Für moderne Unternehmen, die enorme Mengen an Dokumenten wie Verträgen, Rechnungen, Lebensläufen und Berichten verarbeiten, ist die effiziente Verarbeitung und Abfrage relevanter Daten von entscheidender Bedeutung für die Aufrechterhaltung eines Wettbewerbsvorteils. Herkömmliche Methoden zum Speichern und Suchen von Dokumenten können jedoch zeitaufwändig sein und führen oft zu einem großen Aufwand beim Auffinden eines bestimmten Dokuments, insbesondere wenn sie handschriftliche Dokumente enthalten. Was wäre, wenn es eine Möglichkeit gäbe, Dokumente intelligent zu verarbeiten und sie mit hoher Genauigkeit durchsuchbar zu machen?
Möglich wird dies mit Amazontext, der intelligente Dokumentenverarbeitungsdienst von AWS, gepaart mit den schnellen Suchfunktionen von Öffnet die Suche. In diesem Beitrag nehmen wir Sie mit auf eine Reise zur schnellen Entwicklung und Bereitstellung einer Indexierungslösung für die Dokumentensuche, die Ihrem Unternehmen hilft, Erkenntnisse aus Dokumenten besser zu nutzen und zu extrahieren.
Ob Sie in der Personalabteilung nach bestimmten Klauseln in Mitarbeiterverträgen suchen oder als Finanzanalyst einen Berg von Rechnungen durchsuchen, um Zahlungsdaten zu extrahieren, diese Lösung ist darauf zugeschnitten, Ihnen den Zugriff auf die benötigten Informationen mit beispielloser Geschwindigkeit und Genauigkeit zu ermöglichen.
Mit der vorgeschlagenen Lösung werden Ihre Dokumente automatisch erfasst, ihr Inhalt analysiert und anschließend in einem äußerst reaktionsschnellen und skalierbaren OpenSearch-Index indiziert.
Wir behandeln, wie Technologien wie Amazon Textract, AWS Lambda, Amazon Simple Storage-Service (Amazon S3) und Amazon OpenSearch-Dienst kann in einen Workflow integriert werden, der Dokumente nahtlos verarbeitet. Anschließend beschäftigen wir uns mit der Indizierung dieser Daten in OpenSearch und demonstrieren die Suchfunktionen, die Ihnen auf Knopfdruck zur Verfügung stehen.
Unabhängig davon, ob Ihr Unternehmen die ersten Schritte in das Zeitalter der digitalen Transformation unternimmt oder ein etablierter Riese ist, der die Informationsbeschaffung beschleunigen möchte, ist dieser Leitfaden Ihr Kompass für die Navigation durch die Möglichkeiten, die AWS Intelligent Document Processing und OpenSearch bieten.
Das Implementierung in diesem Beitrag verwendet verwendet die Amazon Textract IDP CDK-Konstrukte – AWS Cloud Development Kit (CDK)-Komponenten zur Definition der Infrastruktur für IDP-Workflows (Intelligent Document Processing) – mit denen Sie anwendungsfallspezifische, anpassbare IDP-Workflows erstellen können. Die IDP-CDK-Konstrukte und -Beispiele sind eine Sammlung von Komponenten, die die Definition von IDP-Prozessen auf AWS und deren Veröffentlichung ermöglichen GitHub. Die wichtigsten verwendeten Konzepte sind AWS Cloud Development Kit (CDK) Konstrukte, das Tatsächliche CDK-Stacks und AWS Step-Funktionen. Der Workshop Nutzen Sie maschinelles Lernen, um Dokumente im großen Maßstab zu automatisieren und zu verarbeiten ist ein guter Ausgangspunkt, um mehr über das Anpassen von Arbeitsabläufen zu erfahren und die anderen Beispiel-Arbeitsabläufe als Grundlage für Ihre eigenen zu verwenden.
Lösungsüberblick
Bei dieser Lösung konzentrieren wir uns auf die Indizierung von Dokumenten in einem OpenSearch-Index zum schnellen Suchen und Abrufen von Informationen und Dokumenten. Dokumente im PDF-, TIFF-, JPEG- oder PNG-Format werden in einem Amazon Simple Storage Service abgelegt (Amazon S3)-Bucket erstellt und anschließend mithilfe dieses Step Functions-Workflows in OpenSearch indiziert.
Das OpenSearchWorkflow-Entscheider untersucht das Dokument und stellt sicher, dass es sich um einen der unterstützten Mime-Typen (PDF, TIFF, PNG oder JPEG) handelt. Es besteht aus einem AWS Lambda Funktion.
Das DocumentSplitter Erstellt aus Dokumenten maximal 2500 Seiten. Das heißt, obwohl Amazon Textract Dokumente mit bis zu 3000 Seiten unterstützt, können Sie Dokumente mit viel mehr Seiten übergeben und der Prozess funktioniert immer noch einwandfrei und fügt die Seiten in OpenSearch ein und erstellt korrekte Seitenzahlen. Der DocumentSplitter wird als AWS Lambda-Funktion implementiert.
Das Kartenstatus verarbeitet jeden Block parallel.
Das TextractAsync Die Aufgabe ruft Amazon Textract mithilfe der asynchronen Funktion auf Programmierschnittstelle (API) folgt Best Practices mit Amazon Simple Notification Service (AmazonSNS) Benachrichtigungen und Ausgabekonfiguration um die Amazon Textract JSON-Ausgabe in einem Amazon S3-Bucket eines Kunden zu speichern. Es besteht aus zwei Amazon Lambda-Funktionen: eine zum Senden des Dokuments zur Verarbeitung und eine zum Auslösen der Amazon SNS-Benachrichtigung.
Da die TextractAsyDie NC-Aufgabe kann mehrere paginierte Ausgabedateien erzeugen TextractAsyncToJSON2 Der Prozess kombiniert sie in einer JSON-Datei.
Der Step Functions-Kontext wird mit Informationen angereichert, die auch im OpenSearch-Index im durchsuchbar sein sollen SetMetaData Schritt. Die Beispielimplementierung fügt hinzu ORIGIN_FILE_NAME
, START_PAGE_NUMBER
und ORIGIN_FILE_URI
. Sie können beliebige Informationen hinzufügen, um das Sucherlebnis zu bereichern, z. B. Informationen aus anderen Backend-Systemen, bestimmte IDs oder Klassifizierungsinformationen.
Das GenerateOpenSearchBatch nimmt den generierten Amazon Textract-Ausgabe-JSON, kombiniert ihn mit den Informationen aus dem von SetMetaData festgelegten Kontext und bereitet eine Datei vor, die für den Batch-Import in OpenSearch optimiert ist.
Im OpenSearchPushInvoke, wird diese Batch-Importdatei an den OpenSearch-Index gesendet und steht für die Suche zur Verfügung. Diese AWS Lambda-Funktion ist mit der verbunden aws-lambda-opensearch aus dem konstruieren AWS-Lösungen Bibliothek unter Verwendung der m6g.large.search-Instanzen, OpenSearch Version 2.7, und konfigurierte den Amazon Elastic Block Service (Amazon EBS) Volumegröße auf General Purpose 2 (GP2) mit 200 GB. Sie können die OpenSearch-Konfiguration entsprechend Ihren Anforderungen ändern.
Das endgültige TaskOpenSearchMapping Schritt löscht den Kontext, der andernfalls überschritten werden könnte Kontingent für Schrittfunktionen of Maximale Eingabe- oder Ausgabegröße für eine Aufgabe, einen Status oder eine Ausführung.
Voraussetzungen:
Um die Beispiele bereitzustellen, benötigen Sie ein AWS-Konto AWS Cloud Development Kit (AWS CDK), eine aktuelle Python-Version und Docker sind erforderlich. Sie benötigen Berechtigungen zum Bereitstellen von AWS CloudFormation-Vorlagen Amazon Elastic Container-Registrierung (Amazon ECR), erstellen Amazon Identitäts- und Zugriffsverwaltung (AWS IAM)-Rollen, Amazon Lambda-Funktionen, Amazon S3-Buckets, Amazon Step Functions, Amazon OpenSearch-Cluster und ein Amazon Cognito Benutzerpool. Stellen Sie sicher, dass Ihre Die AWS CLI-Umgebung ist eingerichtet mit den entsprechenden Berechtigungen.
