Amazon SageMaker egy teljesen felügyelt gépi tanulási (ML) platform, amely szolgáltatások átfogó készletét kínálja a végpontok közötti ML munkaterhelések kiszolgálására. Mint az AWS ajánlotta bevált gyakorlatként, az ügyfelek külön fiókokat használtak a felhasználók szabályzatkezelésének egyszerűsítésére és az erőforrások munkaterhelések és fiókok szerinti elkülönítésére. Ha azonban több felhasználó és csapat használja az ML-platformot a felhőben, a nagy ML-munkaterhelések figyelése egy skálázható többfiókos környezetben nagyobb kihívást jelent. A jobb megfigyelhetőség érdekében az ügyfelek olyan megoldásokat keresnek, amelyek nyomon követhetik a több fiókra kiterjedő erőforrás-felhasználást és nyomon követhetik a tevékenységeket, például a munkaindítást és a futási állapotot, ami elengedhetetlen az ML irányítási és felügyeleti követelményeihez.
A SageMaker szolgáltatások, mint például a Feldolgozás, a Képzés és a Tárhely, mérőszámokat és naplókat gyűjtenek a futó példányokból, és eljuttatják azokat a felhasználókhoz. amazonfelhőóra fiókok. Ha meg szeretné tekinteni ezeknek a munkáknak a részleteit a különböző fiókokban, be kell jelentkeznie minden fiókba, meg kell keresnie a megfelelő munkákat, és meg kell néznie az állapotát. Nincs egyetlen üvegtábla, amely könnyen megjeleníthetné ezeket a több fiókra és több feladatra vonatkozó információkat. Ezenkívül a felhőalapú adminisztrációs csapatnak hozzáférést kell biztosítania az egyének számára a különböző SageMaker-munkaterhelési fiókokhoz, ami további kezelési többletterhelést jelent a felhőplatform-csapat számára.
Ebben a bejegyzésben bemutatunk egy több fiókra kiterjedő megfigyelési irányítópultot, amely központosított nézetet biztosít a SageMaker felhasználói tevékenységeinek és erőforrásainak több fiókban történő nyomon követéséhez. Lehetővé teszi a végfelhasználók és a felhőkezelési csapat számára, hogy hatékonyan nyomon kövessék, milyen ML-munkaterhelések futnak, megtekinthetik ezen terhelések állapotát, és nyomon követhetik a különböző fióktevékenységeket bizonyos időpontokban. Ezzel az irányítópulttal nem kell navigálnia a SageMaker konzolról, és rákattintani az egyes munkákra, hogy megtalálja a munkanaplók részleteit. Ehelyett egyszerűen megtekintheti a futó feladatokat és a feladatok állapotát, elháríthatja a feladatokkal kapcsolatos problémákat, és riasztásokat állíthat be, ha problémákat észlel a megosztott fiókokban, például feladathiba, kihasználatlan erőforrások stb. Ezenkívül szabályozhatja a hozzáférést ehhez a központi felügyeleti irányítópulthoz, vagy megoszthatja az irányítópultot a megfelelő hatóságokkal az auditálási és felügyeleti követelmények tekintetében.
A megoldás áttekintése
Ezt a megoldást úgy tervezték, hogy lehetővé tegye a SageMaker-feladatok és -tevékenységek központosított megfigyelését egy többfiókos környezetben. A megoldást úgy tervezték, hogy ne függjön tőle AWS szervezetek, de könnyen átvehető egy Szervezetek ill AWS Control Tower környezet. Ez a megoldás segíthet a műveleti csapatnak, hogy egyetlen üvegtábláról magas szintű rálátást kapjon az összes SageMaker-munkaterhelésre, több munkaterhelési fiókra szétosztva. Engedélyezési lehetőség is van CloudWatch több fiókra kiterjedő megfigyelhetőség a SageMaker munkaterhelési fiókokon keresztül, hogy hozzáférést biztosítson a felügyeleti telemetriákhoz, például a metrikákhoz, naplókhoz és nyomkövetésekhez a központosított felügyeleti fiókból. A következő képernyőképen egy példa irányítópultra látható.
A következő ábra a központosított műszerfali megoldás architektúráját mutatja be.
