A mai napon örömmel jelentjük be, hogy a Meta által kifejlesztett Llama 2 alapozó modellek elérhetőek az ügyfelek számára Amazon SageMaker JumpStart. A Llama 2 nagy nyelvi modellek (LLM) családja előre betanított és finomhangolt generatív szövegmodellek gyűjteménye, 7 milliárdtól 70 milliárdig terjedő skálán. A finomhangolt LLM-ek, az úgynevezett Llama-2-chat, párbeszédes felhasználási esetekre vannak optimalizálva. Könnyedén kipróbálhatja ezeket a modelleket, és használhatja őket a SageMaker JumpStarttal, amely egy gépi tanulási (ML) központ, amely hozzáférést biztosít az algoritmusokhoz, modellekhez és ML-megoldásokhoz, így gyorsan elkezdheti az ML használatát.
Ebben a bejegyzésben végigvezetjük a Llama 2 modellek használatát a SageMaker JumpStart segítségével.
Mi az a Llama 2
A Llama 2 egy automatikusan regresszív nyelvi modell, amely optimalizált transzformátor architektúrát használ. A Llama 2 angol nyelvű kereskedelmi és kutatási használatra készült. Számos paraméterméretben – 7 milliárd, 13 milliárd és 70 milliárd –, valamint előre betanított és finomhangolt variációkban kapható. A Meta szerint a hangolt változatok felügyelt finomhangolást (SFT) és megerősítő tanulást emberi visszacsatoláson (RLHF) használnak, hogy igazodjanak az emberi preferenciákhoz a segítőkészség és a biztonság érdekében. A Llama 2-t 2 billió tokennyi, nyilvánosan elérhető forrásból származó adatra képezték ki. A hangolt modellek asszisztens-szerű csevegésre szolgálnak, míg az előre betanított modellek különféle természetes nyelvgenerálási feladatokra adaptálhatók. Függetlenül attól, hogy a fejlesztő a modell melyik verzióját használja, a felelős használati útmutató a Metától segíthet a további finomhangolásokban, amelyek szükségesek lehetnek a modellek testreszabásához és optimalizálásához a megfelelő biztonsági intézkedésekkel.
Mi az a SageMaker JumpStart
A SageMaker JumpStart segítségével az ML gyakorlói a nyílt forráskódú alapozó modellek széles választékából választhatnak. Az ML gyakorlói alapmodelleket telepíthetnek dedikált Amazon SageMaker példányokat egy hálózattól elszigetelt környezetből, és testreszabhatja a modelleket a SageMaker segítségével a modell betanítására és telepítésére.
Most már néhány kattintással felfedezheti és üzembe helyezheti a Llama 2-t Amazon SageMaker Studio vagy programozottan a SageMaker Python SDK-n keresztül, lehetővé téve a modell teljesítményének és az MLOps vezérlők származtatását a SageMaker funkciókkal, mint pl. Amazon SageMaker csővezetékek, Amazon SageMaker Debuggervagy konténernaplókat. A modellt AWS biztonságos környezetben és az Ön VPC-vezérlése alatt helyezik üzembe, így biztosítva az adatbiztonságot. A Llama 2 modellek ma elérhetőek az Amazon SageMaker Stúdióban, kezdetben us-east 1
és a us-west 2
régiók.
Fedezze fel a modelleket
Az alapmodelleket a SageMaker JumpStart segítségével érheti el a SageMaker Studio UI-ban és a SageMaker Python SDK-ban. Ebben a részben áttekintjük, hogyan fedezheti fel a modelleket a SageMaker Stúdióban.
A SageMaker Studio egy integrált fejlesztői környezet (IDE), amely egyetlen web-alapú vizuális felületet biztosít, ahol hozzáférhet a célra épített eszközökhöz az ML fejlesztési lépések elvégzéséhez, az adatok előkészítésétől az ML modellek felépítéséig, betanításáig és telepítéséig. A SageMaker Studio megkezdésével és beállításával kapcsolatos további részletekért lásd: Amazon SageMaker Studio.
A SageMaker Studio használata után elérheti a SageMaker JumpStart alkalmazást, amely előre betanított modelleket, notebookokat és előre elkészített megoldásokat tartalmaz. Előre elkészített és automatizált megoldások.
A SageMaker JumpStart nyitóoldalán megoldások, modellek, notebookok és egyéb források között böngészhet. Két zászlóshajó Llama 2 modellt találhat az oldalon Alapozó modellek: Szöveggenerálás körhinta. Ha nem látja a Llama 2 modelleket, frissítse a SageMaker Studio verzióját úgy, hogy leállítja és újraindítja. A verziófrissítésekkel kapcsolatos további információkért lásd: Állítsa le és frissítse a Studio alkalmazásokat.
Választással további négy modellváltozatot is találhat Fedezze fel az összes szöveggenerációs modellt vagy keres llama
a keresőmezőbe.
A modellkártya kiválasztásával megtekintheti a modell részleteit, például a licencet, a betanításhoz használt adatokat és a használat módját. Két gombot is találhat, Telepítése és a Nyissa meg a Jegyzetfüzetet, amelyek segítenek a modell használatában.
Ha bármelyik gombot választja, egy felugró ablakban megjelenik a végfelhasználói licencszerződés és az elfogadható használati szabályzat, amelyet tudomásul kell venni.
A nyugtázás után továbblép a modell használatának következő lépésére.
Telepítsen egy modellt
Ha úgy dönt Telepítése és nyugtázza a feltételeket, megkezdődik a modell bevezetése. Alternatív megoldásként telepítheti a példa-jegyzetfüzeten keresztül, amely a választással megjelenik Nyissa meg a Jegyzetfüzetet. A példajegyzetfüzet teljes körű útmutatást nyújt a modell telepítéséhez a következtetések levonásához és az erőforrások tisztításához.
A notebook használatával történő üzembe helyezéshez először kiválasztjuk a megfelelő modellt, amelyet a model_id
. A kiválasztott modellek bármelyikét üzembe helyezheti a SageMakerben a következő kóddal:
Ez a SageMaker modellt alapértelmezett konfigurációkkal telepíti, beleértve az alapértelmezett példánytípust és az alapértelmezett VPC-konfigurációkat. Módosíthatja ezeket a konfigurációkat a nem alapértelmezett értékek megadásával JumpStartModel. A telepítés után a SageMaker előrejelzőn keresztül következtetéseket futtathat a telepített végponttal kapcsolatban:
A finomhangolt csevegési modellek (Llama-2-7b-chat, Llama-2-13b-chat, Llama-2-70b-chat) elfogadják a csevegés előzményeit a felhasználó és a csevegési asszisztens között, és létrehozzák a következő csevegést. Az előre betanított modellek (Llama-2-7b, Llama-2-13b, Llama-2-70b) karakterlánc-promptot igényelnek, és a szövegkiegészítést a megadott prompton hajtják végre. Lásd a következő kódot:
Vegye figyelembe, hogy alapértelmezés szerint accept_eula
hamisra van állítva. Be kell állítani accept_eula=true
a végpont sikeres meghívásához. Ezzel elfogadja a felhasználói licencszerződést és a korábban említett elfogadható használati szabályzatot. Te is letöltés a licencszerződést.
Custom_attributes
Az EULA átadására kulcs/érték párokat használnak. A kulcs és az érték a következővel van elválasztva =
és a párokat a ;
. Ha a felhasználó többször is átadja ugyanazt a kulcsot, akkor az utolsó érték megmarad, és átadja a szkriptkezelőnek (azaz ebben az esetben feltételes logikára használják). Például ha accept_eula=false; accept_eula=true
akkor átkerül a szerverhez accept_eula=true
megőrzi és átadja a szkriptkezelőnek.
A következtetési paraméterek vezérlik a szöveggenerálási folyamatot a végponton. A maximális új tokenek vezérlése a modell által generált kimenet méretére vonatkozik. Vegye figyelembe, hogy ez nem azonos a szavak számával, mert a modell szókincse nem egyezik meg az angol nyelv szókincsével, és előfordulhat, hogy az egyes token nem angol nyelvű szó. A hőmérséklet szabályozza a kimenet véletlenszerűségét. A magasabb hőmérséklet kreatívabb és hallucináltabb kimeneteket eredményez. Az összes következtetési paraméter nem kötelező.
A következő táblázat felsorolja a SageMaker JumpStartban elérhető összes Llama modellt, valamint a model_ids
, alapértelmezett példánytípusok és az egyes modelleknél támogatott teljes tokenek maximális száma (a bemeneti tokenek számának és a generált tokenek számának összege).
Modell neve | Modellazonosító | Max Total Tokens | Alapértelmezett példánytípus |
Láma-2-7b | meta-szöveggeneráció-láma-2-7b | 4096 | ml.g5.2xnagy |
Láma-2-7b-csevegés | meta-szöveggeneráció-láma-2-7b-f | 4096 | ml.g5.2xnagy |
Láma-2-13b | meta-szöveggeneráció-láma-2-13b | 4096 | ml.g5.12xnagy |
Láma-2-13b-csevegés | meta-szöveggeneráció-láma-2-13b-f | 4096 | ml.g5.12xnagy |
Láma-2-70b | meta-szöveggeneráció-láma-2-70b | 4096 | ml.g5.48xnagy |
Láma-2-70b-csevegés | meta-szöveggeneráció-láma-2-70b-f | 4096 | ml.g5.48xnagy |
Vegye figyelembe, hogy a SageMaker végpontok időkorlátja 60 másodperc. Így, bár a modell képes lehet 4096 tokent generálni, ha a szöveggenerálás több mint 60 másodpercet vesz igénybe, a kérés sikertelen lesz. A 7B, 13B és 70B modellekhez javasoljuk a beállítást max_new_tokens
nem lehet nagyobb 1500-nál, 1000-nél és 500-nál, miközben a tokenek teljes száma 4K alatt marad.
Következtetési és példakérdések a Llama-2-70b-hez
A Llama modelleket bármilyen szövegrészhez használhatja a szöveg kiegészítésére. A szöveggenerálás révén különféle feladatokat hajthat végre, mint például kérdések megválaszolása, nyelvi fordítás, hangulatelemzés és még sok más. A végpontba bevitt hasznos terhelés a következő kódhoz hasonlóan néz ki:
Az alábbiakban néhány példa-parancssor és a modell által generált szöveg található. Minden kimenet következtetési paraméterekkel jön létre {"max_new_tokens":256, "top_p":0.9, "temperature":0.6}
.
A következő példában bemutatjuk, hogyan kell használni a láma modelleket néhány felvételes kontextuson belüli tanulással, ahol a modell számára elérhető képzési mintákat biztosítunk. Vegye figyelembe, hogy csak a telepített modellre vonunk le következtetéseket, és a folyamat során a modell súlya nem változik.
Következtetési és példakérdések a Llama-2-70b-chathez
A párbeszédes felhasználási esetekre optimalizált Llama-2-Chat modelleknél a csevegési modell végpontjainak bemenete a csevegési asszisztens és a felhasználó közötti korábbi történet. Kérdéseket tehet fel az eddigi beszélgetéssel összefüggésben. Megadhatja a rendszerkonfigurációt is, például személyeket, amelyek meghatározzák a csevegési asszisztens viselkedését. A végpont bemeneti hasznos terhelése a következő kódhoz hasonlóan néz ki:
Az alábbiakban néhány példa-parancssor és a modell által generált szöveg található. Minden kimenet a következtetési paraméterekkel generálódik {"max_new_tokens": 512, "top_p": 0.9, "temperature": 0.6}
.
A következő példában a felhasználó beszélgetést folytatott az asszisztenssel Párizs turisztikai helyszíneiről. Ezután a felhasználó a chat-asszisztens által javasolt első lehetőségről érdeklődik.
A következő példákban beállítjuk a rendszer konfigurációját:
Tisztítsuk meg
Miután befejezte a jegyzetfüzet futtatását, mindenképpen töröljön minden erőforrást, így a folyamat során létrehozott összes erőforrás törlődik, és a számlázás leáll:
Következtetés
Ebben a bejegyzésben megmutattuk, hogyan kezdje el a Llama 2 modelleket a SageMaker Stúdióban. Ezzel hat Llama 2 alapozó modellhez férhet hozzá, amelyek több milliárd paramétert tartalmaznak. Mivel az alapmodellek előre betanítottak, segíthetnek csökkenteni a képzési és infrastrukturális költségeket, és lehetővé teszik a testreszabást az Ön használati esetéhez. A SageMaker JumpStart használatának megkezdéséhez keresse fel a következő forrásokat:
A szerzőkről
June nyert a SageMaker JumpStart termékmenedzsere. Arra összpontosít, hogy az alapmodelleket könnyen felfedezhetővé és használhatóvá tegye, hogy segítse az ügyfeleket generatív AI-alkalmazások létrehozásában. Az Amazonnál szerzett tapasztalatai közé tartozik a mobil vásárlási alkalmazás és az utolsó mérföldes szállítás is.
Dr. Vivek Madan az Amazon SageMaker JumpStart csapatának alkalmazott tudósa. PhD fokozatát az Illinoisi Egyetemen szerezte, az Urbana-Champaign-ben, és a Georgia Tech posztdoktori kutatója volt. Aktív kutatója a gépi tanulásnak és az algoritmustervezésnek, és publikált előadásokat EMNLP, ICLR, COLT, FOCS és SODA konferenciákon. Dr. Kyle Ulrich az Amazon SageMaker JumpStart csapatának alkalmazott tudósa. Kutatási területei közé tartoznak a skálázható gépi tanulási algoritmusok, a számítógépes látás, az idősorok, a Bayes-féle nem-paraméterek és a Gauss-folyamatok. Doktori fokozatát a Duke Egyetemen szerezte, és publikációkat publikált a NeurIPS-ben, a Cell-ben és a Neuron-ban. Dr. Ashish Khetan az Amazon SageMaker JumpStart vezető alkalmazott tudósa, és segít gépi tanulási algoritmusok fejlesztésében. PhD fokozatát az Illinois Urbana-Champaign Egyetemen szerezte. A gépi tanulás és a statisztikai következtetések aktív kutatója, és számos közleményt publikált NeurIPS, ICML, ICLR, JMLR, ACL és EMNLP konferenciákon. Sundar Ranganathan az AWS GenAI/Frameworks GTM specialistáinak globális vezetője. GTM-stratégia fejlesztésére összpontosít nagy nyelvi modellekhez, GenAI-hoz és nagyszabású ML-munkaterhelésekhez olyan AWS-szolgáltatásokban, mint az Amazon EC2, EKS, EFA, AWS Batch és Amazon SageMaker. Tapasztalatai közé tartozik a termékmenedzsment és termékfejlesztés vezetői szerepe a NetApp-nál, a Micron Technology-nál, a Qualcommnál és a Mentor Graphicsnál.
- 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.
- BlockOffsets. A környezetvédelmi ellentételezési tulajdon korszerűsítése. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/llama-2-foundation-models-from-meta-are-now-available-in-amazon-sagemaker-jumpstart/
- :van
- :is
- :nem
- :ahol
- $ UP
- 1
- 10
- 100
- 11
- 13
- 15%
- 17
- 19
- 20
- 30
- 31
- 33
- 360 fokos
- 40
- 4k
- 500
- 7
- 70
- 8
- 9
- a
- Képes
- Rólunk
- Elfogad!
- elfogadható
- hozzáférés
- megközelíthetőség
- hozzáférhető
- Szerint
- elismerni
- át
- aktív
- hozzá
- hozzáadásával
- További
- cím
- Után
- újra
- ellen
- Megállapodás
- AI
- algoritmus
- algoritmusok
- összehangolása
- Minden termék
- lehetővé
- mentén
- Is
- mindig
- am
- amazon
- Amazon EC2
- Amazon SageMaker
- Amazon SageMaker JumpStart
- Amazon SageMaker Studio
- Az Amazon Web Services
- Amerikai
- an
- elemzés
- és a
- és az infrastruktúra
- bejelent
- Másik
- válasz
- bármilyen
- bárki
- Alkalmazás
- alkalmazások
- alkalmazott
- méltányol
- megfelelő
- Ív
- építészet
- VANNAK
- Művészet
- AS
- segít
- Helyettes
- At
- Légkör
- látnivalók
- Automatizált
- elérhető
- AWS
- Banán
- alapvető
- Csata
- bayesi
- BE
- szép
- szépség
- lett
- mert
- válik
- óta
- sör
- előtt
- viselkedés
- Peking
- Hisz
- úgy
- BEST
- között
- számlázás
- Billió
- milliárd
- Fekete
- Doboz
- szünet
- lélegzetelállító
- széles
- épít
- Épület
- épült
- de
- gomb
- by
- hívott
- TUD
- tőke
- autó
- kártya
- körhinta
- eset
- esetek
- CAT
- változik
- Csokoládé
- 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
- választja
- Város
- klasszikus
- kód
- gyűjtemény
- kombinált
- kombájnok
- jön
- érkező
- kereskedelmi
- vállalat
- befejezés
- számítógép
- Számítógépes látás
- konferenciák
- magabiztos
- Configuration
- figyelembe vett
- állandó
- építés
- tartalmaz
- Konténer
- tartalmaz
- tartalom
- szövegre vonatkozó
- folytatódik
- folyamatosan
- ellenőrzés
- ellenőrzések
- Kényelmes
- Beszélgetés
- kiadások
- ország
- bátorság
- terjed
- teremt
- készítette
- Kreatív
- kulturális
- kultúra
- Csésze
- Ügyfelek
- testreszabás
- testre
- dátum
- adatbiztonság
- elszánt
- ajánlás
- alapértelmezett
- meghatározott
- kézbesítés
- telepíteni
- telepített
- bevezetéséhez
- bevetés
- bevet
- Design
- tervezett
- kívánatos
- rendeltetési hely
- úticél
- részletek
- Fejleszt
- fejlett
- Fejlesztő
- fejlesztése
- Fejlesztés
- Párbeszéd
- különbség
- különböző
- nehéz
- felfedez
- megkülönböztető
- do
- dokumentumfilmek
- Ennek
- csinált
- ne
- megduplázódott
- le-
- Herceg
- herceg egyetem
- alatt
- e
- minden
- Korábban
- könnyen
- könnyű
- Edward
- Einstein
- bármelyik
- lehetővé
- lehetővé téve
- végén
- végtől végig
- Endpoint
- Mérnöki
- Angol
- élvez
- elég
- biztosítására
- Környezet
- felszerelés
- Éter
- Még
- események
- mindenki
- példa
- példák
- izgatott
- tapasztalat
- kísérlet
- kísérletek
- expressz
- FAIL
- Sikertelen
- igazságos
- hamis
- család
- híres
- messze
- tett
- jellegű
- Jellemzők
- Visszacsatolás
- láb
- kevés
- filmek
- utolsó
- Végül
- Találjon
- vezetéknév
- zászlóshajó
- Úszó
- flow
- koncentrál
- következő
- A
- Előre
- talált
- Alapítvány
- négy
- Franciaország
- francia
- ból ből
- teljesen
- további
- jövő
- általános
- generál
- generált
- generáció
- nemző
- Generatív AI
- Grúzia
- kap
- Ad
- üveg
- Globális
- Go
- megy
- grafika
- nagy
- nagyobb
- úttörő
- Nő
- útmutatást
- útmutató
- kellett
- Fogantyúk
- történt
- boldog
- Kemény
- kemény munka
- Legyen
- tekintettel
- he
- fej
- segít
- segít
- segít
- itt
- hi
- Magas
- <p></p>
- övé
- történeti
- történelem
- ház
- Hogyan
- How To
- HTML
- HTTPS
- Kerékagy
- emberi
- i
- ikonszerű
- ötlet
- if
- ii
- Illinois
- Hatás
- importál
- fontos
- hatásos
- in
- tartalmaz
- magában foglalja a
- Beleértve
- Bejegyzett
- információ
- Infrastruktúra
- alapvetően
- bemenet
- inspirálta
- inspiráló
- példa
- azonnal
- utasítás
- integrált
- szándékolt
- érdekek
- Felület
- bele
- izolált
- IT
- ITS
- utazás
- jpg
- éppen
- tartás
- tartotta
- Kulcs
- Kedves
- Ismer
- ismert
- leszállási
- tájékozódási pont
- nyelv
- nagy
- nagyarányú
- legnagyobb
- keresztnév
- Késő
- indít
- törvények
- Vezetés
- TANUL
- Tanulj és nőj
- tanulás
- legkevésbé
- kevesebb
- szintek
- Engedély
- élet
- fény
- mint
- LIMIT
- listák
- irodalom
- ll
- Láma
- logika
- Hosszú
- hosszú idő
- keres
- MEGJELENÉS
- szerelem
- szeretett
- alacsonyabb
- gép
- gépi tanulás
- készült
- csinál
- KÉSZÍT
- Gyártás
- vezetés
- menedzser
- sok
- csoda
- Anyag
- maximális
- Lehet..
- jelenti
- intézkedés
- Média
- közepes
- említett
- üzenet
- meta
- mikron
- perc
- Perc
- keverék
- ML
- MLOps
- Mobil
- modell
- modellek
- pillanat
- hónap
- több
- a legtöbb
- Legnepszerubb
- mozgás
- film
- sok
- múzeum
- Múzeumok
- zene
- név
- Természetes
- elengedhetetlen
- Szükség
- szükséges
- hálózat
- Új
- New York
- következő
- nem
- jegyzetfüzet
- Most
- szám
- számos
- NY
- of
- ajánlat
- felajánlás
- Ajánlatok
- Olaj
- on
- egyszer
- ONE
- csak
- nyitva
- nyílt forráskódú
- Optimalizálja
- optimalizált
- opció
- or
- Más
- Egyéb
- másképp
- mi
- ki
- teljesítmény
- felett
- átfogó
- oldal
- párok
- Papír
- papírok
- paraméter
- paraméterek
- Párizs
- rész
- elhalad
- Elmúlt
- bérletek
- múlt
- béke
- Teljesít
- teljesítmény
- állandó
- telefon
- fényképek
- Fizika
- darab
- Pizza
- műanyag
- Plató
- Platón adatintelligencia
- PlatoData
- játszott
- politika
- pop-up
- Népszerű
- állás
- postai
- Predictor
- preferenciák
- előkészítése
- be
- előző
- folyamat
- Folyamatok
- Termékek
- termékfejlesztés
- termékmenedzsment
- termék menedzser
- javaslatok
- büszke
- ad
- feltéve,
- biztosít
- amely
- nyilvános
- tömegközlekedési
- nyilvánosan
- közzétett
- cél
- tesz
- Piton
- Qualcomm
- Kérdések
- Quick
- gyorsan
- rámpák
- véletlenszerűség
- hatótávolság
- kezdve
- kész
- miatt
- kap
- recept
- ajánl
- ajánlott
- kifejezés
- Tekintet nélkül
- régiók
- relatív
- relativitás
- megismételt
- képvisel
- kérni
- megköveteli,
- kutatás
- kutató
- Tudástár
- illetőleg
- Reagálni
- REST
- eredményez
- Eredmények
- Folyó
- Szerep
- szerepek
- futás
- futás
- s
- Biztonság
- sagemaker
- só
- azonos
- skálázható
- Skála
- Tudós
- tudósok
- sdk
- SEA
- Keresés
- keres
- Rész
- biztonság
- biztonság
- lát
- látás
- Úgy tűnt
- kiválasztott
- kiválasztása
- kiválasztás
- küld
- idősebb
- érzés
- Series of
- Szolgáltatások
- szolgáló
- készlet
- beállítás
- Alak
- cápa
- Bevásárlás
- kellene
- előadás
- kimutatta,
- Műsorok
- leállítás
- jelentőség
- jelentős
- Egyszerű
- egyszerűen
- egyetlen
- weboldal
- Webhely (ek)
- SIX
- Méret
- Lassan
- kicsi
- So
- eddig
- Közösség
- Közösségi média
- Megoldások
- néhány
- forrás
- Források
- speciális
- szakemberek
- meghatározott
- sebesség
- állványok
- kezdet
- kezdődött
- Állami
- Államok
- statisztikai
- Lépés
- Lépései
- megállt
- Stratégia
- Húr
- struktúra
- stúdió
- Lenyűgöző
- tárgy
- későbbi
- siker
- sikeresen
- ilyen
- Támogatott
- biztos
- szimbólum
- rendszer
- táblázat
- Vesz
- tart
- feladatok
- íz
- csapat
- tech
- Technológia
- ideiglenes
- feltételek
- mint
- Kösz
- hogy
- A
- Főváros
- A jövő
- The Source
- a világ
- azok
- Őket
- elmélet
- Ott.
- Ezek
- ők
- dolgok
- Szerintem
- ezt
- bár?
- Keresztül
- tigris
- idő
- Idősorok
- alkalommal
- Cím
- nak nek
- Ma
- együtt
- jelképes
- tokenek
- szerszámok
- felső
- Végösszeg
- Tower
- Vonat
- Képzések
- transzformátor
- fordít
- Fordítás
- szállítás
- Trillió
- megpróbál
- kettő
- típus
- típusok
- ui
- alatt
- felejthetetlen
- egyedi
- egyetemi
- -ig
- Frissítések
- Frissítés
- használható
- használ
- használati eset
- használt
- használó
- Felhasználók
- használ
- segítségével
- érték
- Értékek
- fajta
- változat
- verzió
- nagyon
- keresztül
- Megnézem
- nézetek
- látomás
- Látogat
- látogató
- kötet
- kívánatos
- háború
- volt
- we
- háló
- webes szolgáltatások
- web-alapú
- weboldal
- JÓL
- Bálna
- Mit
- Mi
- amikor
- mivel
- ami
- míg
- miért
- lesz
- ablakok
- val vel
- szó
- szavak
- Munka
- művek
- világ
- világhírű
- betakar
- év
- york
- te
- A te
- magad
- zephyrnet
- Postai irányítószám