उद्यम से संबंधित असंरचित डेटा लगातार बढ़ रहा है, जिससे ग्राहकों और कर्मचारियों के लिए उनकी आवश्यक जानकारी प्राप्त करना एक चुनौती बन गया है। अमेज़ॅन केंद्र मशीन लर्निंग (एमएल) द्वारा संचालित एक अत्यधिक सटीक बुद्धिमान खोज सेवा है। यह आपके द्वारा खोजी जा रही सामग्री को आसानी से ढूंढने में आपकी सहायता करता है, भले ही वह कई स्थानों और सामग्री भंडारों में बिखरी हुई हो।
अमेज़ॅन केंद्र सटीक उत्तर देने के लिए गहन सीखने और पढ़ने की समझ का लाभ उठाता है। यह एक उपयोगकर्ता अनुभव के लिए प्राकृतिक भाषा खोज प्रदान करता है जो मानव विशेषज्ञ के साथ बातचीत करने जैसा है। जब दस्तावेज़ों का स्पष्ट उत्तर नहीं होता है या यदि प्रश्न अस्पष्ट है, तो अमेज़ॅन केंद्र उपयोगकर्ता को चुनने के लिए सबसे प्रासंगिक दस्तावेज़ों की एक सूची देता है।
प्रासंगिक दस्तावेज़ों की सूची को संक्षिप्त करने में सहायता के लिए, आप असाइन कर सकते हैं मेटाडेटा दस्तावेज़ अंतर्ग्रहण के समय प्रदान करने के लिए फ़िल्टरिंग और फ़ेसटिंग क्षमताओं, Amazon.com खुदरा साइट के समान अनुभव के लिए जहां आपको वेबपेज के बाईं ओर फ़िल्टरिंग विकल्पों के साथ प्रस्तुत किया जाता है। लेकिन क्या होगा यदि मूल दस्तावेज़ों में कोई मेटाडेटा नहीं है, या उपयोगकर्ताओं की प्राथमिकता है कि यह जानकारी कैसे वर्गीकृत की जाती है? आप सामग्री को समृद्ध करने और खोजने और खोजने में आसान बनाने के लिए एमएल का उपयोग करके स्वचालित रूप से मेटाडेटा उत्पन्न कर सकते हैं।
यह पोस्ट बताता है कि आप कैसे मेटाडेटा पीढ़ी को स्वचालित और सरल बना सकते हैं अमेज़न कॉम्प्रिहेंड मेडिकल, एक प्राकृतिक भाषा प्रसंस्करण (एनएलपी) सेवा है जो चिकित्सा संस्थाओं और असंरचित चिकित्सा पाठ में संबंधों जैसे स्वास्थ्य और जीवन विज्ञान (एचसीएलएस) से संबंधित अंतर्दृष्टि खोजने के लिए एमएल का उपयोग करती है। तब उत्पन्न मेटाडेटा को इस रूप में अंतर्ग्रहण किया जाता है कस्टम विशेषताएँ दस्तावेज़ों के साथ a . में अमेज़न केंद्र सूचकांक. एचसीएलएस के अलावा अन्य डोमेन से संबंधित सामान्य जानकारी या जानकारी वाले दस्तावेजों वाले भंडार के लिए, आप एक समान दृष्टिकोण का उपयोग कर सकते हैं Amazon Comprehend मेटाडेटा पीढ़ी को स्वचालित करने के लिए।
समृद्ध डेटा के साथ एक बुद्धिमान खोज समाधान प्रदर्शित करने के लिए, हम में सूचीबद्ध दवाओं के विकिपीडिया पृष्ठों का उपयोग करते हैं विश्व स्वास्थ्य संगठन (डब्ल्यूएचओ) आवश्यक दवाओं की मॉडल सूची. हम इस सामग्री को अमेज़ॅन कॉम्प्रिहेंड मेडिकल का उपयोग करके स्वचालित रूप से उत्पन्न मेटाडेटा के साथ एक एकीकृत अमेज़ॅन केंद्र इंडेक्स में जोड़ते हैं ताकि इसे खोजा जा सके। आप जा सकते हैं खोज आवेदन और इसे अपने आप से कुछ प्रश्न पूछने का प्रयास करें, जैसे "वयस्कों के लिए अनुशंसित पैरासिटामोल खुराक क्या है?" निम्न स्क्रीनशॉट परिणाम दिखाता है।
समाधान अवलोकन
