この投稿は、Thomson Reuters の Ramdev Wudali と Kiran Mantripragada によって共同執筆されました。
1992年には、 トムソンロイター (TR) は、最初の AI 法律調査サービスである WIN (Westlaw Is Natural) をリリースしました。これは当時の革新であり、ほとんどの検索エンジンはブール用語とコネクタしかサポートしていませんでした。 それ以来、TR は AI 製品とサービスの数と種類が増え続け、世界中の法務、税務、会計、コンプライアンス、ニュース サービスの専門家をサポートし、毎年何十億もの機械学習 (ML) の洞察が生成されるにつれて、さらに多くのマイルストーンを達成しました。 .
この AI サービスの大幅な増加に伴い、TR の次のマイルストーンは、イノベーションを合理化し、コラボレーションを促進することでした。 企業のベスト プラクティスを確実に遵守しながら、ビジネス機能と AI 実践者のペルソナ全体で AI ソリューションの構築と再利用を標準化します。
- 反復的な差別化されていないエンジニアリング作業を自動化および標準化する
- 共通のガバナンス基準に従って、機密データの必要な分離と制御を確保する
- スケーラブルなコンピューティング リソースへの簡単なアクセスを提供する
これらの要件を満たすために、TR は、データ サービス、実験ワークスペース、中央モデル レジストリ、モデル デプロイ サービス、モデル モニタリングの XNUMX つの柱を中心にエンタープライズ AI プラットフォームを構築しました。
この投稿では、TR と AWS がどのように協力して TR 初のエンタープライズ AI プラットフォームを開発したかについて説明します。これは、ML の実験、トレーニング、中央モデル レジストリ、モデル デプロイ、モデル モニタリングなどの機能を提供するウェブベースのツールです。 これらの機能はすべて、進化し続ける TR のセキュリティ標準に対応し、シンプルで安全な準拠サービスをエンド ユーザーに提供するために構築されています。 また、TR によって、さまざまなビジネス ユニット間で作成された ML モデルの監視とガバナンスが単一の画面でどのように可能になったかについても説明します。
課題
TR では歴史的に、ML は高度なデータ サイエンティストやエンジニアを含むチームの機能でした。 高度なスキルを持つリソースを持つチームは、ニーズに応じて複雑な ML プロセスを実装できましたが、すぐに非常にサイロ化してしまいました。 サイロ化されたアプローチでは、非常に重要な意思決定の予測にガバナンスを提供するための可視性が提供されませんでした。
TR ビジネス チームは、膨大なドメイン知識を持っています。 ただし、ML に必要な技術的スキルと多大なエンジニアリング作業により、彼らの深い専門知識を使用して ML の力でビジネス上の問題を解決することは困難です。 TR はスキルを民主化し、組織内のより多くの人々がスキルにアクセスできるようにしたいと考えています。
TR のさまざまなチームは、独自のプラクティスと方法論に従います。 TR は、チームが繰り返しの差別化されていないエンジニアリング作業ではなくビジネス目標に集中できるようにすることで、ML ライフサイクル全体にまたがる機能をユーザーに構築して、ML プロジェクトの提供を加速したいと考えています。
さらに、データと倫理的 AI に関する規制は進化し続けており、TR の AI ソリューション全体で共通のガバナンス基準を義務付けています。
ソリューションの概要
TR のエンタープライズ AI プラットフォームは、シンプルで標準化されたサービスをさまざまなペルソナに提供し、ML ライフサイクルのあらゆる段階に機能を提供することを想定していました。 TR は、TR のすべての要件をモジュール化する XNUMX つの主要なカテゴリを特定しました。
- データサービス – 企業データ資産への簡単かつ安全なアクセスを可能にする
- 実験ワークスペース – ML モデルを実験およびトレーニングする機能を提供する
- 中央モデル レジストリ – さまざまなビジネス ユニットにわたって構築されたモデルのエンタープライズ カタログ
- モデル導入サービス – TR のエンタープライズ CI/CD プラクティスに従って、さまざまな推論展開オプションを提供する
- モデル監視サービス – データを監視し、バイアスとドリフトをモデル化する機能を提供する
次の図に示すように、これらのマイクロサービスは、いくつかの重要な原則を念頭に置いて構築されています。
- ユーザーから差別化されていないエンジニアリング作業を取り除きます
- ボタンをクリックするだけで必要な機能を提供
- TR のエンタープライズ標準に従って、すべての機能を保護および管理する
- ML アクティビティを一元管理
TR の AI Platform マイクロサービスは、 アマゾンセージメーカー コア エンジンとして AWS サーバーレス コンポーネントをワークフローに、AWS DevOps サービスを CI/CD プラクティスに使用します。 SageMaker スタジオ は実験とトレーニングに使用され、SageMaker モデルレジストリはモデルの登録に使用されます。 中央モデル レジストリは、SageMaker モデル レジストリと Amazon DynamoDB 列で番号の横にあるXをクリックします。 SageMakerホスティングサービス モデルを展開するために使用されますが、 SageMakerモデルモニター および SageMakerの明確化 ドリフト、バイアス、カスタム メトリック計算機、および説明可能性についてモデルを監視するために使用されます。
以下のセクションでは、これらのサービスについて詳しく説明します。
データサービス
従来の ML プロジェクトのライフサイクルは、データの検索から始まります。 一般に、データ サイエンティストは、必要なときに適切なデータを見つけるために 60% 以上の時間を費やしています。 すべての組織と同様に、TR には複数のデータ ストアがあり、さまざまなデータ ドメインの単一の信頼できるポイントとして機能します。 TR は、ほとんどの ML ユース ケースにデータを提供する XNUMX つの主要なエンタープライズ データ ストア (オブジェクト ストアとリレーショナル データ ストア) を特定しました。 TR は AI Platform データ サービスを構築して、ユーザーの実験ワークスペースから両方のデータ ストアへのシームレスなアクセスを提供し、ユーザーが複雑なプロセスをナビゲートして自分でデータを取得する負担を取り除きました。 TR の AI プラットフォームは、データおよびモデル ガバナンス チームによって定義されたすべてのコンプライアンスとベスト プラクティスに従っています。 これには、データへの適切なアクセスを確保するための正式な承認プロセスとともに、ML 実践者がデータの倫理的かつ適切な使用を理解し、従うのに役立つ必須のデータ影響評価が含まれます。 このサービスとすべてのプラットフォーム サービスの中核は、TR と業界によって決定されたベスト プラクティスに従ったセキュリティとコンプライアンスです。
Amazon シンプル ストレージ サービス (Amazon S3) オブジェクト ストレージは、コンテンツ データ レイクとして機能します。 TR は、必要な承認と監査可能性を維持しながら、コンテンツ データ レイクからユーザーの実験ワークスペースへのデータに安全にアクセスするためのプロセスを構築しました。 Snowflake は、エンタープライズ リレーショナル プライマリ データ ストアとして使用されます。 ユーザーのリクエストに応じて、データ所有者からの承認に基づいて、AI プラットフォーム データ サービスはデータのスナップショットをユーザーに提供し、実験ワークスペースですぐに利用できるようにします。
さまざまなソースからのデータへのアクセスは、簡単に解決できる技術的な問題です。 しかし、TR が解決した複雑さは、データ所有者の特定、アクセス要求の送信、保留中のアクセス要求があることをデータ所有者に確実に通知すること、承認ステータスに基づいてデータを提供するための措置を講じることを自動化する承認ワークフローを構築することです。要求者。 このプロセス全体のすべてのイベントは、監査可能性とコンプライアンスのために追跡および記録されます。
次の図に示すように、TR は次を使用します。 AWSステップ関数 ワークフローを調整し、 AWSラムダ 機能を実行します。 アマゾンAPIゲートウェイ Web ポータルから消費される API エンドポイントで機能を公開するために使用されます。
モデルの実験と開発
ML ライフサイクルを標準化するために不可欠な機能は、データ サイエンティストがさまざまな ML フレームワークとデータ サイズを試すことができる環境です。 クラウドでこのような安全で準拠した環境を数分で有効にすると、データ サイエンティストはクラウド インフラストラクチャ、ネットワーク要件、およびセキュリティ標準対策を処理する負担から解放され、代わりにデータ サイエンスの問題に集中できます。
TR は、次のようなサービスへのアクセスを提供する実験ワークスペースを構築します。 AWSグルー, アマゾンEMR、および SageMaker Studio を使用して、エンタープライズ クラウド セキュリティ基準に準拠したデータ処理と ML 機能を有効にし、すべてのビジネス ユニットに必要なアカウント分離を実現します。 TR は、ソリューションの実装中に次の課題に直面しました。
- 初期のオーケストレーションは完全に自動化されておらず、いくつかの手動手順が必要でした。 問題が発生している場所を追跡することは容易ではありませんでした。 TR は、Step Functions を使用してワークフローを調整することで、このエラーを克服しました。 Step Functions を使用することで、複雑なワークフローの構築、状態の管理、エラー処理がはるかに簡単になりました。
- 適切 AWS IDおよびアクセス管理 実験ワークスペースの (IAM) ロールの定義は、定義するのが困難でした。 TR の内部セキュリティ基準と最小特権モデルに準拠するために、元々、ワークスペース ロールはインライン ポリシーで定義されていました。 その結果、インライン ポリシーは時間の経過とともに大きくなり、冗長になり、IAM ロールに許可されているポリシー サイズの制限を超えました。 これを軽減するために、TR はより多くの顧客管理ポリシーを使用し、ワークスペース ロール定義でそれらを参照するように切り替えました。
- TR は、AWS アカウント レベルで適用されるデフォルトのリソース制限に達することがありました。 これにより、必要なリソースタイプの制限に達したために、SageMaker ジョブ (トレーニングジョブなど) の起動に時折失敗することがありました。 TR は、この問題について SageMaker サービスチームと緊密に協力しました。 この問題は、AWS チームがサポートされているサービスとして SageMaker を開始した後に解決されました。 サービスクォータ 6月2022インチ
現在、TR のデータ サイエンティストは、独立したワークスペースを作成し、コラボレーションに必要なチーム メンバーを追加することで、ML プロジェクトを開始できます。 SageMaker が提供する無制限のスケールは、さまざまなサイズのカスタム カーネル イメージを提供することですぐに利用できます。 SageMaker Studio はすぐに TR の AI プラットフォームの重要なコンポーネントとなり、ユーザーの行動を制限されたデスクトップ アプリケーションの使用からスケーラブルで一時的な専用エンジンへと変えました。 次の図は、このアーキテクチャを示しています。
中央モデル レジストリ
モデル レジストリは、TR のすべての機械学習モデルの中央リポジトリを提供し、ビジネス機能全体で標準化された方法でモデルのリスクと健全性を管理できるようにし、潜在的なモデルの再利用を合理化します。 したがって、サービスは次のことを行う必要がありました。
- SageMaker の内部または外部で開発されたかどうかにかかわらず、新しいモデルとレガシーモデルの両方を登録する機能を提供します
- ガバナンス ワークフローを実装し、データ サイエンティスト、開発者、関係者がモデルのライフサイクルを表示してまとめて管理できるようにする
- TR 全体のすべてのモデルとメタデータおよびヘルス メトリックを一元的に表示することで、透明性とコラボレーションを向上させます。
TR は SageMaker モデルレジストリだけで設計を開始しましたが、TR の重要な要件の XNUMX つは、SageMaker の外部で作成されたモデルを登録する機能を提供することです。 TR はさまざまなリレーショナル データベースを評価しましたが、最終的に DynamoDB を選択しました。これは、レガシー ソースからのモデルのメタデータ スキーマが大きく異なるためです。 TR はまた、ユーザーに追加の作業を課すことを望まなかったため、AI プラットフォーム ワークスペースの SageMaker レジストリと中央の SageMaker レジストリとの間でシームレスな自動同期を実装しました。 アマゾンイベントブリッジ ルールと必要な IAM ロール。 TR は DynamoDB を使用して中央レジストリを強化し、ユーザーのデスクトップで作成されたレガシー モデルを登録する機能を拡張しました。
TR の AI プラットフォーム セントラル モデル レジストリは AI プラットフォーム ポータルに統合されており、モデルの検索、モデル メタデータの更新、モデル ベースライン メトリックと定期的なカスタム モニタリング メトリックの理解を行うためのビジュアル インターフェースを提供します。 次の図は、このアーキテクチャを示しています。
モデルの展開
TR は、デプロイを自動化するための XNUMX つの主要なパターンを特定しました。
- SageMaker バッチ変換ジョブを通じて SageMaker を使用して開発されたモデルは、優先スケジュールで推論を取得します
- コードをリファクタリングせずにこれらのモデルを移行する効率的な方法として、SageMaker 処理ジョブを使用してカスタム推論コードを実行する独自のコンテナ アプローチを通じて、オープンソース ライブラリを使用してローカル デスクトップ上の SageMaker の外部で開発されたモデル
AI Platform デプロイ サービスを使用すると、TR ユーザー (データ サイエンティストと ML エンジニア) はカタログからモデルを識別し、UI 駆動型のワークフローを通じて必要なパラメーターを提供することで、選択した AWS アカウントに推論ジョブをデプロイできます。
TR は、次のような AWS DevOps サービスを使用してこのデプロイを自動化しました AWS コードパイプライン および AWS コードビルド. TR は Step Functions を使用して、データの読み取りと前処理のワークフローを調整し、SageMaker 推論ジョブを作成します。 TR は、必要なコンポーネントをコードとしてデプロイします。 AWS CloudFormation テンプレート。 次の図は、このアーキテクチャを示しています。
モデル監視
モデルを監視できなければ、ML ライフサイクルは完了しません。 また、TR のエンタープライズ ガバナンス チームは、規制上の課題に対処するために、モデルのパフォーマンスを長期的に監視することをビジネス チームに義務付け、奨励しています。 TR は、ドリフトのモデルとデータを監視することから始めました。 TR は SageMaker Model Monitor を使用してデータのベースラインと推論のグラウンド トゥルースを提供し、TR のデータと推論がどのように変動しているかを定期的に監視しました。 TR は、SageMaker モデル モニタリング メトリクスに加えて、モデルに固有のカスタム メトリクスを開発することで、モニタリング機能を強化しました。 これは、TR のデータ サイエンティストがモデルを再トレーニングするタイミングを理解するのに役立ちます。
ドリフト モニタリングに加えて、TR はモデルの偏りも理解したいと考えています。 SageMaker Clarify のすぐに使える機能は、TR のバイアス サービスを構築するために使用されます。 TR はデータとモデル バイアスの両方をモニタリングし、AI Platform ポータルを通じてユーザーがそれらの指標を利用できるようにします。
すべてのチームがこれらのエンタープライズ標準を採用できるようにするために、TR はこれらのサービスを独立させ、AI プラットフォーム ポータルからすぐに利用できるようにしました。 TR のビジネス チームは、ポータルにアクセスして、モデル モニタリング ジョブまたはバイアス モニタリング ジョブを独自に展開し、好みのスケジュールで実行できます。 ジョブのステータスと実行ごとのメトリクスが通知されます。
TR は、次のアーキテクチャに示すように、CI/CD デプロイ、ワークフロー オーケストレーション、サーバーレス フレームワーク、および API エンドポイントに AWS のサービスを使用して、個別にトリガーできるマイクロサービスを構築しました。
結果と今後の改善
TR の AI プラットフォームは、データ サービス、実験ワークスペース、中央モデル レジストリ、モデル デプロイ、モデル モニタリングの 3 つの主要コンポーネントすべてで 2022 年第 XNUMX 四半期に稼働しました。 TR は、ビジネス ユニットがプラットフォームに参加するための内部トレーニング セッションを実施し、セルフガイド トレーニング ビデオを提供しました。
AI プラットフォームは、TR のチームにこれまでにない機能を提供してきました。 これにより、TR のエンタープライズ ガバナンス チームがコンプライアンス基準を強化し、レジストリを一元化して、TR 内のすべての ML モデルにわたって単一のビューを提供するための幅広い可能性が開かれました。
TR は、最初のリリースで最高の状態にある製品はないことを認識しています。 TR のすべてのコンポーネントはさまざまな成熟度レベルにあり、TR のエンタープライズ AI プラットフォーム チームは、製品機能を繰り返し改善するための継続的な強化フェーズにあります。 TR の現在の進歩パイプラインには、リアルタイム、非同期、マルチモデル エンドポイントなどの追加の SageMaker 推論オプションの追加が含まれています。 TR はまた、モデル監視サービスの機能として、モデルの説明可能性を追加することを計画しています。 TR は、SageMaker Clarify の説明可能性機能を使用して、内部の説明可能性サービスを開発する予定です。
まとめ
TR は膨大な量のデータを安全に処理し、AWS の高度な機能を使用して ML プロジェクトを構想から本番まで数週間で行えるようになりました。以前は数か月かかっていました。 TR 内のチームは、AWS サービスのすぐに使用できる機能を使用して、ML モデルを初めて登録および監視し、進化するモデルガバナンス標準への準拠を達成できます。 TR は、データ サイエンティストと製品チームに、最も複雑な問題を解決する創造性を効果的に解き放つ力を与えました。
TR の Enterprise AI Platform on AWS の詳細については、こちらをご覧ください。 AWS re:Invent 2022 セッション. TR がどのように機械学習の使用を加速したかを知りたい場合は、 AWSデータラボ プログラムについては、 ケーススタディ.
著者について
ラムデヴ・ウダリ データ アーキテクトであり、AI / ML プラットフォームの設計と構築を支援し、データ サイエンティストや研究者がインフラストラクチャのニーズではなくデータ サイエンスに重点を置いて機械学習ソリューションを開発できるようにします。 余暇には、紙を折って折り紙のテッセレーションを作成し、不遜な T シャツを着るのが大好きです。
キラン・マントリプラガダ Thomson Reuters の AI プラットフォーム担当シニア ディレクターです。 AI プラットフォーム チームは、本番環境レベルの AI ソフトウェア アプリケーションを有効にし、データ サイエンティストと機械学習研究者の作業を可能にする責任があります。 科学、AI、エンジニアリングに情熱を傾ける Kiran は、研究と製品化の間のギャップを埋め、AI の真の革新を最終的な消費者に届けることを好みます。
バーヴァナ・チルマミラ AWS のシニア レジデント アーキテクトです。 彼女はデータと ML の運用に情熱を傾けており、企業がデータと ML の戦略を構築するのを支援することに多くの熱意をもたらしています。 余暇には、家族と旅行、ハイキング、ガーデニング、ドキュメンタリー鑑賞を楽しんでいます。
スリニヴァーサ・シェイク ボストンを拠点とする AWS のソリューション アーキテクトです。 彼は、企業顧客がクラウドへの移行を加速するのを支援しています。 彼はコンテナと機械学習技術に情熱を注いでいます。 余暇には、家族と過ごす時間、料理、旅行を楽しんでいます。
チンウェイ・リー アマゾンウェブサービスの機械学習スペシャリストです。 彼は、アドバイザーの研究助成金口座を破り、約束したノーベル賞を授与できなかった後、オペレーションズリサーチの博士号を取得しました。 現在、彼は金融サービスおよび保険業界の顧客がAWSで機械学習ソリューションを構築するのを支援しています。 暇なときは、読書と教育が好きです。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- Platoblockchain。 Web3メタバースインテリジェンス。 知識の増幅。 こちらからアクセスしてください。
- 情報源: https://aws.amazon.com/blogs/machine-learning/how-thomson-reuters-built-an-ai-platform-using-amazon-sagemaker-to-accelerate-delivery-of-ml-projects/
- 100
- 2022
- 7
- a
- できる
- 私たちについて
- 加速する
- 加速された
- アクセス
- アクセス可能な
- 従った
- 会計
- 達成
- 達成する
- 取得する
- 越えて
- Action
- 使徒行伝
- NEW
- 住所
- 採用
- 高度な
- 後
- AI
- AIプラットフォーム
- AIサービス
- AI / ML
- すべて
- ことができます
- 並んで
- Amazon
- アマゾンセージメーカー
- Amazon Webサービス
- 金額
- および
- API
- 適用された
- アプローチ
- アプローチ
- 承認
- 建築
- 周りに
- 承認
- 自動化する
- 自動化
- オートマチック
- 利用できます
- AWS
- ベース
- ベースライン
- なぜなら
- さ
- BEST
- ベストプラクティス
- の間に
- バイアス
- 億
- ボストン
- BRIDGE
- 持って来る
- もたらす
- 壊れた
- ビルド
- 建物
- 構築します
- 内蔵
- 負担
- ビジネス
- ビジネス機能
- 機能
- 例
- カタログ
- カテゴリ
- 生じました
- 中央の
- 集中型の
- 課題
- チェック
- 選択する
- 選ばれた
- 密接に
- クラウド
- クラウドインフラ
- クラウドセキュリティ
- コード
- 協力します
- 協力して
- 環境、テクノロジーを推奨
- 集合的に
- 到来
- コマンドと
- 比べ
- コンプリート
- 複雑な
- 複雑さ
- コンプライアンス
- 準拠した
- コンポーネント
- コンポーネント
- 構成
- コンピューティング
- 消費
- 消費者
- コンテナ
- コンテナ
- コンテンツ
- 続ける
- 連続的な
- コントロール
- 基本
- 作ります
- 作成した
- 作成
- 創造性
- 重大な
- 重大な
- 電流プローブ
- 現在
- カスタム
- Customers
- データ
- データレイク
- データ処理
- データサイエンス
- データベースを追加しました
- 意思決定
- 深いです
- 深い専門知識
- デフォルト
- 配信する
- 配達
- 民主化する
- 展開します
- 展開
- 配備する
- 説明する
- 設計
- デスクトップ
- 詳細
- 決定
- 開発する
- 発展した
- 開発者
- 開発
- 開発
- 異なります
- 難しい
- 取締役
- 話し合います
- ドキュメンタリー
- ドメイン
- ドメイン
- ダウン
- 早い
- 容易
- 簡単に
- 効果的に
- 効率的な
- 努力
- 権限を与え
- enable
- 使用可能
- 可能
- 有効にする
- 励ます
- エンドポイント
- エンジン
- エンジニアリング
- エンジニア
- エンジン
- 強化された
- 確保
- 確保する
- Enterprise
- 企業
- 熱意
- 環境
- エラー
- 本質的な
- 倫理的な
- 評価
- イベント
- EVER
- 進化
- 進化
- 例
- 実験
- 専門知識
- 伸ばす
- 非常に
- 容易にする
- Failed:
- 家族
- 特徴
- 特徴
- 少数の
- ファイナル
- ファイナンシャル
- 金融サービス
- もう完成させ、ワークスペースに掲示しましたか?
- 発見
- 名
- 初回
- フォーカス
- 焦点
- フォロー中
- 次
- フォーマル
- フレームワーク
- から
- 満たす
- 完全に
- 機能性
- 機能
- 未来
- ギャップ
- 生成された
- 取得する
- ガラス
- Go
- 目標
- ガバナンス
- 助成金
- 陸上
- 成長
- ハンドリング
- ハード
- 健康
- 助けます
- 助け
- ことができます
- 非常に
- ホスティング
- 認定条件
- しかしながら
- HTML
- HTTPS
- 特定され
- 識別する
- 識別
- アイデンティティ
- 画像
- 影響
- 実装する
- 実装
- 実装
- 課す
- 改善します
- in
- 含ま
- 増える
- 独立しました
- 単独で
- 産業を変えます
- インフラ関連事業
- 初期
- 革新的手法
- 洞察
- を取得する必要がある者
- 保険
- 統合された
- インタフェース
- 内部
- 関係する
- 分離
- 問題
- IT
- ジョブ
- Jobs > Create New Job
- 旅
- キー
- 知っている
- 知識
- 湖
- 起動する
- 打ち上げ
- 発射
- LEARN
- 学習
- Legacy
- リーガルポリシー
- レベル
- レベル
- ライブラリ
- LIMIT
- 制限
- ライブ
- ローカル
- 機械
- 機械学習
- 製
- 主要な
- 作る
- 作成
- 管理します
- 管理
- 管理する
- 委任
- 方法
- マニュアル
- 多くの
- 満期
- 措置
- メンバー
- 方法論
- メトリック
- メトリック
- マイクロサービス
- 移動します
- マイルストーン
- マイルストーン
- マインド
- 分
- 軽減する
- ML
- モデル
- モニター
- モニタリング
- モニター
- ヶ月
- 他には?
- 最も
- の試合に
- ナチュラル
- ナビゲート
- 必要
- ニーズ
- ネットワーキング
- 新作
- ニュース
- 次の
- ノーベル賞
- 数
- オブジェクト
- 時折
- 提供
- 提供すること
- オファー
- オンボード
- ONE
- オープンソース
- 開かれた
- 業務執行統括
- オプション
- 編成
- 組織
- 元々
- 外側
- 自分の
- 所有者
- ペイン
- 紙素材
- パラメータ
- 情熱
- 情熱的な
- パターン
- のワークプ
- パフォーマンス
- periodic
- 相
- パイプライン
- 計画
- プラン
- プラットフォーム
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- ポイント
- ポリシー
- 方針
- ポータル
- の可能性
- ポスト
- 潜在的な
- 電力
- プラクティス
- 予測
- 優先
- 主要な
- 原則
- 賞
- 問題
- 問題
- プロセス
- ラボレーション
- 処理
- プロダクト
- 生産
- 製品
- 専門家
- 演奏曲目
- プロジェクト
- プロジェクト(実績作品)
- 約束された
- 提供します
- 提供
- は、大阪で
- 提供
- Q3
- q3 2022
- すぐに
- 範囲
- 測距
- RE
- 達した
- リーディング
- リアル
- への
- 受け
- 登録
- レジストリ
- 規制
- レギュレータ
- リリース
- リリース
- 削除します
- 倉庫
- 要求
- の提出が必要です
- 要件
- 研究
- 研究者
- リソースを追加する。
- リソース
- 責任
- ロイター通信社
- リスク
- 職種
- 役割
- ルール
- ラン
- セージメーカー
- SageMaker の推論
- ド電源のデ
- 規模
- スケジュール
- 科学
- 科学者たち
- シームレス
- シームレス
- を検索
- 検索エンジン
- セクション
- 安全に
- セキュア
- しっかりと
- セキュリティ
- 送信
- シニア
- 敏感な
- 役立つ
- サーバレス
- サービス
- サービス
- セッション
- いくつかの
- シェアする
- 示す
- 簡単な拡張で
- から
- サイズ
- サイズ
- 熟練した
- スキル
- Snapshot
- So
- ソフトウェア
- 溶液
- ソリューション
- 解決する
- ソース
- 専門家
- 特定の
- 過ごす
- 支出
- ステージ
- ステークホルダー
- 標準化
- 規格
- 開始
- 開始
- 米国
- Status:
- 手順
- ステップ
- ストレージ利用料
- 店舗
- 店舗
- 作戦
- 流線
- 研究
- そのような
- サポート
- 支援する
- 切り替え
- 同期
- テーブル
- 取る
- 税金
- ティーチング
- チーム
- チーム
- 技術的
- 技術的なスキル
- テクノロジー
- テンプレート
- 条件
- アプリ環境に合わせて
- したがって、
- トムソンロイター
- 介して
- 全体
- 時間
- 〜へ
- ツール
- 追跡
- 伝統的な
- トレーニング
- トレーニング
- 最適化の適用
- 透明性
- 旅行
- すばらしい
- トリガ
- わかる
- 単位
- ユニット
- 解き放つ
- 無限の
- アップデイト
- つかいます
- ユーザー
- users
- 多様
- さまざまな
- 広大な
- 、
- 動画
- 詳しく見る
- 視認性
- 見ている
- ウェブ
- Webサービス
- ウェブベースの
- ウィークス
- かどうか
- while
- ワイド
- 広い範囲
- 意志
- win
- 以内
- 無し
- 仕事
- 働いていました
- ワークフロー
- でしょう
- 年
- あなたの
- ゼファーネット