La crescente influenza dell’intelligenza artificiale nelle grandi organizzazioni comporta sfide cruciali nella gestione delle piattaforme di intelligenza artificiale. Questi includono lo sviluppo di una piattaforma scalabile ed efficiente dal punto di vista operativo che aderisca alla conformità organizzativa e agli standard di sicurezza. Amazon Sage Maker Studio offre una serie completa di funzionalità per professionisti del machine learning (ML) e data scientist. Questi includono un ambiente di sviluppo AI completamente gestito con un ambiente di sviluppo integrato (IDE), che semplifica il flusso di lavoro ML end-to-end. Le sue capacità collaborative, come il coediting in tempo reale e la condivisione di notebook all'interno del team, garantiscono un lavoro di squadra fluido, mentre la scalabilità e la formazione ad alte prestazioni si rivolgono a set di dati di grandi dimensioni. Con sicurezza integrata, convenienza e una gamma di strumenti predefiniti come Pilota automatico Amazon SageMaker, JumpStart di Amazon SageMakere Negozio di funzionalità Amazon SageMaker, SageMaker Studio è una potente piattaforma per accelerare i progetti di intelligenza artificiale e potenziare i data scientist a ogni livello di competenza.
Deutsche Bahn è un'organizzazione leader nel settore dei trasporti in Germania con un fatturato di 56.3 miliardi di euro (nel 2022), una forza lavoro di 336,884 dipendenti (di cui 221,343 dipendenti in Germania) e operazioni in 130 paesi. Offrono una vasta gamma di servizi, tra cui trasporti pubblici e regionali, servizi di trasporto merci e infrastrutture ferroviarie. Attraverso la gestione integrata del traffico e dell'infrastruttura ferroviaria, nonché il collegamento economicamente ed ecologicamente intelligente di tutti i modi di trasporto, la Deutsche Bahn sposta persone e merci. Deutsche Bahn è stata in prima linea nell'adozione dell'intelligenza artificiale, utilizzando SageMaker Studio come piattaforma AI chiave. Presso Deutsche Bahn, un team dedicato alla piattaforma AI gestisce e gestisce la piattaforma SageMaker Studio e diversi team di analisi dei dati all'interno dell'organizzazione utilizzano la piattaforma per sviluppare, formare ed eseguire varie attività di analisi e ML.
L'obiettivo principale del team della piattaforma AI è garantire un accesso senza interruzioni ai servizi Workbench e a SageMaker Studio per tutti i team e i progetti della Deutsche Bahn, con un focus primario sui data scientist e sugli ingegneri ML. Questa piattaforma aiuta Deutsche Bahn a realizzare una vasta gamma di casi d'uso, che vanno dalla manutenzione ferroviaria, alle previsioni e alle applicazioni future nell'intelligenza artificiale generativa.
Il servizio gestito della piattaforma AI, basato su SageMaker Studio, si allinea perfettamente con la strategia della piattaforma a livello di gruppo di Deutsche Bahn. Soddisfa i requisiti di conformità dell'azienda, consente un rapido avvio del progetto per il team fornendo un dominio SageMaker e riduce i costi di manutenzione grazie a un modello operativo globale. I principali vantaggi includono l'elevata scalabilità del servizio, in gran parte dovuta all'automazione e al modello self-service, e un modello di prezzi interessante basato principalmente sul consumo di risorse.
“SageMaker Studio ci ha fornito una piattaforma comune scalabile, conforme alla sicurezza e che soddisfa le esigenze di sviluppo dei data scientist provenienti da più team di analisi dei dati all’interno dell’organizzazione DB. Prima di ciò, ogni team gestiva e utilizzava i propri notebook JupyterLab, il che non era efficiente o conveniente. Nel giro di 8 settimane abbiamo coinvolto oltre 120 sviluppatori, effettuato il provisioning di 25 domini SageMaker e iniziato rapidamente a utilizzare questa piattaforma."
– Emmanuel Drosos, proprietario del prodotto presso DB Systel.
In questo post esploriamo come Deutsche Bahn ha scalato e gestito la propria piattaforma di intelligenza artificiale utilizzando SageMaker Studio per più team, garantendo al tempo stesso sicurezza e supervisione solide.
Panoramica della soluzione
L'architettura della Deutsche Bahn è costituita da un account di piattaforma centrale gestito da un team di piattaforma responsabile della gestione dell'infrastruttura e delle operazioni per SageMaker Studio. Le risorse di SageMaker Studio sono raggruppate per Domini SageMaker, ciascuno costituito da un associato File system elastico Amazon (Amazon EFS), un elenco di utenti autorizzati e una varietà di sicurezza, applicazione, policy e Cloud privato virtuale di Amazon (Amazon VPC). Alla Deutsche Bahn, i data scientist di vari team utilizzano i domini SageMaker per le loro attività ML; ogni team dispone di un dominio SageMaker dedicato che utilizza per sviluppare e testare modelli ML e collaborare utilizzando funzionalità come la condivisione di notebook.
Dal punto di vista delle infrastrutture, il VPC fornito nell'account della piattaforma AI, come mostrato nella figura seguente, non dispone di connettività Internet in uscita per garantire sicurezza e conformità. Per la disponibilità elevata, viene effettuato il provisioning di più sottoreti private isolate identiche. I domini SageMaker Studio vengono distribuiti solo in modalità VPC, che crea un'interfaccia di rete elastica per la comunicazione tra l'account del servizio SageMaker (account del servizio AWS) e il VPC dell'account della piattaforma. Gli endpoint come l'API SageMaker, SageMaker Studio e il notebook SageMaker facilitano la comunicazione sicura e affidabile tra il VPC dell'account della piattaforma e il dominio SageMaker gestito da AWS nell'account del servizio SageMaker.
Ogni team di analisi dei dati può richiedere uno o più domini SageMaker tramite il portale self-service interno dell'azienda. Questo processo di ordinazione di un dominio SageMaker è orchestrato attraverso un processo di flusso di lavoro separato (tramite Funzioni AWS Step). Durante questo flusso di orchestrazione, viene effettuato il provisioning di un gruppo Azure Active Directory (AD) per il team di analisi dei dati con il nome del gruppo AD corrispondente al nome di dominio. L'orchestrazione porta a una pipeline di integrazione continua e distribuzione continua (CI/CD) che distribuisce un Kit di sviluppo cloud AWS (AWS CDK) app composta da un dominio SageMaker per il rispettivo team.
Oltre al dominio SageMaker, un dominio personalizzato Gestione dell'identità e dell'accesso di AWS Ruolo (IAM) (ruolo di esecuzione SageMaker), Servizio di archiviazione semplice Amazon (Amazon S3) (bucket dati), chiave gestita dal cliente (CMK) e altre risorse AWS vengono fornite durante il processo di distribuzione dall'app AWS CDK, come illustrato nella figura seguente. Il gruppo AD contiene scienziati che necessitano di accedere al dominio SageMaker del proprio team. Il nome del gruppo AD corrisponde al nome del dominio SageMaker e viene utilizzato principalmente durante il processo di autorizzazione.
La separazione dei client viene implementata a livello dei domini SageMaker utilizzando la modalità di autenticazione IAM. Un ruolo IAM specifico del dominio (ruolo di esecuzione SageMaker) è collegato a ciascun dominio che segue il principio del privilegio minimo e viene assunto dal team di analisi dei dati durante il processo di accesso. Questo ruolo garantisce ai data scientist del team la capacità di eseguire varie attività, come l'esecuzione di processi di elaborazione, di ottimizzazione degli iperparametri, di trasformazione ed esperimenti, nonché la creazione di modelli. Queste attività ML vengono eseguite per conto dell'utente da SageMaker utilizzando l'autorizzazione del ruolo di passaggio IAM. Tuttavia, alcune azioni come la creazione di bucket S3, la modifica dei ruoli IAM, l'aggiornamento dei domini SageMaker e il provisioning di istanze di grandi dimensioni sono limitate per motivi di sicurezza, conformità e controllo dei costi. La policy IAM associata garantisce che il team di analisi dei dati abbia accesso solo al bucket S3 e alla CMK pertinenti per il dominio autorizzato, come illustrato nella figura seguente. Inoltre, il ruolo SageMaker-execution-role consente ai membri del team di assumere ruoli in altri account all'interno dell'organizzazione Deutsche Bahn da SageMaker Studio, fornendo loro la flessibilità di accedere a risorse come Servizio di database relazionale Amazon (Amazon S3), altri bucket S3 e Amazzone Atena. La policy IAM utilizza aws:RequestTag e aws:ResourceTag per il controllo granulare degli accessi durante le attività di SageMaker, come l'elaborazione dei lavori, la formazione dei lavori e la creazione di modelli. Questi tag aiutano anche a tenere traccia dei costi associati al dominio. Per ulteriori informazioni, fare riferimento a Azioni, risorse e chiavi di condizione per Amazon SageMaker.
La CMK crittografa sia il contenuto del file system del dominio SageMaker archiviato in Amazon EFS sia il contenuto del bucket S3 (bucket dati) fornito per archiviare i dati per i processi di elaborazione e trasformazione di SageMaker. Inoltre, le policy basate sulle risorse, come la bucket policy e la policy CMK, forniscono un ulteriore livello di sicurezza, limitando sia l'accesso solo ai membri autorizzati del team AI sia le azioni consentite su queste risorse.
Il team AI non ne ha Console di gestione AWS accesso all'account del team della piattaforma AI. Per accedere a SageMaker Studio, come illustrato nella figura seguente, i data scientist del team di analisi dei dati utilizzano un URL preimpostato generato autenticandosi tramite un Amazzonia Cognito applicazione di accesso personalizzata basata. Dopo che l'utente ha effettuato l'accesso a questa applicazione personalizzata, riceve un token di accesso OAuth che contiene informazioni come il nome del gruppo AD. Dopo aver effettuato l'accesso all'applicazione personalizzata, l'utente richiede l'accesso al dominio SageMaker tramite l'interfaccia utente attivando un file Gateway API Amazon chiamata per generare un URL preimpostato. API Gateway richiama PreSignUrlGenerator AWS Lambda funzione e utilizza un Autorizzatore di Amazon Cognito per convalidare il token di accesso OAuth nell'intestazione della richiesta. La funzione PreSignUrlGenerator convalida le autorizzazioni di accesso utente per il dominio SageMaker richiesto confrontando il nome AD nel token di accesso con il dominio SageMaker richiesto. Dopo l'autorizzazione, la funzione PreSignUrlGenerator crea un profilo utente SageMaker al primo accesso e genera una risposta URL prefirmata. L'applicazione di accesso personalizzato reindirizza quindi gli utenti al dominio SageMaker richiesto.
AWSCDK
La soluzione di Deutsche Bahn utilizza AWS CDK come Infrastructure as Code (IaC) per eseguire il provisioning di un dominio SageMaker insieme a risorse come bucket S3 e CMK. La figura seguente illustra gli stack e le risorse associate utilizzate per la distribuzione di SageMaker. Lo stack dell'infrastruttura si occupa della configurazione delle risorse essenziali come VPC, sottoreti e più endpoint SageMaker. Le risorse come VPC, sottoreti e policy di controllo dei servizi (SCP) sono gestite da un team cloud centrale attraverso uno stack diverso (ma viene mostrato qui per semplicità). SageMakerStudioStack è principalmente responsabile del provisioning di un dominio SageMaker, di un bucket di dati dedicato, di una CMK e del ruolo IAM dedicato SageMaker-execution-role. In particolare, ogni dominio SageMaker viene fornito tramite il proprio SageMakerStudioStack individuale.
La soluzione utilizza un costrutto L3 appositamente creato (dominio SageMaker Studio), come mostrato nella figura seguente, per la risorsa del dominio SageMaker. SageMaker Studio ha un file configurazione del ciclo di vita funzionalità che consente inizializzazioni specifiche durante l'avvio delle app JupyterLab o KernelGateway.
Deutsch Bahn utilizza la configurazione del ciclo di vita come mostrato nella figura seguente per rilevare e arrestare automaticamente le istanze inattive nel dominio SageMaker, riducendo i costi inutili. A causa della connettività in uscita limitata, il team di analisi dei dati utilizza immagini ospitate internamente e librerie di terze parti provenienti dall'artifactory interno dell'azienda. Lo script di configurazione del ciclo di vita per KernelGateway configura i gestori di pacchetti pip e conda per reindirizzare i download alla posizione dell'artifactory ospitato internamente. Al momento della stesura di questo documento, non esiste alcun costrutto AWS CDK per la risorsa di configurazione del ciclo di vita; pertanto utilizzano una risorsa CDK personalizzata per eseguire il provisioning e gestire lo script LifeCycleConfig. Le risorse personalizzate in AWS CDK offrono la possibilità di effettuare il provisioning e gestire risorse non direttamente supportate da AWS CloudFormazione o costrutti AWS CDK.
Installazione
L'applicazione AWS CDK di esempio dimostra come funzionano insieme vari componenti, tra cui il dominio SageMaker, la configurazione del ciclo di vita, Amazon Cognito e il ruolo IAM con i privilegi minimi. All'interno dell'applicazione, la classe SagemakerStudioStack gestisce il provisioning di un dominio SageMaker, un ruolo IAM (ruolo di esecuzione sagemaker) assunto dagli utenti, CMK, configurazione del ciclo di vita, profilo utente SageMaker, bucket S3 per l'elaborazione dei dati e gruppo utenti Amazon Cognito. L'applicazione demo AWS CDK fornisce una panoramica concisa dei componenti chiave, come il dominio SageMaker, la configurazione del ciclo di vita, l'autenticazione tramite Amazon Cognito e il ruolo IAM con privilegi minimi. SagemakerLoginStack, invece, è responsabile della distribuzione del pool di utenti Amazon Cognito, della funzione Lambda e del gateway API per la generazione di URL prefirmati. CognitoUserStack si concentra principalmente sulla distribuzione di un utente all'interno del pool di utenti di Amazon Cognito.
È possibile eseguire i seguenti comandi per compilare, sintetizzare e distribuire l'applicazione. Dovresti modificare l'account, l'utente e la password nel codice di esempio per la tua applicazione. La password deve contenere almeno 8 caratteri, con caratteri maiuscoli e numeri. Il parametro utente è l'utente del dominio SageMaker che verrà autenticato da Amazon Cognito.
- Scarica il codice sorgente da Repository GitHub.
- Avvia l'account AWS. Nel codice seguente, modifica il numero di conto e la regione secondo necessità:
- Installa i pacchetti e compila il codice:
- Sintetizza l'applicazione AWS CDK:
- Distribuisci l'applicazione con tutti gli stack nell'account e nella regione di tua scelta:
- Scarica l'app Postman per effettuare una chiamata API.
Se non hai un account Postino, crea un account gratuito con la tua email. Se hai già un account, accedi al tuo account.
- Sulla Compila il menù, scegliere Importare e importare il file File JSON dell'ambiente Postman incluso nel repository GitHub.
- Sulla Ambienti scheda in Postman, individuare l'ambiente chiamato SageMaker.
- Aggiungi le seguenti variabili di ambiente, che vedi come parte dell'output della distribuzione dello stack
SagemakerLoginStack
:
Utilizza i seguenti parametri (recupera i valori dall'output durante la distribuzione di cdk):
-
- nome del dominio – Il parametro del nome di dominio passato in cdk deploy, ad esempio team1
- Identificativo cliente – L'ID client di Amazon Cognito
- cliente-segreto – Il segreto del client Amazon Cognito.
- SageMaker-presigned-api – L'URL del gateway API creato da AWS CDK, che genera l'URL prefirmato
- endpoint di accesso cognito – L'URL dell'endpoint del dominio Amazon Cognito in cui l'app client (in questo caso Postman) esegue l'autenticazione fornendo le credenziali dell'utente (utente demo)
Il passaggio successivo consiste nel generare un token OAuth2.
-
- Sulla Autorizzazione scheda, scegli l'ambiente SageMaker e scegli Genera nuovo token di accesso.
Tutti i valori in questa scheda devono essere precompilati.
-
- Aggiorna le variabili di ambiente e scegli Ottieni un nuovo token di accesso.
- Nella finestra pop-up che si apre, accedi ad Amazon Cognito con il nome utente (utente demo) e la password che hai utilizzato in precedenza.
Una volta completata l'autenticazione, viene generato un nuovo token di accesso.
- Scegli Usa gettone.
- Scegli
GeneratePresignedUrlDemo
nelle raccolte Postman SageMaker e scegli Invia. - Assicurati di aver selezionato l'ambiente corretto (SageMaker) nell'elenco a discesa.
Ciò effettua una chiamata API REST all'API Gateway e genera un URL prefirmato per accedere al dominio SageMaker. Puoi vedere questo URL nel corpo della risposta.
- Copia questo URL e inseriscilo nella finestra del browser.
Un nuovo dominio SageMaker verrà lanciato con il tuo profilo utente.
Questa applicazione demo supporta le funzionalità di SageMaker come lavori di formazione, lavori di elaborazione ed endpoint del modello. Tieni presente che funzionalità come Tela di Amazon SageMaker, SageMaker JumpStart e SageMaker Feature Store non sono attivati.
ripulire
Completa i seguenti passaggi per ripulire le tue risorse:
- Sulla console di SageMaker, nel pannello di navigazione, scegli Dominio, Profilo utentee Apps.
- Elimina tutte le app in esecuzione (KernelGateway o JupyterLab) da questa soluzione.
- Elimina tutti i profili utente SageMaker che hai creato durante la fase di accesso.
- Nella console Amazon EFS, eliminare il file system EFS creato per questo post.
- Esegui il comando seguente per eliminare le risorse create con AWS CDK:
Conclusione
Il post ha evidenziato come Deutsche Bahn abbia utilizzato in modo efficace SageMaker Studio per rinnovare la propria piattaforma di intelligenza artificiale, ottenendo una soluzione scalabile, automatizzata e gestibile per supportare i suoi diversi team di analisi dei dati. Questa architettura prevede un account della piattaforma centrale, un processo di ordinazione dei domini self-service e il provisioning dell'infrastruttura tramite AWS CDK. Il processo di distribuzione incorpora una pipeline CI/CD, garantendo la distribuzione fluida dei domini SageMaker.
Nel complesso, la trasformazione apportata da SageMaker Studio ha consentito a Deutsche Bahn di costruire una solida piattaforma per le proprie iniziative di intelligenza artificiale, soddisfacendo oltre 100 sviluppatori e gestendo 20 domini SageMaker all'interno di un singolo account AWS.
Infine, estendiamo il nostro sincero apprezzamento a Nico Seegert (d-fine) e Philipp Vollmer (Deutsche Bahn), i cui preziosi contributi sono stati determinanti nel dare forma a questa architettura.
Per ulteriori letture, fare riferimento alle seguenti risorse:
___________________________________________________________________________________________
Circa gli autori
Prasanna Tuladhar è un architetto di infrastrutture cloud presso AWS Professional Services a Monaco, Germania. Specializzato in infrastruttura cloud, migrazione dei carichi di lavoro e DevOps sulla piattaforma AWS, consente ai clienti di raggiungere i propri obiettivi aziendali. Al di fuori del lavoro, gli piace fare jogging, fare escursioni e trascorrere del tempo di qualità con la sua famiglia.
Emanuele Drosos è Product Owner per la piattaforma AI presso DBsystel, una filiale di Deutsche Bahn (DB) Germania. Con una passione per l'innovazione e la tecnologia, Emmanuel guida iniziative volte a sfruttare la potenza del cloud per promuovere la piattaforma AI presso DB (Deutsche Bahn). AI.Platform è una delle piattaforme di sviluppo di DB a livello di gruppo. Comprende servizi e strumenti di IA per lo sviluppo di modelli di IA (apprendimento automatico) e servizi di IA direttamente utilizzabili. Semplice, integrato e scalabile. Lavora a stretto contatto con altri clienti DB per sfruttare tutto il potenziale della piattaforma AI, consentendo loro di raggiungere i propri obiettivi aziendali in modo efficiente ed efficace. Al di fuori delle sue attività professionali, Emmanuel ama viaggiare ed è un entusiasta amante della natura e delle escursioni.
Vishwanath Bhat è un DevOps Architect presso AWS Professional Services, con sede in Germania. Aiuta i clienti a ottenere tutti i vantaggi del cloud e a raggiungere i propri obiettivi aziendali con il cloud AWS. Quando non lavora gli piace nuotare nei laghi alpini, fare escursioni, leggere o giocare a calcio.
Kumudhan Cherarajan è un consulente DevOps presso AWS Professional Services, con sede in Svizzera. La sua passione è aiutare i clienti ad adottare processi e servizi che aumentino la loro efficienza nel percorso verso il cloud. Quando non lavora, gli piace giocare a cricket e ascoltare musica.
- Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
- PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
- PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
- PlatoneESG. Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
- Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/supercharge-your-ai-team-with-amazon-sagemaker-studio-a-comprehensive-view-of-deutsche-bahns-ai-platform-transformation/
- :ha
- :È
- :non
- :Dove
- $ SU
- 10
- 100
- 11
- 12
- 120
- 13
- 130
- 16
- 20
- 2022
- 237
- 25
- 350
- 7
- 8
- a
- capacità
- capace
- Chi siamo
- accelerando
- accesso
- Il mio account
- conti
- Raggiungere
- azioni
- attivo
- attività
- Ad
- aggiunta
- Inoltre
- indirizzi
- adottare
- Adottando
- Dopo shavasana, sedersi in silenzio; saluti;
- contro
- AI
- Piattaforma AI
- Servizi di intelligenza artificiale
- Mirato
- Allinea
- Tutti
- consente
- lungo
- già
- anche
- Amazon
- Amazzonia Cognito
- Amazon Sage Maker
- Amazon Sage Maker Studio
- Amazon Web Services
- an
- analitica
- ed
- e infrastruttura
- api
- App
- Applicazioni
- applicazioni
- apprezzamento
- applicazioni
- architettura
- SONO
- AS
- associato
- assumere
- assunto
- At
- attraente
- auth
- autenticato
- autentica
- Autenticazione
- autorizzazione
- autorizzato
- Automatizzata
- automaticamente
- Automazione
- disponibilità
- AWS
- Servizi professionali AWS
- azzurro
- basato
- BE
- stato
- per conto
- beneficio
- vantaggi
- fra
- Miliardo
- stile di vita
- bootstrap
- entrambi
- Porta
- portato
- del browser
- costruito
- incassato
- affari
- ma
- by
- chiamata
- detto
- Materiale
- funzionalità
- che
- Custodie
- casi
- ristorazione
- Dedicato
- centrale
- certo
- sfide
- caratteri
- scegliere
- Scegli
- classe
- cavedano
- cliente
- strettamente
- Cloud
- infrastruttura cloud
- codice
- collaboreranno
- collaborativo
- collezioni
- Uncommon
- Comunicazione
- Società
- confronto
- conformità
- compiacente
- componenti
- globale
- conciso
- condizione
- Configurazione
- veloce
- Connettività
- Consistente
- consiste
- consolle
- costruire
- costrutti
- consulente
- consumo
- contiene
- testuali
- continuo
- contributi
- di controllo
- Corrispondente
- corrisponde
- Costo
- costo effettivo
- Costi
- paesi
- creare
- creato
- crea
- Creazione
- Credenziali
- cricket
- cruciale
- costume
- cliente
- Clienti
- personalizzate
- dati
- Dati Analytics
- elaborazione dati
- Banca Dati
- dataset
- dedicato
- consegna
- dimostrazione
- dimostra
- raffigurato
- schierare
- schierato
- distribuzione
- deployment
- distruggere
- individuare
- sviluppare
- sviluppatori
- in via di sviluppo
- Mercato
- diverso
- direttamente
- elenco
- paesaggio differenziato
- effettua
- dominio
- Domain Name
- domini
- Dont
- giù
- download
- guidare
- dovuto
- durante
- ogni
- In precedenza
- in maniera efficace
- efficienza
- efficiente
- in modo efficiente
- dipendenti
- il potere
- che abilita
- Potenzia
- Abilita
- consentendo
- da un capo all'altro
- endpoint
- Ingegneri
- garantire
- assicura
- assicurando
- entrare
- entusiasta
- Ambiente
- essential
- EUR
- Ogni
- esempio
- esperimenti
- competenza
- esplora
- estendere
- extra
- facilitare
- famiglia
- caratteristica
- Caratteristiche
- figura
- Compila il
- Nome
- Flessibilità
- flusso
- Focus
- si concentra
- i seguenti
- segue
- Calcio
- Nel
- prima linea
- Gratis
- da
- pieno
- completamente
- function
- ulteriormente
- futuro
- porta
- generare
- generato
- genera
- la generazione di
- generativo
- AI generativa
- Germania
- ottenere
- GitHub
- Go
- Obiettivi
- merce
- ha ottenuto
- borse di studio
- Gruppo
- Crescita
- cura
- Maniglie
- Avere
- he
- Aiuto
- aiutare
- aiuta
- qui
- Alta
- Alte prestazioni
- Evidenziato
- il suo
- ospitato
- Come
- Tuttavia
- HTML
- http
- HTTPS
- Sintonia iperparametro
- identico
- Identità
- Idle
- if
- illustra
- immagini
- implementato
- importare
- in
- In altre
- includere
- incluso
- inclusi
- Compreso
- incorpora
- Aumento
- individuale
- influenza
- informazioni
- Infrastruttura
- iniziazione
- iniziative
- Innovazione
- install
- strumentale
- integrato
- integrazione
- Intelligente
- Interfaccia
- interno
- internamente
- Internet
- ai miglioramenti
- inestimabile
- invoca
- isolato
- IT
- SUO
- Offerte di lavoro
- viaggio
- jpg
- json
- Le
- Tasti
- laghi
- grandi
- lanciato
- strato
- principale
- Leads
- apprendimento
- meno
- Livello
- leveraging
- biblioteche
- ciclo di vita
- piace
- piace
- Lista
- località
- ceppo
- accesso
- macchina
- machine learning
- manutenzione
- maggiore
- make
- FA
- gestire
- maneggevole
- gestito
- gestione
- I gestori
- gestisce
- gestione
- Soddisfa
- Utenti
- migrazione
- ML
- Moda
- modello
- modelli
- modalità di
- Scopri di più
- si muove
- multiplo
- Musica
- Nome
- Natura
- Navigazione
- di applicazione
- esigenze
- Rete
- New
- Nuovo accesso
- GENERAZIONE
- no
- segnatamente
- Nota
- taccuino
- numero
- numeri
- OAuth
- obiettivo
- Obiettivi d'Esame
- of
- offrire
- Offerte
- on
- ONE
- esclusivamente
- apre
- operato
- opera
- operativo
- operazione
- Operazioni
- or
- orchestrato
- orchestrazione
- organizzazione
- organizzativa
- organizzazioni
- Altro
- nostro
- produzione
- al di fuori
- ancora
- globale
- alto
- svista
- panoramica
- proprio
- proprietario
- pacchetto
- Packages
- vetro
- parametro
- parametri
- parte
- passare
- Passato
- passione
- appassionato
- Password
- Persone
- Eseguire
- autorizzazione
- permessi
- prospettiva
- conduttura
- piattaforma
- Piattaforme
- Platone
- Platone Data Intelligence
- PlatoneDati
- Giocare
- Termini e Condizioni
- politica
- pool
- pop-up
- Portale
- Post
- potenziale
- energia
- potente
- prezzi
- modello di prezzo
- principalmente
- primario
- principio
- un bagno
- privilegio
- privilegi
- processi
- lavorazione
- Prodotto
- professionale
- Profilo
- Profili
- progetto
- progetti
- fornire
- purché
- fornisce
- fornitura
- fornitura
- la percezione
- qualità
- rapidamente
- A binario
- Ferrovia
- gamma
- che vanno
- Lettura
- tempo reale
- rendersi conto
- motivi
- ricevere
- reindirizzare
- riduce
- riducendo
- riferimento
- regione
- regionale
- pertinente
- affidabile
- richiesta
- richieste
- Requisiti
- risorsa
- Risorse
- quelli
- risposta
- responsabile
- REST
- limitato
- limitando
- risultante
- Le vendite
- destra
- robusto
- Ruolo
- ruoli
- Correre
- running
- sagemaker
- campione
- Scalabilità
- scalabile
- scalato
- scienziati
- copione
- senza soluzione di continuità
- senza soluzione di continuità
- Segreto
- sicuro
- problemi di
- vedere
- selezionato
- Fai da te
- separato
- servizio
- Servizi
- set
- regolazione
- sagomatura
- compartecipazione
- dovrebbero
- mostrato
- chiuso
- fermare
- segno
- Un'espansione
- semplicità
- semplificando
- singolo
- lisciare
- soluzione
- Fonte
- codice sorgente
- tensione
- specializzata
- specifico
- Spettro
- pila
- Stacks
- standard
- iniziato
- startup
- step
- Passi
- conservazione
- Tornare al suo account
- memorizzati
- Strategia
- studio
- sottoreti
- filiale
- di successo
- tale
- Sovralimentare
- supporto
- supportato
- supporti
- sicuro
- SWIFT
- Svizzera
- sintetizzare
- sistema
- prende
- team
- Membri del team
- le squadre
- lavoro di gruppo
- Tecnologia
- Testing
- che
- I
- L’ORIGINE
- loro
- Li
- poi
- Là.
- perciò
- Strumenti Bowman per analizzare le seguenti finiture:
- di
- di parti terze standard
- questo
- Attraverso
- tempo
- a
- insieme
- token
- strumenti
- pista
- traffico
- Treni
- Training
- Trasformazione
- trasporto
- trasporti
- Di viaggio
- innescando
- sintonia
- ui
- sbloccare
- inutile
- aggiornamento
- su
- URL
- us
- utilizzabile
- uso
- utilizzato
- Utente
- utenti
- usa
- utilizzando
- CONVALIDARE
- Valori
- varietà
- vario
- via
- Visualizza
- virtuale
- volume
- Prima
- we
- sito web
- servizi web
- Settimane
- WELL
- sono stati
- quando
- quale
- while
- OMS
- di chi
- largo
- Vasta gamma
- volere
- finestra
- con
- entro
- Lavora
- flusso di lavoro
- Forza lavoro
- lavoro
- lavori
- scrittura
- Tu
- Trasferimento da aeroporto a Sharm
- zefiro