Negozio di funzionalità Amazon SageMaker è un repository completamente gestito e creato appositamente per archiviare, condividere e gestire funzionalità per modelli di machine learning (ML). Caratteristiche sono input per i modelli ML utilizzati durante l'addestramento e l'inferenza. Ad esempio, in un'applicazione che consiglia una playlist musicale, le funzionalità potrebbero includere la classificazione dei brani, la durata dell'ascolto e i dati demografici dell'ascoltatore. Le funzionalità vengono utilizzate ripetutamente da più team e la qualità delle funzionalità è fondamentale per garantire un modello estremamente accurato. Inoltre, quando le funzionalità utilizzate per addestrare i modelli offline in batch vengono rese disponibili per l'inferenza in tempo reale, è difficile mantenere sincronizzati i due archivi di funzionalità. SageMaker Feature Store fornisce un archivio sicuro e unificato per elaborare, standardizzare e utilizzare funzionalità su larga scala nell'intero ciclo di vita del machine learning.
SageMaker Feature Store ora semplifica la condivisione, la scoperta e l'accesso ai gruppi di funzionalità tra gli account AWS. Questa nuova funzionalità promuove la collaborazione e riduce al minimo il lavoro duplicato per i team coinvolti nello sviluppo di modelli e applicazioni ML, in particolare in ambienti aziendali con più account che abbracciano diverse unità o funzioni aziendali.
Con questo lancio, i proprietari degli account possono concedere l'accesso a determinati gruppi di funzionalità ad altri account che utilizzano Gestore dell'accesso alle risorse AWS (RAM dell'AWS). Dopo aver ottenuto l'accesso, gli utenti di tali account possono visualizzare comodamente tutti i loro gruppi di funzionalità, inclusi quelli condivisi, tramite Amazon Sage Maker Studio o SDK. Ciò consente ai team di scoprire e utilizzare funzionalità sviluppate da altri team, favorendo la condivisione delle conoscenze e l'efficienza. Inoltre, è possibile monitorare i dettagli sull'utilizzo delle risorse condivise Amazon Cloud Watch ed AWS CloudTrail. Per un approfondimento, fare riferimento a Rilevabilità e accesso al gruppo di funzionalità tra più account.
In questo post, discutiamo il perché e il come di un archivio di funzionalità centralizzato con accesso su più account. Mostreremo come configurarlo ed eseguire una dimostrazione di esempio, nonché i vantaggi che puoi ottenere utilizzando questa nuova funzionalità nella tua organizzazione.
Chi ha bisogno di un negozio di funzionalità su più account
Le organizzazioni devono condividere in modo sicuro le funzionalità tra i team per creare modelli ML accurati, impedendo al contempo l'accesso non autorizzato ai dati sensibili. SageMaker Feature Store ora consente la condivisione granulare di funzionalità tra account tramite AWS RAM, consentendo lo sviluppo di modelli collaborativi con governance.
SageMaker Feature Store fornisce archiviazione e gestione mirate per le funzionalità ML utilizzate durante la formazione e l'inferenza. Con il supporto su più account, ora puoi condividere in modo selettivo le funzionalità archiviate in un account AWS con altri account nella tua organizzazione.
Ad esempio, il team di analisi può curare funzionalità come il profilo del cliente, la cronologia delle transazioni e i cataloghi dei prodotti in un account di gestione centrale. A questi devono essere accessibili in modo sicuro gli sviluppatori ML in altri dipartimenti come marketing, rilevamento di frodi e così via per creare modelli.
Di seguito sono riportati i principali vantaggi derivanti dalla condivisione delle funzionalità ML tra account:
- Funzionalità coerenti e riutilizzabili – La condivisione centralizzata delle funzionalità selezionate migliora l'accuratezza del modello fornendo dati di input coerenti su cui effettuare l'addestramento. I team possono scoprire e utilizzare direttamente funzionalità create da altri invece di duplicarle in ciascun account.
