این یک وبلاگ مشترک با AWS و Philips است.
فیلیپس یک شرکت فناوری سلامت است که بر بهبود زندگی مردم از طریق نوآوری معنادار متمرکز است. از سال 2014، این شرکت پلتفرم Philips HealthSuite خود را به مشتریان ارائه می دهد که ده ها سرویس AWS را که شرکت های مراقبت های بهداشتی و علوم زیستی برای بهبود مراقبت از بیمار استفاده می کنند، هماهنگ می کند. این شرکت با ارائهدهندگان مراقبتهای بهداشتی، استارتآپها، دانشگاهها و سایر شرکتها برای توسعه فناوری همکاری میکند که به پزشکان کمک میکند تا تشخیصهای دقیقتری داشته باشند و درمان شخصیسازیشدهتری را برای میلیونها نفر در سراسر جهان ارائه دهند.
یکی از محرکهای کلیدی استراتژی نوآوری فیلیپس، هوش مصنوعی (AI) است که امکان ایجاد محصولات و خدمات هوشمند و شخصیشده را فراهم میکند که میتواند نتایج سلامتی را بهبود بخشد، تجربه مشتری را افزایش دهد و کارایی عملیاتی را بهینه کند.
آمازون SageMaker ابزارهای هدفمندی را برای عملیات یادگیری ماشین (MLOps) فراهم می کند تا به خودکارسازی و استانداردسازی فرآیندها در سراسر چرخه حیات ML کمک کند. با ابزار SageMaker MLOps، تیمها میتوانند به راحتی مدلهای ML را در مقیاس آموزش، آزمایش، عیبیابی، استقرار و مدیریت کنند تا بهرهوری دانشمندان داده و مهندسان ML را افزایش دهند و در عین حال عملکرد مدل را در تولید حفظ کنند.
در این پست، نحوه همکاری فیلیپس با AWS برای توسعه AI ToolSuite - یک پلت فرم مقیاس پذیر، ایمن و سازگار ML در SageMaker را شرح می دهیم. این پلتفرم قابلیت هایی از آزمایش، حاشیه نویسی داده ها، آموزش، استقرار مدل و قالب های قابل استفاده مجدد را ارائه می دهد. همه این قابلیتها برای کمک به چندین خط کسبوکار برای نوآوری با سرعت و چابکی در حین مدیریت در مقیاس با کنترلهای مرکزی ساخته شدهاند. ما موارد استفاده کلیدی را که الزامات اولین تکرار پلتفرم، اجزای اصلی و نتایج بهدستآمده را فراهم میکنند، تشریح میکنیم. ما با شناسایی تلاشهای در حال انجام برای فعال کردن پلتفرم با بارهای کاری هوش مصنوعی و به سرعت کاربران و تیمهای جدید برای پذیرش این پلتفرم نتیجهگیری میکنیم.
زمینه مشتری
فیلیپس از هوش مصنوعی در حوزه های مختلفی مانند تصویربرداری، تشخیص، درمان، سلامت شخصی و مراقبت های مرتبط استفاده می کند. برخی از نمونههای راهحلهای مبتنی بر هوش مصنوعی که فیلیپس در سالهای گذشته توسعه داده است عبارتند از:
- فیلیپس SmartSpeed – یک فناوری تصویربرداری مبتنی بر هوش مصنوعی برای MRI که از الگوریتم هوش مصنوعی مبتنی بر حس فشرده منحصر به فرد برای یادگیری عمیق استفاده میکند تا سرعت و کیفیت تصویر را برای طیف وسیعی از بیماران به سطح بالاتری برساند.
- Philips eCareManager - یک راه حل بهداشت از راه دور که از هوش مصنوعی برای پشتیبانی از مراقبت از راه دور و مدیریت بیماران بدحال در بخش های مراقبت ویژه، با استفاده از تحلیل های پیشرفته و الگوریتم های بالینی برای پردازش داده های بیمار از منابع متعدد، و ارائه بینش ها، هشدارها و توصیه های عملی برای بیماران استفاده می کند. تیم مراقبت
- Philips Sonicare - مسواک هوشمندی که از هوش مصنوعی برای تجزیه و تحلیل رفتار مسواک زدن و سلامت دهان و دندان کاربران استفاده می کند و راهنمایی های لحظه ای و توصیه های شخصی مانند زمان، فشار و پوشش بهینه مسواک زدن را برای بهبود بهداشت دهان و دندان و جلوگیری از پوسیدگی و بیماری های لثه ارائه می کند. .
برای سالها، فیلیپس در توسعه الگوریتمهای دادهمحور پیشگام بوده است تا راهحلهای نوآورانه خود را در سراسر مجموعه مراقبتهای بهداشتی تامین کند. در حوزه تصویربرداری تشخیصی، فیلیپس بسیاری از برنامه های کاربردی ML را برای بازسازی و تفسیر تصویر پزشکی، مدیریت گردش کار و بهینه سازی درمان توسعه داد. همچنین در نظارت بر بیمار، تیمهای درمانی هدایتشده با تصویر، اولتراسوند و سلامت شخصی الگوریتمها و برنامههای کاربردی ML را ایجاد کردهاند. با این حال، نوآوری به دلیل استفاده از محیط های توسعه هوش مصنوعی تکه تکه در بین تیم ها با مشکل مواجه شد. این محیطها از لپتاپها و دسکتاپهای فردی گرفته تا خوشههای محاسباتی در محل و زیرساختهای مبتنی بر ابر را شامل میشد. این ناهمگونی در ابتدا به تیمهای مختلف امکان داد تا در تلاشهای اولیه توسعه هوش مصنوعی خود به سرعت حرکت کنند، اما اکنون فرصتها را برای مقیاسبندی و بهبود کارایی فرآیندهای توسعه هوش مصنوعی ما متوقف میکند.
بدیهی است که یک تغییر اساسی به سمت یک محیط یکپارچه و استاندارد برای آزادسازی واقعی پتانسیل تلاشهای مبتنی بر داده در فیلیپس ضروری است.
موارد استفاده کلیدی AI/ML و الزامات پلت فرم
پیشنهادهای فعالشده با هوش مصنوعی میتوانند مراقبتهای بهداشتی را با خودکار کردن وظایف اداری انجام شده توسط پزشکان متحول کنند. مثلا:
- هوش مصنوعی می تواند تصاویر پزشکی را تجزیه و تحلیل کند تا به رادیولوژیست ها کمک کند بیماری ها را سریع تر و دقیق تر تشخیص دهند
- هوش مصنوعی می تواند با تجزیه و تحلیل داده های بیمار و بهبود مراقبت های پیشگیرانه، رویدادهای پزشکی آینده را پیش بینی کند
- هوش مصنوعی می تواند درمان شخصی متناسب با نیازهای بیماران را توصیه کند
- هوش مصنوعی میتواند اطلاعات را از یادداشتهای بالینی استخراج و ساختار دهد تا رکوردگیری کارآمدتر شود
- رابطهای هوش مصنوعی میتوانند برای پرسوجوها، یادآوریها و بررسیکننده علائم، از بیمار پشتیبانی کنند
به طور کلی، AI/ML وعده کاهش خطای انسانی، صرفه جویی در زمان و هزینه، بهینه سازی تجربیات بیمار و مداخلات به موقع و شخصی سازی شده را می دهد.
یکی از الزامات کلیدی برای پلتفرم توسعه و استقرار ML، توانایی پلتفرم برای پشتیبانی از فرآیند توسعه و استقرار تکراری مداوم است، همانطور که در شکل زیر نشان داده شده است.
توسعه دارایی هوش مصنوعی در یک محیط آزمایشگاهی شروع میشود، جایی که دادهها جمعآوری و مدیریت میشوند و سپس مدلها آموزش داده میشوند و اعتبارسنجی میشوند. هنگامی که مدل آماده و برای استفاده تأیید شد، در سیستمهای تولید در دنیای واقعی مستقر میشود. پس از استقرار، عملکرد مدل به طور مداوم نظارت می شود. عملکرد دنیای واقعی و بازخورد در نهایت برای بهبودهای بیشتر مدل با اتوماسیون کامل آموزش و استقرار مدل استفاده میشود.
الزامات دقیقتر AI ToolSuite توسط سه مورد استفاده نمونه هدایت میشود:
- یک برنامه بینایی کامپیوتری با هدف تشخیص اشیاء در لبه ایجاد کنید. تیم علم داده انتظار داشت که یک گردش کار حاشیه نویسی خودکار تصویر مبتنی بر هوش مصنوعی، فرآیند برچسب گذاری زمان بر را سرعت بخشد.
- یک تیم علم داده را فعال کنید تا خانواده ای از مدل های کلاسیک ML را برای محک زدن آمار در چندین واحد پزشکی مدیریت کند. این پروژه مستلزم اتوماسیون استقرار مدل، ردیابی آزمایش، نظارت بر مدل، و کنترل بیشتر بر روی کل فرآیند برای ممیزی و بازآموزی در آینده بود.
- بهبود کیفیت و زمان برای بازاریابی مدل های یادگیری عمیق در تصویربرداری پزشکی تشخیصی. زیرساخت محاسباتی موجود اجازه اجرای بسیاری از آزمایشها را به صورت موازی نمیداد که توسعه مدل را به تاخیر انداخت. همچنین، برای اهداف نظارتی، لازم است که قابلیت تکرارپذیری کامل آموزش مدل برای چندین سال فعال شود.
الزامات غیر کاربردی
ساختن یک پلت فرم مقیاس پذیر و قوی AI/ML مستلزم در نظر گرفتن دقیق الزامات غیرعملکردی است. این الزامات فراتر از عملکردهای خاص پلتفرم است و بر اطمینان از موارد زیر تمرکز دارد:
- مقیاس پذیری – پلتفرم AI ToolSuite باید بتواند زیرساخت های تولید بینش فیلیپس را به طور موثرتری مقیاس بندی کند تا این پلتفرم بتواند حجم فزاینده ای از داده ها، کاربران و حجم کاری AI/ML را بدون به خطر انداختن عملکرد مدیریت کند. باید به گونهای طراحی شود که به صورت افقی و عمودی مقیاسبندی شود تا ضمن ارائه مدیریت منابع مرکزی، نیازهای روزافزون را به طور یکپارچه برآورده کند.
- عملکرد – این پلتفرم باید قابلیت های محاسباتی با کارایی بالا را برای پردازش کارآمد الگوریتم های پیچیده AI/ML ارائه دهد. SageMaker طیف گستردهای از انواع نمونهها، از جمله نمونههایی با پردازندههای گرافیکی قدرتمند را ارائه میدهد که میتوانند به طور قابلتوجهی آموزش مدل و وظایف استنتاج را تسریع کنند. همچنین باید زمان تأخیر و پاسخ را به حداقل برساند تا نتایج بلادرنگ یا تقریباً واقعی ارائه شود.
- قابلیت اطمینان – این پلتفرم باید یک زیرساخت هوش مصنوعی بسیار قابل اعتماد و قوی ارائه دهد که در چندین منطقه در دسترس قرار گیرد. این معماری چند AZ باید با توزیع منابع و بارهای کاری در مراکز داده متمایز، عملیات بی وقفه هوش مصنوعی را تضمین کند.
- دسترسی - پلت فرم باید 24 ساعته در دسترس باشد، با حداقل زمان خرابی برای نگهداری و ارتقا. در دسترس بودن بالای AI ToolSuite باید شامل تعادل بار، معماری های مقاوم در برابر خطا و نظارت فعال باشد.
- امنیت و حکومت - پلتفرم باید از اقدامات امنیتی قوی، رمزگذاری، کنترل های دسترسی، نقش های اختصاصی و مکانیسم های احراز هویت با نظارت مستمر برای فعالیت های غیرعادی و انجام ممیزی های امنیتی استفاده کند.
- مدیریت اطلاعات – مدیریت کارآمد داده برای پلتفرم های AI/ML بسیار مهم است. مقررات در صنعت مراقبت های بهداشتی نیاز به حاکمیت داده های دقیق دارد. برای اطمینان از نتایج دقیق و قابل اعتماد، باید ویژگی هایی مانند نسخه سازی داده ها، اصل و نسب داده ها، حاکمیت داده ها و تضمین کیفیت داده ها را شامل شود.
- قابلیت همکاری – این پلتفرم باید طوری طراحی شود که به راحتی با مخازن داده های داخلی فیلیپس ادغام شود و امکان تبادل یکپارچه داده و همکاری با برنامه های شخص ثالث را فراهم کند.
- قابلیت نگهداری – معماری و کد پایه پلت فرم باید به خوبی سازماندهی شده، ماژولار و قابل نگهداری باشد. این به مهندسان و توسعه دهندگان Philips ML امکان می دهد تا به روز رسانی ها، رفع اشکالات و پیشرفت های آینده را بدون ایجاد اختلال در کل سیستم ارائه دهند.
- بهینه سازی منابع - این پلتفرم باید گزارشهای استفاده را به دقت نظارت کند تا مطمئن شود از منابع محاسباتی به طور مؤثر استفاده میشود و منابع را به صورت پویا بر اساس تقاضا تخصیص میدهد. بهعلاوه، فیلیپس باید از ابزارهای مدیریت هزینه و صورتحساب AWS استفاده کند تا مطمئن شود که تیمها در صورت عبور از مقدار آستانه تخصیصیافته، اعلانها را دریافت میکنند.
- نظارت و ثبت - پلت فرم باید استفاده کند CloudWatch آمازون هشدارهایی برای قابلیت های نظارت و گزارش جامع، که برای ردیابی عملکرد سیستم، شناسایی تنگناها و عیب یابی موثر مسائل ضروری هستند.
- قبول - این پلتفرم همچنین می تواند به بهبود انطباق مقرراتی پیشنهادات مبتنی بر هوش مصنوعی کمک کند. تکرارپذیری و ردیابی باید به طور خودکار توسط خطوط لوله پردازش داده انتها به انتها فعال شود، جایی که بسیاری از مصنوعات مستند اجباری، مانند گزارش های نسب داده ها و کارت های مدل، می توانند به طور خودکار آماده شوند.
- تست و اعتبار سنجی - روشهای آزمایش و اعتبارسنجی دقیق باید برای اطمینان از دقت و قابلیت اطمینان مدلهای AI/ML و جلوگیری از سوگیریهای ناخواسته وجود داشته باشد.
بررسی اجمالی راه حل
AI ToolSuite یک محیط توسعه هوش مصنوعی سرتاسر، مقیاسپذیر و شروع سریع است که SageMaker بومی و خدمات AI/ML مرتبط با نردههای امنیتی و حریم خصوصی Philips HealthSuite و ادغامهای اکوسیستم فیلیپس را ارائه میدهد. سه شخصیت با مجموعه های اختصاصی از مجوزهای دسترسی وجود دارد:
- دانشمند داده - داده ها را آماده کنید و مدل ها را در یک فضای کاری مشترک توسعه و آموزش دهید
- مهندس ML - تولید برنامه های ML با استقرار مدل، نظارت و نگهداری
- مدیر علوم داده – برای هر درخواست تیم پروژه ای ایجاد کنید تا محیط های ایزوله اختصاصی را با الگوهای موردی خاص ارائه کنید
توسعه پلتفرم چرخه های انتشار چندگانه را در یک چرخه تکراری کشف، طراحی، ساخت، آزمایش و استقرار در بر می گرفت. با توجه به منحصربهفرد بودن برخی از برنامهها، گسترش پلتفرم مستلزم تعبیه اجزای سفارشی موجود مانند فروشگاههای داده یا ابزارهای اختصاصی برای حاشیهنویسی بود.
شکل زیر معماری سه لایه AI ToolSuite را نشان می دهد که شامل زیرساخت پایه به عنوان لایه اول، اجزای رایج ML به عنوان لایه دوم و قالب های خاص پروژه به عنوان لایه سوم می شود.
لایه 1 شامل زیرساخت پایه است:
- یک لایه شبکه با دسترسی پارامتری به اینترنت با در دسترس بودن بالا
- ارائه خدمات سلف سرویس با زیرساخت به عنوان کد (IaC)
- یک محیط توسعه یکپارچه (IDE) با استفاده از یک Amazon SageMaker Studio دامنه
- نقش های پلت فرم (مدیر علوم داده، دانشمند داده)
- ذخیره سازی مصنوعات
- ثبت و نظارت برای مشاهده
لایه 2 شامل اجزای رایج ML است:
- ردیابی آزمایشی خودکار برای هر کار و خط لوله
- خط لوله ساخت مدل برای راه اندازی به روز رسانی ساخت مدل جدید
- یک خط لوله آموزشی مدل متشکل از آموزش مدل، ارزیابی، ثبت نام
- یک خط لوله استقرار مدل برای استقرار مدل برای آزمایش و تایید نهایی
- یک رجیستری مدل برای مدیریت آسان نسخه های مدل
- نقش پروژه ای که به طور خاص برای یک مورد خاص ایجاد شده است تا به کاربران SageMaker Studio اختصاص داده شود
- یک مخزن تصویر برای ذخیره سازی تصاویر محفظه پردازش، آموزش و استنتاج ساخته شده برای پروژه
- یک مخزن کد برای ذخیره مصنوعات کد
- یک پروژه سرویس ذخیره سازی ساده آمازون سطل (Amazon S3) برای ذخیره تمام داده ها و مصنوعات پروژه
لایه 3 شامل قالب های خاص پروژه است که می تواند با اجزای سفارشی مطابق با نیاز پروژه های جدید ایجاد شود. مثلا:
- قالب 1 - شامل یک جزء برای پرس و جو داده ها و ردیابی تاریخچه است
- قالب 2 - شامل یک جزء برای حاشیه نویسی داده ها با یک گردش کار حاشیه نویسی سفارشی برای استفاده از ابزار حاشیه نویسی اختصاصی
- قالب 3 - شامل اجزایی برای تصاویر کانتینر سفارشی برای سفارشی کردن محیط توسعه و روالهای آموزشی، سیستم فایل HPC اختصاصی، و دسترسی از یک IDE محلی برای کاربران
نمودار زیر خدمات کلیدی AWS را که شامل چندین حساب AWS برای توسعه، مرحلهبندی و تولید است، نشان میدهد.
در بخشهای بعدی، قابلیتهای کلیدی پلتفرم فعال شده توسط سرویسهای AWS، از جمله SageMaker را مورد بحث قرار میدهیم. کاتالوگ خدمات AWS، CloudWatch، AWS لامبدا, رجیستری ظروف الاستیک آمازون (Amazon ECR)، Amazon S3، هویت AWS و مدیریت دسترسی (IAM)، و دیگران.
زیرساخت به عنوان کد
این پلتفرم از IaC استفاده می کند که به فیلیپس اجازه می دهد تا تهیه و مدیریت منابع زیرساخت را خودکار کند. این رویکرد همچنین به تکرارپذیری، مقیاسپذیری، کنترل نسخه، ثبات، امنیت و قابلیت حمل برای توسعه، آزمایش یا تولید کمک میکند.
دسترسی به محیط های AWS
SageMaker و سرویسهای AI/ML مرتبط با نردههای امنیتی برای آمادهسازی دادهها، توسعه مدل، آموزش، حاشیهنویسی و استقرار دسترسی دارند.
انزوا و همکاری
این پلت فرم جداسازی داده ها را با ذخیره و پردازش جداگانه تضمین می کند و خطر دسترسی غیرمجاز یا نقض داده ها را کاهش می دهد.
این پلتفرم همکاری تیمی را تسهیل میکند، که در پروژههای هوش مصنوعی که معمولاً تیمهای متقابل کارکردی را شامل میشود، از جمله دانشمندان داده، مدیران علوم داده و مهندسان MLOps ضروری است.
کنترل دسترسی مبتنی بر نقش
کنترل دسترسی مبتنی بر نقش (RBAC) در مدیریت مجوزها و سادهسازی مدیریت دسترسی با تعریف نقشها و مجوزها به شیوهای ساختاریافته ضروری است. مدیریت مجوزها با رشد تیمها و پروژهها و کنترل دسترسی برای افراد مختلف درگیر در پروژههای AWS AI/ML، مانند سرپرست علوم داده، دانشمند داده، سرپرست حاشیهنویسی، حاشیه نویس، و مهندس MLOps، ساده است.
دسترسی به فروشگاه های داده
این پلتفرم به SageMaker اجازه دسترسی به فروشگاههای داده را میدهد، که تضمین میکند که دادهها میتوانند به طور موثر برای آموزش مدل و استنتاج بدون نیاز به تکثیر یا انتقال دادهها در مکانهای مختلف ذخیرهسازی مورد استفاده قرار گیرند، در نتیجه استفاده از منابع بهینه و هزینهها کاهش مییابد.
حاشیه نویسی با استفاده از ابزارهای حاشیه نویسی خاص فیلیپس
AWS مجموعه ای از خدمات هوش مصنوعی و ML مانند SageMaker را ارائه می دهد. Amazon SageMaker Ground Truthو Cognito آمازون، که به طور کامل با ابزارهای حاشیه نویسی داخلی مخصوص فیلیپس ادغام شده اند. این ادغام توسعه دهندگان را قادر می سازد تا با استفاده از داده های حاشیه نویسی شده در محیط AWS، مدل های ML را آموزش و استقرار دهند.
قالب های ML
پلتفرم AI ToolSuite قالب هایی را در AWS برای گردش های کاری مختلف ML ارائه می دهد. این الگوها تنظیمات زیرساختی از پیش تنظیم شده هستند که برای موارد خاص استفاده از ML طراحی شده اند و از طریق خدماتی مانند قابل دسترسی هستند. قالب های پروژه SageMaker, AWS CloudFormationو کاتالوگ خدمات.
ادغام با Philips GitHub
ادغام با GitHub با ارائه یک پلتفرم متمرکز برای کنترل نسخه، بررسی کد، و خطوط لوله خودکار CI/CD (ادغام مداوم و استقرار مداوم)، کارایی را افزایش میدهد، کارهای دستی را کاهش میدهد و بهرهوری را افزایش میدهد.
ادغام کد ویژوال استودیو
ادغام با Visual Studio Code یک محیط یکپارچه برای کدنویسی، اشکال زدایی و مدیریت پروژه های ML فراهم می کند. این کار کل گردش کار ML را ساده می کند، تغییر زمینه و صرفه جویی در زمان را کاهش می دهد. این ادغام همچنین همکاری بین اعضای تیم را با امکان کار روی پروژه های SageMaker با یکدیگر در یک محیط توسعه آشنا، استفاده از سیستم های کنترل نسخه و به اشتراک گذاری کد و نوت بوک ها به طور یکپارچه افزایش می دهد.
مدل و اصل و نسب داده و قابلیت ردیابی برای تکرارپذیری و انطباق
این پلتفرم نسخهسازی را فراهم میکند که به پیگیری تغییرات در آموزش و استنتاج دادههای دانشمند داده در طول زمان کمک میکند و بازتولید نتایج و درک تکامل مجموعههای داده را آسانتر میکند.
این پلتفرم ردیابی آزمایش SageMaker را نیز فعال میکند، که به کاربران نهایی اجازه میدهد تمام ابردادههای مرتبط با آزمایشهای ML خود، از جمله فراپارامترها، دادههای ورودی، کد و مصنوعات مدل را ثبت و ردیابی کنند. این قابلیتها برای نشان دادن انطباق با استانداردهای نظارتی و تضمین شفافیت و پاسخگویی در گردشهای کاری AI/ML ضروری هستند.
تولید گزارش مشخصات AI/ML برای انطباق با مقررات
AWS گواهینامه های انطباق را برای استانداردها و مقررات صنعتی مختلف حفظ می کند. گزارشهای مشخصات AI/ML به عنوان اسناد انطباق ضروری عمل میکنند و پایبندی به الزامات نظارتی را نشان میدهند. این گزارشها نسخهسازی مجموعه دادهها، مدلها و کدها را مستند میکنند. کنترل نسخه برای حفظ اصل و نسب داده، قابلیت ردیابی و تکرارپذیری ضروری است، که همگی برای انطباق با مقررات و ممیزی حیاتی هستند.
مدیریت بودجه در سطح پروژه
مدیریت بودجه در سطح پروژه به سازمان این امکان را می دهد که محدودیت هایی را برای هزینه ها تعیین کند، به جلوگیری از هزینه های غیر منتظره کمک می کند و اطمینان حاصل می کند که پروژه های ML در محدوده بودجه باقی می مانند. با مدیریت بودجه، سازمان میتواند بودجههای خاصی را به پروژهها یا تیمها اختصاص دهد، که به تیمها کمک میکند ناکارآمدی منابع یا جهشهای غیرمنتظره هزینه را در اوایل شناسایی کنند. علاوه بر مدیریت بودجه، با ویژگی خاموش کردن خودکار نوتبوکهای غیرفعال، اعضای تیم از پرداخت هزینه برای منابع استفادهنشده اجتناب میکنند، همچنین منابع ارزشمندی را در صورت عدم استفاده فعال آزاد میکنند و آنها را برای کارهای دیگر یا کاربران در دسترس قرار میدهند.
عواقب
AI ToolSuite به عنوان یک پلت فرم در سطح سازمانی برای توسعه و استقرار ML برای دانشمندان داده در سراسر فیلیپس طراحی و اجرا شد. ملزومات متنوعی از تمامی واحدهای تجاری در طول طراحی و توسعه جمع آوری و در نظر گرفته شد. در اوایل پروژه، فیلیپس قهرمانانی را از تیمهای تجاری شناسایی کرد که بازخورد ارائه کردند و به ارزیابی ارزش پلت فرم کمک کردند.
نتایج زیر حاصل شد:
- پذیرش کاربر یکی از شاخص های اصلی فیلیپس است. کاربران از چندین واحد تجاری آموزش دیدند و روی این پلتفرم نصب شدند و انتظار میرود این تعداد در سال 2024 افزایش یابد.
- معیار مهم دیگر کارایی برای کاربران علم داده است. با AI ToolSuite، محیط های توسعه ML جدید به جای چند روز در کمتر از یک ساعت مستقر می شوند.
- تیم های علم داده می توانند به یک زیرساخت محاسباتی مقیاس پذیر، ایمن، مقرون به صرفه و مبتنی بر ابر دسترسی داشته باشند.
- تیمها میتوانند آزمایشهای آموزشی چند مدل را بهطور موازی اجرا کنند، که به طور قابل توجهی میانگین زمان تمرین را از هفتهها به 1 تا 3 روز کاهش داد.
- از آنجایی که استقرار محیط کاملاً خودکار است، عملاً نیازی به دخالت مهندسان زیرساخت ابری ندارد که هزینههای عملیاتی را کاهش میدهد.
- استفاده از AI ToolSuite به طور قابل توجهی بلوغ کلی داده ها و محصولات قابل تحویل هوش مصنوعی را با ترویج استفاده از شیوه های خوب ML، گردش کار استاندارد، و تکرارپذیری سرتاسر، که برای انطباق با مقررات در صنعت مراقبت های بهداشتی حیاتی است، افزایش داد.
منتظر هوش مصنوعی مولد هستیم
از آنجایی که سازمانها برای اتخاذ آخرین پیشرفتهترین فناوری هوش مصنوعی رقابت میکنند، اتخاذ فناوری جدید در چارچوب سیاستهای امنیتی و حاکمیتی سازمان ضروری است. معماری AI ToolSuite یک نقشه عالی برای امکان دسترسی به قابلیتهای هوش مصنوعی در AWS برای تیمهای مختلف فیلیپس فراهم میکند. تیمها میتوانند از مدلهای پایهای که با آن در دسترس هستند استفاده کنند Amazon SageMaker JumpStart، که تعداد زیادی مدل منبع باز را از Hugging Face و سایر ارائه دهندگان ارائه می دهد. با وجود نردههای حفاظتی لازم از نظر کنترل دسترسی، تأمین پروژه و کنترل هزینه، شروع به استفاده از قابلیتهای هوش مصنوعی در SageMaker برای تیمها بدون مشکل خواهد بود.
علاوه بر این، دسترسی به بستر آمازونیک سرویس کاملاً مدیریتشده مبتنی بر API برای هوش مصنوعی مولد، میتواند برای حسابهای فردی براساس الزامات پروژه ارائه شود و کاربران میتوانند از طریق رابط نوتبوک SageMaker یا از طریق IDE ترجیحی خود به APIهای Amazon Bedrock دسترسی داشته باشند.
ملاحظات دیگری در مورد پذیرش هوش مصنوعی مولد در یک محیط تنظیم شده، مانند مراقبت های بهداشتی، وجود دارد. باید توجه دقیقی به ارزش ایجاد شده توسط برنامه های کاربردی هوش مصنوعی در برابر خطرات و هزینه های مرتبط داده شود. همچنین نیاز به ایجاد یک ریسک و چارچوب قانونی وجود دارد که بر استفاده سازمان از فناوری های مولد هوش مصنوعی حاکم باشد. عناصری مانند امنیت داده ها، تعصب و انصاف، و انطباق با مقررات باید به عنوان بخشی از چنین مکانیزم هایی در نظر گرفته شوند.
نتیجه
فیلیپس سفری را آغاز کرد تا از قدرت الگوریتم های مبتنی بر داده استفاده کند تا راه حل های مراقبت های بهداشتی را متحول کند. در طول سالها، نوآوری در تصویربرداری تشخیصی چندین کاربرد ML، از بازسازی تصویر گرفته تا مدیریت گردش کار و بهینهسازی درمان را به همراه داشته است. با این حال، طیف متنوعی از تنظیمات، از لپتاپهای فردی گرفته تا خوشههای داخلی و زیرساختهای ابری، چالشهای بزرگی را به همراه داشت. مدیریت سیستم جداگانه، اقدامات امنیتی، مکانیسمهای پشتیبانی و پروتکل داده مانع از دید جامع TCO و انتقال پیچیده بین تیمها شد. انتقال از تحقیق و توسعه به تولید به دلیل فقدان اصل و نسب و تکرارپذیری سنگین بود و بازآموزی مداوم مدل را دشوار می کرد.
به عنوان بخشی از همکاری استراتژیک فیلیپس و AWS، پلتفرم AI ToolSuite برای توسعه یک پلتفرم ML مقیاس پذیر، ایمن و سازگار با SageMaker ایجاد شد. این پلتفرم قابلیت هایی از آزمایش، حاشیه نویسی داده ها، آموزش، استقرار مدل و قالب های قابل استفاده مجدد را ارائه می دهد. همه این قابلیت ها به طور مکرر در چندین چرخه کشف، طراحی، ساخت، آزمایش و استقرار ساخته شدند. این به چندین واحد تجاری کمک کرد تا در حین مدیریت در مقیاس با کنترل های مرکزی، با سرعت و چابکی نوآوری کنند.
این سفر بهعنوان الهامبخشی برای سازمانهایی است که به دنبال استفاده از قدرت هوش مصنوعی و ML برای هدایت نوآوری و کارایی در مراقبتهای بهداشتی هستند که در نهایت به نفع بیماران و ارائهدهندگان مراقبت در سراسر جهان است. فیلیپس در حالی که به پیشرفت خود بر اساس این موفقیت ادامه می دهد، آماده است تا از طریق راه حل های خلاقانه مجهز به هوش مصنوعی، گام های بلندتری در بهبود نتایج سلامتی بردارد.
برای کسب اطلاعات بیشتر در مورد نوآوری فیلیپس در AWS، به این سایت مراجعه کنید فیلیپس در AWS.
درباره نویسندگان
فرانک وارتنا مدیر برنامه در Philips Innovation & Strategy است. او دادهها و داراییهای پلتفرم مرتبط با هوش مصنوعی را برای پشتیبانی از دادههای فیلیپس و پیشنهادهای فعالشده با هوش مصنوعی هماهنگ میکند. او تجربه گسترده ای در زمینه هوش مصنوعی، علم داده و قابلیت همکاری دارد. فرانک در اوقات فراغت خود از دویدن، خواندن و قایقرانی و گذراندن وقت با خانواده لذت می برد.
ایرینا فدولووا یکی از رهبران اصلی داده و هوش مصنوعی در شرکت Philips Innovation & Strategy است. او در حال هدایت فعالیتهای استراتژیک متمرکز بر ابزارها، پلتفرمها و بهترین شیوههایی است که توسعه و تولید راهحلهای مبتنی بر هوش مصنوعی (تولیدکننده) را در فیلیپس سرعت میبخشد و مقیاس میدهد. ایرینا پیشینه فنی قوی در یادگیری ماشین، محاسبات ابری و مهندسی نرم افزار دارد. در خارج از محل کار، او از گذراندن وقت با خانواده، سفر و مطالعه لذت می برد.
سلواکومار پالانیاپان مالک محصول در شرکت Philips Innovation & Strategy، مسئول مدیریت محصول برای پلتفرم هوش مصنوعی و ML Philips HealthSuite است. او در زمینه مدیریت فنی محصولات و مهندسی نرم افزار تجربه بالایی دارد. او در حال حاضر روی ساخت یک پلت فرم توسعه و استقرار هوش مصنوعی و ML مقیاس پذیر و سازگار کار می کند. علاوه بر این، او پیشگام پذیرش آن توسط تیم های علم داده فیلیپس به منظور توسعه سیستم ها و راه حل های سلامت مبتنی بر هوش مصنوعی است.
عدنان الچی یک معمار ارشد زیرساخت ابری در خدمات حرفه ای AWS است. او به عنوان یک رهبر فناوری فعالیت می کند و بر عملیات های مختلف برای مشتریان در مراقبت های بهداشتی و علوم زندگی، مالی، هوانوردی و تولید نظارت می کند. اشتیاق او به اتوماسیون در مشارکت گسترده او در طراحی، ساخت و اجرای راه حل های مشتری در سطح سازمانی در محیط AWS مشهود است. عدنان فراتر از تعهدات حرفهایاش، فعالانه خود را وقف کار داوطلبانه میکند و تلاش میکند تا تأثیری معنادار و مثبت در جامعه ایجاد کند.
حسن پوناوالا حسن معمار ارشد راه حل های تخصصی AI/ML در AWS است، به مشتریان کمک می کند تا برنامه های یادگیری ماشین را در تولید در AWS طراحی و استقرار دهند. او بیش از 12 سال تجربه کاری به عنوان دانشمند داده، متخصص یادگیری ماشین و توسعه دهنده نرم افزار دارد. حسن در اوقات فراغت خود عاشق گشت و گذار در طبیعت و گذراندن وقت با دوستان و خانواده است.
سرئوشی روی یک مدیر ارشد تعامل جهانی با AWS است. او به عنوان شریک تجاری مشتریان علوم بهداشت و درمان، تجربه بی نظیری در تعریف و ارائه راه حل برای مشکلات پیچیده کسب و کار دارد. او به مشتریان خود کمک می کند تا اهداف استراتژیک را تعیین کنند، استراتژی های ابری/داده ای را تعریف و طراحی کنند و راه حل های مقیاس پذیر و قوی را برای رسیدن به اهداف فنی و تجاری خود پیاده سازی کنند. فراتر از تلاشهای حرفهایاش، فداکاری او در ایجاد تأثیر معنادار بر زندگی مردم از طریق تقویت همدلی و ترویج فراگیری نهفته است.
وجهت عزیز رهبر AI/ML و HPC در تیم AWS Healthcare و Life Sciences است. وجهات که به عنوان رهبر فناوری در نقشهای مختلف با سازمانهای علوم زیستی خدمت کرده است، از تجربیات خود برای کمک به مشتریان حوزه سلامت و علوم زیستی در استفاده از فناوریهای AWS برای توسعه راهحلهای پیشرفته ML و HPC استفاده میکند. زمینه های تمرکز فعلی او تحقیقات اولیه، آزمایشات بالینی و حفظ حریم خصوصی یادگیری ماشینی است.
ویولتا استوبینیککا دانشمند داده در AWS Professional Services است. او در طول دوران حرفهای خود پروژههای تحلیلی متعددی را برای صنایع مختلف مانند بانکداری، بیمه، مخابرات و بخش دولتی ارائه کرده است. دانش او از روش های آماری پیشرفته و یادگیری ماشینی به خوبی با زیرکی تجاری ترکیب شده است. او پیشرفت های اخیر هوش مصنوعی را برای ایجاد ارزش برای مشتریان به ارمغان می آورد.
- 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/philips-accelerates-development-of-ai-enabled-healthcare-solutions-with-an-mlops-platform-built-on-amazon-sagemaker/
- : دارد
- :است
- :نه
- :جایی که
- $UP
- 1
- 100
- 12
- 120
- 2014
- 2024
- 7
- 87
- a
- توانایی
- قادر
- درباره ما
- شتاب دادن
- تسریع می شود
- دسترسی
- دسترسی به داده ها
- قابل دسترسی است
- در دسترس
- مسئوليت
- حساب ها
- دقت
- دقیق
- دست
- در میان
- عملی
- فعالانه
- فعالیت ها
- تیزفهمی
- اضافه
- اضافی
- تبعیت
- مدیر سایت
- حکومت
- اداری
- اتخاذ
- اتخاذ
- پیشرفته
- پیشرفت
- در برابر
- AI
- AI / ML
- هدف
- تصویر، موسیقی
- الگوریتم
- الگوریتم
- معرفی
- اختصاص دادن
- اختصاص داده شده است
- اجازه دادن
- اجازه دادن
- اجازه می دهد تا
- قبلا
- همچنین
- آمازون
- آمازون SageMaker
- آمازون خدمات وب
- در میان
- مقدار
- an
- علم تجزیه و تحلیل
- تحلیل
- تجزیه و تحلیل
- و
- رابط های برنامه کاربردی
- کاربرد
- برنامه های کاربردی
- روش
- تایید کرد
- معماری
- هستند
- مناطق
- مصنوعی
- هوش مصنوعی
- هوش مصنوعی (AI)
- AS
- دارایی
- دارایی
- اختصاص داده
- مرتبط است
- اطمینان
- At
- حسابرسی
- ممیزی
- تصدیق
- خودکار بودن
- خودکار
- بطور خودکار
- اتوماسیون
- اتوماسیون
- دسترس پذیری
- در دسترس
- میانگین
- هوانوردی
- اجتناب از
- AWS
- خدمات حرفه ای AWS
- به عقب
- زمینه
- موازنه
- بانکداری
- پایه
- مستقر
- BE
- بوده
- رفتار
- معیار
- سودمند است
- بهترین
- بهترین شیوه
- میان
- خارج از
- تعصب
- تعصبات
- صدور صورت حساب
- بلاگ
- طرح
- بالا بردن
- تقویت
- هر دو
- تنگناها
- نقض
- به ارمغان می آورد
- پهن
- بودجه
- بودجه
- اشکال
- ساختن
- بنا
- ساخته
- کسب و کار
- اما
- by
- صدا
- CAN
- قابلیت های
- ظرفیت
- کارت ها
- اهميت دادن
- کاریابی
- دقیق
- مورد
- موارد
- کاتالوگ
- مراکز
- مرکزی
- متمرکز
- گواهینامه ها
- چالش ها
- قهرمانان
- تبادل
- بار
- کلاسیک
- مشتریان
- بالینی
- آزمایش های بالینی
- متخصصان بالینی
- نزدیک
- ابر
- محاسبات ابری
- زیرساخت های ابری
- رمز
- پایه کد
- برنامه نویسی
- همکاری
- مشترک
- ترکیب شده
- می آید
- تعهدات
- مشترک
- انجمن
- شرکت
- شرکت
- پیچیده
- انطباق
- موافق
- بغرنج
- جزء
- اجزاء
- جامع
- شامل
- محاسباتی
- محاسبه
- کامپیوتر
- چشم انداز کامپیوتر
- محاسبه
- در باره
- نتیجه گیری
- انجام
- متصل
- توجه
- ملاحظات
- در نظر گرفته
- ظرف
- شامل
- زمینه
- ادامه دادن
- مداوم
- به طور مداوم
- زنجیره
- کنترل
- گروه شاهد
- هسته
- هزینه
- مدیریت هزینه
- صرفه جویی در هزینه
- هزینه
- پوشش
- ایجاد
- ایجاد ارزش
- ایجاد شده
- ایجاد
- ایجاد
- بحرانی
- تیم های متقابل
- بسیار سخت
- سرپرستی
- جاری
- در حال حاضر
- سفارشی
- مشتری
- تجربه مشتری
- راه حل های مشتری
- مشتریان
- سفارشی
- چرخه
- چرخه
- داده ها
- خرابی داده ها
- مرکز دادهها
- تبادل اطلاعات
- مدیریت اطلاعات
- آماده سازی داده ها
- پردازش داده ها
- علم اطلاعات
- دانشمند داده
- امنیت داده ها
- داده محور
- مجموعه داده ها
- روز
- اختصاصی
- فداکاری
- عمیق
- یادگیری عمیق
- تعريف كردن
- تعریف کردن
- به تاخیر افتاده
- ارائه
- تحویل داده
- تحویل
- تقاضا
- خواسته
- نشان دادن
- گسترش
- مستقر
- گسترش
- اعزام ها
- توصیف
- طرح
- طراحی
- طراحی
- دقیق
- کشف
- توسعه
- توسعه
- توسعه دهنده
- توسعه دهندگان
- در حال توسعه
- پروژه
- تشخیصی
- تصویربرداری تشخیصی
- امکانات عیب شناسی
- مختلف
- مشکل
- كشف كردن
- بحث و تبادل نظر
- بیماری
- متمایز
- توزیع
- مختلف
- پزشکان
- سند
- مستندات
- دامنه
- حوزه
- انجام شده
- پایین
- مدت از کار افتادگی
- ده ها
- راندن
- رانده
- درایور
- رانندگی
- دو
- در طی
- بطور پویا
- در اوایل
- آسان تر
- به آسانی
- اکوسیستم
- لبه
- به طور موثر
- بهره وری
- موثر
- موثر
- تلاش
- هر دو
- عناصر
- سوار شد
- تعبیه کردن
- یکدلی
- قادر ساختن
- فعال
- را قادر می سازد
- را قادر می سازد
- رمزگذاری
- پایان
- پشت سر هم
- تلاش می کند
- نامزدی
- مهندس
- مهندسی
- مورد تأیید
- بالا بردن
- افزایش
- پیشرفت ها
- افزایش می یابد
- اطمینان حاصل شود
- تضمین می کند
- حصول اطمینان از
- سرمایه گذاری
- اشتیاق
- تمام
- محیط
- محیط
- خطا
- به خصوص
- ضروری است
- ارزیابی
- ارزیابی
- حتی
- حوادث
- در نهایت
- هر
- واضح است
- تکامل
- مثال
- مثال ها
- عالی
- تبادل
- موجود
- انتظار می رود
- تجربه
- با تجربه
- تجارب
- تجربه
- آزمایش
- اکتشاف
- گسترش
- وسیع
- عصاره
- چهره
- تسهیل می کند
- عدالت
- آشنا
- خانواده
- FAST
- سریعتر
- ویژگی
- امکانات
- باز خورد
- شکل
- پرونده
- نهایی
- سرمایه گذاری
- نام خانوادگی
- تمرکز
- متمرکز شده است
- پیروی
- برای
- نیرومند
- به جلو
- پرورش دادن
- پایه
- تکه تکه
- چارچوب
- رک
- دوستان
- از جانب
- سوخت
- کامل
- کاملا
- ویژگی های
- اساسی
- بیشتر
- بعلاوه
- آینده
- نسل
- مولد
- هوش مصنوعی مولد
- GitHub
- داده
- جهانی
- Go
- خوب
- حکومت
- حکومت داری
- حکومت می کند
- GPU ها
- بیشتر
- زمین
- شدن
- در حال رشد
- راهنمایی
- هدایت شده
- دسته
- دهنه
- بهره برداری
- آیا
- داشتن
- he
- سلامتی
- سیستم های بهداشتی
- بهداشت و درمان
- صنعت بهداشت و درمان
- کمک
- کمک کرد
- کمک
- کمک می کند
- او
- زیاد
- عملکرد بالا
- های لایت
- خیلی
- خود
- خود را
- تاریخ
- برگزاری
- به صورت افقی
- ساعت
- چگونه
- اما
- hpc
- HTML
- HTTP
- HTTPS
- انسان
- شناسایی
- شناسایی
- شناسایی
- هویت
- آرام
- نشان می دهد
- تصویر
- تصاویر
- تصویربرداری
- تأثیر
- امری ضروری
- انجام
- اجرا
- اجرای
- مهم
- بهبود
- ارتقاء
- بهبود
- in
- شامل
- شامل
- از جمله
- فراگیری
- افزایش
- شاخص ها
- فرد
- لوازم
- صنعت
- استانداردهای صنعت
- ناکارآمدی
- اطلاعات
- شالوده
- در ابتدا
- نوآوری
- ابداع
- استراتژی نوآوری
- ابتکاری
- ورودی
- بینش
- الهام
- نمونه
- در عوض
- بیمه
- ادغام
- یکپارچه
- ادغام
- یکپارچگی
- اطلاعات
- رابط
- رابط
- داخلی
- اینترنت
- قابلیت همکاری
- تفسیر
- مداخلات
- به
- شامل
- گرفتار
- درگیری
- ایرینا
- جدا شده
- انزوا
- مسائل
- IT
- تکرار
- ITS
- کار
- مشترک
- سفر
- JPG
- نگاه داشتن
- کلید
- دانش
- آزمایشگاه
- برچسب
- عدم
- لپ تاپ
- بزرگ
- تاخیر
- راه اندازی
- لایه
- رهبری
- رهبر
- برجسته
- یاد گرفتن
- یادگیری
- قانونی
- چارچوب حقوقی
- کمتر
- سطح
- قدرت نفوذ
- اهرم ها
- نهفته است
- زندگی
- علم زندگی
- علوم زندگی
- wifecycwe
- پسندیدن
- محدودیت
- اصل و نسب
- خطوط
- زنده
- زندگی
- بار
- محلی
- مکان
- ورود به سیستم
- ورود به سیستم
- به دنبال
- دوست دارد
- دستگاه
- فراگیری ماشین
- ساخته
- قابل نگهداری
- حفظ
- حفظ
- نگهداری
- ساخت
- باعث می شود
- ساخت
- مدیریت
- اداره می شود
- مدیریت
- ابزارهای مدیریت
- مدیر
- مدیریت
- اجباری
- روش
- کتابچه راهنمای
- تولید
- بسیاری
- بازار
- بلوغ
- معنی دار
- معیارهای
- مکانیسم
- پزشکی
- دیدار
- اعضا
- متاداده
- روش
- متری
- میلیون ها نفر
- حداقل
- ML
- MLO ها
- مدل
- مدل
- پیمانهای
- مانیتور
- نظارت
- نظارت بر
- بیش
- حرکت
- MRI
- چندگانه
- بسیاری
- باید
- بومی
- طبیعت
- لازم
- نیاز
- نیازهای
- شبکه
- جدید
- کاربران جدید
- بعد
- نه
- دفتر یادداشت
- یادداشت
- اطلاعیه ها
- اکنون
- عدد
- هدف
- تشخیص شی
- اهداف
- of
- ارائه
- پیشنهادات
- on
- پردازنده
- یک بار
- ONE
- مداوم
- باز کن
- منبع باز
- عمل می کند
- قابل استفاده
- عملیات
- فرصت ها
- بهینه
- بهینه سازی
- بهینه سازی
- بهینه
- بهینه سازی
- or
- بهداشت دهان و دندان
- سفارش
- کدام سازمان ها
- سازمان های
- سازمان یافته
- دیگر
- دیگران
- ما
- نتایج
- طرح کلی
- خارج از
- روی
- به طور کلی
- نظارت
- مالک
- موازی
- بخش
- شریک
- مشارکت کرد
- شرکای
- عبور می کند
- گذشته
- بیمار
- pacientes
- پرداخت
- مردم
- مردم
- برای
- کارایی
- مجوز
- شخصی
- شخصی
- پیشگام
- خط لوله
- محل
- سکو
- سیستم عامل
- افلاطون
- هوش داده افلاطون
- PlatoData
- آمادگی
- سیاست
- قابل حمل بودن
- مطرح
- مثبت
- پست
- پتانسیل
- قدرت
- قوی
- شیوه های
- دقیق
- پیش بینی
- مرجح
- تهیه
- آماده
- آماده شده
- حفظ کردن
- فشار
- جلوگیری از
- اصلی
- خلوت
- بلادرنگ
- مشکلات
- روش
- روند
- فرآیندهای
- در حال پردازش
- محصول
- مدیریت تولید
- تولید
- بهره وری
- محصولات
- حرفه ای
- برنامه
- پروژه
- داده های پروژه
- پروژه ها
- وعده
- ترویج
- اختصاصی
- پروتکل
- ارائه
- ارائه
- ارائه دهندگان
- فراهم می کند
- ارائه
- عمومی
- اهداف
- کیفیت
- نمایش ها
- سریع
- نژاد
- محدوده
- اعم
- سریعا
- مطالعه
- اماده
- دنیای واقعی
- زمان واقعی
- گرفتن
- اخیر
- توصیه
- توصیه
- کاهش
- کاهش
- رجیستری
- تنظیم
- مقررات
- تنظیم کننده
- پیروی از مقررات
- مربوط
- آزاد
- آزاد
- قابلیت اطمینان
- قابل اعتماد
- دور
- گزارش
- گزارش ها
- مخزن
- درخواست
- ضروری
- مورد نیاز
- نیاز
- تحقیق
- تحقیق و توسعه
- منابع
- منابع
- پاسخ
- نتایج
- قابل استفاده مجدد
- بررسی
- انقلابی کردن
- دقیق
- خطر
- خطرات
- تنومند
- نقش
- نقش
- دویدن
- در حال اجرا
- قربانی کردن
- حکیم ساز
- صرفه جویی کردن
- پس انداز
- مقیاس پذیری
- مقیاس پذیر
- مقیاس
- علم
- علوم
- دانشمند
- دانشمندان
- بدون درز
- یکپارچه
- دوم
- بخش
- بخش
- امن
- تیم امنیت لاتاری
- ممیزی های امنیتی
- اقدامات امنیتی
- ارشد
- جداگانه
- خدمت
- خدمت کرده است
- خدمت
- سرویس
- خدمات
- تنظیم
- مجموعه
- محیط
- چند
- اشتراک
- او
- تغییر
- باید
- نمایشگاه
- نشان داده شده
- بسته
- خاموش
- به طور قابل توجهی
- ساده
- ساده
- پس از
- هوشمند
- So
- نرم افزار
- مهندسی نرم افزار
- راه حل
- مزایا
- برخی از
- منبع
- منابع
- تنش
- دهانه ها
- رهبری
- متخصص
- خاص
- به طور خاص
- مشخصات
- سرعت
- خرج کردن
- هزینه
- سنبله ها
- استقرار
- استانداردهای
- می ایستد
- شروع
- شروع می شود
- نوپا
- وضعیت هنر
- آماری
- ارقام
- ماندن
- ذخیره سازی
- opbevare
- پرده
- ذخیره سازی
- ساده
- استراتژیک
- استراتژی ها
- استراتژی
- قدم می گذارد
- تلاش
- قوی
- ساختار
- ساخت یافته
- استودیو
- موفقیت
- چنین
- دنباله
- پشتیبانی
- مطمئن
- علامت
- سیستم
- سیستم های
- طراحی شده
- گرفتن
- وظایف
- تیم
- اعضای تیم
- تیم ها
- فن آوری
- فنی
- فن آوری
- پیشرفته
- مخابراتی
- سلامت
- قالب
- قوانین و مقررات
- آزمون
- تست
- نسبت به
- که
- La
- آینده
- شان
- آنها
- سپس
- آنجا.
- در نتیجه
- اینها
- آنها
- سوم
- شخص ثالث
- این
- سه
- آستانه
- از طریق
- سراسر
- زمان
- زمان بر
- بموقع
- بار
- به
- با هم
- ابزار
- طرف
- قابلیت ردیابی
- مسیر
- پیگردی
- قطار
- آموزش دیده
- آموزش
- دگرگون کردن
- انتقال
- گذار
- شفافیت
- سفر
- رفتار
- آزمایش های
- صادقانه
- انواع
- به طور معمول
- در نهایت
- غیر مجاز
- فهمیدن
- غیر منتظره
- یکپارچه
- منحصر به فرد
- یکتایی
- واحد
- دانشگاه ها
- رها کردن
- بی نظیر
- استفاده نشده
- به روز رسانی
- ارتقاء
- بر
- استفاده کنید
- مورد استفاده
- استفاده
- کاربران
- استفاده
- با استفاده از
- استفاده
- با استفاده از
- تایید شده
- اعتبار سنجی
- ارزشمند
- ارزش
- تنوع
- مختلف
- وسیع
- نسخه
- عمودی
- بسیار
- از طريق
- چشم انداز
- عملا
- دید
- بازدید
- بصری
- حجم
- داوطلب
- بود
- we
- وب
- خدمات وب
- هفته
- خوب
- بود
- چه زمانی
- که
- در حین
- WHO
- وسیع
- دامنه گسترده
- اراده
- با
- در داخل
- بدون
- مهاجرت کاری
- گردش کار
- گردش کار
- کارگر
- در سرتاسر جهان
- سال
- به همراه داشت
- زفیرنت
- مناطق