הפוסט הזה נכתב בשיתוף עם Thatcher Thornberry מ-bpx energy.
סיווג פנים הוא תהליך של פילוח תצורות ליתולוגיות מנתונים גיאולוגיים במיקום הקידוח. במהלך הקידוח מתקבלים יומני קווים, בעלי מידע גיאולוגי תלוי עומק. גיאולוגים נפרסים כדי לנתח את נתוני היומן הללו ולקבוע טווחי עומק לבעלי עניין פוטנציאליים מהסוגים השונים של נתוני היומן. סיווג מדויק של אזורים אלה הוא קריטי עבור תהליכי הקידוח הבאים.
סיווג פנים באמצעות בינה מלאכותית ולמידת מכונה (ML) הפך להיות תחום חקירה פופולרי יותר ויותר עבור מגמות נפט רבות. למדעני נתונים ואנליסטים עסקיים רבים בחברות נפט גדולות אין את המיומנויות הנדרשות כדי להפעיל ניסויי ML מתקדמים במשימות חשובות כמו סיווג פנים. כדי להתמודד עם זה, אנו מראים לך כיצד להכין בקלות ולהכשיר מודל סיווג ML הטוב ביותר בכיתה על בעיה זו.
בפוסט זה, המיועד בעיקר לאלה שכבר משתמשים בסנופליק, אנו מסבירים כיצד ניתן לייבא נתוני אימון ואימות עבור משימת סיווג פנים מ- פְּתִית שֶׁלֶג אל תוך אמזון SageMaker Canvas ובהמשך לאמן את המודל באמצעות מודל חיזוי של 3+ קטגוריות.
סקירת פתרונות
הפתרון שלנו מורכב מהשלבים הבאים:
- העלה נתוני CSV מהמכשיר המקומי שלך ל-Snowflake. עבור פוסט זה, אנו משתמשים בנתונים מהבאים ריפו של GitHub בקוד פתוח.
- גדר AWS זהות וניהול גישה (IAM) תפקידים עבור Snowflake וליצור אינטגרציה של Snowflake.
- צור סוד עבור אישורי Snowflake (אופציונלי, אך מומלץ).
- יבוא שלג פתית ישירות לתוך קנבס.
- בניית מודל סיווג פן.
- נתח את המודל.
- הפעל תחזיות אצווה ויחידות באמצעות המודל הרב-מחלקות.
- שתף את המודל המאומן סטודיו SageMaker של אמזון.
תנאים מוקדמים
התנאים המוקדמים לפוסט זה כוללים את הדברים הבאים:
העלה נתוני CSV ל-Snowflake
בחלק זה, אנו לוקחים שני מערכי נתונים בקוד פתוח ומעלים אותם ישירות מהמחשב המקומי שלנו למסד נתונים של Snowflake. משם, הקמנו שכבת אינטגרציה בין Snowflake ל-Canvas.
- הורד training_data.csv ו validation_data_nofacies.csv קבצים למחשב המקומי שלך. רשום היכן שמרת אותם.
- כדי לוודא שיש לך את האישורים הנכונים של Snowflake והתקנת את אפליקציית Snowflake CLI לשולחן העבודה, אתה יכול להתאחד. למידע נוסף, עיין ב- היכנס ל-SnowSQL.
- בחר את מחסן Snowflake המתאים לעבוד בתוכו, ובמקרה שלנו
COMPUTE_WH
:
- בחר מסד נתונים לשימוש להמשך ההדרכה:
- צור פורמט קובץ בשם שיתאר קבוצה של נתונים מבוימים לגישה או לטעינה לטבלאות Snowflake.
ניתן להפעיל זאת ב- Snowflake CLI או בגיליון עבודה של Snowflake ביישום האינטרנט. עבור פוסט זה, אנו מריצים שאילתת SnowSQL באפליקציית האינטרנט. לִרְאוֹת תחילת העבודה עם דפי עבודה לקבלת הוראות ליצירת גליון עבודה ביישום האינטרנט של Snowflake.
- צור טבלה ב- Snowflake באמצעות ההצהרה CREATE.
ההצהרה הבאה יוצרת טבלה חדשה בסכימה הנוכחית או שצוינה (או מחליפה טבלה קיימת).
חשוב שסוגי הנתונים והסדר שבו הם מופיעים יהיו נכונים, ויתאימו עם מה שנמצא בקבצי ה-CSV שהורדנו בעבר. אם הם לא עקביים, ניתקל בבעיות מאוחר יותר כשננסה להעתיק את הנתונים.
- עשה את אותו הדבר עבור מסד הנתונים של האימות.
שימו לב שהסכמה שונה מעט מנתוני האימון. שוב, ודא שסוגי הנתונים וסדרי העמודות או התכונות נכונים.
- טען את קובץ נתוני ה-CSV מהמערכת המקומית שלך לתוך סביבת הבמה של Snowflake:
- להלן התחביר של ההצהרה עבור מערכת ההפעלה Windows:
- להלן התחביר של ההצהרה עבור Mac OS:
צילום המסך הבא מציג פקודה ופלט לדוגמה מתוך SnowSQL CLI.
- העתק את הנתונים לטבלת פתיתי השלג היעד.
כאן, אנו טוענים את נתוני ה-CSV האימון לטבלת היעד, שיצרנו קודם לכן. שים לב שעליך לעשות זאת הן עבור קובצי ההדרכה והן עבור קובצי ה-CSV, להעתיק אותם לטבלאות ההדרכה והאימות, בהתאמה.
- ודא שהנתונים נטענו לטבלת היעד על ידי הפעלת שאילתת SELECT (תוכל לעשות זאת הן עבור נתוני ההדרכה והן עבור נתוני האימות):
הגדר את תפקידי Snowflake IAM וצור את שילוב Snowflake
כתנאי מוקדם לסעיף זה, אנא עקוב אחר התיעוד הרשמי של פתית השלג כיצד לבצע גהגדר שילוב של Snowflake Storage כדי לגשת לאמזון S3.
אחזר את משתמש IAM עבור חשבון Snowflake שלך
לאחר שתגדיר בהצלחה את שילוב האחסון של Snowflake, הפעל את הפעולות הבאות DESCRIBE INTEGRATION
פקודה כדי לאחזר את ה-ARN עבור משתמש IAM שנוצר באופן אוטומטי עבור חשבון Snowflake שלך:
רשום את הערכים הבאים מהפלט:
- STORAGE_AWS_IAM_USER_ARN - משתמש IAM שנוצר עבור חשבון Snowflake שלך
- STORAGE_AWS_EXTERNAL_ID - המזהה החיצוני הדרוש ליצירת קשרי אמון
עדכן את מדיניות אמון התפקידים של IAM
כעת אנו מעדכנים את מדיניות האמון:
- במסוף IAM בחר תפקידים בחלונית הניווט.
- בחר את התפקיד שיצרת.
- על יחסי אמון בחר, בחר ערוך יחסי אמון.
- שנה את מסמך המדיניות כפי שמוצג בקוד הבא עם ערכי הפלט של DESC STORAGE INTEGRATION שרשמת בשלב הקודם.
- בחרו עדכן את מדיניות האמון.
צור במה חיצונית ב- Snowflake
אנו משתמשים במה חיצונית בתוך Snowflake לטעינת נתונים מדלי S3 בחשבון שלך אל Snowflake. בשלב זה, אנו יוצרים שלב חיצוני (Amazon S3) המתייחס לשילוב האחסון שיצרת. למידע נוסף, ראה יצירת שלב S3.
זה דורש תפקיד שיש לו את CREATE_STAGE
הרשאה עבור הסכימה וכן הרשאת USAGE בשילוב האחסון. אתה יכול להעניק הרשאות אלה לתפקיד כפי שמוצג בקוד בשלב הבא.
צור את הבמה באמצעות ה CREATE_STAGE
פקודה עם מצייני מיקום עבור הבמה החיצונית ודלי S3 וקידומת. השלב גם מתייחס לאובייקט בפורמט קובץ בשם שנקרא my_csv_format
:
צור סוד עבור אישורי Snowflake
Canvas מאפשר לך להשתמש ב-ARN של an מנהל סודות AWS סוד או שם חשבון Snowflake, שם משתמש וסיסמה כדי לגשת ל- Snowflake. אם אתה מתכוון להשתמש באפשרות של חשבון Snowflake, שם משתמש וסיסמה, דלג לסעיף הבא, שמכסה את הוספת מקור הנתונים.
כדי ליצור סוד מנהל סודות באופן ידני, בצע את השלבים הבאים:
- במסוף מנהל הסודות בחר אחסן סוד חדש.
- בעד בחר סוג סודיבחר סוגים אחרים של סודות.
- ציין את הפרטים של הסוד שלך בתור זוגות מפתח-ערך.
שמות המפתח הם תלויי רישיות וחייבים להיות קטנים.
אם אתה מעדיף, אתה יכול להשתמש באפשרות טקסט רגיל ולהזין את הערכים הסודיים בתור JSON:
- בחרו הַבָּא.
- בעד שם סודי, הוסף את הקידומת
AmazonSageMaker
(לדוגמה, הסוד שלנו הואAmazonSageMaker-CanvasSnowflakeCreds
). - ב תגים בקטע, הוסף תג עם מפתח SageMaker וערך true.
- בחרו הַבָּא.
- שאר השדות הם אופציונליים; בחר הַבָּא עד שתהיה לך אפשרות לבחור חנות לאחסן את הסוד.
- לאחר שתשמור את הסוד, תוחזר למסוף מנהל הסודות.
- בחר את הסוד שזה עתה יצרת, ואז אחזר את ה-ARN הסודי.
- אחסן את זה בעורך הטקסט המועדף עליך לשימוש מאוחר יותר בעת יצירת מקור הנתונים Canvas.
יבוא שלג פתית ישירות לתוך קנבס
כדי לייבא את מערך הנתונים של facies ישירות לתוך Canvas, בצע את השלבים הבאים:
- במסוף SageMaker בחר אמזון SageMaker Canvas בחלונית הניווט.
- בחר את פרופיל המשתמש שלך ובחר פתח את קנבס.
- בדף הנחיתה של Canvas, בחר מערכי נתונים בחלונית הניווט.
- בחרו תבואו.
- לחץ על פְּתִית שֶׁלֶג בתמונה למטה ולאחר מכן מיד "הוסף חיבור".
- הזן את ה-ARN של סוד פתית השלג שיצרנו בעבר, שם שילוב האחסון (
SAGEMAKER_CANVAS_INTEGRATION
), ושם חיבור ייחודי לבחירתך. - בחרו הוסף חיבור.
אם כל הערכים תקפים, אתה אמור לראות את כל מסדי הנתונים המשויכים לחיבור בחלונית הניווט (ראה את הדוגמה הבאה עבור NICK_FACIES
).
- בחר את
TRAINING_DATA
טבלה, ולאחר מכן בחר תצוגה מקדימה של מערך הנתונים.
אם אתה מרוצה מהנתונים, אתה יכול לערוך את ה-SQL המותאם אישית ב-Visualizer של הנתונים.
- בחרו ערוך ב-SQL.
- הפעל את פקודת SQL הבאה לפני הייבוא לתוך Canvas. (זה בהנחה שמסד הנתונים נקרא
NICK_FACIES
. החלף ערך זה בשם מסד הנתונים שלך.)
משהו דומה לצילום המסך הבא אמור להופיע ב- ייבוא תצוגה מקדימה סָעִיף.
- אם אתה מרוצה מהתצוגה המקדימה, בחר ייבא נתונים.
- בחר שם נתונים מתאים, וודא שהוא ייחודי ואורך פחות מ-32 תווים.
- השתמש בפקודה הבאה כדי לייבא את מערך האימות, באותה שיטה כמו קודם:
בניית מודל סיווג פן
כדי לבנות את מודל סיווג הפנים שלך, בצע את השלבים הבאים:
- בחרו מודלים בחלונית הניווט, ולאחר מכן בחר מודל חדש.
- תן לדגם שלך שם מתאים.
- על בחר בכרטיסייה, בחר את מערך ההדרכה שיובאה לאחרונה ולאחר מכן בחר בחר מערך נתונים.
- על לִבנוֹת לשונית, שחרר את
WELL_NAME
עמודה.
אנו עושים זאת מכיוון ששמות הבאר עצמם אינם מידע שימושי עבור מודל ה-ML. הם רק שמות שרירותיים שאנו מוצאים שימושיים כדי להבחין בין הבארות עצמם. השם שאנו נותנים לבאר מסוימת אינו רלוונטי למודל ה-ML.
- בחר FACIES כעמודת היעד.
- יציאה סוג דגם as חיזוי קטגוריות של 3+.
- אמת את הנתונים.
- בחרו מבנה סטנדרטי.
הדף שלך צריך להיראות דומה לצילום המסך הבא רגע לפני בניית המודל שלך.
לאחר שתבחר מבנה סטנדרטי, המודל נכנס לשלב הניתוח. ניתן לך זמן בנייה צפוי. כעת תוכל לסגור חלון זה, להתנתק מ-Canvas (על מנת להימנע מחיובים), ולחזור ל-Canvas במועד מאוחר יותר.
לנתח את מודל סיווג הפאצ'ים
כדי לנתח את המודל, בצע את השלבים הבאים:
- פדרציה חזרה לתוך קנבס.
- אתר את הדגם שנוצר בעבר, בחר לצפיה, ואז לבחור לנתח.
- על סקירה כללית בכרטיסייה, תוכל לראות את ההשפעה שיש לתכונות בודדות על פלט הדגם.
- בחלונית הימנית, אתה יכול לדמיין את ההשפעה שיש לתכונה נתונה (ציר X) על החיזוי של כל מחלקה של facies (ציר Y).
הדמיות אלה ישתנו בהתאם לתכונה שתבחר. אנו ממליצים לך לחקור את הדף הזה על ידי רכיבה על אופניים בכל 9 השיעורים ו-10 התכונות.
- על מניה בכרטיסייה, נוכל לראות את סיווג הפאז'ים החזוי לעומת המציאות.
- בחרו מדדים מתקדמים לצפייה בציוני F1, דיוק ממוצע, דיוק, זכירה ו-AUC.
- שוב, אנו מעודדים לצפות בכל השיעורים השונים.
- בחרו הורדה כדי להוריד תמונה למחשב המקומי שלך.
בתמונה הבאה, נוכל לראות מספר מדדים מתקדמים שונים, כמו ציון F1. בניתוח סטטיסטי, ציון F1 מעביר את האיזון בין הדיוק וההיזכרות של מודל סיווג, ומחושב באמצעות המשוואה הבאה: 2*((Precision * Recall)/ (Precision + Recall))
.
הפעל חיזוי אצווה וחיזוי בודד באמצעות מודל סיווג ה-faces מרובות מחלקות
כדי להפעיל חיזוי, בצע את השלבים הבאים:
- בחרו חיזוי בודד כדי לשנות את ערכי התכונה לפי הצורך, ולקבל סיווג פנים מוחזר בצד ימין של הדף.
לאחר מכן תוכל להעתיק את תמונת תרשים החיזוי ללוח שלך, וגם להוריד את התחזיות לקובץ CSV.
- בחרו חיזוי אצווה ולאחר מכן לבחור בחר מערך נתונים כדי לבחור את מערך האימות שייבאת בעבר.
- בחרו צור תחזיות.
אתה מופנה מחדש אל לחזות עמוד, שבו מצב יקרא יצירת תחזיות למשך כמה שניות.
לאחר החזרת התחזיות, תוכל לצפות בתצוגה מקדימה, להוריד או למחוק את התחזיות על ידי בחירה בתפריט האפשרויות (שלוש נקודות אנכיות) לצד התחזיות.
להלן דוגמה לתצוגה מקדימה של תחזיות.
שתף דוגמנית מאומנת בסטודיו
כעת תוכל לשתף את הגרסה האחרונה של הדגם עם משתמש אחר בסטודיו. זה מאפשר למדעני נתונים לסקור את המודל בפירוט, לבדוק אותו, לבצע שינויים שעשויים לשפר את הדיוק, ולשתף את המודל המעודכן בחזרה איתך.
היכולת לשתף את העבודה שלך עם משתמש טכני יותר בתוך Studio היא תכונה מרכזית של Canvas, בהתחשב בהבחנה העיקרית בין תהליכי העבודה של ML personas. שימו לב להתמקדות החזקה כאן בשיתוף פעולה בין צוותים תפקודיים עם יכולות טכניות שונות.
- בחרו שיתוף לשתף את הדגם.
- בחר באיזו גרסת דגם לשתף.
- הזן את משתמש הסטודיו איתו יש לשתף את הדגם.
- הוסף הערה אופציונלית.
- בחרו שיתוף.
סיכום
בפוסט זה, הראינו כיצד בכמה קליקים בודדים ב-Amazon SageMaker Canvas תוכלו להכין ולייבא את הנתונים שלכם מ-Snowflake, להצטרף למערכי הנתונים שלכם, לנתח דיוק משוער, לאמת אילו עמודות משפיעות, לאמן את המודל בעל הביצועים הטובים ביותר, וליצור אדם חדש. או תחזיות אצווה. אנו שמחים לשמוע את המשוב שלך ולעזור לך לפתור בעיות עסקיות נוספות עם ML. כדי לבנות דגמים משלך, ראה התחלת השימוש ב- Amazon SageMaker Canvas.
על הכותבים
ניק מקארתי הוא מהנדס למידת מכונה בצוות השירותים המקצועיים של AWS. הוא עבד עם לקוחות AWS בתעשיות שונות כולל בריאות, פיננסים, ספורט, טלקום ואנרגיה כדי להאיץ את התוצאות העסקיות שלהם באמצעות שימוש ב-AI/ML. בעבודה עם צוות מדעי הנתונים של bpx, ניק סיים לאחרונה לבנות את פלטפורמת ה- Machine Learning של bpx ב-Amazon SageMaker.
תאצ'ר ת'ורנברי הוא מהנדס למידת מכונה ב-bpx Energy. הוא תומך במדעני הנתונים של bpx על ידי פיתוח ותחזוקה של פלטפורמת הליבה Data Science של החברה באמזון SageMaker. בזמנו הפנוי הוא אוהב לפרוץ לפרויקטי קידוד אישיים ולבלות בחוץ עם אשתו.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- PlatoAiStream. Web3 Data Intelligence. הידע מוגבר. גישה כאן.
- הטבעת העתיד עם אדריאן אשלי. גישה כאן.
- קנה ומכירה של מניות בחברות PRE-IPO עם PREIPO®. גישה כאן.
- מקור: https://aws.amazon.com/blogs/machine-learning/prepare-training-and-validation-dataset-for-facies-classification-using-snowflake-integration-and-train-using-amazon-sagemaker-canvas/
- :יש ל
- :הוא
- :איפה
- $ למעלה
- 10
- 100
- 11
- 12
- 14
- 17
- 50
- 7
- 8
- 9
- a
- יכולות
- יכולת
- להאיץ
- גישה
- לפיכך
- חֶשְׁבּוֹן
- דיוק
- במדויק
- לרוחב
- פעולה
- ממשי
- להוסיף
- מוסיף
- כתובת
- מתקדם
- שוב
- AI
- AI / ML
- מכוון
- ליישר
- תעשיות
- להתיר
- מאפשר
- כְּבָר
- גם
- אמזון בעברית
- אמזון SageMaker
- אמזון SageMaker Canvas
- אמזון שירותי אינטרנט
- an
- אנליזה
- אנליסטים
- לנתח
- ו
- אחר
- כל
- האפליקציה
- לְהוֹפִיעַ
- בקשה
- מתאים
- ARE
- AREA
- AS
- המשויך
- At
- באופן אוטומטי
- מְמוּצָע
- לְהִמָנַע
- AWS
- שירותים מקצועיים של AWS
- צִיר
- בחזרה
- איזון
- BE
- כי
- להיות
- היה
- לפני
- להלן
- הטוב ביותר
- בֵּין
- שניהם
- לִבנוֹת
- בִּניָן
- עסקים
- אבל
- by
- נקרא
- CAN
- בד
- מקרה
- קטגוריה
- שינוי
- שינויים
- תווים
- חיובים
- תרשים
- בחרו
- בחירה
- בכיתה
- כיתות
- מיון
- לקוחות
- סְגוֹר
- קוד
- סִמוּל
- שיתוף פעולה
- טור
- עמודות
- חברות
- של החברה
- להשלים
- מצב
- הקשר
- קונסול
- הַעתָקָה
- ליבה
- לתקן
- מכסה
- לִיצוֹר
- נוצר
- יוצר
- אישורים
- קריטי
- צוותים בין תפקודיים
- נוֹכְחִי
- מנהג
- נתונים
- מדע נתונים
- מסד נתונים
- מאגרי מידע
- מערכי נתונים
- תלוי
- פרס
- עומק
- לתאר
- שולחן העבודה
- פרט
- פרטים
- לקבוע
- מתפתח
- אחר
- נבדלים זה מזה
- ישירות
- לְהַבחִין
- do
- מסמך
- תיעוד
- לא
- להורדה
- ירידה
- בְּמַהֲלָך
- כל אחד
- מוקדם יותר
- בקלות
- עורך
- השפעה
- או
- לעודד
- אנרגיה
- מהנדס
- לְהַבטִיחַ
- הבטחתי
- זן
- נכנס
- סביבה
- להקים
- מוערך
- אֲפִילוּ
- דוגמה
- נרגש
- קיימים
- צפוי
- ניסויים
- להסביר
- לחקור
- חיצוני
- f1
- מאפיין
- תכונות
- מָשׁוֹב
- מעטים
- פחות
- שדות
- שלח
- קבצים
- לממן
- להתמקד
- לעקוב
- הבא
- בעד
- פוּרמָט
- התהוות
- מצא
- חופשי
- החל מ-
- ליצור
- לקבל
- GitHub
- לתת
- נתן
- להעניק
- לפרוץ
- שמח
- יש
- יש
- he
- בריאות
- לִשְׁמוֹעַ
- לעזור
- כאן
- שֶׁלוֹ
- איך
- איך
- HTML
- http
- HTTPS
- ID
- זהות
- if
- תמונה
- מיד
- פְּגִיעָה
- בר - השפעה
- לייבא
- חשוב
- יבוא
- לשפר
- in
- לכלול
- כולל
- יותר ויותר
- בנפרד
- תעשיות
- מידע
- מותקן
- הוראות
- השתלבות
- בכוונת
- אינטרס
- אל תוך
- חקירה
- בעיות
- IT
- להצטרף
- jpg
- ג'סון
- רק
- מפתח
- נחיתה
- גָדוֹל
- מאוחר יותר
- האחרון
- שכבה
- למידה
- קְצָת
- לִטעוֹן
- טוען
- מקומי
- מיקום
- היכנס
- ארוך
- נראה
- אוהב
- מק
- מכונה
- למידת מכונה
- שמירה
- מגמות
- לעשות
- מנהל
- באופן ידני
- רב
- מאי..
- תפריט
- רק
- שיטה
- מדדים
- ML
- מודל
- מודלים
- לשנות
- יותר
- צריך
- שם
- שם
- שמות
- ניווט
- הכרחי
- נחוץ
- חדש
- הבא
- עַכשָׁיו
- מספר
- אובייקט
- מושג
- of
- רשמי
- שמן
- on
- קוד פתוח
- אפשרות
- אפשרויות
- or
- להזמין
- הזמנות
- OS
- שלנו
- הַחוּצָה
- תוצאות
- בחוץ
- תפוקה
- שֶׁלוֹ
- פ
- עמוד
- זוגות
- זגוגית
- מסוים
- סיסמה
- ביצוע
- אישי
- פלטפורמה
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- אנא
- מדיניות
- פופולרי
- הודעה
- פוטנציאל
- דיוק
- חזה
- נבואה
- התחזיות
- לְהַעֲדִיף
- מועדף
- להכין
- תצוגה מקדימה
- קודם
- קוֹדֶם
- בראש ובראשונה
- מנהל
- זְכוּת
- הרשאות
- בעיה
- בעיות
- תהליך
- תהליכים
- מקצועי
- פּרוֹפִיל
- פרויקטים
- ובלבד
- ציבורי
- חומר עיוני
- לאחרונה
- מוקלט
- אזכור
- אזורים
- היתרה
- להחליף
- דורש
- בהתאמה
- REST
- לַחֲזוֹר
- סקירה
- תקין
- תפקיד
- תפקידים
- הפעלה
- ריצה
- בעל חכמים
- אותו
- מדע
- מדענים
- ציון
- שניות
- סוד
- סעיף
- לִרְאוֹת
- שירותים
- סט
- שיתוף
- צריך
- לְהַצִיג
- הראה
- הראה
- הופעות
- דומה
- יחיד
- אוסף כישורים
- פִּתָרוֹן
- לפתור
- מָקוֹר
- מפורט
- לבלות
- ספורט
- התמחות
- בימוי
- החל
- הצהרה
- סטטיסטי
- שלב
- צעדים
- אחסון
- חנות
- חזק
- סטודיו
- כתוצאה מכך
- בהצלחה
- כזה
- מַתְאִים
- תומך
- תחביר
- מערכת
- שולחן
- תָג
- לקחת
- יעד
- המשימות
- משימות
- נבחרת
- צוותי
- טכני
- הטלקום
- מבחן
- מֵאֲשֶׁר
- זֶה
- השמיים
- שֶׁלָהֶם
- אותם
- עצמם
- אז
- שם.
- אלה
- הֵם
- זֶה
- אלה
- שְׁלוֹשָׁה
- דרך
- זמן
- ל
- רכבת
- מְאוּמָן
- הדרכה
- נָכוֹן
- סומך
- לנסות
- שתיים
- סוג
- סוגים
- ייחודי
- עדכון
- מְעוּדכָּן
- כתובת האתר
- נוֹהָג
- להשתמש
- משתמש
- באמצעות
- אימות
- ערך
- ערכים
- שונים
- לאמת
- גרסה
- אנכי
- לצפיה
- צפייה
- vs
- בהדרכה
- היה
- we
- אינטרנט
- אפליקציית רשת
- שירותי אינטרנט
- טוֹב
- ולס
- מה
- מה
- מתי
- אשר
- מי
- רעיה
- יצטרך
- חלונות
- עם
- בתוך
- תיק עבודות
- עבד
- זרימות עבודה
- עובד
- X
- אתה
- זפירנט