उपयोगकर्ता खोज इंजन से क्या अपेक्षा करते हैं, यह पिछले कुछ वर्षों में विकसित हुआ है। अधिकांश उपयोगकर्ताओं के लिए केवल शाब्दिक रूप से प्रासंगिक परिणाम शीघ्रता से लौटाना अब पर्याप्त नहीं है। अब उपयोगकर्ता ऐसे तरीकों की तलाश कर रहे हैं जो उन्हें अर्थ संबंधी समझ के माध्यम से और भी अधिक प्रासंगिक परिणाम प्राप्त करने या मेटाडेटा की पाठ्य खोज के बजाय छवि दृश्य समानताओं के माध्यम से खोज करने की अनुमति दें। अमेज़न ओपन सर्च सर्विस इसमें कई विशेषताएं शामिल हैं जो आपको अपना खोज अनुभव बढ़ाने की अनुमति देती हैं। हम 2023 में उस टूलकिट में जोड़े गए ओपनसर्च सेवा सुविधाओं और संवर्द्धन से उत्साहित हैं।
2023 कृत्रिम बुद्धिमत्ता (एआई) और मशीन लर्निंग (एमएल) क्षेत्र में तेजी से नवाचार का वर्ष था, और खोज उस प्रगति का एक महत्वपूर्ण लाभार्थी रहा है। 2023 के दौरान, अमेज़ॅन ओपनसर्च सेवा ने खोज टीमों को आपके मौजूदा खोज अनुभवों को बेहतर बनाने और बढ़ाने के लिए नवीनतम एआई/एमएल प्रौद्योगिकियों का उपयोग करने में सक्षम बनाने में निवेश किया, बिना आपके अनुप्रयोगों को फिर से लिखने या कस्टम ऑर्केस्ट्रेशन बनाने के लिए, जिसके परिणामस्वरूप तेजी से विकास, पुनरावृत्ति और उत्पादीकरण को अनलॉक किया गया। इन निवेशों में नई खोज विधियों की शुरूआत के साथ-साथ उपलब्ध विधियों के कार्यान्वयन को सरल बनाने की कार्यक्षमता भी शामिल है, जिनकी हम इस पोस्ट में समीक्षा करेंगे।
पृष्ठभूमि: शाब्दिक और अर्थ संबंधी खोज
आरंभ करने से पहले, आइए शाब्दिक और अर्थ संबंधी खोज की समीक्षा करें।
शाब्दिक खोज
शाब्दिक खोज में, खोज इंजन खोज क्वेरी में शब्दों की तुलना दस्तावेजों में शब्दों से करता है, शब्द दर शब्द मिलान करता है। केवल वे आइटम जिनमें उपयोगकर्ता द्वारा टाइप किए गए शब्द हैं, क्वेरी से मेल खाते हैं। बीएम25 जैसे शब्द आवृत्ति मॉडल पर आधारित पारंपरिक शाब्दिक खोज, कई खोज अनुप्रयोगों के लिए व्यापक रूप से उपयोग की जाती है और प्रभावी है। हालाँकि, शाब्दिक खोज तकनीक उपयोगकर्ता की क्वेरी में शामिल शब्दों से आगे जाने के लिए संघर्ष करती है, जिसके परिणामस्वरूप अत्यधिक प्रासंगिक संभावित परिणाम हमेशा वापस नहीं आते हैं।
शब्दार्थ खोज
सिमेंटिक खोज में, खोज इंजन उच्च-आयामी वेक्टर स्पेस में घने वेक्टर के रूप में स्रोत दस्तावेज़ों से टेक्स्ट या अन्य मीडिया (जैसे छवियां और वीडियो) को एन्कोड करने के लिए एक एमएल मॉडल का उपयोग करता है। ये भी कहा जाता है embedding वेक्टर स्पेस में टेक्स्ट। यह इसी तरह से क्वेरी को एक वेक्टर के रूप में कोड करता है और फिर मिलान खोजने के लिए बहु-आयामी अंतरिक्ष में आस-पास के वैक्टर को खोजने के लिए एक दूरी मीट्रिक का उपयोग करता है। निकटवर्ती वैक्टर खोजने के एल्गोरिदम को k-निकटतम पड़ोसी (k-NN) कहा जाता है। सिमेंटिक खोज अलग-अलग क्वेरी शब्दों से मेल नहीं खाती है - यह उन दस्तावेज़ों को ढूंढती है जिनकी वेक्टर एम्बेडिंग वेक्टर स्पेस में क्वेरी के एम्बेडिंग के करीब है और इसलिए शब्दार्थ रूप से क्वेरी के समान है। यह आपको अत्यधिक प्रासंगिक आइटम वापस करने की अनुमति देता है, भले ही उनमें क्वेरी में शामिल कोई भी शब्द न हो।
ओपनसर्च ने कई वर्षों से वेक्टर समानता खोज (के-एनएन और अनुमानित के-एनएन) प्रदान की है, जो इसे अपनाने वाले ग्राहकों के लिए मूल्यवान है। हालाँकि, ऐसा करने के लिए आवश्यक महत्वपूर्ण इंजीनियरिंग प्रयासों और संसाधनों के कारण, के-एनएन से लाभ उठाने का अवसर पाने वाले सभी ग्राहकों ने इसे नहीं अपनाया है।
2023 रिलीज़: बुनियादी बातें
2023 में ओपनसर्च सेवा पर कई सुविधाएँ और सुधार लॉन्च किए गए, जिनमें नई सुविधाएँ शामिल हैं जो निरंतर खोज संवर्द्धन के लिए मूलभूत निर्माण खंड हैं।
ओपनसर्च तुलना खोज परिणाम उपकरण
RSI खोज परिणामों की तुलना करें टूल, जो आम तौर पर ओपनसर्च सेवा संस्करण 2.11 में उपलब्ध है, आपको ओपनसर्च डैशबोर्ड में दो रैंकिंग तकनीकों से खोज परिणामों की एक साथ तुलना करने की अनुमति देता है, यह निर्धारित करने के लिए कि क्या एक क्वेरी दूसरे की तुलना में बेहतर परिणाम देती है। जो ग्राहक एमएल-सहायता प्राप्त मॉडल द्वारा संचालित नवीनतम खोज विधियों के साथ प्रयोग करने में रुचि रखते हैं, उनके लिए खोज परिणामों की तुलना करने की क्षमता महत्वपूर्ण है। इसमें आपके कॉर्पस के विरुद्ध प्रत्येक तकनीक के लाभों को समझने के लिए लेक्सिकल सर्च, सिमेंटिक सर्च और हाइब्रिड सर्च तकनीकों की तुलना करना, या फील्ड वेटेज और विभिन्न स्टेमिंग या लेमेटाइजेशन रणनीतियों जैसे समायोजन शामिल हो सकते हैं।
निम्नलिखित स्क्रीनशॉट तुलना खोज परिणाम टूल का उपयोग करने का एक उदाहरण दिखाता है।
सिमेंटिक खोज और क्रॉस-मोडल खोज के बारे में अधिक जानने और तुलना खोज परिणाम टूल के डेमो के साथ प्रयोग करने के लिए, देखें अमेज़ॅन ओपनसर्च सर्विस वेक्टर इंजन के साथ सिमेंटिक खोज का प्रयास करें.
पाइपलाइन खोजें
खोज व्यवसायी खोज क्वेरी के साथ-साथ परिणामों को बेहतर बनाने के लिए नए तरीके पेश करना चाह रहे हैं। खोज पाइपलाइनों की सामान्य उपलब्धता के साथ, ओपनसर्च सेवा संस्करण 2.9 से शुरू करके, आप अपने एप्लिकेशन सॉफ़्टवेयर को जटिल किए बिना, मॉड्यूलर प्रसंस्करण चरणों की संरचना के रूप में खोज क्वेरी और परिणाम प्रसंस्करण का निर्माण कर सकते हैं। फ़िल्टर जैसे कार्यों के लिए प्रोसेसर को एकीकृत करके, और नए अनुक्रमित दस्तावेज़ों पर चलने के लिए एक स्क्रिप्ट जोड़ने की क्षमता के साथ, आप अपने खोज अनुप्रयोगों को अधिक सटीक और कुशल बना सकते हैं और कस्टम विकास की आवश्यकता को कम कर सकते हैं।
