کاروبار ڈیٹا پر مبنی فیصلہ سازی کو آسان بنانے کے لیے ٹولز اور ہنر میں سرمایہ کاری کر رہے ہیں۔ مشین لرننگ ماڈلز اور ڈیٹا سائنس کی تکنیک تنظیموں کو ان کے جمع کردہ ڈیٹا کی وسیع مقدار کا احساس دلانے کا موقع فراہم کر سکتی ہیں۔
تاہم، بہت سی چھوٹی کمپنیاں محدود وسائل اور اپنی ٹیم کے اندر علم کی برآمدات کی کمی کی وجہ سے اس رجحان کو اپنانے کے لیے جدوجہد کر رہی ہیں۔
خوش قسمتی سے، ہم اب ایک عمر میں رہتے ہیں بغیر کوڈ والے پلیٹ فارمز اور خدمات. کرایہ پر لینے کے بغیر ڈیٹا سائنسدانوں یا انجینئرز، کاروباری تجزیہ کار اور ڈومین کے ماہرین اب اپنے ڈیٹا میں رجحانات تلاش کرنا شروع کر سکتے ہیں۔
اس آرٹیکل میں، ہم Obviously AI پر ایک نظر ڈالیں گے، جو کہ ایک پرجوش نیا AI no-code ٹول ہے جس کا مقصد تنظیموں کو پیشین گوئی کرنے والے ماڈلز بنانے میں مدد کرنا ہے جو ترقی کو آگے بڑھائیں گے۔
ہم کچھ اہم خصوصیات کا احاطہ کریں گے جو ظاہر ہے کہ AI فراہم کرتا ہے اور آپ کو بتاتے ہیں کہ منٹوں میں ماڈل بنانے کے لیے ٹول کا استعمال کیسے شروع کیا جائے۔
ظاہر ہے AI کیا ہے؟
ظاہر ہے AI ایک بغیر کوڈ ڈیٹا سائنس پلیٹ فارم ہے جو صارفین کو اپنے ڈیٹا کا استعمال کرتے ہوئے پیش گوئی کرنے والے ماڈل بنانے کی اجازت دیتا ہے۔ پلیٹ فارم ایک بدیہی صارف دوست انٹرفیس استعمال کرتا ہے جو آپ کو اپنے ڈیٹا کے ذرائع کو اپ لوڈ یا منسلک کرنے کی اجازت دیتا ہے اور ماڈلز کی تعمیر صرف چند منٹ میں
ایک بار جب آپ کا ڈیٹا ظاہر ہے کہ AI کے سرورز پر اپ لوڈ ہو جائے گا، آپ اپنے ڈیٹاسیٹ کو دریافت کرنے کے قابل ہو جائیں گے تاکہ آپ کیا جانتے ہیں اور آپ کیا پیشین گوئی کرنا چاہیں گے اس کا مزید جامع نظارہ حاصل کر سکیں گے۔
ظاہر ہے کہ AI پھر آپ کے ڈیٹاسیٹ کو مشین لرننگ ماڈل بنانے کے لیے استعمال کرے گا جسے آپ ابھی استعمال کر سکتے ہیں۔ پھر ان ماڈلز کو تھرڈ پارٹی ٹولز جیسے کہ Zapier کے ساتھ یا ان کے اپنے ذریعے مربوط کیا جا سکتا ہے۔ REST API سروس.
ظاہر ہے کہ AI آپ کے ماڈل کے لیے صارف دوست ڈیش بورڈ انٹرفیس بھی پیش کرتا ہے، جس سے کسی کو بھی اپنے براؤزر سے ہی ماڈل استعمال کرنے کی اجازت ملتی ہے۔ مثال کے طور پر، اوپر کی تصویر ایک صارف کو دکھاتی ہے کہ وہ کسی صارف کی تفصیلات کو ایڈجسٹ کر رہا ہے تاکہ اس کی شرح کا اندازہ لگایا جا سکے یا اس امکان کا اندازہ لگایا جا سکے کہ وہ کسی سروس سے رکنیت ختم کر دیں گے۔
یہ تمام ٹولز ڈیٹا سائنسدانوں سے مشورہ کرنے کی صلاحیت کے ساتھ اور بھی زیادہ طاقتور ہو جاتے ہیں تاکہ صارفین کو یہ سمجھنے میں مدد ملے کہ ان کے ڈیٹا کا بہترین استعمال کیسے کیا جائے۔
ظاہر ہے AI کی اہم خصوصیات
ظاہر ہے AI میں دستیاب کچھ اہم خصوصیات یہ ہیں۔
ڈیٹا سیٹ ایکسپلورر
ظاہر ہے کہ AI پڑھنے میں آسان ڈیٹا ایکسپلورر کے ساتھ آتا ہے جو آپ کے اپ لوڈ کردہ ڈیٹا سیٹس کو سمجھنے میں آپ کی مدد کرے گا۔ صارفین ڈیٹاسیٹ کے کل سائز کے ساتھ ساتھ ہر کالم کی قدر کی تقسیم بھی دیکھ سکتے ہیں۔
ظاہر ہے کہ AI آپ کے ڈیٹا سیٹس کا بھی تجزیہ کرے گا اور آپ کو بتائے گا کہ کون سے فیلڈز میں ڈیٹا غائب ہے اور کون سے فیلڈز ماڈل بنانے کے لیے استعمال کرنے کے لیے تیار ہیں۔
ایک سے زیادہ ماڈلز کے لیے سپورٹ
ظاہر ہے کہ AI ان ماڈلز کے لیے سپورٹ پیش کرتا ہے جو کلسٹرنگ، درجہ بندی، ٹائم سیریز کے تجزیہ، اور رجعت کو سنبھالتے ہیں۔
۔ پلیٹ فارم ٹیسٹ کرے گا کئی مختلف ماڈلز اور بہترین مجموعی نتیجہ کے ساتھ ماڈل کو واپس کریں۔
ماڈل API
ایک بار ظاہر ہے کہ AI ماڈل بناتا ہے، صارفین اپنی مرضی کے مطابق درخواستیں بھیج سکیں گے۔ باقی API.
یہ تنظیموں کو ظاہری طور پر AI کو بیک اینڈ کلاؤڈ سروس کے طور پر استعمال کرنے کی اجازت دے گا جو ان کا سامنا کرنے والے کسی بھی قسم کے انڈسٹری ڈیٹا کی درجہ بندی یا پیش گوئی کر سکتی ہے۔
پلیٹ فارم میں Zapier کے لیے سپورٹ بھی شامل ہے، جس سے صارفین ظاہر ہے کہ AI کے ماڈلز کو اپنے ورک فلو آٹومیشن میں ضم کر سکتے ہیں۔
ڈیٹا سائنسدان بطور سروس
چونکہ زیادہ تر تنظیمیں خام غیر فلٹر شدہ ڈیٹا کے ساتھ شروعات کرتی ہیں، اس لیے ان کے لیے مدد کے لیے کسی پیشہ ور ڈیٹا سائنسدان سے مشورہ کرنا ضروری ہو سکتا ہے۔
ظاہر ہے کہ AI اس ضرورت کو سمجھتا ہے اور شامل کیا گیا ہے۔ کئی خصوصیات اس کو ایڈجسٹ کرنے کے لیے پلیٹ فارم پر۔
وہ صارفین جنہوں نے سافٹ ویئر + ڈیٹا سائنٹسٹ پلانز کو سبسکرائب کیا ہے وہ مزید درست ماڈلز بنانے میں مدد کے لیے ڈیٹا سائنسدانوں کے ساتھ کام کر سکیں گے۔
ڈیٹا سائنسدان آپ کے خام ڈیٹا سیٹس کو دیکھ سکتے ہیں اور نئے کالم بنا سکتے ہیں، گمشدہ ڈیٹا کو سنبھال سکتے ہیں، اور آپ کے استعمال کے معاملے کے لیے بہترین ماڈلز کی شناخت کر سکتے ہیں۔
ظاہر ہے کہ اے آئی میں ماڈل کیسے بنایا جائے۔
اب جب کہ آپ کو اس بارے میں بہتر اندازہ ہے کہ Obiously AI پلیٹ فارم کیا پیش کرتا ہے، تو آئیے ایک نظر ڈالتے ہیں کہ ظاہری AI ماڈل کیسے بنایا جائے۔
اس فوری مثال میں، ہم Titanic Survivors dataset کا استعمال کرتے ہوئے درجہ بندی کا ماڈل بنانے کے لیے ظاہری طور پر AI کا استعمال کریں گے۔
سب سے پہلے، لاگ ان کریں یا Obviously AI کے ساتھ ایک اکاؤنٹ بنائیں۔ ظاہری AI ڈیش بورڈ دیکھنے کے لیے ویب سائٹ app.obviously.ai تک رسائی حاصل کریں۔
اپنے اکاؤنٹ میں نیا ڈیٹا سیٹ شامل کرنے کے لیے بائیں پینل پر "+" بٹن پر کلک کریں۔
ماڈل کی قسم منتخب کریں جسے آپ بنانا چاہتے ہیں۔ اس مظاہرے میں، ہم منتخب کریں گے۔ کی درجہ بندی.
