See postitus on kirjutatud koos Chaoyang He, Al Nevarezi ja Salman Avestimehriga FedML-ist.
Paljud organisatsioonid rakendavad masinõpet (ML), et tõhustada oma äriotsuste tegemist automatiseerimise ja suurte hajutatud andmekogumite kasutamise kaudu. Tänu suuremale juurdepääsule andmetele on ML-l potentsiaal pakkuda enneolematuid äriteave ja -võimalusi. Toores, desinfitseerimata tundliku teabe jagamine erinevates kohtades kujutab endast aga olulisi turva- ja privaatsusriske, eriti reguleeritud tööstusharudes, nagu tervishoid.
Selle probleemi lahendamiseks on liitõpe (FL) detsentraliseeritud ja koostööl põhinev ML koolitustehnika, mis pakub andmete privaatsust, säilitades samal ajal täpsuse ja täpsuse. Erinevalt traditsioonilisest ML-treeningust toimub FL-treening isoleeritud kliendi asukohas, kasutades sõltumatut turvalist seanssi. Klient jagab ainult oma väljundmudeli parameetreid tsentraliseeritud serveriga, mida nimetatakse koolituskoordinaatoriks või koondamisserveriks, mitte aga mudeli koolitamiseks kasutatud tegelikke andmeid. Selline lähenemine leevendab paljusid andmeprivaatsusega seotud probleeme, võimaldades samas tõhusat koostööd mudelikoolituse alal.
Kuigi FL on samm parema andmete privaatsuse ja turvalisuse poole, ei ole see garanteeritud lahendus. Ebaturvalised võrgud, millel puudub juurdepääsukontroll ja krüptimine, võivad ründajatele siiski tundlikku teavet paljastada. Lisaks võib kohapeal väljaõpetatud teave paljastada privaatsed andmed, kui need rekonstrueeritakse järeldusrünnaku abil. Nende riskide maandamiseks kasutab FL-mudel isikupärastatud treeningalgoritme ning tõhusat maskeerimist ja parameetrite määramist enne teabe jagamist koolituse koordinaatoriga. Tugev võrgukontroll kohalikes ja tsentraliseeritud asukohtades võib veelgi vähendada järelduste ja väljafiltreerimise riske.
Selles postituses jagame FL-i lähenemisviisi FedML, Amazoni elastse Kubernetese teenus (Amazon EKS) ja Amazon SageMaker parandada patsientide tulemusi, tegeledes samal ajal andmete privaatsuse ja turvalisusega seotud probleemidega.
Vajadus liitõppe järele tervishoius
Tervishoid tugineb patsiendihoolduse kohta täpsete prognooside ja hinnangute tegemiseks suuresti hajutatud andmeallikatele. Saadaolevate andmeallikate piiramine privaatsuse kaitsmiseks mõjutab negatiivselt tulemuste täpsust ja lõppkokkuvõttes ka patsiendihoolduse kvaliteeti. Seetõttu tekitab ML väljakutseid AWS-i klientidele, kes peavad tagama privaatsuse ja turvalisuse hajutatud üksuste vahel, ilma et see kahjustaks patsientide tulemusi.
Tervishoiuorganisatsioonid peavad FL-lahenduste rakendamisel järgima rangeid vastavuseeskirju, nagu Ameerika Ühendriikide tervisekindlustuse kaasaskantavuse ja vastutuse seadus (HIPAA). Andmete privaatsuse, turvalisuse ja vastavuse tagamine muutub tervishoius veelgi kriitilisemaks, nõudes tugevat krüptimist, juurdepääsu kontrolle, auditeerimismehhanisme ja turvalisi sideprotokolle. Lisaks sisaldavad tervishoiu andmestikud sageli keerulisi ja heterogeenseid andmetüüpe, mis muudab andmete standardimise ja koostalitlusvõime FL-seadetes väljakutseks.
Kasutusjuhtumi ülevaade
Selles postituses kirjeldatud kasutusjuhtum hõlmab südamehaiguste andmeid erinevates organisatsioonides, mille põhjal ML-mudel käivitab klassifitseerimisalgoritme, et ennustada patsiendi südamehaigusi. Kuna need andmed on organisatsioonide lõikes, kasutame leidude võrdlemiseks liitõpet.
. Südamehaiguste andmestik California ülikoolist pärit Irvine'i masinõppehoidla on laialdaselt kasutatav andmestik kardiovaskulaarsete uuringute ja ennustava modelleerimise jaoks. See koosneb 303 proovist, millest igaüks esindab patsienti, ja sisaldab kliiniliste ja demograafiliste tunnuste kombinatsiooni, samuti südamehaiguste olemasolu või puudumist.
Sellel mitme muutujaga andmekogumil on patsiendi teabes 76 atribuuti, millest 14 atribuuti kasutatakse kõige sagedamini ML-algoritmide väljatöötamiseks ja hindamiseks, et ennustada südamehaiguste esinemist antud atribuutide põhjal.
FedML raamistik
FL-raamistikke on lai valik, kuid otsustasime kasutada FedML raamistik selle kasutusjuhtumi jaoks, kuna see on avatud lähtekoodiga ja toetab mitut FL-paradigmat. FedML pakub FL jaoks populaarset avatud lähtekoodiga raamatukogu, MLOps platvormi ja rakenduste ökosüsteemi. Need hõlbustavad FL-lahenduste väljatöötamist ja juurutamist. See pakub laiaulatuslikku tööriistade, raamatukogude ja algoritmide komplekti, mis võimaldavad teadlastel ja praktikutel FL-algoritme hajutatud keskkonnas rakendada ja nendega katsetada. FedML tegeleb andmete privaatsuse, suhtluse ja mudelite koondamise väljakutsetega FL-is, pakkudes kasutajasõbralikku liidest ja kohandatavaid komponente. Keskendudes koostööle ja teadmiste jagamisele, on FedML-i eesmärk kiirendada FL-i kasutuselevõttu ja edendada innovatsiooni selles arenevas valdkonnas. FedML-i raamistik on mudeliagnostiline, sealhulgas hiljuti lisatud suurte keelemudelite (LLM) tugi. Lisateabe saamiseks vaadake FedLLM-i vabastamine: looge FedML-i platvormi abil oma suured keelemudelid omandiõigusega andmetele.
FedML-i kaheksajalg
Süsteemi hierarhia ja heterogeensus on peamine väljakutse FL-i tegelikel kasutusjuhtudel, kus erinevatel andmesilodel võib olla erinev protsessori ja GPU-dega infrastruktuur. Sellistel juhtudel saate kasutada FedML-i kaheksajalg.
FedML Octopus on cross-silo FL tööstusliku kvaliteediga platvorm organisatsioonide ja kontodeüleseks koolituseks. Koos FedML-i MLO-dega võimaldab see arendajatel või organisatsioonidel teha avatud koostööd kõikjal ja mis tahes ulatuses turvalisel viisil. FedML Octopus käitab igas andmesilo sees hajutatud treeningparadigmat ja kasutab sünkroonseid või asünkroonseid treeninguid.
FedML MLOps
FedML MLOps võimaldab kohalikku koodi arendamist, mida saab hiljem FedML-i raamistikke kasutades kõikjale juurutada. Enne koolituse alustamist peate looma FedML-i konto, samuti looma ja üles laadima FedML Octopus serveri- ja kliendipaketid. Lisateabe saamiseks vaadake samme ja Tutvustame FedML Octopust: liitõppe skaleerimine tootmiseks lihtsustatud MLO-de abil.
Lahenduse ülevaade
Juurutame FedML-i katsete jälgimiseks mitmesse SageMakeriga integreeritud EKS-klastrisse. Me kasutame Amazon EKS-i joonised Terraformi jaoks vajaliku infrastruktuuri juurutamiseks. EKS Blueprints aitab koostada täielikke EKS-klastreid, mis on täielikult alglaaditud koos töökoormuste juurutamiseks ja käitamiseks vajaliku töötarkvaraga. EKS Blueprintsi puhul kirjeldatakse EKS-i keskkonna soovitud oleku konfiguratsiooni, nagu juhttasand, töötaja sõlmed ja Kubernetese lisandmoodulid, infrastruktuurina kui koodi (IaC) kavandit. Pärast kavandi konfigureerimist saab seda kasutada pideva juurutamise automatiseerimise abil ühtsete keskkondade loomiseks mitme AWS-i konto ja piirkonna vahel.
Selles postituses jagatud sisu kajastab tegelikke olukordi ja kogemusi, kuid on oluline arvestada, et nende olukordade kasutamine erinevates kohtades võib erineda. Kuigi kasutame ühte AWS-i kontot koos eraldi VPC-dega, on oluline mõista, et individuaalsed asjaolud ja konfiguratsioonid võivad erineda. Seetõttu tuleks esitatud teavet kasutada üldise juhisena ja see võib vajada kohandamist konkreetsete nõuete ja kohalike tingimuste alusel.
Järgmine diagramm illustreerib meie lahenduse arhitektuuri.
Lisaks jälgimisele, mida FedML MLOps pakub iga treeningjooksu jaoks, kasutame Amazon SageMakeri katsed iga kliendimudeli ja tsentraliseeritud (agregaatori) mudeli toimivuse jälgimiseks.
SageMaker Experiments on SageMakeri võimalus, mis võimaldab teil luua, hallata, analüüsida ja võrrelda oma ML-katseid. Katse üksikasju, parameetreid ja tulemusi salvestades saavad teadlased oma tööd täpselt reprodutseerida ja kinnitada. See võimaldab tõhusalt võrrelda ja analüüsida erinevaid lähenemisviise, mis viib teadlike otsuste tegemiseni. Lisaks hõlbustab katsete jälgimine iteratiivset täiustamist, pakkudes ülevaadet mudelite edenemisest ja võimaldades teadlastel õppida varasematest iteratsioonidest, kiirendades lõpuks tõhusamate lahenduste väljatöötamist.
Saadame SageMaker Experimentsile iga käitamise kohta järgmise:
- Mudeli hindamise mõõdikud – treeningu kaotus ja kõveraalune pindala (AUC)
- Hüperparameetrid - Epohh, õppimiskiirus, partii suurus, optimeerija ja kaalu vähenemine
Eeldused
Selle postituse jätkamiseks peaksid teil olema järgmised eeltingimused:
Rakendage lahendus
Alustuseks kloonige näidiskoodi majutav hoidla kohapeal:
Seejärel juurutage kasutusjuhtude infrastruktuur, kasutades järgmisi käske:
Terraformi malli täielikuks juurutamiseks võib kuluda 20–30 minutit. Pärast selle juurutamist järgige FL-i rakenduse käivitamiseks järgmistes jaotistes toodud juhiseid.
Looge MLOps juurutuspakett
FedML-i dokumentatsiooni osana peame looma kliendi- ja serveripaketid, mida MLOps-platvorm serverile ja klientidele koolituse alustamiseks levitab.
Nende pakettide loomiseks käivitage juurkataloogist leitud järgmine skript:
See loob vastavad paketid projekti juurkataloogi järgmises kataloogis:
Laadige paketid üles FedML MLOps platvormile
Pakettide üleslaadimiseks toimige järgmiselt.
- Valige FedML-i kasutajaliideses Minu rakendused navigeerimispaanil.
- Vali Uus rakendus.
- Laadige oma tööjaamast üles kliendi- ja serveripaketid.
- Samuti saate kohandada hüperparameetreid või luua uusi.
Käivitage liitkoolitus
Liitkoolituse läbiviimiseks toimige järgmiselt.
- Valige FedML-i kasutajaliideses Projekti nimekiri navigeerimispaanil.
- Vali Looge uus projekt.
- Sisestage rühma nimi ja projekti nimi, seejärel valige OK.
- Valige vastloodud projekt ja valige Loo uus jooks treeningjooksu käivitamiseks.
- Valige selle treeningu jaoks servakliendi seadmed ja keskne koondamisserver.
- Valige rakendus, mille lõite eelmistes sammudes.
- Värskendage mõnda hüperparameetrit või kasutage vaikesätteid.
- Vali Avaleht treenima hakata.
- Vali Koolituse olek vahekaarti ja oodake treeningu lõppu. Samuti saate navigeerida saadaolevatele vahekaartidele.
- Kui koolitus on lõppenud, valige süsteem vahekaarti, et näha treeningaja kestusi oma servaserverites ja koondamissündmusi.
Vaadake tulemusi ja katse üksikasju
Kui koolitus on lõppenud, saate tulemusi vaadata FedML-i ja SageMakeri abil.
FedML-i kasutajaliideses Mudelid vahekaardilt, näete koondajat ja kliendimudelit. Samuti saate need mudelid veebisaidilt alla laadida.
Samuti saate sisse logida Amazon SageMaker Studio Ja vali Katsed navigeerimispaanil.
Järgmine ekraanipilt näitab logitud katseid.
Katse jälgimiskood
Selles jaotises uurime koodi, mis integreerib SageMakeri katsete jälgimise FL-i raamistiku koolitusega.
Avage oma valitud redaktoris järgmine kaust, et näha koodi muudatusi ja sisestada koolituse osana SageMakeri katse jälgimiskood:
Treeningu jälgimiseks me luua SageMakeri eksperiment parameetrite ja mõõdikutega, mis on logitud kasutades log_parameter
ja log_metric
käsk, nagu on kirjeldatud järgmises koodinäidis.
Kirje config/fedml_config.yaml
fail deklareerib katse prefiksi, millele viidatakse koodis ainulaadsete katsenimede loomiseks: sm_experiment_name: "fed-heart-disease"
. Saate seda värskendada mis tahes teie valitud väärtusele.
Näiteks vaadake järgmist koodi heart_disease_trainer.py
, mida iga klient kasutab mudeli koolitamiseks oma andmestiku alusel:
Iga kliendi käitamise korral jälgitakse katse üksikasju, kasutades failis heart_disease_trainer.py järgmist koodi:
Samamoodi saate koodi kasutada heart_disease_aggregator.py
kohalike andmete testimiseks pärast mudeli kaalude värskendamist. Üksikasjad logitakse pärast iga suhtlust klientidega.
Koristage
Kui olete lahendusega valmis saanud, puhastage kindlasti kasutatud ressursid, et tagada ressursside tõhus kasutamine ja kulude juhtimine ning vältida tarbetuid kulutusi ja ressursside raiskamist. Keskkonna aktiivne korrastamine, näiteks kasutamata juhtumite kustutamine, mittevajalike teenuste peatamine ja ajutiste andmete eemaldamine, aitab kaasa puhtale ja korrastatud infrastruktuurile. Oma ressursside puhastamiseks saate kasutada järgmist koodi.
kokkuvõte
Kasutades Amazon EKS-i infrastruktuurina ja FedML-i FL-i raamistikuna, suudame pakkuda skaleeritavat ja hallatavat keskkonda koolitamiseks ja jagatud mudelite juurutamiseks, austades samal ajal andmete privaatsust. Tänu FL-i detsentraliseeritud olemusele saavad organisatsioonid teha turvalist koostööd, avada hajutatud andmete potentsiaali ja täiustada ML-mudeleid ilma andmete privaatsust kahjustamata.
Nagu alati, ootab AWS teie tagasisidet. Palun jätke oma mõtted ja küsimused kommentaaride sektsiooni.
Autoritest
Randy DeFauw on AWS-i vanemlahenduste arhitekt. Tal on MSEE Michigani ülikoolist, kus ta töötas autonoomsete sõidukite arvutinägemise kallal. Tal on ka MBA kraad Colorado osariigi ülikoolist. Randy on olnud tehnoloogiavaldkonnas erinevatel ametikohtadel, alates tarkvaratehnikast kuni tootehalduseni. Ta sisenes suurandmete ruumi 2013. aastal ja jätkab selle valdkonna uurimist. Ta töötab aktiivselt ML-ruumi projektidega ja on esinenud paljudel konverentsidel, sealhulgas Strata ja GlueCon.
Arnab Sinha on AWS-i vanemlahenduste arhitekt, kes tegutseb valdkonna CTO-na, et aidata organisatsioonidel kavandada ja luua skaleeritavaid lahendusi, mis toetavad äritulemusi andmekeskuste migratsiooni, digitaalse teisendamise ja rakenduste moderniseerimise, suurandmete ja masinõppe raames. Ta on toetanud kliente erinevates tööstusharudes, sealhulgas energeetika, jaekaubandus, tootmine, tervishoid ja bioteadused. Arnabil on kõik AWS-i sertifikaadid, sealhulgas ML-i erisertifikaat. Enne AWS-iga liitumist oli Arnab tehnoloogiajuht ning varem juhtinud arhitekti ja inseneri rolle.
Prachi Kulkarni on AWSi vanemlahenduste arhitekt. Tema spetsialiseerumine on masinõpe ja ta tegeleb aktiivselt lahenduste kavandamisega, kasutades erinevaid AWS ML-i, suurandmete ja analüütika pakkumisi. Prachil on kogemusi mitmes valdkonnas, sealhulgas tervishoid, hüvitised, jaemüük ja haridus, ning ta on töötanud erinevatel ametikohtadel tooteinseneri ja arhitektuuri, juhtimise ja klientide edu alal.
Tamer Sherif on AWS-i peamiste lahenduste arhitekt, mitmekülgse taustaga tehnoloogia ja ettevõtte nõustamisteenuste valdkonnas ning kes on töötanud lahenduste arhitektina üle 17 aasta. Keskendudes infrastruktuurile, hõlmavad Tameri teadmised laia spektrit tööstusharusid, sealhulgas kaubandust, tervishoidu, autot, avalikku sektorit, tootmist, naftat ja gaasi, meediateenuseid ja palju muud. Tema oskused ulatuvad erinevatesse valdkondadesse, nagu pilvarhitektuur, äärearvutus, võrgundus, salvestus, virtualiseerimine, ettevõtte tootlikkus ja tehniline juhtimine.
Hans Nesbitt on Lõuna-Californiast pärit AWS-i vanemlahenduste arhitekt. Ta teeb koostööd klientidega kogu USA lääneosas, et luua väga skaleeritavaid, paindlikke ja vastupidavaid pilvearhitektuure. Vabal ajal veedab ta meelsasti perega aega, teeb süüa ja mängib kitarri.
Chaoyang He on ettevõtte FedML, Inc. kaasasutaja ja tehnoloogiajuht. See idufirma töötab avatud ja koostööl põhineva tehisintellekti loomise nimel kõikjal ja igal tasandil. Tema uurimistöö keskendub hajutatud ja ühendatud masinõppe algoritmidele, süsteemidele ja rakendustele. Doktorikraadi arvutiteaduses omandas ta Lõuna-California ülikoolis.
Al Nevarez on FedML-i tootehalduse direktor. Enne FedML-i oli ta Google'i rühma tootejuht ja LinkedIni andmeteaduse vanemjuht. Tal on mitu andmetoodetega seotud patenti ja ta õppis Stanfordi ülikoolis inseneritööd.
Salman Avestimehr on FedML-i kaasasutaja ja tegevjuht. Ta on olnud USC dekaaniprofessor, USC-Amazon Trustworthy AI keskuse direktor ja Amazoni teadlane Alexa AI-s. Ta on ühendatud ja detsentraliseeritud masinõppe, teabeteooria, turvalisuse ja privaatsuse ekspert. Ta on IEEE stipendiaat ja omandas doktorikraadi EECS-is UC Berkeleys.
Samir Lad on AWS-iga kogenud ettevõttetehnoloog, kes teeb tihedat koostööd klientide C-taseme juhtidega. C-suite endise juhina, kes on ajendanud muutusi mitmes Fortune 100 ettevõttes, jagab Samir oma hindamatuid kogemusi, et aidata oma klientidel oma ümberkujundamise teekonnal edu saavutada.
Stephen Kraemer on AWS-i juhatuse ja CxO nõustaja ning endine tegevjuht. Stephen toetab kultuuri ja juhtimist kui edu aluseid. Ta tunnistab, et turvalisus ja innovatsioon on pilve teisendamise tõukejõud, mis võimaldab väga konkurentsivõimelisi andmepõhiseid organisatsioone.
- 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/federated-learning-on-aws-using-fedml-amazon-eks-and-amazon-sagemaker/
- :on
- :on
- :mitte
- : kus
- $ UP
- 10
- 100
- 14
- 154
- 17
- 20
- 2013
- 247
- 300
- 7
- a
- Võimalik
- MEIST
- puudumine
- kiirendama
- kiirendades
- juurdepääs
- Juurdepääs andmetele
- saavutatud
- konto
- aruandekohustus
- Kontod
- täpsus
- täpne
- täpselt
- saavutamisel
- üle
- tegu
- kohusetäitja
- aktiivne
- aktiivselt
- tegelik
- kohandamine
- lisama
- lisatud
- lisamine
- Lisaks
- aadress
- aadressid
- adresseerimine
- kohandama
- Vastuvõtmine
- nõuandja
- toetajad
- pärast
- koondamine
- Agregaator
- AI
- Eesmärgid
- AL
- Alexa
- algoritme
- Materjal: BPA ja flataatide vaba plastik
- võimaldab
- mööda
- Ka
- Kuigi
- alati
- Amazon
- Amazon SageMaker
- Amazon Web Services
- an
- analüüs
- analytics
- analüüsima
- ja
- mistahes
- kuskil
- taotlus
- rakendused
- lähenemine
- lähenemisviisid
- arhitektuur
- Arhitektuurid
- OLEME
- PIIRKOND
- AS
- hinnangud
- At
- rünnak
- atribuudid
- vau
- auditeerimine
- Automaatika
- auto
- autonoomne
- autonoomsed sõidukid
- saadaval
- vältima
- AWS
- tagapõhi
- põhineb
- BE
- sest
- muutub
- olnud
- enne
- alustama
- Kasu
- Berkeley
- Parem
- Suur
- Big andmed
- plaan
- juhatus
- lai
- ehitama
- Ehitus
- äri
- kuid
- by
- C-sviit
- California
- CAN
- võime
- mis
- juhul
- juhtudel
- keskus
- kesk-
- tsentraliseeritud
- tegevjuht
- sertifikaat
- sertifikaadid
- väljakutse
- väljakutseid
- valik
- Vali
- asjaolusid
- klassifikatsioon
- puhastama
- klient
- kliendid
- kliiniline
- lähedalt
- Cloud
- Asutaja
- kood
- Teevad koostööd
- koostöö
- koostööl
- Colorado
- kombinatsioon
- kommentaarid
- kaubandus-
- tavaliselt
- KOMMUNIKATSIOON
- kogukond
- kogukonna ülesehitamine
- Ettevõtted
- võrdlema
- võrdlus
- konkurentsivõimeline
- täitma
- keeruline
- Vastavus
- komponendid
- terviklik
- kompromiteeriv
- arvuti
- Arvutiteadus
- Arvuti visioon
- arvutustehnika
- Murettekitav
- Tingimused
- Läbi viima
- konverentsid
- konfiguratsioon
- konfigureeritud
- järjepidev
- koosneb
- nõustamine
- sisaldama
- sisaldab
- sisu
- pidev
- pidev
- panustab
- kontrollida
- kontrolli
- Koordineerija
- Maksma
- Kulude juhtimine
- seotud
- KATTED
- käsitöö
- looma
- loodud
- loob
- kriitiline
- otsustav
- CTO
- kultuur
- kõver
- klient
- Kliendi edu
- Kliendid
- kohandatav
- CXO
- andmed
- Andmekeskus
- andmekaitse
- Andmete privaatsus ja turvalisus
- andmeteadus
- andmepõhistele
- andmekogumid
- Detsentraliseeritud
- otsustatud
- Otsuse tegemine
- kuulutab
- vaikimisi
- demograafiliste
- juurutada
- lähetatud
- juurutamine
- kasutuselevõtu
- kirjeldatud
- Disain
- projekteerimine
- soovitud
- hävitama
- detailid
- dev
- Arendajad
- arenev
- & Tarkvaraarendus
- seade
- seadmed
- skeem
- erinevad
- erinev
- digitaalne
- Digitaalne Transformation
- Juhataja
- kataloog
- haigus
- levitada
- jagatud
- jagatud koolitus
- mitu
- dokumentatsioon
- Domeenid
- tehtud
- lae alla
- ajam
- ajendatud
- draiverid
- iga
- ökosüsteemi
- serv
- servaarvutus
- toimetaja
- Käsitöö
- Tõhus
- tõhus
- smirgel
- võimaldama
- võimaldab
- võimaldades
- krüpteerimist
- energia
- Inseneriteadus
- suurendama
- tagama
- tagades
- sisenes
- ettevõte
- üksuste
- kanne
- keskkond
- keskkondades
- epohh
- ajajärgud
- eriti
- hindamine
- hindamine
- Isegi
- sündmused
- näide
- täidesaatev
- juhid
- eksfiltreerimine
- kulud
- kogemus
- Kogemused
- eksperiment
- katseid
- ekspert
- teadmised
- uurima
- laieneb
- hõlbustada
- hõlbustab
- pere
- födereeritud
- tagasiside
- mees
- truudus
- väli
- fail
- järeldused
- paindlik
- Keskenduma
- keskendub
- järgima
- Järel
- eest
- endine
- heaolu
- avastatud
- Sihtasutused
- Raamistik
- raamistikud
- Alates
- täielikult
- funktsioon
- edasi
- GAS
- Üldine
- GitHub
- antud
- GPU
- Grupp
- tagatud
- suunata
- Olema
- he
- Tervis
- ravikindlustus
- tervishoid
- süda
- Südamehaigus
- tugevalt
- Held
- aitama
- aitab
- siin
- hierarhia
- kõrgelt
- tema
- omab
- Hosting
- aga
- HTML
- HTTPS
- i
- IEEE
- if
- illustreerib
- rakendada
- rakendamisel
- oluline
- parandama
- paranemine
- in
- Inc
- Kaasa arvatud
- kasvanud
- sõltumatud
- eraldi
- tööstusharudes
- tööstus
- info
- teavitatakse
- Infrastruktuur
- süstima
- Innovatsioon
- ebakindel
- sees
- teadmisi
- kindlustus
- integreeritud
- Integreerib
- Interface
- Koostalitlusvõime
- sisse
- hindamatu
- isoleeritud
- probleem
- IT
- kordused
- ITS
- liitumine
- teekond
- jpeg
- jpg
- Võti
- teadmised
- teatud
- puuduvad
- keel
- suur
- pärast
- juht
- Juhtimine
- juhtivate
- Õppida
- õppimine
- Lahkuma
- Lets
- raamatukogud
- Raamatukogu
- elu
- Maaülikooli
- piirav
- kohalik
- kohapeal
- liising
- kohad
- logi
- loginud
- kaotus
- masin
- masinõpe
- säilitamine
- tegema
- Tegemine
- juhtima
- juhitud
- juhtimine
- juht
- viis
- tootmine
- palju
- mai..
- mehhanismid
- Meedia
- Meetrika
- Michigan
- protokoll
- Leevendada
- ML
- MLOps
- mudel
- modelleerimine
- mudelid
- moodulid
- rohkem
- kõige
- mitmekordne
- peab
- nimi
- nimed
- loodus
- Navigate
- NAVIGATSIOON
- Vajadus
- vaja
- negatiivselt
- võrk
- võrgustike loomine
- võrgustikud
- Uus
- äsja
- järgmine
- sõlmed
- meeles
- arvukad
- of
- pakkumine
- Pakkumised
- Pakkumised
- sageli
- Õli
- Nafta ja gaas
- on
- ones
- ainult
- avatud
- avatud lähtekoodiga
- töötama
- töökorras
- Võimalused
- or
- organisatsioonid
- Korraldatud
- meie
- välja
- tulemusi
- välja toodud
- väljund
- üle
- enda
- pakette
- pane
- paradigma
- paradigmad
- parameetrid
- osa
- Mööduv
- Patendi
- patsient
- jõudlus
- Isikliku
- phd
- lennuk
- inimesele
- Platon
- Platoni andmete intelligentsus
- PlatoData
- mängimine
- palun
- populaarne
- teisaldatavus
- tekitab
- positsioone
- post
- potentsiaal
- ennustada
- Ennustused
- eeldused
- olemasolu
- esitatud
- eelmine
- varem
- Peamine
- Eelnev
- privaatsus
- Privaatsus ja turvalisus
- era-
- Toode
- tootehaldus
- tootejuht
- Produktsioon
- tootlikkus
- Õpetaja
- progressioon
- projekt
- projektid
- varaline
- kaitsma
- protokollid
- anda
- tingimusel
- annab
- pakkudes
- avalik
- kvaliteet
- Küsimused
- valik
- alates
- auaste
- määr
- Töötlemata
- realm
- saadud
- hiljuti
- salvestamine
- vähendama
- viitama
- viidatud
- peegeldab
- piirkondades
- reguleeritud
- reguleeritud tööstusharud
- määrused
- toetub
- eemaldades
- Hoidla
- esindavad
- nõudma
- nõutav
- Nõuded
- teadustöö
- Teadlased
- vetruv
- ressurss
- Vahendid
- austades
- need
- kaasa
- Tulemused
- jaemüük
- riskide
- jõuline
- rollid
- juur
- ümber
- jooks
- jooksmine
- jookseb
- salveitegija
- Salman
- proov
- skaalautuvia
- Skaala
- ketendamine
- stsenaariumid
- õpetlane
- teadus
- TEADUSED
- käsikiri
- Osa
- lõigud
- sektor
- kindlustama
- kindlalt
- turvalisus
- vaata
- valik
- saatma
- vanem
- tundlik
- eri
- server
- Serverid
- Teenused
- istung
- seaded
- mitu
- Jaga
- jagatud
- Aktsiad
- jagamine
- ta
- peaks
- Näitused
- märkimisväärne
- silodes
- lihtsustatud
- ühekordne
- olukordades
- SUURUS
- tarkvara
- tarkvaraarendus
- lahendus
- Lahendused
- allikas
- Allikad
- Lõunapoolne
- Ruum
- Pinge
- Eriala
- konkreetse
- spekter
- Kulutused
- standardimine
- Stanford
- Stanfordi ülikool
- algus
- käivitamisel
- riik
- Ühendriigid
- Samm
- Stephen
- Sammud
- Veel
- peatumine
- ladustamine
- Range
- tugev
- õppinud
- edukas
- edu
- selline
- komplekt
- toetama
- Toetatud
- Toetamine
- Toetab
- kindel
- süsteemid
- Võtma
- Tehniline
- tehnika
- tehnoloog
- Tehnoloogia
- šabloon
- ajutine
- Terraform
- test
- et
- .
- teave
- oma
- SIIS
- teooria
- seetõttu
- Need
- see
- Läbi
- aeg
- et
- töövahendid
- suunas
- jälgida
- Jälgimine
- traditsiooniline
- Rong
- koolitatud
- koolitus
- koolitused
- Transformation
- muundumised
- vallandada
- usaldusväärne
- liigid
- ui
- lõpuks
- all
- mõistma
- ainulaadne
- Ühendatud
- Ühendriigid
- Ülikool
- California Ülikool
- erinevalt
- avamine
- tarbetu
- võrratu
- kasutamata
- Värskendused
- ajakohastamine
- us
- kasutama
- kasutage juhtumit
- Kasutatud
- kasutajasõbralik
- kasutusalad
- kasutamine
- ära kasutama
- KINNITAGE
- kinnitamine
- väärtus
- sort
- eri
- Vary
- Sõidukid
- vertikaalid
- vaade
- nägemus
- ootama
- oli
- we
- web
- veebiteenused
- veebisait
- kaal
- Tervitab
- Hästi
- Lääne-
- mis
- kuigi
- WHO
- lai
- laialdaselt
- will
- koos
- jooksul
- ilma
- Töö
- töötas
- töötaja
- töö
- töötab
- töökoht
- aastat
- sa
- Sinu
- sephyrnet