Amazon Sage Maker ist eine vollständig verwaltete Plattform für maschinelles Lernen (ML), die eine umfassende Reihe von Diensten bietet, die End-to-End-ML-Workloads bedienen. Als Von AWS als Best Practice empfohlenKunden haben separate Konten verwendet, um die Richtlinienverwaltung für Benutzer zu vereinfachen und Ressourcen nach Arbeitslasten und Konten zu isolieren. Wenn jedoch mehr Benutzer und Teams die ML-Plattform in der Cloud nutzen, wird die Überwachung der großen ML-Workloads in einer skalierenden Umgebung mit mehreren Konten schwieriger. Für eine bessere Beobachtbarkeit suchen Kunden nach Lösungen zur Überwachung der kontoübergreifenden Ressourcennutzung und zur Verfolgung von Aktivitäten, wie z. B. Jobstart und Ausführungsstatus, was für ihre ML-Governance- und Verwaltungsanforderungen von wesentlicher Bedeutung ist.
SageMaker-Dienste wie Verarbeitung, Schulung und Hosting sammeln Metriken und Protokolle von den laufenden Instanzen und geben sie an die Benutzer weiter. Amazon CloudWatch Konten. Um die Details dieser Jobs in verschiedenen Konten anzuzeigen, müssen Sie sich bei jedem Konto anmelden, die entsprechenden Jobs suchen und den Status überprüfen. Es gibt kein einzelnes Fenster, das diese konto- und auftragsübergreifenden Informationen einfach anzeigen kann. Darüber hinaus muss das Cloud-Administratorteam Einzelpersonen Zugriff auf verschiedene SageMaker-Workload-Konten gewähren, was zu einem zusätzlichen Verwaltungsaufwand für das Cloud-Plattform-Team führt.
In diesem Beitrag stellen wir ein kontoübergreifendes Observability-Dashboard vor, das eine zentrale Ansicht für die Überwachung von SageMaker-Benutzeraktivitäten und -Ressourcen über mehrere Konten hinweg bietet. Es ermöglicht den Endbenutzern und dem Cloud-Management-Team, effizient zu überwachen, welche ML-Workloads ausgeführt werden, den Status dieser Workloads anzuzeigen und verschiedene Kontoaktivitäten zu bestimmten Zeitpunkten zurückzuverfolgen. Mit diesem Dashboard müssen Sie nicht von der SageMaker-Konsole aus navigieren und auf jeden Job klicken, um die Details der Jobprotokolle zu finden. Stattdessen können Sie ganz einfach die laufenden Jobs und den Jobstatus anzeigen, Jobprobleme beheben und Benachrichtigungen einrichten, wenn Probleme in freigegebenen Konten festgestellt werden, z. B. Jobfehler, nicht ausgelastete Ressourcen und mehr. Sie können auch den Zugriff auf dieses zentralisierte Überwachungs-Dashboard steuern oder das Dashboard für Audit- und Verwaltungsanforderungen mit relevanten Behörden teilen.
Lösungsübersicht
Diese Lösung soll eine zentrale Überwachung von SageMaker-Jobs und -Aktivitäten in einer Umgebung mit mehreren Konten ermöglichen. Die Lösung ist so konzipiert, dass keine Abhängigkeit besteht AWS-Organisationen, kann aber problemlos in Organisationen oder übernommen werden AWS-Kontrollturm Umfeld. Diese Lösung kann dem Betriebsteam dabei helfen, von einer einzigen Glasscheibe aus einen umfassenden Überblick über alle SageMaker-Workloads zu erhalten, die über mehrere Workload-Konten verteilt sind. Es gibt auch eine Option zum Aktivieren Kontoübergreifende Beobachtbarkeit von CloudWatch über SageMaker-Workload-Konten hinweg, um Zugriff auf Überwachungstelemetriedaten wie Metriken, Protokolle und Traces vom zentralisierten Überwachungskonto aus zu ermöglichen. Ein Beispiel-Dashboard ist im folgenden Screenshot dargestellt.