खोज पाइपलाइनों में तीन अंतर्निहित प्रोसेसर शामिल होते हैं: फ़िल्टर_क्वेरी, नाम बदलें_फ़ील्ड, और स्क्रिप्ट अनुरोध, साथ ही नए डेवलपर-केंद्रित एपीआई उन डेवलपर्स को सक्षम करने के लिए जो अपने स्वयं के प्रोसेसर बनाना चाहते हैं। ओपनसर्च आगामी रिलीज में इस कार्यक्षमता को और विस्तारित करने के लिए अतिरिक्त अंतर्निहित प्रोसेसर जोड़ना जारी रखेगा।
निम्नलिखित चित्र खोज पाइपलाइन वास्तुकला को दर्शाता है।
ल्यूसीन में बाइट-आकार वाले वैक्टर
अब तक, ओपनसर्च में के-एनएन प्लगइन ने फ्लोट प्रकार के वैक्टर को अनुक्रमित करने और क्वेरी करने का समर्थन किया है, जिसमें प्रत्येक वेक्टर तत्व 4 बाइट्स रखता है। यह मेमोरी और स्टोरेज में महंगा हो सकता है, खासकर बड़े पैमाने पर उपयोग के मामलों के लिए। ओपनसर्च सेवा संस्करण 2.9 में नई बाइट वेक्टर सुविधा के साथ, आप मेमोरी आवश्यकताओं को 4 के कारक से कम कर सकते हैं और गुणवत्ता (रिकॉल) में न्यूनतम हानि के साथ खोज विलंबता को काफी कम कर सकते हैं। अधिक जानने के लिए, देखें OpenSearch में बाइट-क्वांटाइज़्ड वैक्टर.
नए भाषा विश्लेषकों के लिए समर्थन
ओपनसर्च सेवा पहले आईके (चीनी), कुरोमोजी (जापानी), और सेनजेन (कोरियाई) जैसे कई अन्य भाषा विश्लेषक प्लगइन्स का समर्थन करती थी। हमने नोरी (कोरियाई), सुदाची (जापानी), पिनयिन (चीनी), और STConvert विश्लेषण (चीनी) के लिए समर्थन जोड़ा। ये नए प्लगइन्स एक नए पैकेज प्रकार, ज़िप-प्लगइन के साथ-साथ पहले से समर्थित TXT-DICTIONARY पैकेज प्रकार के रूप में उपलब्ध हैं। आप पर नेविगेट कर सकते हैं संकुल इन प्लगइन्स को अपने क्लस्टर से जोड़ने के लिए ओपनसर्च सर्विस कंसोल का पेज, या एसोसिएटपैकेज एपीआई का उपयोग करें।
2023 रिलीज़: उपयोग में आसान संवर्द्धन
ओपनसर्च सेवा ने प्रमुख खोज सुविधाओं के भीतर उपयोग में आसानी बढ़ाने के लिए 2023 में सुधार भी किए।
तंत्रिका खोज के साथ अर्थ संबंधी खोज
पहले, सिमेंटिक खोज को लागू करने का मतलब था कि आपका एप्लिकेशन टेक्स्ट एम्बेडिंग मॉडल को खोज और अंतर्ग्रहण में एकीकृत करने, कॉर्पस को एन्कोडिंग को व्यवस्थित करने और फिर क्वेरी समय पर के-एनएन खोज का उपयोग करने के लिए मिडलवेयर के लिए जिम्मेदार था।
ओपनसर्च सेवा शुरू की गई तंत्रिका खोज संस्करण 2.9 में, बिल्डरों को भारी भार उठाने में काफी कमी के साथ सिमेंटिक खोज एप्लिकेशन बनाने और संचालित करने में सक्षम बनाया गया है। आपके एप्लिकेशन को अब दस्तावेज़ों और प्रश्नों के वैश्वीकरण से निपटने की आवश्यकता नहीं है; सिमेंटिक खोज ऐसा करती है, और क्वेरी समय के दौरान k-NN को आमंत्रित करती है। तंत्रिका खोज सुविधा के माध्यम से सिमेंटिक खोज दस्तावेजों या अन्य मीडिया को वेक्टर