Βουτήξτε στη βαθιά μάθηση (D2L.ai) είναι ένα εγχειρίδιο ανοιχτού κώδικα που κάνει τη βαθιά μάθηση προσβάσιμη σε όλους. Διαθέτει διαδραστικά σημειωματάρια Jupyter με αυτόνομο κώδικα σε PyTorch, JAX, TensorFlow και MXNet, καθώς και παραδείγματα πραγματικού κόσμου, εικόνες έκθεσης και μαθηματικά. Μέχρι στιγμής, το D2L έχει υιοθετηθεί από περισσότερα από 400 πανεπιστήμια σε όλο τον κόσμο, όπως το Πανεπιστήμιο του Κέμπριτζ, το Πανεπιστήμιο Στάνφορντ, το Ινστιτούτο Τεχνολογίας της Μασαχουσέτης, το Πανεπιστήμιο Carnegie Mellon και το Πανεπιστήμιο Tsinghua. Αυτό το έργο διατίθεται επίσης στα Κινεζικά, Ιαπωνικά, Κορεάτικα, Πορτογαλικά, Τουρκικά και Βιετναμέζικα, με σχέδια να κυκλοφορήσει ισπανικά και άλλες γλώσσες.
Είναι μια δύσκολη προσπάθεια να έχουμε ένα διαδικτυακό βιβλίο που ενημερώνεται συνεχώς, γραμμένο από πολλούς συγγραφείς και διαθέσιμο σε πολλές γλώσσες. Σε αυτήν την ανάρτηση, παρουσιάζουμε μια λύση που χρησιμοποίησε το D2L.ai για να αντιμετωπίσει αυτήν την πρόκληση χρησιμοποιώντας το Λειτουργία Active Custom Translation (ACT). of Amazon Μετάφραση και δημιουργία ενός πολύγλωσσου αγωγού αυτόματης μετάφρασης.
Δείχνουμε πώς να χρησιμοποιήσετε το Κονσόλα διαχείρισης AWS και Δημόσιο API Μετάφρασης Amazon για την παροχή αυτόματης αυτόματης μαζικής μετάφρασης και ανάλυση των μεταφράσεων μεταξύ δύο ζευγών γλωσσών: Αγγλικά και Κινέζικα και Αγγλικά και Ισπανικά. Συνιστούμε επίσης τις βέλτιστες πρακτικές κατά τη χρήση του Amazon Translate σε αυτόν τον αγωγό αυτόματης μετάφρασης για να διασφαλιστεί η ποιότητα και η αποτελεσματικότητα της μετάφρασης.
Επισκόπηση λύσεων
Δημιουργήσαμε αγωγούς αυτόματης μετάφρασης για πολλές γλώσσες χρησιμοποιώντας τη λειτουργία ACT στο Amazon Translate. Το ACT σάς επιτρέπει να προσαρμόσετε την έξοδο μετάφρασης αμέσως παρέχοντας προσαρμοσμένα παραδείγματα μετάφρασης με τη μορφή παράλληλα δεδομένα. Τα παράλληλα δεδομένα αποτελούνται από μια συλλογή παραδειγμάτων κειμένου σε μια γλώσσα πηγής και τις επιθυμητές μεταφράσεις σε μία ή περισσότερες γλώσσες-στόχους. Κατά τη μετάφραση, το ACT επιλέγει αυτόματα τα πιο σχετικά τμήματα από τα παράλληλα δεδομένα και ενημερώνει το μοντέλο μετάφρασης αμέσως με βάση αυτά τα ζεύγη τμημάτων. Αυτό έχει ως αποτέλεσμα μεταφράσεις που ταιριάζουν καλύτερα με το ύφος και το περιεχόμενο των παράλληλων δεδομένων.
Η αρχιτεκτονική περιέχει πολλαπλούς υπο-αγωγούς. Κάθε δευτερεύων αγωγός χειρίζεται μετάφραση μιας γλώσσας, όπως αγγλικά προς κινέζικα, αγγλικά προς ισπανικά κ.λπ. Πολλαπλές υπο-αγωγοί μετάφρασης μπορούν να υποβληθούν σε επεξεργασία παράλληλα. Σε κάθε δευτερεύον αγωγό, κατασκευάζουμε πρώτα τα παράλληλα δεδομένα στο Amazon Translate χρησιμοποιώντας το υψηλής ποιότητας σύνολο δεδομένων παραδειγμάτων ουράς μετάφρασης από τα βιβλία D2L που έχουν μεταφραστεί από τον άνθρωπο. Στη συνέχεια, παράγουμε την προσαρμοσμένη παραγωγή μηχανικής μετάφρασης εν κινήσει κατά την εκτέλεση, η οποία επιτυγχάνει καλύτερη ποιότητα και ακρίβεια.
