Il Lente personalizzata IDP ben progettata è destinato a tutti i clienti AWS che utilizzano AWS per eseguire soluzioni di elaborazione intelligente dei documenti (IDP) e sono alla ricerca di indicazioni su come creare una soluzione IDP sicura, efficiente e affidabile su AWS.
La creazione di una soluzione pronta per la produzione nel cloud comporta una serie di compromessi tra risorse, tempo, aspettative dei clienti e risultati aziendali. IL Framework ben progettato di AWS ti aiuta a comprendere i vantaggi e i rischi delle decisioni che prendi durante la creazione di carichi di lavoro su AWS. Utilizzando il Framework, apprenderai le migliori pratiche operative e architetturali per progettare e gestire carichi di lavoro affidabili, sicuri, efficienti, convenienti e sostenibili nel cloud.
Un progetto IDP solitamente combina il riconoscimento ottico dei caratteri (OCR) e l'elaborazione del linguaggio naturale (NLP) per leggere e comprendere un documento ed estrarre termini o parole specifici. La lente personalizzata IDP Well-Architected delinea i passaggi per eseguire una revisione AWS Well-Architected che ti consente di valutare e identificare i rischi tecnici dei carichi di lavoro IDP. Fornisce indicazioni per affrontare le sfide comuni che vediamo sul campo, supportandoti nell'architettura dei carichi di lavoro IDP secondo le migliori pratiche.
Questo post si concentra sul pilastro Affidabilità della soluzione IDP. Partendo dall'introduzione del pilastro Affidabilità e dei principi di progettazione, approfondiamo poi la progettazione e l'implementazione della soluzione con tre aree di interesse: fondamenti, gestione del cambiamento e gestione degli errori. Leggendo questo post imparerai a conoscere il pilastro Affidabilità nel quadro ben architettato con il case study IDP.
Principi di progettazione
Il pilastro dell'affidabilità comprende la capacità di una soluzione IDP di eseguire l'elaborazione dei documenti in modo corretto e coerente quando previsto e secondo le regole aziendali definite. Ciò include la capacità di gestire e testare l'intero flusso di lavoro IDP e il suo ciclo di vita totale.
Esistono numerosi principi che possono aiutarti ad aumentare l'affidabilità. Tienili a mente mentre discutiamo delle migliori pratiche:
- Ripristino automatico in caso di errore – Monitorando il flusso di lavoro IDP per gli indicatori chiave di prestazione (KPI), è possibile eseguire l'automazione quando viene superata una soglia. Ciò consente di monitorare ed essere avvisati automaticamente se si verifica un errore e di attivare processi di ripristino automatizzati che risolvono o riparano l'errore. Sulla base delle misure KPI, puoi anche anticipare i guasti e applicare azioni correttive prima che si verifichino.
- Testare le procedure di recupero – Testa il modo in cui il tuo flusso di lavoro IDP fallisce e convalida le procedure di ripristino. Utilizza l'automazione per simulare diversi scenari o ricreare scenari che in precedenza hanno portato al fallimento.
- Ridimensionare e adeguare la capacità del servizio – Monitora la domanda e l'utilizzo del flusso di lavoro IDP e regola automaticamente la capacità del servizio AWS, per mantenere il livello ottimale per soddisfare la domanda senza provisioning eccessivo o insufficiente. Controlla e sii consapevole delle quote di servizio, dei limiti e dei vincoli dei servizi dei componenti IDP, come ad esempio Testo Amazon ed Amazon Comprehend.
- Automatizza le modifiche – Utilizza l'automazione quando applichi modifiche all'infrastruttura del flusso di lavoro IDP. Gestisci le modifiche tramite l'automazione, che possono quindi essere monitorate e riviste.
Aree di interesse
I principi di progettazione e le migliori pratiche del pilastro affidabilità si basano sulle informazioni raccolte dai nostri clienti e dalle nostre comunità di specialisti tecnici IDP. Usali come guida e supporto per le tue decisioni di progettazione e allineali ai requisiti aziendali della tua soluzione IDP. L'applicazione della lente IDP Well-Architected ti aiuta a convalidare la resilienza e l'efficienza della progettazione della tua soluzione IDP e fornisce consigli per colmare eventuali lacune che potresti identificare.
Di seguito sono riportate le aree di best practice per l'affidabilità di una soluzione IDP nel cloud:
- Fondazioni – I servizi AWS AI come Amazon Textract e Amazon Comprehend forniscono una serie di limiti flessibili e rigidi per diverse dimensioni di utilizzo. È importante rivedere questi limiti e garantire che la soluzione IDP aderisca a eventuali limiti flessibili, senza superare eventuali limiti rigidi.
- Cambio gestione – Tratta la tua soluzione IDP come un'infrastruttura come codice (IaC), consentendoti di automatizzare il monitoraggio e la gestione delle modifiche. Utilizza il controllo della versione su componenti come l'infrastruttura e i modelli personalizzati di Amazon Comprehend e monitora le modifiche fino al rilascio puntuale.
- Gestione dei fallimenti – Poiché un flusso di lavoro IDP è una soluzione basata sugli eventi, l'applicazione deve essere resiliente alla gestione di errori noti e sconosciuti. Una soluzione IDP ben architettata ha la capacità di prevenire errori e resistere agli errori quando si verificano utilizzando meccanismi di registrazione e nuovi tentativi. È importante progettare la resilienza nell'architettura del flusso di lavoro IDP e pianificare il ripristino di emergenza.
Fondazioni
I servizi AWS AI forniscono intelligence già pronta, come l'estrazione e l'analisi automatizzata dei dati, utilizzando Amazon Textract, Amazon Comprehend e AI aumentata di Amazon (Amazon A2I), per i flussi di lavoro IDP. Esistono limiti di servizio (o quote) per questi servizi per evitare un provisioning eccessivo e limitare i tassi di richiesta sulle operazioni API, proteggendo i servizi dagli abusi.
Quando pianifichi e progetti l'architettura della tua soluzione IDP, considera le seguenti best practice:
- Tieni presente le quote, i limiti e i vincoli immutabili dei servizi Amazon Textract e Amazon Comprehend – I formati di file accettati, le dimensioni e il numero di pagine, le lingue, le rotazioni dei documenti e le dimensioni delle immagini sono alcuni esempi di questi limiti rigidi per Amazon Textract che non possono essere modificati.
- I formati di file accettati includono file JPEG, PNG, PDF e TIFF. (Sono supportate le immagini con codifica JPEG 2000 all'interno dei PDF). È necessaria la preelaborazione dei documenti prima di utilizzare Amazon Textract se il formato file non è supportato (ad esempio, Microsoft Word o Excel). In questo caso, è necessario convertire i formati di documento non supportati in PDF o in formato immagine.
- Amazon Comprehend prevede quote diverse per modelli integrati, modelli personalizzati e volani. Assicurati che il tuo caso d'uso sia in linea con le quote di Amazon Comprehend.
- Modifica le quote dei servizi Amazon Textract e Amazon Comprehend per soddisfare le tue esigenze – Il calcolatore delle quote di servizio Amazon Textract può aiutarti a stimare i valori delle quote che copriranno il tuo caso d'uso. Dovresti gestire le quote di servizio tra account o regioni se stai pianificando un failover di ripristino di emergenza tra account o regioni per la tua soluzione. Quando richiedi un aumento delle quote di Amazon Textract, assicurati di seguire questi consigli:
- Utilizza il calcolatore delle quote di servizio Amazon Textract per stimare il valore della quota ottimale.
- Le modifiche alle richieste possono causare picchi di traffico di rete, influenzando la velocità effettiva. Utilizza un'architettura serverless di accodamento o un altro meccanismo per fluidificare il traffico e ottenere il massimo dalle transazioni allocate al secondo (TPS).
- Implementare la logica dei nuovi tentativi per gestire le chiamate limitate e le connessioni interrotte.
- Configura backoff e jitter esponenziali per migliorare il throughput.
Cambio gestione
Le modifiche al flusso di lavoro IDP o al suo ambiente, come picchi di domanda o file di documenti danneggiati, devono essere anticipate e adattate per ottenere una maggiore affidabilità della soluzione. Alcuni di questi cambiamenti sono coperti dalle migliori pratiche fondamentali descritte nella sezione precedente, ma quelle da sole non sono sufficienti per accogliere i cambiamenti. È inoltre necessario considerare le seguenti migliori pratiche:
- Usa il Amazon Cloud Watch per monitorare i componenti del flusso di lavoro IDP, come Amazon Textract e Amazon Comprehend. Raccogli parametri dal flusso di lavoro IDP, automatizza le risposte agli allarmi e invia notifiche come richiesto dal flusso di lavoro e dagli obiettivi aziendali.
- Distribuisci la tua soluzione per il flusso di lavoro IDP e tutte le modifiche all'infrastruttura con l'automazione utilizzando IaC, come Kit di sviluppo cloud AWS (AWS CDK) e costrutti IDP AWS CDK predefiniti. Ciò elimina il rischio di introdurre errori umani e consente di eseguire test prima di passare al proprio ambiente di produzione.
- Se il tuo caso d'uso richiede un modello personalizzato Amazon Comprehend, valuta la possibilità di utilizzare un volano per semplificare il processo di miglioramento del modello personalizzato nel tempo. Un volano orchestra le attività associate all'addestramento e alla valutazione di una nuova versione del modello personalizzato.
- Se il tuo caso d'uso lo richiede, personalizza l'output della funzionalità Query preaddestrate di Amazon Textract addestrando e utilizzando un adattatore per il modello base di Amazon Textract. Considera le seguenti best practice durante la creazione di query per i tuoi adattatori:
- Le quote dell'adattatore definiscono i limiti precedenti per l'addestramento dell'adattatore. Considera questi limiti e invia una richiesta di aumento della quota di servizio, se necessario:
- Numero massimo di adattatori – Numero di adattatori consentiti (è possibile avere diverse versioni di adattatori in un unico adattatore).
- Numero massimo di versioni dell'adattatore create al mese – Numero di versioni dell'adattatore riuscite che possono essere create per account AWS al mese.
- Numero massimo di versioni dell'adattatore in corso – Numero di versioni dell'adattatore in corso (formazione dell'adattatore) per account.
- Assicurati di utilizzare una serie di documenti rappresentativi del tuo caso d'uso (minimo cinque documenti di formazione e cinque documenti di test).
- Fornire il maggior numero possibile di documenti per la formazione (fino a 2,500 pagine di documenti di formazione e 1,000 per documenti di test).
- Annota le domande utilizzando una varietà di risposte. Ad esempio, se la risposta a una query è "Sì" o "No", gli esempi annotati dovrebbero contenere occorrenze sia di "Sì" che di "No".
- Mantieni la coerenza nello stile di annotazione e durante l'annotazione dei campi con spazi.
- Utilizza la query esatta utilizzata nell'addestramento per l'inferenza.
- Dopo ogni ciclo di formazione sull'adattatore, esamina le metriche delle prestazioni per determinare se è necessario migliorare ulteriormente l'adattatore per raggiungere i tuoi obiettivi. Carica un nuovo set di documenti per la formazione o rivedi le annotazioni dei documenti con punteggi di precisione bassi prima di iniziare una nuova formazione per creare una versione migliorata dell'adattatore.
- Usa il
AutoUpdate
funzionalità per adattatori personalizzati. Questa funzionalità tenta la riqualificazione automatizzata seAutoUpdate
il flag è abilitato su un adattatore.
- Le quote dell'adattatore definiscono i limiti precedenti per l'addestramento dell'adattatore. Considera questi limiti e invia una richiesta di aumento della quota di servizio, se necessario:
Gestione dei fallimenti
Quando si progetta una soluzione IDP, un aspetto importante da considerare è la sua resilienza, ovvero come gestire gli errori noti e sconosciuti che possono verificarsi. La soluzione IDP dovrebbe avere la capacità di registrare gli errori e riprovare le operazioni non riuscite, durante le diverse fasi del flusso di lavoro IDP. In questa sezione vengono discussi i dettagli su come progettare il flusso di lavoro IDP per gestire gli errori.
Prepara il flusso di lavoro IDP per gestire e resistere agli errori
"Tutto fallisce, continuamente", è una famosa citazione del CTO di AWS Werner Vogels. La tua soluzione IDP, come tutto il resto, prima o poi fallirà. La domanda è: come può resistere ai guasti senza incidere sugli utenti della soluzione IDP. La progettazione dell'architettura IDP deve essere consapevole degli errori non appena si verificano e agire per evitare impatti sulla disponibilità. Questa operazione deve essere eseguita automaticamente e senza impatto sull'utente. Considera le seguenti best practice:
- Usa il Servizio di archiviazione semplice Amazon (Amazon S3) come archivio dati scalabile per l'elaborazione dei documenti del flusso di lavoro IDP. Amazon S3 fornisce un'infrastruttura di storage altamente durevole progettata per lo storage di dati mission-critical e primari.
- Esegui il backup di tutti i dati del flusso di lavoro IDP in base ai requisiti aziendali. Implementare una strategia per recuperare o riprodurre i dati in caso di perdita di dati. Allinea questa strategia con un Recovery Point Objective (RPO) e un Recovery Time Objective (RTO) definiti che soddisfino i requisiti aziendali.
- Se necessario, pianifica e implementa una strategia di failover per il ripristino di emergenza della tua soluzione IDP negli account e nelle regioni AWS.
- Usa il testo di Amazon
OutputConfig
funzionalità e Amazon ComprehendOutputDataConfig
funzionalità per archiviare i risultati dell'elaborazione asincrona da Amazon Textract o Amazon Comprehend in un bucket S3 designato. Ciò consente al flusso di lavoro di continuare da quel punto anziché ripetere la chiamata di Amazon Textract o Amazon Comprehend. Il codice seguente mostra come avviare un processo API asincrono di Amazon Textract per analizzare un documento e archiviare l'output di inferenza crittografato in un bucket S3 definito. Per ulteriori informazioni, fare riferimento a Documentazione del client Amazon Textract.
Progetta il tuo flusso di lavoro IDP per prevenire errori
L'affidabilità di un carico di lavoro inizia con decisioni di progettazione iniziali. Le scelte dell'architettura influenzeranno il comportamento del carico di lavoro e la sua resilienza. Per migliorare l'affidabilità della tua soluzione IDP, segui queste best practice.
Innanzitutto, progetta la tua architettura seguendo il flusso di lavoro IDP. Sebbene le fasi di un flusso di lavoro IDP possano variare ed essere influenzate dal caso d'uso e dai requisiti aziendali, le fasi di acquisizione dei dati, classificazione dei documenti, estrazione del testo, arricchimento dei contenuti, revisione e convalida e consumo sono in genere parti del flusso di lavoro IDP. Queste fasi ben definite possono essere utilizzate per separare le funzionalità e isolarle in caso di guasto.
Puoi usare Servizio Amazon Simple Queue (Amazon SQS) per disaccoppiare le fasi del flusso di lavoro IDP. Un modello di disaccoppiamento aiuta a isolare il comportamento dei componenti dell'architettura da altri componenti che dipendono da esso, aumentando la resilienza e l'agilità.
In secondo luogo, controllare e limitare le chiamate di ripetizione. I servizi AWS come Amazon Textract possono fallire se viene superato il numero massimo di TPS assegnati, causando la limitazione dell'applicazione o l'interruzione della connessione da parte del servizio.
È necessario gestire la limitazione e l'interruzione delle connessioni ritentando automaticamente l'operazione (sia operazioni sincrone che asincrone). Tuttavia, dovresti anche specificare un numero limitato di tentativi, dopo i quali l'operazione fallisce e genera un'eccezione. Se effettui troppe chiamate ad Amazon Textract in un breve periodo di tempo, limita le tue chiamate e invia un file ProvisionedThroughputExceededExceptionerror
nella risposta all'operazione.
Inoltre, utilizzare backoff e jitter esponenziale per tentativi volti a migliorare la velocità effettiva. Ad esempio, utilizzando Amazon Textract, specifica il numero di tentativi includendo il file config
parametro quando crei il client Amazon Textract. Si consiglia un numero di tentativi pari a cinque. Nel seguente codice di esempio, utilizziamo il file config
parametro per ritentare automaticamente un'operazione utilizzando la modalità adattiva e un massimo di cinque tentativi:
Sfrutta gli SDK AWS, come SDK AWS per Python (Boto3), per assistere riprovare le chiamate del client ai servizi AWS come Amazon Textract e Amazon Comprehend. Ce ne sono tre modalità di riprova disponibili:
- Modalità legacy – I nuovi tentativi richiedono un numero limitato di errori ed eccezioni e includono un backoff esponenziale di un fattore base pari a 2.
- Modalità standard – Standardizza la logica e il comportamento dei tentativi coerenti con altri SDK AWS ed estende la funzionalità dei tentativi rispetto a quella presente nella modalità legacy. Qualsiasi tentativo di nuovo tentativo includerà un backoff esponenziale di un fattore base pari a 2 per un tempo di backoff massimo di 20 secondi.
- Modalità adattiva – Include tutte le funzionalità della modalità standard e introduce una limitazione della velocità lato client attraverso l'uso di un token bucket e variabili del limite di velocità che vengono aggiornate dinamicamente ad ogni tentativo di nuovo tentativo. Offre flessibilità nei tentativi lato client che si adatta alla risposta sullo stato di errore o eccezione da un servizio AWS. A ogni nuovo tentativo, la modalità adattiva modifica le variabili del limite di velocità in base all'errore, all'eccezione o al codice di stato HTTP presentato nella risposta dal servizio AWS. Queste variabili del limite di tariffa vengono quindi utilizzate per calcolare una nuova tariffa di chiamata per il cliente. Ogni eccezione, errore o risposta HTTP non riuscita da un servizio AWS aggiorna le variabili del limite di velocità man mano che si verificano nuovi tentativi fino al raggiungimento di un successo, all'esaurimento del bucket di token o al raggiungimento del valore massimo di tentativi configurato. Esempi di eccezioni, errori o risposte HTTP non riuscite:
Conclusione
In questo post abbiamo condiviso principi di progettazione, aree di interesse, fondamenti e best practice per l'affidabilità della tua soluzione IDP.
AWS si impegna a considerare l'IDP Well-Architected Lens uno strumento vivente. Man mano che le soluzioni IDP e i relativi servizi AWS AI si evolvono e nuovi servizi AWS diventano disponibili, aggiorneremo di conseguenza l'IDP Lens Well-Architected.
Se desideri saperne di più sul Canone di architettura AWS, fai riferimento a AWS ben architettato.
Se hai bisogno di ulteriore assistenza da parte di esperti, contatta il team del tuo account AWS per coinvolgere un IDP Specialist Solutions Architect.
Informazioni sugli autori
Rui Cardoso è un architetto di soluzioni partner presso Amazon Web Services (AWS). Si sta concentrando su AI/ML e IoT. Lavora con i partner AWS e li supporta nello sviluppo di soluzioni in AWS. Quando non lavora, gli piace andare in bicicletta, fare escursioni e imparare cose nuove.
Brijesh Pati è un Enterprise Solutions Architect presso AWS. Il suo obiettivo principale è aiutare i clienti aziendali ad adottare le tecnologie cloud per i loro carichi di lavoro. Ha esperienza nello sviluppo di applicazioni e nell'architettura aziendale e ha lavorato con clienti di vari settori come sport, finanza, energia e servizi professionali. I suoi interessi includono architetture serverless e AI/ML.
Mia Chang è un ML Specialist Solutions Architect per Amazon Web Services. Lavora con clienti nell'area EMEA e condivide le best practice per l'esecuzione di carichi di lavoro AI/ML sul cloud con il suo background in matematica applicata, informatica e AI/ML. Si concentra su carichi di lavoro specifici della PNL e condivide la sua esperienza come relatrice di conferenze e autrice di libri. Nel tempo libero le piacciono le escursioni, i giochi da tavolo e la preparazione del caffè.
Tim Condel è un architetto senior di soluzioni specializzato in intelligenza artificiale (AI) e machine learning (ML) presso Amazon Web Services (AWS). Il suo focus è l'elaborazione del linguaggio naturale e la visione artificiale. A Tim piace prendere le idee dei clienti e trasformarle in soluzioni scalabili.
Sherry Ding è un architetto senior di soluzioni specializzato in intelligenza artificiale (AI) e machine learning (ML) presso Amazon Web Services (AWS). Ha una vasta esperienza nell'apprendimento automatico con un dottorato di ricerca in informatica. Lavora principalmente con clienti del settore pubblico su varie sfide aziendali legate all'intelligenza artificiale/ML, aiutandoli ad accelerare il loro percorso di apprendimento automatico sul cloud AWS. Quando non aiuta i clienti, le piacciono le attività all'aria aperta.
Suyin Wang è un AI/ML Specialist Solutions Architect presso AWS. Ha un background formativo interdisciplinare in machine learning, servizi di informazione finanziaria ed economia, oltre ad anni di esperienza nella creazione di applicazioni di data science e machine learning che hanno risolto problemi aziendali reali. Le piace aiutare i clienti a identificare le giuste domande aziendali e a creare le giuste soluzioni AI/ML. Nel tempo libero ama cantare e cucinare.
- 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/build-well-architected-idp-solutions-with-a-custom-lens-part-3-reliability/
- :ha
- :È
- :non
- $ SU
- 000
- 1
- 100
- 15%
- 17
- 20
- 500
- 7
- a
- capacità
- WRI
- abuso
- accelerare
- accettato
- ospitare
- Secondo
- di conseguenza
- Il mio account
- conti
- precisione
- Raggiungere
- operanti in
- Action
- azioni
- attività
- adattabile
- adatta
- aggiunta
- aggiuntivo
- Informazioni aggiuntive
- indirizzo
- adottare
- Vantaggio
- che interessano
- Dopo shavasana, sedersi in silenzio; saluti;
- AI
- Servizi di intelligenza artificiale
- AI / ML
- allineare
- Allineati
- Tutti
- allocato
- permesso
- Consentire
- consente
- da solo
- lungo
- anche
- Sebbene il
- Amazon
- Amazon Comprehend
- Testo Amazon
- Amazon Web Services
- Amazon Web Services (AWS)
- tra
- an
- .
- analizzare
- ed
- rispondere
- risposte
- anticipare
- Anticipato
- in qualsiasi
- api
- Applicazioni
- Sviluppo di applicazioni
- applicazioni
- applicato
- APPLICA
- AMMISSIONE
- architettonico
- architettura
- SONO
- aree
- in giro
- artificiale
- intelligenza artificiale
- Intelligenza artificiale (AI)
- AS
- aspetto
- valutare
- assistere
- associato
- At
- tentativo
- Tentativi
- aumentata
- autore
- automatizzare
- Automatizzata
- automaticamente
- Automazione
- disponibilità
- disponibile
- evitare
- consapevole
- AWS
- precedente
- sfondo
- base
- basato
- BE
- perché
- diventare
- prima
- comportamento
- vantaggi
- MIGLIORE
- best practice
- fra
- tavola
- Giochi da tavolo
- libro
- entrambi
- costruire
- Costruzione
- incassato
- affari
- ma
- by
- calcolare
- chiamata
- Bandi
- Materiale
- funzionalità
- Ultra-Grande
- catturare
- Custodie
- caso di studio
- Causare
- causando
- sfide
- il cambiamento
- cambiato
- Modifiche
- cambiando
- carattere
- riconoscimento del personaggio
- scelte
- classificazione
- cliente
- Cloud
- codice
- codici
- Caffè
- raccogliere
- combina
- impegnata
- Uncommon
- Comunità
- componenti
- comprendere
- computer
- Informatica
- Visione computerizzata
- Convegno
- configurato
- veloce
- Connessioni
- Prendere in considerazione
- considerato
- coerente
- costantemente
- vincoli
- costrutti
- consumo
- contatti
- contenuto
- continua
- di controllo
- convertire
- correttamente
- danneggiati
- costo effettivo
- coprire
- coperto
- creare
- creato
- Creazione
- CTO
- costume
- cliente
- Clienti
- personalizzare
- dati
- Perdita di dati
- scienza dei dati
- memorizzazione dei dati
- decisioni
- deep
- definire
- definito
- Laurea
- Richiesta
- dipendere
- descritta
- Design
- Principi di progettazione
- designato
- progettato
- progettazione
- dettagli
- Determinare
- in via di sviluppo
- Mercato
- diverso
- dimensioni
- disastro
- discutere
- immersione
- documento
- documenti
- fatto
- Cadere
- caduto
- durante
- dinamicamente
- ogni
- Economia
- Istruzione
- efficienza
- efficiente
- altro
- abilitato
- Abilita
- comprende
- crittografato
- energia
- impegnarsi
- abbastanza
- arricchimento
- garantire
- Impresa
- Ambiente
- errore
- errori
- stima
- la valutazione
- alla fine
- qualunque cosa
- evolvere
- esempio
- Esempi
- superato
- superiore
- Excel
- eccezione
- aspettativa
- previsto
- esperienza
- esperto
- esponenziale
- si estende
- estensivo
- Conclamata Esperienza
- estratto
- estrazione
- fattore
- FAIL
- fallito
- fallisce
- Fallimento
- fallimenti
- famoso
- caratteristica
- Caratteristiche
- campo
- campi
- Compila il
- File
- finanziare
- finanziario
- informazioni finanziarie
- cinque
- Flessibilità
- Focus
- si concentra
- messa a fuoco
- seguire
- i seguenti
- Nel
- formato
- forme
- essere trovato
- Fondazioni
- Contesto
- Gratis
- da
- pieno
- funzionalità
- funzionalità
- ulteriormente
- Giochi
- lacune
- raccolto
- ottenere
- Obiettivi
- guida
- maniglia
- Manovrabilità
- Hard
- Avere
- he
- Aiuto
- aiutare
- aiuta
- suo
- superiore
- vivamente
- il suo
- Come
- Tutorial
- Tuttavia
- HTML
- http
- HTTPS
- umano
- idee
- identificare
- if
- Immagine
- immagini
- Impact
- impatto
- realizzare
- implementazione
- importare
- importante
- aspetto importante
- competenze
- migliorata
- miglioramento
- in
- includere
- inclusi
- Compreso
- Aumento
- crescente
- industrie
- influenzato
- informazioni
- Infrastruttura
- intuizioni
- Intelligence
- Intelligente
- Elaborazione intelligente dei documenti
- destinato
- interessi
- ai miglioramenti
- Introduce
- l'introduzione di
- Introduzione
- IoT
- IT
- SUO
- Lavoro
- viaggio
- jpg
- mantenere
- Le
- conosciuto
- Lingua
- Le Lingue
- disposizione
- IMPARARE
- apprendimento
- Guidato
- Eredità
- Livello
- ciclo di vita
- piace
- LIMITE
- Limitato
- limitativo
- limiti
- vita
- registrazione
- logica
- spento
- ama
- Basso
- macchina
- machine learning
- principalmente
- mantenere
- make
- gestire
- gestione
- molti
- matematica
- massimo
- Maggio..
- analisi
- meccanismo
- meccanismi di
- Soddisfare
- Metrica
- Microsoft
- forza
- mente
- ordine
- ML
- Moda
- modello
- modelli
- modalità di
- Monitorare
- monitoraggio
- Mese
- Scopri di più
- maggior parte
- devono obbligatoriamente:
- Nome
- Naturale
- Elaborazione del linguaggio naturale
- Bisogno
- Rete
- traffico di rete
- New
- nlp
- notifiche
- numero
- obiettivo
- Obiettivi d'Esame
- OCR
- of
- Offerte
- on
- ONE
- operare
- operativo
- operazione
- operativa
- Operazioni
- riconoscimento ottico dei caratteri
- ottimale
- or
- Altro
- nostro
- su
- Risultato
- lineamenti
- produzione
- ancora
- pagina
- pagine
- parametro
- parte
- partner
- partner
- Ricambi
- Cartamodello
- per
- Eseguire
- performance
- esecuzione
- periodo
- phd
- Pilastro
- piano
- pianificazione
- Platone
- Platone Data Intelligence
- PlatoneDati
- punto
- possibile
- Post
- potenziale
- pratica
- pratiche
- presentata
- prevenire
- precedente
- primario
- principi
- problemi
- procedure
- processi
- i processi
- lavorazione
- Produzione
- professionale
- progetto
- proteggere
- fornire
- fornisce
- la percezione
- Python
- query
- domanda
- Domande
- citare
- aumentare
- tasso
- piuttosto
- a raggiunto
- Leggi
- Lettura
- mondo reale
- riconoscimento
- raccomandare
- raccomandazioni
- Recuperare
- recupero
- riferimento
- regioni
- relazionato
- rilasciare
- problemi di
- affidabile
- rimuove
- riparazione
- ripetere
- rappresentante
- richiesta
- richieste
- richiedere
- necessario
- Requisiti
- richiede
- elasticità
- elastico
- Risorse
- risposta
- risposte
- Risultati
- recensioni
- rivisto
- destra
- rischi
- tondo
- norme
- Correre
- running
- scalabile
- Scenari
- Scienze
- sdk
- sdk
- ricerca
- Secondo
- secondo
- Sezione
- settore
- sicuro
- vedere
- inviare
- invia
- anziano
- separato
- Serie
- serverless
- servizio
- Servizi
- set
- alcuni
- condiviso
- azioni
- lei
- Corti
- dovrebbero
- Spettacoli
- firme
- Un'espansione
- semplificare
- singolo
- Taglia
- Rallenta
- lisciare
- Soft
- soluzione
- Soluzioni
- alcuni
- spazi
- Speaker
- specialista
- specifico
- in particolare
- picchi
- Sports
- tappe
- Standard
- inizia a
- Di partenza
- inizio
- Regione / Stato
- Stato dei servizi
- Passi
- conservazione
- Tornare al suo account
- Strategia
- Corda
- Studio
- style
- il successo
- di successo
- tale
- supporto
- supportato
- Supporto
- sicuro
- sostenibile
- attrezzatura
- Fai
- presa
- task
- team
- Consulenza
- Tecnologie
- condizioni
- test
- Testing
- testo
- di
- che
- Il
- loro
- Li
- poi
- Là.
- Strumenti Bowman per analizzare le seguenti finiture:
- di
- cose
- questo
- quelli
- tre
- soglia
- Attraverso
- portata
- Tim
- tempo
- a
- token
- pure
- Totale
- tps
- pista
- traffico
- Training
- Le transazioni
- trattare
- innescare
- Svolta
- tipicamente
- per
- capire
- Sconosciuto
- fino a quando
- Aggiornanento
- aggiornato
- Aggiornamenti
- Impiego
- uso
- caso d'uso
- utilizzato
- Utente
- utenti
- utilizzando
- generalmente
- CONVALIDARE
- convalida
- APPREZZIAMO
- Valori
- varietà
- vario
- versione
- versioni
- visione
- volere
- we
- sito web
- servizi web
- ben definita
- quando
- quale
- while
- OMS
- volere
- con
- entro
- senza
- Word
- parole
- Lavora
- lavorato
- flusso di lavoro
- flussi di lavoro
- lavoro
- lavori
- anni
- Tu
- Trasferimento da aeroporto a Sharm
- zefiro