Struktureeritud andmed, mis on määratletud kui andmed, mis järgivad kindlat mustrit, nagu andmebaaside veergudesse salvestatud teave, ja struktureerimata andmed, millel puudub konkreetne vorm või muster (nt tekst, pildid või sotsiaalmeedia postitused), mõlemad kasvavad nende tootmise ja tarbimise käigus. erinevate organisatsioonide poolt. Näiteks International Data Corporationi (IDC) andmetel peaks maailma andmemaht 2025. aastaks kümnekordistuma, kusjuures olulise osa moodustavad struktureerimata andmed. Ettevõtted võivad soovida lisaks standardsetele metaandmetele, nagu failitüüp, loomise kuupäev või suurus, lisada kohandatud metaandmeid, nagu dokumenditüübid (W-2 vormid või maksejuhised), erinevaid olemitüüpe, nagu nimed, organisatsioon ja aadress. dokumentide allaneelamise ajal otsida. Kohandatud metaandmed aitavad organisatsioonidel ja ettevõtetel teavet nende eelistatud viisil kategoriseerida. Näiteks saab metaandmeid kasutada filtreerimiseks ja otsimiseks. Kliendid saavad luua kohandatud metaandmeid kasutades Amazoni mõistmine, loomuliku keele töötlemise (NLP) teenus, mida haldab AWS, et saada teavet dokumentide sisu kohta ja sisestada see Amazon Kendra koos nende andmetega indeksisse. Amazon Kendra on ülitäpne ja hõlpsasti kasutatav ettevõtteotsingu teenus, mis põhineb masinõppel (AWS). Kohandatud metaandmeid saab seejärel kasutada sisu paremaks rikastamiseks filtreerimine ja tahk võimeid. Amazon Kendras on tahud otsingutulemuste komplekti ulatusega vaated. Näiteks saate pakkuda otsingutulemusi linnade kohta üle maailma, kus dokumendid filtreeritakse konkreetse linna järgi, millega need on seotud. Samuti saate luua tahke, et kuvada konkreetse autori tulemusi.
Kindlustusseltsid on koormatud kasvava arvu nõuetega, mida nad peavad menetlema. Lisaks suureneb nõuete menetlemise keerukus ka erinevate kindlustusdokumentide tüübi ja kõigis neis dokumentides sisalduvate kohandatud üksuste tõttu. Selles postituses kirjeldame kindlustuspakkujate jaoks kohandatud sisu rikastamise kasutusjuhtu. Kindlustuspakkuja saab hüvitise saaja advokaadilt väljamaksenõudeid erinevate kindlustusliikide, näiteks kodu-, auto- ja elukindlustuse kohta. Antud kasutusjuhul ei sisalda kindlustusandjale laekunud dokumendid metaandmeid, mis võimaldavad sisust otsida teatud olemite ja klasside alusel. Kindlustuspakkuja soovib filtreerida Kendra sisu nende ärivaldkonna kohandatud üksuste ja klasside alusel. See postitus illustreerib, kuidas saate Amazon Comprehendi kohandatud mudelite abil automatiseerida ja lihtsustada metaandmete genereerimist. Loodud metaandmeid saab Amazon Kendraga sisestusprotsessi ajal kohandada Kohandatud dokumendi rikastamine (CDE) kohandatud loogika.
Vaatame mõnda näidet Amazon Kendra otsingust koos filtreerimise ja tahkude võimalustega või ilma.
Järgmisel ekraanipildil pakub Amazon Kendra otsingutulemust, kuid pole võimalust otsingutulemusi filtrite abil veelgi kitsendada.
Järgmisel ekraanipildil on näha, et Amazon Kendra otsingutulemusi saab filtreerida, kasutades erinevaid tahke, nagu Advokaadibüroo, Poliisinumbrid, mis on loodud otsingutulemuste kitsendamiseks kohandatud metaandmetega.
Selles postituses käsitletud lahendust saab hõlpsasti rakendada ka muudele ettevõtetele/kasutusjuhtudele, nagu tervishoid, tootmine ja teadusuuringud.
Lahenduse ülevaade
Selles pakutud lahenduses me 1) liigitame kindlustusnõuete avaldused erinevatesse klassidesse ja 2) otsime nendest dokumentidest välja kindlustusspetsiifilised üksused. Kui see on lõpetatud, saab dokumendi suunata vastavasse osakonda või järgnevasse protsessi.
Järgmisel diagrammil on välja pakutud lahenduse arhitektuur.
Amazoni mõistmine kohandatud klassifikatsioon API-t kasutatakse teie dokumentide korraldamiseks teie määratud kategooriatesse (klassidesse). Kohandatud klassifitseerimine on kaheetapiline protsess. Esiteks treenite kohandatud klassifitseerimismudelit (nimetatakse ka klassifikaatoriks), et tuvastada teile huvi pakkuvad klassid. Seejärel kasutate oma mudelit suvalise arvu dokumendikomplektide klassifitseerimiseks.
Amazoni mõistmine kohandatud olemi tuvastamine funktsiooni kasutatakse konkreetsete üksuste tüüpide (kindlustusseltsi nimed, kindlustusandja nimed, poliisi number) tuvastamiseks lisaks sellele, mis on saadaval üldised olemitüübid algselt. Kohandatud olemituvastusmudeli loomine on tõhusam lähenemisviis kui stringide sobitamise või regulaaravaldiste kasutamine dokumentidest olemite eraldamiseks. Kohandatud olemituvastusmudel võib õppida konteksti, kus need nimed tõenäoliselt ilmuvad. Lisaks ei tuvasta stringide sobitamine üksusi, millel on kirjavigu või mis järgivad uusi nimetamistavasid, kuigi kohandatud mudeli abil on see võimalik.
Enne sügavamale sukeldumist uurime Amazon Kendrat. Amazon Kendra on väga täpne ja hõlpsasti kasutatav ettevõtteotsingu teenus, mis põhineb masinõppel. See võimaldab kasutajatel leida vajalikku teavet nende organisatsioonis levinud suurest sisuhulgast, alates veebisaitidest ja andmebaasidest kuni siseveebisaitideni. Kõigepealt loome dokumentide neelamiseks Amazon Kendra indeksi. Andmete sissevõtmisel on oluline arvestada kohandatud andmete rikastamise (CDE) kontseptsiooniga. CDE võimaldab teil täiustada otsinguvõimalusi, lisades otsinguindeksisse välisteadmiste. Lisateabe saamiseks vaadake Dokumentide rikastamine allaneelamise ajal. Selles postituses kasutab CDE loogika Amazon Comprehendi kohandatud API-sid, et rikastada dokumente tuvastatud klasside ja üksustega. Lõpuks kasutame Amazon Kendra otsingulehte, et näidata, kuidas metaandmed täiustasid otsinguvõimalusi, lisades lihvimis- ja filtreerimisvõimalusi.
Kõrgetasemelised sammud selle lahenduse rakendamiseks on järgmised:
- Treenige Amazon Comprehendi kohandatud klassifikaatorit treeningandmete abil
- Treenige Amazon Comprehend kohandatud olemi tuvastamist koolitusandmete abil
- Looge kohandatud klassifikaator Amazon Comprehend ja kohandatud olemi tuvastamise lõpp-punktid
- Looge ja juurutage Lambda funktsioon ekstraheerimisjärgseks rikastamiseks
- Looge ja sisestage Amazon Kendra indeks
- Kasutage ekstraheeritud üksusi Amazon Kendra otsingute filtreerimiseks
Oleme esitanud ka näidistaotluse GitHub repo viide.
Andmete turvalisuse ja IAM-i kaalutlused
Kuna turvalisus on esmatähtis, järgib see lahendus kasutatavate teenuste ja funktsioonide puhul kõige väiksemate privileegide põhimõtet. Amazon Comprehendi kohandatud klassifikatsiooni ja kohandatud olemituvastuse kasutatav IAM-roll omab õigusi andmestikule juurde pääseda ainult testsalvest. Amazon Kendra teenusel on juurdepääs spetsiifilisele S3 ämbrile ja Lambda funktsioonile, mida kasutatakse mõistetavate API-de kutsumiseks. Lambda funktsioonil on õigused kutsuda ainult Amazon Comprehend API-sid. Lisateabe saamiseks vaadake märkmiku jaotisi 1.2 ja 1.3.
Soovitame teil teha mittetootmiskeskkonnas enne lahenduse juurutamist tootmiskeskkonnas järgmist.
Treenige kohandatud klassifikaatorit Comprehend treeningandmete abil
Amazon Comprehend Custom Classification toetab annotatsioonifailide jaoks kahte andmevormingu tüüpi:
Kuna meie andmed on juba märgistatud ja salvestatud CSV-failidesse, kasutame annotatsioonifaili jaoks näiteks CSV-failivormingut. Peame esitama märgistatud treeninguandmed UTF-8 kodeeritud tekstina CSV-failis. Ärge lisage CSV-faili päise rida. Päiserea lisamine faili võib põhjustada käitusvigu. Treeningandmete CSV-faili näide on järgmine:
Klassifikaatori treeningandmete ettevalmistamiseks vaadake Klassifikaatori treeningandmete ettevalmistamine. CSV-faili iga rea jaoks sisaldab esimene veerg ühte või mitut klassisilti. Klassi silt võib olla mis tahes kehtiv UTF-8 string. Soovitame kasutada selgeid klassinimesid, mis tähenduselt ei kattu. Nimi võib sisaldada tühikuid ja koosneda mitmest allkriipsu või sidekriipsuga ühendatud sõnast. Ärge jätke tühikuid reas väärtusi eraldavate komade ette ega järele.
Järgmisena treenite mõlemat kasutades Mitme klassi režiim or Mitme sildi režiim. Täpsemalt, mitme klassi režiimis määrab klassifikatsioon iga dokumendi jaoks ühe klassi, samas kui mitme sildi režiimis esindavad üksikud klassid erinevaid kategooriaid, mis ei välista üksteist. Meie puhul kasutame lihtteksti mudelite jaoks mitme klassi režiimi.
Saate Amazon Comprehend kohandatud klassifikaatori koolituse ja mudeli hindamise jaoks ette valmistada eraldi koolitus- ja testimisandmed. Või esitage nii koolituse kui ka testimise jaoks ainult üks andmestik. Comprehend valib testimisandmetena kasutamiseks automaatselt 10% teie esitatud andmekogumist. Selles näites pakume eraldi koolitus- ja testimisandmekogumeid.
Järgmine näide näitab CSV-faili, mis sisaldab erinevate dokumentidega seotud klassinimesid.
Kui kohandatud klassifitseerimismudel on koolitatud, saab see dokumentidele jäädvustada erinevaid kindlustusklasse (kodu-, auto- või elukindlustus).
Treenige Amazon Comprehendi kohandatud olemituvastajat (NER), kasutades koolitusandmeid
Amazon Comprehend Custom Entity Recognitioni (NER) koolitusandmestiku saab ette valmistada kahel erineval viisil.
- Annotatsioonid – Pakub andmekomplekti, mis sisaldab režiimitreeningu jaoks annoteeritud üksusi
- Olemiloendid (ainult lihttekst) – pakub mudelikoolituse jaoks üksuste loendit ja nende silditüüpe (nt "kindlustusseltside nimed") ning märkusteta dokumente, mis sisaldavad neid üksusi.
Lisateavet leiate aadressilt Olemituvastaja koolitusandmete ettevalmistamine.
Olemiloendit kasutava mudeli koolitamisel peame esitama kaks teavet: oleminimede loendi koos nendega seotud kohandatud olemitüüpidega ja märkusteta dokumentide kogu, milles olemid kuvatakse.
Automaatne koolitus nõuab kahte tüüpi teabe olemasolu: näidisdokumente ja olemiloendit või märkusi. Kui tuvastaja on koolitatud, saate seda kasutada oma dokumentides kohandatud olemite tuvastamiseks. Saate kiiresti analüüsida väikest tekstiosa reaalajas või analüüsida suurt hulka dokumente asünkroonse tööga.
Saate koostada eraldi koolitus- ja testimisandmed Amazon Comprehendi kohandatud olemituvastuse koolituse ja mudeli hindamise jaoks. Või esitage nii koolituse kui ka testimise jaoks ainult üks andmestik. Amazon Comprehend valib testimisandmetena kasutamiseks automaatselt 10% teie esitatud andmekogumist. Allolevas näites määrasime koolituse andmestiku kui Documents.S3Uri
all InputDataConfig
.
Järgmine näide näitab CSV-faili, mis sisaldab üksusi:
Kui kohandatud olemite (NER) mudel on koolitatud, saab see eraldada erinevad olemid, näiteksPAYOUT
","INSURANCE_COMPANY
","LAW_FIRM
","POLICY_HOLDER_NAME
","POLICY_NUMBER
".
Looge Amazon Comprehend kohandatud klassifikaator ja kohandatud olemite (NER) lõpp-punktid
Amazon Comprehendi lõpp-punktid muudavad teie kohandatud mudelid reaalajas klassifitseerimiseks kättesaadavaks. Pärast lõpp-punkti loomist saate seda vastavalt oma ettevõtte vajadustele muuta. Näiteks saate jälgida oma lõpp-punkti kasutust ja rakendada automaatset skaleerimist, et määrata automaatselt lõpp-punkti varustamine vastavalt oma võimsusvajadustele. Saate hallata kõiki oma lõpp-punkte ühes vaates ja kui te enam lõpp-punkti ei vaja, saate selle kulude kokkuhoiuks kustutada. Amazon Comprehend toetab nii sünkroonseid kui ka asünkroonseid valikuid. Kui teie kasutusjuhtumi puhul pole reaalajas klassifitseerimine vajalik, saate Amazon Comprehendile asünkroonseks andmete klassifitseerimiseks paketttöö esitada.
Selle kasutusjuhtumi jaoks loote lõpp-punkti, et muuta oma kohandatud mudel reaalajas analüüsi jaoks kättesaadavaks.
Tekstitöötlusvajaduste rahuldamiseks määrate lõpp-punktile järeldusühikud ja iga ühik võimaldab läbilaskevõimet 100 tähemärki sekundis. Seejärel saate reguleerida läbilaskevõimet üles või alla.
Looge ja juurutage Lambda funktsioon ekstraheerimisjärgseks rikastamiseks
Ekstraheerimise järgne Lambda funktsioon võimaldab teil rakendada loogikat Amazon Kendra poolt allaneelatud dokumendist ekstraheeritud teksti töötlemiseks. Meie konfigureeritud ekstraheerimisjärgne funktsioon rakendab koodi, et kutsuda esile Amazon Comprehend, et tuvastada kohandatud olemid ja kohandatud klassifitseerida dokumendid Amazon Kendra ekstraktitud tekstist ning kasutada neid dokumendi metaandmete värskendamiseks, mis esitatakse Amazon Kendra otsingus tahkudena. . Funktsioonikood on sülearvutisse manustatud. The PostExtractionLambda
kood töötab järgmiselt:
- Jaotab lehe teksti osadeks, mis ei ületa mõistmise maksimaalset baidi pikkuse piirangut
detect_entities
API. (Vaata Piirid ).
MÄRKUSED skript kasutab lihtsuse huvides naiivset märgipikkuse jagamise algoritmi – tootmiskasutusjuhtumid peaksid rakendama kattuvaid või lausepiiride poolitusi, mis põhinevad UTF8 baidi pikkusel. - Iga tekstiosa jaoks kutsub välja kohandatud olemite ja kohandatud klassifikaatori reaalajas mõistmise lõpp-punktid, et tuvastada järgmised olemitüübid: [“
PAYOUT
","INSURANCE_COMPANY
","LAW_FIRM
","POLICY_HOLDER_NAME
","POLICY_NUMBER
","INSURANCE_TYPE
"]. - Filtreerib tuvastatud üksused, mis jäävad alla usaldusskoori läve. Kasutame läve 0.50, mis tähendab, et kasutatakse ainult üksusi, mille kindlus on 50% või rohkem. Seda saab häälestada vastavalt kasutusjuhule ja nõuetele.
- Jälgib iga olemi sageduste arvu.
- Esinemissageduse alusel valib iga lehe jaoks ainult N (10) parimat unikaalset olemit.
- Dokumentide klassifitseerimiseks määrab mitme klassi klassifikaator iga dokumendi jaoks ainult ühe klassi. Selles lambdafunktsioonis liigitatakse dokumendid autokindlustuseks, kodukindlustuseks või elukindlustuseks.
Pange tähele, et selle kirjutamise seisuga toetab CDE ainult sünkroonseid kõnesid või kui see peab olema asünkroonne, on vaja selget ooteahelat. Lambda ekstraheerimiseks maksimaalne täitmisaeg on 1 min. Lambda kohandatud loogikat saab muuta vastavalt teie kasutusjuhtumile sobivatele nõuetele.
Looge ja sisestage Amazon Kendra indeks
Selles etapis sisestame andmed Amazon Kendra indeksisse ja muudame need kasutajatele otsitavaks. Allaneelamise ajal kasutame eelmises etapis loodud Lambda funktsiooni ekstraheerimise järgse etapina ja Lambda funktsioon kutsub kohandatud metaandmete väljade loomiseks kohandatud klassifikatsiooni ja kohandatud olemi tuvastamise (NER) lõpp-punkte.
Kõrgetasemelised sammud selle lahenduse rakendamiseks on järgmised:
- Looma Amazon Kendra indeks.
- Looma Amazon Kendra andmeallikas – Andmestiku allalaadimiseks saab kasutada erinevaid andmeallikaid. Selles postituses kasutame S3 ämbrit.
- Looge tahke
Law_Firm
,Payout
,Insurance_Company
,Policy_Number
,Policy_Holder_Name
,Insurance_Type
stringitüübiga "STRING_LIST_VALUE
'. - Looge Kendra CDE ja suunake see eelnevalt loodud ekstraheerimisjärgsele Lambda funktsioonile.
- Tehke andmestiku allalaadimiseks sünkroonimisprotsess.
Kui olete lõpetanud, saate indeksi täita kindlustusandmetega, kasutades Kendra CDE-d koos ekstraheerimisjärgse lambdaga, saate filtreerida otsinguid kohandatud olemitüüpide ja kohandatud klassifikatsiooni alusel kohandatud metaandmete väljadena.
Kasutage ekstraheeritud üksusi Kendra otsingute filtreerimiseks
Nüüd on indeks täidetud ja kasutamiseks valmis. Amazon Kendra konsoolis valige Otsige indekseeritud sisu jaotisest Andmehaldus ja tehke järgmist.
Küsige järgmist: Hilinenud esitamise tõttu ebaõnnestunud kindlustuste nimekiri?
Tulemused näitavad vastust poliitikatüübist – HOME INSURANCE
ja toob text_18
ja text_14
tipptulemustena.
Valige vasakult "Filtreeri otsingutulemused". Nüüd näete kõiki olemitüüpe ja klassifikatsiooniväärtusi, mis on ekstraktitud rakendusega Comprehend, ning iga olemi väärtuse ja klassifikatsiooni puhul näete sobivate dokumentide arvu.
alla INSURANCE_TYPE
vali “Autokindlustus” ja siis saad vastuse text_25
faili.
Pange tähele, et teie tulemused võivad ekraanipildil näidatud tulemustest veidi erineda.
Proovige otsida oma päringutega ja jälgige, kuidas Amazon Comprehendi tuvastatud olemid ja dokumendi klassifikatsioon võimaldavad teil kiiresti:
- Vaadake, kuidas teie otsingutulemused kategooriate vahel jagunevad.
- Kitsendage otsingut, filtreerides mis tahes olemi/klassifikatsiooni väärtuse järgi.
Koristage
Kui olete otsinguga katsetanud ja Githubi hoidlas pakutavat sülearvutit proovinud, kustutage soovimatute tasude vältimiseks oma AWS-i kontol loodud infrastruktuur. Puhastuslahtreid saate käivitada märkmikus. Teise võimalusena saate ressursid AWS-i konsooli kaudu käsitsi kustutada.
- Amazon Kendra indeks
- Saate aru kohandatud klassifikaatori ja kohandatud olemi tuvastamise (NER) lõpp-punktidest
- Mõistke kohandatud klassifikaatorit ja kohandatud olemituvastuse (NER) kohandatud mudeleid
- Lambda funktsioon
- S3 kopp
- IAM-i rollid ja poliitikad
Järeldus
Selles postituses näitasime, kuidas Amazon Comprehend kohandatud olemid ja kohandatud klassifikaator võimaldavad Amazon Kendra otsingut, mis põhineb CDE funktsioonil, et aidata lõppkasutajatel struktureeritud/struktureerimata andmete põhjal paremini otsida. Amazon Comprehendi kohandatud olemid ja kohandatud klassifikaator muudavad selle väga kasulikuks erinevate kasutusjuhtude ja erinevate domeenispetsiifiliste andmete jaoks. Lisateavet Amazon Comprehendi kasutamise kohta leiate aadressilt Amazon Comprehendi arendajaressursid ja Amazon Kendra kohta vaadake Amazon Kendra arendaja ressursid.
Proovige seda lahendust oma kasutusjuhtumi jaoks. Kutsume teid jätma oma tagasisidet kommentaaride jaotistesse.
Autoritest
Amit Chaudhary on Amazon Web Servicesi vanemlahenduste arhitekt. Tema fookusvaldkond on AI/ML ning ta aitab kliente generatiivse AI, suurte keelemudelite ja kiire projekteerimisega. Väljaspool tööd veedab Amit meelsasti perega aega.
Yanyan Zhang on AWS-i professionaalsete teenustega energiavarustuse meeskonna vanemandmeteadlane. Ta on kirglik aidata klientidel AI/ML teadmistega tegelikke probleeme lahendada. Viimasel ajal on ta keskendunud generatiivse AI ja LLM-i potentsiaali uurimisele. Väljaspool tööd armastab ta reisida, treenida ja uusi asju avastada.
Nikhil Jha on Amazon Web Servicesi vanemtehniline kontohaldur. Tema fookusvaldkondadeks on AI/ML ja analüütika. Vabal ajal meeldib talle tütrega sulgpalli mängida ja õues käia.
- 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/use-custom-metadata-created-by-amazon-comprehend-to-intelligently-process-insurance-claims-using-amazon-kendra/
- :on
- :on
- :mitte
- : kus
- $ UP
- 1
- 1.3
- 10
- 100
- 19
- 2025
- 33
- 50
- 500
- 7
- 9
- a
- Võimalik
- MEIST
- juurdepääs
- Vastavalt
- konto
- raamatupidamine
- täpne
- üle
- lisama
- lisades
- lisamine
- Lisaks
- aadress
- pärast
- AI
- AI / ML
- algoritm
- Materjal: BPA ja flataatide vaba plastik
- võimaldab
- mööda
- juba
- Ka
- Amazon
- Amazoni mõistmine
- Amazon Kendra
- Amazon Web Services
- summa
- an
- analüüs
- analytics
- analüüsima
- ja
- vastus
- mistahes
- API
- API-liidesed
- ilmuma
- taotlus
- rakendatud
- kehtima
- lähenemine
- asjakohane
- arhitektuur
- OLEME
- PIIRKOND
- valdkondades
- AS
- seotud
- At
- advokaat
- autor
- auto
- automatiseerima
- automaatselt
- saadaval
- vältima
- AWS
- AWS-i professionaalsed teenused
- põhineb
- BE
- olnud
- enne
- alla
- Parem
- Peale
- keha
- mõlemad
- piir
- Toob
- Ehitus
- äri
- kuid
- by
- helistama
- kutsutud
- Kutsub
- CAN
- võimeid
- võime
- Võimsus
- lüüa
- juhul
- juhtudel
- kategooriad
- Põhjus
- Rakke
- kindel
- muutunud
- Vaidluste lahendamine
- iseloom
- märki
- koormuste
- Vali
- Linnad
- Linn
- nõuete
- klass
- klassid
- klassifikatsioon
- salastatud
- Klassifitseerige
- selge
- kood
- kogumine
- Veerg
- Veerud
- kommentaarid
- Ettevõtted
- ettevõte
- täitma
- Lõpetatud
- keerukus
- mõista
- mõiste
- usaldus
- konfigureeritud
- seotud
- Arvestama
- konsool
- tarbitud
- sisaldama
- sisaldab
- sisu
- kontekst
- jätkama
- konventsioonid
- KORPORATSIOONI
- kulud
- võiks
- looma
- loodud
- tava
- Kliendid
- kohandatud
- andmed
- andmete rikastamine
- andmehaldus
- andmeteadlane
- andmekogum
- andmebaasid
- andmekogumid
- kuupäev
- sügavam
- vaikimisi
- määratlema
- määratletud
- tarne
- osakond
- juurutada
- kirjeldama
- avastama
- tuvastatud
- arendaja
- erinev
- erinevalt
- arutatud
- Ekraan
- jagatud
- mitu
- sukeldumine
- do
- dokument
- dokumendid
- domeen
- don
- Ära
- alla
- kaks
- ajal
- e
- E&T
- iga
- kergesti
- lihtne-to-use
- Tõhus
- kumbki
- el
- varjatud
- võimaldab
- Lõpp-punkt
- energia
- Inseneriteadus
- suurendama
- tõhustatud
- rikastab
- rikastamine
- ettevõte
- ettevõtete
- üksuste
- üksus
- keskkond
- vead
- oluline
- hindamine
- arenema
- näide
- näited
- ületama
- Välja arvatud
- erand
- Eksklusiivne
- täitmine
- Väljudes
- oodatav
- uurima
- Avastades
- väljendeid
- laiendama
- väline
- väljavõte
- kaevandamine
- tahke
- Ebaõnnestunud
- pere
- tunnusjoon
- FUNKTSIOONID
- tagasiside
- vähe
- Valdkonnad
- fail
- Faile
- Esitamine
- filtreerida
- filtreerimine
- Filtrid
- Lõpuks
- leidma
- Firma
- esimene
- sobima
- fikseeritud
- Keskenduma
- järgima
- Järel
- järgneb
- eest
- vorm
- formaat
- vormid
- Sagedus
- Alates
- funktsioon
- edasi
- loodud
- põlvkond
- generatiivne
- Generatiivne AI
- saama
- GitHub
- Kasvama
- Olema
- võttes
- he
- tervishoid
- aitama
- aidates
- aitab
- siin
- kõrgetasemeline
- rohkem
- kõrgeim
- kõrgelt
- tema
- Avaleht
- Kuidas
- Kuidas
- HTML
- HTTPS
- i
- IDC
- tuvastatud
- identifitseerima
- if
- illustreerib
- pildid
- rakendada
- rakendamisel
- tööriistad
- in
- sisaldama
- kaasates
- Suurendama
- kasvav
- indeks
- indekseeritud
- eraldi
- info
- Infrastruktuur
- sisend
- teadmisi
- Näiteks
- kindlustus
- Intelligentne
- huvi
- rahvusvaheliselt
- International Data Corporation (IDC)
- sisse
- kutsuma
- kutsub
- seotud
- IT
- töö
- Json
- teadmised
- silt
- Labels
- keel
- suur
- Hilja
- Seadus
- Advokaadibüroo
- Õppida
- õppimine
- kõige vähem
- Lahkuma
- lahkus
- Pikkus
- elu
- nagu
- Tõenäoliselt
- LIMIT
- nimekiri
- Nimekirjad
- LLM
- loogika
- enam
- Vaata
- armastab
- masin
- masinõpe
- tegema
- TEEB
- juhtima
- juhitud
- juhtimine
- juht
- käsitsi
- tootmine
- sobitamine
- max
- mai..
- tähendus
- vahendid
- Meedia
- Vastama
- Metaandmed
- minutit
- viis
- mudel
- mudelid
- hetk
- Jälgida
- rohkem
- kõige
- mitmekordne
- peab
- vastastikku
- nimi
- nimed
- nimetamine
- kitsas
- Vajadus
- vaja
- vajadustele
- Uus
- nlp
- ei
- märkmik
- nüüd
- number
- numbrid
- objekt
- esemeid
- jälgima
- esinemine
- of
- on
- kunagi
- ONE
- ainult
- valik
- Valikud
- or
- organisatsioon
- organisatsioonid
- Muu
- meie
- välja
- väljas
- piirjooned
- väljaspool
- enda
- lehekülg
- paar
- kirglik
- Muster
- kohta
- täitma
- Õigused
- tükki
- tavaline
- Platon
- Platoni andmete intelligentsus
- PlatoData
- mängimine
- Punkt
- poliitika
- asustatud
- osa
- võimalik
- post
- Postitusi
- potentsiaal
- sisse
- eelistatud
- Valmistama
- valmis
- esitatud
- eelmine
- varem
- põhimõte
- Eelnev
- prioriteet
- privileeg
- probleeme
- protsess
- töötlemine
- Toodetud
- Produktsioon
- professionaalne
- pakutud
- anda
- tingimusel
- tarnija
- pakkujad
- annab
- pakkudes
- päringud
- kiiresti
- quotes
- alates
- Lugenud
- valmis
- reaalne
- reaalajas
- saadud
- saab
- hiljuti
- tunnustamine
- tunnistama
- tunnustatud
- soovitama
- viitama
- viide
- regulaarne
- Hoidla
- esindama
- nõutav
- Nõuded
- Vajab
- teadustöö
- Vahendid
- kaasa
- Tulemused
- tagasipöördumine
- läbi
- Roll
- rollid
- ROW
- jooks
- runtime
- sama
- Säästa
- ketendamine
- teadlane
- skoor
- käsikiri
- Otsing
- otsingud
- otsimine
- Teine
- Osa
- lõigud
- turvalisus
- vaata
- valima
- vanem
- Lause
- eri
- teenus
- Teenused
- komplekt
- Komplektid
- ta
- peaks
- näitama
- näitas
- näidatud
- Näitused
- märkimisväärne
- lihtsus
- lihtsustama
- ühekordne
- Saidid
- SUURUS
- väike
- So
- sotsiaalmeedia
- Sotsiaalse meedia
- Sotsiaalmeedia postitused
- lahendus
- Lahendused
- LAHENDAGE
- Allikad
- Ruum
- konkreetse
- eriti
- määratletud
- Kulutused
- Poolitab
- laiali
- standard
- Samm
- Sammud
- salvestada
- ladustatud
- nöör
- Ettepanekud
- esitama
- selline
- toetama
- Toetab
- sünkroonida.
- Võtma
- meeskond
- Tehniline
- test
- Testimine
- tekst
- kui
- et
- .
- teave
- maailm
- oma
- Neile
- SIIS
- Seal.
- Need
- nad
- asjad
- see
- need
- künnis
- Läbi
- läbilaskevõime
- aeg
- et
- ülemine
- jälgida
- Rong
- koolitatud
- koolitus
- Reisimine
- käsitlema
- proovitud
- püüdma
- häälestatud
- kaks
- tüüp
- liigid
- all
- rõhutab
- ainulaadne
- üksus
- üksused
- soovimatu
- Värskendused
- kasutama
- kasutage juhtumit
- Kasutatud
- Kasutajad
- kasutusalad
- kasutamine
- kehtiv
- väärtus
- Väärtused
- eri
- suur
- väga
- vaade
- vaated
- maht
- ootama
- tahan
- tahab
- Tee..
- kuidas
- we
- web
- veebiteenused
- veebilehed
- Hästi
- M
- Mis on
- millal
- mis
- kuigi
- valge
- will
- koos
- jooksul
- ilma
- sõnad
- Töö
- töö
- trenni tegema
- töötab
- maailm
- maailma
- kirjutamine
- kirjalik
- sa
- Sinu
- sephyrnet