أمازون سيج ميكر داتا رانجلر يقلل الوقت المستغرق في تجميع البيانات وإعدادها للتعلم الآلي (ML) من أسابيع إلى دقائق في Amazon SageMaker Studio. تمكنك Data Wrangler من الوصول إلى البيانات من مجموعة متنوعة من المصادر الشائعة (الأمازون S3, أمازون أثينا, الأمازون الأحمر, أمازون EMR و Snowflake) وأكثر من 40 مصدرًا آخر تابعًا لجهات خارجية. بدءًا من اليوم ، يمكنك الاتصال بـ أمازون EMR الخلية كمحرك استعلام عن البيانات الضخمة لجلب مجموعات بيانات كبيرة لتعلم الآلة.
يعد تجميع كميات كبيرة من البيانات وإعدادها جزءًا مهمًا من سير عمل ML. يستخدم علماء البيانات ومهندسو البيانات Apache Spark و Apache Hive و Presto التي تعمل على Amazon EMR لمعالجة البيانات على نطاق واسع. سيتناول منشور المدونة هذا كيف يمكن لمحترفي البيانات استخدام الواجهة المرئية لـ SageMaker Data Wrangler لتحديد موقع مجموعات Amazon EMR الحالية والاتصال بها باستخدام نقاط نهاية Hive. للاستعداد للنمذجة أو إعداد التقارير ، يمكنهم تحليل استعلامات Hive لقاعدة البيانات والجداول والمخطط والمؤلف بصريًا لإنشاء مجموعة بيانات ML. بعد ذلك ، يمكنهم بسرعة ملف تعريف البيانات باستخدام واجهة Data Wrangler المرئية لتقييم جودة البيانات ، واكتشاف الحالات الشاذة والبيانات المفقودة أو غير الصحيحة ، والحصول على المشورة حول كيفية التعامل مع هذه المشكلات. يمكنهم الاستفادة من التحليلات المضمنة الأكثر شيوعًا والتي تعمل بنظام ML و 300+ تحويل مدمج مدعوم من Spark لتحليل الميزات وتنظيفها وهندستها دون كتابة سطر واحد من التعليمات البرمجية. أخيرًا ، يمكنهم أيضًا تدريب ونشر النماذج باستخدام الطيار الآلي SageMakerأو جدولة الوظائف أو تشغيل إعداد البيانات في خط أنابيب SageMaker من الواجهة المرئية لـ Data Wrangler.
حل نظرة عامة
باستخدام إعدادات SageMaker Studio ، يمكن لمحترفي البيانات التعرف بسرعة على مجموعات EMR الحالية والاتصال بها. بالإضافة إلى ذلك ، يمكن لمتخصصي البيانات اكتشاف مجموعات EMR من ملفات SageMaker Studio باستخدام قوالب محددة مسبقًا عند الطلب ببضع نقرات. يمكن للعملاء استخدام دفتر ملاحظات عالمي SageMaker Studio وكتابة التعليمات البرمجية فيه أباتشي سبارك, خلية النحل, مقطع موسيقي سريع or بايسبارك لأداء إعداد البيانات على نطاق واسع. ومع ذلك ، ليس كل محترفي البيانات على دراية بكتابة كود Spark لإعداد البيانات نظرًا لوجود منحنى تعليمي حاد. يمكنهم الآن الاتصال بسرعة وببساطة بـ Amazon EMR دون كتابة سطر واحد من التعليمات البرمجية ، وذلك بفضل Amazon EMR كونها مصدر بيانات لـ Amazon SageMaker Data Wrangler.
يمثل الرسم البياني التالي المكونات المختلفة المستخدمة في هذا الحل.
نعرض خيارين للمصادقة يمكن استخدامهما لإنشاء اتصال بمجموعة السجلات الطبية الإلكترونية. لكل خيار ، نقوم بنشر حزمة فريدة من تكوين سحابة AWS القوالب.
يقوم قالب CloudFormation بتنفيذ الإجراءات التالية عند تحديد كل خيار:
- ينشئ مجال Studio في وضع VPC فقط ، جنبًا إلى جنب مع ملف تعريف مستخدم مسمى
studio-user
. - يُنشئ الكتل الإنشائية ، بما في ذلك VPC ونقاط النهاية والشبكات الفرعية ومجموعات الأمان ومجموعة EMR والموارد الأخرى المطلوبة لتشغيل الأمثلة بنجاح.
- بالنسبة إلى مجموعة EMR ، يربط كتالوج بيانات AWS Glue كمخزن بيانات أساسي لـ EMR Hive و Presto ، وينشئ جدول Hive في EMR ، ويملأه ببيانات من مجموعة بيانات مطار الولايات المتحدة.
- بالنسبة لقالب LDAP CloudFormation ، يُنشئ ملف الأمازون الحوسبة المرنة السحابية (Amazon EC2) لاستضافة خادم LDAP لمصادقة مستخدم Hive و Presto LDAP.
الخيار 1: بروتوكول دليل الوصول خفيف الوزن
بالنسبة إلى نموذج CloudFormation لمصادقة LDAP ، نقوم بتزويد مثيل Amazon EC2 بخادم LDAP وتكوين مجموعة EMR لاستخدام هذا الخادم للمصادقة. هذا هو TLS ممكّن.
الخيار 2: عدم المصادقة
في نموذج CloudFormation المصادقة بدون مصادقة ، نستخدم مجموعة EMR قياسية مع عدم تمكين المصادقة.
انشر الموارد باستخدام AWS CloudFormation
أكمل الخطوات التالية لنشر البيئة:
- تسجيل الدخول إلى وحدة تحكم إدارة AWS باعتبارها إدارة الهوية والوصول AWS (IAM) ، ويفضل أن يكون مستخدمًا إداريًا.
- اختار قم بتشغيل Stack لبدء تشغيل نموذج CloudFormation لسيناريو المصادقة المناسب. تأكد من أن المنطقة المستخدمة لنشر حزمة CloudFormation لا تحتوي على مجال Studio موجود. إذا كان لديك بالفعل مجال Studio في منطقة ما ، فيمكنك اختيار منطقة مختلفة.
LDAP لا يوجد مصادقة - اختار التالى.
- في حالة اسم المكدس، أدخل اسمًا للمكدس (على سبيل المثال ،
dw-emr-hive-blog
). - اترك القيم الأخرى كقيمة افتراضية.
- للمتابعة ، اختر التالى من صفحة تفاصيل المكدس وخيارات المكدس.
يستخدم مكدس LDAP بيانات الاعتماد التالية.- اسم المستخدم:
david
- كلمة السر:
welcome123
- اسم المستخدم:
- في صفحة المراجعة ، حدد خانة الاختيار لتأكيد أن AWS CloudFormation قد تنشئ موارد.
- اختار إنشاء مكدس. انتظر حتى تتغير حالة المكدس من
CREATE_IN_PROGRESS
إلىCREATE_COMPLETE
. تستغرق العملية عادةً من 10 إلى 15 دقيقة.
قم بإعداد Amazon EMR كمصدر بيانات في Data Wrangler
في هذا القسم ، نغطي الاتصال بمجموعة Amazon EMR الحالية التي تم إنشاؤها من خلال نموذج CloudFormation كمصدر بيانات في Data Wrangler.
قم بإنشاء تدفق بيانات جديد
لإنشاء تدفق البيانات الخاصة بك ، أكمل الخطوات التالية:
- في وحدة تحكم SageMaker ، انقر فوق المجالات، ثم انقر على StudioDomain تم إنشاؤه عن طريق التشغيل فوق قالب CloudFormation.
- أختار مستخدم الاستوديو ملف تعريف المستخدم وتشغيل الاستوديو.
- اختار استديو مفتوح.
- في Studio Home console ، اختر استيراد البيانات وتجهيزها بصريًا. بدلا من ذلك ، على قم بتقديم القائمة المنسدلة ، اختر جديد، ثم اختر تدفق رانجلر البيانات.
- قد يستغرق إنشاء تدفق جديد بضع دقائق. بعد إنشاء التدفق ، سترى ملف تواريخ الاستيراد .
- أضف Amazon EMR كمصدر بيانات في Data Wrangler. على ال أضف مصدر البيانات القائمة، اختر أمازون EMR.
يمكنك تصفح جميع مجموعات EMR التي يمتلك دور تنفيذ Studio الخاص بك أذونات لرؤيتها. لديك خياران للاتصال بالعنقود ؛ أحدهما من خلال واجهة المستخدم التفاعلية ، والآخر هو الأول أنشئ سرًا باستخدام AWS Secrets Manager باستخدام عنوان URL لـ JDBC ، بما في ذلك معلومات مجموعة EMR ، ثم قم بتوفير AWS السري ARN المخزن في واجهة المستخدم للاتصال بـ Hive. في هذه المدونة ، نتبع الخيار الأول.
- حدد أحد المجموعات التالية التي تريد استخدامها. انقر على التالى، وحدد نقاط النهاية.
- أختار خلية نحل، اتصل بـ Amazon EMR ، وأنشئ اسمًا لتعريف اتصالك ، وانقر فوق التالى.
- حدد نوع المصادقة أيضًا بروتوكول الوصول إلى الدليل خفيف الوزن (LDAP) or لا يوجد مصادقة.
بالنسبة لـ Lightweight Directory Access Protocol (LDAP) ، حدد الخيار وانقر بعد ذلك ، قم بتسجيل الدخول إلى المجموعةr ، ثم أدخل اسم المستخدم وكلمة المرور لتتم المصادقة عليه وانقر فوق Connect.
في حالة عدم وجود مصادقة ، سيتم توصيلك بـ EMR Hive دون تقديم بيانات اعتماد المستخدم داخل VPC. أدخل صفحة مستكشف SQL الخاصة بـ Data Wrangler لـ EMR.
- بمجرد الاتصال ، يمكنك عرض شجرة قاعدة بيانات ومعاينة الجدول أو المخطط بشكل تفاعلي. يمكنك أيضًا الاستعلام عن البيانات واستكشافها وتصورها من السجلات الطبية الإلكترونية. للمعاينة ، سترى حدًا يبلغ 100 سجل افتراضيًا. بمجرد تقديم عبارة SQL في مربع محرر الاستعلام وانقر فوق يجري الزر ، سيتم تنفيذ الاستعلام على محرك خلية EMR لمعاينة البيانات.
• إلغاء الاستعلام يسمح الزر بإلغاء الاستعلامات الجارية إذا كانت تستغرق وقتًا طويلاً بشكل غير معتاد.
- الخطوة الأخيرة هي الاستيراد. بمجرد أن تكون جاهزًا باستخدام البيانات التي تم الاستعلام عنها ، يكون لديك خيارات لتحديث إعدادات أخذ العينات لاختيار البيانات وفقًا لنوع العينة (FirstK أو Random أو Stratified) وحجم العينة لاستيراد البيانات إلى Data Wrangler.
انقر استيراد. سيتم تحميل صفحة التحضير ، مما يسمح لك بإضافة تحويلات متنوعة وتحليلات أساسية إلى مجموعة البيانات.
- انتقل إلى تدفق البيانات من الشاشة العلوية وأضف المزيد من الخطوات إلى التدفق حسب الحاجة للتحويلات والتحليل. يمكنك تشغيل ملف تقرير رؤية البيانات لتحديد مشكلات جودة البيانات والحصول على توصيات لإصلاح هذه المشكلات. دعونا نلقي نظرة على بعض الأمثلة على التحويلات.
- في مجلة تدفق البيانات في العرض ، يجب أن ترى أننا نستخدم EMR كمصدر بيانات باستخدام موصل Hive.
- دعنا نضغط على ملف + زر على يمين أنواع البيانات وحدد أضف التحويل. عندما تفعل ذلك ، ستعود إلى البيانات رأي.
دعنا نستكشف البيانات. نرى أن لديها ميزات متعددة مثل iata_code, المطار, مدن, حالة, البلد, خط العرضو خط الطول. يمكننا أن نرى أن مجموعة البيانات بأكملها موجودة في بلد واحد ، وهو الولايات المتحدة ، وهناك قيم مفقودة فيها خط العرض و خط الطول. يمكن أن تتسبب البيانات المفقودة في تحيز في تقدير المعلمات ، ويمكن أن تقلل من تمثيل العينات ، لذلك نحتاج إلى إجراء بعض عزو والتعامل مع القيم المفقودة في مجموعة البيانات الخاصة بنا.
- دعنا نضغط على ملف أضف خطوة على شريط التنقل إلى اليمين. يختار التعامل مع المفقودين. يمكن رؤية التكوينات في لقطات الشاشة التالية.
تحت تحول، حدد نسب. اختر نوع العمود as رقمية و عمود الإدخال أسماء خط العرض و خط الطول. سنحسب القيم المفقودة باستخدام قيمة متوسطة تقريبية.
انقر أولاً على أرسال لعرض القيمة المفقودة ثم انقر فوق "تحديث" لإضافة التحويل.
- دعونا نلقي نظرة الآن على مثال آخر تحول. عند إنشاء نموذج ML ، تتم إزالة الأعمدة إذا كانت زائدة عن الحاجة أو لا تساعد نموذجك. الطريقة الأكثر شيوعًا لإزالة عمود هي إفلاته. في مجموعة البيانات الخاصة بنا ، الميزة البلد يمكن إسقاطها نظرًا لأن مجموعة البيانات مخصصة خصيصًا لبيانات المطارات الأمريكية. لإدارة الأعمدة ، انقر فوق أضف خطوة على شريط التنقل إلى اليمين وحدد إدارة الأعمدة. يمكن رؤية التكوينات في لقطات الشاشة التالية. تحت تحول، حدد عمود الإسقاط، و تحت أعمدة لإسقاطها، حدد البلد.
- انقر على أرسال وثم تحديث لإسقاط العمود.
- Feature Store هو مستودع لتخزين ومشاركة وإدارة الميزات لنماذج ML. دعنا نضغط على ملف + زر على يمين عمود الإسقاط. حدد تصدير الى واختر متجر ميزات SageMaker (عبر دفتر Jupyter).
- عن طريق اختيار متجر ميزات SageMaker كوجهة ، يمكنك حفظ المعالم في مجموعة معالم موجودة أو إنشاء واحدة جديدة.
لقد أنشأنا الآن ميزات باستخدام Data Wrangler وقمنا بتخزين هذه الميزات بسهولة في متجر الميزات. أظهرنا مثالاً لسير العمل لهندسة الميزات في Data Wrangler UI. ثم قمنا بحفظ هذه الميزات في Feature Store مباشرةً من Data Wrangler عن طريق إنشاء مجموعة ميزات جديدة. أخيرًا ، قمنا بتشغيل مهمة معالجة لإدخال هذه الميزات في متجر الميزات. ساعدتنا Data Wrangler و Feature Store معًا في بناء عمليات تلقائية وقابلة للتكرار لتبسيط مهام إعداد البيانات لدينا مع الحد الأدنى من الترميز المطلوب. كما يوفر لنا Data Wrangler المرونة لأتمتة نفس إعداد البيانات باستخدام التدفق وظائف مجدولة. يمكننا أيضًا تلقائيًا تدريب ونشر النماذج باستخدام SageMaker Autopilot من الواجهة المرئية لـ Data Wrangler ، أو إنشاء خط أنابيب تدريب أو هندسة ميزات باستخدام SageMaker Pipelines (عبر Jupyter Notebook) ونشره إلى نقطة نهاية الاستدلال باستخدام خط أنابيب الاستدلال SageMaker (عبر Jupyter Notebook).
تنظيف
إذا اكتمل عملك مع Data Wrangler ، فستساعدك الخطوات التالية على حذف الموارد التي تم إنشاؤها لتجنب تكبد رسوم إضافية.
- قم بإيقاف تشغيل استوديو SageMaker.
من داخل SageMaker Studio ، أغلق جميع علامات التبويب ، ثم حدد قم بتقديم then إيقاف. بمجرد المطالبة حدد اغلاق الكل.
قد يستغرق إيقاف التشغيل بضع دقائق بناءً على نوع المثيل. تأكد من حذف جميع التطبيقات المرتبطة بملف تعريف المستخدم. إذا لم يتم حذفها ، فاحذف يدويًا التطبيق المرتبط ضمن ملف تعريف المستخدم.
- إفراغ أي حاويات S3 تم إنشاؤها من تشغيل CloudFormation.
افتح صفحة Amazon S3 بالبحث عن S3 في بحث وحدة تحكم AWS. إفراغ أي مستودعات S3 تم إنشاؤها عند توفير المجموعات. سيكون الدلو من التنسيق dw-emr-hive-blog-
.
- احذف برنامج SageMaker Studio EFS.
افتح صفحة EFS بالبحث عن EFS في بحث وحدة تحكم AWS.
حدد موقع نظام الملفات الذي تم إنشاؤه بواسطة SageMaker. يمكنك تأكيد ذلك من خلال النقر على معرف نظام الملفات وتأكيد العلامة ManagedByAmazonSageMakerResource
على علامات علامة التبويب.
- احذف مكدسات CloudFormation. افتح CloudFormation من خلال البحث عن خدمة CloudFormation وفتحها من وحدة تحكم AWS.
حدد القالب الذي يبدأ بـ د- كما هو موضح في الشاشة التالية وقم بحذف المكدس كما هو موضح بالضغط على حذف .
هذا متوقع وسنعود إليه وننظفه في الخطوات اللاحقة.
- احذف VPC بعد فشل مكدس CloudFormation. افتح أولاً VPC من وحدة تحكم AWS.
- بعد ذلك ، حدد VPC الذي تم إنشاؤه بواسطة SageMaker Studio CloudFormation ، بعنوان
dw-emr-
، ثم اتبع المطالبات لحذف VPC. - احذف مكدس CloudFormation.
ارجع إلى CloudFormation وأعد محاولة حذف المكدس لـ dw-emr-hive-blog
.
مكتمل! ستتم الآن إزالة جميع الموارد التي يوفرها نموذج CloudFormation الموضح في منشور المدونة هذا من حسابك.
وفي الختام
في هذا المنشور ، راجعنا كيفية إعداد Amazon EMR كمصدر بيانات في Data Wrangler ، وكيفية تحويل مجموعة بيانات وتحليلها ، وكيفية تصدير النتائج إلى تدفق بيانات لاستخدامها في دفتر Jupyter. بعد تصور مجموعة البيانات الخاصة بنا باستخدام الميزات التحليلية المضمنة في Data Wrangler ، قمنا بتعزيز تدفق البيانات لدينا. حقيقة أننا أنشأنا خط أنابيب لإعداد البيانات دون كتابة سطر واحد من التعليمات البرمجية أمر مهم.
لتبدأ مع Data Wrangler ، انظر قم بإعداد بيانات ML مع Amazon SageMaker Data Wrangler واطلع على أحدث المعلومات حول صفحة المنتج داتا رانجلر و مستندات AWS الفنية.
حول المؤلف
أججاي جوفيندارام هو مهندس حلول أول في AWS. يعمل مع العملاء الاستراتيجيين الذين يستخدمون الذكاء الاصطناعي / تعلم الآلة لحل مشاكل الأعمال المعقدة. تكمن خبرته في تقديم التوجيه الفني بالإضافة إلى المساعدة في التصميم لعمليات نشر تطبيقات الذكاء الاصطناعي / التعلم الآلي المتواضعة إلى الواسعة النطاق. تتراوح معرفته من هندسة التطبيقات إلى البيانات الضخمة والتحليلات والتعلم الآلي. إنه يستمتع بالاستماع إلى الموسيقى أثناء الراحة ، وتجربة الهواء الطلق ، وقضاء الوقت مع أحبائه.
العشاء دعاء هو مهندس حلول أول مقره في منطقة خليج سان فرانسيسكو. تساعد عملاء AWS من المؤسسات على النمو من خلال فهم أهدافهم وتحدياتهم ، وتوجههم حول كيفية تصميم تطبيقاتهم بطريقة سحابية أصلية مع ضمان المرونة وقابلية التوسع. إنها شغوفة بتقنيات التعلم الآلي والاستدامة البيئية.
فارون ميهتا هو مهندس حلول في AWS. إنه متحمس لمساعدة العملاء على بناء حلول مصممة بشكل جيد على نطاق المؤسسة على سحابة AWS. يعمل مع العملاء الاستراتيجيين الذين يستخدمون الذكاء الاصطناعي / تعلم الآلة لحل مشاكل الأعمال المعقدة.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/machine-learning/accelerate-time-to-insight-with-amazon-sagemaker-data-wrangler-and-the-power-of-apache-hive/
- :يكون
- $ UP
- 1
- 10
- 100
- 11
- 7
- a
- من نحن
- تسريع
- الوصول
- بروتوكول الوصول
- وفقا
- حسابي
- الإجراءات
- إضافة
- إضافي
- مشرف
- نصيحة
- بعد
- AI / ML
- المطار
- الكل
- السماح
- يسمح
- سابقا
- أمازون
- Amazon EC2
- أمازون EMR
- الأمازون SageMaker
- أمازون سيج ميكر داتا رانجلر
- أمازون ساجميكر ستوديو
- المبالغ
- تحليل
- تحليل
- تحليلية
- تحليلات
- تحليل
- و
- آخر
- أباتشي
- التطبيق
- تطبيق
- التطبيقات
- مناسب
- التطبيقات
- هندسة معمارية
- هي
- المنطقة
- AS
- مساعدة
- أسوشيتد
- At
- مصادقة
- موثق
- التحقّق من المُستخدم
- المؤلفة
- أتمتة
- أوتوماتيك
- تلقائيا
- AWS
- تكوين سحابة AWS
- غراء AWS
- الى الخلف
- شريط
- على أساس
- خليج
- BE
- لان
- يجري
- انحياز
- كبير
- البيانات الكبيرة
- Blocks
- المدونة
- صندوق
- جلب
- نساعدك في بناء
- ابني
- مدمج
- الأعمال
- زر
- by
- CAN
- الأقسام
- سبب
- التحديات
- التغييرات
- التحقق
- اختار
- انقر
- اغلاق
- سحابة
- كتلة
- الكود
- البرمجة
- عمود
- الأعمدة
- تأتي
- مشترك
- إكمال
- مجمع
- مكونات
- إحصاء
- أكد
- التواصل
- متصل
- الرابط
- صلة
- يربط
- كنسولات
- استمر
- البلد
- بهيكل
- خلق
- خلق
- يخلق
- خلق
- أوراق اعتماد
- حرج
- منحنى
- العملاء
- البيانات
- تحضير البيانات
- معالجة المعلومات
- قاعدة البيانات
- قواعد البيانات
- صفقة
- الترتيب
- الطلب
- شرح
- نشر
- نشر
- وصف
- تصميم
- افضل الرحلات السياحية
- تفاصيل
- مختلف
- اتجاه
- مباشرة
- اكتشف
- نطاق
- لا
- إلى أسفل
- قطرة
- إسقاط
- كل
- بسهولة
- رئيس التحرير
- إما
- تمكين
- تمكن
- نقطة النهاية
- محرك
- مهندس
- الهندسة
- المهندسين
- تعزيز
- ضمان
- أدخل
- مشروع
- كامل
- البيئة
- بيئي
- أساسي
- إنشاء
- تقييم
- مثال
- أمثلة
- القائمة
- متوقع
- الخبره في مجال الغطس
- تعاني
- اكتشف
- مستكشف
- تصدير
- فشل
- مألوف
- الميزات
- المميزات
- الرسوم الدراسية
- قليل
- أخيرا
- الاسم الأول
- حل
- تدفق
- اتباع
- متابعيك
- في حالة
- فرانسيسكو
- تبدأ من
- إضافي
- دولار فقط واحصل على خصم XNUMX% على جميع
- Go
- الأهداف
- تجمع
- مجموعات
- النمو
- دليل
- مقبض
- يملك
- مساعدة
- ساعد
- مساعدة
- يساعد
- خلية النحل
- الصفحة الرئيسية
- مضيف
- كيفية
- كيفية
- لكن
- HTML
- HTTP
- HTTPS
- تحديد
- هوية
- استيراد
- استيراد
- in
- بما فيه
- معلومات
- تبصر
- مثل
- التفاعلية
- السطح البيني
- المشاركة
- مسائل
- IT
- وظيفة
- المشــاريــع
- JPG
- المعرفة
- كبير
- على نطاق واسع
- اسم العائلة
- آخر
- إطلاق
- تعلم
- الرافعة المالية
- يكمن
- خفيفة الوزن
- مما سيحدث
- خط
- استماع
- طويل
- وقت طويل
- بحث
- أحب
- آلة
- آلة التعلم
- جعل
- إدارة
- إدارة
- أسلوب
- يدويا
- القائمة
- ربما
- الحد الأدنى
- دقيقة
- مفقود
- ML
- موضة
- نموذج
- عارضات ازياء
- الأكثر من ذلك
- أكثر
- متعدد
- موسيقى
- الاسم
- عين
- أسماء
- قائمة الإختيارات
- حاجة
- جديد
- مفكرة
- of
- on
- ONE
- جارية
- جاكيت
- افتتاح
- خيار
- مزيد من الخيارات
- أخرى
- في الهواء الطلق
- صفحة
- المعلمات
- جزء
- عاطفي
- كلمة المرور
- نفذ
- ينفذ
- أذونات
- خط أنابيب
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- الرائج
- منشور
- قوة
- إعداد
- إعداد
- أرسال
- مشاكل
- عملية المعالجة
- العمليات
- معالجة
- المنتج
- المهنيين
- ملفي الشخصي
- بروتوكول
- تزود
- ويوفر
- توفير
- تقديم
- جودة
- بسرعة
- عشوائية
- استعداد
- ساندي خ. ميليك
- تسجيل
- تخفيض
- يقلل
- منطقة
- إزالة
- إزالة
- تكرار
- التقارير
- مستودع
- يمثل
- مطلوب
- مرونة
- الموارد
- النتائج
- مراجعة
- النوع
- يجري
- تشغيل
- sagemaker
- الاستدلال SageMaker
- خطوط الأنابيب SageMaker
- نفسه
- سان
- سان فرانسيسكو
- حفظ
- التدرجية
- حجم
- سيناريو
- جدول
- العلماء
- شاشة
- لقطات
- بحث
- البحث
- سيكريت
- القسم
- أمن
- مختار
- اختيار
- اختيار
- كبير
- الخدمة
- طقم
- إعدادات
- مشاركة
- ينبغي
- أظهرت
- هام
- ببساطة
- منذ
- عزباء
- المقاس
- So
- حل
- الحلول
- حل
- بعض
- مصدر
- مصادر
- شرارة
- على وجه التحديد
- الإنفاق
- بقعة
- كومة
- كومات
- معيار
- بدأت
- ابتداء
- ملخص الحساب
- إحصائيات
- الحالة
- خطوة
- خطوات
- متجر
- تخزين
- إستراتيجي
- تبسيط
- ستوديو
- الشبكات الفرعية
- لاحق
- بنجاح
- هذه
- مدعومة
- الاستدامة
- نظام
- جدول
- TAG
- أخذ
- يأخذ
- مع الأخذ
- المهام
- تقني
- التكنولوجيا
- قالب
- النماذج
- شكر
- أن
- •
- من مشاركة
- منهم
- تشبه
- طرف ثالث
- عبر
- الوقت
- إلى
- اليوم
- سويا
- تيشرت
- قطار
- قادة الإيمان
- تحول
- التحولات
- ui
- مع
- فهم
- فريد من نوعه
- عالمي
- تحديث
- URL
- us
- تستخدم
- مستخدم
- عادة
- قيمنا
- القيم
- تشكيلة
- مختلف
- بواسطة
- المزيد
- انتظر
- طريق..
- أسابيع
- حسن
- التي
- في حين
- من الذى
- واسع
- ويكيبيديا
- سوف
- مع
- في غضون
- بدون
- للعمل
- أعمال
- سوف
- اكتب
- اكتب كود
- جاري الكتابة
- يامل
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت