يتغير العالم الذي نعيش فيه بسرعة ، وكذلك البيانات والميزات التي تستخدمها الشركات والعملاء لتدريب نماذجهم. تعد إعادة تدريب النماذج لإبقائها متزامنة مع هذه التغييرات أمرًا بالغ الأهمية للحفاظ على الدقة. لذلك ، فأنت بحاجة إلى نهج رشيق وديناميكي لتحديث النماذج وتكييفها مع المدخلات الجديدة. هذا المزيج من النماذج الرائعة والتكيف المستمر هو ما سيؤدي إلى استراتيجية التعلم الآلي الناجحة (ML).
اليوم ، يسعدنا الإعلان عن إطلاق Amazon Comprehend flywheel - وهي ميزة شاملة لعمليات التعلم الآلي (MLOps) فهم الأمازون نموذج. في هذا المنشور ، نوضح كيف يمكنك إنشاء سير عمل شامل باستخدام دولاب الموازنة Amazon Comprehend.
حل نظرة عامة
Amazon Comprehend هي خدمة مُدارة بالكامل تستخدم معالجة اللغة الطبيعية (NLP) لاستخراج رؤى حول محتوى المستندات. يساعدك على استخراج المعلومات من خلال التعرف على المشاعر والعبارات الرئيسية والكيانات وغير ذلك الكثير ، مما يسمح لك بالاستفادة من أحدث النماذج وتكييفها مع حالة الاستخدام الخاصة بك.
MLOps يركز على تقاطع علوم البيانات وهندسة البيانات جنبًا إلى جنب مع ممارسات DevOps الحالية لتبسيط تسليم النموذج عبر دورة حياة تطوير ML. MLOps هو نظام دمج أعباء عمل ML في إدارة الإصدار ، CI / CD ، والعمليات. يتطلب MLOps تكامل تطوير البرامج والعمليات وهندسة البيانات وعلوم البيانات.
هذا هو السبب في أن Amazon Comprehend تقدم دولاب الموازنة. تهدف دولاب الموازنة إلى أن تكون محطتك الوحيدة لأداء MLOPs لنماذج Amazon Comprehend. ستتيح لك هذه الميزة الجديدة تحديث النماذج الخاصة بك ، وتحسين النماذج الخاصة بك ، ونشر أفضل إصدار بشكل أسرع.
يمثل الرسم التخطيطي التالي دورة حياة النموذج داخل دولاب الموازنة Amazon Comprehend.
تتكون العملية الحالية لإنشاء نموذج جديد من سلسلة من الخطوات. أولاً ، تقوم بجمع البيانات وإعداد مجموعة البيانات. بعد ذلك ، تقوم بتدريب النموذج باستخدام مجموعة البيانات هذه. بعد تدريب النموذج ، يتم تقييمه من حيث الدقة والأداء. أخيرًا ، تقوم بنشر النموذج إلى نقطة نهاية لإجراء الاستدلال. عند إنشاء نماذج جديدة ، يجب تكرار هذه الخطوات ، كما يجب تحديث نقطة النهاية يدويًا.
تعمل دولاب الموازنة Amazon Comprehend على أتمتة عملية ML هذه ، بدءًا من استيعاب البيانات وحتى نشر النموذج في الإنتاج. باستخدام هذه الميزة الجديدة ، يمكنك إدارة التدريب والاختبار للنماذج التي تم إنشاؤها داخل Amazon Comprehend. تتيح لك هذه الميزة أيضًا أتمتة إعادة تدريب النموذج بعد استيعاب مجموعات البيانات الجديدة وإتاحتها في بحيرة بيانات دولاب الموازنة.
توفر دولاب الموازنة التكامل مع التصنيف المخصص وواجهات برمجة التطبيقات للتعرف على الكيانات المخصصة ، ويمكن أن تساعد الأدوار المختلفة مثل مهندسي البيانات والمطورين في أتمتة وإدارة سير عمل البرمجة اللغوية العصبية مع خدمات بدون كود.
أولاً ، دعنا نقدم بعض المفاهيم:
- دولاب الموازنة - الحدافة هي أحد موارد AWS التي تنظم التدريب المستمر لنموذج للتصنيف المخصص أو التعرف على الكيان المخصص.
- بيانات - مجموعة البيانات هي مجموعة من بيانات التدريب أو الاختبار التي تُستخدم في دولاب الموازنة الفردي. يستخدم Flywheel مجموعات بيانات التدريب لتدريب إصدارات النماذج الجديدة وتقييم أدائها على مجموعات بيانات الاختبار.
- بحيرة البيانات - بحيرة بيانات دولاب الموازنة هي موقع في ملف خدمة تخزين أمازون البسيطة (Amazon S3) دلو يخزن جميع مجموعات البيانات والتحف النموذجية. كل حذافة لها بحيرة بيانات مخصصة لها.
- تكرار دولاب الموازنة - تكرار الحدافة هو تشغيل دولاب الموازنة عند تشغيله بواسطة المستخدم. اعتمادًا على توفر مجموعة بيانات جديدة أو مجموعة بيانات اختبار ، ستقوم دولاب الموازنة بتدريب إصدار نموذج جديد أو تقييم أداء النموذج النشط على بيانات اختبار جديدة.
- النموذج النشط - النموذج النشط هو الإصدار المحدد من النموذج بواسطة المستخدم للتنبؤات. نظرًا لتحسين أداء النموذج باستخدام التكرارات الجديدة للحدافة ، يمكنك تغيير الإصدار النشط إلى الإصدار الذي يتمتع بأفضل أداء.
يوضح الرسم التخطيطي التالي سير عمل دولاب الموازنة.
هذه الخطوات مفصلة على النحو التالي:
- قم بإنشاء دولاب الموازنة - تعمل دولاب الموازنة على أتمتة تدريب إصدارات النموذج لمصنف مخصص أو أداة التعرف على الكيانات المخصصة. يمكنك إما تحديد نموذج Amazon Comprehend الحالي كنقطة بداية للعجلة الموازنة أو يمكنك البدء من نقطة الصفر بدون نماذج. في كلتا الحالتين ، يجب تحديد موقع بحيرة بيانات دولاب الموازنة للحدافة.
- استيعاب البيانات - يمكنك إنشاء مجموعات بيانات جديدة للتدريب أو الاختبار في دولاب الموازنة. تتم إدارة جميع بيانات التدريب والاختبار لجميع إصدارات النموذج وتخزينها في بحيرة بيانات دولاب الموازنة التي تم إنشاؤها في حاوية S3 الخاصة بك. تنسيقات الملفات المدعومة هي CSV والبيان المعزز من موقع S3. يمكنك العثور على مزيد من المعلومات حول إعداد مجموعة البيانات الخاصة بـ تصنيف مخصص و التعرف على الكيانات المخصصة.
- تدريب وتقييم النموذج - عندما لا تشير إلى نموذج ARN (Amazon Resource Name) المراد استخدامه ، فهذا يعني أنه سيتم إنشاء نموذج جديد من البداية. لذلك ، سيؤدي التكرار الأول للحدافة إلى إنشاء النموذج بناءً على مجموعة بيانات القطار التي تم تحميلها. للتكرارات المتتالية ، هذه هي الحالات المحتملة:
- إذا لم يتم تحميل قطار أو مجموعات بيانات اختبار جديدة منذ التكرار الأخير ، فسينتهي تكرار دولاب الموازنة دون أي تغيير.
- إذا كانت هناك مجموعات بيانات اختبار جديدة فقط منذ التكرار الأخير ، فإن تكرار دولاب الموازنة سيبلغ عن أداء النموذج النشط الحالي بناءً على مجموعات بيانات الاختبار الجديدة.
- إذا كانت هناك مجموعات بيانات قطار جديدة فقط ، فسيؤدي تكرار الحدافة إلى تدريب نموذج جديد.
- إذا كانت هناك مجموعات بيانات جديدة للقطار والاختبار ، فسيقوم تكرار الحدافة بتدريب نموذج جديد والإبلاغ عن أداء النموذج النشط الحالي.
- الترويج لنسخة نموذجية نشطة جديدة - بناءً على أداء تكرارات دولاب الموازنة المختلفة ، يمكنك تحديث إصدار النموذج النشط إلى الأفضل.
- انشر نقطة نهاية - بعد تشغيل تكرار دولاب الموازنة وتحديث إصدار النموذج النشط ، يمكنك تشغيل استنتاج (متزامن) في الوقت الفعلي على نموذجك. يمكنك إنشاء نقطة نهاية باستخدام دولاب الموازنة ARN ، والتي ستستخدم افتراضيًا إصدار النموذج النشط حاليًا. عندما يتغير النموذج النشط للحدافة ، تبدأ نقطة النهاية تلقائيًا في استخدام النموذج النشط الجديد دون أي تدخل من العميل. تتضمن نقطة النهاية جميع الموارد المُدارة التي تجعل نموذجك المخصص متاحًا للاستدلال في الوقت الفعلي.
في الأقسام التالية ، نوضح الطرق المختلفة لإنشاء دولاب موازنة جديد من Amazon Comprehend.
المتطلبات الأساسية المسبقة
أنت بحاجة إلى ما يلي:
- حساب AWS نشط
- دلو S3 لموقع بياناتك
- An إدارة الهوية والوصول AWS (IAM) مع أذونات لإنشاء دولاب الموازنة من Amazon Comprehend وأذونات للقراءة والكتابة إلى موقع البيانات الخاص بك S3 bucket
قم بإنشاء دولاب الموازنة باستخدام AWS CloudFormation
لبدء استخدام دولاب الموازنة Amazon Comprehend مع تكوين سحابة AWS، فأنت بحاجة إلى المعلومات التالية حول AWS::Comprehend::Flywheel
مورد:
- DataAccessRoleArn - ARN لدور IAM الذي يمنح Amazon Comprehend إذنًا للوصول إلى بيانات دولاب الموازنة
- DataLakeS3Uri - عنوان Amazon S3 URI لموقع بحيرة بيانات دولاب الموازنة
- الاسم - اسم دولاب الموازنة
لمزيد من المعلومات ، راجع وثائق AWS CloudFormation.
قم بإنشاء دولاب الموازنة على وحدة التحكم Amazon Comprehend
في هذا المثال ، نوضح كيفية إنشاء دولاب الموازنة لنموذج مصنف مخصص على وحدة تحكم Amazon Comprehend التي تحدد موضوع الخبر.
أنشئ مجموعة بيانات
أولاً ، تحتاج إلى إنشاء مجموعة البيانات. في هذا المنشور ، نستخدم ملف مجموعة بيانات تصنيف أخبار AG. في مجموعة البيانات هذه ، يتم تصنيف البيانات في أربع فئات إخبارية: WORLD
, SPORTS
, BUSINESS
و SCI_TEC
.
تشغيل مفكرة باتباع خطوات المعالجة المسبقة للبيانات في ملف معمل يوم الغمر الشامل 2 لمجموعة بيانات التدريب والاختبار وحفظ البيانات في Amazon S3.
قم بإنشاء دولاب الموازنة
الآن يمكننا إنشاء دولاب الموازنة الخاص بنا. أكمل الخطوات التالية:
- في وحدة تحكم Amazon Comprehend ، اختر الحذافات في جزء التنقل.
- اختار إنشاء حذافة جديدة.
يمكنك إنشاء دولاب موازنة جديد من نموذج موجود أو إنشاء نموذج جديد. في هذه الحالة ، نقوم بإنشاء نموذج جديد من البداية.
- في حالة اسم دولاب الموازنة، أدخل اسمًا (على سبيل المثال ،
custom-news-flywheel
). - اترك الموديل الحقل فارغ.
- أختار تصنيف مخصص For نوع النموذج المخصص.
- في حالة اللغة ، اترك الإعداد كـ انجليزي.
- أختار استخدام وضع التسمية المتعددة For وضع المصنف.
- في حالة تسميات مخصصة، أدخل
BUSINESS,SCI_TECH,SPORTS,WORLD
. - بالنسبة لإعدادات التشفير ، احتفظ بـ استخدم مفتاح AWS المملوك.
- بالنسبة إلى موقع بحيرة بيانات دولاب الموازنة ، حدد S3 URI في حسابك والذي يمكن تخصيصه لهذا الحدافة.
كل حدافة لها موقع بحيرة بيانات S3 حيث تخزن أصول دولاب الموازنة والتحف مثل مجموعات البيانات وإحصاءات النماذج. تأكد من عدم تعديل أو حذف أي كائنات من هذا الموقع لأنه من المفترض أن تتم إدارته حصريًا بواسطة دولاب الموازنة.
- اختار إنشاء دور IAM وأدخل اسمًا للدور (
CustomNewsFlywheelRole
في حالتنا هذه). - اختار إنشاء.
سيستغرق إنشاء دولاب الموازنة دقيقتين. بمجرد الإنشاء ، ستتغير الحالة إلى النشطه.
- على
custom-news-flywheel
صفحة التفاصيل ، اختر أنشئ مجموعة بيانات. - في حالة اسم مجموعة البيانات، أدخل اسمًا لمجموعة بيانات التدريب.
- يترك ملف CSV For تنسيق البيانات.
- اختار قادة الإيمان وحدد مجموعة بيانات التدريب من دلو S3.
- اختار إنشاء.
- كرر هذه الخطوات لإنشاء مجموعة بيانات اختبار.
- بعد أن تتغير حالة مجموعة البيانات التي تم تحميلها إلى الطلب مكتملاذهب الى تكرارات دولاب الموازنة علامة التبويب واختيار تشغيل دولاب الموازنة.
- عند اكتمال التدريب ، انتقل إلى إصدارات النموذج علامة التبويب ، حدد النموذج الذي تم تدريبه مؤخرًا ، ثم اختر جعل النموذج النشط.
يمكنك أيضًا ملاحظة المقاييس الموضوعية لدرجة F1 ودقتها واسترجاعها.
- العودة إلى قواعد البيانات علامة التبويب واختيار أنشئ مجموعة بيانات في ال اختبار مجموعات البيانات والقسم الخاص به.
- أدخل موقع
text.csv
في دلو S3.
انتظر حتى تظهر الحالة كـ الطلب مكتمل. سيؤدي هذا إلى إنشاء مقاييس على النموذج النشط باستخدام مجموعة بيانات الاختبار.
إذا اخترت تصنيف مخصص في جزء التنقل ، يمكنك رؤية جميع نماذج مصنف المستندات ، حتى تلك التي تم تدريبها باستخدام الحذافات.
أنشئ نقطة نهاية
لإنشاء نقطة نهاية النموذج الخاص بك ، أكمل الخطوات التالية:
- في وحدة التحكم Amazon Comprehend ، انتقل إلى دولاب الموازنة الذي أنشأته.
- على النهاية علامة التبويب، اختر إنشاء نقطة نهاية.
- قم بتسمية نقطة النهاية
news-topic
. - تحت نماذج التصنيف والحذافات، تم تحديد إصدار النموذج النشط بالفعل.
- في حالة وحدات الاستدلال، اختر 1 وحدة دولية.
- حدد خانة الاختيار إقرار ، ثم اختر إنشاء نقطة نهاية.
- بعد إنشاء نقطة النهاية وتنشيطها ، انتقل إلى استخدم في تحليل الوقت الحقيقي في صفحة تفاصيل نقطة النهاية.
- اختبر النموذج عن طريق إدخال نص في ملف أدخل نصآ مربع.
- تحت النتائج، تحقق من تسميات موضوعات الأخبار.
قم بإنشاء وظيفة تحليل غير متزامن
لإنشاء وظيفة تحليل ، أكمل الخطوات التالية:
- في وحدة تحكم Amazon Comprehend ، انتقل إلى إصدار النموذج النشط.
- اختار خلق وظيفة.
- في حالة الاسم، أدخل
batch-news
. - في حالة نوع التحليلأختر تصنيف مخصص.
- في حالة نماذج التصنيف والحذافات، اختر دولاب الموازنة الذي أنشأته (
custom-news-flywheel
). - تصفح Amazon S3 لتحديد ملف الإدخال بنصوص الأخبار المختلفة التي نريد إنشاء التحليل باستخدامها ثم الاختيار مستند واحد في كل سطر (نص إخباري واحد في كل سطر).
توضح لقطة الشاشة التالية المستند الذي تم تحميله لهذا التمرين.
- اختر المكان الذي تريد حفظ ملف الإخراج فيه في موقع S3 الخاص بك.
- في حالة أذونات الوصول، اختر دور IAM
CustomNewsFlywheelRole
التي قمت بإنشائها في وقت سابق. - اختار خلق وظيفة.
- عند اكتمال المهمة ، قم بتنزيل ملف الإخراج وتحقق من التنبؤات.
تنظيف
لتجنب الرسوم المستقبلية ، قم بتنظيف الموارد التي قمت بإنشائها.
- في وحدة تحكم Amazon Comprehend ، اختر الحذافات في جزء التنقل.
- حدد دولاب الموازنة الخاص بك واختر حذف.
- احذف أي نقاط نهاية قمت بإنشائها.
- إفراغ وحذف حاويات S3 التي أنشأتها.
وفي الختام
في هذا المنشور ، رأينا كيف تعمل دولاب الموازنة Amazon Comprehend كمتجر شامل لأداء MLOPs لنماذج Amazon Comprehend الخاصة بك. ناقشنا أيضًا عرض القيمة الخاص به وقدمنا مفاهيم الحدافة الأساسية. ثم قمنا بتوجيهك عبر الخطوات المختلفة بدءًا من إنشاء دولاب الموازنة إلى إنشاء نقطة نهاية.
معرفة المزيد عن تبسيط التعلم المستمر لنماذج Amazon Comprehend المخصصة باستخدام Comprehend flywheel. جربه الآن وابدأ مع خدمتنا التي تم إطلاقها حديثًا ، دولاب الموازنة Amazon Comprehend.
حول المؤلف
ألبرتو مينينديز مستشار مشارك DevOps في الخدمات الاحترافية في AWS وعضو في Comprehend Champions. إنه يحب المساعدة في تسريع رحلة العملاء إلى السحابة وإنشاء حلول لحل تحديات أعمالهم. في أوقات فراغه ، يستمتع بممارسة الرياضة ، وخاصة كرة السلة والبديل ، وقضاء الوقت مع العائلة والأصدقاء ، والتعرف على التكنولوجيا.
ايرين ارويو ديلجادو مستشار مساعد AI / ML في الخدمات الاحترافية في AWS وعضو في Comprehend Champions. تركز على إنتاج أعباء عمل ML لتحقيق نتائج الأعمال المرجوة للعملاء من خلال أتمتة دورات حياة ML من البداية إلى النهاية. لديها خبرة في بناء منصات تعلم الآلة عالية الأداء وتكاملها مع بحيرة بيانات على AWS. في أوقات فراغها ، تستمتع إيرين بالسفر والمشي لمسافات طويلة في الجبال.
شويتا ثابا هو مهندس حلول في المؤسسة يعمل في AWS وعضو في Comprehend Champions. إنها تستمتع بمساعدة عملائها في رحلتهم ونموهم في السحابة ، والاستماع إلى احتياجات أعمالهم ، وتقديم أفضل الحلول لهم. في أوقات فراغها ، تستمتع شويتا بالخروج للجري والسفر والأهم من ذلك كله قضاء الوقت مع ابنتها الرضيعة.
- 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/introducing-the-amazon-comprehend-flywheel-for-mlops/
- 100
- 11
- 116
- 7
- a
- من نحن
- تسريع
- الوصول
- حسابي
- دقة
- التأهيل
- في
- نشط
- تكيف
- تكيف
- مميزات
- بعد
- رشيق
- AI / ML
- الكل
- السماح
- يسمح
- سابقا
- أمازون
- فهم الأمازون
- تحليل
- و
- أعلن
- واجهات برمجة التطبيقات
- نهج
- ممتلكات
- محام
- المعزز
- أتمتة
- الأتمتة
- تلقائيا
- أتمتة
- توفر
- متاح
- AWS
- الأطفال
- على أساس
- الأساسية
- كره السلة
- لان
- أفضل
- صندوق
- نساعدك في بناء
- ابني
- بنيت
- الأعمال
- حقيبة
- الحالات
- الفئات
- التحديات
- تغيير
- التغييرات
- متغير
- اسعارنا محددة من قبل وزارة العمل
- التحقق
- اختار
- تصنيف
- مبوب
- سحابة
- مجموعة
- الشركات
- إكمال
- الطلب مكتمل
- فهم
- المفاهيم
- كنسولات
- consultants
- محتوى
- متواصل
- زوجان
- خلق
- خلق
- خلق
- حرج
- حالياًّ
- حاليا
- على
- زبون
- العملاء
- البيانات
- بحيرة البيانات
- علم البيانات
- قواعد البيانات
- التاريخ
- يوم
- مخصصة
- الترتيب
- التوصيل
- شرح
- اعتمادا
- نشر
- نشر
- مطلوب
- مفصلة
- تفاصيل
- المطورين
- التطوير التجاري
- مختلف
- ناقش
- وثيقة
- وثائق
- لا
- بإمكانك تحميله
- ديناميكي
- كل
- في وقت سابق
- إما
- التشفير
- النهائي إلى نهاية
- نقطة النهاية
- مخطوب
- الهندسة
- المهندسين
- أدخل
- مشروع
- الكيانات
- كيان
- خاصة
- تقييم
- تقييم
- حتى
- مثال
- متحمس
- على وجه الحصر
- ممارسة
- القائمة
- الخبره في مجال الغطس
- استخراج
- f1
- للعائلات
- أسرع
- الميزات
- المميزات
- حقل
- الأرقام
- قم بتقديم
- أخيرا
- نهاية
- الاسم الأول
- ويركز
- متابعيك
- متابعات
- مجانا
- الاصدقاء
- تبدأ من
- تماما
- مستقبل
- دولار فقط واحصل على خصم XNUMX% على جميع
- Go
- الذهاب
- منح
- عظيم
- التسويق
- مساعدة
- مساعدة
- يساعد
- كيفية
- كيفية
- HTML
- HTTPS
- هوية
- تحسن
- تحسن
- in
- يشمل
- تشير
- معلومات
- إدخال
- رؤى
- دمج
- التكامل
- تقاطع طرق
- تدخل
- تقديم
- أدخلت
- إدخال
- IT
- تكرير
- التكرارات
- وظيفة
- رحلة
- احتفظ
- القفل
- مختبر
- ملصقات
- بحيرة
- لغة
- اسم العائلة
- إطلاق
- أطلقت
- قيادة
- تعلم
- يترك
- دورة حياة
- دورات حياة
- خط
- استماع
- حي
- موقع
- آلة
- آلة التعلم
- المحافظة
- جعل
- إدارة
- تمكن
- إدارة
- يدويا
- عضو
- المقاييس
- دقيقة
- ML
- MLOps
- نموذج
- عارضات ازياء
- تعديل
- الأكثر من ذلك
- أكثر
- الاسم
- طبيعي
- معالجة اللغات الطبيعية
- التنقل
- قائمة الإختيارات
- حاجة
- إحتياجات
- جديد
- أخبار
- البرمجة اللغوية العصبية
- موضوعي
- الأجسام
- رصد
- الوهب
- ONE
- جارية
- عمليات
- الخاصة
- مملوكة
- خبز
- نفذ
- أداء
- إذن
- أذونات
- عبارات
- منصات التداول
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- البوينت
- ممكن
- منشور
- الممارسات
- دقة
- تنبؤات
- إعداد
- إعداد
- عملية المعالجة
- معالجة
- الإنتــاج
- محترف
- اقتراح
- ويوفر
- بسرعة
- عرض
- في الوقت الحقيقي
- مؤخرا
- اعتراف
- الافراج عن
- متكرر
- تقرير
- يمثل
- يتطلب
- مورد
- الموارد
- النوع
- الأدوار
- يجري
- تشغيل
- حفظ
- علوم
- القسم
- أقسام
- مختار
- تسلسل
- يخدم
- الخدمة
- خدماتنا
- طقم
- ضبط
- إعدادات
- تسوق
- يظهر
- الاشارات
- منذ
- عزباء
- So
- تطبيقات الكمبيوتر
- تطوير البرمجيات
- الحلول
- حل
- بعض
- محدد
- محدد
- الإنفاق
- رياضة
- بداية
- بدأت
- ابتداء
- يبدأ
- دولة من بين الفن
- إحصائيات
- الحالة
- خطوات
- قلة النوم
- تخزين
- تخزين
- فروعنا
- الإستراتيجيات
- تبسيط
- ناجح
- هذه
- مدعومة
- أخذ
- تكنولوجيا
- تجربه بالعربي
- الاختبار
- •
- من مشاركة
- وبالتالي
- عبر
- الوقت
- إلى
- موضوع
- المواضيع
- قطار
- متدرب
- قادة الإيمان
- السفر
- أثار
- تحديث
- تحديث
- تحديث
- تم التحميل
- تستخدم
- حالة الاستخدام
- مستخدم
- قيمنا
- الإصدار
- مشى
- طرق
- ابحث عن
- التي
- سوف
- بدون
- الدورات
- العالم
- اكتب
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت