"נתונים הנעולים בטקסט, אודיו, מדיה חברתית ומקורות לא מובנים אחרים יכולים להוות יתרון תחרותי עבור חברות שמבינות כיצד להשתמש בהן"
רק 18% מהארגונים בא סקר 2019 של Deloitte דיווח על יכולת לנצל נתונים לא מובנים. רוב הנתונים, בין 80% ל-90%, הם נתונים לא מובנים. זהו משאב גדול לא מנוצל שיש לו פוטנציאל להעניק לעסקים יתרון תחרותי אם הם יכולים לגלות כיצד להשתמש בו. זה יכול להיות קשה למצוא תובנות מנתונים אלה, במיוחד אם יש צורך במאמצים כדי לסווג, לתייג או לתייג אותם. אמזון להתבונן סיווג מותאם אישית יכול להיות שימושי במצב זה. אמזון להתבונן הוא שירות עיבוד שפה טבעית (NLP) המשתמש בלמידת מכונה כדי לחשוף תובנות וקשרים חשובים בטקסט.
לסיווג או סיווג מסמכים יש יתרונות משמעותיים בתחומים עסקיים -
- חיפוש ואחזור משופרים - על ידי סיווג מסמכים לנושאים או קטגוריות רלוונטיות, זה מקל בהרבה על המשתמשים לחפש ולאחזר את המסמכים שהם צריכים. הם יכולים לחפש בתוך קטגוריות ספציפיות כדי לצמצם את התוצאות.
- ניהול ידע – סיווג מסמכים בצורה שיטתית מסייע בארגון מאגר הידע של הארגון. זה מקל על איתור מידע רלוונטי ולראות קשרים בין תוכן קשור.
- תהליכי עבודה יעילים - מיון מסמכים אוטומטי יכול לעזור לייעל תהליכים עסקיים רבים כמו עיבוד חשבוניות, תמיכת לקוחות או ציות לרגולציה. ניתן לנתב מסמכים באופן אוטומטי לאנשים או לזרימות העבודה הנכונות.
- חיסכון בעלויות ובזמן - סיווג ידני של מסמכים הוא מייגע, גוזל זמן ויקר. טכניקות AI יכולות להשתלט על המשימה הארצית הזו ולסווג אלפי מסמכים בזמן קצר בעלות נמוכה בהרבה.
- יצירת תובנות - ניתוח מגמות בקטגוריות מסמכים יכול לספק תובנות עסקיות שימושיות. לדוגמה, עלייה בתלונות של לקוחות בקטגוריית מוצר יכולה להעיד על כמה בעיות שיש לטפל בהן.
- ממשל ואכיפת מדיניות – הגדרת כללי סיווג מסמכים עוזרת להבטיח שמסמכים מסווגים בצורה נכונה בהתאם למדיניות ותקני הממשל של הארגון. זה מאפשר ניטור וביקורת טובים יותר.
- חוויות מותאמות אישית - בהקשרים כמו תוכן אתר, סיווג מסמכים מאפשר להציג תוכן מותאם למשתמשים על סמך תחומי העניין וההעדפות שלהם כפי שנקבע מהתנהגות הגלישה שלהם. זה יכול להגביר את מעורבות המשתמשים.
המורכבות של פיתוח מודל למידת מכונה לסיווג בהתאמה אישית משתנה בהתאם למגוון היבטים כגון איכות נתונים, אלגוריתם, מדרגיות וידע בתחום, אם להזכיר כמה. חיוני להתחיל עם הגדרת בעיה ברורה, נתונים נקיים ורלוונטיים, ובהדרגה לעבור את השלבים השונים של פיתוח המודל. עם זאת, עסקים יכולים ליצור מודלים ייחודיים של למידת מכונה באמצעות סיווג מותאם אישית של Amazon Comprehend כדי לסווג אוטומטית מסמכי טקסט לקטגוריות או תגיות, כדי לעמוד בדרישות הספציפיות של העסק ולמפות לקטגוריות טכנולוגיה ומסמכים עסקית. מכיוון שכבר אין צורך בתיוג או סיווג אנושי, זה יכול לחסוך לעסקים הרבה זמן, כסף ועבודה. הפכנו את התהליך הזה לפשוט על ידי אוטומציה של כל צינור ההדרכה.
בחלק הראשון של פוסט הבלוג הרב-סדרתי הזה, תלמד כיצד ליצור צינור הדרכה שניתן להרחבה ולהכין נתוני הדרכה עבור מודלים של Comprehend Custom Classification. אנו נציג צינור הדרכה מותאם אישית לסווג שניתן לפרוס בחשבון AWS שלך בכמה קליקים. אנו משתמשים במערך החדשות של ה-BBC, ונכשיר מסווג לזהות את הכיתה (למשל פוליטיקה, ספורט) שאליה שייך מסמך. הצינור יאפשר לארגון שלך להגיב במהירות לשינויים ולהכשיר מודלים חדשים מבלי שתצטרך להתחיל מאפס בכל פעם. אתה יכול להגדיל ולהכשיר דגמים מרובים בהתבסס על הדרישה שלך בקלות.
תנאים מוקדמים
- חשבון AWS פעיל (לחץ כאן כדי ליצור חשבון AWS חדש)
- גישה ל- Amazon Comprehend, Amazon S3, Amazon Lambda, Amazon Step Function, Amazon SNS ו- Amazon CloudFormation
- נתוני אימון (מבנה למחצה או טקסט) שהוכנו בסעיף הבא
- ידע בסיסי על Python ו-Machine Learning באופן כללי
הכן נתוני אימון
פתרון זה יכול לקבל קלט כאחד מהם פורמט טקסט (לדוגמה CSV) או פורמט חצי מובנה (לדוגמה PDF).
קלט טקסט
אמזון להתבונן סיווג מותאם אישית תומך בשני מצבים: ריבוי מחלקות ורב תווית.
במצב ריבוי מחלקות, לכל מסמך ניתן להקצות מחלקה אחת ויחידה. יש להכין את נתוני ההדרכה כקובץ CSV בן שתי עמודות כאשר כל שורה בקובץ מכילה מחלקה בודדת וטקסט של מסמך המדגים את הכיתה.
דוגמה ל מערך חדשות של BBC:
במצב ריבוי תוויות, לכל מסמך הוקצתה לפחות מחלקה אחת, אך יכולה להכיל יותר. נתוני ההדרכה צריכים להיות כקובץ CSV בן שתי עמודות, שכל שורה בקובץ מכילה שיעור אחד או יותר ואת הטקסט של מסמך ההדרכה. יש לציין יותר ממחלקה אחת באמצעות מפריד בין כל מחלקה.
אין לכלול כותרת בקובץ ה-CSV עבור אף אחד ממצבי ההדרכה.
קלט מובנה למחצה
החל משנת 2023, אמזון להתבונן תומך כעת במודלים של הדרכה באמצעות מסמכים מובנים למחצה. נתוני ההדרכה לקלט חצי-מבנה מורכבים מקבוצה של מסמכים מסומנים, שיכולים להיות מסמכים מזוהים מראש ממאגר מסמכים שכבר יש לך גישה אליו. להלן דוגמה לקובץ הערות נתוני CSV הנדרשים להדרכה (נתונים לדוגמה):
קובץ ה-CSV ההערות מכיל שלוש עמודות: העמודה הראשונה מכילה את התווית של המסמך, העמודה השנייה היא שם המסמך (כלומר, שם הקובץ), והעמודה האחרונה היא מספר העמוד של המסמך שברצונך לכלול בקובץ מערך נתונים לאימון. ברוב המקרים, אם קובץ ה-CSV ההערות ממוקם באותה תיקייה עם כל המסמכים האחרים, אתה רק צריך לציין את שם המסמך בעמודה השנייה. עם זאת, אם קובץ ה-CSV ממוקם במיקום אחר, יהיה עליך לציין את הנתיב למיקום בעמודה השנייה, כגון path/to/prefix/document1.pdf
.
לפרטים, כיצד להכין את נתוני האימון שלך, עיין ב כאן.
סקירת פתרונות
- אמזון להתבונן צינור ההדרכה מתחיל כאשר נתוני אימון (קובץ csv לקלט טקסט וקובץ .csv הערות לקלט חצי מבנה) מועלים לשירות אחסון פשוט של אמזון (אמזון S3) דלי.
- An AWS למבדה הפונקציה מופעלת על ידי אמזון S3 טריגר כך שבכל פעם שאובייקט מועלה לצוין אמזון S3 מיקום, הפונקציה AWS Lambda מאחזרת את שם דלי המקור ואת שם המפתח של האובייקט שהועלה ומעבירה אותו לאימון פונקציית צעד זרימת עבודה.
- בפונקציית צעדי אימון, לאחר קבלת שם דלי נתוני האימון ושם מפתח האובייקט כפרמטרים קלט, זרימת עבודה של אימון מודל מותאם אישית מתחיל כסדרה של פונקציות למבדות כמתואר:
StartComprehendTraining
: פונקציית AWS Lambda זו מגדירה אComprehendClassifier
אובייקט בהתאם לסוג קבצי הקלט (כלומר, טקסט או מובנים למחצה) ולאחר מכן מתחיל אמזון להתבונן משימת אימון סיווג מותאמת אישית על ידי התקשרות create_document_classifier ממשק תכנות יישומים (API), המחזיר אימון שמות משאבים של אמזון (ARN) . לאחר מכן, פונקציה זו בודקת את מצב עבודת ההדרכה על ידי הפעלתה describe_document_classifier ממשק API. לבסוף, הוא מחזיר אימון עבודה ARN ומצב עבודה, כתפוקה לשלב הבא של זרימת העבודה של ההדרכה.GetTrainingJobStatus
: AWS Lambda זו בודקת את מצב העבודה של עבודת ההדרכה בכל 15 דקות, על ידי התקשרות describe_document_classifier API, עד שסטטוס משרת ההדרכה ישתנה ל'השלמה' או 'נכשלה'.GenerateMultiClass
orGenerateMultiLabel
: אם תבחר כן לדוח ביצועים בעת השקת המחסנית, אחת משתי ה-AWS Lambdas הללו תפעיל ניתוח בהתאם לפלטי מודל Amazon Comprehend שלך, אשר יוצר ניתוח ביצועים לפי כיתה ושומר אותו ב- אמזון S3.GenerateMultiClass
: AWS Lambda זה ייקרא אם הקלט שלך הוא MultiClass ואתה בוחר כן לדוח ביצועים.GenerateMultiLabel
: AWS Lambda זה ייקרא אם הקלט שלך הוא MultiLabel ואתה בוחר כן לדוח ביצועים.
- לאחר שההכשרה מתבצעת בהצלחה, הפתרון מייצר את התפוקות הבאות:
- מודל סיווג מותאם אישית: דגם ARN מיומן יהיה זמין בחשבונך לעבודת הסקת מסקנות עתידית.
- מטריצת בלבול [אופציהl]: מטריצת בלבול (
confusion_matrix
.json) יהיה זמין בפלט המוגדר על ידי המשתמש אמזון S3 נתיב, בהתאם לבחירת המשתמש. - שירות התראה פשוט של אמזון הודעה [אופציהl]: יישלח דוא"ל הודעה על מצב משרת ההדרכה למנויים, בהתאם לבחירת המשתמש הראשונית.
Walkthrough
השקת הפתרון
כדי לפרוס את הצינור שלך, בצע את השלבים הבאים:
- בחרו השקת ערימה כפתור:
- בחר הבא
- ציין את פרטי הצינור עם האפשרויות המתאימות למקרה השימוש שלך:
מידע עבור כל פרט מחסנית:
- שם מחסנית (חובה) - השם שציינת עבור זה AWS CloudFormation לַעֲרוֹם. השם חייב להיות ייחודי באזור שבו אתה יוצר אותו.
- Q01ClassifierInputBucketName (חובה) - שם הדלי של Amazon S3 לאחסון נתוני הקלט שלך. זה צריך להיות שם ייחודי עולמי וערימת AWS CloudFormation עוזרת לך ליצור את הדלי בזמן שהוא מושק.
- Q02ClassifierOutputBucketName (חובה) - שם הדלי של Amazon S3 לאחסון תפוקות מ- Amazon Comprehend ומהצינור. זה צריך להיות גם שם ייחודי בעולם.
- Q03InputFormat - בחירה נפתחת, אתה יכול לבחור טֶקסט (אם נתוני האימון שלך הם קבצי csv) או מבנה למחצה (אם נתוני האימון שלך הם מבנה למחצה [למשל, קבצי PDF]) בהתבסס על פורמט קלט הנתונים שלך.
- Q04 שפה - בחירה נפתחת, בחירת שפת המסמכים מהרשימה הנתמכת. שים לב, כרגע רק אנגלית נתמכת אם פורמט הקלט שלך הוא מבנה למחצה.
- Q05MultiClass – בחירה נפתחת, בחר כן אם הקלט שלך הוא מצב MultiClass. אחרת, בחר לא.
- Q06LabelDelimiter - נדרש רק אם התשובה שלך Q05MultiClass היא לא. מפריד זה משמש בנתוני האימון שלך כדי להפריד כל כיתה.
- Q07 ValidationDataset – בחירה נפתחת, שנה את התשובה ל כן אם אתה רוצה לבדוק את הביצועים של מסווג מיומן עם נתוני הבדיקה שלך.
- Q08S3 ValidationPath - נדרש רק אם התשובה שלך Q07ValidationDataset היא כן.
- Q09 דוח ביצועים – בחירה נפתחת, בחר כן אם ברצונך להפיק את דוח הביצועים ברמת הכיתה לאחר הדרכה במודל. הדוח יישמר בדלי הפלט שציינת ב-Q02ClassifierOutputBucketName.
- Q10EmailNotification - בחירה נפתחת. בחר כן אם אתה רוצה לקבל הודעה לאחר הדרכה של הדגם.
- Q11EmailID – הזן כתובת דוא"ל חוקית לקבלת התראה על דוח ביצועים. שימו לב, עליכם לאשר את ההרשמה מהאימייל שלכם לאחר השקת מחסנית AWS CloudFormation, לפני שתוכלו לקבל הודעה עם השלמת ההדרכה.
- במקטע אמזון הגדרת מחסנית, הוסף תגים אופציונליים, הרשאות והגדרות מתקדמות אחרות.
- בחרו הַבָּא
- עיין בפרטי הערימה ובחר אני מאשר זאת AWS CloudFormation עשוי ליצור AWS IAM אֶמְצָעִי.
- בחרו חפש. זה יוזם פריסת צינורות בחשבון AWS שלך.
- לאחר פריסת הערימה בהצלחה, תוכל להתחיל להשתמש בצינור. ליצור
/training-data
תיקייה תחת מיקום Amazon S3 שצוין לקלט. הערה: אמזון S3 מחיל אוטומטית הצפנה בצד השרת (SSE-S3) עבור כל אובייקט חדש, אלא אם כן תציין אפשרות הצפנה אחרת. אנא עיין הגנת נתונים באמזון S3 לפרטים נוספים על הגנת נתונים והצפנה ב אמזון S3.
- העלה את נתוני האימון שלך לתיקיה. (אם נתוני ההדרכה הם מבנה למחצה, העלה את כל קובצי ה-PDF לפני העלאת מידע תווית בפורמט .csv).
אתה סיימת! פרסת בהצלחה את הצינור שלך ואתה יכול לבדוק את מצב הצינור בפונקציית הצעד הפרוסה. (יהיה לך דגם מאומן בלוח הסיווג המותאם אישית של Amazon Comprehend).
אם תבחרו את הדגם והגרסה שלו בפנים אמזון להתבונן מסוף, אז אתה יכול לראות יותר פרטים על הדגם שזה עתה אימנת. הוא כולל את המצב שבחרת, התואם לאפשרות Q05MultiClass, מספר התוויות ומספר מסמכי ההכשרה והבדיקה בתוך נתוני האימון שלך. אתה יכול גם לבדוק את הביצועים הכוללים למטה; עם זאת, אם ברצונך לבדוק ביצועים מפורטים עבור כל מחלקה, אנא עיין בדוח הביצועים שנוצר על ידי הצינור הנפרס.
מכסות שירות
לחשבון AWS שלך יש מכסות ברירת מחדל עבור אמזון להתבונן ו AmazonTextract, אם התשומות הן בפורמט מבנה למחצה. לצפייה במכסות שירות, אנא עיין כאן ל אמזון להתבונן ו כאן ל AmazonTextract.
לנקות את
כדי להימנע מחיובים מתמשכים, מחק את המשאבים שיצרת כחלק מפתרון זה כשתסיים.
- על אמזון S3 מסוף, מחק ידנית את התוכן בתוך דליים שיצרת עבור נתוני קלט ופלט.
- על AWS CloudFormation קונסולה, בחר ערימות בחלונית הניווט.
- בחר את המחסנית הראשית ובחר מחק.
פעולה זו מוחקת אוטומטית את הערימה שנפרסה.
- אתה מאומן אמזון להתבונן מודל סיווג מותאם אישית יישאר בחשבונך. אם אתה לא צריך את זה יותר, היכנס אמזון להתבונן מסוף, מחק את הדגם שנוצר.
סיכום
בפוסט זה, הראינו לכם את הרעיון של צינור אימון ניתן להרחבה עבור אמזון להתבונן מודלים של סיווג מותאמים אישית ומתן פתרון אוטומטי להדרכה יעילה של מודלים חדשים. ה AWS CloudFormation התבנית המסופקת מאפשרת לך ליצור מודלים משלך לסיווג טקסט ללא מאמץ, העונים על קנה המידה של הביקוש. הפתרון מאמץ את התכונה Euclid שהוכרזה לאחרונה ומקבל קלט בטקסט או בפורמט חצי מובנה.
כעת, אנו מעודדים אתכם, הקוראים שלנו, לבדוק את הכלים הללו. תוכל למצוא פרטים נוספים על הכנת נתוני אימון ולהבין את מדדי סיווג מותאמים אישית. נסה את זה וראה ממקור ראשון כיצד זה יכול לייעל את תהליך האימון של המודל שלך ולשפר את היעילות. אנא שתפו אותנו במשוב שלכם!
על הכותבים
סנדאפ סינג הוא מדען נתונים בכיר עם שירותים מקצועיים של AWS. הוא נלהב לעזור ללקוחות לחדש ולהשיג את היעדים העסקיים שלהם על ידי פיתוח פתרונות AI/ML חדישים. כיום הוא מתמקד בבינה מלאכותית, LLMs, הנדסה מיידית והרחבת למידה חישובית בין ארגונים. הוא מביא את התקדמות הבינה המלאכותית האחרונה כדי ליצור ערך ללקוחות.
יניאן ג'אנג הוא מדען נתונים בכיר בצוות אספקת אנרגיה עם שירותים מקצועיים של AWS. היא נלהבת לעזור ללקוחות לפתור בעיות אמיתיות עם ידע AI/ML. לאחרונה, ההתמקדות שלה הייתה בבחינת הפוטנציאל של AI Generative ו-LLM. מחוץ לעבודה, היא אוהבת לטייל, להתאמן ולחקור דברים חדשים.
וריק טלוקדר הוא אדריכל בכיר בצוות Amazon Comprehend Service. הוא עובד עם לקוחות AWS כדי לעזור להם לאמץ למידת מכונה בקנה מידה גדול. מחוץ לעבודה, הוא נהנה לקרוא ולצלם.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
- PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
- PlatoESG. רכב / רכבים חשמליים, פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
- PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
- ChartPrime. הרם את משחק המסחר שלך עם ChartPrime. גישה כאן.
- BlockOffsets. מודרניזציה של בעלות על קיזוז סביבתי. גישה כאן.
- מקור: https://aws.amazon.com/blogs/machine-learning/build-a-classification-pipeline-with-amazon-comprehend-custom-classification-part-i/
- :יש ל
- :הוא
- $ למעלה
- 1
- 100
- 11
- 15%
- 2023
- 24
- 26%
- 7
- 9
- a
- יכול
- אודות
- מקבל
- גישה
- פי
- חֶשְׁבּוֹן
- להשיג
- הודה
- לרוחב
- פעיל
- להוסיף
- כתובת
- ממוען
- לְאַמֵץ
- מתקדם
- התקדמות
- יתרון
- לאחר
- AI
- AI / ML
- אַלגוֹרִיתְם
- תעשיות
- מאפשר
- כְּבָר
- גם
- אמזון בעברית
- אמזון להתבונן
- אמזון שירותי אינטרנט
- an
- אנליזה
- ניתוח
- ו
- הודיע
- לענות
- יותר
- API
- בקשה
- חל
- ARE
- AS
- היבטים
- שהוקצה
- At
- אודיו
- ביקורת
- אוטומטי
- מכני עם סלילה אוטומטית
- באופן אוטומטי
- אוטומציה
- זמין
- לְהִמָנַע
- רָחוֹק
- AWS
- AWS CloudFormation
- AWS למבדה
- שירותים מקצועיים של AWS
- בסיס
- מבוסס
- BBC
- BE
- היה
- לפני
- התנהגות
- להיות
- שייך
- להלן
- הטבות
- בהתאמה אישית
- מוטב
- בֵּין
- גָדוֹל
- בלוג
- מביא
- דפדוף
- לִבנוֹת
- עסקים
- עסקים
- אבל
- לַחְצָן
- by
- נקרא
- קוראים
- CAN
- מקרה
- מקרים
- קטגוריות
- סיווג
- קטגוריה
- שינוי
- שינויים
- חיובים
- לבדוק
- בדיקות
- בחרו
- בחירה
- בכיתה
- כיתות
- מיון
- מְסוּוָג
- לסווג
- ברור
- קליק
- לגבות
- טור
- עמודות
- תחרותי
- תלונות
- להשלים
- השלמת
- מורכבות
- הענות
- לִהַבִין
- מורכב
- מושג
- לאשר
- בלבול
- חיבורי
- קונסול
- מכיל
- תוכן
- תוכן
- הקשרים
- מתכתב
- עלות
- יכול
- לִיצוֹר
- צור ערך
- נוצר
- יוצרים
- כיום
- מנהג
- לקוח
- שירות לקוחות
- לקוחות
- נתונים
- הגנה על נתונים
- מדען נתונים
- מוקדש
- בְּרִירַת מֶחדָל
- מוגדר
- מגדיר
- הגדרה
- מסירה
- דלויט
- דרישה
- מדגים
- תלוי
- לפרוס
- פרס
- פריסה
- מְתוּאָר
- פרט
- מְפוֹרָט
- פרטים
- נחוש
- מתפתח
- צעצועי התפתחות
- אחר
- קשה
- מסמך
- מסמכים
- דוֹלָר
- תחום
- תחומים
- עשה
- לא
- מטה
- e
- כל אחד
- קל יותר
- בקלות
- אדג '
- יְעִילוּת
- יעילות
- ללא מאמץ
- מַאֲמָצִים
- או
- אמייל
- לאפשר
- לעודד
- הצף
- אנרגיה
- התעסקות
- הנדסה
- אנגלית
- להגביר את
- לְהַבטִיחַ
- זן
- חברות
- חיוני
- אירופה
- כל
- דוגמה
- יקר
- היכרות
- נכשל
- מאפיין
- מָשׁוֹב
- מעטים
- תרשים
- שלח
- קבצים
- בסופו של דבר
- חברות
- ראשון
- הוֹלֵם
- להתמקד
- מרוכז
- הבא
- בעד
- פוּרמָט
- החל מ-
- פונקציה
- פונקציות
- עתיד
- ליצור
- נוצר
- מייצר
- גנרטטיבית
- AI Generative
- לתת
- ברחבי עולם
- ממשל
- בהדרגה
- יש
- יש
- he
- לעזור
- עזרה
- עוזר
- לה
- איך
- איך
- אולם
- HTML
- HTTPS
- בן אנוש
- i
- לזהות
- if
- in
- לכלול
- כלול
- כולל
- להגדיל
- הצביע
- מידע
- בתחילה
- יוזם
- לחדש
- קלט
- תשומות
- בתוך
- תובנות
- אינטרסים
- אל תוך
- מבוא
- הופעל
- בעיות
- IT
- שֶׁלָה
- עבודה
- jpg
- ג'סון
- רק
- מפתח
- ידע
- תווית
- תוויות
- עבודה
- שפה
- גָדוֹל
- אחרון
- הושק
- השקה
- לִלמוֹד
- למידה
- הכי פחות
- כמו
- קו
- רשימה
- LLM
- ממוקם
- מיקום
- נעול
- עוד
- מגרש
- אוהב
- להוריד
- מכונה
- למידת מכונה
- עשוי
- ראשי
- הרוב
- עושה
- מדריך ל
- באופן ידני
- רב
- מַפָּה
- מַטרִיצָה
- מאי..
- מדיה
- לִפְגוֹשׁ
- יכול
- דקות
- מצב
- מודל
- מודלים
- מצבי
- כסף
- ניטור
- יותר
- רוב
- הַר
- הרבה
- מספר
- צריך
- שם
- שמות
- צר
- ניווט
- הכרחי
- צורך
- נחוץ
- חדש
- חדשות
- הבא
- NLP
- לא
- הודעה
- עַכשָׁיו
- מספר
- אובייקט
- יעדים
- of
- on
- ONE
- מתמשך
- רק
- אפשרות
- אפשרויות
- or
- ארגון
- ארגונים
- אחר
- אַחֶרֶת
- שלנו
- הַחוּצָה
- תפוקה
- בחוץ
- יותר
- מקיף
- שֶׁלוֹ
- עמוד
- זגוגית
- לוח
- פרמטרים
- חלק
- במיוחד
- לעבור
- לוהט
- נתיב
- אֲנָשִׁים
- עבור
- ביצועים
- הרשאות
- צילום
- צינור
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- אנא
- מדיניות
- מדיניות
- פוליטיקה
- אפשרי
- הודעה
- פוטנציאל
- מופעל
- העדפות
- להכין
- מוּכָן
- בעיה
- בעיות
- תהליך
- תהליכים
- תהליך
- המוצר
- מקצועי
- תכנות
- .
- לספק
- ובלבד
- מתן
- פיתון
- איכות
- מהר
- הקוראים
- קריאה
- ממשי
- לקבל
- קבלה
- לאחרונה
- לאחרונה
- להתייחס
- באזור
- רגולטורים
- התאמה לתקנות
- קָשׁוּר
- רלוונטי
- להשאר
- לדווח
- דווח
- מאגר
- נדרש
- דרישות
- משאב
- משאבים
- להגיב
- תוצאות
- החזרות
- תקין
- כללי
- הפעלה
- אותו
- שמור
- הציל
- בקרת מערכות ותקשורת
- להרחבה
- סולם
- מאזניים
- דרוג
- מַדְעָן
- לגרד
- חיפוש
- שְׁנִיָה
- סעיף
- לִרְאוֹת
- מבחר
- לחצני מצוקה לפנסיונרים
- נשלח
- נפרד
- סדרה
- שרות
- שירותים
- סט
- הצבה
- הגדרות
- שיתוף
- היא
- קצר
- צריך
- הראה
- הראה
- משמעותי
- מסמנים
- פָּשׁוּט
- יחיד
- מצב
- חֶברָתִי
- מדיה חברתית
- פִּתָרוֹן
- פתרונות
- לפתור
- כמה
- מָקוֹר
- מקורות
- ספציפי
- מפורט
- ספורט
- לערום
- התמחות
- שלבים
- תקנים
- התחלה
- התחלות
- מדינה-of-the-art
- מצב
- שלב
- צעדים
- אחסון
- חנות
- לייעל
- מנוי
- מִנוּיים
- כתוצאה מכך
- בהצלחה
- כזה
- תמיכה
- נתמך
- תומך
- סֶקֶר
- תָג
- מותאם
- לקחת
- המשימות
- נבחרת
- טק
- טכניקות
- טכנולוגיה
- תבנית
- מבחן
- טֶקסט
- סיווג טקסט
- מֵאֲשֶׁר
- זֶה
- השמיים
- המקור
- שֶׁלָהֶם
- אותם
- אז
- אלה
- הֵם
- דברים
- זֶה
- אלפים
- שְׁלוֹשָׁה
- דרך
- זמן
- דורש זמן רב
- ל
- כלים
- נושאים
- רכבת
- מְאוּמָן
- הדרכה
- נסיעה
- מגמות
- להפעיל
- לנסות
- שתיים
- סוג
- לגלות
- תחת
- להבין
- ייחודי
- שֶׁלֹא נוּצַל
- עד
- נטען
- העלאה
- us
- להשתמש
- במקרה להשתמש
- מְשׁוּמָשׁ
- משתמש
- משתמשים
- שימושים
- באמצעות
- בעל ערך
- ערך
- מגוון
- גרסה
- לצפיה
- רוצה
- דֶרֶך..
- we
- אינטרנט
- שירותי אינטרנט
- אתר
- מתי
- אשר
- בזמן
- כל
- יצטרך
- עם
- בתוך
- לְלֹא
- תיק עבודות
- זרימת עבודה
- זרימות עבודה
- עובד
- מתאמן
- עובד
- אתה
- זפירנט
- רוכסן