OpenSearch è una suite software open source scalabile, flessibile ed estensibile per applicazioni di ricerca, analisi, monitoraggio della sicurezza e osservabilità, concessa in licenza con la licenza Apache 2.0. Servizio Amazon OpenSearch è un servizio completamente gestito che semplifica la distribuzione, la scalabilità e il funzionamento di OpenSearch nel cloud AWS.
OpenSearch utilizza un quadro di classificazione probabilistico chiamato BM-25 per calcolare i punteggi di pertinenza. Se una parola chiave distintiva appare più frequentemente in un documento, BM-25 assegna a quel documento un punteggio di pertinenza più elevato. Questo framework, tuttavia, non considera il comportamento degli utenti come i dati sui clic o sugli acquisti, che possono migliorare ulteriormente la pertinenza per i singoli utenti.
Migliorare la funzionalità di ricerca è un aspetto integrante del miglioramento dell'esperienza complessiva dell'utente e del coinvolgimento su un sito Web o un'applicazione. Il traffico di ricerca è considerato ad alta intenzione perché gli utenti cercano attivamente un particolare articolo e si è scoperto che generano in media fino a due volte più conversioni rispetto ai visitatori che effettuano ricerche non sul sito. Utilizzando i dati di interazione dell'utente come clic, Mi piace e acquisti, le aziende possono migliorare la pertinenza della ricerca per sfruttare questo traffico e ridurre i casi in cui gli utenti abbandonano le sessioni a causa delle difficoltà nel trovare gli articoli desiderati. Perfezionando la qualità dei risultati di ricerca, le aziende possono migliorare significativamente il coinvolgimento, la soddisfazione e la fedeltà dei clienti, nonché aumentare i tassi di conversione, portando in definitiva a maggiore redditività e successo.
Amazon Personalizza ti consente di aggiungere sofisticate funzionalità di personalizzazione alle tue applicazioni utilizzando la stessa tecnologia di machine learning (ML) utilizzata su Amazon.com da oltre 20 anni. Non è richiesta alcuna competenza in ML.
Amazon Personalize supporta la regolazione automatica dei consigli in base alle informazioni contestuali sull'utente, come il tipo di dispositivo, la posizione, l'ora del giorno o altre informazioni fornite. Fornisci ad Amazon Personalize dati storici sui tuoi utenti e sulle loro interazioni all'interno della tua applicazione, come cronologia degli acquisti, valutazioni e Mi piace. Puoi aggiungere dati ad Amazon Personalize in blocco importando contemporaneamente grandi set di dati storici da un file Servizio di archiviazione semplice Amazon (Amazon S3) File CSV, utilizzando un formato richiesto da Amazon Personalize. Puoi anche aggiungere dati in modo incrementale importando record utilizzando la console o l'API Amazon Personalize. Dopo aver importato i dati storici, puoi continuare a fornire nuovi dati in tempo reale inviando eventi di interazione dell'utente. In base al caso d'uso che desideri affrontare, ad esempio i consigli sui prodotti, selezioni una ricetta predefinita ottimizzata per tale obiettivo. Amazon Personalize analizza i tuoi dati e addestra un modello ML personalizzato in base ai parametri nella ricetta per generare consigli personalizzati ottimizzati per i tuoi utenti e la tua applicazione. Una volta addestrato il modello, puoi generare consigli personalizzati in tempo reale per i tuoi utenti.
Con il nuovo lancio Plug-in di ricerca personalizzata Amazon per il servizio Amazon OpenSearch, puoi utilizzare la cronologia delle interazioni e gli interessi degli utenti per migliorare i risultati di ricerca. Utilizzando un Ricetta personalizzata Amazon ad esempio Classifica personalizzata, puoi contribuire a migliorare i risultati di ricerca per elementi pertinenti in base agli interessi degli utenti nel momento in cui ottieni risultati di ricerca dal servizio OpenSearch.
Questo post spiega come integrare il plug-in Amazon Personalize Search Ranking con il servizio OpenSearch per abilitare esperienze di ricerca personalizzate. Per creare artefatti Amazon Personalize in questo post, utilizziamo un set di dati di IMDb, la fonte più autorevole al mondo per contenuti di film, TV e celebrità, disponibile su AWS Marketplace, nonché Set di dati MovieLens preparato dalla ricerca GroupLens presso l'Università del Minnesota, consistente nelle classifiche degli utenti per vari film.
Panoramica della soluzione
Il diagramma seguente illustra l'architettura della soluzione.
Il flusso di lavoro include i seguenti passaggi:
- Un utente invia una richiesta di ricerca tramite il proprio sito Web o portale. Questa richiesta di ricerca viene inviata al servizio OpenSearch.
- I primi N risultati di ricerca vengono restituiti dall'indice del servizio OpenSearch e inviati al plug-in per preelaborare e preparare l'input per un Campagna Amazon Personalizza.
- La richiesta viene inviata ad Amazon Personalize per ottenere i risultati della ricerca riclassificati.
- Amazon Personalize restituisce la classifica personalizzata dei risultati di ricerca con il relativo punteggio per ciascun risultato.
- Gli hit riclassificati vengono restituiti dal plug-in a OpenSearch Service, con una ponderazione applicata tra il punteggio di pertinenza di OpenSearch Service e il punteggio di classificazione personalizzata di Amazon Personalize. Puoi specificare un parametro di peso (tra 0.0 e 1.0) che controlla il saldo tra OpenSearch Service e Amazon Personalize durante la riclassificazione dei risultati. Un peso più elevato significa una maggiore influenza dei punteggi del ranking di Amazon Personalize rispetto ai punteggi del servizio OpenSearch. Ciò consente di personalizzare l'impatto dei consigli personalizzati sul ranking dei risultati di ricerca finali restituiti all'utente.
- L'utente ottiene risultati di ricerca personalizzati in base alle proprie preferenze e interazioni.
Prerequisiti
Dovresti avere i seguenti prerequisiti:
- An Account AWS.
- An Gestione dell'identità e dell'accesso di AWS (IAM) con autorizzazioni di accesso appropriate. Noi forniamo AWS CloudFormazione modelli e notebook Jupyter per aiutare a configurare il ruolo IAM e l'accesso richiesti.
- Per abilitare la personalizzazione nel servizio OpenSearch, devi configurare le risorse Amazon Personalize richieste, tra cui un gruppo di set di dati, una versione della soluzione e una campagna. Abbiamo fornito a Notebook Jupyter che crea tutte le risorse Amazon Personalize, sfruttando le funzionalità dell'istanza notebook Jupyter completamente gestita di Amazon Sage Maker.
Distribuisci lo stack CloudFormation
Lo stack CloudFormation automatizza la distribuzione del dominio del servizio OpenSearch e dell'istanza di SageMaker Notebook. Completa i seguenti passaggi per distribuire lo stack:
- Accedi al Console di gestione AWS con le tue credenziali nell'account in cui desideri distribuire lo stack CloudFormation.
- Avvia lo stack CloudFormation direttamente.
- Sulla Specificare i dettagli pagina, fornire tutti i parametri richiesti dal modello, come il servizio OpenSearch e le dimensioni delle istanze SageMaker.
- Sulla Configura le opzioni di stack pagina, specifica un nome di stack e qualsiasi altra opzione che desideri impostare.
- Completa la creazione dello stack e monitora lo stato nella pagina dei dettagli dello stack.
- Dopo aver creato lo stack, apri l'istanza notebook SageMaker dalla console.
L'istanza del notebook sarà già precaricata con i notebook richiesti.
Configura e completa il flusso di lavoro di Amazon Personalize
Aprire il 1.Configure_Amazon_Personalize.ipynb notebook per configurare gli artefatti Amazon Personalize. Questo taccuino ti guida attraverso i seguenti passaggi:
- Scarica il set di dati e preelabora i dati per creare i file di input richiesti per la creazione dei set di dati.
- Creare un gruppo di set di dati.
- Creare set di dati e schemi.
- Preparare e importare dati.
- Creare una soluzione e una versione della soluzione.
- Crea una campagna per la versione della soluzione.
Installa il plug-in Amazon Personalize Search Ranking utilizzando un notebook Jupyter
Aprire il 2.Configure_Amazon_OpenSearch.ipynb notebook e seguire le istruzioni. Questo taccuino ti guida attraverso i seguenti passaggi:
- Inserisci i dati dell'indice di esempio nell'istanza del servizio OpenSearch. Il popolamento dell'indice con dati rappresentativi facilita il test e la convalida approfonditi del plug-in.
- Installa il pacchetto plug-in nel dominio del servizio OpenSearch. Ciò integra le funzionalità di personalizzazione nell'ambiente OpenSearch.
- Configura pipeline di ricerca per attivare la funzionalità del plug-in. Le pipeline di ricerca contengono preprocessori di richiesta e postprocessori di risposta che trasformano query e risultati. Quando costruisci una pipeline, specifica l'ARN della campagna Amazon Personalize creato in precedenza in a
personalized_search_ranking
postprocessore per consentire la riclassificazione personalizzata. Ciò configura il plug-in per recuperare risultati di personalizzazione in tempo reale da Amazon Personalize per l'applicazione durante l'elaborazione dei risultati. La definizione di pipeline consente al plug-in di aumentare la pertinenza della ricerca in base alle preferenze dell'utente.
Installa il plug-in Amazon Personalize Search Ranking utilizzando la console
Puoi anche configurare il plug-in di ricerca Amazon Personalize dalla console. Devi farlo solo se non hai installato il plug-in utilizzando il notebook Jupyter in precedenza.
Per installare il plug-in Amazon Personalize Search Ranking sul servizio OpenSearch, completa i seguenti passaggi:
- Nella console del servizio OpenSearch, accedi al tuo dominio.
- Sulla Pack scheda, scegliere Pacchetto associato per associare il plug-in Amazon Personalize Search Ranking al tuo dominio del servizio OpenSearch. La versione del plug-in deve corrispondere alla versione del dominio del servizio OpenSearch.
Il plug-in Amazon Personalize Search Ranking può essere installato sulle versioni del servizio OpenSearch 2.9 e successive.
- Individua il plug-in Amazon Personalize Search Ranking nell'elenco dei plug-in disponibili.
- Scegli Associate accanto al plug-in per installarlo e associarlo al dominio del servizio OpenSearch esistente.
Dopo aver collegato il plugin, apparirà nell'elenco dei pacchetti come tipo di plugin. Con il plugin installato, il processo di installazione è terminato.
Abilita il plugin Amazon Personalize Search Ranking
Il plug-in Amazon Personalize Search Ranking utilizza il file search-pipeline
funzionalità del servizio OpenSearch, rilasciata a partire dalla versione 2.9. Il plugin dipende da search-pipeline
per applicare il ranking personalizzato di Amazon sui risultati di ricerca forniti dal servizio OpenSearch e deve inoltre essere impostato come a search-pipeline
processore di risposta. Questa definizione della pipeline conterrà la configurazione per il plug-in Amazon Personalize, che include la campagna Amazon Personalize da richiedere per ottenere la classifica Amazon Personalize, il ruolo IAM per accedere alle risorse Amazon Personalize, nonché i parametri definiti nella tabella seguente.
Impostazioni profilo | Obbligatorio | Predefinito | Descrizione |
campaign |
Sì | Nessuna | Specifica l'ARN della campagna Amazon Personalize da utilizzare per personalizzare i risultati. |
recipe |
Sì | Nessuna | Specifica il nome della ricetta Amazon Personalize da utilizzare. Al momento della stesura di questo articolo, aws-personalized-ranking è l'unico valore supportato. |
item_id_field |
Non | "_id" | Se l' _id per un documento indicizzato in OpenSearch non corrisponde al tuo Amazon Personalize itemId , specifica il nome del campo che lo fa. |
weight |
Sì | Nessuna | Specificare l'enfasi che il processore di risposta pone sulla personalizzazione quando riclassifica i risultati. Specificare un valore compreso tra 0.0 e 1.0. Più si avvicina a 1.0, più è probabile che i risultati di Amazon Personalize si classifichino più in alto. Se specifichi 0.0, non viene eseguita alcuna personalizzazione e il servizio OpenSearch ha la precedenza. |
tag |
Non | Nessuna | Specificare un identificatore per il processore. |
iam_role_arn |
Sì | Nessuna | Specifica il ruolo IAM per accedere alle risorse Amazon Personalize. Ciò è obbligatorio per il servizio OpenSearch e facoltativo per OpenSearch open source. |
aws_region |
Sì | Nessuna | Specifica la regione AWS in cui hai creato la tua campagna Amazon Personalize. |
ignore_failure |
Non | Nessuna | Specifica se il plugin ignora eventuali guasti del processore. Per i valori, specificare true or false . Per i tuoi ambienti di produzione, ti consigliamo di specificarlo true per evitare eventuali interruzioni per le risposte alle query. Per gli ambienti di test, è possibile specificare false per visualizzare eventuali errori generati dal plugin. |
external_account_iam_role_arn |
Non | Nessuna | Se utilizzi OpenSearch Service e le tue risorse Amazon Personalize e OpenSearch Service esistono in account diversi, specifica l'ARN del ruolo che dispone dell'autorizzazione per accedere ad Amazon Personalize. |
Il seguente frammento di codice Python crea una pipeline di ricerca con a personalized_search_ranking
processore di risposta su un dominio del servizio OpenSearch. Esegui questo passaggio una volta come parte del taccuino che accompagna questo post:
Definisci la pipeline di ricerca per un posizionamento personalizzato
È possibile utilizzare il seguente codice Python per creare una pipeline di ricerca con a personalized_search_ranking
processore di risposta su un dominio del servizio OpenSearch. Sostituisci l'endpoint del dominio con l'URL dell'endpoint del dominio. Per esempio: https://<domain name>.<AWS region>.es.amazonaws.com
.
Applicare una pipeline di ricerca a una singola query
Dopo aver configurato una pipeline di ricerca con a personalized_search_ranking
processore di risposta, puoi applicare il plug-in Amazon Personalize Search Ranking alle query OpenSearch e visualizzare i risultati riclassificati. Aggiorna il codice per specificare l'endpoint del tuo dominio, l'indice del servizio OpenSearch, il nome della pipeline (che hai configurato sopra) e la tua query (usiamo "Tom Cruise" per la query). Per user_id
, specifica l'ID dell'utente per il quale stai ricevendo i risultati di ricerca. Questo utente deve essere presente nei dati utilizzati per creare la versione della soluzione Amazon Personalize.
Valuta i risultati
Aprire il 3.Test.ipynb notebook e segui i passaggi per testare e confrontare i risultati delle query che utilizzano la personalizzazione e di quelle che non la utilizzano. Il plug-in Amazon Personalize Search Ranking riclassifica i risultati della ricerca nella risposta alla query del servizio OpenSearch. Considera sia la classifica di Amazon Personalize che quella del servizio OpenSearch. Questo taccuino ti guida attraverso i seguenti passaggi:
- Definisci i parametri di connessione necessari per stabilire una connessione con il tuo dominio del servizio OpenSearch. Ciò comporta la specifica dell'endpoint del dominio, delle credenziali di autenticazione e di eventuali impostazioni di configurazione aggiuntive richieste per la configurazione specifica del servizio OpenSearch.
- Crea una serie di query di esempio, incluse query con parametri di personalizzazione e query senza parametri di personalizzazione. Queste query verranno utilizzate per valutare l'impatto della personalizzazione sui risultati della ricerca.
- Esegui e confronta i risultati delle query che utilizzano la personalizzazione e di quelle che non la utilizzano.
Per il nostro esempio, abbiamo utilizzato una query per "Tom Cruise" e per il parametro di personalizzazione abbiamo utilizzato un utente con una storia recente di visione di film di genere drammatico e romantico. I successivi risultati della ricerca mostrano come il plugin personalizza e dà priorità ai consigli basati sul comportamento di visualizzazione osservato dell'utente. Ciò esemplifica la capacità del plug-in di offrire un'esperienza personalizzata e curata considerando le preferenze e i modelli di coinvolgimento dei singoli utenti. La capacità di perfezionare e sintonizzare i risultati della ricerca in base alle inferenze delle preferenze di un utente consente di fornire maggiore pertinenza e utilità.
Risultati personalizzati e non personalizzati
Consideriamo la personalizzazione dei risultati per un utente con ID 12. Innanzitutto controlliamo le interazioni recenti di questo utente eseguendo il codice nel 3.Test.ipynb notebook per recuperare la cronologia delle interazioni. Questo ci consente di vedere quali tipi di film questo utente ha recensito di recente, il che può aiutarci a personalizzare i consigli per lui.
In questo esempio, vediamo che l'utente ha espresso interesse per i generi di film drammatici, romantici e thriller. Per fornire consigli personalizzati, eseguiamo innanzitutto query con i parametri di personalizzazione abilitati, utilizzando le preferenze di genere dell'utente. Quindi eseguiamo le stesse query senza la personalizzazione abilitata, per il confronto. I seguenti risultati mostrano la differenza tra gli output dei suggerimenti non personalizzati e quelli personalizzati.
Le prime due colonne mostrano i risultati predefiniti del servizio OpenSearch per la query "Tom Cruise" su un indice di film, mostrando una varietà di film di Tom Cruise di generi diversi. Le due colonne successive mostrano i risultati personalizzati del servizio OpenSearch per la stessa query "Tom Cruise", ma personalizzati per un utente interessato ai generi drammatico, romantico e thriller. Rispetto ai risultati generici, i risultati personalizzati presentano in primo piano i film di Tom Cruise nei generi drammatico, romantico e thriller preferito dall'utente. Il delta evidenzia come i risultati personalizzati sono stati riclassificati rispetto ai risultati non personalizzati, dando priorità ai film che corrispondono alle preferenze di genere dell'utente. Ciò dimostra come la personalizzazione possa adattare i risultati del servizio OpenSearch ai gusti e agli interessi dei singoli utenti.
Questo confronto dimostra come Amazon Personalize possa personalizzare i risultati dei film del servizio OpenSearch in modo che corrispondano agli interessi di un singolo utente. Sebbene il servizio OpenSearch standard miri a fornire universalmente risultati di film rilevanti per Tom Cruise, Amazon Personalize personalizza i risultati per concentrarsi sui film di Tom Cruise che prevede che questo utente apprezzerà in base alla sua cronologia di visualizzazione e alle sue preferenze uniche.
I risultati affiancati illustrano come Amazon Personalize fornisce un'esperienza di ricerca più mirata e incentrata sull'utente personalizzando i risultati dei film per l'individuo.
ripulire
Completa i seguenti passaggi per ripulire le tue risorse:
- Segui i passaggi in 4.Pulizia.ipynb notebook per ripulire le risorse create tramite il notebook.
- Nella console AWS CloudFormation, elimina lo stack che hai creato.
Conclusione
Il plug-in Amazon Personalize Search Ranking si integra perfettamente con il servizio OpenSearch per consentire esperienze di ricerca personalizzate. Utilizzando i dati sul comportamento degli utenti e le funzionalità ML di Amazon Personalize, il plug-in può riordinare le classifiche dei risultati di OpenSearch Service per aumentare la pertinenza per ciascun utente univoco. Ciò crea un'esperienza di ricerca personalizzata che fa emergere i contenuti più pertinenti più in alto nei risultati. Il plug-in è configurabile per bilanciare la personalizzazione con il punteggio nativo di OpenSearch Service per adattarsi a diversi casi d'uso. Nel complesso, il plug-in Amazon Personalize Search Ranking è un modo potente per migliorare la pertinenza e il coinvolgimento della ricerca del servizio OpenSearch tenendo conto degli interessi e delle preferenze individuali dei tuoi utenti. Con solo pochi passaggi di configurazione, puoi iniziare a fornire risultati estremamente pertinenti che hanno una forte risonanza con i tuoi utenti.
Risorse addizionali
Informazioni sugli autori
Giacomo Jory è Principal Solutions Architect in Applied AI con AWS. Ha un interesse speciale per la personalizzazione e i sistemi di raccomandazione e ha un background in e-commerce, tecnologia di marketing e analisi dei dati dei clienti. Nel tempo libero si diverte con le simulazioni di campeggio e di corse automobilistiche.
Regan Rosario è un Solutions Architect presso AWS, specializzato nella creazione di soluzioni cloud scalabili, altamente disponibili e sicure per le aziende di tecnologia educativa. Con oltre 10 anni di esperienza in ruoli di ingegneria e architettura del software, Reagan ama utilizzare le sue conoscenze tecniche per aiutare i clienti AWS a progettare solide soluzioni cloud che sfruttano l'ampiezza e la profondità di AWS.
- 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/unlock-personalized-experiences-powered-by-ai-using-amazon-personalize-and-amazon-opensearch-service/
- :ha
- :È
- :non
- :Dove
- $ SU
- 1
- 10
- 100
- 12
- 13
- 20
- 20 anni
- 7
- 8
- 9
- a
- capacità
- WRI
- sopra
- accesso
- Il mio account
- conti
- operanti in
- attivare
- attivamente
- aggiungere
- aggiuntivo
- indirizzo
- Adattamento
- Vantaggio
- influenzare
- Dopo shavasana, sedersi in silenzio; saluti;
- AI
- mira
- Tutti
- consente
- già
- anche
- Sebbene il
- Amazon
- Servizio Amazon OpenSearch
- Amazon Personalizza
- Amazon Web Services
- an
- analitica
- analisi
- ed
- in qualsiasi
- Apache
- api
- apparire
- appare
- Applicazioni
- applicazioni
- applicato
- AI applicata
- APPLICA
- opportuno
- architettura
- SONO
- AS
- aspetto
- Associate
- At
- aumentare
- auth
- Autenticazione
- auto
- automatizza
- Automatico
- disponibile
- media
- evitare
- AWS
- AWS CloudFormazione
- Mercato AWS
- sfondo
- Equilibrio
- basato
- BE
- perché
- stato
- comportamento
- fra
- stile di vita
- Incremento
- entrambi
- ampiezza
- costruire
- Costruzione
- aziende
- ma
- by
- calcolare
- chiamata
- detto
- Campagna
- Materiale
- funzionalità
- capacità
- capitalizzare
- Custodie
- casi
- Celebrità
- dai un'occhiata
- Scegli
- cavedano
- più vicino
- Cloud
- codice
- colonne
- COM
- Aziende
- confrontare
- rispetto
- confronto
- completamento di una
- Configurazione
- configurato
- collegato
- veloce
- Prendere in considerazione
- considerato
- considerando
- ritiene
- Consistente
- consolle
- costruire
- contenere
- contenuto
- contestuale
- continua
- controlli
- Conversione
- convertire
- creare
- creato
- crea
- Creazione
- Credenziali
- crociera
- a cura
- costume
- cliente
- dati dei clienti
- Il coinvolgimento del cliente
- Clienti
- personalizzare
- personalizzate
- dati
- Dati Analytics
- dataset
- giorno
- Predefinito
- definito
- definizione
- definizione
- consegnare
- consegna
- Delta
- dimostra
- dipende
- schierare
- deployment
- profondità
- descrizione
- desiderato
- dettagli
- dispositivo
- diagramma
- differenza
- diverso
- le difficoltà
- direttamente
- Dsiplay
- distintivo
- paesaggio differenziato
- do
- documento
- effettua
- non
- dominio
- Dont
- Dramma
- dovuto
- durante
- e
- ogni
- In precedenza
- ecommerce
- Istruzione
- enfasi
- enable
- abilitato
- Abilita
- endpoint
- Fidanzamento
- Ingegneria
- accrescere
- migliorata
- migliorando
- godere
- Ambiente
- ambienti
- errore
- errori
- stabilire
- valutare
- eventi
- esempio
- Tranne
- eccezione
- esemplifica
- mostra
- esistere
- esistente
- esperienza
- Esperienze
- competenza
- Spiega
- espresso
- ext
- facilita
- factoring
- fallimenti
- caratteristica
- pochi
- campo
- campi
- Compila il
- File
- Film
- attraverso
- finale
- ricerca
- Nome
- in forma
- flessibile
- Focus
- i seguenti
- Nel
- formato
- essere trovato
- Contesto
- frequentemente
- da
- completamente
- funzionalità
- ulteriormente
- generare
- genera
- genere
- generi
- ottenere
- si
- ottenere
- scopo
- maggiore
- Gruppo
- Avere
- he
- intestazioni
- Aiuto
- Alta
- superiore
- evidenzia
- vivamente
- il suo
- storico
- storie
- storia
- Visualizzazioni
- Come
- Tutorial
- Tuttavia
- HTML
- http
- HTTPS
- ID
- identificatore
- Identità
- if
- illustrare
- illustra
- Impact
- importare
- importazione
- competenze
- in
- inclusi
- Compreso
- Aumento
- Index
- indicizzati
- individuale
- influenza
- far sapere
- informazioni
- ingresso
- install
- installazione
- installato
- esempio
- istruzioni
- integrale
- integrare
- Integra
- intento
- interazione
- interazioni
- interesse
- interessato
- interessi
- ai miglioramenti
- comporta
- sicurezza
- IT
- elementi
- jpg
- ad appena
- conoscenze
- grandi
- lanciato
- principale
- apprendimento
- Leva
- Licenza
- Autorizzato
- piace
- probabile
- piace
- Lista
- località
- ama
- lealtà
- macchina
- machine learning
- FA
- gestito
- gestione
- Marketing
- mercato
- partita
- si intende
- ML
- modello
- Monitorare
- monitoraggio
- Scopri di più
- maggior parte
- film
- Film
- molti
- devono obbligatoriamente:
- Nome
- nativo
- Navigare
- necessaria
- Bisogno
- esigenze
- New
- recentemente
- GENERAZIONE
- no
- taccuino
- adesso
- of
- on
- una volta
- ONE
- esclusivamente
- aprire
- open source
- operare
- ottimizzati
- Opzioni
- or
- Altro
- nostro
- risultati
- uscite
- ancora
- complessivo
- pacchetto
- Packages
- pagina
- parametro
- parametri
- parte
- particolare
- modelli
- autorizzazione
- permessi
- personalizzazione
- personalizzare
- Personalizzata
- conduttura
- Platone
- Platone Data Intelligence
- PlatoneDati
- trama
- plug-in
- i plugin
- Portale
- Post
- alimentato
- potente
- predice
- preferenze
- preferito
- Preparare
- preparato
- prerequisiti
- Direttore
- priorità
- prioritizzazione
- processi
- lavorazione
- Processore
- Prodotto
- Produzione
- redditività
- fornire
- purché
- fornisce
- Acquista
- acquisti
- mette
- Python
- qualità
- query
- domanda
- pneumatici
- gamma
- classifica
- Posizione
- valutazioni
- di rose
- tempo reale
- recente
- recentemente
- ricetta
- raccomandare
- Consigli
- raccomandazioni
- record
- ridurre
- raffinare
- raffinazione
- regione
- parente
- rilasciato
- rilevanza
- pertinente
- sostituire
- rappresentante
- richiesta
- richieste
- necessario
- riparazioni
- Risuonare
- Risorse
- risposta
- risposte
- colpevole
- Risultati
- problemi
- rivisto
- robusto
- Ruolo
- ruoli
- romanticismo
- Correre
- running
- sagemaker
- stesso
- campione
- soddisfazione
- scalabile
- Scala
- Punto
- punteggio
- senza soluzione di continuità
- Cerca
- sicuro
- problemi di
- vedere
- cerca
- select
- invio
- inviato
- servire
- servizio
- Servizi
- servizio
- sessioni
- set
- impostazioni
- flessibile.
- dovrebbero
- mostrare attraverso le sue creazioni
- vetrina
- mostra
- significativamente
- Un'espansione
- simulazioni
- Dimensioni
- frammento
- Software
- Ingegneria del software
- soluzione
- Soluzioni
- sofisticato
- Fonte
- la nostra speciale
- specializzata
- specifico
- specificando
- pila
- Standard
- inizia a
- Di partenza
- Stato dei servizi
- step
- Passi
- conservazione
- lineare
- fortemente
- successivo
- il successo
- tale
- suite
- fornire
- supportato
- supporti
- SISTEMI DI TRATTAMENTO
- tavolo
- TAG
- sarto
- prende
- presa
- mirata
- sapori
- Consulenza
- Tecnologia
- società tecnologiche
- modello
- modelli
- test
- Testing
- testo
- di
- che
- Il
- loro
- Li
- poi
- Strumenti Bowman per analizzare le seguenti finiture:
- di
- questo
- completo
- quelli
- Attraverso
- tempo
- volte
- Titolo
- a
- tom
- top
- traffico
- allenato
- forma
- Trasformare
- vero
- prova
- tv
- seconda
- Digitare
- Tipi di
- in definitiva
- per
- unico
- universalmente
- Università
- sbloccare
- Aggiornanento
- URL
- us
- uso
- caso d'uso
- utilizzato
- Utente
- Esperienza da Utente
- incentrato sull'utente
- utenti
- usa
- utilizzando
- utilità
- Utilizzando
- convalida
- APPREZZIAMO
- Valori
- varietà
- vario
- versione
- versioni
- Visualizza
- visualizzazione
- visitatori
- vs
- camminare
- passeggiate
- volere
- Modo..
- we
- sito web
- servizi web
- Sito web
- peso
- WELL
- Che
- quando
- se
- quale
- volere
- con
- entro
- senza
- flusso di lavoro
- Il mondo di
- scrittura
- YAML
- anni
- Tu
- Trasferimento da aeroporto a Sharm
- zefiro