A SageMaker natív integrációval rendelkezik a Amazon EventBridge, amely figyeli a SageMaker állapotváltozási eseményeit. Az EventBridge lehetővé teszi a SageMaker automatizálását, és automatikusan reagál az olyan eseményekre, mint például a képzési feladat állapotának változása vagy a végpont állapotának változása. A SageMaker eseményei csaknem valós időben jelennek meg az EventBridge-ben. Az EventBridge által felügyelt SageMaker-eseményekről további információkért lásd: Az Amazon SageMaker automatizálása az Amazon EventBridge segítségével. A SageMaker natív eseményeken kívül AWS CloudTrail API-hívások során közzéteszi az eseményeket, amelyek az EventBridge-be is streamelnek, így ezt számos downstream automatizálási vagy megfigyelési eset felhasználhatja. Megoldásunkban EventBridge-szabályokat használunk a munkaterhelési fiókokban a SageMaker szolgáltatásesemények és API-események streamelésére a figyelőfiók eseménybuszára a központosított megfigyelés érdekében.
A központosított felügyeleti fiókban az eseményeket egy EventBridge-szabály rögzíti, és további célpontokká dolgozza fel:
- Egy CloudWatch naplócsoport a következőkhöz:
- Auditálási és archiválási célok. További információkért tekintse meg a Amazon CloudWatch Logs felhasználói útmutató.
- Naplóadatok elemzése a CloudWatch Log Insights lekérdezések. A CloudWatch Logs Insights lehetővé teszi a naplóadatok interaktív keresését és elemzését a CloudWatch Logs szolgáltatásban. Lekérdezéseket hajthat végre, amelyek segítségével hatékonyabban és eredményesebben válaszolhat a működési problémákra. Ha probléma lép fel, a CloudWatch Logs Insights segítségével azonosíthatja a lehetséges okokat, és ellenőrizheti a telepített javításokat.
- A CloudWatch Metrics Insights lekérdezési widget támogatása a CloudWatch irányítópult magas szintű műveleteihez, a CloudWatch Insights Query irányítópultokhoz való hozzáadásához és a lekérdezési eredmények exportálásához.
- An AWS Lambda funkciót a következő feladatok elvégzéséhez:
- Végezzen egyéni logikát a SageMaker szolgáltatásesemények bővítéséhez. Az egyik példa egy metrika lekérdezés végrehajtása a SageMaker job host kihasználtsági mutatóira, amikor egy feladat befejezési esemény érkezik.
- Konvertálja az eseményinformációkat metrikákká bizonyos naplóformátumokban, ahogyan azokat feldolgozva EMF rönkök. További információkért lásd: Mérők beágyazása naplókba.
A bejegyzésben szereplő példát a natív támogatja CloudWatch több fiókra kiterjedő megfigyelhetőség szolgáltatást a több fiókra kiterjedő metrikák, naplók és nyomkövetési hozzáférés eléréséhez. Amint az az architektúra diagram alján látható, ezzel a funkcióval integrálva engedélyezi a több fiókra kiterjedő mérőszámokat és naplókat. Ennek engedélyezéséhez létre kell hozni a szükséges engedélyeket és erőforrásokat mind a megfigyelési fiókokban, mind a forrásterhelési fiókokban.
Ezt a megoldást a szervezetek által kezelt AWS-fiókokhoz vagy az önálló fiókokhoz is használhatja. A következő szakaszok ismertetik az egyes forgatókönyvek lépéseit. Vegye figyelembe, hogy az egyes forgatókönyveken belül a lépéseket különböző AWS-fiókokban hajtják végre. Az Ön kényelme érdekében minden lépés elején kiemeljük a lépés végrehajtásához szükséges fióktípust.
Előfeltételek
Az eljárás megkezdése előtt klónozza a forráskódunkat a GitHub repo helyi környezetében ill AWS Cloud9. Ezenkívül a következőkre van szüksége:
Telepítse a megoldást Szervezeti környezetben
Ha a megfigyelési fiók és az összes SageMaker terhelési fiók ugyanabban a szervezetben van, a szükséges infrastruktúra a forrás terhelési fiókokban automatikusan létrejön egy AWS felhőképződés StackSet a szervezet felügyeleti fiókjából. Ezért nincs szükség manuális infrastruktúra-telepítésre a forrás terhelési fiókokban. Amikor új fiókot hoznak létre, vagy egy meglévő fiókot áthelyeznek egy célszervezeti egységbe (OU), a forrás munkaterhelési infrastruktúra-verem automatikusan üzembe kerül, és a központosított megfigyelés hatókörébe kerül.
Fiókfigyelő erőforrások beállítása
Az alábbi AWS-fiókadatokat kell összegyűjtenünk a figyelőfiók-erőforrások beállításához, amelyeket a későbbiekben a beállítási szkript bemeneteiként használunk.
Bemenet | Leírás | Példa |
Otthoni régió | Az a régió, ahol a munkaterhelés fut. | ap-southeast-2 |
Figyelő fiók AWS CLI profil neve | A profil nevét itt találja meg ~/.aws/config . Ez nem kötelező. Ha nincs megadva, akkor a láncból származó alapértelmezett AWS-hitelesítési adatokat használja. |
. |
A SageMaker munkaterhelési szervezeti egység elérési útja | A szervezeti egység elérési útja, amely tartalmazza a SageMaker munkaterhelési fiókokat. Tartsd a / az ösvény végén. |
o-1a2b3c4d5e/r-saaa/ou-saaa-1a2b3c4d/ |
A szervezeti egység elérési útjának lekéréséhez nyissa meg a Szervezetek konzolt, és az alatt AWS-fiókok, keresse meg az információkat a szervezeti egység elérési útjának létrehozásához. A következő példában a megfelelő szervezeti egység elérési útja o-ye3wn3kyh6/r-taql/ou-taql-wu7296by/
.
Miután lekérte ezeket az információkat, futtassa a következő parancsot a szükséges erőforrások telepítéséhez a megfigyelési fiókban:
A következő kimeneteket kaphatja meg a telepítésből. Jegyezze fel a következő lépésben használandó kimeneteket a felügyeleti fiókverem telepítésekor.
Állítsa be a vezetői fiók erőforrásait
A következő AWS-fiókadatokat kell összegyűjtenünk a felügyeleti fiók erőforrásainak beállításához, amelyeket a későbbiekben a beállítási szkript bemeneteiként használunk.
Bemenet | Leírás | Példa |
Otthoni régió | Az a régió, ahol a munkaterhelés fut. Ennek meg kell egyeznie a felügyeleti veremmel. | ap-southeast-2 |
Kezelői fiók AWS CLI profil neve | A profil nevét itt találja meg ~/.aws/config . Ez nem kötelező. Ha nincs megadva, akkor a láncból származó alapértelmezett AWS-hitelesítési adatokat használja. |
. |
SageMaker munkaterhelési szervezeti egység azonosítója | Itt csak az OU ID-t használjuk, az elérési utat nem. | ou-saaa-1a2b3c4d |
Figyelő számlaazonosító | Az a fiókazonosító, amelybe a megfigyelési verem telepítve van. | . |
Figyelő fiók szerepkör neve | A kimenet ehhez MonitoringAccountRoleName az előző lépésből. |
. |
Figyelő számla esemény busz ARN | A kimenet ehhez MonitoringAccountEventbusARN az előző lépésből. |
. |
Figyelő fiók elnyelő azonosítója | A kimenet a MonitoringAccountSinkIdentifier az előző lépésből. |
. |
A felügyeleti fiók erőforrásait a következő parancs futtatásával telepítheti:
Telepítse a megoldást nem szervezetek környezetben
Ha a környezete nem használja a Szervezeteket, akkor a figyelőfiók-infrastruktúra-verem hasonló módon, de néhány változtatással kerül telepítésre. A terhelési infrastruktúra veremét azonban manuálisan kell telepíteni minden terhelési fiókba. Ezért ez a módszer alkalmas korlátozott számú fiókkal rendelkező környezetben. Nagy környezet esetén ajánlatos megfontolni a Szervezetek használatát.
Fiókfigyelő erőforrások beállítása
Az alábbi AWS-fiókadatokat kell összegyűjtenünk a figyelőfiók-erőforrások beállításához, amelyeket a későbbiekben a beállítási szkript bemeneteiként használunk.
Bemenet | Leírás | Példa |
Otthoni régió | Az a régió, ahol a munkaterhelés fut. | ap-southeast-2 |
SageMaker munkaterhelési fióklista | Azon fiókok listája, amelyek a SageMaker munkaterhelést futtatják, és eseményeket streamelnek a megfigyelési fiókba, vesszővel elválasztva. | 111111111111,222222222222 |
Figyelő fiók AWS CLI profil neve | A profil nevét itt találja meg ~/.aws/config . Ez nem kötelező. Ha nincs megadva, akkor a láncból származó alapértelmezett AWS-hitelesítési adatokat használja. |
. |
A figyelőfiók erőforrásait a következő parancs futtatásával telepíthetjük, miután összegyűjtötte a szükséges információkat:
A következő kimeneteket kapjuk, amikor a telepítés befejeződött. Jegyezze fel a következő lépésben használandó kimeneteket a felügyeleti fiókverem telepítésekor.
Állítsa be a munkaterhelés fiókfelügyeleti infrastruktúráját
A következő AWS-fiókadatokat kell összegyűjtenünk a terhelési fiókfigyelő infrastruktúra beállításához, amelyet a későbbiekben a beállítási szkript bemeneteiként használunk.
Bemenet | Leírás | Példa |
Otthoni régió | Az a régió, ahol a munkaterhelés fut. Ennek meg kell egyeznie a felügyeleti veremmel. | ap-southeast-2 |
Figyelő számlaazonosító | Az a fiókazonosító, amelybe a megfigyelési verem telepítve van. | . |
Figyelő fiók szerepkör neve | A kimenet ehhez MonitoringAccountRoleName az előző lépésből. |
. |
Figyelő számla esemény busz ARN | A kimenet ehhez MonitoringAccountEventbusARN az előző lépésből. |
. |
Figyelő fiók elnyelő azonosítója | A kimenet a MonitoringAccountSinkIdentifier az előző lépésből. |
. |
Munkaterhelési fiók AWS CLI-profil neve | A profil nevét itt találja meg ~/.aws/config . Ez nem kötelező. Ha nincs megadva, akkor a láncból származó alapértelmezett AWS-hitelesítési adatokat használja. |
. |
A figyelő fiók erőforrásait a következő parancs futtatásával telepíthetjük:
Képzelje el az ML feladatokat a CloudWatch irányítópultján
A megoldás működésének ellenőrzéséhez több SageMaker feldolgozási feladatot és SageMaker képzési feladatot kell futtatnunk az előző szakaszokban használt terhelési fiókokon. A CloudWatch irányítópultja testreszabható a saját forgatókönyvei alapján. Minta irányítópultunk widgetekből áll a SageMaker Processing és SageMaker Training feladatok megjelenítéséhez. Ezen az irányítópulton megjelenik a terhelési fiókok figyeléséhez szükséges összes feladat. Minden munkatípusnál három widgetet jelenítünk meg, amelyek a munkák teljes száma, a sikertelen munkák száma és az egyes munkák részletei. Példánkban két terhelési fiókunk van. Ezen az irányítópulton keresztül könnyen megállapíthatjuk, hogy az egyik terhelési fiók feldolgozási és képzési feladatokat is tartalmaz, egy másik terhelési fiók pedig csak képzési feladatokat tartalmaz. A CloudWatch-ben használt funkciókhoz hasonlóan itt is beállíthatjuk a frissítési intervallumot, megadhatjuk a grafikon típusát, illetve nagyíthatunk vagy kicsinyíthetünk, vagy futtathatunk olyan műveleteket, mint például a letöltési naplók CSV-fájlban.
Szabja személyre irányítópultját
A GitHub-tárban biztosított megoldás a SageMaker Training és a SageMaker Processing feladatok figyelését is tartalmazza. Ha további irányítópultokat szeretne hozzáadni más SageMaker-feladatok, például kötegelt átalakítási feladatok figyeléséhez, kövesse az ebben a részben található utasításokat az irányítópult testreszabásához. Módosítva a index.py fájl, testreszabhatja azokat a mezőket, amelyeket meg szeretne jeleníteni az irányítópulton. Az EventBridge-en keresztül elérheti a CloudWatch által rögzített összes részletet. A Lambda funkcióban kiválaszthatja a szükséges mezőket, amelyeket meg kíván jeleníteni a műszerfalon. Lásd a következő kódot:
Az irányítópult vagy a widgetek testreszabásához módosíthatja a forráskódot a monitoring-account-infra-stack.ts fájl. Ne feledje, hogy az ebben a fájlban használt mezőneveknek meg kell egyezniük azokkal (a job_detail
) definiálva a Lambda fájlban:
Az irányítópult módosítása után újra kell telepítenie ezt a megoldást a semmiből. Futtathatja a GitHub-tárhelyben található Jupyter-jegyzetfüzetet a SageMaker-folyamat újrafuttatásához, amely újra elindítja a SageMaker-feldolgozási feladatokat. Amikor a feladatok befejeződtek, lépjen a CloudWatch konzolra és az alá Dashboards a navigációs ablakban válassza a lehetőséget Egyéni irányítópultok. Megtalálhatja a SageMaker-Monitoring-Dashboard nevű irányítópultot.
Tisztítsuk meg
Ha már nincs szüksége erre az egyéni irányítópultra, megtisztíthatja az erőforrásokat. Az összes létrehozott erőforrás törléséhez használja az ebben a szakaszban található kódot. A tisztítás némileg eltér a Szervezeti környezet és a nem szervezeti környezet esetében.
Szervezeti környezet esetén használja a következő kódot:
Nem szervezetek környezet esetén használja a következő kódot:
Alternatív megoldásként bejelentkezhet a megfigyelési fiókba, a munkaterhelési fiókba és a felügyeleti fiókba törölje a veremeket a CloudFormation konzolról.
Következtetés
Ebben a bejegyzésben a SageMaker központosított megfigyelési és jelentési megoldásának megvalósítását tárgyaltuk a CloudWatch segítségével. Az ebben a bejegyzésben ismertetett lépésenkénti utasítások követésével létrehozhat egy többfiókos megfigyelési irányítópultot, amely megjeleníti a legfontosabb mutatókat, és valós időben konszolidálja a különböző fiókokból származó SageMaker-feladatokhoz kapcsolódó naplókat. Ezzel a központosított felügyeleti irányítópulttal jobban átláthatja a SageMaker-feladatok tevékenységeit több fiókban, gyorsabban elháríthatja a problémákat, és valós idejű adatok alapján megalapozott döntéseket hozhat. Összességében elmondható, hogy a központosított felügyeleti és jelentéskészítési megoldás CloudWatch segítségével történő megvalósítása hatékony módot kínál a szervezetek számára felhőalapú ML infrastruktúrájuk és erőforrás-felhasználásuk kezelésére.
Kérjük, próbálja ki a megoldást, és küldje el nekünk visszajelzését, akár be az Amazon SageMaker AWS fóruma, vagy a szokásos AWS-kapcsolatokon keresztül.
Ha többet szeretne megtudni a több fiókra kiterjedő megfigyelési funkcióról, kérjük, tekintse meg a blogot Az Amazon CloudWatch fiókok közötti megfigyelhetősége
A szerzőkről
Jie Dong az AWS Cloud Architect Sydney-ben, Ausztráliában. Jie szenvedélyesen foglalkozik az automatizálással, és szeret olyan megoldásokat fejleszteni, amelyek segítik ügyfeleit a termelékenység javításában. Eseményvezérelt rendszer és szerver nélküli keretrendszer az ő szakértelme. A saját idejében Jie szeret okosotthon építésén dolgozni, és új intelligens otthoni eszközöket fedez fel.
Melanie Li, PhD, az AWS vezető AI/ML specialistája, Sydney-ben, Ausztráliában. Segít a vállalati ügyfeleknek megoldásokat építeni a legkorszerűbb AI/ML eszközökkel az AWS-en, és útmutatást ad az ML-megoldások megtervezéséhez és megvalósításához a legjobb gyakorlatok alapján. Szabadidejében szereti felfedezni a természetet, családjával és barátaival tölteni az időt.
Gordon Wang, az AWS vezető AI/ML specialistája. A stratégiai ügyfeleket számos iparágon átívelő AI/ML legjobb gyakorlatokkal támogatja. Szenvedélye a számítógépes látás, az NLP, a generatív AI és az MLOps. Szabadidejében szeret futni és túrázni.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Autóipar / elektromos járművek, Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- ChartPrime. Emelje fel kereskedési játékát a ChartPrime segítségével. Hozzáférés itt.
- BlockOffsets. A környezetvédelmi ellentételezési tulajdon korszerűsítése. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/build-a-centralized-monitoring-and-reporting-solution-for-amazon-sagemaker-using-amazon-cloudwatch/
- :van
- :is
- :nem
- :ahol
- $ UP
- 100
- 11
- 12
- 17
- 24
- 7
- 8
- 9
- a
- Rólunk
- hozzáférés
- Fiók
- Fiókok
- Elérése
- át
- cselekvések
- tevékenységek
- hozzá
- hozzáadásával
- mellett
- További
- Ezen kívül
- Hozzáteszi
- admin
- fogadott
- Után
- újra
- ellen
- AI
- AI / ML
- Figyelmeztetések
- Minden termék
- lehetővé teszi, hogy
- Is
- amazon
- Amazon SageMaker
- Az Amazon Web Services
- an
- elemez
- és a
- Másik
- api
- építészet
- Archív
- VANNAK
- AS
- At
- könyvvizsgálat
- Ausztrália
- Hatóság
- automatizált
- automatikusan
- Automatizálás
- AWS
- vissza
- alapján
- BE
- válik
- Kezdet
- BEST
- legjobb gyakorlatok
- Jobb
- Blog
- mindkét
- Alsó
- épít
- Épület
- busz
- de
- by
- kéri
- TUD
- Kaphat
- rögzített
- esetek
- okai
- központosított
- bizonyos
- lánc
- kihívást
- változik
- Változások
- ellenőrizze
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a
- kettyenés
- felhő
- Felhő platform
- kód
- gyűjt
- teljes
- befejezés
- átfogó
- számítógép
- Számítógépes látás
- Fontolja
- áll
- Konzol
- Megerősíti
- konstrukció
- Kapcsolatok
- kontextus
- ellenőrzés
- kényelem
- Megfelelő
- teremt
- készítette
- Hitelesítő adatok
- Kereszt
- szokás
- vevő
- Ügyfelek
- szabható
- testre
- műszerfal
- műszerfalak
- dátum
- határozatok
- alapértelmezett
- meghatározott
- szállított
- Függőség
- telepíteni
- telepített
- bevezetéséhez
- bevetés
- tervezett
- részlet
- részletek
- Fejleszt
- különböző
- tárgyalt
- kijelző
- Megjelenik
- kijelzők
- Nem
- ne
- letöltés
- időtartama
- e
- minden
- könnyen
- hatékonyan
- hatékony
- eredményesen
- bármelyik
- lehetővé
- lehetővé teszi
- végén
- végtől végig
- Endpoint
- Vállalkozás
- Környezet
- alapvető
- esemény
- események
- példa
- Kivéve
- kivégez
- létező
- szakvélemény
- Magyarázza
- feltárása
- kifejezés
- Sikertelen
- hiányában
- Kudarc
- hamis
- család
- Funkció
- Visszacsatolás
- kevés
- mező
- Fields
- filé
- szűrő
- Találjon
- következik
- következő
- A
- Fórum
- Keretrendszer
- barátok
- ból ből
- teljesen
- funkció
- funkciók
- további
- Továbbá
- Gadgets
- nemző
- Generatív AI
- kap
- GitHub
- üveg
- Go
- kormányzás
- grafikon
- Csoport
- útmutatást
- Legyen
- he
- magasság
- segít
- segít
- neki
- magas szinten
- Kiemelt
- övé
- történelem
- Kezdőlap
- vendéglátó
- tárhely
- azonban
- HTML
- http
- HTTPS
- ID
- azonosított
- azonosítani
- if
- végrehajtás
- végrehajtási
- javul
- in
- beleértve
- magában foglalja a
- egyének
- iparágak
- információ
- tájékoztatták
- Infrastruktúra
- bemenet
- meglátások
- helyette
- utasítás
- integrál
- integráció
- bele
- kérdés
- kérdések
- IT
- Munka
- Állások
- jpg
- éppen
- Tart
- Kulcs
- kulcsok
- Címke
- nagy
- a későbbiekben
- indít
- TANUL
- tanulás
- balra
- Korlátozott
- Lista
- helyi
- log
- logika
- hosszabb
- néz
- keres
- szeret
- gép
- gépi tanulás
- csinál
- kezelése
- sikerült
- vezetés
- Management Team
- mód
- kézikönyv
- kézzel
- sok
- módszer
- metrikus
- Metrics
- ML
- MLOps
- módosítása
- monitor
- ellenőrizni
- ellenőrzés
- monitorok
- több
- áthelyezve
- többszörös
- név
- Nevezett
- nevek
- bennszülött
- Természet
- Keresse
- Navigáció
- elengedhetetlen
- Szükség
- igények
- Új
- következő
- NLP
- nem
- Egyik sem
- jegyzetfüzet
- szám
- of
- Ajánlatok
- on
- ONE
- csak
- működés
- operatív
- Művelet
- opció
- or
- szervezet
- szervezeti
- szervezetek
- Más
- mi
- ki
- vázolt
- teljesítmény
- átfogó
- saját
- üvegtábla
- paraméterek
- szenvedélyes
- ösvény
- Teljesít
- teljesített
- előadó
- engedélyek
- phd
- csővezeték
- emelvény
- Plató
- Platón adatintelligencia
- PlatoData
- kérem
- pont
- politika
- állás
- potenciális
- gyakorlat
- be
- előző
- eljárás
- Feldolgozott
- feldolgozás
- termelékenység
- profil
- ad
- feltéve,
- biztosít
- közzéteszi
- célokra
- Nyomja
- lekérdezések
- gyorsan
- igazi
- real-time
- valós idejű adatok
- kapott
- ajánlott
- vidék
- összefüggő
- Jelentő
- kötelező
- követelmények
- forrás
- Tudástár
- Reagálni
- Eredmények
- jobb
- Szerep
- Szabály
- szabályok
- futás
- futás
- sagemaker
- azonos
- skálázás
- forgatókönyv
- forgatókönyvek
- hatálya
- kaparni
- Keresés
- Rész
- szakaszok
- lát
- küld
- idősebb
- különálló
- szolgál
- vagy szerver
- szolgáltatás
- Szolgáltatások
- készlet
- felépítés
- Megosztás
- megosztott
- ő
- kellene
- előadás
- mutatott
- Műsorok
- hasonló
- egyszerűsítése
- egyetlen
- kicsit más
- okos
- Okos otthon
- So
- megoldások
- Megoldások
- forrás
- forráskód
- szakember
- költ
- terjedése
- verem
- egymásra rakva
- Stacks
- önálló
- Kezdve
- csúcs-
- Állapot
- Lépés
- Lépései
- Stratégiai
- folyam
- patakok
- ilyen
- megfelelő
- Támogatott
- Támogatja
- sydney
- rendszer
- táblázat
- cél
- célok
- feladatok
- csapat
- csapat
- hogy
- A
- A grafikon
- az információ
- The Source
- azok
- Őket
- Ott.
- ebből adódóan
- Ezek
- ezt
- azok
- három
- Keresztül
- idő
- Cím
- nak nek
- szerszámok
- Végösszeg
- Nyom
- vágány
- Képzések
- Átalakítás
- igaz
- megpróbál
- kettő
- típus
- alatt
- Váratlan
- egység
- us
- Használat
- használ
- használt
- használó
- Felhasználók
- használ
- segítségével
- hasznosított
- ÉRVÉNYESÍT
- érték
- különféle
- keresztül
- Megnézem
- láthatóság
- látomás
- vs
- akar
- Út..
- we
- háló
- webes szolgáltatások
- Mit
- amikor
- ami
- szélesség
- lesz
- val vel
- belül
- Munka
- művek
- te
- A te
- zephyrnet
- gyertya