يعد تحديد قيمة السكن مثالًا كلاسيكيًا لاستخدام التعلم الآلي (ML). كان لهاريسون وروبنفيلد (1978) تأثير كبير، إذ نشرا بحثًا رائدًا ومجموعة بيانات أصبحت تُعرف بشكل غير رسمي باسم مجموعة بيانات الإسكان في بوسطن. واقترح هذا العمل الأساسي طريقة لتقدير أسعار المساكن كدالة لأبعاد عديدة، بما في ذلك جودة الهواء، والتي كانت محور التركيز الرئيسي لأبحاثهم. وبعد مرور ما يقرب من 50 عامًا، أصبح تقدير أسعار المساكن أداة تعليمية مهمة للطلاب والمهنيين المهتمين باستخدام البيانات وتعلم الآلة في اتخاذ القرارات التجارية.
في هذا المنشور، نناقش استخدام نموذج مفتوح المصدر مصمم خصيصًا لمهمة الإجابة على الأسئلة المرئية (VQA). باستخدام VQA، يمكنك طرح سؤال حول صورة باستخدام لغة طبيعية والحصول على إجابة لسؤالك - أيضًا بلغة واضحة. هدفنا في هذا المنشور هو إلهام وإظهار ما هو ممكن باستخدام هذه التكنولوجيا. نقترح استخدام هذه الإمكانية مع الأمازون SageMaker منصة خدمات لتحسين دقة نموذج الانحدار في حالة استخدام تعلم الآلة، وبشكل مستقل، لوضع العلامات التلقائي على الصور المرئية.
نحن نقدم المقابلة فيديو يوتيوب وهذا يوضح ما تمت مناقشته هنا. سيبدأ تشغيل الفيديو في منتصف الطريق لتسليط الضوء على النقطة الأكثر بروزًا. نقترح عليك متابعة هذه القراءة بالفيديو لتعزيز واكتساب فهم أكثر ثراءً للمفهوم.
نماذج الأساس
يركز هذا الحل على استخدام نموذج الأساس المنشور في مستودع نماذج Hugging Face. وهنا نستخدم المصطلح نموذج الأساس لوصف قدرة الذكاء الاصطناعي (AI) التي تم تدريبها مسبقًا على مجموعة كبيرة ومتنوعة من البيانات. يمكن أن تكون النماذج الأساسية في بعض الأحيان جاهزة للاستخدام دون تحمل عبء تدريب النموذج من الصفر. يمكن ضبط بعض النماذج الأساسية بشكل دقيق، مما يعني تعليمهم أنماطًا إضافية ذات صلة بعملك ولكنها مفقودة من النموذج الأصلي المنشور المعمم. في بعض الأحيان تكون هناك حاجة إلى الضبط الدقيق لتقديم استجابات صحيحة فريدة لحالة الاستخدام أو مجموعة المعرفة الخاصة بك.
في مجلة وجه يعانق مستودع، هناك العديد من نماذج VQA للاختيار من بينها. لقد اخترنا النموذج الذي حصل على أكبر عدد من التنزيلات في وقت كتابة هذا التقرير. على الرغم من أن هذا المنشور يوضح القدرة على استخدام نموذج من مستودع نماذج مفتوح المصدر، إلا أن نفس المفهوم سينطبق على النموذج الذي قمت بتدريبه من الصفر أو استخدمته من مزود آخر موثوق به.
نهج حديث لحالة الاستخدام الكلاسيكية
يتم تقدير أسعار المنازل تقليديًا من خلال البيانات الجدولية حيث يتم استخدام ميزات العقار لتحديد السعر. على الرغم من أنه يمكن أن يكون هناك مئات من الميزات التي يجب أخذها في الاعتبار، إلا أن بعض الأمثلة الأساسية هي حجم المنزل في المساحة النهائية، وعدد غرف النوم والحمامات، وموقع السكن.
التعلم الآلي قادر على دمج مصادر إدخال متنوعة تتجاوز البيانات الجدولية، مثل الصوت والصور الثابتة والفيديو المتحرك واللغة الطبيعية. في منظمة العفو الدولية، هذا المصطلح متعدد الوسائط يشير إلى استخدام مجموعة متنوعة من أنواع الوسائط، مثل الصور والبيانات الجدولية. في هذا المقال، نعرض كيفية استخدام البيانات متعددة الوسائط للعثور على القيمة المخفية وتحريرها المحبوسة في العادم الرقمي الوفير الذي ينتجه عالم اليوم الحديث.
ومع أخذ هذه الفكرة بعين الاعتبار، قمنا بإظهار استخدام نماذج الأساس لاستخراج الميزات الكامنة من صور العقار. ومن خلال الاستفادة من الرؤى الموجودة في الصور، والتي لم تكن متوفرة سابقًا في البيانات الجدولية، يمكننا تحسين دقة النموذج. تم توفير ونشر كل من الصور والبيانات الجدولية التي تمت مناقشتها في هذا المنشور في الأصل GitHub جيثب: بواسطة أحمد ومصطفى (2016).
صورة تساوي ألف كلمة
الآن بعد أن فهمنا قدرات VQA، دعونا نفكر في الصورتين التاليتين للمطابخ. كيف تقيم قيمة المنزل من خلال هذه الصور؟ ما هي بعض الأسئلة التي قد تطرحها على نفسك؟ كل صورة قد تثير عشرات الأسئلة في ذهنك. قد تؤدي بعض هذه الأسئلة إلى إجابات مفيدة تعمل على تحسين عملية تقييم المنزل.
الصور من فرانشيسكا توسوليني (يسار) وSidekix Media (يمين) على Unsplash
يقدم الجدول التالي أمثلة سردية لتفاعلات VQA من خلال عرض الأسئلة إلى جانب الإجابات المقابلة لها. يمكن أن تأتي الإجابات في شكل استجابات فئوية أو ذات قيمة مستمرة أو استجابات ثنائية.
مثال سؤال | مثال الإجابة من نموذج الأساس |
ما هي كونترتوب مصنوعة من؟ | الجرانيت، البلاط، الرخام، صفح، الخ. |
هل هذا مطبخ باهظ الثمن؟ | نعم / لا |
كم عدد الأحواض المنفصلة الموجودة؟ | 0، 1، 2 |
الهندسة المعمارية المرجعية
في هذا المنشور ، نستخدم أمازون سيج ميكر داتا رانجلر لطرح مجموعة موحدة من الأسئلة المرئية لآلاف الصور في مجموعة البيانات. تم تصميم SageMaker Data Wrangler خصيصًا لتبسيط عملية إعداد البيانات وهندسة الميزات. من خلال توفير أكثر من 300 عملية تحويل مدمجة، يساعد SageMaker Data Wrangler على تقليل الوقت المستغرق لإعداد البيانات الجدولية وبيانات الصور لتعلم الآلة من أسابيع إلى دقائق. هنا، يجمع SageMaker Data Wrangler بين ميزات البيانات من المجموعة الجدولية الأصلية والميزات المولدة بالصور من النموذج الأساسي للتدريب النموذجي.
بعد ذلك، نقوم ببناء نموذج الانحدار باستخدام قماش أمازون سيج ميكر. يمكن لـ SageMaker Canvas إنشاء نموذج، دون كتابة أي تعليمات برمجية، وتقديم نتائج أولية في أقل من 2 إلى 15 دقيقة. في القسم التالي، نقدم بنية مرجعية تُستخدم لجعل إرشادات الحل هذه ممكنة.
يمكن نشر العديد من النماذج الشائعة من Hugging Face ومقدمي الخدمات الآخرين بنقرة واحدة أمازون سيج ميكر جومب ستارت. هناك مئات الآلاف من النماذج المتوفرة في هذه المستودعات. بالنسبة لهذا المنشور، نختار نموذجًا غير متوفر في SageMaker JumpStart، والذي يتطلب النشر بواسطة العميل. كما هو موضح في الشكل التالي، نقوم بنشر نموذج Hugging Face للاستدلال باستخدام أمازون ساجميكر ستوديو دفتر. يتم استخدام دفتر الملاحظات لنشر نقطة نهاية للاستدلال في الوقت الفعلي. يستخدم دفتر الملاحظات الأصول التي تتضمن النموذج الثنائي Hugging Face، ومؤشر لصورة الحاوية، والبرنامج النصي inference.py المصمم لهذا الغرض والذي يطابق المدخلات والمخرجات المتوقعة للنموذج. أثناء قراءتك لهذا، قد يتغير مزيج نماذج VQA المتاحة. الشيء المهم هو مراجعة نماذج VQA المتاحة، في الوقت الذي تقرأ فيه هذا، والاستعداد لنشر النموذج الذي تختاره، والذي سيكون له طلب API الخاص به وعقد الاستجابة.
بعد أن يتم تقديم نموذج VQA بواسطة نقطة نهاية SageMaker، نستخدم SageMaker Data Wrangler لتنسيق المسار الذي يجمع في النهاية البيانات الجدولية والميزات المستخرجة من الصور الرقمية وإعادة تشكيل البيانات للتدريب على النموذج. يقدم الشكل التالي عرضًا لكيفية تشغيل مهمة تحويل البيانات واسعة النطاق.
في الشكل التالي، نستخدم SageMaker Data Wrangler لتنسيق مهام إعداد البيانات وSageMaker Canvas للتدريب النموذجي. أولاً، يستخدم SageMaker Data Wrangler خدمة موقع أمازون لتحويل الرموز البريدية المتوفرة في البيانات الأولية إلى ميزات خطوط الطول والعرض. ثانيًا، يستطيع SageMaker Data Wrangler تنسيق إرسال آلاف الصور إلى نقطة نهاية مستضافة من SageMaker للاستدلال في الوقت الفعلي، وطرح مجموعة موحدة من الأسئلة لكل مشهد. ينتج عن ذلك مجموعة غنية من الميزات التي تصف الخصائص التي تمت ملاحظتها في المطابخ والحمامات والديكورات الخارجية للمنزل والمزيد. بعد إعداد البيانات بواسطة SageMaker Data Wrangler، تتوفر مجموعة بيانات التدريب في خدمة تخزين أمازون البسيطة (أمازون إس 3). باستخدام بيانات S3 كمدخل، يستطيع SageMaker Canvas تدريب نموذج في مدة تتراوح بين 2 إلى 15 دقيقة دون كتابة أي تعليمات برمجية.
تحويل البيانات باستخدام SageMaker Data Wrangler
تعرض لقطة الشاشة التالية سير عمل SageMaker Data Wrangler. يبدأ سير العمل بآلاف صور المنازل المخزنة في Amazon S3. بعد ذلك، يقوم كاشف المشهد بتحديد المشهد، مثل المطبخ أو الحمام. وأخيرًا، يتم طرح مجموعة من الأسئلة الخاصة بالمشهد على الصور، مما يؤدي إلى مجموعة بيانات جدولية أكثر ثراءً متاحة للتدريب.
فيما يلي مثال على كود التحويل المخصص SageMaker Data Wrangler المستخدم للتفاعل مع نموذج الأساس والحصول على معلومات حول صور المطابخ. في لقطة الشاشة السابقة، إذا اخترت عقدة ميزات المطبخ، فسيظهر الكود التالي:
كاعتبارات أمنية، يجب عليك أولاً تمكين SageMaker Data Wrangler للاتصال بنقطة نهاية SageMaker في الوقت الفعلي من خلال إدارة الهوية والوصول AWS (أنا أكون). وبالمثل، فإن أي موارد AWS تستدعيها من خلال SageMaker Data Wrangler ستحتاج إلى أذونات السماح المماثلة.
هياكل البيانات قبل وبعد SageMaker Data Wrangler
نناقش في هذا القسم بنية البيانات الجدولية الأصلية والبيانات المحسنة. تحتوي البيانات المحسنة على ميزات بيانات جديدة تتعلق بحالة الاستخدام هذه. في تطبيقك، خذ وقتًا لتخيل مجموعة متنوعة من الأسئلة المتوفرة في صورك للمساعدة في مهمة التصنيف أو الانحدار. تكمن الفكرة في تخيل أكبر عدد ممكن من الأسئلة ثم اختبارها للتأكد من أنها توفر قيمة مضافة.
هيكل البيانات الجدولية الأصلية
كما هو موضح في المصدر جيثب ريبو، تحتوي مجموعة البيانات النموذجية على 535 سجلاً جدولياً بما في ذلك أربع صور لكل عقار. يوضح الجدول التالي بنية البيانات الجدولية الأصلية.
الميزات | الرسالة |
عدد غرف النوم | . |
عدد الحمامات | . |
المساحة (قدم مربع) | . |
الرمز البريدي | . |
السعر | هذا هو المتغير المستهدف الذي سيتم التنبؤ به. |
هيكل البيانات المحسنة
يوضح الجدول التالي بنية البيانات المحسنة، والتي تحتوي على العديد من الميزات الجديدة المستمدة من الصور.
الميزات | الرسالة |
عدد غرف النوم | . |
عدد الحمامات | . |
المساحة (قدم مربع) | . |
خط العرض | يتم حسابه عن طريق تمرير الرمز البريدي الأصلي إلى Amazon Location Service. هذه هي قيمة النقطه الوسطى لملف ZIP. |
خط الطول | يتم حسابه عن طريق تمرير الرمز البريدي الأصلي إلى Amazon Location Service. هذه هي قيمة النقطه الوسطى لملف ZIP. |
هل تحتوي غرفة النوم على سقف مقبب؟ | 0 = لا؛ 1 = نعم |
هل الحمام مكلف؟ | 0 = لا؛ 1 = نعم |
هل المطبخ مكلف؟ | 0 = لا؛ 1 = نعم |
السعر | هذا هو المتغير المستهدف الذي سيتم التنبؤ به. |
التدريب النموذجي باستخدام SageMaker Canvas
تعمل مهمة معالجة SageMaker Data Wrangler على إعداد مجموعة بيانات التدريب الجدولية بالكامل وإتاحتها في Amazon S3. بعد ذلك، يتناول SageMaker Canvas مرحلة بناء النموذج في دورة حياة التعلم الآلي. يبدأ Canvas بفتح مجموعة التدريب S3. غالبًا ما تكون القدرة على فهم النموذج أحد متطلبات العميل الأساسية. بدون كتابة التعليمات البرمجية، وفي غضون بضع نقرات، يوفر SageMaker Canvas تعليقات مرئية غنية حول أداء النموذج. كما هو موضح في لقطة الشاشة في القسم التالي، يعرض SageMaker Canvas كيفية قيام الميزات الفردية بإبلاغ النموذج.
تم تدريب النموذج باستخدام البيانات الجدولية الأصلية والميزات المستمدة من الصور العقارية
يمكننا أن نرى من لقطة الشاشة التالية أن الميزات التي تم تطويرها من صور العقار كانت مهمة. بناءً على هذه النتائج، كان السؤال "هل هذا المطبخ باهظ الثمن" من الصورة أكثر أهمية من "عدد غرف النوم" في المجموعة الجدولية الأصلية، مع قيم أهمية مميزة تبلغ 7.08 و5.498، على التوالي.
توفر لقطة الشاشة التالية معلومات مهمة حول النموذج. أولاً، يُظهر الرسم البياني المتبقي معظم النقاط في المجموعة المتجمعة حول المنطقة المظللة باللون الأرجواني. هنا، تمت إضافة تعليقات توضيحية يدويًا إلى قيمتين متطرفتين خارج SageMaker Canvas لهذا الرسم التوضيحي. تمثل هذه القيم المتطرفة فجوات كبيرة بين قيمة المنزل الحقيقية والقيمة المتوقعة. بالإضافة إلى ذلك، ر2 تظهر القيمة، التي يتراوح نطاقها المحتمل بين 0-100%، عند 76%. يشير هذا إلى أن النموذج غير مثالي ولا يحتوي على نقاط معلومات كافية لمراعاة التنوع بالكامل لتقدير قيم المنازل بشكل كامل.
يمكننا استخدام القيم المتطرفة للعثور على إشارات إضافية واقتراحها لبناء نموذج أكثر شمولاً. على سبيل المثال، قد تشتمل هذه العقارات الخارجية على حمام سباحة أو تقع على قطع كبيرة من الأرض. لم تتضمن مجموعة البيانات هذه الميزات؛ ومع ذلك، قد تتمكن من تحديد موقع هذه البيانات وتدريب نموذج جديد مع تضمين عبارة "يحتوي على حمام سباحة" كميزة إضافية. ومن الناحية المثالية، في محاولتك التالية، فإن R2 ستزيد القيمة وستنخفض قيم MAE وRMSE.
نموذج تم تدريبه بدون ميزات مستمدة من صور العقارات
أخيرًا، قبل الانتقال إلى القسم التالي، دعنا نستكشف ما إذا كانت الميزات الموجودة في الصور مفيدة أم لا. توفر لقطة الشاشة التالية نموذجًا آخر تم تدريبه على SageMaker Canvas بدون الميزات الموجودة في نموذج VQA. نرى أن معدل خطأ النموذج قد زاد، من RMSE البالغ 282 ألفًا إلى RMSE البالغ 352 ألفًا. ومن هذا يمكننا أن نستنتج أن ثلاثة أسئلة بسيطة من الصور أدت إلى تحسين دقة النموذج بحوالي 20%. لم يظهر، ولكن ليكون كاملا، R2 وتدهورت قيمة النموذج التالي أيضًا، حيث انخفضت إلى قيمة 62% من قيمة 76% مع توفير ميزات VQA. هذا مثال على كيفية قيام SageMaker Canvas بتسهيل تجربة واستخدام النهج القائم على البيانات بسرعة والذي ينتج نموذجًا لخدمة احتياجات عملك.
واستشرافا للمستقبل
أصبحت العديد من المؤسسات مهتمة بشكل متزايد بنماذج الأساس، خاصة وأن المحولات العامة المدربة مسبقًا (GPTs) أصبحت رسميًا موضوعًا رئيسيًا للاهتمام في ديسمبر 2022. ويتركز جزء كبير من الاهتمام بنماذج الأساس على مهام نماذج اللغة الكبيرة (LLM) ; ومع ذلك، هناك حالات استخدام متنوعة أخرى متاحة، مثل رؤية الكمبيوتر، وبشكل أكثر تحديدًا، مهمة VQA المتخصصة الموصوفة هنا.
يعد هذا المنشور مثالاً لإلهام استخدام البيانات متعددة الوسائط لحل حالات استخدام الصناعة. على الرغم من أننا أظهرنا استخدام وفائدة VQA في نموذج الانحدار، إلا أنه يمكن استخدامه أيضًا لتسمية الصور ووضع علامات عليها للبحث اللاحق أو توجيه سير عمل الأعمال. تخيل أنك قادر على البحث عن العقارات المعروضة للبيع أو الإيجار. لنفترض أنك تريد العثور على عقار بأرضيات من البلاط أو أسطح من الرخام. اليوم، قد يتعين عليك الحصول على قائمة طويلة من خصائص المرشح وتصفية نفسك حسب البصر أثناء تصفحك لكل مرشح. وبدلاً من ذلك، تخيل أنك قادر على تصفية قوائم البيانات التي تحتوي على هذه الميزات، حتى لو لم يضع الشخص علامة عليها صراحةً. في صناعة التأمين، تخيل القدرة على تقدير الأضرار المطالب بها، أو توجيه الإجراءات التالية في سير عمل الأعمال من الصور. في منصات التواصل الاجتماعي، يمكن وضع علامة على الصور تلقائيًا لاستخدامها لاحقًا.
نبذة عامة
يوضح هذا المنشور كيفية استخدام رؤية الكمبيوتر التي تم تمكينها بواسطة نموذج أساسي لتحسين حالة استخدام تعلم الآلة الكلاسيكية باستخدام منصة SageMaker. وكجزء من الحل المقترح، حددنا نموذج VQA شائعًا ومتوفرًا في سجل نموذج عام وقمنا بنشره باستخدام نقطة نهاية SageMaker للاستدلال في الوقت الفعلي.
بعد ذلك، استخدمنا SageMaker Data Wrangler لتنظيم سير عمل يتم فيه طرح أسئلة موحدة على الصور من أجل إنشاء مجموعة غنية من البيانات الجدولية. وأخيرًا، استخدمنا SageMaker Canvas لتدريب نموذج الانحدار. من المهم ملاحظة أن مجموعة بيانات العينة كانت بسيطة للغاية، وبالتالي، لم تكن مثالية من حيث التصميم. ومع ذلك، فإن SageMaker Canvas يجعل من السهل فهم دقة النموذج والبحث عن إشارات إضافية لتحسين دقة النموذج الأساسي.
نأمل أن يكون هذا المنشور قد شجعك على استخدام البيانات متعددة الوسائط التي قد تمتلكها مؤسستك. بالإضافة إلى ذلك، نأمل أن يكون هذا المنشور قد ألهمك للتفكير في التدريب النموذجي كعملية متكررة. يمكن تحقيق نموذج عظيم مع بعض الصبر. قد تكون النماذج شبه المثالية جيدة جدًا لدرجة يصعب تصديقها، وربما يكون ذلك نتيجة لتسرب الهدف أو الإفراط في التجهيز. سيبدأ السيناريو المثالي بنموذج جيد، ولكنه ليس مثاليًا. باستخدام الأخطاء والخسائر والمؤامرات المتبقية، يمكنك الحصول على إشارات بيانات إضافية لزيادة الدقة من تقدير خط الأساس الأولي الخاص بك.
تقدم AWS المجموعة الأوسع والأعمق من خدمات تعلم الآلة والبنية التحتية السحابية الداعمة، مما يضع تعلم الآلة في أيدي كل مطور وعالم بيانات وممارس خبير. إذا كنت مهتمًا بمعرفة المزيد حول نظام SageMaker الأساسي، بما في ذلك SageMaker Data Wrangler وSageMaker Canvas، فيرجى التواصل مع فريق حساب AWS الخاص بك وبدء محادثة. ضع في اعتبارك أيضًا قراءة المزيد عن SageMaker Data Wrangler التحولات المخصصة.
مراجع حسابات
أحمد، إي إتش، ومصطفى، م. (2016). تقدير سعر المنزل من الميزات البصرية والنصية. IJCCI 2016- وقائع المؤتمر الدولي الثامن المشترك حول الذكاء الحسابي، 8، 3-62.
هاريسون جونيور، د.، وروبينفيلد، دي إل (1978). أسعار المساكن الممتعة والطلب على الهواء النظيف. مجلة اقتصاديات البيئة وإدارتها, 5(1)، 81-102.
كيم، دبليو، سون، بي. وكيم، آي.. (2021). ViLT: محول الرؤية واللغة بدون التفاف أو إشراف على المنطقة. وقائع المؤتمر الدولي الثامن والثلاثين للتعلم الآلي، في وقائع أبحاث التعلم الآلي. 38:139-5583.
نبذة عن الكاتب
تشارلز لافلين هو مهندس حلول متخصص رئيسي في الذكاء الاصطناعي/تعلم الآلة ويعمل في فريق خدمة Amazon SageMaker في AWS. فهو يساعد في تشكيل خارطة طريق الخدمة ويتعاون يوميًا مع عملاء AWS المتنوعين للمساعدة في تحويل أعمالهم باستخدام تقنيات AWS المتطورة والقيادة الفكرية. يحمل تشارلز درجة الماجستير في إدارة سلسلة التوريد ودرجة الدكتوراه. في علم 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/use-foundation-models-to-improve-model-accuracy-with-amazon-sagemaker/
- :لديها
- :يكون
- :ليس
- :أين
- $ UP
- 08
- 1
- 100
- 2016
- 2021
- 2022
- 32
- 49
- 50
- 50 سنوات
- 7
- 8
- المرتبة الرابعة
- a
- القدرة
- ماهرون
- من نحن
- وفيرة
- الوصول
- حسابي
- دقة
- تحقق
- الإجراءات
- إضافي
- وبالإضافة إلى ذلك
- عناوين
- بعد
- أحمد
- AI
- AI / ML
- AIR
- الكل
- السماح
- تقريبا
- جنبا إلى جنب
- أيضا
- بالرغم ان
- أمازون
- الأمازون SageMaker
- أمازون ويب سيرفيسز
- amp
- an
- و
- آخر
- إجابة
- الأجوبة
- أي وقت
- API
- تظهر
- تطبيق
- التقديم
- نهج
- هندسة معمارية
- هي
- حول
- مجموعة
- مصطنع
- الذكاء الاصطناعي
- الذكاء الاصطناعي (منظمة العفو الدولية)
- AS
- تطلب
- يسأل
- تقييم
- ممتلكات
- At
- محاولة
- سمعي
- الآلي
- متاح
- AWS
- على أساس
- خط الأساس
- BE
- وأصبح
- أصبح
- أن تصبح
- كان
- قبل
- بدأ
- يجري
- تستفيد
- ما بين
- Beyond
- الجسدي
- بوسطن
- على حد سواء
- نساعدك في بناء
- ابني
- مدمج
- عبء
- الأعمال
- الأعمال
- لكن
- by
- دعوة
- CAN
- مرشح
- قماش
- قدرات
- قدرة
- قادر على
- حقيبة
- الحالات
- سقف
- مركز
- مراكز
- سلسلة
- تغيير
- الخصائص
- تشارلز
- اختار
- مطالبة
- كلاسيكي
- تصنيف
- نظيف
- سحابة
- البنية التحتية السحابية
- المجموعات
- الكود
- رموز
- يتعاون
- اللون
- يجمع بين
- تأتي
- إكمال
- شامل
- الحسابية
- الكمبيوتر
- رؤية الكمبيوتر
- مفهوم
- يخلص
- مؤتمر
- نظر
- نظر
- تحتوي على
- وعاء
- يحتوي
- متواصل
- عقد
- محادثة
- تحول
- رابطة
- تصحيح
- المقابلة
- استطاع
- ائتمان
- فضولي
- على
- زبون
- العملاء
- المتطور والحديث
- يوميا
- البيانات
- تحضير البيانات
- علم البيانات
- عالم البيانات
- مجموعة البيانات
- هيكل البيانات
- تعتمد على البيانات
- ديسمبر
- اتخاذ القرار
- تخفيض
- أعمق
- نقل
- الطلب
- شرح
- تظاهر
- يوضح
- نشر
- نشر
- نشر
- مستمد
- وصف
- وصف
- تصميم
- تصميم
- يحدد
- المتقدمة
- المطور
- رقمي
- الأبعاد
- بحث
- ناقش
- عدة
- do
- هل
- لا
- التنزيلات
- عشرات
- إسقاط
- e
- كل
- سهل
- الاقتصاد - Economics
- تمكين
- تمكين
- شجع
- نقطة النهاية
- الهندسة
- تعزيز
- كاف
- كامل
- بيئي
- خطأ
- أخطاء
- خاصة
- تقدير
- إلخ
- حتى
- كل
- مثال
- أمثلة
- متوقع
- ذو تكلفة باهظة
- تجربة
- خبير
- صراحة
- اكتشف
- استخراج
- الوجه
- الميزات
- المميزات
- ردود الفعل
- العناية بالقدم
- قليل
- الشكل
- تصفية
- أخيرا
- الاسم الأول
- منتجات الأرضيات
- تركز
- اتباع
- متابعيك
- متابعات
- في حالة
- النموذج المرفق
- وجدت
- دورة تأسيسية
- أربعة
- تبدأ من
- على نطاق واسع
- تماما
- وظيفة
- وظائف
- أساسي
- ربح
- الفجوات
- العلاجات العامة
- توليد
- دولار فقط واحصل على خصم XNUMX% على جميع
- هدف
- خير
- رسم بياني
- عظيم
- الرائد
- توجيه
- العناية باليد
- يملك
- he
- مساعدة
- مفيد
- يساعد
- هنا
- مخفي
- تسليط الضوء
- يحمل
- الصفحة الرئيسية
- منازل
- أمل
- استضافت
- منـزل
- إسكان
- كيفية
- كيفية
- لكن
- HTTP
- HTTPS
- مئات
- i
- فكرة
- المثالي
- من الناحية المثالية
- هوية
- if
- يوضح
- صورة
- صور
- تخيل
- استيراد
- أهمية
- أهمية
- تحسن
- تحسن
- in
- تتضمن
- شامل
- بما فيه
- دمج
- القيمة الاسمية
- زيادة
- على نحو متزايد
- بشكل مستقل
- يشير
- العالمية
- تأثير
- إعلام
- معلومات
- البنية التحتية
- في البداية
- إدخال
- رؤى
- إلهام
- موحى
- بدلًا من ذلك
- التأمين
- رؤيتنا
- تفاعل
- التفاعلات
- مصلحة
- يستفد
- عالميا
- إلى
- IT
- انها
- وظيفة
- مشترك
- JPG
- جسون
- القفل
- كيم
- المعرفة
- معروف
- تُشير
- البلد
- لغة
- كبير
- الى وقت لاحق
- قيادة
- القيادة
- تعلم
- تعلم
- دورة حياة
- قائمة
- المدرج
- مصانع
- القليل
- LLM
- تقع
- موقع
- مقفل
- طويل
- خسائر
- آلة
- آلة التعلم
- صنع
- التيار
- جعل
- يصنع
- إدارة
- يدويا
- كثير
- اعواد الثقاب
- مايو..
- ذات مغزى
- يعني
- الوسائط
- طريقة
- منتصف الطريق
- ربما
- مانع
- دقيقة
- مفقود
- مزيج
- ML
- نموذج
- عارضات ازياء
- تقدم
- الأكثر من ذلك
- أكثر
- اقتراح
- يتحرك
- يجب
- طبيعي
- حاجة
- بحاجة
- جديد
- مزايا جديدة
- التالي
- لا
- العقدة
- مفكرة
- عدد
- كثير
- تحصل
- حدث
- of
- عروض
- رسميا
- غالبا
- on
- فقط
- المصدر المفتوح
- افتتاح
- or
- طلب
- منظمة
- المنظمات
- أصلي
- في الأصل
- أخرى
- لنا
- خارج
- شاذ
- الناتج
- في الخارج
- الخاصة
- ورق
- جزء
- مرور
- الصبر
- أنماط
- إلى
- أداء
- ربما
- أذونات
- شخص
- مرحلة جديدة
- صور
- الصور
- صورة
- لوحات حائط
- خط أنابيب
- عادي
- المنصة
- منصات التداول
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- من فضلك
- البوينت
- نقاط
- تجمع
- الرائج
- جزء
- تملك
- ممكن
- منشور
- وتوقع
- تمهيدي
- إعداد
- أعدت
- يستعد
- سابقا
- السعر
- الأسعار
- رئيسي
- إجراءات
- عملية المعالجة
- معالجة
- أنتج
- المهنيين
- HAS
- الملكية
- اقترح
- المقترح
- تزود
- المقدمة
- مزود
- مقدمي
- ويوفر
- توفير
- جمهور
- نشرت
- وضع
- جودة
- سؤال
- الأسئلة المتكررة
- بسرعة
- R
- نطاق
- معدل
- الخام
- الوصول
- عرض
- نادي القراءة
- استعداد
- في الوقت الحقيقي
- تسلم
- تسجيل
- تخفيض
- مرجع
- يشير
- منطقة
- سجل
- تعزز
- نسبي
- ذات الصلة
- الاجار
- مستودع
- مثل
- طلب
- المتطلبات
- يتطلب
- بحث
- إعادة تشكيل
- سكن
- الموارد
- على التوالي
- استجابة
- ردود
- نتيجة
- مما أدى
- النتائج
- عائد أعلى
- مراجعة
- النوادي الثرية
- ثراء
- خريطة طريق
- طريق
- التوجيه
- يجري
- وقت التشغيل
- s
- sagemaker
- تخفيضات
- نفسه
- عينة مجموعة بيانات
- سيناريو
- مشهد
- علوم
- عالم
- سكوت
- سيناريو
- بحث
- الثاني
- القسم
- أمن
- انظر تعريف
- طلب
- رأيت
- مختار
- إرسال
- خدمة
- لمرضى
- الخدمة
- خدماتنا
- طقم
- عدة
- الشكل
- إظهار
- أظهرت
- يظهر
- مشهد
- إشارات
- هام
- مماثل
- وبالمثل
- الاشارات
- تبسيط
- منذ
- عزباء
- المقاس
- So
- العدالة
- وسائل التواصل الاجتماعي
- المنصات الإعلامية الاجتماعية
- حل
- حل
- بعض
- أحيانا
- هي
- مصدر
- مصادر
- الفضاء
- متخصص
- متخصص
- على وجه التحديد
- مربع
- بداية
- لا يزال
- تخزين
- تخزين
- صريح
- بناء
- الهياكل
- عدد الطلبة
- لاحق
- هذه
- اقترح
- إشراف
- تزويد
- سلسلة التوريد
- إدارة الأمدادات
- دعم
- بالتأكيد
- جدول
- TAG
- أخذ
- يأخذ
- الهدف
- مهمة
- المهام
- التدريس
- فريق
- التكنولوجيا
- تكنولوجيا
- مصطلح
- تجربه بالعربي
- نصي
- من
- أن
- •
- المصدر
- من مشاركة
- منهم
- then
- هناك.
- وبالتالي
- تشبه
- هم
- شيء
- هؤلاء
- فكر
- قيادة الفكر
- ألف
- الآلاف
- ثلاثة
- عبر
- الوقت
- إلى
- اليوم
- اليوم
- جدا
- أداة
- موضوع
- تقليديا
- قطار
- متدرب
- قادة الإيمان
- تحول
- تحول
- التحولات
- محول
- محولات
- صحيح
- افضل
- اثنان
- نوع
- أنواع
- في النهاية
- فهم
- فهم
- فريد من نوعه
- Unsplash
- تستخدم
- حالة الاستخدام
- مستعمل
- يستخدم
- استخدام
- استخدام
- تقييم الموقع
- قيمنا
- القيمة المضافة
- القيم
- متغير
- تشكيلة
- جدا
- فيديو
- المزيد
- مرئي
- رؤيتنا
- بصري
- W
- تريد
- وكان
- we
- الويب
- خدمات ويب
- أسابيع
- حسن
- كان
- ابحث عن
- ما هي تفاصيل
- التي
- من الذى
- سوف
- نوافذ
- مع
- في غضون
- بدون
- خشب
- للعمل
- سير العمل
- أعمال
- العالم
- قيمة
- سوف
- جاري الكتابة
- سنوات
- عائدات
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- نفسك
- موقع YouTube
- زفيرنت
- صفر
- الرمز البريدي