Sie können auch eine aufdrehen AWS Cloud9 Instanz mit vorinstalliertem AWS CDK, Python und Docker, um die Bereitstellung zu starten.
Lösungsweg
Einsatz
- Nachdem Sie die Voraussetzungen eingerichtet haben, müssen Sie zunächst das Repository klonen:
- Dann cd in den Repository-Ordner und installieren Sie die Abhängigkeiten:
- Stellen Sie den OpenSearchWorkflow-Stack bereit:
Die Bereitstellung dauert mit den Standardkonfigurationseinstellungen aus den GitHub-Beispielen etwa 25 Minuten und erstellt einen Step Functions-Workflow, der aufgerufen wird, wenn ein Dokument in einem Amazon S3-Bucket/Präfix abgelegt wird, und anschließend verarbeitet wird, bis der Inhalt des Dokuments indiziert ist in einem OpenSearch-Cluster.
Im Folgenden finden Sie eine Beispielausgabe mit nützlichen Links und generierten Informationencdk deploy OpenSearchWorkflow
Befehl:
Diese Informationen sind auch in der AWS CloudFormation-Konsole verfügbar.
Wenn ein neues Dokument unter dem platziert wird OpenSearchWorkflow.DocumentUploadLocation, wird ein neuer Step Functions-Workflow für dieses Dokument gestartet.
Um den Status dieses Dokuments zu überprüfen, müssen Sie Folgendes tun: OpenSearchWorkflow.StepFunctionFlowLink Bietet einen Link zur Liste der StepFunction-Ausführungen in der AWS-Managementkonsole und zeigt den Status der Dokumentverarbeitung für jedes auf Amazon S3 hochgeladene Dokument an. Das Tutorial Anzeigen und Debuggen von Ausführungen auf der Step Functions-Konsole Bietet einen Überblick über die Komponenten und Ansichten in der AWS-Konsole.
Testen
- Erster Test anhand einer Beispieldatei.
- Nachdem Sie den Link zum StepFunction-Workflow ausgewählt oder die AWS-Managementkonsole geöffnet und zur Step-Functions-Serviceseite gegangen sind, können Sie sich die verschiedenen Workflow-Aufrufe ansehen.
- Werfen Sie einen Blick auf die aktuell laufende Beispieldokumentausführung, in der Sie die Ausführung der einzelnen Workflow-Aufgaben verfolgen können.
Suche
Sobald der Vorgang abgeschlossen ist, können wir überprüfen, ob das Dokument im OpenSearch-Index indexiert ist.
- Dazu erstellen wir zunächst einen Amazon Cognito-Benutzer. Amazon Cognito wird zur Authentifizierung von Benutzern anhand des OpenSearch-Index verwendet. Wählen Sie den Link in der Ausgabe der CDK-Bereitstellung aus (oder schauen Sie sich die Datei an AWS CloudFormation Ausgabe in der AWS Management Console) benannt OpenSearchWorkflow.CognitoUserPoolLink.
- Als nächstes wählen Sie die Benutzer erstellen Klicken Sie auf die Schaltfläche, die Sie zu einer Seite weiterleitet, auf der Sie einen Benutzernamen und ein Passwort für den Zugriff auf das OpenSearch-Dashboard eingeben können.
- Nach der Auswahl Benutzer erstellen, können Sie mit dem OpenSearch-Dashboard fortfahren, indem Sie auf klicken OpenSearchWorkflow.OpenSearchDashboard aus der CDK-Bereitstellungsausgabe. Melden Sie sich mit dem zuvor erstellten Benutzernamen und Passwort an. Beim ersten Login müssen Sie das Passwort ändern.
- Sobald Sie sich beim OpenSearch-Dashboard angemeldet haben, wählen Sie das aus Stapelverwaltung Abschnitt, gefolgt von Indexmusters, um einen Suchindex zu erstellen.
- Der Standardname für den Index lautet Papierindex und ein Indexmustername von Papers-Index* wird dazu passen.
- Nach einem Klick Nächster SchrittWählen Zeitstempel wie die Zeitfeld und Indexmuster erstellen.
- Wählen Sie nun im Menü aus Lesen Sie.
In den meisten Fällen müssen Sie die Zeitspanne entsprechend Ihrer letzten Einnahme ändern. Der Standardwert beträgt 15 Minuten und häufig gab es in den letzten 15 Minuten keine Aktivität. In diesem Beispiel wurde der Wert auf 15 Tage geändert, um die Aufnahme zu visualisieren.
- Jetzt können Sie mit der Suche beginnen. Ein Roman wurde indiziert, Sie können nach beliebigen Begriffen suchen wie Nenn mich Ismael und sehen Sie die Ergebnisse.
In diesem Fall der Begriff Nenn mich Ismael erscheint auf Seite 6 des Dokuments unter dem angegebenen Uniform Resource Identifier (URI), der auf den Amazon S3-Speicherort der Datei verweist. Dies ermöglicht eine schnellere Identifizierung von Dokumenten und das Auffinden von Informationen in einem großen Bestand an PDF-, TIFF- oder Bilddokumenten im Vergleich zum manuellen Durchblättern.
Laufen im Maßstab
Um den Umfang und die Dauer eines Indexierungsprozesses abzuschätzen, wurde die Implementierung mit 93,997 Dokumenten und einer Gesamtsumme von 1,583,197 Seiten (durchschnittlich 16.84 Seiten/Dokument und die größte Datei mit 3755 Seiten) getestet, die alle in OpenSearch indexiert wurden. Die Verarbeitung aller Dateien und deren Indizierung in OpenSearch dauerte in der Region USA Ost (Nord-Virginia – us-east-5.5) standardmäßig 1 Stunden Amazon Textract-Servicekontingente. Die folgende Grafik zeigt einen ersten Test um 18:00 Uhr, gefolgt von der Haupteinnahme um 21:00 Uhr und alles um 2:30 Uhr.
Für die Verarbeitung ist die tcdk.SFExecutionsStartThrottle wurde auf ein gesetzt executions_concurrency_threshold
=550, was bedeutet, dass gleichzeitige Dokumentverarbeitungsworkflows auf 550 begrenzt sind und überschüssige Anforderungen in die Warteschlange gestellt werden Amazon SQS Fist-In-First-Out (FIFO)-Warteschlange, die anschließend geleert wird, wenn aktuelle Arbeitsabläufe abgeschlossen sind. Der Schwellenwert von 550 basiert auf der Textract-Dienstquote von 600 in der Region us-east-1. Daher sind die Warteschlangentiefe und das Alter der ältesten Nachricht überwachungswürdige Messgrößen.
In diesem Test wurden alle Dokumente auf einmal auf Amazon S3 hochgeladen, daher die Ungefähre Anzahl der sichtbaren Nachrichten weist einen steilen Anstieg und dann einen langsamen Rückgang auf, da keine neuen Dokumente erfasst werden. Der Ungefähres Alter der ältesten Nachricht erhöht sich, bis alle Nachrichten verarbeitet sind. Der Amazon SQS MessageRetentionPeriod ist auf 14 Tage eingestellt. Bei einer sehr langwierigen Rückstandsverarbeitung, die 14 Tage überschreiten kann, beginnen Sie mit der Verarbeitung einer kleineren Teilmenge repräsentativer Dokumente und überwachen Sie die Ausführungsdauer, um abzuschätzen, wie viele Dokumente Sie übergeben können, bevor 14 Tage überschritten werden. Die Amazon SQS CloudWatch-Metriken sehen für einen Anwendungsfall der Verarbeitung eines großen Rückstands an Dokumenten ähnlich aus, der sofort erfasst und dann vollständig verarbeitet wird. Wenn es sich bei Ihrem Anwendungsfall um einen stetigen Fluss von Dokumenten handelt, sind beide Metriken erforderlich Ungefähre Anzahl der sichtbaren Nachrichten und für Ungefähres Alter der ältesten Nachricht wird linearer sein. Sie können den Schwellenwertparameter auch verwenden, um eine konstante Last mit der Rückstandsverarbeitung zu kombinieren und Kapazität entsprechend Ihren Verarbeitungsanforderungen zuzuweisen.
Eine weitere zu überwachende Metrik ist der Zustand des OpenSearch-Clusters, den Sie entsprechend einrichten sollten Operative Best Practices für Amazon OpenSearch Service. Die Standardbereitstellung verwendet m6g.large.search-Instanzen.
Hier ist eine Momentaufnahme der Key Performance Indicators (KPI) für den OpenSearch-Cluster. Keine Fehler, konstante Indexierungsdatenrate und Latenz.
Die Workflow-Ausführungen von Step Functions zeigen den Bearbeitungsstand für jedes einzelne Dokument an. Wenn Sie Hinrichtungen sehen Gescheitert Geben Sie den Status ein und wählen Sie dann die Details aus. Eine gute zu überwachende Metrik ist AWS Automatisches CloudWatch-Dashboard für Schrittfunktionen, die einige davon offenlegen Step Functions CloudWatch-Metriken.
In diesem AWS CloudWatch Dashboard-Diagramm sehen Sie die erfolgreichen Step Functions-Ausführungen im Zeitverlauf.
Und dieses zeigt die gescheiterten Hinrichtungen. Es lohnt sich, diese anhand der Übersicht über die Schrittfunktionen der AWS-Konsole zu untersuchen.
Der folgende Screenshot zeigt ein Beispiel für eine fehlgeschlagene Ausführung, weil die Ursprungsdatei die Größe 0 hat. Dies ist sinnvoll, da die Datei keinen Inhalt hat und nicht verarbeitet werden konnte. Es ist wichtig, fehlgeschlagene Prozesse zu filtern und Fehler zu visualisieren, damit Sie zum Quelldokument zurückkehren und die Grundursache validieren können.
Andere Fehler können Dokumente umfassen, die nicht vom Mime-Typ sind: application/pdf, image/png, image/jpeg oder image/tiff, da andere Dokumenttypen von Amazon Textract nicht unterstützt werden.
Kosten
Die Gesamtkosten für die Aufnahme von 1,583,278 Seiten wurden auf die für die Implementierung verwendeten AWS-Services aufgeteilt. Die folgende Liste dient als ungefähre Zahlen, da Ihre tatsächlichen Kosten und Bearbeitungsdauer je nach Größe der Dokumente, der Anzahl der Seiten pro Dokument, der Informationsdichte in den Dokumenten und der AWS-Region variieren. Amazon DynamoDB verbrauchte 0.55 $, Amazon S3 3.33 $, OpenSearch Service 14.71 $, Step Functions 17.92 $, AWS Lambda 28.95 $ und Amazon Textract 1,849.97 $. Bedenken Sie außerdem, dass der bereitgestellte Amazon OpenSearch Service-Cluster stundenweise abgerechnet wird und bei längerer Ausführung höhere Kosten anfallen.
Änderungen
Höchstwahrscheinlich möchten Sie die Implementierung ändern und an Ihren Anwendungsfall und Ihre Dokumente anpassen. Der Workshop Nutzen Sie maschinelles Lernen, um Dokumente im großen Maßstab zu automatisieren und zu verarbeiten Bietet einen guten Überblick darüber, wie Sie die tatsächlichen Arbeitsabläufe manipulieren, den Ablauf ändern und neue Komponenten hinzufügen. Informationen zum Hinzufügen benutzerdefinierter Felder zum OpenSearch-Index finden Sie unter SetMetaData Aufgabe im Workflow mithilfe der set-manifest-meta-data-opensearch AWS Lambda-Funktion zum Hinzufügen von Metadaten zum Kontext, die als Feld zum OpenSearch-Index hinzugefügt werden. Alle Metadateninformationen werden Teil des Index.
Aufräumen
Löschen Sie die Beispielressourcen, wenn Sie sie nicht mehr benötigen, um künftige Kosten zu vermeiden, indem Sie den folgenden Befehl verwenden:
in der gleichen Umgebung wie die cdk deploy
Befehl. Beachten Sie, dass dadurch alles entfernt wird, einschließlich des OpenSearch-Clusters und aller Dokumente sowie des Amazon S3-Buckets. Wenn Sie diese Informationen beibehalten möchten, sichern Sie Ihren Amazon S3-Bucket und Erstellen Sie einen Index-Snapshot aus Ihrem OpenSearch-Cluster. Wenn Sie viele Dateien verarbeitet haben, müssen Sie aufgrund der Bereinigungsfunktion möglicherweise zuerst den Amazon S3-Bucket über die AWS-Managementkonsole leeren (d. h. nachdem Sie ein Backup erstellt oder sie mit einem anderen Bucket synchronisiert haben, wenn Sie die Informationen behalten möchten). kann eine Zeitüberschreitung verursachen und dann den AWS CloudFormation-Stack zerstören.
Zusammenfassung
In diesem Beitrag haben wir Ihnen gezeigt, wie Sie eine Komplettlösung bereitstellen, um eine große Anzahl von Dokumenten in einen OpenSearch-Index aufzunehmen, die für Suchanwendungsfälle verwendet werden können. Die einzelnen Komponenten der Implementierung wurden ebenso besprochen wie Skalierungsüberlegungen, Kosten und Änderungsmöglichkeiten. Der gesamte Code ist als OpenSource auf GitHub verfügbar IDP-CDK-Beispiele und als IDP-CDK-Konstrukte um Ihre eigenen Lösungen von Grund auf zu entwickeln. Als nächsten Schritt können Sie mit der Änderung des Workflows beginnen, Informationen zu den Dokumenten im Suchindex hinzufügen und die Dokumente durchsuchen IDP-Workshop. Bitte kommentieren Sie unten Ihre Erfahrungen und Ideen zur Erweiterung der aktuellen Lösung.
Über den Autor
Martin Schade ist eine Senior ML Product SA mit dem Amazon Textract-Team. Er verfügt über mehr als 20 Jahre Erfahrung mit internetbezogenen Technologien, Engineering- und Architekturlösungen. Er kam 2014 zu AWS und leitete zunächst einige der größten AWS-Kunden zur effizientesten und skalierbarsten Nutzung von AWS-Services und konzentrierte sich später auf KI/ML mit Schwerpunkt auf Computer Vision. Derzeit ist er davon besessen, Informationen aus Dokumenten zu extrahieren.
- 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/implement-smart-document-search-index-with-amazon-textract-and-amazon-opensearch/
- :hast
- :Ist
- :nicht
- :Wo
- $3
- $UP
- 1
- 10
- 100
- 11
- 12
- 13
- 14
- 15%
- 16
- 17
- 20
- 20 Jahre
- 200
- 2014
- 216
- 220
- 25
- 30
- 3000
- 32
- 33
- 7
- 700
- 8
- 820
- 84
- 9
- a
- Über Uns
- Zugang
- zugänglich
- Zugriff
- Nach
- Konto
- Akkumulieren
- Genauigkeit
- über
- Aktivität
- präsentieren
- hinzufügen
- hinzugefügt
- Hinzufügen
- Fügt
- Nach der
- gegen
- Alter
- AI / ML
- Alle
- zuordnen
- erlauben
- ebenfalls
- Amazon
- Amazon Cognito
- Amazon OpenSearch-Dienst
- Amazontext
- Amazon Web Services
- an
- Analytiker
- und
- jedem
- Bienen
- erscheint
- ungefähr
- SIND
- um
- AS
- At
- Authentifizierung
- automatisieren
- automatische
- Im Prinzip so, wie Sie es von Google Maps kennen.
- verfügbar
- durchschnittlich
- vermeiden
- AWS
- AWS CloudFormation
- AWS Lambda
- AWS-Managementkonsole
- Zurück
- Backend
- Sicherungskopie
- Base
- basierend
- BE
- weil
- werden
- Bevor
- Sein
- unten
- BESTE
- Best Practices
- Besser
- sich hüten
- Blockieren
- beide
- bauen
- Taste im nun erscheinenden Bestätigungsfenster nun wieder los.
- by
- Aufrufe
- CAN
- Fähigkeiten
- Kapazität
- Häuser
- Fälle
- Verursachen
- CD
- Übernehmen
- geändert
- Ändern
- aus der Ferne überprüfen
- Auswahl
- Einstufung
- Cloud
- Cluster
- Code
- Sammlung
- vereint
- Kommentar
- Unternehmen
- verglichen
- Kompass
- wettbewerbsfähig
- Komponenten
- Computer
- Computer Vision
- Konzepte
- Wettbewerber
- Konfiguration
- konfiguriert
- Sie
- Überlegungen
- besteht
- Konsul (Console)
- konstante
- konstruieren
- Container
- Inhalt
- Kontext
- fortsetzen
- Verträge
- und beseitigen Muskelschwäche
- Kosten
- Kosten
- könnte
- gekoppelt
- Abdeckung
- erstellen
- erstellt
- schafft
- kritischem
- Strom
- Zur Zeit
- Original
- Kunde
- Kunden
- anpassbare
- anpassen
- Armaturenbrett
- Dashboards
- technische Daten
- Tage
- Deal
- Ablehnen
- Standard
- definieren
- Definition
- zeigen
- Abhängigkeiten
- Abhängig
- einsetzen
- Einsatz
- Einsatz
- Tiefe
- zerstören
- Details
- Entwicklung
- Dialog
- anders
- digital
- Digitale Transformation
- entdeckt,
- diskutiert
- Anzeige
- tauchen
- do
- Docker
- Dokument
- Unterlagen
- erledigt
- abgelassen
- zwei
- Dauer
- e
- jeder
- Osten
- Edge
- effizient
- effizient
- Anstrengung
- Mitarbeiter
- ermächtigen
- ermöglichen
- Entwicklung
- enorm
- bereichern
- angereichert
- Enter
- Arbeitsumfeld
- Era
- Fehler
- insbesondere
- etablierten
- schätzen
- Sogar
- alles
- Beispiel
- überschreiten
- mehr als
- Überschuss
- Ausführung
- Erweitern Sie die Funktionalität der
- ERFAHRUNGEN
- ERKUNDEN
- Extrakt
- Gescheitert
- FAST
- beschleunigt
- Feld
- Felder
- Abbildung
- Reichen Sie das
- Mappen
- Filter
- Finale
- Revolution
- Finden Sie
- Ende
- Fingerspitzen
- Fertig
- Vorname
- erste Schritte
- erstes Mal
- Fluss
- Setzen Sie mit Achtsamkeit
- konzentriert
- folgen
- gefolgt
- Folgende
- Aussichten für
- Format
- für
- voller
- Voller Stapel
- voll
- Funktion
- Funktionen
- Zukunft
- Allgemeines
- erzeugt
- erzeugt
- bekommen
- Riese
- GitHub
- gegeben
- Go
- gehen
- gut
- Graph
- Guide
- Geschirr
- Haben
- mit
- he
- Gesundheit
- hilft
- GUTE
- höher
- hoch
- Stunde
- STUNDEN
- Ultraschall
- Hilfe
- aber
- HTML
- HTTPS
- human
- Human Resources
- i
- Ideen
- Kennzeichnung
- identifizieren
- Identitätsschutz
- ids
- if
- Image
- implementieren
- Implementierung
- umgesetzt
- importieren
- wichtig
- in
- das
- Einschließlich
- Erhöhung
- Steigert
- Index
- indiziert
- Anzeigen
- Krankengymnastik
- Information
- Infrastruktur
- Anfangs-
- initiieren
- Varianten des Eingangssignals:
- Einblicke
- installieren
- Instanz
- integriert
- Intelligent
- Intelligente Dokumentenverarbeitung
- in
- Untersuchung
- aufgerufen
- IT
- beigetreten
- Reise
- jpg
- JSON
- Behalten
- Wesentliche
- grosse
- höchste
- Nachname
- Latency
- später
- LERNEN
- lernen
- Bibliothek
- Gefällt mir
- wahrscheinlich
- LINK
- Links
- Liste
- Belastung
- Standorte
- protokolliert
- login
- Lang
- länger
- aussehen
- suchen
- SIEHT AUS
- Maschine
- Maschinelles Lernen
- gemacht
- Main
- halten
- Aufrechterhaltung
- um
- MACHT
- Management
- manuell
- viele
- Spiel
- maximal
- Kann..
- me
- Mittel
- MENÜ
- Nachricht
- Nachrichten
- Methoden
- Metrisch
- Metrik
- könnte
- Geist / Bewusstsein
- Minuten
- mischen
- ML
- modern
- ändern
- Überwachen
- Überwachung
- mehr
- vor allem warme
- Mountain
- mehrere
- Name
- Namens
- navigieren
- Need
- Bedürfnisse
- Neu
- weiter
- nicht
- Benachrichtigung
- Benachrichtigungen
- Roman
- Anzahl
- Zahlen
- of
- bieten
- vorgenommen,
- älteste
- on
- einmal
- EINEM
- XNUMXh geöffnet
- opensource
- Entwicklungsmöglichkeiten
- optimiert
- Optionen
- or
- Auftrag
- Organisation
- Herkunft
- Andere
- Andernfalls
- Möglichkeiten für das Ausgangssignal:
- übrig
- Überblick
- besitzen
- Seite
- Seiten
- Parallel
- Parameter
- Teil
- passieren
- Passwort
- Schnittmuster
- Muster
- Zahlung
- für
- Leistung
- Zeit
- Berechtigungen
- Plato
- Datenintelligenz von Plato
- PlatoData
- Bitte
- Points
- Punkte
- Pool
- möglich
- Post
- Praktiken
- Bereitet sich vor
- Voraussetzungen
- Geschenke
- vorher
- Prozessdefinierung
- Verarbeitet
- anpassen
- Verarbeitung
- produziert
- Produkt
- Programmierung
- vorgeschlage
- bietet
- veröffentlicht
- Zweck
- Push
- setzen
- Versetzt
- Python
- Direkt
- schnell
- Bewerten
- bereit
- Region
- Meldungen
- Quelle
- Vertreter
- Zugriffe
- falls angefordert
- Voraussetzungen:
- Ressourcen
- Downloads
- ansprechbar
- Folge
- Die Ergebnisse
- behalten
- Rollen
- Wurzel
- Führen Sie
- Laufen
- SA
- gleich
- skalierbaren
- Skalieren
- Skalierung
- kratzen
- nahtlos
- Suche
- Suche
- Abschnitt
- sehen
- auf der Suche nach
- Auswahl
- Senior
- Sinn
- geschickt
- dient
- Lösungen
- kompensieren
- Einstellungen
- Setup
- sollte
- erklären
- zeigte
- Konzerte
- ähnlich
- Einfacher
- Größe
- langsam
- kleinere
- smart
- Schnappschuss
- So
- Lösung
- Lösungen
- einige
- Quelle
- spezifisch
- Geschwindigkeit
- Wirbelsäule ... zu unterstützen.
- gespalten
- Stapel
- Anfang
- begonnen
- Beginnen Sie
- Bundesstaat
- Staaten
- Status
- stetig
- Schritt
- Shritte
- Immer noch
- Lagerung
- speichern
- Speicherung
- abschicken
- Anschließend
- erfolgreich
- so
- Unterstützte
- Unterstützt
- sicher
- Systeme und Techniken
- zugeschnitten
- Nehmen
- nimmt
- Einnahme
- Aufgabe
- und Aufgaben
- Team
- Technologies
- Vorlagen
- Begriff
- AGB
- Test
- getestet
- Text
- zur Verbesserung der Gesundheitsgerechtigkeit
- Das
- Der Graph
- die Informationen
- Die Quelle
- Der Staat
- ihr
- Sie
- dann
- Dort.
- deswegen
- Diese
- vom Nutzer definierten
- fehlen uns die Worte.
- obwohl?
- Schwelle
- Durch
- zu
- Zeit
- Zeitaufwendig
- zu
- nahm
- Gesamt
- traditionell
- Transformation
- ausgelöst
- Lernprogramm
- XNUMX
- tippe
- Typen
- für
- beispiellos
- bis
- hochgeladen
- us
- -
- Anwendungsfall
- benutzt
- Mitglied
- Nutzer
- verwendet
- Verwendung von
- die
- BESTÄTIGEN
- Wert
- Version
- sehr
- Ansichten
- Virginia
- Seh-
- visualisieren
- Volumen
- Volumen
- wollen
- wurde
- Weg..
- we
- Netz
- Web-Services
- GUT
- waren
- Was
- wann
- welche
- werden wir
- mit
- Arbeitsablauf.
- Workflows
- Werk
- Werkstatt
- Workshops
- wert
- Jahr
- Du
- Ihr
- Zephyrnet