Pour les entreprises modernes qui traitent d’énormes volumes de documents tels que des contrats, des factures, des curriculum vitae et des rapports, le traitement et la récupération efficaces des données pertinentes sont essentiels pour conserver un avantage concurrentiel. Cependant, les méthodes traditionnelles de stockage et de recherche de documents peuvent prendre du temps et nécessitent souvent un effort considérable pour trouver un document spécifique, en particulier lorsqu'elles contiennent une écriture manuscrite. Et s’il existait un moyen de traiter les documents intelligemment et de les rendre consultables avec une grande précision ?
Ceci est rendu possible avec Extrait d'Amazon, le service de traitement intelligent des documents d'AWS, associé aux capacités de recherche rapide de Opensearch. Dans cet article, nous vous emmènerons dans un voyage pour créer et déployer rapidement une solution d'indexation de recherche de documents qui aide votre organisation à mieux exploiter et extraire des informations à partir de documents.
Que vous travailliez dans les ressources humaines à la recherche de clauses spécifiques dans les contrats des employés ou qu'un analyste financier parcoure une montagne de factures pour en extraire des données de paiement, cette solution est conçue pour vous permettre d'accéder aux informations dont vous avez besoin avec une rapidité et une précision sans précédent.
Avec la solution proposée, vos documents sont automatiquement ingérés, leur contenu analysé puis indexé dans un index OpenSearch hautement réactif et évolutif.
Nous verrons comment des technologies telles qu'Amazon Texttract, AWS Lambda, Service de stockage simple Amazon (Amazon S3), et Service Amazon OpenSearch peut être intégré dans un flux de travail qui traite les documents de manière transparente. Ensuite, nous nous penchons sur l'indexation de ces données dans OpenSearch et démontrons les capacités de recherche qui deviennent disponibles du bout des doigts.
Que votre organisation fasse les premiers pas dans l'ère de la transformation numérique ou qu'elle soit un géant établi cherchant à dynamiser la recherche d'informations, ce guide est votre boussole pour explorer les opportunités qu'offrent AWS Intelligent Document Processing et OpenSearch.
Le la mise en oeuvre utilisé dans cet article utilise le Constructions CDK Amazon Textract IDP – Composants AWS Cloud Development Kit (CDK) pour définir l'infrastructure des flux de travail de traitement intelligent des documents (IDP), qui vous permettent de créer des flux de travail IDP personnalisables spécifiques à un cas d'utilisation. Les constructions et exemples IDP CDK sont un ensemble de composants permettant de définir des processus IDP sur AWS et publiés sur GitHub. Les principaux concepts utilisés sont les AWS Kit de développement cloud (CDK) constructions, le réel Piles CDK et les Fonctions d'étape AWS. L'atelier Utiliser l'apprentissage automatique pour automatiser et traiter les documents à grande échelle est un bon point de départ pour en savoir plus sur la personnalisation des flux de travail et sur l'utilisation des autres exemples de flux de travail comme base pour le vôtre.
Vue d'ensemble de la solution
Dans cette solution, nous nous concentrons sur l'indexation des documents dans un index OpenSearch pour une recherche et une récupération rapides des informations et des documents. Les documents au format PDF, TIFF, JPEG ou PNG sont placés dans un Amazon Simple Storage Service (Amazon S3) et ensuite indexé dans OpenSearch à l'aide de ce workflow Step Functions.
Le OpenSearchWorkflow-Décideur examine le document et vérifie qu'il s'agit de l'un des types MIME pris en charge (PDF, TIFF, PNG ou JPEG). Il se compose d'un AWS Lambda la fonction.
Le Séparateur de documents génère un morceau maximum de 2500 3000 pages à partir de documents. Cela signifie que même si Amazon Textract prend en charge des documents allant jusqu'à XNUMX XNUMX pages, vous pouvez transmettre des documents contenant beaucoup plus de pages et le processus fonctionne toujours correctement et place les pages dans OpenSearch et crée des numéros de page corrects. Le Séparateur de documents est implémenté en tant que fonction AWS Lambda.
Le État de la carte traite chaque morceau en parallèle.
Le TexttractAsyncTexttractAsync la tâche appelle Amazon Textract à l'aide de la méthode asynchrone Interface de Programmation d'Application (API) suivant les meilleures pratiques avec Amazon Simple Notification Service (Amazon SNS) notifications et Configuration de sortie pour stocker la sortie Amazon Textract JSON dans un compartiment Amazon S3 client. Il se compose de deux fonctions Amazon Lambda : une pour soumettre le document pour traitement et une pour être déclenchée sur la notification Amazon SNS.
Parce que le TextAsyLa tâche nc peut produire plusieurs fichiers de sortie paginés, le TextAsyncToJSON2 Le processus les combine en un seul fichier JSON.
Le contexte Step Functions est enrichi d'informations qui devraient également pouvoir être recherchées dans l'index OpenSearch du Définir les métadonnées étape. L'exemple d'implémentation ajoute ORIGIN_FILE_NAME
, START_PAGE_NUMBER
et une ORIGIN_FILE_URI
. Vous pouvez ajouter n'importe quelle information pour enrichir l'expérience de recherche, comme des informations provenant d'autres systèmes backend, des identifiants spécifiques ou des informations de classification.
Le GénérerOpenSearchBatch prend le JSON de sortie Amazon Textract généré, le combine avec les informations du contexte défini par SetMetaData et prépare un fichier optimisé pour l'importation par lots dans OpenSearch.
Dans le OpenSearchPushInvoke, ce fichier d'importation par lots est envoyé dans l'index OpenSearch et disponible pour la recherche. Cette fonction AWS Lambda est connectée au aws-lambda-opensearch construire à partir du Solutions AWS bibliothèque à l'aide des instances m6g.large.search, OpenSearch version 2.7 et configuré Amazon Elastic Block Service (AmazonEBS) taille du volume à usage général 2 (GP2) avec 200 Go. Vous pouvez modifier la configuration d'OpenSearch en fonction de vos besoins.
Le final TaskOpenSearchMapping Cette étape efface le contexte, qui autrement pourrait dépasser le Quota de fonctions d'étape of Taille maximale d'entrée ou de sortie pour une tâche, un état ou une exécution.
Pré-requis
Pour déployer les exemples, vous avez besoin d'un compte AWS, le Kit de développement cloud AWS (AWS CDK), une version actuelle de Python et Docker sont requis. Vous avez besoin d'autorisations pour déployer des modèles AWS CloudFormation, envoyez-les vers le Registre des conteneurs élastiques Amazon (Amazon ECR), créez Gestion des identités et des accès Amazon (AWS IAM), fonctions Amazon Lambda, compartiments Amazon S3, Amazon Step Functions, cluster Amazon OpenSearch et un Amazon Cognito pool d'utilisateurs. Assurez-vous que votre L'environnement AWS CLI est configuré avec les autorisations correspondantes.
Vous pouvez également lancer un AWSCloud9 instance avec AWS CDK, Python et Docker préinstallés pour lancer le déploiement.
Procédure pas à pas
Déploiement
- Après avoir configuré les prérequis, vous devez d'abord cloner le référentiel :
- Ensuite, cd dans le dossier du référentiel et installez les dépendances :
- Déployez la pile OpenSearchWorkflow :
Le déploiement prend environ 25 minutes avec les paramètres de configuration par défaut des exemples GitHub et crée un flux de travail Step Functions, qui est invoqué lorsqu'un document est placé dans un compartiment/préfixe Amazon S3 et est ensuite traité jusqu'à ce que le contenu du document soit indexé. dans un cluster OpenSearch.
Ce qui suit est un exemple de sortie comprenant des liens utiles et des informations générées à partir decdk deploy OpenSearchWorkflow
commander:
Ces informations sont également disponibles dans la console AWS CloudFormation.
Lorsqu'un nouveau document est placé sous le OpenSearchWorkflow.DocumentUploadLocation, un nouveau flux de travail Step Functions est démarré pour ce document.
Pour vérifier l'état de ce document, le OpenSearchWorkflow.StepFunctionFlowLink fournit un lien vers la liste des exécutions StepFunction dans AWS Management Console, affichant l'état du traitement des documents pour chaque document téléchargé sur Amazon S3. Le tutoriel Affichage et débogage des exécutions sur la console Step Functions fournit une présentation des composants et des vues de la console AWS.
Essais
- Premier test à l'aide d'un exemple de fichier.
- Après avoir sélectionné le lien vers le workflow StepFunction ou ouvert la AWS Management Console et accédé à la page du service Step Functions, vous pouvez consulter les différents appels de workflow.
- Jetez un œil à l'exemple d'exécution de document en cours d'exécution, où vous pouvez suivre l'exécution des tâches individuelles du flux de travail.
Rechercher
Une fois le processus terminé, nous pouvons valider que le document est indexé dans l'index OpenSearch.
- Pour ce faire, nous créons d’abord un utilisateur Amazon Cognito. Amazon Cognito est utilisé pour l'authentification des utilisateurs par rapport à l'index OpenSearch. Sélectionnez le lien dans la sortie du déploiement cdk (ou regardez le AWS CloudFormation sortie dans AWS Management Console) nommé OpenSearchWorkflow.CognitoUserPoolLink.
- Ensuite, sélectionnez le Créer un utilisateur , qui vous dirige vers une page pour saisir un nom d'utilisateur et un mot de passe pour accéder au tableau de bord OpenSearch.
- Après avoir choisi Créer un utilisateur, vous pouvez accéder au tableau de bord OpenSearch en cliquant sur le bouton OpenSearchWorkflow.OpenSearchDashboard à partir de la sortie du déploiement CDK. Connectez-vous en utilisant le nom d'utilisateur et le mot de passe précédemment créés. Lors de votre première connexion, vous devez modifier le mot de passe.
- Une fois connecté au tableau de bord OpenSearch, sélectionnez le Gestion de la pile partie, suivie de Modèle d'indexs pour créer un index de recherche.
- Le nom par défaut de l'index est index des articles et un nom de modèle d'index de index des articles* correspondra à cela.
- Après avoir cliqué Prochaine étape, sélectionnez horodatage car Champ de temps et les Créer un modèle d'index.
- Maintenant, dans le menu, sélectionnez Découvrez.
Dans la plupart des cas, vous devez modifier la durée en fonction de votre dernière ingestion. La valeur par défaut est de 15 minutes et il n'y a souvent eu aucune activité au cours des 15 dernières minutes. Dans cet exemple, le délai est passé à 15 jours pour visualiser l'ingestion.
- Vous pouvez maintenant commencer à chercher. Un roman a été indexé, vous pouvez rechercher n'importe quel terme comme appelle-moi Ismaël et voir les résultats.
Dans ce cas, le terme appelle-moi Ismaël apparaît à la page 6 du document à l'URI (Uniform Resource Identifier) donné, qui pointe vers l'emplacement Amazon S3 du fichier. Cela permet d'identifier plus rapidement les documents et de trouver des informations dans un vaste corpus de documents PDF, TIFF ou image, plutôt que de les parcourir manuellement.
Fonctionner à grande échelle
Afin d'estimer l'ampleur et la durée d'un processus d'indexation, la mise en œuvre a été testée avec 93,997 1,583,197 documents et une somme totale de 16.84 3755 5.5 pages (en moyenne 1 pages/document et le plus grand fichier ayant XNUMX XNUMX pages), qui ont tous été indexés dans OpenSearch. Le traitement de tous les fichiers et leur indexation dans OpenSearch ont pris XNUMX heures dans la région USA Est (Virginie du Nord – us-east-XNUMX) avec la valeur par défaut. Quotas du service de texte Amazon. Le graphique ci-dessous montre un test initial à 18h00 suivi de l'ingestion principale à 21h00 et le tout terminé à 2h30.
Pour le traitement, le tcdk.SFExecutionsStartThrottle a été réglé sur un executions_concurrency_threshold
=550, ce qui signifie que les workflows de traitement simultané des documents sont limités à 550 et que les demandes excédentaires sont mises en file d'attente vers un SQS d'Amazon File d'attente FIFO (Fist-In-First-Out), qui est ensuite vidée à la fin des flux de travail en cours. Le seuil de 550 est basé sur le quota Texttract Service de 600 dans la région us-east-1. Par conséquent, la profondeur de la file d’attente et l’âge du message le plus ancien sont des mesures qui méritent d’être surveillées.
Dans ce test, tous les documents ont été téléchargés sur Amazon S3 en même temps. Nombre approximatif de messages visibles connaît une forte augmentation, puis une lente diminution car aucun nouveau document n'est ingéré. Le Âge approximatif du message le plus ancien augmente jusqu'à ce que tous les messages soient traités. L'Amazon SQS Période de rétention des messages est fixé à 14 jours. Pour le traitement d'un retard très long pouvant dépasser 14 jours, commencez par traiter un sous-ensemble plus petit de documents représentatifs et surveillez la durée d'exécution pour estimer le nombre de documents que vous pouvez transmettre avant de dépasser 14 jours. Les métriques Amazon SQS CloudWatch semblent similaires pour un cas d'utilisation de traitement d'un important retard de documents, qui sont ingérés immédiatement puis entièrement traités. Si votre cas d'utilisation est un flux constant de documents, les deux mesures, le Nombre approximatif de messages visibles et les terres parsemées de Âge approximatif du message le plus ancien sera plus linéaire. Vous pouvez également utiliser le paramètre de seuil pour combiner une charge constante avec le traitement du backlog et allouer la capacité en fonction de vos besoins de traitement.
Une autre mesure à surveiller est la santé du cluster OpenSearch, que vous devez configurer en fonction des Meilleures pratiques opérationnelles pour Amazon OpenSearch Service. Le déploiement par défaut utilise des instances m6g.large.search.
Voici un aperçu des indicateurs de performance clés (KPI) du cluster OpenSearch. Aucune erreur, débit de données d’indexation et latence constants.
Les exécutions du flux de travail Step Functions affichent l’état de traitement de chaque document individuel. Si vous voyez des exécutions à Échoué état, puis sélectionnez les détails. Une bonne mesure à surveiller est l'AWS Tableau de bord automatique CloudWatch pour Step Functions, qui expose certains des Métriques CloudWatch de Step Functions.
Dans ce graphique AWS CloudWatch Dashboard, vous voyez les exécutions réussies de Step Functions au fil du temps.
Et celui-ci montre les exécutions ratées. Ceux-ci méritent d'être étudiés via la présentation des fonctions étape par étape de la console AWS.
La capture d'écran suivante montre un exemple d'échec d'exécution en raison d'un fichier d'origine de taille 0, ce qui est logique car le fichier n'a pas de contenu et n'a pas pu être traité. Il est important de filtrer les processus ayant échoué et de visualiser les échecs, afin que vous puissiez revenir au document source et valider la cause première.
D'autres échecs peuvent inclure des documents qui ne sont pas de type MIME : application/pdf, image/png, image/jpeg ou image/tiff, car d'autres types de documents ne sont pas pris en charge par Amazon Textract.
Prix
Le coût total de l'ingestion de 1,583,278 XNUMX XNUMX pages a été réparti entre les services AWS utilisés pour la mise en œuvre. La liste suivante sert de chiffres approximatifs, car votre coût réel et la durée de traitement varient en fonction de la taille des documents, du nombre de pages par document, de la densité des informations contenues dans les documents et de la région AWS. Amazon DynamoDB consommait 0.55 $, Amazon S3 3.33 $, OpenSearch Service 14.71 $, Step Functions 17.92 $, AWS Lambda 28.95 $ et Amazon Textract 1,849.97 XNUMX $. Gardez également à l'esprit que le cluster Amazon OpenSearch Service déployé est facturé à l'heure et accumulera des coûts plus élevés lorsqu'il sera exécuté sur une période donnée.
Modifications
Très probablement, vous souhaitez modifier l'implémentation et la personnaliser en fonction de votre cas d'utilisation et de vos documents. L'atelier Utiliser l'apprentissage automatique pour automatiser et traiter les documents à grande échelle présente un bon aperçu de la façon de manipuler les flux de travail réels, de modifier le flux et d'ajouter de nouveaux composants. Pour ajouter des champs personnalisés à l'index OpenSearch, consultez le Définir les métadonnées tâche dans le workflow à l'aide de l'outil set-manifest-meta-data-opensearch Fonction AWS Lambda pour ajouter des métadonnées au contexte, qui seront ajoutées en tant que champ à l'index OpenSearch. Toutes les informations de métadonnées feront partie de l'index.
Nettoyer
Supprimez les exemples de ressources si vous n'en avez plus besoin, pour éviter d'engager des coûts futurs à l'aide de la commande suivante :
dans le même environnement que le cdk deploy
commande. Attention, cela supprime tout, y compris le cluster OpenSearch et tous les documents ainsi que le compartiment Amazon S3. Si vous souhaitez conserver ces informations, sauvegardez votre compartiment Amazon S3 et créer un instantané d'index à partir de votre cluster OpenSearch. Si vous avez traité de nombreux fichiers, vous devrez peut-être d'abord vider le compartiment Amazon S3 à l'aide d'AWS Management Console (c'est-à-dire après avoir effectué une sauvegarde ou les avoir synchronisés avec un autre compartiment si vous souhaitez conserver les informations), car la fonction de nettoyage peut expirer, puis détruire la pile AWS CloudFormation.
Conclusion
Dans cet article, nous vous avons montré comment déployer une solution full stack pour ingérer un grand nombre de documents dans un index OpenSearch, prêts à être utilisés pour des cas d'utilisation de recherche. Les composants individuels de la mise en œuvre ont été discutés ainsi que les considérations de mise à l'échelle, les coûts et les options de modification. Tout le code est accessible en OpenSource sur GitHub comme Exemples de CDK IDP et que Constructions du CDK IDP pour créer vos propres solutions à partir de zéro. Dans l'étape suivante, vous pouvez commencer à modifier le flux de travail, ajouter des informations aux documents dans l'index de recherche et explorer le Atelier PDI. Veuillez commenter ci-dessous votre expérience et vos idées pour étendre la solution actuelle.
À propos de l’auteur
Martin Schade est un Senior ML Product SA avec l'équipe Amazon Textract. Il a plus de 20 ans d'expérience dans les technologies, l'ingénierie et les solutions d'architecture liées à Internet. Il a rejoint AWS en 2014, guidant d'abord certains des plus grands clients AWS sur l'utilisation la plus efficace et la plus évolutive des services AWS, puis s'est concentré sur l'IA/ML en mettant l'accent sur la vision par ordinateur. Actuellement, il est obsédé par l'extraction d'informations à partir de documents.
- Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
- PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
- PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
- PlatonESG. Automobile / VE, Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
- PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
- GraphiquePrime. Élevez votre jeu de trading avec ChartPrime. Accéder ici.
- Décalages de bloc. Modernisation de la propriété des compensations environnementales. Accéder ici.
- La source: https://aws.amazon.com/blogs/machine-learning/implement-smart-document-search-index-with-amazon-textract-and-amazon-opensearch/
- :possède
- :est
- :ne pas
- :où
- $3
- $UP
- 1
- 10
- 100
- 11
- 12
- 13
- 14
- 15%
- 16
- 17
- 20
- 20 ans
- 200
- 2014
- 216
- 220
- 25
- 30
- 3000
- 32
- 33
- 7
- 700
- 8
- 820
- 84
- 9
- a
- A Propos
- accès
- accessible
- accès
- Selon
- Compte
- Accumuler
- précision
- à travers
- activité
- présenter
- ajouter
- ajoutée
- ajoutant
- Ajoute
- Après
- à opposer à
- âge
- AI / ML
- Tous
- allouer
- permettre
- aussi
- Amazon
- Amazon Cognito
- Service Amazon OpenSearch
- Extrait d'Amazon
- Amazon Web Services
- an
- analyste
- et les
- tous
- api
- apparaît
- approximatif
- SONT
- autour
- AS
- At
- Authentification
- automatiser
- Automatique
- automatiquement
- disponibles
- moyen
- éviter
- AWS
- AWS CloudFormation
- AWS Lambda
- Console de gestion AWS
- RETOUR
- backend
- sauvegarde
- base
- basé
- BE
- car
- devenez
- before
- va
- ci-dessous
- LES MEILLEURS
- les meilleures pratiques
- Améliorée
- Il faut se méfier
- Block
- tous les deux
- construire
- bouton (dans la fenêtre de contrôle qui apparaît maintenant)
- by
- Appels
- CAN
- capacités
- Compétences
- maisons
- cas
- Causes
- CD
- Change
- modifié
- en changeant
- vérifier
- choose
- classification
- le cloud
- Grappe
- code
- collection
- moissonneuses-batteuses
- commentaire
- Sociétés
- par rapport
- Compas
- compétitif
- composants électriques
- ordinateur
- Vision par ordinateur
- concepts
- concurrent
- configuration
- configurée
- connecté
- considérations
- consiste
- Console
- constant
- construire
- Contenant
- contenu
- contexte
- continuer
- contrats
- correct
- Prix
- Costs
- pourriez
- accouplé
- couverture
- engendrent
- créée
- crée des
- critique
- Courant
- Lecture
- Customiser
- des clients
- Clients
- personnalisables
- personnaliser
- tableau de bord
- tableaux de bord
- données
- jours
- affaire
- Refuser
- Réglage par défaut
- Vous permet de définir
- définition
- démontrer
- dépendances
- Selon
- déployer
- déployé
- déploiement
- profondeur
- détruire
- détails
- Développement
- dialogue
- différent
- numérique
- Transformation numérique
- découvrez
- discuté
- afficher
- plongeon
- do
- Docker
- document
- INSTITUTIONNELS
- fait
- drainé
- deux
- durée
- e
- chacun
- Est
- Edge
- efficace
- efficacement
- effort
- Employés
- vous accompagner
- permettre
- ENGINEERING
- énorme
- enrichir
- enrichi
- Entrer
- Environment
- Ère
- Erreurs
- notamment
- établies
- estimation
- Pourtant, la
- peut
- exemple
- dépassent
- dépassement
- excès
- exécution
- Développer vous
- d'experience
- explorez
- extrait
- Échoué
- RAPIDE
- plus rapide
- champ
- Des champs
- Figure
- Déposez votre dernière attestation
- Fichiers
- une fonction filtre
- finale
- la traduction de documents financiers
- Trouvez
- fin
- bout des doigts
- finition
- Prénom
- premières étapes
- première fois
- flux
- Focus
- concentré
- suivre
- suivi
- Abonnement
- Pour
- le format
- De
- plein
- Un paquet entier
- d’étiquettes électroniques entièrement
- fonction
- fonctions
- avenir
- Général
- généré
- génère
- obtention
- géant
- GitHub
- donné
- Go
- aller
- Bien
- graphique
- guide
- harnais
- Vous avez
- ayant
- he
- Santé
- aide
- Haute
- augmentation
- très
- heure
- HEURES
- Comment
- How To
- Cependant
- HTML
- HTTPS
- humain
- Ressources Humaines
- i
- et idées cadeaux
- identifiant
- identifier
- Identite
- ids
- if
- image
- Mettre en oeuvre
- la mise en oeuvre
- mis en œuvre
- importer
- important
- in
- comprendre
- Y compris
- Améliore
- Augmente
- indice
- indexé
- Indicateurs
- individuel
- d'information
- Infrastructure
- initiale
- initier
- contribution
- idées.
- installer
- instance
- des services
- Intelligent
- Traitement intelligent des documents
- développement
- enquête
- invoqué
- IT
- rejoint
- chemin
- jpg
- json
- XNUMX éléments à
- ACTIVITES
- gros
- le plus grand
- Nom
- Latence
- plus tard
- APPRENTISSAGE
- apprentissage
- Bibliothèque
- comme
- Probable
- LINK
- Gauche
- Liste
- charge
- emplacement
- Connecté
- vous connecter
- Location
- plus long
- Style
- recherchez-
- LOOKS
- click
- machine learning
- LES PLANTES
- Entrée
- maintenir
- Maintenir
- a prendre une
- FAIT DU
- gestion
- manuellement
- de nombreuses
- Match
- maximales
- Mai..
- me
- veux dire
- Menu
- message
- messages
- méthodes
- métrique
- Métrique
- pourrait
- l'esprit
- Minutes
- mélanger
- ML
- Villas Modernes
- modifier
- Surveiller
- Stack monitoring
- PLUS
- (en fait, presque toutes)
- Montagne
- plusieurs
- prénom
- Nommé
- navigation
- Besoin
- Besoins
- Nouveauté
- next
- aucune
- déclaration
- Notifications
- roman
- nombre
- numéros
- of
- code
- souvent
- plus vieux
- on
- une fois
- ONE
- ouvert
- opensource
- Opportunités
- optimisé
- Options
- or
- de commander
- organisation
- origine
- Autre
- autrement
- ande
- sortie
- plus de
- vue d'ensemble
- propre
- page
- pages
- Parallèle
- paramètre
- partie
- pass
- Mot de Passe
- Patron de Couture
- motifs
- Paiement
- /
- performant
- période
- autorisations
- Platon
- Intelligence des données Platon
- PlatonDonnées
- veuillez cliquer
- Point
- des notes bonus
- pool
- possible
- Post
- pratiques
- Prépare
- conditions préalables
- cadeaux
- précédemment
- processus
- Traité
- les process
- traitement
- produire
- Produit
- Programmation
- proposé
- fournit
- publié
- but
- Push
- mettre
- Puts
- Python
- Rapide
- rapidement
- Tarif
- solutions
- région
- Rapports
- dépôt
- représentant
- demandes
- conditions
- Exigences
- ressource
- Resources
- sensible
- résultat
- Résultats
- conserver
- rôle
- racine
- Courir
- pour le running
- SA
- même
- évolutive
- Escaliers intérieurs
- mise à l'échelle
- gratter
- de façon transparente
- Rechercher
- recherche
- Section
- sur le lien
- recherche
- la sélection
- supérieur
- sens
- envoyé
- sert
- service
- Services
- set
- Paramétres
- installation
- devrait
- montrer
- montré
- Spectacles
- similaires
- étapes
- Taille
- lent
- faibles
- smart
- Instantané
- So
- sur mesure
- Solutions
- quelques
- Identifier
- groupe de neurones
- vitesse
- Spin
- scission
- empiler
- Commencer
- j'ai commencé
- Commencez
- Région
- États
- Statut
- stable
- étapes
- Étapes
- Encore
- storage
- Boutique
- stockage
- soumettre
- Par la suite
- réussi
- tel
- Appareils
- Les soutiens
- sûr
- Système
- Prenez
- prend
- prise
- Tâche
- tâches
- équipe
- Les technologies
- modèles
- terme
- conditions
- tester
- examiné
- texte
- qui
- Le
- Le graphique
- les informations
- La Source
- L'État
- leur
- Les
- puis
- Là.
- donc
- Ces
- l'ont
- this
- bien que?
- порог
- Avec
- à
- fiable
- long
- à
- a
- Total
- traditionnel
- De La Carrosserie
- déclenché
- tutoriel
- deux
- type
- types
- sous
- sans précédent
- jusqu'à
- téléchargé
- us
- utilisé
- cas d'utilisation
- d'utiliser
- Utilisateur
- utilisateurs
- Usages
- en utilisant
- utilise
- VALIDER
- Plus-value
- version
- très
- vues
- Virginie
- vision
- visualiser
- le volume
- volumes
- souhaitez
- était
- Façon..
- we
- web
- services Web
- WELL
- ont été
- Quoi
- quand
- qui
- sera
- comprenant
- workflow
- workflows
- vos contrats
- atelier
- Ateliers
- vaut
- années
- Vous n'avez
- Votre
- zéphyrnet