En una post, hablamos sobre el análisis y el etiquetado de activos almacenados en Veeva Vault PromoMats utilizando los servicios de IA de Amazon y las API de Veeva Vault Platform. En esta publicación, exploramos cómo usar Flujo de aplicaciones de Amazon, un servicio de integración completamente administrado que le permite transferir datos de forma segura desde aplicaciones de software como servicio (SaaS) como Veeva Vault a AWS. los Conector Veeva de Amazon AppFlow le permite conectar su entorno de AWS al ecosistema de Veeva de manera rápida, confiable y rentable para analizar el contenido enriquecido almacenado en Veeva Vault a escala.
El conector Veeva de Amazon AppFlow es el primer conector de Amazon AppFlow que admite la transferencia automática de Documentos Veeva. Le permite elegir entre la última versión (la Estado estable versión en términos de Veeva) y todas las versiones de los documentos. Además, puede importar metadatos de documentos.
Con unos pocos clics, puede configurar fácilmente una conexión administrada y elegir los documentos y metadatos de Veeva Vault para importar. Puede ajustar aún más el comportamiento de importación asignando campos de origen a campos de destino. También puede agregar filtros según el tipo y subtipo de documento, clasificación, productos, país, sitio y más. Por último, puede agregar validación y administrar activadores de flujo programados y bajo demanda.
Puede utilizar el conector Veeva de Amazon AppFlow para varios casos de uso, desde Veeva Vault PromoMats hasta otras soluciones de Veeva Vault, como QualityDocs, eTMF o Regulatory Information Management (RIM). Los siguientes son algunos de los casos de uso en los que puede usar el conector:
- Sincronización de datos – Puede utilizar el conector en el proceso de establecer coherencia y armonización entre los datos de un Veeva Vault de origen y cualquier sistema posterior a lo largo del tiempo. Por ejemplo, puede compartir activos de marketing de Veeva PromoMats con Salesforce. También puede usar el conector para compartir Veeva QualityDocs como procedimientos operativos estándar (SOP) o especificaciones en sitios web almacenados en caché que se pueden buscar desde las tabletas presentes en la planta de fabricación.
- Detección de anomalías – Puede compartir documentos Veeva PromoMats para Amazon Lookout para métricas para la detección de anomalías. También puede usar el conector con Vault RIM en ilustraciones, etiquetas comerciales, plantillas o folletos para pacientes antes de importarlos para imprimirlos en soluciones de etiquetado empresarial como Loftware.
- Hidratación del lago de datos – El conector puede ser una herramienta eficaz para replicar datos estructurados o no estructurados en lagos de datos, a fin de respaldar la creación e hidratación de lagos de datos. Por ejemplo, puede usar el conector para extraer información de estudios estandarizados de los protocolos almacenados en Vault RIM y exponerla posteriormente a los equipos de información de análisis médico.
- Traducciones – El conector puede ser útil para enviar obras de arte, documentos clínicos, materiales de marketing o protocolos de estudio para su traducción en idiomas nativos a departamentos como empaquetado, ensayos clínicos o presentaciones regulatorias.
Esta publicación se enfoca en cómo puede usar Servicios de inteligencia artificial de Amazon en combinación con Amazon AppFlow para analizar el contenido almacenado en Veeva Vault PromoMats, extraer automáticamente la información de las etiquetas y, en última instancia, devolver esta información al sistema Veeva Vault. La publicación analiza la arquitectura general, los pasos para implementar una solución y un panel, y un caso de uso del etiquetado de metadatos de activos. Para obtener más información sobre la base de código de prueba de concepto para este caso de uso, consulte el Repositorio GitHub.
Resumen de la solución
El siguiente diagrama ilustra la arquitectura de la solución actualizada.
Anteriormente, para importar activos de Veeva Vault, tenía que escribir su propia lógica de código personalizado usando el API de Veeva Vault para sondear los cambios e importar los datos en Servicio de almacenamiento simple de Amazon (Amazon S3). Este podría ser un proceso manual que requiere mucho tiempo, en el que debe tener en cuenta las limitaciones, fallas y reintentos de la API, así como la escalabilidad para acomodar una cantidad ilimitada de activos. La solución actualizada utiliza Amazon AppFlow para abstraer la complejidad de mantener una canalización personalizada de importación de datos de Veeva a Amazon S3.
Como se mencionó en la introducción, Amazon AppFlow es una herramienta de autoservicio sin código y fácil de usar que utiliza configuraciones de apuntar y hacer clic para mover datos de manera fácil y segura entre varias aplicaciones SaaS y servicios de AWS. AppFlow le permite extraer datos (objetos y documentos) de fuentes compatibles y escribir esos datos en varios destinos compatibles. El origen o el destino podría ser una aplicación SaaS o un servicio de AWS como Amazon S3, Desplazamiento al rojo de Amazono Buscar métricas. Además de la interfaz sin código, Amazon AppFlow admite la configuración a través de API, AWS CLI y Formación en la nube de AWS interfaces.
Un flujo en Amazon AppFlow describe cómo se moverán los datos, incluidos los detalles de la fuente, los detalles del destino, las condiciones de activación del flujo (bajo demanda, en un evento o programado) y las tareas de procesamiento de datos, como puntos de control, validación de campos o enmascaramiento. Cuando se activa, Amazon AppFlow ejecuta un flujo que obtiene los datos de origen (generalmente a través de las API públicas de la aplicación de origen), ejecuta tareas de procesamiento de datos y transfiere los datos procesados al destino.
En este ejemplo, implementa un flujo preconfigurado mediante una plantilla de CloudFormation. La siguiente captura de pantalla muestra el preconfigurado veeva-aws-connector
flujo que la plantilla de solución crea automáticamente en la consola de Amazon AppFlow.
El flujo utiliza Veeva como fuente y está configurado para importar objetos de componentes de Veeva Vault. Tanto los metadatos como los archivos de origen son necesarios para realizar un seguimiento de los activos que se han procesado y colocar las etiquetas en el activo correspondiente correcto en el sistema de origen. En esta situación, solo se importa la versión más reciente y no se incluyen las representaciones.
El destino del flujo también debe configurarse. En la siguiente captura de pantalla, definimos un formato de archivo y una estructura de carpetas para el depósito de S3 que se creó como parte de la plantilla de CloudFormation.
Finalmente, el flujo se activa a pedido con fines de demostración. Esto se puede modificar para que el flujo se ejecute según un cronograma, con una granularidad máxima de 1 minuto. Cuando se activa según un cronograma, el modo de transferencia cambia automáticamente de una transferencia completa a un modo de transferencia incremental. Especifique un campo de marca de tiempo de origen para realizar un seguimiento de los cambios. Para el caso de uso de etiquetado, hemos encontrado que el Fecha de última modificación ajuste es el más adecuado.
Luego, Amazon AppFlow se integra con Puente de eventos de Amazon para publicar eventos cada vez que se completa una ejecución de flujo.
Para una mejor resiliencia, el AVAIAppFlowListener
AWS Lambda La función está conectada a EventBridge. Cuando se activa un evento de Amazon AppFlow, verifica que la ejecución de flujo específica se haya completado correctamente, lee la información de metadatos de todos los activos importados de esa ejecución de flujo específica y envía metadatos de documentos individuales a un Servicio de cola simple de Amazon (Amazon SQS) cola. El uso de Amazon SQS proporciona un acoplamiento flexible entre las secciones de productor y procesador de la arquitectura y también le permite implementar cambios en la sección del procesador sin detener las actualizaciones entrantes.
Una segunda función de sondeo (AVAIQueuePoller
) lee la cola de SQS a intervalos frecuentes (cada minuto) y procesa los activos entrantes. Para obtener un tiempo de reacción aún mejor desde la función Lambda, puede reemplazar la regla de CloudWatch configurando Amazon SQS como activador de la función.
Según el tipo de mensaje entrante, la solución utiliza varios servicios de IA de AWS para obtener información de sus datos. Algunos ejemplos incluyen:
- Archivos de texto - La función usa el Detectar entidades operación de Amazon Comprende Médico, un servicio de procesamiento de lenguaje natural (NLP) que facilita el uso de ML para extraer información médica relevante de texto no estructurado. Esta operación detecta entidades en categorías como
Anatomy
,Medical_Condition
,Medication
,Protected_Health_Information
yTest_Treatment_Procedure
. La salida resultante se filtra porProtected_Health_Information
, y la información restante, junto con los puntajes de confianza, se aplana e inserta en un Amazon DynamoDB mesa. Esta información se representa en el clúster de OpenSearch Kibana. En aplicaciones del mundo real, también puede utilizar Amazon Comprehend Medical ICD-10-CM o RxNorm característica para vincular la información detectada con ontologías médicas para que las aplicaciones de atención médica posteriores puedan usarla para un análisis más detallado. - Imágenes - La función usa el Detectar etiquetas método de Reconocimiento de amazonas para detectar etiquetas en la imagen entrante. Estas etiquetas pueden actuar como etiquetas para identificar la rica información oculta en sus imágenes, como información sobre material gráfico comercial y etiquetas clínicas. Si etiquetas como
Human
orPerson
se detectan con una puntuación de confianza de más del 80%, el código utiliza el Detectar caras método para buscar características faciales clave como ojos, nariz y boca para detectar caras en la imagen de entrada. Amazon Rekognition entrega toda esta información con un puntaje de confianza asociado, que se aplana y se almacena en la tabla DynamoDB. - Grabaciones de voz - Para los recursos de audio, el código usa el Iniciar trabajo de transcripción método asincrónico de Amazon Transcribe para transcribir el audio entrante a texto, pasando un identificador único como
TranscriptionJobName
. El código supone que el idioma de audio es inglés (EE. UU.), Pero puede modificarlo para vincularlo con la información que proviene de Veeva Vault. El código llama al ObtenerTranscripciónTrabajo método, pasando el mismo identificador único que elTranscriptionJobName
en un bucle, hasta que se complete el trabajo. Amazon Transcribe entrega el archivo de salida en un bucket de S3, que el código lee y elimina. El código llama al flujo de trabajo de procesamiento de texto (como se discutió anteriormente) para extraer entidades del audio transcrito. - Documentos escaneados (PDF) - Un gran porcentaje de los activos de ciencias de la vida están representados en archivos PDF, que pueden ser desde publicaciones científicas y documentos de investigación hasta etiquetas de medicamentos. Amazon Textil es un servicio que extrae automáticamente texto y datos de documentos escaneados. El código usa el Detección de texto de documento de inicio Método para iniciar un trabajo asincrónico para detectar texto en el documento. El código usa el
JobId
devuelto en la respuesta a la llamada GetDocumentTextDetectionGetDocumentTextDetection en un bucle, hasta que se complete el trabajo. La estructura JSON de salida contiene líneas y palabras de texto detectado, junto con puntajes de confianza para cada elemento que identifica, para que pueda tomar decisiones informadas sobre cómo usar los resultados. El código procesa la estructura JSON para recrear la difusión de texto y llama al flujo de trabajo de procesamiento de texto para extraer entidades del texto.
Una tabla DynamoDB almacena todos los datos procesados. La solución usa Secuencias de DynamoDB y disparadores de Lambda (AVAIPopulateES
) para completar los datos en un clúster de OpenSearch Kibana. La función AVAIPopulateES se ejecuta para cada operación de actualización, inserción y eliminación que ocurre en la tabla de DynamoDB e inserta un registro correspondiente en el índice de OpenSearch. Puede visualizar estos registros usando Kibana.
Para cerrar el ciclo de retroalimentación, el AVAICustomFieldPopulator
Se ha creado la función Lambda. Se desencadena por eventos en el flujo de DynamoDB de la tabla de metadatos de DynamoDB. Para cada DocumentID
en los registros de DynamoDB, la función intenta modificar la información de la etiqueta en una propiedad de campo personalizada predefinida del activo con el ID correspondiente en Veeva, utilizando la API de Veeva. Para evitar la inserción de ruido en el campo personalizado, la función de Lambda filtra cualquier etiqueta que se haya identificado con una puntuación de confianza inferior a 0.9. Las solicitudes fallidas se reenvían a una cola de mensajes fallidos (DLQ) para inspección manual o reintento automático.
Esta solución ofrece un enfoque de pago por uso sin servidor para procesar, etiquetar y permitir búsquedas exhaustivas en sus activos digitales. Además, cada componente administrado tiene alta disponibilidad incorporada mediante implementación automática en múltiples zonas de disponibilidad. por Servicio Amazon OpenSearch (sucesor de Amazon Elasticsearch Service), puede elegir el opción de tres AZ para proporcionar una mejor disponibilidad para sus dominios.
Requisitos previos
Para este tutorial, debe tener los siguientes requisitos previos:
- An Cuenta de AWS con apropiado Gestión de identidades y accesos de AWS (IAM) permisos para iniciar la plantilla de CloudFormation
- Credenciales de acceso adecuadas para un dominio Veeva Vault PromoMats (URL de dominio, nombre de usuario y contraseña)
- Una etiqueta de contenido personalizado definida en Veeva para los activos digitales que desea etiquetar (como ejemplo, creamos el
AutoTags
etiqueta de contenido personalizado) - Los activos digitales en la Bóveda PromoMats accesibles a las credenciales anteriores
Implemente su solución
Utiliza una pila de CloudFormation para implementar la solución. La pila crea todos los recursos necesarios, incluidos:
- Un cubo S3 para almacenar los activos entrantes.
- Un flujo de Amazon AppFlow para importar automáticamente activos en el depósito de S3.
- Una regla EventBridge y una función Lambda para reaccionar a los eventos generados por Amazon AppFlow (
AVAIAppFlowListener
). - Una cola SQS FIFO para actuar como un acoplamiento débil entre la función de escucha (
AVAIAppFlowListener
) y la función de sondeo (AVAIQueuePoller
). - Una tabla DynamoDB para almacenar la salida de los servicios de Amazon AI.
- Un clúster de Amazon OpenSearch Kibana (ELK) para visualizar las etiquetas analizadas.
- Una función Lambda para hacer retroceder las etiquetas identificadas en Veeva (
AVAICustomFieldPopulator
), con un DLQ correspondiente. - Funciones Lambda requeridas:
- AVAIAppFlowListener – Activado por eventos enviados por Amazon AppFlow a EventBridge. Se utiliza para la validación de ejecución de flujo y envío de un mensaje a la cola de SQS.
- AVAIQueuePoller - Se activa cada 1 minuto. Se utiliza para sondear la cola SQS, procesar los activos utilizando los servicios de Amazon AI y completar la tabla DynamoDB.
- DISPONIBLES - Se activa cuando hay una actualización, inserción o eliminación en la tabla DynamoDB. Se utiliza para capturar cambios de DynamoDB y completar el clúster ELK.
- AVAICustomFieldPoblador – Se activa cuando hay una actualización, inserción o eliminación en la tabla de DynamoDB. Se utiliza para enviar información de etiquetas a Veeva.
- El Eventos de Amazon CloudWatch reglas que desencadenan la
AVAIQueuePoller
función. Estos disparadores están en elDISABLED
estado por defecto. - Roles y políticas de IAM requeridos para interactuar con EventBridge y los servicios de IA de manera restringida.
Para comenzar, complete los siguientes pasos:
- Inicia sesión en el Consola de administración de AWS con una cuenta que tenga los permisos de IAM necesarios.
- Elige Pila de lanzamiento y ábrelo en una nueva pestaña:
- En Crear pila página, elige Siguiente.
- En Especificar detalles de la pila página, ingrese un nombre para la pila.
- Ingrese valores para los parámetros.
- Elige Siguiente.
- En Configurar opciones de pila página, deje todo como predeterminado y elija Siguiente.
- En Revisar página, en el Capacidades y transformaciones sección, seleccione las tres casillas de verificación.
- Elige Crear pila.
- Espere a que se complete la pila. Puede examinar varios eventos del proceso de creación de pilas en el Eventos .
- Una vez completada la creación de la pila, puede buscar en el Recursos pestaña para ver todos los recursos que creó la plantilla CloudFormation.
- En Salidas pestaña, copie el valor de
ESDomainAccessPrincipal
.
Este es el ARN del rol de IAM que el AVAIPopulateES
asume la función. Lo usa más tarde para configurar el acceso al dominio de Amazon OpenSearch Service.
Configurar Amazon OpenSearch Service y Kibana
Esta sección lo guía a través de la protección de su clúster de Amazon OpenSearch Service y la instalación de un proxy local para acceder a Kibana de forma segura.
- En la consola de Amazon OpenSearch Service, seleccione el dominio que creó la plantilla.
- En Acciones menú, seleccione Modificar la política de acceso.
- Política de acceso al dominio, escoger Política de acceso personalizado.
- En Se borrará la política de acceso. ventana emergente, elija Borrar y continuar.
- En la página siguiente, configure las siguientes declaraciones para bloquear el acceso al dominio de Amazon OpenSearch Service:
- Permitir dirección IPv4 - Tu dirección IP.
- Permitir ARN de IAM - El valor de
ESDomainAccessPrincipal
Copiaste antes.
- Elige Enviar.
Esto crea una política de acceso que otorga acceso a la función AVAIPopulateES y acceso a Kibana desde su dirección IP. Para obtener más información sobre cómo reducir el alcance de su política de acceso, consulte Configuración de políticas de acceso.
- Espere a que el estado del dominio se muestre como
Active
. - En la consola de Amazon EventBridge, en Eventos, escoger Reglas. Puede ver dos reglas que creó la plantilla de CloudFormation.
- Seleccione
AVAIQueuePollerSchedule
regla y actívela haciendo clic en permitir.
En 5 a 8 minutos, los datos deberían comenzar a fluir y las entidades se crean en el clúster de Amazon OpenSearch Service. Ahora puede visualizar estas entidades en Kibana. Para hacer esto, utiliza un proxy de código abierto llamado aws-es-kibana. Para instalar el proxy en su computadora, ingrese el siguiente código:
aws-es-kibana your_OpenSearch_domain_endpoint
Puede encontrar el punto final del dominio en el Salidas pestaña de la pila de CloudFormation debajo ESDomainEndPoint
. Debería ver el siguiente resultado:
Crear visualizaciones y analizar contenido etiquetado
Consulte el original. blogpost.
Limpiar
Para evitar incurrir en cargos futuros, elimine los recursos cuando no estén en uso. Puede eliminar fácilmente todos los recursos eliminando la pila de CloudFormation asociada. Tenga en cuenta que debe vaciar los cubos de contenido de S3 creados para que la eliminación de la pila se realice correctamente.
Conclusión
En esta publicación, demostramos cómo puede usar los servicios de IA de Amazon en combinación con Amazon AppFlow para ampliar la funcionalidad de Veeva Vault PromoMats y extraer información valiosa de forma rápida y sencilla. El mecanismo de bucle invertido integrado le permite volver a actualizar las etiquetas en Veeva Vault y habilitar el etiquetado automático de sus activos. Esto facilita que su equipo encuentre y localice activos rápidamente.
Si bien ningún resultado de ML es perfecto, puede acercarse mucho al desempeño humano y ayudar a compensar una parte sustancial de los esfuerzos de su equipo. Puede usar esta capacidad adicional para tareas de valor agregado, mientras dedica una pequeña capacidad para verificar el resultado de la solución ML. Esta solución también puede ayudar a optimizar los costos, lograr la consistencia del etiquetado y permitir el descubrimiento rápido de los activos existentes.
Finalmente, puede mantener la propiedad de sus datos y elegir qué servicios de AWS pueden procesar, almacenar y alojar el contenido. AWS no accede ni utiliza su contenido para ningún propósito sin su consentimiento, y nunca utiliza los datos del cliente para obtener información para marketing o publicidad. Para más información, ver Preguntas frecuentes sobre privacidad de datos.
También puede ampliar aún más la funcionalidad de esta solución con mejoras adicionales. Por ejemplo, además de los servicios de IA y ML en esta publicación, puede agregar fácilmente cualquiera de sus modelos de ML personalizados creados con Amazon SageMaker a la arquitectura.
Si está interesado en explorar casos de uso adicionales para Veeva y AWS, comuníquese con su equipo de cuentas de AWS.
Veeva Systems ha revisado y aprobado este contenido. Para preguntas adicionales relacionadas con Veeva Vault, comuníquese con Soporte Veeva.
Sobre los autores
Mayank Thakkar es director de desarrollo comercial de inteligencia artificial y aprendizaje automático, atención médica global y ciencias de la vida en AWS. Tiene más de 18 años de experiencia en diversas industrias como la atención médica, las ciencias de la vida, los seguros y el comercio minorista, y se especializa en la creación de soluciones basadas en aprendizaje automático, inteligencia artificial y sin servidor para resolver problemas de la industria del mundo real. En AWS, trabaja en estrecha colaboración con grandes empresas farmacéuticas de todo el mundo para crear soluciones de vanguardia y ayudarlas en su recorrido por la nube. Aparte del trabajo, Mayank, junto con su esposa, están ocupados criando a dos niños enérgicos y traviesos, Aaryan (6) y Kiaan (4), ¡mientras intentan evitar que la casa se incendie o se inunde!
Anamaría Todor es un Arquitecto de Soluciones Senior con sede en Copenhague, Dinamarca. Vio su primera computadora cuando tenía 4 años y nunca dejó de lado la informática y la ingeniería desde entonces. Ha trabajado en varios roles técnicos, desde desarrollador de pila completa hasta ingeniero de datos, líder técnico y CTO en varias empresas danesas. Anamaria tiene una licenciatura en Ingeniería Aplicada y Ciencias de la Computación, una maestría en Ciencias de la Computación y más de 10 años de experiencia práctica en AWS. En AWS, trabaja en estrecha colaboración con empresas de salud y ciencias de la vida en el segmento empresarial. Cuando no está trabajando o jugando videojuegos, entrena a niñas y mujeres profesionales para que comprendan y encuentren su camino a través de la tecnología.
- Coinsmart. El mejor intercambio de Bitcoin y criptografía de Europa.
- Platoblockchain. Inteligencia del Metaverso Web3. Conocimiento amplificado. ACCESO LIBRE.
- CriptoHawk. Radar de altcoins. Prueba gratis.
- Fuente: https://aws.amazon.com/blogs/machine-learning/analyze-and-tag-assets-stored-in-veeva-vault-promomats-using-amazon-appflow-and-amazon-ai-services/
- "
- 10
- 100
- 7
- 9
- a
- Acerca
- RESUMEN
- de la máquina
- accesible
- acomodar
- Mi Cuenta
- Lograr
- a través de
- Actúe
- adición
- Adicionales
- dirección
- Publicidad
- AI
- Servicios de IA
- Todos
- permite
- Amazon
- cantidad
- análisis
- Analytics
- analizar
- aparte
- abejas
- API
- Aplicación
- aplicaciones
- aplicada
- enfoque
- adecuado
- arquitectura
- en torno a
- artificial
- inteligencia artificial
- obras de arte
- activo
- Activos
- asociado
- audio
- Automático
- automáticamente
- disponibilidad
- AWS
- antes
- "Ser"
- mejores
- entre
- frontera
- build
- Construir la
- incorporado
- llamar al
- capacidades
- Capacidad
- case
- cases
- cargos
- Elige
- clasificación
- ensayos clínicos
- Soluciones
- ENTRENAMIENTO
- código
- combinación
- cómo
- viniendo
- completo
- Empresas
- completar
- componente
- exhaustivo
- computadora
- Ciencias de la Computación
- concepto
- condiciones
- confianza
- Configuración
- Contacto
- conexión
- consentimiento
- Consola
- contacte
- contiene
- contenido
- Correspondiente
- Precio
- podría
- país
- Para crear
- creado
- crea
- creación
- Referencias
- CTO
- personalizado
- cliente
- innovador
- página de información de sus operaciones
- datos
- proceso de datos
- decisiones
- entrega
- Demanda
- demostrado
- Dinamarca
- desplegar
- despliegue
- destino
- destinos
- detalles
- detectado
- Detección
- Developer
- Desarrollo
- digital
- Acciones digitales
- descubrimiento
- documentos
- No
- dominio
- dominios
- DE INSCRIPCIÓN
- droga
- cada una
- pasan fácilmente
- fácil de usar
- ecosistema
- Eficaz
- esfuerzos
- habilitar
- permite
- Punto final
- ingeniero
- Ingeniería
- Inglés
- Participar
- Empresa
- entidades
- Entorno
- Evento
- Eventos
- todo
- ejemplo
- ejemplos
- existente
- experience
- explorar
- ampliar
- Extractos
- caras
- Feature
- Caracteristicas
- realimentación
- hembra
- Terrenos
- filtros
- la búsqueda de
- Nombre
- de tus señales
- se centra
- siguiendo
- formato
- encontrado
- en
- ser completados
- función
- a la fatiga
- funciones
- promover
- futuras
- Juegos
- en general
- generado
- conseguir
- chicas
- Buscar
- subvenciones
- emprendedor
- cabeza
- la salud
- ayuda
- Alta
- Hogar
- Cómo
- Como Hacer
- HTTPS
- humana
- identificador
- Identifique
- Identidad
- imagen
- imágenes
- importador
- incluir
- incluido
- Incluye
- índice
- INSTRUMENTO individual
- industrias
- energético
- información
- informó
- Las opciones de entrada
- Insertos
- penetración
- Insights
- instalar
- aseguradora
- COMPLETAMENTE
- integración
- Intelligence
- interactuando
- interesado
- Interfaz
- IP
- Dirección IP
- IT
- Trabajos
- Guardar
- Clave
- etiquetado
- Etiquetas
- idioma
- Idiomas
- large
- más reciente
- lanzamiento
- Lead
- Abandonar
- Ciencias de la vida
- líneas
- LINK
- Etiqueta LinkedIn
- local
- Mira
- máquina
- mantener
- para lograr
- HACE
- gestionan
- gestionado
- Management
- manera
- manual
- Fabricación
- cartografía
- Marketing
- Máster
- materiales
- mecanismo
- servicios
- mencionado
- Métrica
- ML
- modelos
- más,
- MEJOR DE TU
- movimiento
- múltiples
- Natural
- necesario
- Next
- ruido
- Ofertas
- compensar
- habiertos
- funcionamiento
- Inteligente
- Optimización
- Opciones
- solicite
- reconocida por
- Otro
- total
- EL DESARROLLADOR
- propiedad
- parte
- Pasando (Paso)
- Contraseña
- paciente
- porcentaje
- perfecto
- actuación
- Farma
- jugando
- Por favor
- políticas
- política
- encuesta
- ventanas emergentes
- presente
- anterior
- política de privacidad
- problemas
- en costes
- tratamiento
- Procesador
- productor
- Productos
- profesionales
- prueba
- prueba de concepto
- perfecta
- protocolos
- proporcionar
- proporciona un
- apoderado
- público
- publicar
- propósito
- fines
- empujó
- Búsqueda
- con rapidez
- elevar
- que van
- en comunicarse
- Reaccionar
- reacción
- grabar
- archivos
- regulador
- restante
- representado
- solicitudes
- la investigación
- Recursos
- respuesta
- resultante
- Resultados
- el comercio minorista
- Función
- reglas
- Ejecutar
- mismo
- Escalabilidad
- Escala
- programada
- Ciencia:
- CIENCIAS
- segura
- segmento
- Sin servidor
- de coches
- Servicios
- set
- pólipo
- Compartir
- Mostrar
- sencillos
- desde
- página web
- situación
- chica
- So
- Software
- software como servicio
- sólido
- a medida
- Soluciones
- RESOLVER
- algo
- especializada
- soluciones y
- Especificaciones
- montón
- estándar
- comienzo
- fundó
- Estado
- declaraciones
- Estado
- STORAGE
- tienda
- tiendas
- stream
- estructurado
- ESTUDIO
- sustancial
- exitosos
- Con éxito
- SOPORTE
- Soportado
- Apoyar
- soportes
- te
- Todas las funciones a su disposición
- tareas
- equipo
- equipos
- Técnico
- Tecnología
- plantillas
- términos
- El
- La Fuente
- el mundo
- Tres
- A través de esta formación, el personal docente y administrativo de escuelas y universidades estará preparado para manejar los recursos disponibles que derivan de la diversidad cultural de sus estudiantes. Además, un mejor y mayor entendimiento sobre estas diferencias y similitudes culturales permitirá alcanzar los objetivos de inclusión previstos.
- CORBATA
- equipo
- prolongado
- del IRS
- hacia
- seguir
- Seguimiento
- transferir
- transferencias
- Traducción
- desencadenados
- bajo
- comprensión
- único
- ilimitado
- Actualizar
- Actualizaciones
- us
- utilizan el
- validación
- propuesta de
- diversos
- Bóveda
- versión
- Video
- videojuegos
- sitios web
- mientras
- sin
- palabras
- Actividades:
- trabajado
- trabajando
- funciona
- mundo
- años
- tú