- Controllo dell'accesso al gruppo di funzionalità – È possibile concedere l'accesso solo ai gruppi di funzionalità specifici richiesti per il caso d'uso di un account. Ad esempio, il team di marketing può avere accesso solo al gruppo di funzionalità del profilo cliente necessario per i modelli di raccomandazione.
- Collaborazione tra team – Le funzionalità condivise consentono a team eterogenei addetti al settore antifrode, marketing e vendite di collaborare alla creazione di modelli ML utilizzando gli stessi dati affidabili invece di creare funzionalità isolate.
- Traccia di controllo per la conformità – Gli amministratori possono monitorare l'utilizzo delle funzionalità da parte di tutti gli account a livello centrale utilizzando i registri eventi di CloudTrail. Ciò fornisce una traccia di controllo necessaria per la governance e la conformità.
Delineare i produttori dai consumatori nei negozi di funzionalità su più account
Nel campo dell’apprendimento automatico, il feature store funge da ponte cruciale, collegando coloro che forniscono i dati con coloro che li sfruttano. Questa dicotomia può essere gestita in modo efficace utilizzando una configurazione su più account per il feature store. Cerchiamo di demistificare questo concetto utilizzando i seguenti personaggi e un'analogia con il mondo reale:
- Ingegneri di dati e ML (proprietari e produttori) – Gettano le basi inserendo i dati nell'archivio delle funzionalità
- Data scientist (consumatori) – Estraggono e utilizzano questi dati per creare i loro modelli
Gli ingegneri dei dati fungono da architetti che abbozzano il progetto iniziale. Il loro compito è costruire e supervisionare pipeline di dati efficienti. Traendo dati dai sistemi di origine, modellano gli attributi dei dati grezzi in caratteristiche distinguibili. Prendiamo ad esempio “età”. Sebbene rappresenti semplicemente l'intervallo tra oggi e la data di nascita, la sua interpretazione potrebbe variare all'interno di un'organizzazione. Garantire qualità, uniformità e coerenza è fondamentale in questo caso. Il loro scopo è quello di inserire i dati in un archivio di funzionalità centralizzato, stabilendolo come punto di riferimento indiscusso.
Gli ingegneri ML perfezionano queste funzionalità fondamentali, adattandole a flussi di lavoro ML maturi. Nel contesto bancario, potrebbero dedurre informazioni statistiche dai saldi dei conti, identificando tendenze e modelli di flusso. L’ostacolo che spesso devono affrontare è la ridondanza. È comune vedere pipeline di creazione di funzionalità ripetitive in diverse iniziative di machine learning.
Immagina i data scientist come chef gourmet che esplorano una dispensa ben fornita, alla ricerca dei migliori ingredienti per il loro prossimo capolavoro culinario. Il loro tempo dovrebbe essere investito nella creazione di ricette di dati innovative, non nel rimontare la dispensa. L’ostacolo in questo frangente è scoprire i dati giusti. È indispensabile un’interfaccia user-friendly, dotata di strumenti di ricerca efficienti e descrizioni complete delle funzionalità.
In sostanza, una configurazione di feature store su più account segmenta meticolosamente i ruoli dei produttori e dei consumatori di dati, garantendo efficienza, chiarezza e innovazione. Che tu stia gettando le fondamenta o costruendo sopra di esse, conoscere il tuo ruolo e i tuoi strumenti è fondamentale.
Il diagramma seguente mostra due diversi team di data scientist, provenienti da due diversi account AWS, che condividono e utilizzano lo stesso archivio di funzionalità centrale per selezionare le migliori funzionalità necessarie per creare i propri modelli ML. L'archivio delle funzionalità centrale si trova in un account diverso gestito da ingegneri dei dati e ingegneri di ML, dove solitamente si trovano il livello di governance dei dati e il data Lake.
Controlli del gruppo di funzionalità su più account
Con SageMaker Feature Store, puoi condividere le risorse del gruppo di funzionalità tra account. L'account del proprietario della risorsa condivide le risorse con gli account del consumatore della risorsa. Esistono due categorie distinte di autorizzazioni associate alla condivisione delle risorse:
- Autorizzazioni di rilevabilità - Discoverability significa poter vedere i nomi dei gruppi di funzionalità e i metadati. Quando concedi l'autorizzazione alla rilevabilità, tutte le entità del gruppo di funzionalità nell'account da cui condividi (account proprietario della risorsa) diventano rilevabili dagli account con cui condividi (account consumatore della risorsa). Ad esempio, se rendi l'account del proprietario della risorsa rilevabile dall'account del consumatore della risorsa, le entità dell'account del consumatore della risorsa potranno vedere tutti i gruppi di funzionalità contenuti nell'account del proprietario della risorsa. Questa autorizzazione viene concessa agli account consumer delle risorse utilizzando il tipo di risorsa del catalogo SageMaker.
- Autorizzazioni di accesso – Quando concedi un'autorizzazione di accesso, lo fai a livello di risorsa del gruppo di funzionalità (non a livello di account). Ciò ti offre un controllo più granulare sulla concessione dell'accesso ai dati. I tipi di autorizzazione di accesso che possono essere concessi sono di sola lettura, lettura/scrittura e amministratore. Ad esempio, puoi selezionare solo determinati gruppi di funzionalità dall'account del proprietario della risorsa affinché siano accessibili alle entità dell'account del consumatore della risorsa, a seconda delle esigenze aziendali. Questa autorizzazione viene concessa agli account consumer delle risorse utilizzando il tipo di risorsa del gruppo di funzionalità e specificando le entità del gruppo di funzionalità.
Il seguente diagramma di esempio visualizza la condivisione del tipo di risorsa del catalogo SageMaker che concede l'autorizzazione di rilevabilità rispetto alla condivisione di un'entità del tipo di risorsa del gruppo di funzionalità con autorizzazioni di accesso. Il catalogo SageMaker contiene tutte le entità del gruppo di funzionalità. Quando viene concessa un'autorizzazione di rilevabilità, l'account del consumatore della risorsa può cercare e individuare tutte le entità del gruppo di funzionalità all'interno dell'account del proprietario della risorsa. Un'entità del gruppo di funzionalità contiene i tuoi dati ML. Quando viene concessa un'autorizzazione di accesso, l'account del consumatore della risorsa può accedere ai dati del gruppo di funzionalità, con l'accesso determinato dall'autorizzazione di accesso pertinente.
Panoramica della soluzione
Completa i seguenti passaggi per condividere in modo sicuro le funzionalità tra gli account utilizzando SageMaker Feature Store:
- Nell'account di origine (proprietario), importa set di dati e prepara funzionalità normalizzate. Organizzare le funzionalità correlate in gruppi logici denominati gruppi di funzionalità.
- Crea una condivisione di risorse per concedere l'accesso tra account a gruppi di funzionalità specifici. Definisci le azioni consentite come get e put e limita l'accesso solo agli account autorizzati.
- Negli account di destinazione (consumatore), accetta l'invito AWS RAM per accedere alle funzionalità condivise. Esaminare la policy di accesso per comprendere le autorizzazioni concesse.
Gli sviluppatori negli account di destinazione possono ora recuperare funzionalità condivise utilizzando l'SDK SageMaker, partecipare con dati aggiuntivi e utilizzarli per addestrare modelli ML. L'account di origine può monitorare l'accesso alle funzionalità condivise da parte di tutti gli account utilizzando i log eventi di CloudTrail. I registri di controllo forniscono visibilità centralizzata sull'utilizzo delle funzionalità.
Con questi passaggi puoi consentire ai team della tua organizzazione di utilizzare in modo sicuro le funzionalità ML condivise per lo sviluppo di modelli collaborativi.
Prerequisiti
Presumiamo che tu abbia già creato gruppi di funzionalità e importato le funzionalità corrispondenti nel tuo account proprietario. Per ulteriori informazioni su come iniziare, fare riferimento a Inizia con Amazon SageMaker Feature Store.
Concedere autorizzazioni di rilevabilità
Innanzitutto, dimostriamo come condividere il catalogo del nostro SageMaker Feature Store nell'account del proprietario. Completa i seguenti passaggi:
- Nell'account del proprietario del catalogo SageMaker Feature Store, apri la console AWS RAM.
- Sotto Condiviso da me nel pannello di navigazione, scegli Condivisioni di risorse.
- Scegli Crea condivisione di risorse.
- Immettere un nome di condivisione di risorse e scegliere Cataloghi di risorse SageMaker come tipo di risorsa.
- Scegli Avanti.
- Per l'accesso solo alla rilevabilità, immettere
AWSRAMPermissionSageMakerCatalogResourceSearch
per Autorizzazioni gestite. - Scegli Avanti.
- Inserisci l'ID del tuo account consumatore e scegli Aggiungi. Puoi aggiungere diversi account consumatore.
- Scegli Avanti e completa la condivisione delle risorse.
Ora il catalogo condiviso del SageMaker Feature Store dovrebbe essere visualizzato sul file Condivisioni di risorse .
Puoi ottenere lo stesso risultato utilizzando il Interfaccia della riga di comando di AWS (AWS CLI) con il seguente comando (fornire la regione AWS, l'ID dell'account proprietario e l'ID dell'account consumatore):
Accetta l'invito alla condivisione delle risorse
Per accettare l'invito alla condivisione delle risorse, completare i seguenti passaggi:
- Nell'account di destinazione (consumatore), apri la console AWS RAM.
- Sotto Condiviso con me nel pannello di navigazione, scegli Condivisioni di risorse.
- Scegli la nuova condivisione di risorse in sospeso.
- Scegli Accetta la condivisione delle risorse.
Puoi ottenere lo stesso risultato utilizzando AWS CLI con il comando seguente:
Dall'output del comando precedente, recupera il valore di resourceShareInvitationArn
e quindi accettare l'invito con il seguente comando:
Il flusso di lavoro è lo stesso per la condivisione di gruppi di funzionalità con un altro account tramite AWS RAM.
Dopo aver condiviso alcuni gruppi di funzionalità con l'account di destinazione, puoi controllare SageMaker Feature Store, dove puoi osservare che il nuovo catalogo è disponibile.
Concedere i permessi di accesso
Con le autorizzazioni di accesso, possiamo concedere autorizzazioni a livello di risorsa del gruppo di funzionalità. Completa i seguenti passaggi:
- Nell'account del proprietario del catalogo SageMaker Feature Store, apri la console AWS RAM.
- Sotto Condiviso da me nel pannello di navigazione, scegli Condivisioni di risorse.
- Scegli Crea condivisione di risorse.
- Immettere un nome di condivisione di risorse e scegliere Gruppi di funzionalità SageMaker come tipo di risorsa.
- Seleziona uno o più gruppi di funzionalità da condividere.
- Scegli Avanti.
- Per l'accesso in lettura/scrittura, immettere
AWSRAMPermissionSageMakerFeatureGroupReadWrite
per Autorizzazioni gestite. - Scegli Avanti.
- Inserisci l'ID del tuo account consumatore e scegli Aggiungi. Puoi aggiungere diversi account consumatore.
- Scegli Avanti e completa la condivisione delle risorse.
Ora il catalogo condiviso dovrebbe essere visualizzato sul file Condivisioni di risorse .
Puoi ottenere lo stesso risultato utilizzando AWS CLI con il comando seguente (fornire la regione, l'ID dell'account proprietario, l'ID dell'account consumatore e il nome del gruppo di funzionalità):
Esistono tre tipi di accesso che puoi concedere ai gruppi di funzionalità:
- AWSRAMPermissionSageMakerFeatureGroupReadOnly – Il privilegio di sola lettura consente agli account consumer delle risorse di leggere i record nei gruppi di funzionalità condivise e visualizzare dettagli e metadati
- AWSRAMPermissionSageMakerFeatureGroupReadWrite – Il privilegio di lettura/scrittura consente agli account consumer delle risorse di scrivere record ed eliminare record dai gruppi di funzionalità condivise, oltre alle autorizzazioni di lettura
- AWSRAMPermissionSagemakerFeatureGroupAdmin – Il privilegio di amministratore consente agli account dei consumatori di risorse di aggiornare la descrizione e i parametri delle funzionalità all'interno dei gruppi di funzionalità condivise e aggiornare la configurazione dei gruppi di funzionalità condivise, oltre alle autorizzazioni di lettura/scrittura
Accetta l'invito alla condivisione delle risorse
Per accettare l'invito alla condivisione delle risorse, completare i seguenti passaggi:
- Nell'account di destinazione (consumatore), apri la console AWS RAM.
- Sotto Condiviso con me nel pannello di navigazione, scegli Condivisioni di risorse.
- Scegli la nuova condivisione di risorse in sospeso.
- Scegli Accetta la condivisione delle risorse.
Il processo di accettazione della condivisione delle risorse utilizzando AWS CLI è lo stesso della precedente sezione di rilevabilità, con i comandi get-resource-share-invitations e Accept-resource-share-invitation.
Notebook di esempio che mostrano questa nuova funzionalità
Sono stati aggiunti due notebook al workshop SageMaker Feature Store Repository GitHub nella cartella 09-module-security/09-03-cross-account-access:
- m9_03_nb1_cross-account-admin.ipynb – Questo deve essere avviato sul tuo account amministratore o proprietario AWS
- m9_03_nb2_cross-account-consumer.ipynb – Questo deve essere lanciato sul tuo account AWS consumer
Il primo script mostra come creare la condivisione delle risorse di rilevabilità per i gruppi di funzionalità esistenti nell'account amministratore o proprietario e condividerla con un altro account consumatore in modo programmatico utilizzando l'API RAM di AWS create_resource_share()
. Mostra inoltre come concedere autorizzazioni di accesso a gruppi di funzionalità esistenti nell'account proprietario e condividerle con un altro account consumatore utilizzando AWS RAM. È necessario fornire l'ID dell'account AWS consumer prima di eseguire il notebook.
Il secondo script accetta gli inviti AWS RAM per individuare e accedere a gruppi di funzionalità su più account dal livello di proprietario. Quindi mostra come individuare i gruppi di funzionalità su più account presenti nell'account proprietario ed elencarli nell'account consumatore. Puoi anche vedere come accedere in lettura/scrittura ai gruppi di funzionalità su più account presenti nell'account proprietario ed eseguire le seguenti operazioni dall'account consumatore: describe()
, get_record()
, ingest()
e delete_record()
.
Conclusione
La funzionalità multiaccount di SageMaker Feature Store offre numerosi vantaggi interessanti. In primo luogo, facilita la collaborazione senza soluzione di continuità consentendo la condivisione di gruppi di funzionalità su più account AWS. Ciò migliora l'accessibilità e l'utilizzo dei dati, consentendo ai team di account diversi di utilizzare funzionalità condivise per i propri flussi di lavoro ML.
Inoltre, la funzionalità su più account migliora la governance e la sicurezza dei dati. Con accesso e autorizzazioni controllati tramite AWS RAM, le organizzazioni possono mantenere un archivio di funzionalità centralizzato garantendo al contempo che ciascun account disponga di livelli di accesso personalizzati. Ciò non solo semplifica la gestione dei dati, ma rafforza anche le misure di sicurezza limitando l’accesso agli utenti autorizzati.
Inoltre, la possibilità di condividere gruppi di funzionalità tra account semplifica il processo di creazione e distribuzione di modelli ML in un ambiente collaborativo. Promuove un flusso di lavoro più integrato ed efficiente, riducendo la ridondanza nell'archiviazione dei dati e facilitando la creazione di modelli robusti con funzionalità condivise e di alta qualità. Nel complesso, la funzionalità multiaccount del Feature Store ottimizza la collaborazione, la governance e l'efficienza nello sviluppo ML tra diversi account AWS. Provatelo e fateci sapere cosa ne pensate nei commenti.
Informazioni sugli autori
Ioan Catana è un Senior Artificial Intelligence and Machine Learning Specialist Solutions Architect presso AWS. Aiuta i clienti a sviluppare e scalare le loro soluzioni ML nel cloud AWS. Ioan ha oltre 20 anni di esperienza, principalmente nella progettazione di architetture software e nell'ingegneria del cloud.
Philipp Kaindl è un architetto senior di soluzioni di intelligenza artificiale e machine learning presso AWS. Con un background in scienza dei dati e ingegneria meccanica, il suo obiettivo è consentire ai clienti di creare un impatto aziendale duraturo con l'aiuto dell'intelligenza artificiale. Fuori dal lavoro, Philipp ama armeggiare con le stampanti 3D, andare in barca a vela e fare escursioni.
Dhaval Shah è un Senior Solutions Architect presso AWS, specializzato in machine learning. Con una forte attenzione alle attività native digitali, consente ai clienti di utilizzare AWS e promuovere la crescita del proprio business. In quanto appassionato di ML, Dhaval è guidato dalla sua passione per la creazione di soluzioni di grande impatto che apportano cambiamenti positivi. Nel tempo libero si abbandona al suo amore per i viaggi e apprezza i momenti di qualità con la sua famiglia.
Mizanur Rahman è un ingegnere software senior per Amazon SageMaker Feature Store con oltre 10 anni di esperienza pratica specializzata in AI e ML. Con solide basi sia nella teoria che nelle applicazioni pratiche, ha conseguito un dottorato di ricerca. nel rilevamento delle frodi utilizzando l'apprendimento automatico, riflettendo la sua dedizione all'avanzamento nel campo. La sua esperienza abbraccia un ampio spettro, comprendendo architetture scalabili, elaborazione distribuita, analisi dei big data, microservizi e infrastrutture cloud per le organizzazioni.
- 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/amazon-sagemaker-feature-store-now-supports-cross-account-sharing-discovery-and-access/
- :ha
- :È
- :non
- :Dove
- $ SU
- 10
- 150
- 20
- 20 anni
- 3d
- 7
- 8
- 9
- a
- capacità
- capace
- Chi siamo
- Accetta
- Accettando
- accetta
- accesso
- Accesso ai dati
- accessibile
- accessibilità
- accessibile
- Il mio account
- conti
- precisione
- preciso
- Raggiungere
- operanti in
- azioni
- atti
- aggiungere
- aggiunto
- aggiunta
- aggiuntivo
- Inoltre
- Admin
- amministratori
- avanzando
- Dopo shavasana, sedersi in silenzio; saluti;
- AI
- puntare
- Tutti
- consentire
- permesso
- Consentire
- consente
- già
- anche
- Sebbene il
- Amazon
- Amazon Sage Maker
- Amazon Web Services
- an
- analitica
- ed
- Un altro
- api
- Applicazioni
- Sviluppo di applicazioni
- applicazioni
- architetti
- architettura
- architetture
- SONO
- artificiale
- intelligenza artificiale
- Intelligenza artificiale e apprendimento automatico
- AS
- associato
- assumere
- At
- gli attributi
- revisione
- autorizzato
- disponibile
- AWS
- sfondo
- saldi
- Settore bancario
- BE
- diventare
- prima
- essendo
- vantaggi
- MIGLIORE
- fra
- Big
- Big Data
- cianografia
- entrambi
- BRIDGE
- portare
- ampio
- costruire
- Costruzione
- affari
- aziende
- ma
- by
- detto
- Materiale
- Può ottenere
- capacità
- Custodie
- catalogo
- cataloghi
- categoria
- centrale
- centralizzata
- certo
- il cambiamento
- Scegli
- chiarezza
- cli
- Cloud
- collaboreranno
- collaborazione
- collaborativo
- Commenti
- Uncommon
- avvincente
- completamento di una
- conformità
- globale
- informatica
- Configurazione
- Collegamento
- coerente
- consolle
- costruire
- consumare
- Consumer
- Consumatori
- contenute
- contiene
- contesto
- di controllo
- controllata
- opportunamente
- Corrispondente
- potuto
- artigianali
- creare
- creato
- Creazione
- creazione
- critico
- cruciale
- curato
- a cura
- cliente
- Clienti
- dati
- Dati Analytics
- Lago di dati
- gestione dei dati
- scienza dei dati
- scienziato di dati
- memorizzazione dei dati
- dataset
- dedizione
- deep
- profonda immersione
- definire
- Dati Demografici
- dimostrare
- demistificare
- dipartimenti
- Dipendente
- distribuzione
- descrizione
- Design
- dettagli
- rivelazione
- determinato
- sviluppare
- sviluppato
- sviluppatori
- Mercato
- diagramma
- diverso
- digitale
- direttamente
- scopri
- scoprire
- scoperta
- discutere
- disparato
- distinto
- distribuito
- calcolo distribuito
- immersione
- paesaggio differenziato
- do
- disegno
- guidare
- spinto
- duplicazione
- durata
- durante
- ogni
- in maniera efficace
- efficienza
- efficiente
- senza sforzo
- che abilita
- Potenzia
- enable
- Abilita
- consentendo
- che comprende
- ingegnere
- Ingegneria
- Ingegneri
- Migliora
- garantire
- assicurando
- entrare
- Impresa
- appassionato
- entità
- entità
- Ambiente
- ambienti
- attrezzato
- essenza
- stabilire
- Evento
- esempio
- esistente
- esperienza
- competenza
- estratto
- Faccia
- facilita
- facilitando
- famiglia
- caratteristica
- Caratteristiche
- alimentazione
- campo
- Nome
- flusso
- Focus
- i seguenti
- Nel
- promozione
- Fosters
- Fondazione
- fondamentale
- frode
- rilevazione di frodi
- da
- completamente
- funzioni
- ottenere
- ottenere
- Dare
- dà
- la governance
- concedere
- concesso
- rilascio
- granulare
- basi
- Gruppo
- Gruppo
- Crescita
- mani su
- Hard
- cintura da arrampicata
- Avere
- he
- Aiuto
- aiuta
- qui
- alta qualità
- vivamente
- il suo
- storia
- detiene
- Come
- Tutorial
- HTML
- http
- HTTPS
- ostacolo
- ID
- identificazione
- if
- Impact
- di forte impatto
- migliora
- in
- In altre
- includere
- Compreso
- informazioni
- infrastruttura
- inizialmente
- iniziative
- Innovazione
- creativi e originali
- ingresso
- Ingressi
- interno
- intuizioni
- esempio
- invece
- integrato
- Intelligence
- Interfaccia
- interpretazione
- ai miglioramenti
- investito
- invito
- invitare
- coinvolto
- IT
- SUO
- join
- jpg
- giuntura
- mantenere
- Le
- Sapere
- Conoscere
- conoscenze
- lago
- duraturo
- lanciare
- lanciato
- laico
- strato
- posa
- apprendimento
- lasciare
- Livello
- livelli
- ciclo di vita
- piace
- limitativo
- linea
- Lista
- ascoltatore
- Ascolto
- collocato
- logico
- amore
- macchina
- machine learning
- fatto
- mantenere
- make
- FA
- gestire
- gestito
- gestione
- Marketing
- capolavoro
- alunni
- Maggio..
- si intende
- analisi
- meccanico
- semplicemente
- Metadati
- meticolosamente
- microfono
- forza
- minimizza
- ML
- modello
- modelli
- Moments
- Monitorare
- monitorati
- Scopri di più
- soprattutto
- multiplo
- Musica
- Nome
- nomi
- nativo
- Navigazione
- Bisogno
- di applicazione
- esigenze
- New
- GENERAZIONE
- taccuino
- adesso
- osservare
- of
- Offerte
- offline
- di frequente
- on
- ONE
- quelli
- esclusivamente
- aprire
- Operazioni
- Ottimizza
- or
- organizzazione
- organizzazioni
- Altro
- Altri
- nostro
- produzione
- al di fuori
- ancora
- complessivo
- sorvegliare
- proprietario
- proprietari
- pagina
- vetro
- parametri
- supremo
- particolarmente
- passione
- modelli
- in attesa di
- Eseguire
- autorizzazione
- permessi
- centrale
- Platone
- Platone Data Intelligence
- PlatoneDati
- punto
- politica
- positivo
- Post
- Pratico
- precedente
- Preparare
- prevenzione
- precedente
- presidi
- privilegio
- processi
- Produttori
- Prodotto
- Profilo
- promuove
- fornire
- fornisce
- fornitura
- metti
- qualità
- RAM
- valutazioni
- Crudo
- Leggi
- mondo reale
- tempo reale
- regno
- Consigli
- raccomanda
- record
- riducendo
- riferimento
- riferimento
- raffinare
- riflettendo
- regione
- relazionato
- pertinente
- affidabile
- RIPETUTAMENTE
- ripetitivo
- deposito
- rappresenta
- necessario
- risorsa
- Risorse
- limitare
- colpevole
- riutilizzabile
- recensioni
- destra
- robusto
- Ruolo
- ruoli
- Correre
- running
- sagemaker
- vela
- vendite
- stesso
- campione
- scalabile
- Scala
- Scienze
- Scienziato
- scienziati
- copione
- sdk
- sdk
- senza soluzione di continuità
- Cerca
- Secondo
- Sezione
- assicurato
- in modo sicuro
- problemi di
- Misure di sicurezza
- vedere
- cerca
- segmenti
- select
- anziano
- delicata
- servire
- Servizi
- set
- flessibile.
- alcuni
- Condividi
- condiviso
- azioni
- compartecipazione
- dovrebbero
- mostrare attraverso le sue creazioni
- vetrina
- Spettacoli
- in silenzio
- semplifica
- situato
- So
- Software
- Software Engineer
- Soluzioni
- alcuni
- canzone
- Fonte
- campata
- tensione
- campate
- specialista
- specializzata
- specifico
- specificando
- Spettro
- iniziato
- statistiche
- Passi
- conservazione
- Tornare al suo account
- memorizzati
- negozi
- linee di corrente
- Rafforza
- forte
- fornire
- supporto
- supporti
- SISTEMI DI TRATTAMENTO
- su misura
- sartoria
- Fai
- Target
- Task
- team
- le squadre
- che
- I
- L’ORIGINE
- loro
- Li
- poi
- teoria
- Là.
- Strumenti Bowman per analizzare le seguenti finiture:
- di
- think
- questo
- quelli
- tre
- Attraverso
- tempo
- a
- strumenti
- sentiero
- Treni
- Training
- delle transazioni
- viaggiare
- tendenze
- prova
- seconda
- Digitare
- Tipi di
- non autorizzato
- capire
- unificato
- unità
- Aggiornanento
- us
- Impiego
- uso
- caso d'uso
- utilizzato
- user-friendly
- utenti
- utilizzando
- generalmente
- utilizzare
- APPREZZIAMO
- variare
- via
- Visualizza
- visibilità
- vs
- we
- sito web
- servizi web
- WELL
- sono stati
- Che
- quando
- se
- while
- OMS
- perché
- con
- entro
- Lavora
- flusso di lavoro
- flussi di lavoro
- laboratorio
- scrivere
- anni
- Tu
- Trasferimento da aeroporto a Sharm
- zefiro