Eluaseme väärtuse määramine on klassikaline näide masinõppe (ML) kasutamisest. Märkimisväärset mõju avaldasid Harrison ja Rubinfeld (1978), kes avaldasid murrangulise paberi ja andmekogu, mis sai mitteametlikult tuntuks Bostoni eluasemeandmete kogumina. See põhitöö pakkus välja meetodi eluasemehindade hindamiseks paljude mõõtmete, sealhulgas õhukvaliteedi funktsioonina, mis oli nende uurimistöö põhirõhk. Peaaegu 50 aastat hiljem on eluasemehindade hindamine muutunud oluliseks õppevahendiks õpilastele ja spetsialistidele, kes on huvitatud andmete ja ML kasutamisest äriotsuste tegemisel.
Selles postituses käsitleme avatud lähtekoodiga mudeli kasutamist, mis on spetsiaalselt loodud visuaalse küsimustele vastamise (VQA) jaoks. VQA abil saate esitada küsimuse foto kohta loomulikus keeles ja saada oma küsimusele vastuse – ka lihtsas keeles. Meie eesmärk selles postituses on inspireerida ja näidata, mis on selle tehnoloogia abil võimalik. Soovitame seda võimalust kasutada koos Amazon SageMaker teenuste platvorm regressioonimudeli täpsuse parandamiseks ML-i kasutusjuhtumites ja sõltumatult visuaalsete piltide automatiseeritud märgistamiseks.
Pakume vastavat YouTube video see näitab, mida siin arutatakse. Video taasesitus algab poole peal, et esile tõsta kõige silmatorkavam punkt. Soovitame teil seda lugemist koos videoga jälgida, et kontseptsiooni paremini mõista ja paremini mõista.
Vundamendi mudelid
See lahendus keskendub Hugging Face mudelihoidlas avaldatud alusmudeli kasutamisele. Siin kasutame seda terminit vundamendi mudel kirjeldada tehisintellekti (AI) võimekust, mis on eelnevalt koolitatud suure ja mitmekesise andmehulga põhjal. Vundamendimudelid võivad mõnikord olla kasutusvalmis, ilma et peaksite modelli nullist välja õpetama. Mõningaid alusmudeleid saab täpsustada, mis tähendab, et õpetate neile täiendavaid mustreid, mis on teie ettevõtte jaoks asjakohased, kuid puuduvad algsest, üldistatud avaldatud mudelist. Mõnikord on vaja peenhäälestada, et anda õigeid vastuseid, mis on ainulaadsed teie kasutusjuhtumi või teadmiste kogumi jaoks.
aasta Kallistav nägu hoidlas on valida mitme VQA mudeli vahel. Valisime selle kirjutamise ajal kõige rohkem allalaaditud mudeli. Kuigi see postitus demonstreerib võimalust kasutada avatud lähtekoodiga mudelihoidlast pärit mudelit, kehtiks sama kontseptsioon ka mudeli puhul, mille koolitasite nullist või kasutasite mõnelt muult usaldusväärselt pakkujalt.
Kaasaegne lähenemine klassikalisele kasutusjuhtumile
Koduhinna hindamine on traditsiooniliselt toimunud tabeliandmete kaudu, kus hinna määramiseks kasutatakse kinnisvara omadusi. Kuigi kaaluda võib sadu funktsioone, on mõned põhimõttelised näited kodu suurus valmis ruumis, magamistubade ja vannitubade arv ning elukoha asukoht.
Masinõpe on võimeline lisaks tabeliandmetele hõlmama erinevaid sisendallikaid, nagu heli, pildid, liikuv video ja loomulik keel. AI-s on termin multimodaalne viitab mitmesuguste meediumitüüpide, näiteks piltide ja tabeliandmete kasutamisele. Selles postituses näitame, kuidas kasutada multimodaalseid andmeid, et leida ja vabastada varjatud väärtus, mis on lukustatud tänapäeva moodsa maailma rohkesse digitaalsesse heitgaasi.
Seda ideed silmas pidades demonstreerime vundamendimudelite kasutamist kinnisvara piltidelt varjatud funktsioonide eraldamiseks. Kasutades piltidelt leitud teadmisi, mis ei olnud varem tabeliandmetes saadaval, saame mudeli täpsust parandada. Nii selles postituses käsitletud pildid kui ka tabeliandmed tehti algselt kättesaadavaks ja avaldati GitHub Ahmed ja Moustafa (2016).
Pilt on väärt tuhat sõna
Nüüd, kui me mõistame VQA võimalusi, vaatleme kahte järgmist köökide pilti. Kuidas hindaksite nende piltide põhjal kodu väärtust? Milliseid küsimusi te endalt küsiksite? Iga pilt võib tekitada teie peas kümneid küsimusi. Mõned neist küsimustest võivad anda sisukaid vastuseid, mis parandavad kodu hindamisprotsessi.
Fotodel on Unsplashis Francesca Tosolini (L) ja Sidekix Media (R).
Järgmises tabelis on anekdootlikud näited VQA interaktsioonidest, näidates küsimusi koos neile vastavate vastustega. Vastused võivad olla kategooriliste, pidevate väärtuste või binaarsete vastuste kujul.
Näidisküsimus | Vastuse näide vundamendimudelist |
Millest tööpinnad on valmistatud? | graniit, plaat, marmor, laminaat jne. |
Kas see on kallis köök? | jah ei |
Kui palju eraldatud valamuid on? | 0, 1, 2 |
Viitearhitektuur
Selles postituses kasutame Amazon SageMaker Data Wrangler et esitada ühtne visuaalne kogum andmekogus olevate tuhandete fotode kohta. SageMaker Data Wrangler on loodud selleks, et lihtsustada andmete ettevalmistamise ja funktsioonide kavandamise protsessi. Pakkudes rohkem kui 300 sisseehitatud teisendust, aitab SageMaker Data Wrangler lühendada ML jaoks tabeli- ja pildiandmete ettevalmistamiseks kuluvat aega nädalatelt minutiteni. Siin ühendab SageMaker Data Wrangler algse tabelikomplekti andmefunktsioonid mudelitreeningu alusmudeli fotopõhiste funktsioonidega.
Järgmisena koostame regressioonimudeli, kasutades Amazon SageMakeri lõuend. SageMaker Canvas suudab luua mudeli ilma koodi kirjutamata ja anda esialgsed tulemused kõigest 2–15 minutiga. Järgmises jaotises pakume viitearhitektuuri, mida kasutatakse selle lahendusjuhise võimaldamiseks.
Paljud Hugging Face'i ja teiste pakkujate populaarsed mudelid on ühe klõpsuga juurutavad Amazon SageMaker JumpStart. Nendes hoidlates on saadaval sadu tuhandeid mudeleid. Selle postituse jaoks valime mudeli, mis pole SageMaker JumpStartis saadaval ja mis nõuab kliendi juurutamist. Nagu on näidatud järgmisel joonisel, juurutame Kallistava näo mudeli, et teha järeldusi, kasutades a Amazon SageMaker Studio märkmik. Sülearvutit kasutatakse lõpp-punkti juurutamiseks reaalajas järelduste tegemiseks. Märkmik kasutab varasid, mis hõlmavad Hugging Face binaarmudelit, kursorit konteineri kujutisele ja sihipäraselt loodud inference.py skripti, mis ühtib mudeli eeldatava sisendi ja väljundiga. Seda lugedes võib saadaolevate VQA mudelite valik muutuda. Oluline on vaadata üle saadaolevad VQA mudelid selle lugemise ajal ja olla valmis juurutama valitud mudelit, millel on oma API päringu ja vastuse leping.
Pärast seda, kui VQA mudelit teenindab SageMakeri lõpp-punkt, kasutame SageMaker Data Wranglerit, et korraldada konveier, mis lõpuks ühendab digitaalsetest piltidest eraldatud tabeliandmed ja funktsioonid ning kujundab andmed ümber mudelikoolituse jaoks. Järgmisel joonisel on näha, kuidas täismahus andmete teisendustööd käitatakse.
Järgmisel joonisel kasutame andmete ettevalmistamise ülesannete korraldamiseks SageMaker Data Wranglerit ja mudelikoolituseks SageMaker Canvast. Esiteks kasutab SageMaker Data Wrangler Amazoni asukohateenus toorandmetes saadaolevate sihtnumbrite teisendamiseks laius- ja pikkuskraadi funktsioonideks. Teiseks on SageMaker Data Wrangler võimeline koordineerima tuhandete fotode saatmist SageMakeri hostitud lõpp-punkti reaalajas järelduste tegemiseks, esitades stseeni kohta ühtse küsimuste komplekti. Selle tulemuseks on rikkalik hulk funktsioone, mis kirjeldavad köögis, vannitoas, kodu välisilme ja mujal täheldatud omadusi. Pärast seda, kui SageMaker Data Wrangler on andmed ette valmistanud, on treeningandmete kogum saadaval Amazoni lihtne salvestusteenus (Amazon S3). Kasutades S3 andmeid sisendina, suudab SageMaker Canvas mudelit koolitada vaid 2–15 minutiga ilma koodi kirjutamata.
Andmete teisendamine SageMaker Data Wrangleri abil
Järgmine ekraanipilt näitab SageMaker Data Wrangleri töövoogu. Töövoog algab tuhandete fotodega kodudest, mis on salvestatud Amazon S3-sse. Järgmisena määrab stseenidetektor stseeni, näiteks köögi või vannitoa. Lõpuks esitatakse piltide kohta stseenipõhised küsimused, mille tulemuseks on treenimiseks saadaval rikkalikum tabeliandmete kogum.
Järgmine on näide SageMaker Data Wrangleri kohandatud teisenduskoodist, mida kasutatakse vundamendimudeliga suhtlemiseks ja köögipiltide kohta teabe hankimiseks. Eelmisel ekraanipildil, kui peaksite valima köögi funktsioonide sõlme, ilmuks järgmine kood:
Turvakaalutlustel peate esmalt lubama SageMaker Data Wrangleril helistada teie SageMakeri reaalajas lõpp-punkti kaudu AWS-i identiteedi- ja juurdepääsuhaldus (MA OLEN). Samamoodi vajavad kõik AWS-i ressursid, mida SageMaker Data Wrangleri kaudu kutsute, sarnaseid lubamisõigusi.
Andmestruktuurid enne ja pärast SageMaker Data Wranglerit
Selles jaotises käsitleme algsete tabeliandmete ja täiustatud andmete struktuuri. Täiustatud andmed sisaldavad selle kasutusjuhtumi näitega võrreldes uusi andmefunktsioone. Võtke oma rakenduses aega, et kujutleda piltidel saadaolevate mitmekesiste küsimuste komplekti, mis aitavad klassifitseerimise või regressiooniülesannet täita. Idee on ette kujutada võimalikult palju küsimusi ja seejärel neid testida, et veenduda, kas need pakuvad lisaväärtust.
Algsete tabeliandmete struktuur
Nagu allikas kirjeldatud GitHub repo, sisaldab näidisandmekogum 535 tabelikirjet, sealhulgas neli pilti atribuudi kohta. Järgnev tabel illustreerib algsete tabeliandmete struktuuri.
tunnusjoon | kommentaar |
Magamistubade arv | . |
Vannitubade arv | . |
Pindala (ruutjalga) | . |
Postiindeks | . |
Hind | See on prognoositav sihtmuutuja. |
Täiustatud andmete struktuur
Järgmine tabel illustreerib täiustatud andmestruktuuri, mis sisaldab mitmeid piltidelt tuletatud uusi funktsioone.
tunnusjoon | kommentaar |
Magamistubade arv | . |
Vannitubade arv | . |
Pindala (ruutjalga) | . |
Laius | Arvutatakse algse sihtnumbri edastamisega Amazon Location Service'ile. See on ZIP-i tsentroidi väärtus. |
Pikkuskraad | Arvutatakse algse sihtnumbri edastamisega Amazon Location Service'ile. See on ZIP-i tsentroidi väärtus. |
Kas magamistoas on võlvlagi? | 0 = ei; 1 = jah |
Kas vannituba on kallis? | 0 = ei; 1 = jah |
Kas köök on kallis? | 0 = ei; 1 = jah |
Hind | See on prognoositav sihtmuutuja. |
Mudelitreening SageMaker Canvasiga
SageMaker Data Wrangleri töötlemistöö valmistab täielikult ette ja teeb kogu tabelipõhise treeninguandmestiku Amazon S3-s kättesaadavaks. Järgmisena käsitleb SageMaker Canvas ML elutsükli mudeli loomise etappi. Lõuend algab S3 treeningkomplekti avamisega. Mudeli mõistmine on sageli kliendi põhinõue. Koodi kirjutamata ja mõne klõpsuga annab SageMaker Canvas mudeli jõudluse kohta rikkalikku visuaalset tagasisidet. Nagu on näha järgmise jaotise ekraanipildil, näitab SageMaker Canvas, kuidas üksikud funktsioonid mudelit teavitavad.
Mudel, mis on koolitatud originaalsete tabeliandmete ja kinnisvarapiltidest tuletatud funktsioonidega
Järgmiselt ekraanipildilt näeme, et kinnisvara piltidest välja töötatud funktsioonid olid olulised. Nende tulemuste põhjal oli fotol olev küsimus "Kas see köök on kallis" olulisem kui "magamistubade arv" algses tabelikomplektis, funktsioonide olulisuse väärtustega vastavalt 7.08 ja 5.498.
Järgmine ekraanipilt annab mudeli kohta olulist teavet. Esiteks näitab jääkgraafik enamiku punktide kogumi rühmitamisel lilla varjundiga tsooni ümber. Siin märgiti selle illustratsiooni jaoks käsitsi väljaspool SageMaker Canvasi kaks kõrvalekallet. Need kõrvalekalded tähistavad olulisi lünki tegeliku kodu väärtuse ja prognoositava väärtuse vahel. Lisaks on R2 väärtus, mille võimalik vahemik on 0–100%, on näidatud 76%. See näitab, et mudel on ebatäiuslik ja sellel pole piisavalt teabepunkte, et kogu sorti täielikult arvesse võtta, et koduväärtusi täielikult hinnata.
Saame kasutada kõrvalekaldeid, et leida ja pakkuda täiendavaid signaale terviklikuma mudeli koostamiseks. Näiteks võivad need võõrad omadused sisaldada basseini või asuda suurtel maatükkidel. Andmekogum neid funktsioone ei sisaldanud; Siiski võib teil olla võimalik leida nende andmete asukoht ja koolitada uus mudel, mis sisaldab lisafunktsioonina "on bassein". Ideaalis on teie järgmisel katsel R2 väärtus suureneks ning MAE ja RMSE väärtused väheneksid.
Mudel on koolitatud ilma kinnisvarapiltidelt saadud funktsioonideta
Lõpuks, enne järgmise jaotise juurde liikumist, uurime, kas piltide funktsioonidest oli abi. Järgmisel ekraanipildil on veel üks SageMaker Canvase koolitatud mudel ilma VQA mudeli funktsioonideta. Näeme, et mudeli veamäär on suurenenud, RMSE-lt 282 352 RMSE-le 20 XNUMX. Sellest võime järeldada, et kolm lihtsat küsimust piltidelt parandasid mudeli täpsust umbes XNUMX%. Pole näidatud, kuid täielikuks olemiseks R2 halvenes ka järgmise mudeli väärtus, langedes VQA funktsioonidega 62%-lt väärtuseni 76%. See on näide sellest, kuidas SageMaker Canvas teeb lihtsaks kiire katsetamise ja andmepõhise lähenemisviisi kasutamise, mis annab teie ettevõtte vajadustele vastava mudeli.
tulevikku
Paljud organisatsioonid tunnevad üha enam huvi vundamendimudelite vastu, eriti kuna üldised eelkoolitatud trafod (GPT-d) said ametlikult 2022. aasta detsembris peavoolu huvipakkuvaks teemaks. Suur osa huvist sihtasutuste mudelite vastu on keskendunud suurte keelemudelite (LLM) ülesannetele. ; Siiski on saadaval ka teisi erinevaid kasutusjuhtumeid, nagu arvutinägemine ja kitsamalt siin kirjeldatud spetsiaalne VQA ülesanne.
See postitus on näide, mis inspireerib kasutama multimodaalseid andmeid tööstuse kasutusjuhtude lahendamiseks. Kuigi demonstreerisime VQA kasutamist ja eeliseid regressioonimudelis, saab seda kasutada ka piltide märgistamiseks ja märgistamiseks järgnevaks otsinguks või ettevõtte töövoo marsruutimiseks. Kujutage ette, et saate otsida müügiks või üürimiseks loetletud kinnisvara. Oletame, et soovite leida plaaditud põrandate või marmorist tööpindadega kinnisvara. Tänapäeval peate võib-olla hankima pika nimekirja kandidaatide atribuutidest ja filtreerima end iga kandidaati sirvides nägemise järgi. Selle asemel kujutage ette, et saate neid funktsioone sisaldavaid kirjeid filtreerida, isegi kui inimene pole neid selgelt märgistanud. Kujutage ette kindlustussektoris võimalust hinnata kahjunõudeid või suunata piltide põhjal ettevõtte töövoo järgmisi toiminguid. Sotsiaalmeedia platvormidel saab fotosid hilisemaks kasutamiseks automaatselt märgistada.
kokkuvõte
See postitus demonstreeris, kuidas kasutada alusmudeli võimaldatud arvutinägemist, et täiustada klassikalist ML-i kasutusjuhtumit SageMakeri platvormi abil. Pakutud lahenduse osana leidsime populaarse VQA mudeli, mis on saadaval avalikus mudeliregistris, ja juurutasime selle reaalajas järelduste tegemiseks SageMakeri lõpp-punkti abil.
Järgmisena kasutasime SageMaker Data Wranglerit töövoo korraldamiseks, kus piltide kohta esitati ühtsed küsimused, et luua rikkalik tabeliandmete kogum. Lõpuks kasutasime regressioonimudeli treenimiseks SageMaker Canvast. Oluline on märkida, et näidisandmekogum oli väga lihtne ja seetõttu ebatäiuslik. Sellegipoolest muudab SageMaker Canvas mudeli täpsuse mõistmise lihtsaks ja lisasignaalide otsimise algmudeli täpsuse parandamiseks.
Loodame, et see postitus on julgustanud teid kasutama multimodaalseid andmeid, mis teie organisatsioonil võivad olla. Lisaks loodame, et postitus on inspireerinud teid kaaluma mudelikoolitust kui iteratiivset protsessi. Suurepärase mudeli saab kannatlikkusega saavutada. Peaaegu täiuslikud mudelid võivad olla liiga head, et tõsi olla, võib-olla sihtmärgi lekke või ülepaigutamise tagajärg. Ideaalne stsenaarium algaks mudeliga, mis on hea, kuid mitte täiuslik. Vigade, kadude ja jääkgraafikute abil saate hankida täiendavaid andmesignaale, et suurendada esialgse algtaseme hinnangu täpsust.
AWS pakub kõige laiemat ja sügavaimat ML-teenuste komplekti ja toetavat pilveinfrastruktuuri, andes ML-i iga arendaja, andmeteadlase ja asjatundja kätesse. Kui soovite rohkem teada saada SageMakeri platvormi, sealhulgas SageMaker Data Wrangleri ja SageMaker Canvase kohta, võtke ühendust oma AWS-i kontomeeskonnaga ja alustage vestlust. Kaaluge ka SageMaker Data Wrangleri kohta lisateavet kohandatud teisendused.
viited
Ahmed, E. H. ja Moustafa, M. (2016). Majahinna hinnang visuaalsete ja tekstiliste tunnuste põhjal. IJCCI 2016-Proceedings of the 8th International Joint Conference on Computational Intelligence, 3, 62–68.
Harrison Jr, D. ja Rubinfeld, D. L. (1978). Hedoonilised eluasemehinnad ja nõudlus puhta õhu järele. Keskkonnaökonoomika ja -juhtimise ajakiri, 5(1), 81-102.
Kim, W., Son, B. & Kim, mina.. (2021). ViLT: nägemuse ja keele transformaator ilma konvolutsiooni või piirkonna järelevalveta. Proceedings of the 38th International Conference on Machine Learning, Proceedings of Machine Learning Research. 139:5583-5594.
Umbes Autor
Charles Laughlin on peamine AI/ML-i spetsialisti lahenduste arhitekt ja töötab AWS-i Amazon SageMakeri teenindusmeeskonnas. Ta aitab kujundada teenuse tegevuskava ja teeb iga päev koostööd erinevate AWS-i klientidega, et aidata nende äri muuta, kasutades tipptasemel AWS-i tehnoloogiaid ja mõtteviisi. Charlesil on tarneahela juhtimise MS ja doktorikraad. aastal Andmeteadus.
- SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
- PlatoData.Network Vertikaalne generatiivne Ai. Jõustage ennast. Juurdepääs siia.
- PlatoAiStream. Web3 luure. Täiustatud teadmised. Juurdepääs siia.
- PlatoESG. Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
- PlatoTervis. Biotehnoloogia ja kliiniliste uuringute luureandmed. Juurdepääs siia.
- Allikas: https://aws.amazon.com/blogs/machine-learning/use-foundation-models-to-improve-model-accuracy-with-amazon-sagemaker/
- :on
- :on
- :mitte
- : kus
- $ UP
- 08
- 1
- 100
- 2016
- 2021
- 2022
- 32
- 49
- 50
- 50 aastat
- 7
- 8
- 8.
- a
- võime
- Võimalik
- MEIST
- rohke
- juurdepääs
- konto
- täpsus
- saavutada
- meetmete
- Täiendavad lisad
- Lisaks
- aadressid
- pärast
- ahmed
- AI
- AI / ML
- AIR
- Materjal: BPA ja flataatide vaba plastik
- võimaldama
- peaaegu
- kõrval
- Ka
- Kuigi
- Amazon
- Amazon SageMaker
- Amazon Web Services
- amp
- an
- ja
- Teine
- vastus
- vastuseid
- mistahes
- API
- ilmuma
- taotlus
- kehtima
- lähenemine
- arhitektuur
- OLEME
- ümber
- Array
- kunstlik
- tehisintellekti
- Tehisintellekt (AI)
- AS
- küsima
- küsib
- hinnata
- vara
- At
- katse
- heli-
- Automatiseeritud
- saadaval
- AWS
- põhineb
- Baseline
- BE
- sai
- muutuma
- saada
- olnud
- enne
- alustama
- on
- kasu
- vahel
- Peale
- keha
- boston
- mõlemad
- ehitama
- Ehitus
- sisseehitatud
- koormus
- äri
- ettevõtted
- kuid
- by
- helistama
- CAN
- kandidaat
- lõuend
- võimeid
- võime
- võimeline
- juhul
- juhtudel
- lagi
- keskele
- Centers
- kett
- muutma
- omadused
- Charles
- Vali
- nõudma
- klassika
- klassifikatsioon
- puhastama
- Cloud
- pilve infrastruktuur
- Klastrite loomine
- kood
- koodid
- teeb koostööd
- värv
- ühendab
- Tulema
- täitma
- terviklik
- arvutuslik
- arvuti
- Arvuti visioon
- mõiste
- lõpetama
- Konverents
- Arvestama
- tasu
- sisaldama
- Konteiner
- sisaldab
- pidev
- leping
- Vestlus
- muutma
- koordineerima
- parandada
- Vastav
- võiks
- krediit
- uudishimulik
- tava
- klient
- Kliendid
- viimase peal
- iga päev
- andmed
- Andmete ettevalmistamine
- andmeteadus
- andmeteadlane
- andmekogum
- Andmete struktuur
- andmepõhistele
- Detsember
- Otsuse tegemine
- vähenema
- sügavaim
- tarnima
- Nõudlus
- näitama
- Näidatud
- näitab
- juurutada
- lähetatud
- kasutuselevõtu
- Tuletatud
- kirjeldama
- kirjeldatud
- Disain
- kavandatud
- määrab
- arenenud
- arendaja
- digitaalne
- mõõdud
- arutama
- arutatud
- mitu
- do
- ei
- Ei tee
- allalaadimine
- kümneid
- Kukkumine
- e
- iga
- lihtne
- Ökonoomika
- võimaldama
- lubatud
- julgustada
- Lõpp-punkt
- Inseneriteadus
- tõhustatud
- piisavalt
- Kogu
- keskkonna-
- viga
- vead
- eriti
- hinnata
- jms
- Isegi
- Iga
- näide
- näited
- oodatav
- kallis
- eksperiment
- ekspert
- selgesõnaliselt
- uurima
- väljavõte
- nägu
- tunnusjoon
- FUNKTSIOONID
- tagasiside
- jalad
- vähe
- Joonis
- filtreerida
- Lõpuks
- leidma
- esimene
- Põrand
- Keskenduma
- järgima
- Järel
- järgneb
- eest
- vorm
- avastatud
- Sihtasutus
- neli
- Alates
- täismahus
- täielikult
- funktsioon
- funktsioonid
- põhiline
- kasu
- lünki
- Üldine
- tekitama
- saama
- eesmärk
- hea
- graafik
- suur
- murranguline
- juhised
- Käed
- Olema
- he
- aitama
- kasulik
- aitab
- siin
- varjatud
- Esile tõstma
- omab
- Avaleht
- Majad
- lootus
- võõrustas
- maja
- elamispind
- Kuidas
- Kuidas
- aga
- http
- HTTPS
- sajad
- i
- idee
- ideaalne
- ideaalis
- Identity
- if
- illustreerib
- pilt
- pildid
- kujutage ette
- import
- tähtsus
- oluline
- parandama
- paranenud
- in
- sisaldama
- lisatud
- Kaasa arvatud
- kaasates
- Suurendama
- kasvanud
- üha rohkem
- iseseisvalt
- näitab
- tööstus
- mõju
- teatama
- info
- Infrastruktuur
- esialgne
- sisend
- teadmisi
- inspireerima
- inspireeritud
- selle asemel
- kindlustus
- Intelligentsus
- suhelda
- interaktsioonid
- huvi
- huvitatud
- rahvusvaheliselt
- sisse
- IT
- ITS
- töö
- ühine
- jpg
- Json
- Võti
- Kim
- teadmised
- teatud
- silt
- maa
- keel
- suur
- pärast
- viima
- Juhtimine
- Õppida
- õppimine
- eluring
- nimekiri
- Loetletud
- Näita
- vähe
- LLM
- asub
- liising
- lukus
- Pikk
- kaod
- masin
- masinõpe
- tehtud
- mainstream
- tegema
- TEEB
- juhtimine
- käsitsi
- palju
- tikud
- mai..
- tähendusrikas
- vahendid
- Meedia
- meetod
- Kesktee
- võib
- meeles
- protokoll
- puuduvad
- segu
- ML
- mudel
- mudelid
- Kaasaegne
- rohkem
- kõige
- liikumine
- liikuv
- peab
- Natural
- Vajadus
- vaja
- Uus
- Uued funktsioonid
- järgmine
- ei
- sõlme
- märkmik
- number
- arvukad
- saama
- toimunud
- of
- Pakkumised
- Ametlikult
- sageli
- on
- ainult
- avatud lähtekoodiga
- avamine
- or
- et
- organisatsioon
- organisatsioonid
- originaal
- algselt
- Muu
- meie
- välja
- väljapoole
- väljund
- väljaspool
- enda
- Paber
- osa
- Mööduv
- Kannatlikkus
- mustrid
- kohta
- täiuslik
- jõudlus
- ehk
- Õigused
- inimene
- faas
- foto
- Fotod
- pilt
- Pildid
- torujuhe
- tavaline
- inimesele
- Platvormid
- Platon
- Platoni andmete intelligentsus
- PlatoData
- palun
- Punkt
- võrra
- ujula
- populaarne
- osa
- omama
- võimalik
- post
- ennustada
- esialgne
- ettevalmistamine
- Valmistama
- valmis
- Valmistab ette
- varem
- hind
- Hinnad
- Peamine
- Menetlused
- protsess
- töötlemine
- Toodetud
- spetsialistid
- omadused
- kinnisvara
- esitama
- pakutud
- anda
- tingimusel
- tarnija
- pakkujad
- annab
- pakkudes
- avalik
- avaldatud
- Putting
- kvaliteet
- küsimus
- Küsimused
- kiiresti
- R
- valik
- määr
- Töötlemata
- jõudma
- Lugenud
- Lugemine
- valmis
- reaalajas
- saama
- andmed
- vähendama
- viide
- viitab
- piirkond
- registri
- tugevdama
- suhteline
- asjakohane
- Rent
- Hoidla
- esindama
- taotleda
- nõue
- Vajab
- teadustöö
- ümber kujundada
- Elukoht
- Vahendid
- vastavalt
- vastus
- vastuste
- kaasa
- tulemuseks
- Tulemused
- tagasipöördumine
- läbi
- Rikas
- rikkam
- tegevuskava
- Marsruut
- Marsruutimine
- jooks
- runtime
- s
- salveitegija
- müük
- sama
- Näidisandmekogum
- stsenaarium
- stseen
- teadus
- teadlane
- Scott
- käsikiri
- Otsing
- Teine
- Osa
- turvalisus
- vaata
- otsima
- nähtud
- väljavalitud
- saatmine
- teenima
- serveeritud
- teenus
- Teenused
- komplekt
- mitu
- kuju
- näitama
- näidatud
- Näitused
- vaatepilt
- signaale
- märkimisväärne
- sarnane
- Samamoodi
- lihtne
- lihtsustama
- alates
- ühekordne
- SUURUS
- So
- sotsiaalmeedia
- Sotsiaalse meedia
- sotsiaalse meedia platvormidel
- lahendus
- LAHENDAGE
- mõned
- mõnikord
- selle
- allikas
- Allikad
- Ruum
- spetsialist
- spetsialiseeritud
- eriti
- ruut
- algus
- Veel
- ladustamine
- ladustatud
- lihtne
- struktuur
- struktuuride
- Õpilased
- järgnev
- selline
- soovitama
- järelevalve
- varustama
- tarneahelas
- tarneahela juhtimine
- Toetamine
- kindel
- tabel
- TAG
- Võtma
- võtab
- sihtmärk
- Ülesanne
- ülesanded
- õpetamine
- meeskond
- Tehnoloogiad
- Tehnoloogia
- termin
- test
- tekstiline
- kui
- et
- .
- Allikas
- oma
- Neile
- SIIS
- Seal.
- seetõttu
- Need
- nad
- asi
- see
- need
- arvasin
- mõttejuhtimine
- tuhat
- tuhandeid
- kolm
- Läbi
- aeg
- et
- täna
- tänane
- liiga
- tööriist
- teema
- traditsiooniliselt
- Rong
- koolitatud
- koolitus
- Muutma
- Transformation
- muundumised
- trafo
- trafod
- tõsi
- Usaldatud
- kaks
- tüüp
- liigid
- lõpuks
- mõistma
- mõistmine
- ainulaadne
- Unsplash
- kasutama
- kasutage juhtumit
- Kasutatud
- kasutusalad
- kasutamine
- kasutades
- Hindamine
- väärtus
- lisaväärtus
- Väärtused
- muutuja
- sort
- väga
- Video
- vaade
- nähtav
- nägemus
- visuaalne
- W
- tahan
- oli
- we
- web
- veebiteenused
- nädalat
- Hästi
- olid
- M
- Mis on
- mis
- WHO
- will
- aknad
- koos
- jooksul
- ilma
- puit
- Töö
- töövoog
- töötab
- maailm
- väärt
- oleks
- kirjutamine
- aastat
- saagikus
- sa
- Sinu
- ise
- youtube
- sephyrnet
- null
- Tõmblukk