הפוסט הזה נכתב בשיתוף עם Santosh Waddi ונאנדה Kishore Thatikonda מ-BigBasket.
ביגבאסקט היא חנות המזון והמכולת המקוונת הגדולה בהודו. הם פועלים במספר ערוצי מסחר אלקטרוני כגון מסחר מהיר, משלוח מחורצים ומינויים יומיים. אתה יכול גם לקנות בחנויות הפיזיות ובמכונות האוטומטיות שלהם. הם מציעים מבחר גדול של למעלה מ-50,000 מוצרים על פני 1,000 מותגים, ופועלים ביותר מ-500 ערים ועיירות. BigBasket משרתת מעל 10 מיליון לקוחות.
בפוסט זה, אנו דנים כיצד השתמש ב-BigBasket אמזון SageMaker להכשיר את מודל הראייה הממוחשבת שלהם לזיהוי מוצרי צריכה מהירים (FMCG), מה שעזר להם לצמצם את זמן האימון בכ-50% ולחסוך בעלויות ב-20%.
אתגרים של לקוחות
כיום, רוב הסופרמרקטים והחנויות הפיזיות בהודו מספקות תשלום ידני בקופה. יש לזה שתי בעיות:
- זה דורש כוח אדם נוסף, מדבקות משקל והכשרה חוזרת ונשנית עבור הצוות התפעולי בחנות תוך כדי קנה המידה.
- ברוב החנויות דלפק הקופה שונה מדלפקי השקילה, מה שמוסיף לחיכוך במסע הרכישה של הלקוח. לקוחות מאבדים לעתים קרובות את מדבקת המשקל וצריכים לחזור לדלפקי השקילה כדי לאסוף אותה שוב לפני שהם ממשיכים בתהליך התשלום.
תהליך יציאה עצמית
BigBasket הציגו בחנויות הפיזיות שלהם מערכת קופה מונעת בינה מלאכותית שמשתמשת במצלמות כדי להבחין בין פריטים באופן ייחודי. האיור הבא מספק סקירה כללית של תהליך התשלום.
צוות BigBasket הפעיל אלגוריתמי ML פנימיים בקוד פתוח לזיהוי אובייקט ראייה ממוחשבת כדי להפעיל את התשלום המותאם בינה מלאכותית. fresho חנויות (פיזיות). התמודדנו עם האתגרים הבאים כדי להפעיל את המערך הקיים שלהם:
- עם ההשקה המתמשכת של מוצרים חדשים, מודל הראייה הממוחשבת נחוץ כדי לשלב ללא הרף מידע חדש על המוצר. המערכת הייתה צריכה לטפל בקטלוג גדול של למעלה מ-12,000 יחידות שמירה על מלאי (SKUs), כאשר SKUs חדשים מתווספים ללא הרף בקצב של למעלה מ-600 לחודש.
- כדי לעמוד בקצב של מוצרים חדשים, יוצר דגם חדש בכל חודש תוך שימוש בנתוני ההדרכה העדכניים ביותר. זה היה יקר וגזל זמן להכשיר את הדגמים לעתים קרובות כדי להסתגל למוצרים חדשים.
- BigBasket גם רצה להפחית את זמן מחזור האימון כדי לשפר את זמן היציאה לשוק. עקב עליות ב-SKUs, הזמן שלוקח המודל גדל באופן ליניארי, מה שהשפיע על זמן היציאה שלהם לשוק מכיוון שתדירות האימונים הייתה גבוהה מאוד ולקחה זמן רב.
- הגדלת נתונים לאימון מודלים וניהול ידני של מחזור האימון השלם מקצה לקצה הוסיפו תקורה משמעותית. BigBasket הריצה את זה על פלטפורמת צד שלישי, שנגרמה בעלויות משמעותיות.
סקירת פתרונות
המלצנו ל-BigBasket לעצב מחדש את פתרון הזיהוי והסיווג הקיים של מוצרי FMCG באמצעות SageMaker כדי להתמודד עם אתגרים אלו. לפני המעבר לייצור בקנה מידה מלא, BigBasket ניסתה פיילוט ב- SageMaker כדי להעריך מדדי ביצועים, עלות ונוחות.
מטרתם הייתה לכוונן מודל קיים של למידת מכונה של ראיית מחשב (ML) לזיהוי מק"ט. השתמשנו בארכיטקטורת רשת עצבית קונבולוציונית (CNN) עם 152. ResNetXNUMX לסיווג תמונה. מערך נתונים נכבד של כ-300 תמונות לכל מק"ט הוערך עבור אימון מודלים, והביא ליותר מ-4 מיליון תמונות אימון בסך הכל. עבור SKUs מסוימים, הגדלנו נתונים כדי להקיף מגוון רחב יותר של תנאים סביבתיים.
התרשים הבא ממחיש את ארכיטקטורת הפתרונות.
ניתן לסכם את התהליך המלא לשלבים הגבוהים הבאים:
- בצע ניקוי נתונים, הערות והגדלה.
- אחסן נתונים ב- שירות אחסון פשוט של אמזון (אמזון S3) דלי.
- השתמש ב- SageMaker ו אמזון FSx עבור ברק להגדלת נתונים יעילה.
- פיצול נתונים למערכות רכבת, אימות ובדיקות. השתמשנו ב-FSx עבור Luster ו שירות מסדי נתונים יחסי של אמזון (Amazon RDS) לגישה מהירה לנתונים במקביל.
- השתמש בהתאמה אישית PyTorch מיכל Docker כולל ספריות קוד פתוח אחרות.
- השתמש מקביליות נתונים מבוזרת של SageMaker (SMDDP) לאימון מבוזר מואץ.
- יומן מדדי אימון במודל.
- העתק את הדגם הסופי לדלי S3.
ביגבסקט בשימוש מחברות SageMaker לאמן את מודל ה-ML שלהם והצליחו להעביר בקלות את PyTorch הקיים שלהם בקוד פתוח ותלות אחרות בקוד פתוח למיכל SageMaker PyTorch ולהריץ את הצינור בצורה חלקה. זה היה היתרון הראשון שראה צוות BigBasket, מכיוון שכמעט ולא היו צורך בשינויים בקוד כדי להפוך אותו לתואם להפעלה על סביבת SageMaker.
רשת הדגם מורכבת מארכיטקטורת ResNet 152 ואחריה שכבות מחוברות במלואן. הקפאנו את שכבות התכונה ברמה הנמוכה ושמרנו על המשקלים שנרכשו באמצעות למידת העברה ממודל ImageNet. סך הפרמטרים של הדגם היה 66 מיליון, המורכב מ-23 מיליון פרמטרים שניתנים לאימון. גישה זו המבוססת על למידה העברה סייעה להם להשתמש בפחות תמונות בזמן האימון, וגם אפשרה התכנסות מהירה יותר וצמצמה את זמן האימון הכולל.
בנייה והכשרת המודל בתוכו סטודיו SageMaker של אמזון סיפקה סביבת פיתוח משולבת (IDE) עם כל מה שצריך כדי להכין, לבנות, לאמן ולכוון מודלים. הגדלת נתוני האימון באמצעות טכניקות כמו חיתוך, סיבוב והיפוך תמונות עזר לשפר את נתוני האימון של המודל ודיוק המודל.
אימון המודלים הואץ ב-50% באמצעות שימוש בספריית SMDDP, הכוללת אלגוריתמי תקשורת מותאמים שתוכננו במיוחד עבור תשתית AWS. כדי לשפר את ביצועי קריאה/כתיבה של נתונים במהלך אימון מודל והגדלת נתונים, השתמשנו ב-FSx עבור Luster לתפוקה בעלת ביצועים גבוהים.
גודל נתוני האימון ההתחלתי שלהם היה מעל 1.5 TB. השתמשנו בשניים ענן מחשוב אלסטי של אמזון (אמזון EC2) p4d.24 מופעים גדולים עם 8 GPU וזיכרון GPU של 40 GB. עבור הדרכה מבוזרת של SageMaker, המופעים צריכים להיות באותו אזור AWS ואזור זמינות. כמו כן, נתוני אימון המאוחסנים בדלי S3 צריכים להיות באותו אזור זמינות. ארכיטקטורה זו גם מאפשרת ל-BigBasket לשנות לסוגי מופעים אחרים או להוסיף מופעים נוספים לארכיטקטורה הנוכחית כדי לתת מענה לכל גידול משמעותי בנתונים או להשיג הפחתה נוספת בזמן האימון.
כיצד ספריית SMDDP עזרה להפחית את זמן ההדרכה, העלות והמורכבות
באימוני נתונים מבוזרים מסורתיים, מסגרת ההדרכה מקצה דרגות ל-GPUs (עובדים) ויוצרת העתק של הדגם שלך בכל GPU. במהלך כל איטרציה של אימון, אצווה הנתונים הגלובלית מחולקת לחתיכות (רסיסי אצווה) ומחולקת חתיכה לכל עובד. כל עובד ממשיך עם המעבר קדימה ואחורה המוגדרים בסקריפט ההדרכה שלך בכל GPU. לבסוף, משקלי המודל והשיפועים מהעותקים השונים של המודל מסונכרנים בסוף האיטרציה באמצעות פעולת תקשורת קולקטיבית בשם AllReduce. לאחר שלכל עובד ו-GPU יש העתק מסונכרן של הדגם, האיטרציה הבאה מתחילה.
ספריית SMDDP היא ספריית תקשורת קולקטיבית המשפרת את הביצועים של תהליך אימון מקביל של נתונים מבוזרים זה. ספריית SMDDP מפחיתה את תקורה התקשורתית של פעולות התקשורת הקולקטיביות המרכזיות כגון AllReduce. היישום שלו של AllReduce מיועד לתשתית AWS ויכול להאיץ את האימון על ידי חפיפה של פעולת AllReduce עם המעבר לאחור. גישה זו משיגה יעילות קנה מידה כמעט ליניארי ומהירות אימון מהירה יותר על ידי אופטימיזציה של פעולות ליבה בין CPUs ו-GPUs.
שימו לב לחישובים הבאים:
- גודל האצווה הגלובלית הוא (מספר צמתים באשכול) * (מספר GPUs לצומת) * (לכל שבר אצווה)
- רסיס אצווה (אצווה קטנה) הוא תת-קבוצה של מערך הנתונים המוקצה לכל GPU (עובד) לפי איטרציה
BigBasket השתמש בספריית SMDDP כדי לצמצם את זמן האימון הכולל שלהם. עם FSx for Lustre, צמצמנו את תפוקת הקריאה/כתיבה של הנתונים במהלך אימון המודל והגדלת הנתונים. עם מקביליות נתונים, BigBasket הצליח להשיג הכשרה מהירה בכמעט 50% וזול יותר ב-20% בהשוואה לאלטרנטיבות אחרות, תוך מתן הביצועים הטובים ביותר ב-AWS. SageMaker מכבה אוטומטית את צינור ההדרכה לאחר סיום. הפרויקט הסתיים בהצלחה עם זמן אימון מהיר יותר ב-50% ב-AWS (4.5 ימים ב-AWS לעומת 9 ימים בפלטפורמה הישנה שלהם).
בזמן כתיבת הפוסט הזה, BigBasket מפעילה את הפתרון המלא בייצור כבר יותר מ-6 חודשים ומרחיבה את המערכת על ידי קייטרינג לערים חדשות, ואנחנו מוסיפים חנויות חדשות מדי חודש.
"השותפות שלנו עם AWS במעבר לאימונים מבוזרים באמצעות הצעת ה-SMDDP שלהם הייתה ניצחון גדול. זה לא רק קיצץ את זמני האימונים שלנו ב-50%, זה גם היה זול יותר ב-20%. בכל השותפות שלנו, AWS הציבה את רף האובססיה של הלקוחות והספקת תוצאות - עובדת איתנו לאורך כל הדרך למימוש היתרונות המובטחים".
– קשב קומר, ראש תחום הנדסה ב-BigBasket.
סיכום
בפוסט זה, דנו כיצד BigBasket השתמשה ב- SageMaker כדי לאמן את מודל הראייה הממוחשבת שלהם לזיהוי מוצר FMCG. הטמעת מערכת אוטומטית לקופה עצמית המופעלת על ידי AI מספקת חווית לקוח קמעונאית משופרת באמצעות חדשנות, תוך ביטול טעויות אנוש בתהליך התשלום. האצת ההטמעה של מוצרים חדשים על ידי שימוש בהדרכה מבוזרת של SageMaker מפחיתה את זמן ההטמעה והעלות של מק"ט. שילוב FSx for Luster מאפשר גישה מהירה לנתונים במקביל להכשרת מודלים יעילה עם מאות SKUs חדשים מדי חודש. בסך הכל, פתרון התשלום העצמי המבוסס על בינה מלאכותית מספק חווית קנייה משופרת נטולת שגיאות בקופה. האוטומציה והחדשנות שינו את פעולות התשלום והכניסה לקמעונאות שלהם.
SageMaker מספקת יכולות פיתוח, פריסה וניטור ML מקצה לקצה, כגון סביבת מחברת SageMaker Studio לכתיבת קוד, רכישת נתונים, תיוג נתונים, הדרכת מודלים, כוונון מודלים, פריסה, ניטור ועוד ועוד. אם העסק שלך מתמודד עם אחד מהאתגרים המתוארים בפוסט זה ורוצה לחסוך זמן לשיווק ולשפר את העלות, פנה לצוות חשבון AWS באזור שלך והתחל עם SageMaker.
על הכותבים
סנטוש וואדי הוא מהנדס ראשי ב-BigBasket, מביא למעלה מעשור של מומחיות בפתרון אתגרי AI. עם רקע חזק בראייה ממוחשבת, מדעי נתונים ולמידה עמוקה, הוא בעל תואר שני מ- IIT Bombay. סנטוש חיבר פרסומי IEEE בולטים וככותב בלוגים טכנולוגיים ותיק, הוא גם תרם תרומה משמעותית לפיתוח פתרונות ראייה ממוחשבת במהלך כהונתו בסמסונג.
ננדה קישור ת'יקונדה הוא מנהל הנדסה המוביל את הנדסת הנתונים והאנליטיקה ב-BigBasket. ננדה בנתה מספר יישומים לאיתור חריגות ויש לה פטנט שהוגש במקום דומה. הוא עבד על בניית יישומים ברמה ארגונית, בניית פלטפורמות נתונים במספר ארגונים ופלטפורמות דיווח כדי לייעל החלטות מגובות בנתונים. לננדה יש למעלה מ-18 שנות ניסיון בעבודה ב-Java/J2EE, טכנולוגיות Spring ומסגרות ביג דאטה באמצעות Hadoop ו- Apache Spark.
שונאת סודהנשו הוא מומחה ראשי בבינה מלאכותית ובינה מלאכותית עם AWS ועובד עם לקוחות כדי לייעץ להם לגבי ה-MLOps ומסע הבינה המלאכותית שלהם. בתפקידו הקודם, הוא הגה, יצר והוביל צוותים לבניית פלטפורמת בינה מלאכותית מבוססת קוד פתוח מבוססת קוד פתוח, ומסחר אותה בהצלחה עם למעלה מ-100 לקוחות. סודהאנשו עומד לזכותו כמה פטנטים; כתב 2 ספרים, מספר מאמרים ובלוגים; והציג את נקודת המבט שלו בפורומים שונים. הוא היה מוביל מחשבה ונואם, והוא נמצא בתעשייה כמעט 25 שנה. הוא עבד עם לקוחות Fortune 1000 ברחבי העולם ולאחרונה עובד עם לקוחות דיגיטליים מקוריים בהודו.
איוש קומאר הוא אדריכל פתרונות ב-AWS. הוא עובד עם מגוון רחב של לקוחות AWS, ועוזר להם לאמץ את היישומים המודרניים העדכניים ביותר ולחדש מהר יותר עם טכנולוגיות מקוריות בענן. תמצאו אותו מתנסה במטבח בזמנו הפנוי.
- 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. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
- PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
- מקור: https://aws.amazon.com/blogs/machine-learning/how-bigbasket-improved-ai-enabled-checkout-at-their-physical-stores-using-amazon-sagemaker/
- :יש ל
- :הוא
- :לֹא
- $ 10 מיליון
- $ למעלה
- 000
- 1
- 10
- 100
- 12
- 120
- 13
- 152
- 23
- 24
- 25
- 300
- 40
- 50
- 500
- 600
- 66
- 7
- 8
- 80
- 9
- 98
- a
- יכול
- מוּאָץ
- מאיצה
- גישה
- חֶשְׁבּוֹן
- דיוק
- להשיג
- משיגה
- נרכש
- רכישה
- לרוחב
- להסתגל
- להוסיף
- הוסיף
- מוסיף
- נוסף
- כתובת
- מוסיף
- לְאַמֵץ
- לייעץ
- לאחר
- שוב
- AI
- מונע AI
- אלגוריתמים
- מאפשר
- כמעט
- גם
- חלופות
- אמזון בעברית
- אמזון
- אמזון RDS
- אמזון SageMaker
- אמזון שירותי אינטרנט
- an
- ניתוח
- ו
- גילוי חריגות
- כל
- אַפָּשׁ
- יישומים
- גישה
- בערך
- ארכיטקטורה
- ARE
- סביב
- AS
- שהוקצה
- מבחר
- At
- מוגבר
- מחבר
- מחבר
- אוטומטי
- באופן אוטומטי
- אוטומציה
- זמינות
- AWS
- בחזרה
- מגובה
- רקע
- בָּר
- BE
- כי
- היה
- לפני
- מתחיל
- להיות
- תועלת
- הטבות
- הטוב ביותר
- בֵּין
- גָדוֹל
- נתונים גדולים
- בלוג
- בלוגים
- ספרים
- מותגים
- מביא
- רחב
- לִבנוֹת
- בִּניָן
- נבנה
- עסקים
- לִקְנוֹת
- by
- חישובים
- נקרא
- מצלמות
- CAN
- יכולות
- קטלוג
- לספק
- קייטרינג
- מסוים
- האתגרים
- שינוי
- שינויים
- ערוצים
- זול יותר
- לתשלום
- ערים
- מיון
- לקוחות
- אשכול
- CNN
- קוד
- לגבות
- קבוצתי
- מסחר
- תקשורת
- לעומת
- תואם
- להשלים
- השלמת
- לחשב
- המחשב
- ראייה ממוחשבת
- תנאים
- מחובר
- מורכב
- מורכב
- צרכן
- רב
- מכולה
- תמיד
- רציף
- ברציפות
- תרומות
- נוחות
- התכנסות
- עלות
- יקר
- עלויות
- דלפק
- מונה
- זוג
- נוצר
- יוצר
- אשראי
- נוֹכְחִי
- מנהג
- לקוח
- חווית לקוח
- לקוחות
- חותך
- מחזור
- יומי
- נתונים
- גישה למידע
- מדע נתונים
- מסד נתונים
- ימים
- עָשׂוֹר
- החלטות
- עמוק
- למידה עמוקה
- מוגדר
- תואר
- אספקה
- מספק
- מסירה
- תלות
- פריסה
- מְתוּאָר
- מעוצב
- איתור
- צעצועי התפתחות
- תרשים
- DID
- אחר
- דיגיטלי
- לדון
- נָדוֹן
- לְהַבחִין
- מופץ
- הכשרה מבוזרת
- מחולק
- סַוָר
- מטה
- ראוי
- בְּמַהֲלָך
- כל אחד
- בקלות
- מסחר אלקטרוני
- יְעִילוּת
- יעיל
- חיסול
- מופעל
- מאפשר
- להקיף
- סוף
- מקצה לקצה
- מהנדס
- הנדסה
- משופר
- כיתה ארגונית
- שלם
- סביבה
- סביבתי
- שגיאות
- מוערך
- להעריך
- כל
- הכל
- קיימים
- ניסיון
- ניסויים
- מומחיות
- מול
- מהר
- מהיר
- מהר יותר
- מאפיין
- פחות
- תרשים
- הוגש
- סופי
- בסופו של דבר
- ראשון
- fmcg
- בעקבות
- הבא
- מזון
- בעד
- הון עתק
- פורומים
- קדימה
- מסגרת
- מסגרות
- תדר
- בתדירות גבוהה
- חיכוך
- החל מ-
- ממשק
- בקנה מידה מלא
- לגמרי
- נוסף
- gamification
- גנרטטיבית
- AI Generative
- לקבל
- גלוֹבָּלִי
- כדור הארץ
- Go
- סחורות
- GPU
- GPUs
- שיפועים
- גדול
- צמיחה
- לטפל
- יש
- he
- ראש
- עזר
- עזרה
- גָבוֹהַ
- ברמה גבוהה
- ביצועים גבוהים
- לו
- שֶׁלוֹ
- מחזיק
- איך
- HTML
- http
- HTTPS
- בן אנוש
- מאות
- הזדהות
- IEEE
- if
- מדגים
- תמונה
- סיווג תמונות
- תמונות
- מושפעים
- הפעלה
- לשפר
- משופר
- משפר
- in
- בחנות
- כולל
- כולל
- בע"מ
- עליות
- גדל
- נגרם
- הודו
- תעשייה
- מידע
- תשתית
- לחדש
- חדשנות
- למשל
- משולב
- שילוב
- אל תוך
- הציג
- מבוא
- בעיות
- IT
- פריטים
- איטרציה
- שֶׁלָה
- מסע
- jpg
- שמור
- שמירה
- מפתח
- קומאר
- גָדוֹל
- הגדול ביותר
- האחרון
- שכבות
- מנהיג
- מוביל
- למידה
- הוביל
- מוֹרֶשֶׁת
- ספריות
- סִפְרִיָה
- כמו
- ארוך
- הרבה זמן
- להפסיד
- מכונה
- למידת מכונה
- מכונה
- עשוי
- לעשות
- מנהל
- ניהול
- מדריך ל
- באופן ידני
- שוק
- זכרון
- מדדים
- הֲגִירָה
- מִילִיוֹן
- ML
- MLOps
- מודל
- מודלים
- מודרני
- ניטור
- חוֹדֶשׁ
- אחת לחודש
- חודשים
- יותר
- רוב
- נע
- הרבה
- מספר
- יליד
- כמעט
- צורך
- נחוץ
- צרכי
- רשת
- עצבי
- רשת עצבית
- חדש
- מוצר חדש
- מוצרים חדשים
- הבא
- צומת
- צמתים
- יַקִיר
- מחברה
- מספר
- אובייקט
- מטרה
- of
- הַצָעָה
- הצעה
- לעתים קרובות
- on
- Onboarding
- ONE
- באינטרנט
- רק
- לפתוח
- קוד פתוח
- להפעיל
- פועל
- מבצע
- מבצעי
- תפעול
- אופטימיזציה
- מיטוב
- or
- ארגונים
- אחר
- שלנו
- הַחוּצָה
- יותר
- מקיף
- ממעל
- סקירה
- שלום
- ניירות
- מקביל
- פרמטרים
- שותפות
- לעבור
- פטנט
- פטנטים
- עבור
- ביצועים
- גופני
- לְחַבֵּר
- חתיכות
- טַיָס
- צינור
- פלטפורמה
- פלטפורמות
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- נקודה
- נקודת מבט
- הודעה
- שלאחר התואר הראשון
- כּוֹחַ
- להכין
- מוצג
- קודם
- מנהל
- ההכנסות
- תהליך
- מיוצר
- המוצר
- מידע על מוצר
- הפקה
- מוצרים
- פּרוֹיֶקט
- מוּבטָח
- לספק
- ובלבד
- מספק
- פרסומים
- לִרְכּוֹשׁ
- פיטורך
- מָהִיר
- רכס
- דרגות
- ציון
- לְהַגִיעַ
- להבין
- לאחרונה
- הכרה
- מוּמלָץ
- להפחית
- מופחת
- מפחית
- הפחתה
- באזור
- חזר
- תגובה
- דווח
- דורש
- וכתוצאה מכך
- קמעוני
- תפקיד
- הפעלה
- ריצה
- בעל חכמים
- אותו
- סמסונג
- שמור
- סולם
- דרוג
- מדע
- תסריט
- בצורה חלקה
- מְתוּבָּל
- לראות
- משמש
- שירותים
- סט
- סטים
- התקנה
- כמה
- קניות
- סגור
- משמעותי
- דומה
- פָּשׁוּט
- במידה ניכרת
- מידה
- קטן
- פִּתָרוֹן
- פתרונות
- פותר
- מָקוֹר
- מֶרחָב
- לעורר
- רַמקוֹל
- מומחה
- במיוחד
- מְהִירוּת
- אביב
- החל
- החל
- צעדים
- מדבקות
- מניות
- אחסון
- חנות
- מאוחסן
- חנויות
- לייעל
- חזק
- סטודיו
- מנוי
- בהצלחה
- כזה
- מערכת
- משימות
- נבחרת
- צוותי
- טק
- טכניקות
- טכנולוגיות
- מבחן
- מֵאֲשֶׁר
- זֶה
- השמיים
- שֶׁלָהֶם
- אותם
- אז
- שם.
- אלה
- הֵם
- צד שלישי
- זֶה
- מחשבה
- דרך
- תפוקה
- זמן
- פִּי
- ל
- לקח
- סה"כ
- עיירות
- מסורתי
- רכבת
- הדרכה
- להעביר
- טרנספורמציה
- ניסיתי
- מנגינה
- כונון
- שתיים
- סוגים
- באופן ייחודי
- יחידות
- us
- להשתמש
- מְשׁוּמָשׁ
- שימושים
- באמצעות
- אימות
- מגוון
- שונים
- מאוד
- לצפיה
- חזון
- vs
- רציתי
- רוצה
- היה
- דֶרֶך..
- we
- אינטרנט
- שירותי אינטרנט
- משקל
- מִשׁקָל
- היו
- אשר
- בזמן
- כל
- רָחָב
- לנצח
- עם
- בתוך
- עבד
- עובד
- עובדים
- עובד
- עובד
- כתיבה
- כתוב
- שנים
- אתה
- זפירנט
- אזור