Amazon SageMaker Data Wrangler vähendab Amazon SageMaker Studios aega, mis kulub andmete koondamiseks ja ettevalmistamiseks masinõppeks (ML) nädalatest minutiteni. Data Wrangler võimaldab teil pääseda juurde paljudest populaarsetest allikatest (Amazon S3, Amazonase Athena, Amazoni punane nihe, Amazon EMR ja Snowflake) ja üle 40 muu kolmanda osapoole allika. Alates tänasest saate ühenduse luua Amazon EMR Taru suure andmepäringumootorina, et tuua ML jaoks suuri andmekogusid.
Suurte andmemahtude koondamine ja ettevalmistamine on ML-i töövoo oluline osa. Andmeteadlased ja andmeinsenerid kasutavad suuremahuliseks andmetöötluseks Apache Sparki, Apache Hive'i ja Prestot, mis töötavad Amazon EMR-is. See ajaveebi postitus käsitleb seda, kuidas andmespetsialistid saavad kasutada SageMaker Data Wrangleri visuaalset liidest olemasolevate Hive'i lõpp-punktidega Amazon EMR-klastrite asukoha leidmiseks ja nendega ühenduse loomiseks. Modelleerimiseks või aruandluseks valmistumiseks saavad nad ML-andmestiku loomiseks visuaalselt analüüsida andmebaasi, tabeleid, skeemi ja Hive'i autoripäringuid. Seejärel saavad nad Data Wrangleri visuaalse liidese abil kiiresti andmeid profiilida, et hinnata andmete kvaliteeti, tuvastada kõrvalekaldeid ja puuduvaid või valed andmed ning saada nõu nende probleemide lahendamiseks. Need saavad kasutada populaarsemaid ja ML-toega sisseehitatud analüüse ja Sparki toetatud 300+ sisseehitatud teisendust, et analüüsida, puhastada ja projekteerida funktsioone ilma ühtki koodirida kirjutamata. Lõpuks saavad nad ka mudeleid koolitada ja juurutada SageMakeri autopiloot, ajastada töid või rakendada andmete ettevalmistamist SageMaker Pipeline'is Data Wrangleri visuaalsest liidesest.
Lahenduse ülevaade
SageMaker Studio seadistustega saavad andmeprofessionaalid kiiresti tuvastada olemasolevad EMR-klastrid ja nendega ühenduse luua. Lisaks saavad andmespetsialistid avastada EMR-klastreid SageMaker Studio, kasutades eelmääratletud malle nõudmisel vaid mõne klõpsuga. Kliendid saavad kasutada SageMaker Studio universaalset sülearvutit ja kirjutada koodi sisse Apache Spark, Mesilaspere, Presto or PySpark andmete ettevalmistamiseks ulatuslikult. Kuid mitte kõik andmespetsialistid ei tunne Sparki koodi kirjutamist andmete ettevalmistamiseks, kuna sellega kaasneb järsk õppimiskõver. Tänu sellele, et Amazon EMR on Amazon SageMaker Data Wrangleri andmeallikas, saavad nad nüüd kiiresti ja lihtsalt ühenduse luua Amazon EMR-iga, kirjutamata ühtegi koodirida.
Järgmine diagramm kujutab selles lahenduses kasutatud erinevaid komponente.
Näitame kahte autentimisvalikut, mida saab kasutada EMR-klastriga ühenduse loomiseks. Iga valiku jaoks juurutame ainulaadse virna AWS CloudFormation malle.
CloudFormationi mall teeb iga valiku valimisel järgmised toimingud.
- Loob Studio domeeni ainult VPC-režiimis koos kasutajaprofiiliga nimega
studio-user
. - Loob näidete edukaks käitamiseks ehitusplokke, sealhulgas VPC, lõpp-punktid, alamvõrgud, turberühmad, EMR-klastri ja muud vajalikud ressursid.
- EMR-klastri jaoks ühendab AWS-i liimiandmete kataloogi EMR Hive'i ja Presto metasalve, loob EMR-is Hive-tabeli ja täidab selle andmetega USA lennujaamade andmestik.
- LDAP CloudFormation malli jaoks loob Amazon Elastic Compute Cloud (Amazon EC2) eksemplar LDAP-serveri majutamiseks, et autentida Hive ja Presto LDAP kasutaja.
1. valik: kerge juurdepääsu kataloogiprotokoll
LDAP-i autentimise malli CloudFormation jaoks varustame Amazon EC2 eksemplari LDAP-serveriga ja konfigureerime EMR-klastri kasutama seda serverit autentimiseks. See on TLS lubatud.
2. valik: autentimine puudub
Autentimiseta autentimise CloudFormation mallis kasutame standardset EMR-klastrit, millel pole autentimist lubatud.
Juurutage ressursse AWS CloudFormationiga
Keskkonna juurutamiseks tehke järgmised sammud.
- Logige sisse AWS-i juhtimiskonsool nagu AWS-i identiteedi- ja juurdepääsuhaldus (IAM) kasutaja, eelistatavalt administraator.
- Vali Käivitage Stack CloudFormationi malli käivitamiseks sobiva autentimisstsenaariumi jaoks. Veenduge, et CloudFormationi virna juurutamiseks kasutatud regioonil ei oleks Studio domeeni. Kui teil on piirkonnas juba Studio domeen, võite valida mõne muu piirkonna.
LDAP Auth puudub - Vali järgmine.
- eest Virna nimi, sisestage virna nimi (näiteks
dw-emr-hive-blog
). - Jätke muud väärtused vaikeväärtusteks.
- Jätkamiseks valige järgmine virna üksikasjade lehelt ja virna valikutest.
LDAP-pinn kasutab järgmisi mandaate.- kasutajanimi:
david
- UUS:
welcome123
- kasutajanimi:
- Märkige ülevaatuslehel ruut kinnitamaks, et AWS CloudFormation võib ressursse luua.
- Vali Loo virn. Oodake, kuni virna olek muutub
CREATE_IN_PROGRESS
etCREATE_COMPLETE
. Protsess kestab tavaliselt 10-15 minutit.
Seadistage Data Wrangleris andmeallikana Amazon EMR
Selles jaotises käsitleme ühenduse loomist olemasoleva Amazon EMR-klastriga, mis on loodud Data Wrangleri andmeallikana CloudFormationi malli kaudu.
Looge uus andmevoog
Andmevoo loomiseks toimige järgmiselt.
- Klõpsake SageMakeri konsoolil Domeenid, siis kliki StudioDomain loodud käivitades CloudFormationi malli kohal.
- valima stuudio-kasutaja kasutajaprofiil ja käivitage Studio.
- Vali Avatud stuudio.
- Valige konsoolis Studio Home Importige ja valmistage andmed visuaalselt ette. Teise võimalusena lehel fail rippmenüüst, valige Uus, siis vali Data Wrangleri voog.
- Uue voo loomine võib võtta mõne minuti. Pärast voo loomist näete Andmete importimine lehel.
- Lisage Data Wrangleri andmeallikana Amazon EMR. peal Andmeallika lisamine menüüst valige Amazon EMR.
Saate sirvida kõiki EMR-klastreid, mille nägemiseks teie Studio täitmisrollil on õigused. Klastriga ühenduse loomiseks on kaks võimalust; üks on läbi interaktiivse kasutajaliidese ja teine on esimene looge AWS Secrets Manageri abil saladus koos JDBC URL-iga, sealhulgas EMR-klastri teabega, ja seejärel sisestage kasutajaliidesesse salvestatud AWS-i salajane ARN, et luua ühenduse taruga. Selles ajaveebis järgime esimest võimalust.
- Valige üks järgmistest klastritest, mida soovite kasutada. Klõpsake järgmineja valige lõpp-punktid.
- valima taru, Ühendage Amazon EMR-iga, looge oma ühenduse tuvastamiseks nimi ja klõpsake nuppu järgmine.
- Valige kas autentimistüüp Kergekaaluline kataloogipääsu protokoll (LDAP) or Autentimist pole.
Lightweight Directory Access Protocol (LDAP) jaoks valige suvand ja klõpsake nuppu Järgmisena logige klastrisse sisser, seejärel sisestage autentimiseks kasutajanimi ja parool ning klõpsake nuppu Ühenda.
Autentimise puudumise korral ühendatakse teid EMR Hive'iga ilma VPC-s kasutaja mandaate esitamata. EMR-i jaoks sisestage Data Wrangleri SQL Exploreri leht.
- Pärast ühenduse loomist saate interaktiivselt vaadata andmebaasipuud ja tabeli eelvaadet või skeemi. Samuti saate EMR-i andmeid küsida, uurida ja visualiseerida. Eelvaate jaoks näete vaikimisi 100 kirje piirangut. Kui olete päringuredaktori kasti sisestanud SQL-lause ja klõpsake nuppu jooks nuppu, käivitatakse päring andmete eelvaate kuvamiseks EMR-i Hive mootoris.
. Tühista päring nupp võimaldab pooleliolevaid päringuid tühistada, kui need võtavad ebatavaliselt kaua aega.
- Viimane samm on importimine. Kui olete päringu andmetega valmis, saate andmete valiku sätteid värskendada vastavalt valimitüübile (FirstK, Random või Stratified) ja valimi suurusele andmete Data Wrangleri importimiseks.
Click Import. Ettevalmistusleht laaditakse, mis võimaldab teil andmestikku lisada erinevaid teisendusi ja olulisi analüüse.
- Liigu Andmevoog ülemisest ekraanist ja lisage voogu rohkem samme, kui see on vajalik teisenduste ja analüüsi jaoks. Võite joosta a andmete ülevaate aruanne andmete kvaliteediprobleemide tuvastamiseks ja soovituste saamiseks nende probleemide lahendamiseks. Vaatame mõnda teisenduste näidet.
- aasta Andmevoog vaates peaksite nägema, et kasutame Hive konnektori abil andmeallikana EMR-i.
- Klõpsame + nupp paremale Andmetüübid ja valige Lisa teisendus. Kui teete seda, lähete tagasi kuupäev vaade
Uurime andmeid. Näeme, et sellel on mitmeid funktsioone, näiteks iata_kood, lennujaam, linn, riik, riik, laiusja pikkuskraad. Näeme, et kogu andmestik asub ühes riigis, milleks on USA, ja selles puuduvad väärtused laius ja pikkuskraad. Puuduvad andmed võivad parameetrite hindamisel põhjustada kõrvalekaldeid ja vähendada valimite esinduslikkust, seega peame tegema mõned imputeerimine ja käsitleda meie andmekogumis puuduvaid väärtusi.
- Klõpsame Lisa samm nuppu paremal asuval navigeerimisribal. Valige Käepide puudu. Seadistused on näha järgmistel ekraanipiltidel.
alla Ümber, valima Impute. Vali Veeru tüüp as Arv- ja Sisestusveerg nimed laius ja pikkuskraad. Puuduvad väärtused arvutame ligikaudse mediaanväärtuse abil.
Esmalt klõpsake nuppu Eelvaade puuduva väärtuse vaatamiseks ja seejärel teisenduse lisamiseks nuppu Värskenda.
- Vaatame nüüd teist teisenduse näidet. ML-mudeli koostamisel eemaldatakse veerud, kui need on üleliigsed või ei aita teie mudelit. Kõige tavalisem viis veeru eemaldamiseks on see maha visata. Meie andmekogus on funktsioon riik võib välja jätta, kuna andmestik on mõeldud spetsiaalselt USA lennujaamaandmete jaoks. Veergude haldamiseks klõpsake nuppu Lisa samm nuppu navigeerimisribal paremal ja valige Veergude haldamine. Seadistused on näha järgmistel ekraanipiltidel. Under Muutmavalige Langetage veergja alla Veerud kukutamiseksvalige riik.
- Klõpsake Eelvaade ja siis Värskendused veeru kukutamiseks.
- Funktsioonide pood on hoidla ML-mudelite funktsioonide salvestamiseks, jagamiseks ja haldamiseks. Klõpsame + nupp paremale Langetage veerg. Valima Eksport on Ja vali SageMakeri funktsioonide pood (Jupyteri sülearvuti kaudu).
- Valides SageMakeri funktsioonide pood sihtkohana saate funktsioonid salvestada olemasolevasse funktsioonirühma või luua uue.
Oleme nüüd loonud funktsioonid Data Wrangleriga ja salvestanud need funktsioonid lihtsalt funktsioonide poodi. Näitasime funktsioonide projekteerimise töövoo näidet Data Wrangleri kasutajaliideses. Seejärel salvestasime need funktsioonid funktsioonide poodi otse Data Wranglerist, luues uue funktsioonirühma. Lõpuks tegime töötlemistöö, et need funktsioonid funktsioonide poodi alla laadida. Data Wrangler ja Feature Store koos aitasid meil luua automaatseid ja korratavaid protsesse, et lihtsustada andmete ettevalmistamise ülesandeid minimaalse vajaliku kodeerimisega. Data Wrangler pakub meile ka paindlikkust sama andmete ettevalmistamise voo automatiseerimiseks, kasutades plaanipärased töökohad. Võime ka automaatselt koolitage ja juurutage mudeleid SageMakeri autopiloodi abil Data Wrangleri visuaalsest liidesest või looge SageMaker Pipelinesiga (Jupyteri sülearvuti kaudu) koolitus- või funktsioonide insenerikonveier ja juurutage SageMakeri järelduskonveieri abil (Jupyteri sülearvuti kaudu) järelduse lõpp-punkti.
Koristage
Kui teie töö Data Wrangleriga on lõpetatud, aitavad järgmised toimingud teil lisatasude vältimiseks loodud ressursid kustutada.
- Lülitage SageMaker Studio välja.
Sulgege SageMaker Studios kõik vahelehed ja seejärel valige fail SIIS sulgema. Kui küsitakse, valige Kõik väljalülitamine.
Sõltuvalt eksemplari tüübist võib väljalülitamine võtta mõne minuti. Veenduge, et kõik kasutajaprofiiliga seotud rakendused oleks kustutatud. Kui neid ei kustutatud, kustutage kasutajaprofiiliga seotud rakendus käsitsi.
- Tühjendage kõik S3 ämbrid, mis loodi CloudFormationi käivitamisel.
Avage Amazon S3 leht, otsides AWS-i konsooliotsingust S3. Tühjendage kõik S3 ämbrid, mis loodi klastrite ettevalmistamisel. Kopp oleks formaadis dw-emr-hive-blog-
.
- Kustutage SageMaker Studio EFS.
Avage EFS-i leht, otsides AWS-i konsooliotsingust EFS-i.
Leidke SageMakeri loodud failisüsteem. Saate seda kinnitada, klõpsates nuppu Failisüsteemi ID ja sildi kinnitamine ManagedByAmazonSageMakerResource
kohta Sildid Tab.
- Kustutage CloudFormationi virnad. Avage CloudFormation, otsides ja avades AWS-i konsoolist CloudFormationi teenuse.
Valige mall, mis algab tähega dw- nagu on näidatud järgmisel ekraanil, ja kustutage virn, nagu näidatud, klõpsates nuppu kustutama nuppu.
Seda on oodata ja me tuleme selle juurde tagasi ja puhastame selle järgmiste sammude käigus.
- Kustutage VPC pärast seda, kui CloudFormationi virna ei saa lõpule viia. Esmalt avage VPC AWS-i konsoolist.
- Järgmisena tuvastage SageMaker Studio CloudFormationi loodud VPC pealkirjaga
dw-emr-
ja seejärel järgige VPC kustutamiseks juhiseid. - Kustutage CloudFormationi virn.
Naaske CloudFormationi ja proovige uuesti virna kustutada dw-emr-hive-blog
.
Lõpeta! Kõik selles ajaveebi postituses kirjeldatud CloudFormationi malli pakutavad ressursid eemaldatakse nüüd teie kontolt.
Järeldus
Selles postituses käsitlesime, kuidas seadistada Amazon EMR andmeallikana Data Wrangleris, kuidas muuta ja analüüsida andmekogumit ning kuidas eksportida tulemusi andmevoogu, et neid kasutada Jupyteri sülearvutis. Pärast Data Wrangleri sisseehitatud analüütiliste funktsioonide abil andmestiku visualiseerimist täiustasime oma andmevoogu veelgi. Asjaolu, et lõime andmete ettevalmistamise konveieri ilma ühtki koodirida kirjutamata, on märkimisväärne.
Data Wrangleriga alustamiseks vaadake Valmistage ette ML-andmed rakendusega Amazon SageMaker Data Wrangler ja vaadake uusimat teavet Data Wrangleri tooteleht ja AWS tehnilised dokumendid.
Autoritest
Ajjay Govindaram on AWSi vanemlahenduste arhitekt. Ta töötab strateegiliste klientidega, kes kasutavad AI/ML-i keerukate äriprobleemide lahendamiseks. Tema kogemused seisnevad nii tehniliste juhiste kui ka disainiabi pakkumises tagasihoidlike kuni suuremahuliste AI/ML-rakenduste juurutamiseks. Tema teadmised ulatuvad rakendusarhitektuurist suurandmete, analüütika ja masinõppeni. Talle meeldib puhates muusikat kuulata, õues kogeda ja oma lähedastega aega veeta.
Isha Dua on San Francisco lahe piirkonnas asuv vanemlahenduste arhitekt. Ta aitab AWS-i äriklientidel kasvada, mõistes nende eesmärke ja väljakutseid, ning juhendab neid, kuidas nad saavad oma rakendusi pilvepõhiselt üles ehitada, tagades samal ajal vastupidavuse ja mastaapsuse. Ta on kirglik masinõppetehnoloogiate ja keskkonnasäästlikkuse vastu.
Varun Mehta on AWS-i lahenduste arhitekt. Ta on kirglik aidata klientidel luua AWS-i pilves ettevõtte mastaabis hästi arhitektuurseid lahendusi. Ta töötab strateegiliste klientidega, kes kasutavad AI/ML-i keerukate äriprobleemide lahendamiseks.
- SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
- Platoblockchain. Web3 metaversiooni intelligentsus. Täiustatud teadmised. Juurdepääs siia.
- Allikas: https://aws.amazon.com/blogs/machine-learning/accelerate-time-to-insight-with-amazon-sagemaker-data-wrangler-and-the-power-of-apache-hive/
- :on
- $ UP
- 1
- 10
- 100
- 11
- 7
- a
- MEIST
- kiirendama
- juurdepääs
- Juurdepääsuprotokoll
- Vastavalt
- konto
- meetmete
- lisamine
- Täiendavad lisad
- admin
- nõuanne
- pärast
- AI / ML
- lennujaam
- Materjal: BPA ja flataatide vaba plastik
- Lubades
- võimaldab
- juba
- Amazon
- Amazon EC2
- Amazon EMR
- Amazon SageMaker
- Amazon SageMaker Data Wrangler
- Amazon SageMaker Studio
- summad
- analüüsid
- analüüs
- Analüütiline
- analytics
- analüüsima
- ja
- Teine
- Apache
- app
- taotlus
- rakendused
- asjakohane
- apps
- arhitektuur
- OLEME
- PIIRKOND
- AS
- Abi
- seotud
- At
- autentida
- autenditud
- Autentimine
- autor
- automatiseerima
- Automaatne
- automaatselt
- AWS
- AWS CloudFormation
- AWS liim
- tagasi
- baar
- põhineb
- laht
- BE
- sest
- on
- erapoolikus
- Suur
- Big andmed
- Plokid
- Blogi
- Kast
- tooma
- ehitama
- Ehitus
- sisseehitatud
- äri
- nupp
- by
- CAN
- kataloog
- Põhjus
- väljakutseid
- Vaidluste lahendamine
- kontrollima
- Vali
- klõps
- lähedal
- Cloud
- Cluster
- kood
- Kodeerimine
- Veerg
- Veerud
- Tulema
- ühine
- täitma
- keeruline
- komponendid
- Arvutama
- Kinnitama
- Võta meiega ühendust
- seotud
- ühendamine
- ühendus
- ühendab
- konsool
- jätkama
- riik
- cover
- looma
- loodud
- loob
- loomine
- volikiri
- kriitiline
- kõver
- Kliendid
- andmed
- Andmete ettevalmistamine
- andmetöötlus
- andmebaas
- andmekogumid
- tegelema
- vaikimisi
- Nõudlus
- näitama
- juurutada
- kasutuselevõtt
- kirjeldatud
- Disain
- sihtkoht
- detailid
- erinev
- suund
- otse
- avastama
- domeen
- Ära
- alla
- Drop
- langes
- iga
- kergesti
- toimetaja
- kumbki
- lubatud
- võimaldab
- Lõpp-punkt
- Mootor
- insener
- Inseneriteadus
- Inseneride
- tõhustatud
- tagades
- sisene
- ettevõte
- Kogu
- keskkond
- keskkonna-
- oluline
- looma
- hindama
- näide
- näited
- täitmine
- olemasolevate
- oodatav
- kogemus
- kogevad
- uurima
- uurija
- eksport
- ei
- tuttav
- tunnusjoon
- FUNKTSIOONID
- Tasud
- vähe
- Lõpuks
- esimene
- Määrama
- voog
- järgima
- Järel
- eest
- Francisco
- Alates
- edasi
- saama
- Go
- Eesmärgid
- Grupp
- Grupi omad
- Kasvama
- juhendid
- käepide
- Olema
- aitama
- aitas
- aidates
- aitab
- Mesilaspere
- Avaleht
- võõrustaja
- Kuidas
- Kuidas
- aga
- HTML
- http
- HTTPS
- identifitseerima
- Identity
- import
- importivate
- in
- Kaasa arvatud
- info
- ülevaade
- Näiteks
- interaktiivne
- Interface
- seotud
- küsimustes
- IT
- töö
- Tööturg
- jpg
- teadmised
- suur
- suuremahuline
- viimane
- hiljemalt
- algatama
- õppimine
- Finantsvõimendus
- peitub
- kerge
- LIMIT
- joon
- Kuulamine
- Pikk
- kaua aega
- Vaata
- armastatud
- masin
- masinõpe
- tegema
- juhtima
- juhtimine
- viis
- käsitsi
- menüü
- võib
- miinimum
- protokoll
- puuduvad
- ML
- viis
- mudel
- mudelid
- rohkem
- kõige
- mitmekordne
- muusika
- nimi
- Nimega
- nimed
- NAVIGATSIOON
- Vajadus
- Uus
- märkmik
- of
- on
- ONE
- jätkuv
- avatud
- avamine
- valik
- Valikud
- Muu
- väljas
- lehekülg
- parameetrid
- osa
- kirglik
- Parool
- täitma
- täidab
- Õigused
- torujuhe
- Platon
- Platoni andmete intelligentsus
- PlatoData
- populaarne
- post
- võim
- Valmistama
- ettevalmistamisel
- Eelvaade
- probleeme
- protsess
- Protsessid
- töötlemine
- Toode
- spetsialistid
- profiil
- protokoll
- anda
- annab
- pakkudes
- säte
- kvaliteet
- kiiresti
- juhuslik
- valmis
- soovitused
- andmed
- vähendama
- vähendab
- piirkond
- kõrvaldama
- Eemaldatud
- korratav
- Aruandlus
- Hoidla
- esindab
- nõutav
- vastupidavust
- Vahendid
- Tulemused
- läbi
- Roll
- jooks
- jooksmine
- salveitegija
- SageMakeri järeldus
- SageMakeri torujuhtmed
- sama
- San
- San Francisco
- Säästa
- Skaalautuvus
- Skaala
- stsenaarium
- ajakava
- teadlased
- Ekraan
- ekraanipilte
- Otsing
- otsimine
- Saladus
- Osa
- turvalisus
- väljavalitud
- valides
- valik
- vanem
- teenus
- komplekt
- seaded
- Jaga
- peaks
- näidatud
- märkimisväärne
- lihtsalt
- alates
- ühekordne
- SUURUS
- So
- lahendus
- Lahendused
- LAHENDAGE
- mõned
- allikas
- Allikad
- Säde
- eriti
- Kulutused
- Kaubandus-
- Kestab
- Hoidla
- standard
- alustatud
- Käivitus
- väljavõte
- statistika
- olek
- Samm
- Sammud
- salvestada
- ladustatud
- Strateegiline
- kiirendama
- stuudio
- alamvõrgud
- järgnev
- Edukalt
- selline
- Toetatud
- Jätkusuutlikkus
- süsteem
- tabel
- TAG
- Võtma
- võtab
- võtmine
- ülesanded
- Tehniline
- Tehnoloogiad
- šabloon
- malle
- tänan
- et
- .
- oma
- Neile
- Need
- kolmanda osapoole
- Läbi
- aeg
- et
- täna
- kokku
- ülemine
- Rong
- koolitus
- Muutma
- muundumised
- ui
- all
- mõistmine
- ainulaadne
- Universaalne
- Värskendused
- URL
- us
- kasutama
- Kasutaja
- tavaliselt
- väärtus
- Väärtused
- sort
- eri
- kaudu
- vaade
- ootama
- Tee..
- nädalat
- Hästi
- mis
- kuigi
- WHO
- lai
- Wikipedia
- will
- koos
- jooksul
- ilma
- Töö
- töötab
- oleks
- kirjutama
- kirjutada kood
- kirjutamine
- yaml
- sa
- Sinu
- sephyrnet