تتمتع صناعة الخدمات المالية (FinServ) بمتطلبات ذكاء اصطناعي توليدية فريدة تتعلق بالبيانات الخاصة بالمجال وأمن البيانات والضوابط التنظيمية ومعايير الامتثال للصناعة. بالإضافة إلى ذلك، يبحث العملاء عن خيارات لتحديد نموذج التعلم الآلي (ML) الأكثر أداءً وفعالية من حيث التكلفة والقدرة على إجراء التخصيص اللازم (الضبط الدقيق) ليناسب حالات استخدام أعمالهم. أمازون سيج ميكر جومب ستارت يعتبر مناسبًا بشكل مثالي لحالات استخدام الذكاء الاصطناعي التوليدي لعملاء FinServ لأنه يوفر ضوابط أمان البيانات اللازمة ويلبي متطلبات معايير الامتثال.
في هذا المنشور، نعرض مهام الإجابة على الأسئلة باستخدام النهج القائم على إنشاء الاسترجاع المعزز (RAG) مع نماذج اللغة الكبيرة (LLMs) في SageMaker JumpStart باستخدام حالة استخدام بسيطة للمجال المالي. RAG هو إطار عمل لتحسين جودة إنشاء النص من خلال الجمع بين LLM ونظام استرجاع المعلومات (IR). يتم إنشاء نص LLM، ويقوم نظام IR باسترداد المعلومات ذات الصلة من قاعدة المعرفة. يتم بعد ذلك استخدام المعلومات المستردة لزيادة مدخلات LLM، والتي يمكن أن تساعد في تحسين دقة وأهمية النص الذي تم إنشاؤه في النموذج. لقد ثبت أن RAG فعال في مجموعة متنوعة من مهام إنشاء النص، مثل الإجابة على الأسئلة والتلخيص. إنه نهج واعد لتحسين جودة ودقة نماذج إنشاء النص.
مزايا استخدام SageMaker JumpStart
باستخدام SageMaker JumpStart، يمكن لممارسي تعلم الآلة الاختيار من بين مجموعة واسعة من النماذج الحديثة لحالات الاستخدام مثل كتابة المحتوى، وإنشاء الصور، وإنشاء التعليمات البرمجية، والإجابة على الأسئلة، وكتابة النصوص، والتلخيص، والتصنيف، واسترجاع المعلومات، والمزيد. يمكن لممارسي ML نشر النماذج الأساسية لـ مخصصة الأمازون SageMaker مثيلات من بيئة شبكة معزولة وتخصيص النماذج باستخدام SageMaker للتدريب على النموذج ونشره.
يعتبر SageMaker JumpStart مناسبًا بشكل مثالي لحالات استخدام الذكاء الاصطناعي التوليدي لعملاء FinServ لأنه يقدم ما يلي:
- قدرات التخصيص - يوفر SageMaker JumpStart نماذج لدفاتر الملاحظات ومنشورات تفصيلية للحصول على إرشادات خطوة بخطوة حول تكييف المجال للنماذج الأساسية. يمكنك متابعة هذه الموارد للضبط الدقيق وتكييف المجال وتعليمات النماذج الأساسية أو إنشاء تطبيقات قائمة على RAG.
- أمن البيانات - ضمان أمن بيانات الحمولة الاستدلالية أمر بالغ الأهمية. باستخدام SageMaker JumpStart، يمكنك نشر النماذج بمعزل عن الشبكة من خلال توفير نقطة نهاية مستأجرة واحدة. علاوة على ذلك، يمكنك إدارة التحكم في الوصول إلى نماذج محددة من خلال إمكانية مركز النموذج الخاص، بما يتماشى مع متطلبات الأمان الفردية.
- الضوابط التنظيمية والامتثال – يعد الامتثال لمعايير مثل HIPAA BAA وSOC123 وPCI وHITRUST CSF سمة أساسية لـ SageMaker، مما يضمن التوافق مع المشهد التنظيمي الصارم للقطاع المالي.
- اختيارات النموذج – يقدم SageMaker JumpStart مجموعة مختارة من نماذج تعلم الآلة المتطورة التي تُصنف باستمرار بين أفضل معايير HELM المعترف بها في الصناعة. وتشمل هذه، على سبيل المثال لا الحصر، نماذج Llama 2 وFalcon 40B وAI21 J2 Ultra وAI21 Summarize وHugging Face MiniLM وBGE.
في هذا المنشور، نستكشف إنشاء روبوت دردشة سياقي لمؤسسات الخدمات المالية باستخدام بنية RAG مع نموذج الأساس Llama 2 و معانقة الوجه GPTJ-6B-FP16 نموذج التضمين، وكلاهما متاح في SageMaker JumpStart. نحن نستخدم أيضا محرك متجه For أمازون أوبن سيرش سيرفرليس (قيد المعاينة حاليًا) كمخزن بيانات متجه لتخزين التضمينات.
القيود المفروضة على نماذج اللغة الكبيرة
تم تدريب LLMs على كميات هائلة من البيانات غير المنظمة والتفوق في إنشاء النصوص العامة. من خلال هذا التدريب، يكتسب حاملو LLM المعرفة الواقعية ويخزنونها. ومع ذلك، فإن LLMs الجاهزة للاستخدام تفرض قيودًا:
- إن تدريبهم خارج الإنترنت يجعلهم غير مطلعين على أحدث المعلومات.
- إن تدريبهم على البيانات المعممة في الغالب يقلل من فعاليتهم في المهام الخاصة بالمجال. على سبيل المثال، قد تفضل إحدى الشركات المالية روبوت الأسئلة والأجوبة الخاص بها للحصول على الإجابات من أحدث وثائقها الداخلية، مما يضمن الدقة والامتثال لقواعد العمل الخاصة بها.
- إن اعتمادهم على المعلومات المضمنة يضر بالقدرة على التفسير.
لاستخدام بيانات محددة في LLMs، توجد ثلاث طرق سائدة:
- يطالب تضمين البيانات داخل النموذج، مما يسمح له بالاستفادة من هذا السياق أثناء إنشاء المخرجات. يمكن أن يكون هذا صفرًا (لا توجد أمثلة)، أو طلقات قليلة (أمثلة محدودة)، أو طلقات متعددة (أمثلة وفيرة). مثل هذا التحفيز السياقي يوجه النماذج نحو نتائج أكثر دقة.
- ضبط النموذج باستخدام أزواج من المطالبات والإكمالات.
- RAG، الذي يسترد البيانات الخارجية (غير المعلمية) ويدمج هذه البيانات في المطالبات، مما يؤدي إلى إثراء السياق.
ومع ذلك، فإن الطريقة الأولى تواجه قيود النموذج على حجم السياق، مما يجعل من الصعب إدخال مستندات طويلة وربما زيادة التكاليف. ورغم أن نهج الضبط الدقيق فعال، إلا أنه يستهلك الكثير من الموارد، لا سيما مع البيانات الخارجية دائمة التطور، مما يؤدي إلى تأخير عمليات النشر وزيادة التكاليف. تقدم RAG مع LLMs حلاً للقيود المذكورة سابقًا.
الجيل المعزز الاسترداد
تسترد RAG البيانات الخارجية (غير المعلمية) وتدمج هذه البيانات في مطالبات تعلم الآلة، مما يؤدي إلى إثراء السياق. لويس وآخرون. قدمت نماذج RAG في عام 2020، حيث تصورها على أنها مزيج من نموذج تسلسل إلى تسلسل مُدرب مسبقًا (ذاكرة حدودية) وفهرس ناقل كثيف لويكيبيديا (ذاكرة غير حدودية) يمكن الوصول إليه عبر المسترد العصبي.
وإليك كيفية عمل RAG:
- مصادر البيانات - يمكن لـ RAG الاستفادة من مصادر بيانات متنوعة، بما في ذلك مستودعات المستندات أو قواعد البيانات أو واجهات برمجة التطبيقات.
- تنسيق البيانات - يتم تحويل كل من استعلام المستخدم والمستندات إلى تنسيق مناسب لمقارنات الملاءمة.
- التضمينات - لتسهيل هذه المقارنة، يتم تحويل الاستعلام ومجموعة المستندات (أو مكتبة المعرفة) إلى تضمينات رقمية باستخدام النماذج اللغوية. تقوم هذه التضمينات بتغليف المفاهيم النصية عدديًا.
- البحث عن الصلة - تتم مقارنة تضمين استعلام المستخدم بتضمينات مجموعة المستندات، وتحديد النص ذي الصلة من خلال بحث التشابه في مساحة التضمين.
- إثراء السياق - يتم إلحاق النص ذي الصلة المحدد بالموجه الأصلي للمستخدم، وبالتالي تعزيز سياقه.
- معالجة LLM – مع السياق المخصب، يتم تغذية الموجه إلى LLM، والذي، بسبب إدراج البيانات الخارجية ذات الصلة، ينتج مخرجات ذات صلة ودقيقة.
- تحديثات غير متزامنة - لضمان بقاء المستندات المرجعية محدثة، يمكن تحديثها بشكل غير متزامن مع تمثيلاتها المضمنة. ويضمن ذلك أن ترتكز الاستجابات النموذجية المستقبلية على أحدث المعلومات، مما يضمن الدقة.
في جوهر الأمر، تقدم RAG طريقة ديناميكية لتزويد ماجستير إدارة الأعمال بالمعلومات ذات الصلة في الوقت الفعلي، مما يضمن توليد مخرجات دقيقة وفي الوقت المناسب.
يوضح الرسم البياني التالي التدفق المفاهيمي لاستخدام RAG مع LLMs.
حل نظرة عامة
الخطوات التالية مطلوبة لإنشاء سؤال سياقي يجيب على chatbot لتطبيق الخدمات المالية:
- استخدم نموذج التضمين SageMaker JumpStart GPT-J-6B لإنشاء عمليات التضمين لكل مستند PDF في خدمة تخزين أمازون البسيطة (أمازون S3) دليل التحميل.
- تحديد المستندات ذات الصلة باستخدام الخطوات التالية:
- قم بإنشاء تضمين لاستعلام المستخدم باستخدام نفس النموذج.
- استخدم OpenSearch Serverless مع ميزة محرك المتجهات للبحث عن فهارس المستندات الأكثر صلة بـ K في مساحة التضمين.
- استرجاع المستندات المقابلة باستخدام الفهارس المحددة.
- قم بدمج المستندات المستردة كسياق مع مطالبة المستخدم وسؤاله. قم بإرسال هذا إلى SageMaker LLM لتوليد الاستجابة.
نحن نستخدم LangChain، وهو إطار عمل شائع، لتنسيق هذه العملية. تم تصميم LangChain خصيصًا لدعم التطبيقات التي تدعمها LLMs، مما يوفر واجهة عالمية لمختلف LLMs. فهو يعمل على تبسيط عملية دمج LLMs المتعددة، مما يضمن استمرار الحالة بسلاسة بين المكالمات. علاوة على ذلك، فهو يعزز كفاءة المطورين بميزات مثل قوالب المطالبة القابلة للتخصيص، ووكلاء بناء التطبيقات الشاملين، والفهارس المتخصصة للبحث والاسترجاع. للحصول على فهم متعمق، راجع وثائق LangChain.
المتطلبات الأساسية المسبقة
أنت بحاجة إلى المتطلبات الأساسية التالية لإنشاء روبوت الدردشة المدرك للسياق الخاص بنا:
للحصول على إرشادات حول كيفية إعداد محرك متجه OpenSearch Serverless، راجع نقدم لكم المحرك المتجه لـ Amazon OpenSearch Serverless، وهو الآن قيد المعاينة.
للحصول على إرشادات شاملة للحل التالي، قم باستنساخ ملف جيثب ريبو والإشارة إلى دفتر جوبيتر.
انشر نماذج تعلم الآلة باستخدام SageMaker JumpStart
لنشر نماذج تعلم الآلة، أكمل الخطوات التالية:
- انشر Llama 2 LLM من SageMaker JumpStart:
- نشر نموذج التضمينات GPT-J:
قم بتجميع البيانات وإنشاء كائن تضمين المستند
في هذا القسم، تقوم بتقسيم البيانات إلى مستندات أصغر. Chunking هي تقنية لتقسيم النصوص الكبيرة إلى أجزاء أصغر. إنها خطوة أساسية لأنها تعمل على تحسين ملاءمة استعلام البحث لنموذج RAG الخاص بنا، والذي بدوره يعمل على تحسين جودة برنامج الدردشة الآلية. يعتمد حجم القطعة على عوامل مثل نوع المستند والنموذج المستخدم. تم تحديد قطعةchunk_size=1600 لأن هذا هو الحجم التقريبي للفقرة. مع تحسن النماذج، سيزداد حجم نافذة السياق الخاصة بها، مما يسمح بأحجام أكبر للأجزاء.
الرجوع إلى دفتر جوبيتر في GitHub repo للحصول على الحل الكامل.
- تمديد LangChain
SageMakerEndpointEmbeddings
لإنشاء وظيفة تضمينات مخصصة تستخدم نقطة نهاية gpt-j-6b-fp16 SageMaker التي قمت بإنشائها مسبقًا (كجزء من استخدام نموذج التضمين): - قم بإنشاء كائن التضمينات وقم بإنشاء عمليات تضمين المستند دفعة واحدة:
- يتم تخزين هذه التضمينات في محرك المتجهات باستخدام LangChain
OpenSearchVectorSearch
. يمكنك تخزين هذه التضمينات في القسم التالي. قم بتخزين تضمين المستند في OpenSearch Serverless. أنت الآن جاهز للتكرار على المستندات المقسمة، وإنشاء التضمينات، وتخزين هذه التضمينات في فهرس المتجهات OpenSearch Serverless الذي تم إنشاؤه في مجموعات بحث المتجهات. انظر الكود التالي:
سؤال وجواب على الوثائق
لقد قمت حتى الآن بتقسيم مستند كبير إلى مستند أصغر حجمًا، وإنشاء تضمينات متجهة، وتخزينها في محرك متجه. يمكنك الآن الإجابة على الأسئلة المتعلقة ببيانات هذا المستند. نظرًا لأنك أنشأت فهرسًا فوق البيانات، يمكنك إجراء بحث دلالي؛ بهذه الطريقة، يتم تمرير المستندات الأكثر صلة المطلوبة للإجابة على السؤال فقط عبر المطالبة إلى LLM. يتيح لك ذلك توفير الوقت والمال من خلال تمرير المستندات ذات الصلة إلى LLM فقط. لمزيد من التفاصيل حول استخدام سلاسل المستندات، راجع الوثائق .
أكمل الخطوات التالية للإجابة على الأسئلة باستخدام المستندات:
- لاستخدام نقطة نهاية SageMaker LLM مع LangChain، يمكنك استخدام
langchain.llms.sagemaker_endpoint.SagemakerEndpoint
، الذي يلخص نقطة نهاية SageMaker LLM. يمكنك إجراء تحويل لحمولة الطلب والاستجابة كما هو موضح في التعليمة البرمجية التالية لتكامل LangChain SageMaker. لاحظ أنك قد تحتاج إلى ضبط التعليمات البرمجية في ContentHandler استنادًا إلى content_type وقبول تنسيق نموذج LLM الذي تختار استخدامه.
أنت الآن جاهز للتفاعل مع المستند المالي.
- استخدم الاستعلام التالي والقالب الفوري لطرح أسئلة بخصوص المستند:
تنظيف
لتجنب تكبد تكاليف مستقبلية، احذف نقاط نهاية استدلال SageMaker التي قمت بإنشائها في دفتر الملاحظات هذا. يمكنك القيام بذلك عن طريق تشغيل ما يلي في دفتر ملاحظات SageMaker Studio الخاص بك:
إذا قمت بإنشاء مجموعة OpenSearch Serverless لهذا المثال ولم تعد بحاجة إليها، فيمكنك حذفها عبر وحدة تحكم OpenSearch Serverless.
وفي الختام
في هذا المنشور، ناقشنا استخدام RAG كنهج لتوفير سياق خاص بالمجال لـ LLMs. لقد أظهرنا كيفية استخدام SageMaker JumpStart لإنشاء روبوت دردشة سياقي قائم على RAG لمؤسسة خدمات مالية تستخدم Llama 2 وOpenSearch Serverless مع محرك متجه كمخزن بيانات متجه. تعمل هذه الطريقة على تحسين إنشاء النص باستخدام Llama 2 من خلال تحديد مصادر السياق ذي الصلة ديناميكيًا. يسعدنا أن نراكم تجلبون بياناتكم المخصصة وتبتكرون باستخدام هذه الإستراتيجية المستندة إلى RAG على SageMaker JumpStart!
عن المؤلفين
سونيل بادمانابان هو مهندس حلول بدء التشغيل في AWS. بصفته مؤسسًا سابقًا لشركة ناشئة ورئيسًا تنفيذيًا للتكنولوجيا ، فهو متحمس للتعلم الآلي ويركز على مساعدة الشركات الناشئة في الاستفادة من الذكاء الاصطناعي / التعلم الآلي من أجل نتائج أعمالها وتصميم حلول ML / AI ونشرها على نطاق واسع.
سليمان باتل هو مهندس حلول أول في Amazon Web Services (AWS) ، مع التركيز بشكل خاص على التعلم الآلي والتحديث. من خلال الاستفادة من خبرته في كل من الأعمال والتكنولوجيا ، يساعد سليمان العملاء على تصميم وبناء الحلول التي تعالج مشاكل الأعمال في العالم الحقيقي. عندما لا يكون منغمسًا في عمله ، يحب سليمان استكشاف الأماكن الخارجية والقيام برحلات على الطريق وطهي الأطباق اللذيذة في المطبخ.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/machine-learning/build-a-contextual-chatbot-for-financial-services-using-amazon-sagemaker-jumpstart-llama-2-and-amazon-opensearch-serverless-with-vector-engine/
- :لديها
- :يكون
- :ليس
- $ UP
- 1
- 100
- 13
- 2020
- 26%
- 30
- 7
- 8
- 9
- a
- القدرة
- من نحن
- الملخصات
- وفيرة
- يقبل
- الوصول
- الوصول
- دقة
- كسب
- تكيف
- إضافة
- عملاء
- AI
- حالات استخدام ai
- AI / ML
- AL
- المحاذاة
- انحياز
- السماح
- يسمح
- على طول
- أيضا
- أمازون
- الأمازون SageMaker
- أمازون سيج ميكر جومب ستارت
- أمازون ويب سيرفيسز
- أمازون ويب سيرفيسز (أوس)
- من بين
- an
- و
- إجابة
- الأجوبة
- واجهات برمجة التطبيقات
- تطبيق
- التطبيقات
- نهج
- تقريبي
- هندسة معمارية
- هي
- AS
- تطلب
- At
- زيادة
- المعزز
- متاح
- تجنب
- AWS
- قاعدة
- على أساس
- BE
- لان
- كان
- المعايير
- ما بين
- دعم
- يعزز
- أحذية طويلة
- على حد سواء
- جلب
- واسع
- نساعدك في بناء
- ابني
- الأعمال
- لكن
- by
- دعوات
- CAN
- قدرة
- حقيبة
- الحالات
- سلسلة
- السلاسل
- chatbot
- الخيارات
- اختار
- فئة
- تصنيف
- الكود
- مجموعة شتاء XNUMX
- مجموعات
- الجمع بين
- الجمع بين
- مقارنة
- مقارنة
- مقارنات
- إكمال
- الالتزام
- شامل
- إحصاء
- المفاهيم
- المفاهيمي
- باتساق
- كنسولات
- القيود
- محتوى
- كتابة المحتوى
- سياق الكلام
- قريني
- مراقبة
- ضوابط
- حقوق التأليف والنشر
- جوهر
- المقابلة
- فعاله من حيث التكلفه
- التكاليف
- خلق
- خلق
- خلق
- CTO
- حالياًّ
- حاليا
- على
- العملاء
- للتخصيص
- التخصيص
- تصميم
- البيانات
- أمن البيانات
- قواعد البيانات
- مخصصة
- يعرف
- مؤجل
- شرح
- يعتمد
- نشر
- نشر
- نشر
- تصميم
- تصميم
- مفصلة
- تفاصيل
- المطور
- DICT
- ناقش
- do
- وثيقة
- وثائق
- نطاق
- رسم
- اثنان
- أثناء
- ديناميكي
- حيوي
- E & T
- كل
- في وقت سابق
- أرباح
- أرباحا
- الطُرق الفعّالة
- فعالية
- كفاءة
- آخر
- تضمين
- جزءا لا يتجزأ من
- تضمين
- توظيف
- النهاية
- نقطة النهاية
- محرك
- تعزيز
- المخصب
- إثراء
- ضمان
- يضمن
- ضمان
- البيئة
- جوهر
- أساسي
- مثال
- أمثلة
- Excel
- متحمس
- يوجد
- خبرة
- اكتشف
- استكشاف
- مد
- خارجي
- الوجه
- تسهيل
- العوامل
- بعيدا
- الميزات
- المميزات
- بنك الاحتياطي الفيدرالي
- مالي
- القطاع المالي
- الخدمات المالية
- الخدمات المالية
- فين سيرف
- شركة
- الاسم الأول
- تناسب
- تطفو
- تدفق
- تركز
- ويركز
- اتباع
- متابعيك
- في حالة
- شكل
- سابق
- إلى الأمام
- دورة تأسيسية
- مؤسس
- الإطار
- تبدأ من
- وظيفة
- علاوة على ذلك
- انصهار
- مستقبل
- العلاجات العامة
- توليد
- ولدت
- جيل
- توليدي
- الذكاء الاصطناعي التوليدي
- GitHub جيثب:
- حصلت
- توجيه
- يملك
- he
- مساعدة
- مساعدة
- يساعد
- له
- مضيف
- كيفية
- كيفية
- لكن
- HTTP
- HTTPS
- محور
- i
- من الناحية المثالية
- محدد
- تحديد
- if
- صورة
- مغمور
- استيراد
- تحسن
- يحسن
- تحسين
- in
- في العمق
- تتضمن
- بما فيه
- إدراجه
- القيمة الاسمية
- زيادة
- في ازدياد
- مؤشر
- الفهارس
- فرد
- العالمية
- معلومات
- الابتكار
- إدخال
- المدخلات
- مثل
- تعليمات
- يدمج
- التكامل
- تفاعل
- السطح البيني
- داخلي
- إلى
- أدخلت
- معزول
- عزل
- IT
- انها
- JPG
- جسون
- المعرفة
- المشهد
- لغة
- كبير
- أكبر
- آخر
- قيادة
- تعلم
- الطول
- الرافعة المالية
- الاستفادة من
- رافعة الحجارة
- المكتبة
- مثل
- القيود
- محدود
- قائمة
- اللاما نوع من الجمال
- LLM
- تسجيل
- يعد
- أبحث
- يحب
- آلة
- آلة التعلم
- القيام ب
- إدارة
- كثير
- مايو..
- يجتمع
- مكبر الصوت : يدعم، مع دعم ميكروفون مدمج لمنع الضوضاء
- المذكورة
- طريقة
- طرق
- ربما
- ML
- نموذج
- عارضات ازياء
- مال
- الأكثر من ذلك
- علاوة على ذلك
- أكثر
- متعدد
- ضروري
- حاجة
- شبكة
- عصبي
- التالي
- لا
- بدون اضاءة
- مفكرة
- الآن
- موضوع
- of
- الوهب
- عروض
- حاليا
- on
- ONE
- منها
- فقط
- تعمل
- المثلى
- or
- منظمة
- المنظمات
- أصلي
- لنا
- النتائج
- في الهواء الطلق
- الناتج
- النتائج
- على مدى
- أزواج
- المعلمات
- أساسي
- جزء
- خاصة
- مرت
- مرور
- عاطفي
- نفذ
- إصرار
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- الرائج
- ربما
- منشور
- المنشورات
- قوي
- مدعوم
- حاجة
- في الغالب
- تفضل
- الشروط
- يقدم
- سائد
- أرسال
- سابقا
- خاص
- مشاكل
- عملية المعالجة
- ينتج عنه
- واعد
- تزود
- ويوفر
- تقديم
- سؤال وجواب
- جودة
- سؤال
- الأسئلة المتكررة
- <font style="vertical-align: inherit;"></font> في ايم بي بي ايس
- استعداد
- العالم الحقيقي
- في الوقت الحقيقي
- الرجوع
- مرجع
- بخصوص
- المنظمين
- المشهد التنظيمي
- ذات صلة
- مدى صلة
- ذات الصلة
- اعتماد
- لا تزال
- يجعل
- تقرير
- طلب
- تطلب
- مطلوب
- المتطلبات الأساسية
- موارد كثيفة
- الموارد
- استجابة
- ردود
- النتائج
- عائد أعلى
- عائدات
- صارم
- طريق
- النوع
- القواعد
- تشغيل
- sagemaker
- الاستدلال SageMaker
- نفسه
- حفظ
- حجم
- سلس
- بحث
- القسم
- القطاع
- أمن
- انظر تعريف
- حدد
- مختار
- اختيار
- SELF
- كبير
- Serverless
- الخدمة
- خدماتنا
- طقم
- أظهرت
- أظهرت
- يظهر
- الاشارات
- المقاس
- الأحجام
- الأصغر
- So
- حل
- الحلول
- مصدر
- مصادر
- مصادر
- الفضاء
- تختص
- متخصص
- محدد
- على وجه التحديد
- محدد
- المعايير
- بدء التشغيل
- البدء
- الولايه او المحافظه
- دولة من بين الفن
- خطوة
- خطوات
- تخزين
- متجر
- تخزين
- الإستراتيجيات
- يبسط
- ستوديو
- هذه
- مناسب
- تلخيص
- نظام
- معالجة
- مع الأخذ
- المهام
- تقنية
- تكنولوجيا
- قالب
- النماذج
- نص
- نصي
- أن
- •
- من مشاركة
- منهم
- then
- وبالتالي
- تشبه
- هم
- ثلاثة
- عبر
- الوقت
- في حينه
- إلى
- سويا
- تيشرت
- صارم
- نحو
- متدرب
- قادة الإيمان
- تحول
- تحول
- صحيح
- منعطف أو دور
- نوع
- الترا
- فهم
- فريد من نوعه
- عالمي
- حديث جديد
- تحديث
- تستخدم
- حالة الاستخدام
- مستعمل
- مستخدم
- يستخدم
- استخدام
- الاستفادة من
- متنوع
- تشكيلة
- مختلف
- كبير
- بواسطة
- مجلدات
- تجول
- طريق..
- we
- الويب
- خدمات ويب
- ابحث عن
- متى
- التي
- في حين
- ويكيبيديا
- سوف
- نافذة
- مع
- في غضون
- للعمل
- جاري الكتابة
- عام
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت