Οι πελάτες της υγειονομικής περίθαλψης και των βιοεπιστημών (HCLS) υιοθετούν τη γενετική τεχνητή νοημοσύνη ως εργαλείο για να αντλήσουν περισσότερα από τα δεδομένα τους. Οι περιπτώσεις χρήσης περιλαμβάνουν τη σύνοψη εγγράφων για να βοηθήσουν τους αναγνώστες να εστιάσουν σε βασικά σημεία ενός εγγράφου και να μετατρέψουν το μη δομημένο κείμενο σε τυποποιημένες μορφές για να τονίσουν σημαντικά χαρακτηριστικά. Με μοναδικές μορφές δεδομένων και αυστηρές ρυθμιστικές απαιτήσεις, οι πελάτες αναζητούν επιλογές για να επιλέξουν το πιο αποδοτικό και οικονομικό μοντέλο, καθώς και τη δυνατότητα εκτέλεσης της απαραίτητης προσαρμογής (fine-tuning) για να ταιριάζουν στην περίπτωση της επαγγελματικής τους χρήσης. Σε αυτήν την ανάρτηση, σας καθοδηγούμε στην ανάπτυξη ενός μοντέλου μεγάλης γλώσσας Falcon (LLM) χρησιμοποιώντας Amazon SageMaker JumpStart και χρησιμοποιώντας το μοντέλο για τη σύνοψη μεγάλων εγγράφων με LangChain και Python.
Επισκόπηση λύσεων
Amazon Sage Maker βασίζεται στην εμπειρία δύο δεκαετιών της Amazon στην ανάπτυξη εφαρμογών ML πραγματικού κόσμου, συμπεριλαμβανομένων συστάσεων προϊόντων, εξατομίκευσης, έξυπνων αγορών, ρομποτικής και συσκευών με φωνητική υποστήριξη. Το SageMaker είναι μια διαχειριζόμενη υπηρεσία κατάλληλη για HIPAA που παρέχει εργαλεία που επιτρέπουν σε επιστήμονες δεδομένων, μηχανικούς ML και επιχειρησιακούς αναλυτές να καινοτομούν με την ML. Μέσα στο SageMaker είναι Στούντιο Amazon SageMaker, ένα ολοκληρωμένο περιβάλλον ανάπτυξης (IDE) ειδικά σχεδιασμένο για συνεργατικές ροές εργασίας ML, οι οποίες, με τη σειρά τους, περιέχουν μια μεγάλη ποικιλία λύσεων γρήγορης εκκίνησης και προεκπαιδευμένα μοντέλα ML σε έναν ενσωματωμένο κόμβο που ονομάζεται SageMaker JumpStart. Με το SageMaker JumpStart, μπορείτε να χρησιμοποιήσετε προεκπαιδευμένα μοντέλα, όπως το Falcon LLM, με προκατασκευασμένα δείγματα notebook και υποστήριξη SDK για να πειραματιστείτε και να αναπτύξετε αυτά τα ισχυρά μοντέλα μετασχηματιστών. Μπορείτε να χρησιμοποιήσετε το SageMaker Studio και το SageMaker JumpStart για να αναπτύξετε και να αναζητήσετε το δικό σας μοντέλο παραγωγής στον λογαριασμό σας AWS.
Μπορείτε επίσης να διασφαλίσετε ότι τα δεδομένα ωφέλιμου φορτίου συμπερασμάτων δεν εξέρχονται από το VPC σας. Μπορείτε να παρέχετε μοντέλα ως τελικά σημεία ενός ενοικιαστή και να τα αναπτύξετε με απομόνωση δικτύου. Επιπλέον, μπορείτε να επιμεληθείτε και να διαχειριστείτε το επιλεγμένο σύνολο μοντέλων που ικανοποιούν τις δικές σας απαιτήσεις ασφαλείας, χρησιμοποιώντας τη δυνατότητα ιδιωτικού διανομέα μοντέλων στο SageMaker JumpStart και αποθηκεύοντας εκεί τα εγκεκριμένα μοντέλα. Το SageMaker είναι διαθέσιμο για HIPAA BAA, SOC123, να HITRUST CSF.
Η Falcon LLM είναι ένα μεγάλο γλωσσικό μοντέλο, που εκπαιδεύεται από ερευνητές στο Technology Innovation Institute (TII) σε πάνω από 1 τρισεκατομμύριο μάρκες χρησιμοποιώντας AWS. Το Falcon έχει πολλές διαφορετικές παραλλαγές, με τα δύο κύρια συστατικά του Falcon 40B και Falcon 7B, που αποτελούνται από 40 δισεκατομμύρια και 7 δισεκατομμύρια παραμέτρους, αντίστοιχα, με βελτιωμένες εκδόσεις που έχουν εκπαιδευτεί για συγκεκριμένες εργασίες, όπως ακολουθούν οδηγίες. Το Falcon αποδίδει καλά σε μια ποικιλία εργασιών, όπως η σύνοψη κειμένου, η ανάλυση συναισθημάτων, η απάντηση σε ερωτήσεις και η συνομιλία. Αυτή η ανάρτηση παρέχει μια αναλυτική περιγραφή που μπορείτε να ακολουθήσετε για να αναπτύξετε το Falcon LLM στον λογαριασμό σας στο AWS, χρησιμοποιώντας μια παρουσία διαχειριζόμενης χρήσης σημειωματάριου μέσω του SageMaker JumpStart για να πειραματιστείτε με τη σύνοψη κειμένου.
Ο κόμβος μοντέλου SageMaker JumpStart περιλαμβάνει πλήρη σημειωματάρια για ανάπτυξη και υποβολή ερωτημάτων σε κάθε μοντέλο. Μέχρι τη στιγμή που γράφονται αυτές οι γραμμές, υπάρχουν έξι διαθέσιμες εκδόσεις του Falcon στο κέντρο μοντέλων SageMaker JumpStart: Falcon 40B Instruct BF16, Falcon 40B BF16, Falcon 180B BF16, Falcon 180B Chat BF16, Falcon 7B Instruct BF16 και Falcon 7B. Αυτή η ανάρτηση χρησιμοποιεί το μοντέλο Falcon 16B Instruct.
Στις επόμενες ενότητες, δείχνουμε πώς να ξεκινήσετε με τη σύνοψη εγγράφων, αναπτύσσοντας το Falcon 7B στο SageMaker Jumpstart.
Προϋποθέσεις
Για αυτό το σεμινάριο, θα χρειαστείτε έναν λογαριασμό AWS με τομέα SageMaker. Εάν δεν διαθέτετε ήδη τομέα SageMaker, ανατρέξτε στο Ενσωματωμένος στον τομέα Amazon SageMaker για να δημιουργήσετε ένα.
Αναπτύξτε το Falcon 7B χρησιμοποιώντας το SageMaker JumpStart
Για να αναπτύξετε το μοντέλο σας, ολοκληρώστε τα παρακάτω βήματα:
- Μεταβείτε στο περιβάλλον του SageMaker Studio από την κονσόλα SageMaker.
- Εντός του IDE, κάτω από SageMaker JumpStart στο παράθυρο πλοήγησης, επιλέξτε Μοντέλα, τετράδια, λύσεις.
- Αναπτύξτε το μοντέλο Falcon 7B Instruct σε ένα τελικό σημείο για συμπεράσματα.
Αυτό θα ανοίξει την κάρτα μοντέλου για το μοντέλο Falcon 7B Instruct BF16. Σε αυτή τη σελίδα, μπορείτε να βρείτε το Ανάπτυξη or Τρένο επιλογές καθώς και συνδέσμους για το άνοιγμα των δειγμάτων σημειωματάριων στο SageMaker Studio. Αυτή η ανάρτηση θα χρησιμοποιήσει το δείγμα σημειωματάριου από το SageMaker JumpStart για την ανάπτυξη του μοντέλου.
- Επιλέξτε Ανοίξτε το σημειωματάριο.
- Εκτελέστε τα πρώτα τέσσερα κελιά του σημειωματάριου για να αναπτύξετε το τελικό σημείο Falcon 7B Instruct.
Μπορείτε να δείτε τα αναπτυγμένα μοντέλα JumpStart στο Ξεκίνησε τα στοιχεία του JumpStart .
- Στο παράθυρο πλοήγησης, κάτω SageMaker Jumpstart, επιλέξτε Ξεκίνησε τα στοιχεία του JumpStart.
- Επιλέξτε Καταληκτικά σημεία μοντέλου καρτέλα για να δείτε την κατάσταση του τελικού σας σημείου.
Με το τελικό σημείο Falcon LLM που έχει αναπτυχθεί, είστε έτοιμοι να υποβάλετε ερωτήματα στο μοντέλο.
Εκτελέστε το πρώτο σας ερώτημα
Για να εκτελέσετε ένα ερώτημα, ολοκληρώστε τα παρακάτω βήματα:
- Στις Αρχεία μενού, επιλέξτε Νέα και σημειωματάριο για να ανοίξετε ένα νέο σημειωματάριο.
Μπορείτε επίσης να κατεβάσετε το ολοκληρωμένο σημειωματάριο εδώ.
- Επιλέξτε την εικόνα, τον πυρήνα και τον τύπο παρουσίας όταν σας ζητηθεί. Για αυτήν την ανάρτηση, επιλέγουμε την εικόνα Data Science 3.0, τον πυρήνα Python 3 και την παρουσία ml.t3.medium.
- Εισαγάγετε τις μονάδες Boto3 και JSON εισάγοντας τις ακόλουθες δύο γραμμές στο πρώτο κελί:
- Τύπος Shift + Enter για να τρέξει το κελί.
- Στη συνέχεια, μπορείτε να ορίσετε μια συνάρτηση που θα καλεί το τελικό σημείο σας. Αυτή η συνάρτηση παίρνει ένα ωφέλιμο φορτίο λεξικού και το χρησιμοποιεί για να καλέσει τον πελάτη χρόνου εκτέλεσης του SageMaker. Έπειτα, αποσυντονίζει την απόκριση και εκτυπώνει την εισαγωγή και το κείμενο που δημιουργείται.
Το ωφέλιμο φορτίο περιλαμβάνει την προτροπή ως είσοδο, μαζί με τις παραμέτρους συμπερασμάτων που θα περάσουν στο μοντέλο.
- Μπορείτε να χρησιμοποιήσετε αυτές τις παραμέτρους με την προτροπή για να συντονίσετε την έξοδο του μοντέλου για την περίπτωση χρήσης σας:
Ερώτημα με μια προτροπή περίληψης
Αυτή η ανάρτηση χρησιμοποιεί ένα δείγμα ερευνητικής εργασίας για να επιδείξει τη σύνοψη. Το παράδειγμα αρχείου κειμένου αφορά την αυτόματη σύνοψη κειμένου στη βιοϊατρική βιβλιογραφία. Ολοκληρώστε τα παρακάτω βήματα:
- Λήψη το PDF και αντιγράψτε το κείμενο σε ένα αρχείο με το όνομα
document.txt
. - Στο SageMaker Studio, επιλέξτε το εικονίδιο μεταφόρτωσης και μεταφορτώστε το αρχείο στην παρουσία του SageMaker Studio.
Από το κουτί, το Falcon LLM παρέχει υποστήριξη για σύνοψη κειμένου.
- Ας δημιουργήσουμε μια συνάρτηση που χρησιμοποιεί τεχνικές άμεσης μηχανικής για τη σύνοψη
document.txt
:
Θα παρατηρήσετε ότι για μεγαλύτερα έγγραφα, εμφανίζεται ένα σφάλμα — το Falcon, μαζί με όλα τα άλλα LLM, έχει ένα όριο στον αριθμό των διακριτικών που διαβιβάζονται ως είσοδος. Μπορούμε να ξεπεράσουμε αυτό το όριο χρησιμοποιώντας τις βελτιωμένες δυνατότητες σύνοψης του LangChain, οι οποίες επιτρέπουν τη μετάδοση πολύ μεγαλύτερης εισόδου στο LLM.
Εισαγάγετε και εκτελέστε μια αλυσίδα σύνοψης
Το LangChain είναι μια βιβλιοθήκη λογισμικού ανοιχτού κώδικα που επιτρέπει στους προγραμματιστές και τους επιστήμονες δεδομένων να δημιουργούν γρήγορα, να συντονίζουν και να αναπτύσσουν προσαρμοσμένες εφαρμογές παραγωγής χωρίς να διαχειρίζονται πολύπλοκες αλληλεπιδράσεις ML, που συνήθως χρησιμοποιούνται για την αφαίρεση πολλών από τις περιπτώσεις κοινής χρήσης για παραγωγικά μοντέλα γλώσσας AI σε λίγα μόνο γραμμές κώδικα. Η υποστήριξη της LangChain για υπηρεσίες AWS περιλαμβάνει υποστήριξη για τα τελικά σημεία του SageMaker.
Το LangChain παρέχει μια προσβάσιμη διεπαφή για LLMs. Τα χαρακτηριστικά του περιλαμβάνουν εργαλεία για προτύπωση προτροπής και γρήγορη σύνδεση. Αυτές οι αλυσίδες μπορούν να χρησιμοποιηθούν για τη σύνοψη εγγράφων κειμένου που είναι μεγαλύτερα από αυτά που υποστηρίζει το μοντέλο γλώσσας σε μία μόνο κλήση. Μπορείτε να χρησιμοποιήσετε μια στρατηγική μείωσης χάρτη για να συνοψίσετε μεγάλα έγγραφα, αναλύοντάς τα σε διαχειρίσιμα κομμάτια, συνοψίζοντάς τα και συνδυάζοντάς τα (και συνοψίζοντας ξανά, εάν χρειάζεται).
- Ας εγκαταστήσουμε το LangChain για να ξεκινήσουμε:
- Εισαγάγετε τις σχετικές ενότητες και αναλύστε το μεγάλο έγγραφο σε κομμάτια:
- Για να κάνετε το LangChain να λειτουργεί αποτελεσματικά με το Falcon, πρέπει να ορίσετε τις προεπιλεγμένες κατηγορίες χειριστή περιεχομένου για έγκυρη είσοδο και έξοδο:
- Μπορείτε να ορίσετε προσαρμοσμένες προτροπές ως
PromptTemplate
αντικείμενα, το κύριο όχημα για προτροπή με το LangChain, για την προσέγγιση σύνοψης μείωσης χάρτη. Αυτό είναι ένα προαιρετικό βήμα επειδή οι προτροπές αντιστοίχισης και συνδυασμού παρέχονται από προεπιλογή εάν οι παράμετροι εντός της κλήσης για φόρτωση της αλυσίδας σύνοψης (load_summarize_chain
) είναι απροσδιόριστες.
- Το LangChain υποστηρίζει LLM που φιλοξενούνται σε τελικά σημεία συμπερασμάτων SageMaker, επομένως, αντί να χρησιμοποιείτε το AWS Python SDK, μπορείτε να αρχικοποιήσετε τη σύνδεση μέσω του LangChain για μεγαλύτερη προσβασιμότητα:
- Τέλος, μπορείτε να φορτώσετε μια αλυσίδα σύνοψης και να εκτελέσετε μια σύνοψη στα έγγραφα εισόδου χρησιμοποιώντας τον ακόλουθο κώδικα:
Επειδή η verbose
η παράμετρος έχει οριστεί σε True
, θα δείτε όλα τα ενδιάμεσα αποτελέσματα της προσέγγισης μείωσης χάρτη. Αυτό είναι χρήσιμο για την παρακολούθηση της αλληλουχίας των γεγονότων για να καταλήξουμε σε μια τελική περίληψη. Με αυτήν την προσέγγιση μείωσης χάρτη, μπορείτε να συνοψίσετε αποτελεσματικά έγγραφα πολύ περισσότερο από ό,τι επιτρέπεται συνήθως από το μέγιστο όριο διακριτικού εισόδου του μοντέλου.
εκκαθάριση
Αφού ολοκληρώσετε τη χρήση του τελικού σημείου συμπερασμάτων, είναι σημαντικό να το διαγράψετε για να αποφύγετε το περιττό κόστος μέσω των ακόλουθων γραμμών κώδικα:
Χρήση άλλων μοντέλων θεμελίωσης στο SageMaker JumpStart
Η χρήση άλλων μοντέλων θεμελίωσης που είναι διαθέσιμα στο SageMaker JumpStart για σύνοψη εγγράφων απαιτεί ελάχιστο κόστος για τη ρύθμιση και την ανάπτυξη. Τα LLM περιστασιακά ποικίλλουν ανάλογα με τη δομή των μορφών εισόδου και εξόδου, και καθώς νέα μοντέλα και προκατασκευασμένες λύσεις προστίθενται στο SageMaker JumpStart, ανάλογα με την υλοποίηση της εργασίας, ίσως χρειαστεί να κάνετε τις ακόλουθες αλλαγές κώδικα:
- Εάν εκτελείτε σύνοψη μέσω του
summarize()
μέθοδος (η μέθοδος χωρίς τη χρήση LangChain), ίσως χρειαστεί να αλλάξετε τη δομή JSON τουpayload
παράμετρος, καθώς και ο χειρισμός της μεταβλητής απόκρισης στοquery_endpoint()
λειτουργία - Εάν εκτελείτε σύνοψη μέσω του LangChain
load_summarize_chain()
μέθοδο, ίσως χρειαστεί να τροποποιήσετε τοContentHandlerTextSummarization
τάξη, συγκεκριμένα τοtransform_input()
καιtransform_output()
λειτουργίες, για να χειριστεί σωστά το ωφέλιμο φορτίο που αναμένει το LLM και την έξοδο που επιστρέφει το LLM
Τα μοντέλα θεμελίωσης διαφέρουν όχι μόνο σε παράγοντες όπως η ταχύτητα και η ποιότητα συμπερασμάτων, αλλά και οι μορφές εισόδου και εξόδου. Ανατρέξτε στη σχετική σελίδα πληροφοριών του LLM σχετικά με την αναμενόμενη είσοδο και έξοδο.
Συμπέρασμα
Το μοντέλο Falcon 7B Instruct είναι διαθέσιμο στον κόμβο μοντέλου SageMaker JumpStart και λειτουργεί σε πολλές περιπτώσεις χρήσης. Αυτή η ανάρτηση έδειξε πώς μπορείτε να αναπτύξετε το δικό σας τελικό σημείο Falcon LLM στο περιβάλλον σας χρησιμοποιώντας το SageMaker JumpStart και να κάνετε τα πρώτα σας πειράματα από το SageMaker Studio, επιτρέποντάς σας να πρωτοτυποποιήσετε γρήγορα τα μοντέλα σας και να μεταβείτε απρόσκοπτα σε ένα περιβάλλον παραγωγής. Με το Falcon και το LangChain, μπορείτε να συνοψίσετε αποτελεσματικά μακροπρόθεσμα έγγραφα υγειονομικής περίθαλψης και βιοεπιστημών σε κλίμακα.
Για περισσότερες πληροφορίες σχετικά με την εργασία με το Generative AI στο AWS, ανατρέξτε στο Ανακοίνωση νέων εργαλείων για δημιουργία με Generative AI στο AWS. Μπορείτε να ξεκινήσετε να πειραματίζεστε και να δημιουργείτε αποδείξεις περίληψης εγγράφων για τις εφαρμογές GenAI που προσανατολίζονται στην υγειονομική περίθαλψη και τη ζωή, χρησιμοποιώντας τη μέθοδο που περιγράφεται σε αυτήν την ανάρτηση. Οταν Θεμέλιο του Αμαζονίου είναι γενικά διαθέσιμο, θα δημοσιεύσουμε μια επακόλουθη ανάρτηση που θα δείχνει πώς μπορείτε να εφαρμόσετε τη σύνοψη εγγράφων χρησιμοποιώντας το Amazon Bedrock και το LangChain.
Σχετικά με τους Συγγραφείς
Τζον Κιταόκα είναι αρχιτέκτονας λύσεων στο Amazon Web Services. Ο John βοηθά τους πελάτες να σχεδιάσουν και να βελτιστοποιήσουν τους φόρτους εργασίας AI/ML στο AWS για να τους βοηθήσει να επιτύχουν τους επιχειρηματικούς τους στόχους.
Τζος Φάμεσταντ είναι αρχιτέκτονας λύσεων στο Amazon Web Services. Ο Josh συνεργάζεται με πελάτες του δημόσιου τομέα για να δημιουργήσει και να εκτελέσει προσεγγίσεις που βασίζονται στο cloud για την επίτευξη των επιχειρηματικών προτεραιοτήτων.
- 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/create-an-hcls-document-summarization-application-with-falcon-using-amazon-sagemaker-jumpstart/
- :έχει
- :είναι
- :δεν
- $UP
- 1
- 10
- 100
- 11
- 12
- 14
- 150
- 16
- 1M
- 20
- 40
- 400
- 50
- 500
- 7
- a
- ικανότητα
- ΠΕΡΙΛΗΨΗ
- Αποδέχεται
- προσιτότητα
- προσιτός
- Λογαριασμός
- Κατορθώνω
- προστιθέμενη
- υιοθετώντας
- πάλι
- AI
- AI / ML
- Όλα
- επιτρέπεται
- Επιτρέποντας
- επιτρέπει
- κατά μήκος της πλευράς
- ήδη
- Επίσης
- Amazon
- Amazon Sage Maker
- Amazon SageMaker JumpStart
- Amazon υπηρεσίες Web
- an
- ανάλυση
- Αναλυτές
- και
- ζώο
- αγελάδων
- Εφαρμογή
- εφαρμογές
- πλησιάζω
- προσεγγίσεις
- εγκεκριμένη
- ΕΙΝΑΙ
- γύρω
- AS
- At
- γνωρίσματα
- Αυτόματο
- διαθέσιμος
- αποφύγετε
- AWS
- βασίζονται
- BE
- επειδή
- αρχίζουν
- πιστεύει
- Δισεκατομμύριο
- βιοϊατρικής
- σώμα
- Κουτί
- Διακοπή
- Σπάζοντας
- χτίζω
- Κτίριο
- χτισμένο
- επιχείρηση
- αλλά
- by
- κλήση
- που ονομάζεται
- CAN
- Μπορεί να πάρει
- δυνατότητες
- ικανότητα
- κάρτα
- περίπτωση
- περιπτώσεις
- Κύτταρα
- αλυσίδα
- αλυσίδες
- αλλαγή
- Αλλαγές
- επιλογές
- Επιλέξτε
- επιλέγοντας
- τάξη
- τάξεις
- πελάτης
- Backup
- κωδικός
- συνεργατική
- συνδυασμός
- συνδυάζοντας
- Κοινός
- συνήθως
- σύγκριση
- πλήρης
- Ολοκληρώθηκε το
- συγκρότημα
- Αποτελείται
- έννοια
- συνοπτικός
- σύνδεση
- πρόξενος
- περιέχουν
- περιεχόμενο
- αποδοτική
- Δικαστικά έξοδα
- δημιουργία
- έθιμο
- Πελάτες
- παραμετροποίηση
- ημερομηνία
- επιστημονικά δεδομένα
- δεκαετίες
- Προεπιλογή
- ορίζεται
- παραδώσει
- αποδεικνύουν
- κατέδειξε
- Σε συνάρτηση
- παρατάσσω
- αναπτυχθεί
- ανάπτυξη
- ανάπτυξη
- Υπηρεσίες
- προγραμματιστές
- ανάπτυξη
- Ανάπτυξη
- Συσκευές
- διαφορετικές
- do
- έγγραφο
- έγγραφα
- Όχι
- τομέα
- Μην
- κάτω
- κατεβάσετε
- κάθε
- γη
- αποτελεσματικά
- ενεργοποιήσετε
- Τελικό σημείο
- Μηχανική
- Μηχανικοί
- ενισχυμένη
- εξασφαλίζω
- εισερχόμενοι
- Περιβάλλον
- σφάλμα
- εκδηλώσεις
- παράδειγμα
- εκτελέσει
- αναμένεται
- αναμένει
- εμπειρία
- πείραμα
- πειράματα
- Πρόσωπο
- παράγοντες
- ψευδής
- Χαρακτηριστικά
- λίγοι
- Αρχεία
- τελικός
- Εύρεση
- Όνομα
- ταιριάζουν
- Συγκέντρωση
- ακολουθήστε
- Εξής
- Για
- Θεμέλιο
- τέσσερα
- από
- λειτουργία
- λειτουργίες
- Επί πλέον
- γενικά
- παράγουν
- παράγεται
- γενετική
- Παραγωγική τεχνητή νοημοσύνη
- παίρνω
- Στόχοι
- μεγαλύτερη
- λαβή
- Χειρισμός
- Έχω
- υγειονομική περίθαλψη
- βοήθεια
- βοηθά
- Επισημάνετε
- φιλοξενείται
- Πως
- Πώς να
- HTML
- HTTPS
- Hub
- ICON
- if
- εικόνα
- εφαρμογή
- εκτέλεση
- εισαγωγή
- σημαντικό
- in
- περιλαμβάνουν
- περιλαμβάνει
- Συμπεριλαμβανομένου
- πληροφορίες
- νεωτερίζω
- Καινοτομία
- εισαγωγή
- είσοδοι
- εγκαθιστώ
- παράδειγμα
- αντί
- Ινστιτούτο
- οδηγίες
- ενσωματωθεί
- Έξυπνος
- αλληλεπιδράσεις
- περιβάλλον λειτουργίας
- σε
- απομόνωση
- IT
- ΤΟΥ
- Γιάννης
- json
- μόλις
- Κλειδί
- Γλώσσα
- large
- μεγαλύτερος
- ξεκίνησε
- Άδεια
- Βιβλιοθήκη
- ζωή
- Επιστήμες της Ζωής
- LIMIT
- γραμμές
- ΣΥΝΔΕΣΜΟΙ
- λογοτεχνία
- LLM
- φορτίο
- Μακριά
- πλέον
- κοιτάζοντας
- Κυρίως
- κάνω
- διαχείριση
- ευχείριστος
- διαχειρίζεται
- διαχείριση
- πολοί
- χαρτης
- ανώτατο όριο
- Ενδέχεται..
- medium
- Μενού
- μέθοδος
- ελάχιστος
- ML
- μοντέλο
- μοντέλα
- τροποποιήσει
- ενότητες
- περισσότερο
- πλέον
- πολύ
- Πλοήγηση
- απαραίτητος
- Ανάγκη
- που απαιτούνται
- δίκτυο
- Νέα
- ΝΙΗ
- Κανονικά
- σημειωματάριο
- Ειδοποίηση..
- αριθμός
- αντικειμένων
- of
- on
- ONE
- αποκλειστικά
- ανοίξτε
- ανοικτού κώδικα
- Λογισμικό ανοικτού κώδικα
- Βελτιστοποίηση
- Επιλογές
- ΑΛΛΑ
- σκιαγραφείται
- παραγωγή
- επί
- δική
- σελίδα
- παράθυρο
- Χαρτί
- παράμετρος
- παράμετροι
- πέρασε
- Εκτελέστε
- εκτέλεση
- εκτελεί
- εξατομίκευση
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- σημεία
- Θέση
- ισχυρός
- εκτυπώσεις
- ιδιωτικός
- διαδικασια μας
- Προϊόν
- παραγωγή
- αποδείξεις
- πρωτότυπο
- παρέχουν
- παρέχεται
- παρέχει
- πρόβλεψη
- δημόσιο
- δημοσιεύει
- Python
- ποιότητα
- ερώτηση
- γρήγορα
- ταχέως
- αναγνώστες
- έτοιμος
- πραγματικό κόσμο
- συστάσεις
- παραπέμπω
- ρυθμιστές
- απαιτήσεις
- Απαιτεί
- έρευνα
- ερευνητές
- αντίστοιχα
- απάντησης
- απόδοση
- ρομποτική
- τρέξιμο
- σοφός
- Συμπεράσματα SageMaker
- Κλίμακα
- Επιστήμη
- ΕΠΙΣΤΗΜΕΣ
- επιστήμονες
- έκταση
- SDK
- άψογα
- τμήματα
- τομέας
- ασφάλεια
- δείτε
- επιλέγονται
- ΕΑΥΤΟΣ
- συναίσθημα
- Ακολουθία
- υπηρεσία
- Υπηρεσίες
- σειρά
- τον καθορισμό
- Καταστήματα Λιανικής
- Κοντά
- δείχνουν
- ενιαίας
- ΕΞΙ
- So
- λογισμικό
- Λύσεις
- συγκεκριμένες
- ειδικά
- ταχύτητα
- Εκκίνηση
- ξεκίνησε
- Κατάσταση
- Βήμα
- Βήματα
- εναποθήκευση
- Στρατηγική
- Αυστηρός
- δομή
- στούντιο
- τέτοιος
- συνοψίζω
- ΠΕΡΙΛΗΨΗ
- υποστήριξη
- Υποστηρίζει
- παίρνει
- Έργο
- εργασίες
- τεχνικές
- Τεχνολογία
- Τεχνολογική καινοτομία
- κείμενο
- από
- ότι
- Η
- τους
- Τους
- τότε
- Εκεί.
- Αυτοί
- αυτό
- Μέσω
- προς την
- μαζι
- ένδειξη
- κουπόνια
- εργαλείο
- εργαλεία
- εκπαιδευμένο
- μετασχηματιστής
- μετασχηματίζοντας
- μετάβαση
- Τρισεκατομμύριο
- αληθής
- ΣΤΡΟΦΗ
- φροντιστήριο
- δύο
- τύπος
- Απροσδιόριστος
- μοναδικός
- περιττός
- Ανέβασμα
- χρήση
- περίπτωση χρήσης
- μεταχειρισμένος
- χρησιμοποιεί
- χρησιμοποιώντας
- μεταβλητή
- ποικιλία
- όχημα
- εκδόσεις
- μέσω
- Δες
- walk
- περιδιάβαση
- we
- ιστός
- διαδικτυακές υπηρεσίες
- ΛΟΙΠΌΝ
- Τι
- πότε
- Ποιό
- ευρύς
- θα
- με
- εντός
- χωρίς
- Εργασία
- ροές εργασίας
- εργαζόμενος
- λειτουργεί
- γράφω
- γραφή
- Εσείς
- Σας
- zephyrnet