الذكاء الاصطناعي التوليدي (الذكاء الاصطناعي التوليدي) أثبتت النماذج قدرات رائعة في إنشاء نصوص وصور ومحتويات أخرى عالية الجودة. ومع ذلك، تتطلب هذه النماذج كميات هائلة من بيانات التدريب النظيفة والمنظمة للوصول إلى إمكاناتها الكاملة. توجد معظم بيانات العالم الحقيقي في تنسيقات غير منظمة مثل ملفات PDF، الأمر الذي يتطلب معالجة مسبقة قبل أن يمكن استخدامها بفعالية.
وفقًا IDCتمثل البيانات غير المنظمة أكثر من 80% من جميع بيانات الأعمال اليوم. يتضمن ذلك تنسيقات مثل رسائل البريد الإلكتروني وملفات PDF والمستندات الممسوحة ضوئيًا والصور والصوت والفيديو والمزيد. وفي حين أن هذه البيانات تحمل رؤى قيمة، فإن طبيعتها غير المنظمة تجعل من الصعب على خوارزميات الذكاء الاصطناعي تفسيرها والتعلم منها. وفقا ل استطلاع عام 2019 من قبل شركة ديلويت، أفادت 18٪ فقط من الشركات أنها قادرة على الاستفادة من البيانات غير المنظمة.
مع استمرار تسارع اعتماد الذكاء الاصطناعي، يصبح تطوير آليات فعالة لاستيعاب البيانات غير المنظمة والتعلم منها أكثر أهمية في المستقبل. وقد يتضمن ذلك أدوات معالجة مسبقة أفضل، وتقنيات تعلم شبه خاضعة للإشراف، وإحراز تقدم في معالجة اللغة الطبيعية. الشركات التي تستخدم بياناتها غير المنظمة بشكل أكثر فعالية سوف تكتسب مزايا تنافسية كبيرة من الذكاء الاصطناعي. البيانات النظيفة مهمة لأداء النموذج الجيد. لا تزال النصوص المستخرجة تحتوي على كميات كبيرة من النصوص غير المفهومة والنص المعياري (على سبيل المثال، قراءة HTML). غالبًا ما تحتوي البيانات المسروقة من الإنترنت على الكثير من التكرارات. يمكن أيضًا أن تحتوي البيانات الواردة من وسائل التواصل الاجتماعي أو المراجعات أو أي محتويات أنشأها المستخدم على محتويات سامة ومتحيزة، وقد تحتاج إلى تصفيتها باستخدام بعض خطوات المعالجة المسبقة. يمكن أن يكون هناك أيضًا الكثير من المحتويات منخفضة الجودة أو النصوص التي تم إنشاؤها بواسطة الروبوتات، والتي يمكن تصفيتها باستخدام البيانات الوصفية المصاحبة (على سبيل المثال، تصفية استجابات خدمة العملاء التي حصلت على تقييمات منخفضة للعملاء).
يعد إعداد البيانات أمرًا مهمًا في مراحل متعددة في عملية الاسترجاع المعزز (RAG) عارضات ازياء. تحتاج مستندات مصدر المعرفة إلى معالجة مسبقة، مثل تنظيف النص وإنشاء التضمينات الدلالية، بحيث يمكن فهرستها واسترجاعها بكفاءة. يتطلب استعلام اللغة الطبيعية للمستخدم أيضًا معالجة مسبقة، بحيث يمكن ترميزه في ناقل ومقارنته بتضمينات المستند. بعد استرداد السياقات ذات الصلة، قد تحتاج إلى معالجة مسبقة إضافية، مثل الاقتطاع، قبل أن يتم ربطها باستعلام المستخدم لإنشاء الموجه النهائي للنموذج الأساسي. قماش أمازون سيج ميكر يدعم الآن إمكانات إعداد البيانات الشاملة التي تدعمها أمازون سيج ميكر داتا رانجلر. ومن خلال هذا التكامل، يوفر SageMaker Canvas للعملاء مساحة عمل شاملة بدون تعليمات برمجية لإعداد البيانات وإنشاء نماذج تعلم الآلة والأساسات واستخدامها لتسريع الوقت من البيانات إلى رؤى الأعمال. يمكنك الآن اكتشاف البيانات وتجميعها بسهولة من أكثر من 50 مصدرًا للبيانات، واستكشاف البيانات وإعدادها باستخدام أكثر من 300 تحليل وتحويل مدمج في الواجهة المرئية لـ SageMaker Canvas.
حل نظرة عامة
في هذا المنشور، نعمل مع مجموعة بيانات وثائق PDF—أمازون بيدروك دليل المستخدم. علاوة على ذلك، نعرض كيفية المعالجة المسبقة لمجموعة بيانات لـ RAG. على وجه التحديد، نقوم بتنظيف البيانات وإنشاء عناصر RAG للإجابة على الأسئلة المتعلقة بمحتوى مجموعة البيانات. ضع في اعتبارك مشكلة التعلم الآلي (ML) التالية: يسأل المستخدم سؤال نموذج اللغة الكبير (LLM): "كيفية تصفية النماذج والبحث عنها في Amazon Bedrock؟". لم تطلع LLM على الوثائق أثناء مرحلة التدريب أو الضبط الدقيق، وبالتالي لن تتمكن من الإجابة على السؤال وعلى الأرجح ستصاب بالهلوسة. هدفنا من هذا المنشور هو العثور على جزء نصي ذي صلة من ملف PDF (أي RAG) وإرفاقه بالموجه، وبالتالي تمكين LLM من الإجابة على الأسئلة الخاصة بهذه الوثيقة.
نعرض أدناه كيف يمكنك القيام بكل خطوات المعالجة المسبقة الرئيسية هذه من قماش أمازون سيج ميكر (مشغل بواسطة أمازون سيج ميكر داتا رانجلر):
- استخراج النص من مستند PDF (مدعوم من Texttract)
- إزالة المعلومات الحساسة (مدعوم من Comprehend)
- قطع النص إلى أجزاء.
- قم بإنشاء التضمينات لكل قطعة (مدعوم من Bedrock).
- تحميل التضمين إلى قاعدة بيانات متجهة (مدعوم من OpenSearch)
المتطلبات الأساسية المسبقة
لهذه الإرشادات ، يجب أن يكون لديك ما يلي:
ملاحظات: قم بإنشاء مجالات خدمة OpenSearch باتباع التعليمات هنا. من أجل التبسيط، دعنا نختار الخيار باستخدام اسم مستخدم وكلمة مرور رئيسيين للتحكم الدقيق في الوصول. بمجرد إنشاء المجال، قم بإنشاء فهرس متجه بالتعيينات التالية، ومحاذاة البعد المتجه 1536 مع تضمينات Amazon Titan:
تجول
بناء تدفق البيانات
في هذا القسم، نغطي كيف يمكننا إنشاء تدفق بيانات لاستخراج النص والبيانات التعريفية من ملفات PDF، وتنظيف البيانات ومعالجتها، وإنشاء عمليات التضمين باستخدام Amazon Bedrock، وفهرسة البيانات في Amazon OpenSearch.
قم بتشغيل SageMaker Canvas
لتشغيل SageMaker Canvas، أكمل الخطوات التالية:
- في منطقة الأمازون وحدة تحكم SageMaker، اختر المجالات في جزء التنقل.
- اختر المجال الخاص بك.
- في قائمة التشغيل، اختر لوحة جدارية (لوحة كانفس).
إنشاء تدفق البيانات
أكمل الخطوات التالية لإنشاء تدفق بيانات في SageMaker Canvas:
- في الصفحة الرئيسية لـ SageMaker Canvas، اختر داتا رانجلر.
- اختار إنشاء على الجانب الأيمن من الصفحة، ثم أدخل اسمًا لتدفق البيانات وحدد إنشاء.
- سيهبط هذا على صفحة تدفق البيانات.
- اختار تواريخ الاستيراد، حدد البيانات الجدولية.
لنقوم الآن باستيراد البيانات من حاوية Amazon S3:
- اختار تواريخ الاستيراد وحدد مجدول من القائمة المنسدلة.
- مصدر البيانات وحدد الأمازون S3 من القائمة المنسدلة.
- انتقل إلى ملف البيانات التعريفية مع مواقع ملفات PDF، واختر الملف.
- يتم الآن تحميل ملف البيانات التعريفية إلى تدفق بيانات إعداد البيانات، ويمكننا المتابعة لإضافة الخطوات التالية لتحويل البيانات والفهرس إلى Amazon أوبن سيرش. في هذه الحالة، يحتوي الملف على البيانات التعريفية التالية، مع موقع كل ملف في دليل Amazon S3.
لإضافة تحويل جديد ، أكمل الخطوات التالية:
- اختر علامة الجمع واختر أضف التحويل.
- اختار أضف خطوة واختر تحويل مخصص.
- يمكنك إنشاء تحويل مخصص باستخدام وظائف Pandas وPySpark وPython المعرفة وSQL PySpark. يختار بايثون (PySpark) لحالة الاستخدام هذه.
- أدخل اسمًا للخطوة. من مقتطفات التعليمات البرمجية النموذجية، تصفح وحدد استخراج النص من ملف pdf. قم بإجراء التغييرات اللازمة على مقتطف التعليمات البرمجية وحدد أضف.
- دعونا نضيف خطوة لتنقيح بيانات معلومات التعريف الشخصية (PII) من البيانات المستخرجة من خلال الاستفادة من فهم الأمازون. أختر أضف خطوة واختر تحويل مخصص. وحدد بايثون (باي سبارك).
من مقتطفات التعليمات البرمجية النموذجية، تصفح وحدد قناع تحديد الهوية الشخصية. قم بإجراء التغييرات اللازمة على مقتطف التعليمات البرمجية وحدد إضافة.
- الخطوة التالية هي تقسيم محتوى النص. يختار أضف خطوة واختر تحويل مخصص. وحدد بايثون (باي سبارك).
من مقتطفات التعليمات البرمجية النموذجية، تصفح وحدد نص قطعة. قم بإجراء التغييرات اللازمة على مقتطف التعليمات البرمجية وحدد إضافة.
- لنقم بتحويل محتوى النص إلى تضمينات متجهة باستخدام ملف أمازون بيدروك نموذج تيتان Embeddings. يختار أضف خطوة واختر تحويل مخصص. وحدد بايثون (باي سبارك).
من مقتطفات التعليمات البرمجية النموذجية، تصفح وحدد إنشاء تضمين نص باستخدام Bedrock. قم بإجراء التغييرات اللازمة على مقتطف التعليمات البرمجية وحدد إضافة.
- الآن لدينا عمليات تضمين متجهة متاحة لمحتويات ملف PDF. فلنمضي قدمًا ونفهرس البيانات في Amazon OpenSearch. يختار أضف خطوة واختر تحويل مخصص. وحدد بايثون (باي سبارك). لك مطلق الحرية في إعادة كتابة الكود التالي لاستخدام قاعدة بيانات المتجهات المفضلة لديك. من أجل البساطة، نحن نستخدم اسم المستخدم وكلمة المرور الرئيسيين للوصول إلى OpenSearch API، وبالنسبة لأحمال عمل الإنتاج، حدد الخيار وفقًا لسياسات مؤسستك.
وأخيرًا، سيكون تدفق البيانات الذي تم إنشاؤه كما يلي:
باستخدام تدفق البيانات هذا، تمت قراءة البيانات من ملف PDF وفهرستها باستخدام عمليات تضمين المتجهات في Amazon OpenSearch. حان الوقت الآن لإنشاء ملف يحتوي على استعلامات للاستعلام عن البيانات المفهرسة وحفظها في موقع Amazon S3. سنقوم بتوجيه تدفق بيانات البحث إلى الملف وإخراج ملف بالنتائج المقابلة في ملف جديد في موقع Amazon S3.
إعداد موجه
بعد أن نقوم بإنشاء قاعدة معرفية من ملف PDF الخاص بنا، يمكننا اختبارها من خلال البحث في قاعدة المعرفة عن بعض نماذج الاستعلامات. سنقوم بمعالجة كل استعلام على النحو التالي:
- إنشاء تضمين للاستعلام (مدعوم من Amazon Bedrock)
- قاعدة بيانات متجهات الاستعلام لأقرب سياق مجاور (مدعوم بواسطة Amazon OpenSearch)
- دمج الاستعلام والسياق في الموجه.
- استعلام LLM مع موجه (مدعوم من Amazon Bedrock)
- في الصفحة الرئيسية لـ SageMaker Canvas، اختر إعداد البيانات.
- اختار إنشاء على الجانب الأيمن من الصفحة، ثم أدخل اسمًا لتدفق البيانات وحدد إنشاء.
لنقم الآن بتحميل أسئلة المستخدم ثم إنشاء مطالبة من خلال دمج السؤال والمستندات المشابهة. يتم تقديم هذه المطالبة إلى LLM لإنشاء إجابة لسؤال المستخدم.
- لنقم بتحميل ملف CSV بأسئلة المستخدم. يختار استيراد البيانات وحدد مجدول من القائمة المنسدلة.
- مصدر البيانات، وحدد الأمازون S3 من القائمة المنسدلة. وبدلاً من ذلك، يمكنك اختيار تحميل ملف يتضمن استعلامات المستخدم.
- دعونا نضيف تحويلاً مخصصًا لتحويل البيانات إلى عمليات تضمين متجهة، متبوعة بالبحث في عمليات التضمين ذات الصلة من Amazon OpenSearch، قبل إرسال مطالبة إلى Amazon Bedrock مع الاستعلام والسياق من قاعدة المعرفة. لإنشاء تضمينات للاستعلام، يمكنك استخدام نفس مقتطف التعليمات البرمجية للمثال إنشاء تضمين نص باستخدام Bedrock المذكورة في الخطوة رقم 7 أعلاه.
لنستدعي واجهة برمجة تطبيقات Amazon OpenSearch للبحث في المستندات ذات الصلة عن عمليات تضمين المتجهات التي تم إنشاؤها. أضف تحويلًا مخصصًا باستخدام Python (PySpark).
لنقم بإضافة تحويل مخصص لاستدعاء Amazon Bedrock API للاستجابة للاستعلام، وتمرير المستندات من قاعدة معارف Amazon OpenSearch. من مقتطفات التعليمات البرمجية النموذجية، تصفح وحدد الاستعلام الأساس مع السياق. قم بإجراء التغييرات اللازمة على مقتطف التعليمات البرمجية وحدد إضافة.
باختصار، يكون تدفق البيانات الذي يجيب على الأسئلة المستندة إلى RAG كما يلي:
يقضي ممارسو تعلم الآلة الكثير من الوقت في صياغة كود هندسة الميزات، وتطبيقه على مجموعات البيانات الأولية الخاصة بهم، ونماذج التدريب على مجموعات البيانات الهندسية، وتقييم دقة النموذج. ونظرًا للطبيعة التجريبية لهذا العمل، فحتى أصغر مشروع يؤدي إلى تكرارات متعددة. غالبًا ما يتم تشغيل نفس كود هندسة الميزات مرارًا وتكرارًا، مما يؤدي إلى إضاعة الوقت والموارد الحسابية في تكرار نفس العمليات. في المؤسسات الكبيرة، يمكن أن يتسبب ذلك في خسارة أكبر للإنتاجية نظرًا لأن الفرق المختلفة غالبًا ما تقوم بتشغيل وظائف متطابقة أو حتى كتابة كود هندسي مكرر للميزات لأنه ليس لديهم معرفة بالعمل السابق. لتجنب إعادة معالجة الميزات، سنقوم بتصدير تدفق البيانات الخاص بنا إلى Amazon خط أنابيب سيج ميكر. دعونا نختار + زر على يمين الاستعلام. حدد تصدير تدفق البيانات واختر قم بتشغيل خط أنابيب SageMaker (عبر دفتر Jupyter).
تنظيف
لتجنب تكبد رسوم في المستقبل ، احذف أو أغلق الموارد التي أنشأتها أثناء متابعة هذا المنشور. تشير إلى تسجيل الخروج من Amazon SageMaker Canvas لمزيد من التفاصيل.
وفي الختام
في هذا المنشور، أوضحنا لك كيفية استخدام القدرات الشاملة لـ Amazon SageMaker Canvas من خلال تولي دور محترف البيانات الذي يقوم بإعداد البيانات للحصول على شهادة LLM. أتاح إعداد البيانات التفاعلية إمكانية تنظيف البيانات وتحويلها وتحليلها بسرعة لتصميم ميزات إعلامية. ومن خلال إزالة تعقيدات البرمجة، سمحت SageMaker Canvas بالتكرار السريع لإنشاء مجموعة بيانات تدريب عالية الجودة. أدى سير العمل المتسارع هذا مباشرة إلى بناء نموذج تعلم آلي عالي الأداء وتدريبه ونشره لإحداث تأثير على الأعمال. بفضل إعداده الشامل للبيانات وخبرته الموحدة بدءًا من البيانات وحتى الرؤى، يعمل SageMaker Canvas على تمكين المستخدمين من تحسين نتائج تعلمهم الآلي.
نحن نشجعك على تعلم المزيد من خلال الاستكشاف أمازون سيج ميكر داتا رانجلر, قماش أمازون سيج ميكر, أمازون تيتان النماذج، أمازون بيدروكوأمازون خدمة OpenSearch لبناء حل باستخدام نموذج التنفيذ المقدم في هذا المنشور ومجموعة البيانات ذات الصلة بعملك. إذا كان لديك أسئلة أو اقتراحات، يرجى ترك تعليق.
حول المؤلف
أججاي جوفيندارام هو مهندس حلول أول في AWS. يعمل مع العملاء الاستراتيجيين الذين يستخدمون الذكاء الاصطناعي / تعلم الآلة لحل مشاكل الأعمال المعقدة. تكمن خبرته في تقديم التوجيه الفني بالإضافة إلى المساعدة في التصميم لعمليات نشر تطبيقات الذكاء الاصطناعي / التعلم الآلي المتواضعة إلى الواسعة النطاق. تتراوح معرفته من هندسة التطبيقات إلى البيانات الضخمة والتحليلات والتعلم الآلي. إنه يستمتع بالاستماع إلى الموسيقى أثناء الراحة ، وتجربة الهواء الطلق ، وقضاء الوقت مع أحبائه.
نيكيتا ايفكين هو عالم تطبيقي أقدم في Amazon SageMaker Data Wrangler وله اهتمامات في التعلم الآلي وخوارزميات تنظيف البيانات.
- 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/simplify-data-prep-for-gen-ai-with-amazon-sagemaker-data-wrangler/
- :لديها
- :يكون
- :ليس
- 100
- 14
- 20
- 25
- 28
- 50
- 7
- 8
- 804
- a
- ماهرون
- من نحن
- فوق
- تسريع
- معجل
- الوصول
- وفقا
- الحسابات
- دقة
- تضيف
- إضافي
- تبني
- السلف
- مميزات
- مزايا
- بعد
- مرة أخرى
- مجموع
- قدما
- AI
- AI / ML
- خوارزميات
- يحاذي
- الكل
- سمح
- أيضا
- أمازون
- الأمازون SageMaker
- أمازون سيج ميكر داتا رانجلر
- أمازون ويب سيرفيسز
- المبالغ
- an
- تحليل
- تحليلات
- تحليل
- و
- إجابة
- أي وقت
- API
- تطبيق
- تطبيقي
- تطبيق
- هندسة معمارية
- هي
- مصطنع
- الذكاء الاصطناعي
- AS
- مساعدة
- At
- يرفق
- سمعي
- المعزز
- متاح
- تجنب
- AWS
- قاعدة
- على أساس
- BE
- لان
- يصبح
- كان
- قبل
- يجري
- أفضل
- انحيازا
- كبير
- البيانات الكبيرة
- نساعدك في بناء
- ابني
- مدمج
- الأعمال
- الأعمال
- زر
- by
- دعوة
- CAN
- قماش
- قدرات
- حقيبة
- سبب
- التغييرات
- اسعارنا محددة من قبل وزارة العمل
- اختار
- نظيف
- سوائل التنظيف
- الكود
- البرمجة
- الجمع بين
- التعليق
- الشركات
- مقارنة
- تنافسي
- إكمال
- مجمع
- التعقيدات
- فهم
- شامل
- إحصاء
- نظر
- كنسولات
- تحتوي على
- يحتوي
- محتوى
- محتويات
- سياق الكلام
- السياقات
- تواصل
- مراقبة
- تحول
- المقابلة
- استطاع
- بهيكل
- خلق
- خلق
- حرج
- على
- زبون
- خدمة العملاء
- العملاء
- البيانات
- تحضير البيانات
- قاعدة البيانات
- قواعد البيانات
- ديلويت
- تظاهر
- نشر
- نشر
- تصميم
- تفاصيل
- تطوير
- مختلف
- صعبة
- بعد
- اتجاه
- مباشرة
- اكتشف
- do
- وثيقة
- توثيق
- وثائق
- نطاق
- المجالات
- إلى أسفل
- أثناء
- e
- كل
- بسهولة
- على نحو فعال
- فعال
- بكفاءة
- رسائل البريد الإلكتروني
- تضمين
- إمباورز
- تمكين
- تمكين
- شجع
- النهائي إلى نهاية
- مهندس
- مهندسة
- الهندسة
- تقييم
- حتى
- مثال
- موجود
- الخبره في مجال الغطس
- تعاني
- تجريبي
- اكتشف
- استكشاف
- تصدير
- استخراج
- الميزات
- المميزات
- قليل
- مجال
- قم بتقديم
- تصفية
- نهائي
- تدفق
- يتبع
- متابعيك
- متابعات
- في حالة
- الشرق الأوسط
- دورة تأسيسية
- أسس
- مجانًا
- تبدأ من
- بالإضافة إلى
- وظائف
- إضافي
- مستقبل
- ربح
- توليد
- ولدت
- توليد
- جيل
- توليدي
- الذكاء الاصطناعي التوليدي
- دولار فقط واحصل على خصم XNUMX% على جميع
- منح
- معطى
- العالمية
- Go
- هدف
- خير
- أكبر
- يملك
- he
- رؤوس
- عالي الجودة
- له
- يحمل
- الصفحة الرئيسية
- كيفية
- كيفية
- لكن
- HTML
- HTTPS
- i
- مطابق
- if
- صور
- التأثير
- التنفيذ
- استيراد
- أهمية
- مثير للإعجاب
- تحسن
- in
- يشمل
- مؤشر
- مفهرس
- معلومات
- بالمعلومات
- في البداية
- رؤى
- تعليمات
- التكامل
- رؤيتنا
- التفاعلية
- السريرية
- السطح البيني
- Internet
- إلى
- تنطوي
- IT
- تكرير
- التكرارات
- انها
- المشــاريــع
- JPG
- جسون
- المعرفة
- البلد
- لغة
- كبير
- على نطاق واسع
- إطلاق
- يؤدي
- تعلم
- تعلم
- يترك
- ليد
- الاستفادة من
- يكمن
- مثل
- قائمة
- استماع
- LLM
- تحميل
- موقع
- المواقع
- خسارة
- الكثير
- أحب
- منخفض
- آلة
- آلة التعلم
- الرئيسية
- جعل
- يصنع
- قناع
- هائل
- رئيسي
- مايو..
- آليات
- الوسائط
- القائمة
- مييتااا
- البيانات الوصفية
- ML
- نموذج
- عارضات ازياء
- متواضع
- الأكثر من ذلك
- أكثر
- متعدد
- موسيقى
- الاسم
- طبيعي
- معالجة اللغات الطبيعية
- الطبيعة
- قائمة الإختيارات
- ضروري
- حاجة
- جديد
- التالي
- لا
- مفكرة
- الآن
- of
- غالبا
- on
- مرة
- منها
- فقط
- عمليات
- خيار
- or
- منظمة
- المنظمات
- أخرى
- لنا
- خارج
- النتائج
- في الهواء الطلق
- الناتج
- على مدى
- صفحة
- الباندا
- خبز
- مرور
- كلمة المرور
- أداء
- الشخصية
- اختيار
- قطعة
- قطعة
- خط أنابيب
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- من فضلك
- المزيد
- البوينت
- سياسات الخصوصية والبيع
- منشور
- محتمل
- مدعوم
- المفضل
- إعداد
- إعداد
- قبل
- المحتمل
- المشكلة
- مشاكل
- والمضي قدما
- عملية المعالجة
- معالجة
- الإنتــاج
- إنتاجية
- محترف
- تنفيذ المشاريع
- HAS
- المقدمة
- ويوفر
- توفير
- بايثون
- الاستفسارات
- سؤال
- الأسئلة المتكررة
- بسرعة
- نطاقات
- سريع
- تقييمات
- الوصول
- عرض
- العالم الحقيقي
- تلقى
- الرجوع
- ذات صلة
- ذات الصلة
- إزالة
- وذكرت
- طلبات
- تطلب
- يتطلب
- الموارد
- استجابة
- ردود
- يستريح
- النتائج
- عائد أعلى
- التعليقات
- حق
- النوع
- يجري
- sagemaker
- نفسه
- حفظ
- عالم
- بحث
- البحث
- القسم
- رأيت
- حدد
- إرسال
- كبير
- حساس
- الخدمة
- خدماتنا
- إعدادات
- ينبغي
- إظهار
- أظهرت
- غلق
- غلق
- جانب
- إشارة
- هام
- مماثل
- بساطة
- تبسيط
- المقاس
- قصاصة
- So
- العدالة
- وسائل التواصل الاجتماعي
- حل
- الحلول
- حل
- بعض
- مصدر
- مصادر
- محدد
- على وجه التحديد
- أنفق
- الإنفاق
- المسرح
- مراحل
- خطوة
- خطوات
- لا يزال
- إستراتيجي
- منظم
- ملخص
- الدعم
- الدراسة الاستقصائية
- أخذ
- فريق
- تقني
- تقنيات
- تجربه بالعربي
- نص
- أن
- •
- المستقبل
- من مشاركة
- منهم
- then
- هناك.
- تشبه
- هم
- وهكذا
- الوقت
- عملاق
- إلى
- اليوم
- أدوات
- قادة الإيمان
- تحول
- تحول
- التحولات
- تحويل
- صحيح
- اقتطاع
- نوع
- أنواع
- موحد
- us
- تستخدم
- مستعمل
- مستخدم
- المستخدمين
- استخدام
- القيمة
- بواسطة
- فيديو
- بصري
- تجول
- we
- الويب
- خدمات ويب
- حسن
- التي
- في حين
- من الذى
- سوف
- مع
- للعمل
- سير العمل
- أعمال
- سوف
- اكتب
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- زفيرنت