يمكن للإعلان الإبداعي أن يُحدث ثورة من خلال الذكاء الاصطناعي التوليدي (GenAI). يمكنك الآن إنشاء مجموعة متنوعة من الصور الجديدة ، مثل لقطات المنتج ، عن طريق إعادة تدريب نموذج GenAI وتوفير بعض المدخلات في النموذج ، مثل المطالبات النصية (الجمل التي تصف المشهد والأشياء التي سينتجها النموذج). أظهرت هذه التقنية نتائج واعدة بدءًا من عام 2022 مع انفجار فئة جديدة من نماذج الأساس (FMs) تسمى نماذج الانتشار الكامن مثل انتشار مستقر, ميدجورنيو دال-E-2. ومع ذلك ، لاستخدام هذه النماذج في الإنتاج ، تتطلب عملية التوليد تكريرًا مستمرًا لتوليد مخرجات متسقة. يعني هذا غالبًا إنشاء عدد كبير من عينات الصور للمنتج والهندسة السريعة الذكية ، مما يجعل المهمة صعبة على نطاق واسع.
في هذا المنشور ، نستكشف كيف يمكن تسخير هذه التكنولوجيا التحويلية لإنشاء إعلانات جذابة ومبتكرة على نطاق واسع ، خاصة عند التعامل مع كتالوجات كبيرة من الصور. باستخدام قوة GenAI ، وتحديدًا من خلال تقنية الرسم الداخلي ، يمكننا إنشاء خلفيات صور بسلاسة ، مما ينتج عنه محتوى مذهل وجذاب بصريًا ويقلل من تشوهات الصور غير المرغوب فيها (يُطلق عليها الهلوسة النموذجية). نتعمق أيضًا في التنفيذ العملي لهذه التقنية من خلال الاستفادة الأمازون SageMaker نقاط النهاية ، والتي تتيح النشر الفعال لنماذج GenAI التي تقود هذه العملية الإبداعية.
نحن نستخدم inpainting كأسلوب أساسي في إنشاء الصور المستند إلى GenAI لأنه يقدم حلاً قويًا لاستبدال العناصر المفقودة في الصور. ومع ذلك ، فإن هذا يطرح بعض التحديات. على سبيل المثال ، يمكن أن يكون التحكم الدقيق في موضع الكائنات داخل الصورة محدودًا ، مما يؤدي إلى مشكلات محتملة مثل تشوهات الصورة أو الكائنات العائمة أو الحدود غير الممزوجة ، كما هو موضح في أمثلة الصور التالية.
للتغلب على هذا ، نقترح في هذا المنشور تحقيق توازن بين الحرية الإبداعية والإنتاج الفعال من خلال إنشاء عدد كبير من الصور الواقعية باستخدام الحد الأدنى من الإشراف. لتوسيع نطاق الحل المقترح للإنتاج وتبسيط نشر نماذج الذكاء الاصطناعي في بيئة AWS ، نوضح ذلك باستخدام نقاط نهاية SageMaker.
على وجه الخصوص ، نقترح تقسيم عملية الطلاء الداخلي كمجموعة من الطبقات ، كل واحدة من المحتمل أن تحتوي على مجموعة مختلفة من المطالبات. يمكن تلخيص العملية بالخطوات التالية:
- أولاً ، نطلب مشهدًا عامًا (على سبيل المثال ، "اركن سيارتك مع الأشجار في الخلف") ونضع العنصر بشكل عشوائي على تلك الخلفية.
- بعد ذلك ، نضيف طبقة في الجزء الأوسط السفلي من الكائن عن طريق المطالبة بمكان وجود الكائن (على سبيل المثال ، "نزهة على العشب ، أو طاولة خشبية").
- أخيرًا ، أضفنا طبقة مشابهة لطبقة الخلفية في الجزء الأوسط العلوي من الكائن باستخدام نفس موجه الخلفية.
تتمثل فائدة هذه العملية في التحسين في واقعية الكائن لأنه يُنظر إليه من خلال قياس وتحديد موضع أفضل بالنسبة إلى بيئة الخلفية التي تتوافق مع التوقعات البشرية. يوضح الشكل التالي خطوات الحل المقترح.
حل نظرة عامة
لإنجاز المهام ، يتم أخذ التدفق التالي للبيانات في الاعتبار:
- نموذج القطعة أي شيء (SAM) و إنتشار مستقر Inpainting النماذج مستضافة في نقاط نهاية SageMaker.
- يتم استخدام موجه الخلفية لإنشاء صورة خلفية تم إنشاؤها باستخدام نموذج الانتشار الثابت
- يتم تمرير صورة المنتج الأساسية عبر SAM لإنشاء قناع. يسمى معكوس القناع القناع المضاد.
- يتم استخدام صورة الخلفية التي تم إنشاؤها ، والقناع ، جنبًا إلى جنب مع المطالبات الأمامية والمطالبات السلبية كمدخلات في نموذج الطلاء بالانتشار المستقر لإنشاء صورة خلفية وسيطة تم إنشاؤها.
- وبالمثل ، يتم استخدام صورة الخلفية التي تم إنشاؤها ، والقناع المضاد ، جنبًا إلى جنب مع المطالبات الأمامية والمطالبات السلبية كمدخلات في نموذج الطلاء الثابت للانتشار المستقر لإنشاء صورة أمامية وسيطة تم إنشاؤها.
- يتم الحصول على الناتج النهائي لصورة المنتج التي تم إنشاؤها من خلال الجمع بين صورة المقدمة الوسيطة التي تم إنشاؤها وصورة الخلفية الوسيطة التي تم إنشاؤها.
المتطلبات الأساسية المسبقة
لقد قمنا بتطوير تكوين سحابة AWS النموذج الذي سينشئ ملف دفاتر SageMaker تستخدم لنشر نقاط النهاية وتشغيل الاستدلال.
ستحتاج إلى حساب AWS به إدارة الهوية والوصول AWS (IAM) التي توفر الوصول إلى ما يلي:
- تكوين سحابة AWS
- SageMaker
- على الرغم من أن نقاط نهاية SageMaker توفر مثيلات لتشغيل نماذج ML ، من أجل تشغيل أعباء عمل ثقيلة مثل نماذج الذكاء الاصطناعي التوليدية ، فإننا نستخدم نقاط نهاية SageMaker التي تدعم GPU. تشير إلى الأمازون SageMaker التسعير لمزيد من المعلومات حول التسعير.
- نستخدم المثيل الممكّن لـ NVIDIA A10G
ml.g5.2xlarge
لاستضافة النماذج.
- خدمة تخزين أمازون البسيطة (أمازون إس 3)
لمزيد من التفاصيل ، تحقق من مستودع جيثب و قالب CloudFormation.
إخفاء مجال اهتمام المنتج
بشكل عام ، نحتاج إلى تقديم صورة للكائن الذي نريد وضعه وقناع يحدّد محيط الكائن. يمكن القيام بذلك باستخدام أدوات مثل الحقيقة الأمازون SageMaker الأرض. بدلاً من ذلك ، يمكننا تقسيم الكائن تلقائيًا باستخدام أدوات الذكاء الاصطناعي مثل Segment Anything Models (SAM) ، بافتراض أن الكائن موجود في وسط الصورة.
استخدم SAM لتوليد قناع
باستخدام SAM ، وهي تقنية متقدمة للذكاء الاصطناعي ، يمكننا بسهولة إنشاء أقنعة عالية الجودة للعديد من الكائنات داخل الصور. يستخدم SAM نماذج التعلم العميق المدربة على مجموعات بيانات واسعة النطاق لتحديد الكائنات ذات الأهمية وتقسيمها بدقة ، مما يوفر حدودًا دقيقة وأقنعة على مستوى البكسل. تُحدث هذه التقنية المتطورة ثورة في سير عمل معالجة الصور من خلال أتمتة المهام التي تستغرق وقتًا طويلاً وتتطلب جهدًا كثيفًا لإنشاء الأقنعة يدويًا. باستخدام SAM ، يمكن للشركات والأفراد الآن إنشاء أقنعة بسرعة للتعرف على الكائنات وتحرير الصور ومهام رؤية الكمبيوتر والمزيد ، مما يفتح عالمًا من إمكانيات التحليل والتلاعب المرئي.
استضف نموذج SAM على نقطة نهاية SageMaker
نحن نستخدم الكمبيوتر المحمول 1_HostGenAIModels.ipynb
لإنشاء نقاط نهاية SageMaker واستضافة نموذج SAM.
نحن نستخدم كود الاستدلال في inference_sam.py
وحزم ذلك في ملف code.tar.gz file
، والتي نستخدمها لإنشاء نقطة نهاية SageMaker. يقوم الكود بتنزيل نموذج SAM ، واستضافته في نقطة نهاية ، ويوفر نقطة دخول لتشغيل الاستدلال وإنشاء المخرجات:
SAM_ENDPOINT_NAME = 'sam-pytorch-' + str(datetime.utcnow().strftime('%Y-%m-%d-%H-%M-%S-%f'))
prefix_sam = "SAM/demo-custom-endpoint"
model_data_sam = s3.S3Uploader.upload("code.tar.gz", f's3://{bucket}/{prefix_sam}')
model_sam = PyTorchModel(entry_point='inference_sam.py', model_data=model_data_sam, framework_version='1.12', py_version='py38', role=role, env={'TS_MAX_RESPONSE_SIZE':'2000000000', 'SAGEMAKER_MODEL_SERVER_TIMEOUT' : '300'}, sagemaker_session=sess, name='model-'+SAM_ENDPOINT_NAME)
predictor_sam = model_sam.deploy(initial_instance_count=1, instance_type=INSTANCE_TYPE, deserializers=JSONDeserializer(), endpoint_name=SAM_ENDPOINT_NAME)
استدعاء نموذج SAM وإنشاء قناع
الكود التالي هو جزء من 2_GenerateInPaintingImages.ipynb
دفتر الملاحظات ، والذي يستخدم لتشغيل نقاط النهاية وتوليد النتائج:
raw_image = Image.open("images/speaker.png").convert("RGB")
predictor_sam = PyTorchPredictor(endpoint_name=SAM_ENDPOINT_NAME, deserializer=JSONDeserializer())
output_array = predictor_sam.predict(raw_image, initial_args={'Accept': 'application/json'})
mask_image = Image.fromarray(np.array(output_array).astype(np.uint8))
# save the mask image using PIL Image
mask_image.save('images/speaker_mask.png')
يوضح الشكل التالي القناع الناتج الذي تم الحصول عليه من صورة المنتج.
استخدم inpainting لإنشاء صورة تم إنشاؤها
من خلال الجمع بين قوة الطلاء الداخلي والقناع الذي تم إنشاؤه بواسطة SAM وموجه المستخدم ، يمكننا إنشاء صور رائعة تم إنشاؤها. يستخدم Inpainting تقنيات الذكاء الاصطناعي التوليدية المتقدمة لملء المناطق المفقودة أو المقنعة من الصورة بذكاء ، ومزجها بسلاسة مع المحتوى المحيط. باستخدام القناع الذي تم إنشاؤه بواسطة SAM كتوجيه ومطالبة المستخدم كمدخل إبداعي ، يمكن لخوارزميات inpainting إنشاء محتوى متماسك بصريًا ومناسب للسياق ، مما ينتج عنه صور مذهلة ومخصصة. يفتح هذا الاندماج بين التقنيات إمكانيات إبداعية لا حصر لها ، مما يسمح للمستخدمين بتحويل رؤاهم إلى قصص مرئية حية وآسرة.
قم باستضافة نموذج طلاء إنتشار ثابت على نقطة نهاية SageMaker
على غرار 2.1 ، نستخدم الكمبيوتر المحمول 1_HostGenAIModels.ipynb
لإنشاء نقاط نهاية SageMaker واستضافة نموذج الطلاء بالانتشار المستقر.
نحن نستخدم كود الاستدلال في inference_inpainting.py
وحزم ذلك في ملف code.tar.gz
الذي نستخدمه لإنشاء نقطة نهاية SageMaker. يقوم الكود بتنزيل نموذج Stable Diffusion Inpainting ، ويستضيفه في نقطة نهاية ، ويوفر نقطة دخول لتشغيل الاستدلال وإنشاء الإخراج:
INPAINTING_ENDPOINT_NAME = 'inpainting-pytorch-' + str(datetime.utcnow().strftime('%Y-%m-%d-%H-%M-%S-%f'))
prefix_inpainting = "InPainting/demo-custom-endpoint"
model_data_inpainting = s3.S3Uploader.upload("code.tar.gz", f"s3://{bucket}/{prefix_inpainting}") model_inpainting = PyTorchModel(entry_point='inference_inpainting.py', model_data=model_data_inpainting, framework_version='1.12', py_version='py38', role=role, env={'TS_MAX_RESPONSE_SIZE':'2000000000', 'SAGEMAKER_MODEL_SERVER_TIMEOUT' : '300'}, sagemaker_session=sess, name='model-'+INPAINTING_ENDPOINT_NAME) predictor_inpainting = model_inpainting.deploy(initial_instance_count=1, instance_type=INSTANCE_TYPE, serializer=JSONSerializer(), deserializers=JSONDeserializer(), endpoint_name=INPAINTING_ENDPOINT_NAME, volume_size=128)
قم باستدعاء نموذج الرسم الثابت للانتشار المستقر وإنشاء صورة جديدة
على غرار الخطوة لاستدعاء نموذج SAM ، دفتر الملاحظات 2_GenerateInPaintingImages.ipynb
يستخدم لتشغيل الاستدلال على نقاط النهاية وتوليد النتائج:
raw_image = Image.open("images/speaker.png").convert("RGB")
mask_image = Image.open('images/speaker_mask.png').convert('RGB')
prompt_fr = "table and chair with books"
prompt_bg = "window and couch, table"
negative_prompt = "longbody, lowres, bad anatomy, bad hands, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, letters" inputs = {}
inputs["image"] = np.array(raw_image)
inputs["mask"] = np.array(mask_image)
inputs["prompt_fr"] = prompt_fr
inputs["prompt_bg"] = prompt_bg
inputs["negative_prompt"] = negative_prompt predictor_inpainting = PyTorchPredictor(endpoint_name=INPAINTING_ENDPOINT_NAME,
serializer=JSONSerializer(),
deserializer=JSONDeserializer()) output_array = predictor_inpainting.predict(inputs, initial_args={'Accept': 'application/json'})
gai_image = Image.fromarray(np.array(output_array[0]).astype(np.uint8))
gai_background = Image.fromarray(np.array(output_array[1]).astype(np.uint8))
gai_mask = Image.fromarray(np.array(output_array[2]).astype(np.uint8))
post_image = Image.fromarray(np.array(output_array[3]).astype(np.uint8)) # save the generated image using PIL Image
post_image.save('images/speaker_generated.png')
يوضح الشكل التالي القناع المكرر والخلفية المُنشأة وصورة المنتج المُنشأة وصورة المعالجة بعد المعالجة.
تستخدم صورة المنتج التي تم إنشاؤها المطالبات التالية:
- توليد الخلفية - "كرسي ، أريكة ، نافذة ، داخلي"
- إنبينتينج - "بجانب الكتب"
تنظيف
في هذا المنشور ، نستخدم نقطتي نهاية SageMaker تم تمكينهما بواسطة GPU ، مما يساهم في غالبية التكلفة. يجب إيقاف تشغيل نقاط النهاية هذه لتجنب التكلفة الإضافية عند عدم استخدام نقاط النهاية. لقد قدمنا دفتر ملاحظات ، 3_CleanUp.ipynb
، والتي يمكن أن تساعد في تنظيف نقاط النهاية. نستخدم أيضًا دفتر ملاحظات SageMaker لاستضافة النماذج وتشغيل الاستدلال. لذلك ، من الجيد إيقاف مثيل الكمبيوتر الدفتري إذا لم يتم استخدامه.
وفي الختام
تعد نماذج الذكاء الاصطناعي التوليدية عمومًا نماذج تعلم الآلة على نطاق واسع وتتطلب موارد محددة للتشغيل بكفاءة. في هذا المنشور ، أوضحنا ، باستخدام حالة استخدام الدعاية ، كيف تقدم نقاط نهاية SageMaker بيئة قابلة للتطوير والإدارة لاستضافة نماذج الذكاء الاصطناعي التوليدية مثل نموذج الأساس للنص إلى الصورة Stable Diffusion. أوضحنا كيف يمكن استضافة نموذجين وتشغيلهما حسب الحاجة ، و يمكن أيضًا استضافة نماذج متعددة من نقطة نهاية واحدة. هذا يلغي التعقيدات المرتبطة بتوفير البنية التحتية وقابلية التوسع والمراقبة ، مما يمكّن المؤسسات من التركيز فقط على نشر نماذجها وخدمة التنبؤات لحل تحديات أعمالها. باستخدام نقاط نهاية SageMaker ، يمكن للمؤسسات نشر وإدارة نماذج متعددة بكفاءة ضمن بنية تحتية موحدة ، وتحقيق الاستخدام الأمثل للموارد وتقليل النفقات التشغيلية.
الكود المفصل متاح في GitHub جيثب:. يوضح الرمز استخدام AWS CloudFormation و مجموعة تطوير سحابة AWS (AWS CDK) لأتمتة عملية إنشاء دفاتر SageMaker والموارد الأخرى المطلوبة.
عن المؤلفين
فابيان بينيتيز كيروز هو عالم بيانات IoT Edge في خدمات AWS الاحترافية. وهو حاصل على درجة الدكتوراه في الرؤية الحاسوبية والتعرف على الأنماط من جامعة ولاية أوهايو. يشارك فابيان في مساعدة العملاء على تشغيل نماذج التعلم الآلي الخاصة بهم بزمن انتقال منخفض على أجهزة إنترنت الأشياء وفي السحابة عبر مختلف الصناعات.
روميل شاه هو عالم بيانات كبير في خدمات AWS الاحترافية. يتمتع Romil بأكثر من 6 سنوات من الخبرة في مجال رؤية الكمبيوتر والتعلم الآلي وأجهزة إنترنت الأشياء المتطورة. يشارك في مساعدة العملاء على تحسين ونشر نماذج التعلم الآلي الخاصة بهم للأجهزة المتطورة وعلى السحابة. إنه يعمل مع العملاء لإنشاء استراتيجيات لتحسين ونشر نماذج الأساس.
هان مان هو مدير أول في علوم البيانات والتعلم الآلي مع خدمات AWS الاحترافية ومقرها سان دييغو ، كاليفورنيا. حصل على درجة الدكتوراه في الهندسة من جامعة نورث وسترن ولديه عدة سنوات من الخبرة كمستشار إداري يقدم المشورة للعملاء في مجالات التصنيع والخدمات المالية والطاقة. اليوم ، يعمل بشغف مع العملاء الرئيسيين من مجموعة متنوعة من قطاعات الصناعة لتطوير حلول ML و GenAI وتنفيذها على AWS.
- 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 السيارات / المركبات الكهربائية ، كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- BlockOffsets. تحديث ملكية الأوفست البيئية. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/machine-learning/generate-creative-advertising-using-generative-ai-deployed-on-amazon-sagemaker/
- :لديها
- :يكون
- :ليس
- :أين
- $ UP
- 1
- 100
- 12
- 2022
- 7
- a
- من نحن
- استمر
- الوصول
- إنجاز
- حسابي
- بدقة
- تحقيق
- في
- تضيف
- متقدم
- دعاية
- تقديم المشورة
- AI
- نماذج الذكاء الاصطناعى
- خوارزميات
- السماح
- على طول
- أيضا
- أمازون
- الأمازون SageMaker
- أمازون ويب سيرفيسز
- an
- تحليل
- علم التشريح
- و
- اى شى
- مناسب
- هي
- المنطقة
- AS
- مساعدة
- أسوشيتد
- At
- أتمتة
- تلقائيا
- أتمتة
- متاح
- تجنب
- AWS
- تكوين سحابة AWS
- الخدمات المهنية AWS
- خلفية
- خلفيات
- سيئة
- الرصيد
- قاعدة
- على أساس
- BE
- لان
- يجري
- تستفيد
- أفضل
- ما بين
- مزج
- كُتُب
- الحدود
- اختراق
- الأعمال
- الأعمال
- by
- CA
- تسمى
- CAN
- آسر
- حقيبة
- كتالوجات
- مركز
- معين
- كرسي
- التحديات
- التحقق
- فئة
- سوائل التنظيف
- عميل
- سحابة
- الكود
- متماسك
- الجمع بين
- التعقيدات
- الكمبيوتر
- رؤية الكمبيوتر
- نظرت
- ثابتة
- ثابت
- consultants
- محتوى
- يساهم
- مراقبة
- التكلفة
- خلق
- خلق
- الإبداع
- العملاء
- البيانات
- علم البيانات
- عالم البيانات
- قواعد البيانات
- التاريخ والوقت
- تعامل
- عميق
- التعلم العميق
- الخوض
- شرح
- تظاهر
- يوضح
- نشر
- نشر
- نشر
- نشر
- مفصلة
- تفاصيل
- تطوير
- المتقدمة
- التطوير التجاري
- الأجهزة
- دييغو
- مختلف
- صعبة
- التوزيع
- الأرقام
- فعل
- التنزيلات
- قيادة
- كل
- حافة
- فعال
- بكفاءة
- جهد
- عناصر
- يقضي على
- تمكين
- تمكين
- التي لا نهاية لها
- نقطة النهاية
- طاقة
- جذاب
- الهندسة
- دخول
- البيئة
- خاصة
- مثال
- التوقعات
- الخبره في مجال الغطس
- اكتشف
- انفجار
- واسع
- احتفل على
- قليل
- أقل
- الشكل
- قم بتقديم
- شغل
- نهائي
- مالي
- الخدمات المالية
- يطفو على السطح
- تدفق
- تركز
- متابعيك
- في حالة
- دورة تأسيسية
- حرية
- تبدأ من
- انصهار
- العلاجات العامة
- على العموم
- توليد
- ولدت
- توليد
- جيل
- توليدي
- الذكاء الاصطناعي التوليدي
- خير
- عشب
- أرض
- توجيه
- العناية باليد
- يملك
- he
- ثقيل
- مساعدة
- عالي الجودة
- يحمل
- مضيف
- استضافت
- استضافة
- المضيفين
- كيفية
- لكن
- HTML
- HTTPS
- الانسان
- تحديد
- هوية
- if
- صورة
- صور
- تنفيذ
- التنفيذ
- تحسين
- in
- الأفراد
- الصناعات
- العالمية
- معلومات
- البنية التحتية
- مبتكرة
- إدخال
- المدخلات
- مثل
- مصلحة
- إلى
- المشاركة
- قام المحفل
- أجهزة IOT
- مسائل
- IT
- القفل
- كبير
- على نطاق واسع
- كمون
- طبقة
- طبقات
- قيادة
- تعلم
- يكمن
- مثل
- محدود
- منخفض
- خفض
- آلة
- آلة التعلم
- أغلبية
- يصنع
- رجل
- إدارة
- تمكن
- إدارة
- مدير
- تلاعب
- يدويا
- تصنيع
- قناع
- ماسكات
- يعني
- ميدجورني
- أدنى
- مفقود
- ML
- نموذج
- عارضات ازياء
- مراقبة
- الأكثر من ذلك
- متعدد
- كثرة
- سرد
- حاجة
- بحاجة
- سلبي
- جديد
- مفكرة
- رواية
- الآن
- عدد
- NVIDIA
- موضوع
- الأجسام
- تم الحصول عليها
- of
- خصم
- عرض
- عروض
- غالبا
- أوهايو
- on
- ONE
- OpenAI
- يفتح
- تشغيل
- الأمثل
- الأمثل
- تحسين
- or
- طلب
- المنظمات
- أخرى
- خارج
- الناتج
- على مدى
- تغلب
- صفقة
- جزء
- خاص
- مرت
- نمط
- محسوس - ملموس
- مخصصه
- رسالة دكتوراه
- المكان
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- البوينت
- وضع
- إمكانيات
- منشور
- محتمل
- يحتمل
- قوة
- قوي
- عملية
- ممارسة
- حاجة
- تنبؤات
- الهدايا
- التسعير
- عملية المعالجة
- معالجة
- أنتج
- المنتج
- الإنتــاج
- محترف
- واعد
- اقترح
- المقترح
- تزود
- المقدمة
- ويوفر
- توفير
- جودة
- بسرعة
- واقعي
- اعتراف
- تقليص
- مكرر
- تنقية
- المناطق
- نسبي
- لافت للنظر
- تطلب
- مطلوب
- يتطلب
- مورد
- الموارد
- مما أدى
- النتائج
- ثورة
- ثورة
- RGB
- الأدوار
- يجري
- sagemaker
- سام
- نفسه
- سان
- سان دييغو
- حفظ
- التدرجية
- تحجيم
- حجم
- التحجيم
- مشهد
- علوم
- عالم
- بسلاسة
- قطعة
- كبير
- خدماتنا
- خدمة
- طقم
- عدة
- ينبغي
- أظهرت
- يظهر
- مماثل
- الاشارات
- عزباء
- فقط
- حل
- الحلول
- حل
- محدد
- على وجه التحديد
- انقسم
- مستقر
- ابتداء
- الولايه او المحافظه
- خطوة
- خطوات
- قلة النوم
- تخزين
- استراتيجيات
- تبسيط
- ضرب
- مذهل
- هذه
- إشراف
- المحيط
- جدول
- مهمة
- المهام
- تقنيات
- التكنولوجيا
- تكنولوجيا
- قالب
- من
- أن
- •
- المنطقة
- من مشاركة
- منهم
- وبالتالي
- تشبه
- عبر
- استهلاك الوقت
- إلى
- اليوم
- أدوات
- متدرب
- تحول
- التحويلية
- الأشجار
- تحول
- اثنان
- موحد
- جامعة
- فتح
- غير مرغوب فيه
- تستخدم
- حالة الاستخدام
- مستعمل
- المستخدمين
- يستخدم
- استخدام
- يستخدم
- استخدام
- تشكيلة
- مختلف
- القطاعات
- رؤيتنا
- الرؤى
- تريد
- we
- الويب
- خدمات ويب
- متى
- التي
- واسع
- سوف
- نافذة
- مع
- في غضون
- خشبي
- سير العمل
- عامل
- أعمال
- العالم
- أسوأ
- سنوات
- أنت
- زفيرنت