هذه مدونة مشتركة مع AWS وPhilips.
Philips هي شركة تكنولوجيا صحية تركز على تحسين حياة الناس من خلال الابتكار الهادف. منذ عام 2014، تقدم الشركة لعملائها منصة Philips HealthSuite، التي تنظم العشرات من خدمات AWS التي تستخدمها شركات الرعاية الصحية وعلوم الحياة لتحسين رعاية المرضى. وهي تتعاون مع مقدمي الرعاية الصحية والشركات الناشئة والجامعات والشركات الأخرى لتطوير التكنولوجيا التي تساعد الأطباء على إجراء تشخيصات أكثر دقة وتقديم علاج أكثر تخصيصًا لملايين الأشخاص حول العالم.
يعد الذكاء الاصطناعي (AI) أحد المحركات الرئيسية لاستراتيجية الابتكار الخاصة بشركة Philips، والذي يتيح إنشاء منتجات وخدمات ذكية وشخصية يمكنها تحسين النتائج الصحية وتعزيز تجربة العملاء وتحسين الكفاءة التشغيلية.
الأمازون SageMaker يوفر أدوات مصممة خصيصًا لعمليات التعلم الآلي (MLOps) للمساعدة في أتمتة العمليات وتوحيدها عبر دورة حياة تعلم الآلة. باستخدام أدوات SageMaker MLOps، يمكن للفرق بسهولة تدريب نماذج تعلم الآلة واختبارها واستكشاف أخطائها وإصلاحها ونشرها وإدارتها على نطاق واسع لتعزيز إنتاجية علماء البيانات ومهندسي تعلم الآلة مع الحفاظ على أداء النموذج في الإنتاج.
في هذا المنشور، نوضح كيف عقدت Philips شراكة مع AWS لتطوير AI ToolSuite، وهي منصة ML قابلة للتطوير وآمنة ومتوافقة على SageMaker. يوفر هذا النظام الأساسي إمكانات تتراوح بين التجريب وتعليق البيانات والتدريب ونشر النماذج والقوالب القابلة لإعادة الاستخدام. تم تصميم كل هذه الإمكانات لمساعدة خطوط الأعمال المتعددة على الابتكار بسرعة وخفة الحركة مع التحكم على نطاق واسع باستخدام الضوابط المركزية. نحن نلخص حالات الاستخدام الرئيسية التي قدمت متطلبات التكرار الأول للمنصة، والمكونات الأساسية، والنتائج التي تم تحقيقها. نختتم بتحديد الجهود المستمرة لتمكين النظام الأساسي من خلال أعباء عمل الذكاء الاصطناعي التوليدية وتأهيل المستخدمين والفرق الجديدة بسرعة لتبني النظام الأساسي.
سياق العميل
تستخدم Philips الذكاء الاصطناعي في مجالات مختلفة، مثل التصوير والتشخيص والعلاج والصحة الشخصية والرعاية المتصلة. بعض الأمثلة على الحلول المدعمة بالذكاء الاصطناعي والتي طورتها شركة Philips خلال السنوات الماضية هي:
- فيليبس سمارت سبيد - تقنية تصوير قائمة على الذكاء الاصطناعي للتصوير بالرنين المغناطيسي تستخدم خوارزمية ذكاء اصطناعي فريدة للتعلم العميق تعتمد على تقنية الضغط المضغوط للارتقاء بالسرعة وجودة الصورة إلى المستوى التالي لمجموعة كبيرة ومتنوعة من المرضى
- مدير الرعاية الإلكترونية من فيليبس - حل للرعاية الصحية عن بعد يستخدم الذكاء الاصطناعي لدعم الرعاية عن بعد وإدارة المرضى المصابين بأمراض خطيرة في وحدات العناية المركزة، باستخدام التحليلات المتقدمة والخوارزميات السريرية لمعالجة بيانات المرضى من مصادر متعددة، وتوفير رؤى وتنبيهات وتوصيات قابلة للتنفيذ فريق الرعاية
- فيليبس سونيكير – فرشاة أسنان ذكية تستخدم الذكاء الاصطناعي لتحليل سلوك تنظيف الأسنان وصحة الفم للمستخدمين، وتقديم إرشادات في الوقت الفعلي وتوصيات مخصصة، مثل الوقت الأمثل لتنظيف الأسنان والضغط والتغطية، لتحسين نظافة أسنانهم ومنع تسوس الأسنان وأمراض اللثة. .
لسنوات عديدة، كانت شركة Philips رائدة في تطوير الخوارزميات المستندة إلى البيانات لدعم حلولها المبتكرة عبر سلسلة الرعاية الصحية المستمرة. في مجال التصوير التشخيصي، طورت Philips عددًا كبيرًا من تطبيقات التعلم الآلي لإعادة بناء الصور الطبية وتفسيرها، وإدارة سير العمل، وتحسين العلاج. وفي مجال مراقبة المرضى أيضًا، قامت فرق العلاج الموجه بالصور والموجات فوق الصوتية والصحة الشخصية بإنشاء خوارزميات وتطبيقات تعلم الآلة. ومع ذلك، تم إعاقة الابتكار بسبب استخدام بيئات تطوير الذكاء الاصطناعي المجزأة عبر الفرق. تراوحت هذه البيئات من أجهزة الكمبيوتر المحمولة وأجهزة الكمبيوتر المكتبية الفردية إلى المجموعات الحسابية المحلية المتنوعة والبنية التحتية المستندة إلى السحابة. أدى هذا التباين في البداية إلى تمكين الفرق المختلفة من التحرك بسرعة في جهودها المبكرة لتطوير الذكاء الاصطناعي، ولكنه الآن يعيق فرص توسيع نطاق عمليات تطوير الذكاء الاصطناعي لدينا وتحسينها.
كان من الواضح أن التحول الأساسي نحو بيئة موحدة وموحدة كان أمرًا ضروريًا لإطلاق العنان لإمكانات المساعي القائمة على البيانات في Philips.
حالات الاستخدام الرئيسية للذكاء الاصطناعي/تعلم الآلة ومتطلبات النظام الأساسي
يمكن للمقترحات المدعمة بالذكاء الاصطناعي/التعلم الآلي أن تحول الرعاية الصحية عن طريق أتمتة المهام الإدارية التي يقوم بها الأطباء. على سبيل المثال:
- يستطيع الذكاء الاصطناعي تحليل الصور الطبية لمساعدة أطباء الأشعة في تشخيص الأمراض بشكل أسرع وأكثر دقة
- يستطيع الذكاء الاصطناعي التنبؤ بالأحداث الطبية المستقبلية من خلال تحليل بيانات المرضى وتحسين الرعاية الاستباقية
- يمكن للذكاء الاصطناعي أن يوصي بعلاج شخصي مصمم خصيصًا لتلبية احتياجات المرضى
- يمكن للذكاء الاصطناعي استخراج المعلومات وتنظيمها من الملاحظات السريرية لجعل عملية تسجيل السجلات أكثر كفاءة
- يمكن أن توفر واجهات الذكاء الاصطناعي دعمًا للمريض فيما يتعلق بالاستعلامات والتذكيرات وفحص الأعراض
بشكل عام، يعد الذكاء الاصطناعي/التعلم الآلي بتقليل الأخطاء البشرية وتوفير الوقت والتكلفة وتحسين تجارب المرضى والتدخلات الشخصية في الوقت المناسب.
كان أحد المتطلبات الأساسية لمنصة تطوير ونشر ML هو قدرة النظام الأساسي على دعم عملية التطوير والنشر التكراري المستمر، كما هو موضح في الشكل التالي.
يبدأ تطوير أصول الذكاء الاصطناعي في بيئة معملية، حيث يتم جمع البيانات وتنظيمها، ومن ثم يتم تدريب النماذج والتحقق من صحتها. عندما يصبح النموذج جاهزًا ومعتمدًا للاستخدام، يتم نشره في أنظمة الإنتاج الواقعية. بمجرد نشره، تتم مراقبة أداء النموذج بشكل مستمر. يتم استخدام الأداء والتعليقات الواقعية في النهاية لإجراء المزيد من التحسينات على النموذج من خلال الأتمتة الكاملة للتدريب على النموذج ونشره.
كانت متطلبات AI ToolSuite الأكثر تفصيلاً مدفوعة بثلاث حالات استخدام:
- تطوير تطبيق رؤية حاسوبية يهدف إلى اكتشاف الأشياء عند الحافة. توقع فريق علم البيانات أن يؤدي سير عمل التعليقات التوضيحية التلقائية للصور المستندة إلى الذكاء الاصطناعي إلى تسريع عملية وضع العلامات التي تستغرق وقتًا طويلاً.
- قم بتمكين فريق علوم البيانات من إدارة مجموعة من نماذج تعلم الآلة الكلاسيكية لقياس الإحصائيات عبر وحدات طبية متعددة. يتطلب المشروع أتمتة نشر النموذج، وتتبع التجربة، ومراقبة النموذج، والمزيد من التحكم في العملية بأكملها من النهاية إلى النهاية للتدقيق وإعادة التدريب في المستقبل.
- تحسين الجودة والوقت لتسويق نماذج التعلم العميق في التصوير الطبي التشخيصي. لم تسمح البنية التحتية الحاسوبية الحالية بإجراء العديد من التجارب بالتوازي، مما أدى إلى تأخير تطوير النموذج. أيضًا، ولأغراض تنظيمية، من الضروري تمكين التكرار الكامل للتدريب النموذجي لعدة سنوات.
متطلبات غير مجدية
يتطلب بناء نظام أساسي قوي وقابل للتطوير للذكاء الاصطناعي/التعلم الآلي دراسة متأنية للمتطلبات غير الوظيفية. تتجاوز هذه المتطلبات الوظائف المحددة للمنصة وتركز على ضمان ما يلي:
- التدرجية – يجب أن تكون منصة AI ToolSuite قادرة على توسيع نطاق البنية التحتية لتوليد الرؤى من Philips بشكل أكثر فعالية حتى تتمكن المنصة من التعامل مع حجم متزايد من البيانات والمستخدمين وأعباء عمل الذكاء الاصطناعي/تعلم الآلة دون التضحية بالأداء. وينبغي تصميمه ليتناسب مع الحجم الأفقي والرأسي لتلبية المتطلبات المتزايدة بسلاسة مع توفير إدارة مركزية للموارد.
- الأداء – يجب أن توفر المنصة قدرات حوسبة عالية الأداء لمعالجة خوارزميات الذكاء الاصطناعي/تعلم الآلة المعقدة بكفاءة. يقدم SageMaker مجموعة واسعة من أنواع المثيلات، بما في ذلك المثيلات ذات وحدات معالجة الرسومات القوية، والتي يمكنها تسريع تدريب النموذج ومهام الاستدلال بشكل كبير. ويجب أيضًا تقليل زمن الوصول وأوقات الاستجابة لتوفير نتائج في الوقت الفعلي أو في الوقت الفعلي تقريبًا.
- الموثوقية - يجب أن توفر المنصة بنية تحتية قوية وموثوقة للغاية للذكاء الاصطناعي تمتد عبر مناطق توافر الخدمات المتعددة. يجب أن تضمن بنية مناطق توافر الخدمات المتعددة عمليات الذكاء الاصطناعي دون انقطاع من خلال توزيع الموارد وأحمال العمل عبر مراكز بيانات متميزة.
- التوفر – يجب أن تكون المنصة متاحة على مدار الساعة طوال أيام الأسبوع، مع الحد الأدنى من فترات التوقف عن العمل للصيانة والتحديث. يجب أن يتضمن التوفر العالي لـ AI ToolSuite موازنة التحميل، والبنيات المتسامحة مع الأخطاء، والمراقبة الاستباقية.
- الأمن والحوكمة – يجب أن تستخدم المنصة إجراءات أمنية قوية، والتشفير، وضوابط الوصول، والأدوار المخصصة، وآليات المصادقة مع المراقبة المستمرة للأنشطة غير العادية وإجراء عمليات التدقيق الأمني.
- إدارة البيانات - تعد الإدارة الفعالة للبيانات أمرًا بالغ الأهمية لمنصات الذكاء الاصطناعي/التعلم الآلي. تتطلب اللوائح التنظيمية في قطاع الرعاية الصحية حوكمة صارمة للبيانات بشكل خاص. ويجب أن يتضمن ميزات مثل إصدار البيانات، ونسب البيانات، وإدارة البيانات، وضمان جودة البيانات لضمان نتائج دقيقة وموثوقة.
- التوافقية - ينبغي تصميم النظام الأساسي بحيث يتكامل بسهولة مع مستودعات البيانات الداخلية لشركة Philips، مما يسمح بتبادل البيانات بسلاسة والتعاون مع تطبيقات الطرف الثالث.
- قابلية الصيانة – يجب أن تكون بنية النظام الأساسي وقاعدة التعليمات البرمجية منظمة بشكل جيد، وقابلة للصيانة. يتيح ذلك لمهندسي ومطوري ML في Philips توفير التحديثات وإصلاحات الأخطاء والتحسينات المستقبلية دون تعطيل النظام بأكمله.
- تحسين الموارد - يجب على النظام الأساسي مراقبة تقارير الاستخدام عن كثب للتأكد من استخدام موارد الحوسبة بكفاءة وتخصيص الموارد ديناميكيًا بناءً على الطلب. بالإضافة إلى ذلك، يجب على Philips استخدام أدوات AWS Billing and Cost Management للتأكد من أن الفرق تتلقى إشعارات عندما يتجاوز الاستخدام الحد الأدنى المخصص.
- المراقبة والتسجيل - يجب استخدام المنصة الأمازون CloudWatch تنبيهات لإمكانيات المراقبة والتسجيل الشاملة، والتي تعد ضرورية لتتبع أداء النظام وتحديد الاختناقات واستكشاف المشكلات وإصلاحها بشكل فعال.
- الامتثال - يمكن للمنصة أيضًا أن تساعد في تحسين الامتثال التنظيمي للمقترحات المدعمة بالذكاء الاصطناعي. يجب تمكين إمكانية التكرار والتتبع تلقائيًا من خلال مسارات معالجة البيانات الشاملة، حيث يمكن إعداد العديد من عناصر التوثيق الإلزامية، مثل تقارير نسب البيانات وبطاقات النماذج، تلقائيًا.
- الاختبار والتحقق من الصحة - يجب وضع إجراءات اختبار وتحقق صارمة لضمان دقة وموثوقية نماذج الذكاء الاصطناعي/التعلم الآلي ومنع التحيزات غير المقصودة.
حل نظرة عامة
AI ToolSuite عبارة عن بيئة تطوير ذكاء اصطناعي شاملة وقابلة للتطوير وسريعة البداية تقدم SageMaker الأصلي وخدمات الذكاء الاصطناعي/تعلم الآلة المرتبطة بها مع حواجز الحماية والخصوصية للأمان والخصوصية من Philips HealthSuite وتكاملات النظام البيئي من Philips. هناك ثلاثة أشخاص لديهم مجموعات مخصصة من أذونات الوصول:
- عالم بيانات – إعداد البيانات وتطوير النماذج وتدريبها في مساحة عمل تعاونية
- مهندس ML - إنتاج تطبيقات تعلم الآلة من خلال نشر النماذج ومراقبتها وصيانتها
- مشرف علوم البيانات - قم بإنشاء مشروع لكل طلب فريق لتوفير بيئات معزولة مخصصة مع قوالب خاصة بحالة الاستخدام
امتد تطوير النظام الأساسي إلى دورات إصدار متعددة في دورة متكررة من الاكتشاف والتصميم والبناء والاختبار والنشر. نظرًا لتفرد بعض التطبيقات، يتطلب توسيع النظام الأساسي تضمين المكونات المخصصة الموجودة مثل مخازن البيانات أو الأدوات الخاصة للتعليقات التوضيحية.
يوضح الشكل التالي البنية ثلاثية الطبقات لـ AI ToolSuite، بما في ذلك البنية التحتية الأساسية كطبقة أولى، ومكونات تعلم الآلة الشائعة كطبقة ثانية، والقوالب الخاصة بالمشروع كطبقة ثالثة.
تحتوي الطبقة الأولى على البنية الأساسية الأساسية:
- طبقة شبكية ذات وصول محدد إلى الإنترنت مع توفر عالي
- توفير الخدمة الذاتية مع البنية التحتية كرمز (IaC)
- بيئة تطوير متكاملة (IDE) باستخدام أمازون ساجميكر ستوديو نطاق
- أدوار النظام الأساسي (مسؤول علوم البيانات، وعالم البيانات)
- تخزين التحف
- التسجيل والرصد من أجل الملاحظة
تحتوي الطبقة الثانية على مكونات تعلم الآلة الشائعة:
- تتبع التجربة الآلي لكل وظيفة وخط أنابيب
- مسار إنشاء نموذج لإطلاق تحديث بناء نموذج جديد
- خط أنابيب تدريب نموذجي يتكون من نموذج التدريب والتقييم والتسجيل
- خط أنابيب نشر النموذج لنشر النموذج للاختبار النهائي والموافقة عليه
- سجل نموذجي لإدارة إصدارات النموذج بسهولة
- دور مشروع تم إنشاؤه خصيصًا لحالة استخدام معينة، ليتم تعيينه لمستخدمي SageMaker Studio
- مستودع صور لتخزين صور حاوية المعالجة والتدريب والاستدلال المصممة للمشروع
- مستودع التعليمات البرمجية لتخزين عناصر التعليمات البرمجية
- مشروع خدمة تخزين أمازون البسيطة دلو (Amazon S3) لتخزين جميع بيانات المشروع والتحف
تحتوي الطبقة 3 على قوالب خاصة بالمشروع يمكن إنشاؤها باستخدام مكونات مخصصة كما هو مطلوب في المشاريع الجديدة. على سبيل المثال:
- قالب 1 - يتضمن مكونًا للاستعلام عن البيانات وتتبع السجل
- قالب 2 - يتضمن مكونًا للتعليقات التوضيحية للبيانات مع سير عمل التعليقات التوضيحية المخصصة لاستخدام أدوات التعليقات التوضيحية الخاصة
- قالب 3 - يتضمن مكونات لصور الحاويات المخصصة لتخصيص كل من بيئة التطوير وإجراءات التدريب ونظام ملفات HPC المخصص والوصول من IDE محلي للمستخدمين
يسلط الرسم البياني التالي الضوء على خدمات AWS الرئيسية التي تغطي حسابات AWS المتعددة للتطوير والتجهيز والإنتاج.
في الأقسام التالية، نناقش الإمكانات الأساسية للنظام الأساسي الذي تم تمكينه بواسطة خدمات AWS، بما في ذلك SageMaker، كتالوج خدمة AWSكلاودواتش, AWS لامدا, سجل الأمازون المرنة للحاويات (أمازون إي سي آر)، أمازون إس 3، إدارة الهوية والوصول AWS (إم)، وآخرون.
البنية التحتية كرمز
يستخدم النظام الأساسي IaC، الذي يسمح لشركة Philips بأتمتة توفير موارد البنية التحتية وإدارتها. سيساعد هذا النهج أيضًا في إمكانية التكرار وقابلية التوسع والتحكم في الإصدار والاتساق والأمان وقابلية النقل للتطوير أو الاختبار أو الإنتاج.
الوصول إلى بيئات AWS
يتم الوصول إلى SageMaker وخدمات الذكاء الاصطناعي/تعلم الآلة المرتبطة بها من خلال حواجز الحماية الأمنية لإعداد البيانات وتطوير النماذج والتدريب والتعليقات التوضيحية والنشر.
العزلة والتعاون
تضمن المنصة عزل البيانات عن طريق تخزينها ومعالجتها بشكل منفصل، مما يقلل من مخاطر الوصول غير المصرح به أو اختراق البيانات.
تسهل المنصة تعاون الفريق، وهو أمر ضروري في مشاريع الذكاء الاصطناعي التي تتضمن عادةً فرقًا متعددة الوظائف، بما في ذلك علماء البيانات ومسؤولي علوم البيانات ومهندسي MLOps.
التحكم في الوصول المستند إلى الدور
يعد التحكم في الوصول المستند إلى الدور (RBAC) ضروريًا لإدارة الأذونات وتبسيط إدارة الوصول من خلال تحديد الأدوار والأذونات بطريقة منظمة. إنه يجعل من السهل إدارة الأذونات مع نمو الفرق والمشاريع والتحكم في الوصول لمختلف الأشخاص المشاركين في مشاريع AWS AI/ML، مثل مسؤول علوم البيانات، وعالم البيانات، ومسؤول التعليقات التوضيحية، والمعلق، ومهندس MLOps.
الوصول إلى مخازن البيانات
تسمح المنصة لـ SageMaker بالوصول إلى مخازن البيانات، مما يضمن إمكانية استخدام البيانات بكفاءة للتدريب النموذجي والاستدلال دون الحاجة إلى تكرار البيانات أو نقلها عبر مواقع تخزين مختلفة، وبالتالي تحسين استخدام الموارد وتقليل التكاليف.
التعليق التوضيحي باستخدام أدوات التعليقات التوضيحية الخاصة بشركة Philips
تقدم AWS مجموعة من خدمات الذكاء الاصطناعي والتعلم الآلي، مثل SageMaker، الحقيقة الأمازون SageMaker الأرضو أمازون كوجنيتو، والتي تم دمجها بالكامل مع أدوات التعليقات التوضيحية الداخلية الخاصة بشركة Philips. يمكّن هذا التكامل المطورين من تدريب نماذج تعلم الآلة ونشرها باستخدام البيانات المشروحة داخل بيئة AWS.
قوالب تعلم الآلة
توفر منصة AI ToolSuite قوالب في AWS لمختلف مسارات عمل تعلم الآلة. هذه القوالب عبارة عن إعدادات بنية أساسية تم تكوينها مسبقًا ومصممة خصيصًا لحالات استخدام محددة لتعلم الآلة ويمكن الوصول إليها من خلال خدمات مثل قوالب مشروع SageMaker, تكوين سحابة AWS، وكتالوج الخدمة.
التكامل مع فيليبس جيثب
يعمل التكامل مع GitHub على تحسين الكفاءة من خلال توفير منصة مركزية للتحكم في الإصدار ومراجعة التعليمات البرمجية وخطوط أنابيب CI/CD الآلية (التكامل المستمر والنشر المستمر)، مما يقلل المهام اليدوية ويعزز الإنتاجية.
تكامل كود Visual Studio
يوفر التكامل مع Visual Studio Code بيئة موحدة للتشفير وتصحيح الأخطاء وإدارة مشاريع تعلم الآلة. يؤدي ذلك إلى تبسيط سير عمل تعلم الآلة بالكامل، مما يقلل من تبديل السياق ويوفر الوقت. يعزز التكامل أيضًا التعاون بين أعضاء الفريق من خلال تمكينهم من العمل على مشاريع SageMaker معًا ضمن بيئة تطوير مألوفة، واستخدام أنظمة التحكم في الإصدار، ومشاركة التعليمات البرمجية والدفاتر بسلاسة.
نموذج ونسب البيانات وإمكانية التتبع من أجل التكاثر والامتثال
توفر المنصة إمكانية تعيين الإصدارات، مما يساعد على تتبع التغييرات التي تطرأ على تدريب عالم البيانات وبيانات الاستدلال بمرور الوقت، مما يسهل إعادة إنتاج النتائج وفهم تطور مجموعات البيانات.
تتيح المنصة أيضًا إمكانية تتبع تجربة SageMaker، مما يسمح للمستخدمين النهائيين بتسجيل وتتبع جميع البيانات التعريفية المرتبطة بتجارب التعلم الآلي الخاصة بهم، بما في ذلك المعلمات الفائقة وبيانات الإدخال والتعليمات البرمجية والعناصر النموذجية. تعتبر هذه القدرات ضرورية لإثبات الامتثال للمعايير التنظيمية وضمان الشفافية والمساءلة في سير عمل الذكاء الاصطناعي/التعلم الآلي.
إنشاء تقرير مواصفات AI/ML للامتثال التنظيمي
تحتفظ AWS بشهادات الامتثال لمعايير ولوائح الصناعة المختلفة. تعمل تقارير مواصفات الذكاء الاصطناعي/التعلم الآلي بمثابة وثائق امتثال أساسية، وتعرض الالتزام بالمتطلبات التنظيمية. توثق هذه التقارير إصدار مجموعات البيانات والنماذج والتعليمات البرمجية. يعد التحكم في الإصدار أمرًا ضروريًا للحفاظ على نسب البيانات وإمكانية التتبع وإمكانية التكرار، وكلها أمور بالغة الأهمية للامتثال التنظيمي والتدقيق.
إدارة الميزانية على مستوى المشروع
تسمح إدارة الميزانية على مستوى المشروع للمؤسسة بوضع حدود للإنفاق، مما يساعد على تجنب التكاليف غير المتوقعة وضمان بقاء مشاريع تعلم الآلة في حدود الميزانية. من خلال إدارة الميزانية، يمكن للمؤسسة تخصيص ميزانيات محددة للمشاريع أو الفرق الفردية، مما يساعد الفرق على تحديد أوجه القصور في الموارد أو الارتفاع غير المتوقع في التكاليف في وقت مبكر. بالإضافة إلى إدارة الميزانية، مع ميزة إيقاف تشغيل دفاتر الملاحظات الخاملة تلقائيًا، يتجنب أعضاء الفريق الدفع مقابل الموارد غير المستخدمة، كما يقومون أيضًا بتحرير موارد قيمة عندما لا تكون قيد الاستخدام بشكل نشط، مما يجعلها متاحة لمهام أو مستخدمين آخرين.
نتائج
تم تصميم AI ToolSuite وتنفيذه كمنصة على مستوى المؤسسة لتطوير تعلم الآلة ونشره لعلماء البيانات عبر شركة Philips. تم جمع المتطلبات المتنوعة من جميع وحدات الأعمال وأخذها في الاعتبار أثناء التصميم والتطوير. في وقت مبكر من المشروع، حددت شركة Philips أبطالًا من فرق العمل الذين قدموا تعليقاتهم وساعدوا في تقييم قيمة النظام الأساسي.
وتم تحقيق النتائج التالية:
- يعد اعتماد المستخدم أحد المؤشرات الرئيسية لشركة Philips. تم تدريب المستخدمين من العديد من وحدات الأعمال وإلحاقهم بالمنصة، ومن المتوقع أن ينمو هذا العدد في عام 2024.
- مقياس مهم آخر هو كفاءة مستخدمي علوم البيانات. باستخدام AI ToolSuite، يتم نشر بيئات تطوير تعلم الآلة الجديدة في أقل من ساعة بدلاً من عدة أيام.
- يمكن لفرق علوم البيانات الوصول إلى بنية أساسية حوسبة سحابية قابلة للتطوير وآمنة وفعالة من حيث التكلفة.
- يمكن للفرق إجراء تجارب تدريب نموذجية متعددة بالتوازي، مما أدى إلى تقليل متوسط وقت التدريب بشكل كبير من أسابيع إلى 1-3 أيام.
- نظرًا لأن نشر البيئة مؤتمت بالكامل، فإنه لا يتطلب تقريبًا أي مشاركة من مهندسي البنية التحتية السحابية، مما أدى إلى تقليل تكاليف التشغيل.
- أدى استخدام AI ToolSuite إلى تعزيز النضج العام للبيانات ومخرجات الذكاء الاصطناعي بشكل كبير من خلال الترويج لاستخدام ممارسات تعلم الآلة الجيدة، وسير العمل الموحد، وإمكانية الاستنساخ الشامل، وهو أمر بالغ الأهمية للامتثال التنظيمي في صناعة الرعاية الصحية.
نتطلع إلى الذكاء الاصطناعي التوليدي
بينما تتسابق المؤسسات لتبني أحدث ما توصلت إليه التكنولوجيا في مجال الذكاء الاصطناعي، فمن الضروري اعتماد تقنية جديدة في سياق سياسة الأمن والحوكمة الخاصة بالمؤسسة. توفر بنية AI ToolSuite مخططًا ممتازًا لتمكين الوصول إلى إمكانات الذكاء الاصطناعي التوليدية في AWS لفرق مختلفة في Philips. يمكن للفرق استخدام النماذج الأساسية المتوفرة معها أمازون سيج ميكر جومب ستارت، والذي يوفر عددًا كبيرًا من النماذج مفتوحة المصدر من Hugging Face وموفرين آخرين. ومع وجود حواجز الحماية اللازمة بالفعل فيما يتعلق بالتحكم في الوصول، وتوفير المشروع، والتحكم في التكلفة، سيكون من السهل على الفرق البدء في استخدام إمكانات الذكاء الاصطناعي التوليدية داخل SageMaker.
بالإضافة إلى ذلك ، الوصول إلى أمازون بيدروك، وهي خدمة مُدارة بالكامل تعتمد على واجهة برمجة التطبيقات للذكاء الاصطناعي التوليدي، ويمكن توفيرها للحسابات الفردية بناءً على متطلبات المشروع، ويمكن للمستخدمين الوصول إلى واجهات برمجة تطبيقات Amazon Bedrock إما عبر واجهة الكمبيوتر الدفتري SageMaker أو من خلال بيئة التطوير المتكاملة (IDE) المفضلة لديهم.
هناك اعتبارات إضافية تتعلق باعتماد الذكاء الاصطناعي التوليدي في بيئة منظمة، مثل الرعاية الصحية. يجب النظر بعناية في القيمة التي تخلقها تطبيقات الذكاء الاصطناعي التوليدية مقابل المخاطر والتكاليف المرتبطة بها. هناك أيضًا حاجة إلى إنشاء إطار مخاطر وإطار قانوني يحكم استخدام المنظمة لتقنيات الذكاء الاصطناعي التوليدية. ويجب النظر في عناصر مثل أمن البيانات والتحيز والعدالة والامتثال التنظيمي كجزء من هذه الآليات.
وفي الختام
شرعت شركة Philips في رحلة لتسخير قوة الخوارزميات المعتمدة على البيانات لإحداث ثورة في حلول الرعاية الصحية. على مر السنين، أدى الابتكار في التصوير التشخيصي إلى العديد من تطبيقات التعلم الآلي، بدءًا من إعادة بناء الصور وحتى إدارة سير العمل وتحسين العلاج. ومع ذلك، فإن المجموعة المتنوعة من الإعدادات، بدءًا من أجهزة الكمبيوتر المحمولة الفردية وحتى المجموعات المحلية والبنية التحتية السحابية، شكلت تحديات هائلة. أدت إدارة النظام المنفصلة والتدابير الأمنية وآليات الدعم وبروتوكول البيانات إلى منع الرؤية الشاملة للتكلفة الإجمالية للملكية والانتقالات المعقدة بين الفرق. كان الانتقال من البحث والتطوير إلى الإنتاج مثقلًا بالافتقار إلى النسب وقابلية التكرار، مما يجعل إعادة التدريب المستمر للنموذج أمرًا صعبًا.
كجزء من التعاون الاستراتيجي بين Philips وAWS، تم إنشاء منصة AI ToolSuite لتطوير منصة ML قابلة للتطوير وآمنة ومتوافقة مع SageMaker. يوفر هذا النظام الأساسي إمكانات تتراوح بين التجريب وتعليق البيانات والتدريب ونشر النماذج والقوالب القابلة لإعادة الاستخدام. تم بناء كل هذه الإمكانات بشكل متكرر عبر عدة دورات من الاكتشاف والتصميم والبناء والاختبار والنشر. وقد ساعد ذلك العديد من وحدات الأعمال على الابتكار بسرعة وخفة الحركة مع التحكم على نطاق واسع باستخدام الضوابط المركزية.
تعد هذه الرحلة بمثابة مصدر إلهام للمؤسسات التي تتطلع إلى تسخير قوة الذكاء الاصطناعي والتعلم الآلي لدفع الابتكار والكفاءة في مجال الرعاية الصحية، مما يعود بالنفع في نهاية المطاف على المرضى ومقدمي الرعاية في جميع أنحاء العالم. ومع استمرارها في البناء على هذا النجاح، تقف فيليبس على أهبة الاستعداد لتحقيق خطوات أكبر في تحسين النتائج الصحية من خلال الحلول المبتكرة المدعومة بالذكاء الاصطناعي.
لمعرفة المزيد حول ابتكارات Philips على AWS، تفضل بزيارة فيليبس على AWS.
عن المؤلفين
فرانك وارتينا هو مدير برنامج في شركة Philips Innovation & Strategy. يقوم بتنسيق أصول النظام الأساسي المتعلقة بالبيانات والذكاء الاصطناعي لدعم بيانات Philips ومقترحات الذكاء الاصطناعي الممكّنة. يتمتع بخبرة واسعة في الذكاء الاصطناعي وعلوم البيانات وقابلية التشغيل البيني. يستمتع فرانك في أوقات فراغه بالجري والقراءة والتجديف وقضاء الوقت مع عائلته.
ايرينا فيدولوفا هو قائد رئيسي للبيانات والذكاء الاصطناعي في شركة Philips للابتكار والاستراتيجية. إنها تقود الأنشطة الإستراتيجية التي تركز على الأدوات والمنصات وأفضل الممارسات التي تعمل على تسريع وتوسيع نطاق تطوير وإنتاج الحلول (التوليدية) المدعمة بالذكاء الاصطناعي في Philips. تتمتع إيرينا بخلفية تقنية قوية في التعلم الآلي والحوسبة السحابية وهندسة البرمجيات. خارج العمل، تستمتع بقضاء الوقت مع عائلتها والسفر والقراءة.
سيلفاكومار بالانيابان هو مالك المنتج في Philips Innovation & Strategy، وهو المسؤول عن إدارة المنتجات لمنصة Philips HealthSuite AI وML. ويتمتع بخبرة عالية في إدارة المنتجات التقنية وهندسة البرمجيات. وهو يعمل حاليًا على بناء نظام أساسي لتطوير ونشر الذكاء الاصطناعي وتعلم الآلة وقابل للتطوير ومتوافق. علاوة على ذلك، فهو يقود اعتمادها من قبل فرق علوم البيانات في Philips من أجل تطوير أنظمة وحلول صحية تعتمد على الذكاء الاصطناعي.
عدنان إلجي هو مهندس أول للبنية التحتية السحابية في AWS Professional Services. وهو يعمل بصفته قائدًا تقنيًا، ويشرف على العمليات المختلفة للعملاء في مجالات الرعاية الصحية وعلوم الحياة والمالية والطيران والتصنيع. يتجلى حماسه للأتمتة في مشاركته الواسعة في تصميم وبناء وتنفيذ حلول العملاء على مستوى المؤسسة داخل بيئة AWS. بالإضافة إلى التزاماته المهنية، يكرس عدنان نفسه للعمل التطوعي، ويسعى جاهداً لخلق تأثير هادف وإيجابي داخل المجتمع.
حسن بونوالا هو مهندس حلول متخصص في الذكاء الاصطناعي / التعلم الآلي في AWS ، يساعد حسن العملاء في تصميم ونشر تطبيقات التعلم الآلي في الإنتاج على AWS. يتمتع بخبرة عملية تزيد عن 12 عامًا كعالم بيانات وممارس للتعلم الآلي ومطور برامج. في أوقات فراغه ، يحب حسن استكشاف الطبيعة وقضاء الوقت مع الأصدقاء والعائلة.
سريوشي روي هو مدير المشاركة العالمية الأول لدى AWS. وباعتبارها شريكًا تجاريًا لعملاء الرعاية الصحية وعلوم الحياة، فهي تتمتع بخبرة لا مثيل لها في تحديد وتقديم الحلول لمشاكل الأعمال المعقدة. إنها تساعد عملائها على تحديد أهداف استراتيجية وتحديد وتصميم استراتيجيات السحابة/البيانات وتنفيذ الحل المتطور والقوي لتحقيق أهدافهم الفنية والتجارية. إلى جانب مساعيها المهنية، يكمن تفانيها في خلق تأثير مفيد على حياة الناس من خلال تعزيز التعاطف وتعزيز الشمولية.
وجهة عزيز هو قائد في الذكاء الاصطناعي/التعلم الآلي والحوسبة عالية الأداء في فريق AWS للرعاية الصحية وعلوم الحياة. بعد أن عمل كقائد تكنولوجي في أدوار مختلفة مع مؤسسات علوم الحياة، يستفيد وجاهات من خبرته لمساعدة عملاء الرعاية الصحية وعلوم الحياة على الاستفادة من تقنيات AWS لتطوير أحدث حلول تعلم الآلة والحوسبة عالية الأداء. وتتمثل مجالات تركيزه الحالية في الأبحاث المبكرة والتجارب السريرية والحفاظ على الخصوصية في التعلم الآلي.
ويوليتا ستوبيينيكا هو عالم بيانات في خدمات AWS الاحترافية. طوال حياتها المهنية ، قدمت العديد من المشاريع القائمة على التحليلات لمختلف الصناعات مثل البنوك والتأمين والاتصالات والقطاع العام. تم دمج معرفتها بالطرق الإحصائية المتقدمة والتعلم الآلي جيدًا مع فطنة الأعمال. لقد جلبت التطورات الحديثة في مجال الذكاء الاصطناعي لخلق قيمة للعملاء.
- 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/philips-accelerates-development-of-ai-enabled-healthcare-solutions-with-an-mlops-platform-built-on-amazon-sagemaker/
- :لديها
- :يكون
- :ليس
- :أين
- $ UP
- 1
- 100
- 12
- 120
- 2014
- 2024
- 7
- 87
- a
- القدرة
- ماهرون
- من نحن
- تسريع
- يسرع
- الوصول
- الوصول إلى البيانات
- الوصول
- يمكن الوصول
- المساءلة
- الحسابات
- دقة
- دقيق
- تحقق
- في
- فعالة
- بنشاط
- أنشطة
- فطنة
- إضافة
- إضافي
- التزام
- مشرف
- إدارة
- إداري
- تبنى
- تبني
- متقدم
- التطورات
- ضد
- AI
- AI / ML
- تهدف
- التنبيهات
- خوارزمية
- خوارزميات
- الكل
- تخصيص
- تخصيص
- السماح
- السماح
- يسمح
- سابقا
- أيضا
- أمازون
- الأمازون SageMaker
- أمازون ويب سيرفيسز
- من بين
- كمية
- an
- تحليلات
- تحليل
- تحليل
- و
- واجهات برمجة التطبيقات
- تطبيق
- التطبيقات
- نهج
- من وزارة الصحة
- هندسة معمارية
- هي
- المناطق
- مصطنع
- الذكاء الاصطناعي
- الذكاء الاصطناعي (منظمة العفو الدولية)
- AS
- الأصول
- ممتلكات
- تعيين
- أسوشيتد
- توكيد
- At
- التدقيق
- التدقيق
- التحقّق من المُستخدم
- أتمتة
- الآلي
- تلقائيا
- أتمتة
- أتمتة
- توفر
- متاح
- المتوسط
- طيران
- تجنب
- AWS
- الخدمات المهنية AWS
- الى الخلف
- خلفية
- موازنة
- البنوك والمصارف
- قاعدة
- على أساس
- BE
- كان
- سلوك
- المقارنة
- الاستفادة
- أفضل
- أفضل الممارسات
- ما بين
- Beyond
- انحياز
- التحيزات
- الفواتير
- المدونة
- مخطط
- زيادة
- تعزيز
- على حد سواء
- الاختناقات
- مخالفات
- يجلب
- واسع
- ميزانية
- الميزانيات
- علة
- نساعدك في بناء
- ابني
- بنيت
- الأعمال
- لكن
- by
- دعوة
- CAN
- قدرات
- الطاقة الإنتاجية
- بطاقات
- يهمني
- التوظيف
- حذر
- حقيبة
- الحالات
- الأقسام
- مراكز
- مركزي
- مركزية
- الشهادات
- التحديات
- بطل
- التغييرات
- تهمة
- كلاسيكي
- عميل
- سريري
- التجارب السريرية
- الأطباء
- عن كثب
- سحابة
- الحوسبة السحابية
- البنية التحتية السحابية
- الكود
- قاعدة التعليمات البرمجية
- البرمجة
- للاتعاون
- متعاون
- الجمع بين
- يأتي
- الالتزامات
- مشترك
- مجتمع
- الشركات
- حول الشركة
- مجمع
- الالتزام
- متوافقة
- معقد
- عنصر
- مكونات
- شامل
- تتألف
- الحسابية
- إحصاء
- الكمبيوتر
- رؤية الكمبيوتر
- الحوسبة
- حول
- يخلص
- إجراء
- متصل
- نظر
- الاعتبارات
- نظرت
- وعاء
- يحتوي
- سياق الكلام
- استمر
- متواصل
- بشكل متواصل
- متصلة
- مراقبة
- ضوابط
- جوهر
- التكلفة
- ادارة التكاليف
- وفورات في التكاليف
- التكاليف
- تغطية
- خلق
- خلق القيمة
- خلق
- خلق
- خلق
- حرج
- فرق متعددة الوظائف
- حاسم
- من تنسيق
- حالياًّ
- حاليا
- على
- زبون
- تجربة العملاء
- حلول العملاء
- العملاء
- تصميم
- دورة
- دورات
- البيانات
- خرق البيانات
- مراكز البيانات
- تبادل البيانات
- إدارة البيانات
- تحضير البيانات
- معالجة المعلومات
- علم البيانات
- عالم البيانات
- أمن البيانات
- تعتمد على البيانات
- قواعد البيانات
- أيام
- مخصصة
- إخلاص
- عميق
- التعلم العميق
- حدد
- تحديد
- مؤجل
- نقل
- تم التوصيل
- تقديم
- الطلب
- مطالب
- التظاهر
- نشر
- نشر
- نشر
- نشر
- وصف
- تصميم
- تصميم
- تصميم
- مفصلة
- كشف
- تطوير
- المتقدمة
- المطور
- المطورين
- تطوير
- التطوير التجاري
- تشخيصي
- التصوير التشخيصي
- التشخيص
- مختلف
- صعبة
- اكتشف
- بحث
- الأمراض
- خامد
- توزيع
- عدة
- أطباء
- وثيقة
- توثيق
- نطاق
- المجالات
- فعل
- إلى أسفل
- الوقت الضائع
- عشرات
- قيادة
- مدفوع
- السائقين
- قيادة
- اثنان
- أثناء
- حيوي
- في وقت مبكر
- أسهل
- بسهولة
- النظام الإيكولوجي
- حافة
- على نحو فعال
- كفاءة
- فعال
- بكفاءة
- جهود
- إما
- عناصر
- شرعت
- تضمين
- التقمص العاطفي
- تمكين
- تمكين
- تمكن
- تمكين
- التشفير
- النهاية
- النهائي إلى نهاية
- المساعي
- اشتباك
- مهندس
- الهندسة
- المهندسين
- تعزيز
- تعزيز
- التحسينات
- يعزز
- ضمان
- يضمن
- ضمان
- مشروع
- حماسة
- كامل
- البيئة
- البيئات
- خطأ
- خاصة
- أساسي
- تقييم
- تقييم
- حتى
- أحداث
- في النهاية
- كل
- واضح
- تطور
- مثال
- أمثلة
- ممتاز
- تبادل
- القائمة
- متوقع
- الخبره في مجال الغطس
- تمكنت
- خبرة
- تجربة
- تجارب
- اكتشف
- تمديد
- واسع
- استخراج
- الوجه
- يسهل
- الإنصاف
- مألوف
- للعائلات
- FAST
- أسرع
- الميزات
- المميزات
- ردود الفعل
- الشكل
- قم بتقديم
- نهائي
- تمويل
- الاسم الأول
- تركز
- ركز
- متابعيك
- في حالة
- هائل
- إلى الأمام
- تعزيز
- دورة تأسيسية
- مجزأة
- الإطار
- صريح
- الاصدقاء
- تبدأ من
- وقود
- بالإضافة إلى
- تماما
- وظائف
- أساسي
- إضافي
- علاوة على ذلك
- مستقبل
- جيل
- توليدي
- الذكاء الاصطناعي التوليدي
- GitHub جيثب:
- معطى
- العالمية
- Go
- خير
- الحكم
- الحكم
- يحكم
- وحدات معالجة الرسومات
- أكبر
- أرض
- النمو
- متزايد
- توجيه
- موجه
- مقبض
- ظفيرة
- تسخير
- يملك
- وجود
- he
- صحة الإنسان
- النظم الصحية
- الرعاية الصحية
- الرعاية الصحية الصناعة
- مساعدة
- ساعد
- مساعدة
- يساعد
- لها
- مرتفع
- أداء عالي
- ويبرز
- جدا
- نفسه
- له
- تاريخ
- عقد
- أفقيا
- ساعة
- كيفية
- لكن
- HPC
- HTML
- HTTP
- HTTPS
- الانسان
- محدد
- تحديد
- تحديد
- هوية
- الخمول
- يوضح
- صورة
- صور
- التصوير
- التأثير
- صيغة الامر
- تنفيذ
- نفذت
- تحقيق
- أهمية
- تحسن
- تحسينات
- تحسين
- in
- تتضمن
- يشمل
- بما فيه
- الشمولية
- في ازدياد
- من مؤشرات
- فرد
- الصناعات
- العالمية
- معايير الصناعة
- عدم الكفاءة
- معلومات
- البنية التحتية
- في البداية
- الابتكار
- الابتكار
- استراتيجية الابتكار
- مبتكرة
- إدخال
- رؤى
- إلهام
- مثل
- بدلًا من ذلك
- التأمين
- دمج
- المتكاملة
- التكامل
- التكاملات
- رؤيتنا
- السطح البيني
- واجهات
- داخلي
- Internet
- التوافقية
- ترجمة
- التدخلات
- إلى
- تنطوي
- المشاركة
- مشاركة
- ايرينا
- معزول
- عزل
- مسائل
- IT
- تكرير
- انها
- وظيفة
- مشترك
- رحلة
- JPG
- احتفظ
- القفل
- المعرفة
- مختبر
- وصفها
- نقص
- أجهزة الكمبيوتر المحمولة
- كبير
- كمون
- إطلاق
- طبقة
- قيادة
- زعيم
- قيادة
- تعلم
- تعلم
- شروط وأحكام
- إطار قانوني
- أقل
- مستوى
- الرافعة المالية
- روافع
- يكمن
- الحياة
- علم الحياة
- علوم الحياة
- دورة حياة
- مثل
- حدود
- نسب
- خطوط
- حي
- حياة
- تحميل
- محلي
- المواقع
- سجل
- تسجيل
- أبحث
- يحب
- آلة
- آلة التعلم
- صنع
- يمكن الحفاظ عليها
- الحفاظ على
- تحتفظ
- صيانة
- جعل
- يصنع
- القيام ب
- إدارة
- تمكن
- إدارة
- أدوات إدارة
- مدير
- إدارة
- إلزامي
- أسلوب
- كتيب
- تصنيع
- كثير
- تجارة
- نضج
- ذات مغزى
- الإجراءات
- آليات
- طبي
- تعرف علي
- الأعضاء
- البيانات الوصفية
- طرق
- متري
- ملايين
- أدنى
- ML
- MLOps
- نموذج
- عارضات ازياء
- وحدات
- مراقبة
- مراقبة
- مراقبة
- الأكثر من ذلك
- خطوة
- التصوير بالرنين المغناطيسي
- متعدد
- كثرة
- يجب
- محلي
- الطبيعة
- ضروري
- حاجة
- إحتياجات
- الشبكات
- جديد
- مستخدمون جدد
- التالي
- لا
- مفكرة
- ملاحظة
- الإخطارات
- الآن
- عدد
- موضوع
- كشف الكائن
- أهداف
- of
- الوهب
- عروض
- on
- على متن
- مرة
- ONE
- جارية
- جاكيت
- المصدر المفتوح
- تعمل
- تشغيل
- عمليات
- الفرص
- الأمثل
- التحسين
- الأمثل
- الأمثل
- تحسين
- or
- صحة الفم
- طلب
- منظمة
- المنظمات
- منظم
- أخرى
- أخرى
- لنا
- النتائج
- الخطوط العريضة
- في الخارج
- على مدى
- الكلي
- الإشراف
- كاتوا ديلز
- موازية
- جزء
- الشريكة
- شراكة
- شركاء
- يمر
- الماضي
- المريض
- المرضى
- دفع
- مجتمع
- الشعب
- إلى
- أداء
- أذونات
- الشخصية
- مخصصه
- الرائد
- خط أنابيب
- المكان
- المنصة
- منصات التداول
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- تستعد
- سياسة
- قابلية التنقل
- طرح
- إيجابي
- منشور
- محتمل
- قوة
- قوي
- الممارسات
- حاجة
- تنبأ
- المفضل
- إعداد
- أعدت
- الحفاظ على
- الضغط
- منع
- رئيسي
- خصوصية
- استباقية
- مشاكل
- الإجراءات
- عملية المعالجة
- العمليات
- معالجة
- المنتج
- ادارة المنتج
- الإنتــاج
- إنتاجية
- المنتجات
- محترف
- البرنامج
- تنفيذ المشاريع
- بيانات المشروع
- مشروع ناجح
- وعود
- تعزيز
- الملكية
- بروتوكول
- تزود
- المقدمة
- مقدمي
- ويوفر
- توفير
- جمهور
- أغراض
- جودة
- الاستفسارات
- سريع
- سباق
- نطاق
- تتراوح
- بسرعة
- نادي القراءة
- استعداد
- العالم الحقيقي
- في الوقت الحقيقي
- تسلم
- الأخيرة
- نوصي
- ساندي خ. ميليك
- عقار مخفض
- تقليص
- سجل
- ما هو مقنن
- قوانين
- المنظمين
- التدقيق المطلوب
- ذات صلة
- الافراج عن
- إطلاق
- الموثوقية
- الخدمة الموثوقة
- عن بعد
- تقرير
- التقارير
- مستودع
- طلب
- مطلوب
- المتطلبات الأساسية
- يتطلب
- بحث
- البحث والتطوير
- مورد
- الموارد
- استجابة
- النتائج
- قابلة لإعادة الاستخدام
- التعليقات
- ثور
- صارم
- المخاطرة
- المخاطر
- قوي
- النوع
- الأدوار
- يجري
- تشغيل
- التضحية
- sagemaker
- إنقاذ
- مدخرات
- التدرجية
- تحجيم
- حجم
- علوم
- علوم
- عالم
- العلماء
- سلس
- بسلاسة
- الثاني
- أقسام
- القطاع
- تأمين
- أمن
- تدقيقات الأمن
- التدابير الأمنية
- كبير
- مستقل
- خدمة
- لمرضى
- يخدم
- الخدمة
- خدماتنا
- طقم
- باكجات
- ضبط
- عدة
- مشاركة
- هي
- نقل
- ينبغي
- التفضيل
- أظهرت
- غلق
- غلق
- بشكل ملحوظ
- الاشارات
- تبسيط
- منذ
- سمارت
- So
- تطبيقات الكمبيوتر
- هندسة البرمجيات
- حل
- الحلول
- بعض
- مصدر
- مصادر
- توتر
- يمتد
- قيادة
- متخصص
- محدد
- على وجه التحديد
- مواصفة
- سرعة
- أنفق
- الإنفاق
- التموج
- انطلاق
- المعايير
- المدرجات
- بداية
- يبدأ
- البدء
- دولة من بين الفن
- إحصائي
- إحصائيات
- إقامة
- تخزين
- متجر
- فروعنا
- تخزين
- صريح
- إستراتيجي
- استراتيجيات
- الإستراتيجيات
- خطوات
- سعي
- قوي
- بناء
- منظم
- ستوديو
- تحقيق النجاح
- هذه
- جناح
- الدعم
- بالتأكيد
- عرض
- نظام
- أنظمة
- تناسب
- أخذ
- المهام
- فريق
- أعضاء الفريق
- فريق
- التكنولوجيا
- تقني
- التكنولوجيا
- تكنولوجيا
- شركة الاتصالات
- الرعاية الصحية عن بعد
- النماذج
- سياسة الحجب وتقييد الوصول
- تجربه بالعربي
- الاختبار
- من
- أن
- •
- المستقبل
- من مشاركة
- منهم
- then
- هناك.
- وبالتالي
- تشبه
- هم
- الثالث
- طرف ثالث
- ثلاثة
- عتبة
- عبر
- طوال
- الوقت
- استهلاك الوقت
- في حينه
- مرات
- إلى
- سويا
- أدوات
- نحو
- التتبع
- مسار
- تتبع الشحنة
- قطار
- متدرب
- قادة الإيمان
- تحول
- انتقال
- الانتقالات
- الشفافية
- السفر
- علاج
- محاكمات
- حقا
- أنواع
- عادة
- في النهاية
- غير مصرح
- فهم
- غير متوقع
- موحد
- فريد من نوعه
- تميز
- الوحدات
- الجامعات
- إطلاق العنان
- لا نظير له
- غير المستخدمة
- آخر التحديثات
- ترقيات
- بناء على
- تستخدم
- حالة الاستخدام
- مستعمل
- المستخدمين
- يستخدم
- استخدام
- تستخدم
- استخدام
- التحقق من صحة
- التحقق من صحة
- القيمة
- قيمنا
- تشكيلة
- مختلف
- كبير
- الإصدار
- عموديا
- جدا
- بواسطة
- المزيد
- عمليا
- رؤيتنا
- قم بزيارتنا
- بصري
- حجم
- تطوع
- وكان
- we
- الويب
- خدمات ويب
- أسابيع
- حسن
- كان
- متى
- التي
- في حين
- من الذى
- واسع
- مدى واسع
- سوف
- مع
- في غضون
- بدون
- للعمل
- سير العمل
- سير العمل
- عامل
- في جميع أنحاء العالم
- سنوات
- أسفرت
- زفيرنت
- المناطق