شارك في كتابة هذا المنشور Ramdev Wudali و Kiran Mantripragada من Thomson Reuters.
في 1992، طومسون رويترز (TR) أصدرت أول خدمة بحث قانوني لها في مجال الذكاء الاصطناعي ، WIN (Westlaw Is Natural) ، وهو ابتكار في ذلك الوقت ، حيث أن معظم محركات البحث تدعم فقط المصطلحات والموصلات المنطقية. منذ ذلك الحين ، حققت TR العديد من الإنجازات حيث أن منتجاتها وخدماتها للذكاء الاصطناعي تنمو باستمرار من حيث العدد والتنوع ، وتدعم المتخصصين في الشؤون القانونية والضريبية والمحاسبة والامتثال والخدمات الإخبارية في جميع أنحاء العالم ، مع مليارات من رؤى التعلم الآلي (ML) التي يتم إنشاؤها كل عام .
مع هذه الزيادة الهائلة في خدمات الذكاء الاصطناعي ، كان المعلم التالي لـ TR هو تبسيط الابتكار وتسهيل التعاون. توحيد بناء وإعادة استخدام حلول الذكاء الاصطناعي عبر وظائف الأعمال وشخصيات ممارسي الذكاء الاصطناعي ، مع ضمان الالتزام بأفضل ممارسات المؤسسة:
- قم بأتمتة وتوحيد الجهود الهندسية المتكررة غير المتمايزة
- ضمان العزل والرقابة المطلوبين للبيانات الحساسة وفقًا لمعايير الحوكمة المشتركة
- توفير وصول سهل إلى موارد الحوسبة القابلة للتطوير
للوفاء بهذه المتطلبات ، قامت TR ببناء النظام الأساسي للذكاء الاصطناعي للمؤسسات حول الركائز الخمس التالية: خدمة البيانات ، ومساحة عمل التجربة ، وسجل النموذج المركزي ، وخدمة نشر النموذج ، ومراقبة النموذج.
في هذا المنشور ، نناقش كيف تعاونت TR و AWS على تطوير أول منصة ذكاء اصطناعي مؤسسي من TR على الإطلاق ، وهي أداة قائمة على الويب من شأنها أن توفر إمكانيات تتراوح من تجربة التعلم الآلي ، والتدريب ، وسجل النموذج المركزي ، ونشر النموذج ، ومراقبة النموذج. تم تصميم كل هذه القدرات للتعامل مع المعايير الأمنية المتطورة باستمرار في TR وتوفير خدمات بسيطة وآمنة ومتوافقة للمستخدمين النهائيين. نشارك أيضًا كيفية تمكين TR المراقبة والحوكمة لنماذج ML التي تم إنشاؤها عبر وحدات أعمال مختلفة باستخدام جزء واحد من الزجاج.
التحديات
من الناحية التاريخية في TR ، كان ML بمثابة قدرة للفرق مع علماء ومهندسين بيانات متقدمين. تمكنت الفرق ذات الموارد عالية المهارة من تنفيذ عمليات تعلم الآلة المعقدة وفقًا لاحتياجاتها ، ولكنها سرعان ما أصبحت معزولة للغاية. لم توفر المقاربات المعزولة أي رؤية لتوفير الحوكمة في تنبؤات صنع القرار الحاسمة للغاية.
فرق الأعمال TR لديها معرفة واسعة النطاق ؛ ومع ذلك ، فإن المهارات الفنية والجهد الهندسي الثقيل المطلوب في ML يجعل من الصعب استخدام خبراتهم العميقة لحل مشاكل العمل بقوة ML. تريد TR إضفاء الطابع الديمقراطي على المهارات ، مما يجعلها في متناول المزيد من الأشخاص داخل المنظمة.
تتبع الفرق المختلفة في TR ممارساتها ومنهجياتها. تريد TR بناء القدرات التي تمتد عبر دورة حياة ML إلى مستخدميها لتسريع تسليم مشاريع ML من خلال تمكين الفرق من التركيز على أهداف العمل وليس على الجهد الهندسي المتكرر غير المتمايز.
بالإضافة إلى ذلك ، تستمر اللوائح المتعلقة بالبيانات والذكاء الاصطناعي الأخلاقي في التطور ، مما يفرض معايير الحوكمة المشتركة عبر حلول الذكاء الاصطناعي في TR.
حل نظرة عامة
تم تصميم منصة الذكاء الاصطناعي للمؤسسات من TR لتوفير خدمات بسيطة وموحدة لشخصيات مختلفة ، مما يوفر إمكانات لكل مرحلة من مراحل دورة حياة التعلم الآلي. حددت TR خمس فئات رئيسية تعمل على توحيد جميع متطلبات TR:
- خدمة البيانات - لتمكين الوصول السهل والآمن إلى أصول بيانات المؤسسة
- مساحة عمل التجربة - لتوفير القدرات لتجربة وتدريب نماذج ML
- سجل النموذج المركزي - كتالوج المؤسسة للنماذج المبنية عبر وحدات الأعمال المختلفة
- خدمة نشر النموذج - لتوفير العديد من خيارات نشر الاستدلال باتباع ممارسات CI / CD الخاصة بمؤسسة TR
- خدمات مراقبة النموذج - لتوفير قدرات لمراقبة البيانات ونموذج التحيز والانحراف
كما هو موضح في الرسم البياني التالي ، تم إنشاء هذه الخدمات المصغرة مع وضع بعض المبادئ الأساسية في الاعتبار:
- قم بإزالة الجهد الهندسي غير المتمايز من المستخدمين
- قم بتوفير القدرات المطلوبة بنقرة زر واحدة
- تأمين جميع القدرات وإدارتها وفقًا لمعايير مؤسسة TR
- إحضار لوح زجاجي واحد لأنشطة ML
تم تصميم الخدمات المصغرة لمنصة الذكاء الاصطناعي من TR باستخدام الأمازون SageMaker كمحرك أساسي ، ومكونات AWS بدون خادم لتدفقات العمل ، وخدمات AWS DevOps لممارسات CI / CD. استوديو SageMaker يُستخدم للتجريب والتدريب ، ويتم استخدام سجل نموذج SageMaker لتسجيل النماذج. يتكون سجل النموذج المركزي من كل من سجل نموذج SageMaker و الأمازون DynamoDB الجدول. خدمات استضافة SageMaker تستخدم لنشر النماذج ، بينما مراقب نموذج SageMaker و توضيح SageMaker تُستخدم لمراقبة نماذج الانحراف ، والتحيز ، والآلات الحاسبة المترية المخصصة ، وقابلية الشرح.
تصف الأقسام التالية هذه الخدمات بالتفصيل.
خدمة البيانات
تبدأ دورة حياة مشروع ML التقليدي بإيجاد البيانات. بشكل عام ، يقضي علماء البيانات 60٪ أو أكثر من وقتهم للعثور على البيانات الصحيحة عندما يحتاجون إليها. تمامًا مثل كل مؤسسة ، تمتلك TR مخازن بيانات متعددة تعمل كنقطة حقيقة واحدة لنطاقات بيانات مختلفة. حددت TR اثنين من مخازن بيانات المؤسسة الرئيسية التي توفر البيانات لمعظم حالات استخدام ML: مخزن الكائنات ومخزن البيانات العلائقية. قامت TR ببناء خدمة بيانات منصة AI لتوفير الوصول بسلاسة إلى كل من مخازن البيانات من مساحات عمل التجربة للمستخدمين وإزالة العبء عن المستخدمين للتنقل في العمليات المعقدة للحصول على البيانات بأنفسهم. تتبع منصة الذكاء الاصطناعي في TR جميع الامتثال وأفضل الممارسات التي حددها فريق حوكمة البيانات والنموذج. يتضمن ذلك تقييمًا إلزاميًا لتأثير البيانات يساعد ممارسي غسل الأموال على فهم واتباع الاستخدام الأخلاقي والملائم للبيانات ، مع عمليات الموافقة الرسمية لضمان الوصول المناسب إلى البيانات. جوهر هذه الخدمة ، بالإضافة إلى جميع خدمات النظام الأساسي ، هو الأمان والامتثال وفقًا لأفضل الممارسات التي تحددها TR والصناعة.
خدمة تخزين أمازون البسيطة (Amazon S3) تخزين الكائنات بمثابة بحيرة بيانات المحتوى. قامت TR ببناء عمليات للوصول بشكل آمن إلى البيانات من بحيرة بيانات المحتوى إلى مساحات عمل تجارب المستخدمين مع الحفاظ على التفويض والمراجعة المطلوبين. يتم استخدام ندفة الثلج كمخزن بيانات أساسي علاقي للمؤسسة. بناءً على طلب المستخدم وبناءً على موافقة مالك البيانات ، توفر خدمة بيانات النظام الأساسي AI لقطة من البيانات للمستخدم المتاحة بسهولة في مساحة العمل التجريبية الخاصة به.
يعد الوصول إلى البيانات من مصادر مختلفة مشكلة فنية يمكن حلها بسهولة. لكن التعقيد الذي تم حله بواسطة TR هو بناء تدفقات عمل الموافقة التي تعمل على تحديد هوية مالك البيانات تلقائيًا ، وإرسال طلب وصول ، والتأكد من إخطار مالك البيانات بأن لديه طلب وصول معلق ، وبناءً على حالة الموافقة ، اتخذ إجراء لتوفير البيانات إلى الطالب. يتم تتبع جميع الأحداث خلال هذه العملية وتسجيلها من أجل التدقيق والامتثال.
كما هو موضح في الرسم البياني التالي ، تستخدم TR وظائف خطوة AWS لتنظيم سير العمل و AWS لامدا لتشغيل الوظيفة. بوابة أمازون API لفضح الوظائف بنقطة نهاية API ليتم استهلاكها من بوابة الويب الخاصة بهم.
نموذج التجريب والتطوير
القدرة الأساسية لتوحيد دورة حياة ML هي بيئة تسمح لعلماء البيانات بتجربة أطر عمل وأحجام بيانات مختلفة. يؤدي تمكين مثل هذه البيئة الآمنة والمتوافقة في السحابة في غضون دقائق إلى إعفاء علماء البيانات من عبء التعامل مع البنية التحتية السحابية ومتطلبات الشبكات وتدابير معايير الأمان ، للتركيز بدلاً من ذلك على مشكلة علم البيانات.
يبني TR مساحة عمل تجريبية توفر الوصول إلى خدمات مثل غراء AWS, أمازون EMR، و SageMaker Studio لتمكين معالجة البيانات وإمكانيات ML التي تلتزم بمعايير أمان السحابة للمؤسسات وعزل الحساب المطلوب لكل وحدة أعمال. واجهت TR التحديات التالية أثناء تنفيذ الحل:
- لم يكن التنسيق المبكر مؤتمتًا بالكامل وشمل عدة خطوات يدوية. لم يكن تعقب مكان حدوث المشكلات أمرًا سهلاً. تغلبت TR على هذا الخطأ من خلال تنظيم مهام سير العمل باستخدام وظائف الخطوة. مع استخدام وظائف الخطوة ، أصبح بناء مهام سير العمل المعقدة وإدارة الحالات ومعالجة الأخطاء أسهل بكثير.
- لائق إدارة الهوية والوصول AWS كان من الصعب تحديد تعريف دور (IAM) لمساحة عمل التجربة. للامتثال لمعايير الأمن الداخلي لـ TR ونموذج الامتياز الأقل ، في الأصل ، تم تحديد دور مساحة العمل من خلال السياسات المضمنة. نتيجة لذلك ، نمت السياسة المضمنة بمرور الوقت وأصبحت مطولة ، متجاوزة حد حجم السياسة المسموح به لدور IAM. للتخفيف من ذلك ، تحولت TR إلى استخدام المزيد من السياسات التي يديرها العملاء والرجوع إليها في تعريف دور مساحة العمل.
- وصلت TR أحيانًا إلى حدود الموارد الافتراضية المطبقة على مستوى حساب AWS. تسبب هذا في حالات فشل عرضية في بدء تشغيل وظائف SageMaker (على سبيل المثال ، وظائف التدريب) بسبب الوصول إلى حد نوع المورد المطلوب. عملت TR بشكل وثيق مع فريق خدمة SageMaker بشأن هذه المسألة. تم حل هذه المشكلة بعد أن أطلق فريق AWS SageMaker كخدمة مدعومة في حصص الخدمة في حزيران 2022.
اليوم ، يمكن لعلماء البيانات في TR إطلاق مشروع ML من خلال إنشاء مساحة عمل مستقلة وإضافة أعضاء الفريق المطلوبين للتعاون. مقياس غير محدود يقدمه SageMaker في متناول أيديهم من خلال تزويدهم بصور نواة مخصصة بأحجام متنوعة. سرعان ما أصبح برنامج SageMaker Studio مكونًا مهمًا في النظام الأساسي للذكاء الاصطناعي في TR ، وقد غيّر سلوك المستخدم من استخدام تطبيقات سطح المكتب المقيدة إلى محركات مُصممة لغرض محدد وقابلة للتطوير. الرسم البياني التالي يوضح هذه العمارة.
سجل النموذج المركزي
يوفر سجل النموذج مستودعًا مركزيًا لجميع نماذج التعلم الآلي في TR ، ويتيح إدارة المخاطر والصحة لتلك النماذج بطريقة موحدة عبر وظائف العمل ، ويبسط إعادة استخدام النماذج المحتملة. لذلك فإن الخدمة تحتاج إلى القيام بما يلي:
- توفير القدرة على تسجيل كل من النماذج الجديدة والقديمة ، سواء تم تطويرها داخل SageMaker أو خارجها
- تنفيذ تدفقات عمل الحوكمة ، وتمكين علماء البيانات والمطورين وأصحاب المصلحة من عرض دورة حياة النماذج وإدارتها بشكل جماعي
- قم بزيادة الشفافية والتعاون من خلال إنشاء عرض مركزي لجميع النماذج عبر TR جنبًا إلى جنب مع البيانات الوصفية والمقاييس الصحية
بدأت TR التصميم بسجل نموذج SageMaker فقط ، ولكن أحد متطلبات TR الرئيسية هو توفير القدرة على تسجيل النماذج التي تم إنشاؤها خارج SageMaker. قيمت TR قواعد البيانات العلائقية المختلفة ولكن انتهى بها الأمر باختيار DynamoDB لأن مخطط البيانات الوصفية للنماذج القادمة من المصادر القديمة سيكون مختلفًا تمامًا. لم ترغب TR أيضًا في فرض أي عمل إضافي على المستخدمين ، لذلك قاموا بتنفيذ مزامنة تلقائية سلسة بين سجلات SageMaker لمساحة عمل AI Platform إلى سجل SageMaker المركزي باستخدام أمازون إيفينت بريدج القواعد وأدوار IAM المطلوبة. عززت TR السجل المركزي مع DynamoDB لتوسيع القدرات لتسجيل النماذج القديمة التي تم إنشاؤها على أجهزة كمبيوتر سطح المكتب للمستخدمين.
تم دمج سجل النموذج المركزي لمنصة AI لـ TR في بوابة AI Platform ، ويوفر واجهة مرئية للبحث عن النماذج وتحديث البيانات الوصفية للنموذج وفهم مقاييس خط الأساس للنموذج ومقاييس المراقبة الدورية المخصصة. الرسم البياني التالي يوضح هذه العمارة.
نشر النموذج
حددت TR نمطين رئيسيين لأتمتة النشر:
- تم تطوير النماذج باستخدام SageMaker من خلال وظائف تحويل الدُفعات SageMaker للحصول على استنتاجات حول الجدول الزمني المفضل
- تم تطوير النماذج خارج SageMaker على أجهزة سطح المكتب المحلية باستخدام مكتبات مفتوحة المصدر ، من خلال نهج إحضار الحاوية الخاصة بك باستخدام وظائف معالجة SageMaker لتشغيل كود الاستدلال المخصص ، كطريقة فعالة لترحيل تلك النماذج دون إعادة بناء الكود
مع خدمة نشر منصة AI ، يمكن لمستخدمي TR (علماء البيانات ومهندسي ML) تحديد نموذج من الكتالوج ونشر وظيفة الاستدلال في حساب AWS الذي يختارونه من خلال توفير المعلمات المطلوبة من خلال سير عمل يحركه واجهة المستخدم.
أتمت TR هذا النشر تلقائيًا باستخدام خدمات AWS DevOps مثل خط أنابيب AWS و AWS كود البناء. تستخدم TR وظائف الخطوة لتنظيم سير عمل قراءة البيانات ومعالجتها مسبقًا لإنشاء وظائف استدلال من SageMaker. تنشر TR المكونات المطلوبة كرمز باستخدام تكوين سحابة AWS القوالب. الرسم البياني التالي يوضح هذه العمارة.
مراقبة النموذج
لا تكتمل دورة حياة ML بدون القدرة على مراقبة النماذج. كما يفوض فريق حوكمة المؤسسة في TR ويشجع فرق العمل على مراقبة أداء نموذجهم بمرور الوقت لمواجهة أي تحديات تنظيمية. بدأت TR بنماذج المراقبة وبيانات الانجراف. استخدمت TR أداة SageMaker Model Monitor لتوفير أساس البيانات والحقيقة الأساسية للاستدلال من أجل المراقبة الدورية لكيفية انجراف بيانات واستنتاجات TR. إلى جانب مقاييس مراقبة نموذج SageMaker ، عززت TR قدرة المراقبة من خلال تطوير مقاييس مخصصة خاصة بنماذجها. سيساعد هذا علماء بيانات TR على فهم وقت إعادة تدريب نموذجهم.
إلى جانب مراقبة الانجراف ، تريد TR أيضًا فهم التحيز في النماذج. تُستخدم الإمكانات الجاهزة لبرنامج SageMaker Clarify لبناء خدمة التحيز في TR. تراقب TR تحيز البيانات والنموذج وتوفر هذه المقاييس لمستخدميها من خلال بوابة AI Platform.
لمساعدة جميع الفرق على اعتماد معايير المؤسسة هذه ، جعلت TR هذه الخدمات مستقلة ومتاحة بسهولة عبر بوابة AI Platform. يمكن لفرق العمل في TR الدخول إلى البوابة ونشر وظيفة مراقبة نموذجية أو وظيفة مراقبة التحيز من تلقاء نفسها وتشغيلها وفقًا لجدولها الزمني المفضل. يتم إخطارهم بحالة الوظيفة والمقاييس لكل تشغيل.
استخدمت TR خدمات AWS لنشر CI / CD ، وتنسيق سير العمل ، وأطر عمل بدون خادم ، ونقاط نهاية API لبناء خدمات صغيرة يمكن تشغيلها بشكل مستقل ، كما هو موضح في البنية التالية.
النتائج والتحسينات المستقبلية
تم إطلاق منصة TR للذكاء الاصطناعي في الربع الثالث من عام 3 مع جميع المكونات الخمسة الرئيسية: خدمة البيانات ، ومساحة عمل التجربة ، وسجل النموذج المركزي ، ونشر النموذج ، ومراقبة النموذج. أجرت TR جلسات تدريبية داخلية لوحدات أعمالها على متن المنصة وقدمت لهم مقاطع فيديو تدريبية ذاتية التوجيه.
قدمت منصة الذكاء الاصطناعي قدرات لفرق TR لم تكن موجودة من قبل ؛ لقد فتحت مجموعة واسعة من الاحتمالات لفريق إدارة المؤسسة في TR لتعزيز معايير الامتثال وجعل السجل مركزيًا ، مما يوفر جزءًا واحدًا من عرض الزجاج عبر جميع نماذج ML داخل TR.
تقر TR بأنه لا يوجد منتج في أفضل حالاته عند الإصدار الأولي. جميع مكونات TR في مستويات مختلفة من النضج ، وفريق TR Enterprise AI Platform في مرحلة تحسين مستمر لتحسين ميزات المنتج بشكل متكرر. يتضمن خط أنابيب التقدم الحالي لـ TR إضافة خيارات استدلال SageMaker إضافية مثل نقاط النهاية في الوقت الفعلي وغير المتزامن ومتعدد النماذج. تخطط TR أيضًا لإضافة إمكانية شرح النموذج كميزة لخدمة مراقبة النموذج. تخطط TR لاستخدام قدرات الشرح الخاصة بـ SageMaker Clarify لتطوير خدمة التفسير الداخلية الخاصة بها.
وفي الختام
يمكن لـ TR الآن معالجة كميات هائلة من البيانات بأمان واستخدام قدرات AWS المتقدمة لنقل مشروع ML من التفكير إلى الإنتاج في غضون أسابيع ، مقارنة بالأشهر التي استغرقتها من قبل. من خلال الإمكانات الجاهزة لخدمات AWS ، يمكن للفرق داخل TR تسجيل نماذج ML ومراقبتها لأول مرة على الإطلاق ، وتحقيق الامتثال لمعايير حوكمة النموذج المتطورة الخاصة بهم. قامت TR بتمكين علماء البيانات وفرق المنتجات لإطلاق العنان لإبداعهم بشكل فعال لحل المشكلات الأكثر تعقيدًا.
لمعرفة المزيد عن TR's Enterprise AI Platform على AWS ، تحقق من AWS re: Invent 2022 session. إذا كنت ترغب في معرفة كيفية تسريع TR من استخدام التعلم الآلي باستخدام معمل بيانات AWS البرنامج ، راجع دراسة حالة.
حول المؤلف
رامديف ودلي هو مهندس بيانات ، يساعد في تصميم وبناء منصة AI / ML لتمكين علماء البيانات والباحثين من تطوير حلول التعلم الآلي من خلال التركيز على علم البيانات وليس على احتياجات البنية التحتية. في أوقات فراغه ، يحب طي الورق لصنع فسيفساء من الأوريغامي ، ويرتدي قمصانًا غير مبالية.
كيران مانتريبراغادا هو المدير الأول لمنصة الذكاء الاصطناعي في Thomson Reuters. يعد فريق AI Platform مسؤولاً عن تمكين تطبيقات برمجيات الذكاء الاصطناعي على مستوى الإنتاج وتمكين عمل علماء البيانات وباحثي التعلم الآلي. من خلال شغفها بالعلوم والذكاء الاصطناعي والهندسة ، يحب كيران سد الفجوة بين البحث والإنتاج لجلب الابتكار الحقيقي للذكاء الاصطناعي إلى المستهلكين النهائيين.
بهافانا تشيروماميلا هو مهندس معماري مقيم في AWS. إنها شغوفة بالبيانات وعمليات التعلم الآلي ، وتجلب الكثير من الحماس لمساعدة المؤسسات على بناء استراتيجيات البيانات والتعلم الآلي. في أوقات فراغها ، تستمتع بوقتها مع عائلتها في السفر والتنزه والبستنة ومشاهدة الأفلام الوثائقية.
سرينيفاسا شيخ هو مهندس حلول في AWS ومقره بوسطن. إنه يساعد عملاء المؤسسات على تسريع رحلتهم إلى السحابة. إنه شغوف بالحاويات وتقنيات التعلم الآلي. في أوقات فراغه ، يستمتع بقضاء الوقت مع أسرته والطهي والسفر.
تشينغوي لي هو متخصص في التعلم الآلي في Amazon Web Services. حصل على درجة الدكتوراه في بحوث العمليات بعد أن كسر حساب منحة مستشاره البحثي وفشل في تسليم جائزة نوبل التي وعد بها. حاليًا ، يساعد العملاء في الخدمات المالية وصناعة التأمين على بناء حلول التعلم الآلي على AWS. في أوقات فراغه يحب القراءة والتعليم.
- 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/how-thomson-reuters-built-an-ai-platform-using-amazon-sagemaker-to-accelerate-delivery-of-ml-projects/
- 100
- 2022
- 7
- a
- ماهرون
- من نحن
- تسريع
- معجل
- الوصول
- يمكن الوصول
- وفقا
- حسابي
- المحاسبة
- تحقق
- تحقيق
- كسب
- في
- اكشن
- الأفعال
- إضافي
- العنوان
- تبنى
- متقدم
- بعد
- AI
- منصة AI
- خدمات الذكاء الاصطناعي
- AI / ML
- الكل
- يسمح
- جنبا إلى جنب
- أمازون
- الأمازون SageMaker
- أمازون ويب سيرفيسز
- المبالغ
- و
- API
- التطبيقات
- تطبيقي
- نهج
- اقتراب
- موافقة
- هندسة معمارية
- حول
- ترخيص
- أتمتة
- الآلي
- أوتوماتيك
- متاح
- AWS
- على أساس
- خط الأساس
- لان
- قبل
- يجري
- أفضل
- أفضل الممارسات
- ما بين
- انحياز
- المليارات
- بوسطن
- BRIDGE
- جلب
- يجلب
- حطم
- نساعدك في بناء
- ابني
- يبني
- بنيت
- عبء
- الأعمال
- وظائف العمل
- قدرات
- الحالات
- الأقسام
- الفئات
- تسبب
- مركزي
- مركزية
- التحديات
- التحقق
- اختيار
- اختيار
- عن كثب
- سحابة
- البنية التحتية السحابية
- سحابة الأمن
- الكود
- تعاون
- تعاونت
- للاتعاون
- جماعي
- آت
- مشترك
- مقارنة
- إكمال
- مجمع
- تعقيد
- الالتزام
- متوافقة
- عنصر
- مكونات
- تتألف
- الحوسبة
- مستهلك
- المستهلكين
- وعاء
- حاويات
- محتوى
- استمر
- متواصل
- مراقبة
- جوهر
- خلق
- خلق
- خلق
- الإبداع
- حرج
- حاسم
- حالياًّ
- حاليا
- على
- العملاء
- البيانات
- بحيرة البيانات
- معالجة المعلومات
- علم البيانات
- قواعد البيانات
- اتخاذ القرار
- عميق
- خبرة عميقة
- الترتيب
- نقل
- التوصيل
- دمقرطة
- نشر
- نشر
- ينشر
- وصف
- تصميم
- سطح المكتب
- التفاصيل
- مصمم
- تطوير
- المتقدمة
- المطورين
- تطوير
- التطوير التجاري
- مختلف
- صعبة
- مدير المدارس
- بحث
- أفلام وثائقية
- نطاق
- المجالات
- إلى أسفل
- في وقت مبكر
- أسهل
- بسهولة
- على نحو فعال
- فعال
- جهد
- تمكين
- تمكين
- تمكين
- تمكن
- تمكين
- يشجع
- نقطة النهاية
- محرك
- الهندسة
- المهندسين
- محركات
- تعزيز
- ضمان
- ضمان
- مشروع
- الشركات
- حماسة
- البيئة
- خطأ
- أساسي
- أخلاقي
- تقييم
- أحداث
- EVER
- يتطور
- المتطورة
- مثال
- تجربة
- خبرة
- مد
- جدا
- تسهيل
- فشل
- للعائلات
- الميزات
- المميزات
- قليل
- نهائي
- مالي
- الخدمات المالية
- العثور على
- الاسم الأول
- لأول مرة
- تركز
- التركيز
- اتباع
- متابعيك
- متابعات
- رسمي
- الأطر
- تبدأ من
- الوفاء
- تماما
- وظيفة
- وظائف
- مستقبل
- فجوة
- العلاجات العامة
- ولدت
- دولار فقط واحصل على خصم XNUMX% على جميع
- زجاج
- Go
- الأهداف
- الحكم
- منح
- أرض
- متزايد
- معالجة
- الثابت
- صحة الإنسان
- مساعدة
- مساعدة
- يساعد
- جدا
- استضافة
- كيفية
- لكن
- HTML
- HTTPS
- محدد
- تحديد
- تحديد
- هوية
- صور
- التأثير
- تنفيذ
- نفذت
- تحقيق
- مفروض
- تحسن
- in
- يشمل
- القيمة الاسمية
- مستقل
- بشكل مستقل
- العالمية
- البنية التحتية
- في البداية
- الابتكار
- رؤى
- بدلًا من ذلك
- التأمين
- المتكاملة
- السطح البيني
- داخلي
- المشاركة
- عزل
- قضية
- IT
- وظيفة
- المشــاريــع
- رحلة
- القفل
- علم
- المعرفة
- بحيرة
- إطلاق
- أطلقت
- إطلاق
- تعلم
- تعلم
- إرث
- شروط وأحكام
- مستوى
- ومستوياتها
- المكتبات
- مما سيحدث
- حدود
- حي
- محلي
- آلة
- آلة التعلم
- صنع
- رائد
- يصنع
- القيام ب
- إدارة
- إدارة
- إدارة
- ولايات
- أسلوب
- كتيب
- كثير
- نضج
- الإجراءات
- الأعضاء
- البيانات الوصفية
- المنهجيات
- متري
- المقاييس
- microservices
- الهجرة
- معلم
- المدفوعات المجزئة
- مانع
- دقيقة
- تخفيف
- ML
- نموذج
- عارضات ازياء
- مراقبة
- مراقبة
- شاشات
- المقبلة.
- الأكثر من ذلك
- أكثر
- متعدد
- طبيعي
- التنقل
- حاجة
- إحتياجات
- الشبكات
- جديد
- أخبار
- التالي
- جائزة نوبل
- عدد
- موضوع
- عرضي
- عرضت
- الوهب
- عروض
- على متن
- ONE
- المصدر المفتوح
- افتتح
- عمليات
- مزيد من الخيارات
- تزامن
- منظمة
- في الأصل
- في الخارج
- الخاصة
- كاتوا ديلز
- خبز
- ورق
- المعلمات
- شغف
- عاطفي
- أنماط
- مجتمع
- أداء
- دوري
- مرحلة جديدة
- خط أنابيب
- تخطيط
- خطط
- المنصة
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- البوينت
- سياسات الخصوصية والبيع
- سياسة
- بوابة
- إمكانيات
- منشور
- محتمل
- قوة
- الممارسات
- تنبؤات
- المفضل
- ابتدائي
- مبادئ
- جائزة
- المشكلة
- مشاكل
- عملية المعالجة
- العمليات
- معالجة
- المنتج
- الإنتــاج
- المنتجات
- المهنيين
- البرنامج
- تنفيذ المشاريع
- مشروع ناجح
- وعد
- تزود
- المقدمة
- ويوفر
- توفير
- Q3
- q3 2022
- بسرعة
- نطاق
- تتراوح
- RE
- التي تم الوصول إليها
- نادي القراءة
- حقيقي
- في الوقت الحقيقي
- تلقى
- تسجيل جديد
- سجل
- قوانين
- المنظمين
- الافراج عن
- صدر
- إزالة
- مستودع
- طلب
- مطلوب
- المتطلبات الأساسية
- بحث
- الباحثين
- مورد
- الموارد
- مسؤول
- رويترز
- المخاطرة
- النوع
- الأدوار
- القواعد
- يجري
- sagemaker
- الاستدلال SageMaker
- تحجيم
- حجم
- جدول
- علوم
- العلماء
- سلس
- بسلاسة
- بحث
- محركات البحث
- أقسام
- تأمين
- مضمون
- آمن
- أمن
- إرسال
- كبير
- حساس
- خدمة
- Serverless
- الخدمة
- خدماتنا
- دورات
- عدة
- مشاركة
- أظهرت
- الاشارات
- منذ
- عزباء
- المقاس
- الأحجام
- ماهر
- مهارات
- لقطة
- So
- تطبيقات الكمبيوتر
- حل
- الحلول
- حل
- مصادر
- متخصص
- محدد
- أنفق
- الإنفاق
- المسرح
- أصحاب المصلحة
- التوحيد القياسي
- المعايير
- بدأت
- يبدأ
- المحافظة
- الحالة
- خطوة
- خطوات
- تخزين
- متجر
- فروعنا
- استراتيجيات
- تبسيط
- ستوديو
- هذه
- مدعومة
- دعم
- تحول
- تزامن
- جدول
- أخذ
- ضريبة
- التدريس
- فريق
- فريق
- تقني
- مهارات تقنية
- التكنولوجيا
- النماذج
- سياسة الحجب وتقييد الوصول
- •
- من مشاركة
- وبالتالي
- طومسون رويترز
- عبر
- طوال
- الوقت
- إلى
- أداة
- تتبع الشحنة
- تقليدي
- قطار
- قادة الإيمان
- تحول
- الشفافية
- السفر
- هائل
- أثار
- فهم
- وحدة
- الوحدات
- إطلاق العنان
- غير محدود
- تحديث
- تستخدم
- مستخدم
- المستخدمين
- تشكيلة
- مختلف
- كبير
- بواسطة
- مقاطع فيديو
- المزيد
- رؤية
- مراقبة
- الويب
- خدمات ويب
- على شبكة الإنترنت
- أسابيع
- سواء
- في حين
- واسع
- مدى واسع
- سوف
- كسب
- في غضون
- بدون
- للعمل
- عمل
- سير العمل
- في جميع أنحاء العالم
- سوف
- عام
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت