تمت كتابة هذا المنشور بالاشتراك مع تاتشر ثورنبيري من شركة بي بي سي للطاقة.
تصنيف السطح هو عملية تجزئة التكوينات الصخرية من البيانات الجيولوجية في موقع حفرة البئر. أثناء الحفر ، يتم الحصول على سجلات سلكية تحتوي على معلومات جيولوجية تعتمد على العمق. يتم نشر الجيولوجيين لتحليل بيانات السجل هذه وتحديد نطاقات العمق لوجهات الاهتمام المحتملة من الأنواع المختلفة لبيانات السجل. يعد التصنيف الدقيق لهذه المناطق أمرًا بالغ الأهمية لعمليات الحفر التالية.
أصبح تصنيف الوجه باستخدام الذكاء الاصطناعي والتعلم الآلي (ML) مجالًا شائعًا للتحقيق في العديد من شركات النفط الكبرى. لا يمتلك العديد من علماء البيانات ومحللي الأعمال في شركات النفط الكبيرة مجموعة المهارات اللازمة لتشغيل تجارب تعلم الآلة المتقدمة في مهام مهمة مثل تصنيف الوجوه. لمعالجة هذا الأمر ، نوضح لك كيفية إعداد وتدريب نموذج تصنيف ML الأفضل في فئته على هذه المشكلة بسهولة.
في هذا المنشور ، الذي يستهدف بشكل أساسي أولئك الذين يستخدمون Snowflake بالفعل ، نشرح كيف يمكنك استيراد بيانات التدريب والتحقق من الصحة لمهمة تصنيف الوجوه من ندفة الثلج إلى قماش أمازون سيج ميكر ثم قم بتدريب النموذج باستخدام نموذج تنبؤ بالفئة 3+.
حل نظرة عامة
يتكون حلنا من الخطوات التالية:
- قم بتحميل بيانات الوجه CSV من جهازك المحلي إلى Snowflake. بالنسبة لهذا المنشور ، نستخدم البيانات من التالي مفتوح المصدر GitHub repo.
- ضبط إدارة الهوية والوصول AWS (IAM) لـ Snowflake وإنشاء تكامل Snowflake.
- قم بإنشاء سر لبيانات اعتماد Snowflake (اختياري ، لكن ينصح به).
- استيراد ندفة الثلج مباشرة إلى قماش.
- بناء نموذج تصنيف الوجوه.
- حلل النموذج.
- قم بتشغيل التنبؤات المجمعة والمفردة باستخدام نموذج متعدد الفئات.
- مشاركة النموذج المدرّب ل أمازون ساجميكر ستوديو.
المتطلبات الأساسية المسبقة
تتضمن المتطلبات الأساسية لهذا المنشور ما يلي:
تحميل بيانات الوجوه CSV إلى Snowflake
في هذا القسم ، نأخذ مجموعتي بيانات مفتوحت المصدر ونقوم بتحميلهما مباشرة من أجهزتنا المحلية إلى قاعدة بيانات Snowflake. من هناك ، أنشأنا طبقة تكامل بين Snowflake و Canvas.
- تحميل Training_data.csv و Validation_data_nofacies.csv الملفات إلى جهازك المحلي. قم بتدوين المكان الذي حفظته فيه.
- للتأكد من أن لديك بيانات اعتماد Snowflake الصحيحة وتثبيت تطبيق Snowflake CLI لسطح المكتب ، يمكنك الاتحاد في. لمزيد من المعلومات ، راجع سجّل الدخول إلى SnowSQL.
- حدد مستودع Snowflake المناسب للعمل بداخله ، وهو في حالتنا
COMPUTE_WH
:
- اختر قاعدة بيانات لاستخدامها لبقية الإرشادات التفصيلية:
- قم بإنشاء تنسيق ملف مسمى يصف مجموعة من البيانات المرحلية للوصول إليها أو تحميلها في جداول Snowflake.
يمكن تشغيل هذا إما في Snowflake CLI أو في ورقة عمل Snowflake على تطبيق الويب. في هذا المنشور ، نقوم بتشغيل استعلام SnowSQL في تطبيق الويب. يرى الشروع في العمل مع أوراق العمل للحصول على إرشادات حول كيفية إنشاء ورقة عمل على تطبيق الويب Snowflake.
- قم بإنشاء جدول في Snowflake باستخدام عبارة CREATE.
تقوم العبارة التالية بإنشاء جدول جديد في مخطط قاعدة البيانات الحالي أو المحدد (أو تحل محل جدول موجود).
من المهم أن تكون أنواع البيانات والترتيب الذي تظهر به صحيحين ، وأن تتماشى مع ما هو موجود في ملفات CSV التي قمنا بتنزيلها مسبقًا. إذا كانت غير متسقة ، فسنواجه مشكلات لاحقًا عندما نحاول نسخ البيانات عبر.
- افعل الشيء نفسه لقاعدة بيانات التحقق من الصحة.
لاحظ أن المخطط يختلف قليلاً عن بيانات التدريب. مرة أخرى ، تأكد من صحة أنواع البيانات وأوامر الأعمدة أو الميزات.
- قم بتحميل ملف بيانات CSV من نظامك المحلي في بيئة التدريج Snowflake:
- فيما يلي بناء جملة العبارة لنظام التشغيل Windows:
- فيما يلي بناء جملة العبارة لنظام التشغيل Mac OS:
تُظهر لقطة الشاشة التالية مثالاً لأمر وإخراج من داخل SnowSQL CLI.
- انسخ البيانات إلى جدول Snowflake الهدف.
هنا ، نقوم بتحميل بيانات التدريب بتنسيق CSV إلى الجدول الهدف ، الذي أنشأناه سابقًا. لاحظ أنه يتعين عليك القيام بذلك لكل من ملفات التدريب والتحقق من صحة CSV ، ونسخها في جداول التدريب والتحقق من الصحة ، على التوالي.
- تحقق من أن البيانات قد تم تحميلها في الجدول الهدف عن طريق تشغيل استعلام SELECT (يمكنك القيام بذلك لكل من بيانات التدريب والتحقق من الصحة):
تكوين أدوار Snowflake IAM وإنشاء تكامل Snowflake
كشرط أساسي لهذا القسم ، يرجى اتباع وثائق Snowflake الرسمية حول كيفية cقم بتكوين تكامل تخزين ندفة الثلج للوصول إلى Amazon S3.
استرجع مستخدم IAM لحساب Snowflake الخاص بك
بمجرد تكوين تكامل تخزين Snowflake بنجاح ، قم بتشغيل ما يلي DESCRIBE INTEGRATION
أمر لاسترداد ARN لمستخدم IAM الذي تم إنشاؤه تلقائيًا لحساب Snowflake الخاص بك:
سجل القيم التالية من الإخراج:
- STORAGE_AWS_IAM_USER_ARN - مستخدم IAM الذي تم إنشاؤه لحساب Snowflake الخاص بك
- STORAGE_AWS_EXTERNAL_ID - المعرف الخارجي المطلوب لتأسيس علاقة ثقة
تحديث سياسة الثقة بدور IAM
الآن نقوم بتحديث سياسة الثقة:
- في وحدة تحكم IAM ، اختر الأدوار في جزء التنقل.
- اختر الدور الذي قمت بإنشائه.
- على علاقة الثقة علامة التبويب، اختر تحرير علاقة الثقة.
- قم بتعديل مستند السياسة كما هو موضح في الكود التالي بقيم إخراج DESC STORAGE INTEGRATION التي سجلتها في الخطوة السابقة.
- اختار تحديث سياسة الثقة.
قم بإنشاء مرحلة خارجية في Snowflake
نستخدم مرحلة خارجية داخل Snowflake لتحميل البيانات من حاوية S3 في حسابك الخاص إلى Snowflake. في هذه الخطوة ، نقوم بإنشاء مرحلة خارجية (Amazon S3) تشير إلى تكامل التخزين الذي قمت بإنشائه. لمزيد من المعلومات، راجع إنشاء مرحلة S3.
هذا يتطلب دورًا له CREATE_STAGE
امتياز للمخطط بالإضافة إلى امتياز USAGE على تكامل التخزين. يمكنك منح هذه الامتيازات للدور كما هو موضح في الكود في الخطوة التالية.
قم بإنشاء المرحلة باستخدام CREATE_STAGE
الأمر مع العناصر النائبة للمرحلة الخارجية وحاوية S3 والبادئة. تشير المرحلة أيضًا إلى كائن تنسيق ملف مسمى يسمى my_csv_format
:
قم بإنشاء سر لبيانات اعتماد Snowflake
يتيح لك Canvas استخدام ARN لملف مدير أسرار AWS سر أو اسم حساب Snowflake واسم المستخدم وكلمة المرور للوصول إلى Snowflake. إذا كنت تنوي استخدام خيار اسم حساب Snowflake واسم المستخدم وكلمة المرور ، فانتقل إلى القسم التالي ، الذي يغطي إضافة مصدر البيانات.
لإنشاء سر مدير الأسرار يدويًا ، أكمل الخطوات التالية:
- في وحدة تحكم مدير الأسرار ، اختر قم بتخزين سر جديد.
- في حالة حدد النوع السريتحديد أنواع أخرى من الأسرار.
- حدد تفاصيل السر الخاص بك كأزواج مفتاح-قيمة.
أسماء المفتاح حساسة لحالة الأحرف ويجب أن تكون صغيرة.
إذا كنت تفضل ذلك ، يمكنك استخدام خيار النص العادي وإدخال القيم السرية مثل JSON:
- اختار التالى.
- في حالة الاسم السري، أضف البادئة
AmazonSageMaker
(على سبيل المثال ، سرنا هوAmazonSageMaker-CanvasSnowflakeCreds
). - في مجلة علامات ، أضف علامة بالمفتاح SageMaker والقيمة true.
- اختار التالى.
- باقي الحقول اختيارية ؛ إختر التالى حتى يكون لديك خيار الاختيار المتجر لتخزين السر.
- بعد تخزين السر ، ستتم إعادتك إلى وحدة تحكم مدير الأسرار.
- اختر السر الذي أنشأته للتو ، ثم استرد ARN السري.
- قم بتخزين هذا في محرر النصوص المفضل لديك لاستخدامه لاحقًا عند إنشاء مصدر بيانات Canvas.
استيراد ندفة الثلج مباشرة إلى قماش
لاستيراد مجموعة بيانات الوجوه مباشرة إلى Canvas ، أكمل الخطوات التالية:
- في وحدة تحكم SageMaker ، اختر قماش أمازون سيج ميكر في جزء التنقل.
- اختر ملف تعريف المستخدم الخاص بك واختر فتح قماش.
- في صفحة Canvas المقصودة ، اختر قواعد البيانات في جزء التنقل.
- اختار استيراد.
- انقر على ندفة الثلج في الصورة أدناه ثم على الفور "إضافة اتصال".
- أدخل ARN لسر Snowflake الذي أنشأناه مسبقًا ، اسم تكامل التخزين (
SAGEMAKER_CANVAS_INTEGRATION
) ، واسم اتصال فريد من اختيارك. - اختار أضف الاتصال.
إذا كانت جميع الإدخالات صحيحة ، فيجب أن ترى جميع قواعد البيانات المرتبطة بالاتصال في جزء التنقل (انظر المثال التالي للحصول على NICK_FACIES
).
- اختيار
TRAINING_DATA
الجدول ، ثم اختر معاينة مجموعة البيانات.
إذا كنت راضيًا عن البيانات ، يمكنك تحرير SQL المخصص في مصور البيانات.
- اختار تحرير في SQL.
- قم بتشغيل أمر SQL التالي قبل الاستيراد إلى Canvas. (هذا يفترض أن قاعدة البيانات تسمى
NICK_FACIES
. استبدل هذه القيمة باسم قاعدة البيانات الخاصة بك.)
يجب أن يظهر شيء مشابه للقطة الشاشة التالية في ملف معاينة الاستيراد والقسم الخاص به.
- إذا كنت راضيًا عن المعاينة ، فاختر تواريخ الاستيراد.
- اختر اسمًا مناسبًا للبيانات ، وتأكد من أنه فريد وأقل من 32 حرفًا.
- استخدم الأمر التالي لاستيراد مجموعة بيانات التحقق باستخدام نفس الطريقة السابقة:
بناء نموذج تصنيف الوجوه
لبناء نموذج تصنيف الوجه الخاص بك ، أكمل الخطوات التالية:
- اختار الموديلات في جزء التنقل ، ثم اختر نموذج جديد.
- امنح نموذجك اسمًا مناسبًا.
- على أختار علامة التبويب ، اختر مجموعة بيانات التدريب التي تم استيرادها مؤخرًا ، ثم اختر حدد مجموعة البيانات.
- على البناء علامة التبويب ، قم بإسقاط ملف
WELL_NAME
العمود.
نقوم بذلك لأن أسماء الآبار نفسها ليست معلومات مفيدة لنموذج ML. إنها مجرد أسماء عشوائية نجدها مفيدة للتمييز بين الآبار نفسها. الاسم الذي نطلقه على بئر معين لا علاقة له بنموذج ML.
- اختر الوجوه كعمود الهدف.
- يترك نوع النموذج as 3+ فئة التنبؤ.
- تحقق من صحة البيانات.
- اختار بناء قياسي.
يجب أن تبدو صفحتك مشابهة للصورة التالية قبل إنشاء النموذج مباشرة.
بعد أن تختار بناء قياسييدخل النموذج مرحلة التحليل. لقد تم توفير وقت الإنشاء المتوقع. يمكنك الآن إغلاق هذه النافذة ، وتسجيل الخروج من Canvas (لتجنب الرسوم) ، والعودة إلى Canvas في وقت لاحق.
تحليل نموذج تصنيف الوجوه
لتحليل النموذج ، أكمل الخطوات التالية:
- اتحد مرة أخرى في Canvas.
- حدد موقع النموذج الذي تم إنشاؤه مسبقًا ، واختر المزيد، ثم اختر حلل.
- على نبذة علامة التبويب ، يمكنك رؤية تأثير الميزات الفردية على إخراج النموذج.
- في الجزء الأيسر ، يمكنك تصور التأثير الذي تحدثه ميزة معينة (المحور X) على توقع كل فئة واجهات (المحور ص).
ستتغير هذه المرئيات وفقًا للميزة التي تحددها. نحن نشجعك على استكشاف هذه الصفحة من خلال التنقل عبر جميع الفئات التسعة والميزات العشر.
- على سجل علامة التبويب ، يمكننا أن نرى تصنيف السهولة المتوقع مقابل الفعلي.
- اختار المقاييس المتقدمة لعرض نتائج F1 ، ومتوسط الدقة ، والدقة ، والاستدعاء ، و AUC.
- مرة أخرى ، نشجع مشاهدة جميع الفئات المختلفة.
- اختار تحميل لتنزيل صورة على جهازك المحلي.
في الصورة التالية ، يمكننا أن نرى عددًا من المقاييس المتقدمة المختلفة ، مثل درجة F1. في التحليل الإحصائي ، تنقل درجة F1 التوازن بين الدقة واسترجاع نموذج التصنيف ، ويتم حسابها باستخدام المعادلة التالية: 2*((Precision * Recall)/ (Precision + Recall))
.
قم بتشغيل التنبؤ الفردي والدُفعي باستخدام نموذج تصنيف الواجهات متعدد الفئات
لتشغيل توقع ، أكمل الخطوات التالية:
- اختار توقع واحد لتعديل قيم المعالم حسب الحاجة ، والحصول على تصنيف للوجه يتم إرجاعه على يمين الصفحة.
يمكنك بعد ذلك نسخ صورة مخطط التنبؤ إلى الحافظة الخاصة بك ، وكذلك تنزيل التنبؤات في ملف CSV.
- اختار توقع الدفعة ثم اختر حدد مجموعة البيانات لاختيار مجموعة بيانات التحقق التي قمت باستيرادها مسبقًا.
- اختار توليد تنبؤات.
تتم إعادة توجيهك إلى تنبؤ الصفحة حيث الحالة سيقرأ توليد التنبؤات لبضع ثوان.
بعد إرجاع التنبؤات ، يمكنك معاينة التنبؤات أو تنزيلها أو حذفها عن طريق اختيار قائمة الخيارات (ثلاث نقاط رأسية) بجوار التنبؤات.
فيما يلي مثال على معاينة التنبؤات.
مشاركة نموذج مدرب في الاستوديو
يمكنك الآن مشاركة أحدث إصدار من النموذج مع مستخدم Studio آخر. يتيح ذلك لعلماء البيانات مراجعة النموذج بالتفصيل واختباره وإجراء أي تغييرات قد تؤدي إلى تحسين الدقة ومشاركة النموذج المحدث معك.
تعد القدرة على مشاركة عملك مع مستخدم أكثر تقنيًا داخل Studio ميزة أساسية لـ Canvas ، بالنظر إلى التمييز الأساسي بين مهام سير عمل شخصيات ML. لاحظ التركيز القوي هنا على التعاون بين الفرق متعددة الوظائف ذات القدرات الفنية المختلفة.
- اختار مشاركة لمشاركة النموذج.
- اختر النموذج الذي تريد مشاركته.
- أدخل مستخدم الاستوديو لمشاركة النموذج معه.
- أضف ملاحظة اختيارية.
- اختار مشاركة.
وفي الختام
في هذا المنشور ، أوضحنا كيف يمكنك من خلال بضع نقرات فقط في Amazon SageMaker Canvas تحضير واستيراد بياناتك من Snowflake ، والانضمام إلى مجموعات البيانات الخاصة بك ، وتحليل الدقة المقدرة ، والتحقق من الأعمدة المؤثرة ، وتدريب النموذج الأفضل أداءً ، وإنشاء فرد جديد أو توقعات الدفعة. نحن متحمسون لسماع ملاحظاتك ومساعدتك في حل المزيد من مشاكل العمل مع ML. لبناء النماذج الخاصة بك ، انظر الشروع في استخدام Amazon SageMaker Canvas.
حول المؤلف
نيك مكارثي هو مهندس تعلم الآلة في فريق خدمات AWS الاحترافية. لقد عمل مع عملاء AWS عبر مختلف الصناعات بما في ذلك الرعاية الصحية والتمويل والرياضة والاتصالات والطاقة لتسريع نتائج أعمالهم من خلال استخدام AI / ML. من خلال العمل مع فريق علوم البيانات bpx ، انتهى نيك مؤخرًا من بناء منصة التعلم الآلي لـ bpx على Amazon SageMaker.
تاتشر ثورنبيري هو مهندس تعلم الآلة في bpx Energy. يدعم علماء البيانات في bpx من خلال تطوير وصيانة منصة علوم البيانات الأساسية للشركة في Amazon SageMaker. يحب في أوقات فراغه اختراق مشاريع الترميز الشخصية وقضاء الوقت في الهواء الطلق مع زوجته.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- أفلاطونايستريم. ذكاء بيانات Web3. تضخيم المعرفة. الوصول هنا.
- سك المستقبل مع أدرين أشلي. الوصول هنا.
- شراء وبيع الأسهم في شركات ما قبل الاكتتاب مع PREIPO®. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/machine-learning/prepare-training-and-validation-dataset-for-facies-classification-using-snowflake-integration-and-train-using-amazon-sagemaker-canvas/
- :لديها
- :يكون
- :أين
- $ UP
- 10
- 100
- 11
- 12
- 14
- 17
- 50
- 7
- 8
- 9
- a
- القدرات
- القدرة
- تسريع
- الوصول
- وفقا لذلك
- حسابي
- دقة
- بدقة
- في
- اكشن
- يقدم
- تضيف
- مضيفا
- العنوان
- متقدم
- مرة أخرى
- AI
- AI / ML
- تهدف
- محاذاة
- الكل
- السماح
- يسمح
- سابقا
- أيضا
- أمازون
- الأمازون SageMaker
- قماش أمازون سيج ميكر
- أمازون ويب سيرفيسز
- an
- تحليل
- المحللين
- تحليل
- و
- آخر
- أي وقت
- التطبيق
- تظهر
- تطبيق
- مناسب
- هي
- المنطقة
- AS
- أسوشيتد
- At
- تلقائيا
- المتوسط
- تجنب
- AWS
- الخدمات المهنية AWS
- محور
- الى الخلف
- الرصيد
- BE
- لان
- أصبح
- كان
- قبل
- أقل من
- أفضل
- ما بين
- على حد سواء
- نساعدك في بناء
- ابني
- الأعمال
- لكن
- by
- تسمى
- CAN
- قماش
- حقيبة
- الفئة
- تغيير
- التغييرات
- الأحرف
- اسعارنا محددة من قبل وزارة العمل
- رسم
- اختار
- اختيار
- فئة
- فصول
- تصنيف
- عميل
- اغلاق
- الكود
- البرمجة
- للاتعاون
- عمود
- الأعمدة
- الشركات
- الشركة
- إكمال
- حالة
- صلة
- كنسولات
- تقليد
- جوهر
- تصحيح
- يغطي
- خلق
- خلق
- يخلق
- أوراق اعتماد
- حرج
- فرق متعددة الوظائف
- حالياًّ
- على
- البيانات
- علم البيانات
- قاعدة البيانات
- قواعد البيانات
- قواعد البيانات
- اعتمادا
- نشر
- عمق
- وصف
- سطح المكتب
- التفاصيل
- تفاصيل
- حدد
- تطوير
- مختلف
- اختلاف
- مباشرة
- تميز
- do
- وثيقة
- توثيق
- لا
- بإمكانك تحميله
- قطرة
- أثناء
- كل
- في وقت سابق
- بسهولة
- رئيس التحرير
- تأثير
- إما
- شجع
- طاقة
- مهندس
- ضمان
- ضمان
- أدخل
- يدخل
- البيئة
- إنشاء
- مقدر
- حتى
- مثال
- متحمس
- القائمة
- متوقع
- تجارب
- شرح
- اكتشف
- خارجي
- f1
- الميزات
- المميزات
- ردود الفعل
- قليل
- أقل
- مجال
- قم بتقديم
- ملفات
- تمويل
- تركز
- اتباع
- متابعيك
- في حالة
- شكل
- تشكيل
- وجدت
- مجانا
- تبدأ من
- توليد
- دولار فقط واحصل على خصم XNUMX% على جميع
- GitHub جيثب:
- منح
- معطى
- منح
- الإختراق
- سعيد
- يملك
- وجود
- he
- الرعاية الصحية
- سماع
- مساعدة
- هنا
- له
- كيفية
- كيفية
- HTML
- HTTP
- HTTPS
- ID
- هوية
- if
- صورة
- فورا
- التأثير
- تأثيرا
- استيراد
- أهمية
- استيراد
- تحسن
- in
- تتضمن
- بما فيه
- على نحو متزايد
- فرد
- الصناعات
- معلومات
- تثبيت
- تعليمات
- التكامل
- تعتزم
- مصلحة
- إلى
- تحقيق
- مسائل
- IT
- الانضمام
- JPG
- جسون
- م
- القفل
- هبوط
- كبير
- الى وقت لاحق
- آخر
- طبقة
- تعلم
- القليل
- تحميل
- جار التحميل
- محلي
- موقع
- سجل
- طويل
- بحث
- يحب
- لجنة الهدنة العسكرية
- آلة
- آلة التعلم
- الحفاظ على
- التخصصات
- جعل
- مدير
- يدويا
- كثير
- مايو..
- القائمة
- مجرد
- طريقة
- المقاييس
- ML
- نموذج
- عارضات ازياء
- تعديل
- الأكثر من ذلك
- يجب
- الاسم
- عين
- أسماء
- قائمة الإختيارات
- ضروري
- بحاجة
- جديد
- التالي
- الآن
- عدد
- موضوع
- تم الحصول عليها
- of
- رسمي
- زيت
- on
- المصدر المفتوح
- خيار
- مزيد من الخيارات
- or
- طلب
- الطلبات
- OS
- لنا
- خارج
- النتائج
- في الهواء الطلق
- الناتج
- الخاصة
- P&E
- صفحة
- أزواج
- خبز
- خاص
- كلمة المرور
- أداء
- الشخصية
- المنصة
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- من فضلك
- سياسة
- الرائج
- منشور
- محتمل
- دقة
- وتوقع
- تنبؤ
- تنبؤات
- تفضل
- المفضل
- إعداد
- أرسال
- سابق
- سابقا
- في المقام الأول
- رئيسي
- امتياز
- الامتيازات
- المشكلة
- مشاكل
- عملية المعالجة
- العمليات
- محترف
- ملفي الشخصي
- مشروع ناجح
- المقدمة
- جمهور
- عرض
- مؤخرا
- مسجل
- المراجع
- المناطق
- بقية
- يحل محل
- يتطلب
- على التوالي
- REST
- عائد أعلى
- مراجعة
- حق
- النوع
- الأدوار
- يجري
- تشغيل
- sagemaker
- نفسه
- علوم
- العلماء
- أحرز هدفاً
- ثواني
- سيكريت
- القسم
- انظر تعريف
- خدماتنا
- طقم
- مشاركة
- ينبغي
- إظهار
- أظهرت
- أظهرت
- يظهر
- مماثل
- عزباء
- مهارات
- حل
- حل
- مصدر
- محدد
- أنفق
- رياضة
- المسرح
- انطلاق
- بدأت
- ملخص الحساب
- إحصائي
- خطوة
- خطوات
- تخزين
- متجر
- قوي
- ستوديو
- بعد ذلك
- بنجاح
- هذه
- مناسب
- الدعم
- بناء الجملة
- نظام
- جدول
- TAG
- أخذ
- الهدف
- مهمة
- المهام
- فريق
- فريق
- تقني
- الاتصالات
- تجربه بالعربي
- من
- أن
- •
- من مشاركة
- منهم
- أنفسهم
- then
- هناك.
- تشبه
- هم
- هؤلاء
- ثلاثة
- عبر
- الوقت
- إلى
- قطار
- متدرب
- قادة الإيمان
- صحيح
- الثقة
- محاولة
- اثنان
- نوع
- أنواع
- فريد من نوعه
- تحديث
- تحديث
- URL
- الأستعمال
- تستخدم
- مستخدم
- استخدام
- التحقق من صحة
- قيمنا
- القيم
- مختلف
- تحقق من
- الإصدار
- عمودي
- المزيد
- الاطلاع على
- vs
- تجول
- وكان
- we
- الويب
- تطبيق ويب
- خدمات ويب
- حسن
- الآبار
- ابحث عن
- ما هي تفاصيل
- متى
- التي
- من الذى
- زوجة
- سوف
- نوافذ
- مع
- في غضون
- للعمل
- عمل
- سير العمل
- عامل
- X
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت