يعد إعداد البيانات خطوة حاسمة في أي مشروع يعتمد على البيانات ، ويمكن أن يؤدي امتلاك الأدوات المناسبة إلى تعزيز الكفاءة التشغيلية بشكل كبير. أمازون سيج ميكر داتا رانجلر يقلل الوقت المستغرق لتجميع البيانات الجدولية والصور وإعدادها للتعلم الآلي (ML) من أسابيع إلى دقائق. باستخدام SageMaker Data Wrangler ، يمكنك تبسيط عملية إعداد البيانات وهندسة الميزات وإكمال كل خطوة من خطوات سير عمل إعداد البيانات ، بما في ذلك اختيار البيانات والتطهير والاستكشاف والتصور من واجهة مرئية واحدة.
في هذا المنشور ، نستكشف أحدث ميزات SageMaker Data Wrangler المصممة خصيصًا لتحسين التجربة التشغيلية. نتعمق في دعم خدمة تخزين بسيطة (أمازون إس 3) واضح الملفات ، وعناصر الاستدلال في تدفق بيانات تفاعلي ، والتكامل السلس مع ملفات JSON (تدوين كائن JavaScript) للاستدلال ، وإبراز كيف تجعل هذه التحسينات عملية إعداد البيانات أسهل وأكثر كفاءة.
إدخال ميزات جديدة
في هذا القسم ، نناقش الميزات الجديدة لـ SageMaker Data Wrangler لإعداد البيانات بشكل مثالي.
دعم ملف البيان S3 مع SageMaker Autopilot لاستدلال ML
يتيح SageMaker Data Wrangler أ إعداد البيانات الموحدة والتدريب النموذجي تجربة مع Amazon SageMaker الطيار الآلي بنقرات قليلة. يمكنك استخدام SageMaker Autopilot لتدريب النماذج وضبطها ونشرها تلقائيًا على البيانات التي قمت بتحويلها في تدفق البيانات.
تم الآن تبسيط هذه التجربة بشكل أكبر مع دعم ملف بيان S3. ملف بيان S3 هو ملف نصي يسرد الكائنات (الملفات) المخزنة في حاوية S3. إذا كانت مجموعة البيانات التي تم تصديرها في SageMaker Data Wrangler كبيرة جدًا ومقسمة إلى ملفات بيانات متعددة الأجزاء في Amazon S3 ، فسيقوم SageMaker Data Wrangler الآن تلقائيًا بإنشاء ملف بيان في S3 يمثل جميع ملفات البيانات هذه. يمكن الآن استخدام ملف البيان الذي تم إنشاؤه مع SageMaker Autopilot UI في SageMaker Data Wrangler لالتقاط جميع البيانات المقسمة للتدريب.
قبل إطلاق هذه الميزة ، عند استخدام نماذج SageMaker Autopilot المدربة على البيانات المعدة من SageMaker Data Wrangler ، يمكنك فقط اختيار ملف بيانات واحد ، والذي قد لا يمثل مجموعة البيانات بأكملها ، خاصة إذا كانت مجموعة البيانات كبيرة جدًا. باستخدام تجربة ملف البيان الجديدة هذه ، فأنت لست مقيدًا بمجموعة فرعية من مجموعة البيانات الخاصة بك. يمكنك إنشاء نموذج ML باستخدام SageMaker Autopilot الذي يمثل جميع بياناتك باستخدام ملف البيان واستخدامه لاستدلال ML ونشر الإنتاج. تعمل هذه الميزة على تحسين الكفاءة التشغيلية من خلال تبسيط نماذج ML التدريبية باستخدام SageMaker Autopilot وتبسيط سير عمل معالجة البيانات.
دعم إضافي لتدفق الاستدلال في القطع الأثرية التي تم إنشاؤها
يرغب العملاء في أخذ تحويلات البيانات التي قاموا بتطبيقها على بيانات تدريب النموذج الخاصة بهم ، مثل الترميز الساخن ، و PCA ، وإدراج القيم المفقودة ، وتطبيق تحويلات البيانات هذه على الاستدلال في الوقت الفعلي أو الاستدلال الدفعي في الإنتاج. للقيام بذلك ، يجب أن يكون لديك أداة استدلال SageMaker Data Wrangler ، والتي يتم استهلاكها بواسطة نموذج SageMaker.
في السابق ، كان من الممكن إنشاء نتائج الاستدلال فقط من واجهة المستخدم عند التصدير إلى تدريب SageMaker Autopilot أو تصدير دفتر ملاحظات لخط أنابيب الاستدلال. لم يوفر هذا مرونة إذا أردت أن تأخذ تدفقات SageMaker Data Wrangler خارج نطاق أمازون ساجميكر ستوديو بيئة. الآن ، يمكنك إنشاء أداة استدلال لأي ملف تدفق متوافق من خلال مهمة معالجة SageMaker Data Wrangler. يتيح ذلك إمكانية MLOps المبرمجة من طرف إلى طرف مع تدفقات SageMaker Data Wrangler لشخصيات MLOps ذات الشفرة الأولى ، بالإضافة إلى مسار بديهي بدون رمز للحصول على نتيجة استدلال من خلال إنشاء وظيفة من واجهة المستخدم.
تبسيط إعداد البيانات
أصبح JSON تنسيقًا معتمدًا على نطاق واسع لتبادل البيانات في النظم البيئية الحديثة للبيانات. يتيح لك تكامل SageMaker Data Wrangler مع تنسيق JSON التعامل بسلاسة مع بيانات JSON للتحويل والتنظيف. من خلال توفير الدعم الأصلي لـ JSON ، يبسط SageMaker Data Wrangler عملية العمل مع البيانات المنظمة وشبه المنظمة ، مما يتيح لك استخراج رؤى قيمة وإعداد البيانات بكفاءة. يدعم برنامج SageMaker Data Wrangler الآن تنسيق JSON لنشر نقطة نهاية الاستدلال الجماعي وفي الوقت الفعلي.
حل نظرة عامة
لحالة الاستخدام الخاصة بنا ، نستخدم العينة مجموعة بيانات مراجعات عملاء أمازون لإظهار كيف يمكن لـ SageMaker Data Wrangler تبسيط الجهد التشغيلي لبناء نموذج ML جديد باستخدام SageMaker Autopilot. تحتوي مجموعة بيانات مراجعات عملاء Amazon على مراجعات للمنتج وبيانات وصفية من Amazon ، بما في ذلك 142.8 مليون مراجعة تمتد من مايو 1996 إلى يوليو 2014.
على مستوى عالٍ ، نستخدم SageMaker Data Wrangler لإدارة مجموعة البيانات الكبيرة هذه وتنفيذ الإجراءات التالية:
- قم بتطوير نموذج ML في SageMaker Autopilot باستخدام كل مجموعة البيانات ، وليس مجرد عينة.
- أنشئ خط أنابيب للاستدلال في الوقت الفعلي باستخدام أداة الاستدلال التي تم إنشاؤها بواسطة SageMaker Data Wrangler ، واستخدم تنسيق JSON للإدخال والإخراج.
دعم ملف البيان S3 مع SageMaker Autopilot
عند إنشاء تجربة SageMaker Autopilot باستخدام SageMaker Data Wrangler ، كان بإمكانك في السابق تحديد ملف CSV أو ملف باركيه واحد فقط. يمكنك الآن أيضًا استخدام ملف بيان S3 ، مما يتيح لك استخدام كميات كبيرة من البيانات لتجارب SageMaker Autopilot. سيقوم SageMaker Data Wrangler تلقائيًا بتقسيم ملفات بيانات الإدخال إلى عدة ملفات أصغر وإنشاء بيان يمكن استخدامه في تجربة SageMaker Autopilot لسحب جميع البيانات من الجلسة التفاعلية ، وليس مجرد عينة صغيرة.
أكمل الخطوات التالية:
- قم باستيراد بيانات مراجعة عميل Amazon من ملف CSV إلى SageMaker Data Wrangler. تأكد من تعطيل أخذ العينات عند استيراد البيانات.
- حدد التحويلات التي تضبط البيانات. في هذا المثال ، قم بإزالة الرموز وتحويل كل شيء إلى أحرف صغيرة باستخدام التحويلات المضمنة في SageMaker Data Wrangler.
- اختار نموذج القطار لبدء التدريب.
لتدريب نموذج باستخدام SageMaker Autopilot ، يقوم SageMaker تلقائيًا بتصدير البيانات إلى دلو S3. بالنسبة لمجموعات البيانات الكبيرة مثل هذه ، ستقوم تلقائيًا بتقسيم الملف إلى ملفات أصغر وإنشاء بيان يتضمن موقع الملفات الأصغر.
- أولاً ، حدد بيانات الإدخال الخاصة بك.
في وقت سابق ، لم يكن لدى SageMaker Data Wrangler خيار لإنشاء ملف بيان لاستخدامه مع SageMaker Autopilot. اليوم ، مع إصدار دعم ملف البيان ، سيقوم SageMaker Data Wrangler تلقائيًا بتصدير ملف بيان إلى Amazon S3 ، وملء موقع S3 لتدريب SageMaker Autopilot مسبقًا بموقع ملف البيان S3 ، وتبديل خيار ملف البيان إلى نعم. لا يلزم أي عمل لإنشاء ملف البيان أو استخدامه.
- قم بتكوين تجربتك عن طريق تحديد هدف للنموذج لتوقعه.
- بعد ذلك ، حدد طريقة التدريب. في هذه الحالة ، نختار السيارات ودع SageMaker Autopilot يقرر أفضل طريقة تدريب بناءً على حجم مجموعة البيانات.
- حدد إعدادات النشر.
- أخيرًا ، راجع تكوين الوظيفة وأرسل تجربة SageMaker Autopilot للتدريب. عندما يكمل SageMaker Autopilot التجربة ، يمكنك عرض نتائج التدريب واستكشاف أفضل نموذج.
بفضل دعم ملفات البيان ، يمكنك استخدام مجموعة البيانات بالكامل لتجربة SageMaker Autopilot ، وليس مجرد مجموعة فرعية من بياناتك.
لمزيد من المعلومات حول استخدام SageMaker Autopilot مع SageMaker Data Wrangler ، راجع إعداد البيانات الموحدة والتدريب على النموذج مع Amazon SageMaker Data Wrangler و Amazon SageMaker Autopilot.
قم بإنشاء نتائج استدلال من وظائف معالجة SageMaker
الآن ، دعونا نلقي نظرة على كيفية إنشاء نتائج استدلالية من خلال كل من SageMaker Data Wrangler UI و SageMaker Data Wrangler.
واجهة مستخدم SageMaker Data Wrangler
بالنسبة لحالة الاستخدام الخاصة بنا ، نريد معالجة بياناتنا من خلال واجهة المستخدم ثم استخدام البيانات الناتجة لتدريب نموذج ونشره من خلال وحدة تحكم SageMaker. أكمل الخطوات التالية:
- افتح تدفق البيانات الذي أنشأته في القسم السابق.
- اختر علامة الجمع بجانب التحويل الأخير ، اختر أضف الوجهة، و اختار الأمازون S3. سيكون هذا هو المكان الذي سيتم فيه تخزين البيانات المعالجة.
- اختار خلق وظيفة.
- أختار توليد نتائج الاستدلال في قسم معلمات الاستدلال لإنشاء أداة استنتاج.
- بالنسبة لاسم عنصر الاستدلال ، أدخل اسم عنصر الاستدلال (باستخدام .tar.gz كملحق الملف).
- بالنسبة إلى عقدة إخراج الاستدلال ، أدخل عقدة الوجهة المقابلة للتحويلات المطبقة على بيانات التدريب الخاصة بك.
- اختار تكوين الوظيفة.
- تحت تكوين الوظيفة، أدخل مسارًا لـ موقع ملف التدفق S3. مجلد يسمى
data_wrangler_flows
سيتم إنشاؤه ضمن هذا الموقع ، وسيتم تحميل عنصر الاستدلال إلى هذا المجلد. لتغيير موقع التحميل ، قم بتعيين موقع S3 مختلف. - اترك الإعدادات الافتراضية لجميع الخيارات الأخرى واختر إنشاء لإنشاء مهمة المعالجة.
ستنشئ مهمة المعالجة ملفtarball (.tar.gz)
يحتوي على ملف تدفق بيانات معدل مع قسم استدلال مضاف حديثًا يسمح لك باستخدامه للاستدلال. أنت بحاجة إلى معرف المورد الموحد (URI) الخاص بخدمة الاستدلال S3 لتوفير الأداة لنموذج SageMaker عند نشر حل الاستدلال الخاص بك. سيكون URI في النموذج{Flow file S3 location}/data_wrangler_flows/{inference artifact name}.tar.gz
. - إذا لم تكن قد لاحظت هذه القيم في وقت سابق ، فيمكنك اختيار رابط وظيفة المعالجة للعثور على التفاصيل ذات الصلة. في مثالنا ، URI هو
s3://sagemaker-us-east-1-43257985977/data_wrangler_flows/example-2023-05-30T12-20-18.tar.gz.
- انسخ قيمة معالجة الصورة؛ نحتاج إلى URI هذا عند إنشاء نموذجنا أيضًا.
- يمكننا الآن استخدام URI هذا لإنشاء نموذج SageMaker على وحدة تحكم SageMaker ، والذي يمكننا لاحقًا نشره إلى نقطة نهاية أو وظيفة تحويل دفعة.
- تحت إعدادات الطراز¸ أدخل اسم النموذج وحدد دور IAM الخاص بك.
- في حالة خيارات إدخال الحاوية، حدد قم بتوفير النماذج الأثرية وموقع صورة الاستدلال.
- في حالة موقع صورة رمز الاستدلال، أدخل عنوان URI الخاص بالصورة المعالجة.
- في حالة موقع القطع الأثرية للنموذج، أدخل عنوان URI لعناصر الاستدلال.
- بالإضافة إلى ذلك ، إذا كانت بياناتك تحتوي على عمود هدف سيتم توقعه بواسطة نموذج ML مدرب ، فحدد اسم هذا العمود أسفل متغيرات البيئة، مع
INFERENCE_TARGET_COLUMN_NAME
as القفل واسم العمود باسم القيم. - الانتهاء من إنشاء النموذج الخاص بك عن طريق الاختيار إنشاء نموذج.
لدينا الآن نموذج يمكننا نشره إلى نقطة نهاية أو وظيفة تحويل دفعي.
دفاتر SageMaker Data Wrangler
للحصول على طريقة الكود أولاً لإنشاء عنصر الاستدلال من مهمة معالجة ، يمكننا العثور على رمز المثال عن طريق الاختيار تصدير الى في قائمة العقدة واختيار إما الأمازون S3, خطوط الأنابيب SageMakerالطرق أو خط أنابيب الاستدلال SageMaker. نحن نختار خط أنابيب الاستدلال SageMaker في هذا المثال.
في هذا دفتر الملاحظات ، هناك قسم بعنوان إنشاء المعالج (هذا مطابق في دفتر SageMaker Pipelines ، ولكن في دفتر ملاحظات Amazon S3 ، سيكون الرمز المكافئ ضمن تكوينات الوظيفة قسم). يوجد في الجزء السفلي من هذا القسم تكوين لعنصر الاستدلال الخاص بنا يسمى inference_params
. يحتوي على نفس المعلومات التي رأيناها في واجهة المستخدم ، وهي اسم عنصر الاستدلال وعقدة إخراج الاستدلال. سيتم ملء هذه القيم مسبقًا ولكن يمكن تعديلها. بالإضافة إلى ذلك ، هناك معلمة تسمى use_inference_params
، والذي يجب ضبطه على True
لاستخدام هذا التكوين في مهمة المعالجة.
مزيد من أسفل هو قسم بعنوان تحديد خطوات خط الأنابيب، حيث inference_params
يتم إلحاق التهيئة بقائمة من الوسائط الوظيفية وتمريرها في تعريف خطوة معالجة SageMaker Data Wrangler. في دفتر ملاحظات Amazon S3 ، job_arguments
يتم تعريفه مباشرة بعد تكوينات الوظيفة والقسم الخاص به.
باستخدام هذه التكوينات البسيطة ، ستنشئ مهمة المعالجة التي تم إنشاؤها بواسطة هذا الكمبيوتر الدفتري أداة استنتاج في نفس موقع S3 مثل ملف التدفق الخاص بنا (تم تحديده سابقًا في دفتر الملاحظات الخاص بنا). يمكننا تحديد موقع S3 هذا برمجيًا واستخدام هذه الأداة لإنشاء نموذج SageMaker باستخدام SageMaker بيثون SDK، والذي تم توضيحه في دفتر SageMaker Inference Pipeline.
يمكن تطبيق نفس الأسلوب على أي كود Python يقوم بإنشاء مهمة معالجة SageMaker Data Wrangler.
دعم تنسيق ملف JSON للإدخال والإخراج أثناء الاستدلال
من الشائع جدًا أن تستخدم مواقع الويب والتطبيقات JSON كطلب / استجابة لواجهات برمجة التطبيقات بحيث يسهل تحليل المعلومات حسب لغات البرمجة المختلفة.
في السابق ، بعد أن حصلت على نموذج مدرب ، كان بإمكانك فقط التفاعل معه عبر CSV كتنسيق إدخال في خط أنابيب استدلال SageMaker Data Wrangler. اليوم ، يمكنك استخدام JSON كتنسيق إدخال وإخراج ، مما يوفر مزيدًا من المرونة عند التفاعل مع حاويات استدلال SageMaker Data Wrangler.
لبدء استخدام JSON للإدخال والإخراج في دفتر خط أنابيب الاستدلال ، أكمل الخطوات التالية:
- تحديد الحمولة.
لكل حمولة ، يتوقع النموذج مثيلات مفتاح مسمى. القيمة عبارة عن قائمة من الكائنات ، كل منها يمثل نقطة بيانات خاصة بها. تتطلب الكائنات مفتاحًا يسمى الميزات ، ويجب أن تكون القيم هي ميزات نقطة بيانات واحدة من المفترض تقديمها إلى النموذج. يمكن إرسال نقاط بيانات متعددة في طلب واحد ، بحجم إجمالي يصل إلى 6 ميغا بايت لكل طلب.
انظر الكود التالي:
- تحديد
ContentType
asapplication/json
. - قم بتوفير البيانات للنموذج وتلقي الاستدلال بتنسيق JSON.
يرى تنسيقات البيانات الشائعة للاستدلال لعينة الإدخال والإخراج أمثلة JSON.
تنظيف
عندما تنتهي من استخدام برنامج SageMaker Data Wrangler ، نوصيك بإغلاق المثيل الذي يعمل عليه لتجنب تكبد رسوم إضافية. للحصول على إرشادات حول كيفية إيقاف تشغيل تطبيق SageMaker Data Wrangler والمثيل المرتبط به ، راجع اغلاق داتا رانجلر.
وفي الختام
تعمل ميزات SageMaker Data Wrangler الجديدة ، بما في ذلك دعم ملفات بيان S3 ، وإمكانيات الاستدلال ، وتكامل تنسيق JSON ، على تحويل التجربة التشغيلية لإعداد البيانات. تعمل هذه التحسينات على تبسيط استيراد البيانات وأتمتة عمليات تحويل البيانات وتبسيط العمل باستخدام بيانات JSON. باستخدام هذه الميزات ، يمكنك تحسين كفاءتك التشغيلية وتقليل الجهد اليدوي واستخراج رؤى قيمة من بياناتك بسهولة. احتضن قوة ميزات SageMaker Data Wrangler الجديدة وافتح الإمكانات الكاملة لسير عمل إعداد البيانات.
لتبدأ مع SageMaker Data Wrangler ، تحقق من أحدث المعلومات حول صفحة منتج SageMaker Data Wrangler.
عن المؤلفين
مونيش دبرا هو مهندس حلول رئيسي في Amazon Web Services (AWS). مجالات تركيزه الحالية هي الذكاء الاصطناعي / التعلم الآلي وقابلية الملاحظة. لديه خلفية قوية في تصميم وبناء أنظمة موزعة قابلة للتطوير. إنه يستمتع بمساعدة العملاء على الابتكار وتحويل أعمالهم في AWS. ينكدين: / mdabra
باتريك لين هو مهندس تطوير برمجيات لدى Amazon SageMaker Data Wrangler. إنه ملتزم بجعل Amazon SageMaker Data Wrangler الأداة الأولى لإعداد البيانات لسير عمل ML المُنتَج. خارج العمل ، يمكنك أن تجده يقرأ ، ويستمع إلى الموسيقى ، ويجري محادثات مع الأصدقاء ، ويخدم في كنيسته.
- 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/optimize-data-preparation-with-new-features-in-aws-sagemaker-data-wrangler/
- :لديها
- :يكون
- :ليس
- :أين
- $ UP
- 100
- 1996
- 2014
- 7
- 8
- 9
- a
- الإجراءات
- وأضاف
- إضافي
- وبالإضافة إلى ذلك
- اعتمد
- بعد
- AI / ML
- الكل
- السماح
- يسمح
- أيضا
- أمازون
- الأمازون SageMaker
- Amazon SageMaker الطيار الآلي
- أمازون سيج ميكر داتا رانجلر
- أمازون ويب سيرفيسز
- أمازون ويب سيرفيسز (أوس)
- المبالغ
- an
- و
- أي وقت
- واجهات برمجة التطبيقات
- التطبيق
- التطبيقات
- تطبيقي
- التقديم
- نهج
- هي
- المناطق
- الحجج
- AS
- أسوشيتد
- At
- أتمتة
- تلقائيا
- تجنب
- AWS
- خلفية
- على أساس
- BE
- أصبح
- يجري
- أفضل
- كبير
- على حد سواء
- الملابس السفلية
- استراحة
- نساعدك في بناء
- ابني
- مدمج
- الأعمال
- لكن
- by
- تسمى
- CAN
- قدرات
- حقيبة
- تغيير
- اسعارنا محددة من قبل وزارة العمل
- التحقق
- اختار
- اختيار
- كنيسة
- سوائل التنظيف
- الكود
- عمود
- ملتزم
- مشترك
- متوافق
- إكمال
- يكمل
- الاعداد
- كنسولات
- مستهلك
- حاويات
- يحتوي
- المحادثات
- المقابلة
- استطاع
- خلق
- خلق
- يخلق
- خلق
- حرج
- حالياًّ
- زبون
- العملاء
- البيانات
- تبادل البيانات
- نقاط البيانات
- تحضير البيانات
- معالجة المعلومات
- تعتمد على البيانات
- قواعد البيانات
- يوم
- تقرر
- الافتراضات
- تعريف
- تعريف
- الخوض
- تظاهر
- نشر
- نشر
- نشر
- تصميم
- تصميم
- افضل الرحلات السياحية
- تفاصيل
- حدد
- التطوير التجاري
- مختلف
- بحث
- وزعت
- الانظمة الموزعة
- do
- إلى أسفل
- أثناء
- كل
- في وقت سابق
- سهولة
- أسهل
- سهل
- النظم البيئية
- كفاءة
- فعال
- بكفاءة
- جهد
- إما
- احتضان
- تمكن
- تمكين
- النهائي إلى نهاية
- نقطة النهاية
- مهندس
- الهندسة
- تعزيز
- التحسينات
- يعزز
- أدخل
- كامل
- البيئة
- معادل
- خاصة
- EVER
- كل
- كل يوم
- كل شىء
- مثال
- أمثلة
- تبادل
- تتوقع
- الخبره في مجال الغطس
- تجربة
- تجارب
- استكشاف
- اكتشف
- تصدير
- صادرات
- تمديد
- استخراج
- الميزات
- المميزات
- قليل
- قم بتقديم
- ملفات
- مرونة
- تدفق
- يطفو
- تركز
- اتباع
- متابعيك
- في حالة
- النموذج المرفق
- شكل
- الاصدقاء
- تبدأ من
- بالإضافة إلى
- إضافي
- توليد
- ولدت
- دولار فقط واحصل على خصم XNUMX% على جميع
- جدا
- كان
- مقبض
- يملك
- وجود
- he
- مساعدة
- مرتفع
- تسليط الضوء
- وسلم
- له
- كيفية
- كيفية
- HTML
- HTTPS
- i
- مطابق
- معرف
- if
- صورة
- فورا
- استيراد
- استيراد
- تحسن
- in
- يشمل
- بما فيه
- معلومات
- الابتكار
- إدخال
- رؤى
- مثل
- تعليمات
- التكامل
- معد
- تفاعل
- التفاعل
- التفاعلية
- السطح البيني
- إلى
- حدسي
- IT
- انها
- جافا سكريبت
- وظيفة
- JPG
- جسون
- يوليو
- م
- القفل
- اللغات
- كبير
- اسم العائلة
- الى وقت لاحق
- آخر
- إطلاق
- تعلم
- اسمحوا
- مستوى
- مثل
- محدود
- LINK
- لينكدين:
- قائمة
- استماع
- قوائم
- موقع
- بحث
- آلة
- آلة التعلم
- جعل
- القيام ب
- إدارة
- كتيب
- مايو..
- القائمة
- البيانات الوصفية
- طريقة
- ربما
- مليون
- دقيقة
- مفقود
- ML
- MLOps
- نموذج
- عارضات ازياء
- تقدم
- تم التعديل
- الأكثر من ذلك
- أكثر فعالية
- متعدد
- موسيقى
- يجب
- الاسم
- عين
- أي
- محلي
- ضروري
- حاجة
- إحتياجات
- جديد
- مزايا جديدة
- حديثا
- التالي
- لا
- العقدة
- مفكرة
- الآن
- عدد
- موضوع
- الأجسام
- of
- on
- ONE
- فقط
- تشغيل
- الأمثل
- الأمثل
- خيار
- مزيد من الخيارات
- or
- أخرى
- لنا
- خارج
- الناتج
- في الخارج
- الخاصة
- المعلمة
- المعلمات
- مرت
- مسار
- إلى
- نفذ
- اختيار
- خط أنابيب
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- المزيد
- البوينت
- نقاط
- منشور
- محتمل
- قوة
- تنبأ
- وتوقع
- إعداد
- أعدت
- جميل
- سابقا
- رئيسي
- عملية المعالجة
- معالجتها
- معالجة
- المنتج
- المنتج مراجعات
- الإنتــاج
- برنامجي
- برمجة وتطوير
- لغات البرمجة
- تنفيذ المشاريع
- تزود
- توفير
- بايثون
- نادي القراءة
- في الوقت الحقيقي
- تسلم
- نوصي
- تخفيض
- يقلل
- الافراج عن
- ذات الصلة
- إزالة
- مثل
- تمثل
- طلب
- تطلب
- مورد
- مما أدى
- النتائج
- مراجعة
- التعليقات
- حق
- النوع
- يدير
- s
- sagemaker
- الاستدلال SageMaker
- خطوط الأنابيب SageMaker
- نفسه
- رأى
- تحجيم
- سلس
- بسلاسة
- القسم
- انظر تعريف
- اختيار
- اختيار
- خدماتنا
- خدمة
- الجلسة
- طقم
- إعدادات
- عدة
- ينبغي
- إظهار
- غلق
- إشارة
- الاشارات
- مبسط
- تبسيط
- تبسيط
- عزباء
- المقاس
- صغير
- الأصغر
- So
- تطبيقات الكمبيوتر
- تطوير البرمجيات
- حل
- الحلول
- توتر
- على وجه التحديد
- انقسم
- بداية
- بدأت
- خطوة
- خطوات
- تخزين
- تخزين
- تبسيط
- تبسيط
- قوي
- منظم
- تقدم
- المقدمة
- هذه
- الدعم
- الدعم
- بالتأكيد
- أنظمة
- أخذ
- يأخذ
- الهدف
- أن
- •
- المعلومات
- من مشاركة
- then
- هناك.
- تشبه
- هؤلاء
- عبر
- الوقت
- بعنوان
- إلى
- اليوم
- جدا
- أداة
- أدوات
- الإجمالي
- قطار
- متدرب
- قادة الإيمان
- تحول
- تحول
- التحولات
- تحول
- التحويلات
- مرتين
- ui
- مع
- فتح
- تم التحميل
- تستخدم
- حالة الاستخدام
- مستعمل
- استخدام
- القيمة
- قيمنا
- القيم
- جدا
- بواسطة
- المزيد
- التصور
- تريد
- مطلوب
- we
- الويب
- خدمات ويب
- المواقع
- أسابيع
- حسن
- متى
- التي
- على نحو واسع
- سوف
- مع
- للعمل
- سير العمل
- سير العمل
- عامل
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت