Amazon SageMaker JumpStart egy gépi tanulási (ML) központ, amely algoritmusokat, modelleket és ML megoldásokat kínál. A SageMaker JumpStart segítségével az ML gyakorlói a legjobban teljesítő és nyilvánosan elérhetők egyre bővülő listájából választhatnak. alapozó modellek (FM-ek), mint pl VIRÁGZÁS, Láma 2, Falcon-40B, Stabil diffúzió, OpenLLaMA, Flan-T5/UL2, vagy FM-ek innen Összefügg és a Világítani.
Ebben a bejegyzésben és a hozzá tartozó jegyzetfüzetben bemutatjuk, hogyan telepíthető a BloomZ 176B alapozó modell a SageMaker Python egyszerűsített SDK in Amazon SageMaker JumpStart végpontként, és különféle természetes nyelvi feldolgozási (NLP) feladatokhoz használja. Ezen keresztül is elérheti az alapozó modelleket Amazon SageMaker Studio. A BloomZ 176B modell, az egyik legnagyobb nyilvánosan elérhető modell, a legmodernebb, utasításra hangolt modell, amely különféle kontextuson belüli, néhány felvételes tanulási és zero-shot tanulási NLP feladatokat tud végrehajtani. Az utasításhangolás egy olyan technika, amely magában foglalja a nyelvi modell finomhangolását NLP-feladatok gyűjteményén utasítások segítségével. Ha többet szeretne megtudni az utasítások hangolásáról, lásd: Zero-shot felszólítás a Flan-T5 alapozó modellhez az Amazon SageMaker JumpStartban.
A nullapontos tanulás az NLP-ben lehetővé teszi az előre képzett LLM számára, hogy válaszokat generáljon olyan feladatokra, amelyekre nem lett kiképezve. Ebben a technikában a modell egy bemeneti szöveggel és egy prompttal rendelkezik, amely természetes nyelven írja le a modelltől várt kimenetet. A nullapontos tanulást számos NLP-feladatban használják, például a következőkben:
- Többnyelvű szöveg- és hangulatosztályozás
- Többnyelvű kérdés és válasz
- Kódgenerálás
- Bekezdés átfogalmazása
- összefoglalás
- A józan ész érvelése és a természetes nyelvi következtetés
- Kérdés válasz
- Mondat és érzésosztályozás
- Képzeletbeli cikkgenerálás cím alapján
- Cím összefoglalása egy cikk alapján
A „kevés” tanulás magában foglalja a modell betanítását új feladatok elvégzésére, csupán néhány példa bemutatásával. Ez akkor hasznos, ha korlátozott számú címkézett adat áll rendelkezésre a képzéshez. A kevés bemutató tanulást számos feladatban használják, beleértve a következőket:
- Szöveges összefoglaló
- Kódgenerálás
- Név entitás felismerés
- Kérdés válasz
- Nyelvtani és helyesírási javítás
- Termékleírás és általánosítás
- Mondat és érzésosztályozás
- Chatbot és társalgási AI
- Tweet generáció
- Gépi fordítás
- Szándékos besorolás
Bloomról
A BigScience Large Open-science Open-access Multilingual (BLOOM) nyelvmodell egy transzformátor alapú nagynyelvi modell (LLM). A BLOOM egy autoregresszív LLM, amely arra lett kiképezve, hogy ipari méretű számítási erőforrások felhasználásával hatalmas mennyiségű szöveges adaton folytassa a szöveget egy promptból. Mint ilyen, összefüggő szöveget képes kiadni, amely alig különbözik az emberek által írt szövegtől. A BLOOM arra is utasítható, hogy olyan szöveges feladatokat hajtson végre, amelyekre nincs kifejezetten kiképezve, szöveggenerálási feladatként való átküldésével.
176 milliárd paraméterével a BLOOM 46 természetes nyelven és 13 programozási nyelven képes szöveget generálni. Szinte mindegyiknél, például a spanyolnál, a franciánál és az arabnál, a BLOOM az első olyan nyelvi modell, amely több mint 100 milliárd paraméterrel rendelkezik. A kutatók megtehetik töltse le, futtassa és tanulmányozza a BLOOM-ot a közelmúltban kifejlesztett LLM-ek teljesítményének és viselkedésének vizsgálata a legmélyebb belső működésükig.
Megoldás áttekintése
Ebben a bejegyzésben bemutatjuk, hogyan kell használni a legmodernebb, utasításokkal hangolt BloomZ 176B modellt Átölelő arc szöveggeneráláshoz. Használhatja a BloomZ 176B modellt néhány felvételes tanulással és nulla felvétel tanulással számos NLP feladathoz, a modell finomhangolása nélkül. Nincs szükség új modellek betanítására, mert az olyan modellek, mint a BloomZ 176B, jelentős számú paraméterrel rendelkeznek, így könnyen alkalmazkodhatnak számos kontextushoz anélkül, hogy átképzésük lenne szükséges. A BloomZ 176B modell nagy mennyiségű adattal lett betanítva, így számos általános célú feladatra alkalmazható.
A demó összes lépésének kódja az alábbiakban érhető el jegyzetfüzet.
Utasítás hangolás
Az LLM-ek mérete és összetettsége robbanásszerűen megnőtt az elmúlt néhány évben. Az LLM-ek figyelemre méltó képességekről tettek tanúbizonyságot a természetes nyelv szemantikájának elsajátításában és emberszerű válaszok előállításában. Sok közelmúltbeli LLM-et finomhangolnak egy hatékony technikával, az úgynevezett utasítás hangolás, amely segít a modellnek új feladatok végrehajtásában vagy újszerű promptokra válaszok generálásában prompt-specifikus finomhangolás nélkül. Az utasításokra hangolt modell a kapcsolódó feladatok vagy fogalmak megértését használja fel arra, hogy előrejelzéseket generáljon újszerű promptokhoz. Mivel ez a technika nem foglalja magában a modellsúlyok frissítését, elkerüli az időigényes és számításigényes folyamatot, amely egy modell új, korábban nem látott feladatra történő finomhangolásához szükséges.
Az utasításhangolás magában foglalja a nyelvi modell finomhangolását NLP-feladatok gyűjteményén utasítások segítségével. Ennél a technikánál a modellt arra tanítják, hogy az egyes feladatokhoz tartozó konkrét adatkészletek helyett szöveges utasításokat követve hajtson végre feladatokat. A modell minden egyes feladathoz bemeneti és kimeneti példák készletével van finomhangolva, lehetővé téve a modell számára, hogy általánosítson olyan új feladatokat, amelyekre nem kapott kifejezetten betanítást, amíg a feladatokhoz utasításokat kap. Az utasítások hangolása segít javítani a modellek pontosságát és hatékonyságát, és hasznos olyan helyzetekben, amikor nem állnak rendelkezésre nagy adatkészletek bizonyos feladatokhoz.
Gyors tervezés nulla és néhány felvételes NLP-feladatokhoz BLOOM modelleken
Gyors tervezés kiváló minőségű promptok létrehozásával foglalkozik, amelyek a modellt a kívánt válaszok felé irányítják. A promptokat a konkrét feladat és a használt adatkészlet alapján kell megtervezni. A cél itt az, hogy a modellt a szükséges információkkal láthassa el, hogy kiváló minőségű válaszokat generáljon, miközben minimalizálja a zajt. Ez magában foglalhat kulcsszavakat, további összefüggéseket, kérdéseket és egyebeket.
Egy jól megtervezett prompt kreatívabbá és általánosabbá teheti a modellt, így könnyen alkalmazkodik az új feladatokhoz. A promptok segíthetnek az adott feladatokra vonatkozó tartományi ismeretek beépítésében és az értelmezhetőség javításában. Az azonnali tervezés nagymértékben javíthatja a nulla és néhány felvételes tanulási modellek teljesítményét. A jó minőségű promptok létrehozása megköveteli az adott feladat alapos mérlegelését, valamint a modell erősségeinek és korlátainak mélyreható megértését.
Az alábbi táblázatban a BloomZ 176B modellt használjuk válaszok generálására különböző nulla és néhány felvételes NLP-feladatokhoz. Az első oszlop a feladatot mutatja, a második oszlop a modellhez kapott promptot tartalmazza (ahol a sablon szövege félkövér, a nem félkövér szöveg pedig a példabemenet), a harmadik oszlop pedig a modell válasza, amikor a promptot lekérdezték.
Az összes következő feladatnál a hiperparamétereket 600-ra állítjuk be, hogy a max_length
, num_return_sequences
, top_k
250 legyen, top_p
0.95 legyen, és nincs mintavétel.
Feladat | Prompt Input | teljesítmény |
Zero-shot tanulási feladatok | ||
Többnyelvű szöveg vagy érzelmek besorolása (kínairól angolra) | 一个传奇的开端,一个不灭的神话,这不仅仅是一部电影,而是作为一而是作为一,永远彪炳史册.Pozitívnak, semlegesnek vagy negatívnak értékelné az előző értékelést? | pozitív |
Többnyelvű kérdések megválaszolása (angolról kínaira) | Magyarázd el nekem hagyományos kínaiul mi a visszaszaporítás | 梯度反向传播算法是一种机器学习算法,用于训练人工神经网络播算法是一种机器学习算法,用于训练人工神经网络。该算来严何算泸小化损失函数. |
Kódgenerálás | Írj egy bináris keresőfa -val O(log(n)) számítási bonyolultság. {code_start} |
def binary_search(a, x): alacsony = 0 magas = len(a) – 1 míg alacsony <= magas: közép = (alacsony + magas) // 2 if a[mid] < x: alacsony = közép + 1 elif a[mid] > x: magas = közép – 1 más: visszatérés közepén visszatérés -1′ ... más: visszatérés közepén vissza alacsonyan A kimenet csonka |
Bekezdés átfogalmazása | Az Amazon Web Services (AWS) kilenc jelentős új frissítést jelentett be felhő alapú gépi tanulási platformjához, a SageMakerhez. A SageMaker célja egy olyan gépi tanulási szolgáltatás biztosítása, amely gyakorlatilag bármilyen felhasználási esetre használható ML modellek készítésére, betanítására és üzembe helyezésére. Az idei re:Invent konferencián az AWS számos bejelentést tett a SageMaker képességeinek további fejlesztése érdekében.nnHogyan fogalmazná meg ezt röviden angolul?,Az Amazon Web Services (AWS) kilenc jelentős új frissítést jelentett be felhőalapú gépi tanulási platformjához, a SageMakerhez. A SageMaker célja egy olyan gépi tanulási szolgáltatás biztosítása, amely gyakorlatilag bármilyen felhasználási esetre használható ML modellek készítésére, betanítására és üzembe helyezésére. Az idei re:Invent konferencián az AWS számos bejelentést tett a SageMaker képességeinek további fejlesztése érdekében. nA fenti mondat nagyon bonyolult. Kérem, adjon meg egy egyszerűsített szinonim változatot, amely több mondatból áll: |
Az Amazon SageMaker jelentős frissítést kap Az Amazon Web Services (AWS) kilenc jelentős új frissítést jelentett be felhő alapú gépi tanulási platformjához, a SageMakerhez. A SageMaker célja egy olyan gépi tanulási szolgáltatás biztosítása, amely gyakorlatilag bármilyen felhasználási esetre használható ML modellek készítésére, betanítására és üzembe helyezésére. |
összefoglalás | Az Amazon Comprehend természetes nyelvi feldolgozást (NLP) használ, hogy betekintést nyerjen a dokumentumok tartalmába. Betekintést fejleszt a dokumentum entitásainak, kulcskifejezéseinek, nyelvezetének, érzéseinek és egyéb gyakori elemeinek felismerésével. Az Amazon Comprehend használatával új termékeket hozhat létre a dokumentumok szerkezetének megértése alapján. Az Amazon Comprehend használatával például kereshet a közösségi hálózatok hírcsatornáiban termékek említésére, vagy beolvashat egy teljes dokumentumtárat kulcskifejezésekért. Az Amazon Comprehend dokumentumelemző képességeit az Amazon Comprehend konzol vagy az Amazon Comprehend API-k használatával érheti el. Futtathat valós idejű elemzést kis munkaterheléseknél, vagy elindíthat aszinkron elemzési feladatokat nagy dokumentumkészleteknél. Használhatja az Amazon Comprehend által kínált előre betanított modelleket, vagy betaníthatja saját egyéni modelljeit az osztályozáshoz és az entitásfelismeréshez. Az Amazon Comprehend összes funkciója elfogadja az UTF-8 szöveges dokumentumokat bemenetként. Ezenkívül az egyéni besorolás és az egyéni entitásfelismerés képfájlokat, PDF-fájlokat és Word-fájlokat fogad be bemenetként. Az Amazon Comprehend számos nyelven képes megvizsgálni és elemezni a dokumentumokat, az adott jellemzőtől függően. További információért lásd: Az Amazon Comprehend által támogatott nyelvek. Az Amazon Comprehend Domináns nyelvi képessége képes megvizsgálni a dokumentumokat és meghatározni a domináns nyelvet a nyelvek sokkal szélesebb választékához.nn===nÍrjon összefoglalót az előző szövegről angolul: |
