تمت كتابة هذا المنشور بالاشتراك مع ديف جويل ، الرئيس التنفيذي لشركة RallyPoint. في كلماته، "رالي بوينت عبارة عن شبكة اجتماعية ومهنية عبر الإنترنت للمحاربين القدامى وأفراد الخدمة وأفراد الأسرة ومقدمي الرعاية وغيرهم من المؤيدين المدنيين للقوات المسلحة الأمريكية. مع وجود مليوني عضو على المنصة ، توفر الشركة مكانًا مريحًا لهذا السكان المستحقين للتواصل مع بعضهم البعض والبرامج المصممة لدعمهم".
غالبًا ما يواجه جميع الذين يخدمون - ومن يدعمهم - مجموعة متنوعة من تحديات التوظيف عندما ينتقل أحد أفراد الخدمة إلى الحياة المدنية. حددت رالي بوينت الفترة الانتقالية إلى مهنة مدنية كفرصة كبيرة لتحسين نوعية الحياة لهذه الفئة من السكان من خلال إنشاء توصيات وظيفية مؤتمتة ومقنعة. ومع ذلك ، استخدم الفريق تاريخيًا طريقة تنظيم قائمة على القواعد للتوصية بالوظائف طوال تجربة المستخدم الخاصة به ، والتي لا تسمح للأعضاء بالحصول على توصيات وظيفية مخصصة لتجاربهم الفردية وخبراتهم واهتماماتهم.
"لتحسين هذه التجربة لأعضائها ، أردنا في RallyPoint استكشاف كيف يمكن أن يساعد التعلم الآلي (ML). لا نريد أن يضيع جنودنا والمحاربون القدامى وأحبائهم الوقت في البحث عن مسار وظيفي مدني مُرضٍ عندما يقررون ترك الجيش. يجب أن تكون عملية سهلة. نريد أن يخبرنا أعضاؤنا عن تجاربهم العسكرية ، وأي مدارس التحقوا بها ، وتفضيلاتهم الشخصية. ثم من خلال الاستفادة مما نعرفه من ملايين الأعضاء العسكريين والمحاربين لدينا ، يجب أن تظهر الوظائف المفتوحة ذات الصلة بسهولة بدلاً من البحث عنها بشق الأنفس. من المتوقع أيضًا أن تؤدي هذه الخدمة المجانية لأعضائنا إلى زيادة الإيرادات من خلال سبعة أرقام على الأقل من أصحاب العمل الذين يسعون إلى الموهبة العسكرية والمهنية المناسبة ، مما يسمح لنا ببناء المزيد من القدرات المجانية لأعضائنا ".
يلخص منشور المدونة هذا كيف أن ملف مختبر حلول التعلم الآلي في أمازون (MLSL) دخلت في شراكة مع RallyPoint لتحقيق تحسن بنسبة 35٪ في التوصيات المهنية الشخصية وزيادة التغطية بمعدل 66 ضعفًا ، من بين التحسينات الأخرى لأعضاء RallyPoint من التنفيذ الحالي القائم على القواعد.
ساعد MLSL RallyPoint في إنقاذ حياة المجتمع العسكري الأمريكي وتحسينها. من حسن حظها العمل على العديد من المشاريع المعقدة والمؤثرة مع MLSL لدعم أكثر السكان استحقاقًا ، فقد سرعت RallyPoint النمو في العديد من المقاييس التنظيمية الأساسية في هذه العملية. مكنتنا موهبة MLSL وثقافتها وتركيزها على المساعدة في تحقيق نتائج قابلة للقياس ومقنعة من استثمارات التعلم الآلي من تقليل مخاطر الانتحار وتحسين الانتقال الوظيفي وتسريع الاتصالات المهمة لأعضاء الخدمة والمحاربين القدامى وعائلاتهم. "
تغطي الأقسام التالية التحديات التجارية والتقنية ، والنهج الذي اتبعته فرق AWS و RallyPoint ، وأداء الحل المنفذ الذي يعزز تخصيص أمازون.
تسهل Amazon Personalize على المطورين إنشاء تطبيقات قادرة على تقديم مجموعة واسعة من تجارب التخصيص ، بما في ذلك توصيات المنتجات المحددة ، وإعادة ترتيب المنتجات المخصصة ، والتسويق المباشر المخصص. Amazon Personalize هي خدمة تعلّم آلي مُدارة بالكامل تتجاوز أنظمة التوصية الجامدة المستندة إلى القواعد من خلال التدريب والضبط ونشر نماذج ML المخصصة لتقديم توصيات مخصصة للغاية للعملاء عبر الصناعات مثل البيع بالتجزئة والوسائط والترفيه.
التحديات التجارية والتقنية
ألهمت تحديات الأعمال المتعددة هذه الشراكة. كان الأكثر صلة هو نسبة النقر إلى الظهور على أفضل 10 وظائف موصى بها على موقع RallyPoint. حلل RallyPoint تفاعل المستخدمين داخل نظامهم الأساسي واكتشف أنهم بحاجة إلى زيادة عدد الوظائف ذات الصلة التي ينقر عليها المستخدمون. الفكرة هي أنه كلما كانت الوظيفة الموصى بها أكثر ملاءمة ، زادت احتمالية تقدم الأعضاء لهذه الوظائف ، مما يؤدي إلى تحسين نتائج التوظيف.
كان التحدي التالي هو زيادة مشاركة الأعضاء في خدمات الوظائف المعروضة على الموقع. يوفر RallyPoint الفرصة للأشخاص "لبناء علامتك التجارية وإشراك المجتمع العسكري ، والإعلان عن منتجاتك وخدماتك ، وتشغيل حملات تسويق التوظيف ، ونشر الوظائف ، والبحث عن المواهب المخضرمة". لقد حددوا مرة أخرى فرصة لتطبيق AWS Personalize لمساعدة المزيد من الأشخاص على الانتقال إلى الحياة المدنية ، وسعوا إلى تحسين أرقام تحويل النقر إلى العميل ، مما يؤدي إلى نتائج أفضل لعملاء RallyPoint المباشرين.
من منظور تقني ، مثل العديد من مشاكل نظام التوصية التقليدية ، كان تباين البيانات والذيل الطويل تحديًا يجب التغلب عليه. تضمنت مجموعة العينات من البيانات غير المحددة التي تمت مشاركتها علنًا بالفعل الآلاف من ملفات تعريف المستخدمين المجهولة الهوية ، مع أكثر من خمسين نقطة بيانات وصفية للمستخدم ، ولكن العديد منها يحتوي على بيانات وصفية / معلومات ملف تعريف غير متسقة أو مفقودة. لمعالجة هذا الأمر ، استفاد الفريق من وظيفة توصية البدء البارد لتخصيص Amazon Personalize للمستخدمين المعنيين.
حل نظرة عامة
لحل المشكلة ، تعاونت MLSL مع RallyPoint لإنشاء خط أنابيب مخصص من Amazon Personalize لـ RallyPoint. بعض الخدمات المستخدمة تشمل خدمة تخزين أمازون البسيطة (Amazon S3) ، مثيلات Amazon SageMaker Notebook، وإضفاء الطابع الشخصي على أمازون. يوضح الرسم البياني التالي بنية الحل.
تتألف البيانات الأولية المجهولة المصدر المستخدمة في الحل من سجل التفاعلات مع إعلانات الوظائف إلى جانب البيانات الوصفية الخاصة بملفات تعريف المستخدمين ومواقع الوظائف. تم تخزين هذا في S3. استخدم فريق MLSL مثيلات Amazon SageMaker Notebook لإعداد البيانات كمدخلات إلى Amazon Personalize. تضمنت هذه الخطوة المعالجة المسبقة للبيانات وهندسة الميزات وإنشاء مجموعات مجموعات البيانات والمخططات المطلوبة لتخصيص Amazon. لمزيد من المعلومات الرجوع إلى إنشاء مجموعة بيانات مخصصة.
كانت الخطوة التالية هي إنشاء حل في Amazon Personalize. يشير الحل إلى مزيج من وصفة Amazon Personalize والمعلمات المخصصة وإصدار واحد أو أكثر من الحلول. لمزيد من المعلومات الرجوع إلى إيجاد حل. استخدم الفريق ملف وصفة إضفاء الطابع الشخصي على المستخدم لإنشاء توصيات وظيفية خاصة بالمستخدم للمستخدمين في مجموعة التحقق من الصحة. يتم تخزين مخرجات Amazon Personalize ، بما في ذلك توصيات الوظائف ومقاييس الأداء ، في حاوية Amazon S3 لمزيد من التحليل.
في الخطوة الأخيرة ، استخدم الفريق مثيل دفتر ملاحظات لإعداد توصيات المخرجات للتقييم الخارجي بواسطة المعلقين البشريين ، كما هو موضح في باستخدام خبراء المجال والقسم الخاص به.
تقييم نتائج Amazon Personalize
يمكن تقييم أداء إصدار حل Amazon Personalize باستخدام المقاييس في وضع عدم الاتصال, المقاييس عبر الإنترنتو إختبار أ / ب. تتيح لك المقاييس في وضع عدم الاتصال عرض تأثيرات تعديل المعلمات الفائقة والخوارزميات المستخدمة لتدريب نماذجك ، محسوبة على أساس البيانات التاريخية. المقاييس عبر الإنترنت هي النتائج التجريبية التي تمت ملاحظتها في تفاعلات المستخدم مع التوصيات في الوقت الفعلي المقدمة في بيئة حية (مثل نسبة النقر إلى الظهور). اختبار A / B هو طريقة عبر الإنترنت لمقارنة أداء إصدارات حلول متعددة بالحل الافتراضي. يتم تعيين المستخدمين بشكل عشوائي إلى مجموعة التحكم (الافتراضية) أو إحدى مجموعات العلاج (الاختبار). يتلقى مستخدمو مجموعة التحكم توصيات من الحل الافتراضي (خط الأساس) ، بينما تتفاعل كل مجموعة من مجموعات العلاج مع إصدار حل مختلف. تُستخدم اختبارات الأهمية الإحصائية لمقارنة مقاييس الأداء (مثل نسبة النقر إلى الظهور أو زمن الوصول) ومقاييس الأعمال (مثل الإيرادات) بمقاييس الحل الافتراضي.
يقيس Amazon Personalize المقاييس في وضع عدم الاتصال أثناء التدريب على إصدار الحل. استخدم الفريق مقاييس غير متصلة بالإنترنت مثل متوسط الترتيب المتبادل (MRR) ، والمكاسب التراكمية المخصومة الطبيعية (NCDG @ k) ، و Precision @ k ، و Coverage. للحصول على تعريفات لجميع المقاييس المتاحة في وضع عدم الاتصال ، يرجى الرجوع إلى تعريفات المترية.
على الرغم من أن Amazon Personalize توفر قائمة شاملة من المقاييس التي تتم دون اتصال بالإنترنت والتي يمكن للفريق استخدامها لقياس أداء الحلول بشكل موضوعي أثناء التدريب ، يوصى باستخدام المقاييس عبر الإنترنت واختبار A / B لتتبع أداء النموذج والتحقق من صحته. أحد التحذيرات لهذه الاختبارات هو أنها تطلب من المستخدمين التفاعل مع توصيات Amazon Personalize في الوقت الفعلي. نظرًا لعدم نشر نموذج RallyPoint Amazon Personalize قبل هذا المنشور ، لم يكن لدى الفريق نتائج للإبلاغ عن هذه الاختبارات.
باستخدام خبراء المجال
يعد اختبار A / B الطريقة المفضلة لتحليل جودة نظام التوصية ، ومع ذلك ، فإن استخدام خبراء المجال لتعليق التوصيات هو مقدمة قابلة للتطبيق. نظرًا لأن الاختبار عبر الإنترنت لم يكن خيارًا ، لاختبار قوة التوصيات ، طلب الفريق من خبراء المجال في RallyPoint وضع تعليقات توضيحية على التوصيات الناتجة عن النماذج وإحصاء عدد المناصب الوظيفية التي وافق الخبراء على التوصية بها (بالنظر إلى معلومات المستخدم و المشار إليها) مثل عدد التوصيات "الصحيحة". تم استخدام هذا المقياس لمقارنة إصدارات الحل. أ حل شعبي تم استخدام (المعايير الحالية المستندة إلى القواعد) كخط أساس يتألف من التوصية بأفضل خمس وظائف وظيفية شائعة لكل مستخدم. علاوة على ذلك ، تم استخدام حل بالإعدادات الافتراضية كنموذج أساسي آخر يسمى أمازون إضفاء الطابع الشخصي على الحل الأساسي.
النتائج
أدى استخدام النموذج الأفضل أداءً إلى تحسن بنسبة 35٪ في عدد التوصيات "الصحيحة" على حل Amazon Personalize الأساسي وتحسين 54٪ عن حل الشعبية. يمكن للفريق أيضًا تحقيق تحسين 66x في التغطية ، وتحسين 30x في MRR ، وتحسين 2x في الدقة @ 10 بالمقارنة مع حل الشعبية. بالإضافة إلى حل الشهرة ، لاحظ الفريق زيادة تصل إلى 2x في MRR والدقة @ 10 مقارنةً بحل Amazon Personalize الأساسي.
نبذة عامة
اعترفت RallyPoint بفرصة تقديم خدمة أفضل لعملائها من خلال توصيات مهنية أكثر تخصيصًا. لقد بدأوا رحلة إضفاء الطابع الشخصي على المستخدم مع وضع هوس العملاء في الاعتبار ، وذلك بالشراكة مع مختبر حلول التعلم الآلي. لدى RallyPoint الآن الفرصة لتقديم توصيات مهنية أكثر قيمة لمستخدميها ، من خلال هذا الحل. سيؤدي دمج نظام التوصية المحسّن هذا في موقع الويب الخاص بهم إلى رؤية مستخدمي RallyPoint المزيد من الوظائف ذات الصلة في موجز حياتهم المهنية ، مما يسهل الطريق إلى وظائف أكثر إرضاءً وتحسين نوعية الحياة لأعضائهم.
استعمل تخصيص أمازون لتوفير تجربة فردية للمستخدمين اليوم! إذا كنت ترغب في التعاون مع الخبراء لتقديم حلول ML إلى مؤسستك ، فاتصل بـ مختبر أمازون ML Solutions.
موارد إضافية
لمزيد من المعلومات حول تخصيص Amazon ، راجع ما يلي:
حول المؤلف
ديف جويل هو أحد قدامى المحاربين في الجيش والرئيس التنفيذي لشركة RallyPoint. ديف خريج مدرسة ويست بوينت ومدرسة رينجر بالجيش الأمريكي ، وخدم في العراق كقائد فصيلة دبابات ، ودرّس كأستاذ مساعد في برنامج تدريب ضباط الاحتياط التابع لمعهد ماساتشوستس للتكنولوجيا. رالي بوينت هي شركة التكنولوجيا الثالثة التي شغل ديف منصب الرئيس التنفيذي لها.
ماثيو رودس هو عالم بيانات يعمل في مختبر حلول Amazon ML. وهو متخصص في بناء خطوط أنابيب للتعلم الآلي تتضمن مفاهيم مثل معالجة اللغة الطبيعية ورؤية الكمبيوتر.
أمين تجردون هو عالم تطبيقي في مختبر حلول Amazon ML. لديه خلفية واسعة في علوم الكمبيوتر والتعلم الآلي. على وجه الخصوص ، كان تركيز أمين على التعلم العميق والتنبؤ ، وطرق تفسير التنبؤ ، واكتشاف الانجراف النموذجي ، والنماذج التوليدية الاحتمالية ، وتطبيقات الذكاء الاصطناعي في مجال الرعاية الصحية.
ياش شاه هو مدير العلوم في مختبر حلول Amazon ML. يعمل هو وفريقه من العلماء التطبيقيين ومهندسي التعلم الآلي على مجموعة من حالات استخدام التعلم الآلي من الرعاية الصحية والرياضة والسيارات والتصنيع.
فامشي كريشنا إينابوثالا مهندس معماري متخصص في الذكاء الاصطناعي في AWS. يعمل مع عملاء من قطاعات مختلفة لتسريع مبادرات البيانات والتحليلات والتعلم الآلي عالية التأثير. إنه متحمس لأنظمة التوصية ، ومعالجة اللغات الطبيعية ، ومجالات رؤية الكمبيوتر في الذكاء الاصطناعي والتعلم الآلي. خارج العمل ، Vamshi هو متحمس RC ، يبني معدات RC (طائرات ، سيارات ، وطائرات بدون طيار) ، كما أنه يستمتع بالبستنة.
جريج تولمي مدير حسابات في فريق شركاء برنامج ISV للقطاع العام في AWS. يدعم Greg مجموعة من شركاء ISV في القطاع العام في AWS لمساعدتهم على تنمية وتطوير تبنيهم لخدمات AWS مع تعظيم فوائد شبكة شركاء AWS.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. الوصول هنا.
- سك المستقبل مع أدرين أشلي. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/machine-learning/how-rallypoint-and-aws-are-personalizing-job-recommendations-to-help-military-veterans-and-service-providers-transition-back-into-civilian-life-using-amazon-personalize/
- :لديها
- :يكون
- :ليس
- $ UP
- 10
- 100
- 35%
- 7
- a
- من نحن
- تسريع
- معجل
- حسابي
- التأهيل
- في
- إضافة
- تبني
- أعلن هنا
- ضد
- AI
- خوارزميات
- الكل
- السماح
- على طول
- سابقا
- أيضا
- أمازون
- تخصيص أمازون
- الأمازون SageMaker
- وسط
- an
- تحليل
- تحليلات
- تحليل
- و
- آخر
- أي وقت
- التطبيقات
- تطبيقي
- تطبيق AI
- التقديم
- تطبيق
- نهج
- هندسة معمارية
- هي
- المناطق
- مسلح
- جيش
- مجموعة
- AS
- تعيين
- المساعد
- At
- الآلي
- السيارات
- متاح
- AWS
- الى الخلف
- خلفية
- خط الأساس
- BE
- لان
- كان
- بدأ
- الفوائد
- أفضل
- أفضل
- Beyond
- المدونة
- العلامة تجارية
- جلب
- نساعدك في بناء
- ابني
- الأعمال
- لكن
- by
- محسوب
- تسمى
- الحملات
- CAN
- قدرات
- قادر على
- التوظيف
- وظائف
- cars
- الحالات
- الرئيس التنفيذي
- تحدى
- التحديات
- تعاون
- تعاونت
- مجموعة
- مريح
- مجتمع
- حول الشركة
- قارن
- مقارنة
- مقارنة
- قهري
- مجمع
- الكمبيوتر
- علوم الكمبيوتر
- رؤية الكمبيوتر
- المفاهيم
- التواصل
- التواصل
- بناء
- التواصل
- مراقبة
- تحويل
- جوهر
- استطاع
- بهيكل
- تغطية
- خلق
- خلق
- المعايير
- ثقافة
- كرأيشن
- حالياًّ
- على
- زبون
- العملاء
- حسب الطلب
- البيانات
- عالم البيانات
- ديف
- تقرر
- عميق
- التعلم العميق
- الترتيب
- نقل
- تقديم
- نشر
- نشر
- وصف
- تصميم
- كشف
- المطورين
- مختلف
- مباشرة
- مخفضة
- اكتشف
- لا
- نطاق
- لا
- قيادة
- طائرات بدون طيار
- أثناء
- كل
- بسهولة
- تخفيف
- الآثار
- إما
- أرباب العمل
- توظيف
- تمكين
- جذب
- اشتباك
- الهندسة
- المهندسين
- ترفيه
- متحمس
- البيئة
- معدات
- تقييم
- تقييم
- كل
- متوقع
- الخبره في مجال الغطس
- خبرة
- خبرة
- خبرائنا
- تفسير
- اكتشف
- واسع
- خارجي
- الوجه
- الأسر
- للعائلات
- أفراد العائلة
- الميزات
- الأرقام
- نهائي
- تركز
- متابعيك
- في حالة
- القوات
- محظوظ
- مجانًا
- تبدأ من
- تماما
- وظيفة
- إضافي
- ربح
- توليد
- ولدت
- توليدي
- دولار فقط واحصل على خصم XNUMX% على جميع
- منح
- معطى
- يذهب
- خريج
- تجمع
- مجموعات
- النمو
- التسويق
- يملك
- he
- الرعاية الصحية
- مساعدة
- ساعد
- مرتفع
- أعلى
- جدا
- تاريخي
- تاريخيا
- تاريخ
- كيفية
- لكن
- HTML
- HTTP
- HTTPS
- الانسان
- فكرة
- محدد
- تأثيرا
- التنفيذ
- نفذت
- أهمية
- تحسن
- تحسن
- تحسين
- تحسينات
- in
- تتضمن
- شامل
- بما فيه
- دمج
- القيمة الاسمية
- وأشار
- فرد
- الصناعات
- معلومات
- المبادرات
- إدخال
- موحى
- مثل
- بدلًا من ذلك
- معهد
- تفاعل
- التفاعلات
- السريرية
- إلى
- الاستثمارات
- تنطوي
- العراق
- IT
- انها
- وظيفة
- المشــاريــع
- رحلة
- JPG
- علم
- مختبر
- لغة
- كمون
- زعيم
- قيادة
- تعلم
- يترك
- روافع
- الاستفادة من
- الحياة
- مثل
- قائمة
- حي
- حياة
- طويل
- أحب
- آلة
- آلة التعلم
- رائد
- يصنع
- تمكن
- مدير
- تصنيع
- كثير
- التسويق
- ماساتشوستس
- معهد ماساتشوستس للتكنولوجيا
- ناضج
- قياس
- الإجراءات
- الوسائط
- الأعضاء
- البيانات الوصفية
- طريقة
- طرق
- متري
- المقاييس
- عسكر
- مليون
- ملايين
- مانع
- مفقود
- ML
- نموذج
- عارضات ازياء
- الأكثر من ذلك
- علاوة على ذلك
- أكثر
- الاكثر شهره
- متعدد
- طبيعي
- معالجة اللغات الطبيعية
- بحاجة
- شبكة
- التالي
- البرمجة اللغوية العصبية
- مفكرة
- الآن
- عدد
- أرقام
- of
- عرضت
- عروض
- حاليا
- on
- ONE
- online
- جاكيت
- الفرصة
- خيار
- or
- منظمة
- التنظيمية
- أخرى
- لنا
- الناتج
- في الخارج
- على مدى
- تغلب
- الخاصة
- المعلمات
- خاص
- الشريكة
- شبكة شريك
- شراكة
- الشراكة
- شركاء
- الشراكة
- عاطفي
- مسار
- مجتمع
- أداء
- أداء
- فترة
- الشخصية
- التخصيص
- إضفاء الطابع الشخصي
- مخصصه
- منظور
- خط أنابيب
- المكان
- المنصة
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- البوينت
- نقاط
- الرائج
- شعبية
- سكان
- السكان
- محفظة
- مواقف
- منشور
- نذير
- تنبؤ
- التفضيلات
- المفضل
- إعداد
- قبل
- المشكلة
- مشاكل
- عملية المعالجة
- معالجة
- المنتج
- المنتجات
- محترف
- البروفيسور
- ملامح
- البرنامج
- البرامج
- مشروع ناجح
- تزود
- المقدمة
- مقدمي
- ويوفر
- جمهور
- منشور
- علانية
- جودة
- نطاق
- معدل
- الخام
- حقيقي
- في الوقت الحقيقي
- تحقيق
- تسلم
- وصفة
- المعترف بها
- نوصي
- توصية مجاناً
- ساندي خ. ميليك
- موصى به
- التوصية
- تجنيد
- تخفيض
- يشير
- ذات الصلة
- تقرير
- تطلب
- مطلوب
- نتيجة
- النتائج
- بيع بالتجزئة
- إيرادات
- جامد
- المخاطرة
- متانة
- يجري
- sagemaker
- حفظ
- المدرسة
- المدارس
- علوم
- عالم
- العلماء
- بحث
- البحث
- القسم
- أقسام
- القطاع
- قطاعات
- رؤية
- تسعى
- خدمة
- الخدمة
- مقدمي الخدمة
- خدماتنا
- طقم
- إعدادات
- سبعة
- شاركت
- ينبغي
- أهمية
- الاشارات
- منذ
- الموقع
- العدالة
- حل
- الحلول
- حل
- بعض
- متخصص
- تتخصص
- محدد
- سرعة
- رياضة
- بداية
- إحصائي
- خطوة
- تخزين
- تخزين
- هذه
- الدعم
- أنصار
- الدعم
- نظام
- أنظمة
- الموهوبين
- دبابة
- فريق
- فريق
- تقني
- تكنولوجيا
- اقول
- تجربه بالعربي
- الاختبار
- اختبارات
- من
- أن
- •
- من مشاركة
- منهم
- تشبه
- هم
- الثالث
- هؤلاء
- الآلاف
- عبر
- طوال
- الوقت
- إلى
- تيشرت
- أعلى 10
- مسار
- تقليدي
- قطار
- قادة الإيمان
- انتقال
- الانتقالات
- علاج
- us
- لنا جيش
- جيش الولايات المتحدة
- تستخدم
- مستعمل
- مستخدم
- تجربة المستخدم
- المستخدمين
- استخدام
- التحقق من صحة
- التحقق من صحة
- القيمة
- تشكيلة
- الإصدار
- محارب قديم
- قدامى المحاربين
- قابل للحياة
- المزيد
- رؤيتنا
- مطلوب
- وكان
- نفاية
- we
- الموقع الإلكتروني
- West Side
- ابحث عن
- التي
- في حين
- من الذى
- واسع
- سوف
- مع
- في غضون
- كلمات
- للعمل
- عامل
- أعمال
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت