Tämä on yhteinen blogi AWS:n ja Philipsin kanssa.
Philips on terveysteknologiayritys, joka keskittyy parantamaan ihmisten elämää mielekkäiden innovaatioiden avulla. Vuodesta 2014 lähtien yritys on tarjonnut asiakkailleen Philips HealthSuite Platform -alustaa, joka organisoi kymmeniä AWS-palveluita, joita terveydenhuolto- ja biotieteet käyttävät parantaakseen potilaiden hoitoa. Se tekee yhteistyötä terveydenhuollon tarjoajien, startup-yritysten, yliopistojen ja muiden yritysten kanssa kehittääkseen teknologiaa, joka auttaa lääkäreitä tekemään tarkempia diagnooseja ja tarjoamaan yksilöllisempää hoitoa miljoonille ihmisille maailmanlaajuisesti.
Yksi Philipsin innovaatiostrategian avaintekijöistä on tekoäly (AI), joka mahdollistaa älykkäiden ja yksilöllisten tuotteiden ja palveluiden luomisen, jotka voivat parantaa terveystuloksia, parantaa asiakaskokemusta ja optimoida toiminnan tehokkuutta.
Amazon Sage Maker tarjoaa tarkoitukseen rakennettuja työkaluja koneoppimistoimintoihin (MLOps), jotka auttavat automatisoimaan ja standardoimaan prosesseja ML-elinkaaren aikana. SageMaker MLOps -työkalujen avulla tiimit voivat helposti kouluttaa, testata, etsiä vianmäärityksiä, ottaa käyttöön ja hallita ML-malleja suuressa mittakaavassa parantaakseen datatieteilijöiden ja ML-insinöörien tuottavuutta samalla, kun mallin suorituskyky säilyy tuotannossa.
Tässä viestissä kuvailemme, kuinka Philips teki yhteistyötä AWS:n kanssa kehittääkseen AI ToolSuiten – skaalautuvan, turvallisen ja yhteensopivan ML-alustan SageMakerissa. Tämä alusta tarjoaa ominaisuuksia, jotka vaihtelevat kokeiluista, tietojen merkinnöistä, koulutuksesta, mallien käyttöönotoista ja uudelleenkäytettävistä malleista. Kaikki nämä ominaisuudet on suunniteltu auttamaan useita liiketoimintalinjoja innovoimaan nopeasti ja ketterästi samalla kun ne hallitsevat mittakaavassa keskitetyillä ohjaimilla. Esittelemme tärkeimmät käyttötapaukset, jotka asettivat vaatimukset alustan ensimmäiselle iteraatiolle, ydinkomponenteille ja saavutetuille tuloksille. Lopuksi kartoitamme meneillään olevat ponnistelut mahdollistaaksemme alustan generatiivisen AI-työkuorman ja nopeasti uusia käyttäjiä ja tiimejä ottamaan alustan käyttöön.
Asiakkaan konteksti
Philips käyttää tekoälyä useilla aloilla, kuten kuvantamisessa, diagnostiikassa, terapiassa, henkilökohtaisessa terveydessä ja verkkopalvelussa. Esimerkkejä Philipsin viime vuosien aikana kehittämistä tekoälyä tukevista ratkaisuista ovat:
- Philips SmartSpeed – Tekoälypohjainen MRI-kuvaustekniikka, joka käyttää ainutlaatuista Compressed-SENSE-pohjaista syväoppivaa tekoälyalgoritmia nostaakseen nopeuden ja kuvanlaadun uudelle tasolle useille potilaille
- Philips eCareManager – Etäterveysratkaisu, joka käyttää tekoälyä tukemaan kriittisesti sairaiden potilaiden etähoitoa ja hallintaa tehohoitoyksiköissä käyttämällä kehittyneitä analytioita ja kliinisiä algoritmeja potilastietojen käsittelemiseen useista lähteistä ja tarjoamalla käyttökelpoisia näkemyksiä, hälytyksiä ja suosituksia hoitotiimi
- Philips Sonicare – Älykäs hammasharja, joka analysoi tekoälyn avulla käyttäjien harjauskäyttäytymistä ja suun terveyttä sekä antaa reaaliaikaisia ohjeita ja henkilökohtaisia suosituksia, kuten optimaalisen harjausajan, paineen ja peittävyyden, parantaakseen heidän hammashygieniansa ja ehkäistäkseen reikiä ja iensairauksia. .
Philips on useiden vuosien ajan ollut edelläkävijä tietopohjaisten algoritmien kehittämisessä, joka edistää innovatiivisia ratkaisujaan terveydenhuollon jatkumossa. Diagnostisen kuvantamisen alalla Philips kehitti lukuisia ML-sovelluksia lääketieteellisten kuvien rekonstruktioon ja tulkintaan, työnkulun hallintaan ja hoidon optimointiin. Myös potilasvalvonnassa, kuvaohjatussa terapiassa, ultraäänitutkimuksessa ja henkilökohtaisessa terveydenhuollossa tiimit ovat luoneet ML-algoritmeja ja -sovelluksia. Innovointia kuitenkin haittasi pirstoutuneiden tekoälykehitysympäristöjen käyttö tiimien kesken. Nämä ympäristöt vaihtelivat yksittäisistä kannettavista ja pöytätietokoneista erilaisiin paikallisiin laskentaklustereihin ja pilvipohjaiseen infrastruktuuriin. Tämä heterogeenisuus mahdollisti alun perin eri tiimien edetä nopeasti tekoälykehitystyössään, mutta nyt se estää mahdollisuuksia skaalata ja parantaa tekoälykehitysprosessejamme.
Oli ilmeistä, että perustavanlaatuinen muutos kohti yhtenäistä ja standardoitua ympäristöä oli välttämätöntä, jotta Philipsin datalähtöisten ponnistelujen potentiaali todella vapautuisi.
Tärkeimmät AI/ML-käyttötapaukset ja alustavaatimukset
Tekoäly/ML-yhteensopivilla ehdotuksilla voidaan muuttaa terveydenhuoltoa automatisoimalla kliinikon hallinnolliset tehtävät. Esimerkiksi:
- Tekoäly voi analysoida lääketieteellisiä kuvia auttaakseen radiologia diagnosoimaan sairaudet nopeammin ja tarkemmin
- Tekoäly voi ennustaa tulevia lääketieteellisiä tapahtumia analysoimalla potilastietoja ja parantamalla ennakoivaa hoitoa
- Tekoäly voi suositella yksilöllistä hoitoa, joka on räätälöity potilaiden tarpeisiin
- Tekoäly voi poimia ja jäsentää tietoa kliinisistä muistiinpanoista tehostaakseen tallentamista
- AI-rajapinnat voivat tarjota potilaiden tukea kyselyille, muistutuksille ja oireiden tarkistuksille
Kaiken kaikkiaan AI/ML lupaa vähemmän inhimillisiä virheitä, ajan- ja kustannussäästöjä, optimoituja potilaskokemuksia ja oikea-aikaisia, yksilöllisiä interventioita.
Yksi keskeisistä ML-kehitys- ja käyttöönottoalustan vaatimuksista oli alustan kyky tukea jatkuvaa iteratiivista kehitys- ja käyttöönottoprosessia seuraavan kuvan mukaisesti.
Tekoälyomaisuuden kehitys alkaa laboratorioympäristössä, jossa tiedot kerätään ja kuratoidaan, minkä jälkeen mallit koulutetaan ja validoidaan. Kun malli on valmis ja hyväksytty käyttöön, se otetaan käyttöön todellisissa tuotantojärjestelmissä. Kun malli on otettu käyttöön, sitä seurataan jatkuvasti. Todellista suorituskykyä ja palautetta käytetään lopulta mallin lisäparannuksiin, joissa mallin koulutus ja käyttöönotto on täysin automatisoitu.
Yksityiskohtaisemmat AI ToolSuite -vaatimukset perustuivat kolmeen esimerkkikäyttötapaukseen:
- Kehitä tietokonenäkösovellus, joka on tarkoitettu kohteen havaitsemiseen reunassa. Datatieteen tiimi odotti tekoälyyn perustuvan automaattisen kuvamerkintöjen työnkulun nopeuttavan aikaa vievää merkintäprosessia.
- Anna datatieteiden tiimille mahdollisuus hallita klassisten ML-mallien perhettä useiden lääketieteellisten yksiköiden tilastojen vertailua varten. Projekti edellytti mallin käyttöönoton automatisointia, kokeilun seurantaa, mallien seurantaa ja koko prosessin hallinnan lisäämistä päästä päähän sekä auditointia että uudelleenkoulutusta varten tulevaisuudessa.
- Paranna diagnostisen lääketieteellisen kuvantamisen syväoppimismallien laatua ja markkinoilletuloaikaa. Olemassa oleva laskentainfrastruktuuri ei mahdollistanut monia kokeiluja rinnakkain, mikä viivästytti mallin kehitystä. Sääntelyn vuoksi on myös tarpeen mahdollistaa mallikoulutuksen täydellinen toistettavuus useiden vuosien ajan.
Ei-toiminnalliset vaatimukset
Skaalautuvan ja vankan AI/ML-alustan rakentaminen edellyttää ei-toiminnallisten vaatimusten huolellista harkintaa. Nämä vaatimukset ylittävät alustan erityistoiminnot ja keskittyvät varmistamaan seuraavat:
- skaalautuvuus – AI ToolSuite -alustan on kyettävä skaalaamaan Philipsin oivallusten luontiinfrastruktuuria tehokkaammin, jotta alusta pystyy käsittelemään kasvavaa määrää dataa, käyttäjiä ja AI/ML-työkuormia suorituskyvystä tinkimättä. Se tulisi suunnitella skaalautumaan vaaka- ja pystysuunnassa vastaamaan saumattomasti kasvaviin vaatimuksiin ja tarjoamaan samalla keskitetyn resurssienhallinnan.
- Suorituskyky – Alustan on tarjottava tehokkaat laskentaominaisuudet monimutkaisten AI/ML-algoritmien tehokkaaseen käsittelyyn. SageMaker tarjoaa laajan valikoiman ilmentymätyyppejä, mukaan lukien instanssit, joissa on tehokkaat GPU:t, jotka voivat merkittävästi nopeuttaa mallin koulutusta ja päättelytehtäviä. Sen tulisi myös minimoida latenssi- ja vasteajat reaaliaikaisten tai lähes reaaliaikaisten tulosten saamiseksi.
- Luotettavuus – Alustan on tarjottava erittäin luotettava ja vankka AI-infrastruktuuri, joka kattaa useat saatavuusvyöhykkeet. Tämän usean AZ:n arkkitehtuurin pitäisi varmistaa keskeytymättömät tekoälytoiminnot jakamalla resurssit ja työkuormat erilaisten datakeskusten kesken.
- Saatavuus – Alustan on oltava käytettävissä 24/7 ja mahdollisimman vähän huolto- ja päivityskatkoksia. AI ToolSuiten korkean käytettävyyden tulisi sisältää kuormituksen tasapainotus, vikasietoiset arkkitehtuurit ja ennakoiva valvonta.
- Turvallisuus ja hallinto – Alustan on käytettävä vankkoja suojaustoimenpiteitä, salausta, pääsynvalvontaa, omistettuja rooleja ja todennusmekanismeja sekä jatkuvaa epätavallisten toimintojen valvontaa ja tietoturvatarkastuksia.
- Tiedonhallinta – Tehokas tiedonhallinta on AI/ML-alustoilla ratkaisevan tärkeää. Terveydenhuollon säädökset edellyttävät erityisen tiukkaa tiedonhallintaa. Sen tulisi sisältää ominaisuuksia, kuten tietojen versiointi, datalinja, tietojen hallinta ja tietojen laadunvarmistus, jotta voidaan varmistaa tarkat ja luotettavat tulokset.
- Interoperability – Alustan tulee olla suunniteltu integroitumaan helposti Philipsin sisäisiin tietovarastoihin, mikä mahdollistaa saumattoman tiedonvaihdon ja yhteistyön kolmansien osapuolien sovellusten kanssa.
- ylläpidettävyys – Alustan arkkitehtuurin ja koodikannan tulee olla hyvin organisoitua, modulaarista ja ylläpidettävää. Tämän ansiosta Philips ML:n insinöörit ja kehittäjät voivat tarjota päivityksiä, virheenkorjauksia ja tulevia parannuksia häiritsemättä koko järjestelmää.
- Resurssien optimointi – Alustan tulisi seurata käyttöraportteja erittäin tarkasti varmistaakseen laskentaresurssien tehokkaan käytön ja kohdentaakseen resurssit dynaamisesti kysynnän mukaan. Lisäksi Philipsin tulee käyttää AWS-laskutus- ja kustannushallintatyökaluja varmistaakseen, että tiimit saavat ilmoituksen, kun käyttö ylittää allokoidun kynnysarvon.
- Valvonta ja kirjaaminen – Alustan tulee käyttää amazonin pilvikello hälytyksiä kattavista seuranta- ja kirjausominaisuuksista, joita tarvitaan järjestelmän suorituskyvyn seuraamiseen, pullonkaulojen tunnistamiseen ja ongelmien tehokkaaseen vianmääritykseen.
- Noudattaminen – Alusta voi myös auttaa parantamaan tekoälyn tukemien ehdotusten säännöstenmukaisuutta. Toistettavuus ja jäljitettävyys on otettava automaattisesti käyttöön päästä päähän -tietojenkäsittelyputkien avulla, joissa monet pakolliset dokumentaatioartefaktit, kuten tietolinjaraportit ja mallikortit, voidaan laatia automaattisesti.
- Testaus ja validointi – Tarkat testaus- ja validointimenettelyt on oltava käytössä AI/ML-mallien tarkkuuden ja luotettavuuden varmistamiseksi ja tahattomien harhojen estämiseksi.
Ratkaisun yleiskatsaus
AI ToolSuite on päästä päähän, skaalautuva, nopeasti käynnistyvä tekoälykehitysympäristö, joka tarjoaa alkuperäisen SageMakerin ja siihen liittyvät AI/ML-palvelut Philips HealthSuite -tietoturva- ja yksityisyydensuojakaiteiden sekä Philipsin ekosysteemiintegraatioiden kanssa. On kolme persoonaa, joilla on erilliset käyttöoikeudet:
- Data tutkija – Valmistele dataa ja kehitä ja kouluta malleja yhteistyötyötilassa
- ML-insinööri – Tuota ML-sovelluksia mallin käyttöönoton, valvonnan ja ylläpidon avulla
- Datatieteen järjestelmänvalvoja – Luo projekti ryhmäpyyntöä kohden tarjotaksesi omistetuille eristetyille ympäristöille käyttötapauskohtaisia malleja
Alustan kehitys kattoi useita julkaisusyklejä iteratiivisessa löytämisen, suunnittelun, rakentamisen, testauksen ja käyttöönoton syklissä. Joidenkin sovellusten ainutlaatuisuuden vuoksi alustan laajentaminen edellytti olemassa olevien mukautettujen komponenttien, kuten tietovarastojen tai patentoitujen merkintätyökalujen, upottamista.
Seuraava kuva havainnollistaa AI ToolSuiten kolmikerroksista arkkitehtuuria, joka sisältää perusinfrastruktuurin ensimmäisenä kerroksena, yleiset ML-komponentit toisena kerroksena ja projektikohtaiset mallit kolmantena kerroksena.
Taso 1 sisältää perusinfrastruktuurin:
- Verkkokerros, jossa on parametrisoitu pääsy Internetiin korkealla käytettävyydellä
- Itsepalveluprovisio ja infrastruktuuri koodina (IaC)
- Integroitu kehitysympäristö (IDE), joka käyttää Amazon SageMaker Studio verkkotunnuksen
- Alustan roolit (datatieteen järjestelmänvalvoja, datatieteilijä)
- Artefaktien säilytys
- Havainnon kirjaaminen ja seuranta
Taso 2 sisältää yleisiä ML-komponentteja:
- Automaattinen kokeilujen seuranta jokaiselle työlle ja putkilinjalle
- Mallin koontiprosessi uuden mallikoontipäivityksen käynnistämiseksi
- Mallikoulutusputkisto, joka koostuu mallikoulutuksesta, arvioinnista ja rekisteröinnistä
- Mallin käyttöönottoputki, jonka avulla malli otetaan käyttöön lopullista testausta ja hyväksyntää varten
- Mallirekisteri malliversioiden hallintaan
- Projektirooli, joka on luotu erityisesti tiettyä käyttötapausta varten ja joka määritetään SageMaker Studion käyttäjille
- Projektia varten rakennettu kuvavarasto prosessointi-, koulutus- ja päätelmäsäiliökuvien tallentamiseen
- Koodivarasto koodiartefaktien tallentamiseen
- Projekti Amazonin yksinkertainen tallennuspalvelu (Amazon S3) -ämpäri kaikkien projektitietojen ja esineiden tallentamiseen
Taso 3 sisältää projektikohtaisia malleja, jotka voidaan luoda mukautetuilla komponenteilla uusien projektien edellyttämällä tavalla. Esimerkiksi:
- Malli 1 – Sisältää komponentin tietojen kyselyyn ja historian seurantaan
- Malli 2 – Sisältää komponentin tietomerkintöjä varten mukautetun merkintätyönkulun avulla, jotta voit käyttää omia merkintätyökaluja
- Malli 3 – Sisältää komponentit mukautetuille säilökuville, joilla voidaan mukauttaa sekä kehitysympäristöä että koulutusrutiineja, omistettu HPC-tiedostojärjestelmä ja käyttäjien pääsy paikallisesta IDE:stä
Seuraavassa kaaviossa korostetaan tärkeimmät AWS-palvelut, jotka kattavat useita AWS-tilejä kehitystä, lavastusta ja tuotantoa varten.
Seuraavissa osioissa käsittelemme AWS-palveluiden, mukaan lukien SageMaker, mahdollistaman alustan keskeisiä ominaisuuksia, AWS-palveluluettelo, CloudWatch, AWS Lambda, Amazonin elastisten säiliörekisteri (Amazon ECR), Amazon S3, AWS-henkilöllisyyden ja käyttöoikeuksien hallinta (IAM) ja muut.
Infrastruktuuri koodina
Alusta käyttää IaC:tä, jonka avulla Philips voi automatisoida infrastruktuuriresurssien provisioinnin ja hallinnan. Tämä lähestymistapa auttaa myös uusittavuutta, skaalautuvuutta, versionhallintaa, johdonmukaisuutta, turvallisuutta ja siirrettävyyttä kehitystä, testausta tai tuotantoa varten.
Pääsy AWS-ympäristöihin
SageMakeriin ja siihen liittyviin AI/ML-palveluihin pääsee turvakaiteiden avulla tietojen valmistelua, mallin kehittämistä, koulutusta, huomautuksia ja käyttöönottoa varten.
Eristäminen ja yhteistyö
Alusta varmistaa tietojen eristämisen tallentamalla ja käsittelemällä erikseen, mikä vähentää luvattoman käytön tai tietomurtojen riskiä.
Alusta helpottaa tiimiyhteistyötä, mikä on välttämätöntä tekoälyprojekteissa, joissa tyypillisesti on mukana monialaisia tiimejä, mukaan lukien datatieteilijät, datatieteen järjestelmänvalvojat ja MLOps-insinöörit.
Roolipohjainen kulunvalvonta
Roolipohjainen pääsynhallinta (RBAC) on olennainen käyttöoikeuksien hallinnassa ja pääsynhallinnan yksinkertaistamisessa määrittelemällä roolit ja käyttöoikeudet jäsennellyllä tavalla. Sen avulla on yksinkertaista hallita käyttöoikeuksia tiimien ja projektien kasvaessa ja pääsyn hallintaan AWS AI/ML -projekteihin osallistuville eri henkilöille, kuten datatieteen järjestelmänvalvojalle, datatieteilijälle, merkintöjen järjestelmänvalvojalle, annotaattorille ja MLOps-insinöörille.
Pääsy tietovarastoihin
Alusta mahdollistaa SageMakerin pääsyn tietovarastoihin, mikä varmistaa, että tietoja voidaan käyttää tehokkaasti mallin koulutukseen ja päättelyyn ilman tarvetta monistaa tai siirtää tietoja eri tallennuspaikoista, mikä optimoi resurssien käytön ja alentaa kustannuksia.
Annotaatio Philipsin erityisillä merkintätyökaluilla
AWS tarjoaa valikoiman tekoäly- ja ML-palveluita, kuten SageMaker, Amazon SageMaker Ground Totuusja Amazon Cognito, jotka on täysin integroitu Philipsin sisäisiin merkintätyökaluihin. Tämän integroinnin avulla kehittäjät voivat kouluttaa ja ottaa käyttöön ML-malleja käyttämällä AWS-ympäristössä olevia huomautuksia.
ML-malleja
AI ToolSuite -alusta tarjoaa AWS-malleja erilaisiin ML-työnkulkuihin. Nämä mallit ovat valmiiksi määritettyjä infrastruktuuriasetuksia, jotka on räätälöity tiettyihin ML-käyttötapauksiin ja ovat käytettävissä palveluiden, kuten SageMaker-projektimallit, AWS-pilven muodostuminenja palveluluettelo.
Integrointi Philips GitHubin kanssa
Integrointi GitHubin kanssa parantaa tehokkuutta tarjoamalla keskitetyn alustan versionhallintaa, kooditarkastuksia ja automaattisia CI/CD-putkia (jatkuva integrointi ja jatkuva käyttöönotto) varten, mikä vähentää manuaalisia tehtäviä ja lisää tuottavuutta.
Visual Studio Code -integraatio
Integrointi Visual Studio Coden kanssa tarjoaa yhtenäisen ympäristön ML-projektien koodaamiseen, virheenkorjaukseen ja hallintaan. Tämä virtaviivaistaa koko ML-työnkulkua, vähentää kontekstin vaihtoa ja säästää aikaa. Integraatio tehostaa myös tiimin jäsenten välistä yhteistyötä, koska he voivat työskennellä SageMaker-projekteissa yhdessä tutussa kehitysympäristössä, hyödyntäen versionhallintajärjestelmiä sekä jakaa koodia ja muistikirjoja saumattomasti.
Malli- ja datalinja ja jäljitettävyys toistettavuuden ja vaatimustenmukaisuuden takaamiseksi
Alusta tarjoaa versioinnin, joka auttaa pitämään kirjaa datatieteilijän koulutuksessa tapahtuvista muutoksista ja päättelemään dataa ajan myötä, mikä helpottaa tulosten toistamista ja tietojoukkojen kehityksen ymmärtämistä.
Alusta mahdollistaa myös SageMaker-kokeilun seurannan, jonka avulla loppukäyttäjät voivat kirjata ja seurata kaikkia ML-kokeisiinsa liittyviä metatietoja, mukaan lukien hyperparametrit, syöttötiedot, koodi ja malliartefaktit. Nämä ominaisuudet ovat välttämättömiä säädösten standardien noudattamisen osoittamiseksi ja AI/ML-työnkulujen läpinäkyvyyden ja vastuullisuuden varmistamiseksi.
AI/ML-spesifikaatioraportin luominen säädöstenmukaisuuden varmistamiseksi
AWS ylläpitää eri alan standardien ja määräysten vaatimustenmukaisuussertifikaatteja. AI/ML-spesifikaatioraportit ovat olennainen vaatimustenmukaisuusdokumentaatio, joka osoittaa säädöstenmukaisuuden. Nämä raportit dokumentoivat tietojoukkojen, mallien ja koodin versioinnin. Versionhallinta on olennaista tietojen linjan, jäljitettävyyden ja toistettavuuden ylläpitämiseksi, jotka kaikki ovat tärkeitä säädöstenmukaisuuden ja tarkastuksen kannalta.
Projektitason budjetin hallinta
Projektitason budjetin hallinnan avulla organisaatio voi asettaa rajoja kuluille, mikä auttaa välttämään odottamattomia kustannuksia ja varmistamaan, että ML-projektit pysyvät budjetin sisällä. Budjetin hallinnan avulla organisaatio voi jakaa tiettyjä budjetteja yksittäisille projekteille tai ryhmille, mikä auttaa tiimejä tunnistamaan resurssien tehottomuudet tai odottamattomat kustannuspiikit varhaisessa vaiheessa. Budjetin hallinnan lisäksi käyttämättömien muistikirjojen automaattisen sulkemisominaisuuden lisäksi tiimin jäsenet välttävät maksamasta käyttämättömistä resursseista ja vapauttavat arvokkaita resursseja, kun ne eivät ole aktiivisesti käytössä, jolloin ne ovat muiden tehtävien tai käyttäjien käytettävissä.
tulokset
AI ToolSuite suunniteltiin ja toteutettiin koko yrityksen laajuiseksi alustaksi ML-kehitykseen ja käyttöönottoon Philipsin datatieteilijöille. Erilaiset vaatimukset kaikilta liiketoimintayksiköiltä kerättiin ja huomioitiin suunnittelun ja kehityksen aikana. Projektin alussa Philips tunnisti yritystiimeistä mestareita, jotka antoivat palautetta ja auttoivat arvioimaan alustan arvoa.
Saavutettiin seuraavat tulokset:
- Käyttäjien omaksuminen on yksi Philipsin tärkeimmistä indikaattoreista. Käyttäjiä useista liiketoimintayksiköistä koulutettiin ja otettiin käyttöön alustalle, ja tämän määrän odotetaan kasvavan vuonna 2024.
- Toinen tärkeä mittari on tehokkuus datatieteen käyttäjien kannalta. AI ToolSuiten avulla uudet ML-kehitysympäristöt otetaan käyttöön useiden päivien sijaan alle tunnissa.
- Datatieteen tiimit voivat käyttää skaalautuvaa, turvallista, kustannustehokasta, pilvipohjaista laskentainfrastruktuuria.
- Joukkueet voivat suorittaa useita malliharjoittelukokeita rinnakkain, mikä lyhensi keskimääräistä harjoitusaikaa merkittävästi viikoista 1–3 päivään.
- Koska ympäristön käyttöönotto on täysin automatisoitu, se ei käytännössä vaadi pilviinfrastruktuurin insinöörien osallistumista, mikä pienensi käyttökustannuksia.
- AI ToolSuiten käyttö paransi merkittävästi datan ja tekoälytoimitusten yleistä kypsyyttä edistämällä hyvien ML-käytäntöjen käyttöä, standardoituja työnkulkuja ja päästä päähän -toistettavuutta, mikä on ratkaisevan tärkeää terveydenhuoltoalan säännösten noudattamisen kannalta.
Odotan innolla generatiivisen tekoälyn kanssa
Kun organisaatiot kilpailevat omaksuakseen tekoälyn seuraavaa huippua, on välttämätöntä ottaa käyttöön uutta teknologiaa organisaation turvallisuus- ja hallintopolitiikan yhteydessä. AI ToolSuiten arkkitehtuuri tarjoaa erinomaisen suunnitelman, joka mahdollistaa Philipsin eri ryhmien pääsyn luoviin tekoälyominaisuuksiin AWS:ssä. Joukkueet voivat käyttää perusmalleja, jotka on saatavilla Amazon SageMaker JumpStart, joka tarjoaa suuren määrän avoimen lähdekoodin malleja Hugging Facelta ja muilta palveluntarjoajilta. Kun tarvittavat suojakaiteet ovat jo käytössä kulunvalvontaan, projektien hallintaan ja kustannusten hallintaan, tiimien on saumatonta alkaa käyttää SageMakerin luovia tekoälyominaisuuksia.
Lisäksi pääsy Amazonin kallioperä, täysin hallittu API-ohjattu palvelu generatiiviselle tekoälylle, voidaan varata yksittäisille tileille projektin vaatimusten perusteella, ja käyttäjät voivat käyttää Amazon Bedrockin API-liittymiä joko SageMaker-muistikirjan käyttöliittymän tai haluamansa IDE:n kautta.
Generatiivisen tekoälyn käyttöönotossa säännellyissä ympäristöissä, kuten terveydenhuollossa, on myös muita näkökohtia. Generatiivisten tekoälysovellusten luoma arvo on harkittava huolellisesti niihin liittyviä riskejä ja kustannuksia vastaan. On myös tarpeen luoda riski- ja oikeudellinen kehys, joka ohjaa organisaation generatiivisten tekoälytekniikoiden käyttöä. Sellaisia elementtejä kuin tietoturva, puolueettomuus ja oikeudenmukaisuus sekä säännösten noudattaminen on pidettävä osana tällaisia mekanismeja.
Yhteenveto
Philips lähti matkalle hyödyntääkseen tietopohjaisten algoritmien tehoa terveydenhuollon ratkaisujen mullistamiseksi. Vuosien mittaan diagnostisen kuvantamisen innovaatiot ovat tuottaneet useita ML-sovelluksia kuvan rekonstruoinnista työnkulun hallintaan ja hoidon optimointiin. Monipuolinen kokoonpanovalikoima yksittäisistä kannettavista tietokoneista paikallisiin klustereihin ja pilviinfrastruktuuriin asetti kuitenkin valtavia haasteita. Erillinen järjestelmänhallinta, turvatoimenpiteet, tukimekanismit ja dataprotokolla estivät kokonaisvaltaisen näkemyksen TCO:sta ja monimutkaisista siirtymistä tiimien välillä. Siirtymistä tutkimuksesta ja kehityksestä tuotantoon rasitti linjan ja toistettavuuden puute, mikä vaikeutti jatkuvaa mallien uudelleenkoulutusta.
Osana strategista yhteistyötä Philipsin ja AWS:n välillä AI ToolSuite -alusta luotiin kehittämään skaalautuva, turvallinen ja yhteensopiva ML-alusta SageMakerin kanssa. Tämä alusta tarjoaa ominaisuuksia, jotka vaihtelevat kokeiluista, tietojen merkinnöistä, koulutuksesta, mallien käyttöönotoista ja uudelleenkäytettävistä malleista. Kaikki nämä ominaisuudet rakennettiin iteratiivisesti useiden tutkimus-, suunnittelu-, rakentamis-, testaus- ja käyttöönottojaksojen aikana. Tämä auttoi useita liiketoimintayksiköitä innovoimaan nopeasti ja ketterästi samalla kun ne hallitsivat mittakaavassa keskitetyillä ohjaimilla.
Tämä matka toimii inspiraationa organisaatioille, jotka haluavat valjastaa tekoälyn ja ML:n voiman edistääkseen innovaatioita ja tehokkuutta terveydenhuollossa, mikä hyödyttää viime kädessä potilaita ja hoidon tarjoajia maailmanlaajuisesti. Jatkaessaan rakentamistaan tähän menestykseen Philips on valmis ottamaan entistä suurempia harppauksia terveydellisten tulosten parantamisessa innovatiivisten tekoälyä tukevien ratkaisujen avulla.
Lisätietoja Philipsin AWS-innovaatioista on osoitteessa Philips AWS:llä.
Tietoja kirjoittajista
Frank Wartena on ohjelmapäällikkö Philips Innovation & Strategyssa. Hän koordinoi dataan ja tekoälyyn liittyviä alustaresursseja tukeakseen Philipsin dataa ja tekoälyä tukevia ehdotuksiamme. Hänellä on laaja kokemus tekoälystä, datatieteestä ja yhteentoimivuudesta. Vapaa-ajallaan Frank nauttii juoksemisesta, lukemisesta ja soutamisesta sekä aikaa perheensä kanssa.
Irina Fedulova on Philips Innovation & Strategy -yksikön johtava data- ja tekoälyjohtaja. Hän johtaa strategisia toimia, jotka keskittyvät työkaluihin, alustoihin ja parhaisiin käytäntöihin, jotka nopeuttavat ja skaalaavat (generatiivisten) tekoälypohjaisten ratkaisujen kehitystä ja tuotteistamista Philipsissä. Irinalla on vahva tekninen tausta koneoppimisesta, pilvipalveluista ja ohjelmistosuunnittelusta. Työn ulkopuolella hän viettää aikaa perheensä kanssa, matkustaa ja lukee.
Selvakumar Palaniyappan on Philips Innovation & Strategy -yrityksen tuoteomistaja, joka vastaa Philips HealthSuite AI & ML -alustan tuotehallinnasta. Hänellä on pitkä kokemus teknisestä tuotehallinnasta ja ohjelmistosuunnittelusta. Hän työskentelee parhaillaan skaalautuvan ja yhteensopivan AI- ja ML-kehitys- ja käyttöönottoalustan rakentamiseksi. Lisäksi hän johtaa sen käyttöönottoa Philipsin tietotieteiden ryhmissä tekoälypohjaisten terveysjärjestelmien ja -ratkaisujen kehittämiseksi.
Adnan Elci on vanhempi pilviinfrastruktuuri-arkkitehti AWS Professional Services -palvelussa. Hän toimii teknisenä johtajana ja valvoo asiakkaiden erilaisia toimintoja terveydenhuollon ja biotieteiden, rahoituksen, ilmailun ja valmistuksen aloilla. Hänen innostuksensa automaatiota kohtaan näkyy hänen laajassa työssään yritystason asiakasratkaisujen suunnittelussa, rakentamisessa ja toteuttamisessa AWS-ympäristössä. Ammatillisten sitoumustensa lisäksi Adnan omistautuu aktiivisesti vapaaehtoistyöhön ja pyrkii luomaan merkityksellistä ja positiivista vaikutusta yhteisöön.
Hasan Poonawala on Senior AI/ML Specialist Solutions Architect AWS:ssä, Hasan auttaa asiakkaita suunnittelemaan ja ottamaan käyttöön koneoppimissovelluksia AWS:n tuotannossa. Hänellä on yli 12 vuoden työkokemus datatieteilijänä, koneoppimisen harjoittajana ja ohjelmistokehittäjänä. Vapaa-ajallaan Hasan rakastaa tutkia luontoa ja viettää aikaa ystävien ja perheen kanssa.
Sreoshi Roy on AWS:n vanhempi Global Engagement Manager. Healthcare & Life Sciences -asiakkaiden liikekumppanina hänellä on vertaansa vailla oleva kokemus ratkaisujen määrittämisestä ja toimittamisesta monimutkaisiin liiketoimintaongelmiin. Hän auttaa asiakkaitaan asettamaan strategisia tavoitteita, määrittelemään ja suunnittelemaan pilvi-/datastrategioita sekä toteuttamaan skaalatun ja vankan ratkaisun teknisten ja liiketoimintatavoitteiden saavuttamiseksi. Ammatillisten ponnistelujensa lisäksi hänen omistautumisensa on luoda merkityksellinen vaikutus ihmisten elämään edistämällä empatiaa ja edistämällä osallisuutta.
Wajahat Aziz on AI/ML- ja HPC-johtaja AWS Healthcare and Life Sciences -tiimissä. Toiminut teknologiajohtajana erilaisissa tehtävissä life science -organisaatioissa, ja Wajahat hyödyntää kokemustaan auttaakseen terveydenhuollon ja biotieteiden asiakkaita hyödyntämään AWS-teknologioita huippuluokan ML- ja HPC-ratkaisujen kehittämisessä. Hänen tämänhetkisen painopistealueensa ovat varhainen tutkimus, kliiniset tutkimukset ja yksityisyyttä suojeleva koneoppiminen.
Wioletta Stobieniecka on tietotutkija AWS Professional Services -palvelussa. Ammattiuransa aikana hän on toimittanut useita analytiikkalähtöisiä projekteja eri toimialoille, kuten pankki-, vakuutus-, puhelin- ja julkiselle sektorille. Hänen tietämyksensä edistyneistä tilastomenetelmistä ja koneoppimisesta yhdistyy hyvin bisnestaitoon. Hän tuo viimeaikaisia tekoälykeinoja luodakseen lisäarvoa asiakkaille.
- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
- PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
- PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
- PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
- Lähde: https://aws.amazon.com/blogs/machine-learning/philips-accelerates-development-of-ai-enabled-healthcare-solutions-with-an-mlops-platform-built-on-amazon-sagemaker/
- :on
- :On
- :ei
- :missä
- $ YLÖS
- 1
- 100
- 12
- 120
- 2014
- 2024
- 7
- 87
- a
- kyky
- pystyy
- Meistä
- kiihdyttää
- kiihdyttää
- pääsy
- Tietojen saatavuus
- Accessed
- saatavilla
- vastuullisuutta
- Tilit
- tarkkuus
- tarkka
- saavutettu
- poikki
- kannekelpoinen
- aktiivisesti
- toiminta
- terävyys
- Lisäksi
- lisä-
- kiinnittyminen
- admin
- hallinto
- hallinnollinen
- hyväksyä
- Hyväksyminen
- kehittynyt
- edistysaskeleet
- vastaan
- AI
- AI / ML
- jonka tarkoituksena
- Hälytykset
- algoritmi
- algoritmit
- Kaikki
- jakaa
- kohdennetaan
- sallia
- Salliminen
- mahdollistaa
- jo
- Myös
- Amazon
- Amazon Sage Maker
- Amazon Web Services
- keskuudessa
- määrä
- an
- Analytics
- analysoida
- analysointi
- ja
- API
- Hakemus
- sovellukset
- lähestymistapa
- hyväksytty
- arkkitehtuuri
- OVAT
- alueet
- keinotekoinen
- tekoäly
- Tekoäly (AI)
- AS
- etu
- Varat
- osoitettu
- liittyvä
- varmuus
- At
- tilintarkastus
- tarkastukset
- Authentication
- automatisoida
- Automatisoitu
- automaattisesti
- automatisointi
- Automaatio
- saatavuus
- saatavissa
- keskimäärin
- ilmailu
- välttää
- AWS
- AWS-asiantuntijapalvelut
- takaisin
- tausta
- tasapainotus
- Pankkitoiminta
- pohja
- perustua
- BE
- ollut
- käyttäytyminen
- benchmarking
- hyötyvät
- PARAS
- parhaat käytännöt
- välillä
- Jälkeen
- puolueellisuus
- harhat
- laskutus
- Blogi
- suunnitelma
- edistää
- lisäämällä
- sekä
- pullonkauloja
- rikkomisesta
- Tuo
- laaja
- talousarvio
- Talousarviot
- Vika
- rakentaa
- Rakentaminen
- rakennettu
- liiketoiminta
- mutta
- by
- soittaa
- CAN
- kyvyt
- Koko
- Kortit
- joka
- Ura
- varovainen
- tapaus
- tapauksissa
- luettelo
- keskuksissa
- keskeinen
- keskitetty
- sertifikaatit
- haasteet
- Champions
- Muutokset
- lataus
- klassinen
- asiakkaat
- Kliininen
- kliinisiä tutkimuksia
- kliinikot
- tarkasti
- pilvi
- cloud computing
- pilvi infrastruktuuri
- koodi
- koodikanta
- Koodaus
- yhteistyö
- yhteistyöhön
- yhdistetty
- tulee
- sitoumukset
- Yhteinen
- yhteisö
- Yritykset
- yritys
- monimutkainen
- noudattaminen
- mukautuva
- monimutkainen
- komponentti
- osat
- kattava
- Sisältää
- laskennallinen
- Laskea
- tietokone
- Tietokoneen visio
- tietojenkäsittely
- koskevat
- päättelee
- johtavat
- kytketty
- harkinta
- näkökohdat
- harkittu
- Kontti
- sisältää
- tausta
- jatkaa
- jatkuva
- jatkuvasti
- jatkumo
- ohjaus
- valvonta
- Ydin
- Hinta
- Kulujen hallinta
- kustannussäästöjä
- kustannukset
- kattavuus
- luoda
- Luo arvoa
- luotu
- Luominen
- luominen
- kriittinen
- monialaisia tiimejä
- ratkaiseva
- kuratoitu
- Nykyinen
- Tällä hetkellä
- asiakassuhde
- asiakas
- asiakaskokemus
- Asiakasratkaisut
- Asiakkaat
- räätälöidä
- sykli
- jaksoa
- tiedot
- Tietojen rikkominen
- datakeskukset
- Tiedonvaihto
- tiedonhallinta
- Tietojen valmistelu
- tietojenkäsittely
- tietojenkäsittely
- tietojen tutkija
- tietoturva
- data-driven
- aineistot
- päivää
- omistautunut
- omistautuminen
- syvä
- syvä oppiminen
- määritellä
- määrittelemällä
- Myöhässä
- toimittaa
- toimitettu
- tuottaa
- Kysyntä
- vaatii
- esittelyssä
- sijoittaa
- käyttöön
- käyttöönotto
- käyttöönotot
- kuvata
- Malli
- suunniteltu
- suunnittelu
- yksityiskohtainen
- Detection
- kehittää
- kehitetty
- Kehittäjä
- kehittäjille
- kehittämällä
- Kehitys
- diagnostinen
- Diagnostinen kuvantaminen
- diagnostiikka
- eri
- vaikea
- löytää
- pohtia
- sairauksien
- selvä
- jako-
- useat
- lääkärit
- asiakirja
- dokumentointi
- verkkotunnuksen
- verkkotunnuksia
- tehty
- alas
- seisokkeja
- kymmeniä
- ajaa
- ajanut
- kuljettajat
- ajo
- kaksi
- aikana
- dynaamisesti
- Varhainen
- helpompaa
- helposti
- ekosysteemi
- reuna
- tehokkaasti
- tehokkuus
- tehokas
- tehokkaasti
- ponnisteluja
- myöskään
- elementtejä
- aloitti
- upottamisen
- empatia
- mahdollistaa
- käytössä
- mahdollistaa
- mahdollistaa
- salaus
- loppu
- päittäin
- pyrkii
- sitoumus
- insinööri
- Tekniikka
- Engineers
- parantaa
- tehostettu
- parannuksia
- Parantaa
- varmistaa
- varmistaa
- varmistamalla
- yritys
- innostus
- Koko
- ympäristö
- ympäristöissä
- virhe
- erityisesti
- olennainen
- arvioida
- arviointi
- Jopa
- Tapahtumat
- lopulta
- Joka
- ilmeinen
- evoluutio
- esimerkki
- Esimerkit
- erinomainen
- Vaihdetaan
- olemassa
- odotettu
- experience
- kokenut
- Elämykset
- kokeilu
- kokeiluja
- tutkia
- laajentaminen
- laaja
- uute
- Kasvot
- Helpottaa
- oikeudenmukaisuus
- tuttu
- perhe
- FAST
- nopeampi
- Ominaisuus
- Ominaisuudet
- palaute
- Kuva
- filee
- lopullinen
- rahoittaa
- Etunimi
- Keskittää
- keskityttiin
- jälkeen
- varten
- ihana
- Eteenpäin
- edistäminen
- perusta
- hajanainen
- Puitteet
- vilpitön
- ystäviä
- alkaen
- polttoaine
- koko
- täysin
- toiminnallisuudet
- perus-
- edelleen
- Lisäksi
- tulevaisuutta
- sukupolvi
- generatiivinen
- Generatiivinen AI
- GitHub
- tietty
- Global
- Go
- hyvä
- hallinto
- hallitseva
- hallitsee
- GPU
- suurempi
- Maa
- Kasvaa
- Kasvava
- ohjaus
- opastettu
- kahva
- valjaat
- valjastaminen
- Olla
- ottaa
- he
- terveys
- terveydenhuoltojärjestelmät
- terveydenhuollon
- terveydenhuollon alalla
- auttaa
- auttanut
- auttaa
- auttaa
- hänen
- Korkea
- korkea suorituskyky
- raidat
- erittäin
- hän itse
- hänen
- historia
- pito
- vaakasuunnassa
- tunti
- Miten
- Kuitenkin
- hpc
- HTML
- http
- HTTPS
- ihmisen
- tunnistettu
- tunnistaa
- tunnistaminen
- Identiteetti
- Idle
- havainnollistaa
- kuva
- kuvien
- Imaging
- Vaikutus
- imperatiivi
- toteuttaa
- täytäntöön
- täytäntöönpanosta
- tärkeä
- parantaa
- parannuksia
- parantaminen
- in
- sisältää
- sisältää
- Mukaan lukien
- Osallisuus
- lisää
- indikaattorit
- henkilökohtainen
- teollisuuden
- teollisuus
- alan standardit
- tehottomuus
- tiedot
- Infrastruktuuri
- ensin
- innovoida
- Innovaatio
- Innovaatiostrategia
- innovatiivinen
- panos
- oivalluksia
- Inspiraatio
- esimerkki
- sen sijaan
- vakuutus
- yhdistää
- integroitu
- integraatio
- integraatiot
- Älykkyys
- liitäntä
- rajapinnat
- sisäinen
- Internet
- Interoperability
- tulkinta
- interventiot
- tulee
- aiheuttaa
- osallistuva
- osallistuminen
- Irina
- yksittäinen
- eristäminen
- kysymykset
- IT
- iteraatio
- SEN
- Job
- yhteinen
- matka
- jpg
- Pitää
- avain
- tuntemus
- laboratorio
- merkinnät
- Lack
- kannettavat tietokoneet
- suuri
- Viive
- käynnistää
- kerros
- johtaa
- johtaja
- johtava
- OPPIA
- oppiminen
- juridinen
- oikeudellinen kehys
- vähemmän
- Taso
- Vaikutusvalta
- vipusuhteita
- piilee
- elämä
- Life Science
- Life Sciences
- elinkaari
- pitää
- rajat
- sukuperä
- linjat
- elää
- Lives
- kuormitus
- paikallinen
- sijainnit
- log
- hakkuu
- näköinen
- rakastaa
- kone
- koneoppiminen
- tehty
- Ylläpidettävä
- ylläpitäminen
- ylläpitää
- huolto
- tehdä
- TEE
- Tekeminen
- hoitaa
- onnistui
- johto
- hallinta Työkalut
- johtaja
- toimitusjohtaja
- pakollinen
- tapa
- manuaalinen
- valmistus
- monet
- markkinat
- kypsyys
- mielekäs
- toimenpiteet
- mekanismit
- lääketieteellinen
- Tavata
- Jäsenet
- Metadata
- menetelmät
- metrinen
- miljoonia
- minimi
- ML
- MLOps
- malli
- mallit
- modulaarinen
- monitori
- seurataan
- seuranta
- lisää
- liikkua
- MK
- moninkertainen
- paljous
- täytyy
- syntyperäinen
- luonto
- välttämätön
- Tarve
- tarpeet
- verkostoituminen
- Uusi
- uudet käyttäjät
- seuraava
- Nro
- muistikirja
- Huomautuksia
- ilmoitukset
- nyt
- numero
- objekti
- Objektin tunnistus
- tavoitteet
- of
- tarjoamalla
- Tarjoukset
- on
- Laivalla
- kerran
- ONE
- jatkuva
- avata
- avoimen lähdekoodin
- toimii
- toiminta-
- Operations
- Mahdollisuudet
- optimaalinen
- optimointi
- Optimoida
- optimoitu
- optimoimalla
- or
- Suun terveys
- tilata
- organisaatio
- organisaatioiden
- Järjestetty
- Muut
- Muuta
- meidän
- tuloksiin
- ääriviivat
- ulkopuolella
- yli
- yleinen
- valvoa
- omistaja
- Parallel
- osa
- kumppani
- kumppanuuteen
- kumppani
- kulkee
- Ohi
- potilas
- potilaat
- maksaa
- Ihmiset
- ihmisten
- varten
- suorituskyky
- Oikeudet
- henkilöstö
- yksilöllinen
- uraauurtava
- putki
- Paikka
- foorumi
- Platforms
- Platon
- Platonin tietotieto
- PlatonData
- valmis
- politiikka
- siirrettävyys
- aiheuttamia
- positiivinen
- Kirje
- mahdollinen
- teho
- voimakas
- käytännöt
- tarkka
- ennustaa
- Suositut
- valmistelu
- Valmistella
- valmis
- säilöntä
- paine
- estää
- Pääasiallinen
- yksityisyys
- Ennakoiva
- ongelmia
- menettelyt
- prosessi
- Prosessit
- käsittely
- Tuotteet
- tuotehallinta
- tuotanto
- tuottavuus
- Tuotteemme
- ammatillinen
- Ohjelma
- projekti
- projektin tiedot
- hankkeet
- Promises
- Edistäminen
- patentoitu
- protokolla
- toimittaa
- mikäli
- tarjoajat
- tarjoaa
- tarjoamalla
- julkinen
- tarkoituksiin
- laatu
- kyselyt
- nopea
- Rotu
- alue
- alainen
- nopeasti
- Lukeminen
- valmis
- todellinen maailma
- reaaliaikainen
- vastaanottaa
- äskettäinen
- suositella
- suosituksia
- Vähentynyt
- vähentämällä
- rekisterin
- säännelty
- määräykset
- sääntelyn
- Sääntelyn noudattaminen
- liittyvä
- vapauta
- vapauttamalla
- luotettavuus
- luotettava
- kaukosäädin
- raportti
- Raportit
- säilytyspaikka
- pyyntö
- tarvitaan
- vaatimukset
- Vaatii
- tutkimus
- tutkimus ja kehitys
- resurssi
- Esittelymateriaalit
- vastaus
- tulokset
- uudelleen käytettävä
- Arvostelut
- mullistaa
- tiukka
- Riski
- riskit
- luja
- Rooli
- roolit
- ajaa
- juoksu
- uhraa
- sagemaker
- tallentaa
- Säästöt
- skaalautuvuus
- skaalautuva
- Asteikko
- tiede
- tieteet
- Tiedemies
- tutkijat
- saumaton
- saumattomasti
- Toinen
- osiot
- sektori
- turvallinen
- turvallisuus
- Turvallisuustarkastukset
- Turvatoimet
- vanhempi
- erillinen
- palvella
- palveli
- palvelee
- palvelu
- Palvelut
- setti
- Setit
- asetus
- useat
- jakaminen
- hän
- siirtää
- shouldnt
- esittelylle
- esitetty
- kiinni
- sulkea
- merkittävästi
- Yksinkertainen
- yksinkertaistaminen
- koska
- fiksu
- So
- Tuotteemme
- ohjelmistotuotanto
- ratkaisu
- Ratkaisumme
- jonkin verran
- lähde
- Lähteet
- jännitys
- jännevälien
- kärjessä
- asiantuntija
- erityinen
- erityisesti
- määrittely
- nopeus
- viettää
- menot
- piikkarit
- näyttämöllepano
- standardit
- seisoo
- Alkaa
- alkaa
- Startups
- huippu-
- tilastollinen
- tilasto
- pysyä
- Levytila
- verkkokaupasta
- varastot
- tallentamiseksi
- suora
- Strateginen
- strategiat
- Strategia
- harppauksia
- pyrkimys
- vahva
- rakenne
- jäsennelty
- studio
- menestys
- niin
- sviitti
- tuki
- varma
- oire
- järjestelmä
- järjestelmät
- Räätälöity
- ottaa
- tehtävät
- joukkue-
- Ryhmän jäsenet
- tiimit
- teknologia
- Tekninen
- Technologies
- Elektroniikka
- Telco
- telehealth
- malleja
- ehdot
- testi
- Testaus
- kuin
- että
- -
- Tulevaisuus
- heidän
- Niitä
- sitten
- Siellä.
- siten
- Nämä
- ne
- kolmas
- kolmannen osapuolen
- tätä
- kolmella
- kynnys
- Kautta
- kauttaaltaan
- aika
- aikaavievä
- ajankohtainen
- kertaa
- että
- yhdessä
- työkalut
- kohti
- Jäljitettävyys
- raita
- Seuranta
- Juna
- koulutettu
- koulutus
- Muuttaa
- siirtyminen
- siirtymät
- Läpinäkyvyys
- Matkustaminen
- hoito
- tutkimuksissa
- todella
- tyypit
- tyypillisesti
- Lopulta
- luvaton
- ymmärtää
- Odottamaton
- yhdistynyt
- unique
- ainutlaatuisuus
- yksiköt
- Yliopistot
- päästää valloilleen
- vertaansa vailla oleva
- käyttämätön
- Päivitykset
- päivityksiä
- päälle
- käyttää
- käyttölaukku
- käytetty
- Käyttäjät
- käyttötarkoituksiin
- käyttämällä
- hyödynnetty
- Hyödyntämällä
- validoitu
- validointi
- arvokas
- arvo
- lajike
- eri
- valtava
- versio
- pystysuoraan
- hyvin
- kautta
- Näytä
- käytännössä
- visio
- Vierailla
- visuaalinen
- tilavuus
- vapaaehtoinen
- oli
- we
- verkko
- verkkopalvelut
- viikkoa
- HYVIN
- olivat
- kun
- joka
- vaikka
- KUKA
- leveä
- Laaja valikoima
- tulee
- with
- sisällä
- ilman
- Referenssit
- työnkulku
- työnkulkuja
- työskentely
- maailmanlaajuisesti
- vuotta
- tuotti
- zephyrnet
- alueet