L’influence croissante de l’IA dans les grandes organisations pose des défis cruciaux dans la gestion des plateformes d’IA. Il s’agit notamment du développement d’une plate-forme évolutive et efficace sur le plan opérationnel, qui respecte les normes de conformité et de sécurité de l’organisation. Amazon SageMakerStudio offre un ensemble complet de fonctionnalités pour les praticiens de l'apprentissage automatique (ML) et les scientifiques des données. Ceux-ci incluent un environnement de développement d'IA entièrement géré avec un environnement de développement intégré (IDE), simplifiant le flux de travail ML de bout en bout. Ses capacités collaboratives telles que la coédition en temps réel et le partage de cahiers au sein de l'équipe garantissent un travail d'équipe fluide, tandis que l'évolutivité et la formation haute performance s'adaptent à de grands ensembles de données. Avec une sécurité intégrée, une rentabilité et une gamme d'outils prédéfinis tels que Pilote automatique Amazon SageMaker, Amazon SageMaker JumpStartet la Boutique de fonctionnalités Amazon SageMaker, SageMaker Studio est une plateforme puissante pour accélérer les projets d'IA et responsabiliser les data scientists à tous les niveaux d'expertise.
Deutsche Bahn est une organisation de transport leader en Allemagne avec un chiffre d'affaires de 56.3 milliards d'euros (en 2022), un effectif de 336,884 221,343 employés (dont 130 XNUMX employés en Allemagne) et des opérations dans XNUMX pays. Ils offrent une large gamme de services, notamment les transports publics et régionaux, les services de fret et les infrastructures ferroviaires. Grâce à l'exploitation intégrée des infrastructures routières et ferroviaires, ainsi qu'à la connexion économiquement et écologiquement intelligente de tous les modes de transport, la Deutsche Bahn déplace les personnes et les marchandises. La Deutsche Bahn a été à l'avant-garde dans l'adoption de l'IA, en utilisant SageMaker Studio comme plate-forme clé d'IA. Chez Deutsche Bahn, une équipe dédiée à la plateforme d'IA gère et exploite la plateforme SageMaker Studio, et plusieurs équipes d'analyse de données au sein de l'organisation utilisent la plateforme pour développer, former et exécuter diverses activités d'analyse et de ML.
L'objectif principal de l'équipe de la plateforme d'IA est de garantir un accès transparent aux services Workbench et à SageMaker Studio pour toutes les équipes et projets de la Deutsche Bahn, en mettant l'accent principalement sur les scientifiques des données et les ingénieurs ML. Cette plate-forme aide la Deutsche Bahn à réaliser un éventail de cas d'utilisation, allant de la maintenance ferroviaire, aux prévisions et aux futures applications de l'IA générative.
Le service géré de la plateforme d'IA, construit sur SageMaker Studio, s'aligne parfaitement sur la stratégie de plateforme à l'échelle du groupe Deutsche Bahn. Il répond aux exigences de conformité de l'entreprise, permet un lancement rapide du projet pour l'équipe en provisionnant un domaine SageMaker et réduit les frais de maintenance grâce à un modèle opérationnel global. Les principaux avantages incluent une grande évolutivité du service, en grande partie grâce à l'automatisation et à un modèle de libre-service, ainsi qu'un modèle de tarification attractif principalement basé sur la consommation de ressources.
« SageMaker Studio nous a fourni une plate-forme commune évolutive, conforme à la sécurité et qui répond aux besoins de développement des data scientists de plusieurs équipes d'analyse de données au sein de l'organisation DB. Avant cela, chaque équipe gérait et exploitait ses propres notebooks JupyterLab, ce qui n'était ni efficace ni rentable. En 8 semaines, nous avons intégré plus de 120 développeurs, provisionné 25 domaines SageMaker et commencé rapidement à utiliser cette plateforme.
– Emmanuel Drosos, chef de produit chez DB Systel.
Dans cet article, nous explorons comment la Deutsche Bahn a fait évoluer et exploité sa plateforme d'IA à l'aide de SageMaker Studio pour plusieurs équipes, tout en garantissant une sécurité et une surveillance solides.
Vue d'ensemble de la solution
L'architecture de la Deutsche Bahn consiste en un compte de plateforme central géré par une équipe de plateforme chargée de gérer l'infrastructure et les opérations de SageMaker Studio. Les ressources de SageMaker Studio sont regroupées par Domaines SageMaker, chacun étant constitué d'un Système de fichiers Amazon Elastic (Amazon EFS), une liste d'utilisateurs autorisés et une variété de sécurité, d'application, de politique et Cloud privé virtuel Amazon (Amazon VPC). Chez Deutsche Bahn, les data scientists de diverses équipes utilisent les domaines SageMaker pour leurs activités de ML ; chaque équipe dispose d'un domaine SageMaker dédié qu'elle utilise pour développer et tester des modèles de ML et collaborer à l'aide de fonctionnalités telles que le partage de blocs-notes.
Du point de vue des infrastructures, le VPC configuré dans le compte AI Platform, comme le montre la figure suivante, ne dispose d'aucune connectivité Internet sortante pour garantir la sécurité et la conformité. Pour une haute disponibilité, plusieurs sous-réseaux privés isolés identiques sont fournis. Les domaines SageMaker Studio sont déployés en mode VPC uniquement, ce qui crée une interface réseau élastique pour la communication entre le compte de service SageMaker (compte de service AWS) et le VPC du compte de plateforme. Les points de terminaison tels que l'API SageMaker, SageMaker Studio et le notebook SageMaker facilitent une communication sécurisée et fiable entre le VPC du compte de plateforme et le domaine SageMaker géré par AWS dans le compte de service SageMaker.
Chaque équipe d'analyse de données peut demander un ou plusieurs domaines SageMaker via le portail libre-service interne de l'entreprise. Ce processus de commande d'un domaine SageMaker est orchestré via un processus de workflow distinct (via Fonctions d'étape AWS). Au cours de ce flux d'orchestration, un groupe Azure Active Directory (AD) pour l'équipe d'analyse de données est doté du nom de groupe AD correspondant au nom de domaine. L'orchestration mène à un pipeline d'intégration et de déploiement continus (CI/CD) déployant un Kit de développement AWS Cloud (AWS CDK) composée d'un domaine SageMaker pour l'équipe respective.
En plus du domaine SageMaker, un service personnalisé Gestion des identités et des accès AWS (IAM) rôle (SageMaker-execution-role), Service de stockage simple Amazon (Amazon S3), le compartiment (data-bucket), la clé gérée par le client (CMK) et d'autres ressources AWS sont provisionnés pendant le processus de déploiement par l'application AWS CDK, comme illustré dans la figure suivante. Le groupe AD contient des scientifiques qui ont besoin d'accéder au domaine SageMaker de leur équipe. Le nom du groupe AD correspond au nom du domaine SageMaker et est principalement utilisé lors du processus d'autorisation.
La séparation des clients est implémentée au niveau des domaines SageMaker en utilisant le mode d'authentification IAM. Un rôle IAM spécifique au domaine (SageMaker-execution-role) est attaché à chaque domaine qui suit le principe du moindre privilège et est assumé par l'équipe d'analyse de données pendant le processus de connexion. Ce rôle permet aux data scientists de l'équipe d'effectuer diverses activités, telles que l'exécution de tâches de traitement, de réglages d'hyperparamètres, de transformations et d'expériences, ainsi que la création de modèles. Ces activités ML sont exécutées au nom de l'utilisateur par SageMaker à l'aide de l'autorisation de rôle de passe IAM. Cependant, certaines actions telles que la création de compartiments S3, la modification des rôles IAM, la mise à jour des domaines SageMaker et le provisionnement de grandes instances sont limitées pour des raisons de sécurité, de conformité et de contrôle des coûts. La stratégie IAM associée garantit que l'équipe d'analyse de données a uniquement accès au compartiment S3 et à la clé CMK pertinents pour son domaine autorisé, comme illustré dans la figure suivante. De plus, le rôle SageMaker-execution-role permet aux membres de l'équipe d'assumer des rôles dans d'autres comptes au sein de l'organisation Deutsche Bahn depuis SageMaker Studio, leur offrant ainsi la flexibilité d'accéder à des ressources telles que Service de base de données relationnelle Amazon (Amazon S3), d'autres compartiments S3 et Amazone Athéna. La stratégie IAM utilise aws:RequestTag et aws:ResourceTag pour un contrôle d'accès précis pendant les activités SageMaker, telles que le traitement des tâches, la formation des tâches et la création de modèles. Ces balises aident également à suivre les coûts associés au domaine. Pour plus d'informations, reportez-vous à Actions, ressources et clés de condition pour Amazon SageMaker.
La CMK chiffre à la fois le contenu du système de fichiers du domaine SageMaker stocké dans Amazon EFS et le contenu du compartiment S3 (seau de données) qui est configuré pour stocker les données pour les tâches de traitement et de transformation SageMaker. De plus, les politiques basées sur les ressources, telles que la politique de compartiment et la politique CMK, fournissent une couche de sécurité supplémentaire, limitant à la fois l'accès aux seuls membres autorisés de l'équipe IA et les actions autorisées sur ces ressources.
L'équipe IA n'a pas Console de gestion AWS accès au compte de l'équipe AI platform. Pour accéder à SageMaker Studio, comme illustré dans la figure suivante, les data scientists de l'équipe d'analyse de données utilisent une URL présignée générée en s'authentifiant via un Amazon Cognito application de connexion personnalisée basée. Une fois que l'utilisateur s'est connecté à cette application personnalisée, il reçoit un jeton d'accès OAuth contenant des informations telles que le nom du groupe AD. Une fois connecté à l'application personnalisée, l'utilisateur demande l'accès au domaine SageMaker via l'interface utilisateur en déclenchant un message d'erreur. Passerelle d'API Amazon appelez pour générer une URL présignée. API Gateway appelle PreSignUrlGenerator AWS Lambda fonction et utilise un Autorisateur Amazon Cognito pour valider le jeton d'accès OAuth dans l'en-tête de la requête. La fonction PreSignUrlGenerator valide les autorisations d'accès des utilisateurs pour le domaine SageMaker demandé en comparant le nom AD dans le jeton d'accès avec le domaine SageMaker demandé. En cas d'autorisation réussie, la fonction PreSignUrlGenerator crée un profil utilisateur SageMaker lors de la première connexion et génère une réponse URL présignée. L'application de connexion personnalisée redirige ensuite les utilisateurs vers le domaine SageMaker demandé.
CDK AWS
La solution de Deutsche Bahn utilise AWS CDK comme infrastructure en tant que code (IaC) pour provisionner un domaine SageMaker ainsi que des ressources telles que des compartiments S3 et une CMK. La figure suivante illustre les piles et les ressources associées utilisées pour le déploiement de SageMaker. La pile d'infrastructure se charge de configurer les ressources essentielles telles que le VPC, les sous-réseaux et plusieurs points de terminaison SageMaker. Les ressources telles que le VPC, les sous-réseaux et les politiques de contrôle de service (SCP) sont gérées par une équipe cloud centrale via une pile différente (mais elles sont présentées ici par souci de simplicité). SageMakerStudioStack est principalement responsable du provisionnement d'un domaine SageMaker, d'un compartiment de données dédié, d'une CMK et du rôle IAM dédié SageMaker-execution-role. Notamment, chaque domaine SageMaker est provisionné via son SageMakerStudioStack individuel.
La solution utilise une construction L3 spécialement conçue (domaine SageMaker Studio), comme illustré dans la figure suivante, pour la ressource de domaine SageMaker. SageMaker Studio dispose d'un configuration du cycle de vie fonctionnalité qui permet des initialisations spécifiques lors du démarrage des applications JupyterLab ou KernelGateway.
Deutsch Bahn utilise la configuration du cycle de vie comme indiqué dans la figure suivante pour détecter et arrêter automatiquement les instances inactives dans le domaine SageMaker, réduisant ainsi les coûts inutiles. En raison d'une connectivité sortante limitée, l'équipe d'analyse des données utilise des images hébergées en interne et des bibliothèques tierces issues des artefacts internes de l'entreprise. Le script de configuration du cycle de vie pour KernelGateway configure les gestionnaires de packages pip et conda pour rediriger les téléchargements vers l'emplacement des artefacts hébergés en interne. Au moment d'écrire ces lignes, il n'existe aucune construction AWS CDK pour la ressource de configuration du cycle de vie ; par conséquent, ils utilisent une ressource CDK personnalisée pour provisionner et gérer le script LifeCycleConfig. Les ressources personnalisées dans AWS CDK offrent la possibilité de provisionner et de gérer des ressources qui ne sont pas directement prises en charge par AWS CloudFormation ou des constructions AWS CDK.
Installation
L'exemple d'application AWS CDK montre comment divers composants, notamment le domaine SageMaker, la configuration du cycle de vie, Amazon Cognito et le rôle IAM avec le moins de privilèges, fonctionnent ensemble. Au sein de l'application, la classe SagemakerStudioStack gère le provisionnement d'un domaine SageMaker, le rôle IAM (sagemaker-execution-role) que les utilisateurs assument, CMK, la configuration du cycle de vie, le profil utilisateur SageMaker, le compartiment S3 pour le traitement des données et le groupe d'utilisateurs Amazon Cognito. L'application de démonstration AWS CDK fournit un aperçu concis des composants clés, tels que le domaine SageMaker, la configuration du cycle de vie, l'authentification via Amazon Cognito et le rôle IAM avec le moins de privilèges. SagemakerLoginStack, quant à lui, est responsable du déploiement du pool d'utilisateurs Amazon Cognito, de la fonction Lambda et de la passerelle API pour générer des URL présignées. CognitoUserStack se concentre principalement sur le déploiement d'un utilisateur au sein du pool d'utilisateurs Amazon Cognito.
Vous pouvez exécuter les commandes suivantes pour compiler, synthétiser et déployer l'application. Vous devez ajuster le compte, l'utilisateur et le mot de passe dans l'exemple de code de votre application. Le mot de passe doit comporter au moins 8 caractères, avec des majuscules et des chiffres. Le paramètre user est l'utilisateur du domaine SageMaker qui sera authentifié par Amazon Cognito.
- Téléchargez le code source depuis le GitHub repo.
- Démarrez le compte AWS. Dans le code suivant, ajustez le numéro de compte et la région selon vos besoins :
- Installez les packages et compilez le code :
- Synthétisez l'application AWS CDK :
- Déployez l'application avec toutes les piles dans le compte et la région de votre choix :
- Téléchargez l'application Postman pour effectuer un appel API.
Si vous n'avez pas de compte Postman, créez un compte gratuit avec votre email. Si vous possédez déjà un compte, connectez-vous à votre compte.
- Sur le Déposez votre dernière attestation menu, choisissez L’ et importez le Fichier JSON de l'environnement Postman inclus dans le dépôt GitHub.
- Sur le Environnements dans Postman, localisez l'environnement appelé SageMaker.
- Ajoutez les variables d'environnement suivantes, que vous voyez dans le cadre du résultat du déploiement de pile de
SagemakerLoginStack
:
Utilisez les paramètres suivants (récupérez les valeurs de la sortie lors du déploiement de cdk) :
-
- nom de domaine – Le paramètre de nom de domaine que vous avez transmis dans cdk déployer, par exemple team1
- identité du client – L’identifiant client Amazon Cognito
- secret-client – Le secret client Amazon Cognito.
- API présignée par SageMaker – L'URL de l'API Gateway créée par AWS CDK, qui génère l'URL présignée
- point de terminaison de connexion cognito – L'URL du point de terminaison du domaine Amazon Cognito où l'application client (dans ce cas, Postman) s'authentifie en fournissant les informations d'identification de l'utilisateur (utilisateur de démonstration)
L'étape suivante consiste à générer un jeton OAuth2.
-
- Sur le Autorisation onglet, choisissez l'environnement SageMaker et choisissez Générer un nouveau jeton d'accès.
Toutes les valeurs de cet onglet doivent être préremplies.
-
- Mettez à jour les variables d'environnement et choisissez Obtenir un nouveau jeton d'accès.
- Dans la fenêtre contextuelle qui s'ouvre, connectez-vous à Amazon Cognito avec le nom d'utilisateur (utilisateur de démonstration) et le mot de passe que vous avez utilisés précédemment.
Une fois l'authentification réussie, un nouveau jeton d'accès est généré.
- Selectionnez Utiliser le jeton.
- Selectionnez
GeneratePresignedUrlDemo
dans les collections Postman SageMaker et choisissez Envoyer. - Assurez-vous d'avoir sélectionné le bon environnement (SageMaker) dans la liste déroulante.
Cela effectue un appel d'API REST à API Gateway et génère une URL présignée pour accéder au domaine SageMaker. Vous pouvez voir cette URL dans le corps de la réponse.
- Copiez cette URL et saisissez-la dans la fenêtre du navigateur.
Un nouveau domaine SageMaker sera lancé avec votre profil utilisateur.
Cette application de démonstration prend en charge les fonctionnalités de SageMaker telles que les tâches de formation, les tâches de traitement et les points de terminaison du modèle. Notez que des fonctionnalités telles que Toile Amazon SageMaker, SageMaker JumpStart et SageMaker Feature Store ne sont pas activés.
Nettoyer
Effectuez les étapes suivantes pour nettoyer vos ressources :
- Sur la console SageMaker, dans le volet de navigation, choisissez Domaine, Profil de l'utilisateuret la Applications.
- Supprimez toutes les applications en cours d'exécution (KernelGateway ou JupyterLab) de cette solution.
- Supprimez tous les profils utilisateur SageMaker que vous avez créés lors de l'étape de connexion.
- Sur la console Amazon EFS, supprimer le système de fichiers EFS créé pour ce poste.
- Exécutez la commande suivante pour supprimer les ressources créées avec le AWS CDK :
Conclusion
L'article souligne comment la Deutsche Bahn a utilisé efficacement SageMaker Studio pour réorganiser sa plateforme d'IA, aboutissant à une solution évolutive, automatisée et gérable pour prendre en charge ses diverses équipes d'analyse de données. Cette architecture comprend un compte de plateforme central, un processus de commande de domaine en libre-service et un provisionnement de l'infrastructure à l'aide d'AWS CDK. Le processus de déploiement intègre un pipeline CI/CD, garantissant la livraison fluide des domaines SageMaker.
Dans l'ensemble, la transformation provoquée par SageMaker Studio a permis à Deutsche Bahn de construire une plate-forme robuste pour ses initiatives d'IA, s'adressant à plus de 100 développeurs et gérant 20 domaines SageMaker au sein d'un seul compte AWS.
Enfin, nous adressons nos sincères remerciements à Nico Seegert (d-fine) et Philipp Vollmer (Deutsche Bahn), dont les contributions inestimables ont joué un rôle déterminant dans l'élaboration de cette architecture.
Pour en savoir plus, consultez les ressources suivantes :
___________________________________________________________________________________________
À propos des auteurs
Prasanna Tuladhar est architecte d'infrastructure cloud chez AWS Professional Services à Munich, en Allemagne. Spécialisé dans l'infrastructure cloud, la migration des charges de travail et le DevOps sur la plateforme AWS, il permet aux clients d'atteindre leurs objectifs commerciaux. En dehors du travail, il aime faire du jogging, de la randonnée et passer du temps de qualité avec sa famille.
Emmanuel Drosos est Product Owner pour la plateforme d'IA chez DBSystel, une filiale de la Deutsche Bahn (DB) Allemagne. Passionné d'innovation et de technologie, Emmanuel est le fer de lance d'initiatives visant à tirer parti de la puissance du cloud pour piloter la plateforme d'IA de la DB (Deutsche Bahn). L'AI.Platform est l'une des plateformes de développement à l'échelle du groupe DB. Il comprend des services et des outils d'IA pour le développement de modèles d'IA (apprentissage automatique) et de services d'IA directement utilisables. Simple, intégré et évolutif. Il travaille en étroite collaboration avec d'autres clients de DB pour libérer tout le potentiel de la plateforme d'IA, leur permettant ainsi d'atteindre leurs objectifs commerciaux de manière efficace et efficiente. En dehors de ses activités professionnelles, Emmanuel aime voyager et est un passionné de nature et de randonnées.
Vishwanath Bhat est un architecte DevOps chez AWS Professional Services, basé en Allemagne. Il aide les clients à tirer pleinement parti du cloud et à atteindre leurs objectifs commerciaux avec le cloud AWS. Lorsqu'il ne travaille pas, il aime nager dans les lacs alpins, faire de la randonnée, lire ou jouer au football.
Kumudhan Cherarajan est consultant DevOps chez AWS Professional Services, basé en Suisse. Il a pour passion d'aider les clients à adopter des processus et des services qui augmentent leur efficacité dans leur parcours cloud. Lorsqu'il ne travaille pas, il aime jouer au cricket et à la musique.
- 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. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
- PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
- La source: https://aws.amazon.com/blogs/machine-learning/supercharge-your-ai-team-with-amazon-sagemaker-studio-a-comprehensive-view-of-deutsche-bahns-ai-platform-transformation/
- :possède
- :est
- :ne pas
- :où
- $UP
- 10
- 100
- 11
- 12
- 120
- 13
- 130
- 16
- 20
- 2022
- 237
- 25
- 350
- 7
- 8
- a
- capacité
- Capable
- Qui sommes-nous
- accélérer
- accès
- Compte
- hybrides
- atteindre
- actes
- infection
- d'activités
- Ad
- ajout
- En outre
- adresses
- adopter
- L'adoption d'
- Après
- à opposer à
- AI
- Plateforme IA
- Services d'IA
- Destinée
- Aligne
- Tous
- permet
- le long de
- déjà
- aussi
- Amazon
- Amazon Cognito
- Amazon Sage Maker
- Amazon SageMakerStudio
- Amazon Web Services
- an
- analytique
- ainsi que le
- et infrastructure
- api
- appli
- Application
- applications
- appréciation
- applications
- architecture
- SONT
- AS
- associé
- assumer
- assumé
- At
- attrayant
- Auth
- authentifié
- authentifie
- Authentification
- autorisation
- autorisé
- Automatisation
- automatiquement
- Automation
- disponibilité
- AWS
- Services professionnels AWS
- Azure
- basé
- BE
- était
- nom
- profiter
- avantages.
- jusqu'à XNUMX fois
- Milliards
- corps
- Bootstrap
- tous les deux
- Apportez le
- Apporté
- navigateur
- construit
- intégré
- la performance des entreprises
- mais
- by
- Appelez-nous
- appelé
- CAN
- capacités
- les soins
- maisons
- cas
- VIP gastronomie à bord,
- répond
- central
- certaines
- globaux
- caractères
- le choix
- Selectionnez
- classe
- espace extérieur plus propre,
- client
- étroitement
- le cloud
- infrastructure de cloud
- code
- collaborons
- collaborative
- collections
- Commun
- Communication
- De l'entreprise
- comparant
- conformité
- composants électriques
- complet
- concis
- condition
- configuration
- connexion
- Connectivité
- Qui consiste
- consiste
- Console
- construire
- constructions
- consultant
- consommation
- contient
- contenu
- continu
- contributions
- des bactéries
- Correspondant
- correspond
- Prix
- rentable
- Costs
- d'exportation
- engendrent
- créée
- crée des
- La création
- Lettres de créance
- cricket
- crucial
- Customiser
- des clients
- Clients
- sont adaptées
- données
- Analyse de Donnée
- informatique
- Base de données
- ensembles de données
- dévoué
- page de livraison.
- demo
- démontre
- représenté
- déployer
- déployé
- déployer
- déploiement
- détruire
- détecter
- développer
- mobiles
- développement
- Développement
- différent
- directement
- annuaire
- plusieurs
- domaine
- Services
- domaines
- Ne pas
- down
- téléchargements
- motivation
- deux
- pendant
- chacun
- Plus tôt
- de manière efficace
- efficace
- efficace
- efficacement
- employés
- empowered
- l'autonomisation des
- responsabilise
- permet
- permettant
- end-to-end
- Endpoint
- Les ingénieurs
- assurer
- Assure
- assurer
- Entrer
- enthousiaste
- Environment
- essential
- EUR
- Chaque
- exemple
- expériences
- nous a permis de concevoir
- explorez
- étendre
- supplémentaire
- faciliter
- famille
- Fonctionnalité
- Fonctionnalités:
- Figure
- Déposez votre dernière attestation
- Prénom
- Flexibilité
- flux
- Focus
- se concentre
- Abonnement
- suit
- Football
- Pour
- Premier plan
- Gratuit
- De
- plein
- d’étiquettes électroniques entièrement
- fonction
- plus
- avenir
- porte
- générer
- généré
- génère
- générateur
- génératif
- IA générative
- Allemagne
- obtenez
- GitHub
- Go
- Objectifs
- pour les
- eu
- subventions
- Réservation de groupe
- Croissance
- main
- Poignées
- Vous avez
- he
- vous aider
- aider
- aide
- ici
- Haute
- haute performance
- Surbrillance
- sa
- organisé
- Comment
- Cependant
- HTML
- http
- HTTPS
- Réglage des hyperparamètres
- identique
- Identite
- Idle
- if
- illustre
- satellite
- mis en œuvre
- importer
- in
- Dans d'autres
- comprendre
- inclus
- inclut
- Y compris
- incorpore
- Améliore
- individuel
- influencer
- d'information
- Infrastructure
- initiation
- les initiatives
- Innovation
- installer
- instrumental
- des services
- l'intégration
- Intelligent
- Interfaces
- interne
- intérieurement
- Internet
- développement
- inestimable
- invoque
- isolé
- IT
- SES
- Emplois
- chemin
- jpg
- json
- ACTIVITES
- clés
- des lacs
- gros
- lancé
- couche
- conduisant
- Conduit
- apprentissage
- au
- Niveau
- en tirant parti
- bibliothèques
- vos produits
- comme
- aime
- Liste
- emplacement
- enregistrer
- vous connecter
- click
- machine learning
- facile
- majeur
- a prendre une
- FAIT DU
- gérer
- maniable
- gérés
- gestion
- Gestionnaires
- gère
- les gérer
- Se rencontre
- Membres
- migration
- ML
- Mode
- modèle
- numériques jumeaux (digital twin models)
- modes
- PLUS
- se déplace
- plusieurs
- Musique
- prénom
- Nature
- Navigation
- nécessaire
- Besoins
- réseau et
- Nouveauté
- Nouvel accès
- next
- aucune
- notamment
- noter
- cahier
- nombre
- numéros
- oauth
- objectif
- objectifs
- of
- code
- Offres Speciales
- on
- ONE
- uniquement
- ouvre
- réalisés
- exploite
- d'exploitation
- opération
- Opérations
- or
- orchestrée
- orchestration
- organisation
- organisationnel
- organisations
- Autre
- nos
- sortie
- au contrôle
- plus de
- global
- aérien
- Surveillance
- vue d'ensemble
- propre
- propriétaire
- paquet
- Forfaits
- pain
- paramètre
- paramètres
- partie
- pass
- passé
- passion
- passionné
- Mot de Passe
- Personnes
- Effectuer
- autorisation
- autorisations
- objectifs
- pipeline
- plateforme
- Plateformes
- Platon
- Intelligence des données Platon
- PlatonDonnées
- Jouez
- politiques
- politique
- pool
- pop-up
- Portail
- Post
- défaillances
- power
- solide
- établissement des prix
- Modèle de prix
- qui se déroulent
- primaire
- principe
- Privé
- privilège
- privilèges
- processus
- traitement
- Produit
- professionels
- Profil
- Profils
- Projet
- projets
- fournir
- à condition de
- fournit
- aportando
- disposition
- public
- qualité
- vite.
- Transport ferroviaire
- Chemin de fer
- gamme
- allant
- en cours
- en temps réel
- réaliser
- Les raisons
- recevoir
- réorienter
- réduit
- réduire
- reportez-vous
- région
- régional
- pertinent
- fiable
- nécessaire
- demandes
- Exigences
- ressource
- Resources
- ceux
- réponse
- responsables
- REST
- limité
- restreindre
- résultant
- de revenus
- bon
- robuste
- Rôle
- rôle
- Courir
- pour le running
- sagemaker
- échantillon
- Évolutivité
- évolutive
- escaladé
- scientifiques
- scénario
- fluide
- de façon transparente
- secret
- sécurisé
- sécurité
- sur le lien
- choisi
- En libre service
- séparé
- service
- Services
- set
- mise
- mise en forme
- partage
- devrait
- montré
- fermer
- arrêter
- signer
- étapes
- simplicité
- simplifiant
- unique
- lisse
- sur mesure
- Identifier
- code source
- enjambant
- spécialisation
- groupe de neurones
- Spectre
- empiler
- Combos
- Normes
- j'ai commencé
- Commencez
- étapes
- Étapes
- storage
- Boutique
- stockée
- de Marketing
- studio
- sous-réseaux
- filiale
- réussi
- tel
- Surchargez
- Support
- Appareils
- Les soutiens
- sûr
- SWIFT
- Suisse
- synthétiser
- combustion propre
- prend
- équipe
- Membres de l'équipe
- équipes
- travail d'équipe
- Technologie
- Essais
- qui
- Les
- La Source
- leur
- Les
- puis
- Là.
- donc
- Ces
- l'ont
- des tiers.
- this
- Avec
- fiable
- à
- ensemble
- jeton
- les outils
- suivre
- circulation
- Train
- Formation
- De La Carrosserie
- transport
- transport
- Voyages
- déclenchement
- réglage
- ui
- ouvrir
- inutile
- la mise à jour
- sur
- URL
- us
- utilisable
- utilisé
- d'utiliser
- Utilisateur
- utilisateurs
- Usages
- en utilisant
- VALIDER
- Valeurs
- variété
- divers
- via
- Voir
- Salle de conférence virtuelle
- le volume
- était
- we
- web
- services Web
- Semaines
- WELL
- ont été
- quand
- qui
- tout en
- WHO
- dont
- large
- Large gamme
- sera
- fenêtre
- comprenant
- dans les
- activités principales
- workflow
- Nos inspecteurs
- de travail
- vos contrats
- écriture
- Vous n'avez
- Votre
- zéphyrnet