بستر آمازون طیف گسترده ای از مدل ها را از آمازون و ارائه دهندگان شخص ثالث، از جمله Anthropic، AI21، Meta، Cohere، و Stability AI ارائه می دهد و طیف گسترده ای از موارد استفاده، از جمله تولید متن و تصویر، جاسازی، چت، عوامل سطح بالا را پوشش می دهد. با استدلال و ارکستراسیون، و بیشتر. پایگاه های دانش برای آمازون بستر به شما امکان می دهد برنامه های کاربردی و سفارشی بازیابی نسل افزوده (RAG) را در بالای AWS و فروشگاه های وکتور شخص ثالث با استفاده از مدل های AWS و شخص ثالث بسازید. پایگاههای دانش برای Amazon Bedrock همگامسازی دادههای شما با ذخیرهسازی برداری را بهطور خودکار انجام میدهد، از جمله تغییر دادهها هنگام بهروزرسانی، بارگیری سند، و قطعهسازی، و همچنین جاسازی معنایی. این به شما امکان می دهد تا به طور یکپارچه اعلان های RAG و استراتژی های بازیابی خود را سفارشی کنید - ما منبع منبع را ارائه می دهیم و مدیریت حافظه را به طور خودکار مدیریت می کنیم. پایگاههای دانش کاملاً بدون سرور هستند، بنابراین نیازی به مدیریت هیچ زیرساختی ندارید و هنگام استفاده از پایگاههای دانش، فقط هزینه مدلها، پایگاههای داده برداری و فضای ذخیرهسازی مورد استفاده شما دریافت میشود.
RAG یک تکنیک محبوب است که استفاده از داده های خصوصی را با مدل های زبان بزرگ (LLM) ترکیب می کند. RAG با یک مرحله اولیه برای بازیابی اسناد مربوطه از یک فروشگاه داده (معمولاً یک نمایه برداری) بر اساس درخواست کاربر شروع می شود. سپس از یک مدل زبان برای تولید پاسخ با در نظر گرفتن اسناد بازیابی شده و پرس و جو اصلی استفاده می کند.
در این پست، نحوه ایجاد یک گردش کار RAG با استفاده از پایگاههای دانش برای Amazon Bedrock برای یک مورد استفاده از کشف دارو را نشان میدهیم.
مروری بر پایگاه های دانش برای آمازون بستر
پایگاه های دانش برای Amazon Bedrock از طیف گسترده ای از انواع فایل های رایج، از جمله txt.، .docx، .pdf، .csv. و غیره پشتیبانی می کند. برای فعال کردن بازیابی موثر از داده های خصوصی، یک روش معمول این است که ابتدا این اسناد را به قطعات قابل مدیریت تقسیم کنید. پایگاههای دانش یک استراتژی تقسیمبندی پیشفرض را پیادهسازی کرده است که در بیشتر موارد به خوبی کار میکند تا به شما امکان میدهد سریعتر شروع کنید. اگر میخواهید کنترل بیشتری داشته باشید، پایگاههای دانش به شما امکان میدهد استراتژی انفصال را از طریق مجموعهای از گزینههای از پیش تنظیمشده کنترل کنید. شما می توانید حداکثر اندازه نشانه و میزان همپوشانی ایجاد شده در بین تکه ها را کنترل کنید تا زمینه منسجمی را برای جاسازی فراهم کنید. پایگاه های دانش برای Amazon Bedrock فرآیند همگام سازی داده ها را مدیریت می کند سرویس ذخیره سازی ساده آمازون سطل (Amazon S3)، آن را به تکه های کوچکتر تقسیم می کند، جاسازی های برداری تولید می کند و جاسازی ها را در یک شاخص برداری ذخیره می کند. این فرآیند با تفاوت هوشمند، توان عملیاتی و مدیریت شکست همراه است.
در زمان اجرا، یک مدل embedding برای تبدیل کوئری کاربر به بردار استفاده می شود. سپس نمایه برداری برای یافتن اسنادی مشابه پرس و جوی کاربر با مقایسه بردارهای سند با بردار پرس و جو کاربر پرس و جو می شود. در مرحله آخر، اسناد معنایی مشابه بازیابی شده از نمایه برداری به عنوان زمینه برای درخواست کاربر اصلی اضافه می شود. هنگام ایجاد یک پاسخ برای کاربر، اسناد مشابه معنایی در مدل متنی همراه با انتساب منبع برای قابلیت ردیابی درخواست میشوند.
پایگاه های دانش برای Amazon Bedrock از چندین پایگاه داده برداری پشتیبانی می کند بدون سرور جستجوی باز آمازون, آمازون شفق قطبی، Pinecone و Redis Enterprise Cloud. API های Retrieve و RetrieveAndGenerate به برنامه های کاربردی شما این امکان را می دهند که مستقیماً با استفاده از یک نحو یکپارچه و استاندارد، بدون نیاز به یادگیری API های جداگانه برای هر پایگاه داده برداری مختلف، فهرست را جستجو کنند، و نیاز به نوشتن پرس و جوهای فهرست سفارشی در برابر فروشگاه برداری شما را کاهش می دهد. Retrieve API پرس و جوی ورودی را می گیرد، آن را به یک بردار جاسازی تبدیل می کند و با استفاده از الگوریتم های پیکربندی شده در سطح پایگاه داده برداری، از ذخیره پشتیبان پرس و جو می کند. RetrieveAndGenerate API از یک LLM پیکربندی شده توسط کاربر ارائه شده توسط Amazon Bedrock استفاده می کند و پاسخ نهایی را به زبان طبیعی ایجاد می کند. پشتیبانی ردیابی بومی به برنامه درخواست کننده در مورد منابع مورد استفاده برای پاسخ به یک سوال اطلاع می دهد. برای پیاده سازی سازمانی، پایگاه های دانش پشتیبانی می کند سرویس مدیریت کلید AWS رمزگذاری (AWS KMS)، AWS CloudTrail ادغام، و بیشتر.
در بخشهای بعدی، نحوه ایجاد یک گردش کار RAG با استفاده از پایگاههای دانش برای Amazon Bedrock، با پشتیبانی از موتور برداری بدون سرور OpenSearch، برای تجزیه و تحلیل مجموعه دادههای کارآزمایی بالینی بدون ساختار برای یک مورد استفاده از کشف دارو را نشان میدهیم. این داده ها غنی از اطلاعات هستند اما می توانند بسیار ناهمگن باشند. استفاده صحیح از اصطلاحات و مفاهیم تخصصی در قالب های مختلف برای شناسایی بینش ها و اطمینان از یکپارچگی تحلیلی ضروری است. با پایگاه های دانش برای Amazon Bedrock، می توانید از طریق پرس و جوهای ساده و طبیعی به اطلاعات دقیق دسترسی پیدا کنید.
یک پایگاه دانش برای Amazon Bedrock بسازید
در این بخش، فرآیند ایجاد پایگاه دانش برای Amazon Bedrock را از طریق کنسول نمایش میدهیم. مراحل زیر را کامل کنید:
- در کنسول آمازون بستر، زیر تنظیم و ارکستراسیون در قسمت ناوبری، را انتخاب کنید دانش محور.
- را انتخاب کنید ایجاد پایگاه دانش.
- در جزئیات پایه دانش بخش، نام و توضیحات اختیاری را وارد کنید.
- در مجوزهای IAM بخش، انتخاب کنید یک نقش سرویس جدید ایجاد و استفاده کنید.
- برای نقش نام سرویس، نامی برای نقش خود وارد کنید که باید با آن شروع شود
AmazonBedrockExecutionRoleForKnowledgeBase_
. - را انتخاب کنید بعدی.
- در منبع اطلاعات بخش، یک نام برای منبع داده خود و URI S3 که مجموعه داده در آن قرار دارد وارد کنید. پایگاه های دانش از فرمت های فایل زیر پشتیبانی می کند:
- متن ساده (txt.)
- Markdown (.md)
- زبان نشانه گذاری فرامتن (.html)
- سند Microsoft Word (.doc/.docx)
- مقادیر جدا شده با کاما (csv.)
- صفحه گسترده Microsoft Excel (xls/.xlsx.)
- فرمت سند قابل حمل (pdf.)
- تحت تنظیمات اضافی¸ استراتژی انشعاب دلخواه خود را انتخاب کنید (برای این پست، ما انتخاب می کنیم تکه شدن اندازه ثابت) و اندازه قطعه و همپوشانی را به درصد مشخص کنید. همچنین می توانید از تنظیمات پیش فرض استفاده کنید.
- را انتخاب کنید بعدی.
- در مدل جاسازی بخش، مدل Titan Embeddings را از Amazon Bedrock انتخاب کنید.
- در پایگاه داده برداری بخش، انتخاب کنید سریع یک فروشگاه برداری جدید ایجاد کنید، که فرآیند راه اندازی فروشگاه برداری را مدیریت می کند.
- را انتخاب کنید بعدی.
- تنظیمات را بررسی کرده و انتخاب کنید ایجاد پایگاه دانش.
- منتظر بمانید تا ایجاد پایگاه دانش تکمیل شود و وضعیت آن را تأیید کنید آماده تحویل.
- در منبع اطلاعات را انتخاب کنید همگام سازی برای راهاندازی فرآیند بارگیری دادهها از سطل S3، تقسیم آن به تکههایی با اندازهای که مشخص کردهاید، ایجاد جاسازیهای برداری با استفاده از مدل تعبیه متن انتخابشده، و ذخیره آنها در فروشگاه برداری که توسط پایگاههای دانش برای Amazon Bedrock مدیریت میشود.
تابع همگام سازی از جذب، به روز رسانی و حذف اسناد از نمایه برداری بر اساس تغییرات اسناد در آمازون S3 پشتیبانی می کند. شما همچنین می توانید استفاده کنید StartIngestionJob
API برای راهاندازی همگامسازی از طریق AWS SDK.
وقتی همگام سازی کامل شد، سابقه همگام سازی وضعیت را نشان می دهد تکمیل شده
پایگاه دانش را جویا شوید
در این بخش، نحوه دسترسی به اطلاعات دقیق در پایگاه دانش را از طریق پرس و جوهای ساده و طبیعی نشان می دهیم. ما از یک مجموعه داده مصنوعی بدون ساختار متشکل از فایلهای PDF استفاده میکنیم، شماره صفحه هر کدام از 10 تا 100 صفحه، شبیهسازی طرح کارآزمایی بالینی یک داروی جدید پیشنهادی شامل روشهای تجزیه و تحلیل آماری و فرمهای رضایت شرکتکننده. ما از پایگاه های دانش برای Amazon Bedrock استفاده می کنیم retrieve_and_generate
و retrieve
API ها با ادغام آمازون بستر LangChain.
قبل از اینکه بتوانید اسکریپت هایی بنویسید که از Amazon Bedrock API استفاده می کنند، باید نسخه مناسب AWS SDK را در محیط خود نصب کنید. برای اسکریپت های پایتون، این خواهد بود AWS SDK برای پایتون (Boto3):
علاوه بر این، دسترسی به مدل Amazon Titan Embeddings و Anthropic Claude v2 یا v1 را فعال کنید. برای اطلاعات بیشتر مراجعه کنید دسترسی مدل.
با استفاده از Amazon Bedrock سوالاتی ایجاد کنید
ما میتوانیم از Anthropic Claude 2.1 برای Amazon Bedrock استفاده کنیم تا فهرستی از سؤالات را در مجموعه دادههای کارآزمایی بالینی مطرح کنیم:
از Amazon Bedrock RetrieveAndGenerate API استفاده کنید
برای یک تجربه RAG کاملاً مدیریت شده، میتوانید از پایگاههای دانش بومی برای Amazon Bedrock استفاده کنید RetrieveAndGenerate
API برای دریافت مستقیم پاسخ ها:
منبع اطلاعات ذکر شده را می توان از طریق کد زیر به دست آورد (با برخی از خروجی ها برای اختصار ویرایش شده است):
با گذراندن شناسه جلسه از RetrieveAndGenerate
API، میتوانید زمینه مکالمه را حفظ کنید و سؤالات بعدی را بپرسید. برای مثال، بدون متن، اگر جزئیات بیشتری از پاسخ قبلی بخواهید، ممکن است نتواند به درستی پاسخ دهد:
اما با ارسال شناسه جلسه، خط لوله RAG میتواند زمینه مربوطه را شناسایی کرده و پاسخهای مربوطه را برگرداند:
جدول زیر پاسخ های بازیابی شده برای تمام سوالات مربوطه را نشان می دهد.
سوال | پاسخ |
هدف از مطالعه چیست؟ اطمینان حاصل کنید که اهداف تحقیق و روش های مطالعه را درک می کنید. | هدف از این مطالعه آزمایش این است که آیا لیتیوم در پیشگیری از خشونت های خودگردان مکرر خودکشی در بیماران مبتلا به افسردگی یا اختلال دوقطبی موثر است یا خیر. |
خطرات و مزایای بالقوه چیست؟ این فرم باید تمام خطرات قابل پیش بینی، عوارض جانبی یا ناراحتی هایی را که ممکن است از شرکت در آن تجربه کنید توضیح دهد. | خطرات یا ناراحتی های احتمالی عبارتند از: سوالات مصاحبه که باعث ناراحتی می شود، عوارض جانبی داروهای لیتیوم مانند حالت تهوع، مدفوع شل، تشنگی، تغییرات ادرار، لرزش، سردرد، تعریق، خستگی، کاهش تمرکز، بثورات پوستی، تغییرات تیروئید، بدتر شدن آکنه. پسوریازیس، سمیت لیتیوم و خطرات در صورت قطع ناگهانی دارو. مزایای بالقوه این است که آزمایشها ممکن است به اطلاعات جدیدی برای کمک به شرکتکننده منجر شود، و لیتیوم ممکن است به جلوگیری از تکرار خشونتهای خودگردانی خودکشی برای افراد مبتلا به افسردگی یا اختلال دوقطبی کمک کند. |
مشارکت شامل چه مواردی خواهد بود؟ جزئیات مربوط به آزمایشها، داروها، تغییرات سبک زندگی یا روشهایی را که طی میکنید، مدت زمانی که طول میکشد و مدت مطالعه طول میکشد، دریافت کنید. | مشارکت شامل تکمیل مصاحبه و پرسشنامههایی است که شامل تفکر، رفتار، درمان سلامت روان، داروها، مصرف الکل و مواد مخدر، حمایتهای خانگی و اجتماعی، و درک مطالعه پژوهشی میشود. این کار حدود دو ساعت طول می کشد و می توان در جلسات متعدد، حضوری و تلفنی انجام داد. در صورت واجد شرایط بودن برای مطالعه کامل، حدود 20 بازدید مطالعه در طول یک سال وجود خواهد داشت. این شامل مصرف داروهای مورد مطالعه، بررسی علائم حیاتی، تکمیل پرسشنامه ها، بررسی عوارض جانبی و ادامه مراقبت های پزشکی و سلامت روانی عادی است. |
آیا هزینه یا پرداختی وجود دارد؟ بپرسید که آیا شما مسئول هر گونه هزینه مربوط به مطالعه خواهید بود یا برای شرکت پول دریافت می کنید. | بله، هزینه ها و پرداخت ها در نتایج جستجو بحث شده است. هیچ هزینه ای برای درمان یا روشی که بخشی از مطالعه است از شما دریافت نمی شود. با این حال، شما همچنان مجبور خواهید بود برای مراقبت و داروهایی که به مطالعه مرتبط نیستند، هرگونه مشارکت معمولی VA را بپردازید. برای شرکت پولی به شما پرداخت نمی شود، اما مطالعه هزینه های مربوط به مشارکت مانند حمل و نقل، پارکینگ و غیره را بازپرداخت می کند. مبالغ بازپرداخت و فرآیند ارائه شده است. |
چگونه از حریم خصوصی من محافظت می شود؟ این فرم باید توضیح دهد که چگونه اطلاعات سلامت شخصی شما قبل، در طول و بعد از آزمایش محرمانه نگه داشته می شود. | حریم خصوصی شما با انجام مصاحبه به صورت خصوصی، نگه داشتن یادداشت های مکتوب در پرونده ها و دفاتر قفل شده، ذخیره اطلاعات الکترونیکی در فایل های رمزگذاری شده و محافظت شده با رمز عبور، و دریافت گواهی محرمانه بودن از وزارت بهداشت و خدمات انسانی برای جلوگیری از افشای اطلاعاتی که شما را شناسایی می کند محافظت می شود. . اطلاعاتی که شما را شناسایی می کند ممکن است با پزشکان مسئول مراقبت از شما یا ممیزی ها و ارزیابی ها توسط سازمان های دولتی به اشتراک گذاشته شود، اما صحبت ها و مقالات مربوط به مطالعه شما را شناسایی نمی کند. |
با استفاده از Amazon Bedrock Retrieve API پرس و جو کنید
برای سفارشی کردن گردش کار RAG خود، می توانید از Retrieve API برای واکشی تکه های مربوطه بر اساس درخواست خود و ارسال آن به هر LLM ارائه شده توسط Amazon Bedrock استفاده کنید. برای استفاده از Retrieve API، آن را به صورت زیر تعریف کنید:
متن مربوطه را بازیابی کنید (با برخی از خروجی ها برای اختصار ویرایش شده است):
متن را برای الگوی درخواستی استخراج کنید:
ماژولهای پایتون را وارد کنید و قالب درخواست پاسخدهی به سوالات درون متنی را تنظیم کنید، سپس پاسخ نهایی را ایجاد کنید:
پرس و جو با استفاده از ادغام آمازون بستر LangChain
برای ایجاد یک برنامه پرسش و پاسخ سفارشی شده سرتاسر، پایگاه های دانش برای Amazon Bedrock یکپارچه سازی با LangChain را فراهم می کند. برای راهاندازی بازیابی LangChain، شناسه پایگاه دانش را ارائه کنید و تعداد نتایجی را که باید از پرسوجو بازگردانده شوند را مشخص کنید:
اکنون LangChain RetrievalQA را راه اندازی کنید و پاسخ ها را از پایگاه دانش تولید کنید:
با این کار، پاسخهای مربوطه مشابه موارد ذکر شده در جدول قبلی ایجاد میشود.
پاک کردن
برای جلوگیری از تحمیل هزینه های اضافی، حتما منابع زیر را حذف کنید:
نتیجه
Amazon Bedrock مجموعه گستردهای از خدمات عمیق یکپارچه را برای تقویت برنامههای RAG در همه مقیاسها ارائه میکند و شروع به تجزیه و تحلیل دادههای شرکت شما را آسان میکند. پایگاههای دانش برای Amazon Bedrock با مدلهای پایه آمازون بستر برای ایجاد خطوط لوله جاسازی اسناد مقیاسپذیر و خدمات بازیابی اسناد برای تامین انرژی طیف گستردهای از برنامههای داخلی و مشتری ادغام میشود. ما در مورد آینده پیش رو هیجان زده هستیم و نظرات شما نقشی حیاتی در هدایت پیشرفت این محصول خواهد داشت. برای آشنایی بیشتر با قابلیت های آمازون بستر و پایگاه های دانش به ادامه مطلب مراجعه کنید پایگاه دانش آمازون بستر.
درباره نویسنده
مارک روی یک معمار اصلی یادگیری ماشین برای AWS است که به مشتریان در طراحی و ساخت راهحلهای AI/ML کمک میکند. کار مارک طیف گسترده ای از موارد استفاده از ML را پوشش می دهد، با علاقه اولیه به بینایی کامپیوتر، یادگیری عمیق، و مقیاس بندی ML در سراسر سازمان. او به شرکت ها در بسیاری از صنایع از جمله بیمه، خدمات مالی، رسانه و سرگرمی، مراقبت های بهداشتی، آب و برق و تولید کمک کرده است. مارک دارای شش گواهینامه AWS، از جمله گواهینامه تخصصی ML است. قبل از پیوستن به AWS، مارک به مدت بیش از 25 سال، از جمله 19 سال در خدمات مالی، معمار، توسعه دهنده و رهبر فناوری بود.
مانی خانوجه یک رهبر فناوری – متخصصان هوش مصنوعی مولد، نویسنده کتاب – یادگیری ماشین کاربردی و محاسبات با عملکرد بالا در AWS، و عضو هیئت مدیره بنیاد آموزش زنان در تولید است. او پروژه های یادگیری ماشینی (ML) را در حوزه های مختلف مانند بینایی کامپیوتر، پردازش زبان طبیعی و هوش مصنوعی مولد رهبری می کند. او به مشتریان کمک می کند تا مدل های بزرگ یادگیری ماشین را در مقیاس بسازند، آموزش دهند و به کار گیرند. او در کنفرانس های داخلی و خارجی مانند re:Invent، Women in Manufacturing West، وبینارهای یوتیوب و GHC 23 صحبت می کند. او در اوقات فراغت خود دوست دارد برای دویدن طولانی در کنار ساحل برود.
دکتر بایچوان سان، که در حال حاضر به عنوان معمار راه حل AI/ML Sr. در AWS فعالیت می کند، بر هوش مصنوعی مولد تمرکز دارد و دانش خود را در علم داده و یادگیری ماشین برای ارائه راه حل های تجاری عملی و مبتنی بر ابر استفاده می کند. او با تجربه در مشاوره مدیریت و معماری راه حل های هوش مصنوعی، به طیف وسیعی از چالش های پیچیده، از جمله بینایی کامپیوتری روباتیک، پیش بینی سری های زمانی، و تعمیر و نگهداری پیش بینی کننده، می پردازد. کار او در زمینه مدیریت پروژه، تحقیق و توسعه نرم افزار و فعالیت های آکادمیک استوار است. خارج از محل کار، دکتر سان از تعادل مسافرت و گذراندن وقت با خانواده و دوستان لذت می برد.
دریک چو یک معمار ارشد راه حل در AWS است که بر تسریع سفر مشتری به فضای ابری و متحول کردن تجارت آنها از طریق اتخاذ راه حل های مبتنی بر ابر متمرکز است. تخصص او در توسعه نرم افزار کامل پشته و یادگیری ماشین است. او به مشتریان کمک میکند تا راهحلهای سرتاسری را طراحی و بسازند که رابطهای کاربری جلویی، برنامههای IoT، API و ادغام دادهها و مدلهای یادگیری ماشین را پوشش میدهد. در اوقات فراغت از گذراندن وقت با خانواده و تجربه عکاسی و فیلمبرداری لذت می برد.
فرانک وینکلر یک معمار ارشد راه حل ها و متخصص هوش مصنوعی در AWS مستقر در سنگاپور است که در یادگیری ماشین و هوش مصنوعی مولد متمرکز است. او با شرکت های بومی دیجیتال جهانی کار می کند تا محصولات و خدمات مقیاس پذیر، ایمن و مقرون به صرفه را در AWS معمار کند. او در اوقات فراغت خود با پسر و دخترش وقت می گذراند و برای لذت بردن از امواج در سراسر آسه آن سفر می کند.
نیهیر چادروالا یک معمار راه حل های AI/ML Sr. در تیم بهداشت جهانی و علوم زندگی است. تخصص او در ساختن راه حل های مبتنی بر داده های بزرگ و هوش مصنوعی برای مشکلات مشتریان به ویژه در حوزه زیست پزشکی، علوم زیستی و مراقبت های بهداشتی است. او همچنین در مورد تلاقی علم اطلاعات کوانتومی و هوش مصنوعی هیجان زده است و از یادگیری و مشارکت در این فضا لذت می برد. او در اوقات فراغت خود از بازی تنیس، مسافرت و یادگیری در مورد کیهان شناسی لذت می برد.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
- PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
- PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
- PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
- منبع: https://aws.amazon.com/blogs/machine-learning/use-rag-for-drug-discovery-with-knowledge-bases-for-amazon-bedrock/
- : دارد
- :است
- :نه
- :جایی که
- $UP
- 1
- 10
- 100
- 11
- 120
- 121
- 13
- 14
- 150
- 160
- 19
- 20
- 23
- 25
- 29
- ٪۱۰۰
- 40
- 41
- سوالات 5
- 7
- 8
- 9
- a
- قادر
- درباره ما
- دانشگاهی
- تسریع
- دسترسی
- در میان
- اضافه
- اضافی
- آدرس
- تنظیم شده
- اتخاذ
- پس از
- در برابر
- سازمان
- عاملان
- پیش
- AI
- مجهز به هوش مصنوعی
- AI / ML
- الکل
- الگوریتم
- معرفی
- اجازه دادن
- اجازه می دهد تا
- در امتداد
- همچنین
- آمازون
- آمازون خدمات وب
- در میان
- مقدار
- مقدار
- an
- تحلیل
- تحلیلی
- تحلیل
- تجزیه و تحلیل
- و
- پاسخ
- پاسخ دادن
- پاسخ
- آنتروپیک
- هر
- API
- رابط های برنامه کاربردی
- کاربرد
- برنامه های کاربردی
- اعمال می شود
- اعمال میشود
- مناسب
- معماری
- هستند
- AS
- آسه آن
- پرسیدن
- ارزیابی کنید
- اختصاص داده
- دستیار
- مرتبط است
- At
- ممیزی
- افزوده شده
- نویسنده
- خودکار می کند
- بطور خودکار
- اجتناب از
- دور
- AWS
- حمایت کرد
- بخش مدیریت
- زمینه
- برج میزان
- پرچم
- پایه
- مستقر
- BE
- ساحل
- بوده
- قبل از
- رفتار
- مزایای
- بزرگ
- بزرگ داده
- بیومدیکال
- تولد
- خون
- تخته
- هيئت مدیره
- کتاب
- هر دو
- پهن
- ساختن
- بنا
- کسب و کار
- اما
- by
- CAN
- قابلیت های
- اهميت دادن
- مورد
- موارد
- باعث می شود
- گواهی نامه
- گواهی
- گواهینامه ها
- زنجیر
- چالش ها
- تبادل
- متهم
- بار
- گپ
- بررسی شده
- را انتخاب کنید
- اشاره
- بالینی
- ابر
- رمز
- منسجم
- ترکیب
- می آید
- مشترک
- عموما
- شرکت
- شرکت
- مقایسه
- مقایسه
- کامل
- به طور کامل
- تکمیل
- پیچیده
- کامپیوتر
- چشم انداز کامپیوتر
- محاسبه
- غلظت
- مفاهیم
- مختصر
- انجام
- انجام
- همایش ها
- محرمانه
- محرمانه بودن
- پیکربندی
- تکرار
- رضایت
- با توجه به
- شامل
- کنسول
- مشاوره
- محتوا
- زمینه
- زمینه ها
- ادامه دادن
- مداوم
- کمک
- کنترل
- گفتگو
- تبدیل
- به درستی
- متناظر
- کیهانشناسی
- مقرون به صرفه
- هزینه
- میتوانست
- پوشش
- را پوشش می دهد
- ایجاد
- ایجاد شده
- ایجاد
- ایجاد
- CSP
- در حال حاضر
- سفارشی
- مشتری
- مشتریان
- سفارشی
- سفارشی
- داده ها
- علم اطلاعات
- پایگاه داده
- پایگاه های داده
- دختر
- روز
- کاهش یافته
- عمیق
- یادگیری عمیق
- عمیقا
- به طور پیش فرض
- تعريف كردن
- نسخه ی نمایشی
- نشان دادن
- بخش
- گسترش
- افسردگی
- شرح
- طرح
- دقیق
- جزئیات
- تشخیص
- توسعه دهنده
- پروژه
- مختلف
- دیجیتال
- مستقیما
- مدیران
- افشا کردن
- کشف
- بحث کردیم
- اختلال
- do
- پزشکان
- سند
- اسناد و مدارک
- دامنه
- حوزه
- دان
- انجام شده
- آیا
- دوزها
- dr
- دارو
- در طی
- هر
- پیش از آن
- آموزش
- اثر
- موثر
- اثرات
- اثر
- هر دو
- دارای جزئیات - بسیط
- الکترونیکی
- واجد شرایط
- دیگر
- تعبیه کردن
- کار می کند
- قادر ساختن
- رمزگذاری
- رمزگذاری
- پایان
- پشت سر هم
- موتور
- لذت بردن
- اطمینان حاصل شود
- وارد
- سرمایه گذاری
- سرگرمی
- محیط
- به خصوص
- ضروری است
- و غیره
- ارزیابی
- ارزیابی
- مثال
- اکسل
- برانگیخته
- مخارج
- تجربه
- تجربه
- تخصص
- توضیح دهید
- خارجی
- واقعیت
- شکست
- خانواده
- سریعتر
- خستگی
- باز خورد
- پرونده
- فایل ها
- نهایی
- مالی
- خدمات مالی
- پیدا کردن
- نام خانوادگی
- متمرکز شده است
- تمرکز
- به دنبال
- پیروی
- به دنبال آن است
- برای
- قابل پیش بینی
- فرم
- قالب
- اشکال
- پایه
- رایگان
- دوستان
- از جانب
- ظاهر
- کامل
- پشته کامل
- کاملا
- تابع
- بیشتر
- آینده
- تولید می کنند
- تولید می کند
- مولد
- نسل
- مولد
- هوش مصنوعی مولد
- دریافت کنید
- جهانی
- دیجیتال جهانی
- Go
- اهداف
- می رود
- دولت
- سازمان های دولتی
- مبتنی بر
- تضمین شده
- راهنمایی
- دسته
- اداره
- آیا
- داشتن
- he
- سردرد
- سلامتی
- مراقبت های بهداشتی
- اطلاعات سلامتی
- بهداشت و درمان
- کمک
- کمک کرد
- کمک
- کمک می کند
- او
- زیاد
- در سطح بالا
- خود را
- تاریخ
- دارای
- صفحه اصلی
- ساعت ها
- چگونه
- چگونه
- اما
- HTML
- HTTP
- HTTPS
- انسان
- ID
- شناسایی می کند
- شناسایی
- if
- تصویر
- پیاده سازی ها
- اجرا
- واردات
- in
- شامل
- از جمله
- وارد شونده
- شاخص
- لوازم
- اطلاعات
- اطلاع
- شالوده
- اول
- ورودی
- بینش
- نصب
- بیمه
- یکپارچه
- ادغام
- ادغام
- یکپارچگی
- تمامیت
- هوشمند
- اثر متقابل
- علاقه
- رابط
- داخلی
- تقاطع
- مصاحبه
- سوالات مصاحبه
- مصاحبه
- به
- شامل
- اینترنت اشیا
- IT
- ITS
- پیوستن
- سفر
- JPG
- تنها
- نگهداری
- نگه داشته شد
- کلید
- دانستن
- دانا
- دانش
- زبان
- بزرگ
- نام
- رهبری
- رهبر
- منجر می شود
- یاد گرفتن
- یادگیری
- اجازه می دهد تا
- سطح
- سطح
- زندگی
- علوم زندگی
- سبک زندگی
- پسندیدن
- دوست دارد
- فهرست
- ذکر شده
- LLM
- بارگیری
- محل
- قفل شده
- طولانی
- دستگاه
- فراگیری ماشین
- نگهداری
- ساخت
- ساخت
- مدیریت
- قابل کنترل
- اداره می شود
- مدیریت
- مدیریت می کند
- تولید
- بسیاری
- علامت
- مارک
- بیشترین
- ممکن است..
- me
- رسانه ها
- پزشکی
- تحقیقات پزشکی
- دارو
- داروها
- پزشکی
- عضو
- حافظه
- روانی
- سلامت روان
- متا
- روش
- قدرت
- ML
- مدل
- مدل
- ماژول ها
- نظارت
- ماهیانه
- بیش
- اکثر
- بسیار
- چندگانه
- باید
- my
- نام
- بومی
- طبیعی
- پردازش زبان طبیعی
- جهت یابی
- نیاز
- جدید
- نه
- هیچ
- طبیعی
- یادداشت
- عدد
- تعداد
- گرفتن
- به دست آمده
- بدست آوردن
- of
- دفاتر
- on
- ONE
- آنهایی که
- فقط
- گزینه
- or
- تنظیم و ارکستراسیون
- اصلی
- دیگر
- دیگران
- نتایج
- تولید
- خارج از
- روی
- همپوشانی
- با ما
- صفحات
- پرداخت
- قطعه
- اوراق
- پارکینگ
- بخش
- شرکت کننده
- شرکت کنندگان
- شرکت کننده
- مشارکت
- عبور
- عبور
- کلمه عبور
- pacientes
- پرداخت
- مبلغ پرداختی
- مردم
- درصد
- کارایی
- دوره
- شخص
- شخصی
- تلفن
- عکاسی
- قطعات
- خط لوله
- برنامه
- افلاطون
- هوش داده افلاطون
- PlatoData
- بازی
- بازی
- محبوب
- ممکن
- پست
- پتانسیل
- قدرت
- عملی
- تمرین
- مرجح
- بارداری
- جلوگیری از
- جلوگیری
- قبلی
- اصلی
- اصلی
- قبلا
- خلوت
- خصوصی
- مشکلات
- روش
- روند
- در حال پردازش
- محصول
- محصولات
- پیشرفت
- پروژه
- مدیریت پروژه
- پروژه ها
- پرسیدن
- مناسب
- پیشنهادات
- پیشنهاد شده
- محفوظ
- ارائه
- ارائه
- ارائه دهندگان
- فراهم می کند
- هدف
- پــایتــون
- پرسش و پاسخ
- کوانتومی
- اطلاعات کوانتومی
- نمایش ها
- پرس و جو
- سوال
- سوالات
- تحقیق و توسعه
- پارچه
- محدوده
- اعم
- جوش
- RE
- گرفتن
- کاهش
- مراجعه
- منطقه
- مربوط
- مربوط
- مکرر
- درخواست
- تحقیق
- منابع
- پاسخ
- مسئوليت
- نتیجه
- نتایج
- بازیابی
- برگشت
- بازبینی
- غنی
- خطر
- خطرات
- رباتیک
- نقش
- اجرا می شود
- زمان اجرا
- گفتن
- مقیاس پذیر
- مقیاس
- مقیاس ها
- مقیاس گذاری
- علم
- علوم
- نمره
- اسکریپت
- sdk
- یکپارچه
- جستجو
- بخش
- بخش
- امن
- را انتخاب کنید
- انتخاب شد
- خود کارگردانی
- معنایی
- ارشد
- جداگانه
- سلسله
- بدون سرور
- سرویس
- خدمات
- خدمت
- جلسه
- جلسات
- تنظیم
- محیط
- تنظیمات
- به اشتراک گذاشته شده
- او
- باید
- نشان می دهد
- طرف
- امضاء
- نشانه ها
- مشابه
- ساده
- سنگاپور
- نشسته است
- شش
- اندازه
- پوست
- کوچکتر
- So
- آگاهی
- نرم افزار
- جامد
- راه حل
- مزایا
- برخی از
- آن
- منبع
- منابع
- فضا
- محدوده
- صحبت می کند
- متخصص
- متخصصان
- تخصصی
- تخصص
- خاص
- به طور خاص
- مشخص شده
- هزینه
- صرف می کند
- انشعاب
- تقسیم می کند
- صفحه گسترده
- ثبات
- پشته
- استاندارد
- شروع
- آغاز شده
- راه افتادن
- شروع می شود
- آماری
- ارقام
- وضعیت
- گام
- مراحل
- هنوز
- متوقف شد
- متوقف کردن
- ذخیره سازی
- opbevare
- پرده
- ذخیره سازی
- ساده
- استراتژی
- مهاجرت تحصیلی
- چنین
- خودکشی
- خورشید
- پشتیبانی
- پشتیبانی از
- مطمئن
- همگام سازی
- هماهنگ سازی
- نحو
- ترکیبی
- سیستم
- جدول
- گرفتن
- صورت گرفته
- طول می کشد
- مصرف
- مذاکرات
- تیم
- فن آوری
- تکنیک
- پیشرفته
- قالب
- تنیس
- واژه شناسی
- آزمون
- تست
- متن
- که
- La
- آینده
- منبع
- شان
- آنها
- خودشان
- سپس
- آنجا.
- اینها
- آنها
- تفکر
- شخص ثالث
- این
- کسانی که
- از طریق
- توان
- زمان
- سری زمانی
- تیتان
- به
- با هم
- رمز
- بالا
- بالا 5
- قابلیت ردیابی
- قطار
- تبدیل شدن
- حمل و نقل
- سفر
- سفر
- رفتار
- درمان
- محاکمه
- ماشه
- امتحان
- دو
- نوع
- انواع
- زیر
- فهمیدن
- درک
- یکپارچه
- بدون ساختار
- به روز شده
- به روز رسانی
- استفاده کنید
- مورد استفاده
- استفاده
- کاربر
- استفاده
- با استفاده از
- معمول
- معمولا
- آب و برق
- v1
- ارزشها
- مختلف
- به شدت
- نسخه
- از طريق
- خشونت
- دید
- بازدیدکننده داشته است
- حیاتی
- می خواهم
- بود
- امواج
- we
- وب
- خدمات وب
- Webinars
- هفته
- خوب
- غرب
- چی
- چه شده است
- چه زمانی
- چه
- که
- WHO
- وسیع
- دامنه گسترده
- اراده
- پنجره
- با
- بدون
- زنان
- کلمه
- مهاجرت کاری
- گردش کار
- کارگر
- با این نسخهها کار
- خواهد بود
- نوشتن
- کتبی
- سال
- سال
- شما
- شما
- یوتیوب
- زفیرنت