A első poszt Ennek a három részből álló sorozatnak egy olyan megoldást mutattunk be, amely bemutatja, hogyan automatizálhatja a dokumentumok hamisításának és nagyarányú csalásának észlelését az AWS AI és a gépi tanulási (ML) szolgáltatások segítségével jelzálog-biztosítási felhasználási esetekben.
A második bejegyzés, megvitattuk a mély tanuláson alapuló számítógépes látásmodell kidolgozásának megközelítését a jelzáloghitel-jegyzésben hamisított képek észlelésére és kiemelésére.
Ebben a bejegyzésben egy megoldást mutatunk be a jelzálogokmány-csalások felderítésének automatizálására egy ML modell és az üzletileg meghatározott szabályok segítségével. Amazon csalásészlelő.
Megoldás áttekintése
Az Amazon Fraud Detectort, egy teljes körűen felügyelt csalásfelderítő szolgáltatást használunk a csaló tevékenységek észlelésének automatizálására. Az Amazon Fraud Detector célja, hogy javítsa a csalás előrejelzési pontosságát azáltal, hogy proaktívan azonosítja a dokumentumcsalást, miközben javítja a jegyzési pontosságot, az Amazon Fraud Detector segítségével személyre szabott csalásészlelési modelleket készíthet előzményadatkészlet segítségével, testreszabott döntési logikát konfigurálhat a beépített szabálymotor segítségével, és megszervezheti a kockázati döntéseket. munkafolyamatok egy gombnyomással.
A következő diagram a jelzáloghitel-okmány-csalás felderítési folyamatának egyes szakaszait mutatja be.
Most a jelzáloghitel-okmány-csalás felderítési folyamatának harmadik összetevőjével foglalkozunk. Az összetevő telepítésének lépései a következők:
- Előzményadatok feltöltése ide Amazon egyszerű tárolási szolgáltatás (Amazon S3).
- Válassza ki a lehetőségeket, és képezze ki a modellt.
- Készítse el a modellt.
- Tekintse át a modell teljesítményét.
- Telepítse a modellt.
- Hozzon létre egy detektort.
- Szabályok hozzáadása a modell pontszámainak értelmezéséhez.
- Előrejelzések készítéséhez telepítse az API-t.
Előfeltételek
A következő előfeltételek ehhez a megoldáshoz:
- Regisztráljon egy AWS-fiókot.
- Állítson be olyan engedélyeket, amelyek lehetővé teszik az AWS-fiókja számára, hogy hozzáférjen az Amazon csalásészlelőhöz.
- Gyűjtse össze a csalástörténeti adatokat a csalásérzékelő modell betanításához, a következő követelményekkel:
- Az adatoknak CSV formátumban kell lenniük, és fejlécekkel kell rendelkezniük.
- Két fejléc szükséges:
EVENT_TIMESTAMP
és aEVENT_LABEL
. - Az adatoknak az Amazon S3-ban kell lenniük a szolgáltatás által támogatott AWS régióban.
- Erősen ajánlott egy adatprofil futtatása edzés előtt (használjon egy automatizált adatprofilozó az Amazon Fraud Detector számára).
- Javasoljuk, hogy legalább 3-6 hónapos adatokat használjon fel.
- Időbe telik, amíg a csalás beérik; 1–3 hónapos adatok ajánlottak (nem túl frissek).
- Néhány NULL és hiányzó érték elfogadható (de túl sok, és a változót figyelmen kívül hagyja, amint azt itt tárgyaljuk Hiányzó vagy helytelen változótípus).
Előzményadatok feltöltése az Amazon S3-ba
Miután rendelkezik az egyéni előzményadatfájlokkal a csalásérzékelő modell betanításához, hozzon létre egy S3 tárolót, és töltse fel az adatokat a tárolóba.
Válassza ki a lehetőségeket, és képezze be a modellt
A következő lépés a csalásérzékelő modell felépítése és betanítása felé az üzleti tevékenység (esemény) meghatározása a csalás szempontjából. Egy esemény meghatározása magában foglalja az adatkészlet változóinak, az eseményt kezdeményező entitásnak és az eseményt osztályozó címkéknek a beállítását.
Hajtsa végre a következő lépéseket az okmánycsalás felderítésére szolgáló dokumentumcsalási esemény meghatározásához, amelyet a jelzálogjogot kérelmező entitás kezdeményez, új jelzáloghitel-igénylésre hivatkozva:
- Az Amazon Fraud Detector konzolon válassza a lehetőséget Események a navigációs ablaktáblában.
- 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 Teremt.
- Alatt Az eseménytípus részletei, belép
docfraud
az eseménytípus neveként, és opcionálisan megadhatja az esemény leírását. - 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 Entitás létrehozása.
- A Entitás létrehozása oldalon, lépjen be
applicant_mortgage
az entitástípus neveként, és opcionálisan írja be az entitástípus leírását. - 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 Entitás létrehozása.
- Alatt Eseményváltozók, A Válassza ki, hogyan definiálja az esemény változóit, választ Válasszon változókat egy edzési adatkészletből.
- A IAM szerepkör, választ IAM-szerep létrehozása.
- A IAM-szerep létrehozása oldalon írja be az S3 vödör nevét a példaadatokkal együtt, és válassza ki Szerep létrehozása.
- A Adatok helye, adja meg az előzményadatok elérési útját. Ez az S3 URI elérési út, amelyet az előzményadatok feltöltése után mentett. Az út hasonló a
S3://your-bucket-name/example dataset filename.csv
. - 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 Feltöltés.
A változók olyan adatelemeket képviselnek, amelyeket a csalás előrejelzésében szeretne használni. Ezeket a változókat a modell betanításához előkészített eseményadatkészletből, az Amazon Fraud Detector modell kockázati pontszámaiból vagy a Amazon SageMaker modellek. Az eseményadatkészletből vett változókkal kapcsolatos további információkért lásd: Szerezze be az eseményadatkészlet-követelményeket az Adatmodellek-böngésző segítségével.
- Alatt Címkék – nem kötelező, A Címkék, választ Hozzon létre új címkéket.
- A Címke létrehozása oldalon, lépjen be
fraud
mint a név. Ez a címke annak az értéknek felel meg, amely a csalárd jelzáloghitel-kérelmet jelöli a példaadatkészletben. - 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 Címke létrehozása.
- Hozzon létre egy második címkét
legit
. Ez a címke annak az értéknek felel meg, amely a példaadatkészletben szereplő jogos jelzáloghitel-igénylést jelöli. - 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 Eseménytípus létrehozása.
Az alábbi képernyőképen az eseménytípusunk részletei láthatók.
A következő képernyőkép a változóinkat mutatja.
A következő képernyőképen láthatók a címkéink.
Készítse el a modellt
Miután betöltötte az előzményadatokat és kiválasztotta a szükséges beállításokat a modell betanításához, kövesse az alábbi lépéseket a modell létrehozásához:
- Az Amazon Fraud Detector konzolon válassza a lehetőséget Modellek a navigációs ablaktáblában.
- 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 Modell hozzáadása, majd válassza ki Modell létrehozása.
- A Határozza meg a modell részleteit oldalon, lépjen be
mortgage_fraud_detection_model
mint a modell neve és a modell opcionális leírása. - A Modelltípus, válaszd a Online csalási betekintés modell.
- A Esemény típus, választ
docfraud
. Ez a korábban létrehozott eseménytípus. - A Történelmi eseményadatok szakaszban adja meg a következő információkat:
- A Esemény adatforrás, választ Az S3-ba (vagy AFD-be) feltöltve tárolt eseményadatok.
- A IAM szerepkör, válassza ki a korábban létrehozott szerepet.
- A Képzési adatok helye, adja meg a példaadatfájl S3 URI elérési útját.
- 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 Következő.
- A Modell bemenetek szakaszban hagyja bejelölve az összes jelölőnégyzetet. Alapértelmezés szerint az Amazon Fraud Detector a történeti eseményadatkészlet összes változóját használja modell bemenetként.
- A Címke osztályozás szakasz, for Csalás címkék, választ
fraud
, amely megfelel annak az értéknek, amely csalárd eseményeket jelöl a példaadatkészletben. - A Jogos címkék, választ
legit
, amely megfelel annak az értéknek, amely a példaadatkészletben szereplő legitim eseményeket jelöli. - A Címkézetlen események, tartsa meg az alapértelmezett beállítást A címkézetlen események figyelmen kívül hagyása ehhez a példaadatkészlethez.
- 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 Következő.
- Tekintse át beállításait, majd válasszon Modell létrehozása és betanítása.
Az Amazon Fraud Detector létrehoz egy modellt, és elkezdi betanítani a modell új verzióját.
A Modell verziók oldal, a Állapot oszlop a modellképzés állapotát jelzi. A példaadatkészletet használó modellképzés körülbelül 45 percet vesz igénybe. Az állapot a következőre változik: Bevetésre készen a modellképzés befejezése után.
Tekintse át a modell teljesítményét
A modell betanítása után az Amazon Fraud Detector ellenőrzi a modell teljesítményét azon adatok 15%-ának felhasználásával, amelyeket nem használtak fel a modell betanításához, és különféle eszközöket biztosít, beleértve a pontszámeloszlási diagramot és a zavaros mátrixot a modell teljesítményének értékeléséhez.
A modell teljesítményének megtekintéséhez kövesse az alábbi lépéseket:
- Az Amazon Fraud Detector konzolon válassza a lehetőséget Modellek a navigációs ablaktáblában.
- Válassza ki az imént betanított modellt (
sample_fraud_detection_model
), majd válassza a lehetőséget 1.0. Ez az Amazon Fraud Detector verziója, amelyet az Ön modelljéhez készített. - Tekintse át a A modell teljesítménye összpontszám és minden egyéb mérőszám, amelyet az Amazon Fraud Detector generált ehhez a modellhez.
Telepítse a modellt
Miután áttekintette a betanított modell teljesítménymutatóit, és készen áll a csalásra vonatkozó előrejelzések generálására, üzembe helyezheti a modellt:
- Az Amazon Fraud Detector konzolon válassza a lehetőséget Modellek a navigációs ablaktáblában.
- Válassza ki a modellt
sample_fraud_detection_model
, majd válassza ki a telepíteni kívánt konkrét modellverziót. Ehhez a bejegyzéshez válassza a lehetőséget 1.0. - A Modell verzió oldalon, a Hozzászólások menüben válasszon Telepítse a modell verzióját.
A Modell verziók oldal, a Állapot mutatja a telepítés állapotát. Az állapot a következőre változik: Aktív amikor a telepítés befejeződött. Ez azt jelzi, hogy a modellváltozat aktiválva van, és rendelkezésre áll a csalási előrejelzések generálására.
Hozzon létre egy detektort
Miután telepítette a modellt, épít egy detektort a docfraud
eseménytípust, és adja hozzá a telepített modellt. Hajtsa végre a következő lépéseket:
- Az Amazon Fraud Detector konzolon válassza a lehetőséget detektorok a navigációs ablaktáblában.
- 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 Hozzon létre detektort.
- A Határozza meg az érzékelő részleteit oldalon, lépjen be
fraud_detector
a detektor nevéhez, és opcionálisan adjon meg egy leírást a detektorhoz, például a mintacsalás detektorom. - A esemény típusa, választ
docfraud
. Ez az az esemény, amelyet korábban létrehoztál. - 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 Következő.
Adjon hozzá szabályokat az értelmezéshez
Az Amazon Fraud Detector modell létrehozása után használhatja az Amazon Fraud Detector konzolt vagy alkalmazásprogramozási felületet (API) üzleti alapú szabályok meghatározásához (olyan feltételek, amelyek megmondják az Amazon Fraud Detectornak, hogyan értelmezze a modell teljesítménypontszámát a csalás előrejelzésekor). . A jelzáloghitel-jegyzési folyamathoz való igazodás érdekében szabályokat hozhat létre a jelzáloghitel-kérelmek megjelölésére a kapcsolódó kockázati szintek szerint, és csalásként, jogszerűként vagy felülvizsgálatra van szükség.
Előfordulhat például, hogy automatikusan elutasítja a magas csalási kockázattal járó jelzáloghitel-kérelmeket, figyelembe véve az olyan paramétereket, mint a szükséges dokumentumok hamisított képei, hiányzó dokumentumok, például fizetési táblák vagy jövedelmi követelmények stb. Másrészt bizonyos alkalmazásoknak szükségük lehet egy emberre a hatékony döntések meghozatalához.
Az Amazon Fraud Detector az összesített értéket (a nyers változók kombinációjával számítva) és a nyers értéket (a változóhoz megadott érték) használja a modell pontszámainak generálásához. A modell pontszámai 0 és 1000 között lehetnek, ahol a 0 az alacsony csalási kockázatot, az 1000 pedig a magas csalási kockázatot jelöli.
A megfelelő üzletközpontú szabályok hozzáadásához hajtsa végre a következő lépéseket:
- Az Amazon Fraud Detector konzolon válassza a lehetőséget Szabályok a navigációs ablaktáblában.
- 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 Szabály hozzáadása.
- A Határozzon meg egy szabályt szakaszban írja be a csalást a szabály nevéhez, és opcionálisan adjon meg egy leírást.
- A Kifejezés, írja be a szabálykifejezést az Amazon Fraud Detector egyszerűsített szabálykifejezési nyelvével
$docdraud_insightscore >= 900
- A Eredmények, választ Hozzon létre egy új eredményt (Az eredmény a csalás előrejelzésének eredménye, és akkor jelenik meg, ha a szabály egyezik az értékelés során.)
- A Hozzon létre egy új eredményt szakaszban adja meg az elutasítást az eredmény neveként és egy opcionális leírást.
- 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 Mentse el az eredményt
- 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 Szabály hozzáadása a szabályérvényesítés-ellenőrző futtatásához és a szabály mentéséhez.
- Létrehozása után az Amazon Fraud Detector a következőket teszi
high_risk
szabály elérhető az érzékelőben.- Szabály neve:
fraud
- Eredmény:
decline
- Kifejezés:
$docdraud_insightscore >= 900
- Szabály neve:
- 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 Adjon hozzá egy másik szabályt, majd válassza a Szabály létrehozása lapon további 2 szabályt adhat hozzá az alábbiak szerint:
- Hozzon létre egy
low_risk
szabály a következő részletekkel:- Szabály neve:
legit
- Eredmény:
approve
- Kifejezés:
$docdraud_insightscore <= 500
- Szabály neve:
- Hozzon létre egy
medium_risk
szabály a következő részletekkel:- Szabály neve:
review needed
- Eredmény:
review
- Kifejezés:
$docdraud_insightscore <= 900 and docdraud_insightscore >=500
- Szabály neve:
Ezek az értékek a bejegyzéshez használt példák. Amikor szabályokat hoz létre saját detektorához, használja a modellnek és a használati esetnek megfelelő értékeket.
- Miután létrehozta mindhárom szabályt, válassza a lehetőséget Következő.
Előrejelzések készítéséhez telepítse az API-t
A szabályokon alapuló műveletek elindítása után telepíthet egy Amazon Fraud Detector API-t a kölcsönzési alkalmazások értékeléséhez és a lehetséges csalások előrejelzéséhez. Az előrejelzések végrehajthatók kötegben vagy valós időben.
Integrálja a SageMaker modellt (opcionális)
Ha már rendelkezik csalásészlelési modellel a SageMakerben, akkor a kívánt eredmények elérése érdekében integrálhatja azt az Amazon Fraud Detectorral.
Ez azt jelenti, hogy a SageMaker és az Amazon Fraud Detector modelleket is használhatja az alkalmazásban a különböző típusú csalások észlelésére. Alkalmazása például használhatja az Amazon Fraud Detector modellt az ügyfélfiókok csalási kockázatának felmérésére, és ezzel egyidejűleg használhatja a PageMaker modellt a fiókkompromittálódás kockázatának ellenőrzésére.
Tisztítsuk meg
A jövőbeni költségek elkerülése érdekében törölje a megoldáshoz létrehozott erőforrásokat, beleértve a következőket:
- S3 vödör
- Amazon Fraud Detector végpont
Következtetés
Ez a bejegyzés egy automatizált és testreszabott megoldást mutatott be a jelzáloghitel-jegyzési folyamat során elkövetett csalások felderítésére. Ez a megoldás lehetővé teszi a csalási kísérletek felderítését a csalás bekövetkeztének időpontjához közelebb, és segíti a biztosítókat a hatékony döntéshozatali folyamatban. Ezenkívül a megvalósítás rugalmassága lehetővé teszi, hogy üzletközpontú szabályokat határozzon meg a csalási kísérletek osztályozása és rögzítése érdekében, egyedi üzleti igényekre szabva.
A teljes körű jelzáloghitel-okmány-csalás felderítésére vonatkozó megoldás kiépítésével kapcsolatos további információkért lásd: rész 1 és a rész 2 ebben a sorozatban.
A szerzőkről
Anup Ravindranath az Amazon Web Services (AWS) vezető megoldási építésze a kanadai Torontóban, és pénzügyi szolgáltatások szervezeteivel dolgozik együtt. Segít az ügyfeleknek abban, hogy átalakítsák vállalkozásukat és innovációt hajtsanak végre a felhőben.
Vinnie Saini az Amazon Web Services (AWS) vezető megoldási építésze a kanadai Torontóban. Segített a Financial Services ügyfeleinek a felhőben való átalakulásában, AI- és ML-vezérelt megoldásokkal az építészeti kiválóság erős alappillérein.
- 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/automate-mortgage-document-fraud-detection-using-an-ml-model-and-business-defined-rules-with-amazon-fraud-detector-part-3/
- :van
- :is
- :nem
- :ahol
- $ UP
- 100
- 15%
- 7
- 900
- a
- Rólunk
- elfogadható
- hozzáférés
- Szerint
- Fiók
- Fiókok
- cselekvések
- tevékenységek
- tevékenység
- hozzá
- További
- Ezen kívül
- Után
- AI
- összehangolása
- Minden termék
- lehetővé teszi, hogy
- már
- amazon
- Amazon csalásészlelő
- Az Amazon Web Services
- Amazon Web Services (AWS)
- an
- és a
- Másik
- bármilyen
- api
- Alkalmazás
- alkalmazások
- megközelítés
- megfelelő
- körülbelül
- építészeti
- építészet
- VANNAK
- AS
- értékeli
- társult
- At
- Kísérletek
- automatizált
- Automatizált
- automatikusan
- elérhető
- elkerülése érdekében
- AWS
- alapján
- BE
- óta
- előtt
- elkezdődik
- lent
- között
- mindkét
- épít
- Épület
- beépített
- üzleti
- vállalkozások
- de
- gomb
- by
- számított
- hívott
- TUD
- Kanada
- elfog
- eset
- bizonyos
- Változások
- díjak
- Táblázatos
- ellenőrizze
- ellenőrzött
- 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
- besorolás
- osztályoz
- kettyenés
- közelebb
- felhő
- Oszlop
- kombinálása
- teljes
- összetevő
- kompromisszum
- számítógép
- Számítógépes látás
- fogalmi
- Körülmények
- zavar
- figyelembe véve
- Konzol
- megfelel
- fedő
- teremt
- készítette
- teremt
- szokás
- vevő
- Ügyfelek
- szabott
- dátum
- döntés
- Döntéshozatal
- határozatok
- Elutasítása
- mély
- alapértelmezett
- meghatározott
- meghatározó
- mutatja
- telepíteni
- telepített
- bevetés
- leírás
- részletek
- kimutatására
- Érzékelés
- Fejleszt
- diagram
- különböző
- tárgyalt
- terjesztés
- dokumentum
- dokumentumok
- hajtott
- alatt
- minden
- Korábban
- Hatékony
- elemek
- végtől végig
- Motor
- belép
- egység
- értékelni
- értékelő
- értékelés
- esemény
- események
- példa
- példák
- Kiváló
- kifejezés
- filé
- Fájlok
- pénzügyi
- pénzügyi szolgáltatások
- Rugalmasság
- következő
- következik
- A
- kovácsolt
- formátum
- alapítványi
- csalás
- csalások felderítése
- csaló
- ból ből
- teljesen
- jövő
- generál
- generált
- kéz
- Legyen
- he
- fejlécek
- segít
- segít
- Magas
- Kiemel
- nagyon
- történeti
- Hogyan
- How To
- http
- HTTPS
- emberi
- azonosító
- if
- képek
- végrehajtás
- javul
- javuló
- in
- Beleértve
- Jövedelem
- hibás
- jelzi
- információ
- kezdeményezett
- újít
- bemenet
- integrálni
- Felület
- jár
- IT
- jpg
- éppen
- Tart
- Címke
- Címkék
- csúnya
- nyelv
- tanulás
- legkevésbé
- Szabadság
- jogos
- hitelezési
- szintek
- mint
- logika
- Elő/Utó
- gép
- gépi tanulás
- csinál
- KÉSZÍT
- Gyártás
- sikerült
- sok
- gyufa
- Mátrix
- érett
- Lehet..
- Metrics
- Perc
- hiányzó
- ML
- modell
- modellek
- hónap
- több
- Jelzálog
- kell
- my
- név
- Navigáció
- Szükség
- szükséges
- igények
- Új
- következő
- Most
- célkitűzés
- esemény
- of
- Régi
- on
- Opciók
- or
- szervezetek
- Más
- mi
- Eredmény
- kimenetek
- átfogó
- saját
- oldal
- üvegtábla
- paraméterek
- rész
- ösvény
- teljesítmény
- teljesített
- engedélyek
- pilléreket
- csővezeték
- Plató
- Platón adatintelligencia
- PlatoData
- állás
- potenciális
- előre
- előrejelzés
- Tippek
- előnyben részesített
- előkészített
- előfeltétel
- be
- bemutatott
- folyamat
- profil
- Programozás
- ad
- feltéve,
- biztosít
- Nyers
- kész
- igazi
- real-time
- új
- ajánlott
- utal
- vidék
- képvisel
- jelentése
- kötelező
- követelmények
- Tudástár
- azok
- eredményez
- Eredmények
- Kritika
- felül
- Kockázat
- Szerep
- Szabály
- szabályok
- futás
- sagemaker
- minta
- Megtakarítás
- mentett
- Skála
- pontszám
- Második
- Rész
- lát
- kiválasztott
- kiválasztás
- idősebb
- Series of
- szolgáltatás
- Szolgáltatások
- készlet
- beállítás
- beállítások
- ő
- Műsorok
- hasonló
- Egyszerű
- egyszerre
- So
- megoldások
- Megoldások
- különleges
- Színpad
- Állapot
- Lépés
- Lépései
- tárolás
- memorizált
- erős
- ilyen
- Támogatott
- meghozott
- tart
- mondd
- hogy
- A
- azok
- akkor
- Ezek
- Harmadik
- ezt
- három
- Keresztül
- idő
- nak nek
- is
- szerszámok
- toronto
- felé
- Vonat
- kiképzett
- Képzések
- Átalakítás
- váltott
- típus
- típusok
- jegyzési
- feltöltve
- Feltöltés
- használ
- használati eset
- használt
- használ
- segítségével
- érvényesítés
- érték
- Értékek
- változó
- különféle
- változat
- verzió
- Megnézem
- látomás
- sétált
- akar
- volt
- we
- háló
- webes szolgáltatások
- amikor
- ami
- míg
- lesz
- val vel
- munkafolyamatok
- dolgozó
- te
- A te
- zephyrnet