हम सामग्री अंतर्ग्रहण प्रक्रिया के दौरान कस्टम सामग्री संवर्धन के लिए दो-चरणीय दृष्टिकोण अपनाते हैं:
- Amazon Comprehend Medical का उपयोग करके प्रत्येक दस्तावेज़ के लिए मेटाडेटा की पहचान करें।
- अमेज़ॅन केंद्र इंडेक्स पर आधारित खोज समाधान में मेटाडेटा के साथ दस्तावेज़ को सम्मिलित करें।
Amazon Comprehend Medical, दवा, चिकित्सा स्थिति, शारीरिक स्थिति, मार्ग और दवा जैसी संस्थाओं के बीच संबंध, और निषेध जैसे लक्षणों को निकालकर दस्तावेज़ों की सामग्री के बारे में चिकित्सा अंतर्दृष्टि निकालने के लिए NLP का उपयोग करता है। इस उदाहरण में, आवश्यक दवाओं की WHO मॉडल सूची से प्रत्येक दवा के विकिपीडिया पृष्ठ के लिए, हम इसका उपयोग करते हैं डिटेक्टएंटिटीजV2 ऑपरेशन श्रेणियों में संस्थाओं का पता लगाने के लिए अमेज़ॅन कॉम्प्रिहेंड मेडिकल के ANATOMY
, MEDICAL_CONDITION
, MEDICATION
, PROTECTED_HEALTH_INFORMATION
, TEST_TREATMENT_PROCEDURE
, तथा TIME_EXPRESSION
. हम दस्तावेज़ मेटाडेटा उत्पन्न करने के लिए इन संस्थाओं का उपयोग करते हैं।
हम प्रकार की कस्टम विशेषताओं को परिभाषित करके अमेज़न केंद्र सूचकांक तैयार करते हैं STRING_LIST इकाई श्रेणियों के अनुरूप ANATOMY
, MEDICAL_CONDITION
, MEDICATION
, PROTECTED_HEALTH_INFORMATION
, TEST_TREATMENT_PROCEDURE
, तथा TIME_EXPRESSION
. प्रत्येक दस्तावेज़ के लिए, DetectEntitiesV2
अमेज़ॅन कॉम्प्रिहेंड मेडिकल का संचालन संस्थाओं की एक वर्गीकृत सूची देता है। पर्याप्त रूप से उच्च आत्मविश्वास स्कोर (इस उपयोग के मामले के लिए, ०.९७ से अधिक) के साथ इस सूची की प्रत्येक इकाई को उसकी श्रेणी के अनुरूप कस्टम विशेषता में जोड़ा जाता है। सभी खोजी गई संस्थाओं को इस तरह से संसाधित करने के बाद, आबादी वाले गुणों का उपयोग उत्पन्न करने के लिए किया जाता है मेटाडेटा उस दस्तावेज़ के अनुरूप JSON फ़ाइल। अमेज़ॅन केंद्र की विशेषता के लिए 10 स्ट्रिंग्स की ऊपरी सीमा है STRING_LIST
प्रकार। इस उदाहरण में, हम संसाधित दस्तावेज़ में घटना की उच्चतम आवृत्ति वाली शीर्ष 10 संस्थाओं को लेते हैं।
सभी दस्तावेज़ों के लिए मेटाडेटा JSON फ़ाइलें बनने के बाद, उन्हें कॉपी किया जाता है अमेज़न सरल भंडारण सेवा (अमेज़ॅन एस3) बकेट को अमेज़ॅन केंद्र इंडेक्स में डेटा स्रोत के रूप में कॉन्फ़िगर किया गया है, और मेटाडेटा के साथ इंडेक्स में दस्तावेज़ों को सम्मिलित करने के लिए डेटा स्रोत सिंक किया जाता है।
.. पूर्वापेक्षाएँ
इस पोस्ट में समाधान के साथ तैनाती और काम करने के लिए, सुनिश्चित करें कि आपके पास निम्नलिखित हैं:
आर्किटेक्चर
हम उपयोग एडब्ल्यूएस CloudFormation टेम्पलेट medkendratemplate.yaml
प्रकार की कस्टम विशेषताओं के साथ एक अमेज़ॅन केंद्र इंडेक्स को तैनात करने के लिए STRING_LIST इकाई श्रेणियों के अनुरूप ANATOMY
, MEDICAL_CONDITION
, MEDICATION
, PROTECTED_HEALTH_INFORMATION
, TEST_TREATMENT_PROCEDURE
, तथा TIME_EXPRESSION
.
निम्नलिखित चित्र हमारे समाधान वास्तुकला को दर्शाता है।
इस वास्तुकला के आधार पर, समाधान बनाने और उपयोग करने के चरण इस प्रकार हैं:
- CloudShell पर, एक बैश स्क्रिप्ट जिसे कहा जाता है
getpages.sh
दवाओं के विकिपीडिया पृष्ठों को डाउनलोड करता है और उन्हें टेक्स्ट फाइलों के रूप में संग्रहीत करता है। - एक पायथन लिपि जिसे कहा जाता है
meds.py
, जिसमें मेटाडेटा पीढ़ी के स्वचालन का मुख्य तर्क शामिल है, बनाता है पता लगाना_संस्था_v2 प्रत्येक विकिपीडिया पृष्ठ के लिए संस्थाओं का पता लगाने और लौटाई गई संस्थाओं के आधार पर मेटाडेटा उत्पन्न करने के लिए Amazon Comprehend Medical को API कॉल इस लिपि में प्रयुक्त चरण इस प्रकार हैं:- विकिपीडिया पेज टेक्स्ट को text द्वारा अनुमत अधिकतम टेक्स्ट आकार से छोटे टुकड़ों में विभाजित करें
detect_entities_v2
एपीआई कॉल। - बनाना
detect_entities_v2
पु का र ना। - इनके द्वारा खोजी गई इकाइयों को फ़िल्टर करें
detect_entities_v2
थ्रेशोल्ड कॉन्फिडेंस स्कोर (इस उदाहरण के लिए 0.97) का उपयोग करके कॉल करें। - अपनी श्रेणी के अनुरूप प्रत्येक अद्वितीय इकाई और उस इकाई के घटित होने की आवृत्ति पर नज़र रखें।
- प्रत्येक निकाय श्रेणी के लिए, उस श्रेणी की संस्थाओं को घटना की उच्चतम से निम्नतम आवृत्ति तक क्रमबद्ध करें और शीर्ष 10 निकायों का चयन करें।
- चयनित निकायों के आधार पर मेटाडेटा ऑब्जेक्ट बनाएं और इसे JSON प्रारूप में आउटपुट करें।
- विकिपीडिया पेज टेक्स्ट को text द्वारा अनुमत अधिकतम टेक्स्ट आकार से छोटे टुकड़ों में विभाजित करें
- हम टेक्स्ट डेटा और मेटाडेटा को S3 बकेट में कॉपी करने के लिए AWS CLI का उपयोग करते हैं जिसे S3 कनेक्टर का उपयोग करके Amazon Kendra अनुक्रमणिका में डेटा स्रोत के रूप में कॉन्फ़िगर किया गया है।
- हम अमेज़ॅन केंद्र इंडेक्स में मेटाडेटा के साथ दस्तावेज़ों की सामग्री को सम्मिलित करने के लिए अमेज़ॅन केंद्र कंसोल का उपयोग करके डेटा स्रोत सिंक करते हैं।
- अंत में, हम अनुक्रमणिका में प्रश्न पूछने के लिए Amazon Kendra search console का उपयोग करते हैं।
डेटा स्रोत के रूप में उपयोग करने के लिए Amazon S3 बकेट बनाएं
एक Amazon S3 बकेट बनाएं जिसे आप Amazon Kendra index के लिए डेटा स्रोत के रूप में उपयोग करेंगे।
CloudFormation स्टैक के रूप में अवसंरचना को परिनियोजित करें
इस समाधान के लिए बुनियादी ढांचे और संसाधनों को तैनात करने के लिए, निम्नलिखित चरणों को पूरा करें:
एक अलग ब्राउज़र टैब में, खोलें एडब्ल्यूएस प्रबंधन कंसोल, और सुनिश्चित करें कि आप अपने AWS खाते में लॉग इन हैं। इन्फ्रास्ट्रक्चर को परिनियोजित करने के लिए CloudFormation स्टैक लॉन्च करने के लिए निम्न बटन पर क्लिक करें।
उसके बाद आपको निम्न छवि के समान एक पृष्ठ देखना चाहिए:
के लिए S3DataSourceबकेट, s3: // उपसर्ग के बिना अपना डेटा स्रोत बाल्टी नाम दर्ज करें, चुनें मैं स्वीकार करता हूं कि AWS CloudFormation कस्टम नाम के साथ IAM संसाधन बना सकता है, और फिर चुनें स्टैक बनाएँ.
स्टैक निर्माण को पूरा होने में 30-45 मिनट लग सकते हैं। आप स्टैक निर्माण स्थिति की निगरानी कर सकते हैं ढेर जानकारी टैब। आप विभिन्न टैब भी देख सकते हैं, जैसे आयोजन, उपयुक्त संसाधन चुनें , तथा टेम्पलेट. जबकि स्टैक बनाया जा रहा है, आप अगले कुछ चरणों में डेटा प्राप्त करने और मेटाडेटा उत्पन्न करने पर काम कर सकते हैं।
डेटा प्राप्त करें और मेटाडेटा उत्पन्न करें
अपना डेटा प्राप्त करने और मेटाडेटा जनरेट करना प्रारंभ करने के लिए, निम्न चरणों को पूरा करें:
- एडब्ल्यूएस प्रबंधन कंसोल पर, शुरू करने के लिए निम्न चित्र में एक लाल वृत्त द्वारा दिखाए गए आइकन पर क्लिक करें एडब्ल्यूएस क्लाउडशेल.
- फ़ाइल की प्रतिलिपि
code-data.tgz
और निम्न आदेशों का उपयोग करके सामग्री को निकालें एडब्ल्यूएस क्लाउडशेल:
- कार्यशील निर्देशिका को इसमें बदलें
code-data
:
इस बिंदु पर, आप डेटा प्राप्त करने के लिए एंड-टू-एंड वर्कफ़्लो चलाना चुन सकते हैं, Amazon Comprehend Medical (जिसमें लगभग 35-40 मिनट लगते हैं) का उपयोग करके मेटाडेटा बना सकते हैं, और फिर Amazon में मेटाडेटा के साथ डेटा को अंतर्ग्रहण कर सकते हैं। केंद्र इंडेक्स, या केवल मेटाडेटा के साथ डेटा को अंतर्ग्रहण करने के लिए अंतिम चरण को पूरा करें जो कि अमेज़ॅन कॉम्प्रिहेंड मेडिकल का उपयोग करके उत्पन्न किया गया है और सुविधा के लिए पैकेज में आपूर्ति की गई है।
- पैकेज में दिए गए मेटाडेटा का उपयोग करने के लिए, निम्न कोड दर्ज करें और फिर चरण 6 पर जाएं:
- एंड-टू-एंड समाधान बनाने का व्यावहारिक अनुभव प्राप्त करने के लिए इस चरण का पालन करें। निम्न आदेश main.sh नामक एक बैश स्क्रिप्ट चलाता है, जो निम्न स्क्रिप्ट को कॉल करता है:
prereq.sh
पूर्वापेक्षाएँ स्थापित करने और डेटा और मेटाडेटा संग्रहीत करने के लिए उपनिर्देशिकाएँ बनाने के लिएgetpages.sh
सूची में दवाओं के विकिपीडिया पृष्ठ प्राप्त करने के लिएgetmetapar.sh
फोन करनाmeds.py
प्रत्येक दस्तावेज़ के लिए पायथन लिपि
पायथन लिपि meds.py
बनाने के लिए तर्क शामिल है get_entities_v2
Amazon Comprehend Medical को कॉल करें और फिर JSON मेटाडेटा फ़ाइल बनाने के लिए आउटपुट को प्रोसेस करें। इसे पूरा होने में लगभग 30-40 मिनट का समय लगता है।
चरण 5 निष्पादित करते समय, यदि CloudShell का समय समाप्त हो जाता है, तो सुरक्षा टोकन ताज़ा हो जाते हैं, या सभी डेटा संसाधित होने से पहले स्क्रिप्ट बंद हो जाती है, CloudShell सत्र फिर से शुरू करें और चलाएं getmetapar.sh
, जो डेटा प्रोसेसिंग को उस बिंदु से शुरू करता है जहां इसे रोका गया था:
- डेटा और मेटाडेटा को S3 बकेट में अपलोड करें, जिसका उपयोग अमेज़ॅन केंद्र इंडेक्स के लिए डेटा स्रोत के रूप में निम्नलिखित AWS CLI कमांड का उपयोग करके किया जा रहा है:
Amazon Kendra कॉन्फ़िगरेशन की समीक्षा करें और डेटा स्रोत सिंक शुरू करें
इस चरण को शुरू करने से पहले, सुनिश्चित करें कि CloudFormation स्टैक निर्माण पूरा हो गया है। निम्नलिखित चरणों में, हम दस्तावेज़ों को क्रॉल और अनुक्रमित करना प्रारंभ करने के लिए डेटा स्रोत समन्वयन प्रारंभ करते हैं।
- अमेज़ॅन केंद्र कंसोल पर, इंडेक्स AuthKendraIndex चुनें, जो CloudFormation स्टैक के भाग के रूप में बनाया गया था।
- नेविगेशन फलक में, चुनें डाटा के स्रोत.
- पर सेटिंग टैब पर, आप देख सकते हैं कि डेटा स्रोत बकेट कॉन्फ़िगर किया जा रहा है।
- डेटा स्रोत चुनें और चुनें अभी सिंक करें.
डेटा स्रोत सिंक को पूरा होने में १०-१५ मिनट लग सकते हैं।
अमेज़ॅन केंद्र इंडेक्स पहलू परिभाषा का निरीक्षण करें
नेविगेशन फलक में, चुनें पहलू की परिभाषा. निम्न स्क्रीनशॉट के लिए प्रविष्टियाँ दिखाता है ANATOMY
, MEDICAL_CONDITION
, MEDICATION
, PROTECTED_HEALTH_INFORMATION
, TEST_TREATMENT_PROCEDURE
, तथा TIME_EXPRESSION
. ये अमेज़ॅन कॉम्प्रिहेंड मेडिकल द्वारा खोजी गई संस्थाओं की श्रेणियां हैं। इन्हें CloudFormation टेम्प्लेट में कस्टम विशेषताओं के रूप में परिभाषित किया गया है जिनका उपयोग हमने Amazon Kendra index बनाने के लिए किया था। के लिए फ़ेसटेबल चेक बॉक्स PROTECTED_HEALTH_INFORMATION
और TIME_EXPRESSION
चयनित नहीं हैं, इसलिए ये खोज उपयोगकर्ता इंटरफ़ेस के पहलुओं में नहीं दिखाए जाते हैं।
आवश्यक दवाओं की WHO मॉडल सूची के भंडार को क्वेरी करें
अब हम अपने खोज समाधान के लिए प्रश्न पूछने के लिए तैयार हैं।
- अमेज़ॅन केंद्र कंसोल पर, अपनी अनुक्रमणिका पर नेविगेट करें और चुनें सांत्वना खोजें.
- खोज फ़ील्ड में, दर्ज करें
What is the treatment for diabetes?
निम्न स्क्रीनशॉट परिणाम दिखाता है।
- चुनें खोज परिणामों को फ़िल्टर करें पहलुओं को देखने के लिए।
के शीर्षक MEDICATION
, ANATOMY
, MEDICAL_CONDITION
, तथा TEST_TREATMENT_PROCEDURE
अमेज़ॅन केंद्र पहलुओं के रूप में परिभाषित श्रेणियां हैं, और उनके नीचे की वस्तुओं की सूची इन श्रेणियों की इकाइयाँ हैं जैसा कि अमेज़ॅन कॉम्प्रिहेंड मेडिकल द्वारा खोजे जा रहे दस्तावेज़ों में पाया गया है। PROTECTED_HEALTH_INFORMATION
और TIME_EXPRESSION
नहीं दिखाए गए हैं।
- के अंतर्गत चिकित्सा हालत, चुनते हैं एनीमिया खोज परिणामों को परिष्कृत करने के लिए।
आप वापस जा सकते हैं पहलू की परिभाषा पेज और मेक PROTECTED_HEALTH_INFORMATION
और TIME_EXPRESSION
फ़ेसटेबल और कॉन्फ़िगरेशन को सहेजें। खोज कंसोल पर वापस जाएं, एक नई क्वेरी बनाएं, और फिर से पहलुओं का निरीक्षण करें। इन पहलुओं के साथ प्रयोग करके देखें कि आपकी आवश्यकताओं के लिए सबसे अच्छा क्या है।
अतिरिक्त प्रश्न पूछें और खोज परिणामों को परिशोधित करने के लिए पहलुओं का उपयोग करें। आरंभ करने के लिए आप निम्नलिखित प्रश्नों का उपयोग कर सकते हैं, लेकिन आप स्वयं के साथ भी प्रयोग कर सकते हैं:
- एक सामान्य दर्द निवारक क्या है?
- क्या पेरासिटामोल बच्चों के लिए सुरक्षित है?
- उच्च रक्तचाप का प्रबंधन कैसे करें?
- बीसीजी का टीका कब लगवाना चाहिए?
आप देख सकते हैं कि कैसे डोमेन-विशिष्ट पहलू खोज अनुभव को बेहतर बनाते हैं।
बुनियादी ढांचे की सफाई
CloudFormation स्टैक के भाग के रूप में परिनियोजित किए गए इन्फ्रास्ट्रक्चर को हटाने के लिए, AWS CloudFormation कंसोल से स्टैक को हटाएं। स्टैक विलोपन में 20-30 मिनट लग सकते हैं।
जब स्टैक स्थिति के रूप में दिखाता है Delete Complete
, के पास जाओ आयोजन टैब करें और पुष्टि करें कि प्रत्येक संसाधन हटा दिया गया है। आप Amazon Kendra कंसोल पर चेक करके भी क्रॉस-वेरिफाई कर सकते हैं कि इंडेक्स डिलीट हो गया है।
आपको अपने डेटा स्रोत बकेट को अलग से हटाना होगा क्योंकि इसे CloudFormation स्टैक के हिस्से के रूप में नहीं बनाया गया था।
निष्कर्ष
इस पोस्ट में, हमने अमेज़ॅन कॉम्प्रिहेंड या अमेज़ॅन कॉम्प्रिहेंड मेडिकल का उपयोग करके अमेज़ॅन केंद्र इंडेक्स के लिए डोमेन-विशिष्ट मेटाडेटा उत्पन्न करके सामग्री को समृद्ध करने की प्रक्रिया को स्वचालित करने का तरीका दिखाया, जिससे खोज समाधान के लिए उपयोगकर्ता अनुभव में सुधार हुआ।
इस उदाहरण ने अमेज़ॅन केंद्र मेटाडेटा को उत्पन्न करने के लिए अमेज़ॅन कॉम्प्रिहेंड मेडिकल द्वारा खोजी गई संस्थाओं का उपयोग किया। सामग्री भंडार के डोमेन के आधार पर, आप पूर्व-प्रशिक्षित मॉडल के साथ एक समान दृष्टिकोण का उपयोग कर सकते हैं या कस्टम प्रशिक्षित मॉडल अमेज़ॅन कॉम्प्रिहेंड का। हमारे समाधान का प्रयास करें और हमें बताएं कि आप क्या सोचते हैं! आप अन्य तत्वों का उपयोग करके मेटाडेटा को और बढ़ा सकते हैं जैसे संरक्षित स्वास्थ्य सूचना (पीएचआई) अमेज़न कॉम्प्रिहेंड मेडिकल के लिए और घटनाओं, महत्वपूर्ण वाक्यांश, व्यक्तिगत रूप से पहचान योग्य जानकारी (PII), प्रमुख भाषा, भावुकता, तथा वाक्यविन्यास अमेज़न समझ के लिए।
लेखक के बारे में
अभिनव जावड़ेकर अमेज़ॅन वेब सर्विसेज में एक सीनियर पार्टनर सॉल्यूशन आर्किटेक्ट है। अभिनव AWS भागीदारों के साथ उनकी क्लाउड यात्रा में मदद करने के लिए काम करते हैं।
उदी हर्शकोविच 2018 से AWS में प्रिंसिपल WW AI/ML सर्विस स्पेशलिस्ट हैं। AWS से पहले, Udi ने AI स्टार्टअप्स और एंटरप्राइज़ पहलों के साथ कई लीडरशिप पदों पर कार्य किया, जिसमें LeanFM Technologies में सह-संस्थापक और CEO शामिल थे, जो सुविधाओं के प्रबंधन में ML-संचालित प्रेडिक्टिव मेंटेनेंस की पेशकश करते थे। सफाबा ट्रांसलेशन सॉल्यूशंस के सीईओ, 2015 में अमेज़ॅन द्वारा अधिग्रहित एक मशीन अनुवाद स्टार्टअप, और एमडॉक्स में संपर्क केंद्र इंटेलिजेंस के लिए व्यावसायिक सेवाओं के प्रमुख। उडी के पास हर्ज़लिया, इज़राइल में इंटरडिसिप्लिनरी सेंटर से कानून और व्यवसाय की डिग्री है, और पिट्सबर्ग, पेनसिल्वेनिया, यूएसए में रहता है।
- 100
- 7
- लेखा
- अतिरिक्त
- AI
- सब
- वीरांगना
- Amazon Comprehend
- अमेज़ॅन केंद्र
- अमेज़ॅन वेब सेवा
- एपीआई
- स्थापत्य
- स्वचालित
- स्वचालन
- एडब्ल्यूएस
- BEST
- रक्त
- ब्राउज़र
- निर्माण
- इमारत
- व्यापार
- कॉल
- मुख्य कार्यपालक अधिकारी
- चुनौती
- जाँच
- बच्चे
- चक्र
- बादल
- सह-संस्थापक
- कोड
- सामान्य
- आत्मविश्वास
- सामग्री
- अंतर्वस्तु
- जारी
- बनाना
- ग्राहक
- तिथि
- डेटा संसाधन
- ध्यान लगा के पढ़ना या सीखना
- मधुमेह
- दस्तावेजों
- डोमेन
- कर्मचारियों
- उद्यम
- प्रयोग
- प्रारूप
- आगे बढ़ें
- सिर
- स्वास्थ्य
- स्वास्थ्य सेवा
- हाई
- कैसे
- How To
- HTTPS
- आई ए एम
- नायक
- की छवि
- सहित
- अनुक्रमणिका
- पता
- करें-
- इंफ्रास्ट्रक्चर
- अंतर्दृष्टि
- बुद्धि
- इजराइल
- IT
- छलांग
- भाषा
- लांच
- कानून
- नेतृत्व
- सीख रहा हूँ
- जीवन विज्ञान
- सूची
- स्थान
- यंत्र अधिगम
- मशीन अनुवाद
- निर्माण
- प्रबंध
- मेडिकल
- इलाज
- दवा
- ML
- आदर्श
- नामों
- प्राकृतिक भाषा
- प्राकृतिक भाषा संसाधन
- पथ प्रदर्शन
- NLP
- की पेशकश
- ऑफर
- खुला
- ऑप्शंस
- आदेश
- अन्य
- साथी
- पेंसिल्वेनिया
- चित्र
- Pii
- पिट्सबर्ग
- दबाव
- अजगर
- पढ़ना
- रिश्ते
- उपयुक्त संसाधन चुनें
- परिणाम
- खुदरा
- रिटर्न
- मार्ग
- रन
- सुरक्षित
- विज्ञान
- Search
- सुरक्षा
- सुरक्षा टोकन
- चयनित
- सेवाएँ
- सरल
- आकार
- समाधान ढूंढे
- प्रारंभ
- शुरू
- स्टार्टअप
- स्टार्टअप
- स्थिति
- भंडारण
- की दुकान
- टेक्नोलॉजीज
- पहर
- टोकन
- ऊपर का
- ट्रैक
- अनुवाद करें
- उपचार
- us
- अमेरिका
- उपयोगकर्ताओं
- टीका
- वेब
- वेब सेवाओं
- कौन
- विकिपीडिया
- काम
- वर्कफ़्लो
- कार्य