Πολλές εταιρείες κατακλύζονται από τον άφθονο όγκο των εγγράφων που πρέπει να επεξεργαστούν, να οργανώσουν και να ταξινομήσουν για να εξυπηρετήσουν καλύτερα τους πελάτες τους. Παραδείγματα τέτοιων μπορεί να είναι οι αιτήσεις δανείου, η φορολογική κατάθεση και η τιμολόγηση. Τέτοια έγγραφα λαμβάνονται πιο συχνά σε μορφές εικόνας και είναι ως επί το πλείστον πολυσέλιδα και σε μορφή χαμηλής ποιότητας. Για να είναι πιο ανταγωνιστικές και οικονομικά αποδοτικές και για να παραμείνουν ασφαλείς και συμμορφωμένες ταυτόχρονα, αυτές οι εταιρείες πρέπει να εξελίξουν τις δυνατότητες επεξεργασίας εγγράφων τους για να μειώσουν τους χρόνους επεξεργασίας και να βελτιώσουν την ακρίβεια ταξινόμησης με αυτοματοποιημένο και κλιμακωτό τρόπο. Αυτές οι εταιρείες αντιμετωπίζουν τις ακόλουθες προκλήσεις στην επεξεργασία εγγράφων:
- Εκτέλεση εποπτείας στα έγγραφα για τον εντοπισμό ακατάλληλου, ανεπιθύμητου ή προσβλητικού περιεχομένου
- Η χειροκίνητη ταξινόμηση εγγράφων, η οποία υιοθετείται από μικρότερες εταιρείες, είναι χρονοβόρα, επιρρεπής σε σφάλματα και δαπανηρή
- Οι τεχνικές OCR με συστήματα που βασίζονται σε κανόνες δεν είναι αρκετά έξυπνες και δεν μπορούν να υιοθετήσουν αλλαγές στη μορφή εγγράφου
- Οι εταιρείες που υιοθετούν προσεγγίσεις μηχανικής μάθησης (ML) συχνά δεν διαθέτουν πόρους για να κλιμακώσουν το μοντέλο τους για να χειριστούν αιχμές στον όγκο εισερχόμενων εγγράφων
Αυτή η ανάρτηση αντιμετωπίζει αυτές τις προκλήσεις και παρέχει μια αρχιτεκτονική που επιλύει αποτελεσματικά αυτά τα προβλήματα. Δείχνουμε πώς μπορείτε να χρησιμοποιήσετε Αναγνώριση Amazon και Textract Amazon για τη βελτιστοποίηση και τη μείωση των ανθρώπινων προσπαθειών στην επεξεργασία εγγράφων. Το Amazon Rekognition προσδιορίζει τις ετικέτες εποπτείας στο έγγραφό σας και τις ταξινομεί χρησιμοποιώντας Προσαρμοσμένες ετικέτες αναγνώρισης Amazon. Το Amazon Textract εξάγει κείμενο από τα έγγραφά σας.
Σε αυτήν την ανάρτηση, καλύπτουμε την κατασκευή δύο αγωγών ML (εκπαίδευση και συμπέρασμα) για την επεξεργασία εγγράφων χωρίς την ανάγκη χειροκίνητης προσπάθειας ή προσαρμοσμένου κώδικα. Τα βήματα υψηλού επιπέδου στον αγωγό συμπερασμάτων περιλαμβάνουν:
- Εκτελέστε εποπτεία στα μεταφορτωμένα έγγραφα χρησιμοποιώντας το Amazon Rekognition.
- Ταξινόμηση εγγράφων σε διαφορετικές κατηγορίες, όπως W-2, τιμολόγια, αντίγραφα κίνησης τραπεζών και στελέχη πληρωμής χρησιμοποιώντας προσαρμοσμένες ετικέτες αναγνώρισης.
- Εξαγωγή κειμένου από έγγραφα όπως τυπωμένο κείμενο, χειρόγραφο, φόρμες και πίνακες χρησιμοποιώντας το Amazon Textract.
Επισκόπηση λύσεων
Αυτή η λύση χρησιμοποιεί τις ακόλουθες υπηρεσίες τεχνητής νοημοσύνης, τεχνολογίες χωρίς διακομιστές και διαχειριζόμενες υπηρεσίες για την υλοποίηση μιας κλιμακούμενης και οικονομικά αποδοτικής αρχιτεκτονικής:
- Amazon DynamoDB - Βάση δεδομένων κλειδιού-τιμής και εγγράφων που παρέχει μονοψήφια απόδοση χιλιοστών του δευτερολέπτου σε οποιαδήποτε κλίμακα.
- Amazon EventBridge – Ένας δίαυλος συμβάντων χωρίς διακομιστή για τη δημιουργία εφαρμογών που βασίζονται σε συμβάντα σε κλίμακα χρησιμοποιώντας συμβάντα που δημιουργούνται από τις εφαρμογές σας, εφαρμογές ενσωματωμένου λογισμικού ως υπηρεσίας (SaaS) και υπηρεσίες AWS.
- AWS Lambda – Μια υπηρεσία υπολογισμού χωρίς διακομιστή που σας επιτρέπει να εκτελείτε κώδικα ως απόκριση σε ενεργοποιήσεις όπως αλλαγές στα δεδομένα, αλλαγές στην κατάσταση του συστήματος ή ενέργειες χρήστη.
- Αναγνώριση Amazon – Χρησιμοποιεί την ML για την αναγνώριση αντικειμένων, ανθρώπων, κειμένου, σκηνών και δραστηριοτήτων σε εικόνες και βίντεο, καθώς και για τον εντοπισμό τυχόν ακατάλληλου περιεχομένου.
- Προσαρμοσμένες ετικέτες αναγνώρισης Amazon – Χρησιμοποιεί το AutoML για την όραση υπολογιστή και τη μεταφορά εκμάθησης για να σας βοηθήσει να εκπαιδεύσετε προσαρμοσμένα μοντέλα ώστε να αναγνωρίζουν τα αντικείμενα και τις σκηνές στις εικόνες που είναι ειδικά για τις ανάγκες της επιχείρησής σας.
- Υπηρεσία απλής αποθήκευσης Amazon (Amazon S3) – Λειτουργεί ως χώρος αποθήκευσης αντικειμένων για τα έγγραφά σας και επιτρέπει την κεντρική διαχείριση με βελτιωμένα χειριστήρια πρόσβασης.
- Λειτουργίες βημάτων Amazon – Ένας ενορχηστρωτής λειτουργιών χωρίς διακομιστή που διευκολύνει την αλληλουχία λειτουργιών Lambda και πολλαπλών υπηρεσιών σε κρίσιμες για τις επιχειρήσεις εφαρμογές.
- Textract Amazon - Χρησιμοποιεί ML για εξαγωγή κειμένου και δεδομένων από σαρωμένα έγγραφα σε μορφές PDF, JPEG ή PNG.
Το παρακάτω διάγραμμα απεικονίζει την αρχιτεκτονική του αγωγού συμπερασμάτων.
Η ροή εργασίας μας περιλαμβάνει τα ακόλουθα βήματα:
- Ο χρήστης ανεβάζει έγγραφα στον κάδο εισόδου S3.
- Η μεταφόρτωση ενεργοποιεί ένα Ειδοποίηση συμβάντος Amazon S3 για την παράδοση συμβάντων σε πραγματικό χρόνο απευθείας στο EventBridge. Τα συμβάντα του Amazon S3 που ταιριάζουν με το "
object created
” φίλτρο που ορίστηκε για ένα Κανόνας EventBridge ξεκινά τη ροή εργασίας Step Functions. - Η ροή εργασίας Step Functions ενεργοποιεί μια σειρά από συναρτήσεις Lambda, οι οποίες εκτελούν τις ακόλουθες εργασίες:
- Η πρώτη συνάρτηση εκτελεί εργασίες προεπεξεργασίας και πραγματοποιεί κλήσεις API στο Amazon Rekognition:
- Εάν τα εισερχόμενα έγγραφα είναι σε μορφή εικόνας (όπως JPG ή PNG), η συνάρτηση καλεί το Amazon Rekognition API και παρέχει τα έγγραφα ως αντικείμενα S3. Ωστόσο, εάν το έγγραφο είναι σε μορφή PDF, η συνάρτηση μεταδίδει τα byte της εικόνας κατά την κλήση του Amazon Rekognition API.
- Εάν ένα έγγραφο περιέχει πολλές σελίδες, η συνάρτηση χωρίζει το έγγραφο σε μεμονωμένες σελίδες και τις αποθηκεύει σε έναν ενδιάμεσο φάκελο στον κάδο εξόδου S3 πριν τις επεξεργαστεί μεμονωμένα.
- Όταν ολοκληρωθούν οι εργασίες προεπεξεργασίας, η συνάρτηση πραγματοποιεί μια κλήση API στο Amazon Rekognition για να εντοπίσει ακατάλληλο, ανεπιθύμητο ή προσβλητικό περιεχόμενο και πραγματοποιεί μια άλλη κλήση API στο εκπαιδευμένο μοντέλο προσαρμοσμένων ετικετών αναγνώρισης για ταξινόμηση εγγράφων.
- Η δεύτερη συνάρτηση κάνει μια κλήση API στο Amazon Textract για να ξεκινήσει μια εργασία για την εξαγωγή κειμένου από το έγγραφο εισόδου και την αποθήκευση του στον κάδο εξόδου S3.
- Η τρίτη συνάρτηση αποθηκεύει μεταδεδομένα εγγράφων, όπως ετικέτα εποπτείας, ταξινόμηση εγγράφων, αξιοπιστία ταξινόμησης, αναγνωριστικό εργασίας Amazon Textract και διαδρομή αρχείου σε έναν πίνακα DynamoDB.
- Η πρώτη συνάρτηση εκτελεί εργασίες προεπεξεργασίας και πραγματοποιεί κλήσεις API στο Amazon Rekognition:
Μπορείτε να προσαρμόσετε τη ροή εργασίας σύμφωνα με τις απαιτήσεις σας, για παράδειγμα, μπορείτε να προσθέσετε μια ικανότητα επεξεργασίας φυσικής γλώσσας (NLP) σε αυτήν τη ροή εργασιών χρησιμοποιώντας Κατανοήστε το Amazon για να αποκτήσετε γνώσεις για το εξαγόμενο κείμενο.
Εκπαιδευτικός αγωγός
Πριν αναπτύξουμε αυτήν την αρχιτεκτονική, εκπαιδεύουμε ένα προσαρμοσμένο μοντέλο για την ταξινόμηση των εγγράφων σε διαφορετικές κατηγορίες χρησιμοποιώντας προσαρμοσμένες ετικέτες αναγνώρισης. Στη γραμμή εκπαίδευσης, επισημαίνουμε τα έγγραφα χρησιμοποιώντας Amazon SageMaker Ground Αλήθεια. Στη συνέχεια χρησιμοποιούμε τα έγγραφα με ετικέτα για να εκπαιδεύσουμε ένα μοντέλο με προσαρμοσμένες ετικέτες αναγνώρισης. Σε αυτό το παράδειγμα, χρησιμοποιούμε ένα Amazon Sage Maker σημειωματάριο για να εκτελέσετε αυτά τα βήματα, αλλά μπορείτε επίσης να σχολιάσετε εικόνες χρησιμοποιώντας την κονσόλα Προσαρμοσμένων ετικετών Αναγνώρισης. Για οδηγίες, ανατρέξτε στο Επισήμανση εικόνων.
Σύνολο δεδομένων
Για την εκπαίδευση του μοντέλου, χρησιμοποιούμε τα ακόλουθα δημόσια σύνολα δεδομένων που περιέχουν W2 και τιμολόγια:
- Ψεύτικο σύνολο δεδομένων W-2 (Φορολογική φόρμα ΗΠΑ).
- Σύνολο δεδομένων επαλήθευσης γραμματοσήμων (StaVer).
Μπορείτε να χρησιμοποιήσετε ένα άλλο σύνολο δεδομένων σχετικό με τον κλάδο σας.
Ο παρακάτω πίνακας συνοψίζει το διαχωρισμό των δεδομένων μεταξύ εκπαίδευσης και δοκιμής.
Τάξη | Σετ προπόνησης | Δοκιμαστικό σετ |
Τιμολόγια | 352 | 75 |
W-2s | 86 | 16 |
Σύνολο | 438 | 91 |
Αναπτύξτε τη γραμμή εκπαίδευσης με το AWS CloudFormation
Μπορείτε να αναπτύξετε ένα AWS CloudFormation πρότυπο για την παροχή των απαραίτητων Διαχείριση ταυτότητας και πρόσβασης AWS (IAM) ρόλους και στοιχεία του αγωγού εκπαίδευσης, συμπεριλαμβανομένης της παρουσίας σημειωματάριου SageMaker.
- Εκκινήστε το ακόλουθο πρότυπο CloudFormation στην Ανατολική περιοχή των ΗΠΑ (Ν. Βιρτζίνια):
- Για Όνομα στοίβας, εισαγάγετε ένα όνομα, όπως
document-processing-training-pipeline
. - Επιλέξτε Επόμενο.
- Στο Δυνατότητες και μετασχηματισμοί ενότητα, επιλέξτε το πλαίσιο ελέγχου για να αναγνωρίσετε ότι το AWS CloudFormation ενδέχεται να δημιουργήσει Πόροι IAM.
- Επιλέξτε Δημιουργία στοίβας.
Η σελίδα λεπτομερειών στοίβας θα πρέπει να δείχνει την κατάσταση της στοίβας ως CREATE_IN_PROGRESS
. Μπορεί να χρειαστούν έως και 5 λεπτά για να αλλάξει η κατάσταση σε CREATE_COMPLETE
. Όταν ολοκληρωθεί, μπορείτε να δείτε τις εξόδους στο Έξοδοι Tab.
- Μετά την επιτυχή εκκίνηση της στοίβας, ανοίξτε την κονσόλα SageMaker και επιλέξτε Υποδείγματα σημειωματάριου στο όνομα πλοήγησης.
- Ψάξτε για ένα παράδειγμα με το
DocProcessingNotebookInstance-
το πρόθεμα και περιμένετε έως ότου η κατάστασή του είναι InService. - Κάτω από Δράσεις, επιλέξτε Άνοιγμα του Jupyter.
Εκτελέστε το παράδειγμα σημειωματάριου
Για να εκτελέσετε το σημειωματάριό σας, ολοκληρώστε τα παρακάτω βήματα:
- Επιλέξτε
Rekognition_Custom_Labels
παράδειγμα σημειωματάριο.
- Επιλέξτε τρέξιμο για να εκτελέσετε τα κελιά στο παράδειγμα σημειωματάριο με τη σειρά.
Το σημειωματάριο δείχνει ολόκληρο τον κύκλο ζωής της προετοιμασίας εικόνων εκπαίδευσης και δοκιμής, την επισήμανσή τους, τη δημιουργία αρχείων δήλωσης, την εκπαίδευση ενός μοντέλου και την εκτέλεση του εκπαιδευμένου μοντέλου με προσαρμοσμένες ετικέτες αναγνώρισης. Εναλλακτικά, μπορείτε να εκπαιδεύσετε και να εκτελέσετε το μοντέλο χρησιμοποιώντας την κονσόλα Rekognition Custom Labels. Για οδηγίες, ανατρέξτε στο Εκπαίδευση μοντέλου (Κονσόλα).
Το σημειωματάριο είναι αυτονόητο. μπορείτε να ακολουθήσετε τα βήματα για να ολοκληρώσετε την εκπαίδευση του μοντέλου.
- Σημειώστε το
ProjectVersionArn
για να προβλεφθεί ο αγωγός συμπερασμάτων σε μεταγενέστερο βήμα.
Για περιπτώσεις φορητών υπολογιστών SageMaker, χρεώνεστε για τον τύπο εμφάνισης που επιλέγετε, με βάση τη διάρκεια χρήσης. Εάν ολοκληρώσετε την εκπαίδευση του μοντέλου, μπορείτε να σταματήσετε την παρουσία του σημειωματαρίου για να αποφύγετε το κόστος των πόρων σε αδράνεια.
Αναπτύξτε τη διοχέτευση συμπερασμάτων με το AWS CloudFormation
Για να αναπτύξετε τη διοχέτευση συμπερασμάτων, ολοκληρώστε τα ακόλουθα βήματα:
- Εκκινήστε το ακόλουθο πρότυπο CloudFormation στην Ανατολική περιοχή των ΗΠΑ (Ν. Βιρτζίνια):
- Για Όνομα στοίβας, εισαγάγετε ένα όνομα, όπως
document-processing-inference-pipeline
. - Για DynamoDBTableName, εισαγάγετε ένα μοναδικό όνομα πίνακα DynamoDB. για παράδειγμα,
document-processing-table
. - Για Όνομα InputBucket, πληκτρολογήστε ένα μοναδικό όνομα για τον κάδο S3 που δημιουργεί η στοίβα. για παράδειγμα,
document-processing-input-bucket
.
Τα έγγραφα εισαγωγής μεταφορτώνονται σε αυτόν τον κάδο πριν υποβληθούν σε επεξεργασία. Χρησιμοποιήστε μόνο πεζούς χαρακτήρες και όχι κενά όταν δημιουργείτε το όνομα του κάδου εισαγωγής. Επιπλέον, αυτή η λειτουργία δημιουργεί έναν νέο κάδο S3, επομένως μην χρησιμοποιείτε το όνομα ενός υπάρχοντος κάδου. Για περισσότερες πληροφορίες, βλ Κανόνες για την ονομασία του κάδου.
- Για OutputBucketName, εισαγάγετε ένα μοναδικό όνομα για τον κάδο εξόδου σας. για παράδειγμα, δ
ocument-processing-output-bucket
.
Αυτός ο κάδος αποθηκεύει τα έγγραφα εξόδου μετά την επεξεργασία τους. Αποθηκεύει επίσης σελίδες πολυσέλιδων εγγράφων εισαγωγής PDF αφού διαχωριστούν με τη λειτουργία Lambda. Ακολουθήστε τους ίδιους κανόνες ονομασίας με τον κάδο εισόδου σας.
- Για RekognitionCustomLabelModelARN, εισάγετε το
ProjectVersionArn
τιμή που σημειώσατε από το σημειωματάριο Jupyter. - Επιλέξτε Επόμενο.
- Στις Διαμόρφωση επιλογών στοίβας σελίδα, ορίστε τυχόν πρόσθετες παραμέτρους για τη στοίβα, συμπεριλαμβανομένων των ετικετών.
- Επιλέξτε Επόμενο.
- Στο Δυνατότητες και μετασχηματισμοί ενότητα, επιλέξτε το πλαίσιο ελέγχου για να αναγνωρίσετε ότι το AWS CloudFormation ενδέχεται να δημιουργήσει πόρους IAM.
- Επιλέξτε Δημιουργία στοίβας.
Η σελίδα λεπτομερειών στοίβας θα πρέπει να δείχνει την κατάσταση της στοίβας ως CREATE_IN_PROGRESS
. Μπορεί να χρειαστούν έως και 5 λεπτά για να αλλάξει η κατάσταση σε CREATE_COMPLETE
. Όταν ολοκληρωθεί, μπορείτε να δείτε τις εξόδους στο Έξοδοι Tab.
Επεξεργαστείτε ένα έγγραφο μέσω του αγωγού
Έχουμε αναπτύξει αγωγούς εκπαίδευσης και συμπερασμάτων και είμαστε πλέον έτοιμοι να χρησιμοποιήσουμε τη λύση και να επεξεργαστούμε ένα έγγραφο.
- Στην κονσόλα Amazon S3, ανοίξτε τον κάδο εισόδου.
- Ανεβάστε ένα δείγμα εγγράφου στο φάκελο S3.
Αυτό ξεκινά τη ροή εργασίας. Η διαδικασία συμπληρώνει τον πίνακα DynamoDB με ετικέτες ταξινόμησης εγγράφων και εποπτείας. Η έξοδος από το Amazon Textract παραδίδεται στον κάδο εξόδου S3 στο TextractOutput
φάκελο.
Υποβάλαμε μερικά διαφορετικά δείγματα εγγράφων στη ροή εργασίας και λάβαμε τις ακόλουθες πληροφορίες που συμπληρώνονται στον πίνακα DynamoDB.
Εάν δεν βλέπετε στοιχεία στον πίνακα DynamoDB ή έγγραφα που έχουν μεταφορτωθεί στον κάδο εξόδου S3, ελέγξτε το Αρχεία καταγραφής CloudWatch του Amazon για την αντίστοιχη συνάρτηση Λάμδα και αναζητήστε πιθανά σφάλματα που προκάλεσαν την αστοχία.
εκκαθάριση
Ολοκληρώστε τα ακόλουθα βήματα για να καθαρίσετε τους πόρους που έχουν αναπτυχθεί για αυτήν τη λύση:
- Στην κονσόλα CloudFormation, επιλέξτε Στοίβες.
- Επιλέξτε τις στοίβες που έχουν αναπτυχθεί για αυτήν τη λύση.
- Επιλέξτε Διαγραφή.
Αυτά τα βήματα δεν διαγράφουν τους κάδους S3, τον πίνακα DynamoDB και το εκπαιδευμένο μοντέλο προσαρμοσμένων ετικετών αναγνώρισης. Θα συνεχίσετε να επιβαρύνεστε με χρεώσεις αποθηκευτικού χώρου εάν δεν διαγραφούν. Θα πρέπει να διαγράψετε αυτούς τους πόρους απευθείας μέσω των αντίστοιχων κονσόλων υπηρεσιών τους, εάν δεν τους χρειάζεστε πλέον.
Συμπέρασμα
Σε αυτήν την ανάρτηση, παρουσιάσαμε μια επεκτάσιμη, ασφαλή και αυτοματοποιημένη προσέγγιση για τον έλεγχο, την ταξινόμηση και την επεξεργασία εγγράφων. Οι εταιρείες σε πολλούς κλάδους μπορούν να χρησιμοποιήσουν αυτήν τη λύση για να βελτιώσουν την επιχείρησή τους και να εξυπηρετήσουν καλύτερα τους πελάτες τους. Επιτρέπει ταχύτερη επεξεργασία εγγράφων και μεγαλύτερη ακρίβεια και μειώνει την πολυπλοκότητα της εξαγωγής δεδομένων. Παρέχει επίσης καλύτερη ασφάλεια και συμμόρφωση με τη νομοθεσία για τα προσωπικά δεδομένα μειώνοντας το ανθρώπινο δυναμικό που εμπλέκεται στην επεξεργασία των εισερχόμενων εγγράφων.
Για περισσότερες πληροφορίες, ανατρέξτε Οδηγός προσαρμοσμένων ετικετών αναγνώρισης Amazon, Οδηγός προγραμματιστή Amazon Rekognition και Οδηγός προγραμματιστή Amazon Textract. Εάν είστε νέοι στις προσαρμοσμένες ετικέτες Amazon Rekognition, δοκιμάστε το χρησιμοποιώντας το Free Tier, το οποίο διαρκεί 3 μήνες και περιλαμβάνει 10 δωρεάν ώρες εκπαίδευσης το μήνα και 4 δωρεάν ώρες συμπερασμάτων ανά μήνα. Το δωρεάν επίπεδο Amazon Rekognition περιλαμβάνει επεξεργασία 5,000 εικόνων ανά μήνα για 12 μήνες. Το δωρεάν επίπεδο Amazon Textract διαρκεί επίσης τρεις μήνες και περιλαμβάνει 1,000 σελίδες το μήνα για το Detect Document Text API.
Σχετικά με τους Συγγραφείς
Τζέι Ράο είναι κύριος αρχιτέκτονας λύσεων στην AWS. Του αρέσει να παρέχει τεχνική και στρατηγική καθοδήγηση στους πελάτες και να τους βοηθά να σχεδιάζουν και να εφαρμόζουν λύσεις στο AWS.
Uchenna Egbe είναι Associate Solutions Architect στην AWS. Περνά τον ελεύθερο χρόνο του ερευνώντας για βότανα, τσάγια, υπερτροφές και πώς μπορεί να τα εντάξει στην καθημερινή του διατροφή.
- Coinsmart. Το καλύτερο ανταλλακτήριο Bitcoin και Crypto στην Ευρώπη.
- Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. ΕΛΕΥΘΕΡΗ ΠΡΟΣΒΑΣΗ.
- CryptoHawk. Ραντάρ Altcoin. Δωρεάν δοκιμή.
- Πηγή: https://aws.amazon.com/blogs/machine-learning/moderate-classify-and-process-documents-using-amazon-rekognition-and-amazon-text/
- "
- 000
- 10
- 100
- 116
- 12 μήνες
- Σχετικα
- πρόσβαση
- απέναντι
- ενεργειών
- δραστηριοτήτων
- Πρόσθετος
- AI
- Υπηρεσίες AI
- Amazon
- Άλλος
- api
- εφαρμογές
- πλησιάζω
- αρχιτεκτονική
- Συνεργάτης
- Αυτοματοποιημένη
- AWS
- Τράπεζα
- πριν
- χρέωσης
- σύνορο
- Κουτί
- χτίζω
- Κτίριο
- λεωφορείο
- επιχείρηση
- κλήση
- δυνατότητες
- προκαλούνται
- κεντρικός
- προκλήσεις
- αλλαγή
- φορτισμένα
- φορτία
- Επιλέξτε
- ταξινόμηση
- κωδικός
- Εταιρείες
- ανταγωνιστική
- Συμμόρφωση
- υποχωρητικός
- Υπολογίστε
- υπολογιστή
- εμπιστοσύνη
- πρόξενος
- Περιέχει
- περιεχόμενο
- ΣΥΝΕΧΕΙΑ
- Αντίστοιχος
- αποδοτική
- κάλυμμα
- δημιουργία
- δημιουργεί
- δημιουργία
- έθιμο
- Πελάτες
- ημερομηνία
- βάση δεδομένων
- παραδίδεται
- παραδίδει
- παρατάσσω
- αναπτυχθεί
- Υπηρεσίες
- καθέκαστα
- Εργολάβος
- Διατροφή
- διαφορετικές
- κατευθείαν
- έγγραφα
- αποτελεσματικά
- προσπάθεια
- προσπάθειες
- εισάγετε
- Συμβάν
- εκδηλώσεις
- εξελίσσονται
- παράδειγμα
- παραδείγματα
- υφιστάμενα
- Εκχυλίσματα
- Πρόσωπο
- Αποτυχία
- γρηγορότερα
- Όνομα
- ακολουθήστε
- Εξής
- μορφή
- μορφή
- μορφές
- Δωρεάν
- λειτουργία
- λειτουργίες
- Επί πλέον
- λαβή
- βοήθεια
- βοήθεια
- υψηλότερο
- Πως
- Ωστόσο
- HTTPS
- ανθρώπινος
- προσδιορίσει
- Ταυτότητα
- εικόνα
- εφαρμογή
- βελτίωση
- περιλαμβάνουν
- περιλαμβάνει
- Συμπεριλαμβανομένου
- ατομικές
- βιομηχανίες
- βιομηχανία
- πληροφορίες
- εισαγωγή
- ιδέες
- ενσωματωθεί
- Έξυπνος
- συμμετέχουν
- IT
- Δουλειά
- τιτλοφόρηση
- Ετικέτες
- Γλώσσα
- ξεκίνησε
- μάθηση
- Νομοθεσία
- μηχανή
- μάθηση μηχανής
- ΚΑΝΕΙ
- διαχειρίζεται
- διαχείριση
- Ταχύτητες
- Ταίριασμα
- ενδέχεται να
- ML
- μοντέλο
- μοντέλα
- Μηνας
- μήνες
- περισσότερο
- πολλαπλούς
- Φυσικό
- Πλοήγηση
- απαραίτητος
- ανάγκες
- σημειωματάριο
- ανοίξτε
- λειτουργία
- Βελτιστοποίηση
- τάξη
- Πληρωμή
- People
- επίδοση
- προσωπικός
- προσωπικά δεδομένα
- δυναμικού
- Κύριος
- προβλήματα
- διαδικασια μας
- μεταποίηση
- παρέχουν
- παρέχει
- χορήγηση
- δημόσιο
- σε πραγματικό χρόνο
- έλαβε
- μείωση
- μείωση
- Υποστηρικτικό υλικό
- απάντησης
- κανόνες
- τρέξιμο
- τρέξιμο
- επεκτάσιμη
- Κλίμακα
- Σκηνές
- προστατευμένο περιβάλλον
- ασφάλεια
- Σειρές
- Χωρίς διακομιστή
- υπηρεσία
- Υπηρεσίες
- σειρά
- Απλούς
- So
- λογισμικό
- λογισμικό ως υπηρεσία
- στέρεο
- λύση
- Λύσεις
- Λύει
- χώρων
- διαίρεση
- Διαχωρίστε
- σωρός
- ξεκινά
- Κατάσταση
- δηλώσεις
- Κατάσταση
- παραμονή
- χώρος στο δίσκο
- κατάστημα
- καταστήματα
- Στρατηγική
- υποβάλλονται
- Επιτυχώς
- σύστημα
- συστήματα
- εργασίες
- φόρος
- Τεχνικός
- τεχνικές
- Τεχνολογίες
- δοκιμή
- Δοκιμές
- Μέσω
- ώρα
- χρονοβόρος
- φορές
- Εκπαίδευση
- μεταφορά
- μοναδικός
- us
- χρήση
- αξία
- Επαλήθευση
- Βίντεο
- Δες
- Βιργινία
- όραμα
- τόμος
- περιμένετε
- χωρίς
- Εργατικό δυναμικό