एम्बेडिंग में बदल देती है और टेक्स्ट और उसके वेक्टर एम्बेडिंग दोनों को वेक्टर इंडेक्स में अनुक्रमित कर देती है। जब आप खोज के दौरान एक तंत्रिका क्वेरी का उपयोग करते हैं, तो तंत्रिका खोज क्वेरी टेक्स्ट को वेक्टर एम्बेडिंग में परिवर्तित करती है, क्वेरी और दस्तावेज़ एम्बेडिंग की तुलना करने के लिए वेक्टर खोज का उपयोग करती है, और निकटतम परिणाम लौटाती है। यह कार्यक्षमता प्रारंभ में ओपनसर्च सेवा संस्करण 2.4 में प्रयोगात्मक रूप में जारी की गई थी, और अब आम तौर पर संस्करण 2.9 के साथ उपलब्ध है।
एआई-संचालित खोज सुविधाओं को सक्षम करने के लिए एआई/एमएल कनेक्टर
ओपनसर्च सर्विस 2.9 के साथ, आप एडब्ल्यूएस एआई और एमएल सेवाओं के लिए आउट-ऑफ-द-बॉक्स एआई कनेक्टर और न्यूरल सर्च जैसी पावर सुविधाओं के लिए तीसरे पक्ष के विकल्पों का उपयोग कर सकते हैं। उदाहरण के लिए, आप होस्ट किए गए बाहरी एमएल मॉडल से कनेक्ट कर सकते हैं अमेज़न SageMaker, जो उत्पादन में मॉडलों को सफलतापूर्वक प्रबंधित करने के लिए व्यापक क्षमताएं प्रदान करता है। यदि आप पूरी तरह से प्रबंधित अनुभव के माध्यम से नवीनतम फाउंडेशन मॉडल का उपयोग करना चाहते हैं, तो आप इसके लिए कनेक्टर्स का उपयोग कर सकते हैं अमेज़ॅन बेडरॉक मल्टीमॉडल खोज जैसे मामलों को सशक्त बनाने के लिए। हमारी प्रारंभिक रिलीज़ में कोहेयर एंबेड के लिए एक कनेक्टर शामिल है, और सेजमेकर और अमेज़ॅन बेडरॉक के माध्यम से, आपके पास अधिक तृतीय-पक्ष विकल्पों तक पहुंच है। आप इनमें से कुछ एकीकरणों को अपने डोमेन पर कॉन्फ़िगर कर सकते हैं ओपनसर्च सेवा कंसोल एकीकरण (निम्नलिखित स्क्रीनशॉट देखें), और यहां तक कि सेजमेकर पर मॉडल परिनियोजन को स्वचालित भी करें।
एकीकृत मॉडल आपके ओपनसर्च सेवा डोमेन में सूचीबद्ध हैं, ताकि आपकी टीम विभिन्न प्रकार के मॉडलों की खोज कर सके जो एकीकृत हैं और उपयोग के लिए आसानी से उपलब्ध हैं। आपके पास मॉडल और कनेक्टर स्तर की पहुंच को नियंत्रित करने के लिए अपने मॉडल और कनेक्टर संसाधनों पर विस्तृत सुरक्षा नियंत्रण सक्षम करने का विकल्प भी है।
एक खुले पारिस्थितिकी तंत्र को बढ़ावा देने के लिए, हमने भागीदारों को आसानी से एआई कनेक्टर बनाने और प्रकाशित करने के लिए सशक्त बनाने के लिए एक रूपरेखा बनाई। प्रौद्योगिकी प्रदाता बस एक बना सकते हैं खाका, जो एक JSON दस्तावेज़ है जो OpenSearch और आपकी सेवा के बीच सुरक्षित रीस्टफुल संचार का वर्णन करता है। प्रौद्योगिकी भागीदार अपने कनेक्टर्स को हमारी सामुदायिक साइट पर प्रकाशित कर सकते हैं, और आप तुरंत इन एआई कनेक्टर्स का उपयोग कर सकते हैं - चाहे स्व-प्रबंधित क्लस्टर के लिए या ओपनसर्च सेवा पर। आप इसमें प्रत्येक कनेक्टर के लिए ब्लूप्रिंट पा सकते हैं एमएल कॉमन्स गिटहब रिपॉजिटरी.
स्कोर संयोजन द्वारा समर्थित हाइब्रिड खोज
तंत्रिका खोज के लिए वेक्टर एम्बेडिंग और प्राकृतिक भाषा प्रसंस्करण के लिए जेनरेटिव एआई बड़े भाषा मॉडल (एलएलएम) जैसी सिमेंटिक तकनीकों ने खोज में क्रांति ला दी है, जिससे मैन्युअल पर्यायवाची सूची प्रबंधन और फाइन-ट्यूनिंग की आवश्यकता कम हो गई है। दूसरी ओर, पाठ-आधारित (शब्दावली) खोज कुछ महत्वपूर्ण मामलों, जैसे भाग संख्या या ब्रांड नाम, में अर्थ संबंधी खोज से बेहतर प्रदर्शन करती है। हाइब्रिड खोज, दोनों विधियों का संयोजन, अकेले बीएम14 की तुलना में 10% अधिक खोज प्रासंगिकता (जैसा कि एनडीसीजी@25 द्वारा मापा जाता है - रैंकिंग गुणवत्ता का एक माप) देता है, इसलिए ग्राहक दोनों का सर्वोत्तम लाभ पाने के लिए हाइब्रिड खोज का उपयोग करना चाहते हैं। विस्तृत बेंचमार्किंग स्कोर सटीकता और प्रदर्शन के बारे में अधिक जानकारी के लिए देखें हाइब्रिड खोज के साथ खोज प्रासंगिकता में सुधार करें, जो आम तौर पर ओपनसर्च 2.10 में उपलब्ध है.
अब तक, प्रत्येक विधि के लिए अलग-अलग प्रासंगिकता पैमाने को देखते हुए उनका संयोजन चुनौतीपूर्ण रहा है। पहले, हाइब्रिड दृष्टिकोण को लागू करने के लिए, आपको कई क्वेरीज़ को स्वतंत्र रूप से चलाना होता था, फिर ओपनसर्च के बाहर स्कोर को सामान्य करना और संयोजित करना होता था। नये के लॉन्च के साथ हाइब्रिड स्कोर संयोजन और सामान्यीकरण ओपनसर्च सेवा 2.11 में क्वेरी प्रकार, ओपनसर्च एक क्वेरी में स्कोर सामान्यीकरण और संयोजन को संभालता है, जिससे हाइब्रिड खोज को लागू करना आसान हो जाता है और खोज प्रासंगिकता में सुधार करने का एक अधिक कुशल तरीका बन जाता है।
नई खोज विधियाँ
अंत में, ओपनसर्च सेवा अब नई खोज विधियों की सुविधा प्रदान करती है।
तंत्रिका विरल पुनर्प्राप्ति
ओपनसर्च सेवा 2.11 शुरू की गई तंत्रिका विरल खोज, एक नई तरह की विरल एम्बेडिंग विधि जो कई मायनों में क्लासिक शब्द-आधारित अनुक्रमण के समान है, लेकिन कम आवृत्ति वाले शब्दों और वाक्यांशों को बेहतर ढंग से प्रस्तुत करती है। स्पार्स सिमेंटिक रिट्रीवल सूचना-समृद्ध एम्बेडिंग बनाने के लिए ट्रांसफार्मर मॉडल (जैसे बीईआरटी) का उपयोग करता है जो शब्दावली बेमेल समस्या को स्केलेबल तरीके से हल करता है, जबकि लेक्सिकल खोज के लिए समान कम्प्यूटेशनल लागत और विलंबता होती है। ओपनसर्च के साथ यह नई विरल पुनर्प्राप्ति कार्यक्षमता विभिन्न लाभों के साथ दो मोड प्रदान करती है: एक दस्तावेज़-केवल मोड और एक द्वि-एनकोडर मोड। दस्तावेज़-केवल मोड घने तरीकों की तुलना में उन्नत सिंटैक्स की सीमाओं के साथ, BM25 खोज की तुलना में कम-विलंबता प्रदर्शन प्रदान कर सकता है। उच्च विलंबता पर प्रदर्शन करते हुए द्वि-एनकोडर मोड खोज प्रासंगिकता को अधिकतम कर सकता है। इस अपडेट के साथ, अब आप वह तरीका चुन सकते हैं जो आपके प्रदर्शन, सटीकता और लागत आवश्यकताओं के लिए सबसे अच्छा काम करता है।
मल्टी-मोडल खोज
ओपनसर्च सेवा 2.11 तंत्रिका खोज का उपयोग करके पाठ और छवि मल्टीमॉडल खोज की शुरुआत करती है। यह कार्यक्षमता आपको दृश्य और अर्थ संबंधी समानता के आधार पर छवि और पाठ जोड़े, जैसे उत्पाद कैटलॉग आइटम (उत्पाद छवि और विवरण) खोजने की अनुमति देती है। यह नए खोज अनुभवों को सक्षम बनाता है जो अधिक प्रासंगिक परिणाम दे सकते हैं। उदाहरण के लिए, आप उस विवरण से मेल खाने वाली छवियों वाले उत्पादों को पुनः प्राप्त करने के लिए "सफेद ब्लाउज" की खोज कर सकते हैं, भले ही उत्पाद का शीर्षक "क्रीम रंग की शर्ट" हो। इस अनुभव को शक्ति प्रदान करने वाला एमएल मॉडल शब्दार्थ और दृश्य विशेषताओं को जोड़ने में सक्षम है। आप दिखने में समान उत्पादों को पुनः प्राप्त करने के लिए छवि द्वारा भी खोज सकते हैं या किसी विशेष उत्पाद कैटलॉग आइटम के समान उत्पादों को खोजने के लिए पाठ और छवि दोनों द्वारा खोज सकते हैं।
अब आप मल्टीमॉडल मॉडल से सीधे जुड़ने और कस्टम मिडलवेयर बनाए बिना मल्टीमॉडल खोज क्वेरी चलाने के लिए इन क्षमताओं को अपने एप्लिकेशन में बना सकते हैं। इस पद्धति का समर्थन करने के लिए अमेज़ॅन टाइटन मल्टीमॉडल एंबेडिंग मॉडल को ओपनसर्च सेवा के साथ एकीकृत किया जा सकता है। को देखें मल्टीमॉडल खोज मल्टीमॉडल सिमेंटिक सर्च के साथ शुरुआत कैसे करें, इस पर मार्गदर्शन के लिए और भविष्य के रिलीज में जोड़े जाने वाले अधिक इनपुट प्रकारों पर ध्यान दें। आप इसका डेमो भी आज़मा सकते हैं क्रॉस-मोडल टेक्स्टुअल और छवि खोज, जो पाठ्य विवरण का उपयोग करके छवियों की खोज दिखाता है।
सारांश
ओपनसर्च सेवा आपके खोज एप्लिकेशन को बनाने के लिए विभिन्न उपकरणों की एक श्रृंखला प्रदान करती है, लेकिन सर्वोत्तम कार्यान्वयन आपके कोष और आपकी व्यावसायिक आवश्यकताओं और लक्ष्यों पर निर्भर करेगा। हम खोज अभ्यासकर्ताओं को परीक्षण शुरू करने के लिए प्रोत्साहित करते हैं खोज के तरीके उपलब्ध हैं आपके उपयोग के मामले के लिए सही फिट खोजने के लिए। 2024 और उसके बाद भी, आप नवीनतम और महानतम खोज प्रौद्योगिकियों को ओपनसर्च खोज अभ्यासकर्ताओं की उंगलियों पर रखने के लिए खोज नवाचार की इस तेज गति को जारी रखने की उम्मीद कर सकते हैं।
लेखक के बारे में
डैग्नी ब्रौन अमेज़ॅन वेब सर्विसेज ओपनसर्च टीम में उत्पाद के वरिष्ठ प्रबंधक हैं। वह ओपनसर्च के उपयोग में आसानी को बेहतर बनाने और सभी ग्राहक उपयोग-मामलों को बेहतर समर्थन देने के लिए उपलब्ध टूल का विस्तार करने को लेकर उत्साहित हैं।
स्टावरोस मैक्रैकिस अमेज़ॅन वेब सर्विसेज के ओपनसर्च प्रोजेक्ट पर एक वरिष्ठ तकनीकी उत्पाद प्रबंधक हैं। उन्हें ग्राहकों को उनके खोज परिणामों की गुणवत्ता में सुधार करने के लिए उपकरण देने का शौक है।
डायलन टोंग अमेज़न वेब सर्विसेज में वरिष्ठ उत्पाद प्रबंधक हैं। वह ओपनसर्च पर एआई और मशीन लर्निंग (एमएल) के लिए उत्पाद पहल का नेतृत्व करते हैं, जिसमें ओपनसर्च की वेक्टर डेटाबेस क्षमताएं भी शामिल हैं। डायलन के पास ग्राहकों के साथ सीधे काम करने और डेटाबेस, एनालिटिक्स और एआई/एमएल डोमेन में उत्पाद और समाधान बनाने का दशकों का अनुभव है। डायलन के पास कॉर्नेल यूनिवर्सिटी से कंप्यूटर साइंस में बीएससी और एमईएनजी की डिग्री है।
- 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/amazon-opensearch-service-search-enhancements-2023-roundup/
