أمازون كندرا هي خدمة بحث عالية الدقة وذكية تمكن المستخدمين من البحث عن البيانات غير المهيكلة والمنظمة باستخدام معالجة اللغة الطبيعية (NLP) وخوارزميات البحث المتقدمة. باستخدام Amazon Kendra ، يمكنك العثور على إجابات ذات صلة بأسئلتك بسرعة ، دون غربلة المستندات. ومع ذلك ، فإن مجرد تمكين المستخدمين النهائيين من الحصول على إجابات لاستفساراتهم لا يكفي في عالم اليوم. نحتاج إلى فهم سلوك البحث الخاص بالمستخدم النهائي باستمرار ، مثل ما هي أهم الاستعلامات في الشهر ، وأن يكون لدينا أي استعلام جديد ظهرت فيه طلبات البحث مؤخرًا ، والنسبة المئوية للاستعلامات التي تلقت إجابة فورية ، والمزيد.
على الرغم من أن وحدة تحكم Amazon Kendra تأتي مزودة بلوحة معلومات تحليلية ، فإن العديد من عملائنا يفضلون إنشاء لوحة معلومات مخصصة. يتيح لك ذلك إنشاء عروض وفلاتر فريدة ، ويمنح فرق الإدارة الوصول إلى لوحة معلومات مبسطة بنقرة واحدة دون الحاجة إلى تسجيل الدخول إلى وحدة تحكم إدارة AWS وابحث عن لوحة التحكم المناسبة. بالإضافة إلى ذلك ، يمكنك تحسين وظائف لوحة المعلومات الخاصة بك عن طريق إضافة منطق المعالجة المسبقة ، مثل تجميع أهم الاستعلامات المتشابهة. على سبيل المثال ، قد ترغب في تجميع استعلامات متشابهة مثل "ما هو Amazon Kendra" و "ما هو الغرض من Amazon Kendra" معًا حتى تتمكن من تحليل المقاييس بشكل فعال واكتساب فهم أعمق للبيانات. يمكن تجميع مثل هذه الاستعلامات المتشابهة باستخدام مفهوم التشابه الدلالي.
يناقش هذا المنشور حلاً شاملاً لتنفيذ حالة الاستخدام هذه ، والتي تتضمن استخدام AWS لامدا لاستخراج المقاييس الملخصة من Amazon Kendra ، وحساب درجة التشابه الدلالي باستخدام ملف وجه يعانق نموذج مستضاف على الأمازون SageMaker نقطة نهاية الاستدلال بدون خادم لتجميع الاستعلامات المتشابهة وإنشاء ملف أمازون QuickSight لوحة القيادة لعرض رؤى المستخدم بشكل فعال.
حل نظرة عامة
يوضح الرسم البياني التالي بنية الحلول لدينا.
سير العمل عالي المستوى كما يلي:
- An أمازون إيفينت بريدج يقوم المجدول بتشغيل وظائف Lambda مرة واحدة شهريًا لاستخراج مقاييس البحث في الشهر الماضي من Amazon Kendra.
- تقوم وظائف Lambda بتحميل مقاييس البحث إلى ملف خدمة تخزين أمازون البسيطة دلو (أمازون S3).
- تقوم وظائف Lambda بتجميع الاستعلامات المتشابهة في الملف الذي تم تحميله بناءً على درجة التشابه الدلالي بواسطة نموذج Hugging Face المستضاف على نقطة نهاية استدلال SageMaker.
- An غراء AWS ينشئ برنامج الزاحف أو يحدّث كتالوج بيانات AWS Glue من الملف الذي تم تحميله في حاوية S3 لملف أمازون أثينا الجدول.
- يستخدم QuickSight مجموعة بيانات جدول أثينا لإنشاء التحليلات ولوحات المعلومات.
بالنسبة لهذا الحل ، ننشر موارد البنية التحتية لإنشاء تحليل QuickSight ولوحة المعلومات باستخدام ملف تكوين سحابة AWS قالب.
المتطلبات الأساسية المسبقة
أكمل الخطوات الأساسية التالية:
- إذا كنت تستخدم QuickSight لأول مرة في حساب AWS الخاص بك ، قم بالتسجيل في QuickSight.
- احصل على معرف فهرس Amazon Kendra الذي تريده لتصور مقاييس البحث من Amazon Kendra. سيتعين عليك استخدام محرك البحث لفترة (على سبيل المثال ، بضعة أسابيع) لتتمكن من استخراج كمية كافية من البيانات لاستخدامها في استخراج بعض الأفكار.
- استنساخ جيثب ريبو لإنشاء صورة الحاوية:
- خلق سجل الأمازون المرنة للحاويات (Amazon ECR) في us-east-1 وادفع صورة الحاوية التي تم إنشاؤها بواسطة Dockerfile الذي تم تنزيله. للحصول على تعليمات ، راجع إنشاء مستودع خاص.
- قم بتشغيل الأوامر التالية في دليل بيئتك المحلية لإنشاء صورة الحاوية ودفعها إلى مستودع ECR الذي أنشأته:
انشر قالب CloudFormation
أكمل الخطوات التالية لنشر قالب CloudFormation:
- قم بتنزيل نموذج CloudFormation Kendrablog-sam-template.yml.
- في وحدة تحكم AWS CloudFormation ، أنشئ حزمة جديدة.
استخدم us-east-1
منطقة لهذا النشر.
- قم بتحميل القالب مباشرة أو من خلال دلو S3 المفضل لديك.
- في حالة كندرا إندكس، أدخل معرف فهرس Amazon Kendra من المتطلبات الأساسية.
- في حالة مستودع LambdaECR، أدخل مستودع ECR من المتطلبات الأساسية.
- في حالة QSI المنطقة، أدخل منطقة هوية QuickSight. تتوافق منطقة الهوية مع تحديد المنطقة الخاصة بك عند تسجيل اشتراكك في QuickSight.
- في حالة QSUser الافتراضي، أدخل كلمة المرور الافتراضية لاستخدامها لمستخدم QuickSight الخاص بك.
سيُطلب منك تغيير كلمة المرور هذه عند تسجيل الدخول لأول مرة إلى وحدة تحكم QuickSight.
- في حالة QSUser، أدخل عنوان البريد الإلكتروني الذي تريد استخدامه لمستخدم QuickSight.
- اختار التالى.
- اترك الإعدادات الأخرى كإعدادات افتراضية واختر التالى.
- حدد خانات الاختيار إقرار ثم اختر إنشاء مكدس.
عند اكتمال النشر ، يمكنك تأكيد جميع الموارد التي تم إنشاؤها في المكدس الموارد علامة التبويب على وحدة تحكم AWS CloudFormation.
نتصفح بعض المكونات الرئيسية لهذا الحل في الأقسام التالية.
احصل على رؤى من مقاييس بحث Amazon Kendra
يمكننا الحصول على بيانات المقاييس من Amazon Kendra باستخدام احصل على لقطات API. هناك 10 مقاييس لتحليل المعلومات التي يبحث عنها المستخدمون: 5 مقاييس تتضمن بيانات الاتجاهات بالنسبة لنا للبحث عن الأنماط بمرور الوقت ، و 5 مقاييس تستخدم لقطة أو بيانات مجمعة فقط. المقاييس مع بيانات الاتجاه اليومي هي نسبة النقر إلى الظهور ، ومعدل النقر الصفري ، ومعدل نتائج البحث الصفري ، ومعدل الإجابة الفورية ، وإجمالي الاستعلامات. المقاييس مع البيانات المجمعة هي أهم الاستعلامات وأهم الاستعلامات بدون نقرات وأهم الاستعلامات مع عدم وجود نتائج بحث والأعلى التي تم النقر فوقها على المستندات وإجمالي المستندات.
نستخدم وظائف Lambda للحصول على بيانات مقاييس البحث من Amazon Kendra. تقوم الوظائف باستخراج المقاييس من Amazon Kendra وتخزينها في Amazon S3. يمكنك العثور على الوظائف في ملف جيثب ريبو.
قم بإنشاء نقطة نهاية بدون خادم SageMaker واستضافة نموذج Hugging Face لحساب التشابه الدلالي
بعد استخراج المقاييس ، فإن الخطوة التالية هي إكمال المعالجة المسبقة للمقاييس المجمعة. تقوم خطوة المعالجة المسبقة بالتحقق من التشابه الدلالي بين نصوص الاستعلام وتجميعها معًا لإظهار العدد الإجمالي للاستعلامات المماثلة. على سبيل المثال ، إذا كانت هناك ثلاثة استعلامات حول "ما هو S3" واستعلامان عن "ما هو الغرض من S3" ، فسيتم تجميعها معًا وإظهار وجود خمسة استعلامات حول "What is S3" أو "What is the الغرض من S3 ".
لحساب التشابه الدلالي ، نستخدم نموذجًا من مكتبة نماذج Hugging Face. Hugging Face هي عبارة عن منصة مفتوحة المصدر شهيرة توفر مجموعة واسعة من نماذج البرمجة اللغوية العصبية ، بما في ذلك المحولات ، التي تم تدريبها على مجموعة متنوعة من مهام البرمجة اللغوية العصبية. يمكن دمج هذه النماذج بسهولة مع SageMaker والاستفادة من خيارات التدريب والنشر الغنية. حاويات التعلم العميق للوجه المعانقة (DLC) ، والتي تأتي معبأة مسبقًا مع المكتبات الضرورية ، تجعل من السهل نشر النموذج في SageMaker مع بضعة أسطر من التعليمات البرمجية. في حالة الاستخدام الخاصة بنا ، نحصل أولاً على تضمين المتجه باستخدام نموذج Hugging Face المُدرَّب مسبقًا الكتان-الجملة-embeddings / all_datasets_v4_MiniLM-L6، ثم استخدم تشابه جيب التمام لحساب درجة التشابه بين الزخارف المتجهية.
للحصول على المتجه المضمن من نموذج Hugging Face ، نقوم بإنشاء ملف نقطة نهاية بدون خادم في SageMaker. تساعد نقاط النهاية التي لا تحتوي على خادم في توفير التكلفة لأنك تدفع فقط مقابل مقدار الوقت الذي يتم فيه تشغيل الاستدلال. لإنشاء نقطة نهاية بدون خادم ، عليك أولاً تحديد الحد الأقصى للطلبات المتزامنة لنقطة نهاية واحدة ، تُعرف باسم MaxConcurrency ، وحجم الذاكرة. أحجام الذاكرة التي يمكنك اختيارها هي 1024 ميجابايت ، 2048 ميجابايت ، 3072 ميجابايت ، 4096 ميجابايت ، 5120 ميجابايت ، أو 6144 ميجابايت. يقوم SageMaker Serverless Inference تلقائيًا بتعيين موارد الحساب المتناسبة مع الذاكرة التي تحددها.
نحتاج أيضًا إلى وضع أصفار في أحد المتجهات بحيث يتطابق حجم المتجهين مع بعضهما البعض ويمكننا حساب تشابه جيب التمام كحاصل ضرب نقطي للمتجهين. يمكننا تعيين حد لتشابه جيب التمام (على سبيل المثال ، 0.6) وإذا كانت درجة التشابه أكبر من الحد الأدنى ، فيمكننا تجميع الاستعلامات معًا. بعد تجميع الاستعلامات ، يمكننا فهم أهم الاستعلامات بشكل أفضل. نضع كل هذا المنطق في دالة Lambda وننشر الوظيفة باستخدام صورة حاوية. تحتوي صورة الحاوية على أكواد لاستدعاء نقاط نهاية SageMaker Serverless Inference ، ومكتبات Python الضرورية لتشغيل وظيفة Lambda مثل NumPy و pandas و scikit-learn. يعد الملف التالي مثالاً على الإخراج من وظيفة Lambda: HF_QUERIES_BY_COUNT.csv.
قم بإنشاء لوحة معلومات باستخدام QuickSight
بعد أن تقوم بجمع المقاييس ومعالجة المقاييس المجمعة مسبقًا ، يمكنك تصور البيانات للحصول على رؤى الأعمال. بالنسبة لهذا الحل ، نستخدم QuickSight للوحة معلومات الأعمال (BI) و Athena كمصدر للبيانات لـ QuickSight.
QuickSight هي خدمة ذكاء أعمال مُدارة بالكامل على مستوى المؤسسة يمكنك استخدامها لإنشاء تحليلات ولوحات معلومات لتقديم رؤى سهلة الفهم. يمكنك اختيار أنواع مختلفة من المخططات والرسوم البيانية لتقديم رؤى الأعمال بفعالية من خلال لوحة معلومات QuickSight. يتصل QuickSight ببياناتك ويجمع البيانات من العديد من المصادر المختلفة ، مثل Amazon S3 و Athena. لحلنا ، نستخدم أثينا كمصدر للبيانات.
أثينا هي خدمة استعلام تفاعلية تسهل تحليل البيانات مباشرة في Amazon S3 باستخدام المعيار SQL. يمكنك استخدام استعلامات Athena لإنشاء طرق عرض مخصصة من البيانات المخزنة في حاوية S3 قبل تصورها باستخدام QuickSight. يستخدم هذا الحل متتبع ارتباطات AWS Glue لإنشاء AWS Glue Data Catalog لجدول Athena من الملفات الموجودة في حاوية S3.
يعمل نموذج CloudFormation على تشغيل الزاحف الأول أثناء إنشاء المورد. تُظهر لقطة الشاشة التالية مخطط كتالوج البيانات.
تُظهر لقطة الشاشة التالية نموذج جدول أثينا الذي ستراه بعد النشر.
تتم إدارة إذن الوصول إلى قواعد بيانات وجداول AWS Glue بواسطة تكوين بحيرة AWS. لقد أرفق قالب CloudFormation بالفعل أذونات Lake Formation الضرورية بالملف الذي تم إنشاؤه إدارة الهوية والوصول AWS (IAM) مستخدم لبرنامج QuickSight. إذا رأيت مشاكل في الإذن مع مدير IAM الخاص بك ، فامنح إذن SELECT على الأقل لجداول AWS Glue لمدير IAM في Lake Formation. يمكنك العثور على اسم قاعدة بيانات AWS Glue على ملف النواتج علامة التبويب CloudFormation المكدس. لمزيد من المعلومات ، يرجى الرجوع إلى منح أذونات كتالوج البيانات باستخدام أسلوب المورد المسمى.
لقد أكملنا خطوة إعداد البيانات. الخطوة الأخيرة هي إنشاء تحليل ولوحة معلومات باستخدام QuickSight.
- قم بتسجيل الدخول إلى وحدة تحكم QuickSight باستخدام مستخدم QuickSight الذي أنشأه نموذج CloudFormation.
- في جزء التنقل ، اختر قواعد البيانات.
- اختار بيانات.
- اختر أثينا كمصدر للبيانات.
- أدخل اسمًا لـ اسم مصدر البيانات واختر
kendrablog
For مجموعة عمل أثينا. - اختار إنشاء مصدر بيانات.
- اختار
AWSDataCatalog
For الكتالوج وkendra-search-analytics-database
For قاعدة البيانات، وحدد أحد الجداول التي تريد استخدامها للتحليل. - اختار أختار.
- أختار استيراد إلى SPICE لتحليلات أسرع واختر تحرير / معاينة البيانات.
- اختياريا ، اختر إضافة البيانات للانضمام إلى بيانات إضافية.
- يمكنك أيضًا تعديل مخطط البيانات ، مثل اسم العمود أو نوع البيانات ، والانضمام إلى مجموعات بيانات متعددة ، إذا لزم الأمر.
- اختار نشر وتصور للانتقال إلى إنشاء العناصر المرئية.
- اختر النوع المرئي الخاص بك وقم بتعيين الأبعاد لإنشاء الصورة المرئية الخاصة بك.
- يمكنك بشكل اختياري تكوين ميزات إضافية للمخطط باستخدام جزء التنقل ، مثل عوامل التصفية والإجراءات والسمات.
تُظهر لقطات الشاشة التالية عينة من لوحة معلومات QuickSight للرجوع إليها. يوضح "تجميع استعلامات البحث حسب طلبات البحث المتشابهة" في لقطة الشاشة كيفية دمج استعلامات البحث باستخدام التشابه الدلالي.
تنظيف
احذف موارد QuickSight (لوحة المعلومات والتحليل ومجموعة البيانات) التي أنشأتها وموارد البنية التحتية التي أنشأتها AWS CloudFormation لتجنب الرسوم غير المرغوب فيها. يمكنك حذف مورد البنية التحتية ومستخدم QuickSight الذي تم إنشاؤه بواسطة المكدس عبر وحدة تحكم AWS CloudFormation.
وفي الختام
أظهر هذا المنشور حلاً شاملاً للحصول على رؤى تجارية من Amazon Kendra. قدم الحل المكدس بدون خادم لنشر لوحة معلومات مخصصة لمقاييس تحليلات بحث Amazon Kendra باستخدام Lambda و QuickSight. لقد حللنا أيضًا التحديات الشائعة المتعلقة بتحليل الاستعلامات المماثلة باستخدام نموذج SageMaker Hugging Face. يمكنك زيادة تحسين لوحة المعلومات عن طريق إضافة المزيد من الأفكار مثل العبارات الرئيسية أو الكيانات المسماة في الاستعلامات التي تستخدم فهم الأمازون وعرض تلك الموجودة في لوحة القيادة. يرجى تجربة الحل وإعلامنا بتعليقاتك.
حول المؤلف
جينتا واتانابي هو مدير حساب تقني أول في Amazon Web Services. يقضي وقته في العمل مع عملاء السيارات الإستراتيجيين لمساعدتهم على تحقيق التميز التشغيلي. مجالات اهتمامه هي التعلم الآلي والذكاء الاصطناعي. في أوقات فراغه ، يستمتع Genta بقضاء الوقت مع أسرته والسفر.
أبهيجيت كاليتا هو أحد كبار المبشرين AI / ML في Amazon Web Services. يقضي وقته في العمل مع شركاء من القطاع العام في منطقة آسيا والمحيط الهادئ ، مما يمكّنهم من تحمل أعباء عمل الذكاء الاصطناعي / التعلم الآلي. يتمتع بخبرة سنوات عديدة في تحليلات البيانات والذكاء الاصطناعي والتعلم الآلي عبر قطاعات مختلفة مثل السيارات وتصنيع أشباه الموصلات والخدمات المالية. مجالات اهتمامه هي التعلم الآلي والذكاء الاصطناعي ، وخاصة البرمجة اللغوية العصبية ورؤية الكمبيوتر. في أوقات فراغه ، يستمتع أبهيجيت بقضاء الوقت مع عائلته وركوب الدراجات واللعب مع الهامستر الصغير.
- 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/get-insights-on-your-users-search-behavior-from-amazon-kendra-using-an-ml-powered-serverless-stack/
- :لديها
- :يكون
- :ليس
- $ UP
- 1
- 10
- 100
- 202
- 320
- 60
- 7
- 8
- a
- ماهرون
- الوصول
- حسابي
- دقيق
- التأهيل
- في
- الإجراءات
- مضيفا
- إضافة
- إضافي
- العنوان
- متقدم
- مميزات
- بعد
- AI
- AI / ML
- خوارزميات
- يحاذي
- الكل
- يسمح
- سابقا
- أيضا
- أمازون
- أمازون كندرا
- أمازون ويب سيرفيسز
- كمية
- an
- تحليل
- تحليل
- تحليلات
- تحليل
- تحليل
- و
- والبنية التحتية
- إجابة
- الأجوبة
- أي وقت
- API
- ظهر
- مناسب
- هندسة معمارية
- هي
- المناطق
- مصطنع
- الذكاء الاصطناعي
- AS
- آسيا
- المحيط الآسيوي
- At
- السيارات
- تجنب
- AWS
- تكوين سحابة AWS
- غراء AWS
- على أساس
- BE
- لان
- كان
- قبل
- أفضل
- ما بين
- مربعات
- نساعدك في بناء
- الأعمال
- ذكاء الأعمال
- by
- حساب
- حساب
- CAN
- يستطيع الحصول على
- حقيبة
- الأقسام
- التحديات
- تغيير
- اسعارنا محددة من قبل وزارة العمل
- رسم
- الرسوم البيانية
- التحقق
- الشيكات
- اختار
- انقر
- زبون
- الكود
- عمود
- COM
- يجمع بين
- يأتي
- مشترك
- إكمال
- الطلب مكتمل
- مكونات
- إحصاء
- الكمبيوتر
- رؤية الكمبيوتر
- مفهوم
- منافس
- أكد
- يربط
- كنسولات
- باستمرار
- وعاء
- حاويات
- يحتوي
- التكلفة
- استطاع
- الزاحف
- خلق
- خلق
- يخلق
- خلق
- خلق
- على
- العملاء
- يوميا
- لوحة أجهزة القياس
- البيانات
- تحليلات البيانات
- تحضير البيانات
- قاعدة البيانات
- قواعد البيانات
- قواعد البيانات
- عميق
- التعلم العميق
- أعمق
- الترتيب
- نقل
- نشر
- نشر
- مختلف
- الأبعاد
- مباشرة
- العرض
- عرض
- عامل في حوض السفن
- وثائق
- فعل
- DOT
- أثناء
- كل
- بسهولة
- سهل
- على نحو فعال
- البريد الإلكتروني
- تضمين
- تمكن
- تمكين
- النهائي إلى نهاية
- نقطة النهاية
- محرك
- تعزيز
- كاف
- أدخل
- على مستوى المؤسسة
- الكيانات
- البيئة
- مسلح
- خاصة
- مبشر
- مثال
- التشغيلي
- الخبره في مجال الغطس
- استخراج
- الوجه
- للعائلات
- المميزات
- ردود الفعل
- قليل
- قم بتقديم
- ملفات
- مرشحات
- مالي
- الخدمات المالية
- الاسم الأول
- متابعيك
- متابعات
- في حالة
- تشكيل
- تبدأ من
- تماما
- وظيفة
- وظيفة
- وظائف
- إضافي
- ربح
- ولدت
- دولار فقط واحصل على خصم XNUMX% على جميع
- منح
- منح
- الرسوم البيانية
- تجمع
- مجموعات
- يملك
- he
- مساعدة
- رفيع المستوى
- جدا
- له
- مضيف
- استضافت
- كيفية
- لكن
- HTML
- HTTP
- HTTPS
- ID
- هوية
- if
- يوضح
- صورة
- تنفيذ
- in
- تتضمن
- يشمل
- بما فيه
- مؤشر
- معلومات
- البنية التحتية
- رؤى
- لحظة
- تعليمات
- المتكاملة
- رؤيتنا
- ذكي
- التفاعلية
- مصلحة
- مسائل
- IT
- انها
- الانضمام
- م
- القفل
- علم
- معروف
- بحيرة
- لغة
- اسم العائلة
- آخر
- تعلم
- الأقل
- اسمحوا
- المكتبات
- المكتبة
- خطوط
- القليل
- محلي
- سجل
- منطق
- تسجيل الدخول
- بحث
- آلة
- آلة التعلم
- جعل
- يصنع
- تمكن
- إدارة
- مدير
- تصنيع
- كثير
- ماكس
- مايو..
- مكبر الصوت : يدعم، مع دعم ميكروفون مدمج لمنع الضوضاء
- المقاييس
- نموذج
- عارضات ازياء
- تعديل
- شهر
- الأكثر من ذلك
- خطوة
- متعدد
- الاسم
- عين
- طبيعي
- معالجة اللغات الطبيعية
- قائمة الإختيارات
- ضروري
- حاجة
- بحاجة
- الحاجة
- جديد
- التالي
- البرمجة اللغوية العصبية
- نمباي
- of
- on
- مرة
- ONE
- فقط
- المصدر المفتوح
- تشغيل
- مزيد من الخيارات
- or
- أخرى
- لنا
- خارج
- الناتج
- على مدى
- سلمي
- وسادة
- الباندا
- خبز
- شركاء
- كلمة المرور
- أنماط
- نسبة مئوية
- إذن
- أذونات
- عبارات
- المنصة
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- لعب
- من فضلك
- الرائج
- منشور
- تفضل
- المفضل
- الشروط
- رئيسي
- خاص
- معالجة
- المنتج
- المقدمة
- ويوفر
- جمهور
- غرض
- دفع
- وضع
- بايثون
- الاستفسارات
- الأسئلة المتكررة
- أسرع
- بسرعة
- نطاق
- معدل
- تلقى
- مؤخرا
- منطقة
- ذات الصلة
- مستودع
- مورد
- الموارد
- النتائج
- النوادي الثرية
- يجري
- sagemaker
- الاستدلال SageMaker
- حفظ
- تعلم الحروف
- أحرز هدفاً
- لقطات
- بحث
- محرك البحث
- البحث
- أقسام
- القطاع
- انظر تعريف
- اختيار
- أشباه الموصلات
- كبير
- Serverless
- الخدمة
- خدماتنا
- طقم
- إعدادات
- إظهار
- أظهرت
- يظهر
- إشارة
- وقعت
- مماثل
- الاشارات
- عزباء
- المقاس
- الأحجام
- لقطة
- So
- حل
- بعض
- مصدر
- مصادر
- الإنفاق
- تابل
- كومة
- معيار
- خطوة
- خطوات
- تخزين
- متجر
- تخزين
- إستراتيجي
- تبسيط
- منظم
- اشتراك
- هذه
- كاف
- جدول
- TAG
- أخذ
- المهام
- فريق
- تقني
- قالب
- من
- أن
- •
- من مشاركة
- منهم
- then
- هناك.
- تشبه
- هؤلاء
- ثلاثة
- عتبة
- عبر
- الوقت
- إلى
- اليوم
- سويا
- تيشرت
- الإجمالي
- متدرب
- قادة الإيمان
- محولات
- السفر
- اكثر شيوعا
- جديد الموضة
- محاولة
- اثنان
- نوع
- أنواع
- فهم
- فهم
- فريد من نوعه
- غير مرغوب فيه
- آخر التحديثات
- تم التحميل
- us
- تستخدم
- حالة الاستخدام
- مستخدم
- المستخدمين
- استخدام
- تشكيلة
- مختلف
- القطاعات
- بواسطة
- الرؤى
- رؤيتنا
- صور
- تريد
- وكان
- we
- الويب
- خدمات ويب
- أسابيع
- ابحث عن
- متى
- التي
- في حين
- واسع
- مدى واسع
- سوف
- مع
- بدون
- عامل
- العالم
- سنوات
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت
- صفر