Asunnon arvon määrittäminen on klassinen esimerkki koneoppimisen (ML) käytöstä. Huomattavan vaikutuksen tekivät Harrison ja Rubinfeld (1978), jotka julkaisivat uraauurtavan paperin ja tietojoukon, joka tuli tunnetuksi epävirallisesti Bostonin asuntoaineistona. Tässä tärkeässä työssä ehdotettiin menetelmää asuntojen hintojen arvioimiseksi useiden ulottuvuuksien, mukaan lukien ilmanlaadun, funktiona, mikä oli heidän tutkimuksensa pääpaino. Lähes 50 vuotta myöhemmin asuntojen hintojen arvioinnista on tullut tärkeä opetusväline opiskelijoille ja ammattilaisille, jotka ovat kiinnostuneita datan ja ML:n käytöstä liiketoiminnan päätöksenteossa.
Tässä viestissä keskustelemme avoimen lähdekoodin mallin käytöstä, joka on erityisesti suunniteltu visuaaliseen kysymykseen vastaamiseen (VQA). VQA:n avulla voit kysyä valokuvasta luonnollisella kielellä ja saada vastauksen kysymykseesi – myös selkeällä kielellä. Tavoitteenamme tässä postauksessa on innostaa ja osoittaa, mikä on mahdollista tämän tekniikan avulla. Ehdotamme tämän ominaisuuden käyttöä Amazon Sage Maker Palvelualusta, joka parantaa regressiomallin tarkkuutta ML-käyttötapauksessa ja itsenäisesti visuaalisten kuvien automaattista merkitsemistä varten.
Tarjoamme vastaavan YouTube-video se osoittaa, mistä täällä keskustellaan. Videon toisto alkaa puolivälissä korostaakseen keskeisimmän kohdan. Suosittelemme, että seuraat tätä luettavaa videon kanssa vahvistaaksesi ja saadaksesi rikkaamman ymmärryksen konseptista.
Perustusmallit
Tämä ratkaisu keskittyy Hugging Face -mallivarastoon julkaistun pohjamallin käyttöön. Tässä käytämme termiä pohjamalli kuvaamaan tekoälyn (AI) kykyä, joka on esikoulutettu suurelle ja monipuoliselle datajoukolle. Perusmallit voivat joskus olla käyttövalmiita ilman mallin kouluttamista nollasta. Joitakin perusmalleja voidaan hienosäätää, mikä tarkoittaa, että niille opetetaan lisämalleja, jotka liittyvät yritykseesi, mutta jotka puuttuvat alkuperäisestä, yleisestä julkaistusta mallista. Hienosäätöä tarvitaan joskus oikeiden vastausten saamiseksi, jotka ovat ainutlaatuisia käyttötapauksesi tai tietämyksesi mukaan.
In Halaaminen kasvot arkistossa on useita VQA-malleja, joista valita. Valitsimme mallin, jolla on eniten latauksia tätä kirjoitettaessa. Vaikka tämä viesti osoittaa kyvyn käyttää mallia avoimen lähdekoodin mallivarastosta, sama konsepti pätee malliin, jonka olet kouluttanut nollasta tai jota käytit toiselta luotettavalta toimittajalta.
Moderni lähestymistapa klassiseen käyttötapaukseen
Asunnon hinta-arvio on perinteisesti tapahtunut taulukkotiedoilla, joissa kiinteistön ominaisuuksia on käytetty hintatietona. Vaikka huomioitavia ominaisuuksia voi olla satoja, joitain perustavanlaatuisia esimerkkejä ovat kodin koko valmiissa tilassa, makuuhuoneiden ja kylpyhuoneiden lukumäärä sekä asunnon sijainti.
Koneoppiminen pystyy yhdistämään taulukkotietojen lisäksi erilaisia syöttölähteitä, kuten ääntä, still-kuvia, liikevideota ja luonnollista kieltä. Tekoälyssä termi multimodaalinen viittaa erilaisten mediatyyppien, kuten kuvien ja taulukkotietojen, käyttöön. Tässä postauksessa näytämme, kuinka multimodaalista dataa käytetään piilotetun arvon löytämiseen ja vapauttamiseen nykyajan modernin maailman tuottaman runsaan digitaalisen pakokaasun sisällä.
Tätä ajatusta silmällä pitäen esittelemme perustusmallien käyttöä piilevien piirteiden poimimiseksi kiinteistön kuvista. Hyödyntämällä kuvista löytyviä oivalluksia, joita ei aiemmin ollut taulukkotiedoissa, voimme parantaa mallin tarkkuutta. Sekä tässä viestissä käsitellyt kuvat ja taulukkotiedot asetettiin alun perin saataville ja julkaistiin GitHub Ahmed ja Moustafa (2016).
Kuva kertoo enemmän kuin tuhat sanaa
Nyt kun ymmärrämme VQA:n ominaisuudet, tarkastellaan kahta seuraavaa keittiökuvaa. Miten arvioisit asunnon arvon näiden kuvien perusteella? Mitä kysymyksiä kysyisit itseltäsi? Jokainen kuva voi herättää mielessäsi kymmeniä kysymyksiä. Jotkut näistä kysymyksistä voivat johtaa mielekkäisiin vastauksiin, jotka parantavat kodin arviointiprosessia.
Kuvat ovat Francesca Tosolini (P) ja Sidekix Media (R) Unsplashissa
Seuraavassa taulukossa on anekdoottisia esimerkkejä VQA-vuorovaikutuksista esittämällä kysymyksiä ja niitä vastaavia vastauksia. Vastaukset voivat olla kategoristen, jatkuvan arvon tai binäärivastausten muodossa.
Esimerkkikysymys | Esimerkkivastaus Foundation Modelista |
Mistä työtasot on tehty? | graniitti, laatta, marmori, laminaatti jne. |
Onko tämä kallis keittiö? | kyllä ei |
Kuinka monta erillistä pesuallasta on? | 0, 1, 2 |
Viitearkkitehtuuri
Tässä viestissä käytämme Amazon SageMaker Data Wrangler esittää yhtenäisiä visuaalisia kysymyksiä tuhansista tietojoukon valokuvista. SageMaker Data Wrangler on suunniteltu yksinkertaistamaan tietojen valmistelua ja ominaisuuksien suunnittelua. Tarjoamalla yli 300 sisäänrakennettua muunnosa SageMaker Data Wrangler auttaa vähentämään taulukko- ja kuvatietojen valmisteluun kuluvaa aikaa viikoista minuutteihin. Tässä SageMaker Data Wrangler yhdistää dataominaisuudet alkuperäisestä taulukkosarjasta valokuvapohjaisiin ominaisuuksiin mallikoulutuksen perusmallista.
Seuraavaksi rakennamme regressiomallin käyttämällä Amazon SageMaker Canvas. SageMaker Canvas voi rakentaa mallin kirjoittamatta mitään koodia ja antaa alustavia tuloksia vain 2–15 minuutissa. Seuraavassa osiossa tarjoamme viitearkkitehtuurin, jonka avulla tämä ratkaisuopastus on mahdollista.
Monet Hugging Facen ja muiden palveluntarjoajien suositut mallit ovat otettavissa käyttöön yhdellä napsautuksella Amazon SageMaker JumpStart. Näissä arkistoissa on saatavilla satoja tuhansia malleja. Tätä viestiä varten valitsemme mallin, joka ei ole saatavilla SageMaker JumpStartissa ja joka vaatii asiakkaan käyttöönoton. Kuten seuraavassa kuvassa näkyy, käytämme Hugging Face -mallia johtopäätösten tekemiseen käyttämällä a Amazon SageMaker Studio muistikirja. Muistikirjaa käytetään päätepisteen käyttöönottamiseksi reaaliaikaista päättelyä varten. Muistikirja käyttää resursseja, jotka sisältävät Hugging Face -binaarimallin, osoittimen säilökuvaan ja tarkoitukseen rakennetun inference.py-komentosarjan, joka vastaa mallin odotettua syöttöä ja tulosta. Kun luet tätä, saatavilla olevien VQA-mallien yhdistelmä voi muuttua. Tärkeää on tarkistaa saatavilla olevat VQA-mallit tätä lukiessasi ja olla valmis ottamaan käyttöön valitsemasi mallin, jolla on oma API-pyyntö- ja vastaussopimus.
Kun SageMaker-päätepiste palvelee VQA-mallia, käytämme SageMaker Data Wrangleria putkilinjan järjestämiseen, joka lopulta yhdistää taulukkomuotoisen datan ja digitaalisista kuvista poimitut ominaisuudet ja muotoilee tiedot uudelleen mallin koulutusta varten. Seuraava kuva tarjoaa näkymän siitä, kuinka täysimittaista datan muunnostyötä ajetaan.
Seuraavassa kuvassa käytämme SageMaker Data Wrangleria tietojen valmistelutehtävien järjestämiseen ja SageMaker Canvaa mallinopetukseen. Ensinnäkin SageMaker Data Wrangler käyttää Amazonin sijaintipalvelu muuntaa raakatiedoissa olevat postinumerot leveys- ja pituusasteen ominaisuuksiksi. Toiseksi SageMaker Data Wrangler pystyy koordinoimaan tuhansien valokuvien lähettämistä SageMaker-isännöimään päätepisteeseen reaaliaikaisten päätelmien tekemiseksi ja esittäen yhtenäisen joukon kysymyksiä kohtausta kohti. Tämä tuottaa runsaasti ominaisuuksia, jotka kuvaavat keittiöissä, kylpyhuoneissa, kodin ulkotiloissa ja muissa havaittuja ominaisuuksia. Kun SageMaker Data Wrangler on valmistellut tiedot, harjoitustietojoukko on saatavilla Amazonin yksinkertainen tallennuspalvelu (Amazon S3). Käyttämällä S3-tietoja syötteenä SageMaker Canvas pystyy kouluttamaan mallin vain 2–15 minuutissa ilman koodin kirjoittamista.
Tietojen muuntaminen SageMaker Data Wrangler -sovelluksella
Seuraavassa kuvakaappauksessa näkyy SageMaker Data Wrangler -työnkulku. Työnkulku alkaa tuhansilla kuvilla kodeista, jotka on tallennettu Amazon S3:een. Seuraavaksi kohtausilmaisin määrittää paikan, kuten keittiön tai kylpyhuoneen. Lopuksi kuvista kysytään kohtauskohtaisia kysymyksiä, mikä johtaa rikkaampaan, taulukkomuotoiseen tietojoukkoon, joka on käytettävissä harjoittelua varten.
Seuraavassa on esimerkki SageMaker Data Wranglerin mukautetusta muunnoskoodista, jota käytetään vuorovaikutukseen perustusmallin kanssa ja tietojen hankkimiseen keittiökuvista. Jos valitset edellisessä kuvakaappauksessa keittiön ominaisuuksien solmun, näkyviin tulee seuraava koodi:
Turvallisuussyistä sinun on ensin sallittava SageMaker Data Wrangler soittaa SageMakerin reaaliaikaiseen päätepisteeseen AWS-henkilöllisyyden ja käyttöoikeuksien hallinta (MINÄ OLEN). Samoin kaikki SageMaker Data Wranglerin kautta kutsumasi AWS-resurssit tarvitsevat samanlaiset käyttöoikeudet.
Tietorakenteet ennen ja jälkeen SageMaker Data Wrangler
Tässä osiossa käsittelemme alkuperäisen taulukkodatan rakennetta ja parannettuja tietoja. Parannetut tiedot sisältävät uusia dataominaisuuksia suhteessa tähän esimerkkikäyttötapaukseen. Käytä hakemuksessasi aikaa kuvitellaksesi kuvissasi olevia erilaisia kysymyksiä, jotka auttavat luokittelu- tai regressiotehtävässäsi. Ajatuksena on kuvitella mahdollisimman monta kysymystä ja sitten testata niitä varmistaaksesi, että ne tuovat lisäarvoa.
Alkuperäisten taulukkotietojen rakenne
Kuten lähteessä on kuvattu GitHub repo, esimerkkitietojoukko sisältää 535 taulukkotietuetta, mukaan lukien neljä kuvaa ominaisuutta kohden. Seuraava taulukko havainnollistaa alkuperäisen taulukkotietojen rakenteen.
Ominaisuus | Kommentti |
Makuuhuoneiden määrä | . |
Kylpyhuoneiden lukumäärä | . |
Pinta-ala (neliöjalkaa) | . |
Postinumero | . |
Hinta | Tämä on ennustettava tavoitemuuttuja. |
Parannetun datan rakenne
Seuraava taulukko havainnollistaa parannettua tietorakennetta, joka sisältää useita kuvista johdettuja uusia ominaisuuksia.
Ominaisuus | Kommentti |
Makuuhuoneiden määrä | . |
Kylpyhuoneiden lukumäärä | . |
Pinta-ala (neliöjalkaa) | . |
Leveysaste | Laskettu välittämällä alkuperäinen postinumero Amazon Location Service -palveluun. Tämä on ZIP-osoitteen sentroidiarvo. |
Pituusaste | Laskettu välittämällä alkuperäinen postinumero Amazon Location Service -palveluun. Tämä on ZIP-osoitteen sentroidiarvo. |
Onko makuuhuoneessa holvikatto? | 0 = ei; 1 = kyllä |
Onko kylpyhuone kallis? | 0 = ei; 1 = kyllä |
Onko keittiö kallis? | 0 = ei; 1 = kyllä |
Hinta | Tämä on ennustettava tavoitemuuttuja. |
Mallikoulutus SageMaker Canvasilla
SageMaker Data Wrangler -käsittelytyö valmistelee täysin ja tekee koko taulukkomuotoisen harjoitustietojoukon saataville Amazon S3:ssa. Seuraavaksi SageMaker Canvas käsittelee mallinrakennusvaihetta ML-elinkaaressa. Canvas alkaa avaamalla S3-harjoitussarja. Mallin ymmärtäminen on usein asiakkaan keskeinen vaatimus. Ilman koodin kirjoittamista ja muutamalla napsautuksella SageMaker Canvas tarjoaa monipuolista, visuaalista palautetta mallin suorituskyvystä. Kuten seuraavan osan kuvakaappauksesta näkyy, SageMaker Canvas näyttää, kuinka yksittäiset ominaisuudet vaikuttavat malliin.
Malli on koulutettu alkuperäisillä taulukkotiedoilla ja kiinteistökuvista johdetuilla ominaisuuksilla
Näemme seuraavasta kuvakaappauksesta, että kiinteistön kuvista kehitetyt ominaisuudet olivat tärkeitä. Näiden tulosten perusteella valokuvan kysymys "Onko tämä keittiö kallis" oli merkittävämpi kuin "makuuhuoneiden lukumäärä" alkuperäisessä taulukkosarjassa ominaisuuden tärkeysarvoilla 7.08 ja 5.498.
Seuraava kuvakaappaus sisältää tärkeitä tietoja mallista. Ensinnäkin jäännöskaavio näyttää useimmat pisteet joukossa ryhmittyneenä violetin varjostetun alueen ympärille. Tässä kaksi poikkeavaa arvoa merkittiin manuaalisesti SageMaker Canvasin ulkopuolelle tätä kuvaa varten. Nämä poikkeavat arvot edustavat merkittäviä eroja kodin todellisen arvon ja ennustetun arvon välillä. Lisäksi R2 arvo, jonka mahdollinen vaihteluväli on 0–100 %, näytetään 76 %:na. Tämä osoittaa, että malli on epätäydellinen eikä siinä ole tarpeeksi tietopisteitä, jotta kaikki lajikkeet voitaisiin ottaa täysin huomioon kotiarvojen arvioimiseksi.
Voimme käyttää outliers löytää ja ehdottaa lisäsignaaleja rakentaa kattavampi malli. Näihin poikkeaviin kiinteistöihin voi kuulua esimerkiksi uima-allas tai ne voivat sijaita suurilla tontilla. Tietojoukko ei sisältänyt näitä ominaisuuksia; Saatat kuitenkin pystyä paikantamaan nämä tiedot ja kouluttamaan uuden mallin, jossa on lisäominaisuus "on uima-allas". Ihannetapauksessa seuraavalla yritykselläsi R2 arvo kasvaisi ja MAE- ja RMSE-arvot pienenevät.
Malli on koulutettu ilman kiinteistökuvista johdettuja ominaisuuksia
Lopuksi, ennen kuin siirryt seuraavaan osaan, tutkitaan, olivatko kuvien ominaisuudet hyödyllisiä. Seuraava kuvakaappaus tarjoaa toisen SageMaker Canvas -koulutetun mallin ilman VQA-mallin ominaisuuksia. Mallin virheprosentti on kasvanut 282 352 RMSE:stä 20 XNUMX RMSE:hen. Tästä voimme päätellä, että kolme yksinkertaista kysymystä kuvista paransi mallin tarkkuutta noin XNUMX %. Ei näy, mutta täydellisyyden vuoksi R2 myös seuraavan mallin arvo heikkeni ja putosi 62 %:iin arvosta 76 % tarjottujen VQA-ominaisuuksien ansiosta. Tämä on esimerkki siitä, kuinka SageMaker Canvas tekee nopean kokeilun ja tietopohjaisen lähestymistavan käytön yksinkertaiseksi, mikä tuottaa mallin, joka palvelee yrityksesi tarpeita.
Katse eteenpäin
Monet organisaatiot ovat yhä kiinnostuneempia perustusmalleista, varsinkin kun yleiset esikoulutetut muuntajat (GPT) tulivat virallisesti valtavirtaan kiinnostaviksi aiheiksi joulukuussa 2022. Suuri osa perustusmalleista kiinnostuneesta on keskittynyt suurten kielimallien (LLM) tehtäviin. ; käytettävissä on kuitenkin muita erilaisia käyttötapauksia, kuten tietokonenäkö ja suppeammin tässä kuvattu VQA-tehtävä.
Tämä viesti on esimerkki innostaa käyttämään multimodaalista dataa ratkaisemaan teollisuuden käyttötapauksia. Vaikka osoitimme VQA:n käytön ja hyödyn regressiomallissa, sitä voidaan käyttää myös kuvien merkitsemiseen ja merkitsemiseen myöhempää hakua tai liiketoiminnan työnkulun reititystä varten. Kuvittele, että voit etsiä myytäviä tai vuokrattavia kiinteistöjä. Oletetaan, että haluat löytää kiinteistön, jossa on laattalattiat tai marmoriset työtasot. Nykyään saatat joutua hankkimaan pitkän luettelon ehdokkaiden kiinteistöistä ja suodattamaan itsesi näön perusteella, kun selaat jokaista ehdokasta. Kuvittele sen sijaan pystyväsi suodattamaan näitä ominaisuuksia sisältävät tiedot – vaikka henkilö ei olisi nimenomaisesti merkinnyt niitä. Kuvittele vakuutusalalla kykyä arvioida vahingonkorvausvaatimuksia tai reitittää kuvien perusteella seuraavat toimet liiketoiminnan työnkulussa. Sosiaalisen median alustoilla valokuvat voidaan merkitä automaattisesti myöhempää käyttöä varten.
Yhteenveto
Tämä viesti osoitti, kuinka käyttää perusmallin mahdollistamaa tietokonenäköä klassisen ML-käyttötapauksen parantamiseksi SageMaker-alustan avulla. Osana ehdotettua ratkaisua löysimme suositun VQA-mallin, joka on saatavilla julkisessa mallirekisterissä, ja otimme sen käyttöön SageMaker-päätepisteen avulla reaaliaikaisten johtopäätösten tekemiseen.
Seuraavaksi käytimme SageMaker Data Wrangleria organisoimme työnkulkua, jossa kuvista esitettiin yhtenäisiä kysymyksiä, jotta saatiin runsaasti taulukkomuotoista dataa. Lopuksi käytimme SageMaker Canvaa regressiomallin kouluttamiseen. On tärkeää huomata, että näytetietojoukko oli hyvin yksinkertainen ja siksi suunnittelultaan epätäydellinen. Siitä huolimatta SageMaker Canvasin avulla on helppo ymmärtää mallin tarkkuus ja etsiä lisäsignaaleja perusmallin tarkkuuden parantamiseksi.
Toivomme, että tämä viesti on rohkaissut sinua käyttämään organisaatiossasi mahdollisesti olevia multimodaalisia tietoja. Lisäksi toivomme, että viesti on inspiroinut sinua pitämään mallikoulutusta iteratiivisena prosessina. Hieno malli voidaan saavuttaa pienellä kärsivällisyydellä. Mallit, jotka ovat lähes täydellisiä, voivat olla liian hyviä ollakseen totta, ehkä seurausta kohteen vuodosta tai yliasennuksesta. Ihanteellinen skenaario alkaisi mallista, joka on hyvä, mutta ei täydellinen. Käyttämällä virheitä, häviöitä ja jäännöskaavioita voit saada lisätietosignaaleja, jotka lisäävät alkuperäisen perusarviosi tarkkuutta.
AWS tarjoaa laajimman ja syvimmän valikoiman ML-palveluita ja tukevaa pilviinfrastruktuuria, mikä antaa ML:n jokaisen kehittäjän, datatieteilijän ja asiantuntijan käsiin. Jos haluat tietää lisää SageMaker-alustasta, mukaan lukien SageMaker Data Wrangler ja SageMaker Canvas, ota yhteyttä AWS-tilitiimiisi ja aloita keskustelu. Harkitse myös lukemista lisää SageMaker Data Wranglerista mukautettuja muunnoksia.
Viitteet
Ahmed, EH ja Moustafa, M. (2016). Asunnon hinta-arvio visuaalisista ja tekstillisistä ominaisuuksista. IJCCI 2016-Proceedings of the 8th International Joint Conference on Computational Intelligence, 3, 62–68.
Harrison Jr, D. ja Rubinfeld, DL (1978). Hedoniset asuntojen hinnat ja puhtaan ilman kysyntä. Ympäristötalouden ja -johtamisen lehti, 5(1), 81-102.
Kim, W., Son, B. & Kim, I.. (2021). ViLT: Vision-and-Language Transformer ilman konvoluutiota tai aluevalvontaa. Proceedings of the 38th International Conference on Machine Learning, Proceedings of Machine Learning Research. 139:5583-5594.
Author
Charles Laughlin on pääasiallinen AI/ML Specialist Solution Architect ja työskentelee Amazon SageMaker -palvelutiimissä AWS:ssä. Hän auttaa muokkaamaan palvelusuunnitelmaa ja tekee päivittäin yhteistyötä erilaisten AWS-asiakkaiden kanssa auttaakseen muuttamaan heidän liiketoimintaansa käyttämällä huippuluokan AWS-teknologioita ja ajattelun johtajuutta. Charlesilla on MS Supply Chain Management ja Ph.D. tietotieteessä.
- 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/use-foundation-models-to-improve-model-accuracy-with-amazon-sagemaker/
- :on
- :On
- :ei
- :missä
- $ YLÖS
- 08
- 1
- 100
- 2016
- 2021
- 2022
- 32
- 49
- 50
- 50 vuotta
- 7
- 8
- 8.
- a
- kyky
- pystyy
- Meistä
- runsas
- pääsy
- Tili
- tarkkuus
- saavutettu
- toimet
- lisä-
- Lisäksi
- osoitteet
- Jälkeen
- ahmed
- AI
- AI / ML
- AIR
- Kaikki
- sallia
- melkein
- rinnalla
- Myös
- Vaikka
- Amazon
- Amazon Sage Maker
- Amazon Web Services
- amp
- an
- ja
- Toinen
- vastaus
- vastauksia
- Kaikki
- api
- näyttää
- Hakemus
- käyttää
- lähestymistapa
- arkkitehtuuri
- OVAT
- noin
- Ryhmä
- keinotekoinen
- tekoäly
- Tekoäly (AI)
- AS
- kysyä
- pyytäminen
- arvioida
- Varat
- At
- yritys
- audio-
- Automatisoitu
- saatavissa
- AWS
- perustua
- Lähtötilanne
- BE
- tuli
- tulevat
- tulossa
- ollut
- ennen
- alkaa
- ovat
- hyödyttää
- välillä
- Jälkeen
- elin
- boston
- sekä
- rakentaa
- Rakentaminen
- sisäänrakennettu
- taakka
- liiketoiminta
- yritykset
- mutta
- by
- soittaa
- CAN
- ehdokkaat
- kangas
- kyvyt
- valmiudet
- kykenee
- tapaus
- tapauksissa
- katto
- keskitetty
- keskuksissa
- ketju
- muuttaa
- ominaisuudet
- Kaarle
- Valita
- vaatia
- klassinen
- luokittelu
- puhdas
- pilvi
- pilvi infrastruktuuri
- klustereiden
- koodi
- koodit
- tekee yhteistyötä
- väri
- yhdistää
- Tulla
- täydellinen
- kattava
- laskennallinen
- tietokone
- Tietokoneen visio
- käsite
- päättelee
- Konferenssi
- Harkita
- harkinta
- sisältää
- Kontti
- sisältää
- jatkuva
- sopimus
- Keskustelu
- muuntaa
- koordinoida
- korjata
- vastaava
- voisi
- pisteitä
- utelias
- asiakassuhde
- asiakas
- Asiakkaat
- leikkaamisreuna
- päivittäin
- tiedot
- Tietojen valmistelu
- tietojenkäsittely
- tietojen tutkija
- tietojoukko
- Tietorakenne
- data-driven
- joulukuu
- Päätöksenteko
- vähentää
- syvin
- toimittaa
- Kysyntä
- osoittaa
- osoittivat
- osoittaa
- sijoittaa
- käyttöön
- käyttöönotto
- johdettu
- kuvata
- on kuvattu
- Malli
- suunniteltu
- määrittää
- kehitetty
- Kehittäjä
- digitaalinen
- mitat
- pohtia
- keskusteltiin
- useat
- do
- ei
- ei
- lataukset
- kymmeniä
- pudottamalla
- e
- kukin
- helppo
- Taloustiede
- mahdollistaa
- käytössä
- kannusti
- päätepiste
- Tekniikka
- tehostettu
- tarpeeksi
- Koko
- ympäristön
- virhe
- virheet
- erityisesti
- arvio
- jne.
- Jopa
- Joka
- esimerkki
- Esimerkit
- odotettu
- kallis
- kokeilu
- asiantuntija
- nimenomaisesti
- tutkia
- uute
- Kasvot
- Ominaisuus
- Ominaisuudet
- palaute
- jalat
- harvat
- Kuva
- suodattaa
- Vihdoin
- Löytää
- Etunimi
- Lattia
- Keskittää
- seurata
- jälkeen
- seuraa
- varten
- muoto
- löytyi
- perusta
- neljä
- alkaen
- täysimittainen
- täysin
- toiminto
- tehtävät
- perus-
- Saada
- aukkoja
- general
- tuottaa
- saada
- tavoite
- hyvä
- kaavio
- suuri
- uraauurtava
- ohjaus
- käsissä
- Olla
- he
- auttaa
- hyödyllinen
- auttaa
- tätä
- kätketty
- Korostaa
- pitää
- Etusivu
- Kodit
- toivoa
- isännöi
- Talo
- kotelo
- Miten
- Miten
- Kuitenkin
- http
- HTTPS
- Sadat
- i
- ajatus
- ihanteellinen
- ihannetapauksessa
- Identiteetti
- if
- havainnollistaa
- kuva
- kuvien
- kuvitella
- tuoda
- merkitys
- tärkeä
- parantaa
- parani
- in
- sisältää
- mukana
- Mukaan lukien
- sisältävät
- Kasvaa
- kasvoi
- yhä useammin
- itsenäisesti
- ilmaisee
- teollisuus
- vaikutus
- ilmoittaa
- tiedot
- Infrastruktuuri
- ensimmäinen
- panos
- oivalluksia
- innostaa
- innoittamana
- sen sijaan
- vakuutus
- Älykkyys
- olla vuorovaikutuksessa
- vuorovaikutukset
- korko
- kiinnostunut
- kansainvälisesti
- tulee
- IT
- SEN
- Job
- yhteinen
- jpg
- json
- avain
- Kim
- tuntemus
- tunnettu
- Merkki
- Maa
- Kieli
- suuri
- myöhemmin
- johtaa
- Johto
- OPPIA
- oppiminen
- elinkaari
- Lista
- lueteltu
- Ilmoitukset
- vähän
- OTK
- sijaitsevat
- sijainti
- lukittu
- Pitkät
- tappiot
- kone
- koneoppiminen
- tehty
- Valtavirta
- tehdä
- TEE
- johto
- käsin
- monet
- tulitikut
- Saattaa..
- mielekäs
- välineet
- Media
- menetelmä
- Puolivälissä
- ehkä
- mielessä
- minuuttia
- puuttuva
- sekoittaa
- ML
- malli
- mallit
- Moderni
- lisää
- eniten
- liike
- liikkuvat
- täytyy
- Luonnollinen
- Tarve
- tarvitaan
- Uusi
- Uudet ominaisuudet
- seuraava
- Nro
- solmu
- muistikirja
- numero
- useat
- saada
- tapahtui
- of
- Tarjoukset
- Virallisesti
- usein
- on
- vain
- avoimen lähdekoodin
- avaaminen
- or
- tilata
- organisaatio
- organisaatioiden
- alkuperäinen
- alun perin
- Muut
- meidän
- ulos
- poikkeama
- ulostulo
- ulkopuolella
- oma
- Paperi
- osa
- Ohimenevä
- Kärsivällisyys
- kuviot
- varten
- täydellinen
- suorituskyky
- ehkä
- Oikeudet
- henkilö
- vaihe
- kuva
- Valokuvat
- kuva
- kuvat
- putki
- tavallinen
- foorumi
- Platforms
- Platon
- Platonin tietotieto
- PlatonData
- Ole hyvä
- Kohta
- pistettä
- pool
- Suosittu
- osa
- omistaa
- mahdollinen
- Kirje
- ennusti
- alustava
- valmistelu
- Valmistella
- valmis
- valmistelee
- aiemmin
- hinta
- Hinnat
- Pääasiallinen
- menettely
- prosessi
- käsittely
- valmistettu
- ammattilaiset
- ominaisuudet
- omaisuus
- ehdottaa
- ehdotettu
- toimittaa
- mikäli
- toimittaja
- tarjoajat
- tarjoaa
- tarjoamalla
- julkinen
- julkaistu
- Putting
- laatu
- kysymys
- kysymykset
- nopeasti
- R
- alue
- hinta
- raaka
- tavoittaa
- Lue
- Lukeminen
- valmis
- reaaliaikainen
- vastaanottaa
- asiakirjat
- vähentää
- viite
- viittaa
- alue
- rekisterin
- vahvistaa
- suhteellinen
- merkityksellinen
- Vuokrata
- säilytyspaikka
- edustaa
- pyyntö
- vaatimus
- Vaatii
- tutkimus
- muokkaamaan
- Asuinpaikka
- Esittelymateriaalit
- vastaavasti
- vastaus
- vasteet
- johtua
- Saatu ja
- tulokset
- palata
- arviot
- Rikas
- rikkaampi
- roadmap
- Reitti
- reititys
- ajaa
- runtime
- s
- sagemaker
- myynti
- sama
- Esimerkkitietojoukko
- skenaario
- kohtaus
- tiede
- Tiedemies
- scott
- käsikirjoitus
- Haku
- Toinen
- Osa
- turvallisuus
- nähdä
- etsiä
- nähneet
- valittu
- lähettäminen
- palvella
- palveli
- palvelu
- Palvelut
- setti
- useat
- Muoto
- näyttää
- esitetty
- Näytä
- Näky
- signaalit
- merkittävä
- samankaltainen
- samalla lailla
- Yksinkertainen
- yksinkertaistaa
- koska
- single
- Koko
- So
- sosiaalinen
- sosiaalinen media
- sosiaalisen median alustoja
- ratkaisu
- SOLVE
- jonkin verran
- joskus
- poika
- lähde
- Lähteet
- Tila
- asiantuntija
- erikoistunut
- erityisesti
- neliö
- Alkaa
- Yhä
- Levytila
- tallennettu
- suora
- rakenne
- rakenteet
- Opiskelijat
- myöhempi
- niin
- ehdottaa
- valvonta
- toimittaa
- toimitusketju
- toimitusketjun hallinta
- Tukea
- varma
- taulukko
- TAG
- ottaa
- vie
- Kohde
- Tehtävä
- tehtävät
- Opetus
- joukkue-
- Technologies
- Elektroniikka
- termi
- testi
- teksti-
- kuin
- että
- -
- Lähde
- heidän
- Niitä
- sitten
- Siellä.
- siksi
- Nämä
- ne
- asia
- tätä
- ne
- ajatus
- ajatusjohtajuus
- tuhat
- tuhansia
- kolmella
- Kautta
- aika
- että
- tänään
- tämän päivän
- liian
- työkalu
- aihe
- perinteisesti
- Juna
- koulutettu
- koulutus
- Muuttaa
- Muutos
- muunnokset
- muuntaja
- muuntajat
- totta
- luotettu
- kaksi
- tyyppi
- tyypit
- Lopulta
- ymmärtää
- ymmärtäminen
- unique
- Unsplash
- käyttää
- käyttölaukku
- käytetty
- käyttötarkoituksiin
- käyttämällä
- Hyödyntämällä
- Arvostus
- arvo
- lisäarvoa
- arvot
- muuttuja
- lajike
- hyvin
- Video
- Näytä
- näkyvä
- visio
- visuaalinen
- W
- haluta
- oli
- we
- verkko
- verkkopalvelut
- viikkoa
- HYVIN
- olivat
- Mitä
- Mikä on
- joka
- KUKA
- tulee
- ikkunat
- with
- sisällä
- ilman
- puu
- Referenssit
- työnkulku
- toimii
- maailman-
- arvoinen
- olisi
- kirjoittaminen
- vuotta
- saannot
- Voit
- Sinun
- itse
- youtube
- zephyrnet
- nolla-
- Postinumero