Das folgende Diagramm zeigt die Architektur dieser zentralisierten Dashboard-Lösung.
SageMaker verfügt über eine native Integration mit Amazon EventBridge, das Statusänderungsereignisse in SageMaker überwacht. Mit EventBridge können Sie SageMaker automatisieren und automatisch auf Ereignisse wie eine Statusänderung eines Schulungsauftrags oder eine Änderung des Endpunktstatus reagieren. Ereignisse von SageMaker werden nahezu in Echtzeit an EventBridge übermittelt. Weitere Informationen zu SageMaker-Ereignissen, die von EventBridge überwacht werden, finden Sie unter Automatisierung von Amazon SageMaker mit Amazon EventBridge. Zusätzlich zu den nativen SageMaker-Ereignissen AWS CloudTrail veröffentlicht Ereignisse, wenn Sie API-Aufrufe durchführen, die auch an EventBridge gestreamt werden, sodass diese von vielen nachgelagerten Automatisierungs- oder Überwachungsanwendungsfällen genutzt werden können. In unserer Lösung verwenden wir EventBridge-Regeln in den Arbeitslastkonten, um SageMaker-Dienstereignisse und API-Ereignisse zur zentralen Überwachung an den Ereignisbus des Überwachungskontos zu streamen.
Im zentralisierten Überwachungskonto werden die Ereignisse durch eine EventBridge-Regel erfasst und in verschiedenen Zielen weiterverarbeitet:
- Eine CloudWatch-Protokollgruppe zur Verwendung für Folgendes:
- Audit- und Archivzwecke. Weitere Informationen finden Sie im Amazon CloudWatch Logs-Benutzerhandbuch.
- Protokolldaten analysieren mit CloudWatch Log Insights Abfragen. Mit CloudWatch Logs Insights können Sie Ihre Protokolldaten in CloudWatch Logs interaktiv durchsuchen und analysieren. Sie können Abfragen durchführen, um effizienter und effektiver auf betriebliche Probleme zu reagieren. Wenn ein Problem auftritt, können Sie CloudWatch Logs Insights verwenden, um mögliche Ursachen zu identifizieren und bereitgestellte Fixes zu validieren.
- Unterstützung für das CloudWatch Metrics Insights-Abfrage-Widget für übergeordnete Vorgänge im CloudWatch-Dashboard, das Hinzufügen von CloudWatch Insights Query zu Dashboards und das Exportieren von Abfrageergebnissen.
- An AWS Lambda Funktion zum Ausführen der folgenden Aufgaben:
- Führen Sie benutzerdefinierte Logik aus, um SageMaker-Dienstereignisse zu erweitern. Ein Beispiel ist die Durchführung einer Metrikabfrage der Auslastungsmetriken des SageMaker-Jobhosts, wenn ein Jobabschlussereignis empfangen wird.
- Konvertieren Sie Ereignisinformationen in Metriken in bestimmten Protokollformaten, sobald sie erfasst wurden EMF Protokolle. Weitere Informationen finden Sie unter Einbetten von Metriken in Protokolle.
Das Beispiel in diesem Beitrag wird vom Native unterstützt Kontoübergreifende Beobachtbarkeit von CloudWatch Funktion zum Erreichen kontoübergreifender Metriken, Protokolle und Trace-Zugriff. Wie am unteren Rand des Architekturdiagramms gezeigt, ist es in diese Funktion integriert, um kontoübergreifende Metriken und Protokolle zu ermöglichen. Um dies zu ermöglichen, müssen die erforderlichen Berechtigungen und Ressourcen sowohl in den Überwachungskonten als auch in den Quell-Workload-Konten erstellt werden.
Sie können diese Lösung entweder für von Organisationen verwaltete AWS-Konten oder für eigenständige Konten verwenden. In den folgenden Abschnitten werden die Schritte für jedes Szenario erläutert. Beachten Sie, dass in jedem Szenario Schritte in unterschiedlichen AWS-Konten ausgeführt werden. Der Einfachheit halber wird der Kontotyp, mit dem der Schritt ausgeführt werden soll, zu Beginn jedes Schritts hervorgehoben.
Voraussetzungen:
Bevor Sie mit diesem Verfahren beginnen, klonen Sie unseren Quellcode aus dem GitHub Repo in Ihrer örtlichen Umgebung bzw AWS Cloud9. Darüber hinaus benötigen Sie Folgendes:
Stellen Sie die Lösung in einer Organisationsumgebung bereit
Wenn sich das Überwachungskonto und alle SageMaker-Workload-Konten alle in derselben Organisation befinden, wird die erforderliche Infrastruktur in den Quell-Workload-Konten automatisch über erstellt AWS CloudFormation StackSet aus dem Verwaltungskonto der Organisation. Daher ist keine manuelle Infrastrukturbereitstellung in den Quell-Workload-Konten erforderlich. Wenn ein neues Konto erstellt oder ein vorhandenes Konto in eine Zielorganisationseinheit (OU) verschoben wird, wird der Quell-Workload-Infrastruktur-Stack automatisch bereitgestellt und in den Umfang der zentralen Überwachung einbezogen.
Richten Sie Überwachungskontoressourcen ein
Wir müssen die folgenden AWS-Kontoinformationen sammeln, um die Ressourcen des Überwachungskontos einzurichten, die wir später als Eingaben für das Setup-Skript verwenden.
zufuhr | Beschreibung | Beispiel |
Heimatregion | Die Region, in der die Arbeitslasten ausgeführt werden. | ap-southeast-2 |
Name des AWS CLI-Profils des Überwachungskontos | Den Profilnamen finden Sie unter ~/.aws/config . Dies ist optional. Wenn nicht angegeben, werden die standardmäßigen AWS-Anmeldeinformationen aus der Kette verwendet. |
. |
SageMaker-Workload-OU-Pfad | Der OU-Pfad mit den SageMaker-Arbeitslastkonten. Behalte das / am Ende des Weges. |
o-1a2b3c4d5e/r-saaa/ou-saaa-1a2b3c4d/ |
Um den OU-Pfad abzurufen, können Sie zur Organisationskonsole und weiter unten gehen AWS-Konten, finden Sie die Informationen zum Erstellen des OU-Pfads. Für das folgende Beispiel lautet der entsprechende OU-Pfad o-ye3wn3kyh6/r-taql/ou-taql-wu7296by/
.
Nachdem Sie diese Informationen abgerufen haben, führen Sie den folgenden Befehl aus, um die erforderlichen Ressourcen auf dem Überwachungskonto bereitzustellen:
Sie können die folgenden Ausgaben aus der Bereitstellung erhalten. Notieren Sie sich die Ausgaben, die im nächsten Schritt bei der Bereitstellung des Verwaltungskontostapels verwendet werden sollen.
Richten Sie Verwaltungskontoressourcen ein
Wir müssen die folgenden AWS-Kontoinformationen sammeln, um die Verwaltungskontoressourcen einzurichten, die wir später als Eingaben für das Setup-Skript verwenden.
zufuhr | Beschreibung | Beispiel |
Heimatregion | Die Region, in der die Arbeitslasten ausgeführt werden. Dies sollte mit dem Überwachungsstapel identisch sein. | ap-southeast-2 |
Name des AWS CLI-Profils des Verwaltungskontos | Den Profilnamen finden Sie unter ~/.aws/config . Dies ist optional. Wenn nicht angegeben, werden die standardmäßigen AWS-Anmeldeinformationen aus der Kette verwendet. |
. |
SageMaker-Workload-OU-ID | Hier verwenden wir nur die OU-ID, nicht den Pfad. | ou-saaa-1a2b3c4d |
Überwachungskonto-ID | Die Konto-ID, unter der der Überwachungsstapel bereitgestellt wird. | . |
Rollenname des Überwachungskontos | Die Ausgabe für MonitoringAccountRoleName aus dem vorherigen Schritt. |
. |
Ereignisbus-ARN des Überwachungskontos | Die Ausgabe für MonitoringAccountEventbusARN aus dem vorherigen Schritt. |
. |
Kennung der Überwachungskontosenke | Die Ausgabe von MonitoringAccountSinkIdentifier aus dem vorherigen Schritt. |
. |
Sie können die Ressourcen des Verwaltungskontos bereitstellen, indem Sie den folgenden Befehl ausführen:
Stellen Sie die Lösung in einer Nicht-Organisationsumgebung bereit
Wenn Ihre Umgebung keine Organisationen verwendet, wird der Infrastrukturstapel des Überwachungskontos auf ähnliche Weise bereitgestellt, jedoch mit einigen Änderungen. Der Workload-Infrastruktur-Stack muss jedoch manuell in jedem Workload-Konto bereitgestellt werden. Daher eignet sich diese Methode für eine Umgebung mit einer begrenzten Anzahl von Konten. Für eine große Umgebung wird empfohlen, die Verwendung von Organisationen in Betracht zu ziehen.
Richten Sie Überwachungskontoressourcen ein
Wir müssen die folgenden AWS-Kontoinformationen sammeln, um die Ressourcen des Überwachungskontos einzurichten, die wir später als Eingaben für das Setup-Skript verwenden.
zufuhr | Beschreibung | Beispiel |
Heimatregion | Die Region, in der die Arbeitslasten ausgeführt werden. | ap-southeast-2 |
Liste der SageMaker-Arbeitslastkonten | Eine durch Kommas getrennte Liste von Konten, die die SageMaker-Arbeitslast ausführen und Ereignisse an das Überwachungskonto streamen. | 111111111111,222222222222 |
Name des AWS CLI-Profils des Überwachungskontos | Den Profilnamen finden Sie unter ~/.aws/config . Dies ist optional. Wenn nicht angegeben, werden die standardmäßigen AWS-Anmeldeinformationen aus der Kette verwendet. |
. |
Wir können die Ressourcen des Überwachungskontos bereitstellen, indem wir den folgenden Befehl ausführen, nachdem Sie die erforderlichen Informationen gesammelt haben:
Wir erhalten die folgenden Ausgaben, wenn die Bereitstellung abgeschlossen ist. Notieren Sie sich die Ausgaben, die im nächsten Schritt bei der Bereitstellung des Verwaltungskontostapels verwendet werden sollen.
Richten Sie eine Infrastruktur zur Überwachung von Arbeitslastkonten ein
Wir müssen die folgenden AWS-Kontoinformationen sammeln, um die Infrastruktur zur Überwachung des Workload-Kontos einzurichten, die wir später als Eingaben für das Setup-Skript verwenden.
zufuhr | Beschreibung | Beispiel |
Heimatregion | Die Region, in der die Arbeitslasten ausgeführt werden. Dies sollte mit dem Überwachungsstapel identisch sein. | ap-southeast-2 |
Überwachungskonto-ID | Die Konto-ID, unter der der Überwachungsstapel bereitgestellt wird. | . |
Rollenname des Überwachungskontos | Die Ausgabe für MonitoringAccountRoleName aus dem vorherigen Schritt. |
. |
Ereignisbus-ARN des Überwachungskontos | Die Ausgabe für MonitoringAccountEventbusARN aus dem vorherigen Schritt. |
. |
Kennung der Überwachungskontosenke | Die Ausgabe von MonitoringAccountSinkIdentifier aus dem vorherigen Schritt. |
. |
AWS CLI-Profilname des Arbeitslastkontos | Den Profilnamen finden Sie unter ~/.aws/config . Dies ist optional. Wenn nicht angegeben, werden die standardmäßigen AWS-Anmeldeinformationen aus der Kette verwendet. |
. |
Wir können die Ressourcen des Überwachungskontos bereitstellen, indem wir den folgenden Befehl ausführen:
Visualisieren Sie ML-Aufgaben im CloudWatch-Dashboard
Um zu überprüfen, ob die Lösung funktioniert, müssen wir mehrere SageMaker-Verarbeitungsjobs und SageMaker-Trainingsjobs auf den Arbeitslastkonten ausführen, die wir in den vorherigen Abschnitten verwendet haben. Das CloudWatch-Dashboard kann basierend auf Ihren eigenen Szenarien angepasst werden. Unser Beispiel-Dashboard besteht aus Widgets zur Visualisierung von SageMaker-Verarbeitungsjobs und SageMaker-Schulungsjobs. In diesem Dashboard werden alle Jobs zur Überwachung von Workload-Konten angezeigt. Für jeden Jobtyp zeigen wir drei Widgets an: die Gesamtzahl der Jobs, die Anzahl der fehlgeschlagenen Jobs und die Details zu jedem Job. In unserem Beispiel haben wir zwei Workload-Konten. Über dieses Dashboard können wir leicht feststellen, dass ein Workload-Konto sowohl Verarbeitungsjobs als auch Trainingsjobs hat, während ein anderes Workload-Konto nur Trainingsjobs hat. Wie bei den Funktionen, die wir in CloudWatch verwenden, können wir das Aktualisierungsintervall festlegen, den Diagrammtyp angeben und vergrößern oder verkleinern oder Aktionen wie das Herunterladen von Protokollen in einer CSV-Datei ausführen.
Passen Sie Ihr Dashboard an
Die im GitHub-Repository bereitgestellte Lösung umfasst sowohl die Jobüberwachung „SageMaker Training“ als auch die Jobüberwachung „SageMaker Processing“. Wenn Sie weitere Dashboards hinzufügen möchten, um andere SageMaker-Jobs zu überwachen, z. B. Batch-Transformationsjobs, können Sie den Anweisungen in diesem Abschnitt folgen, um Ihr Dashboard anzupassen. Durch die Änderung der index.py-Dateikönnen Sie die Felder anpassen, die Sie im Dashboard anzeigen möchten. Sie können über EventBridge auf alle Details zugreifen, die von CloudWatch erfasst werden. In der Lambda-Funktion können Sie die notwendigen Felder auswählen, die Sie auf dem Dashboard anzeigen möchten. Siehe den folgenden Code:
Um das Dashboard oder die Widgets anzupassen, können Sie den Quellcode im ändern Monitoring-Account-Infra-Stack.ts-Datei. Beachten Sie, dass die Feldnamen, die Sie in dieser Datei verwenden, mit denen (den Schlüsseln von.) identisch sein sollten job_detail
) in der Lambda-Datei definiert:
Nachdem Sie das Dashboard geändert haben, müssen Sie diese Lösung von Grund auf neu bereitstellen. Sie können das im GitHub-Repository bereitgestellte Jupyter-Notebook ausführen, um die SageMaker-Pipeline erneut auszuführen, wodurch die SageMaker-Verarbeitungsjobs erneut gestartet werden. Wenn die Aufträge abgeschlossen sind, können Sie zur CloudWatch-Konsole gehen und weiter unten Armaturenbretter Wählen Sie im Navigationsbereich Benutzerdefinierte Dashboards. Sie finden das Dashboard mit dem Namen SageMaker-Monitoring-Dashboard.
Aufräumen
Wenn Sie dieses benutzerdefinierte Dashboard nicht mehr benötigen, können Sie die Ressourcen bereinigen. Um alle erstellten Ressourcen zu löschen, verwenden Sie den Code in diesem Abschnitt. Die Bereinigung ist für eine Organisationsumgebung etwas anders als für eine Nicht-Organisationsumgebung.
Verwenden Sie für eine Organisationsumgebung den folgenden Code:
Verwenden Sie für eine Nicht-Organisationsumgebung den folgenden Code:
Alternativ können Sie sich beim Überwachungskonto, Arbeitslastkonto und Verwaltungskonto anmelden Löschen Sie die Stacks aus der CloudFormation-Konsole.
Zusammenfassung
In diesem Beitrag haben wir die Implementierung einer zentralisierten Überwachungs- und Berichtslösung für SageMaker mithilfe von CloudWatch besprochen. Indem Sie die in diesem Beitrag beschriebenen Schritt-für-Schritt-Anleitungen befolgen, können Sie ein Dashboard zur Überwachung mehrerer Konten erstellen, das wichtige Kennzahlen anzeigt und Protokolle zu ihren verschiedenen SageMaker-Jobs von verschiedenen Konten in Echtzeit konsolidiert. Mit diesem zentralisierten Überwachungs-Dashboard erhalten Sie einen besseren Einblick in die Aktivitäten von SageMaker-Jobs über mehrere Konten hinweg, können Probleme schneller beheben und fundierte Entscheidungen auf der Grundlage von Echtzeitdaten treffen. Insgesamt bietet die Implementierung einer zentralisierten Überwachungs- und Berichtslösung mithilfe von CloudWatch eine effiziente Möglichkeit für Unternehmen, ihre cloudbasierte ML-Infrastruktur und Ressourcennutzung zu verwalten.
Bitte probieren Sie die Lösung aus und senden Sie uns Ihr Feedback, entweder in das AWS-Forum für Amazon SageMakeroder über Ihre üblichen AWS-Kontakte.
Weitere Informationen zur kontenübergreifenden Observability-Funktion finden Sie im Blog Kontoübergreifende Beobachtbarkeit von Amazon CloudWatch
Über die Autoren
Ji Dong ist ein AWS Cloud Architect mit Sitz in Sydney, Australien. Jie hat eine Leidenschaft für Automatisierung und liebt es, Lösungen zu entwickeln, die Kunden dabei helfen, ihre Produktivität zu verbessern. Ereignisgesteuerte Systeme und serverlose Frameworks sind seine Expertise. In seiner Freizeit arbeitet Jie gerne am Aufbau eines Smart Home und erkundet neue Smart-Home-Gadgets.
Melanie Li, PhD, ist Senior AI/ML Specialist TAM bei AWS mit Sitz in Sydney, Australien. Sie unterstützt Unternehmenskunden beim Aufbau von Lösungen mit modernsten KI/ML-Tools auf AWS und bietet Anleitungen zur Architektur und Implementierung von ML-Lösungen mit Best Practices. In ihrer Freizeit erkundet sie gerne die Natur und verbringt Zeit mit Familie und Freunden.
Gordon Wang, ist Senior AI/ML Specialist TAM bei AWS. Er unterstützt strategische Kunden mit KI/ML-Best Practices in vielen Branchen. Seine Leidenschaft gilt Computer Vision, NLP, generativer KI und MLOps. In seiner Freizeit liebt er Laufen und Wandern.
- SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
- PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
- PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
- PlatoESG. Automobil / Elektrofahrzeuge, Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
- PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
- ChartPrime. Verbessern Sie Ihr Handelsspiel mit ChartPrime. Hier zugreifen.
- BlockOffsets. Modernisierung des Eigentums an Umweltkompensationen. Hier zugreifen.
- Quelle: https://aws.amazon.com/blogs/machine-learning/build-a-centralized-monitoring-and-reporting-solution-for-amazon-sagemaker-using-amazon-cloudwatch/
- :hast
- :Ist
- :nicht
- :Wo
- $UP
- 100
- 11
- 12
- 17
- 24
- 7
- 8
- 9
- a
- LiveBuzz
- Zugang
- Konto
- Trading Konten
- Erreichen
- über
- Aktionen
- Aktivitäten
- hinzufügen
- Hinzufügen
- Zusatz
- Zusätzliche
- zusätzlich
- Fügt
- Administrator
- angenommen
- Nach der
- aufs Neue
- gegen
- AI
- AI / ML
- Warnmeldungen
- Alle
- erlaubt
- ebenfalls
- Amazon
- Amazon Sage Maker
- Amazon Web Services
- an
- analysieren
- und
- Ein anderer
- Bienen
- Architektur
- Archiv
- SIND
- AS
- At
- Wirtschaftsprüfung
- Australien
- Verwaltung
- automatisieren
- Im Prinzip so, wie Sie es von Google Maps kennen.
- Automation
- AWS
- Zurück
- basierend
- BE
- wird
- Anfang
- BESTE
- Best Practices
- Besser
- Blog
- beide
- Boden
- bauen
- Building
- Bus
- aber
- by
- Aufrufe
- CAN
- Kann bekommen
- gefangen
- Fälle
- Ursachen
- zentralisierte
- sicher
- Kette
- herausfordernd
- Übernehmen
- Änderungen
- aus der Ferne überprüfen
- Auswählen
- klicken Sie auf
- Cloud
- Cloud-Plattform
- Code
- sammeln
- abschließen
- Abschluss
- umfassend
- Computer
- Computer Vision
- Geht davon
- besteht
- Konsul (Console)
- Konsolidiert
- konstruieren
- Kontakte
- Kontext
- Smartgeräte App
- sehr beliebtes Sprach- und Freizeitprogramm
- Dazugehörigen
- erstellen
- erstellt
- Referenzen
- Cross
- Original
- Kunde
- Kunden
- anpassbare
- anpassen
- Armaturenbrett
- Dashboards
- technische Daten
- Entscheidungen
- Standard
- definiert
- geliefert
- Abhängigkeit
- einsetzen
- Einsatz
- Bereitstellen
- Einsatz
- entworfen
- Detail
- Details
- entwickeln
- anders
- diskutiert
- Display
- angezeigt
- Displays
- Tut nicht
- Nicht
- herunterladen
- Dauer
- e
- jeder
- leicht
- effektiv
- effizient
- effizient
- entweder
- ermöglichen
- ermöglicht
- Ende
- End-to-End
- Endpunkt
- Unternehmen
- Arbeitsumfeld
- essential
- Event
- Veranstaltungen
- Beispiel
- Außer
- ausführen
- vorhandenen
- Expertise
- Erklären
- ERKUNDEN
- Ausdruck
- Gescheitert
- andernfalls
- Scheitern
- falsch
- Familie
- Merkmal
- Feedback
- wenige
- Feld
- Felder
- Reichen Sie das
- Filter
- Finden Sie
- folgen
- Folgende
- Aussichten für
- Forum
- Unser Ansatz
- Freunde
- für
- voll
- Funktion
- Funktionen
- weiter
- Außerdem
- Gadgets
- generativ
- Generative KI
- bekommen
- GitHub
- Glas
- Go
- Governance
- Graph
- Gruppe an
- die Vermittlung von Kompetenzen,
- Haben
- he
- Höhe
- Hilfe
- hilft
- hier (auf dänisch)
- High-Level
- Besondere
- seine
- Geschichte
- Startseite
- Gastgeber
- Hosting
- aber
- HTML
- http
- HTTPS
- ID
- identifiziert
- identifizieren
- if
- Implementierung
- Umsetzung
- zu unterstützen,
- in
- inklusive
- Dazu gehören
- Einzelpersonen
- Branchen
- Information
- informiert
- Infrastruktur
- Eingänge
- Einblicke
- beantragen müssen
- Anleitung
- Integriert
- Integration
- in
- Problem
- Probleme
- IT
- Job
- Jobs
- jpg
- nur
- Behalten
- Wesentliche
- Tasten
- Label
- grosse
- später
- starten
- LERNEN
- lernen
- links
- Limitiert
- Liste
- aus einer regionalen
- Log
- Logik
- länger
- aussehen
- suchen
- liebt
- Maschine
- Maschinelles Lernen
- um
- verwalten
- verwaltet
- Management
- Management Team
- Weise
- manuell
- manuell
- viele
- Methode
- Metrisch
- Metrik
- ML
- MLOps
- ändern
- Überwachen
- überwacht
- Überwachung
- Monitore
- mehr
- gerührt
- mehrere
- Name
- Namens
- Namen
- nativen
- Natur
- Navigieren
- Menü
- notwendig,
- Need
- Bedürfnisse
- Neu
- weiter
- Nlp
- nicht
- Andere
- Notizbuch
- Anzahl
- of
- Angebote
- on
- EINEM
- einzige
- Betrieb
- Betriebs-
- Einkauf & Prozesse
- Option
- or
- Organisation
- organisatorisch
- Organisationen
- Andere
- UNSERE
- skizzierte
- Möglichkeiten für das Ausgangssignal:
- Gesamt-
- besitzen
- Brot
- Parameter
- leidenschaftlich
- Weg
- Ausführen
- durchgeführt
- Durchführung
- Berechtigungen
- phd
- Pipeline
- Plattform
- Plato
- Datenintelligenz von Plato
- PlatoData
- Bitte
- Punkte
- Datenschutzrichtlinien
- Post
- Potenzial
- Praktiken
- Gegenwart
- früher
- Verfahren
- Verarbeitet
- Verarbeitung
- PRODUKTIVITÄT
- Profil
- die
- vorausgesetzt
- bietet
- Veröffentlicht
- Zwecke
- Push
- Abfragen
- schnell
- echt
- Echtzeit
- Echtzeitdaten
- Received
- empfohlen
- Region
- bezogene
- relevant
- Reporting
- falls angefordert
- Voraussetzungen:
- Ressourcen
- Downloads
- Reagieren
- Die Ergebnisse
- Recht
- Rollen
- Regel
- Ohne eine erfahrene Medienplanung zur Festlegung von Regeln und Strategien beschleunigt der programmatische Medieneinkauf einfach die Rate der verschwenderischen Ausgaben.
- Führen Sie
- Laufen
- sagemaker
- gleich
- Skalierung
- Szenario
- Szenarien
- Umfang
- kratzen
- Suche
- Abschnitt
- Abschnitte
- sehen
- senden
- Senior
- getrennte
- brauchen
- Serverlos
- Lösungen
- kompensieren
- Setup
- Teilen
- von Locals geführtes
- sie
- sollte
- erklären
- gezeigt
- Konzerte
- ähnlich
- vereinfachen
- Single
- geringfügig
- smart
- Intelligentes Zuhause
- So
- Lösung
- Lösungen
- Quelle
- Quellcode
- Spezialist
- verbringen
- Verbreitung
- Stapel
- gestapelt
- Stacks
- standalone
- Beginnen Sie
- State-of-the-art
- Status
- Schritt
- Shritte
- Strategisch
- Strom
- Ströme
- so
- geeignet
- Unterstützte
- Unterstützt
- Sydney
- System
- Tabelle
- Target
- Ziele
- und Aufgaben
- Team
- Teams
- zur Verbesserung der Gesundheitsgerechtigkeit
- Das
- Der Graph
- die Informationen
- Die Quelle
- ihr
- Sie
- Dort.
- deswegen
- Diese
- fehlen uns die Worte.
- diejenigen
- nach drei
- Durch
- Zeit
- Titel
- zu
- Werkzeuge
- Gesamt
- Spur
- verfolgen sind
- Ausbildung
- Transformieren
- was immer dies auch sein sollte.
- versuchen
- XNUMX
- tippe
- für
- Unerwartet
- Einheit
- us
- Anwendungsbereich
- -
- benutzt
- Mitglied
- Nutzer
- verwendet
- Verwendung von
- seit
- BESTÄTIGEN
- Wert
- verschiedene
- Anzeigen
- Sichtbarkeit
- Seh-
- vs
- wollen
- Weg..
- we
- Netz
- Web-Services
- Was
- wann
- welche
- Breite
- werden wir
- mit
- .
- Arbeiten
- Werk
- Du
- Ihr
- Zephyrnet
- Zoom