Toko Fitur Amazon SageMaker adalah repositori yang dikelola sepenuhnya dan dibuat khusus untuk menyimpan, berbagi, dan mengelola fitur model pembelajaran mesin (ML). Fitur adalah masukan ke model ML yang digunakan selama pelatihan dan inferensi. Misalnya, dalam aplikasi yang merekomendasikan playlist musik, fiturnya dapat mencakup rating lagu, durasi mendengarkan, dan demografi pendengar. Fitur digunakan berulang kali oleh banyak tim, dan kualitas fitur sangat penting untuk memastikan model yang sangat akurat. Selain itu, ketika fitur yang digunakan untuk melatih model secara offline dalam batch tersedia untuk inferensi real-time, sulit untuk menjaga kedua penyimpanan fitur tetap tersinkronisasi. SageMaker Feature Store menyediakan penyimpanan yang aman dan terpadu untuk memproses, menstandardisasi, dan menggunakan fitur dalam skala besar di seluruh siklus hidup ML.
SageMaker Feature Store kini memudahkan berbagi, menemukan, dan mengakses grup fitur di seluruh akun AWS. Kemampuan baru ini mendorong kolaborasi dan meminimalkan duplikat pekerjaan untuk tim yang terlibat dalam model ML dan pengembangan aplikasi, khususnya di lingkungan perusahaan dengan banyak akun yang mencakup unit atau fungsi bisnis berbeda.
Dengan peluncuran ini, pemilik akun dapat memberikan akses ke grup fitur tertentu oleh akun lain yang menggunakan Manajer Akses Sumber Daya AWS (RAM AWS). Setelah mereka diberikan akses, pengguna akun tersebut dapat dengan mudah melihat semua grup fitur mereka, termasuk grup fitur yang dibagikan, melalui Studio Amazon SageMaker atau SDK. Hal ini memungkinkan tim untuk menemukan dan memanfaatkan fitur yang dikembangkan oleh tim lain, sehingga mendorong pertukaran pengetahuan dan efisiensi. Selain itu, detail penggunaan sumber daya bersama dapat dipantau amazoncloudwatch dan AWS CloudTrail. Untuk menyelam lebih dalam, lihat Kemampuan dan akses grup fitur lintas akun.
Dalam postingan ini, kami membahas alasan dan bagaimana penyimpanan fitur terpusat dengan akses lintas akun. Kami menunjukkan cara menyiapkannya dan menjalankan contoh demonstrasi, serta manfaat yang bisa Anda peroleh dengan menggunakan kemampuan baru ini di organisasi Anda.
Siapa yang butuh toko fitur lintas akun
Organisasi perlu berbagi fitur dengan aman ke seluruh tim untuk membangun model ML yang akurat, sekaligus mencegah akses tidak sah ke data sensitif. SageMaker Feature Store kini memungkinkan berbagi fitur secara terperinci di seluruh akun melalui AWS RAM, sehingga memungkinkan pengembangan model kolaboratif dengan tata kelola.
SageMaker Feature Store menyediakan penyimpanan dan manajemen yang dibuat khusus untuk fitur ML yang digunakan selama pelatihan dan inferensi. Dengan dukungan lintas akun, kini Anda dapat secara selektif berbagi fitur yang disimpan dalam satu akun AWS dengan akun lain di organisasi Anda.
Misalnya, tim analitik dapat menyusun fitur seperti profil pelanggan, riwayat transaksi, dan katalog produk di akun manajemen pusat. Ini harus diakses dengan aman oleh pengembang ML di departemen lain seperti pemasaran, deteksi penipuan, dan sebagainya untuk membangun model.
Berikut ini adalah manfaat utama berbagi fitur ML di seluruh akun:
- Fitur yang konsisten dan dapat digunakan kembali โ Berbagi fitur yang dikurasi secara terpusat meningkatkan akurasi model dengan menyediakan data masukan yang konsisten untuk dilatih. Tim dapat menemukan dan langsung menggunakan fitur yang dibuat oleh tim lain, alih-alih menduplikasinya di setiap akun.
- Kontrol akses grup fitur โ Anda dapat memberikan akses hanya ke grup fitur tertentu yang diperlukan untuk kasus penggunaan akun. Misalnya, tim pemasaran hanya mungkin mendapatkan akses ke grup fitur profil pelanggan yang diperlukan untuk model rekomendasi.
- Kolaborasi antar tim โ Fitur bersama memungkinkan tim yang berbeda seperti penipuan, pemasaran, dan penjualan untuk berkolaborasi dalam membangun model ML menggunakan data andal yang sama, alih-alih membuat fitur tersendiri.
- Jejak audit untuk kepatuhan โ Administrator dapat memantau penggunaan fitur oleh semua akun secara terpusat menggunakan log peristiwa CloudTrail. Hal ini memberikan jejak audit yang diperlukan untuk tata kelola dan kepatuhan.
Membedakan produsen dari konsumen di toko fitur lintas akun
Dalam bidang pembelajaran mesin, penyimpanan fitur bertindak sebagai jembatan penting, menghubungkan pihak yang menyediakan data dengan pihak yang memanfaatkannya. Dikotomi ini dapat dikelola secara efektif menggunakan pengaturan lintas akun untuk penyimpanan fitur. Mari kita jelaskan hal ini menggunakan persona berikut dan analogi dunia nyata:
- Insinyur data dan ML (pemilik dan produsen) โ Mereka meletakkan dasar dengan memasukkan data ke dalam penyimpanan fitur
- Ilmuwan data (konsumen) โ Mereka mengekstrak dan memanfaatkan data ini untuk membuat model mereka
Insinyur data berperan sebagai arsitek yang membuat sketsa cetak biru awal. Tugas mereka adalah membangun dan mengawasi jalur data yang efisien. Dengan mengambil data dari sistem sumber, mereka membentuk atribut data mentah menjadi fitur yang dapat dilihat. Ambil contoh โusiaโ. Meskipun hanya mewakili rentang antara sekarang dan tanggal lahir seseorang, penafsirannya mungkin berbeda-beda di setiap organisasi. Memastikan kualitas, keseragaman, dan konsistensi adalah yang terpenting di sini. Tujuan mereka adalah memasukkan data ke dalam penyimpanan fitur terpusat, menjadikannya sebagai titik referensi yang tidak perlu dipersoalkan.
Insinyur ML menyempurnakan fitur dasar ini dan menyesuaikannya untuk alur kerja ML yang matang. Dalam konteks perbankan, mereka mungkin menyimpulkan wawasan statistik dari saldo rekening, mengidentifikasi tren dan pola aliran. Kendala yang sering mereka hadapi adalah redundansi. Merupakan hal yang umum untuk melihat alur pembuatan fitur yang berulang di berbagai inisiatif ML.
Bayangkan ilmuwan data sebagai koki gourmet yang menjelajahi dapur lengkap, mencari bahan-bahan terbaik untuk mahakarya kuliner mereka berikutnya. Waktu mereka harus diinvestasikan untuk menyusun resep data yang inovatif, bukan untuk menyusun kembali dapur. Tantangannya saat ini adalah menemukan data yang benar. Antarmuka yang ramah pengguna, dilengkapi dengan alat pencarian yang efisien dan deskripsi fitur yang komprehensif, sangat diperlukan.
Intinya, pengaturan penyimpanan fitur lintas akun secara cermat mengelompokkan peran produsen dan konsumen data, memastikan efisiensi, kejelasan, dan inovasi. Baik Anda sedang meletakkan fondasi atau membangun di atasnya, mengetahui peran dan alat Anda sangatlah penting.
Diagram berikut menunjukkan dua tim data scientist berbeda, dari dua akun AWS berbeda, yang berbagi dan menggunakan penyimpanan fitur pusat yang sama untuk memilih fitur terbaik yang diperlukan untuk membangun model ML mereka. Penyimpanan fitur pusat terletak di akun berbeda yang dikelola oleh teknisi data dan teknisi ML, tempat lapisan tata kelola data dan data lake biasanya berada.
Kontrol grup fitur lintas akun
Dengan Toko Fitur SageMaker, Anda dapat berbagi sumber daya grup fitur di seluruh akun. Akun pemilik sumber daya berbagi sumber daya dengan akun konsumen sumber daya. Ada dua kategori izin berbeda yang terkait dengan berbagi sumber daya:
- Izin untuk dapat ditemukan - Dapat ditemukan berarti dapat melihat nama grup fitur dan metadata. Saat Anda memberikan izin kemampuan untuk dapat ditemukan, semua entitas grup fitur di akun tempat Anda berbagi (akun pemilik sumber daya) dapat ditemukan oleh akun yang Anda bagikan (akun konsumen sumber daya). Misalnya, jika Anda membuat akun pemilik sumber daya dapat ditemukan oleh akun konsumen sumber daya, maka entitas utama akun konsumen sumber daya dapat melihat semua grup fitur yang terdapat dalam akun pemilik sumber daya. Izin ini diberikan kepada akun konsumen sumber daya dengan menggunakan jenis sumber daya katalog SageMaker.
- Izin akses โ Saat Anda memberikan izin akses, Anda melakukannya di tingkat sumber daya grup fitur (bukan di tingkat akun). Hal ini memberi Anda kontrol yang lebih terperinci dalam memberikan akses ke data. Jenis izin akses yang dapat diberikan adalah read-only, read/write, dan admin. Misalnya, Anda hanya dapat memilih grup fitur tertentu dari akun pemilik sumber daya agar dapat diakses oleh pimpinan akun konsumen sumber daya, bergantung pada kebutuhan bisnis Anda. Izin ini diberikan kepada akun konsumen sumber daya dengan menggunakan jenis sumber daya grup fitur dan menentukan entitas grup fitur.
Contoh diagram berikut memvisualisasikan berbagi jenis sumber daya katalog SageMaker yang memberikan izin penemuan vs. berbagi entitas jenis sumber daya grup fitur dengan izin akses. Katalog SageMaker berisi semua entitas grup fitur Anda. Ketika diberikan izin penemuan, akun konsumen sumber daya dapat mencari dan menemukan semua entitas grup fitur dalam akun pemilik sumber daya. Entitas grup fitur berisi data ML Anda. Ketika diberikan izin akses, akun konsumen sumber daya dapat mengakses data grup fitur, dengan akses ditentukan oleh izin akses yang relevan.
Ikhtisar solusi
Selesaikan langkah-langkah berikut untuk berbagi fitur antar akun dengan aman menggunakan SageMaker Feature Store:
- Di akun sumber (pemilik), serap kumpulan data dan siapkan fitur yang dinormalisasi. Atur fitur-fitur terkait ke dalam grup logis yang disebut grup fitur.
- Buat pembagian sumber daya untuk memberikan akses lintas akun ke grup fitur tertentu. Tentukan tindakan yang diperbolehkan seperti ambil dan taruh, dan batasi akses hanya ke akun resmi.
- Di akun target (konsumen), terima undangan AWS RAM untuk mengakses fitur bersama. Tinjau kebijakan akses untuk memahami izin yang diberikan.
Pengembang di akun target kini dapat mengambil fitur bersama menggunakan SageMaker SDK, menggabungkan data tambahan, dan menggunakannya untuk melatih model ML. Akun sumber dapat memantau akses ke fitur bersama oleh semua akun menggunakan log peristiwa CloudTrail. Log audit memberikan visibilitas terpusat pada penggunaan fitur.
Dengan langkah-langkah ini, Anda dapat memungkinkan tim di seluruh organisasi Anda menggunakan fitur ML bersama dengan aman untuk pengembangan model kolaboratif.
Prasyarat
Kami berasumsi bahwa Anda telah membuat grup fitur dan memasukkan fitur terkait ke dalam akun pemilik Anda. Untuk informasi lebih lanjut tentang memulai, lihat Mulailah dengan Toko Fitur Amazon SageMaker.
Berikan izin untuk dapat ditemukan
Pertama, kami mendemonstrasikan cara membagikan katalog Toko Fitur SageMaker kami di akun pemilik. Selesaikan langkah-langkah berikut:
- Di akun pemilik katalog SageMaker Feature Store, buka konsol AWS RAM.
- Bawah Dibagikan oleh saya di panel navigasi, pilih Berbagi sumber daya.
- Pilih Buat berbagi sumber daya.
- Masukkan nama berbagi sumber daya dan pilih Katalog Sumber Daya SageMaker sebagai tipe sumber daya.
- Pilih Selanjutnya.
- Untuk akses yang hanya dapat ditemukan, masukkan
AWSRAMPermissionSageMakerCatalogResourceSearch
untuk Izin terkelola. - Pilih Selanjutnya.
- Masukkan ID akun konsumen Anda dan pilih Add. Anda dapat menambahkan beberapa akun konsumen.
- Pilih Selanjutnya dan selesaikan pembagian sumber daya Anda.
Sekarang katalog Toko Fitur SageMaker yang dibagikan akan muncul di Berbagi sumber daya .
Anda dapat mencapai hasil yang sama dengan menggunakan Antarmuka Baris Perintah AWS (AWS CLI) dengan perintah berikut (berikan Wilayah AWS Anda, ID akun pemilik, dan ID akun konsumen):
Terima undangan berbagi sumber daya
Untuk menerima undangan berbagi sumber daya, selesaikan langkah-langkah berikut:
- Di akun target (konsumen), buka konsol AWS RAM.
- Bawah Dibagikan dengan saya di panel navigasi, pilih Berbagi sumber daya.
- Pilih pembagian sumber daya baru yang tertunda.
- Pilih Terima berbagi sumber daya.
Anda dapat mencapai hasil yang sama menggunakan AWS CLI dengan perintah berikut:
Dari output perintah sebelumnya, ambil nilai resourceShareInvitationArn
lalu terima undangan dengan perintah berikut:
Alur kerjanya sama untuk berbagi grup fitur dengan akun lain melalui AWS RAM.
Setelah Anda berbagi beberapa grup fitur dengan akun target, Anda dapat memeriksa Toko Fitur SageMaker, tempat Anda dapat mengamati bahwa katalog baru telah tersedia.
Berikan izin akses
Dengan izin akses, kita dapat memberikan izin pada tingkat sumber daya grup fitur. Selesaikan langkah-langkah berikut:
- Di akun pemilik katalog SageMaker Feature Store, buka konsol AWS RAM.
- Bawah Dibagikan oleh saya di panel navigasi, pilih Berbagi sumber daya.
- Pilih Buat berbagi sumber daya.
- Masukkan nama berbagi sumber daya dan pilih Grup Fitur SageMaker sebagai tipe sumber daya.
- Pilih satu atau beberapa grup fitur untuk dibagikan.
- Pilih Selanjutnya.
- Untuk akses baca/tulis, enter
AWSRAMPermissionSageMakerFeatureGroupReadWrite
untuk Izin terkelola. - Pilih Selanjutnya.
- Masukkan ID akun konsumen Anda dan pilih Add. Anda dapat menambahkan beberapa akun konsumen.
- Pilih Selanjutnya dan selesaikan pembagian sumber daya Anda.
Sekarang katalog bersama akan muncul di Berbagi sumber daya .
Anda dapat mencapai hasil yang sama dengan menggunakan AWS CLI dengan perintah berikut (berikan Wilayah Anda, ID akun pemilik, ID akun konsumen, dan nama grup fitur):
Ada tiga jenis akses yang dapat Anda berikan ke grup fitur:
- AWSRAMPermissionSageMakerFeatureGroupReadOnly โ Hak istimewa baca-saja memungkinkan akun konsumen sumber daya membaca catatan dalam grup fitur bersama dan melihat detail dan metadata
- AWSRAMPermissionSageMakerFeatureGroupReadWrite โ Hak istimewa baca/tulis memungkinkan akun konsumen sumber daya untuk menulis catatan ke, dan menghapus catatan dari, grup fitur bersama, selain izin membaca
- AWSRAMPermissionSagemakerFeatureGroupAdmin โ Hak istimewa admin memungkinkan akun konsumen sumber daya memperbarui deskripsi dan parameter fitur dalam grup fitur bersama dan memperbarui konfigurasi grup fitur bersama, selain izin baca/tulis
Terima undangan berbagi sumber daya
Untuk menerima undangan berbagi sumber daya, selesaikan langkah-langkah berikut:
- Di akun target (konsumen), buka konsol AWS RAM.
- Bawah Dibagikan dengan saya di panel navigasi, pilih Berbagi sumber daya.
- Pilih pembagian sumber daya baru yang tertunda.
- Pilih Terima berbagi sumber daya.
Proses menerima pembagian sumber daya menggunakan AWS CLI sama dengan bagian kemampuan untuk ditemukan sebelumnya, dengan perintah get-resource-share-invitations dan Accept-resource-share-invitation.
Contoh buku catatan yang menampilkan kemampuan baru ini
Dua buku catatan ditambahkan ke Lokakarya Toko Fitur SageMaker Repositori GitHub di folder 09-modul-keamanan/09-03-akses lintas akun:
- m9_03_nb1_lintas-akun-admin.ipynb โ Ini perlu diluncurkan pada admin atau pemilik akun AWS Anda
- m9_03_nb2_cross-account-consumer.ipynb โ Ini perlu diluncurkan pada akun AWS konsumen Anda
Skrip pertama menunjukkan cara membuat pembagian sumber daya yang dapat ditemukan untuk grup fitur yang ada di akun admin atau pemilik dan membagikannya dengan akun konsumen lain secara terprogram menggunakan API AWS RAM create_resource_share()
. Ini juga menunjukkan cara memberikan izin akses ke grup fitur yang ada di akun pemilik dan membagikannya dengan akun konsumen lain menggunakan AWS RAM. Anda perlu memberikan ID akun AWS konsumen Anda sebelum menjalankan notebook.
Skrip kedua menerima undangan AWS RAM untuk menemukan dan mengakses grup fitur lintas akun dari tingkat pemilik. Kemudian ini menunjukkan cara menemukan grup fitur lintas akun yang ada di akun pemilik dan mencantumkannya di akun konsumen. Anda juga dapat melihat cara mengakses grup fitur baca/tulis lintas akun yang ada di akun pemilik dan melakukan operasi berikut dari akun konsumen: describe()
, get_record()
, ingest()
, dan delete_record()
.
Kesimpulan
Kemampuan lintas akun SageMaker Feature Store menawarkan beberapa manfaat menarik. Pertama, ini memfasilitasi kolaborasi yang lancar dengan memungkinkan berbagi grup fitur di beberapa akun AWS. Hal ini meningkatkan aksesibilitas dan pemanfaatan data, memungkinkan tim di akun berbeda menggunakan fitur bersama untuk alur kerja ML mereka.
Selain itu, kemampuan lintas akun meningkatkan tata kelola dan keamanan data. Dengan akses dan izin terkontrol melalui AWS RAM, organisasi dapat mempertahankan penyimpanan fitur terpusat sambil memastikan bahwa setiap akun memiliki tingkat akses yang disesuaikan. Hal ini tidak hanya menyederhanakan pengelolaan data, namun juga memperkuat langkah-langkah keamanan dengan membatasi akses kepada pengguna yang berwenang.
Selain itu, kemampuan untuk berbagi grup fitur di seluruh akun menyederhanakan proses pembuatan dan penerapan model ML dalam lingkungan kolaboratif. Hal ini mendorong alur kerja yang lebih terintegrasi dan efisien, mengurangi redundansi dalam penyimpanan data dan memfasilitasi pembuatan model yang kuat dengan fitur-fitur bersama yang berkualitas tinggi. Secara keseluruhan, kemampuan lintas akun Feature Store mengoptimalkan kolaborasi, tata kelola, dan efisiensi dalam pengembangan ML di beragam akun AWS. Cobalah, dan beri tahu kami pendapat Anda di komentar.
Tentang Penulis
Ioan Catana adalah Arsitek Solusi Spesialis Kecerdasan Buatan dan Pembelajaran Mesin Senior di AWS. Dia membantu pelanggan mengembangkan dan menskalakan solusi ML mereka di AWS Cloud. Ioan memiliki pengalaman lebih dari 20 tahun, sebagian besar dalam desain arsitektur perangkat lunak dan rekayasa cloud.
Philipp Kaindl adalah Arsitek Senior Solusi Kecerdasan Buatan dan Pembelajaran Mesin di AWS. Dengan latar belakang ilmu data dan teknik mesin, fokusnya adalah memberdayakan pelanggan untuk menciptakan dampak bisnis jangka panjang dengan bantuan AI. Di luar pekerjaan, Philipp senang mengutak-atik printer 3D, berlayar, dan hiking.
Dhawal Shah adalah Arsitek Solusi Senior di AWS, yang berspesialisasi dalam pembelajaran mesin. Dengan fokus kuat pada bisnis digital native, dia memberdayakan pelanggan untuk menggunakan AWS dan mendorong pertumbuhan bisnis mereka. Sebagai penggemar ML, Dhaval didorong oleh hasratnya untuk menciptakan solusi berdampak yang membawa perubahan positif. Di waktu senggangnya, ia menuruti kecintaannya pada perjalanan dan menghargai momen-momen berkualitas bersama keluarganya.
Mizanur Rahman adalah Insinyur Perangkat Lunak Senior untuk Amazon SageMaker Feature Store dengan pengalaman langsung lebih dari 10 tahun yang berspesialisasi dalam AI dan ML. Dengan landasan yang kuat baik dalam teori maupun aplikasi praktis, ia menyandang gelar Ph.D. dalam Deteksi Penipuan menggunakan Machine Learning, yang mencerminkan dedikasinya untuk memajukan bidang ini. Keahliannya mencakup spektrum yang luas, mencakup arsitektur yang dapat diskalakan, komputasi terdistribusi, analisis data besar, layanan mikro, dan infrastruktur cloud untuk organisasi.
- 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/amazon-sagemaker-feature-store-now-supports-cross-account-sharing-discovery-and-access/
- :memiliki
- :adalah
- :bukan
- :Di mana
- $NAIK
- 10
- 150
- 20
- 20 tahun
- 3d
- 7
- 8
- 9
- a
- kemampuan
- Sanggup
- Tentang Kami
- Setuju
- menerima
- Menerima
- mengakses
- Akses ke data
- diakses
- aksesibilitas
- dapat diakses
- Akun
- Akun
- ketepatan
- tepat
- Mencapai
- di seluruh
- tindakan
- tindakan
- menambahkan
- menambahkan
- tambahan
- Tambahan
- Selain itu
- admin
- administrator
- maju
- Setelah
- AI
- tujuan
- Semua
- mengizinkan
- diizinkan
- Membiarkan
- memungkinkan
- sudah
- juga
- Meskipun
- Amazon
- Amazon SageMaker
- Amazon Web Services
- an
- analisis
- dan
- Lain
- api
- Aplikasi
- Pengembangan Aplikasi
- aplikasi
- arsitek
- arsitektur
- arsitektur
- ADALAH
- buatan
- kecerdasan buatan
- Kecerdasan Buatan dan Pembelajaran Mesin
- AS
- terkait
- menganggap
- At
- atribut
- Audit
- berwenang
- tersedia
- AWS
- latar belakang
- saldo
- Perbankan
- BE
- menjadi
- sebelum
- makhluk
- Manfaat
- TERBAIK
- antara
- Besar
- Big data
- cetak biru
- kedua
- JEMBATAN
- membawa
- luas
- membangun
- Bangunan
- bisnis
- bisnis
- tapi
- by
- bernama
- CAN
- Bisa Dapatkan
- kemampuan
- kasus
- katalog
- katalog
- kategori
- pusat
- terpusat
- tertentu
- perubahan
- Pilih
- kejelasan
- cli
- awan
- Berkolaborasi
- kolaborasi
- kolaboratif
- komentar
- Umum
- menarik
- lengkap
- pemenuhan
- luas
- komputasi
- konfigurasi
- Menghubungkan
- konsisten
- konsul
- membangun
- memakan
- konsumen
- Konsumen
- berisi
- mengandung
- konteks
- kontrol
- dikendalikan
- dengan nyaman
- Sesuai
- bisa
- kerajinan
- membuat
- dibuat
- membuat
- penciptaan
- kritis
- sangat penting
- pendeta pembantu
- dikuratori
- pelanggan
- pelanggan
- data
- Data Analytics
- Danau Data
- manajemen data
- ilmu data
- ilmuwan data
- penyimpanan data
- kumpulan data
- dedikasi
- mendalam
- menyelam dalam
- menetapkan
- Demografi
- mendemonstrasikan
- mengungkap
- departemen
- Tergantung
- penggelaran
- deskripsi
- Mendesain
- rincian
- Deteksi
- ditentukan
- mengembangkan
- dikembangkan
- pengembang
- Pengembangan
- diagram
- berbeda
- digital
- langsung
- menemukan
- menemukan
- penemuan
- membahas
- berbeda
- berbeda
- didistribusikan
- komputasi terdistribusi
- menyelam
- beberapa
- do
- gambar
- mendorong
- didorong
- duplikasi
- lamanya
- selama
- setiap
- efektif
- efisiensi
- efisien
- tanpa usaha
- memberdayakan
- memberdayakan
- aktif
- memungkinkan
- memungkinkan
- meliputi
- insinyur
- Teknik
- Insinyur
- Meningkatkan
- memastikan
- memastikan
- Enter
- Enterprise
- penggemar
- entitas
- entitas
- Lingkungan Hidup
- lingkungan
- lengkap
- esensi
- membangun
- Acara
- contoh
- ada
- pengalaman
- keahlian
- ekstrak
- Menghadapi
- memfasilitasi
- memfasilitasi
- keluarga
- Fitur
- Fitur
- pemberian makanan
- bidang
- Pertama
- aliran
- Fokus
- berikut
- Untuk
- membina
- memupuk
- Prinsip Dasar
- dasar
- penipuan
- deteksi penipuan
- dari
- sepenuhnya
- fungsi
- mendapatkan
- mendapatkan
- Memberikan
- memberikan
- pemerintahan
- memberikan
- diberikan
- pemberian
- granular
- dasar
- Kelompok
- Grup
- Pertumbuhan
- hands-on
- Sulit
- memanfaatkan
- Memiliki
- he
- membantu
- membantu
- di sini
- berkualitas tinggi
- sangat
- -nya
- sejarah
- memegang
- Seterpercayaapakah Olymp Trade? Kesimpulan
- How To
- HTML
- http
- HTTPS
- rintangan
- ID
- mengidentifikasi
- if
- Dampak
- berdampak
- meningkatkan
- in
- Di lain
- memasukkan
- Termasuk
- informasi
- infrastruktur
- mulanya
- inisiatif
- Innovation
- inovatif
- memasukkan
- input
- dalam
- wawasan
- contoh
- sebagai gantinya
- terpadu
- Intelijen
- Antarmuka
- interpretasi
- ke
- diinvestasikan
- undangan
- mengundang
- terlibat
- IT
- NYA
- ikut
- jpg
- titik waktu
- Menjaga
- kunci
- Tahu
- Mengetahui
- pengetahuan
- danau
- abadi
- jalankan
- diluncurkan
- meletakkan
- lapisan
- peletakan
- pengetahuan
- membiarkan
- Tingkat
- adalah ide yang bagus
- siklus hidup
- 'like'
- membatasi
- baris
- Daftar
- pendengar
- Listening
- terletak
- logis
- cinta
- mesin
- Mesin belajar
- terbuat
- memelihara
- membuat
- MEMBUAT
- mengelola
- berhasil
- pengelolaan
- Marketing
- hasil karya
- dewasa
- Mungkin..
- cara
- ukuran
- mekanis
- hanya
- Metadata
- dengan cermat
- mikro
- mungkin
- meminimalkan
- ML
- model
- model
- Waktu
- Memantau
- dipantau
- lebih
- kebanyakan
- beberapa
- musik
- nama
- nama
- asli
- Navigasi
- Perlu
- dibutuhkan
- kebutuhan
- New
- berikutnya
- buku catatan
- sekarang
- mengamati
- of
- Penawaran
- Pengunjung
- sering
- on
- ONE
- yang
- hanya
- Buka
- Operasi
- Mengoptimalkan
- or
- organisasi
- organisasi
- Lainnya
- Lainnya
- kami
- keluaran
- di luar
- lebih
- secara keseluruhan
- mengawasi
- pemilik
- pemilik
- halaman
- pane
- parameter
- terpenting
- khususnya
- gairah
- pola
- tertunda
- Melakukan
- izin
- Izin
- sangat penting
- plato
- Kecerdasan Data Plato
- Data Plato
- Titik
- kebijaksanaan
- positif
- Pos
- Praktis
- mendahului
- Mempersiapkan
- mencegah
- sebelumnya
- kepala sekolah
- hak istimewa
- proses
- Produsen
- Produk
- Profil
- mempromosikan
- memberikan
- menyediakan
- menyediakan
- menempatkan
- kualitas
- RAM
- peringkat
- Mentah
- Baca
- dunia nyata
- real-time
- dunia
- Rekomendasi
- merekomendasikan
- arsip
- mengurangi
- lihat
- referensi
- memperhalus
- mencerminkan
- wilayah
- terkait
- relevan
- dapat diandalkan
- BERKALI-KALI
- berulang-ulang
- gudang
- merupakan
- wajib
- sumber
- Sumber
- membatasi
- mengakibatkan
- dapat digunakan kembali
- ulasan
- benar
- kuat
- Peran
- peran
- Run
- berjalan
- pembuat bijak
- pelayaran
- penjualan
- sama
- mencicipi
- terukur
- Skala
- Ilmu
- ilmuwan
- ilmuwan
- naskah
- SDK
- SDK
- mulus
- Pencarian
- Kedua
- Bagian
- Dijamin
- aman
- keamanan
- Pengamanan
- melihat
- pencarian
- segmen
- memilih
- senior
- peka
- melayani
- Layanan
- set
- penyiapan
- beberapa
- Share
- berbagi
- saham
- berbagi
- harus
- Menunjukkan
- menampilkan
- Pertunjukkan
- tertutup
- disederhanakan
- terletak
- So
- Perangkat lunak
- Software Engineer
- Solusi
- beberapa
- lagu
- sumber
- merentang
- ketegangan
- rentang
- spesialis
- mengkhususkan diri
- tertentu
- menentukan
- Spektrum
- mulai
- statistik
- Tangga
- penyimpanan
- menyimpan
- tersimpan
- toko
- merampingkan
- Memperkuat
- kuat
- menyediakan
- mendukung
- Mendukung
- sistem
- disesuaikan
- jahitan
- Mengambil
- target
- tugas
- tim
- tim
- bahwa
- Grafik
- Sumber
- mereka
- Mereka
- kemudian
- teori
- Sana.
- Ini
- mereka
- berpikir
- ini
- itu
- tiga
- Melalui
- waktu
- untuk
- alat
- jejak
- Pelatihan VE
- Pelatihan
- .
- perjalanan
- Tren
- mencoba
- dua
- mengetik
- jenis
- tidak sah
- memahami
- terpadu
- unit
- Memperbarui
- us
- penggunaan
- menggunakan
- gunakan case
- bekas
- user-friendly
- Pengguna
- menggunakan
- biasanya
- Penggunaan
- nilai
- berbeda
- melalui
- View
- jarak penglihatan
- vs
- we
- jaringan
- layanan web
- BAIK
- adalah
- Apa
- ketika
- apakah
- sementara
- SIAPA
- mengapa
- dengan
- dalam
- Kerja
- alur kerja
- Alur kerja
- bengkel
- menulis
- tahun
- Kamu
- Anda
- zephyrnet.dll