تمت كتابة هذا المنشور بالتعاون مع براد دنكان، وراشيل جونسون، وريتشارد ألكوك من MathWorks.
MATLAB هي أداة برمجة شائعة لمجموعة واسعة من التطبيقات، مثل معالجة البيانات، والحوسبة المتوازية، والأتمتة، والمحاكاة، والتعلم الآلي، والذكاء الاصطناعي. يتم استخدامه بكثافة في العديد من الصناعات مثل السيارات والفضاء والاتصالات والتصنيع. في السنوات الأخيرة، جلبت MathWorks العديد من عروض المنتجات إلى السحابة، وخاصةً على أمازون ويب سيرفيسز (أوس). لمزيد من التفاصيل حول منتجات MathWorks السحابية، راجع MATLAB وSimulink في السحابة or البريد الإلكتروني ماثووركس.
في هذا المنشور، نأتي بإمكانيات التعلم الآلي الخاصة بـ MATLAB الأمازون SageMaker، والذي له عدة فوائد هامة:
- حساب الموارد: يمكن أن يؤدي استخدام بيئة الحوسبة عالية الأداء التي تقدمها SageMaker إلى تسريع التدريب على التعلم الآلي.
- التعاون:: يوفر MATLAB وSageMaker معًا نظامًا أساسيًا قويًا يمكن للفرق استخدامه للتعاون بفعالية في بناء نماذج التعلم الآلي واختبارها ونشرها.
- النشر وإمكانية الوصول: يمكن نشر النماذج كنقاط نهاية في الوقت الفعلي لـ SageMaker، مما يسهل الوصول إليها للتطبيقات الأخرى لمعالجة بيانات البث المباشر.
نعرض لك كيفية تدريب نموذج MATLAB للتعلم الآلي باعتباره مهمة تدريب SageMaker ثم نشر النموذج كنقطة نهاية في الوقت الفعلي لـ SageMaker حتى يتمكن من معالجة البيانات المباشرة والمتدفقة.
للقيام بذلك، سنستخدم مثال صيانة تنبؤية حيث نقوم بتصنيف الأخطاء في مضخة تشغيلية تقوم ببث بيانات الاستشعار المباشرة. لدينا إمكانية الوصول إلى مستودع كبير من البيانات المصنفة التي تم إنشاؤها من ملف SIMULINK محاكاة تحتوي على ثلاثة أنواع أخطاء محتملة في مجموعات محتملة مختلفة (على سبيل المثال، حالة واحدة سليمة وسبع حالات خاطئة). نظرًا لأن لدينا نموذجًا للنظام ولأن الأخطاء في التشغيل نادرة، فيمكننا الاستفادة من البيانات المحاكاة لتدريب الخوارزمية الخاصة بنا. يمكن ضبط النموذج ليطابق البيانات التشغيلية من مضختنا الحقيقية باستخدام تقنيات تقدير المعلمات في MATLAB وSimulink.
هدفنا هو إظهار القوة المشتركة لـ MATLAB وAmazon SageMaker باستخدام مثال تصنيف الأخطاء هذا.
نبدأ بتدريب نموذج المصنف على سطح المكتب لدينا باستخدام MATLAB. أولاً، نقوم باستخراج الميزات من مجموعة فرعية من مجموعة البيانات الكاملة باستخدام مصمم الميزات التشخيصية app، ثم قم بتشغيل تدريب النموذج محليًا باستخدام نموذج شجرة قرارات MATLAB. بمجرد أن نكون راضين عن إعدادات المعلمة، يمكننا إنشاء دالة MATLAB وإرسال المهمة مع مجموعة البيانات إلى SageMaker. يتيح لنا ذلك توسيع نطاق عملية التدريب لاستيعاب مجموعات بيانات أكبر بكثير. بعد تدريب نموذجنا، نقوم بنشره كنقطة نهاية مباشرة يمكن دمجها في تطبيق أو لوحة معلومات، مثل تطبيق الويب MATLAB.
سيلخص هذا المثال كل خطوة، مما يوفر فهمًا عمليًا لكيفية الاستفادة من MATLAB وAmazon SageMaker في مهام التعلم الآلي. الكود الكامل والوصف للمثال متاح في هذا مستودع.
المتطلبات الأساسية المسبقة
- بيئة عمل MATLAB 2023a أو الإصدارات الأحدث مع مترجم MATLAB وصندوق أدوات الإحصائيات والتعلم الآلي على Linux. هنا أ مرشد سريع حول كيفية تشغيل MATLAB على AWS.
- تم إعداد عامل ميناء في Amazon Elastic Compute Cloud (Amazon EC2) مثيل حيث يتم تشغيل MATLAB. أيضاً أوبونتو or لينكس.
- تركيب واجهة سطر أوامر AWS (AWS CLI), تكوين AWSو Python3.
- يجب أن يكون AWS CLI مثبتًا بالفعل إذا اتبعت دليل التثبيت من خطوة 1.
- قم بإعداد تكوين AWS للتفاعل مع موارد AWS.
- تحقق من تثبيت python3 الخاص بك عن طريق التشغيل
python -V
orpython --version
الأمر على المحطة الخاصة بك. قم بتثبيت بايثون إذا لزم الأمر.
- انسخ هذا الريبو إلى مجلد في جهاز Linux الخاص بك عن طريق تشغيل:
- تحقق من الإذن في مجلد الريبو. إذا لم يكن لديه إذن الكتابة، قم بتشغيل أمر shell التالي:
- قم ببناء حاوية تدريب MATLAB وادفعها إلى سجل حاويات أمازون المرنة (Amazon ECR).
- انتقل إلى المجلد
docker
- أنشئ مستودع Amazon ECR باستخدام AWS CLI (استبدل REGION بمنطقة AWS المفضلة لديك)
- قم بتشغيل أمر الإرساء التالي:
- انتقل إلى المجلد
- افتح MATLAB وافتح البرنامج النصي المباشر المسمى
PumpFaultClassificationMATLABSageMaker.mlx
في المجلدexamples/PumpFaultClassification
. اجعل هذا المجلد مجلد العمل الحالي الخاص بك في MATLAB.
الجزء الأول: إعداد البيانات واستخراج الميزات
الخطوة الأولى في أي مشروع للتعلم الآلي هي إعداد بياناتك. يوفر MATLAB مجموعة واسعة من الأدوات لاستيراد الميزات وتنظيفها واستخراجها من بياناتك.:
• SensorData.mat
تحتوي مجموعة البيانات على 240 سجلاً. يحتوي كل سجل على جدولين زمنيين: flow
و pressure
. العمود المستهدف هو faultcode
، وهو تمثيل ثنائي لثلاث مجموعات خطأ محتملة في المضخة. بالنسبة لجداول السلاسل الزمنية هذه، يحتوي كل جدول على 1,201 صفًا تحاكي 1.2 ثانية من تدفق المضخة وقياس الضغط بزيادة قدرها 0.001 ثانية.
بعد ذلك، يتيح لك تطبيق Diagnostic Features Designer إمكانية استخراج مجموعة متنوعة من الميزات من البيانات وتصورها وتصنيفها. هنا، تستخدم الميزات التلقائية، والذي يستخرج بسرعة مجموعة واسعة من ميزات مجال الوقت والتردد من مجموعة البيانات ويصنف أفضل المرشحين للتدريب النموذجي. يمكنك بعد ذلك تصدير دالة MATLAB التي ستعيد حساب أفضل 15 ميزة مرتبة من بيانات الإدخال الجديدة. دعونا نسمي هذه الوظيفة extractFeaturesTraining
. يمكن تكوين هذه الوظيفة لاستيعاب البيانات كلها دفعة واحدة أو كبيانات متدفقة.
تنتج هذه الوظيفة جدولًا بالميزات مع رموز الأخطاء المرتبطة، كما هو موضح في الشكل التالي:
الجزء 2: تنظيم البيانات لـ SageMaker
بعد ذلك، تحتاج إلى تنظيم البيانات بطريقة يمكن لـ SageMaker استخدامها للتدريب على التعلم الآلي. عادةً ما يتضمن ذلك تقسيم البيانات إلى مجموعات تدريب وتحقق من الصحة وفصل بيانات التوقع عن الاستجابة المستهدفة.
في هذه المرحلة، قد تكون هناك حاجة إلى عمليات أخرى أكثر تعقيدًا لتنظيف وتصفية البيانات. في هذا المثال، البيانات نظيفة بالفعل. من المحتمل، إذا كانت معالجة البيانات معقدة للغاية وتستغرق وقتًا طويلاً، فيمكن استخدام وظائف معالجة SageMaker لتشغيل هذه الوظائف بعيدًا عن تدريب SageMaker بحيث يمكن فصلها إلى خطوتين.
trainPredictors = trainingData(:,2:end);
trainResponse = trainingData(:,1);
الجزء 3: تدريب واختبار نموذج التعلم الآلي في MATLAB
قبل الانتقال إلى SageMaker، من الجيد إنشاء نموذج التعلم الآلي واختباره محليًا في MATLAB. يتيح لك ذلك تكرار النموذج وتصحيحه بسرعة. يمكنك إعداد وتدريب مصنف شجرة قرارات بسيط محليًا.
classifierModel = fitctree(...
trainPredictors,...
trainResponse,...
OptimizeHyperparameters='auto');
يجب أن تستغرق مهمة التدريب هنا أقل من دقيقة حتى تنتهي، كما يتم إنشاء بعض الرسوم البيانية للإشارة إلى تقدم التدريب. بعد الانتهاء من التدريب، يتم إنتاج نموذج MATLAB للتعلم الآلي. ال متعلم التصنيف يمكن استخدام التطبيق لتجربة العديد من أنواع نماذج التصنيف وضبطها للحصول على أفضل أداء، ثم إنتاج الكود المطلوب ليحل محل كود تدريب النموذج أعلاه.
بعد التحقق من مقاييس الدقة للنموذج الذي تم تدريبه محليًا، يمكننا نقل التدريب إلى Amazon SageMaker.
الجزء 4: تدريب النموذج في Amazon SageMaker
بعد أن تشعر بالرضا عن النموذج، يمكنك تدريبه على نطاق واسع باستخدام SageMaker. لبدء الاتصال بحزم SageMaker SDK، يتعين عليك بدء جلسة SageMaker.
session = sagemaker.Session();
حدد تنفيذ SageMaker دور IAM التي ستستخدمها وظائف التدريب واستضافة نقطة النهاية.
role = "arn:aws:iam::ACCOUNT:role/service-role/AmazonSageMaker-ExecutionRole-XXXXXXXXXXXXXXX";
من MATLAB، احفظ بيانات التدريب كملف .csv إلى ملف خدمة Amazon Simple Storage (Amazon S3) دلو.
writetable(trainingData,'pump_training_data.csv');
trainingDataLocation = "s3:// "+session.DefaultBucket+ +"/cooling_system/input/pump_training";
copyfile("pump_training_data.csv", trainingDataLocation);
قم بإنشاء مقدر SageMaker
بعد ذلك، تحتاج إلى إنشاء مُقدِّر SageMaker وتمرير جميع المعلمات الضرورية إليه، مثل صورة عامل الإرساء التدريبي، ووظيفة التدريب، ومتغيرات البيئة، وحجم مثيل التدريب، وما إلى ذلك. يجب أن يكون URI لصورة التدريب هو Amazon ECR URI الذي قمت بإنشائه في خطوة المتطلبات الأساسية بالتنسيق ACCOUNT.dkr.ecr.us-east-1.amazonaws.com/sagemaker-matlab-training-r2023a:latest
. يجب توفير وظيفة التدريب في الجزء السفلي من البرنامج النصي المباشر لـ MATLAB.
إرسال وظيفة تدريب SageMaker
يؤدي استدعاء الطريقة الملائمة من المقدر إلى إرسال مهمة التدريب إلى SageMaker.
est.fit(training=struct(Location=trainingDataLocation, ContentType="text/csv"))
يمكنك أيضًا التحقق من حالة مهمة التدريب من وحدة تحكم SageMaker:
بعد انتهاء مهام التدريب، يؤدي تحديد رابط الوظيفة إلى نقلك إلى صفحة الوصف الوظيفي حيث يمكنك رؤية نموذج MATLAB المحفوظ في حاوية S3 المخصصة:
الجزء 5: نشر النموذج كنقطة نهاية SageMaker في الوقت الفعلي
بعد التدريب، يمكنك نشر النموذج كنقطة نهاية SageMaker في الوقت الفعلي، والتي يمكنك استخدامها لإجراء تنبؤات في الوقت الفعلي. للقيام بذلك، قم باستدعاء طريقة النشر من المقدر. هذا هو المكان الذي يمكنك فيه إعداد حجم المثيل المطلوب للاستضافة اعتمادًا على عبء العمل.
خلف الكواليس، تقوم هذه الخطوة بإنشاء صورة عامل إرساء للاستدلال ودفعها إلى مستودع Amazon ECR، ولا يلزم المستخدم أي شيء لبناء حاوية الاستدلال. تحتوي الصورة على كافة المعلومات الضرورية لخدمة طلب الاستدلال، مثل موقع النموذج ومعلومات مصادقة MATLAB والخوارزميات. بعد ذلك، يقوم Amazon SageMaker بإنشاء تكوين نقطة نهاية SageMaker ويقوم أخيرًا بنشر نقطة النهاية في الوقت الفعلي. يمكن مراقبة نقطة النهاية في وحدة تحكم SageMaker ويمكن إنهاؤها في أي وقت إذا لم تعد مستخدمة.
الجزء 6: اختبار نقطة النهاية
الآن وبعد أن أصبحت نقطة النهاية قيد التشغيل، يمكنك اختبار نقطة النهاية عن طريق إعطائها بعض السجلات للتنبؤ بها. استخدم الكود التالي لتحديد 10 سجلات من بيانات التدريب وإرسالها إلى نقطة النهاية للتنبؤ بها. يتم إرسال نتيجة التنبؤ مرة أخرى من نقطة النهاية وتظهر في الصورة التالية.
الجزء 7: تكامل لوحة المعلومات
يمكن استدعاء نقطة نهاية SageMaker بواسطة العديد من خدمات AWS الأصلية. يمكن استخدامه أيضًا كواجهة برمجة تطبيقات REST قياسية إذا تم نشره مع AWS لامدا وظيفة وبوابة API، والتي يمكن دمجها مع أي تطبيقات ويب. بالنسبة لحالة الاستخدام المحددة هذه، يمكنك استخدام البث المتدفق مع Amazon SageMaker Features Store وAmazon Managed Streaming for Apache Kafka, MSK، لاتخاذ قرارات مدعومة بالتعلم الآلي في الوقت الفعلي تقريبًا. التكامل المحتمل الآخر هو استخدام مزيج من أمازون كينسيسوSageMaker وApache Flink لإنشاء تطبيق مُدار وموثوق وقابل للتطوير ومتوفر بدرجة كبيرة وقادر على الاستدلال في الوقت الفعلي على تدفق البيانات.
بعد نشر الخوارزميات إلى نقطة نهاية SageMaker، قد ترغب في تصورها باستخدام لوحة معلومات تعرض تنبؤات البث في الوقت الفعلي. في تطبيق الويب MATLAB المخصص التالي، يمكنك رؤية بيانات الضغط والتدفق عن طريق المضخة، والتنبؤات المباشرة بالأخطاء من النموذج المنشور.
تشتمل لوحة المعلومات هذه على نموذج العمر الإنتاجي المتبقي (RUL) للتنبؤ بوقت الفشل لكل مضخة معنية. لمعرفة كيفية تدريب خوارزميات RUL، راجع صندوق أدوات الصيانة التنبؤية.
تنظيف
بعد تشغيل هذا الحل، تأكد من تنظيف أي موارد AWS غير ضرورية لتجنب التكاليف غير المتوقعة. يمكنك تنظيف هذه الموارد باستخدام SageMaker بيثون SDK أو وحدة الإدارة في AWS للخدمات المحددة المستخدمة هنا (SageMaker، وAmazon ECR، وAmazon S3). ومن خلال حذف هذه الموارد، فإنك تمنع فرض رسوم إضافية على الموارد التي لم تعد تستخدمها.
وفي الختام
لقد أظهرنا كيف يمكنك جلب MATLAB إلى SageMaker لحالة استخدام الصيانة التنبؤية للمضخة مع دورة حياة التعلم الآلي بأكملها. يوفر SageMaker بيئة مُدارة بالكامل لتشغيل أعباء عمل التعلم الآلي ونشر النماذج مع مجموعة كبيرة من مثيلات الحوسبة التي تخدم الاحتياجات المتنوعة.
إخلاء المسئولية: الكود المستخدم في هذا المنشور مملوك لشركة MathWorks ويحتفظ به. ارجع إلى شروط الترخيص في GitHub repo. بالنسبة لأية مشكلات تتعلق بالرمز أو طلبات الميزات، يرجى فتح مشكلة GitHub في المستودع
مراجع حسابات
حول المؤلف
براد دنكان هو مدير المنتج لإمكانيات التعلم الآلي في الإحصائيات وأدوات التعلم الآلي في MathWorks. وهو يعمل مع العملاء لتطبيق الذكاء الاصطناعي في مجالات جديدة من الهندسة مثل دمج أجهزة الاستشعار الافتراضية في الأنظمة الهندسية، وبناء نماذج تعلم الآلة القابلة للتفسير، وتوحيد سير عمل الذكاء الاصطناعي باستخدام MATLAB وSimulink. قبل مجيئه إلى MathWorks، قاد فرقًا للمحاكاة ثلاثية الأبعاد وتحسين الديناميكا الهوائية للمركبة، وتجربة المستخدم للمحاكاة ثلاثية الأبعاد، وإدارة المنتجات لبرامج المحاكاة. براد هو أيضًا محاضر ضيف في جامعة تافتس في مجال الديناميكا الهوائية للمركبات.
ريتشارد ألكوك هو مدير التطوير الأول لعمليات تكامل Cloud Platform في MathWorks. في هذا الدور، يلعب دورًا فعالًا في دمج منتجات MathWorks بسلاسة في الأنظمة الأساسية السحابية والحاويات. يقوم بإنشاء حلول تمكن المهندسين والعلماء من تسخير الإمكانات الكاملة لـ MATLAB وSimulink في البيئات السحابية. كان يعمل سابقًا كمهندس برمجيات في MathWorks، حيث كان يطور حلولًا لدعم سير عمل الحوسبة المتوازية والموزعة.
راشيل جونسون هو مدير المنتج للصيانة التنبؤية في MathWorks، وهو مسؤول عن استراتيجية المنتج الشاملة والتسويق. كانت في السابق مهندسة تطبيقات تدعم بشكل مباشر صناعة الطيران في مشاريع الصيانة التنبؤية. قبل انضمامها إلى MathWorks، كانت راشيل مهندسة محاكاة للديناميكيات الهوائية والدفع في البحرية الأمريكية. كما أمضت عدة سنوات في تدريس الرياضيات والفيزياء والهندسة.
شون ماو هو أحد كبار مهندسي حلول شركاء AI/ML في فريق التقنيات الناشئة في Amazon Web Services. إنه متحمس للعمل مع عملاء المؤسسات والشركاء لتصميم ونشر وتوسيع نطاق تطبيقات الذكاء الاصطناعي/التعلم الآلي لاستخلاص قيم أعمالهم. خارج العمل، يستمتع بصيد الأسماك والسفر ولعب كرة الطاولة.
راميش جاتيا هو مهندس حلول في فريق بائعي البرامج المستقلين (ISV) في Amazon Web Services. إنه متحمس للعمل مع عملاء ISV لتصميم تطبيقاتهم ونشرها وتوسيع نطاقها في السحابة لاستخلاص قيم أعمالهم. وهو يسعى أيضًا للحصول على درجة الماجستير في إدارة الأعمال في التعلم الآلي وتحليلات الأعمال من كلية بابسون في بوسطن. وخارج العمل، يستمتع بالجري ولعب التنس والطهي.
- 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/machine-learning-with-matlab-and-amazon-sagemaker/
- :لديها
- :يكون
- :ليس
- :أين
- $ UP
- 001
- 1
- 10
- 100
- 15%
- 152
- 19
- 20
- 3d
- 7
- 8
- a
- من نحن
- فوق
- الوصول
- يمكن الوصول
- استيعاب
- حسابي
- دقة
- مميزات
- فضاء
- بعد
- AI
- AI / ML
- خوارزمية
- خوارزميات
- الكل
- يسمح
- على طول
- سابقا
- أيضا
- أمازون
- Amazon EC2
- الأمازون SageMaker
- أمازون ويب سيرفيسز
- an
- تحليلات
- و
- آخر
- أي وقت
- أباتشي
- بعيدا
- API
- التطبيق
- يسمح التطبيق
- تطبيق
- التطبيقات
- التقديم
- هي
- المنطقة
- المناطق
- مصطنع
- الذكاء الاصطناعي
- AS
- أسوشيتد
- At
- التحقّق من المُستخدم
- السيارات
- أتمتة
- السيارات
- متاح
- تجنب
- AWS
- وحدة تحكم إدارة AWS
- بابسون
- الى الخلف
- BE
- لان
- قبل
- بدأ
- الفوائد
- أفضل
- بوسطن
- الملابس السفلية
- براد
- جلب
- واسع
- جلبت
- نساعدك في بناء
- ابني
- يبني
- الأعمال
- by
- دعوة
- تسمى
- دعوة
- CAN
- المرشحين
- قدرات
- قادر على
- حقيبة
- اسعارنا محددة من قبل وزارة العمل
- التحقق
- تدقيق
- تصنيف
- صنف
- نظيف
- سوائل التنظيف
- سحابة
- منصة سحابة
- الكود
- رموز
- تعاون
- للاتعاون
- كلية
- عمود
- COM
- مجموعة
- تركيبات
- الجمع بين
- آت
- Communication
- مجمع
- إحصاء
- الحوسبة
- الاعداد
- تكوين
- كنسولات
- استهلاك
- وعاء
- يحتوي
- التكاليف
- خلق
- خلق
- يخلق
- حالياًّ
- على
- العملاء
- لوحة أجهزة القياس
- البيانات
- تحضير البيانات
- معالجة المعلومات
- قواعد البيانات
- القرار
- القرارات
- مخصصة
- شرح
- تظاهر
- اعتمادا
- نشر
- نشر
- نشر
- ينشر
- استخلاص
- وصف
- تصميم
- مصمم
- مطلوب
- سطح المكتب
- تفاصيل
- تطوير
- التطوير التجاري
- تشخيصي
- مباشرة
- يعرض
- وزعت
- الحوسبة الموزعة
- do
- عامل في حوض السفن
- هل
- نطاق
- دنكان
- كل
- على نحو فعال
- إما
- الناشئة
- التقنيات الناشئة
- تمكين
- النهاية
- نقطة النهاية
- مهندس
- مهندسة
- الهندسة
- المهندسين
- مشروع
- كامل
- البيئة
- البيئات
- خاصة
- مثال
- الخبره في مجال الغطس
- تصدير
- استخراج
- مقتطفات
- فشل
- أخطاء
- خاطئ
- الميزات
- المميزات
- قليل
- الشكل
- قم بتقديم
- تصفية
- أخيرا
- نهاية
- الاسم الأول
- صيد السمك
- تناسب
- تدفق
- يتبع
- متابعيك
- متابعات
- في حالة
- شكل
- تردد
- تبدأ من
- بالإضافة إلى
- تماما
- وظيفة
- إضافي
- بوابة
- توليد
- ولدت
- يولد
- GitHub جيثب:
- إعطاء
- خير
- الرسوم البيانية
- عظيم
- ضيف
- توجيه
- ظفيرة
- يملك
- he
- صحة الإنسان
- صحي
- بشكل كبير
- هنا
- أداء عالي
- جدا
- استضافة
- كيفية
- كيفية
- HTML
- HTTPS
- فكرة
- if
- صورة
- استيراد
- in
- يشمل
- دمج
- زيادة
- مستقل
- تشير
- الصناعات
- العالمية
- معلومات
- بدء
- إدخال
- تثبيت
- التركيب
- تثبيت
- مثل
- دور فعال
- المتكاملة
- دمج
- التكامل
- التكاملات
- رؤيتنا
- تفاعل
- السطح البيني
- إلى
- قضية
- مسائل
- آي إس
- IT
- وظيفة
- المشــاريــع
- جونسون
- JPG
- كبير
- أكبر
- الى وقت لاحق
- آخر
- تعلم
- تعلم
- ليد
- أقل
- الرافعة المالية
- حقوق الملكية الفكرية
- الحياة
- دورة حياة
- LINK
- لينكس
- حي
- محليا
- موقع
- تسجيل الدخول
- يعد
- آلة
- آلة التعلم
- صيانة
- جعل
- القيام ب
- تمكن
- إدارة
- مدير
- تصنيع
- كثير
- التسويق
- مباراة
- الرياضيات
- قياس
- طريقة
- المقاييس
- ربما
- دقيقة
- ML
- نموذج
- عارضات ازياء
- مراقبة
- مراقبة
- الأكثر من ذلك
- خطوة
- يتحرك
- كثيرا
- عين
- محلي
- قرب
- ضروري
- حاجة
- بحاجة
- إحتياجات
- جديد
- لا
- لا شى
- موضوعي
- of
- عرضت
- عروض
- on
- مرة
- ONE
- جاكيت
- عملية
- تشغيل
- عمليات
- التحسين
- or
- أخرى
- لنا
- الناتج
- في الخارج
- الكلي
- مملوكة
- صفحة
- موازية
- المعلمة
- المعلمات
- خاص
- الشريكة
- شركاء
- pass
- عاطفي
- أداء
- إذن
- فيزياء
- المنصة
- منصات التداول
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- لعب
- من فضلك
- الرائج
- ممكن
- منشور
- محتمل
- يحتمل
- قوة
- عملية
- تنبأ
- تنبؤ
- تنبؤات
- متنبئ
- المفضل
- إعداد
- الضغط
- منع
- سابقا
- قبل
- عملية المعالجة
- معالجة
- إنتاج
- أنتج
- ينتج عنه
- المنتج
- ادارة المنتج
- مدير المنتج
- المنتجات
- برمجة وتطوير
- التقدّم
- تنفيذ المشاريع
- مشروع ناجح
- دفع
- تزود
- المقدمة
- ويوفر
- توفير
- مضخة
- دفع
- يدفع
- بايثون
- سؤال
- بسرعة
- نطاق
- <font style="vertical-align: inherit;"></font> في ايم بي بي ايس
- المرتبة
- الرتب
- نادر
- بسهولة
- حقيقي
- في الوقت الحقيقي
- الأخيرة
- سجل
- تسجيل
- الرجوع
- منطقة
- سجل
- الخدمة الموثوقة
- المتبقية
- يحل محل
- مستودع
- التمثيل
- طلب
- طلبات
- مطلوب
- الموارد
- استجابة
- مسؤول
- REST
- نتيجة
- ريتشارد
- قوي
- النوع
- يجري
- تشغيل
- sagemaker
- راض
- راضي مع
- حفظ
- تم الحفظ
- تحجيم
- حجم
- مشاهد
- العلماء
- سيناريو
- sdks
- بسلاسة
- ثواني
- انظر تعريف
- اختيار
- اختيار
- إرسال
- كبير
- أجهزة الاستشعار
- أرسلت
- مسلسلات
- خدمة
- الخدمة
- خدماتنا
- خدمة
- الجلسة
- طقم
- باكجات
- إعدادات
- سبعة
- عدة
- هي
- قذيفة
- ينبغي
- إظهار
- أظهرت
- هام
- الاشارات
- محاكاة
- المقاس
- So
- تطبيقات الكمبيوتر
- هندسة البرمجيات
- حل
- الحلول
- بعض
- محدد
- سرعة
- قضى
- المسرح
- معيار
- التوحيد القياسي
- بداية
- المحافظة
- إحصائيات
- الحالة
- خطوة
- خطوات
- تخزين
- متجر
- الإستراتيجيات
- مجرى
- متدفق
- هذه
- تلخيص
- الدعم
- دعم
- بالتأكيد
- نظام
- أنظمة
- جدول
- TAG
- أخذ
- يأخذ
- الهدف
- المهام
- التدريس
- فريق
- فريق
- تقنيات
- التكنولوجيا
- محطة
- سياسة الحجب وتقييد الوصول
- تجربه بالعربي
- الاختبار
- من
- أن
- •
- المنطقة
- من مشاركة
- منهم
- then
- تشبه
- هم
- هؤلاء
- ثلاثة
- الوقت
- السلاسل الزمنية
- إلى
- سويا
- أداة
- الأدوات
- أدوات
- تيشرت
- قطار
- قادة الإيمان
- السفر
- شجرة
- محاولة
- لحن
- ضبطها
- اثنان
- أنواع
- عادة
- فهم
- غير متوقع
- جامعة
- us
- تستخدم
- حالة الاستخدام
- مستعمل
- مستخدم
- تجربة المستخدم
- استخدام
- التحقق من صحة
- القيم
- تشكيلة
- مختلف
- المثالية
- بائع
- جدا
- افتراضي
- تصور
- تريد
- وكان
- طريق..
- we
- الويب
- تطبيقات الويب
- خدمات ويب
- التي
- واسع
- مدى واسع
- سوف
- مع
- للعمل
- سير العمل
- عامل
- أعمال
- اكتب
- مكتوب
- سنوات
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت