この投稿では、使用するための新しい OAuth ベースの認証機能を構成する方法を示します。 スノーフレーク in AmazonSageMakerデータラングラー. Snowflake は、データ ウェアハウスからデータ サイエンスまでのデータ ソリューションを提供するクラウド データ プラットフォームです。 スノーフレークは AWSパートナー 機械学習 (ML)、小売、データと分析における AWS コンピテンシーなど、複数の AWS 認定を受けています。
Data Wrangler は、データ サイエンティストがデータの選択とクレンジング、特徴の作成、ML ワークフローでのデータ準備の自動化をコードを記述せずに行うための単一のビジュアル インターフェイスを提供することで、データの準備と特徴エンジニアリングのプロセスを簡素化し、かかる時間を数週間から数分に短縮します。 次のような複数のデータ ソースからデータをインポートできます。 Amazon シンプル ストレージ サービス (Amazon S3)、 アマゾンアテナ, Amazonレッドシフト, アマゾンEMR、およびスノーフレーク。 この新機能により、次のような独自の ID プロバイダー (IdP) を使用できます。 , アズールADまたは ピンフェデレート Data Wrangler 経由で Snowflake に接続します。
ソリューションの概要
次のセクションでは、管理者が IdP、Snowflake、および Studio をセットアップする手順を説明します。 また、データ サイエンティストがデータ フローを構成し、データ品質を分析し、データ変換を追加するために実行できる手順についても詳しく説明します。 最後に、データ フローをエクスポートしてモデルをトレーニングする方法を示します。 SageMakerオートパイロット.
前提条件
このチュートリアルでは、次の前提条件を満たしている必要があります。
- 管理者の場合:
- Snowflake でストレージ統合とセキュリティ統合を作成する権限を持つ Snowflake ユーザー。
- 作成するアクセス許可を持つ AWS アカウント AWS IDおよびアクセス管理 (IAM) ポリシーとロール。
- IDP を構成して Data Wrangler アプリケーションを登録し、承認サーバーまたは API をセットアップするためのアクセスと権限。
- データ サイエンティストの場合:
管理者設定
ユーザーに Snowflake 資格情報を Data Wrangler に直接入力させる代わりに、IdP を使用して Snowflake にアクセスさせることができます。
Snowflakeへの Data Wrangler OAuth アクセスを有効にするには、次の手順が必要です。
- IdP を構成します。
- スノーフレークを構成します。
- SageMaker スタジオを構成します。
IdP を構成する
IdP をセットアップするには、Data Wrangler アプリケーションを登録し、承認サーバーまたは API をセットアップする必要があります。
Data Wrangler アプリケーションを IdP 内に登録する
Data Wrangler がサポートする IdP については、次のドキュメントを参照してください。
IdP が提供するドキュメントを使用して、Data Wrangler アプリケーションを登録します。 このセクションの情報と手順は、IdP が提供するドキュメントを適切に使用する方法を理解するのに役立ちます。
各ガイドの手順に加えて、特定のカスタマイズについては、サブセクションで説明しています。
- Data Wrangler をアプリケーションとして登録するプロセスを開始する構成を選択します。
- Data Wrangler への IdP アクセス内のユーザーを提供します。
- クライアント認証情報を Secrets Manager シークレットとして保存することで、OAuth クライアント認証を有効にします。
- 次の形式を使用してリダイレクト URL を指定します。
https://domain-ID.studio.AWS Region.sagemaker.aws/jupyter/default/lab
.
Data Wrangler の実行に使用している SageMaker ドメイン ID と AWS リージョンを指定しています。 Data Wrangler を実行しているドメインとリージョンごとに URL を登録する必要があります。 リダイレクト URL が設定されていないドメインおよびリージョンのユーザーは、IdP で認証して Snowflake 接続にアクセスすることはできません。
- Data Wrangler アプリケーションで認証コードとリフレッシュ トークンの付与タイプが許可されていることを確認してください。
IdP 内で認可サーバーまたは API を設定する
IdP 内で、承認サーバーまたはアプリケーション プログラミング インターフェイス (API) を設定する必要があります。 ユーザーごとに、認可サーバーまたは API が、Snowflake をオーディエンスとして Data Wrangler にトークンを送信します。
Snowflake は次の概念を使用します。 役割 AWS で使用される IAM ロールとは異なります。 Snowflake アカウントに関連付けられたデフォルトのロールを使用するには、ANY ロールを使用するように IdP を構成する必要があります。 たとえば、ユーザーが systems administrator
Snowflake プロファイルのデフォルト ロールとして、Data Wrangler から Snowflake への接続は systems administrator
役割として。
IdP 内で認可サーバーまたは API を設定するには、次の手順を使用します。
- IdP から、サーバーまたは API の設定プロセスを開始します。
- 認可コードとリフレッシュ トークンのグラント タイプを使用するように認可サーバーを構成します。
- アクセス トークンの有効期間を指定します。
- リフレッシュ トークンのアイドル タイムアウトを設定します。
アイドル タイムアウトは、更新トークンが使用されていない場合に有効期限が切れる時間です。 Data Wrangler でジョブをスケジュールする場合は、アイドル タイムアウト時間を処理ジョブの頻度よりも長くすることをお勧めします。 そうしないと、更新トークンが実行前に期限切れになるため、一部の処理ジョブが失敗する可能性があります。 更新トークンの有効期限が切れると、ユーザーは、Data Wrangler を介して Snowflake に対して行った接続にアクセスして、再認証する必要があります。
Data Wrangler はローテーション リフレッシュ トークンをサポートしていないことに注意してください。 ローテーション リフレッシュ トークンを使用すると、アクセスが失敗したり、ユーザーが頻繁にログインする必要が生じたりする可能性があります。
更新トークンの有効期限が切れた場合、ユーザーは、Data Wrangler を介して Snowflake に対して行った接続にアクセスして、再認証する必要があります。
- 指定
session:role-any
新しいスコープとして。
Azure AD の場合、スコープの一意の識別子も指定する必要があります。
OAuth プロバイダーをセットアップしたら、プロバイダーに接続するために必要な情報を Data Wrangler に提供します。 IdP のドキュメントを使用して、次のフィールドの値を取得できます。
- トークン URL – IdP が Data Wrangler に送信するトークンの URL
- 認可 URL – IdP の認可サーバーの URL
- 顧客ID – IdP の ID
- クライアントの秘密 – 認可サーバーまたは API のみが認識するシークレット
- OAuth スコープ – これは Azure AD 専用です
スノーフレークの構成
Snowflake を構成するには、の手順を完了します。 Snowflake からデータをインポートする.
IdP の Snowflake ドキュメントを使用して、Snowflake で外部 OAuth 統合をセットアップします。 前のセクションを参照してください Data Wrangler アプリケーションを IdP 内に登録する 外部 OAuth 統合のセットアップ方法の詳細については、
Snowflakeでセキュリティ統合をセットアップするときは、必ずアクティブ化してください external_oauth_any_role_mode
.
SageMaker スタジオを構成する
フィールドと値を Secrets Manager シークレットに保存し、Data Wrangler に使用している Studio ライフサイクル設定に追加します。 ライフサイクル構成は、ユーザーが Studio にログインするときに、シークレットに保存されている認証情報を自動的にロードするシェル スクリプトです。 シークレットの作成については、を参照してください。 ハードコーディングされたシークレットを AWS Secrets Manager に移動する. Studio でライフサイクル構成を使用する方法については、次を参照してください。 Amazon SageMaker Studio でライフサイクル設定を使用する.
Snowflake 資格情報のシークレットを作成する
Snowflake 資格情報のシークレットを作成するには、次の手順を実行します。
- Secrets Managerコンソールで、 新しい秘密を保存する.
- シークレットタイプ選択 他のタイプの秘密.
- シークレットの詳細をキーと値のペアとして指定します。
大文字と小文字が区別されるため、キー名には小文字が必要です。 これらのいずれかを誤って入力すると、Data Wrangler によって警告が表示されます。 必要に応じてキーと値のペアとしてシークレット値を入力するか、 平文 オプションを選択します。
以下は、Okta で使用されるシークレットの形式です。 Azure AD を使用している場合は、 datasource_oauth_scope
フィールド。
- 選択した IdP と、アプリケーションの登録後に収集した情報を使用して、上記の値を更新します。
- 選択する Next.
- 秘密の名前、プレフィックスを追加します
AmazonSageMaker
(たとえば、私たちの秘密はAmazonSageMaker-DataWranglerSnowflakeCreds
). - タグ セクション、キーでタグを追加します
SageMaker
と価値true
. - 選択する Next.
- 残りのフィールドはオプションです。 選ぶ Next 選択できるようになるまで オンラインショップ 秘密を保存します。
シークレットを保存すると、Secrets Manager コンソールに戻ります。
- 作成したシークレットを選択し、シークレット ARN を取得します。
- 後で Data Wrangler データ ソースを作成するときに使用できるように、これを任意のテキスト エディターに保存します。
Studio ライフサイクル構成の作成
Studio でライフサイクル構成を作成するには、次の手順を実行します。
- SageMakerコンソールで、 ライフサイクル構成 ナビゲーションペインに表示されます。
- 選択する 構成を作成する.
- 選択する Jupyter サーバー アプリ.
- 新しいライフサイクル構成を作成するか、次の内容で既存のライフサイクル構成を追加します。
構成により、次の名前のファイルが作成されます。 ".snowflake_identity_provider_oauth_config"
、ユーザーのホームフォルダーにシークレットが含まれています。
- 選択する 構成を作成.
デフォルトのライフサイクル構成を設定する
次の手順を実行して、作成したばかりのライフサイクル構成をデフォルトとして設定します。
- SageMakerコンソールで、 ドメイン ナビゲーションペインに表示されます。
- この例で使用する Studio ドメインを選択します。
- ソフトウェア設定ページで、下図のように 環境 タブの パーソナル Studio アプリのライフサイクル構成 セクションでは、選択 添付する.
- ソース選択 既存の構成.
- 作成した構成を選択してから、 ドメインにアタッチ.
- 新しい構成を選択し、 デフォルトとして設定、を選択します デフォルトとして設定 ポップアップメッセージでもう一度。
新しい設定が下に表示されるはずです パーソナル Studio アプリのライフサイクル構成 デフォルトとして。
- Studio アプリをシャットダウンし、再起動して変更を有効にします。
データサイエンティストの経験
このセクションでは、データ サイエンティストが Data Wrangler のデータ ソースとして Snowflake に接続し、ML 用のデータを準備する方法について説明します。
新しいデータ フローを作成する
データ フローを作成するには、次の手順を実行します。
- SageMakerコンソールで、 Amazon SageMakerスタジオ ナビゲーションペインに表示されます。
- 選択する オープンスタジオ.
- スタジオで ホーム ページ、選択 データを視覚的にインポートして準備する. または、 File ドロップダウン、選択 新作、を選択します SageMaker Data Wrangler フロー.
新しいフローの作成には数分かかる場合があります。
- ソフトウェア設定ページで、下図のように インポート日 ページ、選択 接続を作成する.
- 選択する スノーフレーク データソースのリストから。
- 認証方法、選択する OAuth.
OAuth が表示されない場合は、前述のライフサイクル構成の手順を確認してください。
- 詳細を入力してください Snowflake アカウント名 および ストレージの統合.
- 接続名を入力して選択します お問合せ.
IdP 認証ページにリダイレクトされます。 この例では、Okta を使用しています。
- ユーザー名とパスワードを入力し、選択します サインイン.
認証が成功すると、Studio データ フロー ページにリダイレクトされます。
- ソフトウェア設定ページで、下図のように Snowflake からデータをインポートする ページを表示したり、データベース オブジェクトを参照したり、ターゲット データのクエリを実行したりできます。
- クエリ エディターでクエリを入力し、結果をプレビューします。
次の例では、 ローンデータ 5,000 行からすべての列を取得します。
- 選択する インポート.
- データセット名を入力します (この記事では、
snowflake_loan_dataset
)と選択 Add.
にリダイレクトされます 準備 このページでは、データに変換と分析を追加できます。
Data Wrangler を使用すると、データの取り込みと、探索的データ分析、特徴選択、特徴エンジニアリングなどのデータ準備タスクの実行が容易になります。 データの準備に関するこの投稿では、Data Wrangler の機能の一部のみを取り上げました。 Data Wrangler を使用すると、簡単で直感的なユーザー インターフェイスを使用して、機能の重要性、ターゲットの漏れ、モデルの説明可能性など、より高度なデータ分析を行うことができます。
データ品質の分析
データ品質と洞察レポート Data Wrangler にインポートしたデータの分析を実行します。 Data Wrangler は、サンプリングされたデータからレポートを作成します。
- Data Wrangler フロー ページで、次のプラス記号を選択します。 データ型、を選択します データの洞察を得る.
- 選択する データ品質と洞察レポート for 分析タイプ.
- ターゲット列で、対象の列を選択します。
- 問題の種類選択 Classification.
- 選択する 創造する.
インサイト レポートには、欠損値、無効な値、特徴の種類、外れ値の数などの一般的な情報を含む、データの簡単な概要が含まれています。 レポートをダウンロードするか、オンラインで表示できます。
データに変換を追加する
Data Wrangler には、300 を超える組み込みの変換があります。 このセクションでは、これらの変換のいくつかを使用して、ML モデルのデータセットを準備します。
- [Data Wrangler フロー] ページで、プラス記号を選択してから、 変換を追加.
投稿の手順に従っている場合は、データセットを追加した後、自動的にここに移動します。
- 列のデータ型を確認して変更します。
列に目を通すと、 MNTHS_SINCE_LAST_DELINQ
および MNTHS_SINCE_LAST_RECORD
ほとんどの場合、文字列ではなく数値型として表す必要があります。
- 変更を適用してステップを追加すると、列のデータ型が float に変更されていることを確認できます。
データを見ると、フィールドが EMP_TITLE
, URL
, DESCRIPTION
, TITLE
ユースケースではモデルに価値を提供しない可能性が高いため、それらを削除できます。
- 選択する ステップを追加、を選択します 列を管理する.
- 最適化の適用、選択する ドロップカラム.
- ドロップする列、指定する
EMP_TITLE
,URL
,DESCRIPTION
,TITLE
. - 選択する プレビュー および Add.
次に、データセット内のカテゴリ データを探します。 Data Wrangler には、序数エンコーディングとワンホット エンコーディングの両方を使用してカテゴリ データをエンコードする機能が組み込まれています。 データセットを見ると、 TERM
, HOME_OWNERSHIP
, PURPOSE
列はすべて本質的にカテゴリカルであるように見えます。
- 別のステップを追加して選択する カテゴリをエンコードする.
- 最適化の適用、選択する ワンホットエンコード.
- 入力列、選択する
TERM
. - 出力スタイル、選択する コラム.
- 他のすべての設定をデフォルトのままにしてから、 プレビュー および Add.
HOME_OWNERSHIP
column には、次の XNUMX つの値があります。 RENT
, MORTGAGE
, OWN
、およびその他。
- 前の手順を繰り返して、これらの値にワンホット エンコーディング アプローチを適用します。
最後に、 PURPOSE
column にはいくつかの可能な値があります。 このデータについてもワンホット エンコーディング アプローチを使用しますが、出力を列ではなくベクトルに設定します。
- 最適化の適用、選択する ワンホットエンコード.
- 入力列、選択する
PURPOSE
. - 出力スタイル、選択する ベクトル.
- 出力列、この列を
PURPOSE_VCTR
.
これでオリジナルが保たれる PURPOSE
列、後で使用する場合。
- 他のすべての設定をデフォルトのままにしてから、 プレビュー および Add.
データ フローをエクスポートする
最後に、このデータ フロー全体を SageMaker Processing ジョブでフィーチャ ストアにエクスポートします。これにより、コードが事前入力された Jupyter ノートブックが作成されます。
- データ フロー ページで、プラス記号を選択し、 輸出.
- エクスポートする場所を選択します。 私たちのユースケースでは、選択します SageMakerフィーチャーストア.
エクスポートされたノートブックを実行する準備が整いました。
Autopilot を使用してデータをエクスポートし、モデルをトレーニングする
これで、次を使用してモデルをトレーニングできます Amazon SageMakerオートパイロット.
- データ フロー ページで、 トレーニング タブには何も表示されないことに注意してください。
- AmazonS3の場所で、データを保存する場所を入力します。
- 選択する エクスポートとトレーニング.
- で設定を指定します。 ターゲットと特徴, トレーニング方法, 展開と詳細設定, 確認して作成する セクション。
- 選択する 実験を作成する 問題に最適なモデルを見つけます。
クリーンアップ
Data Wrangler での作業が完了したら、 Data Wrangler インスタンスをシャットダウンします 追加料金の発生を避けるため。
まとめ
この投稿では、接続を示しました OAuth を使用した Data Wrangler から Snowflake へ、データセットを変換および分析し、最終的にそれをデータ フローにエクスポートして、Jupyter ノートブックで使用できるようにします。 最も注目すべきは、コードをまったく記述せずにデータ準備用のパイプラインを作成したことです。
Data Wrangler の使用を開始するには、次を参照してください。 Amazon SageMaker Data Wrangler で ML データを準備する.
著者について
アジャイ・ゴビンダラム AWS のシニア ソリューション アーキテクトです。 彼は、AI/ML を使用して複雑なビジネス上の問題を解決している戦略的な顧客と協力しています。 彼の経験は、中規模から大規模の AI / ML アプリケーションの展開に対して、技術的な方向性と設計支援を提供することにあります。 彼の知識は、アプリケーション アーキテクチャからビッグ データ、分析、機械学習にまで及びます。 休息中に音楽を聴いたり、アウトドアを体験したり、愛する人と過ごす時間を楽しんでいます。
ボスコ・アルバカーキ AWS のシニア パートナー ソリューション アーキテクトであり、エンタープライズ データベース ベンダーおよびクラウド プロバイダーのデータベースおよび分析製品の使用において 20 年以上の経験があります。 大規模なテクノロジー企業がデータ分析ソリューションを設計するのを支援し、エンジニアリング チームを率いてデータ分析プラットフォームとデータ製品の設計と実装を行ってきました。
マット・マルジロ Snowflake のシニア パートナー セールス エンジニアです。 彼は、コンサルティングと業界組織の両方で、データ サイエンスと機械学習の役割で 10 年の経験があります。 Matt は、マーケティング、販売、運用、臨床、財務などの分野のさまざまな組織で AI および ML モデルを開発および展開した経験があり、コンサルティングの役割でアドバイスを行った経験もあります。
フォングエン AWS の Amazon SageMaker Data Wrangler の製品リーダーです。 彼女は、企業と消費者の両方のスペース向けに、顧客志向でデータ駆動型の製品を作成する 15 年の経験を持っています。 余暇には、オーディオ ブック、ガーデニング、ハイキング、家族や友人との時間を楽しんでいます。
- 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/access-snowflake-data-using-oauth-based-authentication-in-amazon-sagemaker-data-wrangler/
- :は
- $UP
- 000
- 10
- 100
- 15年
- 20年
- 7
- 8
- 9
- a
- できる
- 私たちについて
- アクセス
- データへのアクセス
- アクセス
- 越えて
- Ad
- 添加
- NEW
- 管理人
- 進める
- 高度な
- アドバイス
- 後
- AI
- AI / ML
- すべて
- Amazon
- アマゾンセージメーカー
- AmazonSageMakerデータラングラー
- 分析
- 分析
- 分析論
- 分析します
- 分析する
- および
- 別の
- API
- アプリ
- 現れる
- 申し込み
- 申し込む
- 適用
- アプローチ
- アプリ
- 建築
- です
- エリア
- AS
- 援助
- 関連する
- At
- アタッチ
- 聴衆
- オーディオ
- 認証
- 認証
- 承認
- 自動化する
- 自動的に
- AWS
- Azure
- BE
- なぜなら
- 始まる
- BEST
- ビッグ
- ビッグデータ
- ボディ
- 本
- 内蔵
- ビジネス
- by
- コール
- 呼ばれます
- 缶
- 機能
- 場合
- CAT
- 変更
- 選択
- 選択する
- クライアント
- 臨床
- クラウド
- コード
- コラム
- コラム
- 企業
- コンプリート
- 複雑な
- コンセプト
- お問合せ
- 接続する
- 接続
- 領事
- コンサルティング
- consumer
- コンテンツ
- 可能性
- カバー
- カバー
- 作ります
- 作成した
- 作成します。
- 作成
- Credentials
- Customers
- データ
- データ分析
- データ分析
- データの準備
- データサイエンス
- データサイエンティスト
- データ駆動型の
- データベース
- 決めます
- デフォルト
- 実証
- 展開する
- 配備
- 設計
- 設計
- 詳細
- 細部
- 開発
- 異なります
- 方向
- 直接に
- 明確な
- ドキュメント
- そうではありません
- ドメイン
- ドント
- ダウン
- ダウンロード
- Drop
- 各
- エディタ
- 効果
- どちら
- enable
- エンジニア
- エンジニアリング
- 入力します
- Enterprise
- 環境
- 例
- 既存の
- 体験
- 体験
- 探索的データ分析
- export
- 外部
- フェイル
- 家族
- 特徴
- 特徴
- 費用
- 少数の
- フィールド
- フィールズ
- File
- 最後に
- ファイナンス
- もう完成させ、ワークスペースに掲示しましたか?
