Ezt a bejegyzést Marc Neumann-nal, Amor Steinberggel és Marinus Krommenhoekkel közösen írták a BMW Group-tól.
A BMW Group – amelynek központja Münchenben, Németországban van – világszerte 149,000 30 alkalmazott dolgozik, és 15 országban több mint XNUMX gyártó- és összeszerelő létesítményben gyárt. Ma a BMW Group a világ vezető prémium autók és motorkerékpárok gyártója, valamint prémium pénzügyi és mobilitási szolgáltatások szolgáltatója. A BMW Group intelligens anyagösszetétellel, a digitalizáció felé való technológiai elmozdulással és erőforrás-hatékony gyártással innovációs vezető szerepet tölt be a gyártástechnológia és a fenntarthatóság terén.
Az egyre digitálisabbá váló és gyorsan változó világban a BMW Group üzleti és termékfejlesztési stratégiái nagymértékben támaszkodnak az adatvezérelt döntéshozatalra. Ezzel jelentősen megnőtt az igény az adattudósok és a gépi tanulási (ML) mérnökök iránt. Ezeknek a képzett szakembereknek a feladata olyan modellek felépítése és bevezetése, amelyek javítják a BMW üzleti folyamatainak minőségét és hatékonyságát, és megalapozott vezetői döntéseket tesznek lehetővé.
Az adattudósoknak és az ML mérnököknek megfelelő szerszámokra és elegendő számítási lehetőségre van szükségük munkájukhoz. Ezért a BMW néhány évvel ezelőtt központosított ML/deep learning infrastruktúrát hozott létre a helyszínen, és folyamatosan korszerűsítette azt. Az AI növekedésének előkészítése érdekében a BMW Groupnak ugrást kellett tennie a skálázhatóság és a rugalmasság terén, miközben csökkentette a működési költségeket, a szoftverlicenceket és a hardverkezelést.
Ebben a bejegyzésben arról fogunk beszélni, hogy a BMW Group az AWS Professional Services-szel együttműködve hogyan építette fel Jupyter Managed (JuMa) szolgáltatását ezekre a kihívásokra. A JuMa a BMW Group AI platformjának adatelemzői, ML mérnökei és adattudósai számára készült szolgáltatása, amely felhasználóbarát munkaterületet biztosít integrált fejlesztői környezettel (IDE). Ez hajtja Amazon SageMaker Studio és a JupyterLab for Python és a Posit Workbench for R. Ez az ajánlat lehetővé teszi a BMW ML mérnökei számára, hogy kódközpontú adatelemzést és ML-t végezzenek, növeli a fejlesztők termelékenységét az önkiszolgáló képesség és az infrastruktúra automatizálása révén, és szorosan integrálódik a BMW központosított IT-eszközrendszerébe.
A JuMa mostantól elérhető a BMW Group összes adattudósa, ML mérnök és adatelemző számára. A szolgáltatás leegyszerűsíti az ML fejlesztési és gyártási munkafolyamatokat (MLOps) a BMW-ben azáltal, hogy költséghatékony és méretezhető fejlesztői környezetet biztosít, amely világszerte megkönnyíti az adattudományi és mérnöki csapatok közötti zökkenőmentes együttműködést. Ez gyorsabb kísérletezést és rövidebb ötletérvényesítési ciklust eredményez. Sőt, a JuMa infrastruktúra, amelyen alapul AWS szerver nélküli és felügyelt szolgáltatások, segít csökkenteni a DevOps csapatok működési költségeit, és lehetővé teszi számukra, hogy a használati esetek engedélyezésére és az AI innováció felgyorsítására összpontosítsanak a BMW Groupnál.
A helyszíni AI-platform fejlesztésének kihívásai
A JuMa szolgáltatás bevezetése előtt a BMW csapatai világszerte két helyszíni platformot használtak, amelyek JupyterHub és RStudio környezetet biztosítottak a csapatoknak. Ezek a platformok túlságosan korlátozottak voltak a CPU, a GPU és a memória tekintetében ahhoz, hogy lehetővé tegyék az AI méretezhetőségét a BMW Groupnál. Ezeknek a platformoknak a méretezése több helyszíni hardver, több szoftverlicenc és támogatási díj kezelésével jelentős előzetes befektetéseket és nagy erőfeszítéseket igényel a karbantartáshoz. Ehhez hozzájárult, hogy korlátozott önkiszolgáló képességek álltak rendelkezésre, ami nagy operatív erőfeszítést igényelt a DevOps csapataitól. Ennél is fontosabb, hogy ezeknek a platformoknak a használata nem volt összhangban a BMW Group IT felhő-first stratégiájával. Például az ezeket a platformokat használó csapatok elmulasztották az AI/ML prototípusaik egyszerű migrálását az AWS-en futó megoldás iparosításába. Ezzel szemben az AWS-t már közvetlenül kísérletezésre használó adattudományi és elemzőcsapatoknak gondoskodniuk kellett AWS-infrastruktúrájuk kiépítéséről és működtetéséről, miközben biztosítaniuk kellett a BMW Group belső szabályzatainak, helyi törvényeinek és szabályozásainak való megfelelést. Ez magában foglalta a konfigurációs és irányítási tevékenységek széles skáláját az AWS-fiókok megrendelésétől, az internet-hozzáférés korlátozásán, az engedélyezett csomagok használatán át a Docker-képek naprakészen tartásáig.
A megoldás áttekintése
A JuMa egy teljesen felügyelt, több bérlős, biztonsággal megerősített mesterséges intelligencia platform szolgáltatás, amely AWS-re épül SageMaker Stúdió a magban. Az AWS szerver nélküli és felügyelt szolgáltatásokra, mint az infrastruktúra fő építőelemeire hagyatkozva a JuMa DevOps csapatának nem kell aggódnia a szerverek javítása, a tárhely frissítése vagy más infrastruktúra-összetevők kezelése miatt. A szolgáltatás ezeket a folyamatokat automatikusan kezeli, hatékony technikai platformot biztosítva, amely általában naprakész és használatra kész.
A JuMa-felhasználók könnyedén rendelhetnek munkaterületet egy önkiszolgáló portálon keresztül, hogy biztonságos és elszigetelt fejlesztési és kísérleti környezetet hozzanak létre csapataik számára. A JuMa-munkaterület kiépítése után a felhasználók néhány kattintással elindíthatják a JupyterLab vagy Posit munkaasztal-környezeteket a SageMaker Studio-ban, és azonnal megkezdhetik a fejlesztést az általuk leginkább ismert eszközök és keretrendszerek segítségével. A JuMa szorosan integrálva van a BMW Central IT szolgáltatásaival, beleértve az identitás- és hozzáféréskezelést, a szerepek és jogok kezelését, BMW Cloud Data Hub (BMW adattó az AWS-en) és a helyszíni adatbázisok. Ez utóbbi segít az AI/ML csapatoknak zökkenőmentesen hozzáférni a szükséges adatokhoz, feltéve, hogy jogosultak erre, anélkül, hogy adatfolyamokat kellene építeniük. Ezenkívül a notebookok integrálhatók a vállalati Git-tárolókba, hogy együttműködjenek a verziókezeléssel.
A megoldás kivonja az AWS-fiókkezeléssel, -konfigurációval és testreszabással kapcsolatos összes technikai bonyolultságot az AI/ML csapatok számára, lehetővé téve számukra, hogy teljes mértékben az AI innovációra összpontosítsanak. A platform biztosítja, hogy a munkaterület konfigurációja már a dobozból kiveve megfeleljen a BMW biztonsági és megfelelőségi követelményeinek.
A következő diagram az architektúra magas szintű kontextusnézetét írja le.
Felhasználói utazás
A BMW AI/ML csapat tagjai a BMW szabványos katalógusszolgáltatásával rendelhetik meg JuMa munkaterületüket. A vonalvezető jóváhagyását követően a megrendelt JuMa munkaterületet a platform teljesen automatikusan biztosítja. A munkaterület-kiépítési munkafolyamat a következő lépéseket tartalmazza (az architektúra diagram számozása szerint).
- Egy adattudós csapat új JuMa munkaterületet rendel a BMW katalógusában. A JuMa automatikusan létrehoz egy új AWS-fiókot a munkaterülethez. Ez biztosítja a teljes elszigeteltséget a munkaterületek között, követve a cikkben említett egyesített modellfiók-struktúrát A SageMaker Studio adminisztrációs bevált gyakorlatai.
- A JuMa konfigurál egy munkaterületet (ami a Sagemaker domain), amely csak előre definiált Amazon SageMaker a kísérletezéshez és fejlesztéshez szükséges funkciók, egyedi kernelek és életciklus-konfigurációk. Ezenkívül beállítja a szükséges alhálózatokat és biztonsági csoportokat, amelyek biztosítják a notebookok biztonságos környezetben való működését.
- A munkaterületek kiépítése után a jogosult felhasználók bejelentkeznek a JuMa portálra, és elérik a SageMaker Studio IDE-t a munkaterületükön egy SageMaker előre aláírt URL-cím használatával. A felhasználók választhatnak a SageMaker Studio privát terület megnyitása vagy a megosztott tér. A megosztott terek együttműködést ösztönöznek a csapat különböző tagjai között, akik párhuzamosan dolgozhatnak ugyanazon a notebookon, míg a privát terek fejlesztői környezetet tesznek lehetővé magányos munkaterheléshez.
- A BMW adatportál használatával a felhasználók hozzáférést kérhetnek a helyszíni adatbázisokhoz vagy a BMW Cloud Data Hub-jában tárolt adatokhoz, így azok elérhetővé válnak a munkaterületükön fejlesztés és kísérletezés céljából, az adatok előkészítésétől és elemzésétől a modelltanításig és validálásig.
Miután egy AI-modellt kifejlesztettek és jóváhagytak a JuMa-ban, az AI-csapatok a BMW AI-platform MLOPs szolgáltatásával gyorsan és könnyedén üzembe helyezhetik azt. Ez a szolgáltatás éles szintű ML infrastruktúrát és folyamatokat biztosít a felhasználóknak az AWS-en a SageMaker segítségével, amely percek alatt, néhány kattintással beállítható. A felhasználóknak egyszerűen el kell helyezniük modelljüket a kiépített infrastruktúrán, és testre kell szabniuk a folyamatot, hogy megfeleljenek az adott használati eset igényeinek. Ily módon az AI platform lefedi a BMW Group teljes mesterséges intelligencia-életciklusát.
A JuMa jellemzői
Az AWS-en bevált tervezési gyakorlatot követve a JuMa szolgáltatást a szerint tervezték és hajtották végre AWS jól felépített keretrendszer. Az egyes jól megépített pillérek építészeti döntéseit részletesen ismertetjük a következő szakaszokban.
Biztonság és megfelelés
A bérlők közötti teljes elszigeteltség biztosítása érdekében minden munkaterület saját AWS-fiókot kap, ahol a jogosult felhasználók közösen együttműködhetnek az elemzési feladatokban, valamint az AI/ML modellek fejlesztésében és kísérletezésében. Maga a JuMa portál futásidőben kényszeríti ki az elszigetelést a házirend-alapú elkülönítéssel AWS Identity and Access Management (IAM) és a JuMa felhasználó környezete. Erről a stratégiáról további információkért lásd: Futásidejű, házirend-alapú elkülönítés IAM-mel.
Az adattudósok csak a BMW hálózatán keresztül érhetik el domainjüket a portál által generált előre aláírt URL-eken keresztül. A közvetlen internet-hozzáférés le van tiltva a tartományukon belül. A Sagemaker tartományi jogosultságaik felhasználásával épülnek fel Amazon SageMaker Role Manager personák, hogy biztosítsák a legkevesebb hozzáférést a fejlesztéshez szükséges AWS-szolgáltatásokhoz, mint például a SageMaker, Amazon Athéné, Amazon egyszerű tárolási szolgáltatás (Amazon S3), és AWS ragasztó. Ez a szerepkör az ML védőkorlátokat valósítja meg (például a következőkben leírtakat). Kormányzás és ellenőrzés), ideértve az ML-képzés végrehajtását bármelyikben Amazon Virtual Private Cloud (Amazon VPC) vagy internet nélkül, és csak a JuMa egyedi ellenőrzött és naprakész SageMaker képeinek használatát teszi lehetővé.
Mivel a JuMa fejlesztésre, kísérletezésre és ad-hoc elemzésre készült, megőrzési szabályzatot alkalmaz az adatok 30 nap utáni eltávolítására. Az adatokhoz bármikor hozzáférhet, és hosszú távon tárolhatja azokat, a JuMa zökkenőmentesen integrálódik a BMW Cloud Data Hub és a BMW helyszíni adatbázisaiba.
Végül a JuMa több régiót is támogat, hogy megfeleljenek a speciális helyi jogi helyzeteknek, amelyek például megkövetelik az adatok helyi feldolgozását a BMW adatszuverenitásának lehetővé tétele érdekében.
Működési kiválóság
Mind a JuMa platform háttérrendszere, mind a munkaterületek implementálva vannak AWS szerver nélküli és menedzselt szolgáltatások. Ezeknek a szolgáltatásoknak a használata minimálisra csökkenti a BMW platform csapatának erőfeszítéseit a teljes körű megoldás karbantartása és működtetése érdekében, és arra törekszik, hogy egy egyszerű szolgáltatás legyen. A munkaterületet és a portált is a rendszer figyeli amazonfelhőóra naplók, metrikák és riasztások a kulcsfontosságú teljesítménymutatók (KPI-k) ellenőrzéséhez, és proaktívan értesítik a platform csapatát a problémákról. Ezenkívül a AWS röntgen Az elosztott nyomkövetési rendszer a kérések nyomon követésére szolgál több összetevőben, és a CloudWatch naplóinak megjegyzésekkel látja el a munkaterületre vonatkozó kontextust.
A JuMa infrastruktúrájának minden változását automatizálással kezelik és hajtják végre, az infrastruktúra kódként (IaC) használva. Ez segít csökkenteni a kézi erőfeszítéseket és az emberi hibákat, növelni a konzisztenciát, és biztosítja a reprodukálható és verzióvezérelt változtatásokat mindkét JuMa platform háttérmunkaterületén. Pontosabban, az összes munkaterület kiépítése és frissítése a ráépült bevezetési folyamat révén történik AWS lépésfunkciók, AWS CodeBuildés Terraform. Ezért nincs szükség manuális konfigurálásra az új munkaterületek JuMa platformra való beépítéséhez.
Költségoptimalizálás
Az AWS kiszolgáló nélküli szolgáltatásainak használatával a JuMa igény szerinti méretezhetőséget, előre jóváhagyott példányméreteket és felosztó-kirovó modellt biztosít a fejlesztési és kísérleti tevékenységek során felhasznált erőforrásokhoz az AI/ML csapatok igényei szerint. A költségek további optimalizálása érdekében a JuMa platform figyeli és azonosítja a tétlen erőforrásokat a SageMaker Studio-ban, és automatikusan leállítja azokat, hogy megelőzze a fel nem használt erőforrások miatti kiadásokat.
Fenntarthatóság
A JuMa leváltja a BMW két helyszíni platformját az analitikai és mély tanulási feladatokhoz, amelyek jelentős mennyiségű villamos energiát fogyasztanak, és használaton kívül is CO2-kibocsátást okoznak. Az AI/ML munkaterhelések helyszíniről AWS-re való migrálásával a BMW csökkenti környezeti hatásait a helyszíni platformok leszerelésével.
Ezenkívül a tétlen erőforrások automatikus leállításának mechanizmusa, az adatmegőrzési szabályzatok és a tulajdonosoknak szóló munkaterület-használati jelentések, amelyeket a JuMa-ban implementáltak, tovább csökkentik az AI/ML-munkaterhelések AWS-en való futtatásának környezeti lábnyomát.
Teljesítmény hatékonyság
A SageMaker Studio használatával a BMW csapatai előnyben részesítik a SageMaker legújabb funkcióinak egyszerű átvételét, amelyek elősegíthetik a kísérletezés felgyorsítását. Például használhatják Amazon SageMaker JumpStart képességek a legújabb előre betanított, nyílt forráskódú modellek használatára. Ezenkívül csökkenti az AI/ML csapat erőfeszítéseit a kísérletezésről a megoldásiparosítás felé, mivel a fejlesztői környezet ugyanazokat az AWS-alapszolgáltatásokat nyújtja, de csak a fejlesztési képességekre korlátozódik.
Megbízhatóság
A SageMaker Studio tartományok csak VPC-módban vannak üzembe helyezve az internet-hozzáférés kezeléséhez, és csak a tervezett AWS-szolgáltatásokhoz való hozzáférést engedélyezik. A hálózatot két rendelkezésre állási zónában telepítik, hogy egyetlen hibapont ellen védjenek, ezáltal nagyobb rugalmasságot és elérhetőséget biztosítanak a platformnak a felhasználók számára.
A JuMa munkaterületeken végrehajtott változtatásokat a rendszer automatikusan telepíti és teszteli a fejlesztői és integrációs környezetekben, IaC és CI/CD folyamatok segítségével, mielőtt frissítené az ügyfélkörnyezeteket.
Végül a tárolt adatok Amazon elasztikus fájlrendszer (Amazon EFS) a SageMaker Studio tartományokhoz a kötetek biztonsági mentés céljából történő törlése után is megmarad.
Következtetés
Ebben a bejegyzésben leírtuk, hogy a BMW Group az AWS ProServe-vel együttműködve hogyan fejlesztett ki egy teljesen felügyelt AI platform szolgáltatást az AWS-en a SageMaker Studio és más AWS szerver nélküli és felügyelt szolgáltatások segítségével.
A JuMa segítségével a BMW AI/ML csapatai új üzleti értéket szabadíthatnak fel a kísérletezés felgyorsításával, valamint a bomlasztó mesterségesintelligencia-megoldások piacra kerülésének idejével. Ezen túlmenően, a helyszíni platformról való átállással a BMW csökkentheti az általános működési erőfeszítéseket és költségeket, miközben növeli a fenntarthatóságot és az általános biztonsági helyzetet.
Ha többet szeretne megtudni az AI/ML kísérletezési és fejlesztési feladatok AWS-en való futtatásáról, látogasson el a webhelyre Amazon SageMaker Studio.
A szerzőkről
Marc Neumann a BMP Group központi AI Platformjának vezetője. Felelős a mesterséges intelligencia technológiájának üzleti értékteremtésre való felhasználására vonatkozó stratégiák kidolgozásáért és megvalósításáért a BMW csoporton belül. Elsődleges célja annak biztosítása, hogy az AI használata fenntartható és méretezhető legyen, vagyis következetesen alkalmazható legyen az egész szervezetben a hosszú távú növekedés és innováció előmozdítása érdekében. Vezetésével Neumann arra törekszik, hogy a BMW-csoportot vezető pozícióba helyezze az AI-vezérelt innováció és értékteremtés terén az autóiparban és azon túl is.
Amor Steinberg a BMW Group gépi tanulási mérnöke és a Jupyter Managed szervizvezetője, egy új szolgáltatás, amelynek célja, hogy kódközpontú analitikai és gépi tanulási munkapadot biztosítson a BMW Group mérnökei és adattudósai számára. Pénzintézeteknél szerzett DevOps mérnökként szerzett korábbi tapasztalata lehetővé tette számára, hogy egyedi ismereteket szerezzen az Európai Unió bankjai előtt álló kihívásokról, és megőrizze az egyensúlyt a technológiai innovációra való törekvés, a törvények és előírások betartása, valamint az ügyfelek biztonságának maximalizálása között.
Marinus Krommenhoek Senior Cloud Solution Architect és szoftverfejlesztő a BMW Groupnál. Lelkesen dolgozik az IT-környezet modernizálásáért a legmodernebb szolgáltatásokkal, amelyek magas hozzáadott értéket képviselnek, és könnyen karbantarthatók és működtethetők. Marinus a mikroszolgáltatások, a szerver nélküli architektúrák és az agilis munkavégzés nagy szószólója. Eddigi tapasztalatai vannak arról, hogy nagyvállalatokon belül elosztott csapatokkal dolgozott szerte a világon.
Nicolas Jacob Baer a svájci székhelyű AWS ProServe felhőalkalmazások vezető építésze, nagy hangsúlyt fektetve az adatfejlesztésre és a gépi tanulásra. Szorosan együttműködik a vállalati ügyfelekkel adatplatformok tervezésében, valamint fejlett elemzési és ML használati esetek kidolgozásában.
Joaquin Rinaudo az AWS ProServe vezető biztonsági építésze. Szenvedélyesen dolgozik olyan megoldások kidolgozásában, amelyek segítik a fejlesztőket szoftverük minőségének javításában. Az AWS előtt a biztonsági ipar számos területén dolgozott, a mobilbiztonságtól a felhőbe és a megfelelőséggel kapcsolatos témákig. Szabadidejében Joaquin szívesen tölt időt a családjával és tudományos-fantasztikus regényeket olvas.
Shukhrat Hodjaev az AWS ProServe vezető globális elkötelezettségi menedzsere. Hatékony big data és AI/ML megoldások szállítására specializálódott, amelyek lehetővé teszik az AWS ügyfelei számára, hogy az adatok felhasználásával maximalizálják üzleti értéküket.
- 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. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/accelerating-ai-ml-development-at-bmw-group-with-amazon-sagemaker-studio/
- :van
- :is
- :nem
- :ahol
- $ UP
- 000
- 100
- 120
- 15%
- 30
- 7
- 971
- a
- Rólunk
- absztraktokat
- gyorsul
- gyorsuló
- hozzáférés
- Szerint
- Fiók
- számlavezetés
- Fiókok
- elérése
- át
- tevékenységek
- hozzá
- Ezen kívül
- cím
- igazgatás
- Örökbefogadás
- fejlett
- szószóló
- Után
- ellen
- agilis
- Augusztus
- AI
- AI platform
- AI / ML
- célok
- Minden termék
- lehetővé
- megengedett
- lehetővé téve
- lehetővé teszi, hogy
- már
- Is
- amazon
- Amazon SageMaker
- Amazon SageMaker Studio
- Az Amazon Web Services
- összeg
- an
- elemzés
- Az elemzők
- analitika
- és a
- és az infrastruktúra
- bármilyen
- Alkalmazás
- alkalmazott
- jóváhagyás
- építészeti
- építészet
- VANNAK
- AS
- Assembly
- társult
- biztosíthatom
- At
- felhatalmazott
- auto
- automatikusan
- Automatizálás
- autóipari
- autóipar
- elérhetőség
- elérhető
- el
- AWS
- AWS professzionális szolgáltatások
- háttér
- mentés
- Egyenleg
- Banks
- alapján
- BE
- mert
- előtt
- haszon
- BEST
- között
- Túl
- Nagy
- Big adatok
- Blocks
- BMW
- mindkét
- Doboz
- épít
- Épület
- épült
- üzleti
- de
- by
- TUD
- képességek
- képesség
- képes
- ami
- eset
- esetek
- katalógus
- központi
- központosított
- kihívások
- Változások
- változó
- 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
- szorosan
- felhő
- kód
- együttműködik
- együttműködés
- bonyodalmak
- teljesítés
- megfelelnek
- alkatrészek
- Kiszámít
- Configuration
- tekintélyes
- következetesen
- fogyaszt
- kontextus
- folyamatosan
- kontraszt
- ellenőrzés
- Mag
- Társasági
- kiadások
- országok
- Covers
- teremt
- teremtés
- szokás
- vevő
- Ügyfelek
- testreszabás
- testre
- ciklusok
- dátum
- Adatelemzés
- adattó
- Adatok előkészítése
- adat-tudomány
- adattudós
- adatalapú
- adatbázisok
- találka
- Nap
- Döntéshozatal
- határozatok
- mély
- mély tanulás
- átadó
- telepíteni
- telepített
- bevezetéséhez
- leírt
- Design
- tervezett
- részlet
- fejlett
- Fejlesztő
- fejlesztők
- fejlesztése
- Fejlesztés
- különböző
- digitális
- digitalizálás
- közvetlen
- közvetlenül
- Tiltva
- bomlasztó
- megosztott
- do
- Dokkmunkás
- Nem
- domain
- domainek
- le-
- hajtás
- hajtott
- alatt
- minden
- könnyű
- hatékonyság
- erőfeszítés
- erőfeszítés nélkül
- erőfeszítések
- bármelyik
- villamos energia
- Kibocsátások
- alkalmazottak
- felhatalmazott
- lehetővé
- engedélyezve
- lehetővé teszi
- lehetővé téve
- ösztönzése
- végtől végig
- végrehajtás
- eljegyzés
- mérnök
- Mérnöki
- Mérnökök
- biztosítására
- biztosítja
- biztosítása
- Vállalkozás
- Vállalatok
- lelkes
- Egész
- Környezet
- környezeti
- környezetek
- hibák
- megalapozott
- európai
- európai unió
- Még
- példa
- költségek
- tapasztalat
- arcok
- megkönnyíti
- berendezések
- Kudarc
- ismerős
- család
- gyorsabb
- Jellemzők
- díjak
- kevés
- filé
- pénzügyi
- Pénzintézetek
- Összpontosít
- következő
- Lábnyom
- A
- keretek
- Ingyenes
- ból ből
- Tele
- teljesen
- további
- Továbbá
- gyűjt
- általában
- generált
- Németország
- megy
- adott
- Globális
- földgolyó
- cél
- kormányzás
- GPU
- nagyobb
- Csoport
- Csoportok
- Növekvő
- felnőtt
- Növekedés
- Fogantyúk
- hardver
- he
- fej
- központja
- súlyosan
- segít
- segít
- Magas
- magas érték
- magas szinten
- őt
- övé
- vendéglátó
- Hogyan
- HTML
- http
- HTTPS
- Kerékagy
- emberi
- ötlet
- azonosítja
- Identitás
- Idle
- képek
- azonnal
- Hatás
- hatásos
- végre
- végrehajtási
- munkagépek
- ami fontos
- javul
- in
- beleértve
- magában foglalja a
- Beleértve
- Növelje
- Növeli
- növekvő
- egyre inkább
- mutatók
- ipar
- információ
- tájékoztatták
- Infrastruktúra
- Innováció
- példa
- intézmények
- integrált
- integrál
- integráció
- Intelligens
- szándékolt
- belső
- Internet
- internet-hozzáférés
- bele
- bevezetéséről
- Beruházások
- izolált
- szigetelés
- kérdések
- IT
- ITS
- maga
- Jacob
- jpg
- éppen
- Tart
- tartás
- tartotta
- Kulcs
- tó
- táj
- nagy
- Nagy vállalkozások
- legutolsó
- indít
- törvények
- Törvények és rendeletek
- vezet
- vezető
- Vezetés
- vezető
- Ugrás
- TANUL
- tanulás
- legkevésbé
- Jogi
- engedélyek
- Engedélyezés
- életciklus
- Korlátozott
- korlátozó
- vonal
- Listázott
- helyi
- helyileg
- log
- Hosszú
- hosszú lejáratú
- gép
- gépi tanulás
- Fő
- fenntartása
- fenntartása
- karbantartás
- csinál
- Gyártás
- kezelése
- sikerült
- vezetés
- menedzser
- kezelése
- kézikönyv
- Gyártó
- anyag
- Maximize
- maximalizálása
- jelenti
- mechanizmus
- Találkozik
- Megfelel
- Partnerek
- Memory design
- említett
- Metrics
- microservices
- vándorló
- elvándorlás
- Perc
- megszakított
- keverje
- ML
- MLOps
- Mobil
- mobile Security
- mobilitás
- Mód
- modell
- modellek
- korszerűsítése
- ellenőrizni
- monitorok
- több
- Ráadásul
- a legtöbb
- motorkerékpárok
- mozgó
- többszörös
- Szükség
- szükséges
- igénylő
- igények
- hálózat
- Új
- nem
- Most
- számozott
- of
- felajánlás
- on
- Igény szerint
- Fedélzeti
- Beszállás
- csak
- nyitva
- nyílt forráskódú
- nyitás
- működik
- üzemeltetési
- operatív
- Optimalizálja
- or
- érdekében
- rendelés
- szervezet
- Más
- ki
- felett
- átfogó
- saját
- tulajdonosok
- csomagok
- Párhuzamos
- szenvedélyes
- múlt
- Foltozás
- egyengetni
- mert
- Teljesít
- teljesítmény
- Pillér
- csővezeték
- emelvény
- Platformok
- Plató
- Platón adatintelligencia
- PlatoData
- pont
- Politikák
- Portál
- pozíció
- állás
- powered
- erős
- gyakorlat
- prémium
- előkészítés
- megakadályozása
- elsődleges
- Fő
- Előzetes
- magán
- kiváltság
- kiváltságok
- folyamat
- Folyamatok
- gyárt
- Termékek
- termékfejlesztés
- Termelés
- termelékenység
- szakmai
- tehetséges alkalmazottal
- védelme
- prototípusok
- ad
- feltéve,
- ellátó
- biztosít
- amely
- célokra
- Piton
- világítás
- gyorsan
- R
- hatótávolság
- gyorsan
- Olvasás
- kész
- kap
- rekord
- csökkenteni
- csökkentő
- utal
- tekintettel
- régiók
- előírások
- támaszkodnak
- támaszkodva
- eltávolítása
- Jelentések
- kérni
- kéri
- szükség
- kötelező
- követelmények
- Tudástár
- felelős
- korlátozott
- Eredmények
- visszatartás
- jogok
- Szerep
- szerepek
- futás
- futás
- futásidejű
- sagemaker
- azonos
- skálázhatóság
- skálázható
- skálázás
- Tudomány
- Tudós
- tudósok
- zökkenőmentes
- zökkenőmentesen
- szakaszok
- biztonság
- biztonság
- Önkiszolgáló
- idősebb
- vagy szerver
- Szerverek
- szolgáltatás
- Szolgáltatások
- készlet
- Szettek
- számos
- megosztott
- váltás
- üzemszünet
- kikapcsol
- jelentős
- jelentősen
- Egyszerű
- egyszerűen
- egyetlen
- helyzetek
- méretek
- szakképzett
- So
- szoftver
- megoldások
- Megoldások
- forrás
- szuverenitás
- Hely
- terek
- speciális
- specializálódott
- különleges
- kifejezetten
- Költési
- standard
- kezdet
- csúcs-
- Lépés
- Lépései
- tárolás
- tárolni
- memorizált
- stratégiák
- Stratégia
- egyszerűsíti
- törekvés
- erős
- struktúra
- stúdió
- alhálózatok
- ilyen
- elegendő
- támogatás
- Támogatja
- Fenntarthatóság
- fenntartható
- svájc
- rendszer
- Vesz
- Beszél
- feladatok
- csapat
- Csapattagok
- csapat
- Műszaki
- technikai
- Technológia
- kifejezés
- Terraform
- kipróbált
- hogy
- A
- A vonal
- azok
- Őket
- ebből adódóan
- Ezek
- ők
- ezt
- azok
- Keresztül
- egész
- szorosan
- idő
- nak nek
- Ma
- is
- szerszámok
- felső
- Témakörök
- felé
- Nyom
- nyomkövetés
- Képzések
- Trends
- kettő
- megértés
- unió
- egyedi
- kinyit
- up-to-date
- frissítve
- frissített
- URL
- Használat
- használ
- használati eset
- használt
- barátságos felhasználói
- Felhasználók
- segítségével
- érvényesített
- érvényesítés
- érték
- értékteremtés
- változat
- megvizsgálták
- keresztül
- Megnézem
- Tényleges
- Látogat
- kötetek
- volt
- Út..
- we
- háló
- webes szolgáltatások
- JÓL
- voltak
- amikor
- bármikor
- mivel
- ami
- míg
- lesz
- val vel
- belül
- nélkül
- Munka
- dolgozott
- munkafolyamat
- munkafolyamatok
- dolgozó
- művek
- világ
- világ
- világszerte
- aggódik
- lenne
- év
- A te
- zephyrnet
- zónák