Bagi perusahaan modern yang menangani dokumen dalam jumlah besar seperti kontrak, faktur, resume, dan laporan, pemrosesan dan pengambilan data terkait secara efisien sangat penting untuk mempertahankan keunggulan kompetitif. Namun, metode tradisional dalam menyimpan dan mencari dokumen dapat memakan waktu dan sering kali memerlukan upaya besar untuk menemukan dokumen tertentu, terutama jika dokumen tersebut berisi tulisan tangan. Bagaimana jika ada cara untuk memproses dokumen secara cerdas dan membuatnya dapat dicari dengan akurasi tinggi?
Hal ini dimungkinkan dengan Teks Amazon, layanan Pemrosesan Dokumen Cerdas AWS, ditambah dengan kemampuan pencarian cepat Pencarian Terbuka. Dalam postingan ini, kami akan membawa Anda dalam perjalanan untuk dengan cepat membangun dan menerapkan solusi pengindeksan pencarian dokumen yang membantu organisasi Anda memanfaatkan dan mengekstrak wawasan dari dokumen dengan lebih baik.
Baik Anda di bagian Sumber Daya Manusia yang mencari klausul spesifik dalam kontrak karyawan, atau analis keuangan yang memilah-milah tumpukan faktur untuk mengekstrak data pembayaran, solusi ini dirancang untuk memberdayakan Anda dalam mengakses informasi yang Anda perlukan dengan kecepatan dan akurasi yang belum pernah terjadi sebelumnya.
Dengan solusi yang diusulkan, dokumen Anda secara otomatis diserap, kontennya diurai dan kemudian diindeks ke dalam indeks OpenSearch yang sangat responsif dan terukur.
Kami akan membahas bagaimana teknologi seperti Amazon Textract, AWS Lambda, Layanan Penyimpanan Sederhana Amazon (Amazon S3), dan Layanan Pencarian Terbuka Amazon dapat diintegrasikan ke dalam alur kerja yang memproses dokumen dengan lancar. Kemudian kami mendalami pengindeksan data ini ke OpenSearch dan mendemonstrasikan kemampuan pencarian yang tersedia di ujung jari Anda.
Baik organisasi Anda sedang mengambil langkah pertama memasuki era transformasi digital atau merupakan perusahaan besar yang berupaya meningkatkan pengambilan informasi, panduan ini adalah panduan Anda untuk menavigasi peluang yang ditawarkan oleh AWS Intelligent Document Processing dan OpenSearch.
Grafik implementasi digunakan dalam posting ini menggunakan Konstruksi Amazon Textract IDP CDK โ Komponen AWS Cloud Development Kit (CDK) untuk menentukan infrastruktur alur kerja Intelligent Document Processing (IDP) โ yang memungkinkan Anda membangun alur kerja IDP khusus kasus penggunaan yang dapat disesuaikan. Konstruksi dan sampel IDP CDK adalah kumpulan komponen untuk memungkinkan definisi proses IDP di AWS dan dipublikasikan ke GitHub. Konsep utama yang digunakan adalah AWS Kit Pengembangan Cloud (CDK) konstruksi, yang sebenarnya tumpukan CDK dan Fungsi Langkah AWS. Bengkel Gunakan pembelajaran mesin untuk mengotomatiskan dan memproses dokumen dalam skala besar adalah titik awal yang baik untuk mempelajari lebih lanjut tentang menyesuaikan alur kerja dan menggunakan contoh alur kerja lainnya sebagai dasar untuk alur kerja Anda sendiri.
Ikhtisar solusi
Dalam solusi ini, kami fokus pada pengindeksan dokumen ke dalam indeks OpenSearch untuk pencarian dan pengambilan informasi dan dokumen dengan cepat. Dokumen dalam format PDF, TIFF, JPEG atau PNG dimasukkan ke dalam Amazon Simple Storage Service (Amazon S3) bucket dan selanjutnya diindeks ke OpenSearch menggunakan alur kerja Step Functions ini.
Grafik OpenSearchWorkflow-Decider melihat dokumen dan memverifikasi bahwa dokumen tersebut adalah salah satu tipe mime yang didukung (PDF, TIFF, PNG atau JPEG). Terdiri dari satu AWS Lambda fungsi.
Grafik Pemisah Dokumen menghasilkan potongan maksimum 2500 halaman dari dokumen. Ini berarti meskipun Amazon Textract mendukung dokumen hingga 3000 halaman, Anda dapat meneruskan dokumen dengan lebih banyak halaman dan prosesnya masih berfungsi dengan baik serta memasukkan halaman tersebut ke OpenSearch dan membuat nomor halaman yang benar. Itu Pemisah Dokumen diimplementasikan sebagai fungsi AWS Lambda.
Grafik Negara Peta memproses setiap potongan secara paralel.
Grafik TeksAsinkron panggilan tugas Amazon Textract menggunakan asynchronous Application Programming Interface (API) berikut Praktik Terbaik dengan Layanan Pemberitahuan Sederhana Amazon (Amazon SNS) pemberitahuan dan Konfigurasi Keluaran untuk menyimpan output Amazon Textract JSON ke bucket Amazon S3 pelanggan. Ini terdiri dari dua fungsi Amazon Lambda: satu untuk mengirimkan dokumen untuk diproses dan satu lagi dipicu pada notifikasi Amazon SNS.
Karena TekstrakAsytugas nc dapat menghasilkan beberapa file keluaran yang diberi nomor halaman, yaitu TeksractAsyncToJSON2 proses menggabungkannya menjadi satu file JSON.
Konteks Step Functions diperkaya dengan informasi yang juga dapat dicari di indeks OpenSearch di Set MetaData melangkah. Contoh implementasi menambahkan ORIGIN_FILE_NAME
, START_PAGE_NUMBER
, dan ORIGIN_FILE_URI
. Anda dapat menambahkan informasi apa pun untuk memperkaya pengalaman penelusuran, seperti informasi dari sistem backend lain, ID tertentu, atau informasi klasifikasi.
Grafik HasilkanOpenSearchBatch mengambil JSON keluaran Amazon Textract yang dihasilkan, menggabungkannya dengan informasi dari konteks yang ditetapkan oleh SetMetaData dan menyiapkan file yang dioptimalkan untuk impor batch ke OpenSearch.
Dalam majalah OpenSearchPushInvoke, file impor batch ini dikirim ke indeks OpenSearch dan tersedia untuk pencarian. Fungsi AWS Lambda ini terhubung dengan aws-lambda-pencarian terbuka membangun dari Solusi AWS perpustakaan menggunakan instans m6g.large.search, OpenSearch versi 2.7, dan mengonfigurasi Amazon Elastic Block Service (Amazon EBS) ukuran volume ke General Purpose 2 (GP2) dengan 200 GB. Anda dapat mengubah konfigurasi OpenSearch sesuai kebutuhan Anda.
Final Pemetaan PencarianTugasTerbuka langkah ini menghapus konteksnya, yang jika tidak, bisa melebihi Kuota Fungsi Langkah of Ukuran input atau output maksimum untuk tugas, status, atau eksekusi.
Prasyarat
Untuk menerapkan sampel, Anda memerlukan akun AWS, yaitu Kit Pengembangan AWS Cloud (AWS CDK), versi Python dan Docker saat ini diperlukan. Anda memerlukan izin untuk menerapkan templat AWS CloudFormation, tekan ke Registry Kontainer Elastis Amazon (Amazon ECR), buat Identitas Amazon dan Manajemen Akses (AWS IAM), fungsi Amazon Lambda, bucket Amazon S3, Amazon Step Functions, klaster Amazon OpenSearch, dan Amazon Kognito kumpulan pengguna. Pastikan Anda Lingkungan AWS CLI telah disiapkan dengan izin yang sesuai.
Anda juga dapat memutar a AWS Cloud9 contoh dengan AWS CDK, Python dan Docker yang sudah diinstal sebelumnya untuk memulai penerapan.
Walkthrough
Penyebaran
- Setelah menyiapkan prasyarat, Anda perlu mengkloning repositori terlebih dahulu:
- Kemudian cd ke folder repositori dan instal dependensi:
- Terapkan tumpukan OpenSearchWorkflow:
Penerapan ini memakan waktu sekitar 25 menit dengan pengaturan konfigurasi default dari sampel GitHub, dan menciptakan alur kerja Step Functions, yang dipanggil ketika dokumen diletakkan di bucket/awalan Amazon S3 dan selanjutnya diproses hingga konten dokumen diindeks dalam kluster OpenSearch.
Berikut ini adalah contoh keluaran termasuk tautan berguna dan informasi yang dihasilkancdk deploy OpenSearchWorkflow
perintah:
Informasi ini juga tersedia di Konsol AWS CloudFormation.
Ketika dokumen baru ditempatkan di bawah OpenSearchWorkflow.DocumentUploadLocation, alur kerja Step Functions baru dimulai untuk dokumen ini.
Untuk memeriksa status dokumen ini, OpenSearchWorkflow.StepFunctionFlowLink menyediakan tautan ke daftar eksekusi StepFunction di AWS Management Console, yang menampilkan status pemrosesan dokumen untuk setiap dokumen yang diunggah ke Amazon S3. Tutorialnya Melihat dan men-debug eksekusi di konsol Step Functions memberikan gambaran umum tentang komponen dan tampilan di Konsol AWS.
pengujian
- Tes pertama menggunakan file sampel.
- Setelah memilih tautan ke alur kerja StepFunction atau membuka AWS Management Console dan membuka halaman layanan Step Functions, Anda dapat melihat pemanggilan alur kerja yang berbeda.
- Lihatlah contoh eksekusi dokumen yang sedang berjalan, di mana Anda dapat mengikuti eksekusi tugas alur kerja individual.
Pencarian
Setelah proses selesai, kami dapat memvalidasi bahwa dokumen tersebut terindeks di indeks OpenSearch.
- Untuk melakukannya, pertama-tama kita membuat pengguna Amazon Cognito. Amazon Cognito digunakan untuk Otentikasi pengguna terhadap indeks OpenSearch. Pilih tautan dalam keluaran dari penerapan cdk (atau lihat di Formasi AWS Cloud output di AWS Management Console) bernama OpenSearchWorkflow.CognitoUserPoolLink.
- Selanjutnya, pilih Buat pengguna tombol, yang mengarahkan Anda ke halaman untuk memasukkan nama pengguna dan kata sandi untuk mengakses Dasbor OpenSearch.
- Setelah memilih Buat pengguna, Anda dapat melanjutkan ke Dasbor OpenSearch dengan mengklik OpenSearchWorkflow.OpenSearchDashboard dari keluaran penerapan CDK. Login menggunakan username dan password yang telah dibuat sebelumnya. Pertama kali Anda login, Anda harus mengubah kata sandi.
- Setelah masuk ke Dasbor OpenSearch, pilih Manajemen Tumpukan bagian, diikuti oleh Pola Indekss untuk membuat indeks pencarian.
- Nama default untuk indeks adalah indeks makalah dan nama pola indeks indeks makalah* akan cocok dengan itu.
- Setelah mengklik Langkah selanjutnya, pilih timestamp sebagai bidang waktu dan Buat pola indeks.
- Sekarang, dari menu, pilih Penelusuran.
Dalam kebanyakan kasus, Anda perlu mengubah rentang waktu berdasarkan konsumsi terakhir Anda. Standarnya adalah 15 menit dan seringkali tidak ada aktivitas dalam 15 menit terakhir. Dalam contoh ini, waktu diubah menjadi 15 hari untuk memvisualisasikan penyerapan.
- Sekarang Anda dapat mulai mencari. Sebuah novel telah diindeks, Anda dapat mencari istilah apa pun yang disukainya panggil aku Ismail dan lihat hasilnya.
Dalam hal ini, istilah panggil aku Ismail muncul di halaman 6 dokumen pada Uniform Resource Identifier (URI) tertentu, yang menunjuk ke lokasi file Amazon S3. Hal ini mempercepat identifikasi dokumen dan menemukan informasi di sejumlah besar dokumen PDF, TIFF, atau gambar, dibandingkan dengan melewatinya secara manual.
Berjalan dalam skala besar
Untuk memperkirakan skala dan durasi proses pengindeksan, penerapannya diuji dengan 93,997 dokumen dan jumlah total 1,583,197 halaman (rata-rata 16.84 halaman/dokumen dan file terbesar memiliki 3755 halaman), yang semuanya diindeks ke OpenSearch. Memproses semua file dan mengindeksnya ke OpenSearch memerlukan waktu 5.5 jam di wilayah AS Timur (Virginia Utara โ us-east-1) menggunakan default Kuota Layanan Amazon Textract. Grafik di bawah menunjukkan pengujian awal pada pukul 18:00 diikuti dengan penyerapan utama pada pukul 21:00 dan semuanya selesai pada pukul 2:30.
Untuk pengolahannya, tcdk.SFExecutionsStartThrottle diatur ke sebuah executions_concurrency_threshold
=550, yang berarti alur kerja pemrosesan dokumen secara bersamaan dibatasi hingga 550 dan permintaan berlebih diantrekan ke Amazon SQS Antrean Fist-In-First-Out (FIFO), yang selanjutnya terkuras saat alur kerja saat ini selesai. Ambang batas 550 didasarkan pada kuota Textract Service sebesar 600 di wilayah us-east-1. Oleh karena itu, kedalaman antrean dan usia pesan terlama merupakan metrik yang patut dipantau.
Dalam pengujian ini, semua dokumen diunggah ke Amazon S3 sekaligus, oleh karena itu Perkiraan Jumlah Pesan yang Terlihat mengalami peningkatan yang tajam dan kemudian mengalami penurunan yang lambat karena tidak ada dokumen baru yang diserap. Itu Perkiraan Usia Pesan Tertua meningkat hingga semua pesan diproses. Amazon SQS Periode Retensi Pesan diatur ke 14 hari. Untuk pemrosesan backlog yang berjalan sangat lama yang dapat melebihi pemrosesan 14 hari, mulailah dengan memproses subset dokumen representatif yang lebih kecil dan pantau durasi eksekusi untuk memperkirakan berapa banyak dokumen yang dapat Anda serahkan sebelum melebihi 14 hari. Metrik Amazon SQS CloudWatch terlihat serupa untuk kasus penggunaan pemrosesan tumpukan dokumen dalam jumlah besar, yang diserap sekaligus kemudian diproses sepenuhnya. Jika kasus penggunaan Anda adalah aliran dokumen yang stabil, baik metrik maupun metriknya Perkiraan Jumlah Pesan yang Terlihat dan Perkiraan Usia Pesan Tertua akan lebih linier. Anda juga dapat menggunakan parameter ambang batas untuk menggabungkan beban tetap dengan pemrosesan backlog dan mengalokasikan kapasitas sesuai dengan kebutuhan pemrosesan Anda.
Metrik lain yang perlu dipantau adalah kesehatan kluster OpenSearch, yang harus Anda atur sesuai dengan Praktik terbaik operasional untuk Amazon OpenSearch Service. Penerapan default menggunakan instans m6g.large.search.
Berikut ini cuplikan Key Performance Indicators (KPI) untuk cluster OpenSearch. Tidak ada kesalahan, kecepatan data pengindeksan dan latensi konstan.
Eksekusi alur kerja Step Functions menunjukkan status pemrosesan untuk setiap dokumen individual. Jika Anda melihat eksekusi di Gagal negara bagian, lalu pilih detailnya. Metrik yang baik untuk dipantau adalah AWS Dasbor Otomatis CloudWatch untuk Step Functions, yang memperlihatkan beberapa Metrik CloudWatch Fungsi Langkah.
Dalam grafik Dasbor AWS CloudWatch ini, Anda melihat eksekusi Step Functions yang berhasil dari waktu ke waktu.
Dan yang ini menunjukkan eksekusi yang gagal. Hal ini patut diselidiki melalui ikhtisar AWS Console Step Functions.
Tangkapan layar berikut menunjukkan salah satu contoh eksekusi yang gagal karena file asal berukuran 0, yang masuk akal karena file tidak memiliki konten dan tidak dapat diproses. Penting untuk memfilter proses yang gagal dan memvisualisasikan kegagalan, agar Anda dapat kembali ke dokumen sumber dan memvalidasi akar permasalahan.
Kegagalan lainnya mungkin mencakup dokumen yang bukan tipe mime: application/pdf, image/png, image/jpeg, atau image/tiff karena tipe dokumen lain tidak didukung oleh Amazon Textract.
Biaya
Total biaya penyerapan 1,583,278 halaman dibagi ke seluruh layanan AWS yang digunakan untuk implementasi. Daftar berikut berfungsi sebagai angka perkiraan, karena biaya aktual dan durasi pemrosesan bervariasi tergantung pada ukuran dokumen, jumlah halaman per dokumen, kepadatan informasi dalam dokumen, dan Wilayah AWS. Amazon DynamoDB menghabiskan $0.55, Amazon S3 $3.33, OpenSearch Service $14.71, Step Functions $17.92, AWS Lambda $28.95, dan Amazon Textract $1,849.97. Selain itu, perlu diingat bahwa klaster Amazon OpenSearch Service yang diterapkan ditagih per jam dan akan mengakumulasi biaya lebih tinggi bila dijalankan selama periode waktu tertentu.
Modifikasi
Kemungkinan besar, Anda ingin mengubah implementasi dan menyesuaikan kasus penggunaan dan dokumen Anda. Bengkel Gunakan pembelajaran mesin untuk mengotomatiskan dan memproses dokumen dalam skala besar menyajikan gambaran umum yang baik tentang cara memanipulasi alur kerja sebenarnya, mengubah alur, dan menambahkan komponen baru. Untuk menambahkan bidang khusus ke indeks OpenSearch, lihat Set MetaData tugas dalam alur kerja menggunakan set-manifest-meta-data-opensearch AWS Lambda berfungsi untuk menambahkan metadata ke konteks, yang akan ditambahkan sebagai bidang ke indeks OpenSearch. Informasi metadata apa pun akan menjadi bagian dari indeks.
Membersihkan
Hapus sumber daya contoh jika Anda tidak lagi membutuhkannya, untuk menghindari timbulnya biaya di masa depan menggunakan perintah berikut:
di lingkungan yang sama dengan cdk deploy
memerintah. Berhati-hatilah karena tindakan ini akan menghapus semuanya, termasuk klaster OpenSearch dan semua dokumen serta bucket Amazon S3. Jika Anda ingin menyimpan informasi tersebut, buat cadangan bucket Amazon S3 Anda dan buat snapshot indeks dari cluster OpenSearch Anda. Jika Anda memproses banyak file, maka Anda mungkin harus mengosongkan bucket Amazon S3 terlebih dahulu menggunakan AWS Management Console (yaitu, setelah Anda mengambil cadangan atau menyinkronkannya ke bucket lain jika Anda ingin menyimpan informasinya), karena fungsi pembersihan dapat kehabisan waktu dan kemudian menghancurkan tumpukan AWS CloudFormation.
Kesimpulan
Dalam postingan ini, kami menunjukkan kepada Anda cara menerapkan solusi tumpukan penuh untuk memasukkan sejumlah besar dokumen ke dalam indeks OpenSearch, yang siap digunakan untuk kasus penggunaan penelusuran. Masing-masing komponen implementasi dibahas serta pertimbangan skala, biaya, dan opsi modifikasi. Semua kode dapat diakses sebagai OpenSource di GitHub Sampel IDP CDK dan sebagai Konstruksi IDP CDK untuk membangun solusi Anda sendiri dari awal. Sebagai langkah selanjutnya Anda dapat mulai mengubah alur kerja, menambahkan informasi ke dokumen dalam indeks pencarian dan menjelajahinya Lokakarya pengungsi. Silakan beri komentar di bawah tentang pengalaman dan ide Anda untuk memperluas solusi saat ini.
tentang Penulis
Martin Schade adalah SA Produk ML Senior dengan tim Amazon Textract. Dia memiliki lebih dari 20 tahun pengalaman dengan teknologi terkait internet, teknik, dan solusi arsitek. Dia bergabung dengan AWS pada tahun 2014, pertama kali membimbing beberapa pelanggan AWS terbesar tentang penggunaan layanan AWS yang paling efisien dan skalabel, dan kemudian berfokus pada AI/ML dengan fokus pada visi komputer. Saat ini, dia terobsesi dengan mengekstrak informasi dari dokumen.
- 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. Otomotif / EV, Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
- PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
- ChartPrime. Tingkatkan Game Trading Anda dengan ChartPrime. Akses Di Sini.
- BlockOffset. Modernisasi Kepemilikan Offset Lingkungan. Akses Di Sini.
- Sumber: https://aws.amazon.com/blogs/machine-learning/implement-smart-document-search-index-with-amazon-textract-and-amazon-opensearch/
- :memiliki
- :adalah
- :bukan
- :Di mana
- $3
- $NAIK
- 1
- 10
- 100
- 11
- 12
- 13
- 14
- 15%
- 16
- 17
- 20
- 20 tahun
- 200
- 2014
- 216
- 220
- 25
- 30
- 3000
- 32
- 33
- 7
- 700
- 8
- 820
- 84
- 9
- a
- Tentang Kami
- mengakses
- dapat diakses
- mengakses
- Menurut
- Akun
- Mengumpulkan
- ketepatan
- di seluruh
- kegiatan
- sebenarnya
- menambahkan
- menambahkan
- menambahkan
- Menambahkan
- Setelah
- terhadap
- usia
- AI / ML
- Semua
- mengalokasikan
- mengizinkan
- juga
- Amazon
- Amazon Kognito
- Layanan Pencarian Terbuka Amazon
- Teks Amazon
- Amazon Web Services
- an
- analis
- dan
- Apa pun
- api
- muncul
- kira-kira
- ADALAH
- sekitar
- AS
- At
- Otentikasi
- mengotomatisasikan
- secara otomatis
- secara otomatis
- tersedia
- rata-rata
- menghindari
- AWS
- Formasi AWS Cloud
- AWS Lambda
- Konsol Manajemen AWS
- kembali
- Backend
- backup
- mendasarkan
- berdasarkan
- BE
- karena
- menjadi
- sebelum
- makhluk
- di bawah
- TERBAIK
- Praktik Terbaik
- Lebih baik
- Awas
- Memblokir
- kedua
- membangun
- tombol
- by
- Panggilan
- CAN
- kemampuan
- Kapasitas
- kasus
- kasus
- Menyebabkan
- CD
- perubahan
- berubah
- mengubah
- memeriksa
- memilih
- klasifikasi
- awan
- Kelompok
- kode
- koleksi
- menggabungkan
- komentar
- Perusahaan
- dibandingkan
- Kompas
- kompetitif
- komponen
- komputer
- Visi Komputer
- konsep
- bersamaan
- konfigurasi
- dikonfigurasi
- terhubung
- pertimbangan
- terdiri
- konsul
- konstan
- membangun
- Wadah
- Konten
- konteks
- terus
- kontrak
- benar
- Biaya
- Biaya
- bisa
- ditambah
- menutupi
- membuat
- dibuat
- menciptakan
- kritis
- terbaru
- Sekarang
- adat
- pelanggan
- pelanggan
- disesuaikan
- menyesuaikan
- dasbor
- dasbor
- data
- Hari
- transaksi
- Tolak
- Default
- menetapkan
- definisi
- mendemonstrasikan
- ketergantungan
- Tergantung
- menyebarkan
- dikerahkan
- penyebaran
- kedalaman
- menghancurkan
- rincian
- Pengembangan
- dialog
- berbeda
- digital
- Transformasi digital
- menemukan
- dibahas
- menampilkan
- menyelam
- do
- Buruh pelabuhan
- dokumen
- dokumen
- dilakukan
- terkuras
- dua
- lamanya
- e
- setiap
- Timur
- Tepi
- efisien
- efisien
- usaha
- Karyawan
- memberdayakan
- aktif
- Teknik
- besar sekali
- memperkaya
- diperkaya
- Enter
- Lingkungan Hidup
- Era
- kesalahan
- terutama
- mapan
- memperkirakan
- Bahkan
- segala sesuatu
- contoh
- melebihi
- melebihi
- kelebihan
- eksekusi
- Lihat lebih lanjut
- pengalaman
- menyelidiki
- ekstrak
- Gagal
- FAST
- lebih cepat
- bidang
- Fields
- Angka
- File
- File
- menyaring
- terakhir
- keuangan
- Menemukan
- akhir
- ujung jari
- menyelesaikan
- Pertama
- langkah pertama
- pertama kali
- aliran
- Fokus
- terfokus
- mengikuti
- diikuti
- berikut
- Untuk
- format
- dari
- penuh
- Tumpukan Penuh
- sepenuhnya
- fungsi
- fungsi
- masa depan
- Umum
- dihasilkan
- menghasilkan
- mendapatkan
- raksasa
- GitHub
- diberikan
- Go
- akan
- baik
- grafik
- membimbing
- memanfaatkan
- Memiliki
- memiliki
- he
- Kesehatan
- membantu
- High
- lebih tinggi
- sangat
- jam
- JAM
- Seterpercayaapakah Olymp Trade? Kesimpulan
- How To
- Namun
- HTML
- HTTPS
- manusia
- Sumber Daya Manusia
- i
- ide-ide
- identifier
- mengenali
- identitas
- id
- if
- gambar
- melaksanakan
- implementasi
- diimplementasikan
- mengimpor
- penting
- in
- memasukkan
- Termasuk
- Meningkatkan
- Meningkatkan
- indeks
- diindeks
- indikator
- sendiri-sendiri
- informasi
- Infrastruktur
- mulanya
- memulai
- memasukkan
- wawasan
- install
- contoh
- terpadu
- Cerdas
- Pemrosesan dokumen cerdas
- ke
- menyelidiki
- dipanggil
- IT
- bergabung
- perjalanan
- jpg
- json
- Menjaga
- kunci
- besar
- terbesar
- Terakhir
- Latensi
- kemudian
- BELAJAR
- pengetahuan
- Perpustakaan
- 'like'
- Mungkin
- LINK
- link
- Daftar
- memuat
- tempat
- login
- masuk
- Panjang
- lagi
- melihat
- mencari
- TERLIHAT
- mesin
- Mesin belajar
- terbuat
- Utama
- memelihara
- mempertahankan
- membuat
- MEMBUAT
- pengelolaan
- manual
- banyak
- Cocok
- maksimum
- Mungkin..
- me
- cara
- menu
- pesan
- pesan
- metode
- metrik
- Metrik
- mungkin
- keberatan
- menit
- mencampur
- ML
- modern
- memodifikasi
- Memantau
- pemantauan
- lebih
- paling
- Gunung
- beberapa
- nama
- Bernama
- menavigasi
- Perlu
- kebutuhan
- New
- berikutnya
- tidak
- pemberitahuan
- pemberitahuan
- novel
- jumlah
- nomor
- of
- menawarkan
- sering
- tertua
- on
- sekali
- ONE
- Buka
- opensource
- Peluang
- dioptimalkan
- Opsi
- or
- urutan
- organisasi
- asal
- Lainnya
- jika tidak
- di luar
- keluaran
- lebih
- ikhtisar
- sendiri
- halaman
- halaman
- Paralel
- parameter
- bagian
- lulus
- Kata Sandi
- pola
- pola
- pembayaran
- untuk
- prestasi
- periode
- Izin
- plato
- Kecerdasan Data Plato
- Data Plato
- silahkan
- Titik
- poin
- kolam
- mungkin
- Pos
- praktek
- Mempersiapkan
- prasyarat
- hadiah
- sebelumnya
- proses
- Diproses
- proses
- pengolahan
- menghasilkan
- Produk
- Pemrograman
- diusulkan
- menyediakan
- diterbitkan
- tujuan
- Dorong
- menempatkan
- Menempatkan
- Ular sanca
- Cepat
- cepat
- Penilaian
- siap
- wilayah
- laporan
- gudang
- wakil
- permintaan
- wajib
- Persyaratan
- sumber
- Sumber
- responsif
- mengakibatkan
- Hasil
- menahan
- peran
- akar
- Run
- berjalan
- SA
- sama
- terukur
- Skala
- skala
- menggaruk
- mulus
- Pencarian
- mencari
- Bagian
- melihat
- pencarian
- memilih
- senior
- rasa
- mengirim
- melayani
- layanan
- Layanan
- set
- pengaturan
- penyiapan
- harus
- Menunjukkan
- menunjukkan
- Pertunjukkan
- mirip
- Sederhana
- Ukuran
- lambat
- lebih kecil
- pintar
- Potret
- So
- larutan
- Solusi
- beberapa
- sumber
- tertentu
- kecepatan
- Berputar
- membagi
- tumpukan
- awal
- mulai
- Mulai
- Negara
- Negara
- Status
- mantap
- Langkah
- Tangga
- Masih
- penyimpanan
- menyimpan
- menyimpan
- menyerahkan
- Kemudian
- sukses
- seperti itu
- Didukung
- Mendukung
- yakin
- sistem
- disesuaikan
- Mengambil
- Dibutuhkan
- pengambilan
- tugas
- tugas
- tim
- Teknologi
- template
- istilah
- istilah
- uji
- diuji
- teks
- bahwa
- Grafik
- Grafik
- informasi
- Sumber
- Negara
- mereka
- Mereka
- kemudian
- Sana.
- karena itu
- Ini
- mereka
- ini
- meskipun?
- ambang
- Melalui
- untuk
- waktu
- membuang-buang waktu
- untuk
- mengambil
- Total
- tradisional
- Transformasi
- dipicu
- tutorial
- dua
- mengetik
- jenis
- bawah
- belum pernah terjadi sebelumnya
- sampai
- upload
- us
- menggunakan
- gunakan case
- bekas
- Pengguna
- Pengguna
- kegunaan
- menggunakan
- memanfaatkan
- MENGESAHKAN
- nilai
- versi
- sangat
- 'view'
- virginia
- penglihatan
- membayangkan
- volume
- volume
- ingin
- adalah
- Cara..
- we
- jaringan
- layanan web
- BAIK
- adalah
- Apa
- ketika
- yang
- akan
- dengan
- alur kerja
- Alur kerja
- bekerja
- bengkel
- Lokakarya
- bernilai
- tahun
- Kamu
- Anda
- zephyrnet.dll