Az Amazon Comprehend természetes nyelvi feldolgozást (NLP) használ, hogy betekintést nyerjen a dokumentumok tartalmába. Betekintést fejleszt a dokumentum entitásainak, kulcskifejezéseinek, nyelvezetének, érzéseinek és egyéb gyakori elemeinek felismerésével. Az Amazon Comprehend használatával új termékeket hozhat létre a dokumentumok szerkezetének megértése alapján. Az Amazon Comprehend használatával például kereshet a közösségi hálózatok hírcsatornáiban termékek említésére, vagy beolvashat egy teljes dokumentumtárat kulcskifejezésekért. Az Amazon Comprehend dokumentumelemző képességeit az Amazon Comprehend konzol vagy az Amazon Comprehend API-k használatával érheti el. Futtathat valós idejű elemzést kis munkaterheléseknél, vagy elindíthat aszinkron elemzési feladatokat nagy dokumentumkészleteknél. Használhatja az Amazon Comprehend által kínált előre betanított modelleket, vagy betaníthatja saját egyéni modelljeit az osztályozáshoz és az entitásfelismeréshez. Az Amazon Comprehend összes funkciója elfogadja az UTF-8 szöveges dokumentumokat bemenetként. Ezenkívül az egyéni besorolás és az egyéni entitásfelismerés képfájlokat, PDF-fájlokat és Word-fájlokat fogad be bemenetként. Az Amazon Comprehend számos nyelven képes megvizsgálni és elemezni a dokumentumokat, az adott jellemzőtől függően. További információért lásd: Az Amazon Comprehend által támogatott nyelvek. Az Amazon Comprehend Domináns nyelvi képessége képes megvizsgálni a dokumentumokat és meghatározni a domináns nyelvet a nyelvek sokkal szélesebb választékához. |
A józan ész érvelése és a természetes nyelvi következtetés | Tekintettel erre Elkezdődött a világbajnokság az egyesült államokbeli Los Angelesben. Ebből következik-e A világbajnokságot az Egyesült Államokban rendezik. Igen vagy nem?, Elkezdődött a világbajnokság az egyesült államokbeli Los Angelesben. Csak a fenti leírást és azt, amit a világról tud, az „A világbajnokságot az Egyesült Államokban rendezik” biztosan helyes? Igen vagy nem?, |
Igen |
Kérdés válasz | kérdés: melyek az új Kindle főbb jellemzői?nnKontextus: A legújabb és leginnovatívabb Kindle segítségével több millió könyvről és dokumentumról jegyzeteket készíthet, listákat és folyóiratokat írhat, és így tovább. Azok az olvasók, akik mindig is szerettek volna írni az e-könyveikbe, az Amazon új Kindle-je ezt teszi lehetővé. A Kindle Scribe az első Kindle olvasásra és írásra, és lehetővé teszi a felhasználók számára, hogy jegyzetekkel, listákkal és egyebekkel egészítsék ki könyveiket és dokumentumaikat. Itt van minden, amit a Kindle Scribe-ről tudnia kell, beleértve a gyakran ismételt kérdéseket is. A Kindle Scribe megkönnyíti az olvasást és az írást, akárcsak a papíron A Kindle Scribe 10.2 hüvelykes, tükröződésmentes képernyővel (az összes Kindle eszköz legnagyobbjával), éles, 300 ppi felbontással és 35 LED-es elülső lámpával rendelkezik, amelyek automatikusan alkalmazkodnak a környezethez. Tegye személyre szabottabb élményét az állítható meleg fény, a betűméret, a sorköz és még sok más segítségével. Az Ön által választott Basic tollal vagy a Prémium tollal együtt érkezik, amellyel úgy írhat a képernyőre, mint a papírra. Mágnesesen kapcsolódnak a Kindle-hez, és soha nem kell tölteni. A Premium Pen egy dedikált radírt és egy személyre szabható gyorsbillentyűt tartalmaz. A Kindle Scribe rendelkezik a legtöbb tárolási lehetőséggel az összes Kindle eszköz közül: válasszon 8 GB, 16 GB vagy 32 GB közül, hogy megfeleljen olvasási és írási szintjének. nnVálasz |
jegyzeteket készíthet több millió könyvről és dokumentumról, írhat listákat és folyóiratokat stb |
Mondat és érzésosztályozás | Áttekintés:nEz a film nagyon jó, és ismét elkápráztat és elkápráztat minketnEz a filmkritika mondat negatív vagy pozitív?nOPCIÓK:n-pozitív n-negatív | Pozitív |
Képzeletbeli cikkgenerálás cím alapján | Cím: „Az egyetem új intézménye érkezik"nEgy képzeletbeli cikk fenti címe ismeretében képzelje el a cikket.n""" |
Az 1.2 millió font értékű projekt keretében egy új oktatási és tanulási központot hoznak létre a Highlands and Islands Egyetemen (UHI) Invernessben. Az egykori Inverness College of Commerce helyén épül majd fel. Az UHI azt mondta, hogy az új létesítményt tanításra és tanulásra, valamint hallgatói támogatásra és adminisztrációra használják majd. Az egyetem közölte, hogy konferenciákra és rendezvényekre is használják majd. Az új épület az egykori Inverness College of Commerce helyén épül fel Az egyetem tájékoztatása szerint az új épület a 2013-ban bezárt egykori Inverness College of Commerce helyén épül majd fel. Azt mondták, hogy az új létesítményt tanításra és tanulásra, valamint hallgatói támogatásra és adminisztrációra használják majd. Konferenciákra és rendezvényekre is használnák. Az UHI tájékoztatása szerint az új létesítmény a korábbi Inverness College of Commerce helyén épül majd fel Az egyetem tájékoztatása szerint az új épület a 2013-ban bezárt egykori Inverness College of Commerce helyén épül majd fel. Azt mondták, hogy az új létesítményt tanításra és tanulásra, valamint hallgatói támogatásra és adminisztrációra használják majd. Az UHI azt mondta, hogy az új létesítmény a korábbi Inverness helyén épül majd… |
Cím összefoglalása a cikk alapján | „A legújabb és leginnovatívabb Kindle segítségével több millió könyvről és dokumentumról jegyzeteket készíthet, listákat és folyóiratokat írhat, és így tovább. Azok az olvasók, akik mindig is szerettek volna írni az e-könyveikbe, az Amazon új Kindle-je ezt teszi lehetővé. A Kindle Scribe az első Kindle olvasásra és írásra, és lehetővé teszi a felhasználók számára, hogy jegyzetekkel, listákkal és egyebekkel egészítsék ki könyveiket és dokumentumaikat. Itt van minden, amit a Kindle Scribe-ről tudnia kell, beleértve a gyakran ismételt kérdéseket is. A Kindle Scribe megkönnyíti az olvasást és az írást, akárcsak a papíron A Kindle Scribe 10.2 hüvelykes, tükröződésmentes képernyővel (az összes Kindle eszköz legnagyobbjával), éles, 300 ppi felbontással és 35 LED-es elülső lámpával rendelkezik, amelyek automatikusan alkalmazkodnak a környezethez. Tegye személyre szabottabb élményét az állítható meleg fény, a betűméret, a sorköz és még sok más segítségével. Az Ön által választott Basic tollal vagy a Prémium tollal együtt érkezik, amellyel úgy írhat a képernyőre, mint a papírra. Mágnesesen kapcsolódnak a Kindle-hez, és soha nem kell tölteni. A Premium Pen egy dedikált radírt és egy személyre szabható gyorsbillentyűt tartalmaz. A Kindle Scribe rendelkezik a legtöbb tárolási lehetőséggel az összes Kindle eszköz közül: válasszon 8 GB, 16 GB vagy 32 GB közül, hogy megfeleljen olvasási és írási szintjének. nn nnAdj egy jó címet a fenti cikknek. |
Amazon Kindle Scribe: Minden, amit tudnod kell |
Kevés lövésű tanulási feladatok | ||
összefoglalás | [Eredeti]: Az Amazon tudósai a Sheffieldi Egyetem kutatóival együttműködve először tesznek nyilvánosan elérhetővé egy nagyszabású ténykinyerési és ellenőrzési adatkészletet. A több mint 185,000 XNUMX bizonyítékokkal alátámasztott állítást tartalmazó adatkészletet elérhetővé teszik, hogy remélhetőleg katalizálják a kutatás-fejlesztést, amely a tények kinyerésének és ellenőrzésének problémáit kezeli szoftveralkalmazásokban vagy felhőalapú szolgáltatásokban, amelyek automatikus információkinyerést hajtanak végre. [Összegzés]: Az Amazon és az egyetem kutatói nyilvánosan elérhetővé teszik a tények kinyerési és ellenőrzési adatkészletét. ### [Eredeti]: A Prime-tagok az Egyesült Államokban még többet szállíthatnak házhoz, ha Prime-tagsággal rendelkeznek. A tagok most egy évig ingyenesen élvezhetik a Grubhub+ szolgáltatást havi 9.99 dollár értékben – Prime-tagságuk további költsége nélkül. Az ügylet aktiválásához látogasson el az amazon.com/grubhub oldalra. Ez az új ajánlat korlátlan, 0 USD értékű ételszállítási díjat tartalmaz 12 USD feletti rendelések esetén, valamint exkluzív jutalmakat a Grubhub+ tagok számára, valamint olyan jutalmakat, mint az ingyenes étel és a rendelési kedvezmények. Ráadásul az étkezők „jót étkezhetnek, miközben jót tesznek”, ha részt vesznek a Grubhub Donate the Change programjában, amely egy adományozási kezdeményezés, amely csak 25-ben több mint 2021 millió dollárt gyűjtött össze, és országszerte több mint 20 jótékonysági szervezetnek kedvezett. [Összegzés]: A Prime-tagok az Egyesült Államokban egy évig ingyenesen élvezhetik a Grubhub+ szolgáltatást, ételszállítási díj nélkül a jogosult rendeléseknél. ### [Eredeti]: Az Amazon tudósai a Sheffieldi Egyetem kutatóival együttműködve először tesznek nyilvánosan elérhetővé egy nagyszabású ténykinyerési és ellenőrzési adatkészletet. A több mint 185,000 XNUMX bizonyítékokkal alátámasztott állítást tartalmazó adatkészletet elérhetővé teszik, hogy remélhetőleg katalizálják a kutatás-fejlesztést, amely a tények kinyerésének és ellenőrzésének problémáit kezeli szoftveralkalmazásokban vagy felhőalapú szolgáltatásokban, amelyek automatikus információkinyerést hajtanak végre. [Összefoglaló]: |
[Összefoglaló]: Az Amazon és az egyetem kutatói nyilvánosan elérhetővé teszik a ténykinyerési és ellenőrzési adatkészletet. |
Kódgenerálás | leírás: egy narancssárga gomb, amely azt mondja, hogy állj kód: Állj ### leírás: egy kék doboz, amely sárga köröket tartalmaz piros szegéllyel kód: ### leírás: Címsor: Üdvözöljük az AI-ban kód: |
kód: Üdvözöljük az AI-ban ' |
Név entitás felismerés | [Szöveg]: Fred sorozatvállalkozó. A Platform.sh társalapítója és vezérigazgatója, korábban társalapítója volt a Commerce Guysnek, a Drupal egyik vezető e-kereskedelmi szolgáltatójának. Küldetése annak garantálása, hogy miközben folytatjuk a felhőalapú számítástechnika használatának és észlelésének alapos átalakítását célzó ambiciózus utat, jól tartsuk a lábunkat a talajon, folytatva az eddig élvezett gyors növekedést. [Név]: Fred [Beosztás]: Társalapító és vezérigazgató [Cég]: Platform.sh ### [Szöveg]: A Microsoftot (a szó a „mikroszámítógép-szoftver” portréja) Bill Gates alapította 4. április 1975-én, hogy BASIC tolmácsokat fejlesszen és értékesítsen az Altair 8800-hoz. Steve Ballmer váltotta Gates vezérigazgatói posztját 2000-ben, majd később. „eszközök és szolgáltatások” stratégiát képzelt el. [Név]: Steve Ballmer [Beosztás]: vezérigazgató [Cég]: Microsoft ### [Szöveg]: Franck Riboud 7. november 1955-én született Lyonban. Antoine Riboudnak, az előző vezérigazgatónak a fia, aki az egykori európai üveggyártó BSN-csoportot az élelmiszeripar vezető szereplőjévé változtatta. A Danone vezérigazgatója. [Név]: Franck Riboud [Beosztás]: vezérigazgató [Cég]: Danone ### [Szöveg]: David Melvin a CITIC CLSA befektetési és pénzügyi szolgáltatásokkal foglalkozó szakembere, több mint 30 éves tapasztalattal a befektetési banki szolgáltatások és a magántőke-befektetések területén. Jelenleg a CITIC CLSA vezető tanácsadója. |
[Név]: Fred [Beosztás]: Társalapító és vezérigazgató [Cég]: Platform.sh |
Kérdés válasz | Kontextus: Az NLP Cloud-ot 2021-ben alapították, amikor a csapat rájött, hogy nincs egyszerű módja a természetes nyelvi feldolgozás megbízható kihasználásának a termelésben. Kérdés: Mikor alapították az NLP Cloudot? Válasz: 2021 ### Kontextus: Az NLP Cloud 2020 közepére fejlesztette ki API-ját, és azóta számos előre betanított nyílt forráskódú modellt adott hozzá. Kérdés: Mit fejlesztett ki az NLP Cloud? Válasz: API ### Kontextus: Minden terv bármikor leállítható. Csak a szolgáltatás igénybevételének idejéért fizet. Leminősítés esetén kedvezményt kap a következő számláján. Kérdés: Mikor lehet leállítani a terveket? Válasz: Bármikor ### Kontextus: A GPT-J fő kihívása a memóriafelhasználás. GPU-terv használata javasolt. Kérdés: Melyik csomagot ajánljuk a GPT-J-hez? Válasz:""" |
Válasz: GPU terv' |
Nyelvtani és helyesírási javítás | Szeretek strandolni. Helyesbítés: Szeretek strandolni. ### Hadd vigyem! Helyesbítés: Engedd meg nekem! ### Túl sok hátránya van. Javítás: Túl sok hátránya van. ### nem akarok menni Javítás: |
Helyesbítés: Nem akarok menni |
Termékleírás és általánosítás | Hozzon létre egy termékleírást a kulcsszavakból. Kulcsszavak: cipő, női, 59 dollár Mondat: Gyönyörű női cipők 59 dolláros áron. ### Kulcsszavak: nadrág, férfi, 69 dollár Mondat: Modern férfi nadrág, mindössze 69 dollárért. ### Kulcsszavak: kesztyű, tél, 19 dollár Mondat: Elképesztően forró kesztyű hideg télre, 19 dollárért. ### Kulcsszavak: póló, férfi, 39 dollár Mondat: |
Mondat: Menő férfi póló, mindössze 39 dollárért. |
Mondat és érzésosztályozás | Üzenet: Amikor az űrhajó leszállt a Marson, az egész emberiség izgatott volt Téma: tér ### Üzenet: Szeretek teniszezni és golfozni. Hetente kétszer gyakorolok. Téma: sport ### Üzenet: Az értékesítőkből álló csapat irányítása kemény, de kifizetődő munka. Téma: üzlet ### Üzenet: Csirkét próbálok sütni paradicsommal. Téma: |
Téma: étel |
Chatbot és társalgási AI | Ez egy [ember] és egy [robot] közötti vita. A [robot] nagyon kedves és empatikus. [ember]: Szia, örülök, hogy megismertelek. [robot]: Én is örülök, hogy találkoztunk. ### [ember]: Hogy megy ma? [robot]: Nem is olyan rossz, köszönöm! És veled mi van? ### [ember]: Jól vagyok, de egy kicsit szomorú vagyok… [robot]: Ó? Miért azt? ### [ember]: Elkaptam az influenzát [robot]: |
[robot]: Ó, nem, sajnálattal hallom! |
Tweet generáció | kulcsszó: piacok tweet: A természettől és a piacoktól fogadj visszajelzéseket, ne az emberektől ### kulcsszó: gyerekek tweet: Talán azért halunk meg, hogy gyerekként visszatérhessünk. ### kulcsszó: startupok tweet: Az induló vállalkozásoknak nem a tüzet oltásával kell törődniük, hanem azzal, hogyan indítsák el őket. ### kulcsszó: nlp csipog: |
tweet: Az NLP eszköz, nem cél. |
Gépi fordítás | Hugging Face a révolutionné le NLP. Fordítás: A Hugging Face forradalmasította az NLP-t. ### Cela est incroyable! Fordítás: Ez hihetetlen! ### Désolé je ne peux pas. Fordítás: Sajnálom, de nem tudom. ### Az NLP Cloud lehetővé teszi az NLP üzembe helyezését és a termelési folyamatot. Fordítás: |
Fordítás: Az NLP Cloud megkönnyíti az NLP éles üzembe helyezését. |
Szándékos besorolás | Holnap el akarom kezdeni a kódolást, mert nagyon szórakoztatónak tűnik! Cél: kezdje el a kódolást ### Kérlek mutasd meg az utolsó képeidet. Cél: képeket mutatni ### Keresse meg ezeket a fájlokat a lehető leggyorsabban. Cél: fájlok keresése ### Megtanítana nekem kínait a jövő héten? Elszánt: |
Cél: taníts meg kínaiul |
Hozzáférés a BloomZ 176B utasításokkal hangolt modellhez a SageMakerben
A SageMaker JumpStart két módszert kínál az utasításokkal hangolt Bloom modellek használatának megkezdéséhez: Amazon SageMaker Studio és a SageMaker SDK. A következő szakaszok bemutatják, hogyan néznek ki ezek a lehetőségek, és hogyan érheti el őket.
Hozzáférhet a modellhez az egyszerűsített SageMaker JumpStart SDK-val
A egyszerűsített SageMaker JumpStart SDK megkönnyíti a képzést és a beépített SageMaker JumpStart modellek telepítését néhány soros kóddal. Ez hozzáférést biztosít a SageMaker JumpStart modellek teljes könyvtárához, beleértve a legújabb alapmodelleket és képgenerálási modelleket, anélkül, hogy a modellazonosítón kívül bármilyen bemenetet kellene megadnia.
Kihasználhatja az általunk biztosított modellspecifikus alapértelmezett értékeket a konfiguráció megadásához, például a Docker-képfájlt, az ML-példánytípust, a modell melléktermékének helyét és a hiperparamétereket, többek között. Ezek az attribútumok csak alapértelmezett értékek; felülbírálhatja őket, és megőrizheti az Ön által létrehozott AWS-modellek részletes ellenőrzését. A változtatások eredményeként a SageMaker JumpStart modellek üzembe helyezéséhez és betanításához szükséges Python-munkafolyamatok írására irányuló erőfeszítések csökkentek, így több időt tölthet a fontos feladatokra. Ez a funkció minden olyan régióban elérhető, ahol a JumpStart támogatott, és a következővel érhető el SageMaker Python SDK 2.154.0 vagy újabb verzió.
A SageMaker SDK-n keresztül programozottan telepíthet egy végpontot. Meg kell adnia a kívánt modell modellazonosítóját a SageMaker modellközpontban és a telepítéshez használt példánytípust. A következtetési parancsfájlt tartalmazó modell-URI és a Docker-tároló URI-ja a SageMaker SDK-n keresztül érhető el. Ezeket az URI-kat a SageMaker JumpStart biztosítja, és felhasználhatók egy SageMaker modellobjektum inicializálására a telepítéshez.
Telepítse a modellt, és kérdezze le a végpontot
Ehhez a notebookhoz ipywidgetek szükségesek. Telepítse az ipywidgeteket, majd használja az aktuális jegyzetfüzethez társított végrehajtási szerepkört AWS-fiók szerepkörként SageMaker-hozzáféréssel.
Válassza ki az előre betanított modellt
Mi választjuk a bloomz-176b-fp16
előképzett modell:
A következő szakaszokban szereplő notebook használ BloomZ 176B mint például. A SageMakerrel előképzett modellek teljes listáját lásd: Beépített algoritmusok előre betanított modelltáblázattal.
Lekérheti a műtermékeket, és telepíthet egy végpontot
A SageMaker segítségével következtetéseket vonhatunk le az előre betanított modellen anélkül, hogy először finomhangolnánk egy új adatkészleten. Kezdjük azzal, hogy lekérjük a deploy_image_uri
, deploy_source_uri
és model_uri
az előre betanított modell számára. Az előre betanított modell hosztolásához létrehozunk egy példányt sagemaker.model.Model és telepítse azt. Ez eltarthat néhány percig.
Most már telepíthetjük a modellt az egyszerűsített SageMaker JumpStart SDK segítségével a következő kódsorokkal:
Az általunk használt SageMaker nagyméretű modellkövetkeztetési (LMI) tárolók hogy otthont adjon a BloomZ 176B modellnek. Az LMI egy AWS-be épített LLM-szoftververem (tároló), amely könnyen használható funkciókat és teljesítménynövekedést kínál generatív AI modelleken. Modellpárhuzamot, összeállítást, kvantálást és egyéb veremeket tartalmaz a következtetések felgyorsítása érdekében. A részletekért lásd Telepítse a BLOOM-176B-t és az OPT-30B-t az Amazon SageMaker-en a nagy modellkövetkeztetésekkel, Deep Learning Container-ekkel és DeepSpeed-del.
Vegye figyelembe, hogy ennek a modellnek a telepítéséhez p4de.24xlarge példányra van szükség, és a telepítés általában körülbelül 1 órát vesz igénybe. Ha nem rendelkezik kvótával az adott példányhoz, kérjen kvótanövelést az AWS szolgáltatáskvóták konzolján.
Kérdezze le a végpontot, és elemezze a választ különböző paraméterekkel a generált szöveg szabályozásához
A végpont bemenete bármilyen JSON-formátumban formázott és utf-8 formátumban kódolt szöveg. A végpont kimenete egy generált szöveget tartalmazó JSON-fájl.
A következő példában néhány minta beviteli szöveget adunk meg. Bármilyen szöveget beírhat, és a modell megjósolja a sorozat következő szavait. A modell ismételt meghívásával hosszabb szövegsorozatok is előállíthatók. A következő kód megmutatja, hogyan hívhat meg egy végpontot ezekkel az argumentumokkal:
A következő kimenetet kapjuk:
['How to make a pasta? boil a pot of water and add salt. Add the pasta to the water and cook until al dente. Drain the pasta.']
A modell elérése a SageMaker Studio alkalmazásban
Ezeket a modelleket ezen keresztül is elérheti JumpStart nyitóoldal a Stúdióban. Ez az oldal felsorolja a rendelkezésre álló teljes körű ML-megoldásokat, előre betanított modelleket és példafüzeteket.
A bejegyzés közzétételekor a BloomZ 176B csak a us-east-2
Vidék.
A notebook megtekintéséhez kiválaszthatja a BloomZ 176B modellkártyát.
Ezután importálhatja a notebookot, hogy tovább fusson.
Tisztítsuk meg
A folyamatos költségek elkerülése érdekében törölje a SageMaker következtetési végpontokat. A végpontokat a SageMaker konzolon vagy a SageMaker Studio jegyzetfüzetből törölheti a következő parancsokkal:
predictor.delete_model()
predictor.delete_endpoint()
Következtetés
Ebben a bejegyzésben áttekintést adtunk a zero-shot és a little-shot tanulás előnyeiről, és leírtuk, hogy az azonnali tervezés hogyan javíthatja az utasításokkal hangolt modellek teljesítményét. Bemutattuk azt is, hogyan lehet egyszerűen üzembe helyezni egy utasításra hangolt BloomZ 176B modellt a SageMaker JumpStartból, és példákat mutattunk be annak bemutatására, hogyan hajthat végre különböző NLP-feladatokat a SageMakerben telepített BloomZ 176B modellvégpont használatával.
Javasoljuk, hogy telepítsen egy BloomZ 176B modellt a SageMaker JumpStartból, és hozzon létre saját promptokat az NLP használati eseteihez.
Ha többet szeretne megtudni a SageMaker JumpStartról, nézze meg a következőket:
A szerzőkről
Rajakumar Sampathkumar az AWS fő műszaki ügyfélmenedzsere, aki útmutatást nyújt az ügyfeleknek az üzleti technológia összehangolásához, és támogatja felhőalapú működési modelljeik és folyamataik újrafeltalálását. Szenvedélye a felhő és a gépi tanulás. Raj egyben gépi tanulási specialista is, és az AWS-ügyfelekkel együttműködve tervezi, telepíti és kezeli az AWS-munkaterheléseket és architektúrákat.
Dr. Xin Huang az Amazon SageMaker JumpStart és az Amazon SageMaker beépített algoritmusainak alkalmazott tudósa. A skálázható gépi tanulási algoritmusok fejlesztésére összpontosít. Kutatási területe a természetes nyelvi feldolgozás, a táblázatos adatok magyarázható mély tanulása és a nem-paraméteres tér-idő klaszterezés robusztus elemzése. Számos közleményt publikált az ACL, ICDM, KDD konferenciákon és a Royal Statistical Society: Series A folyóiratban.
Evan Kravitz az Amazon Web Services szoftvermérnöke, a SageMaker JumpStarton dolgozik. Szeret főzni és futni New Yorkban.
- 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/zero-shot-and-few-shot-prompting-for-the-bloomz-176b-foundation-model-with-the-simplified-amazon-sagemaker-jumpstart-sdk/
- :van
- :is
- :nem
- :ahol
- $ UP
- 000
- 1
- 10
- 100
- 11
- 12
- 13
- 15%
- 16
- 20
- 2000
- 2013
- 2021
- 24
- 250
- 30
- 32
- 33
- 7
- 8
- a
- Képes
- Rólunk
- felett
- Elfogad!
- hozzáférés
- igénybe vett
- Fiók
- pontosság
- át
- alkalmazkodni
- hozzá
- hozzáadott
- mellett
- További
- címek
- állítható
- igazgatás
- Előny
- újra
- ellen
- AI
- AI modellek
- célok
- AL
- algoritmusok
- igazítás
- Minden termék
- lehetővé téve
- lehetővé teszi, hogy
- kizárólag
- Is
- Altair
- mindig
- am
- amazon
- Amazon Comprehend
- Amazon SageMaker
- Amazon SageMaker JumpStart
- Az Amazon Web Services
- Amazon Web Services (AWS)
- becsvágyó
- között
- összeg
- Összegek
- an
- elemzés
- elemez
- és a
- Angeles
- bejelentés
- Közlemények
- bármilyen
- api
- API-k
- alkalmazható
- alkalmazások
- alkalmazott
- április
- arab
- VANNAK
- TERÜLET
- érvek
- cikkben
- AS
- társult
- At
- csatolja
- attribútumok
- Automatikus
- automatikusan
- elérhető
- elkerülése érdekében
- AWS
- vissza
- Rossz
- Banking
- alapján
- alapvető
- BE
- strand
- szép
- mert
- óta
- viselkedés
- hogy
- részesülő
- Előnyök
- kívül
- BEST
- között
- Számla
- Bill Gates
- Billió
- Bit
- Virágzik
- Kék
- Könyvek
- határ
- született
- Doboz
- tömören
- BSN
- épít
- Épület
- épült
- beépített
- de
- gomb
- by
- hívott
- hívás
- TUD
- Kaphat
- nem tud
- képességek
- képesség
- kártya
- óvatos
- eset
- esetek
- öntvény
- elkapott
- központ
- vezérigazgató
- kihívás
- változik
- Változások
- töltött
- díjak
- ellenőrizze
- Gyerekek
- kínai
- választás
- 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
- körök
- Város
- követelések
- besorolás
- zárt
- felhő
- cloud computing
- csoportosítás
- Társalapító
- kód
- Kódolás
- ÖSSZEFÜGGŐ
- hideg
- együttműködés
- gyűjtemény
- Főiskola
- Oszlop
- hogyan
- jön
- érkező
- Kereskedelem
- Közös
- vállalat
- teljes
- bonyolultság
- bonyolult
- megért
- azzal jellemezve,
- számítástechnika
- fogalmak
- Konferencia
- konferenciák
- Configuration
- megfontolás
- Összeáll
- Konzol
- fogyasztás
- Konténer
- Konténerek
- tartalmaz
- tartalom
- kontextusok
- folytatódik
- folyamatos
- ellenőrzés
- társalgó
- Hűvös
- kijavítására
- Költség
- tudott
- ország
- Pár
- teremt
- készítette
- létrehozása
- teremtés
- Kreatív
- Csésze
- Jelenlegi
- Jelenleg
- szokás
- Ügyfelek
- szabható
- dátum
- adatkészletek
- David
- üzlet
- Ajánlatok
- elszánt
- mély
- mély tanulás
- legmélyebb
- alapértelmezett
- szállított
- kézbesítés
- demó
- bizonyítani
- igazolták
- attól
- telepíteni
- telepített
- telepítő
- bevezetéséhez
- bevetés
- leírt
- leírás
- Design
- tervezett
- kívánatos
- részletek
- Határozzuk meg
- Fejleszt
- fejlett
- fejlesztése
- Fejlesztés
- fejleszt
- Eszközök
- DID
- az
- különböző
- Kedvezmény
- kedvezmények
- vita
- do
- Dokkmunkás
- dokumentum
- dokumentumok
- Nem
- Ennek
- domain
- uralkodó
- adományoz
- ne
- Által
- le-
- Visszaminősítés
- csatorna
- hátrányai
- minden
- könnyen
- könnyű
- könnyen használható
- eBooks
- e-kereskedelem
- hatékonyság
- erőfeszítés
- elemek
- választható
- beágyazott
- lehetővé téve
- ösztönzése
- végtől végig
- Endpoint
- mérnök
- Mérnöki
- Angol
- élvez
- Egész
- Szervezetek
- egység
- Vállalkozó
- Környezet
- részvény
- európai
- Még
- események
- EVER
- minden
- megvizsgálni
- példa
- példák
- Kizárólagos
- végrehajtás
- várható
- drága
- tapasztalat
- kivonat
- Arc
- megkönnyíti
- Objektum
- tény
- messze
- GYORS
- Funkció
- Jellemzők
- Visszacsatolás
- díjak
- láb
- kevés
- Fields
- filé
- Fájlok
- pénzügyi
- pénzügyi szolgáltatások
- tüzek
- vezetéknév
- első
- koncentrál
- következik
- következő
- élelmiszer
- ételszállítás
- A
- formátum
- Korábbi
- Alapítvány
- Alapított
- Ingyenes
- francia
- gyakran
- ból ből
- front
- funkciók
- további
- Nyereség
- Gates
- Általános rendeltetésű
- generál
- generált
- generáció
- nemző
- Generatív AI
- kap
- ad
- cél
- megy
- golf
- jó
- GPU
- nagy
- nagymértékben
- Földi
- Csoport
- Növekvő
- Növekedés
- garancia
- útmutatást
- útmutató
- kéz
- Legyen
- tekintettel
- he
- headline
- hall
- magasság
- segít
- hasznos
- segít
- itt
- Magas
- jó minőségű
- övé
- remélhetőleg
- vendéglátó
- FORRÓ
- óra
- Hogyan
- How To
- HTML
- HTTPS
- huang
- Kerékagy
- emberi
- Emberiség
- Az emberek
- i
- ID
- if
- kép
- képzeletbeli
- kép
- importál
- javul
- in
- magában foglalja a
- Beleértve
- bele
- ipar
- információ
- információ kinyerése
- Kezdeményezés
- újító
- bemenet
- bemenet
- meglátások
- telepíteni
- példa
- helyette
- utasítás
- érdekek
- belső
- bele
- vizsgálja
- beruházás
- befektetési bank
- vonja
- -szigetek
- IT
- ITS
- Munka
- Állások
- folyóirat
- utazás
- jpg
- json
- éppen
- Tart
- Kulcs
- kulcsszavak
- Ismer
- tudás
- leszállási
- nyelv
- Nyelvek
- nagy
- nagyarányú
- legnagyobb
- keresztnév
- a későbbiekben
- legutolsó
- vezető
- TANUL
- tanulás
- Led
- hadd
- Lets
- szint
- Tőkeáttétel
- könyvtár
- fény
- mint
- korlátozások
- Korlátozott
- vonal
- vonalak
- Lista
- listák
- LLM
- elhelyezkedés
- Hosszú
- hosszabb
- néz
- hasonló
- az
- Los Angeles
- szerelem
- Elő/Utó
- gép
- gépi tanulás
- készült
- Fő
- fontos
- csinál
- KÉSZÍT
- Gyártás
- kezelése
- menedzser
- kezelése
- sok
- piacok
- március
- Anyag
- Lehet..
- talán
- me
- Találkozik
- Partnerek
- tagság
- Memory design
- Férfi
- megemlíti
- microsoft
- Középső
- millió
- Több millió
- minimalizálása
- Perc
- Küldetés
- ML
- modell
- modellek
- modern
- Hónap
- több
- a legtöbb
- film
- többszörös
- név
- Természetes
- Természetes nyelvi feldolgozás
- Természet
- ne
- elengedhetetlen
- Szükség
- negatív
- hálózatba
- Semleges
- soha
- Új
- új termékek
- New York
- new york city
- legújabb
- következő
- jövő héten
- szép
- NLP
- nem
- Zaj
- jegyzetfüzet
- Megjegyzések
- regény
- november
- Most
- szám
- tárgy
- kapott
- of
- kedvezmény
- ajánlat
- felajánlás
- Ajánlatok
- oh
- on
- egyszer
- ONE
- folyamatban lévő
- csak
- nyílt forráskódú
- működés
- Művelet
- Opciók
- or
- narancs
- érdekében
- rendelés
- szervezetek
- eredeti
- Más
- mi
- ki
- teljesítmény
- felett
- felülírás
- áttekintés
- saját
- oldal
- Papír
- papírok
- paraméterek
- szenvedélyes
- Fizet
- Emberek (People)
- mert
- érzékelt
- Teljesít
- teljesítmény
- előadó
- hegyezi
- megszemélyesít
- kifejezés
- képek
- Hely
- terv
- tervek
- emelvény
- Plató
- Platón adatintelligencia
- PlatoData
- játékos
- játék
- kérem
- plusz
- pozíció
- pozitív
- lehetséges
- állás
- erős
- ppi
- Tippek
- Predictor
- jósolja
- prémium
- előző
- korábban
- ár
- Első
- Fő
- magán
- Magántőke
- problémák
- folyamat
- Folyamatok
- feldolgozás
- termelő
- Termékek
- Termelés
- Termékek
- szakmai
- Program
- Programozás
- programozási nyelvek
- program
- ad
- feltéve,
- ellátó
- biztosít
- amely
- nyilvánosan
- közzétett
- Kiadás
- tesz
- Piton
- kérdés
- Kérdések
- emelt
- gyors
- Arány
- RE
- Olvass
- olvasók
- Olvasás
- real-time
- realizált
- új
- nemrég
- elismerés
- felismerés
- ajánlott
- Piros
- Csökkent
- vidék
- régiók
- összefüggő
- figyelemre méltó
- TÖBBSZÖR
- átfogalmazva
- helyébe
- raktár
- kérni
- kötelező
- megköveteli,
- kutatás
- kutatás és fejlesztés
- kutatók
- Felbontás
- Tudástár
- válasz
- válaszok
- eredményez
- megtartása
- Kritika
- forradalmasította
- jutalmazó
- Jutalmak
- robot
- erős
- Szerep
- királyi
- futás
- fut
- s
- sagemaker
- SageMaker következtetés
- Mondott
- értékesítés
- só
- mondás
- azt mondja,
- skálázható
- beolvasás
- Tudós
- tudósok
- Képernyő
- sdk
- Keresés
- Második
- szakaszok
- lát
- Úgy tűnik,
- kiválasztás
- elad
- szemantika
- idősebb
- értelemben
- mondat
- érzés
- érzések
- Sorozat
- sorozatszám
- Series of
- A sorozat
- szolgáltatás
- Szolgáltatások
- készlet
- Szettek
- beállítás
- számos
- kellene
- előadás
- kimutatta,
- Műsorok
- jelentős
- egyszerűsített
- óta
- weboldal
- helyzetek
- Méret
- méretek
- kicsi
- kisebb
- So
- Közösség
- A közösségi hálón való kommunikáció
- Társadalom
- szoftver
- Software Engineer
- szilárd
- Megoldások
- néhány
- a
- spanyol
- szakember
- különleges
- kifejezetten
- sebesség
- helyesírás
- költ
- verem
- Stacks
- kezdet
- kezdődött
- Startups
- csúcs-
- Államok
- statisztikai
- Lépései
- Steve
- megállt
- tárolás
- tárolási lehetőségek
- Stratégia
- erősségek
- Húr
- struktúra
- diák
- stúdió
- Tanulmány
- ilyen
- Öltöny
- ÖSSZEFOGLALÓ
- kiegészítés
- kínálat
- támogatás
- Támogatott
- Támogató
- szinonim
- táblázat
- Vesz
- tart
- Feladat
- feladatok
- Tanítási
- csapat
- Műszaki
- sablon
- mint
- köszönet
- hogy
- A
- A terület
- a világ
- azok
- Őket
- akkor
- Ott.
- Ezek
- ők
- Harmadik
- ezt
- Keresztül
- átmenő
- idő
- időigényes
- Cím
- nak nek
- Ma
- holnap
- is
- szerszám
- kemény
- felé
- hagyományos
- Vonat
- kiképzett
- Képzések
- Átalakítás
- át
- Fordítás
- fa
- csipog
- Kétszer
- kettő
- típus
- nekünk
- megértés
- Egyesült
- Egyesült Államok
- egyetemi
- korlátlan
- -ig
- Frissítések
- Frissítés
- frissítése
- használ
- használati eset
- használt
- Felhasználók
- használ
- segítségével
- rendszerint
- értékes
- Értékek
- fajta
- különféle
- Hatalmas
- Igazolás
- változat
- nagyon
- keresztül
- Megnézem
- gyakorlatilag
- Látogat
- akar
- meleg
- volt
- Víz
- Út..
- módon
- we
- háló
- webes szolgáltatások
- hét
- fogadtatás
- JÓL
- Mit
- Mi
- amikor
- ami
- míg
- fehér
- WHO
- egész
- miért
- szélesebb
- szélesség
- lesz
- Téli
- val vel
- nélkül
- Női
- szó
- szavak
- munkafolyamatok
- dolgozó
- művek
- világ
- Világkupa
- aggódik
- lenne
- ír
- írás
- írott
- X
- év
- év
- Igen
- még
- york
- te
- A te
- zephyrnet
- Zero-Shot Learning