Οι οργανισμοί που κινούνται προς μια κουλτούρα που βασίζεται στα δεδομένα αγκαλιάζουν τη χρήση δεδομένων και μηχανικής μάθησης (ML) στη λήψη αποφάσεων. Για να λάβετε αποφάσεις που βασίζονται σε ML από δεδομένα, χρειάζεστε τα δεδομένα σας διαθέσιμα, προσβάσιμα, καθαρά και στη σωστή μορφή για να εκπαιδεύσετε μοντέλα ML. Οι οργανισμοί με αρχιτεκτονική πολλών λογαριασμών θέλουν να αποφεύγουν καταστάσεις όπου πρέπει να εξάγουν δεδομένα από έναν λογαριασμό και να τα φορτώνουν σε έναν άλλο για δραστηριότητες προετοιμασίας δεδομένων. Η μη αυτόματη δημιουργία και διατήρηση των διαφορετικών εργασιών εξαγωγής, μετατροπής και φόρτωσης (ETL) σε διαφορετικούς λογαριασμούς προσθέτει πολυπλοκότητα και κόστος και καθιστά πιο δύσκολη τη διατήρηση των βέλτιστων πρακτικών διακυβέρνησης, συμμόρφωσης και ασφάλειας για τη διατήρηση των δεδομένων σας ασφαλή.
Amazon RedShift είναι μια γρήγορη, πλήρως διαχειριζόμενη αποθήκη δεδομένων cloud. Η δυνατότητα κοινής χρήσης δεδομένων μεταξύ λογαριασμών Amazon Redshift παρέχει έναν απλό και ασφαλή τρόπο κοινής χρήσης φρέσκων, πλήρων και συνεπών δεδομένων στην αποθήκη δεδομένων Amazon Redshift με οποιονδήποτε αριθμό ενδιαφερομένων σε διαφορετικούς λογαριασμούς AWS. Amazon SageMaker Data Wrangler είναι μια ικανότητα του Amazon Sage Maker Αυτό καθιστά πιο γρήγορο για τους επιστήμονες και τους μηχανικούς δεδομένων να προετοιμάζουν δεδομένα για εφαρμογές ML χρησιμοποιώντας μια οπτική διεπαφή. Το Data Wrangler σάς επιτρέπει να εξερευνήσετε και να μετασχηματίσετε δεδομένα για ML συνδέοντας τα κοινόχρηστα δεδομένα του Amazon Redshift.
Σε αυτήν την ανάρτηση, προχωράμε στη ρύθμιση μιας ενοποίησης μεταξύ λογαριασμών χρησιμοποιώντας ένα κοινόχρηστο στοιχείο δεδομένων του Amazon Redshift και στην προετοιμασία δεδομένων χρησιμοποιώντας το Data Wrangler.
Επισκόπηση λύσεων
Ξεκινάμε με δύο λογαριασμούς AWS: έναν λογαριασμό παραγωγού με την αποθήκη δεδομένων Amazon Redshift και έναν λογαριασμό καταναλωτή για περιπτώσεις χρήσης SageMaker ML. Για αυτήν την ανάρτηση, χρησιμοποιούμε το τραπεζικό σύνολο δεδομένων. Για να ακολουθήσετε, κατεβάστε το σύνολο δεδομένων στον τοπικό σας υπολογιστή. Ακολουθεί μια επισκόπηση υψηλού επιπέδου της ροής εργασίας:
- Δημιουργήστε ένα σύμπλεγμα Amazon Redshift RA3 στον λογαριασμό παραγωγού και φορτώστε το σύνολο δεδομένων.
- Δημιουργήστε μια κοινή χρήση δεδομένων Amazon Redshift στον λογαριασμό παραγωγού και επιτρέψτε στον λογαριασμό καταναλωτή να έχει πρόσβαση στα δεδομένα.
- Αποκτήστε πρόσβαση στο κοινόχρηστο στοιχείο δεδομένων Amazon Redshift στον λογαριασμό καταναλωτή.
- Αναλύστε και επεξεργαστείτε δεδομένα με το Data Wrangler στον λογαριασμό καταναλωτή και δημιουργήστε τις ροές εργασιών προετοιμασίας δεδομένων σας.
Να είστε ενήμεροι για το θεωρήσεις για εργασία με κοινή χρήση δεδομένων Amazon Redshift:
- Πολλαπλοί λογαριασμοί AWS – Χρειάζεστε τουλάχιστον δύο λογαριασμούς AWS: έναν λογαριασμό παραγωγού και έναν λογαριασμό καταναλωτή.
- Τύπος συμπλέγματος – Η κοινή χρήση δεδομένων υποστηρίζεται στον τύπο συμπλέγματος RA3. Όταν δημιουργείτε ένα σύμπλεγμα Amazon Redshift, φροντίστε να επιλέξετε τον τύπο συμπλέγματος RA3.
- κρυπτογράφηση – Για να λειτουργήσει η κοινή χρήση δεδομένων, τόσο τα συμπλέγματα παραγωγών όσο και καταναλωτών πρέπει να είναι κρυπτογραφημένα και να βρίσκονται στην ίδια Περιοχή AWS.
- Περιφέρειες – Η κοινή χρήση δεδομένων μεταξύ λογαριασμών είναι διαθέσιμη για όλο το Amazon Redshift Τύποι κόμβων RA3 σε US East (N. Virginia), US East (Ohio), US West (N. California), US West (Oregon), Asia Pacific (Mumbai), Asia Pacific (Σεούλ), Asia Pacific (Σιγκαπούρη), Asia Pacific ( Σίδνεϊ), Ασία-Ειρηνικός (Τόκιο), Καναδάς (Κεντρική), Ευρώπη (Φρανκφούρτη), Ευρώπη (Ιρλανδία), Ευρώπη (Λονδίνο), Ευρώπη (Παρίσι), Ευρώπη (Στοκχόλμη) και Νότια Αμερική (Σάο Πάολο).
- Τιμοκατάλογος – Η κοινή χρήση δεδομένων μεταξύ λογαριασμών είναι διαθέσιμη σε συμπλέγματα που βρίσκονται στην ίδια Περιοχή. Δεν υπάρχει κόστος για την κοινή χρήση δεδομένων. Απλώς πληρώνετε για τα συμπλέγματα Amazon Redshift που συμμετέχουν στην κοινή χρήση.
Η κοινή χρήση δεδομένων μεταξύ λογαριασμών είναι μια διαδικασία δύο βημάτων. Πρώτον, ένας διαχειριστής συμπλέγματος παραγωγών δημιουργεί ένα κοινόχρηστο στοιχείο δεδομένων, προσθέτει αντικείμενα και δίνει πρόσβαση στον λογαριασμό καταναλωτή. Στη συνέχεια, ο διαχειριστής του λογαριασμού παραγωγού εξουσιοδοτεί την κοινή χρήση δεδομένων για τον καθορισμένο καταναλωτή. Μπορείτε να το κάνετε αυτό από την κονσόλα Amazon Redshift.
Δημιουργήστε μια κοινή χρήση δεδομένων Amazon Redshift στον λογαριασμό παραγωγού
Για να δημιουργήσετε το κοινόχρηστο στοιχείο δεδομένων σας, ολοκληρώστε τα παρακάτω βήματα:
- Στην κονσόλα Amazon Redshift, δημιουργήστε ένα σύμπλεγμα Amazon Redshift.
- Καθορίστε παραγωγή και επιλέξτε τον τύπο κόμβου RA3.
- Κάτω από Πρόσθετες διαμορφώσεις, αποεπιλέξτε Χρησιμοποιήστε προεπιλογές.
- Κάτω από Διαμορφώσεις βάσης δεδομένων, ρυθμίστε την κρυπτογράφηση για το σύμπλεγμα σας.
- Αφού δημιουργήσετε το σύμπλεγμα, εισαγάγετε το σύνολο δεδομένων τράπεζας άμεσου μάρκετινγκ. Μπορείτε να κάνετε λήψη από την παρακάτω διεύθυνση URL: https://sagemaker-sample-data-us-west-2.s3-us-west-2.amazonaws.com/autopilot/direct_marketing/bank-additional.zip.
- Μεταφόρτωση
bank-additional-full.csv
σε ένα Απλή υπηρεσία αποθήκευσης Amazon (Amazon S3) κάδος στον οποίο έχει πρόσβαση το σύμπλεγμα σας. - Χρησιμοποιήστε το πρόγραμμα επεξεργασίας ερωτημάτων Amazon Redshift και εκτελέστε το ακόλουθο ερώτημα SQL για να αντιγράψετε τα δεδομένα στο Amazon Redshift:
- Μεταβείτε στη σελίδα λεπτομερειών συμπλέγματος και στο Κοινή χρήση δεδομένων καρτέλα, επιλέξτε Δημιουργία κοινής χρήσης δεδομένων.
- Για Όνομα κοινής χρήσης δεδομένων, πληκτρολογήστε ένα όνομα.
- Για Ονομα βάσης δεδομένων, επιλέξτε μια βάση δεδομένων.
- Στο Προσθήκη αντικειμένων κοινής χρήσης δεδομένων ενότητα, επιλέξτε τα αντικείμενα από τη βάση δεδομένων που θέλετε να συμπεριλάβετε στο κοινόχρηστο στοιχείο δεδομένων.
Έχετε λεπτομερή έλεγχο του τι επιλέγετε να μοιραστείτε με άλλους. Για απλότητα, μοιραζόμαστε όλους τους πίνακες. Στην πράξη, μπορείτε να επιλέξετε έναν ή περισσότερους πίνακες, προβολές ή συναρτήσεις που καθορίζονται από το χρήστη. - Επιλέξτε Πρόσθεση.
- Για να προσθέσετε καταναλωτές δεδομένων, επιλέξτε Προσθέστε λογαριασμούς AWS στο κοινόχρηστο στοιχείο δεδομένων και προσθέστε το δευτερεύον αναγνωριστικό λογαριασμού AWS.
- Επιλέξτε Δημιουργία κοινής χρήσης δεδομένων.
- Για να εξουσιοδοτήσετε τον καταναλωτή δεδομένων που μόλις δημιουργήσατε, μεταβείτε στο Κοινή χρήση δεδομένων σελίδα στην κονσόλα Amazon Redshift και επιλέξτε τη νέα κοινή χρήση δεδομένων.
- Επιλέξτε τον καταναλωτή δεδομένων και επιλέξτε Εξουσιοδοτώ.
Η κατάσταση του καταναλωτή αλλάζει από Pending authorization
προς την Authorized
.
Αποκτήστε πρόσβαση στο κοινόχρηστο κοινό μεταξύ λογαριασμών Amazon Redshift στον καταναλωτή λογαριασμό AWS
Τώρα που έχει ρυθμιστεί η κοινή χρήση δεδομένων, μεταβείτε στον καταναλωτή λογαριασμό σας AWS για να καταναλώσετε το κοινόχρηστο στοιχείο δεδομένων. Βεβαιωθείτε ότι έχετε δημιουργήσει τουλάχιστον ένα σύμπλεγμα Amazon Redshift στον λογαριασμό καταναλωτή σας. Το σύμπλεγμα πρέπει να είναι κρυπτογραφημένο και στην ίδια περιοχή με την πηγή.
- Στην κονσόλα Amazon Redshift, επιλέξτε Κοινή χρήση δεδομένων στο παράθυρο πλοήγησης.
- Στις Από άλλους λογαριασμούς καρτέλα, επιλέξτε το κοινόχρηστο στοιχείο δεδομένων που δημιουργήσατε και επιλέξτε Συνεργάτης.
- Μπορείτε να συσχετίσετε το κοινόχρηστο στοιχείο δεδομένων με ένα ή περισσότερα συμπλέγματα σε αυτόν τον λογαριασμό ή να συσχετίσετε το κοινόχρηστο στοιχείο δεδομένων με ολόκληρο τον λογαριασμό, έτσι ώστε τα τρέχοντα και μελλοντικά συμπλέγματα στον λογαριασμό καταναλωτή να έχουν πρόσβαση σε αυτό το κοινόχρηστο στοιχείο.
- Καθορίστε τα στοιχεία της σύνδεσής σας και επιλέξτε Connect.
- Επιλέξτε Δημιουργία βάσης δεδομένων από το κοινόχρηστο στοιχείο δεδομένων και εισαγάγετε ένα όνομα για τη νέα σας βάση δεδομένων.
- Για να ελέγξετε το κοινόχρηστο στοιχείο δεδομένων, μεταβείτε στο πρόγραμμα επεξεργασίας ερωτημάτων και εκτελέστε ερωτήματα στη νέα βάση δεδομένων για να βεβαιωθείτε ότι όλα τα αντικείμενα είναι διαθέσιμα ως μέρος του κοινού κοινού.
Αναλύστε και επεξεργαστείτε δεδομένα με το Data Wrangler
Τώρα μπορείτε να χρησιμοποιήσετε το Data Wrangler για να αποκτήσετε πρόσβαση στα δεδομένα μεταξύ λογαριασμών που δημιουργήθηκαν ως κοινόχρηστο στοιχείο στο Amazon Redshift.
- Ανοικτό Στούντιο Amazon SageMaker.
- Στις Αρχεία μενού, επιλέξτε Νέα και Ροή Wrangler δεδομένων.
- Στις εισαγωγή καρτέλα, επιλέξτε Προσθήκη πηγής δεδομένων και Amazon RedShift.
- Εισαγάγετε τις λεπτομέρειες σύνδεσης του συμπλέγματος Amazon Redshift που μόλις δημιουργήσατε στον λογαριασμό καταναλωτή για το κοινόχρηστο στοιχείο δεδομένων.
- Επιλέξτε Connect.
- Χρησιμοποιήστε το Διαχείριση ταυτότητας και πρόσβασης AWS ρόλος (IAM) που χρησιμοποιήσατε για το σύμπλεγμα Amazon Redshift.
Λάβετε υπόψη ότι παρόλο που το κοινόχρηστο στοιχείο δεδομένων είναι μια νέα βάση δεδομένων στο σύμπλεγμα Amazon Redshift, δεν μπορείτε να συνδεθείτε σε αυτό απευθείας από το Data Wrangler.
Ο σωστός τρόπος είναι να συνδεθείτε πρώτα με την προεπιλεγμένη βάση δεδομένων συμπλέγματος και, στη συνέχεια, να χρησιμοποιήσετε την SQL για να υποβάλετε ερώτημα στη βάση δεδομένων κοινής χρήσης δεδομένων. Δώστε τις απαιτούμενες πληροφορίες για τη σύνδεση με την προεπιλεγμένη βάση δεδομένων συμπλέγματος. Σημειώστε ότι ένα Υπηρεσία διαχείρισης κλειδιών AWS Το αναγνωριστικό κλειδιού (AWS KMS) δεν απαιτείται για τη σύνδεση.
Το Data Wrangler είναι πλέον συνδεδεμένο με την παρουσία του Amazon Redshift.
- Υποβάλετε ερώτημα στα δεδομένα στη βάση δεδομένων κοινής χρήσης δεδομένων του Amazon Redshift χρησιμοποιώντας ένα πρόγραμμα επεξεργασίας SQL.
- Επιλέξτε εισαγωγή για να εισαγάγετε το σύνολο δεδομένων στο Data Wrangler.
- Εισαγάγετε ένα όνομα για το σύνολο δεδομένων και επιλέξτε Πρόσθεση.
Τώρα μπορείτε να δείτε τη ροή στο Ροή δεδομένων καρτέλα του Data Wrangler.
Αφού φορτώσετε τα δεδομένα στο Data Wrangler, μπορείτε να κάνετε διερευνητική ανάλυση δεδομένων και να προετοιμάσετε δεδομένα για ML.
- Επιλέξτε το σύμβολο συν και επιλέξτε Προσθέστε ανάλυση.
Το Data Wrangler παρέχει ενσωματωμένες αναλύσεις. Αυτά περιλαμβάνουν, ενδεικτικά, μια αναφορά ποιότητας δεδομένων και πληροφοριών, συσχέτιση δεδομένων, αναφορά μεροληψίας πριν από την εκπαίδευση, περίληψη του συνόλου δεδομένων σας και οπτικοποιήσεις (όπως ιστογράμματα και διαγράμματα διασποράς). Μπορείτε επίσης να δημιουργήσετε τη δική σας προσαρμοσμένη οπτικοποίηση.
Μπορείτε να χρησιμοποιήσετε την Αναφορά ποιότητας δεδομένων και πληροφοριών για να δημιουργήσετε αυτόματα οπτικοποιήσεις και αναλύσεις για να εντοπίσετε προβλήματα ποιότητας δεδομένων και να προτείνετε τον σωστό μετασχηματισμό που απαιτείται για το σύνολο δεδομένων σας.
- Επιλέξτε Αναφορά ποιότητας δεδομένων και πληροφοριώνκαι επιλέξτε το Στήλη στόχου as y.
- Επειδή αυτή είναι μια δήλωση προβλήματος ταξινόμησης, για Τύπος προβλήματος, Επιλέξτε Ταξινόμηση.
- Επιλέξτε Δημιουργία.
Το Data Wrangler δημιουργεί μια λεπτομερή αναφορά για το σύνολο δεδομένων σας. Μπορείτε επίσης να κάνετε λήψη της αναφοράς στον τοπικό σας υπολογιστή.
- Για προετοιμασία δεδομένων, επιλέξτε το σύμβολο συν και επιλέξτε Προσθέστε ανάλυση.
- Επιλέξτε Προσθέστε βήμα για να ξεκινήσετε να χτίζετε τις μεταμορφώσεις σας.
Τη στιγμή της συγγραφής αυτής της έκθεσης, το Data Wrangler παρέχει πάνω από 300 ενσωματωμένους μετασχηματισμούς. Μπορείτε επίσης να γράψετε τους δικούς σας μετασχηματισμούς χρησιμοποιώντας Pandas ή PySpark.
Τώρα μπορείτε να αρχίσετε να δημιουργείτε τις μεταμορφώσεις και την ανάλυσή σας με βάση τις απαιτήσεις της επιχείρησής σας.
Συμπέρασμα
Σε αυτήν την ανάρτηση, εξερευνήσαμε την κοινή χρήση δεδομένων μεταξύ λογαριασμών χρησιμοποιώντας κοινόχρηστα στοιχεία του Amazon Redshift χωρίς να χρειάζεται να κάνετε μη αυτόματη λήψη και μεταφόρτωση δεδομένων. Εξετάσαμε τον τρόπο πρόσβασης στα κοινόχρηστα δεδομένα χρησιμοποιώντας το Data Wrangler και την προετοιμασία των δεδομένων για τις περιπτώσεις χρήσης ML. Αυτή η δυνατότητα χωρίς κώδικα/χαμηλό κώδικα των κοινών δεδομένων Amazon Redshift και Data Wrangler επιταχύνει την προετοιμασία των δεδομένων εκπαίδευσης και αυξάνει την ευελιξία των μηχανικών δεδομένων και των επιστημόνων δεδομένων με ταχύτερη επαναληπτική προετοιμασία δεδομένων.
Για να μάθετε περισσότερα σχετικά με το Amazon Redshift και το SageMaker, ανατρέξτε στο Οδηγός προγραμματιστή βάσης δεδομένων Amazon Redshift και Τεκμηρίωση Amazon SageMaker.
Σχετικά με τους Συγγραφείς
Meenakshisundaram Thandavarayan είναι Ανώτερος ειδικός AI/ML με AWS. Βοηθά στρατηγικούς λογαριασμούς υψηλής τεχνολογίας στο ταξίδι τους σε AI και ML. Είναι πολύ παθιασμένος με την τεχνητή νοημοσύνη που βασίζεται σε δεδομένα.
Τζέιμς Γου είναι Senior AI/ML Specialist Solution Architect στο AWS. βοηθώντας τους πελάτες να σχεδιάσουν και να δημιουργήσουν λύσεις AI/ML. Το έργο του James καλύπτει ένα ευρύ φάσμα περιπτώσεων χρήσης ML, με πρωταρχικό ενδιαφέρον για την όραση υπολογιστών, τη βαθιά μάθηση και την κλιμάκωση της ML σε όλη την επιχείρηση. Πριν από την ένταξή του στην AWS, ο James ήταν αρχιτέκτονας, προγραμματιστής και ηγέτης τεχνολογίας για περισσότερα από 10 χρόνια, συμπεριλαμβανομένων 6 ετών στη μηχανική και 4 ετών σε βιομηχανίες μάρκετινγκ και διαφήμισης.
- 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/import-data-from-cross-account-amazon-redshift-in-amazon-sagemaker-data-wrangler-for-exploratory-data-analysis- και-προετοιμασία δεδομένων/
- "
- &
- 10
- 100
- 11
- 7
- a
- Σχετικά
- πρόσβαση
- προσιτός
- Λογαριασμός
- απέναντι
- δραστηριοτήτων
- Διαφήμιση
- κατά
- AI
- Όλα
- επιτρέπει
- Amazon
- Αμερική
- ανάλυση
- Άλλος
- εφαρμογές
- αρχιτεκτονική
- Ασία
- asia pacific
- Συνεργάτης
- αυτομάτως
- διαθέσιμος
- AWS
- Τράπεζα
- ΚΑΛΎΤΕΡΟΣ
- βέλτιστες πρακτικές
- σύνορο
- χτίζω
- Κτίριο
- ενσωματωμένο
- επιχείρηση
- Καλιφόρνια
- Εκστρατεία
- Canada
- περιπτώσεις
- κεντρικός
- Επιλέξτε
- ταξινόμηση
- Backup
- πλήρης
- Συμμόρφωση
- υπολογιστή
- Connect
- συνδεδεμένος
- Συνδετικός
- σύνδεση
- συνεπής
- πρόξενος
- καταναλώνουν
- καταναλωτής
- Καταναλωτές
- επικοινωνήστε μαζί μας
- έλεγχος
- δημιουργία
- δημιουργήθηκε
- δημιουργεί
- Διαπιστεύσεις
- κουλτούρα
- Ρεύμα
- έθιμο
- Πελάτες
- ημερομηνία
- ανάλυση δεδομένων
- κοινή χρήση δεδομένων
- βάση δεδομένων
- αποφάσεις
- βαθύς
- Υπηρεσίες
- λεπτομερής
- καθέκαστα
- Εργολάβος
- διαφορετικές
- δύσκολος
- κατευθύνει
- κατευθείαν
- κατεβάσετε
- συντάκτης
- Εκπαίδευση
- αγκαλιάζω
- κρυπτογράφηση
- Μηχανική
- Μηχανικοί
- εισάγετε
- Εταιρεία
- Ευρώπη
- διερευνήσει
- FAST
- γρηγορότερα
- Χαρακτηριστικό
- Όνομα
- ροή
- ακολουθήστε
- Εξής
- μορφή
- φρέσκο
- από
- λειτουργίες
- μελλοντικός
- παράγουν
- διακυβέρνησης
- που έχει
- βοήθεια
- βοηθά
- στέγαση
- Πως
- Πώς να
- HTTPS
- προσδιορίσει
- Ταυτότητα
- περιλαμβάνουν
- Συμπεριλαμβανομένου
- βιομηχανίες
- πληροφορίες
- ιδέες
- παράδειγμα
- ολοκλήρωση
- τόκος
- περιβάλλον λειτουργίας
- Ιρλανδία
- θέματα
- IT
- Δουλειά
- Θέσεις εργασίας
- ενώνει
- ταξίδι
- Διατήρηση
- Κλειδί
- ηγέτης
- ΜΑΘΑΊΝΩ
- μάθηση
- Περιωρισμένος
- φορτίο
- τοπικός
- τοποθεσία
- Λονδίνο
- μηχανή
- μάθηση μηχανής
- διατηρήσουν
- κάνω
- ΚΑΝΕΙ
- διαχειρίζεται
- διαχείριση
- χειροκίνητα
- Μάρκετινγκ
- ενδέχεται να
- ML
- μοντέλα
- Μήνας
- περισσότερο
- κίνηση
- Βομβάη
- Πλοήγηση
- αριθμός
- Οχάιο
- τάξη
- Όρεγκον
- οργανώσεις
- ΑΛΛΑ
- δική
- Ειρηνικός
- Παρίσι
- μέρος
- συμμετέχω
- παθιασμένος
- Πληρωμή
- πρακτική
- Προετοιμάστε
- προηγούμενος
- πρωταρχικός
- Πρόβλημα
- διαδικασια μας
- παραγωγός
- παρέχουν
- παρέχει
- ποιότητα
- σειρά
- συνιστώ
- περιοχή
- αναφέρουν
- απαιτείται
- Ρόλος
- τρέξιμο
- ένα ασφαλές
- ίδιο
- απολέπιση
- επιστήμονες
- δευτερεύων
- προστατευμένο περιβάλλον
- ασφάλεια
- Σεούλ
- σειρά
- τον καθορισμό
- Κοινοποίηση
- Shared
- μοιράζονται
- υπογράψουν
- Απλούς
- Singapore
- So
- στέρεο
- λύση
- Λύσεις
- Νότος
- ειδικός
- Εκκίνηση
- Δήλωση
- Κατάσταση
- χώρος στο δίσκο
- Στρατηγική
- υποστηριζόνται!
- διακόπτης
- sydney
- Τεχνολογία
- δοκιμή
- Η
- Η Πηγη
- Μέσω
- ώρα
- Τόκιο
- προς
- Εκπαίδευση
- Μεταμορφώστε
- Μεταμόρφωση
- μετασχηματισμούς
- us
- χρήση
- Βιργινία
- όραμα
- οραματισμός
- δυτικά
- Τι
- χωρίς
- Εργασία
- ροές εργασίας
- εργαζόμενος
- γραφή
- χρόνια
- Σας