اگلا، اپنا ڈیٹا سیٹ اپ لوڈ کرنے کا طریقہ منتخب کریں۔ ابھی کے لیے، ہم اپنا ڈیٹا مقامی CSV فائل اپ لوڈ کر کے اپ لوڈ کریں گے۔
جائزہ صفحہ آپ کو آپ کے ڈیٹا کا ابتدائی جائزہ فراہم کرے گا۔ آپ یہ بھی دیکھیں گے کہ ہر کالم کا کتنا فیصد خالی اور استعمال کے لیے تیار ہے۔
اگلے صفحہ میں، آپ کو فیصلہ کرنا ہوگا کہ کس کالم کی پیشین گوئی کرنی ہے۔ اس صورت میں، ہم منتخب کریں گے بچ گیا کالم.
ماڈل بن جانے کے بعد، آپ کو ایک نئے منظر پر بھیج دیا جائے گا جس میں ماڈل کا خلاصہ ہوگا۔
ظاہر ہے کہ AI آپ کو بتائے گا کہ کس قسم کا ماڈل استعمال کیا گیا تھا اور ساتھ ہی ماڈل کی درستگی بھی۔ صفحہ آپ کے ڈیٹاسیٹ میں ان خصوصیات کی بھی فہرست بنائے گا جو نتیجہ کی پیش گوئی کرنے کے لیے سرفہرست ہیں۔
ماڈل استعمال کریں ٹیب پر کلک کریں اور ماڈل کو اپنے براؤزر میں خود آزمانے کے لیے لانچ ماڈل کو منتخب کریں۔
ظاہر ہے کہ AI آپ کو ایک ڈیش بورڈ پر بھیجے گا جہاں آپ پیشین گوئی کے لیے ڈیٹا ان پٹ کر سکتے ہیں۔ اوپر کی مثال میں، ہم نے ایک نئے مسافر کا ڈیٹا درج کیا ہے۔ پر کلک کرنا پیش گوئ کرنا۔، ہم نے تعین کیا ہے کہ 78% امکان ہے کہ نیا مسافر زندہ بچ گیا (Survived=1)۔
ہم ٹیسٹ ڈیٹا کا CSV اپ لوڈ کر کے بیچ کی پیشین گوئیاں بھی کر سکتے ہیں۔
پر کلک کریں پیشین گوئیاں ڈاؤن لوڈ کریں۔ اپ لوڈ کردہ ڈیٹا پر ماڈل کی پیشین گوئیوں کا CSV ڈاؤن لوڈ کرنے کے لیے۔
قیمتوں کا تعین
ظاہر ہے AI پیشکش کرتا ہے a مفت منصوبہ 1200 پیشین گوئیوں کی حد اور درجہ بندی اور ریگریشن ماڈلز تک رسائی کے ساتھ۔
محدود رسائی کا منصوبہ پیشین گوئیوں کی مقدار کو 12,000 تک بڑھاتا ہے اور صارفین کو اپنے پروجیکٹس میں مدد کے لیے ایک سرشار ڈیٹا سائنسدان تک رسائی فراہم کرتا ہے۔
مکمل رسائی کا منصوبہ 120,000 پیشین گوئیوں اور تربیتی ڈیٹا کی لامحدود قطاروں کی حد کو بڑھاتا ہے۔ صارفین کو ٹائم سیریز اور کلسٹرنگ ماڈلز اور ڈیٹا کی تیاری اور دیگر درخواستوں کو سنبھالنے کے لیے ایک سرشار ڈیٹا سائنس ٹیم تک بھی رسائی حاصل ہوگی۔
نتیجہ
اپنا پہلا ماڈل بنانے کے لیے ظاہری طور پر اے آئی کا استعمال کرنے کے بعد، میں اس بات سے متاثر ہوں کہ خام ڈیٹا سیٹ کو کلاؤڈ بیسڈ ڈیٹا سائنس ایپلی کیشن میں تبدیل کرنا کتنا سیدھا اور تیز ہے۔ شروع سے ماڈل کو ترتیب دینے میں صرف چند منٹ لگتے ہیں۔
اگرچہ قیمتوں کا تعین کرنے کے منصوبے شوق رکھنے والوں یا غیر منافع بخش تنظیموں کے لیے قدرے سخت ہو سکتے ہیں، لیکن یہ منصوبے چھوٹی کمپنیوں کے لیے کافی معقول ہیں جن کے پاس ابھی تک اپنی ٹیم میں ڈیٹا سائنسدان یا ڈیٹا انجینئر نہیں ہے۔
ظاہر ہے AI کے بارے میں آپ کا کیا خیال ہے؟
جواب دیجئے