Digitaalajastusse süvenedes on multimodaalsusmudelite väljatöötamine olnud masinate mõistmise parandamisel kriitilise tähtsusega. Need mudelid töötlevad ja genereerivad sisu erinevatest andmevormidest, näiteks tekstist ja piltidest. Nende mudelite põhiomaduseks on pilt tekstiks muutmise võimalused, mis on näidanud märkimisväärset oskust sellistes ülesannetes nagu piltide pealdised ja visuaalne küsimustele vastamine.
Kujutiste tekstiks tõlkimisel avame ja kasutame visuaalsetes andmetes sisalduvat rikkalikku teavet. Näiteks e-kaubanduses saab pildist tekstiks muutmine automatiseerida toodete piltide alusel kategoriseerimist, suurendades otsingu tõhusust ja täpsust. Samuti võib see aidata luua automaatseid fotokirjeldusi, pakkudes teavet, mis ei pruugi sisalduda toote pealkirjades või kirjeldustes, parandades seeläbi kasutajakogemust.
Selles postituses anname ülevaate populaarsetest multimodaalsusmudelitest. Samuti näitame, kuidas neid eelkoolitatud mudeleid kasutada Amazon SageMaker. Lisaks arutame nende mudelite erinevaid rakendusi, keskendudes eriti mitmele reaalse maailma stsenaariumile, nagu nullkaadri silt ja omistamise genereerimine e-kaubanduse jaoks ning automaatne viipade genereerimine piltidest.
Multimodaalsusmudelite taust
Masinõppe (ML) mudelid on saavutanud olulisi edusamme sellistes valdkondades nagu loomuliku keele töötlemine (NLP) ja arvutinägemine, kus mudelid võivad näidata inimesele sarnast jõudlust ühest andmeallikast pärit sisu analüüsimisel ja genereerimisel. Viimasel ajal on hakatud üha enam tähelepanu pöörama multimodaalsuse mudelite arendamisele, mis on võimelised töötlema ja genereerima sisu erinevatel viisidel. Need mudelid, nagu nägemuse ja keelevõrgustike sulandumine, on muutunud silmapaistvamaks tänu nende võimele integreerida erinevatest allikatest ja viisidest pärinevat teavet, parandades seeläbi nende mõistmis- ja väljendusvõimet.
Selles jaotises anname ülevaate kahest populaarsest multimodaalsuse mudelist: CLIP (Kontrastiivse keele-pildi eelkoolitus) ja BLIP (Bootstrapping Language-Image eelkoolitus).
CLIP mudel
CLIP on multimodaalne visiooni- ja keelemudel, mida saab kasutada pildi-teksti sarnasuse ja nullkaadri kujutiste klassifitseerimiseks. CLIP on koolitatud 400 miljonist pildi-teksti paarist koosneva andmestiku põhjal, mis on kogutud erinevatest Internetis avalikult kättesaadavatest allikatest. Mudeli arhitektuur koosneb kujutise kodeerijast ja tekstikodeerijast, nagu on näidatud järgmisel diagrammil.
Treeningu ajal juhitakse pilt ja vastav tekstijupp kodeerijate kaudu, et saada pildifunktsiooni vektor ja tekstifunktsiooni vektor. Eesmärk on muuta sobitatud paari kujutise ja teksti tunnuste koosinussarnasus suur, samas kui mittevastavate paaride funktsioonide sarnasus on väike. Seda tehakse kontrastikaotuse kaudu. Selle kontrastse eelkoolituse tulemuseks on kodeerijad, mis kaardistavad pildid ja teksti ühisesse manustamisruumi, kus semantika on joondatud.
Kodeerijaid saab seejärel kasutada nullkaadri ülekande õppimiseks allavoolu ülesannete jaoks. Järelduste tegemise ajal töötleb pildi ja teksti eelkoolitatud kodeerija vastavat sisendit ja teisendab selle kõrgmõõtmeliseks vektoresitluseks või kinnistamine. Seejärel võrreldakse pildi ja teksti manuseid, et määrata nende sarnasus, näiteks koosinussarnasus. Kõige asjakohasemaks peetakse tekstiviipa (pildiklassid, kategooriad või sildid), mille manustamine on kujutise manustamisega kõige sarnasem (näiteks väikseima vahemaaga), ja pilt liigitatakse vastavalt.
BLIP mudel
Teine populaarne multimodaalsusmudel on BLIP. See tutvustab uudset mudeliarhitektuuri, mis on võimeline kohanema erinevate nägemiskeele ülesannetega, ja kasutab mürarikastest veebiandmetest õppimiseks ainulaadset andmekogumi alglaadimistehnikat. BLIP-arhitektuur sisaldab kujutise kodeerijat ja tekstikodeerijat: kujutise maandatud tekstikooder sisestab visuaalse teabe tekstikodeerija trafoplokki ja kujutise maandusega tekstidekooder ühendab visuaalse teabe transformaatori dekoodri plokki. Selle arhitektuuriga demonstreerib BLIP silmapaistvat jõudlust paljudes nägemuskeele ülesannete spektris, mis hõlmavad visuaalse ja keelelise teabe sulandumist, alates pildipõhisest otsingust ja sisu genereerimisest kuni interaktiivsete visuaalsete dialoogisüsteemideni. Eelmises postituses tegime ettepaneku a BLIP mudelil põhinev sisu modereerimise lahendus mis lahendas mitmeid probleeme, kasutades arvutinägemise unimodaalseid ML lähenemisviise.
1. kasutusjuht: null-shot sildi või atribuudi genereerimine e-kaubanduse platvormi jaoks
E-kaubanduse platvormid on dünaamilised turuplatsid, mis on täis ideid, tooteid ja teenuseid. Loetletud miljonite toodete tõttu on tõhus sorteerimine ja kategoriseerimine märkimisväärne väljakutse. Siin avaldub automaatse märgistamise ja atribuutide genereerimise jõud. Kasutades arenenud tehnoloogiaid, nagu ML ja NLP, võivad need automatiseeritud protsessid poodide platvormide toiminguid muuta.
Automaatse märgistamise või atribuutide genereerimise üks peamisi eeliseid seisneb selle võimes parandada otsitavust. Täpselt märgistatud tooted leiavad kliendid kiiresti ja tõhusalt. Näiteks kui klient otsib puuvillase kaelusega T-särki, mille ees on logo, võimaldab automaatne märgistamine ja atribuutide genereerimine otsingumootoril tuvastada tooteid, mis ei vasta ainult laiemale t-särgi kategooriale, aga ka “puuvilla” ja “pere kaela” spetsiifilised atribuudid. See täpne sobitamine võib hõlbustada isikupärastatud ostukogemust ja suurendada klientide rahulolu. Lisaks võivad automaatselt loodud sildid või atribuudid oluliselt parandada toodete soovituste algoritme. Toote atribuutide sügava mõistmisega saab süsteem soovitada klientidele asjakohasemaid tooteid, suurendades seeläbi ostude tõenäosust ja klientide rahulolu.
CLIP pakub paljulubavat lahendust sildi või atribuudi genereerimise protsessi automatiseerimiseks. See võtab sisendiks tootepildi ja kirjelduste või siltide loendi, genereerides iga sildi jaoks vektorkujutise või manustamise. Need manused eksisteerivad suuremõõtmelises ruumis, kusjuures nende suhtelised kaugused ja suunad peegeldavad sisendite vahelisi semantilisi seoseid. CLIP on eelkoolitatud suures skaalas pildi-teksti paarides, et neid tähendusrikkaid manuseid kapseldada. Kui silt või atribuut kirjeldab pilti täpselt, peaksid nende manused selles ruumis olema suhteliselt lähedal. Vastavate siltide või atribuutide genereerimiseks saab CLIP-mudeli tekstiosasse sisestada potentsiaalsete siltide loendi ja salvestada saadud manused. Ideaalis peaks see loend olema ammendav, hõlmates kõiki potentsiaalseid kategooriaid ja atribuute, mis on e-kaubanduse platvormi toodetega seotud. Järgmisel joonisel on mõned näited.
CLIP-mudeli juurutamiseks SageMakeris saate jälgida märkmikku järgmiselt GitHub repo. Kasutame eelehitatud SageMakerit suurte mudelijärelduste (LMI) konteinerid mudeli juurutamiseks. LMI konteinerid kasutavad DJL serveerimine et kasutada teie mudelit järelduste tegemiseks. Lisateavet suurte mudelite SageMakeris hostimise kohta leiate artiklist Rakendage Amazon SageMakeris suuri mudeleid, kasutades DJLServingi ja DeepSpeedi mudeli paralleelset järeldust ja Rakendage suuri mudeleid suure jõudlusega, kasutades rakenduses Amazon SageMaker FasterTransformer.
Selles näites pakume failid serving.properties
, model.py
ja requirements.txt
mudeli artefaktide ettevalmistamiseks ja tarballfaili salvestamiseks.
serving.properties
on konfiguratsioonifail, mida saab kasutada DJL Servingile näitamiseks, milliseid mudelite paralleelstamise ja järelduste optimeerimise teeke soovite kasutada. Sõltuvalt teie vajadusest saate määrata sobiva konfiguratsiooni. Konfiguratsioonivalikute ja põhjaliku loendi kohta lisateabe saamiseks vaadake Konfiguratsioonid ja seaded.model.py
on skript, mis käsitleb kõiki esitamistaotlusi.requirements.txt
on tekstifail, mis sisaldab installitavaid täiendavaid piprattaid.
Kui soovite mudeli alla laadida aadressilt Kallistav nägu otse, saate määrata option.model_id
parameetris serving.properties
faili mudelihoidlas hostitud eelkoolitatud mudeli mudeli ID-na huggingface.co. Konteiner kasutab seda mudeli ID-d vastava mudeli allalaadimiseks juurutamise ajal. Kui määrate model_id
kuni Amazoni lihtne salvestusteenus (Amazon S3) URL, laadib DJL mudeli artefaktid Amazon S3-st alla ja vahetab model_id
mudeli artefaktide tegelikku asukohta. Saate oma skriptis osutada sellele väärtusele, et laadida eelkoolitatud mudel. Meie näites kasutame viimast võimalust, kuna LMI konteiner kasutab s5cmd andmete allalaadimiseks Amazon S3-st, mis vähendab oluliselt kiirust mudelite laadimisel juurutamise ajal. Vaadake järgmist koodi:
aasta mudel.py skripti, laadime mudeli tee atribuudifailis esitatud mudeli ID abil:
Pärast mudeliartefaktide ettevalmistamist ja Amazon S3-sse üleslaadimist saate CLIP-mudeli mõne koodireaga SageMakeri hostimisse juurutada:
Kui lõpp-punkt on kasutusel, saate sildi tõenäosuste genereerimiseks kutsuda välja lõpp-punkti sisendpildi ja siltide loendiga.
Kasutusjuht 2: automaatne viipade genereerimine piltidest
Üks uuenduslik rakendus, mis kasutab multimodaalsuse mudeleid, on luua pildist informatiivsed juhised. Generatiivses AI-s a kiire viitab keelemudelile või muule generatiivsele mudelile antud sisendile, et anda juhiseid selle kohta, millist tüüpi sisu või vastust soovitakse. Viip on sisuliselt lähtepunkt või juhiste kogum, mis juhib mudeli genereerimise protsessi. See võib esineda lause, küsimuse, osalise teksti või mis tahes sisendi kujul, mis edastab mudelile konteksti või soovitud väljundi. Hästi koostatud viipa valimine on täpsuse ja asjakohasusega kvaliteetsete piltide loomisel ülioluline. Kiire inseneritöö on tekstisisestuse optimeerimise või kujundamise protsess, et saavutada keelemudelist soovitud vastused, mis sageli hõlmab sõnastust, vormingut või konteksti kohandamist.
Kujutise genereerimise kiire projekteerimine tekitab mitmeid väljakutseid, sealhulgas järgmised:
- Visuaalsete mõistete täpne defineerimine – Visuaalsete mõistete kirjeldamine sõnadega võib mõnikord olla ebatäpne või mitmetähenduslik, mistõttu on raske soovitud kujutist täpselt edasi anda. Keeruliste detailide või keerukate stseenide jäädvustamine tekstiviipade abil ei pruugi olla lihtne.
- Soovitud stiilide tõhus määramine – Konkreetsete stiilieelistuste, nagu meeleolu, värvipalett või kunstistiil, edastamine võib olla keeruline ainult teksti kaudu. Abstraktsete esteetiliste mõistete tõlkimine mudeli konkreetseteks juhisteks võib olla keeruline.
- Keerukuse tasakaalustamine, et vältida mudeli ülekoormamist – Keerulised juhised võivad mudelit segadusse ajada või viia selle teabega ülekoormamiseni, mõjutades genereeritud väljundit. Oluline on leida õige tasakaal piisavate juhiste andmise ja liigse keerukuse vältimise vahel.
Seetõttu on piltide genereerimiseks tõhusate juhiste koostamine aeganõudev, mis nõuab korduvat katsetamist ja viimistlemist, et saavutada õige tasakaal täpsuse ja loovuse vahel, muutes selle ressursimahukaks ülesandeks, mis sõltub suuresti inimeste teadmistest.
. CLIP küsitleja on piltide automaatne viipade projekteerimistööriist, mis kombineerib CLIP-i ja BLIP-i, et optimeerida tekstiviipasid, et need vastaksid antud pildile. Saadud viipasid saate kasutada näiteks tekstist pildiks muutvate mudelite puhul Stabiilne difusioon luua lahedat kunsti. CLIP Interrogatori loodud juhised pakuvad kujutise põhjalikku kirjeldust, hõlmates mitte ainult selle põhielemente, vaid ka kunstilist stiili, pildi taga olevat potentsiaalset inspiratsiooni, meediumit, kus pilti oleks võinud või võidakse kasutada, ja kaugemalegi. Saate hõlpsasti juurutada CLIP Interrogatori lahendust SageMakeris, et lihtsustada juurutusprotsessi ning kasutada ära täielikult hallatava teenuse pakutavat mastaapsust, kuluefektiivsust ja tugevat turvalisust. Järgmine diagramm näitab selle lahenduse vooluloogikat.
Võite kasutada järgmist märkmik CLIP Interrogatori lahenduse juurutamiseks SageMakeris. Samamoodi kasutame CLIP-mudeli hostimiseks SageMakeri LMI konteinerit, et majutada lahendust SageMakeris, kasutades DJL Servingit. Selles näites esitasime mudeli artefaktidega täiendava sisendfaili, mis määrab SageMakeri lõpp-punktis juurutatud mudelid. Saate valida erinevaid CLIP- või BLIP-mudeleid, edastades pealdise mudeli nime ja klipi mudeli nime model_name.json
fail, mis on loodud järgmise koodiga:
Järeldusskript model.py
sisaldab käepideme funktsiooni, mille abil DJL Serving käivitab teie päringu, käivitades selle funktsiooni. Selle sisenemispunkti skripti ettevalmistamiseks võtsime kasutusele originaalkoodi clip_interrogator.py faili ja muutis seda nii, et see töötaks koos DJL Servingiga SageMakeri hostimisel. Üks uuendus on BLIP-mudeli laadimine. BLIP- ja CLIP-mudelid laaditakse seadme kaudu load_caption_model()
ja load_clip_model()
funktsiooni päringuobjekti lähtestamise ajal. BLIP-mudeli laadimiseks laadisime esmalt alla mudeliartefaktid Hugging Face'ist ja laadisime need Amazon S3-sse üles model_id
atribuutide failis. Seda seetõttu, et BLIP-mudel võib olla suur fail, näiteks blip2-opt-2.7b mudel, mille maht on üle 15 GB. Mudeli allalaadimine Hugging Face'ist mudeli juurutamise ajal nõuab lõpp-punkti loomiseks rohkem aega. Seetõttu osutame model_id
BLIP3 mudeli Amazon S2 asukohta ja laadige mudel atribuutide failis määratud mudeliteelt. Pange tähele, et juurutamise ajal vahetatakse mudelitee kohaliku konteineritee vastu, kuhu DJL Serving mudeli artefaktid Amazon S3 asukohast alla laadis. Vaadake järgmist koodi:
Kuna CLIP-mudel pole mõõtmetelt väga suur, kasutame seda open_clip
mudeli laadimiseks otse Hugging Face'ist, mis on sama, mis originaal clip_interrogator
rakendamine:
Kasutame sarnast koodi CLIP Interrogatori lahenduse juurutamiseks SageMakeri lõpp-punktis ja kutsume lõpp-punkti sisendpildiga, et saada viipasid, mida saab kasutada sarnaste piltide loomiseks.
Võtame näiteks järgmise pildi. Kasutades SageMakeris juurutatud CLIP Interrogatori lõpp-punkti, genereerib see järgmise tekstikirjelduse: croissant on a plate, pexels contest winner, aspect ratio 16:9, cgsocietywlop, 8 h, golden cracks, the artist has used bright, picture of a loft in morning, object features, stylized border, pastry, french emperor.
Saame täiendavalt kombineerida CLIP Interrogatori lahendust stabiilse difusiooni ja kiirete inseneritehnikatega – tekib loominguliste võimaluste täiesti uus mõõde. See integratsioon võimaldab meil mitte ainult kirjeldada pilte tekstiga, vaid ka manipuleerida ja genereerida algsete piltide erinevaid variatsioone. Stabiilne difusioon tagab kontrollitud kujutise sünteesi, viimistledes genereeritud väljundit iteratiivselt, ja strateegiline kiire projekteerimine juhib genereerimisprotsessi soovitud tulemusteni.
aasta märkmiku teine osa, kirjeldame üksikasjalikult samme, kuidas kasutada kiiret inseneritööd piltide ümberkujundamiseks stabiilse difusiooni mudeliga (Stabiilne difusioon XL 1.0). Me kasutame Stabiilsuse AI SDK selle mudeli juurutamiseks SageMaker JumpStartist pärast selle mudeli tellimist AWS-is turul. Sest see on uuem ja parem versioon piltide genereerimiseks, mida pakub Stabiilsus AI, saame algse sisendpildi põhjal kvaliteetseid pilte. Lisaks, kui liidame eelneva kirjelduse ette ja lisame täiendava viipa, mis mainib tuntud kunstnikku ja üht tema teost, saame ümberkujundamisega suurepäraseid tulemusi. Järgmine pilt kasutab viipa: This scene is a Van Gogh painting with The Starry Night style, croissant on a plate, pexels contest winner, aspect ratio 16:9, cgsocietywlop, 8 h, golden cracks, the artist has used bright, picture of a loft in morning, object features, stylized border, pastry, french emperor.
Järgmine pilt kasutab viipa: This scene is a Hokusai painting with The Great Wave off Kanagawa style, croissant on a plate, pexels contest winner, aspect ratio 16:9, cgsocietywlop, 8 h, golden cracks, the artist has used bright, picture of a loft in morning, object features, stylized border, pastry, french emperor.
Järeldus
Multimodaalsusmudelid, nagu CLIP ja BLIP, ning nende rakendused muudavad kiiresti pildist tekstiks teisendamise maastikku. Sildades lõhet visuaalse ja semantilise teabe vahel, pakuvad nad meile tööriistu, et avada visuaalsete andmete tohutu potentsiaal ja kasutada seda viisil, mis varem oli kujuteldamatu.
Selles postituses illustreerisime multimodaalsusmudelite erinevaid rakendusi. Need ulatuvad otsingu tõhususe ja täpsuse suurendamisest e-kaubanduse platvormidel kuni automaatse märgistamise ja kategoriseerimiseni kuni viipade loomiseni tekstist pildiks muutvate mudelite (nt Stable Diffusion) jaoks. Need rakendused avavad uusi horisonte ainulaadse ja kaasahaarava sisu loomiseks. Soovitame teil SageMakeri erinevaid multimodaalsusmudeleid uurides rohkem teada saada ja luua teie ettevõtte jaoks uuenduslik lahendus.
Autoritest
Yanwei Cui, PhD, on AWS-i masinõppelahenduste vanemspetsialist. Ta alustas masinõppe uurimist IRISA-s (Research Institute of Computer Science and Random Systems) ning tal on mitmeaastane kogemus tehisintellektil töötavate tööstuslike rakenduste loomisel arvutinägemise, loomuliku keele töötlemise ja veebipõhise kasutaja käitumise ennustamise vallas. AWS-is jagab ta oma domeeniteadmisi ning aitab klientidel avada äripotentsiaali ja saavutada mastaapse masinõppega teostatavaid tulemusi. Väljaspool tööd naudib ta lugemist ja reisimist.
Raghu Ramesha on Amazon SageMaker Service'i meeskonna ML-lahenduste vanemarhitekt. Ta keskendub sellele, et aidata klientidel luua, juurutada ja ML-i tootmise töökoormust SageMakerile ulatuslikult üle viia. Ta on spetsialiseerunud masinõppele, tehisintellektile ja arvutinägemisvaldkondadele ning tal on magistrikraadi arvutiteaduses TÜ Dallases. Vabal ajal meeldib talle reisida ja pildistada.
Sam Edwards, on AWS Sydney pilveinsener (AI/ML), kes on spetsialiseerunud masinõppele ja Amazon SageMakerile. Ta on kirglik aidata klientidel lahendada masinõppe töövoogudega seotud probleeme ja luua neile uusi lahendusi. Väljaspool tööd meeldib talle reketispordiga tegeleda ja reisida.
Melanie Li, PhD, on Austraalias Sydneys asuva AWS-i AI/ML-i vanemspetsialist TAM. Ta aitab äriklientidel luua lahendusi, kasutades AWS-is nüüdisaegseid AI/ML-i tööriistu, ning annab juhiseid ML-lahenduste koostamiseks ja rakendamiseks parimate tavade alusel. Vabal ajal meeldib talle loodusega tutvuda ning pere ja sõpradega aega veeta.
Gordon Wang on AWS-i AI/ML-i vanemspetsialist TAM. Ta toetab strateegilisi kliente AI/ML parimate tavadega paljudes tööstusharudes. Ta on kirglik arvutinägemise, NLP, generatiivse AI ja MLO-de vastu. Vabal ajal armastab ta joosta ja matkata.
Dhawal Patel on AWS-i peamine masinõppearhitekt. Ta on töötanud hajutatud andmetöötluse ja tehisintellektiga seotud probleemide lahendamisel organisatsioonidega alates suurettevõtetest kuni keskmise suurusega idufirmadeni. Ta keskendub süvaõppele, sealhulgas NLP ja Computer Vision domeenidele. Ta aitab klientidel teha SageMakeris suure jõudlusega mudeli järeldusi.
- 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/build-an-image-to-text-generative-ai-application-using-multimodality-models-on-amazon-sagemaker/
- :on
- :on
- :mitte
- : kus
- 1
- 10
- 100
- 12
- 15%
- 16
- 400
- 7
- 8
- 9
- 97
- a
- võime
- MEIST
- ABSTRACT
- vastavalt
- täpsus
- täpselt
- Saavutada
- saavutada
- üle
- tegelik
- lisama
- Täiendavad lisad
- Lisaks
- adresseeritud
- kohandused
- vastu
- edasijõudnud
- edusammud
- ADEelis
- mõjutades
- pärast
- AI
- Tehisintellekti toega
- AI / ML
- algoritme
- joondatud
- Materjal: BPA ja flataatide vaba plastik
- võimaldab
- üksi
- Ka
- hämmastav
- Amazon
- Amazon SageMaker
- Amazon Web Services
- an
- analüüsides
- ja
- mistahes
- taotlus
- rakendused
- lähenemisviisid
- asjakohane
- arhitektuur
- OLEME
- Kunst
- kunstlik
- tehisintellekti
- kunstnik
- kunstiline
- AS
- aspekt
- abistama
- At
- tähelepanu
- atribuudid
- Austraalia
- automatiseerima
- Automatiseeritud
- Automaatne
- automatiseerimine
- saadaval
- vältides
- AWS
- Saldo
- põhineb
- BE
- sest
- olnud
- käitumine
- taga
- Kasu
- BEST
- parimaid tavasid
- Parem
- vahel
- Peale
- Suur
- Blokeerima
- keha
- suurendada
- piir
- ühendamine
- Ere
- laiem
- ehitama
- Ehitus
- äri
- kuid
- by
- CAN
- Saab
- võimeid
- võimeline
- Püüdmine
- juhul
- CAT
- kategooriad
- Kategooria
- Kassid
- väljakutse
- väljakutseid
- raske
- valik
- Vali
- klassid
- klassifikatsioon
- salastatud
- lähedal
- Cloud
- kood
- värv
- ühendama
- ühendab
- tuleb
- ühine
- suhtlemine
- võrreldes
- keeruline
- keerukus
- terviklik
- arvuti
- Arvutiteadus
- Arvuti visioon
- arvutustehnika
- mõisted
- konfiguratsioon
- kaaluda
- koosneb
- sisaldub
- Konteiner
- Konteinerid
- sisaldab
- sisu
- Sisu genereerimine
- kontekst
- kontrollitud
- Konverteerimine
- jahe
- Vastav
- võiks
- kattes
- looma
- loodud
- loomine
- loomine
- Loominguline
- loovus
- kriitiline
- Rist
- klient
- Kliendi rahulolu
- Kliendid
- Dallas
- andmed
- sügav
- sügav õpe
- sügavam
- Kraad
- süvenema
- näitama
- näitab
- Olenevalt
- juurutada
- lähetatud
- kasutuselevõtu
- kirjeldama
- kirjeldus
- soovitud
- detail
- detailid
- Määrama
- & Tarkvaraarendus
- seade
- Dialoog
- erinev
- raske
- Diffusion
- digitaalne
- mõõde
- otse
- arutama
- kaugus
- jagatud
- hajutatud arvutus
- mitu
- domeen
- Domeenid
- tehtud
- lae alla
- ajam
- kaks
- ajal
- dünaamiline
- iga
- kergesti
- pood
- Tõhus
- efektiivsus
- tõhusalt
- Töötage välja
- elemendid
- teine
- kinnistamine
- tekkimine
- tekib
- töötab
- võimaldama
- julgustama
- Lõpp-punkt
- kaasamine
- Mootor
- insener
- Inseneriteadus
- suurendama
- suurendamine
- tagab
- ettevõte
- ettevõtete
- kanne
- Ajastu
- oluline
- põhiliselt
- näide
- näited
- näitama
- eksisteerima
- kogemus
- teadmised
- uurima
- Avastades
- väljend
- nägu
- hõlbustada
- pere
- tunnusjoon
- FUNKTSIOONID
- Toidetud
- vähe
- Valdkonnad
- Joonis
- fail
- Faile
- esimene
- voog
- keskendub
- keskendumine
- järgima
- Järel
- eest
- vorm
- formaat
- vormid
- avastatud
- tasuta
- prantsuse
- sõbrad
- Alates
- esi-
- täielikult
- funktsioon
- põhiline
- edasi
- Pealegi
- fusioon
- saadud
- lõhe
- tekitama
- loodud
- genereerib
- teeniva
- põlvkond
- generatiivne
- Generatiivne AI
- saama
- antud
- eesmärk
- kuldne
- suur
- juhised
- juhendid
- käepide
- Varred
- rakmed
- Kasutamine
- Olema
- he
- tugevalt
- aidates
- aitab
- siin
- Suur
- kvaliteetne
- tema
- omab
- Horizons
- võõrustaja
- võõrustas
- Hosting
- Kuidas
- Kuidas
- HTML
- http
- HTTPS
- inim-
- ID
- ideaalis
- ideid
- if
- pilt
- Piltide klassifikatsioon
- pildid
- täitmine
- rakendamisel
- import
- parandama
- Paranemist
- in
- lisatud
- hõlmab
- Kaasa arvatud
- kasvav
- näitama
- tööstus-
- tööstusharudes
- info
- informatiivne
- uuenduslik
- sisend
- sisendite
- sees
- Inspiratsioon
- paigaldama
- Näiteks
- Instituut
- juhised
- integreerima
- integratsioon
- Intelligentsus
- interaktiivne
- Internet
- sisse
- Tutvustab
- kaasama
- kaasates
- küsimustes
- IT
- ITS
- jpg
- Json
- Võti
- teatud
- silt
- Labels
- maastik
- keel
- suur
- Suured ettevõtted
- viima
- Õppida
- õppimine
- Li
- raamatukogud
- peitub
- nagu
- tõenäosus
- liinid
- nimekiri
- Loetletud
- koormus
- laadimine
- kohalik
- liising
- loogika
- logo
- kaotus
- armastab
- Madal
- masin
- masinõpe
- tegema
- Tegemine
- juhitud
- palju
- kaart
- turgudel
- meistrid
- Vastama
- sobitatud
- sobitamine
- tähendusrikas
- keskmine
- ainult
- võib
- rännanud
- miljon
- miljonid
- ML
- MLOps
- mudel
- mudelid
- mõõdukus
- modifitseeritud
- rohkem
- Pealegi
- Hommik
- kõige
- mitmekordne
- nimi
- Natural
- Natural Language Processing
- loodus
- Vajadus
- võrgustikud
- Uus
- uued silmaringid
- öö
- nlp
- mitte ükski
- märkmik
- romaan
- objekt
- of
- maha
- pakkuma
- Pakkumised
- sageli
- on
- ONE
- Internetis
- ainult
- avatud
- Operations
- optimeerimine
- optimeerima
- optimeerimine
- valik
- Valikud
- or
- organisatsioonid
- originaal
- OS
- Muu
- meie
- tulemusi
- väljund
- väljaspool
- tasumata
- ülevaade
- tohutu
- enda
- maali
- paar
- paari
- palett
- Parallel
- parameeter
- osa
- eriti
- Mööduv
- kirglik
- tee
- jõudlus
- Isikliku
- phd
- foto
- fotograafia
- pilt
- Keskses
- inimesele
- Platvormid
- Platon
- Platoni andmete intelligentsus
- PlatoData
- mängimine
- pistik
- Punkt
- populaarne
- tekitab
- võimalused
- post
- potentsiaal
- potentsiaalid
- võim
- tavad
- vajadus
- Täpsus
- ennustus
- eelistusi
- Valmistama
- valmis
- vältida
- eelmine
- varem
- Peamine
- probleeme
- protsess
- Protsessid
- töötlemine
- Toode
- Produktsioon
- Toodet
- esiletõstmine
- paljutõotav
- omadused
- kinnisvara
- pakutud
- anda
- tingimusel
- annab
- pakkudes
- avalikult
- Ostud
- küsimus
- juhuslik
- valik
- alates
- kiiresti
- suhe
- Lugemine
- päris maailm
- hiljuti
- Soovitus
- vähendab
- viitama
- viitab
- rafineerimine
- peegeldav
- piirkond
- seotud
- Suhted
- suhteline
- suhteliselt
- asjakohasus
- asjakohane
- tähelepanuväärne
- Hoidla
- esindamine
- taotleda
- Taotlusi
- nõudma
- Vajab
- teadustöö
- ressursimahukas
- need
- vastus
- vastuste
- tulemuseks
- Tulemused
- tagasipöördumine
- murranguliseks muuta
- õige
- jõuline
- jooks
- jooksmine
- salveitegija
- sama
- rahulolu
- Skaalautuvus
- Skaala
- stsenaariumid
- stseen
- stseenide
- teadus
- käsikiri
- Otsing
- otsingumootor
- otsimine
- Osa
- turvalisus
- vaata
- SELF
- semantika
- vanem
- Lause
- teenima
- teenus
- Teenused
- teenindavad
- komplekt
- mitu
- Aktsiad
- ta
- ostud
- peaks
- näidatud
- Näitused
- märkimisväärne
- märgatavalt
- sarnane
- Samamoodi
- lihtne
- ühekordne
- SUURUS
- jupp
- lahendus
- Lahendused
- LAHENDAGE
- mõned
- mõnikord
- allikas
- Allikad
- Ruum
- spetsialist
- spetsialiseeritud
- spetsialiseerunud
- konkreetse
- määratletud
- spekter
- kiirus
- kulutama
- sport
- stabiilne
- tähine
- alustatud
- Käivitus
- Alustavatel
- modernne
- Sammud
- ladustamine
- salvestada
- ladustatud
- lihtne
- Strateegiline
- kiirendama
- lööma
- stiil
- oluliselt
- selline
- piisav
- soovitama
- Toetab
- vahetama
- kiiresti
- sydney
- süsteem
- süsteemid
- TAG
- Võtma
- võtab
- sihtmärk
- Ülesanne
- ülesanded
- meeskond
- tehnika
- Tehnoloogiad
- šabloon
- tekst
- tekstiline
- kui
- et
- .
- Maastik
- oma
- Neile
- SIIS
- Seal.
- sellega
- seetõttu
- Need
- nad
- see
- Läbi
- aeg
- pealkirjad
- et
- tööriist
- töövahendid
- suunas
- koolitatud
- koolitus
- üle
- trafo
- transformeerivate
- muudab
- Reisimine
- kaks
- tüüp
- mõistmine
- mõeldamatu
- ainulaadne
- avamine
- Värskendused
- laetud
- URL
- us
- kasutama
- Kasutatud
- Kasutaja
- User Experience
- kasutusalad
- kasutamine
- väärtus
- sort
- eri
- suur
- versioon
- väga
- kaudu
- nägemus
- W
- tahan
- Wave
- kuidas
- we
- Jõukus
- web
- veebiteenused
- olid
- M
- millal
- mis
- kuigi
- kogu
- kelle
- will
- võitja
- koos
- sõnastus
- sõnad
- Töö
- töötas
- Töövoogud
- töötab
- oleks
- aastat
- sa
- Sinu
- sephyrnet