کی ضرورت ہے۔
- قدرتی زبان میں سوالات کی بنیاد پر SQL استفسار جنریشن کے لیے Spark AI کو Amazon Bedrock LLM ماڈل سے جوڑیں:
یہاں، ہم نے Spark AI کو verbose=False کے ساتھ شروع کیا ہے۔ مزید تفصیلات دیکھنے کے لیے آپ verbose=True بھی سیٹ کر سکتے ہیں۔
اب آپ اسپارک ڈیٹا فریم میں NYC ٹیکسی ڈیٹا پڑھ سکتے ہیں اور اسپارک میں جنریٹیو AI کی طاقت استعمال کر سکتے ہیں۔
- مثال کے طور پر، آپ ڈیٹا سیٹ میں ریکارڈز کی تعداد کی گنتی پوچھ سکتے ہیں:
ہمیں درج ذیل جواب ملتا ہے:
اسپارک AI اندرونی طور پر استعمال کرتا ہے۔ لینگ چین اور SQL چین، جو Spark میں سوالات کے ساتھ کام کرنے والے اختتامی صارفین سے پیچیدگی کو چھپاتا ہے۔
نوٹ بک میں Apache Spark اور Amazon EMR کے ساتھ جنریٹیو AI کی طاقت کو دریافت کرنے کے لیے کچھ اور مثالیں ہیں۔
صاف کرو
S3 بالٹی کے مواد کو خالی کریں۔ emr-sparkai-<account-id>
، اس پوسٹ کے حصے کے طور پر تخلیق کردہ EMR اسٹوڈیو ورک اسپیس کو حذف کریں، اور پھر CloudFormation اسٹیک کو حذف کریں جسے آپ نے تعینات کیا ہے۔
نتیجہ
اس پوسٹ نے دکھایا کہ آپ اپنے بڑے ڈیٹا اینالیٹکس کو ایمیزون EMR اور Amazon Bedrock کے ساتھ Apache Spark کی مدد سے کیسے سپرچارج کر سکتے ہیں۔ PySpark AI پیکیج آپ کو اپنے ڈیٹا سے بامعنی بصیرت حاصل کرنے کی اجازت دیتا ہے۔ یہ ترقی اور تجزیہ کے وقت کو کم کرنے میں مدد کرتا ہے، دستی سوالات لکھنے کے لیے وقت کو کم کرتا ہے اور آپ کو اپنے کاروباری استعمال کے معاملے پر توجہ مرکوز کرنے کی اجازت دیتا ہے۔
مصنفین کے بارے میں
سوربھ بھٹیانی AWS میں پرنسپل تجزیات کے ماہر حل آرکیٹیکٹ ہیں۔ وہ نئی ٹیکنالوجیز کے بارے میں پرجوش ہے۔ اس نے 2019 میں AWS میں شمولیت اختیار کی اور AWS خدمات جیسے Amazon Bedrock، Amazon SageMaker، Amazon EMR، Amazon Athena، AWS Glue، AWS Glue، Formation کا استعمال کرتے ہوئے جنریٹو AI استعمال کے کیسز، اسکیل ایبل اینالیٹکس سلوشنز اور ڈیٹا میش آرکیٹیکچرز چلانے کے لیے آرکیٹیکچرل رہنمائی فراہم کرنے کے لیے صارفین کے ساتھ کام کیا۔ اور ایمیزون ڈیٹا زون۔
Harsh Varanhan ایک AWS سینئر سولیوشن آرکیٹیکٹ ہے، جو تجزیات میں مہارت رکھتا ہے۔ اسے بگ ڈیٹا اور ڈیٹا سائنس کے شعبے میں کام کرنے کا 8 سال سے زیادہ کا تجربہ ہے۔ وہ صارفین کو بہترین طریقوں کو اپنانے اور ان کے ڈیٹا سے بصیرت دریافت کرنے میں مدد کرنے کا شوق رکھتا 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/big-data/use-generative-ai-with-amazon-emr-amazon-bedrock-and-english-sdk-for-apache-spark-to-unlock-insights/
- : ہے
- : ہے
- : نہیں
- $UP
- 1
- 10
- 100
- 107
- 11
- 20
- 200
- 2019
- 320
- 500
- 521
- 7
- 8
- 9
- 990
- a
- ہمارے بارے میں
- تک رسائی حاصل
- رسائی کا انتظام
- اکاؤنٹ
- تسلیم کرتے ہیں
- عمل
- شامل کریں
- ایڈیشنل
- اس کے علاوہ
- اپنانے
- AI
- AI استعمال کے معاملات
- تمام
- اجازت دے رہا ہے
- کی اجازت دیتا ہے
- بھی
- ایمیزون
- ایمیزون ایتینا
- ایمیزون ای ایم آر
- ایمیزون سیج میکر
- ایمیزون ویب سروسز
- مقدار
- an
- تجزیہ
- تجزیاتی
- اور
- جواب
- کوئی بھی
- اپاچی
- اپاچی چمک
- اے پی آئی
- ایپلی کیشنز
- تقریبا
- ارکیٹیکچرل
- فن تعمیر
- کیا
- فن
- AS
- پوچھنا
- ایسوسی ایٹ
- At
- دستیاب
- سے اجتناب
- AWS
- AWS کلاؤڈ فارمیشن
- AWS گلو
- AWS جھیل کی تشکیل
- واپس
- کی بنیاد پر
- BEST
- بہترین طریقوں
- سے پرے
- بگ
- بگ ڈیٹا
- بوٹسٹریپ
- تعمیر
- کاروبار
- لیکن
- بٹن
- by
- کر سکتے ہیں
- کیس
- مقدمات
- کیٹلوگ
- چین
- تبدیلیاں
- بوجھ
- میں سے انتخاب کریں
- منتخب کریں
- شہر
- بادل
- کلاؤڈ بڑا ڈیٹا
- کلسٹر
- کوڈ
- یکجا
- کمپنیاں
- مکمل
- مکمل
- پیچیدگی
- کمپیوٹنگ
- منسلک
- رابطہ
- کنسول
- مسلسل
- پر مشتمل ہے
- مندرجات
- اخراجات
- تخلیق
- بنائی
- پیدا
- تخلیقی
- اس وقت
- گاہکوں
- جدید
- اعداد و شمار
- ڈیٹا تجزیات
- ڈیٹا پروسیسنگ
- ڈیٹا سائنس
- ڈیٹا بیس
- ڈیٹاسیٹس
- تاریخ
- پہلے سے طے شدہ
- وضاحت
- مظاہرہ
- انحصار
- تعینات
- اخذ کردہ
- تفصیل
- ڈیزائن
- تفصیلات
- ترقی
- ترقی
- مختلف
- غیر فعال کر دیا
- دریافت
- do
- مؤثر طریقے سے
- محنت سے
- آخر
- اختتام پوائنٹ
- انجنیئرنگ
- انجینئرز
- انگریزی
- کو یقینی بنانے کے
- درج
- اندر
- ماحولیات
- دور
- ضروری
- Ether (ETH)
- بھی
- مثال کے طور پر
- مثال کے طور پر
- تجربہ
- تجربہ
- تلاش
- ایکسپریس
- نکالنے
- فاسٹ
- خصوصیات
- چند
- میدان
- فائل
- فائنل
- پہلا
- لچک
- توجہ مرکوز
- پر عمل کریں
- کے بعد
- کے لئے
- قیام
- فاؤنڈیشن
- چار
- فریم ورک
- سے
- مکمل طور پر
- g1
- گارنر
- گیٹ وے
- پیدا
- نسل
- پیداواری
- پیداواری AI۔
- حاصل
- دے
- Go
- رہنمائی
- ہے
- he
- مدد
- مدد
- مدد کرتا ہے
- پوشیدہ
- ذاتی ترامیم چھپائیں
- کس طرح
- کیسے
- HTTP
- HTTPS
- i
- IAM
- آئکن
- ID
- شناختی
- شناخت اور رسائی کا انتظام
- وضاحت کرتا ہے
- پر عملدرآمد
- درآمد
- in
- دیگر میں
- سمیت
- صنعت کے معروف
- معلومات
- جدید
- ان پٹ
- بصیرت
- انسٹال
- واقعات
- ہدایات
- ضم
- ضم
- انضمام
- ارادہ
- بات چیت
- انٹرایکٹو
- اندرونی طور پر
- میں
- IT
- میں
- شامل ہو گئے
- فوٹو
- رکھیں
- کلیدی
- جان
- جھیل
- زبان
- بڑے
- تازہ ترین
- شروع
- پرت
- معروف
- سیکھنے
- لائبریریوں
- لائبریری
- کی طرح
- لائن
- LINK
- لوڈ
- مشین
- مشین لرننگ
- بنا
- بناتا ہے
- میں کامیاب
- انتظام
- دستی
- مارکیٹ
- مئی..
- بامعنی
- میش
- کم سے کم
- منٹ
- ML
- ماڈل
- ماڈل
- کی نگرانی
- زیادہ
- سب سے زیادہ
- نام
- قدرتی
- قدرتی زبان
- سمت شناسی
- ضروری
- ضرورت ہے
- ضرورت
- نیٹ ورکنگ
- نئی
- نئی ٹیکنالوجی
- نوٹ بک
- نوٹ بک
- اب
- تعداد
- NY
- NYC
- اشیاء
- جائزہ
- of
- تجویز
- on
- کھول
- اوپن سورس
- or
- تنظیمیں
- دیگر
- نتائج
- پر
- مجموعی جائزہ
- پیکج
- پیکجوں کے
- پین
- پیرامیٹرز
- حصہ
- جذباتی
- کارکردگی کا مظاہرہ
- اجازتیں
- مقام
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- کھیل کے میدان
- پلگ
- پالیسیاں
- پاپ اپ
- پوسٹ
- ممکنہ
- طاقت
- طریقوں
- پیش نظارہ
- پرنسپل
- نجی
- عمل
- پروسیسنگ
- پیداوار
- پیش رفت
- فراہم
- فراہم
- فراہم کرنے والے
- فراہم کرتا ہے
- عوامی
- ازگر
- سوالات
- سوال
- سوالات
- جلدی سے
- R
- پڑھیں
- ریکارڈ
- کو کم
- کو کم کرنے
- کا حوالہ دیتے ہیں
- بے شک
- خطے
- خطوں
- متعلقہ
- ہٹا
- ضرورت
- وسائل
- جواب
- نتائج کی نمائش
- سواری
- کردار
- کردار
- روٹ
- رن
- چل رہا ہے
- چلتا ہے
- sagemaker
- بڑے پیمانے پر
- اسکیل ایبلٹی
- توسیع پذیر
- پیمانے
- سکیلنگ
- منظرنامے
- سائنس
- سائنسدانوں
- sdk
- تلاش
- خفیہ
- سیکورٹی
- دیکھنا
- منتخب
- سینئر
- سروس
- سروسز
- مقرر
- سیٹ اپ
- دکھائیں
- سے ظاہر ہوا
- سادہ
- آسان بنانے
- ایک
- So
- حل
- حل
- ماخذ
- چنگاری
- ماہر
- مہارت
- تیزی
- SQL
- ڈھیر لگانا
- Stacks
- شروع کریں
- شروع
- شروع
- درجہ
- مرحلہ
- مراحل
- ذخیرہ
- براہ راست
- سٹوڈیو
- ذیلی نیٹ
- اس طرح
- سپرچارج
- اس بات کا یقین
- کے نظام
- ٹیبل
- لیا
- لیتا ہے
- ٹیکنالوجی
- ٹیکنالوجی
- سانچے
- متن
- کہ
- ۔
- ان
- ان
- تو
- وہ
- تیسری پارٹی
- اس
- سوچا
- کے ذریعے
- وقت
- ٹائم لائن
- ٹائٹین
- کرنے کے لئے
- اوزار
- سب سے اوپر
- روایتی
- ui
- کے تحت
- انلاک
- اپ ڈیٹ
- URL
- استعمال کی شرائط
- استعمال کیس
- استعمال کیا جاتا ہے
- رکن کا
- صارفین
- استعمال
- کا استعمال کرتے ہوئے
- قیمت
- مختلف اقسام کے
- مختلف
- وسیع
- تصور کرنا
- راستہ..
- طریقوں
- we
- ویب
- ویب خدمات
- ویب پر مبنی ہے
- جب
- جس
- جبکہ
- گے
- ساتھ
- کے اندر
- بغیر
- کام
- کام کر
- کام کرتا ہے
- دنیا بھر
- لکھنا
- لکھا
- سال
- یارک
- آپ
- اور
- زیفیرنیٹ