Στις επόμενες ενότητες, δείχνουμε πώς να δημιουργήσετε κάθε διοχέτευση μετάφρασης χρησιμοποιώντας το Amazon Translate με ACT, μαζί με Amazon Sage Maker και Απλή υπηρεσία αποθήκευσης Amazon (Amazon S3).
Αρχικά, βάζουμε τα έγγραφα προέλευσης, τα έγγραφα αναφοράς και το σετ παράλληλης εκπαίδευσης δεδομένων σε έναν κάδο S3. Στη συνέχεια, κατασκευάζουμε σημειωματάρια Jupyter στο SageMaker για να εκτελέσετε τη διαδικασία μετάφρασης χρησιμοποιώντας δημόσια API του Amazon Translate.
Προϋποθέσεις
Για να ακολουθήσετε τα βήματα σε αυτήν την ανάρτηση, βεβαιωθείτε ότι έχετε λογαριασμό AWS με τα εξής:
- Πρόσβαση σε Διαχείριση ταυτότητας και πρόσβασης AWS (IAM) για τη διαμόρφωση ρόλων και πολιτικής
- Πρόσβαση στο Amazon Translate, SageMaker και Amazon S3
- Ένας κάδος S3 για την αποθήκευση των εγγράφων πηγής, των εγγράφων αναφοράς, των παράλληλων δεδομένων δεδομένων και της παραγωγής της μετάφρασης
Δημιουργήστε έναν ρόλο και πολιτικές IAM για το Amazon Translate με ACT
Ο ρόλος μας στο IAM πρέπει να περιέχει μια προσαρμοσμένη πολιτική εμπιστοσύνης για το Amazon Translate:
Αυτός ο ρόλος πρέπει επίσης να έχει μια πολιτική αδειών που παρέχει στο Amazon Translate πρόσβαση ανάγνωσης στον φάκελο εισόδου και στους υποφακέλους στο Amazon S3 που περιέχουν τα έγγραφα προέλευσης και πρόσβαση ανάγνωσης/εγγραφής στον κάδο και το φάκελο εξόδου S3 που περιέχει τα μεταφρασμένα έγγραφα:
Για να εκτελέσουμε σημειωματάρια Jupyter στο SageMaker για τις εργασίες μετάφρασης, πρέπει να εκχωρήσουμε μια πολιτική ενσωματωμένης άδειας στον ρόλο εκτέλεσης του SageMaker. Αυτός ο ρόλος μεταβιβάζει τον ρόλο της υπηρεσίας Μετάφρασης Amazon στο SageMaker που επιτρέπει στους φορητούς υπολογιστές SageMaker να έχουν πρόσβαση στην πηγή και τα μεταφρασμένα έγγραφα στους καθορισμένους κάδους S3:
Προετοιμάστε δείγματα παράλληλης εκπαίδευσης δεδομένων
Τα παράλληλα δεδομένα στο ACT πρέπει να εκπαιδεύονται από ένα αρχείο εισόδου που αποτελείται από μια λίστα ζευγών παραδειγμάτων κειμένου, για παράδειγμα, ένα ζευγάρι γλώσσας πηγής (Αγγλικά) και γλώσσας στόχου (Κινέζικα). Το αρχείο εισόδου μπορεί να είναι σε μορφή TMX, CSV ή TSV. Το ακόλουθο στιγμιότυπο οθόνης δείχνει ένα παράδειγμα αρχείου εισόδου CSV. Η πρώτη στήλη είναι τα δεδομένα της γλώσσας προέλευσης (στα Αγγλικά) και η δεύτερη στήλη είναι τα δεδομένα της γλώσσας-στόχου (στα κινέζικα). Το ακόλουθο παράδειγμα εξάγεται από το βιβλίο D2L-en και το βιβλίο D2L-zh.
Εκτελέστε προσαρμοσμένη εκπαίδευση παράλληλων δεδομένων στο Amazon Translate
Αρχικά, ρυθμίσαμε τον κάδο και τους φακέλους S3 όπως φαίνεται στο παρακάτω στιγμιότυπο οθόνης. ο source_data
Ο φάκελος περιέχει τα έγγραφα προέλευσης πριν από τη μετάφραση. Τα έγγραφα που δημιουργούνται μετά τη μαζική μετάφραση τοποθετούνται στο φάκελο εξόδου. ο ParallelData
Ο φάκελος περιέχει το αρχείο παράλληλης εισαγωγής δεδομένων που προετοιμάστηκε στο προηγούμενο βήμα.
Αφού ανεβάσετε τα αρχεία εισόδου στο source_data
φάκελο, μπορούμε να χρησιμοποιήσουμε το CreateParallelData API για να εκτελέσετε μια παράλληλη εργασία δημιουργίας δεδομένων στο Amazon Translate:
Για να ενημερώσουμε υπάρχοντα παράλληλα δεδομένα με νέα σύνολα δεδομένων εκπαίδευσης, μπορούμε να χρησιμοποιήσουμε το UpdateParallelData API:
S3_BUCKET = “YOUR-S3_BUCKET-NAME”
pd_name = “pd-d2l-short_test_sentence_enzh_all”
pd_description = “Parallel Data for English to Chinese”
pd_fn = “d2l_short_test_sentence_enzh_all.csv”
response_t = translate_client.update_parallel_data( Name=pd_name, # pd_name is the parallel data name Description=pd_description, # pd_description is the parallel data description ParallelDataConfig={ 'S3Uri': 's3://'+S3_BUCKET+'/Paralleldata/'+pd_fn, # S3_BUCKET is the S3 bucket name defined in the previous step 'Format': 'CSV' },
)
print(pd_name, ": ", response_t['Status'], " updated.")
Μπορούμε να ελέγξουμε την πρόοδο της εργασίας εκπαίδευσης στην κονσόλα Amazon Translate. Όταν ολοκληρωθεί η εργασία, η κατάσταση παράλληλων δεδομένων εμφανίζεται ως Ενεργή και είναι έτοιμο για χρήση.
Εκτελέστε ασύγχρονη μαζική μετάφραση χρησιμοποιώντας παράλληλα δεδομένα
Η ομαδική μετάφραση μπορεί να πραγματοποιηθεί σε μια διαδικασία όπου πολλαπλά έγγραφα πηγής μεταφράζονται αυτόματα σε έγγραφα στις γλώσσες-στόχους. Η διαδικασία περιλαμβάνει τη μεταφόρτωση των εγγράφων προέλευσης στον φάκελο εισόδου του κάδου S3 και στη συνέχεια την εφαρμογή του StartTextTranslationJob API του Amazon Translate για να ξεκινήσει μια ασύγχρονη εργασία μετάφρασης:
Επιλέξαμε πέντε έγγραφα πηγής στα αγγλικά από το βιβλίο D2L (D2L-en) για τη μαζική μετάφραση. Στην κονσόλα Amazon Translate, μπορούμε να παρακολουθούμε την πρόοδο της εργασίας μετάφρασης. Όταν η κατάσταση της εργασίας αλλάζει σε Ολοκληρώθηκε το, μπορούμε να βρούμε τα μεταφρασμένα έγγραφα στα κινέζικα (D2L-zh) στον φάκελο εξόδου του κάδου S3.
Αξιολογήστε την ποιότητα της μετάφρασης
Για να δείξουμε την αποτελεσματικότητα της δυνατότητας ACT στο Amazon Translate, εφαρμόσαμε επίσης την παραδοσιακή μέθοδο μετάφρασης του Amazon Translate σε πραγματικό χρόνο χωρίς παράλληλα δεδομένα για την επεξεργασία των ίδιων εγγράφων και συγκρίναμε το αποτέλεσμα με το αποτέλεσμα μαζικής μετάφρασης με το ACT. Χρησιμοποιήσαμε τη βαθμολογία BLEU (Bilingual Evaluation Understudy) για να μετρήσουμε την ποιότητα της μετάφρασης μεταξύ των δύο μεθόδων. Ο μόνος τρόπος για να μετρήσετε με ακρίβεια την ποιότητα της απόδοσης της αυτόματης μετάφρασης είναι να κάνετε μια εξέταση από ειδικούς και να βαθμολογήσετε την ποιότητα. Ωστόσο, το BLEU παρέχει μια εκτίμηση της σχετικής βελτίωσης της ποιότητας μεταξύ δύο εκροών. Μια βαθμολογία BLEU είναι συνήθως ένας αριθμός μεταξύ 0-1. Υπολογίζει την ομοιότητα της αυτόματης μετάφρασης με την ανθρώπινη μετάφραση αναφοράς. Η υψηλότερη βαθμολογία αντιπροσωπεύει καλύτερη ποιότητα στην κατανόηση φυσικής γλώσσας (NLU).
Δοκιμάσαμε ένα σύνολο εγγράφων σε τέσσερις γραμμές: Αγγλικά σε Κινέζικα (en to zh), Κινεζικά σε Αγγλικά (zh to en), Αγγλικά σε Ισπανικά (en to es) και Ισπανικά σε Αγγλικά (es to en). Το παρακάτω σχήμα δείχνει ότι η μετάφραση με ACT παρήγαγε υψηλότερο μέσο όρο βαθμολογίας BLEU σε όλους τους αγωγούς μετάφρασης.
Παρατηρήσαμε επίσης ότι, όσο πιο αναλυτικά είναι τα παράλληλα ζεύγη δεδομένων, τόσο καλύτερη είναι η απόδοση της μετάφρασης. Για παράδειγμα, χρησιμοποιούμε το ακόλουθο αρχείο παράλληλης εισαγωγής δεδομένων με ζεύγη παραγράφων, το οποίο περιέχει 10 καταχωρήσεις.
Για το ίδιο περιεχόμενο, χρησιμοποιούμε το ακόλουθο αρχείο παράλληλης εισαγωγής δεδομένων με ζεύγη προτάσεων και 16 καταχωρήσεις.
Χρησιμοποιήσαμε και τα δύο αρχεία παράλληλης εισαγωγής δεδομένων για να δημιουργήσουμε δύο παράλληλες οντότητες δεδομένων στο Amazon Translate και, στη συνέχεια, δημιουργήσαμε δύο εργασίες μαζικής μετάφρασης με το ίδιο έγγραφο προέλευσης. Το παρακάτω σχήμα συγκρίνει τις μεταφράσεις εξόδου. Δείχνει ότι η έξοδος που χρησιμοποιεί παράλληλα δεδομένα με ζεύγη προτάσεων είχε καλύτερη απόδοση από εκείνη που χρησιμοποιεί παράλληλα δεδομένα με ζεύγη παραγράφων, τόσο για μετάφραση Αγγλικά προς Κινεζικά όσο και για μετάφραση Κινεζικά προς Αγγλικά.
Εάν ενδιαφέρεστε να μάθετε περισσότερα σχετικά με αυτές τις αναλύσεις συγκριτικής αξιολόγησης, ανατρέξτε στο Αυτόματη Μηχανική Μετάφραση και Συγχρονισμός για "Βουτιά στη Βαθιά Μάθηση".
εκκαθάριση
Για να αποφύγετε επαναλαμβανόμενα κόστη στο μέλλον, σας συνιστούμε να καθαρίσετε τους πόρους που δημιουργήσατε:
- Στην κονσόλα Amazon Translate, επιλέξτε τα παράλληλα δεδομένα που δημιουργήσατε και επιλέξτε ΔιαγραφήΕ Εναλλακτικά, μπορείτε να χρησιμοποιήσετε το DeleteParallelData API ή η Διεπαφή γραμμής εντολών AWS (AWS CLI) διαγραφή-παράλληλα-δεδομένα εντολή διαγραφής των παράλληλων δεδομένων.
- Διαγράψτε τον κάδο S3 χρησιμοποιείται για τη φιλοξενία των εγγράφων πηγής και αναφοράς, μεταφρασμένων εγγράφων και αρχείων παράλληλης εισαγωγής δεδομένων.
- Διαγράψτε τον ρόλο και την πολιτική του IAM. Για οδηγίες, ανατρέξτε στο Διαγραφή ρόλων ή προφίλ παρουσίας και Διαγραφή πολιτικών IAM.
