ככל שארגונים גדלים בגודל ובקנה מידה, המורכבות של הפעלת עומסי העבודה גוברת, והצורך בפיתוח והפעלת תהליכים וזרימות עבודה הופך להיות קריטי. לכן, ארגונים אימצו שיטות עבודה מומלצות טכנולוגיות, כולל ארכיטקטורת מיקרו-שירותים, MLOps, DevOps ועוד, כדי לשפר את זמן האספקה, להפחית פגמים ולהגדיל את תפוקת העובדים. פוסט זה מציג שיטה מומלצת לניהול קוד מותאם אישית בתוך שלך זרימת עבודה של Amazon SageMaker Data Wrangler.
Data Wrangler הוא כלי דל קוד המאפשר ניתוח נתונים, עיבוד מקדים והדמיה. הוא מכיל למעלה מ-300 שלבים מובנים של שינוי נתונים כדי לסייע בהנדסת תכונות, נורמליזציה וניקוי כדי להפוך את הנתונים שלך ללא צורך בכתיבת קוד.
בנוסף לתמורות המובנות, Data Wrangler מכיל עורך קוד מותאם אישית המאפשר לך ליישם קוד מותאם אישית שנכתב ב-Python, PySpark או SparkSQL.
בעת שימוש בצעדי טרנספורמציה מותאמים אישית של Data Wrangler כדי ליישם את הפונקציות המותאמות אישית שלך, עליך ליישם שיטות עבודה מומלצות סביב פיתוח ופריסה של קוד בזרימות של Data Wrangler.
פוסט זה מראה כיצד ניתן להשתמש בקוד המאוחסן ב AWS CodeCommit בשלב ההמרה המותאמת אישית של Data Wrangler. זה מספק לך הטבות נוספות, כולל:
- שפר את הפרודוקטיביות ושיתוף הפעולה בין הצוות והצוותים
- גרסה את הקוד המותאם אישית שלך
- שנה את שלב ההמרה המותאם אישית של Data Wrangler ללא צורך להתחבר סטודיו SageMaker של אמזון כדי להשתמש ב-Data Wrangler
- הפניה לקבצי פרמטרים בשלב ההמרה המותאם אישית שלך
- סרוק קוד ב-CodeCommit באמצעות אמזון קודגורו או כל יישום של צד שלישי עבור פרצות אבטחה לפני השימוש בו ב-Data Wrangler flowssagemake
סקירת פתרונות
פוסט זה מדגים כיצד לבנות קובץ זרימה של Data Wrangler עם שלב טרנספורמציה מותאם אישית. במקום לקודד קשיח של הפונקציה המותאמת אישית לשלב ההמרה המותאם אישית שלך, אתה מושך סקריפט המכיל את הפונקציה מ- CodeCommit, טען אותה וקורא לפונקציה הנטענת בשלב ההמרה המותאם אישית שלך.
לפוסט זה אנו משתמשים ב- bank-full.csv
נתונים מה - מאגר למידת מכונה של אוניברסיטת קליפורניה Irving כדי להדגים את הפונקציות הללו. הנתונים קשורים לקמפיינים של שיווק ישיר של מוסד בנקאי. לעתים קרובות, יותר מאיש קשר אחד עם אותו לקוח נדרש להעריך אם המוצר (פיקדון בנקאי) יהיה מנוי (yes
) או לא מנוי (no
).
התרשים הבא ממחיש פתרון זה.
זרימת העבודה היא כדלקמן:
- צור קובץ זרימה של Data Wrangler וייבא ממנו את מערך הנתונים שירות אחסון פשוט של אמזון (Amazon S3).
- צור סדרה של שלבי טרנספורמציה של Data Wrangler:
- שלב טרנספורמציה מותאם אישית ליישום קוד מותאם אישית המאוחסן ב- CodeCommit.
- שני שלבי טרנספורמציה מובנים.
אנו מצמצמים את שלבי הטרנספורמציה למינימום כדי לא לגרוע ממטרה של פוסט זה, המתמקד בשלב השינוי המותאם אישית. למידע נוסף על שלבי טרנספורמציה זמינים והטמעה, עיין ב הפוך נתונים ו בלוג Data Wrangler.
- בשלב ההמרה המותאמת אישית, כתוב קוד כדי למשוך את הסקריפט וקובץ התצורה מ-CodeCommit, טען את הסקריפט כמודול של Python וקרא לפונקציה בסקריפט. הפונקציה לוקחת קובץ תצורה כארגומנט.
- הפעל משימת Data Wrangler והגדר את Amazon S3 כיעד.
אפשרויות היעד כוללות גם חנות הפונקציות של אמזון SageMaker.
תנאים מוקדמים
כתנאי מוקדם, הגדרנו את מאגר CodeCommit, זרימת Data Wrangler והרשאות CodeCommit.
צור מאגר CodeCommit
לפוסט זה אנו משתמשים ב- AWS CloudFormation תבנית כדי להגדיר מאגר CodeCommit ולהעתיק את הקבצים הנדרשים למאגר זה. השלם את השלבים הבאים:
- בחרו השקת ערימה:
- בחר את האזור שבו ברצונך ליצור את מאגר CodeCommit.
- הזן שם עבור שם ערימה.
- הזן שם עבור המאגר שייווצר עבורו RepoName.
- בחרו צור ערימה.
ל-AWS CloudFormation לוקח כמה שניות כדי לספק את מאגר CodeCommit שלך. לאחר CREATE_COMPLETE
הסטטוס מופיע, נווט אל מסוף CodeCommit כדי לראות את המאגר החדש שלך שנוצר.
הגדר את Data Wrangler
הורד bank.zip
מערך נתונים מה - מאגר למידת מכונה של אוניברסיטת קליפורניה Irving. לאחר מכן, חלץ את התוכן של bank.zip
ו להעלות bank-full.csv
לאמזון S3.
כדי ליצור קובץ זרימה של Data Wrangler ולייבא את bank-full.csv
מערך נתונים מאמזון S3, השלם את השלבים הבאים:
- הכנס ל-SageMaker Studio באמצעות ההתחלה המהירה למשתמשים חדשים ב-Studio.
- בחר את הדומיין ופרופיל המשתמש שלך ב- SageMaker וב- לשגר בתפריט, בחר סטודיו.
- בקונסולת הסטודיו, ב- שלח בתפריט, בחר חדש, ואז לבחור זרימת רנגלר נתונים.
- בחרו אמזון S3 ל מקורות מידע.
- נווט אל דלי ה-S3 שלך המכיל את הקובץ והעלה את
bank-full.csv
קובץ.
A שגיאת תצוגה מקדימה יזרקו.
- לשנות את ה מפריד ב פרטים חלונית מימין ל נְקוּדָה וּפְסִיק.
תצוגה מקדימה של מערך הנתונים תוצג בחלון התוצאה.
- ב פרטים חלונית, על דגימה התפריט הנפתח, בחר ללא חתימה.
זהו מערך נתונים קטן יחסית, כך שאינך צריך לדגום.
- בחרו תבואו.
הגדר הרשאות CodeCommit
עליך לספק ל-Studio הרשאה לגשת ל-CodeCommit. אנו משתמשים בתבנית CloudFormation כדי לספק א מדיניות AWS Identity and Access Management (IAM). שנותן את שלך תפקיד סטודיו הרשאה לגשת ל- CodeCommit. השלם את השלבים הבאים:
- בחרו השקת ערימה:
- בחר את האזור שבו אתה עובד.
- הזן שם עבור שם ערימה.
- הזן את מזהה הדומיין שלך בסטודיו עבור SageMakerDomainID. המידע על הדומיין זמין בקונסולת SageMaker תחומים עמוד, כפי שמוצג בצילום המסך הבא.
- הזן את שם פרופיל המשתמש שלך בדומיין Studio עבור SageMakerUserProfileName. אתה יכול לראות את שם פרופיל המשתמש שלך על ידי ניווט לדומיין Studio שלך. אם יש לך מספר פרופילי משתמש בדומיין Studio שלך, הזן את השם של פרופיל המשתמש המשמש להפעלת Studio.
- בחר בתיבת האישור.
משאבי IAM המשמשים את תבנית CloudFormation זו מספקים את ההרשאות המינימליות כדי ליצור בהצלחה את מדיניות IAM המצורפת לתפקיד ה-Studio שלך עבור גישת CodeCommit.
- בחרו צור ערימה.
שלבי טרנספורמציה
לאחר מכן, אנו מוסיפים טרנספורמציות לעיבוד הנתונים.
שלב טרנספורמציה מותאם אישית
בפוסט זה, אנו מחשבים את גורם אינפלציה שונות (VIF) עבור כל תכונה מספרית והורדת תכונות החורגות מסף VIF. אנו עושים זאת בשלב ההמרה המותאמת אישית מכיוון של-Data Wrangler אין טרנספורמציה מובנית עבור המשימה הזו נכון לכתיבת שורות אלה.
עם זאת, אנחנו לא מקודדים פונקציית VIF זו. במקום זאת, אנו מושכים את הפונקציה הזו ממאגר CodeCommit לשלב ההמרה המותאם אישית. לאחר מכן אנו מפעילים את הפונקציה על מערך הנתונים.
- במסוף Data Wrangler, נווט אל זרימת הנתונים שלך.
- בחר את סימן הפלוס שליד סוגי מידע ולבחור הוסף טרנספורמציה.
- בחרו + הוסף שלב.
- בחרו טרנספורמציה מותאמת אישית.
- לחלופין, הזן שם ב- שם שדה.
- בחרו Python (PySpark) בתפריט הנפתח.
- בעד השינוי המותאם אישית שלך, הזן את הקוד הבא (ספק את השם של מאגר CodeCommit והאזור שבו נמצא המאגר):
הקוד משתמש ב- AWS SDK עבור Python (Boto3) כדי לגשת לפונקציות CodeCommit API. אנו משתמשים ב- get_file
פונקציית API למשיכת קבצים ממאגר CodeCommit אל סביבת Data Wrangler.
- בחרו תצוגה מקדימה.
ב תְפוּקָה בחלונית, מוצגת טבלה המציגה את התכונות המספריות השונות ואת ערך ה-VIF המתאים להן. עבור תרגיל זה, ערך הסף של VIF מוגדר ל-1.2. עם זאת, אתה יכול לשנות את ערך הסף הזה ב- parameter.json
קובץ שנמצא במאגר CodeCommit שלך. תבחין ששתי עמודות נשמטו (pdays
ו previous
), מה שמביא את ספירת העמודות הכוללת ל-15.
- בחרו להוסיף.
מקודד תכונות קטגוריות
סוגי תכונה מסוימים הם משתנים קטגוריים שצריך להפוך לצורות מספריות. השתמש בטרנספורמציה המובנית של הקידוד החם אחד כדי להשיג שינוי נתונים זה. בואו ניצור תכונות מספריות המייצגות את הערך הייחודי בכל תכונה קטגורית במערך הנתונים. השלם את השלבים הבאים:
- בחרו + הוסף שלב.
- בחר את מקודד קטגורי שינוי צורה.
- על לשנות התפריט הנפתח, בחר קידוד חם אחד.
- בעד עמודת קלט, בחר את כל התכונות הקטגוריות, כולל
poutcome
,y
,month
,marital
,contact
,default
,education
,housing
,job
, וloan
. - בעד סגנון פלט, בחר עמודות.
- בחרו תצוגה מקדימה לתצוגה מקדימה של התוצאות.
קידוד חם אחד עשוי לקחת זמן מה כדי ליצור תוצאות, בהתחשב במספר התכונות והערכים הייחודיים בכל תכונה.
- בחרו להוסיף.
עבור כל תכונה מספרית שנוצרה עם קידוד חם אחד, השם משלב את שם התכונה הקטגורית בצירוף קו תחתון (_
) והערך הקטגורי הייחודי שבתכונה זו.
זרוק טור
השמיים y_yes
תכונה היא עמודת היעד של התרגיל הזה, אז נשאיר את y_no
תכונה.
- בחרו + הוסף שלב.
- בחרו נהל עמודות.
- בחרו זרוק טור תחת לשנות.
- בחרו
y_no
תחת עמודות להורדה. - בחרו תצוגה מקדימה, ואז לבחור להוסיף.
צור משימת Data Wrangler
כעת, לאחר שיצרת את כל שלבי הטרנספורמציה, אתה יכול ליצור משימת Data Wrangler כדי לעבד את נתוני הקלט שלך ולאחסן את הפלט באמזון S3. השלם את השלבים הבאים:
- בחרו זרימת נתונים לחזור אל זרימת נתונים עמוד.
- בחר את סימן הפלוס על האריח האחרון של הדמיית הזרימה שלך.
- בחרו הוסף יעד ולבחור אמזון S3.
- הזן את השם של קובץ הפלט עבור שם ערכת נתונים.
- בחרו לְדַפדֵף ובחר את יעד הדלי עבורו מיקום אמזון S3.
- בחרו הוסף יעד.
- בחרו צור עבודה.
- לשנות את ה שם העבודה ערך כראות עיניך.
- בחרו לאחר מכן, 2. הגדר עבודה.
- שינוי ספירת מקרים ל 1, מכיוון שאנו עובדים עם מערך נתונים קטן יחסית, כדי להפחית את העלות שנגרמה.
- בחרו צור.
זה יתחיל א עבודת עיבוד באמזון SageMaker כדי לעבד את קובץ הזרימה של Data Wrangler ולאחסן את הפלט בדלי S3 שצוין.
אוטומציה
כעת, לאחר שיצרת את קובץ הזרימה של Data Wrangler, אתה יכול לוח זמנים משימות ה-Data Wrangler שלך לפעול באופן אוטומטי בזמנים ובתדירות ספציפיים. זוהי תכונה שיוצאת מהקופסה עם Data Wrangler ומפשטת את תהליך תזמון משימות Data Wrangler. יתר על כן, ביטויי CRON נתמכים ומספקים התאמה אישית נוספת וגמישות בתזמון משימות ה-Data Wrangler שלך.
עם זאת, פוסט זה מראה כיצד ניתן להפוך את עבודת Data Wrangler לאוטומטית להפעלה בכל פעם שיש שינוי בקבצים במאגר CodeCommit. טכניקת אוטומציה זו מבטיחה שכל שינוי בפונקציות הקוד המותאם אישית או שינויים בערכים בקובץ התצורה ב-CodeCommit יפעילו משימת Data Wrangler כדי לשקף שינויים אלה באופן מיידי.
לכן, אינך צריך להתחיל ידנית עבודת Data Wrangler כדי לקבל את נתוני הפלט המשקפים את השינויים שביצעת זה עתה. עם אוטומציה זו, אתה יכול לשפר את הזריזות ואת קנה המידה של עומסי העבודה של Data Wrangler שלך. כדי להפוך את משימות ה-Data Wrangler שלך לאוטומטיות, אתה מגדיר את הפעולות הבאות:
- צינורות SageMaker של אמזון - Pipelines עוזר לך ליצור זרימות עבודה של למידת מכונה (ML) עם Python SDK קל לשימוש, ואתה יכול לדמיין ולנהל את זרימת העבודה שלך באמצעות Studio
- אמזון EventBridge - EventBridge מאפשר חיבור לשירותי AWS, יישומי תוכנה כשירות (SaaS) ויישומים מותאמים אישית כמפיקי אירועים כדי להשיק זרימות עבודה.
צור צינור של SageMaker
ראשית, עליך ליצור צינור של SageMaker לעבודת Data Wrangler שלך. לאחר מכן השלם את השלבים הבאים כדי ייצא את זרימת Data Wrangler שלך כדי צינור SageMaker:
- בחר את סימן הפלוס על אריח ההמרה האחרון שלך (אריח ההמרה לפני ה- יַעַד אָרִיחַ).
- בחרו ייצוא ל.
- בחרו SageMaker Inference Pipeline (דרך מחברת Jupyter).
זה יוצר מחברת Jupyter חדשה המאוכלסת מראש בקוד ליצירת צינור של SageMaker עבור עבודת Data Wrangler שלך. לפני הפעלת כל התאים במחברת, ייתכן שתרצה לשנות משתנים מסוימים.
- כדי להוסיף א שלב אימון לצינור שלך, שנה את
add_training_step
משתנה לTrue
.
שים לב שהפעלת עבודת הדרכה תגרור עלויות נוספות על חשבונך.
- ציין ערך עבור ה
target_attribute_name
משתנה לy_yes
.
- כדי לשנות את שם הצינור, שנה את
pipeline_name
משתנה
- לבסוף, הפעל את כל המחברת על ידי בחירה הפעלה ו הפעל את כל התאים.
זה יוצר צינור של SageMaker ומפעיל את עבודת Data Wrangler.
- כדי להציג את הצינור שלך, בחר את סמל הבית בחלונית הניווט ובחר צינורות.
אתה יכול לראות את הצינור החדש של SageMaker שנוצר.
- בחר את הצינור החדש שנוצר כדי לראות את רשימת הריצה.
- שימו לב לשם של צינור SageMaker, כפי שתשתמשו בו מאוחר יותר.
- בחר את הריצה הראשונה ובחר גרף לראות א גרף מחזורי מכוון (DAG) זרימת צינור SageMaker שלך.
כפי שמוצג בצילום המסך הבא, לא הוספנו שלב אימון לצינור שלנו. אם הוספת שלב אימון לצנרת שלך, הוא יוצג בריצת הצינור שלך גרף תחת DataWrangler ProcessingStep.
צור כלל EventBridge
לאחר יצירת צינור SageMaker בהצלחה עבור עבודת Data Wrangler, תוכל לעבור להגדרת כלל EventBridge. כלל זה מקשיב לפעילויות במאגר CodeCommit שלך ומפעיל את הפעלת הצינור במקרה של שינוי בקובץ כלשהו במאגר CodeCommit. אנו משתמשים בתבנית CloudFormation כדי להפוך את היצירה הזו לאוטומטית כלל EventBridge. השלם את השלבים הבאים:
- בחרו השקת ערימה:
- בחר את האזור שבו אתה עובד.
- הזן שם עבור שם ערימה.
- הזן שם עבור כלל EventBridge שלך עבור EventRuleName.
- הזן את שם הצינור שיצרת עבורו שם צינור.
- הזן את השם של מאגר CodeCommit איתו אתה עובד RepoName.
- בחר בתיבת האישור.
משאבי IAM שתבנית CloudFormation זו משתמשת בהם מספקים את ההרשאות המינימליות ליצירת הכלל של EventBridge בהצלחה.
- בחרו צור ערימה.
נדרשות מספר דקות לתבנית CloudFormation לפעול בהצלחה. כאשר מצב משתנה ל CREATE_COMPLTE, תוכל לנווט אל מסוף EventBridge כדי לראות את הכלל שנוצר.
כעת, לאחר שיצרת את הכלל הזה, כל שינוי שתבצע בקובץ במאגר ה-CodeCommit שלך יפעיל את הרצה של צינור SageMaker.
כדי לבדוק את הצינור ערוך קובץ במאגר CodeCommit שלך, שנה את סף ה-VIF שלך parameter.json
קובץ למספר אחר, ועבור לדף פרטי הצינור של SageMaker אל לראות רצף חדש של הצינור שלך נוצר.
ברצף החדש הזה, Data Wrangler מפיל תכונות מספריות בעלות ערך VIF גדול יותר מהסף שציינת ב- parameter.json
קובץ ב- CodeCommit.
ביצעת בהצלחה אוטומציה וניתקת את עבודתך ב-Data Wrangler. יתר על כן, אתה יכול להוסיף עוד שלבים לצנרת SageMaker שלך. אתה יכול גם לשנות את הסקריפטים המותאמים אישית ב- CodeCommit כדי ליישם פונקציות שונות בזרימת Data Wrangler שלך.
אפשר גם לאחסן את הסקריפטים והקבצים שלך באמזון S3 ולהוריד אותם לשלב ההמרה המותאם אישית של Data Wrangler כחלופה ל-CodeCommit. בנוסף, הפעלת את שלב ההמרה המותאם אישית שלך באמצעות ה Python (PyScript) מִסגֶרֶת. עם זאת, אתה יכול גם להשתמש ב- פייתון (פנדה) מסגרת לשלב ההמרה המותאם אישית שלך, המאפשרת לך להריץ סקריפטים מותאמים אישית של Python. אתה יכול לבדוק זאת על ידי שינוי המסגרת שלך בשלב ההמרה המותאם אישית ל פייתון (פנדה) ושינוי קוד שלב ההמרה המותאם אישית שלך כדי למשוך וליישם את גרסת הסקריפט של Python המאוחסנת במאגר CodeCommit שלך. עם זאת, אפשרות PySpark עבור Data Wrangler מספקת ביצועים טובים יותר כאשר עובדים על מערך נתונים גדול בהשוואה לאפשרות Python Pandas.
לנקות את
לאחר שתסיים להתנסות במקרה השימוש הזה, נקה את המשאבים שיצרת כדי למנוע חיובים נוספים לחשבונך:
- עצור המופע הבסיסי המשמש ליצירת זרימת Data Wrangler שלך.
- מחק המשאבים שנוצרו על ידי תבניות CloudFormation השונות.
- אם אתה רואה
DELETE_FAILED
מצב, בעת מחיקת תבנית CloudFormation, מחק את המחסנית פעם נוספת כדי למחוק אותה בהצלחה.
<br> סיכום
פוסט זה הראה לך כיצד לנתק את שלב ההמרה המותאם אישית של Data Wrangler על ידי שליפת סקריפטים מ- CodeCommit. הראינו גם כיצד להפוך את משימות ה-Data Wrangler שלך לאוטומטיות באמצעות SageMaker Pipelines ו-EventBridge.
כעת אתה יכול לבצע פעולות ושינוי קנה מידה של משימות ה-Data Wrangler שלך מבלי לשנות את קובץ הזרימה של Data Wrangler. אתה יכול גם לסרוק את הקוד המותאם אישית שלך ב-CodeCommit באמצעות CodeGuru או כל יישום של צד שלישי לאיתור נקודות תורפה לפני הטמעתו ב-Data Wrangler. למידע נוסף על פעולות למידת מכונה מקצה לקצה (MLOps) ב-AWS, בקר Amazon SageMaker עבור MLOps.
על המחבר
אוצ'נה אגבה הוא Associate Solutions Architect ב-AWS. הוא מבלה את זמנו הפנוי במחקר על עשבי תיבול, תה, מזונות-על וכיצד לשלב אותם בתזונה היומית שלו.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- Platoblockchain. Web3 Metaverse Intelligence. ידע מוגבר. גישה כאן.
- מקור: https://aws.amazon.com/blogs/machine-learning/build-custom-code-libraries-for-your-amazon-sagemaker-data-wrangler-flows-using-aws-code-commit/
- :הוא
- $ למעלה
- 1
- 100
- 7
- 8
- 9
- a
- אודות
- גישה
- חֶשְׁבּוֹן
- להשיג
- לרוחב
- פעילויות
- מחזורי
- הוסיף
- תוספת
- נוסף
- מאומץ
- לאחר
- סיוע
- תעשיות
- מאפשר
- מאפשר
- חלופה
- אמזון בעברית
- אמזון SageMaker
- רנגלר הנתונים של אמזון SageMaker
- אנליזה
- ו
- API
- בקשה
- יישומים
- ארכיטקטורה
- ARE
- טענה
- סביב
- AS
- עמית
- At
- אוטומטי
- אוטומטי
- באופן אוטומטי
- אוטומציה
- זמין
- AWS
- בחזרה
- בנק
- בנקאות
- BE
- כי
- הופך להיות
- לפני
- הטבות
- הטוב ביותר
- שיטות עבודה מומלצות
- מוטב
- אריזה מקורית
- מביאים
- לִבנוֹת
- מובנה
- by
- לחשב
- קליפורניה
- שיחה
- קמפיינים
- CAN
- מקרה
- תאים
- מסוים
- שינוי
- שינויים
- משתנה
- חיובים
- בחרו
- בחירה
- לקוחות
- קוד
- שיתוף פעולה
- טור
- עמודות
- משלב
- לבצע
- לעומת
- להשלים
- מורכבות
- תְצוּרָה
- הקשר
- קונסול
- צור קשר
- מכיל
- תוכן
- תוֹאֵם
- עלות
- עלויות
- לִיצוֹר
- נוצר
- יוצר
- יוצרים
- קריטי
- מנהג
- התאמה אישית
- DAG
- יומי
- נתונים
- ניתוח נתונים
- מסירה
- להפגין
- מדגים
- פריסה
- לְהַפְקִיד
- יעד
- פרטים
- לפתח
- מתפתח
- דִיאֵטָה
- אחר
- ישיר
- לְהַצִיג
- לא
- תחום
- לא
- להורדה
- ירידה
- ירד
- טיפות
- כל אחד
- קל לשימוש
- עורך
- עובד
- מקצה לקצה
- הנדסה
- מבטיח
- זן
- שלם
- סביבה
- אירוע
- כל
- עולה על
- מבצע
- תרגיל
- ביטויים
- תמצית
- מקל
- מאפיין
- תכונות
- מעטים
- שדה
- שלח
- קבצים
- ראשון
- מתאים
- גמישות
- תזרים
- זורם
- מרוכז
- הבא
- כדלקמן
- בעד
- צורות
- מצא
- מסגרת
- חופשי
- תדר
- החל מ-
- פונקציה
- פונקציות
- פונקציות
- יתר על כן
- ליצור
- לקבל
- gif
- נתן
- נותן
- Go
- גרף
- יותר
- לגדול
- יש
- יש
- עוזר
- להחזיק
- עמוד הבית
- איך
- איך
- אולם
- HTML
- HTTPS
- ICON
- ID
- זהות
- מיד
- ליישם
- הפעלה
- יישום
- לייבא
- יבוא
- לשפר
- in
- לכלול
- כולל
- בע"מ
- להגדיל
- אינפלציה
- מידע
- קלט
- למשל
- במקום
- מוסד
- מציג
- IT
- עבודה
- מקומות תעסוקה
- jpg
- ג'סון
- שמור
- לדעת
- גָדוֹל
- אחרון
- לשגר
- למידה
- ספריות
- רשימה
- לִטעוֹן
- ממוקם
- מכונה
- למידת מכונה
- עשוי
- לעשות
- לנהל
- ניהול
- ניהול
- באופן ידני
- שיווק
- זכרון
- תפריט
- יכול
- מינימום
- דקות
- ML
- MLOps
- לשנות
- מודול
- יותר
- המהלך
- מספר
- שם
- נווט
- מנווט
- ניווט
- צורך
- חדש
- הבא
- מחברה
- מספר
- קהות
- of
- on
- ONE
- תפעול
- אפשרות
- אפשרויות
- ארגונים
- OS
- תפוקה
- עמוד
- דובי פנדה
- זגוגית
- פרמטר
- נתיב
- ביצועים
- רשות
- הרשאות
- כוח אדם
- צינור
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- ועוד
- מדיניות
- אפשרי
- הודעה
- תרגול
- פרקטיקות
- תצוגה מקדימה
- תהליך
- תהליכים
- תהליך
- מפיק
- המוצר
- פִּריוֹן
- פּרוֹפִיל
- פרופילים
- לספק
- מספק
- אַספָּקָה
- מושך
- פיתון
- מָהִיר
- להפחית
- לשקף
- משקף
- באזור
- קָשׁוּר
- יחסית
- מאגר
- המייצג
- נדרש
- משאבים
- תגובה
- תוצאה
- תוצאות
- תפקיד
- כלל
- הפעלה
- ריצה
- SaaS
- בעל חכמים
- צינורות SageMaker
- אותו
- סולם
- סריקה
- תזמון
- סקריפטים
- Sdk
- שניות
- אבטחה
- סדרה
- שרות
- שירותים
- סט
- הצבה
- הראה
- הופעות
- סִימָן
- פָּשׁוּט
- מידה
- קטן
- So
- תוכנה
- תוכנה כשירות
- פִּתָרוֹן
- פתרונות
- ספציפי
- מפורט
- לערום
- התחלה
- מדינה
- מצב
- שלב
- צעדים
- אחסון
- חנות
- מאוחסן
- סטודיו
- בהצלחה
- נתמך
- SYS
- שולחן
- לקחת
- לוקח
- יעד
- המשימות
- טכנולוגיה
- תבנית
- מבחן
- זֶה
- השמיים
- שֶׁלָהֶם
- אותם
- לכן
- אלה
- צד שלישי
- סף
- זמן
- פִּי
- ל
- כלי
- סה"כ
- הדרכה
- לשנות
- טרנספורמציה
- טרנספורמציות
- טרנספורמציה
- להפעיל
- סוגים
- תחת
- בְּסִיסִי
- ייחודי
- להשתמש
- במקרה להשתמש
- משתמש
- משתמשים
- ערך
- ערכים
- שונים
- גרסה
- באמצעות
- לצפיה
- לְבַקֵר
- ראיה
- פגיעויות
- W
- אשר
- בזמן
- ויקיפדיה
- יצטרך
- עם
- בתוך
- לְלֹא
- תיק עבודות
- זרימות עבודה
- עובד
- היה
- לכתוב
- לכתוב קוד
- כתיבה
- כתוב
- אתה
- זפירנט