هذه مدونة ضيف تمت كتابتها بالاشتراك مع فيك بانت وكايل باسيت من برايس ووترهاوس كوبرز.
مع تزايد استثمار المنظمات في التعلم الآلي (ML) ، أصبح اعتماد ML جزءًا لا يتجزأ من استراتيجيات تحويل الأعمال. رئيس تنفيذي حديث لشركة برايس ووترهاوس كوبرز مسح كشف النقاب عن أن 84٪ من الرؤساء التنفيذيين الكنديين يوافقون على أن الذكاء الاصطناعي (AI) سيغير أعمالهم بشكل كبير في غضون السنوات الخمس المقبلة ، مما يجعل هذه التكنولوجيا أكثر أهمية من أي وقت مضى. ومع ذلك ، فإن تطبيق ML في الإنتاج يأتي مع اعتبارات مختلفة ، لا سيما القدرة على التنقل في عالم الذكاء الاصطناعي بأمان واستراتيجية ومسؤولية. تتمثل إحدى الخطوات الأولى ولا سيما التحدي الكبير في أن تصبح مدعومًا بالذكاء الاصطناعي في تطوير خطوط ML بشكل فعال والتي يمكن توسيع نطاقها بشكل مستدام في السحابة. يساعد التفكير في ML من حيث خطوط الأنابيب التي تنشئ وتحافظ على النماذج بدلاً من النماذج من تلقاء نفسها في بناء أنظمة تنبؤ مرنة ومرنة قادرة بشكل أفضل على تحمل التغييرات ذات المغزى في البيانات ذات الصلة بمرور الوقت.
تبدأ العديد من المنظمات رحلتها إلى عالم ML من وجهة نظر تتمحور حول النموذج. في المراحل المبكرة من بناء ممارسة تعلم الآلة ، ينصب التركيز على تدريب نماذج تعلم الآلة تحت الإشراف ، وهي تمثيلات رياضية للعلاقات بين المدخلات (المتغيرات المستقلة) والمخرجات (المتغيرات التابعة) التي يتم تعلمها من البيانات (عادة ما تكون تاريخية). النماذج عبارة عن مصنوعات رياضية تأخذ بيانات الإدخال وتجري العمليات الحسابية والحسابات عليها وتولد تنبؤات أو استنتاجات.
على الرغم من أن هذا النهج هو نقطة انطلاق معقولة وبسيطة نسبيًا ، إلا أنه ليس قابلاً للتطوير بطبيعته أو مستدام جوهريًا بسبب الطبيعة اليدوية والمخصصة لتدريب النموذج والضبط والاختبار وأنشطة التجربة. تتبنى المنظمات ذات النضج الأكبر في مجال ML نموذج عمليات ML (MLOps) الذي يتضمن التكامل المستمر والتسليم المستمر والنشر المستمر والتدريب المستمر. محور هذا النموذج هو وجهة نظر تتمحور حول خط الأنابيب لتطوير أنظمة ML ذات القوة الصناعية وتشغيلها.
في هذا المنشور ، نبدأ بنظرة عامة على MLOps وفوائدها ، ووصف حلاً لتبسيط عمليات تنفيذه ، وتقديم تفاصيل عن البنية. ننتهي بدراسة حالة تسلط الضوء على الفوائد التي حققها عميل كبير في AWS و PwC قام بتنفيذ هذا الحل.
خلفيّة
خط أنابيب MLOps عبارة عن مجموعة من التسلسلات المترابطة من الخطوات التي يتم استخدامها لبناء ونشر وتشغيل وإدارة واحد أو أكثر من نماذج ML في الإنتاج. يشمل خط الأنابيب هذا المراحل التي ينطوي عليها بناء واختبار وضبط ونشر نماذج ML ، بما في ذلك على سبيل المثال لا الحصر إعداد البيانات وهندسة الميزات وتدريب النموذج والتقييم والنشر والمراقبة. على هذا النحو ، فإن نموذج ML هو نتاج خط أنابيب MLOps ، وخط الأنابيب هو سير عمل لإنشاء واحد أو أكثر من نماذج ML. تدعم خطوط الأنابيب هذه العمليات المنظمة والمنهجية لبناء نماذج ML ومعايرتها وتقييمها وتنفيذها ، وتولد النماذج نفسها تنبؤات واستنتاجات. من خلال أتمتة تطوير وتشغيل مراحل خطوط الأنابيب ، يمكن للمؤسسات تقليل الوقت اللازم لتسليم النماذج وزيادة استقرار النماذج في الإنتاج وتحسين التعاون بين فرق علماء البيانات ومهندسي البرمجيات ومسؤولي تكنولوجيا المعلومات.
حل نظرة عامة
تقدم AWS مجموعة شاملة من الخدمات السحابية الأصلية لتطوير خطوط أنابيب MLOps وتشغيلها بطريقة قابلة للتطوير ومستدامة. الأمازون SageMaker يتضمن مجموعة شاملة من القدرات كخدمة MLOps مُدارة بالكامل لتمكين المطورين من إنشاء نماذج ML وتدريبها ونشرها وتشغيلها وإدارتها في السحابة. يغطي SageMaker سير عمل MLOps بأكمله ، من جمع البيانات إلى إعدادها وتدريبها باستخدام خوارزميات مدمجة عالية الأداء وتجارب ML (AutoML) مؤتمتة متطورة بحيث يمكن للشركات اختيار نماذج محددة تناسب أولويات أعمالها وتفضيلاتها. يمكّن SageMaker المؤسسات من أتمتة غالبية دورة حياة MLOps بشكل تعاوني حتى يتمكنوا من التركيز على نتائج الأعمال دون المخاطرة بتأخير المشروع أو تصعيد التكاليف. بهذه الطريقة ، يسمح SageMaker للشركات بالتركيز على النتائج دون القلق بشأن البنية التحتية والتطوير والصيانة المرتبطة بدعم خدمات التنبؤ بالقوة الصناعية.
يتضمن SageMaker أمازون سيج ميكر جومب ستارت، والتي تقدم أنماط حلول جاهزة للمؤسسات التي تسعى إلى تسريع رحلة MLOps الخاصة بها. يمكن للمؤسسات أن تبدأ بنماذج مفتوحة المصدر ومدربة مسبقًا يمكن ضبطها لتلبية احتياجاتها الخاصة من خلال إعادة التدريب ونقل التعلم. بالإضافة إلى ذلك ، يوفر JumpStart قوالب حلول مصممة للتعامل مع حالات الاستخدام الشائعة ، بالإضافة إلى أمثلة على دفاتر Jupyter المزودة برمز بداية مكتوب مسبقًا. يمكن الوصول إلى هذه الموارد عن طريق زيارة صفحة JumpStart المقصودة بداخلها أمازون ساجميكر ستوديو.
قامت برايس ووترهاوس كوبرز ببناء مسرع MLOps المعبأ مسبقًا والذي يعمل على تسريع وقت القيمة وزيادة عائد الاستثمار للمؤسسات التي تستخدم SageMaker. يعزز مسرع MLOps القدرات الأصلية لـ JumpStart من خلال دمج خدمات AWS التكميلية. من خلال مجموعة شاملة من الأدوات الفنية ، بما في ذلك البنية التحتية كنصوص برمجية (IaC) ، وسير عمل معالجة البيانات ، ورمز تكامل الخدمة ، وقوالب تكوين خطوط الأنابيب ، يبسط مسرع MLOps من PwC عملية تطوير وتشغيل أنظمة التنبؤ من فئة الإنتاج.
نظرة عامة على العمارة
يتم إعطاء الأولوية لتضمين الخدمات السحابية الأصلية بدون خادم من AWS في بنية مسرع PwC MLOps. نقطة الدخول إلى هذا المسرع هي أي أداة تعاون ، مثل Slack ، يمكن لعالم البيانات أو مهندس البيانات استخدامها لطلب بيئة AWS لـ MLOps. يتم تحليل هذا الطلب ثم الموافقة عليه بشكل كامل أو شبه تلقائي باستخدام ميزات سير العمل في أداة التعاون هذه. بعد الموافقة على الطلب ، تُستخدم تفاصيله لوضع معلمات في قوالب IaC. تتم إدارة الكود المصدري لقوالب IaC هذه بتنسيق كود AWS. يتم تقديم قوالب IaC ذات المعلمات إلى تكوين سحابة AWS لنمذجة وتزويد وإدارة حزم AWS وموارد الجهات الخارجية.
يوضح الرسم التخطيطي التالي سير العمل.
بعد أن توفر AWS CloudFormation بيئة لـ MLOps على AWS ، أصبحت البيئة جاهزة للاستخدام من قبل علماء البيانات ومهندسي البيانات والمتعاونين معهم. يتضمن مسرع PWC أدوارًا محددة مسبقًا في إدارة الهوية والوصول AWS (IAM) المتعلقة بأنشطة ومهام MLOps. تحدد هذه الأدوار الخدمات والموارد في بيئة MLOps التي يمكن الوصول إليها من قبل العديد من المستخدمين بناءً على ملفات تعريف الوظائف الخاصة بهم. بعد الوصول إلى بيئة MLOps ، يمكن للمستخدمين الوصول إلى أي من الأساليب على SageMaker لأداء واجباتهم. وتشمل هذه مثيلات دفتر SageMaker ، Amazon SageMaker الطيار الآلي التجارب والاستوديو. يمكنك الاستفادة من جميع ميزات ووظائف SageMaker ، بما في ذلك تدريب النموذج والضبط والتقييم والنشر والمراقبة.
يتضمن المسرع أيضًا اتصالات مع أمازون داتازون لمشاركة البيانات والبحث عنها واكتشافها على نطاق واسع عبر الحدود التنظيمية لإنشاء النماذج وإثرائها. وبالمثل ، يمكن لبيانات التدريب والاختبار والتحقق من صحة واكتشاف انحراف النموذج أن تشكل مصدرًا لمجموعة متنوعة من الخدمات ، بما في ذلك الأمازون الأحمر, خدمة قاعدة بيانات الأمازون (Amazon RDS) ، نظام ملفات أمازون المرن (Amazon EFS) و خدمة تخزين أمازون البسيطة (أمازون S3). يمكن نشر أنظمة التنبؤ بعدة طرق ، بما في ذلك نقاط نهاية SageMaker مباشرة ، ونقاط نهاية SageMaker الملتفة في AWS لامدا وظائف ونقاط نهاية SageMaker التي يتم استدعاؤها من خلال التعليمات البرمجية المخصصة في خدمة أمازون مطاطا Kubernetes (Amazon EKS) أو الأمازون الحوسبة المرنة السحابية (أمازون EC2). الأمازون CloudWatch تُستخدم لمراقبة بيئة MLOps على AWS بطريقة شاملة لمراقبة الإنذارات والسجلات وبيانات الأحداث عبر المجموعة الكاملة (التطبيقات والبنية التحتية والشبكة والخدمات).
يوضح الرسم البياني التالي هذه العمارة.
دراسة حالة
في هذا القسم ، نشارك دراسة حالة توضيحية من شركة تأمين كبيرة في كندا. إنه يركز على التأثير التحويلي لتنفيذ مسرع MLOps وقوالب JumpStart من PwC Canada.
دخل هذا العميل في شراكة مع PwC Canada و AWS لمواجهة التحديات مع تطوير نموذج غير فعال وعمليات نشر غير فعالة ، ونقص الاتساق والتعاون ، وصعوبة توسيع نماذج ML. حقق تنفيذ مسرع MLOps هذا بالتنسيق مع قوالب JumpStart ما يلي:
- أتمتة شاملة - خفضت الأتمتة إلى النصف تقريبًا مقدار الوقت اللازم للمعالجة المسبقة للبيانات ، وتدريب النموذج ، وضبط المعلمة الفائقة ، ونشر النموذج ومراقبته
- التعاون والتوحيد - الأدوات والأطر الموحدة لتعزيز الاتساق عبر المنظمة ضاعفت تقريبًا معدل ابتكار النموذج
- نموذج الحوكمة والامتثال - قاموا بتطبيق إطار حوكمة نموذجي لضمان أن جميع نماذج غسل الأموال تفي بالمتطلبات التنظيمية وتلتزم بالإرشادات الأخلاقية للشركة ، مما يقلل من تكاليف إدارة المخاطر بنسبة 40٪
- البنية التحتية السحابية القابلة للتطوير - استثمروا في بنية تحتية قابلة للتطوير لإدارة أحجام البيانات الضخمة بفعالية ونشر نماذج ML متعددة في وقت واحد ، مما يقلل من تكاليف البنية التحتية والمنصة بنسبة 50٪
- الانتشار السريع - قلل المحلول المعبأ من وقت الإنتاج بنسبة 70٪
من خلال تقديم أفضل ممارسات MLOps من خلال حزم النشر السريع ، كان عميلنا قادرًا على التخلص من مخاطر تنفيذ MLOps وإطلاق العنان للإمكانات الكاملة لـ ML لمجموعة من وظائف الأعمال ، مثل التنبؤ بالمخاطر وتسعير الأصول. بشكل عام ، مكّن التآزر بين مسرع PwC MLOps و JumpStart عميلنا من تبسيط أنشطة علوم البيانات وهندسة البيانات وتوسيع نطاقها وتأمينها والحفاظ عليها.
تجدر الإشارة إلى أن حل PwC و AWS ليس خاصًا بالصناعة وله صلة عبر الصناعات والقطاعات.
وفي الختام
تسمح SageMaker ومسرعاتها للمؤسسات بتعزيز إنتاجية برنامج ML الخاص بهم. هناك العديد من الفوائد منها على سبيل المثال لا الحصر ما يلي:
- يمكنك إنشاء حالات استخدام IaC و MLOps و AutoML بشكل تعاوني لتحقيق فوائد الأعمال من التوحيد القياسي
- تمكين النماذج التجريبية الفعالة ، مع أو بدون رمز ، لشحن الذكاء الاصطناعي من التطوير إلى النشر باستخدام IaC و MLOps و AutoML
- أتمتة المهام الشاقة التي تستغرق وقتًا طويلاً مثل هندسة الميزات وضبط المعلمة الفائقة باستخدام AutoML
- استخدم نموذج مراقبة نموذج مستمر لمواءمة مخاطر استخدام نموذج ML مع الرغبة في المخاطرة في المؤسسة
يرجى الاتصال بمؤلفي هذا المنشور ، AWS الاستشارية في كنداالطرق أو برايس ووترهاوس كوبرز كندا لمعرفة المزيد حول Jumpstart ومسرع MLOps الخاص بـ PwC.
حول المؤلف
فيك شريك في ممارسة السحابة والبيانات في PwC Canada. حصل على درجة الدكتوراه في علوم المعلومات من جامعة تورنتو. إنه مقتنع بوجود اتصال توارد خواطر بين شبكته العصبية البيولوجية والشبكات العصبية الاصطناعية التي يدربها على SageMaker. تواصل معه على لينكدين:.
كايل شريك في ممارسة السحابة والبيانات في PwC Canada ، جنبًا إلى جنب مع فريق الكراك من الكيميائيين التقنيين ، قاموا بنسج حلول MLOPs الساحرة التي تبهر العملاء بقيمة أعمال متسارعة. مسلحًا بقوة الذكاء الاصطناعي ورشّة من السحر ، يحول كايل التحديات المعقدة إلى حكايات رقمية ، مما يجعل المستحيل ممكنًا. تواصل معه على لينكدين:.
فرانسوا هو مستشار استشاري رئيسي مع AWS Professional Services Canada والممارسة الكندية الرائدة في استشارات البيانات والابتكار. يوجه العملاء لإنشاء وتنفيذ رحلة السحابة الشاملة وبرامج البيانات الخاصة بهم ، مع التركيز على الرؤية والاستراتيجية ومحركات الأعمال والحوكمة ونماذج التشغيل المستهدفة وخرائط الطريق. تواصل معه على لينكدين:.
- 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/accelerate-machine-learning-time-to-value-with-amazon-sagemaker-jumpstart-and-pwcs-mlops-accelerator/
- :لديها
- :يكون
- :ليس
- $ UP
- 100
- 7
- a
- ماهرون
- من نحن
- تسريع
- معجل
- مسرع
- المعجلات
- الوصول
- الوصول
- الوصول
- تحقق
- في
- أنشطة
- Ad
- وبالإضافة إلى ذلك
- العنوان
- الإداريين
- تبنى
- تبني
- استشاري
- بعد
- AI
- خوارزميات
- محاذاة
- الكل
- السماح
- يسمح
- على طول
- أيضا
- أمازون
- Amazon EC2
- أمازون RDS
- الأمازون SageMaker
- أمازون سيج ميكر جومب ستارت
- أمازون ويب سيرفيسز
- كمية
- an
- و
- أي وقت
- التطبيقات
- نهج
- من وزارة الصحة
- هندسة معمارية
- هي
- مسلح
- مصطنع
- الذكاء الاصطناعي
- الذكاء الاصطناعي (منظمة العفو الدولية)
- AS
- تقييم
- الأصول
- أسوشيتد
- At
- الكتاب
- أتمتة
- الآلي
- أتمتة
- أتمتة
- AutoML
- AWS
- تكوين سحابة AWS
- الخدمات المهنية AWS
- على أساس
- BE
- أصبح
- أن تصبح
- يجري
- تستفيد
- الفوائد
- أفضل
- أفضل الممارسات
- أفضل
- ما بين
- المدونة
- الحدود
- نساعدك في بناء
- ابني
- بنيت
- مدمج
- الأعمال
- وظائف العمل
- تحول الأعمال
- الأعمال
- لكن
- by
- الحسابات
- CAN
- كندا
- الكندية
- قدرات
- حقيبة
- دراسة حالة
- الحالات
- مركزي
- الرئيس التنفيذي
- كبار المديرين التنفيذيين
- تحدى
- التحديات
- تغيير
- التغييرات
- اختار
- زبون
- عميل
- سحابة
- البنية التحتية السحابية
- الكود
- للاتعاون
- جمع
- COM
- يأتي
- مشترك
- الشركات
- حول الشركة
- الشركة
- مكمل
- إكمال
- مجمع
- شامل
- يتألف
- الحسابات
- إحصاء
- حفلة موسيقية
- الاعداد
- التواصل
- صلة
- التواصل
- الاعتبارات
- consultants
- التواصل
- متواصل
- التكاليف
- يغطي
- صدع
- خلق
- خلق
- حرج
- على
- زبون
- العملاء
- البيانات
- تحضير البيانات
- معالجة المعلومات
- علم البيانات
- عالم البيانات
- قاعدة البيانات
- التأخير
- تقديم
- التوصيل
- تابع
- نشر
- نشر
- نشر
- نشر
- وصف
- تصميم
- تفاصيل
- المطورين
- تطوير
- التطوير التجاري
- صعوبة
- رقمي
- مباشرة
- اكتشاف
- نطاق
- مضاعف
- السائقين
- اثنان
- في وقت مبكر
- حصل
- على نحو فعال
- فعال
- تمكين
- تمكين
- تمكن
- يشمل
- مهندس
- الهندسة
- المهندسين
- تعزيز
- يعزز
- إثراء
- ضمان
- مشروع
- كامل
- دخول
- البيئة
- إنشاء
- أخلاقي
- تقييم
- أحداث
- EVER
- مثال
- تجارب
- الميزات
- المميزات
- قم بتقديم
- نهاية
- الاسم الأول
- الخطوات الأولى
- تناسب
- تركز
- ويركز
- التركيز
- متابعيك
- في حالة
- الإطار
- الأطر
- تبدأ من
- بالإضافة إلى
- تماما
- وظائف
- إضافي
- توليد
- الحكم
- عظيم
- أكبر
- ضيف
- المبادئ التوجيهية
- دليل
- النصف
- he
- يساعد
- أداء عالي
- تسليط الضوء
- وسلم
- له
- تاريخي
- لكن
- HTML
- HTTP
- HTTPS
- ضبط Hyperparameter
- هوية
- يوضح
- التأثير
- تنفيذ
- التنفيذ
- نفذت
- تحقيق
- مستحيل
- تحسن
- in
- تتضمن
- يشمل
- بما فيه
- إدراجه
- القيمة الاسمية
- الزيادات
- على نحو متزايد
- مستقل
- الصناعات
- العالمية
- غير فعال
- info
- معلومات
- البنية التحتية
- الابتكار
- إدخال
- المدخلات
- التأمين
- متكامل
- دمج
- التكامل
- رؤيتنا
- إلى
- في جوهرها
- استثمرت
- الاستثمار
- استثمار
- التذرع
- المشاركة
- IT
- انها
- وظيفة
- رحلة
- JPG
- نقص
- هبوط
- كبير
- قيادة
- تعلم
- تعلم
- تعلم
- دورة حياة
- محدود
- لينكدين:
- آلة
- آلة التعلم
- المحافظة
- صيانة
- أغلبية
- القيام ب
- إدارة
- تمكن
- إدارة
- إدارة
- أسلوب
- كتيب
- كثير
- هائل
- رياضي
- نضج
- ذات مغزى
- تعرف علي
- ML
- MLOps
- نموذج
- عارضات ازياء
- مراقبة
- مراقبة
- الأكثر من ذلك
- متعدد
- محلي
- الطبيعة
- التنقل
- تقريبا
- إحتياجات
- شبكة
- الشبكات
- الشبكة العصبية
- الشبكات العصبية
- التالي
- لا سيما
- مفكرة
- وأشار
- رصد
- of
- عروض
- on
- ONE
- المصدر المفتوح
- طريقة التوسع
- تعمل
- عمليات
- or
- منظمة
- التنظيمية
- المنظمات
- لنا
- على مدى
- الكلي
- نظرة عامة
- حزم
- صفحة
- نموذج
- جزء
- الشريكة
- شراكة
- أنماط
- نفذ
- خط أنابيب
- المنصة
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- البوينت
- محفظة
- ممكن
- منشور
- محتمل
- قوة
- مدعوم
- توفير الطاقة
- ممارسة
- الممارسات
- تنبؤ
- تنبؤات
- التفضيلات
- إعداد
- التسعير
- رئيسي
- الأولوية
- عملية المعالجة
- العمليات
- معالجة
- المنتج
- الإنتــاج
- إنتاجية
- محترف
- ملامح
- البرنامج
- البرامج
- تنفيذ المشاريع
- تعزيز
- النماذج
- تزود
- ويوفر
- PWC
- نطاق
- سريع
- معدل
- بدلا
- استعداد
- أدرك
- معقول
- الأخيرة
- تخفيض
- عقار مخفض
- تقليص
- المنظمين
- ذات صلة
- العلاقات
- نسبيا
- ذات الصلة
- طلب
- المتطلبات الأساسية
- مرن
- الموارد
- النتائج
- عائد أعلى
- المخاطرة
- نماذج إدارة المخاطر
- المخاطرة
- خرائط الطريق
- الأدوار
- تشغيل
- بسلام
- sagemaker
- تحجيم
- حجم
- التحجيم
- علوم
- عالم
- العلماء
- مخطوطات
- البحث
- القسم
- قطاعات
- تأمين
- تسعى
- Serverless
- الخدمة
- خدماتنا
- طقم
- مشاركة
- مشاركة
- ينبغي
- بشكل ملحوظ
- وبالمثل
- الاشارات
- تبسيط
- ببساطة
- معا
- تثاقل
- So
- تطبيقات الكمبيوتر
- حل
- الحلول
- متطور
- مصدر
- شفرة المصدر
- محدد
- بسرعة
- استقرار
- كومة
- كومات
- مراحل
- بداية
- ابتداء
- خطوات
- تخزين
- إستراتيجيا
- استراتيجيات
- الإستراتيجيات
- تبسيط
- منظم
- ستوديو
- دراسة
- المقدمة
- هذه
- جناح
- الدعم
- استدامة
- التآزر
- أنظمة
- معالجة
- أخذ
- الهدف
- المهام
- فريق
- فريق
- التكنولوجيا
- تقني
- تكنولوجيا
- النماذج
- سياسة الحجب وتقييد الوصول
- الاختبار
- من
- أن
- •
- المصدر
- العالم
- من مشاركة
- منهم
- أنفسهم
- then
- هناك.
- تشبه
- هم
- تفكير
- طرف ثالث
- عبر
- الوقت
- استهلاك الوقت
- إلى
- أداة
- أدوات
- تورونتو
- قطار
- قادة الإيمان
- القطارات
- تحويل
- تحول
- التحويلية
- يتحول
- عادة
- جامعة
- فتح
- كشف النقاب
- الأستعمال
- تستخدم
- مستعمل
- المستخدمين
- استخدام
- قيمنا
- تشكيلة
- مختلف
- متعدد الجوانب
- رؤيتنا
- مجلدات
- وكان
- طريق..
- طرق
- we
- نسج
- الويب
- خدمات ويب
- حسن
- التي
- من الذى
- سوف
- مع
- في غضون
- بدون
- سير العمل
- العالم
- مغلف
- سنوات
- أنت
- زفيرنت