See ajaveebi postitus on kirjutatud kahasse Tuana Çelikiga sügavast.
Ettevõtteotsing on dokumentide digiteerimise ja teadmushalduse kaudu organisatsiooni tõhususe kriitiline komponent. Ettevõtteotsing hõlmab dokumentide (nt digitaalfailide) salvestamist, dokumentide indekseerimist otsingu jaoks ja asjakohaste tulemuste pakkumist kasutaja päringutel. Suurte keelemudelite (LLM) tulekuga saame kasutajatele tulemuste pakkumisel rakendada vestluskogemusi. Peame siiski tagama, et LLM-id piiraksid vastuseid ettevõtte andmetele, leevendades seeläbi mudeli hallutsinatsioone.
Selles postituses tutvustame, kuidas luua täielik generatiivne AI rakendus ettevõtte otsinguks koos Retrieval Augmented Generation (RAG) abil, kasutades Haystacki torujuhtmeid ja Falcon-40b-juhiste mudelit Amazon SageMaker JumpStart ja Amazon OpenSearchi teenus. Selles postituses esitatud näidise lähtekood on saadaval aadressil GitHubi hoidla
Lahenduse ülevaade
Generatiivsete AI-rakenduste vastuste piiramiseks ainult ettevõtte andmetega peame kasutama tehnikat nimega Retrieval Augmented Generation (RAG). RAG-meetodit kasutav rakendus hangib ettevõtte teadmistebaasist või sisust kasutaja päringu jaoks kõige asjakohasema teabe, koondab selle kontekstina koos kasutaja päringuga ja saadab selle vastuse saamiseks LLM-ile. LLM-idel on sisendviipade maksimaalsele sõnade arvule piirangud, nii et tuhandete või miljonite dokumentide hulgast ettevõttes õigete lõikude valimine mõjutab otseselt LLM-i täpsust.
RAG-tehnika on muutunud ettevõtete otsingus üha olulisemaks. Selles postituses näitame töövoogu, mis kasutab SageMaker JumpStarti ära Falcon-40b-juhiste mudeli juurutamiseks ja kasutab Haystacki, et kujundada ja käitada otsingu laiendatud küsimustele vastamise konveier. Lõplik otsingu suurendamise töövoog hõlmab järgmisi kõrgetasemelisi samme.
- Kasutajapäringut kasutatakse retriiveri komponendi jaoks, mis teeb vektorotsingu, et tuua meie andmebaasist kõige asjakohasem kontekst.
- See kontekst on manustatud viipasse, mille eesmärk on juhendada LLM-i genereerima vastust ainult etteantud kontekstist.
- LLM genereerib vastuse algsele päringule, võttes arvesse ainult saadud viipasse manustatud konteksti.
SageMaker KiirStart
SageMaker JumpStart toimib mudelikeskusena, mis koondab laia valikut süvaõppemudeleid teksti, nägemise, heli ja manustamise kasutusjuhtude jaoks. Üle 500 mudeliga mudelikeskus sisaldab nii avalikke kui ka patenteeritud mudeleid AWS-i partneritelt, nagu AI21, Stability AI, Cohere ja LightOn. See sisaldab ka ainult Amazoni välja töötatud vundamendimudeleid, näiteks AlexaTM. Mõned mudelid pakuvad võimalust neid oma andmetega peenhäälestada. SageMaker JumpStart pakub ka lahendusmalle, mis seadistavad infrastruktuuri tavaliste kasutusjuhtude jaoks, ja SageMakeriga masinõppe (ML) käivitatavaid näidismärkmikke.
Heinakuhi
Heinakuhi on sügavalt loodud avatud lähtekoodiga raamistik, mis võimaldab arendajatel korraldada LLM-i rakendusi, mis koosnevad erinevatest komponentidest, nagu mudelid, vektor-DB-d, failimuundurid ja lugematu arv muid mooduleid. Heinakuhjas pakub torujuhtmed ja Agendid, kaks võimsat struktuuri LLM-rakenduste kujundamiseks erinevateks kasutusjuhtudeks, sealhulgas otsing, küsimustele vastamine ja vestluse AI. Olles keskendunud nüüdisaegsetele otsingumeetoditele ja kindlatele hindamismõõdikutele, pakub see teile kõike, mida vajate usaldusväärse ja usaldusväärse rakenduse saatmiseks. Saate torujuhtmeid järjestada YAML-failid, paljastage need a REST API, ja skaleerige neid paindlikult oma töökoormusega, muutes rakenduse prototüübi etapist tootmisse teisaldamise lihtsaks.
Amazon OpenSearch
OpenSearch Service on täielikult hallatav teenus, mis muudab OpenSearchi AWS-i pilves juurutamise, skaleerimise ja kasutamise lihtsaks. OpenSearch on skaleeritav, paindlik ja laiendatav avatud lähtekoodiga tarkvarakomplekt otsingu-, analüütika-, turvaseire- ja vaatlemisrakenduste jaoks, mis on litsentsitud Apache 2.0 litsentsi alusel.
Viimastel aastatel on ML-tehnikad muutunud otsingu tõhustamiseks üha populaarsemaks. Nende hulgas on kasutada mudelite manustamine, mudelitüüp, mis suudab kodeerida suure hulga andmeid n-mõõtmelisse ruumi, kus iga olem on kodeeritud vektor, andmepunkt selles ruumis ja korraldatud nii, et sarnased olemid oleksid üksteisele lähemal. Vektorandmebaas pakub tõhusat vektorite sarnasuse otsingut, pakkudes spetsiaalseid indekseid, nagu k-NN indeksid.
OpenSearch Service'i vektorandmebaasi võimalustega saate rakendada semantilist otsingut, RAG-i koos LLM-idega, soovitusmootoreid ja otsida rikasmeediat. Selles postituses kasutame RAG-i, et võimaldada meil täiendada generatiivseid LLM-e välise teadmistebaasiga, mis on tavaliselt koostatud vektorkodeeritud teadmisteartiklitega hüdreeritud vektorandmebaasi abil.
Rakenduse ülevaade
Järgmisel diagrammil on kujutatud lõpliku rakenduse struktuur.
Selles rakenduses kasutame üleslaaditud dokumentide ja dokumentide registri haldamiseks Haystacki indekseerimiskonveieri ning indekseeritud dokumentidest teadmiste hankimiseks Haystacki päringukonveieri.
Heinakuhja indekseerimise torujuhe sisaldab järgmisi kõrgetasemelisi samme:
- Laadige üles dokument.
- Initsialiseerida
DocumentStore
ja indeksdokumente.
Omana kasutame OpenSearchi Dokumendipood ja heinakuhja indekseerimise torujuhe et meie faile OpenSearchi eeltöötleda ja indekseerida. Heinakuhjas Failikonverterid ja Eelprotsessor võimaldab teil puhastada ja ette valmistada toorfailid sellise kuju ja vorminguga, millega teie valitud loomuliku keele töötlemise (NLP) konveier ja keelemudel suudavad toime tulla. Kasutab ka siin kasutatud indekseerimiskonveieri sentence-transformers/all-MiniLM-L12-v2
et luua igale dokumendile manuseid, mida kasutame tõhusaks otsimiseks.
Haystack Query Pipeline sisaldab järgmisi kõrgetasemelisi samme.
- Saadame päringu RAG torujuhtmele.
- An EmbeddingRetriever komponent toimib filtrina, mis otsib kõige asjakohasema
top_k
dokumendid meie OpenSearchi indekseeritud dokumentidest. Selle saavutamiseks kasutame nii päringu kui ka dokumentide manustamiseks (indekseerimisel) meie valitud manustamismudelit. - Otsitud dokumendid on manustatud Falcon-40b-juhise mudeli viipa.
- LLM naaseb vastusega, mis põhineb allalaaditud dokumentidel.
Mudelite juurutamiseks kasutame SageMaker JumpStarti, mis lihtsustab mudelite juurutamist lihtsa nupuvajutusega. Kuigi oleme selle näite jaoks kasutanud ja testinud Falcon-40b-juhendit, võite kasutada mis tahes SageMakeris saadaolevat Hugging Face mudelit.
Lõplik lahendus on saadaval aadressil heinakuhja-salvei hoidlas ning kasutab meie näidisandmetena OpenSearchi veebisaiti ja dokumentatsiooni (OpenSearch 2.7 jaoks), et teostada lisaküsimustele vastamist.
Eeldused
Esimene asi, mida teha enne AWS-i teenuste kasutamist, on veenduda, et oleme registreerunud ja loonud AWS-i konto. Seejärel peaksite looma administraatori kasutaja ja rühma. Mõlema sammu juhiste saamiseks vaadake Seadistage Amazon SageMakeri eeltingimused.
Heinakuhja kasutamiseks peate installima farm-haystack
pakett koos vajalike sõltuvustega. Selle saavutamiseks kasutage requirements.txt
failil GitHubi hoidla joostes pip install requirements.txt
.
Indekseerige dokumendid OpenSearchi
Haystack pakub andmebaasidele mitmeid konnektoreid, mida nimetatakse DocumentStores
. Selle RAG-i töövoo jaoks kasutame OpenSearchDocumentStore
. Näide Hoidla sisaldab indekseerimiskonveieri ja AWS CloudFormation šabloon luua OpenSearchDocumentStore
OpenSearchi veebisaidilt ja dokumentatsioonilehtedelt roomatud dokumentidega.
Sageli peame NLP-rakenduse tootmiseks töötamiseks mõtlema andmete ettevalmistamisele ja puhastamisele. See on kaetud Heinakuhja indekseerimise torujuhtmed, mis võimaldab teil kujundada oma andmete ettevalmistamise etapid, mis lõpuks kirjutavad teie dokumendid teie valitud andmebaasi.
Indekseerimiskonveier võib sisaldada ka dokumentide manustamise loomist. See on taastamisetapi jaoks väga oluline. Meie näites kasutame lause-muundurid/all-MiniLM-L12-v2 kui meie manustamismudel. Seda mudelit kasutatakse kõikide meie indekseeritud dokumentide, aga ka kasutaja päringu loomiseks päringu ajal.
Dokumentide indekseerimiseks OpenSearchDocumentStore
, pakume kaks võimalust koos üksikasjalike juhistega README näitehoidlast. Siin käsitleme samme AWS-is juurutatud OpenSearch teenusega indekseerimiseks.
Käivitage OpenSearch teenus
Kasutage kaasasolevat CloudFormationi mall OpenSearchi teenuse seadistamiseks AWS-is. Kui käivitate järgmise käsu, on teil tühi OpenSearchi teenus. Seejärel saate valida, kas indekseerida meie esitatud näidisandmed või kasutada oma andmeid, mida saate puhastada ja eeltöödelda, kasutades Heinakuhja indekseerimise torujuhe. Pange tähele, et see loob Internetile avatud eksemplari, mida tootmiskasutuseks ei soovitata.
Jätke virna käivitamise lõpuleviimiseks umbes 30 minutit. Selle edenemist saate kontrollida AWS CloudFormationi konsoolil, navigeerides lehele Hoidla lehele ja otsides nimega pinu HaystackOpensearch
.
Indekseerige dokumendid OpenSearchi
Nüüd, kui meil töötab OpenSearchi teenus, saame sellega ühenduse loomiseks ja oma dokumentide kirjutamiseks kasutada klassi OpenSearchDocumentStore.
OpenSearchi hostinime hankimiseks käivitage järgmine käsk:
Esmalt eksportige järgmised asjad:
Seejärel saate kasutada opensearch_indexing_pipeline.py
skript esitatud demoandmete eeltöötlemiseks ja indekseerimiseks.
Kui soovite kasutada oma andmeid, muutke indekseerimiskonveieri sisse opensearch_indexing_pipeline.py
lisada FileConverter ja Eelprotsessor vajalikke seadistusetappe.
Rakendage otsingu laiendatud küsimustele vastamise konveier
Nüüd, kui oleme OpenSearchis andmed indekseerinud, saame nendele dokumentidele vastata küsimustele. Selle RAG torujuhtme jaoks kasutame Falcon-40b-juhiste mudelit, mille oleme juurutanud SageMaker JumpStartis.
Samuti saate mudelit Jupyteri sülearvutist programmiliselt juurutada. Juhiste saamiseks vaadake GitHub repo.
- Otsige SageMaker JumpStartist Falcon-40b-juhiste mudelit.
- Juurutage oma mudel saidil SageMaker JumpStart ja pange tähele lõpp-punkti nimi.
- Eksportige järgmised väärtused:
- jooks
python rag_pipeline.py
.
See käivitab käsurea utiliidi, mis ootab kasutaja küsimust. Näiteks küsigem "Kuidas saan installida OpenSearchi kliki?"
See tulemus saavutatakse, kuna oleme oma viipa määratlenud Haystack Prompt Template olema järgmine:
Edasised kohandused
Saate teha lahenduse erinevatele elementidele täiendavaid kohandusi, näiteks järgmist.
- Andmed – Oleme pakkunud OpenSearchi dokumentatsioon ja veebisait andmed näidisandmetena. Ärge unustage muuta
opensearch_indexing_pipeline.py
skript, mis sobib teie vajadustega, kui otsustasite kasutada oma andmeid. - Mudel – Selles näites oleme kasutanud Falcon-40b-juhiste mudelit. Saate SageMakeris vabalt juurutada ja kasutada mis tahes muid Hugging Face mudelit. Pange tähele, et mudeli muutmine tähendab tõenäoliselt seda, et peaksite kohandama oma viipa millelegi, mille jaoks see on ette nähtud.
- Viip – Selle postituse jaoks lõime oma
PromptTemplate
mis juhendab mudelit vastama esitatud konteksti alusel küsimustele ja vastama "ma ei tea", kui kontekst ei sisalda asjakohast teavet. Saate seda viipa muuta, et katsetada erinevaid viipasid Falcon-40b-juhisega. Võite ka mõne meie viipadest lihtsalt tõmmata PromptHub. - Manustusmudel – Otsimisetapiks kasutame kerget manustamismudelit: lause-muundurid/all-MiniLM-L12-v2. Siiski võite seda ka vastavalt oma vajadustele muuta. Ärge unustage muuta eeldatavaid manustamismõõtmeid
DocumentStore
vastavalt. - Väljavõetud dokumentide arv – Võite ka mängida küsitavate dokumentide arvuga
EmbeddingRetriever
iga päringu jaoks hankida. Meie seadistuses on see seatud top_k=5. Võite katsetada selle arvu muutmisega, et näha, kas konteksti lisamine parandab teie tulemuste täpsust.
Tootmisvalmidus
Selles postituses pakutud lahendus võib kiirendada projekti arendusprotsessi väärtustamise aega. Saate luua projekti, mida on AWS-i pilve turva- ja privaatsuskeskkonnaga lihtne skaleerida.
Turvalisuse ja privaatsuse tagamiseks pakub OpenSearch Service andmekaitset identiteedi ja juurdepääsu haldamine ja teenusteülene segane puhverserveri vältimine. Võite kasutada täpset kasutaja juurdepääsu juhtimist, et kasutaja pääseks juurde ainult neile andmetele, millele tal on juurdepääs. Lisaks pakub SageMaker konfigureeritavaid turbesätteid juurdepääsu kontroll, andmekaitseja metsaraie ja seire. Saate kaitsta oma andmeid puhkeolekus ja edastamisel AWS-i võtmehaldusteenus (AWS KMS) võtmed. Samuti saate jälgida SageMakeri mudeli juurutamise või lõpp-punkti juurdepääsu logi Amazon CloudWatch. Lisateabe saamiseks vaadake Jälgige Amazon SageMakerit rakendusega Amazon CloudWatch.
OpenSearch Service'i suure mastaapsuse tagamiseks võite seda kohandada OpenSearch Service'i domeenide suuruse määramine ja tööle võtmine tegevuse parimad tavad. Saate kasutada ka SageMakeri lõpp-punkti automaatset skaleerimist – saate seda teha automaatselt skaleerida SageMakeri mudeleid lõpp-punkti kohandamiseks nii liikluse suurenemise kui ka ressursside mittekasutamise korral.
Koristage
Kulude säästmiseks kustutage kõik selle postituse osana juurutatud ressursid. Kui käivitasite CloudFormationi virna, saate selle AWS CloudFormationi konsooli kaudu kustutada. Samamoodi saate kustutada kõik SageMakeri lõpp-punktid, mille olete loonud SageMakeri konsooli kaudu.
Järeldus
Selles postituses tutvustasime, kuidas luua RAG-iga ettevõtteotsingu jaoks otsast lõpuni generatiivne AI-rakendus, kasutades Haystacki torujuhtmeid ja Falcon-40b-juhiste mudelit SageMaker JumpStart ja OpenSearch Service. RAG-lähenemine on ettevõtte otsingus kriitilise tähtsusega, kuna see tagab, et genereeritud vastused on domeenisisesed ja leevendavad seega hallutsinatsioone. Haystacki torujuhtmeid kasutades saame korraldada LLM-i rakendusi, mis koosnevad erinevatest komponentidest, nagu mudelid ja vektorandmebaasid. SageMaker JumpStart pakub meile ühe klõpsuga lahendust LLM-ide juurutamiseks ja kasutasime oma indekseeritud andmete vektorandmebaasina OpenSearch Service'i. Saate alustada katsetamist ja oma ettevõtte generatiivsete AI-rakenduste jaoks RAG-i kontseptsioonitõestuste loomist, kasutades selles postituses kirjeldatud samme ja lähtekoodi, mis on saadaval GitHubi hoidla.
Autoritest
Tuana Celik on juhtiv arendaja advokaat sügavusel, kus ta keskendub Haystacki avatud lähtekoodiga kogukonnale. Ta juhib arendajasuhete funktsiooni ja räägib regulaarselt NLP-teemalistel üritustel ning loob kogukonnale õppematerjale.
Roy Allela on Saksamaal Münchenis asuva AWS-i vanem AI/ML spetsialistilahenduste arhitekt. Roy aitab AWS-i klientidel – alates väikestest idufirmadest kuni suurte ettevõteteni – AWS-is tõhusalt koolitada ja juurutada suuri keelemudeleid. Roy on kirglik arvutuslike optimeerimisprobleemide ja tehisintellekti töökoormuste jõudluse parandamise vastu.
Mia Chang on Amazon Web Servicesi ML-i spetsialistlahenduste arhitekt. Ta töötab EMEA-s asuvate klientidega ja jagab parimaid tavasid AI/ML-i töökoormuste käitamiseks pilves, omades rakendusmatemaatikat, arvutiteadust ja AI/ML-i tausta. Ta keskendub NLP-spetsiifilistele töökoormustele ning jagab oma kogemusi konverentsiesineja ja raamatute autorina. Vabal ajal naudib ta matkamist, lauamänge ja kohvi keetmist.
Inaam Syed on AWS-i idufirmade lahenduste arhitekt, keskendudes tugevalt B2B ja SaaS-i idufirmade abistamisele skaleerimisel ja kasvu saavutamisel. Tal on sügav kirg serverita arhitektuuride ja AI/ML vastu. Vabal ajal naudib Inaam kvaliteetseid hetki perega ning armastab jalgrattasõitu ja sulgpalli.
David Tippett on vanemarendaja advokaat, kes töötab AWS-is avatud lähtekoodiga OpenSearchiga. Tema töö hõlmab kõiki OpenSearchi valdkondi alates otsingust ja asjakohasusest kuni vaadeldavuse ja turvaanalüütikani.
- 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. Autod/elektrisõidukid, Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
- PlatoTervis. Biotehnoloogia ja kliiniliste uuringute luureandmed. Juurdepääs siia.
- ChartPrime. Tõsta oma kauplemismängu ChartPrime'iga kõrgemale. Juurdepääs siia.
- BlockOffsets. Keskkonnakompensatsiooni omandi ajakohastamine. Juurdepääs siia.
- Allikas: https://aws.amazon.com/blogs/machine-learning/build-production-ready-generative-ai-applications-for-enterprise-search-using-haystack-pipelines-and-amazon-sagemaker-jumpstart-with-llms/
- :on
- :on
- :mitte
- : kus
- $ UP
- 100
- 12
- 13
- 30
- 500
- 7
- 8
- a
- Võimalik
- MEIST
- kiirendama
- juurdepääs
- täitma
- vastavalt
- konto
- täpsus
- Saavutada
- saavutada
- saavutamisel
- õigusaktid
- kohandama
- Täiendavad lisad
- Lisaks
- haldus-
- ADEelis
- Advent
- advokaat
- AI
- AI / ML
- Materjal: BPA ja flataatide vaba plastik
- võimaldama
- võimaldab
- mööda
- Ka
- Kuigi
- Amazon
- Amazon SageMaker
- Amazon SageMaker JumpStart
- Amazon Web Services
- vahel
- an
- analytics
- ja
- vastus
- mistahes
- Apache
- taotlus
- rakendused
- rakendatud
- lähenemine
- umbes
- OLEME
- valdkondades
- ümber
- Array
- Kunst
- kaubad
- AS
- abistamine
- At
- heli-
- suurendatud
- autor
- volitatud
- auto
- saadaval
- AWS
- AWS CloudFormation
- B2B
- tagapõhi
- baas
- põhineb
- BE
- sest
- muutuma
- enne
- on
- alla
- BEST
- parimaid tavasid
- Suur
- Blogi
- juhatus
- Lauamängud
- keha
- raamat
- mõlemad
- lai
- ehitama
- Ehitus
- ehitatud
- kimbud
- kuid
- nupp
- by
- kutsutud
- CAN
- võimeid
- juhtudel
- muutma
- muutuv
- kontrollima
- valik
- Vali
- valimine
- Valisin
- klass
- puhastamine
- lähemale
- Cloud
- kood
- Kohv
- ühine
- kogukond
- ettevõte
- Täiendus
- täitma
- komponent
- komponendid
- koosneb
- arvuti
- Arvutiteadus
- mõiste
- Konverents
- segaduses
- Võta meiega ühendust
- arvestades
- konsool
- sisaldub
- sisu
- kontekst
- kontrollida
- jutukas
- jutukas AI
- kulud
- kaetud
- KATTED
- looma
- loodud
- loob
- kriitiline
- Kliendid
- andmed
- Andmete ettevalmistamine
- andmekaitse
- andmebaas
- andmebaasid
- DBS
- tegelema
- sügav
- sügav õpe
- määratletud
- demo
- sõltuvused
- juurutada
- lähetatud
- juurutamine
- kasutuselevõtu
- Disain
- kavandatud
- projekteerimine
- üksikasjalik
- arenenud
- arendaja
- Arendajad
- & Tarkvaraarendus
- erinev
- digitaalne
- digiteerimine
- mõõdud
- otsene
- do
- dokument
- dokumentatsioon
- dokumendid
- ei
- Ei tee
- don
- Ära
- iga
- lihtne
- efektiivsus
- tõhus
- tõhusalt
- kumbki
- elemendid
- Embed
- varjatud
- kinnistamine
- EMEA
- võimaldama
- lõpp
- Lõpuks-lõpuni
- Lõpp-punkt
- Mootorid
- suurendama
- tagama
- tagab
- ettevõte
- üksuste
- üksus
- keskkond
- hindamine
- sündmused
- kõik
- näide
- oodatav
- kogemus
- Kogemused
- eksperiment
- eksport
- väline
- nägu
- pere
- Joonis
- fail
- Faile
- filtreerida
- lõplik
- esimene
- sobima
- paindlik
- paindlikult
- Keskenduma
- keskendub
- Järel
- eest
- formaat
- Sihtasutus
- Raamistik
- tasuta
- Alates
- täielikult
- funktsioon
- Mängud
- tekitama
- loodud
- genereerib
- põlvkond
- generatiivne
- Generatiivne AI
- Saksamaa
- saama
- antud
- Grupp
- Kasv
- käepide
- Olema
- võttes
- he
- aitab
- siin
- siin
- Suur
- kõrgetasemeline
- kõrgelt
- tema
- hosts
- Kuidas
- Kuidas
- aga
- HTML
- http
- HTTPS
- Keskus
- i
- Identity
- if
- mõju
- rakendada
- oluline
- Paranemist
- in
- sisaldama
- hõlmab
- Kaasa arvatud
- kasvanud
- üha rohkem
- indeks
- indekseeritud
- indeksid
- info
- Infrastruktuur
- sisend
- paigaldama
- Näiteks
- juhised
- Internet
- sisse
- IT
- ITS
- jpg
- Võti
- võtmed
- Teadma
- teadmised
- Teadmiste juhtimine
- keel
- suur
- algatama
- käivitatud
- viima
- Leads
- õppimine
- litsents
- Litsentseeritud
- kerge
- nagu
- Tõenäoliselt
- LIMIT
- piirangud
- joon
- LLM
- logi
- metsaraie
- otsin
- armastus
- masin
- masinõpe
- tehtud
- tegema
- TEEB
- Tegemine
- juhtima
- juhitud
- juhtimine
- materjalid
- matemaatika
- maksimaalne
- mai..
- keskmine
- Meedia
- meetodid
- Meetrika
- miljonid
- protokoll
- leevendav
- ML
- mudel
- mudelid
- muutma
- Moodulid
- Hetki
- järelevalve
- rohkem
- kõige
- liikuma
- nimi
- Nimega
- Natural
- Natural Language Processing
- navigeerimine
- Vajadus
- vajadustele
- nlp
- märkmik
- number
- of
- pakkuma
- Pakkumised
- on
- ainult
- avatud
- avatud lähtekoodiga
- Avatud lähtekoodiga tarkvara
- töötama
- optimeerimine
- valik
- Valikud
- or
- organisatsiooniline
- Korraldatud
- originaal
- Muu
- meie
- välja toodud
- üle
- enda
- pakend
- lehekülg
- lehekülge
- osa
- partnerid
- kirg
- kirglik
- täitma
- jõudlus
- torujuhe
- Platon
- Platoni andmete intelligentsus
- PlatoData
- mängima
- palun
- Punkt
- populaarne
- post
- võimas
- tavad
- ettevalmistamine
- Valmistama
- privaatsus
- probleeme
- protsess
- töötlemine
- Produktsioon
- Edu
- projekt
- tõendid
- pakutud
- varaline
- kaitsma
- kaitse
- prototüüp
- anda
- tingimusel
- annab
- pakkudes
- volikiri
- avalik
- Lükkama
- kvaliteet
- päringud
- küsimus
- Küsimused
- Töötlemata
- saadud
- hiljuti
- Soovitus
- soovitatav
- regulaarselt
- suhted
- asjakohasus
- asjakohane
- usaldusväärne
- meeles pidama
- Hoidla
- taotleda
- nõudma
- nõutav
- Nõuded
- Vahendid
- vastus
- vastuste
- REST
- piirata
- kaasa
- Tulemused
- Tulu
- Rikas
- õige
- Roy
- jooks
- jooksmine
- SaaS
- salveitegija
- Säästa
- ütlema
- Skaalautuvus
- skaalautuvia
- Skaala
- ketendamine
- teadus
- Otsing
- turvalisus
- vaata
- saatma
- saadab
- vanem
- Serverita
- teenib
- teenus
- Teenused
- komplekt
- seaded
- seade
- kuju
- Aktsiad
- ta
- LAEV
- peaks
- näitama
- presentatsioon
- tutvustatud
- allkirjastatud
- sarnane
- Samamoodi
- lihtne
- lihtsalt
- väike
- So
- tarkvara
- Ainult
- tahke
- lahendus
- Lahendused
- mõned
- midagi
- allikas
- lähtekoodi
- Ruum
- Kõneleja
- Räägib
- spetsialist
- spetsialiseeritud
- Stabiilsus
- Kestab
- Stage
- algus
- käivitamisel
- Alustavatel
- Samm
- Sammud
- ladustamine
- tugev
- struktuur
- selline
- komplekt
- kindel
- Võtma
- võtab
- tehnikat
- malle
- katsetatud
- et
- .
- Allikas
- Neile
- SIIS
- sellega
- seetõttu
- Need
- nad
- asi
- mõtlema
- see
- tuhandeid
- Läbi
- aeg
- et
- kokku
- jälgida
- liiklus
- transiit
- usaldusväärne
- kaks
- tüüp
- tüüpiliselt
- lõpuks
- all
- laetud
- us
- kasutama
- Kasutatud
- Kasutaja
- Kasutajad
- kasutusalad
- kasutamine
- kasulikkus
- väärtus
- Väärtused
- eri
- kaudu
- nägemus
- ootab
- we
- web
- veebiteenused
- veebisait
- millal
- mis
- will
- koos
- jooksul
- sõna
- Töö
- töövoog
- töö
- töötab
- oleks
- kirjutama
- yaml
- aastat
- sa
- Sinu
- sephyrnet