A gépi tanulás (ML) paradigmaváltás magvai évtizedek óta léteznek, de a gyakorlatilag végtelen számítási kapacitás, az adatok tömeges elterjedése és az ML-technológiák gyors fejlődése miatt az ügyfelek az iparágakban gyorsan átveszik és használják az ML-t. technológiákat, hogy átalakítsák vállalkozásukat.
A közelmúltban a generatív AI-alkalmazások mindenki figyelmét és fantáziáját megragadták. Valóban izgalmas inflexiós pontnál tartunk az ML széleskörű elterjedésében, és hisszük, hogy minden ügyfélélményt és alkalmazást újra feltalál a generatív mesterséges intelligencia.
A generatív mesterséges intelligencia egy olyan típusú mesterséges intelligencia, amely új tartalmakat és ötleteket hozhat létre, beleértve a beszélgetéseket, történeteket, képeket, videókat és zenét. Mint minden mesterséges intelligencia, a generatív mesterséges intelligencia is ML modelleken alapul – nagyon nagy modelleken, amelyeket előre kiképeztek hatalmas adatkorpusokra, és amelyeket általában alapmodelleknek (FM) neveznek.
Az FM-ek mérete és általános célú jellege különbözteti meg őket a hagyományos ML-modellektől, amelyek jellemzően meghatározott feladatokat hajtanak végre, például szövegelemzést érzelmek szempontjából, képek osztályozását és trendek előrejelzését.
A hagyományos ML-modellek esetében az egyes konkrét feladatok elvégzéséhez címkézett adatokat kell gyűjtenie, betanítania kell egy modellt, és telepítenie kell azt a modellt. Az alapmodellek esetében ahelyett, hogy minden modellhez gyűjtene címkézett adatokat, és több modellt betanítana, ugyanazt az előre betanított FM-et használhatja a különféle feladatok adaptálásához. Az FM-eket testreszabhatja úgy is, hogy olyan tartomány-specifikus funkciókat hajtsanak végre, amelyek megkülönböztetik az Ön vállalkozását, és csak egy kis töredékét használja fel a modell elsajátításához szükséges adatoknak és számításoknak.
A generatív mesterséges intelligencia számos iparágat megzavarhat azáltal, hogy forradalmasítja a tartalom létrehozásának és felhasználásának módját. Az eredeti tartalom előállítása, a kódgenerálás, az ügyfélszolgálat továbbfejlesztése és a dokumentumösszegzés a generatív AI tipikus használati esetei.
Amazon SageMaker JumpStart előre betanított, nyílt forráskódú modelleket kínál számos problématípushoz, hogy segítsen az ML használatának megkezdésében. Ezeket a modelleket a telepítés előtt fokozatosan betaníthatja és hangolhatja. A JumpStart megoldássablonokat is kínál, amelyek infrastruktúrát állítanak be a gyakori felhasználási esetekhez, valamint futtatható példajegyzetfüzeteket az ML-hez Amazon SageMaker.
Több mint 600 előre betanított modell áll rendelkezésre, és minden nap növekszik, a JumpStart lehetővé teszi a fejlesztők számára, hogy gyorsan és egyszerűen beépítsék az élvonalbeli ML technikákat a gyártási munkafolyamataikba. Az előre betanított modelleket, megoldássablonokat és példákat a JumpStart nyitóoldalán érheti el Amazon SageMaker Studio. A JumpStart modelleket a SageMaker Python SDK használatával is elérheti. A JumpStart modellek programozott használatával kapcsolatos információkért lásd: Használjon SageMaker JumpStart algoritmusokat előre betanított modellekkel.
2023 áprilisában mutatkozott be az AWS Amazon alapkőzet, amely lehetőséget biztosít generatív mesterségesintelligencia-alapú alkalmazások létrehozására, előre kiképzett modelleken keresztül induló vállalkozásoktól, beleértve AI21 Labs, Antropikusés Stabilitás AI. Az Amazon Bedrock hozzáférést biztosít a Titan alapozó modellekhez is, amely az AWS által házon belül kiképzett modellcsalád. Az Amazon Bedrock szerver nélküli tapasztalatával könnyedén megtalálhatja az igényeinek megfelelő modellt, gyorsan elkezdheti az FM-eket, személyesen testreszabhatja az FM-eket saját adataival, valamint egyszerűen integrálhatja és telepítheti őket alkalmazásaiba az Ön által ismert AWS-eszközök és -szolgáltatások segítségével. -val (beleértve a SageMaker ML-funkciókkal való integrációt, mint pl Amazon SageMaker kísérletek különböző modellek tesztelésére és Amazon SageMaker csővezetékek az FM-ek nagyarányú kezeléséhez) anélkül, hogy bármilyen infrastruktúrát kellene kezelnie.
Ebben a bejegyzésben bemutatjuk, hogyan telepíthet kép- és szöveggeneratív AI modelleket a JumpStartból a AWS Cloud Development Kit (AWS CDK). Az AWS CDK egy nyílt forráskódú szoftverfejlesztési keretrendszer, amely a felhőalkalmazás-erőforrások meghatározására szolgál ismert programozási nyelvek, például a Python segítségével.
A képalkotáshoz a Stable Diffusion modellt, míg a FLAN-T5-XL modellt használjuk természetes nyelv megértése (NLU) és szöveggenerálás -ból Átölelő arc a JumpStartban.
Megoldás áttekintése
A webalkalmazás erre épül Áramlatos, egy nyílt forráskódú Python-könyvtár, amely megkönnyíti gyönyörű, egyedi webalkalmazások létrehozását és megosztását az ML és adattudomány számára. A webalkalmazást a segítségével tároljuk Amazon Elastic Container Service (Amazon ECS) -val AWS Fargate és egy Application Load Balanceren keresztül érhető el. A Fargate egy olyan technológia, amelyet az Amazon ECS-sel futtathat konténerek kiszolgálók, fürtök vagy virtuális gépek kezelése nélkül. A generatív AI modell végpontjai a JumpStart képekből indulnak el Amazon Elastic Container Registry (Amazon ECR). A modelladatokat a rendszer tárolja Amazon egyszerű tárolási szolgáltatás (Amazon S3) a JumpStart fiókban. A webalkalmazás ezen keresztül kommunikál a modellekkel Amazon API átjáró és a AWS Lambda az alábbi ábrán látható módon működik.
Az API Gateway szabványos RESTful felületet biztosít a webalkalmazásnak és más ügyfeleknek, miközben védi a modellhez kapcsolódó lambda-funkciókat. Ez leegyszerűsíti a modelleket fogyasztó kliens alkalmazás kódját. Ebben a példában az API Gateway végpontjai nyilvánosan elérhetők, lehetővé téve ennek az architektúrának a kiterjesztését különböző API hozzáférési vezérlők és integrálható más alkalmazásokkal.
Ebben a bejegyzésben a következő lépéseken mutatjuk be:
- Telepítse a AWS parancssori interfész (AWS CLI) és AWS CDK v2 a helyi gépen.
- Klónozza és állítsa be az AWS CDK alkalmazást.
- Telepítse az AWS CDK alkalmazást.
- Használja a képgeneráló AI modellt.
- Használja a szöveggenerációs AI modellt.
- Tekintse meg a telepített erőforrásokat a AWS felügyeleti konzol.
Áttekintést adunk a projekt kódjáról a bejegyzés végén található mellékletben.
Előfeltételek
A következő előfeltételekkel kell rendelkeznie:
Az oktatóanyagban szereplő infrastruktúrát telepítheti helyi számítógépéről, vagy használhatja is AWS Cloud9 mint a telepítési munkaállomása. Az AWS Cloud9 előre telepített AWS CLI-vel, AWS CDK-val és Dockerrel. Ha az AWS Cloud9 mellett dönt, megteremteni a környezetet tól AWS konzol.
A bejegyzés befejezésének becsült költsége 50 USD, feltételezve, hogy 8 órán keresztül futni hagyja az erőforrásokat. A folyamatos költségek elkerülése érdekében feltétlenül törölje az ebben a bejegyzésben létrehozott forrásokat.
Telepítse az AWS CLI-t és az AWS CDK-t a helyi gépére
Ha még nincs meg az AWS parancssori felülete a helyi gépen, tekintse meg a következőt Az AWS CLI legújabb verziójának telepítése vagy frissítése és a Az AWS parancssori felület konfigurálása.
Telepítse az AWS CDK Toolkit globálisan a következő csomópont-csomagkezelő paranccsal:
Futtassa a következő parancsot a megfelelő telepítés ellenőrzéséhez, és nyomtassa ki az AWS CDK verziószámát:
Győződjön meg arról, hogy a Docker telepítve van a helyi gépen. A verzió ellenőrzéséhez adja ki a következő parancsot:
Klónozza és állítsa be az AWS CDK alkalmazást
A helyi gépen klónozza az AWS CDK alkalmazást a következő paranccsal:
Navigáljon a projekt mappához:
Az alkalmazás üzembe helyezése előtt tekintsük át a könyvtárszerkezetet:
A stack
mappa tartalmazza az AWS CDK alkalmazás minden egyes veremének kódját. A code
mappa tartalmazza a lambda funkciók kódját. A tárház tartalmazza a mappa alatt található webalkalmazást is web-app
.
A cdk.json
fájl megmondja az AWS CDK Toolkitnek, hogyan futtassa az alkalmazást.
Ezt az alkalmazást a us-east-1
Régió, de minden olyan régióban működnie kell, amely rendelkezik a szükséges szolgáltatásokkal és a következtetési példánytípussal ml.g4dn.4xlarge
-ban meghatározott app.py
.
Állítson be egy virtuális környezetet
Ez a projekt úgy van beállítva, mint egy szabványos Python-projekt. Hozzon létre egy Python virtuális környezetet a következő kóddal:
A virtuális környezet aktiválásához használja a következő parancsot:
Ha Windows platformot használ, aktiválja a virtuális környezetet az alábbiak szerint:
A virtuális környezet aktiválása után frissítse a pip-t a legújabb verzióra:
Telepítse a szükséges függőségeket:
Mielőtt bármilyen AWS CDK-alkalmazást telepítene, be kell töltenie egy helyet a fiókjában és a régióban, amelybe telepíti. Az alapértelmezett régióban történő rendszerindításhoz adja ki a következő parancsot:
Ha egy adott fiókba és régióba kíván telepíteni, adja ki a következő parancsot:
Erről a beállításról további információért látogasson el a webhelyre Az AWS CDK használatának megkezdése.
Az AWS CDK alkalmazásverem szerkezete
Az AWS CDK alkalmazás több stacket tartalmaz, amint az a következő ábrán látható.
A következő paranccsal listázhatja a veremeket az AWS CDK alkalmazásban:
Az alábbiakban további hasznos AWS CDK parancsok találhatók:
- cdk ls – Felsorolja az összes köteget az alkalmazásban
- cdk szinti – Kiadja a szintetizáltat AWS felhőképződés sablon
- cdk telepítése – Telepíti ezt a veremet az alapértelmezett AWS-fiókjában és régiójában
- cdk diff – Összehasonlítja a telepített veremet a jelenlegi állapottal
- cdk dokumentumok – Megnyitja az AWS CDK dokumentációját
A következő szakasz bemutatja, hogyan telepítheti az AWS CDK alkalmazást.
Telepítse az AWS CDK alkalmazást
Az AWS CDK-alkalmazás a munkaállomás konfigurációja alapján az alapértelmezett régióban lesz telepítve. Ha egy adott régióban szeretné kényszeríteni a telepítést, állítsa be AWS_DEFAULT_REGION
környezeti változó ennek megfelelően.
Ezen a ponton telepítheti az AWS CDK alkalmazást. Először indítsa el a VPC hálózati veremet:
Ha a rendszer kéri, írja be y
hogy folytassa a telepítést. Látnia kell a veremben kiépített AWS-erőforrások listáját. Ez a lépés körülbelül 3 percet vesz igénybe.
Ezután elindítja a webalkalmazások veremét:
A verem elemzése után az AWS CDK megjeleníti az erőforráslistát a veremben. Írja be az y-t a telepítés folytatásához. Ez a lépés körülbelül 5 percet vesz igénybe.
Jegyezze le a WebApplicationServiceURL
a kimenetről későbbi használatra. Az AWS CloudFormation konzolon is letöltheti, a GenerativeAiDemoWebStack
verem kimenetek.
Most indítsa el a képgeneráló AI modell végpont veremét:
Ez a lépés körülbelül 8 percet vesz igénybe. A képgeneráló modell végpontja telepítve van, most már használhatjuk.
Használja a képgeneráló AI modellt
Az első példa bemutatja, hogyan használható a Stable Diffusion, egy erőteljes generatív modellezési technika, amely lehetővé teszi kiváló minőségű képek létrehozását szöveges promptokból.
- Nyissa meg a webalkalmazást a
WebApplicationServiceURL
kimenetébőlGenerativeAiDemoWebStack
a böngészőben. - A navigációs panelen válassza a lehetőséget Képgenerálás.
- A SageMaker végpont neve és a API GW URL A mezők előre kitöltve lesznek, de ha szeretné, módosíthatja a képleírást.
- 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 Kép generálása.
- Az alkalmazás felhívja a SageMaker végpontot. Néhány másodpercet vesz igénybe. Megjelenik a kép leírásában szereplő jellemzőkkel rendelkező kép.
Használja a szöveggenerációs AI modellt
A második példa a FLAN-T5-XL modell használatára összpontosít, amely egy alap vagy nagy nyelvi modell (LLM) a szöveggenerálás során a szövegkörnyezeten belüli tanulás eléréséhez, miközben a természetes nyelvi megértés (NLU) és a természetes nyelv széles skáláját is kezeli. nyelvgenerálási (NLG) feladatok.
Egyes környezetek korlátozhatják az egyszerre elindítható végpontok számát. Ha ez a helyzet, egyszerre egy SageMaker-végpontot indíthat el. Egy SageMaker-végpont leállításához az AWS CDK-alkalmazásban meg kell semmisítenie a telepített végpontvermet, és a másik végpontverem elindítása előtt. A képgeneráló AI modell végpontjának kikapcsolásához adja ki a következő parancsot:
Ezután indítsa el a szöveggeneráló AI modell végpont veremét:
Írja be az y-t a parancssorba.
A szöveggeneráló modell végpont-verem elindítása után hajtsa végre a következő lépéseket:
- Menjen vissza a webalkalmazáshoz, és válassza a lehetőséget Szöveggenerálás a navigációs ablaktáblában.
- A Beviteli kontextus A mező előre ki van töltve egy ügyfél és egy ügynök közötti beszélgetéssel az ügyfelek telefonjával kapcsolatos problémáról, de megadhatja saját kontextusát, ha szeretné.
- A kontextus alatt a legördülő menüben talál néhány előre kitöltött lekérdezést. Válasszon egy lekérdezést, és válasszon Válasz generálása.
- Saját lekérdezést is megadhat a Beviteli lekérdezés mezőt, majd válassza ki Válasz generálása.
Tekintse meg a telepített erőforrásokat a konzolon
Az AWS CloudFormation konzolon válassza a lehetőséget Stacks a navigációs panelen a telepített veremek megtekintéséhez.
Az Amazon ECS konzolon láthatja a fürtöket a A klaszterek cimre.
Az AWS Lambda konzolon láthatja a funkciókat a Funkciók cimre.
Az API Gateway konzolon megtekintheti az API-átjáró végpontjait a API-k cimre.
A SageMaker konzolon megtekintheti a telepített modell végpontjait a Végpontok cimre.
A veremek elindításakor bizonyos paraméterek generálódnak. Ezeket a AWS Systems Manager Paramétertár. Megtekintésükhöz válassza a lehetőséget Paramétertár a navigációs ablakban AWS rendszermenedzser konzol.
Tisztítsuk meg
A felesleges költségek elkerülése érdekében tisztítsa meg a következő paranccsal létrehozott infrastruktúrát a munkaállomáson:
belép y
felszólításra. Ez a lépés körülbelül 10 percet vesz igénybe. Ellenőrizze, hogy minden erőforrás törölve van-e a konzolon. Törölje továbbá az AWS CDK által az Amazon S3 konzolon létrehozott S3 eszköztárakat, valamint az Amazon ECR eszköztárait.
Következtetés
Amint az ebben a bejegyzésben látható, az AWS CDK segítségével generatív AI modelleket telepíthet a JumpStartban. Megmutattunk egy képgenerálási példát és egy szöveggenerálási példát a Streamlit, a Lambda és az API Gateway által működtetett felhasználói felület használatával.
Mostantól megépítheti generatív AI-projektjeit előre betanított AI-modellek segítségével a JumpStartban. Kibővítheti ezt a projektet az alapmodellek finomhangolásához az Ön használati esetéhez, és szabályozhatja az API-átjáró-végpontokhoz való hozzáférést.
Meghívjuk Önt, hogy tesztelje a megoldást, és járuljon hozzá a projekthez GitHub. Ossza meg gondolatait erről az oktatóanyagról a megjegyzésekben!
Licenc összefoglaló
Ez a mintakód módosított MIT licenc alatt érhető el. Lásd a LICENC fájlt további információkért. Tekintse át a megfelelő licenceket is stabil diffúzió és a flan-t5-xl modellek Hugging Face-n.
A szerzőkről
Hantzley Tauckoor szingapúri székhelyű APJ Partner Solutions Architecture Leader. 20 éves tapasztalattal rendelkezik az IKT-iparban, amely több funkcionális területet is felölel, beleértve a megoldások architektúráját, az üzletfejlesztést, az értékesítési stratégiát, a tanácsadást és a vezetést. Vezeti a Senior Solutions Architects csapatát, amely lehetővé teszi a partnerek számára, hogy közös megoldásokat fejlesszenek ki, műszaki képességeket építsenek ki, és irányítsák őket a megvalósítási szakaszon, miközben az ügyfelek áttérnek és modernizálják alkalmazásaikat az AWS-re.
Kwonyul Choi technológiai igazgató a BABITALK-nál, egy koreai szépségápolási platform startupnál, melynek székhelye Szöul. Ezt megelőzően Kownyul szoftverfejlesztő mérnökként dolgozott az AWS-nél, az AWS CDK-ra és az Amazon SageMakerre összpontosítva.
Arunprasath Shankar az AWS vezető AI/ML specialista megoldások építésze, aki segít a globális ügyfeleknek mesterséges intelligencia-megoldásaik hatékony és eredményes méretezésében a felhőben. Szabadidejében Arun szívesen néz sci-fi filmeket és hallgat klasszikus zenét.
Satish Upreti egy migrációt vezető PSA és biztonsági kkv az APJ partnerszervezetében. A Satish 20 éves tapasztalattal rendelkezik a helyszíni privát felhő és nyilvános felhőtechnológiák terén. Mióta 2020 augusztusában migrációs szakértőként csatlakozott az AWS-hez, kiterjedt műszaki tanácsokkal és támogatással látja el az AWS-partnereket az összetett migráció megtervezéséhez és végrehajtásához.
Függelék: Kódbemutató
Ebben a részben áttekintést nyújtunk a projekt kódjáról.
AWS CDK alkalmazás
A fő AWS CDK alkalmazást a app.py
fájlt a gyökérkönyvtárban. A projekt több veremből áll, ezért importálnunk kell a veremeket:
Meghatározzuk generatív AI modelljeinket, és a kapcsolódó URI-kat a SageMakertől kapjuk:
A get_sagemaker_uris függvény az összes modellinformációt lekéri a JumpStartból. Lát script/sagemaker_uri.py
.
Ezután példányosítjuk a veremeket:
Az elsőként elindított verem a VPC-verem, a GenerativeAiVpcNetworkStack. A webalkalmazás-verem, a GenerativeAiDemoWebStack, a VPC-veremtől függ. A függőség a vpc=network_stack.vpc paraméteren keresztül történik.
Lát app.py
a teljes kódért.
VPC hálózati verem
A GenerativeAiVpcNetworkStack veremben létrehozunk egy VPC-t egy nyilvános alhálózattal és egy privát alhálózattal, amelyek két rendelkezésre állási zónát ívelnek át:
Lát /stack/generative_ai_vpc_network_stack.py
a teljes kódért.
Demo webalkalmazás-verem
A GenerativeAiDemoWebStack veremben elindítjuk a Lambda függvényeket és a megfelelő API-átjáró-végpontokat, amelyeken keresztül a webalkalmazás együttműködik a SageMaker modell végpontjaival. Lásd a következő kódrészletet:
A webalkalmazás konténerbe van helyezve, és az Amazon ECS-en fut a Fargate-tel. Lásd a következő kódrészletet:
Lát /stack/generative_ai_demo_web_stack.py
a teljes kódért.
Képgenerálás SageMaker modell végpont verem
A GenerativeAiTxt2imgSagemakerStack verem létrehozza a képgenerálási modell végpontját a JumpStartból, és eltárolja a végpont nevét a Systems Manager Paramétertárban. Ezt a paramétert a webalkalmazás fogja használni. Lásd a következő kódot:
Lát /stack/generative_ai_txt2img_sagemaker_stack.py
a teljes kódért.
NLU és szöveggeneráló SageMaker modell végpont verem
A GenerativeAiTxt2nluSagemakerStack verem létrehozza az NLU és a szöveggenerálási modell végpontját a JumpStartból, és eltárolja a végpont nevét a Systems Manager Paramétertárban. Ezt a paramétert a webalkalmazás is használni fogja. Lásd a következő kódot:
Lát /stack/generative_ai_txt2nlu_sagemaker_stack.py
a teljes kódért.
webalkalmazás
A webalkalmazás a /web-app
Könyvtár. Ez egy Streamlit alkalmazás, amely konténerben van a szerint Dockerfile
:
Ha többet szeretne megtudni a Streamlitről, lásd: Egyszerű dokumentáció.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoAiStream. Web3 adatintelligencia. Felerősített tudás. Hozzáférés itt.
- A jövő pénzverése – Adryenn Ashley. Hozzáférés itt.
- Részvények vásárlása és eladása PRE-IPO társaságokban a PREIPO® segítségével. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/deploy-generative-ai-models-from-amazon-sagemaker-jumpstart-using-the-aws-cdk/
- :van
- :is
- $ UP
- 1
- 10
- 100
- 20
- 20 év
- 2020
- 2023
- 7
- 8
- 9
- a
- Rólunk
- hozzáférés
- igénybe vett
- hozzáférhető
- Eszerint
- Fiók
- Elérése
- át
- alkalmazkodni
- címzés
- Elfogadása
- Örökbefogadás
- haladás
- tanács
- Ügynök
- AI
- AI-hajtású
- AI / ML
- algoritmusok
- Minden termék
- lehetővé téve
- már
- Is
- amazon
- Amazon API átjáró
- Amazon SageMaker
- Amazon SageMaker JumpStart
- Az Amazon Web Services
- an
- elemzése
- és a
- bármilyen
- api
- app
- Alkalmazás
- alkalmazások
- alkalmazások
- április
- építészet
- VANNAK
- területek
- körül
- AS
- Eszközök
- At
- figyelem
- Augusztus
- elérhetőség
- elérhető
- elkerülése érdekében
- AWS
- AWS Cloud9
- AWS felhőképződés
- AWS Lambda
- vissza
- egyensúlyozó
- alapján
- BAT
- BE
- szép
- szépség
- előtt
- hogy
- Hisz
- között
- Bootstrap
- széles
- böngésző
- épít
- épült
- üzleti
- üzlet fejlesztés
- vállalkozások
- de
- by
- hívás
- TUD
- képességek
- Kapacitás
- rögzített
- ami
- eset
- esetek
- CD
- Centers
- változik
- jellemzők
- díjak
- 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
- vásárló
- ügyfél részére
- felhő
- Cloud9
- kód
- jön
- Közös
- általában
- teljes
- bonyolult
- Kiszámít
- számítógép
- Configuration
- Konzol
- konstrukció
- tanácsadó
- fogyasztott
- tartalmazott
- Konténer
- tartalmaz
- tartalom
- kontextus
- contribuer
- ellenőrzés
- Beszélgetés
- beszélgetések
- kijavítására
- Költség
- teremt
- készítette
- teremt
- teremtés
- CTO
- Jelenlegi
- szokás
- vevő
- Vásárlói élmény
- Vevőszolgálat
- Ügyfelek
- testre
- élvonalbeli
- dátum
- adat-tudomány
- nap
- évtizedek
- alapértelmezett
- Annak meghatározása,
- igazolták
- mutatja
- Függőség
- függő
- telepíteni
- telepített
- bevezetéséhez
- bevetés
- bevet
- leírás
- elpusztítani
- Fejleszt
- fejlesztők
- Fejlesztés
- különböző
- Diffusion
- kijelző
- megszakítása
- Dokkmunkás
- dokumentum
- csinált
- ne
- le-
- minden
- könnyen
- könnyű
- hatékonyan
- eredményesen
- lehetővé
- lehetővé teszi
- végén
- Endpoint
- mérnök
- belép
- Környezet
- környezetek
- becsült
- Minden
- minden nap
- mindenki
- példa
- példák
- izgalmas
- tapasztalat
- terjed
- kiterjedt
- Arc
- hamis
- ismerős
- család
- Jellemzők
- kevés
- mező
- Fields
- filé
- Találjon
- vezetéknév
- Összpontosít
- következő
- következik
- A
- Kényszer
- Alapítvány
- töredék
- Keretrendszer
- ból ből
- Tele
- funkció
- funkcionális
- funkciók
- gateway
- gyűjt
- gyűjtése
- Általános rendeltetésű
- generált
- generáció
- nemző
- Generatív AI
- kap
- megy
- Globális
- globálisan
- Növekvő
- Legyen
- tekintettel
- he
- segít
- segít
- jó minőségű
- övé
- Kezdőlap
- vendéglátó
- házigazdája
- NYITVATARTÁS
- Hogyan
- How To
- HTML
- http
- HTTPS
- IKT
- ötletek
- if
- kép
- képek
- képzelet
- végre
- végrehajtás
- importál
- in
- Beleértve
- bele
- iparágak
- ipar
- Végtelen
- Inflexiós pont
- információ
- Infrastruktúra
- telepíteni
- telepítés
- telepítve
- példa
- helyette
- integrálni
- integrációk
- kölcsönhatásba lép
- Felület
- bele
- meghívni
- kérdés
- IT
- csatlakozott
- közös
- jpg
- json
- koreai
- leszállási
- nyelv
- Nyelvek
- nagy
- a későbbiekben
- legutolsó
- indít
- indított
- indítás
- vezet
- vezető
- Vezetés
- vezetékek
- TANUL
- tanulás
- Szabadság
- könyvtár
- Engedély
- engedélyek
- mint
- LIMIT
- vonal
- Lista
- Kihallgatás
- listák
- LLM
- kiszámításának
- helyi
- található
- gép
- gépi tanulás
- gép
- készült
- Fő
- csinál
- KÉSZÍT
- kezelése
- vezetés
- menedzser
- sok
- tömeges
- Menü
- esetleg
- vándorol
- elvándorlás
- Perc
- MIT
- ML
- modell
- modellek
- korszerűsítésére
- módosított
- több
- Filmek
- többszörös
- zene
- kell
- név
- Természetes
- Természet
- Navigáció
- Szükség
- igények
- hálózat
- Új
- következő
- csomópont
- Most
- szám
- of
- Ajánlatok
- on
- ONE
- folyamatban lévő
- csak
- nyílt forráskódú
- Nyílt forráskódú szoftver
- nyit
- or
- érdekében
- szervezet
- eredeti
- Más
- mi
- teljesítmény
- felett
- áttekintés
- saját
- csomag
- oldal
- üvegtábla
- paradigma
- paraméter
- paraméterek
- partner
- partnerek
- Múló
- Teljesít
- fázis
- telefon
- kép
- terv
- emelvény
- Plató
- Platón adatintelligencia
- PlatoData
- pont
- lehetőség
- állás
- potenciális
- powered
- erős
- előfeltételek
- Előzetes
- magán
- Probléma
- Termelés
- Programozás
- programozási nyelvek
- program
- projektek
- ad
- biztosít
- nyilvános
- Nyilvános felhő
- nyilvánosan
- Piton
- lekérdezések
- gyorsan
- hatótávolság
- gyors
- gyorsan
- kész
- nemrég
- említett
- tekintettel
- vidék
- összefüggő
- raktár
- kötelező
- követelmények
- forrás
- Tudástár
- azok
- Kritika
- Optimális
- jobb
- Szerep
- gyökér
- futás
- futás
- sagemaker
- értékesítés
- azonos
- Skála
- sci-fi
- Tudomány
- kaparni
- sdk
- Második
- másodperc
- Rész
- biztonság
- lát
- magok
- MAGA
- idősebb
- érzés
- Szöul
- vagy szerver
- Szerverek
- szolgáltatás
- Szolgáltatások
- készlet
- felépítés
- Megosztás
- váltás
- kellene
- előadás
- kimutatta,
- mutatott
- Műsorok
- Egyszerű
- óta
- Szingapúr
- Méret
- kicsi
- EMS
- So
- szoftver
- szoftverfejlesztés
- megoldások
- Megoldások
- néhány
- forrás
- Hely
- szakember
- különleges
- meghatározott
- stabil
- verem
- Stacks
- standard
- kezdődött
- indítás
- Startups
- Lépés
- Lépései
- megáll
- tárolás
- tárolni
- memorizált
- árnyékolók
- TÖRTÉNETEK
- Stratégia
- struktúra
- alhálózati
- támogatás
- Systems
- tart
- Feladat
- feladatok
- csapat
- Műszaki
- technikák
- Technologies
- Technológia
- megmondja
- sablonok
- teszt
- tesztek
- hogy
- A
- azok
- Őket
- akkor
- Ezek
- ezt
- Keresztül
- idő
- titán-
- nak nek
- eszköztár
- szerszámok
- hagyományos
- hagyományos
- Vonat
- kiképzett
- Képzések
- Átalakítás
- Trends
- igaz
- valóban
- FORDULAT
- oktatói
- kettő
- típus
- típusok
- tipikus
- jellemzően
- alatt
- megértés
- bemutatta
- frissítése
- frissítés
- használ
- használati eset
- használt
- használó
- felhasználói felület
- segítségével
- hasznosít
- különféle
- Hatalmas
- ellenőrzése
- változat
- keresztül
- Videók
- Megnézem
- Tényleges
- gyakorlatilag
- Látogat
- akar
- volt
- őrzés
- Út..
- we
- háló
- webalkalmazás
- webes szolgáltatások
- JÓL
- ami
- míg
- széles
- Széleskörű
- széles körben elterjedt
- Wikipedia
- lesz
- ablakok
- val vel
- nélkül
- Munka
- dolgozott
- munkafolyamatok
- munkaállomás
- év
- te
- A te
- zephyrnet
- zónák