- フロート
- フロー
- フォロー中
- 形式でアーカイブしたプロジェクトを保存します.
- 周波数
- 頻繁に
- 友達
- から
- 機能性
- 取得する
- 与える
- 助成金
- 大きい
- ガイド
- 持ってる
- 持って
- 助けます
- 助けました
- こちら
- ホーム
- 認定条件
- How To
- HTML
- HTTP
- HTTPS
- ID
- 識別子
- 識別する
- アイデンティティ
- アイドル
- 実装
- import
- 重要性
- in
- 含ま
- 含めて
- 間違って
- 産業を変えます
- 情報
- 洞察力
- 洞察
- 説明書
- 統合
- 統合
- インタフェース
- 直観的な
- 関係する
- IT
- ジョブ
- Jobs > Create New Job
- JPG
- キー
- 知識
- 大
- 大規模
- リーダー
- 学習
- ツェッペリン
- ある
- wifecycwe
- 一生
- ような
- 可能性が高い
- リスト
- 耳を傾ける
- 負荷
- 負荷
- 場所
- 見て
- 探して
- 愛され
- 機械
- 機械学習
- 製
- make
- 作る
- 作成
- マネージャー
- 多くの
- マーケティング
- メッセージ
- かもしれない
- 分
- 行方不明
- ML
- モデル
- 修正する
- 他には?
- 最も
- の試合に
- 音楽を聴く際のスピーカーとして
- 名
- 名
- 自然
- ナビゲーション
- 必要
- 必要
- ニーズ
- 新作
- 次の
- 特に
- ノート
- 数
- オース
- オブジェクト
- of
- オクタ
- on
- ONE
- オンライン
- 業務執行統括
- オプション
- 組織
- オリジナル
- その他
- さもないと
- 屋外で
- 出力
- 自分の
- ページ
- 足
- ペイン
- パートナー
- パスワード
- 実行する
- パーミッション
- 個人的な
- パイプライン
- プラットフォーム
- 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
- さらに
- ポリシー
- ポップアップ
- 可能
- ポスト
- 優先
- 準備
- 前提条件
- プレビュー
- 前
- 問題
- 問題
- 手続き
- プロセス
- 処理
- プロダクト
- 製品
- プロフィール
- プログラミング
- 正しく
- 提供します
- 提供
- プロバイダー
- プロバイダ
- は、大阪で
- 提供
- 品質
- むしろ
- 準備
- 推奨する
- リダイレクト
- 縮小
- 地域
- 登録
- 登録
- 参加申し込み
- 再起動
- レポート
- で表さ
- 必要とする
- それらの
- REST
- 結果
- 結果
- 小売
- 職種
- 役割
- ラン
- ランニング
- セージメーカー
- セールス
- スケジューリング
- 科学
- 科学者
- 科学者たち
- スコープ
- 秘密
- セクション
- セクション
- セキュリティ
- 選択
- シニア
- 感度
- セッションに
- 設定
- 設定
- いくつかの
- シェル(Shell)
- すべき
- 表示する
- 符号
- 簡単な拡張で
- So
- ソリューション
- 解決する
- 一部
- ソース
- ソース
- スペース
- 支出
- 開始
- 開始
- 手順
- ステップ
- ストレージ利用料
- 店舗
- 保存され
- 保存
- 戦略的
- 文字列
- 研究
- 成功した
- そのような
- 概要
- サポート
- サポート
- TAG
- 取る
- 取り
- ターゲット
- 対象となります
- タスク
- チーム
- 技術的
- テクノロジー
- テクノロジー企業
- それ
- 情報
- アプリ環境に合わせて
- それら
- ボーマン
- 介して
- 時間
- 〜へ
- トークン
- トークン
- トレーニング
- 最適化の適用
- 変換
- 変換
- 下
- わかる
- ユニーク
- アップデイト
- URL
- つかいます
- 使用事例
- ユーザー
- ユーザーインターフェース
- users
- 値
- 価値観
- ベンダー
- 確認する
- 、
- 詳しく見る
- 目に見える
- ウォークスルー
- 警告
- ウィークス
- WELL
- which
- while
- 誰
- 全体
- 意志
- 以内
- 無し
- 仕事
- ワークフロー
- ワーキング
- 作品
- 書きます
- 書き込み
- 年
- You
- あなたの
- ゼファーネット