Οι εταιρείες βασίζονται ολοένα και περισσότερο σε εικόνες και βίντεο που δημιουργούνται από τους χρήστες για αφοσίωση. Από πλατφόρμες ηλεκτρονικού εμπορίου που ενθαρρύνουν τους πελάτες να μοιράζονται εικόνες προϊόντων έως εταιρείες μέσων κοινωνικής δικτύωσης που προωθούν βίντεο και εικόνες που δημιουργούνται από χρήστες, η χρήση περιεχομένου χρήστη για αφοσίωση είναι μια ισχυρή στρατηγική. Ωστόσο, μπορεί να είναι δύσκολο να διασφαλίσετε ότι αυτό το περιεχόμενο που δημιουργείται από χρήστες είναι συνεπές με τις πολιτικές σας και προωθεί μια ασφαλή διαδικτυακή κοινότητα για τους χρήστες σας.
Πολλές εταιρείες εξαρτώνται επί του παρόντος από ανθρώπινους συντονιστές ή ανταποκρίνονται αντιδραστικά σε παράπονα χρηστών για τη διαχείριση ακατάλληλου περιεχομένου που δημιουργείται από τους χρήστες. Αυτές οι προσεγγίσεις δεν κλιμακώνονται για τον αποτελεσματικό μετριασμό εκατομμυρίων εικόνων και βίντεο σε επαρκή ποιότητα ή ταχύτητα, γεγονός που οδηγεί σε κακή εμπειρία χρήστη, υψηλό κόστος για την επίτευξη κλίμακας ή ακόμη και πιθανή βλάβη στη φήμη της επωνυμίας.
Σε αυτήν την ανάρτηση, συζητάμε πώς να χρησιμοποιήσετε τη δυνατότητα Προσαρμοσμένης εποπτείας Αναγνώριση Amazon για να βελτιώσετε την ακρίβεια του προεκπαιδευμένου API εποπτείας περιεχομένου.
Εποπτεία περιεχομένου στο Amazon Rekognition
Το Amazon Rekognition είναι μια υπηρεσία διαχειριζόμενης τεχνητής νοημοσύνης (AI) που προσφέρει προεκπαιδευμένες και προσαρμόσιμες δυνατότητες όρασης υπολογιστή για εξαγωγή πληροφοριών και πληροφοριών από εικόνες και βίντεο. Μια τέτοια ικανότητα είναι Εποπτεία περιεχομένου αναγνώρισης Amazon, το οποίο εντοπίζει ακατάλληλο ή ανεπιθύμητο περιεχόμενο σε εικόνες και βίντεο. Το Amazon Rekognition χρησιμοποιεί μια ιεραρχική ταξινόμηση για την επισήμανση ακατάλληλου ή ανεπιθύμητου περιεχομένου με 10 κατηγορίες εποπτείας ανώτατου επιπέδου (όπως βία, ρητά, αλκοόλ ή ναρκωτικά) και 35 κατηγορίες δεύτερου επιπέδου. Οι πελάτες σε κλάδους όπως το ηλεκτρονικό εμπόριο, τα μέσα κοινωνικής δικτύωσης και τα παιχνίδια μπορούν να χρησιμοποιήσουν την εποπτεία περιεχομένου στο Amazon Rekognition για να προστατεύσουν τη φήμη της επωνυμίας τους και να προωθήσουν ασφαλείς κοινότητες χρηστών.
Χρησιμοποιώντας το Amazon Rekognition για εποπτεία εικόνας και βίντεο, οι ανθρώπινοι συντονιστές πρέπει να ελέγξουν ένα πολύ μικρότερο σύνολο περιεχομένου, συνήθως 1–5% του συνολικού όγκου, που έχει ήδη επισημανθεί από το μοντέλο εποπτείας περιεχομένου. Αυτό δίνει τη δυνατότητα στις εταιρείες να επικεντρωθούν σε πιο πολύτιμες δραστηριότητες και να εξακολουθούν να επιτυγχάνουν ολοκληρωμένη κάλυψη με μέτρο σε ένα κλάσμα του υπάρχοντος κόστους τους.
Παρουσιάζουμε το Amazon Rekognition Custom Moderation
Τώρα μπορείτε να βελτιώσετε την ακρίβεια του μοντέλου εποπτείας αναγνώρισης για τα δεδομένα της επιχείρησής σας με τη λειτουργία Προσαρμοσμένης εποπτείας. Μπορείτε να εκπαιδεύσετε έναν προσαρμοσμένο προσαρμογέα με μόλις 20 σχολιασμένες εικόνες σε λιγότερο από 1 ώρα. Αυτοί οι προσαρμογείς επεκτείνουν τις δυνατότητες του μοντέλου μετριοπάθειας για την ανίχνευση εικόνων που χρησιμοποιούνται για εκπαίδευση με μεγαλύτερη ακρίβεια. Για αυτήν την ανάρτηση, χρησιμοποιούμε ένα δείγμα δεδομένων που περιέχει ασφαλείς εικόνες και εικόνες με αλκοολούχα ποτά (που θεωρούνται μη ασφαλή) για να βελτιώσουμε την ακρίβεια της ετικέτας περιορισμού αλκοόλ.
Το μοναδικό αναγνωριστικό του εκπαιδευμένου προσαρμογέα μπορεί να παρασχεθεί στον υπάρχοντα DetectModerationLabels Λειτουργία API για την επεξεργασία εικόνων χρησιμοποιώντας αυτόν τον προσαρμογέα. Κάθε προσαρμογέας μπορεί να χρησιμοποιηθεί μόνο από τον λογαριασμό AWS που χρησιμοποιήθηκε για την εκπαίδευση του προσαρμογέα, διασφαλίζοντας ότι τα δεδομένα που χρησιμοποιούνται για την εκπαίδευση παραμένουν ασφαλή και ασφαλή σε αυτόν τον λογαριασμό AWS. Με τη λειτουργία Προσαρμοσμένης εποπτείας, μπορείτε να προσαρμόσετε το προ-εκπαιδευμένο μοντέλο εποπτείας Αναγνώρισης για βελτιωμένη απόδοση στη συγκεκριμένη περίπτωση χρήσης εποπτείας, χωρίς καμία τεχνογνωσία μηχανικής εκμάθησης (ML). Μπορείτε να συνεχίσετε να απολαμβάνετε τα οφέλη μιας πλήρως διαχειριζόμενης υπηρεσίας εποπτείας με ένα μοντέλο τιμολόγησης πληρωμής ανά χρήση για την προσαρμοσμένη εποπτεία.
Επισκόπηση λύσεων
Η εκπαίδευση ενός προσαρμοσμένου προσαρμογέα εποπτείας περιλαμβάνει πέντε βήματα που μπορείτε να ολοκληρώσετε χρησιμοποιώντας το Κονσόλα διαχείρισης AWS ή τη διεπαφή API:
- Δημιουργήστε ένα έργο
- Ανεβάστε τα δεδομένα εκπαίδευσης
- Αντιστοιχίστε ετικέτες βασικής αλήθειας σε εικόνες
- Εκπαιδεύστε τον προσαρμογέα
- Χρησιμοποιήστε τον προσαρμογέα
Ας δούμε αυτά τα βήματα με περισσότερες λεπτομέρειες χρησιμοποιώντας την κονσόλα.
Δημιουργήστε ένα έργο
Ένα έργο είναι ένα κοντέινερ για την αποθήκευση των προσαρμογέων σας. Μπορείτε να εκπαιδεύσετε πολλούς προσαρμογείς σε ένα έργο με διαφορετικά σύνολα δεδομένων εκπαίδευσης για να αξιολογήσετε ποιος προσαρμογέας αποδίδει καλύτερα για τη συγκεκριμένη περίπτωση χρήσης σας. Για να δημιουργήσετε το έργο σας, ολοκληρώστε τα παρακάτω βήματα:
- Στην Amazon Recognition κονσόλα, επιλέξτε Προσαρμοσμένη Εποπτεία στο παράθυρο πλοήγησης.
- Επιλέξτε Δημιουργία έργου.
- Για Όνομα έργου, πληκτρολογήστε ένα όνομα για το έργο σας.
- Για Όνομα προσαρμογέα, πληκτρολογήστε ένα όνομα για τον προσαρμογέα σας.
- Προαιρετικά, εισαγάγετε μια περιγραφή για τον προσαρμογέα σας.
Ανεβάστε δεδομένα εκπαίδευσης
Μπορείτε να ξεκινήσετε με μόλις 20 δείγματα εικόνων για να προσαρμόσετε το μοντέλο εποπτείας για να εντοπίσετε λιγότερα ψευδώς θετικά (εικόνες που είναι κατάλληλες για την επιχείρησή σας αλλά επισημαίνονται από το μοντέλο με ετικέτα εποπτείας). Για να μειώσετε τα ψευδώς αρνητικά (εικόνες που είναι ακατάλληλες για την επιχείρησή σας, αλλά δεν επισημαίνονται με ετικέτα εποπτείας), πρέπει να ξεκινήσετε με 50 δείγματα εικόνων.
Μπορείτε να επιλέξετε από τις ακόλουθες επιλογές για να παρέχετε τα σύνολα δεδομένων εικόνων για εκπαίδευση προσαρμογέων:
Ολοκληρώστε τα παρακάτω βήματα:
- Για αυτήν την ανάρτηση, επιλέξτε Εισαγωγή εικόνων από τον κάδο S3 και εισαγάγετε το S3 URI σας.
Όπως κάθε διαδικασία εκπαίδευσης ML, η εκπαίδευση ενός προσαρμογέα Custom Moderation στο Amazon Rekognition απαιτεί δύο ξεχωριστά σύνολα δεδομένων: ένα για την εκπαίδευση του προσαρμογέα και ένα άλλο για την αξιολόγηση του προσαρμογέα. Μπορείτε είτε να ανεβάσετε ένα ξεχωριστό σύνολο δεδομένων δοκιμής είτε να επιλέξετε να χωρίσετε αυτόματα το σύνολο δεδομένων εκπαίδευσης για εκπαίδευση και δοκιμή.
- Για αυτήν την ανάρτηση, επιλέξτε Αυτόματη διαίρεση.
- Αγορά Ενεργοποίηση αυτόματης ενημέρωσης για να διασφαλιστεί ότι το σύστημα επανεκπαιδεύει αυτόματα τον προσαρμογέα κατά την εκκίνηση μιας νέας έκδοσης του μοντέλου ελέγχου περιεχομένου.
- Επιλέξτε Δημιουργία έργου.
Αντιστοιχίστε ετικέτες βασικής αλήθειας σε εικόνες
Εάν ανεβάσατε εικόνες χωρίς σχολιασμούς, μπορείτε να χρησιμοποιήσετε την κονσόλα Amazon Rekognition για να παρέχετε ετικέτες εικόνων σύμφωνα με την ταξινόμηση ελέγχου. Στο παρακάτω παράδειγμα, εκπαιδεύουμε έναν προσαρμογέα να ανιχνεύει κρυμμένο αλκοόλ με μεγαλύτερη ακρίβεια και να επισημαίνει όλες αυτές τις εικόνες με την ετικέτα αλκοόλ. Οι εικόνες που δεν θεωρούνται ακατάλληλες μπορούν να χαρακτηριστούν ως Ασφαλείς.
Εκπαιδεύστε τον προσαρμογέα
Αφού προσθέσετε ετικέτα σε όλες τις εικόνες, επιλέξτε Ξεκινήστε την προπόνηση για την έναρξη της εκπαιδευτικής διαδικασίας. Το Amazon Rekognition θα χρησιμοποιήσει τα μεταφορτωμένα σύνολα δεδομένων εικόνων για να εκπαιδεύσει ένα μοντέλο προσαρμογέα για βελτιωμένη ακρίβεια στον συγκεκριμένο τύπο εικόνων που παρέχονται για εκπαίδευση.
Αφού εκπαιδευτεί ο προσαρμογέας προσαρμογής, μπορείτε να δείτε όλες τις λεπτομέρειες του προσαρμογέα (adapterID
, test
και training
αρχεία δήλωσης) στο Απόδοση προσαρμογέα τμήμα.
Η Απόδοση προσαρμογέα Η ενότητα εμφανίζει βελτιώσεις σε ψευδώς θετικά και ψευδώς αρνητικά σε σύγκριση με το προεκπαιδευμένο μοντέλο μετριοπάθειας. Ο προσαρμογέας που εκπαιδεύσαμε να βελτιώνει την ανίχνευση της ετικέτας αλκοόλ μειώνει το ποσοστό ψευδώς αρνητικών εικόνων δοκιμής κατά 73%. Με άλλα λόγια, ο προσαρμογέας προβλέπει τώρα με ακρίβεια την ετικέτα περιορισμού αλκοόλ για 73% περισσότερες εικόνες σε σύγκριση με το προ-εκπαιδευμένο μοντέλο μετριοπάθειας. Ωστόσο, δεν παρατηρείται βελτίωση στα ψευδώς θετικά, καθώς δεν χρησιμοποιήθηκαν ψευδώς θετικά δείγματα για προπόνηση.
Χρησιμοποιήστε τον προσαρμογέα
Μπορείτε να εκτελέσετε συμπέρασμα χρησιμοποιώντας τον πρόσφατα εκπαιδευμένο προσαρμογέα για να επιτύχετε βελτιωμένη ακρίβεια. Για να το κάνετε αυτό, καλέστε το Amazon Rekognition DetectModerationLabel
API με πρόσθετη παράμετρο, ProjectVersion
, που είναι το μοναδικό AdapterID
του προσαρμογέα. Το παρακάτω είναι ένα δείγμα εντολής που χρησιμοποιεί το Διεπαφή γραμμής εντολών AWS (AWS CLI):
Το παρακάτω είναι ένα δείγμα απόσπασμα κώδικα που χρησιμοποιεί το Βιβλιοθήκη Python Boto3:
Βέλτιστες πρακτικές για εκπαίδευση
Για να μεγιστοποιήσετε την απόδοση του προσαρμογέα σας, συνιστώνται οι ακόλουθες βέλτιστες πρακτικές για την εκπαίδευση του προσαρμογέα:
- Τα δείγματα δεδομένων εικόνας θα πρέπει να καταγράφουν τα αντιπροσωπευτικά σφάλματα για τα οποία θέλετε να βελτιώσετε την ακρίβεια του μοντέλου εποπτείας
- Αντί να εισάγετε μόνο εικόνες σφαλμάτων για ψευδώς θετικά και ψευδώς αρνητικά, μπορείτε επίσης να παρέχετε αληθινά θετικά και αληθινά αρνητικά για βελτιωμένη απόδοση
- Παρέχετε όσο το δυνατόν περισσότερες σχολιασμένες εικόνες για εκπαίδευση
Συμπέρασμα
Σε αυτήν την ανάρτηση, παρουσιάσαμε μια εις βάθος επισκόπηση της νέας δυνατότητας προσαρμοσμένης εποπτείας αναγνώρισης Amazon. Επιπλέον, αναλύσαμε τα βήματα για την εκτέλεση προπόνησης με χρήση της κονσόλας, συμπεριλαμβανομένων των βέλτιστων πρακτικών για βέλτιστα αποτελέσματα. Για πρόσθετες πληροφορίες, επισκεφτείτε την κονσόλα Amazon Rekognition και εξερευνήστε τη λειτουργία Προσαρμοσμένης εποπτείας.
Προσαρμοσμένη εποπτεία αναγνώρισης Amazon είναι πλέον γενικά διαθέσιμο σε όλες τις Περιφέρειες AWS όπου είναι διαθέσιμο το Amazon Rekognition.
Μάθετε περισσότερα σχετικά με εποπτεία περιεχομένου στο AWS. Κάντε το πρώτο βήμα προς βελτιστοποίηση των λειτουργιών εποπτείας περιεχομένου με το AWS.
Σχετικά με τους Συγγραφείς
Σίπρα Κανόρια είναι Κύριος Διευθυντής Προϊόντων στην AWS. Είναι παθιασμένη να βοηθά τους πελάτες να λύσουν τα πιο περίπλοκα προβλήματά τους με τη δύναμη της μηχανικής μάθησης και της τεχνητής νοημοσύνης. Πριν ενταχθεί στην AWS, η Shipra πέρασε πάνω από 4 χρόνια στην Amazon Alexa, όπου κυκλοφόρησε πολλές λειτουργίες που σχετίζονται με την παραγωγικότητα στον φωνητικό βοηθό Alexa.
Aakash Deep είναι Διευθυντής Μηχανικών Ανάπτυξης Λογισμικού με έδρα το Σιάτλ. Του αρέσει να εργάζεται στην όραση υπολογιστών, την τεχνητή νοημοσύνη και τα κατανεμημένα συστήματα. Η αποστολή του είναι να επιτρέπει στους πελάτες να αντιμετωπίζουν πολύπλοκα προβλήματα και να δημιουργούν αξία με το AWS Rekognition. Εκτός δουλειάς, του αρέσει η πεζοπορία και τα ταξίδια.
Λάνα Ζανγκ είναι Ανώτερος Αρχιτέκτονας Λύσεων στην ομάδα Υπηρεσιών AWS WWSO AI, με εξειδίκευση στην τεχνητή νοημοσύνη και την ML για την εποπτεία περιεχομένου, το Computer Vision, την Επεξεργασία Φυσικής Γλώσσας και το Generative AI. Με την τεχνογνωσία της, είναι αφοσιωμένη στην προώθηση λύσεων AWS AI/ML και στην παροχή βοήθειας στους πελάτες να μεταμορφώσουν τις επιχειρηματικές τους λύσεις σε διάφορους κλάδους, συμπεριλαμβανομένων των μέσων κοινωνικής δικτύωσης, των τυχερών παιχνιδιών, του ηλεκτρονικού εμπορίου, των μέσων ενημέρωσης, της διαφήμισης και του μάρκετινγκ.
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
- PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
- PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
- πηγή: https://aws.amazon.com/blogs/machine-learning/announcing-rekogniton-custom-moderation-enhance-accuracy-of-pre-trained-rekognition-moderation-models-with-your-data/
- :είναι
- :δεν
- :που
- 1
- 10
- 100
- 118
- 150
- 20
- 35%
- 50
- 7
- 9
- a
- άακας
- Σχετικα
- Λογαριασμός
- ακρίβεια
- με ακρίβεια
- Κατορθώνω
- απέναντι
- δραστηριοτήτων
- προσαρμόσει
- Πρόσθετος
- Επιπλέον πληροφορίες
- διεύθυνση
- Διαφήμιση
- AI
- Υπηρεσίες AI
- AI / ML
- Αλκοόλ
- Alexa
- Όλα
- ήδη
- Επίσης
- Amazon
- Αναγνώριση Amazon
- Amazon υπηρεσίες Web
- an
- και
- Ανακοίνωση
- Άλλος
- κάθε
- api
- προσεγγίσεις
- κατάλληλος
- ΕΙΝΑΙ
- τεχνητός
- τεχνητή νοημοσύνη
- Τεχνητή νοημοσύνη (AI)
- AS
- εκτιμώ
- Βοηθός
- βοηθώντας
- At
- συγγραφέας
- αυτομάτως
- διαθέσιμος
- AWS
- βασίζονται
- BE
- πριν
- αρχίζουν
- οφέλη
- ΚΑΛΎΤΕΡΟΣ
- βέλτιστες πρακτικές
- και οι δύο
- μάρκα
- Φέρνοντας
- επιχείρηση
- αλλά
- by
- κλήση
- CAN
- δυνατότητες
- ικανότητα
- πιάνω
- περίπτωση
- κατηγορίες
- πρόκληση
- Επιλέξτε
- πελάτης
- κωδικός
- Κοινοτήτων
- κοινότητα
- Εταιρείες
- σύγκριση
- παραπόνων
- πλήρης
- συγκρότημα
- περιεκτικός
- υπολογιστή
- Computer Vision
- θεωρούνται
- συνεπής
- πρόξενος
- Δοχείο
- περιεχόμενο
- ΣΥΝΕΧΕΙΑ
- Κόστος
- Δικαστικά έξοδα
- κάλυψη
- δημιουργία
- Δημιουργία αξίας
- Τη στιγμή
- έθιμο
- Πελάτες
- προσαρμόσιμη
- ημερομηνία
- σύνολα δεδομένων
- αφιερωμένο
- βαθύς
- περιγραφή
- λεπτομέρεια
- λεπτομερής
- καθέκαστα
- ανίχνευση
- Ανίχνευση
- Ανάπτυξη
- διαφορετικές
- συζητήσουν
- οθόνες
- διανέμονται
- κατανεμημένα συστήματα
- διάφορα
- do
- Μην
- Ναρκωτικά
- e-commerce
- κάθε
- ηλεκτρονικού εμπορίου
- αποτελεσματικά
- είτε
- ενεργοποιήσετε
- δίνει τη δυνατότητα
- ενθάρρυνση
- δέσμευση
- Μηχανική
- ενίσχυση
- ενισχυμένη
- απολαύσετε
- εξασφαλίζω
- εξασφαλίζοντας
- εισάγετε
- σφάλμα
- λάθη
- αξιολογώντας
- Even
- παράδειγμα
- υφιστάμενα
- εμπειρία
- εξειδίκευση
- διερευνήσει
- επεκτείνουν
- εκχύλισμα
- ψευδής
- Χαρακτηριστικό
- Χαρακτηριστικά
- λίγοι
- λιγότερα
- Αρχεία
- Όνομα
- πέντε
- σημαία
- Συγκέντρωση
- Εξής
- Για
- Προώθηση
- καλλιεργεί
- κλάσμα
- από
- πλήρως
- Επί πλέον
- τυχερών παιχνιδιών
- γενικά
- γενετική
- Παραγωγική τεχνητή νοημοσύνη
- παίρνω
- Έδαφος
- βλάψει
- Έχω
- he
- βοήθεια
- αυτήν
- κρυμμένο
- Ψηλά
- υψηλότερο
- του
- ώρα
- Πως
- Πώς να
- Ωστόσο
- HTML
- http
- HTTPS
- ανθρώπινος
- ID
- εικόνα
- εικόνες
- βελτίωση
- βελτιωθεί
- βελτίωση
- βελτιώσεις
- in
- Σε άλλες
- σε βάθος
- Συμπεριλαμβανομένου
- όλο και περισσότερο
- βιομηχανίες
- πληροφορίες
- κινήσει
- ιδέες
- Νοημοσύνη
- περιβάλλον λειτουργίας
- IT
- ενώνει
- επιγραφή
- Ετικέτες
- Γλώσσα
- ξεκίνησε
- Οδηγεί
- μάθηση
- μείον
- γραμμή
- Λιστα
- μηχανή
- μάθηση μηχανής
- διαχείριση
- διαχειρίζεται
- διαχείριση
- διευθυντής
- πολοί
- Μάρκετινγκ
- Αυξάνω στον ανώτατο βαθμό
- Εικόνες / Βίντεο
- εκατομμύρια
- Αποστολή
- ML
- μοντέλο
- μοντέλα
- μετριοπάθεια
- περισσότερο
- πλέον
- πολύ
- πολλαπλούς
- όνομα
- Φυσικό
- Επεξεργασία φυσικής γλώσσας
- Πλοήγηση
- αρνητικός
- αρνητικά
- Νέα
- πρόσφατα
- Όχι.
- τώρα
- of
- προσφορές
- on
- ONE
- διαδικτυακά (online)
- αποκλειστικά
- λειτουργία
- λειτουργίες
- βέλτιστη
- Επιλογές
- or
- ΑΛΛΑ
- εκτός
- επί
- επισκόπηση
- παράθυρο
- παράμετρος
- παθιασμένος
- για
- Εκτελέστε
- επίδοση
- εκτέλεση
- εκτελεί
- Πλατφόρμες
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- Πολιτικές
- φτωχός
- θετικός
- δυνατός
- Θέση
- δυναμικού
- δύναμη
- ισχυρός
- πρακτικές
- Προβλέπει
- παρουσιάζονται
- τιμολόγηση
- μοντέλο τιμολόγησης
- Κύριος
- προβλήματα
- διαδικασια μας
- μεταποίηση
- Προϊόν
- υπεύθυνος προϊόντων
- σχέδιο
- την προώθηση της
- προστασία
- παρέχουν
- παρέχεται
- ποιότητα
- Τιμή
- συνιστάται
- μείωση
- μειώνει
- περιοχές
- βασίζονται
- λείψανα
- εκπρόσωπος
- φήμη
- απαιτείται
- Απαιτεί
- Απάντηση
- απάντησης
- Αποτελέσματα
- ανασκόπηση
- ένα ασφαλές
- Δείγμα δεδομένων
- Κλίμακα
- Σιάτλ
- Τμήμα
- προστατευμένο περιβάλλον
- αρχαιότερος
- ξεχωριστό
- υπηρεσία
- Υπηρεσίες
- σειρά
- Κοινοποίηση
- αυτή
- θα πρέπει να
- μικρότερος
- Απόσπασμα
- Μ.Κ.Δ
- social media
- λογισμικό
- ανάπτυξη λογισμικού
- Λύσεις
- SOLVE
- ειδικευμένη
- συγκεκριμένες
- ταχύτητα
- πέρασε
- διαίρεση
- Εκκίνηση
- Βήμα
- Βήματα
- Ακόμη
- κατάστημα
- Στρατηγική
- τέτοιος
- επαρκής
- σύστημα
- συστήματα
- Πάρτε
- Έργο
- εργασίες
- ταξινόμηση
- δοκιμή
- Δοκιμές
- από
- ότι
- Η
- τους
- Αυτοί
- αυτό
- Μέσω
- προς την
- κορυφαίο επίπεδο
- Σύνολο
- Τρένο
- εκπαιδευμένο
- Εκπαίδευση
- μετασχηματίζοντας
- Ταξίδια
- αληθής
- Αλήθεια
- δύο
- τύπος
- συνήθως
- μοναδικός
- ανεπιθύμητος
- Φορτώθηκε
- χρήση
- περίπτωση χρήσης
- μεταχειρισμένος
- Χρήστες
- Η εμπειρία χρήστη
- Χρήστες
- χρησιμοποιεί
- χρησιμοποιώντας
- Πολύτιμος
- αξία
- εκδοχή
- Βίντεο
- Βίντεο
- Δες
- Βία
- όραμα
- Επίσκεψη
- Φωνή
- τόμος
- walk
- θέλω
- ήταν
- we
- ιστός
- διαδικτυακές υπηρεσίες
- ήταν
- πότε
- Ποιό
- θα
- με
- εντός
- χωρίς
- λόγια
- Εργασία
- ροής εργασίας
- εργαζόμενος
- χρόνια
- Εσείς
- Σας
- zephyrnet