Συμπέρασμα
Με αυτή τη λύση, στοχεύουμε να μειώσουμε τον φόρτο εργασίας των ανθρώπινων μεταφραστών κατά 80%, διατηρώντας παράλληλα την ποιότητα της μετάφρασης και υποστηρίζοντας πολλές γλώσσες. Μπορείτε να χρησιμοποιήσετε αυτήν τη λύση για να βελτιώσετε την ποιότητα και την αποτελεσματικότητα της μετάφρασης. Εργαζόμαστε για την περαιτέρω βελτίωση της αρχιτεκτονικής λύσεων και της ποιότητας μετάφρασης για άλλες γλώσσες.
Τα σχόλιά σας είναι πάντα ευπρόσδεκτα. αφήστε τις σκέψεις και τις ερωτήσεις σας στην ενότητα σχολίων.
Σχετικά με τους συγγραφείς
Γιουνφέι Μπάι είναι Senior Solutions Architect στην AWS. Με υπόβαθρο στην AI/ML, την επιστήμη δεδομένων και την ανάλυση, η Yunfei βοηθά τους πελάτες να υιοθετήσουν υπηρεσίες AWS για να προσφέρουν επιχειρηματικά αποτελέσματα. Σχεδιάζει λύσεις AI/ML και ανάλυσης δεδομένων που ξεπερνούν περίπλοκες τεχνικές προκλήσεις και οδηγούν στρατηγικούς στόχους. Ο Yunfei έχει διδακτορικό στην Ηλεκτρονική και Ηλεκτρολογία. Εκτός δουλειάς, ο Γιουνφέι απολαμβάνει το διάβασμα και τη μουσική.
Ρέιτσελ Χου είναι εφαρμοσμένος επιστήμονας στο AWS Machine Learning University (MLU). Έχει ηγηθεί μερικών σχεδίων μαθημάτων, συμπεριλαμβανομένων των ML Operations (MLOps) και του Accelerator Computer Vision. Η Rachel είναι ανώτερη ομιλήτρια του AWS και έχει μιλήσει σε κορυφαία συνέδρια όπως τα AWS re:Invent, NVIDIA GTC, KDD και MLOps Summit. Πριν ενταχθεί στην AWS, η Rachel εργάστηκε ως μηχανικός μηχανικής εκμάθησης δημιουργώντας μοντέλα επεξεργασίας φυσικής γλώσσας. Εκτός δουλειάς, της αρέσει η γιόγκα, το απόλυτο φρίσμπι, το διάβασμα και τα ταξίδια.
Watson Srivathsan είναι ο κύριος διευθυντής προϊόντων για το Amazon Translate, την υπηρεσία επεξεργασίας φυσικής γλώσσας της AWS. Τα Σαββατοκύριακα, θα τον βρείτε να εξερευνά την ύπαιθρο στο Βορειοδυτικό Ειρηνικό.
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- EVM Finance. Ενιαία διεπαφή για αποκεντρωμένη χρηματοδότηση. Πρόσβαση εδώ.
- Quantum Media Group. Ενισχυμένο IR/PR. Πρόσβαση εδώ.
- PlatoAiStream. Web3 Data Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- πηγή: https://aws.amazon.com/blogs/machine-learning/build-a-multilingual-automatic-translation-pipeline-with-amazon-translate-active-custom-translation/
- :έχει
- :είναι
- :που
- $UP
- 10
- 100
- 11
- 12
- 14
- 16
- 17
- 7
- a
- Σχετικα
- επιταχυντής
- πρόσβαση
- προσιτός
- Λογαριασμός
- ακρίβεια
- με ακρίβεια
- Επιτυγχάνει
- Πράξη
- Ενέργειες
- ενεργός
- διεύθυνση
- ενστερνίζομαι
- θετός
- Μετά το
- AI
- AI / ML
- στοχεύουν
- Όλα
- επιτρέπουν
- επιτρέπει
- κατά μήκος
- Επίσης
- πάντοτε
- Amazon
- Amazon Μετάφραση
- Amazon υπηρεσίες Web
- an
- αναλύσεις
- analytics
- αναλύσει
- και
- APIs
- εφαρμοσμένος
- εφαρμόζοντας
- αρχιτεκτονική
- ΕΙΝΑΙ
- γύρω
- AS
- At
- συγγραφείς
- αυτόματη
- Αυτόματο
- αυτομάτως
- διαθέσιμος
- μέσος
- αποφύγετε
- AWS
- Μηχανική εκμάθηση AWS
- AWS re: Εφευρέστε
- φόντο
- βασίζονται
- BE
- ήταν
- πριν
- αναφοράς
- ΚΑΛΎΤΕΡΟΣ
- βέλτιστες πρακτικές
- Καλύτερα
- μεταξύ
- βιβλίο
- Βιβλία
- και οι δύο
- χτίζω
- Κτίριο
- χτισμένο
- επιχείρηση
- by
- υπολογίζει
- cambridge
- CAN
- Carnegie Mellon
- πρόκληση
- προκλήσεις
- πρόκληση
- Αλλαγές
- έλεγχος
- κινέζικο
- Επιλέξτε
- κωδικός
- συλλογή
- Στήλη
- COM
- σχόλια
- σύγκριση
- πλήρης
- συγκρότημα
- υπολογιστή
- Computer Vision
- διενεργούνται
- συνέδρια
- Αποτελείται από
- αποτελείται
- πρόξενος
- κατασκευάσει
- περιέχουν
- Περιέχει
- περιεχόμενο
- συνεχώς
- Δικαστικά έξοδα
- Πορεία
- δημιουργήθηκε
- δημιουργία
- έθιμο
- Πελάτες
- προσαρμόσετε
- προσαρμοσμένη
- ημερομηνία
- Δεδομένα Analytics
- επιστημονικά δεδομένα
- σύνολα δεδομένων
- Ημερομηνία
- βαθύς
- βαθιά μάθηση
- ορίζεται
- παραδώσει
- αποδεικνύουν
- περιγραφή
- καθορισμένο
- σχέδια
- επιθυμητή
- έγγραφο
- έγγραφα
- αυτοκίνητο
- κατά την διάρκεια
- κάθε
- αποτέλεσμα
- αποτελεσματικότητα
- αποδοτικότητα
- Ηλεκτρονικός
- προσπάθεια
- μηχανικός
- Μηχανική
- Αγγλικά
- εξασφαλίζω
- οντότητες
- εκτίμηση
- εκτίμηση
- όλοι
- παράδειγμα
- παραδείγματα
- εκτέλεση
- υφιστάμενα
- εμπειρογνώμονας
- Εξερευνώντας
- μακριά
- Χαρακτηριστικό
- Χαρακτηριστικά
- ανατροφοδότηση
- λίγοι
- Εικόνα
- Σχήματα
- Αρχεία
- Αρχεία
- Εύρεση
- Όνομα
- ακολουθήστε
- Εξής
- Για
- μορφή
- μορφή
- τέσσερα
- από
- περαιτέρω
- μελλοντικός
- παράγουν
- παράγεται
- βαθμός
- χορηγεί
- επιχορηγήσεις
- Handles
- Έχω
- he
- βοηθά
- υψηλής ποιότητας
- υψηλότερο
- αυτόν
- κατέχει
- οικοδεσπότης
- Πως
- Πώς να
- Ωστόσο
- HTML
- http
- HTTPS
- ανθρώπινος
- Ταυτότητα
- βελτίωση
- βελτίωση
- βελτίωση
- in
- Συμπεριλαμβανομένου
- κινήσει
- εισαγωγή
- παράδειγμα
- Ινστιτούτο
- οδηγίες
- διαδραστικό
- ενδιαφερόμενος
- σε
- IT
- Ιαπωνικά
- Δουλειά
- Θέσεις εργασίας
- ενώνει
- jpg
- διατηρούνται
- Κορεάτικα
- Γλώσσα
- Γλώσσες
- ξεκινήσει
- που οδηγεί
- μάθηση
- Άδεια
- γραμμή
- Λιστα
- μηχανή
- μάθηση μηχανής
- που
- Η διατήρηση
- κάνω
- ΚΑΝΕΙ
- διαχείριση
- διευθυντής
- Μασαχουσέτη
- Ινστιτούτο Τεχνολογίας της Μασαχουσέτης
- Ταίριασμα
- μαθηματικά
- μέτρο
- Μελόν
- μέθοδος
- μέθοδοι
- ML
- MLOps
- μοντέλο
- μοντέλα
- Παρακολούθηση
- περισσότερο
- πλέον
- πολλαπλούς
- Μουσική
- πρέπει
- όνομα
- Φυσικό
- Επεξεργασία φυσικής γλώσσας
- Ανάγκη
- ανάγκες
- Νέα
- αριθμός
- Nvidia
- στόχοι
- of
- on
- ONE
- διαδικτυακά (online)
- αποκλειστικά
- ανοικτού κώδικα
- λειτουργίες
- or
- ΑΛΛΑ
- ύπαιθρο
- παραγωγή
- εκτός
- Ξεπεράστε
- Ειρηνικός
- ζεύγος
- ζεύγη
- Παράλληλο
- περάσματα
- επίδοση
- άδεια
- δικαιώματα
- αγωγού
- φώναξε
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- σας παρακαλούμε
- Πολιτικές
- πολιτική
- Πορτογάλος
- Θέση
- πρακτικές
- έτοιμος
- παρόν
- προηγούμενος
- Κύριος
- διαδικασια μας
- Επεξεργασμένο
- μεταποίηση
- Παράγεται
- Προϊόν
- υπεύθυνος προϊόντων
- Πρόοδος
- παρέχει
- χορήγηση
- δημόσιο
- βάζω
- pytorch
- ποιότητα
- Ερωτήσεις
- RE
- Διάβασε
- Ανάγνωση
- έτοιμος
- πραγματικό κόσμο
- σε πραγματικό χρόνο
- συνιστώ
- επαναλαμβανόμενα
- μείωση
- σχετικής
- αντιπροσωπεύει
- πόρος
- Υποστηρικτικό υλικό
- απάντησης
- Αποτελέσματα
- ανασκόπηση
- Ρόλος
- ρόλους
- τρέξιμο
- σοφός
- ίδιο
- Επιστήμη
- Επιστήμονας
- σκορ
- Δεύτερος
- Τμήμα
- τμήματα
- τμήμα
- τμήματα
- επιλέγονται
- αρχαιότερος
- υπηρεσία
- Υπηρεσίες
- σειρά
- αυτή
- παρουσιάζεται
- Δείχνει
- Απλούς
- So
- μέχρι τώρα
- λύση
- Λύσεις
- Πηγή
- Ισπανικά
- Ομιλητής
- ομιλείται
- stanford
- Πανεπιστήμιο του Stanford
- Δήλωση
- Κατάσταση
- Βήμα
- Βήματα
- χώρος στο δίσκο
- κατάστημα
- Στρατηγική
- στυλ
- τέτοιος
- Κορυφή
- Στήριξη
- συγχρονισμός
- επειξειργασμένος από ραπτήν
- στόχος
- Τεχνικός
- Τεχνολογία
- tensorflow
- δοκιμαστεί
- εγχειρίδιο
- από
- ότι
- Η
- Το μέλλον
- Η Πηγη
- ο κόσμος
- τότε
- Αυτοί
- αυτό
- εκείνοι
- ώρα
- προς την
- κορυφή
- παραδοσιακός
- εκπαιδευμένο
- Εκπαίδευση
- μεταφράζω
- Μετάφραση
- Ταξίδια
- Εμπιστευθείτε
- Tsinghua
- Τουρκική
- δύο
- συνήθως
- τελικός
- κατανόηση
- Πανεπιστήμια
- πανεπιστήμιο
- Πανεπιστήμιο του Κέιμπριτζ
- Ενημέρωση
- ενημερώθηκε
- ενημερώσεις
- Ανέβασμα
- χρήση
- μεταχειρισμένος
- χρησιμοποιώντας
- εκδοχή
- βιετναμέζικα
- όραμα
- Watson
- Τρόπος..
- we
- ιστός
- διαδικτυακές υπηρεσίες
- καλωσόρισμα
- ΛΟΙΠΌΝ
- πότε
- Ποιό
- ενώ
- θα
- με
- χωρίς
- Εργασία
- εργάστηκαν
- εργαζόμενος
- κόσμος
- γραπτή
- Yoga
- Εσείς
- Σας
- zephyrnet