Selle postituse kirjutasid kaasa Ramdev Wudali ja Kiran Mantripragada Thomson Reutersist.
Aastal 1992, Thomson Reuters (TR) andis välja oma esimese tehisintellekti juriidilise uurimisteenuse WIN (Westlaw Is Natural), mis oli toonane uuendus, kuna enamik otsingumootoreid toetas ainult Boole'i termineid ja konnektoreid. Sellest ajast alates on TR saavutanud palju rohkem verstaposte, kuna tema tehisintellekti toodete ja teenuste arv ja mitmekesisus kasvab pidevalt, toetades õigus-, maksu-, raamatupidamis-, vastavus- ja uudisteteenuste spetsialiste kogu maailmas ning igal aastal genereeritakse miljardeid masinõppe (ML) teadmisi. .
Tänu tehisintellektiteenuste tohutule kasvule oli TR järgmiseks verstapostiks innovatsiooni tõhustamine ja koostöö hõlbustamine. Standardiseerige tehisintellektilahenduste loomine ja taaskasutamine kõigis ärifunktsioonides ja tehisintellekti praktikute isikutes, tagades samal ajal ettevõtte parimate tavade järgimise.
- Automatiseerige ja standardiseerige korduvad diferentseerimata inseneritööd
- Tagada tundlike andmete nõutav isoleerimine ja kontroll vastavalt ühistele juhtimisstandarditele
- Pakkuge lihtsat juurdepääsu skaleeritavatele arvutusressurssidele
Nende nõuete täitmiseks ehitas TR Enterprise AI platvormi järgmise viie samba ümber: andmeteenus, katsetamise tööruum, mudelite keskregister, mudeli juurutamise teenus ja mudeli jälgimine.
Selles postituses arutleme, kuidas TR ja AWS tegid koostööd, et arendada TR-i esimest Enterprise AI platvormi – veebipõhist tööriista, mis pakuks võimalusi alates ML-i eksperimenteerimisest, koolitusest, kesksest mudeliregistrist, mudeli juurutusest ja mudeli jälgimisest. Kõik need võimalused on loodud TR-i pidevalt arenevate turvastandarditega tegelemiseks ning lõppkasutajatele lihtsate, turvaliste ja nõuetele vastavate teenuste pakkumiseks. Samuti jagame, kuidas TR võimaldas ühe klaasiga eri äriüksustes loodud ML-mudelite jälgimist ja juhtimist.
Väljakutsed
Ajalooliselt TR-is on ML olnud võimekus arenenud andmeteadlaste ja inseneridega meeskondadele. Kõrgelt kvalifitseeritud ressurssidega meeskonnad suutsid rakendada keerulisi ML-protsesse vastavalt oma vajadustele, kuid muutusid kiiresti väga silotuks. Siledad lähenemisviisid ei andnud mingit nähtavust, mis võimaldaks juhtida äärmiselt kriitilisi otsustusprognoose.
TR ärimeeskondadel on laialdased teadmised valdkonnast; ML-is nõutavad tehnilised oskused ja rasked inseneritööd muudavad aga nende sügavate teadmiste kasutamise keeruliseks äriprobleemide lahendamiseks ML-i jõul. TR soovib oskusi demokratiseerida, muutes need organisatsioonis rohkematele inimestele kättesaadavaks.
TR-i erinevad meeskonnad järgivad oma tavasid ja metoodikat. TR soovib arendada oma kasutajatele ML-i elutsüklit hõlmavaid võimalusi, et kiirendada ML-projektide elluviimist, võimaldades meeskondadel keskenduda ärieesmärkidele, mitte korduvale eristamatule inseneritööle.
Lisaks arenevad jätkuvalt andmeid ja eetilist tehisintellekti käsitlevad eeskirjad, mis nõuavad TR-i tehisintellektilahenduste ühtseid juhtimisstandardeid.
Lahenduse ülevaade
TR Enterprise AI Platform pidi pakkuma lihtsaid ja standardiseeritud teenuseid erinevatele isikutele, pakkudes võimalusi ML elutsükli iga etapi jaoks. TR on tuvastanud viis peamist kategooriat, mis moduleerivad kõiki TR-i nõudeid:
- Andmeteenus – võimaldada lihtsat ja turvalist juurdepääsu ettevõtte andmevaradele
- Katsetamise tööruum - Pakkuda võimalusi katsetada ja koolitada ML mudeleid
- Keskne mudeliregister – ettevõtete kataloog erinevatele äriüksustele ehitatud mudelitele
- Mudeli juurutamise teenus – TRi ettevõtte CI/CD tavade järgi erinevate järelduste juurutamise võimaluste pakkumine
- Mudelite jälgimise teenused – Andmete jälgimise ning nihete ja triivide modelleerimise võimalused
Nagu on näidatud järgmisel diagrammil, on need mikroteenused üles ehitatud mõningaid põhiprintsiipe silmas pidades.
- Eemaldage kasutajatelt eristumatu inseneritöö
- Pakkuge vajalikud võimalused ühe nupuvajutusega
- Kaitske ja juhtige kõiki võimalusi vastavalt TR-i ettevõtte standarditele
- ML-i tegevuste jaoks võtke kaasa üks klaas
TR-i AI platvormi mikroteenused on koostatud Amazon SageMaker põhimootorina, AWS-i serverita komponendid töövoogude jaoks ja AWS-i DevOpsi teenused CI/CD tavade jaoks. SageMakeri stuudio kasutatakse katsetamiseks ja koolituseks ning mudelite registreerimiseks SageMakeri mudeliregistrit. Keskne mudeliregister koosneb nii SageMakeri mudeliregistrist kui ka Amazon DynamoDB tabelis. SageMakeri hostimisteenused kasutatakse mudelite juurutamiseks, samas SageMakeri mudelimonitor ja SageMaker Clarify kasutatakse mudelite jälgimiseks triivi, kallutatuse, kohandatud meetrikakalkulaatorite ja seletatavuse osas.
Järgmistes jaotistes kirjeldatakse neid teenuseid üksikasjalikult.
Andmeteenus
Traditsiooniline ML-projekti elutsükkel algab andmete leidmisest. Üldiselt kulutavad andmeteadlased 60% või rohkem oma ajast õigete andmete leidmiseks, kui nad neid vajavad. Nagu igal organisatsioonil, on ka TR-l mitu andmesalvet, mis toimivad erinevate andmedomeenide jaoks ühtse tõepunktina. TR tuvastas kaks peamist ettevõtte andmesalvesti, mis pakuvad andmeid enamiku nende ML-i kasutusjuhtude jaoks: objektihoidla ja relatsiooniandmesalvesti. TR ehitas tehisintellekti platvormi andmeteenuse, et võimaldada sujuvalt juurdepääsu mõlemale andmesalvele kasutajate eksperimenteerimistööruumidest ja eemaldada kasutajate koormus keerukates protsessides iseseisvalt andmete hankimiseks. TR-i tehisintellekti platvorm järgib kõiki andmete ja mudelijuhtimise meeskonna määratletud vastavusi ja parimaid tavasid. See hõlmab kohustuslikku andmete mõju hindamist, mis aitab ML praktikutel mõista ja järgida andmete eetilist ja asjakohast kasutamist koos ametlike heakskiitmisprotsessidega, et tagada andmetele asjakohane juurdepääs. Selle teenuse, aga ka kõigi platvormiteenuste tuum on turvalisus ja vastavus vastavalt TRi ja tööstuse poolt kindlaks määratud parimatele tavadele.
Amazoni lihtne salvestusteenus (Amazon S3) objektide salvestusruum toimib sisuandmete järvena. TR ehitas protsessid, mis võimaldavad turvaliselt juurdepääsu andmetele sisu andmejärvest kasutajate eksperimenteerimistööruumidesse, säilitades samal ajal nõutud autoriseerimise ja auditeeritavuse. Snowflake'i kasutatakse ettevõtte relatsioonilise esmase andmehoidlana. Kasutaja taotlusel ja andmeomaniku nõusolekul pakub AI platvormi andmeteenus kasutajale andmetest hetktõmmise, mis on nende katsetamise tööruumis hõlpsasti kättesaadav.
Erinevatest allikatest andmetele juurdepääs on tehniline probleem, mida saab hõlpsasti lahendada. Kuid keerukus, mille TR on lahendanud, seisneb selles, et luuakse heakskiitmise töövood, mis automatiseerivad andmete omaniku tuvastamise, juurdepääsutaotluse saatmise, tagavad, et andmeomanikku teavitatakse, et tal on ootel juurdepääsutaotlus, ja võtavad heakskiidu oleku põhjal meetmeid andmete edastamiseks taotleja. Kõiki selle protsessi sündmusi jälgitakse ja logitakse auditeeritavuse ja vastavuse tagamiseks.
Nagu on näidatud järgmisel diagrammil, kasutab TR AWS-i astmefunktsioonid töövoo korraldamiseks ja AWS Lambda funktsiooni käivitamiseks. Amazon API värav kasutatakse nende veebiportaalist tarbitava API lõpp-punktiga funktsionaalsuse avalikustamiseks.
Mudeli katsetamine ja arendamine
ML elutsükli standardimise oluline võimalus on keskkond, mis võimaldab andmeteadlastel katsetada erinevate ML-raamistike ja andmemahtudega. Sellise turvalise ja nõuetele vastava keskkonna lubamine pilves mõne minutiga vabastab andmeteadlased pilveinfrastruktuuri, võrgunõuete ja turvastandardimeetmete haldamise koormast ning keskendub selle asemel andmeteaduse probleemile.
TR loob eksperimenteerimistööruumi, mis pakub juurdepääsu sellistele teenustele nagu AWS liim, Amazon EMRja SageMaker Studio, et võimaldada andmetöötlust ja ML-võimalusi, mis järgivad ettevõtte pilveturbestandardeid ja nõutavat kontoisolatsiooni iga äriüksuse jaoks. TR on lahenduse rakendamisel kokku puutunud järgmiste probleemidega:
- Varajane orkestreerimine ei olnud täielikult automatiseeritud ja hõlmas mitmeid käsitsi toiminguid. Probleemide ilmnemise koha leidmine ei olnud lihtne. TR sai sellest veast üle, korraldades töövood astmefunktsioonide abil. Step Functions'i kasutamisega muutus keerukate töövoogude loomine, olekute haldamine ja vigade käsitlemine palju lihtsamaks.
- korralik AWS-i identiteedi- ja juurdepääsuhaldus (IAM) rollimääratlust katsetamise tööruumi jaoks oli raske määratleda. TR-i siseturbestandardite ja vähimate privileegide mudeli järgimiseks määrati tööruumi roll algselt sisemiste poliitikatega. Sellest tulenevalt kasvas tekstisisene poliitika aja jooksul ja muutus paljusõnaliseks, ületades IAM-i rolli jaoks lubatud poliitika suuruse piirangu. Selle leevendamiseks kasutas TR rohkem kliendi hallatavaid poliitikaid ja viitas neile tööruumi rollide määratluses.
- TR jõudis aeg-ajalt AWS-i konto tasemel rakendatud ressursi vaikepiiranguteni. See põhjustas aeg-ajalt tõrkeid SageMakeri tööde (näiteks koolitustööde) käivitamisel, kuna soovitud ressursitüübi limiit on saavutatud. TR tegi selles küsimuses tihedat koostööd SageMakeri teenindusmeeskonnaga. See probleem lahendati pärast seda, kui AWS-i meeskond käivitas SageMakeri toetatud teenusena Teenuse kvoodid juunis 2022.
Täna saavad TRi andmeteadlased käivitada ML-projekti, luues iseseisva tööruumi ja lisades koostööks vajalikud meeskonnaliikmed. SageMakeri pakutav piiramatu ulatus on nende käeulatuses, pakkudes neile erineva suurusega kohandatud kerneli pilte. SageMaker Studio sai kiiresti TR-i AI platvormi oluliseks komponendiks ja on muutnud kasutajate käitumist piiratud töölauarakenduste kasutamisest skaleeritavate ja lühiajaliste sihtotstarbeliste mootoriteni. Järgmine diagramm illustreerib seda arhitektuuri.
Keskne mudeliregister
Mudeliregister on kõigi TR-i masinõppemudelite keskne hoidla, võimaldab nende riski- ja tervisejuhtimist standardiseeritud viisil kõigis ärifunktsioonides ning lihtsustab võimalike mudelite taaskasutamist. Seetõttu pidi teenus tegema järgmist:
- Võimaldab registreerida nii uusi kui ka pärandmudeleid, olenemata sellest, kas need on välja töötatud SageMakeris või väljaspool seda
- Rakendage juhtimistöövooge, võimaldades andmeteadlastel, arendajatel ja sidusrühmadel mudelite elutsüklit vaadata ja ühiselt hallata.
- Suurendage läbipaistvust ja koostööd, luues tsentraliseeritud vaate kõigist TR-i mudelitest koos metaandmete ja tervisemõõdikutega
TR alustas disaini ainult SageMakeri mudeliregistriga, kuid üks TR-i põhinõudeid on pakkuda võimalust registreerida väljaspool SageMakeri loodud mudeleid. TR hindas erinevaid relatsiooniandmebaase, kuid valis lõpuks DynamoDB, kuna pärandallikatest pärit mudelite metaandmete skeem on väga erinev. Samuti ei tahtnud TR kasutajatele lisatööd peale panna, mistõttu nad rakendasid AI platvormi tööruumi SageMakeri registrite ja keskse SageMakeri registrite vahel sujuva automaatse sünkroonimise. Amazon EventBridge reeglid ja nõutavad IAM-rollid. TR täiustas keskregistrit DynamoDB-ga, et laiendada võimalusi registreerida kasutajate töölaudadel loodud pärandmudeleid.
TR-i AI platvormi keskne mudeliregister on integreeritud AI platvormi portaali ja pakub visuaalset liidest mudelite otsimiseks, mudelite metaandmete värskendamiseks ning mudeli baasmõõdikute ja perioodiliste kohandatud jälgimismõõdikute mõistmiseks. Järgmine diagramm illustreerib seda arhitektuuri.
Mudeli juurutamine
TR tuvastas juurutamise automatiseerimiseks kaks peamist mustrit:
- SageMakeri kaudu SageMakeri kaudu välja töötatud mudelid teisendavad töid eelistatud ajakava järgi järelduste tegemiseks
- Mudelid, mis on välja töötatud väljaspool SageMakerit kohalikel töölaudadel, kasutades avatud lähtekoodiga teeke, kasutades oma konteineri lähenemisviisi, kasutades kohandatud järelduskoodi käitamiseks SageMakeri töötlemistöid, mis on tõhus viis nende mudelite migreerimiseks ilma koodi ümber kujundamata.
AI platvormi juurutusteenusega saavad TR-i kasutajad (andmeteadlased ja ML-insenerid) tuvastada kataloogist mudeli ja juurutada järeldustöö oma valitud AWS-i kontole, pakkudes kasutajaliidese juhitud töövoo kaudu vajalikud parameetrid.
TR automatiseeris selle juurutamise, kasutades selliseid AWS DevOpsi teenuseid nagu AWS CodePipeline ja AWS CodeBuild. TR kasutab sammufunktsioone, et korraldada andmete lugemise ja eeltöötluse töövoogu SageMakeri järeldustööde loomiseks. TR juurutab vajalikud komponendid koodina AWS CloudFormation mallid. Järgmine diagramm illustreerib seda arhitektuuri.
Mudeli jälgimine
ML elutsükkel ei ole täielik ilma mudelite jälgimiseta. TR-i ettevõtte juhtimismeeskond volitab ja julgustab ärimeeskondi jälgima oma mudelite toimimist aja jooksul, et lahendada võimalikke regulatiivseid probleeme. TR alustas seiremudelite ja andmetega triivimiseks. TR kasutas SageMaker Model Monitori andmete baasjoone ja järelduste põhitõe saamiseks, et perioodiliselt jälgida, kuidas TR-i andmed ja järeldused triivivad. Koos SageMakeri mudeli jälgimismõõdikutega täiustas TR jälgimisvõimet, töötades välja oma mudelitele spetsiifilisi kohandatud mõõdikuid. See aitab TRi andmeteadlastel mõista, millal oma mudelit ümber õpetada.
Lisaks triivi jälgimisele soovib TR mõista ka mudelite kallutatust. TR-i kallutatuse teenuse loomiseks kasutatakse SageMaker Clarify kasutusvalmis võimalusi. TR jälgib nii andmete kui ka mudeli kallutatust ning teeb need mõõdikud oma kasutajatele kättesaadavaks AI platvormi portaali kaudu.
Et aidata kõigil meeskondadel neid ettevõtte standardeid kasutusele võtta, on TR muutnud need teenused sõltumatuks ja hõlpsasti kättesaadavaks AI platvormi portaali kaudu. TR-i ärimeeskonnad saavad siseneda portaali ja juurutada iseseisvalt mudelijälgimise või kallutatuse jälgimise töö ning käitada neid oma eelistatud ajakava järgi. Neid teavitatakse iga töö oleku ja mõõdikute kohta.
TR kasutas AWS-i teenuseid CI/CD juurutamiseks, töövoo korraldamiseks, serverita raamistike ja API lõpp-punktide jaoks, et luua iseseisvalt käivitatavaid mikroteenuseid, nagu on näidatud järgmises arhitektuuris.
Tulemused ja edasised täiustused
TR-i AI platvorm võeti kasutusele 3. aasta kolmandas kvartalis koos kõigi viie peamise komponendiga: andmeteenus, katsetamise tööruum, keskne mudeliregister, mudeli juurutamine ja mudeli jälgimine. TR viis oma äriüksustele platvormile sisenemiseks läbi sisekoolitusi ja pakkus neile isejuhitavaid koolitusvideoid.
AI platvorm on pakkunud TR-i meeskondadele võimalusi, mida pole kunagi varem eksisteerinud; see on avanud TR-i ettevõtte juhtimismeeskonnale laialdased võimalused vastavusstandardite täiustamiseks ja registri tsentraliseerimiseks, pakkudes ühtset vaadet kõikidele TR-i ML-mudelitele.
TR tunnistab, et ükski toode ei ole esialgsel väljalaskmisel parimal tasemel. Kõik TR-i komponendid on erineva küpsusastmega ja TR Enterprise AI Platformi meeskond on pidevas täiustamisetapis, et toote funktsioone korduvalt täiustada. TR-i praegune arenduskonveier sisaldab täiendavate SageMakeri järeldusvõimaluste lisamist, nagu reaalajas, asünkroonsed ja mitme mudeli lõpp-punktid. TR kavatseb lisada ka mudeli selgitatavuse oma mudeli jälgimise teenusesse. TR plaanib kasutada SageMaker Clarify selgitatavuse võimalusi oma sisemise selgitatavuse teenuse arendamiseks.
Järeldus
TR saab nüüd turvaliselt töödelda tohutul hulgal andmeid ja kasutada täiustatud AWS-i võimalusi, et viia ML-projekt ideede loomisest tootmiseni nädalate jooksul, võrreldes varasemate kuude jooksul. Tänu AWS-i teenuste kasutusvalmis võimalustele saavad TR-i meeskonnad esmakordselt registreerida ja jälgida ML-mudeleid, saavutades vastavuse nende arenevatele mudelihaldusstandarditele. TR andis andmeteadlastele ja tootemeeskondadele võimaluse oma loovust tõhusalt vallandada, et lahendada kõige keerulisemaid probleeme.
TRi Enterprise AI platvormi kohta AWS-is lisateabe saamiseks vaadake lehte AWS re:Invent 2022 seanss. Kui soovite teada, kuidas TR kiirendas masinõppe kasutamist, kasutades AWS-i andmelabor programmi, vaadake juhtumiuuring.
Autoritest
Ramdev Wudali on andmearhitekt, kes aitab AI/ML platvormi arhitektidel ja ülesehitamisel võimaldada andmeteadlastel ja teadlastel arendada masinõppelahendusi, keskendudes andmeteadusele, mitte infrastruktuuri vajadustele. Vabal ajal armastab ta paberit voltida, et luua origami tessellatsioone, ja kanda ebaausaid T-särke.
Kiran Mantripragada on Thomson Reutersi AI platvormi vanemdirektor. AI platvormi meeskond vastutab tootmistasemel tehisintellekti tarkvararakenduste võimaldamise ning andmeteadlaste ja masinõppe uurijate töö võimaldamise eest. Kiranile, kes on kirglik teaduse, tehisintellekti ja inseneritöö vastu, meeldib Kiranile ületada lõhe teadusuuringute ja toodete loomise vahel, et viia tehisintellekti tõeline innovatsioon lõpptarbijateni.
Bhavana Chirumamilla on AWS-i vanem arhitekt. Ta on kirglik andme- ja ML-operatsioonide vastu ning toob kaasa palju entusiasmi, et aidata ettevõtetel koostada andmeid ja ML-i strateegiaid. Vabal ajal naudib ta perega reisimist, matkamist, aiatööd ja dokumentaalfilme vaadates.
Srinivasa Shaik on Bostonis asuva AWS-i lahenduste arhitekt. Ta aitab ettevõtte klientidel kiirendada nende teekonda pilve poole. Ta on kirglik konteinerite ja masinõppetehnoloogiate vastu. Vabal ajal veedab ta meelsasti perega aega, teeb süüa ja reisib.
Qingwei Li on Amazon Web Servicesi masinõppe spetsialist. Ta sai doktorikraadi operatsioonide uurimise alal pärast seda, kui ta murdis oma nõustaja uurimistoetuse konto ja ei suutnud väljastada lubatud Nobeli preemiat. Praegu aitab ta finantsteenuste ja kindlustussektori klientidel luua AWS-is masinõppelahendusi. Vabal ajal meeldib talle lugeda ja õpetada.
- 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/how-thomson-reuters-built-an-ai-platform-using-amazon-sagemaker-to-accelerate-delivery-of-ml-projects/
- 100
- 2022
- 7
- a
- Võimalik
- MEIST
- kiirendama
- kiirendatud
- juurdepääs
- juurdepääsetav
- Vastavalt
- konto
- raamatupidamine
- saavutada
- saavutamisel
- omandama
- üle
- tegevus
- õigusaktid
- Täiendavad lisad
- aadress
- vastu võtma
- edasijõudnud
- pärast
- AI
- AI platvorm
- AI teenused
- AI / ML
- Materjal: BPA ja flataatide vaba plastik
- võimaldab
- kõrval
- Amazon
- Amazon SageMaker
- Amazon Web Services
- summad
- ja
- API
- rakendused
- rakendatud
- lähenemine
- lähenemisviisid
- heakskiit
- arhitektuur
- ümber
- luba
- automatiseerima
- Automatiseeritud
- Automaatne
- saadaval
- AWS
- põhineb
- Baseline
- sest
- enne
- on
- BEST
- parimaid tavasid
- vahel
- erapoolikus
- miljardeid
- boston
- BRIDGE
- tooma
- Toob
- Murdis
- ehitama
- Ehitus
- Ehitab
- ehitatud
- koormus
- äri
- äritegevuse funktsioonid
- võimeid
- juhtudel
- kataloog
- kategooriad
- põhjustatud
- kesk-
- tsentraliseeritud
- väljakutseid
- kontrollima
- valimine
- valitud
- lähedalt
- Cloud
- pilve infrastruktuur
- Cloud Security
- kood
- Teevad koostööd
- koostööd teinud
- koostöö
- kollektiivselt
- tulevad
- ühine
- võrreldes
- täitma
- keeruline
- keerukus
- Vastavus
- Nõuetele vastav
- komponent
- komponendid
- Koosneb
- arvutustehnika
- tarbitud
- Tarbijad
- Konteiner
- Konteinerid
- sisu
- jätkama
- pidev
- kontrollida
- tuum
- looma
- loodud
- loomine
- loovus
- kriitiline
- otsustav
- Praegune
- Praegu
- tava
- Kliendid
- andmed
- andmejärv
- andmetöötlus
- andmeteadus
- andmebaasid
- Otsuse tegemine
- sügav
- sügav asjatundlikkus
- vaikimisi
- tarnima
- tarne
- demokratiseerima
- juurutada
- kasutuselevõtu
- juurutab
- kirjeldama
- Disain
- lauaarvuti
- detail
- kindlaksmääratud
- arendama
- arenenud
- Arendajad
- arenev
- & Tarkvaraarendus
- erinev
- raske
- Juhataja
- arutama
- dokumentaalfilme
- domeen
- Domeenid
- alla
- Varajane
- lihtsam
- kergesti
- tõhusalt
- tõhus
- jõupingutusi
- volitatud
- võimaldama
- lubatud
- võimaldab
- võimaldades
- julgustab
- Lõpp-punkt
- Mootor
- Inseneriteadus
- Inseneride
- Mootorid
- tõhustatud
- tagama
- tagades
- ettevõte
- ettevõtete
- entusiasm
- keskkond
- viga
- oluline
- eetiline
- hinnatud
- sündmused
- KUNAGI
- arenema
- areneb
- näide
- eksperiment
- teadmised
- laiendama
- äärmiselt
- hõlbustada
- Ebaõnnestunud
- pere
- tunnusjoon
- FUNKTSIOONID
- vähe
- lõplik
- finants-
- finantsteenus
- leidma
- leidmine
- esimene
- Esimest korda
- Keskenduma
- keskendumine
- järgima
- Järel
- järgneb
- formaalne
- raamistikud
- Alates
- Täida
- täielikult
- funktsionaalsus
- funktsioonid
- tulevik
- lõhe
- Üldine
- loodud
- saama
- klaas
- Go
- Eesmärgid
- valitsemistava
- anda
- Maa
- Kasvavad
- Käsitsemine
- Raske
- Tervis
- aitama
- aidates
- aitab
- kõrgelt
- Hosting
- Kuidas
- aga
- HTML
- HTTPS
- tuvastatud
- identifitseerima
- identifitseerimiseks
- Identity
- pildid
- mõju
- rakendada
- rakendatud
- rakendamisel
- kehtestama
- parandama
- in
- hõlmab
- Suurendama
- sõltumatud
- iseseisvalt
- tööstus
- Infrastruktuur
- esialgne
- Innovatsioon
- teadmisi
- selle asemel
- kindlustus
- integreeritud
- Interface
- sisemine
- seotud
- isolatsioon
- probleem
- IT
- töö
- Tööturg
- teekond
- Võti
- Teadma
- teadmised
- järv
- algatama
- käivitatud
- käivitamine
- Õppida
- õppimine
- Pärand
- Õigus
- Tase
- taset
- raamatukogud
- LIMIT
- piirid
- elama
- kohalik
- masin
- masinõpe
- tehtud
- peamine
- TEEB
- Tegemine
- juhtima
- juhtimine
- juhtiv
- mandaadid
- viis
- käsiraamat
- palju
- tähtaeg
- meetmed
- liikmed
- Metaandmed
- metoodikad
- meetriline
- Meetrika
- mikroteenused
- rännanud
- teetähis
- tähtsündmused
- meeles
- protokoll
- Leevendada
- ML
- mudel
- mudelid
- Jälgida
- järelevalve
- monitorid
- kuu
- rohkem
- kõige
- mitmekordne
- Natural
- Navigate
- Vajadus
- vajadustele
- võrgustike loomine
- Uus
- uudised
- järgmine
- nobeli preemia
- number
- objekt
- juhuslik
- pakutud
- pakkumine
- Pakkumised
- Pardal
- ONE
- avatud lähtekoodiga
- avatud
- Operations
- Valikud
- Korraldus
- organisatsioon
- algselt
- väljaspool
- enda
- omanik
- pane
- Paber
- parameetrid
- kirg
- kirglik
- mustrid
- Inimesed
- jõudlus
- perioodiline
- faas
- torujuhe
- planeerimine
- plaanid
- inimesele
- Platon
- Platoni andmete intelligentsus
- PlatoData
- Punkt
- Poliitika
- poliitika
- Portal
- võimalused
- post
- potentsiaal
- võim
- tavad
- Ennustused
- eelistatud
- esmane
- põhimõtted
- preemia
- Probleem
- probleeme
- protsess
- Protsessid
- töötlemine
- Toode
- Produktsioon
- Toodet
- spetsialistid
- Programm
- projekt
- projektid
- lubas
- anda
- tingimusel
- annab
- pakkudes
- Q3
- q3 2022
- kiiresti
- valik
- alates
- RE
- jõudis
- Lugemine
- reaalne
- reaalajas
- saadud
- registreerima
- registri
- määrused
- regulatiivne
- vabastama
- vabastatud
- kõrvaldama
- Hoidla
- taotleda
- nõutav
- Nõuded
- teadustöö
- Teadlased
- ressurss
- Vahendid
- vastutav
- Reuters
- Oht
- Roll
- rollid
- eeskirjade
- jooks
- salveitegija
- SageMakeri järeldus
- skaalautuvia
- Skaala
- ajakava
- teadus
- teadlased
- sujuv
- sujuvalt
- Otsing
- Otsingumootorid
- lõigud
- kindlustama
- tagatud
- kindlalt
- turvalisus
- saatmine
- vanem
- tundlik
- teenima
- Serverita
- teenus
- Teenused
- istungid
- mitu
- Jaga
- näidatud
- lihtne
- alates
- ühekordne
- SUURUS
- suurused
- osav
- oskused
- Snapshot
- So
- tarkvara
- lahendus
- Lahendused
- LAHENDAGE
- Allikad
- spetsialist
- konkreetse
- kulutama
- Kulutused
- Stage
- huvirühmad
- standardimine
- standardite
- alustatud
- algab
- Ühendriigid
- olek
- Samm
- Sammud
- ladustamine
- salvestada
- kauplustes
- strateegiad
- kiirendama
- stuudio
- selline
- Toetatud
- Toetamine
- vahetatud
- Sünkroonimine
- tabel
- Võtma
- maks
- õpetamine
- meeskond
- meeskonnad
- Tehniline
- tehnilised oskused
- Tehnoloogiad
- malle
- tingimused
- .
- oma
- seetõttu
- Thomson Reuters
- Läbi
- läbi kogu
- aeg
- et
- tööriist
- Jälgimine
- traditsiooniline
- Rong
- koolitus
- Muutma
- läbipaistvus
- Reisimine
- tohutu
- vallandas
- mõistma
- üksus
- üksused
- valla päästma
- piiramatu
- Värskendused
- kasutama
- Kasutaja
- Kasutajad
- sort
- eri
- suur
- kaudu
- Videod
- vaade
- nähtavus
- vaadates
- web
- veebiteenused
- Veebipõhine
- nädalat
- kas
- kuigi
- lai
- Lai valik
- will
- võitma
- jooksul
- ilma
- Töö
- töötas
- Töövoogud
- ülemaailmne
- oleks
- aasta
- Sinu
- sephyrnet