هذا منشور ضيف تم كتابته بالاشتراك مع فريق القيادة في Iambic Therapeutics.
العلاجات التيامبية هي شركة ناشئة تعمل في مجال اكتشاف الأدوية وتتمثل مهمتها في إنشاء تقنيات مبتكرة تعتمد على الذكاء الاصطناعي لتقديم أدوية أفضل لمرضى السرطان بشكل أسرع.
تمكننا أدوات الذكاء الاصطناعي التوليدي والتنبؤي المتقدمة لدينا من البحث في المساحة الشاسعة من جزيئات الأدوية المحتملة بشكل أسرع وأكثر فعالية. تتميز تقنياتنا بأنها متعددة الاستخدامات وقابلة للتطبيق في المجالات العلاجية وفئات البروتين وآليات العمل. إلى جانب إنشاء أدوات الذكاء الاصطناعي المتنوعة، قمنا بإنشاء منصة متكاملة تدمج برامج الذكاء الاصطناعي والبيانات المستندة إلى السحابة والبنية التحتية الحسابية القابلة للتطوير وقدرات الكيمياء والبيولوجيا عالية الإنتاجية. تعمل المنصة على تمكين الذكاء الاصطناعي لدينا — من خلال توفير البيانات لتحسين نماذجنا — ويتم تمكينها من خلاله، مع الاستفادة من فرص اتخاذ القرار الآلي ومعالجة البيانات.
نحن نقيس النجاح من خلال قدرتنا على إنتاج مرشحين سريريين متفوقين لتلبية احتياجات المرضى العاجلة، بسرعة غير مسبوقة: لقد تقدمنا من إطلاق البرنامج إلى المرشحين السريريين في 24 شهرًا فقط، وهو أسرع بكثير من منافسينا.
في هذا المنشور، نركز على كيفية استخدامنا كاربنتر on خدمة أمازون مطاطا Kubernetes (Amazon EKS) لتوسيع نطاق التدريب والاستدلال في مجال الذكاء الاصطناعي، وهما عنصران أساسيان في منصة اكتشاف Iambic.
الحاجة إلى تدريب واستدلال قابل للتطوير في مجال الذكاء الاصطناعي
كل أسبوع، يقوم Iambic بإجراء استدلال الذكاء الاصطناعي عبر عشرات النماذج وملايين الجزيئات، ويخدم حالتي استخدام أساسيتين:
- يستخدم الكيميائيون الطبيون وغيرهم من العلماء تطبيق الويب الخاص بنا، Insight، لاستكشاف الفضاء الكيميائي، والوصول إلى البيانات التجريبية وتفسيرها، والتنبؤ بخصائص الجزيئات المصممة حديثًا. يتم تنفيذ كل هذا العمل بشكل تفاعلي في الوقت الفعلي، مما يخلق الحاجة إلى الاستدلال بزمن انتقال منخفض وإنتاجية متوسطة.
- وفي الوقت نفسه، تقوم نماذج الذكاء الاصطناعي التوليدية الخاصة بنا تلقائيًا بتصميم جزيئات تستهدف التحسين عبر العديد من الخصائص، وتبحث في ملايين المرشحين، وتتطلب إنتاجية هائلة وزمن وصول متوسط.
مسترشدة بتقنيات الذكاء الاصطناعي وخبراء المخدرات، تولد منصتنا التجريبية آلاف الجزيئات الفريدة كل أسبوع، ويخضع كل منها لفحوصات بيولوجية متعددة. تتم معالجة نقاط البيانات التي تم إنشاؤها تلقائيًا واستخدامها لضبط نماذج الذكاء الاصطناعي لدينا كل أسبوع. في البداية، استغرق الضبط الدقيق لنموذجنا ساعات من وقت وحدة المعالجة المركزية، لذلك كان من الضروري وجود إطار عمل لتوسيع نطاق الضبط الدقيق للنموذج على وحدات معالجة الرسومات.
تتمتع نماذج التعلم العميق لدينا بمتطلبات غير تافهة: فهي بحجم غيغابايت، وهي عديدة وغير متجانسة، وتتطلب وحدات معالجة الرسومات للاستدلال السريع والضبط الدقيق. بالنظر إلى البنية التحتية السحابية، كنا بحاجة إلى نظام يسمح لنا بالوصول إلى وحدات معالجة الرسومات، وتوسيع نطاق العمل لأعلى ولأسفل بسرعة للتعامل مع أعباء العمل الشائكة وغير المتجانسة، وتشغيل صور Docker الكبيرة.
أردنا بناء نظام قابل للتطوير لدعم التدريب والاستدلال في مجال الذكاء الاصطناعي. نحن نستخدم Amazon EKS ونبحث عن أفضل حل لتوسيع نطاق العقد العاملة لدينا تلقائيًا. لقد اخترنا Karpenter للقياس التلقائي لعقدة Kubernetes لعدد من الأسباب:
- سهولة التكامل مع Kubernetes، باستخدام دلالات Kubernetes لتحديد متطلبات العقدة ومواصفات البودات للتوسع
- نطاق الكمون المنخفض خارج العقد
- سهولة التكامل مع بنيتنا التحتية كأدوات للتعليمات البرمجية (Terraform)
يدعم موفري العقد التكامل السهل مع Amazon EKS وموارد AWS الأخرى مثل الأمازون الحوسبة المرنة السحابية (Amazon EC2) مثيلات و متجر أمازون مطاط بلوك أحجام. تدعم دلالات Kubernetes التي يستخدمها مقدمو الخدمة الجدولة الموجهة باستخدام بنيات Kubernetes مثل العيوب أو التسامحات ومواصفات التقارب أو عدم التقارب؛ كما أنها تسهل التحكم في عدد وأنواع مثيلات GPU التي قد يتم جدولتها بواسطة Karpenter.
حل نظرة عامة
في هذا القسم، نقدم بنية عامة تشبه تلك التي نستخدمها لأحمال العمل الخاصة بنا، والتي تسمح بالنشر المرن للنماذج باستخدام القياس التلقائي الفعال استنادًا إلى المقاييس المخصصة.
يوضح الرسم البياني التالي بنية الحل.
تنشر الهندسة المعمارية أ خدمة بسيطة في جراب Kubernetes داخل كتلة EKS. يمكن أن يكون ذلك بمثابة استنتاج نموذجي، أو محاكاة بيانات، أو أي خدمة أخرى داخل الحاوية، يمكن الوصول إليها عن طريق طلب HTTP. يتم كشف الخدمة خلف وكيل عكسي باستخدام ترافيك. يقوم الوكيل العكسي بجمع مقاييس حول مكالمات الخدمة ويعرضها عبر واجهة برمجة تطبيقات المقاييس القياسية محب العمل. المقياس التلقائي المعتمد على الأحداث في Kubernetes (كيدا) تم تكوينه لقياس عدد حجرات الخدمة تلقائيًا، استنادًا إلى المقاييس المخصصة المتوفرة في Prometheus. نستخدم هنا عدد الطلبات في الثانية كمقياس مخصص. ينطبق نفس النهج المعماري إذا اخترت مقياسًا مختلفًا لعبء العمل لديك.
يقوم Karpenter بمراقبة أي حجرات معلقة لا يمكن تشغيلها بسبب نقص الموارد الكافية في المجموعة. إذا تم اكتشاف مثل هذه القرون، يضيف Karpenter المزيد من العقد إلى المجموعة لتوفير الموارد اللازمة. على العكس من ذلك، إذا كان هناك عدد أكبر من العقد في المجموعة عما تحتاجه الكبسولات المجدولة، يقوم Karpenter بإزالة بعض العقد العاملة وتتم إعادة جدولة الكبسولات، مما يؤدي إلى دمجها في حالات أقل. يمكن تصور عدد طلبات HTTP في الثانية وعدد العقد باستخدام جرافانا لوحة القيادة. لتوضيح القياس التلقائي، نقوم بتشغيل واحد أو أكثر القرون البسيطة المولدة للحمل، والتي ترسل طلبات HTTP إلى الخدمة باستخدام حليقة.
نشر الحل
في مجلة تجول خطوة بخطوة، نحن نستخدم سحابة AWS 9 كبيئة لنشر البنية. يتيح ذلك إكمال جميع الخطوات من متصفح الويب. يمكنك أيضًا نشر الحل من جهاز كمبيوتر محلي أو مثيل EC2.
لتبسيط النشر وتحسين إمكانية التكرار، فإننا نتبع مبادئ إطار العمل وهيكل قالب يعتمد على عامل الإرساء. نحن استنساخ aws-do-eks المشروع واستخدام عامل في حوض السفن، نقوم ببناء صورة حاوية مجهزة بالأدوات والبرامج النصية اللازمة. داخل الحاوية، نقوم بتنفيذ جميع خطوات الإرشادات الشاملة، بدءًا من إنشاء مجموعة EKS باستخدام Karpenter وحتى التوسع حالات EC2.
على سبيل المثال في هذا المنصب، نستخدم ما يلي بيان مجموعة EKS:
apiVersion: eksctl.io/v1alpha5
kind: ClusterConfig
metadata:
name: do-eks-yaml-karpenter
version: '1.28'
region: us-west-2
tags:
karpenter.sh/discovery: do-eks-yaml-karpenter
iam:
withOIDC: true
addons:
- name: aws-ebs-csi-driver
version: v1.26.0-eksbuild.1
wellKnownPolicies:
ebsCSIController: true
managedNodeGroups:
- name: c5-xl-do-eks-karpenter-ng
instanceType: c5.xlarge
instancePrefix: c5-xl
privateNetworking: true
minSize: 0
desiredCapacity: 2
maxSize: 10
volumeSize: 300
iam:
withAddonPolicies:
cloudWatch: true
ebs: true
يحدد هذا البيان مجموعة تسمى do-eks-yaml-karpenter
مع تثبيت برنامج تشغيل EBS CSI كوظيفة إضافية. مجموعة عقدة مُدارة مع اثنين c5.xlarge
يتم تضمين العقد لتشغيل كبسولات النظام التي تحتاجها المجموعة. تتم استضافة العقد العاملة في شبكات فرعية خاصة، وتكون نقطة نهاية واجهة برمجة تطبيقات المجموعة عامة بشكل افتراضي.
يمكنك أيضًا استخدام مجموعة EKS موجودة بدلاً من إنشاء واحدة. نقوم بنشر Karpenter باتباع تعليمات في وثائق Karpenter، أو عن طريق تشغيل ما يلي سيناريو، الذي يقوم بأتمتة تعليمات النشر.
يوضح الكود التالي تكوين Karpenter الذي نستخدمه في هذا المثال:
apiVersion: karpenter.sh/v1beta1
kind: NodePool
metadata:
name: default
spec:
template:
metadata: null
labels:
cluster-name: do-eks-yaml-karpenter
annotations:
purpose: karpenter-example
spec:
nodeClassRef:
apiVersion: karpenter.k8s.aws/v1beta1
kind: EC2NodeClass
name: default
requirements:
- key: karpenter.sh/capacity-type
operator: In
values:
- spot
- on-demand
- key: karpenter.k8s.aws/instance-category
operator: In
values:
- c
- m
- r
- g
- p
- key: karpenter.k8s.aws/instance-generation
operator: Gt
values:
- '2'
disruption:
consolidationPolicy: WhenUnderutilized
#consolidationPolicy: WhenEmpty
#consolidateAfter: 30s
expireAfter: 720h
---
apiVersion: karpenter.k8s.aws/v1beta1
kind: EC2NodeClass
metadata:
name: default
spec:
amiFamily: AL2
subnetSelectorTerms:
- tags:
karpenter.sh/discovery: "do-eks-yaml-karpenter"
securityGroupSelectorTerms:
- tags:
karpenter.sh/discovery: "do-eks-yaml-karpenter"
role: "KarpenterNodeRole-do-eks-yaml-karpenter"
tags:
app: autoscaling-test
blockDeviceMappings:
- deviceName: /dev/xvda
ebs:
volumeSize: 80Gi
volumeType: gp3
iops: 10000
deleteOnTermination: true
throughput: 125
detailedMonitoring: true
نحدد Karpenter NodePool الافتراضي بالمتطلبات التالية:
- يستطيع Karpenter إطلاق المثيلات من كليهما
spot
وon-demand
حمامات القدرات - يجب أن تكون المثيلات من "
c
"(الحساب الأمثل)،"m
" (هدف عام)، "r
"(الذاكرة المحسنة)، أو"g
"و"p
"(GPU المتسارع) عائلات الحوسبة - يجب أن يكون إنشاء المثيل أكبر من 2؛ على سبيل المثال،
g3
أمر مقبول، ولكنg2
ليس
يحدد NodePool الافتراضي أيضًا سياسات التعطيل. ستتم إزالة العقد غير المستغلة بحيث يمكن دمج القرون لتشغيلها على عدد أقل أو أصغر من العقد. وبدلاً من ذلك، يمكننا تكوين العقد الفارغة لإزالتها بعد الفترة الزمنية المحددة. ال expireAfter
يحدد الإعداد الحد الأقصى لعمر أي عقدة، قبل إيقافها واستبدالها إذا لزم الأمر. ويساعد ذلك في تقليل الثغرات الأمنية بالإضافة إلى تجنب المشكلات النموذجية للعقد ذات فترات تشغيل طويلة، مثل تجزئة الملفات أو تسرب الذاكرة.
افتراضيًا، يوفر Karpenter العقد ذات حجم جذر صغير، والذي قد لا يكون كافيًا لتشغيل أحمال عمل الذكاء الاصطناعي أو التعلم الآلي (ML). يمكن أن يصل حجم بعض صور حاوية التعلم العميق إلى عشرات الجيجابايت، ونحتاج إلى التأكد من وجود مساحة تخزين كافية على العقد لتشغيل البودات باستخدام هذه الصور. للقيام بذلك، نحدد EC2NodeClass
مع blockDeviceMappings
، كما هو موضح في الكود السابق.
Karpenter مسؤول عن القياس التلقائي على مستوى المجموعة. لتكوين القياس التلقائي على مستوى الكبسولة، نستخدم KEDA لتحديد مورد مخصص يسمى ScaledObject
كما هو موضح في الكود التالي:
apiVersion: keda.sh/v1alpha1
kind: ScaledObject
metadata:
name: keda-prometheus-hpa
namespace: hpa-example
spec:
scaleTargetRef:
name: php-apache
minReplicaCount: 1
cooldownPeriod: 30
triggers:
- type: prometheus
metadata:
serverAddress: http://prometheus- server.prometheus.svc.cluster.local:80
metricName: http_requests_total
threshold: '1'
query: rate(traefik_service_requests_total{service="hpa-example-php-apache-80@kubernetes",code="200"}[2m])
يحدد البيان السابق أ ScaledObject
عين keda-prometheus-hpa
، وهو المسؤول عن توسيع نطاق نشر php-Apache ويحافظ دائمًا على تشغيل نسخة طبق الأصل واحدة على الأقل. يقوم بقياس قرون هذا النشر بناءً على المقياس http_requests_total
متوفرة في Prometheus التي تم الحصول عليها من خلال الاستعلام المحدد، وتهدف إلى توسيع نطاق الكبسولات بحيث لا تخدم كل حجرة أكثر من طلب واحد في الثانية. يقوم بتقليص حجم النسخ المتماثلة بعد أن يكون تحميل الطلب أقل من الحد الأدنى لمدة تزيد عن 30 ثانية.
• مواصفات النشر لخدمتنا سبيل المثال تحتوي على ما يلي طلبات الموارد وحدودها:
resources:
limits:
cpu: 500m
nvidia.com/gpu: 1
requests:
cpu: 200m
nvidia.com/gpu: 1
مع هذا التكوين، ستستخدم كل حجرة خدمة وحدة معالجة رسومات NVIDIA واحدة بالضبط. عندما يتم إنشاء كبسولات جديدة، ستكون في حالة انتظار حتى تتوفر وحدة معالجة الرسومات. يضيف Karpenter عقد GPU إلى المجموعة حسب الحاجة لاستيعاب القرون المعلقة.
A جراب توليد الحمل يرسل طلبات HTTP إلى الخدمة بتردد محدد مسبقًا. نقوم بزيادة عدد الطلبات عن طريق زيادة عدد النسخ المتماثلة في نشر مولد الحمل.
يتم تصور دورة توسيع كاملة مع دمج العقدة على أساس الاستخدام في لوحة معلومات Grafana. تعرض لوحة المعلومات التالية عدد العقد في المجموعة حسب نوع المثيل (أعلى)، وعدد الطلبات في الثانية (أسفل اليسار)، وعدد القرون (أسفل اليمين).
نبدأ بمثيلي وحدة المعالجة المركزية c5.xlarge فقط اللذين تم إنشاء المجموعة بهما. ثم نقوم بنشر مثيل خدمة واحد، الأمر الذي يتطلب وحدة معالجة رسومات واحدة. يضيف Karpenter مثيل g4dn.xlarge لتلبية هذه الحاجة. نقوم بعد ذلك بنشر منشئ التحميل، مما يجعل KEDA تضيف المزيد من وحدات الخدمة ويضيف Karpenter المزيد من مثيلات GPU. بعد التحسين، تستقر الحالة على مثيل واحد p3.8xlarge مزود بـ 8 وحدات معالجة رسوميات ومثيل g5.12xlarge واحد مزود بـ 4 وحدات معالجة رسوميات.
عندما نقوم بتوسيع نطاق النشر المولد للتحميل إلى 40 نسخة متماثلة، تقوم KEDA بإنشاء كبسولات خدمة إضافية للحفاظ على تحميل الطلب المطلوب لكل حاوية. يضيف Karpenter العقد g4dn.metal وg4dn.12xlarge إلى المجموعة لتوفير وحدات معالجة الرسوميات اللازمة للقرون الإضافية. في الحالة المقاسة، تحتوي المجموعة على 16 عقدة GPU وتخدم حوالي 300 طلب في الثانية. عندما نقوم بتقليص مولد التحميل إلى نسخة متماثلة واحدة، تحدث العملية العكسية. بعد فترة التهدئة، تقوم KEDA بتقليل عدد حجرات الخدمة. وبعد ذلك، مع تشغيل عدد أقل من الكبسولات، يقوم Karpenter بإزالة العقد غير المستغلة بشكل كافٍ من المجموعة ويتم دمج كبسولات الخدمة لتعمل على عدد أقل من العقد. عند إزالة حاوية منشئ التحميل، تظل حاوية خدمة واحدة على مثيل g1dn.xlarge واحد مع وحدة معالجة رسومات واحدة قيد التشغيل. عندما نقوم بإزالة حجرة الخدمة أيضًا، يتم ترك المجموعة في الحالة الأولية مع عقدتين فقط لوحدة المعالجة المركزية.
يمكننا أن نلاحظ هذا السلوك عندما NodePool
لديه الإعداد consolidationPolicy: WhenUnderutilized
.
باستخدام هذا الإعداد، يقوم Karpenter بتكوين المجموعة ديناميكيًا مع أقل عدد ممكن من العقد، مع توفير موارد كافية لتشغيل جميع الكبسولات وكذلك تقليل التكلفة.
يتم ملاحظة سلوك القياس الموضح في لوحة المعلومات التالية عند NodePool
تم تعيين سياسة الدمج على WhenEmpty
، مع consolidateAfter: 30s
.
في هذا السيناريو، يتم إيقاف العقد فقط في حالة عدم وجود أي كبسولات تعمل عليها بعد فترة التهدئة. يبدو منحنى القياس سلسًا، مقارنة بسياسة الدمج القائمة على الاستخدام؛ ومع ذلك، يمكن ملاحظة أنه يتم استخدام المزيد من العقد في الحالة المقاسة (22 مقابل 16).
بشكل عام، يضمن الجمع بين القياس التلقائي للحجرة والمجموعة أن المجموعة تتوسع ديناميكيًا مع عبء العمل، وتخصيص الموارد عند الحاجة وإزالتها عند عدم استخدامها، وبالتالي زيادة الاستخدام وتقليل التكلفة.
نتائج
استخدم Iambic هذه البنية لتمكين الاستخدام الفعال لوحدات معالجة الرسومات على AWS وترحيل أعباء العمل من وحدة المعالجة المركزية إلى وحدة معالجة الرسومات. باستخدام المثيلات التي تدعم وحدة معالجة الرسومات EC2 وAmazon EKS وKarpenter، تمكنا من تمكين استنتاج أسرع لنماذجنا القائمة على الفيزياء وأوقات تكرار التجارب السريعة للعلماء التطبيقيين الذين يعتمدون على التدريب كخدمة.
يلخص الجدول التالي بعض المقاييس الزمنية لهذا الترحيل.
مهمة | المعالجات CPUs | وحدات معالجة الرسومات |
الاستدلال باستخدام نماذج الانتشار لنماذج تعلم الآلة القائمة على الفيزياء | 3,600 ثانية |
100 ثانية (بسبب التجميع المتأصل لوحدات معالجة الرسومات) |
التدريب على نموذج ML كخدمة | 180 دقيقة | 4 دقيقة |
يلخص الجدول التالي بعض مقاييس الوقت والتكلفة لدينا.
مهمة | الأداء/التكلفة | |
المعالجات CPUs | وحدات معالجة الرسومات | |
التدريب على نموذج ML |
240 دقيقة متوسط 0.70 دولارًا لكل مهمة تدريبية |
20 دقيقة متوسط 0.38 دولارًا لكل مهمة تدريبية |
نبذة عامة
في هذا المنشور، عرضنا كيف استخدمت Iambic Karpenter وKEDA لتوسيع نطاق البنية التحتية لـ Amazon EKS لتلبية متطلبات زمن الاستجابة لاستدلال الذكاء الاصطناعي وأعباء عمل التدريب. تعد Karpenter وKEDA من الأدوات القوية مفتوحة المصدر التي تساعد على توسيع نطاق مجموعات EKS وأحمال العمل التي تعمل عليها تلقائيًا. ويساعد ذلك على تحسين تكاليف الحوسبة مع تلبية متطلبات الأداء. يمكنك التحقق من الكود ونشر نفس البنية في بيئتك الخاصة باتباع الإرشادات الكاملة في هذا جيثب ريبو.
حول المؤلف
ماثيو ويلبورن هو مدير التعلم الآلي في Iambic Therapeutics. ويستفيد هو وفريقه من الذكاء الاصطناعي لتسريع تحديد وتطوير علاجات جديدة، وتوفير الأدوية المنقذة للحياة للمرضى بشكل أسرع.
بول ويتيمور هو مهندس رئيسي في Iambic Therapeutics. وهو يدعم تسليم البنية التحتية لمنصة اكتشاف الأدوية المعتمدة على الذكاء الاصطناعي Iambic.
أليكس يانكولسكي هو مهندس الحلول الرئيسي، ML/AI Frameworks، الذي يركز على مساعدة العملاء على تنسيق أعباء عمل الذكاء الاصطناعي الخاصة بهم باستخدام الحاويات والبنية التحتية للحوسبة المتسارعة 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 كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/machine-learning/scale-ai-training-and-inference-for-drug-discovery-through-amazon-eks-and-karpenter/
- :لديها
- :يكون
- :ليس
- ] [ص
- $ UP
- 1
- 10
- 100
- 125
- 16
- 200
- 200m
- 22
- 24
- 26%
- 28
- 30
- 300
- 40
- 600
- 7
- 70
- 8
- 80
- a
- القدرة
- ماهرون
- من نحن
- تسريع
- معجل
- مقبول
- الوصول
- يمكن الوصول
- استيعاب
- في
- اكشن
- تضيف
- اضافه
- إضافي
- العنوان
- يضيف
- متقدم
- التقارب
- بعد
- AI
- نماذج الذكاء الاصطناعى
- تدريب الذكاء الاصطناعى
- الكل
- يسمح
- على طول
- أيضا
- دائما
- أمازون
- Amazon EC2
- أمازون ويب سيرفيسز
- an
- و
- أي وقت
- API
- التطبيق
- يبدو
- ذو صلة
- تطبيق
- تطبيقي
- ينطبق
- نهج
- معماري
- هندسة معمارية
- هي
- المناطق
- مصطنع
- الذكاء الاصطناعي
- الذكاء الاصطناعي (منظمة العفو الدولية)
- AS
- At
- السيارات
- الآلي
- الأتمتة
- تلقائيا
- متاح
- تجنب
- AWS
- على أساس
- الخلط
- BE
- كان
- قبل
- سلوك
- وراء
- أقل من
- أفضل
- أفضل
- Beyond
- علم الاحياء
- حظر
- على حد سواء
- الملابس السفلية
- جلب
- وبذلك
- المتصفح
- نساعدك في بناء
- لكن
- by
- تسمى
- دعوات
- CAN
- السرطان.
- المرشحين
- قدرات
- الطاقة الإنتاجية
- الاستفادة
- الحالات
- الأسباب
- التحقق
- مادة كيميائية
- كيمياء
- اختار
- اختار
- فصول
- سريري
- سحابة
- البنية التحتية السحابية
- كتلة
- الكود
- يجمع
- الجمع بين
- مقارنة
- المنافسين
- إكمال
- الطلب مكتمل
- حساب
- إحصاء
- الكمبيوتر
- الحوسبة
- الاعداد
- تكوين
- تعزيز
- توحيد
- يبني
- وعاء
- حاويات
- يحتوي
- مراقبة
- العكس بالعكس
- تباطوء
- جوهر
- التكلفة
- التكاليف
- استطاع
- خلق
- خلق
- يخلق
- خلق
- سي أيس آئي
- منحنى
- على
- العملاء
- دورة
- لوحة أجهزة القياس
- البيانات
- نقاط البيانات
- معالجة المعلومات
- اتخاذ القرار
- عميق
- التعلم العميق
- الترتيب
- حدد
- يعرف
- التوصيل
- شرح
- نشر
- نشر
- ينشر
- تصميم
- تصميم
- الكشف عن
- التطوير التجاري
- رسم بياني
- مختلف
- متباينة
- التوزيع
- توجه
- مدير المدارس
- اكتشاف
- تشويش
- do
- عامل في حوض السفن
- توثيق
- فعل
- إلى أسفل
- عشرات
- مدفوع
- سائق
- عقار
- اثنان
- حيوي
- كل
- على نحو فعال
- فعال
- هين
- عناصر
- تمكين
- تمكين
- تمكن
- النهائي إلى نهاية
- نقطة النهاية
- مهندس
- ضخم
- كاف
- البيئة
- مسلح
- أنشئ
- الحدث/الفعالية
- كل
- بالضبط
- مثال
- القائمة
- تجربة
- تجريبي
- خبير
- اكتشف
- مكشوف
- تسهيل
- FAST
- أسرع
- قليل
- أقل
- قم بتقديم
- تركز
- ويركز
- اتباع
- متابعيك
- في حالة
- تجزئة
- الإطار
- الأطر
- تردد
- تبدأ من
- بالإضافة إلى
- العلاجات العامة
- ولدت
- يولد
- جيل
- توليدي
- الذكاء الاصطناعي التوليدي
- مولد كهربائي
- دولار فقط واحصل على خصم XNUMX% على جميع
- وحدة معالجة الرسوميات:
- وحدات معالجة الرسومات
- أكبر
- تجمع
- ضيف
- زائر رد
- مقبض
- يملك
- he
- مساعدة
- مساعدة
- يساعد
- هنا
- له
- استضافت
- ساعات العمل
- كيفية
- لكن
- HTTP
- HTTPS
- هوية
- if
- يوضح
- صورة
- صور
- صيغة الامر
- تحسن
- تحسين
- in
- شامل
- القيمة الاسمية
- في ازدياد
- البنية التحتية
- متأصل
- في البداية
- في البداية
- مبتكرة
- تبصر
- تثبيت
- مثل
- بدلًا من ذلك
- تعليمات
- المتكاملة
- التكامل
- رؤيتنا
- فسر
- مسائل
- IT
- تكرير
- JPG
- م
- يحتفظ
- القفل
- نوع
- ملصقات
- نقص
- كبير
- كمون
- إطلاق
- القيادة
- التسريبات
- تعلم
- الأقل
- اليسار
- مستوى
- الرافعة المالية
- أوقات الحياة
- حدود
- تحميل
- محلي
- طويل
- يعد
- أبحث
- منخفض
- آلة
- آلة التعلم
- المحافظة
- جعل
- يصنع
- تمكن
- تعظيم
- أقصى
- مايو..
- قياس
- آليات
- متوسط
- تعرف علي
- الاجتماع
- مكبر الصوت : يدعم، مع دعم ميكروفون مدمج لمنع الضوضاء
- يدمج
- البيانات الوصفية
- معدن
- متري
- المقاييس
- الهجرة
- هجرة
- ملايين
- التقليل
- الرسالة
- ML
- نموذج
- عارضات ازياء
- شاشات
- المقبلة.
- الأكثر من ذلك
- متعدد
- يجب
- الاسم
- عين
- ضروري
- حاجة
- بحاجة
- جديد
- حديثا
- لا
- العقدة
- العقد
- رواية
- عدد
- كثير
- NVIDIA
- رصد
- تم الحصول عليها
- of
- on
- على الطلب
- ONE
- فقط
- جاكيت
- المصدر المفتوح
- عامل
- الفرص
- التحسين
- الأمثل
- الأمثل
- or
- أخرى
- لنا
- خارج
- على مدى
- الخاصة
- المريض
- المرضى
- ريثما
- إلى
- أداء
- ينفذ
- فترة
- المكان
- المنصة
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- نقاط
- سياسات الخصوصية والبيع
- سياسة
- ممكن
- منشور
- مدعوم
- قوي
- السابقة
- تنبأ
- يقدم
- ابتدائي
- رئيسي
- مبادئ
- خاص
- عملية المعالجة
- معالجتها
- معالجة
- إنتاج
- البرنامج
- تنفيذ المشاريع
- HAS
- بروتين
- تزود
- توفير
- الوكيل
- جمهور
- غرض
- سؤال
- بسرعة
- R
- حقيقي
- في الوقت الحقيقي
- الأسباب
- تخفيض
- يقلل
- صقل
- منطقة
- اعتمد
- بقايا
- إزالة
- إزالة
- يزيل
- إزالة
- استبدال
- رد
- طلب
- طلبات
- تطلب
- مطلوب
- المتطلبات الأساسية
- يتطلب
- مورد
- الموارد
- مسؤول
- عكس
- حق
- النوع
- جذر
- يجري
- تشغيل
- نفسه
- تحجيم
- حجم
- مقياس ai
- تحجيمها
- النطاقات
- التحجيم
- سيناريو
- المقرر
- جدولة
- العلماء
- مخطوطات
- بحث
- البحث
- الثاني
- ثواني
- القسم
- أمن
- رأيت
- دلالات
- إرسال
- يرسل
- الخادم
- يخدم
- الخدمة
- خدمات
- خدمة
- طقم
- ضبط
- يستقر
- عرضت
- أظهرت
- يظهر
- بشكل ملحوظ
- مماثل
- تبسيط
- محاكاة
- عزباء
- مقاس
- صغير
- الأصغر
- كمنعم
- So
- تطبيقات الكمبيوتر
- حل
- الحلول
- بعض
- مصدر
- الفضاء
- مواصفات
- محدد
- المواصفات
- سرعة
- بقعة
- معيار
- بداية
- بدء التشغيل
- الولايه او المحافظه
- خطوات
- توقف
- تخزين
- بناء
- الشبكات الفرعية
- تحقيق النجاح
- هذه
- كاف
- أعلى
- تموين
- الدعم
- الدعم
- بالتأكيد
- SVC
- نظام
- جدول
- يأخذ
- استهداف
- الأهداف
- فريق
- التكنولوجيا
- قالب
- عشرات
- Terraform
- من
- أن
- •
- الدولة
- من مشاركة
- منهم
- then
- العلاجات
- هناك.
- وبالتالي
- تشبه
- هم
- الآلاف
- عتبة
- عبر
- الإنتاجية
- الوقت
- مرات
- إلى
- استغرق
- أدوات
- تيشرت
- قادة الإيمان
- صحيح
- اثنان
- نوع
- أنواع
- نموذجي
- فريد من نوعه
- غير مسبوق
- حتى
- الجهوزية
- عاجل
- us
- تستخدم
- مستعمل
- استخدام
- v1
- القيم
- كبير
- متعدد الجوانب
- الإصدار
- بواسطة
- حجم
- مجلدات
- vs
- نقاط الضعف
- تجول
- مطلوب
- وكان
- we
- الويب
- تطبيق ويب
- متصفح الويب
- خدمات ويب
- أسبوع
- حسن
- كان
- ابحث عن
- ما هي تفاصيل
- متى
- التي
- في حين
- من الذى
- سوف
- مع
- في غضون
- للعمل
- عامل
- يامل
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت