Semakin besarnya pengaruh AI di organisasi-organisasi besar membawa tantangan krusial dalam mengelola platform AI. Hal ini termasuk mengembangkan platform yang terukur dan efisien secara operasional yang mematuhi standar kepatuhan dan keamanan organisasi. Studio Amazon SageMaker menawarkan serangkaian kemampuan komprehensif untuk praktisi pembelajaran mesin (ML) dan ilmuwan data. Ini termasuk lingkungan pengembangan AI yang terkelola sepenuhnya dengan lingkungan pengembangan terintegrasi (IDE), yang menyederhanakan alur kerja ML ujung ke ujung. Kemampuan kolaboratifnya seperti mengedit bersama secara real-time dan berbagi buku catatan dalam tim memastikan kerja tim yang lancar, sementara skalabilitas dan pelatihan berkinerja tinggi melayani kumpulan data yang besar. Dengan keamanan bawaan, efektivitas biaya, dan serangkaian alat siap pakai seperti Autopilot Amazon SageMaker, Mulai Lompatan Amazon SageMaker, dan Toko Fitur Amazon SageMaker, SageMaker Studio adalah platform canggih untuk mempercepat proyek AI dan memberdayakan ilmuwan data di setiap tingkat keahlian.
Deutsche Bahn adalah organisasi transportasi terkemuka di Jerman dengan pendapatan sebesar 56.3 miliar EUR (pada tahun 2022), dengan tenaga kerja sebanyak 336,884 karyawan (termasuk 221,343 karyawan di Jerman), dan beroperasi di 130 negara. Mereka menawarkan berbagai layanan, termasuk transportasi umum dan regional, layanan pengangkutan, dan infrastruktur kereta api. Melalui pengoperasian infrastruktur lalu lintas dan kereta api yang terintegrasi, serta koneksi semua moda transportasi yang cerdas secara ekonomi dan ekologis, Deutsche Bahn menggerakkan orang dan barang. Deutsche Bahn telah menjadi yang terdepan dalam mengadopsi AI, menggunakan SageMaker Studio sebagai platform AI utama. Di Deutsche Bahn, tim platform AI khusus mengelola dan mengoperasikan platform SageMaker Studio, dan beberapa tim analisis data dalam organisasi menggunakan platform tersebut untuk mengembangkan, melatih, dan menjalankan berbagai aktivitas analisis dan ML.
Tujuan utama tim platform AI adalah memastikan akses lancar ke layanan Workbench dan SageMaker Studio untuk semua tim dan proyek Deutsche Bahn, dengan fokus utama pada ilmuwan data dan insinyur ML. Platform ini membantu Deutsche Bahn mewujudkan spektrum kasus penggunaan, mulai dari pemeliharaan kereta api, perkiraan, dan penerapan AI generatif di masa depan.
Layanan terkelola platform AI, yang dibangun di SageMaker Studio, selaras dengan strategi platform grup Deutsche Bahn. Ini memenuhi persyaratan kepatuhan perusahaan, memungkinkan inisiasi proyek yang cepat untuk tim dengan menyediakan domain SageMaker, dan mengurangi overhead pemeliharaan karena model operasi yang menyeluruh. Manfaat utama mencakup skalabilitas layanan yang tinggi, sebagian besar disebabkan oleh otomatisasi dan model layanan mandiri, serta model penetapan harga menarik yang terutama didasarkan pada konsumsi sumber daya.
“SageMaker Studio memberi kami platform umum yang dapat diskalakan, sesuai dengan keamanan, dan memenuhi kebutuhan pengembangan ilmuwan data dari berbagai tim analisis data dalam organisasi DB. Sebelumnya, setiap tim mengelola dan mengoperasikan notebook JupyterLab mereka sendiri, yang tidak efisien atau hemat biaya. Dalam waktu 8 minggu, kami melibatkan lebih dari 120 pengembang, menyediakan 25 domain SageMaker, dan dengan cepat mulai menggunakan platform ini.”
– Emmanuel Drosos, pemilik produk di DB Systel.
Dalam postingan ini, kami mengeksplorasi bagaimana Deutsche Bahn menskalakan dan mengoperasikan platform AI mereka menggunakan SageMaker Studio untuk banyak tim, sekaligus memastikan keamanan dan pengawasan yang kuat.
Ikhtisar solusi
Arsitektur di Deutsche Bahn terdiri dari akun platform pusat yang dikelola oleh tim platform yang bertanggung jawab mengelola infrastruktur dan operasi SageMaker Studio. Sumber daya SageMaker Studio dikelompokkan berdasarkan Domain SageMaker, masing-masing terdiri dari yang terkait Sistem File Amazon Elastis (Amazon EFS), daftar pengguna resmi, dan berbagai keamanan, aplikasi, kebijakan, dan Cloud Pribadi Virtual Amazon Konfigurasi (Amazon VPC). Di Deutsche Bahn, data scientist dari berbagai tim menggunakan domain SageMaker untuk aktivitas ML mereka; setiap tim memiliki domain SageMaker khusus yang mereka gunakan untuk mengembangkan dan menguji model ML dan berkolaborasi menggunakan fitur seperti berbagi buku catatan.
Dari segi infrastruktur, VPC disediakan di akun platform AI seperti yang ditunjukkan pada gambar berikut, tidak memiliki konektivitas internet keluar untuk memastikan keamanan dan kepatuhan. Untuk ketersediaan tinggi, beberapa subnet terisolasi pribadi yang identik disediakan. Domain SageMaker Studio disebarkan dalam mode VPC saja, yang menciptakan antarmuka jaringan elastis untuk komunikasi antara akun layanan SageMaker (akun layanan AWS) dan VPC akun platform. Titik akhir seperti SageMaker API, SageMaker Studio, dan notebook SageMaker memfasilitasi komunikasi yang aman dan andal antara VPC akun platform dan domain SageMaker yang dikelola oleh AWS di akun layanan SageMaker.
Setiap tim analisis data dapat meminta satu atau beberapa domain SageMaker melalui portal layanan mandiri internal perusahaan. Proses pemesanan domain SageMaker ini diatur melalui proses alur kerja terpisah (melalui Fungsi Langkah AWS). Selama alur orkestrasi ini, grup Azure Active Directory (AD) untuk tim analisis data disediakan dengan nama grup AD yang sesuai dengan nama domain. Orkestrasi ini mengarah pada pipeline integrasi berkelanjutan dan penerapan berkelanjutan (CI/CD) yang menerapkan Kit Pengembangan AWS Cloud (AWS CDK) aplikasi yang terdiri dari domain SageMaker untuk masing-masing tim.
Selain domain SageMaker, domain yang disesuaikan Identitas AWS dan Manajemen Akses (IAM) peran (peran eksekusi SageMaker), Layanan Penyimpanan Sederhana Amazon Bucket (Amazon S3) (data-bucket), kunci terkelola pelanggan (CMK), dan sumber daya AWS lainnya disediakan selama proses penerapan oleh aplikasi AWS CDK, seperti yang diilustrasikan dalam gambar berikut. Grup AD berisi ilmuwan yang memerlukan akses ke domain SageMaker tim mereka. Nama grup AD sesuai dengan nama domain SageMaker dan terutama digunakan selama proses otorisasi.
Pemisahan klien diterapkan pada tingkat domain SageMaker dengan menggunakan mode autentikasi IAM. Peran IAM khusus domain (SageMaker-execution-role) dilampirkan ke setiap domain yang mengikuti prinsip hak istimewa paling rendah dan diambil alih oleh tim analisis data selama proses login. Peran ini memberi ilmuwan data dalam tim kemampuan untuk melakukan berbagai aktivitas, seperti menjalankan tugas pemrosesan, tugas penyetelan hyperparameter, tugas transformasi, dan eksperimen, serta membuat model. Aktivitas ML ini dijalankan atas nama pengguna oleh SageMaker menggunakan izin IAM pass role. Namun, tindakan tertentu seperti membuat bucket S3, mengubah peran IAM, memperbarui domain SageMaker, dan menyediakan instans besar dibatasi demi alasan keamanan, kepatuhan, dan pengendalian biaya. Kebijakan IAM terkait memastikan bahwa tim analisis data hanya memiliki akses ke bucket S3 dan CMK yang relevan untuk domain resmi mereka, seperti yang digambarkan dalam gambar berikut. Selain itu, peran SageMaker-execution-role memungkinkan anggota tim untuk mengambil peran di akun lain dalam organisasi Deutsche Bahn dari SageMaker Studio, memberi mereka fleksibilitas untuk mengakses sumber daya seperti Layanan Database Relasional Amazon (Amazon S3), bucket S3 lainnya, dan Amazon Athena. Kebijakan IAM menggunakan aws:RequestTag dan aws:ResourceTag untuk kontrol akses terperinci selama aktivitas SageMaker, seperti memproses tugas, melatih tugas, dan membuat model. Tag ini juga membantu melacak biaya terkait untuk domain tersebut. Untuk informasi lebih lanjut, lihat Tindakan, sumber daya, dan kunci syarat untuk Amazon SageMaker.
CMK mengenkripsi konten sistem file domain SageMaker yang disimpan di Amazon EFS dan konten bucket S3 (data-bucket) yang disediakan untuk menyimpan data untuk tugas pemrosesan dan transformasi SageMaker. Selain itu, kebijakan berbasis sumber daya, seperti kebijakan bucket dan kebijakan CMK, memberikan lapisan keamanan tambahan, membatasi akses hanya kepada anggota tim AI yang berwenang dan tindakan yang diizinkan pada sumber daya tersebut.
Tim AI tidak punya Konsol Manajemen AWS akses ke akun tim platform AI. Untuk mengakses SageMaker Studio, seperti yang diilustrasikan dalam gambar berikut, ilmuwan data dari tim analisis data menggunakan URL yang telah dibuat sebelumnya dengan mengautentikasi melalui Amazon Kognito aplikasi login khusus berbasis. Setelah pengguna masuk ke aplikasi khusus ini, mereka menerima token akses OAuth yang berisi informasi seperti nama grup AD. Setelah mereka masuk ke aplikasi khusus, pengguna meminta akses domain SageMaker melalui UI dengan memicu Gerbang API Amazon panggilan untuk menghasilkan URL yang telah ditandatangani. API Gateway memanggil PreSignUrlGenerator AWS Lambda fungsi dan kegunaan an Pengotorisasi Amazon Cognito untuk memvalidasi token akses OAuth di header permintaan. Fungsi PreSignUrlGenerator memvalidasi izin akses pengguna untuk domain SageMaker yang diminta dengan membandingkan nama AD di token akses terhadap domain SageMaker yang diminta. Setelah otorisasi berhasil, fungsi PreSignUrlGenerator membuat profil pengguna SageMaker saat login pertama dan menghasilkan respons URL yang telah ditentukan sebelumnya. Aplikasi login khusus kemudian mengarahkan pengguna ke domain SageMaker yang diminta.
CDK AWS
Solusi di Deutsche Bahn menggunakan AWS CDK sebagai infrastruktur sebagai kode (IaC) untuk menyediakan domain SageMaker bersama dengan sumber daya seperti bucket S3 dan CMK. Gambar berikut mengilustrasikan tumpukan dan sumber daya terkait yang digunakan untuk penerapan SageMaker. Tumpukan infrastruktur menangani penyiapan sumber daya penting seperti VPC, subnet, dan beberapa titik akhir SageMaker. Sumber daya seperti VPC, subnet, dan kebijakan kontrol layanan (SCP) dikelola oleh tim cloud pusat melalui tumpukan yang berbeda (tetapi ditampilkan di sini untuk kesederhanaan). SageMakerStudioStack terutama bertanggung jawab untuk menyediakan domain SageMaker, bucket data khusus, CMK, dan peran IAM khusus SageMaker-execution-role. Khususnya, setiap domain SageMaker disediakan melalui SageMakerStudioStack individualnya.
Solusinya menggunakan konstruksi L3 yang dibuat khusus (domain SageMaker Studio), seperti yang ditunjukkan pada gambar berikut, untuk sumber daya domain SageMaker. SageMaker Studio memiliki konfigurasi siklus hidup fitur yang mengaktifkan inisialisasi tertentu selama startup aplikasi JupyterLab atau KernelGateway.
Deutsch Bahn menggunakan konfigurasi siklus hidup seperti yang ditunjukkan pada gambar berikut untuk secara otomatis mendeteksi dan mematikan instans menganggur di domain SageMaker, sehingga mengurangi biaya yang tidak perlu. Karena konektivitas keluar yang terbatas, tim analisis data menggunakan gambar yang dihosting secara internal dan pustaka pihak ketiga dari artefak internal perusahaan. Skrip konfigurasi siklus hidup untuk KernelGateway mengonfigurasi manajer paket pip dan conda untuk mengalihkan unduhan ke lokasi artefaktori yang dihosting secara internal. Saat tulisan ini dibuat, tidak ada konstruksi AWS CDK untuk sumber daya konfigurasi siklus hidup; oleh karena itu, mereka menggunakan sumber daya CDK khusus untuk menyediakan dan mengelola skrip LifeCycleConfig. Sumber daya khusus di AWS CDK menawarkan kemampuan untuk menyediakan dan mengelola sumber daya yang tidak didukung secara langsung oleh Formasi AWS Cloud atau konstruksi AWS CDK.
Instalasi
Contoh aplikasi AWS CDK menunjukkan bagaimana berbagai komponen, termasuk domain SageMaker, konfigurasi siklus hidup, Amazon Cognito, dan IAM role dengan hak istimewa paling sedikit, berfungsi bersama. Dalam aplikasi, kelas SagemakerStudioStack menangani penyediaan domain SageMaker, IAM role (sagemaker-execution-role) yang diambil pengguna, CMK, konfigurasi siklus hidup, profil pengguna SageMaker, bucket S3 untuk pemrosesan data, dan grup pengguna Amazon Cognito. Demo aplikasi AWS CDK memberikan ikhtisar singkat tentang komponen utama, seperti domain SageMaker, konfigurasi siklus hidup, autentikasi melalui Amazon Cognito, dan IAM role dengan hak istimewa paling sedikit. SagemakerLoginStack, di sisi lain, bertanggung jawab untuk menerapkan kumpulan pengguna Amazon Cognito, fungsi Lambda, dan API Gateway untuk menghasilkan URL yang telah ditentukan sebelumnya. CognitoUserStack terutama berfokus pada penerapan pengguna dalam kumpulan pengguna Amazon Cognito.
Anda dapat menjalankan perintah berikut untuk mengkompilasi, mensintesis, dan menyebarkan aplikasi. Anda harus menyesuaikan akun, pengguna, dan kata sandi dalam kode contoh untuk aplikasi Anda. Kata sandi minimal harus 8 karakter, dengan karakter huruf besar dan angka. Parameter pengguna adalah pengguna domain SageMaker yang akan diautentikasi oleh Amazon Cognito.
- Unduh kode sumber dari GitHub repo.
- Bootstrap akun AWS. Pada kode berikut, sesuaikan nomor rekening dan Region sesuai kebutuhan:
- Instal paket dan kompilasi kode:
- Sintesis aplikasi AWS CDK:
- Terapkan aplikasi dengan semua tumpukan ke dalam akun dan Wilayah pilihan Anda:
- Unduh aplikasi Tukang Pos untuk melakukan panggilan API.
Jika Anda tidak memiliki akun Tukang Pos, buatlah akun gratis dengan email Anda. Jika Anda sudah memiliki akun, masuk ke akun Anda.
- pada File menu, pilih impor dan impor File JSON lingkungan tukang pos disertakan dalam repo GitHub.
- pada Lingkungan tab di Tukang Pos, cari lingkungan yang disebut SageMaker.
- Tambahkan variabel lingkungan berikut, yang Anda lihat sebagai bagian dari keluaran penyebaran tumpukan
SagemakerLoginStack
:
Gunakan parameter berikut (ambil nilai dari output selama penerapan cdk):
-
- nama domain – Parameter nama domain yang Anda lewati dalam penerapan cdk, misalnya team1
- ID-klien – ID klien Amazon Cognito
- rahasia klien – Rahasia klien Amazon Cognito.
- SageMaker-ditugaskan-api – URL API Gateway yang dibuat oleh AWS CDK, yang menghasilkan URL yang telah ditentukan sebelumnya
- titik akhir masuk-kognitif – URL titik akhir domain Amazon Cognito tempat aplikasi klien (dalam hal ini, Tukang Pos) mengautentikasi dengan memberikan kredensial pengguna (pengguna demo)
Langkah selanjutnya adalah membuat token OAuth2.
-
- pada Otorisasi tab, pilih lingkungan SageMaker dan pilih Hasilkan Token Akses Baru.
Semua nilai pada tab ini harus diisi sebelumnya.
-
- Perbarui variabel lingkungan dan pilih Dapatkan Token Akses Baru.
- Di jendela pop-up yang terbuka, masuk ke Amazon Cognito dengan nama pengguna (pengguna demo) dan kata sandi yang Anda gunakan sebelumnya.
Setelah otentikasi berhasil, token akses baru dibuat.
- Pilih Gunakan Token.
- Pilih
GeneratePresignedUrlDemo
di koleksi Postman SageMaker dan pilih Kirim. - Pastikan Anda memilih lingkungan yang tepat (SageMaker) pada daftar drop-down.
Ini membuat panggilan REST API ke API Gateway dan menghasilkan URL yang telah ditentukan sebelumnya untuk mengakses domain SageMaker. Anda dapat melihat URL ini di isi respons.
- Salin URL ini dan masukkan di jendela browser.
Domain SageMaker baru akan diluncurkan dengan profil pengguna Anda.
Aplikasi demo ini mendukung fitur SageMaker seperti tugas pelatihan, tugas pemrosesan, dan titik akhir model. Perhatikan bahwa fitur seperti Kanvas Amazon SageMaker, SageMaker JumpStart, dan SageMaker Feature Store tidak diaktifkan.
Membersihkan
Selesaikan langkah-langkah berikut untuk membersihkan sumber daya Anda:
- Di konsol SageMaker, di panel navigasi, pilih Domain, Profil pengguna, dan Apps.
- Hapus semua aplikasi yang berjalan (KernelGateway atau JupyterLab) dari solusi ini.
- Hapus semua profil pengguna SageMaker yang Anda buat pada langkah login.
- Di konsol Amazon EFS, hapus sistem file EFS dibuat untuk posting ini.
- Jalankan perintah berikut untuk menghapus sumber daya yang dibuat dengan AWS CDK:
Kesimpulan
Postingan tersebut menyoroti bagaimana Deutsche Bahn secara efektif menggunakan SageMaker Studio untuk memperbarui platform AI-nya, sehingga menghasilkan solusi yang terukur, otomatis, dan mudah dikelola untuk mendukung tim analisis datanya yang beragam. Arsitektur ini menampilkan akun platform pusat, proses pemesanan domain layanan mandiri, dan penyediaan infrastruktur menggunakan AWS CDK. Proses penerapan menggabungkan saluran CI/CD, memastikan kelancaran pengiriman domain SageMaker.
Secara keseluruhan, transformasi yang dilakukan oleh SageMaker Studio telah memberdayakan Deutsche Bahn untuk membangun platform yang kuat untuk inisiatif AI mereka, melayani lebih dari 100 pengembang dan mengelola 20 domain SageMaker dalam satu akun AWS.
Terakhir, kami menyampaikan penghargaan tulus kami kepada Nico Seegert (d-fine) dan Philipp Vollmer (Deutsche Bahn), yang kontribusinya yang sangat berharga berperan penting dalam membentuk arsitektur ini.
Untuk bacaan lebih lanjut, lihat sumber berikut:
___________________________________________________________________________________________
Tentang penulis
Prasanna Tuladhar adalah Arsitek Infrastruktur Cloud di AWS Professional Services di Munich, Jerman. Mengkhususkan diri dalam infrastruktur cloud, migrasi beban kerja, dan DevOps di platform AWS, ia memberdayakan pelanggan untuk mencapai tujuan bisnis mereka. Di luar pekerjaan, ia menikmati jogging, hiking, dan waktu berkualitas bersama keluarganya.
Emmanuel Drosos adalah Pemilik Produk untuk platform AI di DBSYstel, anak perusahaan Deutsche Bahn (DB) Jerman. Dengan semangat terhadap inovasi dan teknologi, Emmanuel mempelopori inisiatif yang bertujuan memanfaatkan kekuatan cloud untuk menggerakkan platform AI di DB (Deutsche Bahn). AI.Platform adalah salah satu platform pengembangan grup DB. Ini mencakup layanan dan alat AI untuk pengembangan model AI (pembelajaran mesin) dan layanan AI yang dapat digunakan secara langsung. Sederhana, terintegrasi, dan terukur. Dia bekerja sama dengan pelanggan DB lainnya untuk membuka potensi penuh platform AI, memungkinkan mereka mencapai tujuan bisnis secara efisien dan efektif. Di luar aktivitas profesionalnya, Emmanuel senang bepergian dan merupakan pecinta alam dan hiking yang antusias.
Wiswanath Bhat adalah Arsitek DevOps di AWS Professional Services, yang berbasis di Jerman. Dia membantu pelanggan mendapatkan manfaat penuh dari cloud dan mencapai tujuan bisnis mereka dengan AWS cloud. Saat tidak bekerja, dia suka berenang di danau pegunungan, hiking, membaca, atau bermain sepak bola.
Kumudhan Cherarajan adalah Konsultan DevOps di AWS Professional Services, yang berbasis di Swiss. Dia bersemangat membantu pelanggan mengadopsi proses dan layanan yang meningkatkan efisiensi mereka dalam perjalanan cloud. Saat tidak bekerja, dia suka bermain kriket dan musik.
- Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
- PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
- PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
- PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
- PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
- Sumber: https://aws.amazon.com/blogs/machine-learning/supercharge-your-ai-team-with-amazon-sagemaker-studio-a-comprehensive-view-of-deutsche-bahns-ai-platform-transformation/
- :memiliki
- :adalah
- :bukan
- :Di mana
- $NAIK
- 10
- 100
- 11
- 12
- 120
- 13
- 130
- 16
- 20
- 2022
- 237
- 25
- 350
- 7
- 8
- a
- kemampuan
- Sanggup
- Tentang Kami
- mempercepat
- mengakses
- Akun
- Akun
- Mencapai
- tindakan
- aktif
- kegiatan
- Ad
- tambahan
- Selain itu
- alamat
- mengambil
- Mengadopsi
- Setelah
- terhadap
- AI
- Platform AI
- Layanan AI
- ditujukan
- Rata
- Semua
- memungkinkan
- sepanjang
- sudah
- juga
- Amazon
- Amazon Kognito
- Amazon SageMaker
- Studio Amazon SageMaker
- Amazon Web Services
- an
- analisis
- dan
- dan infrastruktur
- api
- aplikasi
- Aplikasi
- aplikasi
- apresiasi
- aplikasi
- arsitektur
- ADALAH
- AS
- terkait
- menganggap
- diasumsikan
- At
- menarik
- Auth
- dikonfirmasi
- mengotentikasi
- Otentikasi
- otorisasi
- berwenang
- Otomatis
- secara otomatis
- Otomatisasi
- tersedianya
- AWS
- Layanan Profesional AWS
- Biru langit
- berdasarkan
- BE
- menjadi
- nama
- manfaat
- Manfaat
- antara
- Milyar
- tubuh
- Bootstrap
- kedua
- Membawa
- Terbawa
- Browser
- dibangun di
- built-in
- bisnis
- tapi
- by
- panggilan
- bernama
- CAN
- kemampuan
- yang
- kasus
- kasus
- katering
- melayani
- pusat
- tertentu
- tantangan
- karakter
- pilihan
- Pilih
- kelas
- membersihkan
- klien
- rapat
- awan
- infrastruktur cloud
- kode
- Berkolaborasi
- kolaboratif
- koleksi
- Umum
- Komunikasi
- Perusahaan
- pembandingan
- pemenuhan
- compliant
- komponen
- luas
- ringkas
- kondisi
- konfigurasi
- koneksi
- Konektivitas
- Terdiri dari
- terdiri
- konsul
- membangun
- konstruksi
- konsultan
- konsumsi
- mengandung
- isi
- kontinu
- kontribusi
- kontrol
- Sesuai
- berkorespondensi
- Biaya
- hemat biaya
- Biaya
- negara
- membuat
- dibuat
- menciptakan
- membuat
- Surat kepercayaan
- jangkrik
- sangat penting
- adat
- pelanggan
- pelanggan
- disesuaikan
- data
- Data Analytics
- pengolahan data
- Basis Data
- kumpulan data
- dedicated
- pengiriman
- demo
- menunjukkan
- digambarkan
- menyebarkan
- dikerahkan
- penggelaran
- penyebaran
- menghancurkan
- menemukan
- mengembangkan
- pengembang
- berkembang
- Pengembangan
- berbeda
- langsung
- direktori
- beberapa
- tidak
- domain
- Nama domain
- domain
- Dont
- turun
- download
- mendorong
- dua
- selama
- setiap
- Terdahulu
- efektif
- efisiensi
- efisien
- efisien
- karyawan
- diberdayakan
- memberdayakan
- memberdayakan
- memungkinkan
- memungkinkan
- ujung ke ujung
- Titik akhir
- Insinyur
- memastikan
- Memastikan
- memastikan
- Enter
- antusias
- Lingkungan Hidup
- penting
- EUR
- Setiap
- contoh
- eksperimen
- keahlian
- menyelidiki
- memperpanjang
- tambahan
- memudahkan
- keluarga
- Fitur
- Fitur
- Angka
- File
- Pertama
- keluwesan
- aliran
- Fokus
- berfokus
- berikut
- berikut
- sepak bola
- Untuk
- garis terdepan
- Gratis
- dari
- penuh
- sepenuhnya
- fungsi
- lebih lanjut
- masa depan
- pintu gerbang
- menghasilkan
- dihasilkan
- menghasilkan
- menghasilkan
- generatif
- AI generatif
- Jerman
- mendapatkan
- GitHub
- Go
- Anda
- barang
- mendapat
- beasiswa
- Kelompok
- Pertumbuhan
- tangan
- Menangani
- Memiliki
- he
- membantu
- membantu
- membantu
- di sini
- High
- kinerja tinggi
- Disorot
- -nya
- host
- Seterpercayaapakah Olymp Trade? Kesimpulan
- Namun
- HTML
- http
- HTTPS
- Penyesuaian Hyperparameter
- identik
- identitas
- Siaga
- if
- menggambarkan
- gambar
- diimplementasikan
- mengimpor
- in
- Di lain
- memasukkan
- termasuk
- termasuk
- Termasuk
- menggabungkan
- Meningkatkan
- sendiri-sendiri
- mempengaruhi
- informasi
- Infrastruktur
- inisiasi
- inisiatif
- Innovation
- install
- instrumental
- terpadu
- integrasi
- Cerdas
- Antarmuka
- intern
- internal
- Internet
- ke
- tak ternilai
- memanggil
- terpencil
- IT
- NYA
- Jobs
- perjalanan
- jpg
- json
- kunci
- kunci-kunci
- danau
- besar
- diluncurkan
- lapisan
- terkemuka
- Memimpin
- pengetahuan
- paling sedikit
- Tingkat
- leveraging
- perpustakaan
- siklus hidup
- 'like'
- 'like
- Daftar
- tempat
- mencatat
- masuk
- mesin
- Mesin belajar
- pemeliharaan
- utama
- membuat
- MEMBUAT
- mengelola
- dikelola
- berhasil
- pengelolaan
- Manajer
- mengelola
- pelaksana
- Memenuhi
- Anggota
- migrasi
- ML
- mode
- model
- model
- mode
- lebih
- bergerak
- beberapa
- musik
- nama
- Alam
- Navigasi
- dibutuhkan
- kebutuhan
- jaringan
- New
- Akses Baru
- berikutnya
- tidak
- terutama
- mencatat
- buku catatan
- jumlah
- nomor
- sumpah
- tujuan
- target
- of
- menawarkan
- Penawaran
- on
- ONE
- hanya
- membuka
- dioperasikan
- beroperasi
- operasi
- operasi
- Operasi
- or
- diatur
- teknik mengatur musik
- organisasi
- organisatoris
- organisasi
- Lainnya
- kami
- keluaran
- di luar
- lebih
- menyeluruh
- atas
- Kelalaian
- ikhtisar
- sendiri
- pemilik
- paket
- paket
- pane
- parameter
- parameter
- bagian
- lulus
- Lulus
- gairah
- bergairah
- Kata Sandi
- Konsultan Ahli
- Melakukan
- izin
- Izin
- perspektif
- pipa saluran
- Platform
- Platform
- plato
- Kecerdasan Data Plato
- Data Plato
- Bermain
- Kebijakan
- kebijaksanaan
- kolam
- pop-up
- Portal
- Pos
- potensi
- kekuasaan
- kuat
- di harga
- model penetapan harga
- terutama
- primer
- prinsip
- swasta
- hak istimewa
- hak
- proses
- pengolahan
- Produk
- profesional
- Profil
- profil
- proyek
- memprojeksikan
- memberikan
- disediakan
- menyediakan
- menyediakan
- ketentuan
- publik
- kualitas
- segera
- Rel
- jalan kereta api
- jarak
- mulai
- Bacaan
- real-time
- menyadari
- alasan
- menerima
- redirect
- mengurangi
- mengurangi
- lihat
- wilayah
- daerah
- relevan
- dapat diandalkan
- permintaan
- permintaan
- Persyaratan
- sumber
- Sumber
- itu
- tanggapan
- tanggung jawab
- ISTIRAHAT
- terbatas
- membatasi
- dihasilkan
- pendapatan
- benar
- kuat
- Peran
- peran
- Run
- berjalan
- pembuat bijak
- mencicipi
- Skalabilitas
- terukur
- diskalakan
- ilmuwan
- naskah
- mulus
- mulus
- Rahasia
- aman
- keamanan
- melihat
- terpilih
- Swalayan
- terpisah
- layanan
- Layanan
- set
- pengaturan
- membentuk
- berbagi
- harus
- ditunjukkan
- menutup
- menutup
- menandatangani
- Sederhana
- kesederhanaan
- menyederhanakan
- tunggal
- kelancaran
- larutan
- sumber
- kode sumber
- ketegangan
- mengkhususkan diri
- tertentu
- Spektrum
- tumpukan
- Tumpukan
- standar
- mulai
- startup
- Langkah
- Tangga
- penyimpanan
- menyimpan
- tersimpan
- Penyelarasan
- studio
- subnet
- anak perusahaan
- sukses
- seperti itu
- memperlengkapi secara keterlaluan
- mendukung
- Didukung
- Mendukung
- yakin
- SWIFT
- Swiss
- mempersatukan
- sistem
- Dibutuhkan
- tim
- Anggota tim
- tim
- kerja sama
- Teknologi
- pengujian
- bahwa
- Grafik
- Sumber
- mereka
- Mereka
- kemudian
- Sana.
- karena itu
- Ini
- mereka
- pihak ketiga
- ini
- Melalui
- waktu
- untuk
- bersama
- token
- alat
- jalur
- lalu lintas
- Pelatihan VE
- Pelatihan
- Transformasi
- mengangkut
- angkutan
- Perjalanan
- memicu
- menyetel
- ui
- membuka kunci
- tidak perlu
- memperbarui
- atas
- URL
- us
- dapat digunakan
- menggunakan
- bekas
- Pengguna
- Pengguna
- kegunaan
- menggunakan
- MENGESAHKAN
- Nilai - Nilai
- variasi
- berbagai
- melalui
- View
- maya
- volume
- adalah
- we
- jaringan
- layanan web
- minggu
- BAIK
- adalah
- ketika
- yang
- sementara
- SIAPA
- yang
- lebar
- Rentang luas
- akan
- jendela
- dengan
- dalam
- Kerja
- alur kerja
- Tenaga kerja
- kerja
- bekerja
- penulisan
- Kamu
- Anda
- zephyrnet.dll